Algebra Linear - Hoffman e Kunze PDF

ALGEBRA LINEAR por KENNETH HOFFMAN Associate Professor of Mathematics Massachusetts Institute of Technology e RAY KUNZE Associate Professor of Mathematics Washington University St. Louis, Mo, Tradugdo de ADALBERTO PANOBIANCO BERGAMASCO Eprt6ra DA UNIVERSIDADE DE SAO PAULO EDITORA POLIGONO ®Titulo do original: Linear Algebra Copyright © 1961 by PRENTICE-HALL INC. Englewood Cliffs, NJ. Direitos exclusivos para a lingua portuguésa EDITORA POLIGONO S.A. Av. Brigadeiro Luis Anténio, 3035 ‘Sto Paulo 1971 Capa de Studio lo 512,897 Hoffman, Kenneth Algebra linear, por Kenneth Hoffman «© Ray Kunze; traduzido por Adalberto P. Bergamasco. §. Paulo, Ed. Univ. de S. Paulo e Poligono, 1970. 356p. ilus, Algebra linear OPREFACIO Nosso propésito originat ao escrever éste livro foi o de fornecer um texto para o curso de graduagio de Algebra linear no Massachussetts Institute of Technology. Este curso era destinado ao terceiro ano dos optantes de matematica, Atualmente, cérca de trés quartos dos alunos especiatizam-se em ciéncias ou engenharia e variam de calouros a estudantes de pés-graduagao, Concessao alguma se féz ao fato de a maioria dos alunos naio estar interessada primordialmente em mateméatica. Isso porque acre- ditamos que um curso de matematica nao deveria fornecer a estudantes de ciéncias ou engenharia um amontoado de métodos, ¢ sim proporcionar a éles uma compreensio dos conceitos matematicos fundamentais, Por outro lado, estivemos profundamenite conscientes da grande variagéo de conhecimentos que os estudantes poderiam possuir e, em particular, do fato de terem os estudantes tido muito pouca ex- periéncia com o raciocinio matematico abstrato, Por essa raziio, evitamos a introdugdo de muitas idéias abstratas logo no inicio do livro. Como compiemento, incluimos um Apéndice, onde sio apre- sentadas idéias basicas tais como conjunto, fungdo e relagdo de equi- valéncia. Achanios mais proveitcso nfo insistir nessas idéias inde- pendentemente, ¢ sim aconselhar os estudantes a lerem o Apéndice & medida que surjam tais idéias. Em todo © livro incluimos uma grande diversidade de exemplos dos conceitos importantes que ocorrem. O estudo de tais exemplos é de fundamental importancia e tende a minimizar o ntimero de estudantes que conseguem repetir definigdes, teoremas e demonstragdes em ordem ldgica, sem apreender 0 significado dos conceitos abs- tratos. O livro contém também uma ampla variedade de exercicios graduados (em térno de quinhentos), variando desde aplicagdes roti- neiras aos que solicitariio até os melhores alunos. Pretende-se que @sses exercicios sejam parte importante do texto, O Capitulo | trata de sistemas de equagdes lineares e sua resolu-x PREFACIO gio por meio de operagdes elementares s6bre linhas de matrizes. Tem sido nosso costume despender seis aulas nessa matéria, Isso proporciona ao estudante um esbégo das origens da dlgebra linear e das téénicas de célculo computacionais necessdrias ao entendimento de exemplos das idéias mais abstratas ocorr-ntes nos capitulos pos- teriores, O Capitulo 2 discorre sdbre espagos vetoriais, subespagos, bases e dimens&o. O Capitulo 3 trata das transformagées lineares, sua Algebra, sua representag&o por matrizes, bem como isdmorfismo, funcionais lineares e espagos duais. O Capitulo 4 define a Algebra dos polinémios sébre um corpo, os ideais naquela algebra e a decom- posigéo de um polinémio em fat6res primos. O Capitulo 5 desen- volve determinantes de matrizes quadradas, sendo’ o determinante encarado como uma fungio n-linear alternada das linhas de uma matriz. Os Capitulos 6 e 7 contém uma discuss4o des conceitos bé- sicos para a analise de uma transformagio linear isolada s6bre um espaco vetorial de dimensdo finita, a andlise de transformagGes dia- gonaliz4veis, 0 conceito das partes diagonalizdvel ¢ nilpotente de uma transformagao mais geral e as formas candnicas racional e de Jordan. O Capitulo 8 considera com algum detalhe espagos de dimens&o finita com produto interno. Ele cobre, em particular, a geo- metria basica e o estudo dos operadores auto-adjuntos, positivos, unitérios e normais, O Capitulo 9 discute formas bilineares, enfati- zando as formas canénicas para formas simétricas e anti-simétricas, assim com 0 grupo que conserva uma forma nao-degenerada. A interdependéncia dos capitulos € como segue. Os Capitulos le2.¢a maior parte do Capitulo 3 sio basicos para o livro todo. Os Capitulos 4 ¢ 5 também sio fundamentais; entretanto, podem ser tratados de uma forma mais abreviada se o professor deseja passar aos capftulos subseqilentes mais rapidamente. Os Capitulos 6 ¢ 7 sio uma unidade. Os Capitulos 8 ¢ 9 séo independentes entre si e nao necessitam dos Capitulos 6 e 7 (exceto talvez das primeiras pé- ginas do Capitulo 6). O Capftulo 9 nZo depende do Capitulo 4 nem do 5 tampouco. Somos gratos a nossos colegas, em particular, aos Profess6res Louis Howard e Daniel Kan e Doutores Harry Furstenberg e Edward Thorp, por suas tantas ¢ tao proficuas sugestdes. Pela preparagio do manuscrito, agradecemos as Srtas. Betty Ann Sargent e Phyllis Ruby, que datilografaram as notas originais; Srta. Judith Bowers, que dati- lografou o manuscrito final; e & equipe da Prentice-Hall, Inc. Cambridge, Massachussetts KennetH HoFFMAN Waltham, Massactusseris Ray KunzeSUMARLO Capiruo 1. EQUACOES LINEARES. . . . . bee 1.1, Corpos comutativos . . . . 1.2. Sistemas de equacdes lineares |. 1.3. Matrizes e operacdes elementares sObre linhas | 1 1 }. Matrizes linha-reduzidas & forma em escada. . . 2... |. Multiplicagao de matrizes . . . 1.6. Matrizes inversiveis 2. 1 1. . oa F Sebesoscos rn Coordenadas ..,-. 2... 00. 2.5, Resumo de linha-equivaléncia, | | | | 2.6. Céleulos concernentes @ subespacos - Carituto 3. TRANSFORMACOES LINEARES . 3.1. Transformagdes lineares sw. 3.2, A dilgebra das transformagées lineares. 3.3. Isomorfismo 2... 3.4. Representacko de transformagdes por matrizes. | |. | | 3.5. Funcionais lineares . 2... 7... vee 3.6. Anuladores. .. 2.2... 3.7. A transposta de uma transformacdo. Carfruto 4, POLINOMIOS........... a 4.1. Algebras 4.2. A Algebra dos polindmios 4.3. Interpolacéo de Lagrange . . . . : 44, Ideais de polindmios. 4.5. A decomposiciio de um polinémio em fatéres primos Capituco 5. DETERMINANTES ........... 5.1, Andis comutativos.. 6... 2... 1 we Funcoes determinantes. .. 2. 2... 2. 5.3, PermutagSes e a unicidade dos determinantes . . . 5.4. Propriedades adicionais dos determinantes . Cariruco 6. DECOMPOSICOES EM SOMAS DIRETAS ARIANTES.............0.XU SUMARIO 6.2. Valores caracteristicos ¢ vetores caracteristicos. . 2... 177 6.3, Operadores diagonalizaveis.. 2.2... 2.22205 184 6.4. O teorema da decomposicio primétia. ©. 2... 193 Capituco 7, AS FORMAS RACIONAL E DE JORDAN ... 201 7.1, Subespacos ciclicos ¢ anuladores .. . . . see eee 201 7,2. O teorema da decomposicio ra . 205 7.3, A forma de Jordan. . . . . » 219 7.4, Resumo: operadores semi-simples Se eee «+ 226 Carirutco 8. ESPACOS COM PRODUTO INTERNO. ..... 235 8.1, Produtos internos. . . . . . bees 82. Espagos com produto intemo viene 3. Funcionais lineares ¢ adjuntos.. 2... 2.2.20 8 Operadores positives... ........ spectral tae 8.8. Diagonalizagio simultanes de operadores normais | | | | 302 Capizuto 9. FORMAS BILINEARES... . . bee WS 9.1, Formas bilinearss. 2... es 305 9.2. Formas bilineares simétricas rer 314 9.3. Formas bilineares anti-simétricas . . . 2 2... vee 323 9.4, Grupos que conservam formas bilineares .. 2.2... 327 APENDICE ... . . A.1. Conjuntos . . A2. Fungdes . . 3, Relagdes de equivaléncia AA, Espacos quocientes. . 2... ae ae A'S. Relagdes de equivaléncia em élgebra linear. |). 1. . 348 BIBLIOGRAFIA.......... 5. vee 30 INDICE... Pte! +. 351CAPITULO 1 EQUACOES LINEARES 1.1 Corpos Comutativos Supomos que o leitor tenha familiaridade com a Algebra elementar dos niimeros reais e complexos. Para uma grande parte déste livro as propriedades algébricas dos ntimeros que usaremos podem ser facilmente deduzidas da pequena lista abaixo de propriedades da adig&o ¢ da multiplicdg&o. Indicamos por F o conjunto dos nimefos reais ou o conjunto dos niimeros complexos, (1) A adigifo € comytativa, xty=yre para todos x e y em F, (2) A adig&o é agsociativa, x+04tD)=OtyM4+2 para todos x, ye z em F. (3) Existe um unico elemento 0 (zero) em F tal que x + 0 = x, para todo x em F. (4) A cada x em F corresponde um Unico elemento (—x) em F tal que x + (—x) = 0, (5) A multiplicagio é comutativa, xy = yx para todos x e y em F, (6) A multiplicagio é associativa, x02) = (xy)z para todos x, ye z em F,2 EQUAGOES LINEARES (7) Existe um nico elemento ndo-nulo 1 (um) em F tal que xl = x, para todo x em F, (8) A cada x nao-nulo em F corresponde um tinico x~ (ow I/x) em F tal que xx7! = L. (9) A multiplicacdo é distributiva em relagio & adigéo; isto é, xy + 2) = xp + x2, para todos x, ye z em F, Suponhamos que se tenha um conjunto F de objetos x, y, 2, -.. e duas operagdes sObre os elementos de F como segue. A primeira operagdo, denominada adig&o, associa a cada par de elementos x, y em F um elemento (x + y) em F; a segunda operagio, denominada multiplicag&o, associa a cada par x, y um elemento xy em F; e estas duas operagées satisfazem as condig6es (1)-(9) acima. 0 conjunto F, munido destas duas operagées, é entio denominado um corpo comutativo*. A grosso modo, um corpo € um conjunto munido de algumas operagdes sébre seus objetos, as quais se comportam como a adig&o, subtracio, multiplicaco e divisio usuais de ntimeros no sentido de que elas obedecem &s nove regras de Algebra acima relacionadas. Com as propriedades usuais da adigdo e multiplicagdo, o conjunto C dos nimeros complexos é um corpo, como o € 0 conjunto R dos niimeros reais. Na maior parte déste livro, os “ntimeros” que usamos podem ser os elementos de qualquer corpo F, Para permitir esta generaliza- Go, usaremos a palavra “‘escalar” ao invés de “ntimero”. O leitor no perderd muito se supuser sempre que o corpo de escalares seja um subcorpo do corpo dos ntimeros complexos. Um subcorpo do corpo C é um Conjunto F de nimeros complexos que é um corpo em relagdo As operagdes usuais de adicgio e multiplicagio de niimerds complexos. Isto significa que 0 ¢ | esto no conjunto Fe que se xe y sio elementos de F ento (x + y), —x, xy ¢ x7! (se x » 0) também 0 séo. Um exemplo de um subcorpo desta natureza é 0 corpo R dos numero’ reais; de fato, se identificarms os nuimeros reais com os mimeros complexos (a + ib) para os quais b = 0,0 0¢ 0 1 do corpo complexo sio nimeros reais ¢, se x € y sao reais, (x + y), —%, XY e x7! (se x » 0) também o so. Daremos outros exemplos abaixo. O objetivo de nossa discussiio sébre subcorpos € essencialmiente o seguinte: quando trabalhamos com escalares de ym certo subcorpo de C, a realizagio das operagdes de adicdo, subtragko, multiplicagdo ‘ou divisio sébre éstes escalares nfo nos tira daquele subcorpo. (*) Neste livro, sempre teremos corpos comutativos, portanto abreviare- mos a denominagio escrevendo simplesmente corpos. (N. do T.)SISTEMAS DE EQUAQOES LINEARES 3 Exemplo 1. O conjunto dos inteiros positives: 1, 2, 3, ..., n&o é um subcorpo de C, por diversas razdes. Por exemplo, 0 nao é um inteiro positivo; para qualquer inteiro positivo n, —n nfo € um inteiro posifivo; para qualquer inteiro n, exceto 1, I/n nfio é um inteiro positive. Exemplo 2. O conjunto dos inteiros: ..., —2, —1, 0, 1, 2,. n&o é um subcorpo de C, pois para um inteiro #, I/n nao é um inteiro a menos que seja 1 ou —1. Com as operagdes usuais de adigdo e multiplicagdo, o conjunto dos inteiros satisfaz tédas as condigdes (1}—(9) com excegdio da condigao (8). Exemplo 3. O conjunto dos nimeros racionais, isto é, numeros da forma p/q, onde pe g so inteiros e g ~ 0, € um subcorpo do corpo dos nimeros complexos. A diviséo, que nao € possivel dentro do cénjunto dos inteiros, pode ser feita dentro do conjunto dos ntimeros racionais. O leitor interessado deve verificar que qualquer subcorpo de C contém todos os niimeros racionais. Exemplo 4, O conjunto de todos os nimeros complexos da forma x + y V2, onde x e y so racionais, é um subcorpo de C. Deixamos a cargo do leitor a verificagio déste fato. 1,2 Sistemas de Equacdes Lineares Suponhamos que F seja um corpo. Consideremos o problema da determinag&o de n escalares (elementos de F) x1, ..., Xn Que Sa- tisfagam as condigées Aum + Ayaka +... + Atnka = Vi ( Aaixi + Avex, +... + Aan = Yo 1-1) : : : . Ami + Anaia + 66. + Annke = Yn onde yi,...,¥mt Ain LCi < mt 42>...7 Ay = BL Basta demonstrar que os sistemas 4;X =0 e 4j,1X = 0 tém as mesmas solugdes, isto €, que uma operagio elémentar sébre linhas nfo altera o conjunto das solugdes. Assim, suponhamos que B seja obtida de A por uma unica operago elementar sébre linhas. Qualquer que seja o tipo da operagao, (1), (2) ou (3), cada equagio dos sistema BX = 0 seré uma combinagdo linear das equagdes do sistema AY = 0. Como a inversa de uma operacio elementar sébre linhas € uma operagio elementar sdbre linhas, cada equagéo em AX = 0 também serd uma combinagao linear das equagdes em BX = 0. Logo éstes dois sistemas sio equivalentes e, pelo Teorema 1, tém as mesmas solugGes, Exemplo 5. Suponhamos que F seja 0 corpo dos nimeros racionais e que 2 —1 30 2 A=/{1 4 © —-1}: 2 6-1 § Efetuarenios uma seqiiéncia finita de operagdes elementares sdbre as linhas de A, indicando por niimeros entre parénteses 0 tipo de opetagio efetuada. 2-1 3 0-9 3 4 (i 4 0 ile @) [! 4 0 -i| ® 2 6-1 5 2 6-1 5MATRIZES E OPERACGOES ELEMENTARES SOBRE LINHAS 9 0-9 3 4 0-9 3 ¥ 1 4 0-1;M 41 4 09 +/@ 0-2-1 7) 7’to 1 3} 47 o-9 3 4 0 0 8 ET 1 0-2 13/@ 41 0-2 3; o 1 ¢ —E 7? Lo bb RI 0 0 3 -¥ 0 0 61 1 0-2 B/@]1 0 0 FI@ o 1 3 EP Lo 1g ad 00 1 100 o10— A linha-equivaléncia de A com a matriz final na seqiiéncia acima nos diz em particular que as solugdes de 2x, — x2 + 3x3 + Ixy = 0 aa + 4xe — m=0 2x + 6x2 — xa + Seq = 0 eco so exatamente as mesmas. No segundo sistema é evidente que atribuindo um valor racional arbitrario c a x4, obtemos uma solugdo (—e, fc, Be, 0), e também que téda solugdo é desta forma. Exemplo 6. Suponhamos que F seja 0 corpo dos numeros complexos ¢ que —1 i A=|—i 3]. 1 2. Ao efetuarmos operagées sdbre linhas freqiientemente convém combinar varias operagdes do tipo (2). Com isto em mente [-: i] 0) [: 374] w [: 1 ® —i 3 0344 0342 12}77Lr 2 —~ Li +] [° al:10 EQUACOES LINEARES Assim o sistema de equagdes —x + ix = 0 —ix1 + 3x2 = 0 ix + 2x2 = 0 possui apenas a solucao trivial x) = x2 = Nos Exemplos 5 ¢ 6 € dbvio que nfo efetuamos operagées sobre linhas ao acaso. Nossa escolha de operagées sébre linhas foi motivada por um desejo de simplificar a matriz dos coeficientes de uma maneira andloga 4 “eliminagao de incégnitas” no sistema de equagées lineares, Coloquemos agora uma definig&o formal do tipo da matriz a qual estévamos tentando chegar. Definicdo. Uma m X n marriz R é dita linha-reduzida se: (a) o primeiro elemento ndo-nulo em cada linha néo-nula de R é igual a 1; (b) cada coluna de R que contém o primeiro elemento nao-nulo de alguma linha tem todos os seus outros elementos nulos. Exemplo 7, Um exemplo de uma matriz linha-reduzida éan Xn matriz (quadrada) unidade /, Esta é an X n matriz definida por Esta é a primeira de muitas ocasides em que usaremos o simbolo de Kronecker (5), Nos Exemplos 5 ¢ 6, as matrizes finais nas seqiiéncias apresen- tadas sdo matrizes linha-reduzidas. Dois exemplos de matrizes que nGo sio lirha-reduzidas sao: 10 0 OF 02 st o.l-—-t Hl 10 —3]- 00 10 09 0 0, A segunda matriz nao satisfaz a condig&0 (a) porque o primeiro elemento nao-nulo da primeira linha nfo é 1, A primeira matriz satisfaz a condig&o (a) mas nao satisfaz a condig&o (b) na coluna 3, Demonstraremos agora que podemos passar de uma matriz arbitedria a uma matriz linha-reduzida, por meio de um numero finito de operagdes elementares sébre linhas. Combinado com o Teorenta 3, isto nos fornecerd um instrumento eficiente para a resolugdo de sistemas de equagées lineares, Teorema 4. Téda m X n matriz sdbre o corpo F é linha-equivalente a uma matriz linha-reduzida,MATRIZES E OPERAGOES ELEMENTARES SOBRE LINHAS ~11 Demonstracao. Seja A uma m X 1 matriz sdbre F, Se todo elemento na primeira linha de 4 é 0, ent&o a condigao (a) estd satisfeita no que diz respeito & linha |, Se a linha | tem um elemento nao-nulo, seja kK 0 menor inteiro positive j para o qual A;; ¥ 0. Multipliquemos a linha 1 por Ay4_ ¢ entdo a condigio (a) estd satisfeita em relagdo & linha |. Agora, para cada / > 2, somemos (—Ais) vézes a linha | a linha i, Agora o primeiro elemento nao-nulo da linha 1 ocorre na coluna k, éste elemento € 1, ¢ todos os outros elementos na coluna k sao nulos. Consideremos agora a matriz que resultou das operagdes acima, Se todo elemento na Jinha 2 € nulo, nada fazemos & linha 2, Se algum elemento na linha 2 é diferente de 0, multiplicamos a linha 2 por um escalar de modo que o primeiro elemento nao-nulo seja 1. No caso em que a linha | tenha um primeiro elemento nao-nulo na coluna k, éste primeiro elemento ndo-nulo na linha 2 nao pode ocorrer na coluna digamos que 4le aparece na coluna k’ # k. Somando miltiplos adequados da linha 2 &s diversas linhas, podemos fazer com que todos os elementos na coluna k’ sejam nulos, com excegao do | na linha 2. O fato importante a ser notado é éste: ao efetuarmos estas Ultimas operagées, nao alteramos os elementos da linha | nas colunas |, ..., k; além disso, nao alteramos nenhum elemento da coluna k. E claro que, se a linha 1 fOsse idénticamente nula, as operagdes com a linha 2 nao afetariam a linha 1. Trabalhando com uma linha de cada vez da maneira acima, € evidente que, com um niimero finito de passos, chegaremos a uma matriz linha-reduzida. Exercicios 1, Determinar tédas as solugdes do sistema de equagdes (dx, — ix, = 0 dey + (= ir, = 0. 30-1 A={2 11 1 —3 0, determinar tédas as solugGes de AX = 0, tornando 4 Sinha-reduzida. 3. Se 6 4 0 A=| 4-20 1 0 312 EQUACOES LINEARES determinar tédas as solugdes de AX = 2X e tédas as solugdes de AX = 3X. (O simbolo ¢X indica a matriz cujos elementos sio c vézes os elementos correspondentes de X.) 4. Encontrar uma matriz linha-reduzida que seja linha-equivalente @ 7 +i A=]L —2 1]: A a 1 5. Demonstrar que as duas matrizes seguintes nao so linha-equivalentes: bff od a 6 a=[2 4] uma 2 X 2 matriz com elementos compiexos. Suponhamos que 4 seja linha-reduzida e também que a + 5 +c + d = 0. Demonstrar que existem exatamente trés destas matrizes. 7. Demonstrar que a transposigo de duas linhas de uma matriz pode ser conseguida por uma seqiiéncia finita de operagbes elementares sdbre linhas dos outros dois tipos. 8. Consideremos o sistema de equagdes AX = 0 onde 4-[E 4] é uma 2 X 2 matriz sébre 0 corpo F. Demonstrar 0 que segue. ® Se todo elemento de 4 € nulo, entio todo par (x1, x.) € uma solugo AX = 6. Seja Gi) Se ad 4 =x. = 0. (iii) Se ad — be = 0 ¢ algum elemento de A ¢ diferente de 0, entio existe ‘uma solugdo (x%, x$) tal que (x, x2) € uma solugao se ¢ somente se existe um escalar y tal que x, = yxt x, = yx. bc #0, 0 sistema AX = 0 possui apenas a solugdo trivial 1.4 Matrizes Linha-reduzidas 4 Forma em Escada Até agora, nosso trabalho com sistemas de equagGes lineares foi motivado por uma tentativa de determinar as solugdes de um tal sistema. Na Secio 1.3 estabelecemos um método padronizado para determinar estas solugdes. Desejamos agora obter algum conheci- mento que seja um pouco mais tedrico, e para tal propésito € conveniente ir um pouco além de matrizes linha-reduzidas. Definigéo. Uma m X n matriz R é dita uma matriz linha-reduzida 4 forma em escada se (a) R é linha-reduzida;MATRIZES LINHA-REDUZIDAS A FORMA EM ESCADA 13 (b) téda linha de R cujos elementos so todos nulos ocorre abaixo de tédas as linhas que possuem um elemento nao-nulo: (c) se as linhas 1, ..., ¢ so as linhas néo-nulas de R e se o priv meiro elemento nao-nulo da linha i ocorre na coluna ki,i = 1,...5 5, entdo ky < ka < 21. < ke Pode-se também descrever uma m X n matriz R linha-reduzida 4 forma'em escada como segue. Todo elemento em R é nulo ou entéo existe um iateiro positivo r, << m, er inteiros positivos ke, ,kecomil re Ry = Ose i < ke (b) Riuj =, LS 7S HLS F SH © ki << kn Exemplo 8. Dois exemplos de matrizes linha-reduzidas 4 forma em escada sion X 7” matriz unidade e am Xn matriz nula 0", na qual todos os elementos sao nulos. O leitor nao deverd encontrar nenhuma dificuldade para encontrar outros exemplos, mas gostarfamos de dar mais um exemplo nao-trivial: o 1-3 0 ¥ 00 OF 2]. oo 000 Teorema 5. Téda m X n matriz A é linha-equivalente a wna matriz linha-reduzida & forma em escada. Demonstragdo, Sabemos que A é linha-equivalente a uma matriz linha-reduzida, Portanto, basta observar que, efetuando um ntimero finito de permutagées das linhas de uma matriz linha-reduzida, podemos transformé-la numa matriz linha-reduzida & forma em escada. Nos Exemplos 5 e 6, vimos a importancia de matrizes linha- reduzidas na solucao de sistemas homogéneos de equagées lineares, Discutamos rapidamente o sistema RX = 0, no caso em que R é uma matriz linha-reduzida a forma em escada, Sejam as linhas |, «+, as linhas nfo-nulas de R ¢ suponhamos que o primeiro elemento nao-nulo da Jinha / ocorra na coluna k;. O sistema RX = 0 consiste entéo de r equagdes ndo- is, Além disso, a incégnita Xs; aparecerd (com coeficiente ndo-nulo) apenas na i-ésima equagao, Se indicarmos por w,..., ts—+ as (n — r) incdgnitas que sao di rentes de xe,,..., Xe, ent&o as r equagdes néo-triviais em RX = 0 sio da forma14 EQUAGOES LINEARES i ° wa, $2 Cau; = gat (a3) xe +E Cy) = 0. jt Tédas as solugdes dos sistemas de equagdes RX = 0 sho obtidas atribuindo-se valores arbitrérios a w, ..., ux-r € calculando os valores correspondentes de x1,, ..., X+- por meio de (I—3). Por exemplo, se Réa matriz do exemplo 8 acima, entio r = 2, ki = 2,k2 = 4, e as duas equagdes nao-triviais do sistema RX = 0 sio x2 — 3x3 + }xs = 0 ou x2 = 3x3 — 3X5 x + 2x5 = 0 ou x4 = 2x5, Assim, podemos atribuir valores arbitrdrios a xi, X3 © Xby digamos X1 = a, x4 = 6, xs = c, € obter a solugio (4,36 — jc, b, —2¢, ¢). Observemos mais um fato sdbre o sistema de equagdes RX = 0. Se o numero r de linhas nfio-nulas de R é menor que n, ent&o o sistema RX = 0 admite uma solugio nao-trivial, isto é, uma solugéo (x1, «45 Xn) em que nem todo x; é nulo, De fato, como r < A, podemos tomar algum x, que nao esteja entre as 7 incdgnitas Bis vey Xr, e dai construir uma solugdo como acima na qual éste x, é |. Esta observagdo nos leva a um dos conceitos mais fundamentais relativos a sistemas de equacées lineares homogéneas. Teorema 6. Se A é uma m X n matriz em 1. Mas como R possui 7 linhas, certamente r < ne temos r = n. Como isto significa que R possui na verdade um primeiro elemento nao-nulo igual a f em cada uma de suas » linhas e como éstes | ocorrem cada um numa das 7 colunas, R é, necessariamente, an X a matriz unidade, Perguntemos agora que oneragées elementares sdbre linhas efetuar para resolver um sistema de equagdes lineares AX = Y que nao seja homogéneo. De inicio, devemos observar uma diferenga basica entre éste caso ¢ o caso homogéneo, a ‘saber, que gnauanto © sistema homogéneo sempre admite a solugdo trivial x, = =0, um sistema nao homogéneo pode nao ter nenhuma Solugio.” Formemos a matriz completa A’ do sistema AX = Y. Esta é a m X (a + 1) matriz cujas n primeiras colunas so as colunas de A e cuja ultima coluna é Y. Mais precisamente Ai = Ain se j r. Se esta condicao é satisfeita, tédas as solugbes déste sistema podem ser determinadas, como no caso homogéneo, atribuindo-se valores arbitrdrios a (n — r) dos x; e daf calculando x», por meio da i-ésima equagdo Exemplo 9, Seja F 0 corpo dos numeros racionais ¢ 1-2 1 A=|2 14 lo 5 —1 e suponhamos que se deseje resolver o sistema AX = Y para certos Vi, y2e ys. Efetuemos uma seqiiéncia de operagdes sdbre as linhas da matriz completa A’ que torne A linha-reduzida: “1 2 001 oy @ ri —2 1 @ 2 1 1 ye 0 3 a (2 a) 2 5 -1 »J ~~? Lo - va ~~ 1 yn 3 1 G2 — 2p) Je 0 0 Oa — ye + 291), ! 0 On v 7 qT 102-2) | @, 0 ye + 2p) 10 § 301 +29) OL =F He 2) |e 10 0 0 Ga— ye + Ay) A condigao para que o sistema AX = ¥ tenha uma solucao € portanto 2yi— yo + ya = 0 © se os escalares y; dados satisfazem esta condig&o, tédas as solugdes sfio obtidas atribuindo-se um valor ¢ a x3 e depois calculando + 301 + 2y2) 3¢ + (v2 — 21). loon bsoMATRIZES LINHA-REDUZIDAS A FORMA EM ESCADA 17 Facamos uma observagio final sdbre o sistema AX = Y. Supo- nhamos que os elementos da matriz A e os escalares y1,..., Ym estejam num subcorpo F, do corpo F. Se o sistema de equagdes AX = Y admite uma solugdo com x1,..., x, em F, éle admite uma solugio com x,..., X. em Fi. De fato, sébre qualquer vim dos dois corpos, a condigdo para o sistema admitir uma solugdo € que valham certas relagdes entre y;,..., Ym em F, (a saber, as relagdes z; = 0 para i > r, acima), Por exemplo, se AX = Y é um sistema de equagdes lineares no qual os escalares ps € As; sho nuimeros reais e, se existe uma solugdo na qual x1,..., x» séo mimeros complexos, entéo existe uma solugdo com x1,.... X, mG- meros reais, Exereicios 1, Determinar t6das as solugdes do seguinte sistema de equacdes. linha-re- duzindo a matriz dos coeficientes: fy + 2x, — 6x, = 0 —4x, + Se, —0 3x, + 6x, — 134, = 0 + 2x. fx, = 0 2, Determinar uma matriz linha-reduzida & forma em escada que seja equivalente a os Az=|2 2 |. oi+h, Quais sdio as solugées de AX = 0? 3. Descrever explicitamente tédas as 2 x 2 matrizes linha-reduzidas a for- escada. ma em 4. Consideremos o sistema de equagdes Mm tly al 2x, +2x <1 x — 3x. + 4x, = 2 Este sistema admite solugio? Em caso afirmativo, descrever explicitamente tédas as solugies. 5. Dar um exemplo de um sistema de duas equacdes lineares a duas incdgnitas que ndo admite solugio. 6. Seja Gag Ae]2 15]. | —3 0,18 EQUAGOES LINEARES Para que ternas (y1,y.,) 0 sistema 4X = ¥ admite solucdo? 1, Seja 3-6 2-1 24103 4-0 oF if f-21 @ Para que (¥1,¥s¥s9,) © sistema de equagdes AX = Y admite solugio? 8 Suponhamos que Re R’, sejam 2X 3 matrizes linha-reduzidas & forma em escada € que os sistemas RX = 0 e R'X = 0 admitam as mesmas so- lugées. Demonstrar que R = R’, 1.5 Muttiplicacio de Matrizes E evidente (ou, de qualquer modo, deveria ser) que 0 processo de formar combinagées lincares das linhas de uma matriz € um processo fundamental. Por esta razio é vantajoso introduzir um es- quema sistematico para indicar exatamente que operagdes devern ser efetuadas. Mais especificamente, suponhamos que B seja uma n X p matriz sobre um corpo F com linhas fi,..., 8. € que a partir de B construamos uma matriz C com linhas 71,..., ym formando certas combinagGes lineares (4) vi = Aabh + AnBe + 06. + AinBn- As linhas de C sfio determinadas pelos mn escalarés A.; que sito os elementos de uma m X n matriz A. Se (1-4) € desenvolvido como (Cit Coy) = 2 AB +++ iB) vemos que os elementos de C sao dados por Cy = 2 AiB,;. red Definigao. Seja A uma m X n matriz sébre 0 corpo F e seja B wna n X p matriz sébre F, O produto AB é a m X p matriz C cio elemento i,j e = E AyBy. ay Exemplo 19, Eis alguns produtos de matrizes com elementos racionais, © [oa a)-Lo ils asMULTIPLICAGAO DE MATRIZES —20 6 1) + ) 5(0 6 1) + 34] [6] [ea 2 = (6 12) = 324) Neste caso m=G6—-12I)=1. w= 0 72)= 06 LT 9 12 —8 ®) 12 62 —3| = 3. 8 —2, IL Neste caso v2 = (9 12-8) = rs = (12 62 —3) = 8 © ls] - [ —2 —4 @ | 6 vl = Neste caso (e) 0 1 OF 1 (3) 000 2 00 0 9 1-5 2 0 (g) 2 3 4] I/o 9 —1 3] LO E importante observar que 1 3, e 4 [73] = uo 5 2 34 2 0 0 1 0 00 0 ool Lo o produto de duas matrizes pode ene cow nao estar definido; o produto é definido se, e sdmente se, o nimero de coluna da primeira matriz coincide com o numero de linhas da segunda matriz, Assim, nao faz sentido trocar a ordem dos fat6res em (a), (b) e (c) acima, Freqiientemente escreveremos produ- tds como AB sem mencionar explicitamente as dimensdes dos fa- tres e, em tais casos, estard subentendido que o produto esté definido. De (d), (¢), (£), (g) vemos que mesmo quando ambos os produtos AB e BA éstio definidos n@o é necessariamente verdade que AB = BA; em.outras palavras a multiplicagfo de matrizes ndo € comutativa.20 EQUAGGES LINEARES Exemplo 11. (a) Se 1 € a m X m matriz unidade e A € uma m X n matriz, IA =A. (b) Se 1 € am X m matriz unidade e A é uma m X n matriz, A= A. {c) Se Oe €ak Xm matriz nula, 0% = OA, Andloga- mente, AO"? = Om, Exemplo 12, Seja 4 uma m X # matriz sbre F, Nossa notagdo taquigrdfica anterior, AX = Y, para sistemas de equagées lineares, € coerente com nossa definig&o de produtos de matrizes. De fato, se com x; em F, entio AX é am X 1 matriz yi v2 yal" tal que yi = Airxi + Aioxz +... + Ainxe. A despeito do fato de que um produto de matrizes depende da ordem em que os fatéres sao escritos, éle € independente da maneira pela qual elas sio associadas, como o préximo teorema mostra. Teorema 8. Se A, B, C sGo matrizes sébre o corpo F tais que os Produtos BC e A(BC) sdo definidos, entdo estdo definidos os produtos AB, (AB)C e A(BC) = (ABC. Demonstragdo. Suponhamos que B seja uma n X p matriz. Como BC esta definida, C € uma matriz com p linhas e BC tem 2 linhas. Como A(BC) esté definido podemos supor que A é uma m X n matriz. Assim, o produto AB existe e € uma m X p matriz, do queMULTIPLICACAO DE MATRIZES 21 segue que o produto (AB)C existe. Mostrar que A(BC) = (AB)C significa mostrar que (ABC); = (ABC); para cada i, j. Por definigao (ABO)y = 2 ABC); z Aw z BC; = z z AiBu Cs; = z z ABC; == @ AirBr Cas = 2 (ABYC [(43)C},;- Quando A é uma n X m matriz (quadrada), 0 produto AA esté definido. Indicaremos esta matriz por A?. Pelo Teorema 8, (4A)A = = A(AA) ou A®A = AA®, de modo que o produto AAA esté definido sem ambigilidade. Indicaremos éste produto por A®, Em geral, 0 produto AA... A (k vézes) esté definido sem ambigitidade ¢ indicaremos éste produto por A*. Notemos que a relacio A(BC) = (AB)C implica, entre outras coisas, que combinagées lineares de combinagées lineares das linhas de C so novamente combinagdes lineares das linhas de C. Se B é uma dada matriz e C é obtida de B por meio de uma operacgao elementar sObre linhas, ent&o cada linha de C é uma combinag&o linear das linhas de B, logo existe uma matriz A tal que AB = C. Em geral, existem muitas dessas matrizes A e, dentre elas tédas, é conveniente e possivel escolher uma que tenha um ntimero de propriedades especiais. Antes de passar a isto precisamos introduzir uma classe de matrizes. Definicgo. Uma nXm matriz é dita wma matriz elementar se ela pode ser obtida da m X mynatriz unidade por mefo de uma tinica ope- ragGo elementar.22 EQUAGGES LINEARES Exemplo 13. Uma 2 X 2 matriz elementar é necessariamente uma das seguintes: Ca Ba EY [s ‘I: © #0, [6 t]. eo. Lema. Seja e uma operagdo elementar sébre linhas de matrizes com p linhas. Seja A uma m X n matriz e B uma p X m matriz. Entéo (5) e(B)A = e(BA). Demonstraco, Indiquemos as linhas de A por ai, ..., em. AS linhas yi, ..., yp de C = BA sio ent&o dadas por (I—6) y= 2 Biya;. 4 Se a operagao e é a multiplicagao de r-ésima linha por c + 0, entio a r-ésima linha de e(C) é dada por (i-7) vr = 2 eBya; 3 enquanto yj = 7; para i # r. Por outro lado, se e € uma operagio que substitui a linha r pela linha r mais c vézes a linha s, 7 s, entio (l—8) ue 2 (By + cBudas © yj = ys para i # r. No caso restante, quando e transpée as linhas res, temos y= 2 Bye; (i—9) ; n= = By jas € yi = y: se i € diferente de r e de s, Considerando (1—7), (I—8) e (1—9) é evidente que em cada caso vf = % e(B);;a; 3 parai=l,..., p. Tomando B como sendo a m X m matriz unidade em (I—5) obtemos (—10) ADA = eA).MULTIPLICACAO’ DE MATRIZES 23 Por ser ste resultado de importancia fundamental reenunciamo-lo como segue: Teorema 9, Seja A uma m X n matriz sdbre 0 corpo F e seja C uma matriz obtida efetuando-se uma unica operagao elementar sdbre as linhas de A. Seja E a matriz elementar obtida efetuando-se a mesma operacao elementar sébre a m X m matriz unidade, Entéo C = EA, Corolario. Sejam A e Bm X n matrizes sabre o corpo F. Entéo B é linha-cquivalente a A se e somente se B = PA, onde P é um produto dem X m matrizes elementares, Demonstracio. Suponhamos que B = PA onde P = E, ... E2E, ¢ as E; sio m X m matrizes elementares. Entéo £,4 é linha- equivalente a A e Eo(E,A) € linha-equivalente a E24. Assim E2E,A é linha-equivalente a A; continuando desta maneira, vemos que (E.... E\)A é linha-equivalente a A. ‘Suponhamos agora que B seja linha-equivalente a 4. Sejam E,, Ex, ..., E, as matrizes elementares correspondentes a alguma seqiiéncia de operagées elementares sdbre linhas que levam A em B, Entéo B = (E,... E:)A. Exercicios 1. Sejam —1 1 2 —2 o1 Beli 3]. 01 4 4 Verificar diretamente ye A(AB) = 4*B. 3. Determinar duas 2 X 2 matrizes 4 distintas tais que 4” = 0 mas A > 0. 4. Para a matriz A do Exercicio 2, determinar matrizes elementares Ey, E,,..., Ex vais que Ey... EEA = 1. Edt Existe alguma matriz C tal que CA = B? 5. Sejam24 EQUACGES LINEARES 6, Seja 4 uma m X n matrize B uma n X & matriz, Mostrar que as colunas de C = AB sio combinagées lineares das colunas de A. Se a1,...,0n SHO as colunas de A € y,,...,72 so as colunas de C, entio , w= E Bray ral 7, Sejam Ae B duas 2 X 2 matrizes tais que AB = I, Demonstrar que BA =. 8. Seja = [Cu &] c-(e & Perguntamos quando € possivel encontrar 2 X 2 ma- que C = AB — BA, Demonstrar que tais matrizes podem ser encontradas se e sémente se Cy}, + C3; = 0. 1.6 Matrizes Inversiveis Suponhamos que P seja uma m X m matriz que seja um produto de matrizes elementares, Para cada m X » matriz A, a matriz B = PA & linha-equivalente a A; logo A € linha-equivalente a Be existe um produto Q de matrizes elementares tal que A = QB. Em particular, isto € vdlido quando A é a m X m matriz unidade. Em outras palavras, existe uma m X m matriz Q, que € um produto de matrizes elementares, tal que QP = J. Como logo veremos, a exis- téncia de uma @Q tal que QP = J € equivalente ao fato de P ser um produto de matrizes elementares. Definico. Seja A uma n X n matriz (quadrada) sobre o corpo F, Uma n X n matriz B tal que BA = I e dita wma inversa & esquerda de A; uma n X 1 matriz B tal que AB = I é dita wna inversa A direita de A, Se AB = BA = I, entio B é dita inversivel. Lema, Se A possui uma inversa & esquerda Be uma inversa A direita C, entio B = C, Demonstracao, Suponhamos que BA = J e AC = I. Entéo B= BI'= BAC) = (BA)C = IC =. Assim, se A possui uma inversa A esquerda e uma & direita, A é inversivel e possui uma tinica inversa bilateral, que indicaremos por A-! e denominaremos simplesmente a inversa de A, Teorema 10. Sejam A e Bn X n matrizes sébre F. (a) Se A é inversivel, A~! tambem o é ¢ (A7')"! = A. (b) Se A e B sdo inverstveis, AB também o é e (AB)-! = B~'A!,MATRIZES INVERSIVEIS 25 Demonstragéo. A primeira afirmagio é evidente pela simetria da definigao. A segunda decorre da verificacio das rel (AB)(B"'A7}) = (B“1A7!)(AB) = I. Corolario, Um produto de matrizes inversiveis é inversivel. Teorema 11, Uma matriz elementar é inversivel. Demonstracao. Seja E uma matriz elementar correspondente & operagio elementar sdbre linhas e. Se e: € a operagdo inversa de (Teorema 2) e E; = ei(J), entio EE, = ei) = eer(/)) = F EE = e(E) = e(e(l)) = 1 de modo que E ¢ inversivel e Z, = E7', Exemplo 14. 0 1)"! Oo ot (a) [i a * li al loc (b) 0 ‘| 0 1 0 1 0 © [: i] * [t 1 (a) Quando ¢ ¥ 0, ec Oy! ct! 0 1 oy 10 [6 = ef =[o to} Teorema 12. Se A e wna n Xn matriz sébre F, as seguintes afirmacées so equivalentes (isto é, tédas verdadeiras ou tédas falsas). a -4 1 1 (i) A e inversivel. (ii) A possui uma inversu a esquerda, (iii) AX = 0 um sistema de equagées sem solucdo além da trivial. (iv) A é um produto de matrizes elementares, Demonstracao. Demonstraremos as implicagées (i) — (ii) — (iii) + (iv) + (i). (i) > (ii). Se A inversivel, A~! & uma inversa & esquerda de 4. (ii) — Gil). Suponhamos que P seja uma inversa & esquerda de Aeque AX = 0. Entio X = IX = (PA)X = P(AX) = P.0=0.26 EQUAGGES LINEARES (iii) — (iv). Suponhamos que o sistema de equagoes lineares homogéneas AX = 0 nao possua solugdo néo-trivial. Seja R uma matriz-reduzida & forma em escada e linha-equivalente a A, Entio R é uma n X n matriz quadrada e RX = 0 n&o possui solugdes X = 0. Assim, R é an Xn matriz unidade ¢, pelo Corolério do Torema 9, A = P onde P é um produto de matrizes elementares. (iv) > (i). Suponhamos que £y, £2, ..., Es sejam X n matrizes elementares tais que A = E,E> ... Es. Pelo Teorema 11, cada E; & inversivel e € evidente que Av! = Er! ,., Ex' Ep). Corolario 1. Se A e uma n X n matriz inverstvel e se uma se- qiiéncia de operagées elementares sébre linhas reduz A a unidade, entdo aquela mesma seqiiéncia de operagées sdbre linhas quando apli- cada a \ produz A~'. Corolirio 2. Uma matriz quadrada com inversa & esquerda ou & direita é inversivel. Demonstracao. Se A ¢ B sion X n matrizes tais que AB = J, entio A é uma inversa & esquerda de B, logo B é inversivel, 0 que implica B-! = Ae Av! = (B-})-! = B. Corolirio 3. Uma n X n matriz A e inversivel se e somente se © sistema de equacées AX = X possui uma solugdo X para cada no X | matriz Y. Demonstra¢do. Suponhamos que A seja inversivel. Entio X¥ = = A~1Y € uma solugio da equagio AX = Y. Suponhamos que AX = Y possua uma solugdo para cada Y. Seja Y, a i-ésima coluna da n x n matriz unidade. Tomemos X; de modo que AX, = Y,. Se Béan Xn matriz com colunas X%, X2, ++, X, entio AB = J; agora o coroldrio anterior se aplica e mostra que B= Aq!, Deve-se observar que 0 Coroldrio 3 mostra que se A én X n ¢ AX = ¥ possui uma solugo para cada Y, entio na verdade AX = ¥ possui uma dnica solugo para cada Y. Corolério 4. Sejam A e Bm Xn matrizes. Entéo B é linka- equivalente a A se e sdmente se B = PA onde P é uma m X m matriz inversivel, Tomando m = ne fazendo B igual & X ” matriz unidade obtemos 0 resultado que segue. Corolario 5. Uma n X n mairiz A é linha-equivalente & matriz unidade se e somente se A é inversivel.MATRIZES INVERSIVEIS 27 Corolirio 6. Seja A = AiAz, ... Ax, onde Au ..., Ax silo n X n matrizes (quadradas). Entéo A é inversivel se e somente se cada Aj é inversivel. Demonstragéo. Ja demonstramos que o produto de duas matrizes inversiveis é inversivel. A partir disto vé-se facilmente que se cada A; é inversivel entéo A € inversivel. Suponhamos agora que A seja inversivel, Demonstremos primeiro que A; € inversivel. Suponhamos que X seja uma n X | matriz € AX = 0. Entio AX = (A; ... As-1)4eX = 0. Como A € inversivel temos X = 0, Desta maneira, o sistema de equacdes A,X = 0 nao possui solugGes nio-triviais, portanto, A, é inversivel. Mas en- to Ay... Ay-1 = AA! € inversivel. Pela razio anterior Ari € versivel, " Prosseguindo desta forma, conclufmos que cada A; & inversfvel. Gostariamos de fazer um comentdrio final sébre a resolugdo de equagées lineares, Suponhamos que A seja uma m X n matriz ¢ que desejamos resolver o sistema de equagdes AX = Y. Se R é uma matriz linha-reduzida & forma em escada que é equivalente a A, entio R = PA, onde P é uma m X m matriz inversivel. As solugdes do sistema AX = Y so exatamente as solugdes do sistema RX = = PY (=Z). Na pratica, n#o € muito mais dificil determinar a matriz P do que linha-reduzir A a R. De fato, suponhamos que formemos a matriz completa A’ do sistema AX = Y, com escalares arbitrarios y, ..., yx na ultima coluna. Se agora efetuarmos sébre A’ uma seqiiéncia de operagdes elementares sdbre linhas que re- duza A a R, tornar-se-4 evidente o que é a matriz P. (O lejtor deve consultar 0 Exemplo 9 onde, em esséncia, aplicamos éste proceso.) Em particular, se A é uma matriz quadrada, éste proceso mostrard claramente se A é inversivel ou nao e, se A for invers{vel, qual ¢ a inversa de P. Como ja apresentamos 0 nticleo de um exemplo déste tipo de cdlculo, contentar-nos-emos com um exemplo 2 X 2, Exemplo 15. Suponhamos que F seja o corpo dos mimeros racionais =[? - a= i a): Entio 773 2J@E 3 eel 3 ye 1 li 3 Ob yILo 7» By JO 13 ve 2) 702 + 3n) [o 1 FQy2 ™ wl Blo 2 1 7Qy2— »28 EQUAGGES LINEARES onde se vé claramente que A é inversivel e que Als Deve ter ocorrido ao leitor que fizemos uma longa discussio sObre linhas de matrizes e pouco dissemos sdbre colunas, Concen- tramos nossa atengo sébre as linhas porque isto pareceu mais natural do ponto de vista de equagdes lineares. Como nfo existe evidentemente nada sagrado sdbre linhas, a discussdo das ultimas se- gdes poderia muito bem ter sido feita usando-se colunas em vez de linhas. Se se define uma operacdo elementar sdbre colunas e uma coluna equivaléncia de maneira andloga A operagio elementar sé- bre linhas e & linha-equivaléncia é evidente que cada m X # matriz sera coluna equivalente a uma matriz “‘coluna-reduzida 4 forma em escada”. Além disso, cada operagio elementar sdbre colunas serd da forma A — AE, onde E é uma n X n matriz elementar ¢ assim por diante. Exercicios 1, Seja 1021 Anw|-1 035]. 1-21 1, Determinar uma matriz.R linha-teduzida & forma em escada que seja linha-equivalente a Ae uma 3X 3 matriz inversivel P tal que R = PA. 2. Fazer o Exercicio 1, com 20 = 4e]1 —3 —]- ne) 3. Para cada uma das matrizes 2 «5 =] [i 3 a [ 4 usar operagdes elementares s6bre linhas para descobrir se € inversivel ¢, em caso gfirmativo, determinar a inversa. 4, Seja 50 A=wd]1 5 OF oO 1 5.MATRIZES INVERS{VEIS 29 Para que X existe um escalar c tal que AX = cX? $. Suponhamos que A seja uma 2 X 1 matriz e que B seja uma 1 X 2 matriz. Demonstrar que C = AB no € inversfvel. 6. Seja A uma n X n matriz (quadrada). Demonstrar as duas afirmagées seguintes: wl Se 4 € inversivel ¢ AB = 0 para alguma n X m matriz, entio 0) Se 4 po 4 mere, entio existe uma n X matriz B tal que AB = 0 mas B= a 6 aal[é qd, 1. Seia Demonstrar, usando operagdes elementares sdbre linhas, que 4 é inversivel se, ¢ sdmente se, (ad — bc) # 0. 8. Demonstar a seguinte generalizacto do Exercicio 5. Se A é uma m X matriz, B € uma 1 X m matriz en < m, entio AB nfo é inversivel. 9. Seja A uma m X n matriz. Mostrar que, por meio de um numero finito de operacies elementares sObre linhas e/ou colunas, pode-se passar de 4 a uma matriz 2, “linhs-reduzida & forma em escada” e “coluna-reduzida 4 forma em escada”, isto é, Ri; = Ose i # f, Ri = 115i <7, Ri 0 se i > r. Mostrar que R = PAQ, onde P € uma A x’ m matriz inversivel e @ € uma n X n matriz inversivel.CAPITULO 2 ESPACOS VETORIAIS 2.1 Espacos Vetoriais Em varias partes da matemética, defrontamo-nos com um conjunto, tal que é, ao mesmo tempo, significativo e interessante lidar com “combinagées lineares” dos objetos daquele conjunto. Por exemplo, em nosso estudo de equagdes lineares, foi bastante natural considerar combinag6es lineares das linhds de uma matriz. B pro- vavel que o leitor tenha estudado célculo e tenha jd lidado com combinagdes lineares de fungdes; isto certamente ocorreu se éle estu- dou equagées diferenciais, Talvez o leitor tenha tido alguma expe- riéacia com vetores no espago euclidiano tridimensional e, em particular, com combinagées lineares de tais vetores. A grosso modo, a algebra linear € 0 ramo da matemética que trata das propriedades comuns a sistemas algébricos constituidos por um conjunto mais uma nogdo razodvel de uma “combinagio linear” de elementos do conjunto, Nesta seg&o definiremos 0 objeto mateméatico que, como a experiéncia mostrou, € a abstragdo mais Util déste tipo de sistema algébrico. Definig&o. Um espaco vetorial (ou espaco linear) consiste do seguinte: (1) um corpo F de escalares; (2) um corpo V de objetos, denominados vetores; (3) uma regra (ou operacdo), dita adigéo de vetores, que associa @ cada par de vetores a, B em V um vetor a + B em V, denominado a soma de a e 8, de maneira tal que . (a) @ adigéo & comunicativa, a + B = 8 + a; (b).