Summary. Espaços Vetoriais. Hector L.Carrion ECT-UFRN. fevereiro, 2012
|
|
- Andreia Lima Quintão
- 6 Há anos
- Visualizações:
Transcrição
1 Summary Espaços Vetoriais Hector L. Carrion ECT-UFRN fevereiro, 2012
2 Summary Dependencia Linear 1 Definição de E. V. 2 Subespaço 3 Dependencia Linear 4 Base e Dimensão 5 Produto interno 6 Espaço Vetorial Euclidiano 7 Ortonormalidade Ortonormalidade processo de ortonormalização ortogonal 12
3 Summary Dependencia Linear 1 Definição de E. V. 2 Subespaço 3 Dependencia Linear 4 Base e Dimensão 5 Produto interno 6 Espaço Vetorial Euclidiano 7 Ortonormalidade Ortonormalidade processo de ortonormalização ortogonal 12
4 definição Dependencia Linear Um espaço vetorial é uma estrutura (E,+,.) formada por um conjunto E,cujos elementos são chamados vetores, no qual estão definidos duas operações A adição(+) e A multiplicação por um escalar (.). - A adição, que a cada par de vetores u,v E faz corresponder um novo elemento z = u +v, E, chamado a soma de u e v, - A multiplicação por um escalar, que a cada número(escalar) a R e a cada vetor v E faz corresponder um vetor av, chamado o produto de a por v
5 axiomas Dependencia Linear A 1 comutatividade: u + v = v + u; A 2 associatividade: ( u + v) + w = u + ( v + w), e (a. b).v = a.(b.v); A 3 vetor nulo: existe um vetor 0 E, chamado vetor nulo, ou vetor zero, /v + 0 = 0+v = v, v E; A 4 inverso aditivo: para cada vetor v E existe um vetor v E, chamado o inverso aditivo, ou o simétrico de v, tal que v +v = v +( v) = 0; A 5 distributividade: (a+b).v = a.v +b.v, e a.(u+v) = a.u+a.v; A 6 multiplicação por 1: 1.v = v.
6 Exemplo 1 Seja R 3 o espaço vetorial euclideano 3-dimensional. Um elemento de R 3 é o vetor u = (u 1,u 2,u 3 ), outro elemento pode ser o vetor w = (w 1,w 2,w 3 ). Os números u 1,u 2,u 3 são chamados de coordenadas do vetor u (ou componentes). Com as duas operações definidas no espaço vetorialr 3 u +w = (u 1 +w 1,u 2 +w 2,u 3 +w 3 ) αv = (αv 1,αv 2,αv 3 ), mostre que o espaço R 3 é um espaço vetorial. Exemplo 2 Seja P n o conjunto dos polinomios de grau menor ou igual a n. P n = {a 0 +a 1 x+a 2 x a n 1 x n 1 +a n x n ; a i R} O conjunto P n junto com as operações usuais de adição de polinômios e multiplicação por um escalar, é um espaço vetorial. Analise o casso particular P 2
7 exercicios Dependencia Linear 1 Seja M n m (R) o conjunto de todas as matrizes de ordem n m. Se A = [a ij ],B = [b ij ],A,B M, mostre que ele se torna um espaço vetorial quando nele se define as seguinte operações A+B = [a ij +b ij], αa = [αa ij]. 2 Demonstre que o inverso aditivo u de u é único. 3 Seja V[ o primeiro ] quadrante do plano xy, x V = {, x 0,y 0}. y a) se u V,w V, u +w V?. b) αw V? para qualquer α real? V é espaço vetorial?.
8 exercicios Dependencia Linear Demonstre usando os axiomas do espaço vetorial V, que 0u = 0, u V, 0 é o escalar zero, 0 é o vetor nulo do espaço vetorial. Quaisquer que sejam v,w E, existe um único u E tal que v +u = w (dica: utilize a propriedade 3, da nota de aula). Verifique se o conjunto de pares ordenados (x,y) do plano R 2 (+, ), com as seguintes operações (x,y)+(x,y ) = (x +x,y +y ), k (x,y) = (k 2 x,k 2 y), é um espaço vetorial. ( ) a 0 Verifique se o conjunto de matrizes da forma munido das 0 b operações usuais de soma de matrizes e multiplicação de matrizes por um escalar, é um espaço vetorial. a,b R.
9 exercicios.. Dependencia Linear seja C o espaço dos números complexos. Um elemento deste espaço é z tal que z = a+bi; z C, a,b R. a é a parte real de z, e b é a parte imaginária de z,i 2 = 1. Então considerando as seguintes operações z 1 +z 2 = (a 1 +b 1)+i(a 2 +b 2) αz 1 = αa 1 +αb 1i mostre que o espaço dos números complexos C forma um espaço vetorial. Em R 2 mantenhamos a definição de produto av de um numero por um vetor mais modifiquemos a definição de soma u +v dos vetores u = (x,y),v = (x,y ). Em cada tentativa dizer quais axiomas do espaço vetorial continuam validos e quais são violados. u +v = (xx,yy ) u +v = (3x +3x,5y +5y )
10 Demonstrar que 0.u = 0, sendo u, 0, E, 0 R. demonstração. u +0.u = 1.v +0.u A 6 = (1+0)u A 5 = 1.u A 6 u +0.u = u A 3 0.u = 0, o.q.q.d. Demonstrar que, dado um vetor v E, o elemento neutro 0 é unico. Demonstrar que se w +u = w +v, então u = v.
11 Seja X o conjunto não-vazio qualquer, poderia ser por exemplo, os números reais R. Seja F(X,R) o conjunto de todas as funções reais f,g : X R. Ele se torna um espaço vetorial quando se definem a soma f +g de funções e o produto βf do número β pela função f de maneira natural, como segue: (f +g)(x) = f(x)+g(x), (βf)(x) = β.f(x) Seja E = R 2, e S = {(x,y),y > 0}, isto é sub-conjunto de vetores de E = R 2. Considere as operações usuais de soma de vetores u +v = (x 1,y 1 )+(x 2,y 2 ) = (x 1 +x 2,y 1 +y 2 ), e a multiplicação usual de um escalar real β por um vetor v = (x 1,y 1 ) como segue βu = (βx 1,βy 1 ). Prove que S com esas duas operações básicas não é um espaço vetorial.
12 Summary Dependencia Linear 1 Definição de E. V. 2 Subespaço 3 Dependencia Linear 4 Base e Dimensão 5 Produto interno 6 Espaço Vetorial Euclidiano 7 Ortonormalidade Ortonormalidade processo de ortonormalização ortogonal 12
13 Definição Dependencia Linear É possivel um espaço vetorial estar contido em outro espaço vetorial. Seja E um espaço vetorial, um subespaço vetorial de E ou simplesmente subespaço é um subconjunto F E com as seguintes propriedades: 1 0 F. 2 Se u,w F então, u +w F 3 Se v F então, α R,αv F Exemplo 1 Seja E = R 2, e v 0, v E, mostrar que F = {αv, α R} é um subespaço vetorial de E. definição. Uma matriz quadrada A = [A ij ] chama-se simetrica (anti-simetrica) quando A ij = A ji (A ij = A ji ).
14 Soma direta Dependencia Linear Exemplo 2 Prove que S = {conjuntodematrizessimétricas} é um subespaço vetorial do conjunto de matrizes quadradas gerais do tipo M n n. De forma similar, prove que S = {conjuntodematrizesanti simétricas} é um subespaço vetorial do conjunto de matrizes quadradas gerais do tipo M n n Propriedade Seja E um espaço vetorial, e E 1 E, E 2 E, onde E 1,E 2 são subespaços vetoriais de E. A interseção S = E 1 E 2 definido assim S = {v E /v E 1,v E 2 } (1) é um espaço vetorial. Definição Se E 1 E, E 2 E, e se S = E 1 E 2 = {0}, (tendo apenas 0 como elemento comun). w E,w = v 1 +v 2, de modo único. Onde v 1 E 1,v 2 E 2. Então se escreve assim E 1 E 2 = E, diz-se E é a soma direta de E 1 e E 2
15 Exercícios Dependencia Linear 1 Seja E = R 3 e F = {(x,y,z) R 3 ax +by +cz = 0;a,b,c escalares constantes.} Mostre que F é subespaço de E. 2 Seja E = R 4. Mostre que F = {(x,y,z,0);x,y,z R} é um subespaço de E. 3 Dado E = R 2, mostre que F = {(x,y),x > 0} não é subespaço de E. 4 Seja R 3 = {(a,b,c);a,b,c R}, considerando Mostre que R 3 = E 1 E 2. E 1 = {(a,b,0);a,b R}, E 2 = {(0,0,c);c R.}
16 1 Seja s 1 = {(0,x,y), x,y R};s 2 = {(x,0,y), x,y R}; então S = s 1 s 2 não é um espaço vetorial, falso verdadeiro?. 2 Determine se os seguintes subconjuntos são subespaços de R 3 a) todos os vetores da forma (a; 1; 1). b) todos os vetores da forma (a; b; c); b = a + c. 3 Seja M 2x2 o conjunto de matrizes com entradas todas reais de ordem 2 2. Determine se as matrizes quadradas com det(a) = 0, forman um subespaço de M 2x2. 4 Seja P 3 o conjunto de todos os polinomios da grau menos ou igual a 3. Dado a i R,i = 0,1,2,3. Verifique se a) o conjunto F = {a 1 x +a 2 x 2 +a 3 x 3 } ; é subespaço vetorial de P 3. b) o conjunto F = {1+a 1 x +a 2 x 2 +a 3 x 3 é subespaço vetorial de P 3.
