Forma Canônica de Jordan para Operadores Lineares do Plano - Matrizes Reais 2 2
|
|
- Maria do Mar Imperial Maranhão
- 6 Há anos
- Visualizações:
Transcrição
1 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 é um dos grandes teoremas da álgebra linear. Consiste numa classicação de matrizes quadradas. No caso de matrizes reais, é possível demonstrar este teorema com um mínimo de pré requisitos, que serão revistos. Matrizes e transformações lineares Da maneira mais geral e vaga possível, uma função é uma regra que a cada elemento de um conjunto D domínio associa um elemento de um outro conjunto C contra domínio. a b Seja A uma matriz real e seja T a transformação operador linear de R c d induzida por A com a notação a b Note que T, c d Assim A T e T e T : R R X T X AX a b T X c d y }{{}}{{} A a c X a + by c + dy a b e T, c d b d e dizemos que A é a matriz canônica de T, indicando este fato por [T ] C C A onde C {e,, e, } indica a base canônica de R. A representa a transformação T..
2 Se u e v são vetores linearmente independentes de R eles constituem uma base B e qualquer vetor X R se escreva de maneira única como combinação linear de u e v, isto é ou X e + ye u + y v y u v } {{ } P Onde e y denotam as componentes de um vetor na base B. P é uma matriz inversível pois suas colunas são os vetores u, v linearmente independentes. Temos que P [I] C B representa a matriz de transição da base B para a base canônica. A matriz y P AP [I] B C [T ] C C [I] C B [T ] B B representa a transformação T na base B. As matrizes P AP e A são semelhantes. Nosso objetivo é escolher P de tal maneira que P AP seja o mais simples possível. Equivalentemente queremos escolher uma base B de R de tal maneira que a descrição do efeito da transformação linear T seja a mais simples possível geometricamente. Preliminares: autovalores e autovetores Uma matriz é diagonalizável, se eistirem uma matriz P, invertível e uma matriz D diagonal, tais que AP P D, ou seja P AP D. Se estivemos trabalhando em dimensão, isto é se nossas matrizes forem, tomando v e v como sendo as colunas de P temos A v v } {{ } P λ v v λ }{{}}{{} P D ou seja Av Av λ v λ v Assim, A será diagonalizável se e somente se eistirem dois vetores linearmente independentes v e v e dois números reais λ e λ tais que Av λ v e Av λ v. Dizemos que um número λ é autovalor de uma matriz A ou de maneira equivalente da transformação linear representada por A, se eistir um vetor v não nulo tal que T v Av λv. Ou seja, se o sistema de duas equações com duas incógnitas tiver solução não trivial. A λiv ou a λ b c d λ y
3 Portanto λ será autovalor de A se e somente se a matriz A λi for não inversível, ou seja se deta λi, já que se esta matriz tiver inversa, o sistema homogêneo terá apenas solução trivial pois AX X A. Chamamos de polinômio característico de A pλ deta λi a λd λ bc λ a + dλ + ad bc ou seja pλ λ traλ + deta Portanto os autovalores de A são as raízes de seu polinônio característico que tem grau. Assim, para matrizes reais poderemos ter autovalores reais e distintos, um único autovalor real raiz do polinônio com multiplicidade algébrica ou nenhum autovalor real par de raizes compleas para o polinônio característico. Neste caso, teremos autovalores compleos. Autovetores de um mesmo autovalor podem ser combinados linearmente resultando em autovetores já que se Av λv e Au λu termos que Aαu + βv λαu + βv. Assim denimos o auto espaço W λ como sendo o subespaço vetorial de R formado por todos os vetores tais que Av λv. O subespaço W λ é invariante por T pois se v W λ então T v λv W λ. Por outro lado, autovetores de autovalores diferentes são linearmente independentes pois se Av λ v e Av λ v, v não pode ser múltiplo de v já que mutiplicando a relação de dependência linear à esquerda por A obtemos α v + α v Aα v + α v λ α v + λ α v e multiplicando a mesma relação por λ obtemos Subtraindo as duas equações obtemos α v + α v λ α v + λ α v λ λ α v o que implica que α pois λ λ e v. Analogamente mostra-se que α e portanto v e v são linearmente independentes. Note que neste caso a armativa é equivalente a se dizer que um vetor não pode ser autovetor de autovalores distintos. 3 Autovalores reais distintos e matrizes diagonalizáveis 3. Modelo Consideremos a transformação de R dada por T, y λ, λ y. transformação é representada pela matriz diagonal λ D λ Na base canônica esta 3
