Baixe o app para aproveitar ainda mais
Prévia do material em texto
Notas de Aula - 30/11/2009 Profo: José Sérgio Domingues Universidade Estadual de Montes Claros - UNIMONTES Curso de Licenciatura Plena em Matemática Sumário 1 Diagonalização de Matrizes 1 2 Diagonalização de Operadores 2 3 Formas Bilineares e Quadráticas Reais 4 3.1 Formas Bilineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 3.2 Matriz de uma Forma Bilinear . . . . . . . . . . . . . . . . . . . . . . . . . 5 3.3 Forma Bilinear Simétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 3.4 Formas Quadráticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 4 Forma Canônica de Jordan 8 5 Teorema Espectral 10 5.1 Operadores Auto-Adjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 5.2 Teorema Espectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 6 Referências 11 1 Diagonalização de Matrizes De�nição 1.1. Dizemos que uma matriz A, de ordem n, é diagonalizável, se existem matrizes P e D tais que A = PDP−1, ou equivalente, D = P−1AP , em que D é uma matriz diagonal. Teorema 1.2. Seja A uma matriz de ordem n que tem n autovetores L.I (V1, V2, ..., Vn), associados a λ1, λ2, ..., λn, respectivamente. Então, as matrizes P = [V1 V2 ... Vn] e D = λ1 0 · · · 0 0 λ2 0 0 ... 0 · · · ... 0 · · · 0 λn são tais que D = P−1AP , ou seja, A é diagonalizável. Reciprocamente, se A é diagonal- izável, então ela possui n autovetores L.I. Exemplo 1.3. Encontre as matrizes P e D, sendo A = 1 −1 −4 1 e veri�que que A = PDP−1. Os autovalores encontrados são λ1 = −1 e λ2 = 3. Seus respectivos autoespaços associados são W1 = {(α, 2α) | α ∈ R} = {α(1, 2) | α ∈ R} e W2 = {(α,−2α) | α ∈ R} = {α(1, −2) | α ∈ R}. Observe que V1 = (1, 2) e V2 = (1, −2) são autovetores L.I. Portanto, de acordo com o Teorema 1.2, temos que P = 1 1 2 −2 e D = −1 0 0 3 . Além disso, P−1 = 1 2 1 4 1 2 −1 4 e A = PDP−1. Teorema 1.4. Autovalores distintos possuem autovetores associados linearmente inde- pendentes (L.I). Corolário 1.5. Se V é um espaço vetorial de dimensão n e T : V → V é um operador linear que possui n autovalores distintos, então V possui uma base cujos vetores são todos autovetores de T. 1 Em outras palavras, o corolário nos garante que, se conseguirmos encontrar tantos autovalores distintos quanto for a dimensão do espaço, podemos garantir a existência de uma base de autovetores. 2 Diagonalização de Operadores De�nição 2.1. Dizemos que o operador linear T : V → V é um operador diagonalizável se existe uma base de V cujos elementos são autovetores de T. Portanto, de acordo com o corolário acima, para veri�car se um operador linear é di- agonalizável, basta mostrar que a matriz associada a esse operador possui n autovalores distintos. Exemplo 2.2. Veri�que que T : R3 → R3 dado por T (x, y, z) = (3x−3y−4z, 3y+5z,−z), não é diagonalizável. A matriz associada a esse operador linear em relação à base canônica é A = [T ]αα = 3 −3 −4 0 3 5 0 0 −1 portanto, o seu polinômio característico é dado por det(A − λI3) e seus autovalores são as soluções da equação característica det(A− λI3). Para o nosso exemplo, temos A− λI3 = 3 −3 −4 0 3 5 0 0 −1 − λ 0 0 0 λ 0 0 0 λ = 3− λ −3 −4 0 3− λ 5 0 0 −1− λ Então, P (λ) = 0 ⇐⇒ det(A− λI3) = (3− λ)2(−1− λ) = 0 ⇐⇒ λ1 = 3 e λ2 = −1. • Para λ1 = 3, temos: (A− 