MAT 1202 ÁLGEBRA LINEAR II SUBESPACCOS FUNDAMENTAIS E TRANSF. LINEARES 23/08/12 Profs. Christine e Pedro
|
|
- Bento Palma Cerveira
- 7 Há anos
- Visualizações:
Transcrição
1 MAT 1202 ÁLGEBRA LINEAR II 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 n (m linhas e n colunas). (a) O espaço-nulo ou núcleo N(A) de A é formado pelos vetores x R n tais que Ax = 0. (b) O espaço-coluna ou a imagem R(A) de A é formado pelos vetores y R m que podem ser escritos como combinação linear dos vetores-coluna de A. (c) O espaço-linha de A é o conjunto formado pelos vetores x R n que podem ser escritos como combinação linear dos vetores-linha de A. Ele é denotado por R(A t ), já que coincide com o espaço-coluna da transposta A t, pois as linhas de A são as colunas de A t, e vice-versa. (d) O espaço-nulo da transposta ou núcleo da transposta N(A t ) é formado pelos vetores y R m tais que A t y = 0. Espaço Notação Contido em Dimensão Espaço-nulo (Núcleo) N(A) R n n r Espaço-coluna (Imagem) R(A) R m r Espaço-linha R(A t ) R n r Espaço-nulo da transposta N(A t ) R m m r Subespaços fundamentais de uma matriz A m n. Aqui r é o posto de A. O núcleo N(A) e o espaço-linha R(A t ) de A são subespaços vetoriais de R n, e o espaço-coluna R(A) e o núcleo da transposta N(A t ) são subespaços de R m. Já verificamos isto para o espaço-coluna e o núcleo de A na aula passada, e as verificações restantes são inteiramente análogas. (1.2) Exemplo. Seja A = Então o espaço-coluna de A é a reta em R 3 gerada por (1, 0, 0). O espaço-linha é a reta em R 4 gerada por (0, 1, 0, 0). O núcleo de A consiste dos pontos (x 1, x 2, x 3, x 4 ) R 4 tais que x 2 = 0, ou seja, N(A) é o subespaço 3-dimensional de R 4 gerado por (1, 0, 0, 0), (0, 0, 1, 0) e (0, 0, 0, 1). Analogamente, N(A t ) é o subespaço de R 3 formado pelos vetores (y 1, y 2, y 3 ) tais que y 3 = 0, ou seja, N(A t ) é o plano em R 2 gerado por (1, 0, 0) e (0, 1, 0). A ferramenta essencial para a determinação da dimensão e de uma base para cada um destes espaços é o escalonamento, ou, na linguagem de matrizes, a decomposição P A = LU de A, explicada no teorema (3.8) das notas passadas. Enfatizamos aqui apenas que U é uma matriz retangular escalonada m n, de mesmas dimensões de A (veja a definição de matriz escalonada nas notas de 09/08). Portanto, U não precisa ser invertível. O número r de linhas não-nulas de U é chamado de posto de A (e de U), e a primeira entrada da i-ésima linha não-nula de U é chamado de i-ésimo pivô de U. 2. O espaço-linha de A (2.1) Teorema. Sejam A uma matriz m n e U a forma escalonada de A. Então o espaço-linha de A é o mesmo que o espaço-linha de U. Em particular, uma base de R(U t ) é também uma base de R(A t ), e os dois espaços têm a mesma dimensão r =posto de A. No Maple, os comandos nullspace(a), colspace(a) e rowspace(a) retornam bases para o espaço-nulo, o espaço-coluna e o espaço-linha de uma matriz A, respectivamente; o comando transpose(a) retorna A t. O r vem da palavra rank, que é como é chamado o posto em inglês. No Maple, o comando rank(a) retorna o posto da matriz A. Veremos que o posto r é a dimensão tanto do espaço-coluna quanto do espaço-linha de A.
2 Prova: Suponha que uma matriz B seja obtida de A fazendo-se uma operação elementar do tipo (i) ou (ii) sobre as linhas de A, e seja R(A t ) R n (resp. R(B t ) R n ) o espaço-linha de A (resp. B). Para uma operação do tipo (ii), é óbvio que R(A t ) = R(B t ), já que os vetores-linha que geram estes espaços são os mesmos, apenas em ordem diferente. Para uma operação do tipo (i) temos R(B t ) R(A t ), já que o que fizemos foi substituir um dos vetores-linha de A por uma combinação linear de dois deles. Como podemos inverter esta operação, o mesmo raciocínio mostra que R(A t ) R(B t ), logo R(A t ) = R(B t ). Finalmente, como a matriz escalonada U é obtida de A por uma seqüência de tais operações, segue por indução que R(A t ) = R(U t ). Portanto, para obter R(A t ) basta escalonar A para obter U e determinar R(U t ). A determinação deste último espaço é muito fácil. Ele tem dimensão r, igual ao número de linhas não-nulas de U, e base formada por estas linhas. (2.2) Exemplo. Seja cujo escalonamento resulta em A = U = Então R(A t ) = R(U t ), e o último espaço é gerado pelos vetores u 1 = (1, 3, 3, 2) e u 2 = (0, 0, 3, 1). Estes vetores são obviamente L.I., pois se a 1, a 2 R são tais que a 1 u 1 +a 2 u 2 = (0, 0, 0, 0), deduzimos olhando para a primeira coordenada que a 1 = 0. Usando isso, deduzimos então olhando para a terceira coordenada que a 2 = 0. O caso geral é inteiramente análogo, pois as linhas não-nulas de uma matriz escalonada U são sempre L.I., pelo mesmo argumento. (2.3) Problema. Dados m vetores v 1,..., v m R n determine se eles são L.I. ou L.D.. Mais geralmente, determine uma base para o espaço V = v 1,..., v m R n gerado por estes vetores (e sua dimensão). Solução: Seja A a matriz m n cujos vetores-linha são v 1,..., v m. Então o espaço V gerado por estes vetores nada mais é do que o espaço-linha de A. Acabamos de ver como determiná-lo: Uma base para V é formada pelos vetores-linha não-nulos da forma escalonada U de A, e a dimensão de V é o posto r de A, o número de linhas não-nulas de U. 3. O espaço-nulo de A (3.1) Teorema. Sejam A uma matriz m n e U a forma escalonada de A. Então N(A) = N(U). Esté último pode ser determinado em dois passos: (i) Escrevemos as variáveis básicas (aquelas que correspondem às colunas contendo os pivôs de U) do sistema Ux = 0 em termos das variáveis livres (todas as outras variáveis); (ii) O espaço N(A) = N(U) tem como base os n r vetores obtidos fazendo uma das variáveis livres igual a 1 e as outras iguais a zero. Em particular, N(A) tem dimensão n r (=número de variáveis livres), onde r é o posto de A (=número de variáveis básicas). Um exemplo concreto foi dado logo antes do teorema (3.11) das notas de aula passadas. (3.2) Problema. Determine as equações cartesianas do espaço-nulo de A. O enunciado deste problema exige alguns esclarecimentos. Primeiro, note que o sistema Ax = 0, que define o espaço-nulo de A, já nos dá m equações nas n variáveis x 1,..., x n, coordenadas de x R n, que determinam o espaço-nulo. Ocorre que estas equações são, em geral, redundantes, no sentido de que uma equação pode ser combinação linear de outras. Quando m > n isto é sempre verdade, porque temos mais equações que variáveis. O que está sendo pedido aqui é que seja encontrado um conjunto mínimo de equações cartesianas que definam Ax = 0. Solução: As equações cartesianas do espaço-nulo de A são simplesmente as equações do sistema Ux = 0, após escrevermos as variáveis básicas em termos das variáveis livres.
