Вы находитесь на странице: 1из 219

Augusto Armando de Castro Jnior (UFBA)

Aplicaes de Anlise a lgebra Linear

Florianpolis, SC

2014
Augusto Armando de Castro Jnior (UFBA)

Aplicaes de Anlise a lgebra Linear

Minicurso apresentado no IIIo


Colquio de Matemtica da Re-
gio Sul, realizado na Universi-
dade Federal de Santa Catarina,
em maio de 2014.

Florianpolis, SC
2014
Resumo
No presente livro, estudamos o espectro de operadores em di-
menso finita e seus espaos invariantes associados. Mais pre-
cisamente, explicamos as tcnicas para calcular os autovalores
e os respectivos autoespaos de um operador em dimenso fi-
nita. Como um subproduto natural, desenvolvemos tcnicas de
Anlise precisas e estveis para calcular razes de polinmios.
Palavras-chaves: Clculo de Autovalores e Autoespaos; Cl-
culo de Razes de polinmios; Anlise Complexa; Operadores
com Autovalores Dominantes.
Lista de ilustraes

Figura 1 Teorema de Cauchy-Goursat em regio trian-


gular . . . . . . . . . . . . . . . . . . . . . . . 70
Figura 2 Frmula Integral de Cauchy . . . . . . . . . . 73
Figura 3 Srie de Laurent . . . . . . . . . . . . . . . . 77
Figura 4 Resduos . . . . . . . . . . . . . . . . . . . . 80
Figura 5 Teorema dos Resduos . . . . . . . . . . . . . 81
Figura 6 Execuo do programa de Clculo de Razes. 114
Figura 7 Execuo de programa de Clculo de Projees145
Figura 8 Mtrica Projetiva- Funo . . . . . . . . . 150
Figura 9 Mtrica Projetiva- Funo . . . . . . . . . 151
Figura 10 Clculo de Autovalores Dominantes. . . . . . 167
Figura 11 Execuo do programa domincoloq. . . . . . . 168
Figura 12 Execuo com matriz 4 por 4. . . . . . . . . . 169
Sumrio

Introduo . . . . . . . . . . . . . . . . . . . 1
1 Uma viso de lgebra Linear via Funes de
Operadores . . . . . . . . . . . . . . . . . . . 9
1.1 Avaliando polinmios em matrizes . . . . . . . 30
1.2 Exerccios . . . . . . . . . . . . . . . . . . . . 33

2 Funes Analticas . . . . . . . . . . . . . . 35
2.1 Sequncias e sries em Espaos de Banach . . 37
2.2 O Espao Normado das Aplicaes Lineares
Contnuas . . . . . . . . . . . . . . . . . . . . 52
2.3 Integrao de Caminhos em Espaos Vetoriais 60
2.4 A Teoria de Cauchy-Goursat . . . . . . . . . . 68
2.5 Resduos . . . . . . . . . . . . . . . . . . . . . 78
2.6 Programa de Clculo de razes de polinmios . 84
2.7 Exerccios . . . . . . . . . . . . . . . . . . . . 113
3 Funes de Operador . . . . . . . . . . . . . 117
3.1 Funes analticas de operadores . . . . . . . . 117
3.2 Noes Bsicas de Teoria Espectral . . . . . . 124
3.3 Programa de Clculo de projees espectrais . 131
3.4 Exerccios . . . . . . . . . . . . . . . . . . . . 146
4 Operadores com autovalores dominantes . . 147
4.1 Calculando autovalores dominantes e seus au-
toespaos . . . . . . . . . . . . . . . . . . . . . 148
4.2 Cones e Mtricas Projetivas . . . . . . . . . . 149
4.3 Programa de Clculo de Autovalores Dominan-
tes de Operadores Positivos . . . . . . . . . . 160
4.4 Exerccios . . . . . . . . . . . . . . . . . . . . 166

5 O Operador Adjunto . . . . . . . . . . . . . 171


5.1 Aplicao: generalizando o Teorema de von Neu-
mann . . . . . . . . . . . . . . . . . . . . . . . 187
5.2 Exerccios . . . . . . . . . . . . . . . . . . . . 195

Concluso . . . . . . . . . . . . . . . . . . . 197

Referncias . . . . . . . . . . . . . . . . . . . 199
7

Prefcio

Quanta Matemtica necessria para uma revoluo


tecnolgica? As recentes e populares tecnologias de Internet, ce-
lular, diagnstico por imagem tm demonstrado que a grande
revoluo pela miniaturizao eletrnica j to de domnio p-
blico hoje em pases ascendentes como o ao ou a eletricidade
h 4 dcadas. Ou seja, que hoje, so as idias (Matemticas),
quem faz a diferena nas novas tecnologias, pois, a eletrnica
para implement-las, todos tm o potencial de construir.

Vejamos os nossos exemplos. Tanto a ressonncia Mag-


ntica como a Tomografia Computadorizada tm por base a
transformada de Radon, teoria matemtica estabelecida nas trs
primeiras dcadas do sculo passado. O celular seria impossvel
sem a teoria de Wavelets que nada mais que uma melhoria
computacional da transformada de Fourier do incio do sculo
XIX. A idia por trs de transformada de Fourier bastante
simples, a decomposio de vetores com respeito a uma base or-
tonormal. Vale ressaltar que a Finlndia, via Nokia, dominou
inicialmente o mercado de celulares justamente por ter investido
precocemente no estudo de tcnicas de compactao e controle
de erros de dados via Wavelets, ao primeiro sinal de que tal tec-
nologia iria se tornar popular no futuro. Sim, pesquisa em teoria
Matemtica e Computacional, no em eletrnica.

Finalmente, todos diariamente fazemos buscas com o


veloz buscador da Google. mais rpido buscar um contedo na
Internet que no prprio computador, hoje em dia. Poucos sabem
8 SUMRIO

que isto porque, no mago deste programa, jaz uma verso para
Matrizes Positivas do Teorema do Ponto Fixo de contraes. Tal
verso o famoso teorema de Perron. Brin, um dos fundadores
do Google e um dos pais desse motor de busca, matemtico
e filho de um eminente pesquisador em Teoria Ergdica, e usou
desse Teorema, da primeira dcada do sculo XX, cujo algoritmo
exponencialmente rpido, conforme a teoria e qualquer cidado
consegue ver. Enfim, a vida inteligente adentrou a Internet de
modo a viabiliz-la.

Voltando nossa pergunta inicial, os pargrafos ante-


riores nos do algumas pistas para respond-la. Certamente a
Matemtica de que precisamos hoje vai bem alm da Matem-
tica dos mesopotmios e egpcios, ou daquela que muitos usamos
para conferir o troco no nibus e que a maioria dos educadores
matemticos crem ser a grande matemtica presente no dia-a-
dia. Certamente, uma Matemtica que vai alm dos cursos de
lgebra Linear que muitos estudantes em Engenharia ficam a se
perguntar ingenuamente para que servem. Mas esta, da lgebra
Linear, j se encontra a meio caminho da Matemtica com que
convivemos no mundo moderno. Em lgebra Linear, grandes
idias j esto presentes, embora nem sempre sejam enfatizadas
como deveriam. Por exemplo, o Teorema de Perron nos diz que
matrizes com todas as entradas positivas tem um autoespao de
dimenso um (uma reta) que, a menos de uma normalizao,
atrai todos os pontos do espao, quando iteramos a matriz. Ou
seja, um teorema sobre Clculo de autovalores e autovetores
de uma matriz com todas as entradas positivas. Algo simples,
mas a Google est a para acabar com todo o palavrrio sobre a
inutilidade da Matemtica ou da lgebra Linear.
SUMRIO 9

O presente escrito objetiva prover tcnicas para clculos


de autovalores e autoespaos de um operador linear em dimen-
so finita. Como sabemos, autovalores e autovetores permitem
entender como um operador linear em dimenso finita atua alge-
brica e geometricamente sobre o espao. O estudo de operadores
lineares de importncia transcendente para a Anlise e a Ma-
temtica como um todo. No apenas porque a derivada de uma
funo avaliada em um ponto uma aplicao linear, mas tam-
bm porque linear (porm, atuando em dimenso infinita) o
operador que a cada funo derivvel associa a sua funo deri-
vada.

Dedicamos o primeiro captulo a uma reviso da lgebra


Linear e o estudo de operadores em dimenso finita, motivando
com exemplos o uso da avaliao de polinmios em matrizes
para clculo de autoespaos e autovalores. Tais homomorfismos
de avaliao e sua utilidade motivam a questo de estend-los
a uma classe maior de funes, digamos, analticas. Para tal, os
argumentos algbricos so insuficientes.

Iniciamos o segundo captulo com a Anlise real e Com-


plexa necessria ao estudo do Espectro e funes de Operadores.
De fato, adaptamos facilmente tais teorias para funes holo-
morfas tomando valores em espaos de operadores, em vez de
em C, como se v em disciplinas finais de graduao. Como um
subproduto da teoria, apresentamos um programa para encon-
trar as razes de um polinmio em uma dada regio do plano
complexo.

Munidos dessa Teoria de Cauchy-Goursat adaptada a


espaos de operadores, desenvolvemos no terceiro captulo do
livro a teoria de funes de Operadores e provamos o que costu-
10 SUMRIO

mamos chamar de proto-verses dos teoremas de Decomposio


do Espectro, os teoremas de Clculo Funcional e Mapeamento
Espectral. As consequncias so profundas. Por um lado, o raio
espectral nos permite obter cotas para a norma de iterados gran-
des do operador. So definidas as componentes espectrais, e de-
monstrada a existncia de espaos invariantes associados as mes-
mas. Via Teoria Cauchy-Goursat, obtemos mtodos de calcular
projees associadas a espaos invariantes pelo operador.

Na penltima seo do captulo, apresentamos um pro-


grama em linguagem C que uma aplicao surpreendente da
teoria vista: permite calcular um autoespao generalizado de um
autovalor, sem que conheamos com preciso este autovalor. Um
legado longnquo do Teorema Fundamental do Clculo de New-
ton...

No quarto captulo, estudamos operadores em que exista


um autovalor cujo mdulo estritamente maior que todos os ou-
tros. Apresentamos tcnicas eficientes para calcular tal autovalor
e seu autoespao associado. O caso de operadores com todas as
entradas positivas abordado em pormenor, com tcnicas es-
pecficas. Este o caso explorado pelo programa de busca da
Google na Internet.

No ltimo captulo, estudamos o adjunto de um opera-


dor e as informaes que traz para o estudo do operador primal.
O celebrado Teorema Ergdico de Von Neumann provado aqui
em uma verso bem mais geral que a original.

Ao final, no respondemos nossa questo. A Matem-


tica da segunda metade do sculo passado, e do atual, tem em-
basado as teorias fsicas que levam ao desenvolvimento do Com-
putador Quntico e do Reator de Fuso Nuclear. Enfim, com o
SUMRIO 11

presente texto, apenas cobrimos uma pequena parte, porm bela


e interessante, da Matemtica de que precisamos.
Agradecimentos

Gostaria de agradecer ao Comit Organizador do 3o.


Colquio de Matemtica da Regio Sul, pela imensa ateno
no processo de submisso e feitura deste livro, o qual resul-
tou em um texto de estilo bem adequado a iniciantes, inclusive
com exemplos e aplicaes computacionais. Quanto a isso, so-
mos tambm reconhecidos UFBA e a oportunidade que nos
tem dado de ministrar o curso de Teoria Espectral no douto-
rado, assunto sobre o qual ora conclumos um livro avanado.
Com os colegas e amigos da UFBA, tivemos conversaes fru-
tferas sobre os assuntos aqui apresentados, especialmente com
Paulo Varandas e Samuel Barbosa. Sou mais que grato pela aco-
lhida carinhosa em seu lar e apoio de minha querida Elis de
Oliveira e seu filho Matheus durante o carnaval de 2014, quando
este livro foi concludo.

Ressalto ainda a influncia de meus professores Marcelo


Viana e o saudoso Carlos Isnard, que certamente se agradaria
muito deste texto. Finalmente, registro minha gratido para com
o professor Elon Lages Lima, em cujos bem escritos livros de
Anlise, sempre nos inspiramos na criao de mais literatura
matemtica de alto nvel em lngua portuguesa.

Augusto Armando de Castro Jnior

Universidade Federal da Bahia


Salvador, 06 de maro de 2014.
14 SUMRIO
1

Introduo

Calculando Autovalores e Autoespaos

Comecemos com E a ser um espao vetorial complexo


de dimenso finita e A : E E um operador linear contnuo.
Nesse contexto inicial, o espectro de A (denotado por sp(A))
simplesmente o conjunto dos C tais que (I A) no possui
inversa, onde I : E E designa a identidade. Ou seja, nesse
caso de dimenso finita o espectro apenas o conjunto dos au-
tovalores de A. Dos cursos de lgebra linear, sabemos que tais
autovalores possuem associados a si, espaos invariantes por A,
os quais permitem descrever de modo simplificado a geometria
da ao do operador no espao. A exigncia do espao ser com-
plexo, primordialmente para garantir que o operador possua
autovalores.

Consideremos assim o seguinte exemplo em que a matriz


e todos os autovalores so reais. Seja A : R2 R2 o operador
linear dado por
! !
3 1 x
A(x, y) := .
0 1/2 y

O modo costumeiro como se calcula o espectro e os respectivos


espaos invariantes associados compe-se de duas partes. Pri-
meiro, calculamos os autovalores da matriz. Para isso, precisa-
mos saber para que valores C, I A deixa de ser injetiva,
2 Introduo

ou seja, seu determinante zero. Temos portanto:

det(I A) = 0 ( 3)( 1/2) = 0,

ou seja, os autovalores de A so justamente as razes do po-


linmio det(I A), ou polinmio caracterstico de A. Aqui, j
notamos a primeira grande dificuldade: autovalores de uma ma-
triz so as razes de polinmios de mesmo grau que a dimenso
do espao em que atua a matriz. Ora, sabemos que a partir do
grau 4, h polinmios cujas razes no podem ser expressa por
meio de radicais (ou seja, h equaes polinomiais impossveis de
serem resolvidas por qualquer mtodo algbrico). Como estamos
em um exemplo em dimeso 2, a equao do segundo grau e
temos sp(A) = {3, 1/2}. Note que associados aos elementos de
sp(A), sabemos do curso de lgebra linear que temos dois es-
paos invariantes por A. Nestes espaos, A age respectivamente
como o produto pelos escalares 3 e 1/2. Como isolar, por exemplo
o espao associado a 1/2? Lembremos como fazemos isso ainda
do modo usual em um curso de lgebra linear, digamos, para
o autoespao associado a = 1/2. Didaticamente dividiremos o
procedimento em trs fases:

1. Qualquer autovetor v de um autovalor simplesmente


um elemento de ker(I A), ou seja, soluo da equao
linear (com infinitas solues), (I A)v = 0, cujo con-
junto soluo um espao vetorial no trivial, o autoespao
associado a . Encontrar a soluo completa desta equa-
o, por conseguinte, encontrar uma base para o espao
ker(I A), o que corresponde a encontrar um conjunto li-
nearmente independente de tamanho mximo de solues
para a dita equao. No exemplo em questo, portanto,
3

temos a equao:
! ! !
5/2 1 x 0
(1/2I A)v = 0 = .
0 0 y 0

2. O prximo passo, claro, aplicar o escalonamento Gaussi-


ano a matriz de I A. Note que, como o exemplo sim-
ples, a matriz acima j est escalonada (caso no estivesse,
aplicaramos o mtodo Gaussiano de escalonamento).

3. Contamos o nmero de linhas nulas advindas do esca-


lonamento Gaussiano. Elas correspondem dimenso do
ker(I A). Partimos de cima at baixo na diagonal, ob-
servando que posies so no nulas: correspondem a va-
riveis dependentes, no livres, cujo valor ser calculado
em funo das livres. No caso, na primeira linha, o coefi-
ciente de x 5/2, logo, seu valor ser determinado pelas
variveis livres. Como a ltima linha identicamente nula,
segue-se que a ltima varivel, y, que temos uma varivel
livre.

4. Precisamos resolver a equao (I A)(v) = 0 tantas ve-


zes quanto forem o nmero de variveis livres, e a cada
vez, atribuindo valores diferentes a essas variveis com os
quais determinamos o valor das variveis dependentes, de
forma a que os vetores soluo achados sejam linearmente
independentes entre si. Como temos apenas uma varivel
livre y, arbitramos a ela o valor de 1. (Se estivssemos em
dimenso mais alta, e tivessmos, digamos, por exemplo,
duas variveis independentes y e z, arbitraramos valores
l.i.s, ao par, digamos, primeiro, (y, z) = (1, 0), e resolve-
ramos a equao uma vez, obtendo um vetor soluo, e
4 Introduo

depois, atribuiramos (y, z) = (0, 1), obtendo o outro vetor


soluo linearmente independente com o primeiro.) Temos
ento:
! ! !
5/2 1 x 0
= . x = 2/5.
0 0 1 0

Portanto, !
2/5
v=
1
um autovetor gerador do autoespao associado ao auto-
valor 1/2.

Vejamos agora uma outra tcnica, ainda algbrica, para


encontrarmos autoespaos. Usaremos o mesmo exemplo, e os au-
tovalores calculados, em uma abordagem alternativa muito est-
tica de lgebra linear.
(x3)
Veja que interessante: considerando o polinmio 1/23 x
avaliado em A, obtemos (usando do isomorfismo que h entre
aplicaes lineares e matrizes na base cannica):
! ! !
0 2/5 3 1 0 1/5
= .
0 1 0 1/2 0 1/2

(x3)
Note que o polinmio 1/23 zera em x = 3 e 1 em 1/2. Sua
avaliao em A nos d a matriz
!
0 2/5
1/2 := ,
0 1

chamada projeo espectral. Ela de fato uma projeo so-


bre o espao associado ao autovalor 1/2 (j tinhamos visto que
(2/5, 1) autovetor associado a 1/2 - escrevemos o vetor como
5

linha por comodidade de edio). Para vermos que ela uma


projeo basta observar que
! ! !
2 0 2/5 0 2/5 0 2/5
1/2 = = = 1/2 .
0 1 0 1 0 1

Como 1/2 obtida via avaliao de um polinmio em


A (a identidade o mesmo que A0 ), ela comuta com A. Desta
comutatividade, segue-se que

1/2 (R2 ) 1/2 (A(R2 )) = A(1/2 (R2 )),

ou seja, que A(1/2 (R2 )) (R2 ), que o mesmo que dizer


que a imagem 1/2 (R2 ) := E(1/2) um espao invariante por
A. Em captulos mais adiante (e de modo muito geral), veremos
como consequncia que sp(A|E(1/2) ) realmente igual a {1/2}.

Em resumo: se o espectro puder ser particionado em


componentes abertas e fechadas nele mesmo (as chamadas com-
ponentes espectrais), cada uma dessas componentes possui asso-
ciada a si um subespao invariante pelo operador, o qual pode
ser calculado avaliando-se o operador em uma funo que um
nela, e zero nas demais componentes (alm de ter suas deriva-
das at certa ordem tambm nulas, como veremos nos prximos
captulos).

Veremos ainda que a restrio do operador a um desses


subespaos tem seu comportamento assinttico grandemente go-
vernado pelo supremos dos valores absolutos dos nmeros cons-
tantes na componente associada.

Quando se considera um operador linear A atuando em


espaos de dimenso infinita, o espectro (cuja definio difere
da anterior s por exigir a continuidade das inversas envolvidas,
6 Introduo

condio automtica quando a dimenso finita) no consiste


geralmente em um nmero finito de pontos. Assim precisamos
considerar a avaliao de A em funes mais complicadas que po-
linmios, que zerem em todas as componentes espectrais menos
naquela que estejamos interessados. Para tal, precisamos ava-
liar A em funes holomorfas cujo domnio seja desconexo. O
que possvel adaptando a teoria de Anlise Complexa de Cau-
chy para o contexto de aplicaes com domnio em um aberto
em C e tomando valores em espaos de Banach. Essa adaptao
tem aplicaes muito interessantes, mesmo se retornarmos nosso
foco para a dimenso finita. Tomando de uma funo holomorfa,
mas com domnio desconexo, que seja 1 em uma vizinhana
de um certo autovalor 1 , e 0 em uma vizinhana dos demais,
a avaliao dessa funo na matriz A, da mesma forma como
no exemplo acima, nos d a projeo associada ao autoespao
(a bem da verdade, o autoespao generalizado!) de 1 . Ora, no
necessrio conhecer precisamente um autovalor, basta conhecer
uma vizinhana que o isole dos demais, para definir tal funo.
Ento conseguimos calcular com preciso seu autoespao conhe-
cendo com uma tosca aproximao o autovalor! Isso tambm
permite uma outra aplicao interessante, um mtodo de achar
razes de polinmios em C, pois uma vez calculado o autoespao,
imediato calcular o autovalor, e sabemos que autovalores so
razes do chamado polinmio caracterstico associado a matriz.
Dessa forma, dado um polnmio, este possui associado a si uma
matriz companheira, da qual ele o polinmio caracterstico, suas
razes so os autovalores desta matriz, os quais calculamos de
maneira fcil aps calcularmos seus correspondentes autoespa-
os. Em resumo, temos tcnicas analticas que no s permitem
calcular autoespaos sem conhecer com preciso os respectivos
7

autovalores, como adicionalmente permitem resolver o problema


de achar com preciso a raiz de qualquer polinmio, problema
este que a princpio parecia ser um obstculo, a teoria de simpli-
ficao de operadores, mas que acaba sendo resolvido por esta
mesma teoria, junto com a Anlise Complexa,

So aplicaes que unem de uma forma bastante original


duas reas distintas da Matemtica, a lgebra Linear e a Anlise
Complexa, e trazem em si o sabor que convidamos o leitor a
conhecer nas prximas pginas. Entretanto, no so as nicas
tcnicas que pretendemos expor. No caso em que o operador
possui um autovalor dominante, isto , com mdulo estritamente
maior que qualquer outro, existe um cone em torno de seu espao
invariante que jogando estritamente dentro de si mesmo. Todo
iterado de vetor dentro deste cone, suficientemente grande, se
aproxima do autoespao generalizado do autovalor dominante.
Isso nos d, neste caso especfico, uma forma de calcular um
autoespao, e seu autovalor. Como subproduto, tambm nos d
uma forma de calcular razes de polinmios.
9

1 Uma viso de lgebra Linear


via Funes de Operadores

Neste captulo relembramos muitos dos resultados so-


bre as representaes matriciais mais simples que podemos obter
para operadores lineares em dimenso finita. Como sabemos, tais
resultados so o objetivo principal dos bons cursos de lgebra
Linear. Mais precisamente, dado um operador linear A : E E
definido em um espao vetorial de dimenso finita, gostaramos
que fosse sempre possvel encontrar uma base no Espao E na
qual A tivesse uma representao matricial como matriz diago-
nal. Ora, escrever um operador A como uma matriz diagonal
aplicada aos vetores de E, quer dizer simplesmente que existe
uma decomposio E := E1 Es de E, em que a restrio
de A a cada Ej , j = 1, . . . , s um mltiplo da identidade. Isso,
em geral, no verdade, como mostram os prximos exemplos
em E = R2 :

Exemplo 1.1. Seja A : R2 R2 dada por


! !
2 1 x
A(x, y) := .
0 2 y

Um clculo simples nos d que se A(x, y) = (x, y), ento


necessariamente = 2 e (x, y) um mltiplo de (1, 0). Ou seja,
o nico espao restrito ao qual A se comporta como mltiplo
a reta gerada por (1, 0), o que insuficiente para termos uma
decomposio de R2 do tipo que falamos no pargrafo anterior.
10 Captulo 1. Uma viso de lgebra Linear via Funes de Operadores

Exemplo 1.2. Seja A : R2 R2 dada por


! !
2 1 x
A(x, y) := .
1 2 y

Essa aplicao corresponde a composio de uma rotao (de


ngulo maior que zero e menor que /2) com um mltiplo da
identidade. Logo, com clculos anlogos ao do exemplo anterior,
fcil provar A no um mltiplo da identidade, se restrita a
qualquer subespao no trivial de R2 .

Lembramos aqui o elementar Teorema da dimenso do


Ncleo e da Imagem:

Teorema 1.3. (Dimenso do Ncleo e da Imagem.) Seja


A : E V uma aplicao linear entre espaos vetoriais quais-
quer E, V . Ento a dimenso do Ncleo ker(A) de A, somada
dimenso da Imagem A(E) de A, igual a dimenso de E.

Prova: Seja E E um espao complementar a ker(A)


em E, isto , um espao tal que ker(A) E = {0} e ker(A) + E =
E. Da, ker(A|E ) = {0} e portanto A|E um isomorfismo sobre
sua imagem. Dado w A(E), existe v = v0 +v tal que A(v) = w,
com v0 ker(A) e v E. Logo, A(v) = A(v0 ) + A(v) = A(v),
o que implica que a imagem de A igual a de A|E , e portanto,
ambas possuem a mesma dimenso de E, o qual complementar
a ker(A). Donde se segue o teorema.

Agora, suponha que 1 seja um autovalor de A : E E,


E um espao vetorial de dimenso finita e que ker(A 1 I)
(A 1 I)(E) = {0}. Ento pelo teorema acima, temos que
Augusto Armando de Castro Jnior 11

E = ker(A 1 I) (A 1 I)(E). Como E(1 ) := ker(A 1 )


deixado invariante tanto por (A 1 I) como por 1 I, ele
deixado invariante por A = (A 1 I) + 1 I. O mesmo racio-
cnio se aplica a E1 := (A 1 I)(E), que tambm invariante
por A. Se ker(A j I) (A j I)(E) = {0}, j = 1, . . . , s,
podemos aplicar recursivamente o mesmo argumento a A|E1 ,
obtendo uma decomposio invariante E = E(1 ) E(s ), onde
{1 , . . . , s } so os autovalores de A, e A|E(j ) = j I|E(j ) , ou
seja A diagonalizvel.

Mas como vimos nos exemplos mais acima, nem sempre


ker(A j I) (A j I)(E) = {0}. Desse modo, o resultado que
temos em geral o seguinte

Teorema 1.4. (Teorema da decomposio em autoespa-


os generalizados). Sejam A : Cn Cn um operador linear
complexo e Sp(A) o conjunto dos autovalores de A. Ento existe
decomposio Cn = Sp(A) E() onde:

A E() E().

(A I)|E() nilpotente, isto , (A I)k |E() 0, para


algum k dim(E()).

Para a prova desse teorema, precisamos do seguinte lema:

Lema 1.5. Seja E um espao vetorial, dim(E) = n < +. Seja


T : E E um operador linear. Ento, existe uma decomposio
em soma direta E = E0 E1 tal que

T E0 E0 e T |E0 nilpotente, com nulidade menor ou


igual dimenso de E0 .
12 Captulo 1. Uma viso de lgebra Linear via Funes de Operadores

T E1 = E1 .

Prova: Note que se T fosse tal que T E Ker(T ) = {0},


nada mais teramos a mostrar (bastaria tomar E0 = Ker(T ) e
E1 = T E). Isso no ocorre em geral. Entretanto, podemos
mostrar que ocorre para algum T m , 1 m n. De fato, as
sequncias abaixo se estabilizam (em certo m n):

Ker(T ) Ker(T 2 ) Ker(T n ) E,

E T E T 2 E T n E.

A estabilizao de tais sequncias ocorre porque a dimenso de


E finita.

Note que se Ker(T i ) = Ker(T i+1 ), ento Ker(T i+2 ) =


Ker(T i+1 ), pois se

v Ker(T i+2 ) T i+2 v = 0

T i+1 (T v) = T i (T v) = 0
| {z }
T vKer(T i+1 )=Ker(T i )

v Ker(T i+1 ).

Logo, por induo, temos nesse caso Ker(T j ) = Ker(T i ), j i.

De um modo anlogo, se T i (E) = T i+1 (E) ento

T T i (E) = T T i+1 (E) T i+1 (E) = T i+2 (E)

Logo, T i (E) = T j (E), j i.

Tal implica que as sequncias acima realmente se estabi-


lizam at, no mximo seu n-simo termo. Alm disso, so estri-
tamente montonas (respectivamente, crescente e decrescente)
at um ndice a partir dos quais elas se tornam constante.
Augusto Armando de Castro Jnior 13

Mostremos que esse ndice o mesmo para ambas as


sequncias. Suponha que a sequncia de imagens de E estabiliza
para m n. Isso implica que

T j T m (E) = E1 := T m (E), j 0 T (E1 ) = E1 .

Da, pondo E0 := Ker(T m ), temos que dado v Ker(T m+1 ),


como T m+1 v = 0 se por absurdo v 6 Ker(T m ), ento

T m v 6= 0 E1
|{z} T (T m v) 6= 0
T |E1 isomorfismo

(absurdo, pois v Ker(T m+1 )). Observamos ademais que se m


o primeiro ndice em que a sequncia de ncleos se estabiliza,
ento se supomos T m E 6= T m+1 E = T (T m E), segue-se
que existe 0 6= v T m (E) tal que T v = 0. Seja portanto w
tal que T m w = v. Ento w Ker(T m+1 ) \ Ker(T m ), absurdo.
Conclumos dos pargrafos acima que m = m, isto , ambas
as sequncias se estabilizam exatamente para um mesmo ndice.
At o ndice m, as incluses dos espaos dessas sequncias so
estritas. Em particular, conclumos que a dimenso de E0 =
Ker(T m ) maior ou igual a m, ou por outra, que a nulidade
(menor nmero de iteraes que anula um operador nilpotente)
de T |E0 menor ou igual a dim(E0 ).

Pelo teorema do ncleo e da imagem, temos que dim(E0 )+


dim(E1 ) = n. Para mostrar que E = E0 E1 basta ver en-
to que E0 + E1 gera o espao E. De fato, seja x E. To-
mando T m (x) E1 = T m (E) = T 2m (E) y E; T m (x) =
T 2m (y) T m (x T m (y)) = 0. Logo

x = (x T m (y)) + T m (y),
| {z }
Ker(T m )
14 Captulo 1. Uma viso de lgebra Linear via Funes de Operadores

o que implica que E0 + E1 geram E e dadas as dimenses desses


espaos, E0 e E1 esto em soma direta.

Podemos agora proceder prova do teorema de decom-


posio em autoespaos generalizados:

Prova: Seja 1 Sp(A). A existncia de um tal 1


devida ao teorema fundamental da lgebra aplicado ao polinmio
caracterstico de A dado por p() := det(AI) (os autovalores
de A so as razes desse polinmio). Aplicando o lema a T :=
A 1 I, obtemos que Cn se escreve como Cn = E(1 ) E1 ,
com T |E(1 ) nilpotente e T |E1 isomorfismo. Como sabemos que
dado um autovalor (por exemplo, 1 ), existe pelo menos um
autovetor v1 que lhe corresponde, temos que v1 Ker(A 1
I) Ker((A 1 I)m ) = E(1 ), o que implica que E(1 )
no trivial. Como j dissemos, (A 1 )|E(1 ) nilpotente, com
nulidade k = m dim(E(1 )). Como (A 1 I)(E(1 ))
E(1 ), vale ainda que

A(E(1 )) = (A 1 I)(E(1 )) + 1 I(E(1 )) E(1 ).

Note ainda que T (E1 ) = E1 , portanto, (A 1 I)(E1 ) = E1 ,


e se tomamos v E1 , ento A v 1 v E1 A v E1 .
Donde obtemos que A(E1 ) E1 . Observamos ainda que:

A|E0 : E0 E0 no contm autovetor de A que no seja


do autovalor 1 . De fato, se 6= 1 um autovalor de A,
se por absurdo existisse um autovetor v de contido em
E0 , obteramos:

(A 1 ) v = A v 1 v = ( 1 ) v
Augusto Armando de Castro Jnior 15

T j v = ( 1 )j v 6= 0, j N

o que uma contradio com o fato de que T |E0 nilpo-


tente.

Todos os outros possveis autovetores de A, referentes aos


autovalores distintos de 1 esto contidos em E1 . Real-
mente, suponha por absurdo que existe um autovetor v
E de um autovalor C mas v
/ E1 e v
/ E0 = E(1 ).
Ento podemos escrever v = v0 +v1 , com v0 E0 e v1 E1
no nulos. Supondo que k1 seja a nulidade de (A 1 )|E0 ,
obteramos:

E1 63 (1 )k1 v = (A1 )k1 v = (A1 )k1 v0 +(A1 )k1 v1 =

((A 1 )|E0 nilpotente)

(A 1 )k1 v1 E1 ,

absurdo.

Logo, A|E1 : E1 E1 , e podemos reaplicar o lema,


dessa vez tomando um autovalor 2 de A|E1 . A obtemos Cn =
E(1 ) E(2 ) E2 ; continuando nesse procedimento at que
| {z }
E1
Ej = {0} (e por conseguinte, sejam exauridos todos os autovalo-
res de A, que so em nmero finito pois o espao tem dimenso
finita) segue-se o teorema.

Corolrio 1.6. Todo operador linear A : Cn Cn se escreve


como A = D + N , com D N = N D, onde D um operador
diagonalizvel e N nilpotente. Alm disso, tal decomposio
nica.
16 Captulo 1. Uma viso de lgebra Linear via Funes de Operadores

Prova: Definamos o operador linear D em Cn definindo-


o em cada E(i ) da decomposio em soma direta Cn = Sp(A) E() =
rj=1 E(j ). De fato, definimos D|E(j ) := j I|E(j ) , o que im-
plica definirmos N |E(j ) := (A j I)|E(j ) .

Seja

= {v11 , . . . , v1d1 , . . . , vr1 , . . . , vrdr },

onde
dj = dim(E(j )) e {vj1 , . . . , vjdj }
constitui uma base de E(j ). Como os E(j ) esto em soma
direta, temos que base de Cn . Da,

1 0 ... 0
.. .. ..
0
. . ... .

