OBJETIVO. Prova1-Trivial,porinduçãoeusaoteoremafundamentaldaálgebra...3
|
|
- Danilo Canedo Stachinski
- 6 Há anos
- Visualizações:
Transcrição
1 O TEOREMA DE CAYLEY-HAMILTON Carlos Alexandre Gomes (UFRN) e Oswaldo Rio Branco de Oliveira (IMEUSP) oliveira@ime.usp.br Ano 2015 e Ano 2017 OBJETIVO Nesta notas apresentamos três demonstrações do importante Teorema de Cayley-Hamilton. A primeira demonstração é a mais trivial que conhecemos mas não é a mais elementar pois faz uso do teorema fundamental da álgebra. A segunda demonstração é a mais elementar, não utiliza o teorema fundamental da álgebra e faz uso da decomposição de um operador linear. A terceira demonstração é frequente em livros textos e utiliza a noção de matriz adjunta. Uma quarta demonstração está sob preparação e utiliza a versão da Fórmula Integral de Cauchy no espaço das matrizes quadradas e complexas. Introdução...2 Prova1-Trivial,porinduçãoeusaoteoremafundamentaldaálgebra...3 Prova 2- Elementar, por indução e não usa o teorema fundamental da álgebra...4 Prova3-Usamatrizadjuntaenãousaoteoremafundamentaldaálgebra...6 Prova4-(Sobpreparação)... Aplicações.
2 INTRODUÇÃO Indiquemos por V um espaço vetorial de dimensão n sobre o corpo K, fixado K=R ou K=C. Consideremos uma aplicação linear T V V. Fixemos uma baseb do espaço V. Seja [T] B a matriz de representação de T em relação à baseb. SejaC uma outra base de V. Escrevendo os elementos dec como combinação linear dos elementos deb, encontramos a matriz de mudança de base P=[I] C B, da basec para a baseb. Donde segue P 1 =[I] B C. Então, temos [T] C =P 1 [T] B P. Seja λ a variável em K. Propriedades de matrizes e determinantes garantem det(λi [T] C )=det(p 1 (λi [T] B )P)=det(λI [T] B ). Logo, podemos associar à aplicação T um polinômio que independe da representação de T. Formalizemos Seja A uma matriz n n, com coeficientes em K [notação, A M n (K)]. O polinômio característico de A é p A (λ)=det(λi A), onde λ K. Assim, duas matrizes semelhantes tem iguais polinômios característicos. Definimos o polinômio característico de uma aplicação linear T V V, como o polinômio característico de qualquer uma de suas representações matriciais. 2
3 Oswaldo Rio Branco de Oliveira 1. PRIMEIRA PROVA (trivial e usa o teorema fudamental da ágebra) Teorema (Cayley-Hamilton). Sejam A M n (R) e p A (λ) seu polinômio característico. Então, p A (A)=0. Primeira prova (elementar). UsaoTeoremaFundamentaldaÁlgebra(TFA). O caso n=1éóbvio. Suponhamos o resultado válido para n 1. Seja T C n C n o operador linear associado a A. O TFA (teorema fundamental da álgebra) garante um autovalor λ e um autovetor associado v 0. Seja {v,...,} uma base de C n. Mudando de base, se preciso, podemos supor A= λ 0 B, onde B M n 1(C). Então temos, com I a identidade de ordem n 1 e z a variável complexa, p T (z)=det z λ 0 zi B =(z λ)det(zi B) =(z λ)p B (z). Donde segue (cheque, particularmente a terceira e a última igualdades) p T (T)=(A λi)p B (A) = 0 0 B λi p B λ 0 B = 0 0 B λi p B (λ) 0 p B (B) = 0 0 B λi p B (λ) 0 0 =
4 2. SEGUNDA PROVA (elementar e não usa o teorema fundamental da álgebra) Teorema (Cayley-Hamilton). Sejam V um K-espaço vetorial de dimensão finita n e T V V linear e p(λ) o polinômio característico de T. Então, p(t)=0. Prova. Extraída da referência [1], apostila de H. P. Bueno. Consideremos um vetor não nulo e arbitrário v V. Mostremos p(t)v=0. Seja m o maior natural tal que o conjunto A={v,Tv,...,T m 1 v} é linearmente independente. Existem coeficientes α 0,...,α m 1 tais que (1.1) T m v=α 0 v+ +α m 1 T m 1 v. Seja W o subespaço gerado pelo conjunto linearmente independente A. Afirmação. T(W) W. De fato, dado w W segue que existem escalares β 0,...,β m 1 tais que w=β 0 v+β 1 Tv+ +β m 1 T m 1 v. Logo, Tw=β 0 Tv+β 1 T 2 v+ +β m 1 T m v. A identidade (1.1) garante que Tw W. Logo, T(W) W. Consideremos a restrição T W W W. A representação de T W na base ordenadaa={v,tv,...,t m 1 v} é α α 1 A= α α m 1 4
