Recordamos que Q M n n (R) diz-se ortogonal se Q T Q = I.

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Recordamos que Q M n n (R) diz-se ortogonal se Q T Q = I."

Transcrição

1 Diagonalização ortogonal de matrizes simétricas Detalhes sobre a Secção.3 dos Apontamentos das Aulas teóricas de Álgebra Linear Cursos: LMAC, MEBiom e MEFT (semestre, 0/0, Prof. Paulo Pinto) Recordamos que Q M n n (R) diz-se ortogonal se Q T Q I. Observação i) Se Q é uma matriz ortogonal, então Q é invertível, Q Q T, det(q) ± e portanto a transposta Q T também é ortogonal QQ T I. ii) Seja {v, v,, v n } uma base ortonormada de R n quando munido com o produto interno usual. Seja ainda Q a matriz cuja coluna i é o vector v i (com i,,, n). Então Q é ortogonal e podemos resumidamente escrever. v v n matriz ortogonal {v,...v n } base ortonormada de R n. com o p.i. usual. Definição Seja A [a ij ] M n n (C). A matriz A cuja entrada (i, j) é dada por a ji é habitualmente designada pela matriz transconjudada de A; i.e. A A T. Dizemos que a matriz A é. normal se AA A A,. hermitiana se A A, 3. anti-hermitiana se A A, 4. unitária A for invertível e se A A. Se A tiver entradas em R, então a matriz A diz-se normal, simétrica, anti-simétrica e ortogonal, respectivamente. Temos (A ) A e (αab) αb A e A M n n (C) hermitiana ou anti-hermitiana ou unitária A normal. A M n n (R) simétrica ou anti-simétrica ou ortogonal A normal. 0 Note que A 0 é normal AA A A mas não é unitária nem (anti)hermitiana! 0 Seja K R ou K C. Usando a definição de A juntamente com o produto interno usual em K n, dado por podemos provar o seguinte resultado fulcral. u, v x y x n y n com u (x,..., x n ), v (y,..., y n ), Teorema 3 Au, v u, A v para quaisquer u, v K n. Prova Sejam u (x,..., x n ) e v (y,..., y n ). Usando a definição de produto interno usual e produto matricial, temos Au, v x y A.,. (Au) i y i a ij x j y i ( ). x n y i i j n Analogamente, u, A v i x i (A v) i i x i (A ) ij y j j i que é a expressão em (*), efectuando a troca de i com j. Q.E.D. x i a ji y j j i Teorema 4. λ valor próprio de A se e só se λ valor próprio de A (i.e. σ A σ A ). a ji x i y j, j

2 . A normal se e só se Au, Av A u, A v para quaisquer u, v. 3. A hermitiana se e só se Au, v u, Av para quaisquer u, v. 4. A unitária se e só se Au, Av u, v para quaisquer u, v. 5. A hermitiana, então os valores próprios de A são todos reais.. A unitária então os valores próprios de A têm modulo, isto é λ para qualquer valor próprio λ de A. 7. Se A é normal, vectores próprios associados a valores próprios distintos são ortogonais. 8. Se A é normal, então Au λu se e só se se A u λu. Prova:. Uma vez que p A (λ) det(a λi) det(a T λi) det((a λi) T ) det(a λi) det(a λi) det(a λi) p A (λ), temos p A (λ) p A (λ); logo λ é valor próprio de A sse λ é valor próprio de A.. Observe que se AA A A, então pelo Teorema 3 temos Au, Av u, A Av u, AA v A u, A v. Reciprocamente, novamente pelo Teorema 3 e hipótese temos AA u, A Au A u, A A Au Au, AA Au A Au, A Au e analogamente A Au, AA u AA u, AA u. Assim podemos facilmente calcular e concluir que (A A AA )u (A A AA )u, (A A AA )u 0 logo (A A AA )u 0 para todo o u, i.e. A A AA Trivial pelo Teorema Se A é uma matriz unitária então temos Au, Av u, A Av u, A Av u, v, como pretendido. Reciprocamente, a hipótese implica que Au u para todo o u (fazendo u v), logo N (A) {0} e portanto A é invertível. Por outro lado, (A A I)u, v A Au, v u, v 0, para quaisquer u, v. logo A A I Seja λ um valor próprio de A e u um vector próprio associado: Au λu. Então usando a parte 3) deste Teorema temos λu λ u, u λu, u Au, u u, Au u, λu λ u, u λu, logo λ λ (i.e. λ R).. Seja λ um valor próprio de A e u um vector próprio associado: Au λu. Então temos λλu λλ u, u λu, λu Au, Au u, u u, logo λλ. 7 Sejam u e v vectores próprios de A associados a valores próprios λ e λ distintos, respectivamente. Assim temos Au λ u e Av λ v e portanto, (λ λ ) u, v λ u, v u, λ v Au, v u, A v 0, onde usamos a parte ) deste teorema assim como o Teorema 3. Como λ λ podemos concluir que u, v Sendo A normal, pela parte ) deste teorema podemos concluir que Au A u para todo o vector u. Mais, podemos verificar que A λi também é uma matriz normal, para todo o escalar λ. Assim se Au λu temos 0 (A λi)u (A λi) u (A λi)u o que prova que u é um vector próprio de A associado ao valor próprio λ sse u é um vector de A associado ao valor próprio λ. Q.E.D. Como caso particular, temos o seguinte para matrizes reais.

