Definição 1.1. Uma função φ real definida sobre um intervalo aberto ]a, b[ de R, diz-se convexa se x, y ]a, b[, e0 γ 1,

Tamanho: px
Começar a partir da página:

Download "Definição 1.1. Uma função φ real definida sobre um intervalo aberto ]a, b[ de R, diz-se convexa se x, y ]a, b[, e0 γ 1,"

Transcrição

1 ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-L p 1. Funções convexas e desigualdades Definição 1.1. Uma função φ real definida sobre um intervalo aberto ]a, b[ de R, diz-se convexa se x, y ]a, b[, e0 γ 1, φ((1 γ)x + γy) (1 γ)φ(x)+γφ(y). Proposição 1.2. Se φ é convexa em ]a, b[ então s, t, u, a<s<t<u<b, φ(t) φ(s) t s φ(u) φ(t). u t Demonstração. Considere-se a<s<u<b, partimos de φ((1 γ)s + γu) (1 γ)φ(s)+γφ(u) φ((1 γ)s + γu)(u s) (1 γ)(u s)φ(s)+γ(u s)φ(u) por u s>0, e fazendo agora t =(1 γ)s + γu t s = γu γs, teremos s<t<ue virá φ((1 γ)s + γu)(u s) (1 γ)(u s)φ(s)+γ(u s)φ(u) φ(t)(u s) (u t)φ(s)+(t s)φ(u) φ(t)(u t)+φ(t)(t s) (u t)φ(s)+(t s)φ(u) φ(t) φ(s) φ(t)(u t) (u t)φ(s) (t s)φ(u) φ(t)(t s) t s φ(u) φ(t). u t Corolário 1.3. φ é contínua em ]a, b[. Demonstração. Seja x ]a, b[ qualquer mas fixo, pela proposição anterior temos, para x>y ou para y<x φ(t) φ(s) t s φ(t) φ(s) t s φ(x) φ(y) x y φ(y) φ(x) y x 1 φ(u) φ(v) u v φ(u) φ(v) u v

2 ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-Lp 2 isto com a<s<t<x,y<v<u<b. Donde, ( ) φ(x) φ(y) x y max φ(t) φ(s) t s, φ(u) φ(v) u v ( ) φ(t) φ(s) φ(x) φ(y) max t s, φ(u) φ(v) u v x y, donde sai a contínuidade. Proposição 1.4. Seja φ uma função definida em ]a, b[ tal que φ (t) 0,t ]a, b[ então φ é uma função convexa em ]a, b[. Demonstração. Vamos com vista a um absurdo supor que, para x, y ]a, b[, não se verifica, φ((1 γ)x + γy) (1 γ)φ(x)+γφ(y). Então temos, φ((1 γ)x + γy) > (1 γ)φ(x)+γφ(y) (1 γ)[φ((1 γ)x + γy) φ(x)] >γ[φ(y) φ((1 γ)x + γy)]. Supondo sem perda de generalidade que x<ye dividindo tudo por γ(1 γ)(y x) obtém-se (φ((1 γ)x + γy) φ(x)) (φ(y) φ((1 γ)x + γy)) > γ(y x) (1 γ)(y x) (φ((1 γ)x + γy) φ(x)) (φ(y) φ((1 γ)x + γy)) >. ((1 γ)x + γy) x y ((1 γ)x + γy) Pelo teorema do valor médio de Lagrange vão existir u e v tais que x<u<(1 γ)x+γy < v<ymas no entanto φ (u) >φ (v) oque contradiz φ 0. Exercicio 1. Mostre que a função x 2 é convexa. Exercicio 2. Mostre que a função exp(x) é convexa. Exercicio 3. Suponha que φ é uma função convexa em ]a, b[ eque ψ é uma função convexa crescente em φ(]a, b[). Mostre que ψ φ é convexa em ]a, b[. Teorema 1.5. (Desigualdade de Jensen) Seja (, F, µ) um espaço de probabilidade. Se f L 1 (µ, ), se ω, a<f(ω) <beseφ é convexa em ]a, b[, então: ( ) φ fdµ φ(f)dµ.

3 ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-Lp 3 Demonstração. Se φ(f)dµ =+ a desigualdade é trivial. Como s, t, u, a < s < t<u<b, vem que fazendo temos φ(t) φ(s) t s φ(t) φ(s) t s φ(u) φ(t), u t ( ) φ(t) φ(s) β = sup s ]a,t[ t s β, s ]a, t[ φ(s) φ(t)+β(s t), s ]a, t[ e φ(u) φ(t) β, u ]t, b[ φ(u) φ(t)+β(u t), u ]t, b[. u t Concluindo-se que Como f(ω) ]a, b[ também será válido, φ(s) φ(t)+β(s t), s ]a, b[ et fixo. φ(f(ω)) φ(t)+β(f(ω) t),ω fazendo agora t = fdµ (repare-se que a<f(ω) <b, ω a< fdµ<b)vem, ( ) ( ) φ(f(ω)) φ fdµ + β f(ω) fdµ,ω eintegrando (uma vez que φ(f) é mensurável por φ ser contínua) obtém-se ( ) ( ) φ(f(ω))dµ φ fdµ dµ + β f(ω) fdµ dµ O que termina a prova. ( φ(f(ω))dµ φ fdµ ) ( µ() + β ( φ(f(ω))dµ φ fdµ fdµ ). ) fdµ Exercicio 4. Sejam p e q números reais superiores a 1 com (1/p)+(1/q) =1. Prove que para quaiquer a e b não negativos. ab ap p + bq q,

4 ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-Lp 4 Teorema 1.6. Sejam 1 <p,q< tais que =1,e(, F,µ)umespaço de medida. p q Sejam f e g funções mensuráveis não negativas. Então, (1) (Hölder) (2) (Minkowski) ( 1/p (f + g) dµ) p Demonstração. ( ) 1/p ( 1/q fgdµ f p dµ g dµ) q, ( 1/p f dµ) p + ( 1/p g dµ) p. (1) Se por exemplo tivermos que f p dµ =0vemque f =0,µ q.p.t.p. mas então também fg =0,µ q.p.t.p. uma vez que {fg 0} {f 0} e nesse caso a desigualdade é trivial, tal como o será nocaso de algum dos integrais da direita ser infinito. Façamos agora ( 1/p ( a = f dµ) p e b = g q dµ ) 1/q que podemos supor positivos e finitos tendo em atenção o que já foi dito. Sejam agora F = f e G = g podemos escrever que ω tal que F (ω) > 0eG(ω) > 0 a b existem números reais x e y tais que F (ω) =exp(x/p) eg(ω) =exp(y/q) (basta considerar x = p ln(f (ω)) e y = q ln(g(ω))) donde por a função exponencial ser convexa virá, F (ω)g(ω) =exp(x/p + y/q) 1 p exp(x)+1 q exp(y) =1 p F (ω)p + 1 q G(ω)q mas como esta desigualdade também éválida para ω tal que F (ω) =0ou G(ω) = 0,podemos integrar sobre e concluir que F Gdµ 1 F p dµ + 1 G q dµ = p q = 1 ( ) p f dµ + 1 ( g ) q 1 dµ = p a q b p + 1 q =1. Substituindo F e G vem que: f ( f p dµ ) g 1/p ( gq dµ ) dµ 1 1/q

