Matrizes Semelhantes e Matrizes Diagonalizáveis
|
|
- Júlia Coelho de Sá
- 7 Há anos
- Visualizações:
Transcrição
1 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 por uma matriz diagonal Uma matriz diagonal é a matriz mais simples possível Note, no entanto, que não é possível encontrar para toda transformação linear uma base em que a transformação é representada por uma matriz diagonal: rotações, por exemplo, não podem ser representadas em geral por matrizes diagonais, pois uma rotação transforma um vetor em outro vetor com uma direção completamente diferente É possível provar que duas matrizes A e B representam a mesma transformação linear, com respeito a bases diferentes, se e somente se elas estão relacionadas através da seguinte equação B = P AP, para alguma matriz invertível P ; a matriz P é precisamente a matriz de mudança de coordenadas, quando passamos de uma base para a outra Assim, dada uma transformação linear, representada em uma certa base por uma matriz A, a questão de determinar se existe uma base na qual a tranformação linear é representada por uma matriz diagonal D se reduz a encontrar uma matriz invertível P tal que Isso motiva as seguintes definições D = P AP Definição Sejam A, B matrizes n n Dizemos que B é semelhante a A, se existe uma matriz invertível P tal que B = P AP Definição Dizemos que uma matriz A é diagonalizável, se ela é semelhante a uma matriz diagonal Autovalores e Autovetores Dada uma transformação linear T, suponha que exista alguma base em que T é representada por uma matriz diagonal, digamos por λ λ B = λ n Para os vetores desta base e =, e =,, e n =,
2 temos Be = λ e, Be = λ e,, Be n = λ n e n Isso mostra que, dada uma transformação linear T, seremos capazes de diagonalizar T (em outras palavras, encontrar uma base em que ela é representada por uma matriz diagonal) se e somente se formos capazes de encontrar n vetores linearmente independentes v, v,, v n tais que Tudo isso motiva as seguintes definições T v = λ v, T v = λ v,, T v n = λ n v n Definição Seja A uma matriz n n Dizemos que um número real λ é um autovalor de A se existir um vetor não nulo v de R n tal que Av = λv O vetor v é chamado um autovetor de A, correspondente ao autovalor λ Teorema Uma matriz A n n é diagonalizável se e somente se ela possui n autovetores linearmente independentes Prova: Suponha que A é diagonalizável, isto é, que exista uma matriz invertível P tal que D = P AP Em particular, segue que AP = DP Escreva P segundo suas colunas: Então e Comparando, concluímos que P = [V V V n ] AP = [AV AV AV n ] DP = [λ V λ V λ n V n ] AV = λ V, AV = λ V, AV n = λ n V n, isto é, as colunas de P são autovetores de A Como P é invertível, suas colunas são LI, logo encontramos n autovetores LI para A Reciprocamente, suponha agora que existam n vetores LI V, V,, V n tais que AV = λ V, AV = λ V,, AV n = λ n V n Defina uma matriz n n P por P = [V V V n ] Como as colunas de P são LI, segue que P é invertível Temos AP = A[V V V n ] = [AV AV AV n ] = [λ V λ V λ n V n ] = [V V V n ] λ λ λ n = P D
3 onde denotamos λ λ D = λ n Multiplicando ambos os lados da equação por P, obtemos P AP = D Corolário Se D = P AP, então as colunas da matriz P são n autovetores linearmente independentes de A Portanto, a matriz P pode ser obtida encontrando-se n autovetores LI de A O que não é surpreendente: a matriz P é exatamente a matriz da mudança de coordenadas de uma base B formada por autovetores da matriz A para a base canônica, onde se supõe que a matriz A está escrita; para obter D é necessário voltar para a base B através da mudança de coordenadas inversa P Exemplo Considere a transformação linear T : R R definida por ( T ((x, y, z)) = x 4 y + 7 z, x + y + z, x + 4 y ) z Esta transformação linear é representada na base {i, j, k} pela matriz A = Mas, se tomarmos os vetores V = (,, ), V = (,, ) e V = (,, ), notamos o seguinte: T V = A = 4 = 4 = 4V, T V = A = = V, T V = A = 4 = = V Note que os vetores V, V, V são L I, logo eles também formam uma base para R Portanto, com relação à base {V, V, V }, a transformação linear T é representada pela matriz B = 4 Observe que a matriz A tem autovalores 4, e Autovetores correspondentes a estes autovalores são V = (,, ), V = (,, ) e V = (,, ) Segue que P =
