A forma canônica de Jordan e aplicações. 2 Resultados. 2.1 Triangularização. Marcos Alves dos Santos e José Carlos Corrêa Eidam(Orientador)
|
|
- Júlio César Prado
- 5 Há anos
- Visualizações:
Transcrição
1 A forma canônica de Jordan e aplicações Marcos Alves dos Santos e José Carlos Corrêa Eidam(Orientador) Universidade de São Paulo (USP), Brasil marcos.santos@usp.br Universidade de São Paulo (USP), Brasil zeca@ime.usp.br 2.1 Triangularização Para muitas aplicações não é estritamente necessário utilizarmos a forma canônica de Jordan de um operador; a forma triangular é suficiente. Vamos descrever os fatos mais relevantes relacionados ao assunto. 1 Introdução Neste trabalho, construiremos a forma canônica de Jordan de um operador linear em um espaço vetorial de dimensão finita. Isto consiste em decompor o operador como soma de um operador diagonalizável e de um operador nilpotente, sob certas hipóteses. Esta decomposição tem muitas aplicações no estudo da estrutura do operador. Também estudaremos o problema de triangularização de um operador linear, que, se por um lado não fornece um resultado tão sólido como o da forma canônica, por outro é de fácil aplicação. E finalizaremos a exposição com algumas aplicações. 2 Resultados Suporemos que V é um espaço vetorial de dimensão finita sobre o corpo F = R ou C. O espaço de operadores lineares em V será denotado por L (V). Os polinômios minimal e característico de T serão denotados respectivamente por q T (x) e p T (x). Vamos enunciar o principal teorema utilizado em nosso trabalho. Teorema 2.1 (Decomposição Primária) Seja T L (V) um operador linear sobre o espaço vetorial V de dimensão finita sobre o corpo F. Seja q T = p 1 r1... p k r k o polinômio minimal de T, onde os p i s são polinômios distintos, irredutíveis e unitários sobre F e os r i s são inteiros positivos. Então são verdadeiras as seguintes afirmações: 1. V = W 1... W k, onde W i = kerp i (T) ri, i = 1,...,k; 2. Cada W i é invariante por T; 3. Se T i é o operador induzido sobre W i por T, então o polinômio minimal de T i é p ri i. Trataremos inicialmente do problema de triangularização de operadores e, posteriormente, estudaremos a existência da forma canônica de Jordan. de V. Definição 2.2 Um operador linear T L (V) é dito triangularizável se admite uma base em relação à qual sua matriz é triangular. Não é difícil verificar que um operador é triangularizável se e só se admite subespaços invariantes = V V 1... V n = V, com dim V j = j, j =, 1,...,n. O próximo resultado classifica os operadores triangularizáveis. Teorema 2.3 Seja T L (V) um operador linear sobre um espaço vetorial V sobre um corpo F. Então T é triangularizável se e só se os autovalores de T pertencem em F. Demonstração: Se T é triangularizável, obviamente os autovalores de T pertencem a F, pois os autovalores de uma matriz triangular são os elementos de sua diagonal. Para a recíproca, usaremos o princípio de indução. Claramente o teorema vale quando dimv = 1. Suponhamos que valha também para espaços de dimensão n 1. Como T e T t têm 1 polinômio característico iguais, T t tem todos os autovalores em F. Logo, existe um subespaço W invariante por T t com dim W = 1. Seja V n 1 o subespaço, de V, anulado por W. Vemos que dim V n 1 = n 1 e V n 1 é invariante por T, portanto podemos considerar o operador T 1 = T Vn 1. Pela hipótese de indução, existem subespaços V 1... V n 1, com dimv j = j, invariantes por T 1 e, portanto, invariantes por T. Logo, T é triangularizável. Observação 2.4 É interessante observar na prova do teorema 2.3 que, dada uma ordenação λ 1,...,λ n dos autovalores de T (respeitando suas multiplicidades), é possível obter uma base de V em relação à qual a matriz de T tem λ 1,...,λ n, nesta ordem, ao longo da diagonal. O próximo resultado mostra que, embora possam existir operadores lineares sem autovetores, sempre é possível obter subespaços invariantes nãotriviais de dimensão baixa. 1 Denotamos por T t L (V ) o operador definido por (T t φ)(u) = φ(tu), u V, φ V, onde V denota o espaço dual 281
2 Teorema 2.5 Todo operador linear T L (V) sobre um espaço vetorial V de dimensão finita possui um subespaço invariante de dimensão 1 ou 2. Demonstração: Este teorema é evidente no caso em que V é complexo. Podemos, portanto, supor que V seja real. Seja q T = p 1... p k o polinômio minimal de T, onde cada p j é um polinômio mônico, irredutível de grau 1 ou 2. Como q T (T) =, algum p i (T) não é inversível. Logo, existe v tal que p i (T)v =. Chamemos p i de p. Se o grau de p é 1, obviamente, v é um autovetor. Suponhamos que o grau de p seja 2, digamos p(x) = x 2 bx c, com b,c R. Como p(t)v = (T 2 bt c)v = então T(Tv) = T 2 (v) = bt(v) + cv e, portanto, span {v, T(v)} é invariante por T. Além disso, {v, T(v)} é linearmente independente, pois se Tv = λv, então T 2 v = λ 2 v. Assim, = p(t)v = T 2 v btv cv = (λ 2 bλ c)v e, portanto, λ é raiz de p. Isto é uma contradição, pois p é irredutível de grau 2 e, portanto, não possui raiz real. Logo, span {v,t(v)} é invariante por T de dimensão 2. A fim de extender alguns resultados válidos inicialmente para espaços complexos para o caso real, precisamos da seguinte definição. Definição 2.6 Dado um espaço vetorial real V, uma