Professional Documents
Culture Documents
(Versao Preliminar)
Hamilton Prado Bueno
Universidade Federal de Minas Gerais
Departamento de Matematica
A
Eliana Farias Bueno.
Inesquecvel esposa,
eterna amiga.
Introducao
Funcoes f : U C C podem gerar funcoes de matrizes quadradas, cha-
madas funcoes de matrizes. Por exemplo, as matrizes A
k
, A
1
, sen A e o
uxo e
At
. Essas funcoes constituem um topico essencial da
Algebra Linear,
mas nao estao presentes nas apresentacoes tradicionais do assunto.
Restringe-se a apresentacao de funcoes de matrizes ao caso de polinomios
de uma matriz quadrada ou entao, quando a matriz A e simetrica e A =
P
1
DP, com D diagonal, dene-se f(A) por P
1
f(D)P, em que f(D) e
obtida ao se avaliar f em cada uma das entradas diagonais de D.
Devido a sua enorme importancia no estudo de equacoes diferenciais,
e
At
e usualmente denida por meio da expansao em serie de potencias, o
que exige o conceito de convergencia uniforme e, conseq uentemente, torna
a exposicao acessvel apenas para alunos mais avancados. Alem disso, e
At
e
obtida apenas em alguns casos muito simples (em geral, quando a matriz A
esta na Forma Canonica de Jordan) e o estudante ca com a impressao que
e
At
e uma solucao teorica para o sistema x
ARIO
5.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
6 O teorema da decomposicao primaria 34
6.1 A complexicacao de um espaco vetorial . . . . . . . . . . . . 34
6.2 O teorema da decomposicao primaria . . . . . . . . . . . . . . 36
6.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
Captulo 1
Polinomios de matrizes
Denotaremos por V um espaco vetorial de dimensao n sobre o corpo K. Para
simplicarmos a nossa exposicao, K sera o corpo dos complexos C ou o corpo
dos reais R.
Seja T : V V uma aplicacao linear. Escolhendo uma base B para V ,
obtemos a matriz T
B
, representacao de T na base B.
Exemplo 1.1 Seja R : R
2
R
2
a aplicacao que roda em torno da origem
por um angulo 0 < < 2 um ponto do R
2
, no sentido anti-horario.
E claro
que o unico ponto xo por R e a origem. A linearidade de R e geometri-
camente clara (incluir gura). Escolhendo a base canonica c = e
1
, e
2
,
com e
1
= (1 0)
T
(estamos denotando assim a transposta) e e
2
= (0 1)
T
,
encontramos T
E
: se Re
1
= P, o ponto P tem coordenadas (cos sen )
T
,
de acordo com a propria denicao das funcoes seno e cosseno. Do mesmo
modo, se Re
2
= Q, as coordenadas de Q sao (cos( + /2) sen ( + /2) =
(sen cos )
T
. Logo, a representacao de R na base c e
A = R
E
=
_
cos sen
sen cos
_
.
Seja q(z) = a
k
z
k
+ a
k1
z
k1
+ a
1
z + a
0
um polinomio com coecientes no
corpo K. Claramente faz sentido calcular
q(T) := a
k
T
k
+ a
k1
T
k1
+ + a
1
T + a
0
I.
(Denotamos por I a aplicacao identidade I : V V ). Note que q(T) e uma
aplicacao linear de V em V , que e representada por uma matriz n n ao se
escolher uma base de V .
1
2 CAP
ITULO 1. POLIN
OMIOS DE MATRIZES
1.1 O polinomio mnimo
Lembramos que um polinomio e monico se o coeciente de seu termo de
maior grau for igual a 1.
Denicao 1.2 O polinomio mnimo m de uma aplicacao T : V V e o
polinomio monico de menor grau tal que m(T) = 0.
Lema 1.3 Se V e um espaco vetorial de dimensao n, toda aplicacao linear
T : V V possui um polinomio mnimo.
Demonstracao: O espaco L(V, V ) de todas as aplicacoes lineares T :
V V e um espaco vetorial de dimensao n
2
. (Esse espaco e isomorfo
ao espaco M
nn
(K) de todas as matrizes n n com entradas em K). Assim,
as aplicacoes lineares I, T, T
2
, . . . , T
n
2
sao, necessariamente, linearmente
dependentes. Quer dizer, existem escalares a
0
, a
1
, . . . , a
n
2 K, nem todos
nulos, tais que
a
0
I + a
1
T + . . . + a
n
2T
n
2
= 0.
Denindo p(z) = a
0
+a
1
z +. . . +a
n
2z
n
2
, temos 0 ,= p e p(T) = 0. Dividindo
pelo coeciente do termo de maior grau, obtemos um polinomio monico p. O
polinomio mnimo entao existe, como decorrencia da aplicacao do Princpio
da Boa Ordenacao ao conjunto de todos os polinomios monicos que anulam
T. 2
Lema 1.4 Se p e um polinomio tal que p(T) = 0, entao p e um m ultiplo de
m.
Demonstracao: Se 1 denota o conjunto de todos os polinomios p (com co-
ecientes em K) tais que p(T) = 0, claramente a soma de dois polinomios em
1, bem como a multiplicacao de p por qualquer polinomio (com coecientes
em K) estao em 1. (Quer dizer, 1 e um ideal.) A divisao euclidiana de p
por m nos da p = qm + r. Como r = p qm pertence a 1 e o grau de m e
mnimo, conclumos que r = 0. 2
1.2 O teorema de Cayley-Hamilton
Recordamos a denicao do polinomio caracterstico:
Denicao 1.5 Seja A = T
B
. O polinomio caracterstico da matriz A e
o polinomio
p(z) = det(zI A).
1.2. O TEOREMA DE CAYLEY-HAMILTON 3
ITULO 1. POLIN
OMIOS DE MATRIZES
Logo,
det(zI A) = det
_
_
_
_
_
_
_
z 0 0
0
1 z 0
1
0 1 0
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1 z
m1
_
_
_
_
_
_
_
= z det
_
_
_
_
_
z 0
1
1 z
2
.
.
.
.
.
.
.
.
.
0 1 z
m1
_
_
_
_
_
+
(
0
)(1)
m+1
det
_
_
_
_
_
1 z 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
_
_
_
_
_
.
Como o determinante da ultima matriz e (1)
m1
, o ultimo termo e justa-
mente
0
. Procedendo do mesmo modo, obtemos
det(zI A) = z
m
m1
z
m1
. . .
0
= p
W
(z),
sendo p
W
(z) o polinomio caracterstico de T restrito a W. A equacao (1.1)
nos mostra entao que p
W
(T)v = 0.
Armamos agora que p(z) = q(z)p
W
(z), para algum polinomio q(z). Da
decorre o resultado, pois v ,= 0 foi escolhido arbitrariamente e p(T)v =
q(T)p
W
(T)v = 0. Para provarmos a armacao, notamos que ao completar-
mos S de forma a obter uma base B de V , a representacao de T nessa base
e
_
A B
0 C
_
.
O resultado entao decorre de propriedades do determinante, pois
det(zI T) = det(zI A) det(zI C) = p
W
(z)q(z)
(em cada expressao, as ordens das matrizes I sao diferentes). 2
Relembramos:
Denicao 1.8 Seja p(z) o polinomio caracterstico da aplicacao linear T :
V V . As razes K de p(z) sao chamadas autovalores de T, enquanto
as solucoes v ,= 0 de Tv = v sao chamados autovetores de T (associados
a ). O conjunto de todos os autovalores de T e chamado espectro de T e
denotado por (T).
1.3. DECOMPOSIC
AO DE OPERADORES 5
Observacao 1.9 O polinomio caracterstico e especialmente importante por
causa de suas razes. Por isso, tambem e comum chamar det(T zI) =
(1)
n
det(zI T) de polinomio caracterstico de T.