3I3)v = 0 ⇐⇒ 0 −3 −4 0 0 5 0 0 −4 x y z = 0 0 0 ⇐⇒ −3y − 4z = 0 5z = 0 − 4z = 0 ⇐⇒ x = α e y = z = 0. Portanto, W1 = {(α, 0, 0) | α ∈ R} = {α(1, 0, 0) | α ∈ R} 2 • Para λ2 = −1, temos: (A+I3)v = 0 ⇐⇒ 4 −3 −4 0 4 5 0 0 0 x y z = 0 0 0 ⇐⇒ 4x − 3y − 4z = 0 4y + 5z = 0 0 = 0 ⇐⇒ x = α 16 , y = −5 4 α e z = α. Portanto, W2 = {( α16 , −54α, α) | α ∈ R} = {α( 116 , −54 , 1) | α ∈ R} Neste caso, temos apenas dois autovetores L.I para T , e portanto não existe uma base de R3 constituída só de autovetores de T . Isto signi�ca este operador não é diagonalizável. Exemplo 2.3. Mostre que T : R2 → R2 onde T (x, y) = (−3x + 4y, −x + 2y), é diagonalizável. De acordo com o que estudamos anteriormente, para mostrar que T é diagonalizável, basta veri�car que a matriz associada a este operador linear possui o número de autoval- ores distintos igual a 2, pois neste caso, V = R2 e dim(R2) = 2. Pois bem, em relação à base canônica α, temos que A = [T ]αα = −3 4 −1 2 . Logo, det(A− λI2) = 0 ⇐⇒ det −3− λ 4 −1 2− λ = 0 ⇐⇒ (−3− λ)(2− λ) + 4 = 0 ⇐⇒ λ2 + λ− 2 = 0 ⇐⇒ λ1 = 1 e λ2 = −2. Como a matriz A possui dois autovalores distintos, pelo Corolário 1.5, V = R2 possui uma base formada por autovetores de T . E portanto, pela De�nição 2.1, T é diagonalizável. Exemplo 2.4. No exemplo anterior, vimos que λ1 = 1 6= λ2 = −2. O leitor pode veri�car que dois autovetores linearmente independentes associados a λ1 e λ2 são, respectivamente, V1 = (1, 1) e V2 = (4, 1). Pelo Corolário 1.5, uma base de V = R2 é β = {V1, V2}. Vamos encontrar [T ]ββ e observar de que tipo ela será. 3 T (V1) = T (1, 1) = (−3 + 4, −1 + 2) = (1, 1) = 1 · V1 + 0 · V2 T (V2) = T (4, 1) = (−3 · 4 + 4 · 1, −4 + 2 · 1) = (−8, −2) = 0 · V1 − 2 · V2 Portanto, concluímos que [T ]ββ = 1 0 0 −2 que é uma matriz diagonal, onde a diagonal principal é formada exatamente pelos auto- valores de T . Isso não ocorreu por acaso, na realidade, a de�nição formal de operador diagonalizável, vem da idéia de a partir de um operador linear T : V → V , conseguirmos encontrar uma base β de V na qual a matriz do operador nesta base ([T ]ββ) seja uma matriz diagonal, que é a forma mais simples possível de se representar um operador. 3 Formas Bilineares e Quadráticas Reais 3.1 Formas Bilineares De�nição 3.1. Seja V um espaço vetorial real. Uma forma bilinear é uma aplicação B : V XV → R de�nida por (v, w) 7→ B(v, w) tal que: i. Para w �xado, B(v, w) é uma forma linear em v, isto é, B(v1 + v2, w) = B(v1, w) + B(v2, w) e B(av, w) = aB(v, w) ii. Para v �xado, B(v, w) é uma forma linear em w, isto é, B(v, w1 + w2) = B(v, w1) + B(v, w2) e B(v, aw) = aB(v, w) Exemplo 3.2. O produto usual de números reais, de�nido por P : R X R → R com (x, y) 7→ xy. Vamos veri�car as duas propriedades para demonstrar que esta aplicação é bilinear. i. P (x1 + x2, y) = (x1 + x2)y = x1y + x2y = P (x1, y) + P (x2, y) P (ax, y) = axy = a(xy) = aP (x, y) 4 ii. P (x, y1 + y2) = x(y1 + y2) = xy1 + xy2 = P (x, y1) + P (x, y2) P (x, ay) = xay = a(xy) = aP (x, y) Exemplo 3.3. Seja V um espaço vetorial com produto interno 〈, 〉. O operador linear B : V X V → R de�nido por (v, w) 7→ 〈v, w〉 é uma forma bilinear pelas propriedades de produto interno. 