3 Teorema 5 Seja A M n n (R) e considere o p.i. usual em R n.. temos Au, v u, A T v para quaisquer u, v R n,. Os valores próprios de uma matriz simétrica são todos reais. Mais, se u for um vector próprio de uma matriz simétrica então u R n. 3. Se A fôr simétrica, então vectores próprios associados a valores próprios diferentes são ortogonais (e portanto linearmente independentes). Prova. É um caso particular do Teorema 3 e 3. Segue pela parte 7) do Teorema 4.. Os valores próprios de uma matriz (real) simétrica são reais resulta, como caso particular, da parte ) do Teorema 4. Ora se λ R e A também tem entradas em R, então os vectores em N (A λi) são vectores em R n. O conceito de matriz transconjugada/transposta indica-nos como construir transformações lineares em espaços euclideanos gerais. Lema (Teorema de representação de Riesz) Seja E um espaço euclidiano de dimensão finita sobre K e Φ : E K uma transformação linear. Então existe um e um só u 0 E tal que Φ(u) u, u 0, para todo o u E. Prova: Se Φ(u) 0 para todo u E então podemos escolher u 0 : 0. Se Φ 0, seja M : N (Φ) {u E : Φ(u) 0}. Claro que M é um subespaço linear de E e M E pois Φ 0. Seja y M. Então Φ(y) c 0 seja z c y, pelo que Φ(z). Para qualquer u E, temos Φ(u)z u M logo Φ(u)z u z, portanto Φ(u)z u, z 0, u E. Esta equação pode ser escrita como Φ(u) u, z pelo que basta escolher u z 0 : z, o que prova a existência. z Quanto à unicidade, sejam u 0 e u tais que u, u 0 u, u para todo u E. Assim u, u 0 u 0 para todo u E, i.e. u 0 u E {0}. Q.E.D. Seja E for um espaço euclidiano de dimensão finita sobre K e T : E E uma transformação linear. Teorema 7 (Transformação linear adjunta) Sendo E um espaço euclidiano de dimensão finita, a equação T (u), v u, T (v), () para quaisquer u, v E define unicamente uma transformação linear T : E E (a transformação adjunta de T ). Prova: Para cada v E seja L v : E K definido por L v (u) T (u), v. Claro que L v é uma transformação linear, logo pelo Lema existe um único vector (designado por T (v) ) tal que L v (u) u, T (v). Fica assim construída uma função T : E E obedecendo à Eq. (). Falta provar que T é uma transformação linear. Ora, isto resulta da Eq. () porque u, T (λv + v ) T (u), λv + v λ T (u), v T (u), v λ u, T (v ) + u, T (v ) u, λt (v ) + T (v ) logo T (λv + v ) λt (v ) + T (v ) para λ K, v, v E. Q.E.D. Observação 8. Seja A M n n (K) e T : K n K n a transformação linear definida por T (u) Au; então T (u) A u se o produto interno em K n for o produto interno usual. Assim a transformação adjunta T é uma generalização de matriz transconjugada.. Podemos definir o que é uma transformação normal T T T T, hermíteana..., exactamente como o fizemos no caso das matrizes na Definição. 3. Mais, os resultados do Teorema 4 continuam válidos com as mesmas demonstrações para o contexto de transformações adjuntas (substituindo A por T e A por T ) num espaço euclidiano qualquer de dimensão finita!! podemos remover a restrição de E ser de dimensão finita, mas para tal precisamos de desenvolver o conceito de continuidade para transformações lineares, e é para essas transformações lineares que o Lema e a Eq. () continuam válidos! 3

4 Claro que (T ) T e se v,..., v n for base ortonormada de E; é fácil ver que essa transformação T é dada por T (u) u, T (v i ) v i () Teorema 9 Seja T : E E uma transforma cão linear num espaço euclidiano E de dimensão finita com coeficientes em K. Então as seguintes afirmações são equivalentes:. Existe uma base ortonormada de E constituída por vectores próprios de A.. T é normal e os seus valores próprios pertencem a K. Dem.: Prova de ) ). Seja v,..., v n uma base de E formada por vectores próprios de T. Temos então T (v i ) λ i v i com λ i K. A matriz de T nessa base (ordenada) é portanto a matriz diagonal λ 0 D λ n pelo que o polinómio característico de T é p(λ) det(d λi) ( ) n (λ λ )(λ λ ) (λ λ n ). Sendo então {λ,.., λ n } os valores próprios de T, que estão em K. Admitindo agora que essa base v,..., v n é ortonormada, temos que para u ξ v ξ n v n e v η v η n v n (com os coeficientes em K): T (u), T (v) ξ T (v ) ξ n T (v n ), η T (v ) η n T (v n ) ξ λ v +...ξ n λ n v n, η λ v +...η n λ n v n ξ i λ i λj η j v i, v j ξ i λ i λi η i. i,j Por outro lado, usando a equação () temos: T (u), T (v) n u, T (v i ) v i, v, T (v j ) v j j u, T (v i ) v, T (v j ) v i, v j i,j u, λ i v i v, λ i v i u, T (v i ) v, T (v i ) λ i λ i u, v i v, v i λ i λ i ξ v ξ n v n, v i η v η n v n, v i λ i λ i ξ i η i. Ou seja T (u), T (v) T (u), T (v) e portanto T é normal. Prova de ) ). Vamos mostrar, utilizando o método de indução, que existe uma base própria de E, relativa a T que é ortonormada. Se dim(e), não há nada a provar. Suponhamos que o enunciado é válido para dim(e) n 0 e vamos provar que o resultado também é válido para dim(e) n. Seja λ K um valor próprio de T e seja v 0 tal que T (v ) λ v e ponha-se w v v ; pelo que w. Seja F L({v }) o complemento ortogonal do espaço gerado pelo vector v em E; portanto dim(f ) n. Provamos que T (F ) F (para tal basta verificar que T (v), v 0 para todo v F, o que é de facto acontece usando a definições de T e de F ). Pelo que a restrição T F é uma transformação linear de F para F. Ora essa restrição T F continua a ser uma transformação linear normal, pelo que pela hipótese de indução, existe uma base ortonormada w,..., w n de F formada por vectores próprios de T F. É claro que então w, w,..., w n é uma base ortonormada de E de vectores próprios de T. Q.E.D. Usando o produto interno usual em K n e a transformação definida à custa da matriz T (u) Au, temos a seguinte consequência do Teorema 9. 4