Exemplo 1.10 O polin omio caracterstico da aplicacao linear T : R
2
R
2
denida por T(x, y) = (y, x) e p(z) = z
2
+ 1 e nao possui razes reais.
Portanto, T nao possui autovalores. Considerando T : C
2
C
2
denida da
mesma maneira, p(z) = z
2
+ 1 = (z i)(z + i) e T possui dois autovalores
distintos. Isso mostra que a analise do espectro de uma aplicacao linear
T : V V depende muito do corpo K sobre o qual V e espaco vetorial.
Assim, estudar uma aplicacao linear T : V V e mais simples quando V
e um espaco vetorial sobre C do que sobre R: o Teorema Fundamental da
Algebra nos garante que o polinomio caracterstico p(z) possui n razes (nao
necessariamente distintas) no corpo C.
Observacao 1.11 Seja V um espaco vetorial de dimensao n sobre o corpo K.
Dada uma aplicacao linear T : V V , sejam p seu polinomio caracterstico
e m seu polinomio mnimo. Combinando o teorema de Cayley-Hamilton 1.7
com o lema 1.4, vemos que p e um m ultiplo de m. Posteriormente mostra-
remos que p possui exatamente os mesmos fatores irredutveis de m (veja
a observacao 5.4). Alem disso, T e diagonalizavel se, e somente se, m(z) e
produto de fatores lineares distintos (veja corolario 5.6).
1.3 Decomposicao de operadores
Seja V um espaco vetorial. Suponhamos que
V = W
1
W
, (1.2)
isto e, que cada ponto x V tenha uma unica representacao
x = x
1
+ . . . + x
, x
j
W
j
, j = 1, . . . , .
Para j = 1, . . . , , denimos as projecoes canonicas
j
: V W
j
V
x x
j
.
Claramente vale
i
=
ji
j
, (1.3)
6 CAP
ITULO 1. POLIN
OMIOS DE MATRIZES
em que
ij
= 0, se i ,= j, e
ii
= 1, com i, j 1, . . . , . Alem disso,
j=1
j
= I. (1.4)
Reciprocamente, se os operadores lineares
1
, . . . ,
, com
projecoes correspondentes
j
, j = 1, . . . , . Entao T(W
j
) W
j
se, e somente
se,
T
j
=
j
T.
Demonstracao: Suponhamos que T(W
j
) W
j
. Tome x V arbitrario.
Ent ao
j
x W
j
e, conseq uentemente, T
j
x W
j
. Logo
i
T
j
x =
ij
T
j
x
para todo j = 1, . . . , . Somando todos esses termos e utilizando (1.4), obte-
mos
T
i
x =
j=1
ij
T
j
x =
j=1
i
T
j
x =
i
T
_
j=1
j
x
_
=
i
Tx.
Reciprocamente, se T comuta com todo
j
, para todo x W
j
vale
Tx = T
j
x =
j
Tx W
j
,
mostrando que T(W
j
) W
j
.
2
1.4 Um homomorsmo de algebras
Denicao 1.14 Uma algebra / sobre o corpo K e um espaco vetorial sobre
o corpo K que possui, adicionalmente, uma multiplicacao satisfazendo `as
seguintes propriedades, para todos u, v, w / e k K:
1.5. EXERC
ICIOS 7
(i) (uv)w = u(vw) (associatividade);
(ii) u(v + w) = uv + uw (distributividade);
(iii) k(uv) = (ku)v = u(kv).
Se existir um elemento e / tal que eu = ue = u para todo u /, a algebra
/ possui uma unidade. Se uv = vu para todos u, v /, temos uma algebra
comutativa.
Exemplo 1.15 O espaco vetorial T de todos os polinomios com coecientes
em K e uma algebra comutativa com unidade. O espaco vetorial M
nn
(K)
e uma algebra (nao-comutativa) com unidade. O espaco L(V, V ) e uma
algebra. Escolhida uma base de V , essa algebra pode ser identicada com
M
nn
(K). Fixado T L(V, V ), seja T(T) o conjunto de todas as aplicacoes
lineares obtidas ao se avaliar o polinomio p T em T L(V, V ):
T p(T) L(V, V ).
ITULO 1. POLIN
OMIOS DE MATRIZES
2. Suponha que o polinomio p(z) seja da forma (z)
d
q(z), comq() ,= 0 e
d 2, 3, . . .. Mostre que p
() = . . . = p
(d1)
() = 0, mas p
(d)
() ,= 0.
Dizemos entao que a raiz de p(z) tem multiplicidade algebrica d.
3. Sejam T : V V uma aplicacao linear, m o polinomio mnimo de T,
A e B duas representacoes matriciais de T. Mostre que os polinomios
mnimos de A e B sao iguais a m.
4. Sejam T : V V um operador linear e p um polinomio com coecientes
em K. Mostre que se e um autovalor de T, entao p() e um autovalor
de p(T).
5. Sejam T : V V um operador linear e p um polinomio com coecientes
em K. Mostre que se K = C e e um autovalor de p(T), entao existe
um autovalor de T tal que = p(). De um exemplo mostrando que
esse resultado nao e valido se K = R.
6. Compare a demonstracao do Teorema de Cayley-Hamilton aqui apre-
sentada com aquela em [6].
7. Seja T : V V um operador linear. Se V = W
1
W
e T satisfaz
T(W
i
) W
i
, mostre que T pode ser representada por uma matriz
diagonal em blocos
A =
_
_
_
_
_
A
1
0 0
0 A
2
0
.
.
.
.
.
.
0 0 A
_
_
_
_
_
,
em que a A
i
e uma matriz j
i
j
i
, sendo j
i
= dimW
i
.
Reciprocamente, se a matriz diagonal em blocos A e a representacao
de um operador linear T : V V , mostre que existem espacos W
i
V
tais que V = W
1
W
e T(W
i
) W
i
.
8. Seja A uma matriz diagonal em blocos:
A =
_
_
_
_
_
A
1
0 0
0 A
2
0
.
.
.
.
.
.
0 0 A
_
_
_
_
_
.
1.5. EXERC
ICIOS 9
Mostre que
A
k
=
_
_
_
_
_
A
k
1
0 0
0 A
k
2
0
.
.
.
.
.
.
0 0 A
k
_
_
_
_
_
.
9. Seja V = W
1
W
2
, sendo W
1
, W
2
invariantes pelo operador T : V V .
Se r e s sao os polinomios mnimos de T[
W
1
e T[
W
2
, respectivamente,
mostre que o polin omio mnimo de T e m.m.c.(r , s), o mnimo m ultiplo
comum dos polinomios r e s.
10. Uma aplicacao linear T : V V e diagonalizavel T pode ser re-
presentada por uma matriz diagonal, isto e, por uma matriz diagonal
em blocos cujos blocos diagonais sao todos submatrizes 1 1. Mostre
que um operador T : V V e diagonalizavel se, e somente se, V possui
uma base formada por autovetores de T.
11. Sejam p, q T polinomios com coecientes em K e T : V V uma
aplicacao linear. Mostre que (pq)(T) = p(T)q(T).
Captulo 2
Divisao euclidiana
2.1 Funcoes euclidianas
Denicao 2.1 Uma funcao f : U C C (ou f : I R R) e
euclidiana com relacao ao polinomio p se
(i) todas as razes de p pertencem a U (resp., a I);
(ii) se z
0
e uma raiz de p com multiplicidade k, entao f tem derivadas ate
a ordem k em z
0
.
Note que se U for um aberto e f analtica em U, a condicao (ii) se verica
imediatamente.
A terminologia utilizada na denicao acima e motivada pelo seguinte
resultado, v alido tanto para funcoes denidas em I R como em U C.