complexificação de V é um espaço vetorial complexo V C que contém V como subespaço real e tem a propriedade de que todo operador linear real T : V W, onde W é um espaço vetorial complexo, admite uma única extensão linear complexa a V C. Não é difícil verificar que todas as complexificações de V são únicas a menos de isomorfismo. Dado um espaço vetorial complexo W, é possível considerá-lo como um espaço real; basta restringir a multiplicação escalar para R. É fácil ver que a dimensão de W como espaço real é o dobro de sua dimensão como espaço complexo. Um resultado útil envolvendo bases e complexificações será enunciado a seguir. Lema 2.7 Se V é um espaço vetorial complexo e B 1 = {v 1,...,v n } é uma base complexa de V então B 2 = {v 1,iv 1,...,v n,iv n } é uma base real de V. Em particular, se T é um operador linear em V cuja matriz em relação a B 1 é (c ij ) n n então a matriz de T em relação a B 2 é a matriz (2n) (2n) A A 1n.. A n1... A nn, onde cada A ij é um bloco 2 2 da forma e c ij = a ij + ib ij, para 1 i,j n. ( ) aij b ij b ij a ij Vamos extender o teorema 2.3 para operadores que não necessariamente têm todos os seus autovalores em F. Para isto, daremos uma definição. Definição 2.8 Seja V um espaço vetorial real de dimensão finita. Um operador linear T L (V) é semi-triangularizável quando existe uma base de V na qual sua matriz é da forma A 1 A m, (1) onde os primeiros k blocos são 1 1, os restantes são blocos 2 2 da forma ( ) a b b a, com a,b R; e são nulos os elementos abaixo destes blocos. Podemos agora enunciar o resultado que generaliza o teorema 2.3 para o caso real. Teorema 2.9 Se V é um espaço vetorial real de dimensão finita, então todo operador linear T L (V) é semi-triangularizável. Demonstração: Seja q T = q 1 q 2 o polinômio minimal de T, onde q 1 tem somente raízes reais, λ 1,...,λ m, e q 2 tem somente raízes complexas, µ 1,µ 1,...,µ n,µ n. O teorema 2.1 nos fornece uma decomposição V = V 1 V 2 onde os operadores T 1 = T V1 e T 2 = T V2 têm λ 1,...,λ m e µ 1,µ 1,...,µ n, µ n como autovalores, respectivamente. Pelo teorema 2.3, T 1 é triangularizável. Considere T C 2 L (V C 2 ) o operador complexificado de T 2. Pelo mesmo teorema, T 2C é triangularizável. Além disso, podemos obter uma base B = {u 1 + iv 1,u 1 iv 1,...,u n + iv n, u n iv n } de V2 C tal que a matriz de T2 C com relação a B tem µ 1,µ 1,...,µ n,µ n ao longo da diagonal, nesta ordem. Não é difícil ver que B = {u 1,v 1,...,u n,v n } é base de V e a matriz de T 2 nesta base é ( α1 β 1 β 1 α 1 ) ( αn β n β n α n ), (2) onde µ j = α j + iβ j, j = 1,...,n. Portanto, T é semi-triangularizável. Vamos fazer uma aplicação simples do teorema 2.9. Definição 2.1 Uma estrutura complexa em um espaço vetorial real V é um operador linear J L (V) tal que J 2 = I. 282
3 Não é difícil verificar que um espaço vetorial real de dimensão finita admite estrutura complexa se e só se sua dimensão é par. Neste caso, é possível definir uma estrutura de espaço vetorial complexo em V mantendo a mesma definição para soma de vetores e definindo o produto escalar por (α + iβ)u = αu + βju para α, β R e u V. O espaço V munido desta estrutura será denotado por (V,J). Se B C = {u 1,...,u n } (V,J) é uma base (complexa) de (V, J), não é difícil verificar que B = {u 1,...,u n,ju 1,...,Ju n } é uma base de V. Em particular, dim V = 2n, onde n = dim(v, J). A matriz de J na base B é ( ) I, I onde cada bloco é de tamanho n. Vemos que um operador T L (V) pertence a L (V,J) se e só se TJ = JT. A próxima proposição será útil nas aplicações. Proposição 2.11 Dado um operador linear sobre um espaço vetorial real V de dimensão par, existe uma estrutura complexa J que comuta com T. Demonstração: Pelo teorema 2.9, existe uma base de V em relação à qual a matriz de T é da forma (2), onde µ j = α j + iβ j, j = 1,...,n são os autovalores de T. Considere J o operador linear cuja matriz nesta mesma base é ( ) 1 1. ( ) 1 1 Obviamente, J 2 = I e J comuta com T. 2.2 Forma canônica de Jordan Vamos agora construir a forma canônica de Jordan de um operador linear. Para isso, é necessário estudar primeiramente a estrutura de um operador nilpotente. Definição 2.12 Um operador linear T L (V) é dito nilpotente quando se tem T k = para algum k N. O índice de um operador nilpotente é o menor número k N tal que T k =. Se T L (V) é um operador nilpotente de índice k, então existe v tal que T k 1 v mas T k v =. Não é difícil ver que {v, Tv,,T k 1 v} é linearmente independente. Em particular, k não excede a dimensão de V e se T é nilpotente de índice k = dimv então existe uma base de V na qual a matriz de T é da forma 1 1 1, (3) onde os termos não indicados são nulos. Mesmo quando o índice de nilpotência de T não coincide com a dimensão de V, podemos dar uma descrição bastante simples do operador T. Para isso, daremos uma definição. Definição 2.13 Dado um operador linear T L (V), um subespaço vetorial W V é dito cíclico quando existe um vetor w W tal que T k w = e é uma base de W. {w,tw,...,t k 1 w} (4) O próximo resultado classifica totalmente os operadores nilpotentes. Teorema 2.14 Seja T L (V) um operador nilpotente de índice k sobre o espaço vetorial V de dimensão finita. Existem inteiros k = k 1 k 2... k r >, tais