2.1 Fundamentos Básicos
|
|
- Ana Laura Pereira Figueiroa
- 7 Há anos
- Visualizações:
Transcrição
1 .1 Fundamentos Básicos Recordemos que uma aplicação (ou transformação) entre espaços vetoriais T : V! W é linear quando: (a) T (u + v) = T (u) + T (v) ; u; v V: (b) T ( u) = T (u) ; u V e F: Podemos condensar essas duas condições em uma só e a rmar que T : V! W é linear quando T ( u + v) = T (u) + T (v) ; F; u; v V: É oportuno ressaltar que se T : V! W é linear, então T () = (os vetores nulos de V e W estão representados pelo mesmo símbolo ). Assim, se T () 6=, a aplicação T não é linear. Exemplo A aplicação T : R! R, de nida por T (x; y) = (x; y; 1) não é linear, porque T (; ) = (; ; 1) não é. Exemplo A transformação T : R! R, de nida por T (x; y; z) = (x; yz) não é linear, embora T (; ; ) = (; ). Se u = (; ; 1) e v = (; 1; ), temos que T (u + v) 6= T u + T v: Exemplo A transformação T : P! R de nida por T (p) = 1 + p () não é linear, porque T () = 1 6= : Exemplo As translações T (x; y) = (x + a; y + b) não são lineares, exceto no caso em que a e b são ambos nulos. Exemplo A projeção P : R! R ; no plano xy, de nida por P (x; y; z) = (x; y; ) é linear. Também é linear a projeção no eixo y dada por P (x; y; z) = (; y; ) : TRANSFORMAÇÕES ELEMENTARES DO PLANO Uma transformação linear T : R! R além de descrever o tipo mais simples de dependência entre duas variáveis, goza de uma propriedade geométrica interessante: ela transforma retas em retas e circunferências em circunferências. Vejamos algumas transformações especiais.
2 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR 1. CONTRAÇÕES & DILATAÇÕES Dado um número real positivo, as transformações T : R! R, de nidas por T (v) = v, isto é, T (x; y) = (x; y), recebem o nome de contração ou dilatação, conforme seja menor ou maior do que 1. Figura.1: Contração & Dilatação. REFLEXÕES As transformações R x ; R y e R de R! R, de nidas por R x (x; y) = (x; y) ; R y (x; y) = ( x; y) e R (x; y) = ( x; y), recebem os nomes de re exão no eixo x, re exão no eixo y e re exão na origem, respectivamente. Veja a ilustração na Figura.. Figura.: Re exões.. ROTAÇÃO A transformação linear R : R! R, de nida por R (x; y) = (x cos y sen ; x sen + y cos ) é conhecida por rotação de um ângulo. Veja a Seção CISALHAMENTOS Por cisalhamento horizontal, entendemos qualquer transformação C : R! R, do tipo C (x; y) = (x + y; y) ; sendo uma constante real. Na Figura. ilustramos um cisalhamento em que > 1. Como seria um cisalhamento vertical?
3 8 ÁLGEBRA LINEAR MARIVALDO P. MATOS Figura.: Cisalhamento Horizontal. Exemplo Seja S o quadrado de vértices O (; ) ; A (1; ) ; B (1; 1) e C (; 1). Vamos encontrar a imagem de S pela transformação linear T (x; y) = (x y; x + y). A imagem T (S) é o quadrilátero ilustrado na Figura., de vértices T () = (; ) ; T (A) = (1; 1) ; T (B) = (; ) e T (C) = ( 1; ) Figura.: Imagem de um Quadrado..1A Veri que quais das aplicações T : R m! R n abaixo são lineares. (a) T : R! R, T (x; y) = (x y; ) (b) T : R! R, T (x; y) = (x; y; x + y) (c) T : R! R, T (x) = ax (d) T : R! R, T (x; y; z; t) = (y x; t z) (e) T : R! R, T (x) = (x; cos x) (f) T : R! R, T (x; y; z) = (x 1; y + z) (g) T : R! R, T (x) = x; x; x ; (h) T : R! R, T (x; y; z) = (x; z y).1b Seja A uma matriz quadrada e de na T A : M! M por T A (X) = AX. É a aplicação T linear?.1c Mostre que a aplicação T : M! M de nida por T (X) = X t é linear..1d Construa duas matrizes A e B, de ordem, tais que det (A) = det (B) = e det (A + B) 6=. A partir daí conclua que a aplicação T : M! R, de nida por T (X) = det (X) ; não é linear.
4 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR 9.1E Veri que que as aplicações abaixo são lineares. h i (a) T : R! M 1, T (x) = x ax : (b) T : M! R, T (A) = tr (A) : (c) T : M 1! M, T x = x : y y (d) T : M! M 1, T x y h i = x y z t : z t (d) T : M! P, T x y = (x y) t + zt + w: z w.1f Funcionais Lineares As aplicações lineares T : V! F, em que o espaço de chegada é o corpo F (em geral F = R é o corpo dos números reais), são conhecidos na literatura como funcionais lineares. Veri que se os funcionais abaixo são lineares ou não. (a) T : P! R, T (p) = Z 1 (b) T : P! R, T (p) = p () p (x) dx.1g Veri que se a transformação T : P 1! P ; de nida por T (p) (x) = x + xp (x) é linear. E se fosse S : P! P ; de nida por S (p) (x) = p (x) + x p (x), seria S linear?.1h O Espaço das transformações lineares Representemos por L (V; W ) o conjunto das aplicações lineares T : V! W: A soma e o produto por escalar em L (V; W ) são de nidas de maneira natural: (S + T ) (v) = S (v) + T (v) ; v V; S; T L (V; W ) : (T ) (v) = T (v) ; v V; T L (V; W ) : (a) Seria a aplicação identicamente nula um vetor de L (V; W )? (b) Se T e S estão em L (V; W ), mostre que T + S L (V; W ), seja qual for o escalar : Com essas operações L (V; W ) é um espaço vetorial.1i Composição de transformações lineares Sejam U; V e W três espaços vetoriais sobre um corpo F e considere duas aplicações lineares T : U! V e S : V! W. De na uma nova aplicação S T : U! W por (S T ) (u) = S (T (u)) ; u U:
5 ÁLGEBRA LINEAR MARIVALDO P. MATOS Mostre que S T é linear. Figura.: Composição. NOTAÇÃO As aplicações lineares de V! V são denominadas operadores lineares (ou simplesmente operadores) de V e o espaço vetorial L (V; V ) será indicado por L (V ). Se S; T L (V ), então S + T e ST também pertencem a L (V ). É claro que I (a identidade de V ) pertence a L (V ) :.1J Invertendo uma transformação linear Dado um espaço vetorial V sobre um corpo F (o corpo R dos números reais, por exemplo), é simples veri car qua a aplicação identidade I (v) = v é linear, isto é, I L (V; V ). Se T e S são aplicações lineares de V! V e S T = I, isto é, a composição de S com T é a identidade de V, diremos que S é a inversa de T e anotamos S = T 1 : Determine a inversa da aplicação T : R! R, de nida por T (x; y) = (x y; y) : REGRA PRÁTICA Sejam V e W espaços vetoriais de dimensão n e considere = fv 1 ; v ; ; v n g uma base de V. Como veremos adiante, uma aplicação linear invertível T : V! W transforma a base de V em uma base de W e podemos usar a base para encontrar a transformação inversa S = T 1. Se w k = T (v k ), então a inversa S : W! V é caracterizada por S(w k ) = v k, isto é, T (v k ) = w k se, e somente se, S(w k ) = v k (S = T 1 ) e dado w W, temos w = y 1 T (v 1 ) + y T (v ) + + y n T (v n ) e, portanto, S(w) = y 1 v 1 + y v + + y n v n :.1K Encontre a transformação linear T : R!R, tal que T (1; ) = (1; 1) e T (; 1) = (1; ) :
6 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR 1.1L Seja V = M nn o espaço das matrizes quadradas de ordem n. Fixada uma matriz A em V, decida sobre a linearidade das transformações (a) T (X) = A + X (b) T (X) = AX XA:.1M Identi que e esboce o grá co da imagem do retângulo R = [; 1] [1; ] pela transformação T (x; y) = (x y; x + y) :.1N Sejam a; b; c e d números reais positivos e considere o operador T : R! R ; de nido por T (x; y) = (ax + by; cx + dy). Determine as duas raízes 1 e da equação det [T I ] = :.1O Identi que a transformação linear T : P 1! P, que satisfaz a T (x + 1) = x 1 e T (x 1) = x + x:.1p Qual o operador T : P! P que satisfaz às condições T (1) = x; T (x) = 1 x e T x = x + x?.1q Encontre as transformações T : R! R e T : R! R, tais que: T (1; 1) = (; ; 1) ; T (; ) = (; 1; ) ; S (; ; 1) = (1; 1) ; S (; ; 1) = (; ) e S (; 1; ) = (; ) : Calcule T (1; ) e T (; 1) e encontre S T:.1R Encontre a transformação T : R! R que representa uma rotação de = rad, seguida de dilatação de p :.1S Descreva a transformação T : R! R que representa uma re exão em torno da reta y = x:. Núcleo e Imagem Dada uma transformação linear T : V! W, destacamos dois subespaços vetoriais: (i) Núcleo ou Kernel de T, denotado por N (T ) (ou ker (T )) e de nido por N (T ) = fv V : T (v) = g (subespaço vetorial de V ) (ii) Imagem de T, representado por Im (T ) (ou T (V )) e de nido por Im (T ) = fw W : w = T (v) ; para algum v V g (subespaço vetorial de W ). Na Figura.6 ilustramos geometricamente o núcleo e a imagem de uma aplicação linear T : V! W:
