FACULDADE DE CIÊNCIA E TECNOLOGIA. Cursos de Engenharia. Prof. Álvaro Fernandes Serafim

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "FACULDADE DE CIÊNCIA E TECNOLOGIA. Cursos de Engenharia. Prof. Álvaro Fernandes Serafim"

Transcrição

1 FACULDADE DE CIÊNCIA E TECNOLOGIA Cursos de Engenharia Prof. Álvaro Fernandes Serafim Última atualização: //7.

2 Esta apostila de Álgebra Linear foi elaborada pela Professora Ilka Rebouças Freire. A formatação e a adaptação são do Professor Álvaro Fernandes Serafim. Temas desta apostila: Transformação linear pág. Imagem de uma transformação linear pág. Núcleo de uma transformação linear pág. 3 Matriz associada a uma transformação linear pág. 7 Autovalores e autovetores de uma transformação linear pág. Exercícios gerais pág. 8 Transformação linear Até agora só trabalhamos com funções reais de uma variável real, ou seja, funções cujos domínios e imagens são subconjuntos de R. Por exemplo: f(x) x ; f(x) x ; f(x) e x, etc. Vamos agora tratar de funções que têm como domínio e contradomínio outros espaços vetoriais como R, R 3, M (R), etc. Assim, tanto a variável independente quanto a variável dependente serão vetores, razão pela qual, funções deste tipo são também chamadas de funções vetoriais. Vamos estudar uma classe especial de funções definidas entre espaços vetoriais que são aquelas que preservam as operações de adição e a multiplicação por um escalar. Enfatizaremos as transformações lineares de R n em R m. Tais transformações têm importância fundamental no estudo da Álgebra Linear e muitas aplicações na Física e nas Engenharias. Para dizer que T é uma transformação (ou função) de um espaço vetorial V num espaço vetorial W, escrevemos T: V W. Sendo T uma função, todo vetor v V está associado a um único vetor imagem w W, tal que w T(v). Exemplos: ) T: R R 3 T(x, y) (x, y, x y). Exemplos de algumas imagens: T(, ) (,, 3); T(, ) (,, ). ) T : R 3 R 3 T(x, y, z) (x, y, ). Esta transformação é chamada de projeção ortogonal do R 3 sobre o plano XY, pois ela transforma um vetor qualquer do R 3 na sua projeção sobre o plano XY.

3 Definição de transformação linear Sejam V e W dois espaços vetoriais sobre R. Uma transformação linear T: V W é uma aplicação (função) que satisfaz as seguintes condições: i) T(u v) T(u) T(v), u, v V. ii) T(u) T(u), u V e R. Observações: ) No caso em que V W uma transformação linear T: V V é também chamada de operador linear. ) A definição nos diz em palavras que se T é uma transformação linear então a imagem da soma é a soma das imagens e a imagem de um vetor multiplicado por um escalar é igual ao escalar multiplicado pela imagem do vetor. 3) As condições i) e ii) da definição são equivalentes a T(u v) T(u) T(v). Isto significa dizer que para verificarmos se uma transformação é linear, podemos verificar apenas esta condição. Exemplos: ) A transformação T: R R, tal que T(x) x é linear. De fato: i) T(x y) (x y) x y T(x) T(y). ii) T(x) (x) (x) T(x). ) A transformação T: R R, tal que T(x) αx, α constante real, é linear. Este caso é uma generalização do anterior. As transformações acima têm como gráfico uma reta passando pela origem e motivaram a definição de transformação linear. Pode-se mostrar que toda transformação linear de R em R é do tipo descrito acima.

4 3) A transformação T: R R, tal que T(x, y) x y é linear. De fato: i) T( (x, y ) (x, y ) ) T(x x, y y ) x x y y (x y ) (x y ) T( (x, y ) ) T( (x, y ) ). ii ) T( (x, y ) ) T( (x, y ) ) x y (x y ) T(x, y ). 4) A transformação T: R R, tal que T(x, y) x y não é linear. De fato, a condição i) falha: i) T( (x, y ) (x, y ) ) T(x x, y y ) (x x ) (y y ) T(x, y ) T(x y ) (x y ) (x y ) (x x ) (y y ). Não é necessário verificar a segunda condição, visto que a primeira condição falhou. De outra forma, poderíamos mostrar, com um exemplo numérico, que esta transformação não é linear. Por exemplo, T(, ) 3 e T(, ) 5. Logo, T( (, ) ) T(, ), isto é ) A transformação T: R R, tal que T(x, y) (x, y) não é linear. De fato, a condição i) falha: i) T( (x, y ) (x, y ) ) T(x x, y y ) ( (x x ), y y ) T(x, y ) T(x y ) (x, y ) (x, y ) (x x, y y ), pois sabemos que (x x ) x x. De outra forma, poderíamos mostrar, com um exemplo numérico, que esta transformação não é linear. Por exemplo, T(, ) (, ) e T(, ) (4, ), mas T( (, ) (, ) ) T(3, ) (9, ) (, ) (4, ) (5, ). Exercícios: Verifique quais das seguintes aplicações são lineares: a) T: R 3 R definida por T(x, y, z) (x, y). b) T: R R definida por T(x, y) xy. c) T: R R definida por T(x) x. x y d) T: M (R) R definida por T x y z w. z w 3

5 Algumas transformações lineares do plano ) Reflexão em relação ao eixo ox. T: R R T(x, y) (x, -y). ) Reflexão em relação ao eixo oy. T: R R T(x, y) (-x, y). 3) Reflexão em relação à origem. T: R R T(x, y) (-x, -y). 4) Reflexão em relação à a bissetriz (reta y x). T: R R T(x, y) (y, x). 4

6 5) Cisalhamento horizontal de fator α. T: R R T(x, y) (x αy, y). Por exemplo, a transformação T: R R, tal que T(x, y) (x 3y, y) é uma transformação de cisalhamento de fator 3. Pode ser mostrado que, se T for aplicado sobre cada ponto do quadrado x mostrado na figura, então o conjunto das imagens forma o paralelogramo sombreado na figura. A idéia chave é mostrar que T transforma segmentos de reta em segmentos de reta e, depois, verificar que os vértices do quadrado são transformados nos vértices do paralelogramo. Por exemplo, a imagem do ponto u (, ) é T(u) (6, ) e a imagem de v (, ) é T(v) (8, ). A transformação T deforma o quadrado transladando-se a base superior para a direita e mantendo a inferior fixa. Transformações de cisalhamento aparecem na Física, na Computação Gráfica, na Geologia, na Cristalografia, etc. Figura. Figura. 6) A Rotação de um ângulo θ. A operação que gira cada vetor do R por um ângulo fixado θ é chamada de uma rotação do R de um ângulo θ. Vamos supor que o operador T θ gira o vetor v (x, y) no sentido antihorário por um ângulo positivo θ, obtendo o vetor w T θ (v) (x, y ). Seja φ o ângulo formado pelo vetor v com o eixo ox e r o módulo dos vetores v e w. Da trigonometria básica, temos que: x r cos(φ) e y r sen(φ). x r cos(θ φ) e y r sen(θ φ). 5

7 Desenvolvendo x e y, usando o cosseno e o seno da soma, obtemos: x xcos y xsen () θ ysen() θ () θ ycos() θ. E, portanto, T θ (x, y) ( xcos(θ) ysen(θ), xsen(θ) ycos(θ) ). Exemplos a) T 9 (x, y) ( xcos(9 ) ysen(9 ), xsen(9 ) ycos(9 ) ) (y, x). Por exemplo, T 9 (, ) (, ). b) T 45 (x, y) (xcos(45 ) ysen(45 ), xsen(45 ) ycos(45 ) ) Por exemplo, T 45 (, ) (, ). (x y), (x y). Propriedades das transformações lineares Propriedade : Se T: V W é uma transformação linear então T(), isto é, o vetor nulo de V é sempre transformado no vetor nulo de W. De fato, T() T( ) T() T() T().T() T(). Temos como conseqüência: se T(), então T não é uma transformação linear. Exemplo: A transformação T: R R, tal que T(x, y) x y, não é linear, pois T (, ). Observação: O fato de T() não garante que T seja uma transformação linear. Por exemplo, a transformação T: R R ; T(x) (x, x), é tal que T() (, ) mas T não é linear. De fato, T() (, ); T() (4, ) e T() T(3) (9, 3) T() T(). Propriedade : Se T: V W é uma transformação linear então T( u) T(u). De fato, T( u) T(.u ) ( ).T(u) T(u). Propriedade 3: Se T: V W é uma transformação linear então T(u v) T(u) T(v). De fato, T(u v) T(u ( )v) T (u) ( ).T(v) T(u) T(v). 6

8 Exemplos: ) Sabendo que T: V W é uma transformação linear tal que T(u) w e T(v) w, calcule T(3u 5v). Solução: T(3u 5v) T(3u) T(5v) 3T(u) 5T(v) 3w 5w. ) Se v α v α v... α n v n e T é uma transformação linear, então: T(v) T(α v α v... α n v n ) α T(v ) α T(v )... α n T(v n ). Este resultado é uma generalização do exemplo anterior. 3) Sabendo que T: R R é uma transformação linear e que T(, ) 4 e T(, 4) 3, determine T(, 6) e T(5, ). Como (, 6) (, ) (, 4), então T(, 6) T( (, ) (, 4) ) T(, ) T(, 4) 4 3. Como (5, ) 5(, ), então T(5, ) T( 5(, ) ) 5.T(, ) 5.4. ***** Um resultado importante sobre as transformações lineares é que elas ficam completamente determinadas se conhecemos as imagens dos vetores de uma base qualquer do domínio. Sejam V e W espaços vetoriais β {v, v,..., v n } base de V e w, w,...w n vetores arbitrários de W. Então, existe uma única transformação linear T: V W tal que T(v i ) w i, i,,..., n. Para determinar a lei da transformação linear, encontramos as coordenadas de um vetor v genérico do domínio e aplicamos a definição de transformação linear, isto é; [ v] β α α α n v α v α v... α n v n. Desta forma, T(v) T(α v α v... α n v n ) α T(v ) α T(v )... α n T(v n ) α w α w... α n w n. T(v) α w α w... α n w n. 7