4 Já que T, λ, e T, λ,, T ou D tem autovalores λ e λ associados respectivamente aos autovetores v, e v,, os vetores da base canônica. As direções horizontal e vertical são invariantes e correspondem aos autoespaços W λ e W λ. O efeito de T sobre os vetores do plano é de multiplicar a componente horizontal por λ e a vertical por λ. Geometricamente a transformação linear T age sobre um vetor, multiplicando sua componente horizontal por λ e sua componente vertical por λ na gura abaio λ, λ Note que se λ λ somente os vetores horizontais e verticais permanecem na mesma direção sob o efeito de T. 3. Eemplo Seja A 4 polinômio característico é que determina a transformação linear T, y + y, + 4y. Seu deta λi pλ λ 5λ + 6 e portanto A tem dois autovalores reais distintos λ e λ 3. autovetores linearmente independentes, v e v. Os autovetores v, y, associados a λ são dados por Av λ v isto é 4 y y A eles estão associados Isto é equivalente a pedir que v seja solução não trivial do sistema homogêneo, de duas equações e duas incógnitas, A λ Iv, ou seja 4 y y 4
5 Note que as linhas da matriz A λ I são uma múltipla da outra, já queλ foi escolhido de maneira que seu determinante fosse nulo, o que implica que necessariamente o sistema tem solução não trivial. Assim as duas equações do sistema são na verdade equivalentes + y que tem por solução a reta y. Observe que isto é consistente com o fato que todos os múltiplos de um autovetor também são autovetores com o mesmo autovalor. Assim a reta encontrada é o auto espaço W. Podemos escolher v, como base deste autoespaço. Analogamente, para λ 3 temos A 3Iv y y e portanto W 3 é a reta y e podemos tomar v, como vetor diretor desta. Como Av v e Av 3v temos que A v v v 3v ou seja 4 }{{}}{{} A P 3 3 }{{}}{{} P D Onde a D é a matriz diagonal com os autovalores e P é a matriz cujas colunas são os autovetores, na mesma ordem que os autovalores aparecem em D. Note que como os autovetores v e v são linearmente independentes, a matriz P é invertível. Ou seja, A P DP e geometricamente a transformação linear T X AX estica os vetores na direção da reta y por um fator de e os vetores na direcção da reta y por um fator de 3. É claro que como qualquer vertor pode ser decomposto nestas direções temos a descrição geométrica da ação de T sobre qualquer vetor de R Eercício: Considere o vetor u, dado na base canônica de R e a transformação linear T X AX com A denida nesta seção. desenho. em cada um dos itens abaio, faça os cálculos e também um. Encontre T u. Escontre os coecientes de u na base {v, v } dos autovetores de A, isto é encontre, y tais que v + y v,. Escreva matricialmente o sistema a resolver e tambem represente geometricamente esta construção. 3. Encontre os coecientes de T u na base {v, v }. 5
6 3.3 Caso Geral Teorema Se A é uma matriz real com dois autovalores reais distintos, então A é diagonalizável, isto é, eiste uma matriz real P invertível e uma matriz diagonal D tais que AP P D A menos que A seja múltiplo da identidade, a recíproca é verdadeira, isto é se A for diagonlizável, seu polinômio característico tem duas raízes reais e distintas. 3.4 Matrizes simétricas a b Suponha que a mtriz A seja simétrica, isto é, A b d A t e com b. O polinômio característico de A é dado por pλ λ a + cλ + ad b cujas raízes são λ ± a + d ± a + d 4ad b a + d ± a d + 4b ou são reais e distintas pois a d +4b >. Assim toda matriz simétrica é diagonalizável note que se b ela já é diagonal. Além disto, sejam v + +, y + e v, y autovetores associados respectivamente a λ + e λ. Temos que a + + by + a + by a+d + a d + 4b + a+d a d + 4b ou seja y + y d a b + b a d + 4b + d a b b a d + 4b 6
7 e logo o produto escalar v +.v + + y + y d a d a a d b b + 4b 4b b d a a d + 4b b a d + 4b Ou sjea, os autovetores são ortogonais, note que se A já fosse diagonal, isto é se b os autovetores seriam, e,, também ortogonais. Demostramos assim, no caso de R Teorema Espectral Toda matriz simétrica é diagonalizável por uma transformação ortogonal, ou em outras palavras, todo operador simétrico possui uma base ortogonal de autovetores. 4 Autovalores Compleos 4. Um modelo: Rotação Geometricamente é óbvio que uma rotação que não seja meia volta ou uma volta inteira não possui autovetores em R já que nenhuma direção permanece invariante. Consideremos a matriz de rotação de um ângulo θ no sentido anti-horário. cos θ sen θ R θ sen θ cos θ A primeira e a segunda coluna de R θ representam respectivamente a imagem dos vetores canônicos e, e e,. O polinômio característico de R θ é dado por detr θ λi λ trr θ λ + detr θ λ cos θ λ + de tal maneira que os autovalores de R θ raízes do polinônio característico são dados por λ cos θ ± cos θ Ou seja, temos um par de autovalores compleos: λ cos θ + i sen θ e λ cos θ i sen θ seu compleo conjugado. Calculando os autovetores correspondentes temos para λ cos θ sen θ R θ cos θ + i sen θ sen θ cos θ y y e portanto cos θ sen θ y cos θ + i sen θ sen θ + cos θ y cos θ + i sen θ y 7