7 ÁLGEBRA LINEAR MARIVALDO P. MATOS Figura.6: Núcleo & Imagem. É oportuno ressaltar que se = fv 1 ; v ; : : : ; v n g é uma base de V, então o subespaço Im (T ) é gerado pelos vetores T v 1 ; T v ; : : : ; T v n e dentre esses geradores podemos extrair uma base de Im (T ) : Por outro lado, o núcleo de T pode ser visto, em muitos casos, como o espaço solução de um sistema linear homogêneo, cuja dimensão é igual ao grau de liberdadde, e uma base do núcleo pode ser construída usando as variáveis livres do sistema. Um resultado que relaciona as dimensões de V, N (T ) e Im (T ) é o Teorema do Núcleo e da Imagem que apresentamos a seguir: TEOREMA DO NÚCLEO E DA IMAGEM Se V e W têm dimensão nita e T : V! W é uma transformação linear, então dim V = dim N (T ) + dim Im (T ) Exemplo Como ilustração, vamos encontrar uma base e a dimensão do núcleo e da imagem do operador T : R! R, de nido por T (x; y; z) = (z; x y; z). Inicialmente, observamos que (x; y; z) N (T ), (z; x y; z) = (; ; ), z = e x y = : Assim, o núcleo de T é o subespaço N (T ) = f(x; x; ) : x Rg, uma base N (T ) é = f(1; 1; )g e dim N (T ) = 1: Quanto à imagem, esta é gerada pelos vetores T (e 1 ) ; T (e ) e T (e ), isto é, Im (T ) = [T (1; ; ) ; T (; 1; ) ; T (; ; 1)] = [(; 1; ) ; (; 1; ) ; (1; ; 1)] : Escalonando a matriz geradora de Im (T ), encontramos: de onde resulta que os vetores w 1 = (1; ; conseguinte, dim (Im (T )) = : Temos que 1) e w = (; 1; ) formam uma base de Im (T ) e, por w Im (T ), w = xw 1 + yw, w = (x; y; x) ; x; y R;
8 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR e, sendo assim, Im (T ) = (x; y; z) R : z = x :.A Encontre a transformação linear T : R! R, cujo núcleo contém o vetor (; ), e é tal que T ( 1; 1) = (1; ; )..B Em cada caso, encontre uma base do núcleo e da imagem da transformação linear. (a) T : R! R ; T (x; y) = (x y; ) : (b) T : R! R ; T (x; y; z) = (x + y; y z; x + z) : (c) T : R! R ; T (x; y) = (x + y; x + y) : (d) T : R! R ; T (x; y; z) = (x + y; z) :.D Seja T A : M! M, de nida por T A (X) = AX, sendo A = 1 1 bases de N (T A ) e de Im (T A ). : Determine.E Mostre que a transformação T : P! P, de nida por T (p (x)) = p (x) + x p (x) é linear e determine dim ker (T ) e dim Im (T ). Encontre uma base de Im (T ) e veri que se o polinômio p (x) = 1 + x + x + x está na imagem de T..F Repita o exercício precedente com o operador T : P! P, de nido por T (p (x)) = x p (x) :.G Encontre um operador linear T : R! R, tal que Im (T ) = [(1; ; ) ; (; ; )]. Uma tal transformação pode ser um isomor smo? Por quê?.h Encontre uma transformação linear T : R! R, tal que N (T ) = [(1; 1; )]. Uma tal transformação pode ser um isomor smo? Por quê?.i Se T 1 ; T : V! V são operadores lineares, tais que dim N (T 1 ) = dim N (T ) =, mostre que dim N (T 1 T ) = :.J Dada uma transformação linear T : V! W; use o Teorema do Núcleo e da Imagem e prove as seguintes a rmações: (a) Se dim V < dim W, então T não pode ser sobrejetora. (b) Se dim V > dim W, então T não pode ser injetora. (T) Se T é um isomor smo, então dim V = dim W..K Estabeleça um isomor smo entre os seguintes pares de espaços vetoriais:
9 ÁLGEBRA LINEAR MARIVALDO P. MATOS (a) R e o subespaço W = (x; y; ) R (b) R e P (c) R e M :.L Encontre uma transformação linear T : R! R, cujo núcleo seja a reta y = x:.m Seja T : V! W uma aplicação linear e v 1 ; v ; : : : ; v n vetores LI de V: Se dim N (T ) =, mostre que T v 1 ; T v ; : : : ; T v n são LI..N Seja T : P! P o operador de nido por T ax + bx + c = (a + b) x + (b + c) : (a) O operador T é injetor? É sobrejetor? (b) Dê uma base e a dimensão do núcleo e da imagem de T: (c) p (x) = x + x pertence a N (T )? E q (x) = x + 1 pertence a Im (T )?.O Um operador T : R! R tem núcleo N (T ) = (x; y; z) R : x + y + z = e é tal que T (; ; 1) = (1; 1; 1). Encontre um tal operador..p Considere o operador 1 : P n! P n, de nido 1 (p (x)) = p (x) : Determine o núcleo e a imagem do 1. Qual o núcleo do (p (x)) = p (x)?.q Encontre uma transformação lnear T : R! R com as seguintes propriedades: (i) T (1; 1) = (1; ; ) e (ii) (1; ) N (T ) :. Representação Matricial Nesta seção há dois problemas a serem tratados e os exemplos que seguem à formulação de cada um deles ilustram como resolvê-los. APLICAÇÃO LINEAR ASSOCIADA A UMA MATRIZ Se = fv 1 ; v ; : : : ; v m g e = fw 1 ; w ; : : : ; w n g são bases de R m e R n, respectivamente, e A = [a ij ] é uma matriz de ordem n m, encontrar a aplicação linear T : R m! R n, determinada pela relação [T (v)] = A [v] : (.1)
10 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR onde [v] e [T (v)] são as matrizes coordenadas de v e de T (v) nas bases e : Dado v R m, temos v = x 1 v 1 + x v + + x m v m, isto é, [v] = 6 x 1 x. x m e consideremos os escalares y 1 ; y ; : : : ; y n ; que satisfazem à relação (.1), ou seja A 6 x 1 x. = 6 y 1 y. : x m y n A aplicação linear T vem dada por T (v) = y 1 w 1 + y w + : : : + y n w n : Exemplo Sejam = f(1; ) ; (; 1)g e = f(1; 1; ) ; (; 1; 1) ; (1; ; )g bases de R e R, respectivamente, e consideremos a matriz A = : Dado v = (x; y) um vetor do R, temos que v = x (1; ) + y (; 1) ) [v] = x y e usando a relação (.1), encontramos [T (v)] = x y = 6 x x + y x y y 1 y y e, sendo assim, T (x; y) = x (1; 1; ) + (x + y) (; 1; 1) + (x y) (1; ; ) = (x y; x + y; x 8y)
11 6 ÁLGEBRA LINEAR MARIVALDO P. MATOS é a aplicação linear procurada. Exemplo Se e são as bases canônicas de R m e R n, respectivamente, então a transformação T que satisfaz (.1) é dada por T (x 1 ; x ; : : : ; x m ) = (y 1 ; y ; : : : ; y n ) ; onde 6 y 1 y. = A 6 x 1 x y n x m Por exemplo, com relação às bases canônicas a aplicação linear T : R! R associada à matriz 1 1 A = : é precisamente T (x; y; z; t) = x y z t = (x = y + z; x + y + z + t; y + z t) : MATRIZ ASSOCIADA A UMA APLICAÇÃO LINEAR Seja T : V! W uma transformação linear entre espaços vetoriais de dimensão nita e considere = fv 1 ; v ; : : : ; v m g e = fw 1 ; w ; : : : ; w n g bases de V e W, respectivamente. Associada à transformação linear T consideramos a nm matriz [T ] ; cuja j-ésima coluna é [T (v j )] A matriz [T ] é construída da seguinte forma: escrevemos cada vetor T (v j ) como combinação linear da base e formamos a j-ésima coluna da matriz. T (v 1 ) = a 11 w 1 + a 1 w + + a n1 w n T (v ) = a 1 w 1 + a w + + a n w n :::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: T (v j ) = a 1j w 1 + a j w + + a nj w n :::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: T (v m ) = a 1m w 1 + a m w + + a nm w n
12 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR Assim, a matriz associada à aplicação T é: a 11 a 1 a 1j a 1m a 1 a a j a m. [T ] = a j1 a j a jj a jm a n1 a n a nj v a nm NOTAÇÃO Quando =, a matriz [T ] será indicada simplesmente por [T ]..A Seja I : V! V o operador identidade de V, isto é, I (v) = v; 8v: Se = fv 1 ; v ; : : : ; v n g é uma base de V, determine a matriz [I] : Se é outra base de V, quem é [I]?.B Qual é a transformação linear T : P 1! P, cuja representação matricial em relação às 1 bases canônicas é 6 1?.C Seja T : R! R a transformação de nida por T (x; y; z) = (x y + z; x y z) e considere as bases = f(1; ) ; (; 1)g e = f(1; 1; ) ; (1; 1; 1) ; (1; ; 1)g : Determine a matriz [T ] :.D Sejam = f( 1; ) ; (; 1)g e = f(; 1; 1) ; (1; ; ) ; (1; ; 1)g bases de R e R, respectivamente, e seja T : R! R, tal que [T ] = : (a) Determine bases para N (T ) e Im (T ). É a transformação T injetora? (b) Determine T (x; y; z) :.E Em relação às bases ordenadas = fx; 1g e = x ; x 1; x + 1 de P 1 e P, respectivamente, qual a matriz da transformação linear T : P 1! P, de nida por T (p (x)) = xp (x)?
