Matrizes Semelhantes e Matrizes Diagonalizáveis

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Matrizes Semelhantes e Matrizes Diagonalizáveis"

Transcrição

1 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 por uma matriz diagonal Uma matriz diagonal é a matriz mais simples possível Note, no entanto, que não é possível encontrar para toda transformação linear uma base em que a transformação é representada por uma matriz diagonal: rotações, por exemplo, não podem ser representadas em geral por matrizes diagonais, pois uma rotação transforma um vetor em outro vetor com uma direção completamente diferente É possível provar que duas matrizes A e B representam a mesma transformação linear, com respeito a bases diferentes, se e somente se elas estão relacionadas através da seguinte equação B = P AP, para alguma matriz invertível P ; a matriz P é precisamente a matriz de mudança de coordenadas, quando passamos de uma base para a outra Assim, dada uma transformação linear, representada em uma certa base por uma matriz A, a questão de determinar se existe uma base na qual a tranformação linear é representada por uma matriz diagonal D se reduz a encontrar uma matriz invertível P tal que Isso motiva as seguintes definições D = P AP Definição Sejam A, B matrizes n n Dizemos que B é semelhante a A, se existe uma matriz invertível P tal que B = P AP Definição Dizemos que uma matriz A é diagonalizável, se ela é semelhante a uma matriz diagonal Autovalores e Autovetores Dada uma transformação linear T, suponha que exista alguma base em que T é representada por uma matriz diagonal, digamos por λ λ B = λ n Para os vetores desta base e =, e =,, e n =,

2 temos Be = λ e, Be = λ e,, Be n = λ n e n Isso mostra que, dada uma transformação linear T, seremos capazes de diagonalizar T (em outras palavras, encontrar uma base em que ela é representada por uma matriz diagonal) se e somente se formos capazes de encontrar n vetores linearmente independentes v, v,, v n tais que Tudo isso motiva as seguintes definições T v = λ v, T v = λ v,, T v n = λ n v n Definição Seja A uma matriz n n Dizemos que um número real λ é um autovalor de A se existir um vetor não nulo v de R n tal que Av = λv O vetor v é chamado um autovetor de A, correspondente ao autovalor λ Teorema Uma matriz A n n é diagonalizável se e somente se ela possui n autovetores linearmente independentes Prova: Suponha que A é diagonalizável, isto é, que exista uma matriz invertível P tal que D = P AP Em particular, segue que AP = DP Escreva P segundo suas colunas: Então e Comparando, concluímos que P = [V V V n ] AP = [AV AV AV n ] DP = [λ V λ V λ n V n ] AV = λ V, AV = λ V, AV n = λ n V n, isto é, as colunas de P são autovetores de A Como P é invertível, suas colunas são LI, logo encontramos n autovetores LI para A Reciprocamente, suponha agora que existam n vetores LI V, V,, V n tais que AV = λ V, AV = λ V,, AV n = λ n V n Defina uma matriz n n P por P = [V V V n ] Como as colunas de P são LI, segue que P é invertível Temos AP = A[V V V n ] = [AV AV AV n ] = [λ V λ V λ n V n ] = [V V V n ] λ λ λ n = P D

3 onde denotamos λ λ D = λ n Multiplicando ambos os lados da equação por P, obtemos P AP = D Corolário Se D = P AP, então as colunas da matriz P são n autovetores linearmente independentes de A Portanto, a matriz P pode ser obtida encontrando-se n autovetores LI de A O que não é surpreendente: a matriz P é exatamente a matriz da mudança de coordenadas de uma base B formada por autovetores da matriz A para a base canônica, onde se supõe que a matriz A está escrita; para obter D é necessário voltar para a base B através da mudança de coordenadas inversa P Exemplo Considere a transformação linear T : R R definida por ( T ((x, y, z)) = x 4 y + 7 z, x + y + z, x + 4 y ) z Esta transformação linear é representada na base {i, j, k} pela matriz A = Mas, se tomarmos os vetores V = (,, ), V = (,, ) e V = (,, ), notamos o seguinte: T V = A = 4 = 4 = 4V, T V = A = = V, T V = A = 4 = = V Note que os vetores V, V, V são L I, logo eles também formam uma base para R Portanto, com relação à base {V, V, V }, a transformação linear T é representada pela matriz B = 4 Observe que a matriz A tem autovalores 4, e Autovetores correspondentes a estes autovalores são V = (,, ), V = (,, ) e V = (,, ) Segue que P =

4 Como concluímos que 4 P = = = , Portanto, para determinar se uma matriz é diagonalizável, precisamos determinar antes de mais nada seus autovalores Isso pode ser feito da maneira a seguir Denotando por I a matriz identidade, então a equação Av = λv é equivalente a Av = λiv, ou (A λi)v = Portanto, λ será um autovalor de A se e somente se o sistema homogêneo (A λi)x = possuir soluções não-triviais Mas isso acontecerá se e somente se det(a λi) = A expressão det(a λi) é um polinômio de grau n em λ, logo concluímos que os autovalores de A são exatamente as raízes deste polinômio Este polinômio é chamado o polinômio característico de A Proposição Seja A uma matriz n n Os autovalores de A são as raízes do polinômio característico de A p(λ) = det(a λi) Em particular, uma matriz n n possui no máximo n autovalores distintos Exemplo Determine os autovalores da matriz a) A = ( ) b) ( cos θ sin θ B = sin θ cos θ ) Solução: Temos ( λ det(a λi) = det λ = λ 4λ + ) = ( λ) + 4 Este polinômio não tem raízes reais, pois = b 4ac = 6 = 6, logo a matriz A não tem autovalores Observe que ) A = ( isto é, A representa uma rotação de R por um ângulo de 45, seguida de uma dilatação por um fator de, portanto este resultado está de acordo com o que seria esperado Similarmente, a matriz em, 4