4 Como concluímos que 4 P = = = , Portanto, para determinar se uma matriz é diagonalizável, precisamos determinar antes de mais nada seus autovalores Isso pode ser feito da maneira a seguir Denotando por I a matriz identidade, então a equação Av = λv é equivalente a Av = λiv, ou (A λi)v = Portanto, λ será um autovalor de A se e somente se o sistema homogêneo (A λi)x = possuir soluções não-triviais Mas isso acontecerá se e somente se det(a λi) = A expressão det(a λi) é um polinômio de grau n em λ, logo concluímos que os autovalores de A são exatamente as raízes deste polinômio Este polinômio é chamado o polinômio característico de A Proposição Seja A uma matriz n n Os autovalores de A são as raízes do polinômio característico de A p(λ) = det(a λi) Em particular, uma matriz n n possui no máximo n autovalores distintos Exemplo Determine os autovalores da matriz a) A = ( ) b) ( cos θ sin θ B = sin θ cos θ ) Solução: Temos ( λ det(a λi) = det λ = λ 4λ + ) = ( λ) + 4 Este polinômio não tem raízes reais, pois = b 4ac = 6 = 6, logo a matriz A não tem autovalores Observe que ) A = ( isto é, A representa uma rotação de R por um ângulo de 45, seguida de uma dilatação por um fator de, portanto este resultado está de acordo com o que seria esperado Similarmente, a matriz em, 4
5 (b) representa uma rotação de R por um ângulo θ e nós temos ( ) cos θ λ sin θ det(b λi) = det = (cos θ λ) + sin θ sin θ cos θ λ = cos θ λ cos θ + λ + sin θ = λ λ cos θ + Como o discriminante deste polinômio é = b 4ac = 4 cos θ 4 = 4(cos θ ), ele só possui raízes reais se cos θ = ±, ou seja, para θ = ou θ = O primeiro corresponde à matriz identidade ( ) B =, cujos autovalores são as raízes de λ λ +, ou seja, todos iguais a, enquanto que o segundo corresponde à matriz ( ) B =, cujos autovalores são as raízes de λ + λ +, ou seja, todos iguais a São os únicos exemplos de rotações em R que podem ser representadas por matrizes diagonais Exemplo Determine os autovalores da matriz A = Solução: Temos det(a λi) = det = ( + λ) λ λ λ λ λ = ( + λ)[λ λ + ] λ λ = ( + λ)[λ λ + ] λ + ( ) λ As raízes de ( + λ)[λ λ + ] = são λ = e λ =, logo estes são os autovalores de A Uma vez encontrados os autovalores da matriz, para encontrar os autovetores basta resolver o sistema linear homogêneo (A λi)x = Como eles são as soluções de um sistema linear homogêneo, segue que os autovetores associados a um determinado autovalor λ formam um subespaço vetorial, que nós chamamos o autoespaço associado ao autovalor λ Proposição Seja A uma matriz n n Se λ é um autovalor de A, então os autovetores de A associados a λ são as soluções do sistema homogêneo (A λi)x = Vamos resumir tudo o que foi explicado acima no seguinte teorema 5
6 Teorema Seja A uma matriz n n A é diagonalizável se e somente se existe uma base para R n formada por autovetores de A Neste caso, ela é semelhante a uma matriz diagonal D cuja diagonal principal é formada pelos autovalores de A, cada um aparecendo tantas vezes quanto for a dimensão do autoespaço associado a ele Exemplo 4 Determine se a matriz do Exemplo é diagonalizável Se for, determine uma matriz diagonal semelhante a ela Solução: Já determinamos que A possui e como autovalores A será diagonalizável se e somente se pudermos formar uma base para R entre os autovetores associados a estes autovalores Os autovetores associados ao autovalor são as soluções do sistema homogêneo (A I)X =, ou seja, X = Resolvemos este sistema É fácil ver que sua matriz aumentada tem forma escalonada reduzida Obtemos então que o autoespaço associado a é α β α R : α, β R β Como ( α β, α, β) = α(,, ) + β(,, ), segue que uma base para este autoespaço é formada pelos vetores (,, ) e (,, ) Os autovetores associados ao autovalor são as soluções do sistema homogêneo (A + I)X =, ou seja, X = Resolvemos este sistema É fácil ver que sua matriz aumentada tem forma escalonada reduzida Obtemos então que o autoespaço associado a é γ γ R : γ R γ Como (γ, γ, γ) = γ(,, ), segue que uma base para este autoespaço é formada pelo vetor (,, ) 6
7 Os vetores (,, ), (,, ) e (,, ) são L I, como pode ser facilmente verificado, portanto concluímos que a matriz A é diagonalizável Ela é semelhante à matriz O seguinte resultado facilitará o trabalho de determinar a independência linear de autovetores Proposição Seja A uma matriz n n Sejam λ, λ autovalores distintos de A Suponha que {v,, v k } são autovetores L I associados a λ e {w,, w l } são autovetores L I associados a λ Então o conjunto {v,, v k, w,, w l } é L I O mesmo resultado vale para qualquer número de autovalores distintos de A Prova: Suponha que existem escalares x,, x k, y,, y l tais que x v + + x k v k + y w + + y l w l = () Multiplicando ambos os lados por A e usando o fato de que Av j = λ v j, Aw j = λ w j segue que x λ v + + x k λ v k + y λ w + + y l λ w l = () Por outro lado, multiplicando a equação () por λ obtemos Agora, equação () menos equação () produz x λ v + + x k λ v k + y λ w + + y l λ w l = () x (λ λ )v + + x k (λ λ )v k = Como os vetores v,, v k são L I e λ λ, concluímos que x = = x k = Analogamente, multiplicando a equação () por λ e subtraindo da equação () obtemos y = = y l = Corolário Se uma matriz n n possui n autovalores distintos, então ela é diagonalizável Exemplo 5 Determine se a matriz a seguir é diagonalizável ou não A = π 7 7 e π 6 π Solução: Temos det(a λi) = det λ λ π 7 λ 7 e π 6 π λ = ( λ)( λ)( λ)( π λ), (lembre-se que o determinante de uma matriz triangular é o produto dos elementos na diagonal principal), logo os autovalores de A são,, e π Como A é uma matriz 4 4 com 4 autovalores distintos, segue que A é diagonalizável A é semelhante à matriz D = π 7
