INSTITUTO FEDERAL SUL-RIO-GRANDENSE - CAMPUS PELOTAS ENGENHARIA ELÉTRICA ÁLGEBRA LINEAR
|
|
- Beatriz Franca Ximenes
- 7 Há anos
- Visualizações:
Transcrição
1 INSTITUTO FEDERAL SUL-RIO-GRANDENSE - CAMPUS PELOTAS ENGENHARIA ELÉTRICA ÁLGEBRA LINEAR DAVI FERREIRA JAIR VIGNOLLE DA SILVA LISIANE MENESES MARIA DA GRAÇA PERAÇA ODAIR ANTONIO NOSKOSKI PELOTAS
2 EMENTA Matrizes, determinantes e sistemas lineares. Espaços vetoriais. Espaços vetoriais Euclidianos. Transformações Lineares. Autovalores e autovetores. Diagonalização de operadores. Forma canônica de Jordan. PROGRAMA UNIDADE I: MATRIZES, DETERMINANTES E SISTEMAS LINEARES UNIDADE II: ESPAÇOS VETORIAIS UNIDADE III: ESPAÇOS VETORIAIS EUCLIDIANOS UNIDADE IV: TRANSFORMAÇÕS LINEARES UNIDADE V: AUTOVALORES A AUTOVETORES UNIDADE VI: DIAGONALIZAÇÃO DE OPERADORES UNIDADE VII: POLINÔMIO MINIMAL E FORMA CANÔNICA DE JORDAN BIBLIOGRAFIA: STEINBRUCH, A. e WINTERLE, p., Álgebra Linear. HOFFMAN, K., Álgebra Linear. POOLE, D., Álgebra Linear. LIPSCHUTZ, S., Álgebra Linear. São Paulo: Makron Books, (Coleção Schaum) ANTON, H., Álgebra Linear. CALLIOLI, C. A., Álgebra Linear.
3 Matrizes, Determinantes e Sistemas. MATRIZES Definição: Uma matriz é um agrupamento retangular de números. Os números neste agrupamento são chamados elementos ou entradas da matriz. Chama-se matriz do tipo m x n (m linhas e n colunas) a qualquer tabela de m.n elementos dispostos. As linhas de uma matriz são enumeradas de cima para baixo, e as colunas são enumeradas da esquerda para a direita. Um elemento genérico de uma matriz A é denotado por a ij, onde i representa a linha e o j representa a coluna no qual esse elemento pertence. A = a a. a m a a a. m a a a n n. mn ou A = a ij, onde i m e j n Exercícios: ) Represente a matriz A mxn de acordo com o elemento genérico a ij. (a) m =, n =, sabendo que a ij = i + j. (b) m =, n =, sabendo que a ij = i j, se i j ij, se i j i, se i j (c) m =, n =, sabendo que a ij = ij, se i j i j, se i j
4 .. Classificação de Matrizes: Matriz Linha: é uma matriz formada por uma única linha. Ex: A = 6 9, matriz x Matriz Coluna: é a matriz formada por uma única coluna. Ex: A =, matriz x Matriz Zero (Nula): é a matriz com todas suas entradas nulas. Uma matriz zero sempre será denotada por. Ex: x = Matriz Quadrada: é aquela que possui o número de linhas igual ao número de colunas. Uma matriz quadrada nxn é chamada de matriz de ordem n. Ex: A = 7, matriz de ordem Matriz Diagonal: é toda matriz quadrada em que todos os elementos que não pertencem à diagonal principal são nulos. Ex: A = 7, a ij não nulo, se i = j, e a ij =, se i j. Matriz Identidade: é toda matriz diagonal em que seus elementos da diagonal principal são todos iguais a. Ex: I =, a ij =, se i = j, e a ij =, se i j.
5 Matriz Transposta: é a matriz que se obtém transformando ordenadamente cada linha de A em coluna. Denota-se A t. Ex: A = , A t = Obs: (A t ) t = A, ou seja, a transposta da transposta de uma matriz é ela mesma. (A B) t = A t B t Matriz Triangular Superior: é a matriz quadrada onde todos os elementos abaixo da diagonal principal são nulos, ou seja, a ij =, para i > j Matriz Triangular Inferior: a ij =, para i < j Exemplos: S = f e d c b a é uma matriz triangular superior e F = s r w z y x uma matriz triangular inferior Matriz Simétrica: matriz quadrada onde a ij = a ji. Obs: Neste caso, a parte superior é uma reflexão da parte inferior, em relação à diagonal principal Exemplo: 7 7 Propriedade: Uma matriz M é simétrica M = M t
6 Igualdade de Matrizes: Duas matrizes do mesmo tipo m x n são iguais, se e somente se, os elementos correspondentes são iguais. Exemplo: Se a c b d = 7 então, a =, b = -, c =, d = Exercícios:. Se A x, com a ij = i j, determine as matrizes A e A t.. Dadas as matrizes A = e B =, calcular a matriz: (.) M, tal que M A + B =. Obs: Neste caso é a matriz nula x. (.) N, tal que N = A t - B t (.) X que seja solução da equação matricial X A + B =.. Determine os números a e b tais que W = ax + by, onde 8 (.) W =, X =, Y = (.) W = 9, X =, Y =. Determine os números a, b, c e d tais que W = ax + by + cz + dr, onde W =, X= 6 7, Y=, Z=, R=, Resposta: (.) a=-, b=, (.) a=, b=-; () a=, b=-, c=, d=
7 Produto de Matriz por Matriz Condição para o produto entre matrizes: O número de colunas da primeira matriz tem que ser igual ao número de linhas da segunda matriz... Propriedades Matriciais Supondo que os tamanhos das matrizes A, B, C são tais que as operações indicadas podem ser efetuadas, valem as seguintes propriedades. Considere a, b, c números reais. (a) A + B = B + A (b) A + (B + C) = (A + B) + C (c) A(BC) = (AB)C (d) A(B C) = AB AC (e) (A B)C = AC BC Comutatividade da adição Associatividade da adição Associatividade da multiplicação Distributividade à esquerda Distributividade à direita (f) a(b C) = ab ac (g) (a b)c = ac bc (h) a(bc) = a(bc) (i) a(bc) = (ab)c = B(aC) Cuidado! Em geral AB BA 7
8 Exercício : Sejam A =, B = 6 (.) Calcule AB e BA. (.) Determine (AB) t, A t B t e B t A t. Compare os resultados. Resposta: (.) AB =, BA = 6 6 Outras propriedades: (j) (A t ) t = A, ou seja, a transposta da transposta de uma matriz é ela mesma. (k) (A B) t = A t B t (l) (AB) t = B t A t (Observem a ordem!!!) (m) AI = IA = A (n) A. =.A = Matriz Inversa Uma matriz quadrada A de ordem n é inversível se, e somente se, existir uma matriz B tal que AB = BA = I n, onde I n é a matriz identidade de ordem n. Desta forma para a matriz B utiliza-se a seguinte notação: B = A - (lê-se B é igual à inversa de A). Exercicio: Verifique que as matrizes A = inversíveis entre si. e B = são Importante: Nem sempre uma matriz é inversível. Uma matriz A é inversível se, e somente se, o determinante de A for diferente de zero. 8
9 Propriedades da Matriz Inversa: Sejam A e B matrizes inversíveis. Então valem as propriedades: (i) (A - ) - = A (ii) (AB) - = B - A - (iii) (A t ) - = (A - ) t A inversa da transposta é a transposta da inversa Exemplo: Determine a inversa da matriz A = 6 Esta matriz tem inversa pois det A. Procuremos sua inversa tal que A.B = I e B.A = I Impondo a primeira condição temos, 6 a b. = c d 6a c a c 6b d b d =. Portanto, 6a c a c e 6b d b d Resolvendo os sistemas, temos a =, b = -, c = -/, d = 6 Teremos então, A.B =. Também vale B.A = I. =, ou seja, A.B = I. Portanto, B = é a matriz inversa de A. 9
10 Exercícios: ) Sejam B = 6, A = e C = (a) Justifique que B é uma matriz não inversível e A é inversível. (b) Calcule (AC) -, A - C - e C - A -. Compare os resultados. (c) Determine (A t ) - e (A - ) t ) Calcule os valores de m e n para que as matrizes A e B sejam iguais: a) B e n n 8 A b) 6 e B 6 n m A c) x 8 7 B e x 8 7 A ) Dadas as matrizes D e C, B, 9 7 A, calcular: a) AB b) (AB)D c) A(BD) d) BA e) (BA)C f) B(AC) ) Sejam as matrizes 6 8 A, 9 7 B C, calcular: a) A+B b) B+C c) A+C d) A B e) A- C f) B-C g) X= A B + C h) X = B A 6C ) Verifique se a matriz B é a inversa da matriz A nos seguintes casos:
11 a) B e,,,,,, A b),,,,, B e A c), 6,,,, B e 8 6 A 6) Sejam as matrizes A, B, 8 C e 8 D, calcule: a) (AB) T b) (AB)D T c) A(BD T ) d) (A T B T )+C T 7) Dadas as matrizes , C e B A, efetuar e classificar a matriz resultante: a) A + A T b) B + B T c) AA T d) B - B T e) C - C T 8) Efetue as operações indicadas e classifique as seguintes matrizes: A B
12 6 6 C sen cos cos sen D E F 9 6 G H J 6 L 9 6 M a) AA T f) F l) M b) BB T g) G c) CC T h) H d) DD T i) J e) EE T j) L 9) Sejam as matrizes triangulares superiores (A e B) e inferiores (C e D) a) calcular e classificar a matriz E = AB b) calcular e classificar a matriz F = CD ) Dadas as matrizes A, 7 B C, Calcular, pelo processo da triangularização ou por Laplace ou por Sarrus: a) det A b) det B c) det (A-B+C) d) det (AC T ) e) det (CB)A
13 ) Calcular o determinante da matriz H de triangularização e por Laplace (desenvolvendo-o pela ª linha.) ) Sendo U = IR, resolver as seguintes equações:, usando o processo 6 x x x x a) x 8 b) 7 7 x 9 7 x c) 8 x x ) Determinar, se existir, a matriz inversa de cada uma das seguintes matrizes: a) A b) B c) C d) D e) E 7 f) F 9 6 ) Resolver e classificar os seguintes sistemas: a) x x 8y 6y Rta: Sistema Incompatível S b) x x x y y y z z z 7 7 Rta: S.L.C.D S,, c) x x x y y y z z 7z Rta: S.L.C.D. S,, d) x x y 6y 6z 9z Rta: S.L.C.I. S y 6z,y,z, y,z IR
14 e) x y x y z y z 8 8 Rta: S.L.C.D. S (, 6, ) f) x x x y y y 6z z z 9 7 Rta: S.L.C.I. z 8z S,,z, z IR g) x y x y z y z 6 6 Rta: S.L.C.I. S z, z,z z IR h) 7x 9x x y y y z z z 8 Rta: S.L.C.D. S,, ) Estabelecer a condição que deve ser satisfeita pelos termos independentes para que os seguintes sistemas sejam compatíveis: a) x x y y y z 8z z c a b b) x x y y z z z b c a Rta: a b + c = Rta: a + b c =. Determinante A toda matriz quadrada A está associado um número chamado determinante de A e simbolizado por det A... Cálculo do determinante a) Determinante de matrizes de a Ordem a b A= x y det A = ay - bx
15 Exemplo: ) Se A = 8 então, det A = (- ). ( ) (- ). (8) det A = - + det A = 8 b) Determinante de matrizes de a Ordem (regra de Sarrus) A = z y x r q p c b a det(a) = y x z y x q p r q p b a c b a = ( aqz + brx + cpy) - ( cqx + ary + bpx ). Exemplo: Se B = 7 então, det B = 7 det B = ()()()+(-)(7)()+()()(-) ()(-)() ()(7)(-) (-)()() det B = + + det B = -. EQUAÇÃO LINEAR É uma equação da forma a x + a x + a x a n x n = b onde x, x,..., x n são as incógnitas; a, a,...,a n são os coeficientes (reais ou complexos); b é o termo independente (número real ou complexo).
