Académique Documents
Professionnel Documents
Culture Documents
Aula
AUTOVETORES
1 E AUTOVALORES
DE M ATRIZES
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
AUTOVETORES E AUTOVALORES
DE M ATRIZES
Av = v. (1.1)
Aw = A( v) = A(v) = ( v) = ( v) = w.
8 CEDERJ
i i
i i
1 1 MODULO 1
Exemplo 1.1. blablabl
AULA
Exemplo 1.2. blablabl
Vamos
verificar
seos vetores
ue vsao autovetores de A, onde
3 1 1 1
A= ,u= ev= .
5 3 1 2
Solucao:
Para identificarmos se u e autovetor de A devemos verificar se existe um
escalar R tal que Au = u. Temos que
3 1 1 2 1
Au = = = 2 = 2u.
5 3 1 2 1
CEDERJ 9
i i
i i
Exemplo 1.3.
blablabl
Verifique
se o escalar 5 e um autovalor para a matriz
5 0
A= e determine os autovetores associados a esse autovalor.
2 1
Solucao:
Usando diretamente a definicao de autovetor e autovalor de uma matriz,
temos que o escalar 5 e autovalor de A se e somente se a equacao
Av = 5v (1.2)
Assim, precisamos achar uma solucao nao-nula para esse sistema linear
homogeneo. Primeiramente, calculemos a matriz
5 0 5 0 55 0 0 0
A 5I = = = .
2 1 0 5 2 15 2 4
10 C E D E R J
i i
i i
1 1 MODULO 1
do sistema linear (1.4)
0 0 0
. (1.5)
2 4 0
AULA
1 2 0
(1.6)
0 0 0
x 2y = 0. (1.7)
para todo t R .
(A I)v = 0 (1.8)
C E D E R J 11
i i
i i
Exemplo 1.4.
blablabl
4 2 3
Seja a matriz A = 1 5 3 . Verifique que = 3 e um
2 4 3
autovalor de A e determine uma base para o autoespaco associado.
Solucao:
Para verificar que = 3 e um autovalor de A devemos encontrar uma
solucao nao-nula v = (x, y, z) R3 do sistema linear homogeneo
(A 3I)v = 0. (1.9)
12 C E D E R J
i i
i i
1 1 MODULO 1
Novamente, resolvemos este sistema linear usando os metodos e as tecnicas
estudados na Aula 7 do curso de Algebra Linear I. A matriz ampliada do sis-
tema linear (1.10) e
1 2 3 0
1 2 3 0
2 4 6 0
AULA
e e facil ver que a matriz escalonada equivalente a essa matriz ampliada e
1 2 3 0
0 0 0 0 ,
0 0 0 0
x 2y 3z = 0. (1.11)
Sabemos que as solucoes dos sistemas (1.10) e (1.11) sao as mesmas. Ve-
mos que o sistema (1.11) possui duas variaveis livres, logo, possui infinitas
solucoes e, portanto, = 3 e um autovalor da matriz A. Expressando x em
termos das variaveis y e z obtemos que
x = 2y + 3z.
C E D E R J 13
i i
i i
Multiplicao
por A
Auto-esp
Auto-esp ao para
ao para l=3
l=3
w = au + bv
14 C E D E R J
i i
i i
1 1 MODULO 1
Exerccio 1.1.
1 0
1. Verifique se v = eu= sao autovetores da matriz
0 1
0 0
A= . Determine os autovalores correspondentes. Este
0 1
AULA
exerccio mostra que, apesar de o vetor nulo nao poder ser autove-
tor, e possvel ter autovalor igual a zero.
1
2. Verifique se v = e autovetor da matriz
4
3 1
A= . Caso seja, determine o autovalor corresponden-
3 8
te.
4
3. Verifique se v = 3 e autovetor da matriz
1
3 7 9
A = 4 5 1 . Caso seja, determine o autovalor corres-
2 4 4
pondente.
4 2
4. Dada a matriz A = com autovalor = 10, deter-
3 9
mine uma base para o autoespaco associado a esse autovalor.
4 1 6
5. Seja a matriz A = 2 1 6 . Verifique se = 2 e um au-
2 1 8
tovalor de A e determine uma base para o autoespaco associado a
esse autovalor.
C E D E R J 15
i i
i i
16 C E D E R J
i i
i i
Aula 2
AUTOVETORES E AUTOVALORES DE
M ATRIZES C ASOS E SPECIAIS
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
AUTOVETORES E AUTOVALORES DE
M ATRIZES C ASOS E SPECIAIS
Na Aula 1, vimos os conceitos de autovalor, autovetor e autoespaco.
Nesta aula, vamos continuar a explorar essa conceituacao em exemplos
e casos particulares muito importantes.
No primeiro exemplo, a matriz A e triangular superior e veremos
que os autovalores sao facilmente calculados.
Exemplo 2.1.
blablabl
(A I)v = 0 (2.1)
(1 )x + 6y + 2z = 0
(2 )y + z = 0 (2.2)
(3 )z = 0 .
18 C E D E R J
i i
i i
2 1 MODULO 1
Teorema 2.1. blablabla
AULA
No proximo teorema, veremos em que condicoes uma matriz possui
algum autovalor igual a zero.
Demonstracao
Usando as definicoes de autovalor e autovetor, sabemos que 0 e um
autovalor da matriz A se e somente se existe um vetor nao-nulo v tal que
Av = 0v. (2.3)
Do curso de Algebra Linear I, o sistema (2.4) possui solucao nao- Lembre que det(A)
nula se e somente se det(A) = 0. E det(A) = 0 se e somente se a matriz denota o
A e nao-inversvel. determinante da
matriz A.
Exemplo 2.2. blablabl
Solucao:
Pelo Teorema 2.1, os autovalores de A sao os elementos da diagonal prin-
cipal, ou seja, os autovalores sao 0, 1 e 5. Observe tambem que, sendo 0 um
C E D E R J 19
i i
i i
Demonstracao
Pela definicao, se e autovalor da matriz A, entao existe vetor nao-
nulo v tal que
Av = v. (2.5)
A(Av) = A( v),
o que nos da
A2 v = Av = ( v) = 2 v,
ou seja,
A2 v = 2 v. (2.6)
A3 v = 3 v,
Ak v = k v para todo k N .
Exemplo 2.3.
blablabl
20 C E D E R J
i i
i i
2 1 MODULO 1
Solucao:
Se e um autovalor da matriz A, entao, pelo Teorema 2.3, 2 e um auto-
valor da matriz A2 e, portanto, existe vetor nao-nulo v tal que A2 v = 2 v. Mas
A2 = 0 e a matriz nula, entao
2 v = 0,
e, como v e um vetor nao-nulo, entao e necessario que 2 = 0 e, portanto,
AULA
= 0. Assim, obtivemos o resultado que afirma que, se uma matriz A e tal que
A2 = 0, entao seu unico autovalor e = 0.
Demonstracao
Sendo v1 vetor nao-nulo, e claro que o conjunto unitario {v1 } e
linearmente independente. Vamos estabelecer que {v1 , v2 } tambem e
linearmente independente. Sejam c1 e c2 constantes tais que
c1 v1 + c2 v2 = 0. (2.7)
c1 2 v1 + c2 2 v2 = 0. (2.8)
C E D E R J 21
i i
i i
c1 1 v1 + c2 2 v2 = 0. (2.9)
c1 (2 1 )v1 = 0.
c1 3 v1 + c2 3 v2 + c3 3 v3 = 0. (2.11)
c1 1 v1 + c2 2 v2 + c3 3 v3 = 0. (2.12)
22 C E D E R J
i i
i i
2 1 MODULO 1
c1 (3 1 )v1 + c2 (3 2 )v2 = 0.
AULA
(2.10), obtemos c3 v3 = 0 e, como v3 tambem e vetor nao-nulo, entao
e necessario que c3 = 0. Assim, conclumos que {v1 , v2 , v3 } e linear-
mente independente.
Assim, sabendo que {v1 , . . ., vn } e linearmente independente, va-
mos mostrar, da mesma forma como foi feito nos casos anteriores, que
{v1 , . . . , vn , vn+1 } tambem e linearmente independente. Sejam
c1 , . . . , cn , cn+1 constantes tais que
C E D E R J 23
i i
i i
Exerccio 2.1.
5 0
1. Dada a matriz A = , determine seus autovalores e uma
2 1
base para o autoespaco associado a cada autovalor.
1 0 0
2. Dada a matriz A = 3 1 0 , determine seus autovalores
4 7 1
e uma base para o autoespaco associado a cada autovalor.
1 3 5
3. Dada a matriz A = 0 2 4 , calcule os autovalores das
0 0 1
matrizes A2 e A3 .
24 C E D E R J
i i
i i
Aula 3
P OLIN OMIO C ARACTER ISTICO
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
Exemplo 3.1.
blablabl
1 1
Determinar os autovalores de A = e seus respectivos
2 4
autovetores associados.
Solucao:
Queremos encontrar os numeros reais e todos os vetores nao-nulos
v = (x1 , x2 ) R2 satisfazendo a equacao
Av = v, (3.1)
ou seja,
1 1 x1 x1
= . (3.2)
2 4 x2 x2
x1 + x2 = x1
2x1 + 4x2 = x2 ,
ou ainda,
( 1)x1 x2 = 0
(3.3)
2x1 + ( 4)x2 = 0 .
26 C E D E R J
i i
i i
3 1 MODULO 1
ou ainda,
2 5 + 6 = 0, (3.5)
ou tambem,
( 2)( 3) = 0.
AULA
3. Assim, 1 = 2 e 2 = 3 sao os autovalores da matriz A.
Av = 2v,
ou
1 1 x1 x1
=2 ,
2 4 x2 x2
o que nos da o sistema linear
x1 + x2 = 2x1
2x1 + 4x2 = 2x2
ou ainda,
x1 x2 = 0
(3.6)
2x1 2x2 = 0 .
Observe que poderamos ter obtido este ultimo sistema linear homogeneo
substituindo simplesmente = 2 na equacao (3.3). Escalonando o sistema,
obtemos que as solucoes do sistema homogeneo (3.6) sao
ou, equivalentemente,
2x1 x2 = 0
(3.7)
2x1 x2 = 0 .
