Baixe o app para aproveitar ainda mais
Prévia do material em texto
Anotac¸o˜es sobre autovalores e autovetores. Rodrigo Carlos Silva de Lima ‡ Universidade Federal Fluminense - UFF-RJ rodrigo.uff.math@gmail.com ‡ 1 Suma´rio 1 Autovalores e autovetores 3 1.1 Autovalores e autovetores . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2 Diagonalizac¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.2.1 Equivaleˆncias para operadores diagonaliza´veis . . . . . . . . . . . . 17 1.3 Formas quadra´ticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2 Cap´ıtulo 1 Autovalores e autovetores 1.1 Autovalores e autovetores Definic¸a˜o 1 (Autovalores e autovetores). v 6= 0 em V e´ dito autovetor de T : V → V linear quando existe λ ∈ K tal que T (v) = λv. O escalar λ e´ dito autovalor do operador T quando, existe v 6= 0 em V tal que T (v) = λv. Dizemos que o autovalor λ corresponde ao autovetor e vice-versa. Um autovalor tambe´m e´ chamado de valor caracter´ıstico, ra´ızes caracter´ısticas , ra´ızes latentes, valores pro´prios ou valores espectrais, um autovetor tambe´m e´ chamado de vetor caracter´ıstico. Definic¸a˜o 2 (Autovalor e autovetor de uma matriz). r ∈ K e´ autovalor da matriz a, n×n quando r e´ um autovalor do operador A : Kn → Kn cuja matriz na base canoˆnica e´ a, isto e´, existe v 6= 0 ∈ Kn tal que A(v) = rv, neste caso v e´ dito autovetor. Propriedade 1. Sendo T : V → V linear, V de dimensa˜o finita, enta˜o sa˜o equivalentes 3 CAPI´TULO 1. AUTOVALORES E AUTOVETORES 4 1. λ e´ autovalor de T . 2. T − λI na˜o e´ injetora. 3. det(T − λI) = 0. Demonstrac¸a˜o. T − λI na˜o e´ injetora pois existe v 6= 0 tal que T (v) = λv da´ı (T − λI)(v) = 0, isso equivale a` T − λI na˜o ser invert´ıvel e det(T − λI) = 0. Propriedade 2. Se v e´ autovetor de T , enta˜o S(v) e´ T invariante. Achar um autovetor do operador T e´ o mesmo que achar subespac¸o de dimensa˜o 1 invariante por A. Demonstrac¸a˜o. Vamos mostrar que T (S(v)) ⊂ S(v). Dado y ∈ S(v) ele e´ da forma r1v, enta˜o aplicamos T , T (r1v) = r1rv ⊂ S(v), enta˜o o espac¸o e´ T invariante. Exemplo 1. Seja V = C0(R) e o operador T com Tf(x) = ∫ x 0 f(t)dt. T na˜o possui auto-valor . Suponha que exista λ auto-valor, enta˜o existe f func¸a˜o na˜o nula tal que ∫ x 0 f(t)dt = λf(x) podemos derivar λf ′(x) = f(x) com f(0) = 0 a soluc¸a˜o de tal equac¸a˜o diferencial e´ do tipo f(x) = ce x λ , λ 6= 0 pois se fosse nula f seria nula, usando a condic¸a˜o inicial f(0) = 0 temos c = 0, enta˜o a func¸a˜o e´ nula e portanto na˜o temos autovalor, pois deveria haver f na˜o nula tal que Tf = λf e conclu´ımos que caso essa relac¸a˜o se verifique enta˜o f = 0. Exemplo 2. T : V → V com T = cI satisfaz T (v) = cIv = cv∀v ∈ V , logo todo v e´ auto vetor. Exemplo 3. Seja T : V → V transformac¸a˜o na˜o injetiva enta˜o qualquer v ∈ N(v) na˜o nulo e´ autovetor de T com autovalor λ = 0. Pois T (v) = 0 = 0v. CAPI´TULO 1. AUTOVALORES E AUTOVETORES 5 Propriedade 3. Dada base B de V , de dimensa˜o finita, logo λ e´ autovalor de T ⇔ det(A− λIn) = 0 onde A = [T ]β. Demonstrac¸a˜o. Suponha n = dimV < ∞. λ e´ auto valor de T ⇔ ∃v 6= 0 tal que T (v) = λv ⇔ T (v) − λv = 0 ⇔ (T − λI)(v) = 0 ⇔ (T − λI) na˜o e´ injetivo ⇔ como V possui dimensa˜o finita o operador e´ na˜o invert´ıvel det(T − λI) = 0, dada uma base β = {v1, · · · , vn} de V e [T ]β = A ⇔ det(A− λI) = 0. Definic¸a˜o 3 ( Polinoˆmio caracter´ıstico de um operador). O polinoˆmio caracter´ıstico de T e´ FT (x) = det(xIn − A) = det(xIn − [T ]β) note que colocamos o valor trocado de (A− xIn). FT (λ) = 0⇔ λ e´ autovalor de T , isto e´, os autovalores do operador T sa˜o as ra´ızes do polinoˆmio caracter´ıstico . FT (λ) = 0 = det(λIn − [T ]β) = (−1)ndet([T ]β − λIn) = 0. Propriedade 4. FT independe da escolha da base B. Demonstrac¸a˜o. Seja B′ outra base de V ⇔ [T ]β = P [T ]β′P −1 com P invert´ıvel. Equivalentemente devemos provar que FT e´ invariante por semelhanc¸a det(xIn − [T ]β) = det(xIn − P [T ]β′P−1) = F βT = det(P (xIn − [T ]β′)P−1) = = det(P )det(xIn − [T ]β′)det(P )−1 = det(xIn − [T ]β′) = F β′T . Logo a definic¸a˜o independe da base . Este resultado nos permite definir o polinoˆmio caracter´ıstico de um operador T