Baixe o app para aproveitar ainda mais
Prévia do material em texto
Questões sortidas álgebra linear VII Entre em contato caso tenha sugestões, agradecimentos, comentários ou dúvidas referentes ao material. annie.passeidireto@gmail.com (Me mande um email!) Autora: Annie Gabrielle de Oliveira Silva 21 de fevereiro de 2021 annie.passeidireto@gmail.com Quem sou eu? Olá, meu nome é Annie e sou graduanda em geofísica pela Universidade Federal da Bahia e pré- vestibulanda para o Instituto Tecnológico da Aeronáutica. Antes do pré-vestibular, era graduanda, concomitantemente a geofísica, de engenharia elétrica pela Faculdade de Tecnologia e Ciência. Atualmente, atuo como tutora de várias disciplinas e tenho certeza que podemos aprender muito. Sendo assim, bons estudos! Questão 1 i) Encontre a transformação linear T :M2(R)→ R tal que T ([ 1 0 0 0 ]) = 1 T ([ 0 1 0 0 ]) = 0 T ([ 0 0 1 0 ]) = 0 T ([ 0 0 0 1 ]) = 1 Para definir a lei de uma transformação linear, precisamos de uma das suas bases. Temos que o espaço é dado pelos vetores M2(R), portanto a dimensão da base é igual a 4. Como dito na questão, a base é formada por β = {[ 1 0 0 0 ] , [ 0 1 0 0 ] , [ 0 0 1 0 ] , [ 0 0 1 0 ]} . Dado um ele- mento x qualquer de R, oriundo da transformação de uma matriz qualquer [ a b c d ] , podemos representar essa matriz como combinação linear dos elementos da base β. Assim, [ a b c d ] = a · [ 1 0 0 0 ] + b · [ 0 1 0 0 ] + c · [ 0 0 1 0 ] + d · [ 0 0 1 0 ] T ([ a b c d ]) = T ( a · [ 1 0 0 0 ] + b · [ 0 1 0 0 ] + c · [ 0 0 1 0 ] + d · [ 0 0 1 0 ]) T ([ a b c d ]) = a · T ([ 1 0 0 0 ]) + b · T ([ 0 1 0 0 ]) + c · T ([ 0 0 1 0 ]) + d · T ([ 0 0 1 0 ]) x = a · 1 + b · 0 + c · 0 + d · 1 x = a+ d Assim a lei da transformação linear é dada por: T ([ a b c d ]) = a+ d . ii) Encontre ker(T) e im(T). Dado os espaços vetoriais V e W. Como o núcleo é um subconjunto do domínio de T e a imagem é um subconjunto do contradomínio de T, temos que a transformação é dada por T : V −→ W . Mais precisamente de M2(R)→ R. 1 O núcleo de uma transformação é um subconjunto de V dada pela estrutura: ker(T ) = {v ∈ V ;T (v) = 0W} Assim, [ a b c d ] ∈ ker(T )⇔ T ([ a b c d ]) = 0 a+ d = 0 ∴ a = −d Logo, ker(T ) = {[ a b c d ] ; a = −d } A imagem de uma transformação linear é um subconjunto de W dada pela estrutura: Im(T ) = {w ∈ W ; existe algum v ∈ V com w = T (v)} Assim, k ∈ im(T )∃ [ x y z w ] ∈M2(R) T ([ x y z w ]) = x+ w Portanto, im(T ) = R iii) T é injetiva, sobrejetiva? Teorema: Sejam V e W espaços vetoriais sobre o corpo F e T : V → W uma transformação linear, T é injetora se, e somente se, ket(T ) = {0v}. Dado que que ker(T ) = {[ a b c d ] ; a = −d } , a transformação é injetora somente para ao caso em que a = −d = 0. Definição: Uma função é sobrejetora se, e somente se, Im(T ) = W , ou seja, para todo w ∈ W existe algum v ∈ V tal que T (v) = w. Como a im(T ) = R, temos que T é sobrejetora. 