Cap´ıtulo
3
´
Algebra (an´
eis) de
polinˆ
omios
Uma fun¸c˜ao de uma vari´avel real x ´e denominada polinˆomio com coefici-entes no corpoK se puder ser representada como
f (x) = a0+ a1x +· · · + anxn, ai2 K, 1 i n.
B Exerc´ıcio 87: Mostre que os coeficientes aiacima s˜ao ´unicosC
Os polinˆomios formam uma sub´algebra da ´algebra das fun¸c˜oes reais, de-notada por R[x]. Para o caso de polinˆomios sobre um corpo K arbitr´ario, usaremos uma defini¸c˜ao mais apropriada e geral.
B Exemplo 16: Os polinˆomios p(x) = x e q(x) = x3 sobre o corpo Z 3
tomam os mesmos valores, enquanto que os polinˆomios p(x) = x e q(x) = x2
sobre o corpoZ2 tamb´em tomam os mesmos valoresC
Tome o espa¸co vetorial K1 das sequˆencias de elementos sobre um corpo
K onde somente um n´umero finito de entradas s˜ao n˜ao nulas. Enumeramos
48 3. ´ALGEBRA (AN ´EIS) DE POLIN ˆOMIOS
os termos de tais sequˆencias de tal maneira que uma base{e0, e1, . . . , ek, . . .}
para K1 pode ser obtida denotando por e
k a sequencia cujo k-´esimo termo
´e igual a um e os demais termos s˜ao nulos. Tal espa¸co vetorial munido de um produto — denotado aqui por justaposi¸c˜ao — eiej= ei+j ´e uma ´algebra,
comutativa e associativa, onde e0 faz o papel de identidade. Tal ´algebra ´e
denotada porK[x].
Convencionamos agora identificar elementos do tipo be0 da ´algebra K[x],
b2 K, com os elementos de K. Denotamos tamb´em ek = xk e
(a0, a1, a2, . . . , an0, . . .) = n X i=0 aiei= n X i=0 aixi (3.1)
Os n´umeros a0, a1, a2, . . . , an s˜ao denominados coeficientes do polinˆomio, e
o ´ultimo coeficiente n˜ao nulo ´e chamado de coeficiente l´ıder, sendo que seu ´ındice ´e o grau do polinˆomio p, denotado por deg p. Um polinˆomio ´e deno-minado mˆonico se o coeficiente l´ıder associado ´e igual a um.
B Exerc´ıcio 88: Mostre que deg (p + q) max{deg p, deg q} e que deg pq = deg p + deg q C
O produto entre polinˆomios com coeficientes ai e bj´e outro polinˆomio com
coeficientes ck=Pki=0aibk i.
I Teorema 22: Considere p, q 2 K[x] e q 6= 0. Existem polinˆomios s e r tais que p = sq + r e, ou r = 0 ou deg r < deg q J
Demonstra¸c˜ao: (Dizemos que p ´e divis´ıvel por q se r = 0). Se deg q > deg p, tomamos s = 0 e r = p. Se deg q deg p, considere p =Pni=0aixn i
e q =Pmi=0aixm i, onde a0, b06= 0, e defina
p1= p
a0
b0
xn mq,
que possue o grau menor do que o grau de p. Se o grau de p1 for menor do
que o grau de q, podemos tomar s = a0
b0x
n m e r = p
1. Se n˜ao, podemos
fazer o mesmo procedimento sucessivamente, at´e obtermos um polinˆomio do tipo
s = c0xn m+ c1xn m 1+· · · + cn m.
tal que deg (p sq) < deg (q). Esse ´e o quociente da divis˜ao de p por q e r = p sq ´e o resto. Tais polinˆomios s˜ao ´unicos, pois dados
p = s1q + r1 s2q + r2, onde deg r1< deg q e deg r2< deg q.
