1 Matrizes Ortogonais
|
|
- Cláudia Marinho Esteves
- 6 Há anos
- Visualizações:
Transcrição
1 Álgebra Linear I - Aula 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 u e v da base β se verifica que u v = 0. Uma base γ é ortonormal se é ortogonal e todo vetor da base é um vetor unitário (ou seja, u u = 1 para todo vetor de γ). Como já vimos, calcular as coordenadas de um vetor em uma base ortogonal é muito simples (mais ainda se a base é ortonormal). Suponha que estamos em R 3 e que β = {u, v, w} é uma base ortonormal. Queremos determinar as coordenadas de um vetor l na base β, ou seja (l) β = (a, b, c), l = au + bv + cw. Para determinar a considere l u, l u = (au + bv + cw) u = au u + bu v + cu w. Observe que, como a base é ortonormal, u u = 1, u v = 0 = u w. Logo Analogamente obtemos, a = l u. b = l v, c = l w. Exercício: Encontre uma base ortonormal β que contenha dois vetores paralelos a (1, 1, 1) e (1, 1, 0). Obtida a base β, determine as coordenadas do vetor (1, 2, 3) em dita base. O terceiro vetor da base deve ser ortogonal a (1, 1, 1) e (1, 1, 0), portanto, é paralelo a (1, 1, 1) (1, 1, 0), isto é, paralelo a (1, 1, 2). Uma possível base β (existem muitas possibilidades) é β = {(1/ 3, 1/ 3, 1/ 3), (1/ 2, 1/ 2, 0), (1/ 6, 1/ 6, 2/ 6)}. 1
2 As coordenadas de (1, 2, 3) na base β são (a, b, c) onde a = (1, 2, 3) (1/ 3, 1/ 3, 1/ 3) = 6/ 3, b = (1, 2, 3) (1/ 2, 1/ 2, 0) = 1/ 2, c = (1, 2, 3) (1/ 6, 1/ 6, 2/ 6) = 3/ Matrizes ortogonais Dada uma matriz quadrada M sua transposta, denotada M t, é uma matriz cujas linhas são as colunas de M, ou seja, se M = (a i,j ) e M t = (b i,j ) se verifica b j,i = a i,j. Uma matriz M é ortogonal se é inversível e M 1 = M t, ou seja, MM t = M t M = Id. Observe que se M é ortogonal então sua transposta também é ortogonal (veja que (M t ) 1 = M). Portanto, a inversa de uma matriz ortogonal também é ortogonal. Propriedade I: O produto de duas matrizes ortogonais é ortogonal. Para provar a afirmação, lembre que (AB) t = B t A t. Sejam agora M e N ortogonais, logo (MN)(MN) t = MNN t M t = M(NN t )M t = MM t = Id. Portanto, M N é ortogonal. Propriedade II: O determinante de uma matriz ortogonal é igual a ±1. Para provar a afirmação é suficiente lembrar que M t e M têm o mesmo determinante e que o determinante da identidade é igual a 1, logo det(mm t ) = det(m) det(m t ) = det(m) 2 = 1. A seguir daremos uma interpretação geométrica de matriz ortogonal. Propriedade III: Uma matriz ortogonal é uma matriz cujas colunas (ou linhas) formam uma base ortonormal (de fato, isto é uma definição geométrica alternativa de matriz ortogonal). 2
3 Para simplificar a notação veremos a afirmação para matrizes 2 2. Seja M uma matriz ortogonal cujos vetores coluna são u = (a, b) e v = (c, d). ( ) ( ) ( ) a b a c aa + bb ac + bd Id = M t M = = = c d b d ac + bd cc + dd Logo ( ) u u u v = = u v v v ( ). u u = v v = 1, u v = 0, e u e v formam uma base ortonormal. De fato, o argumento anterior mostra o seguinte: Propriedade IV: Uma matriz é ortogonal se, e somente se, seus vetores coluna formam uma base ortonormal. Multiplicando MM t, v. obterá a mesma afirmação para os vetores linha: Propriedade IV(b): Uma matriz é ortogonal se, e somente se, seus vetores linha formam uma base ortonormal. Comentário: O fato anterior implica que a matriz de uma rotação ou de um espelhamento (na base canônica) é uma matriz ortogonal. Também implica que a matriz de uma projeção não é ortogonal (em nenhuma base). A propriedade