Documente Academic
Documente Profesional
Documente Cultură
LINEAR
APOSTILA
POLI– 2006
Sumário
3
CAPı́TULO 1
Operadores Semi-simples
(−x) · y + x · y = [(−x) + x] · y
=0·y
=0
e, portanto,
(−x) · (−y) = x · y.
De modo que x > 0 e y > 0 acarretam (−x) · (−y) > 0. Assim, em
particular, se x ∈ R é um número real não nulo, então
ax2 + bx + c = 0,
com discriminante ∆ = b2 −4ac < 0 simplesmente não possuem solução
real. Quando passamos para certas equações de grau 3, por exemplo
as do tipo
(1) x3 = px + q,
a fórmula de Cardano para as raı́zes é:
q
3
√ q
3
√
x = q/2 + ∆ + q/2 − ∆,
onde o discriminante (análogo ao discriminante da equação de grau 2)
é
∆ = (q/2)2 − (p/3)3 .
Novamente temos a maldição do discriminante negativo: se (p/3)3 >
(q/2)2 a fórmula não se aplica! Porém aqui há algo substancialmente
diferente do caso de uma equação de grau 2 com discriminante negativo:
pelo menos uma das raı́zes de uma equação do tipo (1) é real!
Vejamos um exemplo:
√ a equação√x3 = 15x + 4 possui por raı́zes
x = 4, x = −2 − 3 e x = −2 + 3. Se aplicarmos a fórmula de
Cardano obteremos:
√ √
q q
3 3
x= −121 + 2 − −121
2+
√ √
q q
3 3
= 2 + 11 −1 + 2 − 11 −1
Será que essa fórmula não
√ produz nenhuma das raı́zes acima? Chamando
ao número imaginário −1 de i, verificamos que
(2 + i)3 = 8 + 3 · 4 · i + 3 · 2 · i2 + i3
= 8 + 12i − 6 − i
= 2 + 11i
e, analogamente, verificamos que (2 − i)3 = 2 − 11i, ou seja
√ √
q
3
2 ± −121 = 2 ± −1,
de onde a raiz x dada pela fórmula é:
x = (2 + i) + (2 − i) = 4.
1. ESPAÇOS VETORIAIS COMPLEXOS 7
i2 = −1.
O vetor (x, 0) se escreve simplesmente como x1. Então, como {(1, 0), (0, 1)}
é uma base do R2 , todo vetor (a, b) de R2 se escreve como
R · 1 = {a1 : a ∈ R}
= {(a, 0) : a ∈ R}
munido com a operação de multiplicação que definimos acima, funciona
exatamente como o conjunto dos números reais. De fato,
z̄ = a − bi.
E definimos também o valor absoluto ou módulo de z por
√ √
|z| = z z̄ = a2 + b 2 .
1. ESPAÇOS VETORIAIS COMPLEXOS 9
C = (−P ) ∪ {0} ∪ P,
onde P = {x ∈ C : x > 0} (o conjunto dos positivos) e (−P ) = {−x :
x ∈ P } (o conjunto dos negativos). Vimos no inı́cio desta seção que
(−x)(−y) = xy e, em particular, que (−x)2 = x2 . Assim, se z ∈ P , a
condição 2 implica que z 2 ∈ P e a observação no inı́cio deste capı́tulo
implica que (−z)2 = z 2 ∈ P , de modo que todo quadrado de C tem
10 1. OPERADORES SEMI-SIMPLES
x2 − y 2 + 2xyi = a + bi.
Essa equação é equivalente ao sistema
x2 − y 2 = a, 2xy = b.
Mas como w = z, temos também x + y 2 = |z|, de onde podemos
2 2
concluir que
|z| + a |z| − a
x2 = , y2 = .
2 2
Escolhendo as raı́zes quadradas positivas, podemos escrever
r r
|z| + a |z| − a
x= , y=ε ,
2 2
de modo que 2xy = b ou seja: ε = 1 se b > 0 e ε = −1 se b < 0. Isso
termina a prova do lema. 2
z = (r cos θ, rsenθ),
onde r = |z| e 0 ≤ θ < 2π. Assim, todo número complexo z 6= 0 pode
ser escrito na forma
1. ESPAÇOS VETORIAIS COMPLEXOS 11
R(w) = z0 w.