3 (3.3) Exemplo. No nosso exemplo (2.2) acima, as equações do sistema Ux = 0 são: x 1 + 3x 2 + 3x 3 + 2x 4 = 0 3x 3 + x 4 = 0 Escrevendo x 1, x 3 (as variáveis básicas) em termos de x 2, x 4 (as variáveis livres) obtemos que: x 3 = 1 3 x 4 ou, equivalentemente, x 1 = 3x 2 x 4 3x 3 + x 4 = 0 x 1 3x 2 + x 4 = 0 Qualquer destes dois últimos conjuntos de equações é uma resposta para o problema (neste caso). 4. O espaço-coluna de A Ao contrário do que acontece com o espaço-linha e o espaço-nulo, o espaço-coluna de A não é o mesmo que o espaço-coluna de U. Por exemplo, em (2.2) o espaço-coluna R(U) de U é subespaço de R 2 0}, o que claramente não é verdade para R(A) (este último contém, por exemplo, o vetor (1, 2, 1)). Entretanto, temos o seguinte resultado relacionando os dois. (4.1) Teorema. Sejam A uma matriz m n e U a forma escalonada de A. Então o espaço-coluna R(A) de A tem dimensão r (= posto de A) e base os r vetores-coluna de A correspondentes às colunas que contêm os pivôs de U. Em particular, dim R(A) = r. Prova: Esta demonstração é um pouco mais difícil que as anteriores, por isso vamos apenas esboçá-la. Ela segue de duas observações: (i) Se U é escalonada, então uma base para o espaço-coluna de U é formada pelos vetores-coluna de U que contêm os pivôs. (ii) Se k dos vetores-coluna v i1,..., v ik de uma matriz B são L.I. (resp. L.D.), e a matriz C é obtida de B por uma operação elementar, então os vetores-coluna u i1,..., u ik correspondentes de C também são L.I. (resp. L.D.). Vejamos primeiro como deduzir o teorema destas duas afirmações. Pela afirmação (i), o conjunto U = u i1,..., u ir } de vetores-coluna de U correspondentes às colunas que contêm os pivôs é L.I.. (Aqui o índice i j indica que o vetor u ij é o i j -ésimo vetor-coluna.) Como A também é obtida de U por operações elementares (já que cada uma das operações elementares que transformam A em U é invertível), deduzimos da parte (ii) que o conjunto V = v i1,..., v ir } dos vetores-coluna de A correspondentes é também L.I.. Mais ainda, se adicionarmos qualquer outro vetor v j a este conjunto, obtendo o conjunto V = v i1,..., v ir, v j } (para algum j i 1,..., i r ) então ele será L.D., pois o conjunto U = u i1,..., u ir, u j } de vetores-coluna de U é L.D. (pela parte (i)). Logo, o conjunto V é um subcojunto de v 1,..., v n } que é L.I. e, além disso, não está (propriamente) contido em nenhum outro subconjunto de v 1,..., v n } que seja ainda L.I.; logo, ele forma uma base do espaço v 1,..., v n. Não vamos provar aqui as afirmações (i) e (ii). A demonstração de (ii) usa o mesmo argumento que já usamos várias vezes, e a afirmação (i) é demonstrada em dois passos: Primeiro, o espaço-coluna de U é subespaço de R r (0, 0,..., 0)} R m, pois U tem r linhas não-nulas e n r linhas nulas. Logo, basta provar que os r vetores u i1,..., u ir que correspondem às colunas que contêm os pivôs são L.I.. Em outras palavras, se c 1 v i1 + + c r v ir = (0, 0,..., 0) então devemos provar que c 1 = c 2 = = c r = 0. Para ver isto olhamos primeiro para a última coordenada para deduzir que c r = 0, então para a penúltima para deduzir que c r 1 = 0, etc. (Verifique isto para a matriz U do exemplo (2.2)). (4.2) Exemplo. No nosso exemplo (2.2) acima, as colunas de U que contêm seus pivôs são as colunas 1 e 3. Logo, os vetores-coluna 1 e 3 de A, (1, 2, 1) e (3, 9, 3) formam uma base para R(A), que portanto tem dimensão r = 2. (4.3) Problema. Sejam v 1,..., v n R m vetores dados. Determine se b R m é combinação linear dos vetores v 1,..., v n. Solução: Seja A a matriz m n cujos vetores-coluna são v 1,..., v n. Determinar se b é combinação linear dos v i é o mesmo que determinar se b V = v 1,..., v n R m, que é o espaço-coluna de A; ou seja, precisamos
4 determinar se b R(A). Em outras palavras, precisamos descobrir se o sistema Ax = b tem alguma solução x R n. As coordenadas x 1,..., x n de x serão então os coeficientes da combinação linear tal que x 1 v x n v n = b. Ora, já sabemos como resolver este último problema: Primeiro escalonamos a matriz aumentada [A b] de modo a obter uma matriz [U c], onde U é a forma escalonada de A. Identificamos então as variáveis livres, correspondentes às colunas que não contêm os pivôs de U, e as fazemos todas iguais a zero. Se conseguirmos resolver o sistema Ux = b para as variáveis básicas, então b R(A). Caso contrário, b / R(A). Como explicamos nas notas de aula passadas, se existir alguma solução x 0 para o sistema Ax 0 = b (i.e., se b R(A)), então a solução geral para o sistema Ax = b é dada por x = x 0 + v, onde v N(A). (4.4) Exemplo. Sejam v 1 = (1, 2, 1), v 2 = (3, 6, 3), v 3 = (3, 9, 3) e v 4 = (2, 5, 0) e b = (b 1, b 2, b 3 ). Para determinar se b é combinação linear dos v i, montamos a matriz A tendo como vetores-coluna os v i e escalonamos a matriz aumentada [A b]: b 1 [A b] = b b b L 1 2 =L2 2L b 2 2b 1 L 3 =L3 2L b 3 + b b L 1 3 =L3 2L b 2 2b b 3 2b 2 + 5b 1 Logo, b = (b 1, b 2, b 3 ) é combinação linear dos v i, i.e., b R(A), se e somente se b 3 2b 2 + 5b 1 = 0, pois esta condição é necessária e suficiente para que o sistema representado pela matriz aumentada acima tenha alguma solução. 5. Espaço-Nulo da Transposta Para encontrar o espaço-nulo da transposta de uma matriz, basta repetir o mesmo procedimento que exibimos para calcular o espaço-nulo de A, com A t em lugar de A. Mais explicitamente, escalonamos a matriz A t para obter uma matriz escalonada V, que não é a transposta da forma escalonada U de A; de fato, U t não é sequer escalonada (verifique isto para o exemplo (2.2)). Após obter V, identificamos as variáveis básicas e livres de V x = 0, e resolvemos este sistema para encontrar as variáveis básicas em termos das livres. O espaço N(A t ) = N(V ) tem como base os n r vetores obtidos fazendo uma das variáveis livres igual a 1 e as outras iguais a zero. A obtenção de equações cartesianas para este espaço também é análoga. (5.1) Exemplo. Seja A novamente como no exemplo (2.2). Então A t = Escalonando obtemos A t = L 2 =L2 3L L =L3 3L L 4 =L4 2L O que fizemos neste primeiro passo foi limpar todas as entradas da 1 a coluna abaixo da 1 a linha. Para proceder com o escalonamento, ignoramos doravante a 1 a linha. Gostaríamos de limpar agora as entradas da 2 a coluna abaixo da 2 a linha usando esta última, o que não é possível porque a entrada (2, 2) é nula (ou seja, não serve Uma base para o espaço-nulo da transposta também pode ser encontrada da seguinte forma: Escalonando A obtemos uma matriz-permutação P e uma matriz triangular inferior L com 1 s na diagonal, ambas m m, tais que P A = LU. Uma base para N(A t ) é formada pelas últimas m r linhas de L 1 P ; na prática, é provavelmente mais fácil escalonar A t do que determinar P e L e calcular L 1 P.
