Diagonalização unitária e diagonalização ortogonal. (Positividade do produto interno) Raíz quadrada. Formas quadráticas.
|
|
- Sebastião de Figueiredo Galvão
- 6 Há anos
- Visualizações:
Transcrição
1 Aplicações: Diagonalização unitária e diagonalização ortogonal (Positividade do produto interno) Raíz quadrada Formas quadráticas Mínimos quadrados Produto externo e produto misto (Área do paralelogramo. Volume do paralelepípedo.) Matrizes elementares e factorização triangular
2 Diagonalização unitária e diagonalização ortogonal Considere-se o produto interno usual A M nn (C) A H A T A H H A (A + B) H A H +B H (AC) H C H A H A é hermitiana se A H A A é simétrica se A T A Se A M nn (R), A hermitiana, A simétrica Todos os valores próprios de uma matriz simétrica ou hermitiana são reais Se A fôr simétrica ou hermitiana então os vectores próprios associados a valores próprios distintos, são ortogonais Os subespaços próprios de A simétrica ou hermitiana são ortogonais entre si
3 Dem A M nn (C), A hermitiana. valor próprio de A e u vector próprio associado. u H Au. Então logo é real. Como Logo X ju i j P jui j R Sejam u e u vectores próprios associados a valores próprios distintos e. Então Como então u e u são ortogonais (Au ) H u u H u (Au ) H u u H u hu ; u i u H u 0
4 P é ortogonal : P T P, isto é, P P T I (as colunas de A T são uma base ortonormada de R n ) U é unitária : U H U, isto é, UU H I (as colunas de U H são uma base ortonormada de C n ) Se A M nn (R) A ortogonal, A unitária
5 A diz-se unitariamente diagonalizável se existir U H unitária e D diagonal tais que D UAU H isto é, se existir uma base o.n. de C n formada só por vectores próprios de A A diz-se ortogonalmente diagonalizável se existir P T ortogonal e D diagonal tais que D P AP T isto é, se existir uma base o.n. de R n formada só por vectores próprios de A
6 Teorema de Schur. Seja A uma matriz n n. Então, existe uma matriz unitária U H tal que UAU H é triangular superior (inferior). Dem. A demonstração será efectuada por indução em n. O resultado é óbvio para n. Suponhamos que a hipótese é válida para matrizes k k e seja A uma matriz (k + ) (k + ). Sejam um valor próprio de A e w um vector próprio associado de norma. Aplicando o método de ortogonalização de Gram-Schmidt, seja w ; : : : ; w k+ uma base ortonormada para C k+. Seja W H a matriz cuja coluna i é igual ao vector w i, para i ; : : : ; k +. Então, por construção, a matriz W H é unitária. Por outro lado, a primeira coluna de W AW H é igual a W Aw, tendo-se W Aw W w W w
7 e assim W AW H onde M é uma matriz k k. j j 0 j. j M 0 j ; Pela hipótese de indução, existe uma matriz kk unitária (V ) H tal que V M (V ) H T, onde T é uma matriz triangular superior. Seja V H Então V H é unitária e tem-se j 0 0 j 0 j. j (V ) H 0 j (V W ) A (V W ) H V W AW H V H.
8 j j 0 j. j V M (V ) H 0 j j j 0 j. j T 0 j T, onde T é uma matriz triangular superior. Como a matriz (V W ) H é unitária, pondo U H (V W ) H, tem-se UAU H T, com T triangular superior e U H unitária.
9 A " # valores próprios de A : e N (A I) L (f(; )g) N (A I) L (f(; )g) U H p p p p Gram-Schmidt UAU H T p p p p " # p p p p " 0 # {z } T
10 TEOREMA (triangularização) A M nn (C): Então existe U H unitária tal que UAU H é triangular superior (inferior). TEOREMA A é hermitiana ) A é unitariamente diagonalizável Dem. existe U H unitária tal que UAU H é triangular. Seja T UAU H. Logo T H T e como T é triangular então T é diagonal. A M nn (R) A é simétrica ) A é ortogonalmente diagonalizável A matriz P T é a matriz cujas colunas são os vectores próprios de A que formam uma base ortonormada de R n
11 A hermitiana ) A unitariamente diagonalizável (D UAU H ) A hermitiana : A unitariamente diagonalizável A simétrica, A ortogonalmente diagonalizável (D P AP T )
12 A é normal : A H A AA H (ou A T A AA T se A M nn (R)) fa : A é simétricag fa : A é normalg fa : A é ortogonalg fa : A é normalg fa : A é hermitianag fa : A é normalg fa : A é unitáriag fa : A é normalg A M nn (R) tal que A é normal com todos os valores próprios reais + A simétrica
13 Se A M nn (C) é normal tem-se para todo o u kauk A H u A normal ) A I normal e k(a I) uk (A I) H u A H I u Logo Au u ) A H u u
14 Os vectores próprios associados a valores próprios distintos, de uma matriz normal, são ortogonais Dem. Seja A M nn (C) tal que A é normal. Sejam ; valores próprios de A tais que e sejam v e v vectores próprios de A associados respectivamente a e. Tem-se Av v ) A H v v e Av v ) A H v v A H v H v v H v (v ) H v A H v H v (v ) H (Av ) (v ) H v Logo ( ) hv ; v i 0: Assim, como, tem-se hv ; v i 0:
15 A é normal, A é unitariamente diagonalizável Dem. ()) A normal, existe U H unitária e T triangular superior T tais que T UAU H. T T H T H T Logo T é normal. T t ij n n. As entradas das diagonais principais de T T H e T H T : jt j + jt j + jt j + + jt n j jt j jt j + jt j + + jt n j jt j + jt j jt nn j jt n j + jt n j + jt n j + + jt nn j e assim, t ij 0 sempre que i j. Logo T é diagonal e A é unitariamente diagonalizável..