16 Exemplos de equações lineares. x + y - z =. x - y + z - w = -. x - x + x =. i x + y - z = -i Exemplos de equações não-lineares. x + y = -. x + y = 9. x + y - z w =. x + y = -9 SOLUÇÃO DE UMA EQUAÇÃO LINEAR Uma sequência de números reais (r,r,r,r ) é solução da equação linear a x + a x + a x + a x = b se trocarmos cada x i por r i na equação e este fato implicar que o membro da esquerda é identicamente igual ao membro da direita, isto é: a r + a r + a r + a r = b Exemplo: A sequência (,6,7) é uma solução da equação x+y-z= pois, tomando x=, y=6 e z=7 na equação dada, teremos: =.. SISTEMAS DE EQUAÇÕES LINEARES Um sistema de equações lineares ou sistema linear é um conjunto formado por duas ou mais equações lineares. Um sistema linear pode ser representado na forma: 6
17 onde x, x,..., x n são as incógnitas; a, a,..., a mn são os coeficientes; b, b,..., b m são os termos independentes. SOLUÇÕES DE UM SISTEMA DE EQUAÇÕES LINEARES Uma sequência de números (r,r,...,r n ) é solução do sistema linear: a x + a x a n x n = b a x + a x a n x n = b a m x + a m x a mn x n = b n se satisfaz identicamente a todas as equações desse sistema linear. Exemplo: O par ordenado (,) é uma solução do sistema linear: x + y = x + y = x + y = pois satisfaz identicamente a todas as equações do mesmo, isto é, se substituirmos x= e y=, os dois membros de cada igualdade serão iguais em todas as equações. Consistência de sistemas lineares O número de soluções de um sistema linear determina a sua classificação de duas maneiras com relação à sua consistência: Sistema possível ou consistente: Quando tem pelo menos uma solução. a. Se tem uma única solução, o sistema é determinado. b. Se tem mais que uma solução, o sistema é indeterminado. Sistema impossível ou inconsistente: Se não admite qualquer solução. 7
18 EXEMPLOS Sistema com uma única solução: As equações lineares abaixo representam duas retas no plano cartesiano que têm o ponto (,-) como interseção. x + y = - x - y = 8 Sistema com infinitas soluções: As equações lineares representam retas paralelas sobrepostas no plano cartesiano, logo existem infinitos pontos que satisfazem a ambas as equações (pertencem a ambas as retas). x + y = 8x + y = Sistema que não tem solução: As equações lineares representam retas paralelas no plano cartesiano, logo, não existem pontos que pertençam às duas retas. x + y = x + y = Sistemas equivalentes Dois sistemas são equivalentes se admitem a mesma solução. Exemplo: São equivalentes os sistemas S e S indicados abaixo: x + 6y = S x - y = S x + y = x - y = 6 pois eles admitem a mesma solução x= e y=. Notação: Quando dois sistemas S e S são equivalentes, usamos a notação S~S. Operações elementares sobre sistemas lineares Existem três tipos de operações elementares que podem ser realizadas sobre um sistema linear de equações de forma a transformá-lo em um outro sistema 8
19 equivalente mais simples que o anterior. Na sequência trabalharemos com um exemplo para mostrar como funcionam essas operações elementares sobre linhas. O segundo sistema (o que aparece à direita) já mostra o resultado da ação da operação elementar. Nas linhas iniciais de cada tabela, você encontra a operação que foi realizada.. Troca de posição de duas equações do sistema Troca a Linha com a Linha x + y - z = x-y+z= x + y - z = 9 ~ x + y - z = 9 x-y+z= x + y - z =. Multiplicação de uma equação por um número não nulo Multiplica a Linha pelo número x + y - z = x-y+z= x+y-z=9 ~ x + 6y - z = 6 x-y+z= x+y-z=9 A equação resultante fica na linha. Adição de duas equações do sistema Adição da Linha com a Linha x+y-z= x -y + z = x + y - z = 9 ~ x+6y-z=6 x-y+z= 6x - y - z = 9 A equação resultante fica na linha Resolução de sistemas lineares por escalonamento Com o auxílio das três Operações Elementares sobre linhas, podemos resolver sistemas lineares. Vamos mostrar como funciona este processo através de um exemplo. 9
20 Exemplo: Consideremos o sistema com equações e incógnitas. x + y + z = x - y - z = - -x + y -z = - Observação: Usamos Li+Lj->Lj para indicar a soma da linha i com a linha j com o resultado na linha j. Usamos k Li->Li, para indicar que multiplicamos a linha i pela constante k e o resultado ficou na linha i. Passo : L-L->L x + y + z = x - y - z = - -x+y-z=- ~ x + y + z = x-y-z=- -x+y-z=- Passo : L-.L->L x + y + z = x - y - z = - -x+y-z=- ~ x+y+z= x - y - z = -8 -x+y-z=- Passo : L+.L->L x + y + z = x-y-z=-8 -x + y - z = - ~ x+y+z= x-y-z=-8 x + 9y + z = 99 Passo :(-/)L->L,(/)L->L x+y+z= x - y - z = -8 x + 9y + z = 99 ~ x+y+z= x + y + z = 7 x + y + z =
21 Passo : L-.L->L x+y+z= x + y + z = 7 x + y + z = ~ x+y+z= x+y+z=7 x + y - z = -8 Passo 6: (-/)L->L x+y+z= x+y+z=7 x + y - z = -8 ~ x+y+z= x+y+z=7 x + y + z = 9 Passo 7: L-L->L x+y+z= x + y + z = 7 x + y + z = 9 ~ x+y+z= x + y + z = 8 x+y+z=9 Passo 8: L-.L-.L->L x + y + z = x + y + z = 8 x + y + z = 9 ~ x + y + z = x+y+z=8 x+y+z=9 Passo 9: Simplificar coeficientes x + y + z = x + y + z = 8 x + y + z = 9 ~ x = y = 8 z = 9 Após o escalonamento, observamos que a solução obtida é exatamente fornecida pelo último sistema.
22 Sistemas lineares homogêneos Um sistema linear é homogêneo quando os termos independentes de todas as equações são nulos. Todo sistema linear homogêneo admite pelo menos a solução trivial, que é a solução identicamente nula. Assim, todo sistema linear homogêneo é possível. Este tipo de sistema poderá ser determinado se admitir somente a solução trivial ou indeterminado se admitir outras soluções além da trivial. Exemplo: O sistema x - y + z = x + y - z = x - y + z = é determinado, pois possui a solução x=, y= e z=. Regra de Cramer Esta regra depende basicamente sobre o uso de determinantes. Para indicar o determinante de uma matriz X, escreveremos det(x). Seja um sistema linear com n equações e n incógnitas: a x + a x a j x j a n x n = b a x + a x a j x j a n x n = b a n x n + a n x n a nj x j a nn x n = b n A este sistema podemos associar algumas matrizes: Matriz dos coeficientes: Formada pelos coeficientes das incógnitas do sistema, aqui indicada pela letra A. Matriz dos coeficientes a a... a j... a n a a... a j... a n
23 a n a n... a nj... a nn Matriz Aumentada do sistema: Formada todos os coeficientes das incógnitas do sistema e também pelos termos independentes. Matriz Aumentada a a... a j... a n b a a... a j... a n b a n a n... a nj... a nn b n Matriz da incógnita x j : É a matriz A j obtida ao substituirmos a coluna j (<j<n) da matriz A, pelos termos independentes das equações do sistema. Matriz da incógnita x j a a... b... a n a a... b... a n a n a n... b n... a nn Quando as posições j=,, estão relacionadas com x, x e x e substituídas pelas incógnitas x, y e z, é comum escrever A x, A y e A z. Se det(a) é diferente de zero, é possível obter cada solução x j (j=,...,n), dividindo det(a j ) por det(a), isto é: x j = det(a j ) / det(a) Se det(a)=, o sistema ainda poderá ser consistente, se todos os determinantes nxn da matriz aumentada do sistema forem iguais a zero. Um sistema impossível: Seja o sistema x + y + z = 7 x - y + z = x + y + 7z = A matriz A e a matriz aumentada Au do sistema estão mostradas abaixo.