anterior implica que: Propriedade V: Uma matriz ortogonal A conserva ângulos e módulos. Como já vimos quando estudamos espelhamentos e rotações, é suficiente ver que a matriz A conserva o produto escalar. Sejam v 1 = A(1, 0, 0), v 2 = A(0, 1, 0) v 3 = A(0, 0, 1). Por hipótese, β = {v 1, v 2, v 3 } é uma base ortonormal. Considere vetores u = (a, b, c) e v = (d, e, f), Observe que A(u) = a v 1 + b v 2 + c v 3, A(v) = d v 1 + e v 2 + f v 3. Usando que v 1 v 2 = v 1 v 3 = v 2 v 3 = 0 e que v i v i = 1, i = 1, 2, 3, temos A(u) A(v) = (a v 1 + b v 2 + c v 3 ) (d v 1 + e v 2 + f v 3 ) = = (a d) (v 1 v 1 ) + (b e) (v 2 v 2 ) + (c f) (v 3 v 3 ) = = a d + b e + c f = u v. 3
4 Propriedade (autovalores de uma matriz ortogonal): Todo autovalor real de uma matriz ortogonal A é igual a 1 ou 1. Todo autovalor complexo de A tem módulo 1. A afirmação sobre autovalores reais é obvia: se λ é um autovalor e u um autovetor associado a A, u = A(u) = λ u = λ u, Portanto λ = ±1. Para ver que os autovalores complexos têm módulo igual a 1 (veremos isto em dimensão dois ou três) usaremos que o determinante de A é igual ao produto dos autovalores e que números complexos conjugados têm o mesmo módulo. Observe também que se λ é um autovalor então λ (seu conjugado) também é um autovalor. Portanto, 1 = det(a) = λ λ = λ 2. Logo 1 = λ. Em dimensão três a prova e idéntica usando que existe um autovalor real que é igual a ± Matrizes ortogonais 2 2 Seja A uma matriz ortogonal 2 2. Existem as seguintes possibilidades para os autovalores de A: (a) autovalor 1 (duplo), (b) autovalor 1 (duplo), (c) autovalores 1 e 1, (d) autovalores complexos conjugados. Observe que temos as seguintes propriedades sobre os traços: (a) autovalor 1 (duplo): traço 2, (b) autovalor 1 (duplo): traço 2 (c) autovalores 1 e 1: traço 0, (d) autovalores complexos conjugados: traço diferente de 0 (excluido o caso em que os autovalores são imaginários puros). 4
5 Isto significa que estudando o traço da matriz (excluido um caso, que veremos a seguir) é possível saber o significado geométrico de transformação ortogonal em dimensão 2. Estas matrizes são: (a) a identidade, (b) menos a identidade, (c) um espelhamento, (d) uma rotação. Veremos o caso em que a matriz M verifica (c), os casos (a) e (b) são similares (somente que muito mais simples!). O caso (d) será obtido quase de graça. Considere u um autovetor associado a 1. Seja v um vetor perpendicular a u. Como M é ortogonal, M(v) é perpendicular a u. Logo (como M(v) 0, lembre que v 0 e que M conserva módulos) temos que M(v) = σv. A priori há duas possibilidades, σ = 1 ou σ = 1. Observe que os autovalores de M são simples, isto é de multiplicidade 1. Se σ = 1 então existem dois autovetores l.i, associados a 1 e este autovalor tería multiplicidade maior ou igual a 2, o que é um absurdo. Logo a única possibilidade é σ = 1. Portanto, M tem autovalores 1 e 1 e existe uma base ortogonal de autovetores de M, no caso {u, v}. Logo M é um espelhamento respeito a reta de vetor diretor u que contém a origem. Vejamos o caso (d). Observe que como a primeira coluna de A é um vetor unitário é da forma (cos θ, sen θ) para algum θ. Como o vetor correspondente à segunda coluna é ortogonal e unitário, há duas possibilidades: (sen θ, cos θ) e ( senθ, cos θ). Portanto há duas possibilidades para a matriz A ( ) ( ) cos θ sen θ cos θ sen θ A = ou A =. sen θ cos θ sen θ cos θ Observe que a primeira matriz tem traço igual a zero. Suponha que os autovalores sejam da forma a ± i b, onde a 0. Em tal caso, a primeira possibilidade pode ser descartada, pois o traço da matriz é zero. Logo estamos na segunda opção, que já sabemos que representa uma rotação de ângulo θ no sentido anti-horário. Portanto, falta o caso em que os autovalores não têm parte real, e o traço é zero. É simples ver que as únicas possibilidades são A = ( ) ou A = ( que representam rotações de π/2 e (3π)/2 radianos. 5 )