2 Questão 2 Considere a base β = {(1, 1,−1), (1,−1, 1), (−1, 1, 1)} de R3 e seja α a base canônica. i) Encontre o operador linear T : R3 → R3 tal que [T ]αβ = 1 0 −10 1 0 1 0 −1 Denomina-se endomorfismo ou operador linear uma transformação linear de um espaço ve- torial nele mesmo, ou seja, uma transformação que tenha domínio igual ao contradomínio. A transformação [T ]αβ é a mudança da base α para β. Vamos encontrar as transformações dadas pela matriz. T (1, 0, 0) = 1 · (1, 1,−1) + 0 · (1,−1, 1) + 1 · (−1, 1, 1) = (0, 2, 0) ∴ T (1, 0, 0) = (0, 2, 0) T (0, 1, 0) = 0 · (1, 1,−1) + 1 · (1,−1, 1) + 0 · (−1, 1, 1) = (1,−1, 1) ∴ T (0, 1, 0) = (1,−1, 1) T (0, 0, 1) = (−1) · (1, 1,−1) + 0 · (1,−1, 1) + (−1) · (−1, 1, 1) = (0,−2, 0) ∴ T (0, 0, 1) = (0,−2, 0) Sabendo as transformações e aplicando a transformação genericamente para um vetor qual- quer (x, y, z) do R3. (x, y, z) = x · (1, 0, 0) + y · (0, 1, 0) + z · (0, 0, 1) T (x, y, z) = T (x · (1, 0, 0) + y · (0, 1, 0) + z · (0, 0, 1)) T (x, y, z) = x · T (1, 0, 0) + y · T (0, 1, 0) + z · T (0, 0, 1) T (x, y, z) = x · (0, 2, 0) + y · (1,−1, 1) + z · (0,−2, 0) T (x, y, z) = (y, 2x− y − 2z, y) ii) Encontre as dimensões do ker(T) e im(T). Definição: Seja V um espaço vetorial sobre o corpo F, finitamente gerado. A dimensão de V, denotado por dimV , é o número de elementos de uma base V (cardinalidade). Sabendo que a dimensão do dim(R3) = 3 e utilizando o teorema do núcleo e imagem temos que: dim(R3) = dim(ker(T )) + dim(im(T )) dim(ker(T )) + dim(im(T )) = 3 Com isso, basta calcularmos a dimensão do kernel para encontrar a dimensão da imagem. 3 O núcleo de uma transformação é um subconjunto de V dada pela estrutura: ker(T ) = {v ∈ V ;T (v) = 0W} Assim, (x, y, z) ∈ ker(T )⇔ T (x, y, z) = (0, 0, 0) T (x, y, z) = (y, 2x− y − 2z, y) = (0, 0, 0) y = 0→ y = 0 2x− y − 2z = 0→ 2x− 2z = 0 ∴ x = z y = 0 Logo, ker(T ) = {(x, y, z) ∈ R3; y = 0 e x = z} e dim(ker(T )) = 1 Portanto temos dim(ker(T )) = 1 e dim(im(T )) = 2. iii) Encontre [T ]αα,Mβα e [T ] β β As [T ]αα e [T ] β β são operadores lineares. Assim, aplicando as transformações lineares conse- guimos encontrar suas respectivas matrizes. Assim fazemos: [T ]αα Sabemos por (i) que aplicando a transformação na base α teremos T(1,0,0)=(0,2,0), T(0,1,0)=(1,- 1,1) e T(0,0,1)=(0,-2,0). (0, 2, 0) = 0 · (1, 0, 0) + 2 · (0, 1, 0) + 0 · (0, 0, 1) (1,−1, 1) = 1 · (1, 0, 0) + (−1) · (0, 1, 0) + 1 · (0, 0, 1) (0,−2, 0) = 0 · (1, 0, 0) + (−2) · (0, 1, 0) + 0 · (0, 0, 1) Assim, [T ]αα = 0 1 02 −1 −2 0 1 0 [T ]ββ Aplicando a transformação T (x, y, z) = (y, 2x−y−2z, y) na base β = {(1, 1,−1), (1,−1, 1), (−1, 