Como antes, denimos o grau do polinomio identicamente nulo como .
Proposicao 2.2 Seja f euclidiana com relacao ao polinomio p. Entao exis-
tem uma funcao q, contnua em cada uma das razes do polinomio p, e um
polinomio r tais que f = qp + r, gr r < gr p.
Demonstracao: Seja r um polinomio arbitrario. Consideremos a funcao q
denida (nos pontos do domnio de f que nao sao razes de p) por
q =
f r
p
.
Queremos mostrar que podemos escolher r com grau menor do que o de p, de
modo que q possua extensao contnua em cada uma das razes de p. Notamos
que q e tao suave quanto f em cada ponto z que nao e uma raiz de p.
10
2.2. O POLIN
OMIO INTERPOLADOR 11
Seja z
0
uma raiz de multiplicidade k do polinomio p, isto e,
p(z) = (z z
0
)
k
s(z),
sendo s um polinomio tal que s(z
0
) ,= 0. Queremos achar r de modo que o
quociente
f(z) r(z)
(z z
0
)
k
possua extensao contnua em z
0
. De acordo com a regra de LHospital, isso
acontece quando
f(z
0
) = r(z
0
), f
(z
0
) = r
(z
0
), . . . , f
(k1)
(z
0
) = r
(k1)
(z
0
).
Basta, portanto, mostrar que existe um polinomio r(z) com grau menor do
que o de p, satisfazendo relacoes como essas em cada raiz z
0
do polinomio p.
A existencia de tal polinomio sera mostrada no lema abaixo. 2
2.2 O polinomio interpolador
Denotaremos f
(0)
= f.
Lema 2.3 Suponhamos conhecidos os valores
f(z
1
) f
(z
1
) f
(d
1
1)
(z
1
)
.
.
.
.
.
.
f(z
) f
(z
) f
(d
1)
(z
)
em que z
1
, . . . , z
. Entao
existe um unico polinomio r, de grau menor ou igual a n 1, satisfazendo
r
(k)
(z
i
) = f
(k)
(z
i
)
para todo i = 1, . . . , e k = 0, . . . , d
i
.
Exemplo 2.4 Antes de passarmos ao caso geral, vejamos num exemplo a
demonstracao do lema 2.3. Suponhamos conhecidos os valores f(z
1
), f(z
2
) e
f
(z
2
). Queremos encontrar um polinomio de grau 2 tal que r(z
1
) = f(z
1
),
r(z
2
) = f(z
2
) e r
(z
2
) = f
(z
2
). Seja r(z) = az
2
+bz +c. Entao os coecientes
de r devem satisfazer ao sistema matricial:
_
_
z
2
0
z
0
1
z
2
1
z
1
1
2z
1
1 0
_
_
_
_
a
b
c
_
_
=
_
_
f(z
0
)
f(z
1
)
f
(z
1
)
_
_
. (2.1)
12 CAP
ITULO 2. DIVIS
AO EUCLIDIANA
Se os valores f(z
0
), f(z
1
) e f
(z
1
) sao nulos, basta tomas r 0. A unicidade
de r, nesse caso, e conseq uencia do argumento apresentado a seguir.
Suponhamos que o sistema (2.1) nao possua solucao unica. Entao o sis-
tema homogeneo associado possui uma solucao nao-trivial (a
0
b
0
c
0
)
T
. Con-
sideremos o polinomio n ao-nulo
t(z) = a
0
z
2
+ b
0
z + c
0
.
Entao t(z) tem razes z
0
e z
1
, a segunda tendo multiplicidade 2 (ja que e raiz
da derivada de t). Mas isso implica que t(z) e um m ultiplo de (zz
0
)(zz
1
)
2
e tem grau maior ou igual a 3, o que e um absurdo. Logo (2.1) tem solucao
unica para quaisquer valores f(z
0
), f(z
1
) e f
(z
1
).
Demonstracao: Podemos supor que um dos valores dados seja nao-nulo.
O polinomio r procurado satisfaz a um sistema linear nao-homogeneo, que
pode ser escrito matricialmente como
Bz = b,
sendo z o vetor que tem como coordenadas os coecientes procurados de r,
b um vetor cujas n coordenadas sao os valores conhecidos de f e B a matriz
n n do sistema linear assim formado.
Se B nao tem inversa, o sistema homogeneo associado tem solucao nao
trivial
z
0
= (a
0
. . . a
n1
)
T
.
Consideremos o polinomio
t(z) = a
0
+ a
1
z + . . . + a
n1
z
n1
,
que e um polinomio de grau menor ou igual a n 1. Como z
0
satisfaz ao
sistema homogeneo associado, temos que t(z) deve ser um m ultiplo de
(z z
1
)
d
1
(z z
)
d
,
o que e um absurdo, pois o ultimo polinomio tem grau n. Assim, B possui
inversa e o sistema Bz = b solucao unica. 2
O polinomio r e chamado polinomio interpolador.
Apresentamos agora uma conseq uencia da Proposicao 2.2 que esta ausente
de nossos cursos basicos de uma variavel complexa: a algebra H de todas as
funcoes analticas f : C C e euclidiana com relacao a todo polinomio p.
Mais geralmente, temos
2.3. EXERC
ICIOS 13
Proposicao 2.5 Na divisao euclidiana
f = qp + r (gr r < gr p)
da funcao analtica f : U C C pelo polinomio p cujas razes estao em
U, o quociente q e analtico.
Demonstracao: De acordo com a demonstracao da Proposicao 2.5, a funcao
q =
f r
p
e analtica, pois o numerador e o denominador se anulam exatamente nos
mesmos pontos e os zeros do numerador possuem multiplicidade maior ou
igual do que os do denominador. Assim, q possui uma expansao em serie de
potencias em cada ponto de U. 2
Esse resultado possui extensao para funcoes f : I R R de classe C
.
2.3 Exerccios
1. Sejam U C um aberto e f : U C uma funcao. Dizemos que f
e analtica se ela possui derivada em todos os pontos do aberto U e
holomorfa se ela possui desenvolvimento em serie de potencias (com
raio de convergencia positivo) em todos os pontos do aberto U.
Suponha que U seja um convexo e f : U C analtica em U. Se
z
0
U, considere o quociente q(z) = f(z)/(z z
0
). Seja um caminho
contido em U. Mostre que
_
)
d
o polinomio mnimo de
A. Se estao denidos os valores
f(
1
) f
(
1
) f
(d
1
1)
(
1
)
.
.
.
.
.
.
f(
) f
) f
(d
1)
(
),
dizemos que f e euclidiana com respeito a A e denimos
f(A) = r(A),
sendo r o polinomio interpolador dado pelo lema 2.3.
A denic ao 3.2 tem uma conseq uencia importante, que salientamos desde
ja: a matriz f (A) sempre comuta com a matriz A!
Observacao 3.3 Se compararmos a denicao acima com a denicao de uma
funcao euclidiana f(z) com respeito a m(z), vemos que as exigencias sobre
f sao menos restritivas. Qual a razao dessa diferenca?
A resposta e simples: ao considerarmos abstratamente a divisao
f(z) = q(z)m(z) + r(z),
precisamos impor condicoes em f que possibilitem denir uma funcao q que
de um sentido `aquela divisao. Se essas exigencias forem satisfeitas, podemos
entao concluir que r(z) e dado pelo polinomio interpolador, que esta denido
sob condicoes menos exigentes. Por outro lado, ao considerarmos f(A), uma
vez mostrado que (qm+r)(A) = q(A)m(A)+r(A), teremos que f(A) = r(A)
nao importa como estiver denido q(A). Assim, apenas o valor de A no
polinomio r e importante.