como o polinoˆmio caracter´ıstico de qualquer matriz n×n que represente T em relac¸a˜o a alguma base ordenada de V . CAPI´TULO 1. AUTOVALORES E AUTOVETORES 6 Corola´rio 1. FT e´ moˆnico, pois FT (x) = det x− t11 t12 · · · t1n t21 x− t22 · · · t2n ... · · · · · · ... tn1 · · · · · · x− tnn = n∑ k=0 akx k an = 1 pois o u´nico termo que gera x n vem de (x− t11)det t12 · · · (x− t22)... · · · . Ale´m disso possui grau n. Como o polinoˆmio caracter´ıstico possui grau n, enta˜o ele possui ate´ n ra´ızes, T pode possui ate´ no ma´ximo n autovalores diferentes, pore´m pode na˜o possui autovalor sobre um dado corpo. Exemplo 4. Sendo A = a b c d enta˜o FA(x) = det x− a −b −c x− d = = (x− a)(x− d)− cb = x2 − dx− ax+ ad− cb = x2 − tr(A)x+ det(A). Exemplo 5 (Operador linear sem autovalor). Sendo T : R2 → R2 linear representado por A = 0 −1 1 0 na base canoˆnica, enta˜o seu polinoˆmio caracter´ıstico e´ FA(x) = det(xI − A) = det x 1 −1 x = CAPI´TULO 1. AUTOVALORES E AUTOVETORES 7 = x2 + 1, que na˜o possui ra´ızes reais, logo T na˜o possui autovalores. Se U fosse operador sobre C2 representado pela matriz A na base canoˆnica, ele possuiria dois autovalores, i e −i que sa˜o as ra´ızes de x2 + 1. Com esse exemplo chamamos atenc¸a˜o que para determinar os autovalores de uma matriz precisamos levar em conta as propriedades do corpo envolvido. Exemplo 6. Em um espac¸o de dimensa˜o n, T : V → V com T (v) = λv temos que seu polinoˆmio caracter´ıstico e´ F (x) = (x− λ)n. Se T e´ o operador nulo, enta˜o F (x) = xn. Propriedade 5. Seja um operador representado por uma matriz triangular em uma certa base, enta˜o os autovalores desse operador sa˜o os termos da diagonal da matriz. Demonstrac¸a˜o. Calculamos o polinoˆmio caracter´ıstico det x− a1,1 −a1,2 −a1,3 · · · −a1,n 0 x− a2,2 −a2,3 · · · −a2,n 0 0 x− a3,3 · · · −a3,n ... ... ... · · · ... 0 0 0 · · · x− an,n = n∏ k=1 (x− ak,k) por propriedade de determinante de matriz triangular. 1.2 Diagonalizac¸a˜o Definic¸a˜o 4 (Matriz diagonal). Uma matriz D n×n e´ dita ser diagonal, se possui todos elementos fora de sua diagonal principal nulos. Propriedade 6. Sejam D1 e D2 matrizes diagonais n × n enta˜o D1D2 e´ uma matriz diagonal cuja diagonal e´ o produto dos elementos da diagonal de D1 e D2. CAPI´TULO 1. AUTOVALORES E AUTOVETORES 8 Demonstrac¸a˜o. D1D2 = C = (ck,j), ck,j = n∑ s=0 ak,sbs,j = ak,kbk,j se k 6= j enta˜o bk,j = 0 e da´ı ck,j = 0, se k = j, ck,k = ak,kbk,k. Propriedade 7. A n- e´sima poteˆncia de uma matriz diagonal D = (a(i,j)) e´ uma matriz diagonal Dn = (an(i,j)) , isto e´, as entradas de D n sa˜o da forma an(i,j) onde cada a(i,j) e´ entrada de D. Demonstrac¸a˜o. Aplicamos o resultado anterior. Corola´rio 2. Podemos generalizar os resultados anteriores para o produto de n matrizes diagonais, por induc¸a˜o n∏ k=1 Dk = C onde C possui cada elemento na diagonal como produto da diagonal das outras matrizes. Definic¸a˜o 5 (Matrizes similares). Duas matrizes n× n, A e B sa˜o ditas ser similares, se existe uma P , n× n, invert´ıvel tal que A = PBP−1. Definic¸a˜o 6 (Matriz diagonaliza´vel). Uma matriz A, n× n e´ dita ser diagonaliza´vel se e´ similar a uma matriz diagonal D, isto e´, A = PDP−1. Propriedade 8 (Poteˆncias de matrizes diagonaliza´veis). Dado n natural vale que An = PDnP−1. Demonstrac¸a˜o. Por induc¸a˜o sobre n. Corola´rio3. A n-e´sima poteˆncia de uma matriz diagonaliza´vel e´ diagonaliza´vel. CAPI´TULO 1. AUTOVALORES E AUTOVETORES 9 Propriedade 9. Uma matriz A, n× n, e´ diagonaliza´vel ⇔ A tem n autovetores linear- mente independentes. Demonstrac¸a˜o. Propriedade 10. Uma matriz n× n com n autovalores distintos e´ diagonaliza´vel. Demonstrac¸a˜o. Propriedade 11. Se W < V e´ T invariante T : V → V enta˜o FT |W |FT . Demonstrac¸a˜o. Tomamos α = (wk) r 1 base de W e completemos para uma base de B = (wk) n 1 de V , temos T = [T ]B = [ Ar×r B 0 C ] Em especial [T|w]α = Ar×r. Temos FT (x) = det(xI − A) = = det [ xIr×r − Ar×r −B 0 xI − C ] = = det(xIr − Ar×r)det(xI − C) = FT |w(x)det(xI − C) = FT (x). Disso conclu´ımos que seW e´ T invariante enta˜o FT |w divide FT . Ser invariante implica divisa˜o em termos polinomiais. Exemplo 7. Sendo T = λI enta˜o FT = det(xI − λI) = (x − λ)n, onde n e´ a dimensa˜o do espac¸o vetorial. Agora se W < V e´ T invariante ⇒ T |wm = λI ⇒ FT |W = (x − λ)m m ≤ n. Definic¸a˜o 7 (Auto-espac¸os). Seja T : V → V . Dado λ ∈ K, o autoespac¸o relativo a λ e´ Wλ = {v ∈ V | T (v) = λv} Auto-espac¸os tambe´m sa˜o chamados de espac¸os caracter´ısticos. Propriedade 12. Wλ < V sendo tambe´m T -invariante. CAPI´TULO 1. AUTOVALORES E AUTOVETORES 10 Demonstrac¸a˜o. 0 ∈ Wλ pois T (0) = λ0 = 0. Suponha v1, v2 ∈ Wλ e c ∈ K enta˜o c1v1 + v2 ∈ Wλ pois T (c1v1 + v2) = c1λv1 + λv2 = λ(c1v1 + v2). Corola´rio 4. Vale que Wλ = N(T − λ) pois v ∈ Wλ ⇔ T (v) = λv ⇔ (T − λ)(v) = 0, disso temos outra demonstrac¸a˜o de que Wλ e´ subespac¸o de V , pois e´ o nu´cleo de um operador. Propriedade 13. Sejam W < V , P : V → V projec¸a˜o, com N(P ) ⊂ W enta˜o W e´ P invariante. Demonstrac¸a˜o. Temos que v ∈ W e´ da forma v1 + v2 = v onde v1 ∈ N(P ) ⊂ W e v2 ∈ Im(P ) pela decomposic¸a˜o que uma projec¸a˜o determina V = N(P ) ⊕ Im(P ) logo aplicando P a v temos P (v) = P (v2) = v2 = v − v1 ∈ W logo W e´ P -invariante. Propriedade 14. Sejam, A,B;V → V lineares. Se AB = BA enta˜o B(Z) e´ A invariante, onde Z e´ A- invariante . Tambe´m temos que N(B) e´ A- invariante. Demonstrac¸a˜o. Seja v ∈ B(Z), enta˜o v = B(vz), vz ∈ Z, temos AB(vz) = B(Avz) = B( v′z︸︷︷︸ ∈Z ) ∈ B(Z) logo temos o desejado. Seja v ∈ N(B) enta˜o vamos mostrar que A(v) ∈ N(B), B(A(v)) = A(B(v)) = 0 logo A(v) ∈ N(B) como quer´ıamos demonstrar. Corola´rio 5. Em especial B(V ) e B(N(A)) sa˜o A -invariantes . Propriedade 15. Sejam (λk) m 1 ∈ K os distintos autovalores de T , em espac¸o vetorial V de dimensa˜o n ( enta˜o m ≤ n ). Tome W = m∑ k=1 Wλk . Enta˜o a soma anterior e´ uma soma direta. CAPI´TULO 1. AUTOVALORES E AUTOVETORES 11 Demonstrac¸a˜o.[1] Vamos provar que Wλk ∩ ( m∑ s=1,s 6=k Wλs) = {0} com k arbitra´rio. Tomemos um v elemento na intersec¸a˜o desses conjuntos v = vk = m∑ s=1,s 6=k vs suponha por absurdo que vk 6= 0, enta˜o temos que ter pelo menos um vs na˜o nulo, pois se na˜o vk seria nulo, sejam (vks) t 1 os elementos na˜o nulos em {v1, · · · , vs} \ {vk} tais que vk = t∑ s=1 vks aplicando T temos λk t∑ s=1 vks = t∑ s=1 λksvks ⇒ da´ı t∑ s=1 (λk − λks)︸ ︷︷ ︸ 6=0 vks︸︷︷︸ 6=0 = 0 com t elementos na˜o nulos somando zero , t∑ s=2 (λk − λks)vks︸ ︷︷ ︸ v′ks = −(λk − λ1)v1︸ ︷︷ ︸ v′1 t∑ s=2 v′ks = v ′ 1 aplicando novamente T , temos t∑ s=2 λ1v ′ ks = t∑ s=2 λksv ′ ks ⇒ t∑ s=2 (λks − λ1)v′ks = 0 com t− 1 elementos, se continuamos tal processo chegaremos em um ponto com apenas 1 vetor, que tera´ que ser o vetor nulo e da´ı chegamos num absurdo pois os vetores tomados inicialmente foram vetores na˜o nulos, enta˜o um elemento da intersec¸a˜o deve ser nulo. CAPI´TULO 1. AUTOVALORES E AUTOVETORES 12 Demonstrac¸a˜o.[2] Vamos mostrar outra equivaleˆncia de soma direta que e´ se m∑ k=1 vk = 0 onde vk ∈ Wλk enta˜o cada vk = 0. Seja f um polinoˆmio arbitra´rio, T (vk) = λkvk enta˜o 0 = f(T )(0) = m∑ k=1 f(T )vk = m∑ k=1 f(λk)vk. Sejam (fk) m 1 os polinoˆmios tais que fj(λk) = δk,j enta˜o 0 = fj(T )(0) = m∑ k=1 f(T )vk = m∑ k=1 fj(λk)vk = vj enta˜o a soma m∑ k=1 Wλk e´ direta. Propriedade 16. Se W = n⊕ k=1 Ak enta˜o dimW = n∑ k=1 dimAk. Demonstrac¸a˜o. Sendo Bk base de Ak, vamos mostrar que n⋃ k=1 Bk e´ base de W , basta mostrar que os elementos dessa base sa˜o LI, pois ja´ sabemos que gera W por propriedade de soma direta. Suponha m1∑ k=1 ck,1vk,1︸ ︷︷ ︸ Da base B1 + · · ·+ mt∑ k=1 ck,tvk,t︸ ︷︷ ︸ Da base Bt + · · ·+ mn∑ k=1 ck,nvk,n︸ ︷︷ ︸ Da base Bn = 0 logo m1∑ k=1 ck,1vk,1︸ ︷︷ ︸ Da base B1 + · · ·+ mn∑ k=1 ck,nvk,n︸ ︷︷ ︸ Da base Bn = − mt∑ k=1 ck,tvk,t︸ ︷︷ ︸ Da base Bt e da´ı tal elemento de At pertence a n∑ k=1,k 6=t Ak ⋂ At = {0} por hipotese de soma direta logo mt∑ k=1 ck,tvk,t = 0 CAPI´TULO 1. AUTOVALORES E AUTOVETORES 13 o que implica ck,t = 0 ∀k por elementos da base serem LI, como t tomado foi arbitra´rio segue que para qualquer t ou k vale ck,t = 0, da´ı os elementos de n⋃ k=1 Bk, sa˜o LI. O que prova o desejado. Perceba que a rec´ıproca tambe´m vale se Bk e´ base de Ak e n⋃ k=1 Bk e´ base deW = n∑ k=1 Ak enta˜o a soma e´ direta, pois pelos vetores da base serem LI, uma soma qualquer de elementos