5 ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-Lp 5 fgdµ ( f p dµ ) 1/p ( gq dµ ) 1 1/q o que permite concluir o pretendido. (2) Escrevamos (f + g) p = f(f + g) p 1 + g(f + g) p 1 pela alinea anterior virá, ( ) 1/p ( ) 1/q f(f + g) p 1 dµ f p dµ (f + g) (p 1)q dµ e ( ) 1/p ( 1/q g(f + g) p 1 dµ g p dµ (f + g) dµ) (p 1)q. Como (p 1)q = p vem, ( ) 1/p ( 1/q ( ) 1/p ( 1/q (f+g) p f p dµ (f + g) dµ) (p 1)q + g p dµ (f + g) dµ) (p 1)q ( ) [ 1/q ( 1/p ( ) ] 1/p (f + g) p (f + g) p dµ f dµ) p + g p dµ ( 1 1/q ( 1/p ( 1/p (f + g) dµ) p f dµ) p + g dµ) p, o que termina a prova pois 1 1/q =1/p. Nocaso do integral da direita ser nulo a conclusão é trivial. Se p = q = 2aprimeira desigualdade, ( ) 1/2 ( fgdµ f 2 dµ g 2 dµ é conhecida como a desigualdade de Schwarz. ) 1/2 Observação 1.7. Repare-se que tendo em atenção a definição de valor esperado, E[X], de uma variável aleatória X, asdesigualdades anteriores podem ser reescritas. Dado um espaço de probabilidade (, F, P): (1) (Desigualdade de Jensen) Para φ convexa e X L 1 temos, φ (E[X]) E[φ(X)].

6 ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-Lp 6 (2) (Hölder) Para X, Y variáveis aleatórias não negativas e 1 <p,q<, =1 p q temos, E[XY ] E[X p ] 1/p E[Y q ] 1/q. (3) (Minkowski) Para X, Y variáveis aleatórias não negativas e 1 <p< temos, E[(X + Y ) p ] 1/p E[X p ] 1/p + E[Y p ] 1/p. (4) (desigualdade de Schwarz) Para X, Y variáveis aleatórias não negativas temos, E[XY ] E[X 2 ] 1/2 E[Y 2 ] 1/2. Exercicio 5. Mostre que se X L 1 é uma variável aleatória então, (E[X]) 2 E[X 2 ]. 2. Espaços L p Definição 2.1. Seja V um espaço vectorial sobre R. Uma norma em V é uma função. : V R que verifica: (1) v 0, v V. (2) v =0 v =0. (3) cv = c v, c R, v V. (4) v + w v + w, v,w V. Dada uma norma. definida num espaço vectorial V pode-se induzir uma métrica d(.,.) :V V R em V fazendo d(v, w) = v w. Repare-se que para f L 1 (µ, E) temos que a função f f dµ verifica todas as E propriedades da definição de norma menos a propriedade (2), uma vez que f dµ = E 0 f =0,µ q.p.t.p. em E. Então definimos L 1 (E) =L 1 (E)/ em que a relação de equivalência é definida por : f g se, esósef = g, µ q.p.t.p. em E.

7 ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-Lp 7 Observação 2.2. Observe-se que, em L 1,não distinguiremos entre quaisquer duas funções f e g tais que f = g, µ q.p.t.p., pois pertencem à mesma classe de equivalência. Exercicio 6. Mostre que a relação definida por f g se, e só, se f = g, µ q.p.t.p. é uma relação de equivalência em L 1. Definição 2.3. Seja f L 1 (µ, E). Define-se agora f 1 = f dµ como sendo a norma L 1 de f. Exercicio 7. Verifique que. 1 édefacto uma norma sobre L 1. Exercicio 8. Considere a sucessão de funções (f n ) n 1 definidas no intervalo ]0, 1] por f n (x) =ni ]0,1/n]. Mostre que f n converge pontualmente para zero mas não converge em L 1. E Com as mesmas considerações que foram feitas sobre L 1 e definindo agora L p = L p /. Definição 2.4. Para 1 p<, diz-se que uma função mensurável f L p (µ, ) se: f p dµ <, e nesse caso define-se a norma L p de f por: { } 1 f p = f p p dµ. Exercicio 9. (1) Mostre que L p (µ, ) éumespaço vectorial sobre R para 1 p<. (2) Mostre que de facto. p é uma norma em L p. Definição 2.5. Seja V um espaço vectorial com a norma. V. Diz-se que uma sucessão (f n )deelementos de V é uma sucessão de Cauchy se, ε >0, N N : n, m N f n f m V <ε. Se toda a sucessão de Cauchy é convergente para um elemento de V então diz-se que V é completo.

8 ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-Lp 8 Exercicio 10. Considere o espaço de medida (R, B(R),λ). Indique quais das seguintes sucessões são de Cauchy em L 1 (1) f n (x) = 1 n I ]n 1,n](x),n 1. (2) f n (x) = 1 n I ]0,n](x),n 1. EemL 2. Teorema 2.6. L p (µ) éumespaço métrico completo, para 1 p<. Demonstração. Seja (f n ) n N uma sequência de Cauchy em L p (µ). Então existe uma subsequência (f ni ),n 1 <n 2 <, tal que (2.1) f ni+1 f ni p < 1/2 i,, 2,... Façamos (2.2) g k = k f ni+1 f ni, g = Donde, por (1) e pela desigualdade de Minkowski, g k p k f ni+1 f ni p < k f ni+1 f ni. 1 < 1, k=1, 2,... 2i Vindo por aplicação do lema de Fatou à sucessão (g p k ) k 1 ( ) 1/p ( ) 1/p ( ) 1/p lim inf g p k dµ lim inf g p k dµ = lim inf g p k dµ ( 1/p g dµ) p lim inf g k p g p < 1. Em particular podemos afirmar que g(x) <, µ q.p.t.p. eportanto a série f n1 (x)+ (f ni+1 (x) f ni (x)) converge absolutamente µ q.p.t.p.. Façamos agora, { } A = f n1 (x)+ (f ni+1 (x) f ni (x)) < e defina-se [ f(x) = f n1 (x)+ ] (f ni+1 (x) f ni (x)) I A (x)+0i A c(x).

9 Como temos que ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-Lp 9 k 1 f n1 + (f ni+1 f ni )=f nk, f(x) = lim f nk (x), em A. k Como encontrámos uma subsucessão da sucessão de Cauchy inicial que converge µ-q.p.t.p. para f, então a sucessão de Cauchy converge µ-q.p.t.p. para f e bastará provar que f L p para concluir que o espaço L p é completo. Fixando ε>0 qualquer, temos que N 1, n, m>n f n f m p <ε. Para cada m>n e como µ(a c )=0,olema de Fatou garante f f m p dµ = f f m p dµ+ f f m p dµ = f f m p dµ = lim inf f n i f m p dµ A A c A A i lim inf f ni f m p dµ lim inf f ni f m p dµ ε p, i A i donde se conclui que f f m L p eportanto f L p por f = f f m + f m e ainda que f f m p 0 quando m. Exercicio 11. Para as sucessões de Cauchy do exercicio (??) calcule os seus limites. Exercicio 12. Considere o espaço de medida (]0, 1], B(]0, 1]),λ)eR n a n-ésima função 1 de Rademacher. Mostre que n 1, R n n L 1,L 2 (λ, ]0, 1]), e 1 R n n 0, pontualmente, em L 1 eeml 2. Proposição 2.7. Se f e g são elementos de L 2 (µ, ) então fg L 1 (µ, ). Demonstração. Pela desigualdade de Schwarz virá, { fg dµ = f g dµ f 2 dµ o que permite concluir o pretendido por f,g L 2. } 1 2 { } 1 g 2 2 dµ, Corolário 2.8. Se µ() < então L 2 (µ, ) L 1 (µ, ). Demonstração. Seja f L 2 (µ, ) como g 1 L 2 (µ, ) por µ() <, então pelo teorema anterior f = fg L 1 (µ, ).