É fácil provar que R é um operador linear no espaço vetorial C, dei-
xamos essa verificação a cargo do leitor. Em termos da base canônica
de C sobre R, Can = {1, i}, vejamos qual é a matriz de R. Aplicando
R à essa base obtemos
R /C
C O
φ φ−1
R2 / R2
[R]Can
A1 : u + v = v + u, ∀ u, v ∈ V (comutativa)
A2 : u + (v + w) = (u + v) + w, ∀ u, v, w ∈ V (associativa)
A3 : existe em V um vetor, 0, tal que v + 0 = v, ∀v ∈ V
(elemento neutro)
A4 : para cada vetor v ∈ V existe um vetor, −v ∈ V, tal que − v + v = 0
(elemento oposto).
M1 : α(u + v) = αu + αv, ∀α ∈ C ∀u, v ∈ V (distributiva)
M2 : (α + β)v = αv + βv, ∀α, β ∈ C ∀v ∈ V (distributiva)
M3 : (αβ)v = α(βv), ∀α, β ∈ C ∀v ∈ V (associativa)
M4 : 1v = v, ∀v ∈ V.
É claro que todos os conceitos fundamentais que estudamos para
os R-espaços vetoriais se aplicam igualmente aos C-espaços vetoriais.
Por vezes, para enfatizar qual o corpo a que estamos nos referindo,
falaremos num C-subespaço ou numa C-base, em contraposição a um
R-subespaço ou a uma R-base.
Exemplo 1.8. Seja C o conjunto dos números complexos: C =
{a + bi : a, b ∈ R}. Já vimos que C é um R-espaço vetorial de
dimensão 2. Uma base para C é B = {1, i}. Mas a multiplicação usual
de números complexos pode ser usada para dar a C uma estrutura de
C-espaço vetorial: a soma de C continua a mesma e a multiplicação do
14 1. OPERADORES SEMI-SIMPLES
2. O complexificado de um operador
Já sabemos que um T : Rn → Rn é diagonalizável se e somente se
todas as raı́zes do polinômio caracterı́stico de T são reais e as respec-
tivas multiplicidades geométrica e algébrica são iguais. Se estivermos
trabalhando com um operador linear T : Cn → Cn , os conceitos de auto-
valor e autovetor se transportam sem problemas: um número complexo
λ é dito um autovalor de T se existir um vetor não nulo φ ∈ Cn tal que
T (φ) = λφ.
Analogamente ao caso real definimos também o polinômio carac-
terı́stico de T :
nj = dim V (λj ),
isto é, se e somente se as multiplicidades algébrica e geométrica forem
iguais.
Cn = V (λ1 ) ⊕ · · · ⊕ V (λk ).
T : Rn −→ Rn ,
tal que o polinômio caracterı́stico pT (X) de T possui raı́zes complexas.
Ele não será, portanto, diagonalizável; mas podemos imaginar o ope-
rador T como um operador de Cn , e podemos nos perguntar se (sobre
C) ele será diagonalizável. Em caso afirmativo, será que isso não nos
permitirá obter alguma representação matricial de T (real) que seja
útil?
Consideremos um operador linear T : Rn → Rn . Se fixarmos uma
base (por exemplo, a base canônica Can), T pode ser descrito pela
matriz associada
[T ]Can = (aij ).
Assim,
n n
!
X X
(2) T (x1 , . . . , xn ) = a1j xj , . . . , anj xj ,
j=1 j=1
16 1. OPERADORES SEMI-SIMPLES
[T c ]Can = [T ]Can .
Mas vejamos um exemplo:
Exemplo 2.2. Seja T : R2 → R2 o operador definido por
T (x, y) = (x − y, x + y).
Então
1 −1
[T ]Can = ,
1 1
e o complexificado de T fica o operador de C2 definido por
T c (z1 , z2 ) = (z1 − z2 , z1 + z2 ).
O polinômio caracterı́stico de T é pT (X) = (1−X)2 +1, que não possui
raı́zes reais. Assim, o operador (real) T não possui autovalores nem
autovetores. Mas pensando T como operador complexo, isto é, tomando
o seu complexificado T c , vemos que o seu polinômio caracterı́stico (que
é o mesmo de T ) admite duas raı́zes complexas distintas:
λ1 = 1 + i, λ2 = λ̄1 = 1 − i,
e portanto o operador T c do C-espaço vetorial C2 é diagonalizável.
Definição 2.3. Dizemos que um operador linear T : Rn → Rn é
semi-simples se o seu complexificado T c : Cn → Cn for diagonalizável.