D v1 = 1 v1 , v1 E(1 )
..


.. 0 . 1 0 ...
. D =
..
0 ... 0 2 .
D vr = r vr , vr E(r )
.. ..
0
... . . 0
0 ... 0 r

Portanto, D diagonalizvel. Que N nilpotente, j


mostramos (imediato do teorema de decomposio em autoes-
paos generalizados). Note que

A|E(j ) = D|E(j ) + N |E(j ) A = D + N.

Vejamos que vale D N = N D. Para tal, basta mos-


trarmos que, dado v E(), para E() qualquer, vale D N v =
N D v. E de fato, neste caso temos:

D N v = D N |E() v = D (A I)|E() v =
| {z }
E()
Augusto Armando de Castro Jnior 17

D|E() (A I)|E() v = (I)|E() (A I)|E() v =

(A I)|E() (I)|E() v = N |E() D|E() v = N D v.

S nos resta agora mostrar que a decomposio acima


(A = D+N , com D diagonalizvel, N nilpotente e DN = N D)
nica.

De fato, se D + N = A = N 0 + D0 , como sempre, basta


que nos restrinjamos a mostrar que N = N 0 e D = D0 se restritos
a um E() fixado arbitrrio.

Restritos a tal E(), temos:

I + (A I) = N 0 + D0 I D0 = N 0 (A I).

Note que todos os operadores comutam com A, e, do acima,


vemos que comutam entre si. Lembramos que se dois operado-
res diagonalizveis comutam, existe uma base de autovetores co-
mum a ambos, isto , eles so simultaneamente diagonalizveis
(a recproca tambm obviamente vlida). Um esboo de prova
desse fato o seguinte: fixado um autoespao E(j ) de D, com
vj E(j ), temos:

D D0 vj = D0 D vj = D0 j vj = j D0 vj D0 vj E(j ),

ou seja, os autoespaos de D so invariantes por D0 (e vice-


versa). Tal tambm implica (permutando os papis de D e D0 )
que cada autoespao de D soma de autoespaos de D0 ou vice-
versa (est contido em um autoespao de D0 ). Desse modo,
possvel decompor o espao E em uma soma direta de autoespa-
os de D ou D0 com a propriedade de que cada subespao dessa
soma no contm propriamente nenhum outro autoespao de D
ou D0 . Em qualquer base obtida reunindo bases dos autoespaos
18 Captulo 1. Uma viso de lgebra Linear via Funes de Operadores

dessa soma direta, ambos os operadores D, D0 so diagonais.


Em particular, temos que D D0 diagonalizvel, e diagonal
naquela base.

Seja k a nulidade de N e k 0 a nulidade de N 0 . Consi-


derando que D D0 = N 0 N, elevando ambos os membros
desta equao a (k + k 0 ), temos, usando o binmio de Newton
(veja que N 0 comuta com N |E() ) que o segundo membro zero.
0
Isto implica que (D D0 )k+k = 0, o que para um operador di-
agonalizvel implica que (D D0 ) = 0, isto , D = D0 , e da,
N = N 0.

Corolrio 1.7. (Teorema de Cayley-Hamilton). Existe um po-


linmio p de grau menor ou igual a n tal que p(A) = 0 L(Cn ).

Prova: Tome como polinmio p(x) = (x 1 )k1


(x r ) . Considere ento a matriz Z = p(A) = (A 1 I)k1
kr

(A r I)kr (lembramos que kj a nulidade do operador


(A j )|E(j ) ). Para mostrar que Z = 0, basta mostrar que
Z|E() = 0, com = 1 , . . . , r . Seja v E(). Da, como A
comuta consigo mesma e com j I, temos que

Z v = (A 1 )k1 (A )k() (A r )kr v =

(A 1 )k1 (A r )kr (A )k() v = 0,

pois (A )k() v = 0, para todo v E().

Lema 1.8. (A ser usado no Teorema da forma de Jordan). Seja


E um espao vetorial, dim(E) < + e seja T : E E um ope-
rador linear nilpotente, isto , existe um primeiro k N tal que
T k 0. Ento existe uma base de E formada por um nmero
finito de sequncias (tambm finitas) linearmente independentes
Augusto Armando de Castro Jnior 19

{v1,1 , . . . , v1,j1 }, . . . {vq,1 , . . . , vq,jq } tais que T vs,js = vs,js 1 . . . T


vs,1 = 0, com s = 1 . . . q.

Prova: Vimos do lema anterior que

{0} = Ker(T 0 ) 6 = Ker(T ) 6 = 6 = Ker(T k ) = E.

Comecemos nosso algoritmo por E k1 , um espao com-


plementar de Ker(T k1 ) dentro de Ker(T k ) = E. Note que

T s (E k1 ) Ker(T j ) = {0}, 1 s k 1 e 0 j k s 1.

Em particular, T i (E k1 ) imagem isomorfa de E k1 . Fixe


v1,k1 . . . vq0 ,k1 uma base de E k1 e considere seus iterados
T ks (vr,k1 ) := vr,s , com k s 1 e 1 r q 0 , o que j nos
d se no todas, algumas das sequncias do enunciado. De fato,
para ver que os espaos

E k1 , T E k1 , . . . , T k1 E k1 ,

esto em soma direta, observamos inicialmente que todo vetor


no nulo em E k1 precisa ser iterado exatamente (no mnimo) k
vezes por T para ser levado no zero. Isso implica que cada vetor
no nulo de T E k1 precisa ser iterado k1 vezes por T para ser
levado no zero, e assim por diante. Vemos deste raciocnio que os
espaos considerados tm inteseco dois a dois igual a {0}. Para
vermos que esto em soma direta (embora esta soma no perfaa
necessariamente o espao E), seja vs 6= 0 pertencente a um dos
espaos acima, digamos vs T ks E k1 . Da, T s vs = 0, e
T j (vs ) 6= 0, 0 j < s. Mostremos que vs no pode ser expresso
como combinao linear de vetores nos demais espaos, do tipo:
X
vs = j vj , vj T kj E k1 , j no todos nulos.
j6=s
20 Captulo 1. Uma viso de lgebra Linear via Funes de Operadores

Realmente, se pudesse, teramos, podemos mostrar que todos


os j so nulos. Procedamos pelo princpio da Boa Ordenao.
Seja B = {j > s; j 6= 0}. Mostremos que B vazio. De fato,
suponha que no. Seja r o mximo de B. Da,

X
0 = T r1 vs = j T r1 vj = r T r1 vr r = 0; (absurdo).
j6=s

Assim, todos os j com j > s so nulos. Por outro lado, da


obtemos que

X
0 6= T s1 vs = j T s1 vj = 0,
j<s

o que implica que vs no pode ser expresso segundo uma tal


combinao de vetores.

Agora, tome E k2 T (E k1 ) um espao complementar


de
Ker(T k2 ) dentro de Ker(T k1 ). Repetimos o mesmo racioc-
nio de antes, a E k2 , descartando as sequncias de vetores j
contidas nas sequncias de E k1 . Como o espao tem dimenso
finita, em um nmero finito de passos o lema est provado.

Teorema 1.9. (Forma de Jordan- caso complexo.) Seja


A : Cn Cn um operador linear com autovalores complexos
distintos 1 . . . r , 1 r n. Ento, existe uma base de Cn
Augusto Armando de Castro Jnior 21

na qual o operador representado pela matriz



1 0 ou 1 0 . . . 0 0
. . . . ..
0
. . ... .

..
0
. 1 0 ...


A = 0

... 0 2 0 ou 1

.. ..
0
... . . 0

0 ... 0 r 0 ou 1
0 ... 0 r

Prova: Aplicamos o ltimo lema a (A k I)|E(k ) .


Pelo lema, existe uma base k de E(k ) em que (A k I)|E(k )
representada pela matriz

0 0 ou 1 0 ... 0
..
0
0 . 0 ...


0 ... 0 0 ou 1
0 ... 0

Note que nessa base, como em qualquer outra base, (k I)|E(k )


se escreve como:
k 0 . . . 0
..
0
. 0

0 . . . 0 k
Como A|E(k ) = (k I)|E(k ) + (A k I)|E(k ) segue-se que
A|E(k ) se escreve na base k como:

k 0 ou 1 0 ... 0
..
0
k . 0 ...
..

0 ... . 0 ou 1

0 ... k
22 Captulo 1. Uma viso de lgebra Linear via Funes de Operadores

Tomando a base ordenada formada pelos vetores em 1 , . . . , r ,


da invarincia de cada E(k ) obtemos que o operador A na base
se escreve como:

1 0 ou 1 0 ... 0 ... 0
.. ..
0

1 . 0 ... .


..

.

0 ... 0 ou 1

0 ... 1 0

..

A = 0

... . 0 0

..


.
r 0 ou 1 0 ... 0

..

0 r . 0 ...

..

0 ... . 0 ou 1
0 ... 0 ... r

Definio 1.10. (Complexificado de um operador real.)


Considere um operador linear A : Rn Rn , Cn = Rn Rn =
(Rn )1 (Rn )2 , onde (Rn )1 := (Rn , 0) e (Rn )2 := (0, Rn ). Se
v = (v1 , v2 ) Rn Rn , ento definimos o complexificado A :
Cn Cn o operador estendendo A dado por

A v := (A v1 , A v2 ) = A v1 + iA v2 .

Definio 1.11. (A aplicao conjugao : Cn Cn ). Dado


v Cn = Rn Rn , v = (v1 , v2 ), a aplicao conjugao :
Cn Cn o isomorfismo linear dado por

v = (v1 , v2 ) := (v1 , v2 ).
Augusto Armando de Castro Jnior 23

Proposio 1.12. Seja A : Rn Rn um operador linear real.


Ento o complexificado A de A comuta com a aplicao de con-
jugao, isto , A v = A v, v Cn .

Prova: A prova direta:

A v = (A v1 , A v2 ) = (A v1 , A v2 ) = A v.

Teorema 1.13. (Forma de Jordan- caso real.) Seja A :


Rn Rn um operador linear com autovalores reais 1 . . . r e
autovalores complexos no reais a1 + ib1 , . . . as + ibs . Ento,
existe uma base de Rn na qual o operador representado pela
matriz em blocos na diagonal

J1 0 ... 0
.. ..
0
. .


0 Jr
A = . ,

.. 0 J1 0

..

.


Js

onde cada Jk , 1 k r da forma:



k 0 ou 1 0 ... 0
..
0 k . 0 ...
,

..

0 ... . 0 ou 1

0 ... k
24 Captulo 1. Uma viso de lgebra Linear via Funes de Operadores

e cada Jl , 1 l s da forma:

al bl c1 0 0 ... 0
..
bl al 0 c1
. 0

..

.

0 cd 0,
..

..
.
. 0 cd

0 al bl

0 ... 0 bl al

onde cada ce = 1 ou ce = 0, e = 1 . . . d.

Prova: Note que identificamos A com A|(Rn )1 . Dividi-


remos a prova em vrios passos, por razes didticas:

1. Como A provem de um operador real, se autovalor de


A, o mesmo vale para , e se v autovetor correspondente
a , v autovetor associado a . De fato, como A o
complexificado de um operador real, a decomposio Cn =
(Rn )1 (Rn )2 invariante por A, isto , A|(Rn )1 (Rn )1
(Rn )1 e A|(Rn )2 (Rn )2 (Rn )2 . Da,

A v = v = v A v = v.

2. Como A operador real, se um autovalor qualquer de


A, ento E() A E() = A E(), o que implica que
E() deixado invariante por A. Ademais,

(A )kj (E()) = 0 (A )k (E())

= 0 (A )k (E()) = 0.

Isso significa que (A)|E() e (A)|E() so operadores


nilpotentes de mesma nulidade. Da, o nico autovalor
Augusto Armando de Castro Jnior 25

de A em E(). Alm do mais, lembramos que E() =


Ker((A )d Ker((A )k ), conforme o lema 1.5. Em
particular, E() E(). Trocando com , obtemos que
E() E(), donde tiramos, j que a conjugao um
isomorfismo (sesquilinear), que dim(E()) = dim(E()) e
que E() = E().

3. Como j observamos, A|(Rn )1 (identificado com) nosso


A original. Note que se j um autovalor real, do item
anterior temos E(j ) = E(j ) = E(j ). Tal implica que
tomando w1 , . . . , wdj uma base de E(j ) e a base formada
pelos conjugados w1 , . . . , wdj ento as partes reais (w1 +
w1 )/2, . . . , (wdj +wdj )/2 e imaginrias (w1 w1 )/2i, . . . , (wdj
wdj )/2i pertencem a E(j ). Ademais, tais vetores (que so
reais) geram E(j ) enquanto espao complexo, j que por
exemplo, geram w1 , . . . , wdj . Em particular, do conjunto
dessas partes reais e imaginrias, podemos extrair uma
base de vetores reais de E(j ). Os vetores desta base so
linearmente independentes sobre C, o que quer dizer que
so linearmente independentes enquanto vetores reais, so-
bre R. Isso significa que esses vetores so uma base do
espao real E(j ) (Rn )1 , j que tal espao tem como di-
menso real mxima igual dimenso complexa de E(j ).
Pelo teorema da decomposio em autoespaos generaliza-
dos, A|E(j ) = j I|E(j ) + (A j I)|E(j ) . Note que
tais parcelas deixam invariante (Rn )1 , pois j R. Como
(A j I)|E(j ) nilpotente, e deixa E(j ) (Rn )1 inva-
riante, podemos aplicar mesma o lema 1.8, obtendo uma
base de vetores (reais) na qual (A j I)|E(j )(Rn )1 se
26 Captulo 1. Uma viso de lgebra Linear via Funes de Operadores

escreve como

0 0 ou 1 0 ... 0
.. ..
0
. .
..

0 . 0 ou 1

0 ... 0

Definindo E := rj=1 E(j ), e justapondo as bases de ve-


tores reais encontradas acima para diferentes valores de j,
em uma base de do espao E (Rn )1 , seguindo a prova
do teorema da forma de Jordan, verso complexa, temos
que:

1 0 ou 1 0 ... ... 0
.. ..
0
. 0 ou 1 0 .



.. ..
0
. 1 0 .

.. .. ..
(A|E(Rn )1 ) =
. . .


..

..
.
. r 0 ou 1 0

..
0 ... 0 . 0 ou 1

0 ... ... 0 r

4. No caso dos autoespaos generalizados de autovalores com-


plexos com parte imaginria no nula, a situao uma
pouco diversa. Comecemos por fixar um autovalor com-
plexo (e com parte imaginria no nula) de A. Observamos
que nesse caso, dim(E() (Rn )1 ) = 0. De fato, nesse caso
6= , e como vimos E() = E(). Logo

E() E() = {0} E() E() = {0},

o que significa que E() (assim como E()) no possui


vetores reais.
Augusto Armando de Castro Jnior 27

5. Por outro lado, o espao E = E() E() possui uma


interseco no trivial com (Rn )1 . De fato, dado um vetor
v = (v1 , v2 ) = v1 + i v2 E() sua parte real v1 pertence
a E, bem como sua parte imaginria v2 :

v1 = (v + v)/2 ; v2 = (v v)/(2 i),

o que em outras palavras quer dizer que (v1 , 0) E (Rn )1


e que tambm (v2 , 0) E (Rn )1 .

6. Observe que se w1 , . . . , wd constituem uma base que deixa


A|E() na forma de Jordan (complexa), o mesmo pode ser
dito de w1 , . . . , wd com respeito a AE() . Dado v E,
designemos sua parte real por v 0 e sua parte imaginria por
v 00 que, como vimos acima, pertencem tambm a E(Rn )1 .
Portanto, dada a base de E dada por w1 , . . . , wd , w1 , . . . , wd
os vetores w10 , w100 , . . . , wd0 , wd00 constituem uma base de
E como espao complexo, bem como de E (Rn )1 , como
espao sobre R. De fato, para ver isso, basta observar que o
conjunto {w10 , w100 , . . . , wd0 , wd00 } gera a base acima, e tem
a cardinalidade da dimenso (complexa) de E, logo tais
vetores so linearmente independentes (olhando-os como
vetores complexos). Ou seja, tais vetores constituem uma
base do espao complexo E. Mas se so linearmente in-
dependentes sobre o corpo dos complexos, (sendo tambm
vetores reais), tambm o so sobre o corpo dos reais. Como
a dimenso real de E Rn (no mximo) 2 d , isso im-
plica a afirmao de que {w10 , w100 , . . . , wd0 , wd00 } so uma
base de E (Rn )1 , como espao real.

7. Agora s falta mostrar que na base A|E(Rn )1 tem a


forma de J do enunciado. Isto obtido por clculo direto,
28 Captulo 1. Uma viso de lgebra Linear via Funes de Operadores

pois sabemos qual a representao de A na base de E e


como ela se relaciona com a base (como espao sobre R)
. Realmente, temos que

c1 0 ... 0
. .. ..
0 . . . .

.
.
(A|E ) = . . . . 0
,


c1 0
.. ..

. .

0 ... 0

onde c1 , . . . , cd 1 so constantes que podem ser igual a


zero ou 1. A jsima coluna (1 j d ) acima a
representao de A|E wj na base . Do mesmo modo, a
(d +j)- sima coluna (1 j d ) acima a representao
de A|E wj na base .
Temos, por exemplo, que:

A w1 + Aw1 w1 + w1
A w10 = =
2 2
(escrevendo = a + bi)

(a + bi) (w10 + i w100 ) + (a bi) (w10 i w100 )


= aw10 bw100 .
2

Similarmente, calculamos que A w100 = b w10 + a w100 . S


com essas contas, j obtivemos que

a b ? ...
b a ?


(A|E(Rn )1 ) =
0
.
0 ?

.. ..
. . ?
Augusto Armando de Castro Jnior 29

Temos, atuando A em w20 e w200 :

A w2 + A w2 c1 w1 + w2 + c1 w1 + w2
Aw20 = = =
2 2

c1 w10 + a w20 b w200 ;

A w2 A w2 c1 w1 + w2 c1 w1 w2
Aw200 = = =
2i 2i

c1 w100 + b w20 + a w200 .

Tais computaes j nos do a forma:


a b c1 0 ? ...
b

a 0 c1 ?

(A|E(Rn )1 ) =0 0 a b ? .

. ..
.
. . b a ?


0 0 0 0 ?

Prosseguindo nessas mesmas contas, obtemos a forma dese-


jada, justapondo as (sub)bases e as diversas de modo
a obter uma base de (Rn )1 .

Observao 1.14. Quando tratarmos de operadores reais, de-


signaremos por E() o autoespao generalizado real associado a
, se for real. Caso contrrio, abusando um pouco da notao,
designaremos por E() a soma dos espaos complexos associados
a e , intersectada com (Rn )1 ' Rn .
30 Captulo 1. Uma viso de lgebra Linear via Funes de Operadores

1.1 Avaliando polinmios em matrizes

Considere uma matriz quadrada J de dimenso d d


da forma

1 0 ... 0

.. .. .. ..
0
. . . .

.

J := .. .. ..
..

. . . 0

0 ... 0 1

0 ... 0

Pk
Considere um polinmio qualquer da forma f (x) = n=0 an xn .
Que matriz obtemos se avaliarmos esse polinmio na matriz J ?

Afirmamos que obtemos a matriz

D 2 f () D 3 f () D d1 f ()

f () Df () 2 3! ... (d1)!

D 2 f () ..

0 f () Df () 2 .
.. ..

.. ..
. . . .
f (J ) = .
.. .. .. ..


. . . .


.. ..

. . Df ()

0 ... ... ... 0 f ()

De fato, denotando por N a parte nilpotente da matriz


J , do binmio de Newton temos que

n  
n
X n
(I + N ) = { (np IN p )}.
p=0
p
1.1. Avaliando polinmios em matrizes 31

Como a matriz

0 ...1 0 ... 0
. .. .. ..
.. . . .
Np =

,

0 1
0 ... 0

com a psima diagonal acima da diagonal principal formada de


1s, e o restante das entradas da matriz zerada, temos que
D 2 f () D 3 f () D d1 f ()

n nn1 2 3!
... (d1)!

D 2 f ()
..
nn1

0 f () .
2
. .. .. ..
n   . . .
n . .
X
np p
{ ( IN )} = .

p .. .. .. ..
p=0 .
. . .

. ..
.
. . nn1


0 ... ... ... 0 n

Pk Pn  
n
Como f (J ) = n=0 p=0 an p (np IN p ), segue-se
a interessante afirmao.

Agora, suponha que temos uma matriz na forma de Jor-


dan, digamos

J1 0 ... 0
.. ..
0 J2 . .
J = . ,

. .. ..
. . . 0

0 ... 0 Js

onde cada Jj uma submatriz quadrada da forma j I + Nj ,


com Nj uma matriz nilpotente, com 1s ou 0s na diagonal ime-
diatamente acima da principal.
32 Captulo 1. Uma viso de lgebra Linear via Funes de Operadores

Claro est que a projeo sobre o autoespao generali-


zado associado ao autovalor 1 simplesmente
!
Id1 0
1 = ,
0 0

onde Id1 uma submatriz tipo identidade de mesma dimenso


d1 d1 que J1 .

Supondo que sejamos masoquistas, como podemos ob-


ter 1 a partir de um polinmio f avaliado em J? Ora, basta
encontrarmos um polinmio que se anule em 2 , . . . , s , que seja
1 em 1 e cujas derivadas de ordem, digamos, at max{dj , j =
1, . . . , s}, se anulem em 1 , . . . , s . Do que vimos mais acima, tal
implicar que !
Id1 0
f (J) = .
0 0

E se A fosse uma matriz qualquer? Ah, agora vem a


parte em que deixamos de ser masoquistas, pois a projeo so-
bre um determinado autoespao generalizado no trivialmente
dada. Ora, sabemos que a matriz A equivalente a uma ma-
triz de Jordan, ou seja, existe uma matriz invertvel P tal que
A = P JP 1 . Mas a, f (A) = P f (J)P 1 tal que

f 2 (A) = P (f (J))2 P 1 = P f (J)P 1 ,

o que implica que f (A) uma projeo. Ademais, da conjugao


vemos ainda que f (A) zera exatamente nos autoespaos gene-
ralizados no associados a 1 , e a identidade em E(1 ). Para
ver isso, observe primeiro que da comutatividade entre A e f (A)
segue-se que f (A)(E) := E1 um espao Ainvariante:

A(E1 ) = A(f (A)(E)) = f (A)(A(E)) f (A)(E) = E1 .


1.2. Exerccios 33

Ademais, v-se que E1 = f (A)E est contido no ker((A1 I)d1 ):

(A 1 )d1 f (A)(E) = (Af (A) 1 f (A))d1 (E) =


(P JP 1 P f (J)P 1 1 P f (J)P 1 )d1 (E) =
1
(P (Jf (J) 1 f (J))P 1 )d (E) =
P (Jf (J) 1 f (J))d1 P 1 (E) =
P (Jf (J) 1 f (J))d1 (E) = 0

Usando de estimativa anloga para a soma dos demais subes-


paos de A, conclumos por argumento de dimenso que E1 =
ker((A 1 I)d1 ) = E(1 ).

1.2 Exerccios

1. Seja p(x) = a0 + a1 x + + an1 xn1 + xn um polinmio


mnico de grau n Seja A a matriz companheira de p, isto
, a matriz

0 ... 0 a0
.. ..
1
. . a1

.. .. ..
A :=
0 . . .


.
..

.
. an2

. 1 0
0 ... 0 1 an1

cujo polinmio caracterstico (faam as contas!) p.


Se n 2 e p possui uma nica raiz 1 com multiplicidade
n, qual a forma de Jordan de A?

2. Sejam 1 e 2 dois nmeros complexos. Encontre um po-


linmio que seja 1 em 1 , seja 0 em 2 , e sua primeira
34 Captulo 1. Uma viso de lgebra Linear via Funes de Operadores

derivada se anule em 1 e 2 . E se pedirmos que todas as


suas derivadas at uma certa ordem k 1 se anulassem
em 1 e 2 ?

3. Seja A a matriz dada por



3 1 1
A := 0 3 1 .

0 0 1

Encontre um polinmio que, avaliado em A, retorne a pro-


jeo com respeito ao autoespao associado ao autovalor
3.
35

2 Funes Analticas

Vimos no captulo anterior que avaliando polinmios


em matrizes, podemos calcular suas projees com respeito a
cada autoespao generalizado. Notamos que os polinmios usa-
dos para esse fim no eram nicos: qualquer polinmio que fosse 1
no autovalor cujo autoespao (generalizado) quisssemos cal-
cular e zerasse suas derivadas no mnimo at certa ordem em
todos os autovalores, alm de zerar nos demais autovalores, ser-
viria para calcular o autoespao generalizado E(). Isso sugere
que se consegussemos avaliar um operador em funes mais com-
plicadas, que fossem 1 em uma vizinhana de e zero em uma
vizinhana dos demais autovalores, tal avaliao geraria a mesma
projeo sobre E() que os polinmios de que falamos.

O problema : como fazer uma tal avaliao? Para ver-


mos como, precisamos estudar uma classe maior de funes que
a dos polinmios, a saber, a chamada coleo das funes anal-
ticas.

E o que so funes analticas? Grosso modo, so fun-


es com domnio em algum aberto de C que localmente so
dadas por sua srie de Taylor, que uma srie cujas somas re-
duzidas so polinmios. Exemplos bem conhecidos de funes
analticas, alm dos polinmios, so a exponencial, o logaritmo e
as funes racionais (quocientes de polinmios). As funes tri-
gonomtricas (ex.: seno, cosseno) so compostas de polinmios
com a exponencial, ou quociente de tais compostas. Observamos
que no caso da exponencial, a funo consegue ser calculada glo-
36 Captulo 2. Funes Analticas

balmente por sua srie de Taylor (a qual converge em todo o


plano complexo), funcionando na prtica como se fosse um po-
linmio de grau infinito. Nesse caso, veremos que poderamos
avaliar a exponencial em qualquer matriz, sem problemas, subs-
tituindo na srie como se o faramos se tivssemos um polinmio.
Todavia, este est longe de ser o caso geral. Em geral, o fato da
convergncia ser s local, nos impede de avaliar uma funo desse
tipo numa matriz dada (a srie obtida pode no convergir).

Contudo, as funes analticas possuem uma outra re-


presentao, esta semiglobal, a frmula Integral de Cauchy, na
qual faz sentido substituir uma matriz. Ser ela que utilizare-
mos para definir nosso homomorfismo de avaliao em espaos
de operadores lineares.

A Frmula Integral de Cauchy parte fundamental da


chamada Teoria de Cauchy-Goursat de aplicaes holomorfas.
Em princpio, uma aplicao f definida em um aberto U de C
holomorfa, se seus quocientes de Newton (f (z) f (z0 ))/(z z0 )
em cada ponto z0 de U , avaliados com o produto em C con-
vergem a um limite, quando z z0 , chamado de derivada ho-
lomorfa em z0 . A Teoria de Cauchy-Goursat tem em sua base
a seguinte questo: quando uma aplicao holomorfa em cada
ponto de um aberto a derivada de algum? Essa uma per-
gunta clssica, que segue o sabor do Teorema Fundamental do
Clculo e de fato o traz no mago de sua soluo. Adiantamos
que toda aplicao holomorfa a derivada holomorfa de algum.
Claro, uma vez que uma aplicao seja a derivada de uma outra,
fcil recuperar esta ltima (a partir de sua derivada) aplicando
o Teorema Fundamental do Clculo a sua restrio a caminhos.
Veremos que ainda mais interessante, o que ocorre quando a
2.1. Sequncias e sries em Espaos de Banach 37

aplicao falha em ser derivada de outra. De fato, tal estudo nos


conduzir Frmula Integral de Cauchy de que j falamos, e
ainda a descoberta que toda aplicao holomorfa analtica.

Apresentaremos ainda o espao de Banach das Aplica-


es lineares Contnuas e suas propriedades, alvo principal do
nosso curso. Nas duas ltimas sees do captulo introduziremos
a noo de Integrao de caminhos tomando valores em espaos
de Banach, alm de generalizarmos a teoria de Cauchy-Goursat
para o contexto destes espaos.

Abaixo, damos definies mais precisas desses objetos.


Em vez de considerarmos funes analticas tomando valores
tambm em C, desenvolveremos os conceitos num contexto um
pouco mais geral, deixando o domnio em C mas tomando valores
em um espao de Banach complexo.

2.1 Sequncias e sries em Espaos de Banach

Definio 2.1. (Mtrica e espao mtrico.) Uma mtrica


em um conjunto X uma funo d : X X [0, +) tal que,
dados quaisquer x, y, z X, valem:

d1) d(x, y) = 0 x = y.

d2) d(x, y) = d(y, x).

d3) d(x, z) d(x, y) + d(y, z) (desigualdade triangular).

O par ordenado (X, d) chamado de espao mtrico.


Em geral, por um abuso de linguagem, diz-se que X um espao
mtrico, subentendendo-se uma mtrica d a ele associada.
38 Captulo 2. Funes Analticas

Definio 2.2. (Bola aberta e conjunto aberto de um


espao mtrico.) Seja (X, d) um espao mtrico. Dado x X
e r R+ quaisquer definimos a bola aberta centrada em x e de
raio r como o conjunto

B(x, r) := {y X; d(x, y) < r}.

Dizemos que A X um conjunto aberto de X se A pode ser


escrito como unio qualquer de bolas abertas de X. Dizemos que
um conjunto F X fechado em X se F c := X \ F aberto.

Definio 2.3. (Norma.) Seja (E, +, ., R) um espao vetorial


real ou complexo. Uma norma em E uma aplicao k k : E
[0, +) tal que:

n1) kvk = 0 v = 0;

n2) kvk = || kvk; R, v E.

n3) kv + wk kvk + kwk; v, w E (desigualdade triangular).

O exemplo mais comum de espao mtrico dado pelos


espaos vetoriais normados. Se E um tal espao, dotado de
uma norma k k, ento a aplicao d : E E [0, +) dada
por
d(v, w) := kv wk, v E, w E;

define uma mtrica em E.

Outra classe importante de exemplos de espaos mtri-


cos dada quando tomamos um subconjunto Y X de um
espao mtrico (X, d). Nesse caso, a restrio d|Y Y define uma
mtrica em Y .
Augusto Armando de Castro Jnior 39

Definio 2.4. (Sequncia e subsequncia.) Seja X um


conjunto qualquer. Uma sequncia em X uma aplicao x :
N X. Denota-se xj := x(j) e (xj ) := x. Dada uma sequn-
cia (xj ) : N X, uma subsequncia (xjk ) de (xj ) qual-
quer restrio de (xj ) a um subconjunto infinito N N, N =
{j1 , j2 , . . . , com j1 < j2 < . . . }.

Definio 2.5. (Sequncia convergente.) Uma sequncia


(xj ) em um espao mtrico (Y, d) dita convergente para y Y
se para toda bola aberta B tal que y B, tem-se um nmero
finito de ndices j tais que xj
/ B. Escrevemos xj y para
denotar que a sequncia (xj ) converge a y Y . Dizemos que uma
subsequncia (xjk ) convergente se a sequncia (yk ) : N Y
definida por yk := xjk , k N for convergente.

Note que provarmos via definio que uma sequncia


(xj ) convergente a y Y envolve vrias dificuldades: a pri-
meira, que precisamos exibir o candidato a limite, isto o
ponto y Y para o qual a sequncia converge. Mesmo que uma
deidade nos apresente esse candidato a limite, comparar os ter-
mos xj com y pode no ser fcil, vez que frequentemente os xj
so dados por meio de alguma frmula indutiva. Essa dificuldade
nos leva a fazer uma definio, digamos, a meio caminho.

Definio 2.6. (Sequncia de Cauchy.) Seja (Y, d) um es-


pao mtrico. Uma sequncia (yn ), com yn Y, n N dita
sequncia de Cauchy se dado um real  > 0, existe n0 N tal que
para todos m, j N, com m n0 e j n0 temos d(ym , yj ) .

Toda sequncia convergente a um ponto de Cauchy.


Por outro lado, toda sequncia de Cauchy com subsequncia con-
vergente a um ponto converge a esse mesmo ponto. Tais fatos so
40 Captulo 2. Funes Analticas

deixados ao leitor como exerccios (ex. 6 e 7). Note que provar


que uma sequncia de Cauchy muito mais fcil que prov-
la convergente, pois no precisamos conhecer a priori o limite,
e precisamos para tal comparar os termos da sequncia entre
si, e estes so dados, muitas vezes, por frmulas indutivas que
favorecem sua comparao.

Definio 2.7. (Srie.) Seja (vn ) : N E uma sequncia to-


mando valores em um espao vetorial normado E. A srie gerada
P
por (vn ), denotada por vn , a sequncia (sn ) definida por:
n
X
sn := vj .
j=1

Tal sn chamada de soma reduzida ou, simplesmente, reduzida.


P
A srie vn portanto, a sequncia das reduzidas.

Observao 2.8. (Critrio de Cauchy para Sries.) Se uma


P
srie vn de Cauchy, ento temos que dado  > 0, existe
n0 N tal que vale:
m
X n
X m
X
k vj vj k = k vj k < , m n n0 .
j=1 j=1 j=n+1
P
Proposio 2.9. Seja vn uma srie de Cauchy, com vn E,
E um espao vetorial normado. Ento vn 0 quando n +.

Prova:

Definio 2.10. (Srie absolutamente convergente.) Uma srie


P
vn : N E, tomando valores em um espao vetorial normado
P
(E, k k) dita absolutamente convergente se a srie kvn k :
N [0, +) converge na reta.
Augusto Armando de Castro Jnior 41

P
Observao 2.11. Note que uma srie vn absolutamente
P
convergente se. e s se, a srie kvn k limitada (acotada). De
P
fato, as somas reduzidas de kvn k constituem uma sequncia
montona na reta, que sendo acotada, possui limite. Por outro
P
lado, se a srie kvn k possui limite, como qualquer sequncia
que o possua, acotada.
P
Proposio 2.12. Toda srie absolutamente convergente vn
tomando valores em um espao vetorial normado E de Cauchy.