9 Exemplos: Determine as transformações lineares a seguir. ) T: R R 3, tal que T(, ) (,, 3) e T(, ) (,, ). Solução: β {(, ), (, )} é uma base (canônica) do R e conhecemos as imagens dos vetores desta base. α [( x, y) ] β α ( y) α (, ) (,) x, α α x e α y. Então: ( x, y) T( α (, ) α (,) ) α T(, ) α T(,) x(,, 3) y(,,) ( x y, x, 3x y) T Logo, ( x, y) T ( x y, x, 3x y). Observe que esta lei satisfaz as condições do problema: T(, ) (,, 3) e T(,) (,, ).. ) T: R R, tal que T(, ) (, ) e T(, ) (, ). Solução: β {(, ), (, )} é uma base do R. Vamos, inicialmente, encontrar as coordenadas de um vetor genérico v (x, y) em relação a essa base. a x, β b [( y) ] (x, y) a(, ) b(, ) a b x a b y x y y x a e b. x y y x Assim, T(x, y) T( a(,) b(,) ) a.t(,) b.t(,) (, ) (, ) x y y x y x, (y, y x). Logo, ( x, y) T ( y x) y,. Observe que esta lei satisfaz as condições do problema: T(, ) (, ) e T(, ) (, ). 3) T: M (R) R, tal que T ; T 4; T ; T 3. Solução: Como x z y x w y z w, então x T z y x T w y T z T w T x 4y z 3w. 8

10 4) T: R 3 R, tal que T(,, ) (, ), T(,, ) (, ) e T(,, ) (, ). Solução: Como ( y, z) x. (,, ) y. (,, ) z. (,,) x,, então T(x, y, z) T( x.(,, ) y.(,, ) z.(,, ) ) x.t(,, ) y.t(,, ) z.t(,, ) x.(, ) y.(, ) z.(, ) (x y z, x y). Logo, T(x, y, z) (x y z, x y). Observe que esta lei satisfaz as condições T(,, ) (, ), T(,, ) (, ) e T(,, ) (, ). ***** Exercícios: ) Determine a transformação linear para cada uma das aplicações abaixo: a) T: R R 3, tal que T(, ) ( 3,, 5) e T(,) (,, 4). b) T: R 3 R, tal que T(,, ) (, ), T(,, ) (,) e T(,,) (, ). c) T: R 3 R 3, tal que T (,,) (,, 3 ), T(,, ) (,, 5) e T(, 4,) (, 3, ). ) a) Qual a transformação linear T: R R 3, tal que T (,) ( 3,,) e T(, ) (,, ) b) Determine T (, ) e T(,), usando o item (a).? 9

11 Imagem de uma transformação linear Vamos estudar um subespaço importante do contradomínio W de uma transformação linear T: V W. Definição: A imagem de T, indicada por Im(T), é o conjunto dos vetores w de W tais que existe um vetor v em V que satisfaz T(v) w, isto é, Im(T) {w W / v V e T(v) w}. Teorema: Seja T: V W uma transformação linear. Então a Im(T) é um subespaço vetorial de W. De fato, i) Im(T), pois em qualquer transformação linear T(). ii) Sejam w e w vetores pertencentes a Im(T). Então w w Im(T), pois: v V tal que T(v ) w e v V tal que T(v ) w. Então, w w T(v ) T(v ) T(v v ). iii) Seja w Im(T) e R. Então w Im(T). Pois, v V, tal que T(v) w. Então, w T(v) T(v).

12 Transformação linear sobrejetora Quando a imagem de uma transformação linear T: V W é igual ao contradomínio, dizemos que a transformação T é sobrejetora. Para que isto ocorra é necessário que dim(im(t)) dim(w), já que Im(T) W. Exemplo: Dada a transformação T: R R 3, tal que T(x, y) (, x, y), determine Im(T). Im(T) {T(x, y); (x, y) R } {(, x, y); x e y R} {x(,, ) y(,, ); x e y R} [(,, ), (,, )]. A imagem da transformação T é o subespaço gerado pelos vetores j (,, ) e k (,, ). Este subespaço corresponde graficamente ao plano zy do R 3 : Neste caso, dim(im(t)) 3 dim(r 3 ). Assim, a transformação não é sobrejetora. Os geradores da Im(T) poderiam ser encontrados também de outra forma. Tome uma base qualquer do domínio e calcule a imagem desses vetores. O subespaço gerado por estes vetores é Im(T). No exemplo anterior temos que {(, ), (, )} é uma base (canônica) do R. Temos então que Im(T) [T(, ), T(, )] [(,, ), (,, )]. Este resultado é válido de uma forma geral para todas as transformações lineares e é enunciado da seguinte forma: Seja T: V W uma transformação linear e β {v, v,...,v n } uma base de V. Então Im(T) [T(v ), T(v ),...,T(v n )]. Este resultado nos diz que a imagem de uma transformação linear é gerada pelas imagens dos vetores de uma base qualquer do domínio.

13 Exemplos: Determine os geradores da imagem das transformações lineares abaixo e também uma base para imagem: ) T: R 3 R 4, tal que T(x, y, z) (x z,, y, ). T(,, ) (,,, ). T(,, ) (,,, ). T(,, ) (,,, ). Assim, Im(T) [(,,, ), (,,, ), (,,, )] [(,,, ), (,,, )]. Uma base β para imagem neste caso é β {(,,, ), (,,, )}. Neste caso, dim(im(t)) 4 dim(r 4 ). Assim, a transformação não é sobrejetora. ) T: R R, tal que T(x, y) (x, y) (Reflexão em torno do eixo OY). T(, ) (, ). T(, ) (, ). Assim, Im(T) [(, ), (, )] R. Uma base β para imagem neste caso é β {(, ), (, )}. Neste caso, dim(im(t)) dim(r ). Assim, a transformação é sobrejetora. Proposição: Se T: V W é uma transformação linear e dim(v) < dim(w), T não pode ser uma transformação sobrejetora. Exercício: Demonstre esta proposição. Por exemplo, é impossível obter uma transformação sobrejetora T: R 3 M (R). Por que?

14 Núcleo de uma transformação linear Vamos estudar agora um subespaço importante do domínio V de uma transformação linear T: V W. Definição: Seja T: V W uma transformação linear. O núcleo de T, indicado por N(T), é o conjunto de todos os vetores v V que possuem imagem nula, isto é, T(v). N(T) {v V; T(v) } N(T) pode também ser indicado por ker(t) e chamado de kernel. Teorema: Seja T: V W uma transformação linear. Então a N(T) é um subespaço vetorial de V. De fato, i) N(T), pois em qualquer transformação linear T(). ii) Sejam v e v vetores pertencentes a N(T). Então v v N(T), pois: T(v ) e T(v ). Então, T(v v ) T(v ) T(v ). iii) Seja v N(T) e R. Então v N(T), pois: T(v) e T(v) T(v).. Exemplos: ) Dada a transformação linear T: R 3 R, tal que T(x, y, z) (, y), temos que: N(T) {(x, y, z ) R 3 ; T(x, y, z ) (, )} {(x, y, z ) R 3 ; (, y) (, )} {(x, y, z ) R 3 ; y } {(x,, z ) R 3 } {x(,, ) z(,, ) R 3 } [(,, ), (,, )]. Logo, N(T) [(,, ), (,, )]. Observe que o núcleo de T é o subespaço gerado pelos vetores i (,, ) e k (,, ). Graficamente, N(T) é o plano xz de R 3 : 3

15 Observe que dim(n(t)). ) Dada a transformação linear T: R 3 R 3, tal que T(x, y, z) (x, y, ), temos que: N(T) {(x, y, z) R 3 ; T(x, y, z) (,, )} {(x, y, z) R 3 ; x e y }. Logo, N(T) {(,, z) R 3 ; z R} [(,, )]. Observe que N(T) é uma reta do espaço, mais precisamente, N(T) é o eixo OZ. A dimensão do núcleo neste caso é igual a. 3) Dada a transformação linear T: R R, tal que T(x, y) (x, y), temos que: N(T) {(x, y) R ; T(x, y) (, )} {(x, y) R ; (x, y) (, )} {(x, y) R ; x e y } {(, )}. Logo, N(T) {(, )}.Observe que N(T) é o subespaço nulo. A dimensão do núcleo neste caso é zero. O conceito de função injetora se estende naturalmente para as transformações lineares. Afinal uma transformação linear é uma função!! Vamos relembrar a definição. Transformação linear injetora Uma transformação T: V W é injetora se dados u e v V, temos que T(u) T(v) u v ou, de forma equivalente, u v T(u) T(v) Obs.: De acordo com a definição, uma transformação injetora não admite dois vetores distintos do domínio com mesma imagem, isto é, não pode ocorrer a situação do diagrama abaixo: 4

