Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2018
1
waga@ime.uerj.br
Introdução
Este segundo curso de Álgebra Linear e ao final do perı́odo o aluno deverá ser capaz de: identi-
ficar produto interno, manipular matrizes e operadores lineares, operar com as formas bilineares e
quadráticas.
Bibliografia sugerida:
i
Sumário
Introdução i
1 Produto Interno 1
1.1 Primeiros conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Processo de ortogonalização de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Processo para o R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3
1.2.2 Processo para o R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3 Generalização . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Complemento ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2 Diagonalização de Operadores 11
2.1 Autovalores, Autovetores e Autoespaços . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Polinômio Caracterı́stico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3 Critérios de Diagonalização . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.4 Teorema de Cayley-Hamilton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.5 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
ii
4.2 Formas Bilineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.3 Formas Bilineares e Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.4 Formas Bilineares Simétricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.5 Formas Bilineares em Espaços Vetorias munidos de Produto Interno . . . . . . . . . 36
4.6 Formas Quadráticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.7 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
iii
Capı́tulo 1
Produto Interno
h i: V ×V → C
(v, u) 7→ hv, ui
h(u1 , . . . , un ), (v1 , . . . , vn )i = u1 v1 + · · · + un vn
A partir de agora vamos considerar espaços vetoriais reais. Neste caso, o segundo axioma
pode ser revisto como:
1
Exemplos 1.2
Teorema 1.3 Seja V um espaço vetorial munido de um produto interno. Para quais-
quer u, v, w ∈ V e k, ` ∈ R,
Prova:
3. hu, 0V i = hu, 0V i + 0
hu, 0V i = hu, 0V + 0V i = hu, 0V i + hu, 0V i
Assim, hu, 0V i + 0 = hu, 0V i + hu, 0V i ∴ hu, 0V i = 0.
4. (RAA) Considere v 6= 0V e v = u ∴ hu, vi = hv, vi > 0.
Mas,hu, vi = 0. Contradição.
Logo, v = 0V .
6. hu, vi = hu, wi ∴ hu, vi − hu, wi = 0 ∴ hu, v − wi = 0 ∴ v − w = 0V ∴ v = w.
Teorema 1.4 Seja V um espaço vetorial munido de um produto interno. Para quais-
quer u, v, w ∈ V e k ∈ R,
1. Se v 6= 0V então
v
= 1.
kvk
2. kvk ≥ 0 e kvk = 0 se e somente se v = 0V .
2
3. (Desigualdade de Cauchy-Schwarz) |hu, vi| ≤ kuk kvk
Corolário: hu, vi2 ≤ kuk2 kvk2
4. (Desigualdade Triangular) kv + uk ≤ kvk + kuk
5. kkvk = |k| kvk
Prova:
Ou:
hv,ui
Sejam u, v ∈ V , z = proj[u] v = hu,ui u e v = z + w com w⊥z.
kvk2 = kzk2 + kwk2 ∴ kzk ≤ kvk
hv,ui |hv,ui| |hv,ui|
kzk = k hu,ui uk = kuk2
kuk = kuk ≤ kvk
|hv, ui| ≤ kukkvk
Teorema 1.5 Seja V um espaço vetorial munido de um produto interno. Para quais-
quer u, v, w ∈ V e k ∈ R,
1. d(u, v) ≥ 0 e d(u, v) = 0 se e somente se u = v.
2. d(u, v) = d(v, u)
3. d(u, v) ≤ d(u, w) + d(w, v)
hu,vi
O ângulo θ entre dois vetores u, v ∈ V é tal que cos θ = kukkvk com 0 ≤ θ ≤ π.
Dois vetores u, v ∈ V são vetores ortogonais, v⊥u, quando por hu, vi = 0. O conjunto
de vetores A = {v1 , . . . , vr } ⊆ V é dito conjunto ortogonal quando hvi , vj i = 0,
para todo i, j = 1, . . . , r, i 6= j. Se em um conjunto ortogonal todos os vetores são
unitários o conjunto é denomindado conjunto ortonormal. Desta forma, se uma base
do espaço vetorial for um conjunto ortogonal, será denominada base ortogonal. Uma
base ortogonal formada por vetores unitários é chamada base ortonormal.
3
Exemplo 1.6 O conjunto {(1, 2, 0), (2, −1, 3), (−6, 3, 5)} é uma base ortogonal e o con-
junto {( √15 , √25 , 0), ( √214 , − √114 , √314 ), (− 6√
6 3
, √ 5
, √
2 6 2 6 2
)} uma base ortonormal do R3 .
Teorema 1.7 Seja V um espaço vetorial munido de um produto interno. Para quais-
quer u, v, w ∈ V e k ∈ R,
1. 0V ⊥v.
2. Se u⊥v então v⊥u.
3. Se u⊥w e v⊥w então u + v⊥w.
4. Se u⊥v então ku⊥v.
5. (Generalização do Teorema de Pitágoras) Se {v1 , . . . , vr } é um conjunto ortogonal
de vetores então
kv1 + · · · + vr k2 = kv1 k2 + · · · + kvr k2 .
Prova:
4
1.2.1 Processo para o R2
v2
u1 = v1
u2 ku1
hu1 , u2 i = 0
hu1 , v2 − ku1 i = 0
hu1 , v2 i − khu1 , u1 i = 0
hu1 ,v2 i
k = hu 1 ,u1 i
hu1 ,v2 i
Assim, u2 = v2 − hu1 ,u1 i u1 .
O vetor ku1 é a projeção ortogonal do vetor v2 no subespaço gerado pelo vetor u1 .
hu1 , v2 i
proj[u1 ] v2 = ku1 = u1
hu1 , u1 i
n o
u1 u2
Logo, {u1 , u2 } é uma base ortogonal e ku1 k , ku2 k é uma base ortonormal do R2 .
Exemplo 1.8 Ortogonalizando a base {(1, 2), (3, 5)} pelo processo de de Gram-Schmidt.
u1 = v1 = (1, 2)
hu1 ,v2 i h(1,2),(3,5)i 13
u2 = v2 − hu1 ,u1 i u1 = (3, 5) − h(1,2),(1,2)i (1, 2) = (3, 5) − 5 (1, 2) = ( 25 , − 51 )
O vetor ( 13 26
5 , 5 ) é a projeção ortogonal do vetor (3, 5) no subespaço [(1, 2)].
n o n o
O conjunto (1, 2), ( 52 , − 51 ) é uma base ortogonal e ( √15 , √25 ), ( √25 , − √15 ) uma base
ortonormal do R2 .
5
1.2.2 Processo para o R3
u3
v3
u2
k2 u2
k1 u1
k1 u1 + k2 u2
u1
hu1 , u3 i = 0
hu1 , v3 − k2 u2 − k1 u1 i = 0
hu1 , v3 i − k2 hu1 , u2 i − k1 hu1 , u1 i = 0
hu1 ,v3 i
Mas, u1 ⊥u2 ∴ hu1 , u2 i = 0 ∴ hu1 , v3 i − k1 hu1 , u1 i = 0 ∴ k1 = hu1 ,u1 i
hu2 , u3 i = 0
hu2 , v3 − k2 u2 − k1 u1 i = 0
hu2 , v3 i − k2 hu2 , u2 i − k1 hu2 , u1 i = 0
hu2 ,v3 i
Mas, u1 ⊥u2 ∴ hu2 , u1 i = 0 ∴ hu2 , v3 i − k2 hu2 , u2 i = 0 ∴ k2 = hu2 ,u2 i
6
1.2.3 Generalização
u1 = v1
hu1 ,v2 i
u2 = v2 − hu1 ,u1 i
u1
........................
