Ficha de Exercícios nº 3

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Ficha de Exercícios nº 3"

Transcrição

1 Nova School of Business and Economics Álgebra Linear Ficha de Exercícios nº 3 Transformações Lineares, Valores e Vectores Próprios e Formas Quadráticas 1 Qual das seguintes aplicações não é uma transformação linear? a). b). c) 0 1. d) ( ). 2 Qual das seguintes afirmações é verdadeira? a) Uma transformação linear de domínio pode ter como contradomínio um conjunto constituído apenas por um vector não nulo. b) A aplicação que transforma cada objecto na soma das suas imagens segundo duas transformações lineares é uma transformação linear. c) A intersecção dos conjuntos de imagens de duas transformações lineares com domínio e o mesmo espaço de chegada pode ser. d) Todas as transformações lineares com o mesmo espaço de partida e espaço de chegada são invertíveis. 3 T e f são duas transformações lineares, de para, cujas matrizes de transformação, na base canónica, são comutativas. Qual das seguintes afirmações é necessariamente verdadeira? a) T e f têm os mesmos valores próprios. b) Os núcleos de T e f são o mesmo. c) As transformações compostas Tof e fot são iguais. d) T e f são transformações inversas. 1

2 Ficha de Exercícios nº 3 4 O espaço próprio associado a um valor próprio de uma transformação linear T, cuja matriz de transformação na base canónica é diagonalizável, é *+. Das seguintes, qual pode ser a imagem de segundo T, escrita numa base de vectores próprios de T? a). b). c). d). 5 T e f são duas transformações lineares, de para, cujos valores próprios são reais. O que pode garantidamente afirmar sobre a transformação composta Tof? a) Pode não ser uma transformação linear. b) A sua matriz de transformação na base canónica não é diagonalizável. c) É a mesma transformação que fot. d) Os vectores próprios comuns a T e a f são seus vectores próprios. 6 é uma matriz diagonalizável, cujos valores próprios são reais. O que pode garantidamente afirmar sobre A? a) É simétrica. b) Todos os seus valores próprios têm multiplicidade algébrica 1. c) Tem determinante diferente de 0. d) Pode ter um único valor próprio distinto. 7 T é uma transformação linear, cuja matriz de transformação na base canónica, A, comuta com uma matriz não singular, V, cujas colunas são vectores próprios de A. O que pode garantidamente afirmar sobre A? a) É não singular. b) É ortogonal. c) É diagonal. d) É idempotente. 2

3 Ficha de Exercícios nº 3 8 Qual das seguintes afirmações é verdadeira? a) Uma forma quadrática pode ser semi-definida positiva e semi-definida negativa. b) Se a matriz associada a uma forma quadrática for o quadrado de uma outra matriz, a forma quadrática pode ser definida negativa. c) Se a matriz associada a uma forma quadrática for singular, a forma quadrática pode ser definida positiva. d) Se uma forma quadrática não envolver termos cruzados, não pode ser semidefinida positiva, nem semi-definida negativa. 9 Q é uma forma quadrática não nula cuja matriz associada é idempotente. Qual é, garantidamente, a classificação de Q? a) Definida positiva. b) Semi-definida positiva. c) Indefinida. d) Definida negativa. 10 Q é a forma quadrática que representa, para cada vector de, o quadrado da soma das suas coordenadas. Qual das seguintes mudanças de variável não permite representar Q sem termos cruzados? a). /. b). /. c). /. d). /. 3

4

5 Nova School of Business and Economics Álgebra Linear Transformações Lineares, Valores e Vectores Próprios e Formas Quadráticas 1 Qual das seguintes aplicações não é uma transformação linear? a). A resposta é incorrecta: Linear na soma: [ ] Linear na multiplicação por números reais: : (. ), (. ). Conclusão: T é uma transformação linear. b). A resposta é incorrecta: Linear na soma: [ ] Linear na multiplicação por números reais: : (. ),. - 1

6 ... (. ). Conclusão: T é uma transformação linear. c) 0 1. A resposta é incorrecta: 0 1 Linear na soma:, - [ ] [ ] [ ] [ ] Linear na multiplicação por números reais: : (. ), (. ). Conclusão: T é uma transformação linear. d) ( ). A resposta é correcta: ( ) Linear na soma:, -, -, -, -, -, -, -, - Linear na multiplicação por números reais: : 2

7 ,. -,. -., -., -.,. -., - Conclusão: T não é uma transformação linear. Resposta correcta: d) 2 Qual das seguintes afirmações é verdadeira? a) Uma transformação linear de domínio pode ter como contradomínio um conjunto constituído apenas por um vector não nulo. A afirmação é falsa. Se uma transformação, T, tiver domínio e como contra-domínio o conjunto * +,, então a imagem de todos os seus objectos é a mesma,. Se isto acontecer, T não é uma transformação linear: Linear na soma: Linear na multiplicação por números reais: : (. )... (. ). Conclusão: T não é uma transformação linear. b) A aplicação que transforma cada objecto na soma das suas imagens segundo duas transformações lineares é uma transformação linear. A afirmação é verdadeira. Basicamente, é preciso provar que a soma de duas transformações lineares é uma transformação linear. Chamemos a duas transformações lineares quaisquer e. A sua soma, T, é uma aplicação que a cada objecto comum a e, x, faz corresponder um outro vector,, que é a soma das imagens de x segundo e, ou seja,. Vamos provar que, sendo e transformações lineares, ou seja, lineares na soma e lineares na multiplicação por números reais, T também é:, e transformações lineares 3

8 4 Linear na soma:, Linear na multiplicação por números reais: : (. ) (. ) (. )...., -.. (. ). Conclusão: T é uma transformação linear. c) A intersecção dos conjuntos de imagens de duas transformações lineares com domínio e o mesmo espaço de chegada pode ser. A afirmação é falsa. Todas as transformações lineares com domínio têm como objecto o vector nulo deste espaço. E a imagem do vector nulo, segundo qualquer transformação linear, é o vector nulo do espaço de chegada. De facto: ( ) (. ). Mas se duas transformações lineares contêm, nos conjunto das suas imagens, o vector nulo do seu espaço de chegada, a intersecção destes conjuntos não pode ser o conjunto vazio, já que inclui este vector nulo. d) Todas as transformações lineares com o mesmo espaço de partida e espaço de chegada são invertíveis. A afirmação é falsa. Se uma transformação é invertível, então os seus espaços de partida e de chegada são iguais, pois caso contrário será impossível definir uma transformação que a cada vector do espaço de chegada da transformação original faça corresponder o vector do espaço de partida que lhe deu origem. Mas se o espaço de partida e o espaço de chegada de uma transformação forem o mesmo, não é garantido que a transformação seja invertível. Basta pensar na transformação, de para, definida por. Nesta transformação, qualquer vector de tem a mesma imagem,, o que significa que T não é injectiva (porque tem pelo menos 2 objectos com a mesma imagem). Não sendo injectiva, não é invertível. De facto, se existisse, teria que ter, como imagem de, o objecto que o originou segundo T. Mas, no caso desta transformação linear, não houve um objecto único a originar, mas uma infinidade de vectores: todos os de. Logo, segundo, o vector teria que ter mais do que uma imagem, o que é incompatível com o facto de ser uma transformação. Por outro lado, sabemos que, se uma transformação T tiver inversa,, então as matrizes de transformação destas duas transformações, na mesma base, são inversas. Mas se A, a matriz de transformação de T na

