Disciplina: Introdução à Álgebra Linear

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Disciplina: Introdução à Álgebra Linear"

Transcrição

1 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

2 Capítulo 1 Espaços Vetoriais O principal objetivo deste capítulo é levar o aluno a compreender o conceito de espaço vetorial de um ponto de vista axiomático, isto é, o conceito abstrato de espaço vetorial como objeto com uma estrutura algébrica especí ca. Além disso, serão vistos os conceitos de subespaços vetoriais, dependência e independência linear, bases e dimensão de um espaço vetorial e relações entre bases de um mesmo espaço vetorial. O texto aqui apresentado em quase toda sua totalidade foi extraido de [1] com alguma adaptações. Para um tratamento mais completo recomendamos [1] e []. 1.1 Espaços Vetoriais Um espaço vetorial real (ou espaço vetorial sobre R) é um conjunto não-vazio V munido com duas operações: adição + : V V!; V (u; v)! u + v e multiplicação por escalar : R V! V (a; u)! au tal que as seguintes propriedades valem: 1. u + (v + w) = (u + v) + w, para todos u; v; w V.. Existe 0 V tal que u + 0 = u, para todo u V.. Para cada u V, existe u V tal que u + ( u) = u + v = v + u, para todos u; v V. 5. (a + b)u = au + bu, para todos a; b R e u V.. a(u + v) = au + av, para todos u; v V e a R. 1

3 CAPÍTULO 1. ESPAÇOS VETORIAIS. a(bu) = (ab)u, para todos a; b R e u V u = u, para todo u V. Observações Os elementos do espaço vetorial V serão chamados vetores, independente de sua natureza. Pode parecer estranho, e à primeira vista não deixa de ser, o fato de se chamar de vetores os polinômios (quando for constituído de polinômios), as matrizes (quando V for constituído por matrizes) os números (quando V for um conjunto numérico), e assim por diante. A justi cativa está no fato de as operações de adição e multiplicação por escalar realizadas como esses elementos de natureza tão distintas se comportarem de forma idêntica, como se estivéssemos trabalhando com os próprios vetores do R ou do R. Assim, a familiaridade que temos com os vetores do R e do R terá continuidade nesses conjuntos, chamando seus elementos também de vetores.. Se na de nição acima tivéssemos tomado para escolares o conjunto C dos números complexos, V seria um espaço vetorial complexo. Daqui por diante, salvo referência expressa em contrário, serão considerados somente espaços vetoriais reais. Assim quando disser que V é um espaço vetorial, deve car subentendido que V é um espaço vetorial sobre o conjunto R, dos números reais.. Note que R com as operações usuais é um espaço vetorial sobre R. 4. Na Proposição 1:, provaremos que u = 1 u e podemos escrever u v = u + ( v); para todos u; v V, para representar a diferença entre elementos de V. Os elementos de V serão chamados, por conveniência, de vetores. 5. As propriedades associativa e comutativa da adição de vetores implicam que a soma de um certo número de vetores é independente da maneira pela qual esses vetores são combinados ou associados. Por exemplo, se u, v, w e t são vetores quaisquer em V, então (u + v) + (w + t) = [v + (u + w)] + t e essa pode ser escrita sem confusão como u + v + w + t: Exemplo 1. O conjunto V = R = f(x 1 ; x ) : x; y Rg é interpretado como sendo o plano cartesiano xoy. Se u = (x 1 ; x ) e u = (y 1 ; y ) V, então V com as operações de adição u + v = (x 1 + y 1 ; y 1 + y )

4 1.1. ESPAÇOS VETORIAIS e multiplicação por escalar é um espaço vetorial sobre R. au = (ax 1 ; ax ) Exemplo 1. O conjunto V = R = f(x 1 ; x ; x ) : x 1 ; x ; x Rg é interpretado como sendo o espaço cartesiano tridimensional xyz. Se u = (x 1 ; x ; x ) e u = (y 1 ; y ; y ) então V com as operações de adição u + v = (x 1 + y 1 ; x + y ; x + y ) e multiplicação por escalar é um espaço vetorial sobre R. au = (ax 1 ; ax ; ax ); Solução. Fica como exercício. Análogo ao exercício anterior. Exemplo 1.4 Sejam V = R = f(x 1 ; x ) : x i Rg; u = (x 1 ; x ) V e v = (y 1 ; y ) V: Veri que se V com as operações de adição u + v = (x 1 + y 1 ; x + y ) e multiplicação por escalar é um espaço vetorial sobre R. au = (ax 1 ; x ) Exemplo 1.5 Seja V o conjunto de todas as matrizes de ordem, isto é, (! ) a b V = : a; b; c e d R (1.1) c d!! Se A = a b V e B = e f V, então V, com as operações de adição c d g h!!! A + B = a b + e f = a + e b + f c d g h c + g d + h e multiplicação por escalar A = a b c d! é um espaço vetorial sobre R.