5 (b) representa uma rotação de R por um ângulo θ e nós temos ( ) cos θ λ sin θ det(b λi) = det = (cos θ λ) + sin θ sin θ cos θ λ = cos θ λ cos θ + λ + sin θ = λ λ cos θ + Como o discriminante deste polinômio é = b 4ac = 4 cos θ 4 = 4(cos θ ), ele só possui raízes reais se cos θ = ±, ou seja, para θ = ou θ = O primeiro corresponde à matriz identidade ( ) B =, cujos autovalores são as raízes de λ λ +, ou seja, todos iguais a, enquanto que o segundo corresponde à matriz ( ) B =, cujos autovalores são as raízes de λ + λ +, ou seja, todos iguais a São os únicos exemplos de rotações em R que podem ser representadas por matrizes diagonais Exemplo Determine os autovalores da matriz A = Solução: Temos det(a λi) = det = ( + λ) λ λ λ λ λ = ( + λ)[λ λ + ] λ λ = ( + λ)[λ λ + ] λ + ( ) λ As raízes de ( + λ)[λ λ + ] = são λ = e λ =, logo estes são os autovalores de A Uma vez encontrados os autovalores da matriz, para encontrar os autovetores basta resolver o sistema linear homogêneo (A λi)x = Como eles são as soluções de um sistema linear homogêneo, segue que os autovetores associados a um determinado autovalor λ formam um subespaço vetorial, que nós chamamos o autoespaço associado ao autovalor λ Proposição Seja A uma matriz n n Se λ é um autovalor de A, então os autovetores de A associados a λ são as soluções do sistema homogêneo (A λi)x = Vamos resumir tudo o que foi explicado acima no seguinte teorema 5

6 Teorema Seja A uma matriz n n A é diagonalizável se e somente se existe uma base para R n formada por autovetores de A Neste caso, ela é semelhante a uma matriz diagonal D cuja diagonal principal é formada pelos autovalores de A, cada um aparecendo tantas vezes quanto for a dimensão do autoespaço associado a ele Exemplo 4 Determine se a matriz do Exemplo é diagonalizável Se for, determine uma matriz diagonal semelhante a ela Solução: Já determinamos que A possui e como autovalores A será diagonalizável se e somente se pudermos formar uma base para R entre os autovetores associados a estes autovalores Os autovetores associados ao autovalor são as soluções do sistema homogêneo (A I)X =, ou seja, X = Resolvemos este sistema É fácil ver que sua matriz aumentada tem forma escalonada reduzida Obtemos então que o autoespaço associado a é α β α R : α, β R β Como ( α β, α, β) = α(,, ) + β(,, ), segue que uma base para este autoespaço é formada pelos vetores (,, ) e (,, ) Os autovetores associados ao autovalor são as soluções do sistema homogêneo (A + I)X =, ou seja, X = Resolvemos este sistema É fácil ver que sua matriz aumentada tem forma escalonada reduzida Obtemos então que o autoespaço associado a é γ γ R : γ R γ Como (γ, γ, γ) = γ(,, ), segue que uma base para este autoespaço é formada pelo vetor (,, ) 6

7 Os vetores (,, ), (,, ) e (,, ) são L I, como pode ser facilmente verificado, portanto concluímos que a matriz A é diagonalizável Ela é semelhante à matriz O seguinte resultado facilitará o trabalho de determinar a independência linear de autovetores Proposição Seja A uma matriz n n Sejam λ, λ autovalores distintos de A Suponha que {v,, v k } são autovetores L I associados a λ e {w,, w l } são autovetores L I associados a λ Então o conjunto {v,, v k, w,, w l } é L I O mesmo resultado vale para qualquer número de autovalores distintos de A Prova: Suponha que existem escalares x,, x k, y,, y l tais que x v + + x k v k + y w + + y l w l = () Multiplicando ambos os lados por A e usando o fato de que Av j = λ v j, Aw j = λ w j segue que x λ v + + x k λ v k + y λ w + + y l λ w l = () Por outro lado, multiplicando a equação () por λ obtemos Agora, equação () menos equação () produz x λ v + + x k λ v k + y λ w + + y l λ w l = () x (λ λ )v + + x k (λ λ )v k = Como os vetores v,, v k são L I e λ λ, concluímos que x = = x k = Analogamente, multiplicando a equação () por λ e subtraindo da equação () obtemos y = = y l = Corolário Se uma matriz n n possui n autovalores distintos, então ela é diagonalizável Exemplo 5 Determine se a matriz a seguir é diagonalizável ou não A = π 7 7 e π 6 π Solução: Temos det(a λi) = det λ λ π 7 λ 7 e π 6 π λ = ( λ)( λ)( λ)( π λ), (lembre-se que o determinante de uma matriz triangular é o produto dos elementos na diagonal principal), logo os autovalores de A são,, e π Como A é uma matriz 4 4 com 4 autovalores distintos, segue que A é diagonalizável A é semelhante à matriz D = π 7

8 Exemplo 6 Determine se a matriz a seguir é diagonalizável ou não Se for, determine uma matriz diagonal semelhante a ela B = Solução: Temos det(b λi) = det = det λ λ λ λ ( ) λ det λ = [( λ) 9], ( λ λ logo det(b λi) = quando ( λ) 9 =, ou seja, quando λ = ±, donde concluímos que os autovalores de B são λ = e λ = 6 O autoespaço associado ao autovalor é o conjunto-solução do sistema homogêneo BX =, cuja matriz aumentada é que é equivalente por linhas a, ) que representa o sistema { x + x = x + x 4 = Portanto, o autoespaço associado a é o conjunto de vetores da forma ( α, α, β, β) = α(,,, )+ β(,,, ), logo uma base para este autoespaço é dada por e portanto ele tem dimensão B = {(,,, ), (,,, )} O autoespaço associado ao autovalor 6 é o conjunto-solução do sistema homogêneo (B 6I)X =, cuja matriz aumentada é que é equivalente por linhas a, que representa o sistema { x x = x x 4 = Portanto, o autoespaço associado a é o conjunto de vetores da forma (γ, γ, δ, δ) = γ(,,, ) + δ(,,, ), logo uma base para este autoespaço é dada por B 6 = {(,,, ), (,,, )}