de W seria da forma m1∑ k=1 ck,1vk,1︸ ︷︷ ︸ Da base B1 + · · ·+ mt∑ k=1 ck,tvk,t︸ ︷︷ ︸ Da base Bt + · · ·+ mn∑ k=1 ck,nvk,n︸ ︷︷ ︸ Da base Bn = 0 o que por condic¸a˜o LI garante que cada coeficiente e´ nulo. Corola´rio 6. Se W = m∑ k=1 Wλk , Bk base de Wλk , B = m⋃ k=1 Bk e´ base de W a soma e´ direta e dimW = m∑ k=1 dimWλk . Exemplo 8. Seja V , dimV = n sobre F , α = (vk) n 1 base de V seWk e´ o subespac¸o gerado por vk enta˜o V = n⊕ k=1 Wk, pois se n∑ k=1 wk = 0 com wk ∈ Wk enta˜o wk = ckvk para alguma constante ck ∈ F n∑ k=1 ckvk = 0 como base e´ LI segue que ck = 0 ∀k logo cada wk = 0 e temos a soma direta. Propriedade 17. Se um operador linear T e´ definido sobre um espac¸o de dimensa˜o n e possui n autovalores distintos, enta˜o T e´ diagonaliza´vel. Demonstrac¸a˜o. Sabemos que Wn = n⊕ k=1 Wλk < V como cada autoespac¸o possui um elemento na˜o nulo vale dimWλk ≥ 1, da´ı dimWn = n∑ k=1 dimWλk ≥ n ≤ dimV = n CAPI´TULO 1. AUTOVALORES E AUTOVETORES 14 por isso a dimensa˜o de Wn e´ exatamente n e o espac¸o e´ V , por isso n⊕ k=1 Wλk = V e da´ı V e´ diagonaliza´vel. Corola´rio 7. [T |wλk ]BK = λk · · · 0 ... · · · ... 0 · · · λk onde Bk = (vs) rk 1 e´ base de wλk , logo T (vs) = λkvs, por isso a matriz assume a forma acima. Temos em geral [T | m⊕ k=1 wλk ]B = [T |wλ1 ]B1 · · · 0 ... · · · ... 0 · · · [T |wλm ]Bm onde B = n⋃ k=1 Bk. Propriedade 18. A autovalores distintos do mesmo operador correspondem autovetores linearmente independentes . Demonstrac¸a˜o. Sejam (vk) s 1 autovetores associados a autovalores distintos, suponha s∑ k=1 ckvk = 0 enta˜o s∑ k=1,k 6=t ckvk = −ctvt como vt 6= 0 temos ct = 0, por propriedade de soma direta, isso para t arbitra´rio, enta˜o cada ct = 0 e os vetores sa˜o LI. Definic¸a˜o 8 (Operador diagonaliza´vel). T : V → V linear e´ dito diagonaliza´vel Se V = m⊕ k=1 Wλk , CAPI´TULO 1. AUTOVALORES E AUTOVETORES 15 , isto e´, o espac¸o vetorial e´ soma direta dos auto espac¸os, neste caso [T ]B = [T |wλ1 ]B1 · · · 0 ... · · · ... 0 · · · [T |wλm ]Bm onde B = n⋃ k=1 Bk, Bk = (vs) rk 1 e´ base de wλk , isto e´, existe uma base de V com respeito a qual a matriz de T e´ diagonal. Definic¸a˜o 9 (Soma direta de operadores). Se V = m⊕ k=1Wλk onde cadaWλk e´ T -invariante, T induz operadores lineares Tk : Wλk →Wλk , dado v = m∑ k=1 wk onde wk ∈ Wλk temos T (v) = m∑ k=1 T (wk) = m∑ k=1 Tk(wk) nesse tipo de caso dizemos que T e´ soma direta dos operadores Tk : Wλk →Wλk . Propriedade 19. Sejam V um espac¸o vetorial de dimensa˜o n, T : V → V linear que possui n autovalores distintos, enta˜o T possui exatamente 2n subespac¸os invariantes por T . Demonstrac¸a˜o. Sabemos que V = n⊕ k=1 Wλk . Cada Wλk possui dimensa˜o 1, pois cada um possui 1 elemento na˜o nulo por λk ser auto- valor. Seja vk 6= 0 ∈ Wλk enta˜o (vk)n1 = B e´ base de V , qualquer conjunto Hs gerado por s elementos da base B e´ T -invariante, pois dado v ∈ Hs temos v = s∑ k=1 ckvks aplicando T temos T (v) = s∑ k=1 ckT (vks) = s∑ k=1 ckλksvks ∈ Hs CAPI´TULO 1. AUTOVALORES E AUTOVETORES 16 logo Hs e´ T -invariante. Temos no total 2 n tipos desses subconjuntos, pois temos para s fixo ( n s ) tipos diferentes destes subespac¸os, somando todos 2n = n∑ s=0 ( n s ) . Agora seja A < V, T -invariante, (vk) n 1 gera A, da´ı podemos tomar uma base desses elementos que e´ base de A, possuindo s elementos, que ja´ foi contado na contagem que fizemos anteriormente, portanto contamos todos subespac¸os invariantes. Propriedade 20. Sejam T : V → V linear, dimV = n. Suponha V = U ⊕W , ambos T -invariantes. T e´ diagonaliza´vel ⇔ T |U e T |W sa˜o diagonaliza´veis. Demonstrac¸a˜o. ⇒). Vamos usar que L : A → A e´ diagonaliza´vel ⇔ existe base de A formada por auto- vetores de L. No caso sem perda de generalidade vamos mostrar que existe base de W formada por autovetores de T |W . Como T e´ diagonaliza´vel, sabemos que V = m⊕ k=1 Wλk , B = m⋃ k=1 Bk e´ base de V , onde Bk e´ base de Wλk . Como W < V , B gera W de onde podemos tomar uma base para W formada por autovetores, como W e´ T invariante tais autovetores sa˜o autovetores de T |W , enta˜o tal operador e´ diagonaliza´vel, o mesmo para T |U . ⇐). Supondo T |U e T |V diagonaliza´veis enta˜o