5 4 CAPÍTULO 1. ESPAÇOS VETORIAIS Solução.Em Sala! Exemplo 1. Sejam S um conjunto não-vazio e V = F(S; R) = ff : S! R : f é uma funçãog: o conjunto de todas as funções de valores reais. Se f V e g V, então V, com as operações de adição f + g dada por (f + g)(x) = f(x) + g(x); 8 x S; e multiplicação por escalar af dada por (af)(x) = af(x); 8 x S; é um espaço vetorial sobre R. Proposição 1. Seja V um espaço vetorial sobre R. Então: 1. Existe um único vetor nulo em V (elemento neutro).. Cada vetor u V admite um único vetor simétrico u.. Existe um único x V tal que u + x = v, para todos u; v V. 4. a0 = 0, para todo a R e 0 V. 5. 0u = 0, para todo u V e 0 R.. Se au = 0, então a = 0 ou u = 0, com a R e u V.. u = ( 1)u, para todo u V. 8. ( a)u = a( u) = (au), para todo a R e u V. Prova. Vamos provar apenas os itens (1) e (4). Suponhamos que exista outro vetor 0 0 V tal que u = u, para todo u V. Então 0 = = 0 0 : Como u + 0 = u, para todo u V, temos, em particular, que = 0. Logo, a0 = a(0 + 0) = a0 + a0: Portanto, pelo item (1), a0 = 0.

6 1.. SUBESPAÇOS VETORIAIS 5 Observação 1.8 Seja w = u + u. Então w + w = ( u + u) + ( u + u) = u + ([u + ( u)] + u) = u + (0 + u) = u + u = w: Logo, 0 = w + ( w) = [w + w] + ( w) = w + [w + ( w)] = w + 0 = w: Portanto, u + u = 0, para todo u V. Além disso, isto é, 0 + u = u, para todo u V: 0 + u = [u + ( u)] + u = u + [ u + u] = u + 0 = u; 1. Subespaços Vetoriais Sejam V um espaço vetorial sobre R e W um subconjunto não-vazio de V. Dizemos que W é um subespaço (vetorial) de V se as seguintes condições são satisfeitas: 1. W = ;. u + v W, para todos u; v W.. au W, para todo a R e u W. Observações Qualquer subespaço W de V contém o vetor nulo 0, pois quando a = 0, temos que 0 = 0u W:. Pode ser provado que, se admitirmos essas duas propriedades em W, as oito propriedades de espaço vetorial são válidas em W. Dessa forma, W é também um espaço vetorial com as propriedades herdadas de V.. Todo espaço vetorial V admite pelo menos dois subespaços, a saber, f0g e V, chamados de subespaços triviais ou impróprios. Os demais subespaços de V são chamados de subespaços não-triviais ou próprios. Exemplo 1.10 Sejam V = R n e W = f(x 1 ; : : : ; x n ) V : x 1 = 0g = f(0; x ; : : : ; x n ) : x ; : : : ; x n Rg: Então W é um subespaço de V.

7 CAPÍTULO 1. ESPAÇOS VETORIAIS Exemplo 1.11 Sejam V = R nn e W = fa V : A t = Ag o conjunto das matrizes simétricas. Então W é um subespaço de V. Exemplo 1.1 Sejam V = F(R; R) o espaço vetorial de todas as funções reais e W = ff V : f( x) = f(x); 8 x Rg o conjunto das funções pares. Então W é um subespaço de V. Solução.Em Sala! Exemplo 1.1 Sejam V = R n e W = f(x 1 ; : : : ; x n ) V : x = x 1 + 1g: Então W não é um subespaço de V, pois 0 = (0; : : : ; 0) = W: Exemplo 1.14 Sejam V = R e W = f(x 1 ; x ) V : x = jx 1 jg: Então W não é um subespaço de V, pois u = ( 1; 1) W e v = (; ) W mas u + v = (1; ) = W: Note que 0 = (0; 0) W. Portanto, 0 W é condição necessária mas não su ciente para que W seja um subespaço de V. Teorema 1.15 Seja V um espaço vetorial sobre R. Se W 1 e W são subespaços de V, então W 1 \ W é um subespaço de V. Prova. Como W 1 e W são subespaços, temos 0 W 1 e 0 W ) 0 W 1 \ W ) W 1 \ W = ;: Dados u; v W 1 \ W e a R. Como u; v W 1 \ W temos que u; v W 1 e u; v W. Assim, por hipótese, u + v W 1 ; u + v W e Logo, au W 1 ; au W : u + v W 1 \ W e au W 1 \ W : Portanto, W 1 \ W é um subespaço de V.