24 Como det(a)=, devemos verificar se todos os determinantes das sub-matrizes da matriz aumentada são nulos. Se existir pelo menos um deles não nulo, o sistema será impossível e este é o caso pois é não nulo o determinante da sub-matriz x formada pelas colunas, e da matriz aumentada: 7 - Um sistema indeterminado: Consideremos agora o sistema (Quase igual ao anterior: trocamos por na última linha!) x + y + z = 7 x - y + z = x + y + 7z = A matriz A e a matriz aumentada Au do sistema, estão abaixo: Aqui, tanto det(a)= como todos os determinantes das sub-matrizes da matriz aumentada são nulos, então o sistema é possível e indeterminado. Neste caso, observamos que a última linha é a soma das duas primeiras e como estas duas primeiras dependem de x, y e z, você poderá encontrar as soluções, por exemplo, de x e y em função de z. Um sistema com solução única: Seja o sistema
25 x + y + z = 7 x - y + z = x + y + 6z = A matriz A e a matriz dos termos independentes do sistema estão indicados abaixo Como det(a)=7, o sistema admite uma única solução que depende dos determinantes das matrizes A x, A y e A z, e tais matrizes são obtidas pela substituição a., a. e a. colunas da matriz A pelos termos independentes das três equações, temos: Ax= - Ay= Az= Como det(a x )=6, det(a y )= e det(a z )=, a solução do sistema é dada por: x = det(ax)/det(a) = 6/7 y = det(ay)/det(a) = /7 z = det(az)/det(a) = /7
26 - Espaços Vetoriais Definição: Seja V um conjunto não vazio, sobre o qual estão definidas as operações adição e multiplicação por escalar, isto é, A, B V temos: A + B V e, A V e temos: A V V com essas operações é chamado espaço vetorial real se forem verificados 8 axiomas: Em relação à adição: Sejam A, B, C V e, (A ) (A + B) + C = A + (B + C) (A ) A + B = B + A (A ) Existe um único elemento neutro neutro O V tal que A + O = O + A = A (A ) Existe um único elemento simétrico -A V tal que A + (-A) = O (M ) (. )A = ( A) (M ) ( + )A = A + A (M ) (A + B) = A + B (M ) A = A Obs: Os elementos de um espaço vetorial V podem ser polinômios, matrizes, números, funções, desde que as operações definidas neste conjunto satisfaçam os 8 Axiomas. Mas independente de sua natureza os elementos de um Espaço Vetorial V serão chamados vetores. 6
27 Exemplos: ) V = conjunto das matrizes x ou V = M(x) = Em V é definido as operações: x z y : x, y, z, w. w a Sejam A, B V onde A = a a b, B = a b b b e Operações: A + B = a a b b a a b b e A =. a. a. a. a Obs: Essas são as operações usuais de adição e multiplicação por escalar no conjunto das matrizes x. Para essas operações assim definidas, podem ser verificadas facilmente que valem os 8 axiomas. Portanto, neste exemplo, V = M(x) é um espaço vetorial. ) V = b c a : a, b, c = conj. das matrizes linha M(x) Operações definidas: a a + b b = a a b a a =. a. a a a. a (Cuidado, adição não usual) a (Multiplicação usual) Com estas operações, V é um espaço vetorial? Verificando os axiomas: Sejam A = a a, B = b b, C = c c a A ) (A + B) + C = A + (B + C)? b c (A + B) + C = (a a + b b ) + c c a b = a a + c c a = a a a c c 7
28 A + (B + C) = a a + (b b + c a b = a a + b b a = a a a O Axioma A é satisfeito. b c ) c A ) A + B = B + A? A + B = B + A = a a + b b = a a a b a b b + a a = b b a b, portanto A + B B + A. b Como o axioma A falha, V não é um espaço vetorial. Atenção!!! Basta que um dos axiomas falhe, para que o conjunto (com as oper. definidas) não seja um espaço vetorial. ) V ={(x,y) }, conjunto dos vetores em Operações definidas, (a, b) + (c, d) = (a +c, b + d) e (a,b)= ( a, b) Como a adição é uma operação usual, vamos verificar se falha algum axioma em relação à multiplicação por escalar. Sejam u = (a, b) e v = (c, d) em M ) (. )u = ( u)? (. )u = (. )(a, b) = ( a, b) ( u) = ( (a,b)) = ( a, O Axioma M é satisfeito.., e números reais. b) = ( a, b), logo (. )u = ( u). M ) ( + )u = u + u? 8
29 ( + )u = ( + )(a,b) = (( + ).a, ( + ).b) u + u = (a,b) + (a,b) = ( a, b) + ( a, =(( + )a, ( + )b) b) = O Axioma M não é satisfeito pois ( + )u u + u. Então, V ={(x,y) } com as operações definidas, não é um espaço vetorial. Exercícios: Verificar se os conjuntos abaixo são espaços vetoriais reais em relação às operações definidas. Para aqueles que não são, citar os axiomas que não se verificam. (Justiticando) (a) V = {(x,y) }, (a, b) + (c, d) = (a +c, b + d) e (a,b)= ( a, ) (b) V = {(x,y) / y = x} = {(x, x)} com as operações usuais, (a, b) + (c, d) = (a +c, b + d) e (a,b)= ( a, b ) (c) V = {(x,y) }, (a, b) + (c, d) = (a +c, b + d) e (a,b)= ( a, b) Observações: Para V e V, como a adição é uma operação usual e a multiplicação por escalar não é usual, basta verificar quais axiomas de M à M falham. Já para V, todos os axiomas devem ser verificados para ser um espaço vetorial. Respostas: (a) Falha M, (c) Falha M. Outros exemplos: ) V = conjunto das matrizes mxn = M(m,n) com as operações usuais (de adição e de multiplicação por escalar) definem um espaço vetorial. 9
30 Obs: Se A M(mxn) então A = a a. a m a a a. m a a a n n. mn ) V = n = {(x, x, x,..., x n ): x i }, i n com as operações de adição e de multiplicação por escalar usuais definem um espaço vetorial. 6) V = P = conjunto dos polinômios com coeficientes reais de grau menor ou igual a (incluindo os polinômios de grau zero) ou P = { a + a x + a x + a x : a i } Elementos de P, exemplos:, 6 + x, 6x, + x, - + x x + +7x. Se p (x) e p (x) pertencem a P então: p (x) = a + a x + a x + a x e p (x) = b + b x + b x + b x Operações usuais em P : p (x) + p (x) = (a + b )+ (a + b )x + (a + b )x + (a + b )x Se temos.p (x) = a + a x + a x + a x Com estas operações pode-se verificar que V = P é um espaço vetorial Observações: Matrizes, vetores, polinômios podem estar associados da seguinte maneira. Por exemplo, a A = d b e c f, v = (a, b, c, d, e, f), p(x) = a + bx + cx + dx + ex + fx
31 A M(,), v 6, p(x) P Pode-se dizer que a, b, c, d, e, f são as coordenadas de A, v e p(x). Por isto, matrizes, vetores, polinômios são chamados de maneira geral vetores.. - Subespaços Vetoriais Deseja-se dentro de um espaço vetorial V, detectar se um subconjunto S de V é também espaço vetorial. Tais conjuntos serão chamados subespaços de V. Exemplo: V = com as operações usuais de adição e multiplicação por escalar é um espaço vetorial. S é uma reta que passa pela origem. Neste caso, S é um subconjunto de V. S V = S = ( x, y) : y x= ( x x, ); x Observa-se que ao somarmos vetores de S, obtemos outro vetor em S. E se multiplicarmos um vetor de S por um u = (,), v = (, /), u + v = (, /) Definição: Seja V um espaço vetorial e S um subconjunto não vazio de V. S é um subespaço vetorial de V se: (i) S (ii) u, v S u + v S (iii) e u S u S
32 OBSERVAÇÕES: Qualquer subespaço S de V deve conter o vetor nulo (devido ao Axioma A do Espaço Vetorial). Caso contrário S não é um subespaço vetorial. Todo espaço vetorial V admite pelo menos subespaços (chamados subespaços triviais), o conjunto e o próprio espaço vetorial V. Exemplos: () V = com as operações usuais. S = ( t, t ) : t S pode ser representada por uma reta que passa pelos pontos (-,) e (,). O vetor nulo (, ) S S não é um subespaço vetorial de V. (,) S () V = (-,) com as operações usuais. S = ( x, x ) : x S não é vazio pois (,). Mas existem vetores u e v de S tais que (u + v) S. Por exemplo, u = (,), v = (-,) pertencem a S e u + v = (,) S. Portanto, S não um subespaço de V =. S u+v S v u
33 () V = (com as operações usuais). S = ( x, y, z) : ax by cz. Obs: S é um plano que passa pela origem. S é um subespaço de V? Solução: Vamos verificar se em S satisfazem as condições (i), (ii) e (iii). ( i ) (,,) S pois a + b + c =. ( ii ) Sejam u = (u, u, u ), v = (v, v, v ) elementos de S. Então, au bu av bv cu cv Logo, a(u + v )+b(u + v )+c(u + v ) =. E portanto, (u + v, u + v, u + v )S. Daí, u +v S. (iii) Seja e u = (u, u, u ). Se u S, então au + bu + cu =. Portanto, ( au + bu + cu ) = u + u + u = u S. Como as condições foram satisfeitas, S é um subespaço de V =. Exercícios: (a) V = (com as operações usuais) e S = { (, x, x, x, x ) Verifique que S é um subespaço vetorial. }. (b) V = (com as operações usuais) e S = { (x, x ); x } Verifique que S não é um subespaço vetorial.
34 Intersecção e Soma de Subespaços Teorema: S, S subespaços vetorias de V (espaço vetorial). Então, (i) S S é um subespaço de V. (ii) S + S é um subespaço de V. OBS: S S = {v V : v S e v S } S + S = { v = u + w / u S e w S }. Todo elemento de S + S é um vetor soma de vetores, um vetor de S e o outro de S. Exemplos: (a) V = M( x ) S = a a a a a6 ; a i S = a 9 a a a7 a a8 ; a i a 9 S e S são subespaços de V = M( x ) S = {matrizes triangulares superiores} S = {matrizes triangulares inferiores} Logo, S S = a a a 9 é um subespaço de V = M( x ) (b) V = S S + S S = {(,, x): x S = {(a, a, ): a } Reta no eixo z } Reta no plano xy S S + S = {(a,a,x)} plano que contém as retas S e S. S + S é um subespaço de V =.
35 SOMA DIRETA DE SUBESPAÇOS Definição: Sejam S e S subespaços vetoriais de V. V é a soma direta de S e S (Representado por V = S S ) Se V = S + S e S S = { }. Exemplo: V = M( x ) S = b a e S = d c onde a, b, c, d. S + S = d c b a = M( x ) e S S =. Logo, V = S S e portanto V é soma direta de S e S.
36 . ESPAÇOS VETORIAIS EUCLIDIANOS. Produto Interno em Espaços Vetoriais Chama-se produto interno no espaço vetorial V uma aplicação de VxV em R que a todo par de vetores (u,v) VxV associa um número real, indicado por u.v ou <u,v>, tal que os axiomas seguintes sejam verificados: P ) u.v = v.u P ) u.(v+w) = u.v + u.w P ) ( u).v = (u.v), P ) u.u e além disso u.u = u = O número real u.v é chamado produto interno dos vetores u e v. EXEMPLOS ) No espaço vetorial V=R, a aplicação (função) que associa cada par de vetores u=(x,y ) e v=(x,y ), o número real u.v = x x + y y, é um produto interno. Mostrar: O produto interno examinado neste exemplo é diferente do produto interno usual do R que é definido por: u. v = x x + y y Logo, é possível a existência de mais de um produto interno no mesmo espaço vetorial. 6
37 ) Se u=(x,y,z ) e v=(x,y,z ) são vetores quaisquer do R, o número real u.v=x x +y y +z z define o produto interno usual do R. De forma análoga, se u=(x,x,...,x n ) e v=(y,y,...,y n ), o número real u.v=x y +x y +...+x n y n define o produto interno usual no R n... Problemas para resolver em aula. Em relação ao produto interno usual do R, calcular u.v, sendo: a) u=(-,6) e v=(,-) b) u=(,8) e v=(,). Em relação ao produto interno u.v=x x +y y, calcular u.v para u=(,) e v=(,-). Sejam v =(,,-), v =(,-,-) e v =(,-,) do R. Considerando esse espaço munido do produto interno usual, determinar o vetor u, tal que u.v =, u.v =6 e u.v =.. ESPAÇO VETORIAL EUCLIDIANO Um espaço vetorial real, de dimensão finita, no qual está definido um produto interno, é um espaço vetorial euclidiano.. MÓDULO DE UM VETOR Dado um vetor v de um espaço vetorial euclidiano V, chama-se módulo, norma ou comprimento de v, o número real não-negativo, indicado por v, definido por v = ou v = Assim, se v=(x,y,z ) R, com produto interno usual, tem-se: 7
38 v = Se v =, isto é, v.v=, o vetor é chamado vetor unitário. O vetor é unitário, de mesma direção e sentido de v (versor de v). Diz-se, nesse caso, que o vetor v foi normalizado... EXERCÍCIOS PARA AULA. Dado o vetor v=(-,,) R, calcular o módulo de v e normalizar v, considerando que: a) R está munido do produto interno usual b) Em R está definido o produto interno v.v =x x +y y +z z, sendo v =(x,y,z ) e v =(x,y,z ) É importante observar que o módulo de v depende do produto interno utilizado: se o produto interno muda, o módulo se modifica. Por outro lado, os vetores, obtidos de a) e b) são unitários em relação ao respectivo produto interno.. Dado o espaço vetorial V=R, munido do produto interno usual, calcular m do vetor v=(6,-,m) de modo que v =7. Dado o espaço das funções contínuas no intervalo [,] (C[,]) em que o produto interno é <f.g>=. a) Determine o produto interno de f(x)=x+ e g(x)=x b) Calcular a norma de f(x)=x+ c) Normalizar a função f(x)=x+ 8
39 .. PROPRIEDADES DO MÓDULO DE UM VETOR Seja V um espaço vetorial euclidiano. I) v II) Dem.: III) u+v u + v, (Desigualdade de Shwarz ou Inequação de Cauchy-Schwarz ou Desigualdade triangular) Interpretação Geométrica no R ou R A soma das medidas de dois lados de um triângulo é u+v v maior do que a medida do terceiro lado. u. ÂNGULO ENTRE DOIS VETORES EXERCÍCIOS PARA AULA Nos exercícios e, considerando o produto interno usual no R e no R respectivamente, calcular o ângulo entre os vetores dados em cada um deles.. u=(,,-) e v=(,,). u=(,-,,) e v=(,,,-). Sendo V um espaço vetorial euclidiano e u,v, calcular o cosseno do ângulo entre os vetores u e v, sabendo que u =, v =7 e u+v = 9
40 . No espaço vetorial das matrizes quadradas V=M(x), dadas duas matrizes quaisquer,, o número real u.v=aa+bb+cc+dd define um produto interno em M(x). Sabendo que. Calcular: a) u+v b) O ângulo entre u e v. DISTÂNCIA ENTRE DOIS VETORES Chama-se distância entre dois vetores (ou pontos) u e v, o número real, representado por d(u,v), definido por: d(u,v)= u-v Se u=(x,y ) e v=(x,y ) são vetores (ou pontos) do R, com produto interno usual, tem-se: d(u,v)= u-v = (x -x, y -y ) = EXEMPLO: Calcular a distância entre os vetores u=(9,) e v=(,).6 VETORES ORTOGONAIS Dado um espaço vetorial euclidiano V, diz-se que dois vetores u e v de V são ortogonais e se representa por, se e somente se, u.v= o vetor é ortogonal a qualquer outro vetor v V pois.v= se, então Se u v e u v, então (u +u ) v
41 EXEMPLOS: ) Os vetores u=(,7) e v=(-7,) de R, munido do produto interno usual, são ortogonais: (,7).(-7,)=-+= ) Os vetores u=(-,) e v=(,) são ortogonais no espaço vetorial V=R em relação ao produto interno (x,y ).(x,y )=x.x +y y.7 CONJUNTO ORTOGONAL DE VETORES Dado um espaço vetorial euclidiano V, diz-se que um conjunto de vetores {v,v,...,v n } V é ortogonal, se dois vetores quaisquer, distintos, são ortogonais, isto é, v i.v j = para. EXEMPLO: No R, o conjunto {(,-),(,,),(,-,-)} é ortogonal em relação ao produto interno usual..7. CONJUNTO ORTOGONAL E INDEPENDÊNCIA LINEAR Um conjunto ortogonal de vetores não-nulos A={v,v,...,v n } de um espaço vetorial euclidiano V é linearmente independente LI..8 BASE ORTOGONAL Uma base B={v,v,...,v n }de um espaço vetorial euclidiano V é ortogonal se os seus vetores são dois a dois ortogonais.