5 como pivô). Por isso, efetuamos uma troca de linhas para mandar a 2 a linha para a última posição e continuamos o escalonamento, obtendo L2 L L 3 =L3 3L = V, que é a forma escalonada de A t. As colunas que contêm os pivôs são as colunas 1 e 2, logo as variáveis básicas do sistema V x = 0 (onde x = (x 1, x 2, x 3 ) R 3 ) são as variáveis x 1 e x 2, e a variável livre é x 3. Escrevendo as primeiras em termos da última, encontramos que V x = 0 se e somente se x 2 = 2x 3 e x 1 = 5x 3. Estas são as equações cartesianas do espaço-nulo da transposta, assim como as equações equivalentes x 2 + 2x 3 = 0 x 1 5x 3 = 0 Conforme a discussão acima, uma base para N(A t ) é formada pelo vetor obtido fazendo x 3 = 1, ou seja, N(A t ) = (5, 2, 1) tem dimensão 1 = m r (onde m = 3 é o número de linhas de A e r = 2 = dim R(A) = dim R(A t ) é o posto de A (e de A t )). 6. Transformações Lineares e Matrizes (6.1) Definição. Dizemos que uma função T : V W entre dois espaços vetoriais é uma transformação linear se: (i) T (v 1 + v 2 ) = T (v 1 ) + T (v 2 ) para quaisquer v 1, v 2 V ; (ii) T (λv) = λt (v) para qualquer v V e qualquer λ R. Equivalentemente, uma transformação linear é uma função T : V W que satisfaz a seguinte condição: ( ) T (v 1 + λv 2 ) = T (v 1 ) + λt (v 2 ) para quaisquer v 1, v 2 V e λ R. É claro que (i) e (ii) juntas implicam ( ). Reciprocamente, se vale ( ) então fazendo λ = 1 e v 1 = 0 respectivamente obtemos as condições (i) e (ii). Note ainda que para qualquer v V, T (0) = T (0v) = 0T (v) = 0, logo T leva o vetor-nulo nele mesmo. Além disso, T (v 1 v 2 ) = T (v 1 + ( 1)v 2 ) = T (v 1 ) + T (( 1)v 2 ) = T (v 1 ) T (v 2 ). O exemplo mais importante de transformação linear é o seguinte: Seja A uma matriz m n. Então podemos considerar A como uma transformação linear A: R n R m definindo A(x) como sendo o produto usual Ax de A pelo vetor-coluna x R n. É fácil verificar que A satisfaz a condição ( ) acima. Veremos que toda transformação linear T : R n R m é deste tipo, ou seja, pode ser representada por uma matriz m n. (6.2) Exemplos. Várias funções que já conhecemos são lineares. (a) Sejam θ R e R: R 2 R 2 dada por R(x, y) = (cos θ x sin θ y, sin θ x + cos θ y). Então R é uma transformação linear. Geometricamente, R é simplesmente uma rotação por um ângulo θ, no sentido anti-horário. A matriz que representa R é: [ ] cos θ sin θ A =. sin θ cos θ (b) Seja M(m n) o espaço vetorial das matrizes m n. Então a transposição de matrizes T : M(m n) M(n m), que leva uma matriz A em sua transposta A t, é linear. De fato, (A + B) t = A t + B t e (λa) t = λa t para quaisquer λ R e A, B M(m n). Note que esta transformação é bijetiva; mais que isso, sua inversa ainda é dada pela transposição de matrizes, desta vez do espaço M(n m) em M(m n). (c) Seja H : R n R n a homotetia de coeficiente c R, dada por H(v) = cv. Então H é claramente linear. Geometricamente, quando c > 0, H contrai ou alonga cada vetor v por este fator. Quando c = 0, H leva R n na origem e quando c < 0, H contrai ou alonga cada vetor por um fator c e o reflete na origem. (d) A translação T a : R n R n que leva x em x + a, onde a 0 é um vetor de R n, não define uma transformação linear. De fato, ela sequer leva o vetor-nulo nele mesmo. (e) Seja P n o conjunto de todos os polinômios a 0 + a 1 t + + a n t n de grau n. É fácil verificar que P n é um espaço vetorial, de dimensão n + 1. Uma base é formada pelos polinômios 1, t, t 2,..., t n}. A operação D : P n P n 1 de diferenciação (n 1) é uma transformação linear. De fato, vimos no curso de cálculo que a derivada da soma de duas funções é a soma de suas respectivas derivadas, e a
6 derivada de um múltiplo (λf) de f é λf. A transformação D não é sobrejetiva (pois t n não é derivada de nenhum polinômio de grau n), nem injetiva: Vale D(p(t)) = 0 se e somente se p(t) = a 0 é um polinômio constante. (f) A transformação T : R 2 R 3 dada por (x, y, z) (2x + 3y + 10z, 7x + 4z, 0) é uma transformação linear. A função S : R 2 R 3 dada por (cos x + e y, z 2, xy) não é linear. De fato, nenhuma de suas três funcões-coordenada é uma transformação linear (de R 3 em R 1 ). (6.3) Definição. Seja T : V W uma transformação linear entre dois espaços vetoriais. Então (a) O conjunto dos x V tais que T x = 0 é o núcleo N(T ) de T. (b) O conjunto dos y W tais que T x = y para algum x V é a imagem R(T ) de T. (6.4) Teorema. Seja T : V W uma transformação linear entre dois espaços vetoriais V e W. Então o núcleo de T é um subespaço de V e a imagem de T é um subespaço de W. Prova: Se v 1, v 2 N(T ) então T (v 1 ) = 0 e T (v 2 ) = 0, logo T (v 1 + v 2 ) = T (v 1 ) + T (v 2 ) = 0, portanto v 1 + v 2 N(T ). Analogamente, se v N(T ) e λ R então T (λv) = λt (v) = 0, logo λv N(T ). Analogamente, a imagem R(T ) de T é um subespaço de W : Se w 1, w 2 R(T ) então w 1 = T (v 1 ) e w 2 = T (v 2 ) para alguns v 1, v 2 V. Logo w 1 + w 2 = T (v 1 ) + T (v 2 ) = T (v 1 + v 2 ) R(T ) e se w = T (v) R(T ), λ R, então λw = λt (v) = T (λv) também pertence a R(T ). (6.5) Teorema. Seja T : V W uma transformação linear. Então T é injetiva se e somente se N(T ) = 0}. Mais geralmente, T (x) = T (y) se e somente se y = x + v para algum v N(T ). Prova: Vamos provar a segunda afirmação. A primeira pode ser deduzida da segunda fazendo x = 0. Suponha