U = s⊕ k=1 Wλk , W = m⊕ k=1+s Wλk logo U ⊕W = m⊕ k=1 Wλk = V por isso T e´ diagonaliza´vel. Propriedade 21. Um operador A e´ invert´ıvel ⇔ na˜o tem autovalor nulo. Caso A seja invert´ıvel os autovetores de A e A−1 coincidem . CAPI´TULO 1. AUTOVALORES E AUTOVETORES 17 Demonstrac¸a˜o. A e´ invert´ıvel ⇔ A e´ injetiva ⇔ N(A) = {0} ⇔ na˜o existe v 6= 0 tal que Av = 0⇔ A na˜o possui 0 como autovalor. Com A invert´ıvel temos A(v) = λv ⇔ A−1Aλv = v = A−1λv ⇔ A−1v = 1 λ v logo temos mesmos autovetores e autovalores inversos. ⇒). Se A possui autovalor nulo, enta˜o existe v 6= 0 tal que A(v) = 0.v, da´ı A na˜o e´ injetiva e por isso na˜o e´ invert´ıvel (Usamos a contrapositiva). Temos ainda que, na˜o ter autovalor nulo acontece ⇔ o termo constante a0 do polinoˆmio caracter´ıstico na˜o e´ nulo ⇔ o termo constante a0 do polinoˆmio mı´nimo na˜o e´ nulo, pois polinoˆmios caracter´ıstico e mı´nimo possuem as mesmas ra´ızes. Definic¸a˜o 10 (Multiplicidade alge´brica e geome´trica de um autovalor ). Sejam T : V → V e λ autovalor de T , λ e´ raiz de FT (x) e da´ı (x − λ)|FT . Seja d o ma´ximo inteiro tal que (x − λ)d|FT , enta˜o FT (x) = (x − λ)dG(x) com G(λ) 6= 0. Dizemos nesse caso que d e´ a multiplicidade alge´brica de λ e o denotamos por d = uA(λ). A multiplicidade geome´trica de λ e´ a dimensa˜o de Wλ, denotada por uG(λ). Propriedade 22. Vale que uG(λ) ≤ uA(λ). Demonstrac¸a˜o. Temos que Wλ e´ T invariante, logo FT |Wλ |FT , T |Wλ : Wλ → Wλ, como T |Wλ = λIWλ isso implica [T |Wλ ]B = λ · · · 0 ... · · · ... 0 · · · λ c×c com B base de Wλ, c = dimWλ ⇒ FT |Wλ = (x− λ)c que divide FT . por isso c = uG(λ) ≤ d = uA(λ). CAPI´TULO 1. AUTOVALORES E AUTOVETORES 18 1.2.1 Equivaleˆncias para operadores diagonaliza´veis Propriedade 23. Sejam T : V → V linear e (λk)m1 autovalores distintos de T , enta˜o sa˜o equivalentes 1. T e´ diagonaliza´vel. 2. Existe uma base de V formada por autovetores de T . 3. Existe uma base de V com respeito a qual a matriz de T e´ diagonal. 4. O polinoˆmio caracter´ıstico e´ Ft(x) = m∏ k=1 (x−λk)dk onde dk = dimWλk , λk 6= λj, k 6= j. 5. dimV = m∑ k=1 dimWλk . Demonstrac¸a˜o. Lembramos que T : V → V e´ diagonaliza´vel se V = m⊕ k=1 Wλk , isto e´, V e´ gerado pelos seus autoespac¸os. 1) ⇒ 2). Como V = m⊕ k=1 Wλk , enta˜o temos um conjunto de geradores de V for- mado por autovetores de T , logo um subconjunto deste conjunto e´ uma base de autovetores. 2) ⇒ 1). Seja uma base de V formada por autovetores de T , ordenamos por auto- valores que definem os autoespac¸os w1,1, · · · , wd1,1︸ ︷︷ ︸ ∈Wλ1 , · · · , w1,m, · · ·wdm,m︸ ︷︷ ︸ ∈Wλm o que implica V = m∑ k=1 Wλk . Como a soma de autoespac¸os e´ direta segue o resultado. 2)⇒ 3). Seja B uma base de autovetores. Logo B = (vk)n1 e T (vk) = ukvk enta˜o [T ]B = u1 · · · 0 0 ... 0 0 · · · un CAPI´TULO 1. AUTOVALORES E AUTOVETORES 19 a matriz do operador nessa base e´ diagonal. 3) ⇒ 2). Seja B base de V tal que [T ]B e´ diagonal. Isto significa que B = (vk)n1 , T (vk) = ukvv pela matriz ser diagonal, logo B e´ uma base formada por autovetores de T . 3)⇒ 4). Seja B uma base de V tal que [T ]B e´ diagonal, isto e´, [T ]B = [λ1]D · · · 0 ... · · · ... 0 · · · [λm]D onde [λk]D e´ um bloco com λk na diagonal e outros elementos nulos. Onde cada matriz bloco e´ do tipo dk × dk, logo FT (x) = m∏ k=1 (x− λk)dk . dk o nu´mero de vezes que λk e´ repetido como raiz de FT e´ igual a` dimensa˜o de Wλk , pois a nulidade de uma matriz diagonal e´ igual ao nu´mero de zeros que ela possui na sua diagonal principal e a matriz T − λk na base de autovetores tem dk zeros na sua diagonal principal, onde estamos usando que Wλk = N(T − λk). 4)⇒ 5). ∂Ft = ∑ dk = ∑ Wλk = dim(V ). 