Académique Documents
Professionnel Documents
Culture Documents
Autovalores
2015.2
Resumo
1
1 Determinantes
At agora, no utilizamos o conceito de determinantes. Em geral, esse assunto
tratado de forma superficial na geometria analtica, apenas para matrizes 22
ou 3 3.
Para que a funo determinante seja til, exigimos que esta funo satisfaa
certas propriedades listadas abaixo. claro que esta definio no constru-
tiva, porm suficiente para o escopo deste curso.
Seja E um espao vetorial de dimenso finita e considere L (E ), o espao
vetorial dos operadores lineares em E . Como j vimos, fixada uma base em
E , podemos representar cada transformao linear em L (E ) por uma matriz.
Observe que a escolha da base arbitrria. Assim, podemos encarar as funes
: L (E ) K como funes : Knn K, em que n a dimenso de E .
det(I ) = 1.
det : Kn Kn K
det(A) = det(a 1 , . . . , a n ).
(i) det(I ) = 1;
2
(ii) O determinante muda de sinal quando duas linhas so trocadas:
det(a 1 , . . . , a i , . . . , a j , . . . , a n ) = det(a 1 , . . . , a j , . . . , a i , . . . , a n )
(iv) Se duas linhas de A so iguais, det(A) = 0. Isto decorre da regra (ii), j que
se as linhas iguais forem trocadas, o determinante deve mudar de sinal,
mas ele tambm deve continuar o mesmo, pois as linhas so iguais; logo
o determinante deve ser nulo.
det(A 0 ) = det(a 1 , . . . , a i c a j , . . . , a j , . . . , a n )
= det(a 1 , . . . , a i , . . . , a j , . . . , a n ) c det(a 1 , . . . , a j , . . . , a j , . . . , a n )
= det(A)
(vi) Se A possui uma linha nula, ento det(A) = 0. Uma maneira da mostrar
isso somar uma outra linha linha nula; desta forma o determinante fi-
caria inalterado pela regra acima, mas a matriz ter duas linhas idnticas,
e assim det(A) = 0.
3
(vii) Se A for triangular, ento det(A) = a 11 a 22 . . . a nn .
Primeiramente, note que se A for diagonal, isto verdade, j que se cha-
marmos de e 1 , . . . , e n os vetores da base cannica em Kn , ento
det(A) = det(a 11 e 1 , . . . , a nn )
= a 11 a nn det(I )
= a 11 a nn
4
Suponha agora que B inversvel, ou seja, det(B ) 6= 0. Ento vamos mos-
trar que a funo d definida como
. det(AB )
d (A) =
det(B )
apresenta as propriedades (i), (ii) e (iii), e portanto, o determinante de
A.
Primeiramente, observe que
det(B )
d (I ) = = 1,
det(B )
e assim a propriedade (i) satisfeita. Alm disso, se duas linhas de A
forem trocadas, as mesmas linhas de AB tambm sero trocadas; para
ver isto, note que
a 2
a 1 | a 2 B
| | a 1 B
a 3
b b 2 b n = a B
. 1
3
.. | | |
..
.a n B
a n
Assim, o sinal de d vai mudar conforme a propriedade (ii). Uma combi-
nao linear em uma linha de A resulta na mesma combinao linear, na
mesma linha de AB :
ka + a 0
kaB a 0 B
a 2 | | |
b 1 b 2 b n = a 2 B + a 2 B
..
.
| | | .. ..
.a n B .a n B
a n
Ento, a propriedade (iii) para o determinante de AB implica que a mesma
propriedade tambm vlida para a funo d (A). Portanto, d (A) = det(A).
Consequncias:
det(A) = det(U ) = d 1 d 2 . . . d n .
5
(onde o sinal depende do nmero de trocas de linhas efetuadas na
eliminao).
Um caso particular desta regra nos diz que
1
det(A 1 ) = ,
det(A)
pois det(A) det(A 1 ) = det(I ) = 1.
O valor do determinante de uma transformao no depende da
base escolhida no espao para escrevermos a matriz desta transfor-
mao. De fato, se A a matriz da transformao em uma base e
A 0 a matriz da mesma transformao em uma base 0 , ento
A 0 = S AS 1 ,
em que S a matriz de mudana de base de para 0 . Assim,
det(A 0 ) = det(S) det(A) det(S 1 )
1
= det(S) det(A)
det(S)
= det(A).