primeiro que T (x) = T (y). Então T (y x) = T (y) T (x) = 0, logo y = x + v, onde v = y x N(T ). Reciprocamente, se y = x + v com T (v) = 0, então T (y) = T (x + v) = T (x) + T (v) = T (x). Também vale: T é sobrejetiva se e somente se R(T ) = R m, mas aqui não é necessária uma demonstração, porque isto segue diretamente da definição de imagem. O resultado seguinte diz que se v 1,..., v n } forma uma base de V e w 1,..., w n são vetores quaisquer de um outro espaço W, então existe uma transformação linear T : V W levando v i em w i para cada i. Além disso, esta transformação é a única que tem esta propriedade. (6.6) Teorema. Uma transformação linear T : V W é univocamente determinada pelos seus valores nos elementos de uma base v 1,..., v n } de V. Prova: Sejam v 1,..., v n } uma base de V e v = c 1 v c n v n um vetor qualquer de V. Dados w 1,..., w n W, podemos definir uma função T : V W satisfazendo T (v i ) = w i por T (v) = c 1 w c n w n (onde v = c 1 v c n v n ). Devemos verificar que T é linear. Se λ R e u = d 1 v d n v n V, então T (v + λu) = T ( (c 1 + λd 1 )v (c n + λd n )v n ) = (c1 + λd 1 )w (c n + λd n )w n = T (v) + λt (u), portanto T satisfaz a condição ( ) do início desta seção, ou seja, T é linear. Suponha agora que S : V W seja outra transformação linear tal que S(v i ) = w i = T (v i ) para cada i = 1,..., n. Então S(v) = S(c 1 v c n v n ) = c 1 S(v 1 ) + + c n S(v n ) = pela linearidade de S e T. Logo, S e T coincidem. = c 1 T (v 1 ) + + c n T (v n ) = T (c 1 v c n v n ) = T (v), (6.7) Teorema. Sejam U, V, W espaços vetoriais e S : U V, T : V W transformações lineares. Então a composição T S = T S : U W, dada por (T S)(u) = T (S(u)), é também uma transformação linear. Prova: Devemos provar que T S satisfaz a condição ( ) abaixo da definição (6.1). Sejam u 1, u 2 U e λ R. Então como queríamos verificar. (T S)(u 1 + λu 2 ) = T ( S(u 1 + λu 2 ) ) = T ( S(u 1 ) + λs(u 2 ) ) = = T ( S(u 1 ) ) + λt ( S(u 2 ) ) = (T S)(u 1 ) + λ(t S)(u 2 ),
7 (6.8) Exemplo. Sejam R θ e R ϕ as rotações em R 2 por ângulos de θ, ϕ, definidas acima. Usando as fórmulas para adição de ângulos do cos e do sin, obtemos que a composição R θ R ϕ é dada por: (R θ R ϕ )(x, y) =R θ (cos ϕx sin ϕy, sin ϕx + cos ϕy) = ( cos(θ + ϕ)x sin(θ + ϕ)y, sin(θ + ϕ)x + cos(θ + ϕ) y ) = R θ+ϕ (x, y), ou seja, R θ R ϕ = R θ+ϕ, como era de se esperar, já que a composição de duas rotações por ângulos θ e ϕ ao redor de um mesmo ponto resulta numa rotação por um ângulo de θ +ϕ. Em particular, fazendo ϕ = θ obtemos que R θ R θ = R 2θ e fazendo ϕ = θ obtemos que R θ R θ = R 0 = I. (6.9) Definição. Sejam v 1,..., v n } e w 1,..., w m } bases de dois espaços vetoriais V, W. (a) Seja T : V W uma transformação linear. Então podemos escrever, para cada j = 1,..., m, (1) T (v j ) = a 1j w 1 + a 2j w a mj w m, para alguns a ij R. Dizemos então que a matriz m n A = (a ij ) representa, ou corresponde a T nestas bases. (b) Seja A = (a ij ) uma matriz m n. Defina uma transformação linear T : V W pela equação (1). Note que T é linear e bem-definida por (6.6). Então dizemos que T é a transformação linear correspondente a A nestas bases. Portanto, se A corresponde a T então a j-ésima coluna de A nos dá as coordenadas de T (v j ) com respeito à base w 1,..., w m } de W. Geralmente quando trabalhamos com R k, escolhemos como base deste espaço a base canônica e 1,..., e k }, dada por e 1 = (1, 0, 0,..., 0), e 2 = (0, 1, 0,..., 0),..., e k = (0, 0, 0,..., 1), onde cada e i R k. Fica subentendido então que a matriz A correspondente a uma transformação linear T : R n R m tem suas entradas determinadas pelas respectivas bases canônicas de R n e R m. A matriz A tem como j-ésima coluna as coordenadas usuais de T (e j ) em R m. (6.10) Exemplo. Por (6.6), existe uma única transformação linear T : R 2 R 4 levando o vetor (1, 0) em ( 1, 0, 4, 2) e (0, 1) em (3, 7, 5, 2). A matriz que representa esta transformação (nas bases canônicas de R 2 e R 4 ) é dada por: 1 3 A = Para obter uma fórmula para T, basta portanto fazer o produto de A por um vetor v = (x, y) arbitrário: 1 3 T (x, y) = [ ] x = ( x + 3y, 7y, 4x + 5y, 2x + 2y). y Terminamos o teorema seguinte, que é um dos mais importantes da álgebra linear. (6.11) Teorema (do Núcleo e da Imagem). Seja T : V W uma transformação linear. Então: dim R(T ) + dim N(T ) = dim V. Prova: Vamos provar isto com V = R n e W = R m. A demonstração geral é análoga. Seja A a matriz que representa T com respeito às bases canônicas de R m e R n. Então N(T ) R n é identificado com os vetorescoluna x R n tais que Ax = 0, ou seja, N(T ) = N(A). Similarmente, R(T ) = R(A). Como dim N(A) = n r e dim R(A) = r, vemos que dim R n = n = (n r) + r = dim N(T ) + dim R(T ). Pode parecer estranho que um teorema com uma demonstração tão curta seja importante. Acontece que ela está na verdade se apoiando nos resultados que obtivemos nas seções anteriores para determinar o espaço-nulo e o espaço-coluna de uma matriz. Geralmente este teorema é demonstrado usando-se um raciocínio mais abstrato, mas mais direto: Tomamos B N = u 1,..., u k } V uma base para o núcleo e B R = v 1,..., v m} V tal que T (v 1 ),..., T (v m)} forma uma base para R(T ) e então provamos que B = u 1,..., u k, v 1,..., v m} é uma base para V. Logo, dim V = dim N(T ) + dim R(T ).