Pn−1 hui ,vn i
un = vn − i=1 hui ,ui i ui
n o
u1 un
Então, {u1 , . . . , un } é uma base ortogonal e ku1 k , . . . , kun k uma base ortonormal de
V.
Para j = 2, . . . , n, a projeção ortogonal do vetor vj no subespaço gerado pelos
vetores u1 , . . . , uj−1 é o vetor
j−1
X hui , vj i
proj[u1 ,...,uj−1 ] vj = ui
hui , ui i
i=1
Exemplos 1.9
1. S = {(x, y, z) ∈ R3 , x = 0}.
Encontrar um vetor ortogonal ao subespaço S significa encontrar um vetor orto-
gonal aos vetores de uma base de S.
Seja {(0, 1, 0), (0, 0, 1)} uma base de S.
Assim, S ⊥ = {(x, y, z) ∈ R3 , (x, y, z)⊥(0, 1, 0) e (x, y, z)⊥(0, 0, 1)}.
h(x, y, z), (0, 1, 0)i = 0 e h(x, y, z), (0, 0, 1)i = 0 ∴ y = 0 e z = 0
Então, S ⊥ = {(x, y, z) ∈ R3 , y = 0 e z = 0}.
Teorema 1.10 Seja V um espaço vetorial munido de um produto interno. Para quais-
quer u, v, w ∈ V e k ∈ R,
1. S ⊥ 6= ∅
2. S ⊥ ≤ V
3. S ∩ S ⊥ = {0V }
7
4. Sejam S, R ≤ V . Então (S ⊥ )⊥ = S, (S + R)⊥ = S ⊥ ∩ R⊥ e (S ∩ R)⊥ = S ⊥ + R⊥ .
5. V = S ⊕ S ⊥
Corolário: (Teorema da Dimensão) dimS + dimS ⊥ = dimV
Prova:
2. S ⊥ ⊆ V , por definição.
0V ∈ S ⊥ , pois 0V ⊥v para todo v ∈ V .
(fech.+) Sejam v, u ∈ S ⊥ e s ∈ S então hv + u, si = hv, si + hu, si = 0 + 0 = 0.
(fech.·) Sejam v ∈ S ⊥ , k ∈ R e s ∈ S então hkv, si = khv, si = k 0 = 0.
5. (exist.)
Considere uma base ortonomal {v1 , . . . , vr } de S e v ∈ V .
Seja v1 = proj[v1 ] v + · · · + proj[vr ] v ∈ S.
v2 = v − v1 ⊥vi , para todo i = 1, . . . , r. Então v2 ⊥s, para todo s ∈ S, v2 ∈ S ⊥ e
v = v1 + v2 com v1 ∈ S e v2 ∈ S ⊥ .
(unic.)
(RAA) Supor que existam outros v10 6= v1 ∈ S e v20 6= v2 ∈ S ⊥ tais que v = v10 + v20 .
v1 = proj[v1 ] v + · · · + proj[vr ] v = proj[v1 ] (v10 + v20 ) + · · · + proj[vr ] (v10 + v20 ) =
= proj[v1 ] v10 + · · · + proj[vr ] v10 = v10
v20 = v − v10 = v − v1 = v2 .
1.4 Exercı́cios
1. Verifique se as funções abaixo definem produtos internos no R2 .
(a) h(x, y), (z, t)i = 2xz + 3yt
(b) h(x, y), (z, t)i = xz − yt
(c) h(x, y), (z, t)i = 4xz
(d) h(x, y), (z, t)i = xz + yt + 1
(e) h(x, y), (z, t)i = 2x2 z + y 2 t
(f) h(x, y), (z, t)i = x2 z 2 + y 2 t2
(g) h(x, y), (z, t)i = xz − 2xt − 2yz + 5yt
(h) h(x, y), (z, t)i = k1 `1 + k2 `2 onde A = {v1 , v2 } é uma base do R2 e (x, y) =
k1 v1 + k2 v2 e (z, t) = `1 v1 + `2 v2 .
2. Considere o espaço vetorial das matrizes quadradas M atn (R) com as operações
usuais. Mostre que a função hA, Bi = tr(A B T ) é um produto interno.
Solução:
PI1 Positiva Definida: Pn
hA, AiP= tr(AAt ) = P tr(AB) = trC = i=1 cii
cii = Pnk=1 aik bki P
= nk=1 n 2
P
a a
ik ik = k=1 aik ≥ 0
n n Pn 2
Logo, i=1 cii = i=1 k=1 aik ≥ 0.
Pn Pn 2
E, i=1 k=1 aik = 0 sse aik = 0, i, k = 1, . . . , n.
8
PI2 Simétrica:
hA, BiP= tr(AB t ) = P tr(AC) = trD = ni=1 dii
P
dii = nk=1 aik cki = nk=1 aik bik
hB, AiP= tr(BAt ) = P tr(BE) = trF = ni=1 fii
P
fii = nk=1 bik eki = nk=1 bik aik
Logo, hA, Bi = hB, Ai.
PI3 Aditividade: Pn
hA + B, t ) = tr(DE) = trF =
PnCi = tr((A + PB)C
n P n
i=1 fii
fii = k=1 dik eki = k=1 (aik + bik )cik = k=1 aik cik + bik cik
hA, Ci + hB, PCi = tr(AC t ) + tr(BC t ) = tr(AD) + tr(BD) = trG + trH =
P n n
gii + i=1 hii P
i=1 P
gii = Pnk=1 aik dki = Pnk=1 aik cik
hii = nk=1 bik dki = nk=1 bik cik
PI4 Homogeneidade: Pn
h`A, Bi = tr((`A)B t ) = tr(CD) = trE =
Pn Pn Pn i=1 eii
eii = k=1 cik dki = k=1 (`aik )bik = k=1P `aik bik
n Pn
`hA, Bi P = `tr(AB t ) = `tr(AC) = `trF = ` i=1 fii = i=1 `fii
`fii = ` nk=1 aik cki = ` nk=1 aik bik = nk=1 `aik bik
P P
12. Encontre um vetor unitário que seja ortogonal aos vetores (1, −1, 0) e (2, −1, 1).
√
13. Se u⊥v unitários então ku − vk = 2?
14. A partir da base {(1, 2), (3, 5)} indique duas bases ortonormais distintas.
15. Normalize o conjunto {(2, −1, 3), (−6, 3, 5)}.
16. Ortonormalize as bases:
9
(a) {(1, 1, 2), (1, 2, 0), (0, −1, 1)}
(b) {(1, 1, 1), (−1, 1, 0), (1, 2, 1)}
(c) {(1, 0, 0), (3, 7, −2), (0, 4, 1)}
17. Seja o subespaço S gerado pela base ortogonal {(0, 1, 0), (−4, 0, 3)}. Encontre a
projeção do vetor (1, 1, 1) em S.
18. O conjunto {(1, 0, 2), (0, 1, 1)} é uma base do subespaço S.
(a) Ortogonalize-a obtendo uma base B.
(b) Encontre a projeção do vetor (1, 1, −1) no subespaço gerado por B.
19. Indique S ⊥ sendo:
(a) S = {(3y − z, y, z), y, z ∈ R}.
(b) S = [(1, 2, −3), (2, −4, 2)].
20. Considere o produto interno h(x, y, z), (w, r, t)i = xw + 2yr + 3zt do R3 . Ortogo-
nalize a base {(1, 1, 1), (1, 1, 0), (1, 0, 0)}
21. Considere o produto interno h(x, y, z), (w, r, t)i = 2xw + 3yr + 4zt do R3 e o su-
bespaço S = {(z, y, z), y, z ∈ R}. Indique S ⊥ , uma base e sua dimensão.
