TEORIA ESPECTRAL PARA OPERADORES AUTO-ADJUNTOS EM

ESPAOS NORMADOS DE DIMENSO FINITA

Roberto A. Prado, Suetnio A. Meira
Departamento de Matemtica, Estatstica e Computao, FCT, UNESP
19.060-900, Presidente Prudente, SP
robertoprado@fct.unesp.br, smeira@fct.unesp.br.
Vanderla R. Bazo
Departamento de Matemtica, Estatstica e Computao, FCT, UNESP
19.060-900, Presidente Prudente, SP
vanderlea88@hotmail.com
Resumo: O objetivo principal deste mini-curso estudarmos alguns resultados da teoria es-
pectral de operadores auto-adjuntos em espaos normados de dimenso nita. Intuitivamente,
podemos dizer que o espectro de um operador linear constitui nos valores em C (corpo dos
nmeros complexos) que esse operador assume. Iniciaremos nossa apresentao com alguns
conceitos bsicos da lgebra Linear que sero importantes para os estudos posteriores, como
as denies de espao vetorial, espao vetorial normado, operadores lineares, matrizes asso-
ciadas a esses operadores em espaos de dimenso nita, e tambm alguns exemplos respeito
dessas denies. Em seguida, faremos um estudo sobre autovalores e autovetores associados
operadores lineares em espaos de dimenso nita, e com isso deniremos o espectro de um
operador linear como sendo o conjunto dos seus autovalores. Veremos tambm a denio
de operadores auto-adjuntos e que esses operadores possuem propriedades especiais, dentre as
quais destaca-se que o espectro de um operador auto-adjunto real e que sua matriz associada
hermitiana. Enm, estudaremos um dos resultados mais relevantes da lgebra Linear, co-
nhecido como "Teorema Espectral para Operadores Auto-Adjuntos", que garante a existncia
de uma base ortonormal formada por autovetores. Como aplicao do Teorema Espectral
estudaremos o Teorema dos Valores Singulares.
Palavras-Chave: Espaos Normados, Operadores Auto-Adjuntos, Teorema Espectral.
1 Espao vetorial
Primeiramente vamos revisar alguns conceitos bsicos da lgebra Linear, que iro facilitar
a compreenso do estudo espectral para operadores auto-adjuntos em espaos normados de
dimenso nita.
Denio 1.1 Sejam \ um conjunto e 1 um corpo. Dizemos que \ um espao vetorial
sobre o corpo 1 se estiverem denidas duas operaes em \ :
adio: (r. ) \ \ r + \ e
multiplicao por escalar: (c. r) 1 \ cr \
e essas operaes devem satisfazer as seguintes condies:
1) (r +) +. = r + ( +.). \r. . . \ ;
2) r + = +r. \r. \ ;
3) Existe 0 \. tal que r + 0 = r. \r \ ;
4) Para todo r \. existe r \. tal que r + (r) = 0;
`1) c(r +) = cr +c. \c 1. \r. \ ;
`2) (c +,)r = cr +,r. \c. , 1. \r. \ ;
`3) (c,)r = (c,r). \c. , 1. \r \ ;
`4) 1r = r. \r \.
Os elementos de um espao vetorial so chamados de vetores.
Exemplo 1.1 O espao R
n
um espao vetorial formado por todas as n-uplas (sequncias)
(r
1
. .... r
n
) onde cada r
i
R.
Exemplo 1.2 O espao C
n
um espao vetorial formado por todas as n-uplas (r
1
. .... r
n
) de
nmeros complexos, tal que r
j
= c
j
+i/
j
onde c
j
e /
j
so valores reais.
Exemplo 1.3 O espao `
mn
(1) das matrizes de ordem :: com os escalares em 1.
Exemplo 1.4 Espao de Funes: Sejam 1 um corpo e A um conjunto no-vazio. Denimos
sobre o conjunto 1
X
= , : A 1 : , funo as seguintes operaes de soma e multipli-
cao por escalar:
(, +q) (t) = , (t) +q (t) . ,. q 1
X
. t A
(c ,) (t) = c, (t) . , 1
X
. c 1. t A
Considere A o intervalo [c. /] em R. O conjunto
C ([c. /] . 1) = , : [c. /] R : , uma funo contnua
denominado o espao das funes contnuas em um intervalo fechado [c. /] .
Exemplo 1.5 Espao |
p
. 1 _ j < . um conjunto formado por todas as sequncias r =
(r
j
)
j2N
, tais que as sequncias :
n
= [r
1
[
p
+[r
2
[
p
+... +[r
n
[
p
convirjam, isto ,
|
p
=
_
r = (r
j
)
j2N
:
1

j=1
[r
j
[
p
<
_
.
Denio 1.2 Seja \ um espao vetorial sobre 1. Um subespao vetorial de \ um subcon-
junto \ \. tal que:
a) 0 \;
b) \c 1. \n. \. cn + \ .
Exemplo 1.6 \ = (r. . .) R
3
: r + = 0 um subespao do R
3
Denio 1.3 Seja \ um espao vetorial sobre 1 e 1 um subconjunto de \. Dizemos que 1
um conjunto gerador de \ (ou que 1 gera \ ) se todo elemento de \ for uma combinao
linear de um nmero nito de elementos de 1.
Denio 1.4 Seja \ um espao vetorial sobre um corpo 1. Dizemos que o conjunto 1 =