9 base canónica não tiver inversa, não existe matriz de transformação de canónica, o que significa que não existe. De facto: na base * +, Resposta correcta: b) 3 T e f são duas transformações lineares, de para, cujas matrizes de transformação, na base canónica, são comutativas. Qual das seguintes afirmações é necessariamente verdadeira? a) T e f têm os mesmos valores próprios. b) Os núcleos de T e f são o mesmo. c) As transformações compostas Tof e fot são iguais. d) T e f são transformações inversas. A transformação composta Tof é a transformação que calcula imagens em 2 etapas. Primeiro, faz corresponder a cada objecto de f uma imagem segundo esta transformação. Depois, trata cada uma destas imagens como objectos de T e faz-lhes corresponder a sua imagem segundo T:, - A transformação composta fot usa T e f por outra ordem. Primeiro, transforma cada objecto de T na sua imagem segundo esta transformação e depois transforma o vector resultante na sua imagem segundo f:, - Chamemos a A e B as matrizes de transformação de T e f, respectivamente, na base canónica. Matricialmente, podemos descrever o processo Tof da seguinte forma: cada vector x é multiplicado, à esquerda, por B, para se obter a sua imagem segundo f, o vector Bx. Depois, este vector é multiplicado, à esquerda, por A, para se obter a sua imagem segundo T. O vector obtido no final do processo é ABx. Assim,. Já o processo fot segue os seguintes passos, na forma matricial: cada vector x é multiplicado por A, à esquerda, originando a sua imagem segundo T, o vector Ax, que depois é multiplicado por B, à esquerda, para que se encontre a sua imagem segundo f, gerando-se no fim o vector BA. Logo,. Mas se A e B são comutativas, sabemos que a ordem pela qual são 5

10 multiplicadas é irrelevante para o resultado obtido, pelo que. Mas isto signfica que e as transformações compostas Tof e fot são iguais. Resposta correcta: c) 4 O espaço próprio associado a um valor próprio de uma transformação linear T, cuja matriz de transformação na base canónica é diagonalizável, é *+. Das seguintes, qual pode ser a imagem de segundo T, escrita numa base de vectores próprios de T? a). b). c). d). Se T tem como vectores próprios associados a um valor próprio o conjunto de múltiplos de, então T é uma transformação linear de para. Sendo a sua matriz de transformação na base canónica, chamemos-lhe A, é diagonalizável, sabemos que podemos encontrar uma base do seu espaço de partida,, constituída por vectores próprios de A, sendo que o número de vectores próprios associados a cada valor próprio, de entre os escolhidos, é igual à multiplicidade (geométrica ou algébrica, neste caso é irrelvante, porque, sendo A diagonalizável, são iguais) desse valor próprio. Sendo o espaço próprio (conjunto de vectores próprios) associado a um valor próprio de A, chamemos-lhe, *+, sabemos que a multiplicidade (algébrica e geométrica) de é 1, tal como a dimensão de *+. Assim, ao formarmos uma base de constituída por vectores próprios de A, temos que escolher um vector não nulo pertencente a *+, ou seja, um múltiplo de, que podemos designar genericamente como.,. Chamando V a esta base, sabemos que *. +, sendo e vectores próprios associado aos outros (ou outro) vectores próprios de A (claro que o vector. pode estar noutra ordem, mas tem sempre que pertencer a V). Sendo um vector próprio de T associado a, sabemos que a sua imagem, na base canónica, é o múltiplo de resultante da multiplicação de por :. Queremos agora saber as suas coordenadas na base V. Para isso, temos que saber como escrevê-lo como uma combinação linear dos vectores da base V, ou seja, temos que encontrar os valores únicos de, e (únicos porque V é uma base de, o que significa que há apenas uma combinação linear dos seus vectores que permite gerar cada vector deste espaço) que resolvem a seguinte equação:.,. - 6

11 Uma solução para esta equação é óbvia:, e. Sendo e V uma base de, sabemos faz sentido e é a única. Desta forma, as coordenadas de. na base V são. /, que dependem do valor próprio e do múltiplo de escolhido para formar a base V. Logo, de entre as hipóteses de resposta, a única possível é. Note-se que estas coordenadas apenas são possíveis se, aquando da formação da base V, se escolher o múltiplo do como 1º vector. Resposta correcta: c) 5 T e f são duas transformações lineares, de para, cujos valores próprios são reais. O que pode garantidamente afirmar sobre a transformação composta Tof? a) Pode não ser uma transformação linear. A resposta é incorrecta. Se T e f são transformações lineares, logo lineares na soma e na multiplicação por números reais e compatíveis para composição, a transformação composta Tof tem que ser linear. Sabendo que a transformação composta Tof transforma cada objecto de f na correspondente imagem, transformando o vector daqui resultante na sua imagem segundo T, ou seja, que, -, a prova é a seguinte:, -, T e f transformações lineares Linear na soma:, -, -, -, -, -, - Linear na multiplicação por números reais: : (. ), (. )-., -.., - (. ). Conclusão: Tof é uma transformação linear. b) A sua matriz de transformação na base canónica não é diagonalizável. A resposta é incorrecta. Basta pensar em T e f como sendo representadas, na base canónica, respectivamente, pelas matrizes 0 1 e 0 1. Sabemos que a transformação composta Tof é representada, na base canónica, pela matriz 0 1. Esta matriz é diagonalizável não só por ser simétrica, mas também por ser diagonal (o que implica que os seus valores próprios são os seus elementos da diagonal principal e a matriz que resulta do processo da sua diagonalização é a própria matriz). 7

12 c) É a mesma transformação que fot. A resposta é incorrecta. Já sabemos que Tof e fot são a mesma transformação se (e só se, é fácil demonstrá-lo) as matrizes que as representam numa base forem comutativas. Não sendo estas matrizes comutativas, fot e Tof são duas transformações lineares diferentes. d) Os vectores próprios comuns a T e a f são seus vectores próprios. A resposta é correcta. De facto, qualquer vector que, quando transformado quer em T, quer em f, resulta num múltiplo de si próprio, também o fará quando transformado em Tof. Chamemos a x um vector próprio de T e de f, associado ao valor próprio no caso de T e no caso de f. Podemos então dizer que. e que.. Agora, basta lembrarmo-nos que T é linear na multiplicação por números reais para provarmos que x é vector próprio de Tof:, - (. ).. Não só provámos que, se x for vector próprio de T e f associado aos valores próprios e, respectivamente, também é vector próprio de Tof, como provámos que o valor próprio que lhe está associado na transformação composta é o produto dos valores próprios que lhe estavam associados em cada uma das transformações originais:. Resposta correcta: d) 6 é uma matriz diagonalizável, cujos valores próprios são reais. O que pode garantidamente afirmar sobre A? 8 a) É simétrica. A resposta é incorrecta. Todas as matrizes simétricas são diagonalizáveis, mas nem todas as matrizes diagonalizáveis são simétricas. Qualquer matriz cujos valores próprios têm multiplicidades algébrica e geométrica iguais é diagonalizável. Por exemplo, a matriz 0 1 tem como valores próprios 1 e 2, cada um com multiplicidade algébrica igual a 1 (porque são raízes únicas do polinómio característico, ). Os espaços próprios de A são *+ e *+ associados, respectivamente aos valores próprios 1 e 2, o que significa que ambos os valores próprios têm multiplicidade geométrica 1 (porque os espaços próprios que lhes estão associados têm dimensão 1). Desta forma, tanto para o valor próprio 1 como para o valor próprio 2, a multiplicidade algébrica é igual à geométrica o que significa que A é diagonalizável e é possível construir uma base de com vectores próprios de A. Por exemplo, * +. b) Todos os seus valores próprios têm multiplicidade algébrica 1. A resposta é incorrecta. Para A ser diagonalizável, é necessário que todos os seus valores próprios tenham multiplicidades algébrica e geométrica iguais. Não é necessário que qualquer uma destas multiplicidades seja 1. Por exemplo, a matriz identidade (2x2),