10 ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-Lp 10 Corolário 2.9. Sejam f,g L 2 (µ, ), então também f + g L 2 (µ, ). Demonstração. Como f + g 2 dµ f 2 +2 f g + g 2 dµ = f 2 dµ +2 f g dµ + g 2 dµ. Como f 2 dµ, g 2 dµ < por f,g L 2 e f g dµ < pela proposição anterior. O que permite concluir que f + g L 2 (µ, ). Exercicio 13. Considere o espaço de medida (]0, 1], B(]0, 1]), λ). Mostre que f(x) = x 3/4 L 1 (λ, ]0, 1]) mas no entanto f(x) =x 3/4 / L 2 (λ, ]0, 1]). Exercicio 14. Considere o espaço de medida ([1, [, B([1, [),λ). Mostre que f(x) = x 3/4 L 2 (λ, [1, [) mas no entanto f(x) =x 3/4 / L 1 (λ, [1, [). Exercicio 15. Comente os resultados dos dois últimos exercicios à luz do corolário (??). Observação Podemos escrever a desigualdade de Schwarz em termos de normas vindo, para f,g L 2 E[fg] E[ fg ] f 2 g 2. Exercicio 16. Mostre que se g =0oug = cf, c R então a desigualdade de Schwarz pode ser substituida por uma igualdade. Proposição (Desigualdade Triângular) Se f,g L 2 então f + g 2 f 2 + g 2. Demonstração. Como f + g 2 2 = f + g 2 dµ f 2 +2 f g + g 2 dµ vem usando a desigualdade de Schwarz, f 2 dµ +2 f g dµ + g 2 dµ = f E[ fg ]+ g 2 2 f f 2 g 2 + g 2 2 =( f 2 + g 2 ) 2.

11 ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-Lp 11 Exercicio 17. Um espaço de medida (, F,µ) diz-se σ-finito se existir (A n ) n N F N tal que = n N A n e µ(a n ) <, n N. Considere uma sequência de funções (f n ) n N em L 2 (µ, ). Seja Mostre que é σ-finito. ={ω ; f i (ω) 0, para algum i}. Indicação: Faça E m,n = {ω ; f n (ω) > 1/m} e mostre que = m,n E m,n. Proposição (Monotonia das Normas para variáveis aleatórias) Sejam (, F, P) um espaço de probabilidade, 1 r s< e X L s (P, ) uma variável aleatória, então X L r (P, ) e X r X s. Demonstração. Para r = s é trivial, para 1 r<se fazendo p = s r 1 p + 1 q =1vem pela desigualdade de Holder, ( ) r ( X r 1 dp ( X r ) s s r dp ) s r 1 s s s r dp. > 1eq tal que Donde sai ( ) 1 ( ) 1 X r r dp X s s dp, como queriamos mostrar, e tendo atenção que se o integral da direita for finito também o será o da esquerda. Exercicio 18. Se E[ X n ] < para algum n N então E[X k ] <, k n. Definição Para f,g L 2 (µ, ) define-se um produto interno por: f,g = fgdµ(= E[fg]sefôr sobre um espaço de medida). Observação Repare-se que este produto interno induz a norma L 2 uma vez que ( ) 1 f,f = f 2 2 dµ = f 2. Exercicio 19. Mostre que a função.,. definida em (??) é um produto interno.

12 ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-Lp 12 Exercicio 20. Mostre que f,g L 2 temos a lei do paralelograma, f + g f g 2 2 =2 f g 2 2. Definição Se f,g L 2 então f e g dizem-se ortogonais (e escreve-se f g) se f,g =0. Exercicio 21. Sejam f,g L 2 (λ, R) com f = I ]0,1]. Mostre que f,g =0se, e só, se gdλ =0. ]0,1] Exercicio 22. Mostre que quaiquer duas funções de Rademacher R i,r j com i j são elementos ortogonais de L 2 (λ, ]0, 1]). Teorema (Pitágoras) Se f,g L 2 e f g, então f + g 2 2 = f g 2 2. Demonstração. Basta usar as propriedades de definição de um produto interno, f + g 2 2 = f + g, f + g = f,f + f,g + g, f + g, g = f g 2 2. No caso dos espaços de probabilidade temos, Definição Para duas variáveis aleatórias X, Y L 2, define-se a covariância entre X e Y por: Cov[X, Y ]=E[(X E[X])(Y E[Y ])]. Neste contexto o teorema de Pitágoras pode ser escrito, Cov[X, Y ]=0 V[X + Y ]=V[X]+V[Y ]. Podemos ainda falar de projecção ortogonal. Teorema Seja K um subespaço vectorial de L 2 (P, ). Então dado uma variável aleatória X L 2 (P, ), existe Y Ktal que: (1) X Y 2 = inf W K X W 2,

13 ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-Lp 13 (2) X Y Z, Z K. Uma demonstração deste teorema pode ser encontrada em [?], pag. 67. Definição Avariável aleatória Y no teorema anterior échamada de versão da projecção ortogonal de X em K. Se Ỹ é uma outra versão, então Ỹ = Y P-quasecertamente. As variáveis aleatórias em L p com p N desempenham um papel fundamental em probabilidades. Definição O momento de ordem n de uma variável aleatória X L n é definido por: E[X n ],n=1, 2,... Os momentos centrais de ordem n são definidos por: E[(X E[X]) n ]. Podendo ser apresentados em termos de função de distribuição de probabilidade: E[X n ]= x n dp X, E[(X E[X]) n ]= (x E[X]) n dp X. Ou em termos de densidade (caso exista) E[X n ]= E[(X E[X]) n ]= x n f X (x)dx, (x E[X]) n f X (x)dx. Exercicio 23. Mostre que os momentos centrais de ordem n podem ser determinados pelos momentos (não centrais) de ordem k n. Exercicio 24. Sendo X uma variável aleatória com distribuição N(µ, σ) mostre os momentos centrais de ordem impar são nulos e os de ordem par valem E[(X µ) 2k ]= (2k 1)σ 2k,k 1

14 ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-Lp 14 Exercicio 25. Seja X uma variável aleatória que toma os valores distintos a 0,a 1,...,a n,... com probabilidade p 0,...,p n,... Calcule os momentos centrais e não centrais de ordem k da variável X. Exercicio 26. Calcule os momentos centrais e não centrais de ordem k de uma variável aleatória com distribuição de Bernoulli. Referências 1. [Adam86] M. Adams, V. Guillemin, Measure Theory and Probability, Birkhäuser, [Will91] D. Williams, Probability with Martingales, Cambridge University Press, [Rudi87] W. Rudin, Real and Complex Analysis, third edition, McGraw-Hill, [Capi99] M. Capiński, E. Kopp, Measure, Integral and Probability, Springer, 1999.