Espaços Euclidianos. Espaços R n. O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais:
Espaços Euclidianos Espaços R n O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais: R n = {(x 1,..., x n ) : x 1,..., x n R}. R 1 é simplesmente o conjunto R dos números
Leia maisÁlgebra Linear I - Aula 10. Roteiro
Álgebra Linear I - Aula 10 1. Combinação linear de vetores. 2. Subespaços e geradores. Roteiro 1 Combinação linear de vetores Definição 1 (Combinação linear de vetores). Dada um conjunto de vetores U =
Leia maisUniversidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Matemática
1 Universidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 2017/II 1. Sejam u = ( 4 3) v = (2 5) e w = (a b).
Leia maisNotas para o Curso de Algebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009
Notas para o Curso de Álgebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009 2 Sumário 1 Matrizes e Sistemas Lineares 5 11 Matrizes 6 12 Sistemas Lineares 11 121 Eliminação Gaussiana 12 122 Resolução
Leia mais1 Subespaços Associados a uma Matriz
1 Subespaços Associados a uma Matriz Seja V = R n e para quaisquer u, v, e w em V e quaisquer escalares r,s em R 1, 1. u + v é um elemento de V sempre que u e v são elementos de V a adição é fechada, 2.
Leia maisGabarito P2. Álgebra Linear I ) Decida se cada afirmação a seguir é verdadeira ou falsa.
Gabarito P2 Álgebra Linear I 2008.2 1) Decida se cada afirmação a seguir é verdadeira ou falsa. Se { v 1, v 2 } é um conjunto de vetores linearmente dependente então se verifica v 1 = σ v 2 para algum
Leia maisÁlgebra Linear Semana 05
Álgebra Linear Semana 5 Diego Marcon 4 de Abril de 7 Conteúdo Interpretações de sistemas lineares e de matrizes invertíveis Caracterizações de matrizes invertíveis 4 Espaços vetoriais 5 Subespaços vetoriais
Leia maisÁlgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP
Álgebra Linear AL Luiza Amalia Pinto Cantão Depto de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocabaunespbr Espaços Vetoriais 1 Definição; 2 Subespaços; 3 Combinação Linear, dependência
Leia maisMétodo prático para extrair uma base de um conjunto de geradores de um subespaço de R n
Método prático para extrair uma base de um conjunto de geradores de um subespaço de R n 1. Descrição do método e alguns exemplos Colocamos o seguinte problema: dado um conjunto finito: A = {a 1, a 2,...,
Leia maisCapítulo 6: Transformações Lineares e Matrizes
6 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 6: Transformações Lineares e Matrizes Sumário 1 Matriz de uma Transformação Linear....... 151 2 Operações
Leia maisMAT2457 ÁLGEBRA LINEAR PARA ENGENHARIA I 3 a Prova - 1 o semestre de (a) 3; (b) 2; (c) 0; (d) 1; (e) 2.
MAT2457 ÁLGEBRA LINEAR PARA ENGENHARIA I 3 a Prova - 1 o semestre de 2018 Questão 1. Seja U = [(2, 1, 1), (1, 0, 2)], subespaço vetorial de R 3 e ax + by + z = 0 uma equação de U, isto é U = { (x, y, z)
Leia maisMAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de T ( p(x) ) = p(x + 1) p(x), (a) 8, (b) 5, (c) 0, (d) 3, (e) 4.
MAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de 218 Q1. Considere a transformação linear T : P 3 (R) P 2 (R), dada por T ( p(x) ) = p(x + 1) p(x), para todo p(x) P 3 (R), e seja A
Leia mais(x 1, y 1 ) (x 2, y 2 ) = (x 1 x 2, y 1 y 2 ); e α (x, y) = (x α, y α ), α R.
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-2457 Álgebra Linear para Engenharia I Terceira Lista de Exercícios - Professor: Equipe da Disciplina EXERCÍCIOS 1. Considere as retas
Leia maisOs 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 maisÁlgebra Linear I - Aula Bases Ortonormais e Matrizes Ortogonais
Álgebra Linear I - Aula 19 1. Bases Ortonormais e Matrizes Ortogonais. 2. Matrizes ortogonais 2 2. 3. Rotações em R 3. Roteiro 1 Bases Ortonormais e Matrizes Ortogonais 1.1 Bases ortogonais Lembre que
Leia maisMatrizes Semelhantes e Matrizes Diagonalizáveis
Diagonalização Matrizes Semelhantes e Matrizes Diagonalizáveis Nosso objetivo neste capítulo é estudar aquelas transformações lineares de R n para as quais existe pelo menos uma base em que elas são representadas
Leia maisÁlgebra Linear I - Aula 3. Roteiro
Álgebra Linear I - Aula 3 1. Produto escalar. Ângulos. 2. Desigualdade triangular. Roteiro 1 Produto escalar Considere dois vetores ū = (u 1, u 2, u 3 ) e v = (v 1, v 2, v 3 ) de R 3. O produto escalar
Leia maisMudança 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 maisÁlgebra Linear I - Aula 2. Roteiro
Álgebra Linear I - Aula 2 1. Produto escalar. Ângulos. 2. Desigualdade triangular. 3. Projeção ortugonal de vetores. Roteiro 1 Produto escalar Considere dois vetores = (u 1, u 2, u 3 ) e v = (v 1, v 2,
Leia maisÁlgebra Linear I - Aula 11. Roteiro. 1 Dependência e independência linear de vetores
Álgebra Linear I - Aula 11 1. Dependência e independência linear. 2. Bases. 3. Coordenadas. 4. Bases de R 3 e produto misto. Roteiro 1 Dependência e independência linear de vetores Definição 1 (Dependência
Leia maisÁlgebra 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 maisexercícios de álgebra linear 2016
exercícios de álgebra linear 206 maria irene falcão :: maria joana soares Conteúdo Matrizes 2 Sistemas de equações lineares 7 3 Determinantes 3 4 Espaços vetoriais 9 5 Transformações lineares 27 6 Valores
Leia maisAula 1 Autovetores e Autovalores de Matrizes Aula 2 Autovetores e Autovalores de Matrizes Casos Especiais 17