5 Oswaldo Rio Branco de Oliveira Logo, λ 0 0 α 0 det(λi A)= 1 λ 0 α α λ α m 1 λ 0 α 1 =λ 1 λ α λ α m 1 1 λ α 0 ( 1) m O último determinante acima é( 1) m 1. Logo, o coeficiente independente do polinômio característico det(λi A) é α 0. É claro que o coeficiente dominante de det(λi A) é+1. Então, por iteração segue det(λi A)= α 0 α 1 λ α 2 λ 2 α m 1 λ m 1 +λ m =p W (λ), onde p W (λ) é o polinômio característico da restrição T W. Desta forma, pela equação (1.1) segue (1.2) p W (T)v=T m v α 0 v α 1 Tv α 2 T 2 v α m 1 T m 1 v=0. Afirmação. Temos p(λ)=q(λ)p W (λ) para algum polinômio q(λ). De fato, completandoaauma base de V obtemos a representação [T]= A B [Ade ordemmec de ordemn m]. 0 C Então, por propriedades de determinantes encontramos det(λi T)=det(λI A)det(λI C)=p W (λ)q(λ)=q(λ)p W (λ). Devido a (1.2) concluímos então p(t)v=q(t)p W (T)v=0 5
6 3. TERCEIRA PROVA (usa matriz adjunta e não usa o teorema fundamental da álgebra) Dada uma matriz A=(a ij ) em M n (K), seja A ij o determinante da matriz quadrada de ordem n 1 que surge ao eliminarmos a i-ésima linha e a j-ésima coluna da matriz A. A matriz dos cofatores de A é de tamanho n n e definida por C=(c ij ) com c ij =( 1) i+j A ij. A matriz adjunta de A é a matriz transposta de C. Notação, adj(a)=c t. Nestas notas, utilizaremos o seguinte resultado (sem prová-lo). Lema. Seja A M(n,K). Então temos A.adj(A) =(det A)I, com I=I n a matriz identidade de ordem n. Em particular, se deta 0, segue A 1 = 1 deta adj(a). Teorema (Cayley-Hamilton). Seja V um K-espaço vetorial de dimensão finita n e T V V linear e p(λ) o polinômio característico de T. Então, p(t)=0. Prova. SejaB uma base de V e A=[T] B a matriz de T nesta base. Consideremos A λ =λi A, com I a matriz identidade de ordem n. Assim, p(λ)=deta λ. Seja B=adj(A λ )=(b ij ). Logo, cada b ij é um polinômio de grau no máximo n 1 na variável λ. Escrevamos, para cada par i, j, tal polinômio como b ij =b (0) ij +b (1) ij λ+ +b(n 1) ij λ n 1. 6
7 Oswaldo Rio Branco de Oliveira A matriz dos coeficientes do termo de ordem k (fixa) destes polinômios é Então, segue B (k) = b (k) 11 b (k) 12 b (k) 1n b (k) n1 b (k) n2 b (k) nn, onde k=0,1,...,n 1. B=B (0) +B (1) λ+ +B (n 1) λ n 1. Como p(λ)=det(λi A) é mônico e de grau n, podemos escrever Escrevemos também p(λ)=a 0 +a 1 λ+ +λ n. BA λ =adj(a λ )A λ =(deta λ )I=det(λI A).I Substituindo as expressões para B, A λ e det(λi A)=p(λ) encontramos (B (0) +B (1) λ+ +B (n 1) λ n 1 )(λi A)=(a 0 +a 1 λ+ +λ n )I. Donde segue B 0 A+(B (0) B (1) A)λ+ +B (n 1) λ n =a 0 I+a 1 Iλ+ +Iλ n. Igualando-se os coeficientes dos termos de mesmo grau obtemos a 0 I a 1 I = B (0) A = B (0) B (1) A a n 1 I = B (n 2) B (n 1) A I = B (n 1). Multiplicando-se essas equações por I,A,A 2,...,A n, segue que a 0 I = B (0) A a 1 A = B (0) A B (1) A 2 a n 1 A n 1 = B (n 2) A n 1 B (n 1) A n A n = B (n 1) A n. Adicionando-se membro a membro as igualdades acima encontramos a 0 I+a 1 A+ +a n 1 A n 1 +A n =0 p A (A)=0 7
8 REFERÊNCIAS 1. Bueno, H. P., Funções de Matrizes (Versão Preliminar, 2002) - Universidade Federal de Minas Gerais - Departamento de Matemática. Disponível em 2. Ulhoa, F. C. e Lourenço, M. L., Um Curso de segunda edição (2013). Álgebra Linear, Edusp, 3. Fraleigh, J. B., A First Course In Abstract Algebra, 7th ed., Addison- Wesley, Departamento de Matemática Universidade de São Paulo oliveira@ime.usp.br 8