5 Corolário 0. (Matrizes unitariamente diagonalizáveis) A matriz normal existe uma base ortonormada de C n constituida por vectores próprios de A.. (Matrizes ortogonalmente diagonalizáveis) A real e simétrica os valores próprios de A são reais e existe uma base ortonormada de R n constituida por vectores próprios de A. Observação Nas condições deste Corolário 0:. A unitariamente diagonalizável existe uma matriz diagonal D e uma matriz unitária U tais que D UAU.. A ortogonalmente diagonalizável existe uma matriz diagonal real D e uma matriz ortogonal Q tais que D QAQ T. 3. A matriz real tal que AA T A T A então A é unitariamente diagonalizável[ porque A] é matriz normal. No 0 entanto, A poderá não ser ortogonalmente diagonalizável! por exemplo A é normal AA 0 T I A T A no entanto σ A {±i} e os vectores próprios são vectores com entradas em C e não em R. Procedimento para diagonalizar ortogonalmente uma matriz A M n n (R) simétrica. Calcule os valores prṕrios λ,..., λ n de A e determine uma base para cada espaço próprio de A.. Aplique o processo de ortogonalização de Gram-Schmidt a cada base de cada de espaços próprio de A. Temos assim uma base ortogonal de R n constituída por vetores próprios de A. Normalize esta base, construindo assim uma base {v,..., v n } ortonormada de R n constituída por vetores próprios. 3. Seja Q T a matriz cuja coluna i é o vector v i e D a matriz diagonal cuja entrada (i, i) é o valor próprio λ i de A associado ao vector próprio v i, com i {,..., n}. 4. A teoria garante que D QAQ T. 4 Exemplo Seja A 4. Como A é simétrica sabemos que existe uma matriz ortogonal Q e uma 4 matriz diagonal D tais que D QAQ T. Vamos então construir Q T, D e naturalmente Q (Q T ) T. ) o polinómio característico de A é p(λ) det(a λi) det 4 λ 4 λ 4 λ... (λ ) (λ 8), pelo que os valores próprios de A são λ (raiz dupla) e λ 8 (raiz simples). O espaço próprio associado a λ é E N (A I) cujos vectores u (,, 0), u (, 0, ) forma uma base de E. O espaço próprio associado a λ 8 é E 8 N (A 8I) e o vector u 3 (,, ). ) Aplicando o processo de Gram-Schmidt às bases {u, u } e {u 3 } e depois normalizando, obtém-se: v (, 3) Então temos D , 0 ), v (,,, Q T ), v3 ( 3, 3, 3 ). e Q (Q T ) T e 4) sem fazer cálculos D QAQ T. 5

6 Teorema 3 Seja B {v,..., v n } uma base ordenada num espaço linear real E, A matriz n n real e u B as coordenadas do vector u na base B. Então u, v : [ u B ]A v B define um produto interno em E se e só se A A T (matriz simétrica) e σ A R + (os valores próprios de A são todos estritamente positivos). Prova: i) O axioma da linearidade verifica-se sem nenhuma restrição; nomeadamente λu + v, w [ (λu + vu) B ]A w B λ[ u B ]A w B + [ v B ]A w B λ u, w + v, w. ii) Vejamos o axioma da simetria. Ora [ u B ]A v B é uma matriz logo simétrica, portanto u, v [ u B ]A v B ( [ u B ]A v B ) T [ vb ]A T u B, Portanto u, v v, u sse A A T. ii) Vejamos o axioma da positividade ( u, u > 0, u 0). Note que u, u [ u B ]A u B [ u B ] A + AT u B e A+AT é sempre matriz simétrica. Assim, podemos assumir que A é simétrica. Pelo Corolário 0 a matriz A é ortogonalmente diagonalizável: D QAQ T com D diag(λ,..., λ n ) matriz diagonal e Q matriz ortogonal. Dado u E seja cada x u B e y Qx. Assim u, u [ x ]A x [ x ]Q T DQ x [ y ]D y λ i yi. Como n λ iy i > 0 para todo y (y,..., y n ) sse λ > 0,..., λ n > 0 podemos concluir que o axioma da positividade é equivalente à positividade de todos os valores próprios da matriz simétrica A. Q.E.D. O resultado análogo a este teorema para produtos internos em espaços lineares sobre C é óbvio: A A e σ A R +. Exemplo 4 Vamos provar que (x, x x 3 ), (y, y, y 3 ) 4x y + x y + x y + x y 3 + x 3 y + 4x y + x y 3 + x 3 y + 4x 3 y 3, define um produto interno em R 3. Ora (x, x x 3 ), (y, y, y 3 ) [ ] 4 y x x x 3 4 y, como a 4 y 3 matriz é simétrica, falta somente verificar que os valores próprios de A são estritamente positivos (pelo Teorema 3)! Todavia pelo Exemplo : σ A {,, 8} R +. Portanto (*) define um produto interno em R 3. Teorema 5 Seja Q : R n R a forma quadrática Q(x) a ij x i x j associada a uma matriz A [a ij ] real e simétrica. Então Q é: definida positiva (Q(x) > 0, x 0) sse σ A R + semi-definida definida positiva (Q(x) 0, x e Q(x) 0 para algum x 0) sse 0 σ A R + 0 definida negativa (Q(x) < 0, x 0) sse σ A R semi-definida negativa (Q(x) 0, x e Q(x) 0 para algum x 0) sse 0 σ A R 0 indefinida ( x : Q(x) > 0 e y : Q(y) < 0) sse A tem valores prṕrios positivos e negativos. Exemplo A forma quadrática Q definida usando a matriz da métrica A de um p.i. u, v uav T é uma forma quadrática definida positiva, pois Q(u) u, u.

Álgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013

Álgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013 Álgebra Linear Mauri C. Nascimento Departamento de Matemática UNESP/Bauru 19 de fevereiro de 2013 Sumário 1 Matrizes e Determinantes 3 1.1 Matrizes............................................ 3 1.2 Determinante

Leia mais

11 a LISTA DE PROBLEMAS DE ÁLGEBRA LINEAR LEIC-Taguspark, LERCI, LEGI, LEE 1 o semestre 2003/04 - semana de 2003-12-08

11 a LISTA DE PROBLEMAS DE ÁLGEBRA LINEAR LEIC-Taguspark, LERCI, LEGI, LEE 1 o semestre 2003/04 - semana de 2003-12-08 INSTITUTO SUPERIOR TÉCNICO - DEPARTAMENTO DE MATEMÁTICA a LISTA DE PROBLEMAS DE ÁLGEBRA LINEAR LEIC-Taguspark LERCI LEGI LEE o semestre 23/4 - semana de 23-2-8. Diga justificando quais dos seguintes ternos

Leia mais

A ideia de coordenatização (2/2)

A ideia de coordenatização (2/2) 8 a : aula (1h) 12/10/2010 a ideia de coordenatização (2/2) 8-1 Instituto Superior Técnico 2010/11 1 o semestre Álgebra Linear 1 o ano das Lics. em Engenharia Informática e de Computadores A ideia de coordenatização

Leia mais

ALGA I. Operadores auto-adjuntos (simétricos e hermitianos). Teorema espectral

ALGA I. Operadores auto-adjuntos (simétricos e hermitianos). Teorema espectral Módulo 9 ALGA I. Operadores auto-adjuntos (simétricos e hermitianos). Teorema espectral Contents 9.1 Operadores auto-adjuntos (simétricos e hermitianos) 136 9. Teorema espectral para operadores auto-adjuntos...........