5)⇒ 1). dimV = ∑ Wλk logo dimV = dim( m⊕ k=1 Wλk) da´ı V = m⊕ k=1 Wλk . Exemplo 9. Qualquer projec¸a˜o E : V → V , dimV = n e´ diagonaliza´vel, se (vk)m1 e´ base de Im(E) e (vk) n m+1 e´ base de N(E) enta˜o (vk) n 1 e´ uma base de V que diagonaliza E, sendo [E]B = I 0 0 0 onde I e´ um bloco r × r unidade. CAPI´TULO 1. AUTOVALORES E AUTOVETORES 20 Exemplo 10. Seja A : R2 → R2 com A = 0 1 −1 0 enta˜o FA(x) = x 2 + 1 que e´ irredut´ıvel em R, na˜o possuindo autovalores reais, logo na˜o possui subespac¸os in- variantes, A na˜o e´ diagonaliza´vel. Se fosse A : C2 → C2. Enta˜o ter´ıamos x = i e x = −i como autovalores. Corola´rio 8. Suponha que A : V → W , dimV = n, dimW = m operador linear possua polinoˆmio caracter´ıstico xn enta˜o A e´ diagonaliza´vel ⇔ A = 0. A so´ possui autovalores nulos e´ diagonaliza´vel ⇔ possui base de autovetores (vk)n1 , aplicando A temos A(vk) = 0vk = 0 como e´ nula em todos elementos da base enta˜o e´ um operador nulo. Exemplo 11. A = 1 0 1 1 e´ diagonaliza´vel? Calculamos o polinoˆmio caracter´ıstico de LA : K 2 → K2 FA(x) = det(xI − A) = det x− 1 0 1 x− 1 = (x− 1)2. Para que seja triangulariza´vel devemos ter que dim(W1) = 2. W1 = {v ∈ K2 | LA(v) = v} = ker{LA − I} 0 0 1 0 x y = 0 0 = 0 x por isso o nu´cleo e´ o conjunto dos pontos da forma (0, y), y ∈ K, que possui dimensa˜o 1, que deveria ser 2 para que a matriz fosse diagonaliza´vel . CAPI´TULO 1. AUTOVALORES E AUTOVETORES 21 Definic¸a˜o 11 (Operador triangulariza´vel). Um operador linear T : V → V linear e´ dito triangulariza´vel se existe uma base B de V , com respeito a qual T e´ triangular superior, isto e´, [T ]B = (ai,j) onde ai,j = 0 com i > j. Definic¸a˜o 12 (Matriz triangulariza´vel).Uma matriz A ∈Mn×n(K) e´ triangulariza´vel se e´ semelhante a uma matriz triangular. Propriedade 24. Se T e´ diagonaliza´vel, enta˜o T e´ triangulariza´vel. Demonstrac¸a˜o. Pois T e´ similar a uma matriz diagonal, que e´ triangular superior, por isso T e´ triangulariza´vel. Propriedade 25. Se B = (vk) n 1 e´ base de V e B ′ = (vn+1−k)n1 . [T ]B e´ triangular superior ⇔ [T ]′B e´ triangular inferior Demonstrac¸a˜o. Propriedade 26. Seja V de dimensa˜o finita. T : V → V linear e´ triangulariza´vel ⇔ FT e´ produto de fatores lineares, isto e´, o polinoˆmio caracter´ıstico pode ser escrito como FT (x) = det x− λ1 a · · · b 0 x− λ2 · · · c ... · · · ... d 0 · · · · · · x− λn = n∏ k=1 (x− λk). Demonstrac¸a˜o. ⇒). Por definic¸a˜o existe uma base B tal que [T ]B e´ triangular superior, enta˜o FT (x) = n∏ k=1 (x− xk) onde xk = ak,k sa˜o os elementos da diagonal principal da matriz, por propriedade de determinante de matriz triangular. CAPI´TULO 1. AUTOVALORES E AUTOVETORES 22 ⇐). Supondo FT (x) = n∏ k=1 (x− λk). FT (λ1) = 0 ⇔ λ1 e´ um autovalor de T ⇔ ∃v1 6= 0 tal que T (v1) = λ1v1. Seja B = (vk) n 1 , base de V , enta˜o [T ]B = ( λ1 bB 0B B ) AB sendo um bloco em geral. Vamos mostrar que [T ]B e´ semelhante a uma matriz triangular superior, note que FT (x) = det [ x− λ1 bB 0B (B − xI)B ] = (x− λ1) det(B − xI)︸ ︷︷ ︸ FB(x) . logo FB(x) = n∏ k=2 (x − λk). Completamos agora a prova por induc¸a˜o sobre n = dimV, para n = 1 vale. Suponha verdade do teorema para espac¸os vetoriais com dimensa˜o < n. Por hipo´tese indutiva, podemos supor que, como FB e´ produto de fatore lineares, logo B e´ triangulariza´vel, isto e´, existe P invert´ıvel tal que PBP−1 e´ triangular superior. Afirmamos que o resultado da multiplicac¸a˜o [ 1 0B 0B PB ][ λ1 0B 0B B ][ 1 0B 0B P −1 B ] = [ λ1 aB 0B PBP −1 B ] pois temos [ 1 0B 0B P −1 B ] = [ 1 0B 0B PB ]−1 logo [T ]B e´ triangulariza´vel. Propriedade 27. Um T : V → V na˜o nulo triangulariza´vel possui pelo menos um autovetor na˜o nulo. Demonstrac¸a˜o. Pois [T ]B = λ1 · · · · · · a 0 λ2 · · · b ... · · · · · · c 0 · · · · · · λn onde B = (vk) n 1 , T (v1) = λ1v1, se λ1 6= 0 acabamos, se na˜o T (v2) = λ2v2, se λ2 6= 0 terminamos, se na˜o continuamos, algum deles deve ser na˜o nulo, pois se na˜o T e´ nula. CAPI´TULO 1. AUTOVALORES E AUTOVETORES 23 Corola´rio 9. Em um corpo algebricamente fechado K todo operador T : V → V , com V espac¸o vetorial sobre K e´ triangulariza´vel. Logo a matriz do operador e´ semelhante a uma triangular superior, um exemplo e´ quando temos K = C. Propriedade 28. Se A ∈Mn(R) e´ sime´trica logo seu polinoˆmio mı´nimo possui somente ra´ızes reais. Em especial o operador associado so´ possui autovalores reais. Demonstrac¸a˜o. A ∈Mn(R) ⊂Mn(C), temos que PA se decompo˜e em fatores lineares em C. Seja λ ∈ C uma raiz de PA, queremos mostrar que λ ∈ R. Como λ e´ autovalor existe v 6= 0 ∈ Cn tal que A(v) = λv vT = (xk) n 1 , v T = (xk) n 1 vT .v = n∑ k=1 xkxk = n∑ k=1 |xk|2 6= 0 (acima temos