que V = V 1... V r, onde cada V j é um subespaço cíclico de dimensão k j. Considerando em cada V j uma base como em (4), temos que a matriz de T com relação à reunião destas bases é formada por blocos do tipo (3) de tamanhos k 1,...,k r dispostos ao longo da diagonal. Podemos agora construir facilmente a forma de Jordan de um operador linear. De fato, dado T L (V), suponhamos que o polinômio minimal r1 r q T = p 1 p k k de T, seja dado por um produto de fatores lineares p i = x λ i. Pelo teorema 2.1, V = W 1... W k, (5) onde W i = ker(t λ i I) ri. Considere o operador diagonalizável D = λ 1 P λ k P k onde P i é a projeção de V sobre W i relativamente à decomposição (5) e N = T D. Como I = P P k e T = TP TP k então N = (T λ 1 )P (T λ k )P k e ND = DN. É fácil ver que N r = (T λ 1 ) r P (T λ k ) r P k ; em particular, se r r i, para todo i, então N r =, ou seja, N é nilpotente. Assim, existe uma base de V na qual a matriz de T está na forma canônica de Jordan, isto é, é triangular inferior, sua diagonal é formada por autovalores que se repetem consecutivamente conforme suas multiplicidades algébricas e os elementos imediatamente abaixo da diagonal são 283
4 iguais a ou 1; os demais elementos são nulos. Não é difícil verificar que a decomposição T = D + N, com D diagonalizável, N nilpotente e DN = N D é única. Resumindo, temos: Teorema 2.15 (Forma canônica de Jordan) Se o polinômio minimal de T tem todas as suas raízes em F então T = D + N, com D diagonalizável, N nilpotente e DN = ND. Além disso, esta decomposição é única. Dito de outra maneira: existe uma base de V em relação à qual a matriz de T é da forma λ 1 ε 1 ε n 1 λ n, (6) onde λ 1,...,λ m F, são os autovalores de T, repetidos de acordo com sua multiplicidade, ε j = ou 1, j = 1,...,n e os termos não indicados são nulos. A matriz (6) é chamada de forma canônica de Jordan de T. Vamos agora generalizar o teorema 2.15 para o caso em que T não necessariamente possui seus autovalores em F. Para isso, suponhamos que V é um espaço real, T L (V) é um operador linear e mantenhamos a notação do teorema 2.9. Pelo teorema 2.15, V 1, V2 C admitem bases B 1,B 2 em relação às quais as matrizes de T 1 e T2 C são da forma (6), respectivamente. Os elementos da diagonal da matriz de T2 C em relação à B 2 são os autovalores complexos µ 1,...,µ n, µ 1,...,µ n de T, repetidos de acordo com suas multiplicidades. Pelo mesmo processo utilizado no teorema 2.9, podemos obter, a partir de B 2, uma base de V 2 em relação à qual a matriz de T 2 tem a forma A 1 B 1 B n 1 A n, (7) ( αj β onde os blocos A j são da forma j β j α j ), com µ j = α j + iβ j, j = 1,...,n, os blocos B i são da forma ( ε ε ), ε = ou 1, e os demais elementos são nulos. Portanto, está provado o seguinte teorema. Teorema 2.16 (Forma canônica real) Se V é um espaço vetorial real então todo operador linear em V admite uma base em relação à qual a matriz de T é da forma ( A B ), onde A é da forma (6), B é da forma (7), λ 1,...,λ n são os autovalores reais de T e µ 1,...,µ n, µ 1,...,µ n são os autovalores complexos de T. 3 Aplicações Nesta seção, mostraremos aplicações da forma triangular e da forma canônica de Jordan de um operador linear. 3.1 Teorema de Cayley-Hamilton Este teorema afirma que todo operador linear é anulado pelo seu polinômio característico. Mostraremos este fato usando a forma triangular. Teorema 3.1 Seja V um espaço vetorial sobre um corpo F. Se o operador linear T L (V) possui todos os seus autovalores em F e p T é o polinômio característico de T então p T (T) =. Demonstração: Se T possui todos seus autovalores em F, então, pelo teorema 2.3, existe uma base B = {v 1,...,v n } de V tal que os subespaços V j = span {v 1,...,v j }, j = 1,...,n são invariantes. Se λ 1,...,λ n são os autovalores de T então p T (λ) = ( 1) n (λ λ 1 )... (λ λ n ). Pela invariância de V j e pela forma triangular, temos que Tv j = λ j v j + u j 1, onde u j 1 V j 1. Em particular, (T λ j I)v j = u j 1 V j 1, logo S j = (T λ j I) leva V j em V j 1 para j = 1,...,n. Como p T (T) = S 1... S n, temos p T (T) =. Teorema 3.2 (Cayley-Hamilton) Seja V um espaço vetorial de dimensão finita sobre F. Se p T é o polinômio característico de T L (V) então p T (T) =. Demonstração: Caso F = C, o resultado é imediato pelo teorema 3.1. Caso F = R, consideremos a complexificação V C de V e o operador complexificado T C L (V C ). Evidentemente, p T C = p T, e sabemos, pelo teorema 3.1 que = p T C(T C ) = p T (T C ) = p T (T) C. Logo, p T (T) =. 3.2 Autovalores de p(t) Ainda usando triangularização, mostraremos um fato interessante que relaciona os autovalores de um operador linear T com os autovalores dos operadores p(t), onde p é um polinômio qualquer. Proposição 3.3 Seja T L (V). Se Σ(T) denota o conjunto dos autovalores de T, então, para todo polinômio p sobre F, Σ(p(T)) = p(σ(t)). Demonstração: Suponhamos primeiramente F = C. Se λ 1,...,λ n C são os autovalores de T repetidos de acordo com sua multiplicidade, então, pelo teorema 2.3 existe uma base de V em relação à qual a matriz de T é da forma triangular, 284