13 0 1, tem um valor próprio, 1, com multiplicidade algébrica 2. O espaço próprio que lhe está associado é, que tem dimensão 2, pelo que a multiplicidade geométrica do seu valor próprio é 2. Logo, I é diagonalizável e é possível construir uma base de com vectores próprios de I. Por exemplo, * +. c) Tem determinante diferente de 0. A resposta é incorrecta. O determinante de uma matriz iguala o produto dos seus valores próprios, repetidos um número de vezes igual à sua multiplicidade algébrica. Se o determinante de uma matriz é diferente de 0, é garantido que nenhum dos seus valores próprios é 0. Mas esta condição não é necessária para a matriz ser diagonalizável. Por exemplo, a matriz 0 1 tem como valores próprios 0 e 2 (os dois têm multiplicidade algébrica 1) e, por isso, determinante nulo. Contudo, os espaços próprios que lhes estão associados são, respectivamente, *+ e *+, dois espaços com dimensão 1, pelo que a multiplicidade geométrica de ambos os valores próprios é 1. Logo, A é diagonalizável e é possível construir uma base de com vectores próprios de A. Por exemplo, * +. d) Pode ter um único valor próprio distinto. A resposta é correcta. Para uma matriz ser diagonalizável, os seus valores próprios têm que ter multiplicidades algébrica e geométrica iguais. Mas isto não significa que tenha que haver mais do que 1. Por exemplo, a matriz identidade (2x2), 0 1, tem um único valor próprio, 1, com multiplicidade algébrica 2. O espaço próprio que lhe está associado é, cuja dimensão é 2, pelo que a sua multiplicidade geométrica é 2. Logo, I é diagonalizável e é possível construir uma base de com vectores próprios de I. Por exemplo, * +. Resposta correcta: d) 7 T é uma transformação linear, cuja matriz de transformação na base canónica, A, comuta com uma matriz não singular, V, cujas colunas são vectores próprios de A. O que pode garantidamente afirmar sobre A? a) É não singular. b) É ortogonal. c) É diagonal. d) É idempotente. V é uma matriz não singular, logo com determinante não nulo e, por isso, quadrada, (nxn). É por isso constituída por n colunas que são vectores de, que formam um conjunto linearmente independente (já que o determinante de V não é 0) e são, por isso (e porque 9

14 qualquer conjunto de n vectores de um espaço vectorial de dimensão n geram esse espaço) uma base de. Sendo estes vectores vectores próprios de A, sabemos que é possível construir uma base de com vectores próprios de A e, por isso, A é diagonalizável. Logo, é possível diagonalizar A, encontrando uma matriz cujas colunas sejam uma base de de vectores próprios de A, como é, por exemplo, V. Diagonalizamos A, calculando e sabendo que, ao fazê-lo, será uma matriz diagonal, cujos elementos da diagonal principal são os valores próprios, pela ordem correspondente à escolhida aquando da construcção da base de vectores próprios de A. Por outro lado, A e V comutam, o que quer dizer que. Tendo esta igualdade em conta, bem como aquela decorrente da diagonalização de A, ficamos com: Ou seja, neste caso, A é não só diagonalizável, como também igual à matriz diagonal originada pela sua diagonalização. Logo, podemos afirmar que A é uma matriz diagonal. Repare-se que A não tem que ser não singular, ortogonal, nem idempotente, como nos mostra a matriz 0 1, singular, não ortogonal e não idempotente e que comuta com 0 1, cujas colunas formam uma base de constituída por vectores próprios de A. Resposta correcta: d) 8 Qual das seguintes afirmações é verdadeira? 10 a) Uma forma quadrática pode ser semi-definida positiva e semi-definida negativa. A afirmação é verdadeira. Uma forma quadrática em n variáveis é semi-definida positiva se, avaliada em qualquer vector de, for não negativa. É semi-definida negativa se for sempre não positiva. Mas é possível que as duas condições sejam preenchidas. Se uma forma quadrática for nula em qualquer vector de, é sempre não negativa e não positiva. De facto, repare-se que a forma quadrática nula, em 2 variáveis, preenche estas condições. Podemos confirmar este facto, passando a forma quadrática para a forma matricial,, e constantando que a matriz A tem um único vector próprio que é não negativo e, ao mesmo tempo, não positivo: 0. b) Se a matriz associada a uma forma quadrática for o quadrado de uma outra matriz, a forma quadrática pode ser definida negativa. A afirmação é falsa. Se uma matriz estiver associada a, o quadrado de A, é garantidamente semi-definida positiva (pode também ser definida positiva, mas não deixa de ser semi-definida positiva). De facto, se A está associada a uma forma quadrática, é simétrica e, por isso, todos os seus valores próprios são reais. Cada valor próprio de é o quadrado de um valor próprio de A. Sendo o quadrado de qualquer número um número não

15 negativo (pode ser 0, se o número for 0), sabemos que todos os valores próprios de maiores ou iguais a 0. Quer isto dizer que a forma quadrática associada a é forçosamente semi-definida positiva. Se nenhum valor próprio de A for 0, podemos também dizer que a forma quadrática associada a próprios positivos. são é definida positiva, porque esta matriz terá todos os valores c) Se a matriz associada a uma forma quadrática for singular, a forma quadrática pode ser definida positiva. A afirmação é falsa. Uma matriz singular é uma matriz não invertível, cujo determinante é 0. Sendo o determinante de uma matriz o produto dos seus valores próprios, repetidos um número de vezes igual à sua multiplicidade algébrica, sabemos que, se for 0, um dos valores próprios da matriz será também 0. Mas se uma matriz tem um valor próprio nulo, não pode ser definida positiva (nem definida negativa), podendo, isso sim, ser semi-definida positiva, semi-definida negativa, ou indefinida. d) Se uma forma quadrática não envolver termos cruzados, não pode ser semidefinida positiva, nem semi-definida negativa. A afirmação é falsa. Uma forma quadrática em n variáveis semi-definida positiva é um polinómio constituído apenas por termos de grau 2 que é não negativo, para qualquer vector de. Mesmo não tendo termos cruzados, pode perfeitamente ser sempre maior ou igual a 0. Primeiro, porque é óbvio que pode ser definida positiva, como acontece, por exemplo, com a forma quadrática (que é obviamente sempre positiva, com a excepção do vector nulo de, que anula qualquer forma quadrática), sendo, por isso, semi-definida positiva (se a forma quadrática é sempre positiva, também é verdade que é sempre não negativa). Depois, porque pode ser estritamente semi-definida positiva (no sentido em que não é definida positiva). De facto, mesmo não tendo termos cruzados, pode ser possível anulá-la num vector não nulo. É o que se passa, por exemplo, com a forma quadrática. Apesar de não contemplar nenhum termo envolvendo a variável y, esta deve ser incluída nos vectores a aplicar a Q. Desta forma, qualquer vector da forma anula esta forma quadrática, sendo, por isso, Q semi-definida positiva. O mesmo raciocínio se aplica à classificação semi-definida negativa. Resposta correcta: a) 9 Q é uma forma quadrática não nula cuja matriz associada é idempotente. Qual é, garantidamente, a classificação de Q? a) Definida positiva. b) Semi-definida positiva. c) Indefinida. d) Definida negativa. 11

16 Sabemos que Q não é a forma quadrática nula, pelo que tem pelo menos um valor próprio não nulo. Para além disso, a matriz que lhe está associada, chamemos-lhe A, é idempotente, o que significa que. Sendo os valores próprios de o quadrado dos valores próprios de A, estes valores próprios são o quadrado de si próprios ( representa um valor próprio): * + Assim, A pode ter como valores próprios apenas 0 e 1. Tendo pelo menos um valor próprio não nulo, sabemos que 1 será sempre valor próprio de A. Já 0 pode ser ou não. Podemos desta forma garantir que os valores próprios de A são não negativos, não sendo possível afirmar que são positivos. É por isso possível afirmar que Q é semi-definida positiva (se o seu único valor próprio for 1, como acontece com a matriz identidade de qualquer dimensão, Q é definida positiva, não sendo por isso que deixa de ser semi-definida positiva). Resposta correcta: b) 10 Q é a forma quadrática que representa, para cada vector de, o quadrado da soma das suas coordenadas. Qual das seguintes mudanças de variável não permite representar Q sem termos cruzados? a). /. b). /. 12 c). /. d). /. Primeiro, encontremos a expressão de e representemo-la na forma matricial:, Q é uma forma quadrática que tem 1 termo cruzado, e, por isso, a matriz que lhe está associada não é uma matriz diagonal. Contudo, é possível efectuar uma mudança de variável, de forma a que Q, nessa nova variável, não apresente termos cruzados. De facto, chamemos à nova variável e definamos a mudança de variável da seguinte forma:, sendo V uma matriz (2x2). Resta saber que matriz poderá ser V, para que a forma quadrática na nova variável não tenha, de facto, termos cruzados (ou para que a matriz associada à forma quadrática nesta variável seja diagonal). Lembrando-nos da representação matricial de Q e da mudança de variável a efectuar, ficamos com: Desta forma, a matriz associada a Q na nova variável é. Resta garantir que é uma matriz diagonal. Sabemos que, sendo A simétrica, é diagonalizável, o que significa que é