Álgebra Linear. Professor Alessandro Monteiro. 1º Sábado - Matrizes - 11/03/2017
º Sábado - Matrizes - //7. Plano e Programa de Ensino. Definição de Matrizes. Exemplos. Definição de Ordem de Uma Matriz. Exemplos. Representação Matriz Genérica m x n 8. Matriz Linha 9. Exemplos. Matriz
Leia maisExponencial de uma matriz
Exponencial de uma matriz Ulysses Sodré Londrina-PR, 21 de Agosto de 2001; Arquivo: expa.tex Conteúdo 1 Introdução à exponencial de uma matriz 2 2 Polinômio característico, autovalores e autovetores 2
Leia 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 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 maisNotas de Aulas de Matrizes, Determinantes e Sistemas Lineares
FATEC Notas de Aulas de Matrizes, Determinantes e Sistemas Lineares Prof Dr Ânderson Da Silva Vieira 2017 Sumário Introdução 2 1 Matrizes 3 11 Introdução 3 12 Tipos especiais de Matrizes 3 13 Operações
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 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 maisP(z)=a n z n + +a 1 z+a 0. é um polinômio com coeficientes complexos a n,...,a 0 e na indeterminada z. Tal. acima é também descrito como
Ano 2015 ALGORITMO DE EUCLIDES PARA A DIVISÃO DE POLINÔMIOS Professor Oswaldo Rio Branco de Oliveira http://www.ime.usp.br/~oliveira oliveira@ime.usp.br Dados n+1 números complexos a n,a n 1,...,a 1,a
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 maisÁLGEBRA LINEAR AULA 4
ÁLGEBRA LINEAR AULA 4 Luís Felipe Kiesow de Macedo Universidade Federal de Pelotas - UFPel 1 / 14 1 Introdução 2 Desenvolvimento de Laplace 3 Matriz Adjunta 4 Matriz Inversa 5 Regra de Cramer 6 Posto da
Leia maisÁlgebra Linear e Geometria Anaĺıtica
Álgebra Linear e Geometria Anaĺıtica 2016/17 MIEI+MIEB+MIEMN Slides da 4 a Semana de aulas Cláudio Fernandes (FCT/UNL) Departamento de Matemática 1 / 27 Programa 1 Matrizes 2 Sistemas de Equações Lineares
Leia maisAutovalores e Autovetores Determinante de. Motivando com Geometria Definição Calculando Diagonalização Teorema Espectral:
Lema (determinante de matriz ) A B A 0 Suponha que M = ou M =, com A e D 0 D C D matrizes quadradas Então det(m) = det(a) det(d) A B Considere M =, com A, B, C e D matrizes C D quadradas De forma geral,
Leia 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 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 maisALGA I. Representação matricial das aplicações lineares
Módulo 6 ALGA I Representação matricial das aplicações lineares Contents 61 Matriz de uma aplicação linear 76 62 Cálculo do núcleo e imagem 77 63 Matriz da composta 78 64 GL(n Pontos de vista passivo e
Leia maisAulas práticas de Álgebra Linear
Ficha 2 Determinantes Aulas práticas de Álgebra Linear Mestrado Integrado em Engenharia Eletrotécnica e de Computadores 1 o semestre 2016/17 Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto
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 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 maisMatrizes e sistemas de equações algébricas lineares
Capítulo 1 Matrizes e sistemas de equações algébricas lineares ALGA 2007/2008 Mest Int Eng Biomédica Matrizes e sistemas de equações algébricas lineares 1 / 37 Definições Equação linear Uma equação (algébrica)
Leia 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 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 maisGeometria anaĺıtica e álgebra linear