16 (() A unitariamente diagonalizável. Sejam D diagonal e U H unitária tais que Logo D UAU H A U H DU AA H U H DD H U A H A U H D H D U DD H D H D j j j j j n j AA H A H A e assim A é normal.
17 A " + i i AA H " # A H A + i i # A é hermitiana A H A Logo A é normal A normal, A unitariamente diagonalizável existem uma matriz unitária U H (U H U matriz diagonal D tais que ) e uma det(a I) D UAU H. + i i os valores próprios de A são e e tem-se N (A I) L (f( i; )g) N (A I) L ( ) ( ), + i;.
18 Note-se que os vectores de N (A I) são ortogonais aos vectores de N (A I). Logo, uma base ortonormada de C formada só com vectores próprios de A pode ser: 8 < : k( i; )k ( i; ) ; + i; + 9 i; Logo e ( p p i; U H S Bvp!B c D p " 0 0! ; p + p p i # p i; p + p p p UAU H!) p i. ;
19 0 0 0 não é simétrica logo não é ortogonalmente diagonalizável. Mas: T T então é normal e como tal é unitariamente diagonalizável.
20 0 0 0 ip ip {z } D p p p p + p p i i p p i + p i p p p i + p p i + p i i p p p {z } U H
21 Positividade do produto interno Teorema. A M nn (R) simétrica. Então: A é de nida positiva, isto é, u T Au > 0 para todo o u 0,, todos os valores próprios de A são positivos Dem. Sendo A simétrica então A é ortogonalmente diagonalizável, isto é, existem D diagonal e P T ortogonal tais que D P AP T. Assim (u T Au > 0 para todo o u 0),, (u T P T DP u > 0 para todo o u 0),, ((P u) T D (P u) > 0 para todo o u 0),, (, (u T Du > 0 para todo o u 0), nx i (u i ) i > 0 para todo o u 0),, ( i > 0 para todo o i ; :::; n) onde ; :::; n são os valores próprios de A são positivos. Logo A é de nida positiva.
22 Raíz quadrada A M nn (R) tal que A é simétrica. Então, são equivalentes: (i) A é de nida positiva (u T Au > 0 8u 0) (ii) Existe existe uma "raíz quadrada" de A, isto é, existe uma matriz simétrica e de nida positiva B tal que A B isto é B A (iii) Existe uma matriz invertível S tal que A S T S
23 Sendo A simétrica e de nida positiva existem n matrizes simétricas B tais que B A No entanto existe uma única matriz simétrica e de nida positiva B; a "raíz quadrada" de A tal que escreve-se B A B p A
24 Dem. (i) ) (ii) Supondo que A é de nida positiva, vejamos que existe uma matriz simétrica de nida positiva B tal que A B. Como A é simétrica, então A é ortogonalmente diagonalizável, isto é, existe uma matriz ortogonal P tal que P AP T D n onde ; :::; n são os valores próprios de A, os quais são todos positivos por A ser de nida positiva, tendo-se com Assim D 0 D D 0 p p n A P T DP P T D 0 P P T D 0 P P T D 0 P B.
25 com B P T D 0 P simétrica: B T P T D 0 P T P T D 0 T P T T P T D 0 P B e de nida positiva uma vez que os valores próprios de P T D 0 P são os de D 0. (ii) ) (iii) Supondo que existe uma matriz simétrica de nida positiva B tal que A B, vejamos que existe uma matriz invertível S tal que A S T S: Como B é simétrica e de nida positiva, basta fazer S B para ter-se A B BB S T S com S simétrica e invertível uma vez que sendo B de nida positiva, 0 não é valor próprio de B.
26 (iii) ) (i) Supondo que existe uma matriz invertível S tal que A S T S, vejamos que A é de nida positiva, isto é, vejamos que para todo o u 0. Tem-se u T Au > 0; u T Au u T S T Su (Su) T Su ksuk > 0 para todo o u 0, uma vez que S é invertível. Exemplos Existem in nitas v u t" 0 0 # por exemplo t " s r r s com s; r; t N tais que t s +r (triplos pitagóricos) # Não existe v u t" #
27 A " # valores próprios de A: e vectores próprios associados a : L (f( ; )g) n f0g vectores próprios associados a : L (f(; )g) n f0g " 0 0 # p p p p " # p p p p B p p p p " p # p 0 0 p p p p " p p p p # + p p p p + p A B " p p p p # + p p p p + " #
28 valores próprios de A: 0 e base de R formada só por vectores próprios: 8 >< ( ; 0; ) ; ( ; ; 0) ; (; ; ) {z } >: N (A)nf0g {z } A {z } N (A 9 > I)nf0g >; {z } {z } P {z } D P p C {z } {z } A P p {z } D P
29 p A p {z } {z } P p {z } D P p p p p p p p p p
30 base ortogonal de R formada só por vectores próprios: 8 9 >< ( ; 0; ) ; ( ; ; 0) {z } >: N (A)nf0g ( ; 0; ) ; (; ; ) {z } N (A > I)nf0g>; f( ; 0; ) ; ( ; ; ) ; (; ; )g base ortonormada de R formada só por vectores próprios: 8 >< p p ; 0;! ; p p ; ; p {z } >: N (A)nf0g p A p p p p p 0 p p p {z } P T! ; p p p ; ; 9! > {z } N (A I)nf0g >; p p p p p p p p p p {z } {z } D P
31 p p p p p p p p p
32 Formas quadráticas Equação quadrática em duas variáveis x e y: ax + by + cxy + dx + ey + f 0 h i " a c x y c b # {z } A " x y (A real simétrica). Q : R! R, # + h d e i " x y # {z } u Q (u) u T Au ax + by + cxy + f 0 forma quadrática associada à equação quadrática Equação quadrática em n variáveis x ; x ; : : : ; x n : u T Au + Bu + 0 u M n (R), A a ij real simétrica n n, B M n (R) e escalar. Q : R n! R Q (u) u T Au n P i np j forma quadrática associada à equação quadrática a ij x j! x i
33 A real (simétrica) n n. A forma quadrática Q : R n! R é: Q (u) u T Au de nida positiva se u T Au > 0, para todo o u 0; de nida negativa se u T Au < 0, para todo o u 0; semide nida positiva se u T Au 0, para todo o u; semide nida negativa se u T Au 0, para todo o u; inde nida se existirem pontos onde u T Au seja positiva e pontos onde u T Au seja negativa.