8 o que implica que y i e portanto um autovetor compleo é dado por w, i. Analogamente, encontramos, associado a λ, o autovetor w, i. Note que os autovetores associados a λ e λ são realmente o compleo conjugado um do outro. Os autovetores são w, ± i,. Ambos são uma combinação linear com coecientes compleos dos vetores canônicos de R, ou melhor dizendo, cada um deles tem como parte real e parte imaginária respectivamente os vetores e, e e, da base canônica. 4. Eemplo Seja A. Seus autovalores são λ ± i 3 cos π 3 ± i sen π 3. Vamos mostrar que A é semelhante à rotação de π/3, isto é, que eiste uma matri P, inversível tal que P AP R π/3. Tal fato parece não intuitivo à primeira vista, pois T,, e T,, ou seja e é girado de π/4 e esticado de um fator e e é girado de π/. Assim, claramente a matriz A não representa uma rotação dos vetores do plano. Observemos, no entanto, que se P é uma matriz ortogonal qualquer, então P R θ P R θ para qualquer rotação demonstre este fato. Geometricamente isto traduz o fato que, qualquer que seja a base ortonormal escolhida em R, a matriz que representao uma rotação de um ângulo θ tem sempre o mesmo efeito sobre os vetores da base. Portanto, se A for semelhante a uma matriz de rotação, necessariamente P não será ortogonal. Em outras palavras a transformação linear associada a A é uma rotação em um sistema de coordenadas que não é ortogonal, o que será ilustrado mais tarde. Vamos calcular os autovetores compleos de A. Para λ + i 3 temos 3 y + i y ou seja + i 3 y e um autovetor é dado por w y + i 3 + i 3 Analogamente, para λ i 3 obtemos o autovetor i 3 3 w i Ou seja, w u iv e w u + iv com u, v 3 vetores não nulos e linearmente independentes de R. Como Aw λw temos Au iv cos π/3+i sen π/3u iv Au iav u cos π/3+v sen π/3+iu sen π/3 v cos π/3 8
9 e portanto, utilizando a base {u, v} em R os vetores são girados de π/3. 3 A matriz P u v é inversível. Sua inversa é P Efetuando as contas, vericamos que P AP / / 3 / 3 / 3/ 3/ / R π/3 e portanto a matriz A é semelhante à matriz de rotação de π Modelo α β Consideremos a matriz A. Seu polinômio característico é pλ λ β α αλ + α + β e seus autovalores são λ α ± iβ. O autovetor w correspondente a α + ßβ é denido por α βy α + iβ e portanto w, i u iv com u e e v e. A equação de autovalores/autovetores se escreve Ae ie α + iβe ie Ae iae αe + βe + iβe αe o que traduz o fato já conhecido que Ae αe + βe, Ae βe + αe. Podemos escrever λ α + iβ rcos θ + sen θ com r α + β e portanto α β r cos θ sin θ A β α r sin θ cos θ ou seja, geometricamente A representa uma rotação seguida de uma homotetia dilatação se r > e contração se r < e portanto atua da mesma maneira sobre todos os vetores de R. 4.4 Caso Geral e Demonstrações a b Seja A, uma matriz com entradas reais, tal que seu polinônio característico, c d não tenha raízes reais. Como as entradas de A são números reais, o seu polinômio característico pλ deta λi λ a + dλ + ad bc tem coecientes reais e suas raízes são dadas por λ a + d ± a + d 4ad bc. 9
10 Supondo que o discriminante de p seja negativo, a + d 4ad bc a d + 4bc < teremos duas raízes compleas. λ α + iβ, λ α iβ com α a + d β a d + bc reais. Note que uma raiz é o compleo conjugado da outra. Assim, A tem um par de autovalores compleos λ e λ. Seja w u iv o autovetor compleo de A associado a λ. Temos assim A w λ w Au iv α + iβu iv Au iav αu + βv + i βu + αv e portanto Au α u + β v 3 Av β u + α v Assumindo vamos demonstrar este fato mais tarde que u e v são vetores linearmente independentes, eles formam uma base para R. Se T é a transformação linear induzida pela matriz A e levarmos em conta as equações 3, na base B {u, v} a transformação T é representada pela matriz [T ] B α β B M 4 β α ou seja, se P u v [I] C B é a matriz de mudança da base B para a base canônica C, então A [T ] C C [I]C B [T ]B B [I]B C P MP. Observamos que M pode ser ser reescrita como r cos θ sin θ M r sin θ cos θ rr θ onde r α + β é um número real positivo e θ < π é denido por cos θ α/r, sin θ β/r. Portanto temos o seguinte resultado. Teorema 3 Seja A uma matriz real, tal que as raízes de seu polinômio característico sejam compleas, λ rcos θ + i sen θ. Então A é semelhante a M rr θ, onde R θ é a matriz de rotação de θ como em.