10
Capı́tulo 2
Diagonalização de Operadores
Exemplos 2.1
Vλ = {v ∈ V ; T (v) = λv}
11
Exemplo 2.4 Considere o operador linear T (x, y) = (3x, 8x − y).
V3 = {(x, y) ∈ R2 ; T (x, y) = 3(x, y)} = {(x, 2x), x ∈ R} é o autoespaço correspondente ao
autovalor 3.
12
Considere A uma base qualquer do espaço vetorial V , 0n×1 a matriz coluna nula, In a matriz
identidade de ordem n e a equação matricial ([T ]A − λIn ) [v]A = 0n×1 .
Substituindo-se um autovalor λi na equação matricial, obtém-se um sistema de equações lineares.
Resolvendo-se o sistema, os autovetores associados ao autovalor λi são obtidos e,
consequentemente, o autoespaço Vλi .
Exemplo 2.7 Considere o operador linear T (x, y) = (3x, 8x − y), a base canônica do R2 e os
autovalores λ1 = 3 e λ2 = −1.
Para λ1 = 3: ([T ] − 3I2 ) [(x, y)] = 02×1
3 0 1 0 x 3 0 3 0 x 0 0 x 0
−3 = − = =
8 −1 0 1 y 8 −1 0 3 y 8 −4 y 0
0x + 0y = 0
∴ y = 2x
8x − 4y = 0
V3 = {(x, 2x), x ∈ R}.
e a base canônica.
4 2 2 4−λ 2 2
[T ] = 2 4 2 e [T ] − λI3 = 2 4−λ 2
2 2 4 2 2 4−λ
PT (λ) = det([T ] − λI3 ) = λ3 − 12λ2 + 36λ − 32 = (λ − 2)2 (λ − 8) = 0
λ1 = 2 ∴ ma (2) = 2
V2 = {(−y − z, y, z), y, z ∈ R} ∴ mg (2) = 2
λ2 = 8 ∴ ma (8) = 1
V8 = {(z, z, z), z ∈ R} ∴ mg (8) = 1
13
2.3 Critérios de Diagonalização
Prova:
kv + k 0 v 0 = 0V ∴ (1)
T (kv + k 0 v 0 ) = T (0V ) ∴ kT (v) + k 0 T (v 0 ) = 0V ∴ k(λv) + k 0 (λ0 v 0 ) = 0V ∴ (kλ)v + (k 0 λ0 )v 0 = 0V ∴
(λk)v + (λ0 k 0 )v 0 = 0V (2)
Multiplicando a equação (1) por λ, temos:
λ(kv + k 0 v 0 ) = λ 0V ∴ λ(kv) + λ(k 0 v 0 ) = 0V ∴ (λk)v + (λk 0 )v 0 = 0V (3)
Subtraindo (3) de (2), temos:
(λ0 k 0 )v 0 − (λk 0 )v 0 = 0V ∴ (λ0 − λ)k 0 v 0 = 0V
v 6= 0V e λ 6= λ0 ∴ k 0 = 0.
Analogamnte, k = 0.
Logo, os vetores são linearmente independentes. 2
Prova:
Considere uma base de autovetores A = {v1 , . . . , vn } ⊂ V tal que vi ∈ Vλi , i = 1, . . . , n.
T (vi ) = λi vi = 0v1 + · · · + λi vi + · · · + 0vn
0
... λ1 0 ... 0
0 λ2 ... 0
Assim, [vi ]A = λi e [T ]A = . . . . . .
.
... ... ...
0 0 ... λn
0
Logo, o operador T é diagonalizável. 2
e a base canônica.
14
4−λ 0 1
PT (λ) = det([T ] − λI3 ) = −2 1 − λ 0 = (λ − 1)(λ − 2)(λ − 3)
−2 0 1−λ
λ1 = 1 : V1 = {(0, y, 0), y ∈ R} = [(0, 1, 0)]
λ2 = 2 : V2 = {(− z2 , z, z), z ∈ R} = [(−1, 2, 2)]
λ3 = 3 : V3 = {(−z, z, z), z ∈ R} = [(−1, 1, 1)]
O conjunto A = {(0, 1, 0), (−1, 2, 2), (−1, 1, 1)} é uma base de autovetores do R3 .
1 0 0
Desta forma, [T ]A = 0 2 0 .
0 0 3
Teorema 2.12 Se existem r < n autovalores distintos λ1 , . . . , λr tais que ma (λi ) = mg (λi ), i =
1, . . . , r, então o operador T é diagonalizável.
Prova:
Como as multiplicidades de λi , i = 1, . . . , r, são iguais,
dimVλ1 + · · · + Vλr = dimV = n
Considere Ai uma base do auto espaço Vλi , 1 ≤ i ≤ r.
Assim, A = A1 ∪ · · · ∪ Ar é uma base de autovetores de V .
k1 0 ... 0
0 k 2 ... 0
Então, [T ]A =
... ...
onde kj , j = 1, . . . , n, é um dos autovetores λi , respeitada
... ...
0 0 . . . kn
sua multiplicidade algébrica. 2
1. T (x, y, z) = (x + y + z, x + y + z, x + y + z)
1−λ 1 1
PT (λ) = det([T ] − λI3 ) = 1 1−λ 1 = λ2 (λ − 3)
1 1 1−λ
λ1 = 0 : V0 = {(−y − z, y, z), y, z ∈ R} = [(−1, 1, 0), (−1, 0, 1)]
λ2 = 3 : V3 = {(z, z, z), z ∈ R} = [(1, 1, 1)]
O conjunto A = {(−1, 1, 0), (−1, 0, 1), (1, 1, 1)} é uma base de autovetores do R3 .
0 0 0
Desta forma, [T ]A = 0 0 0 .
0 0 3
15
3−λ 0 0
PT (λ) = det([T ] − λI3 ) = 0 2−λ 0 = (λ − 2)2 (λ − 3)
0 1 2−λ
λ1 = 2 : V2 = {(0, 0, z), z ∈ R} = [(0, 0, 1)]
λ2 = 3 : V3 = {(x, 0, 0), x ∈ R} = [(1, 0, 0)]
Não é possı́vel obter uma base de autovetores para o R3 , já que ma (2) = 2 6= 1 = mg (2).
Exercı́cios 2.15
2. Os vetores (1, 1) e (2, −1) são autovetores de T associados aos autovalores 5 e −1, respecti-
vamente. Determinar T (4, 1).
3. Determinar o operador linear T cujos autoespaços são V1 = {(−y, y), y ∈ R} e V3 = {(0, y), y ∈
R}.
5. Dado o operador linear T tal que T (x, y) = (−3x−5y, 2y), encontrar uma base de autovetores.
7. Seja T tal que T (x, y) = (4x + 5y, 2x + y). Encontrar uma base que diagonalize o operador.
Duas matrizes A e B ∈ M atn (R) são semelhantes quando existe uma matriz invertı́vel P ∈ M atn (R)
tal que B = P −1 AP .
16
Prova: Para quaisquer matrizes A, B, C ∈ M atn (R)
(refl.) A = In AIn ∴ A é semelhante à A.
(sim.) A é semelhante à B ∴ B = P −1 AP ∴ P BP −1 = A ∴ B é semelhante à A.