Leia mais

Espaços vectoriais com produto interno. ALGA 2007/2008 Mest. Int. Eng. Biomédica Espaços vectoriais com produto interno 1 / 15

Espaços vectoriais com produto interno. ALGA 2007/2008 Mest. Int. Eng. Biomédica Espaços vectoriais com produto interno 1 / 15 Capítulo 6 Espaços vectoriais com produto interno ALGA 2007/2008 Mest. Int. Eng. Biomédica Espaços vectoriais com produto interno 1 / 15 Definição e propriedades Seja V um espaço vectorial real. Chama-se

Leia mais

2. O número de vectores da base de L construída na alínea anterior é a soma do número de vectores das bases de M e N.

2. O número de vectores da base de L construída na alínea anterior é a soma do número de vectores das bases de M e N. 2.4. PROJECÇÕES 2. dim(l)=dim(m)+dim(n) Demonstração. Se L=M N, qualquer vector x L se pode escrever de forma única como a soma de um vector x M M e outro vector x N N. 1. Dada uma base de M, x M pode

Leia mais

Álgebra Linear. André Arbex Hallack Frederico Sercio Feitosa

Álgebra Linear. André Arbex Hallack Frederico Sercio Feitosa Álgebra Linear André Arbex Hallack Frederico Sercio Feitosa Janeiro/2006 Índice 1 Sistemas Lineares 1 11 Corpos 1 12 Sistemas de Equações Lineares 3 13 Sistemas equivalentes 4 14 Operações elementares

Leia mais

Disciplina: Introdução à Álgebra Linear

Disciplina: Introdução à Álgebra Linear Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte Campus: Mossoró Curso: Licenciatura Plena em Matemática Disciplina: Introdução à Álgebra Linear Prof.: Robson Pereira de Sousa

Leia mais

Códigos Lineares CAPÍTULO 4

Códigos Lineares CAPÍTULO 4 CAPÍTULO 4 Códigos Lineares 1. Definição, pârametros e peso mínimo Seja F q o corpo de ordem q. Portanto, pelo Teorema 3.24, q = p m para algum primo p e inteiro positivo m. Definição 4.1. Um código linear

Leia mais

Instituto Superior Técnico Departamento de Matemática Última actualização: 11/Dez/2003 ÁLGEBRA LINEAR A

Instituto Superior Técnico Departamento de Matemática Última actualização: 11/Dez/2003 ÁLGEBRA LINEAR A Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Última actualização: 11/Dez/2003 ÁLGEBRA LINEAR A FICHA 8 APLICAÇÕES E COMPLEMENTOS Sistemas Dinâmicos Discretos (1) (Problema

Leia mais

Cálculo Diferencial e Integral 2 Formas Quadráticas

Cálculo 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 mais

Notas de Aula. Álgebra Linear I

Notas de Aula. Álgebra Linear I Notas de Aula Álgebra Linear I Rodney Josué Biezuner 1 Departamento de Matemática Instituto de Ciências Exatas (ICEx) Universidade Federal de Minas Gerais (UFMG) Notas de aula da disciplina Álgebra Linear

Leia mais

Instituto Superior Técnico Departamento de Matemática Última actualização: 18/Nov/2003 ÁLGEBRA LINEAR A

Instituto 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 mais

Mudança de Coordenadas

Mudança de Coordenadas Mudança de Coordenadas Reginaldo J. Santos Departamento de Matemática-ICE Universidade Federal de Minas Gerais http://www.mat.ufmg.br/~regi regi@mat.ufmg.br 13 de deembro de 2001 1 Rotação e Translação

Leia mais

4 a LISTA DE EXERCÍCIOS Valores Próprios e Vectores Próprios Álgebra Linear - 1 o Semestre - 2013/2014 LEE, LEGI, LEIC-TP, LETI

4 a LISTA DE EXERCÍCIOS Valores Próprios e Vectores Próprios Álgebra Linear - 1 o Semestre - 2013/2014 LEE, LEGI, LEIC-TP, LETI 4 a LISTA DE EXERCÍCIOS Valores Próprios e Vectores Próprios Álgebra Linear - 1 o Semestre - 2013/2014 LEE, LEGI, LEIC-TP, LETI Problema 1 Considere a matriz A = 1 0 0 0 2 1 2 0 3 Diga quais dos seguintes

Leia mais

ficha 3 espaços lineares

ficha 3 espaços lineares Exercícios de Álgebra Linear ficha 3 espaços lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 3 Notação Sendo

Leia mais

4.2 Produto Vetorial. Orientação sobre uma reta r

4.2 Produto Vetorial. Orientação sobre uma reta r 94 4. Produto Vetorial Dados dois vetores u e v no espaço, vamos definir um novo vetor, ortogonal a u e v, denotado por u v (ou u v, em outros textos) e denominado produto vetorial de u e v. Mas antes,

Leia mais

Bem, produto interno serve para determinar ângulos e distâncias entre vetores e é representado por produto interno de v com w).

Bem, produto interno serve para determinar ângulos e distâncias entre vetores e é representado por produto interno de v com w). Produto Interno INTRODUÇÃO Galera, vamos aprender agora as definições e as aplicações de Produto Interno. Essa matéria não é difícil, mas para ter segurança nela é necessário que o aluno tenha certa bagagem

Leia mais

Notas de Aula. Álgebra Linear

Notas de Aula. Álgebra Linear Notas de Aula Álgebra Linear Rodney Josué Biezuner 1 Departamento de Matemática Instituto de Ciências Exatas (ICEx) Universidade Federal de Minas Gerais (UFMG) Notas de aula da disciplina Álgebra Linear

Leia mais

ÁLGEBRA LINEAR ISBN 978-85-915683-0-7

ÁLGEBRA LINEAR ISBN 978-85-915683-0-7 . ÁLGEBRA LINEAR ISBN 978-85-915683-0-7 ROBERTO DE MARIA NUNES MENDES Professor do Departamento de Matemática e Estatística e do Programa de Pós-graduação em Engenharia Elétrica da PUCMINAS Belo Horizonte

Leia mais

Aula 5 - Matemática (Gestão e Marketing)

Aula 5 - Matemática (Gestão e Marketing) ISCTE, Escola de Gestão Aula 5 - Matemática (Gestão e Marketing) Diana Aldea Mendes 29 de Outubro de 2008 Espaços Vectoriais Definição (vector): Chama-se vector edesigna-sepor v um objecto matemático caracterizado

Leia mais

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA Marília Brasil Xavier REITORA Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA MATERIAL DIDÁTICO EDITORAÇÃO ELETRONICA Odivaldo Teixeira Lopes ARTE FINAL DA CAPA Odivaldo Teixeira

