Академический Документы
Профессиональный Документы
Культура Документы
(Versão Preliminar)
iii
iv
mos que, sob hipóteses naturais, tal divisão é euclidiana. (Esse enfoque,
em última instância, conduz aos Teoremas de Preparação de Weierstrass e
Malgrange, que estão muito além do propósito desse texto). O cálculo fun-
cional, que é uma conseqüência desse fato, é estudado no terceiro capı́tulo.
Lá é mostrado que toda função de uma matriz é um polinômio na matriz.
O capı́tulo 4 apresenta vários exemplos de utilização do cálculo funcional,
enquanto o capı́tulo 5 é dedicado às demonstrações (elementares) do Teo-
remas da Imagem do Espectro e Espectral por meio do cálculo funcional.
(O Teorema Espectral é a versão no corpo C do Teorema da Decomposição
Primária). O capı́tulo 6 mostra como se complexifica um espaço vetorial real
e, com isso, apresenta o Teorema da Decomposição Primária.
A leitura desse texto pressupõe alguns conhecimentos simples de pro-
priedades dos números complexos (manipulação de números complexos, fór-
mula de Euler e o teorema fundamental da Álgebra - alguns tópicos um
pouco mais avançados são abordados em um exercı́cio) e um curso intro-
dutório de Álgebra Linear, no qual sejam abordadas as noções de espaço ve-
torial, aplicação linear e suas representações matriciais e somas diretas. Até
mesmo a demonstração do Teorema de Cayley-Hamilton consta do texto.
Esses tópicos básicos de Álgebra Linear têm uma excelente apresentação no
livro “Geometria Analı́tica e Álgebra Linear”, Partes I e II, de Reginaldo dos
Santos, cuja leitura não podemos deixar de recomendar. Fazemos também
uso de algumas noções básicas da Análise Matemática: norma, convergência
uniforme (apenas na apresentação da definição tradicional do fluxo eAt ) e,
em uma seção, da definição da topologia C k num compacto.
1 Polinômios de matrizes 1
1.1 O polinômio mı́nimo . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 O teorema de Cayley-Hamilton . . . . . . . . . . . . . . . . . 2
1.3 Decomposição de operadores . . . . . . . . . . . . . . . . . . . 5
1.4 Um homomorfismo de álgebras . . . . . . . . . . . . . . . . . . 6
1.5 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Divisão euclidiana 10
2.1 Funções euclidianas . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 O polinômio interpolador . . . . . . . . . . . . . . . . . . . . . 11
2.3 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4 Exemplos 22
4.1 A exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.2 Funções trigonométricas . . . . . . . . . . . . . . . . . . . . . 24
4.3 Logaritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.4 Raiz quadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.5 A inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.6 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5 O teorema espectral 27
5.1 Imagem do espectro . . . . . . . . . . . . . . . . . . . . . . . . 27
5.2 O teorema espectral . . . . . . . . . . . . . . . . . . . . . . . . 28
v
vi SUMÁRIO
5.3 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Polinômios de matrizes
1
2 CAPÍTULO 1. POLINÔMIOS DE MATRIZES
S = {v, T v, . . . , T m−1 v}
T w = β0 T v + β1 T 2 v + . . . + βm−1 T m v.
0 0 · · · 0 α0
1 0 · · · 0 α1
...
A= 0 1 0 α2 .
. . .
.. .. . . ... ..
.
0 0 · · · 1 αm−1
4 CAPÍTULO 1. POLINÔMIOS DE MATRIZES
Logo,
z 0 ··· 0 −α0
−1 z ··· 0 −α1
...
det(zI − A) = det 0 −1 0 −α2
. . . . .
.. .. . . .. ..
0 0 · · · −1 z − αm−1
z 0 ··· −α1
−1 z ··· −α2
= z det .. . +
. ··· . . . .
.
0 · · · −1 z − αm−1
−1 z ··· 0
0 −1 · · · 0
(−α0 )(−1)m+1 det .. .. . . .. .
. . . .