Vimos acima que a matriz do complexificado T c de um operador
T na base canônica do Cn é a mesma matriz de T na base canônica
do Rn . Isso significa que o polinômio caracterı́stico de T c é igual ao
polinômio caracterı́stico de T e portanto tem coeficientes reais, de onde
podemos deduzir que se T c possui um autovalor λ ∈ C então o seu
complexo conjugado λ̄ também será autovalor de T c . Isso acarreta
que se ϕ = (z1 , . . . , zn ) é um autovetor de T c associado à λ, então
ϕ̄ = (z¯1 , . . . , z¯n ) será autovetor de T c , associado à λ̄. De fato, se
T c (ϕ) = λϕ, ϕ = (z1 , . . . , zn )
2. O COMPLEXIFICADO DE UM OPERADOR 17
n n
!
X X
T c (ϕ) = T c (z1 , . . . , zn ) = a1j zj , . . . , anj zj = λ(z1 , . . . , zn ),
j=1 j=1
n n
!
X X
T c (z̄1 , . . . , z̄n ) = a1j z̄j , . . . , anj z̄j = λ̄(z̄1 , . . . , z̄n ),
j=1 j=1
pT (X) = ±(X−r1 )n1 · · · (X−rk )nk (X 2 +d1 X+c1 )m1 · · · (X 2 +dl X+cl )ml ,
tal que T (wjk ) = rk wjk e T (uji ) = aj uji + bj vij e T (vij ) = −bj uji + aj vij .
18 1. OPERADORES SEMI-SIMPLES
os conjugados:
Já sabemos que cada V (rj ) possui uma base com vetores em Rn ; se
pudermos encontrar bases de Eij com vetores em Rn , obteremos uma
decomposição do Rn como uma soma direta de subespaços no máximo
bidimensionais, onde a ação de T fica simples. O próximo lema garante
que podemos escolher uma base {uji , vij } para Eij com vetores no Rn .
Vamos assumir esse resultado e terminar a prova do teorema. Se cada
somando direto da decomposição (3) possui uma base cujos vetores
estão em Rn , independentes sobre C, com muito mais razão eles serão
independentes sobre R. Isso decompõe o Rn assim:
M
Rn = V (r1 ) ⊕ · · · V (rk ) ⊕ [uji , vij ].
i,j
O próximo lema mostra que cada subespaço [uji , vij ] é invariante sob T ,
com a ação de T especificada no enunciado. 2
u0 = u, v 0 = −v,
teremos
20 1. OPERADORES SEMI-SIMPLES
3. Três exemplos
Inicialmente consideremos o operador T : R3 → R3 cuja matriz na
base canônica do R3 é:
1 0 1
[T ]Can = 0 1 0 .
−1 1 1
O polinômio caracterı́stico de T é pT (X) = −X 3 + 3X 2 − 4X + 2, e
suas raı́zes são λ1 = 1, λ2 = 1 + i e λ3 = 1 − i. Como essas raı́zes são
distintas, o complexificado T c : C3 → C3 é um operador diagonalizável.
Vamos encontrar uma base {φ1 , φ2 , φ3 } de C3 tal que
w1 = (1, 1, 0)
φ2 = (−i, 0, 1) = (0, 0, 1) + i(−1, 0, 0)
φ3 = (i, 0, 1) = (0, 0, 1) − i(−1, 0, 0)
3. TRÊS EXEMPLOS 21
φ1 = (1, 1, 0, 0, 1)
φ2 = (0, 1, 1 + i, 0, 0) = (0, 1, 1, 0, 0) + i(0, 0, 1, 0, 0)
φ3 = (0, 0, 0, 1, i) = (0, 0, 0, 1, 0) + i(0, 0, 0, 0, 1)
temos pelo teorema E12 = [φ2 , φ2 ] e E22 = [φ3 , φ3 ] então podemos de-
compor R5 em subespaços invariantes sob T :
R5 = VC (1) ⊕ E12 ⊕ E22 ,
conforme o teorema, onde tomamos VC (1) = [(1, 1, 0, 0, 1)],
E12 = [(0, 1, 1, 0, 0), −(0, 0, 1, 0, 0)] e E22 = [(0, 0, 0, 1, 0), −(0, 0, 0, 0, 1)].
Construı́mos a base do R5 :
D = {(1, 1, 0, 0, 1), (0, 1, 1, 0, 0), (0, 0, −1, 0, 0), (0, 0, 0, 1, 0), (0, 0, 0, 0, −1)}.
A matriz de T em relação a essa base é:
1 0 0 0 0
0 1 −1 0 0
[T ]D = 0 1 1 0 0 .