Leia mais

TRANSFORMAÇÕES LINEARES. Álgebra Linear e Geometria Analítica Prof. Aline Paliga

TRANSFORMAÇÕES LINEARES. Álgebra Linear e Geometria Analítica Prof. Aline Paliga TRANSFORMAÇÕES LINEARES Álgebra Linear e Geometria Analítica Prof. Aline Paliga INTRODUÇÃO Estudaremos um tipo especial de função, onde o domínio e o contradomínio são espaços vetoriais reais. Assim, tanto

Leia mais

EXAME DE ÁLGEBRA LINEAR (Semestre Alternativo, Alameda) GRUPO I

EXAME DE ÁLGEBRA LINEAR (Semestre Alternativo, Alameda) GRUPO I Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise EXAME DE ÁLGEBRA LINEAR (Semestre Alternativo, Alameda) (24/JUNHO/2005) Duração: 3h Nome de Aluno: Número de Aluno: Curso:

Leia mais

Corpos. Um domínio de integridade finito é um corpo. Demonstração. Seja D um domínio de integridade com elemento identidade

Corpos. Um domínio de integridade finito é um corpo. Demonstração. Seja D um domínio de integridade com elemento identidade Corpos Definição Um corpo é um anel comutativo com elemento identidade em que todo o elemento não nulo é invertível. Muitas vezes é conveniente pensar em ab 1 como sendo a b, quando a e b são elementos

Leia mais

INTRODUÇÃO AOS MÉTODOS FACTORIAIS

INTRODUÇÃO AOS MÉTODOS FACTORIAIS Capítulo II INTRODUÇÃO AOS MÉTODOS FACTORIAIS A Análise Factorial de Correspondências é uma técnica simples do ponto de vista matemático e computacional. Porém, devido ao elevado suporte geométrico desta

Leia mais

ÁLGEBRA LINEAR. Valores Próprios (Autovalores) e Vetores Próprios (Autovetores) Prof. Susie C. Keller

ÁLGEBRA LINEAR. Valores Próprios (Autovalores) e Vetores Próprios (Autovetores) Prof. Susie C. Keller ÁLGEBRA LINEAR Valores Próprios (Autovalores) e Vetores Próprios (Autovetores) Prof. Susie C. Keller Autovalores e Autovetores de um Operador Linear Seja T:V V um operador linear. Um vetor v V, v 0, é

Leia mais

Capítulo 3. Cálculo Vetorial. 3.1 Segmentos Orientados

Capítulo 3. Cálculo Vetorial. 3.1 Segmentos Orientados Capítulo 3 Cálculo Vetorial O objetivo deste capítulo é o estudo de vetores de um ponto de vista geométrico e analítico. De acordo com a necessidade, a abordagem do assunto será formal ou informal. O estudo

Leia mais

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Matrizes; Matrizes Especiais; Operações com Matrizes; Operações Elementares

Leia mais

Autovetor e Autovalor de um Operador Linear

Autovetor 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 mais

R é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range).

R é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). R é o conjunto dos reais; R n é o conjunto dos vetores n-dimensionais reais; Os vetores

Leia mais

a 1 x 1 +... + a n x n = b,

a 1 x 1 +... + a n x n = b, Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição

Leia mais

GLOSSÁRIO: UM DICIONÁRIO PARA ÁLGEBRA LINEAR

GLOSSÁRIO: UM DICIONÁRIO PARA ÁLGEBRA LINEAR GLOSSÁRIO: UM DICIONÁRIO PARA ÁLGEBRA LINEAR Matriz de adjacência de um grafo. Matriz quadrada com a ij = 1 quando existe uma arestado nodo i para o nodo j; caso contrário a ij = 0. A = A T para um grafo

Leia mais

Sobre Domínios Euclidianos

Sobre Domínios Euclidianos Sobre Domínios Euclidianos Clarissa Bergo Bianca Fujita Lino Ramada João Schwarz Felipe Yukihide Setembro de 2011 Resumo Neste texto, apresentaremos formalmente o que vem a ser domínio euclidiano, alguns

Leia mais

1 Módulo ou norma de um vetor

1 Módulo ou norma de um vetor Álgebra Linear I - Aula 3-2005.2 Roteiro 1 Módulo ou norma de um vetor A norma ou módulo do vetor ū = (u 1, u 2, u 3 ) de R 3 é ū = u 2 1 + u2 2 + u2 3. Geometricamente a fórmula significa que o módulo

Leia mais

Breve referência à Teoria de Anéis. Álgebra (Curso de CC) Ano lectivo 2005/2006 191 / 204

Breve referência à Teoria de Anéis. Álgebra (Curso de CC) Ano lectivo 2005/2006 191 / 204 Breve referência à Teoria de Anéis Álgebra (Curso de CC) Ano lectivo 2005/2006 191 / 204 Anéis Há muitos conjuntos, como é o caso dos inteiros, dos inteiros módulo n ou dos números reais, que consideramos

Leia mais

Sistema de equações lineares

Sistema de equações lineares Sistema de equações lineares Sistema de m equações lineares em n incógnitas sobre um corpo ( S) a x + a x + + a x = b a x + a x + + a x = b a x + a x + + a x = b 11 1 12 2 1n n 1 21 1 22 2 2n n 2 m1 1

Leia mais

NOÇÕES DE ÁLGEBRA LINEAR

NOÇÕES DE ÁLGEBRA LINEAR ESPAÇO VETORIAL REAL NOÇÕES DE ÁLGEBRA LINEAR ESPAÇOS VETORIAIS Seja um conjunto V φ no qual estão definidas duas operações: adição e multiplicação por escalar, tais que u, v V, u+v V e α R, u V, αu V

Leia mais

Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade,

Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade, D Resumo de Álgebra Matricial Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade, necessária para o estudo de modelos de regressão linear múltipla usando matrizes,

Leia mais

Matrizes Semelhantes e Matrizes Diagonalizáveis

Matrizes 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 mais

6 O Formalismo Matemático da Mecânica Quântica I

6 O Formalismo Matemático da Mecânica Quântica I 6-1 6 O Formalismo Matemático da Mecânica Quântica I 6.1 Espaços Vetoriais Nesta seção expomos as noções básicas dos espaços vetoriais, pois o formalismo da mecânica quântica se baseia nestes conceitos.

