Funcoes de Matrizes

(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

= Ax. O fato que e

At
e um
polinomio (com coecientes dependendo de t) na matriz A nao e enfatizado.
Nossa exposicao de funcoes de matrizes pode ser sintetizada como uma
generalizacao da versao em dimensao nita do calculo funcional de Dunford-
Schwarz [9] e ja era conhecida por Gantmacher [10]. Ela e simples e tem
conseq uencias notaveis: f(A) e sempre um polinomio na matriz A (com
coecientes dependendo da funcao f), que pode ser facilmente obtido se
sao conhecidos os autovalores com multiplicidade de A. Essa abordagem,
uma tecnica corriqueira na

Algebra Linear Numerica, tem sido esquecida
nos textos de

Algebra Linear. Livros bem reputados (veja [11], [12], [13],
[20]) ou mesmo tratados mais avancados (veja [3] ou [14]) nem mesmo a
mencionam. Com esse texto queremos contribuir para uma reavaliacao do
calculo funcional na

Algebra Linear basica.
Descreveremos sucintamente o seu conte udo. O primeiro captulo apre-
senta resultados basicos sobre os polinomios caracterstico e mnimo de um
operador linear num espaco de dimensao nita. O captulo 2 nao passa de
uma observacao sobre a divisao de uma funcao por um polinomio. Mos-
iii
iv
traremos que, sob hipoteses naturais, tal divisao e euclidiana. (Esse enfoque,
em ultima instancia, conduz aos Teoremas de Preparacao de Weierstrass e
Malgrange, que estao muito alem do proposito desse texto). O calculo fun-
cional, que e uma conseq uencia desse fato, e estudado no terceiro captulo.
La e mostrado que toda funcao de uma matriz e um polinomio na matriz.
O captulo 4 apresenta varios exemplos de utilizacao do calculo funcional,
enquanto o captulo 5 e dedicado `as demonstracoes (elementares) do Teo-
remas da Imagem do Espectro e Espectral por meio do calculo funcional.
(O Teorema Espectral e a versao no corpo C do Teorema da Decomposicao
Primaria). O captulo 6 mostra como se complexica um espaco vetorial real
e, com isso, apresenta o Teorema da Decomposicao Primaria.
A leitura desse texto pressupoe alguns conhecimentos simples de proprie-
dades dos n umeros complexos (manipulacao de n umeros complexos, formula
de Euler e o teorema fundamental da

Algebra - alguns topicos um pouco
mais avancados sao abordados em um exerccio) e um curso introdutorio
de

Algebra Linear, no qual sejam abordadas as nocoes de espaco vetorial,
aplicacao linear e suas representacoes matriciais e somas diretas. Ate mesmo
a demonstracao do Teorema de Cayley-Hamilton consta do texto. Esses
topicos basicos de

Algebra Linear tem uma excelente apresentacao no livro
Geometria Analtica e

Algebra Linear, Partes I e II, de Reginaldo dos San-
tos, cuja leitura nao podemos deixar de recomendar. Fazemos tambem uso
de algumas nocoes basicas da Analise Matematica: norma, convergencia uni-
forme (apenas na apresentacao da denicao tradicional do uxo e
At
) e, em
uma secao, da denicao da topologia C
k
num compacto.
Agradecimentos. Esse texto e uma variacao sobre um artigo aceito para
publicacao na revista Cubo. Ele difere daquele pela inclusao de pre-requisitos
e por um maior detalhamento, alem da eliminacao de uma de suas secoes.
Esse texto, como aquele, contou com a participacao de varios amigos: H.
Rodrigues, M. Spira, E. Bueno, G. Svetlichny e C. Tomei. Nao ha como
agradecer a contribuicao dada.
Belo Horizonte, 20 de setembro de 2002.
Hamilton Prado Bueno
Sumario
1 Polinomios de matrizes 1
1.1 O polinomio mnimo . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 O teorema de Cayley-Hamilton . . . . . . . . . . . . . . . . . 2
1.3 Decomposicao de operadores . . . . . . . . . . . . . . . . . . . 5
1.4 Um homomorsmo de algebras . . . . . . . . . . . . . . . . . . 6
1.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Divisao euclidiana 10
2.1 Funcoes euclidianas . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 O polinomio interpolador . . . . . . . . . . . . . . . . . . . . . 11
2.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3 O calculo funcional em dimensao nita 14
3.1 Motivacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2 Denindo funcoes de matrizes . . . . . . . . . . . . . . . . . . 15
3.3 Justicando a denicao . . . . . . . . . . . . . . . . . . . . . . 16
3.4 Estendendo o homomorsmo de algebras . . . . . . . . . . . . 18
3.5 Apendice: Matrizes na Forma de Jordan . . . . . . . . . . . . 19
3.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4 Exemplos 22
4.1 A exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.2 Funcoes trigonometricas . . . . . . . . . . . . . . . . . . . . . 24
4.3 Logaritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.4 Raiz quadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.5 A inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5 O teorema espectral 27
5.1 Imagem do espectro . . . . . . . . . . . . . . . . . . . . . . . . 27
5.2 O teorema espectral . . . . . . . . . . . . . . . . . . . . . . . . 28
v
vi SUM