13 8 ÁLGEBRA LINEAR MARIVALDO P. MATOS.F Sejam = f(1; 1) ; (; )g e = f(1; ; 1) ; (; 1; ) ; (1; ; )g bases de R e R, respectivamente, e seja T : R! R, tal que [T ] = : (a) Determine T (x; y) : (b) Encontre uma base do R, tal que [T ] = :.G Seja T : M! R a transformação linear, de nida por T x y = (x + z; y + t) z t e seja a base canônica de M. (a) Determine [T ], onde = f(1; 1) ; (1; )g : (b) Se S : R! M é tal que [S] = determine, caso exista, um vetor v; tal que Sv = 1 : 1.H Seja T : R! R o operador linear, cuja matriz em relação à base canônica é [T ] = 1 : 1 (a) Determine, caso exista, vetores u e v tais que T u = u e T v = v: (b) Determine dim N (T ) e dim Im (T ) :
14 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR 9 (c) T é um isomor smo? Se for, encontre T 1 (x; y) :.I Seja T : P! R o funcional linear de nido por T (p (x)) = Z 1 Determine a matriz de T em relação às bases canônicas. p (x) dx:.j Seja T : P 1! P 1 o operador linear de nido por T (p (x)) = (1 x) p (x). Determine a matriz de T em relação à base canônica de P 1 : SOBRE A MATRIZ DA APLICAÇÃO COMPOSTA Dadas as aplicações lineares T : fv; g! W; e T : W;! U; a matriz da aplicação composta S T : fv; g! U; pode ser determinada pela regra: Quando T : fv; g! W; inversa T 1 : W; [S T ] = [S] [T ] : for um isomor smo, então dim V = dim W e a matriz da aplicação! fv; g será dada por T 1 = [T ] 1 :.K Mostre que o operador T : R! R de nido por T (x; y; z) = (x y; y; y + z) é um isomor smo e encontre as matrizes [T ] e T 1, em relação á base canônica :.L Sejam T 1 e T operadores do R, com representação matricial [T 1 ] = e [T ] = : Encontre o operador T, sabendo que T 1 = T T:.M Considere as matrizes A = e B = e sejam T A e T B as transformações canônicas de nidas pelas matrizes A e B, respectivamente. Encontre bases dos subespaços N (T A ) ; N (T B ) ; N (T B T A ) ; Im (T A ) ; Im (T B ) e Im (T B T A ) :
15 6 ÁLGEBRA LINEAR MARIVALDO P. MATOS.N Em R e R, respectivamente, considere as bases = f(1; ; ) ; ( 1; ; 1) ; (1; 1; )g e = f(1; ; ; 1) ; ( 1; ; 1; ) ; (1; 1; ; ) ; ( 1; ; ; 1)g e seja A a matriz A = : Encontre a transformação linear T : R! R, tal que [T (v)] = A [v] : Essa é a transformação associada à matriz A e às bases e. Quando e são as bases canônicas, teremos: x T (v) = A v; isto é, T (x; y; z; t) = y : 6 z t.o Sejam T : R! R e S : R! R as transformações lineares de nidas por T (x; y; z) = (x + y; x z) e S (x; y) = (x; x y; y; x + y) : e considere as bases = f(1; ) ; (1; 1)g (base do R ) = f(1; ; ) ; (1; 1; 1) ; (; 1; 1)g (base do R ) = f(1; ; ; ) ; (; ; 1; 1) ; (; ; 1; ) ; (1; 1; ; )g (base do R ) (a) Encontre as matrizes [T ] e [S] e calcule o produto [S] [T ]. (b) Determine (S T ) (x; y; z) : (c) Encontre a matriz [S T ] :.P Sejam = f(1; 1; ) ; ( 1; ; 1) ; ( 1; 1; 1)g e = f(1; ; ) ; (; 1; ) ; (; ; 1)g bases do R e considere o operador linear T : R! R, de nido por T (x; y; z) = (x + y z; x y; x + z) : (a) Mostre que T é um isomor smo e encontre a matriz [T ].
16 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR 61 (b) Encontre a transformação inversa T 1 : R! R e a matriz T 1 i (c) Escalone a matriz ampliada h[t ] ; I : :. Autovalor e Autovetor UM BREVE COMENTÁRIO Dada uma transformação linear T : V! V, um problema típico de álgebra linear consiste em encontrar um escalar e um vetor v, tais que T (v) = v. É claro que v = satisfaz à equação T (v) = v, seja qual for o escalar, e o problema torna-se interessante quando o vetor procurado v for não nulo. Um tal escalar denomina-se autovalor (ou valor característico) da transformação T e o vetor não nulo v um autovetor (ou vetor característico) de T, associado ao autovalor. Se v é um autovetor de T, associado ao autovalor, então qualquer múltiplo escalar de v também o é; se é um autovalor de T, representamos por V o subespaço vetorial de V constituído pelos vetores v, tais que T (v) = v. Esse subespaço recebe o nome de auto-espaço associado a. O auto-espaço V é constituídos dos autovetores associados ao autovalor ; mais o vetor nulo. Dada uma base de V, se representarmos por A a matriz de T na base, os autovalores de T são as soluções da equação matricial A [v] = [v], isto é, as soluções da equação (A I) [v] =. No caso em que V = R n, esta equação nos conduz a um sistema linear homogêneo, o qual terá solução não nula quando det (A I) =, ou seja, quando for uma raiz do polinômio p () = det (A I), denominado polinômio característico de T: Exemplo Se = fv 1 ; v ; : : : ; v n g é uma base de V, contendo apenas autovetores de T, então a matriz [T ] é uma matriz diagonal. Para comprovar esse fato, basta observar que T (v j ) = j v j = v 1 + v + + v j 1 + j v j + v j v n : e os escalares destacados formam a j-ésima coluna da matriz..a Em cada caso, determine o polinômio característico do operador, seus autovalores e autovetores correspondentes. Por m, encontre uma base dos auto-espaços associados. (a) T : R! R ; T (x; y) = (y; x) : (b) T : R! R ; T (x; y) = (x + y; x + y) : (c) T : R! R ; T (x; y; z) = (x + y + z; y + z; z) :
17 6 ÁLGEBRA LINEAR MARIVALDO P. MATOS (d) T : R! R ; T (x; y; z) = (x + y; x y + z; x + y z) : (e) T : R! R ; T (x; y; z; t) = (x; x + y; x + y + z; x + y + z + t) : (f) T : R! R ; T (x; y; z; t) = (x + y; y; z; t) : (g) T : M! M ; T (A) = A t : (A t é transposta de A) (h) T : P 1! P 1 ; T (ax + b) = ax b: (i) T : P! P ; T (p (x)) = p (x) : (j) T : P! P ; T ax + bx + c = ax + cx + b: (k) T : P! P ; T (p (x)) = p (x + 1) : (l) T : P! P ; T (p (x)) = 1 x p (x) xp (x) :.B Mostre que um operador T : V! V, com um autovalor nulo, não pode ser injetor..c No espaço R ; considere as bases = f(1; ) ; (; 1)g e = f( 1; ) ; (1; )g. Determine o polinômio característico do operador T (x; y) = (x; x + y), usando as matrizes [T ] e [T ]..D Seja R (x; y) = (x cos y sen ; x sen + y cos ) o operador de rotação. Se = k; k Z, mostre que os autovalores de R são = 1:.E Identi que o operador de R, com autovalores 1 = e =, e respectivos autovetores v 1 = (; 1) e v = ( ; 1) :.F Se T é um isomor smo e é um autovalor de T, mostre que 1 inverso T 1. é um autovalor do operador.g Mostre que autovetores (não nulos) associados a autovalores distintos são LI...1 Operadores Diagonalizáveis Por diagonalizar um operador T : V! V, entendemos associá-lo a uma matriz diagonal. Isso consiste em encontrar, caso exista, uma base de V em relação à qual a matriz de T é diagonal. Uma tal base de V deve ser constituída de autovetores de T: REGRA DE DIAGONALIZAÇÃO Suponhamos dim V = n e que 1 ; ; ; r sejam os autovalores distintos do operador T : V! V: Se V j são os auto-espaços correspondentes e dim V 1 + dim V + + dim V r = n