P
Prova: Seja  > 0 dada. Como a srie kvn k converge,
em particular, de Cauchy. Logo, existe n0 N tal que, m
n n0 temos:
m
X n
X m
X
| kvj k kvj k| = kvj k < .
j=1 j=1 j=n+1

Da desigualdade triangular, temos


m
X n
X m
X
k vj vj k kvj k < , m n n0 ,
j=1 j=1 j=n+1
P
donde conclumos que vn de Cauchy.

Corolrio 2.13. Um espao vetorial (E, k k) completo se e


s se toda srie absolutamente convergente convergente.

P
Prova: () Se vn absolutamente convergente, vi-
mos acima que uma sequncia de Cauchy. Logo, se (E, k k)
P
completo, vn convergente em E.

() Agora suponha que toda srie absolutamente con-


vergente converge em E. Seja wn uma sequncia de Cauchy em
42 Captulo 2. Funes Analticas

E. Para cada j N, dado j = 1/2j , tome ento uma sequncia


estritamente crescente (nj ) : N N tal que

m, n nj kwm wn k < j .

Em particular, conclumos que

kwnj+1 wnj k < j = 1/2j , j N.

Definindo vj := wnj+1 wnj , conclumos que

k
X k
X
kvj k < 1/2j < 1, k N,
j=1 j=1

P
ou seja, kvj k limitada, e pela observao 2.11, absoluta-
P
mente convergente. Por hiptese, isto implica que a srie vj
converge em E. Mas seu limite :
k
X
E 3 lim wnj+1 wnj = lim (wnk+1 wn1 ) =
k+ k+
j=1

( lim wnk+1 ) wn1 ,


k+

o que implica que wn possui uma subsequncia convergente em


E, a saber, (wnj+1 ). Como (wn ) de Cauchy, isso implica que
(wn ) converge em E.

Proposio 2.14. (Critrio de Comparao.) Seja (E, k k)


P P
um espao vetorial normado e sejam vn e wn duas sries
P
com valores em E, sendo wn absolutamente convergente. Se
P
existe n0 N tal que kvn k kwn k, n n0 , ento vn
absolutamente convergente.
Augusto Armando de Castro Jnior 43

Prova:

Seja  > 0 dado, e tome n1 N, n1 n0 , tal que


n
X m
X m
X
| kwj k kwj k| = kwj k < /2, m n n1 .
j=0 j=0 j=n+1

Como kvn k kwn k, n n0 , temos que


n
X m
X m
X m
X
| kvj k kvj k| = kvj k kwj k < /2, m n n1 .
j=0 j=0 j=n+1 j=n+1

P
kvn k de Cauchy na reta, logo convergente
Portanto
P
em R. Por definio, vn absolutamente convergente.

Observao 2.15. Notamos na prova acima, que dado  > 0, e


fazendo m +,
n
X +
X
| kvj k kvj k| /2 < , n n1 .
j=0 j=0

Ou seja, dado  > 0, o mesmo n1 N, n1 n0 da


P P
convergncia de kwn k vale para kvn k, desde que kvn k
kwn k, n n0 .

Corolrio 2.16. (Teste da raiz.) Seja (E, k k) um espao ve-


P
torial normado e seja vn : N E uma srie tal que
p
lim sup n kvn k < 1.
n+
P
Ento vn absolutamente convergente.
p
Prova: Seja = lim supn+ n
kvn k e 0 > 0 tal que
+ 0 < 1
44 Captulo 2. Funes Analticas

Da, existe n0 tal que


p
n
kvn k < + 0 , n n0 kvn k < ( + 0 )n , n n0 .

Portanto, existe n0 N tal que o termo kvn k acotado


pelo termo da progresso geomtrica (convergente) de razo (+
0 ) < 1. Da proposio acima, segue-se o resultado.

Corolrio 2.17. (Teste da razo.) Seja (E, k k) um espao


P
vetorial normado e seja vn : N E uma srie. Se existe
n0 N tal que kvn k 6= 0, n n0 , e tomando n n0 va-
lha que lim supn+ kvkvn+1 k P
nk
< 1, ento vn absolutamente
convergente.

Prova:

P+
Proposio 2.18. Seja f (z) := n=0 an (z z0 )n uma srie de
an (z1 z0 )n limitada, ento a srie
P P
potncias. Se an (z
z0 )n converge, z B(z0 , |z1 z0 |).

Prova:

Definio 2.19. (Aplicao analtica.) Seja U C um aberto e


E um espao vetorial normado complexo. Uma funo f : U
E dita analtica se para cada z0 U , existe uma srie de
potncias n an (z z0 )n com raio de convergncia Rz0 > 0 tal
P
P+
que f (z) = n=0 an (z z0 )n , z B(z0 , Rz0 ).
Augusto Armando de Castro Jnior 45

Proposio 2.20. Seja E um espao vetorial normado completo


e f : B(z0 , R) E uma srie de potncias, isto , f (z) =
P+ n
n=0 an (z z0 ) , z B(z0 , R), R > 0. Ento f analtica.

Prova: Seja w0 B(z0 , R). Precisamos mostrar que f


se escreve localmente como uma srie de potncias em torno de
w0 . Para isso, tomemos r < R |z0 |, e provemos que existe uma
tal srie convergindo uniformemente em B(w0 , r).

Vejamos:
+
X +
X
f (z) = an (z z0 )n = an (z w0 + w0 z0 )n =
n=0 n=0

+ n  
X X n
an (w0 z0 )nj (z w0 )j .
n=0 j=0
j

Note que a srie acima absolutamente e uniformemente cont-


nua, pois

|an |(|z w0 | + |w0 z0 |)n |an |rn , n N.

Assim qualquer reenumerao da sequncia que gera a srie


X X n
an (w0 z0 )nj (z w0 )j
n
j
0jn

converge a um mesmo limite. Em particular,


+ X
X + n +
X
f (z) = ( an (w0 z0 )nj )(zw0 )j =: bj (zw0 )j ,
j=0 n=j
j j=0
| {z }
:=bj

com a srie acima convergindo uniformemente para z B(z0 , r).


46 Captulo 2. Funes Analticas

Definio 2.21. Seja E um espao vetorial normado. Uma


sequncia dupla tomando valores em E uma aplicao (cn,k ) :
N N E. A srie dupla gerada por (cn,k ) a sequncia dupla
P
(sn,k ) (denotada por n,k cn,k ) definida por:

n X
X k
sn,k := cm,j .
m=0 j=0
P
Finalmente, a srie dupla n,k cn,k converge a s E se existe o
limite
n X
X k
lim cm,j .
n+,k+
m=0 j=0
P P
Proposio 2.22. (Produto de sries.) Sejam an e bk duas
Pq Pn
sries absolutamente convergentes. Seja dq := n=0 j=0 aj
P
bnj . Ento a srie dupla n,k an bk absolutamente conver-
gente e vale
n X
X k
lim am bj = lim dq .
n+,k+ q+
m=0 j=0

P
Prova: Note que a srie dupla n,k an bk absoluta-
mente convergente, pois
n X
X k n
X Xk +
X +
X
|am bj | = |am | |bj | |am | |bj | < +, n, k N.
m=0 j=0 m=0 j=0 m=0 j=0

P
Da, conclumos que dn uma srie absolutamente
P
convergente. Para vermos isso, basta verificarmos que |dn |
limitada. De fato,
n
X X q
n X n X
X n +
X X+
|dq | |aj ||bnj | |am bj | |am | |bj | < +.
q=0 q=0 j=0 m=0 j=0 m=0 j=0
Augusto Armando de Castro Jnior 47

P
Mostremos portanto que o limite de dq o mesmo que o de
P
n,k an bk . Seja  > 0 dado e seja n0 N tal que n n0 e
k n0 , tenhamos
n X
X k n0 X
X n0
| |am bj | |am bj || < /2, n N
m=0 j=0 m=0 j=0

Seja ento n1 = 2n0 . Da, dado qualquer (m, j) {0, . . . , n0 }


{0, . . . , n0 }, temos que a parcela am bj parcela da soma
Pq Pn
n=0 j=0 aj bnj , q n1 . Assim sendo,

q X
X n n0 X
X n0 q X
X q
k aj bnj am bj k | |am bj |
n=0 j=0 m=0 j=0 m=0 j=0

n0 X
X n0
|am bj || < /2, q n1 ,
m=0 j=0

donde conclumos por argumento de desigualdade triangular o


resultado.

Definio 2.23. (Aplicao contnua.) Sejam (X, d) e (X, d)


dois espaos mtricos. Uma aplicao f : X X dita contnua
no ponto x X se dado  > 0 existe > 0 tal que

(x), f (y)) < .


y X, d(x, y) < d(f

A aplicao f : X X dita contnua se contnua


x X.

Observao 2.24. imediato da definio acima que uma apli-


cao f : X X contnua, se e s se, a pr-imagem de qualquer
aberto de X sempre um subconjunto aberto de X.
48 Captulo 2. Funes Analticas

Observao 2.25. Ainda em contextos mtricos, possvel pro-


var que uma aplicao f : X X contnua em x X se e s
se f sequencialmente contnua em x X. Por definio, f
dita sequencialmente contnua em x X se dada uma sequncia
(xn ), xn X tal que xn x quando n + ento a sequncia
(f (xn )) converge a f (x).

Definio 2.26. (Espao mtrico completo.) Um espao m-


trico (X, d) dito completo se toda sequncia de Cauchy (xn ),
com xn X, converge para um ponto x X.

Definio 2.27. (Espao de Banach.) Um espao vetorial


normado cuja mtrica oriunda da norma completa chamado
de espao de Banach.

Exemplo 2.28. Seja X = Rk , e k k : Rk [0, ) uma norma


qualquer. Prova-se que X com a mtrica dada por d(v, w) :=
kv wk, v, w Rk um espao mtrico completo, e portanto,
um espao de Banach. Tal fato segue-se de que toda sequncia
limitada em Rk possui uma subsequncia convergente (teorema
de Bolzano-Weierstrass).

Definio 2.29. (Aplicao lipschitziana.) Sejam (X, d) e


espaos mtricos. Uma aplicao F : X X dita ser
(X, d)
lipschitziana ou simplesmente Lipschitz se existe 0 tal que

(x), F (y)) d(x, y), x, y X.


d(F

Dizemos que uma constante de Lipschitz de F . Denotamos


o nfimo das constantes de Lipschitz de F por Lip(F ), o qual ,
ele mesmo, uma constante de Lipschitz.

Observao 2.30. Notamos que as aplicaes lipschitzianas so


contnuas: Se F uma tal aplicao, supondo sem perda > 0,
Augusto Armando de Castro Jnior 49

dados x X,  > 0, tomando = /, temos

(x), F (y)) d(x, y) < / = .


d(x, y) < d(F

Observao 2.31. Se X, Y e Z so espaos mtricos, com f :


X Y e g : Y Z ambas lipschitzianas, ento a composta
h = g f : X Z tambm Lipschitz com

Lip(g f ) Lip(g) Lip(f ).

Uma subclasse relevante de aplicaes Lipschitz cons-


tituda pelas contraes de um espao mtrico nele mesmo:

Definio 2.32. (Contrao.) Seja (X, d) espao mtrico. Uma


aplicao F : X X dita uma contrao se existe 0 < 1
tal que
d(F (x), F (y)) d(x, y), x, y X.

O prximo resultado corresponde principal ferramenta


para construir objetos em dimenso infinita, onde, ao contrrio
do que ocorre no Rn , argumentos de compacidade so quase
sempre inviveis.

Teorema 2.33. (Ponto fixo para contraes.) Sejam (X, d)


um espao mtrico completo e F : X X uma contrao. Ento
existe um nico ponto p X tal que F (p) = p. Ademais, tal
ponto fixo p um atrator de F , isto , fixado qualquer x X,
F n (x) p quando n +. (F n (x) definido indutivamente
por F n (x) := F (F n1 (x)).)

Prova: Sejam x X e xn = F n (x), n N. Provaremos


que xn uma sequncia de Cauchy. Para tal, primeiro mostremos
50 Captulo 2. Funes Analticas

por induo que existe 0 < 1 tal que

d(xn+1 , xn ) n d(x1 , x0 ), n N.

De fato, como F contrao, temos que existe < 1


tal que:

d(xn+1 , xn ) = d(F (xn ), F (xn1 )) d(xn , xn1 ),

o que j implica a frmula de induo para n = 1 (o caso n = 0


trivial). Supondo a frmula vlida para um certo n N, para
n + 1, da ltima desigualdade, temos:

d(xn+2 , xn+1 ) d(xn+1 , xn ) n d(x1 , x0 ) = n+1 d(x1 , x0 ),


|{z}
hip. induo

o que prova a induo desejada.

Dados m n, temos portanto:

d(xm , xn ) (n + + m ) d(x1 , x0 )
+
X n
( j ) d(x1 , x0 ) = d(F (x), x),
j=n
1

o que prova que xn uma sequncia de Cauchy, e como X com-


pleto, tal sequncia converge, digamos, para p X. Afirmamos
que p ponto fixo de F . Realmente,

F (p) = F ( lim xn ) = lim F (xn ) = lim xn+1 = p.


n+ n+ n+

Notamos que a segunda igualdade acima se d porque toda con-


trao contnua, e a ltima desigualdade se d porque em uma
sequncia convergente toda subsequncia converge para o mesmo
limite.
Augusto Armando de Castro Jnior 51

fcil ver que p o nico ponto fixo de F . De fato, se


p, q X so pontos fixos de F , temos:

d(p, q) = d(F (p), F (q)) d(p, q)

(1 ) d(p, q) 0 d(p, q) = 0 p = q,

findando a prova do teorema.

Observao 2.34. Assinalamos que se p o nico ponto fixo de


um iterado F m , m 1 de uma aplicao F : X X qualquer,
ento p o nico ponto fixo de F . De fato:

F m (p) = p F m (F (p)) = F (F m (p)) = F (p),

ou seja, se p e F (p) so pontos fixos de F m (p), logo F (p) = p.


Isso muito til, pois nem sempre F uma contrao, mas mui-
tas vezes um seu iterado . Assim, a existncia e unicidade pre-
conizadas no teorema do ponto fixo para contraes continuam
vlidas para F se apenas um iterado positivo de F for contrao.

Observao 2.35. (Continuidade do ponto fixo.) Seja X um


espao mtrico. Suponha que X seja limitado, e seja d (F, G) a
distncia uniforme entre duas aplicaes F, G : X X. Se F e
G so contraes em X, com p e q seus respectivos pontos fixos,
vale que

d(p, q) = d(F (p), G(q)) d(F (p), F (q)) + d(F (q), G(q))

d(p, q) + d (F, G)
1
d(p, q) d (F, G),
1
ou seja, os pontos fixos variam Lipschitz com a contrao, em
particular, continuamente.
52 Captulo 2. Funes Analticas

2.2 O Espao Normado das Aplicaes Lineares Cont-


nuas

Uma aplicao A : E E entre espaos vetoriais E e


E sobre um corpo K dita contnua se A(c v + w) = c v + w,
para todo escalar c K e quaisquer vetores v, w E.

Um exemplo importante de aplicaes Lipschitz dado


pelas aplicaes lineares contnuas entre espaos vetoriais, como
veremos na prxima proposio.

Proposio 2.36. Sejam E, E espaos vetoriais normados. As


seguintes assertivas so equivalentes no que tange uma aplicao
linear L : E E:

1. L contnua;

2. L contnua em algum ponto x0 E;

3. L contnua em 0 E;

4. Existe um nmero real c > 0 tal que kL(x)k c, x E


com kxk = 1.

5. L aplicao Lipschitz, ou seja, existe um nmero real


c > 0 tal que kL(x) L(y)k c kx yk, x, y E.

Prova:

As implicaes 5 1 2 so claras. Resta-nos mostrar


portanto 2 3 4 5.

(2 3) Seja  > 0 dado. Como L contnua em x0 ,


existe > 0 tal que

kx x0 k < kL(x) L(x0 )k < .


2.2. O Espao Normado das Aplicaes Lineares Contnuas 53

Dado qualquer y E tal que ky 0k = kyk < , podemos


escrever:

kyk < k(y + x0 ) x0 k < kL(y + x0 ) L(x0 )k < 

kL(y) L(x0 x0 )k = kL(y) L(0)k < ,


ou seja, L contnua em 0 E.

(3 4) Provemos essa sentena por absurdo. Suponha


que para cada j N, exista xj E com kxj k = 1 tal que

kL(xj )k j, j N.

Considere a sequncia yj = (1/j) xj . Como


1 1
kyj k = kxj k = 0, quando j 0,
j j
da continuidade de L em 0 E temos que L(yj ) L(0) = 0
E. Contudo, da linearidade de L e das propriedades de norma
segue-se
1 1
kL(yj )k = kL(xj )k j = 1,
j j
o que implica que L(yj ) 6 0, absurdo.

(4 5) Sejam x, y E. Se x = y, L(x) L(y) = 0 e a


desigualdade bvia, para qualquer c > 0. Assim, vamos supor
x 6= y. Da,
kL(x) L(y)k (x y)
kL(x)L(y)k = kxyk = kL( kkxyk.
kx yk kx yk)
Como
(x y) kx yk
k k= = 1,
kx yk kx yk
a assertiva 4 implica que
(x y)
kL(x) L(y)k = kL( k kx yk c kx yk,
kx yk)
ou seja, L Lipschitz.
54 Captulo 2. Funes Analticas

Proposio 2.37. (Espao L(E, E)/Norma do operador.)


Sejam E e E dois espaos vetoriais normados. Ento

L(E, E) := {T : E E; T operador linear limitado }

um espao vetorial. Ademais a aplicao k k : L(E, E)


[0, +) dada por

kT k := sup{kT xkE : x E, kxkE = 1}

define uma norma (chamada de norma do operador) em L(E, E).

Prova: Seja b R (ou C) um escalar e T1 : E E,


T2 : E E dois operadores lineares. Ento claramente T :=
T1 + b T2 um operador linear de E em E. Alm disso T
limitado, pois se c1 e c2 so as constantes de Lipschitz (vide
proposio 2.36 acima) respectivamente de T1 e T2 , temos

kT (x) T (y)kE kT1 (x) T1 (y)kE + |b|kT2 (x) T2 (y)kE

c1 kx ykE + |b|c2 kx ykE , x, y E,

o que implica que T Lipschitz com constante c := c1 + |b|c2 , e


portanto limitado. Tal implica que L(E, E) um espao vetorial.

S resta vermos que a aplicao k k do enunciado


mesmo uma norma em L(E, E). A proposio 2.36 nos garante
que tal aplicao est bem definida em L(E, E), com imagem em
[0, +). Se T 0, claramente kT k = 0. Por outro lado, kT k = 0
implica que T x = 0, x E com kxkE = 1. Se v E, ento
v
kT vkE = kT k kvkE kT k kvkE = 0,
kvkE E

donde conclumos que T 0.


2.2. O Espao Normado das Aplicaes Lineares Contnuas 55

Dado um escalar b R (ou C), temos que

kbT k = sup{kbT xkE : x E, kxkE = 1} =

sup{|b|kT xkE : x E, kxkE = 1} = |b|kT k.

Finalmente, dados T1 , T2 L(E, E), a desigualdade triangular


vem de

kT1 +T2 k = sup{k(T1 +T2 )xkE : x E, kxkE = 1}

(pela desigualdade triangular em E)

sup{kT1 xkE +kT2 xk : x E, kxkE = 1}

sup{kT1 xkE : x E, kxkE = 1}+sup{kT2 ykE : y E, kykE = 1} =

kT1 k+kT2 k.

Proposio 2.38. Sejam E e E dois espaos vetoriais nor-


mados, sendo E de Banach. Ento o espao vetorial L(E, E),
dotado da norma do operador, um espao de Banach.

Prova: Seja Tn L(E, E) uma sequncia de Cauchy.


Em particular, como k(Tn Tm )(v)kE kTn Tm kkvkE , conclu-
mos que para cada v E, (Tn (v)) uma sequncia de Cauchy
em E.

Portanto, definamos T : E E por

T (v) = lim Tn (v), v E.


n+

Claramente T linear:

T (v + w) = lim Tn (c v + w) = lim c Tn (v) + T n (w) =


n+ n+
56 Captulo 2. Funes Analticas

c lim Tn (v)+ lim Tn (w) = cT (v)+T (w), c R( ou C), v, w E.


n+ n+

Da, fcil ver que T L(E, E). De fato, seja  > 0, e tome
n0 N tal que kTn Tm k < , n, m n0 . Da, dado v E
com kvk = 1, temos:

kTn (v)kE kTn k kTn0 k + kTn Tn0 k < kTn0 k + , n n0 .

A continuidade da norma e a desigualdade acima implicam que


kT (v)kE kTn0 k + , v E, kvkE = 1, donde

sup {kT (v)kE } kTn0 k +  T limitado.


kvk=1

S falta vermos que Tn T na norma do operador.


Dado v E tal que kvk = 1, vimos acima que n, m n0 , vale:

kTn (v) Tm (v)kE kTn Tm k < .

Novamente, fazendo m +, fixando n n0 , a continui-


dade da norma e a ltima inequao implicam que v E, com
kvkE = 1 vale que kTn (v) T (v)kE .

Donde conclumos que n n0 ,

sup {kTn (v) T (v)kE } = kTn T k .


kvkE

Estamos agora aptos a enunciar e provar importantes


corolrios do Teorema do Ponto Fixo conhecidos como verses
no diferenciveis do teorema da Funo Inversa:

Teorema 2.39. (Perturbao da Identidade.) Sejam E um


espao de Banach, I : E E a identidade em E e seja : E
E uma contrao em E. Ento I + um homeomorfismo sobre
E.
2.2. O Espao Normado das Aplicaes Lineares Contnuas 57

Prova: Sejam x, y E e h = I + . Seja 0 < < 1 a


constante de Lipschitz de . Ento

kI(x) + (x) I(y) (y)k

kx yk + k(x) (y)k kx yk kx yk =
(1 ) kx yk kh(x) h(y)k (1 ) kx yk =
6 0 se x 6= y;
donde obtemos a injetividade de h, e tambm a continuidade
de h1 . Mostremos agora a sobrejetividade de h. Seja z E.
Queremos ver que existe p E tal que h(p) = z p + (p) =
z p = z (p). Por conseguinte definamos fz : E E por
fz (x) = z (x). Basta ento acharmos um ponto fixo p para
fz , que teremos h(p) = z. De fato, fz : E E contrao:

kfz (x)fz (y)k = kz(x)z+(y)k = k(y)(x)k kxyk.

Como E espao normado completo, segue-se do teorema do


ponto fixo para contraes que existe um nico p E tal que
h(p) = z, como queramos. Isso nos d ao mesmo tempo a so-
brejetividade e uma nova prova da injetividade.

Lema 2.40. Seja E um espao de Banach, L L(E, E) satis-


fazendo kLk a < 1 e G L(E, E) isomorfismo com kG1 k
a < 1. Ento:

a) (I + L) isomorfismo e k(I + L)1 k 1/(1 a);

b) (I + G) isomorfismo e k(I + G)1 k a/(1 a).

Prova:

a) Seja y E qualquer fixado. Defina u : E E por

u(x) := y L(x).
58 Captulo 2. Funes Analticas

Os grficos de y = x3 e y = x3 2 x nos mostram que somando uma contrao


a um homeomorfismo com inversa no lipschitziana, o resultado pode no ser
um homeomorfismo. Mostram ademais que a soma de homeomorfismos pode
no ser um homeomorfismo.

Logo

|u(x1 ) u(x2 )| = |L(x2 x1 )| a |x2 x1 |,

o que implica que u : E E uma contrao. Pelo teo-


rema do ponto fixo para contraes,

!z E/ u(z) = z !z E/ z = y L(z)

!z E/ y = z + L(z),

o que implica que (I + L) isomorfismo.


Seja y E com |y| = 1 e seja x E tal que (L + I)1 (y) =
x. Como x + L(x) = y, temos que |x| a |x| 1 |x|
1/(1 a), donde se conclui que k(I + L)1 k 1/(1 a).

b) (I + G) = G (I + G1 ). Como

kG1 k a < 1 |{z}


(I + G1 ) inversvel.
tem a)
2.2. O Espao Normado das Aplicaes Lineares Contnuas 59

Da, (I + G)1 = (I + G1 )1 G1 , o que implica que


1 a
k(I + G)1 k k(I + G1 )1 k kG1 k a = .
1a 1a

Corolrio 2.41. (Perturbao de uma aplicao bilips-


chitz.) Sejam E, E espaos de Banach e : E E uma apli-
cao bilipschitz (sobrejetiva), isto , f invertvel e lipschitzi-
ana com inversa tambm lipschitziana. Seja : E E Lipschitz
tal que sua constante de Lipschitz Lip() < Lip(1 )1 . Ento
+ : E E um homeomorfismo (sobrejetivo).

Prova: Considere h : E E dado por

h := ( + )1 = I + 1 .

Dados x, y E,

k(1 (x)) (1 (y))k Lip() k1 (x) 1 (y)k

Lip()Lip(1 )kx yk k1 (x)1 (y)k kx yk,


ou seja, 1 uma contrao. Logo, pelo teorema da
perturbao da identidade, h = ( + ) 1 = I + 1 um
homeomorfismo (injetivo e sobre E). Portanto a composio

( + )1 = +

um homeomorfismo, como queramos mostrar.

Corolrio 2.42. (Perturbao do Isomorfismo.) Sejam E, E


espaos de Banach e T : E E um isomorfismo linear (so-
brejetivo). Seja : E E Lipschitz tal que sua constante de
Lipschitz Lip() < kT 1 k1 . Ento T + : E E um ho-
meomorfismo (sobrejetivo).
60 Captulo 2. Funes Analticas

Prova: Imediata do corolrio anterior.

2.3 Integrao de Caminhos em Espaos Vetoriais

Definio 2.43. (Partio de um intervalo.) Uma parti-


o P de um intervalo [a, b] R uma coleo finita P =
{I1 , . . . , Ij } de intervalos dois a dois disjuntos tais que I1 =
[x0 , x1 ), . . . , Ij = [xj1 , xj ], com x0 = a, xj = b e x0 xj .
Note que uma partio P de um intervalo [a, b] fica inteiramente
determinada pelo conjunto dos pontos AP := {a = x0 , . . . , xj =
b}, o qual designaremos por conjunto dos pontos associados a P.

Definio 2.44. (Dimetro de uma partio de um in-


tervalo.) O dimetro de uma partio P de um intervalo I o
mximo dos dimetros (comprimentos) dos elementos de P.

Definio 2.45. (Integral de Riemann.) Seja I = [a, b] e


f : I E um caminho limitado, tomando valores em um espao
R
de Banach E. A integral de Riemann I f (x)dx E, se existir,
o limite
Z #P
X
f (x)dx := lim f (xj ) vol(Ij ),
I diam(P)0
j=1

onde xj Ij e P = {Ij , j = 1, . . . , #P}, e vol o volume


(comprimento) do intervalo.

Se existir a integral de Riemann de uma aplicao f ,


ento dizemos que f integrvel Riemann, ou simplesmente,
P#P
integrvel. Uma soma do tipo j=1 f (xj ) vol(Ij ), com xj Pj
e P = {C1 , . . . , I#P } chamada de soma de Riemann de f em
Augusto Armando de Castro Jnior 61

relao a P, e denotada por s(f, P), ou apenas, por s(P) nos


contextos em que f puder ser subentendida sem ambiguidades.

Definio 2.46. (Refinamento de uma partio.) Seja P


uma partio de um intervalo I Rn . Uma partio P de I
dita um refinamento de P se todo elemento de P estiver contido
em algum elemento de P. Tambm escrevemos que P refina P.

Proposio 2.47. Sejam I um intervalo compacto, E um es-


pao de Banach e f : I E uma aplicao contnua. Ento
R
I f (x)dx E.

Prova: Como f contnua em I compacto, uniforme-


mente contnua. Seja  > 0 e tome > 0 tal que

kf (x) f (y)k < /(2 vol(I)), x, y I, d(x, y) < .

Sejam P e P parties quaisquer, com diam(P) < e


diam(P) < . Seja P uma partio que refina tanto P como P.
Da, comparando somas de Riemann em P e P, obtemos:
#P
X #P
X
ks(P) s(P)k = k f (xj ) vol(Ij ) f (xj ) vol(Ij )k.
j j

Para cada Ij P, tomemos Ij,1 , . . . , Ij,r(j) P tais que Ij =


r(j)
i=1 Ij,i . Por conseguinte, reenumerando a soma de Riemann em
P, chegamos a
#P r(j)
#P X
X X
ks(P)s(P)k = k f (xj )vol(Ij ) ( f (xj,i )vol(Ij,i ))k
j j i=1

#P r(j)
X X
kf (xj ) vol(Ij ) f (xj,i ) vol(Ij,i ))k =
j i=1
62 Captulo 2. Funes Analticas

#P Xr(j)
X
= k (f (xj ) f (xj,i )) vol(Ij,i ))k
j i=1

r(j)
#P X r(j)
#P X
X  X
kf (xj )f (xj,i )kvol(Ij,i ) vol(Ij,i ) = /2.
j i=1
2 vol(I) j i=1

Trocando P por P acima, temos que ks(P) s(P)k <


/2, logo

ks(P) s(P)k ks(P) s(P)k + ks(P) s(P)k < ,

implicando que f integrvel.

Definio 2.48. (Integral de Linha.) Sejam E, E espaos de


Banach, U E um aberto, g : U L(E, E) uma aplicao C 0 e
U uma curva C 1 por partes, parametrizada por : [a, b]
. A integral de linha de g em definida por:
Z Z b
g := g((t)) 0 (t)dt.
a

Temos a seguinte proposio:


R
Proposio 2.49. A integral de linha
g est bem definida, a
menos de sinal.

Prova: De fato, tomando : [a, b] , : [c, d]


parametrizaes de , obtemos que
Z Z b Z b
g := g((t))0 (t)dt = g( 1 (t))( 1 )0 (t)dt =
a a

Z b
g(( 1 (t)) 0 ( 1 ((t)) ( 1 )0 (t)dt =
a
Augusto Armando de Castro Jnior 63

Z b
(g(( 1 (t)) 0 ( 1 ((t))) ( 1 )0 (t)dt =
a

(pela frmula de mudana de variveis na reta)


Z d
g((t)) 0 (t)dt.
c

Quando E = C e E um espao complexo, ento L(E, E) '


E. Usando desta ltima identificao, a integral de linha apre-
senta a forma particular de:

Definio 2.50. (Integral por caminhos complexa.) Seja


C uma curva C 1 por partes parametrizada por : [a, b] .
Seja U C um aberto e f : U E uma funo contnua.
Designando por o sinal de produto por escalar, a integral por
caminhos complexa de f em definida por:
Z Z b
f (z)dz := f ((t)) 0 (t)dt.
a

Note que a integral por caminhos complexa simples-


mente um caso particular da integral de linha, e o destaque como
definio a parte se deve apenas pelo seu uso frequente em nosso
texto.

Lema 2.51. Sejam E, E espaos de Banach, U E um aberto,


g : U L(E, E) uma funo contnua e : [a, b] U , um
caminho C 1 tendo por imagem uma curva . Dado  > 0, existe
uma poligonal : [a, b] U , cuja integral de linha aproxima
a integral de linha
Z Z b
g= g((t)) 0 (t)dt.
a
64 Captulo 2. Funes Analticas

Prova: Como contnua e [a, b] compacto temos, em


primeiro lugar, que = ([a, b]) compacto e que supt[a,b] {|0 (t)|} <
+. Seja M := (supt[a,b] {|0 (t)|} (b a) + 1) e seja  > 0
dado. Para cada x , seja B(x, rx ) V tal que g(B(x, rx ))
B(g(x), /3M ). Extramos ento uma subcobertura finita da co-
bertura {B(x, rx /3)} obtendo B := {B1 = B(x1 , rx1 /3 ), . . . , xl , rxl /3 )}.

Seja 0 = min{rxj /3, j = 1, . . . , l}. Note que se y, z


j Bj so tais que ky zk < 0 , ento se y Bq , z Bp , temos

kxq zk kxq yk + ky zk rxq /3 + 0 rxq ,

ou seja z B(xq , rxq ). Isto implica que

kg(z) g(y)k kg(z) g(xq )k + k(g(xq ) g(y)k < /M.

Note ainda que se z, y B(xq , rxq ) para algum q = 1 . . . l, da


convexidade das bolas em um espao vetorial normado, temos
que o segmento [z, y] := {tz + (1 t)y, t [0, 1] R} est
contido em B(xq , rxq ) e portanto em V . Em particular, se dois
pontos x, x em distam menos que 0 , ento o segmento que os
une est contido em V , e diam(g([x, x]) < /M .