1
.
2
. ...
k
\ linearmente independente se
c
1

1
+c
2

2
+... +c
k

k
= 0
implica que c
1
= ... = c
k
= 0. com os c
i
1.
Dizemos que 1 =
1
.
2
. ...
k
\ linearmente dependente se, e somente se, 1 no
linearmente independente.
Denio 1.5 Seja \ um espao vetorial sobre um corpo 1. Dizemos que um subconjunto 1
de \ uma base de \ se 1 for um conjunto gerador de \ e se 1 for linearmente independente.
Denio 1.6 Um espao vetorial \ sobre um corpo 1. tem dimenso nita : quando adimite
uma base 1 =
1
. ....
n
com um nmero nito : de elementos.
Dizemos que o espao vetorial \ tem dimenso innita quando ele no tem dimenso nita,
isto , quando nenhum subconjunto nito de \ uma base.
Exemplo 1.7 Os vetores c
1
= (1. 0. .... 0) . .... c
n
= (0. .... 0. 1) constituem uma base c
1
. .... c
n

de R
n
. chamada base cannica. Logo, R
n
um espao vetorial de dimenso :.
O espao |
p
tem dimenso innita, pois no existe um subconjunto nito e linearmente
independente que gera o espao |
p
.
2 Espao Vetorial Normado
Denio 2.1 Seja 1 o corpo dos nmeros reais R ou o corpo dos nmeros complexos C e
seja \ um espao vetorial sobre 1. Uma norma sobre \ uma funo que associa a cada vetor
n de \ um escalar [[n[[ em R. que satisfaz:
a) [[n[[ _ 0. \n \ ; [[n[[ = 0 somente quando n = 0.
b) [ [cn[ [ = [c[ [[n[[ . \n \. \c 1;
c)[[n +[[ _ [[n[[ +[[[[ ; \n. \.
Um espao vetorial normado um espao vetorial real ou complexo, munido de uma norma
denida sobre esse espao.
Exemplo 2.1 \ = R
n
ou C
n
[[n[[ =
_
n

j=1
[n
j
[
2
_
1=2
sendo n um vetor em R
n
ou C
n
.
Exemplo 2.2 \ = |
p
[[n[[ =
_
1

j=1
[n
j
[
p
_
1=p
sendo n |
p
.
Exemplo 2.3 \ = C [c. /]
[[,[[ =
__
b
a
, (t)
2
dt
_
1=2
onde , C [c. /] .
3 Espao Vetorial com Produto Interno
Denio 3.1 Seja 1 o corpo dos nmeros reais ou corpo dos nmeros complexos e seja \
um espao vetorial sobre 1. Um produto interno sobre \ uma funo que associa a cada par
ordenado de vetores n, em \ um escalar < n. em 1 de maneira que:
a) < n +. n = < n. n + < . n ;
b) < cn. = c < n. ;
c) < . n = < n. , onde a barra indica conjugao complexa;
d) < n. n 0 , se n ,= 0.
Um espao vetorial com produto interno um espao vetorial real ou complexo, munido de
um produto especicado sobre esse espao.
Exemplo 3.1 \ = R
n

1
=(c
1
. c
2
. .... c
n
)

2
=(/
1
. /
2
. .... /
n
)

1
.
2
= c
1
/
1
+c
2
/
2
+... +c
n
/
n
Exemplo 3.2 \ = C
n

1
=(c
1
. c
2
. .... c
n
)

2
=(/
1
. /
2
. .... /
n
)

1
.
2
= c
1
/
1
+c
2
/
2
+... +c
n
/
n
Exemplo 3.3 \ = |
2
n. =
1

j=1
n
j

j
sendo n. |
2
.
Exemplo 3.4 \ = C [c. /]
,. q =
_
b
a
, (t) q (t)dt
onde ,. q C [c. /] .
Proposio 3.1 (Regra do Paralelogramo). Seja \ um espao vetorial com produto interno.
Para todo n. \ , tem-se
[[n +[[
2
+|n |
2
= 2 |n|
2
+ 2 ||
2
Um produto interno sobre \ dene uma norma sobre \ dada por:
|n| =
_
n. n
onde n \.
Logo, todo espao com produto interno um espao normado. Mas, nem todo espao
normado um espao com produto interno.
Notemos que para \ = |
p
. com j ,= 2. no um espao com produto interno, pois, a norma
para |
p
. com j ,= 2. no satisfaz a Regra do Paralelogramo. De fato, seja n = (1. 1. 0. 0. ...) |
p
e = (1. 1. 0. 0. ...) |
p
. temos
[[n[[ =
_
1