17 Summary Dependencia Linear 1 Definição de E. V. 2 Subespaço 3 Dependencia Linear 4 Base e Dimensão 5 Produto interno 6 Espaço Vetorial Euclidiano 7 Ortonormalidade Ortonormalidade processo de ortonormalização ortogonal 12
18 seja E um espaço vetorial. Diz-se que um conjunto V E é linearmente independente abrevidamente L.I. quando nehum vetor v V écombinação linear dos outros elementos de V. Pode-se dizer também que tais vetores são linearmente independentes Quando um conjunto V é L.I. seus elementos são todos 0 pois o vetor nulo é combinação linear de quaisquer outros elementos de V Um conjunto V E é linearmente dependente, L.D. quando não é L.I. Teorema: Seja V um conjunto L.I. no espaço vetorial E. Se λ 1 v λ n v n = 0, com v 1,...v n V então λ 1 =... = λ n = 0. Reciprocamente, se a única combinação linear nula de vetores de V é aquela cujos coeficientes são todos iguais a zero, entao V é um conjunto L.I.
19 seja E um espaço vetorial. Diz-se que um conjunto V E é linearmente independente abrevidamente L.I. quando nehum vetor v V écombinação linear dos outros elementos de V. Pode-se dizer também que tais vetores são linearmente independentes Quando um conjunto V é L.I. seus elementos são todos 0 pois o vetor nulo é combinação linear de quaisquer outros elementos de V Um conjunto V E é linearmente dependente, L.D. quando não é L.I. Teorema: Seja V um conjunto L.I. no espaço vetorial E. Se λ 1 v λ n v n = 0, com v 1,...v n V então λ 1 =... = λ n = 0. Reciprocamente, se a única combinação linear nula de vetores de V é aquela cujos coeficientes são todos iguais a zero, entao V é um conjunto L.I.
20 seja E um espaço vetorial. Diz-se que um conjunto V E é linearmente independente abrevidamente L.I. quando nehum vetor v V écombinação linear dos outros elementos de V. Pode-se dizer também que tais vetores são linearmente independentes Quando um conjunto V é L.I. seus elementos são todos 0 pois o vetor nulo é combinação linear de quaisquer outros elementos de V Um conjunto V E é linearmente dependente, L.D. quando não é L.I. Teorema: Seja V um conjunto L.I. no espaço vetorial E. Se λ 1 v λ n v n = 0, com v 1,...v n V então λ 1 =... = λ n = 0. Reciprocamente, se a única combinação linear nula de vetores de V é aquela cujos coeficientes são todos iguais a zero, entao V é um conjunto L.I.
21 seja E um espaço vetorial. Diz-se que um conjunto V E é linearmente independente abrevidamente L.I. quando nehum vetor v V écombinação linear dos outros elementos de V. Pode-se dizer também que tais vetores são linearmente independentes Quando um conjunto V é L.I. seus elementos são todos 0 pois o vetor nulo é combinação linear de quaisquer outros elementos de V Um conjunto V E é linearmente dependente, L.D. quando não é L.I. Teorema: Seja V um conjunto L.I. no espaço vetorial E. Se λ 1 v λ n v n = 0, com v 1,...v n V então λ 1 =... = λ n = 0. Reciprocamente, se a única combinação linear nula de vetores de V é aquela cujos coeficientes são todos iguais a zero, entao V é um conjunto L.I.
22 seja E um espaço vetorial. Diz-se que um conjunto V E é linearmente independente abrevidamente L.I. quando nehum vetor v V écombinação linear dos outros elementos de V. Pode-se dizer também que tais vetores são linearmente independentes Quando um conjunto V é L.I. seus elementos são todos 0 pois o vetor nulo é combinação linear de quaisquer outros elementos de V Um conjunto V E é linearmente dependente, L.D. quando não é L.I. Teorema: Seja V um conjunto L.I. no espaço vetorial E. Se λ 1 v λ n v n = 0, com v 1,...v n V então λ 1 =... = λ n = 0. Reciprocamente, se a única combinação linear nula de vetores de V é aquela cujos coeficientes são todos iguais a zero, entao V é um conjunto L.I.
23 exemplos Dependencia Linear Exemplo 1 Os vetores canônicos e 1 = (1,0,...,0),e 2 = (0,1,0...,0),...e n = (0,...,0,1) em E = R n são L.I. Exemplo 2 Os monômios {1,x,x 2,x 3 } P 3 são L.I. Onde P 3 são os polinomios de grau 3 Exemplo 3 Mostre que os vetores v = (2,3,4),w = (2,0, 1),z = (6,3,2) em R 3 são L.D.
24 Exercícios Dependencia Linear 1 Seja v = (1,2,0),w = (0,1, 1),z = (3,0,1), mostre que eles formam um conjunto L.I no espaço V = R 3. 2 no R 2, os vetores {e 1 = (1,0),e 2 = (0,1),v = (m,n);m,n R} são L.D. 3 Verifique se o seguinte conjunto V = {v 1 = é ou não L.I. [ ] [ 3 0,v 2 = Verifique se são L.I. ou L. D. o seguinte conjunto ] } M(R) 2 2. P = {1+2x x 2,2 x +3x 2,3 4x +7x 2 } P 2
25 Summary Dependencia Linear 1 Definição de E. V. 2 Subespaço 3 Dependencia Linear 4 Base e Dimensão 5 Produto interno 6 Espaço Vetorial Euclidiano 7 Ortonormalidade Ortonormalidade processo de ortonormalização ortogonal 12
26 Definição de base de um E. V. Seja E um espaço vetorial qualquer e B = {v 1,v 2,...v n } um conjunto de vetores qualquer de E. Dizemos que B é uma base de E se as seguintes condições são satisfeitas. B é linearmente independente. B gera E Que B gera E significa que todo vetor v E se exprime, de modo único, como uma combinação linear v = λ 1 v 1 +λ 2 v 2 +..,λ n v n de elementos da base B. Os números λ 1,λ 2,..λ n chaman-se as coordenadas do vetor v na base B. Teorema Todas as bases de um espaço vetorial (e. v.) de dimensão finita n, têm o mesmo número de vetores e igual a n.
27 Teorema Se B = {v 1,...,v n } é uma base de E então cada vetor v E pode ser expresso assim: v = λ 1 v 1 +λ 2 v 2 +..,λ n v n de forma única. Exemplo 1 Os vetores e 1 = (1,0,...0),e 2 = (0,1,0...0),...e n = (0,...0,1) constituem uma base {e 1,e 2,..e n } de R n, chamada de base canônica. Exemplo 2 Os monômios {1,x,x 2,..x n } formam uma base para o espaço vetorial P n dos polinomios de grau n Exemplo 3 Mostre que as matrices m 1,m 2,m 3,m 4 são uma base de M(R) 2 2 [. Onde, ] [ ] [ ] m 1 =, m =, m = ; m = [ ] 0 0, os três exemplos anteriores são bases canônicas. 1 0
28 Dimensão de um E. V. Definição de Dimensão. Se E possui uma base com n vetores, então E tem dimensão n e anota-se dim E = n. Um espaço vetorial E é chamado de dimensão finita se contém um conjunto finito {v 1,...v n } de vetores de base de E, n é um número inteiro. Caso esta base de E não for finita, diz-se que E é um e. v. (espaço vetorial) de dimensão infinita. Teorema. Seja E um e. v. de dimensão finita n, onde {v 1,..v n } é uma base qualquer de E. então é válido. 1 Um conjunto com mais de n vetores em E é L.D. 2 Um conjunto com menos do que n vetores não gera E.
29 Exemplos Dependencia Linear Exemplo 1 Seja E = R 2 o espaço vetorial Euclidiano. a) Considere o conjunto B 1 = {e 1,e 2 } de vetores, ele é base de E? b) Quais são as coordenadas do vetor V = (x,y) nessa base? c) Seja outro conjunto de vetores B 2 = {b 1,b 2 }, b 1 = (1,1),b 2 = (2,0). B 2 é base do espaço E = R 2? d) Quais são as coordenadas do vetor V = (x,y) na base B 2?. e) Qual é a dimensão do espaço E = R 2. Exemplo 2 Seja conjunto de vetores B = {p 1,p 2,p 3,p 4 } do espaço vetorial P 2. Verfique se eles são L.I. ou L.D. p 1 = 1+x, p 2 = 2 x 2, p 3 = x +x 2, p 4 = 1.
30 Exercícios Dependencia Linear Exemplo 1 O espaço vetorial A(m n) das matrizes m n tem dimensão finita igual a m.n. Exemplo 2. Mostre que a dimensão da base canônica de P n é n+1. P n é o polinomio de grau n 1 Mostre que S = {V 1,V 2,V 3 } forma uma base do espaço R 3. V 1 = (1,0,2);V 2 = ( 1,3,2);V 3 = (0,1,2). Encontrar as componentes do vetor W = (3,1, 2) na base S. 2 Encontre as componentes do polinomio P, na base S = {P 1,P 2,P 3 }. Onde P = 2 x +x 2,P 1 = 1+x,P 2 = 1+x 2,P 3 = x +x 2.