8 1.. SUBESPAÇOS VETORIAIS Exemplo 1.1 Sejam V = R, W 1 = f(x; y; z) V : x = 0g e W = f(x; y; z) V : y = 0g subespaços de V (prove isto!). Determine W 1 \ W. Exemplo 1.1 Sejam V = R, (" # ) a b W 1 = V : a; b; c R c 0 e W = (" a 0 0 d # V : a; b R ) subespaços de V (prove isto!). Determine W 1 \ W. Pergunta. W 1 [ W é um subespaço de V? A resposta dessa pergunta é, em geral, não. De fato, sejam V = R, W 1 = f(x; y) V : y = 0g e W = f(x; y) V : x = 0g subespaços de V (prove isto!). Então W 1 [ W não é um subespaço de V, pois u = (1; 0) W 1 [ W e v = (0; 1) W 1 [ W mas u + v = (1; 1) = W 1 [ W : Teorema 1.18 Seja V um espaço vetorial sobre R. Se W 1 e W são subespaços de V, então o conjunto W 1 + W = fu 1 + u : u 1 W 1 e u W g é um subespaço de V. Prova.Em Sala! Exemplo 1.19 Sejam V = R, W 1 = f(x; y; z) V : x = 0g e W = f(x; y; z) V : y = z = 0g subespaços de V (prove isto!). Determine W 1 \ W e W 1 + W. Sejam V um espaço vetorial sobre R e W 1 ; W subespaços de V. Dizemos que V é decomposto em soma direta de W 1 e W, em símbolos V = W 1 W, se as seguintes condições são satisfeitas:

9 8 CAPÍTULO 1. ESPAÇOS VETORIAIS 1. V = W 1 + W.. W 1 \ W = f0g. Exemplo 1.0 Sejam V = R, W 1 = f(x; y; z) V : x = 0g e W = f(x; y; z) V : y = z = 0g subespaços de V. Então, pelo Exemplo 1:19, V = W 1 W. Exemplo 1.1 Sejam V = R nn, W 1 = fa V : A t = Ag e W = fa V : A t = Ag subespaços de V. Mostre que V = W 1 W. 1. Combinação Linear Seja V um espaço vetorial sobre R. Um vetor u em V é uma combinação linear dos vetores u 1 ; : : : ; u n em V se existirem escalares x 1 ; : : : ; x n R tais que u = x 1 u x n u n = nx x i u i : i=1 Exemplo 1. Consideremos no R os vetores v 1 = (1; 0) e v = (; 4). Vamos escrever o vetor u = (; 4) como combinação linerar dos vetores v 1 e v : Teorema 1. Sejam V um espaço vetorial sobre R e u 1 ; : : : ; u n vetores xados em V. Então o conjunto ( nx ) W = fx 1 u x n u n : x 1 ; : : : ; x n Rg = i=1 x i u i : x i R é um subespaço de V. Prova. É claro que W = ;, pois 0 = 0u u n W: Dados u; v W e a R. Como u; v W temos que existem x 1 ; : : : ; x n ; y 1 ; : : : ; y n R

10 1.. COMBINAÇÃO LINEAR 9 tais que Logo, u = x 1 u x n u n e v = y 1 u y n u n : u + v = (x 1 u x n u n ) + (y 1 u y n u n ) = (x 1 + y 1 )u (x n + y n )u n W e au = a(x 1 u x n u n ) = (ax 1 )u (ax n )u n W: Portanto, W é um subespaço de V. O subespaço ( nx ) W = fx 1 u x n u n : x 1 ; : : : ; x n Rg = x i u i : x i R de V é chamado o subespaço gerado por u 1 ; : : : ; u n. Mais geralmente, seja um subconjunto não-vazio de V. Então ( kx ) W = x i u i : x i R e u i i=1 é o subespaço de V gerado por, onde é o conjunto de geradores de W, e será denotado por W = [] : Quando = fu 1 ; : : : ; u n g, denotamos [] por [u 1 ; : : : ; u n ]. Exemplo 1.4 Sejam V = R e e 1 = (1; 0; 0); e = (0; 1; 0) e = (0; 1; 0), vetores em V. Determine W = [e 1 ; e ; e ]. i=1 Exemplo 1.5 Sejam V = R e " # " 1 0 E 11 = ; E 1 = # ; E 1 = " # ; E = " # vetores em V. Determine W = [E 11 ; E 1 ; E 1 ; E ]. Exemplo 1. Sejam V = P (R) e p i = x i ; i = 0; 1; ; ; vetores em V. Determine W = [p 0 ; p 1 ; p ; p ].