0 0 · · · −1
Como o determinante da última matriz é (−1)m−1 , o último termo é justa-
mente −α0 . Procedendo do mesmo modo, obtemos
det(zI − A) = z m − αm−1 z m−1 − . . . − α0 = pW (z),
sendo pW (z) o polinômio caracterı́stico de T restrito a W . A equação (1.1)
nos mostra então que pW (T )v = 0.
Afirmamos agora que p(z) = q(z)pW (z), para algum polinômio q(z). Daı́
decorre o resultado, pois v 6= 0 foi escolhido arbitrariamente e p(T )v =
q(T )pW (T )v = 0. Para provarmos a afirmação, notamos que ao completar-
mos S de forma a obter uma base B de V , a representação de T nessa base
é µ ¶
A B
.
0 C
O resultado então decorre de propriedades do determinante, pois
det(zI − T ) = det(zI − A) det(zI − C) = pW (z)q(z)
(em cada expressão, as ordens das matrizes I são diferentes). 2
Relembramos:
Definição 1.8 Seja p ∈ K[z] o polinômio caracterı́stico da aplicação linear
T : V → V . As raı́zes λ ∈ K de p(z) são chamadas autovalores de T ,
enquanto as soluções v 6= 0 de T v = λv são chamados autovetores de
T (associados a λ). O conjunto de todos os autovalores de T é chamado
espectro de T e denotado por σ(T ).
1.3. DECOMPOSIÇÃO DE OPERADORES 5
V = W1 ⊕ · · · ⊕ W ` , (1.2)
x = x1 + . . . + x ` , xj ∈ W j , j = 1, . . . , `.
πj : V → W j ⊂ V
x 7→ xj .
Claramente vale
πj πi = δji πj , (1.3)
6 CAPÍTULO 1. POLINÔMIOS DE MATRIZES
X̀
πj = I. (1.4)
j=1
V = W1 ⊕ · · · ⊕ W `
T x = T π j x = πj T x ∈ W j ,
1.5 Exercı́cios
Seja V um espaço vetorial de dimensão n sobre o corpo K.
1. Seja T : V → V um operador linear. Mostre que o polinômio carac-
terı́stico de T é um polinômio mônico de grau n com coeficientes em
K.
8 CAPÍTULO 1. POLINÔMIOS DE MATRIZES
2. Suponha que o polinômio p(z) seja da forma (z−λ)d q(z), com q(λ) 6= 0 e
d ∈ {2, 3, . . .}. Mostre que p0 (λ) = . . . = p(d−1) (λ) = 0, mas p(d) (λ) 6= 0.
Dizemos então que a raiz λ de p(z) tem multiplicidade algébrica d.
Mostre que
Ak1 0 · · · 0
k
0 Ak2 · · · 0
A = .. .. .
. .
0 0 ··· Ak`
Divisão euclidiana
f −r
q= .
p
10
2.2. O POLINÔMIO INTERPOLADOR 11
p(z) = (z − z0 )k s(z),
Basta, portanto, mostrar que existe um polinômio r(z) com grau menor do
que o de p, satisfazendo relações como essas em cada raiz z0 do polinômio p.
A existência de tal polinômio será mostrada no lema abaixo. 2
para todo i = 1, . . . , ` e k = 0, . . . , di .
t(z) = a0 z 2 + b0 z + c0 .
Então t(z) tem raı́zes z0 e z1 , a segunda tendo multiplicidade 2 (já que é raiz
da derivada de t). Mas isso implica que t(z) é um múltiplo de (z −z0 )(z −z1 )2
e tem grau maior ou igual a 3, o que é um absurdo. Logo (2.1) tem solução
única para quaisquer valores f (z0 ), f (z1 ) e f 0 (z1 ). ¦
Bz = b,
(z − z1 )d1 · · · (z − z` )d` ,
f = qp + r (gr r < gr p)
2.3 Exercı́cios
1. Sejam U ⊂ C um aberto e f : U → C uma função. Dizemos que f
é analı́tica se ela possui derivada em todos os pontos do aberto U e
holomorfa se ela possui desenvolvimento em série de potências (com
raio de convergência positivo) em todos os pontos do aberto U .