16 Exemplo: A transformação T: R R 3, tal que T(x, y) (, x y, ) não é injetora, pois (, ) (, ) mas T(, ) T(, ). Um teorema importante garante que uma transformação linear é injetora se o seu núcleo possui apenas o vetor nulo. Observe que na transformação acima N(T) {(, )}, pois o vetor (, ), além de outros vetores, tem imagem nula. Teorema: Seja T: V W uma transformação linear. Então, T é injetora se, e somente se, N(T) {}. De fato, seja v N(T). Vamos mostrar que v só pode ser o vetor nulo. v N(T) T(v). Numa transformação linear T(). Como T é uma transformação injetora, e T(v) T(), então v. Reciprocamente, se N(T) {}, vamos mostrar que T(u) T(v) u v, u, v V. T(u) T(v) T(u) T(v) T(u v) (u v) N(T) {} u v. Logo, u v. Exemplo: A transformação T: R R, tal que T(x, y) ( x, y) é uma transformação injetora, uma vez que calculamos N(T) {(, )}. Exemplo: Sabemos que a transformação T: R R 3, tal que T(x, y) (, x y, ) não é injetora, pois (, ) (, ) mas T(, ) T(, ). Podemos verificar este fato também calculando o núcleo desta transformação: N(T) {(x, y) R / x y } {(y, y) / y R} [(, )] {(, )}. Transformação linear bijetora Uma transformação T: V W é bijetora se T é simultaneamente injetora e sobrejetora. Exemplo: Mostre que a transformação T: R R, tal que T(x, y) (x y, x) é bijetora. N(T) {(x, y) R / x y e x } {(, )}. Logo, T é injetora. T é sobrejetora, pois dim(im(t)), uma vez que Im(T) [T(, ), T(, )] [(, ), (, )] R. Exercício: Verifique se a transformação linear T: R 3 R 3, tal que T(x, y, z) (y z, x z, x y) é bijetora. 5

17 Exercício: Considere a transformação linear T: R R, tal que T(x, y) x y. Determine N(T), Im(T) e as suas dimensões. N(T) {(x, y) R ; T(x, y) x y } {(x, x ) ; x R } [(, )]. Assim, N(T) [(, )] e dim(n(t)). Im(T) [T(, ), T(, )] [, ] []. Assim, Im(T) [] R e dim(im(t)). Observe que a dimensão do domínio é igual à soma das dimensões do núcleo e da imagem, isto é, dim(r ) dim(n(t)) dim(im(t)). Este resultado vale de uma forma geral para todas as transformações lineares e está expresso no seguinte teorema: Teorema do Núcleo e da Imagem Se T: V W é uma transformação linear, então dim(v) dim(n(t)) dim(im(t)). Exercício: Seja T: R 3 R uma transformação linear definida por T(x, y, z) (x y, x y z). a) Determine uma base e a dimensão do núcleo de T; b) Determine uma base e a dimensão da imagem de T. Proposição: Se T: V W é uma transformação linear e dim(v) > dim(w), T não pode ser uma transformação injetora. Exercício: Demonstre esta proposição (use o Teorema do Núcleo e da Imagem). Por exemplo, é impossível obter uma transformação injetora T: M (R) R 3. Por que? Proposição: Seja T: V W uma transformação linear. Se T é bijetora, então dim(v) dim(w). Ora, se T é injetora, então dim(v) dim(w). Como T também é sobrejetora, então dim(v) dim(w). Logo, T é bijetora na única condição dim(v) dim(w). Obs.: Uma transformação linear bijetora também é chamada de isomorfismo. 6

18 Matriz associada a uma transformação linear Vamos agora relacionar as transformações lineares às matrizes e veremos que, num certo sentido, o estudo das transformações lineares é equivalente ao estudo das matrizes. Consideremos o seguinte exemplo: Seja A a matriz A e consideremos a transformação linear que indicaremos por T A : T A : R 3 R A ( x, y, z) T x y z x x y z T A x, y, z y. y z z A, isto é, ( ) Observe que tomamos o vetor (, y, z) matriz A estivesse bem definida. x na forma de matriz coluna para que a operação com a Podemos interpretar T ( x, y, z) ( x y z, y z), pois as coordenadas do vetor T ( x, y, z) em relação á base canônica β do R é A x y z T. y z [ A ( x, y, z) ] β Observação: Dada uma matriz A M mxn (R), ela pode ser interpretada como uma transformação linear T A : R n R m onde os vetores são tomados através de suas coordenadas em relação às bases canônicas do R n e R m. De uma maneira geral, fixada uma matriz A, A M mxn (R), e considerando a aplicação T A do R n em R m T A : R n R m T A v A v ( ) onde v é considerado um vetor coluna do R n, isto é, v é uma matriz coluna n x, podemos afirmar que T A é uma transformação linear. De fato: Usando as propriedades de matrizes já conhecidas, temos que: T A (u v) A (u v) A u A v A u A v T A (u) T A (v). A Dados V e W espaços vetoriais, α {v, v,...v n } base de V e β {w, w,...w m } base de W, toda matriz A de ordem m x n induz uma transformação linear de V em W: T: V W [T(v)] β A [v] α. 7

19 Exemplos: ) Seja A, determine a transformação linear induzida por A de R3 em R, onde α {(,, ), (,, ), (,, )} e β {(, ), (, )} são as bases canônicas do R 3 e R, respectivamente. Solução: T: R 3 R [T (x, y, z)] β A[v] α As coordenadas do vetor (x, y, z) em relação à base α são [ ] x A x y v y α x y z z. [T (x, y, z )] β [] x v α y. z Assim, T(x, y, z) (x y)(, ) (x y z)(, ) (x y, x y z). ) Sejam V R, considerado com a base α {(, ), (, )}, W R 3 com a base β {(,, ), (,, ), (,, )} e A. Determine T A : R R 3. Solução: [(x, y)] α x y. Logo, [T(x, y)] β A[(x, y)] α x y x x. y x y Portanto, T(x, y) (x y)(,, ) x(,, ) (x y)(,, ) (3x 3y, x y, x y). Definição de matriz associada a uma transformação linear Seja T: V W uma transformação linear, V e W espaços vetoriais de dimensão n e m, respectivamente. Considere α {v, v,...,v n } base de V e β {w, w,...,w m } base de W. Definimos a matriz da transformação T em relação às bases α e β, e indicamos por [ T ] α β, como sendo a matriz de ordem mxn cuja j-ésima coluna é formada pelas coordenadas do vetor T(v j ) na base β. Observação: No caso em que α e β são as bases canônicas, indicamos a matriz da transformação linear simplesmente por [T], isto é, [ T ] α β [T]. 8

20 Exemplos: ) Considere V R 3 e W R com as suas respectivas bases canônicas α e β. Sendo T: R 3 R, definida por T(x, y, z) (x y, y z), determine a matriz da transformação [T]. Solução: T(,, ) (, ), T (,, ) (, ) e T (,, ) (, ). Como [(, )] β, [(, )]β e [(, )] β, então [ ] T. ) Considere V R e W R 3 com as suas respectivas bases canônicas α e β. a) Sendo T: R R 3, definida por T(x, y) (3x 3y, x y, x y), determine [T]. Solução: T(, ) (3,, ) e T(, ) (3,, ). Como (3,, )] β 3 e (3,, )] β 3, então [ ] 3 3 T. b) Sendo 3 3 A, determine T A : R R 3. Solução: x (x, y) α. y Sendo α a base canônica de R, temos que [ ] 3 3 3x 3y x T(x, x y. Sendo β a base canônica de R 3, temos y x y então, T(x, y) (3x 3y)(,, ) (x y)(,, ) (x y)(,, ) (3x 3y, x y, x y). Assim, [ y) ] β A [(x, y) ] α Assim, T A (x, y) (3x 3y, x y, x y). Comparando os resultados dos itens a) e b), observe que T(x, y) T A (x, y) e que [T] A. Concluímos que a transformação T tem como matriz associada a matriz A que induz T A. 9

21 O resultado observado no exemplo anterior é geral para todas as transformações lineares e está traduzido no seguinte teorema: Seja T: V W uma transformação linear, V e W espaços vetoriais de dimensão α T(v) T v. finita de bases ordenadas α e β, respectivamente. Então [ ] [ ] β [ ] α β Exercício: Considere V R e W R 3 com as suas respectivas bases canônicas α e β. Seja T: R R 3 a transformação linear induzida pela matriz 3 3 A. Determine T(, ). 3 3 α Solução: Como [ T ] β, temos que [ T(, ) ] β [ T ] α. β [(, ) ] α Logo, T(, ) 9(,, ) 4(,, ) 3(,, ) (9, 4, 3). Exercício: Considere V R 3 e W R com as respectivas bases α { (,, ), (-,, ), (,, ) } de V e β { (, ), (, ) } de W. Seja [ ] α - T β 3 - determine T(x, y, z). a matriz associada a transformação linear T: R 3 R. Nestas condições, y Solução: [ T(x, y, z) ] [ T ] α [(x, y, z) ]. Calcule [(x, y, z) ] α e obtenha [ ] α Assim, α [ ] [ ] [ ] β β α (x, y, z) y-x. zx-y y - -yzx-y x-yz T(x, y, z) T (x, y, z) y-x β β α 3-3yy-x- ( zx-y. ) -x5y-z zx-y x-yz T(x, y, z) T(x, y, z) (x-yz) (, ) (-x5y-z) (, ) (x-yz, -3x8y-z) β -x5y-z [ ] Resposta: T(x, y, z) (x-yz, -3x8y-z).