11 Assim, eiste um sistema de coordenadas em R não necessariamente ortonormal em que a transformação linear T, denida pela matriz A representa uma rotação de um ângulo θ seguida de uma homotetia dilatação ou contração de um fator r. Vamos agora demonstrar que a parte real e a parte imaginária dos autovetores de uma matriz real são vetores reais linearmente independentes. Tal demonstração na verdade, vale para matrizes n n. Proposição 4 Seja A uma matriz quadrada, n n, com entradas reais tal seu polinômio característico tenha um par de as raízes compleas λ e λ. Então se w u + iv é um autovetor tal que A w λw, u e v são vetores de R n linearmente independentes. Demonstração:. Se w C n é autovetor de A associado ao auto valor λ então o seu compleo conjugado w é autovetor de A associado ao auto valor compleo conjugado, λ pois Aw λw Aw λw Aw λw Aw λw. Todo vetor w de C n se escreve como w u iv com u e v em R n. 3. v. O autovetor w u iv não pode ser real já que se ele fosse real w w u e portanto teríamos da equação do item acima que λw Aw Aw λ w λ w λ λw o que é impossível se w e λ λ. Portanto devemos ter v. 4. u. Note que acabamos de demonstrar que autovalores compleos de matrizes reais não podem ser reais. Por esta razão não podem também ser puramente imaginários, pois estes produziriam autovetores reais, após multiplicação por i. Isto é A iv λ iv Av λv. 5. Demonstramos portanto que todo autovetor w u iv associado a um autovalor compleo de uma matriz real tem parte real u e imaginária v ambas não nulas. Vamos mostrar que estes dois vetores de R n são linearmente independentes. Suponhamos que u e v sejam linearmente dependentes, ou seja v bu com b. Neste caso teremos A w λ w Au i v λu i v A u i bu λu i b u i ba u i bλ u A u λ u Como u é real, não pode ser autovetor de A portanto u e v não podem ser linearmente dependentes. c.q.d
12 4.5 Eemplo Seja A. O polinômio característico de A é pλ λ + λ + e portanto os autovalores são λ ± 4. ± i + i cos 3π 4 + i sen 3π 4 O autovetor w w, w associado a λ + i é dado por w + i e portanto w + iw. Assim w w + i Note que o autovetor associado a i é dado por Temos assim vetores reais u e v w w i + i portanto constituem uma base B {v, u} não ortogonal do plano R. P. que são linearmente independentes e é a matriz de transição entre a base B e a base canônica. E / / / / Assim, na base B, temos uma rotação de 3π/4 seguida de uma dilatação de. Infelizmente, como a base B não é ortonormal a tranferência destas informações para a base canônica não é óbvia. Podemos ter uma idéia da geometria desta transformação se considerarmos o efeito da mudança de base sobre círculos nas coordenadas, y da base B. Isto porque, como nestas coordenadas a transformação linear a menos do fator multiplicativo é uma rotação de 3π/4, podemos pensar que qualquer vetor roda sobre um círculo de raio igual ao seu comprimento. Assim consideremos o círculo +y nas coordenadas da base B. Sabemos que a matriz de transição da base canônica para a base B é P, portanto y y e temos que + y y
13 Substituindo as relações acima na equação do círculo obtemos + y + y A equação acima representa uma elipse rodada com relação ao eio das coordenadas originais já que a forma quadrática associada tem determinante e traço positivos. Verique isto. Na gura abaio, o desenho da esquerda representa o plano y. s eios coordenados representam as direções v e u. Estão desenhados o círculo + y, e os vetores v, R 3π/4 v e R 6π/4 v. O desenho da direita, representando o plano y é a imagem do desenho da esquerda sob a mudança de coordenadas P. Assim os 3 vetores representados são v,, Av e A v..5 y Autovalores Repetidos 5. Modelo Consideremos a matriz de cisalhamento S λ λ λ 5 cujo polinômio característico tem λ como raiz dupla multiplicidade algébrica. A equação de autovetores correspondentes é dada por λ + y λ e portanto o conjunto dos autovetores, o autoespaço W λ, é gerado por w λ,. Se tomarmos o vetor v, / W λ temos que S λ v λ λ λ + λ w λ + λv 3
14 Note que esta conclusão é óbvia a partir da forma da matriz S λ, já que a primeira coluna é a imagem de, e a segunda a imagem de,. Na verdade, dado um vetor v, y qualquer temos S λ v λ λ y λ + y λy y + λ y w λ + λv Geometricamente o efeito da transformação linear T, associada a matriz S λ, sobre um vetor qualquer, é de multiplicar o vetor por λ e em seguida adicionar um deslocamento na direção do eio ou seja dos autovetores proporcional a y veja na gura abaio. Esta transformação também é conhecida pelo nome de cisalhamento, já que se pensarmos na imagem de um quadrado com camadas horizontais, vemos que estas se deslocam umas sobre as outras. 5. Eemplo Seja A raiz λ Seu polinônio característico é pλ λ 8λ + 6 que possui como única Os autovetores são dados por 5 y 4 e portanto o auto espaço W 4 ger{, } tem dimensão. Logo, A não é diagonalizável. 4