17 possível obter uma matriz diagonal a partir de A. Para isso, é necessário encontrar uma base de constituída por vectores próprios de A e construir uma matriz, chamemos-lhe, cujas colunas são estes mesmos vectores. Ao fazermos isto, obtemos a matriz diagonal, (que tem na diagonal principal os valores próprios de A, pela ordem correspondente à ordem pela qual os vectores próprios de A foram escolhidos para colunas de V), através do produto. Se conseguirmos garantir que (ou seja, que V é ortogonal), então e a matriz de Q na variável é diagonal. Mas uma matriz é ortogonal se e só se as suas colunas são vectores ortonormados (mutuamente ortogonais e de norma 1). Por isso, se, durante a diagonalização de A, escolhermos para colunas de V vectores que não só são vectores próprios de A, mas ainda ortonormados, garantimos que V é ortogonal. Se isto for verdade: Vamos então calcular os valores próprios de A: Agora, os seus vectores próprios: { { * + * + * { { * + * + *+ Já sabemos que os vectores próprios associados a são os múltiplos de e os vectores próprios associados a são os múltiplos de. Precisamos agora de escolher um vector de e outro de que tenham norma 1 e sejam ortogonais. Sendo A simétrica (o que acontece em todas as matrizes associadas a formas quadráticas), sabemos que a valores próprios diferentes de A correspondem vectores próprios ortogonais. Logo, qualquer vector de é ortogonal a qualquer vector de. Por outro lado, sabemos que se multiplicarmos um vector próprio de A por qualquer número real, continuamos a ter um vector próprio de A, pelo que, depois de escolher um vector de e outro de podemos multiplicá-los pelo inverso da sua norma, obtendo desta forma vectores ortonormados. Agora, as hipóteses de escolha de vectores de e de são infinitas. Chamemos, ao vector escolhido de, e, ao proveniente de,, com e diferentes de 0 (caso contrário, um dos vectores escolhidos é o vector nulo e os vectores escolhidos não podem formar uma base de, por serem linearmente dependentes). Multiplicando cada um pelo inverso da sua norma, obtemos os seguintes vectores: 13

18 ( ). / {. /. / ( ). / {. /. / Estes resultados significam que, independentemente dos vectores escolhidos de e de, os vectores ortonormados a ser usados serão o. / ou o. / e o. / ou o. / (qualquer combinação, por qualquer ordem, funciona). Chamemos aos vectores escolhidos, respectivamente, e. Assim, a matriz V, cujas colunas serão os vectores a e b terá a forma [ ]. Logo, 0 1. Resta saber qual a mudança de variáveis associada a esta matriz V. Dissemos que, para chegar à forma quadrática na nova variável, faríamos a mudança de variável. Mas, se isto é verdade, então: [ ] 0 1 [ ] [ ] [ ] A primeira coordenada da nova variável será uma combinação linear das duas coordenadas da variável original, cujos coeficientes são as coordenadas do vector a. A segunda coordenada também será uma combinação linear das mesmas coordenadas, mas com coeficientes iguais às coordenadas do vector b. Desta forma, esta é a lista de todas as mudanças de variável que permitem eliminar o termo cruzado de Q:. /. /. /. /. /. /. /. /. /. /. /. /. /. /. /. /. /. /. /. /. /. /. /. / 14

19 Repare-se que, enquanto que nas primeiras 4 mudanças de variável, o 1º vector escolhido pertencia a e o segundo a, nas outras, a ordem foi revertida. Assim, equanto que, para as primeiras 4 mudanças de variável, a forma quadrática na nova variável é, [ ], para as outras, a forma é, [ ]. Resposta correcta: c) 15

7 Formas Quadráticas

7 Formas Quadráticas Nova School of Business and Economics Apontamentos Álgebra Linear 1 Definição Forma quadrática em variáveis Função polinomial, de grau, cuja expressão tem apenas termos de grau. Ex. 1: é uma forma quadrática

Leia mais

Ficha de Exercícios nº 1

Ficha de Exercícios nº 1 Nova School of Business and Economics Álgebra Linear Ficha de Exercícios nº 1 Espaços Vectoriais 1 Qual das seguintes afirmações é verdadeira? a) Um espaço vectorial pode ter um número ímpar de elementos.

Leia mais

Ficha de Exercícios nº 2

Ficha de Exercícios nº 2 Nova School of Business and Economics Álgebra Linear Ficha de Exercícios nº 2 Matrizes, Determinantes e Sistemas de Equações Lineares 1 O produto de duas matrizes, A e B, é a matriz nula (mxn). O que pode

Leia mais

Instituto Superior Técnico Departamento de Matemática Última actualização: 3/Dez/2003 ÁLGEBRA LINEAR A

Instituto Superior Técnico Departamento de Matemática Última actualização: 3/Dez/2003 ÁLGEBRA LINEAR A Instituto uperior Técnico Departamento de Matemática ecção de Álgebra e Análise Última actualização: 3/Dez/2003 ÁLGEBRA LINEAR A REVIÃO DA PARTE IV Parte IV - Diagonalização Conceitos: valor próprio, vector

Leia mais

ficha 1 matrizes e sistemas de equações lineares

ficha 1 matrizes e sistemas de equações lineares Exercícios de Álgebra Linear ficha matrizes e sistemas de equações lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2/2

Leia mais

Cálculo Diferencial e Integral 2 Formas Quadráticas

Cálculo Diferencial e Integral 2 Formas Quadráticas Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Cálculo Diferencial e Integral 2 Formas Quadráticas 1 Formas quadráticas Uma forma quadrática em R n é um polinómio do

Leia mais

1 Espaços Vectoriais

1 Espaços Vectoriais Nova School of Business and Economics Apontamentos Álgebra Linear 1 Definição Espaço Vectorial Conjunto de elementos que verifica as seguintes propriedades: Existência de elementos: Contém pelo menos um

Leia mais

Álgebra Linear. Determinantes, Valores e Vectores Próprios. Jorge Orestes Cerdeira Instituto Superior de Agronomia

Álgebra Linear. Determinantes, Valores e Vectores Próprios. Jorge Orestes Cerdeira Instituto Superior de Agronomia Álgebra Linear Determinantes, Valores e Vectores Próprios Jorge Orestes Cerdeira Instituto Superior de Agronomia - 200 - ISA/UTL Álgebra Linear 200/ 2 Conteúdo Determinantes 5 2 Valores e vectores próprios

Leia mais

EXERCÍCIOS DE ÁLGEBRA LINEAR

EXERCÍCIOS 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

[ ] EXEMPLOS: Muitas vezes precisamos montar uma Matriz a partir de uma lei geral. Analise os exemplos a seguir:

[ ] EXEMPLOS: Muitas vezes precisamos montar uma Matriz a partir de uma lei geral. Analise os exemplos a seguir: MATRIZES CONCEITO: Um conjunto de elementos algébricos dispostos em uma tabela retangular com linhas e colunas é uma Matriz. A seguir, vemos um exemplo de Matriz de 3 linhas e 4 colunas, e que representaremos

Leia mais

Multiplicidade geométrica

Multiplicidade geométrica Valores e Vectores Próprios - ALGA - /5 Multiplicidade geométrica Chama-se multiplicidade geométrica de um valor próprio ao grau de indeterminação do sistema (A I n ) X : O grau de indeterminação de corresponde

Leia mais

Instituto Superior Técnico Departamento de Matemática Última actualização: 18/Nov/2003 ÁLGEBRA LINEAR A

Instituto Superior Técnico Departamento de Matemática Última actualização: 18/Nov/2003 ÁLGEBRA LINEAR A Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Última actualização: 18/Nov/2003 ÁLGEBRA LINEAR A REVISÃO DA PARTE III Parte III - (a) Ortogonalidade Conceitos: produto

Leia mais

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.