6 Exemplos: A matriz ortogonal ( ) 1/ 2 1/ 2 A = 1/ 2 1/ 2 representa uma rotação de 45 graus. Veja que tem autovalores complexos e calcule o ângulo de (1, 0) e A(1, 0). De fato, como o traço é diferente de 0 não pode ser um espelhamento, como é diferente de 2 não é a identidade (bem, isto é obvio!), e como é diferente de 2 não é menos a identidade! Ou seja, a única opção é uma rotação. A matriz ortogonal ( ) 1/ 2 1/ 2 A = 1/ 2 1/ 2 tem determinante 1 e traço zero. Logo, necessariamente, seus autovalores são 1 e 1. Logo, representa um espelhamento. Para determinar a reta de projeção, lembre que A(1, 0) (1, 0) = ((1 2)/ 2, 1/ 2) é o vetor normal à dita reta, ou seja um autovetor associado a 1. 2 Rotações em R 3 Uma rotação cujo eixo é a reta r que contém a origem e é paralela ao vetor n = (a, b, c) e ângulo α é uma transformação linear R que verifica: R(n) = n, para todo vetor u do plano π : ax+by+cz = 0 temos que R(u) pertence a π e forma α graus com v (dito de outra forma, a restrição de R ao plano π é uma rotação no plano). A última afirmação implica que se h e w são vetores do plano π se verifica h w = R(h) R(w). O mesmo raciocínio que fizemos com as rotações de eixos coordenados implicam que R conserva módulos e ângulos. Portanto, R é uma transformação ortogonal. Mais uma vez, para provar esta afirmação é suficiente ver que R conserva o produto escalar. Considere dois vetores u e v. Escrevemos u = n + h, v = m + w, 6
7 onde n e m são vetores paralelos ao eixo de rotação e h e w ortogonais ao eixo (ou seja, do plano π). Temos u v = (n + h) (m + w) = n m + n w + h m + h w = n m + h w. Também, R(u) = n + R(h), R(v) = m + R(w), onde R(h) e R(w) são ortogonais a n e m. Portanto, R(u) R(v) = (n + R(h)) (m + R(w)) = = n m + n R(w) + R(h) m + R(v) R(w) = = n m + R(v) R(w) = n n + v w. Nas próximas aulas veremos que R é semelhante a uma matriz de rotação em torno ao eixo X da forma A = 0 cos α sen α. 0 sen α cos α Como a matriz A não é diagonalizável (a não ser que α seja 0 ou π), a matriz R não é diagonalizável (lembre que se R fosse diagonalizável a matriz A também seria diagonalizável). 3 Matrizes ortogonais 3 3 Considere uma matriz ortogonal M, 3 3, observe que a matriz M tem necessariamente um autovalor real (o polinômio característico de M tem grau 3), que é necessariamente 1 ou 1. Suponhamos que o autovalor é 1 e que u = (a, b, c) é um autovetor associado a 1. Considere o plano π : ax+by +cz = 0. Considere um vetor v de π, afirmamos que M(v) pertence a π, isto decorre de M conservar os ângulos: 0 = u v = M(u) M(v) = u M(v). Logo M(v) é ortogonal a u e, portanto, pertence a π. Em outras palavras, o plano π é invariante: todo vetor de π é transformado por M em um vetor de π. A seguir, restringimos nossa atenção ao plano π, onde a restrição de M pode ser pensada como uma transformação linear de R 2. Observe que temos as quatro possibilidades seguintes para os autovalores de M (lembre que estamos supondo que 1 é um autovalor): 7