34 A M nn (R), A simétrica. Então A é de nida positiva, todos os valores próprios de A são positivos; A é de nida negativa, todos os valores próprios de A são negativos; A é semide nida positiva, todos os valores próprios de A são não negativos; A é semide nida negativa, todos os valores próprios de A são não positivos; A é inde nida, A tem pelo menos um valor próprio positivo e outro negativo.
35 Em R u x y z A a d e d b f e f c B g h i ax +by +cz +dxy+exz+fyz+gx+hy+iz+ 0 À super cie resultante da equação anterior chama-se quádrica. Existem quatro tipos de quádricas não degeneradas: elipsóides, hiperbolóides (de uma ou duas folhas), cones e parabolóides (elípticos ou hiperbólicos). Em R : Cónica ou secção cónica é a curva plana obtida por meio de um corte efectuado por um plano relativamente a uma superfície cónica. As secções cónicas que se obtêm quando o plano que efectua o corte não passa pelo vértice da superfície cónica, são elipses (os valores próprios têm o mesmo sinal) (podendo ter-se circunferências: quando o corte é efectuado perpendicularmente ao eixo de simetria do cone), parábolas (um dos dois valores próprios é zero) e hipérboles (os dois valores próprios têm sinais contrários).
36 x + xy + y elipse Q(x; y) x + xy + y h x y i A " x y # h x y i P T DP " x y # h x 0 y 0 i D " x 0 y 0 # h x 0 y 0 i " 0 0 # " x 0 y 0 # x 0 + y 0 com " x y # P T " x 0 y 0 # A " # D " 0 0 # P P T p p p p cos sen sen cos
37 x + y elipse y x x + xy + y elipse y x
38 x y hipérbole y x x y parábola y x
39 Mínimos quadrados Au b A M mn (R), b R n bu R n é a melhor solução aproximada ou solução de mínimos quadrados de Au b se 8u R n kb Abuk kb Auk kb Abuk é o erro de mínimos quadrados Au C (A) para todo o u R n a distância kb isto é Auk é mínima se Au P C(A) (b) A T Au A T b é a equação normal associada a Au b.
40 (i) As soluções de mínimos quadrados do sistema linear Au b são as soluções da equação normal A T Au A T b: (ii) Se car A n então a equação normal A T Au A T b tem a solução única bu A T A A T b P C(A) (b) Abu A A T A A T b isto é, A A T A A T é a matriz que representa a projecção ortogonal P C(A). N (A) N A T A
41 (x ; y ) ; : : : ; (x m ; y m ), y a 0 + a x 8 >< >: y a 0 + a x. y m a 0 + a x m A x.. x m ; u se car A a equação normal x.. x m " a0 a # " a0 a #, b y. y m y. y m A T Au A T b tem como única solução de mínimos quadrados bu A T A A T b Assim, a recta de mínimos quadrados y a 0 + a x é a recta que torna mínimos os quadrados (y (a 0 + a x )) + +(y m (a 0 + a x m )) kb Abuk kb Abuk é o erro de mínimos quadrados
42 (x ; y ) ; : : : ; (x m ; y m ) y a 0 + a x + ::: + a n x n A 8 >< >: y a 0 + a x + + a n x n. y m a 0 + a x m + + a n x n m. x. x n. x m x n m. x. x n. x m x n m a 0 a. a n u a 0 a. a n y. y m b y. y m se car A n + e então a equação normal A T Au A T b tem como única solução de mínimos quadrados bu A T A A T b:
43 y + x é a recta de mínimos quadrados relativa aos pontos (0; ) ; (; ) ; (; ) e (; ) : A 0 b car A, a solução de mínimos quadrados é única: bu " a0 a # A T A A T b 0 " 0 # 0 C A " 0 # " kb Abuk v u t (y (a 0 + a x )) + (y (a 0 + a x )) + (y (a 0 + a x )) + (y (a 0 + a x )) s p.