C E D E R J 27
i i
i i
1 1
No Exemplo 3.1, o polinomio caracterstico da matriz A =
2 4
e
x 1 1
= x2 5x + 6.
p(x) = det(xI2 A) =
2 x4
28 C E D E R J
i i
i i
3 1 MODULO 1
Exemplo 3.2.
blablabl
AULA
2 4 3 0
2 2 0 3
Solucao:
Temos que o polinomio caracterstico de A e dado por
x5 0 0 0
0 x5 0 0
p(x) = det(xI4 A) = .
2 4 x 3 0
2 2 0 x3
C E D E R J 29
i i
i i
Exemplo 3.3. blablabl
Solucao:
Vimos que o polinomio caracterstico da matriz
5 0 0 0
0 5 0 0
A= 2
4 3 0
2 2 0 3
30 C E D E R J
i i
i i
3 1 MODULO 1
e dado por
p(x) = (x 5)2 (x 3)2 .
AULA
Para obter os autovetores associados ao autovalor = 5, resolvemos o
sistema linear homogeneo
(5I4 A)v = 0.
0 0 0 0 x 0
0 0 0 0 y
0
= .
2 4 2 0 z 0
2 2 0 2 t 0
1 0 1 2 x 0
0
1 1 1
y 0
=
0 0 0 0 z 0
0 0 0 0 t 0
(3I4 A)v = 0.
C E D E R J 31
i i
i i
2 0 0 0 x 0
0 2 0 0 y 0
=
2 4 0 0 z 0
2 2 0 0 t 0
Vemos, facilmente, que a solucao geral deste sistema e dada pelos vetores
da forma
v = (0, 0, z,t) com z, t R.
32 C E D E R J
i i
i i
3 1 MODULO 1
Exerccio 3.1.
1. Determine os autovalores
e
bases para os autoespacos correspon-
3 0
dentes da matriz .
8 1
AULA
2. Determine os autovalores
e bases para os autoespacos correspon-
3 2
dentes da matriz .
4 1
4 0 1
3. Considere a matriz A = 2 1 0 .
2 0 1
a. Determine os autovalores e bases para os autoespacos cor-
respondentes da matriz A.
b. Determine as multiplicidades algebrica e geometrica de cada
autovalor.
2 1 1
4. Considere a matriz A = 1 0 1 .
1 1 2
a. Determine os autovalores e bases para os autoespacos cor-
respondentes da matriz A.
b. Determine as multiplicidades algebrica e geometrica de cada
autovalor.
C E D E R J 33
i i
i i
34 C E D E R J
i i
i i
Aula 4
C ALCULO DE AUTOVALORES E
AUTOVETORES
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
C ALCULO DE AUTOVALORES E
Pre-requisito: Aula AUTOVETORES
3; Teorema 2.4 da
Aula 2. No Exemplo 3.3, da Aula 3, vimos o caso de autovalores com multi-
plicidade algebrica igual a multiplicidade geometrica, isto e, o numero
de vezes que o autovalor comparece como raiz do polinomio carac-
terstico e igual a dimensao do autoespaco correspondente. Conse-
quentemente como a multiplicidade algebrica e a multiplicidade geo-
metrica eram iguais a 2, pudemos obter, em cada um dos dois casos, dois
autovetores linearmente independentes, formando uma base do autoespaco
correspondente. Infelizmente, isso nem sempre e possvel, como mostra
o proximo exemplo.
Exemplo 4.1.
blablabl
ou seja,
p(x) = x(x 3)(x 5)2 .
36 C E D E R J
i i
i i
4 1 MODULO 1
satisfazem o sistema linear
(0I4 A)v = 0.
AULA
1 0 0 1/5 x 0
0
1 0 1 y
0
= .
0 0 1 1 z 0
0 0 0 0 t 0
(5I4 A)v = 0,
C E D E R J 37
i i
i i
0 1 0 0 x 0
0 0 1 0 y 0
= ,
0 0 0 1 z 0
0 0 0 0 t 0
de onde obtemos solucoes da forma
38 C E D E R J
i i
i i
4 1 MODULO 1
e um primeiro curso sobre autovalores, todos os polinomios caracters-
ticos considerados terao apenas coeficientes inteiros e suas razes reais,
quando existirem, serao inteiras. Portanto, cada uma dessas razes sera
um divisor do termo constante de p(x).
Exemplo 4.2.
blablabl
AULA
Determine os autovalores de uma matriz A, de ordem 3, cujo poli-
nomio caracterstico e p(x) = x3 6x2 + 11x 6.
Solucao:
Sabemos que os autovalores de A sao as razes de p(x). Mas, pelo que
vimos, os candidatos a razes inteiras, ou mesmo racionais, de p(x) sao os
divisores do termo constante, que e -6, ou seja, sao 1, 2, 3 e 6. Agora, e
preciso testa-las para saber quais de fato sao razes. Como p(1) = 24 6= 0,
entao -1 nao e raiz de p(x). Como p(1) = 0, temos que 1 e raiz de p(x) e,
portanto, o polinomio (x 1) divide p(x). Efetuando a divisao de p(x) por
(x 1), obtemos
p(x) = (x 1)(x2 5x + 6).
Solucao:
Primeiramente, obtemos o polinomio caracterstico da matriz A:
C E D E R J 39
i i
i i
x2 1 1
= x3 8x2 + 20x 16.
p(x) = det(xI3 A) = 0 x3 1
2 1 x 3
p(x) = (x 2)(x2 6x + 8)
= (x 2)(x 2)(x 4)
= (x 2)2 (x 4) .
(4I3 A)v = 0.
1 0 1 x 0
0 1 1 y = 0 .
0 0 0 z 0
(2 I3 A)v = 0.
40 C E D E R J
i i
i i
4 1 MODULO 1
Escalonando a matriz desse sistema, obtemos o sistema homogeneo
1 0 1 x 0
0 1 1 y = 0 .
0 0 0 z 0
AULA
Assim, os autovetores associados ao autovalor = 2 sao da forma
1 2 1
A = 2 3 1 .
2 2 2
x 1 2 1
= x3 + 4x2 + 5x + 2.
p(x) = det(xI3 A) = 2 x + 3 1
2 2 x + 2
C E D E R J 41
i i
i i
p(x) = (x + 1)(x2 + 3x + 2)
= (x + 1)(x + 1)(x + 2)
= (x + 1)2 (x + 2) .
(2I3 A)v = 0.
1 0 1 x 0
0 1 1 y = 0 .
0 0 0 z 0
v = (z, z, z) com z R .
(1 I3 A)v = 0.
2 2 1 x 0
0 0 0 y = 0 .
0 0 0 z 0
42 C E D E R J
i i
i i
4 1 MODULO 1
pelos autovetores v2 = (1, 0, 2) e v3 = (0, 1, 2). Portanto, a multiplicidade
geometrica desse autovalor e igual a 2, ou seja, igual a sua multiplicidade
algebrica.
AULA
Tambem e interessante observar que uma matriz nao precisa ter nenhum
autovalor (real) e, consequentemente, nenhum autovetor. Veja o proximo exem-
plo.
Exemplo 4.5. blablabl
0 1
Verifique que a matriz A = nao possui autovalores.
1 0
Solucao:
O polinomio caracterstico dessa matriz e
x 1
p(x) = det(xI2 A) = = x2 + 1.
1 x
Como o polinomio p(x) = x2 + 1 nao possui razes reais (suas razes sao i
e -i), entao, pelo Teorema 3.1 da Aula 3, segue que a matriz A nao possui auto-
valores. Nao havendo autovalores, entao nao ha tambem autovetores. Porem,
se considerarmos o conjunto dos escalares como sendo os numeros complexos,
entao esta matriz teria dois autovalores complexos, a saber, i e -i. No entanto,
nao trataremos de autovalores complexos neste curso introdutorio.
C E D E R J 43
i i
i i
Exerccio 4.1.
1 1
1. Considere a matriz A = .
0 1
a. Determine os autovalores e bases para os autoespacos cor-
respondentes da matriz A.
b. Determine as multiplicidades algebrica e geometrica de cada
autovalor.
4 2
2. Considere a matriz A = .
2 8
a. Determine os autovalores e bases para os autoespacos cor-
respondentes da matriz A.
b. Determine as multiplicidades algebrica e geometrica de cada
autovalor.
5 6 6
3. Considere a matriz A = 1 4 2 .
3 6 4
a. Determine os autovalores e bases para os autoespacos cor-
respondentes da matriz A.
b. Determine as multiplicidades algebrica e geometrica de cada
autovalor.
1 0 0
4. Considere a matriz A = 3 1 0 .
4 7 1
a. Determine os autovalores e bases para os autoespacos cor-
respondentes da matriz A.
b. Determine as multiplicidades algebrica e geometrica de cada
autovalor.
44 C E D E R J
i i
i i
Aula 5
D IAGONALIZAC AO DE M ATRIZES
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
D IAGONALIZACAO DE M ATRIZES
Pre-requisitos:
Matriz mudanca de Existe uma relacao entre matrizes que e muito importante no estudo
base (de Algebra de operadores lineares e que, tambem, se torna importante no estudo de
linear I); Teorema autovalores. Trata-se da relacao de semelhanca de matrizes.
2.4, da Aula 2;
Teorema 4.1, da
Aula 4. Definicao 5.1. blablabla
Exemplo 5.1. blablabl
1 1 2 1
Considere as matrizes A = ,P= e B = P1 AP.
2 4 1 1
Determine o polinomio caracterstico, os autovalores e os autovetores
das matrizes A e B.
Solucao:
Inicialmente, observe que A e B sao matrizes semelhantes. Para a matriz
A, temos
x 1 1
pA (x) = det(xI2 A) = = (x 1)(x 4) + 2 =
2 x4
= x2 5x + 6 = (x 2)(x 3) .
(2I2 A)v = 0.
1 1 x 0
= .
0 0 y 0
v = (x, x) com x R .