Geometria anaĺıtica e álgebra linear Francisco Dutenhefner Departamento de Matematica ICEx UFMG 22/08/13 1 / 24 Determinante: teorema principal Teorema: Se A é uma matriz quadrada, então o sistema linear
Leia maisficha 2 determinantes
Exercícios de Álgebra Linear ficha 2 determinantes Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 Determinantes 2 Sendo
Leia maisNotações e revisão de álgebra linear
Notações e revisão de álgebra linear Marina Andretta ICMC-USP 17 de agosto de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211
Leia maisMATEMÁTICA MÓDULO 11 DETERMINANTES. Professor Matheus Secco
MATEMÁTICA Professor Matheus Secco MÓDULO 11 DETERMINANTES INTRODUÇÃO Neste módulo, não daremos a definição padrão de determinantes via somatório envolvendo sinais de permutações, pois não há necessidade
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 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 maisMP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Seção 2.1: Álgebra Linear e Matrizes Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br São José
Leia mais. (1) Se S é o espaço vetorial gerado pelos vetores 1 e,0,1
QUESTÕES ANPEC ÁLGEBRA LINEAR QUESTÃO 0 Assinale V (verdadeiro) ou F (falso): (0) Os vetores (,, ) (,,) e (, 0,) formam uma base de,, o espaço vetorial gerado por,, e,, passa pela origem na direção de,,
Leia maisALGA I. Bases, coordenadas e dimensão
Módulo 5 ALGA I. Bases, coordenadas e dimensão Contents 5.1 Bases, coordenadas e dimensão............. 58 5.2 Cálculos com coordenadas. Problemas......... 65 5.3 Mudanças de base e de coordenadas..........
Leia mais1 5 = = = = = = = = 5
MATRIZES PARTE II. Matriz dos Cofatores Dada uma matriz A, a cada elemento aij de A está associado um cofator Cij. Definição: Chama-se matriz dos cofatores de A, e denota-se por A,a matriz A = [C ij ].
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 maisMatrizes e Linearidade
Matrizes e Linearidade 1. Revisitando Matrizes 1.1. Traço, Simetria, Determinante 1.. Inversa. Sistema de Equações Lineares. Equação Característica.1. Autovalor & Autovetor 4. Polinômios Coprimos 5. Função
Leia maisÁlgebra Linear I - Aula Propriedades dos autovetores e autovalores
Álgebra Linear I - Aula 17 1. Propriedades dos autovetores e autovalores. 2. Matrizes semelhantes. 1 Propriedades dos autovetores e autovalores Propriedade 1: Sejam λ e β autovalores diferentes de T e
Leia 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 maisÁLGEBRA LINEAR. Combinação Linear, Subespaços Gerados, Dependência e Independência Linear. Prof. Susie C. Keller
ÁLGEBRA LINEAR Combinação Linear, Subespaços Gerados, Dependência e Prof. Susie C. Keller Combinação Linear Sejam os vetores v 1, v 2,..., v n do espaço vetorial V e os escalares a 1, a 2,..., a n. Qualquer
Leia maisAPLICAÇÃO DE AUTOVALORES E AUTOVETORES NAS POTÊNCIAS DE MATRIZES
Universidade Federal de Goiás Câmpus de Catalão Departamento de Matemática Seminário Semanal de Álgebra APLICAÇÃO DE AUTOVALORES E AUTOVETORES NAS POTÊNCIAS DE MATRIZES Aluno: Ana Nívia Pantoja Daniela
Leia maisAULA 8- ÁLGEBRA MATRICIAL VERSÃO: OUTUBRO DE 2016
CURSO DE ADMINISTRAÇÃO CENTRO DE CIÊNCIAS SOCIAIS APLICADAS UNIVERSIDADE CATÓLICA DE PETRÓPOLIS MATEMÁTICA 01 AULA 8- ÁLGEBRA MATRICIAL VERSÃO: 0.1 - OUTUBRO DE 2016 Professor: Luís Rodrigo E-mail: luis.goncalves@ucp.br
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 maisElementos de Cálculo 1 - Notas de Aulas I Sistemas Lineares, Matrizes e Determinantes Prof Carlos Alberto S Soares
Elementos de Cálculo 1 - Notas de Aulas I Sistemas Lineares, Matrizes e Determinantes Prof Carlos Alberto S Soares 1 Introdução Neste capitulo, estaremos interessados em estudar os sistemas de equações