15 Tomando um vetor v, y qualquer temos 5 5 y 3 y + 3y 4 y + y Portanto concluímos que, como no modelo anterior, a imagem de um vetor qualquer é igual ao mesmo vetor multiplicado pelo autovalor, somada a um autovetor, isto é Av λv + w, w W λ. Tomemos o vetor v, que é ortogonal ao autoespaço gerado por w,. Temos que Av 6,. Tomemos agora a matriz P w v Fazendo as contas, vericamos que P AP 4 4 Note que Av 6,, + 4, w + 4v. Portanto A é semelhante a uma matriz tipo cisalhamento a menos do - em vez do fora da diagonal. Eercícios:. Repita o processo acima para outra escolha de v.. Encontre um v para o qual a matriz P AP tenha eatamente a forma de 5, com fora da diagonal. Note que Av 6,, + 4, w + 4v. 5.3 Caso geral e Demostrações Suponhamos que o polinômio característico da matriz A, real e tenha apenas uma raiz real λ de multiplicidade. Suponhamos também que a este autovalor esteja associado um único autovetor, a menos de um fator multiplicativo, isto é que a dimensão autoespaço W λ seja. A idéia é estudar a ação de A sobre os vetores que não estão no subespaço W λ. Já sabemos que se w W λ, então Aw λw e queremos então caracterizar Av para v / W λ, ou seja v não autovetor de A. Vamos demonstrar a seguinte Proposição 5 Seja A uma matriz real,, tal que λ R é um autovalor de multiplicidade algébrica e multiplicidade geométrica, isto é dimw λ. Então Av λv W λ para todo v. 5
16 Segue da proposição acima que a transformação linear associada a A é um cisalhamento na direção dos autovetores, já que a imagem de qualquer vetor v é obtida multiplicando o vetor pelo autovalor e somando um autovetor, isto é Av λv + w, com w autovetor. Teorema 6 Seja A uma matriz real,, tal que λ R é um autovalor de multiplicidade algébrica e multiplicidade geométrica. Então A é semelhante ao cisalhamento S λ, dado em 5. Isto é eiste P, inversível tal que P AP S λ. Demonstração: Fiemos um vetor v / W λ qualquer. Pela Proposição 5 u Av λv W λ e portanto u e v são linearmente independentes. Tomemos então B {u, v} como base de R. Temos que Au λu Av u + λv Portanto nesta base, a transformação linear T, associada à matriz A é representada pela matriz de cisalhamento S λ ou seja, se P u v [I] C B é a matriz de mudança da base B para a base canônica C, então A [T ] C C [I]C B [T ]B B [I]B C P S λp. c.q.d. Demonstração da Proposição 5: Seja v um vetor qualquer de R que não seja autovetor de A, ou seja v / W λ. Denimos u Av λv. Vamos mostrar que u W λ, ou seja u é um autovetor... u : Se u, Av λv, o que é impossível pois v / W λ.. u e v são linearmente independentes: Se u fosse proporcional a v, isto é, u bv teríamos u bv A λiv Av b + λv o que implica que v seria autovetor de A com auto valor b + λ. 3. u é autovetor de A: Como B {u, v} é l.i., é uma base para R. Assim um auto vetor w de A se escreve como combinação linear dos vetores da base: w au + bv, com a jï¾ que v não é autovetor. A λiw A λiau + bv aa λiu + ba λiv aa λiu + bu Au λ + b/au logo u é autovetor de A e devemos ter b, jï¾ que λ é o único autovalor. c.q.d. 6
17 5.4 Algoritmo Dada uma matriz A,, com um único autovetor, vamos escolher uma matriz P tal que A seja semelhante a matriz de cisalhamento. Em outras palavras, vamos escolher uma base B de R tal que a transformação associada seja representada pela matriz de cisalhamento.. Dada A, calculamos seu autovalor λ e um autovetor w.. Escolhemos então um vetor v que não seja um autovetor ou seja, que não seja proporcional a w. Em particular podemos escolher um vetor v que seja ortogonal a w. 3. Calculamos u Av λv que deve ser proporcional a w. 4. P u v ou B {u, v}. 5.5 Eemplo A 5 4 Seu polinômio característico é pλ λ 6λ + 9 que tem como única raiz λ 3. A equação de autovetores nos dá y ou seja y. E portanto um autovetor é w, Escolhemos v,. Temos então que Note que u 5w. u Assim P 5 Eercíos:. Escolha outros v's e verique o resultado.. É possível fazer uma escolha de v tal que P seja ortogonal? 7
Forma Canônica de Matrizes 2 2
Forma Canônica de Matrizes Slvie Olison Kamphorst Departamento de Matemática - ICE - UFMG Versão. - Novembro 5 a b Seja A c d induzida por A uma matriz real e seja T a transformação operador linear de
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 maisProvas. As notas da primeira e segunda prova já foram digitadas no Minha UFMG. Caso você não veja sua nota, entre em contato com o professor.
Provas As notas da primeira e segunda prova já foram digitadas no Minha UFMG. Caso você não veja sua nota, entre em contato com o professor. Terceira prova. Sábado, 15/junho, 10:00-12:00 horas, ICEx. Diagonalização
Leia 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 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 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 maisAutovetor 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 mais1 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 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 maisAutovalores 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 mais3 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão e B =
3 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008. (a) Ache os auto-valores e auto-vetores de A = 3 4 2 0 2 0 0 0 e B = 0 0 2 0 2 0 2 0 0 (b) Mostre que λ + λ 2 + λ 3 é igual ao
Leia 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 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 mais23 e 24. Forma Quadrática e Equação do Segundo Grau em R 3. Sumário
23 e 24 Forma Quadrática e Equação do Segundo Grau em R 3 Sumário 23.1 Introdução....................... 2 23.2 Autovalores e Autovetores de uma matriz 3 3.. 2 23.3 Mudança de Coordenadas no Espaço........