31 Mostre que as [ matrices m] 1,m 2,m 3 [,m 4 são uma] base de M(R) n n Onde, m 1 =, m =, m = [ ] [ ] ;m =. 1 0 Encontre [ as componentes ] [ de A na] base S = [ {v 1,v 2 ],v 3,v 4 } A =, v =, v =, v = [ ] ;v 4 = [ ]. Determine a dimensão do subespaço de P 3, consistindo de todos os polinômios da forma P 3 = a 1 x +a 2 x 2 +a 3 x 3. Determine a dimensão do subpespaço de R 4 da forma v = (a,b,c,d),d = a+b,c = a b.
32 Determine a dimensão da base do espaço-solução do sistema x +y z = 0, 2x y +2z = 0, x +z = 0 Dado o sistema de equações x +y z = 0,y 2w = 0,x z +2w = 0 a) Determine o posto da matriz de coeficientes, e o posto da matriz aumentada. b) o sistema tem solução única ou infinitas soluções? c) Defina uma base do espaço solução do sistema anterior. d) qual é a dimensão deste espaço? e) o sistema tem solução trivial? f) o espaço solução é subespaço de R 4
33 Summary Dependencia Linear 1 Definição de E. V. 2 Subespaço 3 Dependencia Linear 4 Base e Dimensão 5 Produto interno 6 Espaço Vetorial Euclidiano 7 Ortonormalidade Ortonormalidade processo de ortonormalização ortogonal 12
34 Os axiomas do espaço vetorial não são suficientes para abordar certas noções geometricas como ângulo, ortogonalidad,comprimento, distância,etc. para estudar estas noções geométricas precisamos introduzir o conceito de produto interno no espaço vetorial. produto interno Um produto interno num espaço vetorial E é uma função bi-linear simétrica e positiva de E. <,> : E E R u, v < u,v > o número real < u,v > é chamado de produto interno de u por v.
35 As seguintes propriedades devem ser satisfetias u,v,w, E Bilinearidade < u +w,v >=< u,v > + < w,v >; < u,w +v >=< u,w > + < u,v >, < αu,v >= α < u,v >, < u,αv >= α < u,v >, simetria ou comutatividade < u,v >=< v,u >, Positividade < u,u > 0, se u 0. como < 0,v >=< 0+0,v >=< 0,v > + < 0,v >, então segue que < 0,v >= 0, v E
36 Norma : A norma de um vetor v (ou comprimento de v) no espaco vetorial E, esta definida do seguinte modo N : E R v N(v) = v = < v,v >. (2) Observamos que N(v) é um número real não negativo. Quando v = 1 o vetor v chama-se de vetor unitario. Distancia: A distancia entre os vetores v = (v 1,v 2,...,v n ),u = (u 1,u 2,...,u n ) E esta definido assim : d[u,v] = u v. (3)
37 Exemplos Dependencia Linear 1 no espaço euclidiano R 3 o produto interno canônico de vetores u = (u 1,u 2,u 3 ) e v = (v 1,v 2,v 3 ) esta definido assim: < u,v >= u 1 v 1 +u 2 v 2 +u 3 v 3 = i=3 i=1 u iv i. 2 Seja < u,v > um produto interno num espaço linear E. Mostre que se < u,v >= 0, para qualquer v que pertence a E, então u = 0. 3 Seja u = (u1,u2) e v = (v1,v2). Mostre que temos um produto interno em R 2 no seguintes casos: a) < u,v >= 4u1.v1+u2.v1+u1.v2+4u2.v2 b) < u,w >= 3u 1 w 1 +5u 2 w 2.
38 Exercicios Dependencia Linear 1 Dado o produto interno < u,w > no espaço vetorial E, prove que se tem u +v 2 + u v 2 = 2( u 2 + v 2 ). 2 demonstre a desigualdade triangular para dois vetores u e v do plano R 2, u +v u + v. 3 Seja E = C 0 [a,b] um espaço vetorial das funções contínuas reais g,f [a,b] R, provar que a função <.,. >: E E R (4) < f,g > = b a fgdx (5) é um produto interno, [a,b] R. Determine o produto interno entre f = cos(x) e g = sin(x) e o módulo da função f = cos(x),a = 0,b = π.
39 1 Seja o espaço vetorial M 2 2 (R) formado por todas as matrizes com elementos reais da forma A = [a ij ]. Considerando o produto interno < A,B [ >= tr(a] T B). Determine a norma de U M 2 2 (R), sendo 1 2 U = Seja p = a 0 +a 1 x +a 2 x a n x n é q = b 0 +b 1 x +b 2 x b n x n, dois vetores do espaço vetorial P n dos polinomios de grau máximo n. Demonstre que < p,q >= i=n i=0 a ib i é um produto interno. logo, p =< p,p >= a0 2 +a an n. Determine p, onde p = 2 x 2. 3 Dois vetores de um espaço vetorial se chamam ortogonais se < u,v >= 0. No espaço Euclidiano R 3, verifique que < i,j >=< i,k >=< k,j >= 0, considerando o produto interno canônico de R 3.
40 Summary Dependencia Linear 1 Definição de E. V. 2 Subespaço 3 Dependencia Linear 4 Base e Dimensão 5 Produto interno 6 Espaço Vetorial Euclidiano 7 Ortonormalidade Ortonormalidade processo de ortonormalização ortogonal 12
41 Para todo número natural n, o símbolo R n representa o espaço vetorial euclideano n-dimensional. os elementos de R n são as listas ordenadas v = (v 1,...,v n ),w = (w 1,...,w n ) de números reais. Por definição a igualdade vetorial v = w significa as n igualdades numéricas v 1 = w 1,...,v n = w n. Os números v 1,...v n são chamados as coordenadas do vetor v na base canônica {e 1,e 2,..,e 3 } de R 2. As duas operaçõs fundamentais do espaço vetorial R n são definidas assim : v +w = (v 1 +w 1,...,v n +w n ), λv = (λv 1,...,λv n ) O vetor zero 0 é por definição, aquele cujas coordenadas são todas iguais a zero; 0 = (0,...,0). O inverso aditivo de v = (v 1,...,v n ), é v = ( v 1,..., v n ).
42 Definição Dependencia Linear Seja u,v R n, entao o angulo θ entre os vetores u e v esta definido do seguinte modo (ver exerício 1 da pág 45) 1 cos(θ) = < u,v > u v 1. Norma Euclidiana: A norma de um vetor v = (v 1,v 2,...,v n ) do espaco R n esta definida do seguinte modo N : R n R, v N(v) = v = < v,v >. (6) onde v = u 2 1 +u u2 n. Geométricamente a norma v é o comprimento do vetor v.
43 Distancia entre vetores. Em forma similar a distancia entre os pontos v = (v 1,v 2,...,v n ),u = (u 1,u 2,...,u n ) R n esta definido assim : d(u,v) = u v = (u 1 v 1 ) 2 +(u 2 v 2 ) (u n v n ) 2 Propriedades da distancia entre os vetores u e v. Seja u,v,w vetores de R n, logo d(u,v) 0, d(u,v) = d(v,u) d(u,v) = 0, u = v, d(u,v) d(u,w)+d(w,v) (desigualdade triangular). A ultima propriedade, generaliza para o espaço R n o resultado usual em R 3 que afirma que a menor distância entre dois pontos do R n é ao longo de uma reta.
44 Exercicios Dependencia Linear Considere R 3 com o produto interno usual (canônico) para as seguintes questões. Seja u = (2,1, 2,0) e v = (1,2,k,2). a) Para que valores de k podemos afirmar que u e v são ortogonais (perpendiculares), b) Se k = 0 qual é o angulo formado pelo vetores u e v. Sejam u = (4,1,2,3),v = (0,3,8, 2),w = (3,1,2,2). Calcule a) v b) u +3v c) u + 3v d) (u+w) u+w Determine o angulo entre os vetores u = (1,0,2),v = (1,2,0). Suponha que v,w,u são vetores tais que(u,v) = 2, (v,w) = 3,(u,w) = 5, u = 1, v = 2, w = 7. Calcule a) < u +v,v +w > b) 2w v
45 1 Dado o produto interno < u,w > no espaço vetorial E = R n, prove que < u +v > u v desigualdade de Cauchy-Schwarz. 2 Use o resultado anterior e demonstre a desigualdade triangular para dois vetores u e v de R n, u+v u + v. desigualdade triangular. 3 Encontre a distancia euclidiana entre os vetores u = (1,2,0) e v = (0,3,2). 4 Resolva para v = (v 1,v 2,v 3 ), se u.v = 10,w.v = 1,s.v = 7,u = (1, 1,4),w = (3,2,0),s = (4, 5, 1). 5 u,v são vetores do espaço R n, encontre u.v, se u v = 5, u +v = 1. 6 Seja V 1,V 2,...,V n vetores de R n, considerando que < V i,v j >= 0, i j, demonstre que i=n i=1 V i = i=n i=1 V i 2.