Entretanto, a denicao 3.2 e, muitas vezes, pouco aplicavel: e mais facil
obter o polinomio caracterstico p da matriz A do que o polinomio mnimo
m. Seria proveitoso se pudessemos usar p ao inves de m para denir a funcao
16 CAP
ITULO 3. O C
AO FINITA
f(A). E isso pode ser feito. Podemos utilizar m ultiplos de m enquanto
a suavidade de f permitir. Ao mostrarmos esse resultado manteremos a
notacao f = qm + r (sendo r o polinomio interpolador denido antes) para
simbolizar que f(A) foi denido como r(A). Suponhamos que s seja outro
polinomio que anula a matriz A e r
1
o polinomio interpolador gerado por s.
Entao teramos f = q
1
s +r
1
(isto e, f(A) seria denido como r
1
(A)). Como
s e m ultiplo de m, a prova da proposicao 2.2 garante que
r
1
(z) = q
2
(z)m(z) + r(z). (3.3)
De fato, se e uma raiz de multiplicidade d de m(z), notamos que
r
(i)
1
() = f
(i)
() = r
(i)
(), for i = 0, . . . , d 1.
Uma vez que todos os termos da equacao (3.3) sao polinomios, a substi-
tuicao de z por A faz sentido, de acordo com a secao 1.4. Assim,
r
1
(A) = r(A),
o que autoriza a utilizac ao de qualquer m ultiplo s(z) do polinomio mnimo
m(z) da matriz A ao inves de m(z) na denicao 3.2.
3.3 Justicando a denicao
Precisamos mostrar que a denicao 3.2 coincide com a denicao usual em
casos conhecidos. Para isso, comecamos por mostrar o seguinte resultado
auxiliar:
Lema 3.4 Seja f uma funcao euclidiana com relacao `a matriz n n em
blocos
A =
_
_
_
_
_
A
1
0 0
0 A
2
0
.
.
.
.
.
.
0 0 A
_
_
_
_
_
.
Entao
f(A) =
_
_
_
_
_
f(A
1
) 0 0
0 f(A
2
) 0
.
.
.
.
.
.
0 0 f(A
)
_
_
_
_
_
.
3.3. JUSTIFICANDO A DEFINIC
AO 17
Demonstracao: Seja r = a
0
+ a
1
z + a
2
z
2
+ . . . + a
m
z
m
o polinomio inter-
polador da denicao 3.2. De acordo com o exerccio 8 do Captulo 1 temos:
f(A) = a
0
I + a
1
_
_
_
_
_
A
1
0 0
0 A
2
0
.
.
.
.
.
.
0 0 A
_
_
_
_
_
+a
2
_
_
_
_
_
A
2
1
0 0
0 A
2
2
0
.
.
.
.
.
.
0 0 A
2
_
_
_
_
_
+ . . . + a
m
_
_
_
_
_
A
m
1
0 0
0 A
m
2
0
.
.
.
.
.
.
0 0 A
m
_
_
_
_
_
=
_
_
_
_
_
r(A
1
) 0 0
0 r(A
2
) 0
.
.
.
.
.
.
0 0 r(A
)
_
_
_
_
_
Assim, o resultado estara provado se tivermos
f(A
j
) = r(A
j
).
Para j = 1, . . . , , sejam m e m
j
os polinomios mnimos de A e A
j
,
respectivamente. Como m(A) = 0, necessariamente cada bloco A
j
e anulado
por m. Pelo lema 1.4, temos que m e um m ultiplo de m
j
. Como vimos no
nal da secao 3.2, isso implica que f(A
j
) = r(A
j
). (Veja, a esse respeito, o
exerccio 1.) 2
Consideraremos aqui apenas o caso de matrizes diagonalizaveis. O caso
geral, de matrizes na forma canonica de Jordan, sera considerado no apendice
a esse captulo. Notamos, entretanto, que se f for uma funcao analtica, o
argumento apresentado na secao 3.1 implica a coincidencia da denicao 3.2
com a dada por meio de serie de potencias, uma vez mostrado que vale
(qm + r)(A) = q(A)m(A) + r(A) (o que faremos na secao 3.4).
Seja, portanto, f uma funcao denida nos autovalores da matriz diago-
nalizavel A = P
1
DP (sendo D matriz diagonal). A denicao usual de f(A)
e P
1
f(D)P.
Consideremos a matriz diagonal D. De acordo com o lema 3.4, para
calcularmos f(D) segundo a denicao 3.2, basta calcularmos f em cada um
dos n blocos diagonais D
1
=
1
, . . . , D
n
=
n
da matriz D. Como o polinomio
18 CAP
ITULO 3. O C
AO FINITA
mnimo do bloco D
j
e m
j
= z
j
, temos que f(D
j
) = r(D
j
) = f(
j
). Logo
f(D) = r(D) =
_
_
_
_
_
f(
1
) 0 0
0 f(
2
) 0
.
.
.
.
.
.
0 0 f(
n
)
_
_
_
_
_
.
Mas entao
r(A) = r(P
1
DP) = P
1
r(D)P = P
1
f(D)P,
mostrando que as duas denicoes coincidem.
3.4 Estendendo o homomorsmo de algebras
Seja A uma matriz n n e m o seu polinomio mnimo. Suponhamos que f
seja euclidiana com relacao a m, isto e, que seja valida a divisao euclidiana
f(z) = q(z)m(z) +r(z). Nosso objetivo nessa secao e mostrar que e valida a
substituicao de z por A: f(A) = q(A)m(A)+r(A), o que produz f(A) = r(A).
Assim, suponhamos que m(z) = (z
1
)
d
1
(z
)
d
. Denimos k =
maxd
1
1, . . . , d
1.
Como vimos na secao 1.4, existe um homomorsmo natural entre T, a
algebra de polinomios com coecientes em K e T(A), a algebra de matrizes
obtida ao se avaliar cada polinomio p T na matriz A.
Vamos agora introduzir uma topologia em T, na qual esse homomorsmo
sera contnuo. Para isso, seja K K um conjunto compacto tal que (A)
K. Denimos a norma
|p|
C
k
(K)
= max
zK
[p(z)[, . . . , [p
(k)
(z)[.
)[, . . . , [p
(d
1)
(
)[.
Se considerarmos T(A) com a topologia de K
n
2
, o homomorsmo e
contnuo. De fato, o polinomio (em A) p(A) q(A) tem coecientes que
dependem apenas dos valores assumidos pelos polinomios p e q (e, conforme
o caso, suas derivadas ate a ordem k) no espectro (A) =
1
, . . . ,
da
matriz A, de acordo com a denicao3.2. Segue imediatamente que p(A)
estara perto de q(A), se p e q estiverem sucientemente proximos na norma
| |
C
k
(K)
.
3.5. AP
T T(A)
T
k
)[, . . . , [p
(d
1)
(
)[.
3.5 Apendice: Matrizes na Forma de Jordan
Como sabemos, a forma canonica de Jordan de uma matriz n n complexa
(ou que tenha n autovalores - nao necessariamente distintos - no corpo K) e
da forma
J =
_
_
_
_
_
J
1
0 0
0 J
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 J
k
_
_
_
_
_
sendo que os blocos J
i
possuem a forma
J
i
=
_
_
_
_
_
_
_
i
1 0 0
0
i
1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0
i
1
0 0 0
i
_
_
_
_
_
_
_
.
20 CAP
ITULO 3. O C
AO FINITA
Estamos denotando por
i
um dos autovalores da matriz A. Ao mesmo
autovalor
i
podem estar associados diferentes blocos J
i
. Sabemos que existe
pelo menos um bloco r
i
r
i
, sendo r
i
a multiplicidade algebrica do autovalor
i
(isto e, a multiplicidade de como fator do polinomio caracterstico de
A).