8 (a) autovalor 1 (de multiplicidade 3): traço 3, (b) autovalores 1 (simples) e 1 (duplo): traço 1, (c) autovalores 1 (duplo) e 1 (simples): traço 1, (d) autovalor 1 e dois autovalores complexos conjugados a±ib: traço 1+2a (ou seja, somente tem traço 1 quando os autovalores são imaginários puros). Afirmamos que estas matrizes são: (a) a identidade, (b) espelhamento respeito a uma reta, (c) espelhamento respeito a um plano, (d) uma rotação. Vejamos, por exemplo, o caso (c). Seja u o autovetor associado a 1 escolhido acima e v um autovetor associado a 1. Lembre que se w é um vetor que pertence a π, como π é invariante, M(w) também pertence a π. Ou seja, w e M(w) são ortogonais a u. Seja agora w = u v. Afirmamos que M(w) = w. Como w é ortogonal a u, temos que M(w) é ortogonal a M(u) = u. Analogamente, como w é ortogonal a v, temos que M(w) é ortogonal a M(v) = v. Logo M(w) é paralelo a u v, ou seja, M(w) = σw. Como M é ortogonal, σ = ±1. Do fato de 1 ter multiplicidade 1, temos que σ = 1. Portanto, M é um espelhamento no plano paralelo a u e w que contém a origem. Os casos (a) e (b) seguem de forma análoga. O caso mais interessante, e diferente é o caso (d). Neste caso a transformação representa uma rotação de eixo paralelo ao vetor u (o ângulo da rotação depende do argumento dos autovalores complexos). Observe que dado qualquer w vetor do plano π temos M(w) σw para todo número real σ. Isto decorre de que os autovalores de M serem 1 (de multiplicidade 1 e dois complexos conjugados). Se σ = 1 então haveria dois autovetores linearmente independentes associados a 1 e sua multiplicidade seria no mínimo 2, o que é um absurdo. Para ver que M representa uma rotação falta ver que para todo vetor w do plano π o ângulo entre w e M(w) é o mesmo (ou seja, conserva o produto escalar: existe k tal que para todo vetor unitário w do plano π se verifica w M(w) = k). Para provar esta afirmação primeiro consideraremos uma base ortonormal do plano π, {v 1, v 2 }. Escreva w 1 = M(v 1 ) e w 2 = M(v 2 ). Afirmamos que v 1 w 1 = v 2 w 2. Primeiro, escrevemos w 1 = cv 1 +dv 2, portanto, v 1 w 1 = c. Em segundo lugar observamos que como v 1 e v 2 são ortogonais e M é ortogonal, 8
9 w 2 w 1 = 0 e w 1 e w 2 têm o mesmo módulo. Portanto, w 2 = dv 1 cv 2 ou w 2 = dv 1 + cv 2. No segundo caso temos w 2 v 2 = c, provando a afirmação. Finalmente, o primeiro caso está proibido por hipótese: considere a base ortogonal η = {u, v 1, v 2 }, e observe que a matriz de M na base η é: [M] η = c d 0 d c Logo o traço de M (que é igual ao traço de [M] η, pois as matrizes [M] e [M] η são semelhantes) é igual a 1, o que é absurdo (lembre que o traço era 1 + 2a, a a parte real (não nula) do autovalor complexo. Agora estamos prontos para provar que para todo vetor unitário w do plano π se verifica w M(w) = c. Escreva e lembre que Então, fazendo os cálculos,. w = αv 1 + τv 2, α 2 + τ 2 = 1, M(v 1 ) = cv 1 + dv 2, M(v 2 ) = dv 1 + cv 2. M(w) = (αc τd)v 1 + (αd + τc)v 2. Portanto, usando as relações de ortogonalidade, M(w) w = ((αc τd)v 1 + (αd + τc)v 2 ) (αv 1 + τv 2 ) = (α 2 + τ 2 )c = c. Deixamos para v. verificar que acontece quando o primeiro autovalor é 1: v. verá que muitas opções se repetem, mas aparecem duas novas: menos a identidade (todos os autovalores 1) e a composição de uma rotação e um espelhamento em um plano (um autovalor 1 e dois autovalores complexos conjugados), onde o eixo de rotação é paralelo ao autovetor associado a 1. Exemplos: A matriz ortogonal M =