9 e portanto ele também tem dimensão Como R 4 tem dimensão 4, segue da Proposição (ou pode ser verificado diretamente) que B = B B 6 = {(,,, ), (,,, ), (,,, ), (,,, )} é uma base de autovetores de B para R 4, logo B é diagonalizável e é semelhante à matriz diagonal D = 6 6 Exemplo 7 Determine se a matriz a seguir é diagonalizável ou não Se for, determine uma matriz diagonal semelhante a ela C = 4 Solução: Temos det(c λi) = det 4 λ λ λ = λ + 5λ 7λ + Substituindo λ =, verificamos que este valor é uma raiz para esta equação do terceiro grau; como λ 5λ + 7λ = λ 4λ +, cujas raízes são λ = e λ =, concluímos que os autovalores de C λ são λ = e λ = O autoespaço associado ao autovalor é o conjunto-solução do sistema homogêneo (C I)X =, cuja matriz aumentada é que é equivalente por linhas a, que representa o sistema { x + x = x = Portanto, o autoespaço associado a é o conjunto de vetores da forma ( α,, α) = α(,, ), logo uma base para este autoespaço é dada por e ele tem dimensão B = {(,, )} O autoespaço associado ao autovalor é o conjunto-solução do sistema homogêneo (C I)X =, cuja matriz aumentada é que é equivalente por linhas a 5, 9

10 que representa o sistema { x + 5 x = x + x = Portanto, o autoespaço associado a é o conjunto de vetores da forma ( 5 β, β, β) = β( 5,, ), logo uma base para este autoespaço é dada por B = {( 5 },, ) e ele também tem dimensão Como R tem dimensão e só existem no máximo autovetores linearmente independentes para C, segue não existe uma base para R formada por autovetores de C, logo C não é diagonalizável Diagonalização de Matrizes Simétricas Exemplo Considere o problema de identificar a curva no plano representada pela equação do segundo grau x + xy + y = 4 Esta equação do segundo grau também pode ser escrita como uma equação matricial: [ ] [ ] [ ] x x y = 4, y ou, se denotarmos por [ ] x X = e A = y X t AX = 4 [ ], Como veremos adiante, é possível escrever a matriz simétrica A na forma em que D = [ 4 A = P DP t ] e P = [ [Note que P é a matriz de rotação por um ângulo de 45 ] Assim, a equação matricial acima se torna X t AX = X t (P DP t )X = (P t X) t D(P t X) = 4 Fazendo a mudança de coordenadas X = P t X, no novo sistema de coordenadas [ ] X x = y, ] a equação matricial é ou X t DX = 4, [ x y ] [ 4 ] [ x y ] = 4,

11 que pode ser reescrita como a equação de segundo grau Dividindo por 4, obtemos x + 4y = 4 x + y =, que reconhecemos ser uma elipse com eixo maior de comprimento e eixo menor de comprimento Como a matriz de mudança de coordenadas é uma rotação, que não introduz nenhuma distorção de comprimento (não transforma círculos em elipses, por exemplo), concluímos que a equação original também representava uma elipse com as mesmas dimensões Uma cônica é uma curva no plano descrita por uma equação do segundo grau (o nome se deve ao fato de que tais curvas sempre podem ser obtidas seccionando-se um cone por um plano)o problema de identificar tais cônicas se reduz a encontrar um sistema de coordenadas mais apropriado, em que a equação do segundo grau tem a forma mais simples possível e permite a identificação imediata da curva através da comparação com equações modelos Neste tipo de problema, quando se muda de um sistema de coordenadas para outro é importante assegurar que esta mudança de coordenadas não introduz nenhuma distorção nos comprimentos Uma matriz de mudança de coordenadas com esta propriedade é chamada uma matriz ortogonal (um nome mais correto seria matriz ortonormal, que implica preservação também de comprimentos, enquanto que o nome matriz ortogonal sugere apenas a preservação de ângulos, mas a tradição se estabeleceu e o nome matriz ortonormal não foi definido e não tem qualquer significado) Assim, se P é ortogonal, então P v = v para todo v Operacionalmente, existem várias definições equivalentes para que uma matriz seja ortogonal Teorema As seguintes definições são equivalentes para que uma matriz P seja ortogonal (i) P t = P (ii) As colunas de P formam uma base ortonormal de vetores Corolário Se P é ortogonal, então det P = ± Prova: Como P é ortogonal, a inversa de P é a sua transposta, logo (lembrando que o determinante da transposta de uma matriz é igual ao determinante da matriz) P P t = I det(p P t ) = det I det P det P t = (det P ) = e daí det P = ± Se uma matriz A é diagonalizável através de uma matriz ortogonal P, então ao invés de escrevermos A = P DP, podemos escrever simplesmente A = P DP t Foi isso que vimos no exemplo acima Isso ocorre para qualquer matriz simétrica Teorema Uma matriz simétrica é sempre diagonalizável Além disso, ela sempre pode ser diagonalizada através de uma matriz ortogonal