@ adigao € associativa, a + (8 + 7) = (a+ 8) +45 (c) existe um tinico vetor 0 em V, denominado o vetor nulo, tal que a + 0 = a para todo a em V;ESPACOS VETORIAIS 31 (d) para cada vetor « em V existe um inico vetor — a em V tal que a + (—@) = 0; (4) wna regra (ou opéragdo), dita multiplicagdo escalar, que associa a cada escalar c em F ¢ cada vetor a em V um vetor ca em V, denominado o produto de ¢ por a de maneira tal que (a) Ll @ = @ para todo a em V; (b) (crea) = ex(c2a); (c) ela + 8) = ca + cB; (Cd) (cr + c2)a = cia + cae. E importante observar, como afirma a definigao, que um espaco vetorial € um objeto composto de um corpo, um conjunto de “‘ve+ tores” e duas operagées com certas propriedades especiais, O mesmo conjunto de vetores pode ser parte de diversos espagos vetoriais {ver Exemplo 5 abaixo), Quando nao hi possibilidade de confusio, podemos simplesmente nos referir ao espago vetorial por VY ou, quando for desejével especificar o corpo, dizer que V € um espaco vetorial sébre 0 corpo F. O nome “‘vetor” € aplicado aos elementos do conjunto V mais por conveniéncia. A origem do nome é encon- trada no Exemplo | abaixo, mas nao se deve emprestar muita importancia ao nome uma vez que a vatiedade de objetos que aparecem como sendo os vetores em V podem no apresentar muita seme- Ihanga com qualquer conceito de vetor adquirido a priori pelo leitor. Tentaremos indicar esta variedade através de uma lista de exemplos; nossa lista seré consideravelmente ampliada assim que iniciarmos © estudo de espagos vetoriais. Exemplo 1. O espaco das n-uplas, F*. Seja F um corpo arbitré- tio e seja V o conjunto de tédas as n-uplas a = (m1 , X2,..., Xn) de escalares x; em F, Se 8 = (j1, ¥2,..., Yn) com ys em F, a soma de ae 8 € definida por (21) at 8 = (x + yi, x2 + ya... me te O produto de um escalar ¢ por um vetor @ € definido por (2-2) ca = (6x1, 6X2. 64, CXne O fato de que esta adigdo de vetores e multiplicagao escalar satisfazem as condigGes (3) e (4) é facil de verificar, usando as propriedades semelhantes da adig&o ¢ multiplicagio de elementos de F. Exemplo 2. O espaco das m X n matrizes sébre o corpo F. Seja F um corpo arbitrario ¢ sejam m e nt inteiros positivos, Seja Vo32 ESPAGOS VETORIAIS conjunto de tédas as m X n matrizes sdbre 0 corpo F. A soma de dois vetores A e Bem V é definida por (2-3) (4 + By = Ag + By. O produto de um escalar c por A em V € definido por (2-4) (cA)ig = CAie Exemplo 3. O espaco das funcées de um conjunto em um corpo. Seja F um corpo arbitrério e seja S um conjunto ndo-vazio arbitrario. Seja V 0 conjunto das fungSes do conjunto S em F, A soma de dois vetores fe gem V é 0 vetor f + g, isto é, a fungio de Sem F, definida por 2-5) + 8) (3) = fis) + a). © produto do escalar ¢ pela fungio f é a fungio of definida por (2-6) (A) © = of). Os exemplos anteriores sio os casos particulares déste. De fato, uma r-upla de elementos de F pode ser considerada como uma fungio do conjunto S dos inteiros 1,..., em F. Analogamente, uma m X n matriz sdbre o corpo F é uma fungao do conjunto S de pares de inteiros (i,j), 1 Oe € oposto ao de OP sec < 0. Esta multiplicagao escalar produz exatamente 0 vetor OT onde T = (cx, x2, ¢x3) ¢ € portanto compativel com a definigio algébrica dada para RS. De vez em quando, o leitor provavelmente acharé util “pensar geomatricamente” sébre espagos vetoriais, isto é, desenhar figuras para uso préprio para itustrar e motivar algumas idéias. Na verdade deve fazer isto. Contudo, ao fazer tais ilustragdes, deve ter em mente que, por estarmos tratando de espagos vetoriais como sistemas algébricos, tédas as demonstragdes que fizermos serio de natureza algébrica. Exercicios 1. Se F € um corpo, verificar que F* (tal como definido no Exemplo 1) é um espaco vetorial sObre 0 corpo F. 2. Se V € um espago vetorial sébre o corpo F, verificar que © fer ta) + @ tad) = les + Gs tall +a para todos yetores ay, a,, a, €a, em V. 3, Se C € 0 corpo dos ntimeros complexos, quais vetores em C1 sio combinagdes lineares de (1, 0, —1), (0, 1, Ded, 1,9? 4. Seja V 0 conjunto de todos os pares (x, y) de ntimeros reais e seja F 0 corpo dos nimeros reais, Definamos a W) + gn) = + ty Yt YD x. = ex. y}. V, com estas operagdes, ¢ um espaco vetorial sébre o corpo dos nuimeros reais? 5. Seja V 0 conjunto de todos os pares (x, y) de ntimeros reais e seja F 0 corpo dos niimeros reais. Definamos (x, Yt Oy, yD) = GY + By XD) etx, 9) = Gey, —€x). Verificar que V, com estas operacées, ndo & um espago vetorial sébre 0 corpo dos niimeros reais.SUBESPACOS 37 2.2 Subespacos Nesta seg&o introduziremos alguns conceitos basicos no estudo dos espacos vetoriais, Definigio. Seja V um espago vetorial sébre o corpo F. Um subespaco de V é um subconjunto W de V que é um espaco vetorial sobre F com as operagées de adicéo de vetores e multiplieagdo esca> lar de V. Uma verificagio direta dos axiomas para um espaco vetorial mostra que o subconjunto W de V é um subespago se para todos ae fem Wo vetor a + 6 esté ainda em W; o vetor nulo esté em W; para todo a em W o vetor (—a) esté em W; para todo a em W ¢ todo escalar c 0 vetor ¢ a esté em W. A comutatividade e associatividade da adigfo de vetores ¢ as propriedades (4) (a), (6), (c) € (d) da multiplicagéo escalar nao precisam ser verificadas, uma vez aue sdéo propriedades das operagdes em V, Podemos simplificar ainda mais as coisas. Teorema 1. Um subconjunto ndo-vazio W de V.é um subespago de V se, e somente se, para cada par de vetores a, 8 em W e cada escalar c em F, o vetor ca + 8 esté em W. Demonstracéo. Suponhamos que W seja um subconjunto nio- -vazio de V tal que c a + § pertenga a W para todos os vetores a, B em We todos escalares c em F. Como W € nio-vazio, existe um vetor p em W, logo (1) p + p = 0 esté em W. Entio se a € um vetor arbitraério em We c um escalar arbitrério, 0 vetor ca =ca+ 0 esté em W. Em particular (—I)a = —a esté efn W. Finalmente se a ¢ 8 estio em W, entioa + 6 = 1a + f estd em W. Assim, W é um subespago de V, Reciprocamente, se W é um stibespago de V, a e f estio em Wec &um escalar, certamente ca + f estdem W. Exemplo 6. (a) Se V & um espago vetorial arbitrério, V € um subespago de V; 0 subconjunto constituido sdmente pelo vetor nulo é um subespaco de V, denominado o subespago nulo de V. (b) Em F*, 0 conjunto das n-uplas (x1,..., x.) com x1 = 0 € um subespago: contudo, o conjunto das n-uplas com x; = | + x2 nao € um subespago (n > 2). (c) O espago das fungdes polinomiais sébre o corpo F € um subespago do espago de tédas as fungdes de F em F.38 ESPAGOS VETORIAIS (d) Uma n X 2 matriz (quadrada) A sébre o corpo F é simé- trica se A,; = Aj; para todos ie j, As matrizes simétricas formam um subespaco do espago de tédas as m X 4 matrizes sObre F. (e} Uma a X n matriz (quadrada) A sébre 0 corpo C dos nimeros complexos é hermitiana (ou auto-adjunta) se Aj = As; para todos j, k, sendo que a barra indica conjugagio complexa. Uma 2 X 2 matriz é hermetiana se e sémente se € da forma z x+y x—iy ow onde x, y, ze w sao niimeros reais. O conjunto de tédas as matrizes hermitianas do € um subespago do espaco de tédas as » X n matrizes sébre C. De fato, se A é hermitiana, todos os elementos Aji, Azz,..., de sua diagonal sao ntimeros reais mas os elementos diagonais de iA em geral nao sfo reais. Por outro lado, verifica-se facilmente que o conjunto das 1 X n matrizes hermitianas complexas € um espaco vetorial sébre o corpo R dos nimeros reais (com as Operagdes usuais), Exemplo 7. O espago-soluciio de um sistema de equacies lineares homogéneas. Seja A uma m X n matriz sébre F. Entéo 0 conjunto de tédas as 1 X 1 matrizes - (colunas) X sébre F tais que "AX = 0 & um subespago do espaco de tédas as n X 1 matrizes sobre F. Para demonstrar isto precisamos mostrar que A(cX + Y)=0 para AX = 0, AY = Oe c um escalar arbitrério em F, Isto decorre imediatamente do seguinte fato geral: Lema. Se A é uma m X 1 matriz sébre F e B, C séo n X p matrizes sdbre F, enta@o QI) AGB + C) = d(AB) + AC para todo escalar d em F, Demonstracdo, [A(dB + Cy = 2 AaldB + Chis © MW E (dAnBiz + AinCe;) ® az AisBej + z AinCui) AB); + (AC) [a(AB) + AC};SUBESPACOS 39 Andlogamente, pode-se mostrar que(dB + C)A = d(BA) + CA, se as somas € produtos de matrizes esto definidos. Teorema 2. Seja V um espaco vetorial sébre 0 corpo F. A inter- secao de uma colecao arbitrdria de subespacos de V ¢ um subespaco de V. Demonstracao. Seja {W.} uma colegdo de subespagos de Ve seja W = 7) W, a sua intersegao. Recordemos que W é definido como sendo 0 conjunto dos elementos pertencentes simultineamente a W, (ver Apéndice). Como cada W, € um subespago, todos contém o vetor nulo, Assim o vetor nulo estd na intersegao We W é nao vazio, Sejam a € 8 vetores em W e seja c um escalar. Peta definigio de W, tanto a como B pertencem a cada W, €, como cada W, & um subespago, o vetor (ca + A) est em todo W,. Assim, (ca + 8) estd em W. Pelo Teorema 1, W é um subespaco de V. Do Teorema 2 decorre que se S é uma colegio arbitréria de vetores em V, entio existe um menor subespago de V que contém S, isto é, um subespago que contém Se que estd contido em todos 0s outros subespagos que contém S. Definicdo. Seja S um conjunto de vetores num espaco vetorial V. O subespaco gerado por S é definido como sendo a interseguo W de todos os subespacos de V que contém S. Quando S é um conjunto finito de vetores, S = {a1, c2,....a,}, denominaremos W_ simplesmente o subespaco gerado pelos vetores a1, a2,...,. an. Teorema 3. O subespaco gerado por um subconjunto néo vazio S de um espaco vetorial V é 0 conjunto de t6das as combinagées lineares de vetores em S, Demonstracao. Seja W 0 subespaco gerado por S. Entaio, cada combinacao linear a = xy + x202 +... + Xntim de vetores aj, a2, ..., am em S evidentemente esté em W. Assim, W contém o conjunto L de tédas as combinagées lineares de vetores em S. O conjinto L, por outro lado, contém S e € nao vazio. Se a, 8 pertencem a L, ent&o a € uma combinagio linear, a = Xen + zag +... + Xmen de vetores a; em S ¢ 8 é uma combinagao linear B = yiBi + ope +... + YaBn de vetores 6; em S. Para cada escalar c,40 ESPACOS VETORIAIS cat B= E (cx + 2 v8. ay ya Logo ca + f pertence a L. Assim, L ¢ um subespago de V. Mostramos acima que L é um subespago de V que contém Se também que todo subespago que contém S contém L, Decorre que L a intersegdo de todos os subespacgos que contém S, isto é, que L € 0 subespago gerado pelo conjunto S. Definicho. Se Si, S2,...,S so subconjuntos de um espaco vetorial V, 0 conjunto de tédas as somas a tart... tor de vetores xi em S; é dito a soma dos subconjuntos Si, S2,..., Ss @ é indicado por Sit Sot...+S ou por & z= Si. tet Se Wi, We,..., Ws sio subespacos de V, entiio vé-se facilmente que a soma W+W+Wot+...+h € um subespaco de V que contém cada um dos subespacgos Wi. Disto decorre, como na demonstragio do Teorema 3, que W é 0 subespago gerado pela reunitio de Wi, W2,..., Wr Exemplo 8. Seja F um subcorpo do corpo C dds nuimeros complexos, Suponhamos que a3 = (0, 0, 0, 0, 1). Pelo Teorema 3, um vetor « estd no subespago W de F> gerado por @, a2, ag S2, € sOmente se, existem escalates cs, co, cs em F tais que @ = cy + car + caas. Portanto, W consiste de todos os vetores da forma @ = {c1, 2c1, cz, Jer + 402, ¢s) onde ¢1, c2, cs so escatares arbitrérios em F. W pode ser descrito de outra forma como sendo o conjunto de tédas as quintuplas @ = (Xp X24 X38 X4y Xp)SUBESPAGOS: 41 com x: em F tais que x2 = 2x. wa = 3x1 + Axa. Assim, (—3, —6, 1, —5, 2) est4 em W, enquanto que (2, 4, 6, 7, 8) nao esta, Exempio 9. Seja F um subcorpo do corpo C dos nimeros complexos ¢ seja V 0 espago vetorial das 2X 2 matrizes s6bre F. Seja W, o subconjunto de V constituido por tédas as matrizes da forma xy z 0 onde x, y, 2 so escalares arbitrérios em F. Finalmente, seja W2 0 subconjunto de V constituido por tédas as matrizes da forma ls 0 Oy onde xe y sao escalares arbitrdrios em F. Entio, W, ¢ We siio subespagos de V. Além disso va Ww + We ab ab 00 2 a= Le o} + [0 a: © subespago Wi 1 We consiste de tédas as matrizes da forma x 0], 0 0 Exemplo 10. Seja A uma m X n matriz sdbre um corpo F, Os vetores-linhas de A so os vetores em F* dados por aj = (Aa,---5 Ain), i = 1... m. O subespago de F* gerado pelos vetores-linhas de A é denominado o espaco-linha de 4. O subespago considerado no Exemplo 8 é 0 espago-linha da matriz 12030 A=|00 1 4 O}- ooo 0! Ble também € 0 espago-linha da matriz pois 1 20 3 au] 9 Of 40 0 00 01 —4 —-8 1 —8 042 ESPACOS VETORIAIS Exemplo 11. Seja V o espago das fungées polinomiais sdbre F. Seja S o subconjunto de V constituido pelas fungdes polinomiais So, Sis fe, ++, definidas por SAX) = x5, = 0, 1, 2, Entio V & o subespago gerado pelo conjunto S. Exercicios 1. Quais dos seguintes conjuntos de vetores « = (a1... @,) em R* slo subespagos de R*? (n > 3) (a) todos « tais que a: > 0; (b) todos @ tais que a: + 3a; = a3; (©) todos @ tais que a, = a7; (d) todos « tais que aia, = 0; (©) todos « tais que x @, seja racional. 2, Seja V 0 espago vetorial (real) de t6das as fungbes. fide Rem R Quais dos seguintes conjuntos de fungdes sio subespacos de (a) tédas f tais que fix) = f(x"); (b) tédas f tais que f(0) = fil); (c) tédas f tais que f(3) = | + fi—5); (d) tédas f tais que f(—1) = 0; (@) tédas f que séo continuas. 3. © vetor (3, —1, 0, —I) esta no subespago de R: gerado pelos vetores (2, —1, 3, 2), (—1, 1, b, —3) e (1, 1, 9, —5)? 4. Seja W 0 conjunto de todos 0 (xu Xx Xs, x4, £3) em R* que satisfazem es — tp us =0 — x,=0 Ox, —3e, t B- 3x, — 3x, = 0, Determinar um conjunto finito de vetores que gere W. 5. Seja F um corpo e seja m um inteiro positivo (1 > 2). Seja V 0 espago vetorial das » X 1 matrizes sdbre F. Quais dos seguintes conjuntos de matrizes A em V so subespagos de V? (a) tddas A inversiveis (b) tddas 4 nio-inversiveis; (©) tddas A tais que AB = BA, onde B é uma certa matriz fixa em V; (d) tddas A tais que 4? = A. 6. (a) Demonstrar que os tinicos subespagos de R' so R? e 0 subespago nulo, (b) Demonstrar que um subespago de R? ou é R%, ou € 0 subespago nulo ou entiio consiste de todos os multiplos escaiares de um certo vetor fir = R*. (O iiltimo tipo de subespaco € (intuitivamente) uma reta pela origem. (c) Vocé € capaz de descrever os subespagos de R? 7. Sejam W. € W subespacos de um espago vetorial ¥ tais que a reunido de W, © W, também seja um subespago. Demonstrar que um dos espacos W, est contido no outro,BASES E DIMENSAO 43 8 Seja V 0 espago vetorial das fungdes de R em R; seja V; 0 subconjunto das fungdes pares, f(—x) = f(x); seja ¥; © subconjunto das fungdes. fm pares, f(—x) = — fx). (a) Demonstrar que V, € V; silo subespagos de V. (b) Demonstrar que Vp + Vi = Ye (©) Demonstear que V7) Vi = {0}. 9. Sejam We W. subespagos de um espago vetorial V tais que Ws + Ws = ¥ eW.)\ W, = {0}. Determinar que para cada vetor « em V existem vetores hem determiiados a, em W:¢ a. em Ws, tais que a = ar ban 2.3 Bases e Dimensio Passamos agora & tarefa de atribuir uma dimensao a certos espagos vetoriais. Apesar de associarmos usualmente “dimensio” a algo geométrico, precisamos encontrar uma definigo algébrica adequada da dimensdo de um espaco vetorial. Isto serd feito atra- vés do conceito de uma base para 0 espago. Definicdo. Seja V um espaco vetorial sdbre F. Um subconjunto S de V é dito linearmente dependente (ou, simplesmente, dependente) se existem vetores distintos o1, o2,..., a em S e escalares 1, ¢2, .y Ca em F, ndo todos nulos, tais que rar + coa2 +... + Can = 0. Um conjunto que nao é linearmente dependente é dito linearmente independente. Se 0 conjunto S contém apenas um numero finito de vetores Gi), a2,..., oy dizemos, as vézes, que ai, a2,...,0» sdo dependentes (ou independentes) em vez de dizer que S é dependente (ou independente). Decorrem facilmente da definicéio as conseqiténcias seguintes: {a) Todo conjunto que contém um conjunto linearmente dependente é linearmente dependente. (b) Todo subconjunto de um conjunto linearmente independente é linearmente independente. (c) Todo conjunto que contém o vetor nulo é linearmente dependente, pois 1.0 = 0, (a) Um conjunto S de vetores é linearmente independente se € somente se todo subconjunto finito de S ¢ linearmente independente, isto é, se e sdmente se para quaisquer vetores distintos a1,..., Om em S cya + ... + Cncte = 0 implica que cada c; = 0. Exemplo 12. Seja F um subcorpo do corpo dos ntimeros complexos. Em F3 os vetores a =( 3,0, —3) w= (I, 1, 2)44 ESPACOS VETORIAIS os =( 4, 2, —2) a=( 21, D sao Jinearmente dependentes, pois 2oy + az — oy + 0.04 = 0. Os vetores a = (1, 0, 0) e = (0, 1, 0) = (0, 0, 1) so linearmente independentes. Definiguo. Seja V um espaco vetorial. Uma base de V é um conjunto linearmente independente de vetores em V que gera V. Exemplo 13. Seja F um corpo e, em F,, seja S o subconjunto constituido dos vetores «1, «2,..., €2 definidos por a = (1, 0, 0,..., 0) e = (0, 1, 0,. f = 0,0, 0,..., Sejam xi, x2,..., x. escalares em F e coloquemos a = xe. + + X2e2 +... + Xnen. Entéio (2-12) aw = (X1, X2..+5 Xn) Isto mostra que «1,..., & geram F". Como a = 0 se e sdmente se M1 = X2 =... = Xn, = 0, O8 vetores 41,..., & Sio linearmente independentes. O conjunto S = {a,..., é.} é portanto uma base de F*, Denominamos esta base particular a base canénica de F*. Exemplo 14, Seja F um subcorpo do corpo dos niimeros complexos, Usando a notaga&o do Bxemplo [1 consideraremos 0 subespago V do espaco das fungées polinomiais sdbre F que é gerado pelas fungdes fo, fi, f2- Suponhamos que co, ¢1, c2 sejam escalares em F tais que cafo + erfi + cafe = 0. Isto significa que para cada x em F, co + c1x + cox* = 0. Tomando x = 0, vemos que co = Oe, fazendo x = Le x = —l, obtemos as equacées ate =0 —a1 +o = 0BASES E DIMENSAO 45 Somando e subtraindo, concluimos que 2co = 0 ¢ 2c; = 0, donde concluimos que c, = Oe co = 0. Assim as fungoes fo, fi, fo so fie nearmente independentes e formam uma base de V. Posteriormente, mostraremos que 0 conjunto infinito constituido por tédas as fungoes fr, 2 = 0, 1, 2,..,, € uma base do espago de tédas as fungdes polinomiais sébre F, Quando houvermos feito isto, teremos um exemplo de uma base infinita para um espago vetorial. Notemos que, apesar de {Fos fis fon fos} ser um conjunto infinito que € uma base para 0 espago das fungdes polinomiais sébre F, isto néo quer dizer que estejamos considerando combinagées lineares infinitas. Cada fungio polinomial seré uma combinagio linear de um certo numero finito das fungdes fa. Teorema 4, Seja V um espago vetorial gerado par um conjunto Finito de vetores Bi, B2,..., Bm. Entéo, todo conjunto independente de vetores em V é finito e contém no maximo m elementos. Demonstracao. Para demonstrar o teorema basta mostrar que todo subconjunto S de V que contém mais de m vetores é linearmente dependente. Seja S um tal conjunto, Em S existem vetores distintos a1, a2,..., a, com n > m. Como f1,..., Bm geram V existem escalares Aj; em F tais que ay = 2 AB. it Para n escalares arbitrarios x1, x2,..., X, temos war be. + xray = Z Xj0y; gmt = Ux; 2 AiG: det tat = 3 (Agxds en = 2 Assi) Bi. tatNse Como 2 > m, o Teorema 6 do Capitulo 1 implica que existem escalares x1, x2,..., Xn ndo todos nulos, tais que E Aux; = 0, 1 Bms Yaseeey YatBASES E DIMENSAO 49 € uma base de W; + W2. Finalmente dim Wi + dim Wo = (k + m) + (k + a) =kemtktn = dim (W, 1 Wa) + dim (1 + W2). Exercicios 1, Demonstrar que, se dois vetores sfo linearmente dependentes, um déles € um miltipto escalar do outro. 2. Os vetores a = (1, 1, 2, 4) a, = (2, 3, 2) a, = (1, —1, —4, 0) as 2, 1.1, 6 slo linearmente independentes em R*? 3. Determinar uma base do subespago de R* gerado pelos quatro vetores do Exercicio 2. 4. Mostrar que os vetores a =(,0—1), a = 0,20, a = 0, —3, 2 formam uma base de 23. Exprimir cada um dos vetores da base canénica como combinagées lineares de o,, a,, € a3. 5. Determinar trés vetores em R? que sejam linearmente dependentes e tais que dois quaisquer déles sejam linearmente independentes. 6. Seja V 0 espaco vetorial das 2 X 2 matrizes sdbre o corpo F, Demons- trar que V tem dimensio 4 mostrando uma base de V que tenha 4 elementos. 7. Seja Vo espaco vetorial do Exercicio 6, Seja W, 0 conjunto das matrizes da forma- [5 ad yo 2 © seja W, 0 conjunto das matrizes da forma [. a —a é (a) Demonstrar que , ¢ W, so subespacos de (b) Determinar as dimensies de W,, W., Wi + w, em Ow, & Novamente, seja V 0 espaco das 2 x 2 matrizes sdbre F. Determinar uma base { 4, 4s As, Ai} de V tal que A? = 4; para cada j. 9, Seja V um espaco vetorial sdbre um subcorpo F do corpo dos nimeros complexos. Suponhamos que a, 6 ¢ y sejam vetores de V linearmente independentes. Demonstrar que(a + 8), (8 + y) € (y + «)sfo linearmente independentes. 10. Seja ¥ um espago vetorial sBbre 0 corpo F. Suponhamos que existe um nuimero finito de vetores a,...,a, de ¥ que gerem V. que V é de dimensio finita, 11. Seja V 0 conjunto das 2 X 2 matrizes A com clementos complexos s8- tisfazendo Ay, + As = 0.50 ESPAGOS VETORIAIS {a) Mostrar que V é um espago vetorial sébre o corpo dos numeros reais, com as operagées usuais de adigio de matrizes e multiplicagio de uma matriz por um escalar. (b) Determinar uma base désse espago vetorial. (c} Seja W o conjunto de tédas as matrizes A em V tis que Ax = —Aj,; (@ barra indica conjugagao completa). Demonstrar que W é um subespaco de V e determinar uma base de W. 12, Demonstrar que 0 espaco das m X 1 matrizes sdbre o corpo F tem dimensdo mn, mostrando uma base para éste espago. 13, Discutir 0 Exercicio 9, para o caso de V ser um espago vetorial sobre © corpo formado por dois elementos descritos no Exercicio 5, Seco 1.1 (p. 5). 14. Seja V 0 conjunto dos numeros reais. Consideremos ¥ como um e¢s- Pago vetorial sébre o corpo dos numeros racionais, com as operagoes usuais. Demonstrar que éste espaco vetorial nao ¢ de dimens%o finita. 2.4 Coordenadas Uma das caracteristicas Gteis de uma base @ de um espago n-dimensional V € essencialmente que ela nos permite introduzir coordenadas em V andlogas as “coordenadas naturais” x;de um vetor a = (x1,..., %,) do espago F". Em assim sendo, as coordenadas de um vetor « de V em relagdo & base @ serfo os escalares que servem para exprimir a como uma combinagio linear dos vetores da base. Assim, gostariamos de considerar as coordenadas naturais de um vetor a de F* como sendo definidas por « ¢ pela base canénica de F"; contudo, ao adotarmos @ste ponto de vista precisamos ter um certo cuidado. Se a = (K1,..6, Xe) = Emer ¢ ® € a base canénica de F", como sao as coordenadas de a determinadas por ® ¢ @? Uma maneira de formular a tesposta é esta: Um dado vetor a € expresso de maneira tinica como uma combinagio linear dos vetores da base can6nica, e a i-ésima coordenada x; de a €0 coeficiente de ¢; nesta expressio. Sob éste ponto de vista podemos dizer qual é a i-ésima coordenada, pois temos uma ordenagio “natural” dos vetores da base canénica, isto €, temos uma regra para determinar qual é o “primeiro” vetor da base, qual é 0 “‘segundo” e assim por diante. Se ® é uma base arbitraria do espago n-dimensional V, nao teremos provavelmente nenhuma ordenagéo natural para os vetores de ® e serd portanto necessdério impormos uma certa ordem sébre ésses vetores antes de podermos definir “a i-ésima coordenada de « em relagio a 8”. Se S é um conjunto com » elementos, o que & uma ordenagio dos elementos S? Existem muitas definigdes déste conceito, apesar deCOORDENADAS, SI diferirem apenas superficialmente. Adotaremos a seguinte: Uma ordenacdo do conjunto S, de n elementos, €é uma fungao do conjunto dos inteiros positivos 1,..., 2 sébre o conjunto S. Portanto uma ordenagao do conjunto é simplesmente uma regra para nos dizer que elemento deve ser considerado como o primeiro elemento de S, que elemento é segundo, etc. Uma base ordenada de um espaco vetorial V de dimensio finita é uma base ® de V, mais uma cordena- gio fixa dos elementos (vetores) de ®. Freqiientemente o que mais convém é descrever essa base ordenada enumerando os vetores de @ de uma maneira bem definida, Assim, diremos que @ = fan...) on} € uma base ordenada de V, se ficar claro qual vetor do conjunto B € 0 i-€simo, ai. Suponhamos agora que V seja um espago vetorial de dimensio finita sébre 0 corpo F e que @ = {ai,..., an} seja uma base ordenada de V. Dado « em V, existe uma tinica n-upla (%1,...+, Xa) de escalares tal que a= 2 xia, iat A mupla € tinica, pois, se tivéssemos a= Zia, tar entao 2 (xi — zien = 0 1 ea independéncia linear dos a, nos diria que x; — z, = 0 para cada i, Denominaremos x; a i-ésima coordenada de « em relagoa base ordenada + Oy fe @ = {a,. Se B= yas wi entdo a+ 6 3 (x + yen ay52 ESPACOS VETORIAIS de modo que a /-ésima coordenada de (a + 8) em relagio a esta base ordenada é (x; + y,). Andlogamente, a i-¢sima coordenada de (ca) cx;, Devemos também notar que téda n-upla (x1,..., x5) de F" é a n-upla de coordenadas de algum vetor de V, a saber, o vetor © xia. tat Resumindo, cada base ordenada de V determina uma corres- pondéncia bijetora a (x1, 6.6, Xx) entre © conjunto dos vetores de V e 0 conjunto das n-uplas de F*, Esta correspondéncia tem a propriedade de que o correspondente de (a + 8) € a soma em F* dos correspondentes de ae 8, e que 9 correspondente de (ca) é o produto em F* do escalar ¢ pelo correspondente de a. Poder-se-ia perguntar neste ponto por que ndo tomar simplesmente uma base ordenada de V e descrever cada vetor de V por sua correspondente n-upla de coordenadas, visto que terfamos entio a conveniéncia de operar apenas com n-uplas. Isto faria malograr nosso objetivo, por duas razées. Primeiro, como indica a nossa definigio de espago vetorial, estamos tentando aprender a raciocinar com es- Pagos vetoriais como sistemas algébricos. Segundo, mesmo nos casos em que usamos coordenadas, os resultados importantes decorrem de nossa habilidade de mudar o sistema de coordenadas, isto é, mudar a base ordenada, Freqiientemente o mais conveniente sera usar a matriz das coordenadas de « em relacio & base ordenada &: x1 x=|- Xe em vez da n-upla (xm, ..., Xx) das coordenadas, Para indicar que esta matriz de coordenadas depende da base, usaremos 0 simbolo la para a matriz das coordenadas do vetor a em relagio A base ordenada 8, Esta notagio seré particularmente util ao passarmos agora a descrever 0 que acontece com as coordenadas de um vetor @ quando passamos de uma base ordenada’ a outra.COORDENADAS 53 Suponhamos entio que V seja n-dimensional e que @= fa, ..pa} © @ = fal, al} sejam duas bases ordenadas de V. Existem escalares P,;, bem des c- minados, tais que Q-13) a= E Py, 1S ican en Sejam x/,..., x4 as coordenadas de um dado vetor a em relagio & base ordenada @'. Entéo a = Xai +... + Xe = 2 xaf ima = bx b Pit gaia ”~ =i E (Pyxias miter == ( z Purp ax. taXsar Portanto, obte 10s a relagio Q-14) @ 2 Push) a. =1 Como as coordenadas x1, X2,..., X, de a em relagdo a base ordenada @ so determinadas de modo tinico, decorre de (2—14) que (2-18) mead Py, L gdes, formam uma base. Seja Q = P-!, Entio F One = 2 On X Pras = é PiQir) ai a = CG PuQn) a ee.COORDENADAS: 55 Portanto, 0 subespaco gerado pelo conjunto @ = {aj,..., an} contém @, logo ¢ igual a V. Assim, 8’ é uma base e, de sua definigiio e do Teorema 7, é evidente que (a) ¢ vatida, logo (b) também o é. Exemplo 16, Seja F um corpo ¢ seja @ = (X1,X2,- 0+ Xn) um vetor de F*. Se @ é a base ordenada canénica de F*, B= fa... en}, a matriz das coordenadas do vetor a ent relagdo 4 base ® é dada por x Xe faly = Xn, Exemplo 17. Seja R o corpo dos niimeros reais e seja @ um nimero real fixo. A matriz p = |°o8s 6 —sen 6 sen @ cos # € inversivel ¢ sua inversa € p= cos @ sen 4: —sen 8 cos 8. Portanto, para cada 6, o conjunto @’ constitufdo pelos vetores (cos 0, sen 6), (—sen 6, cos 6) € uma base de R®; intuitivamente esta base pode ser descrita como sendo a base obtida pela rotagio de um 4n- gulo 6 da base canénica. Se a ¢ 0 vetor (x1, x2), entao lela = cos 8 sen 6] [x1 ad —sen @ cos 6] | x2. x, = x1 cos @ + xp sen @ xh = x, sen @ + x2 cos 6,56 ESPAGOS VETORIAIS Exemplo 18. Seja F um subcorpo do corpo dos nimeros complexos. A matriz —1l 4 5 Pe 02-3 00 8 é inversivel e sua inversa é 1 Pole 0 9 Portanto, os vetores a =(—l, 0, 0) a=( 4, 2, 0} of =( 3, —3, 8) formam uma base @’ de F8, As coordenadas xj, x3, x3 do vetor ao = (xi, x2, xs) em relagio & base @’ so dados por xt =x + Deg + Bx a= a + ers %, Xs Em particular, 3, 2, —8) = —10ei — fat — aa. oun Exercicios 1, Mostrar que os vetores a= 1,100, a= 0,0, 1,0) ay = (1, 0, 0, 4), a, = (0, 0, 0, 2) formam uma base de R, Determinar as coordenadas de cada um ver tores da base candnica em relacio & base ordenada { x1, a2, a5, a4}. 2, Determinar a matriz das coordenadas do vetor (1, 0, 1) em relacho & base de C, constituida pelos vetores (2/, 1, 0), (2, —L, 1), 0, 1 + § a), nesta ordem, 3, Seja @ = {ar a, as} 2 base ordenada de R, constituida por a= 0,0—-1), ae (10, a = (1, 0, 0). ‘Quais sio as coordenadas do vetor (a, 6, c) em Felaglo & base ordenada @? 4 Seja 0 subespago de C, gerado pora, = (1,0, Deas = (1+ 41, 1). (a) Mostrar que a, ¢ as formam uma base de W.RESUMO DE LINHA-EQUIVALENCIA 37 (b) Mostrar que 0s vetores 6, = (1, 1, Oe Bs = (1. i, b+ A) esto em We formam outa base de W. (©) Quais so as coordenadas de a, € a, em relagio & base ordenada {1 Bs} de W? B, Scjaim a = (x1, x1) € 6 = (ns 92) vetores de RF tais que Ai tye 0, Pt x mbt ead Demonstrar que ® = {a, 8} € uma base de R2. Determinar as coordenadas do vetor (a, 6) em rélagdo & base ordenada @ = {a, @}. (As condigdes sobre ae 8 dizem, geométricamente, que a ¢ @ so perpendiculares ¢ cada ‘um tem comprimento 1.) 6, Seja V 0 espago vetorial sObre o corpo dos nimeros complexos das fungoes de Rem C, isto é 0 espaco das funcdes definidas sObre a reta teal ¢ fomando valores complexos. Sejam fi(x) = 1, fax) = et, f(x) = €°#. (a) Demonstrar que fi, f: € f, sio linearmente independentes. (b) Sejam gy(x) = 1, gx) = cos g(x) = sen x. Determinar uma 3 X 3 matriz P inversivel tal que 3 gE Pofi. iat 7. Seja Vo espago vetorial (real) das fungdes polinomiais de R em R de grau menor ou igual a 2, isto é, 0 espago das fungdes fda forma SUX) = Co Hex + Car Seja 1 um numero fixo e definamos gx) = 1 ghx) x + BG) = + Demonstrat que ®@ = { £1, &» #5} € uma base de ¥. Se F(X) = ee He + OX? quais sio as coordenadas de fem selagio a esta base ordenada 6? 2.5 Resumo de Linha-equivaléncia Nesta segdo utilizaremos alguns fatos elementares sdbre bases e dimensfo de espagos vetoriais de dimensdo finita para completar nossa discussiio de linha-equivaléncia de matrizes. Lembramos que se A é uma m X 1 matriz sdbre o corpo F, os vetores-linhas de A sfo os vetores a1,..., @m em F* definidos por a; = (Aa, ..., Ai) © que o espago-linha de 4 & o subespaco de F™ gerado por éstes ve~ tores. O pésto-linha de 4 é a dimensao do espaco-linha de A. Se P é uma k X m matriz sébre F, entao o produto B = PA é uma k X m matriz cujos vetores-linhas 61, ..., 8 S40 combina- gGes lineares Bi = Pac +... + Pimotm58 ESPACOS VETORIAIS dos vetores-linhas de A, Portanto, o espago-linha de B é um subespacgo do espago-linha de A. Se P é uma m X m matriz inversfvel, entio B é linha-equivalente a A de modo que a simetria da linha- -equivaléncia, ou a equagio A = P~'B, implica que o espago-linha de A também é um subespago do espago-linha de B. Teorema 9. Matrizes linha-equivalentes possuen o mesmo espaco-linka, Vemos assim que para estudar o espago-linha de A podemos estudar o espago-linha de uma matriz linha-reduzida 4 forma em escada que seja linha-equivalente a A. E o que passamos a fazer. Teorema 10. Seja R uma matriz ndo-nula linha-reduzida 4 forma em escada, Entao os vetores-linhas na@o-nulos de R formam uma base do espago-linha de R. Demonstracao. Sejam pi, ..., p+ 0S vetores-linhas nio-nulos de pe = (Ra, ..., Ride Esses vetores certamente geram o espago-linha de R; precisamos apenas demonstrar que éles sio linearmente independentes. Como R é uma matriz linha-reduzida & forma em escada, existem inteiros positivos k,..., k, tais que, para i < r, tem-se (@) RG) =O se i < ke (2-18) (b) RG, ki) = 845 © ke... < ke Suponhamos que 8 = (b, ..., 6,) seja um vetor do espago-linha de R: Q-19) B= cia +... + Cron Afirmamos entio que c; = 6y;. De fato, por (2—18) by = 3 esRlik) ter = Beds at (2—20) = cp Em particular, se 8 = 0, isto é, se cip1 + ... + Crpr = 0, entiio ¢; € necessdriamente a k,-ésima coordenada do vetor nulo, de modo que c; = 0 paraj = 1,..., 7. Assim pi, ..., p, so linearmente independentes.RESUMO DE LINHA-EQUIVALENCIA 59 Teorema 11. Sejam m e n inteiros positivos e seja F um corpo. Suponhamos que W seja um subespaco de F* e que dim W < m. En- Go, existe exatamente uma m X 0 matriz sébre F, linha-reduzida & forma em escada, cujo espago-linha é W. Demonstracao. Existe pelo menos uma m X n_matriz linha-reduzida A forma em escada cujo espago-linha € W. Como dim W < m, podemos tomar m vetores a, .... a, em W que geram W, Seja A am X n matriz com vetores-linhas a}, ..., a" ¢ seja R uma matriz linha-reduzida & forma em escada e linha-equivalente a A. Entio, © espago-linha de R é W. Seja agora R uma qualquer m X # matriz linha-reduzida & forma em escada e com espago-linha W. Mostraremos que R & determinada de modo tinico pelo subespago W. A descrigéo de R em térmos de W ser feita como segue. Consideremos todos os vetores B = (bi, ..., bs) em W. Se 8 # 0, ent&o a primeira coordenada nio-nula de 8 deve ocorrer em uma certa coluna f: B= (0,..., 0, b, .... bn), b, #0 Sejam ki, ..., k, os inteiros positivos 1 tais que exista algum 8 # 0 em W, cuja primeira coordenada n§o-nula ocorra na coluna t. Colo- quemos os ki, ..., k, na ordem ky < ke < ... < k,. Para cada inteiro positivo k, existird um .¢ sdmente um vetor p, em W tal que a k,-ésima coordenada de p, seja | e a k,-ésima coordenada de p, seja O para i % s. Entéo, R € a m X n matriz cujos vetores-linhas S80 pi, ...5 pry O ..25 0. Tendo indicado como R sera determinada a partir de W, pro- cedemos como segue. Consideremos uma m X 1 matriz R arbitré- tia, linha-reduzida & forma em escada e com espago-linha W. Se ki, ...5 k, Sio as colunas distinguidas de R (2—18) e pi, ..., Pr so os vetores-linhas ndo-nulos de R, demonstraremos que ki, ... pry sdo exatamente como foram descritos no ultimo pardgrafo. Isto mostraré que R € a unica m X n matriz linha-reduzida a forma em escada cujo espago-linha é W. Pelo Teorema 10, os vetores-linhas nao-nulos pi, ..., pr formam uma base de W, Na demonstragdo do Teorema 10 observamos que se 6 = (b;,..., 5.) estdem W. B= crip t ... + CrP ry entio c; = by, isto é 2 B= 2 dupe60 ESPACOS VETORIAIS Assim, todo vetor 8 esté determinado se se conhecem as coordenadas b,, i = 1,..., 7. Por exemplo, p, € 0 nico vetor em W cuja k,-€sima coordenada € 1 cuja k:-ésima € 0 para i # s. Suponhamos que @ esteja em We 6 # 0. Afirmamos que a primeira coordenada n&o-nula de 8 ocorre em uma das colunas k,. Como. B= = bap: tm e 8 = 0, podemos escrever (2-22) 8 =2 brpi, x, 0. =e Das condigGes (2—i8) tem-se que Ri; = Ose i > sej AXTRANSFORMAGOES LINEARES aA € 0 conjunto das m X I matrizes Y tais que o-sistema de equagdes AX = ¥ admite solugdo, isto é, tédas Y que sejam combinagdes lineares das colunas de A. O micleo desta transformag&o é 0 conjunto das n X I matrizes X tais que AX = 0, isto é, 0 espago-solugio de A. No Exemplo 4, a imagem e o miicleo de T sio um tanto dificeis de descrever, exceto pela repetigio de suas definigées. No Exemplo 5, a imagem de T consiste das g que tém a primeira derivada continua e tais que g(0) = 0. O nucleo neste caso € 0 subespago nulo. Se T & uma transformagao linear de Vem Wea, ... vetores que geram V, ento é evidente que os vetores Ta. geram a imagem de T. Em particular, se V fr de imagem de T seré um subespago de W de dimensio finita. Definicio. Seja T wma transformacao linear de V em W, sendo V de dimenséo finita. O pésto de T é a dimensao de imagem de T. A nulidade de T é a dimensao do nucleo de T. Teorema 3. Sejam V e W espacos vetoriais sdbre 0 corpo F e seja T uma transformacao linear de V em W. Suponhamos que V seja de dimensao finita. Entéo pésto (T) + nulidade (T) = dim ¥. Demonstragao. Seja {a1, ..., ax} uma base de N, 0 miicleo de T. Existem vetores ax41,...,a, em V tais que {ey, ..., a} seja uma base de V. Demonstraremos agora que {Tar4:...., Tan} € uma base da imagem de 7. Os vetores Tai,..., Ta, certamente geram a imagem de T e, como Ta; = 0, para j< k, vemos que Ton41,.. +, Tate geram a imagem. Para ver que ésses vetores sao independentes, suponhamos que existam escalares ¢; tais que Z cfTai) = 0. aktl Isto diz que 7( 2, ca)= 0 teeth e, conseqiientemente, o vetora = %S cia; esté no nucleo de T. iektt Como a, ..., a+ formam uma base de N, existem, necessariamente, escalares 6), ..., b4 tais que k a= bai. int72 TRANSFORMAGOES LINEARES Assim k a Ebai— 2 cay =O ar parte €, COMO a, ..., a, SAo linearmente independentes, devemos ter bse bee te = He = 0 Se r € o pésto de T, 0 fato de Tax41,..., Ton formarem uma base da imagem de T nos diz que r = » — k. Como k é a nulidade de Ten &a dimensaa de V, esté completa a demonstragao, Exercicios 1, Quais das seguintes fungdes T de R* em R? sdo transformagoes lineares? (a) Toy, 0) = + x, x5 (b) Ta, x) = ox, xd: (©) Moy, x2) = 0, x, (A) Tex, x2) = (sen xy, x.); fe) Thy. x) = (4 — x2, 0). 2, Verificar que as transformagées definidas em (a) e (5) séo transforma- des lineares de R+ em R2. Determinar, para cada uma delas, a imagem, Pésto, niicleo e nutidade. @) Tea) = (x Foe tk ED; (b) 7 2) = (ty) = Xn Hy — , Hy), 3. Descrever explicitamente (como nos Exercicios | ¢ 2) a transformagdo linear 7 de F2 em F? tal que Te, = {a, 6), Te: = (c. d). 4, Seja F um subcorpo do corpo dos niimeros complexos e seja T a fungio de Fs em Fs definida por Thay, Xa 3) = Oy xa + Oxy, 2x) tory oy — De, + 28) ts (a) Verificar que 7 é ume transformagao linear, (b) Se (a, 6, ¢) € um vetor em F*, quais as condigdes sObre a, b,c, para que o vetor esteia na imagem de T? Qual é 0 pdsto de T? (©) Quais stio as condigdes sobre a, b € ¢ para que o vetor esteja no nucleo de T? Qual € a nulidade de 7? 5. Descrever explicitamente uma transformagio finear de R* em R* cuja imagem seja o subespago gerado por (1, 0, —I) e (1, 2, 2). 6. Seja V 0 espago vetorial das n X 1 mattizes sdbre 0 corpo F e seja B uma a X a matriz fixa. Se T(A) = AB— BA verificar que T é uma transformagio linear de ¥ em Y. 7. Seja V © conjunto dos nimeros complexos considerado como um ¢s- ago vetorial sdbre o corpo dos niimeros reais (operagdes usuais). Deter- minar uma fungko de V em V que seja uma transformagdo linear sobre oALGEBRA DAS TRANSFORMACOES LINEARES. espaco vetorial acima, mas que nao seja uma transformagio linear sdbeo Coto €. que no seia linear complexe. 8. Seja V o espago das 7 X 1 matrizes sObre Fe seja W 0 espaco das m X 1 matrizes sObre F. Seja A uma m Xn matriz fixa sObre F e seja T a transformagdo linear de V em W definida por T(X) = AX. Demonstrar que T é a transformagio nula se e sdmente se 4 é a matriz nula. 9. Seja V um espaco vetorial n-dimensional s6bre o corpo F e seja T uma transformagéo linear de V em V tal que a imagem e o nticleo de 7 sejam idénticos. Demonstrar que » é par, (Dar um exemplo de ume tal transfor- macéo linear.) 10. Seja ¥ um espaco vetorial e 7 uma transformagéo linear de V em V. Demonstrar que as duas afirmacdes seguintes sObre 7 sio equivalentes: (a) A intersegio da imagem de T com o niicleo de T é 0 subespago nulo de ¥. (b) Se T(Ta) = 0, entio Tx = 0. 11, Usar o Teorema 3 ¢ o Exercicio 6 da Secdo 2. para qualquer m X 1 matriz A, o posto-linha de de A. (Esbdco da demonstragdo: Seja V o espago das n X 1 matrizes s0- bre Fe seja Wo espago das m x 1 matrizes. Seja 7 a transformagio li« near de V em W definida por 7(X) = AX. Usar o Teorema 3 para demonstrar que a soma do pésto-coluna de 4 com a dimenso do espaco-solugdo de 4.1. Agora concuir 8 demonsiragho com 0 citado exereiio do Cap tulo 2.) 3.2 A Algebra das Transformacées Lineares No estudo das transformagdes lineares de V em W, & de impor- tAncia fundamental o fato de que o conjunto dessas transformagées herda uma estrutura natural de espago vetorial. O conjunto das transformagées lineares de um espago V em si mesmo possui uma estrutura algébrica mais rica pois a composigfo usual de fungdes fornece uma “multiplicagdo” dessas transformagées. Nesta segdo exploraremos essas idéias. Teorema 4, Sejam V e W espacos vetoriais sébre o corpo F, Sejam T e U transformacées lineares de V em W. A fungdo (T + U) definida por (7 + U) (a) = Ta + Un & uma transformagao linear de V em W. Se c é um elemento qualquer de F, a funcdo (cT) definida por (cT) (a) = (Ta) & uma transformagiio linear de V em W. O conjunto das transforma: * des lineares de V em W, munido da adig&o e multiplicagao escalar acima definida, é um espaco vetorial sébre 0 corpo F.14 TRANSFORMACOES LINEARES DemonstracGo. Suponhamos que T e U sejam transformagées lineares de V em W e definamos (T + U) como acima. Entiio (T + U) (ca + 8) = Tea + 8) + Ulca + 8) c(Ta) + TB + cUa) + UB Ta + Ua) + (TB + UB) aT + U)(@) + (T+ U)@) oque mostra que (T + U)é uma transformagiio linear. AnAlogamente, (cT) (da + 8) = [T(da + 8)} d(Ta) + TB} d(To) + (TS) = d{c(Ta)] + e(TB) mostrando que (c7) é uma transformago linear. Para verificar que 0 conjunto das transformagées lineares de V em W (munido destas duas operagdes) € um espaco vetorial, é necessdrio verificar diretamente cada uma das condigées sébre a adigfio de vetores ¢ a multiplicag&o escalar. Deixamos a parte principal disto a cargo do leitor e contentamo-nos com éste comentério: O vetor nulo déste espago serd a transformagao nula, que leva todo vetor de V no vetor nulo de W; cada uma das propriedades das duas opera- g6es decorre diretamente da propriedade correspondente das operagbes no espaco W. Talvez devamos mencionar outra maneira de considerar éste teorema. Se se define soma ¢ miltiplo escalar como fizemos acima, entao o coniunto de /ddas as fungdes de V em W torna-se um espago yetorial sdbre o corpo F. Isto nada tem a ver com o fato de V ser um espago vetorial, mas apenas com o fato de V ser um conjunto n&o-vazio. Quando V é um espaco vetorial podemos definir uma transformagio linear de Vem We o Teorema 4 diz que as transfor- magées lineares formam um subespago do espaco de tédas as fungoes de Vem W. Indicaremos 0 espago das transformagées lineares de V em W por L(V, W). Lembramos novamente ao leitor que L(V, W) esté definido sdmente para V e W espagos vetoriais sébre 0 mesmo corpo. no Teorema 5. Seja V um espaco vetorial n-dimensional sébre 0 corpo F e seja W um espaco vetorial m-dimensional sdbre F. Entdo 0 espace L(V, W) é de dimensdo finita e tem dimensGo mn. Demonstragao. Sejam @ = {a ..., anf ¢ @ = (1, .