42 Se dim V = n, qualquer conjunto de n vetores não-nulos e dois a dois ortogonais, constitui uma base ortogonal. O conjunto B={(,-),(,,),(,-,- )}, é uma base ortogonal de R..8. BASE ORTONORMAL Uma base B={v,v,...,v n }de um espaço vetorial euclidiano V é ortonormal se B é ortogonal e todos os seus vetores são unitários, isto é: EXEMPLOS: ) As bases canônicas do R, R,... R n são bases ortonormais em relação ao produto interno usual. ) A base é ortonormal em relação ao produto interno usual. ) Uma base ortonormal sempre pode ser obtida de uma base ortogonal, normalizando cada um de seus vetores. Assim, da base ortogonal B={(,-),(,,),(,-,-)} do R, relativamente ao produto interno usual, pode-se obter a base ortonormal B ={u,u,u }..9 PROCESSO DE ORTOGONALIZAÇÃO DE GRAM-SCHMIDT Dado um espaço vetorial euclidiano V e uma base qualquer B={v,v,...,v n } desse espaço, é possível, a partir dessa base, determinar uma base ortogonal de V.
43 A base ortogonal {w,w,...,w n } é assim obtida: w = v w = v - <v,v >.u onde w = v - <v,u >.u - <v,u >.u onde w n = v n - <v n,u n- >.u n <v n,u >.u - <v n,u >.u EXEMPLO: Sejam v=(,,), v=(,,) e v=(,,) vetores do R. Esses vetores constituem uma base B={v,v,v } não ortogonal em relação ao produto interno usual. Agora vamos obter uma base B que seja ortonormal.
44 . TRANSFORMAÇÕES LINEARES. FUNÇÕES VETORIAIS São funções onde o domínio e o contradomínio são espaços vetoriais reais. Assim, tanto a variável dependente quanto a independente são vetores. Para dizer que T é uma transformação do espaço vetorial V no espaço vetorial W, escreve-se T:V W. Sendo T uma função, cada vetor v V tem um só vetor imagem w W, que será indicado por w=t(v). EXEMPLO Uma transformação T:R R associa vetores v=(x,y) R com vetores w=(a,b,c) do R. Se a lei que define T é tal que a=x, b=-y e c=x-y, a imagem de cada vetor (x,y) será representada por T(x,y)=(x,-y,x-y) y z x y x No caso de ser v=(,), tem-se: w=t(,)=((),-(),-)=(6,-,). TRANSFORMAÇÕES LINEARES Sejam V e W espaços vetoriais. Uma aplicação T: V W é chamada transformação linear de V em W, se: I) T(u+v) = T(u) + T(v) II) T( u) = T(u) Uma transformação linear de V em V (é o caso de V=W) é chamada operador linear sobre V.
45 EXEMPLOS ) T:R R, T(x,y)=(x,-y,x-y) é linear: ) A transformação identidade I: V V, v v, I(v)=v, é linear. ) A transformação nula é linear, T: V W, T(v)=.. INTERPRETAÇÃO GEOMÉTRICA Uma transformação geométrica do significado de uma transformação linear pode ser dada considerando, por exemplo, o operador linear. T: R R, T(x,y)=(-x+y,x+y) Se u=(-,) e v=(,), tem-se u+v=(-,) T(u)=(,) e T(v)=(,) T(u)+T(v)=(,) Sendo u+v a diagonal do paralelogramo determinado por u e v, sua imagem T(u+v) representa a diagonal do paralelogramo determinado por T(u) e T(v),
46 isto é, T(u+v)=T(u)+T(v). Diz-se, nesse caso, que T representa a adição de vetores. A figura a seguir, mostra que, ao se multiplicar o vetor u por, por exemplo, sua imagem T(u) também fica multiplicada por, isto é, T( u)= T(u). Diz-se que nesse caso, que T preserva a multiplicação de um vetor por um escalar. PROPRIEDADES DAS TRANSFORMAÇÕES LINEARES I) Se T:V W é uma transformação linear, a imagem do vetor V é o vetor W. Esta propriedade decorre da condição II da definição de transformação linear, para =. T( u)= T(u) T()=.T(u) T()= EXEMPLO T:R R T(x,y)=(x, -y, x-y) T(,)=(,,) Conclusão: Se T(), a transformação não é linear. É o caso da transformação T:R R T(x,y,z)=(x+, x+z) T(,,)=(,) II) Se T:V W é uma transformação linear, tem-se: T(a v +a v )=a T(v )+a T(v ), v,v de V e a,a de R 6
47 Isto é, a imagem de uma combinação linear de vetores v e v é uma combinação linear das imagens T(v ) e T(v ) com os mesmos coeficientes a e a. T(a v +a v a n v n )=a T(v )+a T(v ) +...+a n T(v n ) Se B={v,v,...,v n } é uma base de V, para todo v de V, a,a,...,a n tal que v=a v +a v a n v n e, por tanto, T(v)= a T(v )+a T(v ) +...+a n T(v n ), isto é, dado v de V, o vetor T(v) estará determinado se forem conhecidas as imagens dos vetores de B. Em outras palavras, sempre que forem dados T(v ),T(v ),...,T(v n ), onde v,v,...,v n é a base do domínio de V, a transformação linear T está perfeitamente definida. Resolver em aula: ) Seja T :R R uma transformação linear e B={v =(,,), v =(,,) e v =(,,)} uma base do R. Sabendo que T(v )=(,-), T(v )=(,) e T(v )=(,), determinar: a) T(,,-) b) T(x,y,z) ) Seja o operador linear no R definido por: T(x,y,z)=(x+y+z, x+y-z, - x+y+z) a) Determinar o vetor u de R tal que T(u)=(-,8,-) b) Determinar o vetor v de R tais que T(v)=v 7
48 . NÚCLEO DE UMA TRANSFORMAÇÃO LINEAR Chama-se núcleo de uma transformação linear T: V W ao conjunto de todos os vetores v de V que são transformados em W. Indica-se por N(T) ou Ker(T). N(T)={v V T(v)=} N(T) V Todos os seus vetores têm uma única imagem que é o vetor zero de W. OBS.: pois uma vez que T()=. EXEMPLOS: ) O núcleo da transformação linear ) Seja a transformação linear. IMAGEM DE UMA TRANSFORMAÇÃO LINEAR Chama-se de imagem de uma transformação linear T:V W ao conjunto de vetores w W que são imagens de vetores v V. Indica-se esse conjunto por Im(T) ou T(v). pois T()= Im(T) Se Im(T)=w, T diz-se sobrejetora: pelo menos um tal que T(v)=w. existe 8
49 EXEMPLOS: ) Seja a projeção ortogonal do sobre o plano xoy. A imagem de T é o próprio plano xoy. ) A imagem da transformação identidade I: V V, definida por I(v)=v,, é todo o espaço V. O núcleo, nesse caso é N(I)={}. ) A imagem da transformação nula, T: V W, T(v)=, é o conjunto Im(T)={}. O núcleo nesse caso é todo o espaço V.. PROPRIEDADES DO NÚCLEO E DA IMAGEM. O núcleo de uma transformação linear T:V W é um subespaço vetorial de V. De fato, sejam v e v N(T) e : I) T(v )= T(v )= II) T(v +v )=T(v )+T(v )=+, v +v N(T) III) T( v )= T(v )=.=, v N(T). A imagem de uma transformação linear T:V W é um subespaço vetorial de W. De fato, sejam w e w Im(T) e : I) Im(T) II) w +w Im(T) III) Im(T) Como w e w Im(T), existem vetores v e v tais que T(v )=w e T(v )=w Fazendo v= v +v e u= v T(v)= T(v +v )=T(v )+T(v )= w +w 9
50 T(u)= T( v )= T(v )= w. Se V é um espaço vetorial de dimensão finita e T:V W uma transformação linear, dimn(t)+dimim(t)=dimv a) No exemplo, o núcleo (eixo dos z) tem dimensão e a imagem (plano xoy) tem dimensão, enquanto que o domínio R, tem dimensão. b) No exemplo, da transformação identidade, tem-se dim(n(t))=, logo, dim(im(t))=dimv. Para resolver.. Dado o operador linear a) Determinar o núcleo de T, a dimensão do núcleo e uma de suas bases. b) Determinar a imagem de T, a dimensão da imagem e uma de suas bases. c) Verificar as propriedades da dimensão.