0 0 0 1 −1
0 0 0 1 1
r1 = 1, r2 = 2, λ1 = i, λ̄1 , λ2 = 1 + i, λ̄2 .
Como são raı́zes distintas, T é diagonalizável sobre C. Vamos en-
contrar os autoespaços. Sabemos que são todos unidimensionais, e
podem ser encontrados resolvendo-se o sistema linear homogêneo
([T ]Can − λI)) = 0.
Eis os resultados:
1. λ = 1:
V (1) = [(−2, 21/4, 7/4, −3/8, −1/8, 1)].
2. λ = 2:
f (0) − f (a)
= f 0 (x̄)
0−a
para algum x̄. Mas, por hipótese, f 0 (x̄) = 0, ou seja, f (0) = f (a).
Como a percorre todos os reais não nulos podemos concluir que f (x)
tem que ser constante em R.
No caso geral, o teorema fundamental do cálculo fornece a resposta:
dada ϕ, a equação (4) possui como solução
Z x
f (x) = ϕ(λ)dλ,
c
A = ke−ax0 ,
de onde
Z x
−a(x−x0 ) −ax
f (x) = Ae +e ϕ(t)eat dt.
x0
Isso termina a prova do teorema. 2
Como ficam essas equações em termos de álgebra linear? O ope-
rador natural que deve ser considerado primeiro é o operador derivação:
d
D= .
dx
Mas quais os espaços vetoriais devem ser considerados? Se ϕ(x) for
uma função infinitamente derivável, então existe um espaço natural:
o de todas as funções f : R → R que admitem derivadas de todas as
ordens, C ∞ (R; R), pois nesse caso se f (x) ∈ C ∞ (R; R) então também
D(f ) ∈ C ∞ (R; R). Uma equação do tipo f 0 (x) + af (x) = ϕ(x) poderı́a
ser escrita como
(D + aI)(f ) = ϕ,
onde (D + aI) : C (R; R) → C ∞ (R; R) é o operador linear
∞
ϕ(x) será uma função de variável real x que assume valores complexos:
f : R → C.
Como todo número complexo z = u + iv possui uma parte real u
e uma parte imaginária v, toda função f (x) que assume valores com-
plexos pode ser escrita como
f (x) = u(x) + iv(x),
onde u, v : R → R são duas funções de variável real a valores reais. As
funções u(x) e v(x) são chamadas, respectivamente, de a parte real e a
parte imaginária de f (x). Dizemos que f (x) é derivável se a sua parte
real e a sua parte imaginária forem deriváveis e, nesse caso, escrevemos
f 0 (x) = 0.
Em termos das partes real e imaginária de f (x), essa equação se escreve
como u0 (x) = 0 e v 0 (x) = 0. Pelo nosso estudo do caso real, sabemos que
30 2. EQUAÇÕES DIFERENCIAIS LINEARES
xj (t) : R → R
que satisfazem (12). É conveniente escrever o sistema acima na forma
matricial, pondo X(t) = (x1 (t), . . . , xn (t))t e A = (aij ):
1. Sistemas diagonais
D = Diag(a1 , . . . , an ) = M −1 AM,
o que nos dá esperança de passar o vetor de incógnitas para a base
B, resolver o sistema na forma diagonal e voltar para a base canônica.
Pomos
3 0 0
D = 0 1 0 .
0 0 9
A mudança de coordenadas:
X(t) = M Y (t)
resulta no sistema: Y 0 = DY , ou seja,
7 9 t
x01 (t) = e3t − e − e9t
8 8
1 3 t
x02 (t) = e3t − e − e9t
8 8
1 3 t
x03 (t) = e3t + e − 2e9t
8 4
36 3. SISTEMAS DE EQUAÇÕES DIFERENCIAIS
2. Sistemas semi-simples
r1
·
·
·
rk
a1 −b1
S=
b 1 a1
·
·
·
al −bl
bl al
O sistema original X 0 (t) = AX(t) se transforma no sistema Y 0 (t) =
SY (t) por meio da mudança de variáveis X(t) = P Y (t), da seguinte
maneira:
T (v) = Av,
é
1 0 0 0 0
0 1 −1 0 0
S=
0 1 1 0 0 .