Isso implica que r1 r2= (s2 s1)q e supondo que s16= s2, ent˜ao deg (r1 r2)
= deg (q2 q1) + deg q deg q, o que ´e uma contradi¸c˜ao. Portanto s1= s2
49
A divis˜ao de um polinˆomio pelo monˆomio (x a) com resto, significa que o resto tem grau menor que um, ou seja, o resto ´e um elemento deK. Portanto, p(x) = (x a)s(x)+r, o que implica que p(a) = r, e este ´e o chamado teorema de Bezout. Dizemos agora que um elemento a2 K ´e uma raiz do polinˆomio p2 K[x] se p(a) = 0.
O teorema de Bezout implica que
I Teorema 23: O elemento a 2 K ´e uma raiz do polinˆomio p 2 K[x] se e somente se p ´e divis´ıvel por x a J
que usaremos para provar o seguinte:
I Teorema 24: O n´umero de ra´ızes de um polinˆomio n˜ao nulo nunca excede o grau do polinˆomio J
Demonstra¸c˜ao: Considere a1 uma raiz de p2 K[x]. Ent˜ao
p = (x a1)p1, p12 K[x].
Considere agora a2 uma raiz de p12 K[x]. Ent˜ao
p1= (x a2)p2, p22 K[x],
e portanto p = (x a1)(x a2)p2. Sucessivamente, encontramos finalmente
p = (x a1)(x a2)· · · (x am)q, (3.2)
onde q 2 K[x] n˜ao possui ra´ızes do polinˆomio p. Os elementos ai s˜ao todos
ra´ızes de p, pois para qualquer a2 K, p(a) = (a a1)(a a2)· · · (a am)q(a)
e j´a que g(a)6= 0, p(a) = 0 se e somente se a = aj para algum j entre 1 e m.
Portanto o n´umero de ra´ızes nunca excede m. Al´em disso, m = deg p deg q deg p 3
I Obs.16: Uma raiz a do polinˆomio p ´e denominada raiz simples se p n˜ao for divis´ıvel por (x a)2. A multiplicidade da raiz a ´e o m´aximo k
2 N tal que p seja divis´ıvel (x a)k. Uma raiz simples possui portanto multiplicidade
igual a umJ
Podemos agora enunciar o teorema anterior de uma forma mais completa. I Teorema 25: O n´umero de ra´ızes de um polinˆomio levando-se em conta suas multiplicidades nunca excede o grau do polinˆomio. Tal n´umero ´e igual se e somente se o polinˆomio for um produto de fatores lineares J
Demonstra¸c˜ao: Podemos reescrever (3.2) agrupando os mesmos fatores, como
50 3. ´ALGEBRA (AN ´EIS) DE POLIN ˆOMIOS
onde as ra´ızes a1, a2, . . . , ac s˜ao distintas. Podemos da´ı escrever
p = (x aj)kjgi, onde gj(aj)6= 0,
o que significa que aj ´e uma raiz de multiplicidade kj. Assim, o n´umero de
ra´ızes contadas juntamente com suas multiplicidades ´e igual a k1+ k2+· · · + kc = deg p deg q.
3
B Exerc´ıcio 89: Considere o polinˆomio p = b0xn+b1xn 1+· · ·+bn 1x+bn
que cinde em fatores lineares, ou seja, p = b0(x a1)(x a2)· · · (x an), onde
a1, a2, . . . , an s˜ao ra´ızes de p. Comparando os coeficientes de xp em ambas
as express˜oes para p, mostre as f´ormulas de Vi`ete: a1+ a2+· · · + an = b1 b0 a1a2+ a2a3+· · · + an 1an = b2 b0 .. . ... X j1<j2<···<jk aj1aj2· · · ajk = ( 1) kbk b0 .. . ... a1a2· · · an = ( 1)nbn b0 (3.3) C B Exemplo 17: O polinˆomio p = x4+ a 1x3+ a2x2+ a3x + a4 que tem a
raiz x = 1 com multiplicidade dois e raizes simples x = 2 e x = 3, pode ser escrito pelas f´ormulas de Vi`ete como [?]
p = x4 7x3+ 17x2 17x + 6 C
Nosso objetivo agora ´e demonstrar o teorema fundamental da ´algebra de C. Para tanto necessitaremos de uma s´erie de lemas e corol´arios.