8 Exemplo 6 Determine se a matriz a seguir é diagonalizável ou não Se for, determine uma matriz diagonal semelhante a ela B = Solução: Temos det(b λi) = det = det λ λ λ λ ( ) λ det λ = [( λ) 9], ( λ λ logo det(b λi) = quando ( λ) 9 =, ou seja, quando λ = ±, donde concluímos que os autovalores de B são λ = e λ = 6 O autoespaço associado ao autovalor é o conjunto-solução do sistema homogêneo BX =, cuja matriz aumentada é que é equivalente por linhas a, ) que representa o sistema { x + x = x + x 4 = Portanto, o autoespaço associado a é o conjunto de vetores da forma ( α, α, β, β) = α(,,, )+ β(,,, ), logo uma base para este autoespaço é dada por e portanto ele tem dimensão B = {(,,, ), (,,, )} O autoespaço associado ao autovalor 6 é o conjunto-solução do sistema homogêneo (B 6I)X =, cuja matriz aumentada é que é equivalente por linhas a, que representa o sistema { x x = x x 4 = Portanto, o autoespaço associado a é o conjunto de vetores da forma (γ, γ, δ, δ) = γ(,,, ) + δ(,,, ), logo uma base para este autoespaço é dada por B 6 = {(,,, ), (,,, )}
9 e portanto ele também tem dimensão Como R 4 tem dimensão 4, segue da Proposição (ou pode ser verificado diretamente) que B = B B 6 = {(,,, ), (,,, ), (,,, ), (,,, )} é uma base de autovetores de B para R 4, logo B é diagonalizável e é semelhante à matriz diagonal D = 6 6 Exemplo 7 Determine se a matriz a seguir é diagonalizável ou não Se for, determine uma matriz diagonal semelhante a ela C = 4 Solução: Temos det(c λi) = det 4 λ λ λ = λ + 5λ 7λ + Substituindo λ =, verificamos que este valor é uma raiz para esta equação do terceiro grau; como λ 5λ + 7λ = λ 4λ +, cujas raízes são λ = e λ =, concluímos que os autovalores de C λ são λ = e λ = O autoespaço associado ao autovalor é o conjunto-solução do sistema homogêneo (C I)X =, cuja matriz aumentada é que é equivalente por linhas a, que representa o sistema { x + x = x = Portanto, o autoespaço associado a é o conjunto de vetores da forma ( α,, α) = α(,, ), logo uma base para este autoespaço é dada por e ele tem dimensão B = {(,, )} O autoespaço associado ao autovalor é o conjunto-solução do sistema homogêneo (C I)X =, cuja matriz aumentada é que é equivalente por linhas a 5, 9
10 que representa o sistema { x + 5 x = x + x = Portanto, o autoespaço associado a é o conjunto de vetores da forma ( 5 β, β, β) = β( 5,, ), logo uma base para este autoespaço é dada por B = {( 5 },, ) e ele também tem dimensão Como R tem dimensão e só existem no máximo autovetores linearmente independentes para C, segue não existe uma base para R formada por autovetores de C, logo C não é diagonalizável Diagonalização de Matrizes Simétricas Exemplo Considere o problema de identificar a curva no plano representada pela equação do segundo grau x + xy + y = 4 Esta equação do segundo grau também pode ser escrita como uma equação matricial: [ ] [ ] [ ] x x y = 4, y ou, se denotarmos por [ ] x X = e A = y X t AX = 4 [ ], Como veremos adiante, é possível escrever a matriz simétrica A na forma em que D = [ 4 A = P DP t ] e P = [ [Note que P é a matriz de rotação por um ângulo de 45 ] Assim, a equação matricial acima se torna X t AX = X t (P DP t )X = (P t X) t D(P t X) = 4 Fazendo a mudança de coordenadas X = P t X, no novo sistema de coordenadas [ ] X x = y, ] a equação matricial é ou X t DX = 4, [ x y ] [ 4 ] [ x y ] = 4,
11 que pode ser reescrita como a equação de segundo grau Dividindo por 4, obtemos x + 4y = 4 x + y =, que reconhecemos ser uma elipse com eixo maior de comprimento e eixo menor de comprimento Como a matriz de mudança de coordenadas é uma rotação, que não introduz nenhuma distorção de comprimento (não transforma círculos em elipses, por exemplo), concluímos que a equação original também representava uma elipse com as mesmas dimensões Uma cônica é uma curva no plano descrita por uma equação do segundo grau (o nome se deve ao fato de que tais curvas sempre podem ser obtidas seccionando-se um cone por um plano)o problema de identificar tais cônicas se reduz a encontrar um sistema de coordenadas mais apropriado, em que a equação do segundo grau tem a forma mais simples possível e permite a identificação imediata da curva através da comparação com equações modelos Neste tipo de problema, quando se muda de um sistema de coordenadas para outro é importante assegurar que esta mudança de coordenadas