18 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR 6 então o operador T é diagonalizável e se j é uma base do auto-espaço V j, então = 1 [ [ [ r é uma base de V que diagonaliza T, isto é, a matriz [T ] é diagonal. Na diagonal principal da matriz [T ] guram os autovalores de T e o número de vezes que cada autovalor aparece na diagonal corresponde à sua multiplicidade como raiz do polinômio característico. Exemplo Um operador T : R! R que possui dois autovalores distintos é diagonalizável. Neste caso, os dois autoespaços têm dimensão igual a 1. De forma mais geral, se dim V = n e o operador T : V! V possui n autovalores distintos, um tal operador T é diagonalizável. Exemplo Seja T o operador do R, de nido por T (x; x; z) = (x z; y + z; z). Os autovalores de T são 1 = (de multiplicidade ) e = 1, que são as raízes do polinômio característico p () = ( ) ( 1 ), e os auto-espaços correspondentes são: V = f(x; y; ) : x; y Rg e V 1 = f(z; z; z) : z Rg : Vemos que dim V + dim V 1 = + 1 = dim R e, portanto, T é diagonalizável. Em relação à base de autovetores = f(1; ; ) ; (; 1; ) ; (; ; )g a matriz de T é A = 6 : 1 Note que 1 = f(1; ; ) ; (; 1; )g e = f(; ; )g são bases dos auto-espaços V e V 1, respectivamente. Exemplo Seja T o operador do R, de nido por T (x; x; z) = (x + y; x + y; y + z). Os autovalores de T são 1 = e =, que são as raízes do polinômio característico p () = ; e os auto-espaços correspondentes são: V = f(; ; z) : z Rg e V = f( y; y; y) : z Rg : Vemos que dim V + dim V = = dim R e, portanto, T não é diagonalizável.
19 6 ÁLGEBRA LINEAR MARIVALDO P. MATOS.A Em cada caso, encontre uma base de V que diagonaliza o operador T : V! V: (a) T : R! R ; T (x; y) = (x; x y). (b) T : R! R ; T (x; y; z) = (x + y; y; z) : (c) T : R! R ; T (x; y; z) = ( x; x y; x + y) : (d) T : R! R ; T (x; y; z) = (x; x + y; 1x z) :.B Se a matriz do operador T : R! R em relação à base canônica é simétrica, mostre que T é diagonalizável..c Determine, caso exista algum, os valores de a que tornam os operadores T (x; y) = (x + y; ay) e S (x; y) = (x + ay; y) diagonalizáveis. EXERCÍCIOS ADICIONAIS 1. Sejam W 1 e W subespaços vetorias de V, tais que W 1 \W = fg. Mostre que T (u; v) = u+v de ne um isomor smo de W 1 W sobre W 1 W :. Se duas transformações lineares S; T : V! W são iguais nos vetores v 1 ; v ; : : : ; v n de uma base de V, mostre que S (v) = T (v) ; 8v V:. Se T : V! W é um isomor smo, mostre que a aplicação inversa T 1 : W! V também o é.. Se T : V! W é um isomor smo linear, mostre que dim V = dim W e T transforma uma base de V em uma base de W:. Seja P : R! R o operador de nido por P (x; y; z; t) = (x; y; ; ). Mostre que: (a) P = P (P = P P ). (b) R = Im (P ) N (P ) : (c) Encontre uma base do R, tal que [P ] = I : 6. Dado um isomor smo T : V! V, com dim V < 1, qual a relação entre as matrizes [T ] e T 1?
20 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR 6. Mostre que um operador linear T : R! R transforma retas em retas. 8. Qual a imagem da circunferência x + y = a pelo operador T : R! R, dado por T (x; y) = (ax + by; bx + ay), sendo a 6= b: 9. Encontre a expressão do operador T : R! R, que representa uma rotação de = rad em torno da reta que passa pela origem e tem a direção do vetor v = (1; 1; ) : 1. Seja T : R! R o operador que representa uma re exão através da reta y = x: Encontre T (x; y) e uma base do R, tal que [T ] = 1 1 : 11. Sejam T e R os operadores do R que representam, respectivamente, a projeção e a re exão no plano : x + y + z =. (a) Encontre T (x; y; z) e R (x; y; z). (b) Encontre bases e do R, tais que 1 [T ] = 6 e [R] = : (tais bases devem conter dois vetores v 1 e v do plano e um vetor v perpendicular ao plano ) 1. Se dim V = n e T : V! V é um operador diagonalizável, com polinômio característico p () = ( a) n, mostre que [T ] = ai, seja qual for a base de V. 1. Repita o Exercício.A(k), com o operador T : P! P, dado por T (p (x)) = p (x + 1) : Considere a base = 1; x; x ; x
21 66 ÁLGEBRA LINEAR MARIVALDO P. MATOS RESPOSTAS & SUGESTÕES.1 FUNDAMENTOS BÁSICOS.1A São lineares as aplicações (a), (b), (c), (d) e (h). Nos casos (e) e (f), temos T () 6= e, portanto, T não é linear. Para veri car que a aplicação (g) não é linear, basta observar que T ( 1) 6= T (1) :.1B Sim. Usando as propriedades do produto matricial, temos T A (X + Y ) = A (X + Y ) = AX + AY = T A (X) + T B (Y ) ; X; Y M ; R:.1C Usando as propriedades da transposição de matrizes, temos T (X + Y ) = (X + Y ) t = X t + Y t = T (X) + T (Y ) ; X; Y M ; R:.1D Se A = 1 e B =, então det A = det B = e det(a + B) = det I = 1. 1 Para essas matrizes, temos T (A + B) 6= T (A) + T (B) e isso mostra que T não é linear..1f Em (a), usamos a linearidade da integral e obtemos T (p + q) = Z 1 (p (x) + q (x)) dx = Z 1 Em (b), usamos a lienearidade da derivada. Temos p (x) dx + Z 1 q (x) dx = T (p) + T (q) : T (p + q) = [p (x) + q (x)] = p () + q () = T (p) + T (q) ; para R; p; q P :.1S T (x; y) = (y; x). NÚCLEO & IMAGEM.A Considere a base = f(; ) ; ( 1; 1)g do R e observe que (x; y) = 1 (y x) (; )+x ( 1; 1), de modo que: T (x; y) = 1 (y x) T (; ) + x T ( 1; 1) = x (1; ; ) = (x; x; ) :.B Em cada caso, identi que o núcleo e a imagem da aplicação linear.