10 representa um espelhamento no plano x y = 0. Para ver isto observe que λ = 1 é um autovalor simples e λ = 1 duplo. Os autovetores associados a 1 são da forma (t, t, 0), t R, t 0. Veja que todo vetor do plano x y = 0 é transformado nele próprio. Consideremos agora a matriz ortogonal 2/3 2/3 1/3 M = 2/3 1/3 2/3. 1/3 2/3 2/3 Esta matriz tem traço 1, 2/3 1/3 + 2/3 = 1. Portanto, deve ser um espelhamento em um plano (faça e veja a lista de diferentes possibilidades para os traços de uma matriz ortogonal!). Em tal caso, M(1, 0, 0) (1, 0, 0) = ( 1/3, 2/3, 1/3), deve ser o vetor normal ao plano de espelhamento, e portanto um autovetor associado a 1. Veja que M( 1, 2, 1) = (1, 2, 1). Finalmente, confira que (1, 0, 1) e (2, 1, 0) são autovetores associados a 1. Logo, M representa um espelhamento no plano x 2y z = 0. Nas próximas aulas veremos as matrizes simétricas, com estes dois conceitos (matriz ortogonal e matriz simétrica) será muito mais simples interpretar geometricamente uma matriz ortogonal. 10
Álgebra 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 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 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 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 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 maisÁlgebra Linear I - Aula 18
Álgebra Linear I - Aula 18 1. Matrizes semelhantes. 2. Matriz de uma transformação linear em uma base. Roteiro 1 Matrizes semelhantes Definição 1 (Matrizes semelhantes). Considere duas matrizes quadradas
Leia maisÁlgebra Linear I - Aula Matriz de uma transformação linear em uma base. Exemplo e motivação
Álgebra Linear I - Aula 19 1. Matriz de uma transformação linear em uma base. Exemplo e motivação 2. Matriz de uma transformação linear T na base β 1 Matriz de uma transformação linear em uma base. Exemplo
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 - Aula 21
Álgebra Linear I - Aula 1 1. Matrizes ortogonalmente diagonalizáveis: exemplos. Matrizes simétricas. Roteiro 1 Matrizes ortogonalmente diagonalizáveis: exemplos Exemplo 1. Considere a matriz M = 4 4 4
Leia maisÁlgebra Linear I - Aula 12. Roteiro. 1 Exemplos de Transformações lineares (continuação)
Álgebra Linear I - Aula 12 1. Rotações no plano. 2. Projeções 3. Espelhamentos 4. Caso geral. Roteiro 1 Exemplos de Transformações lineares (continuação) 1.1 Rotações no plano A Rotação no plano de ângulo
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 maisÁlgebra Linear I - Aula Propriedades dos autovetores e autovalores
Álgebra Linear I - Aula 17 1. Propriedades dos autovetores e autovalores. 2. Matrizes semelhantes. 1 Propriedades dos autovetores e autovalores Propriedade 1: Sejam λ e β autovalores diferentes de T e
Leia 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 20
Álgebra Linear I - Aula 0 1 Matriz de Mudança de Base Bases Ortonormais 3 Matrizes Ortogonais 1 Matriz de Mudança de Base Os próximos problemas que estudaremos são os seguintes (na verdade são o mesmo
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 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 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 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 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 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 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 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 maisP3 de Álgebra Linear I
P3 de Álgebra Linear I 2012.2 1 de dezembro de 2012. Gabarito 1) Considere a transformação linear T : R 3 R 3 cuja matriz na base canônica é : 31 2 5 [T ] ε = 2 34 10 5 10 55 Sabendo que todos os vetores