44 Um produto interno em C ([a; b]) h; i : C ([a; b]) C ([a; b])! R (f; g)! hf; gi Z b a f (x) g (x) dx. Prova da positividade: hf; fi > 0 para toda a função não nula. Seja f C ([a; b]). Seja x 0 [a; b] tal que f (x 0 ) 0. Como f é contínua em [a; b], existe um intervalo I [a; b] tal que para todo o x I (f (x)) (f (x 0)). Logo Z b hf; fi (f a (x)) dx (f I (x)) dx (f (x 0)) ZI dx (f (x 0)) jij > 0 onde jij denota o comprimento do intervalo I. Z Z I (f (x 0 )) dx
45 Polinómio de Taylor versus Mínimos quadrados Z f (t) g (t) dt produto interno em C [ ; ] n ; t; t o base de U L n ; t; t o C [ ; ] Gram-Schmidt: n ; t; + t o base ortogonal de L n ; t; t o P U e t proj e t + proj t e t + proj +t e t e e + e t + e e + t Z +t e t dt Z +t dt + t e e + t
46 e t P U e t v Z u t e t e e + e t + e e + t dt r e e e + 9 : 9 0 Aproximação usando o polinómio de Taylor: e t + t + t v Z u t e t + t + t dt q sinh sinh : 9 8 0
47 Produto externo e produto misto Produto interno usual em R u (u ; u ; u ) ; v (v ; v ; v ) R O produto externo (vectorial) de u por v: u v (u v u v ; u v u v ; u v u v ) u u v v u u v v ; e e e e u u u v v v u u v v u u v v det ; e + u u v v e e e u u u v v v fe ; e ; e g é a base canónica de R! u u v v e u; v;w R e R. Então
48 (i) e e e (ii) e e e (iii) e e e (iv) u v (v u) (v) u (v + w) u v + u w (vi) (u + v) w u w + v w (vii) (u v) (u) v u (v) (viii) u 0 0 u 0 (ix) u u 0 (x) Se u e v forem linearmente dependentes, u v 0 (xi) u (v w) hu; wi v (xii) (u v) w hw; ui v hu; vi w hw; vi u (xiii) ku vk + hu; vi kuk kvk (xiv) u (v w) + w (u v) + v (w u) 0
49 Área do paralelogramo u (u ; u ; u ) ; v (v ; v ; v ) R n f0g [0; ] o ângulo entre u e v. Então A área do paralelogramo de lados adjacentes u e v: A (base)(altura) kuk kvk sen ku vk kuk kvk sen kuk kvk q cos kuk kvk q kuk kvk hu; vi v u t hu; vi kuk kvk r u + u + u v + v + v (u v + u v + u v ) q (u v u v ) + (u v u v ) + (u v u v ) k(u v u v ; u v u v ; u v u v )k ku vk
50 Área do triângulo de vértices (x ; y ) ; (x ; y ) e (x ; y ): det x y x y x y
51 Volume do paralelepípedo w (w ; w ; w ) ; u (u ; u ; u ) ; v (v ; v ; v ) R hw; u vi é o produto misto de u; v e w: hw; u vi det w w w u u u v v v Sendo o ângulo formado por w e u v, o volume do paralelepípedo com um vértice em (0; 0; 0) e arestas w, u, v, é dado por V ku vk {z } kwk jcos j {z } área da face determinada por u e v altura jhw; u vij det 0 w w w u u u v v v hu; u vi 0 hv; u vi 0 C A hu; v wi hu v; wi
52 Sendo V o volume do hiperparalelepípedo determinado por fw ; :::; w n g, tem-se V det h w w n i det h w w n i det h w w n i h i T det w w n det h i w w n det h w w n i T h w w n i Logo det det det (w ) T (w n ) T h w i C w n A (w ) T w (w ) T w n... (w n ) T w (w n ) T w n hw ; w i hw ; w n i... hw n ; w i hw n ; w n i V det G. C C A A det G.
53 A distância entre duas rectas disjuntas r e s não paralelas de nidas por: r fag + L fug e s fbg + L fvg é dada por: d (r; s) V A jhb a; u vij ku vk onde os vectores b a; u e v determinam o paralelepípedo cuja altura é a distância entre as duas rectas, V é o volume desse paralelepípedo e A é a área do paralelogramo que é a base do paralelepípedo.
54 Matrizes elementares e factorização triangular! L $L j 0 0 j j! j 0 0 j j j 0 0 j j j 0 0 j j
55 j 0 0 j j! L!L! j 8 j j j 0 0 j j j 8 j j
56 j 8 j j! L +L!L! j 0 0 j j j 8 j j j 0 0 j j
57 j 0 0 j j! L +L!L! j 0 0 j j j 0 0 j j j 0 0 j j 0
58 E () E ( ) E P j 0 0 j j j 0 0 j j 0
59 Matriz elementar é uma matriz do tipo n n obtida de I através de uma única operação elementar. A matriz de permutação P ij é a matriz elementar obtida por troca da linha i com a linha j de I. P ij i j
60 A matriz E i () é a matriz elementar obtida da matriz I através do produto do escalar 0 pela linha i da matriz I. E i () i A matriz E ij () é a matriz elementar obtida de I por soma da linha j com um múltiplo da linha i. Para i < j: E ij () i j
61 E ij (), com i < j, são matrizes triangulares inferiores E ij (), com i > j, são matrizes triangulares superiores Pij Pij (E i ()) E i () para 0 Eij () Eij ( )
62 As matrizes elementares do tipo são: P P " 0 0 # E () " 0 0 # E () " 0 0 # E () " 0 # E () " 0 #
63 ou A LU ou P A LU E ( )E ( )E () 0 {z } A {z } U A (E ()) E ( ) E ( ) )E ( {z ) 0 } L {z } U A E ( )E ( A {z } {z } L U
64 ou A LU ou P A LU E E ( ) P {z } A {z } U P P {z } L P A E () E P A {z } U {z } {z } L U
65 E P {z } A {z } U P P {z } L P A E {z } U P A {z } L {z } U
66 Factorização triangular Consequências do método de eliminação de Gauss A m n. Então ou A LU ou P A LU P é uma matriz de permutação L é triangular inferior com as entradas da diagonal principal todas iguais a U é uma matriz em escada Se A é nn e invertível então as factorizações anteriores são únicas e U é triangular superior e as entradas da diagonal principal são os pivots A invertível, (A produto de matrizes elementares) ("Outro" modo de calcular a inversa de uma matriz invertível)
67 Teorema. A M nn (R). São equivalentes: (i) A é igual ao produto de matrizes elementares (ii) A é invertível (iii) Au 0 tem apenas a solução trivial u 0 (iv) Au b tem solução única u para cada b R n (v) car A n (vi) nul A 0 (vii) det A 0 (Num próximo capítulo) (viii) A T A é invertível (ix) N (A) f0g
68 (x) As colunas de A geram R n (xi) As colunas de A são independentes (xii) As colunas de A formam uma base de R n (xiii) As linhas de A geram R n (xiv) As linhas de A são independentes (xv) As linhas de A formam uma base de R n (xvi) A transformação linear T : R n! R n de nida por T (u) Au, para u R n, é sobrejectiva. (xvii) A transformação linear T : R n! R n de nida por T (u) Au, para u R n, é injectiva. (xviii) A transformação linear T : R n! R n de nida por T (u) Au, para u R n, é bijectiva.