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

E facil vericar que p(z) e um polinomio monico de grau n. Se ( e uma

outra base de V e a matriz B = T
C
e a representacao de T na base (, entao
A = P
1
BP, sendo P = P
C
B
a matriz de mudanca da base B para a base (.
Temos que
det(zI A) = det(P
1
(zI B)P)
= det P
1
det(zI B) det P = det(zI B) det(P
1
P)
= det(zI B),
mostrando que qualquer representacao de T numa base de V possui o mesmo
polinomio caracterstico. Em conseq uencia, podemos denir:
Denicao 1.6 O polinomio caracterstico da aplicacao linear T : V V e o
polinomio caracterstico de qualquer uma de suas representacoes matriciais.
Teorema 1.7 (Cayley-Hamilton)
Se p e o polinomio caracterstico de T : V V , entao p(T) = 0.
Demonstracao: Seja 0 ,= v V arbitrario. Queremos mostrar que p(T)v =
0. Seja m o maior natural tal que o conjunto
S = v, Tv, . . . , T
m1
v
e linearmente independente. Entao
T
m
v =
0
v + . . . +
m1
T
m1
v. (1.1)
Seja W =< S > o subespaco gerado por S. Entao os elementos de S formam
uma base de W. Armamos que T(W) W. De fato, se w W, entao
w =
0
v +
1
Tv + . . . +
m1
T
m1
v, para escalares
0
, . . . ,
m
K. Assim,
Tw =
0
Tv +
1
T
2
v + . . . +
m1
T
m
v.
A igualdade (1.1) garante o armado.
Seja T
i
a restricao de T ao subespaco W. A representacao de T
i
na base
S e
A =
_
_
_
_
_
_
_
0 0 0
0
1 0 0
1
0 1 0
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
m1
_
_
_
_
_
_
_
.
4 CAP

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
, . . . ,

satisfazem (1.3) e (1.4),

denindo W
j
=
j
(V ), temos que (1.2) se verica e que
j
sao as projecoes
can onicas dessa decomposicao.
Denicao 1.12 Suponhamos que
V = W
1
W

e que T : V V satisfaca T(W

j
) W
j
para j = 1, . . . , . Dizemos entao
que os subespacos W
j
sao invariantes pelo operador linear T L(V, V ).
Denimos entao os blocos T
j
de T por T
j
= T[
W
j
: W
j
W
j
.
Proposicao 1.13 Suponhamos que T L(V, V ) e V = W
1
W

, 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 ).

E facil vericar que T(T) e uma sub-algebra de L(V, V ).