-., Ba}ALGEBRA DAS TRANSFORMACGOES LINEARES 75 bases ordenadas de V ¢ W, respectivamente, Para cada par de inteiros (yg com 1 (v). Nao requer nenhum comentério. (v) — (i). Suponhamos que exista alguma base {a:,..., an} de V tal que {Tox ..., Tox, } seja uma base de W. Como os Ta: geram W, é evidente que a imagem de T coincide com W. Se a = cia, +... + Cron esté no miicleo de T, entio Their +... + cue) = 0 ou ex(Ta) +... + en(Ton) = 0 € como os Ta; sio independentes, cada c; = 0 e assim a = 0. Mos- tramos que a imagem de T é We que T é ndo-singular, logo T é invers{vel. Se V é um espago vetorial de dimensdo finita, o Teorema 9 nos diz o que segue a respeito de operadores lineares sObre V. Se T é um operador linear sébre V que & injetor (néo-singular) entiio a imagem de T é, necessariamente, todo V, logo tem que ser invers{- vel. Se a imagem de T é todo V entdo T tem que ser nfo-singular, logo inversfvel. Estas duas afirmagdes possuem uma demonstragio mais simples que a que fizemos e que usa 0 Toeroma 3. Seja r o Posto de 7 e seja k a nulidade de 7. Pelo Teorema 3,7 + k = 2. A afirmagio de que T é nao-singular significa que k-= 0, ao passo que a afirmago de que a imagem de T € V significa que r = ». Como r+ k =n estas afirmagdes sébre T sdo dbviamente equivalentes. © leitor & aconselhado a compreender ambas as demonstragdes. Note-se que o Exemplo 7 mostra que nem a injegao nem a sobre- jecio implicam uma 4 outra para operadores em um espago que nao seja de dimensio finita.ALGEBRA DAS TRANSFORMACGES LINEARES 81 Lema Seja V wn espaco vetorial sébre 0 corpo F, e sejam Ue T operadores lineares inversiveis sébre V. Entdo UT é inversivel e (UT)! = T-'U-, Demonstragao. Verificar simplesmente que (UT) (T.U71) = (T1073) (UT) = 1. O conjunto dos operadores lineares inversiveis s6bre um espago V, com a operagao de composig&o, fornece um belo exemplo do que é conhecido em Algebra por um “grupo”. Apesar de que nao teremos tempo para discutir grupos com quaisquer promenores, daremos pelo menos a definig&o. Definicdo. Um grupo consiste do seguinte: (1) Um conjunto G; (2) Um regra (ou operagao) que associa a cada par de elementos x, y em G um elemento xy em G de uma maneira tal que (a) x{yz) = (xy)z, para todos x, y e z em G (associatividade); (0) existe um elemento e em G tal que ex = xe = Xx, para todo xem G; . (c) @ cada elemento x em G corresponde um elemento x~! em G tal que xx"! = xx =e, O lema acima nos diz que a composigéo (U, T) > UT associa a cada par de operadores lineares inversiveis sébre um espago V outro operador inversivel sébre V. A composigéo € uma operagio associativa. O oper&dor idéntico / satisfaz IT = TI = T para todo T e para um T inversivel existe (pelo Teorema 7) um operador linear invers{vel T-! tal que TT-! = T-1T = J. Portanto o conjunto dos operadores lineares inversiveis s6bre V, munido desta operago, € um grupo. O conjunto das » X » matrizes inversiveis com a multiplicagao de matrizes como a operagio é outro exemplo de um gtupo. Um grupo é dito comutativo se satisfaz a condigio xy = yx para todos x e y, Os dois exemplos que demos acima nao séo, em geral, grupos comutativos. Freqiientemente indica-se a operagdo num grupo comutativo por (x, y) > x + y em lugar de (x, y) > xy e usa-se entéo o simbolo 0 para o elemento “unidade” e. O conjunto dos vetores de um espaco vetorial, com a operago de adic&o de vetores, é um grupo comutativo. Um corpo pode ser descrito como um conjunto com duas operagSes, denominadas adigfo e multiplicagdo, que € um grupo comutativo em relagdo & adigdo e no qual 9s elementos nao-nulos formam um grupo comtutativo em relagtio & multiplicagio, valendo a Sei distributiva x(y + z) = xy + xz.82 ‘TRANSFORMACOES LINEARES Exercicios 4. Sejam T € U os operadores lineares sdbte R* definidos por Tea, x) = Ota x1) € Un, x2) = Gr, 0). {a} Como voct descreveria T © U geombtricamente? {b) Dar regras como as que definem Te U para cada uma das transformagdes (U + 7), UT, TU, T* U2. 2. Seja T 0 (nico) operador linear sObre C* para o qual Te, = U1, 0,8), Ter = 0,1, 1), Tes = (i, 1, 0) T € inversivel? 3: Seja T 0 operador Sinear sébre R* definido por They, Xa 3) = BRL, Xa — Xe Zoey tote + ye T 6 inversivel? Em caso afirmativo, determinar uma regra para T-* como a que define T. 4. Para o operador linear T do Exercicio 3, demonstrar que (T? — NT — 3) = 0. 5. Seja V 0 espago vetorial complexo das 2 X 2 matrizes como elementos complexos. Seja 1-1 a=[ 44 ¢ seja T 0 operador linear sbre V definido por T(4) = BA. Qual é 0 pésto de T? Descrever T?. 6. Seja T uma transformagio linear de R3 em R? ¢ seja U uma transformagio linear de R? em R+, Demonstrar que a transformagio linear UT no é inversivel, Generalizar 0 teorema. 7. Determinar dois operadores lineares Te U sdbre R* tais que TU = 0 mas UT x 0. 8 Seja um espago vetorial s6bre o corpo F e T um operador linear s6- bre V. Se T? = 0, 0 que se pode dizer sObre a relagdo entre a imagem de Teo niicleo de T? Dar um exemplo de um operador linear T sdbre R* tal que T? = 0 mas T ¥ 0. 9. Seja T um operador linear sobre 0 espaco vetorial V de dimenséo nita. Suponhamos que exista um operadot linear U sobre V tal que TU = I. Demonstrar que T € inversivel e U = T-?. Dar um exemplo que mostre que isto é falso quando ¥ niio € de dimensio finita, (Sugestdo: Seja T = D, (© operador derivagio s6bre 0 espaco das fungdes polinomiais.) 10, Seja V um espago vetorial de dimensfo finita ¢ seja B uma base ordenada de V, Construir a base {E*} para L{V, ¥) como na demonstra- g&o do Teorema 5, usando @’ = 6, Entéo EM9E"" = ? 41. Seja V um espaco vetorial de dimensio finita e scja T um operador linear s6bre V. Suponhamos que pésto(T?) = pdsto(T). Demonstrar que 4 imagem e 0 nucleo de T so disjuntos, isto é, possuem em comum apenas 0 vetor nulo,ISOMORFISMO- 83 12, Sejam p, m ¢ 1 inteitos positivos e F um corpo. Seja V o espago das m Xn matrizes sObre F ¢ Wo espaco das p X 1 matrizes sdbre F. Seja Burma p X m matriz fixa e seja 7 a transformacao linear de V em W definida por T(A) = BA, Demonstrar que T é inversivel se, e sbmente se, p = m e¢ B€ uma m X m matiz inversivel. 3.3 Isomorfismo Se V e W sao espagos vetoriais sébre 0 corpo F, uma transformago linear bijetora (injetora e sobrejetora) T de V em W é denominada um isomorfismo de V em W. Se existir um isomorfismo de. V em W, diremos que V é isomorfo a W. Notemos que V € trivialmente isomorfo a V, pois o operador idéntico é um isomorfismo de V em V. Além disso, se V € isomorfo a W por meio de um isomorfismo T, entio W € isomorfo a V uma vez que T-1 € um isomorfismo de W em V. O leitor deverd achar facil verificar que se V € isomorfo a We W € isomorfo a Z, entéo V éisomorfo a Z. Em suma, o isomorfismo € uma relagdo de equi- valéncia sdbre a classe dos espagos vetoriais, Se existit um isomorfismo de V em W, poderemos as vézes dizer que V ¢ W sio isomorfos, em vez de dizer que V € isomorfo a W. Isto nfo causaré confusio alguma porque V é isomorfo a W se, e sdmente se, W €é isomorfo a V. Teorema 10. Todo espaco vetorial n-dimensional sébre 0 corpo F € isomorfo ao espago F*. Demonstragdo. Seja V um espago n-dimensional sébre 0 corpo Fe seja ® ={a,..., a,} uma base ordenada de V, Definamos uma fungio T de V em F*, como segue: Se a esté em V, seja Taa n-upla (o1,..., Xn) das coordenadas de « em relagHo a base ordenada @, isto é, a n-upla tal que a@ = xan +... + Xn Em nossa discussio de coordenadas no Capitulo 2, verificamos que esta T é linear, injetora ¢ leva V sébre F*, Para muitos objetivos freqiientemente consideram-se espagos vetoriais isomorfos como sendo “‘o mesmo”, apesar de que os vetores e as operagdes nos espagos possam ser bem diferentes, isto 6, freqiientemente identificamos espagos isomorfos. Nao tentaremos fazer uma longa discuss&o s6bre esta idéia no momento mas deixa- Temos a compreensao do isomorfismo e do sentido no qual espacos isomorfos séo “o mesmo” crescerem 2 medida que ‘continuemos nosso estudo de espagos vetoriais.84 ‘TRANSFORMAGOES LINEARES Faremos alguns comentarios breves, Suponhamos que T seja um isomorfismo de VY em W. Se S é um subconjunto de V, 0 Teo- rema 8 nos diz que S é linearmelnte independente se, e sdmente se, 0 conjunto 7(S)em W é independente, Portanto, ao decidirmos se S é independente nao importa se consideramos S ou 7(S). A partir disto vé-se que um isomorfismo “conserva a dimensao”, isto €, todo subespaco de V de dimensdo finita tem a mesma dimensio que sua imagem por meio de T, Eis uma ilustragdo muito simples dessa idéia. Suponhamos que A seja uma m X n matriz sébre 0 corpo F. Na verdade demos duas definigdes do espago-solugio da matriz A. O primeiro é 0 conjunto das n-uplas (x;,..., Xn) em F* que satisfazem cada uma das equagdes do sistema AX = 0. O segundo é 0 conjunto das # X | matrizes colunas X tais que AX = 0. O primeiro espago-solugao é portanto um subespago de F* e o segundo € um subespago do espago de tédas as m X 1 matrizes sdbre F. Agora existe um isomorfismo evidente entre F" ¢ as n X | matrizes colunas sébre F, a saber, x (Gy... Mad]. Xr, Por meio déste isomorfismo, 0 primeirg espago-solugéo de A é le- vado sébre o segundo espago-solugdo. Estes espacos tém a mesma dimens%o, portanto se .quisermos demonstrar um teorema sdbre a dimensao do éspago-solugio, nao importaré qual espaco resol- vamos discutir. Na verdade, o leitor provavelmente nao objetaria se resolvéssemos identificar F" com o espago das n X 1 matrizes. Poderemos fazé-lo quando fér conveniente, e quando nao o for nao o faremos. Exercicios 1, Seja V o conjunto dos nimeros complexos € seja F 0 corpo dos _niime- tos reais. Com as operagies usuais, Y é um espago vetorial sdbre F. Des- crever explicitamente um isomorfismo déste espago em R?, 2. Seja V um espago vetorial sébre o corpo dos niimeros complexos e su- ponhamops que exista um isomorfismo T de V em C:. Sejam oy, a2, ax Oe vetores em V tais que Ta, = (1,0, To, = (2,14 4,9), Tay=(-H,1, 1), Tay = O32, i, 3) (a) a esté no subespago gerado por a, € a,? (b) Seja W, 0 subespaco gerado por a, € a; € seja W, 0 subespaco Be tado por a; € a,. Qual € a intersegio de W, com W,?REPRESENTACAOQ DE TRANSFORMAGOES POR MATRIZES 85 (©) Determinar uma base do subespago de V gerado pelos quatro vetores aj. 3. Seja W o conjunto das 2 X 2 matrizes hermitianas, complexas, isto é, © conjunto das 2 X 2 matrizes complexas A tais que Ai; = 4y: (a barra indica conjugagéo complexa), Como destacamos no Exemplo 6 do Capf- talo 2, W € um espago vetorial sSbre 0 corpo dos ntimeros reais, em relacdo as operagdes usuais. Verificar que wxsoo [SEE rte] € um isomorfismo de Rt em W. 4. Seja V0 conjunto dos nimeros complexes considerado como um espago vetoriat sObre o corpo dos niimeros reais (Exercicio 1). Definamos uma fungio T de V no espago das 2 X 2 matrizes reais, como segue. Se z= x + iy com xe y mimeros reais, entio KEY Sy T= [joy x — Ty] (a) Verificar que T € uma transformacdo linear (real) injetora de V no espago das 2 X 2 matrizes. (b) Verificar que T(21z2)= 7(z)7(z2). (c) Como vocé descreveria a imagem de 7? 5. Sejam V e W espacos vetoriais de dimensio finita s6bre o corpo F, De- monstrar que V e W so isomorfos se, ¢ somente se, dim V = dim W. 6, Sejam V e W espacos vetoriais sébre o corpo F e seja U um isomorfismo de V em W. Demonstrar que T+ UTU-* é um isomorfismo de L(V, V) em LW, W). 3.4 Representacio de Transformacdes por Matrizes Seja V um espago vetorial n-dimensional sébre 0 corpo F e seja W um espago vetorial n-dimensional s6bre F. Sejam @ = {ay,...,an uma base ordenada de V e @! = {f1,...,8,} uma base ordenada de W. Se T é uma transformagio linear arbitraria de Vem W, entio T é determinada por seu efeito s6bre ds vetores «,;, Cada um dos n vetores Ta; pode ser expresso de modo tnico como uma combina- go linear G-3) dos §,, sendo os escalares Ais «++, 4nj a8 coordenadas de Ta; em Telagio & base ordenada @’, Conseqtientemente, a transformagio T € determinada pelos mn escalares A,; por meio das fSrmulas (3-3). Am X n matriz A definida por A(j, j) = Ai; € denominada a matriz de T em relacio ao par de bases ordenadas @ e 8’. Nosso tra-86 TRANSFORMAGOES LINEARES balho imediato seré o de compreender explicitamente como a matriz A determina a transformagio linear T. Sea = x01 +... + Xa, € um vetor em V, entdo = E x{Ta,) mt = Boy E Ay Be sa emt = 2B (2 Agx >) teier Se X € a matriz das coordenadas de « em relagdo & base ordenada @ o calculo acima mostra que AX é a matriz das coordenadas do vetor Ta em relagio & base ordenada @’, uma vez que o escalar 2 Aix; get € 0 elemento da i-ésima linha da matriz coluna AX. Observemos também que se 4 é uma m X n matriz arbitréria sébre 0 corpo F entao @-4) T(2xm)= 2 (2 Am) a eo GIA, define uma transformagio linear T de V em W, cuja matriz é A, em relagio a @, 8. Resumindo formalmente: Teorema 11, Seja V um espaco vetorial n-dimensional sébre o corpo F e W wn espaco vetorial m-dimensional sébre F. Seja ® uma uma base ordenada de V e ® uma base ordenada de W. Para cada transformagao linear T de V em W, existe uma m Xn matriz A s6bre o corpo F, a matriz de T em relacio a 8, 8’, tal que {[Talg = Ale] para todo vetor « em V. Além disso, T — A é wma correspondéncia bijetora entre o conjunto das transformagées lineares de V em W € 0 conjunto das m Xn matrizes sébre o corpo F. Suponhamos agora que T e U sejam transformagées lineares de Vem We que a matriz de Tem relago a &, @' seja Ac a matriz de Vem relacioa &, @’ soja B. Qual éa matriz correspondente a(T + U)? Isto € respondido facilmente, pois se a = xia, +... + XndtyREPRESENTAGAO DE TRANSFORMAGOES POR MATRIZES 87 (T+ U) @) = Ta+ Ua -2(2 z 45 + Bis)x; ) Bi. Assim a matriz de T + U em relagio a ®, @’ € a soma das matrizes Ae B, Analogamente, pode-se verificar com facilidade que se ¢ é um escalar arbitrério ent&o a matriz de (cT) é cA. Estas duas observagdes nos dizem que a correspondéncia entre transformagées lineares e matrizes definida por @ e @’ é linear. Usando © que sabemos s6bre multiplicagdo de matrizes, a linearidade da representagdo por matrizes pode ser vista como segue: Suponhamos que a matriz de T em relagéo a @, @' seja A e que a matriz de U em relag&o ao mesmo par seja B. Se a € um vetor arbi- trério em V, [Talg = Alalg [alg = Blalg € como sabemos que (cA + B)X = cAX + BX temos [cTa + Ualg = (cA + B) [alg Portanto, deve-se ter que cA + Bé a matriz de cT + U em rela- Gdo ao par @, @’, Teorema 12. Seja V um espaco vetorial n-dimensional sébre o corpo F e seja W um espaco vetorial m-dimensional sdbre F. Para cada par de bases ordenadas ®, @' de V e W, respectivamete, a fun- ¢Go que associa a uma transformagao linear T sua matriz em rela- ¢Go a &, &’ é um isomorfismo entre o espaco L(V, W) € 0 espago das m X n matrizes sobre 0 corpo F Demonstragéo, Observamos acima que a fungio em questio € linear e, como est4 enunciado no Teorema 11, esta fungao é injetora e leva L(V, W) sdbre o conjunto das m X n matrizes. Estaremos particularmente interessados na representagdo por matrizes de transformagdes lineares de um espago em si mesmo, isto é, operadores lineares sébre um espago V. Neste caso, é mais conveniente Usar a mesma base ordenada em cada caso, isto é, tomar = 8’. A matriz representante ser entio denominada simples-88 TRANSFORMACOES LinBaRes mente a matriz de 7 em relaciio & base ordenada ®. Como éste conceito seré muito importante para nés, recordaremos sua definicao. Se T é um operador linear sébre 0 espaco vetorial V de dimensio finita e @ = {ou,..., a2} € uma base ordenada de V, a matriz de Tem relagio a @ € an X n matriz A cujos elementos Aj; sio definidos pelas equagdes (G5) Tex =F Asa, Faden Deve-se ter sempre em mente que esta matriz que representa T depende da base ordenada @ e que existe uma matriz que representa 7 em relagio a cada base ordenada de V. (Para transformagées de um espago em outro a matriz depende de duas bases ordenadas, uma de V e uma de W.) Para nfo esquecermos esta dependéncia, Usaremos @ notagio IT] para a matriz do operador linear T em relagdo & base ordenada 8. A maneira como esta matriz e a base ordenada descrevem T é que, para cada a em V, (Tale = (Tlelelg. Exemplo 9. Seja V 0 espaco das 1 X 1 matrizescolunas s0- bre 0 corpo F; seja W 0 espago das m X 1 matrizes sObre F; seja A uma m X n matriz sdbre F, fixa. Seja T a transformagao linear de V em W definida por T(X) = AX. Seja @ a base ordenada de V andloga & base canénica em F"; isto é, 0 i-ésimo vetor em @ é a n X 1 matriz X; com | linha i e com todos os outros elementos nulos. Seja 8’ a correspondente base ordenada de W, isto é; 0 j-ésimo vetor em @ € a m X 1 matriz Y; com I na linha j e com todos ‘98 outros elementos nulos. Entio a matriz de T em relagio ao par &, @’ € a propria matriz A. Isto é evidente, pois a matriz AX; € a J4sima cohina de 4. Exemplo 10. Seja F um corpo e seja T 0 operador sébre F? definido por T(x1, ¥2) = (1, 0). E facil ver que T é um operador linedr sébre F?. Seja @ a base ordenada canénica de F?, @ = {a, e2}. Ora, Te = T(1, 0) = (1, 0) = Ler + Oe “Tee = TCO, 1) = (0, 0) = Oe, + OcgREPRESENTACAO DE TRANSFORMAGOES POR MATRIZES 89 de modo que a matriz de T em relagdo & base ordenada @ é 4 0 Ms = [6 ol: Exemplo 11. Seja V o espago das fungédes polinomiais de R em R da forma L(x) = co + eax + cox? + eax? isto é, o espago das fungées polinomiais de grau menor ou igual a 3. O operador derivagdo D do Exemplo 2 leva V em V, pois D diminui o grau. Seja ® a base ordenada de V formada pelas quatro fln- goes fi, fo, fa, fa definidas por f(x) = x1. Entao (DfiXx) = 9, Df = Of; + Ofe + Ofe + Os (DfXe) = 1, Dfa = If + Ofe + Ya + (fax) = 2x, Dfs = Si + Ae + Ya + (Dax) = 3%, Dfs = Oi + Oa + Ya + Se de modo que a miatriz de D em relagao & base ordenada @ é 0100 00 Dls=j}o 0 oo oon oy, 3 @. Vimos o que acontece 3s matrizes representantes quando as transformagées sio somadas, a saber; que as matrizes se somam. Gostarfamos agora de perguntar 0 que acontece quando compomos transformagdes. Mais especificamente, sejam V, W e Z espagos vetoriais s6bre 0 corpo F, de dimensées n, me p, respectivamente. Seja T uma transformagio linear de V em W e U uma transformagao linear de W em Z. Supontamos que existam bases orderiadas @ = {ay,...,an},8' = {B1,.-.,Bnhe@” = {1,.--s} para os espacos V, W e Z, respectivamente. Seja A a matriz de T em relagio ao par ®, & e Ba matriz de U em relagio ao par @’, 8", E facil ver entio que a matriz C da transformagio UT em relagio ao par @ @” € o produto de B por A, pois se a é um vetor ar- bitrério em V [Tale = Alele (UTa)lq = BiTalgy e entio ((UTY@)lg = BAlely logo, pela definiggo e unicidade da matriz representante, temos. necéssariamente, C = BA. Isto também pode ser visto efetuando os cdlculos90 TRANSFORMAGOES LINEARES (UT Xa;) = U(Ta,) ~ UE pe) = 2 A,XUBi) kel ™ g = 2 Ais 2 Bays eel tml a; = 2 2 Bids) ve 1 tadee de modo que temos (3-6) Cy = 3 Badri A definigéo (3-6) de multiplicaggo de matrizes foi motivada por meio de operagdes sébre as linhas de uma matriz. Vé-se aqui que uma motivagao bastante forte para a definic¢Zo encontra-se na com- Pposigfo de transformagées lineares. Resumindo formalmente: Teorema 13. Sejam V, W e Z espagos vetoriais de dimensao finita sébre o corpo F; seja T uma transformacao linear de V em W e U wma transformagéo linear de W em Z. Se 6, 8’ e &" sao bases ordenadas dos espacos V, W e Z, respectivamente, se A é matriz de T em relacdo ao par 8, &' e B é a matriz de U em relagdo ao par 8’, 8'", entéo @ matriz da composta UT em relacdo ao par ®, &” é a matriz produto C = BA. importante notar que se T e U séo operadores lineares s6- bre um espago V e se estamos usando apenas uma base ordenada 8, entéio o Teorema 11 toma a forma simples [UT]g = (U]g (Tle. Assim, neste casq, a correspondéncia que ® determina entre operar dores lineares ¢ matrizes é niio sdmente ‘um isomorfismo de espago vetorial mas conserva também produtos. Uma conseqiiéncia simples disto é que o operador linear 7 é inversivel se, ¢ sdmente se, [T]g € uma matriz inversivel. De fato, o operador idéntico J é re- Presentado pela matriz unidade ¢m relagéo a qualquer base ordenada, portanto UT=TU=I € equivalerite a WlalTle = (TlelVlg = 1.REPRESENTACAO DE TRANSFORMACOES POR MATRIZES o1 Evidentemente, quando 7 € inversivel IT‘Ip = (71. Gostarfamos agora de petguntar 0 que acontece com as matrizes Tepresentantes quando mudamos a base ordenada. Para efeito de simplicidade, consideraremos esta equaciio apenas pata operadores lineares s6bre um espago V, de modo que possamos usar uma Unita base ordenada. A questo especifica é a seguinte: seja T um operador linear sébre o espago de dimensio finita V e sejam a @ = {a1,..-,an} ¢ B = {as,..., af} duas bases ordenadas de V. Qual a relagio entre as matrizes [Tg ¢ [T]g*? Como observamos no Capitulo 2, existe uma tnica n Xn matriz (inversivel) P tal que G-7) lela = Plele’ para todo vetor « em V. Por definigzo G-8) {Tals = [Tlalals. Aplicando (3-7) ao vetor Za temos G9 (Talg = PiTalg’. Combinando (3-7), (3-8) e (3-9), obtemos (Tle Plale = PiTalg ou P'IT]e Plale = [Tale ¢ entao é necessério que (3-10) Tle = PUT ]gP. Isto responde nossa pergunta. Antes de enunciarmos formaimente éste resultado, observemos um fato, Existe um tnico operador linear U que leva @ sébre & definido por Ua; =a, f= liam Este operador U é inversfvel uma vez que leva uma base de V sé- bre uma base de V. A matriz P (acima) é exatamente a matriz do operador U em relagio & base ordenada ®. De fato, P é definida por Pia e como Ua; = aj, esta equacio pode ser escrita como Ua; = E Piya. a1 Portanto P = (U]g por definigao.92 TRANSFORMAGOES LINEARES Teorema 14. Seja V um espaco vetorial de dimensdo finita s6- ‘bre o corpo F e sejam @ = {a,...,a}e B = {ai,...,a%} bases ordenadas de V. Suponhamos que T seja um operador linear sébre V. Se P€an X 0 matriz que exprime as coordenadas de cada vetor de V em relagdo a & em térmos de suas coordenadas em rela- gGo a @’, entao Tle = P-ITleP- Alternativamente, se U & 0 operador inversivel sdbre V definido por Ua; = oJ, j= 1,..., 0, entao Ile = (We'I7alUle- Exemplo 12. Seja T o operador linear sdbre R* definido por T(x1, X2) = (%1, 0). No Exemplo 10 mostramos que a matriz de T em relagdo & base ordenada candnica @ = {a, a} & ts = [5 ol: Suponhamos que &’ seja a base ordenada de R? formada pelos vetores ef = (1, 1}, & = (2, 1). Entio de modo que P é a matriz v(t ah Efetuando calculos simples obtemos 1 _f-l 2 P r= [ 1 (Ta = PUITIgP _f-i zy of 2 ~ 1 —1jlo o]lt 1 -[- 2p 2 ~ 1 —1j}f0 6 _ [-4 —27. ~ 1 2, Podemos verificar facilmente que isto estd correto porque Te = (1,0) = i + 6 Tee = (2,0) = —2e, + 245. AssimREPRESENTACAO DE TRANSFORMAGOES POR MATRIZES 93 Exemplo 13. Seja V 0 espago das fungoes polinomiais de R em. R, de “gra” menor ou igual a 3, Como no Exemplo 11, seja D o operador derivagao sébre V ¢ seja & = {fiufofafa a base ordenada de V definida por fi(x) = x‘-!. Seja t um mimero real e definamos gAx) = (x + 1)’, isto 6, gah a= th the B= th + fe + fe B= OS + Fe + 3s + fe Como se pode ver facilmente, a matriz 11 fe 8 Ol 2 3 P=/00 1 3t ooo 1 & inversfvel com 1 —t Pp —t o 1 —2 3f 0 Oo 1 ~3¢ o 0 0 1 portanto decorre que 8’ = {a 82, Bas ga} € uma base ordenada de V. No Exemplo 11, ficamos sabendo que a matriz de D em relagdo & base ordenada @ & Pin 010 _~|0 020 Mla=10 0 0 3] 9000 A matriz de D em telagdo A base ordenada ®’ é portanto 1 —t e 10 pl: . — 0 1-2 37)/002 0]/0 1 2 3¢ PPP =|q 9 1 3 |Jo003|{o0 1 3 oo oO 1 oooojloo o 1 1 —t e Ob 2 3¢' 0 t—% 34}0 0 2 oF “10 0 1 —3# |}00 0 3 0 0 0 1jloo0o0 010 [9020 0003 000 0,94 TRANSFORMAGGES LINEARES Assim D € representado pela mesma matriz em relagio as bases ordenadas & e @’. Evidentemente, isto pode ser visto um pouco mais diretamente pois Dg = 0 Dga = g1 Dgs = 22 Dg. = 3g3. Este exemplo ilustra um fato interessante. Se se conhece a matriz de um operador linear em relagdo a alguma base ordenada & e quer- se determinar a matriz em relag&o a outra base ordenada @’, freqiientemente o que mais convém é efetuar a mudanga de coordenadas usando a matriz inversivel P; contudo, pode ser muito mais fécil determinar a matriz representante recorrendo diretamente & sua definigao, Definigto. Sejam A e Bn X n matrizes (quadradas) sébre o corpo F. Dizemos que B é semelhante a A sdbre F se existe wna n Xn matriz inversivel P sébre F tal que B = P-!AP. De acérdo com o Teorema 14, temos o seguinte: Se V é um espaco vetorial n-dimensional sdbre F e ® e @’ sdo duas bases ordenadas de V, ent&o, para cada operador linear T sébre V, a matriz B = [T]g, € semelhante 4 matriz A = [T]g. O argumento também vale no outro sentido. Suponhamos que A e B sejam n X n matrizes e que B seja semelhante a A. Seja V um espago vetorial n-dimensional arbitrério sébre F e seja @ uma base ordenada de V. Seja T o operador linear sébre V que é representada em relagio & base ® por A. Se B = P-!AP, seja @’ a base ordenada de V obtida de @ por meio de P, isto é, a= 2 Pua. Entfo, a matriz de T em relagio & base ordenada @’ sera B. Assim, a afirmagio de que B é semelhante a A significa que em cada espago n-dimensional sébre F as matrizes A e B represen- tam a mesma transformagdo linear em relagio a duas bases ordenadas (possivelmente) distintas. Notemos que téda 1 X n matriz A é semelhante a si mesma, bastando tomar P = /; se é semelhante a A, entao A é semelhante a B, pois, B = P-'AP implica que A = (P~1)-'BP-!; se B é semelhante a A e C € semelhante a B, entio C é semelhante a A, pois B= P~'APeC = Q-1BQ implicam que C = (PQ)-!A(PQ). Assim, a semelhanga € uma relag&o de equivaléncia sdbre o conjunto dasREPRESENTACAO DE TRANSFORMACOES POR MATRIZES 95 matrizes s6bre.o corpo F, Notemos também que a unica matriz semelhante & matriz unidade J € a prépria J e que a Gnica matriz semelhante 4 matriz nula é a prépria matriz nula. Exercicios 1, Seja T © operador linear sdbre C? definido por Thx, x.) = (x1. 0). Sein G a base ordenada candnica de C7 e seja @ = {a., a} a base ordenada definida por a, = (I, 1), a = (—i, 2. (a) Qual € a matriz de T em relagio ao par ®, @’? (b) Qual é a matriz de T em relagio ao par B’, @? (©) Qual é a matriz de T em relagio & base ordenada '? (d) Qual € a matriz de T em relagdo & base ordenada {a> a, }? 2, Seja T a transformac&o linear de R# em R? definida por Ts, Xe X3) = Or + Xx Bey — 1), (a) Se @ é a base ordenada candnica de R+ ¢ @ é a base ordenada ca- nénica de R#, qual € a matriz de 7 em relagéo ao par @, G7 (b) Se @ = {a,, 2,0} € @ = {64,81}, sendo a = (1, 0, —1), a2 = (11,1) a3 = (1, 0, 0), 8; = (0, 1), Bs = (1, 0) qual é a matriz de 7 em relaglo ao par @, 8"? 3. Seja T um operador linear sObre F*, seja A a matriz de T em relacio & base ordenada candnica de F* e seja Wo subespago de F> gerado pelos ve~ tores-colunas de A. Qual € a relagio de W com T? 4, Seia V um espago vetorial bidimensional sdbre 0 corpo F e seja Q uma base ordenada de V. Se T é um operador linear sdbre V 8 Mg = [2 4] demonstrar que T*— (a + d)T + (ad — beyl = 0. 5. Seja T 0 operador linear sObre R?, cuja matriz em relaglo & base ordenada canénica é 127 A= O11} 13 4 Determinar uma base da imagem de Te uma base do micleo de T. 6. Seja T 0 operador linear sdbre R* definido por Thx, X2) = (tx, 4%). (a) Qual é a matriz de 7 em relagéo & base ordenada candnica de R+? (b) Qual & a matriz de Tem relagdo & base ordenada @ = {a,,a.} sendo a, = (I, 2) ea, = (1, —1)? © que para todo niimero teal c 0 operador (T — el) 4 inversivel. () Demonstrar que se @& € uma base ordensda qualquer de R € (1g = 4 entio Aizdy ¥ 0. 7. Seja To operador linear sobre R+ definide por They, tay 2) = Gay Fay, Dey $s, er + Dee + Any. (a) Qual é a matriz de T em relagio a base ordenada candnica de R"? (b) Qual € a matriz de T em relagdo & base ordenada {au an asTRANSFORMAGGES LINEARES sendo a = (1, 0, 1), a2 = (1, 2, 0, € es = (2 1, 1)? (c) Demonstrar que T é inversivel e dar uma regra para 7”? como a que define 7. 8. Seja @ um nimero real. Demonstrar que as duas matrizes seguintes sio semelhantes sdbre o corpo dos numeros complexos: [et-2g [et (Sugestdo: Seja T 0 operador linear sObre C? que é representado pela primeira matriz em relagio A base ordenada canénica. Determinar entéo vetores a: ¢ as tais que Ta: = e@ar, Tas = eas, € {ar, a2} seja uma base.) 9, Seja Y um espaco vetorial de dimensio finita sdbre 0 corpo Fe seiam Se T operadores lineares sObre V. Perguntamos: quando é que existe bases ordenadas @ ¢ @’ de V tais que {Slg = [T]g:? Demonstrar que tais bases existem se, e sdmente se, existe um operador linear inversivel U s6- bre V tal que T = USU-1. (Eshéco de demonstracao: Se [Slq = (Tg, sia U 0 operador que leva ® s6bre G’; mostrar que § = UTU—'. Reciproca- mente se T= USU— para algum U inversivel, seja @ uma base ordenada de Ve seja Q’ sua imagem por meio de U. Mostrar entio que Be = (Tg) 10. Vimos que o operador linear T sobre R definido por T(x1, x3) = (x1, 0) € representado em relagdo A base ordenada candnica pela matriz 4=[5 0 Este operador satisfaz 7' = T. Demonstrar que se S é um operador linear sdbre R# tal que S? = S, entéo S = 0 ou S = [ou entio existe uma base ordenada @ de R? tal que {Slg = A (acima). 41. Seja Wo espaco das n X_1 matrizescolunas sébre um corpo F. Se A é uma n X 1 matriz sObre F, entdo A define um operador linear Ly s6- bre W por meio da multiplicagio & esquerda: L4(X) = AX. Demonstrar que todo operador linear sébre W é a multiplicagéo 4 esquerda por alguma n X nm matriz, isto é, é La para algum A. Suponhamos agora que V seja um espaco vetorial-dimensional s6- bre o corpo F e seja 6 uma base ordenada de V. Para cada « em V definamos Ua = [alg Demonstrar que U é um isomorfismo de Y em W. Se T & um operador linear sébre_V, entio UTU~? é um operador linear s6- bre W. Isto significa que UTU™! € a multiplicacéo & esquerda por alguma nm X a matriz A. Qual € a matriz A? 12. Seja V um espago vetorial n-dimensional sobre o corpo Fe scia @ = {a1,..., a9} uma base ordenada de V. (a) De acdrdo com o Teorema 1, existe um unico operador linear T sobre V tal que Tey = aj, f= 1...,.n— 1, Tam = 0. Qual é 9 matriz 4 de T em relagio & base ordenada @? (b) Demonstrar que 7* = 0 mas Te? # 0. ,(©) Sein $ um operador linear arbitrério sdbre V tal que S* — 0 mas sv" = 0. Demonstrar que existe uma base ordenada (8’ de V tal que a matriz de Sem relagio & base ordenada @ ¢ a matriz A da parte (a).FUNCIONAIS LINEARES 97 (d) Demonstrar que se Me N sdo x X n matrizes sObre F tais que Ms = Ne = 0 mas M=* # 0 * Ne, entio M e N sao semelhantes. 13, Sejam Y ¢ W espacos vetoriais de dimensio finita sdbre 0 corpo F € Seja 7 uma transformagdo linear de V em W. Se @ = {ar,...,afe@ = {B..., Pm} so bases ordenadas de V e W, respectivamente, definamos as transforma- gées lineares EP como na demonstragio do Teorema 5: EP{a;) = 8ie8y- Entéo as E*4, 1 < p< m,1< 9 + 8. Demonstrar que c ¢ 6 sio tinicos. 10, Seja V um espago vetorial de dimensdo finita sébre 0 corpo F e seja W um subespago de V. Se f€ um funcional linear sdbre W, demonstrar que existe um funcional linear g sObre V tal que g(a) = f(a) para todo @ no subespago W. UL. Seja F um subcorpo do corpo dos mimeros complexos e seja V um es- Paco vetorial arbitrétio sébre F. Suponhamos que fe g sejam funcionais lineares sdbre V tais que a fungio A, definida por ha) = fla)ga) também seja um funcional linear sébre V. Demonstrar que ou f = 0 ou g = 0. 12. Mostrar que o funcional trago sébre m x 1 matrizes € 0 unico no seguinte sentido: se W € 0 espago das n X n matrizes sObre o corpo F e se Fé um funcional linear sdbre W tal que f(AB) = f(BA) para t6das’as Ae B em W, entio fé um multiplo escalar da funcdo traco. Se, além disso, f() = n, entiio f é a funcdo trago. 13. Seja F um subcorpo do corpo dos ntimeros complexos e seja V um espago vetorial de dimens&o finita sObre F. Se a,..., aq Sio um niimero init it ), demonstrar que existe um funcional linear f's6bre V tal que fla) #0, i= 14, Sejam fi,..., f- funcionais lineares sébre um espago vetorial V e seja Nj; 9 micleo de f;, j = 1,..., r. Seja f outro funcional linear sébre VY, com nucleo V. Demonstrar que f € uma combinacio linear de f, f, see sdmente se, N contém a intersegdo AN (Demonstrar primeito pata r= {.) p 15, Seja Wo espaco das n X 71 mattizes sdbre o corpo F e seja W» 0 subespago gerado pelas matrizes ¢ da forma C = AB — BA. Demonstrar que Wo é exatamente o subespaco das matrizes que tém trago nulo, (Sugestdo: Qual ¢ a dimens&io do espago das matrizes de trago nulo? Usar as “‘matrizes unitdrias”, isto é, as matrizes com exatamente um elemento nfo-nulo, para construir um niimero suficiente de matrizes linearmente independentes da forma 48 — BA.) 3.6 Anuladores O objetivo principal desta segao é demonstrar que um subespago W de um espago vetorial V de. dimensio finita é determinado pelo conjunto dos funcionais lineares f em V* que se anulam em W. Mais precisamente, se dim V = ne dim W = r, demonstraremos que existem (n — 7) funcionais lineares fi, ..., f,-, em V* tais que W consiste exatamente dos vetores a em V que satisfazem fa) = 0, j = =l..,amer Definig&o. Se V é wn espaco vetorial sdbre o corpo F e S é um subconjunto de V, 0 anulador de S é 0 conjunto S° dos funcionais lineares f sébre tais V que f(a) = 0 para todo « em S.ANULADORES 105 Deve ficar claro para o leitor que S° é um subespago de V*, seja S um subespago de V ou nfo. Se S € 0 conjunto formado apenas pelo vetor nulo, entio, S’ = V*. Se S = V, ent&o S° € 0 subespago nulo de V*. (Isto é f&cil de ver para o caso em que V é de dimensio finita.) Teorema 17. Seja V um espaco vetorial de dimensGo sobre o corpo F e seja W um subespago de V. Entao dim W + dim W® = dim V, Demonstragdo. Seja k a dimensio de We {o,..., ou} uma base de W. Tomemos vetores ax +1, ...,an¢M V tals que {ai,..., an, seja uma base de V. Seja {fi, ..., fa} a base de V* que € a dual desta base de V. Afirmamos que {fr41, ..- fa} € uma base do anulador de W°, Certamente f; pertence a W® para i > k + 1, porque Files) = 85 ed; = Osei >k + lejk +1, fa) = 0 sempre que a seja uma combinag&o linear deai,..., ay. Os funcionais fi41, ..+, fn Sdo independentes, portanto basta mostrar que éles geram W°, Suponhamos que f esteja em V*. Ora, f= E fleas de modo que, se f esta em W®, temos f(a;) = 0 parai< ke f= & fladfi tw kt1 Mostramos que se k é a dimensdo de Wen é a dimens&o de V, entfo a dimens&o de W? é (1 — k). Um fato razoavelmente elementar mas importante sObre um espago V de dimensao finita € que se Wi e Ws sao dois subespagos de V tais que W? = W%, entéo W, = Wz. Uma maneira de ver isto é investigar o anulador do anulador de um subconjunto S de V. Se S &um subconjunto de V, ent&o, rigorosamente falando, S° = ( € um subespaco do espago bidual V**; contudo, identificando V** com V por meio do isomorfismo a ~+ L,, podemos considerar 5°? como um subespago de V, isto é, conjunto de todos a em V tais que Fle) = 0 para todo f em S°. Teorema 18. Seja V um espaco vetorial de dimensao finita sobre o corpo F e seja W um subespaco de V. Eniao W = W.106 TRANSFORMACOES LINEARES Demonstracdo. Certamente W € um subconjunto de W, pois se a esté em W, entio f(a) = 0 para todo f em W®, De acérdo com o Teorema 17, dim W + dim W° = dim V dim W° + dim W° = dim V* = dim V do que segue que dim W = dim W. Como W esta contido em W°° temos, necessariamente, que W = W, Corolario. Se S é um subconjunto arbitrdrio de V, entio S” € 0 subespaco gerado por S. Demonstragao. Seja W © subconjunto gerado por S. Entaéo S° = W; pois se f esté em W é evidente que f esté em S® e, reclprocamente, se f esta em S° entio f(a) = 0 sempre que a é uma combinagio linear de vetores em S, isto é, f estd em W®, Pelo Teo- rema 18, W% = We como W° = S° temos S® = W. Corolario. Se Wi ¢ Wa sdo subespacos de V, ent@o W2 = W, se e sdmente se Wi = W}. Consideremos rapidamente sistemas de equagées lineares homo- géneas do ponto de vista de funcionais lineares, Suponhamos ter um sistema de equagdes lineares Aukr + ..6 4+ Ants = 0 Amx1 +... + Amake = 0 cujas solugdes queiramos determinar. Se indicarmos porf;,i = 1,..., m, o funcional linear sébre F* definido por Fa, 06 Xn) = Aa i + Aix entio estamos procurando o subespago de F* constituido por todes @ tais que fda) = 0, i= 1,...,m Em outras palavras, estamos procurando o subespago anulado por Si, «++, fm A linha-redug&o da matriz dos coeficientes nos fornece um método sistemdtico para determinar ésse subespago. A n-upla (An, ..., Ain) dé as coordenadas do funcional linear f; em relagao & base que é dual da base canénica de F*. O espago-linha da matriz dos coeficientes pode portanto ser considerado como 0 es- Pago de funcionais lineares gerado por fi,..., fm- O espago-solugao € 0 subespaco anulado por ésse espago de funcionais. Pelo Teo-ANULADORES 107 rema 18, isto € 0 mesmo que dizer que o espago de funcionais gerado pelas f; € o anulador do espago das solugdes. O que o Teo- tema 17 nos diz nesse contexto é que a soma do pésto-linha de A com a dimensio do espago-solucdo é n. Em outras palavras, se A é uma m X n matriz de pésto-linha 7, entdo o espago das solugdes do sistema homogéneo AX = 0 tem dimensio (n — r). Agora podemos considerar o sistema de equagdes do ponto de vista “dual”. Isto é, suponhamos que nos sejam dados m vetores em F* ai = (4a, ..., Ain) € queiramos determinar o anulador do subespago gerado por ésses vetores. Como um funcional linear arbitrdrio sObre F* tem a forma SK Xu) = ce He + kn a condigo para que f esteja nesse anulador é que BAe = 0, i= deem iat isto €, que (c1,..., Cn) seja uma solugao do sistema AX = 0. Sob ste ponto de vista, a linha-redugdo nos d4 um método sistemdtico para determinar o anulador do subespaco gerado por um dado con- Junto finito de vetores em F*. Exemplo 18, Seja W o subespacgo de R® gerado pelos vetores a = (2, —2, 3, 4,—1), as = (0, 0, —i, —2, 3), a2 = (—1, 1, 2, 5, 2), a4 = (1, —I, 2, 3, 0). Como se descreve W°, o anulador de W? Formemos a 4 X 5 matriz A com vetores-linhas a1, a2, a3, a4 ¢ determinemos a matriz R linha-reduzida & forma em escada que é linha-equivalente a A; 22 3 4-1} 1 —1 0 —1 OF aal{7! 2 2 5 2] __plfo Of 2 0], ~ 0 o-l —2 3 ~ 10 00 ol 1 —i 2 3 0. 10 00 0 0. Se f € um funcional linear sébre R°, 5 Sa, +. X5) = 2 0x; entiio f estd em W® se, e sdmente se, f(a:} = 0, i = I, 2, 3, 4, isto 6, se, e sdmente se, 5 BAe 0, 1 2) por FAK iy oo oy Xn) J Qual € @ dimenstio do subespaco anulado por fur... fa? 5. Seja n um inteiro positive e F um corpo. Seja Wo conjunto de todos 0s vetores (x1,,.-, Xn) em Fr tais que x) +... + tn = 0. (a) Demonstrar que W® consiste dos funcionais lineares f da forma Ek Ds, 1Sk Sa. © Flt ecg on) OE Kp Sat (b) Mostrar que 0 espago W* dual de W pode ser identifigado de maneira “natural” com os funcionais lineares SR e Hn) = CX, tee Henn sbbre F* que satisfazem cy +... + cn = 0. 6. Se ¥ € um espaco vetorial sébre o corpo F, definamos um hiperptano em ¥ como sendo o niicleo de um funcional linear n&o-nulo s6bre V. Se V é de dimensdo finita, demonstrar que todo subespago de V é a intersegio de um mimero finito de hiperplanos. 7, Sejam W, © W, subespacos de um espago vetorial V de dimensao finita. {a) Demonstrar que (W, + W.) = We? \ W3. {b) Demonstrar que (HW, \ W.) = W2 + WH 3.7 A Transposta de uma Transformacio Linear Suponhamos que existam dois espacgos vetoriais V e W sdbre © corpo F e uma transformagio linear T de V em W. Entao T induz uma transformagao linear de W* em V*, como segue. Suponhamos que g seja um funcional linear sébre W e seja @-17) Fe) = g(Ta) para cada.« em V. Entdo (3-17) define uma fungi f de V em F; a saber, a composta de T, uma fungo de V em W, com g, uma fun- ¢0 de W em F. Como T e g sao ambas lineares, 0 Teorema 6 nos diz que f também & linear, isto é, f é um funcional linear s6bre V. Assim 7 nos fornece uma fungio T* que a cada funcional linear g sdbre W faz corresponder um funcional linear f = T'g sdbre V, definido por (3-17). Notemos também que 7’ € na verdade uma transformagao linear de W* em V*; de fato, se gi e go estao em W* ec é um escalar110 TRANSFORMAGOES LINEARES [7'(car + ga)\(@) = (cas + g2XTa) = cgi(Ta) + go{Ta) = AT'giXa) + (T'g2Xa) de modo que T'(cg: + g2) = cT’g: + T'g. Fagamos um resumo. ‘Feorema 19. Sejam V e¢ W espacos vetoriais sdbre o corpo F. Para cada transformagdo linear T de V em W existe uma tinica trans- Sformacao linear T+ de W* em V* tal que (Tafa) = g(Ta) para todos g em W* ea em V. Denominaremos 7* a transposta de T. Esta transformagao T* € freqientemente denominada a adjunta de T; no entanto, nfo usa- Temos essa terminologia. Teorema 20. Sejam V e W espacos vetoriais sébre 0 corpo F e seja T uma transformacao linear de V em W. O micleo de T* é 0 anu- Jador da imagem de T. Se V e W sao de dimensao finita, entdo (i) pdsto (TY) = pésto (T) (ii) @ imagem de T' é 0 anulador do niicleo de T. Demonstracao. Se g esta em W*, entéo por definigao (T'g)(@) = a(Ta) para todo a em V. A afirmago de que g estd no nucleo de 7" significa que g(T) = 0 para todo a em V. Portanto o micleo de T* é exatamente o anulador da imagem de T. Suponhamos que V e W sejam de dimens&o finita, digamos dim V = ne dim W = 1, (i) Seja ro posto de T, isto é, a dimenso da imagem de 7. Pelo Teorema 17, 0 anulador da imagem de T tem dimenséo (m— r). Pela primeira afirmagio déste Teorema, a nulidade de 7 deve ser (m— r). Mas como T! é uma transformagdo linear sébre um espago vetorial m-dimensional, o pésto de T & m—(m— 1) = 1, logo T ¢ T' tém o mesmo pésto. (i) Seja N o niicleo de 7. Todo funcional que esté na imagem de T' est4 no anulador de N; de fato, suponhamos que f = T'g para algum gem W*; entao, se a estd em N Sle) = (T'gXa) = g{Ta) = 9(0) = 0. Ora, a imagem de T‘ é um subespago do espago N°, € dim N° = 1 — dim N = pésto (T) = pésto (T%) de modo que a imagem de T* deve ser exatamente N°,A TRANSPOSTA DE UMA TRANSFORMACAO LINEAR li Teorema 21. Sejam V e W espacos vetoriais de dimensdo finita sébre o corpo F. Seja & uma base ordenada de W com base dual @* e seja ®’ uma base ordenada de W com base dual 8’*. Seja T wma transformacao linear de V em W; seja A a matriz de T em relacgao a &, 8 e seja Ba matriz de T* em relacdo a 8'*, ®*. Entdo By = Aji. Demonstragao, Sejam B= {a,...,00}, 8 = {61,...,8n}, a= {fue fa 8% = {21.0 am}. Por definigao, Tay = 2 AB, f= lyeceym aL Tei = 2 Buf, j=l...m Por outro lado, (T'giXai) = gdTos) = a(2 Ane wa = 5 AngdSs) kal = E Anda kel = An. Para qualquer funcional linear f s6bre V f=2 i (as) fi. Aplicando esta f6rmula ao funcional f = T*g; ¢ usando o fato de que (g)T*(@:) = Aji temos T'gj = BAnfi mt do que decorre imediatamente que By = Aji. Definigdo. Se A é wna m X n matriz sébre 0 corpo F, a transposta de A é an X m matriz A‘ definida por Aly = Ay.112 TRANSFORMACOES LINEARES O Teorema 21 afirma portanto que se T € uma transformago linear de V em W, cuja matriz em relagdo a algum par de bases € A, entio a transformagio transposta 7* € representada em relagao ao par de bases duais pela matriz transposta A‘. Teorema 22. Seja A uma m X n matriz arbitrdria sébre 0 cor- por F, Entao o pésto-linha de A é igual ao pésto-coluna de A. Demonstragdo. Seja ® a base ordenada canénica de F* e @’ a base ordenada canénica de F”, Seja T a transformacio linear de F* em F™ tal que a matriz de T em relago ao par @, &’ seja A, isto é, Txt oy Xe) = Vtr es Ym) onde Ws = BAX. jad O pésto-coluna de A é 0 pésto da transformagdo T, pois a imagem de T consiste de tédas as m-uplas que sio combinagées lineares dos vetores-colunas de 4. Em relagfio 4s bases duais @* e @*, a aplicac&o transposta T* é representada pela matriz A’. Como as colunas de A‘ sfo as linhas de A, vemos, pelo mesmo raciocinio, que 0 pésto-linha de A (0 pésto-coluna de A‘) é igual ao pésto de 7’. Pelo Teorema 20, Te T' tém o mesmo pésto, logo o pésto-linha de A é igual ao pds- to-coluna de A. Vemos agora que se A é uma m X n matriz sébre Fe Téa transformagao linear de F* em F" definida acima, entio pésto (T) = pésto-linha (A) = pésto-coluna (4) e denominaremos éste mimero simplesmente o pésto de A. Exemplo 19. Este exemplo serd de natureza geral — mais uma discussio que um exemplo, Seja V um espago vetorial n-dimensional s6bre 0 corpo F e seja T um operador linear sébre V. Suponhamos que @ = {o1,...,0,} seja uma base ordenada de V. A matriz de T em relag&o a base & é definida como sendo am X n matriz A tal que Ta; = 2 Ajai; j= em outras palavras, 4;; € a i-ésima coordenada do vetor Ta; em telagdo & base ordenada &. Se {f1,...,fa} €a base dual de ®, isto pode ser enunciado simplesmente comoA TRANSPOSTA DE UMA TRANSFORMAGAO LINEAR 13 Ay = fas). Vejamos o que acontece quando mudamos de base. Suponhamos que B = {al,...,0%} seja outra base ordenada de V, com base dual {fi,..., fi}. Se B é a matriz de T em relagdo & base ordenada @’, entéo = (fiTai). Seja U o operador linear inversivel tal que Ua; = a’, Entdo, a transposta de U é dada por U'f} = fi. E facil verificar que por ser U inversivel, U! também o € e (U9-! = (U-)! Assim fl = (OF, b= bes n. Portanto = te, re) = f(U7'Te = f(U- "TU. O que significa isto? Bem, f{U~!TUa;) € 0 elemento i, j da matriz de U~'!TU em relagéo & base ordenada ®. Nossos cdlculos acima mostram que éste escalar é também o elemento i, j da matriz de T em relagdo & base ordenada ®’. Em outras palavras, {T]6’ = [U"'TU]q = (U""IelTal ls = Wa (Talia e esta é exatamente a férmula de mudanga de base que deduzi- mos anteriormente. Exercicies 1. Seja F um corpo e€ seja fo funcional linear sObre F? definido por flx1, %2) = ax, + bx,, Para cada um dos operadores lineares 7 seguintes, sendo g = T'f, determinar g(x, x.). (a) Thy, 2) = (41, 05 (b) Toy, 2) = (Hen 20) (©) Ths, 2) @ Gi Xn ty + 4). 