12 Para que a matriz P seja ortogonal, é necessário, como vimos acima, que suas colunas sejam vetores ortonormais Portanto, para que a matriz A seja diagonalizável por uma matriz ortogonal P, é suficiente que seja possível encontrar uma base de autovetores ortonormais de A Quando isso for possível, podemos usar o processo de Gram-Schmidt para encontrar uma tal base ortonormal Como o último teorema afirma, isso é sempre possível para uma matriz simétrica (em particular, os autovetores correspondente a autovalores distintos de uma matriz simétrica são sempre ortogonais) Será que é possível encontrar uma matriz diagonalizadora P ortogonal para uma matriz não-simétrica? Exemplo 9 A matriz do Exemplo A = não pode ser diagonalizada através de uma matriz ortogonal De fato, como vimos no Exemplo 5, o autoespaço associado ao autovalor tem base B = {(,, ), (,, )}, enquanto que uma base para o autoespaço associado ao autovalor é B = {(,, )} Evidentemente, aplicando o processo de Gram-Schmidt a B, podemos encontrar uma base ortonormal para o autoespaço associado a Mas, como os autoespaços associados a e não são ortogonais (pois (,, ) (,, ) = (,, ) e (,, ) (,, ) = ), não é possível encontrar uma base ortonormal de autovetores de A para todo o espaço R Exemplo Diagonalize a matriz simétrica através de uma matriz ortogonal B = Solução: Temos que o polinômio característico de B é dado por det(b λi) = λ +λ 6λ+ = (λ ) ( λ), logo os autovalores de B são λ = e λ = O autoespaço associado ao autovalor é o conjunto-solução do sistema homogêneo (B I)X =, cuja matriz aumentada é que é equivalente por linhas a,, que representa o sistema { x + x + x =, logo o autoespaço associado a é o conjunto de vetores da forma ( α β, α, β) = α(,, ) + β(,, ), e portanto uma base para este autoespaço é formada pelos autovetores V = (,, ), V = (,, ) Esta base não é ortonormal (nem mesmo ortogonal) Aplicando Gram-Schmidt, chamamos W = V = (,, ) e W = V proj W V = (,, ) = (,, ), (,, ) (,, ) (,, ) (,, )

13 donde U = W W = U = W W = ( ),,, ( ) , 6, formam uma base ortonormal para o autoespaço associado a O autoespaço associado ao autovalor é o conjunto-solução do sistema homogêneo (B I)X =, cuja matriz aumentada é 4 4 que é equivalente por linhas a, 4 que representa o sistema { x x = x x =, logo o autoespaço associado a é o conjunto de vetores da forma (γ, γ, γ) = γ(,, ), e portanto uma base ortonormal para este autoespaço é formada pelo autovetor ( ) U =,, Segue que para e P = D = temos A = P DP t : = Note que para a matriz de mudança de coordenadas não ortogonal cujas colunas são formadas pela base de autovetores não ortonormais V, V e V Q =, nós temos também evidentemente que = 4 4 4

Autovalores e Autovetores Determinante de. Motivando com Geometria Definição Calculando Diagonalização Teorema Espectral:

Autovalores e Autovetores Determinante de. Motivando com Geometria Definição Calculando Diagonalização Teorema Espectral: Lema (determinante de matriz ) A B A 0 Suponha que M = ou M =, com A e D 0 D C D matrizes quadradas Então det(m) = det(a) det(d) A B Considere M =, com A, B, C e D matrizes C D quadradas De forma geral,

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

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

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

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

(d) v é um autovetor de T se, e somente se, T 2 = T ; (e) v é um autovetor de T se, e somente se, T (v) = v.

(d) v é um autovetor de T se, e somente se, T 2 = T ; (e) v é um autovetor de T se, e somente se, T (v) = v. Q1. Seja V um espaço vetorial real de dimensão finita munido de um produto interno. Sejam T : V V um operador linear simétrico e W um subespaço de V tal que T (w) W, para todo w W. Suponha que W V e que

Leia mais

(I) T tem pelo menos um autovalor real; (II) T é diagonalizável; (III) no espaço vetorial real R n, o conjunto {u, v} é linearmente independente.

(I) T tem pelo menos um autovalor real; (II) T é diagonalizável; (III) no espaço vetorial real R n, o conjunto {u, v} é linearmente independente. Q1. Sejam n um inteiro positivo, T : C n C n um operador linear e seja A = [T ] can a matriz que representa T em relação à base canônica do espaço vetorial complexo C n. Suponha que a matriz A tenha entradas

Leia mais

Aula 1 Autovetores e Autovalores de Matrizes Aula 2 Autovetores e Autovalores de Matrizes Casos Especiais 17

Aula 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 mais

Algebra Linear. 1. Revisitando autovalores e autovetores. 2. Forma Diagonal e Forma de Jordan. 2.1 Autovalores distintos. 2.2 Autovalores complexos

Algebra Linear. 1. Revisitando autovalores e autovetores. 2. Forma Diagonal e Forma de Jordan. 2.1 Autovalores distintos. 2.2 Autovalores complexos Algebra Linear 1. Revisitando autovalores e autovetores 2. Forma Diagonal e Forma de Jordan 2.1 Autovalores distintos 2.2 Autovalores complexos 2.3 Nem todos autovalores distintos 3. Autovalores e autovetores

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

Parte I. Álgebra Linear. Sistemas Dinâmicos Lineares. Autovalores, autovetores. Autovalores, autovetores. Autovalores e Autovetores.