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. 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 mais

Matrizes Semelhantes e Matrizes Diagonalizáveis

Matrizes 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 mais

Álgebra Linear I - Aula 19

Álgebra Linear I - Aula 19 Álgebra Linear I - Aula 19 1. Matrizes diagonalizáveis. 2. Matrizes diagonalizáveis. Exemplos. 3. Forma diagonal de uma matriz diagonalizável. 1 Matrizes diagonalizáveis Uma matriz quadrada T = a 1,1 a

Leia mais

Notas em Álgebra Linear

Notas em Álgebra Linear Notas em Álgebra Linear 1 Pedro Rafael Lopes Fernandes Definições básicas Uma equação linear, nas variáveis é uma equação que pode ser escrita na forma: onde e os coeficientes são números reais ou complexos,

Leia mais

Matrizes e Determinantes

Matrizes e Determinantes Aula 10 Matrizes e Determinantes Matrizes e Determinantes se originaram no final do século XVIII, na Alemanha e no Japão, com o intuito de ajudar na solução de sistemas lineares baseados em tabelas formadas

Leia mais

2 Álgebra Linear (revisão)

2 Álgebra Linear (revisão) Teoria de Controle (sinopse) 2 Álgebra Linear (revisão) J. A. M. Felippe de Souza Neste capítulo vamos citar os principais tópicos de Álgebra Linear que são necessários serem revistos para o acompanhamento

Leia mais

UNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática

UNIVERSIDADE 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 mais

Profs. Alexandre Lima e Moraes Junior 1

Profs. 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 mais

x 1 3x 2 2x 3 = 0 2 x 1 + x 2 x 3 6x 4 = 2 6 x x 2 3x 4 + x 5 = 1 ( f ) x 1 + 2x 2 3x 3 = 6 2x 1 x 2 + 4x 3 = 2 4x 1 + 3x 2 2x 3 = 4

x 1 3x 2 2x 3 = 0 2 x 1 + x 2 x 3 6x 4 = 2 6 x x 2 3x 4 + x 5 = 1 ( f ) x 1 + 2x 2 3x 3 = 6 2x 1 x 2 + 4x 3 = 2 4x 1 + 3x 2 2x 3 = 4 INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-47 Álgebra Linear para Engenharia I Primeira Lista de Exercícios - Professor: Equipe da Disciplina EXERCÍCIOS. Resolva os seguintes sistemas:

Leia mais

Universidade Federal de Alagoas UFAL Centro de Tecnologia - CTEC Programa de Pós-Graduação em Engenharia Civil - PPGEC

Universidade Federal de Alagoas UFAL Centro de Tecnologia - CTEC Programa de Pós-Graduação em Engenharia Civil - PPGEC Universidade Federal de Alagoas UFAL Centro de Tecnologia - CTEC Programa de Pós-Graduação em Engenharia Civil - PPGEC Introdução à Mecânica do Contínuo Tensores Professor: Márcio André Araújo Cavalcante

Leia mais

Esmeralda Sousa Dias. (a) (b) (c) Figura 1: Ajuste de curvas a um conjunto de pontos

Esmeralda Sousa Dias. (a) (b) (c) Figura 1: Ajuste de curvas a um conjunto de pontos Mínimos quadrados Esmeralda Sousa Dias É frequente ser necessário determinar uma curva bem ajustada a um conjunto de dados obtidos experimentalmente. Por exemplo, suponha que como resultado de uma certa

Leia mais

Matrizes e sistemas de equações algébricas lineares

Matrizes e sistemas de equações algébricas lineares Capítulo 1 Matrizes e sistemas de equações algébricas lineares ALGA 2007/2008 Mest Int Eng Biomédica Matrizes e sistemas de equações algébricas lineares 1 / 37 Definições Equação linear Uma equação (algébrica)

Leia mais

Matemática Régis Cortes EQUAÇÕES DE GRAUS

Matemática Régis Cortes EQUAÇÕES DE GRAUS EQUAÇÕES DE 1 0 E 2 0 GRAUS 1 EQUAÇÃO DO 1º GRAU As equações do primeiro grau são aquelas que podem ser representadas sob a forma ax+b=0,em que a e b são constantes reais, com a diferente de 0, e x é a

Leia mais

Separe em grupos de folhas diferentes as resoluções dos grupos I e II das resoluções dos grupos III e IV GRUPO I (50 PONTOS)

Separe em grupos de folhas diferentes as resoluções dos grupos I e II das resoluções dos grupos III e IV GRUPO I (50 PONTOS) Faculdade de Ciências Económicas e Empresariais UCP MATEMÁTICA I FREQUÊNCIA 1 - versão A Duração: 15 minutos Durante a prova não serão prestados quaisquer tipo de esclarecimentos. Qualquer dúvida ou questão

Leia mais

Exercício 1: Matriz identidade. Exercício 3: Exercício 2: Exemplo: Igualdade entre matrizes 13/05/2017. Obtenha a matriz, em que.

Exercício 1: Matriz identidade. Exercício 3: Exercício 2: Exemplo: Igualdade entre matrizes 13/05/2017. Obtenha a matriz, em que. Conceito de matriz Matrizes Matrizes são tabelas retangulares utilizadas para organizar dados numéricos. Nas matrizes, cada número é chamado de elemento da matriz, as filas horizontais são chamadas linhas

Leia mais

Curso Satélite de. Matemática. Sessão n.º 1. Universidade Portucalense

Curso Satélite de. Matemática. Sessão n.º 1. Universidade Portucalense Curso Satélite de Matemática Sessão n.º 1 Universidade Portucalense Conceitos Algébricos Propriedades das operações de números reais Considerem-se três números reais quaisquer, a, b e c. 1. A adição de

Leia mais

Matrizes hermitianas e unitárias

Matrizes hermitianas e unitárias Matrizes hermitianas e unitárias Amit Bhaya, Programa de Engenharia Elétrica COPPE/UFRJ Universidade Federal do Rio de Janeiro amit@nacad.ufrj.br http://www.nacad.ufrj.br/ amit Matrizes complexas O produto

Leia mais

αx + 2y + (α + 1)z + 2αw = β 1. [40 pontos] Discuta o sistema em função dos parâmetros α, β e γ.

αx + 2y + (α + 1)z + 2αw = β 1. [40 pontos] Discuta o sistema em função dos parâmetros α, β e γ. Católica Lisbon School of Business and Economics UCP MATEMÁTICA I MINI-TESTE 1 - versão A Duração: 90 minutos Durante a prova não serão prestados quaisquer tipo de esclarecimentos. Qualquer dúvida ou questão

Leia mais

Álgebra Linear e Geometria Analítica

Álgebra Linear e Geometria Analítica Álgebra Linear e Geometria Analítica Engenharia Electrotécnica Escola Superior de Tecnologia de Viseu wwwestvipvpt/paginaspessoais/lucas lucas@matestvipvpt 007/008 Álgebra Linear e Geometria Analítica

Leia mais

Trabalhos e Exercícios 1 de Álgebra Linear

Trabalhos e Exercícios 1 de Álgebra Linear Trabalhos e Exercícios de Álgebra Linear Fabio Iareke 30 de março de 0 Trabalhos. Mostre que se A tem uma linha nula, então AB tem uma linha nula.. Provar as propriedades abaixo:

Leia mais

Os Quatro Subespaços Fundamentais

Os Quatro Subespaços Fundamentais Álgebra Linear e Geometria Analítica Texto de apoio Professor João Soares 7 páginas Universidade de Coimbra 26 de Novembro de 29 Os Quatro Subespaços Fundamentais Seja A uma matriz m n de elementos reais.