5 com λ 1,...,λ n ao longo da diagonal. Dado um polinômio p sobre F, a matriz de p(t) em relação à mesma base tem p(λ 1 ),...,p(λ n ) ao longo da diagonal e portanto, estes são os autovalores de p(t), repetidos de acordo com sua multiplicidade. Tratemos agora o caso real. Sejam λ 1,...,λ k R, µ 1, µ 1,...,µ l, µ l C os autovalores de T, repetidos de acordo com sua multiplicidade. Pelo teorema 2.9, existe uma base de V em relação à qual a matriz de T é da forma (1). Em particular, a matriz de p(t) é da forma p(a 1 ) p(a m ), Caso A j = (λ j ) seja um bloco 1 1, obviamente, p(a j ) = (p(λ ( j )), logo, p(λ j ) é autovalor de p(t). αj β Caso A j = j β j α j ), com α j = Re (µ j ) e β j = Im(µ j ), então ( ) Re p(µj ) Im p(µ p(a j ) = j ), Im p(µ j ) Re p(µ j ) e, portanto, os demais autovalores de p(t) são da forma p(µ 1 ),...,p(µ l ). Como corolário simples da proposição anterior, temos o seguinte. Corolário 3.4 Dado T L (V), temos tr(p(t)) = n p(λ j ), j=1 para todo polinômio sobre F, onde λ 1,...,λ n são os autovalores de T repetidos de acordo com a multiplicidade. O corolário 3.4 tem algumas conseqüências interessantes. Por exemplo, se p(x) = x 3 e (a ij ) é a matriz de T em relação à alguma base de V, então n i,j,k=1 a ij a jk a ki = 3.3 Raízes m-ésimas n λ 3 j. j=1 Finalmente, utilizaremos a forma de Jordan para obter raízes m-ésimas de operadores lineares. Teorema 3.5 Seja T L (V) e m um inteiro positivo. Vamos assumir que x = é uma raiz de q T (x) de multiplicidade no máximo 1. Então são verdadeiras as seguintes afirmações: 1. Se todos os autovalores de T pertencem a F então existe S L (V) tal que S m = T e ST = TS; 2. Se F = R e m é ímpar então existe S L (V) tal que S m = T e ST = TS; 3. Se F = R, m é par e T não possui autovalores reais negativos, então existe S L (V) tal que S m = T e ST = TS. Demonstração: Escrevamos q T (x) = x l q(x), com l = ou l = 1. Caso l =, o operador T é inversível. Caso l = 1, pelo teorema da decomposição primária existe uma decomposição V = ker T Z, com Z = kerq(t), tal que o polinômio minimal de T Z é q(x). Obviamente, T Z é inversível e, portanto, podemos supor, sem perda de generalidade, que o próprio operador T é inversível. Pondo α = 1/m, consideremos a série binomial onde ( α ) = 1 e ( α n ) = (1 + x) α = ( α n )x n, (8) n= α(α 1) (α n + 1) n! para n 1. A expressão (8) é convergente se x < 1, mas pensando x como uma indeterminada, esta equação corresponde simplesmente a uma infinidade de relações entre os números ( α n ), a saber, ( n= ( α n )x n ) m = 1 + x. Se T = λi + N com λ e N nilpotente, podemos obter, via série binomial, um operador R L (V) tal que R m = I + λ 1 N. Como N é nilpotente, então R é, de fato, um polinômio em N. Em particular, R comuta com N e, escolhendo µ F tal que µ m = λ, temos que o operador S = µr é tal que S m = T e ST = TS. Vamos agora dividir a prova em três partes, de acordo com as hipóteses do enunciado. 1. Usando a forma canônica de Jordan, obtemos uma decomposição V = W 1... W k de V tal que cada subespaço é invariante por T e T é da forma λi + N, λ, em cada um dos W j. Usando a argumentação do parágrafo anterior e a invariância dos W j, construímos um operador S L (V) tal que S m = T e ST = TS. 2. Sejam λ 1,...,λ k R os autovalores reais e µ 1,µ 1,...,µ l, µ l C os autovalores complexos de T, repetidos de acordo com a multiplicidade. Podemos, como no teorema 2.9, obter uma decomposição V = V 1 V 2 onde os operadores T 1 = T V1 e T 2 = T V2 têm λ 1,...,λ m e µ 1,µ 1,...,µ n,µ n como autovalores, respectivamente. Como os autovalores de T 1 são reais, pelo ítem anterior existe um operador S 1 em V 1 tal que S m 1 = T 1 e S 1 T 1 = T 1 S 1., 285
6 Pela proposição 2.11, existe uma estrutura complexa J L (V 2 ) que comuta com T 2. Denotando por W o espaço complexo (V 2,J), temos que T 2 L (W) e, portanto, pelo primeiro ítem, existe S 2 L (W) tal que S m 2 = T 2 e S 2 T 2 = T 2 S 2. Definindo S como S 1 em V 1 e S 2 em V 2, temos o operador procurado. 3. Basta repetir a prova do ítem anterior, observando que, como T não possui autovalores reais negativos, o operador S 1 construído em V 1 é bem-definido, pois m é par. Observação 3.6 É possível obter unicidade no teorema anterior desde que suponhamos que, tanto T quanto S são operadores auto-adjuntos positivos, com relação a algum produto interno fixado em V. Referências [1] Lima, E., Álgebra Linear, Projeto Euclides, IMPA, [2] Hoffmann, K., Kunze, R., Álgebra Linear, Polígono,
Tópicos de Álgebra Linear Verão 2019 Lista 4: Formas de Jordan
Universidade Federal do Paraná Centro Politécnico ET-DMAT Prof. Maria Eugênia Martin Tópicos de Álgebra Linear Verão 2019 Lista 4: Formas de Jordan Exercício 1. Seja A = (a i j ) uma matriz diagonal sobre
Leia maisÁlgebra Linear II - Poli - Gabarito Prova SUB-tipo 00
Álgebra Linear II - Poli - Gabarito Prova SUB-tipo 00 [ ] 4 2 Questão 1. Seja T : R 2 R 2 o operador linear cuja matriz, com respeito à base canônica de R 2, é. 1 3 [ ] 2 0 Seja B uma base de R 2 tal que
Leia maisA forma canônica de Jordan
A forma canônica de Jordan 1 Matrizes e espaços vetoriais Definição: Sejam A e B matrizes quadradas de orden n sobre um corpo arbitrário X. Dizemos que A é semelhante a B em X (A B) se existe uma matriz
Leia maisMAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de T ( p(x) ) = p(x + 1) p(x), (a) 8, (b) 5, (c) 0, (d) 3, (e) 4.
MAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de 218 Q1. Considere a transformação linear T : P 3 (R) P 2 (R), dada por T ( p(x) ) = p(x + 1) p(x), para todo p(x) P 3 (R), e seja A
Leia mais4 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008
4 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 8 Solução de alguns exercícios Devido ao fato de A ser simétrica, existe uma base ortonormal {u,, u n } formada por autovetores de A,
Leia maisUniversidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Matemática
1 Universidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Matemática Lista 4 - MAT 137 -Introdução à Álgebra Linear 2017/II 1. Entre as funções dadas abaixo, verifique quais
Leia mais5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2009
5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 29 Soluções dos exercícios Devido ao fato de A ser simétrica, existe uma base ortonormal {u,, u n } formada por autovetores de A, então
Leia mais3 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão e B =
3 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008. (a) Ache os auto-valores e auto-vetores de A = 3 4 2 0 2 0 0 0 e B = 0 0 2 0 2 0 2 0 0 (b) Mostre que λ + λ 2 + λ 3 é igual ao
Leia maisUniversidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM
Universidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM 3 a Lista de Exercícios de Introdução à Álgebra Linear Professor: Fágner Dias Araruna
Leia maisNotas de Álgebra Linear II - CM053
Notas de Álgebra Linear II - CM053 Prof. José Carlos Corrêa Eidam DMAT-UFPR Disponível no sítio people.ufpr.br/ eidam/index.htm 1o. semestre de 2012 Sumário 1 Espaços duais 3 1.1 Funcionais lineares..........................................
Leia maisPolinômio Mínimo e Operadores Nilpotentes
Capítulo 9 Polinômio Mínimo e Operadores Nilpotentes Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo Disciplina: Álgebra Linear II Unidade II Aula
Leia maisCapítulo 5. Operadores Auto-adjuntos. Curso: Licenciatura em Matemática. Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo
Capítulo 5 Operadores Auto-adjuntos Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo Disciplina: Álgebra Linear II Unidade II Aula 5: Operadores Auto-adjuntos
Leia maisMCTB Álgebra Linear Avançada I. Lista Ache a forma canônica de Jordan de cada um dos operadores lineares do Exercício 1.
MCTB002-13 - Álgebra Linear Avançada I Lista 4 1. Para cada um dos seguintes operadores lineares, ache uma base para cada um de seus autoespaços generalizados: 1 1 (a) T = L A, onde A = 1 3 11 4 5 (b)
Leia mais(c) apenas as afirmações (II) e (III) são necessariamente verdadeiras;
Q1. Considere o espaço vetorial R 4 munido do seu produto interno usual. Sejam B uma base de R 4, A M 4 (R) uma matriz e T : R 4 R 4 a transformação linear tal que [T ] B = A. Considere as seguintes afirmações:
Leia 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 maisINSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-2458 Álgebra Linear para Engenharia II Segunda Lista de Exercícios - Professor: Equipe da Disciplina EXERCÍCIOS 1. Verdadeiro ou falso?
Leia maisUnidade 22 - Teorema espectral para operadores simétricos, reconhecimento de cônicas. A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa
MA33 - Introdução à Álgebra Linear Unidade 22 - Teorema espectral para operadores simétricos, reconhecimento de cônicas A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa PROFMAT - SBM 10 de agosto
Leia maisÁlgebra Linear e suas Aplicações Notas de Aula. Petronio Pulino = Q
Álgebra Linear e suas Aplicações Notas de Aula Petronio Pulino 1 3 4 3 1 0 4 0 1 = Q 4 1 6 Qt Q t Q = 1 1 1 PULINUS Álgebra Linear e suas Aplicações Notas de Aula Petronio Pulino Departamento de Matemática
Leia maisMAT3458 ÁLGEBRA LINEAR II 2 a Lista de Exercícios 2 o semestre de 2018
MAT3458 ÁLGEBRA LINEAR II 2 a Lista de Exercícios 2 o semestre de 2018 1. Verdadeiro ou falso? Justifique suas respostas. (i) Existe uma transformação linear T : P 3 (R) M 2 (R) cuja matriz em relação
Leia maisMAT Álgebra Linear para Engenharia II
MAT2458 - Álgebra Linear para Engenharia II Prova de Recuperação - 05/02/2014 Nome: Professor: NUSP: Turma: INSTRUÇÕES (1) A prova tem início às 7:30 e duração de 2 horas. (2) Não é permitido deixar a
Leia maisMAT Álgebra Linear para Engenharia II
MAT2458 - Álgebra Linear para Engenharia II Prova Substitutiva - 04/12/2013 Nome: Professor: NUSP: Turma: INSTRUÇÕES (1) A prova tem início às 7:30 e duração de 2 horas. (2) Não é permitido deixar a sala
Leia maisNo próximo exemplo, veremos um tipo de funcional linear bastante importante.