2. Seia Vo espaco vetorial das fungdes polinomiais sobre o corpo das nimetos reais, Sejam a e b niimeros reais fixos e seja fo funcional linear s6- bre Y definide por Sto = f° x ax. Se D € 0 operador detivagio sdbre V, 0 que é D'f? 3. Seja V 0 espaco das n Xn matrizes sobre um corpo F e seja B uma m Xn matriz fixa. Se T é o operador linear sébre V definido por T(4) = AB — BA g se f€.a fungio trago, 0 que é TH? 4. Seja V um espaco de dimensio finita sObre 0 corpo F e seja T um operador linear sdbre V. Seja c um escalar e suponhamos que exista um vetor ndo-nulo a em ¥ tal que Ta = ca, Demonstrar que existe um funcional linear nao-nulo f sObre V tal que Tif = cf.114 TRANSFORMAGOES LINEARES 5. Seja A uma m X # matriz com elementos reais. Demonstrar que 4 = 0 se, € sdmente se, trago (A'A) = 0. 6. Seja n um inteiro positive ¢ seja V o espago das fungées polinomiais s6- bree corpo dos mimeros reais, de grau menor ou igual a n, isto é, Fungdes. da forma FR) = Co + erx + ee HF cnxt Seja D o operador derivagéa sObre V. Determinar uma base do nécleo do ‘operador transposto D'. 7. Seja V um espago vetorial de dimensio finita sdbre 0 corpo F. Mostrar que T > T‘ é um isomorfismo de L(V, ¥) em L{V*, ¥*). 8. Seja V 0 espaco vetorial das n Xm matrizes sdbre 0 corpo F. (a) Se B é uma m X # matriz fixa, definamos uma fungio fp sdbre ¥ por fiXA) = traco (BIA). Mostrar que fs € um funcional linear sdbre Vi (b) Mostrar que todo funcional linear sdbre V € da forma acima, isto 6 6 fe para algum B. (© Mostrar que B — fa é um isomorfismo de V em ¥*,CAPITULO 4 POLINOMIOS 4.1 Algebras O objetivo déste capitulo é estabelecer algumas das propriedades bdsicas da digebra dos polinémios sébre um corpo. A discus- so ser4 facilitada se introduzirmos primeiro o conceito de uma 4l- gebra linear sébre um corpo. Definic#o. Seja F um corpo. Uma algebra linear sébre o corpo F é wm espaco vetorial @ sébre F com wma operacdo adicional, dita multiplicacgHio de yetores, que associa a cada par de vetores a, 8 em G@ um vetor af em @ dito o produto de a por 8 de maneira tal que (1) a multiplicacéo é associativa, (By) = (By (2) a multiplicagdo é distributiva em relacao a adigao, oeBt+y=abteay e+ By = ay + By (@) para cada escalar ¢ em F, eB) = (ca)B = ofcs). Se existir um elemento 1 em @ tal que la = al = @ para todow em@, denominaremos @ uma 4igebra linear com elemento unidade sdébre F e denominaremos 1 0 elemento unidade de@. A digebra & é dita comutativa se af = Ba para todos a e B ema. Exemplo 1, O conjunto das n X matrizes sébre um corpo, com: as operagées usuais, é uma 4lgebra linear com elemento unidade; em particular o préprio corpo € um 4lgebra com elemento unidade. Esta algebra nado € comutativa se n > 2, O corpo é (evidentemente) comutativo.116 POLINOMIOS Exemplo 2. O espaco dos operadores lineares sébre um espago vetorial, com 0 composto como o produto, é uma dlgebra linear com elemento unidade. Ela é comutativa se ¢ sdmente se o espago € unidimensional, © leitor talvez tenha tido alguma experiéncia com o produto escalar e com 0 produto vetorial em R¥. Se € 0 caso, deve veri que nenhum désses produtos € 0 do tipo descrito na definigio de uma algebra linear, O produto escalar, como o nome indica, associa cada par de vetores um escalar, e assim, certamente, nfo é 0 tipo de produto que ora discutimos. O produto vetorial associa de fato um vetor a cada par de vetores em R*; no entanto, esta nao é uma multiplicagaio associativa. O restante desta segdo serd dedicado 4 construgdo de uma 4lge- bra que € significativamente diferente das Algebras dos exemplos Pprecedentes. Seja F um corpo e S 0 conjunto dos inteiros nao-negativos, Pelo Exemplo 3 do Capitulo 2, 0 conjunto de tédas as fungoes de S em F é um espago vetorial sébre F, Indicaremos éste espago vetorial por F*. Os vetores em F® s&o portanto seqiién- cias infinitas f = {fo, fi, fo,...} de escalares f; em F. Se g= {g0, gi, g2,...}, com gi em Fe A, 5 sao escalares em F, af + bg é a seqiiéncia infinita dada por Gl) af + bg = {afo + bao, af: + bar, af2 + bgs,..-}. Definamos um produto em F® associado a cada par de vetores f, gem F* o vetor fg que & dado por (4-2) (ee = Eft, 9 = O12 Assim fe = 1 fogo, fori + frB0, fog2 + fagi + foge,...} e€ como Pn = Bafens =, E fige-s = (f8)n para # = 0, 1, 2,..., segue que a multiplicagao é comutativa, isto & fg = gf. Se h também pertence a F*, entio Ufo) = 2 (Fe ibas =f B fais hn) peo\GA ALGEBRA DOS POLINOMIOS 7 SES figs: to 500 a = Bf; E giltni-j = Effabn-s = FGM para n = 0, 1, 2,..., de modo que (43) (fan = fig). Deixamos a cargo do leitor verificar que a multiplicagio definida por (4-2) satisfaz (2) ¢ (3) da definigio de uma Algebra linear e que o vetor 1 = {1, 0, 0,...} funciona como um elemento unidade de F*. Entio, F", com as operagées definidas acima, é uma dlgebra linear comutativa com elemento unidade sébre o corpo F. © vetor {0, 1,0,...,0,...} desempenha um papel noté- vel no que segue e indic4-lo-emos consistentemente por x, Em todo @ste capitulo, x nunca ser4 usado para indicar um elemento do corpo F. O produto de x por si mesmo n vézes ser indicado por x* e colocaremos x9 = 1. Entio x? = {0,0,1,0,...}, x9 = {0,0,0, 1,0,...} €, de maneira geral, para cada inteiro k > 0, Gt) = Le (x), = 0 para todos inteiros nfo-negativos 1 # k. Concluindo esta segiio, observemos que 0 conjunto formado por |, x, x*,...€ independente e infinito. Assim a algebra F* nfo é de dimensdo finita. 4.2 A Algebra dos Polinémios Estamos agora em condigdes de definir um polinémio sdbre o corpo F. Definicho. Seja F[x] o subespaco de F* gerado pelos vetores 1, x, x4,.... Um elemento de F{x) € dito um polinémio sébre F, © leitor deve notar que um polinémio nao € mesmo o tipo de objeto que uma funcao polinomial. Como Fx] consiste de tédas as combinagées lincares (finitas) de x e suas poténcias, um vetor nao-nulo f em F* é um polin6- mio se e sdmente se existe um inteiro n > 0 tal que f, ~ 0 € tal que fe = 0 para todos os inteiros k > n; éste inteiro (quando existe) & evidentemente tinioo e é denominado o grau de f. Indicamos 0 grau de um polinémio por gr(f) e nao atribuimos nenhum grau 20 polixémio nulo. Se f é um polinémio néo-nulo de grau n temos que 4-4) f= fo + Aix t fax? t+... thax fx #0.118 POLINOMIOS Os escalares fo, fi, ..., fa Sio &s vézes ditos os coeficientes de f ¢ podemos dizer que f € um polinémio com coeficientes em F. Deno- minaremos polinémios da forma cx polindmios constantes e freqiientemente indicaremos xe? por c. Um polinémio nio-nuto f de grau v tal que f, = 1 € dito um polinémio unitério. Teorema 1. Sejam f e g polinémios néo-nulos sébre F, Entéo (a) fg € um polinémio néo-nulo; (b) gr(f) = arf) + ar(g); (©) fg é.um polindmio unitdrio se £ e g sio ambos polindmios unitdrios; (d) fg é um polinémio constante se, e sdmente se, f e g sito poli- némios constantes; © seftg #0, ar(f + 8) < max (grX(f) arte). Demonstracdo, Suponhamos que f tenha grau me que g tenha grau n. Se k é um inteiro nao-negativo. mente 7 Cfontnte = FBntnpinse = to Para que figmpo4e-i ¥ 0, € necessdrio que i < mem+a+ kK —i Xn, Logo, € necessério que m + k 0, As afirmagdes (2), (b), (c) decorrem imediatamente de (45) e (46), enquanto (d) é uma conseqiténcia de (a) e (b). Deixamos a verifica- Glo de (e} a cargo do leitor. Corolério 1. O conjunto dos polinémios sébre um dado ‘corpo F € wma digebra linear comutativa com elemento unidade sdbre F, em relagao ds operacées dadas por (4—1) e (4—2). Demonstragao. Como as operages (4—~1) ¢ (4—2) sfio aquelas definidas na Algebra F” e como F [x] € um subespago de F*, basta demonstrar que o produto de dois polindmios € novamente um polinémio. Isto é trivial quando um dos fatéres € nulo e, em caso contrario, decorre de (a).A ALGEBRA DOS POLINOMIOS 119 Corolério 2. Supénhamos que f, g e h sejam polinémios sébre 0 corpo F tais que f # Oe fg = fh, Entdo g = h. Demionstracdo. Como fg = fh, f(g — 4) = 0, e como f # 0 decorre imediatamente de (a) que g — A = 0. Certos fatos adicionais decorrem bastante facilmente da demons- tragéo do Teorema 1 ¢ mencionaremos alguns déles. Suponhamos que f Eft ec g = 2 pix’. tad 7-0 Entio, de (4—6) obtemos mtn a7 fg= = ( = fer) x. rao \red O leitor deve verificar que, no caso particular de f = cx, g = dx* com c, dem F, (4—7) reduz-se a (4-8) (ex) (dx") = cdx™ +", Ora. de (4—8) e das leis distributivas em F[x], segue que o produto em (4—7) também é dado por (9) 2 figixtx! ig onde a soma é estendida a todos os pares i, j de inteiros tais que O 1, mostrar que ‘a aplicagio f— f(f) € uma transformagio linear injetora de F[x] em Fix}. Mostrar que esta transformag&o ¢ um isomorfismo de F[x] em Fx] se, € sOmente se, gr(h) = 1. 9. Seja F um subcorpo do corpo dos numeros complexes ¢ sejam T ¢ D transformagdes sdbre Fix} definidas por 3 Se 1(2e)- bri D C 2 cat) = Blew, ae a122 POLINOMIOS (a) Mostrar que 7 € um operador linear ndo-singular s6bre Fx]. Mos- ‘trar também que T nio é inversivel. _ ,(b) Mostrar que D € um operador linear sobre. F[x] e determinar seu (c) Mostrar que DT = Ie TD # 1. (A) Mostrar que TU(7f)g] = (TAXTs)— TLATs)) para todos fe g em Fx), (©) Enunciar e demonstrar uma regra para D semelbante a regra dada para T em (d). () Suponhamos que ¥ seja um subespago niio-nulo de Fix] tal que Tf pertenga a V para todo fem V. Mostrar que V no € de dimensio finita. (g) Suponhamos que seja um subespaco de F[x] que tenha dimensio Sls, Desioasar que existe um inteiro m > 0 tal que Dnf = 0 para todo em V. 4.3 Interpolacio de Lagrange Em téda esta segdo suporemos que F seja um corpo fixo e que to, ti, ..., t Sejam m + 1 elementos distintos de F. Seja V 0 subespago de F[x] que consiste dos polinémios de grau menor ou igual a 2 (mais 9 polinémio nulo) ¢ seja L; a fungo de V em F definida para f em V por Lf =f 0S iS n Pela parte (a) do Teorema 2, cada L; € um funcional linear sébre Ve uma das coisas que pretendemos mostrar é que o conjunto formado por Lo, Li, ..., L, ¢ uma base do espago V* dual de V. Evidentemente, para que isto ocorra, € necessdrio ¢ suficiente (cf. Teorema 16 do Capitulo 3) que {Lo, Li,..., Ln} seja a dual de uma base {Po, Pi,..., Pa ’. Existe no mdximo uma tal base ¢, se existe, é caracterizada por 4-10) LP) = Pit) = bi. Os polinémios (4-1l) P= ( = uf(er4 ai Xt — 4) so de grau m, logo pertencem a V e, pelo Teorema 2, satisfazem (4-10). Se f = 2 c;:Pi, entio, para cada j, ¢ (4-12) f@) = z eP{t,) = cjINTERPOLAGAO DE LAGRANGE 123 Como o polindmio nulo tem a propriedade de que O(/) = 0 para todo tem F, decorre de (4—12) que os polinédmios Po, Pi,..., Pa so linearmente independentes. Os polinémios t, x, ..., x" formam uma base de V, logo a dimensig deVén+1. Portanto © conjunto independente { Po, Pi, ..., Px} deve também ser uma base de V. Assim, para todos f em v 12) f= for. A expressio (4—13) é denominada a férmula de interpolacio de Lagrange. Tomando f = x/ em (4—13) obtemos a x} = 2 ys Decorre entéo do Teorema 7 do Capitulo 2 que a matriz 1 to la 6 is (4-14) a rn éinversivel. A matriz em (4—14) é dita uma matriz de Vandermonde; constitui um exercicio interessante mostrar diretamente que uma tal matriz é inversfvel, quando fo, t) ..., t sion + 1 elementos distintos de F. Se f é um polinémio arbitrario sébre F, indicaremos por f” em Nossa presente discussio a fung&o polinominal de F em F que leva cada 4 em F em f(t). Por definigdo (cf. Exemplo 4 do Capitulo 2) téda fungao polinomial surge desta maneira; contudo, pode acontecer que f’ = g’ para dois polinémios f ¢ g tais que f # g. Feliz- mente, como veremos, esta situagdo desagradd4vel ocorre apenas quando F é um corpo com um numero finito de elementos distintos. Para descrever de maneira precisa a relagdo entre polinémios ¢ fun- ges polinomiais, precisamos definir 0 produto de duas fungées polinomiais, Se f e g so polindmios sdbre F, 0 produto de f” por g’ é a fungio f’g’ de F em F dada por (15) 8) = F080, tem F. Pela parte (b} do Teorema 2, (fg)(t) = f(t)g(t), logo (ay = Fox124 POLINOMIOS para cada t em F. Assim, f’g’ = (fg)’ e € uma fungao polinomial. Neste ponto, um fato de verificagao imediata, que deixamos a cargo do leitor, € que o espago vetorial das fungées polinomiais sObre F torna-se uma dlgebra linear com elemento unidade sébre F se a multiplicagio € definida por (4—15). Definigdo. Seja F wn corpo e sejam @ ¢ @' digebras lineares sdbre F. As digebras @ e @! sao ditas isomorfas se existe uma apli-. cacao bijetora a a’ de @ em @' tal que (0) (ca + dy = ca’ + dp" Q) (@8)' = a's’ para todos a e 8 em @ ¢ (udos escalares ce dem F. A aplicagaoa a! € dita um isomor fismo de @ em@'. Um isomorfismo de @ em@! é assim um isomorfismo de espago vetorial de@ em@' que tem a propriedade adicional (2) de “‘conservar” produtos. Exemplo 4. Seja V um espago vetorial n-dimensional sébre 0 corpo F. Pelo Teorema 13 do Capitulo 3 e observagdes subseqiien- tes, cada base ordenada ® de V determina um isomorfismo T + —+ [T]q@ da Algebra dos operadores lineares sdbre V na digebra das n X n matrizes s6bre F. Suponhamos agora que U seja um operador fixo sébre V e que nos seja dado um polinémio f= 2 cex! inO com coeficientes c; em F, Entao JW) = 3 esd tsa e como T — [T]g ¢ uma aplicagao linear Ole = 2 cdU'a. Ora, do fato adicional (NiTelg = (MlelT2le para quaisquer 71, Tz em L(V, VY) decorre que (Ug = (le), 2SiSaINTERPOLACAO DE LAGRANGE 125 Como esta relagdo também é valida para i = 0, 1 obtemos o resultado (4—16) UWle = f(a). Em palavras, se U € um operador linear s6bre V, a matriz de um polindmio em U, em relacdo a uma dada base, € 0 mesmo polindmio na matriz de U. Teorema 3. Se F é um corpo contendo um numero infinito de elementos distintos, a aplicagdo f — (" é um isomorfismo da digebra dos polinémios sébre F na dlgebra das funcées polinomiais sébre F. Demonstracdo. Pela definigio, a aplicagdo € sobrejetora e se fg pertencem a FTx], € evidente que (of + dg)’ = df’ + dg’ para todos os escalares ce d, Como ja mostramos que (fg) = f'g"* basta mostrar que a aplicagio é injetora. Para tanto, € suficiente, pela linearidade, demonstrar que f’ = 0 implica f = 0. Suponha~ mos entdo que f seja um polinémio de grau menor ou igual a a tal que f’ = 0. Sejam fo, 41, .... ty 1 + 1 elementos arbitrdrios distintos de F. Como f’ = 0, f(t) = 0 para i = 0, 1,..., 4,¢ € uma conseqiiéncia imediata de (4—13) que f = A partir dos resultados da préxima segio, obteremos uma demonstragao totalmente diferente déste teorema. Exercicios 1, Usar a formula de interpolagio de Lagrange para determinar um po- linémio f'com coeficientes reais tal que ftenha grau < 3¢ f(—l) = —6, £0) = 2, fl) = —2, fQ) = 6. 2, Sejam a, 8. 7 € 8 mmeros reais, Perguntamos quando é possivel determinar um polindmio fsObre R, de grau nde maior que 2, tal que fi—1) = a, fll) = 8, f3) = 7, © (0) = 4, Demonstrar que isto € possivel se, © sbmente se, Je + GH —y— 85 = 0. 3. Seja F 0 corpo dos numeros reais, 00 0200 A=|0030 9001 € BP = — Ax — 3Xv — 1).126 POLINOMIOS (a) Mostrar que (4) = 0. (6) Sejam Ps, P.. Ps os polindmios de Lagrange para 1, = 2,1 = 3, t, = 1, Calcular E; = P(A), i = 1, 2, 3. (c) Mostrar E, + Er 1 E, = 1, EE, = 0 sei xj, EP = E. (@) Mostrar que 4 = 2E, + 3E. + Ey 4. Seia p = (x — 2Xx — 3Xx— 1) € seja 7 um operador arbitrério sdbre Ré tal que AT) = 0. Sejam Py, Ps, P, os polindmios de Lagrange do Exercicio 3 ¢ seja E; = P{T), i = 1, 2, 3. Demonstrar que Et E+E ah BE =0 vixi, El = Ey @ T= 26, + 3E, + Ey 5. Seja n um inteiro positive e F um corpo. Suponhamos que A seja uma n Xn matriz sébre Fe P seja uma n Xn mattiz inversivel sdbre F. Se f € um polindmio arbitrério sébre F, demonstrar que SCRAP) = P>f(ADP. €, Sg Fu corpo. Consideremes eeros func bre F, obtides pelo “céleulo do valor em ": Up) = fio. Tais funcionais nfo sio apenas lineares, mas também tém a propriedade de que L(fg) = L(f)L{x). Demonstrar que, se L é um funcional linear qualquer sObre Fx} tal que Lf) = WU fLa) para todos fe g, entio L = 0 ou existe um rem F tal que L(f) = f(a) para todos f, 4.4 Ideais de Polinémios Nesta segio preocupamo-nos com resultados que dependem fundamentalmente da estrutura multiplicadora da algebra dos po- linémios sébre um corpo. Lema. Supanhamos que f e d sejam polinémios nao-nulos sébre um corpo F tal que gr(d) < gr{f). Entéo existe um polinémio g em F [x] tal que f—dg = 0 ou grlf — dg) < arf) Demonstragao, Suponhamos que mt Sf = a,x" + E ax’, an #0 imo aol d= b,x* + 2 bet, b, # 0.IDEAIS DE POLINOMIOS 127 Entiom >ne am fo Sond =o ou el f—(F) ord] < et. Assim, podemos tomar g = (2) “nr, Usando éste lema podemos mostrar que © processo familiar de divisiio de polinémios com coeficientes reais complexos é possivel sObre um corpo arbitrdrio. Teorema 4. Se f, d séo polindmios sébre wn corpo F e d é diferente de 0, ent&o existem polinémios q, r em F [x] tais que @ f=dqt+r. ii) r = 0 ou gr{t) < gr(d). Os polinédmios q,t que satisfazem (i) e (ii) sdo unicos. DemonstragGo. Se f & 0 ou se gr(f) < gr(d) podemos tomar q=0er=f. Caso f # Oe gr(f) > gr(d), © lema anterior mostra que podemos escolher um polinémio g tal que f — dg = 0 ou gr(f — dg) <+gr(f). Se f — dg x 0 © gr(f — dg) > gr(d) podemos esco- Iher um polinémio A tal que (f — dg) — dh = Oou alf — dg + I< arf — de). Continuando éste processo enquanto fér necessdrio, obteremos no final polinémios g, r tais que r = 0 ou gr(r) < gr(d) ef = dg +r. Suponhamos agora que também tenhamos f = dg’ + r’ onde r’ = = 0 ou gr(r’) < gr(d). Entéo dg + r= dg’ + r',e dg —q')= =Pr—rSeq—q # 0 entio dg—q') #0e acd) + erg — 9’) = arte’ — 7). Mas como o grau de r’ — r € menor que o grau de d, isto € impos- stvele g’ —q= 0. Logor’—r=0, Definigdo. Seja d wm polinémio ndo-nulo sébre 0 corpo F. Se f estd em F[x], 0 teorema anterior mostra que existe no maximo um polindmio q em F[x] tal que f = dq. Se existe um tal q dizemos que d divide f, que f é divistvel por d, que f é um multiplo de d e denominaremos q 0 quociente de f por d. Escreveremos tambem q = f/d. Corolério 1. Sejaf wn polinémio sébre 0 corpo F e seja c um elemento de F. Entdo f é divistvel por x — c se, e sdmente se, f(c) = 0.128 POLINOMIOS Demonstragao. Pelo teorema, f = (x — c)g + r onde r é um polindmio constante. Pelo Teorema 2, LS) = Ofc) + He) = Hc). Logo r = 0 se, ¢ sdmente se, f(c) = 0. Definigdo. Seja F um corpo. Diz-se que um elemento c em F é uma raiz ou um zero de um dado polinémio f sdbre F se f(c) = 0. Corolério 2. Um polinédmio f de grau n sébre wn corpo F tem no maximo n raizes em F. Demonstragdo. O resultado € dbviamente verdadeiro para poli- némios de grau 0 e grau 1, Suponhamos que seja verdadeiro para polindmios de grau n — 1. Se a é uma raiz de f, f = (x — ag onde g tem grau n — 1, Como f(b) = Ose, ¢ somente se, a = b ou ab) = = 0, decorre de nossa hipdtese de indugio que f tem no maximo n tafzes. O leitor deve notar que o passo principal na demonstragio do Teorema 3 é uma conseqiiéncia imediata déste coroldrio. Definic#o. Seja F um corpo. Um ideal em F[x] é um subespaco M de Fix] tal que fg pertence a M para todo f em F[x] e todo g em M. Exemplo 5. Se F é um corpo e d um polinémio sébre F, 0 conjunto M = dF{[x}, de todos os miultiplos df de d com f arbitrdrio em Fix], é um ideal. De fato, M € nio-vazio, pois M contém d. Se S.g pertencem a F[x] e c é um escalar, entio df) — dg = dof — g) Ppertence a M, portanto M é um subespaco. Finalmente, M também contém (df)g = d(fg). O ideal M é denominado o ideal principal gerado por d, Exemplo 6. Sejam di, ..., ¢, um nimero finito de polinémios sébre F. Entéo a soma M dos subespacos d;F[x] € um subespago e também é um ideal. De fato, suponhamos que p pertenca a M. Entio existem polinémios fi, ..., f, em F[x] tais que p= df; +... + + d,f,. Se g € um polinémio arbitrdrio sdbre F, entio PE = at fig) +... + dal feB) de modo que pg também pertence a M. Assim, M é um ideal ¢ dizemos que M € 0 ideal gerado pelos polinémios a), ..., ds.IDEAIS DE POLINGMIOS 129 Exemplo 7. Seja F um subcorpo do corpo dos ntimeros‘complexos e consideremos o ideal M = (x + 2FIx] + (X? + 8x + 16)Fix]. Afirmamos que M = F[x]. De fato, M contém x? + 8x + 16 — xx + 2) = 6x + 16 logo M contém 6x + 16 — 6(x + 2) = 4. Assim, o polinémio constante 1 pertence a M, bem como todos os seus miiltiplos, Teorema 5. Se F é um corpo e M é um ideal nao-nulo arbitrdrio em Flx], existe um unico polinémio unitdrio d em F{x] tal que M seja 0 ideal principal gerado por d. Demonstragdo. Por hipétese, M contém um polinémio n&o-nulo; entre todos os polinémios néo-nulos em M ekiste um poliriémio d de grau mfinimo. Podemos supor d unitério, pois caso contrério podemos multiplicar d por um escalar de modo a torné-lo unitario, Ora, se f pertence a M, 0 Teorema 4 mostra que f = dq + r onde r = 0 ou grr) < gr(d). Como d esté em M, dq e f — dq = 7 também pertencem a M. Como d é um elemento de M de grau minimo nao podemos ter gr(r) < gr(d), portanto r = 0, Assim, M = dF[x]. Se g € um outro polindmio unitério tal que M = gF[x], ent&o existem polindmios n&o-nulos p,g tais que d = gpeg = dg. Assim d = dpge gr(d) = gr(d) + er(p) + arg). Logo gr(p) = gr(g) = 0 e como d,g so unitérios, p = q = 1, Assim d= interessante observar que na demonstragao acima, utilizamos um caso particular de um fato mais geral ¢ bastante util; a saber, se p € um polin6mio ndo-nulo em um ideal M e se f é um polindmio em M que nao é divisivel por p, entio f = pq + r onde o “resto” r pertence a M, € diferente de 0 ¢ tem grau menor que o de p. J4 usamos éste fato no Exemplo 7 para mostrar que o polinémio constante 1 € 0 gerador unitério do ideal 14 considerado, Em principio, & sempre poss{vel determinar o polinémio unitério que gera um dado ideal n&o-nulo, pois podemos, em ultima andlise, obter um polinémio no ideal que tenha grau minimo por meio de um ntimero finito de diviséés sucess{veis. Corolario, Se pi, ..., Pa so polindmios sébre um corpo F, néo todos nulos, existe wn unico polinémio unitdrio d em Flx} tal que (a) d esté no ideal gerado por pi, ..-, Pai130 POLINOMIOS (b) d divide cada um dos polindmios pi. Todo polinémio que satisfaz (a) 2 (b) satisfaz, necessdriamente, (c) d é divisivel por todo polinémio que divide cada um dos polindmios pr, ..., Pu Demonstragdo. Seja do gerador unitdrio do ideal PiFld +... + paFDA- Todo membro déste ideal é divisfvel por d; assim, cada um dos poli- némios p; € divisivel por d. Suponhamos agora que f seja um poli- némio que divida cada um dos polinémios pi, ..., Pn. Entao, existem polindmios gi, ..., Bx tais que p: = fgi, 1 < i (©) Todos f tais que f(0) (d) Todos f tais que f(2) = (©) Todos f na imagem do fender linear T definido por r( Fax) =i rat) = 2. Determinar o m. d. c, de cad um dos seguintes pares de polindmios {a) 2x? — x? — 3x*— 6x + 4, xt — xt — 2x — 2; (b) 3x4 + 8x7 — 3, x5 + Der + 3x + 6; (0) xt — Des — 2x? — 2x — 3, x8 + Gxt Ie +t 3. Seja A uma 1 X fm matriz sébre um corpo F. Mostrar que o conjunto dos polinémios fem F[x} tais que f[4] = 0 é um ideal. 4, Seja F um subcorpo dos niimeros complexos e seja +4)132, POLINOMIOS etemigar © gerador unitério do ideal dos polinémios f em Flx] tais que (4) = 0. 5. Seja F um corpo. Mostrar que a interseglo de um mimero arbitrério de ideais em F[x] € um ideal. 6. Seja F um corpo. Mostrar que 0 ideal gerado por um niimero finito de polinéeios fi... fe erm FIs] € & interseqio de todos os ideals que con faseoes Su 7. Seja K um subcorpo de um corpo F € suponhamos que f, g sejam polindmios em K[x]. Seja Mx 0 ideal gerado por fe g em KIx] © Mr 0 ideal gue les geram em Fl=} Mostrar que Mx e My possuem o mesmo unitério. 4.5 A Decomposicio de um Polinémio em Fatéres Primos Nesta seco demonstraremos que cada polindmio sdbre o corpo F pode ser escrito como um produto de polinémios “‘primos”. Esta fatoragio nos fornece um instrumento eficiente para determinar 0 mAximo divisor comum de um mimero finito de polinémios e, em particular, fornece um meio efetivo para decidir se os polinémios so relativamente primos. . Seja F wn corpo. Diz-se que um polindmio f em F[x] é redutivel sébre F se existem polindmios g,h em F[x] de grau > | tais que f = gh e, em caso contrdrio, diz-se que f é irredutivel s6bre F. Um polinédmio ndo constante irreduttvel sdbre F & denominado wn polinémio primo sébre F e dizemos, as vézes, que é wn primo em FIx). Exemplo 10. O polinémio x? + 1 € redutivel sébre 0 corpo C dos némeros complexos, pois xe+lea(e+)(x—d) ¢ os potindmios x + i, x — i pertencem a Cfx]. Por outro lado, x? + 1 é irredutfvel sdbre 0 corpo R dos mimeros reais, pois se x? + 1 = (ax + b)(@’x + 6) com a, a’, b, b’ em R, entio aa’ = 1, ab’ + ba’ = 0, bb’ = 1. Estas relagdes implicam a? + 6* = 0, o que € imposs{vel com mimeros reais a e b, a menos que a = b = 0. Teorema 6, Sejam p, f e g polindmios sébre 0 corpo F. Supo- uhamos que p seja um polindmio primo e que p divida o produto fg, Entdo p divide f ou p divide g.A DECOMPOSICAO DE UM POLINOMIO EM FATORES SIMPLES 133 Demonstragaéo. Nao hé perda de generalidade se supomos que péum poliniémio primo unitério. O fato de que p € primo diz entio simplesmente que os tnicos divisores unitérios de p so 1 ¢ p. Seja d=(fp)om.d.c.defep. Oud =1oud = p, pois d é um poli- némio unitdrio que divide p. Se d = p entio p divide f e ja terminamos. Portanto, suponhamos que d = I, isto é, suponhamos que Se p sejam relativamente primos, Demonstraremos que p divide g. ‘Como (fp) = I, existem polindmios fo € po tais que | = fof + pop. Multiplicando por g obtemos 8 = fofe + pops = (fefo + rpg). Como p divide fg, divide também (fg)fo ¢ certamente p divide p(pog). Assim p divide g. Corolirio. Se p é um primo e divide um produto f,, ..., fay en tao p divide um dos polinémios fi, ..., fr Demonstragdo. A demonstragéo € por indugio, Para n = 2, 0 resultado é simplesmente o enunciado do Teorema 6. Suponhamos que o resultado seja vélido para n = k e que p divide o produto Sis «++, fai de certos (k + 1) polindmios. Como p divide(fi, - .e Sifigt p divide fe 41 ou p divide fi... fe. Pela hipstese de i Gio, se p divide fi ...f, entio p divide f; para algum j, 1S / 1. Por indug&o podemos supor o teorema verdadeiro para todos os polinémios nao-constantes e unitdrios de grau menor que n. Se S ¢ irredutfvel, f j4 esté decomposto como um produto de primos ‘unitérios e, em caso contrario, f = gh onde g ¢ A s&o polindmios no-constantes ¢ unitdrios de grau menor que 7. Assim g e A podem ser decompostos como produtos de primos unitérios em F[x], logo f também pode sé-lo. Suponhamos agora que S = Pies Pw = Ms + onde pi, ..+, Pm & Gis «++» Qs S40 primos unitérios em F[x), Entéo134 POLIN6MIOS Pu divide o produto gi . .. ga. Pelo coroldrio acima, pq divide algum qi. Como q: € Px sio ambos primos ¢ unitérios isto significa que (4-16) Gi = Pm De (4-16) vemos que m =n = 1 sem=1 oun = 1, pois ars) = = arp) = 2 srg a j= Neste caso nada resta a demonstrar, portanto podémos supor m > > len > 1, Reordenando os g podemos supor que pa = gn € que Pi +++ PmatPm = Qt --+ Gn—1Pm Ora, pelo Coroldrio 2 do Teorema 1 decorre que Pies Pmad = Qi oe Gnade Como o polinémio pi ... pa— tem grau menor que n, nossa hipdtese de indugio se aplica e mostra que a seqiiéncia gi, ..., Qn—1 Eno maximo uma reordenago da seqiiéncia pi, ..., Pa—1. Isto, junto com (4—16), mostra que a decomposigao de f num produto de primos unitérios ¢ tinica a menos da ordem dos fatéres. Na decomposig&io acima de um polindmio f nao-constante e unitério, alguris dos fatéres primos ¢ unitérios podem repetir-se. Se pi, pz, ..., pr sio os primos unitdrios distintos que ocorrem nesta decomposigao Ge f, entio @17) f = pitpy ... pr, sendo 0 expoente n; 0 nuimero de vézes que o primo p; ocorre na decomposigio, Esta decomposigao é certamente unica e € denominada a decomposic#o primdria de f. Verifica-se facilmente que todo divisor unitdrio de f é da forma (4-18) PMpr ... pr, OS mi Sm. De (4—18) decorre que o m.d.c. de um miimero finito de polind- mids ndo-constantes ¢ unitirios fi, ..., f, € obtido combinando todos aquéles prinios unitérios que ocorrem simultaneamente nas decomposigées de fi, ..., f.. O expoente ao qual cada primo deve ser clevado é o maior ntimero natural para o qual a correspondente poténcia prima é um fator de cada f. Se nfo existem poténcias pri- Mas (rido-triviais) que sejam fatéres de cada f;, 08 polindmios sio telativamente primos,A DECOMPOSICAO DE UM POLINOMIO EM FATORES SIMPLES 135 Exemplo 11. Suponhamos que F seja um corpo e sejam a, b ¢ ¢ elementos distintos de F, Entio os polinémios x — a, x — be x — c so primos unitérios distintos em F[x]. Se m, ne s sao inteiros positivos, (x — cy’ é o m.d. c. dos polinémios (x — bY(x — cy © (x — al"(x — cy enquanto que os trés polinémios (&e — bx — 0), (x — 2" — 0, (x — ax — BY sio reldtivamente primos, Teorema 8. Seja f um polinémio nao-constante e unitdrio sébre o corpo F e seja S = PP... pe a decomposigao de f fatéres primos. Para cada j, 1 xy que satisfazem (1) K € wm grupo comutativo em relacéo 4 operagao (x, y) > — x + y (K é um grupo comutativo em relagao a adigao); (2) (xy)z = x(yz) (a multiplicagao € associativa); 3) xy + 2) = xy + xz; (y + 2) x = yz + 2x (valem as duas leis distributivas). Se xy = yx para todos x e y em K, dizemos que o anel K é comutativo. Se existe um elemento 1 em K tal que 1x = xl = x para todo x, dizemos que K é um anel com elemento unidade e 1 é denominado o elemento unidade de K. Estamos interessados em anéis comutativos com elemento unidade. Tal anel pode ser descrito rapidamente como um conjunto K, munido de duas operagdes que satisfazem todos os axiomas da de-FUNGGES DETERMINANTES 139 finigio de um corpo dado no Capitulo 1, com excegio talvez do axioma (8) e da condi¢ao 1 > 0. Assim, um corpo é um anel comutativo com elemento unidade diferente de zero tal que a cada x naio- -nulo corresporide um elemento x~! tal que xx-! = 1. O conjunto dos inteiros, com as operagdes usuais, € um anel comutativo com elemento unidade mas n&o é um corpo. Outro ane! comutativo com elemento unidade é 0 conjunto dos polinémios sébre um corpo, com a adigio e a multiplicagzo que definimos para polindmios, Se K é um anel comutativo com elemento unidade, definimos uma m X n matriz sébre K como sendo uma fung&o 4 do conjunto dos pares (i, j) de inteiros, 1< i< m, 1 i+ 1 trans- pomos aj41 ¢ a; ¢ a matriz resultante B possui duas linhas iguais adjacentes, portanto D(B) = 0. Por outro lado D(B) = — D(A), portanto D(A) = 0. Definigdo. Sen > 1 ¢ A é wna n X n matriz sébre K, indiquemos por A(ilj) a (n — 1) X (n — 1) matriz obtida de A retirando-se a i-ésima linha e a j-ésima coluna, Se D é umg funcao (n — 1)-linear eAé uma n X n matriz, colocamos Di{A) = D{A(ilj)). Teorgma 1. Sejan > t e seja D uma funcdo (n — 1)-linear alternada sébre as (n — 1) X (n — 1) matrizes sdbre K. Para cada j, 1<7 (Lo 8): Demonstrar 0 seguinte: (a) DO) = 0; (b) D(A) = 0 se A? = 0; (©) D(B) = —D(A) se B’é obtida transpondo-se duas linhas (ou co- tunes de 4; (d) D(A) se uma linha (ou coluna) de A é 0; (©) D(A) = 0 sempre que 4 é singular. 14, Seja A uma 2 X 2 matriz sObre um corpo F. Entlo 0 conjunto das matrizes da forma /(4), onde f€ um polindmio sObre F, € um anel comutativo K com elemento unidade. Se B é uma 2 X 2 matriz sObre X, o determinante de B é entlo uma 2 x 2 matriz sdbte F, da forma f(4). Suponhamos que / seja a 2 X 2 matriz unidade sObre Fe que B seja a 2 X 2 matriz sO bre K A— Ant Ayal ae [Aa ata): Mostrar que det B = f(A), onde f = x* — (Ay, + Aus)x + det A, € tambem que f(A) = 0. 5.3 Permutagdes e a Unicidade de Determinantes Nesta seco demonstraremos a unicidade da fungio determinante sébre as n X n matrizes s6bre K. A demonstrag&o nos levaré, de miodo bem natural, a considerar permutagdes ¢ algumas de suas propriedades bdsicas. Suponhamos que D seja uma fung&o v-linear alternada sdbre asn X n matrizes sObre K. Seja A uma mn X n matriz sdbre K com150 DETERMINANTES linhas a, a2, ..., an. Se indicarmos as linhas da n X # matriz unidade sObre K por e1, 2, ..., én, entdo (59) ai = 3 Mites LSE Mm jet Logo D(A) = D{% ACA, fej cra, «+, ain) 3 = TAL, /Dlej, a2, ...5 om). j Se agora substituirmos a2 por 2 A(2, kee veremos que 4 Dfej,02, 6.6, an = 2 A(2, K)DKe;, ey «ota * Assim D{A) = 2 AC. J)AQ, K)DKejs ky «+5 On) a Em D(¢;,€, ..., a.) Substituimos em seguida as por 2 A(3, 1)e € assim por diante. Obtemos finalmente umia expressio complicada mas tebricamente importante para D(A), a saber GS-10) D(A) = ACI, Ki)AQ2, ka)... Att, kn) Dears thay «6 Cb) Ri Reco ke Em (5-10) a soma € estendida a tédas as seqiiéncias (Ki, ke, ..., kn) de inteiros positivos menores ou iguais an. Isto mostra que D é uma soma finita de fungdes do tipo descrito por (5-2). Deve-se notar que (5-10) € uma conseqiiéncia apenas da hipétese de que D é n-linear e também que um caso particular de (5-10) foi obtido no Exemplo 2. Como D é alternada, D = (ley thy --05 6) = 0 ‘sempre que dois dos indices k; iio iguais. Uma seqiiéncia (ki, ka, ..-_ +5 ka) de inteiros positivos menores ou iguais a mn, com a proprie dade de nao existirem dois k; iguais, é denominada uma permutacio de grau #, Portanto, em (5—10), precisamos somar considerando apé- nas as seqiléncias que sejam permutagées de grau 7. Com uma seqiiéncia finita, ou a-upla, € uma fuing&o definida sébre os n primeiros inteiros positivos, uma permutagio de grau n pode ser definida como uma fungo bijetora do conjunto {1, 2,..., 1 em si mesmo. Tal fungio ¢ corresponde a n-upla (ol, ¢2, ..., onde &PERMUTACOES E A UNICIDADE DE DETERMINANTES 151 simplesmente uma regra para ordenar 1, 2,..., "de alguma maneira bem definida. Se D é uma funcio n-linear alternada e A é uma m X 1” matriz sébre X, entdo temos (5-11) D(A) = ZAI, ol)... ACH, on) Dees + + fend onde a soma é estendida a tédas as permutages o distintas e de grau n. A seguir mostraremos que (12) Pears +15 fon) = £ Deer, .. +5 &) onde o sinal + depende sdmente da permutagao «. A razio para isto € a que segue. A seqiiéncia (ol, o2, ..., om) pode ser obtida da seqiiéncia (1,2, ..., 4) por um numero finito de transposigdes de pares de elementos. Por éxemplo, se o1 + 1, podemos transpor 1 e 1 obtendo (cl, ..., 1, ...). Procedendo desta maneira chegaremos & seqtiéncia (01, ..., o#) apés n ou menos transposigdes de pares. Como D é altertiada, o sinal de seu valor muda cada vez que trans- pomos duas das linhas ¢; € «,. Assim, se passamos de {t, 2,..., 2) a(cl, 2,..., om) por meio de m transposigties de pares (i, ) teremos. Dleoy s+ 5 ton) = (— D" Da, «+ ., €n)s Em particular, se D é uma fungao determinante (5-13) Deas ++ en) = — 1)” onde m depende sdmente de ¢ ¢ nfo de D, Assim, tédas as fungdes determinantes associam o mesmo valor 4 matriz com linhas e,,,..., +s Ge, © Oste valor € 1 ou —1. Um fato bdsico s6bre permutagSes € 0 seguinte: se « € uma permutagdo de grau a, pode-se passar da seqiiéncia (1, 2,..., a) & seqiiéncia (ol, 02, ..., om) por meio de uma série de transposigdes de pares e isto pode ser feito de diversas maneiras; contudo, qualquer que seja a maneira pela qual isto é feito, o numero de trans- Posigdes usadas € sempre par ou sempre impar. A permutagao é entéo denominada par ou impar, respectivamente, Define-se o sinal de uma permutagéo por 1, seo € par sinalo =} 1” se @ & impar com o simbolo “1” indicando aqui 0 inteiro t, Mostraremos abaixo que esta propriedade basica das permutagées pode ser deduzida do que jd sabemos sdébre fungdes determinantes. Suponhamos por ora152 DETERMINANTES que isto seja verdade. Ent&o o inteiro m que aparece em (5—13) € sempre par se ¢ € uma permutacao par e ¢ sempre impar se o é uma permutacio impar. Para qualquer funcdo D n-linear e alternada temos ent&o Deas. ++ ton) = (sinal o)D(a, ..., &n) e usando (5—11) (5-14) D{A) = [& (sinal ¢) ACA, ol)... A(t, on)] DZ). E claro que J indica a n X n matriz unidade, De (5—14) vemos que existe exatamente uma fung&o determinante s6bre as n X » matrizes sSbre K. Se indicarmos esta fungio por det, ela seré dada por (5-15) det(4) = 2 (sinal c)A(I, ol)... A(n, on) sendo a soma estendida a t6das as permutagdes o distintas ¢ de grau n, Podemos resumir formalmente como segue. Teorema 2, Seja K um anel comutativo com elemento unidade € seja n um inteiro positive. Existe exatamente wna fungdo determinante sébre o conjunto das m X n matrizes sdbre K, que é a fuhcdo det definida por (5-15). Se D & uma fungdo n-linear alternada arbitrdria sébre o conjunto das n X n matrizes sobre K, entdo, para téda matriz A déste tipo, D(A) = (det ADD. Este € 0 teorema que procurdvamos, mas deixamos uma lacuna na demonstragdo, Essa lactina ¢ a demonstragio de que, para umh dada permutagio o, quando passamos de (1, 2, ..., #) para (ol, 02, ..., om) transpondo pares, o mimero de transposigées € sempre par ou sempre {mpar. Este fato bisico de combinatéria pode ser demonstrado sem nenhuma referéncia a determinantes; contudo, gostarfamos de salientar como éle decorre da existéncia de uma fungio determinante sObre X n matrizes. Tomertos K como sendo'o anel dos inteiros, Seja D uma fungio determinante s6bre as n X n matrizes sObre K. Seja « uma permutagio de grau 7 e suponhamos que passemos de (i, 2,..., 1) a (c1, 02, ..., of) por meio de m transposigdes de pares (i, ) i * j. Como mostramos em (S5—13) (— I = Dee es endsPERMUTAGOES E A UNICIDADE DE DETERMINANTES 153 isto ¢, o miimero (— 1)" tem que ser o valor de D sébre a matriz de lirthas €,, ...5 €eq: S€ Dens «+ +5 fx) = 1, entaéo m tem que ser par. Se Dery s+) be) = — 1 entio m tem que ser impar. Como temos uma férmula explicita para o determinante de uma n X n matriz e esta formula envolve as permutagdes de grau 1, vamos concluir esta seco fazendo mais algumas observagdes sdébre permutagdes. Primeito, notenios que existem exatamente m! = 1. «+. permutagées de grau 7, pois se « € uma tal permutacio, existem n escollias possiveis para a1; uma vez feita, existem (n — 1) possibilidades para 02! depois (n — 2) possibilidades pata o3 e assim por diante. Logo, existem na —A)(n— 2)...2.1 50! permutagao c. A férmula (S—15) para det (A) fornece desta maneira det (4) como uma soma de m1! térmos, um para cada permutagio de grau n. Um térmo genérico é um produto A(l, ol) ... A(n, on) de n elementos de A, um elemento de cada linha e um de cada coluna, e € acompanhado de um sinal “+” ou “—” conforme o seja uma permutagio par ou fmpar. Quando as permutagées sf consideradas como fung&es bije- toras do conjunto {1, 2,...,m} em si mesmo, é possfvel definir um produto de permutagdes. O produto de o por r serd simplesmente a fungio composta or definida por @7)() = a(x’). Se ¢ indica a permutagdo idéntica, «{i) = i, entio cada o possui uma inversa o~? tal que gam = Pode-se resumir estas observagdes dizendo que, em relagéo a operagio de composig&0, 9 conjunto das permutagées de grau n é um grupo. Este grupo é usualmente denominado o grupo simétrico de grau 7.154 DETERMINANTES Do ponto de vista de produtos de permutagées, a propriedade fundamental do sinal de uma permutagio é que (5-16) sinal (cr) = (sina o)(sinal r). Em outras palavras, «7 é uma permutagio par se o e r sao ambas pares ou ambas impares enquanto que or é impar se unia das duas permutagées € impar e a outra € par. Pode-se ver isto pela définigfio do sinal em térmos de permutacées sucessivas de pares (i, /), Poder& ser também instrutivo se ressaltarmos como a igualdade sinal (07) = = (sinal «) (sinal r+) decorre de uma propriedade fundamental dos determinantes, Seja K o anel dos inteiros ¢ sejam o ¢ + permutagdes de grau n. Sejam «1, ..., ¢, a8 linhas da n X a matriz unidade sObre K, seja ‘Aa matriz de linhas ¢,,,..., ¢, € ssja B a matriz de linhas ¢,, +++» f+ A i-ésima linha de A contém exatamente um elemento nio-nulo, a saber, o 1 na coluna ri. A partir disto, é facil ver que e,, € a i-ésima linha da matriz produto AB, Ora, det(A) = sinal r, det(B) = sinalo ¢ det(4B) = sinal (c7). Portanto tereios sinal (er) = (sinal «) (sinal r) desde que demons- tremés 0 seguinte: Teorema 3. Seja K wn anel comutativo com elemento unidade e sejam A e Bn X n matrizes sdbre K. Entdo det (AB) = (det A) (det B). Demonstragdo. Seja B uma n X n matriz fixa sObre K e para cada » Xn matriz A definamos D(A) = det-(AB). Se indicarmos as linhas de A por a, ..., aq, entdo Dian, «++ tn) = det (arB, ..., omB). Aqui a;B indica a 1 X 1 matriz que é o produto da | X nm matriz a; pela n X n matriz B. Como (cor + af)B = caiB + ajB e det é nlinear, ¢ facil ver que D é n-linear. Se a; = aj, ent&o, «iB = = a;B, ¢ como det é alternada Dla, «+, &) = 0. Logo, D é alternada. Ora, D é uma fungio n-linear alternada ¢ pelo Teorema 2 D{A) = (det A)DU).PERMUTAGOES E A UNICIDADE DE DETERMINANTES 155 Mas D(I) = det (/B) = det B, portanto det (AB) = D(A) = (det A) (det B). O fato de que sinal («7) = (sinal «) (sinal r) é apenas um dos muitos corolérios do Teorema 3. Consideraremos alguns désses co- rolérios na préxima segao. Exercicios 1. Se K & um ane! comutativo com elemento unidade e A é a matriz sobre K dada por o a 6 A=|-a 0 ¢ —b — 0 mostrar que det A = 0. 2, Demonstrar que o determinante da matriz de Vandermonde [i 2] €( — a) ( — a) (€ — d) 3. Enunciar explicitamente as seis permutagées de grau 3, dizer quais sio impares € quais so pares ¢ usar isto para dar uma formula completa (5—15) pare o ceterminante de uma 3 % 9 mati. 4 Sejam 7 © 7 as permutagdes de grau 4 definidas por ol = 2, 02 = 3, od = 4, ose l, van r= 1rd = 2,14 = 4 (8) © ¢ par ou fmpar? r € par ou impar? (b) Determinar er € re. 5. Se A é uma x X n matriz inversivel s6bre um corpo, mostrar que det Awd. 6. Seja A uma 2 X 2 matriz sdbre um corpo. Demonstrar que det (/ + 4)= = 1 + det A se, © sdmente se, trago (4) = 0. 