Sumário Aula 1 Autovetores e Autovalores de Matrizes.......... 8 Aula 2 Autovetores e Autovalores de Matrizes Casos Especiais 17 Aula 3 Polinômio Característico................. 25 Aula 4 Cálculo de Autovalores
Leia maisMAT Álgebra Linear para Engenharia II - Poli 2 ō semestre de ā Lista de Exercícios
MAT 2458 - Álgebra Linear para Engenharia II - Poli 2 ō semestre de 2014 1 ā Lista de Exercícios 1. Verifique se V = {(x, y) x, y R} é um espaço vetorial sobre R com as operações de adição e de multiplicação
Leia maisÁlgebra Linear I - Aula Forma diagonal de uma matriz diagonalizável
Álgebra Linear I - Aula 18 1 Forma diagonal de uma matriz diagonalizável 2 Matrizes ortogonais Roteiro 1 Forma diagonal de uma matriz diagonalizável Sejam A uma transformação linear diagonalizável, β =
Leia maisÁlgebra 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 maisFix 4.6: Considere I : V V e T : V W definidas por I(v) = v e T (v) = 0 para todo v V. (c) Nuc(T ) = (V, W, 0); (d) Im(T ) = (V, W, 0);
Fix 4.6: Considere I : V V e T : V W definidas por I(v) = v e T (v) = 0 para todo v V. (a) Nuc(I) = (V, W, 0); (b) Im(I) = (V, W, 0); (c) Nuc(T ) = (V, W, 0); (d) Im(T ) = (V, W, 0); 11 4.6: (a) 0; (b)
Leia maisIntroduzir os conceitos de base e dimensão de um espaço vetorial. distinguir entre espaços vetoriais de dimensão fnita e infinita;
META Introduzir os conceitos de base e dimensão de um espaço vetorial. OBJETIVOS Ao fim da aula os alunos deverão ser capazes de: distinguir entre espaços vetoriais de dimensão fnita e infinita; determinar
Leia maisMAT Resumo Teórico e Lista de
MAT 0132 - Resumo Teórico e Lista de Exercícios April 10, 2005 1 Vetores Geométricos Livres 1.1 Construção dos Vetores 1.2 Adição de Vetores 1.3 Multiplicação de um Vetor por um Número Real 2 Espaços Vetoriais
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Espaços Vetoriais Reais
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 4 Espaços Vetoriais Reais Definição de espaço vetorial real [4 01] O conjunto
Leia maisÁlgebra linear A Primeira lista de exercícios
Álgebra linear A Primeira lista de exercícios Prof. Edivaldo L. dos Santos (1) Verifique, em cada um dos itens abaixo, se o conjunto V com as operações indicadas é um espaço vetorial sobre R. {[ ] a b
Leia maisÁlgebra Linear I. Resumo e Exercícios P3
Álgebra Linear I Resumo e Exercícios P3 Fórmulas e Resuminho Teórico Espaço Vetorial Qualquer conjunto V com 2 operações: Soma e Produto escalar, tal que 1. u + v + w = u + v + w u, v, w V 2. u + v = v
Leia maisP2 de Álgebra Linear I Data: 10 de outubro de Gabarito
P2 de Álgebra Linear I 2005.2 Data: 10 de outubro de 2005. Gabarito 1 Decida se cada afirmação a seguir é verdadeira ou falsa. Itens V F N 1.a F 1.b V 1.c V 1.d F 1.e V 1.a Considere duas bases β e γ de
Leia maisCapítulo Propriedades das operações com vetores
Capítulo 6 1. Propriedades das operações com vetores Propriedades da adição de vetores Sejam u, v e w vetores no plano. Valem as seguintes propriedades. Comutatividade: u + v = v + u. Associatividade:
Leia maisRenato Martins Assunção
Análise Numérica Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Análise Numérica 2012 1 / 84 Equação linear Sistemas de equações lineares A equação 2x + 3y = 6 é chamada linear
Leia maisCapítulo 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 maisUFPB - CCEN - DEPARTAMENTO DE MATEMÁTICA ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA 1 a LISTA DE EXERCÍCIOS PERÍODO
UFPB - CCEN - DEPARTAMENTO DE MATEMÁTICA ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA a LISTA DE EXERCÍCIOS PERÍODO 0 Os exercícios 0 8 trazem um espaço vetorial V e um seu subconjunto W Sempre que W for um subespaço
Leia maisCM005 Álgebra Linear Lista 3
CM005 Álgebra Linear Lista 3 Alberto Ramos Seja T : V V uma transformação linear. Se temos que T v = λv, v 0, para λ K. Dizemos que λ é um autovalor de T e v autovetor de T associado a λ. Observe que λ
Leia maisÁlgebra Linear Semana 03
Álgebra Linear Semana 3 Diego Marcon de Abril de 27 Conteúdo Dependência e independência linear 2 Independência linear e sistemas lineares 3 3 Transformações lineares 4 4 Matriz de uma transformação linear
Leia maisAula 22 Derivadas Parciais - Diferencial - Matriz Jacobiana
Derivadas Parciais - Diferencial - Matriz Jacobiana MÓDULO 3 - AULA 22 Aula 22 Derivadas Parciais - Diferencial - Matriz Jacobiana Introdução Uma das técnicas do cálculo tem como base a idéia de aproximação
Leia maisG2 de Álgebra Linear I
G de Álgebra Linear I 7. Gabarito ) Considere o conjunto de vetores W = {(,, ); (, 5, ); (,, ); (3,, ); (, 3, ); (,, )}. (a) Determine a equação cartesiana do sub-espaço vetorial V gerado pelos vetores
Leia maisG3 de Álgebra Linear I
G3 de Álgebra Linear I 11.1 Gabarito 1) Seja A : R 3 R 3 uma transformação linear cuja matriz na base canônica é 4 [A] = 4. 4 (a) Determine todos os autovalores de A. (b) Determine, se possível, uma forma
Leia maisÁLGEBRA LINEAR. Base e Dimensão de um Espaço Vetorial. Prof. Susie C. Keller
ÁLGEBRA LINEAR Base e Dimensão de um Espaço Vetorial Prof. Susie C. Keller Base de um Espaço Vetorial Um conjunto B = {v 1,..., v n } V é uma base do espaço vetorial V se: I) B é LI II) B gera V Base de
Leia maisReferências principais (nas quais a lista foi baseada): 1. G. Strang, Álgebra linear e aplicações, 4o Edição, Cengage Learning.