Consideremos agora as algebras T e T(T), denidas no exemplo anterior.
A aplicacao
: T T(T)
p p(T)
e uma aplicacao linear que satisfaz, adicionalmente,
(pq) = pq(T) = p(T)q(T) = (p)(q).
(A segunda igualdade e de vericacao imediata). A aplicacao e um homo-
morsmo de algebras.
O n ucleo de e o conjunto de m ultiplos do polinomio mnimo m de T.
A divisao euclidiana do polinomio p por m mostra que T(T) e constituda
de polinomios em T com grau menor do que o do polinomio mnimo. (Esta-
mos considerando que o grau do polinomio identicamente nulo e ). Por
denicao, o homomorsmo e sobrejetivo.
1.5 Exerccios
Seja V um espaco vetorial de dimensao n sobre o corpo K.
1. Seja T : V V um operador linear. Mostre que o polinomio carac-
terstico de T e um polinomio monico de grau n com coecientes em
K.
8 CAP

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

sao distintos. Denotemos n := d

1
+ d
2
+ . . . + d

. 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

e polinomios cujas razes estao todas em I: a regra de LHospital implicara

entao que q 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
_

q(z)dz = 0. Conclua da a formula

integral de Cauchy para conjuntos convexos e entao que toda funcao
analtica e holomorfa.
2. Sejam p(z) = (z )
n
e f uma fun cao euclidiana com relacao a p.
Obtenha explicitamente os coecientes do polinomio interpolador r tal
que f = qp + r, gr r < gr p.
Captulo 3
O calculo funcional em
dimensao nita
3.1 Motivacao
Algumas vezes escreveremos f(z) para distinguir a funcao f : U C C
(ou f : I R R) da aplicacao linear f(T).
Seja T : V V um operador linear e A uma representacao matricial de
T. Seja m o polinomio mnimo de A (que e o mesmo de T).
Funcoes de matrizes sao usualmente denidas em duas situacoes: ou a
funcao f e suave nos autovalores da matriz diagonalizavel A = P
1
DP (com
D diagonal) e f(A) e denida por P
1
f(D)P ou a funcao f e analtica e
f(A) e denida por meio de uma expansao em serie de potencias de f (veja
exemplos no captulo 4). Em ambos os casos a funcao f e euclidiana com
relacao a m.
Assim, nos casos acima, se considerarmos a divisao euclidiana
f = qm + r, (3.1)
ou q e contnua em cada autovalor da matriz diagonal D (de acordo com a
proposicao 2.2) e q(A) e denida por P
1
q(D)P, ou q e analtica no espectro
(A) e q(A) pode ser denida (veja denicao 3.2). Resulta entao que
1
f(A) = r(A). (3.2)
Esse e um dos resultados mais profundos da teoria espectral: f(A) e um
polinomio em A, cujos coecientes sao determinados pelos valores que f (e
suas derivadas, conforme o caso) assume no espectro (A) da matriz A.
1
Para sermos precisos, e necessario mostrar que (qm + r)(A) = q(A)m(A) + r(A), o
que e uma generalizacao do homomorsmo mostrado na secao 1.4. Veja a secao 3.4.
14
3.2. DEFININDO FUNC

OES DE MATRIZES 15
Exemplo 3.1 Calculo de potencia de uma matriz (simetrica?)

3.2 Denindo funcoes de matrizes

Consideremos agora o problema inverso. Dada uma matriz A e uma funcao
f(z), quando podemos denir f(A)?
Denicao 3.2 Seja m(z) = (z
1
)
d
1
(z

)
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

ALCULO FUNCIONAL EM DIMENS

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

ALCULO FUNCIONAL EM DIMENS

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)[.

E de vericacao imediata que a convergencia nessa norma implica convergen-

cia na semi-norma
|p|
P
= max[p(
1
)[, . . . , [p
(d
1
1)
(
1
)[, . . . , [p(

)[, . . . , [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

ENDICE: MATRIZES NA FORMA DE JORDAN 19

Denotamos por T
k
a algebra de todas as funcoes f denidas e de classe
C
k
em todos os pontos do compacto K. As funcoes em T
k
sao euclidianas
com respeito a A. Consideramos em T
k
a mesma norma introduzida em T.