22 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR 6 (a) N (T ) = f(x; x) : x Rg e uma base do núcleo é = f(1; )g : A imagem do operador T é o eixo x e uma base de Im (T ) é = f(1; )g :.G Considere a base = f(1; ; ) ; (; 1; ) ; (; ; 1)g do R e de na o operador T : R! R por: T (1; ; ) = (1; ; ) ; T (1; ; ) = (; ; ) e T (1; ; ) = (; ; ) : Um tal operador não pode ser um isomor smo, porque dim Im (T ) = :. REPRESENTAÇÃO MATRICIAL.A Em qualquer base do espaço V a matriz [I] é a matriz identidade n n:.b Um vetor (polinômio) genérico de P 1 é p (t) = a + bt e a aplicação é T (a + bt) = a + bt:.c A matriz de [T ] é: [T ] = 1 1 :.D (a) Considerando v 1 = (; 1; 1) ; v = (1; ; ) e v = (1; ; 1), então a imagem de T é gerada pelos vetores T (v 1 ) ; T (v ) e T (v ) : Como T (v ) = (; ) e T (v 1 ) e T (v ) são LI, segue que ft (v 1 ) ; T (v )g é uma base de Im (T ). N (T ) = [v ] : O núcleo de T tem dimensão 1 e, portanto (b) T (x; y; z) = ( y + z; x + y) :.E Considerando as bases ordenadas e, encontramos: 1 1= [T ] = 6 1= :.F O ponto de oartida é a relação [T ] = [T ] [v] : (a) T (x; y) = 1 (x y; x y; x + y) :
23 68 ÁLGEBRA LINEAR MARIVALDO P. MATOS (b) Considere a base = fw 1 ; w ; w g, sendo w 1 = T (1; 1) = (1; 1; 1) e w = T (; ) = ( 1; 1; 1) e escolha w LI com w 1 e w. Por exemplo, w = (; ; 1) :.G (a) A matriz [T ] é a matriz = 1= = 1= 1= 1= 1= 1= (b) Dado v = (x; y), temos que [v] = 1 (x y; x + y) e, portanto x y [Sv] = 1 x y, Sv = 1 6 x y x y x y x y x + y x + y : Logo, x y = Sv = 1 x y =, 1 x y = x + y = e, como o sistema não tem solução, um tal vetor v não existe..h A aplicação T é dada por T (x; y) = ( x y; y) : (a) Os vetores do tipo u = ( a T v = v: x; x) satisfazem a T u = u, enquanto os vetroes v = (x; ) satisfazem (b) Temos que N (T ) = fg, de modo que dim N (T ) = : On the other hand, dim Im (T ) = dim R dim N (T ) = (c) Sendo T iinjetora e sobrejetora, concluímos que T é um isomor smo. Se S = T 1 e S (x; y) = (u; v), então (x; y) = T S (x; y) = T (u; v) = ( u v; v)
24 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR 69 e daí resulta que u = x y e v = y. Logo, S (x; y) = ( x y; y) :.I As bases canônicas de P e R são, respectivamente: = 1; t; t ; t e = f1g : Um cálculo direto nos conduz a: T (1) = 1; T (t) = 1=; T t = 1= e T t = 1=: Assim, [T ] = 6 1 1= : 1= 1=.J A base canônica de P 1 é = f1; xg e temos que T (1) = = 1 + x e T (x) = 1 x = ( 1) x e, portanto, [T ] = 1 1 :.K Um operador T : R! R será um isomor smo se, e somente se, for injetor. (veja as dimensões). Temos que T (x; y; z) = (; ; ), (x y; y; y + z) = (; ; ), x = y = z = : Logo, N (T ) = f(; ; )g e T é um isomor smo. As matrizes de T e T 1 na base canônica são: 1 1 [T ] = 6 1 e T = 6 1 : L Desde que T 1 = T T, então T = T 1 T 1 e o operador T é representado, com relação à base canônica, pela matriz A [T 1 ], onde a matriz A é a inversa da matriz [T ]. Assim, [T ] = [T ] 1 [T 1 ] :
25 ÁLGEBRA LINEAR MARIVALDO P. MATOS.M As aplicações T A e T B são dadas por: T A (x; y) = (y; y; y) e T B (x; y; z) = (; x + y + z; x) e, portanto, T B T A (x; y) = (; 6y; y). Temos: N (T A ) = f(x; ) : x Rg Base: = f(1; )g ; dim N (T A ) = 1: N (T B ) = f(; y; y) : y Rg Base: = f(; 1; )g ; dim N (T B ) = 1: N (T B T A ) = f(x; ) : x Rg Base: = f(1; )g ; dim N (T B T A ) = 1: As colunas da matriz que representa a aplicação linear geram a imagem de tal aplicação. Observando as matrizes das aplicações T A ; T B e T B T A, deduzimos que Im (T A ) = [(1; ; 1)] Base: = f(1; ; 1)g ; dim Im (T A ) = 1: Im (T B ) = f(; y; y) : y Rg Base: = f(; 1; ) ; (; 1; 1)g ; dim N (T B ) = : Im (T B T A ) = f(x; ) : x Rg Base: = f(; 6; 1)g ; dim Im (T B T A ) = 1:.N Dado v = (x; y; z; t) do R, um cálculo direto nos dá x y + z + t [v] = 1 z 6 x + y + z t x + y z + t 1 e, por conseguinte, [T (v)] = A [v] = x y + z + t z x + y + z t x + y z + t = 1 6 x + y + z + t x + 8z + t x + y z t : Logo, T (v) = 1 (x + y + z + t) (1; ; ) + (x + 8z + t) ( 1; ; 1) + (x + y z t) (1; 1; ) = 1 ( x y z t; x + y z t; x + 8z + t) :.O Ponto de partida: T (x; y; z) = (x + y; x z) e S (x; y) = (x; x y; y; x + y) :
26 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR 1 (a) Temos: T (1; ; ) = (1; 1) = (1; ) + 1 (1; 1) ; T (1; 1; 1) = (; ) = (1; ) + (1; 1) ; T (; 1; 1) = (; 1) = 1 (1; ) + 1 (1; 1) e S (1; ) = (1; 1; ; ) = (1; ; ; ) + (; ; 1; 1) + ( ) (; ; 1; ) + ( 1) (1; 1; ; ), S (1; 1) = (1; ; ; ) = 1 (1; ; ; ) + (; ; 1; 1) + ( 1) (; ; 1; ) + (1; 1; ; ) : Logo: [T ] A e [S] = C A e, portanto, [S] [T ] = C A : (b) A aplicação composta S T : R! R vem dada por: [S T ] (x; y; z) = S (T (x; y; z)) = S (x + y; x z) = (x + y; y + z; x z; x + y z) : (c) A matriz [S T ] coincide com o produto [S] [T ] encontrado em (b)..p Recorde-se que um operador T : R! R será um isomor smo se, e somente se, for injetor. (a) Mostremos que N (T ) = fg. De fato, T (x; y; z) =, x + y z = x y = x + z =, x = y = z = : Assim, T é injetor e, consequentemente um isomor smo. A matriz de T é: 1 [T ] = B 1 A : 1
27 ÁLGEBRA LINEAR MARIVALDO P. MATOS (b) A inversa é dada por T 1 (x; y; z) = 1 vem dada por: T 1 = (x + y + z; x y + z; x y + z) e a matriz [T ] 1 1= 1= 1 1= = 1= (c) Se A é uma matriz n n invertível, ao escalonar a matriz ampliada [A; I n ] chegamos à matriz In ; A 1 : No caso, temos: 1 C A : C A = 1= 1 1 1= = 1= 1 C A :. AUTOVALOR & AUTOVETOR.A Em cada caso, considere a matriz de T com relação às bases canônicas. (a) Considerando a base canônica do R ; temos: p () = det ([T ] I) = 1 A = : 1 Os autovalores são 1 = p e = p ; com auto-espaços correspondentes V 1 = p ; 1 e V = p ; 1 : (b) Neste caso, o polinômio característico é p () = 1 e os autovalores são 1 = 1 + p e = 1 p. Os auto-espaços são: h V 1 = 1; p i e V = h 1; p i : (c) Temos p () = ( 1) ( ) ( ) e os autovalores são 1 = e =. Os auto-espaços correspondentes são: V 1 = [(1; ; )] ; V = [(1; 1; )] e V = [(1; 1; 1)] : (d) O polinômio característico é p () = ( + 1) e os autovalores são 1 = 1; = p e = p : Os auto-espaços correspondentes são: h V 1 = [(1; ; 1)] ; V = 1; p i h 1; 1 ; e V = 1; 1 p ; 1 i :
28 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR (e) O polinômio característico é p () = (1 correspondentes é: ) e 1 = 1 é o autovalor de ordem. O auto-espaço V 1 = [(1; ; ; ) ; (; ; ; 1)] e os auto-vetores são do tipo v = (x; ; ; t) ; x; t R. (f) Temos p () = ( ) ( ) e os autovalores são 1 = e = = = : Os auto-espaços são: V 1 = [(; ; ; 1)] e V = [(1; ; ; ) ; (; ; 1; )] (dim V 1 = 1 e dim V = ): (g) No espaço M, consideramos a base canônica < 1 A 1 A : 1 1 A 1 19 = A ; e encontramos p () = (1 ) ( + 1). Os autovalores são, portanto, = 1, de ordem e = 1: Os auto-espaços correspondentes são: V 1 1 A 1 A A e V 1 A : (h) O único autovalor é = e qualquer polinômio constante e não nulo é um vetor próprio associado. O auto-espaço é V = R. (i) No espaço P, consideramos a base canônica = 1; x; x e encontramos p () = : O único autovalor é = e V = R. (j) Temos T (1) = x; T (x) = 1 e T x = x e, portanto, 1 [T ] = B 1 1 C A : O polinômio característico é p () = (1 ) 1, com raízes (autovalores) 1 = 1 (dupla) e = 1: Os autovetores associados ao autovalor 1 são os polinômios do tipo ax + bx + b,