I Defini¸c˜ao 5: Uma sequˆencia de n´umeros complexos zk onde k 2 N
converge a um n´umero complexo z (denotaremos zk ! z) se |zk z| ! 0 J
51
Demonstra¸c˜ao: Isso vem do fato de que se zk ! z e wk ! w, ent˜ao
zkwk ! zw. 3
I Lema 3: Se |zk| ! 1 e p 2 C[z] ´e um polinˆomio de grau positivo,
ent˜ao|f(zk)| ! 1 J
Demonstra¸c˜ao: Considere o polinˆomio p = b0xn+ b1xn 1+· · · + bn 1x +
bn, com bn6= 0. Ent˜ao |f(zk)| = |zk|n b0+ b1 zk +· · · + bn 1 zkn 1+ bn zn k |b0| ✓ |b1| |zk| · · · |bn 1| |zn 1| k |bn| |zk|n ◆
O termo entre parˆenteses tende a b0e portanto|f(zk)| ! 1 3
I Lema 4: (d’Alembert) Seja p2 C[x] um polinˆomio de grau positivo e z0 2 C tal que p(z0)6= 0. Ent˜ao em qualquer vizinhan¸ca de z0 existe z 2 C
tal que|p(z)| < |p(z0)| J
Demonstra¸c˜ao: Em geral, p(z)
p(z0)
= 1 + dj(z z0)j+ dj+1(z z0)j+1+· · · + dn(z z0)n, dj 6= 0. (3.4)
Provaremos agora que o m´odulo da express˜ao acima ´e menor que um. Escolha z = z0+ tz1, t2 (0, 1) e z12 C tal que djz1j= 1. A Eq.(3.4) implica que
p(z) p(z0)
= 1 tj+ tj+1q(t),
onde deg q = n j 1. Se A ´e o valor m´aximo dos coeficientes de q, ent˜ao |q(t)| (n j)A, o que implica em
p(z) p(z0) 1
tj+ (n j)Atp+1 = 1 tj(1 (n j)At) < 1,
para t < (n j)A1 3
De posse desses resultados podemos ent˜ao provar o teorema fundamental da ´algebra:
I Teorema 26: Todo polinˆomio de grau positivo sobre o corpo dos com-plexos possui raiz J
52 3. ´ALGEBRA (AN ´EIS) DE POLIN ˆOMIOS
Demonstra¸c˜ao: Considere p2 C[z] um polinˆomio de grau positivo. Seja M = inf
z |p(z)|. Pela defini¸c˜ao de ´ınfimo, existe uma sequˆencia de n´umeros
complexos zk tal que|p(zk)! M. Se a sequˆencia zkfor ilimitada, ela cont´em
uma subsequˆencia que tende ao infinito. Isso contradiz o Lema acima que antecede o Lema de d’Alembert. Portanto existe B > 0 tal que|zk| B, 8k 2
N. Escrevendo zk = xk+ iyk, ent˜ao|xk| |zk| B e |yk| |zk| B. Pelo
teorema de Bolzano-Weierstrass, a sequencia (xk) possui uma subsequencia
(xk`) convergente e portanto (xk`)! x0. Da mesma maneira (yk`)! y0 e
portanto (zk) ! z0, o que implica em |p(zk)| ! |p(z0)| = M. Se M > 0
isso contradiz o lema de d’Alembert, pois se p(z0)6= 0, tal lema nos diz que
|p(z)| < |p(z0)| em uma vizinhan¸ca pr´oxima de z0. Portanto M = 0 e da´ı
p(z0) = 0 3
B Corol´ario 3: Em C[x] qualquer polinˆomio cinde em fatores lineares C Demonstra¸c˜ao: Na Eq.(3.2) o polinˆomio q deve ter grau zero, pois ele pode cindir em polinˆomios de grau menor e assim sucessivamente, at´e que p seja o produto de fatores lineares e portanto q2 C 3
Pelo Teorema anterior, segue-se o
B Corol´ario 4: Todo polinˆomio de grau n sobre C possui n ra´ızes, contadas juntamente com suas multiplicidadesC
Cap´ıtulo
4
Operadores Lineares e
Dualidade
4.1 Preliminares
Uma aplica¸c˜ao linear : W ! V ´e unicamente determinada pelas imagens dos vetores da base de W . Com efeito, dada uma base{ei} de W , para todo
vetor v =Piaiei temos
(v) =X
i
ai (ei)
Se vi 2 V s˜ao vetores arbitr´arios, ent˜ao : W ! V definido como (v) =
P
iaivi ´e linear, e (ei) = vi. Considerando :Kn ! Kmum mapa linear,
aplicando a e1, e2, . . . , en2 Kn, temos que
(ej) = (a1j, a2j, . . . , amj)|2 Km, j = 1, 2, . . . , n.