46 Summary Dependencia Linear 1 Definição de E. V. 2 Subespaço 3 Dependencia Linear 4 Base e Dimensão 5 Produto interno 6 Espaço Vetorial Euclidiano 7 Ortonormalidade Ortonormalidade processo de ortonormalização ortogonal Processo de Gram-Schmidt 12
47 Processo de Gram-Schmidt Definição Seja E um espaço vetorial com produto interno. Dois vetores u e v chaman-se ortogonais (ou perpendiculares) quando < u,v >= 0. Escreve-se então u v. Em particular o vetor 0 é ortogonal a qualquer vetor v de E. Exemplo Seja P 2 o espaço vetorial formado pelo conjunto dos polinômios de grau menor ou igual a 2. Seja P = p o +p 1 x +p 2 x 2,Q = q 0 +q 1 x +q 2 x 2. Seja o produto interno neste espaço vetorial da seguinte forma : < P,Q >= p 0 q 0 +p 1 q 1 +p 2 q 2. Sendo assim, se P = x kx 2,Q = b +2x +2x 2. Determine k para que P e Q sejam ortogonais, b é constante. bases ortonormais Seja E um espaço vetorial, um conjunto de vetores F = {V 1,...V m } E é dito ortogonal quando dois vetores distintos quaisquer em F são ortogonais. Se, além disso, todos os vetores de F são unitários então F é chamado de conjunto ortonormal.
48 Processo de Gram-Schmidt Definição Uma base B = {V 1,...V m } do espaço vetorial E é dito base ortonormal se e somente se, para qualquer vetor V i,v j B tem-se que { 0, i j < V i,v j >= (7) 1, i = j. Teorema Num espaço vetorial E, com produto interno, todo conjunto ortogonal F de vetores não-nulos é L.I (provar, ver exercícios). Exemplo. Seja B = {V 1,V 2,V 3 } uma base do R 3, onde V 1 = , V 2 = , V 3 = O calculo direto mostra que usando o produto interno canônico usual: < V 1,V 2 >=< V 1,V 3 >=< V 2,V 3 >= 0,< V 1,V 1 >=< V 2,V 2 >=< V 3,V 3 >= 1. Ou em forma resumida < V i,v j >= δ ij..
49 Processo de Gram-Schmidt complemento ortogonal Se um vetor w E é ortogonal a todos os vetores de um subespaço F E, então, dizemos que w é ortogonal a F. O conjunto de todos os vetors ortogonais a F é chamado del complemento ortogonal de F, e é denotado porf. Exemplo 1 O vetor w = (0,0,3) R 3 é complemento ortogonal do plano xy = R 2. Exemplo 2 Mostrar que se dois vetores são ortogonais então u +v 2 = u 2 + v 2 (Teorema de pitagoras para espaços vetoriais com produto interno). Exemplo 3 Mostre que a base canônica {e 1,e 2,...,e n } de R n é ortonormal, considerando o{ produto canônico usual. Ou seja 0, se; i j < e i,e j >= δ ij, onde δ ij = 1, se; i = j
50 Processo de Gram-Schmidt Exercicios 1 Seja o conjunto B = {v = (1,1)/ 2,w = (1, 1)/ 2} R 2. Seja v = (v 1,v 2 ),w = (w 1,w 2 ). O conjunto B é ortonormal na base canônica?. Considere o seguinte produto interno : < v,w >= v 1 w 1 +2v 2 w 2, verifique se B é ou não conjunto ortonormal. 2 Demonstre o Teorema enunciado na pagina seja v,w dois vetores arbitrarios de R 3, Demonstrar que a projeção ortogonal do vetor v sobre o vetor w é dado por O vetor Pr w (v) é paralelo a w. Pr w (v) = < v,w > w 2 w. 4 Verifique se o conjunto B = { i j 2, j+ k 2, i+ k 2 } é ortonormal.
51 Processo de Gram-Schmidt Seja, B = {v 1,v 2,...v n }, uma base qualquer do espaço vetorial E. A partir desta base podemos construir uma base ortonormal O = {q 1,...q n } E. O processo é como segue: Seja w 1 = v 1, logo q 1 = w1 w 1. w 2 = v 2 Pr w1 (v 2 ), logo q 2 = w2 w 2 w 3 = v 3 Pr w1 (v 3 ) Pr w2 (v 3 ), logo q 3 = w3 w 3.. w n = v n j=n 1 j=1 Pr wj (v n ), logo q n = wn w n. Observe que q 1 =... q n = 1.
52 segue... Dependencia Linear Processo de Gram-Schmidt logo, se pode verificar que o conjunto {q 1,q 2,...,q n } é uma base ortonormal de E. A este processo de construção de uma base ortonormal no espaço vetorial E é denominada de processo de ortonormalização de Gram-Schmidt. exercicios Exercício 1. Seja B = {v 1 = (1,1),v 2 = (1,2)} uma base do espaço euclidiano E = R 2. Construa uma base ortonormal de R 2 a partir da base B, usando o processo de Gram-Schmidt. Exercício 2. Seja B = {v 1 = (1,1,1),v 2 = (0,1,1),v 3 = (0,0,1)} uma base de E = R 3. Construa uma base ortonormal para o espaço R 3 a partir da base B, usando o processo de Gram-Schmidt. Nos dois exemplos anteriores, se assume que os vetores de base B estão dadas na base canônica, e se deve utilizar o produto interno canônico de R n.
53 Summary Dependencia Linear 1 Definição de E. V. 2 Subespaço 3 Dependencia Linear 4 Base e Dimensão 5 Produto interno 6 Espaço Vetorial Euclidiano 7 Ortonormalidade Ortonormalidade processo de ortonormalização ortogonal 12
54 Seja E um espaço vetorial de dimensão n. Consideremos as bases arbitrarias B 1 = {q 1,q 2,...,q n } E, e a base B 2 = { q 1, q 2,..., q n } E. Dado v E, tal que v = x 1 q 1 +x 2 q x n q n = x i q i,i = 1,..n. (8) v = y 1 q 1 +y 2 q y n q n = y l q l,l = 1,..n. (9) Os números reais x i são as coordenadas de v na base B 1, e os números reais y i são as coordenadas de v na base B 2. Coordenadas de v em forma matrizial. x 1 y 1 [v] B1 = x 2., [v] B 2 = y 2. (10) x n y n Qual é a relação entre o conjunto de coordenadas x i e y i?.
55 Consideremos como exemplo o vetor q 1 na base nova B 2, teriamos: q 1 = a 11 q 1 +a 12 q 2 +,...+a 1n q n = j=n j=1 a 1j q j. Em forma geral l=n q k = a kl q l (11) l=1 Podemos pensar que as coordenadas do vetor q k na nova base B 2 pode-se colocar como uma matriz coluna (k-ésima coluna da matriz A). a k1 [q k ] B2 =.. (12) a kn Os números reais a ij são elementos de uma matriz A, chamada matriz de transformação ou matriz de mudança de base, da base B 2 a base B 1. Substituindo (11) em (8), e organizando chegamos a seguinte relação
56 v = x i q i = k=n l=n x k q k x k ( a kl q l ) (13) logo, a ordem da sumação pode-se trocar, k=1 k=n l=n l=n k=n v = x k a kl q l = ( x k a kl ) q l (14) k=1 l=1 comparando a igualdade anterior com a equação (9) e utilizando a independencia linear dos vetores de base q k, chegamos a conclusão: y l = k=n k=1 l=1 k=1 l=1 a kl x k, ou matricialmente,
57 y 1 y 2. y n = a 11 a 21. a n1 a 12 a a 1n.. a nn x 1 x 2. x n, ou [v] B 2 = A T [v] B1 (15) Esta última equação é mais útil, desde que permite calcular as coordenadas de v na base nova B 2 em função das coordenadas de v na base anterior B 1 e da matriz de mudança de coordenadas A T. Observe que as colunas da matriz A T esta formada pelas coordenadas dos vetores q k, na nova base B 2 respetivamente A T = [[q 1 ] B2 [q 2 ] B2...[q n ]B 2 ]
58 è importante fazer uma observação, que verdadeiramente a matriz de mudança de bases, da base B 1 B 2 é a matriz A 1. Desde que q 1 q 1.. = A 1.., (16) q n q n observe a equação (11), na qual realizamos a inversão da matriz A. Exemplo 1 Seja B 1 = {q 1 = (1,0),q 2 = (0,1)} a base canônica de R 2. Considere a nova base B 2 = { q 1 = (1,1), q 2 = ( 1,1)}. a) Dado um vetor v, encontre a matriz que transforma as coordenadas iniciais deste vetor na base B 1 à base B 2. b) Encontre a matriz A 1 da mudança de bases (B 1 B 2 ). c) Dado o vetor v = (3,4) na base inicial B 1, encontre suas novas coordenadas na base B 2.
59 Exemplo 2 Seja B 1 = { i, j, k} a base canônica de R 3. Considere a nova base B 2 = { i + j, k + j, i + k}. a) Encontre a matriz A T de transformação de coordenadas. b) Dado os vetores v = (1,1,1),w = (1,3, 2) na base inicial B 1, encontre suas novas coordenadas na base B 2. Exercício 1 Seja B = {e 1,e 2 } uma base ortonormal do R 2, sendo e 1 = (1,0) e e 2 = (0,1). Consideremos uma nova base ortonormal B = {e 1,e 2 } de R2, produto da rotação da base anterior B um ángulo θ. a) Determine a matriz de transformação (matriz de rotação aoredor do eixo z) da base ortonormal B a base ortonormal B. b) Determine a matriz de mudança de coordenadas da base ortonormal inicial B à base ortonormal final B
60 Exercício 2 Seja um vetor v = (3,4) na base canônica B 0 = { i, j}. a) Determine as componentes do vetor v na base B 1 = {q 1,q 2 }, e na base B 2 = { q 1, q 2 }. q 1 = (1,1),q 2 = ( 1,1), q 1 = ( 1,0), q 2 = (1, 1). b) Encontre a matriz de mudança de base A 12 que leva as coordenadas de v na base B 1 à base B 2. c) Verifique que A 2 = A 12 A 1. A matriz A 1 é a matriz de mudança de coordenadas da base canônica B 0 à base B 1.A matriz A 2 é a matriz de mudança de coordenadas da base canônica B 0 à base B 2. Exercício 3 Seja P 1 o espaço vetorial formado pelos polinomios de grau máximo 1. Neste espaço definimos a base B 1 = {p 1,p 2 }, e a base B 2 = {q 1,q 2 }. Onde p 1 = 2+3x,p 2 = 2x, e q 1 = 2,q 2 = 4+5x. a) Encontre a matriz de mudança de coordenadas de B 1 a B 2. b) Seja o vetor w = 6+10x, encontre as coordenadas de w na base B 1. c) Usando o resultado anterior, encontre as coordenadas de w na base B 2. d) De forma similar que a pergunta b, calcule as coordenadas de w na base B 2, e compare com o resultado da parte c.