E claro que T e uma sub-algebra de T

k
.
Denimos entao : T
k
T(A) por (f) = f(A), sendo f(A) dado
pela denicao 3.2. Claramente e uma aplicacao linear. Vamos vericar
que (fg) = (f)(g). Para isso, escreveremos f = qm + r para denotar o
polinomio r tal que f(A) = r(A). Se f = q
1
m+r e g = q
2
m+s, claramente
(f)(g) = r(A)s(A) = (rs)(A). Suponhamos que fg = q
3
m + t. Como
vimos no nal da secao 3.2, vale a divisao de polinomios rs = q
4
m + t, o
que implica (fg) = t(A) = (rs)(A) = (f)(g). Isso mostra que e um
homomorsmo de algebras, que estende o homomorsmo .

T T(A)

T
k

O mesmo argumento que prova a continuidade de continua valido. Assim,

e contnuo.
O n ucleo de e constitudo pelas funcoes f T
k
que possuem resto nulo
quando divididas por m, isto e, pelas funcoes que se anulam no conjunto
[p(
1
)[, . . . , [p
(d
1
1)
(
1
)[, . . . , [p(

)[, . . . , [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

ALCULO FUNCIONAL EM DIMENS

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

de tamanho k k, com k d. Suponhamos

inicialmente que k = d. Nesse caso, como (z )
k
e o polinomio mnimo de
W

(o autoespaco associado ao autovalor ), a funcao f(J

i
) e dada por um
polinomio de grau no maximo igual a k
1
, de acordo com o lema 3.2:
r(z) = a
0
+ a
1
(z )
1
+ . . . + a
k1
(z )
k1
.
Os coecientes a
i
sao obtidos pela relacoes f
(i)
() = r
(i)
(). Assim,
f(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.

Os exemplos acima mostram as vantagens praticas da obtencao do uxo e

At
atraves do calculo funcional. Como conseq uencia, deduzimos que o papel
predominante dado `a Forma Canonica de Jordan no estudo do sistema linear
x

= Ax nao e intrnseca: toda a analise de sistemas hiperbolicos pode ser

feita sem utiliza-la (veja [4]).
4.2 Funcoes trigonometricas
O estudo da secao anterior permanece valido para o caso da exponencial
e
iAt
(ou seja, o caso = it, t R, na secao anterior), o qual gera as funcoes
trigonometrica sen At e cos At. Essas funcoes sao habitualmente denidas por
meio das expansoes em serie de potencias de the power series expansion of
sen z and cos z, mas tambem sao faceis de obter atraves do calculo funcional.
As mesmas observacoes tambem se aplicam a outras funcoes trigonome-
tricas.
4.3. LOGARITMO 25
4.3 Logaritmo
Um logaritmo da matrix A e usualmente denido atraves da Forma Canonica
de Jordan. (Claro, a hip otese det A ,= 0 e necessaria). Como todos os auto-
valores de A nao sao nulos, habitualmente se toma um logaritmo dos blocos
de Jordan, o que pode ser feito por meio da expansao em series de log(1 +z)
(veja [3]). Contudo, como visto no apendice 3.5, um logaritmo de um bloco
de Jordan pode ser diretamente denido. Como antes, o principal inconveni-
ente desse metodo e que a Forma de Jordan de uma matriz e necessaria para
se obter seu logaritmo.
O calculo funcional permite a obtencao da matriz B = log A, se det A ,= 0.
Apenas temos que escolher um ramo da funcao f(z) = log z que contem o
espectro (A) e entao obter B = log A por meio do polinomio interpolador.
Claro, a matriz B depende do ramo escolhido, mas a relacao e
B
= A segue
sempre de e
log z
= z.
Se todos os autovalores da matriz real A sao positivos, podemos entao
considerar a funcao real f(x) = ln x e aplicar a mesma tecnica. A matriz
B = ln A assim obtida e a unica solucao real da equacao e
B
= A.
4.4 Raiz quadrada
Suponhamos que todos os autovalores da matriz real A sejam reais e nao-
negativos. Adicionalmente, se 0 for um autovalor de A, supomos que ele seja
uma raiz simples do polinomio mnimo m de A. Nesse caso, podemos utilizar
a funcao f : (0, ) R, f(x) =

x para denir

A. Nesse caso, o calculo

funcional e utilizado em uma funcao que e apenas contnua no autovalor
simples = 0 da matriz A.
Contudo, podemos denir