A matriz do operador na base{ei} ´e a matriz (aij) determinada por (ei) =
P
jaijej.
54 4. OPERADORES LINEARES E DUALIDADE
B Exemplo 18: A rota¸c˜ao de um vetor por um ˆangulo ✓ ´e um operador linear emR2. Em uma base ortonormal sua matriz ´e dada por
⇧(✓) = ✓
cos ✓ sin ✓ sin ✓ cos ✓
◆
Em particular, uma rota¸c˜ao de ⇡/2 nessa base corresponde `a matriz ✓
0 1
1 0
◆ . Encontremos a matriz de tal operador na base
e01 = 2e2
e02 = e1 e2
A matriz mudan¸ca de base B ´e dada por B = ✓ 0 1 2 1 ◆ ) B 1= ✓ 1/2 1/2 1 0 ◆ Portanto ⇧(✓)0 = B 1⇧(✓)B = ✓ 1/2 1/1 1 0 ◆ ✓ 0 1 1 0 ◆ ✓ 0 1 2 1 ◆ = ✓ 1 1 2 1 ◆ C
I Defini¸c˜ao 6: Um subespa¸co vetorial U ⇢ V ´e invariante com respeito a um operador linear 2 End(V ) se (U) ⇢ U J
A restri¸c˜ao |U de ao subespa¸co invariante U ´e uma aplica¸c˜ao linear em U .
Se escolhemos uma base{e1, . . . , en} de V , tal que U = he1, . . . , eki — o que
´e sempre poss´ıvel — ent˜ao a matriz de tem a forma ✓
A B
0 C
◆
(4.1) onde A ´e a matriz do operador |U na base{e1, . . . , ek}, C ´e uma matriz de
ordem (n k) e B ´e uma matriz k⇥ (n k).
No caso em que V = U W , onde U e W s˜ao dois subespa¸cos invariantes, se{e1, . . . , ek} ´e base de U e {ek+1, . . . , en} ´e base de W , ent˜ao {e1, . . . , en}
´e base de V , e nessa base podemos escrever a representa¸c˜ao matricial de
como ✓
A 0
0 C
◆
onde A ´e a matriz do operador |U na base {e1, . . . , ek} e C ´e a matriz do
4.2. TRANSFORMAC¸ ˜OES GRADIENTE E CONTRAGRADIENTE 55
V como a soma direta de k subespa¸cos invariantes V = V1 V2 · · · Vk,
ent˜ao na base de V , formada por bases dos subespa¸cos Vi, a matriz de ´e
da forma 0 B B B @ A1 0 · · · 0 0 A2 · · · 0 .. . ... . .. ... 0 0 · · · An 1 C C C A onde Ai ´e a matriz do operador |Vi.