j=1
[n
j
[
p
_
1=p
= 2
1=p
[[[[ =
_
1

j=1
[
j
[
p
_
1=p
= 2
1=p
[[n +[[ =
_
1

j=1
[n
j
+
j
[
p
_
1=p
= 2
[[n [[ =
_
1

j=1
[n
j

j
[
p
_
1=p
= 2
Logo,
[[n +[[
2
+|n |
2
= 2
2
+ 2
2
,= 2
2+p
p
+ 2
2+p
p
= 2 |n|
2
+ 2 ||
2
para j ,= 2.
Observao: Um espao real com produto interno e de dimenso nita denominado um
espao euclidiano.
Denio 3.2 Seja \ um espao vetorial com produto interno. Dados dois vetores n, \ ,
dizemos que n ortogonal a , denota-se nl, se e somente se < n. = 0.
O complemento ortogonal de um conjunto no-vazio A \ o conjunto A
?
formado pelos
vetores \ que so ortogonais a todos os vetores r A. Ou seja,
A
?
== . r = 0 para todo r A
Denio 3.3 Se o um conjunto de vetores em \. dizemos que o um conjunto ortogonal se
dois quaisquer vetores distintos em o so ortogonais. Um conjunto ortonormal um conjunto
ortogonal o, com a propriedade adicional de que |n| = 1. para todo n em o.
Exemplo 3.5 A base cannica do R
n
um conjunto ortonormal.
4 Operadores Lineares
Denio 4.1 Seja \ um espao vetorial sobre um corpo 1. Um operador linear 1 : \ \
uma aplicao que associa cada vetor \ um vetor 1 () \. tal que
1 (c +n) = c1 () +1 (n)
para todo n. \ e c 1.
Observao: 1(\ ) denota o espao vetorial dos operadores lineares 1 : \ \ .
Exemplo 4.1 Operador Identidade: 1 : \ \. denido por 1 (n) = n; para todo n \.
Exemplo 4.2 Operador Nulo: 0 : \ \. denido por C(n) = 0; para todo n \.
Exemplo 4.3 1 : R
3
R
3
. 1(r. . .) = (2r. 6 +.. + 6.).
Exemplo 4.4 Operador Integrao: Seja 1 : C [c. /] C [c. /] . denido por
1
u
(t) =
_
t
a
n(r) dr. t [c. /]
para todo n C [c. /] .
Denio 4.2 Seja \ um espao vetorial sobre o corpo 1 e 1 1(\ ) .
a) O conjunto n \ : 1 (n) = 0 chamado ncleo de T e ser denotado por `nc (1) .
b) O conjunto \ : n \ com 1 (n) = chamado de imagem de 1 e ser denotado
por Im(1) .
Proposio 4.1 Seja \ um espao vetorial sobre o corpo 1 e 1 1(\ ) . Ento `nc (1) e
Im(1) so subespaos vetoriais de \.
Seja \ um espao vetorial de dimenso : sobre o corpo 1 e consideremos um operador
linear 1 : \ \. Dadas as bases 1 = n
1
. .... n
n
e 1
0
=
1
. ....
n
de \. cada um dos vetores
1 (n
j
) . , = 1. .... : esto em \ e, consequentemente, podem ser escritos como combinao linear
dos vetores da base 1
0
:
1 (n
j
) =
n