Leia maisP4 de Álgebra Linear I
P4 de Álgebra Linear I 2008.2 Data: 28 de Novembro de 2008. Gabarito. 1) (Enunciado da prova tipo A) a) Considere o plano π: x + 2 y + z = 0. Determine a equação cartesiana de um plano ρ tal que a distância
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 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 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 maisForma 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 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 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 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 maisÁlgebra Linear I - Aula 5. Roteiro
1. Produto vetorial. 2. Aplicações. 3. Produto misto. Álgebra Linear I - Aula 5 1 Produto vetorial Roteiro Definição: Dados vetores ū = (u 1, u 2, u 3 ) e v = (v 1, v 2, v 3 ) de R 3 definimos o produto
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 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 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 4. Roteiro. 1 Determinantes (revisão rápida)
Álgebra Linear I - Aula 4 1. Determinantes (revisão). 2. Significado geométrico. 3. Cálculo de determinantes. 4. Produto vetorial. 5. Aplicações do produto vetorial. Roteiro 1 Determinantes (revisão rápida)
Leia maisProva tipo A. Gabarito. Data: 8 de outubro de ) Decida se cada afirmação a seguir é verdadeira ou falsa. 1.a) Considere os vetores de R 3
Prova tipo A P2 de Álgebra Linear I 2004.2 Data: 8 de outubro de 2004. Gabarito Decida se cada afirmação a seguir é verdadeira ou falsa..a Considere os vetores de R 3 v = (, 0,, v 2 = (2,, a, v 3 = (3,,
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 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 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 maisG1 de Álgebra Linear I Gabarito
G1 de Álgebra Linear I 2013.1 6 de Abril de 2013. Gabarito 1) Considere o triângulo ABC de vértices A, B e C. Suponha que: (i) o vértice B do triângulo pertence às retas de equações paramétricas r : (
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 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 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 maisÁlgebra Linear I - Aula 4. Roteiro. 1 Projeção ortogonal em um vetor
Álgebra Linear I - ula 4 1. Projeção ortugonal de vetores. 2. Determinantes (revisão). Significado geométrico. 3. Cálculo de determinantes. Roteiro 1 Projeção ortogonal em um vetor Dado um vetor não nulo
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 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 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 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 5. Roteiro
Álgebra Linear I - Aula 5 1. Produto misto. 2. Equação paramétrica da reta. 3. Retas paralelas e reversas. 4. Equação paramétrica do plano. 5. Ortogonalizade. Roteiro 1 Produto Misto Dados três vetores
Leia maisÁlgebra Linear I - Aula 9. Roteiro
Álgebra Linear I - Aula 9 1. Distância de um ponto a uma reta. 2. Distância de um ponto a um plano. 3. Distância entre uma reta e um plano. 4. Distância entre dois planos. oteiro 1 Distância de um ponto
Leia maisÁlgebra Linear I - Aula 8. Roteiro
Álgebra Linear I - Aula 8 1. Distância de um ponto a uma reta. 2. Distância de um ponto a um plano. 3. Distância entre uma reta e um plano. 4. Distância entre dois planos. 5. Distância entre duas retas.