11 10 CAPÍTULO 1. ESPAÇOS VETORIAIS 1.4 Dependência e Independência Linear Sejam V um espaço vetorial sobre R e u 1 ; : : : ; u n V. Dizemos que os vetores u 1 ; : : : ; u n são linearmente dependentes (LD) se existirem escalares x 1 ; : : : ; x n R, não todos iguais a 0, tais que x 1 u x n u n = 0: (1.) Ou, equivalentemente, a equação vetorial (1.) admite uma solução não-nula. Caso contrário, dizemos que os vetores u 1 ; : : : ; u n são linearmente independentes (LI) ou, equivalentemente, a equação vetorial (1.) admite apenas a solução nula. Mais geralmente, sejam V um espaço vetorial sobre R e um subconjunto não-vazio de V. Dizemos que é LI se para quaisquer vetores distintos u 1 ; : : : ; u n em, temos que x 1 u x n u n = 0 ) x 1 = = x n = 0; isto é, todo subconjunto nito de é LI. Caso contrário, é LD. Exemplo 1. Sejam V = R e u 1 = (; 1) e u = (1; ) vetores em V. vamos veri car que u 1 e u são LI. Exemplo 1.8 Sejam V = R e u 1 = (; 0; ); u = ( 1; 1; ); u = (4; ; ); u 4 = (; 1; 1) vetores em V. Veri que se os vetores u 1, u, u e u 4 são LI ou LD. Solução. Para resolver esse problema devemos resolver a equação vetorial x 1 u 1 + x u + x u + x 4 u 4 = 0; onde 0 = (0; 0; 0) V. Mas isto é equivalente a resolver o sistema homogêneo 8 >< x 1 x + 4x + x 4 = 0 x + x + x 4 = 0 : >: x 1 + x x + x 4 = 0 Para resolver o sistema, vamos considerar a matriz dos coe cientes do sistema e reduzí-la à forma em escada A = !! R = :

12 1.4. DEPENDÊNCIA E INDEPENDÊNCIA LINEAR 11 Logo, nosso sistema é equivalente ao sistema 8 >< >: x 1 + x = 0 x + x = 0 x 4 = 0 : Escolhendo, x = c R, temos que S = f( c; c; c; 0) : c Rg é o conjunto solução do sistema. Em particular, se c = 1, então ( ; ; 1; 0) é uma solução não-nula do sistema. Portanto, os vetores u 1, u, u e u 4 são LD, isto é, u 1 u + u + 0u 4 = 0: Teorema 1.9 Sejam V um espaço vetorial sobre R e u 1 ; : : : ; u n V. O conjunto fu 1 ; : : : ; u n g é LD se, e somente se, um desses vetores for combinação linear dos outros. Prova. Suponhamos que o conjunto fu 1 ; : : : ; u n g seja LD. Então, por de nição, existem escalares x 1 ; : : : ; x n R, não todos nulos, tais que x 1 u x n u n = 0: Como os escalares x 1 ; : : : ; x n não são todos nulos temos que existe i f1; : : : ; ng tal que x i = 0. Logo, u i = ( x 1 x i )u ( x i 1 x i )u i 1 + ( x i+1 x i )u i ( x n x i )u n : Reciprocamente, suponhamos que um desses vetores seja combinação linear dos outros, digamos u j = x 1 u x j 1 u j 1 + x j+1 u j x n u n : Logo, a equação vetorial x 1 u x j 1 u j 1 + ( 1)u j + x j+1 u j x n u n = 0. admite pelo menos uma solução não-nula, a saber, (x 1 ; : : : ; x j 1 ; 1; x j+1 ; : : : ; x n ). Portanto, o conjunto fu 1 ; : : : ; u n g é LD Exemplo 1.0 Os vetores v 1 = (1; ; ) e v = (; 4; ) são LD, pois v 1 = 1 v ou v = v 1. Por outro lado, os vetores v 1 = (1; ; ) e v = (; 1; 5) são LI, pois v 1 = kv para todo k R.