Leia mais

- identificar operadores ortogonais e unitários e conhecer as suas propriedades;

- identificar operadores ortogonais e unitários e conhecer as suas propriedades; DISCIPLINA: ELEMENTOS DE MATEMÁTICA AVANÇADA UNIDADE 3: ÁLGEBRA LINEAR. OPERADORES OBJETIVOS: Ao final desta unidade você deverá: - identificar operadores ortogonais e unitários e conhecer as suas propriedades;

Leia mais

Um sistema linear é um conjunto de n equações lineares do tipo:

Um sistema linear é um conjunto de n equações lineares do tipo: Um sistema linear é um conjunto de n equações lineares do tipo: Este sistema pode ser representado através de uma representação matricial da forma: A.x = b onde: A matriz de coeficientes de ordem x vetor

Leia mais

EXAME DE ÁLGEBRA LINEAR (Semestre Alternativo, Alameda) GRUPO I

EXAME DE ÁLGEBRA LINEAR (Semestre Alternativo, Alameda) GRUPO I Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise EXAME DE ÁLGEBRA LINEAR (Semestre Alternativo, Alameda) (24/JUNHO/2005) Duração: 3h Nome de Aluno: Número de Aluno: Curso:

Leia mais

(Ciência de Computadores) 2005/ Diga quais dos conjuntos seguintes satisfazem o Princípio de Boa Ordenação

(Ciência de Computadores) 2005/ Diga quais dos conjuntos seguintes satisfazem o Princípio de Boa Ordenação Álgebra (Ciência de Computadores) 2005/2006 Números inteiros 1. Diga quais dos conjuntos seguintes satisfazem o Princípio de Boa Ordenação (a) {inteiros positivos impares}; (b) {inteiros negativos pares};

Leia mais

0 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.

0 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 mais

Sistemas lineares e matrizes, C = e C =

Sistemas lineares e matrizes, C = e C = 1. Considere as matrizes ( 2 1 A 4 0 1 MATEMÁTICA I (M 195 (BIOLOGIA, BIOQUÍMICA E ARQUITETURA PAISAGISTA 2014/2015, B Sistemas lineares e matrizes ( 4 1 2 5 1 Verifique se está definida e, caso esteja,

Leia mais

Exercícios. setor Aula 39 DETERMINANTES (DE ORDENS 1, 2 E 3) = Resposta: 6. = sen 2 x + cos 2 x Resposta: 1

Exercícios. 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 mais

Sistemas de Equações Lineares e Equações Vectoriais Aula 2 Álgebra Linear Pedro A. Santos

Sistemas de Equações Lineares e Equações Vectoriais Aula 2 Álgebra Linear Pedro A. Santos Sistemas de Equações Lineares e Equações Vectoriais Aula 2 Álgebra Linear MEG Operações Elementares Trocar a posição de duas equações Multiplicar uma equação por uma constante diferente de zero Não alteram

Leia mais

UFSC Matrizes. Prof. BAIANO

UFSC Matrizes. Prof. BAIANO UFSC Matrizes Prof. BAIANO Matrizes Classifique como Verdadeiro ou Falso ( F ) Uma matriz é dita retangular, quando o número de linhas é igual ao número de colunas. ( F ) A matriz identidade é aquela em

Leia mais

Aulas práticas de Álgebra Linear

Aulas práticas de Álgebra Linear Ficha 2 Determinantes Aulas práticas de Álgebra Linear Mestrado Integrado em Engenharia Eletrotécnica e de Computadores 1 o semestre 2016/17 Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto

Leia mais

Álgebra Linear I Ano lectivo 2015/16 Docente: António Araújo e-fólio A (20 a 30 de novembro) Para a resolução do e-fólio, aconselha-se que:

Álgebra Linear I Ano lectivo 2015/16 Docente: António Araújo e-fólio A (20 a 30 de novembro) Para a resolução do e-fólio, aconselha-se que: 21002 - Álgebra Linear I Ano lectivo 2015/16 Docente: António Araújo e-fólio A (20 a 30 de novembro) Para a resolução do e-fólio, aconselha-se que: Verifique se o ficheiro que recebeu está correcto. O

Leia mais

Aula 19 Operadores ortogonais

Aula 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 mais

TEMA 2 PROPRIEDADES DE ORDEM NO CONJUNTO DOS NÚMEROS REAIS

TEMA 2 PROPRIEDADES DE ORDEM NO CONJUNTO DOS NÚMEROS REAIS TEMA 2 PROPRIEDADES DE ORDEM NO CONJUNTO DOS NÚMEROS REAIS O conjunto dos números reais,, que possui as seguintes propriedades:, possui uma relação menor ou igual, denotada por O1: Propriedade Reflexiva:

Leia mais

ficha 2 determinantes

ficha 2 determinantes Exercícios de Álgebra Linear ficha 2 determinantes Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 Determinantes 2 Sendo

Leia mais

UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE CURSO: CIÊNCIA DA COMPUTAÇÃO DISCIPLINA: ÁLGEBRA LINEAR PROF.: MARCELO SILVA.

UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE CURSO: CIÊNCIA DA COMPUTAÇÃO DISCIPLINA: ÁLGEBRA LINEAR PROF.: MARCELO SILVA. UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE CURSO: CIÊNCIA DA COMPUTAÇÃO DISCIPLINA: ÁLGEBRA LINEAR PROF.: MARCELO SILVA Determinantes Introdução Como já vimos, matriz quadrada é a que tem o mesmo número

Leia mais

Álgebra Linear - 1 a lista de exercícios Prof. - Juliana Coelho

Álgebra Linear - 1 a lista de exercícios Prof. - Juliana Coelho Álgebra Linear - a lista de exercícios Prof. - Juliana Coelho - Considere as matrizes abaixo e faça o que se pede: M N O 7 P Q R 8 4 T S a b a Determine quais destas matrizes são simétricas. E antisimétricas?

Leia mais

Equação Geral do Segundo Grau em R 2

Equação 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 mais

Autovalores e Autovetores

Autovalores e Autovetores Autovalores e Autovetores INTRODUÇÃO Essa apostila vai explicar um pouco de Auto Valores e Auto Vetores. A primeira coisa que é importante ressaltar é que essa matéria normalmente cai de forma bem simples

Leia mais

E. S. JERÓNIMO EMILIANO DE ANDRADE DE ANGRA DO HEROISMO. Conteúdo Programáticos / Matemática e a Realidade. Curso de Nível III Técnico de Laboratório

E. S. JERÓNIMO EMILIANO DE ANDRADE DE ANGRA DO HEROISMO. Conteúdo Programáticos / Matemática e a Realidade. Curso de Nível III Técnico de Laboratório E. S. JERÓNIMO EMILIANO DE ANDRADE DE ANGRA DO HEROISMO Curso de Nível III Técnico de Laboratório Técnico Administrativo PROFIJ Conteúdo Programáticos / Matemática e a Realidade 2º Ano Ano Lectivo de 2008/2009

Leia mais

Matriz, Sistema Linear e Determinante

Matriz, 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 mais

1. 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

1. 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 mais

Revisão: Matrizes e Sistemas lineares. Parte 01

Revisão: Matrizes e Sistemas lineares. Parte 01 Revisão: Matrizes e Sistemas lineares Parte 01 Definição de matrizes; Tipos de matrizes; Operações com matrizes; Propriedades; Exemplos e exercícios. 1 Matrizes Definição: 2 Matrizes 3 Tipos de matrizes

Leia mais

Álgebra Linear - 2 a lista de exercícios Prof. - Juliana Coelho

Álgebra 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

[a11 a12 a1n 7. SISTEMAS LINEARES 7.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo

[a11 a12 a1n 7. SISTEMAS LINEARES 7.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo 7. SISTEMAS LINEARES 7.1. CONCEITO Um sistema de equações lineares é um conjunto de equações do tipo a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 11 x 1 + a 12 x 2 +... + a 1n x n = b 2... a n1 x 1 + a