Consideremos um bloco J
) = f()I + f
()(J
I) + . . . +
f
(k1)
()
(k 1)!
(J
I)
(k1)
=
_
_
_
_
_
_
_
_
f()
f
()
1!
f()
2!
f(k1)()
(k1)!
0 f()
f
()
1!
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 f()
f
()
1!
0 0 0 f()
_
_
_
_
_
_
_
_
. (3.4)
Comparando essa expressao, obtida atraves da denicao 3.2, com a denicao
de funcao de matriz na forma de Jordan
2
vemos que elas coincidem.
No caso de blocos k k, com 1 k < d, basta entao notarmos que o
polinomio procurado sempre devera ter grau k 1, pois o polinomio carac-
terstico do bloco (que coincide com o polinomio mnimo) tem grau k. Assim,
a expressao obtida acima continua valida para qualquer bloco k k.
Para passarmos dos blocos para a matriz na Forma Canonica de Jordan
basta, como antes, notarmos que r(A) = P
1
r(J)P.
3.6 Exerccios
1. Ao mostrarmos o lema 3.4, tivemos que vericar que f(A
j
) = r(A
j
).
Qual a razao de nao termos utilizado a divisao f = qm + r e concluir
da que f(A
j
) = r(A
j
)?
2
Em [19], o uxo e
Jt
de uma matriz J na Forma Canonica de Jordan e explicitamente
calculado. Trocando-se a funcao exp zt por uma funcao f sucientemente suave, obtemos
entao uma expressao identica `a equacao (3.4). Veja, a esse respeito, [17].
3.6. EXERC
ICIOS 21
2. Mostre que |p|
C
k
(K)
e realmente uma norma em T.
3. Uma aplicacao [ [ : T R e uma semi-norma se ela satisfaz
(i) [p[ 0 para todo p T;
(ii) [p[ = [[ [p[ para todo p T e K, sendo [[ o modulo de .
(iii) [p + q[ [p[ +[q[ para todos p, q T.
Mostre que [ [
P
, denida na secao 3.4, e uma semi-norma.
4. Mostre que nao existe inteiro j < k tal que a convergencia na norma
| |
C
j
(K)
implica a convergencia na semi-norma | |
P
.
5. Conra os detalhes na prova de que o homomorsmo de algebras :
T T(A) e contnuo.
6. Verique que T
k
e uma algebra.
Captulo 4
Exemplos
4.1 A exponencial
Comecamos com a denicao usual do uxo e
At
. Para isso, consideramos a
funcao exponencial exp : C C, cuja representacao em serie de potencias
exp(z) = e
z
= 1 +
n=1
z
n
n
n!
,
converge uniformemente em conjuntos compactos. Se |A| denota a norma
usual no espaco L(C
n
, C
n
) das transformacoes lineares A : C
n
C
n
, arma-
mos que
I +
n=1
A
n
n
n!
dene um operador linear. De fato, a norma em L(C
n
, C
n
) tem a propriedade
|AB| |A| |B|,
de onde decorre que |A
i
| |A|
i
. Assim, para k = 1, 2, . . ., segue
_
_
_
_
_
I +
k
n=1
A
n
n
n!
_
_
_
_
_
1 +
k
n=1
|A|
n
[[
n
n!
. (4.1)
Para cada valor de xo, a serie `a direita converge. Como o espaco L(C
n
, C
n
)
e completo, provamos que
exp(A) = e
A
:= I +
n=1
A
n
n
n!
22
4.1. A EXPONENCIAL 23
e um operador linear. Tomando = t R, denimos o uxo e
At
. Tambem
notamos que (4.1) mostra que a convergencia e uniforme se pertence a um
conjunto compacto. Logo, diferenciacao termo a termo produz sua derivada
e
d
dt
e
At
= e
At
A.
Alem disso, quando t = 0, temos
e
At
t=0
= e
0
= I.
Essas sao as propriedades principais do uxo e
At
. Em particular, vemos que
e
At
e uma solucao fundamental do sistema matricial X
= AX, X(0) = I.
Essa denicao do uxo e
At
torna difcil o seu calculo explcito: usualmente
e necessario obter a Forma Canonica de Jordan J = P
1
AP da matriz A,
entao e
Jt
(veja o apendice 3.5) e, nalmente, e
At
= Pe
Jt
P
1
. O calculo
funcional torna possvel obter e
At
facilmente.
Notamos tambem que as propriedades do uxo e
At
sao conseq uencias
imediatas do calculo funcional. Por exemplo, decorre das propriedades mos-
tradas na secao 3.4 que
t
f(zt) = f
(zt)z
d
dt
e
At
= e
At
A.
Observacao 4.1 Embora a funcao f(z) = e
z
satisfaca `a equacao
e
z+w
= e
z
e
w
,
nao podemos deduzir que e
A+B
= e
A
e
B
, uma vez que a substituicao si-
multanea das variaveis z por A e w por B nao e permitida pelo calculo
funcional. Contudo, se A e B comutam, o simples conhecimento de que e
A
e um polinomio em A nos permite concluir que e
A
B = Be
A
. A prova de que
e
A+B
= e
A
e
B
se, e somente se, AB = BA entao continua como usualmente
(veja [1], [19]).
Exemplo 4.2 Seja
A =
_
_
1 0 0
0 2 5
0 1 2
_
_
.
O polinomio caracterstico de A (e tambem o seu polinomio mnimo) e
p(z) = (z 1)(z + i)(z i).
Para obtermos e
At
, denimos a funcao f(zt) = e
zt
. Basta entao obter um
polinomio, de grau no maximo igual a 2, tal que r(1) = f(1t) = e
t
, r(i) =
24 CAP
ITULO 4. EXEMPLOS
f(it) = cos t + i sin t e r(i) = f(it) = cos t i sin t. Substituindo essas
relacoes no polinomio r(z) = az
2
+bz +c, encontramos a = (e
t
/2) (cos t +
sen t)/2, b = sen t e c = (e
t
/2) + (cos t sen t)/2. Assim,
e
At
=
_
e
t
2
cos t + sen t
2
_
A
2
+ (sen t)A +
_
e
t
2
+
cos t sin t
2
_
I,
que e uma matriz real (como se esperava), embora A tenha razes comple-
xas.
Exemplo 4.3 Seja
A =
_
_
3 4 1
3 5 1
21 32 7
_
_
.
O polinomio caracterstico de A e
p(z) = (z 1)z
2
.
Para calcularmos e
At
, obtemos os coecientes de r(z) = az
2
+ bz + c de
modo que sejam satisfeitas as relacoes r(1) = e
1t
= e
t
, r(0) = e
0t
= 1 e
r
(0) = te
0t
= t. Assim, c = 1, b = t e a = e
t
t 1. Conclumos que
e
At
= (e
t
t 1)A
2
+ tA + 1I.
ITULO 4. EXEMPLOS
equacao B
2
= A possui a solucao real
_
0 1
1 0
_
,
que nao vem de da funcao
A.
4.5 A inversa
A maneira classica de se obter a inversa por meio do polinomio caracterstico
p (ou mnimo) da matriz invertvel A e a seguinte: se
p(z) = z
m
+ . . . + a
1
z + a
0
temos
0 = A
m
+ a
m1
A
m1
+ . . . + a
1
A + a
0
I.
Multiplicando essa relacao por A
1
, obtemos
a
0
A
1
= [a
1
A + . . . + a
m
A
m
].
Como A possui inversa, a
0
,= 0. Obtemos A
1
dividindo o lado direito da
igualdade acima por a
0
.
Para uma matriz invertvel arbitraria, esse procedimento nao e vantajoso
com relacao ao calculo da inversa por meio de eliminacao gaussiana. Em
geral, tambem o calculo funcional nao e vantajoso.