UFPR - Universidade Federal do Paraná Departamento de Matemática CM053 - Álgebra Linear II - Notas de aula Prof. José Carlos Eidam Funcionais lineares Nestas notas, estudaremos funcionais lineares sobre
Leia maisIntroduzir os conceitos de base e dimensão de um espaço vetorial. distinguir entre espaços vetoriais de dimensão fnita e infinita;
META Introduzir os conceitos de base e dimensão de um espaço vetorial. OBJETIVOS Ao fim da aula os alunos deverão ser capazes de: distinguir entre espaços vetoriais de dimensão fnita e infinita; determinar
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 maisJÉSSICA NECKEL CAVALHEIRO
UNIVERSIDADE DO ESTADO DE SANTA CATARINA - UDESC CENTRO DE CIÊNCIAS TECNOLÓGICAS - CCT CURSO DE LICENCIATURA EM MATEMÁTICA TRABALHO DE CONCLUSÃO DE CURSO A FORMA CANÔNICA DE JORDAN JÉSSICA NECKEL CAVALHEIRO
Leia maisOBJETIVO. Prova1-Trivial,porinduçãoeusaoteoremafundamentaldaálgebra...3
O TEOREMA DE CAYLEY-HAMILTON Carlos Alexandre Gomes (UFRN) e Oswaldo Rio Branco de Oliveira (IMEUSP) http://www.ime.usp.br/~oliveira oliveira@ime.usp.br Ano 2015 e Ano 2017 OBJETIVO Nesta notas apresentamos
Leia maisUNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE CIÊNCIAS NATURAIS E EXATAS CURSO DE MATEMÁTICA BACHARELADO. Eduardo Henrique Philippsen
UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE CIÊNCIAS NATURAIS E EXATAS CURSO DE MATEMÁTICA BACHARELADO Eduardo Henrique Philippsen TÓPICOS AVANÇADOS EM ÁLGEBRA LINEAR UTILIZANDO ÁLGEBRA ABSTRATA Santa
Leia maisÁlgebra Linear I - Aula Forma diagonal de uma matriz diagonalizável
Álgebra Linear I - Aula 18 1 Forma diagonal de uma matriz diagonalizável 2 Matrizes ortogonais Roteiro 1 Forma diagonal de uma matriz diagonalizável Sejam A uma transformação linear diagonalizável, β =
Leia maisDou Mó Valor aos Autovalores
1. Definições Preliminares Dou Mó Valor aos Autovalores 21ª Semana Olímpica Maceió, AL Prof. Davi Lopes Nível U Dada uma matriz quadrada A n n de entradas complexas, podemos definir os conceitos a seguir,
Leia maisG4 de Álgebra Linear I
G4 de Álgebra Linear I 20122 Gabarito 7 de Dezembro de 2012 1 Considere a transformação linear T : R 3 R 3 definida por: T ( v = ( v (1, 1, 2 (0, 1, 1 a Determine a matriz [T ] ε da transformação linear
Leia maisGeneralizações do Teorema de Wedderburn-Malcev e PI-álgebras. Silvia Gonçalves Santos
Generalizações do Teorema de Wedderburn-Malcev e PI-álgebras Silvia Gonçalves Santos Definição 1 Seja R um anel com unidade. O radical de Jacobson de R, denotado por J(R), é o ideal (à esquerda) dado pela
Leia maisINSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO
EXERCÍCIOS INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-2458 Álgebra Linear para Engenharia II Primeira Lista de Exercícios - Professor: Equipe da Disciplina 1. Em R 3, sejam S 1
Leia maisTópicos de Álgebra Linear Verão 2019 Lista 2: Transformações Lineares
Universidade Federal do Paraná Centro Politécnico ET-DMAT Prof. Maria Eugênia Martin Tópicos de Álgebra Linear Verão 2019 Lista 2: Transformações Lineares Exercício 1. Prove que cada uma das transformações
Leia maisAUTOVALORES E AUTOVETORES
AUTOVALORES E AUTOVETORES Prof a Simone Aparecida Miloca Definição 1 Uma tranformação linear T : V V é chamada de operador linear. Definição Seja T : V V um operador linear. existirem vetores não-nulos
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT0032 11 a Lista de
Leia maisEDOs lineares de coeficientes constantes via Álgebra Linear
EDOs lineares de coeficientes constantes via Álgebra Linear Lucas Seco 26 de Dezembro de 2012 Sempre ouvi falar que a solução de EDOs lineares homogêneas de coeficientes constantes bem como o Método dos
Leia maisÁlgebra Linear I - Aula 20
Álgebra Linear I - Aula 20 1 Matrizes diagonalizáveis Exemplos 2 Forma diagonal de uma matriz diagonalizável 1 Matrizes diagonalizáveis Exemplos Lembramos que matriz quadrada a 1,1 a 1,2 a 1,n a 2,1 a
Leia mais5. Seja A uma matriz qualquer. Assinale a afirmativa
UFRJ Instituto de Matemática Disciplina: Algebra Linear II - MAE 125 Professor: Bruno, Gregório, Luiz Carlos, Mario, Milton, Monique e Umberto Data: 12 de julho de 2013 Terceira Prova 1. Considere no espaço
Leia maisCM005 Álgebra Linear Lista 3
CM005 Álgebra Linear Lista 3 Alberto Ramos Seja T : V V uma transformação linear. Se temos que T v = λv, v 0, para λ K. Dizemos que λ é um autovalor de T e v autovetor de T associado a λ. Observe que λ
Leia maisDiagonalização de Operadores. Teorema Autovetores associados a autovalores distintos de um operador linear T : V V são linearmente independentes.
Teorema Autovetores associados a autovalores distintos de um operador linear T : V V são linearmente independentes. Teorema Autovetores associados a autovalores distintos de um operador linear T : V V
Leia 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 maisAula 1 Autovetores e Autovalores de Matrizes Aula 2 Autovetores e Autovalores de Matrizes Casos Especiais 17
Sumário Aula 1 Autovetores e Autovalores de Matrizes.......... 8 Aula 2 Autovetores e Autovalores de Matrizes Casos Especiais 17 Aula 3 Polinômio Característico................. 25 Aula 4 Cálculo de Autovalores
Leia maisOS TEOREMAS DE JORDAN-HÖLDER E KRULL-SCHMIDT (SEGUNDA VERSÃO)
! #" $ %$!&'%($$ OS TEOREMAS DE JORDAN-HÖLDER E KRULL-SCHMIDT (SEGUNDA VERSÃO) Neste texto apresentaremos dois teoremas de estrutura para módulos que são artinianos e noetherianos simultaneamente. Seja
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 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 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 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 mais7. Sejam U, W subespaços vetoriais de um espaço vetorial V sobre um corpo K. Prove que U W é um subespaço vetorial de V se e somente se U W ou W U.
Lista de Álgebra Linear - Prof. Edson Iwaki 1. Quais dos subconjuntos são R subespaços vetoriais? Ache uma base para os que forem. (a) S = {(x, y, z) R 3 x 0} R 3 (b) S = {(x, y, z) R 3 x = 0} R 3 (c)
Leia maisMCTB Álgebra Linear Avançada I Claudia Correa Exercícios sobre transformações lineares. Os Exercícios 3 e 4 são os exercícios bônus dessa lista.