não introduz nenhuma distorção nos comprimentos Uma matriz de mudança de coordenadas com esta propriedade é chamada uma matriz ortogonal (um nome mais correto seria matriz ortonormal, que implica preservação também de comprimentos, enquanto que o nome matriz ortogonal sugere apenas a preservação de ângulos, mas a tradição se estabeleceu e o nome matriz ortonormal não foi definido e não tem qualquer significado) Assim, se P é ortogonal, então P v = v para todo v Operacionalmente, existem várias definições equivalentes para que uma matriz seja ortogonal Teorema As seguintes definições são equivalentes para que uma matriz P seja ortogonal (i) P t = P (ii) As colunas de P formam uma base ortonormal de vetores Corolário Se P é ortogonal, então det P = ± Prova: Como P é ortogonal, a inversa de P é a sua transposta, logo (lembrando que o determinante da transposta de uma matriz é igual ao determinante da matriz) P P t = I det(p P t ) = det I det P det P t = (det P ) = e daí det P = ± Se uma matriz A é diagonalizável através de uma matriz ortogonal P, então ao invés de escrevermos A = P DP, podemos escrever simplesmente A = P DP t Foi isso que vimos no exemplo acima Isso ocorre para qualquer matriz simétrica Teorema Uma matriz simétrica é sempre diagonalizável Além disso, ela sempre pode ser diagonalizada através de uma matriz ortogonal
12 Para que a matriz P seja ortogonal, é necessário, como vimos acima, que suas colunas sejam vetores ortonormais Portanto, para que a matriz A seja diagonalizável por uma matriz ortogonal P, é suficiente que seja possível encontrar uma base de autovetores ortonormais de A Quando isso for possível, podemos usar o processo de Gram-Schmidt para encontrar uma tal base ortonormal Como o último teorema afirma, isso é sempre possível para uma matriz simétrica (em particular, os autovetores correspondente a autovalores distintos de uma matriz simétrica são sempre ortogonais) Será que é possível encontrar uma matriz diagonalizadora P ortogonal para uma matriz não-simétrica? Exemplo 9 A matriz do Exemplo A = não pode ser diagonalizada através de uma matriz ortogonal De fato, como vimos no Exemplo 5, o autoespaço associado ao autovalor tem base B = {(,, ), (,, )}, enquanto que uma base para o autoespaço associado ao autovalor é B = {(,, )} Evidentemente, aplicando o processo de Gram-Schmidt a B, podemos encontrar uma base ortonormal para o autoespaço associado a Mas, como os autoespaços associados a e não são ortogonais (pois (,, ) (,, ) = (,, ) e (,, ) (,, ) = ), não é possível encontrar uma base ortonormal de autovetores de A para todo o espaço R Exemplo Diagonalize a matriz simétrica através de uma matriz ortogonal B = Solução: Temos que o polinômio característico de B é dado por det(b λi) = λ +λ 6λ+ = (λ ) ( λ), logo os autovalores de B são λ = e λ = O autoespaço associado ao autovalor é o conjunto-solução do sistema homogêneo (B I)X =, cuja matriz aumentada é que é equivalente por linhas a,, que representa o sistema { x + x + x =, logo o autoespaço associado a é o conjunto de vetores da forma ( α β, α, β) = α(,, ) + β(,, ), e portanto uma base para este autoespaço é formada pelos autovetores V = (,, ), V = (,, ) Esta base não é ortonormal (nem mesmo ortogonal) Aplicando Gram-Schmidt, chamamos W = V = (,, ) e W = V proj W V = (,, ) = (,, ), (,, ) (,, ) (,, ) (,, )
13 donde U = W W = U = W W = ( ),,, ( ) , 6, formam uma base ortonormal para o autoespaço associado a O autoespaço associado ao autovalor é o conjunto-solução do sistema homogêneo (B I)X =, cuja matriz aumentada é 4 4 que é equivalente por linhas a, 4 que representa o sistema { x x = x x =, logo o autoespaço associado a é o conjunto de vetores da forma (γ, γ, γ) = γ(,, ), e portanto uma base ortonormal para este autoespaço é formada pelo autovetor ( ) U =,, Segue que para e P = D = temos A = P DP t : = Note que para a matriz de mudança de coordenadas não ortogonal cujas colunas são formadas pela base de autovetores não ortonormais V, V e V Q =, nós temos também evidentemente que = 4 4 4
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 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 maisExercício: Identifique e faça um esboço do conjunto solução da. 3x xy + y 2 + 2x 2 3y = 0
Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 + 2 3xy + y 2 + 2x 2 3y = 0 Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 +
Leia 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 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 maisEquação Geral do Segundo Grau em R 2
8 Equação Geral do Segundo Grau em R Sumário 8.1 Introdução....................... 8. Autovalores e autovetores de uma matriz real 8.3 Rotação dos Eixos Coordenados........... 5 8.4 Formas Quadráticas..................