B Exemplo 19: Similarmente, a rota¸c˜ao em torno de um eixo por um ˆ
angulo ✓ ´e um operador linear emR3. Numa base ortonormal{e
1, e2, e3} tal
que e3seja colinear com o eixo de rota¸c˜ao, o operador tem a seguinte forma:
✓
⇧(✓) 0
0 1
◆
Isso concorda com a maneira pela qual R3 ´e cindido na soma direta R3 =
he1, e2i he3i C
B Exerc´ıcio 90: Seja : K3
! K3 dada por (x, y, z) = (x + z, 2x +
y, x + 2y + 4z). A matriz de em rela¸c˜ao `a base canˆonica deK3´e dada por
0
@ 12 1 00 1 1 2 4
1 A
Seja uma outra base{f1, f2, f3} de K3 dada por f1= (1, 0, 1), f2= ( 1, 2, 1)
e f3= (2, 1, 1). Determine a matriz de na base{fi}C
4.2 Transforma¸c˜
oes Gradiente e Contragradiente
A diferen¸ca entre vetores e covetores pode ser bem explorada quando con-sideramos por exemplo, o efeito de uma mudan¸ca de base. Vamos consi-derar uma mudan¸ca B B! B0 descrita por e0
j =
Pn
i=1Bijei. Um vetor v
tem coordenadas {vi} na base B e coordenadas {v0i} na base B0, de modo
que v = Piviei = Piv0ie0i. A rela¸c˜ao entre essas coordenadas ´e portanto
vj =P iB
j iv0i.
Sejam agora B⇤ = {ei
} e B0⇤ ={e0i} as bases respectivamente duais `as
bases B = {ei} e B0 = {e0i}, respectivamente. Temos portanto ei(ej) =
e0i(e0
j) = ij. Como vimos acima, as coordenadas de um funcional ↵ 2 V⇤
nas bases B⇤ e B0⇤ s˜ao dadas pelo valor desse funcional nas bases B e B0,
56 4. OPERADORES LINEARES E DUALIDADE e0 j = P iBijei ent˜ao ↵0j = P iBij↵i e da´ı ej =PiB j ie0i. Em resumo, numa
mudan¸ca de base as coordenadas de um covetor transformam-se da mesma maneira que os vetores da base, ou seja, enquanto que as coordenadas de um vetor transformam-se da mesma maneira que os covetores da base dual.
`
As vezes se denomina a transforma¸c˜ao dos vetores da base de gradiente e a transforma¸c˜ao das coordenadas de contragradiente. Segundo essa deno-mina¸c˜ao ent˜ao os vetores da base dual se transformam de maneira contra-gradiente enquanto as coordenadas dos covetores se transformam de maneira gradiente.
B Exemplo 20: Sejam B = {ei} a base canˆonica de R3, ou seja, e1 =
(1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1), e B0 ={e0i} uma outra base tal que
e0
1= ( 1, 1, 1), e02= ( 1, 0, 1) e e03= (2, 1, 1). Dado um vetor v = viei =
v0ie0
i, a rela¸c˜ao entre suas coordenadas{vi} e {v0i} com rela¸c˜ao `a estas bases
pode ser expressa na forma 0 @v 1 v2 v3 1 A = 0 @ 11 01 21 1 1 1 1 A 0 @v 01 v02 v03 1 A , 0 @v 01 v02 v03 1 A = 0 @10 11 11 1 0 1 1 A 0 @v 1 v2 v3 1 A , enquanto a rela¸c˜ao entre os vetores das bases ´e
e01= e1 e2+ e3, e1= e01+ e03,
e02= e1+ e3, e2= e01+ e02,
e03= 2e1+ e2 e3, e3= e01+ e02+ e03.
Seja B⇤={ei
} ´e a base dual de B. Escrevendo os vetores {ei} como
e1= (1, 0, 0)|, e2= (0, 1, 0)|, e3= (0, 0, 1)|,
ent˜ao a base dual ´e escrita como
e1= 1 0 0 , e2= 0 1 0 , e3= 0 0 1 . Seja agora B0⇤={e0i} a base dual de B0. Devemos ter portanto e0i(e0
j) = ij,
ou seja, e01(e0
1) = 1, e01(e02) = e01(e03) = 0, etc. Para acharmos a rela¸c˜ao
entre os vetores das bases duais podemos, por exemplo, agir com e0i sobre os vetores ej expressos em termos de B0. Por exemplo:
e01(e1) = e01(e01+ e30) = e01(e01) + e01(e03) = 1,
e01(e2) = e01( e01+ e02) = e01(e01) + e01(e02) = 1,
4.2. TRANSFORMAC¸ ˜OES GRADIENTE E CONTRAGRADIENTE 57
de onde conclu´ımos que e01= e1 e2+ e3. O procedimento an´alogo pode ser
usado para expressar eiem termos da base B0⇤. Os resultados que
encontra-mos s˜ao
e01= e1 e2+ e3, e1= e01 e02+ 2e03,
e02= e2+ e3, e2= e01+ e03, e03= e1+ e3, e3= e01+ e02 e03. Seja agora o funcional linear ↵ tal que
↵(v) = ↵1v1+ ↵2v2+ ↵3v3,
onde{↵i} s˜ao as componentes de ↵ na base B⇤. Se escrevemos as
componen-tes de v em termos de uma matriz-linha, ent˜ao as componente do funcional linear ↵ podem ser escritas em termos da matriz-coluna [↵]B⇤ = ↵1, ↵2, ↵3 .