6
Terminamos essa seo com um resultado interessante do ponto de vista
histrico, ainda que intil na prtica, j que, como veremos na seo a seguir,
o clculo de determinantes computacionalmente muito caro.
det(A(i ; b))
xi = .
det(A)
b = x1 a1 + . . . + xn an
7
Para isto, considere primeiramente o caso 2 por 2. Neste caso, podemos
decompor cada linha em dois vetores que representam as duas direes coor-
denadas:
(a b) = (a 0) + (0 b) e (c d ) = (c 0) + (0 d ) .
Observe que os termos que contm colunas nulas tero determinantes nulos,
como consequncia das propriedades dos determinantes. Assim, s precisa-
mos nos preocupar com termos onde as entradas no nulas de cada linha apa-
recem em colunas diferentes. Portanto, no caso 2 2, os termos resultantes
so uma matriz diagonal, e outra matriz que pode ser obtida a partir de uma
permutao de linhas de uma matriz diagonal Assim, obtemos a frmula co-
nhecida:
a b
det = ad bc.
c d
No caso 3x3, teremos algo do tipo
a 11 a 12 a 13 a 11 a 12 a 13
det a 21 a 22 a 23 = det a 22 + det a 23 + det a 21
a 31 a 32 a 33 a 33 a 31 a 32
a 11 a 12 a 13
+ det a 23 + det a 21 + det a 22 .
a 32 a 33 a 31
8
Para uma matriz n por n, teremos cada linha decomposta em n direes co-
ordenadas. Esta expanso ter n n termos. Felizmente, a maioria ter determi-
nante nulo automaticamente (como nos casos acima). Em geral, a expresso
conter apenas n! termos no-nulos; teramos n escolhas para a primeira co-
luna, n 1 possibilidades para a segunda coluna, e assim por diante.
Podemos ento escrever uma frmula geral para A nn como
det(A) = a 11 (a 22 a 33 a 23 a 32 ) + a 12 (a 23 a 31 a 21 a 33 ) + a 13 (a 21 a 32 a 22 a 31 ).
Note que para cada termo da soma (1) podemos agrupar os termos que
acompanham, por exemplo, a 1 j em um coeficiente C 1 j que tambm um de-
terminante:
9
Os C i j so chamados cofatores de a i j . Alm disso, agora fica fcil ver que o de-
terminante de A depende linearmente de cada uma de suas linhas: para qual-
quer linha i ,
det(A) = a i 1C i 1 + a i 2C i 2 + . . . + a i n C i n .
O cofator C i j o determinante de M i j (M i j obtida de A, deletando-se a linha i
e a coluna j ) com o sinal correto:
C i j = (1)i + j det(M i j ).
T (v) = v. (2)
10
Se pudermos encontrar esta soluo, isto significa que existe um subespao do
espao vetorial E no qual a transformao T age como uma multiplicao por
escalar.
Para entendermos melhor este problema, vamos redefini-lo com respeito
matriz da transformao A nn . Assim, queremos encontrar um vetor x no
nulo, e um nmero que satisfaa a equao
Ax = x. (3)
(A I )x = 0.
(A I )x = 0, ou Ax = x.
p() = det(A I )
11
Se Av = v, A(v) = v = v.
Se Au = u, A(v + u) = Av + Au = v + u = ( + )(v + u) = (v + u).
Isto quer dizer que mesmo que a matriz A seja uma matriz real, seus auto-
valores (e, consequentemente, seus autovetores) podem ser complexos.
Assim, o problema (4) ser equivalente ao problema (2) apenas quando E
for um espao vetorial complexo. Vamos, portanto, considerar daqui pra
frente que nosso espao vetorial sempre complexo.1
2.1 Exemplos
Exemplo.
2 1
A=
0 3
1 = 2, v 1 = (1, 0); 2 = 3, v 2 = (1, 1).
1
importante observar que alguns autores fazem um tratamento diferente deste problema,
dizendo que uma matriz real s pode ter autovalores reais, e que as razes complexas do po-
linmio caracterstico no definem autovalores. No faremos esta restrio aqui.
12
Exemplo.
1 0
A=
0 1
1 = 1, v 1 = (1, 0); 2 = 1, v 2 = (0, 1).
Exemplo.
1 2
A=
0 1
1 = 1, v 1 = (0, 1); 2 = 1, v 2 =?.
Exemplo.
1 1
A=
1 1
Exemplo.
1 0 0
A = 0 2 0
0 0 3
1 = 1, 2 = 2, 3 = 3; v 1 = (1, 0, 0), v 2 = (0, 1, 0), v 3 = (0, 0, 1).
Exemplo.
3 0 0
A = 0 3 0
0 0 3
1 = 3 = 2 = 3 ; v 1 = (1, 0, 0), v 2 = (0, 1, 0), v 3 = (0, 0, 1).
Exemplo.