46 C E D E R J
i i
i i
5 1 MODULO 1
Logo, o autoespaco associado a = 2 tem dimensao 1, sendo gerado pelo
autovetor v1 = (1, 1).
(3I2 A)v = 0.
AULA
Escalonando a matriz desse sistema, obtemos o sistema homogeneo
2 1 x 0
= .
0 0 y 0
(2I2 B)v = 0.
C E D E R J 47
i i
i i
v = (0, y) com y R .
(3I2 B)v = 0.
Demonstracao
Sendo A e B matrizes semelhantes, existe uma matriz inversvel P
tal que B = P1 AP. Assim,
pB (x) = det(xI B)
= det(xP1 IP P1 AP)
= det(P1 (xI A)P)
= det(P1 ) det(xI A) det(P)
= det(xI A)
= pA (x) .
48 C E D E R J
i i
i i
5 1 MODULO 1
Sendo os polinomios caractersticos iguais e como os autovalores
sao as razes desse polinomio, segue que A e B tem os mesmos autova-
lores.
Vejamos, agora, o conceito de diagonalizacao de matrizes.
AULA
Definicao 5.2. blablabla
Exemplo 5.2.
blablabl
1 1
Mostre que a matriz A = do Exemplo 5.1 e diagonali-
2 4
zavel.
Solucao:
1 1
Vimos que a matriz A = tem como autovetores v1 = (1, 1),
2 4
associado ao autovalor = 2, e v2 = (1, 2), associado ao autovalor = 3.
Como os vetores v1 e v2 sao linearmente independentes, veja o Teorema 2.4
da Aula 2, eles formam uma base de autovetores do R2 . Considere a base
canonica, e1 = (1, 0) e e2 = (0, 1), e observe que
v1 = (1, 1) = 1 e1 + 1 e2
v2 = (1, 2) = 1 e1 + 2 e2 ,
ou seja, a matriz
1 1
P= ,
1 2
cujas colunas sao formadas pelas componentes de v1 e v2 , e a matriz mudanca
E hora de rever a
de base, da base de autovetores {v1 , v2 } para a base canonica {e1 , e2 }.
matriz mudanca de
Agora, temos que a matriz base, do curso de
Algebra Linear I.
1 2 1 1 1 1 1
D = P AP =
1
1 2 4 1 2
4 2 1 1
=
3 3 1 2
2 0
=
0 3
C E D E R J 49
i i
i i
(PP1 )A = PDP1
IA = PDP1
A = PDP1 .
Uma das vantagens de termos uma matriz A semelhante a uma matriz di-
agonal D e que as potencias de A se tornam mais faceis de serem calculadas.
De fato, da equacao A = PDP1 obtida anteriormente, temos
A2 = (PDP1 )2
= (PDP1 )(PDP1 )
= PD(P1 P)DP1
= PD2 P1 ,
A3 = A2 A
= (PD2 P1 )(PDP1 )
= PD2 (P1 P)DP1
= PD3 P1 .
1 0
... 0
0 2 ... 0
D= ,
..
.
0 0 . . . n
temos que
1k 0 . . . 0
0 k ... 0
k 2
D = .
..
.
0 0 . . . nk
50 C E D E R J
i i
i i
5 1 MODULO 1
Teorema 5.2. blablabla
AULA
No Teorema 5.2, a matriz diagonal D, semelhante a A, e formada
pelos autovalores de A em sua diagonal principal,
1 0 . . . 0
0 2 . . . 0
D= ,
. .
.
0 0 . . . n
P = [ v1 v2 . . . vn ].
C E D E R J 51
i i
i i
por
x2 1 0
= x3 3x2 x + 3.
p(x) = det(xI3 A) = 9 x 4 6
8 0 x+3
Para obter uma matriz P tal que D = P1 AP, precisamos encontrar uma
base de autovetores. Para o autovalor 1 = 1, temos que os autovetores as-
sociados v = (x, y, z) satisfazem o sistema linear
(1 I3 A)v = 0.
(1 I3 A)v = 0.
52 C E D E R J
i i
i i
5 1 MODULO 1
cujas solucoes sao da forma
AULA
satisfazem o sistema linear
(3 I3 A)v = 0.
1 1 3
P= 3 1 3 .
4 2 4
C E D E R J 53
i i
i i
Exerccio 5.1.
1 0
1. Considere a matriz A = .
6 1
a. Mostre que a matriz A e diagonalizavel e determine uma
matriz diagonal D correspondente.
b. Determine uma matriz P tal que D = P1 AP.
5 4
2. Considere a matriz A = .
1 2
a. Mostre que a matriz A e diagonalizavel e determine uma
matriz diagonal D correspondente.
b. Determine uma matriz P tal que D = P1 AP.
2 1 1
3. Considere a matriz A = 2 2 4 .
1 1 2
a. Mostre que a matriz A e diagonalizavel e determine uma
matriz diagonal D correspondente.
b. Determine uma matriz P tal que D = P1 AP.
54 C E D E R J
i i
i i
Aula 6
C ALCULO DE M ATRIZES D IAGONALIZ AVEIS
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
C ALCULO DE M ATRIZES
D IAGONALIZ AVEIS
Nos exemplos da Aula 5, tratamos de matrizes diagonalizaveis
A Mn (R) que apresentavam n autovalores distintos. Nesta aula, vamos
considerar matrizes A Mn (R) com autovalores repetidos. No caso de
a matriz A apresentar n autovetores linearmente independentes, entao a
matriz continuara sendo diagonalizavel. Caso contrario, a matriz A nao
sera diagonalizavel. E o que afirma o proximo teorema.
1 0 . . . 0
0 2 . . . 0
D= ,
. .
.
0 0 . . . n
P = [ v1 v2 . . . vn ]
56 C E D E R J
i i
i i
6 1 MODULO 1
diagonalizavel.
Exemplo 6.1.
blablabl
AULA
0 1 0
A= 0 1 0
1 1 1
(0 I3 A)v = 0, (6.1)
C E D E R J 57
i i
i i
(1 I3 A)v = 0 (6.2)
e equivalente ao sistema
xy = 0
58 C E D E R J
i i
i i
6 1 MODULO 1
dentes ao autovalor 2 = 3 = 1.
Exemplo 6.2.
blablabl
AULA
Verifique que a matriz
0 0 1
A= 0 1 1
0 0 1
nao e diagonalizavel.
Solucao:
Como a matriz A e matriz triangular superior, seus autovalores sao os ele-
mentos da diagonal principal, ou seja, 0, 1 e 1. Para o autovalor 1 = 0, temos
que os autovetores associados v = (x, y, z) satisfazem o sistema linear
(0 I3 A)v = 0.
0 1 0 x 0
0 0 1 y = 0 ,
0 0 0 z 0
portanto, os autovetores associados ao autovalor 1 = 0 sao da forma
(1 I3 A)v = 0.
C E D E R J 59
i i
i i
1 0 0 x 0
0 0 1 y = 0 ,
0 0 0 z 0
portanto, os autovetores associados ao autovalor 2 = 1 sao da forma
x 4 1 0 0
2 x 3 0 0
p(x) = det(xI4 A) = .
1 1 x 2 3
1 1 0 x5
60 C E D E R J
i i
i i
6 1 MODULO 1
x4 1 0
p(x) = (x 2) 2 x3 0
1 1 x5
x 4 1
= (x 2)(x 5)
2 x 3
AULA
= (x 2)(x 5)[(x 4)(x 3) 2]
= (x 2)(x 5)(x2 7x + 10)
= (x 2)(x 5)(x 2)(x 5) .
C E D E R J 61
i i
i i
0 0 0 5
62 C E D E R J
i i
i i
6 1 MODULO 1
Exerccio 6.1.
2 1 1
1. Considere a matriz A = 1 0 1 .
1 1 2
AULA
a. Determine se a matriz A e diagonalizavel e, caso seja, deter-
mine uma matriz diagonal D semelhante a A.
b. Determine uma matriz P tal que D = P1 AP.
1 2 0 0
2 1 0 0
2. Considere a matriz A = .
0 0 1 2
0 0 2 1
a. Determine se a matriz A e diagonalizavel e, caso seja, deter-
mine uma matriz diagonal D semelhante a A.
b. Determine uma matriz P tal que D = P1 AP.
4 0 0
3. Considere a matriz A = 1 4 0 . Determine se a matriz A
0 0 5
e diagonalizavel e, caso seja, determine uma matriz diagonal D
semelhante a A.
C E D E R J 63
i i
i i
64 C E D E R J
i i
i i
Aula 7
P ROCESSO DE D IAGONALIZAC AO
DE M ATRIZES
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
P ROCESSO DE D IAGONALIZACAO DE
Pre-requisitos: M ATRIZES
Determinantes de
matriz (Algebra Durante as Aulas 5 e 6, desenvolvemos um processo de diagonaliza-
linear I); Teorema cao de matrizes que queremos, agora, formalizar. As condicoes exigi-
6.1 da Aula 6; das devem satisfazer as condicoes do Teorema 6.1 da Aula 6, ou seja,
Teorema 4.1 da consideremos uma matriz A Mn (R) com n autovetores linearmente
Aula 4; Teorema independentes. Entao, sabemos que a matriz A e diagonalizavel.
2.4 da Aula 2.
O processo de diagonalizar uma matriz A consiste em encontrar uma
matriz diagonalizada D, semelhante a A, D = P1 AP, e a matriz diago-
nalizante P. Descrevemos esse processo nos quatro passos seguintes.
p(x) = det(xIn A) = 0.
66 C E D E R J
i i
i i
7 1 MODULO 1
Sejam 1 , 2 , . . . , n os n autovalores da matriz A, ou seja, as n razes
do polinomio caracterstico. Cada autovalor comparece nesta relacao
tantas vezes quanto for sua multiplicidade algebrica, isto e, o numero
maximo de vezes que o fator (x ) aparece na fatoracao do polinomio
caracterstico p(x).
AULA
Passo 2: Determinar uma base de autovetores da matriz A.
(k In A)v = 0.
1 0
... 0
0 2 ... 0
D= .
..
.
0 0 . . . n
C E D E R J 67
i i
i i
P = [ v1 v2 . . . vn ].