Leia 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 maisLegenda. Questões. Lista de Exercícios - Autovalores e autovetores. Cálculos Teoria Geometria
Lista de Exercícios - Autovalores e autovetores Legenda Cálculos Teoria Geometria Questões. Considere o quadrado determinado pelos pontos A(0, 0), B(, 0), C(, ) e D(0, ).Em cada item aplique o referido
Leia 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 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 maisAula 19 Operadores ortogonais
Operadores ortogonais MÓDULO 3 AULA 19 Aula 19 Operadores ortogonais Objetivos Compreender o conceito e as propriedades apresentadas sobre operadores ortogonais. Aplicar os conceitos apresentados em exemplos
Leia maisAUTOVALORES E AUTOVETORES
AUTOVALORES E AUTOVETORES Prof a Simone Aparecida Miloca Definição 1 Uma tranformação linear T : V V é chamada de operador linear. Definição Seja T : V V um operador linear. existirem vetores não-nulos
Leia maisExercício: Identifique e faça um esboço do conjunto solução da. 3x xy + y 2 + 2x 2 3y = 0
Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 + 2 3xy + y 2 + 2x 2 3y = 0 Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 +
Leia mais1 Autovetor e Autovalor 9. 2 Matrizes Ortogonais e Transformações Lineares Planas e Espaciais 55
Capítulo LINE LINE Autovetor e Autovalor 9 Matrizes Ortogonais e Transformações Lineares Planas e Espaciais 55 Matrizes Simétricas, o Teorema Espectral e Operadores Auto-adjuntos 8 4 Formas Bilineares,
Leia maisÁlgebra Linear I - Aula 22
Álgebra Linear I - Aula 1. Bases Ortonormais.. Matrizes Ortogonais. 3. Exemplos. 1 Bases Ortonormais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de
Leia maisÁlgebra Linear I - 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 maisParte 3 - Produto Interno e Diagonalização
Parte 3 - Produto Interno e Diagonalização Produto Escalar: Sejam u = (u 1,..., u n ) e v = (v 1,..., v n ) dois vetores no R n. O produto escalar, ou produto interno euclidiano, entre esses vetores é
Leia maisINSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-458 Álgebra Linear para Engenharia II Terceira Lista de Eercícios - Professor: Equipe da Disciplina EXERCÍCIOS 1. Seja V um espaço vetorial
Leia 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 maisAlgebra 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 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 maisGAAL - Exame Especial - 12/julho/2013. Questão 1: Considere os pontos A = (1, 2, 3), B = (2, 3, 1), C = (3, 1, 2) e D = (2, 2, 1).
GAAL - Exame Especial - /julho/3 SOLUÇÕES Questão : Considere os pontos A = (,, 3), B = (, 3, ), C = (3,, ) e D = (,, ) (a) Chame de α o plano que passa pelos pontos A, B e C e de β o plano que passa pelos
Leia mais5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2009
5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 29 Soluções dos exercícios Devido ao fato de A ser simétrica, existe uma base ortonormal {u,, u n } formada por autovetores de A, então
Leia 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 maisGAAL - Terceira Prova - 15/junho/2013. Questão 1: Analise se a afirmação abaixo é falsa ou verdadeira:
GAAL - Terceira Prova - /junho/3 SOLUÇÕES Questão : Analise se a afirmação abaio é falsa ou verdadeira: [ A matriz A é diagonalizável SOLUÇÃO: Sabemos que uma matriz n n é diagonalizável se ela possuir
Leia maisG4 de Álgebra Linear I
G4 de Álgebra Linear I 013.1 8 de junho de 013. Gabarito (1) Considere o seguinte sistema de equações lineares x y + z = a, x z = 0, a, b R. x + ay + z = b, (a) Mostre que o sistema é possível e determinado
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 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 maisÁlgebra 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 maisÁlgebra Linear I - Lista 12. Matrizes semelhantes. Diagonalização. Respostas
Álgebra Linear I - Lista 12 Matrizes semelhantes. Diagonalização Respostas 1) Determine quais das matrizes a seguir são diagonalizáveis. Nos caso afirmativos encontre uma base de autovetores e uma forma
Leia mais4 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008
4 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 8 Solução de alguns exercícios Devido ao fato de A ser simétrica, existe uma base ortonormal {u,, u n } formada por autovetores de A,
Leia maisÁlgebra 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. (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 maisCapítulo 5. Operadores Auto-adjuntos. Curso: Licenciatura em Matemática. Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo
Capítulo 5 Operadores Auto-adjuntos Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo Disciplina: Álgebra Linear II Unidade II Aula 5: Operadores Auto-adjuntos
Leia maisRoteiros 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 maisÁlgebra Linear e suas Aplicações Notas de Aula. Petronio Pulino = Q
Álgebra Linear e suas Aplicações Notas de Aula Petronio Pulino 1 3 4 3 1 0 4 0 1 = Q 4 1 6 Qt Q t Q = 1 1 1 PULINUS Álgebra Linear e suas Aplicações Notas de Aula Petronio Pulino Departamento de Matemática
Leia mais1 Auto vetores e autovalores
Auto vetores e autovalores Os autovalores de uma matriz de uma matriz n n são os n números que resumem as propriedades essenciais daquela matriz. Como esses n números realmente caracterizam a matriz sendo
Leia maisDiagonalização de Operadores. Teorema Autovetores associados a autovalores distintos de um operador linear T : V V são linearmente independentes.