Mas, por exemplo, se a matriz invertvel A e simetrica e possui poucos
autovalores, o calculo funcional e util: veja [18] (ou [5]).
4.6 Exerccios
1. Seja A uma matriz real com todos os autovalores positivos. Mostre que
B = ln A e a unica solucao real da equacao e
B
= A.
2. Seja A uma matriz real simetrica, com todos os autovalores nao-negati-
vos. Mostre que B =
k
+ . . . + a
1
+ a
0
)v = r()v = f()v.
Suponhamos que seja um autovalor de f(A) = r(A). Consideremos o
polinomio q(z) , que pode ser fatorado em C como
q(z) = a
k
k
i=1
(z
i
).
Conseq uentemente,
q(A) I = a
k
k
i=1
(A
i
I).
27
28 CAP
)
s
,
em que os autovalores
i
, i = 1, . . . , sao distintos.
Entao existem subespacos W
1
, . . . , W
tais que
V = W
1
W
e T(W
i
) W
i
. Entao dimW
i
= s
i
, o operador T[
W
i
tem polinomio mnimo
m
i
= (z
i
)
d
i
e m(z) = m
1
(z) m
(z) = (z
1
)
d
1
(z
)
d
, sendo
1 d
i
s
i
.
Alem disso, o operador T se escreve como D +N, com D diagonalizavel
e N nilpotente, sendo que DN = ND.
Demonstracao: Para cada
i
consideramos um aberto U
i
i
, de modo
que U
i
U
k
= , se i ,= k. Denimos f
i
(z) = 1, se z U
i
, e f
i
(z) = 0, se
z U
j
, j ,= i. As funcoes f
1
, . . . , f
i=1
f
i
= 1
5.2. O TEOREMA ESPECTRAL 29
sao validas em
_
i=1
U
i
(T). Assim, denotando f
i
(T) por
i
, as relacoes
2
i
=
i
,
i
j
= 0, if i ,= j e
i=1
i
= I, (5.1)
continuam validas (de acordo com a secao 3.4), mostrando assim que cada
i
e uma projecao.
Se W
i
denota a imagem
i
(V ), obtemos
V = W
1
W
.
Como
i
comuta com T, claramente vale T(W
i
) W
i
(veja a proposicao
1.13).
Independente das bases B
1
, . . . , B
,
respectivamente, T pode ser representado por uma matriz diagonal em blocos
A com relacao `a base B = B
1
, . . . , B
de V = W
1
W
:
A = [T]
B
=
_
_
_
_
_
A
1
0 0
0 A
2
0
.
.
.
.
.
.
.
.
.
0 0 A
_
_
_
_
_
.
Armamos que, para i = 1, . . . , , o polinomio caracterstico de A
i
e
det(zI A
i
) = (z
i
)
s
i
,
o que implica que dimW
i
= s
i
e que o polinomio mnimo de A
i
e (z
i
)
d
i
,
para 1 d
i
s
i
(de acordo com o lema 1.4). Da decorre imediatamente
que o polinomio m tem a forma dada pelo teorema.
Para provarmos nossa armacao e suciente mostrar que o unico autovalor
de A
i
e
i
pois, por um lado, temos a fatoracao
p(z) = (z
1
)
s
1
(z
)
s
e, por outro,
p(z) = det(zI A) = det(zI A
1
) det(zI A
).
Vamos considerar apenas i = 1, os casos restantes sendo analogos. Seja
,=
1
arbitrario. Denimos as funcoes
g(z) =
_
q
1
(z) = z se z U
1
q
j
(z) = 1 se z U
j
,
e h(z) =
_
1/(z ) se z U
1
1 se z U
j
,
30 CAP
, as vizinhancas dis-
juntas U
1
, . . . , U
(z)f
(z).
Como q
i
(T) e um polinomio, vemos que
g(T) = (T I)
1
+ . . . + I
.
Representando o operador T na base B obtemos a expressao de g(A):
g(A) =
_
_
_
_
_
A
1
I 0 0
0 I 0
.
.
.
.
.
.
.
.
.
0 0 I
_
_
_
_
_
.
Como g(A) tem inversa, A
1
I tambem possui inversa. Como ,=
1
foi
tomado arbitrariamente, esta provado que o unico autovalor de A
1
e
1
.
Consideramos agora o operador diagonalizavel D =
i=1
i
. (Em cada
W
i
temos D
i
:=
i
i
=
i
I, em que I e o operador identidade em W
i
, de
acordo com a denicao de f
i
. Isso implica que D e diagonalizavel. Veja o
exemplo 5.5.)
Denimos N = T D. Claramente, para i = 1, . . . , , vale N = h(T), em
que
h(z) = z
i
, z U
i
.
De acordo com o teorema de Cayley-Hamilton 1.7, (A
i
i
I)
s
i
= 0, o que
prova que N
k
= 0, em que k = maxs
1
, . . . , s
. Assim, T = D + N,
sendo D diagonalizavel e N nilpotente. (Na verdade, (T
i
i
I)
d
i
= 0 para
d
i
1, . . . , s
i
. O inteiro d
i
e o ndice do autovalor
i
).
Como D =
i=1
i
e uma soma de polinomios em T, D comuta com
T. Assim, ND = (T D)D = D(T D) = DN. 2
Observacao 5.4 1. A demonstracao do Teorema Espectral 5.3 nos mostra
como obter o espaco W
i
(veja o exemplo 5.5). Contudo, o proprio teorema
5.2. O TEOREMA ESPECTRAL 31
nos fornece uma outra caracterizacao desse espaco: uma vez que o polinomio
caracterstico de T[
W
i
e (z
i
)
r
i
(justique!), todo elemento w
i
W
i
satisfaz
(T
i
I)
r
i
w
i
= 0 e, se w
j
, W
i
, (T
i
I)
r
i
w
j
,= 0 (justique). Assim,
W
i
= ker(T
i
I)
r
i
. Entretanto, o polinomio mnimo de T[
W
i
e (z
i
)
d
i
. Do
mesmo modo, W
i
= ker(T
i
I)
d
i
. O ndice d
i
e encontrado por inspecao:
obtemos ker(T
i
) ker(T
i
I)
2
. . . ker(T
i
I)
d
i
= ker(T
i
I)
d
i
+1
= = ker(T
i
I)
r
i
. Quer dizer, d
i
e encontrado quando os
subespacos ker(T
i
I)
k
passam a ser todos iguais.
2. Se V e um espaco vetorial de dimensao n sobre R, o Teorema Espectral
continua valido sempre que o operador T : V V possui todos os seus n
autovalores (contada a multiplicidade) no corpo R.
Por outro lado, dado um operador linear T : V V sobre um espaco
vetorial real V , e possvel denir a complexicacao V
C
, espaco vetorial
sobre C que contem V como subespaco, e uma extensao T
C
: V
C
V
C
de
T - chamado complexicacao de T. Os polinomios caracterstico p(z) e
mnimo m(z) de T e T
C
coincidem, de modo que podemos concluir que os
todos os fatores irredutveis presentes na fatoracao de p(z) tambem estao
presentes na fatoracao de m(z). Mostraremos essas armacoes no Captulo
6.
Exemplo 5.5 Seja T : C
4
C
4
denida por
T(x
1
, x
2
, x
3
, x
4
) = (2x
1
x
2
+ x
4
, 3x
2
x
3
, x
2
+ x
3
, x
2
+ 3x
4
).
O polinomio caracterstico de T e p(z) = (z 3)(z 2)
3
e se verica
facilmente que m(z) = (z 3)(z 2)
2
e o polinomio mnimo de T.
Inicialmente exemplicaremos o teorema 5.3 com respeito `a base canonica
do C
4
. Denotaremos por A a matriz que representa T nessa base.