Análise Funcional. José Ferreira Alves. Março de 2002. Faculdade de Ciências da Universidade do Porto Departamento de Matemática Pura

Análise Funcional. José Ferreira Alves. Março de 2002. Faculdade de Ciências da Universidade do Porto Departamento de Matemática Pura Análise Funcional José Ferreira Alves Março de 2002 Faculdade de Ciências da Universidade do Porto Departamento de Matemática Pura ii Introdução Estas notas foram elaboradas para a disciplina de Complementos

Leia mais

O Teorema da Função Inversa e da Função Implícita

O Teorema da Função Inversa e da Função Implícita Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência c Publicação eletrônica do KIT http://www.dma.uem.br/kit O Teorema da Função Inversa

Leia mais

Chapter 2. 2.1 Noções Preliminares

Chapter 2. 2.1 Noções Preliminares Chapter 2 Seqüências de Números Reais Na Análise os conceitos e resultados mais importantes se referem a limites, direto ou indiretamente. Daí, num primeiro momento, estudaremos os limites de seqüências

Leia mais

Exp e Log. Roberto Imbuzeiro Oliveira. 21 de Fevereiro de 2014. 1 O que vamos ver 1. 2 Fatos preliminares sobre espaços métricos 2

Exp e Log. Roberto Imbuzeiro Oliveira. 21 de Fevereiro de 2014. 1 O que vamos ver 1. 2 Fatos preliminares sobre espaços métricos 2 Funções contínuas, equações diferenciais ordinárias, Exp e Log Roberto Imbuzeiro Oliveira 21 de Fevereiro de 214 Conteúdo 1 O que vamos ver 1 2 Fatos preliminares sobre espaços métricos 2 3 Existência

Leia mais

Espaços vectoriais com produto interno. ALGA 2007/2008 Mest. Int. Eng. Biomédica Espaços vectoriais com produto interno 1 / 15

Espaços vectoriais com produto interno. ALGA 2007/2008 Mest. Int. Eng. Biomédica Espaços vectoriais com produto interno 1 / 15 Capítulo 6 Espaços vectoriais com produto interno ALGA 2007/2008 Mest. Int. Eng. Biomédica Espaços vectoriais com produto interno 1 / 15 Definição e propriedades Seja V um espaço vectorial real. Chama-se

Leia mais

X.0 Sucessões de números reais 1

X.0 Sucessões de números reais 1 «Tal como a tecnologia requer as tøcnicas da matemætica aplicada, tambøm a matemætica aplicada requer as teorias do nœcleo central da matemætica pura. Da l gica matemætica topologia algøbrica, da teoria

Leia mais

Tipos de variáveis aleatórias

Tipos de variáveis aleatórias Tipos de variáveis aleatórias Variáveis aleatórias discretas se assumem um conjunto finito ou infinito numerável de valores. Exemplos: número de pintas que sai no lançamento de um dado; registo, a intervalos

Leia mais

FLAVIA MESCKO FERNANDES VELOCIDADE DE CONVERGÊNCIA DE MÉTODOS DE OTIMIZAÇÃO IRRESTRITA

FLAVIA MESCKO FERNANDES VELOCIDADE DE CONVERGÊNCIA DE MÉTODOS DE OTIMIZAÇÃO IRRESTRITA FLAVIA MESCKO FERNANDES VELOCIDADE DE CONVERGÊNCIA DE MÉTODOS DE OTIMIZAÇÃO IRRESTRITA CURITIBA DEZEMBRO, 2010 FLAVIA MESCKO FERNANDES VELOCIDADE DE CONVERGÊNCIA DE MÉTODOS DE OTIMIZAÇÃO IRRESTRITA Monografia

Leia mais

Aula 17 Continuidade Uniforme

Aula 17 Continuidade Uniforme Continuidade Uniforme Aula 17 Continuidade Uniforme MÓDULO 2 - AULA 17 Metas da aula: Discutir o conceito de função uniformemente contínua, estabelecer o Teorema da Continuidade Uniforme e o Teorema da

Leia mais

Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos

Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos Lic. Eng. Biomédica e Bioengenharia-2009/2010 Para determinarmos um valor aproximado das raízes de uma equação não linear, convém notar inicialmente

Leia mais

Miguel Abreu. Encontro Nacional do Programa Gulbenkian Novos Talentos em Matemática, Fundação Calouste Gulbenkian, 7-8.Setembro.

Miguel Abreu. Encontro Nacional do Programa Gulbenkian Novos Talentos em Matemática, Fundação Calouste Gulbenkian, 7-8.Setembro. Centro de Análise Matemática, Geometria e Sistemas Dinâmicos Instituto Superior Técnico Encontro Nacional do Programa Gulbenkian Novos Talentos em Matemática, Fundação Calouste Gulbenkian, 7-8.Setembro.27

Leia mais

Notas de Aula. Análise na Reta

Notas de Aula. Análise na Reta Notas de Aula (ainda em preparação!) Análise na Reta Higidio Portillo Oquendo http://www.ufpr.br/ higidio Última atualização: 22 de abril de 2015 1 Sumário 1 Preliminares 3 1.1 Conjuntos e Funções....................................

Leia mais

Variáveis Aleatórias Contínuas

Variáveis Aleatórias Contínuas Variáveis aleatórias contínuas: vamos considerar agora uma lista de quantidades as quais não é possível associar uma tabela de probabilidades pontuais ou frequências tempo de duração de uma chamada telefônica

Leia mais

TÓPICO 2 APROXIMAÇÕES DA IDENTIDADE

TÓPICO 2 APROXIMAÇÕES DA IDENTIDADE TÓPICO 2 APROXIMAÇÕES DA IDENTIDADE EMANUEL CARNEIRO 1. O operador de convolução Sejam f e g funções mensuráveis em. A convolução de f e g é a função f g definida por f g(x) = f(y) g(x y) dy. De modo geral,

Leia mais

1 Propriedades das Funções Contínuas 2

1 Propriedades das Funções Contínuas 2 Propriedades das Funções Contínuas Prof. Doherty Andrade 2005 Sumário 1 Propriedades das Funções Contínuas 2 2 Continuidade 2 3 Propriedades 3 4 Continuidade Uniforme 9 5 Exercício 10 1 1 PROPRIEDADES

Leia mais

6 O Formalismo Matemático da Mecânica Quântica I

6 O Formalismo Matemático da Mecânica Quântica I 6-1 6 O Formalismo Matemático da Mecânica Quântica I 6.1 Espaços Vetoriais Nesta seção expomos as noções básicas dos espaços vetoriais, pois o formalismo da mecânica quântica se baseia nestes conceitos.

Leia mais

Somatórias e produtórias

Somatórias e produtórias Capítulo 8 Somatórias e produtórias 8. Introdução Muitas quantidades importantes em matemática são definidas como a soma de uma quantidade variável de parcelas também variáveis, por exemplo a soma + +

Leia mais

uma classe de sistemas elipticos envolvendo o operador p-laplaciano em dominio nao limitado

uma classe de sistemas elipticos envolvendo o operador p-laplaciano em dominio nao limitado Seminário Brasileiro de Análise - SBA Instituto de Matemática e Estatatística - USP Edição N 0 68 Novembro 2008 uma classe de sistemas elipticos envolvendo o operador p-laplaciano em dominio nao limitado

Leia mais

Universidade Federal do Rio de Janeiro. As Fronteiras de Shilov e de Bishop

Universidade Federal do Rio de Janeiro. As Fronteiras de Shilov e de Bishop Universidade Federal do Rio de Janeiro Rafael Monteiro dos Santos As Fronteiras de Shilov e de Bishop Rio de Janeiro 2008 Rafael Monteiro dos Santos As Fronteiras de Shilov e de Bishop Dissertação de Mestrado

Leia mais

Teorema de Green no Plano

Teorema de Green no Plano Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Prof. Gabriel Pires Teorema de Green no Plano O teorema de Green permite relacionar o integral de linha ao longo de uma

Leia mais

Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições.

Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições. Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições. Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 14 de Março de 2012 Tipos

Leia mais

Análise Complexa e Equações Diferenciais 1 ō Semestre 2015/2016

Análise Complexa e Equações Diferenciais 1 ō Semestre 2015/2016 Análise Complexa e Equações Diferenciais ō Semestre 205/206 ō Teste, versão A (Cursos: LEIC-A, MEAmbi, MEBiol, MEQ). Considere a função u : R 2 R dada por onde a e b são duas constantes reais. 09 de Abril

Leia mais

Introdução ao estudo de equações diferenciais

Introdução ao estudo de equações diferenciais Matemática (AP) - 2008/09 - Introdução ao estudo de equações diferenciais 77 Introdução ao estudo de equações diferenciais Introdução e de nição de equação diferencial Existe uma grande variedade de situações

Leia mais

Lições de Análise Matemática 2. Maria do Carmo Coimbra Departamento de Engenharia Civil Faculdade de Engenharia da Universidade do Porto

Lições de Análise Matemática 2. Maria do Carmo Coimbra Departamento de Engenharia Civil Faculdade de Engenharia da Universidade do Porto Maria do Carmo Coimbra Departamento de Engenharia Civil Faculdade de Engenharia da Universidade do Porto Julho de 008 Conteúdo Prefácio vii 1 Breves Noções de Topologia em R n 1 Funções Diferenciáveis

Leia mais

Introdução à Topologia Resoluções de exercícios. Capítulo 1

Introdução à Topologia Resoluções de exercícios. Capítulo 1 Introdução à Topologia Resoluções de exercícios Exercício nº5 (alíneas 3. e 4.) Capítulo 1 É imediato, directamente a partir da definição, que, dados r, s Q, d p (r, s) e que d p (r, s) = se e só se r

Leia mais

Sobre Domínios Euclidianos

Sobre Domínios Euclidianos Sobre Domínios Euclidianos Clarissa Bergo Bianca Fujita Lino Ramada João Schwarz Felipe Yukihide Setembro de 2011 Resumo Neste texto, apresentaremos formalmente o que vem a ser domínio euclidiano, alguns

Leia mais

Aula 5 - Matemática (Gestão e Marketing)

Aula 5 - Matemática (Gestão e Marketing) ISCTE, Escola de Gestão Aula 5 - Matemática (Gestão e Marketing) Diana Aldea Mendes 29 de Outubro de 2008 Espaços Vectoriais Definição (vector): Chama-se vector edesigna-sepor v um objecto matemático caracterizado

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEEC, MEMec o semestre 011/01 1 o Teste B 1/04/01 11:00 Duração: 1 hora e 30 minutos Justifique

Leia mais

1. Extremos de uma função

1. Extremos de uma função Máximo e Mínimo de Funções de Várias Variáveis 1. Extremos de uma função Def: Máximo Absoluto, mínimo absoluto Seja f : D R R função (i) Dizemos que f assume um máximo absoluto (ou simplesmente um máximo)

Leia mais

Matrizes e Determinantes

Matrizes e Determinantes Capítulo 1 Matrizes e Determinantes 11 Generalidades Iremos usar K para designar IR conjunto dos números reais C conjunto dos números complexos Deste modo, chamaremos números ou escalares aos elementos

Leia mais

Cálculo Infinitesimal I prof. Felipe Acker

Cálculo Infinitesimal I prof. Felipe Acker Cálculo Infinitesimal I prof. Felipe Acker NÚMEROS 1 Introdução Uma apresentação rigorosa dos números deveria, provavelmente, começar pelos fundamentos da lógica e da teoria dos conjuntos para, em seguida,

Leia mais

Cálculo Diferencial e Integral I Vinícius Martins Freire

Cálculo Diferencial e Integral I Vinícius Martins Freire UNIVERSIDADE FEDERAL DE SANTA CATARINA - CAMPUS JOINVILLE CENTRO DE ENGENHARIAS DA MOBILIDADE Cálculo Diferencial e Integral I Vinícius Martins Freire MARÇO / 2015 Sumário 1. Introdução... 5 2. Conjuntos...

Leia mais

Recordamos que Q M n n (R) diz-se ortogonal se Q T Q = I.

Recordamos que Q M n n (R) diz-se ortogonal se Q T Q = I. Diagonalização ortogonal de matrizes simétricas Detalhes sobre a Secção.3 dos Apontamentos das Aulas teóricas de Álgebra Linear Cursos: LMAC, MEBiom e MEFT (semestre, 0/0, Prof. Paulo Pinto) Recordamos

Leia mais

Cláudio Tadeu Cristino 1. Julho, 2014

Cláudio Tadeu Cristino 1. Julho, 2014 Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino

Leia mais

Valores e Vectores Próprios. Carlos Luz Departamento de Matemática Escola Superior de Tecnologia de Setúbal

Valores e Vectores Próprios. Carlos Luz Departamento de Matemática Escola Superior de Tecnologia de Setúbal Valores e Vectores Próprios Carlos Luz Departamento de Matemática Escola Superior de Tecnologia de Setúbal Ano Lectivo 24/25 Conteúdo Definição de Valor e Vector Próprios 2 2 Um Eemplo de Aplicação 8 3

Leia mais

Análise Real. Volume 2. Elon Lages Lima. Rio de Janeiro

Análise Real. Volume 2. Elon Lages Lima. Rio de Janeiro Análise Real Volume 2 Elon Lages Lima Rio de Janeiro 9 de março de 2004 Sumário 1 Topologia do Espaço Euclidiano 1 1 O espaço euclidiano n-dimensional... 1 2 Bolas e conjuntos limitados... 5 3 Conjuntos

Leia mais

Notas de aulas. André Arbex Hallack

Notas de aulas. André Arbex Hallack Cálculo I Notas de aulas André Arbex Hallack Julho/007 Índice 0 Preliminares 0. Números reais.................................... 0. Relação de ordem em IR.............................. 3 0.3 Valor absoluto....................................

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

UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA

UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA CURSO BIETÁPICO EM ENGENHARIA CIVIL º ciclo Regime Diurno/Nocturno Disciplina de COMPLEMENTOS DE MATEMÁTICA Ano lectivo de 7/8 - º Semestre Etremos

Leia mais

MAT 2352 - Cálculo Diferencial e Integral II - 2 semestre de 2012 Registro das aulas e exercícios sugeridos - Atualizado 13.11.

