Your SlideShare is downloading. ×
Álgebra Li
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Saving this for later?

Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime - even offline.

Text the download link to your phone

Standard text messaging rates apply

Álgebra Li

2,749
views

Published on


0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
2,749
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
70
Comments
0
Likes
2
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Notas de Aula - 30/11/2009 Profo : José Sérgio Domingues Universidade Estadual de Montes Claros - UNIMONTES Curso de Licenciatura Plena em Matemática
  • 2. 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
  • 3. 1 Diagonalização de Matrizes Denição 1.1. Dizemos que uma matriz A, de ordem n, é diagonalizável, se existem matrizes P e D tais que A = P DP −1 , ou equivalente, D = P −1 AP , 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    λ1 0 ··· 0     0 λ2 0 0    P = [V1 V2 ... Vn ] e D= . .   . . 0 ··· .  .     0 ··· 0 λn são tais que D = P −1 AP , ou seja, A é diagonalizável. Reciprocamente, se A é diagonal- izável, então ela possui n autovetores L.I.   1 −1 Exemplo 1.3. Encontre as matrizes P e D, sendo A =   e verique que −4 1 A = P DP −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     1 1 −1 0 P =  e D= . 2 −2 0 3   1 1 Além disso, P −1 =  2 4  e A = P DP −1 . 1 2 −1 4 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
  • 4. 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 Denição 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 vericar se um operador linear é di- agonalizável, basta mostrar que a matriz associada a esse operador possui n autovalores distintos. Exemplo 2.2. Verique 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   3 −3 −4     A = [T ]α =  0 α 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        3 −3 −4   λ 0 0   3 − λ −3 −4        A − λI3 =  0  3 5 − 0 λ 0 = 0     3−λ 5         0 0 −1 0 0 λ 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:         −3y − 4z = 0  0 −3 −4  x   0          (A − 3I3 )v = 0 ⇐⇒  0  0 5    =  0  ⇐⇒ y    5z = 0          0 0 −4 z 0  − 4z = 0 ⇐⇒ x = α e y = z = 0. Portanto, W1 = {(α, 0, 0) | α ∈ R} = {α(1, 0, 0) | α ∈ R} 2
  • 5. • Para λ2 = −1, temos:         4x − 3y − 4z = 0  4 −3 −4   x   0           0 (A+I3 )v = 0 ⇐⇒  4   y  =  0  ⇐⇒ 5     4y + 5z = 0          0 0 0 z 0  0 = 0 α ⇐⇒ x = 16 , y = −5α 4 e z = α. Portanto, W2 = {( 16 , − 5 α, α) | α ∈ R} = {α( 16 , − 5 , 1) | α ∈ R} α 4 1 4 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 signica 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 vericar 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.   −3 4 Pois bem, em relação à base canônica α, temos que A = [T ]α =  α . Logo, −1 2   −3 − λ 4 det(A − λI2 ) = 0 ⇐⇒ det   = 0 ⇐⇒ (−3 − λ)(2 − λ) + 4 = 0 −1 2−λ ⇐⇒ 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 Denição 2.1, T é diagonalizável. Exemplo 2.4. No exemplo anterior, vimos que λ1 = 1 = λ2 = −2. O leitor pode vericar 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 ]β e observar de que tipo ela será. β 3
  • 6. 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   1 0 [T ]β =  β  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 denição 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 ]β ) seja uma matriz diagonal, β que é a forma mais simples possível de se representar um operador. 3 Formas Bilineares e Quadráticas Reais 3.1 Formas Bilineares Denição 3.1. Seja V um espaço vetorial real. Uma forma bilinear é uma aplicação B : V XV → R denida por (v, w) → 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, denido por P : R X R → R com (x, y) → xy . Vamos vericar as duas propriedades para demonstrar que esta aplicação é bilinear. i. P (x1 + x2 , y) = (x1 + x2 )y = x1 y + x2 y = P (x1 , y) + P (x2 , y) P (ax, y) = axy = a(xy) = aP (x, y) 4