1 3 3
A = 3 7 3
6 6 2
1 = 4, 2 = 4, 3 = 2; v 1 = (1, 1, 0), v 2 = (1, 0, 1), v 3 = (1, 1, 2).
Exemplo.
1 1
A=
5 3
1 + i , 1 i . (1, 2 i ), (1, 2 + i ).
Exemplo.
0 i
A=
i 0
13
3 Matrizes diagonalizveis.
Uma vez que calculamos todos os autovalores e autovetores de uma matriz,
possvel, em alguns casos, decompor a matriz em sua forma diagonal. Vamos
aqui analisar em que condies isso possvel e porque.
S 1 AS = ,
1 v 1 + . . . + n v n = 0, (4)
1 Av i + . . . + n Av n = 1 1 v 1 + . . . + n n v n = 0.
(1 n )1 = . . . = (n1 n )n1 = 0.
14
A matriz de diagonalizao no nica, j que os autovetores definem au-
toespaos.
Exemplo.
1/2 1/2
A=
1/2 1/2
1 1
1 = 1, 2 = 0; S = . (AS = S)
1 1
4 3
Exemplo. Se A = , quem A 100 ? 1 = 1, 2 = 5, v 1 = (1, 1), v 2 = (3, 1).
1 2
0 1
Exemplo. A = no diagonalizvel; 1 = 2 = 0, v 1 = (1, 0).
0 0
15
Exemplo 3.1.
0 1 0 0 1 0
AB = = .
0 0 1 0 0 0
A e B tem todos os autovalores nulos, enquanto que AB tem um autovalor = 1.
Os autovetores so completamente diferentes.
AB = S 1 A SS 1 B S = S 1 A B S e B A = S 1 B SS 1 A S = S 1 B A S.
Ax = x AB x = B Ax = B x.
16
Teorema 7. Se o subespao F E invariante pelo operador linear T : E E
ento seu complemento ortogonal F invariante pelo seu adjunto T .
a i j = u i , T (u j ) = T (u i ), u j = u j , T (u i ) = a j i .
17
Demonstrao. De fato, observe que se autovalor associado ao autovetor v
de T , ento T (u) = u. Da,
u, T (u) = u, u = u, u.
T (u), u = u, u = u, u.
J vimos que toda matriz que possui n autovalores distintos possui n auto-
vetores linearmente independentes. Para as matrizes simtricas, ou seja, ope-
radores auto-adjuntos, podemos mostrar ainda mais.
(i j )v i , v j = i v i , v j v i , j v j
= T (v i ), v j v i , T (v j )
= T (v i ), v j T (v i ), v j
= T (v i ), v j T (v i ), v j = 0,
18
Teorema 2). Agora, como W um subespao de dimenso n 1, segue da
hiptese de induo que existe uma base de W formada por autovetores de T ;
logo, {v 1 , v 2 . . . , v n } um conjunto ortonormal com n elementos, e portanto
base de E .
Q H AQ = .
5 Operadores Normais
Definio 5. Sejam E um espao vetorial com produto interno e T : E E . Di-
zemos que T normal se T (T (v)) = T (T (v)) para todo v E .
Exemplo 5.1.
T (z, w) = (z + i w, z i w)
19
(ii) Se T (v) = v, ento (T I )(v) = 0. Logo, k(T I )(v)k = 0. Usando o
item (i ), concluimos que k(T I ) (v)k = 0. Ento T (v) = v.
T (v 1 ), v 2 = v 1 , T (v 2 ) = v 1 , 2 v 2 = v 1 , v 2 .
Teorema 12. Sejam E um espao vetorial complexo com produto interno de di-
menso finita e T : E E . Ento T ser um operador normal se e somente se
existir uma base ortonormal de E cujos vetores sejam autovetores de T .
Demonstrao. Usando os teoremas anteriores possvel mostrarmos que se
v 1 autovetor de T , ento W = span{v 1 } invariante por T ; pelo mesmo lema
que usamos para a demonstrao do teorema espectral, concluimos que W
invariante tambm por T = T . O resto da demonstrao anlogo de-
monstrao do teorema espectral.
20
Se A fosse 1 por 1, ou seja, um escalar, teramos que a soluo deste problema
seria
u(t ) = e at u(0).
No tempo inicial t = 0, u(0) = e 0 u(0). Note que, dependendo de a, e at fica
limitado, vai pra zero, ou vai para o infinito.
No caso vetorial, vamos procurar solues parecidas; v(t ) = e t y e w(t ) =
t
e z, ou usando a notao vetorial,
u(t ) = e t x.
e t y = 4e t y 5e t z
e t z = 2e t y 3e t z
4y 5z = y
2y 3z = z.
21