A mesmo que A e seus autovalores sejam

complexos e nao-nulos. Apenas precisamos escolher um ramo da funcao
logaritmo f(z) = log z para o qual a raiz quadrada de todos os autovalores
da matriz A esteja denida. Entao aplicamos o calculo funcional `a funcao
complexa f(z) =

z.
Observacao 4.4 A denicao de

A nao determina todas as solucoes da

equacao B
2
= A. Se A e a matriz identidade 2 2,
_
1 0
0 1
_
,
_
1 1
0 1
_
e
_
1 1
0 1
_
tambem sao solucoes de B
2
= I, alem de B = I, a unica solucao que pode
ser obtida atraves da funcao raiz quadrada real. Alem disso, se A = I, a
26 CAP

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 =

A e a unica solucao real de B

2
= A.
Captulo 5
O teorema espectral
Nesta secao mostraremos a utilidade do calculo funcional na demonstracao
de resultados abstratos.
5.1 Imagem do espectro
Comecamos pelo
Teorema 5.1 (Teorema da Imagem do Espectro)
Seja f uma funcao euclidiana com relacao `a matriz nn complexa A. Se
e um autovalor de A, entao f() e um autovalor de f(A). Todo autovalor
de f(A) e da forma f(), em que e um autovalor de A.
Demonstracao: Como f e euclidiana com relacao `a A, f(A) = r(A) =
a
k
A
k
+ . . . + a
1
A + a
0
I. Se v e um autovetor relacionado ao autovalor ,
f(A)v = r(A)v = (a
k

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

ITULO 5. O TEOREMA ESPECTRAL

Como o lado esquerdo da equacao acima nao possui inversa, ao menos um
dos fatores A
i
I nao possui inversa. Assim,
i
e, ao mesmo tempo, um
autovalor de A e uma raiz de q(z) . Portanto,
f(
i
) = r(
i
) = .
2
5.2 O teorema espectral
Denicao 5.2 Um operador N : V V e nilpotente se existe k N tal
que N
k
= 0.
Provaremos agora um dos resultados mais importantes da

Algebra Linear. Se
V e um espaco vetorial complexo, ele e conhecido como Teorema Espectral.
(No caso de V ser um espaco real, desse resultado pode ser obtido o Teorema
da Decomposicao Primaria).
Teorema 5.3 (Teorema Espectral)
Sejam V um espaco vetorial complexo de dimensao n e T : V V um
operador linear com polinomio caracterstico
p(z) = (z
1
)
s
1
(z

)
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

sao euclidianas com relacao `a p e as

relacoes
f
2
i
= f
i
, f
i
f
j
= 0, if i ,= j and

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

escolhidas para os espacos W

1
, . . . , W

,
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

ITULO 5. O TEOREMA ESPECTRAL

em que j = 2, . . . , .
Notamos que, na construcao das projecoes
1
, . . . ,

, as vizinhancas dis-
juntas U
1
, . . . , U

foram escolhidas arbitrariamente. Reduzindo a vizinhanca

U
1
de
1
, podemos supor que , U
1
. Assim, temos que
g(z)h(z) = 1.
Isso garante que g(A) possui inversa.
Agora calculamos g(A). Para isso, notamos que
g(z) = q
1
(z)f
1
(z) + q
2
(z)f
2
(z) + . . . + q

(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

ITULO 5. O TEOREMA ESPECTRAL

Do mesmo modo,

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
_
_
_
_
.