Leia maisAutovalores e Autovetores
Algoritmos Numéricos II / Computação Científica Autovalores e Autovetores Lucia Catabriga 1 1 DI/UFES - Brazil Junho 2016 Introdução Ideia Básica Se multiplicarmos a matriz por um autovetor encontramos
Leia maisEconometria. Operações básicas de vetores. Operações básicas de vetores. Operações básicas de vetores. Independência de vetores
Operações básicas de vetores Econometria Adição Suponha dois vetores x e y com n componentes cada: 1. Alguns tópicos importantes de Álgebra Linear Danielle Carusi Machado - Econometria II Operações básicas
Leia maisESTUDOS DOS DETERMINANTES
ESTUDOS DOS DETERMINANTES Fernanda Lúcia Sá ESTUDO DOS DETERMINANTES 1. Introdução A noção de determinante desempenha um papel importante na Matemática, aparecendo em teoremas fundamentais como o Teorema
Leia maisParte II. Decomposição de matrizes
Parte II Decomposição de matrizes 119 Uma das características da ciência, e em particular das estruturas em Matemática é a busca de elementos simples com os quais podemos gerar todos os elementos de um
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 maisÁlgebra Linear. Aula 02
Álgebra Linear Aula Determinante Para aproveitar 1% dessa aula vocês precisam saber: ü Matrizes ü Equação do 1º grau ü Equação do º grau Como representamos o determinante de uma matriz? Colocando os elementos
Leia maisInversão de Matrizes
Inversão de Matrizes Prof. Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2017.1 18 de
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 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 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 maisFUNCIONAIS LINEARES: ESPAÇO DUAL E ANULADORES
FUNCIONAIS LINEARES: ESPAÇO DUAL E ANULADORES Eduardo de Souza Böer - eduardoboer04@gmail.com Universidade Federal de Santa Maria, Campus Camobi, 97105-900-Santa Maria, RS, Brasil Saradia Sturza Della
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 maisÁlgebra Linear e Geometria Anaĺıtica. Matrizes e Sistemas de Equações Lineares
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 1 Matrizes e Sistemas de Equações Lineares Geometria anaĺıtica em R 3 [1 01]
Leia maisDeterminantes - Parte 02
Determinantes - Parte 02 Prof. Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2017.1 23
Leia maisProduto de Matrizes. Márcio Nascimento
Produto de Matrizes Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2016.1 1 de dezembro
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 maisficha 1 matrizes e sistemas de equações lineares
Exercícios de Álgebra Linear ficha matrizes e sistemas de equações lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2/2
Leia maisInstituto Superior Técnico Departamento de Matemática Última actualização: 18/Nov/2003 ÁLGEBRA LINEAR A
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Última actualização: 18/Nov/2003 ÁLGEBRA LINEAR A REVISÃO DA PARTE III Parte III - (a) Ortogonalidade Conceitos: produto
Leia maisParte 1 - Matrizes e Sistemas Lineares
Parte 1 - Matrizes e Sistemas Lineares Matrizes: Uma matriz de tipo m n é uma tabela com mn elementos, denominados entradas, e formada por m linhas e n colunas. A matriz identidade de ordem 2, por exemplo,
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 maisDeterminantes - Parte 02
Determinantes - Parte 02 Prof. Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2015.1 10
Leia maisCSE-020 Revisão de Métodos Matemáticos para Engenharia