Exemplo 7.1.
blablabl
68 C E D E R J
i i
i i
7 1 MODULO 1
p(x) = (x 1)(x2 + 4x + 4)
= (x 1)(x + 2)2 .
AULA
Passo 2: Determinar uma base de autovetores da matriz A.
(1 I3 A)v = 0,
ou seja, o sistema
0 3 3 x 0
3 6 3 y = 0 .
3 3 0 z 0
ou seja, ao sistema
x+y = 0
y + z = 0.
(2 I3 A)v = 0
ou seja, o sistema
3 3 3 x 0
3 3 3 y = 0 .
3 3 3 z 0
C E D E R J 69
i i
i i
ou seja, ao sistema
x + y + z = 0.
Assim, todas as solucoes desse sistema sao da forma
1 0 0
D = 0 2 0 .
0 0 2
70 C E D E R J
i i
i i
7 1 MODULO 1
esta correta: a primeira coluna de P e o autovetor correspondente ao autovalor
1 = 1, enquanto as duas ultimas colunas de P sao os autovetores correspon-
dentes ao autovalor 2 = 3 = 2.
AULA
C E D E R J 71
i i
i i
72 C E D E R J
i i
i i
Aula
D IAGONALIZAC AO
8 DE O PERADORES
L INEARES
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
D IAGONALIZACAO DE O PERADORES
L INEARES
Pre-requisito: Aula
5. Vamos comecar lembrando alguns conceitos do curso de Algebra
Linear I. Uma transformacao linear de Rn em Rm e uma funcao
T : Rn Rm que satisfaz
v 7 Av,
v1 a11 a12 a1n v1
v2 a21 a22 a2n v2
7 ,
.. .. .. .. . ..
. ..
. . . .
vn an1 an2 ann vn
P = [ u1 u2 . . . un ].
74 C E D E R J
i i
i i
8 1 MODULO 1
Sabemos tambem que, com respeito a nova base {u1 , u2 , . . ., un }, o
operador linear T : Rn Rn fica representado pela matriz B Mn (R)
atraves de multiplicacao de matrizes da seguinte forma: paracada vetor
a1
v Rn , escreva v = a1 u1 + a2 u2 + . . . + an un , entao [v] = ... e o
an
AULA
vetor v descrito na base = {u1 , u2 , . . . , un } e
[v] 7 B[v] ,
a1 b11 b12 b1n a1
a2 b21 b22 b2n a2
7 .
.. .. .. .. . ..
. ..
. . . .
an bn1 bn2 bnn an
B = P1 AP,
= {e1 = (1, 0), e2 = (0, 1)} e = {u1 = (1, 2), u2 = (2, 5)},
C E D E R J 75
i i
i i
Solucao:
Para obtermos a matriz A Mn (R) que representa o operador linear T na
base canonica, calculamos:
76 C E D E R J
i i
i i
8 1 MODULO 1
Definicao 8.1. blablabla
T (v) = v.
AULA
(8.1)
T (v) = Av = v.
C E D E R J 77
i i
i i
1 0
... 0
0 2 ... 0
D=
..
.
0 0 . . . n
representa o operador T com respeito a base {u1 , u2 , . . . , un }, en-
tao T (uk ) = k uk para todo k = 1, . . . , n, ou seja, os elementos da
diagonal principal da matriz D sao os autovalores do operador T .
78 C E D E R J
i i
i i
8 1 MODULO 1
a matriz A, tendo como colunas T (e1 ) e T (e2 ), e dada por
6 1
A= .
3 2
AULA
p(x) = det(xI2 A)
x6 1
=
3 x 2
= x2 8x + 15
= (x 3)(x 5).
(3I2 A)v = 0.
(5I2 A)v = 0.
C E D E R J 79
i i
i i
v = (x, x) com x R .
Exemplo 8.3.
blablabl
Mostre que:
a) v1 = (1, k) e v2 = (k, 1) sao autovetores de T ;
b) T e diagonalizavel e encontre uma representacao diagonal D de
T.
Solucao:
a) Como nao conhecemos as equacoes que definem a transformacao T ,
procedemos geometricamente como segue.
Observe que o vetor v1 = (1, k) pertence a reta y = kx, logo ele e mantido
80 C E D E R J
i i
i i
8 1 MODULO 1
fixo pela acao do operador T , isto e, T (v1 ) = v1 . Assim, v1 e um autovetor de
T associado ao autovalor 1 = 1.
AULA
transforma o vetor v2 em seu negativo v2 , isto e, T (v2 ) = v2 . Logo, v2 e
um autovetor de T associado ao autovalor 2 = 1.
Exemplo 8.4. blablabl
C E D E R J 81
i i
i i
p(x) = det(xI3 A)
x 2 1 0
= 0 x1 1
0 2 x 4
x1 1
= (x 2)
2 x 4
= (x 2)[(x 1)(x 4) + 2]
= (x 2)(x2 5x + 6)
= (x 2)(x 2)(x 3)
= (x 2)2 (x 3).
E(2) = {v R3 | T (v) = 2 v}
(2I3 A)v = 0,
isto e, de
0 1 0 x 0
0 1 1 y = 0 .
0 2 2 z 0
cujas solucoes sao v = (x, 0, 0), x R. Como a solucao geral depende ape-
nas de uma variavel independente, entao o autoespaco E(2) e unidimensional.
Temos que v1 = (1, 0, 0) e um autovetor de T associado ao autovalor 1 = 2 e,
portanto, forma uma base de E(2).
82 C E D E R J
i i
i i
8 1 MODULO 1
(3I3 A)v = 0,
isto e, do sistema
1 1 0 x 0
0 2 1 y = 0 .
0 2 1 z 0
AULA
Escalonando a matriz associada desse sistema, obtemos o sistema
1 0 12 x 0
0 1 1 2 y = 0 ,
0 0 0 z 0
Autoavaliacao
Terminamos o primeiro modulo do curso de Algebra Linear II. Nao
deixe de fazer uma boa revisao dos conceitos vistos neste primeiro
modulo antes de iniciar o segundo. Faca os exerccios desta aula
e reveja os das aulas anteriores. Se voce ficar com alguma duvida,
procure o tutor no seu polo.
C E D E R J 83
i i
i i
Exerccio 8.1.
1 1
1. Seja A = e defina T : R2 R2 por T (v) = Av. Mostre
1 3
que v1 = (1, 1) e autovetor de T e que o operador linear T nao e
diagonalizavel.
T (x, y, z) = (z, y, x)
84 C E D E R J
i i
i i
Aula 9
M ATRIZES O RTOGONAIS
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
M ATRIZES O RTOGONAIS
Pre-requisitos:
Produto interno Neste modulo, estaremos considerando o espaco vetorial Rn munido
entre dois vetores. do produto interno usual, tambem chamado de produto escalar. Ou seja,
dados os vetores u = (u1 , . . . , un ) e v = (v1 , . . . , vn ), o produto escalar
de u e v e dado por
u v = u1 v1 + . . . + un vn ,
86 C E D E R J
i i
i i
9 1 MODULO 1
Definicao 9.1. blablabla
AULA
e o vetor v e unitario se kvk = 1.
C E D E R J 87
i i
i i
Exemplo 9.1. blablabl
Solucao:
Calculando os produtos internos:
3 2 1
hv1 , v2 i = + + = 0;
66 66 66
3 4 7
hv1 , v3 i = + = 0;
726 726 726
88 C E D E R J
i i
i i
9 1 MODULO 1
1 8 7
hv2 , v3 i = + = 0,
396 396 396
temos que {v1 , v2 , v3 } e conjunto ortogonal formado por 3 vetores em R3 . Pelo
Teorema 9.1, antes apresentado, {v1 , v2 , v3 } e base ortogonal de R3 . Alem
disso,
9 1 1
hv1 , v1 i = + + = 1;
11 11 11
AULA
1 4 1
hv2 , v2 i = + + = 1;
6 6 6
1 16 49
hv3 , v3 i = + + = 1,
66 66 66
o que mostra que v1 , v2 e v3 sao vetores unitarios. Logo, {v1 , v2 , v3 } e conjunto
ortonormal e, portanto, base ortonormal de R3 .
3x = 4y,
ou,
3
y = x.
4
C E D E R J 89
i i
i i
Como {(3, 4), (4, 3)} e um conjunto ortogonal formado por 2 vetores de
R2 , entao, pelo Teorema 9.1, e uma base ortogonal de R2 . Normalizando esta
base, obtemos
v 1
v1 = = (3, 4) = (3/5, 4/5)
kvk 5
w 1
v2 = = (4, 3) = (4/5, 3/5).
kwk 5
Solucao:
Um vetor u = (x, y, z) e ortogonal a v = (1, 2, 1) se e somente se
90 C E D E R J
i i
i i
9 1 MODULO 1
ou seja,
x + 2y + z = 0,
o que nos da
z = x 2y.
AULA
u = (x, y, x 2y) = (1, 0, 1) x + (0, 1, 2) y,
c = a e b = a,
w = (a, a, a) = (1, 1, 1) a, a R .
C E D E R J 91
i i
i i
Demonstracao
Sejam v1 , v2 , . . ., vn as colunas da matriz A, isto e,
A = [ v1 v2 vn ].
Entao,
vt1
vt2
At A = [ v1 v2 vn ] =
..
.
vtn
vt1 v1 vt1 v2 vt1 vn
vt2 v1 vt2 v2 vt2 vn
=
.. .. .. ..
. . . .
vtn v1 vtn v2 vtn vn
hv1 , v1 i hv1 , v2 i hv1 , vni
hv2 , v1 i hv2 , v2 i hv2 , vni
= . (1)
.. .. .. ..
. . . .
hvn , v1 i hvn , v2 i hvn , vni
As colunas da matriz A formam um conjunto de n vetores ortogonais
92 C E D E R J
i i
i i
9 1 MODULO 1
se e somente se vi , v j = 0 para todo i 6= j. E essas colunas sao vetores
unitarios se e somente se hvi , vi i = 1 para todo i. Assim, as colunas da
matriz A formam uma base de vetores ortonormais se e somente se a
matriz em (1) e a matriz identidade, isto e, se e somente se At A = In , ou
seja, se e somente se a matriz A e ortogonal.