MCTB002-13 Álgebra Linear Avançada I Claudia Correa Exercícios sobre transformações lineares Os Exercícios 3 e 4 são os exercícios bônus dessa lista. Definição 1. Dados conjuntos X e Y, uma função ϕ :
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 mais1 a Lista de Exercícios de MAT3458 Escola Politécnica 2 o semestre de 2016
1 a Lista de Exercícios de MAT3458 Escola Politécnica o semestre de 16 1 Para que valores de t R a função definida por (x 1, x ), (y 1, y ) = x 1 y 1 + tx y é um produto interno em R? Para cada par de
Leia maisEspaço Dual, Transposta e Adjunta (nota da álgebra linear 2)
Espaço Dual, Transposta e Adjunta nota da álgebra linear 2) Sadao Massago Outubro de 2009 1 Espaço Dual Dado um espaço vetorial V sobre o corpo F, o espaço dual V é o espaço de todas transformações lineares
Leia maisTeorema da Triangularização de Schur e Diagonalização de Matrizes Normais
Teorema da Triangularização de Schur e Diagonalização de Matrizes Normais Reginaldo J Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais http://wwwmatufmgbr/~regi 16 de novembro
Leia 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 mais(x 1, y 1 ) (x 2, y 2 ) = (x 1 x 2, y 1 y 2 ); e α (x, y) = (x α, y α ), α R.
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-2457 Álgebra Linear para Engenharia I Terceira Lista de Exercícios - Professor: Equipe da Disciplina EXERCÍCIOS 1. Considere as retas
Leia maisINSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-458 Álgebra Linear para Engenharia II Terceira Lista de Eercícios - Professor: Equipe da Disciplina EXERCÍCIOS 1. Seja V um espaço vetorial
Leia maisMAT ÁLGEBRA LINEAR PARA ENGENHARIA II 1 a Lista de Exercícios - 2 o semestre de 2006
MAT 2458 - ÁLGEBRA LINEAR PARA ENGENHARIA II 1 a Lista de Exercícios - 2 o semestre de 2006 1. Sejam u = (x 1, x 2 ) e v = (y 1, y 2 ) vetores de R 2. Para que valores de t R a funcão u, v = x 1 y 1 +
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 maisO TEOREMA ESPECTRAL PARA OPERADORES SIMÉTRICOS. Marco Antonio Travassos 1, Fernando Pereira Sousa 2
31 O TEOREMA ESPECTRAL PARA OPERADORES SIMÉTRICOS Marco Antonio Travassos 1, Fernando Pereira Sousa 2 1 Aluno do Curso de Matemática CPTL/UFMS, bolsista do Grupo PET Matemática/CPTL/UFMS; 2 Professor do
Leia maisGAAL - Exame Especial - 12/julho/2013. Questão 1: Considere os pontos A = (1, 2, 3), B = (2, 3, 1), C = (3, 1, 2) e D = (2, 2, 1).
GAAL - Exame Especial - /julho/3 SOLUÇÕES Questão : Considere os pontos A = (,, 3), B = (, 3, ), C = (3,, ) e D = (,, ) (a) Chame de α o plano que passa pelos pontos A, B e C e de β o plano que passa pelos
Leia mais. (1) Se S é o espaço vetorial gerado pelos vetores 1 e,0,1
QUESTÕES ANPEC ÁLGEBRA LINEAR QUESTÃO 0 Assinale V (verdadeiro) ou F (falso): (0) Os vetores (,, ) (,,) e (, 0,) formam uma base de,, o espaço vetorial gerado por,, e,, passa pela origem na direção de,,
Leia maisÁLGEBRA LINEAR - MAT0024
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR - MAT0024 11 a Lista de exercícios
Leia maisForma Canônica de Matrizes 2 2
Forma Canônica de Matrizes Slvie Olison Kamphorst Departamento de Matemática - ICE - UFMG Versão. - Novembro 5 a b Seja A c d induzida por A uma matriz real e seja T a transformação operador linear de
Leia 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 mais1 Álgebra linear matricial
MTM510019 Métodos Computacionais de Otimização 2018.2 1 Álgebra linear matricial Revisão Um vetor x R n será representado por um vetor coluna x 1 x 2 x =., x n enquanto o transposto de x corresponde a
Leia maisTeoria Espectral em Espaços de Hilbert
Teoria Espectral em Espaços de Hilbert Departamento de Análise Instituto de Matemática e Estatística Universidade Federal Fluminense 22 de setembro de 2016 Espaços Vetoriais de Dimensão Finita Sejam V
Leia maisQ1. Considere as bases: der 2 e der 3, respectivamente. Seja T :R 2 R 3 a transformação linear Temos que T(1,2) é igual a: [T] BC = 1 0
Q. Considere as bases: B = { (,),(, ) }, C = { (,,),(,,),(,,) }, der e der, respectivamente. Seja T :R R a transformação linear cuja matriz em relação às bases B e C é: [T] BC =. Temos que T(,) é igual
Leia mais5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão Encontre os autovalores, os autovetores e a exponencial e At para
5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008 1. Encontre os autovalores, os autovetores e a exponencial e At para [ ] 1 1 1 1 2. Uma matriz diagonal Λ satisfaz a regra usual
Leia mais(b) A não será diagonalizável sobre C e A será diagonalizável sobre R se, e
Q1. Sejam A M 6 (R) uma matriz real e T : R 6 R 6 o operador linear tal que [T ] can = A, em que can denota a base canônica de R 6. Se o polinômio característico de T for então poderemos afirmar que: p
Leia mais1 Espaços Vetoriais. 1.1 Base e Dimensão. 1.2 Mudança de Base. 1 ESPAÇOS VETORIAIS Álgebra Linear. Álgebra Linear Prof.