i=1
c
ij

i
. (, = 1. .... :)
onde os c
ij
esto univocamente determinados.
Denio 4.3 A matriz de ordem : sobre 1
1
B
B
0 =
_
_
_
_
c
11
c
12
... c
1n
c
21
c
22
... c
2n
... ... ... ...
c
n1
c
n2
... c
nn
_
_
_
_
que se obm da considerao anterior chamada matriz do operador 1 em relao s bases 1
e 1
0
.
Exemplo 4.5 Determine as matrizes 1
B
0
B
e 1
B
B
0 do operador
1 : R
2
R
2
. 1 (r. ) = (3r 4. r + 5)
nas bases 1 = (1. 0) . (0. 1) e 1
0
= (1. 2) . (2. 3)
5 Autovalores e Autovetores
Considere um operador linear 1 : \ \ , sendo \ um espao vetorial n-dimensional sobre um
corpo 1.
Denio 5.1 Um autovalor ou valor caracterstico de 1 um escalar c em 1 tal que existe
um vetor no-nulo em \ com 1() = c. Se c um autovalor de 1, ento todo tal que
1() = c denominado um autovetor ou vetor caracteristico de 1 associado ao autovalor c.
Observao: O escalar c univocamente determinado por 1 e pois
1 () = c = c
0
= (c c
0
) = 0 = c = c
0
Fixando c. o conjunto \,1 () = c um subespao vetorial de \. de modo que
1 () = c == (1 c1) () = 0 == `nc (1 c1) .
o que signica que o subconjunto que acabamos de denir coincide com o `nc (1 c1) .
Denio 5.2 O subespao introduzido nas consideraes acima chama-se subespao prprio
de c e ser indicado por \ (c) :
\ (c) = \,1 () = c = `nc (1 c1) .
Denio 5.3 Seja \ um espao vetorial de dimenso : e seja 1 1(\ ) . O conjunto o (1)
de todos os autovalores de 1 chamado espectro de 1.
Denio 5.4 Dada uma matriz = (c
ij
) de ordem : (real ou complexa), chama-se polinmio
caracterstico de o seguinte polinmio de grau : :
1
A
(t) = det
_
_
_
_
c
11
t c
12
... c
1n
c
21
c
22
t ... c
2n
... ... ... ...
c
n1
c
n2
... c
nn
t
_
_
_
_
= det ( t1
n
) .
Denio 5.5 Dadas as matrizes e 1. ambas quadradas de ordem :. dizemos que 1
semelhante a . se e somente se, existe uma mariz inversvel `. tambm de ordem :. tal que:
1 = `
1
`.
Proposio 5.1 Matrizes semelhantes tm o mesmo polinmio caracterstico.
Demonstrao: Se as matrizes e 1 so semelhantes, existe uma matriz inversvel ` tal
que 1 = `
1
`. Da
1
B
(t) =det (1 t1
n
) = det
_
`
1
` t1
n
_
=det
_
`
1
` t`
1
1
n
`
_
= det
_
`
1
( t1
n
) `
_
=det
_
`
1
_
det ( t1
n
) det (`) = det ( t1
n
) = 1
A
(t) .
Esta proposio que acabamos de provar torna vlida a seguinte denio:
Denio 5.6 Seja \ um espao vetorial de dimenso : e seja 1 1(\ ) . Chama-se polinmio
caracterstico de 1 o polinmio caracterstico da matriz de 1 em relao a qualquer base de \.
Notao: 1
T
(t) .
Tal denio vlida porque matrizes do mesmo operador so necessariamente matrizes
semelhantes.
Proposio 5.2 Seja \ um espao vetorial de dimenso : e 1 1(\ ) . Ento os autovalores
de 1 so as razes de 1
T
(t) em 1.
Exemplo 5.1 Determine os autovalores e autovetores da matriz:
=
_
5 4
1 2
_
Soluo: Temos que
1
A
(c) = det ( c1) = det
_
5 c 4
1 2 c
_
= (c 1) (c 6)
Logo os autovalores so c
1
= 1 e c
2
= 6.
Para c
1
= 1. temos:
_
4 4
1 1
__
r

_
=
_
0
0
_
_
4r + 4 = 0
r + = 0
Resolvendo o sistema linear acima, temos a auto espao
\ (1) = (. ) : R = [(1. 1)]
Agora, para c
2
= 6. temos:
_
1 4
1 4
__
r

_
=
_
0
0
_
_
r + 4 = 0
r 4 = 0
Resolvendo o sistema linear acima, temos o auto espao
\ (6) = (4. ) : R = [(4. 1)]
Portanto, os autovetores associados ao autovalores c
1
= 1 e c
2
= 6 so respectivamente (1. 1)
e (4. 1) .
Exerccio: Determine os autovalores e autovetores das seguintes matrizes:
1 =
_
_
9 4 4
8 3 4
16 8 7
_
_
C =
_
0 1
1 0
_
6 Diagonalizao de Operadores
Seja \ um espao vetorial de dimenso : e 1 1(\ ) . sendo = 1
B
B
a matriz associada ao
operador 1 na base 1 =
1
. ....
n
. Queremos encontrar a matriz diagonal = (c
ij
), isto ,
c
ij
= 0 se i ,= ,. tal que
=
_
_
_
_
c
1
0 ... 0
0 c
2
... 0
... ... ... ...
0 0 ... c
n
_
_
_
_
.
ou seja, estamos procurando
i
,= 0. i = 1. .... :. que satisfazem
1 (
1
) =c
1

1
1 (
2
) =c
2

2
:
1 (
n
) =c
n

n
.
Teorema 6.1 A autovalores diferentes do mesmo operador correspondem autovetores linear-
mente independentes.
Para demonstrao veja [7] pgina 154.
Corolrio 6.1 Seja \ um espao vetorial de dimenso :. Se um operador linear 1 : \ \
possui : autovalores diferentes ento existe uma base
1
. ....
n
\ em relao qual a
matriz de 1 diagonal.
Demonstrao: Se 1 (
1
) = c
1