7. Uma n X n matriz A é denominada triangular se A;; = 0 sempre que i > jou se Aj = 0 sempre que i Le seja A uma n X n matriz sObre K. No Teo- rema 1 mostramos como construir uma fungao determinante sdbre asm X n matrizes, dada uma tal fungSo sdbre as (n — 1) X (n — 1) matrizes. Agora que demonstramos a unicidade da fungio determinante, a férmula (S—4) nos diz o que segue. Se fixamos uma coluna arbitraria de indice j, det A= 3 (— 1444; det AG). im O escalar (—~ 1)" det A(il) € usualmente denominado 0 i, j cofator de A ou 0 cofator do elemento i, j de A. A férmula acima para det 4 éentéo denominada o desenvolvimento de det A pelos cofatores da j-ésima coluna (ou, As vézes, o desenvolvimento pelos menores da J-ésima coluna). Se colocarmos Ci = (— Dt! det AGH) ent&o a férmula acima diré que para cada j det A = E Ais ial onde o cofator C,; é (— 1)'* vézes o determinante da (2 — 1) x X (n—~ 1) matriz obtida de A retirando-se a i-ésima linha e a j-¢sima coluna de 4. Se j * k, entio E daly; = 0. iad De fato, substituamos a j-ésima coluna de A por sua k-ésima coluna160 DETERMINANTES e chamemos a matriz resultante de B. Entéo B possui duas colunas iguais, logo det B = 0, Como A(ij) = A(i|j) temos O = det B = E(B, det BG) iat = 2 An det ACD) AjCiz. Estas propriedades dos cofatores podem ser resumidas por (5-21) 2 AnCy = Bn det A. it An X n matriz adj A, que é a transposta da matriz dos cofatores de A, é denominada a adjunta cldssica de A. Assim (5-22) (adj A)ij = Cys = (— 1Y'*? det AG). As férmulas (5-21) podem ser resumidas na equacao matricial (5-23) (adj AYA = (det ADI. Desejamos também ver que A(adj A) = (det A)J. Como A'(ilj) = = ACjli)' temos (— 1)'+ det Aj) = (— 1+! det AG) que diz simplesmente que o i, j cofator de A‘ € 0 j, i cofator de A. Assim (5-24) adj (A) = (adj 4). Aplicando ($—23) a A‘ obtemos (adj ADA‘ = (det AI = (det Ayr ¢ transpondo A(adj A! = (det A)I. Usando (5—23) obtemos o que queremos: (5-25) A(adj A) = (det ADI.PROPRIEDADES ADICIONAIS DOS DETERMINANTES 161 Da mesma forma que para matrizes sSbre um corpo, uma” X 1 matriz 4 sdbre K é dita inversivel sébre K se existe uma n X n matriz A~? com elementos em K tal que AA~! = A~!A = I, Se existe uma tal inversa, ela € tinica, pois 0 mesmo argumento usado no Ca- pitulo 1 mostra que quando BA = AC = | temos B = C. As fér- mulas (5-23) e (5—25) nos dizem o seguinte sébre a inversibilidade de matrizes s6bre K: se 0 elemento det A possui um inverso multi- plicativo em K, ent&éo A é inversivel a A~! = (det A)~! adj Aéa unica inversa de A. Reciprocamente, é facil ver que, se A é inversfvel sdébre K, o elemento det A é inversivel em K, pois se BA = J temos = det J = det (4B) = (det A) (det B), O que demonstramos é o seguinte: Teorema 4. Seja A uma n X n matriz sébre K, Entéo A é inversivel sébre K se, e sdmente se, det A é inversivel em K. Qudndo A é inversivel, a unica inversa de A é Aq! = (det A)7? adj A, Em particular, uma 1 X n matriz sdbre um corpo € inversivel se, e somente se, seu determinante é diferente de zero. Gostarfamos de salientar que éste critério relativo a determinantes para a inversibilidade demonstra que uma n X n matriz com uma inversa & esquerda ou & direita é invers{ve!. Esta demonstragio € completamente independente da demonstragéo que fizemos no Capitulo 1 para matrizes sdbre um corpo. Gostarfamos também de ressaltar o que a inversibilidade significa para matrizes cujos elementos s&0 polinémios. Se K € o anel de polinémios F[x], os inicos elementos de K que sao inversiveis sao os polinémios constantes ngo-nulos. De fato, se fe g so polindmios ¢ fg = 1, temos gr(f) + + gr(g) = Ode modo que gr(f) = ar(g) = 0, isto é, fe g sao poli- némios constantes. Portanto uma n +n matriz sObre o anel de polinémios F[x] é inversivel sbre F[x] se, e sdmente se, seu determinante é um polinémio constante n&o-nulo. Exemplo 7. Seja K = R[x], 0 anel de polinémios s6bre 0 corpo dos nimeros reais. Sejam site xt =f ,’-} x+2 ae[e, ] B Le abs x |. Ent&o, por meio de cdlculos simples, det A = x + le det B = —6,162 DETERMINANTES Assim, A nio € inversivel sébre K, enquanto que B € inversivel sbre K, Notemos que —7-f to —x=1 a x —x—2 aia = [iy xe | B= | ne Sons Foil (adj A)A = (x + 1)/, (adj B)B = —6/, E claro que 2! x —x— 2 Bind yg roe Exemplo 8. Seja K 0 anel dos inteiros ¢ 1 2 a=[j 4a} Ent&o det A = —2¢ 4 3]: adjA=|-3 1 Assim, A nao é inversfvel como uma matriz sdbre o anel dos inteiros; no entanto, podemos também considerar A como uma matriz sdbre © corpo dos nuimeros racionais. Se o fazemos, ent&o A é inversivel e e344] [4 J: Com relagio a matrize$ inversiveis, gostariamos de mencionar mais um fato elementar. Matrizes semelhantes tém o mesmo determinante, isto ¢, se P é inversivel sbre Ke B = P-'AP, entao det B = = det A. Isto é evidente, pois det(P-'AP) = (det P-") (det A) (det P) = det A. Esta observacao simples torna possivel definir o determinante de um operador linear s6bre um espaco vetorial de dimensao finita. Se T € um operador linear sébre V, definimos o determinante de T como sendo o determinante de qualquer m X n matriz que represente T em relagio a alguma base ordenada de V. Como tédas essas matrizes sfo semelhantes, elas possuem o mesmo determinante e nossa definig&o faz sentido. Gostariamos agora de discutir a regra de Cramer para a reso- lugiio de sistemas de equagées lineares. Suponhamos que A seja uma n X n matriz sébre o corpo F e que desejamos resolver o sistemaPROPRIEDADES ADICIONAIS DOS DETERMINANTES 163 de equacdes lineares AX = Y para uma dada n-upla (y, ..., Yn). Se AX = Y, entio {adj AYAX = (adj A)Y € portanto (det A)X = (adj AY. Assim (det Ax; = 3 (adj Aan, = Be ity; det AG). Esta ultima expressao é o determinante de n X n matriz obtida substituindo a j-ésima coluna de A por Y, Se det A = 0, tudo isto nao nos diz nada; contudo, se det A + 0 temos o que é conhecide como a regra de Cramer. Seja A uma n X n matriz sObre o corpo F tal que det A # 0. Se yi,..., Jn Sdo escalares arbitrdrios em F, a inica solugio X = A~1¥ do sistema de equagdes AX = Y é dada por det Be *% = Geta’ F=Men onde B;é an X n matriz obtida de A substituindo a j-ésima coluna de A por Y. Concluindo éste capitulo, gostariamos de fazer alguns comen- trios que sirvam para colocar os determinantes naquilo que acre- ditamios ser a perspectiva apropriada. De vez em quando, € neces- s4rio-calcular alguns determinantes particulares e esta segdo foi par- cialmente dedicada a técnicas que irdio facilitar ésse trabalho, No entanto, o papel principal dos determinantes neste livro é teérico. Nio se discute a beleza de fatos tais como a regra de Cramer. Mas a regra de Cramer é um instrumento ineficiente para resolver sistemas de equagées lineares, principalmente porque envolve cdlculos em demasia. Portanto, devé-se concentrar no que a regra de Cramer diz, e nio em como calcular por meio dela. De fato, refletindo sdbre éste capitulo, esperamos que 0 leitor coloque mais énfase na com- preenstio do que a fungao determinante é e como ela se comporta do que no modo de calcular determinantes de matrizes particulares. Exercicios 1, Usar a férmula da adjuma cléssica para calcular as inversas das 3 x 3 matrizes reais ons [ee 3] ore] 0 ot sen @ 0 cos 8,164 DETERMINANTES 2. Usar a regra de Cramer para resolver os seguintes sistemas de equacies lineares sébre o corpo dos mimeros racionais: @ x+oy¢ reli w—by— te 0 Bw t+ 4y + 22 = 0 (b) 3x—2y = 7 yin 6 32 — 2x = —1 3. Uma n X m matriz A sObre um corpo F é anti-simétrica se At = —A. Se 4 é uma n X n matriz anti-simétrica com elementos complexos ¢ se n impar, demonstrar que det 4 = 0. 4, Uma 1 x 1 matriz A sObre um corpo F é dita ortogonal se AA‘ = /, Se A € ortogonal, mostrar que det A = + 1, Dar um exemplo de uma matriz ortogonal para a qual det 4 = —1. 5, Uma n X 7 matriz 4 sdbre o corpo dos mimeros complexos é dita uni- thria se AA* = J (A* indica a transposta conjugada de A), Se A é unitdria, mostrar que | det 4| = 1. 6. Sejam Te U operadores lineares sébre o espago vetorial V de dimenso finita, Demonstrar que (a) det (TU) = (det TXdet_U); (b) T é inversivel se, e sdmente se, det T x 0. 4. Seja A uma » X n matriz s6bre K, um anel comutativo com elemento unidade. Suponhamos que 4 seja da forma em blocos ‘A, 0 0 oA 0 aelo: : a0 Ay, onde A; é uma r; X r; matriz, Demonstrar que det A = (det A\Xdet A,)... (det Ay). 8 Seja V o espago vetorial das n X m mattizes sdbre o corpo F, Seja B um elemento fixo de Ve seja Ts 0 operador linear sdbre V definido por Tx(4) = AB-— BA. Mostrar que det Tz = 0. A uma ” X n matriz s6bre um corpo, A xf 0. Se r é um inteiro positivo arbitrério entre 1 e 7, uma r X r submatriz de A é qualquer r X matriz obtida retirando (n — r) linhas e (n — r) colunas de A. O ptsto- -determinante de 4 é o maior inteiro positivo r tal que alguma r X r submatriz de A possua um determinante néo-nulo, Demonstrar que o pésto- -determinante "ie A @ igual ao pésto-linha de 4 (= pésto-coluna de A). 1. ja A uma n X n matriz sdbre o corpo F. Demonstrar que existem iximo n escalares ¢ distintos em F tais que det (ef — A) = 0. AL, Sejam A ¢ Bn X n matrizes sdbre 0 corpo F, Mostrar que se A ¢ inversivel existem no méximo m escalares c em F para os quais a matriz cA + B nao € inversivel.PROPRIEDADES ADICIONAIS DOS DETERMINANTES 165 32, Seja V 0 espago vetorial das » X n matrizes sObre F, B uma n X n matriz fixe sdbre F ¢ sejam Eg ¢ Rx os operadores lineares sbre V definidos por La(4} = BA € RA) = AB. Mostrar que (a) det Le = (det BY: (b) det Ra = (det BY. 13, Sea ¥ 0 espago vetorial das nm X 1 matrizes s6bre 0 corpo dos mimeros complexos ¢ seja B uma n X a matriz sObre C, fixa, Definamos um operador linear Mp sObre V por My(4) = BABY. onde B* = Bi. Mos- trar que det Ms = | det 8|™. # conjunto de tédas as matrizes hermitianas em V. (4 um operador linear sbre o espaco vetorial real A e depois mostrar que Te = (det Bl, (Sugestdo: Ao calculat det Tz, mostrar que V possui uma Byes constitulde de matrizes hermitianas e ento mostrar que det 7s = det 2. 14, Sejam A, B,C, Dn X n matrizes sBbre o corpo F tais que elas comutam. Mostrar que o determinante da 2n X 2n matriz [é 6 € det (AD — BC).CAPITULO 6 DECOMPOSICOES EM SOMAS DIRETAS INVARIANTES 6.1 Decomposicgdes em Somas Diretas Mencionamos anteriormente que nossa meta principal é estudar transformagdes lineares sébre espagos vetoriais de dimensao finita, Até ste ponto jé vimos muitos exemplos particulares de trans- formagées lineares e demonstramos alguns teoremas s6bre transfor- formagées lineares arbitr4rias. No caso de dimensao finita utilizamos bases ordenadas para representar essas transformagées por meio de matrizes e essa representagio nos ajuda a perceber o seu comporta- mento. Pesquisamos o espago vetorial L(V, W) das transformacdes lineares de um espago em outro e também a dlgebra linear L(V, V) das transformagées lineares de um espago em si mesmo. Nos pré- ximos dois capftulos, estaremos preocupados com operadores lineares, Nosso programa é tomar um operador linear T s6bre um espago vetorial V de dimensio finita e “‘desmonté-lo para ver como éle funciona”. Nosso método fundamental para o estudo de T seré o de decompor o espago subjacente V numa soma de subespagos, cada um dos quais é invariante sob T. Isto “decompord” T numa soma de operadores mais simples. Passamos agora a apresentar as idéias fundamentais de que necessitaremos, Se W, e We sio subespagos de V, ja discutimos a soma W = = W, + Wa, isto é, 0 subespago de todos os a = a1 + a2 coma; em W;, Uma situagio particularmente agraddvel ocorre quando W; e Wz so disjuntos, isto €, quando a intersegdo de Wie We € 0 subespago nulo. De fato, neste caso, um dado vetor a em W pode ser escrito sob a forma a = a1 + a2, a; em Wj, de uma tinica maneira. Isto resulta do fato de que se também temos a = 61 + &2 com 8; em W,, entio a + a2 = 6, + be de modo que a, — 61 = B2 — aDECOMPOSICOES EM SOMAS DIRETAS 167 © como (a: — f1) estd em W, e (82 — a2) esté em Wo, devemos ter a — B = Be — ag = 0, isto & a = 8 € a2 = Bo. Quando Wye W2 forem disjuntos diremos que a soma W = Wo + W, é direta ou que W é a soma direta de W, e Woe escreveremos W = W;'® Wo, A importancia das somas diretas estd no fato de que se W = Wi © W2, podemos estudar W através dos pares de vetores (a2, a1) com a;em Wj. Desejamos considerar “somas diretas” de varios subespagos. Para fazer isto precisaremos de um conceito de independéncia de subespagos, andlogo & condig&o de disjuncao no caso de dois subespacos. Definigdo. Sejam W1,..., Wz subespagos do espago vetorial V. Diremos que Wi, ..., Wx sdo independentes se a+... + a = 0, a em W, implica que cada a; é nulo. Teorema 1. Seja V um espaco vetorial sébre 0 corpo F. Sejam Wi, ..., We subespacos de V e seja W = Wi +... + Wy. As se guintes condigées séo equivalentes. Gi) Wi, .... Ws so independentes. (ii) Cada vetor « em W pode ser expresso de uma tinica maneira sob a forma a= +... ta com a; em Wi,i=1,..., k. (iii) Para cada j, 2 @. & uma inversdo bastante simples do raciocfnio usado acima. Uma conseqiiéncia particular do Teorema 2 é que se V=eWMe... 8M, entio dim V = dim W; + ... + dim MH. Uma espécie de reciproca déste fato ¢ verdadeira, a saber, se a soma das dimensées dos W; é igual & dimensio de V e se V é a soma dos W;, entao V € a soma direta dos W;. Deixamos isto para a parte de exercicios. Exemplo 1. Seja V um espaco vetorial de dimensao finita s6- bre o corpo Fe seja{a,..., et uma base arbitréria de V. Se W; é 0 subespago unidimensional gerado por a;, entio V= Wi @ ... .1) ® MW, Exemplo 2. Seja 1 um inteiro positivo, F um subcorpo do corpo dos ntimeros complexos ¢ seja V o espago das 2 X ” matrizes sdbre F, Seja W, 0 subespago das matrizes simétricas, isto é, matrizes A tais A' = A. Seja We 0 subespaco das matrizes anti-simétricas, isto ¢, matrizes tais que A‘ = A. Entio V = Wi @ W2. Se A é uma matriz arbitréria em V, a tinica expressfo para A como uma somg de duas matrizes, uma em W) e a outra em Wo, € A= A + Ao A= 4 + AD Az = {A — Ad). Definigio. Seja V um espaco vetorial e T wm operador linear sébre V. Se W é um subespaco de V, dizemos que W é invariante sob T se para cada vetor a em W o vetor Ta estd em W, isto é, se T(W) estd contido em W. Exemplo 3. Se 7 é um operador linear arbitrario sébre V, entao V é invariante sob T, da mesma forma que o € 0 subespago nulo. A imagem de Te o nticleo de T também sao invariantes sob 7. Exemplo 4, Seja F um corpo e seja D o operador derivagio sébre 0 espago Fx] dos polinémios sébre F. Seja n um inteiro positivo e seja W o subespago dos polinémios de grau menor ou igual a170 DECOMPOSICGES EM SOMAS DIRETAS INVARIANTES n, Entio W é invariante sob D. Esta é apenas outra maneira de dizer que D diminui o grau. Exemplo 5. Seja T o operador linear sébre R? que € representado em relagio & base ordenada canénica pela matriz 0 “t: 1 0 Entéo os tnicos subespagos de R* que sio invariantes sob T sto R?e 0 subespaco nulo. De fato, qualquer outro subespaco invariante W teria necesstriamente dimensiio 1. Mas se W € 0 subespaco gerado por algum vetor nao-nulo a, a afirmag&o de que W é invariante sob T significa que Ta = ca para algum nimero real c. Mas isto € impossivel com a + 0, pois pode-se verificar facilmente que para qualquer ¢ o operador (JT — cl) é inversivel, isto 6, para todo numero real c a matriz a —r é inversivel. Quando o subespago W € invariante sob o operador T, entio T induz um operador linear Tw sébre o espago W se restringimos 0 seu dominio de definig&o a W. O operador linear Tw & definido por Twa) = T(@), para a em W, mas Tw € um objeto bem diferente de T uma vez que seu dominio é We nao V. Quando V é de dimens#o finita, a invariancia de W sob T admite uma interpretagio simples por meio de matrizes e é interessante menciond-la neste ponto. Suponhamos que tomemos uma base ordenada @ = {a,..., an} de V tal que @ = {au,.. +» a} soja uma base ordenada de W(r = dim W). Seja A = [T]g. Entio = 3 Agai. fel Como W é invariante sob T,'o vetor Ta; pertence a W para j < 7, Isto significa que (6-4) Ta; = 3 Ayai, j que é representado em relagho & base ordenada canénica pela ma 944 —8 3 4). 16 8 7, Demonstrar que 7 é diagonalizével mostrando uma base de 2, formada por vetores caracteristicos de T.192 DECOMPOSICOES EM SOMAS DIRETAS INVARIANTES 2, Para a matriz A do Exercicio 1, determinar matrizes £, ¢ E; tais que A = cE, + cE: (cr € cz S80 os valores caracteristicos de A), Er + E; = = 1, ELE, = 0, 31 = Awd? 2-1 2 9, 3, A matriz € semelhante sébre 0 corpo R a alguma matriz diagonal? Esta matriz é se- mejhante sdbre o corpo C a alguma matriz diagonal? 4, Responder &s perguntas do Exercicio 3 para a matriz 6 -3 —2 A=| 4-1 — 10 —S —3, 5S. Seja T um operador linear sdbre o espago vetorial n-dimensional V e suponhamos que T possua n valores caracteristicos distintos. Demonstrar que T & diagonalizivel, 6. Seja T um operador linear sdbre um espago vetorial de dimensio finit sObre o corpo dos mimeros complexos. Demonstrar que T é diagonalizé- vel se, € sdmente se, existe um polindmio g s6bre C que tenha raizes distintas seja tal que @(T) = 0. 7, Seja T um operador linear diagonalizivel sObre o espago V de dimensio finita e seja W um subespaco qualquer, invariante sob 7. Demonstrar que © operador linear TW que T induz sdbre W ¢ diagonalizvel. 8, Determinar uma matriz real inversivel P tal que P“'AP e P-'BP sejam ambas diagonais, sendo 4 ¢ B as matrizes reais (a) 4~=[f F| a-{3 a] 11 1a ° a=[h i] [2 i] 9. Suponhamos que A seja uma 2X 2 matriz com elementos reais que seja simétrica (4° = 4), Demonstrar que 4 & semelhante sobre R a ums matriz diagonal, 10, Seja T um operador linear sObre 0 espago V de dimensio finita © su- que 0 polindmio caracteristico de 7 seja f= (wey... — ene sendo cy... , cy escalares distintos, Demonstrar que 7 é diagonalizével se, € smente se, a dimensio de (T— cid) € d; para i= 1,..., k. 11, Seja A uma » X n matriz diagonal com polindmio caracteristico (x — —cy4 ... (x — cy), sendo os c; distintos. Seja V 0 espago das X 0 matrizes B tais que AB = BA. Demonstrar quea dimensio de V €d? +... + dB. 12, Seja N uma 2 x 2 matriz complexa tal que N* = 0. Demonsirar que ou N= 0 ou N é semelhante a [to© TEOREMA DA DECOMPOSICAO PRIMARIA 193 3. Usar o resultado do Exercicio {2 para demonstrar o seguinte: Se 4 uma 2 X 2 matriz com elementos complexos, entéo A é semelhante s6- C a uma matriz de um dos tipos seguintes: ‘a 0 ‘a 0 [os] Lf ¢): 14, Seja F um corpo, it um inteiro positive © seja V 0 espago das X n matrizes sObre F. Se B é uma # X m matriz fixa sObre F, seja Tp 0 operador linear’ sbre V definido por Ts (A) = AB — BA, Consideremos a familia dos operadores lineares T's obtida fazendo B percorrer o conjunto das matrizes diagonais. Demonstrar que os operadores desta familia so simultaneamente diagonalizdveis. ges 6.4 O Teorema da Decomposicio Primaria Estamos tentando estudar um operador linear J sSbre 0 espago de V de dimens&o finita, pela decomposiggo de T numa soma direta de operadores que sejam, num certo sentido, elementares. Po- demos fazé-lo através dos valores e vetores caracteristicos de T em certos casos particulares, isto ¢, quando o polinémio de T decompde-se sObre o corpo F de escalares num produto de polindmios unitdrios, distintos e de grau 1. Que podemos fazer com um T arbitrério? Se tentarmos estudar J’ usando valores caracteristicos, iremos nos confrontar com dois problemas. Primeiro, T podert nao ter nenhum valor caracterfstico; isto, na verdade, € uma de- ficigncia do corpo de escalares, a saber, que éle nao é algtbricamente fechado. Segundo, mesmo que o polinémio caracteristico se decomponha completamente sébre F num produto de polinémios de grau 1, podem nio existir vetores caracteristicos suficientes para que T gere o espace V: isto ¢, evidentemente uma deficiéncia de T. A segunda situacao é ilustrada pelo operador T sébre F? (F um corpo arbitrdrio) representado em relag&o a base candnica por 20 «0 A=jt 2. Of- O00 —t O polinétio caracteristico de A é (x — 2)? (x + 1) € ste € obvia- merite o polinémio minimal de A (ou de 7). Assim, T nao é diagonalizdvel. Vé-se que isto ocorre porque o nucleo de (T — 2/) tem dimensfo 1 apenas. Por outro lado, 0 nucleo de (T + 1) € o nticleo de (T — 2J)? juntos geram V, sendo o primeiro o subespago gerado por ea ¢ o segundo o subespaco gerado por ¢ ¢ 2. Este serd mais ou menos o nosso método geral para o segundo problema. Se (lembrar que isto é uma hipdtese) o polinémio mini-194 DECOMPOSICOES EM SOMAS DIRETAS INVARIANTES mal de T se decompde como pa tx— a)? 2.x — ca) sendo cr,.,., ce elementos distintos de F, entio mostraremos que o espago V é a soma direta dos nticleos de (T — cif)", i = 1,. O operador diagonalizdvel € 0 caso particular déste em que r, para cada i. O teorema que demonstraremos é mais gerai que isto que descrevemos, uma vez que trabalharé com a decomposigao pri- méria do polinémio minimal, quer sejam ou n&o de grau 1 os primos que comparecem na decomposigéo. O Jeitor acharé itil pensar no caso particular em que os primos sio de grau 1 e, de modo ainda mais particular, pensar na demonstragdo do Teorema 10 como um caso particular déste teorema. Teorema 12 (Teorema da Decomposicio Priméria). Seja T wn operador linear sébre o espaco vetorial V de dimenséo finita sobre 0 corpo F. Seja p o polindmio minimal de T, p= pr)... phe onde os p; sdo polindmios distintos, irredutiveis e unitdrios sébre F € 08 1 sGio inteiros positivos. Seja W; 0 nticleo de p(T)".i = 1,....k. Ento @MV=AWe...0W%, (b) cada W; é invariante sob T (c) Se T; é 0 operador induzido sébre W; por T, entéo o poliné- mio minimal de T: € pi, Demonstragdo. A idéia da demonstragéo € a que segue. Se a decomposigéo (2) em soma direta é valida, como podemos obter as projegdes Z;,..., Ex associadas a esta decomposicio? A projecdo &; seré o operador idéntico sdbre W; e zero sdbre os outros W;. Vamos determinar um polinémio A; tal que h{T) seja o operador idéntico sObre W; e seja nulo sébre os outros W; e entdo que Ay(T) + +... + ALD) = J, ete. Para cada i, seja 6-16) Si = pips = ML pis. ei Como pi,..., px 8io polindmios primos distintos, os polinémios Si,..., fx So relativamente primos (Teorema 8, Capitulo 4). As- sim existem polindmios gi,..., gx tais que (6-17) 3 fg ini 1© TEOREMA DA DECOMPOSICAO PRIMARIA 195 Notemos também que se i # J, entio fif; é divisivel pelo polinémio P pois fif; contém cada p," como um fator. Vamos mostrar que 0s polindmios h; = fig; comportam-se da maneira descrita no primeito pardgrafo da demonstracao. Seja Ej = AAT) = fT) g(T). Como hy +... + he = Le p divide ff; para i * j, temos E+...¢ k=l EE; = 0, se i # j. Assim, os E; sio projegdes que correspondem a alguma decomposi- go do espago V em soma direta, Desejamos mostrar que a imagem de E; é exatamente o subespago W;. E evidente que cada vetor na imagem de £; esté em W,, pois se a esté na imagem de £;, entio = Eja, logo PATY'a = pdT YE io = PATY f(D Te pois p’fig; € divisivel pelo polinémio minimal p. Reclprocamente, suponhamos que « esteja no nutleo de p(T)". Se j # i, entio fig; € divisivel por pi, logo f(T)gdT)a = 0, isto 6, E,a = 0 para; = i. Mas entio é imediato que Zia = a, isto é, que a esté na imagem de £;. Isto completa a demonstragéo da afirmagio (a). E certamente ébvio que os subespagos W; sfio invariantes sob T. Se Ti €é0 operador induzido sébre W; por T, ento, evidentemente pATiY* = 0, pois, por definigéo, p(TY se anula no subespago W;. Isto mostra que o polinémio minimal de T; divide p". Reciproca- mente, seja g um polinémio arbitrario tal que g(7;) = 0. Entio aT)fAT) = 0. Assim, gf; & divisivel pelo polinémio minimal p de T, isto 6, ppf; divide gf; Vé-se facilmente que p; divide g, Logo, 0 polinémio minimal de Ti = py. Corolario. Se E,,..., Ex sdo as projecdes associadas 4 decomposicao primdria de T, entao cada E; é um polinémio em T e, conseqiientemente, se um operador linear U comuta com T entéo U comuta. com cada um dos E;, isto é, cada subespaco W; é invariante sob U. Com a notagao do Teorema 12, vamos considerar rapidamente © caso particular em que o polinémio minimal de T é um produto de polinémios do primeiro grau, isto é, 0 caso em que cada p; ¢ da forma p; = x — cj. Ora, a imagem de E; € 0 niicleo W; de (T — cil”). Coloquemos D = cE, +... + ce£x. Pelo Teorema196 DECOMPOSICGES EM SOMAS DIRETAS INVARIANTES 9, D é um operador diagonalizével que denominaremos a parte diagonalizdvel de T. Consideremos o operador N = T — D. Ora, T=TE, +...+ TE D= aki +... + Ex portanto = N = (T— cyl)Ey +... + (T — eal Es. A esta altura o leitor jd deverd estar suficientemente familiarizado com projegées, portanto verd que NP = (T— of)?Ey +... + (T — col) Ex € que, em geral, N= (T—clyE, +... + (PT — ol PE. Quando r > r; para todo i, teremos N’ = 0, pois o operador (7 — — cil) seré entio 0 sébre a imagem de Ej. Definigio. Seja N wn operador linear sébre o espaco vetorial V. Dizemos que N € nilpotente se existe algum inteiro positivo r tal que N'=0. Teorema 13. Seja T wm operador linear sébre 0 espago vetorial do timensdo finita sébre 0 corpo F. Suponhamos que o polindmio uunimal de T se decomponha sébre F num produto de polinémios lineares, Entéo existe wm operador diagonalizdvel D sébre V e um operador nilpotente N sébre V tais que (2) T=D+N, (b) DN = ND, © operador diagonalizdvel D e 0 operador nilpotente N séo determinados de modo tinico por (a) e (b) e cada um déles ¢ um polinémio em T. Demonstragio, Acabamos de observar que podemos escrever T = D+ N onde D é diagonalizdvel e N € nilpotente e também que De N nao sé comutam mas também sao polindmios em T. Suponhamos agora que também tenhamos T = D’ + N’ sendo D’ diagonalizével e D’N’ = N’D’, Vamos demonstrar que D = D' e Ne=N’. Como D’ e N’ comutam entre sie J = D’ + N’, vemos que D’ ¢ N’ comutam com T. Assim, D’ e N’ comutam com qualquer Polindmio em T, logo éles comutam com D e com N. Agora temos D+ N=D+N ou D—D=N—N© TEOREMA DA DECOMPOSIGAO PRIMARIA 197 ¢ todos éstes quatro operadores comutam entre si. Como D e D’ sio ambos diagonalizdveis e.comutam, @les so simultaneamente diagonalizdveis e D — D’ é diagonalizdvel. Como N e N’ séo ambos nilpotentes e comutam, o operador (N’ — N) € nilpotente; com efeito, usando o fato de que N e N’ comutam (w —wy = 3 (SY anyn—ny € entio quando r fér suficientemente grande todos os térmos nesta expréssiio de (N' — N)! serfio nulos. (Na realidade, um operador nilpotente sSbre um espago n-dimensional deve ter sua n-ésima po- téncia nula; no caso acima, se tomamos r = 2n, éste mimero é suficientemente grande. Decorre entio que r = n € suficientemente grande, mas isto nao € evidente a partir da expresso dcima.) Ora, D—D’ € um operaior diagonalizével que também é nilpotente. Tal operador tem de ser, dSbviamente, o operador nulo; de fato, sendo nilpotente, o polinémio minimal déste operador é da forma x" para um certo r< m; mas como o operador é diagonalizével, o polinémio minimal nfo pode ter uma raiz milltipla, logo r = 1 € o polinémio minimal é simplesmente x, 0 que diz que o operador é nulo. Assim, vemos que D = D'e N = N’. Corolirio, Seja V um espaco vetorial de dimenséo finita sébre um corpo algébricamente fechado F, por exemplo, o corpo dos nime- meros complexos. Entéo, todo operador linear T sébre V pode ser escrito como uma soma de um operador diagonalizdvel D com um operador nilpotente N os quais comutam. Estes operadores D e N So tinicos e séo polinémios em T. Por &ssés resultados vé-se que o estudo dds operadores lineares sdbre espagos vetoriais sébre um corpo algdbricamente fechado fica essenicialmente reduzido ao estudo dos operadores nilpotentes. Para espagos vetoriais sdbre corpos nfo algtbricamente fechados, préci- samos ainda encontrar algum substitituto para valores caractéristi- cos. Um fato interessante é que éstes dois problemas podem ser tratados simultaneamente ¢ € isto 0 que fazemos no préximo capitulo. Concluindo esta seg&o, gostatidmos de dar um exemplo que ilustre algumas das idéias do teorema da decomposigéo priméria. Decidimos dé-lo no final da segéo porque éle usa equacdes diferenciais, nfo sendo assim algebra linear pura, Exemplo 11. No Teortma da decomposicgéo primdria nao é necessério que o espaco vetorial V tenha dimens&o finita, nem é necessdério, para as partes (a) ¢ (b), que p seja o polindmio minimal198 DECOMPOSICGOES EM SOMAS DIRETAS INVARIANTES de T. Se T é um operador linear sébre- um espaco vetorial arbitré- rio e se existe um polinémio unitério p tal que p(T) = 0, entio as partes (a) e (b) do Téorema 12 sio vélidas para T com a demonstragio que fizemos. Seja n um inteiro positivo e seja T 0 espaco das fungdes n vé- zes continuamente diferéncidveis sébre a reta real que satisfazem a equacao diferencial af dt" onde ap, ..., @n—1 S40 certos esculares fixos. Se C, indica o espaco das fungdes n vézes continuamente diferencidveis, entio o espago T das soluges desta equacao diferencial € um subespago de Cy. Se D indica o operador derivagio e p € 0 potindmio P= + ai +... + ax + ao ent&o V € o micleo do operador p(D), pois (6-18) diz simplesmtente que p(D)f = 0. Consideremos agora D como um operador litear sObre o subespago V. Entio p(D) = 0. Se estamos discutindo fungdes diferencidveis com vatores complexos, entio C, e V so espagos vetoriais complexos € @o,...4 Gxt podem ser quaisquer niimeros complexos. Dscrevamos agora (6-18) +e ta Et aap = 0 ao + Gna a) P= (X— ay... (x 4)” onde ci,..., cz S40 mimeros complexos distintos, Se W; é o nucleo de (D — e;f¥", entéo o Teorema 12 diz que V=MO...0 Wi. Em outras palavras, se f satisfaz a equagao diferencial (6-18), entéo Ff potte ser expressa de modo nico sob a forma feftiucth onde f; satisfaz a equagio diferencial (D — eI)"; = 0. Assim, 0 estudo das solugdes da equagio (6-18) fica reduzido ao estudo do espaco das solugdes de uma equacdo diferencial da forma (6-19) (D—clyf = 0. Esta redugdo foi conseguida por meio dos métodos gerais de Algebra linear, isto é, pelo teorema da decomposigao priméria. Para descréver 0 espago das solugdes de (6-19), € necessério saber aiguma coisa sébre equagdes diferenciais, isto é, & necessdrio© TEOREMA DA DECOMPOSICAO PRIMARIA 199 saber alguma coisa a respeito de D além do fato de que D é um ope rador linear. No entanto, ndo se precisa saber muito. E bem facil demonstrar por indugio sébre r que, se festd em C,, entio (D — elyf = etDie-“f) isto é, tf dat Assim, (D — clyf = 0 se, e somente se, D(e~“'f) = 0, Uma fun- do g tal que D’g = 0, isto €, d’gidt’ = 0, deve ser uma fungao polinomial de grau menor ou igual a (r — 1): 8) = bo + bt + + Balt, Assim f satisfaz (6-19) se, sdmente se, f tem a forma IO) = bo + bit + 6 + bent“. Conseqitentemente, as “fungées” e“, te',..., f- le" geram 0 espago das soluges de (6-19). Como 1, t,..., 1-1 so fungdes linearmente independentes e a fungZo exponencial nao possui raizes, estas r fungdes fe", O< j< r—1, formam uma base do espago das solugies. Voltando 4 equagio diferencial (6-18), que € RD) = 0 p= (x— a)... @— ey) f(t) = et 4 (e-“f), etc. vemos que as n fungdes te", O< m <7; — 1,1 0, € assim a € um vetor ciclico de 7 se, e sdmente se, éstes vetores geram V. Prevenimos 0 leitor de que um operador genérico T no possui vetores cfclicos. Exemplo 1. Para T arbitrdrio, o subespago T-ciclico gerado pelo vetor nulo € 0 subespaco nufo, O espago Z(a;T) € unidimensional se, e sdmente se, a ¢ um vetor caracteristico de T. Para o operador idéntico, todo vetor ndo-nulo gera um subespago ciclico unidimensional; assim, se dim Y > 1, 0 operador idfntico nao possui nenhum vetor“ciclico, Um exempio de um operador que possui um vetor202 AS FORMAS RACIONAL E DE JORDAN ciclico € 0 operador linear T sbre F? que é representado em rela- Ho & base ordenada can6nica pela matriz 0 07, 10 Neste caso 0 vetor ciclico (um vetor ciclico) é «; de fato, se 8 = (@, 5), entio, para g = @ + bx, temos 8 = g(T)a. Para éste mesmo operador T, 0 subespago ciclico getado por e € 0 espago unidimensional gerado por ez, porque «2 € um vetor caracteristico de T. Para quaisquer T ¢ a, estaremos interessados em relacdes lineares coe + Ta +... + Ta = 0 entre os. vetores Tia, isto é, estaremos interessados nos polinémios £= Cot cx +... + cex* que tenham a propriedade de que a(T)x = 0. O conjunto dos gem Fix] tais que g(T)a = 0 ¢ evidentemente um ideal em F[x]. E também um ideal ndo-nulo, pois con- tém o poliiémio minimal p do operador T(p(T)a = 0 para todo aem V). Definigho. Se a é um vetor arbitrdrio em V, o T-anulador de a é 0 ideal M(a; T) em Fx] formado pelos polinémios g sébre F tais que &(T)x = 0. O tinico polinémio unitdrio p, que gera éste ideal tam- bém serd denominado o T-anulador de a. Como ressaltamos acima, o T-anulador p, divide o poliné- mio minimal do operador T. O leitor deverd notar também que gr(p.) > 0 a nfio ser quando a é o vetor nulo. Teorema 1. Seja a wn vetor nulo arbitrdrio em V e seja po T-anulador de a, (a) O grau de p. é igual 4 dimensao do subespago ciclico Za; T). (b) Se o grau de p. é k, entéio os vetores w, Ta, T’a,..., T''a formam uma base de Za; T). (c) Se U é 0 operador linear sébre Z{a; T) induzido por T, entao o polindmio minwnal de U e p.. DemonstragGo. Seja g um polindmio qualquer s6bre © corpo F. Podemos escrever g=pqgtr onde r = 0 ou grr) < gr(p.) = k. O polindmio pg estA no T-anulador de a, portanto a(T)a = AT )e.SUBESPACOS C{CLICOS E ANULADORES 203 Como r = 0 ou gr(r) <_k, o vetor r(T)x é uma combinagao linear dos vetores a, Ta,..., T*!a e conto g(T)a é um vetor tipico em Z(a; T) isto mostra que éstes k vetores geram Z(a; T). Estes vetores séo, sem diivida, tinearmente independentes, pois téda relacdo linear nfo-trivial entre éles nds forneceria um polindmio nao-nulo g tal que g(T)a = Oe gr(g) < gr(p,), o que é absurdo. Isto demonstra (a) e (b). Seja U o operador linear sdbre Z(a; T) obtido pela restrigio de T &quele subespago. Se g € um polinémio arbitrdrio sébre F, entdo PLU) (Te = palT)e(T)o = g(T)p.(T)a = Tp =0. Assim, 0 operador p,(U) leva todo vetor de Z(a;T) em 0 e € portanto o operador nulo sébre Z(a; T), Além disso, se h € um poli- némio de grau menor que k, nao podemos ter A(U) = 0, pois entio A(U}a = h(T)x = 0, contrariando a definigdo de p.. Isto mostra que p, € 0 polinémio minimal de U. Uma conseqiiéncia particular déste teorema € a seguinte: Se acontecer que a seja um vetor ciclico de T, entéo o polinémio minimal de T deve ter grau igual & dimensao do espago V; daqui decorre que o polinémio minimal de T é 0 polinémio caracterfstico de ‘7. Démonstraremos posteriormente que para todo T existe um vetor a em V cujo anulador é 0 polinémio minimal de T. Decor- rerd ent&o que T possui um vetor ciclico se, e sdmente se, os polindmios minimal e caracteristico de T séo idénticos. Mas teremos algum trabalho para chegarmos a ver isto. Nosso plano é estudar um T arbitrario usando operadores que possuam um vetor cfclico, Portanto, consideremos um operador linear U sébre um espago W de dimenséo k que possua um vetor ciclico a. Pelo Teorema 1, os vetores «,..., U*~'a formam uma base do espago We o anulador p, de a € 0 polinémio minimal de U (logo, ¢ também o polinémio caracteristico de U), Se fizermos ai = U'la, i = 1,... k, ent&io a agio de U sébre a base ordenada @ = {a,..., a TY Vai =aint, i= 1,...,k—1 Ua = eyo — Caz — ... — Chia onde pe = co + cx +... + cy-1x77! + x*, A expressio de Uax decorre do fato de que p,(U)a = 0, isto é, Ula + cei U*'a +... + c1Uait coe = 0,204 AS FORMAS RACIONAL E DE JORDAN Isto diz que a matriz de U em relag&o a base ordenada @ é 000... 0 —co 100... 0-4 o19d 0 —c2 (7-2) oe 000... 1 tn A matriz (7-2) € denominada a matriz associada ao polinémio uni- trio p. Teorema 2. Se U é um operador linear sdbre 0 espaco de W dimensdo finita, entdo U possui wm vetor ciclico se, e sdmente se, existe alguna base ordenada de W em relagdo & qual U é representado pela matriz associada ao polinémio minimal de U. Demonstragdo. Acabamos de observar que se U possui um vetor ciclico, entéio existe uma tal base ordenada de W. Reciprocamente, se existe uma base ordenada {ai,..., ox} de Wem relago & qual U & representado pela matriz associada ao seu polinémfo minimal, é Sbvio que a1 € um vetor ciclico de U. Corolério. Se A ¢ a matriz associada a um polinémio unitdrio p, entdo p é tanto o polinémio minimal como o polinémio caracteristico de A. Demonstragao. Se p & um polinémio unitério de grau k sébre 0 corpo F, seja U o operador linear sébre F* que é representado por A em relag&o & base ordenada can6nica, Basta agora aplicar nossos resultados acima. No ultimo comentério — se T é um operador linear arbitrério sdbre o espaco Vea é um vetor qualquer em V, entio 0 operador U que T induz sébre 0 subespaco ciclico Z(a; T) possui um vetor cfclico, a saber, a. Assim, Z(a; T) possui uma base ordenada em relacio & qual U €representado pela matriz associada a p,, sendo p, 0 T-anulador de a. Exercicios 1. Seja T um operador linear sébre F2, Demonstrar que todo vetor niio- snulo que néo seja um vetor caracteristico de T € um vetor ciclico de 7. Depois strar que ou T possui um vetor ciclico ou entio T é um miul- tiplo escalar do operador idéntico,© TEOREMA DA DECOMPOSICAO RACIONAL 205 2. Seja T 0 operador linear sobre R+ que € representado em relago & base ‘ordenada canénica pela matriz (2 9] 02 of. 33 3 Demonstrar que T nao possui vetores ciclicos. Qual ¢ 0 subespaco T- clico gerado pelo vetor (1, —I, 3)? . 3. Seja T 0 operador linear sbre C+ que € representado em relagdo & base ordenada canénica pela mateiz ti o 12 -i|+ o1 ft Determinar o T-anulador do vetor (1, 0, 0). Determinar o T-anulador de (1, 0, 4, Demonstrar que se T? possui um vetor ciclico, entio T possui um vetor ciclico, A reciproca € verdadcira? 5. Seja V um espaco vetorial n-dimensional s6bre 0 corpo F ¢ seja N um operador linear nilpotente sdbre V, Suponhamos que N*-? # 0 ¢ seja a um vetor arbitrério em V tal que N°“'a x 0, Demonstrar que a € um vetor ciclico de N, Dizer exatamente qual é a matriz de NV em relagao & base ordenada {a, No,..., Na}? 6, Demonstrar diretamente que se A é a matriz associada ao polinémio unitério p, entéo p é 0 polindmio caracteristico de 4, 7. Seja V_um espaco vetorial x-dimensional ¢ seja T um operador linear sdbre V. Suponhamos que T seja diagonalizavel. (a) Se T possui um vetor ciclico, mostrar que T possui n-valores caracteristicos distintos. (b) Se T possui 1 valores caracteristicos distintos € se {ox.... an} uma base formada de vetores caracteristicos de 7, mostrar que a = +... +4 € um vetor ciclico de 7. 8 Seja T um operador linear sébre espaco vetorial V de dimensio finita. Suponhamos que 7 possua um vetor ciclico. Demonstrar que se U é um ‘operador linear arbitrério que comuta com T, entéo U€ um polindmio em T. 7.2 O Teorema da Decomposicéo Racional O objetivo primordial desta segio é demonstrar que se T é um operador linear qualquer sébre V, entiio existem vetores a1,..., an em V tais que V = Ze; T) ®... ® Zaz; T). Em outras palavras, desejamos demonstrar que V é a soma direta de subespagos T-ciclicos. Isto nos mostraré que T é a soma direta de um niimero finito de operadores lineares, cada um dos quais possui206 AS FORMAS RACIONAL E DE JORDAN um vetor ciclico. O resultado disto seré a redugio de muitos problemas relativos a um operddor genérico a problemas semelhantes sébre um operador que possua um vetor cfclico. O teorema que vamos demonstrar, o teorema da decomposi¢do racional, € um tan- to mais forte que a afirmagao de que V é a soma direta de subespagos T-ciclicos e éste teorema possui muitds coroldrios interessantes. Como seria possivel demonstrar que V € a soma direta de subespagos T-ciclicos? Uma maneira de tentar resolver éste problema é a seguinte: Tomar algum vetor nao-nulo a; em V.Se V = Z(u; T), timo. Se nio, tomar um vetor ndo-nulo a2 tal que Z(az:'T) seja disjunto de Z(o1, T). Se V = Z(oy; T) + Zlaz; T), dtimo. Se nado, tomar az # 0 tal que Z(ay; T) seja disjunto de Zar: T) + Z(a2; T), etc, Em outras palavras, tentar chegar a V = Z(u: T)®... ® Z(a,; T) selecionando indutivamente os vetores ay,..., a,. Este é fundamentalmente o método que utilizaremos; no entanto, teremos de suplantar grandes dificuldades relacionadas com a escolha de a1,..., a, Um exemplo de tal dificuldade é 0 seguinte: Se tomamos um vetor ndo-nulo arbitrério aj em Ve se V # Za; T), entéo pode nao existir nenhum vetor nao-nulo az tal que Zloz: T) disjunto de Z(a,; T). Assim, teremos de ser argutos quanto 4 selegdo dos vetores ai. Nesta selegdio, nosso principio orientador sera a observagio que segue. Suponhamos que V = Z(:;T) @®... ® Z(a,;T).Sel 1). Entao existem ¢ yetores nao-nulos oy,...,0; em V com os respecti- vos T-anuladores pi,..., Pe tais que (@) V = Za; T) ®@ ... © Lar; Fs (b) se 1 << k <=, entdo puss divide pr. Além disso, 0 inteiro t e os anuladores p1,..., Pr sao determinados de modo tinico pelas condicdes (a) e (b) mais o fato de que nenkum ar é nulo. Demonstragao, Demonstraremos primeiro que existem vetores nao-nulos ai,...,a, com T-anuladores pi,..., pr que satisfazem as condigées (a) e (b). Esta demonstragio é essencialmente uma re- petig&o da demonstragio que acabamos de fazer para 0 Teorema 3, comegando com o subespaco T-admissivel W = {0}. Neste caso, usamos a afirmagiio (b) do Lema 4 para obter a condig&o de divisi- bilidade: Peri divide p,. Assim, a demonstracio é feita rapidamente da seguinte maneira: Seja « um vetor ndo-nulo arbitrdrio em V que gere um subespago F-ciclico de dimensio maxima, Como W = {0} & trivialmente T-admissivel, o Lema 4 afirma que Z(a:T) € admissivel. Se V = Z(a,; T), a demonstracio est4 completa. Se V # Z(a:; T), tomemos um az nao-nulo tal que Z(a2; T) tenha dimensao maxima entre os espagos T-ciclicos que sdo disjuntos de Za; T). Pelo Lema 4, pz divide pi. Se V = Zu; T) ® Zaz; T), 6timo. Se ndo, usamos o Lema 4 para escolher um a3 conveniente, etc. Suponhamos que au, . . . .