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 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 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 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 maisJ. Delgado - K. Frensel - L. Crissaff Geometria Analítica e Cálculo Vetorial
178 Capítulo 10 Equação da reta e do plano no espaço 1. Equações paramétricas da reta no espaço Sejam A e B dois pontos distintos no espaço e seja r a reta que os contém. Então, P r existe t R tal que
Leia maisLista de Exercícios de Cálculo 3 Primeira Semana
Lista de Exercícios de Cálculo 3 Primeira Semana Parte A 1. Se v é um vetor no plano que está no primeiro quadrante, faz um ângulo de π/3 com o eixo x positivo e tem módulo v = 4, determine suas componentes.
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 maisficha 6 espaços lineares com produto interno
Exercícios de Álgebra Linear ficha espaços lineares com produto interno Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico o semestre 011/1 Notação
Leia maisLista de Exercícios III. junho de 2005
ÁLGEBRA LINEAR II Prof Amit Bhaya Lista de Exercícios III junho de 2005 Ortogonalidade, espaços fundamentais 1 Se Ax = b possui solução e A T y = 0, então y é perpendicular a 2 Se Ax = b não possui solução
Leia maisÁlgebra Linear I - Lista 7. Respostas
Álgebra Linear I - Lista 7 Distâncias Respostas 1) Considere a reta r que passa por (1,0,1) e por (0,1,1). Calcule a distância do ponto (2,1,2) à reta r. Resposta: 3. 2) Ache o ponto P do conjunto { (x,
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 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 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 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 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 maisP1 de Álgebra Linear I
P1 de Álgebra Linear I 2008.1 Gabarito 1) Decida se cada afirmação a seguir é verdadeira ou falsa e marque COM CANETA sua resposta no quadro a seguir. Itens V F N 1.a x 1.b x 1.c x 1.d x 1.e x 1.a) Para
Leia maisProduto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru
1 Produto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru Neste capítulo vamos considerar espaços vetoriais sobre K, onde K = R ou K = C, ou seja, os espaços vetoriais podem ser reais
Leia maisÁlgebra Linear I - Aula 6. Roteiro
Álgebra Linear I - Aula 6 1. Posições relativas e sistemas de equações. 2. Distância de um ponto a uma reta. 3. Distância de um ponto a um plano. Roteiro 1 Sistemas de equações lineares (posição relativa
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 maisMaterial Teórico - Módulo: Vetores em R 2 e R 3. Módulo e Produto Escalar - Parte 1. Terceiro Ano - Médio
Material Teórico - Módulo: Vetores em R 2 e R 3 Módulo e Produto Escalar - Parte 1 Terceiro Ano - Médio Autor: Prof. Angelo Papa Neto Revisor: Prof. Antonio Caminha M. Neto 1 Módulo de um vetor O módulo
Leia maisGeovan Tavares, Hélio Lopes e Sinésio Pesco PUC-Rio Departamento de Matemática Laboratório Matmidia
Álgebra Linear Computacional Geovan Tavares, Hélio Lopes e Sinésio Pesco PUC-Rio Departamento de Matemática Laboratório Matmidia http://www.matmidia.mat.puc-rio.br 1 Álgebra Linear Computacional - Parte
Leia mais1 Vetores no Plano e no Espaço
1 Vetores no Plano e no Espaço Definimos as componentes de um vetor no espaço de forma análoga a que fizemos com vetores no plano. Vamos inicialmente introduzir um sistema de coordenadas retangulares no
Leia maisDou Mó Valor aos Autovalores
1. Definições Preliminares Dou Mó Valor aos Autovalores 21ª Semana Olímpica Maceió, AL Prof. Davi Lopes Nível U Dada uma matriz quadrada A n n de entradas complexas, podemos definir os conceitos a seguir,
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 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 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 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 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 I - Aula 9. Roteiro