CSE-020 Revisão de Métodos Matemáticos para Engenharia Engenharia e Tecnologia Espaciais ETE Engenharia e Gerenciamento de Sistemas Espaciais L.F.Perondi Engenharia e Tecnologia Espaciais ETE Engenharia
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE. Aula 03 Inversão de matrizes
UNIVERSIDDE FEDERL DO RIO GRNDE DO NORTE Prof. Hector Carrion S. Álgebra Linear ula Inversão de matrizes Resumo Matriz inversa Inversa de matriz elementar Matriz adjunta Inversão de matrizes Uma matriz
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 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 maisMétodo de Gauss-Jordan e Sistemas Homogêneos
Método de Gauss-Jordan e Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2017.1 14 de agosto
Leia maisCapítulo 2. Ortogonalidade e Processo de Gram-Schmidt. Curso: Licenciatura em Matemática
Capítulo 2 Ortogonalidade e Processo de Gram-Schmidt Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves de Melo Disciplina: Álgebra Linear II Unidade II Aula
Leia maisUNIOESTE DETERMINANTES. Profa. Simone Aparecida Miloca UNIOESTE
DETERMINANTES Profa. Simone Aparecida Miloca UNIOESTE 2017 Sumario Determinantes Determinantes Introdução Determinante é um número associado a uma matriz quadrada. Permutação Considere n objetos distintos
Leia maisRELEMBRANDO... CÁLCULO DA MATRIZ INVERSA:
RELEMBRANDO... CÁLCULO DA MATRIZ INVERSA: determinantes Se o determinante da matriz é diferente de zero existe a inversa, logo: det M 0 M -1 1 =. M det M Quem é M? É a matriz adjunta, que é a matriz transposta
Leia maisÁlgebra Linear I - Aula 14. Roteiro
Álgebra Linear I - Aula 14 1 Matrizes 2 Forma matricial de uma transformação linear 3 Composição de transformações lineares e produto de matrizes 4 Determinante do produto de matrizes Roteiro 1 Matrizes
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 maisPré-requisitos Algebra Linear. Lorí Viali. Afiliação
Lorí Viali Licenciatura Plena em Matemática UFRGS Bacharelado em Matemática UFRGS Especialização em Formação de Pesquisadores PUCRS Mestrado em Engenharia de Produção (PO) UFSC Doutorado Sanduíche na USF
Leia maisÁLGEBRA LINEAR. Base e Dimensão de um Espaço Vetorial. Prof. Susie C. Keller
ÁLGEBRA LINEAR Base e Dimensão de um Espaço Vetorial Prof. Susie C. Keller Base de um Espaço Vetorial Um conjunto B = {v 1,..., v n } V é uma base do espaço vetorial V se: I) B é LI II) B gera V Base de
Leia 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 maisRoteiros e Exercícios - Álgebra Linear v1.0
Roteiros e Exercícios - Álgebra Linear v1.0 Robinson Alves Lemos 14 de janeiro de 2017 Introdução Este material é um roteiro/apoio para o curso de álgebra linear da engenharia civil na UNEMAT de Tangará
Leia 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 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 maisProfs. Alexandre Lima e Moraes Junior 1
Raciocínio Lógico-Quantitativo para Traumatizados Aula 07 Matrizes, Determinantes e Solução de Sistemas Lineares. Conteúdo 7. Matrizes, Determinantes e Solução de Sistemas Lineares...2 7.1. Matrizes...2
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 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 maisAlgoritmos Numéricos 2 a edição
Algoritmos Numéricos 2 a edição Capítulo 2: Sistemas lineares c 2009 FFCf 2 2.1 Conceitos fundamentais 2.2 Sistemas triangulares 2.3 Eliminação de Gauss 2.4 Decomposição LU Capítulo 2: Sistemas lineares
Leia maisSistemas de Equações Diferenciais Lineares
Capítulo 9 Sistemas de Equações Diferenciais Lineares Agora, estamos interessados em estudar sistemas de equações diferenciais lineares de primeira ordem: Definição 36. Um sistema da linear da forma x