(trans.) A é semelhante à B e B é semelhante à C ∴ B = P −1 AP e C = Q−1 BQ ∴
C = Q−1 (P −1 AP )Q = (Q−1 P −1 )A(P Q) = (P Q)−1 A(P Q) ∴ A é semelhante à C 2
1. kA e kB são semelhantes.
2. At e B t são semelhantes.
3. trA = trB e detA = detB
4. PA (λ) = PB (λ)
1. kB = k(P −1 AP ) ∴ kB = P −1 (kA)P
2. B t = (P −1 AP )t = P t At (P −1 )t = P t At (P t )−1
3. trB = tr(P −1 AP ) = tr(AP −1 P ) = tr(AIn ) = trA
detB = det(P −1 AP ) = det(P −1 )det(A)det(P ) = det(A)det(P −1 )det(P ) = detA
4. PA (λ) = det(A − λIn ) = det((A − λIn )In ) = det((A − λIn )P −1 P ) =
= det(P −1 (A − λIn )P ) = det(P −1 AP − P −1 (λIn )P ) = det(B − λIn ) =
= PB (λ) 2
1 2 7 −4
Exemplo 2.18 As matrizes A = eB= são semelhantes.
3 4 3 −2
7 −4 1 2 1 2 1 −2
Observe que, = · · ,
3 −2 0 1 3 4 0 1
1 2 7 −4
tr = tr = 5,
3 4 3 −2
1 2 7 −4
det = det = −2 e
3 4 3 −2
PA (λ) = PB (λ) = λ2 − 5λ − 2.
Exemplo 2.19 Considere o operador T (x, y) = (3x, 8x−y), α a base canônica e β = {(1, 2), (3, 5)}.
[T ]α = [I]βα [T ]β [I]αβ
3 0 1 3 3 12 −5 3
=
8 −1 2 5 0 −1 2 −1
17
Uma matriz A ∈ M atn (R) pode ser diagonalizada quando existe uma matriz invertı́vel P ∈
M atn (R) tal que P −1 AP é uma matriz diagonal. A matriz P que diagonaliza A é uma matriz de
autovetores do operador relativo à matriz.
Exemplos 2.20
3 0
1. A matriz é diagonalizável já que
8 −1
1 0 3 0 1 0 3 0
· · =
−2 1 8 −1 2 1 0 −1
sendo que, V3 = {(x, 2x), x ∈ R} = [(1, 2)] e V−1 = {(0, y), y ∈ R} = [(0, 1)].
3 0 −5
2. A matriz 15 −1 0 é diagonalizável pois
1 1 −2
√ √ √
−4+ √2 −2+4√2 −2+4√2 √ √
20−5
√ 2 −4+8
√ 2 −4+8 2 3 0 −5 5 15 + 5 √2 15 − 5 √2 0 √0 0
2+ 2√ 1− √2 −70√ 1
5
−1 0 1 −1 + 2 2 −1 − 2 2 = 0 2 0
√
−20+40√ 2 −4+8√2 −4+8
√ 2
−5+3
√ 2 −2−3
√ 2 4−√ 2 1 1 −2 3 7 7 0 0 − 2
70 2 28 2 28 2
Prova: D = P −1 AP ∴ Dm = (P −1 AP )m = P −1 Am P . 2
10 10
3 0 1 0 3 0 1 0
Exemplo 2.22 =
8 −1 2 1 0 −1 −2 1
10
1 0 3 0 1 0
=
2 1 0 (−1)10 −2 1
59049 0
=
118100 −1
Exemplos 2.23
−1 4
1. Sejam p(x) = x2 − 9, q(x) = 2x + 3 e a matriz A = .
2 1
2
−1 4 1 0 0 0
p(A) = −9 =
2 1 0 1 0 0
18
−1 4 1 0 1 8
q(A) = 2 +3 =
2 1 0 1 4 5
O polinômio p(x) anula A, mas q(x) não.
Exemplo 2.24 Sejam o operador T (x, y) = (3x, 8x − y), com autovalores 3 e −1, p(x) = 2x3 −
4x2 − x + 3 e o operador p(T )(x, y) = (2T 3 − 4T 2 − T + 3I3 )(x, y).
p(T )(x, y) = (2T 3 )(x, y) − (4T 2 )(x, y) − T (x, y) + (3I3 )(x, y) =
= (54x, 112x − 2y) − (36x, 64x + 4y) − (3x, 8x − y) + (3x, 3y) =
= (18x, 40x − 2y)
Os autovalores de p(T ) são p(3) = 18 e p(−1) = −2.
A adjunta clássica da matriz A ∈ M atn (R) é a transposta da matriz de cofatores de A, isto é,
C11 C21 . . . Cn1
C12 C22 . . . Cn2
adjA =
...
... ... ...
C1n C2n . . . Cnn
Proposição 2.25
2 3 −4
Exemplo 2.26 Seja A = 0 −4 2 .
1 −1 5
−4 2 0 2
Por exemplo, C11 = +det = −18 e C12 = −det = 2.
−1 5 1 5
−18 −11 −10
Assim, adjA = 2 14 −4 .
4 5 −8
19
Teorema de Cayley-Hamilton O polinômio caracterı́stico PT (λ) anula o operador linear T ,
isto é, PT ([T ]α ) = 0n , para toda base α de V .
Prova:
Sejam PT (λ) = λn + an−1 λn−1 + · · · + a1 λ + a0 e A(λ) a adjunta clássica da matriz [T − λIn ]α .
Os elementos de A(λ) são polinômios em λ de grau menor ou igual a n − 1.
A(λ) = An−1 λn−1 + · · · + A1 λ + A0 com An−1 , . . . , A0 ∈ M atn (R).
Pela propriedade fundamental da adjunta clássica,
[T − λIn ]α · A(λ) = det [T − λIn ]α · In
[T − λIn ]α · (An−1 λn−1 + · · · + A1 λ + A0 ) = (λn + an−1 λn−1 + · · · + a1 λ + a0 ) · In
−An−1 λn + ([T ]α An−1 − An−2 )λn−1 + · · · + ([T ]α A1 − A0 )λ + [T ]α A0 = (λn + an−1 λn−1 + · · · + a1 λ + a0 ) · In
(n) −An−1 = In
(n − 1) [T ]α An−1 − An−2 = an−1 In
(n − 2) [T ]α An−2 − An−3 = an−2 In
... ...
(1) [T ]α A1 − A0 = a1 In
(0) [T ]α A0 = a0 In
20
2
2−λ 3 −4 λ − λ − 18 3λ − 11 −4λ − 10
0 −4 − λ 2 · −2 λ2 − 7λ + 14 2λ − 4 =
1 −1 5−λ λ+4 −λ + 5 2
λ + 2λ − 8
2−λ 3 −4 1 0 0 −1 3 −4 −18 −11 −10
= 0 −4 − λ 2 · 0 1 0 λ2 + 0 −7 2 λ + −2 14 −4 =
1 −1 5−λ 0 0 1 1 −1 2 4 5 −8
1 0 0 2 3 −4 1 0 0 −1 3 −4
= − 0 1 0 λ3 + 0 −4 2 · 0 1 0 − 0 −7 2 λ2 +
0 0 1 1 −1 5 0 0 1 1 −1 2
2 3 −4 −1 3 −4 −18 −11 −10
+ 0 −4 2 · 0 −7 2 − −2 14 −4 λ+
1 −1 5 1 −1 2 4 5 −8
2 3 −4 −18 −11 −10
+ 0 −4 2 · −2 14 −4 =
1 −1 5 4 5 −8
1 0 0
= (λ3 − 3λ2 − 12λ + 46) · 0 1 0
0 0 1
Exemplos 2.28
21
2.5 Exercı́cios
1. Verifique se é diagonalizável.
2 1 0 0
0 2 0 0
(a) 0 0 2 0
0 0 0 3
1 1 0 0
−1 −1 0 0
(b) −2 −2
2 1
1 1 −1 0
1 1 1 b
2. Para que valores de a e b as matrizes e são diagonalizáveis?
0 a 0 1
a b c
3. Dada a matriz 0 d e , com todos os elementos acima da diagonal distintos e não nulos,
0 0 f
indique os autovalores.