Parte I. Álgebra Linear. Sistemas Dinâmicos Lineares. Autovalores, autovetores. Autovalores, autovetores. Autovalores e Autovetores. Sistemas Dinâmicos Lineares Romeu Reginatto Programa de Pós-Graduação em Engenharia de Sistemas Dinâmicos e Energéticos Universidade Estadual do Oeste do Paraná Parte I Álgebra Linear Adaptado das notas

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

Autovetor e Autovalor de um Operador Linear

Autovetor e Autovalor de um Operador Linear Autovetor e Autovalor de um Operador Linear Definição Seja T : V V um operador linear. Um vetor v V, v 0, é dito um autovetor de T se existe um número real λ tal que T (v) = λv. O número real λ acima é

Leia mais

Segunda prova de Álgebra Linear - 01/07/2011 Prof. - Juliana Coelho

Segunda 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 mais

ÁLGEBRA LINEAR. Valores Próprios (Autovalores) e Vetores Próprios (Autovetores) Prof. Susie C. Keller

ÁLGEBRA LINEAR. Valores Próprios (Autovalores) e Vetores Próprios (Autovetores) Prof. Susie C. Keller ÁLGEBRA LINEAR Valores Próprios (Autovalores) e Vetores Próprios (Autovetores) Prof. Susie C. Keller Autovalores e Autovetores de um Operador Linear Seja T:V V um operador linear. Um vetor v V, v 0, é

Leia mais

Forma Canônica de Jordan para Operadores Lineares do Plano - Matrizes Reais 2 2

Forma Canônica de Jordan para Operadores Lineares do Plano - Matrizes Reais 2 2 Forma Canônica de Jordan para Operadores Lineares do Plano - Matrizes Reais Sylvie Olison Kamphorst Departamento de Matemática - ICE - UFMG Versão 5. - Agosto Resumo O Teorema da Forma Canônica de Jordan

Leia mais

Mudança de Coordenadas

Mudança de Coordenadas Mudanças de Coordenadas Mudança de Coordenadas A origem O = (0, 0, 0) e os vetores i, j, k da base canônica de R determinam um sistema de coordenadas: se as coordenadas de um ponto no espaço são (x, y,

Leia mais

Autovalores e Autovetores

Autovalores e Autovetores Autovalores e Autovetores Maria Luísa B. de Oliveira SME0300 Cálculo Numérico 24 de novembro de 2010 Introdução Objetivo: Dada matriz A, n n, determinar todos os vetores v que sejam paralelos a Av. Introdução

Leia mais

Produto Misto, Determinante e Volume

Produto Misto, Determinante e Volume 15 Produto Misto, Determinante e Volume Sumário 15.1 Produto Misto e Determinante............ 2 15.2 Regra de Cramer.................... 10 15.3 Operações com matrizes............... 12 15.4 Exercícios........................

Leia mais

. (1) Se S é o espaço vetorial gerado pelos vetores 1 e,0,1

. (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 mais

UNIVERSIDADE FEDERAL DE MINAS GERAIS (UFMG) ADÉLIO DANIEL DE SOUSA FREITAS

UNIVERSIDADE FEDERAL DE MINAS GERAIS (UFMG) ADÉLIO DANIEL DE SOUSA FREITAS UNIVERSIDADE FEDERAL DE MINAS GERAIS (UFMG) ADÉLIO DANIEL DE SOUSA FREITAS O ESTUDO DA DIAGONALIZAÇÃO DE MATRIZES SIMETRICAS DE 2º ORDEM. BELO HORIZONTE 2012 ADÉLIO DANIEL DE SOUSA FREITAS O ESTUDO DA

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

Álgebra Linear I - Aula 18

Álgebra Linear I - Aula 18 Álgebra Linear I - Aula 18 1. Matrizes semelhantes. 2. Matriz de uma transformação linear em uma base. Roteiro 1 Matrizes semelhantes Definição 1 (Matrizes semelhantes). Considere duas matrizes quadradas

Leia mais

1 Matrizes Ortogonais

1 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 mais

Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá. 21 de outubro de 2011

Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá. 21 de outubro de 2011 APLICAÇÕES DA DIAGONALIZAÇÃO Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 21 de outubro de 2011 Roteiro 1 2 3 Roteiro 1 2 3 Introdução Considere a equação de uma cônica: Forma Geral Ax 2 + Bxy

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

Produto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru

Produto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru 1 Produto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru Neste capítulo vamos considerar espaços vetoriais sobre K, onde K = R ou K = C, ou seja, os espaços vetoriais podem ser reais

Leia mais

Módulos. Volume 2ª edição. Hernando Bedoya Ricardo Camelier. Álgebra Linear II

Módulos. Volume 2ª edição. Hernando Bedoya Ricardo Camelier. Álgebra Linear II Módulos 1e2 Volume 2ª edição Hernando Bedoya Ricardo Camelier Álgebra Linear II 1 Álgebra Linear II Volume 1 - Módulos 1 e 2 2ª edição Hernando Bedoya Ricardo Camelier Apoio: Fundação Cecierj / Consórcio

Leia mais

Álgebra Linear Diagonalização de Operadores

Álgebra Linear Diagonalização de Operadores Introdução e Motivação Preliminares Diagonalização de Operadores Aplicações Referências Álgebra Linear Diagonalização de Operadores Universidade Estadual Vale do Acaraci - Sobral - CE Semana da Matemática

Leia mais

1 Diagonalização de Matrizes 2 2. Sistemas de Equações Diferenciais Lineares

1 Diagonalização de Matrizes 2 2. Sistemas de Equações Diferenciais Lineares Diagonalização de Matrizes e Sistemas de Equações Diferenciais Lineares Reginaldo J Santos Departamento de Matemática-ICE Universidade Federal de Minas Gerais http://wwwmatufmgbr/~regi 3 de setembro de

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

1. Encontre os autovalores e autovetores das transformações lineares dadas: 2. Encontre os autovalores e autovetores correspondentes das matrizes 2

1. 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 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

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

Capítulo 6: Transformações Lineares e Matrizes

Capítulo 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 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

I Lista de Álgebra Linear /02 Matrizes-Determinantes e Sistemas Prof. Iva Zuchi Siple

I Lista de Álgebra Linear /02 Matrizes-Determinantes e Sistemas Prof. Iva Zuchi Siple 1 I Lista de Álgebra Linear - 2012/02 Matrizes-Determinantes e Sistemas Prof. Iva Zuchi Siple 1. Determine os valores de x e y que tornam verdadeira a igualdade ( x 2 + 5x x 2 ( 6 3 2x y 2 5y y 2 = 5 0