61 Summary Dependencia Linear 1 Definição de E. V. 2 Subespaço 3 Dependencia Linear 4 Base e Dimensão 5 Produto interno 6 Espaço Vetorial Euclidiano 7 Ortonormalidade Ortonormalidade processo de ortonormalização ortogonal 12
62 Vamos visualizar o conceito de matriz ortogonais atraves de um exemplo. Exemplo 1 Seja a matriz U = , esta matriz é dita ortogonal se os vetores coluna {u i,i = 1,2,3} desta matriz são ortonormais como se mostrou no exemplo 4.1. Podemos observar também que a matriz U T = é inversa de U. Podemos verificar diretamente que UU T = U T U = 1, o que quer dizer U 1 = U T.
63 Em geral se temos uma matriz ortogonal a 11.. a 1i.. a 1j.. a 1n a 21.. a 2i.. a 2j..... A = a k1.. a ki.. a kj..., a n1.. a ni.. a nj.. a nn os vetores coluna a i e a j são ortonormais o que que dizer < a i,a j > a i. a j = δ ij, ou em componentes a ki a kj = δ ij. (17) k
64 Porem, lembrando que aik t = a ki, sendo aik t as componentes da matriz transposta A t ; podemos re-escrever a equação 17 deste modo a ki a kj = aik t a kj = δ ij. (A T A = 1 n n ). (18) k k A análise da ortonormalidade feita com os vetores coluna também pode ser feita com os vetores linha, desta forma chegariamos a seguinte relação a ik a jk = a ik akj t = δ ij. (AA T = 1 n n ), (19) k k similiar a equação anterior 18. Logo, esta provado que para uma matriz ortogonal se cumpre que A T = A 1.
65 Exercicios Dependencia Linear Exemplo 1 Mostre que a matriz A é ortogonal [ ] 1/2 3 A = /2 Exercício 1 Demonstre que se a matriz A é ortogonal, A 1 também é. Exercício 2 Demonstre que det(a) = ±1, para toda matriz ortogonal A. Exercício 3 Se temos duas bases B 1,B 2 ortonormais, a matriz de transformação de coordenadas é uma matriz ortogonal: A 1 = A T.
66 Exercício 4 Seja o espaço Euclidiano R 3 e a base canônica B 1 = { i, j, k}, ao longo dos eixos x 1,x 2,x 3, respectivamente. Se giramos o sistema de coordenadas x 1,x 2,x 3 rígidamente um ángulo θ ao redor do terceiro eixo x 3 e no sentido antihorário, teremos uma nova base B 2 = { q 1, q 2, q 3 }. a) Determine os vectores q i,i = 1,2,3 em função dos vetores unitários i, j, k da base canônica B1, considere um angulo fixo e arbitrario. b) Dado um vetor v = (0,1,2) na base canônica B 1, qual será as novas coordenadas de v = (y 1,y 2,y 3 ) na nova base B 2?, considere os cassos θ = π/2, e θ = π/4. Exercício 5 Considere o espaço vetorial dos polinomios de grau máximo 1 P 1. Em P 1 temos duas bases, a base canônica B 1 = {p 1 = 1,p 2 = x}; e a base B 2 = {q 1 = 2+x 3, q 2 = 1 2x 3 }. a) Verifique que esta última é uma base ortonormal também. b) Verique que a matriz de mudança de coordenadas de B 1 B 2 é uma matriz ortogonal. Considere o produto interno definido para polinomios em exercícios anteriores.
67 Matriz de rotação Quando temos um sistema de coordenadas fixo X,Y,Z, e realizamos a rotação (no valor do angulo θ) de um vetor V = (x,y,z) ao redor do certo eixo fixo no espaço R 3 tal como n ; a matriz que transforma as velhas coordenadas de V nas novas coordenadas de V = (x,y,z ) é sempre uma matriz ortogonal; isto porque este tipo de matriz não modifica a norma do vetor, ou seja, V = V ; como é o caso numa rotação. Em geral, essa matriz de rotação depende do angulo de giro θ e das componentes do vetor n que define o eixo de rotação, logo: R = R(θ, n). Em particular se o eixo de rotação é o eixo +Z, esta matriz somente depende do angulo θ, tal como segue: Prove a igualdade (20). V = R(θ)V, R T = R 1 V = V (20)
68 Exercício 6 Seja a matriz de rotação cos(θ) sin(θ) 0 R(θ) = sin(θ) cos(θ) 0, esta matriz descreve a rotação feita por um vetor V ao redor do eixo +Z num ángulo θ no sentido antihorario. Por tanto, tendo a informação da posição inicial do vetor V = (x,y,z), e o angulo de rotação θ, podemos determinar as novas coordenadas do vetor V = (x,y,z ) usando a equação matricial [V ] = R(θ)[V]. Verifique que a matriz R é ortogonal. Pergunta : Se V = (1,0,3) e ele gira um ángulo de θ = 90 o graus em sentido antihorario, ao redor do eixo +z determine as coordenadas do vetor V. Obseve que, a diferença do exercício 4 (desta seção), aqui não tem mudança de base, quem mudou foi o vetor.
69 Summary Dependencia Linear 1 Definição de E. V. 2 Subespaço 3 Dependencia Linear 4 Base e Dimensão 5 Produto interno 6 Espaço Vetorial Euclidiano 7 Ortonormalidade Ortonormalidade processo de ortonormalização ortogonal 12
70 Aplicações Orientação de ônibus espacial: Determinação do eixo instantaneo de rotação. Solução de sistema de equações diferenciais lineares (mistura de substancias, modos normais de vibração, vibração de um predio, etc) Busca na rede e hierarquização de páginas no google. referência: Steven J. Leon, àlgebra linear, 8 a edição,editorialgen2011.
71 Seja A = [a ij ] n n, seja X = [x i ] n 1. Equação de autovalores AX = λx (21) λ autovalor de A associado ao autovetor X A equação de autovalores pode ser colocada desta forma Onde I é a matriz identidade n n Seja B = A λi, então : BX = 0. (A λi)x = 0 n n. (22) Para termos solução em X não trivial(x 0), a matriz B deve ser singular (B 1 ). Logo det(b) = det(a λi) = 0, (23)
72 função carateríztica. Do ponto de vista do autovalor λ a equação anterior (23) define um polinomio em λ, por tanto podemos definir f(λ) = det(a λi) = 0. Para uma matriz A n n o polinômio f(λ) = a 0 +a 1 x +a 2 x a n+1 x n+1 +a n x n, P n. chama-se função carateriztica Equação carateriztica f(λ) = det(a λi) = 0. (24) As raizes da equação anterior, são os autovalores da matriz A.
73 Exemplo 1 Encontre os autovalores e autovetoes da matriz ( ) 4 5 A = 2 1 (25) Alguma propriedades de autovalores. Se v é autovetor associado ao autovalor λ de A : Então αv(αreal) também é autovetor de A associado ao mesmo autovalor λ. λ k é autovalor de A k. λ 1 é autovalor de A 1. bλ é autovalor de ba. Uma matriz quadrada A é invertível se, e somente se λ = 0 não é um autovalor de A. procure eigenvalues (autovalores).
74 Exercícios Dependencia Linear Exercício 1 Encontre os autovalores e autovetoes das matrizes A, B, C, D, F, K. [ ] 4 4 A =,B = ,C = , D = ,F = ,K = [ Exercício 2 Mostre que a equação carateriztica de uma matriz A de ordem 2 2 é da forma λ 2 - traço(a)λ +det(a) = 0. λ é autovalor de A. Exercício 3 Probar que se A é uma matriz quadrada, então A e sua transposta A T tem os mesmo autovalores. ].
75 Exercício 3 Determine os valores propios das matrizes B 1,C 1,D 5 (da pagina anterior). Propriedades 1.- Os autovalores de uma matriz triangular são os elementos da sua diagonal principal. 2.- Os autovalores de uma matriz simétrica (A = A T ) são números reais, e os autovetores associados a estes autovalores reais (distintos) são ortogonais (provar). 3.- Seja V e λ autovetor e autovalor associados a uma matriz A., prove que λ s é um autovalor da matriz G = A si, onde I matriz identidade. λ, s são números reais. Teorema Se {X 1,X 2,...X n } são autovetores de A associados a autovalores distintos λ 1,λ 2,..λ n respetivamente, então o conjunto {X 1,X 2,...X n } é L. I. Exemplo: verifique a validade deste teorema nos exemplos anteriores.