Leia mais

A primeira coisa a fazer é saber quais são as equações das curvas quando elas já se encontram na melhor

A primeira coisa a fazer é saber quais são as equações das curvas quando elas já se encontram na melhor Identificação de Cônicas Uma equação do segundo grau ax + bxy + cy + dx + ey + f = 0 define de maneira implícita uma curva no plano xy: o conjunto dos pontos (x, y) que satisfazem a equação. Por exemplo,

Leia mais

ESCOLA SECUNDÁRIA FERREIRA DIAS

ESCOLA SECUNDÁRIA FERREIRA DIAS ESCOLA SECUNDÁRIA FERREIRA DIAS ENSINO RECORRENTE DE NÍVEL SECUNDÁRIO POR MÓDULOS CAPITALIZÁVEIS CURSO DE CIÊNCIAS E TECNOLOGIAS DISCIPLINA : MATEMÁTICA A ANO: 10.º - CONJUNTO DOS MÓDULOS 1-2-3 DURAÇÃO

Leia mais

Capítulo 4 - Valores e Vectores Próprios

Capítulo 4 - Valores e Vectores Próprios Capítulo 4 - Valores e Vectores Próprios Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/ 17

Leia mais

Universidade Federal de Ouro Preto Departamento de Matemática MTM112 - Introdução à Álgebra Linear - Turmas 81, 82 e 84 Lista 1 - Tiago de Oliveira

Universidade Federal de Ouro Preto Departamento de Matemática MTM112 - Introdução à Álgebra Linear - Turmas 81, 82 e 84 Lista 1 - Tiago de Oliveira Universidade Federal de Ouro Preto Departamento de Matemática MTM2 - Introdução à Álgebra Linear - Turmas 8, 82 e 84 Lista - Tiago de Oliveira Reveja a teoria e os exercícios feitos em sala. 2 3 2 0. Sejam

Leia mais

Lista de Exercícios Equações do 2º Grau

Lista de Exercícios Equações do 2º Grau Lista de Exercícios Equações do º Grau Nota: Os exercícios desta aula são referentes ao seguinte vídeo Matemática Zero. Aula Equações do Segundo Grau (Parte de ) Endereço: https://youtu.be/4r4rioccmm Gabaritos

Leia mais

Sistemas de Equações Lineares e Matrizes

Sistemas de Equações Lineares e Matrizes Sistemas de Equações Lineares e Matrizes. Quais das seguintes equações são lineares em x, y, z: (a) 2x + 2y 5z = x + xy z = 2 (c) x + y 2 + z = 2 2. A parábola y = ax 2 + bx + c passa pelos pontos (x,

Leia mais

Tensores Cartesianos

Tensores Cartesianos Tensores Cartesianos Mecânica II Notas de apoio à disciplina de Mecânica II Vitor Leitão Departamento de Engenharia Civil e Arquitectura Instituto Superior Técnico Lisboa, 2011 vitor@civil.ist.utl.pt -

Leia mais

Eduardo. Matemática Matrizes

Eduardo. Matemática Matrizes Matemática Matrizes Eduardo Definição Tabela de números dispostos em linhas e colunas. Representação ou Ordem da Matriz Se uma matriz A possui m linhas e n colunas, dizemos que A tem ordem m por n e escrevemos

Leia mais

3 a Lista para auto-avaliação (com um exercício resolvido)

3 a Lista para auto-avaliação (com um exercício resolvido) Álgebra Linear Cursos: Engenharia Civil, Engenharia de Minas, Engenharia do Território 1 ō ano/1 ō Semestre 21/211 3 a Lista para auto-avaliação (com um exercício resolvido) 1. Indique a característica

Leia mais

Resolução das Questões Discursivas

Resolução das Questões Discursivas COMISSÃO PERMANENTE DE SELEÇÃO COPESE PRÓ-REITORIA DE GRADUAÇÃO PROGRAD CONCURSO PISM III - TRIÊNIO 008-010 Prova de Matemática Resolução das Questões Discursivas São apresentadas abaixo possíveis soluções

Leia mais

= f(0) D2 f 0 (x, x) + o( x 2 )

= f(0) D2 f 0 (x, x) + o( x 2 ) 6 a aula, 26-04-2007 Formas Quadráticas Suponhamos que 0 é um ponto crítico duma função suave f : U R definida sobre um aberto U R n. O desenvolvimento de Taylor de segunda ordem da função f em 0 permite-nos

Leia mais

MONÔMIOS E POLINÔMIOS

MONÔMIOS E POLINÔMIOS MONÔMIOS E POLINÔMIOS Problema: Observa as figuras. 6-9 6 4 Sabendo que as figuras são equivalentes, determina as dimensões do retângulo. Resolução: Se as figuras são equivalentes significa que têm a mesma

Leia mais

MINISTÉRIO 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 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 mais

Matemática I. Capítulo 3 Matrizes e sistemas de equações lineares

Matemática I. Capítulo 3 Matrizes e sistemas de equações lineares Matemática I Capítulo 3 Matrizes e sistemas de equações lineares Objectivos Matrizes especiais e propriedades do produto de matrizes Matriz em escada de linhas Resolução de sistemas de equações lineares

Leia mais

Aula 07 mtm B MATRIZES

Aula 07 mtm B MATRIZES Aula 07 mtm B MATRIZES Definição Tabela de números dispostos em linhas e colunas. Representação ou ou Ordem da Matriz Se uma matriz A possui m linhas e n colunas, dizemos que A tem ordem m por n e escrevemos

Leia mais

inteiros positivos). ˆ Uma matriz com m linhas e n colunas diz-se do tipo m n. Se m = n ( matriz quadrada), também se diz que a matriz é de ordem n.

inteiros positivos). ˆ Uma matriz com m linhas e n colunas diz-se do tipo m n. Se m = n ( matriz quadrada), também se diz que a matriz é de ordem n. Matrizes noções gerais e notações Definição Designa-se por matriz de números reais a um quadro do tipo a 11 a 12... a 1n a 21 a 22... a 2n...... a m1 a m2... a mn onde os elementos a ij (i = 1, 2,...,

Leia mais

Geovan Tavares, Hélio Lopes e Sinésio Pesco PUC-Rio Departamento de Matemática Laboratório Matmidia

Geovan Tavares, Hélio Lopes e Sinésio Pesco PUC-Rio Departamento de Matemática Laboratório Matmidia Álgebra Linear Computacional Geovan Tavares, Hélio Lopes e Sinésio Pesco PUC-Rio Departamento de Matemática Laboratório Matmidia http://www.matmidia.mat.puc-rio.br 1 Álgebra Linear Computacional - Parte

Leia mais

Álgebra Linear Teoria de Matrizes

Álgebra Linear Teoria de Matrizes Álgebra Linear Teoria de Matrizes 1. Sistemas Lineares 1.1. Coordenadas em espaços lineares: independência linear, base, dimensão, singularidade, combinação linear 1.2. Espaço imagem (colunas) - Espaço

Leia mais

étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO

Leia mais

ITA º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR

ITA º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR ITA - 2006 3º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR Matemática Questão 01 Seja E um ponto externo a uma circunferência. Os segmentos e interceptam essa circunferência nos pontos B e A, e, C

Leia mais

Álgebra Linear Exercícios Resolvidos

Álgebra Linear Exercícios Resolvidos Álgebra Linear Exercícios Resolvidos Agosto de 001 Sumário 1 Exercícios Resolvidos Uma Revisão 5 Mais Exercícios Resolvidos Sobre Transformações Lineares 13 3 4 SUMA RIO Capítulo 1 Exercícios Resolvidos

Leia mais

Matrizes. Curso de linguagem matemática Professor Renato Tião

Matrizes. Curso de linguagem matemática Professor Renato Tião Matrizes Curso de linguagem matemática Professor Renato Tião Uma matriz A m n é uma maneira de apresentar informações numéricas ou algébricas dispostas como numa tabela com m linhas e n colunas cercada

Leia mais

Aula 1. e o conjunto dos inteiros é :

Aula 1. e o conjunto dos inteiros é : Aula 1 1. Números reais O conjunto dos números reais, R, pode ser visto como o conjunto dos pontos da linha real, que serão em geral denotados por letras minúsculas: x, y, s, t, u, etc. R é munido de quatro

Leia mais

Aulas Teóricas de Álgebra Linear

Aulas 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 mais

Resolução da 1ª Prova de Álgebra Linear II da UFRJ, período

Resolução da 1ª Prova de Álgebra Linear II da UFRJ, período www.engenhariafacil.net Resolução da 1ª Prova de Álgebra Linear II da UFRJ, período 2014.2 OBS: Todas as alternativas corretas são as letras A. 1) Vamos falar um pouco de interseção, união e soma de subespaços.