Leia 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 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 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 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 I - Aula 22
Álgebra Linear I - Aula 1. Bases Ortonormais.. Matrizes Ortogonais. 3. Exemplos. 1 Bases Ortonormais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de
Leia maisÁlgebra Linear. 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 maisÁlgebra Linear I - Lista 12. Matrizes semelhantes. Diagonalização. Respostas
Álgebra Linear I - Lista 12 Matrizes semelhantes. Diagonalização Respostas 1) Determine quais das matrizes a seguir são diagonalizáveis. Nos caso afirmativos encontre uma base de autovetores e uma forma
Leia 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 mais(d) v é um autovetor de T se, e somente se, T 2 = T ; (e) v é um autovetor de T se, e somente se, T (v) = v.
Q1. Seja V um espaço vetorial real de dimensão finita munido de um produto interno. Sejam T : V V um operador linear simétrico e W um subespaço de V tal que T (w) W, para todo w W. Suponha que W V e que
Leia maisLegenda. Questões. Lista de Exercícios - Autovalores e autovetores. Cálculos Teoria Geometria
Lista de Exercícios - Autovalores e autovetores Legenda Cálculos Teoria Geometria Questões. Considere o quadrado determinado pelos pontos A(0, 0), B(, 0), C(, ) e D(0, ).Em cada item aplique o referido
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 mais(I) T tem pelo menos um autovalor real; (II) T é diagonalizável; (III) no espaço vetorial real R n, o conjunto {u, v} é linearmente independente.
Q1. Sejam n um inteiro positivo, T : C n C n um operador linear e seja A = [T ] can a matriz que representa T em relação à base canônica do espaço vetorial complexo C n. Suponha que a matriz A tenha entradas
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 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 I - Aula 21
Álgebra Linear I - Aula 1 1. Matrizes ortogonalmente diagonalizáveis: exemplos. Matrizes simétricas. Roteiro 1 Matrizes ortogonalmente diagonalizáveis: exemplos Exemplo 1. Considere a matriz M = 4 4 4
Leia maisAlgebra Linear. 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 maisEspaços Euclidianos. Espaços R n. O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais:
Espaços Euclidianos Espaços R n O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais: R n = {(x 1,..., x n ) : x 1,..., x n R}. R 1 é simplesmente o conjunto R dos números
Leia maisParte 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 maisG3 de Álgebra Linear I
G de Álgebra Linear I 7 Gabarito ) Considere a transformação linear T : R R cuja matriz na base canônica E = {(,, ), (,, ), (,, )} é [T] E = a) Determine os autovalores de T e seus autovetores correspondentes
Leia mais1 Autovetor e Autovalor 9. 2 Matrizes Ortogonais e Transformações Lineares Planas e Espaciais 55
Capítulo LINE LINE Autovetor e Autovalor 9 Matrizes Ortogonais e Transformações Lineares Planas e Espaciais 55 Matrizes Simétricas, o Teorema Espectral e Operadores Auto-adjuntos 8 4 Formas Bilineares,
Leia maisGAAL Exercícios 6: Umas soluções
GAAL Exercícios 6: Umas soluções. Quais dos seguintes vetores são combinação linear de u = (5, 3, ), v = (, 4, 3), w = (, 8, 7)? (a) (, 2, 5) (b) (, 2, 8) (c) ( 2, ) (d) (, 2, 3). O conjunto {u, v, w}
Leia maisMarcelo M. Santos DM-IMECC-UNICAMP msantos/
Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência 0 anos c Publicação Eletrônica do KIT http://www.dma.uem.br/kit Identificação de Cônicas
Leia 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 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 maisA primeira coisa a fazer é saber quais são as equações das curvas quando elas já se encontram na melhor
Identificação de Cônicas Uma equação do segundo grau ax + bxy + cy + dx + ey + f = 0 define de maneira implícita uma curva no plano xy: o conjunto dos pontos (x, y) que satisfazem a equação. Por exemplo,
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 mais23 e 24. Forma Quadrática e Equação do Segundo Grau em R 3. Sumário
23 e 24 Forma Quadrática e Equação do Segundo Grau em R 3 Sumário 23.1 Introdução....................... 2 23.2 Autovalores e Autovetores de uma matriz 3 3.. 2 23.3 Mudança de Coordenadas no Espaço........