76 Summary Dependencia Linear 1 Definição de E. V. 2 Subespaço 3 Dependencia Linear 4 Base e Dimensão 5 Produto interno 6 Espaço Vetorial Euclidiano 7 Ortonormalidade Ortonormalidade processo de ortonormalização ortogonal ortogonal 12
77 ortogonal Problema da diagonalização Dada uma matriz A n n existe uma matriz P (invertível) tal que P 1 AP é uma matriz diagonal?. Resposta: Dita matriz pode existir ou não. Casso dita matriz P existir, a matriz A chama-se diagonalizavel. Dizemos que P diagonaliza A. Teorema Uma matriz quadrada A n n é diagonalizavel se e somente se A tem n autovetores linearmente independentes. Procedimento de diagonalização 1 Encontre os n,{x 1,X 2,...X n } autovetores de A. L. I. 2 Forme a matriz P con os vetores coluna {X 1,X 2,...X n }. 3 Realize a multiplicação P 1 AP = D, D é a matriz procurada.
78 ortogonal D = P 1 AP, D = λ λ λ n n n, (26) Condição suficiente para diagonalizabilidade de uma matriz A Teorema se uma matriz A n n tem n autovalores distintos então ela é diagonalizável. Isto não descarta a possibilidade de que a matriz A n n seja diagonalizável mesmo quando tenha um número menor que n de autovalores distintos. Exemplo Daigonalize A = , 3 3 1
79 ortogonal Exercícios 1.- Diagonalize se é possível as matrizes A,B,C,D,F que aparecem no exercício 1 da seção anterior. 2.- Diagonalize as seguintes matrizes A 1 = [ ], A 2 = ,A 3 =
80 Matrizes semelhantes ortogonal Definição. Considere duas matrizes quadradas A e B. A matriz A é semelhante à matriz B se, e somente se, existe uma matriz inversível P tal que A = PBP 1. - Observe que se A è semelhante a B então B è semelhante a A. Propriedades Sejam A e B matrizes semelhantes então: 1. det(a) = det(b), 2. A é inversível se, e somente se, B é inversível, 3. A e B têm o mesmo polinomio característico (mesmos autovalores), 4. A e B têm o mesmo traço. 5.- a matriz A e sua forma diagonal D = P 1 AP são semelhantes. 6.- Seja P matriz invertível, e B = PAP 1 demostrar que B n = PA n P 1, n natural.
81 Observações importantes ortogonal Suponhamos que temos uma matriz A 3 3 e queremos diagonalizar. Pode acontecer os seguintes cassos. 1.- Se a matriz tiver 3 autovalores diferentes (λ 1 λ 2 λ 3 ), então pela condição suficiente de diagonalizabilidade, a matriz A sera diagonalizavel. 2.- Pode ser que dois autovalores sejam iguais, tal que λ 1 = λ 2 λ 3. 2a) Neste casso se mesmo assim conseguimos encontrar 3 autovetores L.I. (um associado a λ 3, e dois associaos a λ 1 ), então ainda poderemos diagonalizar a matriz A. 2b) Se somente encontramos dois autovetores L. I. associados a λ 1 e λ 3, respectivamente, então nao será mais possível diagonalizar a matriz A, posto que precisamos 3 autovetores L.I. 3) Tres autovalores iguais. Nesste casso a semelhança do casso dois, teremos duas possibilidade, ou vamos poder diagonalizar (quando conseguirmos 3 vetores L.I) ou não será possível diagonalizar a matriz A.
82 ortogonal ortogonal Definição 6. Seja A M n n (R), diz-se que A é diagonalizável ortogonalmente se existe uma matriz P, ortogonal (P T = P 1 ), tal que P 1 AP = P T AP = D é uma matriz diagonal; diz-se que P diagonaliza ortogonalmente A. Lembrando que se A é uma matriz simétrica então: (a) Todos os valores próprios de A são reais. (b) Vectores próprios associados a valores próprios distintos são ortogonais. Teorema.- Seja A M n n (R). São equivalentes as afirmações: (a) A é diagonalizável ortogonalmente. (b) A admite um conjunto o.n. de n vectores próprios. (c) A é simétrica. (prove de a b).
83 ortogonal ortogonal Processo de diagonalização: Seja A M n n (R) matriz simétrica. Passo 1. Determinar uma base para cada subespaço próprio de A. Passo 2. Aplicar o processo de ortogonalização de Gram-Schmidt a cada base encontrada no Passo 1, para obter uma base o.n. para cada um dos subespaços próprios de A. Passo 3. Formar a matriz P cujas colunas são os vectores das bases o.n. dos subespaços próprios determinadas no Passo 2; a matriz P diagonaliza ortogonalmente a matriz A. A matriz diagonal D = P T AP = P 1 AP tem como entradas principais os valores próprios de A.
84 ortogonal Exercício 1 Determine a matriz ortogonal P que diagonaliza a matriz simétrica A = Exercício 2 Determine a matriz ortogonal P que diagonaliza a matriz simétrica A = Exercício 3 Determine a matriz ortogonal P que diagonaliza a matriz simétrica B =
85 ortogonal Aplicações: Solução de Sistema de equações diferencias ordinarias a 11 x 1 (t)+a 12 x 2 (t) = ẋ 1 (t) a 21 x 1 (t)+a 22 x 2 (t) = ẋ 2 (t),que na forma matricial é [ ] [ ] [ ] a11 a 12 x1 (t) ẋ1 (t) =,ou AX(t) = Ẋ(t) sendo a 21 a 22 x 2 (t) ẋ 2 (t) A = [ ] [ ] a11 a 12 x1, X = a 21 a 22 x 2 A solução do sistema anterior é (demonstração em calculo 3). X(t) = c 1 e λ1 t V 1 +c 2 e λ2 t V 2, sendo λ 1,λ 2 e V 1,V 2 autovalores/autovetores correspondentes da matriz A.
86 ortogonal Questão. Dois tanques contêm cada um 100 litros de uma mistura. Inicialmente, a mistura no tanque A contém 40 gramas de sal, enquanto a mistura no tanque B contém 20 gramas de sal. O ĺıquido é bombeado para dentro e para fora dos tanques como mostra a figura a seguir. Determine a quantidade de sal em cada tanque no instante t. Determine a concentração final em cada tanque no estado estacionario.
87 Summary Dependencia Linear 1 Definição de E. V. 2 Subespaço 3 Dependencia Linear 4 Base e Dimensão 5 Produto interno 6 Espaço Vetorial Euclidiano 7 Ortonormalidade Ortonormalidade processo de ortonormalização ortogonal 12
88 Dependencia Linear E. Elon Lages Lima, Àlgebra linear, coleção matemática universitária (IMPA)- Sétima edição Anton Rorres, Álgebra Linear com aplicações, oitava edição, bookman. Àlgebra linear com aplicações, Steven J. Leon, Oitava edição, Gen LTC (2011). àlgebra linear e suas aplicações, David C. Lay. 2da edição GEN.
. (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 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 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 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 maisPLANO DE ENSINO E APRENDIZAGEM
SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE LICENCIATURA PLENA EM MATEMÁTICA PARFOR PLANO E APRENDIZAGEM I IDENTIFICAÇÃO: PROFESSOR (A) DA DISCIPLINA:
Leia 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 maisCapítulo 1 - Cálculo Matricial
Capítulo 1 - Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/ 34 DeMat-ESTiG Sumário Cálculo
Leia maisCapítulo 1 - Cálculo Matricial
Capítulo 1 - Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/ 33 DeMat-ESTiG Sumário Cálculo
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 mais0 1. Assinale a alternativa verdadeira Q1. Seja A = (d) Os autovalores de A 101 são i e i. (c) Os autovalores de A 101 são 1 e 1.
Nesta prova, se V é um espaço vetorial, o vetor nulo de V será denotado por 0 V. Se u 1,...,u n forem vetores de V, o subespaço de V gerado por {u 1,...,u n } será denotado por [u 1,...,u n ]. O operador
Leia mais3 Espaços com Produto Interno
3 Espaços com Produto Interno 3.1 Produtos Internos em Espaços Vetoriais Seja V um espaço vetorial. Um produto interno em V é uma função, : V V R que satisfaz P1) = v, u para todos u, v V ; P2) u, v +
Leia 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 maisMINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA DEPARTAMENTO DE MATEMÁTICA
MINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA DEPARTAMENTO DE MATEMÁTICA 1 a LISTA DE EXERCÍCIOS DE MAT 17 1. Suponha que uma força de 1 newtons é aplicada em um objeto ao longo do
Leia maisProduto Misto, Determinante e Volume
15 Produto Misto, Determinante e Volume Sumário 15.1 Produto Misto e Determinante............ 2 15.2 Regra de Cramer.................... 10 15.3 Operações com matrizes............... 12 15.4 Exercícios........................