1, 1)}, teremos, T (1, 1,−1) = (1, 3, 1) T (1,−1, 1) = (−1, 1,−1) T (−1, 1, 1) = (1,−5, 1) 4 Não se pode calcular a transformação da base β para β dado que os vetores (1,3,1) e (1,-5,1) são LI aos vetores da base β. Demonstração que os vetores (1, 3, 1) e (1,−5, 1) são LI a base β. ∣∣∣∣∣∣ 1 3 1 −1 1 1 1 −1 1 ∣∣∣∣∣∣ = 8 ∣∣∣∣∣∣ 1 3 1 1 1 −1 −1 1 1 ∣∣∣∣∣∣ = 4 ∣∣∣∣∣∣ 1 3 1 1 1 −1 1 −1 1 ∣∣∣∣∣∣ = −8 ∣∣∣∣∣∣ 1 −5 1 −1 1 1 1 −1 1 ∣∣∣∣∣∣ = −8 ∣∣∣∣∣∣ 1 −5 1 1 1 −1 −1 1 1 ∣∣∣∣∣∣ = 4 ∣∣∣∣∣∣ 1 −5 1 1 1 −1 1 −1 1 ∣∣∣∣∣∣ = 8 Assim, como os determinantes são diferentes de zero, os vetores são LI e NÃO podemos escrever a matriz de transformação [T ]ββ. Mβα Nesta alternativa desejamos encontrar a matriz de mudança de base dada da base β para α. Fazemos, (1, 1,−1) = 1 · (1, 0, 0) + 1 · (0, 1, 0) + (−1) · (0, 0, 1) (1,−1, 1) = 1 · (1, 0, 0) + (−1) · (0, 1, 0) + 1 · (0, 0, 1) (1, 1,−1) = 1 · (1, 0, 0) + 1 · (0, 1, 0) + (−1) · (0, 0, 1) Assim, Mβα = 1 1 11 −1 1 −1 1 −1 Questão 3 Dada A = [ 2 2 2 −1 ] encontre, se possível, uma matriz inversível P ∈ M2(R) tal que P−1AP seja diagonal. Sejam V um espaço vetorial de dimensão n sobre K e T : V → V um operador linear. T é diagonalizável se, e somente se, existe uma base B de V formada por autovetores de T. Podemos encontrar os autovalores de um espaço por meio do polinômio característico. Ele é dado por: p(λ) = det(A− λIn) 5 ∣∣∣∣2− λ 22 −1− λ ∣∣∣∣ = (−1− λ) · (2− λ)− {4} = −2 + λ− 2λ+ λ2 − 4 = λ2 − λ− 6 O autovalores são dados por: λ1 = −2 e λ2 = 3 Os autovetores para cada λ são dados por: (A− λIn) · v = 0 λ1 = −2 [ 2 2 2 −1 ] − [ −2 0 0 −2 ] = [ 4 2 2 1 ] ⇒ [ 4 2 2 1 ] · [ x y ] = [ 0 0 ] Teremos os sistemas e as soluções: 4 · x+ 2 · y = 0→ 4x = −2y ∴ x = −y 2 2 · x+ 1 · y = 0 ∴ y = −2z ⇒ x = −y 2 A solução geral x = −y 2 y = y · −1 2 1 . O auto-vetor é dado por : −1 2 1 λ2 = 3 [ 2 2 2 −1 ] − [ 3 0 0 3 ] = [ −1 2 2 −4 ] ⇒ [ −1 2 2 −4 ] · [ x y ] = [ 0 0 ] Teremos os sistemas e as soluções: { −1 · x+ 2 · y = 0→ −x = −2y ∴ x = 2y 2 · x+ (−4) · y = 0 ∴ y = −2z ⇒ x = 2y 6 A solução geral x = 2y y = y · 2 1 . O auto-vetor é dado por : 2 1 . Portanto, a base de autovetores é dada por β′ = −1 2 1 , 2 1 Sendo D a matriz diagonal, temos que : P = [−1 2 2 1 1 ] , a matriz de autovetores. Vamos calcular a sua inversa.Usando o método da matriz adjunta, P−1 = 1 det(P ) · adj(P ) det(P ) = −1 2 − {2} = −5 2 Calculando a matriz adjunta de A, adj(P ) = (cof(P ))T cof(A) = [ 1 −1 −2 −1 2 ] ; (cof(A))T = [ 1 −2 −1 −1 2 ] Calculando a inversa de P, P−1 = −2 5 · [ 1 −2 −1 −1 2 ] ∴ P−1 = −2 5 4 5 2 5 1 5 Assim, D = P−1AP D = −2 5 4 5 2 5 1 5 [ 2 2 2 −1 ][−1 2 2 1 1 ] 7 Questão 4 Considere a matriz A = 1 0 01 −1 0 0 1 1 i) Encontre os autovalores de A. Pelo polinômio característico. Fazemos, p(λ) = det(A− λIn) Sendo