0 0 0 1 −2
0 0 0 2 1
Em termos matriciais existe uma matriz inversı́vel P tal que S =
P −1 AP . Achemos P . Sobre C encontramos uma base de C5 for-
mada por autovetores: Av1 = v1 , Av2 = (1 − i)v2 , Av3 = (1 + i)v3 ,
Av4 = (1 − 2i)v4 , Av5 = (1 + 2i)v5
w1 = v1 = (1, 0, 1, 1, 0),
w2 = Re(v3 ) = (0, 1, −1, 1, 1),
w3 = −Im(v3 ) = (0, −1, −1, 0, 0),
w4 = Re(v5 ) = (−1, 0, 0, −1, 1),
w5 = −Im(v5 ) = (1, 0, 0, 1, 0).
Montamos agora a matriz de mudança de base dessa nova base B
para a base canônica, Can, do R5 :
1 0 0 −1 1
0 1 −1 0 0
P = [I]B,Can =
1 −1 −1 0 0 .
1 1 0 −1 1
0 1 0 1 0
A inversa de P é:
−2 −1 1 2 0
−1 0 0 1 0
−1
P = [I]Can,B =
−1 −1 0 1 0 .
1 0 0 −1 1
4 1 −1 −3 1
Temos [T ]B = [I]Can,B [T ]Can [I]Can,B , ou seja: S = P −1 AP . A mudança
de coordenadas
X(t) = P Y (t),
vai resultar no sistema Y 0 (t) = SY (t), ou seja:
y1 (t) = c1 et ,
y2 (t) = c2 et cos(t) − c3 et sen(t),
y3 (t) = c3 et cos(t) + c2 et sen(t),
y4 (t) = c4 et cos(2t) − c5 et sen(2t),
y5 (t) = c5 et cos(2t) + c4 et sen(2t).
com c1 , c2 , c3 c4 , c5 ∈ R. A solução geral do sistema original é dada por
X(t) = P Y (t).
Exercı́cio 2.1. Resolva o sistema X 0 = AX, onde A é a mesma
matriz acima, com a condição inicial X(0) = (1, 1, 0, 1, 0)t .
X(t) = P Y (t),
vai resultar no sistema Y 0 = SY , ou seja:
y1 (t) = c1 et ,
y2 (t) = c2 et cos(t) − c3 et sen(t),
y3 (t) = c3 et cos(t) + c2 et sen(t),
y4 (t) = c4 et cos(t) − c5 et sen(t),
y5 (t) = c5 et cos(t) + c4 et sen(t).
com c1 , c2 , c3 c4 , c5 ∈ R. A solução geral do sistema original é dada por
X(t) = P Y (t).
Exercı́cio 2.2. Resolva o sistema X 0 = AX, onde A é a mesma
matriz acima, com a condição inicial X(0) = (1, 1, 1, 1, 1)t .
1, 1, 2, 3, 5, 8, 13, 21, . . .
obedece a seguinte equação de recorrência:
xn+1 = xn + xn−1 ,
onde n ≥ 1 e x0 = x1 = 1. Vamos usar a teoria das formas canônicas
de operadores para mostrar que vale a fórmula:
3. SISTEMAS DINÂMICOS DISCRETOS 41
√ n+1
√ n+1
1+ 5
2
− 1−2 5
xn = √ .
5
Observamos inicialmente que se fizermos a mudança de variáveis
yn = xn−1 obteremos o sistema:
xn+1 = xn + yn
yn+1 = xn
onde temos a condição inicial: x1 = y1 = 1. Matricialmente temos
xn+1 1 1 xn
= ,
yn+1 1 0 yn
de modo que se introduzirmos o operador T : R2 → R2 dado por
T (x, y) = (x + y, x),
cuja matriz na base canônica é a matriz acima, o sistema pode ser
reescrito como
B m = (M −1 AM )(M −1 AM ) · · · (M −1 AM )
= M −1 A(M M −1 )A(M M −1 )A(M · · · M −1 )A(M M −1 )AM
= M −1 Am M,
ou seja, se B = M −1 AM então Am = M B m M −1 . No caso em que A é
diagonalizável existe M inversı́vel tal que
42 3. SISTEMAS DE EQUAÇÕES DIFERENCIAIS
B = M −1 AM = Diag(λ1 , . . . , λn ),
−1
e assim, Am = M Diag(λm m
1 , . . . , λn )M .
Para o sistema de Fibonacci acima, o polinômio caracterı́stico da
matriz
1 1
A=
1 0
2
é: pA (X) = (1 − X)(−X) − 1 = X − X − 1, cujas raı́zes são
√ √
1+ 5 1− 5
λ1 = , λ2 = .
2 2
Como essas raı́zes são reais e distintas, A é diagonalizável. Vamos achar
a base {v1 , v2 } do R2 , formada por autovetores de A.