A projecao
1
(associada ao autovalor 3) e obtida ao se resolver o sistema
1
r(z) = az
2
+ bz + c, r(3) = 1, r(2) = 0, r
(2) = 0.
Assim, a = 1, b = 4, c = 4 e
1
= A
2
4A + 4I =
_
_
_
_
0 2 1 1
0 0 0 0
0 0 0 0
0 2 1 1
_
_
_
_
.
1
Para simplicar os calculos, usamos o polinomio mnimo de T ao inves do polinomio
caracterstico.
32 CAP
2
=
_
_
_
_
1 2 1 1
0 1 0 0
0 0 1 0
0 2 1 0
_
_
_
_
.
As relacoes (5.1) seguem imediatamente. Logo,
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_
_
_
= R
4
=
_
_
_
_
_
_
2x
2
+ x
3
+ x
4
0
0
2x
2
+ x
3
+ x
4
_
_
_
_
_
_
+
_
_
_
_
_
_
x
1
+ 2x
2
x
3
x
4
x
2
x
3
2x
2
x
3
_
_
_
_
_
_
= W
1
W
2
.
A matriz D e denida por
D = 3
1
+ 2
2
=
_
_
_
_
2 2 1 1
0 2 0 0
0 0 2 0
0 2 1 3
_
_
_
_
e a matriz nilpotente N por
N = A D =
_
_
_
_
0 1 1 0
0 1 1 0
0 1 1 0
0 1 1 0
_
_
_
_
.
ICIOS 33
na base B
1
, B
2
= w
1
, w
2
, w
3
, w
4
. Agora D e uma autentica matriz dia-
gonal
_
_
_
_
3 0 0 0
0 2 0 0
0 0 2 0
0 0 0 2
_
_
_
_
e
N = B D =
_
_
_
_
0 0 0 0
0 0 1 1
0 0 1 1
0 0 1 1
_
_
_
_
tambem satisfaz N
2
= 0.
Corolario 5.6 Um operador linear T : V V e diagonalizavel se, e so-
mente se, o seu polinomio mnimo e produto de fatores lineares distintos.
Demonstracao: Suponhamos que T seja diagonalizavel. Sejam
1
, . . . ,
os
autovalores distintos de T. Entao V possui uma base formada por autovetores
de T, de acordo com o exerccio 10 do Captulo 1. Considere o polinomio
h(z) = (z
1
) . . . (z
k
).
Se v e um autovetor de T associado ao autovalor
i
, entao (T
i
I)v = 0.
Isso implica que h(T)v = 0 para qualquer autovetor de T. Como o Teorema
Espectral 5.3 implica que o polinomio mnimo e caracterstico possuem os
mesmos fatores irredutveis, mostramos que h e o polinomio mnimo de T.
Reciprocamente, se p(z) = (z
1
) . . . (z
) e o polinomio mnimo de T,
entao W
i
= ker(T
i
I). Claramente todo elemento de W
i
e um autovetor
de T. Tomando bases B
i
de cada espaco W
i
, temos que B = B
1
, . . . , B
k
e
uma base de V formada por autovetores de T. 2
5.3 Exerccios
1. Na demonstracao do Teorema Espectral 5.3, reduzimos as vizinhancas
U
i
i
para mostrar que o unico autovalor da aplicacao T restrita a
W
i
e
i
. Essa reducao nao e necessaria. Justique.
2. Mostre que, na decomposicao T = D + N, com DN = ND, sendo D
diagonalizavel e N nilpotente, entao as aplicacoes lineares D e N sao
unicas.
Captulo 6
O teorema da decomposicao
primaria
Seja T : V V um operador linear sobre o espaco real V de dimensao n. O
teorema espectral 5.3 pode ser aplicado, desde que o polinomio caracterstico
p de T tenha suas n razes em R. Se esse nao e o caso, aquele resultado nao
e imediatamente aplicavel.
Notamos que, se todas as razes de p estao em K, entao
p(z) = (z
1
)
s
1
(z
)
s
W. Entao
W possui uma base formada por vetores reais.
Demonstracao: (i) Basta notar que as partes real u e imaginaria v de qual-
quer vetor u + iv podem ser escritas como combinacao linear dos elementos
da base de V .
(ii) Decorre imediatamente de (i) com a identicacao V v = v+i0 V
C
,
pois entao as representacoes de T e T
C
numa base de V sao iguais.
(iii) Sejam um autovalor de T
C
e p(z) o polinomio caracterstico de T
C
.
Como p(z) tambem e o polinomio caracterstico de T, os coecientes de p(z)
sao reais. Tomando o conjugado na equacao p() = 0, obtemos p(
) = 0, o
que mostra que
tambem e uma raiz do polinomio caracterstico de T
C
. Se
p
() = . . . = p
(d1)
() = 0 e p
(d)
() ,= 0 (isto e, se e raiz de multiplicidade
d do polinomio caracterstico
1
), tomando o conjugado em cada uma dessas
equacoes obtemos p
) = . . . = p
(d1)
(
) = 0 e p
(d)
(
) ,= 0, mostrando que
ARIA
Lema 6.4 Sejam T : V V um operador linear e T
C
sua complexicacao.
Se o subespaco
W V
C
possui uma base formada por vetores reais, entao ele
e a complexicacao de um subespaco W V . Se W
C
e invariante por T
C
,
entao os polinomios mnimos de T
C
[
W
e de T[
W
sao iguais.
Demonstracao: Todo vetor de
W e da forma w = u + iv, sendo u e v
vetores reais. Escrevendo u e v em termos dos vetores da base real, segue
imediatamente que
W e a complexicacao do espaco real W gerado pelos
vetores dessa base. Como a representacao matricial de T
C
[
W
e de T[
W
em
termos da base real e a mesma, seus polinomios mnimos coincidem. 2
6.2 O teorema da decomposicao primaria
Denicao 6.5 Uma aplicacao linear T : V V denida no espaco real V
e semi-simples se sua complexicacao T
C
: V
C
V
C
for diagonalizavel.
Teorema 6.6 (Decomposicao Primaria)
Sejam V um espaco vetorial real de dimensao nita V e T : V V uma
aplicacao linear. Seja p R[z] o polinomio caracterstico de T. Se
p(z) = [p
1
(z)]
s
1
[p
(z)]
s
(z)]
d
,
em que 0 < d
i
s
i
para i = 1, . . . , . O espaco V se decompoe como soma
direta de subespacos
V = W
1
W
,
sendo W
i
= ker[p
i
(T)]
d
i
= ker[p
i
(T)]
s
i
invariante por T.
Demonstracao: Suponhamos que
V
C
=
W
1
W
(6.1)
seja a decomposicao espectral de T
C
, de acordo com o Teorema Espectral 5.3
(ao espaco invariante
W
i
esta associado apenas o autovalor
i
de T
C
).
De acordo com o lema 6.3 (i), escolhendo uma base B para V , obtemos
uma matriz real A que representa tanto T quanto T
C
nessa base.
6.2. O TEOREMA DA DECOMPOSIC
AO PRIM
ARIA 37
Seja um autovalor real de T
C
e
W
= ker(T
C
I)
d
um dos subespacos
da decomposicao espectral (6.1) de T
C
. Sejam w
W
= ker(T
C
I)
d
e x a
representacao de w na base B. Entao (AI)
d
x = 0. Tomando o conjugado
nessa equacao, obtemos (A I)
d
x = 0. Assim, w
W
. De acordo com o
lema 6.3 (iii),
W
possui uma base formada por vetores reais. Mas uma base
formada por vetores reais para ker(T
C
I)
d
e uma base para ker(T I)
d
.