51 COROLÁRIOS Seja T:V W uma transformação linear.. Se dim V= dim W, então T é injetora se, e somente se, é sobrejetora.. Se dim V = dim W e T é injetora, então T transforma base em base, isto é, se B={v,..., v n } é base de V, então T(B)={T(v ),...,T(v n )}.6 ISOMORFISMO Chama-se isomorfismo do espaço vetorial V no espaço vetorial W a uma transformação linear T: V W, que é bijetora..7 MATRIZ DE UMA TRANSFORMAÇÃO LINEAR Sejam T: V W uma transformação linear, A uma base de V e B uma base de W. Sem prejuízo da generalização, consideremos o caso em que dim V= e dim W=. Sejam A={v,v } e B={w,w,w } bases de V e W, respectivamente. Um vetor v V pode ser expresso por: V= x v +x v ou V A =(x,x ) E a imagem T(v) por: T(v)= y w +y w +y w ou T(v) B =(y,y,y ) Por outro lado: T(v)=T(x v +x v )=x T(v )+x T(v )
52 Sendo T(v ) e T(v ) vetores de W, eles são combinação lineares dos vetores de B: T(v)=T(x v +x v )=x (a w +a w +a w )+x (a w +a w +a w ) Ou na forma matricial: y y y a a a a a a x x Ou, simbolicamente: A T( v) TB v A B Sendo a matriz T A B denominada matriz de T em relação às bases A e B. Observações: a) A matriz é de ordem x quando dimv= e dimw= b) As colunas da matriz são as componentes das imagens dos vetores da base A em relação à base. c) A matriz depende das bases A e B consideradas, isto é, a cada dupla de bases corresponde uma particular matriz. Assim, uma transformação linear poderá ter uma infinidade de matrizes para representá-la. No entanto, fixadas as bases, a matriz é única.
53 d) No caso de A e B serem as bases canônicas, representa-se a matriz simplesmente por [T], que é chamada matriz canônica de T, e tem-se: [T(v)]=[T].[v] e) Calcular T(v) pela matriz [T] é o mesmo que fazê-lo pela fórmula que define T..8 OPERAÇÕES COM TRANSFORMAÇÕES LINEARES ADIÇÃO Sejam T :V W e T :V W transformações lineares. Chama-se soma das transformações lineares T e T à transformação linear T +T :V W; v (T +T )(v) = T (v)+t (v), Se A e B são bases de V e W, tem-se: MULTIPLICAÇÃO POR ESCALAR Sejam T:V W uma transformação linear e escalar à transformação linear. Chama-se produto de T pelo Se A e B são bases de V e W, tem-se: T A A B T B COMPOSIÇÃO Sejam T :V W e T :W U transformações lineares. Chama-se aplicação composta de T com T, e se representa por T ot, à transformação linear T ot :V U; v (T ot )(v) = T (T (v)),
54 Se A e B e C são bases de V, W e U, tem-se: Problemas do livro..9 TRANSFORMAÇÕES LINEARES PLANAS Entende-se por transformações lineares planas as transformações de R em R. Veremos algumas de especial importância e suas interpretações. REFLEXÕES: a) Reflexão em torno do eixo dos x Essa transformação linear leva cada ponto (x,y) para sua imagem (x,-y), simétrica em relação ao eixo dos x. Gráfico: T: R R ; (x,y) (x,-y) b) Reflexão em torno do eixo dos y Gráfico: T: R R ; (x,y) (-x,y)
55 c) Reflexão na origem Gráfico: T: R R ; (x,y) (-x,-y) d) Reflexão em torno da reta y=x Gráfico: T: R R ; (x,y) (y,x) e) Reflexão em torno da reta y=-x Gráfico: T: R R ; (x,y) (-y,-x)
56 DILATAÇÕES E CONTRAÇÕES a) Dilatação ou contração na direção do vetor T: R R ; (x,y) (x,y), Observação: se se se >, T dilata o vetor <, T contrai o vetor, T é a identidade I se <, T troca o sentido do vetor b) Dilatação ou contração na direção do eixo dos x T: R R ; (x,y) x,y), se se >, T dilata o vetor <, T contrai o vetor c) Dilatação ou contração na direção do eixo dos y T: R R ; (x,y) x, y), Se fizéssemos, teríamos (x,y) x,) e T seria a projeção ortogonal do plano sobre o eixo dos x. 6
57 CISALHAMENTO a) Cisalhamento na direção do eixo dos x T: R R ; (x,y) x+ y,y) O efeito do cisalhamento é transformar o retângulo OAPB no paralelogramo OAP B, de mesma base e mesma altura. No cisalhamento, cada ponto (x,y) se desloca paralelamente ao eixo dos x até chegar em x+ y,y), com exceção dos pontos do próprio eixo dos x, que permanecem em sua posição, pois para eles y=. Com isso está explicado porque o retângulo e o paralelogramo da figura têm mesma base AO. b) Cisalhamento na direção do eixo dos y T: R R ; (x,y) x,y+ ) 7
58 ROTAÇÃO A rotação do plano em torno da origem, que faz cada ponto descrever um ângulo, determina uma transformação T : R R cuja matriz canônica é: Essa matriz chama-se matriz de rotação de um ângulo,, e é a matriz canônica da transformação linear T : R R, (x,y)=( x -y, x +y ). AUTOVALORES E AUTOVETORES Dada uma transformação linear, T: V V estamos interessados em saber que vetores (não nulos) são levados em um múltiplo de si mesmo; isto é, procuramos um vetor v V e um escalar real tais que T(v) =.v v T(v) Neste caso T(v) será um vetor de mesma direção que v. O escalar será chamado autovalor e o vetor v formalizar este conceito. um autovetor. Vamos Definição: Seja T: V V uma transformação linear. Se existirem vv, v, e tais que Tv =.v, então é um autovalor de T e v um autovetor de T associados a. Observe que pode ser o número, embora v não possa ser o vetor nulo. 8
59 Exemplos: ) Seja T: dado por T(x,y) =.(x,y). Neste caso = é o autovalor de T E qualquer vetor (x, y) (, ) é um autovetor de T associado a =. ) T: onde T(x,y) = (x, -y) Note que T(, -y)=(,-y)=-(, y) Portanto, =- é o autovalor de T e todo vetor v =(,y) tal que y é um autovetor de T. Observe também que T(x,)=(x,)=(x,) Então, = é o autovalor de T e todo vetor v =(x,) tal que x é um autovetor de T. Exercício: Quais são as matrizes A e A associadas às Transformações Lineares em relação à base canônica, nos exemplos e? As noções de autovetor e autovalor de uma transformação linear (ou matriz) são fundamentais, por exemplo, em Física Atômica porque os níveis de energia dos átomos e moléculas são dados por autovalores de determinadas matrizes. Também o estudo dos fenômenos de vibração, análise de estabilidade de um avião e muitos outros problemas de Física levam à procura de autovalores e autovetores de matrizes. 9
60 . Autovalores e Autovetores de uma matriz Lembre-se que toda transf. Linear T: x n) em relação à base canônica, isto é, T(v) = A.v. n n está associada a uma matriz A(n Logo, o autovalor e autovetor de A é o autovalor e autovetor de T. Portanto, o autovalor e o autovetor v, são soluções das equações da seguinte equação T(v) =.v, isto é, A.v=.v, v (v vetor não nulo). Polinômio Característico Método prático para encontrar autovalores e autovetores de uma matriz. Exemplo: Dado A= que, vamos procurar vetores v=(x,y) não nulo e escalares tais Observe que, se I for a matriz identidade de ordem, então a equação acima pode ser escrita na forma A.v =.v A.v =( I)v Ou ainda, (A- I)v = Matriz nula 6
61 Explicitamente temos: x y ou x y Se escrevermos explicitamente o sistema de equações lineares equivalente a esta equação matricial, iremos obter um sistema de equações e incógnitas. Se o determinante da matriz dos coeficientes for diferente de zero, saberemos que este sistema tem uma única solução, que é a solução nula, ou seja, x=y=. Mas estamos interessados em calcular os autovetores de A, isto é, vetores v, ou seja, det Portanto, -(+ ).(- )+=. Denominamos de p( ) de polinômio característico de A. Obs: p( ) det( A.I ) Continuando a resolução, temos e, que são as raízes do polinômio característico, e portanto os autovalores da matriz A são - e. Através dos autovalores encontramos os autovetores. (i) Substituindo em x y temos: x y x y x y x=y 6
62 O autovetor associado a é v =(y,y), y, ou v =(x,x/), x (ii) Substituindo em x y temos: x y x y x y x=y O autovetor associado a é v =(x,x), x. Teorema n n Se a equação polinomial c... c c, onde c,..., c n são inteiros. Todas as soluções inteiras (se houver) desta equação são divisores do termo c n. n n Exemplo: As possíveis raízes inteiras da equação 6 são os divisores de -6 que são,,,, 6. Se () 6 p, então p (), pois p()=. é uma das raízes do polinômio Para as outras possibilidades, não encontramos raízes. Mas, dividindo p( ) por, onde é uma raiz de p( ), temos, p( ) ( ).( ) Logo, as outras raízes serão soluções da equação. 6
63 Considerando raízes no campo complexo, temos i. Então, as raízes de p( ) são:, i, i. 6. Semelhança e Diagonalização As matrizes triangulares e matrizes diagonais são interessantes pois seus autovalores são determinados diretamente. Portanto, seria agradável se pudéssemos relacionar uma matriz a outra matriz triangular ou diagonal de forma que ambas tivessem os mesmos autovalores. 6. Matrizes Semelhantes Definição: Sejam A e B matrizes nxn. Dizemos que A é semelhante a B se existir uma matriz nxn invertível P tal que P - AP=B. Se A é semelhante a B, escrevemos A~B. Obs: Se A~B, podemos escrever que A=PBP - ou AP=PB. Exemplo: As matrizes A e B são semelhantes. Tome P. Então, AP=PB=. Teorema Sejam A e B matrizes semelhantes. Então: a) det A = det B. b) A é invertível B é invertível. c) A e B têm o mesmo posto. d) A e B têm o mesmo polinômio característico. 6
64 Definição: O posto de uma matriz é o número de linhas não nulas de qualquer uma de suas formas escalonadas por linhas. 6. Diagonalização Temos a melhor situação possível quando uma matriz quadrada é semelhante a uma matriz diagonal. Como veremos logo a seguir, a possibilidade de isso ocorrer está relacionada estreitamente com os autovalores e autovetores da matriz. Definição: Uma matriz A (nxn) é diagonalizável se existe uma matriz diagonal D tal que A~D, ou seja, se existe P (nxn) invertível tal que P - AP=D. Exemplo: A matriz A é diagonalizável, pois, se P e D, então AP=PD=. Teorema A matriz A(nxn) é diagonalizável A tiver n autovetores LI. Em outras palavras: Existem P invertível e uma matriz diagonal D tal que P - AP=D se, e somente se, as colunas de P forem n autovetores de A, LI, e os elementos da diagonal de D forem os autovalores correspondentes aos autovetores. Exemplos: Se possível, determine a matriz P que diagonaliza a) A b) A 6
65 Soluções: a) det(a- I)= Os autovalores são e. Para tem como autovetor os múltiplos de (,,). Para tem como autovetor os múltiplos de (,,). Como não é possível existir autovetores LI, pelo teorema anterior, A não é diagonalizável. Obs: tem multiplicidade algébrica igual a e tem multiplicidade algébrica igual a. Cada autovalor gera somente um autovetor, portanto a multiplicidade geométrica é, para qualquer autovalor. b) det(a- I)= Para temos autovetores da forma (x,y,x), x,y, que são gerados pelos vetores v =(,,) e v =(,,). Para tem como autovetor v =(-,,). É fácil verificar que estes vetores são LI. Pelo teorema, P v v v é invertível. Além disso, P - AP=D= AP=PD., ou que, P v então P - AP=D= Obs: Se v v 6
66 Obs: tem multiplicidade algébrica igual a e tem multiplicidade algébrica igual a. geral dois autovetores e gera um autovetor, portanto tem multiplicidade geométrica igual a e tem multiplicidade geométrica igual a. Teorema Se A (nxn) têm n autovalores distintos entre si, então A é diagonalizável. Teorema da Diagonalização Seja A(nxn) com n autovalores distintos (não necessariamente distintos entre si). São equivalentes os enunciados: i) A é diagonalizável. ii) A união de todos os autovetores gerados pelos autovalores contém n vetores LI. iii) A multiplicidade algébrica de cada autovalor é igual à sua multiplicidade geométrica. Exemplos a) tem multiplicidade algébrica igual a mas multiplicidade geométrica igual a, logo A não é diagonalizável, de acordo com com o Teorema da Diagonalização. 66
67 67 b) A matriz A tem dois autovalores distintos e. O autovalor tem multiplicidades algébrica e geométrica iguais a, e para o autovalor as multiplicidades são iguais a. Portanto, de acordo com o Teorema da Diagonalização, A é diagonalizável. Exercícios resolvidos: ) Determine se A é diagonalizável e, quando for, encontre uma matriz invertível P e uma matriz diagonal D tais que P - AP=D, ou, AP=PD. a) A b) A c) A d) A e) A f) A g) A h) A Gabarito: a) P, 7 D b). Com apenas o autovetor (,) não é possível determinar P. Logo, A não é diagonalizável.