«, sejam vetores n&o-nulos satisfazendo (a) € (b). Suponbamos que também existem vetores nfio-nulos 61,..., 8, com T-anuladores gi,...,g. tais que (a) V = 2137) ®... ® 2G; 7) (b) ge41 divide g, parak = 1,...,s— 1. Vamos demonstrar que r = sep; = gj, jf = 1,...,7. Se f é um polinémio sdbre F e W é um subespaco de V, indiquemos por fW o espago dos vetores fa com a em W. Assim, fV é a imagem do operador f(T). Vamos usar agora dois fatos, cujas de-212 AS FORMAS RACIONAL E DE JORDAN monstragées deixamos como exercicios, Primeiro, se V = Z(ai; T) ®... ® Zla,; T)e f € um polinémio arbitrério sébre F, entio SV =f2(r.T) ®... @fZo,; T) = Z for: T) @... ® A fai T). Seguindo, se a ¢ 8 so vetores em V que tenham o mesmo T-anulador, entao fa e ff tém o mesmo T-anulador; em particular Z(fa; T) e 2(f8; T) tém a mesma dimensio. Voltando aai,...,a,; € 61,....8., demonstremos que pi = g1. Temos PV = pL; T) ® ... B piZars T) pv = pZGi; T) ® ... © prZ6,; T). Ora, pia; = 0 para j = 1,..., 7, pois pj divide pi. Assim, pV = {0}. Portanto, pig; = 0 paraj = 1,...,5. Em particular, p18: = 0, logo & divide p). Invertendo o raciocinio, isto ¢, considerando giV, vemos que p; divide Portanto p, = g1. O fato de que r = se pj = gj podem ser demonstrados por indugio sébre j. Demonstraremos a partir de p1 = gi que po = £2 ©, a partir disto, a indug&o dever4 ser evidente. A demonstrago seré feifa envolvendo principalmente dimensdes. Suponhamos que r > 2, isto €, que realmente exista um vetor az. Ent#o teremos forgosamente s > 2, pois dim V = dim Za; T) + ... + dim Z(e,; T) dim V = dim 2(61:; 7) + ... + dim Z(6,; T) e como dim Z(a1; T) + gi(m) = gr(gi) = Z(61; T), vemos que = dim 2(6;; T) = ¥ dim Za;; T) > 0. p22 j22 Consideramos agora 0 subespago p2V. Temos duas descrigdes deste espago, pov = Z(poa;T) @ ... B Apre,; T) P2V = Z(p2hi; T) @ ... © Z(poB.; T). Como proj = 0 para j > 2 paV = Apo; T). Os vetores a1 € 6; possuem o mesmo T-anulador, logo pom: © pai possuem o mesmo T-ariulador. Portanto dim (p2V) = dim Z(paar; T) = dim Z(p281; T) donde segue que dim Z(p29;; T) = 0 para j > 2. Em particular,© TEOREMA DA DECOMPOSICAO RACIONAL 213 pala = 0€ assim go divide pz. Invertendo o argumento, ps divide go, ¢ entao p2 = ge. Gostariamos de ressaltar que nossa demonstragao do Teorema 4 mostra um pouco mais do que 9 teprema afirma. Suponhamos que existem vetores néo-nulos a,...,0.em V que satisfagam as condigdes: G) Zler; T) tem dimensio mdxima entre os subespagos T-ciclicos, (ii) Para j > 2, 0 subespago Z(a;; 7) tem dimensio maxima entre todos os subespagos T-cfclicos que sdo disjuntos de Za; T) +... + Zlaj-1; 7). Entio, existem vetores nao-nulos a141,..., a fais que a1, . a, satisfagam as condigées (a) e (b) do Teorema 4, Gostariamos também de destacar que se a1,...,c, satisfazem as condigdes do Teorema 4, entao o T-anulador de a1 € 0 polinémio minimal de T. De fato, como p; divide p, para j = 1,..., 7, temos pik = {0}, isto € pi(7) = 0. Conseqiientemente, pi € divisivel pelo polindmio minimal de T. Mas p: é 0 T-anulador de a, portanto divide o polinémio minimal. Assim, se se pergunta quais vetores a1 poderiam ser o primeiro vetor no Teorema 4, a resposta € ‘os vetores cujo T-anulador seja o polindmio minimal, Suponhamos que existem T, r, a; € pi como no teorema; indiquemos por T; 0 operador linear sébre Z(ai; T) obtido pela réstri- lio de T Aquele subespago. Entdo T; possui um vetor ciclico, a saber, ai ¢, além disso, os polinémios caracteristicos ¢ minimal de T; séo ambos iguais a pi. Assim, 0 polinémio caractéristico de T € (73) S = pipe. Pre (Nunca demonstramos explicitamente que se T é a soma direta dos operadores Ti,...,T;, ento 0 polindmio caracteristico de T éo produto dos polinémios caracterfsticos dos T;; no entanto, o leitor deve observar que isto é evidente a partir do resultado correspondente sdbre somas diretas de matrizes ¢ que 0 iltimo fato détorre da regra da “forma em blocos” para determipantes de matrizes.) Corolirio 1. Se T é wn operador linear sdbre 0 espago V de di- menséo finita (ou, se A é wna n X n matriz sdbre o corpo F), entdo os fat6res primos do polinémio minimal de T (de A) 3d 0s mesmos que ‘os fatéres primos do polinémio caracteristico de T (de A). Demonstragdo. De acdrdo com a expresso (7-3) para o polin6- mio caracteristico, f é um produto de polindmios, cada um dos quais214 AS FORMAS RACIONAL E DE JORDAN divide 0 polindmio minimal p1. Assim, os fatéres primos de fe p; so os mesmos, apesar de qué éles possam se repetir, mais vézes em /. Corolério 2. Seja T um operador linear sébre 0 espaco V de dimensdo finita. Entao T possui um vetor ciclico se, e sémente se, os polinémios cardctéristico e minimal de T séo idénticos. Demonstragado, De acérdo com nossa demonstragio do Teore- ma 4, sea é vetor em Va maxima dimensio que 0 espaco Z(a: T) pode ter é 0 grau do polinénio minimal de T; além disso, existe um vetor a tal que Z(a; T) possui esta dimensao. Assim T possui um vetor ciclico se, e somente se, os polindmios caracteristico e minimal de T tém o mesmo grau, isto é, se, e sdmente se, élés sAo idénticos. Observamos agora o andlogo matricial do teorema de decom- Posig&o racional. Se temos o operador Te a decomposigio em soma direta do Teorema 4, seja @; a “base ordenada ciclica” {ai, Tai, 2, TH ori} de Z(ai; T). Aqui k; indica a dimensio de Z(a;; T), ou seja, o grau do anulador p;. A matriz do operador induzido T; em relagéo & base ordenada @; € a matriz associada ao polinémio p;. Assim, se ® é a base ordenada de V obtida pela reuniao das 6;, ordenadas como &,...,,, ent&o a matriz de T em relagao & base ordenada ® serd 40... OF 0 4... 0 (7-4) A=] - : 00 A onde A; é a k; X k; matriz associada a p;. Diremos que uma n X n matriz A, que seja a soma direta (7-4) das matrizes associadas a po- linémios nao-constantes e unitdrios p1,..., pi, tais que pi41 divide pi para = 1,..,r — 1, esté sob a forma racional. O teorema da decomposigéo racional nos diz o seguinte em reldgdo a matrizes: Teorema 5. Seja F wen corpo e seja B uma n X n matriz sobre F” Entdo Bé semethante sdbre o corpo F a wma e somente a uma matriz sob @ forma racional. Demonstracio. Seja T 0 operador linear sobre F" que é representado por B em relagdo & base ordenada canénica. Como acabamos de observar, existe alguma base ordenada de F* em relagio & qual T é representado por uma matriz A sob a forma racional. En-‘© TEOREMA DA DECOMPOSICAO RACIONAL 215 tio B é semelhante a esta matriz A. Suponhamos que B seja seme- Ihante s6bre F a uma outra matriz C que esteja sob a forma racional. Isto significa simplesmente que existe alguma base ordenada de F* em relagéo 4 qual o operador T é representado pela matriz C. Se C é a soma direta das matrizes C; associddas a polinémios unitarios Bi. ++ Be tais que giz1 divida gi para = 1,..., s — 1 entio é evidente que teremos vetores ndo-nulos f1,..., 8.em V com T-anuladores gi.-., gs tais que V = 281; 7) @ ... ® Z(B.;T). Mas entio, pela afirmagao da unicidade no teorema da decomposicdo racional, os polindmios g; sao idénticos aos polindmios p; que definem a matriz A. Assim, C = A. Exemplo 2. Suponhamos que V seja um espago vetorial bidimensional sdbre o corpo F e T seja um operador linear sObre V. As possibilidades para a decomposigao de T em subespagos ciclicos so bastante limitadas. De fato, se o polinémio minimal de T tem grau 2, ale € igual ao polindmio caracter{stico de Te T possui um vetor ciclico. Assim, existe uma base ordenada de V em relacao & qual T & representado pela matriz associada ao seu polinémio caracteristico. Se, por outro lado, o polinémio minimal de T tem grau 1, entéo T € um miltiplo escalar do operador idéntico. Se T = Cl, ento para dois quaisquer vetores linearmente independentes ay e a2 em V, temos V = Zi; T) ® Ze2; T) Pl=p2o=x—e. Para matrizes, esta andlise diz que téda 2 X 2 matriz sdbre 0 corpo F é semelhante sébre F a exatamente uma matriz dos tipos [sc] [th Exemplo 3, Seja T 0 operador linear sébre R3 que é representado pela matriz 5 6 4 A= ]-1 4 2 3 6 4, em relagdo & base ordenada candnica. Como ja calculamos anteriormente, o polindmio caracteristico de T é f = (x — 1x — weo polinémio minimal de T € p = (x —— 1) (x — 2). Assim, sabemos que na decomposigio ciclica de T 0 T-anulador do primeiro vetor a: seré p, Como estamos operando num espago tridimensional, sé pode existir mais um vetor, az. Este vetor deve gerar um subespago216 AS FORMAS RACIONAL E DE JORDAN cfclico de dimensio 1, isto é, deve ser um vetor caracteristico de T. O seu T-anulador pe deve ser (x — 2), porque devemos ter pp = f. Notemos que isto nos diz imediatamente que a matriz A é semelhante a matriz 0—2 0 B= 130 0 0 2. ou seja, que T é representado por B em relagdo a uma certa base ordenada, Como podemos encontrar vetores adequados a € a2? Bem, sabemos que todo vetor que gera um subespago T-ciclico de dimen- sGo 2 € um a adequado. Portanto experimentamos «. Temos Te, = (3, —1, 3) ue n&o é miltiplo escalar de «1; logo Z(a2; T) tem dimensio 2. ite espaco consiste dos vetores ae + Te): (1, 0, 0) + A(5, 1, 3) = (@ + 56, —6, 3b) ou seja, todos os vetores (x1, x2, x3) que satisfazem x3 = —3x2. O que desejamos agora € um vetor a2 tal que Taz = 2az ¢ Z(az; T) seja disjunto de Ze; T). Como az deve ser um vetor caracteristico de T, 0 espago Z(a2; T) serd simplesmente o espago unidimensional gerado por az e entZo o que exigimos é que az nao esteja em Zar; T), Se a = (x1, x2, x5), pode-se calcular facilmente que Ta = 2a se, € sdmente se, x) = 2x2 + 2nz. Assim, az = (2, I, 0) satisfaz Taz = 2az e gera um subespago T-ciclico disjunto de Z(e1; T). O leitor deverd verificar diretamente que a matriz de T em relacdo & base ordenada {G1, 0, 0), (6, —1, 3), (2, 1, 0)} €a matriz B acima. Exercicios 1. Seja T 0 operador linear sObre F? que é representado em relago & base ordenada candnica pela matriz 0 0 [1 o}° Seja_ a, = (0, 1). Mostrar que F? = Z(a,; T) © que ndo existe nenhum vetor nfio-nulo a; em F* tal que Zia; T) seja disjunto de Z(a,; T). 2, Seja T um operador linear sdbre 0 espaco V de dimensio finita € seja Ra imagem de T. () Demonstrar que R possui um subespago suplementar T-invariante 3e, € sdmente se, R € disjunto do nuicleo N de T. _ (b) Se Re N so disjuntos, demonstrar que N € 0 nico subespaco T-invariante que € um suplementar de R.© TEOREMA DA DECOMPOSICAO RACIONAL 217 3. Seja T o operador linear sdbre R+ que ¢ representado em relagio & base ordenada canénica pela matriz 20 12 0]- 0 0 3, Seja W 0 niicleo de T — 2. Demonstrar que W no possui nenhum subespago suplementar T-invariante. [Sugestdo: Seja 6 =a © que (T— 209 esté em W. Demonstrar que no existe nenhum « em W tal que (7 — Mp = (T — We] 4. Seja T 0 operador linear sdbre F* que representado em relagdo & bast ordenada candnica pela matriz 0 al: 6, c 1 9 0 Scja W o miicleo de T—~ cl. (a) Demonstrar que W € 0 subespaco gerado por «.. (b) Determinar os geradores unitatios dos ideais S(e,; #), Sle; W), Sei HW) Stas W). 5. Seja T um operador linear sObre 0 espago vetorial V sobre o corpo F. Se fé um polindmio sobre F ¢ a estd em V, seja fa = fiT)a, Suponhamos que ai,..., a, sejam vetores em V tais que V = Z(a,; T) @ ® Zar; T). Demonstrar que fV = fd(a,,T) ®... ® fZa,; T) = Z(fa; T)® ... @ A fai T (£¥ € © conjunto dos fa, « em V, etc,). 6. Sejam T, Ve F como no Exercicio 5. Suponhamos que a e 8 sejam vetores em V que o mesmo T-anulador, Demonstrar que, pata todo polindmio f, 0s vetores fa e fi tm o mesmo T-anulador. 7. Determinar os polindmios minimais e as formas racionais de cada uma das seguintes matrizes reais: enne =e 0-1 -t ¢ 0 1 . +0 3] Oc 1 eee -1 0 © 11 « —sen F cos 8. Seja T o operador linear sobre R: que é representado em relagdo & base ordenada canénica por 34 -1 3 2 2-4 23 Determinar vetores néo-nulos a,,..., a, que satisfagam as condigdes do Teorema 4. 13 3 A=} 3 1 3]. —3 —3 —3, 9. Seja A a matriz real Determinar uma 3X 3 matriz real inversivel P tal que P-'AP esteja- sob a forma racional.218 AS FORMAS RACIONAL E DE JORDAN 10. Seja F um subcorpo do corpo dos ntimeras complexos ¢ seja T 0 ope tador linear sobre F* que € representado em relagio & base ordenada ca- nénica pela matriz poo 200 120 0a 2 90 b tico de Determinar o polinémio caracteristico de T. Considerar os casos a = b = =lba=b a = 0, 6 = 1, Em cada um déstes casos, determinar o polindmio minimal de 7 ¢ vetores nfio-nulos a1,..., a, que satisfagam as condigées do Teorema 4. 11. Demonstrar que se A e¢ 8 sao 3 X 3 matrizes sdbre 0 corpo F, uma condigo necessdria € suficiente para que A ¢ B sejam semelhantes sbre F é que possuam 0 mesmo polinémio caracteristico e 0 mesmo polinémio minimal. Dar um exemplo que mostra que isto ¢ falso para 4 X 4 matrizes. 12. Seja F um subcorpo do corpo dos nimeros complexos € sejam Ae B n Xn matrizes sobre F, Demonstrar que se A e 8 sio semelhantes sdbre ‘© corpo dos niimeros complexos, entio elas sAo semelhantes sdbre F. (Su- gestéo: Demonstrar que a forma racional de A é a mesma seja A considerada como uma matriz s6bre F ou como uma matriz sobre C; 0 mesmo para B.) 13. Seja A uma 1 X 1 matriz com elementos complexos. Demonstrar que se todo valor caracteristico de A é real, entéo 4 é semelhante a uma matriz com elementos reais, 14, Seja T um operador linear sobre 0 espaco V de dimensio finita, De- monstrar que existe um vetor a em V com a seguinte propriedade: Se f é um polindmio e f(T}a = 0, entao f(T) = 0, (Um tal vetor « é denominado um vetor separador para digebra dos polinémios em 7.) Para o caso em que T possui um yetor ciclico, demonstrar diretamente que todo yetor cictico € um vetor separador para a algebra dos polindmios em 7. 15. Seja F um subcorpo do corpo dos ntimeros complexos ¢ seja 4 uma n Xn matriz s6bre F, Seja p o polindmio minimai de A. Se considerarmos A como uma matriz s6bre C, entio A possuiré um polinémio minimal /, quando considerada como uma 1 X n matriz sébre C. Usar um teorema sébre equagdes lineares para demonstrar que p = f. De que forma éste resultado decorre do teorema da decomposigao racional’? 16. Seja A uma n X n matriz com elementos reais tal que A? +1 = 0. Demonstrar que # € par e que, sen = 2k, entio A é semelhante sdbre 0 corpo dos mimeros reais a uma matriz da forma em blocos o-r an) onde f é ak X & matriz unidade. 17. Seja V um espaco vetorial de dimensio finita e seja T um operador linear s6bre.¥ com polinémio minimal p. Se Ba fives. fet & a decomposigio de p em fat6res primos, demonstrar que 9 polindmio caracteristico de T é f= fhe fle onde d; ¢ a nulidade de f<7)" dividida pelo grau de fj.A FORMA DE JORDAN 219 18. Seja T um operador linear sdbre 0 espago V de dimensio finita. De- monstrar que T possui um vetor ciclico se, ¢ somente se, vale o seguinte: Todo operador linear U que comuta com 7 é um polindmio em T. 19° Seja V um espaco vetorial de dimensio finita sObre F e seja T um operador linear sébre V. Perguntamos quando é que todo vetor nfio-nulo em ¥ € um vetor ciclico de 7. Demonstrar que isto ocorre, se, e sdmente se, 0 polinémio caracteristico de T é irredutivel sébre F. 20, Seja A uma 1 X n matriz com elementos reais. Seja T 0 operador linear sobre R* que € representado por A em relacio & base ordenada ca- nOnica € seja U o operador Jinear sobre C* que € representado por A em relagio & base ordenada canénica. Usar o resultado do Exereicio 19 para demonstrar 0 seguinte: Se os tinicos subespagos invariantes sob T séo R° € 0 subespago nulo, entio U é diagonalizivel, 7.3 A Forma de Jordan Suponhamos que N seja um operador linear nilpotente sébre o espaco V de dimensao finita. Consideremos a decomposigio ciclica de N que obtemos por meio do teorema da decomposigao racional. Temos um inteiro positive re r vetores nZo-nulos a1, .... ar em V com N-anuladores pi, ..., pr, tais que V = Za; N)@... © Ze; N) e pi+1 divide p; para i = 1,...,7—1. Como N € nilpotente, o po- linémio caracteristico de N é x". O polinémio é x* para um certo k 1. A matriz associada a x'' €a ki X ki matriz foo...00 10.,.09 o1...00 (75) Ai = 00...10 Assim, o Teorema 4 nos fornece yma base ordenada de V em relagfio 4 qual a matriz de N é a soma direta das matrizes nilpotentes elementares (7-5), cujas dimensées diminuem & medida que i aumenta, Vé-se, a partir disto, que esto dssociados a uma n X n matriz nilpotente um inteiro positivo re r inteiros positivos k1,..., k, tais que ki +... +k, = ne ki > kizi, © Stes inteiros positivos determinam a forma racional da matriz, isto é, determinam a matriz a menos de semelhanga.220 AS FORMAS RACIONAL E DE JORDAN Eis aqui algo que gostariamos de ressaltar sébre 0 operador nilpotente N acima. O inteiro positive r é precisamente a nulidade de N; na verdade, uma base do niicleo € formada pelos r vetores (7-6) Nila. De fato, suponhamos que a esteja no micleo de N. Podemos escrever « sob a forma a=fia+...+ for onde f; € polindmio, cujo grau podemos supor menor que kj. Como Na = 0, para cada i temos 0 = Mfiai) NG CN Jos Ofilai. Assim, xf; é divisfvel por x*' ¢ como gr(fi) > k: isto significa que Si = cixti! onde c,; é um certo escalar, Mas entio a = ex(xAiton) +... + era tay) © que nos mostra que os vetores (7-6) formam uma base do micleo de N. O leitor deverd notar que éste fato também € evidente do ponto de vista de matrizes, O que desejamos fazer agora é combinar nossas conclusdes a respeito de operadores ou matrizes nilpotentes com o teorema da decomposigéo primdria do Capitulo 6. A situagio é a seguinte: Suponhamos que T seja um operador linear sébre V e que o poli- némio caracteristico de T se decomponha sdbre F como segue: f= ~ a)... (x — ev) a onde ci, ..., cy Sio elementos distintos em Fe d; > 1. Entéo, o polinémio minimal de T sera B= (x cy... (x = x) onde 1 < 7; < di. Se W; € 0 nticleo de (T — cif)", entéo 0 teorema da decomposig&o primdria nos diz que vVemMoO...08w € que o operador T; induzido sébre W; por T possui polinémio minimal igual a (x — ¢,)", Seja N; 0 operador linear s6bre W; definido por N; = T; — cif. Entao, N; é nilpotente e seu polinémio minimal € x", Sébre W;, T age como Nj mais o escalar c; vézes 0 operador idéntico. Suponhamos que tomemos uma base do subespago W; correspondente & decomposigio cfclica do operador nilpotente Ni. Eniao a matriz de 7; em relagio a esta base ordenada sera a soma direta das matrizesA FORMA DE JORDAN 221 re 0... 0 OF le 00 -) Lt _ ¢ O00... 1. cada uma com ¢ = ci. Além disso, as dimensdes destas matrizes diminuem quando se Ié da esquerda para a direita, Uma matriz da forma (7-7) € dita uma matriz elementar de Jordan com valor caracteristico c, Reunindo todas as bases dos W; obtemos uma base de ¥. Descrevamos a matriz A de T cm relagio a esta base ordenada, a matriz 4 é a soma direta A 0 ... 0 O Ae 0 (7-8) Aalst oes 0 0 1. me das matrizes 4), ..., Ax. Cada A; € da forma J!0 1. 0 o se. 0 Av={t ¢ : 0 0 1. Ke onde cada J; € uma matriz elementar de Jordan com valor caracteristico c;. Além disso, dentro de cada A;, as dimensdes das matrizes J} diminuem & medida que j aumenta. Diremos que uma X # matriz A que satisfaz todas as condigdes descritas até agora neste pardgrafo (para certos escalares distintos c), ..., cx) esté sob a forma de Jordan. Acabamos de salientar que se T é um operador linear para o qual o polinémio caracteristico se decompée completamente sobre © corpo de escalares, ento existe uma base ordenada de V em re- fagdo & qual T é representado por uma matriz que esté sob a forma de Jordan. Gostariamos de mostrar agora que esta matriz é algo associado de modo tinico a T, a menos da ordem em que os valores caracteristicos de T sio escritos. Em outras palavras, se duas matrizes estao sob a forma de Jordan e se elas sfo semelhantes, entio elas podem diferir apenas quanto & ordem dos escalares ¢;.222 AS FORMAS RACIONAL E DE JORDAN Podemos ver a unicidade como segue. Suponhamos que exista alguma base ordenada de V em relagéo & qual T seja representado pela matriz de Jordan A descrita no pardgrafo anterior. Se A; é uma d; X d; matriz, entio d; € evidentemente a multiplicidade de cj como uma raiz do polinémio caracteristico de A, ou de 7. Em outras palavras, o polinémio caracteristico de T é f(x at... (x — ex). Isto mostra que ¢1, . cee di, ..., d S40 tinicos, a menos da ordem em que sao escritos, O fato de que A € a soma direta das matrizes A; nos fornece uma decomposic&o em soma directa V = W, ® @® ... © W, invariante sob 7, Observemos agora que W; deve ser o nticleo de (T — e:f)*, sendo n = dim V; de fato, 4; — cif € dbviamente nilpotente e A; — cif € n&o-singular para j * i. Portanto, vemos que os subespacos W so tinicos. Se Ti € 0 operador induzido sdbre W; por T, ent&o a matriz A; é determinada de um tinico modo como a forma racional de (7; — ef). Desejamos agora fazer mais algumas observagdes sébre 0 operador T e a matriz de Jordan A que representa T em relagdo a uma certa base ordenada. Faremos uma cadeia de observagées: (a) Todo elemento de A que nao esteja na diagonal principal ou imediatamente abaixo dela é nulo. Na diagonal de A aparecem os & valores caracteristicos distintos ci, ..., cx de T. Além disso, ci se repete d; vézes, sendo d; a multiplicidade de c; como uma raiz do polinémio caracteristico, isto 6, di = dim W,. (b) Para cada i, a matriz 4; a soma direta de n; matrizes elementares de Jordan, J§?, com valor caracteristico c;, O mimero 1; é exatamente a dimensao do espago dos vetores caracteristicos asbo- ciados ao valor caracteristico c;. De fato, a; é 0 nimero de blacos nilpotentes elementares na forma racional de (7; — c:/) sendo portanto igual & dimens&o do nticleo de (T -- cf). Em particular, notemos que T é diagonaliz4vel se, e sdmente se, nj = d; para todo i. (©) Para cada i, 0 primeiro bloco Jj? na matriz A; é uma ri X ri matriz, sendo 7; a multiplicidade de c; como uma raiz do polinémio minimal de T. Isto decorre do fato de que o polinémio minimal do operador nilpotente (T; — cif) € x". E claro que temos, como sempre, o mesmo resultado para matrizes. Se B é uma n X n matriz sébre 0 corpo F e se 0 potinémio caracteristico de B se decompde completamente sdbre F, entio B €semelhante sdbre F a uma n X n matriz A sob a forma de Jordan A € tinica ‘a menos da ordem dos valores caracteristicos. Dizemos que A é a forma de Jordan de B.A FORMA DE JORDAN 223 Além disso, notemos que se F € um corpo algébricamente fechado, entio as observagdes acima se aplicam a todo operador linear sébre um espago de dimens&o finita, ou, a téda n X n matriz sdbre F. Assim, por exemplo, téda n X n matriz sébre 0 corpo dos niimeros complexos & semelhante a uma matriz essencialmente nica sdb a forma de Jordan, Exemplo 4. Suponhamos que T seja um operador linear sdbre C*. O polinémio caracteristico de T € (x — c1) (x — ca), sendo ci e cz niimeros complexos distintos ou entio é (& — c)?. No primeira caso, T € diagonalizdvel e é represeritado em relagio a alguma base ordenada por ce 0 [3 eel No segundo caso, 0 polindmio minimal de T pode ser (x — c), € entio T = cle pode ser (x — c)” ¢ entiio T é representado em rela- g&o a alguma base pela matriz c 0]. lic Assim, téda 2 X 2 matriz sébre 0 corpo dos miimeros complexos semelhante a uma matriz de um dos dois tipos acima exibilos, possivelmente com cy = cz. Exemplo 5. Seja A a 3 X 3 ntatriz complexa 2 0 0 a2 0O}- be —1 O polinémio caracteristico de A é dbviamente (x — 2)? (x + 1). Ou @te polindmio é o polinémio minimal e A é semelhante a 20 12 O07} 00 —1 ou entio o polindmio minimal € (x — 2) (x + 1), caso em que A é semelhante a 20 9 02 O}- 0 0 —I 0 0 0 (A—- (A+ HD = E 0 | ac 0 0. Ora,224 AS FORMAS RACIONAL E DE JORDAN e assim 4 é semelhante a uma matriz diagonal se, e sdmente se, a=0. Exemplo 6. Seja 2 1 A=l9 cone RROS Nooo 0 O polindmio caracteristico de A é (x — 2)*. Como A é a soma direta de duas 2 X 2 matrizes, é evidente que o polinémio minimal de A é (x — 2), Ora, se a = 0 ou se a = 1, entio a matriz A esté sob a forma de Jordan. Notemos que as duas matrizes que se obtém paraa = Oe a = | tém o mesmo polinémio caracteristico e o mesmo polinémio minimal, mas nao sfo semethantes. Elas nao séo seme- Ihantes porque, para a primeira matriz, 0 espaco-solug’o de (A — — 21) tem dimensio 3, enquanto que para a segunda matriz a di- merisio é 2, Exercicios 1, Sejam Ni © N, 3 X 3 matrizes nilpotentes sbre 0 corpo F, Demons- rar que N, e N, séo semelhantes, se, ¢ sOmente se, possuem o mesmo po- inémio minimal. 2. Usar o resultado do Exercicio 1 e a forma de Jordan para demonstrar © seguinte: Sejam 4 ¢ Bt X 1 matrizes sdbre 0 corpo F que possuam o mesmo polinémio caracteristico feo. — ay © 0 mesmo polinémio minimal. Se nenhum d; € maiot que 3. entao Ae B sho semelhantes. 3, Se A é uma 5X5 matriz complexe com polinémio [earacteristico f= (x —2)) (& + 7)? e polinémio minimal p = (x — 2)? (x + 7), qual € a forma de Jordan de 4? 4. Quantas formas de Jordan so possiveis para a 6 X 6 matriz complexa cujo polinémio caracteristico € (x + 2) (x — 1)*? 5. © operador derivagto sébre o espago dos polinémios de grau menor ‘ou igual a 3 é representado em relagio & base ordenada “natural” pela ma- riz O11 00 oo 00 Qual ¢ a forma de Jordan desta matriz? (F € um subcorpo do corpo dos niimetos complexos.) 6. Seja A a matriz complexa 0 20 03 © ©,A FORMA DE JORDAN 225 wolin on-ono o-onso o-neco -nocee booece 0 Determinar a forma de Jordan de A. 7. Se A € uma n X n matriz sébre o corpo F com polindmio caracteristico fae at... ow, qual € 0 trago de A? 8. Classificar, a menos da semelhanga, t6das as 3 X 3 matrizes complexas A tais que A* = 1. 9. Classificar, a menos da semelhanga, todas as » X m matrizes complexas A tais que 4* = 1, 10, Seja n um inteiro positivo, n > 2 € seja N uma n X n matriz sdbre 0 corpo F tal que N* = 0) mas N*' » 0. Demonstrar que N nao possui nenhuma raiz quadrada, isto ¢, que nfo existe nenhuma a X ” matriz A tal que N? = WN. 11. Sejam N, e N. 6 X 6 matrizes nilpotentes sébre o corpo F. Suponha- mos que N, € N; tenham o mesmo polinémio minimal e a.mesma nulidade. Demonstrar que M, € N, séo semelhantes. Mostrar que isto nao é vilido para 7 X 7 matrizes nilpotentes. 12, Usar o resultado do Exercicio 11 ¢ a “forma de Jordan para demonstrar o seguinte: Sejam 4 ¢ Bn X n matrizes sSbre o corpo F que possuam © mesmo polindmio caracteristico f= (ey)... en) € 0 mesmo polindmio minimal. Suponhamos também que para cada i, os espagos-solugdes de (A — ef) e de (B — el) ‘tenham a mesma dimensio. Se nenhum dos d; € maior que 6, entio A e B sio semelhantes. 13, Se N é uma k X k matriz nilpotente elementar, isto é, Nt = 0 mas N*1 54 0, mostrar que N' € semelhante a N, Usar agora a forma de Jor- dan para demonstrar que téda n X 1 matriz complexa € semelhante & sua transposta, 14, O que estd errado na demonstragao que segue? Se A é uma n X n mattiz complexa tal que A! = —A, entio A é 0. Demonstracao: Seja J a forma de Jordan de A. Como A! = —A, J‘ = —J. Mas J é triangular, logo J‘ = —J implica que todo elemento de J é nulo, Como J = Oc A é semelhante a J, vemos que A = 0. (Dar um exemplo de uma A nfo-nula tal que 4! = —A,) 15. Se N € uma 3 X 3 matriz nilpotente sdbre C, demonstrar que AmI+3N—5N' satisfaz 4? = 1 +N, isto é 4 € uma raiz quadrada I + N, Usar a série binomial (1 + 1)'!* para obter uma férmula semelhante raiz quadrada de f + N, onde N é uma # + # mattiz nil- Potente arbitrdria sébre C. 16. Usar o resultado do Exercicio 15 para demonstrar que se ¢ é um nie mero complexo ndo-nulo ¢ N € uma matriz complexa nilpotente, entio (cl + N) possui uma raiz quadrada, Usar depois a forma de Jordan para demonstrar que téda n X m matriz complexa ndo-singular possui uma raiz quadrada.226 AS FORMAS RACIONAL E DE JORDAN 7.4 Resumo; Operadores Semi-Simples Nos dois ultimos capitulos, estivemos tratando de um tinico operador linear T sébre um espago vetorial V de dimensio finita. O programa foi decompor T numa soma direta de operadores lineares de natureza elementar, com o objetivo de obter informagies detalhadas sébre como T ‘opera’ s6bre o espago V. Recordemos rpi- damente onde nos encontramos. Comegamos éstudando T por meio de valores caracteristicos e vetores caracteristicos. Introduzimos os operadores diagonalizdveis, operadores que pddem ser descritos completamente em térmos de valores ¢ vetores caracteristicos. Observamos ent&o que podia ocorrer que T no tivesse nenhum vetor caracteristico. Mesmo no caso de um corpo de escalares alg¢bricamente fechado, em que todo operador linear realmente possui pelo menos um vetor caracterfstico, notamos que os vetores caracteristicos de T nem sempre geravam 0 espago. Demonstramos ent&o 0 teorema da decomposicio racional, ex- primindo um operador linear arbitrério como a soma direta de operadores que tinham um vetor cfclico, sem fazer nenhuma hipstese quanto ao corpo de escalares. Se U é um operador linear que tem um vetor ciclico, existe uma base {a1, ..., a} tal que Ua; = aj4r, fal, .. —1 Van = Cony — Cran — » 2. — Canine A agio de U sébre esta base é entao a de transformar cada aj no vetor seguinte aj41, com a excegio de Ua, que é uma combinagio linear predeterminada dos vetores da base. Como um operador linear genérico 7 € a soma direta de um numero finito de tais operadores U, obtivemos uma descricio explicita e razoavelmente elementar da agio de 7. Aplicamos a seguir 0 teorema da decomposigao racional a operadores nilpotentes. Para 0 caso de um corpo de escalares algébrica- mente fechado, combinamos éste resultado com o teorema da decomposigao priméria obtendo a forma de Jordan. A forma de Jordan fornece uma base {a1, ..., ¢n} do espago V tal que, para cada j, ou Ta; € um miiltiplo escalar de a; ou Ta; = ca; + oj 41. Esta base certamente descreve a agdo de T de uma maneira explicita e elementar. A importancia da forma racional (ou da forma de Jordan) ori- gina-se do fato de ela existir e nao do fato de poder ser determinada em casos particulares. E claro que se se tem um particular operador linear 7 ¢ se pode determinar a sua forma racional ou de Jordan, deve-se fazé-lo, pois, tendo esta forma, pode-se conseguir vastas quantidades de informacdes sébre T. Dois tipos de dificuldades surgem no célculo dessas formas candnicas. Uma dificuldade ¢, dbvia-RESUMO: OPERADORES SEMI-SIMPLES 227 mente, a extensio dos calculos, A outra dificuldade € que pode nao existir nenhum método de efetuar os célculos mesmo que se tenham paciéncia e tempo suficientes. A segunda dificuldade surge ao, digamos, se tentar determinar a forma de Jordan de uma matriz complexa. Simplesmente nao existe nenhum método bem definido de se decompor’o polinémio caracteristico e assim ja se é barrado no inicio. A forma racional n4o apresenta esta dificuldade. Em outras palavras, existe um método bem definido para se determinar a forma racional de uma dada n X n matriz; contudo, tais célculos sio usualmente longos demais. O leitor interessado deveré consultar o livro de A. A. Albert citado na Bibliografia para uma discussio déste aspecto da forma racional. Em nosso resumo dos resultados déstes dois ultimos capitulos, ainda nfo mencionamos um teorema que demonstramos. E 0 teo- tema que afirma que se T é um operador linear sébre um espago vetorial de dimensio finita sbre um corpo algébricamente fechado, entio T pode ser expresso de um tinico modo como a soma de um operador diagonializavel com um operador nilpotente os quais comutam. Ele foi demonstrado a partir do teorema da decomposigao priméria e algumas informagdes sébre operadores diagonalizéveis. Nao é um teorema tio profundo como o teorema da decomposigio raciorial ou a existéncia da forma de Jordan, mas possui aplicagdes importantes e titeis em certas partes da matemética. Condluindo éste capitulo, vamos demonstrar um teorema andlogo, sem supor que 0 corpo de escalares seja algtbricamente fechado. Comegamos por definir os operadores que desempenhario 0 papel dos operadores diagonalizdveis. Definigho. Seja V um espaco vetorial de dimensiib finita sdbre 0 corpo F e seja T wn operador linear sébre V. Dizemos que T é semi- simples se todo subespaco T-invariante possui um subespago suplementar T-invariante. O que estamos prestes a demonstrar é que, com certas restri- ges sébre 0 corpo F, todo operador linear T pode ser expresso de um Unico modo como T = S + N, sendo S semi-simples, N nilpotente e SN = NS. Primeiro, vamos caracterizar os operadores semi-simples por meio de seus polinémios minimais e esta carac- terizagdo nos mostraré que, quando F é algbricamente fechado, um operador & semi-simples se, e somente se, é diagonalfzével. Lema. Seja T um operador linear sébre 0 espaco vetorial V de dimensao finita e sea V = Wi ® ... ® We a decomposicdo primdria de T. Em outras palavras, se n é 0 polindmio de Te p = pf... . +. pi é a decomposigdo de n em fatéres primos, entdo W;é 0 niicleo228 AS FORMAS RACIONAL E DE JORDAN de p(T)". Seja N um subespaco arbitrério de V que seja invariante sob T. Entao W=(WOW)@... BWM). Demonstragdo. Para a demonstragéo precisaremos recordar um. corolétio de nossa demonstragio do teorema da decomposigao primaria na Secio 6.4. Se Ei, ..., Ex Sio as projegdes associadas & decomposigio V = W: ® ... ® Wz, entio cada Ej € um polindmio em T. Isto é, existem polinémios M1, ..., A tais que Ej = A; (T). Seja agora W um subespago invariante sob T. Se a € um vetor qualquer em W, entio a =a; + ... + a, com a; em Wj, Ora, a; = Eja = h{T)a, e como W é invariante sob T, cada a; também esté. em W. Assim, cada vetor aem Wédaformaa = a +... + an, com a; na intersegio W (\ W;. Esta expressio € tinica pois V = Wi: ® ... © W,. Portanto W=WOAWM)O...8 WOM). Lema. Seja T um operador linear sdbre V e suponhamos que o polinédmio minimal de T seja irredutivel sébre 0 corpo F de escalares Entéo T é semi-simples. Demonstragéo. Seja W um subespago de V que seja invariante sob T. Precisamos demonstrar que W possui um subespago suplementar T-invariante. De acdrdo com o Teorema 3, sera suficiente demonstrar que se f é um polindmio e 8 € um vetor em V tais que AT)B esteja em W, entdo existe um vetor a em W tal que f(T)8 = = f(T)«. Portanto, suponhamos que f esteja em V e que f seja um polinémio tal que f(T)s esteja em W. Se f(T)8 = 0, fazemos a = 0 e entio a é um vetor em W tal que f(T)8 = f(T)a. Se f(T)8 # 0, 0 polinémio f nio € divisivel pelo polinémio minimal p do operador T. Como p € primo, isto significa que f e p sdo relativamente primos e existem polindmios g eh tais que fg + ph = 1. Como p(T) = 0 temos f(7)g(T) = 1. Daqui segue que o vetor B deve estar no subespaco W; de fato. B= ANAT IE = aT) f(T)8) enquanto f(T)é esté em We W € invariante sob T. Basta tomar a= 8. Teorema 6. Seja T um operador linear sébre 0 espaco vetorial V de dimensdo finita, Uma condigéo necessdria ¢ suficiente para que T seja semi-simples & que 0 polinémio minimal p de T seja da forma P= pr... pr, Sendo pi, ..., px polindmios irredutiveis distintos sobre o corpo F de escalares.RESUMO: OPERADORES SEMI-SIMPLES 229 Demonstracdéo. Suponhamos que T seja semi-simples. Mostra- remos que nenhum polinédmio irredutivel se repete na decomposigio do polinémio minimal p em fatéres primos. Suponhamos o contrério. Entao existe um polinémio unitério naio-constante g tal que g? divide p. Seja W o nticleo do operador g(T). Entio W é invariante sob T. Ora, p = g7h para algum polindmio A, Como g nao € um polinémio constante, o operador g(T)k(T) nao € o operador nulo e existe um vetor 6 em V tal que g(T)A(T)8 = 0, isto é, (gh)s ¥ 0. Ora, (gh) esté no subespago W, pois g(gh8) = g°hB = pB = 0. Mas néo existe nenhum vetor a em W tal que gh 8 = gh a: de fato, se a estd em W (gh) a = (hg) a = Ag a) = A(0) = 0. Assim, W nfo pode ter um subespago suplementar T-invariantes contradizendo a hipdtese de T ser semi-simples. Suponhamos agora que a decomposigio de p em fatéres primos seja p = pi... pr, Sendo pr, ..., px polindmios unitdrios (nfio-constantes), irredutiveis ¢ distintos. Seja W um subespago de V que seja invariante sob T. Vamos demonstrar que W possui um subespaco suplementar T-invariante. Seja V = Wi ©... ® Wx a decomposigdo priméria de T, isto & seja W;0 nicleo de pj (T). Seja T; 0 operador linear induzido sébre W; por T, de modo que o polinémio minimal de 7; é 0 primo p;. Ora, WO W; é um subespago de Wj que é invariante sob T; (ou sob T). Pelo Ultimo lema, existe um subespago V; de W; tal que Wj = (WY W;) ® V;e V; seja invariante sob 7; (e portanto sob T). Entdo temos V=W0...0 We =WAwKM)ONG...0 WAM) OK =WOAM)+...4¢( VOM ONG... 8M Pelo primeiro lema acima, W = (WO Wi) @ ... © (WO WH), de modo que se W' = Vi ® ... @ Va, entio V= WB We W’ € invariante sob T. Corolério, Se T é um operador linear sébre um espago vetorial de dimensao finita sbre um corpo alg?bricamente fechado, entéo T é semi-simples se, e sdmente se, T & diagonalizdvel. Demonstracdo. Se 0 corpo F de escalares é algtbricamente fechado, os primos unitdrios sébre F so os polinémios x — c. Neste caso, T é semi-simples se, e sdmente se, 0 polinémio minimal de Tép = (x— 141)... (x — cx), sendo ci, ..., cx elementos distintos de F. Este & exatamente o critério para a diagonalizagio de T, por nés estabelecido no Capitulo 6.230 AS FORMAS RACIONAL £ DE JORDAN Gostariamos de destacar que T é semi-simples se, ¢ sdmente se, existe um polindmio f, que seja um produto de primos distintos, tal que f(T) = 0. Isto difere apenas superficialmente da condigao de que o polinémio minimal seja um produto de primos distintos. Voltemos agora ao problema de exprimir um operador linear como a soma de um operador semi-simples e um operador nilpotente que comutem. Para esta parte, restringiremos o corpo de esca- Jares a um subcorpo do corpo dos niimeros complexos. O leitor in- formado verd que o importante € 0 corpo F ser um corpo de caracteristica zero, isto 6, para cada inteiro positive n,a somal +...+1 (n vézes) em F nao deve ser nula. Para um polindmio f sdbre F, indiquemos por f( a k-ésima derivada formal de f. Em outras palavras, f® = D*f onde D é 0 operador derivagéo sébre 0 espaco dos polindmios. Se g € um outro polinémio, f(g) indica o resultado de se substituir g em f, isto €, o polinémio obtido aplicando f ao elemento gna algebra linear F[x}. Lema (Férmula de Taylor). Seja F um subcorpo do corpo dos nuimeros complexos e sejam g eh polinémios sdbre F. Se f é um poli- némio qualquer sébre F com gr(f) < n, ent@o +£0 “t) fla) =f00 + 5%) + OG —ayt +... + Oey. Demonstragdo. O que estamos demonstrando é uma * formula de Taylor generalizada. O leitor provavelmente est4 acostumado a ver © caso particular em que A = c, um polinémio constante, e g = x. Nesse caso, a férmula diz: f =f) =f0 + f"OK — 9 3 5 + fe @— op +..04+ FOO oe — oy, A demonstragio desta férmula é simplesmente uma aplicagdo do teorema binomial (a+ btm at + aire + ED eoage gg ot De fato, o leitor notaré que, sendo a ‘ubetiigto ¢ a derivagZo pro- cessos lineares, basta demonstrar a férmula para f = x*. A férmula para f = z ee decorre por uma combinagio linear. No caso f= x com k< a, a formula diz ata + kg ED prong tt. HFRESUMO: OPERADORES SEMI-SIMPLES 231 que € exatamente o desenvolvimento binomial de gt= [kh + @— AP. Lema. Seja F um subcorpo do corpo dos ntimeros complexos, seja f um polindmio sébre F e seja {" a derivada de f. As seguintes afirmagées sGo equivalentes: (i) f é wn produto de polinémios irredutiveis e distintos sdbre F. Gi) fe f sdo relativamente primos. (iii) Considerado como um polinémio com coeficientes complexos, f no possui raizes muiltiplas. Demonstracéo. Demonstraremos primeiro que (i) ¢ (ii) sio afir- mages equivalentes sébre f. Suponhamos, na decomposigao de f em fatéres primos sébre 0 corpo F, que algum polinémio (nao-constante) primo p se repita. Entao f = p*h para algum # em F[x]. Entao, Sf = ph + App e p é também um divisor de f’. Logo, f ef? nao so relativamente primos. Concluimos que (ii) implica (i). : Suponhamos agora que f = pi... ps, onde pi,..., Pr SAO po- linémios n&o-constantes, irredutiveis ¢ distintos sébre F. Seja fi = Sips. Entio, St” = pifi + pofat -.. + phfe- Seja p um polinémio primo que divida f ef’. Entéo p = pi-para algum i. Ora, p; divide f; para j # i e como p; também divide & f= Bhi jel vemos que pi deve dividir p/f;. Portanto, p; divide f; ou pi. Mas pinao ivide f; uma vez que pr,..., Pe S40 distintos. Entao, p; divide Isto nfo € posstvel, pois o grau de p/ é um a menos que o grau de ‘pi. Concluimos que nenhum primo divide fe’, ou seja, que (/,f”) = 1. Para ver que a afirmagio (iii) é equivalente a (i) e (ii), precisamos observar apenas o seguinte: Suponhamos que fe g sejam po- linémios sdbre F, um subcorpo do corpo dos nimeros complexos. Podemos considerar f e g também como polindémios com coeficientes complexos. A afirmagio de que f e g sao relativamente primos como polinémios sébre F é equivalente A afirmagao de que fe g sio relativamente primos como polinémios sébre 0 corpo dos numeros complexos. Deixamos a demonstrac&o déste resultado como exercicio. Usemos éste fato com g = f’. Notemos que (iii) € exatamente (i) quando f é considerado como um polinémio sdébre 0 corpo dos mimeros complexos. Assim, (ii) ¢ (iii) sio equivalentes, pelo mesmo argumento utilizado acima.232 AS FORMAS RACIONAL E DE JORDAN Podemos agora demonstrar um teorema que tornard mais evidente a relacio entre operadores semi-simples ¢ operadores diagonalizdveis, Teorema 7. Seja F um subcorpo do corpo dos nimeros comple- x08, Seja V um espaco vetorial de dimensdo finita sdbre F e seja T um operador linear sébre V. Seja ® uma base ordenada de V e seja A a matriz de T em relaciio & base ordenada ®. Entao, T é semi-simples se, e sdmente se, a matriz A é semethante, sobre o corpo dos nimeros complexos, a uma diagonal. Demonstragdo. Seja p o polindmio minimal de 7, De acérdo com o teorema 6, T é semi-simples se, e sdmente se, p = pi... pe onde pi,..., pe S40 polinémios distintos irredut{veis sbre F. Pelo Ultimo lema, temos que T € semi-simples se, e sdmente se, p nao possui raizes complexas miltiplas. Ora, p também € o polinémio minimal da matriz A. Sabemos que A € semelhante s6bre 0 corpo dos niimeros complexes a uma matriz diagonal se, e sdmente se, o seu polinémio minimal néo possui rafzes complexas miltiplas. Isto demonstra o téorema, a menos de um detalhe, Deve-se observar que A possui o mesmo po- linémio minimial, seja considerada como uma matriz sébre F ou como uma matriz sébre 0 corpo dos niimeros complexos. Em outras palavras, se tomarmos o polindmio unitério de menor grau dentre todos os polinémios com coeficientes complexos que levam A em 0, @ste polinémio terd seus coeficientes no subcorpo F. Um polinémio f= co + ax +... + ax" tal que f(A) = 0 corresponde a uma telag&o linear col + oA +... + oA" = 0. entre as poténcias de A. Tal relagdo diz que co,..., ¢a satisfazem um sistema de r? equagdes lineares homogéneas, onde A é uma r Xr matriz. Os coeficientes déste sistema de equagdes se origi- nam dos elementos de A e siio, portanto, elementos do subcorpo F. Se tal um sistema de equagdes possui uma solugio nao-trivial COM ¢o,..., Cn miimeros complexos, entio éle admite uma solugio nao trivial com ¢o,..., ca em F. Isto mostra que o polinémio minimal de A, considerada como uma matriz sdbre F, tem o mesmo rau que o polinémio minimal de A, como uma matriz sObre C. ites dois polindmios unitérios tém o mesmo grau e 0 segundo divide o primeiro, logo sao idénticos. Teorema 8. Seja F wm subcorpo do corpo dos nimeros comple- x08, seja V wm espaco vetorial de dimensio finita sébre F e seja TRESUMO: OPERADORES SEMI-SIMPLES 233 um operador linear sébre V. Existe um operador semi-simples S s6- bre V e um operador nilpotente N sdbre V tais que @ T=S+4N; (ii) SN = NS. Além disso, o S semi-simples ¢ 0 N nilpotente que satisfazem (i) ¢ (if) sao tinicos e cada um é um polinémio em T. Demonstragao. Seja pi'... pit a decomposigio em fatéres primos do polinémio minimal de Te seja f = pi... ps. Scja ro maior dos inteiros positivos r:,..., 7». Entéo, o polinémio f é um produto de primos distintos, ” é divisivel pelo polindmio minimal de T ¢ entéo A(TY = 0. Vamos construir uma seqiiéncia de polinémios: go, g1, g2,..- tais que _bep f ¢ 2 BS ) seja divisivel por f*—', n = 0, 1, 2,... . Tomando go = 0 temos que f(x — gof”) = f(x) = f € divisivel por f, Suponhamos que tenhamos escolhido go,..., 8x1. Seja wel ho x— 2 gift j= de modo que, por hipdtese, f(A) é divisivel por f*. Queremos tomar 8» de modo que SA wf") seja divisivel por f*+ '. Aplicando a férmula geral de Taylor, obtemos SA = BS") = fA) — Bf FA) + f0 tb onde 6 é algum polinémio. Por hipétese, f(k) = 9f*. Assim, vemos que para f(h — g.f*) ser divisivel por f**! basta escolher g, de maneira tal que (¢ — g.f”) seja divisivel por f. Isto pode ser feito, pois f nao possui fat6res primos repetidos e entio f e f” so relativamente primos. Se @ e ¢ sao polindmios tais que af + ef? = 1 e se fizermos g, = eg, entio g — g.f’ serd divistvel por f. Agora temos uma seqiiéncia go, gi,... tal que f*+! divide f@- i gf’). Tomemos n = r — 1; como f(TY = 0, temos in f (7 Zany) = 0.234 AS FORMAS RACIONAL E DE JORDAN Seja rt rd N= 42 eADSTY = 2 sey. Como 3 wh & divisfel por f, vemos que A’ = Oe N é nilpotente. Seja s = pH N. Entao f(S) = f(T — N) = 0. Come f possui fatores primos distintos, S é semi-simples, Temos agora T = S + N onde S é semi-simples, N é nilpotente e cada um é um polinémio em T. Para demonstrar a afirmagao da unicidade, passaremos do corpo de escalares F ao corpo dos nuimeros complexos. Seja @ uma base ordenada do espago V. Entio temos [Tle = [Sle + [le sendo [S]g diagonalizdvel sdbre 0 corpo dos nimeros complexos € (Wg nilpotente, Esta matriz diagonalizvel ¢ esta matriz nilpotente que comutam s&éo determinadas de modo tnico, como demonstraremos no Capitulo 6, Exercicios 1. Se N é um operador linear nilpotente sObre V, mostrar que para todo polinémio f, a parte semi-simples de f(V) é um mittiplo escalar do operador idéntico (F é um subcorpo de C). 