Seja agora > 0 tal que


(
|(t)) (s)| < 0
|t s| < 0 0
| (t) (s)| < /(2(b a) supt[a,b] {g((t))})

Seja k N tal que (b a)/k < , e sejam t0 = a, . . . , tk = b tais


que tj = a + kj (b a), j = 0, . . . , k. Definimos ento a poligonal
: [a, b] V por
k
(t) := (tj ) + ((tj+1 ) (tj )) (t tj ) ,
ba
para t [tj , tj+1 ], 0 j < k.
Augusto Armando de Castro Jnior 65

Temos ento:
Z Z k1 Z tj+1 Z tj+1
X
g g = ( g((t))0 (t)dt g((t)) 0 (t)dt)

j=0 tj tj

k1
X Z tj+1 (tj+1 ) (tj )
g((t)) 0 (t) g((t)) dt

j=0 tj tj+1 tj
k1
X Z tj+1 (tj+1 ) (tj )
kg((t)) 0 (t) g((t)) k+
j=0 tj tj+1 tj

(tj+1 ) (tj ) (tj+1 ) (tj )


kg((t)) g((t)) kdt
tj+1 tj tj+1 tj
Analisando cada parcela acima, temos:
Z tj+1
(tj+1 ) (tj )
kg((t))(0 (t) )k+
tj tj+1 tj
Norma do operador
(tj+1 ) (tj ) z}|{
k(g((t) g((t))) ( )kdt
tj+1 tj
tj+1
(tj+1 ) (tj )
Z
kg((t))kk0 (t) kdt+
tj tj+1 tj
tj+1
(tj+1 ) (tj )
Z
kg((t)) g((t))kk kdt
tj tj+1 tj
tj+1
(tj+1 ) (tj )
Z
sup {kg((t))k} k0 (t) kdt+
t[a,b] tj tj+1 tj
DV M
Z tj+1 z}|{
0
kg((t))g((t))k sup k (t)kdt
tj t[a,b]
Z tj+1

sup {|g((t))|} dt+
t[a,b] 2(b a) supt[a,b] {|g((t))|} tj
Z tj+1 Z tj+1
 
dt < dt.
M tj b a tj
66 Captulo 2. Funes Analticas

Somando em j, conclumos que


Z Z k1 Z tj+1
X 
g g < dt = .

ba

j=0 tj

Lema 2.52. Sejam E, E espaos de Banach, gn , g : U


L(E, E) aplicaes contnuas em um aberto U E e : [a, b]
U , um caminho C 1 por partes tendo por imagem uma curva .
Se gn converge a g uniformemente em partes compactas, ento
Z Z b Z Z b
0
gn = gn ((t)) (t)dt g= g((t)) 0 (t)dt
a a

quando n .

Prova: Sem perda, podemos supor `() > 0. Seja  > 0,


e tome n0 tal que kgn (x) g(x)k < /`(), x , n n0 . Da,
Z Z Z b Z b
0
gn g = gn ((t)) (t)dt g((t)) 0 (t)dt =

a a

Z b
(gn ((t)) g((t))) 0 (t)dt


a
Z b
kgn ((t)) g((t))k k0 (t)kdt <
a
Z b

< k0 (t)kdt = .
`() a

O lema acima tem como consequncia um resultado an-


logo para integrais por caminhos complexas. Todavia, tais resul-
tados tambm podem ser facilmente provados com o auxlio do
utilssimo:
Augusto Armando de Castro Jnior 67

Lema 2.53. Dada f : U C E e uma parametrizao C 1


: [a, b] de uma curva U . Ento, temos:
Z
f (z)dz sup{kf (z)k} `().

z

Prova:
Z Z b
f (z)dz = f ((t)) 0 (t)dt =

a
n
X (b a)
= lim f ((tj )) 0 (tj )

n
,
n+
j=1

onde tj = a + (b a) j/n. Da,


n
X (b a)
lim f ((tj )) 0 (tj ) =

n+
j=1
n
n
X (b a)
= lim f ((tj )) 0 (tj )

n+
j=1
n
n b
(b a)
X Z
lim kf ((tj ))k|0 (tj )| = kf ((t))k|0 (t)|dt
n+
j=1
n a
Z b
sup{kf (z)k} |0 (t)|dt = sup{kf (z)k} `().
z a z

Corolrio 2.54. Sejam fn , f : U E aplicaes contnuas em


um aberto U C e : [a, b] U , um caminho C 1 por partes
tendo por imagem uma curva . Se fn converge a f uniforme-
mente em partes compactas, ento
Z Z b Z Z b
fn (z)dz = fn ((t))0 (t)dt f (z)dz = f ((t))0 (t)dt,
a a

quando n .
68 Captulo 2. Funes Analticas

Prova: Pelo lema 2.53,


Z
k fn (z) f (z)dzk sup{kfn (z) f (z)k} `().
z

Se `() = 0, nada h a provar. Assim, suponhamos que `() > 0.


Tome n0 tal que supz {kfn (z) f (z)k} < /`(), n n0 . Por
conseguinte,
Z
fn (z) f (z)dz sup{kfn (z) f (z)k} `() < , n n0 .

z

Corolrio 2.55. Sejam fn , f : U E aplicaes contnuas


em um aberto U C e : [a, b] U , um caminho C 1 por
P
partes tendo por imagem uma curva . Se fn converge a f
uniformemente em partes compactas, ento
Z X Z b
X Z
0
fn (z)dz = fn ((t)) (t)dt f (z)dz
n=0 n=0 a
Z b
= f ((t)) 0 (t)dt,
a
quando n .

2.4 A Teoria de Cauchy-Goursat

Nesta seo adaptamos a teoria de Anlise Complexa


para aplicaes holomorfas tomando valores em espaos de Ba-
nach. Muitos dos teoremas daqui so adaptaes de teoremas
vistos em cursos bsicos de Funes Analticas de C. Em tal
nvel elementar, uma boa referncia o livro do prof. Mrcio
Soares [20].
Augusto Armando de Castro Jnior 69

Definio 2.56. (Aplicao Holomorfa.) Seja U C um


conjunto aberto e f : U E, onde E um espao de Banach.
Dizemos que f holomorfa em z0 U se existe o limite
f (z) f (z0 )
lim = f 0 (z0 ).
zz0 z z0
Neste caso, f 0 (z0 ) chamada de derivada holomorfa de f em z0 .
Se f holomorfa em cada ponto de U , dizemos que f holomorfa
em U ou, simplesmente, que f holomorfa.

Lembramos aqui a prova do Teorema de Cauchy-Goursat


para regies triangulares, adaptando-o ao contexto de espaos de
Banach.

Teorema 2.57. (Teorema de Cauchy-Goursat para re-


gies triangulares.) Sejam U C um aberto, E um espao
de Banach, f : U E uma aplicao holomorfa e seja um
tringulo compacto contido em U . Ento
Z
f (z)dz = 0.

Prova: Realizemos uma construo indutiva para a prova


do teorema. Escrevamos = 0 e subdividamos este tringulo
em quatro tringulos (10 , 20 , 30 , 40 ) a ele semelhantes, cujos
lados tm metade do comprimento de seus correspondentes no
tringulo original. Ademais, orientamos os bordos de cada um
dos tringulos no sentido horrio.

Da,
Z Z Z Z Z
f (z)dz = f (z)dz+ f (z)dz+ f (z)dz+ f (z)dz.
0 10 20 30 40

Vejamos como se d o passo de induo: supondo que temos


construdo um tringulo n para um certo n N (por exemplo,
70 Captulo 2. Funes Analticas

Figura 1 Teorema de Cauchy-Goursat em regio triangular


O tringulo subdividido em quatro tringulos semelhantes, com metade do
lado e 1/4 de sua rea.

j definimos, para n = 0, 0 := ). Da, dividimos n em 4


tringulos 1n , 2n , 3n , 4n semelhantes como explicado acima.
Definimos n+1 := jn , onde
Z Z Z
f (z)dz = max{ f (z)dz , f (z)dz ,


jn 1n 2n

Z Z
f (z)dz , f (z)dz }


3n 4n

Da,
Z Z
f (z)dz 4 f (z)dz


n n+1

Ademais, se n o comprimento do maior lado do tringulo n ,


claro que
n+1 = n /2 = 0 /(2n ),

`(n+1 ) = `(n )/2 = `(0 )/(2n ).

Como os tringulos n , n N formam uma famlia encaixante


de compactos no vazios, podemos tomar z0 nN n . Como
Augusto Armando de Castro Jnior 71

f holomorfa, dado  > 0, > 0 tal que



|zz0 | < |f (z)f (z0 )f 0 (z0 )(zz0 )| |zz0 |.
0 `()

Da,
Z
f (z) f (z0 ) f 0 (z0 ) (z z0 )dz =
n
Z Z
= f (z)dz f (z0 ) + f 0 (z0 ) (z z0 )dz
n n

(pois o Teorema de Cauchy-Goursat claramente vale para apli-


caes holomorfas afins)
Z
f (z)dz.
n

Por conseguinte,
Z Z
f (z)dz 4n f (z)dz =


n
Z
= 4n f (z) f (z0 ) f 0 (z0 ) (z z0 )dz

n

(supondo n suficientemente grande de modo a que n < )


  0 `()
4n sup{|z z0 |} `(n ) 4n n n .
0 `() 0 `() 2 2
Como  > 0 arbitrrio, segue-se que
Z
f (z)dz = 0.

A partir da verso acima, bastante fcil de provar


uma verso similar para crculos (e curvas convexas) no lugar de
tringulo.
72 Captulo 2. Funes Analticas

Usando a definio de integral curvilnea complexa, sa-


1
R
bemos que zz0
dz = 2i, para qualquer curva fechada simples
contendo z0 na regio aberta limitada de C que possui como
fronteira. O resultado mais importante na teoria de aplicao
analticas o seguinte:

Teorema 2.58. (Frmula Integral de Cauchy.) Seja E um


espao de Banach sobre C, U C um aberto simplesmente co-
nexo e f : U E uma aplicao holomorfa. Seja 0 U uma
regio compacta cuja fronteira uma curva de Jordan . Ento,
dado z0 int(0 ), vale:
Z
1 f (z)
f (z0 ) = dz.
2i z z0

Prova: Dado  > 0, seja > 0 da continuidade uniforme


de f em 0 tal que


kz z0 k kf (z) f (z0 )k < .
2

Obviamente, podemos supor > 0 suficientemente pequeno de


modo a que B(0, ) int(0 ). Chamemos de a curva que o
crculo de centro z0 e raio .

Ligando a por meio de uma curva auxiliar di-


feomorfa a um intervalo compacto, conforme mostra a figura,
usando a propriedade de que uma integral de linha muda de
sinal se trocamos a orientao e aplicando o teorema de Cauchy-
Goursat, obtemos que

Z Z
f (z) f (z)
dz = dz.
z z0 z z0
Augusto Armando de Castro Jnior 73

Figura 2 Frmula Integral de Cauchy


Justapondo as curvas , , , , e aplicando o Teorema de Cauchy-Goursat,
obtemos que a integral do crculo de raio delta em torno de z0 zero.

Mas
Z f (z) Z f (z)
Z
1
dzf (z0 )2i = dzf (z0 ) dz =

z z0 z z0 z z0

f (z) f (z0 )
Z
dz.
z z0

Como para z sobre a curva , temos kf (z) f (z0 )k < /2 e


kz z0 k = , obtemos
Z f (z) f (z0 ) 
dz < `( ) = .

z z0 2


74 Captulo 2. Funes Analticas

Conclumos que
Z f (z) Z f (z) f (z )
0
dz 2if (z0 ) = dz < ,  > 0,

z z z z

0 0

logo Z
f (z)
= 2if (z0 ).
z z0

Corolrio 2.59. (Estimativas de Cauchy.) Seja f uma fun-


o holomorfa limitada em um disco D(z, r), digamos |f (z)| <
n!K
K, z D(z0 , r). Ento |f (n) (z0 )| rn .

Prova: Seja s = B(z0 , s), s < r. Do teorema acima,


obtemos:
n! Z f (w)
(n)
|f (z0 )| = dw

2i s (w z0 )n+1

n! K n! K n!K
n+1
`(s ) = n+1
2s = n .
2 s 2 s s
Como s < r arbitrrio, conclumos que
n!K
|f (n) (z0 )| .
rn

Teorema 2.60. (Teorema de Liouville.) Seja E um espao


de Banach complexo. Se f : C E holomorfa e limitada,
ento f constante.

Prova: Pelas estimativas de Cauchy, dado z0 C e um


disco qualquer D(z0 , r), temos
supzC {kf (z)k}
kf 0 (z0 )k .
r
Augusto Armando de Castro Jnior 75

Tomando r > 0 suficientemente grande, conclumos que f 0 (z0 ) =


0. Como z0 C arbitrrio e C conexo, temos que f cons-
tante.

Teorema 2.61. (Teorema Fundamental da lgebra). Todo po-


linmio p : C C no constante possui raiz em C.

Prova: Primeiro veremos que limz |p(z)| = +,


onde p : C C um polinmio no constante, digamos, p(z) =
a0 + a1 z + + an z n , com an 6= 0. Como estamos analisando
o que ocorre quando |z| +, podemos supor z 6= 0; assim,
fazendo uso da desigualdade triangular, obtemos:
 |an1 | |a0 | 
|p(z)| |z|n |an | ... n
|z| |z|

Seja M > 0 qualquer. Tome K := max{2(M + 1), 2(M + 1) n


|aj |, j = 0, . . . n}. Temos ento que |z| > K |p(z)| > M , o que
por definio significa que

lim |p(z)| = +.
z+

Agora, suponha por absurdo que p no possua razes, ou


seja, p(z) 6= 0, z C. Logo, f (z) := 1/p(z) define uma funo
inteira, isto , uma funo holomorfa com domnio igual a C.
Ademais, f limitada:

Como f contnua, existe M > 0 tal que |f (z)| < M


para todo z na bola compacta B(0, K), onde K a mesma
constante do pargrafo anterior.

Para z, |z| > K, temos que |f (z)| = 1/|p(z)| < 1/M .


76 Captulo 2. Funes Analticas

Por conseguinte, tomando M := max{M , 1/M }, temos que |f (z) <


M , z C. Sendo f funo inteira e limitada, segue-se por Li-
ouville que f constante. Mas nesse caso, p(z) = 1/f (z) seria
constante, absurdo.

Dizemos que N C um anel centrado em a C, se


N da forma

N = N (a, r1 , r2 ) := {z C, r1 |za| r2 , com r1 , r2 > 0, a C}.

A frmula integral de Cauchy nos permite ainda de-


monstrar o seguinte teorema sobre aplicaes holomorfas em um
anel:

Teorema 2.62. (Sries de Laurent em Espaos de Ba-


nach.) Sejam N C um anel centrado em a C, V C
uma vizinhana de N , e f : V E uma aplicao holomorfa
tomando valores em um espao de Banach E. Ento existem
nicos An E, n Z tais que
+
X
f (z) = An (z a)n , z N ,
n=

a convergncia do limite acima sendo absoluta e uniforme em


N.

Prova: Sendo N um anel centrado em a C e f :


V E, e orientando a fronteira de N conforme a figura, dado
z N \ N , pela frmula integral de Cauchy, temos:

Z Z Z
1 f (w) 1  f (w) f (w) 
f (z) = dw = dw dw =
2i N wz 2i 2 wz 1 wz
Augusto Armando de Castro Jnior 77

Figura 3 Srie de Laurent

Z Z
1  f (w) f (w) 
dw + dw =
2i 2 w a (z a) 1 z a (w a)
Z Z
1  f (w) f (w) 
za dw+ wa dw =
2i 2 (w a) (1 wa ) 1 (z a) (1 za )

(note que para w 2 vale |w a| > |z a|, z N ; j para


w 1 vale |w a| < |z a|)

f (w) X z a j f (w) X w a j 
Z Z
1 
( ) dw+ ( ) dw .
2i 2 (w a) j=0 w a 1 z a j=0 z a

As somas geomtricas dentro das integrais convergem absoluta-


mente e uniformemente em partes compactas de int(N ), logo
podemos permutar seus limites com as integrais, e usando a li-
nearidade das integrais, obtemos:
Z
1 hX f (w)
f (z) = dw (z a)j +
2i j=0 2 (w a)j+1

Z
X i
f (w)(w a)j1 dw (z a)j ,
j=1 1

tambm chamada de Srie de Laurent de f no anel N .

Para vermos a unicidade dos coeficientes de Laurent,


P+
basta notarmos que se f (z) = n= An (z a)n , ento dado
78 Captulo 2. Funes Analticas

k Z, e para qualquer crculo com centro em a e contido em N ,


temos
Z Z +
1 1 X
f (z)(za)k+1 dz = An (za)n+k+1 dz = Ak ,
2i 2i n=

(z a)n+k+1 dz = 0, se n + k + 1 6= 1, e igual
R
uma vez que
a 2i, se n + k + 1 = 1.

2.5 Resduos

A frmula integral de Cauchy e a teoria de sries de Lau-


rent no apenas nos permitem provar teoremas profundos como
o Teorema Fundamental da lgebra e o princpio do Mdulo
Mximo, como nos permitem calcular integrais e mais impor-
tante ainda, razes de funes holomorfa, especialmente polin-
mios. Essas tcnicas so o objetivo desta seo. A fora delas
pode ser apreciada pelos exerccios 11 e 13 no final captulo, e
no programa que nos permite calcular razes de polinmios, cuja
listagem segue a seo.

Definio 2.63. (Resduo). Seja f uma funo holomorfa em


B(a, ) \ {a}. O resduo de f em a, denotado por res(f, a), o
coeficiente b1 do termo 1/(z a) da srie de Laurent de f com
centro em a.

Vimos que quando temos uma singularidade (por defi-


nio, isolada) a de f um crculo contido no domnio de f
e contendo a como a nica singularidade de f na regio interior
2.5. Resduos 79

ao crculo, ento:
Z
X Z
X Z
m
f (z)dz = bm (z a) + an (z a)n dz
m=1 n=0

= 2ib1 = 2ires(f, a).

Mais em geral, temos o

Teorema 2.64. (Resduos de Cauchy). Seja f uma funo ho-


lomorfa num domnio U \ {p1 , p2 , . . . , ps }. Suponha que
U \ {p1 , p2 , . . . , ps } uma curva de Jordan C 1 por partes, ori-
entada no sentido anti-horrio, tal que a regio V fechada e
limitada por ela est contida em U e contm todos os pontos
p1 , . . . , ps . Ento,
Z s
1 X
f (z)dz = res(f, pj ).
2i j=1

Prova:

Para a prova do teorema, vamos fazer indutivamente a


seguinte construo geomtrica. Para cada v S 1 , considere o
conjunto do lugar geomtrico das semi-retas

Sv = {z C; z = pj + t v, t 0, j = 1, . . . , s}

Veja que a coleo {Sv , v S 1 } tem cardinalidade infinita (de


fato, no enumervel), e portanto, existe v S 1 tal que cada
semi-reta em Sv intersecta {p1 , . . . , ps } exatamente em um nico
ponto. Em particular, seja r > 0 o mnimo das distncias entre
cada pj e as demais semi-retas contidas em Sv . Tomando 0 <
r r tal que B(pj , r) U , definimos ainda qj como o primeiro
ponto sobre a semi-reta {pj +tv, t 0}, j = 1, . . . , s (tais qj s
80 Captulo 2. Funes Analticas

Figura 4 Resduos

existem pelo teorema da Alfndega aplicado a cada semi-reta da


forma {pj + tv, t 0} e a regio V ).

Reordenando os pj se necessrio, podemos supor que os


qj esto ordenados segundo a parametrizao de , isto , se
: I parametriza e qj = (tj ), ento j < k implica
tj < tk . Designemos por qj o ponto em que o segmento pj qj
intersecta a j := B(pj , r). Temos ento que
Z s Z
X Z s Z
X
f (z)dz f (z)dz = f (z)dz f (z)dz =
j=1 j j=1 j

Z s Z
X Z  s Z
X
f (z)dz + f (z)dz f (z)dz f (z)dz
j=1 qj qj qj qj j=1 j

Note que a curva justaposio das curvas das integrais


acima limite de curvas de Jordan em torno de uma regio em
que f holomorfa. Por conseguinte, sua integral zero. Isto
2.5. Resduos 81

q q q
5
4 1
q
q 2
3

p
5 p
1

p p
3
2

p
4

Figura 5 Teorema dos Resduos

implica que
Z s Z
X
f (z)dz = f (z)dz.
j=1 j

R
Mas pelo teorema de Laurent (vide pgina ??), j
f (z)dz =
2ires(f, pj ), o que conclui a prova.

Teorema 2.65. Seja f uma funo holomorfa num domnio


U \ {p1 , p2 , . . . , ps }. Suponha que U \ {p1 , p2 , . . . , ps } uma
curva de Jordan C 1 por partes, orientada no sentido anti-horrio,
tal que a regio S, fechada e limitada por ela, est contida em
U e contm todos os pontos p1 , . . . , ps . Suponha que todas as
singularidades de f em S sejam somente polos. Ento
Z 0
1 f (z)
dz = Z(f ; S) P (f ; S),
2i f (z)

onde Z(f ; S) o nmero de zeros de f em S, contadas as suas


82 Captulo 2. Funes Analticas

multiplicidades, e P (f ; S) o nmero de polos de f em S, con-


tadas as suas ordens.

Prova:

Fixado p S, as sries de Laurent de f e f 0 em tal


ponto se escrevem respectivamente como:

+
X k
X
f (z) = an (z p)n + bn (z p)n
n=0 n=1

e
+
X k
X
f 0 (z) = nan (z p)n1 + nbn (z p)n1 .
n=1 n=1

Portanto, se p um polo de f de ordem k, necessariamente um


polo de ordem k+1 para f 0 . Como se um ponto no for polo de f ,
no o ser de f 0 , isso implica que os polos de f so exatamente
os mesmos que os de f 0 . Por outro lado, se p for uma raiz de
multiplicidade m para f , ele ser um zero de multiplicidade m1
para f 0 (no caso de m = 1, no ser um zero para f 0 ).

Isso implica que um ponto p singularidade para f 0 /f se


e s se, p polo de f (as singularidades de f e f 0 so as mesmas,
e por hiptese f no possui outro tipo de singularidade, exceto
polo, em S), ou p zero de f . No caso de p ser um polo de f de
ordem k = k(p), temos para z em uma certa vizinhana furada
de p:
P+ Pk
f 0 (z) n=1 nan (z p)n1 + n=1 nbn (z p)n1
= P+ Pk =
f (z) n
n=0 an (z p) + n=1 bn (z p)
n

P+ Pk
(z p)k1 ( n=1 nan (z p)n+k + n=1 nbn (z p)n+k
+ k
=
(z p)k n=0 an (z p)n+k + n=1 bn (z p)n+k
P P
2.5. Resduos 83

Pk1 P+
1 n=0 (k n)bkn (z p)n + n=k (n k)ank (z p)n
Pk1 P+ .
(z p) n
n=0 bkn (z p) + n=k ank (z p)
n

Note que denotando por


k1
X +
X
g(z) := (k n)bkn (z p)n + (n k)ank (z p)n
n=0 n=k

e por
k1
X +
X
h(z) = bkn (z p)n + ank (z p)n ,
n=0 n=k

tanto g como h so no nulas em p, logo seu quociente holo-


morfo em uma bola B U centrada em p com raio suficiente-
mente pequeno. Donde conclumos que em tal vizinhana de p,
f se escreve como

1 g(z)
f (z) = ,
(z p) h(z)
g(p)
com g/h holomorfas e h(p) = kbk /bk = k. Logo, res(f, p) =
k, a qual o simtrico da ordem do polo de f em p.

Analogamente, se p um zero de multiplicidade m =


m(p) de f , temos em uma vizinhana furada de p na qual
P+
(z p)m1 n=0 (n + m)an+m (z p)n
f (z) = P+ =
(z p)m n=0 an+m (z p)
n

1 g(z)
,
z p h(z)

com g/h holomorfa em uma vizinhana de p e g(p)/h(p) =


mam /am = m, implicando que o resduo res(f 0 /f, p) igual
a multiplicidade de p como zero de f .
84 Captulo 2. Funes Analticas

Pelo teorema de Resduos, conclumos que


s
f 0 (z) f0
Z
1 X X
dz = res( , zj ) = m(zj )
2i f (z) j=1
f
zj ,f (zj )=0

X
k(zj ) = Z(f, S) P (f, S),
zj ,zj polo de f

onde zj so as singularidades de f 0 /f em S.

2.6 Programa de Clculo de razes de polinmios

Nessa seo, apresentamos um programa em linguagem


C por ns escrito que permite entrar com um polinmio e uma
regio retangular contendo uma possvel raiz deste, com a fi-
nalidade de calcular precisamente , usando da teoria vista de
Anlise Complexa. Note que a mesma regio funciona para cal-
cular razes associadas ao prolongamento de com respeito a
polinmios com coeficientes suficientemente prximos aos do po-
linmio inicial.

Para compilar o programa, deve-se digitar e salvar em


uma mesma pasta os quatro arquivos listados abaixo, e digitar
em um terminal (preferencialmente, linux):

gcc -o polintip polintip.c -lm

Os arquivos que compem o programa so:

polintip.c (principal)

tipo.h
Augusto Armando de Castro Jnior 85

complex.c

integra.c

/ Programa de C a l c u l o de R a i z e s de P o l i n o m i o s /
/ Arquivo p r i n c i p a l : p o l i n t i p . c
/
/ Autor : Augusto Armando de C a s t r o J u n i o r /
/ Data : 06 de f e v e r e i r o de 2 0 1 4 .
/
/ Entradas da Linha de Comando :
4 e n t r a d a s da r e g i a o e , s , w , n
cantos i n f e r i o r esquerdo e superior d i r e i t o ;
Opcao de o p e r a c a o opc ;
no . de c o e f i c i e n t e s do p r i m e i r o p o l i n o m i o n l ;
l i s t a de monomios do p r i m e i r o p o l i n o m i o ;
l i s t a de monomios do segundo p o l i n o m i o .
/

#include <s t d i o . h>


#include < s t d l i b . h>
#include <math . h>

#i f n d e f r e a l
#define r e a l double
#endif

#i f n d e f PI
#define PI 3 . 1 4 1 5 9 2 6 5 3 5 8 9 7 9 3 2 3 8 4 6 2 6 4 3 3 8 3 2 7 9 5
#endif

#define TAMAX 64
#define TIPOCOMPLEX
#define TIPO struct complex
#include " t i p o . h"
86 Captulo 2. Funes Analticas

#include " complex . c "


#include " i n t e g r a . c "

#define SWAP( a , b ) { auxc= ( a ) ; ( a)= ( b ) ; ( b)= auxc ; }

struct monom {
TIPO v ;
int g ;
};

struct p o l i n {

i n t grau ;
i n t tam ;
struct monom mon [ TAMAX] ;
};

struct f u n r {
struct p o l i n pn ;
struct p o l i n pd ;
};

s t a t i c struct p o l i n ZEROP= { 0 , 1 } ;
s t a t i c struct f u n r ZEROR= { { 0 , 1 } , { 0 , 1 , { 1 . 0 , 0 . 0 , 0 } } } ;

char _err= 0 ;

struct p o l i n sump ( struct p o l i n , struct polin );


struct p o l i n subp ( struct p o l i n , struct polin );
struct p o l i n mulp ( struct p o l i n , struct polin );
struct p o l i n d i v p ( struct p o l i n , struct polin );
struct p o l i n modp ( struct p o l i n , struct polin );
struct f u n r divmodp ( struct p o l i n , struct polin );
struct p o l i n d e r i v p ( struct polin );
TIPO homoval ( struct p o l i n , TIPO ) ;
TIPO r a i z n e w t ( struct p o l i n , TIPO ) ;

struct f u n r sumf ( struct f u n r , struct f u n r ) ;


Augusto Armando de Castro Jnior 87

struct funr s u b f ( struct f u n r , struct f u n r ) ;


struct funr mulf ( struct f u n r , struct f u n r ) ;
struct funr d i v f ( struct f u n r , struct f u n r ) ;
struct f u n r d e r i v f ( struct funr ) ;

long d f s o b r e f ( struct p o l i n , TIPO , TIPO , TIPO , long ) ;

i n t i g u a l p ( struct p o l i n , struct p o l i n ) ;

struct f u n r a t r i p 1 ( struct f u n r ) ;
struct f u n r a t r i p 2 ( struct p o l i n , struct p o l i n ) ;

i n t main ( i n t a r g c , char a r g v [ ] )
{
char s t r , opc ;
i n t n1 , j , k ;
long t ;
TIPO z1 , z2 , z [ 1 0 2 4 ] , u p i ;
s t a t i c TIPO f u n [ 4 0 9 6 ] , z d f s f [ 4 0 9 6 ] ;

struct p o l i n p1 , p2 ;
struct monom auxc ;

i f ( argc < 6)
{
printf (
" Programa %s \nUso : %s <e><s><w><n><opc> n1 <p o l 1 ><p o l 2 >\
argv [ 0 ] , argv [ 0 ] ) ;
exit (0);
}
z1 . r e= a t o f ( a r g v [ 1 ] ) ;
z1 . im= a t o f ( a r g v [ 2 ] ) ;
z2 . r e= a t o f ( a r g v [ 3 ] ) ;
z2 . im= a t o f ( a r g v [ 4 ] ) ;
opc= a r g v [ 5 ] [ 0 ] ;
n1= a t o i ( a r g v [ 6 ] ) ;
88 Captulo 2. Funes Analticas

f o r ( k=0 , j= 7 ; j < 7+ n1 3 ; j+= 3 , k++)


{
p1 . mon [ k ] . v . r e= a t o f ( a r g v [ j ] ) ;
p1 . mon [ k ] . v . im= a t o f ( a r g v [ j+ 1 ] ) ;

p1 . mon [ k ] . g= a t o i ( a r g v [ j+ 2 ] ) ;
i f ( k> 0 )
{
i f ( p1 . mon [ k 1 ] . g> p1 . mon [ k ] . g )
SWAP( p1 . mon [ k 1 ] , p1 . mon [ k ] ) ;
}
}
p1 . grau= p1 . mon [ k 1 ] . g ;
p1 . tam= n1 ;

f o r ( k= 0 ; j < a r g c ; j+= 3 , k++)


{
p2 . mon [ k ] . v . r e= a t o f ( a r g v [ j ] ) ;
p2 . mon [ k ] . v . im= a t o f ( a r g v [ j+ 1 ] ) ;

p2 . mon [ k ] . g= a t o i ( a r g v [ j+ 2 ] ) ;

}
p2 . grau= p2 . mon [ k 1 ] . g ;
p2 . tam= k ;
m o s t r a p o l ( " \n p1 : " , p1 , "(% l f + i%l f ) " ) ;
m o s t r a p o l ( " \n p2 : " , p2 , "(% l f + i%l f ) " ) ;

t= g e r a r e t a n g ( z1 , z2 , z , 4 8 0 ) ;

t= d f s o b r e f ( p1 , fun , z d f s f , z, t );

i f ( t> 0 )
{
Augusto Armando de Castro Jnior 89

u p i= a t r i c 2 ( 0 . 0 , 1 . 0 / ( 2 . 0 PI ) ) ;

p u t s ( " \nSem r a i z e s em cima da c u r v a ; i n t e g r a n d o . . . " ) ;


z1= mulc ( i n t e g r c (& f u n [ 2 0 4 8 ] , &f u n [ 3 0 0 0 ] , fun , z , 1 , t ) ,
upi ) ;
i f ( z1 . re > 0 . 2 )
{
p r i n t f ( " \nHa%l 3 . 0 f r a i z e s na r e g i a o \n" , z1 . r e ) ;
z2= mulc (
i n t e g r c (& f u n [ 2 0 4 8 ] , &z d f s f [ 3 0 0 0 ] , zdfsf , z , 1 , t ) ,
upi ) ;
p r i n t f ( " Raiz : %l f + i %l f \n" , z2 ) ;
}
}
else
{
p r i n t f ( "Achamosuma r a i z na c u r v a : %l f + i %l f \n" , z [ 0 ] ) ;

}
switch ( opc )
{
case . :
p1 = mulp ( p1 , p2 ) ;
s t r = " produto " ;
break ;

case + :
p1 = sump ( p1 , p2 ) ;
s t r = "soma" ;
break ;

case / :
p1 = d i v p ( p1 , p2 ) ;
str = " divisao " ;
break ;

case :
p1 = subp ( p1 , p2 ) ;
90 Captulo 2. Funes Analticas

str = " diferenca " ;


break ; case d :
p1= d e r i v p ( p1 ) ;
s t r= " d e r i v a d a " ;
break ;

case a :
p r i n t f ( " A v a l i a d o em%l f +i %l f o p o l i n o m i o deu :
%l f +i %l f \n ; uma r a i z eh p(% l f +i %l f )=%l f +i %l f \n" ,
p2 . mon [ 0 ] . v ,
homoval ( p1 , p2 . mon [ 0 ] . v ) ,
r a i z n e w t ( p1 , p2 . mon [ 0 ] . v ) ,
homoval ( p1 , r a i z n e w t ( p1 , p2 . mon [ 0 ] . v ) ) ) ;
exit (1);
default : p u t s ( " C a l c u l o de r a i z e s r e a l i z a d o . " ) ;
}
m o s t r a p o l ( " \nO r e s u l t a d o deu : \n" , p1 , "(% l f + i%l f ) " ) ;
puts ( "" ) ;

m o s t r a p o l ( char s t r , struct p o l i n p , char s t r f )


{
int j ;
char s [ 2 5 6 ] ;
printf ( str );
f o r ( j= 0 ; j < ( p . tam 1 ) ; j ++)
{
sprintf (s ,
( p . mon [ j ] . g== 0 ) ? "%s+ " : "%sX^%d+ " ,
s t r f , p . mon [ j ] . g ) ;
p r i n t f ( s , p . mon [ j ] . v ) ;
}
s p r i n t f ( s , "%sX^%d" ,
s t r f , p . mon [ p . tam 1 ] . g ) ;
p r i n t f ( s , p . mon [ p . tam 1 ] . v ) ;
Augusto Armando de Castro Jnior 91

m o s t r a f u n ( char s t r , struct f u n r r , char s t r f )