Leia mais(x 1 + iy 1 ) + (x 2 + iy 2 ) = x 1 + x 2 + i(y 1 + y 2 ) a(x + iy) = ax + i(ay)
Espaços Vetoriais Definição. Um espaço vetorial sobre R é um conjunto V no qual se tem definida uma adição e uma multiplicação de seus elementos por escalares (isto é, por números reais), ou seja, dados
Leia maisUniversidade Federal de Uberlândia Faculdade de Matemática
Universidade Federal de Uberlândia Faculdade de Matemática Universidade Federal de Uberlândia Faculdade de Matemática Disciplina : Geometria Analítica e Álgebra Linear - GCI004 Assunto: Espaços vetoriais
Leia maisé uma proposição verdadeira. tal que: 2 n N k, Φ(n) = Φ(n + 1) é uma proposição verdadeira. com n N k, tal que:
Matemática Discreta 2008/09 Vítor Hugo Fernandes Departamento de Matemática FCT/UNL Axioma (Princípio da Boa Ordenação dos Números Naturais) O conjunto parcialmente (totalmente) ordenado (N, ), em que
Leia maisElementos de Matemática Avançada
Elementos de Matemática Avançada Prof. Dr. Arturo R. Samana Semestre: 2012.2 Conteúdo - Objetivos da Disciplina - Ementa curricular - Critérios de avaliação - Conteúdo programático - Programação Objetivos
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 maisNoções de Álgebra Linear
Noções de Álgebra Linear 1. Espaços vetoriais lineares 1.1. Coordenadas 2. Operadores lineares 3. Subespaços fundamentais 4. Espaços normados 5. Espaços métricos 6. Espaços de Banach 7. Espaços de Hilbert
Leia maisConceitos Básicos sobre Representações e Caracteres de Grupos Finitos. Ana Cristina Vieira. Departamento de Matemática - ICEx - UFMG
1 Conceitos Básicos sobre Representações e Caracteres de Grupos Finitos Ana Cristina Vieira Departamento de Matemática - ICEx - UFMG - 2011 1. Representações de Grupos Finitos 1.1. Fatos iniciais Consideremos
Leia mais(d) Cada vetor de R 2 pode ser escrito de forma única como combinação linear dos vetores
UFRJ Instituto de Matemática Disciplina: Algebra Linear II - MAE 125 Professor: Bruno Costa, Luiz Carlos Guimarães, Mário de Oliveira, Milton Ramirez, Monique Carmona, Nilson Bernardes e Nilson Roberty
Leia maisDeterminantes. Prof. Márcio Nascimento
Determinantes Prof. Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2015.2 4 de fevereiro
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 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 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 maisSão tabelas de elementos dispostos ordenadamente em linhas e colunas.
EMENTA (RESUMO) Matrizes Matrizes, determinantes e suas propriedades, Multiplicação de matrizes, Operações com matrizes, Matrizes inversíveis. Sistemas de Equações Lineares Sistemas equações lineares,
Leia maisBaseado no Capítulo 2 do livro: Material preparado pelo
Baseado no Capítulo 2 do livro:.. h,.. h 2. (28) h &,. Material preparado pelo.. é ç : @. Departamento de Ciências Exatas / ESALQ USP Fevereiro de 22 Í N D I C E 2.. Matrizes e vetores... 2 2... Matrizes,
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 maisMatrizes hermitianas e unitárias
Matrizes hermitianas e unitárias Amit Bhaya, Programa de Engenharia Elétrica COPPE/UFRJ Universidade Federal do Rio de Janeiro amit@nacad.ufrj.br http://www.nacad.ufrj.br/ amit Matrizes complexas O produto
Leia maisA matriz das incógnitas é uma matriz coluna formada pelas incógnitas do sistema.
MATEMÁTICA MÓDULO 1 SISTEMA LINEAR Um sistema linear de m equações a n incógnitas é um conjunto de m (m 1) equações lineares a n incógnitas e pode ser escrito como segue: a a a b a a a b 11 1 1 1n n 1
Leia mais