MAT 2352 - Cálculo Diferencial e Integral II - 2 semestre de 2012 Registro das aulas e exercícios sugeridos - Atualizado 13.11. MT 2352 - Cálculo Diferencial e Integral II - 2 semestre de 2012 Registro das aulas e exercícios sugeridos - tualizado 13.11.2012 1. Segunda-feira, 30 de julho de 2012 presentação do curso. www.ime.usp.br/

Leia mais

ANÁLISE FUNCIONAL E APLICAÇÕES

ANÁLISE FUNCIONAL E APLICAÇÕES MINISTÉRIO DA EDUCAÇÃO Universidade Federal de Alfenas - Unifal-MG Rua Gabriel Monteiro da Silva, 700 - Alfenas/MG - CEP 37130-000 Fone: (35) 3299-1000 - Fax: (35) 3299-1063 ANÁLISE FUNCIONAL E APLICAÇÕES

Leia mais

1 Variáveis Aleatórias

1 Variáveis Aleatórias Variáveis Aleatórias Exercício Num lançamento de 3 moedas equilibradas seja X avariável aleatória que representa o número de caras saídas Escreva a função de probabilidade de X Exercício Quantasvezessedevelançarumdadoaoarparaqueaprobabilidade

Leia mais

Ponto, reta e plano no espaço tridimensional, cont.

Ponto, reta e plano no espaço tridimensional, cont. Ponto, reta e plano no espaço tridimensional, cont. Matemática para arquitetura Ton Marar 1. Posições relativas Posição relativa entre pontos Dois pontos estão sempre alinhados. Três pontos P 1 = (x 1,

Leia mais

Bases Matemáticas. Aula 2 Métodos de Demonstração. Rodrigo Hausen. v. 2013-7-31 1/15

Bases Matemáticas. Aula 2 Métodos de Demonstração. Rodrigo Hausen. v. 2013-7-31 1/15 Bases Matemáticas Aula 2 Métodos de Demonstração Rodrigo Hausen v. 2013-7-31 1/15 Como o Conhecimento Matemático é Organizado Definições Definição: um enunciado que descreve o significado de um termo.

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

Códigos Lineares CAPÍTULO 4

Códigos Lineares CAPÍTULO 4 CAPÍTULO 4 Códigos Lineares 1. Definição, pârametros e peso mínimo Seja F q o corpo de ordem q. Portanto, pelo Teorema 3.24, q = p m para algum primo p e inteiro positivo m. Definição 4.1. Um código linear

Leia mais

Computabilidade 2012/2013. Sabine Broda Departamento de Ciência de Computadores Faculdade de Ciências da Universidade do Porto

Computabilidade 2012/2013. Sabine Broda Departamento de Ciência de Computadores Faculdade de Ciências da Universidade do Porto Computabilidade 2012/2013 Sabine Broda Departamento de Ciência de Computadores Faculdade de Ciências da Universidade do Porto Capítulo 1 Computabilidade 1.1 A noção de computabilidade Um processo de computação

Leia mais

O Princípio da Indução diz o seguinte:

O Princípio da Indução diz o seguinte: (*) +-,/. 01+$243/5246/798 : ;"=@?9A@BDC@E@? "!$#%& ' O Princípio da Indução é um eficiente instrumento para a demonstração de fatos referentes aos números naturais. Por isso deve-se adquirir prática

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

Momentos de uma variável aleatória

Momentos de uma variável aleatória Momentos de uma variável aleatória O cálculo de E[X] (valor médio de X) e E[X 2 ] (que intervém na variância), pode ser generalizado pensando em E[X k ] com k IN. Definição: Dada uma v.a. X, chama-se momento

Leia mais

Códigos Reed-Solomon CAPÍTULO 9

Códigos Reed-Solomon CAPÍTULO 9 CAPÍTULO 9 Códigos Reed-Solomon Um dos problemas na Teoria de Códigos é determinar a distância mínima de um dado código. Tratando-se de códigos cíclicos, por vezes conseguimos controlar a distância mínima

Leia mais

3 O método Jacobi quaterniônico para matrizes anti-simétricas

3 O método Jacobi quaterniônico para matrizes anti-simétricas 3 O método Jacobi quaterniônico para matrizes anti-simétricas 3.1 O Método de Jacobi O uso de reflexões e rotações é computacionalmente interessante pela sua simplicidade e porque podem ser facilmente

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

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

2 a Lista de Exercícios

2 a Lista de Exercícios 2 a Lista de Exercícios Curso de Probabilidade e Processos Estocásticos 31/03/2003 1 a Questão: Exerc.8 Cap.1 (BJ). Solução: Um possivel espaço amostral seria Ω {(x n ) x n {2,..., 12} n 1} onde cada x

Leia mais

SOLVABILIDADE E DECAIMENTO EXPONENCIAL PARA UM SISTEMA DE EDP NÃO LINEAR COM ACOPLAMENTO NA FONTE

SOLVABILIDADE E DECAIMENTO EXPONENCIAL PARA UM SISTEMA DE EDP NÃO LINEAR COM ACOPLAMENTO NA FONTE SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DO PARÁ CENTRO DE CIÊNCIAS EXATAS E NATURAIS PROGRAMA DE PÓS - GRADUAÇÃO EM MATEMÁTICA E ESTATÍSTICA - PPGME SOLVABILIDADE E DECAIMENTO EXPONENCIAL PARA UM

Leia mais

Definição. A expressão M(x,y) dx + N(x,y)dy é chamada de diferencial exata se existe uma função f(x,y) tal que f x (x,y)=m(x,y) e f y (x,y)=n(x,y).

Definição. A expressão M(x,y) dx + N(x,y)dy é chamada de diferencial exata se existe uma função f(x,y) tal que f x (x,y)=m(x,y) e f y (x,y)=n(x,y). PUCRS FACULDADE DE ATEÁTICA EQUAÇÕES DIFERENCIAIS PROF. LUIZ EDUARDO OURIQUE EQUAÇÔES EXATAS E FATOR INTEGRANTE Definição. A diferencial de uma função de duas variáveis f(x,) é definida por df = f x (x,)dx

Leia mais

2. O número de vectores da base de L construída na alínea anterior é a soma do número de vectores das bases de M e N.

2. O número de vectores da base de L construída na alínea anterior é a soma do número de vectores das bases de M e N. 2.4. PROJECÇÕES 2. dim(l)=dim(m)+dim(n) Demonstração. Se L=M N, qualquer vector x L se pode escrever de forma única como a soma de um vector x M M e outro vector x N N. 1. Dada uma base de M, x M pode

Leia mais

Geometria Analítica. Katia Frensel - Jorge Delgado. NEAD - Núcleo de Educação a Distância. Curso de Licenciatura em Matemática UFMA

Geometria Analítica. Katia Frensel - Jorge Delgado. NEAD - Núcleo de Educação a Distância. Curso de Licenciatura em Matemática UFMA Geometria Analítica NEAD - Núcleo de Educação a Distância Curso de Licenciatura em Matemática UFMA Katia Frensel - Jorge Delgado Março, 011 ii Geometria Analítica Conteúdo Prefácio ix 1 Coordenadas na

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

Adriano Pedreira Cattai

Adriano Pedreira Cattai ANÁLISE REAL (MA0062) Adriano Pedreira Cattai http://cattai.mat.br Universidade do Estado da Bahia UNEB Semestre 2009.2 UNEB 2009.2 Sumário Apresentação.....................................................................................................................