5. Calcule Ak .
−3 4
(a)
−1 2
0 7 −6
(b) −1 4 0
0 2 −2
6. Determine o polinômio minimal.
5 −6 −6
(a) −1 4 2
3 −6 −4
(b) T (x, y, z, t, w) = (ax + by, ay + bz, az + bt, at + bw, aw)
(c) T (x, y, z, t, w) = (−aw, x − bw, y − cw, z − dw, t − ew)
22
Capı́tulo 3
Prova:
(2) u ∈ T (Vλ ) ∴ u = T (v), para algum v ∈ Vλ ∴ T (v) = λv e u = λv.
Assim, T (u) = T (λv) = λT (v) = λ(λv) = λu ∴ u ∈ Vλ . 2
23
S T1 (S) T2 (S) T3 (S) T1 -inv T2 -inv T3 -inv
√ √ √
Ker T1 = Ker T2 = {(0, 0, 0)} {(0, 0, 0)} {(0, 0, 0)} {(0, 0, 0)}
√ √ √
Im T1 = Im T2 = R3 R3 R3 R3 √ √
Ker T3 = [(−1, 1, 0)] [(−1, 1, 0)] [(−3, 2, 1)] {(0, 0, 0)} √ √
Im T3 = [(1, 1, 0), (0, 0, 1)] Im T3 [(3, 2, 0), (0, 0, 1)] Im T3 √
V2T1 = [(−1, 1, 0), (−1, 0, 1)] V2T1 [(3, 4, 0), (0, −2, 1)] [(−1, −1, 1)] √
V8T1 = [(1, 1, 1)] V8T1 [(3, 2, 3)] [(2, 2, 1)] √ √
V2T2 = [(0, 0, 1)] [(1, 1, 2)] [(0, 0, 1)] [(0, 0, 1)] √
V3T2 = [(1, 0, 0)] [(2, 1, 1)] [(1, 0, 0)] [(1, 1, 0)] √ √
V0T3 = [(−1, 1, 0)] V0T3 [(−3, 2, 1)] {(0, 0, 0)} √ √
V1T3 = [(0, 0, 1)] [(1, 1, 2)] [(0, 0, 1)] [(0, 0, 1)] √
V2T3 = [(1, 1, 0)] [(3, 3, 2)] [(3, 2, 1)] [(1, 1, 0)]
Exemplos 3.4
2. Considere k1 , . . . , kn ∈ R.
Pn
f : Rn → R tal que f (x1 , . . . , xn ) = i=1 ki xi é também um funcional linear de Rn .
3. f : M atn (R) → R tal que f (A) = tr(A) é um funcional linear de M atn (R).
4. Seja k ∈ R.
fk : R [X] → R tal que fk (p(X)) = p(k) é um funcional linear de R [X].
f1 (x, y, z) = a1 x + b1 y + c1 z
f2 (x, y, z) = a2 x + b2 y + c2 z
f3 (x, y, z) = a3 x + b3 y + c3 z
24
f1 (1, 0, 0) = 1, f2 (1, 0, 0) = 0 e f3 (1, 0, 0) = 0
f1 (0, 1, 2) = 0, f2 (0, 1, 2) = 1 e f3 (0, 1, 2) = 0
f1 (0, 3, 5) = 0, f2 (0, 3, 5) = 0 e f3 (0, 3, 5) = 1
{x, −5y + 3z, 2y − z} é a base dual associada à base {(1, 0, 0), (0, 1, 2), (0, 3, 5)}.
Lema 3.5 Dado um vetor u ∈ V , a função fu : V → R tal que fu (v) = hv, ui é um funcional
linear.
Prova:
(TL1) para quaisquer v, w ∈ V , fu (v + w) = hv + w, ui = hv, ui + hw, ui = fu (v) + fu (w).
(TL2) para quaisquer v ∈ V e k ∈ R, fu (kv) = hkv, ui = khv, ui = k fu (v). 2
Lema 3.6 Seja f : V → R um funcional linear. Então para todo v ∈ V , existe um único vetor
u ∈ V tal que f (v) = hv, ui.
Prova:
(exist.) Seja {v1 , . . . , vn } uma base ortonormal de V e o vetor u = f (v1 )v1 + · · · + f (vn )vn ∈ V .
Para i = 1, . . . , n, hvi , ui = hvi , f (v1 )v1 + · · · + f (vn )vn i
= f (v1 )hvi , v1 i + · · · + f (vi )hvi , vi i + · · · + f (vn )hvi , vn i
= f (vi )
(unic.) Supor, por absurdo, que existam u, w ∈ V , u 6= w, tais que f (v) = hv, ui = hv, wi.
hv, ui − hv, wi = 0 ∴ hv, u − wi = 0
Em particular, vale a igualdade para v = u − w ∴ hu − w, u − wi = 0 ∴ u − w = 0 ∴ u = w.
Contradição. 2
25
Corolário 3.7 A função T : V → V tal que T (v) = fv é um isomorfismo.
Teorema 3.8 Existe um único operador linear T ∗ : V → V tal que hT (v), wi = hv, T ∗ (w)i, para
quaisquer v, w ∈ V .
Exemplo 3.9 Seja T : R2 →: R2 tal que T (x, y) = (3x, 8x − y). O operador T ∗ : R2 →: R2 tal
que T ∗ (x, y) = (3x + 8y, −y) é o operador adjunto de T .
4. (T ∗ )∗ = T
5. Ker T = (Im T ∗ )⊥
Prova: Sejam v, u ∈ V .
1. h(T1 + T2 )(v), ui = hT1 (v) + T2 (v), ui = hT1 (v), ui + hT2 (v), ui = hv, T1∗ (u)i + hv, T2∗ (u)i =
hv, T1∗ (u) + T2∗ (u)i = hv, (T1∗ + T2∗ )(u)i
26
3. h(T1 ◦ T2 )(v), ui = hT1 [T2 (v)] , ui = hT2 (v), T1∗ (u)i = hv, T2∗ [T1∗ (u)]i = hv, (T2∗ ◦ T1∗ )(u)h
t
Quando V é um C-espaço vetorial, [T ∗ ]α = T α
Exemplo 3.13 Considere o operador linear T : R2 → R2 tal que T (x, y) = (3x, 8x − y) e a base
canônica.
3 0 3 8
Assim, [T ] = e seu operador adjunto [T ∗ ] = , isto é, T ∗ : R2 → R2 tal
8 −1 0 −1
que T (x, y) = (3x + 8, −y).
3 12 ∗ −101 −260
A base α = {(1, 2), (3, 5)} não é ortonormal, [T ]α = e [T ]α = .
0 −1 40 95
E, [T ∗ ]α 6= [T ]tα .
−5x + 3y
Lembrando que [(x, y)]α = .
2x − y
Exemplos 3.14
Propriedades importantes:
27
1. Para quaisquer v, w ∈ V , hT (v), wi = 0 se e somente se T = T0 .
2. Para todo v ∈ V , hT (v), vi = 0 se e somente se T ∗ = −T .
3. Se T é um operador OAA em um R-EVPI e hT (v), vi = 0, para todo v ∈ V então T = T0 .
Observe que, T (x, y) = (−y, x) tal que hT (x, y), (x, y)i = h(−y, x)(x, y)i = −xy + xy = 0 com
T 6= T0 . Além disso, temos uma caracterização para o caso complexo.