Leia mais

Capítulo 7. Operadores Normais. Curso: Licenciatura em Matemática. Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo

Capítulo 7. Operadores Normais. Curso: Licenciatura em Matemática. Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo Capítulo 7 Operadores Normais Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo Disciplina: Álgebra Linear II Unidade II Aula 7: Operadores Normais Meta

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

Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez. Capítulo 10: Soluções e Respostas

Livro: 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 mais

Mudança de bases. Juliana Pimentel. juliana.pimentel. Sala Bloco A, Torre 2

Mudança de bases. Juliana Pimentel.  juliana.pimentel. Sala Bloco A, Torre 2 Mudança de bases Juliana Pimentel juliana.pimentel@ufabc.edu.br http://hostel.ufabc.edu.br/ juliana.pimentel Sala 507-2 - Bloco A, Torre 2 Um corpo se movendo no plano xy, com trajetória descrita pela

Leia mais

PLANO DE ENSINO E APRENDIZAGEM

PLANO DE ENSINO E APRENDIZAGEM SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE LICENCIATURA PLENA EM MATEMÁTICA PARFOR PLANO E APRENDIZAGEM I IDENTIFICAÇÃO: PROFESSOR (A) DA DISCIPLINA:

Leia 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

Álgebra Linear I - Aula Propriedades dos autovetores e autovalores

Álgebra Linear I - Aula Propriedades dos autovetores e autovalores Álgebra Linear I - Aula 17 1. Propriedades dos autovetores e autovalores. 2. Matrizes semelhantes. 1 Propriedades dos autovetores e autovalores Propriedade 1: Sejam λ e β autovalores diferentes de T e

Leia mais

ALGA I. Bases, coordenadas e dimensão

ALGA I. Bases, coordenadas e dimensão Módulo 5 ALGA I. Bases, coordenadas e dimensão Contents 5.1 Bases, coordenadas e dimensão............. 58 5.2 Cálculos com coordenadas. Problemas......... 65 5.3 Mudanças de base e de coordenadas..........

Leia mais

3 Espaços com Produto Interno

3 Espaços com Produto Interno 3 Espaços com Produto Interno 3.1 Produtos Internos em Espaços Vetoriais Seja V um espaço vetorial. Um produto interno em V é uma função, : V V R que satisfaz P1) = v, u para todos u, v V ; P2) u, v +

Leia mais

Capítulo Equações 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

Capítulo Equações 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 Capítulo 11 1. Equações 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 AP = t AB Fig. 1: Reta r passando por A e B. Como o ponto

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

APLICAÇÃO DE AUTOVALORES E AUTOVETORES NAS POTÊNCIAS DE MATRIZES

APLICAÇÃO DE AUTOVALORES E AUTOVETORES NAS POTÊNCIAS DE MATRIZES Universidade Federal de Goiás Câmpus de Catalão Departamento de Matemática Seminário Semanal de Álgebra APLICAÇÃO DE AUTOVALORES E AUTOVETORES NAS POTÊNCIAS DE MATRIZES Aluno: Ana Nívia Pantoja Daniela

Leia mais

Roteiros e Exercícios - Álgebra Linear v1.0

Roteiros e Exercícios - Álgebra Linear v1.0 Roteiros e Exercícios - Álgebra Linear v1.0 Robinson Alves Lemos 14 de janeiro de 2017 Introdução Este material é um roteiro/apoio para o curso de álgebra linear da engenharia civil na UNEMAT de Tangará

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

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

LEONARDO MORETO ELIAS MINIMIZAÇÃO DE FUNÇÕES QUADRÁTICAS

LEONARDO MORETO ELIAS MINIMIZAÇÃO DE FUNÇÕES QUADRÁTICAS LEONARDO MORETO ELIAS MINIMIZAÇÃO DE FUNÇÕES QUADRÁTICAS CURITIBA DEZEMBRO, 2010 LEONARDO MORETO ELIAS MINIMIZAÇÃO DE FUNÇÕES QUADRÁTICAS Monografia apresentada como requisito parcial à obtenção do grau

Leia mais

Álgebra Linear. Professor Alessandro Monteiro. 1º Sábado - Matrizes - 11/03/2017

Álgebra 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 mais

Álgebra Linear I - Aula Autovetores e autovalores de uma transformação

Álgebra Linear I - Aula Autovetores e autovalores de uma transformação Álgebra Linear I - Aula 18 1. Autovalores e autovetores. 2. Cálculo dos autovetores e autovalores. Polinômio característico. Roteiro 1 Autovetores e autovalores de uma transformação linear Considere uma

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

AUTOVALORES E AUTOVETORES: CONCEITOS E UMA APLICAÇÃO A UM SISTEMA DINÂMICO

AUTOVALORES E AUTOVETORES: CONCEITOS E UMA APLICAÇÃO A UM SISTEMA DINÂMICO AUTOVALORES E AUTOVETORES: CONCEITOS E UMA APLICAÇÃO A UM SISTEMA DINÂMICO Patrícia Eduarda de Lima 1, Luciane de Fátima Rodrigues de Souza 2* 1 Departamento de Exatas, Faculdades Integradas Regionais

Leia mais

Método de Gauss-Jordan e Sistemas Homogêneos

Método de Gauss-Jordan e Sistemas Homogêneos Método de Gauss-Jordan e Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2017.1 14 de agosto

Leia mais

Geometria anaĺıtica e álgebra linear

Geometria anaĺıtica e álgebra linear Geometria anaĺıtica e álgebra linear Francisco Dutenhefner Departamento de Matematica ICEx UFMG 22/08/13 1 / 24 Determinante: teorema principal Teorema: Se A é uma matriz quadrada, então o sistema linear