69 (xix) A transformação linear T : R n! R n de nida por T (u) Au, para u R n, é invertível. (xx) 0 não é valor próprio de A. (xxi) (N (A))? R n. (xxii) (L (A))? f0g.
Diagonalização unitária e diagonalização ortogonal. (Positividade do produto interno) Raíz quadrada. Formas quadráticas.
Aplicações: Diagonalização unitária e diagonalização ortogonal (Positividade do produto interno) Raíz quadrada Formas quadráticas Mínimos quadrados Produto externo e produto misto (Área do paralelogramo.
Leia maisMínimos quadrados. A 2 M mn (R), b 2 R m. Como Au 2 C (A) para todo o u 2 R n e
Mínimos quadrados Au b A M mn (R), b R m Como Au C (A) para todo o u R n e b P C(A) (b) kb Auk, u R n é a melhor solução aproximada ou solução de mínimos quadrados de Au b se u veri car Au P C(A) (b) kb
Leia maisFormas quadráticas. x y. forma quadrática associada à equação quadrática. real simétrica n n, B 2 M 1n (R) e escalar.
Formas quadráticas Equação quadrática em duas variáveis x e y: ax + by + cxy + dx + ey + f 0 h i a c x y c b A x y (A real simétrica). Q : R! R, + h d e i x y u Q (u) u T Au ax + by + cxy + f 0 forma quadrática
Leia maisDiagonalização unitária e diagonalização ortogonal. Observação. Neste capítulo considera-se o produto interno
Diagonalização unitária e diagonalização ortogonal Observação. Neste capítulo considera-se o produto interno usual. De nição. Chama-se transposta conjugada de uma matriz A à matriz A T e denota-se por
Leia maisProdutos internos (Axiomas) com R e com C. Matriz de Gram G B. Duas Desigualdades: Cauchy-Schwarz e triangular. e v.
Produtos internos (Axiomas) com R e com C Matriz de Gram G B Norma de u: kuk = q hu; ui Duas Desigualdades: Cauchy-Schwarz e triangular Ângulo entre u 6=0 e v 6=0 : = arccos hu;vi kukkvk Projecção ortogonal
Leia maisExercícios de Álgebra Linear 2 o Semestre 2008/2009 LEIC, LEGM, LMAC, MEFT, MEBiom e MEC
Exercícios de Álgebra Linear o Semestre 008/009 LEIC, LEGM, LMAC, MEFT, MEBiom e MEC João Ferreira Alves/Ricardo Coutinho Sistemas de Equações Lineares e Matrizes Exercício Resolva por eliminação de Gauss
Leia maisEXERCÍCIOS DE ÁLGEBRA LINEAR
IST - 1 o Semestre de 016/17 MEBiol, MEAmbi EXERCÍCIOS DE ÁLGEBRA LINEAR FICHA - Vectores e valores próprios 1 1 Vectores e valores próprios de transformações lineares Dada uma transformação linear T V!
Leia maisEspaços vectoriais com produto interno. ALGA 2008/2009 Mest. Int. Eng. Electrotécnica e de Computadores Espaços vectoriais com produto interno 1 / 19
Capítulo 6 Espaços vectoriais com produto interno ALGA 2008/2009 Mest. Int. Eng. Electrotécnica e de Computadores Espaços vectoriais com produto interno 1 / 19 Definição e propriedades ALGA 2008/2009 Mest.
Leia maisÁlgebra Linear. 8 a Lista: a) Use o processo de ortogonalização de Gram Schmidt para construir uma base ortonormada para W.
Álgebra Linear Cursos: Química, Engenharia Química, Engenharia de Materiais, Engenharia Biológica, Engenharia do Ambiente 1 ō ano/1 ō Semestre 2006/07 8 a Lista: Nos exercícios em que n~ao se especifica
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 maisProduto interno no espaço vectorial R n
ALGA - Eng.Civil e Eng. Topográ ca - ISE - 00/0 - Produto Interno Produto interno no espaço vectorial R n A noção de produto interno (ou escalar) de vectores foi introduzida no ensino secundário, para
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 maisMatriz de mudança de coordenadas: S B1!B 2. (como se faz e para que serve) transformação linear. (como se faz e para que serve)
Matriz de mudança de coordenadas: S B!B (como se faz e para que serve) Transformação linear A matriz de T em relação às bases B e B 0 : M(T ; B; B 0 ) (como se faz e para que serve) As 3 formas (equivalentes)
Leia maisProduto interno no espaço vectorial R n
ALGA - 00/0 - Produto interno 8 Produto interno no espaço vectorial R n A noção de produto interno de vectores foi introduzida no ensino secundário, para vectores de R e R : Neste capítulo generaliza-se
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 maisAulas Teóricas de Álgebra Linear
Aulas Teóricas de Álgebra Linear Instituto Superior Técnico - o Semestre 009/00 MEAmbi - MEBiol Matrizes De nição Uma matriz A, do tipo m n (m por n), é uma tabela de mn números dispostos em m linhas e
Leia maisInstituto Superior Técnico - Álgebra Linear - 1 o Semestre 2016/2017 LEIC-A 5 a Ficha de exercícios para as aulas de problemas
Instituto Superior Técnico - Álgebra Linear - o Semestre 0/0 LEIC-A a Ficha de exercícios para as aulas de problemas Classi que quanto à paridade as seguintes permutações de números de a : () () () (iv)
Leia maisAvaliação e programa de Álgebra Linear
Avaliação e programa de Álgebra Linear o Teste ( de Março): Sistemas de equações lineares e matrizes. Espaços lineares. o Teste ( de Maio): Matriz de mudança de base. Transformações lineares. o Teste (
Leia maisApontamentos das Aulas Teóricas de Álgebra Linear. LEAN - LEMat - MEAer - MEAmbi - MEEC - MEMec. Nuno Martins. Departamento de Matemática
Apontamentos das Aulas Teóricas de Álgebra Linear para LEAN - LEMat - MEAer - MEAmbi - MEEC - MEMec Nuno Martins Departamento de Matemática Instituto Superior Técnico Fevereiro de 0 Índice Sistemas de
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 maisValores e vectores próprios
ALGA - Eng Civil e EngTopográ ca - ISE - / - Valores e vectores próprios 5 Valores e vectores próprios Neste capítulo, sempre que não haja especi cação em contrário, todas as matrizes envolvidas são quadradas
Leia maisProduto interno no espaço vectorial R n
ALGA - 008/09 - Produto interno 8 Produto interno no espaço vectorial R n A noção de produto interno de vectores foi introduzida no ensino secundário, para vectores de R e R : Neste capítulo generaliza-se
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 maisSebenta de exercícios de Álgebra Linear e Geometria Analítica. Curso: Eng. Topográ ca
Sebenta de exercícios de Álgebra Linear e Geometria Analítica Curso: Eng. Topográ ca Ano Lectivo 009/010 4 de Setembro de 009 (Versão: 1.0) Índice Notações e terminologia ii 1 Revisão sobre noções elementares
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 maisÁLGEBRA LINEAR A FICHA 6. Por definição do determinante de uma matriz 3 3, tem-se det A = 7.