13 1 CAPÍTULO 1. ESPAÇOS VETORIAIS 1.5 Bases e Dimensão Seja V um espaço vetorial sobre R. Um conjunto = fu 1 ; : : : ; u n g de vetores em V é uma base de V se as seguintes condições são satisfeitas: 1. = fu 1 ; : : : ; u n g é LI.. V = [] = [u 1 ; : : : ; u n ]: Ou, equivalentemente, V = [u 1 ] [u ] [u n ]: Mais geralmente, um subconjunto não-vazio de V é uma base de V se é LI e gera V. Observação 1.1 Pode ser provado, que todo espaço vetorial V = f0g possui uma base. Exemplo 1. Seja V = R. É fácil veri car que o conjunto = fe 1 ; e ; e g é uma base nita de V, a qual é chamada de base canônica de V. Exemplo 1. Seja V = R. Vamos veri car que o conjunto = f(1; 1); ( 1; 0)g é uma base nita de V. Seja V um espaço vetorial sobre R. Dizemos que V é de dimensão nita se ele possui uma base nita, por exemplo, V = R é de dimensão nita. Caso contrário, V é de dimensão in nita. Teorema 1.4 Sejam V um espaço vetorial sobre R e u 1 ; : : : ; u n vetores em V tais que V = [u 1 ; : : : ; u n ]: Então, dentre esses vetores, podemos extrair uma base de V. Prova. Ver [1] Exemplo 1.5 Sejam V = R e u 1 = (1; 0; 0), u = (1; 1; 0), u = (0; 0; 1), u 4 = (1; 1; 1) vetores em V tais que V = [u 1 ; u ; u ; u 4 ]: Determine dentre esses vetores uma base de V.

14 1.5. BASES E DIMENSÃO 1 Solução. Para resolver esse problema devemos veri car se os vetores u 1 ; u ; u e u 4 são LI ou LD, isto é, veri car se a equação vetorial x 1 u 1 + x u + x u + x 4 u 4 = 0 tem solução nula ou não, onde 0 = (0; 0; 0) V. Mas isto é equivalente a determinar se o sistema homogêneo 8 >< >: x 1 + x + x 4 = 0 x + x 4 = 0 x + x 4 = 0 tem solução. É fácil veri car que S = f(0; c; c; c) : c Rg é o conjunto solução do sistema. Em particular, se c = 1, então (0; 1; 1; 1) é uma solução não-nula do sistema. Portanto, os vetores u 1, u, u e u 4 são LD e u 4 = 0u 1 + u + u : Assim, V = [u 1 ; u ; u ] e o conjunto = fu 1 ; u ; u g é uma base de V (prove isto!). Teorema 1. Seja V um espaço vetorial sobre R tal que V = [u 1 ; : : : ; u m ]: Então todo conjunto com mais de m vetores em V é LD. Assim, todo conjunto de vetores LI em V possui no máximo m vetores. Prova. Ver [1] Corolário 1. Seja V um espaço vetorial de dimensão nita sobre R. Se fu 1 ; : : : ; u m g e fv 1 ; : : : ; v n g são duas bases quaisquer de V, então m = n. Prova. Como V = [u 1 ; : : : ; u m ] e fv 1 ; : : : ; v n g é um conjunto LI temos, pelo Teorema 1., que n m. Por outro lado, como V = [v 1 ; : : : ; v n ] e fu 1 ; : : : ; u m g é um conjunto LI temos, pelo Teorema 1., que m n. Portanto, m = n. Seja V um espaço vetorial de dimensão nita sobre R. A dimensão de V é o número de elementos em alguma base de V e será denotada por dim V ou dim R V. Note, pelo Corolário 1., que essa de nição não depende da base de V, isto é, está bem de nida. Quando V = f0g, convencionamos que dim V = 0. Sejam V um espaço vetorial sobre R e = fu 1 ; : : : ; u n g um subconjunto qualquer de vetores de V. O posto de é de nido por posto() = dim[]:

15 14 CAPÍTULO 1. ESPAÇOS VETORIAIS Lema 1.8 Seja V um espaço vetorial sobre R. Seja fu 1 ; : : : ; u m g um subconjunto LI em V. Então u V [u 1 ; : : : ; u m ] se, e somente se, fu 1 ; : : : ; u m ; ug é um conjunto LI. Prova. Sejam x 1 ; : : : ; x m ; y escalares em R tais que x 1 u x m u m + yu = 0. Então y = 0, pois se y = 0, então u = ( x 1 y )u ( x m y )u m ) u [u 1 ; : : : ; u m ]; o que é impossível. Assim, y = 0 e x 1 u x m u m = 0. Logo, por hipótese, x 1 = = x m = 0. Portanto, fu 1 ; : : : ; u m ; ug é um conjunto LI. Teorema 1.9 Sejam V um espaço vetorial de dimensão nita sobre R e W um subespaço de V. Então todo conjunto de vetores LI em W é parte de uma base de W (ou seja, pode ser completado até formar uma base de V ). Prova. Seja fu 1 ; : : : ; u m g um conjunto de vetores LI em W. Se W = [u 1 ; : : : ; u m ]; acabou. Caso contrário, existe pelo Lema 1.8 u m+1 W [u 1 ; : : : ; u m ] tal que fu 1 ; : : : ; u m ; u m+1 g é LI em W. Se W = [u 1 ; : : : ; u m ; u m+1 ]; acabou. Caso contrário, existe pelo Lema 1.8 u m+ W [u 1 ; : : : ; u m ; u m+1 ] tal que fu 1 ; : : : ; u m ; u m+1 ; u m+ g é LI em W. Continuando dessa maneira (em no máximo dim V conjunto fu 1 ; : : : ; u m ; u m+1 ; u m+ ; : : : ; u n g; que é uma base de W. 1 etapas), obtemos o Corolário 1.40 Seja V um espaço vetorial de dimensão nita sobre R. Se W é um subespaço próprio de V, então dim W < dim V. Além disso, se dim V = n, então todo conjunto com n vetores LI em V é uma base de V.

16 1.5. BASES E DIMENSÃO 15 Prova. Como W = f0g temos que existe u em W com u = 0. É claro que fug é um conjunto LI em W. Assim, pelo Teorema 1.9, existe uma base de W contendo u e no máximo dim V elementos. Logo, dim W dim V. Como W V temos que existe v V tal que v = W. Assim, acrescentando v a uma base de W, obtemos um conjunto LI para V. Portanto, dim W < dim V. Exemplo 1.41 Seja V = R. Veri que se os vetores (1; 1; 0) e (0; 1; 1) é parte de uma base de V. Solução. Para resolver esse problema devemos veri car se os vetores (1; 1; 0) e (0; 1; 1) são LI, isto é, resolver a equação vetorial x 1 (1; 1; 0) + x (0; 1; 1) = (0; 0; 0): Mas isto é equivalente a veri car se o sistema homogêneo 8 >< x 1 = 0 x 1 + x = 0 >: x = 0 tem solução. É fácil veri car que x 1 = x = 0. Logo, os vetores (1; 1; 0) e (0; 1; 1) são LI. Portanto, os vetores (1; 1; 0); (0; 1; 1) é parte de uma base de V. Agora, para determinar u = (b 1 ; b ; b ) V [(1; 1; 0); (0; 1; 1)]; devemos primeiro encontrar os vetores u = (b 1 ; b ; b ) tais que x 1 (1; 1; 0) + x (0; 1; 1) = u; isto é, resolver o sistema não-homogêneo 8 >< x 1 = b 1 x 1 + x = b : >: x = b Logo, o vetor u = (b 1 ; b ; b ) V é combinação linear dos vetores (1; 1; 0) e (0; 1; 1) se, e somente se, b = b 1 + b. Portanto, u = (b 1 ; b ; b ) V [(1; 1; 0); (0; 1; 1)], b = b 1 + b : Em particular, u = (1; 1; 1) V [(1; 1; 0); (0; 1; 1)]: Assim, os vetores (1; 1; 0), (0; 1; 1) e (1; 1; 1) são LI em V. Como dim V = temos que é uma base de V. f(1; 1; 0); (0; 1; 1); (1; 1; 1)g