Leia mais

Dr. Ole Peter Smith Instituto de Matemática e Estatística Universidade Federal de Goiás 1 Vetores em R 2 e R 3

Dr. Ole Peter Smith Instituto de Matemática e Estatística Universidade Federal de Goiás 1 Vetores em R 2 e R 3 Dr Ole Peter Smith olematufgbr Data: 7/5/ urso Engenharia de omputação Disciplina: Álgebra Linear Lista: I Vetores em R e R Dado os vetores a = (,, ) T, b = (,, 4) T e c = (,, ) T Determine o constante

Leia mais

A forma canônica de Jordan

A forma canônica de Jordan A forma canônica de Jordan 1 Matrizes e espaços vetoriais Definição: Sejam A e B matrizes quadradas de orden n sobre um corpo arbitrário X. Dizemos que A é semelhante a B em X (A B) se existe uma matriz

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

Aula 5 - Produto Vetorial

Aula 5 - Produto Vetorial Aula 5 - Produto Vetorial Antes de iniciar o conceito de produto vetorial, precisamos recordar como se calculam os determinantes. Mas o que é um Determinante? Determinante é uma função matricial que associa

Leia mais

Introdução à Álgebra Linear - MTM 112 Prof. Fabiana Fernandes

Introdução à Álgebra Linear - MTM 112 Prof. Fabiana Fernandes Universidade Federal de Ouro Preto Instituto de Ciências Exatas e Biológicas Departamento de Matemática Introdução à Álgebra Linear - MTM 2 Prof. Fabiana Fernandes Lista 02 Sistemas Lineares. Resolva e

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

. Repare que ao multiplicar os vetores (-1,1) e

. Repare que ao multiplicar os vetores (-1,1) e Álgebra Linear II P1-2014.2 Obs: Todas as alternativas corretas são as representadas pela letra A. 1 AUTOVETORES/ AUTOVALORES Essa questão poderia ser resolvida por um sistema bem chatinho. Mas, faz mais

Leia mais

Álgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP

Álgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP Álgebra Linear AL Luiza Amalia Pinto Cantão Depto de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocabaunespbr Matrizes Inversas 1 Matriz Inversa e Propriedades 2 Cálculo da matriz

Leia mais

Notas de Aulas de Matrizes, Determinantes e Sistemas Lineares

Notas de Aulas de Matrizes, Determinantes e Sistemas Lineares FATEC Notas de Aulas de Matrizes, Determinantes e Sistemas Lineares Prof Dr Ânderson Da Silva Vieira 2017 Sumário Introdução 2 1 Matrizes 3 11 Introdução 3 12 Tipos especiais de Matrizes 3 13 Operações

Leia mais

Soluções dos trabalhos de 1 a 7

Soluções dos trabalhos de 1 a 7 Universidade Federal Rural do Semiárido-UFERSA Departamento de Ciências Exatas e Naturais Curso: Bacharelado em Ciência e Tecnologia e Computação Disciplina: Álgebra Linear Aluno(a): Soluções dos trabalhos

Leia mais

Álgebra Linear. Shin Takahashi, Iroha Inoue e Trend-Pro Co., Ltd. novatec

Álgebra Linear. Shin Takahashi, Iroha Inoue e Trend-Pro Co., Ltd. novatec Guia Mangá Álgebra Linear Apêndices suplementares Shin Takahashi, Iroha Inoue e Trend-Pro Co., Ltd. novatec Copyright by Shin Takahashi e TREND-PRO Co., Ltd. ISBN-: 978--97--9 Copyright Novatec Editora

Leia mais

Lista de exercícios 7 Independência Linear.

Lista de exercícios 7 Independência Linear. Universidade Federal do Paraná semestre 6. Algebra Linear Olivier Brahic Lista de exercícios 7 Independência Linear. Exercício : Determine se os seguintes vetores são linearmente independentes em R : (

Leia mais

Nota: Turma: MA 327 Álgebra Linear. Terceira Prova. Boa Prova! Primeiro Semestre de T o t a l

Nota: Turma: MA 327 Álgebra Linear. Terceira Prova. Boa Prova! Primeiro Semestre de T o t a l Turma: Nota: MA 327 Álgebra Linear Primeiro Semestre de 26 Terceira Prova Nome: RA: Questões Pontos Questão 1 Questão 2 Questão 3 Questão 4 Questão 5 T o t a l Boa Prova! Questão 1. 2. Pontos) Seja U um

Leia mais

Fundamentos de Álgebra Linear

Fundamentos de Álgebra Linear Fundamentos de Álgebra Linear Jonathan Tejeda Quartuccio Instituto de Pesquisas Científicas SISTEMAS DE EQUAÇÕES Uma equação linear com n incógnitas é descrita como a x + a x + a 3 x 3 + + a n x n = b

Leia mais

Parte 1 - Matrizes e Sistemas Lineares

Parte 1 - Matrizes e Sistemas Lineares Parte 1 - Matrizes e Sistemas Lineares Matrizes: Uma matriz de tipo m n é uma tabela com mn elementos, denominados entradas, e formada por m linhas e n colunas. A matriz identidade de ordem 2, por exemplo,

Leia mais

1. Entre as funções dadas abaixo, verifique quais são transformações lineares: x y z

1. 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 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

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

1 Determinantes, traços e o teorema espectral para operadores arbitrários

1 Determinantes, traços e o teorema espectral para operadores arbitrários Álgebra Linear e Aplicações - Lista para Segunda Prova Nestas notas, X, Y,... são espaços vetoriais sobre o mesmo corpo F {R, C}. Você pode supor que todos os espaços têm dimensão finita. (x, y) = (x,

Leia mais

0.1 Matrizes, determinantes e sistemas lineares

0.1 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 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

Capítulo 1. Matrizes e Sistema de Equações Lineares. 1.1 Corpos

Capítulo 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 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

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

0 < c < a ; d(f 1, F 2 ) = 2c

0 < c < a ; d(f 1, F 2 ) = 2c Capítulo 14 Elipse Nosso objetivo, neste e nos próximos capítulos, é estudar a equação geral do segundo grau em duas variáveis: Ax + Bxy + Cy + Dx + Ey + F = 0, onde A 0 ou B 0 ou C 0 Para isso, deniremos,

Leia mais

Aula 4 Colinearidade, coplanaridade e dependência linear

Aula 4 Colinearidade, coplanaridade e dependência linear Aula 4 Colinearidade, coplanaridade e dependência linear MÓDULO 1 - AULA 4 Objetivos Compreender os conceitos de independência e dependência linear. Estabelecer condições para determinar quando uma coleção

Leia mais

Diagonalização unitária e diagonalização ortogonal. (Positividade do produto interno) Raíz quadrada. Formas quadráticas.