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Última actualização: 20/Nov/2003 ÁLGEBRA LINEAR A FICHA 6 SOLUÇÕES SUMÁRIAS DOS EXERCÍCIOS ÍMPARES Propriedades dos Determinantes
Leia maisAlgumas Aplicações de Álgebra Linear. Análise de Redes (Network) Fluxo de Trânsito. Circuitos Eléctricos. Equilíbrio de Equações Químicas
Algumas Aplicações de Álgebra Linear Análise de Redes (Network) Fluxo de Trânsito Circuitos Eléctricos Equilíbrio de Equações Químicas Interpolação Polinomial Estudo de Modelos Económicos Compressão de
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 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 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 mais10 a Lista de Exercícios
Álgebra Linear Licenciaturas: Eng. Biológica, Eng. Ambiente, Eng. Química, Química 1 ō ano 2004/05 10 a Lista de Exercícios Problema 1. Decida quais das expressões seguintes definem um produto interno.
Leia maisESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA TÓPICOS DE RESOLUÇÃO do Teste Final 2012/2013
ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA TÓPICOS DE RESOLUÇÃO do Teste Final 0/0 A) B) C) D) [,0]. Considere as seguintes a rmações: I. ~x
Leia maisa(ab)=(aa)b=a(ab) (A+B) T =A T +B T
A,B,C (matrizes) a,b,k,λ%-t. n%0 D,F,G (matrizes n n) determinante: det D transposto: D T E (matriz elementar n n) A matriz D é uma matriz elementar se pode ser obtida a partir da matriz identidade de
Leia maisProduto interno, externo e misto de vectores
MTDI I - 00/08 - Produto Interno Produto interno, externo e misto de vectores A noção de produto interno (ou escalar) de vectores foi introduzida no ensino secundário, para vectores com duas ou três coordenadass.
Leia mais21 e 22. Superfícies Quádricas. Sumário
21 e 22 Superfícies uádricas Sumário 21.1 Introdução....................... 2 21.2 Elipsoide........................ 3 21.3 Hiperboloide de uma Folha.............. 4 21.4 Hiperboloide de duas folhas..............
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 2007/2008 Mest. Int. Eng. Electrotécnica e de Computadores Aplicao do Captulo VI 1 / 12
Aplicação do Capítulo VI à Classificação de Cónicas e Quádricas ALGA 007/008 Mest. Int. Eng. Electrotécnica e de Computadores Aplicao do Captulo VI 1 / 1 A diagonalização de matrizes simétricas reais pode
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 maisProblemas de Álgebra Linear
Problemas de Álgebra Linear Curso: Engenharia Aeroespacial o Semestre 203/204 Prof Paulo Pinto http://wwwmathistutlpt/ ppinto/ Conteúdo Sistemas de equações lineares e álgebra matricial Álgebra de matrizes
Leia maisMultiplicidade geométrica
Valores e Vectores Próprios - ALGA - /5 Multiplicidade geométrica Chama-se multiplicidade geométrica de um valor próprio ao grau de indeterminação do sistema (A I n ) X : O grau de indeterminação de corresponde
Leia maisValores próprios (de uma matriz): tais que det(a I) = 0. Vectores próprios (de uma matriz) associados a um valor próprio : v 2 N (A I)n f0g
Polinómio característico: det(a I) Valores próprios (de uma matriz): tais que det(a I) Vectores próprios (de uma matriz) associados a um valor próprio : v N (A I)n fg N (A I) é o subespaço próprio associado
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 maisCARGA HORÁRIA SEMANAL: 06 horas
PLANO DE ENSINO DE DISCIPLINA UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE MATEMÁTICA DISCIPLINA: Geometria Analítica e Álgebra Linear CÓDIGO: MAT 135 DURAÇÃO
Leia maisEspaços vectoriais reais
ALGA - 00/0 - Espaços Vectoriais 49 Introdução Espaços vectoriais reais O que é que têm em comum o conjunto dos pares ordenados de números reais, o conjunto dos vectores livres no espaço, o conjunto das
Leia maisIntrodução à Geometria
Introdução à Geometria - 2007-2008 Algumas noções 1. Norma de um vector Seja E um espaço vectorial real de dimensão finita E munido de um produto interno (u, v) u v. Dado um vector v E chama-se norma ou
Leia maisÁlgebra Linear. Curso: Engenharia Electrotécnica e de Computadores 1 ō ano/1 ō S 2006/07
Álgebra Linear Curso: Engenharia Electrotécnica e de Computadores ō ano/ ō S 6/7 a Lista: SISTEMAS DE EQUAÇÕES LINEARES E ÁLGEBRA DE MATRIZES Sistemas de equações lineares. Quais das seguintes equações
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 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 maisCARGA HORÁRIA SEMANAL: 06 horas
PLANO DE ENSINO DE DISCIPLINA UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE MATEMÁTICA DISCIPLINA: Geometria Analítica e Álgebra Linear CÓDIGO: MAT 135 DURAÇÃO
Leia maisCARGA HORÁRIA SEMANAL: 06 horas
PLANO DE ENSINO DE DISCIPLINA UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE MATEMÁTICA DISCIPLINA: Geometria Analítica e Álgebra Linear CÓDIGO: MAT 135 DURAÇÃO
Leia maisSebenta de exercícios de Álgebra Linear
Sebenta de exercícios de Álgebra Linear Curso: Eng. a do Ambiente Ano Lectivo 006/007 7 de Setembro de 006 (Versão: 1.0) Conteúdo Notações e terminologia ii 1 Introdução 1 1.1 Noções elementares sobre