Com isso ↵(v) = ↵1, ↵2, ↵3 0 @v 1 v2 v3 1 A = ↵1v1+ ↵2v2+ ↵3v3. Se ↵0
i s˜ao as componentes de ↵ na base B0⇤, ou seja, ↵ = ↵iei = ↵0ie0i,
encontramos a seguinte rela¸c˜ao entre as componentes: ↵1, ↵2, ↵3 = ↵01, ↵02, ↵03 0 @10 11 11 1 0 1 1 A , ↵0 1, ↵02, ↵03 = ↵1, ↵2, ↵3 0 @ 11 01 21 1 1 1 1 A
Com isso vemos que, ao multiplicar uma matriz pela direita por um vetor-coluna, estamos relacionando as coordenadas de um vetor em uma base A em termos das coordenadas em uma base B, enquanto ao multiplicar essa mesma matriz pela esquerda por um vetor-linha, estamos relacionando as coordenadas de um covetor na base B em termos das coordenadas na base A. C
B Exemplo 21: Seja F o espa¸co das fun¸c˜oes cont´ınuas f : R ! R. A integral L(f ) = Rx1
x0 f (x)d x define um funcional linear L sobre F. Vamos
agora considerar o subconjunto P2 de F formado pelas fun¸c˜oes polinomiais
P de grau menor ou igual a 2, ou seja, P (x) = a + bx + cx2. Uma base para
este espa¸co ´e portanto B ={1, x, x2}, e denotaremos
58 4. OPERADORES LINEARES E DUALIDADE
Vamos definir os seguintes funcionais lineares sobre P2:
Li(P ) = Z i 0 p(x)d x, i = 1, 2, 3 . Temos explicitamente L1(P ) = a +1 2b + 1 3c, L 2(P ) = 2a + 2b +8 3c, L 3(P ) = 3a +9 2b + 9c. Se{ei} ´e a base dual de {e
i} ent˜ao da equa¸c˜ao acima podemos concluir que
L1= e1+1 2e 2+1 3e 3, L2= 2e1+ 2e2+8 3e 3, L3= 3e1+9 2e 2+ 9e3.
Seja {Li} a base da qual {Li} ´e a base dual, ou seja, Li(Lj) = ij, Como
Li = ejLi(e
j) e ej = Li(ej)Lj, e da express˜ao acima temos diretamente
{Li(e
j)}, segue de imediato a express˜ao de {ei} em termos de {Li},
e1= L1+ 2L2+ 3L3, e2= 1 2L1+ 2L2+ 9 2L3, e3= 1 3L1+ 8 3L2+ 9L3. A rela¸c˜ao inversa pode ser obtida com as manipula¸c˜oes usuais e o resultado ´e L1= 3 5x + 3 2x 2, L 2= 3 2 + 4x 3 2x 2, L 3= 1 3 x + 1 2x 2.
Esta ´e portanto a base de P2 da qual a base{Li} ´e a base dual. Uma vez
que Li= ej(Li)ej e ej = ej(Li)Li, segue da express˜ao acima a rela¸c˜ao para
{ei } em termos de {Li }, ou seja, e1= 3L1 3 2L 2+1 3L 3, e2= 5L1+ 4L2 L3, e3=3 2L 1 3 2L 2+1 2L 3.