Leia maisÁlgebra Linear. 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 mais1. Conhecendo-se somente os produtos AB e AC, calcule A = X 2 = 2X. 3. Mostre que se A e B são matrizes que comutam com a matriz M = 1 0
Lista de exercícios. AL. 1 sem. 2015 Prof. Fabiano Borges da Silva 1 Matrizes Notações: 0 para matriz nula; I para matriz identidade; 1. Conhecendo-se somente os produtos AB e AC calcule A(B + C) B t A
Leia 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 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 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 maisNotações e revisão de álgebra linear
Notações e revisão de álgebra linear Marina Andretta ICMC-USP 17 de agosto de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211
Leia maisNoções de Álgebra Linear
Noções de Álgebra Linear 1. Espaços vetoriais lineares 1.1. Coordenadas 2. Operadores lineares 3. Subespaços fundamentais 4. Espaços normados 5. Espaços métricos 6. Espaços de Banach 7. Espaços de Hilbert
Leia maisÁLGEBRA LINEAR. Combinação Linear, Subespaços Gerados, Dependência e Independência Linear. Prof. Susie C. Keller
ÁLGEBRA LINEAR Combinação Linear, Subespaços Gerados, Dependência e Prof. Susie C. Keller Combinação Linear Sejam os vetores v 1, v 2,..., v n do espaço vetorial V e os escalares a 1, a 2,..., a n. Qualquer
Leia 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 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 maisÁlgebra Linear. Alan Anderson
Álgebra Linear Alan Anderson 9 de abril de 2016 1 Espaço Euclidiano Denimos o espaço euclidiano n dimensional R n como sendo o conjunto das listas de n números reais. R n = {(x 1,..., x n ) : x 1,...,
Leia maisUNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática
UNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática 2 a Lista - MAT 137 - Introdução à Álgebra Linear II/2005 1 Resolva os seguintes sistemas lineares utilizando o Método
Leia maisVetores no plano Cartesiano
Vetores no plano Cartesiano 1) Definição de vetor Um vetor (geométrico) no plano R² é uma classe de objetos matemáticos (segmentos) com a mesma direção, mesmo sentido e mesmo módulo (intensidade). 1. A
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 mais1. Entre as funções dadas abaixo, verifique quais são transformações lineares: x y z
MINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA 657- - VIÇOSA - MG BRASIL a LISTA DE EXERCÍCIOS DE MAT 8 I SEMESTRE DE Entre as funções dadas abaixo, verifique quais são transformações
Leia maisUniversidade Federal Fluminense - GAN
Solimá Gomes Pimentel Universidade Federal Fluminense IM - GAN Solimá Gomes Pimentel, ****- Matemática para Economia III/Solimá Gomes Pimentel 2pt, ; 31cm Inclui Bibliografia. 1. Matemática para Economia
Leia maisÁlgebra Linear 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 maisI Lista de Álgebra Linear /02 Matrizes-Determinantes e Sistemas Prof. Iva Zuchi Siple
1 I Lista de Álgebra Linear - 2012/02 Matrizes-Determinantes e Sistemas Prof. Iva Zuchi Siple 1. Determine os valores de x e y que tornam verdadeira a igualdade ( x 2 + 5x x 2 ( 6 3 2x y 2 5y y 2 = 5 0
Leia 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 maisÁlgebra Linear - 2 a lista de exercícios Prof. - Juliana Coelho
Álgebra Linear - 2 a lista de exercícios Prof. - Juliana Coelho 1 - Verifique que os conjuntos V abaixo com as operações dadas não são espaços vetoriais explicitando a falha em alguma das propriedades.
Leia mais1 Espaços Vectoriais
Nova School of Business and Economics Apontamentos Álgebra Linear 1 Definição Espaço Vectorial Conjunto de elementos que verifica as seguintes propriedades: Existência de elementos: Contém pelo menos um
Leia mais(Todos os cursos da Alameda) Paulo Pinto
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Resumo das Aulas Teóricas de 2 o Semestre 2004/2005 (Todos os cursos da Alameda) Paulo Pinto Álgebra Linear Conteúdo Sistemas
Leia maisFundamentos de Álgebra Linear
Fundamentos de Álgebra Linear Jonathan Tejeda Quartuccio Instituto de Pesquisas Científicas SISTEMAS DE EQUAÇÕES Uma equação linear com n incógnitas é descrita como a x + a x + a 3 x 3 + + a n x n = b
Leia maisUNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática
UNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática 1 a Lista - MAT 17 - Introdução à Álgebra Linear II/2005 1 Considere as matrizes A, B, C, D e E com respectivas ordens,
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 mais2 Álgebra Linear (revisão)
Teoria de Controle (sinopse) 2 Álgebra Linear (revisão) J. A. M. Felippe de Souza Neste capítulo vamos citar os principais tópicos de Álgebra Linear que são necessários serem revistos para o acompanhamento
Leia maisOPERADORES LINEARES ESPECIAIS: CARACTERIZAÇÃO EM ESPAÇOS DE DIMENSÃO DOIS*
OPERADORES LINEARES ESPECIAIS: CARACTERIZAÇÃO EM ESPAÇOS DE DIMENSÃO DOIS* FABIANA BARBOSA DA SILVA, ALINE MOTA DE MESQUITA ASSIS, JOSÉ EDER SALVADOR DE VASCONCELOS Resumo: o objetivo deste artigo é apresentar
Leia maisa 11 a a 1n a 21 a a 2n A = a m1 a m2... a mn
Matrizes Definição Definição Uma matriz m n é uma tabela de mn números dispostos em m linhas e n colunas a 11 a 1 a 1n a 1 a a n a m1 a m a mn Embora a rigor matrizes possam ter quaisquer tipos de elementos,
Leia maisPontifícia Universidade Católica do Rio de Janeiro / PUC-Rio Departamento de Engenharia Mecânica. ENG1705 Dinâmica de Corpos Rígidos.
Pontifícia Universidade Católica do Rio de Janeiro / PUC-Rio Departamento de Engenharia Mecânica ENG1705 Dinâmica de Corpos Rígidos (Período: 2016.1) Notas de Aula Capítulo 1: VETORES Ivan Menezes ivan@puc-rio.br
Leia maisMatrizes e Linearidade
Matrizes e Linearidade 1. Revisitando Matrizes 1.1. Traço, Simetria, Determinante 1.. Inversa. Sistema de Equações Lineares. Equação Característica.1. Autovalor & Autovetor 4. Polinômios Coprimos 5. Função
Leia maisLista de Álgebra Linear Aplicada
Lista de Álgebra Linear Aplicada Matrizes - Vetores - Retas e Planos 3 de setembro de 203 Professor: Aldo Bazán Universidade Federal Fluminense Matrizes. Seja A M 2 2 (R) definida como 0 0 0 3 0 0 0 2
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 maisNotas de Aula Álgebra Linear. Elton José Figueiredo de Carvalho Escola de Ciências e Tecnologia Universidade Federal do Rio Grande do Norte
Notas de Aula Álgebra Linear Elton José Figueiredo de Carvalho Escola de Ciências e Tecnologia Universidade Federal do Rio Grande do Norte Versão 201608221232c de 22 de agosto de 2016 Parte I Espaços vetoriais
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 maisÂngulo e ortogonalidade em espaços com produto interno
Ângulo e ortogonalidade em espaços com produto interno Juliana Pimentel juliana.pimentel@ufabc.edu.br http://hostel.ufabc.edu.br/ juliana.pimentel Sala 507-2 - Bloco A, Torre 2 Definir a noção de ângulo
Leia maisx 1 3x 2 2x 3 = 0 2 x 1 + x 2 x 3 6x 4 = 2 6 x x 2 3x 4 + x 5 = 1 ( f ) x 1 + 2x 2 3x 3 = 6 2x 1 x 2 + 4x 3 = 2 4x 1 + 3x 2 2x 3 = 4
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-47 Álgebra Linear para Engenharia I Primeira Lista de Exercícios - Professor: Equipe da Disciplina EXERCÍCIOS. Resolva os seguintes sistemas:
Leia maisMatrizes e sistemas de equações algébricas lineares
Capítulo 1 Matrizes e sistemas de equações algébricas lineares ALGA 2007/2008 Mest Int Eng Biomédica Matrizes e sistemas de equações algébricas lineares 1 / 37 Definições Equação linear Uma equação (algébrica)
Leia maisficha 1 matrizes e sistemas de equações lineares
Exercícios de Álgebra Linear ficha matrizes e sistemas de equações lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2/2
Leia maisTRANSFORMAÇÕES LINEARES
ransformação Linear RNSFORMÇÕES LINERES Sejam e espaços vetoriais reais Dizemos que uma função : é uma transformação linear se a função preserva as operações de adição e de multiplicação por escalar, isto
Leia maisDependência linear e bases
Dependência linear e bases Sadao Massago 2014 Sumário 1 Dependência linear 1 2 ases e coordenadas 3 3 Matriz mudança de base 5 Neste texto, introduziremos o que é uma base do plano ou do espaço 1 Dependência
Leia maisÁlgebra Linear Exercícios Resolvidos
Álgebra Linear Exercícios Resolvidos Agosto de 001 Sumário 1 Exercícios Resolvidos Uma Revisão 5 Mais Exercícios Resolvidos Sobre Transformações Lineares 13 3 4 SUMA RIO Capítulo 1 Exercícios Resolvidos
Leia mais- identificar operadores ortogonais e unitários e conhecer as suas propriedades;
DISCIPLINA: ELEMENTOS DE MATEMÁTICA AVANÇADA UNIDADE 3: ÁLGEBRA LINEAR. OPERADORES OBJETIVOS: Ao final desta unidade você deverá: - identificar operadores ortogonais e unitários e conhecer as suas propriedades;