Leia maisTEOREMA ( Propriedades das operações matriciais)
TEOREMA ( Propriedades das operações matriciais) Supomos as dimensões das matrizes A, B, C tais que as operações abaixo consideradas estão bem definidas. Temos então: I. A+B=B+A (comutatividade da soma
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 maisALGA - Eng. Civil e Eng. Topográ ca - ISE / Matrizes 1. Matrizes
ALGA - Eng. Civil e Eng. Topográ ca - ISE - 011/01 - Matrizes 1 Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n (m vezes n ou m por n) a uma aplicação A : f1; ; :::;
Leia maisMatrizes - ALGA /05 1. Matrizes
Matrizes - ALGA - 004/0 1 Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n a uma função A de nida no conjunto f(i; j) : i f1; ; :::; mg e j f1; ; :::; ngg e com valores
Leia maisTESTE FINAL DE ÁLGEBRA LINEAR 18 de Janeiro de 2017 Instituto Superior Técnico - Engenharia Aeroespacial
TESTE FINAL DE ÁLGEBRA LINEAR 18 de Janeiro de 2017 Instituto Superior Técnico - Engenharia Aeroespacial Nome: Número: O que vai fazer? Só T1+T2 Só T3 T1+T2 e T3 Problema a b c d lalala Problema a b c
Leia maisÁlgebra Linear. Curso: Engenharia Electrotécnica e de Computadores 1 ō ano/1 ō S 2006/07
Álgebra Linear Curso: Engenharia Electrotécnica e de Computadores 1 ō ano/1 ō S 006/07 5 a Lista: Ortogonalidade Nos exercícios em que n~ao é especificado o produto interno, considere o produto interno
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 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 maisMatrizes - Matemática II /05 1. Matrizes
Matrizes - Matemática II - 00/0 1 Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n a uma função A de nida no conjunto f(i; j) i f1; ; ; mg e j f1; ; ; ngg e com valores
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 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 maisUNIVERSIDADE FEDERAL DE VIÇOSA DEPARTAMENTO DE MATEMÁTICA LISTA DE EXERCÍCIOS DE MAT243-CÁLCULO III
UNIVERSIDADE FEDERAL DE VIÇOSA DEPARTAMENTO DE MATEMÁTICA LISTA DE EXERCÍCIOS DE MAT243-CÁLCULO III Capítulo 1 Vetores no Rn 1. Sejam u e v vetores tais que e u v = 2 e v = 1. Calcule v u v. 2. Sejam u
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 maisMatemática II /06 - Matrizes 1. Matrizes
Matemática II - 00/0 - Matrizes Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n (m vezes n ou m por n) a uma função A : f; ; :::; mg f; ; :::; ng R: (i; j) A (i; j)
Leia maisMétodo de eliminação de Gauss
Matrizes - Matemática II - 00/0 Método de eliminação de Gauss Seja A = [a ij ] uma matriz de tipo m n. a FASE - ELIMINAÇÃO DESCENDENTE Esta fase permite obter uma matriz em forma de escada a partir da
Leia maisficha 5 transformações lineares
Exercícios de Álgebra Linear ficha 5 transformações lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 5 Notação
Leia maisCálculo Diferencial e Integral 2 Formas Quadráticas
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Cálculo Diferencial e Integral 2 Formas Quadráticas 1 Formas quadráticas Uma forma quadrática em R n é um polinómio do
Leia maisProblemas de Álgebra Linear
Problemas de Álgebra Linear Cursos: MEBiol e MEBiom o Semestre 208/209 Prof Paulo Pinto http://wwwmathtecnicoulisboapt/ ppinto/ Conteúdo Sistemas de equações lineares e álgebra matricial (2 aulas) Álgebra
Leia maisExercícios de Geometria Analítica - CM045
Exercícios de Geometria Analítica - CM045 Prof. José Carlos Corrêa Eidam DMAT/UFPR Disponível no sítio people.ufpr.br/ eidam/index.htm 1o. semestre de 2011 Parte 1 Soma e produto escalar 1. Seja OABC um
Leia maisEXERCÍCIOS DE ÁLGEBRA LINEAR
IST - o Semestre de / MEEC EXERCÍCIOS DE ÁLGEBRA LINEAR FICHA - Método de Eliminação de Gauss Sistemas de equações lineares Uma equação linear nas variáveis (ou incógnitas) x ; ; x n ; é uma equação do
Leia maisMatemática- 2008/ Se possível, dê exemplos de: (no caso de não ser possível explique porquê)
Matemática- 00/09. Se possível, dê exemplos de (no caso de não ser possível explique porquê) (a) Uma matriz do tipo ; cujos elementos principais sejam 0. (b) Uma matriz do tipo ; cujo elemento na posição
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. Cursos: Química, Engenharia Química, Engenharia de Materiais,Engenharia Biológica, Engenharia do Ambiente 1 ō ano/1 ō Semestre 2006/07
Álgebra Linear Cursos: Química, Engenharia Química, Engenharia de Materiais,Engenharia Biológica, Engenharia do Ambiente ō ano/ ō Semestre 2006/07 a Lista: SISTEMAS DE EQUAÇÕES LINEARES E ÁLGEBRA DE MATRIZES
Leia maisEsmeralda Sousa Dias. (a) (b) (c) Figura 1: Ajuste de curvas a um conjunto de pontos
Mínimos quadrados Esmeralda Sousa Dias É frequente ser necessário determinar uma curva bem ajustada a um conjunto de dados obtidos experimentalmente. Por exemplo, suponha que como resultado de uma certa
Leia maisCálculo II - Superfícies no Espaço
UFJF - DEPARTAMENTO DE MATEMÁTICA Cálculo II - Superfícies no Espaço Prof. Wilhelm Passarella Freire Prof. Grigori Chapiro 1 Conteúdo 1 Introdução 4 2 Plano 6 2.1 Parametrização do plano...................................