Teorema Autovetores associados a autovalores distintos de um operador linear T : V V são linearmente independentes. Teorema Autovetores associados a autovalores distintos de um operador linear T : V V
Leia maisÁlgebra Linear I - Aula Matrizes simultaneamente ortogonais e simétricas
Álgebra Linear I - Aula 22 1. Matrizes 2 2 ortogonais e simétricas. 2. Projeções ortogonais. 3. Matrizes ortogonais e simétricas 3 3. Roteiro 1 Matrizes simultaneamente ortogonais e simétricas 2 2 Propriedade
Leia maisSeja f um endomorfismo de um espaço vectorial E de dimensão finita.
6. Valores e Vectores Próprios 6.1 Definição, exemplos e propriedades Definição Seja f um endomorfismo de um espaço vectorial E, com E de dimensão finita, e seja B uma base arbitrária de E. Chamamos polinómio
Leia maisUNIVERSIDADE 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 maisFACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO LEEC EXERCÍCIOS DE ÁLGEBRA
FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO LEEC EXERCÍCIOS DE ÁLGEBRA Exercícios vários. Considere o conjunto C =, e a operação binária definida por a b = min(a, b). O conjunto C é, relativamente
Leia maisGAAL Exercícios 6: Umas soluções
GAAL Exercícios 6: Umas soluções. Quais dos seguintes vetores são combinação linear de u = (5, 3, ), v = (, 4, 3), w = (, 8, 7)? (a) (, 2, 5) (b) (, 2, 8) (c) ( 2, ) (d) (, 2, 3). O conjunto {u, v, w}
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 maisEspaços Euclidianos. Espaços R n. O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais:
Espaços Euclidianos Espaços R n O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais: R n = {(x 1,..., x n ) : x 1,..., x n R}. R 1 é simplesmente o conjunto R dos números
Leia maisÁlgebra Linear 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 maisMódulos. 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 maiscom 3 Incógnitas A interseção do plano paralelo ao plano yz, passando por P, com o eixo x determina a coordenada x.
Interpretação Geométrica de Sistemas Lineares com 3 Incógnitas Reginaldo J. Santos Departamento de Matemática Instituto de Ciências Eatas Universidade Federal de Minas Gerais http://www.mat.ufmg.br/~regi
Leia maisInterbits SuperPro Web
1 (Ita 018) Uma progressão aritmética (a 1, a,, a n) satisfaz a propriedade: para cada n, a soma da progressão é igual a n 5n Nessas condições, o determinante da matriz a1 a a a4 a5 a 6 a a a 7 8 9 a)
Leia mais5. Seja A uma matriz qualquer. Assinale a afirmativa
UFRJ Instituto de Matemática Disciplina: Algebra Linear II - MAE 125 Professor: Bruno, Gregório, Luiz Carlos, Mario, Milton, Monique e Umberto Data: 12 de julho de 2013 Terceira Prova 1. Considere no espaço
Leia maisTeorema da Triangularização de Schur e Diagonalização de Matrizes Normais
Teorema da Triangularização de Schur e Diagonalização de Matrizes Normais Reginaldo J Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais http://wwwmatufmgbr/~regi 16 de novembro
Leia mais7 temos que e u =
Capítulo 1 Complementos de Álgebra Linear 11 Introdução Seja A = [a ij ] uma matriz quadrada de ordem n e pensemos na transformação linear R n! R n que a cada cada vector u R n faz corresponder um vector
Leia maisUniversidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM
Universidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM 3 a Lista de Exercícios de Introdução à Álgebra Linear Professor: Fágner Dias Araruna
Leia 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 maisMAE125 Álgebra Linear /1 Turmas EQN/QIN
MAE25 Álgebra Linear 2 205/ Turmas EQN/QIN Planejamento (última revisão: 0 de junho de 205) Os exercícios correspondentes a cada aula serão cobrados oralmente na semana seguinte à aula e valem nota Todas
Leia maisParte 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 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 maisAPLICAÇÃO DE AUTOVALORES E AUTOVETORES NAS POTÊNCIAS DE MATRIZES
Universidade Federal de Goiás Câmpus de Catalão Departamento de Matemática Seminário Semanal de Álgebra APLICAÇÃO DE AUTOVALORES E AUTOVETORES NAS POTÊNCIAS DE MATRIZES Aluno: Ana Nívia Pantoja Daniela
Leia maisUnidade 22 - Teorema espectral para operadores simétricos, reconhecimento de cônicas. A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa
MA33 - Introdução à Álgebra Linear Unidade 22 - Teorema espectral para operadores simétricos, reconhecimento de cônicas A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa PROFMAT - SBM 10 de agosto
Leia 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 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(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 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 maisLivro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez. Capítulo 10: Soluções e Respostas
10 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 10: Soluções e Respostas 263 264 CAPÍTULO 10. SOLUÇÕES E RESPOSTAS Capítulo 1 2.1* Temos 2 4 6 3 6 0 2A =,
Leia 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.
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 maisG4 de Álgebra Linear I
G4 de Álgebra Linear I 20122 Gabarito 7 de Dezembro de 2012 1 Considere a transformação linear T : R 3 R 3 definida por: T ( v = ( v (1, 1, 2 (0, 1, 1 a Determine a matriz [T ] ε da transformação linear
Leia maisINSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-2458 Álgebra Linear para Engenharia II Segunda Lista de Exercícios - Professor: Equipe da Disciplina EXERCÍCIOS 1. Verdadeiro ou falso?