Suponha que U seja um convexo e f : U → C analı́tica em U . Se
z0 ∈ U , considere o quociente q(z)
R = f (z)/(z − z0 ). Seja γ um caminho
contido em U . Mostre que γ q(z)dz = 0. Conclua daı́ a fórmula
integral de Cauchy para conjuntos convexos e então que toda função
analı́tica é holomorfa.
O cálculo funcional em
dimensão finita
3.1 Motivação
Algumas vezes escreveremos f (z) para distinguir a função f : U ⊂ C → C
(ou f : I ⊂ R → R) da aplicação linear f (T ).
Seja T : V → V um operador linear e A uma representação matricial de
T . Seja m o polinômio mı́nimo de A (que é o mesmo de T ).
Funções de matrizes são usualmente definidas em duas situações: ou a
função f é suave nos autovalores da matriz diagonalizável A = P −1 DP (com
D diagonal) e f (A) é definida por P −1 f (D)P ou a função f é analı́tica e
f (A) é definida por meio de uma expansão em série de potências de f (veja
exemplos no capı́tulo 4). Em ambos os casos a função f é euclidiana com
relação a m.
Assim, nos casos acima, se considerarmos a divisão euclidiana
f = qm + r, (3.1)
ou q é contı́nua em cada autovalor da matriz diagonal D (de acordo com a
proposição 2.2) e q(A) é definida por P −1 q(D)P , ou q é analı́tica no espectro
σ(A) e q(A) pode ser definida (veja definição 3.2). Resulta então que1
14
3.2. DEFININDO FUNÇÕES DE MATRIZES 15
f (A) = r(A),
f (Aj ) = r(Aj ).
Mas então
kpkK[z] = max{|p(λ1 )|, . . . , |p(d1 −1) (λ1 )|, . . . , |p(λ` )|, . . . , |p(d` −1) (λ` )|}.
2
Se considerarmos K[A] com a topologia de Kn , o homomorfismo φ é
contı́nuo. De fato, o polinômio (em A) p(A) − q(A) tem coeficientes que
dependem apenas dos valores assumidos pelos polinômios p e q (e, conforme
o caso, suas derivadas até a ordem k) no espectro σ(A) = {λ1 , . . . , λ` } da
matriz A, de acordo com a definição 3.2. Segue imediatamente que p(A)
estará perto de q(A), se p e q estiverem suficientemente próximos na norma
k · kC k (K) .
Denotamos por F k a álgebra de todas as funções f definidas e de classe
C em todos os pontos do interior do compacto K. As funções em F k são
k
φ
K[z] → K[A]
↓ %
Fk Φ
{|p(λ1 )|, . . . , |p(d1 −1) (λ1 )|, . . . , |p(λ` )|, . . . , |p(d` −1) (λ` )|}.
3.6 Exercı́cios
1. Ao mostrarmos o lema 3.4, tivemos que verificar que f (Aj ) = r(Aj ).
Qual a razão de não termos utilizado a divisão f = qm + r e concluir
daı́ que f (Aj ) = r(Aj )?
4. Mostre que não existe inteiro j < k tal que a convergência na norma
k · kC j (K) implica a convergência na semi-norma k · kK[z] .
Exemplos
4.1 A exponencial
Começamos com a definição usual do fluxo eAt . Para isso, consideramos a
função exponencial exp : C → C, cuja representação em série de potências
∞
zτ
X znτ n
exp(zτ ) = e =1+ ,
n=1
n!
Para cada valor de τ fixo, a série à direita converge. Como o espaço L(Cn , Cn )
é completo, provamos que
∞
X An τ n
exp(Aτ ) = eAτ := I +
n=1
n!
22
4.1. A EXPONENCIAL 23
eAt ¯t=0 = e0 = I.
¯
ez+w = ez ew ,
não podemos deduzir que eA+B = eA eB , uma vez que a substituição si-
multânea das variáveis z por A e w por B não é permitida pelo cálculo
funcional. Contudo, se A e B comutam, o simples conhecimento de que eA
é um polinômio em A nos permite concluir que eA B = BeA . A prova de que
eA+B = eA eB se, e somente se, AB = BA então continua como usualmente
(veja [1], [19]). J
Para obtermos eAt , definimos a função f (zt) = ezt . Basta então obter um
polinômio, de grau no máximo igual a 2, tal que r(1) = f (1t) = et , r(i) =
24 CAPÍTULO 4. EXEMPLOS
que é uma “matriz” real (como se esperava), embora A tenha raı́zes com-
plexas. ¦
p(z) = (z − 1)z 2 .