1 0 Lista de Exercício de Mat 116- Álgebra Linear para Química Turma: 01410 ( 0 semestre 014) Referências principais (nas quais a lista foi baseada): 1. G. Strang, Álgebra linear e aplicações, 4o Edição,
Leia maisUniversidade Federal Fluminense - GAN
Solimá Gomes Pimentel Universidade Federal Fluminense IM - GAN Solimá Gomes Pimentel, ****- Matemática para Economia III/Solimá Gomes Pimentel 2pt, ; 31cm Inclui Bibliografia. 1. Matemática para Economia
Leia maisÁlgebra Linear I - Aula 22
Álgebra Linear I - Aula 1. Bases Ortonormais.. Matrizes Ortogonais. 3. Exemplos. 1 Bases Ortonormais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de
Leia mais5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão Encontre os autovalores, os autovetores e a exponencial e At para
5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008 1. Encontre os autovalores, os autovetores e a exponencial e At para [ ] 1 1 1 1 2. Uma matriz diagonal Λ satisfaz a regra usual
Leia mais1 a Lista de Exercícios MAT 3211 Álgebra Linear Prof. Vyacheslav Futorny
1 a Lista de Exercícios MAT 3211 Álgebra Linear - 213 - Prof. Vyacheslav Futorny 1 a parte: Resolução de sistemas de equações lineares, matrizes inversíveis 1. Para cada um dos seguintes sistemas de equações
Leia mais(c) apenas as afirmações (II) e (III) são necessariamente verdadeiras;
Q1. Considere o espaço vetorial R 4 munido do seu produto interno usual. Sejam B uma base de R 4, A M 4 (R) uma matriz e T : R 4 R 4 a transformação linear tal que [T ] B = A. Considere as seguintes afirmações:
Leia maisG3 de Álgebra Linear I
G3 de Álgebra Linear I 2.2 Gabarito ) Considere a matriz 4 N = 4. 4 Observe que os vetores (,, ) e (,, ) são dois autovetores de N. a) Determine uma forma diagonal D de N. b) Determine uma matriz P tal
Leia maisApontamentos III. Espaços euclidianos. Álgebra Linear aulas teóricas. Lina Oliveira Departamento de Matemática, Instituto Superior Técnico
Apontamentos III Espaços euclidianos Álgebra Linear aulas teóricas 1 o semestre 2017/18 Lina Oliveira Departamento de Matemática, Instituto Superior Técnico Índice Índice i 1 Espaços euclidianos 1 1.1
Leia maisPrimeira prova de Álgebra Linear - 06/05/2011 Prof. - Juliana Coelho
Primeira prova de Álgebra Linear - 6/5/211 Prof. - Juliana Coelho JUSTIFIQUE SUAS RESPOSTAS! Questões contendo só a resposta, sem desenvolvimento ou justificativa serão desconsideradas! QUESTÃO 1 (2, pts)
Leia mais5. Considere os seguintes subconjuntos do espaço vetorial F(R) das funções de R em R:
MAT3457 ÁLGEBRA LINEAR I 3 a Lista de Exercícios 1 o semestre de 2018 1. Verique se V = {(x, y) : x, y R} é um espaço vetorial sobre R com as operações de adição e de multiplicação por escalar dadas por:
Leia mais1. Conhecendo-se somente os produtos AB e AC, calcule A = X 2 = 2X. 3. Mostre que se A e B são matrizes que comutam com a matriz M = 1 0
Lista de exercícios. AL. 1 sem. 2015 Prof. Fabiano Borges da Silva 1 Matrizes Notações: 0 para matriz nula; I para matriz identidade; 1. Conhecendo-se somente os produtos AB e AC calcule A(B + C) B t A
Leia maisALGA 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 maisAulas práticas de Álgebra Linear
Ficha 3 Aulas práticas de Álgebra Linear Licenciatura em Engenharia Naval e Oceânica Mestrado Integrado em Engenharia Mecânica 1 o semestre 2018/19 Jorge Almeida e Lina Oliveira Departamento de Matemática,
Leia mais(x 1 + iy 1 ) + (x 2 + iy 2 ) = x 1 + x 2 + i(y 1 + y 2 ) a(x + iy) = ax + i(ay)
Espaços Vetoriais Definição. Um espaço vetorial sobre R é um conjunto V no qual se tem definida uma adição e uma multiplicação de seus elementos por escalares (isto é, por números reais), ou seja, dados
Leia maisÁlgebra 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 maisPolinômio Mínimo e Operadores Nilpotentes
Capítulo 9 Polinômio Mínimo e Operadores Nilpotentes Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo Disciplina: Álgebra Linear II Unidade II Aula
Leia maisÁlgebra Linear Semana 04
Álgebra Linear Semana 04 Diego Marcon 17 de Abril de 2017 Conteúdo 1 Produto de matrizes 1 11 Exemplos 2 12 Uma interpretação para resolução de sistemas lineares 3 2 Matriz transposta 4 3 Matriz inversa
Leia maisLegenda. Questões. 2ª Lista de Exercícios (ALI0001) Prof. Helder G. G. de Lima 1. Cálculos Conceitos Teoria
2ª Lista de Exercícios (ALI0001) Prof. Helder G. G. de Lima 1 Legenda Cálculos Conceitos Teoria Questões 1. Revise todos os axiomas da definição de espaço vetorial V sobre o corpo de escalares R, verificando
Leia maisQ1. Seja V um espaço vetorial e considere as seguintes afirmações: um conjunto de geradores de um subespaço S 2 de V, então A 1 A 2
Q1. Seja V um espaço vetorial e considere as seguintes afirmações: (I) se A 1 é um conjunto de geradores de um subespaço S 1 de V e A 2 é um conjunto de geradores de um subespaço S 2 de V, então A 1 A
Leia maisMCTB Álgebra Linear Avançada I Claudia Correa Exercícios sobre transformações lineares. Os Exercícios 3 e 4 são os exercícios bônus dessa lista.
MCTB002-13 Álgebra Linear Avançada I Claudia Correa Exercícios sobre transformações lineares Os Exercícios 3 e 4 são os exercícios bônus dessa lista. Definição 1. Dados conjuntos X e Y, uma função ϕ :
Leia maisMINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA DEPARTAMENTO DE MATEMÁTICA
MINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA DEPARTAMENTO DE MATEMÁTICA 1 a LISTA DE EXERCÍCIOS DE MAT 17 1. Suponha que uma força de 1 newtons é aplicada em um objeto ao longo do
Leia maisEquação Geral do Segundo Grau em R 2
8 Equação Geral do Segundo Grau em R Sumário 8.1 Introdução....................... 8. Autovalores e autovetores de uma matriz real 8.3 Rotação dos Eixos Coordenados........... 5 8.4 Formas Quadráticas..................
Leia maisALGA I. Representação matricial das aplicações lineares
Módulo 6 ALGA I Representação matricial das aplicações lineares Contents 61 Matriz de uma aplicação linear 76 62 Cálculo do núcleo e imagem 77 63 Matriz da composta 78 64 GL(n Pontos de vista passivo e
Leia maisÁlgebra Linear - 2 a lista de exercícios Prof. - Juliana Coelho
Álgebra Linear - 2 a lista de exercícios Prof. - Juliana Coelho 1 - Verifique que os conjuntos V abaixo com as operações dadas não são espaços vetoriais explicitando a falha em alguma das propriedades.
Leia maisÁlgebra Linear e Aplicações - Primeira Prova - Gabarito. Problema 1 (2 pontos) Calcule dim(ran(t )) para a transformação linear T : R 4 R 3
Álgebra Linear e Aplicações - Primeira Prova - Gabarito Problema (2 pontos) Calcule dim(ran(t )) para a transformação linear T : R R 3 com a seguinte representação matricial na base canônica. 2 3 A = 0
Leia maisP4 de Álgebra Linear I de junho de 2005 Gabarito
P4 de Álgebra Linear I 25.1 15 de junho de 25 Gabarito 1) Considere os pontos A = (1,, 1), B = (2, 2, 4), e C = (1, 2, 3). (1.a) Determine o ponto médio M do segmento AB. (1.b) Determine a equação cartesiana
Leia maisObjetivos. Definir os conceitos de transformação matricial e linear; Apresentar vários exemplos de transformações lineares.