  • 7. 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 denido por (v, w) → 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]α ), denominada matriz da forma α bilinear B , na base α, da seguinte forma: Como α é base de V , tomando v, w ∈ V podemos escrever v = x1 v1 + ... + xn vn e w = y1 v1 + ... + yn vn . Então,     B(v1 , v1 ) · · · B(v1 , vn ) y    1   . . .. . .   .  B(v, w) = [x1 ... xn ] ·  . . . · .  .     B(vn , v1 ) · · · B(vn , vn ) yn Portanto, B(v, w) = [v]α · [B]α · [w]α α Exemplo 3.4. Seja B : R2 X R2 → R a forma bilinear dada por B(v, w) = −x1 y1 + 2x2 y1 + 5x2 y2 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
  • 8. Então,     B(e1 , e1 ) B(e1 , e2 ) −1 0 [B]α =  α =  B(e2 , e1 ) B(e2 , e2 ) 2 5 e     −1 0 y1 B(v, w) = [x1 x2 ] ·  ·  = [v]α · [B]α · [w]α α 2 5 y2   −2 0 0   Exemplo 3.5. Seja M =    4 2 0 . É possível associar a M uma forma bilinear   0 0 2 B : R3 X R3 → R denida por     −2 0 0 y1         B((x1 , x2 , x3 ), (y1 , y2 , y3 )) = [x1 x2 x3 ] ·  4 2 0  ·  y2      0 0 2 y3 Então, B((x1 , x2 , x3 ), (y1 , y2 , y3 )) = −2x1 y1 + 4x2 y1 + 2x2 y2 + 2x3 y3 . 3.3 Forma Bilinear Simétrica Denição 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) = −x1 y1 + 3x2 y1 + 3x1 y2 + 2x2 y2 , onde v = (x1 , x2 ) e w = (y1 , y2 ) (Verique!). Exemplo 3.9. Vamos encontrar a matriz da forma bilinear acima, utilizando a base canônica α, [B]α . α 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
  • 9. 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(e1 , e1 ) B(e1 , e2 ) −1 3 [B]α =  α =  B(e2 , e1 ) B(e2 , e2 ) 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]α α é uma matriz simétrica. Observação 3.12. A demonstração do teorema acima é trivial, e ca a cargo do leitor. 3.4 Formas Quadráticas Denição 3.13. Seja V um espaço vetorial real e B : V X V → R uma forma bilinear simétrica. A função Q : V → R denida 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) = x1 y1 + 2x2 y2 + 3x3 y3 + x1 y2 + x2 y1 , onde v = (x1 , x2 , x3 ) e w = (y1 , y2 , y3 ). Facilmente, verica-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) = x2 + 2x2 + 3x2 + x1 x2 + x2 x1 1 2 3 = x2 + 2x2 + 3x2 + 2x1 x2 1 2 3 Exemplo 3.15. Associada ao produto interno usual de Rn , B : Rn X Rn → R com B(v, w) = x1 y1 + x2 y2 + ... + xn yn (que obviamente é uma forma linear simétrica) está a forma quadrática Q(v), dada por Q(v) = B(v, v) = x2 + x2 + ... + x2 1 2 n 7
  • 10. 4 Forma Canônica de Jordan Partição de uma Matriz em Blocos: Particionar uma matriz A qualquer em blocos, signica dividir esta matriz em submatrizes.   √  1 −2 π 3    Exemplo 4.1. Se A =   6 −7 2 −1 , uma das possíveis subdivisões de A é    −7 −3 −9 0   √ 1 −2 π 3       A11 A12 A=  6 −7 2 −1  =   ,   A13 A14 −7 −3 −9 0 onde,     √ 6 −7 2 −1 A11 = 1 −2 π , A12 = 3 , A13 =   e A14 =  , −7 −3 −9 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 ]β é diagonal. Entretanto, para β várias aplicações, é suciente que exista uma base β tal que a matriz [T ]β tenha uma forma β bem próxima da forma diagonal. Essa forma é denominada forma canônica de Jordan. Denição 4.2. Uma matriz J , n xn, está na forma canônica de Jordan, se ela é da forma     λj 0 · · · 0 0   Jλ1 0 ··· 0         1 λj · · · 0 0   0 Jλ2 · · · 0       . . ... . . . .  . .  J = , em que Jλj = . . . .  . . . ... . . .     . . .       0 0 ··· λj 0    0 0 · · · Jλk   0 0 ··· 1 λj para j = 1, ..., k . Jλj é chamado bloco de Jordan. 8
  • 11.   2 0 0 0      1 2 0 0    Exemplo 4.3. A=  está na forma canônica de Jordan e é formada  0 1 2 0      0 0 0 2 por dois blocos de Jordan, o primeiro sendo 3x3 e o segundo 1x1.   5 0 0 0      1 5 0 0    Exemplo 4.4. B=  está na forma canônica de Jordan e é formada    0 0 −3 0    0 0 1 −3 por dois blocos de Jordan, ambos 2x2.    −4 0 0 0     1 −4 0 0    Exemplo 4.5. C=  está na forma canônica de Jordan e é for-  0 1 −4 0      0 0 1 −4 mada por apenas um bloco de Jordan.    7 0 0 0     0 7 0 0    Exemplo 4.6. D=  está na forma canônica de Jordan e é formada  0 0 7 0      0 0 0 7 por 4 blocos 1x1.    2 0 0 0     1 2 0 0    Exemplo 4.7. E=  não está na forma canônica de Jordan. Pois  0 1 2 0      0 0 1 −1 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
  • 12. 5 Teorema Espectral 5.1 Operadores Auto-Adjuntos Denição 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 ). Denição 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
  • 13. 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