22 Autovalores e autovetores de uma transformação linear Vamos analisar agora um determinado aspecto de um operador linear T, ou seja, de uma transformação linear de um espaço vetorial V nele próprio, T: V V. Consideremos a transformação T : R R, tal que T(x, y) (x, y) (reflexão em relação ao eixo ox). A pergunta que se coloca é: Existem vetores cujas imagens pelo operador T continuam na mesma reta (com a mesma direção)? Observemos que: Todo vetor que está sobre o eixo OX é mantido fixo por T, isto é, T(x, ) (x, ). Todo vetor que está sobre o eixo OY continua sobre o eixo OY, isto é, T(, y) (, y) (, y). Os eixos OX e OY neste caso são ditos invariantes em relação ao operador T. Todo vetor sobre o eixo OX é transformado noutro vetor sobre o mesmo eixo. O mesmo acontece com vetores sobre o eixo OY. Será que todo operador tem essa propriedade? Isto é, existe sempre um vetor v tal que T(v) v, sendo um número real? Vejamos mais um exemplo. T: R R, tal que T(x, y) (y, x) (Rotação de 9 ). Existe algum vetor v que depois de sofrer uma rotação de 9 continua sobre a mesma reta? Resp.: Apenas o vetor nulo possui essa propriedade.

23 A nossa questão agora é investigar o seguinte aspecto: Dado um operador linear T: V V, que vetores de V são transformados em múltiplos de si mesmos? Esta investigação vai nos levar aos conceitos de autovalor e autovetor. Tais conceitos têm inúmeras aplicações, principalmente no estudo das equações diferenciais. Também fornecem informações importantes em projetos de Engenharia e aparecem naturalmente nas áreas de Física e Química. Definição de autovalor e autovetor Seja T: V V um operador linear. Se existe um vetor v V (v ) e R, tal que T(v) v dizemos então que é um autovalor de T e v é um autovetor de T associado a. Observação: Os autovalores são também chamados de valores característicos ou valores próprios. Os autovetores são também chamados de vetores característicos ou vetores próprios. Exemplos: ) Considere o operador linear T: R R, tal que T(x, y) (x, y). Todos os vetores da forma v (x, ), x, são autovetores associados ao autovalor, uma vez que T(v).v. Todos os vetores da forma v (, y), y, são autovetores associados ao autovalor, uma vez que T(v).v. ) Considere o operador linear T: V V, tal que T(v) αv, α R. Claramente percebemos que qualquer vetor v é autovetor associado ao autovalor α. 3) Considere o operador linear T: R R, tal que T(x, y) (x, y) (reflexão em relação à origem). Todos os vetores v (,) são autovetores associados ao autovalor, uma vez que T(v) v. 4) Considere o operador linear T: R 3 R 3, tal que T(x, y, z) 5(x, y, z). Todos os vetores v (,,) são autovetores associados ao autovalor 5, uma vez que T(v) 5v.

24 Definição: O conjunto de todos os vetores de V tais que T(v) v é um subespaço de V chamado de autoespaço (ou subespaço) associado ao autovalor e indicado por V. V {v V / T(v) v}. De fato V é um subespaço de V: i) V, pois T(). ii) Se v e v V, então v v V, pois: v V T(v ) v. v V T(v ) v. Assim, T(v v ) T(v ) T(v ) v v (v v ). iii) Se v V e k R, então kv V, pois: v V T(v ) v. Assim, T(kv ) kt(v ) kv (kv ). Exemplos: a) Os autoespaços do operador linear T: R R, tal que T(x, y) (x, y) são: V {(x, ); x R} e V {(, y); y R} como foi verificado no exemplo anterior. b) O autoespaço do operador linear T: R R, tal que T(x, y) 3(x, y) é: V 3 {(x, y) / x R e y R} R. Observe que T(v) 3v, para todo v R. 3

25 Cálculo dos autovalores e autovetores O cálculo dos autovalores e autovetores pode se tornar bastante trabalhoso se usarmos simplesmente a definição. Vamos buscar um método prático para encontrar autovalores e, conseqüentemente, autovetores de um operador T. Isso será obtido através da matriz associada ao operador. Definição: Dada uma matriz quadrada A de ordem n, definimos os autovalores e autovetores de A como sendo os autovalores e autovetores da transformação induzida por A, em relação à base canônica do R n. T: R n R n T(v) Av. Assim, um autovalor R e um autovetor v R n são as soluções da equação Av v, pois: T(v) Av e T(v) v. Queremos, portanto, encontrar os valores de tais que Av v, para v. Av v Av I n v Av I n v (A I n )v. Obs.: I n é a matriz identidade de ordem n. A equação matricial (A I n )v nos leva a um sistema quadrado homogêneo com n equações e n incógnitas. Uma vez que estamos procurando autovetores v, não queremos que o sistema tenha apenas a solução trivial (caso em que não haverá autovetor). Estamos, portanto, interessados no caso em que o sistema seja possível indeterminado (tenha infinitas soluções). Isto acontecerá se det(a I n ) (lembre-se da Regra de Cramer: Se o sistema é homogêneo, então o determinante da matriz dos coeficientes nulo implica num sistema possível indeterminado). Exemplo : Encontre os autovalores, os autovetores e os autoespaços do operador T: R R, tal que T x, y x, y. ( ) ( ) Solução: A matriz associada a este operador linear é A. Queremos encontrar os valores de tais que (A I )v. Assim: x y x. y O sistema acima terá solução não trivial se, e somente se, det. 4

26 5 det ( ).( ) ou. Os autovalores são, portanto, e. Para cada um deles encontramos os seguintes autoespaços associados: Para : (A I )v (A I )v y x y x y x y x. A solução deste sistema é x, y, isto é, {(x, y) R ; x } [(, )]. Logo, o autoespaço associado a é V [(, )]. Para : (A I )v (A I )v y x y x y x y x. A solução deste sistema é y, x, isto é, {(x, y) R ; y } [(, )]. Logo, o autoespaço associado a é V - [(, )]. Exemplo : Encontre os autovalores, os autovetores e os autoespaços do operador T: R 3 R 3, tal que ( ) ( ) 3z x z, y x z, z y, x, T. Solução: A matriz associada a este operador linear é 3 A.

27 6 Queremos encontrar os valores de tais que (A I 3 )v. Assim: z y x 3 z y x 3. O sistema acima terá solução não trivial se, e somente se, 3 det. 3 det Lembremos o seguinte fato: Todas as soluções inteiras (se houver) de uma equação polinomial c... c c n n n n com coeficientes inteiros c i são divisores do termo independente c n. No nosso caso, , as únicas possíveis soluções inteiras são os divisores de 4, ou seja, ±, ± e ± 4. Substituindo sucessivamente cada um destes valores na equação encontramos rapidamente como uma raiz. Logo, podemos fatorar esta equação (usando o dispositivo prático de Briot-Ruffini) como ( )( ) (verifique!) Os autovalores são, portanto, e. Para cada um deles encontramos os seguintes autoespaços associados: Para : (A I 3 )v (A I 3 )v z y x 3 z y x z y x z y x z y x. O conjunto solução deste sistema é: {(x, y, z) R 3 ; x z e y z} {(z, z, z) / z R} {z(,, ) / z R} [(,, )]. Logo, o autoespaço associado a é V [(,, )].

28 7 Para : (A I 3 )v (A I 3 )v z y x 3 z y x z y x z y x z y x. O conjunto solução deste sistema é: {(x, y, z) R 3 ; x z } {(z, y, z) / z, y R} {z(,, ) y(,, ) / z, y R} [(,, ), (,, )]. Logo, o autoespaço associado a é V [(,, ), (,, )]. ***** Os casos analisados nos exemplos anteriores são gerais, isto é, valem para todos os operadores lineares e estão traduzidos nos seguintes resultados: Os autovalores (e autovetores) de um operador linear T são os mesmos da matriz associada a T em relação a uma base qualquer. Observemos que det(a I n ) é um polinômio na variável. Este polinômio é chamado de polinômio característico da matriz A (ou de T). Seja T: V V um operador linear, α uma base de V e dim(v) n. Resolver a equação T(v) v é equivalente a resolver a equação AX I n X, onde A [ ] α α T e X [ ] α v. Seja T: V V um operador linear, α uma base de V e dim(v) n. Se A [ ] α α T, então: é autovalor de T det(a I n ).

29 EXERCÍCIOS GERAIS. Verifique se a transformação T : R R, tal que T ( x, y) ( x y, 5 y) é linear.. a) Qual a transformação linear T : 3 R R tal que T (,) ( 3,,4) e T (,3) (, 4,) b) Determine, se possível, o vetor ( x, y) R, tal que ( x, y) ( 5,, 7)? T. 3. Considere a transformação linear T : 4 R 3 R tal que T ( x,y,z) (,, x y z, 5z). a) Determine uma base para N(T); b) Determine, justificando, dim (N(T)) e dim (Im(T)); c) Determine, justificando, geradores para Im(T); d) T é sobrejetora? Justifique a sua resposta. 4. a) Determine uma transformação linear T : N { } R 3 R 3 ( T ) ( x, y,z) R / x y z e (,, ) (,, ) 3 T., tal que b) Determine [ T (,, ) ] β, sendo {(,3, ),(,,3 ), (, 7, )} β base de 3 R. 5. Sabendo que a matriz de uma transformação linear { } R e B (,, ),(,, ),(,, ) do a) Encontre a expressão de ( x, y) b) Determine, se possível, v T ; 3 R é [ ] T : T A B 3 : R tal que T ( v) (,,). { } 3 R R nas bases A (, ),(, ) do, v, são autovetores de um operador linear T : R R, associados aos autovalores 5 e, respectivamente. Determine a imagem do vetor 6. Os vetores v ( ) e ( ) v ( 4, ) por esse operador. Referências Bibliográficas: Álgebra Linear Alfredo Steinbruch / Paulo Winterle. Álgebra Linear Boldrini / Costa / Figueiredo / Wetzler. Álgebra Linear Caliolli. Álgebra Linear com Aplicações Anton / Rorres. Álgebra Linear e suas Aplicações David C. Lay. 8

Prof. Márcio Nascimento. 22 de julho de 2015

Prof. Márcio Nascimento. 22 de julho de 2015 Núcleo e Imagem Prof. Márcio Nascimento marcio@matematicauva.org Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Linear

Leia mais

ÁLGEBRA LINEAR. Núcleo e Imagem de uma Transformação Linear, Teorema da Dimensão, Isomorfismo. Prof. Susie C. Keller

ÁLGEBRA LINEAR. Núcleo e Imagem de uma Transformação Linear, Teorema da Dimensão, Isomorfismo. Prof. Susie C. Keller ÁLGEBRA LINEAR Núcleo e Imagem de uma Transformação Linear, Teorema da Dimensão, Isomorfismo Prof. Susie C. Keller Núcleo de uma Definição: Chama-se núcleo de uma transformação linear T: V W ao conjunto

Leia mais

TRANSFORMAÇÃO LINEAR. Álgebra Linear - Prof a Ana Paula

TRANSFORMAÇÃO LINEAR. Álgebra Linear - Prof a Ana Paula Álgebra Linear - Prof a na Paula TRNSFORMÇÃO LINER Definição: T é uma transformação do espaço vetorial V no espaço vetorial W, T : V W, se cada vetor v V tem um só vetor imagem w W, que será indicado por

Leia mais

Álgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.

Álgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp. Álgebra Linear AL Luiza Amalia Pinto Cantão Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.br Transformações Lineares 1 Definição e Exemplos 2 Núcleo e Imagem

Leia mais

Prova de Admissão para o Mestrado em Matemática IME-USP - 23.11.2007

Prova de Admissão para o Mestrado em Matemática IME-USP - 23.11.2007 Prova de Admissão para o Mestrado em Matemática IME-USP - 23.11.2007 A Nome: RG: Assinatura: Instruções A duração da prova é de duas horas. Assinale as alternativas corretas na folha de respostas que está

Leia mais

CAPÍTULO 6 TRANSFORMAÇÃO LINEAR

CAPÍTULO 6 TRANSFORMAÇÃO LINEAR INODUÇÃO AO ESUDO DA ÁLGEBA LINEA CAPÍULO 6 ANSFOMAÇÃO LINEA Introdução Muitos problemas de Matemática Aplicada envolvem o estudo de transformações, ou seja, a maneira como certos dados de entrada são

Leia mais

Lista 1 para a P2. Operações com subespaços

Lista 1 para a P2. Operações com subespaços Lista 1 para a P2 Observação 1: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós sugerimos

Leia mais

Exercícios Adicionais

Exercícios Adicionais Exercícios Adicionais Observação: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós recomendamos

Leia mais

Álgebra Linear Volume 2

Álgebra Linear Volume 2 MATEMÁTICA Graduação Álgebra Linear Volume 2 Luiz Manoel Figueiredo Marisa Ortegoza da Cunha Módulo Volume 3 2ª edição 2 Luiz Manoel Figueiredo Marisa Ortegoza da Cunha I SBN 85-7648 - 315-7 Álgebra Linear

Leia mais

Álgebra Linear. André Arbex Hallack Frederico Sercio Feitosa

Álgebra Linear. André Arbex Hallack Frederico Sercio Feitosa Álgebra Linear André Arbex Hallack Frederico Sercio Feitosa Janeiro/2006 Índice 1 Sistemas Lineares 1 11 Corpos 1 12 Sistemas de Equações Lineares 3 13 Sistemas equivalentes 4 14 Operações elementares

Leia mais

Gobooks.com.br. PucQuePariu.com.br

Gobooks.com.br. PucQuePariu.com.br ÁLGEBRA LINEAR todos os conceitos, gráficos e fórmulas necessárias, em um só lugar. Gobooks.com.br PucQuePariu.com.br e te salvando de novo. Agora com o: RESUMO ÁLGEBRA LINEAR POR: Giovanni Tramontin 1.

Leia mais

NOÇÕES DE ÁLGEBRA LINEAR

NOÇÕES DE ÁLGEBRA LINEAR ESPAÇO VETORIAL REAL NOÇÕES DE ÁLGEBRA LINEAR ESPAÇOS VETORIAIS Seja um conjunto V φ no qual estão definidas duas operações: adição e multiplicação por escalar, tais que u, v V, u+v V e α R, u V, αu V

Leia mais

TRANSFORMAÇÕES LINEARES. Álgebra Linear e Geometria Analítica Prof. Aline Paliga

TRANSFORMAÇÕES LINEARES. Álgebra Linear e Geometria Analítica Prof. Aline Paliga TRANSFORMAÇÕES LINEARES Álgebra Linear e Geometria Analítica Prof. Aline Paliga INTRODUÇÃO Estudaremos um tipo especial de função, onde o domínio e o contradomínio são espaços vetoriais reais. Assim, tanto

Leia mais

Álgebra Linear I Solução da 5ª Lista de Exercícios

Álgebra Linear I Solução da 5ª Lista de Exercícios FUNDAÇÃO EDUCACIONAL SERRA DOS ÓRGÃOS CENTRO UNIVERSITÁRIO SERRA DOS ÓRGÃOS Centro de Ciências e Tecnologia Curso de Graduação em Engenharia de Produção Curso de Graduação em Engenharia Ambiental e Sanitária

Leia mais

Exercícios 1. Determinar x de modo que a matriz

Exercícios 1. Determinar x de modo que a matriz setor 08 080509 080509-SP Aula 35 MATRIZ INVERSA Uma matriz quadrada A de ordem n diz-se invertível, ou não singular, se, e somente se, existir uma matriz que indicamos por A, tal que: A A = A A = I n

Leia mais

Curvas em coordenadas polares

Curvas em coordenadas polares 1 Curvas em coordenadas polares As coordenadas polares nos dão uma maneira alternativa de localizar pontos no plano e são especialmente adequadas para expressar certas situações, como veremos a seguir.

Leia mais

Discussão de Sistemas Teorema de Rouché Capelli

Discussão de Sistemas Teorema de Rouché Capelli Material by: Caio Guimarães (Equipe Rumoaoita.com) Discussão de Sistemas Teorema de Rouché Capelli Introdução: Apresentamos esse artigo para mostrar como utilizar a técnica desenvolvida a partir do Teorema

Leia mais

Álgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013

Álgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013 Álgebra Linear Mauri C. Nascimento Departamento de Matemática UNESP/Bauru 19 de fevereiro de 2013 Sumário 1 Matrizes e Determinantes 3 1.1 Matrizes............................................ 3 1.2 Determinante

Leia mais

Potenciação no Conjunto dos Números Inteiros - Z

Potenciação no Conjunto dos Números Inteiros - Z Rua Oto de Alencar nº 5-9, Maracanã/RJ - tel. 04-98/4-98 Potenciação no Conjunto dos Números Inteiros - Z Podemos epressar o produto de quatro fatores iguais a.... por meio de uma potência de base e epoente

Leia mais

Unidade II - Sistemas de Equações Lineares

Unidade II - Sistemas de Equações Lineares Unidade II - Sistemas de Equações Lineares 1- Situando a Temática Discutiremos agora um dos mais importantes temas da matemática: Sistemas de Equações Lineares Trata-se de um tema que tem aplicações dentro

Leia mais

Função. Definição formal: Considere dois conjuntos: o conjunto X com elementos x e o conjunto Y com elementos y. Isto é:

Função. Definição formal: Considere dois conjuntos: o conjunto X com elementos x e o conjunto Y com elementos y. Isto é: Função Toda vez que temos dois conjuntos e algum tipo de associação entre eles, que faça corresponder a todo elemento do primeiro conjunto um único elemento do segundo, ocorre uma função. Definição formal:

Leia mais

Lista de Exercícios 03

Lista de Exercícios 03 Lista de Exercícios 03 Aplicações das relações e funções no cotidiano Ao lermos um jornal ou uma revista, diariamente nos deparamos com gráficos, tabelas e ilustrações. Estes, são instrumentos muito utilizados

Leia mais

Sistemas Lineares. Módulo 3 Unidade 10. Para início de conversa... Matemática e suas Tecnologias Matemática

Sistemas Lineares. Módulo 3 Unidade 10. Para início de conversa... Matemática e suas Tecnologias Matemática Módulo 3 Unidade 10 Sistemas Lineares Para início de conversa... Diversos problemas interessantes em matemática são resolvidos utilizando sistemas lineares. A seguir, encontraremos exemplos de alguns desses

Leia mais

Exercícios Teóricos Resolvidos

Exercícios Teóricos Resolvidos Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar

Leia mais

Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU

Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) III Resolução de sistemas lineares por métodos numéricos. Objetivos: Veremos

Leia mais

QUESTÕES COMENTADAS E RESOLVIDAS

QUESTÕES COMENTADAS E RESOLVIDAS LENIMAR NUNES DE ANDRADE INTRODUÇÃO À ÁLGEBRA: QUESTÕES COMENTADAS E RESOLVIDAS 1 a edição ISBN 978-85-917238-0-5 João Pessoa Edição do Autor 2014 Prefácio Este texto foi elaborado para a disciplina Introdução

Leia mais

ESPAÇOS MUNIDOS DE PRODUTO INTERNO

ESPAÇOS MUNIDOS DE PRODUTO INTERNO ESPAÇOS MUNIDOS DE PRODUTO INTERNO Angelo Fernando Fiori 1 Bruna Larissa Cecco 2 Grazielli Vassoler 3 Resumo: O presente trabalho apresenta um estudo sobre os espaços vetoriais munidos de produto interno.