AULA
Exemplo 9.4. blablabl
3/5 4/5
Verifique se a matriz A = e uma matriz ortogonal.
4/5 3/5
Solucao:
Vimos, no Exemplo 9.2, que os vetores formados pelas colunas da matriz
A,
3/5 4/5
v1 = e v2 = ,
4/5 3/5
sao ortonormais. Logo, pelo Teorema 9.2, a matriz A e matriz ortogonal.
Exemplo 9.5. blablabl
1/6 1/ 2 1/3
Verifique se a matriz A = 2/6 0 1/3 e uma ma-
1/ 6 1/ 2 1/ 3
triz ortogonal.
Solucao:
Vimos, no Exemplo 9.3, que os vetores formados pelas colunas da matriz
A,
1/ 6 1/ 2 1/3
v1 = 2/6 , v2 = 0 e v3 = 1/ 3 ,
1/ 6 1/ 2 1/ 3
sao ortonormais. Logo, pelo Teorema 9.2, a matriz A e matriz ortogonal.
Autoavaliacao
Estude bem os conceitos apresentados nesta aula, pois serao exaus-
tivamente explorados nas proximas aulas. Nao deixe de trabalhar os
exerccios que seguem. Se voce tiver qualquer duvida, consulte seu
tutor.
C E D E R J 93
i i
i i
Exerccio 9.1.
u = (1, 2, k, 3) e u = (3, k, 7, 5)
sejam ortogonais.
94 C E D E R J
i i
i i
Aula
P ROPRIEDADES
10 DAS M ATRIZES
O RTOGONAIS
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
1. det(A) = 1
2. A e matriz inversvel e A1 = At .
Demonstracao
96 C E D E R J
i i
i i
10 1 MODULO 1
4. Como a matriz B tambem e ortogonal, entao Bt B = In . Para
concluir que AB e ortogonal, devemos mostrar que (AB)t (AB) =
In . Temos
(AB)t (AB) = (Bt At )(AB)
= Bt (At A)B
= Bt In B
= Bt B
AULA
= In ,
como queramos demonstrar.
CQD
det(A) = a2 + b2 = 1 e
det(B) = a2 b2 = (a2 + b2 ) = 1.
Exemplo 10.2.
blablabl
C E D E R J 97
i i
i i
Demonstracao
1. Dados u, v Rn , temos
98 C E D E R J
i i
i i
10 1 MODULO 1
3.
Seja {u n
1 , u2 , . . . , un } uma base ortonormal de R . Entao
ui , u j = 0 para todo i 6= j e kui k = 1 ara todo i. Pelas pro-
priedades anteriores, temos
Aui , Au j = ui , u j = 0 para todo i 6= j, e
kAui k = kui k = 1 para todo i.
AULA
Logo, {Au1 , Au2 , . . . , Aun } e um conjunto ortonormal de n vetores
de Rn e, portanto, forma uma base ortonormal de Rn .
CQD
Sejam
1/2 1/2 0 1 1
A = 1/ 2 1/ 2 0 , u = 0 e v = 1 .
0 0 1 1 0
Verifique se:
a. a matriz A e ortogonal;
b. kAuk = kuk;
Solucao:
C E D E R J 99
i i
i i
1/2 1/2 0 1/2 1/2 0
At A = 1/ 2 1/ 2 0 1/ 2 1/ 2 0 =
0 0 1 0 0 1
1 0 0
= 0 1 0 = I3 .
0 0 1
b. Temos que p
kuk = 12 + 02 + 12 = 2.
hu, vi = 1 1 + 0 1 + (1) 0 = 1.
1 1
hAu, Avi = 0 + 2 + (1) 0 = 1.
2 2
100 C E D E R J
i i
i i
10 1 MODULO 1
Exemplo 10.4.
blablabl
AULA
caracterstico, e esse polinomio e dado por:
x 1/ 2 1/ 2 0
p(x) = det (xI3 A) = 1/ 2 x 1/ 2 0
0 0 x1
x 1/ 2 1/ 2
= (x 1)
1/ 2 x 1/ 2
1 2 1
= (x 1) x +2
2
= (x 1)(x2 2x + 1).
2 2x + 1) e = 1, pois o
Agora, a unica
raiz real de p(x) = (x 1)(x
polinomio x2 2x + 1 nao possui razes reais. Assim, a matriz A possui um
unico autovalor real, = 1.
Exemplo 10.5.
blablabl
C E D E R J 101
i i
i i
e, analogamente,
1 = hv2 , v2 i = a212 + a222 + a232
1 = hv3 , v3 i = a213 + a223 + a233 .
Temos, tambem,
e, analogamente,
formam uma base de vetores ortonormais. Logo, pelo Teorema 9.2, da Aula 9,
A e matriz ortogonal.
Autoavaliacao
Nesta aula apresentamos alguns resultados que caracterizam as ma-
trizes ortogonais. Voce deve resolver os exerccios que se seguem
com a ajuda do seu tutor, se necessario. Nas proximas aulas, vamos
usar exaustivamente todos os resultados apresentados nesta aula;
portanto, e importante que voce compreenda o significado geome-
trico deles.
102 C E D E R J
i i
i i
10 1 MODULO 1
Exerccio 10.1.
1. Considere as matrizes
1 0 0 1 0 0
A= 0 1 0 e B = 0 0 1 .
0 0 1
AULA
0 1 0
C E D E R J 103
i i
i i
104 C E D E R J
i i
i i
Aula 11
ROTAC OES NO P LANO
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
R OTACOES NO P LANO
Pre-requisito: Aula
10. Neste captulo vamos construir um tipo de matriz ortogonal muito
importante de ordem 2. Sao as matrizes que representam as rotacoes
no plano em torno da origem. Primeiro, vejamos uma definicao que
generaliza um pouco o conceito de matriz ortogonal.
106 C E D E R J
i i
i i
11 1 MODULO 1
quadrado unitario de vertice na origem.
Solucao:
Vamos considerar o quadrado unitario de vertices v0 = (0, 0), v1 = (1, 0),
v2 = (1, 1) e v3 = (0, 1). A acao da rotacao A sobre os vertices desse quadrado
sao os pontos A (v0 ) = (0, 0), A (v1 ), A (v2 ) eA (v3 ), que formam os verti-
AULA
ces de um novo quadrado de lado 1, como indica a Figura 11.2.
Demonstracao
Queremos expressar as coordenadas do ponto (x , y ) = A (x, y) em
funcao do angulo e das coordenadas do ponto v = (x, y). Inicialmente,
C E D E R J 107
i i
i i
x = r cos
(11.1)
y = r sen
onde ( p
r = kvk = x2 + y2
y
tg = (x 6= 0) ,
x
onde e o angulo que o vetor v = (x, y) forma com o semieixo-x posi-
tivo, conforme a Figura 11.3.
108 C E D E R J
i i
i i
11 1 MODULO 1
AULA
Figura 11.4: Componentes de (x , y ) = A (v).
x = r cos( + )
(11.2)
y = r sen ( + ) .
x = x cos y sen
(11.3)
y = y cos + x cos .
C E D E R J 109
i i
i i
CQD
Exemplo 11.2.
blablabl
110 C E D E R J
i i
i i
11 1 MODULO 1
AULA
Figura 11.5: Rotacao de /4 radianos do quadrado unitario.
Com relacao a este ultimo exemplo, vale a pena fazer a seguinte observacao
sobre notacao. Denotando os vertices v0 , v1 , v2 e v3 do quadrilatero inicial
atraves da matriz 2 4 dada por
0 1 1 0
D = [ v0 v1 v2 v3 ] = .
0 0 1 1
Vemos que a imagem dos vertices desse quadrilatero pela acao da matriz
A = A /4 e simplesmente um produto de matrizes:
A D = C.
C E D E R J 111
i i
i i
Exerccio 11.1.
112 C E D E R J
i i
i i
Aula 12
R EFLEX OES NO P LANO
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
y FL(v)
1 0 1 0
Mostre que as matrizes A = eB= repre-
0 1 0 1
sentam reflexoes com respeito ao eixo-x e com respeito ao eixo-y, res-
pectivamente.
Solucao:
Lembre que o eixo-x e a reta de equacao cartesiana y = 0 e o eixo-y e a
reta de equacao x = 0. Dado v = (x, y) R2 , temos que
1 0 x x
Av = = e
0 1 y y
114 C E D E R J
i i
i i
12 1 MODULO 1
1 0 x x
Bv = = .
0 1 y y
AULA
y v xy Bv -x y y v xy
x x
Av x -y
Portanto, A(x, y) = (x, y), o que caracteriza uma reflexao com respeito
ao eixo-x, como ilustra a Figura 12.a. E, analogamente, B(x, y) = (x, y)
caracteriza a reflexao com respeito ao eixo-y, como mostra a Figura 12.b.
Exemplo 12.2.
blablabl
v3 v2
v0 v1 x
Solucao:
O quadrado unitario da Figura 12.2 tem como vertices v0 = (0, 0),
v1 = (1, 0), v2 = (1, 1) e v3 = (0, 1). Vamos representar esses quatro vertices
pela matriz
C E D E R J 115
i i
i i
0 1 1 0
D = [ v0 v1 v2 v3 ] = ,
0 0 1 1
como foi visto no final da Aula 11.
y
Av0 Av1
x
Av3 Av2
116 C E D E R J
i i
i i
12 1 MODULO 1
y
Bv2 Bv3
AULA
Bv1 Bv0 x
1 0 0 1 1 0 0 1 1 0
BD = = ,
0 1 0 0 1 1 0 0 1 1
Solucao:
C E D E R J 117
i i
i i
y
v
FL(v)
x
Como
y 0 1 x
= ,
x 1 0 y
entao, a matriz que representa esta reflexao e dada por
0 1
E= .
1 0
118 C E D E R J
i i
i i
12 1 MODULO 1
y
Ev3 Ev0
x
AULA
L
Ev2 Ev1
Figura 12.6: Reflexao do quadrado unitario na reta L : y = x.