2, Seja F um subcorpo do corpo dos niimeros complexos, B um espago vetorial de dimenséo finita sObre F ¢ T um operador linear semi-simples sdbre V, Se fé um polindmio arbitrario sébre F, demonstrar que f(7) é semi-simples. 3. Seja 7 um operador linear sGbre um espago ce cimenslo finite sBbre de C, Demonstrar que T é semi-simples se, e somente se, vale o wepuinte: Se sé um polidmio'e fT) € nilpotente, esto iT) ~ 0.CAPITULO 8 ESPACOS COM PRODUTO INTERNO 8.1 Produtos Internos Em todo éste capitulo trataremos apenas de espagos vetoriais reais ou complexos, isto é, de espagos vetoriais sébre 0 corpo dos numeros reais ou s6bre o corpo dos ntimeros complexos. Nosso objetivo principal é estudar espagos vetoriais nos quais tenha sentido falar do “comprimento” de um vetor e do “Angulo” entre dois vetores. Faremos isto por meio do estudo de um certo tipo de fungio definida sébre pares de vetores e tomando valores escalares, conhecida como um “produto interno”. Um exemplo de produto interno & 0 produto escalar de vetores em R3. O produto escalar de a = (x1, x2, 3) € B= (M1, Yas Ys) em R3 é 0 escalar (a8) = xiyi + x2y2 + Xaya. Geométricamente, éste produto escalar € 0 produto do comprimento de a pelo comprimento de 6 € pelo cosseno do Angulo entre a € 8. Assim, é possfvel definir os conceitos geométricos de “comprimento”’ ¢ “Angulo” em R? em térmos do produto escalar que € algtbricamente definido. Um produto interno sébre um espago vetorial € uma generalizagio do produto escalar ¢, em térmos de tal produto interno, pode-se também definir “comprimento” e “Angulo”. Nos- sos comentarios sébre Angulos restringir-se-Ao ao conceito de per- pendicularidade (ou ortogonalidade) de dois vetores. Nesta primeira secio, vamos definir produto interno, considerar alguns exemplos particulares ¢ estabelecer algumas propriedades basicas do produto interno geral. Ent&o, voltar-nos-emos ao trabalho de discutir comprimento e ortogonalidade.236 ESPAGOS COM PRODUTO INTERNO Definigo. Seja F 0 corpo dos ntimeros reais ou o corpo dos numeros complexos e seja V um espaco vetorial sébre F. Um produto interno sdbre V é wma func&o que associa a cada par ordenado de vetores a, B em V um escalar (a, 8) em F de maneira tal que (@) @ + B, y) = @ 1) + (B, 7); (b) (co, 8) = cla, 8); (©) @, a) = ©, B), onde a barra indica conjugacéo complexa: (d) @, a) > O sea #0, Deve-se observar que as condigées (a), (b) e (c) implicam o seguinte: ©) @, 8 + 7) = ela, 8) + (, 7). Outro fato merece ser mencionado. Quando F é o corpo R dos nuimeros reais, os complexos conjugados que aparecem em (c) e (e) so supérfluos; no entanto, no caso de F ser complexo éles sao ne- cessérios para se obter a condigdo (d). Sem éstes complexos conjugados, teriamos a contradigao débvia: (wa) >0 © (ia, ia) = —I(ea) > 0. Nos exemplos que seguem, como em todo o capitulo, F é 0 corpo dos miimeros reais ou o corpo dos nuimeros complexos. Exemplo 1. Sébre F* existe um produto interno que denominamos © produto interno canénico. E definido sébre a = (x1,..., Xn) © B= O1,-.. yn) por (8-1) (0,8) = xiPi + xe +... + xa. Quando F = R, esta definigéo torna-se (a8) = x1y1 + 60. + Xnn oats produto interno é freqiientemente denominado o “produto es- lar”, Exemplo 2. Para a = (x1, x2) e 8 = (yi, y2) em R®, seja (@,8) = x1~1 — xiy2— xiye + 4x2y2. Como (a,0) = (x1 — x2)? + 3x4, decorre que (aa) > Osea = 0. As condigées (a), (b) ¢ (c) da definigio so facilmente verificadas. Exemplo 3. Seja V o espago de tédas as n X n matrizes sdbre F. Entio V é isomorfo a F*”, de uma maneira natural. Decorre portanto do Exemplo | que (A, B) = 2 ApBu fkPRODUTOS INTERNOS 237 define um produto interno sébre V. Além disso, introduzindo a matriz transposta conjugada B*, onde B*kj = By, podemos exprimir éste produto interno sébre V em térmos da fungao trago (A, B) = tr(AB*) = tr (B*A). De fato, pois tr (AB*) = 2 (ABY),; i = TE Ap Bits as = LE AuBy. jk Exemplo 4. Seja V o espago das » X 1 matrizes (— colunas) sobre Fe seja Q uma n X n matriz inversivel sbre F. Para X, Y em V definamos (X, Y) = Y*Q*OX, Estamos identificando uma | X i matriz sébre F com o seu tnico elemento. Quando Q & a matriz unidade, éste exemplo € essencialmente 0 mesmo que o Exemplo 1. Exemplo 5. Seja V o espago vetorial das fungdes continuas definidas sébre o intervalo unitério, 0< 1< 1 e tomando valores complexos. Seja. (f. 8) = [i foa@ar. O leitor provavelmente tem mais familiaridade com o espago das fungdes continuas definidas sébre o intervalo unitério e tomando valores reais, ¢ para éste espago, a conjugagéo complexa sébre g pode ser omitida. Exemplo 6, Este é na realidade téda uma classe de exemplos. Pode-se construir novos produtos internos a partir de um dado produto interno pelo seguinte método: Sejam V e W espagos vetoriais sébre 0 mesmo corpo e suponhamos que (, ) seja um produto interno sébre W. Se T é uma transformagao linear nao-singular de V em M, entio PrlasB) = (Te, TB) define um produto interno pr sébre V. O produto interno do Exem- plo 4 € um caso particular desta situagéo. Os que. seguem também so casos particulares. (a) Seja V um espaco vetorial de dimensio finita e scja @ = fas... an}238 ESPAGOS COM PRODUTO INTERNO uma base ordenada de V. Sejam «,..., én, 0S vetores da base ca- nénica de F*™ e seja T a transformagao linear de V em F™ tal que Ta; = ¢, j = 1,..., 2. Em outras palavras, seja T 0 isomorfismo “natural” de V em F* determinado por &. Se tomarmos o produto interno canénico sébre F*, entio Pr(& xjaj, EZ year) = Z xy; i & jel Assim, para téda base ® de V, existe um produto interno sébre V com a propricdade de que (aj, ax) = 6j; na verdade, é facil mostrar que existe exatamente um tal produto interno. Mostraremos posteriormente que todo produto interno sébre V é determinado por alguma base ® da maneira acima. (b) Consideremos novamente o Exemplo 5. Tomemos V = W, o espago das fungées continuas sébre o intervalo unitdrio. Seja T © operador Jinear “multipficagio por ¢’, isto é, (Tf) = f, O<1< 1. E facil ver que T é linear. T também € ndo-singular; de fato, suponhamos que Tf = 0. Entio, #f(t) = 0 parad< 1 <1; logo, f(t) = 0 para t > 0. Como f é continua temos também f(0), ou seja, f = 0. Usando o produto interno do Exemplo 5, construamos um produto interno sébre V por pit f, 8) = f(A MOT ENOM = [inowirat. Voltemos agora a observagdes gerais sébre produtos internos. Suponhamos que V seja um espago vetorial complexo com produto interno, Ent&o, para todos a, 8 em V (a, B) = Rela, B) + ilm(a, B) onde Re(a, 8) € Jm(«, 8) sao as partes real e imagindria do nimero complexo (a, 8). Se z € um numero complexo, ento fm(z) = Re(— iz). Decorre que Ima, 8) = Ref —ia, BY] = Rela, i8). Assim, o produto interno € completamente determinado por sua “parte real” de acérdo com (8-2) (a, 8) = Rela, B) + iRe(a, is). As vézes € bastante titi] saber que um produto interno sébre um espago vetorial real ou complexo é determinado por outra fungao, a chamada forma quadritica determinada pelo produto interno. Para definiela, indiquemos primeiro a raiz quadrada positiva de (a, a)PRODUTOS INTERNOS 239 por |la||; |lal| € denominada a norma de a em relagio ao produto interno. Observando o8 produtos internos canénicos em R', C!, R*,e R®, o leitor poderd se convencer de que é conveniente considerar a norma de a como o “‘comprimento” ou “magnitude” de «. A forma quadratica determiriada pelo produto interno é a fungdo que associa a cada vetor w o escalar |[a}|?. Decorre da definittio que Ile + Bil? = [lat]? + 2Rela, A) + |ia\|. Assim, no caso real, 1 1 2 (8-3) (a, B) = y ile + Bll? — 5 Me — Bll”. No caso complexo também precisamos usar (8-2) ¢ obtemos uma expressao mais complicada: 4) (~ 8) = J le + All? — § lle — al? + Gla + il? — 5 lle — sll? As equagdes (8-3) ¢ (8-4) sio denominadas as identidades de pola- rizacdo. Notemos que (8-4) pode também ser escrita como segue: 4 (@, 8) = i Miia + iBii?. fae As observagées acima valem para qualquer produto interno s6- bre qualquer espago vetorial real ou complexo, nao importando sua dimensao. Voltamos agora ao caso em que V é de dimensao finita. Um produto interno sébre um espago de dimensao finita sempre pode ser descrito em térmos de uma dada base por meio de uma matriz. Suponhamos entaéo que V seja de dimensao finita, que @ = {eu, a2, ...5 an} seja uma base ordenada de V e que nos seja dado um particular produto interno sébre V: mostraremos que éle é completamente determinado pelos valores (8-5) Gix = (as; a) que assume sébre pares de vetores em «, Se as 2 xe € B= OD yjaj 3240 ESPACOS COM PRODUTO INTERNO. entiio (e, 8) = (Exar, 8) * z xan, 8) = x E Yaw aj) eG = EV jGjaxe sik = ¥*GX onde X, Y sao as matrizes das coordenadas de a, 8 em relagio & base ordenada ® e G é a matriz com elementos Gye = (ax, a), De- nominamos G a matriz do produto interno em relacio a base ordenada ®. Decorre de (8-5) que G = G* ou, em outras palavras, que G é hermitiana; contudo, G nao € uma matriz hermitiana tipica. De fato, pois G deve satisfazer a condig&o adicional (8-6) X*GX >0 se X #0. Em particular, G deve ser inversivel. Caso contrério, existiria uma X #0 tal que GX = 0. Quando escrita explicitamente, (8-6) torna-se (8-7) Z XGixe > 0, X ¥ 0. isk Daqui vemos imediatamente que todo elemento diagonal de G deve ser positivo; no entanto, esta condigéo sébre os elementos diagonais nao € de forma alguma suficiente para assegurar a validez de (8-6), Este processo € reversivel; isto é se G & uma m Xn matriz arbitréria sdbre F que satisfaz G = G* e (8-6), entio G é a matriz, em relagio & base ordenada ®, de algum produto interno sé- bre V. Tal produto interno é aquéle definido por (a, 8) = ¥*GX onde X e Y sio as matrizes das coordenadas de a e 8 em relagio & base ordenada @. Assim, fixando-se uma base ordenada ®, pode-se obter uma descrig&o de todos os produtos internos possiveis sébre o espago V de dimenséo finita. Por exemplo, podemos descrever todos os produtos internos sébre F" através de suas matrizes em relagdo & base ordenada candnica. Todo produto interno sébre F* é obtido tomando-se uma n X n matriz G sObre F que satisfaca G=G 2 Gada >0, se X #0 iPRODUTOS INTERNOS 241 ¢ definindo entio o produto interno de a = (x1,..., Xa) € B= (,..., Yn) por (, 8) = 2 Gone = Y*GX. a Para que uma tal descrigao seja realmente util, deve-se definir alguma maneira eficaz de se decidir quando é que uma dada matriz G satisfaz (8-7). Faremos isto posteriormente. Exercicios A. Seja V um espago vetorial ¢ (,} um produto interno sdbre V. (2) Mostrar que (0, 8) = 0 para todo 8 em V. (b) Mostrar que se {a, #) = 0 para todo 6 em ¥, entio a = 0, 2, Seja V um espago vetorial sobre F, Mostrar que a soma de dois produtos internos sobre V € um produto interno sobre V. A diferenca de dois Produtos internos € um produto interno? Mostrar que um multiple positivo de um produto interno € um produto interno. 3, Descrever explicitamente todos os produtos internos sdbre R, € sobre C1. 4. Verificar que 0 produto interno canénico sobre F» € um produto interno. 5. Seja (,) 0 produto interno candnico sdbre R*. (a) Sejama = (1,2), 8 = (—L, 1), Sey € um vetor tal que (@, 7) = —1 © (B, 7) = 3, determinar 7, (b) Mostrar que para todo a em R# temos a = (a, ude + (a, exer 6. Seja (,) © produto interno candnico sobre Ce seja T 0 operador near Tx, x) = (—x» 21). Ora, T é “a rotagdo de 90°" e possui a propriedade de que (a, Ta) = 0 para todo a em R*. Determinar todos os produtos internos [,] sObre R? tais que [a, Ta] = 0 para todo a, 7. Seja (,) 0 produto interno canGnico s6bre C> Demonstrar que nao existe nenhum operador linear nao-nulo sébre C? tal que («, Ta) = 0 para. todo a em C*, Generalizar, 8. Seja V 0 espago das 2 X 1 matrizes sObre R e seja A uma 2 x 2 matriz com elementos reais. Para X, Y em V seja fAX, ¥) = YIAX, Mostrar que f € um produto interno sébre V se, e sdmente se, 4 = At, Au >0, dn > Oe det A >0. 9 Seja V um espago vetorial real ou complexo com produto interno. Mos- trar que a forma quadrdtica determinada pelo produto interno satisfaz a regra do paralelogramo lla + All + lle — allt = Qi + 2a 10. Scja (,) © produto interno s6bre R* definido no Exemplo 2 ¢ scja & @ base ordenada canénica de R*. Determinar a matriz déste produto interno em relagio a &. 11. Mostrar que a formula aibe i, E byt) = Bi Gam Boe = BET242 ESPAGOS COM PRODUTO INTERNO define um produto interno sébre o espago Rix) dos polindmios sébre o corpo R. Seja W 0 subespago dos polindmios de grau menor ou igual an. Restringit © produto interno acima a W e determinar a matriz déste produto interno sdbre W em relagio A base ordenada {1, x, x4..., x*}. (Sugestdo: Para mostrar que a {6rmula define um produto interno, obsér- var que faa ¢ trabalhar com a integral.) 12, Seja ¥ um espago vetorial de dimensio finita e seja @ = {a1,....00} uma base de V. Seja (,) um produto interno sObre V, Se cs,..., Cx #0 7 escalares arbitrérios, mostrar que existe exatamente um vetor a em V tal que (,)) =o. 7 = 1... .m 13. Seja V um espago vetorial complexo. Uma fungto J de V em V € denominada uma conjugacdo (também chamada funcdo semilinear) se Ka + +8) = Sa) + A). Mca) = CHa) € Ha) = a, para todos os escalares ¢ € todos «, 6 em V. Se J € uma conjugacdo, mostrar que (a) 0 conjunto W de todos @ em V tais que Ja = a & um espaco vetorial sdbre R em relacéo as operacdes definidas em V; (b) para cada a em V existe um tnico par de yetores 8, y em W tais que = 8 + iy. 14. Seja V um espago vetorial complexo e W um subconjunto de V com as seguintes propriedades: (i) W € um espaco vetorial real em relagio as operagoes definidas em V. ii) Para cada a em V existe um dnico par de vetores 8, y em W, tais que a = 6 + éy. Mostrar que a equagio Ja = — iy define uma conjugagio sObre V tal que Ja = « se, ¢ sdmente se, a pertence a W e mostrar tam- bém que J € a tnica conjugacdo sdbre V com esta propriedade. 18. Determinar tédas as conjugagdes sobre C’ e C+. 16. Seja HW um subespago real de dimensio finita de um espago vetorial complexo ¥. Mostrar que W satisfaz a condigao (ii) do Exercicio 14 se, e sdmente se, toda base de W ¢ também uma base de V. 17. Seja V um espaco vetorial complexo, J uma conjugagio sobre ¥, W 9 conjunto dos « em V tais que Ja = @ € f um produto interno sdbre W. Mostrar que (a) existe um tnico produto interno g sdbre V tal que x(a, 8) = fle, 8) para todos a, gem W, {b) g{Ja, /8) = 5(8, @) para todos a, # em V. que a parte (a) diz acérca da relagdo entre os produtos internos canéni- cos sdbre Re C! ou sobre Re C*? SOgttydt 8.2 Espacos com Produto Interno Agora que temos alguma idéia sébre o que um produto inte- Ro é, voltaremos nossa atengdo para o que pode ser dito a respeito da combinacdo de um espaco vetorial e algum produto interno par-ESPACOS COM PRODUTO INTERNO. 243 ticular sébre éle. Especificamente, estabeleceremos as propriedades bdsicas dos conceitos de “comprimento” e “ortogonalidade” que sto impostas ao espaco pelo produto interno, Definic#o. Um espaco com produto interna é wm espaco vetorial real ou complexo, munido de um produto especificado sébre aquéle espaco. Um espago real com produto interno e de dimenséo finita é freqiientemerite denominado um espaco euclidiano. Um espago complexo com produto interno é freqiientemente dito um espaco unitério. Teorema 1, Se V é um espaco com produto interno, entdo, para quaisquer vetores a, 8 em V e todo escalar c () |eal} = Te! |lel) s (b) |la|| > 0 paraa # 0; (©) [CeB)i < fall ||): (4) |a+8\! < |lal| + {I8il- Demonstragao. As afirmagoes (a) ¢ (b) decorrem quase imediatamente das diversas definigdes envolvidas. A desigualdade em (c} € evidentemente valida quando a = 0. Se a # 0, coloquemos = p— Ba) yO Tai Entao (7, a) = Oe = Ba) . g — Ba) 0< trl? = (@— War 8 Tee & -@p— 62 = GA) — qr Ga) Ke, 8 = lial? — ‘ell? Logo |(a, 8)!? < iel{2||8||2. Usando agora (c) concluimos que ila + Bl? = |lal|? + (@, 8) + (8,4) + {I6l/? = |lal|? + 2Re(a, 8) + [16|)? S Ilell? + fle? (all + Wisi? = (jail + [isib?. Assim, |ja + 6]| < |le|} + [I6||, 0 que demonstra (d),244 ESPACOS COM PRODUTO INTERNO. Observagdo. A desigualdade dada em (c) é denominada a desigualdade de Cauchy-Schwarz. Ela possui uma ampla gama de apli- cagées em matemdtica. Exemplo 7. Aplicando a desigualdade de Cauchy-Schwarz aos produtos internos dados nos Exemplos 1, 2, 3 ¢ 5 obtemos o seguinte: ® |B xabal SCE Lae PDV2CZ ipa 22 (b)— xiy — xep1 — xiye + 4xayo) S (x1 — x2)? + 3x8) — ya)? + 3p? © ltr (AB*)| < jte (AA*)|'2 |r (BB*)|2 @ | fi feaeteas| < (2 ironies)? iecoltax)'”. Definicio. Sejam a e 8 vetores num espaco V com produto interno, Dizemos que a e 8 sGo ortogonais se (a, 8) = 0. Se S é um conjunto de vetores em V, dizemos que S é um conjunto ortogonal se dois quaisquer vetores distintos em S sGo ortogonais. Um conjunto ortonormal é wn conjunto ortogonal S, com a propriedade adicional de que \lal| = 1 para todo a em S. O vetor nulo é ortogonal a todo vetor em Ve € 0 tinico vetor com esta propriedade. E conveniente pensar em um conjunto ortonormal como um conjunto de vetores mituamente perpendiculares, cada um tendo comprimento 1. Exemplo 8. A base canénica de R* ou de C* é ortonormal em relagdo ao produto interno canénico sébre R* ou C* Exemplo 9. Seja V o espago das n X n matrizes complexas € £?" a matriz cujo inico elemento néo-nulo é um 1 na linha p e coluna q. Entiio, o conjunto de tédas estas matrizes E* é ortonormal em re- lag4o ao produto interno dado no Exemplo 3. De fato, pois (E", Er) = tr (EME) = 8, tt (E") = ban Bp Exemplo 10. Se V é 0 espaco das fungdes continuas definidas sébre o intervalo 0< x <1 e tomando valores complexos (ou valores reais), com o produto interno (Ga) = ff soe ax € se Sx) = V2 cos 2x nx Bax) = V2sen 2 e nxESPAGOS COM PRODUTO INTERNO 245 entéo S = {1, fi, gfe, 82 --.} € um conjunto ortonormal. No caso complexo, se h(x) = er, n= 0, 1, + 2... entio S = {h,} é um conjunto ortonormal. Estamos supondo que 0 leitor tenha familiaridade com o cAlculo das integrais acima. De- ve-se notar que ambos os conjuntos hé pouco exibidos so infinitos. Teorema 2. Um conjunto ortogonal de vetores ndo-nulos € linearmente independente. DemonstragGo. Seja S um conjunto ortogonal de vetores nao- nulos num espago com produto interno. Suponhamos que a,a2,..-5 a» sejam vetores distintos em Se que B= cro + Coen +... + Cmctm Entiio (B, an) = 2 (ejay, or) + = 2 ofay as) 3 = Ce (es or). Como (a, ax) ¥ 0, decorre que (B, ax) fea? 1S kS™ Assim, quando 8 = 0, cada cx = 0; logo S é um conjunto independente. Corolario. Se um vetor 8 é una combinagao linear de um conjunto ortogonal de vetores ndo-nulos a, a2,...,0m, entdo BE exatamente a combinagdo linear a= 3% Gos) net lleall? Este corolério decorre da demonstragio do teorema. Existe um outro coroldrio que, apesar de evidente, deve ser mencionado. Se {a1,...,am} € um conjunto ortogonal de vetores ndo-nulos em um espago V de dimensio finita com produto interno, entio m < dim V, Intuitivamente, isto diz que o mimero de dimensdes mittua- mente ortogonais no espago nfio pode exceder a dimensio do espago, alggbricamente definida. O mimero mAximo de diregdes ortogonais em V € o que provavelmente se consideraria como sendo a (8-8) B=246 ESPACOS COM PRODUTO INTERNO dimensio geométrica de V, e acabamos de ver que esta nao é maior que a dimensao algébrica. Evidentemente, veremos sem grande sur- présa que estas duas dimensdes sio idénticas, Teorema 3. Todo espaco de dimensdo finita com produto interno possui uma base ortonormal. Demonstragéo. Seja V um espago com produto interno e { 1, - ++ Bn} uma base de V.A partir desta base, vamos obter uma base ortogonal, por meio de uma construgao conhecida como o processo de ortogonalizacio de Gram-Schmidt. Em primeiro lugar, seja oe. = i. Entio (G21) a Tieal!? Como 1 e 62 sao linearmente independentes, a2 # Oe, por cdlculos diretos, vemos que (a2, a1) = 0. Seja agora (Bs, a1) as = By — oy Ilex lt? ag = By — 2) eo. jaa||? Entiio az = 0, pois caso contrdrio, 83 seria uma combinagdo linear de ; € 82; além disso, (a3, a1) = (a3, a2) = 0. Suponhamos agora que tenhamos construido vetores ortogonais nfio-nulos a1, a2,..., ce de maneira tal que a; seja 8; menos uma certa combinacio linear de Bi, Ba, .., Bina para 2< jf < k, Seja : Brena) ga lel]? (8-9) ory = Bez Entio £ Bera) epi, a1) = Besya— Zz Heyl? (aj, a) = (Bi41, 01} — (Be 41, a) =O 1 0; (b) da, 8) = 0 se, © sdmente se, a = 8; (c) dla, 8) = dB, a); {d) dla, 8} $ da, x) + dy, 6). 5. Seja V um espago com produto interno e sejam a, 6 vetores em V. Mos- trar que « = @ se, ¢ sdmente se, (a, y) = (8, 7) para todo 7 em V. 6. Seja W o subespago de R? gerado pelo vetor (3, 4). Usando o produto intemo candnico, seja E a projecdo ortogonal de R? sdbre W. Determinar: (a) uma formula para E(x, x;); &® @ matriz de £ em relagio &’ base ordenada canénica; (c) Ws; (d) uma base ortonormal em relagio & qual £ seja representada pela matriz 1 07. 00 7. Seja Vo espago com produto interno que consiste de R# com o produto interno cuja forma quadrdtica ¢ definida por Gea, all? = Ger — xa)* + 3x3. Seja E a projeg4o ortogonal de ¥ sbre o subespago W gerado pelo vetor (3, 4). Responder agora as quatro questdes do Exercicio 6. 8 Determinar um produto interno sdbre R* tal que (ex, ¢2) = 2. 9. Seja V um espago com produto interno, W’ subespaco gerado por um vetor ndo-nulo a € E a projegio ortogonal de V sdbre W. Se 8 é um vetor em V, mostrar que li8 — Eal| < |la — I] para todo y em W. O que isto diz geometricamente? 10. Seja V © subespago de R{x] formado pelos polinémios de grav no m4- ximo 3, Equipemos ¥ com o produto interno a= f Sightrde. (a) Determinar o suplementar ortogonal do subespaco dos polindmios constantes. (b) Aplicar o proceso de Gram-Schmidt & base { 1, x, x2, xs}. IL, Seja Vo espaco vetorial das n X n mattizes sObre C, com 0 produto imemno (4, 8) = tt (AB*), Determinar o suplementar ortogonal do subes- ago das matrizes diagonais. 12, Seja V um espago de dimensfo finita com produto interno © seja @.++4¢q} uma base ortonormal de Y. Mostrar que para quaisquer vetores a, 8 em V (a, 8) = 3 (a, aia). aaFUNCIONAIS LINEARES E ADJUNTOS 251 13. Seja W um subespaco de dimensio finita de um espaco Y com produto interno e seja E a projecio ortogonal de V sdbre W. Demonstrar que (Ea, 8) = (a, EB) para todos a, ¢ em V. 14. Seja S um subespago de um espago V com produto interno. Mostrar que ($4)+ contém o subespaco gerado por S. Para V de dimensio finita, mostrar que (S+)! é 0 subespago gerado por S. 15. Seja V um ¢spaco de dimensiio finita com produto interno e seja G = {as...., anf uma base ortonormal de V. Seja T um operador linear sdbre'V © A a matriz de 7 em relagdo & base ordenada @. Demonstrar que Ay = (Taj, a). 16. Suponhamos que V = W, ® W.e que fi € fs sejam produtos internos sdbre W, e W, respectivamente. Mostrar que existe um Unico produto interno f sdbre V tal que @ Wo = We: Gi) fle, 6) = fila. 8), quando a, 6 estio em Wi, k = 1, 2. 17. Seja V_um espaco com produto interno e W um subespago de V de di- menséo finita, Existem (em geral) muitas projegdes que tem W por sua imagem, Uma destas, a projecdo ortogonal sdbre W, tem a propriedade de que ||Ee!| < |la|| para todo a em V. Demonstrar que se E é uma projecio com imagem W, tal que |/Eal| < |[al| para todo « em V, entio E é a pro- jego ortogonal sébre W. 18. Seja V 0 espaco real com produto interno que consiste do espago das fungdes continuas, definidas no intervalo — 1 <1 < J, tomando valores reais, com o produto interno cho = f fomon. Seja Wo subespago das fungdes impares, isto é, fungdes que satisfazem ft— 1) = — fd). Determinar o suplementar ortogonal de W. 8.3 Funcionais Lineares e Adjuntos A primeira parte desta seco trata dos funcionais lineares sdbre um espago com produto interno e de sua relagio com o produto interno. O resultado fundamental & que todo funcional linear f sSbre um espago de dimensio finita com produto interno € o “produto interno por um vetor fixo no espago”, isto é, que um tal f é da forma f(a) = (a,8), para um certo 8 fixo em V. Usaremos éste resultado para demonstrar a existéncia do “‘adjunto” de um operador linear T sdbre V, sendo éste um operador linear T* tal que (Ta,8) = (e,T*8) para todos a e 6 em V. Através do uso de uma base ortonormal, esta operagio de conjugagao sébre operadores lineares (passando de T-a T*) & identificada com a operagio de se tomar a transposta conjugada de uma matriz. Vamos explorar superficialmente a analogia entre a operagio de conjugagiio e a conjugagio sébre numeros complexos.252 ESPACOS COM PRODUTO INTERNO: Seja V um espaco arbitrério com produto interno ¢ seja 8 um certo vetor fixo em V. Definamos uma fungio fs de V no corpo de escalates por Silo) = (@,8). Esta fungao fz é um funcional linear sébre V, pois, por sua propria definigio, (2,8) é linear como uma fung&o de a. Se V é de dimensao finita, todo funcional linear sébre V provém desta maneira de algum 8. Teorema 5. Seja V um espaco de dimensdo finita com produto interno e f um funcional linear sébre V. Entao existe um tnico vetor B em V tal que f(a) = (@,8) para todo a em V. Demonstracao. Seja {a1,a2, ..., as} um base ortonormal de V. Coloquemos B11) B= z fis & seja fe o funcional linear definido por Sala) = (@,8). Entio Sole) = (ar E flajjai) = fle). 3 Como isto é valido para todo as, decorre que f = fg. Suponhamos agora que y seja um vetor em V tal que (a,8) = (a,y) para todo a. Entdo (8 — 7,8 — vy) = 0 ¢ 8 = 7. Assim, existe exatamente um vetor 8 que determina o funcional linear f da maneira afirmada. A demonstrac&o déste teorema pode ser ligeiramente reformu- Jada, em térmos da representagao de funcionais lineares em relacio a uma base, Se tomarmos uma base ortonormal fat, ..., aa} de ¥, © produto interno dea = xia +... + xnan€B = yar +... + + yon serd (a8) = xii +o... Ht XPae Se f € um funcional linear arbitrdrio sébre V, entio f é da forma S(@) = crm +... + Cake para certos escalares fixos c1, ..., c, determinados pela base. E claro que cj = f(a). Se desejamos encontrar um vetor 6 em V talFUNCIONAIS LINEARES E ADJUNTOS. 253 que (a,8) = f(z) para todo a, entio evidentemente as coordenadas y; de 8 devem satisfazer y, = cj, ou seja, yj = f(@;). Conseqiientemente 8 = flea +... + flenlan € 0 vetor desejado. Exemplo £2. Gostariamos de dar um exemplo que mostre que o Teorema 5 nao é vélido sem a hipdtese de V ser de dimensio finita, Seja V o espaco vetorial dos polinémios sébre o corpo dos mimeros complexos, com o produto interno (fa) = fsox@de. Bste produto interno pode também ser definido algebricamente. Se f= Lapxt eg = Dbext, entiio 1 _ pret Seja z um numero complexo fixo e seja L o funcional linear “valor que assume em 2”: Ga= h Lf) = f@). Existe um polindmio g tal que (f, g) = L(f) para todo f? A resposta € negativa; de fato, suponhamos que se tenha SO) = fi feow@at para todo f. Seja h = x — z, de modo que para todo f temos (hf) (2) = 0. Entio 0 = fi Mo sekgnat para todo f. Em particular, isto vale para f = hg de modo que fi vo lgtitat = 0 € entiio Ag = 0. Como h = 0, devemos ter que g = 0, Mas L nao € o funcional nulo; logo, nenhum tal g existe. Pode-se, num certo sentido, generalizar o exemplo, para 0 caso em que £ é uma combinagao linear de funcionais do tipo acima. Suponhamos que tomemos niimeros complexos fixos 21, ..., Za € escalares ci, ..., Cn € seja Lf) = a flair) +... + enf (En).254 ESPAGOS COM PRODUTO INTERNO Entio L é um funcional linear sébre V. mas nfo existe nenhum g tal que L(f) = (f,g), a menos que c. = co =... = c, = O. Bastar repetir 0 argumento acima com h = (x — z1)... (x — 2). Voitamos agora ao conceito do adjunto de um operador linear. Demonstraremos primeiro o que segue. Teorema 6. Para qualquer operador linear T sébre um espaco V de dimensao finita com produto interno, existe um tinico operador linear T* sébre V tal que (8-12) (Ta, 8) = («, T*B) para todos «,B em V. Demonstragdo. Demonstraremos que existe um tal operador linear T*, Seja 8 um vetor em V; definiremos T*8. Ora, fle) = (Ta,8) é um funcional linear sébre Ve o Teorema 5 nos diz que existe um. vetor 6’ em V tal que (Ta,8) = (a,6’) para todo a. Este A’ é determinado de modo unico por 8 e a regra que associa f” a 8 serd chamada de T*: & = T*B. ‘Temos (8-12), mas precisamos verificar que 7* € um operador linear. Sejam 8, y em Ve seja c um escalar, Entio, para qualquer a (@, TB + y)) = (To, 8 + 7) = (Ta, cBY + (Ta, 7) = To, 6) + (Tov) = Xa, T*B) + (a, T*y) (@, eT*8) + (@, T*y) = @,cT*B + T*y). Assim, T*(c8 + y) = cT*B + Tty e T* é linear. A unicidade de T* é evidente. Para 8 arbitrério em V, o vetor T*8 € determinado de modo tinico como sendo o vetor 6° tal que (Ta, 8) = (a, 6) para todo a. Teorema 7. Seja V um espaco de dimenséo finita com produto interno e seja ® = {a:,..., 0} uma base ortonormal (ordenada) de V. Seja T um operador linear sébre V e seja A a matriz de T em relagao & base ordenada ®. Entéo Ay; = (Tai, ax). Demonstragao. Como ® é uma base ortonormal, temos a = 5 (@auar. AwlFUNCIONAIS LINEARES E ADJUNTOS 255 A matriz A é definida por Taj = % Agjoe kel e€ como Taj = © (Toy, oxo tel temos Axj = (Taj, ax). Corolario, Seja V um espaco de dimensao finita com produto interno e seja T um operador linear sbre V. Em relagdo a qualquer base ortonormal de V, a matriz de T* é a transposta conjugada da matriz de T. Demonstragéo. Seja ® = {o, ...,a,} uma base ortonormal de V, seja A = [Tg e B = [T*}g. De acdrdo com o Teorema 7, Axj = (Tay, a) Biz = (Taj, ax). Entiio, pela definigio de T*, temos Bu = (Tay, ar) = (ax, Taj) = (Fas, aj) = Aj Definigio. Seja T wn operador linear sdbre um espaco V com produto iriterno. Dizemos que T possui um adjunto se existe wm operador linear T* sdbre V tal que (Ta, 8) = (a, T*8) para todos a e Bemv. A afirmagio do Teorema 6 € que todo operador linear sdbre um espago de dimensio finita com produto interno possui um adjunto. Isto n&o mais vale se V nao € de dimensao finita. Em qualquer caso, existe no maximo um tal operador 7*; quando existe, deno- minamo-lo o adjunto de T. Dois comentérios devem ser feitos acérca do caso de dimensio finita. (1) O adjunto de T depende nfo sé de T, mas também do produto interno. (2) Para um base ordenada arbitraria @, a relagéo [Tle ¢ [T*ly € mais complicada que a apresentada no corolério acima. Exemplo 13. Seja V 0 espago das n X 1 matrizes complexas, com o produto interno (X, ¥Y) = Y¥*X. Se A é uma‘n X n matriz256 ESPAGOS COM PRODUTO INTERNO. com elementos complexos, o adjunto do operador linear X + AX € 0 operador ¥ + A*X. De fato, pois (AX, Y) = Y*AX = (A*Y)*X = (X, A*Y). O leitor deverd se convencer de que isto é na realidade uma refor- mulagao do ultimo corolario. Exemplo 14. Este é semelhante ao Exemplo 13. Seja V 0 es das n X n matrizes complexas, com produto interno (A, Be = tr (B*A), Seja M uma n X n matriz fixa sébre C. O adjunto da multiplicagio & esquerda por M € a multiplicagdo & esquerda por M*. Evidentemente, “multiplicagaéo a esquerda por M” € o opetador linear Ly definido por Ly(A) = MA. (Lu(A), B) = tr (B*(MA)) tr (MAB*) tr (AB*M) = tr (A(M*B)*) = (A, Ly*(B)). Assim, (Ly)* = Ly*. No calculo acima, usamos duas vézes a propriedade caracteristica da fungdo trago: tr (AB) = tr (BA). Exemplo 15. Seja V 0 espago dos polinémios sébre o corpo dos niimeros complexos, com o produto interno (fa) = fi seombat. Se f € um polinémio, f = ¥ a,x", sejaf = Y a4x*. Isto é, f € 0 poli- ménio cuja fungdo polinomial associada é a complexa conjugada da de f: SQ = HO, 1 teal Consideremos 0 operador “multiplicagéo por f”, isto é, 0 operador linear mj definido por m(g) = fg. Entdo éste operador possui um adjunto, a saber, a multiplicagéo por f. De fato, pois (MAB), ) ~ (fe, = fp foecorkar = fy xomtonnar = @ i) =, Mit) € portanto (Mj)* = My.FUNCIONAIS LINEARES, E ADJUNTOS 257 Exemplo 16. No Exemplo 15, vimos que alguns operadores lineares sébre um espago de dimens&o finita com produto interno possuem um adjunto. Como comentamos anteriormente, outros nao o tém. Seja V o espago com produto interno do Exemplo 15 e seja Do operador derivagao sébre C [x]. A integragdo por partes mostra que (Of, 8) = fU)e(1) — fO)g(0) — (f, Dg). Fixemos g € perguntemos quando € que existe um polinémio D*g tal que (Df, g) = (f, D*g) para todo f. Se um tal D*g existe, temos ¢f, D*g) = fg) — fO)g(Q) — (f, Dg) ou seja, Uf, Dtg + Dg) = f(g) — f(O)gt0). Com g fixo, Lf) = ftl)g(1) — f(0)g(0) € um funcional linear do tipo considerado no Exemplo 12 e nfo pode ser da forma L(f) = (f, h) a mends que L = 0. Se D*g existe, entio com h = D*g + Dg temos de fato L{f) = (f, h), ¢ entdo g(0) = g(1) = 0. A existéncia de um polinémio adequado D*g implica g(0) = g(1) = 0. Recipro- camente, se g(0) = g{1} = 0, o polinémio D*g = — Dg satisfaz (Df, g) = (f, D*g) para todo f. Tomando um g qualquer para o qual g(0) = 0 ou g(1) x 0, nfo podemos definir D*g de modo conveniente, portanto, concluintos que D nao possui adjunto. Esperamos que éstes exemplos aumentem a compreensdo do leitor quanto ao adjunto de um operador linear. Vemos que a operagdo de conjugac&o, que faz passar de 7 a T*, se comporta um pouco como a conjugagdo sdébre nimeros complexos. O teorema seguinte fortalece esta analogia. Teorema 8. Sefa V um espaco de dimensdo finita com produto interno. Se T e U sao operadores lineares sébre V e c € um escalar (a) (T + U)* = T* + US; (b) (CT)* = oT*; (c) (TU)* = U*T*; (a) (T*)* = T. Demonstragao, Para demonstrar (a) ((T + U)a, 8) = (Ta + Ua, 8) = (Ta, 8) + (Ua, 8) = (@, T*8) + @, U*B) = (, T*8 + U*8) = @ (7* + U*)8).258 ESPACOS COM PRODUTO INTERNO Pela unicidade do adjunto temos (T + U)* = T* + U*. Deixa- mos a demonstracéo de (b) a cargo do leitor. Obtemos (c) ¢ (d) a partir de (TUa, 8) = (Ua, T*8) = (a, U*T*B) (Ta, B) = (B, T*a) = (TB, a) = (@, TB). O Teorema 8 é freqiientemente formulado como seguc: a aplicagio T — T* é um anti-isomorfismo linear-conjugado de periodo 2. A analogia com a conjugago complexa que mencionamos acima &, evidentemente, baseada na observagdo de que a a conjugagio_com- plexa tem as propriedades (2: + z2) = 21 + Ze, (z1Z2) = Z122,7 =z. Deve-se ter 0 cuidado de observar a inversio da ordem num produto, imposta pela operagio de conjugacio: (UT)* = T*U*. Men- cionaremos extensdes da analogia A medida que prossigamos nosso estudo de operadores lineares sébre um espago com produto interno. Podemos mencionar alguma coisa nesse sentido agora. Um niime- To complexo z é real se, e sdmente se, z = Z, E de esperar que os operadores lineares T tais que T = T* se comportem, de certa maneira, como os mimeros reais. E isto o que realmente ocorre. Por exemplo, se T é um operador linear sébre um espago complexo de dimensio finita com produto interno, entao (8-13) = U + iUe onde U, = U*, e Uz = U*,. Assim, de certa forma, T possui uma “parte real” ¢ uma “parte imagindria”. Os operadores U; € Uz que satisfazem.U; = U*2, Uz = U*, € (8-13) so tnicos e sao dados por uahrery -lq@—r Wz = 57TH. Um operador linear T tal que T = T* é dito auto-adjunto ou (hermitiano). Se @ é uma base ortonormal de V, entio [Tle = (Tle ¢ entio T é auto-adjunto se, e sOmente se, sua matriz em relagio a téda base ortonormal € uma matriz auto-adjunta. Operadores auto- -adjuntos sio importantes, nZo sé porque nos fornecem uma espé- cie de partes real e¢ imagindria de um operador linear arbitrario, mas também pelas seguintes razdes: (1) Operadores auto-adjuntosFUNCIONAIS LINEARES E ADJUNTOS 259 possuem muitas propriedades especiais. Por exemplo, para um opetador déste tipo, existe uma base ortonormal formada por vetores caracteristicos. (2) Muitos operadores que surgem na pratica sio auto-adjuntos. Consideraremos posteriormente as propriedades especiais dos operadores auto-adjuntos, Exercicios 1. Seja V o espago C, com o produto interno canénico. Seja T 0 operador definido por Te, = (1, —2), Ter = (/, —1). Sea = (x", x.), determinar Ta, 2, Seja T o operador linear sdbre C+ definido por Ta = (1 + 4, 2), Te, i, i). Usando o produto interno canénico, determinar a matriz de T* em relagio & base ordenada canénica. T comuta com 3. Suponhamos que V seja C? com o produto interno canénico. Seja To operador linear sobre V cuja matriz em relagdo & base ordenada can6nice € definida por Ay = it, (2 = 1). Determinar uma base do micleo de T*. 4. Seja V um espaco de dimensao finita com produto interno e T um operador linear s6bre V. Se T ¢ inyersivel, mostrar que T* é invers(vel e (7*)-* =. 5. Scja V um espago com produto interno ¢ 6, y vetores fixos em V. Mos- tar que Ta = (a, B}y define um operador linear sébre V. Mostrar que T possui um adjunto € descrever 7* explicitamente. Suponhamos agora que V seja C* com o produto interno canénico, B= (Yip. 00 Ya) © Y = (%1,-- + Xn Qual € o elemento j, k da matriz de T em relagéo & base ordenada canénica? Qual é 0 pésto desta matriz? 6. Mostrar que o produto de dois operadores auto-adjuntos é auto-adjunto se, € somente se, os dois operadores comutam. 7. Seja V o espaco vetorial dos polinémios sébre R de grau menor ou igual a 3, com o produto interno (ha = fy foster. Se #€ um niimero real, determinar o polindmio g, em ¥ tal que (f, g:) =f) para todo fem V. 8. Seja V 0 espaco com produto interno do Exercicio 7 ¢ seja D operador derivacio sébre V. Determinar D*, ‘9. Seja V um espaco de dimensdo finita com produto interno ¢ T um operador linear sobre ¥. Mostrar que a imagem de T* ¢ 0 suplementar orto- zonal do niicleo de 7. 10. Seja V 0 espago das n X matrizes sObre 0 corpo dos nimetos complexos, com o produto interno (A. B) = tr (AB*). Seja P uma matriz inverstvel fixa em V ¢ seja Tp 0 operador linear sObre V definido por T(A) = = P~ AP. Determinar 0 adjunto de Tp,260 ESPAGOS COM PRODUTO INTERNO 11, Seja V um espago de dimensio finita com produto interno e seja E um operador linear idempotente sdbre_V, isto é, E* = E. Demonstrar que E € auto-adjunto se, e sdmente se, EE* — E*E. 12. Seja V um espago complexo de dimensdo finita com produto interno € seja T um operador linear sébre Y. Demonstrar que T é auto-adjunto se, € somente se, (Ta, a) é real para todo a em V. 8.4 Operadores Positives Seja V um espago com produto interno ¢ seja 7 um operador linear s6bre V. Seja p a fung&o definida sébre os pares ordenados de vetores «, 8 em V por Pla, 8) = (Te, 8). Estamos interessados em obter condigdes necessdrias e suficientes que T precisa satisfazer para p ser um produto interno. Certamente P(a, 8) € linear como uma fungfio de a, portanto o que precisamos fazer é traduzir as propriedades Pla, 8) = pf, a) Pla, a) >0, paraaw x0 em afirmagées sObre T. Ora, p(a, 8) = (Ta, 6) ¢ AB, a) = (TB, a) = = (@, 78). Como pla, a) = (Ta, a), vemos que a funcio p € um produto interrio se, e sdmente se, o operador linear T satisfaz Ta, 8) = (a, TB 14) Te 30° 2 #0. A primeira condig&o diz que T é auto-adjunto. Um operador linear T que satisfaz as condigdes (8-14) € dito positive. O que acabamos de observar pode ser reformulado como segue: O operador linear T € positivo, se, ¢ sdmente se, a fungio p definida por p(a, 8) = = (Ta, 8) € um produto interno. Desejamos agora mostrar que, no caso de dimensio finita, todo produto interno sébre V € do tipo hd pouco descrito. Teorema 9, Seja V um espaco de dimensdo finita com produto interno (,). Se p € wm produto interno. arbitrério sébre V, existe um anico operador linear positiva T s6bre V tal que pla, 8) = (Ta, 8) para quaisquer a, B em V. Demonstracéo. Fixemos um vetor 6 em V. Entao pla, 8) € uma fungiio linear de a. Pelo Teorema 5 existe um nico vetor 6’ em V tal que ple, 8) = (a, 6’) para todo a. Definamos uma fungéo T de Vem V por 7g = B. Em vista da maneira como T é definida, te-OPERADORES POSITIVOS 261 mos pa, 8) = (a, T8) para todos a, 8 em V. Temos também pa, 8) = = (@, 78) = WB, a) = B, Ta) = (Ta, 8) para quaisquer @, 8 em V. Para mostrar que T é linear, observenros que (Tea + 8), 1) = ow + 8,7) = cpa, vy) + p(8, v7) = ¢(Ta, 7) + (TB, ¥) = (cTa + TB, y) para todos a, 8, y em V e todos escalares c. Logo, T(ca + 6) = = cTa + 78. Entio, demonstraremos a existéncia de um operador linear T tal que pla, 8) = (Ta, 8). E claro que T é positivo, pois Pp €um produto interno. Precisamos mostrar que 7 é tinico, Suponha- mos que pla, 8) = (Ua, 8). Entio (Ta, 8) = (Ua, 8), ou (Ta — Ua, 8) = 0 para todos a e 8. Para a fixo, o vetor Ta — Ue é ortogonal a todo o espago V e é portanto o vetor nulo; logo Ta = Ua para todo a. Sabemos agora que todos os produtos internos s6bre um espago de V de dimensdo finita com produto interno podem ser descritos em térmos dos operadores lineares positivos sobre V. Passa- mos ent&o a estudar os operadores lineares positivos de modo a tornar mais significativa nossa descrigdo de produtos internos. Alguns déstes resultados deverfo tornar claras as raz6es para o nome “operador positivo”. Teorema 10. Seja V um espaco de dimensdo finita com produto interno e T um operador linear sébre V. Entao T é positivo se, ¢ sdmente se, existe um operador linear inversivel U sdbre V tal que T = U*U. Demonstracao. Suponhamos que T = U*U, onde U é operador linear inversivel sdbre V. Entio T* = (U*U)* = U*U = T, de modo que T € auto-adjunto. Além disso, (Ta,a) = (U*Ua, a) = = (Ua, Ux) > 0. Ora, U € inversivel; portanto se a ~ 0 temos Ua # Oe (Ta, a) > 0. Entio T € positivo. Suponhamos agora que T seja positivo. Ent&o pla, 8) = (Te, B) € um produto interno sdbre V. Seja {a1,...,a,} uma base de V que seja ortonormal em relagio ao produto interno (,)} € seja {8:,..., B.} uma base ortonormal em relagio a p. Entio PBs Br) = dj = (aj, an). Seja agora U o tinico operador linear sébre V tal que UB; = aj,262 ESPAGOS COM PRODUTO INTERNO. j= 1,...,m. Por Jevar uma base em outra base U € inversivel. Temos PAB; Bi) = (UBj, UBs) = (aj, an). Sejam a = 2 xj € B = 2 yjB; vetores arbitrdrios em V. Entio Ha, B) = 2 xB Bb) = EE xP plB Br) jk =z z xi(UB;, UBs) 3 = ( xUB;, = veUBx) i = (Ua, UB). Pela definig&o de p temos ((Tx, 8) = (Ua, U8) = (U*Ua, 8) para todos «, # em V. Assim, T = U*U. Se considerarmos a operagio de conjugagio como sendo and- Joga & conjugacio sébre ntimeros complexos, veremos que “‘operador positivo” & mais ou menos andlogo a “nimero positivo”, De fato, um numero complexo z € positivo se, ¢ sdmente se, é da forma z = Ww para algum numero complexo nio-nulo w. E interessante 0 fato de que num espago complexo com produto interno, a condigéo T = T* pode ser retirada da definigio de um operador linear positivo. Em outras palavras, se (Ta, «) > 0 para a #0, entéo Té necessariamente auto-adjunto. Isto decorre do lema seguinte: Lema. Seja V um espaco complexo com produto interno e T um operador linear sébre V. Se (Tx, a) & real para todo a em V, entio T € auto-adjunto, Demonstracdo. Sejam a e 8 vetores em V. Precisamos mostrar que (Ta, 8) = (a, TA). Ora, (Te@ + 8), a + B) = (Ta, a) + (Ta, 8) + (TB, a) + (7B, 8). Como (Ta + 8), « + 8), (Ta, a) e (TB, 8) sho reais, 0 niimero (Ta, 8) + (7B, 2) € real. Usando o mesmo argumento para a + i8 em vez de a + A, temos, (Te + iB), @ + i8) = (Ta, a) — (To, 8) + i(7B, «) + (7B, B) € ent&o concluimos que —i(Ta, 6) + i(78, a) é real. Tendo conclui-OPERADORES POSITIVOS 263 do que dois mimeros so reais, igualamo-los aos seus complexos conjugados e obtemos (Ta, B) + (TB, a) = (B, Ta) + (@, TB) —i(Ta, 8) + i(TB, a) = i(8, Tx) — ie, TB). Multiplicando a segunda equaco por i e somando o resultado & primeira equagdo, obtemos Ta, 8) = Aa, TB). Evidentemente, @ste lema € falso para um espago real com produto interno, onde (Ta, «) é real para qualquer T. Se T € auto-adjun- to, entio (Ta, a) é real porque (Ta, a) = (, Ta) = (Ta, a). Assim, num espago complexo com produto interno, os operadores auto-adjuntos sio caracterizados pelo fato de que (Ta, a) é real para todo a € 08 operadores positivos pelo fato de que (Ta, a) é positivo para todo a nio-nulo. A fim de obter informagées mais detalhadas a respeito de operadores lineares positivos, observemos a matriz de um tal operador T em relagio a uma base ortonormal (ordenada) @ = {a1,..., an}. Se A é a matriz de T em relagdo & base ordenada @, a condigao T = T* diz simplesmente que A = A*, ou seja, que Aj, = Aj Lembramos ao leitor que isto usa, de modo fundamental, o fato de @ ser ortonormal e o conseqiiente fato de que Aj = (Ten, aj). A condigdo (Ta, a) > 0 é facilmente interpretada em térmos de A, Se a = x0 +... + Xnttn (Ta, a) = 2 xjTaj, Z xno) J * = 2 F xjX (Tay, ar) 2 = EE Agxke. gk Portanto, vemos que T € positivo se, e sdmente se, sua matriz em relagio & base ortonormal @ satisfaz A= A* (8-15) Zz AcjxjXe > 0, se (x1,.