Leia mais

Exercícios Teóricos Resolvidos

Exercícios Teóricos Resolvidos Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar

Leia mais

Álgebra Linear I Solução da 5ª Lista de Exercícios

Álgebra Linear I Solução da 5ª Lista de Exercícios FUNDAÇÃO EDUCACIONAL SERRA DOS ÓRGÃOS CENTRO UNIVERSITÁRIO SERRA DOS ÓRGÃOS Centro de Ciências e Tecnologia Curso de Graduação em Engenharia de Produção Curso de Graduação em Engenharia Ambiental e Sanitária

Leia mais

EXERCÍCIOS DE ÁLGEBRA LINEAR

EXERCÍCIOS 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 mais

Expansão linear e geradores

Expansão linear e geradores Espaços Vectoriais - ALGA - 004/05 4 Expansão linear e geradores Se u ; u ; :::; u n são vectores de um espaço vectorial V; como foi visto atrás, alguns vectores de V são combinação linear de u ; u ; :::;

Leia mais

Geometria Analítica e Álgebra Linear

Geometria Analítica e Álgebra Linear UNIFEI - Universidade Federal de Itajubá campus Itabira Geometria Analítica e Álgebra Linear Parte 1 Matrizes 1 Introdução A teoria das equações lineares desempenha papel importante e motivador da álgebra

Leia mais

2.2 Subespaços Vetoriais

2.2 Subespaços Vetoriais 32 CAPÍTULO 2. ESPAÇOS VETORIAIS 2.2 Subespaços Vetoriais Sejam V um espaço vetorial sobre R e W um subconjunto de V. Dizemos que W é um subespaço (vetorial) de V se as seguintes condições são satisfeitas:

Leia mais

1. O conjunto dos polinômios de grau m, com 2 m 5, acrescido do polinômio nulo, é um subespaço do espaço P 5.

1. O conjunto dos polinômios de grau m, com 2 m 5, acrescido do polinômio nulo, é um subespaço do espaço P 5. UFPB/PRAI/CCT/DME - CAMPUS II DISCIPLINA: Álgebra Linear ALUNO (A): 2 a LISTA DE EXERCÍCIOS 1 a PARTE: QUESTÕES TIPO VERDADEIRO OU FALSO COM JUSTI- FICATIVA. 1. O conjunto dos polinômios de grau m com

Leia mais

Álgebra Linear Resumo das aulas teóricas e práticas Paulo R. Pinto http://www.math.ist.utl.pt/ ppinto/ Lisboa, Novembro de 2011

Álgebra Linear Resumo das aulas teóricas e práticas Paulo R. Pinto http://www.math.ist.utl.pt/ ppinto/ Lisboa, Novembro de 2011 Álgebra Linear Resumo das aulas teóricas e práticas Paulo R Pinto http://wwwmathistutlpt/ ppinto/ Lisboa, Novembro de 2011 Conteúdo 1 Matrizes e sistemas lineares 1 11 Álgebra das Matrizes 1 12 Operações

Leia mais

2 Matrizes. 3 Definição Soma de duas matrizes, e ( ) 4 Propriedades Propriedades da soma de matrizes ( )

2 Matrizes. 3 Definição Soma de duas matrizes, e ( ) 4 Propriedades Propriedades da soma de matrizes ( ) Nova School of Business and Economics Apontamentos Álgebra Linear 1 Definição Matriz ( ) Conjunto de elementos dispostos em linhas e colunas. Ex.: 0 1 é uma matriz com 2 linhas e 3 colunas. 2 Definição

Leia mais

Matrizes e Determinantes

Matrizes e Determinantes Capítulo 1 Matrizes e Determinantes 11 Generalidades Iremos usar K para designar IR conjunto dos números reais C conjunto dos números complexos Deste modo, chamaremos números ou escalares aos elementos

Leia mais

Åaxwell Mariano de Barros

Åaxwell Mariano de Barros ÍÒ Ú Ö Ö Ð ÓÅ Ö Ò Ó Ô ÖØ Ñ ÒØÓ Å Ø Ñ Ø ÒØÖÓ Ò Ü Ø Ì ÒÓÐÓ ÆÓØ ÙÐ ¹¼ ÐÙÐÓÎ ØÓÖ Ð ÓÑ ØÖ Ò Ð Ø Åaxwell Mariano de Barros ¾¼½½ ËÓÄÙ ¹ÅA ËÙÑ Ö Ó 1 Vetores no Espaço 2 1.1 Bases.........................................

Leia mais

Universidade Estadual de Santa Cruz. Departamento de Ciências Exatas e Tecnológicas. Especialização em Matemática. Disciplina: Estruturas Algébricas

Universidade Estadual de Santa Cruz. Departamento de Ciências Exatas e Tecnológicas. Especialização em Matemática. Disciplina: Estruturas Algébricas 1 Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e Tecnológicas Especialização em Matemática Disciplina: Estruturas Algébricas Profs.: Elisangela S. Farias e Sérgio Motta Operações

Leia mais

3 O método Jacobi quaterniônico para matrizes anti-simétricas

3 O método Jacobi quaterniônico para matrizes anti-simétricas 3 O método Jacobi quaterniônico para matrizes anti-simétricas 3.1 O Método de Jacobi O uso de reflexões e rotações é computacionalmente interessante pela sua simplicidade e porque podem ser facilmente

Leia mais

Def. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC,

Def. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC, ESPAÇO VETORIAL Def. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC, + é a operação (função) soma + : V V V, que a cada par (u, v) V V, associa um único elemento de V, denotado

Leia mais

CURSO ONLINE RACIOCÍNIO LÓGICO

CURSO ONLINE RACIOCÍNIO LÓGICO AULA QUINZE: Matrizes & Determinantes (Parte II) Olá, amigos! Pedimos desculpas por não ter sido possível apresentarmos esta aula na semana passada. Motivos de força maior nos impediram de fazê-lo, mas

Leia mais

Classificação de Cônicas e Quádricas em Função da Equação Algébrica

Classificação de Cônicas e Quádricas em Função da Equação Algébrica UNIVERSIDADE FEDERAL DO ESTADO DO RIO DE JANEIRO CENTRO DE CIÊNCIAS EXATAS E TECNOLOGIA PROFMAT Mestrado Profissional em Matemática em Rede Nacional Classificação de Cônicas e Quádricas em Função da Equação

Leia mais

Álgebra Linear Teoria de Matrizes

Álgebra Linear Teoria de Matrizes Álgebra Linear Teoria de Matrizes 1. Sistemas Lineares 1.1. Coordenadas em espaços lineares: independência linear, base, dimensão, singularidade, combinação linear 1.2. Espaço imagem (colunas) - Espaço

Leia mais

Explorações de alunos

Explorações de alunos A partir dos exemplos sugeridos e explorados pelos alunos pretende-se que possam conjecturar que, dadas duas funções reais de variável real f e g, o domínio da função quociente pode ser dado por: f f g

Leia mais

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.