{
int j ;
char s [ 2 5 6 ] ;
printf ( str );
printf ("(" );
f o r ( j= 0 ; j < ( r . pn . tam 1 ) ; j ++)
{
sprintf (s ,
( r . pn . mon [ j ] . g== 0 ) ? "%s+ " : "%sX^%d+ " ,
s t r f , r . pn . mon [ j ] . g ) ;
p r i n t f ( s , r . pn . mon [ j ] . v ) ;
}
s p r i n t f ( s , "%sX^%d ) / " ,
s t r f , r . pn . mon [ r . pn . tam 1 ] . g ) ;
p r i n t f ( s , r . pn . mon [ r . pn . tam 1 ] . v ) ;

printf ("(" );
f o r ( j= 0 ; j < ( r . pd . tam 1 ) ; j ++)
{
sprintf (s ,
( r . pd . mon [ j ] . g== 0 ) ? "%s+ " : "%sX^%d+ " ,
s t r f , r . pd . mon [ j ] . g ) ;
p r i n t f ( s , r . pd . mon [ j ] . v ) ;
}
s p r i n t f ( s , "%sX^%d ) " ,
s t r f , r . pd . mon [ r . pd . tam 1 ] . g ) ;
p r i n t f ( s , r . pd . mon [ r . pd . tam 1 ] . v ) ;

struct p o l i n mdcp ( struct p o l i n p , struct p o l i n q )


{
struct p o l i n s o b r e = p ;
struct p o l i n sub = q ;
struct p o l i n r e s t o ;
92 Captulo 2. Funes Analticas

while ( i g u a l p ( r e s t o= modp ( s o b r e , sub ) , ZEROP) )


{
s o b r e = sub ;
sub = r e s t o ;
}
return ( sub ) ;
}

struct f u n r a t r i p 2 ( struct p o l i n n , struct p o l i n d )


{
struct f u n r r ;
struct p o l i n m;
i f ( i g u a l p ( d , ZEROP) )
{
_err = 1 ;
return (ZEROR) ;
}

m = mdcp ( n , d ) ;
r . pn= d i v p ( n , m) ;
r . pd= d i v p ( d , m) ;

return ( r ) ;
}
struct f u n r a t r i p 1 ( struct f u n r r )
{
struct p o l i n m;
i f ( i g u a l p ( r . pd , ZEROP) )
{
_err = 1 ;
r . pn= ZEROP;
return ( r ) ;
}

m = mdcp ( r . pn , r . pd ) ;
r . pn = d i v p ( r . pn , m) ;
Augusto Armando de Castro Jnior 93

r . pd = d i v p ( r . pd , m) ;
return ( r ) ;
}

struct p o l i n mulp ( struct p o l i n p1 , struct p o l i n p2 )


{
struct p o l i n p ;
i n t ind , i , j , k ;
i n t n , m= p1 . grau+ p2 . grau ;

p= ZEROP;

f o r ( n= 0 , k= 0 ; n<= m; n++)
{
i n d= p2 . tam 1 ;
f o r ( i= 0 ; ( i < p1 . tam ) && ( p1 . mon [ i ] . g<= n ) ; i ++)
{
/ Obs : a b u s c a a b a i x o pode s e r o t i m i z a d a , usando b s e a r c h . /
f o r ( j= i n d ;
( j>= 0 ) && ( p2 . mon [ j ] . g > ( n p1 . mon [ i ] . g ) ) ;
j );
i f ( p2 . mon [ j ] . g== ( n p1 . mon [ i ] . g ) )
{
p . mon [ p . tam ] . g= n ;
p . mon [ p . tam ] . v= SM( p . mon [ p . tam ] . v ,
ML( p1 . mon [ i ] . v , p2 . mon [ j ] . v ) ) ;
i n d= j ;
}
}
i f ( ! IGUAL( p . mon [ p . tam ] . v , ZERO) )
{
p . tam++;
p . grau= n ;
}

return ( p ) ;
94 Captulo 2. Funes Analticas

struct p o l i n sump ( struct p o l i n p1 , struct p o l i n p2 )


{
struct p o l i n p ;
i n t m, n , k , kax ;

kax= p1 . tam+ p2 . tam ;

f o r ( k= m= n= 0 ; (m< p1 . tam)&& ( n< p2 . tam)&& ( k< kax ) ; )


{
i f ( p1 . mon [ m ] . g== p2 . mon [ n ] . g )
{
p . mon [ k ] . v= SM( p1 . mon [ m ] . v , p2 . mon [ n ] . v ) ;
i f ( ! IGUAL( p . mon [ k ] . v , ZERO) )
{

p . mon [ k ] . g= p1 . mon [ m ] . g ;
k++;
}
m++;
n++;
}
else
{

i f ( p1 . mon [ m ] . g< p2 . mon [ n ] . g )


{
p . mon [ k ] . g= p1 . mon [ m ] . g ;
p . mon [ k ] . v= p1 . mon [ m ] . v ;
m++;

}
else
{
p . mon [ k ] . g= p2 . mon [ n ] . g ;
p . mon [ k ] . v= p2 . mon [ n ] . v ;
n++;
Augusto Armando de Castro Jnior 95

}
k++;
}

f o r ( ; m< p1 . tam ; m++, k++)


{
p . mon [ k ] . g= p1 . mon [ m ] . g ;
p . mon [ k ] . v= p1 . mon [ m ] . v ;
}

f o r ( ; n< p2 . tam ; n++, k++)


{
p . mon [ k ] . g= p2 . mon [ n ] . g ;
p . mon [ k ] . v= p2 . mon [ n ] . v ;
}

p . grau= p . mon [ k 1 ] . g ;
p . tam= k ;

return ( p ) ;
}

struct p o l i n subp ( struct p o l i n p1 , struct p o l i n p2 )


{
struct p o l i n p ;
i n t m, n , k , kax ;

kax= p1 . tam+ p2 . tam ;

f o r ( k= m= n= 0 ; (m< p1 . tam)&& ( n< p2 . tam)&& ( k< kax ) ; )


{
i f ( p1 . mon [ m ] . g== p2 . mon [ n ] . g )
{
p . mon [ k ] . v= SB( p1 . mon [ m ] . v , p2 . mon [ n ] . v ) ;
96 Captulo 2. Funes Analticas

if ( ! IGUAL( p . mon [ k ] . v , ZERO) )


{
p . mon [ k ] . g= p1 . mon [ m ] . g ;
k++;
}

m++;
n++;
}
else
{
i f ( p1 . mon [ m ] . g< p2 . mon [ n ] . g )
{
p . mon [ k ] . g= p1 . mon [ m ] . g ;

p . mon [ k ] . v= p1 . mon [ m ] . v ;
m++;
}
else
{
p . mon [ k ] . g= p2 . mon [ n ] . g ;
p . mon [ k ] . v= SB(ZERO, p2 . mon [ n ] . v ) ;
n++;
}
k++;
}

f o r ( ; m< p1 . tam ; m++, k++)


{
p . mon [ k ] . g= p1 . mon [ m ] . g ;
p . mon [ k ] . v= p1 . mon [ m ] . v ;
}

f o r ( ; n< p2 . tam ; n++, k++)


{
p . mon [ k ] . g= p2 . mon [ n ] . g ;
Augusto Armando de Castro Jnior 97

p . mon [ k ] . v= SB(ZERO, p2 . mon [ n ] . v ) ;


}
p . grau= p . mon [ k 1 ] . g ;

p . tam= k ;

return ( p ) ;
}

struct p o l i n d i v p ( struct p o l i n p1 , struct p o l i n p2 )


{
struct p o l i n p , paux , rp ;
int gr ;
i f ( p1 . grau< p2 . grau )
return (ZEROP ) ;
p= ZEROP;
rp= p1 ;
do {
paux . grau= paux . mon [ 0 ] . g= rp . grau p2 . grau ;
paux . tam= 1 ;
paux . mon [ 0 ] . v= DV( ( rp . mon [ ( rp . tam) 1 ] . v ) ,
( p2 . mon [ ( p2 . tam) 1 ] . v ) ) ;
p= sump ( p , paux ) ;
g r= rp . grau ;
rp= subp ( rp , mulp ( p2 , paux ) ) ;
i f ( rp . grau== g r )
{
rp . tam;
rp . grau= rp . mon [ rp . tam 1 ] . g ;
}

} while ( rp . grau>= p2 . grau ) ;

return ( p ) ;
}
98 Captulo 2. Funes Analticas

struct p o l i n modp ( struct p o l i n p1 , struct p o l i n p2 )


{
struct p o l i n p , paux , rp ;

i f ( p1 . grau< p2 . grau )
return ( p1 ) ;
rp= p1 ;
p= ZEROP;
do {
paux . grau= paux . mon [ 0 ] . g= rp . grau p2 . grau ;
paux . tam= 1 ;
paux . mon [ 0 ] . v= DV( rp . mon [ rp . tam 1 ] . v , p2 . mon [ p2 . tam 1 ] . v ) ;
p= sump ( p , paux ) ;

rp= subp ( rp , mulp ( p2 , paux ) ) ;

} while ( rp . grau>= p2 . grau ) ;

return ( rp ) ;
}

i n t i g u a l p ( struct p o l i n p1 , struct p o l i n p2 )
{
int i ;

i f ( p1 . grau != p2 . grau )
return ( 0 ) ;
i f ( p1 . tam!= p2 . tam )
return ( 0 ) ;

f o r ( i= 0 ; i < p1 . tam ; i ++)


i f ( ( p1 . mon [ i ] . g != p2 . mon [ i ] . g ) | |
( ! IGUAL( p1 . mon [ i ] . v , p2 . mon [ i ] . v ) ) )
Augusto Armando de Castro Jnior 99

return ( 0 ) ;

return ( 1 ) ;

struct f u n r mulf ( struct f u n r r1 , struct f u n r r 2 )


{
struct f u n r r ;
struct p o l i n m;
m = mdcp ( r 1 . pn , r 2 . pd ) ;
r 1 . pn= d i v p ( r 1 . pn , m) ;
r 2 . pd= d i v p ( r 2 . pd , m) ;
m = mdcp ( r 1 . pd , r 2 . pn ) ;
r 1 . pd= d i v p ( r 1 . pd , m) ;
r 2 . pn= d i v p ( r 2 . pn , m) ;
r . pn = mulp ( r 1 . pn , r 2 . pn ) ;
r . pd = mulp ( r 1 . pd , r 2 . pd ) ;
return ( r ) ;
}

struct f u n r sumf ( struct f u n r r1 , struct f u n r r 2 )


{
struct f u n r r ;
struct p o l i n m, n ;
n = sump ( mulp ( r 1 . pn , r 2 . pd ) , mulp ( r 2 . pn , r 1 . pd ) ) ;
m = mdcp ( n , r 1 . pd ) ;
n= d i v p ( n , m) ;
r . pd = d i v p ( r 1 . pd , m) ;
m = mdcp ( n , r 2 . pd ) ;
r . pn= d i v p ( n , m) ;
r . pd= mulp ( r . pd , d i v p ( r 2 . pd , m) ) ;
return ( r ) ;
}

struct f u n r d i v f ( struct f u n r r1 , struct f u n r r 2 )


100 Captulo 2. Funes Analticas

{
return ( mulf ( r1 , a t r i p 2 ( r 2 . pd , r 2 . pn ) ) ) ;
}

struct f u n r s u b f ( struct f u n r r1 , struct f u n r r 2 )


{
return ( sumf ( r1 , a t r i p 2 ( subp (ZEROP, r 2 . pn ) , r 2 . pd ) ) ) ;
}

struct p o l i n d e r i v p ( struct p o l i n p )
{
int i , j ;

i f ( p . grau )
p . grau ;

f o r ( i= j= 0 ; j < p . tam ; j ++)


{
i f ( p . mon [ j ] . g== 0 )
continue ;

p . mon [ i ] . v= MLR( p . mon [ j ] . v , ( r e a l ) ( p . mon [ j ] . g ) ) ;


p . mon [ i ++]. g= p . mon [ j ] . g 1 ;

p . tam= i ;

return ( p ) ;

struct f u n r d e r i v f ( struct f u n r r )
{
Augusto Armando de Castro Jnior 101

struct f u n r f;
struct p o l i n m;

f . pn= subp ( mulp ( d e r i v p ( r . pn ) , r . pd ) , mulp ( d e r i v p ( r . pd ) , r . pn ) ) ;

f . pd= mulp ( r . pd , r . pd ) ;

m = mdcp ( f . pd , f . pn ) ;
f . pd= d i v p ( f . pd , m) ;
f . pn= d i v p ( f . pn , m) ;

return ( f ) ;
}

/ Funcoes para d i a g n o s t i c a r e x i s t e n c i a de r a i z e s em uma r e g i a o /

long d f s o b r e f ( struct p o l i n p ,
TIPO d f s f , TIPO z d f s f , TIPO z , long t )
{
long i , j ;
TIPO num , den ;

struct p o l i n drv ;

drv= d e r i v p ( p ) ;

f o r ( i= 0 ; i < t ; i ++)
{
num= homoval ( drv , z [ i ] ) ;
den= homoval ( p , z [ i ] ) ;
i f ( ! IGUAL( den , ZERO) )
{
d f s f [ i ]= DV(num , den ) ;
z d f s f [ i ]= ML( d f s f [ i ] , z [ i ] ) ;
}
102 Captulo 2. Funes Analticas

else
{
d f s f= z [ i ] ;
return ( 0 ) ;
}

}
return ( i ) ;
}

TIPO homoval ( struct p o l i n p , TIPO x )


{
int j , k ;
TIPO y ;

f o r ( j= p . tam 1 , y= p . mon [ j ] . v ; j > 0 ; )


{

f o r ( k= p . mon [ j ] . g p . mon [ j 1 ] . g ; k> 0 ; k)


{
y= ML( y , x ) ;
}

y= SM( y , p . mon[ j ] . v ) ;

f o r ( k= 0 ; k< p . mon [ 0 ] . g ; k++)


y= ML( y , x ) ;

return ( y ) ;

}
Augusto Armando de Castro Jnior 103

long c u r v a p l p ( struct p o l i n p ,
TIPO p l s p , TIPO z p l s p , TIPO curv , long n )
{
struct p o l i n d e r a ;
r e a l eps ;
TIPO y ;
long j= 0L ;
e p s= (AB( c u r v [ 0]) > 0 . 1 ) ? 0 . 0 0 0 0 0 0 0 0 0 1 :AB( c u r v [ 0 ] ) / 1 0 0 0 0 0 0 0 0 . 0 ;
d e r a= d e r i v p ( p ) ;

f o r ( j= 0 ; j < n ; j ++)
{
y= homoval ( p , c u r v [ j ] ) ;
i f (AB( y)> e p s )
{
p l s p [ j ]= DV( homoval ( dera , c u r v [ j ] ) , y ) ;
z p l s p [ j ]= ML( c u r v [ j ] , p l s p [ j ] ) ;
}
else
{
p l s p [ 0]= c u r v [ j ] ;
return ( 0L ) ;
}
}

return ( j ) ;
}

TIPO r a i z n e w t ( struct p o l i n p , TIPO x0 )


{
struct p o l i n d e r a ;
r e a l eps ;
TIPO x1 , aux ;
i n t j= 0 ;
e p s= (AB( x0)> 0 . 1 ) ? 0 . 0 0 0 0 0 0 0 0 0 1 :AB( x0 ) / 1 0 0 0 0 0 0 0 0 . 0 ;
d e r a= d e r i v p ( p ) ;
104 Captulo 2. Funes Analticas

do
{
x1= x0 ;

aux= homoval ( dera , x0 ) ;

i f (AB( aux)> e p s )
x0= SB( x0 , DV( homoval ( p , x0 ) , aux ) ) ;
else
{
i f (AB( homoval ( p , x0 )) < e p s )
return ( x0 ) ;
else
{
x0= SM( x0 , UM) ;
}
}
j ++;

} while ( (AB(SM( x1 , x0))>= e p s ) && ( j < 1 0 0 0 0 ) ) ;

return ( x0 ) ;
}

/ Arquivo t i p o . h /
/
N e s t e a r q u i v o , d i f e r e n t e s t i p o s e macros c o r r e s p o n d e n t e s
sao d e f i n i d o s
/
#i f d e f TIPOREAL
#define SM( x , y ) ( ( x)+ ( y ) )
#define SB( x , y ) ( ( x) ( y ) )
#define ML( x , y ) ( ( x ) ( y ) )
#define DV( x , y ) ( ( x )/ ( y ) )
#define AT( x , y ) ( ( x)= ( y ) )
Augusto Armando de Castro Jnior 105

#define ATR( x , y ) ( ( x)= ( y ) )


#define IGUAL( x , y ) ( ( x)==(y ) )
#define MEN( x , y ) ( ( x)< ( y ) )
#define MENI( x , y ) ( ( x)<= ( y ) )
#define TAM sizeof ( r ea l )
#define ZERO ( ( r e a l ) ( 0 . ) )
#define UM (( real )(1.))
#define STR " %8.3 l f "
#define TIP ( x ) ( x )

#endif

#i f d e f TIPORACIONAL
#define SM( x , y ) soma ( ( x ) , ( y ) )
#define SB( x , y ) suba ( ( x ) , ( y ) )
#define ML( x , y ) mula ( ( x ) , ( y ) )
#define MLR( x , y ) mula ( ( x ) , a p r o x r e a l ( y ) )
#define DV( x , y ) divi ((x) , (y))
#define AT( x , y ) ( ( x)= ( y ) )
#define ATR( x , y ) ( x)= a t r i b 1 ( y )
#define IGUAL( x , y ) i g u a l ( ( x ) , ( y ) )
#define MEN( x , y ) menor ( ( x ) , ( y ) )
#define MENI( x , y ) menorigual ( ( x ) , ( y ) )
#define TAM s i z e o f ( struct r a c i o n a l )
#define STR "%6l d /%6 l d "
#define TIP ( x ) aproxreal (x)
#define ZERO z e r a
#define UM uma
#endif

#i f d e f TIPOCOMPLEX
#define SM( x , y ) somc ( ( x ) , ( y ) )
#define SB( x , y ) subc ( ( x ) , ( y ) )
#define ML( x , y ) mulc ( ( x ) , ( y ) )
#define MLR( x , y ) mulr ( ( x ) , ( y ) )
#define DV( x , y ) divc (( x ) , (y ))
#define AT( x , y ) ( ( x)= ( y ) )
106 Captulo 2. Funes Analticas

#define ATR( x , y ) ( x)= a t r i c 1 ( y )


#define IGUAL( x , y ) i g u a l c ( ( x ) , ( y ) )
#define TAM s i z e o f ( struct complex )
#define STR "%l f + i %l f "
#define TIP ( x ) atric2 ((x) , 0.0)
#define ZERO z e r c
#define UM umc
#endif

/ Arquivo complex . c /
/ Programa de numeros c o m p l e x o s /
/
N e s t e a r q u i v o , implementamos numeros complexos ,
i n d e p e n d e n t e da implementacao j a e x i s t e n t e em AnsiC99
/

#include <s t d i o . h>


#include < s t d l i b . h>
#include <math . h>

#i f n d e f r e a l
#define r e a l double
#endif

#i f n d e f PI
#define PI 3 . 1 4 1 5 9 2 6 5 3 5 8 9 7 9 3 2 3 8 4 6 2 6 4 3 3 8 3 2 7 9 5
#endif

struct complex {
re al re ;
r e a l im ;
};
char e r r =0;

s t a t i c struct complex z e r c= { 0 . 0 , 0 . 0 } ;
s t a t i c struct complex umc= { 1 . 0 , 0 . 0 } ;
Augusto Armando de Castro Jnior 107

struct complex somc ( struct complex , struct complex ) ;


struct complex subc ( struct complex , struct complex ) ;
struct complex mulc ( struct complex , struct complex ) ;
struct complex mulr ( struct complex , real );
struct complex d i v c ( struct complex , struct complex ) ;

r e a l c c a b s ( struct complex ) ;
int i g u a l c ( struct complex z1 , struct complex z2 )
{ return ( ( z1 . r e== z2 . r e)&& ( z1 . im== z2 . im ) ) ; }
#define atric1 ( z) (z)

long g e r a c u r v a f e c ( struct complex , struct complex ,


struct complex , long ) ;
struct complex a t r i c 2 ( r e a l , r e a l ) ;

struct complex a t r i c 2 ( r e a l re , r e a l im )
{
struct complex z ;
z . r e= r e ;
z . im= im ;

return ( z ) ;
}

struct complex mulc ( struct complex z1 , struct complex z2 )


{
struct complex z ;
z . r e= z1 . r e z2 . r e z1 . im z2 . im ;

z . im= z1 . r e z2 . im + z1 . im z2 . r e ;

return ( z ) ;
}

struct complex mulr ( struct complex z1 , r e a l r )


108 Captulo 2. Funes Analticas

{
z1 . r e = r ;

z1 . im= r ;

return ( z1 ) ;
}

struct complex somc ( struct complex z1 , struct complex z2 )


{
struct complex z ;
z . r e= z1 . r e + z2 . r e ;
z . im= z1 . im + z2 . im ;
return ( z ) ;
}

struct complex d i v c ( struct complex z1 , struct complex z2 )


{
struct complex z ;
r e a l m= z2 . r e z2 . r e+ z2 . im z2 . im ;
i f (m != 0 . 0 )
{
z2 . r e /= m;
z2 . im/= m;
z . r e= z1 . r e z2 . r e z1 . im z2 . im ;
z . im= z1 . r e z2 . im + z1 . im z2 . r e ;
return ( z ) ;
}
e r r= 1 ;
return ( z2 ) ;
}

struct complex subc ( struct complex z1 , struct complex z2 )


{
z1 . re= z2 . r e ;
z1 . im= z2 . im ;
return ( z1 ) ;
}
Augusto Armando de Castro Jnior 109

r e a l c c a b s ( struct complex z )
{
return ( s q r t ( z . r e z . r e+ z . im z . im ) ) ;
}

long g e r a c u r v a f e c ( struct complex z1 , struct complex z2 ,


struct complex z , long p )
{
r e a l r1 , r2 , x , y ;
i n t j , k , l , m;

p= p%4;

i f ( p<= 0 )
return ( 0 ) ;

r 1= f a b s ( z1 . re z2 . r e ) ;
r 2= f a b s ( z1 . im z2 . im ) ;

r 1= ( r1>= r 2 ) ? r 1 / 4 . 0 : r 2 / 4 . 0 ;
r 2= ( 8 . 0 r 1 ) / ( r e a l ) ( p ) ;

p+= 4 ;
f o r ( j= 0 , l= p / 4 , k= ( 3 p)/4 1 ,
m= p 1 , x= z1 . re r1 , y= z1 . im r 1 ;
x<= ( z1 . r e+ r 1 ) ;
x+= r2 , y+= r2 , j ++, l ++, k, m)
{
z [ j ] . r e= z [ k ] . r e= x ;
z [ j ] . im= z1 . im r 1 ;
z [ k ] . im= z1 . im+ r 1 ;

z [ l ] . im= z [ m ] . im= y ;
z [ l ] . r e= z1 . r e+ r 1 ;
z [ m ] . r e= z1 . re r 1 ;

}
110 Captulo 2. Funes Analticas

f o r ( ; j<= ( p / 4 ) ; j ++)
{
z [ j ] . r e= z1 . r e+ r 1 ;
z [ j ] . im= z1 . im r 1 ;
}
f o r ( ; k>= p / 2 ; k)
{
z [ k ] . r e= z1 . r e+ r 1 ;
z [ k ] . im= z1 . im+ r 1 ;
}

f o r ( ; m>= ( 3 p ) / 4 ; m)
{
z [ m ] . im= z1 . im+ r 1 ;
z [ m ] . r e= z1 . re r 1 ;
}
z [ p+ 1]= z [ p]= z [ 0 ] ;

return ( p ) ;

long g e r a r e t a n g ( struct complex z1 , struct complex z2 ,


struct complex z , long p )
{
r e a l r , r i , d , dx , dy , x , y ;
i n t j , k , l , m;

p= p%4;

i f ( p<= 0 )
return ( 0 ) ;

i f ( z1 . re > z2 . r e )
{
r= z2 . r e ;
z2 . r e= z1 . r e ;
Augusto Armando de Castro Jnior 111

z1 . r e= r ;
}

r= z2 . re z1 . r e ;

i f ( z1 . im> z2 . im )
{
r i= z2 . im ;
z2 . im= z1 . im ;
z1 . im= r i ;
}

r i= z2 . im z1 . im ;

d= ( 2 . 0 ( r+ r i ) ) / ( ( r e a l ) p ) ;

dx= r / c e i l ( r /d ) ;
k= ( i n t ) ( c e i l ( r /dx)+ 0 . 1 ) ;
dy= r i / c e i l ( r i /d ) ;
m= ( i n t ) ( c e i l ( r i /dy)+ 0 . 1 ) ;

f o r ( j= 0 , l= k+ m, x= z1 . r e ;
x<= z2 . r e ;
x+= dx , j ++, l ++)
{
z [ j ] . r e= x ;
z [ j ] . im= z1 . im ;
z [ l ] . im= z2 . im ;
z [ l ] . r e= z1 . r e+ ( z2 . re x ) ;
}

f o r ( y= z1 . im ; y<= z2 . im ; y+= dy , j ++, l ++)


{
z [ j ] . r e= z2 . r e ;
z [ j ] . im= y ;
z [ l ] . r e= z1 . r e ;
z [ l ] . im= z1 . im+ ( z2 . im y ) ;
112 Captulo 2. Funes Analticas

p= l ;
z [ p+ 1]= z [ p]= z [ 0];

return ( p ) ;

/ Arquivo i n t e g r a . c /

#define GAUX( i , j ) gaux [ ( i ) ( n ) + ( j ) ]


#i f d e f GRAFICO
#define G( i , j ) g [ ( i ) ( n+ 1 ) + ( j+ 1 ) ]
#define GX( i ) g [ ( i ) ( n+ 1 ) ]
#e l s e
#define G( i , j ) g [ ( i ) ( n ) + ( j ) ]
#endif

#i f n d e f TIPO
#define TIPO r e a l
#endif

/ I n t e g r a c a o por T r a p e z i o /

TIPO i n t e g r ( r e a l xa , r e a l x , TIPO ya , TIPO g ,


TIPO gaux , i n t n , long p )
{
long k , l ;
TIPO sum ;
r e a l r= ( x xa ) / ( r e a l ) ( p ) , r r= f a b s ( r ) / 2 . 0 ;

f o r ( k= 0 ; k< n ; k++)
{
GAUX( p+1 , k)= ZERO;
f o r (G( 0 , k)= sum= ya [ k ] , l= 0 ; l < p ; l ++)
Augusto Armando de Castro Jnior 113

{
sum= SM( sum , MLR(SM(GAUX( l , k ) , GAUX( l+ 1 , k ) ) , r r ) ) ;

G( l+ 1 , k)= sum ;

}
}

return ( sum ) ;
}

/ I n t e g r a c a o C u r v i l i n e a ( r e a l ou complexa ) t i p o T r a p e z i o /

TIPO i n t e g r c ( TIPO ya , TIPO g ,


TIPO gaux , TIPO curv , i n t n , long p )
{
long k , l ;
TIPO sum ;

f o r ( k= 0 ; k< n ; k++)
{
GAUX( p+ 1 , k)= GAUX( p , k)= GAUX( p 1 , k ) ;

f o r (G( 0 , k)= sum= ya [ k ] , l= 0 ; l < p ; l ++)


{
sum= SM( sum ,
ML(MLR(SM(GAUX( l , k ) , GAUX( l+ 1 , k ) ) , 0 . 5 ) ,
SB( c u r v [ l + 1 ] , c u r v [ l ] ) ) ) ;

G( l+ 1 , k)= sum ;
}
}
return ( sum ) ;
}
114 Captulo 2. Funes Analticas

Figura 6 Execuo do programa de Clculo de Razes.


Exemplos de uso do programa polintip, com conferncia dos valores calculados.
2.7. Exerccios 115

2.7 Exerccios

1. Verifique se as seguintes sries convergem:

1
P
a) n2
1
P
b) n
1
P
c) n!

zn+1
2. Mostre que se (zn ), zn > 0 tal que existe o limn+ zn =

c, ento existe limn+ n zn = c.

3. Calcule os limsups abaixo (obs.: algum pode ser +)):



n
a) lim sup 1

b) lim sup n c, c > 0
p
c) lim sup n 1/n
p
d) lim sup n 1/n2

n
e) lim sup n2

f) lim sup n n!
p
g) lim sup n n!/nn

h) lim sup n an , onde (an ) a sequncia de Fibonacci,
definida por a1 := 1, a2 := 1 e an+1 = an + an1 ,
n > 2.

4. Prove que um espao vetorial normado E completo se, e


s se, toda srie absolutamente convergente em E con-
vergente.

5. Seja (an ) : N E uma sequncia tomando valores em um


espao de Banach E. Uma reenumerao de (an ) uma
116 Captulo 2. Funes Analticas

sequncia (bn ), onde bn = a(n) , n N. Prove que se (bn )


P
uma reenumerao de (an ), e an absolutamente con-
P
vergente, ento bn convergente ao mesmo valor limite
P
de an .

6. Mostre que toda sequncia convergente a um ponto em um


espao mtrico X de Cauchy.

7. Seja X um espao mtrico, e x X. Mostre que toda


sequncia de Cauchy (xn ), xn X com subsequncia con-
vergente a x converge ela mesma a x.

8. Seja E um espao de Banach e seja C L(E) a coleo


das aplicaes lineares invertveis de E em E. Mostre que
C um aberto e que a aplicao Inv : C C dada por
Inv(A) := A1 contnua.

9. Seja f : C \ {0} C dada por f (z) := 1/z. Seja o crculo


R
de raio r > 0 e centro na origem. Calcule f (z)dz.
1
10. Seja f : C \ {0} C dada por f (z) := zn , n > 1. Seja o
R
crculo de raio r > 0 e centro na origem. Calcule
f (z)dz.

11. Seja C uma curva homeomorfa a um crculo e p : C


C um polinmio tal que sem razes em . Mostre que
Z
1
p0 (z)/p(z)dz = Z(p, ),
2i

onde Z(p, ) o nmero de razes de p na regio interior a


, contadas as suas multiplicidades.

12. Use o exerccio anterior para concluir que a aplicao que


atribui a um polinmio complexo de grau n, suas n razes,
contnua.
2.7. Exerccios 117

13. Seja C uma curva homeomorfa a um crculo e p : C


C um polinmio tal que sem razes em . Suponha que
Z
1
p0 (z)/p(z)dz = 1.
2i

Mostre que
Z
1
zp0 (z)/p(z)dz = z0 ,
2i

onde z0 a nica raiz contida na regio limitada que tem


como fronteira.
119

3 Funes de Operador

Neste captulo, ns nos aprofundaremos no estudo de


operadores lineares em dimenso qualquer, usando para isso a
teoria de Anlise Complexa vista anteriormente. Como um sub-
produto, ao final escrevemos um programa que permite calcular
um autoespao (generalizado) sem conhecer com preciso o au-
tovalor associado, sabendo-se somente que este se acha em uma
certa regio limitada. Embora tal tcnica, hoje, possa no ser
muito eficiente comparada s demais disponveis, com o avano
da computao quntica poder se tornar competitiva dada a
sua estabilidade.

3.1 Funes analticas de operadores

Definio 3.1. (Espectro de um operador linear con-


tnuo.) Seja E um espao vetorial normado complexo e seja
A : E E um operador linear contnuo. O espectro de A o
conjunto

sp(A) := { C, (I A) no possui inversa contnua}.

Observao 3.2. Devido ao Teorema da Aplicao Aberta de


Anlise Funcional, se E um espao de Banach e A L(E),
ento se A for invertvel, sua inversa automaticamente cont-
nua. Dessa forma, se E um espao de Banach e A : E E
linear contnua, seu espectro consiste do conjunto dos pontos
C tal que (A I) no injetiva ou no sobrejetiva (a
inversa de (A I) no existe). Em dimeno finita, todo opera-
120 Captulo 3. Funes de Operador

dor linear automaticamente contnuo, e nesse caso particular


todas as menes continuidade na definio de espectro so
redundantes.

Estudaremos uma caracterizao do espectro de A :


E E quando A L(E), com E um espao de Banach com-
plexo e L(E) sendo o espao de aplicaes lineares contnuas de
E em E.

A idia para isso ser estudarmos res(A) := sp(A)c ,


tambm conhecido como o conjunto resolvente de A. Ora, para
z res(A), sabemos que um isomorfismo linear (contnuo) o
operador (zI A). Lembramos que se E um espao de Banach,
L(E) tambm um espao de Banach com a conhecida norma
do Operador. Para T L(E), sua norma :

kT kop = sup {kT (v)k} = Lip(T ).


vE;kvk=1

Antes de tudo, observemos que se A contnuo, o con-


junto resolvente de A no vazio, e que o espectro limitado.
De fato, se || > kAkop , pelo Teorema da perturbao da Iden-
tidade (I A) = (I A/) isomorfismo . Pelo Teorema da
Perturbao do Isomorfismo, tambm temos que res(A) aberto
- logo sp(A) compacto, visto que um subconjunto fechado e
limitado de C.

Consideraremos ento a aplicao resolvente : res(A)


L(E) dada por (z) := (zI A)1 . J vimos acima que que
res(A) aberto.

Mostraremos que esta aplicao analtica, e adapta-


remos o que conhecemos sobre raio de convergncia de srie de
Augusto Armando de Castro Jnior 121

potncias.

Para provarmos que holomorfa (possui derivada ho-


lomorfa) usaremos a muito simples

Proposio 3.3. (Equao do resolvente.) vlida a se-


guinte identidade:

() () = ( )()().

Prova: De fato,

() () = ()()(I A)(I A)(() ()) =

()()(I A)(I () + A()) =

()()(I A I + A) =

( )()().