Leia maisESPAÇO VETORIAL REAL. b) Em relação à multiplicação: (ab) v = a(bv) (a + b) v = av + bv a (u + v ) = au + av 1u = u, para u, v V e a, b R
ESPAÇO VETORIAL REAL Seja um conjunto V, não vazio, sobre o qual estão definidas as operações de adição e multiplicação por escalar, isto é: u, v V, u + v V a R, u V, au V O conjunto V com estas duas operações
Leia maisÁlgebra Linear /2 Turma EM1 (unificada)
Álgebra Linear 2 2013/2 Turma EM1 (unificada) Planejamento preliminar (última revisão: 3/4/2013) Os exercícios correspondentes a cada aula serão discutidos na aula seguinte e não valem nota Este planejamento
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 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 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 maisMAT3458 ÁLGEBRA LINEAR II 2 a Lista de Exercícios 2 o semestre de 2018
MAT3458 ÁLGEBRA LINEAR II 2 a Lista de Exercícios 2 o semestre de 2018 1. Verdadeiro ou falso? Justifique suas respostas. (i) Existe uma transformação linear T : P 3 (R) M 2 (R) cuja matriz em relação
Leia mais3 a Avaliação Parcial - Álgebra Linear
3 a Avaliação Parcial - Álgebra Linear - 016.1 1. Considere a função T : R 3 R 3 dada por T(x, y, z) = (x y z, x y + z, x y z) e as bases de R 3 B = (1, 1, 1), (1, 0, 1), ( 1,, 0)} (a) Encontre [T] B B.
Leia maisALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1
ALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções em VETORES Um vetor é uma lista ordenada de números
Leia maisÁlgebra Linear II - Poli - Gabarito Prova SUB-tipo 00
Álgebra Linear II - Poli - Gabarito Prova SUB-tipo 00 [ ] 4 2 Questão 1. Seja T : R 2 R 2 o operador linear cuja matriz, com respeito à base canônica de R 2, é. 1 3 [ ] 2 0 Seja B uma base de R 2 tal que
Leia maisProduto interno e produto vetorial no espaço
14 Produto interno e produto vetorial no espaço Sumário 14.1 Produto interno.................... 14. Produto vetorial.................... 5 14..1 Interpretação geométrica da norma do produto vetorial.......................
Leia maisDIAGONALIZAÇÃO DE MATRIZES: uma abordagem no ensino médio
UNIVERSIDADE FEDERAL DO MARANHÃO CENTRO DE CIÊNCIAS EXATAS E TECNOLOGIA PROGRAMA DE MESTRADO PROFISSIONAL EM MATEMÁTICA EM REDE NACIONAL - PROFMAT EVANILSON SANTOS SILVA DIAGONALIZAÇÃO DE MATRIZES: uma
Leia maisGEOMETRIA E ÁLGEBRA DOS NÚMEROS COMPLEXOS
GEOMETRIA E ÁLGEBRA DOS NÚMEROS COMPLEXOS Aluno: Adailton José do Nascimento Sousa Orientador: David Francisco Martinez Torres e Ricardo Alonso Introdução Os números complexos são muitas vezes interpretados
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 maisÁlgebra Linear I - Lista 11. Autovalores e autovetores. Respostas. 1) Calcule os autovalores e autovetores das matrizes abaixo.
Álgebra Linear I - Lista 11 Autovalores e autovetores Respostas 1 Calcule os autovalores e autovetores das matrizes abaixo. (a ( 4 1 1, (b ( 1 1, (c ( 5 6 3 4, (d 1 1 3 1 6 6, (e 3 5 1, (f 1 1 1 1 1 1
Leia maisAutovalores 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 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 maisP3 de Álgebra Linear I
P3 de Álgebra Linear I 2008.2 Data: 14 de Novembro de 2008. Gabarito. 1) Decida se cada afirmação a seguir é verdadeira ou falsa. Considere uma transformação linear T : R 3 R 3 tal que existem vetores
Leia maisMAE125 Álgebra Linear /2 Turmas EQN/QIN
MAE25 Álgebra Linear 2 205/2 Turmas EQN/QIN Planejamento (última revisão: 26 de outubro de 205) Os exercícios correspondentes a cada aula serão cobrados oralmente na aula seguinte e valem nota Todas as
Leia mais(b) A não será diagonalizável sobre C e A será diagonalizável sobre R se, e
Q1. Sejam A M 6 (R) uma matriz real e T : R 6 R 6 o operador linear tal que [T ] can = A, em que can denota a base canônica de R 6. Se o polinômio característico de T for então poderemos afirmar que: p
Leia maisÁlgebra 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 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 maisMatemática Matrizes e Determinantes
. (Unesp) Um ponto P, de coordenadas (x, y) do a plano cartesiano ortogonal, é representado pela matriz 5. (Unicamp) Considere a matriz M b a, onde coluna assim como a matriz coluna b a e b são números
Leia maisAulas práticas de Álgebra Linear
Ficha Matrizes e sistemas de equações lineares Aulas práticas de Álgebra Linear Mestrado Integrado em Engenharia Eletrotécnica e de Computadores o semestre 6/7 Jorge Almeida e Lina Oliveira Departamento
Leia mais