Leia mais

ANÁLISE NUMÉRICA DEC - 1996/97

ANÁLISE NUMÉRICA DEC - 1996/97 ANÁLISE NUMÉRICA DEC - 996/97 Teoria de Erros A Teoria de Erros fornece técnicas para quantificar erros nos dados e nos resultados de cálculos com números aproximados. Nos cálculos aproximados deve-se

Leia mais

N, 1 i m, tal que f m é f e cada f i satisfaz uma das condições abaixo:

N, 1 i m, tal que f m é f e cada f i satisfaz uma das condições abaixo: 1. Funções recursivas A Teoria da Recursão é uma formalização da noção intuitiva de computável (e de algoritmo ). Faremos uma breve introdução ao assunto, ressaltando apenas o necessário para os assuntos

Leia mais

5.7 Amostragem e alguns teoremas sobre limites

5.7 Amostragem e alguns teoremas sobre limites M. Eisencraft 5.7 Amostragem e alguns teoremas sobre limites 7 5.7 Amostragem e alguns teoremas sobre limites Para quantificar os problemas associados às medidas práticas de uma VA, considere o problema

Leia mais

Um Teorema de Gromov Sobre Grupos de Crescimento Polinomial

Um Teorema de Gromov Sobre Grupos de Crescimento Polinomial Um Teorema de Gromov Sobre Grupos de Crescimento Polinomial Rafael Montezuma Pinheiro Cabral Orientador: Roberto Imbuzeiro 2 Seminário de Pesquisa Este trabalho foi escrito no período letivo Agosto/Novembro

Leia mais

Transformações Lineares. Carlos Luz, Ana Matos, Sandra Nunes Departamento de Matemática Escola Superior de Tecnologia de Setúbal

Transformações Lineares. Carlos Luz, Ana Matos, Sandra Nunes Departamento de Matemática Escola Superior de Tecnologia de Setúbal Transformações Lineares Carlos Luz, Ana Matos, Sandra Nunes Departamento de Matemática Escola Superior de Tecnologia de Setúbal Ano Lectivo 2004/2005 Índice Definição Representação Matricial 2 AComposiçãodeTransformaçõesLineareseoProdutoMatricial

Leia mais

INTRODUÇÃO AOS MÉTODOS FACTORIAIS

INTRODUÇÃO AOS MÉTODOS FACTORIAIS Capítulo II INTRODUÇÃO AOS MÉTODOS FACTORIAIS A Análise Factorial de Correspondências é uma técnica simples do ponto de vista matemático e computacional. Porém, devido ao elevado suporte geométrico desta

Leia mais

Espaços Métricos e o Teorema do Ponto Fixo de Banach

Espaços Métricos e o Teorema do Ponto Fixo de Banach CENTRO DE CIÊNCIAS E TECNOLOGIA - CCT DEPARTAMENTO DE MATEMÁTICA CURSO DE LICENCIATURA EM MATEMÁTICA Isabella Silva Duarte Espaços Métricos e o Teorema do Ponto Fixo de Banach Campina Grande - PB 2014

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ PIBID-PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO A DOCÊNCIA PROVAS E DEMONSTRAÇÕES EM MATEMÁTICA

UNIVERSIDADE FEDERAL DO PARANÁ PIBID-PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO A DOCÊNCIA PROVAS E DEMONSTRAÇÕES EM MATEMÁTICA 1 DOCÊNCIA UNIVERSIDADE FEDERAL DO PARANÁ PIBID-PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO A PROVAS E DEMONSTRAÇÕES EM MATEMÁTICA Fabio da Costa Rosa Fernanda Machado Greicy Kelly Rockenbach da Silva

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

Capítulo 5: Transformações Lineares

Capítulo 5: Transformações Lineares 5 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 5: Transformações Lineares Sumário 1 O que são as Transformações Lineares?...... 124 2 Núcleo e Imagem....................

Leia mais

Aulas Teóricas e de Problemas de Álgebra Linear

Aulas Teóricas e de Problemas de Álgebra Linear Aulas Teóricas e de Problemas de Álgebra Linear Nuno Martins Departamento de Matemática Instituto Superior Técnico Maio de Índice Parte I (Aulas teóricas e chas de exercícios) Matrizes e sistemas de equações

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

Expansão linear e geradores

Expansão linear e geradores Espaços Vectoriais - ALGA - 004/05 4 Expansão linear e geradores Se u ; u ; :::; u n são vectores de um espaço vectorial V; como foi visto atrás, alguns vectores de V são combinação linear de u ; u ; :::;

Leia mais

ÁLGEBRA LINEAR ISBN 978-85-915683-0-7

ÁLGEBRA LINEAR ISBN 978-85-915683-0-7 . ÁLGEBRA LINEAR ISBN 978-85-915683-0-7 ROBERTO DE MARIA NUNES MENDES Professor do Departamento de Matemática e Estatística e do Programa de Pós-graduação em Engenharia Elétrica da PUCMINAS Belo Horizonte

Leia mais

Estatística stica para Metrologia

Estatística stica para Metrologia Aula 5 Estatística stica para Metrologia Aula 5 Variáveis Contínuas Uniforme Exponencial Normal Lognormal Mônica Barros, D.Sc. Maio de 008 1 Distribuição Uniforme A probabilidade de ocorrência em dois

Leia mais

11 a LISTA DE PROBLEMAS DE ÁLGEBRA LINEAR LEIC-Taguspark, LERCI, LEGI, LEE 1 o semestre 2003/04 - semana de 2003-12-08

11 a LISTA DE PROBLEMAS DE ÁLGEBRA LINEAR LEIC-Taguspark, LERCI, LEGI, LEE 1 o semestre 2003/04 - semana de 2003-12-08 INSTITUTO SUPERIOR TÉCNICO - DEPARTAMENTO DE MATEMÁTICA a LISTA DE PROBLEMAS DE ÁLGEBRA LINEAR LEIC-Taguspark LERCI LEGI LEE o semestre 23/4 - semana de 23-2-8. Diga justificando quais dos seguintes ternos

Leia mais

Conceitos Básicos de Estatística Aula 2

Conceitos Básicos de Estatística Aula 2 Conceitos Básicos de Estatística Aula 2 ISCTE - IUL, Mestrados de Continuidade Diana Aldea Mendes diana.mendes@iscte.pt 13 de Setembro de 2011 DMQ, ISCTE-IUL (diana.mendes@iscte.pt) Estatística 13 de Setembro

Leia mais

Transformações Polares no Plano

Transformações Polares no Plano Transformações Polares no Plano Thiago Fassarella U F F 2 o Colóquio da Região Sudeste Janeiro de 2012 Sumário Introdução v 1 Preliminares 1 1.1 Curvas algébricas no plano afim................ 1 1.2 Pontos

Leia mais

Introdução aos Modelos Biomatemáticos - aulas

Introdução aos Modelos Biomatemáticos - aulas Introdução aos Modelos Biomatemáticos - aulas Teórico-Práticas Mestrado em BBC, 2008/2009 1 Capítulo 1 Nos exercícios 1) e 2) suponha que o crescimento é exponencial. 1. Entre 1700 e 1800 a população humana

Leia mais

Estruturas Discretas INF 1631

Estruturas Discretas INF 1631 Estruturas Discretas INF 1631 Thibaut Vidal Departamento de Informática, Pontifícia Universidade Católica do Rio de Janeiro Rua Marquês de São Vicente, 225 - Gávea, Rio de Janeiro - RJ, 22451-900, Brazil

Leia mais

RESOLUÇÃO DA PROVA DE MATEMÁTICA UNICAMP 2008 2 a Fase Professora Maria Antônia Gouveia.