Leia maisÁlgebra Linear I - Aula Bases Ortonormais e Matrizes Ortogonais
Álgebra Linear I - Aula 19 1. Bases Ortonormais e Matrizes Ortogonais. 2. Matrizes ortogonais 2 2. 3. Rotações em R 3. Roteiro 1 Bases Ortonormais e Matrizes Ortogonais 1.1 Bases ortogonais Lembre que
Leia 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 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 maisP4 de Álgebra Linear I de junho de 2005 Gabarito
P4 de Álgebra Linear I 25.1 15 de junho de 25 Gabarito 1) Considere os pontos A = (1,, 1), B = (2, 2, 4), e C = (1, 2, 3). (1.a) Determine o ponto médio M do segmento AB. (1.b) Determine a equação cartesiana
Leia maisGAAL - Terceira Prova - 15/junho/2013. Questão 1: Analise se a afirmação abaixo é falsa ou verdadeira:
GAAL - Terceira Prova - /junho/3 SOLUÇÕES Questão : Analise se a afirmação abaio é falsa ou verdadeira: [ A matriz A é diagonalizável SOLUÇÃO: Sabemos que uma matriz n n é diagonalizável se ela possuir
Leia maisForma Canônica de Jordan para Operadores Lineares do Plano - Matrizes Reais 2 2
Forma Canônica de Jordan para Operadores Lineares do Plano - Matrizes Reais Sylvie Olison Kamphorst Departamento de Matemática - ICE - UFMG Versão 5. - Agosto Resumo O Teorema da Forma Canônica de Jordan
Leia maisLista 8 de Álgebra Linear /01 Produto Interno
Lista 8 de Álgebra Linear - / Produto Interno. Sejam u = (x x e v = (y y. Mostre que temos um produto interno em R nos seguintes casos: (a u v = x y + x y. (b u v = x y x y x y + x y.. Sejam u = (x y z
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 maisMudança de Coordenadas
Mudanças de Coordenadas Mudança de Coordenadas A origem O = (0, 0, 0) e os vetores i, j, k da base canônica de R determinam um sistema de coordenadas: se as coordenadas de um ponto no espaço são (x, y,
Leia mais1 Auto vetores e autovalores
Auto vetores e autovalores Os autovalores de uma matriz de uma matriz n n são os n números que resumem as propriedades essenciais daquela matriz. Como esses n números realmente caracterizam a matriz sendo
Leia maisAutovalores e Autovetores
Autovalores e Autovetores Maria Luísa B. de Oliveira SME0300 Cálculo Numérico 24 de novembro de 2010 Introdução Objetivo: Dada matriz A, n n, determinar todos os vetores v que sejam paralelos a Av. Introdução
Leia 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 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 maisÁlgebra Linear I - Aula Matrizes simultaneamente ortogonais e simétricas
Álgebra Linear I - Aula 22 1. Matrizes 2 2 ortogonais e simétricas. 2. Projeções ortogonais. 3. Matrizes ortogonais e simétricas 3 3. Roteiro 1 Matrizes simultaneamente ortogonais e simétricas 2 2 Propriedade
Leia maisÁlgebra Linear I - Aula 20
Álgebra Linear I - Aula 20 1 Matrizes diagonalizáveis Exemplos 2 Forma diagonal de uma matriz diagonalizável 1 Matrizes diagonalizáveis Exemplos Lembramos que matriz quadrada a 1,1 a 1,2 a 1,n a 2,1 a
Leia maisÁLGEBRA LINEAR. 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 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 maisCapítulo 6. Operadores Ortogonais. Curso: Licenciatura em Matemática. Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo
Capítulo 6 Operadores Ortogonais Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo Disciplina: Álgebra Linear II Unidade II Aula 6: Operadores Ortogonais
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 maisG4 de Álgebra Linear I
G4 de Álgebra Linear I 013.1 8 de junho de 013. Gabarito (1) Considere o seguinte sistema de equações lineares x y + z = a, x z = 0, a, b R. x + ay + z = b, (a) Mostre que o sistema é possível e determinado
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS (UFMG) ADÉLIO DANIEL DE SOUSA FREITAS
UNIVERSIDADE FEDERAL DE MINAS GERAIS (UFMG) ADÉLIO DANIEL DE SOUSA FREITAS O ESTUDO DA DIAGONALIZAÇÃO DE MATRIZES SIMETRICAS DE 2º ORDEM. BELO HORIZONTE 2012 ADÉLIO DANIEL DE SOUSA FREITAS O ESTUDO DA
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 maisProduto Misto, Determinante e Volume
15 Produto Misto, Determinante e Volume Sumário 15.1 Produto Misto e Determinante............ 2 15.2 Regra de Cramer.................... 10 15.3 Operações com matrizes............... 12 15.4 Exercícios........................