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. 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 mais

PROGRAMA ÁLGEBRA LINEAR, MEEC (AL-10) Aula teórica 32

PROGRAMA ÁLGEBRA LINEAR, MEEC (AL-10) Aula teórica 32 ÁLGEBRA LINEAR, MEEC (AL-10) Aula teórica 32 PROGRAMA 1. Sistemas de equações lineares e matrizes 1.1 Sistemas 1.2 Matrizes 1.3 Determinantes 2. Espaços vectoriais (ou espaços lineares) 2.1 Espaços e subespaços

Leia mais

Lista 1 para a P2. Operações com subespaços

Lista 1 para a P2. Operações com subespaços Lista 1 para a P2 Observação 1: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós sugerimos

Leia mais

ESPAÇOS MUNIDOS DE PRODUTO INTERNO

ESPAÇOS MUNIDOS DE PRODUTO INTERNO ESPAÇOS MUNIDOS DE PRODUTO INTERNO Angelo Fernando Fiori 1 Bruna Larissa Cecco 2 Grazielli Vassoler 3 Resumo: O presente trabalho apresenta um estudo sobre os espaços vetoriais munidos de produto interno.

Leia mais

Autovalores e Autovetores

Autovalores 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 mais

SOCIEDADE BRASILEIRA DE MATEMÁTICA MESTRADO PROFISSIONAL EM REDE NACIONAL PROFMAT

SOCIEDADE BRASILEIRA DE MATEMÁTICA MESTRADO PROFISSIONAL EM REDE NACIONAL PROFMAT SOCIEDADE BRASILEIRA DE MATEMÁTICA MESTRADO PROFISSIONAL EM REDE NACIONAL PROFMAT GABARITO da 3 a Avaliação Nacional de Aritmética - MA14-21/12/2013 Questão 1. (pontuação: 2) (1,0) a) Enuncie e demonstre

Leia mais

Exercícios Adicionais

Exercícios Adicionais Exercícios Adicionais Observação: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós recomendamos

Leia mais

POLINÔMIOS. x 2x 5x 6 por x 1 x 2. 10 seja x x 3

POLINÔMIOS. x 2x 5x 6 por x 1 x 2. 10 seja x x 3 POLINÔMIOS 1. (Ueg 01) A divisão do polinômio a) x b) x + c) x 6 d) x + 6 x x 5x 6 por x 1 x é igual a:. (Espcex (Aman) 01) Os polinômios A(x) e B(x) são tais que A x B x x x x 1. Sabendo-se que 1 é raiz

Leia mais

Tópicos Matriciais Pedro Henrique O. Pantoja Natal / RN

Tópicos Matriciais Pedro Henrique O. Pantoja Natal / RN 1. Traço de Matrizes. Definição 1.1: O traço de uma matriz quadrada A a de ordem n é a soma dos elementos da diagonal principal. Em símbolos, TrA a a a a. Daqui em diante, A denotará uma matriz quadrada

Leia mais

Conjuntos numéricos. Notasdeaula. Fonte: Leithold 1 e Cálculo A - Flemming. Dr. Régis Quadros

Conjuntos numéricos. Notasdeaula. Fonte: Leithold 1 e Cálculo A - Flemming. Dr. Régis Quadros Conjuntos numéricos Notasdeaula Fonte: Leithold 1 e Cálculo A - Flemming Dr. Régis Quadros Conjuntos numéricos Os primeiros conjuntos numéricos conhecidos pela humanidade são os chamados inteiros positivos

Leia mais

Algebra Linear. 1. Revisitando autovalores e autovetores. 2. Forma Diagonal e Forma de Jordan. 2.1 Autovalores distintos. 2.2 Autovalores complexos

Algebra Linear. 1. Revisitando autovalores e autovetores. 2. Forma Diagonal e Forma de Jordan. 2.1 Autovalores distintos. 2.2 Autovalores complexos Algebra Linear 1. Revisitando autovalores e autovetores 2. Forma Diagonal e Forma de Jordan 2.1 Autovalores distintos 2.2 Autovalores complexos 2.3 Nem todos autovalores distintos 3. Autovalores e autovetores

Leia mais

Instituto Superior Técnico Departamento de Matemática Última actualização: 3/Dez/2003 ÁLGEBRA LINEAR A

Instituto 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 mais

Lista n 0 1 de Exercícios de Teoria da Computação

Lista n 0 1 de Exercícios de Teoria da Computação Lista n 0 1 de Exercícios de Teoria da Computação UFU-Curso de Bacharelado em Ciência da Computação - 7 0 período Profa. Sandra de Amo Exercícios de Revisão : Autômatos e Gramáticas 1. Mostre que a linguagem

Leia mais

Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 2013/I

Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 2013/I 1 Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 013/I 1 Sejam u = ( 4 3) v = ( 5) e w = (a b) Encontre a e b tais

Leia mais

Valores e Vectores Próprios. Carlos Luz Departamento de Matemática Escola Superior de Tecnologia de Setúbal

Valores e Vectores Próprios. Carlos Luz Departamento de Matemática Escola Superior de Tecnologia de Setúbal Valores e Vectores Próprios Carlos Luz Departamento de Matemática Escola Superior de Tecnologia de Setúbal Ano Lectivo 24/25 Conteúdo Definição de Valor e Vector Próprios 2 2 Um Eemplo de Aplicação 8 3

Leia mais

Álgebra 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 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 mais

FACULDADE DE CIÊNCIA E TECNOLOGIA. Cursos de Engenharia. Prof. Álvaro Fernandes Serafim

FACULDADE DE CIÊNCIA E TECNOLOGIA. Cursos de Engenharia. Prof. Álvaro Fernandes Serafim FACULDADE DE CIÊNCIA E TECNOLOGIA Cursos de Engenharia Prof. Álvaro Fernandes Serafim Última atualização: //7. Esta apostila de Álgebra Linear foi elaborada pela Professora Ilka Rebouças Freire. A formatação

Leia mais

= f(0) D2 f 0 (x, x) + o( x 2 )

= f(0) D2 f 0 (x, x) + o( x 2 ) 6 a aula, 26-04-2007 Formas Quadráticas Suponhamos que 0 é um ponto crítico duma função suave f : U R definida sobre um aberto U R n. O desenvolvimento de Taylor de segunda ordem da função f em 0 permite-nos