Diagonalização unitária e diagonalização ortogonal. (Positividade do produto interno) Raíz quadrada. Formas quadráticas. Aplicações: Diagonalização unitária e diagonalização ortogonal (Positividade do produto interno) Raíz quadrada Formas quadráticas Mínimos quadrados Produto externo e produto misto (Área do paralelogramo.

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

ALGA I. Operadores auto-adjuntos (simétricos e hermitianos). Teorema espectral

ALGA I. Operadores auto-adjuntos (simétricos e hermitianos). Teorema espectral Módulo 9 ALGA I. Operadores auto-adjuntos (simétricos e hermitianos). Teorema espectral Contents 9.1 Operadores auto-adjuntos (simétricos e hermitianos) 136 9. Teorema espectral para operadores auto-adjuntos...........

Leia mais

OPERADORES LINEARES ESPECIAIS: CARACTERIZAÇÃO EM ESPAÇOS DE DIMENSÃO DOIS*

OPERADORES LINEARES ESPECIAIS: CARACTERIZAÇÃO EM ESPAÇOS DE DIMENSÃO DOIS* OPERADORES LINEARES ESPECIAIS: CARACTERIZAÇÃO EM ESPAÇOS DE DIMENSÃO DOIS* FABIANA BARBOSA DA SILVA, ALINE MOTA DE MESQUITA ASSIS, JOSÉ EDER SALVADOR DE VASCONCELOS Resumo: o objetivo deste artigo é apresentar

Leia mais

ESPAÇOS VETORIAIS EUCLIDIANOS

ESPAÇOS VETORIAIS EUCLIDIANOS ESPAÇOS VETORIAIS EUCLIDIANOS Produto interno em espaços vetoriais Estamos interessados em formalizar os conceitos de comprimento de um vetor e ângulos entre dois vetores. Esses conceitos permitirão uma

Leia mais

Capítulo 2. Ortogonalidade e Processo de Gram-Schmidt. Curso: Licenciatura em Matemática

Capítulo 2. Ortogonalidade e Processo de Gram-Schmidt. Curso: Licenciatura em Matemática Capítulo 2 Ortogonalidade e Processo de Gram-Schmidt Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves de Melo Disciplina: Álgebra Linear II Unidade II Aula

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

= 2 sen(x) (cos(x) (b) (7 pontos) Pelo item anterior, temos as k desigualdades. sen 2 (2x) sen(4x) ( 3/2) 3

= 2 sen(x) (cos(x) (b) (7 pontos) Pelo item anterior, temos as k desigualdades. sen 2 (2x) sen(4x) ( 3/2) 3 Problema (a) (3 pontos) Sendo f(x) = sen 2 (x) sen(2x), uma função π-periódica, temos que f (x) = 2 sen(x) cos(x) sen(2x) + sen 2 (x) 2 cos(2x) = 2 sen(x) (cos(x) sen(2x) + sen(x) cos(2x) ) = 2 sen(x)

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

MAT 1202 ÁLGEBRA LINEAR II SUBESPACCOS FUNDAMENTAIS E TRANSF. LINEARES 23/08/12 Profs. Christine e Pedro

MAT 1202 ÁLGEBRA LINEAR II SUBESPACCOS FUNDAMENTAIS E TRANSF. LINEARES 23/08/12 Profs. Christine e Pedro MAT 1202 ÁLGEBRA LINEAR II 2012.2 SUBESPACCOS FUNDAMENTAIS E TRANSF. LINEARES 23/08/12 Profs. Christine e Pedro 1. Subespaços Fundamentais de uma Matriz (1.1) Definição. Seja A uma matriz retangular m

Leia mais

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

Introdução à Álgebra Linear - 1a lista de exercícios Prof. - Juliana Coelho Introdução à Álgebra Linear - a lista de exercícios Prof. - Juliana Coelho - Ache uma forma escalonada para cada matriz abaixo. (Lembre que a forma escalonada não é única, então você pode obter uma resposta

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

Algoritmos Numéricos 2 a edição

Algoritmos Numéricos 2 a edição Algoritmos Numéricos 2 a edição Capítulo 2: Sistemas lineares c 2009 FFCf 2 2.1 Conceitos fundamentais 2.2 Sistemas triangulares 2.3 Eliminação de Gauss 2.4 Decomposição LU Capítulo 2: Sistemas lineares

Leia mais

Parte II. Decomposição de matrizes

Parte II. Decomposição de matrizes Parte II Decomposição de matrizes 119 Uma das características da ciência, e em particular das estruturas em Matemática é a busca de elementos simples com os quais podemos gerar todos os elementos de um

Leia mais

Álgebra Linear I - Aula 14. Roteiro

Álgebra Linear I - Aula 14. Roteiro Álgebra Linear I - Aula 14 1 Matrizes 2 Forma matricial de uma transformação linear 3 Composição de transformações lineares e produto de matrizes 4 Determinante do produto de matrizes Roteiro 1 Matrizes

Leia mais