Leia mais

Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 2013/I

Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 2013/I 1 Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 013/I 1 Sejam u = ( 4 3) v = ( 5) e w = (a b) Encontre a e b tais

Leia mais

Disciplina: Introdução à Álgebra Linear

Disciplina: Introdução à Álgebra Linear Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte Campus: Mossoró Curso: Licenciatura Plena em Matemática Disciplina: Introdução à Álgebra Linear Prof.: Robson Pereira de Sousa

Leia mais

Seleção 2015 - Edital N 15/2014

Seleção 2015 - Edital N 15/2014 Departamento de Áreas Acadêmicas II Curso de Especialização em Matemática Seleção 015 - Edital N 15/014 INSTRUÇÕES: 1. O horário da realização da prova é previsto de 14h00min até as 17h30min.. A prova

Leia mais

Um sistema de equações lineares (sistema linear) é um conjunto finito de equações lineares da forma:

Um sistema de equações lineares (sistema linear) é um conjunto finito de equações lineares da forma: Sistemas Lineares Um sistema de equações lineares (sistema linear) é um conjunto finito de equações lineares da forma: s: 2 3 6 a) 5 2 3 7 b) 9 2 3 Resolução de sistemas lineares Metodo da adição 4 100

Leia mais

4. Tangentes e normais; orientabilidade

4. Tangentes e normais; orientabilidade 4. TANGENTES E NORMAIS; ORIENTABILIDADE 91 4. Tangentes e normais; orientabilidade Uma maneira natural de estudar uma superfície S consiste em considerar curvas γ cujas imagens estão contidas em S. Se

Leia mais

E A D - S I S T E M A S L I N E A R E S INTRODUÇÃO

E A D - S I S T E M A S L I N E A R E S INTRODUÇÃO E A D - S I S T E M A S L I N E A R E S INTRODUÇÃO Dizemos que uma equação é linear, ou de primeiro grau, em certa incógnita, se o maior expoente desta variável for igual a um. Ela será quadrática, ou

Leia mais

Análise de Arredondamento em Ponto Flutuante

Análise de Arredondamento em Ponto Flutuante Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto

Leia mais

Resolução dos Exercícios sobre Derivadas

Resolução dos Exercícios sobre Derivadas Resolução dos Eercícios sobre Derivadas Eercício Utilizando a idéia do eemplo anterior, encontre a reta tangente à curva nos pontos onde e Vamos determinar a reta tangente à curva nos pontos de abscissas

Leia mais

Estudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:

Estudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser: 1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia

Leia mais

Resolução de sistemas lineares

Resolução de sistemas lineares Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)

Leia mais

Retas e Planos. Equação Paramétrica da Reta no Espaço

Retas e Planos. Equação Paramétrica da Reta no Espaço Retas e lanos Equações de Retas Equação aramétrica da Reta no Espaço Considere o espaço ambiente como o espaço tridimensional Um vetor v = (a, b, c) determina uma direção no espaço Dado um ponto 0 = (x

Leia mais

n. 33 Núcleo de uma transformação linear

n. 33 Núcleo de uma transformação linear n. 33 Núcleo de uma transformação linear Chama-se núcleo de uma transformação linear f: V W ao conjunto de todos os vetores v V que são transformados em 0 W. Indica-se esse conjunto \por N(f) ou Ker (f).

Leia mais

Cálculo. Álgebra Linear. Programação Computacional. Metodologia Científica

Cálculo. Álgebra Linear. Programação Computacional. Metodologia Científica UNIVERSIDADE FEDERAL DO CEARÁ CENTRO DE TECNOLOGIA PROGRAMA DE EDUCAÇÃO TUTORIAL Cálculo Álgebra Linear Programação Computacional Metodologia Científica Realização: Fortaleza, Fevereiro/2012 UNIVERSIDADE

Leia mais

Objetivos. Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas e

Objetivos. Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas e MÓDULO 2 - AULA 13 Aula 13 Superfícies regradas e de revolução Objetivos Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas

Leia mais

PARTE 2 FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL

PARTE 2 FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL PARTE FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL.1 Funções Vetoriais de Uma Variável Real Vamos agora tratar de um caso particular de funções vetoriais F : Dom(f R n R m, que são as funções vetoriais de uma

Leia mais

Aula 9 Plano tangente, diferencial e gradiente

Aula 9 Plano tangente, diferencial e gradiente MÓDULO 1 AULA 9 Aula 9 Plano tangente, diferencial e gradiente Objetivos Aprender o conceito de plano tangente ao gráfico de uma função diferenciável de duas variáveis. Conhecer a notação clássica para

Leia mais

Sistema de equações lineares

Sistema de equações lineares Sistema de equações lineares Sistema de m equações lineares em n incógnitas sobre um corpo ( S) a x + a x + + a x = b a x + a x + + a x = b a x + a x + + a x = b 11 1 12 2 1n n 1 21 1 22 2 2n n 2 m1 1

Leia mais

FUNÇÃO. Exemplo: Dado os conjuntos A = { -2, -1, 0, 1, 2} e B = {0, 1, 2, 3, 4, 5} São funções de A em B as relações a) R 1 = {(x,y) AXB/ y = x + 2}

FUNÇÃO. Exemplo: Dado os conjuntos A = { -2, -1, 0, 1, 2} e B = {0, 1, 2, 3, 4, 5} São funções de A em B as relações a) R 1 = {(x,y) AXB/ y = x + 2} Sistemas de Informação e Tecnologia em Proc. de Dados Matemática Ms. Carlos Roberto da Silva/ Ms. Lourival Pereira Martins FUNÇÃO Definição: Dados dois conjuntos e define-se como função de em a toda relação

Leia mais

Capítulo 1. x > y ou x < y ou x = y

Capítulo 1. x > y ou x < y ou x = y Capítulo Funções, Plano Cartesiano e Gráfico de Função Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos

Leia mais

MATEMÁTICA A - 12o Ano N o s Complexos - Equações e problemas

MATEMÁTICA A - 12o Ano N o s Complexos - Equações e problemas MATEMÁTICA A - 1o Ano N o s Complexos - Equações e problemas Exercícios de exames e testes intermédios 1. Em C, conjunto dos números complexos, considere z = + i19 cis θ Determine os valores de θ pertencentes

Leia mais

INSTITUTO TECNOLÓGICO

INSTITUTO TECNOLÓGICO PAC - PROGRAMA DE APRIMORAMENTO DE CONTEÚDOS. ATIVIDADES DE NIVELAMENTO BÁSICO. DISCIPLINAS: MATEMÁTICA & ESTATÍSTICA. PROFº.: PROF. DR. AUSTER RUZANTE 1ª SEMANA DE ATIVIDADES DOS CURSOS DE TECNOLOGIA

Leia mais

I. Cálculo Diferencial em R n

I. Cálculo Diferencial em R n Análise Matemática II Mestrado Integrado em Engenharia Electrotécnica e de Computadores Ano Lectivo 2010/2011 2 o Semestre Exercícios propostos para as aulas práticas I. Cálculo Diferencial em R n Departamento

Leia mais

4. A FUNÇÃO AFIM. Uma função f: R R chama-se afim quando existem números reais a e b tais que f(x) = ax + b para todo x R. Casos particulares

4. A FUNÇÃO AFIM. Uma função f: R R chama-se afim quando existem números reais a e b tais que f(x) = ax + b para todo x R. Casos particulares 38 4. A FUNÇÃO AFIM Uma função f: R R chama-se afim quando existem números reais a e b tais que f(x) = ax + b para todo x R. Casos particulares 1) A função identidade fr : Rdefinida por f(x) = x para todo

Leia mais

FUNÇÃO COMO CONJUNTO R 1. (*)= ou, seja, * possui duas imagens. b) não é uma função de A em B, pois não satisfaz a segunda condição da

FUNÇÃO COMO CONJUNTO R 1. (*)= ou, seja, * possui duas imagens. b) não é uma função de A em B, pois não satisfaz a segunda condição da FUNÇÃO COMO CONJUNTO Definição 4.4 Seja f uma relação de A em B, dizemos que f é uma função de A em B se as duas condições a seguir forem satisfeitas: i) D(f) = A, ou seja, o domínio de f é o conjunto

Leia mais

Só Matemática O seu portal matemático http://www.somatematica.com.br FUNÇÕES

Só Matemática O seu portal matemático http://www.somatematica.com.br FUNÇÕES FUNÇÕES O conceito de função é um dos mais importantes em toda a matemática. O conceito básico de função é o seguinte: toda vez que temos dois conjuntos e algum tipo de associação entre eles, que faça

Leia mais

Universidade Federal de São João Del Rei - UFSJ

Universidade Federal de São João Del Rei - UFSJ Universidade Federal de São João Del Rei - UFSJ Instituída pela Lei 0.45, de 9/04/00 - D.O.U. de /04/00 Pró-Reitoria de Ensino de Graduação - PROEN Disciplina: Cálculo Numérico Ano: 03 Prof: Natã Goulart

Leia mais

[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo

[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo 4. SISTEMAS LINEARES 4.1. CONCEITO Um sistema de equações lineares é um conjunto de equações do tipo a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 11 x 1 + a 12 x 2 +... + a 1n x n = b 2... a n1 x 1 + a

Leia mais

Matemática. Euclides Roxo. David Hilbert. George F. B. Riemann. George Boole. Niels Henrik Abel. Karl Friedrich Gauss.