Transformações lineares MÓDULO 3 - AULA 18 Aula 18 Transformações lineares Objetivos Definir os conceitos de transformação matricial e linear; Apresentar vários exemplos de transformações lineares. Introdução
Leia maisCM005 Álgebra Linear Lista 2
CM005 Álgebra Linear Lista 2 Alberto Ramos 1. Seja M M n (R) uma matriz. Mostre que se {v 1,..., v p } R n é linearmente dependente, então {Mv 1,..., Mv p } é também linearmente dependente. Agora suponha
Leia maisAula 3 A Reta e a Dependência Linear
MÓDULO 1 - AULA 3 Aula 3 A Reta e a Dependência Linear Objetivos Determinar a equação paramétrica de uma reta no plano. Compreender o paralelismo entre retas e vetores. Entender a noção de dependência
Leia maisMINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA DEPARTAMENTO DE MATEMÁTICA
MINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA DEPARTAMENTO DE MATEMÁTICA a LISTA DE EXERCÍCIOS DE MAT 7 II SEMESTRE DE 00 Professores: Flávia, Gustavo e Lana. Suponha que uma força
Leia maisALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1
ALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções em VETORES Um vetor é uma lista ordenada de números
Leia mais1 Matrizes Ortogonais
Álgebra Linear I - Aula 19-2005.1 Roteiro 1 Matrizes Ortogonais 1.1 Bases ortogonais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de vetores distintos
Leia maisUniversidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Matemática
1 Universidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Matemática Lista 4 - MAT 137 -Introdução à Álgebra Linear 2017/II 1. Entre as funções dadas abaixo, verifique quais
Leia maisÁLGEBRA LINEAR I - MAT Determinar se os seguintes conjuntos são linearmente dependente ou linearmente independente (R).
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT0032 3 a Lista de
Leia maisÁLGEBRA LINEAR I - MAT Em cada item diga se a afirmação é verdadeira ou falsa. Justifiquei sua resposta.
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT0032 2 a Lista de
Leia maisÁlgebra Linear I - Aula 20
Álgebra Linear I - Aula 20 1 Matrizes diagonalizáveis Exemplos 2 Forma diagonal de uma matriz diagonalizável 1 Matrizes diagonalizáveis Exemplos Lembramos que matriz quadrada a 1,1 a 1,2 a 1,n a 2,1 a
Leia maisUNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática
UNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática 2 a Lista - MAT 137 - Introdução à Álgebra Linear II/2005 1 Resolva os seguintes sistemas lineares utilizando o Método
Leia maisÁlgebra 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 maisÁlgebra Linear I - Lista 10. Matrizes e Transformações lineares. Respostas
Álgebra Linear I - Lista 1 Matrizes e Transformações lineares Respostas 1 Sejam A e B matrizes quadradas do mesmo tamanho Dê um exemplo onde (A + B 2 A 2 + 2A B + B 2 Complete: (A + B 2 = A 2 + B 2 +?
Leia maisÁLGEBRA LINEAR. Combinação Linear, Subespaços Gerados, Dependência e Independência Linear. Prof. Susie C. Keller
ÁLGEBRA LINEAR Combinação Linear, Subespaços Gerados, Dependência e Prof. Susie C. Keller Combinação Linear Sejam os vetores v 1, v 2,..., v n do espaço vetorial V e os escalares a 1, a 2,..., a n. Qualquer
Leia maisInstituto 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 mais6. Verifique detalhadamente que os seguintes conjuntos são espaços vetoriais(com a soma e produto por escalar usuais):
a Lista. Sejam u = ( 4 ) v = ( 5) e w = (a b). Encontre a e b tais que (a)w = u + v (b)w = 5v (c)u + w = u v. Represente os vetores acima no plano cartesiano.. Sejam u = (4 ) v = ( 4) e w = (a b c). Encontre
Leia maisNo próximo exemplo, veremos um tipo de funcional linear bastante importante.
UFPR - Universidade Federal do Paraná Departamento de Matemática CM053 - Álgebra Linear II - Notas de aula Prof. José Carlos Eidam Funcionais lineares Nestas notas, estudaremos funcionais lineares sobre
Leia maisG3 de Álgebra Linear I
G de Álgebra Linear I 7 Gabarito ) Considere a transformação linear T : R R cuja matriz na base canônica E = {(,, ), (,, ), (,, )} é [T] E = a) Determine os autovalores de T e seus autovetores correspondentes
Leia maisG4 de Álgebra Linear I
G4 de Álgebra Linear I 27.1 Gabarito 1) Considere a base η de R 3 η = {(1, 1, 1); (1,, 1); (2, 1, )} (1.a) Determine a matriz de mudança de coordenadas da base canônica para a base η. (1.b) Considere o
Leia maisÁlgebra Linear Semana 02
Álgebra Linear Semana 2 Diego Marcon 3 de Abril de 27 Conteúdo Vetores Representação matricial para sistemas Lineares 3 2 Combinações lineares de vetores 4 3 Sistemas lineares e combinações lineares das
Leia maisProduto Misto, Determinante e Volume
15 Produto Misto, Determinante e Volume Sumário 15.1 Produto Misto e Determinante............ 2 15.2 Regra de Cramer.................... 10 15.3 Operações com matrizes............... 12 15.4 Exercícios........................
Leia maisÁlgebra Linear. Professor: página da disciplina na web: http: //professor.ufabc.edu.br/~jair.donadelli/algelin.
página da disciplina na web: http: //professor.ufabc.edu.br/~jair.donadelli/algelin.html Sumário I 1 Motivação Google Navegação Sistemas Lineares 2 O que eu não vou explicar Operações com matrizes Matrizes
Leia mais1 Álgebra linear matricial
MTM510019 Métodos Computacionais de Otimização 2018.2 1 Álgebra linear matricial Revisão Um vetor x R n será representado por um vetor coluna x 1 x 2 x =., x n enquanto o transposto de x corresponde a
Leia maisÁlgebra Linear. Alan Anderson
Álgebra Linear Alan Anderson 9 de abril de 2016 1 Espaço Euclidiano Denimos o espaço euclidiano n dimensional R n como sendo o conjunto das listas de n números reais. R n = {(x 1,..., x n ) : x 1,...,
Leia mais1 a Lista de Exercícios de MAT3458 Escola Politécnica 2 o semestre de 2016
1 a Lista de Exercícios de MAT3458 Escola Politécnica o semestre de 16 1 Para que valores de t R a função definida por (x 1, x ), (y 1, y ) = x 1 y 1 + tx y é um produto interno em R? Para cada par de
Leia maisAula 6 Produto interno
MÓDULO 1 - AULA 6 Objetivos Aula 6 Produto interno Estabelecer os conceitos de norma de um vetor e de ângulo entre dois vetores do espaço. Definir o produto interno de vetores no espaço e estabelecer suas
Leia maisMAT2457 ÁLGEBRA LINEAR PARA ENGENHARIA I Gabarito da 2 a Prova - 1 o semestre de 2015
MAT27 ÁLGEBRA LINEAR PARA ENGENHARIA I Gabarito da 2 a Prova - 1 o semestre de 201 Nesta prova considera-se fixada uma orientação do espaço e um sistema de coordenadas Σ (O, E) em E 3, em que E é uma base
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT32 12 a Lista de exercícios
Leia maisMarcelo M. Santos DM-IMECC-UNICAMP msantos/
Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência 0 anos c Publicação Eletrônica do KIT http://www.dma.uem.br/kit Identificação de Cônicas
Leia mais