Seja agora CR um autovalor de T
C
. Entao
tambem e um autovalor
de T
C
, de acordo com o item (iii) do lema 6.3. Assim, aos autovalores
distintos e
, estao associados os subespacos
W
e
W
da decomposicao
(6.1).
Suponhamos que
W
= ker(T
C
I)
d
(ou seja, (z )
d
e o polinomio
mnimo de T
C
restrito a
W
). Temos que
W
= ker(T
C
I)
d
, pois os
elementos de
W
, com w
j
= u
j
+ iv
j
, entao
w
1
, . . . , w
k
e uma base de
W
.
Uma vez que o conjunto de vetores reais
S = u
1
, v
1
, . . . , u
k
, v
k
, pois
esse subespaco de V
C
tem dimensao 2k. Seja W
quanto
para
W
. Claramente W
e invariante por T.
Procedendo dessa maneira, vemos que
V = W
1
W
s
W
1
W
t
e a decomposicao de T em subespacos invariantes, associada `a decomposicao
espectral (6.1) de T
C
.
Como vimos, os polinomios mnimos de T
C
restrito a
W
e
W
, sao,
respectivamente, (z )
d
e (z
)
d
. De acordo com o exerccio 9 do Captulo
1, o polinomio mnimo de T restrito a
W
e o polinomio real
[(z )(z
)]
d
.
De acordo com o lema 6.4, o espaco
W
e a complexicacao do espaco
real W
1
, . . . , W
t
nao estao as-
sociados a autovalores reais, mas sim `a fatores irredutveis de grau 2 do
polinomio caracterstico de T.
38 CAP
ARIA
6.3 Exerccios
O objetivo dos proximos exerccios e mostrar que o operador T se escreve
como D + N, com D semi-simples e N nilpotente, sendo que DN = ND.
1. Seja V
C
a complexicacao do espaco real V . Dena a conjugacao
: V
C
V
C
por (u +iv) = u iv. Entao o conjunto dos pontos xos
por e justamente V .
2. Seja V um espaco real e S : V
C
V
C
uma aplicacao linear e a
conjugacao. Entao S e a complexicacao da aplicacao linear T : V V
se, e somente se, S = S.
3. Seja T
C
= D
0
+ N
0
, com D
0
N
0
= N
0
D
0
, sendo D
0
diagonalizavel e
N
0
nilpotente. Dena D
1
= D
0
1
e N
1
= N
0
1
. Mostre que
T
C
= D
1
+ N
1
, com D
1
N
1
= N
1
D
1
, sendo D
1
diagonalizavel e N
1
nilpotente. Aplique o exerccio 2 do Captulo 5 e conclua que D
0
e N
0
sao complexicacoes de aplicacoes lineares D : V V e N : V V .
Mostre entao que DN = ND.
Os proximos exerccios mostram como obter uma representacao para as
aplicacoes lineares semi-simples.
4. Sejam u + iv um autovetor de T
C
associado ao autovalor = + i e
S = u, v. Entao W =< S > (o espaco gerado pelo conjunto S) e um
subespaco invariante por T. A representacao de T[
W
na base u, v e
[T
W
]
B
=
_
_
.
5. Conclua que todo operador semi-simples D pode ser representado na
forma
_
_
_
_
_
_
_
_
_
_
_
_
_
1
.
.
.
r
a
1
b
1
b
1
a
1
.
.
.
a
s
b
s
b
s
a
s
_
_
_
_
_
_
_
_
_
_
_
_
_
,
sendo
1
, ,
r
os autovalores reais de D (podendo haver repeticao)
e
1
= a
1
+ ib
1
, , a
s
+ ib
s
os autovalores complexos com parte ima-
ginaria positiva (podendo haver repeticao).
Referencias Bibliogracas
[1] H. Amann: Ordinary Dierential Equations - an Introduction to Nonli-
near Analysis, Walter de Gruyter, Berlin, 1990.
[2] H. Anton and C. Rorres: Elementary Linear Algebra: Applications ver-
sion, 6th. edition, Wiley, New York, 1991.
[3] R. Bellman: Introduction to Matrix Analysis, McGraw-Hill Book Com-
pany, New York, 1960. (Republished in the series Classics in Applied
Mathematics, vol. 12, SIAM, 1995).
[4] H. Bueno: Equacoes Diferenciais Ordinarias - 1a. parte. Lecture notes.
Departamento de Matematica da UFMG, 2001.
[5] H. Bueno: Functions of Matrices, aceito para publicacao na revista
Cubo.
[6] B. Chisala: A quick Cayley-Hamilton, Amer. Math. Monthly 105 (1998),
no. 9, 842-844.
[7] E. A. Coddington and N. Levinson: Theory of Ordinary Dierential
Equations, McGraw-Hill, New York, 1955.
[8] H. S. M. Coxeter: Regular Polytopes, 3rd. Edition, Dover, New York,
1973.
[9] N. Dunford and J. T. Schwarz: Linear operators I, Interscience, New
York, 1968.
[10] Gantmacher, F. R.: The Theory of Matrices, vol. 1 and 2, Chelsea
Publishing Co., New York, 1959.
[11] M. Hirsch and S. Smale: Dierential Equations, Dynamical Systems and
Linear Algebra, Academic Press, New York, 1974.
39
40 REFER
ENCIAS BIBLIOGR
AFICAS
[12] K. Homan and R. Kunze: Linear Algebra, 2nd. edition, Prentice Hall,
Englewoods Clis, 1971.
[13] S. Lang: Linear Algebra, 3rd. Edition, Springer-Verlag, New York, 1989.
[14] P. D. Lax: Linear Algebra, Wiley-Interscience Publication, New York,
1997.
[15] M. Reed and B. Simon: Methods of Modern Mathematical Physics, vol.
I, Academic Press, New York, 1972.
[16] W. Rudin: Real and Complex Analysis, 3rd. Edition, McGraw-Hill, New
York, 1987.
[17] R. J. Santos: Geometria Analtica e
Algebra Linear, Parte II, UFMG,
2000.
[18] N. C. Saldanha and C. Tomei: Spectra of Regular Polytopes, Discrete &
Computational Geometry 7 (1992), 403-414.
[19] J. Sotomayor: Licoes de Equacoes Diferenciais Ordinarias, IMPA, Rio
de Janeiro, 1979.
[20] G. Strang: Linear Algebra and its Applications, 3rd. edition, Harcourt,
Fort Worth, 1988.
[21] C. Tomei: Novos Cursos de
Algebra Linear para Alunos de Engenharia
e Ciencias Basicas, XXII CNMAC, 1999.
Indice Remissivo
algebra, 6
com unidade, 7
comutativa, 7
aplicacao linear
autovalor, 4
autovetor, 4
bloco de uma, 6
complexicacao de uma, 31, 35
diagonalizavel, 9
espaco invariante por uma, 6
nilpotente, 28
projecao, 5
autovalor, 4
autovetor, 4
conjugacao, 38
espaco vetorial
complexicacao de um, 31, 34
espectro, 4
fun cao
analtica, 13
euclidiana
com relacao a um polinomio,
10
com relacao a uma matriz, 15
holomorfa, 13
homomorsmo de algebras, 7
matriz
diagonal, 9
diagonal em blocos, 8
operador linear
autovalor, 4
autovetor, 4
bloco de um, 6
complexicacao de um, 31, 35
diagonalizavel, 9
espaco invariante por um, 6
espectro, 4
nilpotente, 28
projecao, 5
polinomio
caracterstico, 2
interpolador, 12
monico, 2
mnimo, 2
projecao, 5
raiz
multiplicidade algebrica, 8
semi-norma, 21
teorema
da decomposicao primaria, 28,
36
da imagem do espectro, 27
de Cayley-Hamilton, 3
espectral, 28
41