Finalmente, um funcional arbitr´ario L, L(P ) =
Z x1
x0
p(x)d x, pode ser escrito, por exemplo, na forma
L = 1e1+ 2e2+ 3e3= l1L1+ l2L2+ l3L3 onde 1= (x1 x0), 2=x 2 1 x20 2 , 3= x3 1 x30 3 ,
enquanto as coordenadas {li} s˜ao dadas por
l1 l2 l3 = 1 2 3 0 @ 35 3/2 1/34 1 3/2 3/2 1/2 1 A C
4.3. FUNCIONAIS BILINEARES 59
4.3 Funcionais Bilineares
Os axiomas de espa¸co vetorial n˜ao incorporam a geometria dos vetores no espa¸co euclidiano pois n˜ao h´a como se definir comprimento e ˆangulo entre vetores sem introduzir o conceito de m´etrica no seu espa¸co. Consideramos nesta Se¸c˜ao fun¸c˜oes que generalizam o produto interno.
I Defini¸c˜ao 7: Um funcional bilinear (ou forma bilinear) em um K-espa¸co vetorial V ´e uma fun¸c˜ao B : V ⇥ V ! K que ´e linear em cada argumento J Por bilinearidade entendemos a linearidade em cada um dos argumentos da aplica¸c˜ao, ou seja, dados a, b 2 K e u, v, w 2 V , ent˜ao B(av + bu, w) = aB(v, w) + bB(u, w) e B(v, au + bw) = aB(v, u) + bB(v, w).
I Obs.17: Adotaremos de agora em diante a nota¸c˜ao B para uma forma a princ´ıpio arbitr´aria, g para uma forma bilinear sim´etrica e para uma forma bilinear alternada J
B Exemplo 22: O produto interno em R3 ´e uma fun¸c˜ao bilinear em R3.
A fun¸c˜ao g(f1, f2) =R b
af1(x)f2(x)dx ´e uma fun¸c˜ao bilinear em C[a, b]. J´a a
fun¸c˜ao g(X, Y ) = Tr(XY ) ´e uma fun¸c˜ao bilinear no espa¸co M(n,K) C O n´ucleo de uma fun¸c˜ao bilinear B ´e o subespa¸co ker g ={v 2 V | B(u, v) = 0, 8u 2 V }. Dizemos que B ´e n˜ao-degenerada se ker B = {0}. Pode-se mostrar que o funcional bilinear g ´e n˜ao-degenerado se e somente se para cada vetor v6= 0 existir um vetor u 6= 0 tal que B(v, u) 6= 0.
O espa¸co vetorial equipado com um funcional bilinear g : V ⇥ V ! K ´e dito um espa¸co com produto escalar. A quantidade sim´etrica g(v, u) ´e muitas vezes chamada produto escalar entre os vetores v e u se al´em das propriedades acima citadas, g satisfizer g(v, v) 0. Se g(v, u) = 0 dizemos que os vetores v e u s˜ao ortogonais em rela¸c˜ao a g. Num caso arbitr´ario um vetor n˜ao-nulo v pode ser ortogonal a si pr´oprio, ou seja, g(v, v) = 0. Tais vetores s˜ao ditos isotr´opicos.
Um funcional bilinear g ´e dito sim´etrico se g(v, u) = g(u, v). Um espa¸co vetorial equipado com um funcional bilinear sim´etrico ´e dito um espa¸co quadr´atico. Um funcional bilinear sim´etrico ´e completamente determinado pela forma quadr´atica Q(v) = g(v, v) atrav´es do processo de polariza¸c˜ao. De fato, usando a propriedade de bilinearidade para calcularmos Q(v + u) = g(v + u, v + u), podemos escrever
g(v, u) = 1
2(Q(v + u) Q(v) Q(u)).
Formalmente, dizemos que um espa¸co quadr´atico ´e um par (V, Q) onde V ´e um K-espa¸co vetorial de dimens˜ao finita e Q : V ! K ´e a aplica¸c˜ao que