ESPAÇOS VETORIAIS Álgebra Linear Espaços Vetoriais Base e Dimensão Álgebra Linear Prof Ânderson Vieira Definição Um conjunto S = {u,,u n } V é uma base do espaço vetorial V se (I) S é LI; (II) S gera V
Leia maisCap.2. Representação de Estado e Controlabilidade
Cap.2. Representação de Estado e Controlabilidade Visão geral do capítulo Neste capítulo trataremos o problema da controlabilidade de sistemas lineares invariantes no tempo. Faremos antes uma breve revisão
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 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 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 maisNota: Turma: MA 327 Álgebra Linear. Segunda Prova. Primeiro Semestre de T o t a l
Turma: Nota: MA 327 Álgebra Linear Primeiro Semestre de 2006 Segunda Prova Nome: RA: Questões Pontos Questão 1 Questão 2 Questão 3 Questão 4 Questão 5 T o t a l Questão 1. A matriz de mudança da base ordenada
Leia mais1 Noções preliminares
Álgebras, subálgebras e endomorfirsmos Ana Cristina - MAT/UFMG Durante este texto, vamos considerar F um corpo de característica zero. Iniciaremos com algumas definições da teoria de anéis que serão importantes
Leia maisParte 3 - Produto Interno e Diagonalização
Parte 3 - Produto Interno e Diagonalização Produto Escalar: Sejam u = (u 1,..., u n ) e v = (v 1,..., v n ) dois vetores no R n. O produto escalar, ou produto interno euclidiano, entre esses vetores é
Leia maisALGA 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 maisFUNDAMENTOS DE SISTEMAS LINEARES PARTE 1
FUNDAMENTOS DE SISTEMAS LINEARES PARTE 1 Prof. Iury V. de Bessa Departamento de Eletricidade Faculdade de Tecnologia Universidade Federal do Amazonas Revisão O que é um corpo (campo)? O que é um espaço
Leia maisSegunda prova de Álgebra Linear - 01/07/2011 Prof. - Juliana Coelho
Segunda prova de Álgebra Linear - 01/07/011 Prof - Juliana Coelho JUSTIFIQUE SUAS RESPOSTAS! Questões contendo só a resposta, sem desenvolvimento ou justificativa serão desconsideradas! QUESTÃO 1, pts
Leia maisÁlgebras de Lie são espaços vetoriais munidos de uma nova operaçao que em geral não é comutativa nem associativa: [x, y] = xy yx.
4 Álgebras de Lie Álgebras de Lie são espaços vetoriais munidos de uma nova operaçao que em geral não é comutativa nem associativa: [x, y] = xy yx. 4.1 Álgebras de Lie Simples Definição 4.1 Uma álgebra
Leia maisÁlgebra linear A Primeira lista de exercícios
Álgebra linear A Primeira lista de exercícios Prof. Edivaldo L. dos Santos (1) Verifique, em cada um dos itens abaixo, se o conjunto V com as operações indicadas é um espaço vetorial sobre R. {[ ] a b
Leia maisTópicos de Álgebra Linear Verão 2019 Lista 1: Espaços Vetoriais
Universidade Federal do Paraná Centro Politécnico ET-DMAT Prof. Maria Eugênia Martin Tópicos de Álgebra Linear Verão 2019 Lista 1: Espaços Vetoriais Exercício 1. Determine se os seguintes conjuntos são
Leia maisÁlgebra Linear (MAT-27) Ronaldo Rodrigues Pelá. 21 de outubro de 2011
APLICAÇÕES DA DIAGONALIZAÇÃO Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 21 de outubro de 2011 Roteiro 1 2 3 Roteiro 1 2 3 Introdução Considere a equação de uma cônica: Forma Geral Ax 2 + Bxy
Leia 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 maisValores e vectores próprios
ALGA - Eng Civil e EngTopográ ca - ISE - / - Valores e vectores próprios 5 Valores e vectores próprios Neste capítulo, sempre que não haja especi cação em contrário, todas as matrizes envolvidas são quadradas
Leia maisP3 de Álgebra Linear I
P3 de Álgebra Linear I 2008.2 Data: 14 de Novembro de 2008. Gabarito. 1) Decida se cada afirmação a seguir é verdadeira ou falsa. Considere uma transformação linear T : R 3 R 3 tal que existem vetores
Leia maisDiagonalização. Operador diagonalizável
Operador linear Diagonalização Se T: V V for uma transformação linear definida no espaço vectorial V, então T designa-se por operador linear. A representação matricial de um operador linear depende da
Leia maisEspaços Vetoriais. () Espaços Vetoriais 1 / 17
Espaços Vetoriais () Espaços Vetoriais 1 / 17 Espaços Vetoriais Definição Seja um conjunto V, não vazio. i. Uma adição em V é uma operação que a cada par de elementos (u, v) V V associa um elemento u +
Leia maisValores e vectores próprios
Valores e vectores próprios Álgebra Linear C (Engenharia Biológica) 0 de Dezembro de 006 Conteúdo Motivação e definições Propriedades 4 3 Matrizes diagonalizáveis 5 Motivação e definições Considere a matriz
Leia maisG3 de Álgebra Linear I
G3 de Álgebra Linear I 2.2 Gabarito ) Considere a matriz 4 N = 4. 4 Observe que os vetores (,, ) e (,, ) são dois autovetores de N. a) Determine uma forma diagonal D de N. b) Determine uma matriz P tal
Leia maisFORMA CANÔNICA DE JORDAN
FORMA CANÔNICA DE JORDAN Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 4 de novembro de 2011 Roteiro Motivação 1 Motivação 2 3 4 5 6 Roteiro Motivação 1 Motivação 2 3 4 5 6 Matrizes Quase Diagonalizáveis
Leia mais3 a Avaliação Parcial - Álgebra Linear
3 a Avaliação Parcial - Álgebra Linear - 016.1 1. Considere a função T : R 3 R 3 dada por T(x, y, z) = (x y z, x y + z, x y z) e as bases de R 3 B = (1, 1, 1), (1, 0, 1), ( 1,, 0)} (a) Encontre [T] B B.
Leia maisMAT Álgebra Linear para Engenharia II - Poli 2 ō semestre de ā Lista de Exercícios
MAT 2458 - Álgebra Linear para Engenharia II - Poli 2 ō semestre de 2014 1 ā Lista de Exercícios 1. Verifique se V = {(x, y) x, y R} é um espaço vetorial sobre R com as operações de adição e de multiplicação
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 maisexercícios de álgebra linear 2016
exercícios de álgebra linear 206 maria irene falcão :: maria joana soares Conteúdo Matrizes 2 Sistemas de equações lineares 7 3 Determinantes 3 4 Espaços vetoriais 9 5 Transformações lineares 27 6 Valores
Leia maisLista de exercícios 6 Espaços Vetoriais
Universidade Federal do Paraná semestre 016. Algebra Linear, Olivier Brahic Lista de exercícios 6 Espaços Vetoriais Exercícios da Seção 3. Exercício 1: Determine se os seguintes conjuntos formam subespaços
Leia mais