0 1
E = =
1 0
= 2/2 2/2 1 0 2/2 2/2 .
2/2 2/2 0 1 2/2 2/2
e, consequentemente,
1 2/2 2/2
A /4 = = A /4 = At /4 .
2/2 2/2
E = A1
/4 F A /4 (12.1)
C E D E R J 119
i i
i i
y y
v
L
x x
v
L
y
y
L x
x
v
Ev L
Figura 12.8.c: Apos a reflexao no eixo-x. Figura 12.8.d: Apos a rotacao
A1
/4 = A /4 .
= A B A
ou seja, E e um outro produto de tres matrizes ortogonais,
1 0
onde B = e a reflexao no eixo-y. Portanto, essa forma de
0 1
120 C E D E R J
i i
i i
12 1 MODULO 1
expressar a matriz E como um produto de tres matrizes ortogonais nao
e unica.
Exemplo 12.4. blablabl
AULA
Determine
a matriz F que representa a reflexao com respeito
a reta
L : y = 3x. Determine, tambem, a imagem do ponto P = ( 3, 1) por
esta reflexao.
Solucao:
Vamos proceder de forma analoga a do exerccio anterior. Primeiramente,
vamos fazer uma rotacao em torno da origem de modo que a reta L : y = 3x
seja transformada no eixo-x. Nao e difcil ver que precisamos fazer uma
rotacao de = /3 radianos. Observe que o angulo que a reta L forma
com o semi-eixo-x positivo e /3 radianos, conforme a Figura 12.9.
C E D E R J 121
i i
i i
Portanto, a matriz que representa a reflexao na reta L : y = 3x e dada por
E = A1
/3 F A /3
= A /3 F A
/3
1/2 3/2 1 0 1/2 3/2
=
0 1 3/2
3/2 1/2 1/2
1/2
3/2
= .
3/2 1/2
A imagem do ponto P = ( 3, 1), apos uma reflexao na reta L : y = 3x, e
1/2
3/2 3 0
E(P) = = .
3/2 1/2 1 2
y L
P=(0,2)
P=( 3,1)
Figura 12.10: Reflexao de P = ( 3, 1) na reta L : y = 3x.
Dada uma reta L passando pela origem, nem sempre e facil obter uma
expressao simples para o angulo que ela forma como o eixo-x. Por
isso, vejamos uma outra forma para se obter a matriz E que representa
a reflexao nessa reta L. Inicialmente, vamos analisar como isso e feito
para o exemplo anterior, ou seja, determinar a matriz E que representa
uma reflexao na reta L : y = 3x.
v1 = (1/2,
3/2) e um vetor tangente a reta L : y = 3x e
v2 = ( 3/2, 1/2) e um vetor normal a reta L, como indica a Figura
12.11.
122 C E D E R J
i i
i i
12 1 MODULO 1
y
L: y 3x
v2 v1
AULA
x
A= 1/2 3/2 = [v1 v2 ]
3/2 1/2
e a matriz mudanca de base, da base = {v1 , v2 } para a base canonica
{e1 , e2 }. Logo, pela teoria de mudanca de base vista no curso de Algebra
Linear I, a matriz E e dada por
A F A1 =
E = A F At
1/2 3/2 1 0 1/2 3/2
=
3/2 1/2 0 1 3/2 1/2
1/2
3/2
= .
3/2 1/2
E = P [E] Pt ,
C E D E R J 123
i i
i i
e a matriz
P = [v1 v2 ],
cujas colunas sao os vetores v1 e v2 , e a matriz mudanca de base, da base
= {v1 , v2 } para a base canonica {e1 , e2 }, e a matriz [E] e a matriz
que representa a reflexao na reta L com respeito a base = {v1 , v2 },
dada por
1 0
[E] = ,
0 1
pois,
Ev1 = v1 = 1 v1 + 0 v2 e
Ev2 = v2 = 0 v1 + (1) v2 ,
como ilustra a Figura 12.11. Observe tambem que sendo P uma matriz
ortogonal entao P1 = Pt .
Exerccio 12.1.
124 C E D E R J
i i
i i
Aula 13
P ROPRIEDADES DAS ROTAC OES E
R EFLEX OES NO P LANO 1A PARTE
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
126 C E D E R J
i i
i i
13 1 MODULO 1
e a primeira coluna da matriz ortogonal A M2 (R), isto e,
cos
A= .
sen
AULA
Se Ae2 denota a imagem do vetor e2 pela matriz ortogonal A, temos que
kAe2 k = ke2 k = 1.
Alem disso,
hAe1 , Ae2 i = he1 , e2 i = 0,
e isto quer dizer que o vetor Ae2 e ortogonal ao vetor Ae1 . Assim,
teremos duas possibilidades para este vetor, como mostra a Figura 13.2.
Podemos observar que o angulo que o vetor Ae2 forma com o eixo-x
e igual a + 2 (Figura 13.2a) ou igual a 2 (Figura 13.2b). Sendo
assim, o vetor unitario Ae2 pode ser escrito na forma
C E D E R J 127
i i
i i
que
cos( + /2) = sen
sen( + /2) = cos
cos( /2) = sen
sen( /2) = cos ,
logo, o vetor Ae2 pode ser escrito na forma
sen sen
ou .
cos cos
cos sen
A=
sen cos
128 C E D E R J
i i
i i
13 1 MODULO 1
convencao da rotacao ser no sentido anti-horario quando for positivo
e no sentido horario quando for negativo. Veja a Figura 13.3
AULA
Figura 13.3: Rotacao de um angulo entre e1 e Ae1 .
cos sen
B=
sen cos
C E D E R J 129
i i
i i
cos sen
A =
sen cos
1. det(A ) = 1 e det(B ) = 1.
2. A1 1
= A e B = B .
Demonstracao
1. Sendo
cos sen cos sen
A = e B = ,
sen cos sen cos
temos que
det(A ) = cos2 + sen2 = 1
e
det(B ) = cos2 + sen2 = 1.
cos sen
1
A = ,
sen cos
130 C E D E R J
i i
i i
13 1 MODULO 1
pois det(A ) = 1.
Como
cos( ) = cos e sen( ) = sen ,
entao, obtemos
AULA
1
A = = =
sen cos sen( ) cos( )
= A .
Exemplo 13.1. blablabl
= (x cos )2 + sen2
= x2 2 (cos ) x + cos2 + sen2
= x2 2 (cos ) x + 1 .
C E D E R J 131
i i
i i
x cos sen
det(xI2 B ) =
sen x + cos
Exerccio 13.1.
132 C E D E R J
i i
i i
Aula 14
P ROPRIEDADES DAS ROTAC OES E
R EFLEX OES NO P LANO 2A PARTE
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
A A , A B , B A e B B .
Figura 14.1
134 C E D E R J
i i
i i
14 1 MODULO 1
Para obter a descricao algebrica de A A vamos precisar, mais
uma vez, das formulas de adicao de arcos:
AULA
Algebricamente, temos que A A = A + , pois
A2 = A A = A + = A2
A3 = A2 A = A2 + = A3
e, assim, sucessivamente.
Figura 14.2
C E D E R J 135
i i
i i
Figura 14.3
136 C E D E R J
i i
i i
14 1 MODULO 1
cos sen cos sen
B A =
sen cos sen cos
cos cos + sen sen cos sen + sen cos
=
sen cos cos sen sen sen cos cos
AULA
cos( ) sen( )
=
sen( ) cos( )
= B .
Figura 14.4
C E D E R J 137
i i
i i
Exemplo 14.1.
blablabl
138 C E D E R J
i i
i i
14 1 MODULO 1
AULA
Figura 14.5: O quadrado unitario.
Como a reta y = 3x tem coeficiente angular 3 = tg ( /3), ela forma
um angulo de /3 radianos com o semi-eixo-x positivo. Veja a Figura 14.6.
C E D E R J 139
i i
i i
Ou seja, a imagem e o quadrado unitario de vertices (0, 0), (1, 0), (1, 1)
e (0, 1). Veja a Figura 14.7.
140 C E D E R J
i i
i i
14 1 MODULO 1
Exerccio 14.1.
AULA
radianos. Os vertices sao: v1 = (1, 1); v2 = (4, 1);
v3 = (4, 3); v4 = (3, 3); v5 = (3, 2) e v6 = (1, 2).
C E D E R J 141
i i
i i
142 C E D E R J
i i
i i
Aula 15
E XERC ICIOS R ESOLVIDOS 1A PARTE
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
Exerccio 15.1.
144 C E D E R J
i i
i i
15 1 MODULO 1
S OLUC OES
AULA
entao
9k 12 = 0
4
k= .
3
2. Como os vetores u1 e u2 sao ortogonais, pois
entao os vetores
u1 2 3
v1 = = , e
ku1 k 13 13
u2 3 2
v2 = = ,
ku2 k 13 13
C E D E R J 145
i i
i i
3. Temos que
u3 2 1 2
v3 = ku3 k = 3, 3,3
x + 2y = 0,
v = (2y z, y, z) com y, z R
146 C E D E R J
i i
i i
15 1 MODULO 1
sao ortogonais a u = (1, 2, 1). Logo,
S = {v R3 | hu, vi = 0}
= {(2y z, y, z) | y, z R}
= {y(2, 1, 0) + z (1, 0, 1) | y, z R} .
AULA
Veja que o subespaco S e gerado pelos vetores linearmente inde-
pendentes (2, 1, 0) e (1, 0, 1). Portanto, S e um subespaco de
dimensao 2. Geometricamente, S e o plano de R3 pela origem
gerado pelos vetores (2, 1, 0) e (1, 0, 1).
6. Temos que
t 1/5 2/5 1/5 2/5
AA = =
2/ 5 1/ 5 2/ 5 1/ 5
1 0
= ,
0 1
u1 = 19 , 49 , 89 , u2 = 89 , 49 , 19 , u3 = 49 , 79 , 49 ,
satisfazem:
8 16 8
hu1 , u2 i = + =0
81 81 81
4 28 32
hu1 , u3 i = + =0
81 81 81
32 28 4
hu2 , u3 i = + + =0
81 81 81
1 16 64
hu1 , u1 i = + + =1
81 81 81
64 16 1
hu2 , u2 i = + + =1
81 81 81
16 49 16
hu3 , u3 i = + + = 1.