29 ÁLGEBRA LINEAR MARIVALDO P. MATOS enquanto os autovetores associados ao autovalor são os polinômios do tipo bx auto-espaços são: b: Os V 1 = x + 1; x e V = [x 1] (dim V 1 = e dim V = 1): (k) Dado p (x) = ax + bx + c, temos que T (p) = p (x + 1) = ax + (a + b) x + a + b + c, de modo que: T (1) = 1; T (x) = x + 1 e T x = x + x + 1: A matriz de T na base = 1; x; x é, portanto: [T ] = B 1 1 C A e o polinômio característico é p () = (1 ) : O autovalor é = 1, de multiplicidade e os autovetores correspondentes são os polinômios q(x) = bx; b R. O autoespaço é o subespaço de dimensão n = 1, dado por V 1 = [x] : (l) Dado v = ax + bx + c, temos que T (v) = 6ax bx a e, portanto: T (1) = ; T (x) = e T x = 6x : O polinômio característico é p () = 6, com raízes (autovalores) 1 = (dupla) e = 6: Os autoespaços são V 1 = R e V = x; 1 + x : Em outras palavras, V 1 é constituído pelos polinômios constantes, enquanto V é o subespaço constituído pelos polinômios do tipo ax + bx + a; a; b R..B Recorde-se que T é injetor se, e somente se, N (T ) = fg. Se = é um atovalor de T, existe v 6=, tal que T (v) = v = e daí resulta que v N (T ) e, portanto, N (T ) 6= fg :.C As matrizes de T em relação às bases e são, respectivamente: 1 1 [T ] 1 1= 1= A e [T ] A 1 1 1= = e temos:
30 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR (a) em relação à base : p () = A = (1 ) (b) em relação à base : p () = 1= 1= 1= = 1 A = + 1 = (1 ) :.D Temos que R (x; y) = (x cos y sen ; x sen + y cos ) e, considerando = k, encontramos R (x; y) = ( 1) k x; ( 1) k y : Com relação à base canônica, temos [R ] ( 1)k ( 1) k 1 A e o polinômio característico é p () = 1, conforme seja k par ou ímpar..e Com os autovalores 1 = e =, construímos a base de autovetores = f(; 1) ; ( ; 1)g e teremos 1 Assim, 1 A = [T ] A : T (x; y) = ( 6y; x + y) :.F Sendo T um isomor smo, qualquer autovalor é não nulo e existe v 6=, tal que: T (v) = v, v = T 1 ( v) = T 1 (v), T 1 (v) = 1 v:.g Sejam v 1 e v autovetores de um operador T : V! V, associados aos autovalores distintos 1 e. Considere uma combinação linear nula x v 1 + y v = (.) e mostre que x = y = : De (.) deduza que x 1 v 1 + y 1 v = x T (v 1 ) + y T (v ) = (I) (II) (.)
31 6 ÁLGEBRA LINEAR MARIVALDO P. MATOS e subtraindo (I) de (II), obtenha y = : De forma similar, mostre que x = : (a equação (I) é obtida multiplicando (.) por 1 e a equação (II) é equivalente a x 1 v 1 + y v = ). OPERADORES DIAGONALIZÁVEIS.A.6 EXERCÍCIOS ADICIONAIS 1. Para veri car que T é linear, observe que T ( (u 1 ; v 1 ) + (u ; v )) = T (u 1 + u ; v 1 + v ) = u 1 + u + v 1 + v = (u 1 + v 1 ) + u + v = T (u 1 ; v 1 ) + T (u ; v ) : Dado u + v em W 1 W, então T (u; v) = u + v e, portanto, T é sobrejetora. Por outro lado, se (u; v) ker (T ), então u +v = em W 1 W e como W 1 \W = fg ; segue que u = v =. Assim, ker (T ) = fg e T é injetora.. Dado v em V, então v = x 1 v 1 + x v + + x n v n e, considerando que T (v j ) = S (v j ), obtemos: S (v) = x 1 S (v 1 ) + x S (v ) + + x n S (v n ) = x 1 T (v 1 ) + x T (v ) + + x n T (v n ) = T (x 1 v 1 + x v + + x n v n ) = T (v) :. Sendo T : V! W um isomor smo, então dim V = dim W, e T 1 será um isomor smo se, e somente se, for injetor. Ora, T 1 (w 1 ) = T 1 (w ), T T 1 (w 1 ) = T T 1 (w ), w 1 = w : Logo, T 1 é injetor e, portanto, um isomor smo.. Sendo T : V! W um isomor smo, então N (T ) = fg e Im (T ) = W (T é injetor e sobrejetor). Logo, dim V = dim N (T ) + dim Im)T = + dim W = dim W:
32 COMPLEMENTOS & EXERCÍCIOS APLICAÇÃO LINEAR Por outro lado, dada uma base = fv 1 ; v ; ; v n g, então T (v 1 ) ; T (v ) ; ; T (v n ) são LI. De fato: x 1 T (v 1 ) + x T (v ) + + x n T (v n ) =, T (x 1 v 1 + x v + + x n v n ) =, x 1 v 1 + x v + + x n v n =, x 1 = x = x n = :. Dado que P (x; y; z; t) = (x; y; ; ), temos: (a) P (x; y; z; t) = P (P (x; y; z; t)) = P (x; y; ; ) = (x; y; ; ) = P (x; y; z; t) : (b) Dado v = (x; y; z; t) um vetor do R, então: v = (x; y; z; t) = (x; y; ; ) + (; ; z; t) = P (x; y; z; t) + (; ; z; t) Im (P ) + N (P ) : Considerando que Im (P ) \ N (P ) = fg, deduzimos que R = Im (P ) N (P ) : (c) Considere qualquer base do tipo = f(1; ; ; ) ; (; 1; ; ) ; (; ; ; ) ; (; ; ; )g, com 6= : 6. As matrizes T 1 e [T ] são inversas uma da outra.. Uma transformação linear T : R! R é do tipo T (x; y) = (ax + by; cx + dy) e a imagem da reta L = f(at + B; Ct + D) ; t Rg é a reta de equações paramétricas: u = (aa + bc) t + ab + bd v = (ca + dc) t + cb + dd: 8. H 9. I 1. J 11. Na gura abaixo ilustramos os operadores T e R, onde Q é o ponto médio de P Q e vemos
33 8 ÁLGEBRA LINEAR MARIVALDO P. MATOS que T (P ) = Q e R (P ) = Q : (a) Um ponto genérico da reta r que passa por P (x; y; z) e é perpendicular ao plano é X = (x + t; y + t; z + t) e no instante t = 1 1 (x + y + z) o ponto X estará sobre o plano. Logo T (x; y; z) = Q = 1 1 (x 6y z; 6x + 1y z; x y 1z) : Por outro lado, considerando que Q é o ponto médio de P Q, temos Q = 1 P + Q ) Q = Q P = 1 ( x 6y z; 6x + y z; x y + 6z) : (b) É oportuno observar que se u é um vetor perpendicular ao plano, então R (u) = que T (v) =, v? e T (u) = u, u : u e A base = fv 1 ; v ; v g deve ser tal que T (v 1 ) = v 1 ; T (v ) = e T (v ) = v : Escolha v 1 e v LI, ambos no plano ; e v ortogonal ao plano. FIM
Universidade 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 mais. (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 mais1. Encontre os autovalores e autovetores das transformações lineares dadas: 2. Encontre os autovalores e autovetores correspondentes das matrizes 2
UNIV ERSIDADE DO EST ADO DE SANT A CAT ARINA UDESC CENT RO DE CI ^ENCIAS T ECNOLOGICAS CCT DEP ART AMENT O DE MAT EMAT ICA DMAT Exercícios sobre AUTOVALORES e AUTOVETORES Professora: Graciela Moro. Encontre
Leia maisEspaços vectoriais reais
ALGA - 00/0 - Espaços Vectoriais 49 Introdução Espaços vectoriais reais O que é que têm em comum o conjunto dos pares ordenados de números reais, o conjunto dos vectores livres no espaço, o conjunto das
Leia maisEquação Geral do Segundo Grau em R 2
8 Equação Geral do Segundo Grau em R Sumário 8.1 Introdução....................... 8. Autovalores e autovetores de uma matriz real 8.3 Rotação dos Eixos Coordenados........... 5 8.4 Formas Quadráticas..................