3.2 Matriz de uma Forma Bilinear Seja V um espaço vetorial e B : V X V → R uma forma bilinear. Se α = {v1, ..., vn} é uma base de V , podemos associar a B uma matriz ([B]αα), denominada matriz da forma bilinear B, na base α, da seguinte forma: Como α é base de V , tomando v, w ∈ V podemos escrever v = x1v1 + ... + xnvn e w = y1v1 + ... + ynvn. Então, B(v, w) = [x1 ... xn] · B(v1, v1) · · · B(v1, vn) ... . . . ... B(vn, v1) · · · B(vn, vn) · y1 ... yn Portanto, B(v, w) = [v]′α · [B]αα · [w]α Exemplo 3.4. Seja B : R2 X R2 → R a forma bilinear dada por B(v, w) = −x1y1 + 2x2y1 +5x2y2 onde v = (x1, x2) e w = (y1, y2). Então, se α = {e1, e2} é a base canônica de R2, temos: B(e1, e1) = B((1, 0), (1, 0)) = −1 · 1 + 2 · 0 · 1 + 5 · 0 · 0 = −1 B(e2, e1) = B((0, 1), (1, 0)) = −0 · 1 + 2 · 1 · 1 + 5 · 1 · 0 = 2 B(e1, e2) = B((1, 0), (0, 1)) = −1 · 0 + 2 · 0 · 0 + 5 · 0 · 1 = 0 B(e2, e2) = B((0, 1), (0, 1)) = −0 · 0 + 2 · 1 · 0 + 5 · 1 · 1 = 5 5 Então, [B]αα = B(e1, e1) B(e1, e2) B(e2, e1) B(e2, e2) = −1 0 2 5 e B(v, w) = [x1 x2] · −1 0 2 5 · y1 y2 = [v]′α · [B]αα · [w]α Exemplo 3.5. Seja M = −2 0 0 4 2 0 0 0 2 . É possível associar a M uma forma bilinear B : R3 X R3 → R de�nida por B((x1, x2, x3), (y1, y2, y3)) = [x1 x2 x3] · −2 0 0 4 2 0 0 0 2 · y1 y2 y3 Então, B((x1, x2, x3), (y1, y2, y3)) = −2x1y1 + 4x2y1 + 2x2y2 + 2x3y3. 3.3 Forma Bilinear Simétrica De�nição 3.6. Uma forma bilinear B : V X V → R é denominada forma bilinear simétrica se B(v, w) = B(w, v), ∀ v, w ∈ V . Exemplo 3.7. B(v, w) = 〈v, w〉, onde 〈, 〉 é um produto interno em V . Exemplo 3.8. B : R2 X R2 → R dada por B(v, w) = −x1y1 + 3x2y1 + 3x1y2 + 2x2y2, onde v = (x1, x2) e w = (y1, y2) (Veri�que!). Exemplo 3.9. Vamos encontrar a matriz da forma bilinear acima, utilizando a base canônica α, [B]αα. No exemplo acima, V = R2 =⇒ α = {e1, e2} é uma base de V . Logo, B(e1, e1) = B((1, 0), (1, 0)) = −1 · 1 + 3 · 0 · 1 + 3 · 1 · 0 + 2 · 0 · 0 = −1 B(e1, e2) = B((1, 0), (0, 1)) = −1 · 0 + 3 · 0 · 0 + 3 · 1 · 1 + 2 · 0 · 1 = 3 6 B(e2, e1) = B((0, 1), (1, 0)) = −0 · 1 + 3 · 1 · 1 + 3 · 0 · 0 + 2 · 1 · 0 = 3 B(e2, e2) = B((0, 1), (0, 1)) = −0 · 0 + 3 · 1 · 0 + 3 · 0 · 1 + 2 · 1 · 1 = 2 Então, [B]αα = B(e1, e1) B(e1, e2) B(e2, e1) B(e2, e2) = −1 3 3 2 Observação 3.10. Observe que a matriz da forma bilinear que encontramos acima é simétrica. Teorema 3.11. Uma forma bilinear B : V X V → R é simétrica se, e somente se, [B]αα é uma matriz simétrica. Observação 3.12. A demonstração do teorema acima é trivial, e �ca a cargo do leitor. 3.4 Formas Quadráticas De�nição 3.13. Seja V um espaço vetorial real e B : V X V → R uma forma bilinear simétrica. A função Q : V → R de�nida por Q(v) = B(v, v) é chamada forma quadrática associada a B. Exemplo 3.14. Seja B : R3 X R3 → R dada por B(v, w) = x1y1 + 2x2y2 + 3x3y3 + x1y2 + x2y1, onde v = (x1, x2, x3) e w = (y1, y2, y3). Facilmente, veri�ca-se que B é uma forma bilinear simétrica de R3. A forma quadrática associada associada a B é a função Q(v) = B(v, v) = x21 + 2x 2 2 + 3x 2 3 + x1x2 + x2x1 = x21 + 2x 2 2 + 3x 2 3 + 2x1x2 Exemplo 3.15. Associada ao produto interno usual de Rn, B : Rn X Rn → R com B(v, w) = x1y1 + x2y2 + ... + xnyn (que obviamente é uma forma linear simétrica) está a forma quadrática Q(v), dada por Q(v) = B(v, v) = x21 + x 2 2 + ... + x 2 n 7 4 Forma Canônica de Jordan Partição de uma Matriz em Blocos: Particionar uma matriz A qualquer em