Corolrio 3.4. Dada uma aplicao linear A L(E), a apli-


cao resolvente associada : res(A) L(E) holomorfa em
res(A), com derivada holomorfa em igual a ()2 .

Prova:

Como a inverso de operadores uma aplicao cont-


nua em um aberto L(E), segue -se que contnua como com-
posta de aplicaes contnuas.

Temos portanto que

() ()
0 () = lim = lim ()() = ()2 .

122 Captulo 3. Funes de Operador

Nosso prximo passo demonstrar que o espectro de


um operador contnuo no vazio.

Teorema 3.5. Dada uma aplicao linear A L(E), o espectro


de A no vazio, e o raio espectral r(A) := sup |sp(A)| igual
p
a limn+ n kAn k.

Prova:

Do que vimos acima, est claro que para z 6= 0 para que


(zI A) seja invertvel necessrio e suficiente que (I A/z)
seja invertvel. Inspirados na srie geomtrica, para z, |z| > 0,
estudemos a convergncia absoluta da srie n0 (A/z)n , a qual
P

esperamos que convirja a (I A/z)1 . Ora, tal srie converge


n n
P
absolutamente se, e s se, a srie n0 kA kop /|z| converge
na reta. Chamando de an := kAn kop do critrio de comparao
(com a srie geomtrica) que esta ltima srie converge para z
tal que

p
n
lim sup n
an /|z| < 1 |z| > lim sup n
an = lim sup kAn k.

Notamos que a composio de aplicaes lineares com A cont-


nua em L(E). Por exemplo, para a composio com A esquerda,
temos:

kABACkop = kA(BC)kop kAkop kBCkop , B, C L(E),

mostrando que tal aplicao de composio Lipschitz. Temos


p
assim da continuidade da composio que para |z| > lim sup n kAn k,
Augusto Armando de Castro Jnior 123

vale
n
X n
X
(I A/z) lim (A/z)n = lim (I A/z) (A/z)n =
n n
j=0 j=0

n
X n+1
X
lim (A/z)n (A/z)n = lim I (A/z)n = I.
n n
j=0 j=1

Efetuando contas similares, s que com a composio direita


p
com (I A/z), conclumos que para |z| > lim sup n kAn k, existe
P
(zI A)1 = (1/z) n=0 (A/z)n . Isso nos d uma cota mais
fina para o raio da bola fechada onde se encontra sp(A).
p
Para mostrarmos que sup{|x|; x sp(A)} = lim sup n
kAn k,
basta que adaptemos a teoria de funes holomorfas de C em C,
para curvas holomorfas em espaos de Banach, o que j foi feito
na seo 1.4.

Note que a srie de Laurent de em torno de zero


+
1X
(z) = (A/z)n .
z j=0

Conclumos ento que a srie de Laurent de converge para


todo z C tal que |z| > sup |sp(A)| e, claro, no converge
para |z| < sup |sp(A)|, pois se convergisse, como vimos acima,
existiriam pontos do espectro tais que a inversa [I A]1
p
estaria definida, absurdo . Logo, sup |sp(A)| = lim sup n kAn k.

Podemos melhorar o resultado do ltimo pargrafo, mos-


p
trando que existe limn+ n
kAn k. De fato, note que sp(A)
n sp(An ). Para ver isso, basta observar que

(n An ) = ( A) (An1 + An1 + + n1 ) =

(An1 + An1 + + n1 ) ( A)
124 Captulo 3. Funes de Operador

implica que se n res(An ), ento A tambm invertvel.

Temos portanto que se sp(A),

|n | r(An ) kAn k,
p p
e logo || kAn k, n N, e da, || lim inf n+
n n
kAn k
donde conclumos
p p
lim sup n kAn k = r(A) lim inf n kAn k.
n+ n+

Falta vermos que sp(A) 6= . Para tal, basta usarmos


do Teorema de Liouville (Teorema 2.60, da pgina 74). Se por
absurdo, o espectro de A fosse vazio, seria uma aplicao in-
teira. Nesse caso, fcil ver que seria globalmente limitada: Se
B(0, 2kAk), ento () uniformemente acotada por ser
contnua e B(0, 2kAk ser compacta em C. Por outro lado,

k()k = k(I A)1 k = [ inf kv A(v)k]1


kvk=1

1
[|| kAk] [||/2]1 , ; || > 2kAk,
concluindo que se fosse inteira, seria globalmente limitada e
portanto constante pelo Teorema de Liouville, o que absurdo.

Uma consequncia imediata, e bastante importante disso,


que se o espectro de A est contido na bola unitria aberta
B(0, 1), automaticamente todo iterado suficientemente grande
de A ser uma contrao.

Uma ltima observao, que outra prova de que existe


p
lim kAn k pode ser obtida usando-se da subaditividade da sequn-
n

cia an := log(kAn k). Tal se deve ao seguinte resultado elementar:


Augusto Armando de Castro Jnior 125

Proposio 3.6. Seja (an ) uma sequncia de reais tais que


am+n an + am . Ento, sempre vale limn+ n1 an = inf an /n.
Em particular, se inf an /n > , o limite acima existe em R.

Prova: imediato que an n a1 , logo, (an /n) li-


mitada superiormente. Por outro lado, vale ainda que se k =
n m + s, com 0 s < n, ak m an + s a1

an+k /(n+k) (an +ak )/(n+k) (an (m+1))/(n+k)+sa1 /(n+k)

(nan + an k)/(n + k)n + sa1 /(n + k)

an /n + sa1 /(n + k). (3.1)

Fazendo k +, temos que

lim sup aj /j = lim sup an+k /(n + k) an /n,


j+ k+

para todo n N fixado. Ora, mas ento

lim sup aj /j inf an /n lim inf aj /j,


j+ j+

e portanto limn+ an /n = inf an /n, podendo talvez este limite


ser .
p
Corolrio 3.7. Existe limn+ n
kAn k.

Prova: Sem perda de generalidade, suponha A 6= 0.


Note que kAn k kAkn implica em que an := log(kAn k) suba-
p
ditiva. Se inf an /n = , tal implica que limn+ n kAn k =
0, e nada temos a provar. Caso inf an /n c > , ento
126 Captulo 3. Funes de Operador

1
n log(kAn k) c implica que dado  > 0, existe n0 N tal
que n n0 vale

en(c) < kAn k < en(c+) ,


p
ou seja, limn+ n
kAn k = ec .

3.2 Noes Bsicas de Teoria Espectral

Na seo 2.1.2, adaptamos a Teoria clssica de Anlise


Complexa com a finalidade de estudar a aplicao resolvente
de um operador linear A : E E fixado, onde E um espao de
Banach. Usamos o fato de que uma aplicao holomorfa de
um aberto de C em L(E). A idia desta nova seo estudar o
espectro sob um foco diferente, cuja motivao a seguinte. Dado
Pm
um polinmio p(z) = n=0 cn z n , com cn C, n {0, . . . , m},
podemos avali-lo em L(E) (no lugar de avali-lo em C) pela
frmula:
m
X
L(E) 3 p(A) = c n An .
n=0
Dizemos que p(A) uma funo polinomial do operador A. Como
as funes holomorfas so localmente limite uniforme de polino-
miais, claro est que dada uma funo f : U C C deve ser
possvel estender o conceito de funo de operador para funes
analticas quaisquer, obtendo-se f (A).

A definio precisa de f (A), das relaes entre seu es-


pectro e o espectro de A e suas consequncias so o objetivo da
presente seo.

Definio 3.8. (Funo de operador.) Seja A L(E) um


operador linear em um espao de Banach E e f : U C uma
Augusto Armando de Castro Jnior 127

funo holomorfa definida uma vizinhana (fechada) U no ne-


cessariamente conexa de sp(A). Suponha que U = C com-
posta de curvas fechadas, C 1 por partes, orientadas com a ori-
entao induzida no bordo. Definimos a funo do operador A
dada por f como
Z
1
f (A) := f ()()d
2i C

Denotamos por F(A) coleo de todas as funes holomorfas


em alguma vizinhana com fronteira C 1 por partes de sp(A).

Teorema 3.9. (Clculo Funcional.) Dadas f, g F(A),


c C, valem:

1. c f + g F(A) e (c f + g)(A) = c f (A) + g(A).

2. f g F(A) e (f g)(A) = f (A) g(A).


P
3. Se f possui expanso em srie de Taylor f () = k=0 an n ,
absolutamente convergente em uma vizinhana de sp(A),
P
ento f (A) = n=0 an An .

Prova: Para o item 1, devemos esclarecer que por h =


c f + g entendemos a funo obtida somando-se na interseco
dos domnios de f e g. O resultado consequncia bvia da
linearidade da integral.

Para mostrarmos o item 2, usamos a equao do resol-


vente:
Z Z
1
f (A) g(A) = f ()()d g()()d =
4 2 C1 C2
Z Z
1 
2 f ()g()()()d d =
4 C1 C2
128 Captulo 3. Funes de Operador

() () 
Z Z
1
f ()g() d d =
4 2 C1 C2
Z Z
1 g() 
2 f () d ()d+
4 C1 C2
Z Z
1  f () 
+ 2 g() d ()d =
4 C2 C1
(pois tomamos C2 exterior a C1 )
Z
1
f ()g()()d = (f g)(A).
2i C1

Quanto ao item 3, sabemos do curso elementar de An-


lise Complexa que qualquer srie de potncias converge abso-
lutamente em bolas abertas em torno de um centro, logo, se
an n converge em uma vizinhana de sp(A), esto
P
a srie
P
existe 0 tal que existe o limite (uniforme) n=0 an n , ; ||
sup sp(A) + 0 = r. Em particular, denotando por Sr1 a esfera
unitria de centro 0 e raio r, obtemos:
Z X Z
1 n 1 X
f (A) = ( an )()d = an n ()d =
2i Sr1 n=0 2i n=0 Sr1

Aj
Z
1 X X X
an n ( j+1
)d = an An .
2i n=0 Sr1 j=0
n=0

Observao 3.10. Podemos fazer melhor: em verdade o item


3 ainda vale se f possuir expanso em srie de Taylor f () =
P n
k=0 an ( 0 ) , absolutamente convergente em uma vizinhana
P n
de sp(A). Neste caso, temos f (A) = n=0 an (A 0 I) . De
fato,
Z
1 X n 1
f (A) = ( an ( 0 ) )(I 0 I + 0 I A) d =
2i Sr1 (0 ) n=0
Augusto Armando de Castro Jnior 129

Z
1 X n 1
an ( 0 ) d =
2i n=0 Sr1 (0 ) (I 0 I) (A 0 I)
Z
1 X n 1 1
an ( 0 ) ( )d =
2i n=0 Sr1 (0 ) 0 1 0 I
A
0

Z X (A 0 I) j
1 X n
an ( 0 ) j+1
d =
2i n Sr1 (0 ) j ( 0 )
n j
( 0 ) (A 0 I)
Z
1 XX
an j+1
d =
2i n j Sr1 (0 ) ( 0 )
Z
1 X 1 n
an (A 0 I) d =
2i n=0 1
Sr (0 ) 0

Z
X n1 1 X n
an (A 0 I) d = an (A 0 I) .
n=0
2i Sr1 (0 ) 0 n=0

O prximo teorema (junto com o anterior) pode ser con-


siderado o proto-teorema Espectral, isto , uma verso no lapi-
dada (e portanto, mais geral) do teorema Espectral.

Teorema 3.11. (Mapeamento espectral.) Se f F(A), en-


to sp(f (A)) = f (sp(A)). Em particular, se A invertvel, ento
sp(A1 ) = (sp(A))1 := {1 , sp(A)}.

Prova:

(f (sp(A)) sp(f (A)))

Seja sp(A). A idia tentar escrever

f ()I f (A) = (I A) g(A), ()

com g F(A). Da, como os operadores de A comutam, fica


claro que se f () no estivesse em sp(f (A)), ento g(A) (f ()
130 Captulo 3. Funes de Operador

f (A))1 seria inversa de (I A), absurdo. A prpria frmula


acima nos indica como definir g em uma vizinhana de sp(A):
(
f ()f (z)
z , se z 6=
g(z) = 0
f (), caso z = .
Como g holomorfa em um disco furado com centro em e
contnua em (pois f holomorfa em ), segue-se que g
holomorfa inclusive em , possuindo assim o mesmo domnio que
f . Do Teorema do Clculo Funcional, segue-se que g(A) satisfaz
(*).

(sp(f (A)) f (sp(A)))

Agora seja sp(f (A)) e suponha por absurdo que


/
f (sp(A)). Neste caso, f () 6= 0, sp(A) e portanto h(z) =
(f (z) )1 est definida (e holomorfa) em uma vizinhana
de sp(A). Ora, do Teorema do Clculo Funcional, segue-se que

h(A) (f (A) I) = I,

o que implica que


/ sp(f (A)), absurdo.

Se A invertvel, ento 0
/ sp(A), logo f (z) = 1/z
uma funo holomorfa definida na vizinhana C \ {0} de sp(A).
Ora, do teorema do Clculo Funcional, de f (z) z = z f (z) = 1,
conclumos que f (A)A = Af (A) = I, ou seja, que f (A) = A1 .
Da parte provada acima do Mapeamento Espectral, conclumos
que sp(A1 ) = sp(f (A)) = f (sp(A)) = (sp(A))1 .

Definio 3.12. (Componente espectral.) Seja A : E E


um operador linear definido em um espao de Banach E. Um
conjunto X sp(A) dito uma componente espectral se ele
aberto e fechado em sp(A).
Augusto Armando de Castro Jnior 131

Note que como sp(A) compacto, toda componente es-


pectral tambm o . Note ainda que se X uma componente
espectral, o mesmo vale para X c (o complementar de X em
sp(A)).

Definio 3.13. (Projeo espectral.) Seja X uma compo-


nente espectral do espectro de um operador linear A. Seja PX :
V C definida em uma vizinhana no conexa V = VX VX c
de sp(A), onde VX X (respectivamente, VX c X c ), tal que

PX (z) = 1, z VX ; PX (z) = 0, z VX c .

A aplicao X := PX (A) L(E) dita projeo espectral


associada a X.

Teorema 3.14. Seja A L(E) um operador linear em um es-


pao de Banach, e seja X sp(A) um conjunto espectral. En-
to existe uma decomposio Ainvariante E E = E tal que
sp(A|E ) = X e sp(A|E ) = X c .

Prova: Pelo teorema do Clculo Funcional, vale que


X e X c comutam com A e entre si (todos os operadores de
A comutam entre si), que I = X + X c , e 0 = X X c (pois
PX (z) PX c (z) = 0. Ademais, notamos que PX (z) = PX (z)
PX (z) (resp. PX c (z) = PX c (z) PX c (z)) vale que X = X X
(resp. X c = X c X c .

Em particular, vale ainda que A = X A + X c A.


Definindo E := X (E) e E := X c (E), temos que E + E =
I(E) = E e se v E E, ento

X (v) = v = X c (v) X X c (v) = v v = 0,

o que implica que E e E esto em soma direta.


132 Captulo 3. Funes de Operador

Finalmente, da comutatividade existente entre A e as


projees espectrais, conclumos abaixo a Ainvarincia dos es-
paos E e E:

A(E) = A(X (E)) = X (A(E)) X (E) = E;

A(E) = A(X c (E)) = X c (A(E)) X c (E) = E.

Agora, mostremos que sp(A|E ) = X e que sp(A|E ) =


c
X .

Primeiramente, observe que como E e E so invariantes


por A, tambm o so por A I. Desse modo,

A I invertvel

(A I)|E invertvel e (A I)|E invertvel.

Em outras palavras, res(A) = res(A|E ) res(A|E ), o que equi-


vale a dizer que

sp(A) = sp(A|E ) sp(A|E ).

Seja r
/ sp(A), e defina g : VX VX c C por g(z) =
PX (z) z + r PX c . Isso implica que g(A) = X A + rX c . Ou
seja, g(A) = (A|E , I|E )

Ora, o mapeamento espectral, junto com o mesmo raci-


ocnio acima (baseado na invarincia dos espaos E, E) aplicado
a g no lugar de A nos do:

X {r} = sp(g(A)) = sp(A|E ) {r};

e analogamente, poderamos concluir que

X c {r} = sp(A|E ) {r}.


3.3. Programa de Clculo de projees espectrais 133

Como r no pertence a sp(A), no pertence a nenhum dos sub-


conjuntos sp(A|E ), sp(A|E ), X e X c , donde conclumos que
sp(A|E ) = X e sp(A|E ) = X c .

3.3 Programa de Clculo de projees espectrais

Nessa seo, apresentamos um programa em linguagem


C por ns escrito que permite entrar uma matriz e uma regio
quadrada contendo um possvel autovalor de um operador A,
com a finalidade de calcular, usando da teoria vista de Anlise
complexa a projeo espectral associada . Note que a mesma
regio funciona para calcular a projeo espectral associada ao
prolongamento de com respeito a operadores suficientemente
prximos de A.

Para compilar o programa, deve-se digitar e salvar em


uma mesma pasta os arquivos listados abaixo, alm dos arquivos
"tipos.h"e "integra.c"da listagem do final do segundo captulo
deste livro. e digitar em um terminal (preferencialmente, linux):

gcc -o proj proj.c -lm

Aps a listagem, temos uma figura com a tela de exe-


cuo do exemplo que demos na introduo. Para quem preferir
copiar e colar, a listagem abaixo tambm se encontra no link:

https://groups.google.com/
forum/?fromgroups#!forum/funcoesdeoperador29cbm
134 Captulo 3. Funes de Operador

/ Programa de C a l c u l o de P r o j e c o e s E s p e c t r a i s /
/ Arquivo p r i n c i p a l : p r o j . c
/
/ Autor : Augusto Armando de C a s t r o J u n i o r /
/ Data : 15 de a b r i l de 2 0 1 3 .
/

#include <s t d i o . h>


#include < s t d l i b . h>
#include <math . h>

#i f n d e f r e a l
#define r e a l double
#endif

#i f n d e f PI
#define PI 3 . 1 4 1 5 9 2 6 5 3 5 8 9 7 9 3 2 3 8 4 6 2 6 4 3 3 8 3 2 7 9 5
#endif

struct complex {
re al re ;
r e a l im ;
};
char e r r =0;

s t a t i c struct complex z e r c= { 0 . 0 , 0 . 0 } ;
s t a t i c struct complex umc= { 1 . 0 , 0 . 0 } ;

struct complex somc ( struct complex , struct complex ) ;


struct complex subc ( struct complex , struct complex ) ;
struct complex mulc ( struct complex , struct complex ) ;
struct complex mulr ( struct complex , r e a l ) ;
struct complex d i v c ( struct complex , struct complex ) ;
int i g u a l c ( struct complex z1 , struct complex z2 )
Augusto Armando de Castro Jnior 135

{ return ( ( z1 . r e== z2 . r e)&& ( z1 . im== z2 . im ) ) ; }


#define atric1 ( z) (z)
struct complex a t r i c 2 ( r e a l , r e a l ) ;

long c u r v a r e s o l v e n t e ( struct complex , int , int , struct complex , lon

long g e r a c u r v a f e c ( struct complex , struct complex , struct complex , lo

#define TIPOCOMPLEX
#define TIPO struct complex
#include " t i p o . h"
#include " e q l i n . c "
#include " i n t e g r a . c "

/ Numero de d i v i s o e s na i n t e g r a c a o : /
#define ITERA 640
/ dimensao ( ao quadrado ) maxima das m a t r i z e s : /
#define DIMAX2 36

i n t main ( i n t a r g c , char a r g v [ ] )
{
char s t r ;
r e a l p1 , q1 , p2 , q2 ;
struct complex r1 , z1 , z2 ;
s t a t i c struct complex mat [ ( 2 ITERA+ 1 ) DIMAX2 ] ,
m a t s a i [ ITERA DIMAX2 ] ,
z [ ITERA 2 ] , s , sum ;
i n t n , c o l , i , j , dimat ;
long p ;

i f ( argc < 6)
{
printf (
" Programa %s \n" ,
argv [ 0 ] ) ;

printf (
"Uso : %s z1 . r e z1 . im z2 . r e z2 . imdimmat [ 0 ] . r e mat [ 0 ] . im . . . \ n" ,
136 Captulo 3. Funes de Operador

argv [ 0 ] ) ;
p u t s ( "Onde : " ) ;
p u t s ( " z1 . re , z1 . im : c o o r d e n a d a s do c e n t r o da r e g i a o " ) ;
p u t s ( " z2 . re , z2 . im : c o o r d e n a d a s de um ponto f o r a da r e g i a o . " ) ;
p u t s ( "dim : dimensao do e s p a c o em que a m a t r i z atua " ) ;
exit (0);
}

z1 . r e = a t o f ( argv [ 1]);
z1 . im = a t o f ( argv [ 2]);
z2 . r e = a t o f ( argv [ 3]);
z2 . im = a t o f ( argv [ 4]);
dimat = a t o i ( argv [ 5]);

s= a t r i c 2 ( 0 . 0 , 1 . 0 / ( 2 PI ) ) ;

i f ( ( dimat dimat ) 2 >= ( a r g c 5 ) )


{
printf (
"Numero de e n t r a d a s eh menor que a dimensao %dx%d da m a t r i z " ,
dimat , dimat ) ;
e x i t ( 1);
}
f o r ( i= 0 , j= 6 ; i < ( dimat dimat ) ; i ++, j+= 2 )
{
mat [ i ] . r e= a t o f ( a r g v [ j ] ) ;
mat [ i ] . im= a t o f ( a r g v [ j + 1 ] ) ;
}

p= g e r a c u r v a f e c ( z1 , z2 , z , ITERA ) ;

c u r v a r e s o l v e n t e ( mat , dimat , dimat , z , p);


i n t e g r c (&mat [ (ITERA+ 1 ) dimat dimat ] , matsai ,
&mat [ dimat dimat ] , z , dimat dimat , p ) ;

sum= &m a t s a i [ dimat dimat ( p 1 ) ] ;


f o r ( i= 0 ; i < dimat dimat ; i ++)
{
Augusto Armando de Castro Jnior 137

sum [ i ]= mulc ( sum [ i ] , s ) ;


}

p r i n t f ( "A m a t r i z de p r o j e c a o eh : \n" ) ;
m o s t r a m a t r i z ( sum , dimat , 0 , 0 ,
dimat , dimat , "%l 7 . 4 f+ i%l 7 . 4 f " ) ;

p u t s ( " \nQue a s f o r c a s c e g a s s e domem , da l u z que a alma tem ! \ n" ) ;


}

struct complex a t r i c 2 ( r e a l re , r e a l im )
{
struct complex z ;
z . r e= r e ;
z . im= im ;

return ( z ) ;
}

struct complex mulc ( struct complex z1 , struct complex z2 )


{
struct complex z ;
z . r e= z1 . r e z2 . r e z1 . im z2 . im ;

z . im= z1 . r e z2 . im + z1 . im z2 . r e ;

return ( z ) ;
}

struct complex mulr ( struct complex z1 , r e a l r )


{
z1 . r e = r ;

z1 . im= r ;

return ( z1 ) ;
}
138 Captulo 3. Funes de Operador

struct complex somc ( struct complex z1 , struct complex z2 )


{
struct complex z ;
z . r e= z1 . r e + z2 . r e ;
z . im= z1 . im + z2 . im ;
return ( z ) ;
}

struct complex d i v c ( struct complex z1 , struct complex z2 )


{
struct complex z ;
r e a l m= z2 . r e z2 . r e+ z2 . im z2 . im ;
i f (m != 0 . 0 )
{
z2 . r e /= m;
z2 . im/= m;
z . r e= z1 . r e z2 . r e z1 . im z2 . im ;
z . im= z1 . r e z2 . im + z1 . im z2 . r e ;
return ( z ) ;
}
e r r= 1 ;
return ( z2 ) ;
}

struct complex subc ( struct complex z1 , struct complex z2 )


{
z1 . re= z2 . r e ;
z1 . im= z2 . im ;
return ( z1 ) ;
}

long g e r a c u r v a f e c ( struct complex z1 , struct complex z2 ,


struct complex z , long p )
{
r e a l r1 , r2 , x , y ;
i n t j , k , l , m;

p= p%4;
Augusto Armando de Castro Jnior 139

i f ( p<= 0 )
return ( 0 ) ;

r 1= f a b s ( z1 . re z2 . r e ) ;
r 2= f a b s ( z1 . im z2 . im ) ;

r 1= ( r1>= r 2 ) ? r 1 / 4 . 0 : r 2 / 4 . 0 ;
r 2= ( 8 . 0 r 1 ) / ( r e a l ) ( p ) ;

p+= 4 ;
f o r ( j= 0 , l= p / 4 , k= ( 3 p)/4 1 , m= p 1 ,
x= z1 . re r1 , y= z1 . im r 1 ;
x<= ( z1 . r e+ r 1 ) ;
x+= r2 , y+= r2 , j ++, l ++, k, m)
{
z [ j ] . r e= z [ k ] . r e= x ;
z [ j ] . im= z1 . im r 1 ;
z [ k ] . im= z1 . im+ r 1 ;

z [ l ] . im= z [ m ] . im= y ;
z [ l ] . r e= z1 . r e+ r 1 ;
z [ m ] . r e= z1 . re r 1 ;

f o r ( ; j<= ( p / 4 ) ; j ++)
{
z [ j ] . r e= z1 . r e+ r 1 ;
z [ j ] . im= z1 . im r 1 ;
}
f o r ( ; k>= p / 2 ; k)
{
z [ k ] . r e= z1 . r e+ r 1 ;
z [ k ] . im= z1 . im+ r 1 ;
}
140 Captulo 3. Funes de Operador

f o r ( ; m>= ( 3 p ) / 4 ; m)
{
z [ m ] . im= z1 . im+ r 1 ;
z [ m ] . r e= z1 . re r 1 ;
}
z [ p+ 1]= z [ p]= z [ 0 ] ;

return ( p ) ;

long c u r v a r e s o l v e n t e ( struct complex mat , i n t c o l , i n t n ,


struct complex z , long p )
{
long i , j ;
struct complex mataux [ 2 5 6 ] ;

f o r ( i= 1 ; i <= p ; i ++)
{
f o r ( j= 0 ; j < n ; j ++)
{
memcpy(&mataux [ j 2 c o l ] ,
&mat [ j c o l ] , c o l s i z e o f ( struct complex ) ) ;
mataux [ j 2 c o l+ j ]= subc ( mataux [ j 2 c o l+ j ] , z [ i 1 ] ) ;
}
invmatudo ( mataux , c o l , &mat [ i n c o l ] ) ;

}
Augusto Armando de Castro Jnior 141

/ Arquivo e q l i n . c /

#define SIST ( i , j ) s [ ( i ) ( ( c o l )+1) + j ]

i n t e s c a l a t u d o (TIPO s , TIPO x , i n t imax , i n t c o l )


{
int jaux , iaux , i n d x ;
int c t= 0 , i , j , k , kant , n , tm ;
TIPO s i i , m;

n= ( imax< c o l ) ? imax : c o l ;

f o r ( i= k= kant= 0 ; i < n ; i ++)


{
i n d x= i ;
ATR( s i i , ZERO ) ;
do{
f o r ( i a u x= i ; iaux< imax ; i a u x++)
i f ( ! ( IGUAL( s [ i a u x c o l+ i+ k ] , ZERO ) ) )
{
ATR( s i i , s [ i a u x c o l+ i+ k ] ) ;
i n d x= i a u x ;
break ;
}
i f (IGUAL( s i i , ZERO) )
k++;
} while ( ( IGUAL( s i i , ZERO) ) && ( ( i+ k)< c o l ) ) ;
i f ( k != kant )
{
c t ++;
kant= k ;
}

i f ( ! IGUAL( s i i , ZERO) )
{
i f ( i n d x != i )
{
142 Captulo 3. Funes de Operador

tm=( c o l ( i+k ) ) TAM;


memcpy ( ( char ) x ,
( char )& s [ i n d x c o l+ i+ k ] , tm ) ;
memcpy ( ( char )& s [ i n d x c o l+ i+ k ] ,
( char )& s [ i c o l+ i+ k ] , tm ) ;
memcpy ( ( char )& s [ i ( c o l+ 1)+ k ] ,
( char ) x , tm ) ;
}
f o r ( i a u x= i+ 1 ; iaux< imax ; i a u x++)
{
m= DV( s [ i a u x c o l+ i+ k ] , s i i ) ;
f o r ( j a u x= i ; jaux< c o l ; j a u x++)
ATR( s [ i a u x c o l+ j a u x ] ,
SB( s [ i a u x c o l+ j a u x ] ,
ML( s [ i c o l+ j a u x ] ,m) ) ) ;
}
}
}

return ( c t ) ;
}

TIPO detudo (TIPO s , i n t c o l )


{

int jaux , iaux , i n d x ;


int c t= 0 , i , j , tm ;
TIPO s i i , m, muda , x [ 2 0 4 8 ] ;

ATR( muda , UM) ;

f o r ( i= 0 ; i < c o l ; i ++)
Augusto Armando de Castro Jnior 143

{
ATR( s i i , ZERO ) ;
f o r ( i a u x= i ; iaux< c o l ; i a u x++)
i f ( ! IGUAL( s [ i a u x c o l+ i ] , ZERO ) )
{
ATR( s i i , s [ i a u x c o l+ i ] ) ;
i n d x= i a u x ;
break ;
}

i f ( IGUAL( s i i , ZERO) )
c t ++;
else
{
i f ( i n d x != i )
{
ATR( muda , SB(ZERO, muda ) ) ;
tm=( c o l i ) TAM;
memcpy ( ( char ) x ,
( char )& s [ i n d x c o l+ i ] , tm ) ;
memcpy ( ( char )& s [ i n d x c o l+ i ] ,
( char )& s [ i c o l+ i ] , tm ) ;
memcpy ( ( char )& s [ i ( c o l+ 1 ) ] ,
( char ) x , tm ) ;
}
f o r ( i a u x= i+ 1 ; iaux< c o l ; i a u x++)
{
m= DV( s [ i a u x c o l+ i ] , s i i ) ;
f o r ( j a u x= i ; jaux< c o l ; j a u x++)
ATR( s [ i a u x c o l+ j a u x ] ,
SB( s [ i a u x c o l+ j a u x ] ,
ML( s [ i c o l+ j a u x ] , m) ) ) ;
}

}
}

f o r ( i= 0 ; i < c o l ; i ++)
144 Captulo 3. Funes de Operador

{
ATR( muda , ML( muda , s [ i ( c o l+ 1 ) ] ) ) ;
}

return ( muda ) ;

i n t e q l i n u d o (TIPO s , i n t c o l , TIPO x )
{
int imax= c o l 1 , c t= 0 , i , j ;
TIPO aux ;

c t= e s c a l a t u d o ( s , x , imax , c o l+ 1 ) ;

i f ( IGUAL( SIST ( imax , imax ) , ZERO) )


return(++c t ) ;

f o r ( i= imax ; i >= 0 ; i )
{
ATR( aux , ZERO ) ;
f o r ( j= i+ 1 ; j <= imax ; j ++)
ATR( aux , SB( aux , ML( SIST ( i , j ) , x [ j ] ) ) ) ;
ATR( x [ i ] , DV(SM( aux , SIST ( i , c o l ) ) , SIST ( i , i ) ) ) ;
}
return ( 0 ) ;
}

//
/ funcao int invmatudo ( ) /
//
/ O b j e t i v o : I n v e r t e r uma m a t r i z . /
Augusto Armando de Castro Jnior 145

//

i n t invmatudo (TIPO s , i n t c o l , TIPO s i n v )


{
i n t i , j , k , imax= c o l ;
TIPO aux , d1 , d2 ;

i f ( c o l== 2 )
{
aux= s i n v [ 0]= s [ 0 ] ;
s i n v [ 1]= s [ 1 ] ;
s i n v [ 2]= s [ 4 ] ;
s i n v [ 3]= s [ 5 ] ;
d1= ML( aux , s i n v [ 3 ] ) ;
d2= ML( s i n v [ 1 ] , s i n v [ 2 ] ) ;
d1= SB( d1 , d2 ) ;
i f (IGUAL( d1 , ZERO) )
{
p u t s ( " m a t r i z nao i n v e r s i v e l " ) ;
return ( 1 ) ;
}
s i n v [ 0]= DV( s i n v [ 3 ] , d1 ) ;
s i n v [ 3]= DV( aux , d1 ) ;
d1= SB(ZERO, d1 ) ;
s i n v [ 1]= DV( s i n v [ 1 ] , d1 ) ;
s i n v [ 2]= DV( s i n v [ 2 ] , d1 ) ;
return ( 0 ) ;

f o r ( i= 0 ; i < c o l ; i ++)
{
f o r ( j= 0 ; j < i ; j ++)
s [ ( i 2 + 1 ) c o l+ j ]= s [ ( j 2 + 1 ) c o l+ i ]=
ZERO;
}
f o r ( i= 0 ; i < c o l ; i ++)
s [ ( i 2+ 1 ) c o l + i ]= UM;
146 Captulo 3. Funes de Operador

i f ( e s c a l a t u d o ( s , s i n v , imax , 2 c o l ) )
return ( 0 ) ;

f o r ( i= imax 1 ; i >= 0 ; i )
{
aux= s [ i 2 c o l+ i ] ;
f o r ( j= i ; j < 2 c o l ; j ++)
s i n v [ i ( c o l 1)+ j ]= s [ i 2 c o l+ j ]= DV( s [ i 2 c o l+ j ] , aux ) ;
f o r ( k= i 1 ; k>= 0 ; k)
{
aux= s [ k 2 c o l+ i ] ;
f o r ( j= c o l ; j < 2 c o l ; j ++)
{
s [ k 2 c o l+ j ]= SB( s [ k 2 c o l+ j ] , ML( aux , s [ i 2 c o l+ j ] )
}
/ nao e s c a l o n a duas v e z e s s , j a s a i com s i n v /
}

f o r ( i= 0 ; i < c o l ; i ++)
f o r ( j= 0 ; j < c o l ; j ++)
{
s i n v [ i c o l+ j ]= s [ i 2 c o l+ c o l + j ] ;
s [ i 2 c o l+ j ]= ( i== j ) ?UM:ZERO;

}
return ( 1 ) ;
}

i n t m o s t r a m a t r i z (TIPO s , i n t c o l , i n t l i n i , i n t c o l i n i ,
i n t nl , i n t n c o l , char s t r )
{
int i , j ;
Augusto Armando de Castro Jnior 147

Figura 7 Execuo de programa de Clculo de Projees


Exemplos de uso do programa proj, entre o quais se v o da Introduo deste
livro.