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 maisEXERCÍCIOS DE ÁLGEBRA LINEAR
IST - 1 o Semestre de 016/17 MEBiol, MEAmbi EXERCÍCIOS DE ÁLGEBRA LINEAR FICHA - Vectores e valores próprios 1 1 Vectores e valores próprios de transformações lineares Dada uma transformação linear T V!
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 maisExercícios de Álgebra Linear 2 o Semestre 2008/2009 LEIC, LEGM, LMAC, MEFT, MEBiom e MEC
Exercícios de Álgebra Linear o Semestre 008/009 LEIC, LEGM, LMAC, MEFT, MEBiom e MEC João Ferreira Alves/Ricardo Coutinho Sistemas de Equações Lineares e Matrizes Exercício Resolva por eliminação de Gauss
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 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 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 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 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 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 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 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 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 maisValores e vectores próprios
ALGA - Eng Civil e EngTopográ ca - ISE - / - Valores e vectores próprios 5 Valores e vectores próprios Neste capítulo, sempre que não haja especi cação em contrário, todas as matrizes envolvidas são quadradas
Leia maisSegunda prova de Álgebra Linear - 01/07/2011 Prof. - Juliana Coelho
Segunda prova de Álgebra Linear - 01/07/011 Prof - Juliana Coelho JUSTIFIQUE SUAS RESPOSTAS! Questões contendo só a resposta, sem desenvolvimento ou justificativa serão desconsideradas! QUESTÃO 1, pts
Leia maisINSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-2458 Álgebra Linear para Engenharia II Segunda Lista de Exercícios - Professor: Equipe da Disciplina EXERCÍCIOS 1. Verdadeiro ou falso?
Leia mais3 a Avaliação Parcial - Álgebra Linear
3 a Avaliação Parcial - Álgebra Linear - 016.1 1. Considere a função T : R 3 R 3 dada por T(x, y, z) = (x y z, x y + z, x y z) e as bases de R 3 B = (1, 1, 1), (1, 0, 1), ( 1,, 0)} (a) Encontre [T] B B.
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 mais0.1 Matrizes, determinantes e sistemas lineares
SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DO PARÁ PARFOR MATEMÁTICA Lista de Exercícios para a Prova Substituta de Álgebra Linear 0.1 Matrizes, determinantes e sistemas lineares 1. Descreva explicitamente
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 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 mais5. Considere os seguintes subconjuntos do espaço vetorial F(R) das funções de R em R:
MAT3457 ÁLGEBRA LINEAR I 3 a Lista de Exercícios 1 o semestre de 2018 1. Verique se V = {(x, y) : x, y R} é um espaço vetorial sobre R com as operações de adição e de multiplicação por escalar dadas por:
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 maisUFPB - CCEN - DEPARTAMENTO DE MATEMÁTICA ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA 1 a LISTA DE EXERCÍCIOS PERÍODO
UFPB - CCEN - DEPARTAMENTO DE MATEMÁTICA ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA a LISTA DE EXERCÍCIOS PERÍODO 0 Os exercícios 0 8 trazem um espaço vetorial V e um seu subconjunto W Sempre que W for um subespaço
Leia mais3 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão e B =
3 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008. (a) Ache os auto-valores e auto-vetores de A = 3 4 2 0 2 0 0 0 e B = 0 0 2 0 2 0 2 0 0 (b) Mostre que λ + λ 2 + λ 3 é igual ao
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 maisPrimeira prova de Álgebra Linear - 06/05/2011 Prof. - Juliana Coelho
Primeira prova de Álgebra Linear - 6/5/211 Prof. - Juliana Coelho JUSTIFIQUE SUAS RESPOSTAS! Questões contendo só a resposta, sem desenvolvimento ou justificativa serão desconsideradas! QUESTÃO 1 (2, pts)
Leia mais1. Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1
2.1 Domínio e Imagem 1. Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1 3 (e) g (x) 2x (f) g (x) = jx 1j x, se x 2
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 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 mais5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2009
5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 29 Soluções dos exercícios Devido ao fato de A ser simétrica, existe uma base ortonormal {u,, u n } formada por autovetores de A, então
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 maisMudança de base. Lista de exercícios. Professora: Graciela Moro
Lista de exercícios Professora: Graciela Moro Mudança de base. Sejam β {( ) ( )} β {( ) ( )} β { ) ( )} e β {( ) ( )} bases ordenadas de R. (a) Encontre a matrizes mudança de base: i. [I β β ii. [I β β
Leia maisMatriz de mudança de coordenadas: S B1!B 2. (como se faz e para que serve) transformação linear. (como se faz e para que serve)
Matriz de mudança de coordenadas: S B!B (como se faz e para que serve) Transformação linear A matriz de T em relação às bases B e B 0 : M(T ; B; B 0 ) (como se faz e para que serve) As 3 formas (equivalentes)
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 maisEXERCÍCIOS DE ÁLGEBRA LINEAR
IST - o Semestre de / MEEC EXERCÍCIOS DE ÁLGEBRA LINEAR FICHA - Método de Eliminação de Gauss Sistemas de equações lineares Uma equação linear nas variáveis (ou incógnitas) x ; ; x n ; é uma equação do
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 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 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 mais7 temos que e u =
Capítulo 1 Complementos de Álgebra Linear 11 Introdução Seja A = [a ij ] uma matriz quadrada de ordem n e pensemos na transformação linear R n! R n que a cada cada vector u R n faz corresponder um vector
Leia maisCapítulo 6: Transformações Lineares e Matrizes
6 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 6: Transformações Lineares e Matrizes Sumário 1 Matriz de uma Transformação Linear....... 151 2 Operações
Leia maisLivro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez. Capítulo 10: Soluções e Respostas
10 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 10: Soluções e Respostas 263 264 CAPÍTULO 10. SOLUÇÕES E RESPOSTAS Capítulo 1 2.1* Temos 2 4 6 3 6 0 2A =,
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 maisAulas práticas de Álgebra Linear
Ficha 3 Aulas práticas de Álgebra Linear Licenciatura em Engenharia Naval e Oceânica Mestrado Integrado em Engenharia Mecânica 1 o semestre 2018/19 Jorge Almeida e Lina Oliveira Departamento de Matemática,
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 mais4 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008
4 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 8 Solução de alguns exercícios Devido ao fato de A ser simétrica, existe uma base ortonormal {u,, u n } formada por autovetores de A,
Leia maisMAT Álgebra Linear para Engenharia II
MAT2458 - Álgebra Linear para Engenharia II Prova de Recuperação - 05/02/2014 Nome: Professor: NUSP: Turma: INSTRUÇÕES (1) A prova tem início às 7:30 e duração de 2 horas. (2) Não é permitido deixar a
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 mais1.1 Domínios & Regiões
1. CAMPOS ESCALARES CÁLCULO 2-2018.2 1.1 Domínios & Regiões 1. Esboce o conjunto R do plano R 2 dada abaixo e determine sua fronteira. Classi que R em: aberto, fechado, itado, compacto, ou conexo. (a)
Leia mais1. Em cada caso, obtenha a equação e esboce o grá co da circunferência.
3. AS CÔNICAS CÁLCULO VETORIAL - 2017.2 3.1 A circunferência 1. Em cada caso, obtenha a equação e esboce o grá co da circunferência. (a) Centro C ( 2; 1) e raio r = 5: (b) Passa pelos pontos A (5; 1) ;
Leia maisDiagonalização de Operadores. Teorema Autovetores associados a autovalores distintos de um operador linear T : V V são linearmente independentes.
Teorema Autovetores associados a autovalores distintos de um operador linear T : V V são linearmente independentes. Teorema Autovetores associados a autovalores distintos de um operador linear T : V V
Leia maisficha 6 espaços lineares com produto interno
Exercícios de Álgebra Linear ficha espaços lineares com produto interno Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico o semestre 011/1 Notação
Leia maisCapítulo 5. Operadores Auto-adjuntos. Curso: Licenciatura em Matemática. Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo
Capítulo 5 Operadores Auto-adjuntos Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo Disciplina: Álgebra Linear II Unidade II Aula 5: Operadores Auto-adjuntos
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 mais2.1 Fundamentos Básicos
2. RETAS & PLANOS CÁLCULO VETORIAL - 2017.2 2.1 Fundamentos Básicos 1. Classi que as a rmações em verdadeiras (V) ou falsas (F), justi cando cada resposta. (a) ( ) Um ponto A (x; y; z) pertence ao eixo
Leia maisProvas. As notas da primeira e segunda prova já foram digitadas no Minha UFMG. Caso você não veja sua nota, entre em contato com o professor.