blocos, signi�ca dividir esta matriz em submatrizes. Exemplo 4.1. Se A = 1 −2 π √3 6 −7 2 −1 −7 −3 −9 0 , uma das possíveis subdivisões de A é A = 1 −2 π √3 6 −7 2 −1 −7 −3 −9 0 = A11 A12 A13 A14 , onde, A11 = ( 1 −2 π ) , A12 = ( √ 3 ) , A13 = 6 −7 2 −7 −3 −9 e A14 = −1 0 , são os blocos da subdivisão da matriz original A. Já estudamos que nem todo operador linear T : V → V é diagonalizável, ou seja, nem sempre existe uma base β de V tal que a matriz [T ]ββ é diagonal. Entretanto, para várias aplicações, é su�ciente que exista uma base β tal que a matriz [T ]ββ tenha uma forma bem próxima da forma diagonal. Essa forma é denominada forma canônica de Jordan. De�nição 4.2. Uma matriz J , nxn, está na forma canônica de Jordan, se ela é da forma J = Jλ1 0 · · · 0 0 Jλ2 · · · 0 ... ... . . . ... 0 0 · · · Jλk , em que Jλj = λj 0 · · · 0 0 1 λj · · · 0 0 ... ... . . . ... ... 0 0 · · · λj 0 0 0 · · · 1 λj para j = 1, ..., k. Jλj é chamado bloco de Jordan. 8 Exemplo 4.3. A = 2 0 0 0 1 2 0 0 0 1 2 0 0 0 0 2 está na forma canônica de Jordan e é formada por dois blocos de Jordan, o primeiro sendo 3x3 e o segundo 1x1. Exemplo 4.4. B = 5 0 0 0 1 5 0 0 0 0 −3 0 0 0 1 −3 está na forma canônica de Jordan e é formada por dois blocos de Jordan, ambos 2x2. Exemplo 4.5. C = −4 0 0 0 1 −4 0 0 0 1 −4 0 0 0 1 −4 está na forma canônica de Jordan e é for- mada por apenas um bloco de Jordan. Exemplo 4.6. D = 7 0 0 0 0 7 0 0 0 0 7 0 0 0 0 7 está na forma canônica de Jordan e é formada por 4 blocos 1x1. Exemplo 4.7. E = 2 0 0 0 1 2 0 0 0 1 2 0 0 0 1 −1 não está na forma canônica de Jordan. Pois como os elementos da diagonal principal não são iguais, ela teria que ser formada por pelo menos dois blocos de Jordan e [−1] deveria ser um bloco de Jordan 1x1. 9 5 Teorema Espectral 5.1 Operadores Auto-Adjuntos De�nição 5.1. Sejam U e V espaços vetoriais sobre R. Indicaremos por L(U, V ) o conjunto das transformações lineares de U em V e se U = V , o conjunto dos operadores lineares de U será denotado por L(U). De�nição 5.2. Seja V um espaço vetorial euclidiano. Um operador T ∈ L(V ) se diz auto-adjunto se 〈T (v), w〉 = 〈v, T (w)〉 para quaisquer v, w ∈ V . Exemplo 5.3. Seja T ∈ L(R2) dado por T (x, y) = (ax + by, bx + cy). Vamos mostrar que T é um operador auto-adjunto. 〈T (x, y), (z, y)〉 = 〈(ax + by, bx + cy), (z, y)〉 = axz + byz + bxt + cyt. Por outro lado, 〈(x, y), T (z, y)〉 = 〈(x, y), (az + bt, bz + ct)〉 = axz + bxt + byz + cyt. Portanto, 〈T (x, y), (z, y)〉 = 〈(x, y), T (z, y)〉 e consequentemente, T é um operador auto-adjunto. 5.2 Teorema Espectral Teorema 5.4 (Espectral). Para todo operador auto-adjunto T ∈ L(V ), sendo V um es- paço vetorial de dimensão �nita e munido de produto interno, existe uma base ortonormal {v1, v2, ..., vn} ⊂ V formada por autovetores de T . 10 6 Referências [1] BOLDRINI, J. L (et al.). Álgebra Linear, 3a edição. Editora Harbra ltda. São Paulo, 1980. [2] CALLIOLI, H. e ROBERTO C. Álgebra Linear e Aplicações - Nova Edição. [3] LIMA, E.L. Álgebra Linear, 7a edição - Coleção Matemática Universitária - IMPA. [4] LANG, S. Álgebra Linear - Editora Edgar Blucher Ltda, SP. [4] SANTOS, R.J. Introdução à Álgebra Linear - Editora UFMG - Belo Horizonte. [5] SANTOS, R.J. Álgebra Linear e Aplicações - Editora UFMG - Belo Horizonte. 11
Compartilhar