o produto de uma matriz linha por uma matriz coluna) pois v na˜o e´ nulo. Multiplicando por λ temos λvTv = (λv)Tv = (Av)Tv = vTATv = por A ser sime´trica e real A = A temos = vTAv = vTAv = vTλv ⇒ (λ− λ)vTv = 0 isso implica λ = λ portanto λ e´ real . Propriedade 29. AB e BA possuem os mesmos autovalores. Demonstrac¸a˜o. Caso um deles seja invert´ıvel, digamos A, temos que A−1ABA = BA logo AB e BA sa˜o similares e da´ı possuem mesmo polinoˆmio caracter´ıstico , portanto possuem mesmos autovalores. O mesmo vale caso nenhum deles seja invert´ıvel. Exemplo 12. Se A e´ uma matriz tal que A2 = A enta˜o A e´ diagonal? Aplicando o determinante temos que detA2 = detA , logo det(A) = 0 ou 1, procuramos enta˜o contra exemplo de matriz com determinante nulo, por exemplo 0 1 0 1 CAPI´TULO 1. AUTOVALORES E AUTOVETORES 24 multiplicando por si mesma temos 0 1 0 1 0 1 0 1 e a matriz na˜o e´ diagonal. Propriedade 30. Seja A e B diagonais. A ∼ B ⇔ A e B possuem elementos na diagonal permutados . Demonstrac¸a˜o. ⇐). Suponha que A e B possuam elementos na diagonal permutados, enta˜o as duas ma- trizes sa˜o semelhantes, basta trocar a ordem da base dos operadores associados. ⇒). Se A ∼ B enta˜o existe P invert´ıvel tal que A = P−1BP A e B possuem mesmo polinoˆmio caracter´ıstico n∏ k=1 (x − ak) onde cada ak e´ elemento da diagonal de ambas matrizes a menos da ordem, pois as matrizes sa˜o diagonais, logos seus elementos na diagonal sa˜o iguais exceto por uma permutac¸a˜o. Exemplo 13. Seja B = 0 1 0 0 −1 0 1 1 1 Encontre os autovalores de B e calcule Bn. Primeiro encontramos o polinoˆmio carac- ter´ıstico. det(xI −B) = det x −1 0 0 x+ 1 0 −1 −1 x− 1 = x(x+ 1)(x− 1) enta˜o temos autovalores 0, 1 e −1 . Encontramos base para os autoespac¸os associados calculando N(B), N(B−I), N(B+I), respectivamente gerados por (1, 0,−1)T , (0, 0, 1)T , (1,−1, 0) enta˜o temos CAPI´TULO 1. AUTOVALORES E AUTOVETORES 25 B = PDP−1 a matriz D e´ formada pelos autovalores na diagonal a matriz P e´ formada por elementos das bases dos autoespac¸os correspondentes, no caso temos enta˜o B = 1 0 1 0 0 −1 −1 1 0 0︸︷︷︸ λ1=0 0 0 0 1︸︷︷︸ λ2=1 0 0 0 −1︸︷︷︸ λ3=−1 1 0 1 0 0 −1 −1 1 0 −1 para achar a inversa de P , usamos o procedimento [P |I]→ [I|P−1] partimos da matriz ampliada [P |I] onde I e´ a identidade e efetuando operac¸o˜es elemen- tares (soma de linhas, produto de linha por constante e troca de linhas) ao chegarmos em I no lugar de P chegaremos na inversa de P no lugar de I . Para calcular a n-e´sima poteˆncia, basta usar que Bn = PDnP−1 onde Dn e´ a matriz cada elemento de D (diagonal) elevado a n . Exemplo 14. Se T e´ diagonaliza´vel ele na˜o precisa possuir todos autovalores distintos, como e´ o caso do operador T = λI, T : V → V , dimV = n que possui como autovalor apenas λ sendo o polinoˆmio caracter´ıstico (x − λ)n e o polinoˆmio mı´nimo x − λ. Pore´m o operador e´ diagonaliza´vel posi ja´ se encontra na forma diagonal. Propriedade 31. Suponha que V = V1 ⊕ V2, ambas V1 e V2 T -invariantes enta˜o PT = M1.M2 onde MK = PT |Vk . Demonstrac¸a˜o. (continuar depois) Seja B1 uma base de V1 e B2 uma base de V2 enta˜o B1 ∪B2 = B (ordenadamente) e´ uma base de V , temos que CAPI´TULO 1. AUTOVALORES E AUTOVETORES 26 [T ]B = ( [M1]B1 0 0 [M2]B2 ) logo PT (T ) e´ o operador que na base B tem matriz PT = ( P [M1]B1 0 0 P [M2]B2 ) isso implica que M1.M2 = Propriedade 32. Se todo vetor na˜o nulo de V for um autovetor do operador T : V → V , enta˜o T = λI, para algum λ ∈ K, V de dimensa˜o finita. Demonstrac¸a˜o. Seja (vk) n 1 base de V , temos que T (vk) = λkvk T ( n∑ k=1 vk) = λ n∑ k=1 vk = n∑ k=1 λkvk por independeˆncia linear temos λk = λ para cada k, disso temos T ( n∑ k=1 ckvk) = n∑ k=1 ckT (vk) = λ n∑ k=1 ckvk por isso vale para qualquer v, T (v) = λv. Exemplo 15. Seja A = −1 0 0 −1 −2 0 0 −1 −4 1 0 −3 −2 0 1 1 A : R4 → R4. Podemos calcular o polinoˆmio caracter´ıstico x4 − 1 = FA. Que possui duas ra´ızes reais 1 e −1 podemos encontrar os espac¸os invariantes W1 = S(1, 0, 2, 2), W−1 = S(1, 2, 2, 0) (verificar se as contas esta˜o corretas). O operador na˜o e´ diagonaliza´vel sobre R, pois na˜o podemos escrever V como soma direta dos subespac¸os. Caso