68 c) Para temos apenas o autovetor (,,). Como não é possível determinar P com vetor então A não é diagonalizável. d) P, D e) O polinômio característico de A é =. Autovalores: e. Para, a multiplicidade algébrica vale e tem como autovetor (,,-), portanto a multiplicidade geométrica vale. Logo, A não é diagonalizável.. f) O polinômio característico de A é Para, a multiplicidade algébrica vale e tem como autovetor (,-,), portanto a multiplicidade geométrica vale. Logo, A não é diagonalizável. g) O polinômio característico de A é. Para, a multiplicidade algébrica vale e tem como autovetor (,,,), portanto a multiplicidade geométrica vale. Logo, A não é diagonalizável. h) P, D Fonte: Álgebra Linear, Editora Thomson - David Poole 68
. (1) Se S é o espaço vetorial gerado pelos vetores 1 e,0,1
QUESTÕES ANPEC ÁLGEBRA LINEAR QUESTÃO 0 Assinale V (verdadeiro) ou F (falso): (0) Os vetores (,, ) (,,) e (, 0,) formam uma base de,, o espaço vetorial gerado por,, e,, passa pela origem na direção de,,
Leia maisÁlgebra Linear. André Arbex Hallack
Álgebra Linear André Arbex Hallack 2017 Índice 1 Sistemas Lineares 1 1.1 Corpos............................................. 1 1.2 Sistemas de Equações Lineares............................... 3 1.3 Sistemas
Leia maisUniversidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Matemática
1 Universidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Matemática Lista 4 - MAT 137 -Introdução à Álgebra Linear 2017/II 1. Entre as funções dadas abaixo, verifique quais
Leia maisFormação Continuada em MATEMÁTICA Fundação CECIERJ/Consórcio CEDERJ. Sistemas Lineares. Matemática 2 Ano 4 Bimestre/2014 Tarefa 1.
Formação Continuada em MATEMÁTICA Fundação CECIERJ/Consórcio CEDERJ Sistemas Lineares Matemática 2 Ano 4 Bimestre/2014 Tarefa 1 Grupo 1 Elaboração do plano de trabalho 1 Cursista: Maria Delfina Ribas Ferreira
Leia mais1. Entre as funções dadas abaixo, verifique quais são transformações lineares: x y z
MINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA 657- - VIÇOSA - MG BRASIL a LISTA DE EXERCÍCIOS DE MAT 8 I SEMESTRE DE Entre as funções dadas abaixo, verifique quais são transformações
Leia maisUniversidade Federal Fluminense - GAN
Solimá Gomes Pimentel Universidade Federal Fluminense IM - GAN Solimá Gomes Pimentel, ****- Matemática para Economia III/Solimá Gomes Pimentel 2pt, ; 31cm Inclui Bibliografia. 1. Matemática para Economia
Leia maisProf. Drª Marília Brasil Xavier REITORA. Profª. Drª. Maria das Graças Silva VICE-REITORA
Prof. Drª Marília Brasil Xavier REITORA Profª. Drª. Maria das Graças Silva VICE-REITORA Prof. Dr. Ruy Guilherme Castro de Almeida PRÓ-REITOR DE ENSINO E GRADUAÇÃO Profª. M.Sc. Maria José de Souza Cravo
Leia maisÁlgebra Linear. Professor Alessandro Monteiro. 1º Sábado - Matrizes - 11/03/2017
º Sábado - Matrizes - //7. Plano e Programa de Ensino. Matrizes. Exemplos. Ordem de Uma Matriz. Exemplos. Representação 7. Matriz Genérica m x n 8. Matriz Linha 9. Exemplos. Matriz Coluna. Exemplos. Diagonal
Leia maisPLANO DE ENSINO E APRENDIZAGEM
SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE LICENCIATURA PLENA EM MATEMÁTICA PARFOR PLANO E APRENDIZAGEM I IDENTIFICAÇÃO: PROFESSOR (A) DA DISCIPLINA:
Leia maisAUTOVALORES E AUTOVETORES
AUTOVALORES E AUTOVETORES Prof a Simone Aparecida Miloca Definição 1 Uma tranformação linear T : V V é chamada de operador linear. Definição Seja T : V V um operador linear. existirem vetores não-nulos
Leia maisÁlgebra Linear. Professor Alessandro Monteiro. 1º Sábado - Matrizes - 11/03/2017
º Sábado - Matrizes - //7. Plano e Programa de Ensino. Definição de Matrizes. Exemplos. Definição de Ordem de Uma Matriz. Exemplos. Representação Matriz Genérica m x n 8. Matriz Linha 9. Exemplos. Matriz
Leia maisProduto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru
1 Produto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru Neste capítulo vamos considerar espaços vetoriais sobre K, onde K = R ou K = C, ou seja, os espaços vetoriais podem ser reais
Leia maisESPAÇOS VETORIAIS EUCLIDIANOS
ESPAÇOS VETORIAIS EUCLIDIANOS Produto interno em espaços vetoriais Estamos interessados em formalizar os conceitos de comprimento de um vetor e ângulos entre dois vetores. Esses conceitos permitirão uma
Leia mais(c) apenas as afirmações (II) e (III) são necessariamente verdadeiras;
Q1. Considere o espaço vetorial R 4 munido do seu produto interno usual. Sejam B uma base de R 4, A M 4 (R) uma matriz e T : R 4 R 4 a transformação linear tal que [T ] B = A. Considere as seguintes afirmações:
Leia maisParte 2 - Espaços Vetoriais
Espaço Vetorial: Parte 2 - Espaços Vetoriais Seja V um conjunto não vazio de objetos com duas operações definidas: 1. Uma adição que associa a cada par de objetos u, v em V um único objeto u + v, denominado
Leia maisQ1. Considere as bases: der 2 e der 3, respectivamente. Seja T :R 2 R 3 a transformação linear Temos que T(1,2) é igual a: [T] BC = 1 0
Q. Considere as bases: B = { (,),(, ) }, C = { (,,),(,,),(,,) }, der e der, respectivamente. Seja T :R R a transformação linear cuja matriz em relação às bases B e C é: [T] BC =. Temos que T(,) é igual
Leia maisInterbits SuperPro Web
1 (Ita 018) Uma progressão aritmética (a 1, a,, a n) satisfaz a propriedade: para cada n, a soma da progressão é igual a n 5n Nessas condições, o determinante da matriz a1 a a a4 a5 a 6 a a a 7 8 9 a)
Leia mais6. Verifique detalhadamente que os seguintes conjuntos são espaços vetoriais(com a soma e produto por escalar usuais):
a Lista. Sejam u = ( 4 ) v = ( 5) e w = (a b). Encontre a e b tais que (a)w = u + v (b)w = 5v (c)u + w = u v. Represente os vetores acima no plano cartesiano.. Sejam u = (4 ) v = ( 4) e w = (a b c). Encontre
Leia maisESPAÇO VETORIAL REAL. b) Em relação à multiplicação: (ab) v = a(bv) (a + b) v = av + bv a (u + v ) = au + av 1u = u, para u, v V e a, b R
ESPAÇO VETORIAL REAL Seja um conjunto V, não vazio, sobre o qual estão definidas as operações de adição e multiplicação por escalar, isto é: u, v V, u + v V a R, u V, au V O conjunto V com estas duas operações
Leia maisNotas para o Curso de Algebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009
Notas para o Curso de Álgebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009 2 Sumário 1 Matrizes e Sistemas Lineares 5 11 Matrizes 6 12 Sistemas Lineares 11 121 Eliminação Gaussiana 12 122 Resolução
Leia maisexercícios de álgebra linear 2016
exercícios de álgebra linear 206 maria irene falcão :: maria joana soares Conteúdo Matrizes 2 Sistemas de equações lineares 7 3 Determinantes 3 4 Espaços vetoriais 9 5 Transformações lineares 27 6 Valores
Leia maisMINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA DEPARTAMENTO DE MATEMÁTICA
MINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA DEPARTAMENTO DE MATEMÁTICA 1 a LISTA DE EXERCÍCIOS DE MAT 17 1. Suponha que uma força de 1 newtons é aplicada em um objeto ao longo do
Leia maisMINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA DEPARTAMENTO DE MATEMÁTICA
MINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA DEPARTAMENTO DE MATEMÁTICA a LISTA DE EXERCÍCIOS DE MAT 7 II SEMESTRE DE 00 Professores: Flávia, Gustavo e Lana. Suponha que uma força
Leia maisParte 3 - Produto Interno e Diagonalização
Parte 3 - Produto Interno e Diagonalização Produto Escalar: Sejam u = (u 1,..., u n ) e v = (v 1,..., v n ) dois vetores no R n. O produto escalar, ou produto interno euclidiano, entre esses vetores é
Leia mais1 Autovetor e Autovalor 9. 2 Matrizes Ortogonais e Transformações Lineares Planas e Espaciais 55
Capítulo LINE LINE Autovetor e Autovalor 9 Matrizes Ortogonais e Transformações Lineares Planas e Espaciais 55 Matrizes Simétricas, o Teorema Espectral e Operadores Auto-adjuntos 8 4 Formas Bilineares,
Leia maisUniversidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM
Universidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM 3 a Lista de Exercícios de Introdução à Álgebra Linear Professor: Fágner Dias Araruna
Leia maisUniversidade Federal de Uberlândia Faculdade de Matemática
Universidade Federal de Uberlândia Faculdade de Matemática Universidade Federal de Uberlândia Faculdade de Matemática Disciplina : Geometria Analítica e Álgebra Linear - GCI004 Assunto: Espaços vetoriais
Leia maisÁlgebra Linear. Professor Alessandro Monteiro. 1º Sábado - Matrizes - 11/03/2017
º Sábado - Matrizes - //7 Plano e Programa de Ensino Matrizes Exemplos Ordem de Uma Matriz Exemplos Representação 7 Matriz Genérica m x n 8 Matriz Linha 9 Exemplos Matriz Coluna Exemplos Diagonal de Uma
Leia maisMAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de T ( p(x) ) = p(x + 1) p(x), (a) 8, (b) 5, (c) 0, (d) 3, (e) 4.
MAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de 218 Q1. Considere a transformação linear T : P 3 (R) P 2 (R), dada por T ( p(x) ) = p(x + 1) p(x), para todo p(x) P 3 (R), e seja A
Leia maisTRANSFORMAÇÕES LINEARES. Álgebra Linear e Geometria Analítica Prof. Aline Paliga
TRANSFORMAÇÕES LINEARES Álgebra Linear e Geometria Analítica Prof. Aline Paliga INTRODUÇÃO Estudaremos um tipo especial de função, onde o domínio e o contradomínio são espaços vetoriais reais. Assim, tanto
Leia maisMatrizes Semelhantes e Matrizes Diagonalizáveis
Diagonalização Matrizes Semelhantes e Matrizes Diagonalizáveis Nosso objetivo neste capítulo é estudar aquelas transformações lineares de R n para as quais existe pelo menos uma base em que elas são representadas
Leia mais1 a Lista de Exercícios de MAT3458 Escola Politécnica 2 o semestre de 2016
1 a Lista de Exercícios de MAT3458 Escola Politécnica o semestre de 16 1 Para que valores de t R a função definida por (x 1, x ), (y 1, y ) = x 1 y 1 + tx y é um produto interno em R? Para cada par de
Leia maisINSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO
EXERCÍCIOS INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-2458 Álgebra Linear para Engenharia II Primeira Lista de Exercícios - Professor: Equipe da Disciplina 1. Em R 3, sejam S 1
Leia maisAula 19 Operadores ortogonais
Operadores ortogonais MÓDULO 3 AULA 19 Aula 19 Operadores ortogonais Objetivos Compreender o conceito e as propriedades apresentadas sobre operadores ortogonais. Aplicar os conceitos apresentados em exemplos
Leia mais0 1. Assinale a alternativa verdadeira Q1. Seja A = (d) Os autovalores de A 101 são i e i. (c) Os autovalores de A 101 são 1 e 1.
Nesta prova, se V é um espaço vetorial, o vetor nulo de V será denotado por 0 V. Se u 1,...,u n forem vetores de V, o subespaço de V gerado por {u 1,...,u n } será denotado por [u 1,...,u n ]. O operador
Leia maisMatriz, Sistema Linear e Determinante
Matriz, Sistema Linear e Determinante 1.0 Sistema de Equações Lineares Equação linear de n variáveis x 1, x 2,..., x n é uma equação que pode ser expressa na forma a1x1 + a 2 x 2 +... + a n x n = b, onde
Leia maisÁlgebra linear A Primeira lista de exercícios
Álgebra linear A Primeira lista de exercícios Prof. Edivaldo L. dos Santos (1) Verifique, em cada um dos itens abaixo, se o conjunto V com as operações indicadas é um espaço vetorial sobre R. {[ ] a b
Leia maisLista de exercícios para entregar
Lista de exercícios para entregar Nos problemas abaixo apresenta-se um conjunto com as operações de adição e multiplicação por escalar nele definidas. Verificar quais deles são espaços vetoriais. Para
Leia maisProfs. Alexandre Lima e Moraes Junior 1
Raciocínio Lógico-Quantitativo para Traumatizados Aula 07 Matrizes, Determinantes e Solução de Sistemas Lineares. Conteúdo 7. Matrizes, Determinantes e Solução de Sistemas Lineares...2 7.1. Matrizes...2
Leia maisUniversidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Matemática
1 Universidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 2017/II 1. Sejam u = ( 4 3) v = (2 5) e w = (a b).
Leia maisRenato Martins Assunção
Análise Numérica Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Análise Numérica 2012 1 / 84 Equação linear Sistemas de equações lineares A equação 2x + 3y = 6 é chamada linear
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Matrizes e Sistemas de Equações Lineares
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 1 Matrizes e Sistemas de Equações Lineares Geometria anaĺıtica em R 3 [1 01]
Leia maisNotas de Aulas de Matrizes, Determinantes e Sistemas Lineares
FATEC Notas de Aulas de Matrizes, Determinantes e Sistemas Lineares Prof Dr Ânderson Da Silva Vieira 2017 Sumário Introdução 2 1 Matrizes 3 11 Introdução 3 12 Tipos especiais de Matrizes 3 13 Operações
Leia maisMAT Resumo Teórico e Lista de
MAT 0132 - Resumo Teórico e Lista de Exercícios April 10, 2005 1 Vetores Geométricos Livres 1.1 Construção dos Vetores 1.2 Adição de Vetores 1.3 Multiplicação de um Vetor por um Número Real 2 Espaços Vetoriais
Leia maisÁlgebra Linear I - Aula 22
Álgebra Linear I - Aula 1. Bases Ortonormais.. Matrizes Ortogonais. 3. Exemplos. 1 Bases Ortonormais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de
Leia maisALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1
ALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções em VETORES Um vetor é uma lista ordenada de números
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Espaços Vetoriais Reais
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 4 Espaços Vetoriais Reais Definição de espaço vetorial real [4 01] O conjunto
Leia maisINTRODUÇÃO AO ESTUDO DA ÁLGEBRA LINERAR Luiz Francisco da Cruz Departamento de Matemática Unesp/Bauru CAPÍTULO 7 ISOMORFISMO
INRODUÇÃO AO ESUDO DA ÁLGEBRA LINERAR CAPÍULO 7 ISOMORFISMO A pergunta inicial que se faz neste capítulo e que o motiva é: dada uma transformação linear : V W é possível definir uma transformação linear
Leia maisNOTAS DE AULAS DE ÁLGEBRA LINEAR
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE EDUCAÇÃO E SAÚDE UNIDADE ACADÊMICA DE EDUCAÇÃO PERÍODO 011 TURNO: DATA: PROFESSORA: CÉLIA MARIA RUFINO FRANCO Aluno (a): NOTAS DE AULAS DE ÁLGEBRA LINEAR
Leia maisAula 5 - Produto Vetorial
Aula 5 - Produto Vetorial Antes de iniciar o conceito de produto vetorial, precisamos recordar como se calculam os determinantes. Mas o que é um Determinante? Determinante é uma função matricial que associa
Leia mais1. Conhecendo-se somente os produtos AB e AC, calcule A = X 2 = 2X. 3. Mostre que se A e B são matrizes que comutam com a matriz M = 1 0
Lista de exercícios. AL. 1 sem. 2015 Prof. Fabiano Borges da Silva 1 Matrizes Notações: 0 para matriz nula; I para matriz identidade; 1. Conhecendo-se somente os produtos AB e AC calcule A(B + C) B t A
Leia maisÁlgebra Linear I - Aula Forma diagonal de uma matriz diagonalizável
Álgebra Linear I - Aula 18 1 Forma diagonal de uma matriz diagonalizável 2 Matrizes ortogonais Roteiro 1 Forma diagonal de uma matriz diagonalizável Sejam A uma transformação linear diagonalizável, β =
Leia maisAula 25 - Espaços Vetoriais
Espaço Vetorial: Aula 25 - Espaços Vetoriais Seja V um conjunto não vazio de objetos com duas operações definidas: 1. Uma adição que associa a cada par de objetos u, v em V um único objeto u + v, denominado
Leia maisEspaços Euclidianos. Espaços R n. O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais:
Espaços Euclidianos Espaços R n O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais: R n = {(x 1,..., x n ) : x 1,..., x n R}. R 1 é simplesmente o conjunto R dos números
Leia maisVetores e Geometria Analítica
Vetores e Geometria Analítica ECT2102 Prof. Ronaldo Carlotto Batista 23 de fevereiro de 2016 AVISO O propósito fundamental destes slides é servir como um guia para as aulas. Portanto eles não devem ser
Leia maisTRANSFORMAÇÕES LINEARES
ransformação Linear RNSFORMÇÕES LINERES Sejam e espaços vetoriais reais Dizemos que uma função : é uma transformação linear se a função preserva as operações de adição e de multiplicação por escalar, isto
Leia maisÁlgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP
Álgebra Linear AL Luiza Amalia Pinto Cantão Depto de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocabaunespbr Espaços Vetoriais 1 Definição; 2 Subespaços; 3 Combinação Linear, dependência
Leia maisMAT Álgebra Linear para Engenharia II - Poli 2 ō semestre de ā Lista de Exercícios
MAT 2458 - Álgebra Linear para Engenharia II - Poli 2 ō semestre de 2014 1 ā Lista de Exercícios 1. Verifique se V = {(x, y) x, y R} é um espaço vetorial sobre R com as operações de adição e de multiplicação
Leia maisLegenda. Questões. Lista de Exercícios - Autovalores e autovetores. Cálculos Teoria Geometria
Lista de Exercícios - Autovalores e autovetores Legenda Cálculos Teoria Geometria Questões. Considere o quadrado determinado pelos pontos A(0, 0), B(, 0), C(, ) e D(0, ).Em cada item aplique o referido
Leia maisÁlgebra Linear Semana 05
Álgebra Linear Semana 5 Diego Marcon 4 de Abril de 7 Conteúdo Interpretações de sistemas lineares e de matrizes invertíveis Caracterizações de matrizes invertíveis 4 Espaços vetoriais 5 Subespaços vetoriais
Leia maisParte 1 - Matrizes e Sistemas Lineares
Parte 1 - Matrizes e Sistemas Lineares Matrizes: Uma matriz de tipo m n é uma tabela com mn elementos, denominados entradas, e formada por m linhas e n colunas. A matriz identidade de ordem 2, por exemplo,
Leia mais(x 1, y 1 ) (x 2, y 2 ) = (x 1 x 2, y 1 y 2 ); e α (x, y) = (x α, y α ), α R.
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-2457 Álgebra Linear para Engenharia I Terceira Lista de Exercícios - Professor: Equipe da Disciplina EXERCÍCIOS 1. Considere as retas
Leia maisMAT3457 ÁLGEBRA LINEAR PARA ENGENHARIA I 1 a Lista de Exercícios - 1 o semestre de 2018
MAT3457 ÁLGEBRA LINEAR PARA ENGENHARIA I a Lista de Exercícios - o semestre de 8 Exercícios -8: os espaços V e V 3. Exercícios 9-7: dependência, independência linear, bases. Exercícios 8-48: sistemas lineares.
Leia mais1 Matrizes Ortogonais
Álgebra Linear I - Aula 19-2005.1 Roteiro 1 Matrizes Ortogonais 1.1 Bases ortogonais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de vetores distintos
Leia maisI Lista de Álgebra Linear /02 Matrizes-Determinantes e Sistemas Prof. Iva Zuchi Siple
1 I Lista de Álgebra Linear - 2012/02 Matrizes-Determinantes e Sistemas Prof. Iva Zuchi Siple 1. Determine os valores de x e y que tornam verdadeira a igualdade ( x 2 + 5x x 2 ( 6 3 2x y 2 5y y 2 = 5 0
Leia maisCM005 Álgebra Linear Lista 3
CM005 Álgebra Linear Lista 3 Alberto Ramos Seja T : V V uma transformação linear. Se temos que T v = λv, v 0, para λ K. Dizemos que λ é um autovalor de T e v autovetor de T associado a λ. Observe que λ
Leia maisn. 1 Matrizes Cayley (1858) As matrizes surgiram para Cayley ligadas às transformações lineares do tipo:
n. Matrizes Foi um dos primeiros matemáticos a estudar matrizes, definindo a ideia de operarmos as matrizes como na Álgebra. Historicamente o estudo das Matrizes era apenas uma sombra dos Determinantes.