4. Seja T é um operador em um C-EVPI. hT (v), vi = 0, para todo v ∈ V se e somente se
T = T0 .
Prova:
U (X), Y = X, U ? (Y )
t
U (X), Y = AX, Y = Y AX
t t t t tt t
X, A Y = (A Y ) X = Y A X = Y AX
t
Como a adjunta é única, U ? (Y ) = A Y .
O polinômio caracterı́stico PT (λ) = det(A − λI) é um polinômio em C de grau n com raı́zes
em C. Então, existe c ∈ C tal que PT (c) = det(A − cI) = 0. Assim, A − cI é singular ou que
existe um vetor X não nulo tal que AX = cX. Como U é OAA e pelo item anterior, c ∈ R.
Se V for um R-espaço vetorial, todas as matrizes X, A e A − λ0 I são reais e (A − λ0 I)X = 0
tem solução real não nula. 2
28
Teorema 3.18 Seja T um operador auto-adjunto e v um autovetor associados ao autovalor λ de
T . Então os subespaços [v] e [v]⊥ são T -invariantes.
Exemplos 3.20
1. T é ortogonal.
29
2. T transforma bases ortonormais em bases ortonormais.
3. T preserva produto interno, isto é, hT (u), T (v)i = hu, vi, para quaisquer u, v ∈ V .
4. T preserva norma, isto é, kT (v)k = kvk, para todo v ∈ V .
Prova:
(1 → 2) Seja {v1 , . . . , vn } uma base ortonormal de V .
T (α) = {T (v1 ), . . . , T (vn )} também uma base de V , pois T é um isomorfismo.
hT (vi ), T (vj )i = hvi , T ∗ (T (vj ))i = hvi , T −1 (T (vj ))i = hvi , vj i = 0, i, j = 1, . . . , n, i 6= j.
kT (vi )k2 = hT (vi ), T (vi )i = hvi , vi i = kvi k2 = 1.
T (α) é uma base ortonormal de V .
(2 → 3) Sejam α e T (α) bases ortonormais de V .
u = k1 v1 + · · · + kn vn e v = `1 v1 + · · · + `n vn
hu, vi = hk1 v1 + · · · + kn vn , `1 v1 + · · · + `n vn i =
= k1 `1 hv1 , v1 i + · · · + k1 `n hv1 , vn i + · · · + kn `1 hvn , v1 i + · · · + kn `n hvn , vn i =
= k1 `1 1 + · · · + k1 `n 0 + · · · + kn `1 0 + · · · + kn `n 1 = k1 `1 + · · · + kn `n
T (u) = k1 T (v1 ) + · · · + kn T (vn ) e T (v) = `1 T (v1 ) + · · · + `n T (vn )
hT (u), T (v)i = hk1 T (v1 ) + · · · + kn T (vn ), `1 T (v1 ) + · · · + `n T (vn )i =
= k1 `1 hT (v1 ), T (v1 )i+· · ·+k1 `n hT (v1 ), T (vn )i+· · ·+kn `1 hT (vn ), T (v1 )i+· · ·+kn `n hT (vn ), T (vn )i =
= k1 `1 1 + · · · + k1 `n 0 + · · · + kn `1 0 + · · · + kn `n 1 = k1 `1 + · · · + kn `n
Logo, hu, vi = hT (u), T (v)i.
(3 → 4) kT (v)k2 = hT (v), T (v)i = hv, vi = kvk2 .
(4 → 1) kT (v)k2 = kvk2 ∴ hT (v), T (v)i = hv, vi ∴ hT ∗ (T (v)), vi = hv, vi ∴
hT ∗ (T (v)), vi − hv, vi = 0 ∴ hT ∗ (T (v)) − v, vi = 0 ∴ h(T ∗ ◦ T )(v) − I(v), vi = 0 ∴
h(T ∗ ◦ T − I)(v), vi = 0
Mas, (T ∗ ◦ T − I)∗ = (T ∗ ◦ T )∗ − I ∗ = (T ∗ ◦ T ) − I ∴ (T ∗ ◦ T − I) é OAA.
Então, (T ∗ ◦ T − I) = T0 ∴ T ∗ ◦ T = I ∴ T ∗ = T −1 .
Analogamente, T ◦ T ∗ = I.
Logo, T é OO. 2
1. T preserva distâncias, isto é, d(T (u), T (v)) = d(u, v), para quaisquer u, v ∈ V .
2. Os únicos autovalores possı́veis para T são ±1.
3. Os autovetores de T associados a autovalores distintos são ortogonais.
4. Se S ≤ V é um subespaço T -invariante então S ⊥ é T -invariante.
Prova:
30
1. d(u, v) = ku − vk = kT (u − v)k = kT (u) − T (v)k = d(T (u), T (v))
2. v ∈ V , v 6= 0V , autovetor associado a λ.
hT (v), T (v)i = hλv, λvi = λ2 hv, vi.
Mas, hT (v), T (v)i = hv, vi ∴ λ2 = 1 ∴ λ = ±1.
Exemplo 3.23
4. Ker T = Ker T ∗ .
5. Im T = Im T ∗ .
6. (Ker T )⊥ = Im T .
Prova:
1. kT (v)k2 = hT (v), T (v)i = hv, T ∗ (T (v))i = hv, T (T ∗ (v))i = hT ∗ (v), T ∗ (v)i = kT ∗ (v)k2
6. Im T = Im T ∗ = (Ker T )⊥
31
3.7 Exercı́cios
1. Classifique os operadores:
T1 e T2 T1 + T2 kT1 T1 ◦ T2
OAA
OO
ON
x y
3. Ache valores para x e y tais que seja ortogonal.
−1 0
4. Dê exemplo de um operador auto-adjunto não ortogonal e vice-versa.
5. Dê exemplo de um operador normal que não é nem auto-adjunto nem ortogonal.
12. O operador linear T é ortogonal se e somente se [T ]α = ±1, para toda base ortonormal α?
32
L(V )
ON
OAA OO
OI
33
Capı́tulo 4
Exemplos 4.1
Exemplos 4.2
34
3. f : R2 × R2 → R tal que f (x, y), (z, t)) = xz − 2yt.
4. f : V × V → R tal que f (u, v) = hu, vi.
Corolário 4.4 Seja F B(V ) o conjunto de todas as formas bilineares sobre V . Então [F B(V ), R, +, ·]
é um espaço vetorial.
Teorema 4.5 Considere A ∈ M atn (R) e α uma base de V . A função fA : V × V → R tal que
fA (u, v) = [u]tα A [v]α é uma forma bilinear.
FB1. fA (u + v, w) = [u + v]tα A [w]α = ([u]tα + [v]tα )A [w]α = [u]tα A [w]α + [v]tα A [w]α =
= fA (u, w) + fA (v, w)
Analogamente, fA (u, v + w) = fA (u, v) + fA (u, w).
FB2. fA (ku, v) = [ku]tα A [v]α = k [u]tα A [v]α = kfA (u, v)
= [u]tα Ak [v]α = [u]tα A [kv]α = fA (u, kv) 2
Teorema 4.6 Considere α uma base de V . Qualquer forma bilinear f em V é determinada pela
matriz
f (v1 , v1 ) . . . f (v1 , vn )
f (v2 , v1 ) . . . f (v2 , vn )
[f ]αα = .