fosse um operador sobre C poder´ıamos pois temos 4 autovalores distintos. O polinoˆmio mı´nimode A e´ o pro´prio polinoˆmio caracter´ıstico, pois todas suas ra´ızes sa˜o distintas. O operador CAPI´TULO 1. AUTOVALORES E AUTOVETORES 27 na˜o e´ triangulariza´vel em R pois FT na˜o e´ produto de fatores lineares (pore´m em C e´ triangulariza´vel ) Exemplo 16. Considere a matriz A = 6 −3 −2 4 −1 −2 10 −5 −3 A e´ semelhante sobre R a alguma matriz diagonal? e sobre C?. Veremos se a matriz e´ diagonaliza´vel. Podemos calcular o polinoˆmio caracter´ıstico, que e´ (x − 2)(x2 + 1), o operador na˜o possui todos autovalores reais, logo na˜o e´ diagonaliza´vel sobre R, pore´m em C ela possui todos os autovalores distintos −2, i,−i enta˜o e´ diagonaliza´vel sobre C. Exemplo 17. Determine a forma de Jordan do operador D2 = T (derivada segunda) no espac¸o P4 = V dos polinoˆmios de grau ≤ 4., A derivada e´ um operador nilpotente, dimV = 5, por propriedade de derivada temos dimT (V ) = 3, dimT 2(V ) = 1, dimT 3(V ) = 0. Logo temos o sistema de invariantes inicial h1 = 1, dando base para T 2(V ), h′1 = 2 para completar uma base de T (V ) com dimensa˜o 3 precisamos de um elemento do nu´cleo, logo ficamos com o sistema de invariantes h′1 = 2, h ′ 2 = 1 continuamos o processo h′′2 = 3, h ′ 2 = 2 completa uma base para V , enta˜o a forma de Jordan possui os blocos N3 e N2. 1.3 Formas quadra´ticas Definic¸a˜o 13 (Forma quadra´tica). Seja A uma matriz quadrada de ordem n. A forma quadra´tica associada a A e´ a expressa˜o Q(x) = xtAX onde CAPI´TULO 1. AUTOVALORES E AUTOVETORES 28 x = x1 ... xn x e´ matriz n× 1 . Propriedade 33. Toda forma quadra´tica esta´ associada a uma matriz sime´trica. Demonstrac¸a˜o. O produto xTAx e´ um escalar pois e´ produto de xTA que e´ 1 × n vezes n × n gerando matriz 1 × n, que multiplicada por A, n × 1 gera matriz 1 × 1, por isso temos que (xTAx)T = xTAx = xTATx⇒ xTAx = xTAx+ xTATx 2 = xT (A+ AT ) 2 x onde sabemos que (A+ AT ) 2 e´ sime´trica pois e´ igual a sua transposta. Para colocar uma forma quadra´tica na forma matricial podemos perceber que os ter- mos quadrados tem coeficientes na diagonal da matriz (ordenadamente), e o coeficiente de xjxk aparecem nos elementos aj,k e ak,j da matriz , podemos tomar por exemplo cada um desses elementos da matriz como metade do coeficiente de xjxk . Propriedade 34. Toda forma quadra´tica e´ ortogonalmente diagonaliza´vel . Demonstrac¸a˜o. Considere xTAx comA sime´trica, podemos escrever xTAx = xPDP Tx onde P e´ a matriz ortogonal dos autovetores e D matriz diagonal dos autovalores, tem-se xTAx = xTPDP Tx = sendo y = P Tx, escrevemos como = yTDy = λ1y 2 1 + · · ·+ λnyn2 y = P Tx e (λk) n 1 sa˜o os autovalores. Exemplo 18. Expresse na forma matricial a forma quadra´tica 2x21 + 2x 2 3 + 5x 2 2 − 4x1x2 − 2x1x3 + 4x2x3. Usando as observac¸o˜es acima temos que a forma quadra´tica e´ dada por CAPI´TULO 1. AUTOVALORES E AUTOVETORES 29 ( x1 x2 x3 ) 2 −2 −1 −2 5 2 −1 2 2 x1 x2 x3 Vamos calcular os autovalores e base dos autoespac¸os, para calcular o polinoˆmio ca- racter´ıstico e autovalores calculamos o determinante det x− 2 2 1 2 x− 5 −2 1 −2 −2 = x3 − 9x2 + 15x− 7 = (x− 7)(x− 1)2 a fatorac¸a˜o pode ser feita procurando ra´ızes racionais do polinoˆmio. Com isso temos os autovalores 1 e 7, resolvendo o sistema 2 −2 −1 −2 5 2 −1 2 2 x1 x2 x3 = λ x1 x2 x3 com λ = 1 ou 7 achamos os autoespac¸os relativos, relacionado ao autovalor λ = 7 temos a base (1,−2 − 1) que normalizamos para (1,−2,−1)√ 6 , relativo ao autovalor 1 pode- mos encontrar o autoespac¸o com base (1, 0, 1), (0, 1,−2) e aplicar o processo de orto- gonalizac¸a˜o de Gram-Schmidt achando a base (1, 0, 1), (1, 1,−1) que normalizamos para (1, 0, 1)√ 2 , (1, 1,−1)√ 3 , podemos montar enta˜o a matriz P com os autovetores P = 1√ 2 0 1√ 2 1√ 3 1√ 3 −1√ 3 1√ 6 −2√ 6 −1√ 6 x = Py, y = P Tx, simbolizando y = (x′, y′, z′) e usando essas relac¸o˜es temos x′ = x√ 2 + z√ 2 y′ = x√ 3 + y√ 3 − z√ 3 CAPI´TULO 1. AUTOVALORES E AUTOVETORES 30 z′ = x√ 6 − 2y√ 6 − z√ 6 . A matriz D com diagonal formada pelos autovalores, com isso temos ( x′1 x ′ 2 x ′ 3 ) 1 0 0 0 1 0 0 0 7 x′1 x′2 x′3 = x′2 + y′2 + 7z′2.
Compartilhar