Álgebra Linear I - Aula 9 1. Distância entre duas retas. 2. A perpendicular comum a duas retas. 3. Posições relativas. Roteiro 1 Distância entre duas retas r e s Calcularemos a distância entre duas retas
Leia mais1 NOTAS DE AULA FFCLRP-USP - VETORES E GEOMETRIA ANALÍTICA. Professor Doutor: Jair Silvério dos Santos
FFCLRP-USP - VETORES E GEOMETRIA ANALÍTICA 1 NOTAS DE AULA Professor Doutor: Jair Silvério dos Santos (i) Matrizes Reais Uma matriz real é o seguinte arranjo de números reais : a 11 a 12 a 13 a 1m a 21
Leia maisG2 de Álgebra Linear I
G2 de Álgebra Linear I 2013.1 17 de Maio de 2013. Gabarito 1) Considere a transformação linear T : R 3 R 2 definida por: T (1, 1, 0) = (2, 2, 0), T (0, 1, 1) = (1, 0, 0) T (0, 1, 0) = (1, 1, 0). (a) Determine
Leia maisUniversidade Federal de Alagoas UFAL Centro de Tecnologia - CTEC Programa de Pós-Graduação em Engenharia Civil - PPGEC
Universidade Federal de Alagoas UFAL Centro de Tecnologia - CTEC Programa de Pós-Graduação em Engenharia Civil - PPGEC Introdução à Mecânica do Contínuo Tensores Professor: Márcio André Araújo Cavalcante
Leia maisAula 22 Produto vetorial, produto misto e volume
Aula 22 Produto vetorial, produto misto e volume MÓDULO 2 - AULA 22 Objetivos Definir o produto misto de três vetores no espaço a partir do cálculo de volumes de paralelepípedos. Exprimir o produto vetorial
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 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 maisEm todas as questões, está fixado um sistema ortogonal (O, i, j, k) com base ( i, j, k) positiva.
1 Em todas as questões, está fixado um sistema ortogonal (O, i, j, k) com base ( i, j, k) positiva a1q1: Sejam r uma reta, A e B dois pontos distintos não pertencentes a r Seja L o lugar geométrico dos
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 maisMATRIZES POSITIVAS DEFINIDAS
MATRIZES POSITIVAS DEFINIDAS Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 7 de novembro de 2011 Roteiro 1 2 3 Roteiro 1 2 3 Por que saber se uma matriz é definida positiva? Importância do sinal
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 maisMatrizes. Lino Marcos da Silva
Matrizes Lino Marcos da Silva lino.silva@univasf.edu.br Introdução Chamamos de matriz a uma tabela de elementos dispostos em linhas e colunas. Por exemplo, ao recolhermos os dados população, área e distância
Leia maisForma Canônica de Jordan para Operadores Lineares do Plano - Matrizes Reais 2 2
Forma Canônica de Jordan para Operadores Lineares do Plano - Matrizes Reais Sylvie Olison Kamphorst Departamento de Matemática - ICE - UFMG Versão 5. - Agosto Resumo O Teorema da Forma Canônica de Jordan
Leia maisÁlgebra Linear /2 Turma 11852
Álgebra Linear 2 202/2 Turma 852 Planejamento (última revisão: 26/0/202) Os exercícios correspondentes a cada aula serão cobrados oralmente na aula seguinte e valem nota Todas as referências e exercícios
Leia maisUniversidade Federal de Uberlândia Faculdade de Matemática
Universidade Federal de Uberlândia Faculdade de Matemática Universidade Federal de Uberlândia Faculdade de Matemática Disciplina : Geometria Analítica e Álgebra Linear - GCI004 Assunto: Espaços vetoriais
Leia mais. f3 = 4 e 1 3 e 2. f2 = e 1 e 3, g 1 = e 1 + e 2 + e 3, 2 g 2 = e 1 + e 2,
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-457 Álgebra Linear para Engenharia I Segunda Lista de Exercícios - Professor: Equipe da Disciplina EXERCÍCIOS 1. Dê a matriz de mudança
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 maisO Plano no Espaço. Sumário
17 Sumário 17.1 Introdução....................... 2 17.2 Equações paramétricas do plano no espaço..... 2 17.3 Equação cartesiana do plano............. 15 17.4 Exercícios........................ 21 1 Unidade
Leia mais