81 81 81
C E D E R J 147
i i
i i
x y
8. Para que a matriz A = seja ortogonal, devemos ter
1 0
cos sen
0 1
A1 = = .
1 0 sen cos
sen = 1
cos = 0 ,
cos sen
0 1
A2 = = ,
1 0 sen cos
sen = 1
cos = 0 ,
148 C E D E R J
i i
i i
Aula 16
E XERC ICIOS R ESOLVIDOS 2A PARTE
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
Exerccio 16.1.
2
m 2
1. Determine os valores m , n R para que a matriz A =
2
n 2
seja ortogonal.
5. Determine
todas
as matrizes ortogonais de ordem 2 da forma
1/3 x
A= .
y z
150 C E D E R J
i i
i i
16 1 MODULO 1
a. A1 e uma rotacao de /6 radianos;
b. A2 e uma rotacao de 5 /6 radianos;
c. B1 e uma reflexao com respeito a reta y = x;
3
d. B2 e uma reflexao com respeito a reta y = 2 x.
AULA
8. Sejam A e B matrizes ortogonais de ordem n. Mostre que:
S OLUC OES
2 2
1. As colunas de A sao os vetores u = (m, n) e v = 2 , 2 . Para
que A seja ortogonal devemos ter:
kuk = m2 + n2 = 1
e D E
2 2
hu, vi = (m, n), 2 , 2 = 0,
m2 + n 2 = 1
m+n = 0.
C E D E R J 151
i i
i i
1
2 ,
e 5 5
. Assim, obtemos as duas matrizes ortogonais
1 25 1 2
5 5 5
A1 = e A2 = .
2 1 2 15
5 5 5
que e equivalente a
x = 4y
z = y.
Assim, obtemos
152 C E D E R J
i i
i i
16 1 MODULO 1
tores
Temos
hu1 , u2 i = 1 + 3 4 = 0
hu1 , u3 i = 7 5 2 = 0
AULA
hu2 , u3 i = 7 15 + 8 = 0.
1
kuk2 = + y2 = 1,
9
o que nos da y2 = 98 , ou y = 2 3 2 . Assim, a primeira coluna da
matriz A pode ser representada por
! !
1 2 2 1 2 2
u= , ou u = , .
3 3 3 3
C E D E R J 153
i i
i i
154 C E D E R J
i i
i i
16 1 MODULO 1
7. Como foi visto na Aula 11,
cos 6
3 1
sen 6 2 2
A1 = A /6 = = e
sen cos 6 1 3
6 2 2
cos 56 5
23 12
sen 6
AULA
A2 = A5 /6 = = .
5
sen cos 56 1 3
6 2 2
cos /2 sen /2
0 1
B1 = B /2 = = .
sen /2 cos /2 1 0
cos 3 /2 sen 3 /2
0 1
B2 = B3 /2 = =
sen 3 /2 cos 3 /2 1 0
A1 B1 = A /6 B /2 = B + = B2 /3 = 3 1 ;
6 2
2 2
1 3
2 2
A2 B2 = A5 /6 B3 /2 = B 5 = B /3 = ;
6 + 32 3
12
2
C E D E R J 155
i i
i i
1 3
2 2
B1 A1 = B /2 A /6 = B = B /3 = ;
3
2 6
2 12
3 1
2 2
A1 1
1 = A /6 = A /6 =
3
;
12 2
B1 2
2 = B2 , pois B2 = I2 .
(AB)1 = B1 A1 = Bt At = (AB)t ,
156 C E D E R J
i i
i i
Aula 17
ROTAC OES NO E SPAC O
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
R OTACOES NO E SPACO
Pre-requisitos:
Aulas 08, 09, 10, Nesta aula, vamos estudar algumas transformacoes ortogonais em
11, 13 e 14. R3 . Mais precisamente, faremos um estudo de matrizes ortogonais de
ordem 3. Comecaremos estudando as rotacoes do espaco euclidiano
R3 , porem, nos limitaremos as rotacoes em torno dos eixos cartesianos.
Inicialmente, vejamos alguns exemplos.
Exemplo 17.1.
blablabl
158 C E D E R J
i i
i i
17 1 MODULO 1
z
v=(x, y, z )
v=(x, y, z)
AULA
y
y = y cos + x cos ,
pois quando trabalhamos no plano a matriz rotacao de radianos e dada por
cos sen
A = .
sen cos
cos sen 0
x x
y = sen cos 0 y .
z 0 0 1 z
cos sen 0
Az ( ) = sen cos 0 .
0 0 1
C E D E R J 159
i i
i i
cos sen
Observe que o bloco superior da matriz, , e uma ma-
sen cos
triz de rotacao no plano-xy. E facil identificarmos algumas propriedades da
matriz Az ( ):
2. det Az ( ) = 1
160 C E D E R J
i i
i i
17 1 MODULO 1
Solucao:
O sentido positivo da rotacao e indicado na Figura 17.3. Procedendo de
forma analoga ao que foi feito no Exemplo 17.1, obtemos que a matriz que
representa uma rotacao de radianos em torno do eixo-y e dada por:
cos 0 sen
Ay ( ) = 0
AULA
1 0 .
sen 0 cos
A matriz
1 0 0
Ax ( ) = 0 cos sen
0 sen cos
determina uma rotacao de radianos em torno do eixo-x, sendo o sen-
tido positivo da rotacao dado pela Figura 17.4.
C E D E R J 161
i i
i i
Figura 17.5: Sentido positivo da rotacao em torno da reta L gerada pelo vetor v.
162 C E D E R J
i i
i i
17 1 MODULO 1
Para isto, tomamos uma base ortonormal {u1 , u2 , u3 } do R3 cons-
truda da seguinte maneira:
v
1. tomamos u3 = com mesma direcao e mesmo sentido de v;
kvk
AULA
2. escolhemos u1 , u2 vetores ortonormais no plano ;
3. u1 u2 = u3 .
v
u3= u1x u2
u2
0
u1
Figura 17.6: Sentido positivo da rotacao em torno da reta L gerada pelo vetor v.
C E D E R J 163
i i
i i
3. ~i ~j =~k.
3. ~k ~i = ~j.
3. ~j ~k =~i.
Exemplo 17.4.
blablabl
164 C E D E R J
i i
i i
17 1 MODULO 1
Denotaremos por v3 = (1, 1, 1) o vetor que determina a reta em torno da
qual faremos a rotacao de radianos. O sentido positivo dessa rotacao e dado
pela Figura 17.7.
AULA
Figura 17.7: Sentido positivo da rotacao em torno do vetor v3 = (1, 1, 1).
O vetor v1 pode ser qualquer vetor que pertenca a esse plano, por exemplo,
v1 = (1, 1, 2).
C E D E R J 165
i i
i i
v2 = (1, 1, 0).
cos sen 0
x1
A [v] = sen cos 0 x2 ,
0 0 1 x3
166 C E D E R J
i i
i i
17 1 MODULO 1
equivalentemente, a rotacao de u3 e 0 u1 + 0 u2 + 1 u3 = u3 .
AULA
Como a matriz de mudanca de base, da base para a base canonica, e
16 1 1
2 3
e P1 = Pt , entao dado determinamos a matriz
1 1 1
P= 6 2 3
2 0 13
6
A da rotacao na base canonica fazendo o produto a seguir
A = PA Pt
16 1 1 16 16 2
2 3
cos sen 6
0
= 16 12 1 sen cos 0 1 12 0
.
3 2
0 0 1
2 0 1 1 1 1
6 3 3 3 3
v
1. u3 = kvk ;
Exerccio 17.1.
C E D E R J 167
i i
i i
168 C E D E R J
i i
i i
Aula 18
R EFLEX OES NO E SPAC O
Objetivos
Ao final desta aula, voce devera ser capaz de:
i i
i i
v=(x,y,z)
v=(x, y, z) =(x,y,-z)
x
Figura 18.1: Reflexao no plano xy.
Solucao:
Seja v = (x , y , z ) o vetor obtido quando refletimos o vetor v = (x, y, z)
no plano-xy. [Veja a Figura 18.1.] Observe que os vetores v e v pertencem a
mesma reta e que
x =x
y = y
z = z .
170 C E D E R J
i i
i i
18 1 MODULO 1
Logo, a matriz
1 0 0
B= 0 1 0
0 0 1
e a matriz que representa a reflexao no plano-xy. Facilmente obtemos algumas
propriedades interessantes da matriz B. Por exemplo,
AULA
1. B e uma matriz ortogonal. De fato, observe que suas colunas formam
uma base ortonormal de R3 ;
2. det(B) = 1;
p(x) = det(xI
3 B)
x1 0 0
= 0 x1 0
0 0 x+1
= (x 1)2 (x + 1) .
1 = 1, com multiplicidade 2; e
2 = 1, com multiplicidade 1.
z = 0 e x, y R,
C E D E R J 171
i i
i i
e1 = (1, 0, 0) e e2 = (0, 1, 0)
(B + I) w = 0,
x = 0, y = 0 e z R.
Exemplo 18.2.
blablabl
172 C E D E R J
i i
i i
18 1 MODULO 1
z
v=(x,-y,z)
v=(x,y,z)
AULA
y
x
Figura 18.2: Reflexao no plano xz.
Solucao:
Seguindo a mesma estrategia do Exemplo 18.1, seja v = (x , y , z ) o vetor
obtido quando refletimos o vetor v = (x, y, z) no plano-xz. [Veja a Figura18.2.]
Portanto,
x =x
y = y
z = z.
e, portanto,
1 0 0
B = 0 1 0
0 0 1
e a matriz que representa a reflexao no plano-xz, com respeito a base canonica.
p(x) = det(xI
3 B)
x1 0 0
= 0 x+1 0
0 0 x1
2
= (x 1) (x + 1) .