Vide: https://groups.google.com/forum/?fromgroups#!forum/funcoesdeoperador29cbm

i n t l f i m= l i n i + nl , c o l f i m= c o l i n i+ n c o l ;

f o r ( i= l i n i ; i < l f i m ; i ++)
{
putchar ( | ) ;
f o r ( j= c o l i n i ; j < c o l f i m ; j ++)
p r i n t f ( s t r , s [ i c o l+ j ] ) ;
puts ( " | " ) ;
}
return ( n l n c o l ) ;
}
148 Captulo 3. Funes de Operador

3.4 Exerccios

1. Mostre que se o resolvente de um operador A est definido


sobre uma curva compacta C, ento existe uma vizinhana
V L(E) de A, em que o mesmo ocorre para todo opera-
dor em V .

2. Seja p(x) = a0 + a1 x + + an1 xn1 + xn um polinmio


mnico de grau n e seja U um aberto com fronteira regular
tal exista uma nica raiz 1 de p contida em U , e esta
possua multiplicidade 1. (Vide o exerccio 11 da pgina
116, para ver um mtodo fctvel de como saber se uma
regio U contm uma tal raiz em seu interior ). Seja A a
matriz companheira de p, isto , a matriz

0 ... 0 a0
1 . . .
..
. a1
.. .. ..
A :=
0 . . . ,

.
.
. . . . 1 0 an2

0 ... 1 an1

cujo polinmio caracterstico justamente p(x). Considere


a matriz Z
1
1 := (zI A)1 dz.
2i U
Mostre que qualquer coluna v no nula de 1 um auto-
vetor de A. Seja ento w := A v. Se vj alguma entrada
no nula de v conclua que 1 = wj /vj .
Isso nos d uma outra maneira efetiva, embora mais one-
rosa do ponto de vista computacional, de calcular razes
de polinmios.
149

4 Operadores com autovalores


dominantes

Neste captulo analisaremos como calcular um autova-


lor de um operador quando este possui um mdulo estritamente
maior que todos os outros. Vamos assumir que seu autoespao e
o autoespao generalizado associado a esse autovalor coincidam.
Veremos que nesse caso, existe um cone de vetores que levado
dentro dele mesmo pelo operador, e que o autoespao do autova-
lor dominante um atrator para os vetores deste cone. Ou seja,
iterando repetidas vezes por A o cone, suas imagens convergem
para o autoespao do autovalor dominante. Como sempre, isto
nos d tambm uma maneira eficiente de calcular as razes de
um polinmio quando estas tm todas mdulos distintos e so
sem multiplicidade.

Em geral, o cone de que falamos no pargrafo anterior


no dado de imediato. Veremos um caso particular de operador
com autovalor dominante cuja teoria tem grande importncia
tecnolgica: quando a matriz do operador tem todas as entradas
estritamente positivas. Nesse caso, o cone em questo clara-
mente o dos vetores com todas as entradas positivas. Veremos
que nesse caso particular, temos de fato um autovalor dominante,
positivo, de multiplicidade 1. Tal o resultado do Teorema de
Perron, demonstrado na primeira dcada do sculo passado. Tal
Teorema e suas generalizaes so fundamentais em Teoria Er-
gdica e de processos estocsticos e corresponde ao corao da
eficientssima mquina de busca em Internet da Google, sendo
150 Captulo 4. Operadores com autovalores dominantes

um exemplo vivo do poder e da importncia da Matemtica para


a tecnologia e o mundo moderno.

4.1 Calculando autovalores dominantes e seus autoes-


paos

Suponha que A : Cn Cn um operador linear com


autovalores 1 , . . . , s . Suponha que 1 seja dominante, ou seja,
|1 | > |j |, j = 1, . . . , s. Se tomarmos uma base ordenada
(e1 , . . . , en ) de Cn , ento algum dos vetores ej possui alguma
componente no nula no autoespao generalizado de 1 , pois se
possusse somente nos outros autoespaos generalizados, a base
no conseguiria gerar o espao todo. Suponha que o autoespao
de 1 e seu autoespao generalizado coincidam. Vejamos o que
ocorre quando iteramos um vetor ej que possua uma componente
v1 no nula no autoespao de 1 :

An (v) = n1 v1 + An (w),

com w sj=2 E(j ). Ora, vimos no captulo sobre noes de


Teoria Espectral, que, no importa que norma completa ponha-
mos em um espao de Banach as taxas assintticas exponenciais
de crescimento da norma de um operador sero dadas pelo seu
raio espectral. No caso em questo, o raio espectral |1 |, e
o raio espectral de A|sj=2 E(j ) estritamente menor que |1 |.
Portanto,
An (v) 1 n v1 An (w)
= +
kAn (v)k kAn (v)k kAn (v)k
Claramente, a segunda parcela acima converge a zero exponen-
cialmente rpido. Como a norma do membro a esquerda um,
claro est que
lim |n1 v1 |/kAn (v)k = 1.
n
4.2. Cones e Mtricas Projetivas 151

Claro est que, em geral, a sequncia no converge a um auto-


vetor especfico, embora sua distncia a esfera unitria do auto-
espao E() convirja a zero. Assim, qualquer iterado suficiente-
mente grande dessa sequncia ser uma boa aproximao para
um elemento de E() de norma 1.

Seja |1 | > q > max{|j |, j = 2, . . . , s} Chamemos de


n
W := j=2 E(j ). Seja n0 tal que kAn (w)k < |q| kwk, w W ,
s

n n0 , e tome = max{k[Aj |W ]k, j = 0, . . . , n0 } Note que


temos ento que a coleo

{v Cn ; v = v1 + w, com v1 E(1 ), w sj=2 E(j ), kv1 k}

4.2 Cones e Mtricas Projetivas

Nesta seo relembraremos alguns resultados sobre a te-


oria de cones e mtricas projetivas associados a operadores line-
ares. Mais precisamente apresentaremos o teorema de Birkhoff o
qual garante a contrao, na mtrica projetiva, de operadores li-
neares restritos a cones estritamente invariantes. Enunciaremos
aqui alguns resultados sobre a teoria, cujas provas podem ser
vistas em [16, 21, 7].

Seja E um espao vetorial. Dizemos que C E\{0}


um cone se
t > 0 e v C t v C.

Um cone dito convexo se

t1 , t2 > 0 e v1 , v2 C t1 v1 + t2 v2 C,

tal condio permite combinar quaisquer direo do cone.

Mesmo na ausncia de uma topologia, definiremos o fe-


cho fecho C de C, como sendo o conjunto dos pontos w E
152 Captulo 4. Operadores com autovalores dominantes

tais que existem v C e uma sequncia de elementos positivos


(tn )nN , tendendo a zero, tais que w +tn v C para todo n N.
Segue da definio de fecho que 0 fecho C qualquer que seja
o cone C E. Alm disso estamos interessados em eliminar di-
rees simtricas no cone, como por exemplo, semi-planos. Para
tal exigiremos que

fecho C ( fecho C) = {0}.

Denominaremos os cones convexos com a propriedade acima de


cones projetivos. Passaremos agora a definir a mtrica proje-
tiva associada ao cone projetivo C. Sejam

(v, w) = sup {t > 0; w t v C}

Figura 8 Mtrica Projetiva- Funo

(v, w) = inf {s > 0; s v w C}.

Observe que {t > 0; w t v C} e {s > 0; s v w


4.2. Cones e Mtricas Projetivas 153

Figura 9 Mtrica Projetiva- Funo

C} podem ser vazios. Assim, por se tratar de valores positivos,


convencionaremos que sup = 0 e naturalmente inf = +.
Definiremos agora

(v, w)
(v, w) = log .
(v, w)

Convencionando que = + se = 0 ou = + e obser-


vando que (v, w) (v, w), segue que (v, w) toma valores em
[0, +]. A prxima proposio estabelece que uma mtrica
no espao quociente C/ , onde v w se, somente se, existe
t > 0 tal que v = t w.

Proposio 4.1. Seja C um cone projetivo. Ento (, ) : C


C [0, +] uma mtrica em C/ , isto ,

(v, w) = (w, v).

(u, w) (u, v) + (v, w).

(v, w) = 0 se somente se existe t > 0 tal que v = t w


154 Captulo 4. Operadores com autovalores dominantes

A mtrica denominada mtrica projetiva associada


ao cone C. A dependncia do cone dada de forma montona,
isto , dados dois cones C1 e C2 projetivos, tais que C1 C2 ,
1 2
denotado por 1 = log 1 e 2 = log 2 suas respectivas mtricas
projetivas, temos que 1 2 . Com efeito, como {t > 0; wtv
C1 } {t > 0; w t v C2 } e {s > 0; s v w C1 } {s >
0; s v w C} segue-se que 1 2 e 1 2 . Logo, 1 2 .

Outro fato interessante associado a mtricas projetivas,


que dados E1 e E2 espaos vetoriais, T : E1 E2 operador
linear e C1 , C2 cones projetivos tais que T (C1 ) C2 , temos que,
T uma contrao fraca restrita a C1 , mais precisamente,

2 (L(v), L(w)) 1 (v, w), para todos v, w C1

Porm, podemos obter uma contrao forte sob a hiptese de


que o 2 -dimetro de L(C1 ) finito. Este resultado devido a
Birkhoff, que pode ser encontrado e.g. em [21, Proposio 2.3].

Teorema 4.2. Sejam E1 e E2 espaos vetoriais e sejam C1


E1 e C2 E2 cones projetivos. Se L : E1 E2 um operador
linear tal que L(C1 ) C2 e D = sup {2 (L(v), L(w)); v, w
C1 } < ento

2 (L(v), L(w)) 1 eD 1 (v, w),




para quaisquer v, w C1 .

Calculemos a mtrica projetiva no seguinte

Exemplo 4.3. O cone C + dos vetores estritamente positivos


o cone

C + := {v = (v1 , . . . , vn ) Rn ; vj > 0, j = 1, . . . , n}
4.2. Cones e Mtricas Projetivas 155

Calculemos a mtrica + associada a C + . Ora, dados v, w C + ,

svw C + svj wj > 0, j = 1, . . . , n s > wj /vj , j = 1, . . . , n

+ (v, w) = max{wj /vj , j = 1, . . . , n}.

Analogamente, obtemos que + (v, w) = min{wk /vk , k = 1, . . . , n}.


Desse modo, conclumos que
  vj w k 
+ (v, w) = log max , j = 1, . . . n, k = 1, . . . , n .
j,k wj v k

Dado um cone C e um operador linear A deixa C estri-


tamente invariante se A(C) C e -diam(A(C)) < +.

Teorema 4.4. Seja A : Rn Rn um operador linear cuja


matriz possua todas as entradas positivas. Ento A deixa estri-
tamente invariante o cone C + .

Prova: Claramente, A deixa o cone dos vetores estri-


tamente positivos invariante. Seja m o mnimo das entradas de
A. Atuando A em um vetor v C + de norma do mximo igual
a um, temos que A(v) tem sua menor entrada pelo menos igual
a c (pois a imagem v por A uma combinao linear de A em
que alguma coluna aparece com coeficiente 1, j que a norma
do mximo de v 1) . Comparando a distncia de A(v) com,
digamos, o vetor u = (1, . . . , 1), temos:
  [A(v)]j 1 
+ (A(v), u) = log max , j = 1, . . . n, k = 1, . . . , n
j,k 1 [A(v)]k

log(1/c) < +.

E portanto, dados v, w C + , usando de desigualdade triangular,

+ (A(v), A(w)) + (A(v), 1)++ (1, A(w)) 2 log(1/c) < +,


156 Captulo 4. Operadores com autovalores dominantes

o que mostra que o + - dimetro da imagem de A finito


(invarincia estrita).

Proposio 4.5. Seja (vt ), vt C + , m N uma sequncia


de vetores unitrios (na norma do mximo, ou em outra), de
Cauchy na mtrica + . Ento (vt ) de Cauchy na norma do
mximo (ou em qualquer outra, uma vez que todas so equiva-
lentes em Rn ).

Prova: Ora, temos


  [vt ]j [vs ]k 
(vt , vs ) = log max , j = 1, . . . n, k = 1, . . . , n ;
j,k [vt ]k [vs ]j

por conseguinte, (vt , vs ) 0 quando t, s + equivale a que


 [v ] [v ]
maxj,k [vtt ]kj [vss ]k 1 quando t, s +. Como kvt kmax = 1,
j

temos que Escolhendo k tal que [vs ]k seja igual a 1, temos ento:

[vt ]j [vs ]k [vt ]j [vs ]k [vt ]j


k max k
j,k [vt ]k [vs ]j [vt ]k [vs ]j [vs ]j

[vt ]j
Vemos portanto que lim supt,s+ [vs ]j 1, j = 1, . . . , n. (L-
gico que aqui, vale a mesma desigualdade permutando t e s). Por
[vt ]j
outro lado, se para algum j, lim inf t,s+ [vs ]j < 1, trocando os
[v ]
papis de t e s, teramos lim supt,s+ [vst ]jj > 1, absurdo. Donde
[v ]
conclumos que para todo j, limt,s+ [vst ]jj = 1.

Por conseguinte, para todo j {1, . . . , n}, temos


[v ] [v ]
tj tj
k[vt ]j [vs ]j k kvt kmax 1 = 1 0,

[vs ]j [vs ]j

quando t, s +, completando a prova da proposio.


4.2. Cones e Mtricas Projetivas 157

Unindo essa proposio ao teorema que a antecede, ob-


temos:

Corolrio 4.6. Seja A uma matriz com todas as entradas (es-


tritamente) positivas. Ento, A possui um autovalor dominante
positivo. Ademais, dado qualquer vetor v C + , a sequncia
Am (v)
kAm (v)k converge a o nico autovetor unitrio de entradas pos-
tivas do autovalor dominante.

Prova: Comecemos pelo "ademais". Dos teoremas an-


Aj (v)
teriores, sabemos que kAj (v)k converge a um vetor unitrio w
C + . Note que este vetor nico, independente do vetor v C + ,
pois se tomssemos v C + , a sequncia m dada por
( At (v)
kAt (v)k , se m = 2t
m := At (v)
kAt (v)k , se m = 2t + 1

+ -Cauchy, e normalizada, portanto, pela proposio anterior,


converge uniformemente, mostrando
 t  que
 ot limite
 o mesmo ve-
A (v) A (v)
tor w, para as sequncias kAt (v)k e kAt (v)k .

Da, por um lado,

Am+1 (w)  Am (w) 


= A A(w), quando m +,
kAm (w)k kAm (w)k
o que implica ainda que

kAm+1 (w)|k
lim = kA(w)k > 0,
m+ kAm (w)k

Por outro lado,

Am+1 (w)
w, quando m +.
kAm+1 (w)k
158 Captulo 4. Operadores com autovalores dominantes

Logo, da continuidade de A,

Am+1 (w)  Am (w) 


= A A(w),
kAm (w)k kAm (w)k
donde obtemos:
Am+1 (w) Am+1 (w) kAm+1 (w)|k
A(w) = lim = lim = kA(w)kw.
m+ kAm (w)k m+ kAm+1 (w)k kAm (w)k

Portanto, w autovetor unitrio do autovalor = kA(w)k.

Antes de mostrarmos que autovalor dominante, mos-


tremos que dado qualquer vetor v C + , a distncia

Am (v)
d( , < w > C + ) 0,
m v
onde < w > o espao gerado por w.

Como o operador Am positivo, m N se um vetor v


possui todas as suas entradas maiores ou iguais s de um vetor v,
ento [Am (v)]q [Am (v)]q , q {1, . . . , n}. Assim sendo, dado
v C + , tomando vk = min{v1 , . . . , vn }, temos que v/vk tem
suas entradas maiores ou iguais aos do vetor unitrio w, logo

[Am (v)]q [Am (w)]q


m
vk m vk wq
kA (w)k

Por outro lado, tomando wk uma constante igual a min{wl , l =


1, . . . , n}, escrevendo c = kvkmax wk temos c w v um vetor
com todas as entradas no negativas e por conseguinte

[Am (w)]q [Am (v)]q


c m

m

Conclumos que

[Am (1)]q [Am (v)]q [Am (w)]q


vk m
m
c .
m
4.2. Cones e Mtricas Projetivas 159

Observe que para todo v C + ,


[Am (v)]q wq [Am (v)]q [Am (w)]q
lim = lim = 1,
m [Am (v)]q wq m [Am (w)]q Am (v)q

o que implica que


[Am (v)]q wq
lim = , v C + , q, q {1, . . . , n}.
m [Am (v)]q wq

[Ams (v)]q
Seja ms wq uma subsequncia convergente; ento ob-
teramos
[Ams (v)]q ms wq [Ams (v)]q wq kAms (v)k
= 1, quando s +
ms wq [Ams (v)]q kAms (v)k wq [Ams (v)]q

Logo, necessariamente,
[Ams (v)]q [Ams (v)]q
lim m
=
s+ s wq ms wq
[Ams (v)]q
e em particular, ms converge a um mltiplo positivo de w.

fcil agora mostramos que o autovalor dominante.


Para vermos isso, note que os vetores no dado um vetor v <
/
w >, e que no esteja na soma dos autoespaos generalizados
complementares a < w >, temos que Cn = Rn Rn implica que
podemos escrever

v = v + iv, com v, v Rn .

Ora, somando uma constante c > 0 suficientemente


grande, digamos c = 2kvkmax , temos que (considerando abaixo
c como o vetor com todas as entradas igual a c): v + c C + ,
v + c C + , ou seja,

v = (v + c) c + i((v + c) c)
160 Captulo 4. Operadores com autovalores dominantes

m
Do que vimos antes, conclumos que d( Am(v) , < w >) converge
a zero.

Ora, mas isso implica que dado qualquer outro autovetor


v de autovalor , v <
/ w >, temos:

Am (v) |m |
d( m
, < w >) = d(v, < w >) m 0, quando m +.

m
Como d(v, < w >) > 0, isso s pode significar que m 0
quando m +, ou seja, > .

Observao 4.7. Note que da dominncia do autovalor , te-


mos que
Am (v)
wv , quando m +,
m
para algum wv < w >. De fato, como vimos no captulo sobre
noes de Teoria Espectral, como todos as outras componen-
tes espectrais esto contidas em um bola de raio r estritamente
menor que temos que
p
n
lim sup kAn (v)k r < , v sp(A)\{} E(),
n+

onde E() denota o autoespao generalizado associado ao auto-


valor .

Portanto, escrevendo de modo nico v = wv + v, com


wv < w > e v sp(A)\{} E(), temos

Am (v) Am (wv ) Am (v)


= + wv , quando m +,
m m m
Deixamos os detalhes desta observao como exerccio para o
leitor.
4.2. Cones e Mtricas Projetivas 161

O algoritmo usado pela Google em seu programa para


busca em Internet uma variante deste que acabamos de ver.
De fato, a Google concebeu dois programas. Um, conhecido como
Crawler, varre a Internet e seus sites, de modo a catalogar pgi-
nas associadas a qualquer palavra chave que se possa imaginar.
Com estes dados, para cada palavra chave arma-se uma imensa
tabela de referncia cruzada entre sites. Por exemplo, se uma
palavra tm 1000 sites que a referenciem de alguma forma, cria-
se uma matriz 1000 por 1000, em cuja entrada aij coloca-se um
nmero positivo medindo o que se diria ser a probabilidade de
transio do i-simo site para o jsimo site, ou mais simples-
mente, o valor do isimo site se confrontado com o jsimo
site. Tal valor, nunca posto como zero - artificialmente, na pior
das hipteses posto um  > 0 mnimo, para garantir que a
matriz tenha todas as suas entradas positivas.

Davem a parte mais importante do algoritmo, o Page


Rank Algorithm que a que vimos: o clculo do autovetor domi-
nante da matriz construda. O autovetor dominante nos mostra
a tendncia assinttica da matriz. De fato, na prtica, iterando
a matriz umas poucas vezes, qualquer vetor ficar rapidamente
perto do autoespao dominante. Isso um tipo de simplificao
muito especial da ao do operador, em certo sentido maior at
do que quando somos capazes de diagonaliz-lo. Pois significa
que a ao de iterados de matriz, vistos sob normalizao ade-
quada, se comporta aproximadamente como uma multiplicao
por apenas um autovalor (o dominante, os outros ficam desprez-
veis), na direo dominante. O autovetor dominante um vetor
de rank dos sites: a isima entrada do autovetor dominante diz
qual a importncia do isimo site para a palavra chave, dando
sua ordem na busca que se fez.
162 Captulo 4. Operadores com autovalores dominantes

O processo melhorado quanto mais usurios o utili-


zam, pois a Google calibra dinamicamente a matriz (aumen-
tando os valores de sites mais escolhidos pelo usurio) conforme
os usurios prefiram pginas diferentes daquelas pelo algoritmo
sugeridas. Claro, mudanas artificiais nos valores da matriz po-
deriam ser usadas tambm para gerar uma espcie de censura,
colocando determinados sites para o fim da fila...

4.3 Programa de Clculo de Autovalores Dominantes de


Operadores Positivos

Nessa seo, apresentamos um programa para o Clculo


do autovalor dominante e respectivo autovetor de um operador
cuja matriz tem todas as entradas positivas.

Tambm no cdigo abaixo, est o procedimento domin,


para clculo de autovalor e autovetor dominante, em caso de
matrizes reais que possuam autovalor real dominante.
#include <s t d i o . h>
#include < s t d l i b . h>
#include <math . h>

#i f n d e f r e a l
#define r e a l double
#endif

#i f n d e f PI
#define PI 3 . 1 4 1 5 9 2 6 5 3 5 8 9 7 9 3 2 3 8 4 6 2 6 4 3 3 8 3 2 7 9 5
#endif

char _err= 0 ;

#define DIMAX2 1024


4.3. Programa de Clculo de Autovalores Dominantes de Operadores
Positivos 163

r e a l domipos ( r e a l , r e a l , r e a l , int , i n t ) ;
r e a l domin ( r e a l , r e a l , r e a l , int , i n t ) ;

i n t main ( i n t a r g c , char a r g v [ ] )
{
char s t r ;
r e a l lambda ;

s t a t i c r e a l mat [ DIMAX2 ] , mataux [ 2 DIMAX2 ] , v e t [ DIMAX2 ] ;


int n , col , i , j ;
long p ;

i f ( argc < 2)
{
printf (
" Programa %s \nUso : %s <numcols><mat11><mat12> . . . \ n" ,
argv [ 0 ] , argv [ 0 ] ) ;
exit (0);
}

c o l= a t o i ( a r g v [ 1]);

i f ( ( c o l c o l ) >= ( a r g c 1 ) )
{
printf (
"No . de e n t r a d a s menor que a dimensao %dx%d d i t a da m a t r i z " ,
col , col ) ;
e x i t ( 1);
}
f o r ( i= 0 , j= 2 ; i < ( c o l c o l ) ; i ++, j ++)
{
mat [ i ]= a t o f ( a r g v [ j ] ) ;
}

puts ( " Matriz i n i c i a l : " ) ;


m o s t r a m a t r i z ( mat , c o l , 0 , 0 , c o l , c o l , "%l 7 . 4 f " ) ;
164 Captulo 4. Operadores com autovalores dominantes

lambda= domipos ( mat , mataux , vet , c o l , 5 ) ;

p r i n t f ( " \n A u t o v a l o r dominante : %l f \n" , lambda ) ;

p u t s ( " \n A u t o v e t o r dominante : " ) ;

m o s t r a m a t r i z ( vet , c o l , 0 , 0 , 1 , c o l , "%l 9 . 7 f " ) ;

p u t s ( " \nQue a s f o r c a s c e g a s s e domem , da l u z que a alma tem ! \ n" ) ;


}

r e a l norml ( r e a l mat , i n t l i n , i n t c o l , r e a l ( ab ) ( ) )
{
int i , j ;
r e a l somaux , soma= 0 . 0 ;
f o r ( i= 0 ; i < l i n ; i ++)
{
f o r ( somaux= 0 . 0 , j= 0 ; j < c o l ; j ++)
{
somaux+= ab ( mat [ i c o l+ j ] ) ;
}
i f ( somaux > soma )
soma= somaux ;
}

return ( soma ) ;
}

r e a l domipos ( r e a l mat , r e a l pr , r e a l vet ,


int col , int i t )
{
i n t t , n , i , imax , j , k , tam ;
r e a l sum , soma , aux , aua , max ;

tam= c o l c o l ;
4.3. Programa de Clculo de Autovalores Dominantes de Operadores
Positivos 165

aua= pr ;
aux= &pr [ tam ] ;
soma= norml ( mat , c o l , c o l , f a b s ) ;
i f ( soma== 0 . 0 )
return ( 0 . 0 ) ;
f o r ( t= 0 ; t< tam ; t++)
{
aua [ t ]= aux [ t ]= mat [ t ] / soma ;
}

f o r ( n= 0 ; n< i t ; n++)
{
soma= 0 . 0 ;
f o r ( i= 0 ; i < c o l ; i ++)
f o r ( j= 0 ; j < c o l ; j ++)
{
sum= 0 . 0 ;
f o r ( k= 0 ; k< c o l ; k++)
{
sum+= aux [ i c o l+ k ] aux [ k c o l+ j ] ;
}
aua [ i c o l+ j ]= sum ;
soma+= f a b s ( sum ) ;
}
f o r ( t= 0 ; t< tam ; t++)
{
aux [ t ]= aua [ t ]/= soma ;
}
p r i n t f ( " \ n I t e r a d o 2^%d n o r m a l i z a d o da m a t r i z i n i c i a l : \ n" ,
n +1);
m o s t r a m a t r i z ( aux , c o l , 0 , 0 , c o l , c o l , "%l 9 . 7 f " ) ;

}
f o r ( i= 0 ; i < c o l ; i ++)
{
imax= 0 ;
max= 0 . 0 ;
v e t [ i ]= aua [ i c o l ] ;
166 Captulo 4. Operadores com autovalores dominantes

f o r ( j= 1 ; j < c o l ; j ++)
v e t [ i ]+= aua [ i c o l+ j ] ;
i f ( f a b s ( v e t [ i ]) > max)
{
max= f a b s ( v e t [ i ] ) ;
imax= i ;
}
}
f o r ( k= 0 , sum= 0 . 0 ; k< c o l ; k++)
{
sum+= mat [ imax c o l+ k ] v e t [ k ] ;
}
/ Retorna o a u t o v a l o r dominante . O a u t o v e t o r dominante ,
com soma 1 , f i c a armazenado em v e t . /

return ( sum/ v e t [ imax ] ) ;

r e a l domin ( r e a l mat , r e a l pr , r e a l vet ,


int col , int i t )
{
i n t t , n , i , imax , j , k , l , tam ;
r e a l sum , soma , aux , aua , v , max , automax ;
v= &pr [ 2 tam ] ;
v= 1 ;
f o r ( l= 1 ; l < c o l ; l ++)
v [ l ]= 0 ;
f o r ( l= 0 ; l < c o l ; l ++)
{
tam= c o l c o l ;
aua= pr ;
aux= &pr [ tam ] ;
soma= norml ( mat , c o l , c o l , f a b s ) ;
i f ( soma== 0 . 0 )
return ( 0 . 0 ) ;
4.3. Programa de Clculo de Autovalores Dominantes de Operadores
Positivos 167

f o r ( t= 0 ; t< tam ; t++)

{
aua [ t ]= aux [ t ]= mat [ t ] / soma ;
}

f o r ( n= 0 ; n< i t ; n++)
{
soma= 0 . 0 ;
f o r ( i= 0 ; i < c o l ; i ++)
f o r ( j= 0 ; j < c o l ; j ++)
{
sum= 0 . 0 ;
f o r ( k= 0 ; k< c o l ; k++)
{
sum+= aux [ i c o l+ k ] aux [ k c o l+ j ] ;
}
aua [ i c o l+ j ]= sum ;
soma+= f a b s ( sum ) ;
}
f o r ( t= 0 ; t< tam ; t++)
{
aux [ t ]= aua [ t ]/= soma ;
}

}
f o r ( i= 0 ; i < c o l ; i ++)
{
imax= 0 ;
max= 0 . 0 ;
v e t [ i ]= aua [ i c o l ] ;
f o r ( j= 1 ; j < c o l ; j ++)
v e t [ i ]+= aua [ i c o l+ j ] ;
i f ( f a b s ( v e t [ i ]) > max)
{
max= f a b s ( v e t [ i ] ) ;
imax= i ;
}
168 Captulo 4. Operadores com autovalores dominantes

}
f o r ( k= 0 , sum= 0 . 0 ; k< c o l ; k++)
{
sum+= mat [ imax c o l+ k ] v e t [ k ] ;
}
v [ l ]= 0 ;
v [ l+ 1]= 1 ;
/ Retorna o a u t o v a l o r dominante . O a u t o v e t o r dominante ,
com soma 1 , f i c a armazenado em v e t . /
}

return ( sum/ v e t [ imax ] ) ;

int mostramatriz ( r e a l s , int col ,


int l i n i , int c o l i n i ,
i n t nl , i n t n c o l , char s t r )
{
int i , j ;
i n t l f i m= l i n i + nl , c o l f i m= c o l i n i+ n c o l ;

f o r ( i= l i n i ; i < l f i m ; i ++)
{
putchar ( | ) ;
f o r ( j= c o l i n i ; j < c o l f i m ; j ++)
p r i n t f ( s t r , s [ i c o l+ j ] ) ;
puts ( " | " ) ;
}
return ( n l n c o l ) ;
}

4.4 Exerccios

1. Prove a observao 4.7.


4.4. Exerccios 169

Figura 10 Clculo de Autovalores Dominantes.


170 Captulo 4. Operadores com autovalores dominantes

Figura 11 Execuo do programa domincoloq.


4.4. Exerccios 171

Figura 12 Execuo com matriz 4 por 4.


173

5 O Operador Adjunto

Vimos no primeiro captulo, que embora tenham dimen-


ses complementares e sejam invariantes, nem sempre o ncleo
e a imagem de um operador de um espao nele tm intersec co
trivial. De fato, se um operador A : Cn Cn tivesse r autovalo-
res distintos, digamos, 1 , . . . , r , e para cada Tj := (j I A),
ker(Tj ) e Tj (Cn ) fossem espaos complementares, ento A se-
ria diagonalizvel (exerccio 1, da pgina 195). Mesmo no caso
em que o operador diagonalizvel, no muito clara a geo-
metria formada pelos espaos invariantes. Seria o ngulo entre
eles muito agudo? Seriam perpendiculares esses espaos? Para
entendermos melhor essa geometria, definimos um outro opera-
dor A , chamado de operador adjunto de A. Basicamente, seus
autoespaos tem uma relao de ortogonalidade com os autoes-
paos de A. Tais relaes sero vistas com preciso, e bastante
generalidade, no texto a seguir.

Seja E um espao vetorial normado. O espao dual de


E, denotado por E , o espao vetorial dado por

E := { : E C ; funcional linear contnuo.}


R

claro que devido s completudes de R e C, E sempre um


espao de Banach com a norma do operador:

kkop := sup {|(x)|}


xE,kxk=1

Se E um outro espao normado, e A L(E, E), ento


dado E , podemos definir um funcional linear A () E
174 Captulo 5. O Operador Adjunto

por:
A ()(x) = A(x), x E.

Note que a aplicao A : E E dada por 7 A () , ela


mesma, linear, denominada a adjunta de A.

Proposio 5.1. (Propriedades do Operador Adjunto) A


aplicao : L(E, E) L(E , E ) que a cada A L(E, E)
atribui seu adjunto A um isomorfismo isomtrico linear tal
que valem

a) (T A) = A T , A L(E, E), T L(E, E);

b) se A possui uma inversa limitada, A tambm o possui e


(A )1 = (A1 ) ; em particular, se E = E, temos sp(A)
sp(A ).

c) contnua na topologia uniforme (da norma do operador).


Se E for reflexivo, tambm contnua na topologia fraca
no espao de aplicaes lineares, mas o na topologia forte
se e s se, E possui dimenso finita.

Prova: claramente linear, e isometria:

kAkL(E,E) = sup kA(x)k = sup sup |l(A(x)| =


kxk1 kxk1 lE ,klk1

sup sup |(A l)(x)| = sup kA (l)k = kA k.


|l|1 xE,kxk1 klk1

A segunda igualdade acima deve-se, claro, ao Teorema de Hahn-


Banach.

Agora, seja l E ; temos portanto que

((T A) (l))(x) = l(T A(x)) = (A (l T ))(x) = (A T (l))(x).


Augusto Armando de Castro Jnior 175

Da definio de , fcil ver que (IE ) = IE .

Da propriedade a), temos

IE = (IE ) = (A A1 ) = ((A1 ) A ),

analogamente para IE no lugar de IE , conclumos b).

Por ser isometria, claro que contnua na norma do


operador. Dados An A na topologia fraca de L(E, E), temos
fixado l E que

(An (l))(x) = l(An (x)) l(A(x)) = (A (l))(x),

implicando que (An ) (l) converge a A (l) na topologia fraca-*


de E , a qual igual a topologia fraca de E , por E ser reflexivo.
Temos portanto que An A na topologia fraca de L(E, E).