4.3 Logaritmo
Um logaritmo da matrix A é usualmente definido através da Forma Canônica
de Jordan. (Claro, a hipótese det A 6= 0 é necessária). Como todos os auto-
valores de A não são nulos, habitualmente se toma um logaritmo dos blocos
de Jordan, o que pode ser feito por meio da expansão em séries de log(1 + z)
(veja [3]). Contudo, como visto no apêndice 3.5, um logaritmo de um bloco
de Jordan pode ser diretamente definido. Como antes, o principal inconve-
niente desse método é que a Forma de Jordan de uma matriz é necessária
para se obter seu logaritmo.
O cálculo funcional permite a obtenção da matriz B = log A, se det A 6= 0.
Apenas temos que escolher um ramo da função f (z) = log z que contém o
espectro σ(A) e então obter B = log A por meio do polinômio interpolador.
Claro, a matriz B depende do ramo escolhido, mas a relação eB = A segue
sempre de elog z = z.
Se todos os autovalores da matriz real A são positivos, podemos então
considerar a função real f (x) = ln x e aplicar a mesma técnica. A matriz
B = ln A assim obtida é a única solução real da equação eB = A.
4.5 A inversa
A maneira clássica de se obter a inversa por meio do polinômio caracterı́stico
p (ou mı́nimo) da matriz invertı́vel A é a seguinte: se
p(z) = z m + . . . + a1 z + a0
temos
0 = Am + am−1 Am−1 + . . . + a1 A + a0 I.
Multiplicando essa relação por A−1 , obtemos
a0 A−1 = −[a1 A + . . . + am Am ].
4.6 Exercı́cios
1. Seja A uma matriz real com todos os autovalores positivos. Mostre que
B = ln A é a única solução real da equação eB = A.
O teorema espectral
k
Y
q(z) − µ = ak (z − λi ).
i=1
Conseqüentemente,
k
Y
q(A) − µI = ak (A − λi I).
i=1
27
28 CAPÍTULO 5. O TEOREMA ESPECTRAL
f (λi ) = r(λi ) = µ.
V = W1 ⊕ · · · ⊕ W `
`
[
são válidas em Ui ⊃ σ(T ). Assim, denotando fi (T ) por πi , as relações
i=1
X̀
πi2 = πi , πi πj = 0, se i 6= j e πi = I, (5.1)
i=1
continuam válidas (de acordo com a seção 3.4), mostrando assim que cada
πi é uma projeção.
Se Wi denota a imagem πi (V ), obtemos
V = W1 ⊕ · · · ⊕ W ` .
det(zI − Ai ) = (z − λi )si ,
e, por outro,
em que j = 2, . . . , `.
Notamos que, na construção das projeções π1 , . . . , π` , as vizinhanças dis-
juntas U1 , . . . , U` foram escolhidas arbitrariamente. Reduzindo a vizinhança
U1 de λ1 , podemos supor que λ 6∈ U1 . Assim, temos que
g(z)h(z) = 1.
nos fornece uma outra caracterização desse espaço: uma vez que o polinômio
caracterı́stico de T |Wi é (z −λi )ri (justifique!), todo elemento wi ∈ Wi satisfaz
(T − λi I)ri wi = 0 e, se wj 6∈ Wi , (T − λi I)ri wj 6= 0 (justifique). Assim,
Wi = ker(T −λi I)ri . Entretanto, o polinômio mı́nimo de T |Wi é (z −λi )di . Do
mesmo modo, Wi = ker(T − λi I)di . O ı́ndice di é encontrado por inspeção:
obtemos ker(T − λi ) ⊂ ker(T − λi I)2 ⊂ . . . ⊂ ker(T − λi I)di = ker(T −
λi I)di +1 = · · · = ker(T − λi I)ri . Quer dizer, di é encontrado quando os
subespaços ker(T − λi I)k passam a ser todos iguais.