1
. .... 1 (
n
) = c
n

n
com os
i
no nulos e os c
i
dois a dois
distintos ento
1
. ....
n
, em virtude do Teorema acima, uma base de \ . A matriz de 1
nesta base
_
_
_
_
c
1
0 ... 0
0 c
2
... 0
... ... ... ...
0 0 ... c
n
_
_
_
_
.
Denio 6.1 Seja \ um espao vetorial de dimenso : e 1 1(\ ) . O operador 1 dito
diagonalizvel se existe uma base de \ formada por autovetores de 1.
Se 1 =
1
. ....
n
for uma base de autovetores de 1 ento:
1
B
B
=
_
_
_
_
c
1
0 ... 0
0 c
2
... 0
... ... ... ...
0 0 ... c
n
_
_
_
_
onde c
1
. c
2
. .... c
n
so os valores prprios de 1. Segue da que
1
T
(t) = det
_
_
_
_
c
1
t 0 ... 0
0 c
2
t ... 0
... ... ... ...
0 0 ... c
n
t
_
_
_
_
= (c
1
t) (c
2
t) ... (c
n
t)
e assim 1
T
(t) se decompe em fatores lineares.
Observao: Os escalares c
1
. c
2
. .... c
n
no so necessariamente distintos dois a dois. Pode
acontecer do polinmio caracterstico de um operador linear 1 se decompor em fatores lineares
da forma c t. sem que 1 seja diagonalizvel.
Exemplo 6.1 Determine se o operador diagonalizvel:
1 : R
3
R
3
. 1 (r. . .) = (2r. 6 +.. + 6.) .
Soluo: Seja =
_
_
2 0 0
0 6 1
0 1 6
_
_
a matriz do operador 1 em relao a base cannica do R
3
.
temos que:
1
A
(c) = det ( c1) = det
_
_
2 c 0 0
0 6 c 1
0 1 6 c
_
_
= (2 c) (5 c) (7 c)
Os autovalores de 1 so c
1
= 2. c
2
= 5 e c
3
= 7. Como os autovalores so todos distintos,
segue pelo Corolrio 6.1 que o operador 1 diagonalizvel.
Exerccio: Determine se os operadores so diagonalizveis:
1 : R
2
R
2
. 1 (r. ) = (r +. )
1 : R
3
R
3
. 1 (r. . .) = (r. . 0)
7 Operadores Auto-Adjuntos
Denio 7.1 Seja \ espao vetorial com produto interno e 1 1(\ ). O operador linear
1

: \ \ denido por
< n. 1

() = < 1(n).
onde n. \ , chamado adjunto de 1.
Exemplo 7.1 Verifque se os operadores abaixo tem adjunto:
1 : R
2
R
2
. 1(r. ) = (r. r +)
1 : R
1
R
1
. 1(r
1
. r
2
. ...) = (0. r
1
. r
2
. ...)
produto interno usual.
Observao: 1)(1

= 1, pois para todo n. \

< 1

(n). = < . 1

(n) = < 1(). n =< n. 1()

2) Se \ tem dimenso nita, 1

existe e nico.
3) Quando 1

existe, ele nico mesmo que di:\ = .

Sejam 1 1(\ ), \ espao com produto interno de dimenso : e 1 =
1
. ....
n
uma base
ortonormal de \ . Vericaremos a seguir que a matriz de (1

)
B
B
igual a transposta conjugada
de 1
B
B
.
1
B
B
= (c
ij
)
1 (
1
) =c
11

1
+... +c
n1

n
.
.
.
1 (
n
) =c
1n

1
+... +c
nn

n
Logo,
1 (
1
) .
1
=c
11

1
+... +c
n1

n
.
1
= c
11
.
.
.
1 (
1
) .
n
=c
11

1
+... +c
n1

n
.
n
= c
n1
da,
1 (
j
) .
i
= c
ij
. i; , = 1. .... :
Agora se (1

)
B
B
= /
ij
. ento
/
ij
= 1

(
j
) .
i
=
i
. 1

(
j
) = 1 (
i
) .
j
= c
ji
Logo,
(1

)
B
B
= (1
t
)
B
B
.
Exemplo 7.2 Seja 1 : R
2
R
2
. 1(r. ) = (r + . 4). Determine (1

)
B
B
, onde 1 a base
cannica de R
2
.
Denio 7.2 Seja 1 1(\ ), \ espao com produto interno sobre o corpo 1 (real ou com-
plexo). Dizemos que 1 auto-adjunto (simtrico ou hermitiano) se 1 = 1