E facil vericar que N

2
= 0 e ND = DN.
Se escolhermos, por exemplo, bases
B
1
= w
1
= (1, 0, 0, 1)
e
B
2
= w
2
= (1, 0, 0, 0), w
3
= (0, 1, 0, 2), w
4
= (0, 0, 1, 1)
para os espa cos W
1
e W
2
, respectivamente, entao T e representado pela matriz
diagonal em blocos
B =
_
_
_
_
3 0 0 0
0 2 1 1
0 0 3 1
0 0 1 1
_
_
_
_
5.3. EXERC

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

e a decomposicao de p em fatores irredutveis, primos entre si dois a dois. O

teorema da decomposicao primaria e o resultado analogo ao teorema espectral
5.3, no caso em que a decomposicao de p possui fatores irredutveis de grau
2.
6.1 A complexicacao de um espaco vetorial
Denicao 6.1 Sejam A M
nn
(K) e z K
n
um vetor qualquer. Denimos
A M
nn
(K) como a matriz obtida ao se tomar o conjugado em cada uma
das entradas de A e z K
n
como o vetor obtido ao se tomar o conjugado
em cada uma das coordenadas de z.

E de vericacao imediata que A + B = A+

B, AB = AB para quaisquer
matrizes A, B M
nn
(K) e K. Alem disso, tambem vale Az = A z para
qualquer z K
n
.
Denicao 6.2 Seja V um espaco vetorial real. Denimos a complexi-
cacao de V como sendo o conjunto
V
C
= u + iv; u, v V .
34
6.1. A COMPLEXIFICAC

AO DE UM ESPAC O VETORIAL 35
Em V
C
soma-se e multiplica-se por escalar (complexo) de maneira natu-
ral.

E facil vericar que V
C
torna-se, assim, um espaco vetorial sobre os
complexos.
Seja T : V V uma aplicacao linear. Denimos a complexicacao de
T como sendo a aplicacao T
C
: V
C
V
C
denida por T
C
(u+iv) = Tu+iTv.
Se identicarmos o vetor v V com o vetor v + i0 V
C
, V passa a ser um
subespaco de V
C
. Essa identicacao sera usada no proximo resultado:
Lema 6.3 Sejam V um espaco vetorial real de dimensao nita e T : V V
uma aplicacao linear. As seguintes armativas sao validas:
(i) toda base de V e base de V
C
;
(ii) os polinomios caractersticos de T e T
C
sao iguais;
(iii) se e um autovalor de T
C
, entao

e tambem um autovalor de T
C
; as
multiplicidades algebricas dos autovalores e

sao iguais;
(v) seja

W um subespaco tal que w = u+iv

W implica que w = uiv

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

tambem tem multiplicidade d.

(v) Seja w
1
, . . . , w
k
uma base de

W, com w
j
= u
j
+ iv
j
, j = 1, . . . , k.
Somando e subtraindo os vetores w
j
e w
j
, obtemos que u
j
= u
j
+ i0 e v
j
=
v
j
+i0 estao em

W. Assim, o conjunto S = u
1
, v
1
, . . . , u
k
, v
k
e um conjunto
de vetores reais que gera

W. Uma base formada de vetores reais e obtida
ao se tomar um subconjunto de S com k elementos que seja linearmente
independente em V . (Estamos entao aplicando o item (i), acima.) 2
1
Veja exerccio 2 do Captulo 1.
36 CAP

ITULO 6. O TEOREMA DA DECOMPOSIC

AO PRIM

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

e a decomposicao de p(z) em fatores irredutveis, com p

i
,= p
k
para i ,= k.
Entao, o polinomio mnimo de T e
m(z) = [p
1
(z)]
d
1
[p

(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

sao os conjugados dos elementos de

W

, o que pode ser

vericado tomando-se o conjugado na equacao (AI)
d
x = 0. Da tambem
segue que se w
1
, . . . , w
k
e uma base de

W

, com w
j
= u
j
+ iv
j
, entao
w
1
, . . . , w
k
e uma base de

W

. Consideremos entao o subespaco

W

.
Uma vez que o conjunto de vetores reais
S = u
1
, v
1
, . . . , u
k
, v
k

gera esse espaco e possui 2k elementos, ele e uma base de

W

, pois
esse subespaco de V
C
tem dimensao 2k. Seja W

=< S > o subespaco real

gerado por S. Assim, o conjunto S e uma base real tanto para 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

e seus polinomios mnimos coincidem. 2

Observacao 6.7 Os subespacos invariantes 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

ITULO 6. O TEOREMA DA DECOMPOSIC

AO PRIM

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