.. ..
. .
f (vn , v1 ) . . . f (vn , vn )
Além disso, para quaisquer u, v ∈ V , f (u, v) = [u]tα [f ]αα [v]α .
35
Prova: Considere α = {v1 , . . . , vn }.
u = k1 v1 + · · · + kn vn e v = `1 v1 + · · · + `n vn
f (u, v) = f (k1 v1 + · · · + kn vn , `1 v1 + · · · + `n vn )
= f (k1 v1 , `1 v1 ) + · · · + f (k1 v1 , `n vn ) + f (kn vn , `1 v1 ) · · · + f (kn vn , `n vn )
= k1 f (v1 , v1 )`1 + · · · + k1 f (v1 , vn )`n + kn f (k
n vn , v1 )`1 · · · + kn f (vn , vn )`n
f (v1 , v1 ) . . . f (v1 , vn ) `1
f (v2 , v1 ) . . . f (v2 , vn ) 2
`2
= (k1 k2 . . . kn )
.. ..
. . .
. .
f (vn , v1 ) . . . f (vn , vn ) `n
t α
= [u]α [f ]α [v]α
Teorema 4.7 Considere α uma base de V . A função T : F B(V ) → M atn (R) tal que T (f ) = [f ]αα
é uma transformação linear injetora.
Teorema 4.9 Considere F BS(V ) o conjunto das formas bilineares simétricas em V . Então
F BS(V ) ≤ F B(V ).
Teorema 4.10 Seja α uma base de V . Uma forma bilinear f é simétrica se e somente se [f ]αα é
uma matriz simétrica.
Teorema 4.11 Seja f uma forma bilinear. Então existe um único operador linear U : V → V tal
que f (v, w) = hU (v), wi, para quaisquer v, w ∈ V .
Teorema 4.14 F BS(V ) é isomorfo ao espaço LOAA (V ) dos operadores lineares auto-adjuntos..
36
4.6 Formas Quadráticas
Exemplos 4.15
1. Seja f : R2 × R2 → R tal que f (x, y), (z, t)) = xz − 5xt − 5yz + yt.
A forma quadrática associada é Q : R2 → R tal que Q(x, y) = f ((x, y), (x, y)) = x2 +y 2 −10xy.
Q(u + v) = f (u + v, u + v)
= f (u, u) + f (u, v) + f (v, u) + f (v, v)
= f (u, u) + 2f (u, v) + f (v, v)
= Q(u) + 2f (u, v) + Q(v)
Teorema 4.16 (Teorema de Sylvester ou Lei da Inércia) Seja f uma forma bilinear simétrica.
Então existe uma base α de V tal que [f ]αα é uma matriz diagonal e qualquer outra representação
matricial diagonal de f possui a mesma quantidade p de elementos positivos e a mesma quantidade
q de elementos negativos na diagonal da matriz .
com p + q ≤ n.
4 2 2
Exemplo 4.18 Considere a forma bilinear [f ] = 2 4 2 na base canoônica.
2 2 4
λ1 = 2 e V2 = {(−y − z, y, z), y, z ∈ R} = [(−1, 1, 0), (−1, 0, 1)]
37
λ2 = 8 e V8 = {(z, z, , z), z ∈ R} = [(1, 1, 1)]
α = {(−1, 1, 0), (−1, 0, 1), (1, 1, 1)} base de autovetores
4 2 2 −1 −1 1
2 4 2 1 0 1
2 2 4 0 1 1
−1 1 0 −2 2 0 4 2 0
−1 0 1 −2 0 2 2 4 0
1 1 1 8 8 8 0 0 24
4 2 0
Assim = [f ]αα = 2 4 0 .
0 0 24
V2 = V8⊥ mas os vetores (−1, 1, 0), (−1, 0, 1) ∈ V2 não são ortogonais.
Pelo processo de Gram-Schmidt, (−1, 1, 0), (− 21 , − 12 , 1) ∈ V2 são vetores ortogonais.
β = {(−1, 1, 0), (− 12 , − 21 , 1), (1, 1, 1)} base ortogonal de autovetores
4 2 2 −1 − 12 1
2 4 2 1 − 21 1
2 2 4 0 1 1
−1 1 0 −2 2 0 4 0 0
− 21 − 21 1 −1 −1 2 0 3 0
1 1 1 8 8 8 0 0 24
4 0 0
Assim = [f ]ββ = 0 3 0 .
0 0 24
γ = {(− √12 , √12 , 0), (− √16 , − √16 , √26 ), ( √13 , √13 , √13 )} base ortonormal de autovetores
4 2 2 − √12 − √16 √1
3
2 4 2 √1 − √16 √1
2 3
2 2 4 0 √2 √1
6 3
− √12 √1
2
0 − √22 √2
2
0 2 0 0
− √16 − √16 √2
6
− √26 − √26 √4
6
0 2 0
√1 √1 √1 √8 √8 √8
0 0 8
3 3 3 3 3 3
2 0 0
Assim = [f ]γγ = 0 2 0 .
0 0 8
Observe que, rank(f ) = sign(f ) = 3.
1 2 1
2 0 0 −3 3 −3 4 2 2 −1 −1 1
0 2 0 = − 31 − 13 2
3 · 2 4 2 · 1 0 1 , det P = 3
1 1 1
0 0 8 3 3 3 2 2 4 0 1 1
38
−1 − 12
−1 1 0 4 2 2 1
= − 32 − 23 4
3
· 2 4 2 · 1 − 12 1 , det P = 3
8 8 8
3 3 3 2 2 4 0 1 1
− √12 √1 − √12 − √16 √13
2
0 4 2 2
= − √16 − √16 2
√ · 2 4 2 · √12 − √16 √13
, P matriz ortogonal
6
√1 √1 √1 2 2 4 0 √2 √1
3 3 3 6 3
Observe que,
√1 √1
1 0 0 2
0 0 2 0 0 2
0 0
0 1 0 =
0 √1 0
· 0 2 0 ·
0 √1 0
.
2 2
0 0 1 0 0 √1 0 0 8 0 0 √1
2 2
4.7 Exercı́cios
1. Complete as demonstrações.
2. Seja f ∈ F B(V ) e u, v ∈ V .
(a) f (0V , v) = f (v, 0V ) = 0?
(b) Se f (u, v) = 0 então v = 0V ou u = 0V ?
3. Seja f ∈ F B(V ) e S ≤ V . Então R = {v ∈ V ; f (s, v) = 0, para todo s ∈ S} ≤ V ?
4. Sejam f1 , f2 ∈ V ∗ . A função f : V × V → R tal que f (u, v) = f1 (u)f2 (v) + f1 (v)f2 (u) é uma
forma bilinear? Simétrica?
5. Seja f ∈ F B(V ). A função f 0 : V × V → R tal que f 0 (u, v) = 21 (f (u, v) + f (v, u)) é uma
forma bilinear? Simétrica?
6. Indique uma base para F B(V ).
7. Seja f ∈ F BS(V ). Se f (v, v) = 0 então f é a forma bilinear nula?
8. Verifique e, nos casos afirmativos, apresente exemplos.
39
Capı́tulo 5
A matriz A ∈ M atn×m (R) é uma matriz por blocos quando consideramos sua partição em subma-
trizes, denominadas blocos.