e anti-adjunto
(anti-simtrico ou anti-hermitiano) se 1 = 1

.
Teorema 7.1 Sejam 1 1(\ ), \ espao com produto interno de dimenso : e 1 = (
1
.
2
. ....
n
)
base ortonormal de \ . O operador 1 auto-adjunto se, e somente se, 1
B
B
uma matriz her-
mitiana (no caso real, simtrica).
Demonstrao: Seja 1
B
B
= (c
ij
) . sendo c
ij
= 1 (
j
) .
i
. Como por hiptese 1 auto-
adjunto, ento:
c
ij
= 1 (
j
) .
i
= 1 (
i
) .
j
= c
ji
.
Logo, 1
B
B
= (1
B
B
)
t
. e portanto 1
B
B
uma matriz hermitiana. Agora, supondo que 1
B
B
hermi-
tiana, ou seja, 1
B
B
= (1
B
B
)
t
. temos que:
1 (
j
) .
i
= c
ij
= c
ji
= 1 (
i
) .
j
=
j
. 1 (
i
) .
ou seja, 1 auto-adjunto.
Exemplo 7.3 Verique se os operadores abaixo so auto-adjuntos:
1 : R
2
R
2
. 1 (r. ) = (r +. r 2)
1 : C
2
C
2
. 1 (r. ) = (r + (1 + i) . (1 i) r 3)
Teorema 7.2 Sejam \ espao com produto interno de dimenso : e 1 1(\ ) auto-adjunto.
Ento todo autovalor de 1 real. Alm disso, autovetores associados a autovalores distintos
so dois a dois ortogonais.
Demonstrao: Suponha que c 1 seja um autovalor associado ao ope-rador 1, tal que
1 () = c, \ 0 . Como 1 auto-adjunto, temos que:
c. = c. = 1 () . = . 1 () = . c = c.
Ento
(c c) . = 0 = c = c
Portanto c real.
Mostremos que agora que autovetores associados a autovalores distintos so ortogonais,
suponha que para , 1. n \ 0 . tal que 1 (n) = ,n. , ,= c. ,= n. e como 1
auto-adjunto, temos:
c. n = c. n = 1 () . n = . 1 (n) = . ,n = , . n
ento
(c ,) . n = 0 = . n = 0
Portanto ,n so ortogonais.
8 Teorema Espectral
Um problema importante sobre operadores lineares num espao vetorial de dimenso nita o
de encontrar uma base em relao qual a matriz desse operador seja a mais simples possvel.
Estudaremos nessa seo que se, 1 1(\ ) um operador auto-adjunto num espao vetorial \
de dimenso nita com produto interno, ento existe uma base ortonormal em \. relativamente
qual a matriz de 1 uma matriz diagonal. Este o contedo do Teorema Espectral para
Operadores Auto-Adjuntos.
Comeamos com o caso particular do Teorema Espectral em que o espao tem dimenso 2.
Teorema 8.1 Seja 1 1(\ ) auto-adjunto, sendo \ espao com produto interno de dimenso
2. Ento existe uma base ortonormal n
1
. n
2
\ formada por autovetores de 1.
Demonstrao: Seja . n \ uma base ortonormal arbitrria. Como 1 auto-adjunto,
ento pelo Teorema 7.1, temos que
1 () =c +/n
1 (n) =/ +cn.
Temos que os autovalores de 1 so as razes reais do polinmio caracterstico
1 (c) = c
2
(c +c) c +cc /
2
.
O discriminate desse trinmio = (c +c)
2
4 (cc /
2
) = (c c)
2
+ 4/
2
_ 0.
Se = 0 ento / = 0 e c = c. o que implica que 1 () = c e 1 (n) = cn. logo . n
uma base formada por autovetores de 1. Se 0 ento o trinmio j (c) possui 2 razes
reais distintas c
1
e c
2
. Isto quer dizer que os operadores 1 c
1
1 e 1 c
2
1 so ambos no-
inversveis, logo existem vetores no nulos (que podemos supor unitrios) n
1
. n
2
\ tais que
(1 c
1
1) n
1
= 0 e (1 c
2
1) n
2
= 0. ou seja, 1n
1
= c
1
n
1
e 1n
2
= c
2
n
2
. Pelo Teorema 7.2.
temos que n
1
. n
2
\ uma base ortonormal de autovetores de 1.
Corolrio 8.1 Todo operador auto-adjunto 1 : \ \ , num espao vetorial com produto
interno de dimenso nita, possui um autovetor.
Para a demonstrao veja [7] - pgina 167.
Observao: Em espaos de dimenso innita, o resultado acima pode no valer. Por exemplo:
1 : C ([0. 1] . R) C ([0. 1] . R)
1 (, (r)) = r, (r)
sendo < ,. q =
_
1
0
, (r) q (r) dr. temos que 1 auto-adjunto e 1 no tem autovetores.
Denio 8.1 Seja \ um espao vetorial. Dizemos que um subespao A \ invariante
pelo operador linear 1 : \ \ quando 1 (A) A. isto , quando a imagem 1 () de qualquer
vetor A ainda um vetor em A.
Teorema 8.2 Seja 1 : \ \ um operador auto-adjunto. Se o subespao A \ invariante
por 1. seu complemento ortogonal A
?
tambm .
Demonstrao: Se o subespao A \ invariante por 1.ento seu complemento ortogonal
A
?
invariante pelo operador adjunto 1

: \ \ , pois
_
n A. A
?