2. Se V é um espaço vetorial de dimensão n sobre R, o Teorema Espectral
continua válido sempre que o operador T : V → V possui todos os seus n
autovalores (contada a multiplicidade) no corpo R.
Por outro lado, dado um operador linear T : V → V sobre um espaço
vetorial real V , é possı́vel definir a complexificação VC , espaço vetorial
sobre C que contém V como subespaço, e uma extensão TC : VC → VC de
T - chamado complexificação de T . Os polinômios caracterı́stico p(z) e
mı́nimo m(z) de T e TC coincidem, de modo que podemos concluir que os
todos os fatores irredutı́veis presentes na fatoração de p(z) também estão
presentes na fatoração de m(z). Mostraremos essas afirmações no Capı́tulo
6. J
Assim, a = 1, b = −4, c = 4 e
0 −2 1 1
0 0 0 0
π1 = A2 − 4A + 4I =
0
.
0 0 0
0 −2 1 1
1
Para simplificar os cálculos, usamos o polinômio mı́nimo de T ao invés do polinômio
caracterı́stico.
32 CAPÍTULO 5. O TEOREMA ESPECTRAL
Do mesmo modo,
1 2 −1 −1
0 1 0 0
π2 =
0
.
0 1 0
0 2 −1 0
As relações (5.1) seguem imediatamente. Logo,
x 1
−2x 2 + x 3 + x 4
x1 + 2x2 − x3 − x4
x2
0 x2
= R4 =
+
x3
0
x3
x4 −2x2 + x3 + x4 2x2 − x3
= W1 ⊕ W2 .
e
B2 = {w2 = (1, 0, 0, 0), w3 = (0, 1, 0, 2), w4 = (0, 0, 1, −1)}
para os espaços W1 e W2 , respectivamente, então T é representado pela matriz
diagonal em blocos
3 0 0 0
0 2 1 −1
B= 0 0 3 −1
0 0 1 1
5.3. EXERCÍCIOS 33
h(z) = (z − λ1 ) . . . (z − λk ).
5.3 Exercı́cios
1. Na demonstração do Teorema Espectral 5.3, reduzimos as vizinhanças
Ui 3 λi para mostrar que o único autovalor da aplicação T restrita a
Wi é λi . Essa redução não é necessária. Justifique.
O teorema da decomposição
primária
34
6.1. A COMPLEXIFICAÇÃO DE UM ESPAÇO VETORIAL 35
w = u + iv ∈ W̃ ⇒ w̄ = u − iv ∈ W̃ .
S = {u1 , v1 , . . . , uk , vk }
gera esse espaço e possui 2k elementos, ele é uma base de W̃λ ⊕ W̃λ̄ , pois
esse subespaço de VC tem dimensão 2k. Seja Wλλ̄ = < S > o subespaço real
gerado por S. Assim, o conjunto S é uma base real tanto para Wλλ̄ quanto
para W̃λ ⊕ Wλ̄ . Claramente Wλλ̄ é invariante por T .
Procedendo dessa maneira, vemos que
Observação 6.7 Os subespaços invariantes Wλ1 λ̄1 , . . . , Wλt λ̄t não estão as-
sociados a autovalores reais, mas sim a fatores irredutı́veis de grau 2 do
polinômio caracterı́stico de T . J
6.3 Exercı́cios
1. Seja V um espaço vetorial real de dimensão n. Mostre que VC tem
dimensão 2n sobre os reais.
40
REFERÊNCIAS BIBLIOGRÁFICAS 41
[12] K. Hoffman and R. Kunze: Linear Algebra, 2nd. edition, Prentice Hall,
Englewoods Cliffs, 1971.
[13] S. Lang: Linear Algebra, 3rd. Edition, Springer-Verlag, New York, 1989.
[16] W. Rudin: Real and Complex Analysis, 3rd. Edition, McGraw-Hill, New
York, 1987.
[20] G. Strang: Linear Algebra and its Applications, 3rd. edition, Harcourt,
Fort Worth, 1988.
homomorfismo de álgebras, 7
matriz
diagonal, 9
diagonal em blocos, 8
42