Notação: A = [Aij ]
3 −1 −1 3 −1
1 1 1 3 1 1 1
2 4 1 0 2 4
1 0
2 4 1 0
1 0 0 −1 1 0
0 −1
1 0 0 −1
0 1 6 1 0 1 6 1 0 1 6 1
−1 0 5 2 −1 −1 0 5 2
0 5 2
C11 C12
B11 B12 C21
B21 B22 C22
D11 D12 D13
C31 C32 D21 D22 D23
B31 B32
C41 C42
Observe que, A é uma matriz 5 × 4, a blocagem [Bij ] tem ordem 3 × 2, [Cij ] é 4 × 2 e [Dij ] é
2 × 3. Já cada um dos blocos tem diferentes ordens, por exemplo, B22 é 2 × 2, C32 é 2 × 2
Considere duas matrizes por blocos de mesma ordem [Aij ] e [Bij ] cujos blocos correspondentes
têm a mesma ordem. Assim,
k · [Aij ] = [k · Aij ]
[Aij ] + [Bij ] = [Aij + Bij ]
Sejam duas matrizes por blocos [Aij ] de ordem n × p e [Bij ] de ordem p × m, tais que o número
de colunas de cada bloco Aij é igual ao número de linhas de cada bloco Bij . Temos que,
Pp
[Aij ] · [Bij ] = [Cij ], com Cij = k=1 Aik Bkj
40
Considere a matriz quadrada A ∈ M atn (R) . Sua matriz por blocos [Aij ] é denominada matriz
quadrada por blocos quando os blocos formam uma matriz quadrada e os blocos da diagonal
são também matrizes quadradas.
Exemplo 5.2 A primeira blocagem não é uma matriz quadrada por blocos, já a segunda é.
3 −1 3 −1
1 1 2 1 1 2
2 4 1 0 5
2 4 1 0 5
1 0 0 −1 0
1 0 0 −1 0
0 1 6 1 −1 0 1 6 1 −1
−1 0 5 2 1 −1 0 5 2 1
A matriz quadrada por blocos [Aij ] é uma matriz diagonal por blocos quando os blocos que
não pertencem à diagonal são matrizes nulas.
Notação: Diag(A1 , . . . , Ak ), k ≤ n.
1 0 0
Exemplo 5.3 0 2 3 é uma matriz diagonal por blocos.
0 4 5
5.2.1 Triangulares
4 2 0 0 0 −2
Exemplo 5.4 Seja [T ] = 4 0 2 , α = {(1, −2, −2), (1, 1, 1), (1, 0, 0)} e [T ]α = 0 6 1 .
4 −6 8 0 0 6
2 5 0 0 0 2 0 0 5 0
0 2 0 0 0
0 2 0 0 3
Exemplo 5.6 Considere [T ] =
0 0 4 2 0 e [T ] =
α 0 0 7 0 0 sendo
0 0 3 5 0 0 0 0 2 0
0 0 0 0 7 0 0 0 0 7
{(x, 0, 0, 0, 0), x ∈ R} ≤ {(x, 0, −t, t, 0), x, t ∈ R} ≤ {(x, 0, −t, t, w), x, t, w ∈ R} ≤ {(x, y, −t, t, w), x, y, t, w ∈ R} ≤ R5
a sequência de subespaços e α = {(1, 0, 0, 0, 0), (0, 0, −1, 1, 0), (0, 0, 0, 0, 1), (0, 1, 0, 0, 0), (0, 0, 1, 0, 0)}.
41
Teorema 5.7 (Forma por Blocos) Seja S ≤ V T -invariante. Então existe uma base α
Triangular
A B
de V tal que [T ]α = é uma matriz por blocos sendo A a matriz associada ao operador
0 C
T S : S → S.
2 −1 0 0 2 0 0 1
0 3 −1 0
0 2 −1 0
Exemplo 5.8 Considere [T ] =
0 e [T ]α = ,
1 1 0 0 0 0 0
0 −1 0 3 0 0 1 3
sendo S = {(x, t, t, t), x, t ∈ R} e α = {(1, 0, 0, 0), (0, 1, 1, 1), (0, 0, 1, 0)(0, 0, 0, 1)}.
3 1
1 0 −1 0 2 −2 0 0
3 3
0 1 0 1
e [T ] = 2 2 0 0
Exemplo 5.11 Considere [T ] =
1 α
,
0 2 0 0 0 2 1
0 0 0 1 0 0 −1 0
sendo R4 = {(x, 0, z, 0), x, z ∈ R}⊕{(0, y, 0, t), y, t ∈ R} e α = {(1, 0, 1, 0), (−1, 0, 1, 0), (0, 1, 0, 1)(0, 0, 0, 1)}.
10 0 0 −7 1
0 0 −1 0 0
Exemplo 5.13 Considere [T ] =
0 1 0 0 0 .
13 0 0 −9 1
4 0 0 −3 1
PT (λ) = mT (λ) = λ(λ − 1)2 (λ2 + 1)
R5 = KerT ⊕ Ker(T − I)2 ⊕ Ker(T 2 + I)
42
Ker(T − I)2 = {(x, 0, 0, t, 3x − 2t), x, t ∈ R}
13 0 0 −10 4 14 0 0 −10 4
0 −1 0 0 0
2
0 0 0 0 0
T2
=
0 0 −1 0 0 e T +I =
0 0 0 0 0
17 0 0 −13 5 17 0 0 −12 5
5 0 0 −4 2 5 0 0 −4 3
α = {(2, 0, 0, 3, 1), (1, 0, 0, 0, 3), (0, 0, 0, 1, −2), (0, 1, 0, 0, 0), (0, 0, 1, 0, 0)}
5.2.3 Jordan
0 1 0 ... 0 0
0 0 1 ... 0 0
Considere as matrizes quadradas de ordem r, N = ... , denominada bloco
0 0 0 ... 0 1
0 0 0 ... 0 0
λ 1 0 ... 0 0
0 λ 1 ... 0 0
nilpotente de Jordan, e J(λ) =
... ,
denominada bloco de Jordan
0 0 0 ... λ 1
0 0 0 ... 0 λ
associado ao autovalor λ.
43
Teorema 5.15 (Teorema da Forma Canônica de Jordan) Seja T : V → V um operador linear,
λ1 , . . . , λr autovalores todos distintos, PT (λ) = (λ−λ1 )e1 . . . (λ−λr )er e mT (λ) = (λ−λ1 )d1 . . . (λ−
λr )dr , isto é, com todos os fatores lineares. Então existe uma base α de V tal que [T ]α = Diag(Jij )
sendo Jij = J(λi ), i = 1, . . . , r, um bloco de Jordan com as seguintes propriedades:
1. Existe pelo menos um bloco Jij de ordem di , todos os outros blocos têm ordem menor ou igual
a di .
4. A quantidade dos blocos Jij de uma ordem qualquer possı́vel é unicamente determinada por
T.
Exemplos 5.16
2. Para PT (λ) = (λ − 2)5 e mT (λ) = (λ − 2)2 , as formas de Jordan para o operador são:
2 1 2 1 2 1
Diag , , (2) ou Diag , (2) , (2) , (2) .
0 2 0 2 0 2
5.3 Exercı́cios
2. Definir matriz triangular superior por blocos e também matriz triangular inferior por blocos.
A 0
3. Mostre que det = detAdetB sendo A e B matrizes quadradas.
0 B
6. A−1 = Diag(A−1 −1
1 , . . . , Ar )
7. Ak = Diag(Ak1 , . . . , Akr ), k ≥ 1.
8. A + B = Diag(A1 + B1 , . . . , Ar + Br )
44
9. A · B = Diag(A1 · B1 , . . . , Ar · Br )
14. Dado PT (λ) = (λ − 2)7 (λ − 5)9 escolha um polinômio minimal e indique as formas de Jordan
possı́veis.
45