= 1 (n) A = n. 1

() = 1 (n) . = 0 == 1

() A
?
logo A
?
invariante por 1

. Como o operador 1 auto-adjunto, conclumos que A

?
invariante
por 1.
Teorema 8.3 (Teorema Espectral) Para todo operador auto-adjunto 1 : \ \ , num espao
vetorial com produto interno de dimenso nita, existe uma base ortonormal n
1
. .... n
n
\
formada por autovetores de 1.
Demonstrao: Usaremos induo na dimenso de \. Se a dimenso de \ 1, o resultado
segue diretamente do Corolrio 8.1. Suponhamos que o Teorema seja verdadeiro em dimenso
:1. e mostremos que esse resultado vlido em dimenso :. Pelo Corolrio 8.1, existe um au-
tovetor unitrio n
n
. portanto um subespao A = `n
n
: ` 1 \. de dimenso 1. invariante
por 1. Pelo Teorema 8.2, o complemento ortogonal A
?
tambm invariante por 1. Como a di-
menso de A
?
:1. pois dimenso de \ = dimenso de A + dimenso de A
?
(veja [7] pag.
143), a hiptese de induo assegura a existncia de uma base ortonormal n
1
. .... n
n1
A
?
formada por autovetores da restrio 1 : A
?
A
?
. Segue-se que n
1
. .... n
n1
. n
n
\ uma
base ortonormal formada por autovetores de 1.
Observao: Vale a recproca do Teorema Espectral: De fato, se existe uma base ortonormal
n
1
. .... n
n
\ formada por autovetores do operador 1 : \ \ ento este operador
auto-adjunto. Com efeito, para quaisquer i. , = 1. .... :. tem-se
1 (n
i
) . n
j
= c
i
n
i
. n
j
= c
i
o
ij
= c
j
o
ij
= n
i
. c
j
n
j
= n
i
. 1 (n
j
)
e da resulta que 1 (n) . = n. 1 () para quaisquer n. \.
Corolrio 8.2 Seja uma matriz : : matriz hermitiana (auto-adjunta). Ento existe uma
matriz unitria 1 (1

= 1
1
) tal que 1

1 seja diagonal. Se uma matriz simtrica real,

existe uma mariz ortogonal real 1 tal que, 1
t
1 seja diagonal.
Exemplo 8.1 Determine uma base ortonormal para o operador:
1 : R
3
R
3
. 1 (r. . .) = (2r. 6 +.. + 6.) .
Soluo: Seja =
_
_
2 0 0
0 6 1
0 1 6
_
_
a matriz do operador 1 em relao a base cannica do R
3
.
temos que:
1
A
(c) = det ( c1) = det
_
_
2 c 0 0
0 6 c 1
0 1 6 c
_
_
= (2 c) (5 c) (7 c)
Os autovalores de 1 so c
1
= 2. c
2
= 5 e c
3
= 7.
Para c
1
= 2. temos:
_
_
0 0 0
0 8 1
0 1 8
_
_
_
_
r

.
_
_
=
_
_
0
0
0
_
_
_
8 +. = 0
+ 8. = 0
Resolvendo o sistema linear acima, temos o auto espao
\ (2) = (r. 0. 0) : r R = [(1. 0. 0)]
Para c
2
= 5. temos:
_
_
7 0 0
0 1 1
0 1 1
_
_
_
_
r

.
_
_
=
_
_
0
0
0
_
_
_
7r = 0
+. = 0
Resolvendo o sistema linear acima, temos o auto espao
\ (5) = (0. . ) : R = [(0. 1. 1)]
Para c
3
= 7. temos:
_
_
9 0 0
0 1 1
0 1 1
_
_
_
_
r

.
_
_
=
_
_
0
0
0
_
_
_
_
_
9r = 0
+. = 0
. = 0
Resolvendo o sistema linear acima, temos o auto espao
\ (7) = (0. . ) : R = [(0. 1. 1)]
Desse modo, temos que o conjunto 1 = (1. 0. 0) . (0. 1. 1) . (0. 1. 1) uma base ortogo-
nal, logo 1
0
=
_
(1. 0. 0) .
_
0. 1,
_
2. 1,
_
2
_
.
_
0. 1,
_
2. 1,
_
2
__
uma base ortonormal para o
operador 1.
Exerccio: Determine uma base ortonormal para o operador:
1 : R
3
R
3
. 1 (r. . .) = (r 2. 2r +. .) .
Proposio 8.1 Seja 1 : l \ uma transformao linear entre os espaos l e \ de dimen-
so nita munidos de um produto interno. Os operadores 1

1 : l l e 11

: \ \ so
auto-adjuntos.
Demonstrao: De fato, pois
(1

1)

=1

= 1

1
(11

=1

= 11

Vejamos a seguir uma aplicao interessante do Teorema Espectral.