Leia mais

UNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática

UNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática UNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática 1 a Lista - MAT 17 - Introdução à Álgebra Linear II/2005 1 Considere as matrizes A, B, C, D e E com respectivas ordens,

Leia mais

Sistemas de equações lineares

Sistemas de equações lineares ALGA- / - Sistemas de Equações Lineares Sistemas de equações lineares Introdução Uma equação linear nas incógnitas ou variáveis x ; x ; :::; x n é uma expressão da forma: a x + a x + ::: + a n x n = b

Leia mais

Álgebra Linear I - Aula 21

Álgebra Linear I - Aula 21 Álgebra Linear I - Aula 1 1. Matrizes ortogonalmente diagonalizáveis: exemplos. Matrizes simétricas. Roteiro 1 Matrizes ortogonalmente diagonalizáveis: exemplos Exemplo 1. Considere a matriz M = 4 4 4

Leia mais

Sistemas de equações lineares

Sistemas de equações lineares Matemática II - / - Sistemas de Equações Lineares Sistemas de equações lineares Introdução Uma equação linear nas incógnitas ou variáveis x ; x ; :::; x n é uma expressão da forma: a x + a x + ::: + a

Leia mais

Baseado no Capítulo 2 do livro: Material preparado pelo

Baseado no Capítulo 2 do livro: Material preparado pelo Baseado no Capítulo 2 do livro:.. h,.. h 2. (28) h &,. Material preparado pelo.. é ç : @. Departamento de Ciências Exatas / ESALQ USP Fevereiro de 22 Í N D I C E 2.. Matrizes e vetores... 2 2... Matrizes,

Leia mais

MATRIZ FORMAÇÃO E IGUALDADE

MATRIZ FORMAÇÃO E IGUALDADE MATRIZ FORMAÇÃO E IGUALDADE 1. Seja X = (x ij ) uma matriz quadrada de ordem 2, onde i + j para i = j ;1 - j para i > j e 1 se i < j. A soma dos seus elementos é igual a: a. -1 b. 1 c. 6 d. 7 e. 8 2. Se

Leia mais

Matrizes - Parte II. Juliana Pimentel. juliana.pimentel. Sala Bloco A, Torre 2

Matrizes - Parte II. Juliana Pimentel.  juliana.pimentel. Sala Bloco A, Torre 2 Matrizes - Parte II Juliana Pimentel juliana.pimentel@ufabc.edu.br http://hostel.ufabc.edu.br/ juliana.pimentel Sala 507-2 - Bloco A, Torre 2 AB BA (Comutativa) Considere as matrizes [ ] [ 1 0 1 2 A =

Leia mais

Exponencial de uma matriz

Exponencial de uma matriz Exponencial de uma matriz Ulysses Sodré Londrina-PR, 21 de Agosto de 2001; Arquivo: expa.tex Conteúdo 1 Introdução à exponencial de uma matriz 2 2 Polinômio característico, autovalores e autovetores 2

Leia mais

w 1 = v 1 + v 2 + v 3 w 2 = 2v 2 + v 3 (1) w 3 = v 1 + 3v 2 + 3v 3 também são linearmente independentes. T =

w 1 = v 1 + v 2 + v 3 w 2 = 2v 2 + v 3 (1) w 3 = v 1 + 3v 2 + 3v 3 também são linearmente independentes. T = Independência e dependência linear ) a) Sejam v, v e v vectores linearmente independentes de um espaço linear S. Prove que os vectores também são linearmente independentes. Resolução Seja V a expansão

Leia mais

FORMA CANÔNICA DE JORDAN

FORMA CANÔNICA DE JORDAN FORMA CANÔNICA DE JORDAN Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 4 de novembro de 2011 Roteiro Motivação 1 Motivação 2 3 4 5 6 Roteiro Motivação 1 Motivação 2 3 4 5 6 Matrizes Quase Diagonalizáveis

Leia mais

Conceitos Básicos sobre Representações e Caracteres de Grupos Finitos. Ana Cristina Vieira. Departamento de Matemática - ICEx - UFMG

Conceitos Básicos sobre Representações e Caracteres de Grupos Finitos. Ana Cristina Vieira. Departamento de Matemática - ICEx - UFMG 1 Conceitos Básicos sobre Representações e Caracteres de Grupos Finitos Ana Cristina Vieira Departamento de Matemática - ICEx - UFMG - 2011 1. Representações de Grupos Finitos 1.1. Fatos iniciais Consideremos

Leia mais

Sistemas de Equações lineares

Sistemas de Equações lineares LEIC FEUP /4 Sistemas- Sistemas de Equações lineares SEL- Dado o sistema coeficientes + + + +, resolva-o invertendo a matriz dos SEL- SEL- Considere o seguinte sistema de equações lineares: + + + a + a

Leia mais

(Todos os cursos da Alameda) Paulo Pinto

(Todos os cursos da Alameda) Paulo Pinto Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Resumo das Aulas Teóricas de 2 o Semestre 2004/2005 (Todos os cursos da Alameda) Paulo Pinto Álgebra Linear Conteúdo Sistemas

Leia mais

Indique, NÃO CALCULE, as operações necessárias COM AS MATRIZES A, B, C, para obter a matriz custo da salada de frutas em cada supermercado.

Indique, NÃO CALCULE, as operações necessárias COM AS MATRIZES A, B, C, para obter a matriz custo da salada de frutas em cada supermercado. . 16. Situação Problema: operações com matrizes. Problema da salada de frutas: João comeu uma salada de frutas com a, m e p porções de 100g de abacaxi, manga e pera, respectivamente, conforme a matriz

Leia mais

Instituto Superior de Engenharia de Lisboa Engenharia Informática e de Computadores

Instituto Superior de Engenharia de Lisboa Engenharia Informática e de Computadores Instituto Superior de Engenharia de Lisboa Engenharia Informática e de Computadores Teoria dos Sinais e dos Sistemas O procedimento de Gram-Schmidt: definição, exemplos e aplicações Artur Ferreira {arturj@isel.pt}

Leia mais

PLANIFICAÇÃO ANUAL DE MATEMÁTICA

PLANIFICAÇÃO ANUAL DE MATEMÁTICA 1.º Período Agrupamento de Escolas António Correia de Oliveira PLANIFICAÇÃO ANUAL DE MATEMÁTICA 7.º ANO ANO LETIVO 2016/17 Números Racionais Números e operações NO7 Números racionais - Simétrico da soma

Leia mais

Introdução: A necessidade de ampliação dos conjuntos Numéricos. Considere incialmente o conjunto dos números naturais :

Introdução: A necessidade de ampliação dos conjuntos Numéricos. Considere incialmente o conjunto dos números naturais : Introdução: A necessidade de ampliação dos conjuntos Numéricos Considere incialmente o conjunto dos números naturais : Neste conjunto podemos resolver uma infinidade de equações do tipo A solução pertence

Leia mais

ÍNDICE MATRIZES SISTEMAS DE EQUAÇÕES LINEARES ESPAÇO VETORIAL REAL DE DIMENSÃO FINITA

ÍNDICE 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 mais