Leia maisÍNDICE MATRIZES SISTEMAS DE EQUAÇÕES LINEARES ESPAÇO VETORIAL REAL DE DIMENSÃO FINITA
ÍNDICE MATRIZES Definição 1 Igualdade 2 Matrizes Especiais 2 Operações com Matrizes 3 Classificação de Matrizes Quadradas 9 Operações Elementares 11 Matriz Equivalente por Linha 11 Matriz na Forma Escalonada
Leia maisÁlgebra Linear e suas Aplicações Notas de Aula. Petronio Pulino = Q
Álgebra Linear e suas Aplicações Notas de Aula Petronio Pulino 1 3 4 3 1 0 4 0 1 = Q 4 1 6 Qt Q t Q = 1 1 1 PULINUS Álgebra Linear e suas Aplicações Notas de Aula Petronio Pulino Departamento de Matemática
Leia maisESPAÇOS VETORIAIS. Álgebra Linear e Geometria Analítica Prof. Aline Paliga
ESPAÇOS VETORIAIS Álgebra Linear e Geometria Analítica Prof. Aline Paliga INTRODUÇÃO Sabe-se que o conjunto 2 ( x, y) / x, y é interpretado geometricamente como o plano cartesiano. O par ordenado (x,y)
Leia maisMinistério da Educação UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ Câmpus Medianeira PLANO DE ENSINO. CURSO Engenharia Elétrica MATRIZ 548
Ministério da Educação UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ Câmpus Medianeira PLANO DE ENSINO CURSO Engenharia Elétrica MATRIZ 548 FUNDAMENTAÇÃO LEGAL Processo N 00/11, aprovado pela Resolução n.
Leia maisMAT ÁLGEBRA LINEAR PARA ENGENHARIA II 1 a Lista de Exercícios - 2 o semestre de 2006
MAT 2458 - ÁLGEBRA LINEAR PARA ENGENHARIA II 1 a Lista de Exercícios - 2 o semestre de 2006 1. Sejam u = (x 1, x 2 ) e v = (y 1, y 2 ) vetores de R 2. Para que valores de t R a funcão u, v = x 1 y 1 +
Leia maisPLANO DE ENSINO CURSO ENGENHARIA AMBIENTAL MATRIZ 519
Ministério da Educação UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ Campus Medianeira PLANO DE ENSINO CURSO ENGENHARIA AMBIENTAL MATRIZ 519 FUNDAMENTAÇÃO LEGAL Resolução 075/09 COEPP, de 21 de agosto de
Leia mais1 a Lista de Exercícios MAT 3211 Álgebra Linear Prof. Vyacheslav Futorny
1 a Lista de Exercícios MAT 3211 Álgebra Linear - 213 - Prof. Vyacheslav Futorny 1 a parte: Resolução de sistemas de equações lineares, matrizes inversíveis 1. Para cada um dos seguintes sistemas de equações
Leia maisMAT3458 ÁLGEBRA LINEAR II 2 a Lista de Exercícios 2 o semestre de 2018
MAT3458 ÁLGEBRA LINEAR II 2 a Lista de Exercícios 2 o semestre de 2018 1. Verdadeiro ou falso? Justifique suas respostas. (i) Existe uma transformação linear T : P 3 (R) M 2 (R) cuja matriz em relação
Leia maisGAAL - Exame Especial - 12/julho/2013. Questão 1: Considere os pontos A = (1, 2, 3), B = (2, 3, 1), C = (3, 1, 2) e D = (2, 2, 1).
GAAL - Exame Especial - /julho/3 SOLUÇÕES Questão : Considere os pontos A = (,, 3), B = (, 3, ), C = (3,, ) e D = (,, ) (a) Chame de α o plano que passa pelos pontos A, B e C e de β o plano que passa pelos
Leia maisProduto Misto, Determinante e Volume
15 Produto Misto, Determinante e Volume Sumário 15.1 Produto Misto e Determinante............ 2 15.2 Regra de Cramer.................... 10 15.3 Operações com matrizes............... 12 15.4 Exercícios........................
Leia maisAula 1 Autovetores e Autovalores de Matrizes Aula 2 Autovetores e Autovalores de Matrizes Casos Especiais 17
Sumário Aula 1 Autovetores e Autovalores de Matrizes.......... 8 Aula 2 Autovetores e Autovalores de Matrizes Casos Especiais 17 Aula 3 Polinômio Característico................. 25 Aula 4 Cálculo de Autovalores
Leia maisAPLICAÇÃO DE AUTOVALORES E AUTOVETORES NAS POTÊNCIAS DE MATRIZES
Universidade Federal de Goiás Câmpus de Catalão Departamento de Matemática Seminário Semanal de Álgebra APLICAÇÃO DE AUTOVALORES E AUTOVETORES NAS POTÊNCIAS DE MATRIZES Aluno: Ana Nívia Pantoja Daniela
Leia maisSão tabelas de elementos dispostos ordenadamente em linhas e colunas.
EMENTA (RESUMO) Matrizes Matrizes, determinantes e suas propriedades, Multiplicação de matrizes, Operações com matrizes, Matrizes inversíveis. Sistemas de Equações Lineares Sistemas equações lineares,
Leia maisJ. Delgado - K. Frensel - L. Crissaff Geometria Analítica e Cálculo Vetorial
178 Capítulo 10 Equação da reta e do plano no espaço 1. Equações paramétricas da reta no espaço Sejam A e B dois pontos distintos no espaço e seja r a reta que os contém. Então, P r existe t R tal que
Leia maisLegenda. Questões. 2ª Lista de Exercícios (ALI0001) Prof. Helder G. G. de Lima 1. Cálculos Conceitos Teoria
2ª Lista de Exercícios (ALI0001) Prof. Helder G. G. de Lima 1 Legenda Cálculos Conceitos Teoria Questões 1. Revise todos os axiomas da definição de espaço vetorial V sobre o corpo de escalares R, verificando
Leia maisSoluções dos trabalhos de 1 a 7
Universidade Federal Rural do Semiárido-UFERSA Departamento de Ciências Exatas e Naturais Curso: Bacharelado em Ciência e Tecnologia e Computação Disciplina: Álgebra Linear Aluno(a): Soluções dos trabalhos
Leia maisFACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO LEEC EXERCÍCIOS DE ÁLGEBRA
FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO LEEC EXERCÍCIOS DE ÁLGEBRA Exercícios vários. Considere o conjunto C =, e a operação binária definida por a b = min(a, b). O conjunto C é, relativamente
Leia maisESPAÇOS LINEARES (ou vetoriais)
Álgebra Linear- 1 o Semestre 2018/19 Cursos: LEIC A Lista 3 (Espaços Lineares) ESPAÇOS LINEARES (ou vetoriais) Notações: Seja A uma matriz e S um conjunto de vetores Núcleo de A: N(A) Espaço das colunas
Leia maisÁlgebra Linear II - Poli - Gabarito Prova SUB-tipo 00
Álgebra Linear II - Poli - Gabarito Prova SUB-tipo 00 [ ] 4 2 Questão 1. Seja T : R 2 R 2 o operador linear cuja matriz, com respeito à base canônica de R 2, é. 1 3 [ ] 2 0 Seja B uma base de R 2 tal que
Leia maisÁLGEBRA LINEAR. Valores Próprios (Autovalores) e Vetores Próprios (Autovetores) Prof. Susie C. Keller
ÁLGEBRA LINEAR Valores Próprios (Autovalores) e Vetores Próprios (Autovetores) Prof. Susie C. Keller Autovalores e Autovetores de um Operador Linear Seja T:V V um operador linear. Um vetor v V, v 0, é
Leia mais. Repare que ao multiplicar os vetores (-1,1) e
Álgebra Linear II P1-2014.2 Obs: Todas as alternativas corretas são as representadas pela letra A. 1 AUTOVETORES/ AUTOVALORES Essa questão poderia ser resolvida por um sistema bem chatinho. Mas, faz mais
Leia maisDou Mó Valor aos Autovalores
1. Definições Preliminares Dou Mó Valor aos Autovalores 21ª Semana Olímpica Maceió, AL Prof. Davi Lopes Nível U Dada uma matriz quadrada A n n de entradas complexas, podemos definir os conceitos a seguir,
Leia maisf) (,) = (,2) g) (,) = (,) h) (,) = (, ) i) (,) = (3, 2 ) d) (,) = (3, 2) e) (,) = 2(,) f) (,) = (, ) +2 # ' ( +
Lista de exercícios: Unidade 3 Transformações Lineares 1) Consideremos a transformação linear : ² ² definida por (,) = (3 2, +4). Utilizar os vetores = (1,2) e = (3, 1) para mostrar que (3 +4) = 3() +
Leia maisMAE125 Álgebra Linear /1 Turmas EQN/QIN
MAE25 Álgebra Linear 2 205/ Turmas EQN/QIN Planejamento (última revisão: 0 de junho de 205) Os exercícios correspondentes a cada aula serão cobrados oralmente na semana seguinte à aula e valem nota Todas
Leia maisExercícios. setor Aula 39 DETERMINANTES (DE ORDENS 1, 2 E 3) = Resposta: 6. = sen 2 x + cos 2 x Resposta: 1
setor 0 00508 Aula 39 ETERMINANTES (E ORENS, E 3) A toda matriz quadrada A de ordem n é associado um único número, chamado de determinante de A e denotado, indiferentemente, por det(a) ou por A. ETERMINANTES
Leia maisUNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática
UNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática 2 a Lista - MAT 137 - Introdução à Álgebra Linear II/2005 1 Resolva os seguintes sistemas lineares utilizando o Método
Leia mais1 Vetores no Plano e no Espaço
1 Vetores no Plano e no Espaço Definimos as componentes de um vetor no espaço de forma análoga a que fizemos com vetores no plano. Vamos inicialmente introduzir um sistema de coordenadas retangulares no
Leia mais1 NOTAS DE AULA FFCLRP-USP - VETORES E GEOMETRIA ANALÍTICA. Professor Doutor: Jair Silvério dos Santos
FFCLRP-USP - VETORES E GEOMETRIA ANALÍTICA 1 NOTAS DE AULA Professor Doutor: Jair Silvério dos Santos (i) Matrizes Reais Uma matriz real é o seguinte arranjo de números reais : a 11 a 12 a 13 a 1m a 21
Leia maisLista de Álgebra Linear Aplicada
Lista de Álgebra Linear Aplicada Matrizes - Vetores - Retas e Planos 3 de setembro de 203 Professor: Aldo Bazán Universidade Federal Fluminense Matrizes. Seja A M 2 2 (R) definida como 0 0 0 3 0 0 0 2
Leia maisÁLGEBRA LINEAR AULA 9 ESPAÇOS VETORIAIS EUCLIDIANOS
ÁLGEBRA LINEAR AULA 9 ESPAÇOS VETORIAIS EUCLIDIANOS Luís Felipe Kiesow de Macedo Universidade Federal de Pelotas - UFPel 1 / 11 1 Produto Interno 2 Módulo de um Vetor 3 Ângulo Entre Dois Vetores - Vetores
Leia maisÁlgebra Linear - 2 a lista de exercícios Prof. - Juliana Coelho
Álgebra Linear - 2 a lista de exercícios Prof. - Juliana Coelho 1 - Verifique que os conjuntos V abaixo com as operações dadas não são espaços vetoriais explicitando a falha em alguma das propriedades.
Leia mais