Teorema 8.4 (Teorema dos Valores Singulares) Seja 1 : l \ uma transformao linear de
posto : (dimenso da 1:1 = :) entre espaos de dimenso nita com produto interno. Existem
bases ortonormais n
1
. .... n
n
l e
1
. ....
m
\ tais que 1n
i
= o
i

i
e 1

i
= o
i
n
i
, onde
o
i
0. para i = 1. .... : e o
i
= 0 para i _ : + 1.
Observao: 1) Seja = 1
U
V
`
mn
; temos que

auto-adjunta e seus autovalores c

so todos reais (em particular so positivos ou nulos)
c
1
_ c
2
_ ... _ c
n
_ 0.
2) Como

auto-adjunta, pelo Teorema Espectral existe uma base ortonormal

1
. ....
n

onde
i
o autovetor correspondente ao autovalor c
i
.
3) Seja Q = (
1
. ....
n
); Q unitria e

Q = Q1
onde 1 uma matriz diagonal com os autovalores de

na diagonal principal.
4) c
i
_ 0 e o
i
=
_
c
i
_ 0.
5) Seja : _ : tal que o
1
o
2
... o
n
0 e o
r+1
= ... = o
n
= 0.
6) Para i = 1. .... :, os vetores j
i
=
1

i
formam um conjunto ortonormal.
7) Pode-se completar j
1
. .... j
r
de modo a obter uma base ortonormal j
1
. .... j
r
. j
r+1
. .... j
m
.
8) A matriz 1 = (j
1
. .... j
r
. j
r+1
. .... j
m
) . de ordem :. unitria e
Q = 1G
onde G
mn
possui os : primeiros elementos da diagonal principal como sendo o
1
. .... o
r
e os
outros elementos so nulos.
9) A decomposio
= 1GQ

recebe o nome de decomposio de em valores singulares e o

1
. .... o
r
so os valores singulares
de .
10)

Q = QG

G, sendo as colunas de Q os autovetores de

1 = 1GG

, sendo
as colunas de 1 os autovetores de

. So autovetores correspondentes aos autovalores o

2
i
.
Exemplo 8.2 Determine a Decomposio em Valores Singulares da matriz
=
_
1 1 2
1 1 2
_
.
Soluo:

t
=
_
_
1 1
1 1
2 2
_
_
_
1 1 2
1 1 2
_
=
_
_
2 2 0
2 2 0
0 0 8
_
_
det
_

t
c1
_
= det
_
_
2 c 2 0
2 2 c 0
0 0 8 c
_
_
= (8 c) (4 c) c
Os autovalores de

so c
1
= 8. c
2
= 4 e c
3
= 0. Os autovetores associados so respectiva-
mente:
\ (8) =(0. 0. .) : . R = [(0. 0. 1)]
\ (4) =(r. r. 0) : r R = [(1. 1. 0)]
\ (0) =(r. r. 0) : r R = [(1. 1. 0)]
Temos uma base ortogonal 1 = (0. 0. 1) . (1. 1. 0) . (1. 1. 0) . logo temos uma base ortonormal

1
.
2
.
3
=
_
(0. 0. 1) .
_
1,
_
2. 1,
_
2. 0
_
.
_
1,
_
2. 1,
_
2. 0
__
. sendo a matriz unitria
Q =
_
_
0 1,
_
2 1,
_
2
0 1,
_
2 1,
_
2
1 0 0
_
_
.
Os valores singulares de so o
1
=
_
8 = 2
_
2 e o
2
=
_
4 = 2. Temos os vetores
j
1
=
1
o
1

1
=
1
2
_
2
_
1 1 2
1 1 2
_
_
_
0
0
1
_
_
=
_
1,
_
2
1,
_
2
_
j
2
=
1
o
2

2
=
1
2
_
1 1 2
1 1 2
_
_
_
1,
_
2
1,
_
2
0
_
_
=
_
1,
_
2
1,
_
2
_
sendo a matriz unitria
1 =
_
1,
_
2 1,
_
2
1,
_
2 1,
_
2
_
onde a matriz G =
_
2
_
2 0 0
0 2 0
_
satisfaz
= 1GQ
t
=
_
1,
_
2 1,
_
2
1,
_
2 1,
_
2
__
2
_
2 0 0
0 2 0
_
_
_
0 0 1
1,
_
2 1,
_
2 0
1,
_
2 1,
_
2 0
_
_
.
Exerccio: Determine a Decomposio em Valores Singulares da matriz
=
_
_
1 1
1 0
0 1
_
_
.
Referncias:
[1] Botta, V. A. Notas de Aula - lgebra Linear Aplicada. DMEC. Faculdade de Ciencias
e Tecnologia da Unesp. Campus de Presidete Prudente.
[2] Callioli, C. A. ; Domingues, H. H. e Costa, R. C. F. lgebra Linear e Aplicaes. Sexta
Edio. So Paulo. Atual Editora, 2003.
[3] Coelho, F. U.Loureno, M.L. Um Curso de lgebra Linear. Segunda Edio, So Paulo,
2007.
[4] Homan, K. e Kunze R. lgebra Linear. Primeira Edia. So Paulo.Editora da
USP,1971.
[5] Kreyszig, E.: Introductory Functional Analysis with Application, Editora John Wiley &
Sons, New York, 1978.
[6] Leon, S.J. lgebra Linear com Aplicaes. Quarta Edio.Rio de Janeiro Editora LTC,
1998.
[7] Lima, E. L. lgebra Linear. Terceira Edio. Rio de Janeiro. Instituto de Matemtica
Pura e Aplicada, CNPq, Coleo Matemtica Universitria, 1998.