Matemática. Euclides Roxo. David Hilbert. George F. B. Riemann. George Boole. Niels Henrik Abel. Karl Friedrich Gauss. Matemática Jacob Palis Álgebra 1 Euclides Roxo David Hilbert George F. B. Riemann George Boole Niels Henrik Abel Karl Friedrich Gauss René Descartes Gottfried Wilhelm von Leibniz Nicolaus Bernoulli II

Leia mais

2 Extensão do Produto Vetorial Sobre uma Álgebra Exterior

2 Extensão do Produto Vetorial Sobre uma Álgebra Exterior 2 Extensão do Produto Vetorial Sobre uma Álgebra Exterior Seja R 3 o espaço euclidiano tridimensional, chamamos de álgebra exterior de R 3 a álgebra Λ(R 3 ) gerada pela base canônica {e 1, e 2, e 3 } satisfazendo

Leia mais

Faculdade Sagrada Família

Faculdade Sagrada Família AULA 12 - AJUSTAMENTO DE CURVAS E O MÉTODO DOS MÍNIMOS QUADRADOS Ajustamento de Curvas Sempre que desejamos estudar determinada variável em função de outra, fazemos uma análise de regressão. Podemos dizer

Leia mais

Capítulo 5: Aplicações da Derivada

Capítulo 5: Aplicações da Derivada Instituto de Ciências Exatas - Departamento de Matemática Cálculo I Profª Maria Julieta Ventura Carvalho de Araujo Capítulo 5: Aplicações da Derivada 5- Acréscimos e Diferenciais - Acréscimos Seja y f

Leia mais

4.2 Produto Vetorial. Orientação sobre uma reta r

4.2 Produto Vetorial. Orientação sobre uma reta r 94 4. Produto Vetorial Dados dois vetores u e v no espaço, vamos definir um novo vetor, ortogonal a u e v, denotado por u v (ou u v, em outros textos) e denominado produto vetorial de u e v. Mas antes,

Leia mais

AV1 - MA 12-2012. (b) Se o comprador preferir efetuar o pagamento à vista, qual deverá ser o valor desse pagamento único? 1 1, 02 1 1 0, 788 1 0, 980

AV1 - MA 12-2012. (b) Se o comprador preferir efetuar o pagamento à vista, qual deverá ser o valor desse pagamento único? 1 1, 02 1 1 0, 788 1 0, 980 Questão 1. Uma venda imobiliária envolve o pagamento de 12 prestações mensais iguais a R$ 10.000,00, a primeira no ato da venda, acrescidas de uma parcela final de R$ 100.000,00, 12 meses após a venda.

Leia mais

FUNÇÃO DO 1º GRAU. Vamos iniciar o estudo da função do 1º grau, lembrando o que é uma correspondência:

FUNÇÃO DO 1º GRAU. Vamos iniciar o estudo da função do 1º grau, lembrando o que é uma correspondência: FUNÇÃO DO 1º GRAU Vamos iniciar o estudo da função do 1º grau, lembrando o que é uma correspondência: Correspondência: é qualquer conjunto de pares ordenados onde o primeiro elemento pertence ao primeiro

Leia mais

[ \ x Recordemos o caso mais simples de um VLVWHPD de duas HTXDo}HVOLQHDUHV nas duas LQFyJQLWDV [ e \.

[ \ x Recordemos o caso mais simples de um VLVWHPD de duas HTXDo}HVOLQHDUHV nas duas LQFyJQLWDV [ e \. &DStWXOR±6LVWHPDVGH(TXDo}HV/LQHDUHV1 &DStWXOR±6LVWHPDVGH(TXDo}HV/LQHDUHV Å 1Ro}HV *HUDLV Recordemos o caso mais simples de um VLVWHPD de duas HTXDo}HVOLQHDUHV nas duas LQFyJQLWDV [ e \. [\ [\ É fácil verificar

Leia mais

Uma e.d.o. de segunda ordem é da forma

Uma e.d.o. de segunda ordem é da forma Equações Diferenciais de Ordem Superior Uma e.d.o. de segunda ordem é da forma ou então d 2 y ( dt = f t, y, dy ) 2 dt y = f(t, y, y ). (1) Dizemos que a equação (1) é linear quando a função f for linear

Leia mais

pontuação Discursiva 02 questões 15 pontos 30 pontos Múltipla escolha 25 questões 2,8 pontos 70 pontos

pontuação Discursiva 02 questões 15 pontos 30 pontos Múltipla escolha 25 questões 2,8 pontos 70 pontos Caderno de Provas CÁLCULO DIFERENCIAL E INTEGRAL E ÁLGEBRA LINEAR Edital Nº. 36/2011 REITORIA/IFRN 29 de janeiro de 2012 INSTRUÇÕES GERAIS PARA A REALIZAÇÃO DA PROVA Use apenas caneta esferográfica azul

Leia mais

Texto de Aprofundamento / Apoio Conceito de Função

Texto de Aprofundamento / Apoio Conceito de Função Texto de Aprofundamento / Apoio Conceito de Função Texto baseado no material preparado por Ângela Patricia Spilimbergo, Cleusa Jucela Meller Auth e Lecir Dalabrida da Universidade Regional do Noroeste

Leia mais

É usual representar uma função f de uma variável real a valores reais e com domínio A, simplesmente por y=f(x), x A

É usual representar uma função f de uma variável real a valores reais e com domínio A, simplesmente por y=f(x), x A 4. Função O objeto fundamental do cálculo são as funções. Assim, num curso de Pré-Cálculo é importante estudar as idéias básicas concernentes às funções e seus gráficos, bem como as formas de combiná-los

Leia mais

XXVI Olimpíada de Matemática da Unicamp. Instituto de Matemática, Estatística e Computação Científica Universidade Estadual de Campinas

XXVI Olimpíada de Matemática da Unicamp. Instituto de Matemática, Estatística e Computação Científica Universidade Estadual de Campinas Gabarito da Prova da Primeira Fase 15 de Maio de 010 1 Questão 1 Um tanque de combustível, cuja capacidade é de 000 litros, tinha 600 litros de uma mistura homogênea formada por 5 % de álcool e 75 % de

Leia mais

Matemática para Engenharia

Matemática para Engenharia Matemática para Engenharia Profa. Grace S. Deaecto Faculdade de Engenharia Mecânica / UNICAMP 13083-860, Campinas, SP, Brasil. grace@fem.unicamp.br Segundo Semestre de 2013 Profa. Grace S. Deaecto ES401

Leia mais

SOCIEDADE BRASILEIRA DE MATEMÁTICA MESTRADO PROFISSIONAL EM REDE NACIONAL PROFMAT

SOCIEDADE BRASILEIRA DE MATEMÁTICA MESTRADO PROFISSIONAL EM REDE NACIONAL PROFMAT SOCIEDADE BRASILEIRA DE MATEMÁTICA MESTRADO PROFISSIONAL EM REDE NACIONAL PROFMAT GABARITO da 3 a Avaliação Nacional de Aritmética - MA14-21/12/2013 Questão 1. (pontuação: 2) (1,0) a) Enuncie e demonstre

Leia mais

36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase

36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase 36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase Problema 1 Turbo, o caracol, está participando de uma corrida Nos últimos 1000 mm, Turbo, que está a 1 mm por hora, se motiva e

Leia mais

por séries de potências

por séries de potências Seção 23: Resolução de equações diferenciais por séries de potências Até este ponto, quando resolvemos equações diferenciais ordinárias, nosso objetivo foi sempre encontrar as soluções expressas por meio

Leia mais

Aluno do Curso de Lic. em Matemática da UFMS; e mail: tmviana2000@gmail.com;

Aluno do Curso de Lic. em Matemática da UFMS; e mail: tmviana2000@gmail.com; Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 26 GRUPOS DE PERMUTAÇÕES E ALGUMAS DE PROPOSIÇÕES Thiago Mariano Viana 1, Marco Antônio Travasso 2 & Antônio Carlos

Leia mais

Åaxwell Mariano de Barros

Åaxwell Mariano de Barros ÍÒ Ú Ö Ö Ð ÓÅ Ö Ò Ó Ô ÖØ Ñ ÒØÓ Å Ø Ñ Ø ÒØÖÓ Ò Ü Ø Ì ÒÓÐÓ ÆÓØ ÙÐ ¹¼ ÐÙÐÓÎ ØÓÖ Ð ÓÑ ØÖ Ò Ð Ø Åaxwell Mariano de Barros ¾¼½½ ËÓÄÙ ¹ÅA ËÙÑ Ö Ó 1 Vetores no Espaço 2 1.1 Bases.........................................

Leia mais

Notas Para um Curso de Cálculo. Daniel V. Tausk

Notas Para um Curso de Cálculo. Daniel V. Tausk Notas Para um Curso de Cálculo Avançado Daniel V. Tausk Sumário Capítulo 1. Diferenciação... 1 1.1. Notação em Cálculo Diferencial... 1 1.2. Funções Diferenciáveis... 8 Exercícios para o Capítulo 1...

Leia mais

Processos Estocásticos

Processos Estocásticos Processos Estocásticos Terceira Lista de Exercícios 22 de julho de 20 Seja X uma VA contínua com função densidade de probabilidade f dada por Calcule P ( < X < 2. f(x = 2 e x x R. A fdp dada tem o seguinte

Leia mais

a 1 x 1 +... + a n x n = b,

a 1 x 1 +... + a n x n = b, Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição

Leia mais

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA Marília Brasil Xavier REITORA Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA MATERIAL DIDÁTICO EDITORAÇÃO ELETRONICA Odivaldo Teixeira Lopes ARTE FINAL DA CAPA Odivaldo Teixeira

Leia mais

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Matrizes; Matrizes Especiais; Operações com Matrizes; Operações Elementares

Leia mais

2) A área da parte mostarda dos 100 padrões é 6. 9. 2. 3) A área total bordada com a cor mostarda é (5400 + 3700) cm 2 = 9100 cm 2

2) A área da parte mostarda dos 100 padrões é 6. 9. 2. 3) A área total bordada com a cor mostarda é (5400 + 3700) cm 2 = 9100 cm 2 MATEMÁTICA 1 Um tapete deve ser bordado sobre uma tela de m por m, com as cores marrom, mostarda, verde e laranja, da seguinte forma: o padrão quadrado de 18 cm por 18 cm, mostrado abaio, será repetido

Leia mais

Módulo de Geometria Anaĺıtica 1. Coordenadas, Distâncias e Razões de Segmentos no Plano Cartesiano. 3 a série E.M.