C E D E R J 173
i i
i i
1 = 1, com multiplicidade 2; e
2 = 1, com multiplicidade 1.
sao, respectivamente, o plano-xz e o eixo-y. E facil ver que {e1 , e3 } e uma base
ortonormal de E(1) e {e2 } e uma base ortonormal de E(1).
v=(-x,y,z)
v=(x,y,z)
x
Figura 18.3: Reflexao com respeito ao plano-yz.
Solucao:
Seguindo a mesma estrategia dos Exemplos 18.1 e 18.2, seja v = (x , y , z )
o vetor obtido quando refletimos o vetor v = (x, y, z) no plano-yz. [Veja a
Figura 18.3.] Temos entao
x = x
y = y
z = z.
174 C E D E R J
i i
i i
18 1 MODULO 1
Assim, usando a notacao matricial, temos que
x 1 0 0 x
y = 0 1 0 y ,
z 0 0 1 z
e, portanto,
AULA
1 0 0
B= 0 1 0
0 0 1
e a matriz que representa a reflexao no plano-yz, com respeito a base canonica.
Observe que as matrizes dos Exemplos 18.1, 18.2 e 18.3, que definem
as reflexoes nos planos xy, xz e yz, respectivamente, sao bem parecidas: sua
diagonal principal e formada por 1 e 1 e deve-se destacar a posicao do valor
1.
Como nos Exemplos 18.1 e 18.2, temos que a matriz B e ortogonal com
determinante igual a 1 e seu polinomio caracterstico e dado por
p(x) = det(xI
3 B)
x+1 0 0
= 0
x1 0
0 0 x1
= (x 1)2 (x + 1) .
1 = 1, com multiplicidade 2; e
2 = 1, com multiplicidade 1.
C E D E R J 175
i i
i i
Exemplo 18.4. blablabl
Solucao:
Pela Figura 18.4, o ponto P e a imagem do ponto P sob a reflexao no
plano . Observamos que escolhendo adequadamente uma base ortonormal de
R3 , a matriz que representa essa reflexao e analoga a dos exemplos anteriores.
Assim, com a experiencia acumulada nos Exemplos 18.1, 18.2 e 18.3, vamos
construir esta base ortonormal.
ou seja,
2x + 3y z = 0
x + y + z = 0 .
176 C E D E R J
i i
i i
18 1 MODULO 1
Escalonando esse sistema, vemos que a solucao e
x= 4 z
5
1
y = z, z R .
5
AULA
Podemos escolher z = 5 para obter v2 = (4, 1, 5). Assim, {v1 , v2 , v3 } e
uma base ortogonal de R3 . Normalizando essa base, obtemos os vetores
v1 1 1 1
u1 = = , , pertencente ao plano ,
kv1 k 3 3 3
v2 4 1 5
u2 = = , , pertencente ao plano ,
kv2 k 42 42 42
v3 2 3 1
u3 = = , , vetor normal ao plano .
kv3 k 14 14 14
C E D E R J 177
i i
i i
Exerccio 18.1.
178 C E D E R J
i i
i i
18 1 MODULO 1
AULA
C E D E R J 179
i i
i i
AULA 1
Exerccio 1.1
1 0
1. v = tem autovalor = 0 e u = tem autovalor
0 1
= 1.
2. Nao e autovetor.
3. Sim, = 0.
1
4. .
3
1 3
5. Uma base para o auto-espaco e 2 , 0 .
0 1
AULA 2
Exerccio 2.1
0 2
1. = 1 : ; =5 : .
1 1
0
2. = 1 : 0 .
1
3. A2 : 1 e 4; A3 : 1, 1 e 8.
180 C E D E R J
i i
i i
18 1 MODULO 1
AULA 3
Exerccio 3.1
AULA
2. 1 = 1 : v1 = (1, 2), 2 = 5 : v2 = (1, 1).
5. a = b = c = d = e = f = 1, v1 = (1, 1, 1) : 1 = 3, v2 = (1, 0, 1) :
2 = 0, v3 = (1, 1, 0) : 3 = 0.
AULA 4
Exerccio 4.1
1. a. 1 = 2 = 1 : v1 = (1, 0)
b. 1 = 1 apresenta multiplicidade algebrica 2 e multiplicidade
geometrica 1.
2. a. 1 = 2 = 6 : v1 = (1, 1)
b. 1 = 6 apresenta multiplicidade algebrica 2 e multiplicidade
geometrica 1.
3. a. 1 = 1 : v1 = (3, 1, 3) 2 = 3 = 2 : v2 = (2, 1, 0) e
v3 = (2, 0, 1).
b. 1 = 1 apresenta multiplicidade algebrica 1 e multiplicidade
geometrica 1; 2 = 2 apresenta multiplicidade algebrica 2 e mul-
tiplicidade geometrica 2.
4. a. = 1 : v1 = (0, 0, 1)
b. = 1 apresenta multiplicidade algebrica 3 e multiplicidade
geometrica 1.
C E D E R J 181
i i
i i
AULA 5
Exerccio 5.1
1 0
1. a. D =
0 1
1 0
b. P =
3 1
1 0
2. a. D =
0 6
1 4
b. P =
1 1
1 0 0
3. a. D = 0 1 0
0 0 3
0 1 2
b. P = 1 1 3
1 0 1
AULA 6
Exerccio 6.1
1 0 0
1. a. D = 0 1 0
0 0 2
1 1 1
b. P = 1 0 1
0 1 1
1 0 0 0
0 1 0 0
2. a. D =
0
0 3 0
0 0 0 3
1 0 1 0
1 0 1 0
b. P =
0 1 0
1
0 1 0 1
182 C E D E R J
i i
i i
18 1 MODULO 1
3. Nao e diagonalizavel.
AULA 8
Exerccio 8.1
AULA
1. O operador T nao e diagonalizavel, pois T so possui o autovalor
= 2 e o auto-espaco correspondente E(2) tem dimensao 1, uma
base sendo formada por v1 = (1, 1).
2. O operador T e diagonalizavel,
1 0 0
D= 0 1 0 ;
0 0 1
3. O operador T e diagonalizavel,
3 0 0 0
0 3 0 0
D= 0 0 1
;
0
0 0 0 1
C E D E R J 183
i i
i i
AULA 9
Exerccio 9.1
a b a b
1. A = ou A =
b a b a
2. k = 4/3
4. Base ortonormal:
u1 = (1/ 3, 1/ 3, 1/ 3);
u2 = (1/ 14, 2/ 14, 3/ 14) e
u3 = (5/ 42, 4/ 42, 1/ 42).
1/3 0 4/32
5. Por exemplo: P = 2/3 1/2 1/32 .
2/3 1/ 2 1/3 2
AULA 10
Exerccio 10.1
184 C E D E R J
i i
i i
18 1 MODULO 1
AULA 11
Exerccio 11.1
1. Considerando as matrizes
AULA
2/2 2/2
A = A /4 = e
2/2 2/2
1 5 5 4 3 2 1
D = v1 v2 v3 v4 v5 v6 v7 = ,
1 1 3 3 2 3 3
2. A A = A + = A + = A A .
O angulo resultante e + .
AULA 12
Exerccio 12.1
E = P 1 t
F P
2
3
2
3
13 13 1 0 13 13
=
3 2
0 1 3
2
13 13 13 13
C E D E R J 185
i i
i i
2
1
gente a reta L:2x+y=0 e v2 =
5 5
e um vetor unitario
normal a reta L : 2x + y = 0.
Assim,
1 2 1 0 1 2
5 5 5 5
B =
2 1 0 1 2 1
5 5 5 5
35 45
= .
45 3
5
AULA 13
Exerccio 13.1
1. Temos a igualdade
cos sen
B = =
sen cos
cos sen
1 0
= = A A,
sen cos 0 1
186 C E D E R J
i i
i i
18 1 MODULO 1
AULA 14
Exerccio 14.1
AULA
(AB)1 = B1 A1 = Bt At = (AB)t ,
Representamos por
0 1
B=
1 0
C E D E R J 187
i i
i i
AULA 17
Exerccio 17.1
1 0 0
1 0 0
0 cos sen
Ax (1 ) Ax (2 ) =
0 cos 1 sen 1
2 2
0 sen 2 cos 2
0 sen 1 cos 1
1 0 0
0 cos cos sen sen cos sen cos sen
=
1 2 1 2 1 2 2 1
0 cos 1 sen 2 + cos 2 sen 1 cos 1 cos 2 sen 1 sen
1 0 0
0 cos( + ) sen( + )
= 1 2 1 2
0 sen(1 + 2 ) cos(1 + 2 )
= Ax (1 + 2 )
Consequentemente,
Ax (1 ) Ax (2 ) = Ax (1 + 2 ) = Ax (2 + 1 ) = Ax (2 ) Ax(1 ).
2. Temos que
1 0 0 0 1 0
Ax ( /2) = 0 0 1 ; Az ( /2) = 1 0 0 .
0 1 0 0 0 1
Logo,
1 0 0 0 1 0
Ax ( /2) Az( /2) = 0 0 1 1 0 0 =
0 1 0 0 0 1
0 1 0
= 0 0 1
1 0 0
188 C E D E R J
i i
i i
18 1 MODULO 1
e
0 1 0 1 0 0
Ay ( /2) Ax( /2) = 1 0 0 0 0 1
0 0 1 0 1 0
0 0 1
= 1 0 0 .
AULA
0 1 0
Assim,
Ax ( /2) Az( /2) 6= Az ( /2) Ax( /2)
e, portanto, as matrizes nao comutam.
AULA 18
Exerccio 18.1
1. Dada
1/ 3 4/ 42 2/14
P = 1/3 1/ 42 3/ 14 ,
1/ 3 5/ 42 1/ 14
temos
3/7 6/7 2/7
B = PAP1 = PAPt = 6/7 2/7 3/7 .
2/7 3/7 6/7
2. Autovalores: 1, 1 e 1;
Auto-espaco
E(1): subespaco
gerado por
1 1 1 4 1 5
u1 = , , e u2 = , , ;
3 3 3 42 42 42
Auto-espaco
E(1): subespaco
gerado por
2 3 1
u3 = , , .
14 14 14
C E D E R J 189
i i