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 maisPROBLEMAS DE ÁLGEBRA LINEAR
PROBLEMAS DE ÁLGEBRA LINEAR P. FREITAS Conteúdo. Números complexos. Sistemas de equações; método de eliminação de Gauss 3. Operações com matrizes 3 4. Inversão de matrizes 4 5. Característica e núcleo
Leia maisParábolas com vértice no ponto V=(h,k)
Secções Cónicas As secções cónicas, também chamadas cónicas, são obtidas interceptando um cone circular recto de duas folhas por um plano Variando a posição do plano obtêm-se uma elipse, uma parábola ou
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 mais3. Algumas classes especiais de superfícies
3. ALGUMAS CLASSES ESPECIAIS DE SUPERFÍCIES 77 3. Algumas classes especiais de superfícies Nesta secção descrevemos algumas das classes de superfícies mais simples. Superfícies quádricas As superfícies
Leia maisFicha de Trabalho 06 e 07
Ficha de rabalho 06 e 07 Produto Interno. (Aulas 1 a 18). Produto interno em R n. Vectores livres: Ângulo de dois vectores. Vectores ortogonais. Vectores em R n : Produto interno. Norma. Desigualdade de
Leia maisGEOMETRIA Exercícios
GEOMETRIA Exercícios Mestrado em Educação - DMFCUL 00/003 1. Determine a equação da circunferência com centro (, 1 e raio 3.. Determine os pontos de intersecção da recta y = com a circunferência do exercício
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 maisMatrizes hermitianas e unitárias
Matrizes hermitianas e unitárias Amit Bhaya, Programa de Engenharia Elétrica COPPE/UFRJ Universidade Federal do Rio de Janeiro amit@nacad.ufrj.br http://www.nacad.ufrj.br/ amit Matrizes complexas O produto
Leia 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 maisSECÇÕES CÔNICAS E SUPERFÍCIES QUÁDRICAS Prof. Vasco Ricardo Aquino da Silva
SECÇÕES CÔNICAS E SUPERFÍCIES QUÁDRICAS Prof. Vasco Ricardo Aquino da Silva SECÇÕES CÔNICAS Usando o programa winplot visualize as cônicas disponíveis em nosso AVA Moodle. 1. Elementos da Elipse: F1, F2:
Leia maisUNIVERSIDADE FEDERAL DE ALAGOAS INSTITUTO DE MATEMÁTICA Aluno(a): Professor(a): Curso:
5 Geometria Analítica - a Avaliação - 6 de setembro de 0 Justique todas as suas respostas.. Dados os vetores u = (, ) e v = (, ), determine os vetores m e n tais que: { m n = u, v u + v m + n = P roj u
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 maisMAT-27 Lista-09 Outubro/2011
MAT-27 Lista-09 Outubro/2011 1. Determinar, se possível, uma matriz M M 2 (R) de maneira que M 1 AM seja diagonal nos seguintes casos: [ ] 2 4 (a) 3 13 [ ] 3 2 2 1 2. Achar uma matriz diagonal semelhante
Leia maisProduto interno, externo e misto
Produto interno, externo e misto Definição: Chama-se norma (ou comprimento) do vector u ao comprimento do segmento de recta [OP ] e representa-se por u. Definição: Sejam a = OA e b = OB dois vectores não
Leia maisTÓPICOS. Valores e vectores próprios. Equação característica. Matrizes semelhantes. Matriz diagonalizável. Factorização PDP -1
Note bem: a leitura destes apontamentos não dispensa de modo algum a leitura atenta da bibliografia principal da cadeira Chama-se a atenção para a importância do trabalho pessoal a realizar pelo aluno
Leia maisÁlgebra Linear e Geometria Analítica
Álgebra Linear e Geometria Analítica Engenharia Electrotécnica Escola Superior de Tecnologia de Viseu wwwestvipvpt/paginaspessoais/lucas lucas@matestvipvpt 007/008 Álgebra Linear e Geometria Analítica
Leia 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 maisÁlgebra Linear (MAT-27) Ronaldo Rodrigues Pelá. 21 de outubro de 2011
APLICAÇÕES DA DIAGONALIZAÇÃO Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 21 de outubro de 2011 Roteiro 1 2 3 Roteiro 1 2 3 Introdução Considere a equação de uma cônica: Forma Geral Ax 2 + Bxy
Leia maisSistemas de equações lineares
Matemática II - / - Sistemas de Equações Lineares Sistemas de equações lineares Introdução Uma equação linear nas incógnitas ou variáveis x ; x ; :::; x n é uma expressão da forma: a x + a x + ::: + a
Leia maisMatemática /09 - Produto Interno 32. Produto Interno
Matemática - 2008/09 - Produto Interno 32 Produto Interno A noção de produto interno (ou escalar) de vectores foi introduzida no ensino secundário, para vectores com duas ou três coordenadass. Neste capítulo
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 mais