Leia mais

Prof. José Carlos Morilla

Prof. José Carlos Morilla 1 Cálculo Vetorial e Geometria Analítica Santos 009 1 CÁLCULO VETORIAL... 4 1.1 Segmentos Orientados... 4 1. Vetores... 4 1..1 Soma de um ponto com um vetor... 5 1.. Adição de vetores... 5 1..3 Diferença

Leia mais

Notas sobre a Fórmula de Taylor e o estudo de extremos

Notas sobre a Fórmula de Taylor e o estudo de extremos Notas sobre a Fórmula de Taylor e o estudo de etremos O Teorema de Taylor estabelece que sob certas condições) uma função pode ser aproimada na proimidade de algum ponto dado) por um polinómio, de modo

Leia mais

Álgebra linear algorítmica

Álgebra linear algorítmica Álgebra linear algorítmica S. C. Coutinho Este arquivo reúne as provas do curso álgebra linear algorítmica (MAB 5) oferecido pelo Departamento de Ciência da Computação da UFRJ. Primeira Prova200/. Seja

Leia mais

Matrizes hermitianas e unitárias

Matrizes 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 mais

Exercícios 1. Determinar x de modo que a matriz

Exercícios 1. Determinar x de modo que a matriz setor 08 080509 080509-SP Aula 35 MATRIZ INVERSA Uma matriz quadrada A de ordem n diz-se invertível, ou não singular, se, e somente se, existir uma matriz que indicamos por A, tal que: A A = A A = I n

Leia mais

Exp e Log. Roberto Imbuzeiro Oliveira. 21 de Fevereiro de 2014. 1 O que vamos ver 1. 2 Fatos preliminares sobre espaços métricos 2

Exp e Log. Roberto Imbuzeiro Oliveira. 21 de Fevereiro de 2014. 1 O que vamos ver 1. 2 Fatos preliminares sobre espaços métricos 2 Funções contínuas, equações diferenciais ordinárias, Exp e Log Roberto Imbuzeiro Oliveira 21 de Fevereiro de 214 Conteúdo 1 O que vamos ver 1 2 Fatos preliminares sobre espaços métricos 2 3 Existência

Leia mais

36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase

36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase 36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase Problema 1 Turbo, o caracol, está participando de uma corrida Nos últimos 1000 mm, Turbo, que está a 1 mm por hora, se motiva e

Leia mais

ALGA I. Bases, coordenadas e dimensão

ALGA 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 mais

Parte I. Álgebra Linear. Sistemas Dinâmicos Lineares. Autovalores, autovetores. Autovalores, autovetores. Autovalores e Autovetores.

Parte I. Álgebra Linear. Sistemas Dinâmicos Lineares. Autovalores, autovetores. Autovalores, autovetores. Autovalores e Autovetores. Sistemas Dinâmicos Lineares Romeu Reginatto Programa de Pós-Graduação em Engenharia de Sistemas Dinâmicos e Energéticos Universidade Estadual do Oeste do Paraná Parte I Álgebra Linear Adaptado das notas

Leia mais

Função. Definição formal: Considere dois conjuntos: o conjunto X com elementos x e o conjunto Y com elementos y. Isto é:

Função. Definição formal: Considere dois conjuntos: o conjunto X com elementos x e o conjunto Y com elementos y. Isto é: Função Toda vez que temos dois conjuntos e algum tipo de associação entre eles, que faça corresponder a todo elemento do primeiro conjunto um único elemento do segundo, ocorre uma função. Definição formal:

Leia mais

Códigos Reed-Solomon CAPÍTULO 9

Códigos Reed-Solomon CAPÍTULO 9 CAPÍTULO 9 Códigos Reed-Solomon Um dos problemas na Teoria de Códigos é determinar a distância mínima de um dado código. Tratando-se de códigos cíclicos, por vezes conseguimos controlar a distância mínima

Leia mais

ALGA I. Representação matricial das aplicações lineares

ALGA I. Representação matricial das aplicações lineares Módulo 6 ALGA I Representação matricial das aplicações lineares Contents 61 Matriz de uma aplicação linear 76 62 Cálculo do núcleo e imagem 77 63 Matriz da composta 78 64 GL(n Pontos de vista passivo e

Leia mais

Noções de Álgebra Linear

Noções 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 mais

Capítulo 3 - Sistemas de Equações Lineares

Capítulo 3 - Sistemas de Equações Lineares Capítulo 3 - Sistemas de Equações Lineares 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/

Leia mais

Matrizes e Linearidade

Matrizes 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 mais

1 Determinantes, traços e o teorema espectral para operadores arbitrários

1 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 mais

Autovalores e Autovetores Determinante de. Motivando com Geometria Definição Calculando Diagonalização Teorema Espectral:

Autovalores 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 mais

ESPAÇOS QUOCIENTES DANIEL SMANIA. [x] := {y X t.q. x y}.

ESPAÇOS QUOCIENTES DANIEL SMANIA. [x] := {y X t.q. x y}. ESPAÇOS QUOCIENTES DANIEL SMANIA 1. Relações de equivalência Seja uma relação de equivalência sobre um conjunto X, isto é, uma rel ção binária que satisfaz as seguintes propriedades i. (Prop. Reflexiva.)

Leia mais

APLICAÇÕES DA DERIVADA

APLICAÇÕES DA DERIVADA Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,

Leia mais

Capítulo 3 - Sistemas de Equações Lineares

Capítulo 3 - Sistemas de Equações Lineares Capítulo 3 - Sistemas de Equações Lineares 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/

Leia mais

Álgebra Linear e Geometria Analítica

Álgebra Linear e Geometria Analítica Álgebra Linear e Geometria Analítica Departamento de Matemática para a Ciência e Tecnologia Universidade do Minho 2005/2006 Engenharia e Gestão Industrial Engenharia Electrónica Industrial e de Computadores

Leia mais

Alguns Problemas e Exames Resolvidos de LEAmb, LEAN, LEMat, LQ, MEBiol, MEQ 1 o Semestre 2008/2009

Alguns Problemas e Exames Resolvidos de LEAmb, LEAN, LEMat, LQ, MEBiol, MEQ 1 o Semestre 2008/2009 Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Alguns Problemas e Exames Resolvidos de LEAmb, LEAN, LEMat, LQ, MEBiol, MEQ 1 o Semestre 2008/2009 Prof. Paulo Pinto http://www.math.ist.utl.pt/

Leia mais

Álgebra Linear I - Aula 21

Álgebra 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 mais