Leia mais7 temos que e u =
Capítulo 1 Complementos de Álgebra Linear 11 Introdução Seja A = [a ij ] uma matriz quadrada de ordem n e pensemos na transformação linear R n! R n que a cada cada vector u R n faz corresponder um vector
Leia maisÁlgebra Linear I - Aula Matriz de uma transformação linear em uma base. Exemplo e motivação
Álgebra Linear I - Aula 19 1. Matriz de uma transformação linear em uma base. Exemplo e motivação 2. Matriz de uma transformação linear T na base β 1 Matriz de uma transformação linear em uma base. Exemplo
Leia 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 maisÁlgebra Linear I - Aula 18
Álgebra Linear I - Aula 18 1. Matrizes semelhantes. 2. Matriz de uma transformação linear em uma base. Roteiro 1 Matrizes semelhantes Definição 1 (Matrizes semelhantes). Considere duas matrizes quadradas
Leia maisfolha prática 5 valores próprios e vetores próprios página 1/3
folha prática 5 valores próprios e vetores próprios página 1/ Universidade de Aveiro Departamento de Matemática 1. Determine os valores próprios e vetores próprios de cada uma das seguintes matrizes. Averigue
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 maisMAT3457 ÁLGEBRA LINEAR PARA ENGENHARIA I 1 a Lista de Exercícios - 1 o semestre de 2018
MAT3457 ÁLGEBRA LINEAR PARA ENGENHARIA I a Lista de Exercícios - o semestre de 8 Exercícios -8: os espaços V e V 3. Exercícios 9-7: dependência, independência linear, bases. Exercícios 8-48: sistemas lineares.
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 maisCapítulo 4 - Valores e Vectores Próprios
Capítulo 4 - Valores e Vectores Próprios Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/ 17
Leia maisALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1
ALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções em VETORES Um vetor é uma lista ordenada de números
Leia 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 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 maisCM005 Álgebra Linear Lista 2
CM005 Álgebra Linear Lista 2 Alberto Ramos 1. Seja M M n (R) uma matriz. Mostre que se {v 1,..., v p } R n é linearmente dependente, então {Mv 1,..., Mv p } é também linearmente dependente. Agora suponha
Leia maisInterbits SuperPro Web
1 (Ita 018) Uma progressão aritmética (a 1, a,, a n) satisfaz a propriedade: para cada n, a soma da progressão é igual a n 5n Nessas condições, o determinante da matriz a1 a a a4 a5 a 6 a a a 7 8 9 a)
Leia mais1 Diagonalização de Matrizes 2 2. Sistemas de Equações Diferenciais Lineares
Diagonalização de Matrizes e Sistemas de Equações Diferenciais Lineares Reginaldo J Santos Departamento de Matemática-ICE Universidade Federal de Minas Gerais http://wwwmatufmgbr/~regi 3 de setembro de
Leia maisG3 de Álgebra Linear I
G3 de Álgebra Linear I 11.1 Gabarito 1) Seja A : R 3 R 3 uma transformação linear cuja matriz na base canônica é 4 [A] = 4. 4 (a) Determine todos os autovalores de A. (b) Determine, se possível, uma forma
Leia maisMódulos. Volume 2ª edição. Hernando Bedoya Ricardo Camelier. Álgebra Linear II
Módulos 1e2 Volume 2ª edição Hernando Bedoya Ricardo Camelier Álgebra Linear II 1 Álgebra Linear II Volume 1 - Módulos 1 e 2 2ª edição Hernando Bedoya Ricardo Camelier Apoio: Fundação Cecierj / Consórcio
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 mais1 Matrizes Ortogonais
Álgebra Linear I - Aula 19-2005.1 Roteiro 1 Matrizes Ortogonais 1.1 Bases ortogonais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de vetores distintos
Leia 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 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 mais- identificar operadores ortogonais e unitários e conhecer as suas propriedades;
DISCIPLINA: ELEMENTOS DE MATEMÁTICA AVANÇADA UNIDADE 3: ÁLGEBRA LINEAR. OPERADORES OBJETIVOS: Ao final desta unidade você deverá: - identificar operadores ortogonais e unitários e conhecer as suas propriedades;
Leia maisDiagonalização unitária e diagonalização ortogonal. (Positividade do produto interno) Raíz quadrada. Formas quadráticas.
Aplicações: Diagonalização unitária e diagonalização ortogonal (Positividade do produto interno) Raíz quadrada Formas quadráticas Mínimos quadrados Produto externo e produto misto (Área do paralelogramo.