Módulo de Geometria Anaĺıtica 1. Coordenadas, Distâncias e Razões de Segmentos no Plano Cartesiano. 3 a série E.M. Módulo de Geometria Anaĺıtica 1 Coordenadas, Distâncias e Razões de Segmentos no Plano Cartesiano a série EM Geometria Analítica 1 Coordenadas, Distâncias e Razões de Segmentos no Plano Cartesiano 1 Exercícios

Leia mais

EQUAÇÕES DIFERENCIAIS

EQUAÇÕES DIFERENCIAIS GRUPO Educação adistância Caderno de Estudos EQUAÇÕES DIFERENCIAIS Prof. Ruy Piehowiak Editora UNIASSELVI 2012 NEAD Copyright Editora UNIASSELVI 2012 Elaboração: Prof. Ruy Piehowiak Revisão, Diagramação

Leia mais

Eduardo Camponogara. DAS-5103: Cálculo Numérico para Controle e Automação. Departamento de Automação e Sistemas Universidade Federal de Santa Catarina

Eduardo Camponogara. DAS-5103: Cálculo Numérico para Controle e Automação. Departamento de Automação e Sistemas Universidade Federal de Santa Catarina Eduardo Camponogara Departamento de Automação e Sistemas Universidade Federal de Santa Catarina DAS-5103: Cálculo Numérico para Controle e Automação 1/48 Sumário Arredondamentos Erros 2/48 Sumário Arredondamentos

Leia mais

Notas sobre a Fórmula de Taylor e o estudo de extremos

Notas sobre a Fórmula de Taylor e o estudo de extremos Notas sobre a Fórmula de Taylor e o estudo de etremos O Teorema de Taylor estabelece que sob certas condições) uma função pode ser aproimada na proimidade de algum ponto dado) por um polinómio, de modo

Leia mais

Def. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC,

Def. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC, ESPAÇO VETORIAL Def. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC, + é a operação (função) soma + : V V V, que a cada par (u, v) V V, associa um único elemento de V, denotado

Leia mais

R é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range).

R é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). R é o conjunto dos reais; R n é o conjunto dos vetores n-dimensionais reais; Os vetores

Leia mais

Cap. 7 - Fontes de Campo Magnético

Cap. 7 - Fontes de Campo Magnético Universidade Federal do Rio de Janeiro Instituto de Física Física III 2014/2 Cap. 7 - Fontes de Campo Magnético Prof. Elvis Soares Nesse capítulo, exploramos a origem do campo magnético - cargas em movimento.

Leia mais

MATEMÁTICA GEOMETRIA ANALÍTICA I PROF. Diomedes. E2) Sabendo que a distância entre os pontos A e B é igual a 6, calcule a abscissa m do ponto B.

MATEMÁTICA GEOMETRIA ANALÍTICA I PROF. Diomedes. E2) Sabendo que a distância entre os pontos A e B é igual a 6, calcule a abscissa m do ponto B. I- CONCEITOS INICIAIS - Distância entre dois pontos na reta E) Sabendo que a distância entre os pontos A e B é igual a 6, calcule a abscissa m do ponto B. d(a,b) = b a E: Dados os pontos A e B de coordenadas

Leia mais

EA616B Análise Linear de Sistemas Resposta em Frequência

EA616B Análise Linear de Sistemas Resposta em Frequência EA616B Análise Linear de Sistemas Resposta em Frequência Prof. Pedro L. D. Peres Faculdade de Engenharia Elétrica e de Computação Universidade Estadual de Campinas 2 o Semestre 2013 Resposta em Frequência

Leia mais

GAAL - 2013/1 - Simulado - 1 Vetores e Produto Escalar

GAAL - 2013/1 - Simulado - 1 Vetores e Produto Escalar GAAL - 201/1 - Simulado - 1 Vetores e Produto Escalar SOLUÇÕES Exercício 1: Determinar os três vértices de um triângulo sabendo que os pontos médios de seus lados são M = (5, 0, 2), N = (, 1, ) e P = (4,

Leia mais

INTRODUÇÃO O sistema de coordenadas ao qual estamos acostumados é o sistema de coordenadas

INTRODUÇÃO O sistema de coordenadas ao qual estamos acostumados é o sistema de coordenadas Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 17 ESTUDO DAS CÔNICAS USANDO COORDENADAS POLARES Tiago Santos Arruda 1, Bruno Rogério Locatelli dos Santos, Eugenia

Leia mais

Imagem e Gráficos. vetorial ou raster?

Imagem e Gráficos. vetorial ou raster? http://computacaografica.ic.uff.br/conteudocap1.html Imagem e Gráficos vetorial ou raster? UFF Computação Visual tem pelo menos 3 grades divisões: CG ou SI, AI e OI Diferença entre as áreas relacionadas

Leia mais

Aula 17 GRANDEZAS ESCALARES E VETORIAIS. META Apresentar as grandezas vetoriais e seu signifi cado

Aula 17 GRANDEZAS ESCALARES E VETORIAIS. META Apresentar as grandezas vetoriais e seu signifi cado GRANDEZAS ESCALARES E VETORIAIS META Apresentar as grandezas vetoriais e seu signifi cado OBJETIVOS Ao fi nal desta aula, o aluno deverá: Diferenciar grandezas escalares e vetoriais; compreender a notação

Leia mais

PROVAS DE MATEMÁTICA DO VESTIBULAR-2012 DA MACKENZIE RESOLUÇÃO: Profa. Maria Antônia Gouveia. 14/12/2011

PROVAS DE MATEMÁTICA DO VESTIBULAR-2012 DA MACKENZIE RESOLUÇÃO: Profa. Maria Antônia Gouveia. 14/12/2011 PROVAS DE MATEMÁTICA DO VESTIBULAR-0 DA MACKENZIE Profa. Maria Antônia Gouveia. //0 QUESTÃO N o 9 Turma N o de alunos Média das notas obtidas A 0,0 B 0,0 C 0,0 D 0,0 A tabela acima refere-se a uma prova

Leia mais

CPV O Cursinho que Mais Aprova na GV

CPV O Cursinho que Mais Aprova na GV CPV O Cursinho que Mais Aprova na GV FGV ADM Objetiva Prova A 03/junho/01 matemática 01. Em um período de grande volatilidade no mercado, Rosana adquiriu um lote de ações e verificou, ao final do dia,

Leia mais

Instituto Superior Técnico Departamento de Matemática Última actualização: 11/Dez/2003 ÁLGEBRA LINEAR A

Instituto Superior Técnico Departamento de Matemática Última actualização: 11/Dez/2003 ÁLGEBRA LINEAR A Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Última actualização: 11/Dez/2003 ÁLGEBRA LINEAR A FICHA 8 APLICAÇÕES E COMPLEMENTOS Sistemas Dinâmicos Discretos (1) (Problema

Leia mais

ficha 3 espaços lineares

ficha 3 espaços lineares Exercícios de Álgebra Linear ficha 3 espaços lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 3 Notação Sendo

Leia mais

PROVA DE MATEMÁTICA DA UFBA VESTIBULAR 2011 1 a Fase. RESOLUÇÃO: Profa. Maria Antônia Gouveia.

PROVA DE MATEMÁTICA DA UFBA VESTIBULAR 2011 1 a Fase. RESOLUÇÃO: Profa. Maria Antônia Gouveia. PROVA DE MATEMÁTICA DA UFBA VESTIBULAR a Fase Profa. Maria Antônia Gouveia. Questão. Considerando-se as funções f: R R e g: R R definidas por f(x) = x e g(x) = log(x² + ), é correto afirmar: () A função

Leia mais

IBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 6. O trabalho feito pela força para deslocar o corpo de a para b é dado por: = =

IBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 6. O trabalho feito pela força para deslocar o corpo de a para b é dado por: = = Energia Potencial Elétrica Física I revisitada 1 Seja um corpo de massa m que se move em linha reta sob ação de uma força F que atua ao longo da linha. O trabalho feito pela força para deslocar o corpo

Leia mais

Universidade Federal do Rio Grande do Norte. Centro De Ciências Exatas e da Terra. Departamento de Física Teórica e Experimental

Universidade Federal do Rio Grande do Norte. Centro De Ciências Exatas e da Terra. Departamento de Física Teórica e Experimental Universidade Federal do Rio Grande do Norte Centro De Ciências Exatas e da Terra Departamento de Física Teórica e Experimental Programa de Educação Tutorial Curso de Nivelamento: Pré-Cálculo PET DE FÍSICA:

Leia mais

APOSTILA TECNOLOGIA MECANICA

APOSTILA TECNOLOGIA MECANICA FACULDADE DE TECNOLOGIA DE POMPEIA CURSO TECNOLOGIA EM MECANIZAÇÃO EM AGRICULTURA DE PRECISÃO APOSTILA TECNOLOGIA MECANICA Autor: Carlos Safreire Daniel Ramos Leandro Ferneta Lorival Panuto Patrícia de

Leia mais