Leia maisMAT 1202 ÁLGEBRA LINEAR II SUBESPACCOS FUNDAMENTAIS E TRANSF. LINEARES 23/08/12 Profs. Christine e Pedro
MAT 1202 ÁLGEBRA LINEAR II 2012.2 SUBESPACCOS FUNDAMENTAIS E TRANSF. LINEARES 23/08/12 Profs. Christine e Pedro 1. Subespaços Fundamentais de uma Matriz (1.1) Definição. Seja A uma matriz retangular m
Leia maisCapítulo 4 - Valores e Vectores Próprios
Capítulo 4 - Valores e Vectores Próprios Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/ 17
Leia maisLista de exercícios cap. 2
Lista de exercícios cap. 2 Nos problemas de 1 a 7 apresenta-se um conjunto com as operações de adição e multiplicação por escalar nele definidas. Verificar quais deles são espaços vetoriais. Para aqueles
Leia maisCÁLCULO I. 1 Número Reais. Objetivos da Aula
CÁLCULO I Prof. Edilson Neri Júnior Prof. André Almeida EMENTA: Conceitos introdutórios de limite, limites trigonométricos, funções contínuas, derivada e aplicações. Noções introdutórias sobre a integral
Leia maisRevisão: Matrizes e Sistemas lineares. Parte 01
Revisão: Matrizes e Sistemas lineares Parte 01 Definição de matrizes; Tipos de matrizes; Operações com matrizes; Propriedades; Exemplos e exercícios. 1 Matrizes Definição: 2 Matrizes 3 Tipos de matrizes
Leia maisInstituto Superior Técnico Departamento de Matemática Última actualização: 3/Dez/2003 ÁLGEBRA LINEAR A
Instituto uperior Técnico Departamento de Matemática ecção de Álgebra e Análise Última actualização: 3/Dez/2003 ÁLGEBRA LINEAR A REVIÃO DA PARTE IV Parte IV - Diagonalização Conceitos: valor próprio, vector
Leia 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 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 maisUm Curso de Nivelamento. Instituto de Matemática UFF
Introdução à Álgebra Linear Um Curso de Nivelamento Jorge Delgado Depto. de Matemática Aplicada Katia Frensel Depto. de Geometria Instituto de Matemática UFF Março de 2005 J. Delgado - K. Frensel ii Instituto
Leia maisAlgoritmos Numéricos 2 a edição
Algoritmos Numéricos 2 a edição Capítulo 2: Sistemas lineares c 2009 FFCf 2 2.1 Conceitos fundamentais 2.2 Sistemas triangulares 2.3 Eliminação de Gauss 2.4 Decomposição LU Capítulo 2: Sistemas lineares
Leia maisESPAÇOS VETORIAIS. Álgebra Linear e Geometria Analítica Prof. Aline Paliga
ESPAÇOS VETORIAIS Álgebra Linear e Geometria Analítica Prof. Aline Paliga INTRODUÇÃO Sabe-se que o conjunto 2 ( x, y) / x, y é interpretado geometricamente como o plano cartesiano. O par ordenado (x,y)
Leia maisEXERCÍCIOS DE ÁLGEBRA LINEAR. Prefácio 3. Parte 1. Sistemas de equações lineares 4. Parte 2. Matrizes 10. Parte 3.
EXERCÍCIOS DE ÁLGEBRA LINEAR PEDRO MATIAS Conteúdo Prefácio 3 Parte 1. Sistemas de equações lineares 4 Parte 2. Matrizes 10 Parte 3. Determinantes 16 Parte 4. Geometria analítica 18 Parte 5. Espaços lineares
Leia maisMétodo prático para extrair uma base de um conjunto de geradores de um subespaço de R n
Método prático para extrair uma base de um conjunto de geradores de um subespaço de R n 1. Descrição do método e alguns exemplos Colocamos o seguinte problema: dado um conjunto finito: A = {a 1, a 2,...,
Leia 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 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 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 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 Determinantes, traços e o teorema espectral para operadores arbitrários
Álgebra Linear e Aplicações - Lista para Segunda Prova Nestas notas, X, Y,... são espaços vetoriais sobre o mesmo corpo F {R, C}. Você pode supor que todos os espaços têm dimensão finita. (x, y) = (x,
Leia maisAula 4 Colinearidade, coplanaridade e dependência linear
Aula 4 Colinearidade, coplanaridade e dependência linear MÓDULO 1 - AULA 4 Objetivos Compreender os conceitos de independência e dependência linear. Estabelecer condições para determinar quando uma coleção
Leia 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 maisÁlgebra Linear I - Aula 2. Roteiro
Álgebra Linear I - ula 2 1. Vetores. 2. Distâncias. 3. Módulo de um vetor. Roteiro 1 Vetores Nesta seção lembraremos brevemente os vetores e suas operações básicas. Definição de vetor. Vetor determinado
Leia maisINTRODUÇÃO AO ESTUDO DA ÁLGEBRA LINERAR Luiz Francisco da Cruz Departamento de Matemática Unesp/Bauru CAPÍTULO 7 ISOMORFISMO
INRODUÇÃO AO ESUDO DA ÁLGEBRA LINERAR CAPÍULO 7 ISOMORFISMO A pergunta inicial que se faz neste capítulo e que o motiva é: dada uma transformação linear : V W é possível definir uma transformação linear
Leia maisEduardo. Matemática Matrizes
Matemática Matrizes Eduardo Definição Tabela de números dispostos em linhas e colunas. Representação ou Ordem da Matriz Se uma matriz A possui m linhas e n colunas, dizemos que A tem ordem m por n e escrevemos
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Vetores, Retas e Planos
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 3 Vetores, Retas e lanos roduto interno em R n [3 01] Dados os vetores X =
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 maisNotas em Álgebra Linear
Notas em Álgebra Linear 1 Pedro Rafael Lopes Fernandes Definições básicas Uma equação linear, nas variáveis é uma equação que pode ser escrita na forma: onde e os coeficientes são números reais ou complexos,
Leia mais(x 1 + iy 1 ) + (x 2 + iy 2 ) = x 1 + x 2 + i(y 1 + y 2 ) a(x + iy) = ax + i(ay)
Espaços Vetoriais Definição. Um espaço vetorial sobre R é um conjunto V no qual se tem definida uma adição e uma multiplicação de seus elementos por escalares (isto é, por números reais), ou seja, dados
Leia maisÁlgebra Linear I - Aula 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 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 maisSistemas de Equações Lineares e Matrizes
Sistemas de Equações Lineares e Matrizes. Quais das seguintes equações são lineares em x, y, z: (a) 2x + 2y 5z = x + xy z = 2 (c) x + y 2 + z = 2 2. A parábola y = ax 2 + bx + c passa pelos pontos (x,
Leia mais1, , ,
Ministério da Educação Universidade Tecnológica Federal do Paraná Câmpus Francisco Beltrão Licenciatura em Informática Fundamentos de Geometria Analítica e Álgebra Linear Profª Sheila R. Oro Este texto
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 maisSão tabelas de elementos dispostos ordenadamente em linhas e colunas.
EMENTA (RESUMO) Matrizes Matrizes, determinantes e suas propriedades, Multiplicação de matrizes, Operações com matrizes, Matrizes inversíveis. Sistemas de Equações Lineares Sistemas equações lineares,
Leia maisLista de exercícios 7 Independência Linear.
Universidade Federal do Paraná semestre 6. Algebra Linear Olivier Brahic Lista de exercícios 7 Independência Linear. Exercício : Determine se os seguintes vetores são linearmente independentes em R : (
Leia 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 maisAlgebra Linear S ergio Lu ıs Zani
Álgebra Linear Sérgio Luís Zani 2 Sumário 1 Espaços Vetoriais 7 1.1 Introdução e Exemplos.......................... 7 1.2 Propriedades............................... 12 1.3 Exercícios.................................
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 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 maisPosição relativa entre retas e círculos e distâncias
4 Posição relativa entre retas e círculos e distâncias Sumário 4.1 Distância de um ponto a uma reta.......... 2 4.2 Posição relativa de uma reta e um círculo no plano 4 4.3 Distância entre duas retas no
Leia maisTópicos de Matemática Elementar
Revisão Básica de Prof. Dr. José Carlos de Souza Junior Universidade Federal de Alfenas 26 de novembro de 2014 Revisão de Definição 1 (Espaço Vetorial) Um conjunto V é um espaço vetorial sobre R, se em
Leia maisAula 12. Ângulo entre duas retas no espaço. Definição 1. O ângulo (r1, r2 ) entre duas retas r1 e r2 se define da seguinte maneira:
Aula 1 1. Ângulo entre duas retas no espaço Definição 1 O ângulo (r1, r ) entre duas retas r1 e r se define da seguinte maneira: (r1, r ) 0o se r1 e r são coincidentes, Se as retas são concorrentes, isto
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 maisExponencial de uma matriz
Exponencial de uma matriz Ulysses Sodré Londrina-PR, 21 de Agosto de 2001; Arquivo: expa.tex Conteúdo 1 Introdução à exponencial de uma matriz 2 2 Polinômio característico, autovalores e autovetores 2
Leia maisOPERAÇÕES - LEIS DE COMPOSIÇÃO INTERNA
Professora: Elisandra Figueiredo OPERAÇÕES - LEIS DE COMPOSIÇÃO INTERNA DEFINIÇÃO 1 Sendo E um conjunto não vazio, toda aplicação f : E E E recebe o nome de operação sobre E (ou em E) ou lei de composição
Leia mais