Provas As notas da primeira e segunda prova já foram digitadas no Minha UFMG. Caso você não veja sua nota, entre em contato com o professor. Terceira prova. Sábado, 15/junho, 10:00-12:00 horas, ICEx. Diagonalização
Leia maisNota: Turma: MA 327 Álgebra Linear. Segunda Prova. Primeiro Semestre de T o t a l
Turma: Nota: MA 327 Álgebra Linear Primeiro Semestre de 2006 Segunda Prova Nome: RA: Questões Pontos Questão 1 Questão 2 Questão 3 Questão 4 Questão 5 T o t a l Questão 1. A matriz de mudança da base ordenada
Leia maisEspaços vectoriais reais
Espaços Vectoriais - Matemática II - 2004/05 40 Introdução Espaços vectoriais reais O que é que têm em comum o conjunto dos pares ordenados de números reais, o conjunto dos vectores livres no espaço, o
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 maisAulas Teóricas de Álgebra Linear
Aulas Teóricas de Álgebra Linear Instituto Superior Técnico - o Semestre 009/00 MEAmbi - MEBiol Matrizes De nição Uma matriz A, do tipo m n (m por n), é uma tabela de mn números dispostos em m linhas e
Leia maisCM005 Álgebra Linear Lista 2
CM005 Álgebra Linear Lista 2 Alberto Ramos 1. Seja M M n (R) uma matriz. Mostre que se {v 1,..., v p } R n é linearmente dependente, então {Mv 1,..., Mv p } é também linearmente dependente. Agora suponha
Leia maisG3 de Álgebra Linear I
G3 de Álgebra Linear I 11.1 Gabarito 1) Seja A : R 3 R 3 uma transformação linear cuja matriz na base canônica é 4 [A] = 4. 4 (a) Determine todos os autovalores de A. (b) Determine, se possível, uma forma
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 maisResolução das objetivas 3ª Prova de Álgebra Linear II da UFRJ, período
www.engenhariafacil.weebly.com Resolução das objetivas 3ª Prova de Álgebra Linear II da UFRJ, período 4. OBS: Todas as alternativas corretas são as letras A. ) Devemos utilizar o teorema que diz: (Im(A
Leia mais23 e 24. Forma Quadrática e Equação do Segundo Grau em R 3. Sumário
23 e 24 Forma Quadrática e Equação do Segundo Grau em R 3 Sumário 23.1 Introdução....................... 2 23.2 Autovalores e Autovetores de uma matriz 3 3.. 2 23.3 Mudança de Coordenadas no Espaço........
Leia mais(d) p(λ) = λ(λ + 1) (b) 4 (c) 1 (d) Seja A uma matriz n n. Assinale a alternativa FALSA:
UFRJ Instituto de Matemática Disciplina: Algebra Linear II - MAE 125 Professor: Bruno Costa, Luiz Carlos Guimarães, Mário de Oliveira, Milton Ramirez, Monique Carmona, Nilson Bernardes e Nilson Roberty
Leia maisCapítulo 1. Matrizes e Sistema de Equações Lineares. 1.1 Corpos
Capítulo 1 Matrizes e Sistema de Equações Lineares Neste capítulo apresentaremos as principais de nições e resultados sobre matrizes e sistemas de equações lineares que serão necessárias para o desenvolvimento
Leia maisficha 5 transformações lineares
Exercícios de Álgebra Linear ficha 5 transformações lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 5 Notação
Leia maisÁlgebra Linear I - Aula Bases Ortonormais e Matrizes Ortogonais
Álgebra Linear I - Aula 19 1. Bases Ortonormais e Matrizes Ortogonais. 2. Matrizes ortogonais 2 2. 3. Rotações em R 3. Roteiro 1 Bases Ortonormais e Matrizes Ortogonais 1.1 Bases ortogonais Lembre que
Leia mais5. Seja R : R 3 R 3 uma rotação em torno do eixo gerado por (0, 0, 1). Suponha que R mande o vetor
Universidade Federal do Rio de Janeiro Instituto de Matemática Disciplina: Álgebra Linear II Professor: Bruno Costa, Cesar Niche, Francesco Noseda, Luiz Carlos Guimarães, Mário de Oliveira, Milton Ramirez,
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 mais1. Não temos um espaço vetorial, pois a seguinte propriedade (a + b) v = a v + b v não vale. De fato:
Sumário No que se segue, C, R, Q, Z, N denotam respectivamente, o conjunto dos números complexos, reais, racionais, inteiros e naturais. Denotaremos por I (ou id) End(V ) a função identidade do espaço
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 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 maisINSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-458 Álgebra Linear para Engenharia II Terceira Lista de Eercícios - Professor: Equipe da Disciplina EXERCÍCIOS 1. Seja V um espaço vetorial
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 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 maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT0032 11 a Lista de
Leia mais5. Seja A uma matriz qualquer. Assinale a afirmativa
UFRJ Instituto de Matemática Disciplina: Algebra Linear II - MAE 125 Professor: Bruno, Gregório, Luiz Carlos, Mario, Milton, Monique e Umberto Data: 12 de julho de 2013 Terceira Prova 1. Considere no espaço
Leia mais(a) (1,5) Obtenha os autovalores e autovetores de L. (b) (1,0) A matriz de L em relação à base canônica de M 2 2 é diagonalizável? Explique.
Nome do(a) estudante(a): ALI0001(PRO11-0A) Prova IV 8/06/016 Prof. Helder G. G. de Lima ˆ Identifique-se em todas as folhas. ˆ Mantenha o celular e os demais equipamentos eletrônicos desligados durante
Leia maisÁLGEBRA LINEAR - MAT0024
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR - MAT0024 11 a Lista de exercícios
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 maisExercício: Identifique e faça um esboço do conjunto solução da. 3x xy + y 2 + 2x 2 3y = 0
Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 + 2 3xy + y 2 + 2x 2 3y = 0 Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 +
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 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 maisUnidade 22 - Teorema espectral para operadores simétricos, reconhecimento de cônicas. A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa
MA33 - Introdução à Álgebra Linear Unidade 22 - Teorema espectral para operadores simétricos, reconhecimento de cônicas A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa PROFMAT - SBM 10 de agosto
Leia maisSegunda prova de Álgebra Linear Aplicada - 20/02/2013 Prof. Juliana Coelho - 07h00-09h00
Segunda prova de Álgebra Linear Aplicada - 20/02/2013 Prof Juliana Coelho - 07h00-09h00 QUESTÃO 1 (2,0 pts - Considere os seguintes vetores de R3 : u = (3, 2, 2, v = (1, 3, 1 e w = ( 1, 4, 4 Responda as
Leia maisP4 de Álgebra Linear I de junho de 2005 Gabarito
P4 de Álgebra Linear I 25.1 15 de junho de 25 Gabarito 1) Considere os pontos A = (1,, 1), B = (2, 2, 4), e C = (1, 2, 3). (1.a) Determine o ponto médio M do segmento AB. (1.b) Determine a equação cartesiana
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 maisMCTB Álgebra Linear Avançada I. Lista Ache a forma canônica de Jordan de cada um dos operadores lineares do Exercício 1.
MCTB002-13 - Álgebra Linear Avançada I Lista 4 1. Para cada um dos seguintes operadores lineares, ache uma base para cada um de seus autoespaços generalizados: 1 1 (a) T = L A, onde A = 1 3 11 4 5 (b)
Leia maisMarcelo M. Santos DM-IMECC-UNICAMP msantos/
Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência 0 anos c Publicação Eletrônica do KIT http://www.dma.uem.br/kit Identificação de Cônicas
Leia maisCapítulo 12. Ângulo entre duas retas no espaço. Definição 1. O ângulo (r1, r2 ) entre duas retas r1 e r2 é assim definido:
Capítulo 1 1. Ângulo entre duas retas no espaço Definição 1 O ângulo (r1, r ) entre duas retas r1 e r é assim definido: (r1, r ) 0o se r1 e r são coincidentes, se as retas são concorrentes, isto é, r1
Leia maisSegunda prova de Álgebra Linear Aplicada - 20/02/2013 Prof. Juliana Coelho - 11h00-13h00
Segunda prova de Álgebra Linear Aplicada - 20/02/2013 Prof. Juliana Coelho - 11h00-13h00 QUESTÃO 1 (1,2 pts) - Determine os valores de a R para os quais os vetores u = (1, 0, a), v = ( 2, 1, 0) e w = (a,
Leia maisde adição e multiplicação por escalar definidas por: 2. Mostre que o conjunto dos polinômios da forma a + bx com as operações definidas por:
Lista de Exercícios - Espaços Vetoriais. Seja V o conjunto de todos os pares ordenados de números reais e considere as operações de adição e multiplicação por escalar definidas por: i. u + v (x y) + (s
Leia mais