RESOLUÇÃO DA PROVA DE MATEMÁTICA UNICAMP 2008 2 a Fase Professora Maria Antônia Gouveia. RESOLUÇÃO DA PROVA DE MATEMÁTICA UNICAMP 8 a Fase Professora Maria Antônia Gouveia. Instruções: Indique claramente as respostas dos itens de cada questão, fornecendo as unidades, se for o caso. Apresente

Leia mais

Exercícios de Cálculo Diferencial e Integral de Funções Definidas em R n. Diogo Aguiar Gomes, João Palhoto Matos e João Paulo Santos

Exercícios de Cálculo Diferencial e Integral de Funções Definidas em R n. Diogo Aguiar Gomes, João Palhoto Matos e João Paulo Santos Exercícios de Cálculo Diferencial e Integral de Funções Definidas em R n Diogo Aguiar Gomes, João Palhoto Matos e João Paulo Santos 24 de Janeiro de 2000 2 Conteúdo 1 Introdução 5 1.1 Explicação.........................................

Leia mais

Corpos. Um domínio de integridade finito é um corpo. Demonstração. Seja D um domínio de integridade com elemento identidade

Corpos. Um domínio de integridade finito é um corpo. Demonstração. Seja D um domínio de integridade com elemento identidade Corpos Definição Um corpo é um anel comutativo com elemento identidade em que todo o elemento não nulo é invertível. Muitas vezes é conveniente pensar em ab 1 como sendo a b, quando a e b são elementos

Leia mais

Parte 2. Polinômios sobre domínios e corpos

Parte 2. Polinômios sobre domínios e corpos Parte Polinômios sobre domínios e corpos Pressupomos que o estudante tenha familiaridade com os anéis comutativos com unidade, em particular com domínios e corpos. Alguns exemplos importantes são Z Q R

Leia mais

UMA CONDIÇÃO NECESSÁRIA E SUFICIENTE PARA A EXISTÊNCIA DE SOLUÇÃO PARA UM PROBLEMA SEMILINEAR COM EXPOENTE CRÍTICO DE SOBOLEV

UMA CONDIÇÃO NECESSÁRIA E SUFICIENTE PARA A EXISTÊNCIA DE SOLUÇÃO PARA UM PROBLEMA SEMILINEAR COM EXPOENTE CRÍTICO DE SOBOLEV UMA CONDIÇÃO NECESSÁRIA E SUFICIENTE PARA A EXISTÊNCIA DE SOLUÇÃO PARA UM PROBLEMA SEMILINEAR COM EXPOENTE CRÍTICO DE SOBOLEV Alex Jenaro Becker, Mestrando, alexjenaro@gmail.com Bolsista CAPES/FAPERGS

Leia mais

CURSO DE CÁLCULO INTEGRAIS

CURSO DE CÁLCULO INTEGRAIS CURSO DE CÁLCULO MÓDULO 4 INTEGRAIS SUMÁRIO Unidade 1- Integrais 1.1- Introdução 1.2- Integral Indefinida 1.3- Propriedades da Integral Indefinida 1.4- Algumas Integrais Imediatas 1.5- Exercícios para

Leia mais

Sociedade Brasileira de Matemática Mestrado Profissional em Matemática em Rede Nacional. n=1

Sociedade Brasileira de Matemática Mestrado Profissional em Matemática em Rede Nacional. n=1 Sociedade Brasileira de Matemática Mestrado Profissional em Matemática em Rede Nacional MA Números e Funções Reais Avaliação - GABARITO 3 de abril de 203. Determine se as afirmações a seguir são verdadeiras

Leia mais

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado,

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado, Capítulo 4 - Variáveis aleatórias e distribuições contínuas 4.1 Variáveis aleatórias contínuas. Função densidade de probabilidade 4.2 Valor esperado, variância e algumas das suas propriedades. Moda e quantis

Leia mais

EXAME NACIONAL DE QUALIFICAÇÃO 2013-2 GABARITO. Questão 1.

EXAME NACIONAL DE QUALIFICAÇÃO 2013-2 GABARITO. Questão 1. EXAME NACIONAL DE QUALIFICAÇÃO 0 - Questão. GABARITO Considere um triângulo equilátero de lado e seja A sua área. Ao ligar os pontos médios de cada lado, obtemos um segundo triângulo equilátero de área

Leia mais

Módulos. Capítulo 3. 1. Módulos sobre anéis

Módulos. Capítulo 3. 1. Módulos sobre anéis Capítulo 3 Módulos Todos os resultados, e respectivas demonstrações, deste capítulo são transcritos dos capítulos 6 e 8 do livro Introdução à Álgebra, IST Press, Lisboa, 2004 da autoria de Rui Loja Fernandes

Leia mais

Equação do Calor com Potencial Singular

Equação do Calor com Potencial Singular Universidade Federal de Santa Catarina Curso de Pós-Graduação em Matemática e Computação Científica Equação do Calor com Potencial Singular Eleomar Cardoso Júnior Orientador: Prof. Dr. Gustavo Adolfo Torres

Leia mais

Inferência Estatística

Inferência Estatística Universidade Federal Fluminense Instituto de Matemática e Estatística Inferência Estatística Ana Maria Lima de Farias Departamento de Estatística Conteúdo 1 Inferência estatística Conceitos básicos 1 1.1

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES Caros concurseiros, Como havia prometido, seguem comentários sobre a prova de estatística do ICMS RS. Em cada questão vou fazer breves comentários, bem como indicar eventual possibilidade de recurso. Não

Leia mais

LIMITES e CONTINUIDADE de FUNÇÕES. : R R + o x x

LIMITES e CONTINUIDADE de FUNÇÕES. : R R + o x x LIMITES e CONTINUIDADE de FUNÇÕES Noções prévias 1. Valor absoluto de um número real: Chama-se valor absoluto ou módulo de um número real ao número x tal que: x se x 0 x = x se x < 0 Está assim denida

Leia mais

Um estudo sobre funções contínuas que não são diferenciáveis em nenhum ponto

Um estudo sobre funções contínuas que não são diferenciáveis em nenhum ponto Um estudo sobre funções contínuas que não são diferenciáveis em nenhum ponto Maria Angélica Araújo Universidade Federal de Uberlândia - Faculdade de Matemática Graduanda em Matemática - Programa de Educação

Leia mais

4.1 Em cada caso use a definição para calcular f 0 (x). (a) f (x) =x 3,x R (b) f (x) =1/x, x 6= 0 (c) f (x) =1/ x, x > 0.

4.1 Em cada caso use a definição para calcular f 0 (x). (a) f (x) =x 3,x R (b) f (x) =1/x, x 6= 0 (c) f (x) =1/ x, x > 0. 4. Em cada caso use a definição para calcular f 0 (). (a) f () = 3, R (b) f () =/, 6= 0 (c) f () =/, > 0. 4.2 Mostre que a função f () = /3, R, não é diferenciável em =0. 4.3 Considere a função f : R R

Leia mais

Cálculo numérico. ln 1 = 0. Representação numérica. Exemplo. Exemplos. Professor Walter Cunha. ln 1. I s

Cálculo numérico. ln 1 = 0. Representação numérica. Exemplo. Exemplos. Professor Walter Cunha. ln 1. I s Representação numérica Cálculo numérico Professor Walter Cunha Um conjunto de ferramentas ou métodos usados para se obter a solução de problemas matemáticos de forma aproximada. Esses métodos se aplicam

Leia mais

APLICAÇÕES DA DERIVADA

APLICAÇÕES DA DERIVADA Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,

Leia mais