É fácil verificar que o autoespaço de λ1 é gerado por (λ1 , 1), e o
autoespaço de λ2 é gerado por (λ2 , 1). Assim,
e, em particular,
3. SISTEMAS DINÂMICOS DISCRETOS 43
xn 1 λn1 − λn2 −λn1 λ2 + λn2 λ1 1
=√ n−1 n−1
yn 5 λ1 − λ 2 −λn−1
1 λ2 + λ1 λn−1
2 1
e portanto
λn1 − λn2 − λ2 λn1 + λ1 λn2
xn = √ ,
5
de onde tiramos, lembrando que λ1 + λ2 = 1,
λn1 (1 − λ2 ) − λn2 (1 − λ1 )
xn = √
5
n+1 n+1
λ −λ
= 1 √ 2
5
√ n+1 √ n+1
1+ 5
2
− 1−2 5
= √
5
que é a fórmula que querı́amos demonstrar.
A sequência de Fibonacci {xn } possui uma propriedade muito in-
teressante: a sequência
xn xn
=
xn−1 yn
dos quocientes sucessivos, é uma sequência convergente para λ1 . Ve-
jamos alguns valores
1 2 3 5 8
= 1, = 2, = 1, 5, = 1.666, = 1.6
1 1 2 3 5
13 21 34 55
= 1.625, = 1.615, = 1, 619, = 1.617.
8 13 21 34
vj , λj vj , λ2j vj , λ3j vj , . . . .
Como
λ1 = 1.6180..., λ2 = −0.6180...
ou seja, |λ1 | > 1 e |λ2 | < 1, o autoespaço V (λ1 ) = [v1 ] é repulsor,
no sentido de que qualquer condição inicial não nula que esteja em
44 3. SISTEMAS DE EQUAÇÕES DIFERENCIAIS
(xn , yn ) = αλn−1
1 v1 + βλ2n−1 v2 ,
e, como λn−1
2 tende à zero quando n tende à infinito, o ponto (xn , yn )
vai ficando cada vez mais próximo da reta [v1 ], que tem por equação
y = (1/λ1 )x. Assim, xn /yn vai se aproximando cada vez mais de λ1 .
Isso significa que a sequência de Fibonacci {xn } vai se tornando
cada vez mais parecida com uma progressão geométrica de razão λ1 (o
número áureo!), quando n vai crescendo.
y1 (n) = x(n),
y2 (n) = x(n − 1),
y3 (n) = x(n − 2),
...............,
yk+1 (n) = x(n − k)
e o sistema discreto associado:
S = Diag(λ1 , . . . , λr , B1 , . . . , Bs ),
onde λj ∈ R e
aj b j
Bj = ,
−bj aj
e portanto (prove como exercı́cio!) temos
S m = Diag(λm m m m
1 , . . . , λr , B1 , . . . , Bs ).
Assim, para entender o sistema Xn = AXn−1 basta entender o
sistema bidimensional
a = rcos(θ), b = rsen(θ),
46 3. SISTEMAS DE EQUAÇÕES DIFERENCIAIS
√
onde r = a2 + b2 e 0 ≤ θ < 2π a matriz desse sistema fica:
cos(θ) −sen(θ)
S=r ,
sen(θ) cos(θ)
de onde, como já provamos no capı́tulo 1,
m m cos(mθ) −sen(mθ)
S =r
sen(mθ) cos(mθ)
m
e aplicar S a uma condição inicial (x, y) corresponde a multiplicar o
número complexo x + iy pelo número complexo (a + ib)m . Assim, se
|a + ib| < 1, o sistema tende à zero, espiralando em torno da origem.
Se |a + ib| > 1 o sistema vai espiralando para infinito. Se |a + ib| = 1
temos duas possibilidades: 1) λ = a + ib é uma raiz da unidade, ou
seja, λk = 1 para algum k natural. Nesse caso o sistema vai produzir
uma órbita periódica de perı́odo k, qualquer que seja a condição inicial
não nula e 2) λ = a + ib não é uma raiz da unidade e a órbita será
densa na circunferência cuja raio é a norma da condição inicial.
CAPı́TULO 4
Exercı́cios
(a) (1 + i)2006
(b) (cos(π/3) + isen(π/3))315
|z| ≤ 1 − Re(z),
47
48 4. EXERCÍCIOS
T.
(b) Mostre que T é um operador semi-simples.
4. EXERCÍCIOS 51
3. z = −i ou z = ±( √12 + √1 i)
2
ou z = −1.
(I + N )(I − N + N 2 ) = I − N 3 = I.