-., Xn) #0. 4 Definigao. Seja A uma n X n matriz com elementos complexos. Dizemos que A é positiva se vale o seguinte: Sempre que X1,..-, Xu sdo mimeros complexos, n&o todos nulos, entao BD Anjxke > 0. tt264 ESPACOS COM PRODUTO INTERNO Teorema 11. Seja V um espaco de dimensao finita com produto interno e @ uma base ortonormal ordenada de V. Se T € wm operador linear sébre V, entéo T é positivo se, e somente se, a matriz de T em relacio a esta base ordenada é positiva. Demonstraga@o. Na verdade definimos uma matriz positiva de maneira tal que éste teorema valesse. No entanto, existem alguns pontos que decididamente requerem comentérios, Primeiro, suponhamos que V seja um espago complexo com produto interno, Se A é a matriz de T em relacio a 8, a afirmagSio de que A é positiva diz simplesmente que (Ta, a) > 0 para todo a em V. Como uma conseqiiéndia do tltimo lema, observamos que esta condig&o vale se, e sdmente se, T é positive, Este é 0 argumento completo para o caso complexo. Notemos que uma conseqiiéncia disto € que uma matriz positiva é automaticamente auto-adjunta. Suponhamos agota que V seja um espago real com produto interno ¢ seja A = [T]g. Precisamos mostrar que se A é positiva, entio T € positivo ¢ que se T é positivo, entio A é positiva. Em cada uma destas demonstragdes surge um ponto sutil, que no ocor- fera no caso complexo, Suponhamos que A seja positiva. Como estamos em um espago real com produto interno, A é uma matriz com elementos reais; contudo, a afirmagio de que 4 é positiva significa simplesmente que (8-16) 22 Auxji%e > 0 ae para quaisquer numeros complexos x1,..., X, 30 todos nulos- Como isto € valido em particular quando x1,..., x» sdo reais, o argumento que conduziu a (8-15) mostra que (Ta, a) > 0 para qualquer vetor nfo-nulo a em V. Mas num espaco real com produto interno, isto nao implica necessdriamente que T seja positivo. Pre- cisamos mostrar também que T é auto-adjunto. E aqui que usamos a hipétese de que (8-16) vale para todos os complexos x1,..., Xn. Esta hipétese mais forte implica que A é auto-adjunta e, portanto, que T é auto-adjunto. Novamente para o caso real, suponhamos que T seja positivo. Ent&o nosso argumento que levou a (8-15) mostra que A & auto- -adjunta e que (8-16) vale para mimeros reais arbitrdrios x1,..., Xa nfo todos nulos. Mas precisamos mostrar que (8-16) também vale para x1,..., X_ complexos. Pelo Teorema 10, existe um operador linear inversivel U sébre V, tal que T = U*U. Se P é a matriz de U em relagdo & base ®, temos A = P*P = P'P,OPERADORES POSITIVOS 265 Se X é uma » X 1 matriz complexa, entio EE Axe = X*AX = X*P*PX = (PX)*(PX). i Seja Y = PX. Se X # 0, ent&o como P é inversivel, Y + 0 ¢ entdo Y*Y > 0. Logo, A € positiva. Corolério. Se A é uma n X n matriz com elementos complexos, entdo A é positiva se, e sdmente se, existe uma n X n matriz inversivel P tal que A = P*P. Se A é positiva e possui elementos reais entd@o A = P¢P onde P é wna n X n matriz inversivel com elementos reais. O restante desta segto sera dedicado A obtencio de um teste para a positividade de uma dada matriz, Praticamente por definigo, an X n matriz A é positiva se, e sdmente se, (X, Y) = Y*Ax define um produto interno sdbre o espago das n X 1 matrizes sé- ‘bre C, isto 6 (8-17) © vei, Z yeer) = Fy 2a Apes; define um produto interno sdbre C*. O teste para a positividade que vamos obter é baseado em duas observagoes. (i) Se 4 é uma matriz positiva, entéo det A > 0. (ii) Se 4 é uma matriz positiva e 1< k 0. A afirmago (il) decorre desta observacao: Suponhamos que V seja um espaco vetorial de dimensiio finita e que (,) seja um produto interno sdbre V. Se {o1,..., an} € uma base arbitrdria de V, a matriz do produto interno em relagao a esta base é uma matriz266 ESPAGOS COM PRODUTO INTERNO positiva. Observamos éste fato na primeira segio déste capitulo. Lembramos ao leitor que a matriz G do produto interno (,) em relagio & base {a1,..., c.} € definida por Gin = (ax, a). Esta matriz é positiva simplesmente porque (2 xjoy, 2 yaar) = ZZ GyxVi a * i e entao [X, Y] = Y*GX é um produto interno sébre o espago das n X 1 matrizes. Suponhamos agora que nos seja dada uma n X n matriz positiva A. Se 1 < k < x, seja W, o subespago de C” gerado por «1, €2,..., e- Ora, (8-17) define um produto interno (, ) sdbre C*. Se restringirmos éste produto interno ao subespago W,, obteremos um produto interno sébre W,, cuja matriz em relagio & base [e1,..., e¢} serd A® Ain = (ex, j). O que as observagées (i) e (ii) nos dizem é que, se A é uma matriz positiva, entio det A® > 0 parak = 1,...,7: Ai > 0, AiAaz — Arzdny > 0, ..., det A > 0. Para matrizes auto-adjuntas, vale a reciproca. Definigio. Seja A uma n X n matriz. Os menores principais de A. sio os n escalares definidos por Au... Ate det A® = det | DL ks hem An... Abe, Teorema 12. Seja A uma n X n matriz sdbre o corpo dos nimeros complexos e suponhamos que A seja auto-adjunta (hermitiana). Entao A é positiva se, ¢ sdmente se, os menores principais de A sao todos positivos, Demonstragéo. Acabamos de observar que se A é uma matriz positiva, os menores principais de A séo niimeros positivos. Suponhamos agora que 4 seja auto-adjunta e que det 4 > 0 para k = 1,...,. Demonstraremos que A € positiva, Seja (,) a fung&o definida sébre os pares ordenados de vetores em C* por (8-17).OPERADORES POSITIVOS 267 Certamente (ca + 8,7) = cay) + (6,7); €, como estamos supondo que 4 é auto-adjunta, temos (8, a) = @, B)- Demonstraremos que A & positiva, por indugao sébre n. No- temos primeiro que uma 1 X | matriz auto-adjunta com menores principais positivos é positiva. Suponhamos que o resultado seja verdadeiro para (2 — 1) X (n — 1) matrizes e seja A uma n X mn matriz auto-adjunta com menores principais positivos. Seja A divisio por Aii n&o causa complicagées porque 411 > 0. Entéo @ = fe, @,...,&} € uma base ordenada de C*. Usando o fato de que Ajx = (er, 6) € que (8,2) = (, B), obtém-se(g, «) = (a, ) = 0 para j >'2. Se indicarmos por A’ a matriz de (, ) em re~ lagio & base &’, veremos entéo que Au 0 0 ~.. O 0 Az. Ads... Abn gel : 0 Ain Aan oo. Abe De fato, se j > 2. k > 2, temos por definigio Aye = (es 6) = (4 — She, g —4Ma An An A (em ) — FE lay od A = Aa — ze An. Esta relagio também é valida para j = le k > 2. Assim, temos Ma Aa Bt Ay, 2S KEN Au onde Aj é a k-ésima coluna de A’, Ay é a k-ésima coluna de A e Ai €a primeira coluna de 4. Em outras palavras, subtraindo das outras colunas miiltiplos convenientes da primeira coluna de A, obtemos a matriz268 ESPACOS COM PRODUTO INTERNO An 0... 0 dv Abo Abe An Ala oo. Abe Podemos obter A’ a partir desta matriz subtraindo das outras linhas miiltiplos convenientes da primeira linha. O fato crucial agora & observar que os menores principais néo sfo alterados por éstas ope- Tages elementares s6bre colunas elinhas. Assim, A ¢.4’ possuem os mesmos menores principais, Como ésses menores so positivos ‘Ago... Abe Ai det | * . >0 k=2,...,0 Ais... Abs Dividindo por Ai, concluimos que os menores principais da @ — 1) X @ — 1) matriz ‘Abe... Abe B= Ais Abe so todos positivos. Ora, B também é auto-adjunta, porque para J>ek>2 Ay = (e's &) = G8) = Ae Pela hipStese de indugdo, B é uma matriz positiva. Como non EE Aix Xe = Axi]? + EF Aix gk kad jad ent&o ¢ evidente que Aé uma matriz positiva. Mas A’ é a matriz de (, ) em relagio & base ordenada {e1, €,... st} e entio (,) deve ser um produto interno. Assim, A € positiva. Resumindo, se A € uma n X n matriz sébre 0 corpo dos niime- meros complexos, as seguintes afirmagées sfo equivalentés:OPERADORES POSITIVOS 269 (i) A € positiva, isto é, 2 Z Asjxj%x > Osempre que x1,...,X & so mimeros complexos, nio todos nulos. (i) (X, Y) = Y*AX € um produto interno s6bre 0 espago das m X 1 matrizes complexas. (iii) Em relago ao produto interno canénico (X, Y) = Y*X sObre n X 1 matrizes, o operador linear X — AX € positivo, (iv) A = P*P para alguma # X n matriz inversivel P sébre C. {v) 4 = A*,e os menores principais de A s&o positivos. Se todo elemento de A é real, estas sio equivalentes a: (vi) A = Ale BE Anjxjxe > O sempre que %1,...5 Xn sio kt mimeros reais no todos nulos. (vit) (X, Y) = Y'AX € um produto interno sdbre o espago das x X 1 matrizes reais. (viii) Em relagio ao produto interno canénico (X, Y) = Y'X sObre # X 1 matrizes reais, o operador linear ¥ AX € positivo. (ix) Existe uma # X # matriz inversivel P, com elementos reais, tal que A = P'P. Exercicios 1, Seja V igual a C2, com o produto interno canénico. Para que vetores a em V exste uin operador linear positive T tal que a = Ta? 2. Suponhamos que V seja R*, com © produto interno candnico. um niimero real, seja Te 0 operador linear “rotagio de Angulo 6 Tex, x2) 4 (x1 cos 6 — x, Sen 6, x1 Sen @ + x1 Cos 6), Para que valores de se tem Ty um operador positive? 3. Seja V o espogu das mn X 1 matrizes sébre C, com o produto interno (X, ¥) = _¥*GX (onde G é uma 1 X 1 matriz tal que isto seja um produto interno). Seja A uma n X n matriz e T o operador linear 7(X} = AX. De- terminer T*. Se Y é um elemento fixo de V, encontrar o elemento Z de V que determina o funcional linear X — ¥*X. Em outras palavras, encontrar Z tal que ¥*Z = (X, Z) para téda X em V. 4. Seja V um espaco de djmensio finita com produto interno. Se Te V sio y lineares positives sObre V, demonstrar que (T+ U) & positivo. Dar um exemplo que mostre que TU no € necessiriamente positivo. | [hh See€270 ESPACOS COM PRODUTO INTERNO (a) Mostrar que 4 & positiva. (b) Seja ¥ 0 espaco das 2 XI matrizes reais, com o produto interno (X,Y) = Y'AX. Determinar uma base ortonormal de V, aplicando 0 processo de Gram-Schmidt & base { X1, X.} definida por nl Bh (c) Determinar uma 2 X 2 matriz reai P tal que A = P!P. 6. Quais das matrizes sio positivas? ba isd Gag fi 7. Dar um exemplo de uma n X 1 matrizes cujos menores principais se- Jam todos positivos, mas que néo seja matriz positiva. 8. Verificar se ((x1, x2), Os 2) = ak + Qe + les + x57, define um produto interno sébre 9, Demonstrar que todo Semento da diagonal principal de uma matriz positiva € positivo, 10. Seja V um espago de dimensio finita com produto interno, Se Te U sdo operadores lineares sdbre V, coloquemos T << U se U— T é um operador. positivo. Demonstrar o seguinte: (a) E impossivel que T< Ue U< T. (b) Se T< Ue UK S, entio T< S. (©) Se T< UeO<'S, niio € necessério que ST < SU. 11. Seja V um espago de dimensio finita com produto interno ¢ E a pro- Jesdo ortogonal de V sébre algum subespaco, (a) Demonstrar que, para todo ntimero positive arbitrétio ¢, 0 operador cf + E é positive, (b) Exprimir em térmos de £ um operador linear auto-adjunto T tal que T?= 1+ E, 12, Seja n um inteiro positive ¢ A an X n matriz tm a in 1 1 1 2 3 a 1 1 1 3 4 n+l i i ai ae? Demonstrar que A € positiva. 13, Seja A uma a Xn matriz auto-adjunta. Demonstrar que existe um niimero real ¢ tal que a matriz cl + A seja positiva. 14, Demonstrar que o produto de dois operadores lineares ¢ positivo se, € sdmente se, éles comutam,OPERADORES UNITARIOS 271 8.5 Operadores Unitarios Nesta segio, vamos considerar o conceito de um isomorfismo entre dois espagos com produto interno. Se V e W sao espacos vetoriais, um isomorfismo de V em W é uma transformagio linear bijetora de V em W, isto é, uma correspondéncia bijetora.entre os elementos de V e os de W, a qual ‘“‘conserva” as operagdes de espago vetorial, Ora, um espago com produto interno consiste de um espago vetorial e um produto interno especificado sObre aquéle espago. Assim, quando V e W so espago com produto interno, exigiremos que um isomorfismo de V em W niio sé conserve as operagdes lineares, mas também conserve produtos internos. Um isomorfismo de um espaco com produto interno em si mesmo ¢ denominado um “operador unitdrio” sébre aquéle espago. Consideraremos vérios exemplos de operadores unitdrios ¢ estabeleceremos suas propriedades fundamentais. Definicio, Sejam V e W espacos com produto interno sébre o mesmo corpo e seja T uma transformagao linear de V em W, Dize- mos que T conserva produtos internos se (Ta, TS) = (a, 8) para todos a, B em V. Um isomorfismo de V em W é um isomorfismo T de es- Paco vetorial de V em W que tambem conserva produtos internos. Se T conserva produtos internos, entio |j7a|| = {[a||, portanto T 6, necessariamente, nao-singular. Assim, um isomorfismo de V em W pode também ser definido como uma transformagio linear de V em W que conserva produtos internos. Se 7 € um isomorfismo de V em W, entio TP! é um isomorfismo de W em V; logo, quando um tal T existir, diremos simplesmente que V ¢ W so isomorfos. E cla- Tro que 0 isomorfismo de espages com produto interno é uma rela- lagdio de equivaléncia. Teorema 13. Sejam V e W espagos de dimensGo finita com pro duto interno sobre 0 mesmo corpo, que tenham a mesma dimensao Se T é uma transformacao linear de V em W, as seguintes afirmacdes sGo equivalentes: (i) T conserva produtos iniernos, (ii) T é wn isomorfismo (de espaco com produto interno). (iii) T leva 16da base ortonormal de V em uma base ortonormal de W. {iv) T leva alguma base ortonormal de V em alguma base ortonormal de W.272 ESPACOS COM PRODUTO INTERNO. Demonstracéo. (i) — (ii) Se T conserva produtos internos, entio ||Tee|| = |lal| para todo « em Y. Assim, T é n&o-singular e como dim V = dim W, sabemos que T é um isomorfismo de espago ve- (ii) > (iii) Suponhamos que T seja um isomorfismo. Seja {a1,..., +++y@n} uma base ortonormal de V. Como T é um isomorfismo de espago vetorial e dim W=dim V, decorre que {To1, ..., Tan} é uma base de W. Como T conserva também produtos internos, (Taj, Tar) = (aj, a) = Sj. ii) — (iv) Nao requer comentérios. (iv) > (i) Seja {au, ..., an} uma base ortonormal de V tal que fai, ..., Tan} seja uma base ortonormal de W. Entiio (Taj, Tox) = (aj, 0%) = 8. Para todos a = xia) +... + xan € 8 = prar +... + Yan eM ¥, temos @, 8) = 2B xy jal (Tey TB) = (2 xjTox, 2 yeTan) 4 = E 2 xpj(Ta;, Tos) gk = 2 xy yar logo T conserva produtos internos. Corolario. Sejam V e W espacos de dimenséo finita como produto interno sébre 0 mesmo corpo. Entéo V e W sdo isomorfos se, e sdmente se, fem a mesma dimensdo. DemonstragGo, Se {o1, ...,a,} € uma base ortonormal de Ve {61, ..., B.} €uma base ortonormal de W, seja T’a transformagio linear de V em W definida por Ta; = 8;. Entio T é um isomorfismo de Vem W. Exemplo 17. Se V € um espago n-dimensional com produto interno, ent&o téda base ortonormal ordenada ® = {a, ..., aa} determina um isomorfismo de V em F* com o produto interno cané- nico, O isomorfismo € simplesmente Terran +... + Xmen) = (1, 02. Xn)OPERADORES UNITARIOS 273 Existe o isomorfismo, superficialmente diferente, determinado por &, de V no espago das n X I matrizes com (X, Y) = Y*X como produto interno. O isomorfismo ¢ a= fale isto é, a transformagdo que leva « na matriz de suas coordenadas em relagio & base ordenada ®, Para qualquer base ordenada @, @ste é um isomorfismo de espaco vetorial; no entanto, éle € um isomorfismo dos dois espagos com produto interno se, e sdmente se, @ € ortonormal. Exemplo 18, Eis um isomorfismo um pouco menos superficial. Seja W o espaco das 3° 3 matrizes A sObre R que sejam anti-simé- tricas, isto é, A‘ = —A. Vamos equipar W com o produto interno (A, B) = + tr (AB), sendo o } colocado por convenitncia, Seja V 9 espago R® com o produto interno candnico. Seja 7 a transforma- Gao linear de V em W definida por 0 —xa x T(x1, x2 x3) = | x3 0 a | --x2 om 0 Entiio T leva V sébre W, e colocando 0 —x, x 0 ys ye A= x O —m| B=] ys 0 —y —m mm 0 —y nw oO tr (AB‘) = xays + xoy2 + xays + xay2 + xy = Anyi + raya + xays)- Assim, (a, 8) = (Ta, 78) ¢ T é um isoformismo de espago vetorial. Notemos que T leva a base canénica { 1, 2, es} na base ortonormal formada pelas trés matrizes 00 Oo 00 ro —l 0 00-1 000 1 0 O}- O41 0. —1 0 6 Oo 0 0 Exemplo 19. Nem sempre é particularmente conveniente descrever um isomorfismo em térmos de bases ortonormais. Por exemplo, seja G uma n X n matriz positiva, isto é, uma matriz auto-adjunta (hermitiana) com os menores principais positivos. Seja V 0 espaco das n X 1 matrizes complexas, com o produto interno [X, Y] = temos274 ESPAGOS COM PRODUTO INTERNO. = Y*GX. Seja W o mesmo espaco vetorial, com o produto interno canénico (X, Y) = Y*X. Sabemos que V e W sao espacos com produto interno que sdo isomorfos. Deveria parecer que a maneira mais conveniente de descrever um isomorfismo entre V e W sejaa seguinte: Como G € positiva, existe uma X nm matriz inversivel P tal que G = P*P. Seja T a transformacao linear de V em W definida por T(X) = PX. Entio (TX, TY) = (PX, PY) = (PY) * (PX) Y*P*PX ¥*GX % ¥). W Logo, T é um isomorfismo, Exemplo 20. Seja V 0 espago das fungdes contfnuas, definidas sobre o intervalo unitério, 0 < 1 < 1 e tomando valores reais, com © produto interno (fa) = fy Aosta. Seja W o mesmo espaco vetorial com o produto interno Sa) = fi Absa. Seja T a transformagao linear de V em W dada por TAO = FO. Ent&o (Ff, Tg) = [f, g], portanto T conserva produtos internos; contudo, T néo € um isomorfismo de V em W, porque a imagem de T niio € todo o espaco W. Evidentemente, isto ocorre porque o espaco vetorial subjacente nao € de dimensio finita. Teorema 14. Sejam V e W espacos com produto interno sdbre o mesmo corpo e seja T uma transformagao linear de V em W. Entéo, T conserva produtos internos se, e sdmente se, ||Tal| = |\a|| para todo a em V. Demonstragdo. Se T conserva produtos internos, T “conserva normas”’. Suponhamos que ||Ta|| = [le] para todo a em V. Entio |}Te||? = jJa||?. Usando agora a identidade de polarizagao conveniente, (8-3) ou (8-4) € 0 fato de que T é linear, obtém-se facilmente (@, 8) = (Ta, TB) para quaisquer «, 8 em V.OPERADORES UNITARIOS 275 Definig#o. Um operador unitério sdbre um espacgo com produto interno € um isomorfismo do espago em si mesmo, O produto de dois operadores unitdrios ¢ unitério. De fato, se U, e U2 sao unitdrios, entio U2U; é inversivel e ||U2Uiai| = = |!Uja!} = ||a|| para todo a. Além disso, o inverso de um operador unitario € unitdrio, pois ||Ua|! = |la|| diz que ||U~'s|| = = {|6\|, onde 6 = Ua. Como o operador idéntico € obviamente uni- tério, vemos que 0 conjunto dos operadores unitdrios sébre um espago com produto interno é um grupo, com a operagao de com- posigéo, Se V é um espaco de dimensio finita com produto interno e U & um operador linear sdbre V, 0 Teorema 13 nos diz que U é uni- tirio se, € sdmente se, (Ua, UB) = (a, 8) para todos a, 8 em V; cu seja, se, e sdmente se, para alguma (téda) base ortonormal {a1,..., s+, en} € verdade que {Uai,..., Uc,.} € uma base ortonormal. Teorema 15. Seja U um operador linear sdbre um espago V com produto interno, Entéo U é unitdrio se, e sdmente se, 0 adjunto U* de U existe e UU* = U*U = 1. Demonstragdo. Suponhamos que U seja unitdrio, Entio U é inversivel € (Ua, 8) = (Ua, UU-'8) = (a, U-'B) para todos a, 8. Logo, U~' € 0 adjunto de U. Reciprocamente, suponhamos que U* existae UU* = U*U = = I. Entaéo U é inversivel, com U~! = U*. Portanto, basta mostrar que U conserva produtos internos. Temos (Ua, UB) = (a, U*UB) = (@, 18) = (a, 6) para todos a, 8. Exemplo 21, Seja V o espago das m X 1 matrizes sébre C, com © produto interno (X, Y) = ¥*X. Seja A uma » X a matriz sdbre Ce seja U o operador linear definido por U(X) = AX. Entao (UX, UY) = (AX, AY) = Y*A*aX para tédas X, Y. Logo, U é unitério se, e sdmente se, A*A = I. Definicgio. Uma n X'n matriz complexa A é dita unitéria se AtA =I.276 ESPACOS COM PRODUTO INTERNO. Teorema 16. Seja V um espaco de dimensao finita com produto interno e seja U um operador linear sébre V. Entao U é unitdrio se, e somente se, a matriz de U em relacio a alguma (t6da) base ortonormal ordenada é uma matriz unitdria. DemonstracGo. A esta altura, isto nio é bem um teorema e 36 © enunciamos por questo de énfase. Se @ = fai, ..., an} é uma base ortonormal ordenada de V e A é a matriz de U em reldgio a @, entio A*A = I se, e sdmente se, U*U = J, O resultado decorre do Teorema 15, Seja 4 uma ” X n matriz. A afirmagaio de que A é unitdria diz simplesmente (A*A)n = bie ou E Ayre = Bie. rat Em outras palavras, diz que as colunas de A formam um conjunto ortonormal de matrizes-colunas, usando o produto interno canénico (X, Y) = Y*X, Como A*A = J se, ¢ sdmente se, AA* = J vemos que A é unitéria exatamente quando as linhas de A constituem um conjunto ortonormal de -uplas em C* (com o produto interno ca- nénico). Portanto, isando produtos internos canénicos, A € uni- téria se, e sdmente se, as linhas (colunas) de A sio ortonormais. Vé-se aqui um exemplo da férga do teorema que afirma que uma inversa unilateral de uma matriz é, na verdade, uma inversa bila- tera]. Aplicando éste teorema como fizemos acima, digamos, a matrizes reais, temos 0 seguinte: Suponhamos que exista uma tabela quadrada de niimeros reais tal que a soma dos quadrados dos elementos de cada linha seja | e tal que linhas distintas sejam ortogonais. Ent&o a soma dos quadrados dos elementos de cada coluna é 1 e colunas distintas sio ortogonais. Basta escrever a demonstragao déste fato para uma tabela 3 X 3, sem usar nenhum conheci- mento sdbre matrizes, para se ficar razoavelmente impressionado. Definigio. Uma n X n matriz A, real ou complexa, € dita ortogonal se A'A = I, Uma matriz ortogonal real é unitdria; uma matriz unitdria é ortogonal se, e somente se, cada um dos seus elementos € real. Exemplo 22. Vejamos alguns exemplos de matrizes unitdrias e ortogonais.OPERADORES UNITARIOS 277 (a) Uma 1 X 1 matriz [c] € ortogonal se, ¢ sdmente se, c= + 1 ¢ € unitéria se, e sdmente se, tc = I. A Ultima condigdo significa claro) que |c| = 1, ou seja, c = e*, com 9 real. (b) Seja ab A= [2 al’ Entio A é ortogonal se, e sdmente se, 1 d —b Safle . Ae ate oe Le O determinante de qualquer matriz ortogonal, como se pode ver facilmente, é + 1. Assim A € ortogonal se, e sdmente se, a6 a={_4 ]- ou «@ 6 4=[5 | onde a? + 6? = 1. Os dois casos so distinguidos pelo valor de det A. (c) As bem conhecidas relagdes entre as fungdes trigonométricas mostram que a matriz cos @ —sen @ a= [208 cos 6 € ortogonal. Se @ é um niimero real, entio As € a matriz, em relagéo & base ordenada canénica de R, do operador linear Us, que é a rotagaio do 4ngulo @. A afirmacao de que A» é uma matriz ortogonal real (logo unitdria) significa simplesmente que Us é um operador unitdrio, isto €, conserva produtos escalares. (d) Seja A= [2 al: Entéo A € unitdria se, e sdmente se, [5 a ave [-€ al:278 ESPAGOS COM PRODUTO INTERNO. O determinante de uma matriz unitdria tem valor absoluto | ¢ é portanto um numero complexo da forma e®, @ real. Assim, A é unitaria se, e sdmente se, 4=[, ae tal = [ob a} [ a 7 ~ L-e% ea} ~ 10 e® —b a onde @ é um niimero real e a, 6 sio numeros complexos tais que ial? + [b)? = 1. “ Consideremos agora abreviadamente uma mudanga de coordenadas em um espago com produto interno. Suponhamos que V seja um espago de dimensio finita com produto interno e que @ = = {ai,...,a,} € @ = {al,..., ah} sejam duas bases ortonormais ordenadas de V. Existe uma dinica n X n matriz P (necessariamente inversfvel) tal que lala = P-* fal para todo a em V. Se U é 0 bem determinado operador linear s6bre V definido por Ua; = aj, entéo P é a matriz de U em relagio A base ordenada 2: af = 2 Pray. jet como @ € &’ séo bases ortonormais, U é um operador unitdrio e P é uma matriz unitéria, Se T € um operador linear arbitrdrio sdbre V, entio (Tle = P"IT]gP = P*T]aP. Definicdo. Sejam A e Bn X n matrizes complexas. Dizemos que B é unitariamente equivalente a A se existe uma n X n matriz unitdria P tal que B = P*AP. Dizemos que B é ortogonalmente cquivalente a A se existe uma X n matriz ortogonal P tal que B = P*AP, Com essa definig&o, o que observamos acima pode ser enunciado como segue: Se ® e ®’ sio duas bases ortonormais ordenadas de Y, para todo operador linear T sébre V, a matriz (T}w’ é unitariamente equivalente & matriz [T]g. No caso de V ser um espaco real com produto interno, estas matrizes so ortogonalmente equivalentes, através de uma matriz ortogonal real. Exercicios 1, Determinar uma matriz unitéria que néo seja ortogonal ¢ determinar uma matriz ortogonal que nio seja unitéria,OPERADORES UNITARIOS 279 2. Seja V 0 espago das 1 Xm matrizes complexas com o produto interno (A, B) = tt (AB*), Para cada M em V, seja Tw 0 operador linear definido por Tu(A) = MA. Mostrar que Tw € unitario se, ¢ sdmente se, M éuma matriz unitéria. 3. Seja Y 0 conjunto dos miimeros complexos, considerado como um espaco vetorial real. (a) Mostrar que (a, 8) = Re (af) define um produto interno sébre (b) Exibir um isomorfismo (de espago com produto interno) de V em R? com o produto interno canénico, (c) Para cada y em V, seja M, 0 operador linear s6bre V definido por Myfa) = ya. Mostrar que (My)* = My. (d) Para quais numeros complexos y se tem My auto-adjunto” (e) Para quais y, M, é unitério? (f) Para quais 7, M, é positivo? (g) Qual € 0 det(M,)? (h) Determinar a mateiz de M, em relagio a base {1,i.} (i) Se T é um operador \inear s6bre V, encontrar condigdes necessi- rias ¢ suficientes para que 7 seja um M,. (i) Encontrar um operador unitério sébre ¥ que nfo seja um My. 4. Seja V o espaco R3, com o produto interno candnico. Se U é um operador unitdrio s6bre V, mostrar que a matriz de U em relacio a base ordenada canénica é cos @ —sen ou [oor sene sen @ cos sen @ —cos 8. para algum 6,0 < @ < 2. Seja Us o operador linear correspondente & pri- Meira matriz, isto é, Us é uma rotacdo de um Angulo 8. Agora ¢ possivel convencer-se de que todo operador unitdrio sébre V é uma rotagao ou uma reftexiio em relagdo ao cixo 6, seguida de uma rotagao. {a) O que é Usp? {b) Mostrar que U*s = U-o, {¢) Seja ¢ um mimero real fixo e@® = {a1. a, } a base ortonormal obtida girando {e:, ¢:} de um Angulo 9, isto €, a; = Uge,. Se @ € um outro niimero real, qual é a matriz de Ug em relagio & base ordenada ®? 5. Seja V 0 espaco B+, com o produto interno candnico. Seja Wo plano gerado por « = (1, 1, 1) € 8 = (1, 1, —2). Seja U o operador linear definido geométricamente como segue: U é uma rotacio de um angulo 6, em térno de uma reta que passa pela origem e é ortogonal a W. Existem na verdade duns tais rotagbes: tome-se uma delas. Determinar a mattiz de U em relacao & base ordenada candnica. (Eis um modo possivel de se Proceder: Determinar a; € a2 que formem uma base ortonormal de W. Seja @, um yetor de norma 1, ortogonal a W. Determinar a matriz de U em re- lagfo & base {o1, as, 0,}. Efetuar uma mudanga de base.) 6. Seja ¥ um espaco de dimensfo finita com produto interno e seja W um subespago de V. Entio V = W @ W4, isto €, cada a em V pode ser expresso de um tinico modo sob a formaa = 8 + 7, comp em We yem Wt, Definamos um operador linear U por Ua = 8 — >. (a) Demonstrar que U € auto-adjunto ¢ unitario.280 ESPAGOS COM PRODUTO INTERNO (b) Se V € R} com o produto interno candnice e W é o subespaco ge- rade ‘Por (1, 0, 1), encontrar a matriz de U em relagio & base ordenada candnica. 7. Seia V um espago complexo com praduto interno e T um opetadot linear auto-adjunto sobre V. Mostrar que (a) ||a + iTal| = \\x — iTa\| para todo a em ¥. {b) a + iTx = 6 + TB se, © sdmente se, a = 6. (©) 1+ iT € néo-singular {d) 1 — iT é ndo-singular. (©) Suponhamos que V seja de dimensio finita; deinonstrar que U: = (I —iTXE + iTY* & um operador unitério; U € denominado a trans- formada de Cayley de 7. Num certo sentido, U = f(T), ontde fix) = (¢ — ix) d+ ix), 8. Se 6 € um ntimero real, demonstrat que as matrizes seguintes sdo uni- taciamente equivalentes, cos 8 —sen 0 Ca) sen 8 COs 6 Oo ey” 9. Seja V um espago de dimensio finita com produto interno ¢ T um operadot linear positivo sobre ¥. Seja pr 0 produto interno sobre V definido por pr(a, 8) = (Ta, 8). Seja U um opetador linear sObre Ve U* o seu adjun- to em relagio a (,). Demonstrar que U € unitério em relagao ao produto interno pr se, ¢ somente se, T = U*TU, 10. Seja V um espago de dimensdo finita com produto interno, Para cada par a, 6 em V, seja Tas 0 operador linear sébre V definido por Tas(y) = o= (7, B)a. Mostrar que (a) Tag = Thai (©) trago (Ta,6) = (a, 8) (©) Tae Ty6 = Ta(6.8- (d) Em que condigdes Ta,e € auto-adjunto? LL. Seja ¥ um espago mdimensional com produto interno sdbre © corpo F e seja L(V, V) 0 espago dos operadores lineares sobre V. Mostrar que existe um Unico produto interno sdbre L(Y, V) com a propriedade que [[Tavel|* = |lal|*18l|* para todos a,8 em V. (Ta, & 0 operador definido no Exercicia 10.) Encontrar um isomorfismo entce L(V, V) com éste produto interno e o espago das X n matrizes sObre F, com 0 produto interno (4, B) = tr (AB). 12. Seja V um espago de dimensdo finita com produto interno. No Exer- cicio 6, mostramos como construir certos operadores lineares sébre 7 que ‘so auto-adjuntos € unitérias, Demonstrar entao que ndo existem outros, isto & que todo operador auto-adjunto unitdrio provém de algum subespago ¥ como descrevemos no Exercicio 6. 13. Sejam Ve W espagos de mesma dimenséo finita com produto interno. Seja U um isomorfismo de V em W, Mostrar que (a) @ aplicagio T—+ UTU"' & um isomorfismo do espago vetorial V, V) no espago vetorial LW, W); (b) trago (UTU-*) = trago(7) para todo T em LY, VY); ©) UTagU"! = Tua, va (Tap definido no Exercicio 10); (d) (UTE) = UTHU;OPERADORES UNITARIOS 28) (©) se equiparmos L(V, V) com o produto interno (71, 7) = trago (TiTD. € andlogamente para L(W, W), entdo T— UTU"* & um isomorfismo de espago com produto interno, 14, Se V & um espago com produto interno, um movimento rigido é uma fangdo qualquer T de V em V (ndo necessariamente linear) tal que ||Ta — — Tp|| = « — 6)| para todos a, 8 em V, Um exemplo de um movimento rigido € um operador linear unitério, Outro exemplo é uma translagdo por um vetor fixo y. Ty@) sa +4 (a) Seja V 0 espago R+ com o produto interno candnico, Suponha- mos que 7 seja um movimento rigido de V e que T(0) = 0. Demonstear que T é linear e € um operador unitério. (b) Usar o resultado da parte (a) para demonstrar que todo movimento Higido de R* € composto de uma transagio, seguida de um operador uni- jo. (c) Mostrar agora que um movimento rigido de R? é uma transtaglo seguida de uma rotago ou entio uma translacho seguida de uma reflexio seguida de uma rotagio. 15. Um operador unitério s6bre Ri (com o produto interno candnico) é simplesmente um operadof linear que conserva a forma quadritica Gay 4 0]? = tye tate isto é, um operador linear U tal que ||Ual|* = |\all* para todo a em Ri, Numa certa parte da teoria da relatividade, € de interésse determinar os operadores lineares T que conservam a forma [Gx 2, ONE = 1? — xt yt — ae, Contudo, | [Ii no vem de um produto interno, mas de algo chamado “mé- trice de Lorentz” (a qual nio estudaremos). Por esta razio, um operador linear 7 sObre Ré tal que |\Taliz = |/a\|Z, para todo a em R¥, é denominado uma transformagio de Lorentz. (@) Mostrar que a fungio U definida por wfite yte Usnaoen [te reel € um isomorfismo de Ré no espago vetorial H das 2 X 2 matrizes complexas auto-adjuntas. (b) Mostrar que |\a||z = det (Ua), : {©) Suponhamos que T seja um operador linear (real) sdbre o espa- 90 H das 2 X 2 matrizes auto-adjuntas. Mostrar que L = U™'TU é um ‘operador linear sObre Rs, (d) Seja’ M uma 2X 2 matriz’ complexa arbitrérig. Mostrar que Ty(A) = M*AM define um operador linear Ty sObre H. (E necessario verificar que Ty leva H em H.) (@) Se _M é uma 2X 2 matriz tal que |det_M! = 1, mostrar que Ly = U>TyU é uma transformagap de Lorentz sébre R« (f) Encontrar uma transformagéo de Lorentz que nfo seja uma Ly,282 ESPACOS COM PRODUTO INTERNO. 8.6 Operadores Normais © objetivo principal desta segdo € a resolugio do problema seguinte: Se T é um operador linear sébre um espaco V de dimensao finita com produto interno, sob que condigdes V possui uma base ortonormal formada por vetores caracteristicos de 7? Em outras palavras, quando € que existe uma base ortonormal & de V, tal que a matriz de T em relagao & base ® seja diagonal? Vamos iniciar deduzindo algumas con T, que mostraremos subseqiientemente serem suficientes. Suponha- mos que ® = {ai,..., a} seja uma base ortonormal de V com a propriedade (8-19) To; = cj, f= yews m Isto diz simplesmente que a matriz de T em relagdo & base ordenada @ é a matriz diagonal com elementos diagonais ci, ..., ¢s O operador adjunto T* é representado em relagao a esta mesma base ordenada pela matriz transposta conjugada, isto é, a matriz diagonal com elementos diagonais 7, ..., G. Se V é um espaco real com produto interno, os escalares cj), ..., Ca Sao (evidentemente) reais e ento temos T = T*. Em outras palavras, se V é um espago real de dimensao finita com produto interno e T é un operador linear para o qual existe uma base ortonormal de vetores caracteristicos, entéo T deve ser auto-adjunto. Se V é um espago complexo com produto interno, os escalares ci, ..., x Mo so necessariamente reais, isto é, T n&o € necessariamente auto-adjunto. Mas notemos que T deve satisfazer (8-20) TT* = T*T De fato, duas matrizes diagonais quaisquer comutam e como T € T* sio ambas representadas por matrizes diagonais em relagio & base ordenada «, temos (8-20), E um fato bastante notavel que esta io também seja suficiente para implicar a existéncia de uma base ortonormal formada por vetores caracteristicos. Definicio. Seja V um espaco de dimensio finita com produto interno eT um operador linear sébre V. Dizemos que T é normal se comuta com seu adjunto, isto é, TT* = T*T. Todo operador auto-adjunto € normal, como também o € todo operador unitério, Todo miltiplo escalar, de um operador normal é normal; contudo, somas ¢ produtos de operadores normais nao sdo em geral normais. Embora isso nao seja de forma alguma necessdrio, iniciaremos nosso estudo de operadores normais considerando operadores auto-adjuntos.OPERADORES NORMAIS 283 Teorema 17. Seja V um espaco com produto interno e T um operador linear auto-adjunto sébre V. Todo valor caracteristico de T é real. Vetores caracteristicos de T associados a valores caracteristicos distintos sdo ortogonais. Demonstragao. Suponhamos que ¢ seja um valor caracteristico de T, isto é, que Ta = ca para algum vetor nao-nulo a. Entio ca, a) = (ca, a) = (Ta, a) = (a, Ta) = (a, ca) = ea, a). Como (a,a) # 0, devemos ter c = @ Suponhamos também que TB = dB com 8 # 0. Entio c(a, 8) = (Ta, B) = @, 78) = (6, dB) = de, 8) = ae, 8). Sec # d, entiio (a, 8) = 0. Deve-se salientar que o Teorema 17 nada diz a respeito da exis- téncia de valores caracteristicos ou de vetores caracteristicos. Teorema 18. Em wm espaco de dimensGo finita positiva com produto interno, todo operador auto-adjunto possui um vetor caracteristico (nao-nulo). Demonstragao. Seja V um espaco de dimensio » com produto interno, sendo n > 0 e seja T um operador auto-adjunto sébre V. Tomemos uma base ortonormal @ de V ¢ seja A = [T]g. Como T = T* temos A = A*. Seja agora W ocspaco das n X | matrizes s6bre C,com produto interno (X, Y) = Y*X. Entfo U(X) = AX define um o- perador linear auto-adjunto U sébre W. O polindmio caracteristico, det (xf — A), € um polindmio de grau n sébre o corpo dos mimeros complexos; todo polinémio sébre C de grau positivo possui uma raiz. Assim, existe um ntimero complexo c¢ tal que det (cf — A) = 0. Isto significa que A — ci é singular, ou que existe uma X ndo-nula tal que AX = cX. Como o operador U (multiplicagio por A) € auto-adjunto, decorre do Teorema 17 que c é real. Se V é um espago vetorial real, podemos tomar X com elementos reais. De fato, nes-284 ESPACOS COM PRODUTO INTERNO se caso A e A — cl tém elementos reais e como A — c/ é singular, o sistema (4 — cl)X = 0 possui uma solugao real nao-nula X. Decorre que existe um vetor nao-nulo « em V tal que Ta = ca. Diversos comentérios devem ser feitos a respeito da demonstragdo. (1) A demonstragdo da existéncia de um X nao-nulo tal que AX = cX nada teve que ver com o fato de A ser hermitiana (auto-adjunta). Ela mostra que todo operador linear s8bre um espago vetorial complexo de dimensdo finita possui um vetor caracteristico. No caso de um espago real com produto interno, a auto-adjun- giio de A € usada de modo fundamental para nos dizer que cada valor caracteristico de A é real e que portanto podemos encontrar um X conveniente com valores reais. (2) O argumento mostra que o poli- némio caracteristico de uma matriz auto-adjunta tem coeficientes teais, a despeito do fato de que a matriz possa nao ter elementos reais. (3) A hipdtese de V ser de dimensao finita é necesséria para o teorema; um operador auto-adjunto sébre um espago de dimensio infinita com produto interno pode nao ter nenhum valor caracteristico. Exemplo 23. Seja V o espago vetorial das fungdes complexas (ou reais) continuas, definidas sébre o intervalo unitério 0< 1< 1, com o produto interno (8) = fi foebat. © operador “multiplicag3o por ¢”, (Tf)(t) = (1), € auto-adjunto. Suponhamos que Tf = cf. Entao (t—Aff) =0, O< t< 1 e entio f(t) = 0 para t # c. Como f é continua, f = 0, Logo T n&o possui valores (vetores) caracteristicos. Teorema 19. Seja V um espaco de dimensao finita com produto interno e seja T um operador linear arbitrdrio sébre V. Suponhamos que W seja um subespaco de V que seja invariante sob T. Entio 0 suplementar ortogonal de W é invariante sob T. Demonstragéo. Recordamos que o fato de W ser invariante sob T n&o quer dizer que cada vetor em W permanega fixo por meio de T; significa que se « esté em W entdo Ta esté em W. Seja 6 em W*. Precisamos mostrar que T*8 esti em W*, isto é, que (, T*8) = 0 para todo w em W. Se « esté em W, entiio Ta estd em W, portanto (Ta, 8) = 0. Mas (Ta, 8) = (a, T*B)*.OPERADORES NORMAIS 285 Teorema 20. Seja V um espaco de dimenséo finita com produto interno e seja T un operador linear auto-adjunto sdbre V. Entao existe twna base ortonormal de V, cujos vetores s@o vetores caracteristicos de T. Demonstracdo. Estamos supondo dim V > 0. Pelo Teorema 18, T possui um vetor caracteristico a. Seja a1 = a/|lal| de modo que ; também é um vetor caracteristico de Te |Joy|| = 1. Se dim V = 1, 4 terminamos. Vamos agora proceder por indug&o sébre a dimen- ‘si0 de V. Suponhamos que 0 teorema seja valido para espagos com produto interno de dimens&éo menor que dim V. Seja W o subespago unidimensional gerado pelo vetor a. A afirmagao de que a: é um vetor caracteristico de T significa simplesmente que W € inva- tiante sob T. Pelo Teorema 19, o suplementar ortogonal W* é invariante sob T* = T. Ora W*, com o produto interno de V, € um espaco com produto interno de dimensio um a menos que a dimenso de V. Seja U o operador linear induzido sébre W* por T, isto é, a restrigao de T a W*. Entfo U é auto-adjunto e, pela hipétese de indugdo, W* possui uma base ortonormal {az,... an} formada por vetores caracteristicos de U. Ora, cada um désses vetores também € um vetor caracteristico de Te como V = W ® W*, conclufmos que {a1,..., a} & a desejada base de V. Corolario. Seja A wna n X n matriz hermitiana (auto-adjunta). Entao existe wna matriz unitdria P tal que P*AP seja diagonal (A é unitdriamente equivalente a uma matriz diagonal). Se A é wna matriz simétrica real, existe uma matriz ortogonal real P tal que P‘AP seja diagonal. Demonstracao. Seja V 9 espago C", com o produto interno ca- nénico ¢ seja T o operador linear sébre V que € representado por A em relacdo & base ordenada canénica. Como A = A*, temos T = T*. Seja ® = {a1,...,a,} uma base ortonormal ordenada de V, tal que Ta; = cjaj, fj = 1,. n, Se D = [T]q, entio D € a matriz diagonal com elementos diagonais c1,..., cn. Seja P a matriz com vetores-colunas ai,..., aa. Entio D = P*AP. Caso todo elemento de A seja real, podemos tomar V como sendo R*, com o produto interno canénico e repetir o argumento. Neste caso, P seré uma matriz unitéria com elementos reais, ou Seja, uma matriz ortogonal real. Caso todo elemento de A seja real, podemos tomar V como sendo R*, com o produto interno canénico e repetir .o argumento.286 ESPACOS COM PRODUTO INTERNO. Neste caso, P sera uma matriz unitdria com elementos reais, ou seja, uma matriz ortogonal real. Combinando o Teorema 20 com nossos comentérios no itiicio desta segio, temos o seguinte: Se V é um espaco real de dimensio finita com produto interno e T € um operador linear sébre V, entio V possui uma base ortonormal formada por vetores caracteristicos de T se, ¢ sdmente se, T é auto-adjunto. Equivalentemente, se 4 é uma n X 1 matriz com elementos reais, existe uma matriz ortogonal real P tal que P'AP seja diagonal se, e sdmente se, A = A‘. N§o existe nenhum resultado semelhante para matrizes simétricas complexas. Em oytras palavras, para matrizes complexas, uma diferenga significativa entre as condigées A = Ate A = A*. Tendo resolvido o caso de operadores auto-adjuntos, voltamos ao estudo dos operadores normais em geral. Vamos demonstrar © andlogo do Teorema 20 para operadores normais, no caso complexo. Teorema 21. Seja V um espaco de dimeséo finita com produto interno e T um operador normal sébre V. Entéo todo vetor caracteristico de T também é um vetor caracteristico de T*. DemonstragGo. Suponhamos que U seja um operador normal arbitrario sObre V. Entio ||Ual| = ||U*al| para todo a em V. De fato, usando UU* = U*U vemos que {|Ual|? = (Ua, Ua) = (a, U*Ua) = (@, UU*a) = (U*a, U*a) = |!U*e|?. Se T é normal e c é um escalar, 0 operador U = T — cf € normal, pois (T — cl)* = T* — Gf. Entdo, para cada a em V IK — eal! = |\(7* — chy\|. Em particular, (T — cla = 0 se, e sdmente se, (T* — cle = 0. Assim, a € um vetor caracteristico de T com valor caracteristico ¢ se, e somente se, « € um vetor caracteristico de T* com valor caracterfstico @. Teorema 22. Seja V um espaco complexo de dimenséo finita com produto interno e seja T um operador normal sébre V. Entéo V possui_ uma base ortonormal, onde cada vetor é um vetor caracteristico de T. Demonstragdo. Como estamos trabalhando s6bre um espago vetorial complexo, T possui um vetor caracteristico a1, que, podemos supor, satisfaz |joi|| = 1. Seja W o subespago gerado por a, de

Algebra Linear - Hoffman e Kunze PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algebra Linear - Hoffman e Kunze PDF

Cargado por

Copyright:

Formatos disponibles

También podría gustarte