In a identidade: ∣∣∣∣∣∣ 1− λ 0 0 1 −1− λ 0 0 1 1− λ ∣∣∣∣∣∣ 1− λ 0 1 −1− λ 0 1 = (−1− λ) · (1− λ)2 + 0 + 0− {0 + 0 + 0} ⇒ (−1− λ) · (1− λ)2 O autovalores são dados por: λ1 = −1 e λ2 = 1 ii) Encontre os autoespaços de A. Os autoespaços de uma matriz são dados por: ker(A− λIn) Então, temos: Para λ = −1 ∣∣∣∣∣∣ 1− λ 0 0 1 −1− λ 0 0 1 1− λ ∣∣∣∣∣∣ = ∣∣∣∣∣∣ 2 0 0 1 0 0 0 1 2 ∣∣∣∣∣∣ Então fazemos: ker 2 0 01 0 0 0 1 2 · xy z = 00 0 2 · x+ 0 · y + 0 · z = 0 ∴ x = 0 1 · x+ 0 · y + 0 · z = 0 ∴ x = 0 0 · x+ 1 · y + 2 · z = 0 ∴ y = −2z ⇒ z = −y 2 8 Então, este autoespaço é dado por: Vλ1 = {(x, y, z) ∈ R3; ( 0, y, −y 2 ) } Para λ = 1 ∣∣∣∣∣∣ 1− λ 0 0 1 −1− λ 0 0 1 1− λ ∣∣∣∣∣∣ = 0 0 00 −2 0 0 1 0 Então fazemos: ker 0 0 00 −2 0 0 1 0 · xy z = 00 0 0 · x+ 0 · y + 0 · z = 0 ∴ 0 = 0 0 · x+ (−2) · y + 0 · z = 0 ∴ y = 0 0 · x+ 1 · y + 0 · z = 0 ∴ y = 0 Então, este autoespaço é dado por: Vλ1 = {(x, y, z) ∈ R3; (x, 0, z} iii) A é diagonalizável? Dado o teorema: Sejam V um espaço vetorial sobre um corpo F, de dimensão finita n, T : V −→ V um operador linear, então T é diagonalizável se, e somente se: • O polinômio caracteristico de T possui todas as raízes em F. • A multiplicidade algébrica de cada autovalor λi de T é igual à multiplicidade geométrica de λi, ou seja, mA(λi) = mG(λi). A multiplicidade algébrica relaciona-se com a quantidade de vezes que um operador aparece como raiz do polinômio característico. Já a multiplicidade geométrica associa-se a quantidade de elementos em uma base de autovetores(dimensão). Os autovalores são -1 e 1(o número de autovalores distintos é menor do que a dimensão do espaço), portanto devemos utilizar as multiplicidades dos autovalores para verificar se o operador é diagonalizável. mA(−1) = 1, mA(1) = 2. Vamos calcular os autovetores: Os autovetores para cada λ são dados por: (A− λIn) · v = 0 9 λ1 = −1 1 0 01 −1 0 0 1 1 − −1 0 00 −1 0 0 0 −1 = 2 0 01 0 0 0 1 2 ⇒ 2 0 01 0 0 0 1 2 · xy z = 00 0 Teremos os sistemas e as soluções: 2 · x+ 0 · y + 0 · z = 0 ∴ x = 0 1 · x+ 0 · y + 0 · z = 0 ∴ x = 0 0 · x+ 1 · y + 2 · z = 0 ∴ y = −2z ⇒ z = −y 2 A solução geral x = 0 y −y 2 = y · 0 1 −1 2 . O auto-vetor é dado por : 0 1 −1 2 λ2 = 1 1 0 01 −1 0 0 1 1 − 1 0 00 1 0 0 0 1 = 0 0 01 −2 0 0 1 0 ⇒ 0 0 01 −2 0 0 1 0 · xy z = 00 0 Teremos o sistema e as soluções: 0 · x+ 0 · y + 0 · z = 0 ∴ 0 = 0 1 · x+ (−2) · y + 0 · z = 0→ x = 2y → x = 2 · 0 ∴ x = 0 0 · x+ 1 · y + 0 · z = 0 ∴ y = 0 10 A solução geral x = 00 z = z · 00 1 . O auto-vetor é dado por : v2 = 00 1 Portanto, a base de autovetores é dada por β′ = 0 1 −1 2 , 0 1 A base de autovetores é dada por apenas 2 vetores LI. Dado que λ2 possui apenas um autovetor LI, isto implica que a multiplicidade mA(2) 6= mG(2). Portanto, a matriz T não é diagonalizável. 11
Compartilhar