Para vermos que em dimenso infinita, seja Tn atuando


em `1 (N) dado por

Tn ((a1 , a2 , . . . )) = (an+1 , an+2 , . . . )

Note que Tn tem como adjunto o deslocamento de n a direita


em ` (N), dado por

(Tn ) ((a1 , a2 , . . . )) = (0, . . . 0, a1 , a2 , . . . )


| {z }
n

De fato, dadas sequncias (aj ) e (bj ) respectivamente em `1 (N)


e ` (N) temos
+
X +
X +
X +
X
[Tn ((aj ))]j bj = aj+n bj = aj bjn = aj [(Tn ) ((bj ))]j
j=1 j=1 j=n+1 j=1

Claramente, Tn 0 na topologia forte de `1 (N), mas


tal no ocorre com (Tn ) . Sabemos que todo espao de Banach
176 Captulo 5. O Operador Adjunto

separvel isomorfo a algum espao quociente de `1 (N), e da


fcil construir exemplo anlogo em qualquer espao de Ba-
nach separvel. Dado um espao de Banach E de dimenso in-
finita qualquer, tomando um conjunto enumervel linearmente
independente e o fecho de seu subespao gerado, obtemos um
subespao E E fechado e separvel, no qual podemos definir
aplicaes como acima, que depois estendemos ao espao inteiro.
O que demonstra que quando a dimenso infinita, no con-
tnua na topologia forte.

Embora a definio acima seja bastante geral, nos res-


tringiremos nessa seo a estudar operadores definidos em espa-
os vetoriais normados cuja norma k k provm de um produto

interno < , >, via a frmula usual kvk = < v, v >, v E.
Veremos que nesse caso, a definio do operador adjunto li-
geiramente diferente, pois faz uso do isomorfismo sesquilinear
existente entre o espao E e seu dual dado pelo Lema de Riesz.
Para explicarmos melhor como isso se d, comeamos por lem-
brar a seguir algumas definies e fatos referentes a tais espaos:

Definio 5.2. (Espao de Hilbert.) Um espao vetorial nor-


mado E dito um espao de Hilbert se sua norma provm de um
produto interno e se ele completo.

Definio 5.3. (Espao Ortogonal.) Seja E um espao do-


tado de um produto interno e E um subespao vetorial de E. O
espao ortogonal a E, denotado por E definido como:

E := {v E; < x, v >= 0, x E}.

Claramente E um subespao vetorial fechado de E


e temos E = E E .
Augusto Armando de Castro Jnior 177

Definio 5.4. (Base Ortonormal.) Seja E um espao ve-


torial dotado de produto interno. Uma base ortonormal um
conjunto E tal que valem kvk = 1, v , < v, w >=
0, v, w , com v 6= w e finalmente, dado x E existem esca-
lares no nulos 1 , . . . , n , . . . e v1 , . . . , vn , E satisfazendo

X
x= j vj .
j=1

Outra definio til em espaos dotados de produto in-


terno:

Definio 5.5. (Subespao ortogonal.) Seja E um espao


vetorial munido de um produto interno e E E um seu subes-
pao vetorial. O espao ortogonal de E o conjunto:

E := {x E, < x, v >= 0, v E},

o qual claramente um subespao vetorial de E.

O prximo exemplo mostra que em um espao vetorial


dotado com um produto interno, mas no completo, podemos
ter um subespao fechado cujo espao ortogonal trivial.

Exemplo 5.6. Seja E = (C 0 ([0, 1]; R), < , >) o espao das
funes contnuas com domnio no intervalo [0, 1], dotado do
R1
produto interno < f, g >:= 0 f (t) g(t)dt. Seja (gn ), gn E
uma sequncia de Cauchy em E sem limite em E. Por exemplo,
tome



0, para t [0, 1/2 1/(n + 1)];

1/2 + (t 1/2) (n + 1)/2, se t (1/2 1/(n + 1),
gn :=


1/2 + 1/(n + 1));

1, para t [1/2 + 1/(n + 1), 1].
178 Captulo 5. O Operador Adjunto

Da, defina o funcional linear g : E R por:

g(f ) := lim < f, gn >, f E.


n

fcil de verificar que g contnuo. De fato, se fj E, fj 0,


temos:

lim |g(fj )| lim lim kfj kkgn k lim kfj k = 0,


j j n j

sendo a primeira desigualdade devido a Cauchy-Schwarz, e a se-


guinte porque a sequncia (gn ) limitada (com norma menor do
que 1, em nosso caso especfico). Considere E = ker(g). Como g
contnuo, segue-se que E fechado em E. Note que qualquer
funo contnua f : [0, 1] R que se anule em [1/2, 1] pertence
a E, o que mostra que esse espao no trivial. Por outro lado,
E 6= E, uma vez que qualquer funo contnua f : [0, 1] R
tal que f (t) > 0, t (1/2, 1) no est contida em E. Contudo,
E = {0}. Tal demonstrado, em grande generalidade, na pr-
xima proposio.

Proposio 5.7. Seja E um espao vetorial dotado de um pro-


duto interno, (gn ), gn E uma sequncia de Cauchy no con-
vergente em E e g : E R o funcional linear dado por

g(x) = lim < x, gn > .


n

Ento:

g contnuo;

E = ker(g) um subespao fechado (em E) prprio de E;

E = {0}.
Augusto Armando de Castro Jnior 179

Prova: A prova dos dois primeiros itens anloga aos


argumentos j vistos no exemplo acima. Para o ltimo item,
procedamos por absurdo.

De fato, se um vetor w 6= 0 pertencesse a E , pode-


ramos escrever qualquer vetor v em E como v = v < v, w >
w/kwk2 + < v, w > w/kwk2 . Ora,
< v, w > < v, w >
<v w, w >=< v, w > < w, w >= 0,
kwk2 < w, w >

o que implica que v < v, w > w/kwk2 (E ) = E, pois E


fechado em E. No h perda em normalizar w, isto , supor
que kwk = 1. Afirmamos que w realiza a norma de g. De fato, se
v E outro vetor de norma 1, no colinear a w, vimos acima
que v = v v+ < v, w > w, com v ker(g). Da,

|g(v)| = |g(v)+ < v, w > g(w)| = | < v, w > |kg(w)k <

(aplicando Cauchy-Schwarz em sua forma estrita, e supondo sem


perda g 6 0)
kvkkwkkg(w)k = kg(w)k,

o que implica que kgk = kg(w)k, como afirmamos. Observe ainda


que kgk = limn kgn k. De fato,
< gn , gn > gn
lim kgn k = lim = lim < , gn >
n n < gn , gn > n < gn , gn >

(novamente, por Cauchy-Schwarz)

lim < w, gn >= |g(w)| = kgk.


n

Para a outra desigualdade, comeamos por observar que para


cada j N, vale g(gj /kgj k) = limn < gj /kgj k, gn > kgk.
Por outro lado, como gn de Cauchy, ela limitada, digamos,
180 Captulo 5. O Operador Adjunto

com norma acotada por M > 0 e ainda como gn 6 0, dado


 > 0, existe n0 N tal que
gj gn
k k < /M, j, n n0 .
kgj k kgn k
Isso implica que
gj gn gj gn
|< , gn > < , gn > | k kM < , j, n n0 ,
kgj k kgn k kgj k kgn k

e por conseguinte, limn < gn , gn > = limj g(gj ) kgk.

Desse modo,
< gn , w > < gn , w >
lim < gn w, gn w>=
n kwk2 kwk2
= lim < gn < gn , w > w, gn > =
n

= lim < gn , gn > << gn , w > w, gn > =


n

= lim < gn , gn > < gn , w >2 = kgk2 kg(w)k2 = 0.


n

Da, conclumos que existe limn gn , e este seria um


mltiplo no nulo de w, o que contradiz a hiptese de que a
sequncia gn no converge em E.

bastante fcil ver que dado um espao vetorial E mu-


nido com um produto interno e um seu subespao vetorial de
dimenso finita E E, temos E = E E . Para tal, basta ver
que dado v E, existe um ponto v E que minimiza a distncia
entre v e E, e que v v E (vide exerccio 2)..

Usaremos isto no prximo

Lema 5.8. (Identidade de Parseval Fraca, ou Teorema


de Pitgoras.) Seja E um espao vetorial com produto interno
Augusto Armando de Castro Jnior 181

e seja E E um subespao vetorial de dimenso finita, o qual


dotamos do produto interno oriundo de E. Suponha que =
{v1 , . . . , vn } seja uma base ortonormal de E. Ento, dado v E,
este se escreve de maneira nica como v = 1 v1 + +n vn +v ,
onde 1 =< v, v1 >, . . . , n =< v, vn > e v E , valendo
Xn
kvk2 = ( |j |2 ) + kv k2 .
j=1
P
Em particular, vale kvk2 j=1 |j |2 .

Prova: Como E tem dimenso finita, em particular


fechado em E, implicando que E = E E . Assim, dado v E,
podemos escrever v = v + v , com v E e v E . Ademais,
Pn
v = j=1 j vj , com

j =< v, vj >=< v + v , vj >=< v, vj >,

devido ortogonalidade existente entre v e vj .

Finalmente, temos
n
X n
X
< v, v >=< j vj + v , j vj + v >=
j=1 j=1

(devido s relaes de ortogonalidade existentes entre os diversos


vetores v1 , . . . vn e v )
n
X Xn
|j |2 < vj , vj > + < v , v >= ( |j |2 ) + kv k2 .
j=1 j=1

Observao 5.9. Note que a prova acima pode ser facilmente


adaptada para o caso em que E seja somente completo, no
necessariamente de dimenso finita (exerccio 3).
182 Captulo 5. O Operador Adjunto

Lema 5.10. Seja E um espao de Hilbert e seja E E um


subespao fechado prprio. Ento, dado v
/ E, existe v E tal
que
inf {kv xk} = kv vk.
xE

Ademais, v v = w E , o que implica que E 6= {0}.

Prova: Seja = inf xE {kv xk}. Seja (xj ), xj E


uma sequncia que minimiza a distncia entre v e E. No h
perda em supor que kxj vk 2 + 1 para uma tal sequncia
minimizante. Comecemos mostrando que < xj v, x > converge
uniformemente a zero, para x E B(0, kvk + 2 + 1).

De fato, para R (ou C, se o espao for complexo),


temos:
2 < (v xj ) + x, (v xj ) + x >

2 < (v xj ), (v xj ) > + < (v xj ), x > +

+ < x, (v xj ) > +|2 | < x, x >

(Fazendo = r < (vxj ), x >, onde r R qualquer, obtemos:)

2 < (v xj ), (v xj ) > +2r| < v xj , x > |2 +

+r2 | < v xj , x > |2 kxk2 , r R,

2 < (vxj ), (vxj ) > +r(2+rkxk2 )| < vxj , x > |2 , r R.

Tomando r < 0, |r|(kvk + 2 + 1) < 1 temos que

2 < (v xj ), (v xj ) > +r| < v xj , x > |2 . (5.1)

Seja  > 0 dado. Tome |r| < 2 e seja j0 tal que

| < (v xj ), (v xj ) > 2 | < r2 , j j0 .


Augusto Armando de Castro Jnior 183

Tal implica que


| < v xj , x > | < ,

ou a desigualdade 5.1 no seria satisfeita.

Mostremos que (xj ) de Cauchy. De fato,

0 kxj xm k2 =< xj xm , xj xm >=< xj v+vxm , xj xm >=

< xj v, xj xm > < xm v, xj xm > .


| {z }
:=xE

converge a zero quando j, m +, pela parte inicialmente


provada neste lema.

Conclumos que (xj ) de Cauchy, e como a sequncia


minimizante tomada arbitrria, conclumos (por argumento
cannico de Anlise) que toda sequncia minimizante possui o
mesmo limite, digamos v E. Como v
/ E, segue-se que w =
v v 6= 0. Como limj+ < v xj , x > 0, x E, conclumos
da continuidade do produto interno que w E .

Observao 5.11. Note que imediato do lema acima que se


E um espao de Hilbert e E um seu subespao fechado, ento
E = E E . A mesma prova serve para mostrar que se E um
espao vetorial dotado de produto interno (no necessariamente
completo) e E um subespao vetorial completo de E, ento
tambm vale E = E E .

Teorema 5.12. (Representao de Riesz.) Seja E um es-


pao de Hilbert. Ento, dado um funcional linear contnuo f
E , existe um nico w E tal que f (x) =< x, w >, x E.
184 Captulo 5. O Operador Adjunto

Prova: Suponha que f 6= 0, pois este caso imediato.


Seja E = ker(f ). Como f contnuo, E fechado em E. Pelo
lema anterior, ker(f ) 6= {0}. Seja w 6= 0 um vetor em ker(f )
tal que f (w) = 1, e seja w := w/ < w, w >. Da, dado v E,
escrevendo v = (v < v, w > w/ < w, w >)+ < v, w > w,
claro que v := (v < v, w > w/ < w, w >) ker(f ), temos:
< v, w >
f (v) = f (v)+f (< v, w > w/ < w, w >) = f (w) =< v, w > .
< w, w >

Finalmente, para vermos a unicidade, basta aplicarmos


mais uma vez o lema: w e z so tais que f (v) =< v, w >=<
v, z >, v E, ento vale:

< v, w >=< v, z >, v E < v, z w >=

= 0, v E z w E = {0},

implicando que z = w.

Corolrio 5.13. Seja E um espao de Hilbert. Ento a aplica-


o F : E E dada por

F (w) =< , w >,

um isomorfismo (sesqui)linear isomtrico de E em E .

Observao 5.14. (Representao dos funcionais lineares em


E , quando E espao vetorial com produto interno, no ne-
cessariamente completo.) Seja E um espao vetorial dotado de
R
um produto interno, e f : E C um funcional linear cont-
nuo. Ento, pelo teorema de extenso de operadores lineares (o
Augusto Armando de Castro Jnior 185

conhecido B.L.T.), o funcional linear f possui uma nica ex-


tenso contnua f : E C , onde E o completamento de
R

E. Analogamente, dado f : E C um funcional linear cont-


R

nuo, sua restrio a E determina um nico funcional contnuo


R
f : E C . Em ambos os casos, como E denso em E, obtemos
que kf k = kfk. Isso implica que E isometricamente isomorfo
a E , via aplicao F : E E dada por F (f ) = f, em que f
a nica extenso contnua de um funcional f com domnio em
E ao completamento E. Ora, do Teorema de Representao de
Riesz, temos que qualquer funcional linear contnuo f (definido
no espao de Hilbert E, completamento de E) da forma:

f(x) =< x, w >, x E,

onde w E um vetor constante, unicamente determinado por


f. Ora, se f = F 1 (f), ento f = f|E . Em particular, tomando-
se uma sequncia wn w, onde wn E, claro que para x E
vale
f (x) = f(x) =< x, w >= lim < x, wn >,
n

o que nos fornece uma representao (no nica) para os funci-


onais lineares em E, simplesmente em termos de sequncias em
E.

A mais importante concluso a que chegamos a partir da


observao acima que embora nem todo funcional linear em E
(quando E no completo) possa ter uma representao do tipo
f (x) =< x, w >, x E, com w E, vetor constante, mesmo
assim, os funcionais desse tipo podem ser usados para aproximar
qualquer funcional em E , pois formam um subconjunto denso
de E . Desse modo, estamos aptos a fazer a seguinte:
186 Captulo 5. O Operador Adjunto

Definio 5.15. (Operador Adjunto em Espaos vetoriais


com produto interno.) Seja A : E E um operador linear
contnuo, definido no espao vetorial E, dotado de produto in-
terno < , >. O adjunto, se existir, de A o nico operador
linear A : E E dado por:

< A x, y >=< x, A y >, x, y E.

Exemplo 5.16. Seja E = (C 0 ([1, 1]; C), < , >) o espao


das funes contnuas com domnio no intervalo [0, 1], dotado do
R1
produto interno < f, g >:= 0 f (t) g(t)dt. Seja (gn ), gn E
uma sequncia de Cauchy em E, normalizada, sem limite em
E. Vamos definir uma aplicao A : E E tal que A no
esteja definido. Seja p1 , p2 , . . . a base ortonormal de E dada pela
normalizao dos polinmios de Legendre. Seja y E vetor no
<pj ,gn >
nulo fixado. Defina A(pj ) := limn <y,y> y Da,

< pj , gn >
< A(pj ), y >= lim , pj ,
n < y, y >
e portanto, A (y)() = limn < , gn >, ou seja, no existe
w E tal que < A(x), y >=< x, A (y) >.

Compare a definio acima com a de operador adjunto


em espaos normados. No caso de espaos vetoriais dotados com
produto interno, identificamos E com seu mergulho em E . Com
isso, temos que em espaos dotados de produto interno, tanto o
operador como seu adjunto atuam no mesmo domnio, E.

Propriedades importantes acerca do espectro de opera-


dores auto-adjuntos so assinaladas na prxima proposio:

Proposio 5.17. (Propriedades do Operador Adjunto.)


Dado um operador A : E E em um espao de Hilbert complexo
Augusto Armando de Castro Jnior 187

E, temos que
sp(A) = sp(A )

Prova: Note que o adjunto Hilbertiano definido de


maneira um pouco diferente do de Banach. De fato, temos que

< x, y >= < (A)(A)1 (x), y >=< (xA(x))1 , y >=



< x, (x A(x))1 (y A )(y) >, x, y E,

implicando (Mutatis Mutandis) que (x A(x))1 = (y
A ). Permutando os papis de A e seu adjunto, obtemos que
o conjunto resolvente de um o conjugado do outro, o mesmo
valendo para seus espectros.

A despeito de toda a teoria abstrata vista at agora, a


grande motivao e utilidade de se considerar operadores adjun-
tos reside na prxima importante

Proposio 5.18. Seja A : H H um operador linear limi-


tado com domnio em um espao de Hilbert H. Ento ker(A) =
ran(A ) e ran(A) = ker(A ) .

Prova: Dado v ker(A) e w H qualquer, temos:

< v, A (w) >=< A(v), w >= 0,

e portanto a imagem de A perpendicular ao ker(A), e recipro-


camente, dado v ran(A ) , temos que

0 =< v, A (w) >=< A(v), w >, w H,

e portanto A(v) = 0, isto , v ker(A).


188 Captulo 5. O Operador Adjunto

Por outro lado, como A = A, do que recm prova-


mos temos que ker(A ) = ran(A ) e portanto ker(A ) =

ran(A ) = ran(A ).

Pensando no contexto de dimenso finita, lembramos


que parte da dificuldade em obtermos uma forma de Jordan di-
agonal em geral consiste em que ker(A I) e ran(A I) no
so em geral espaos complementares podendo ter intersec co
no trivial. Tais espaos so invariantes para A, tm dimenso
complementar, mas podem no estar em soma direta. A pro-
posio anterior no permite obter um espao complementar a
ker(A I), embora em geral no invariante por A, se A 6= A .
Mesmo assim, o fato do aplicao de passar ao adjunto ser um
isomorfismo, nos permite at em dimenso infinita levar e trazer
clculos funcionais de um operador para o seu adjunto e vice-
versa. Tal ser explorado de maneira muito esperta na prxima
seo, na prova de uma verso aprimorada do Teorema Ergdico
de Von Neumann. Por outro lado, quando A = A , e a dimen-
so for finita, a proposio anterior nos d que ker(A I) e
ran(A I) esto em soma direta, e a mesma prova da Forma
de Jordan nos d que A diagonalizvel. Tal provado, em maior
generalidade inclusive, no Apndice do livro.

Um operador A tal que A = A dito auto-adjunto.

Proposio 5.19. Seja E um espao dotado de produto interno


e seja A : E E um operador auto-adjunto. Ento qualquer
(possvel) autovalor de A pertence a R. Ademais, se v1 e v2 so
autovetores correspondentes a autovalores 1 6= 2 , ento so
5.1. Aplicao: generalizando o Teorema de von Neumann 189

ortogonais.

Prova: Suponha que C seja um autovalor de A.

Temos, portanto:

< v, v >=< v, v >=< v, Av >=

(pois A auto-adjunta)

< Av, v >=< v, v >= < v, v > .

Como v 6= 0, segue-se que = , ou seja, R.

Finalmente,


1 < v1 , v2 >=< Av1 , v2 >=< v1 , Av2 >= 2 < v1 , v2 > |{z}
1 6=2

< v1 , v2 >= 0,

ou seja, v1 e v2 so ortogonais se so autovetores associados a


autovalores distintos.

Observao 5.20. fato que se A um operador linear auto


adjunto, ento seu espectro est contido em R.

5.1 Aplicao: generalizando o Teorema de von Neu-


mann

Vimos no captulo anterior que se o raio espectral de


um operador A L(E) estritamente menor que 1, ento a
norma de An converge exponencialmente rpido para zero. Em
particular, An (v) converge a zero para qualquer vetor v E.
190 Captulo 5. O Operador Adjunto

Nessa seo, pretendemos estudar o que podemos dizer sobre a


sequncia (An (v)), v 6= 0 quando n + no caso em que o raio
espectral menor ou igual a 1. Ser que tal sequncia possui
limite em algum sentido? Os prximos exemplos nos indicam
que hipteses adicionais so necessrias para que o limite de tal
sequncia exista Csaro, o que tende em geral a ser o mximo
que podemos esperar.

Exemplo 5.21. Seja A L(R2 ) a aplicao linear cuja matriz


na base cannica dada por
!
1 1
A :=
0 1

Do captulo 1 temos que


!
n 1 n
A :=
0 1

Desse modo, vemos que para v = (0, 1), An (v) = (n, 1), a qual
converge a infinito com velocidade polinomial.

Exemplo 5.22. Seja A L(R2 ) a aplicao linear cuja matriz


na base cannica dada por
!
1/2 3/2
A := ,
3/2 1/2

que corresponde a rotao de /3. Ora, tal implica que todo


ponto no nulo peridico de perodo mnimo igual a 6. Por-
tanto, a sequncia (An (v)), v 6= 0 peridica, no convergindo
quando n +.
Augusto Armando de Castro Jnior 191

Note no segundo exemplo que, embora a sequncia no


convirja sua mdia converge Cesro, ou seja, as mdias,
N 1
1 X n
A (v)
N n=0

convergem, quando N +. (No exemplo em questo, conver-


gem para zero).

Exemplo 5.23. Seja `2 o espao de Hilbert das sequncias qua-


drado somveis de nmeros complexos, e considere A : `2 `2
dada por
A((x1 , x2 , . . . )) := (x2 , . . . )

Dado N N, observe que I, A, A2 , . . . , AN so isometrias (sobre


sua imagem) quando restritos ao subespao

EN := {x `2 ; x = (0, . . . , 0 x1 , . . . )}.
| {z }
N vezes

Claramente, a norma de A, e portanto a de An menor ou igual a


1, para todo n 0 e o acima mostra que de fato sua norma igual
PN 1
a 1. Mais ainda, fcil de verificar que N1 n=0 An tambm
uma isometria sobre sua imagem quando restrita a EN . Logo,
essa soma a Cesro no converge em norma a zero. Entretanto,
na topologia forte (pontual) fcil ver que tal soma converge a
zero (exerccio 4).

Teorema 5.24. (Ergdico de Von Neumann, generali-


zado.) Seja V um operador em um espao de Hilbert H sa-
tisfazendo kV n k < C para todo n. Ento
N 1
1 X n
V (f ) P (f ), f H,
N n=0
192 Captulo 5. O Operador Adjunto

onde P uma projeo (no necessariamente ortogonal) sobre


{f ; V (f ) = f } = : F (V ).

Prova:

Note que F (V ) claramente um subespao fechado de


H, j que o ncleo de V I, onde I a identidade, logo, o
ncleo de uma aplicao contnua. Observamos tambm que
N 1
1 X n

PN (f ) := V (f ) (1/N ) N kf k Ckf k.
N n=0

E que se f F (V ) = ker(I V ), ento PN (f ) = f, N . Por-


PN 1
tanto, N1 n=0 V n (f ) P (f ), f F (V ). Vejamos agora o
que ocorre no espao ran(I V ) =: E(V ). Se f E(V ), ento
existe g H tal que f = g V (g), logo temos:
1
1 NX 1 NX 1
V n (f ) = V n (g V (g)) =

N n=0 N n=0

1 1
g V N (g) (kgk + Ckgk) 0 quando N +.

N N
Notamos que converge tambm para zero para toda f
E(V ). Neste caso, existem E(V ) 3 fj f e da,
1
1 NX N 1 N 1
1 X n 1
X n

V n (fj ) V (f ) = V (fj f )

N n=0 N n=0 N n=0

N 1
1 X
Ckfj f k Ckfj f k 0,
N n=0
implicando a afirmao que fizemos.

Note que devido aos limites acima serem distintos em


F (V ) e E(V ) temos que F (V ) E(V ) = {0}. Se mostrarmos
que F (V ) E(V ) = H, ento teremos concludo a prova.
Augusto Armando de Castro Jnior 193

Para ver isso, devemos considerar F (V ) : = ker(IV )


e E(V ) = ran(I V ). Como kV n k C, n N, vale tambm
que k(V )n k C, n N. De fato, para qualquer operador
linear contnuo A : H H vale que (A )n = (An ) e alm do
mais

kAk = sup kA(v)k = sup sup < A(v), w >=


kvk=1 kvk=1 kwk=1

sup sup < v, A (w) >= sup kA (w)k = kA k.


kwk=1 kvk=1 kwk=1

Logo, obtemos pelas mesmas contas que j fizemos para


V que F (V ) e E(V ) tm interseco trivial. Mas

F (V ) = ker(I V ) = ran(I V ) = E(V ),

e
E(V ) = ran(I V ) = ker(I V ) = F (V ).
Donde conclumos que

(F (V ) + E(V )) = F (V ) E(V ) = {0},

ou seja, H = F (V ) + E(V ), como queramos demonstrar.

Observao 5.25. Note que se V fosse autoadjunto, a projeo


seria ortogonal. Uma verso ainda mais elaborada do Teorema
Ergdico Von Neumann foi apresentada por Thiago Bomfim em
sua monografia de curso e trabalho de iniciao cientfica. Tal
trabalho foi medalha de prata no V Simpsio Nacional / Jorna-
das de Iniciao Cientfica, em 2011, e encontra-se disponvel no
link:

http://www.colmat.ufba.br/monografias?page=1
194 Captulo 5. O Operador Adjunto

Note o que o Teorema acima nos diz em particular: se


um operador de norma menor ou igual a 1 possuir autovalor
1, ele nos d um modo de calcular seu autoespao (note que
nesse caso, o autoespao generalizado de 1 um autoespao ) Se
por outro lado, tal espao for trivial, ento qualquer mdia de
Birkhoff como do Teorema converge a zero.

Para os prximos exemplos aplicando o teorema ante-


rior, falaremos um pouco de transformaes que preservam medi-
das. Dado um conjunto X, uma medida finita : A [0, +),
A P(X) uma funo de conjunto tal que

1. () = 0.

2. aditiva:


X
( n=1 An ) = (An ),
n=1

para toda unio de conjuntos dois a dois disjuntos An da


coleo A.

Em geral, pede-se que a coleo A seja uma lgebra, isto , que


seja fechada para unies enumerveis, interseces enumerveis
e passagem ao complemento de seus membros.

Dizemos que uma aplicao f : X X preserva a me-


dida se para todo A A, ento f 1 (A) A e vale que

(A) = (f 1 (A)).

Dado um intervalo limitado I R um exemplo bem


conhecido de medida finita a que atribui a cada subintervalo
de I o seu comprimento. Claramente, a menor lgebra que
Augusto Armando de Castro Jnior 195

contm tais intervalos contm todos os abertos (e fechados) em I


e de fato coincide com a menor lgebra que contm os abertos
de I, tambm chamada de lgebra de Borel de I.

Pensemos na seguinte situao-exemplo:

Seja f : S 1 S 1 a aplicao dada por f (z) :=


z, = ei S 1 , / irracional, onde o produto em questo
a multiplicao usual em C. Ou seja, f dita uma rotao
irracional do crculo S 1 .

Dado um segmento de arco em S 1 , via coordenadas po-


lares, podemos identific-lo com um intervalo da reta de mesmo
comprimento, e dessa forma transportar a medida do intervalo
I = [0, 2) para S 1 de maneira natural. Tambm uma funo
: S1 R
C dita integrvel se
Z Z 2
||dm := ||(eit )dt < +,
S1 0

e nesse caso, sua integral


Z Z 2
dm := (eit )dt < +.
S1 0

Dado p 1, a exemplo dos espaos `p , podemos conside-


rar
Lp (S 1 , m) como o espao das funes contnuas dotado da norma
sZ
kkp := p
||p dm
S1

e definir Lp (S 1 , m) como o completamento de Lp (S 1 , m). Note


que a integral tambm se estende de maneira natural ao com-
pletamento.
196 Captulo 5. O Operador Adjunto

Em particular para p = 2, possvel provar que tal


completamento um espao de Hilbert.

Interessantemente, U () := f uma isometria em


cada um dos espaos Lp (S 1 , m), se estendendo continuamente de
maneira nica ao completamento. Note que 1 autovetor
do autovalor 1 desse operador.

Conclumos do Teorema 5.24 que dado L2 (S 1 , m)


que existe L2 (S 1 , m) tal que
1
1 NX
f n 0 quando N +.

N n=0

2
5.2 Exerccios

1. Se um operador A : Cn Cn tem 1 , . . . , r autovalo-


res distintos, e para cada Tj := (j I A), j = 1, . . . , r,
ker(Tj ) e Tj (Cn ) so espaos complementares, mostre que
A diagonalizvel.

2. Mostre que se E um espao dotado de produto interno


e E E um subespao de dimenso finita, ento E =
E E .

3. Mostre que se E um espao dotado de produto interno


e E E um subespao completo, ento E = E E .
Enuncie e prove com tal hiptese uma verso mais geral
do teorema de Pitgoras (lema 5.8 da pgina 178).

4. Prove que na topologia forte no espao dos operadores a


soma de Birkhoff do exemplo 5.23 da pgina 189 converge
a zero.
199

Concluso

Chegamos ao fim de nosso texto, e no somos ainda ca-


pazes de construir um computador quntico, nem o reator de
fuso nuclear. Vimos alguns algoritmos para um problema b-
sico em Matemtica, e muito til em todas as modelagens que
envolvam problemas lineares ou quadrticos: o clculo de auto-
espaos e autovalores. Podemos aplicar tais tcnicas a calcular
posies de times esportivos, buscar pginas na Internet com
respeito a uma palavra chave. Tais clculos, aplicados por exem-
plo sobre uma matriz de varincia-covarincia das temperaturas
de nosso planeta, permitem perceber correlaes estatsticas de
temperatura entre as diversas regies da Terra. Em uma superf-
cie suave, permitem calcular as linhas de curvatura principais em
cada ponto. Tantos diferentes problemas, resolvidos com apenas
um mtodo... Imaginem quantos outros podemos resolver com
toda a Matemtica feita e por fazer! Imaginem...
201

Referncias

[1] Armando Castro, Curso de Teoria Espectral, preprint


UFBA (2014).

[2] Armando Castro, Curso de Topologia e Anlise, preprint


UFBA (2013).

[3] Armando Castro, New criteria for hyperbolicity based on


periodic sets, Bulletin of the Brazilian Mathematical Society
42 (3), 455-483 (2011).

[4] Armando Castro, Curso de Equaes Diferenciais Ordin-


rias; submetido a publicao pelo Projeto Euclides, IMPA.
(2008)

[5] Armando Castro, Curso de Teoria da Medida, 2a. edio;


Projeto Euclides, IMPA/CNPq, 2008.

[6] Armando Castro, N. Medeiros, V. Pinheiro, Isolated Pe-


riodic Points and Zeros of Operator Functions, preprint
UFBA (2008).

[7] V. Baladi. Positive transfer operators and decay of correla-


tions. World Scientific Publishing Co. Inc., 2000.

[8] Thiago Bomfim, Uma generalizao do teorema de John von


Neumann, Monografia de Curso, UFBA, (2009). Disponvel
em http://www.colmat.ufba.br/monografias?page=1.

[9] T. Kato, Perturbation Theory for Linear Operators, Sprin-


ger Verlag, 1980.
202 Referncias

[10] E. L. Lima, Curso de Anlise I, Projeto Euclides, IM-


PA/CNPq, 1982.

[11] E. L. Lima, Espaos Mtricos, Projeto Euclides, IM-


PA/CNPq, 1983.

[12] E. L. Lima, Curso de Anlise II, Projeto Euclides, IM-


PA/CNPq, 1985.

[13] E. L. Lima, Anlise no Espao Rn , Coleo Matemtica


Universitria, IMPA/CNPq, 2002.

[14] N. Dunford, J. T. Schwartz, Linear Operators, Interscience


Publishers, New York, 1958.

[15] M. Reed, B. Simon, Methods of Modern Mathematical Phy-


sics, vol I: Functional Analysis, Academic Press, New York
and London, 1975.

[16] C. Liverani, Decay of correlations, Annals of Math., 142,


239301, 1995.

[17] R. Ma, Ergodic Theory and Differentiable Dynamics,


Springer Verlag, Berlin, 1987.

[18] W. Rudin, Functional Analysis, McGraw-Hill Book Com-


pany, 1973.

[19] W. Rudin, Real and Complex Analysis, 3d. Edition,


McGraw-Hill Book Company, 1987.

[20] M. G. Soares, Clculo em uma varivel complexa, Coleo


Matemtica Universitria, IMPA/CNPq, 2001.

[21] M. Viana, Stochastic dynamics of deterministic systems,


Colquio Brasileiro de Matemtica, 1997.
Referncias 203

[22] K. Yosida, Functional Analysis, 6th. Edition, Springer-


Verlag, 1980.

Вам также может понравиться