Leia mais(a) (1,5) Obtenha os autovalores e autovetores de L. (b) (1,0) A matriz de L em relação à base canônica de M 2 2 é diagonalizável? Explique.
Nome do(a) estudante(a): ALI0001(PRO11-0A) Prova IV 8/06/016 Prof. Helder G. G. de Lima ˆ Identifique-se em todas as folhas. ˆ Mantenha o celular e os demais equipamentos eletrônicos desligados durante
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 maisALGA I. Bases, coordenadas e dimensão
Módulo 5 ALGA I. Bases, coordenadas e dimensão Contents 5.1 Bases, coordenadas e dimensão............. 58 5.2 Cálculos com coordenadas. Problemas......... 65 5.3 Mudanças de base e de coordenadas..........
Leia 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 maisMAT-27 Lista-09 Outubro/2011
MAT-27 Lista-09 Outubro/2011 1. Determinar, se possível, uma matriz M M 2 (R) de maneira que M 1 AM seja diagonal nos seguintes casos: [ ] 2 4 (a) 3 13 [ ] 3 2 2 1 2. Achar uma matriz diagonal semelhante
Leia mais1. Encontre os autovalores e autovetores das transformações lineares dadas: 2. Encontre os autovalores e autovetores correspondentes das matrizes 2
UNIV ERSIDADE DO EST ADO DE SANT A CAT ARINA UDESC CENT RO DE CI ^ENCIAS T ECNOLOGICAS CCT DEP ART AMENT O DE MAT EMAT ICA DMAT Exercícios sobre AUTOVALORES e AUTOVETORES Professora: Graciela Moro. Encontre
Leia maisI Lista de Álgebra Linear /02 Matrizes-Determinantes e Sistemas Prof. Iva Zuchi Siple
1 I Lista de Álgebra Linear - 2012/02 Matrizes-Determinantes e Sistemas Prof. Iva Zuchi Siple 1. Determine os valores de x e y que tornam verdadeira a igualdade ( x 2 + 5x x 2 ( 6 3 2x y 2 5y y 2 = 5 0
Leia maisResolução das objetivas 3ª Prova de Álgebra Linear II da UFRJ, período
www.engenhariafacil.weebly.com Resolução das objetivas 3ª Prova de Álgebra Linear II da UFRJ, período 4. OBS: Todas as alternativas corretas são as letras A. ) Devemos utilizar o teorema que diz: (Im(A
Leia maisProduto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru
1 Produto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru Neste capítulo vamos considerar espaços vetoriais sobre K, onde K = R ou K = C, ou seja, os espaços vetoriais podem ser reais
Leia maisÁlgebra Linear 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 maisLivro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez. Capítulo 10: Soluções e Respostas
10 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 10: Soluções e Respostas 263 264 CAPÍTULO 10. SOLUÇÕES E RESPOSTAS Capítulo 1 2.1* Temos 2 4 6 3 6 0 2A =,
Leia maisP4 de Álgebra Linear I
P4 de Álgebra Linear I 2008.2 Data: 28 de Novembro de 2008. Gabarito. 1) (Enunciado da prova tipo A) a) Considere o plano π: x + 2 y + z = 0. Determine a equação cartesiana de um plano ρ tal que a distância
Leia mais1 a Lista de Exercícios MAT 3211 Álgebra Linear Prof. Vyacheslav Futorny
1 a Lista de Exercícios MAT 3211 Álgebra Linear - 213 - Prof. Vyacheslav Futorny 1 a parte: Resolução de sistemas de equações lineares, matrizes inversíveis 1. Para cada um dos seguintes sistemas de equações
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 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 maisCapítulo 7. Operadores Normais. Curso: Licenciatura em Matemática. Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo
Capítulo 7 Operadores Normais Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo Disciplina: Álgebra Linear II Unidade II Aula 7: Operadores Normais Meta
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 maisCapítulo 6: Transformações Lineares e Matrizes
6 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 6: Transformações Lineares e Matrizes Sumário 1 Matriz de uma Transformação Linear....... 151 2 Operações
Leia maisPLANO DE ENSINO E APRENDIZAGEM
SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE LICENCIATURA PLENA EM MATEMÁTICA PARFOR PLANO E APRENDIZAGEM I IDENTIFICAÇÃO: PROFESSOR (A) DA DISCIPLINA:
Leia maisMAT2457 ÁLGEBRA LINEAR PARA ENGENHARIA I 1 a Prova - 1 o semestre de y + az = a (a 2)x + y + 3z = 0 (a 1)y = 1 a
MAT457 ÁLGEBRA LINEAR PARA ENGENHARIA I 1 a Prova - 1 o semestre de 018 Questão 1. Se a R, é correto afirmar que o sistema linear y + az = a (a x + y + 3z = 0 (a 1y = 1 a é: (a possível e indeterminado
Leia mais