17 1 CAPÍTULO 1. ESPAÇOS VETORIAIS Teorema 1.4 Seja V um espaço vetorial de dimensão nita sobre R. Se W 1 e W são subespaços de V, então dim(w 1 + W ) = dim W 1 + dim W dim(w 1 \ W ): Prova. Ver [1] Exemplo 1.4 Sejam V = R 4, W 1 = f(x; y; z; t) V : y + z + t = 0g e W = f(x; y; z; t) V : x + y = 0 e z t = 0g: subespaços de V. 1. Determine uma base de W 1 + W e dim(w 1 + W ).. V é soma direta de W 1 e W? Solução. Note que W 1 = f(x; y; z; t) V : y + z + t = 0g = f(x; y; z; y z) V : x; y; z Rg = f(x; 0; 0; 0) + (0; y; 0; y) + (0; 0; z; z) : x; y; z Rg = [(1; 0; 0; 0); (0; 1; 0; 1); (0; 0; 1; 1)]: e dim W 1 =. De modo análogo, mostra-se que W = [(1; 1; 0; 0); (0; 0; ; 1)] e dim W =. Agora, para determinar uma base de W 1 +W, podemos escalonar a matriz !! Portanto, o conjunto = f(1; 0; 0; 0); (0; 1; 0; 1); (0; 0; 1; 1); (1; 1; 0; 0)g é uma base de W 1 + W e dim(w 1 + W ) = 4. Assim, V = R 4 = W 1 + W, pois W 1 + W V. Como dim(w 1 \ W ) = dim W 1 + dim W dim(w 1 + W ) = + 4 = 1

18 1.5. BASES E DIMENSÃO 1 temos que V não é soma direta de W 1 e W. Note que, para determinar uma base de W 1 \ W basta resolver o sistema 8>< >: Assim, W 1 \ W = [(; ; ; 1)]. Exemplo 1.44 Sejam V = R, y + z + t = 0 x + y = 0 z t = 0 : W 1 = [(1; 0; 1); (0; 1; )] e W = [(1; ; ) ; (1; 1; 1)] : subespaços de V. 1. Determine uma base de W 1 \ W e a dim(w 1 \ W ).. V é soma direta de W 1 e W? Solução. É fácil veri car que dim W 1 = e dim W =. Agora, para determinar uma base para W 1 \ W, devemos primeiro determinar os vetores u = (x; y; z) em R que estão nos subespaços W 1 e W, isto é, escalonar as matrizes 1 0. x 1 1. x y 5 e 4 1. y 5 : Assim, 4 e x 0 1. y 1. z 1 1. x 1. y 1. z 1. z Logo, pelo item : das Observações??, 5!! 4 5!! 4 1. z 1 0. x 0 1. y 0 0. x y + z x+y x y 5x y+z W 1 = f(x; y; z) V : x y + z = 0g e W = f(x; y; z) V : 5x y + z = 0g: Finalmente, basta resolver o sistema ( x y + z = 0 5x y + z = 0 : Assim, W 1 \ W = [(1; ; )] e dim(w 1 \ W ) = 1. Portanto, V não é soma direta de W 1 e W mas V = W 1 + W, pois 5 5 : dim(w 1 + W ) = + 1 = = dim V e W 1 + W V:

19 18 CAPÍTULO 1. ESPAÇOS VETORIAIS 1. Mudança de Bases Seja V um espaço vetorial de dimensão nita sobre R. Uma base ordenada de V é uma seqüência nita de vetores LI que gera V e será denotada por (u 1 ; : : : ; u n ) ou fu 1 ; : : : ; u n g Se a seqüência u 1 ; : : : ; u n é uma base ordenada de V, então fu 1 ; : : : ; u n g é uma base de V. Observação 1.45 É importante destacar as principais diferenças entre seqüência e conjunto de vetores: a primeira é a ordem - no conjunto não importa a ordem dos elementos enquanto na seqüência a ordem é importante - no conjunto os elementos são todos distintos enquanto na seqüência todos podem ser iguais. Teorema 1.4 Sejam V um espaço vetorial de dimensão nita sobre R e = fu 1 ; : : : ; u n g uma base ordenada de V. Então todo vetor u V pode ser escrito de modo único sob a forma: u = x 1 u x n u n : Prova. (Existência) Como u V = [] temos que existem escalares x 1 ; : : : ; x n em R tais que u = x 1 u x n u n : (Unicidade) Suponhamos, também, que u = y 1 u y n u n : Então 0 = u u = (x 1 y 1 )u (x n y n )u n : Como é LI temos que x i y i = 0, i = 1; : : : ; n. Portanto, x i = y i, i = 1; : : : ; n. Os escalares x 1 ; : : : ; x n são chamados as coordenadas (ou componentes) do vetor u em relação à base ordenada e será denotada por [u] = 4 x 1. x n 5 : chamaremos ainda u = (x 1 ; x ; ; x n ) de vetor componente de u em relação a base : Note que [u + v] = [u] + [v] e [au] = a[u] ; 8 u; v V; a R:

20 1.. MUDANÇA DE BASES 19 Exemplo 1.4 Ssabendo que = f(1; ; ); (0; 1; ); (0; 0; 1)g é uma base ordenada de V. Vamos determinar 1. A matriz-coordenada e o vetor-coordenada do vetor v = (5; 4; ):. O vetor v R cujo vetor coordenada em relação a é v = (; ; 4). Solução. Em sala! Exemplo 1.48 Sejam V = R e = f(1; 0; 1); (1; 1; 1); (1; 0; 0)g uma base ordenada de V. Determine [(a; b; c)]. Solução. Para resolver esse problema devemos encontrar x 1 ; x ; x R tais que (a; b; c) = x 1 (1; 0; 1) + x (1; 1; 1) + x (1; 0; 0); isto é, resolver o sistema não-homogêneo 8 >< x 1 + x + x = a x = b >: x 1 + x = c : É fácil veri car que x 1 = b c, x = b e x = a b + c. Portanto, b c [(a; b; c)] = 4 b 5 : a b + c Sejam V um espaço vetorial de dimensão nita sobre R, = fu 1 ; : : : ; u n g e 0 = fv 1 ; : : : ; v n g duas bases ordenadas de V. Então, pelo Teorema 1.4, todo vetor u V pode ser escrito de modo único sob a forma ( u = x 1 u x n u n u = y 1 v y n v n : (1.) Assim, [u] = 4 x 1. 5 e [u] 0 = 4 y 1. 5 : x n y n

21 0 CAPÍTULO 1. ESPAÇOS VETORIAIS Como v j V, para cada j = 1; ; : : : ; n, temos que existem únicos a ij R tais que P v 1 = a 11 u a n1 u n = n a i1 u i i= v n = a 1n u a nn u n = P n a in u i : i=1 (1.4) Logo, pela Equação (1.), temos que u = y 1 v y n v n = nx nx y j ( a ij u i ) = j=1 i=1 j=1 i=1 nx nx ( a ij y j )u i : Assim, pela unicidade das coordenadas, temos que x 1 = a 11 y a 1n y n x n = a n1 y a nn y n : Em forma matricial 4 x 1. 5 = 4 a 11 a 1n y 1. 5 : Fazendo x n [I] 0 = 4 a n1 a nn a 11 a 1n ; y n obtemos a n1 a nn [u] = [I] 0 [u] 0 : A matriz [I] 0 é chamada a matriz de mudança de base da base 0 para a base. Comparando [I] 0 com a equação (1.4), notamos que essa matriz é obtida colocando as coordenadas em relação à base de v j na j-ésima coluna. Observação 1.49 A matriz [I] 0 é invertível, pois para cada i = 1; ; : : : ; n, temos que v i = a i1 u 1 + a i u + + a in u n = nx a ij u j (1.5) j=1 e para cada j = 1; ; : : : ; n, temos que u j = b j1 v 1 + b j v + + b jn v n = nx b jk v k : (1.) k=1

22 1.. MUDANÇA DE BASES 1 Fazendo A = [a ij ] e B = [b jk ], temos que [I] 0 = At e [I] 0 = Bt. Substituindo a equação (1:) na equação (1:5), temos que v i = nx j=1 a ij! nx b jk v k = k=1 nx k=1! nx a ij b jk v k : j=1 Como fv 1 ; : : : ; v n g é uma base de V temos que nx a ij b jk = ik ) AB = I n : j=1 Portanto, [I] 0 [I]0 = Bt A t = (AB) t = (I n ) t = I n ) [I] 0 = ([I]0 ) 1 : Exemplo 1.50 Sejam V = R, = f(; de V. Determine [(5; 8)] : 1); (; 4)g e 0 = fe 1 ; e g duas bases ordenadas Exemplo 1.51 Sejam V = R, = f(1; ); (; )g e 0 duas bases ordenadas de V. A matriz de mudança de base da base para a base 0 é " # [I] 1 1 = : Determine a base 0. Solução. Em Sala! Bibliogra a [1] ANDRADE, L. N. de, Introdução à Álgébrica Linear, Ed. UFPB 00. [4] BOLDRINI, J. L. et al, Álgebra Linear, : a Edição, Ed. Harbra Ltda, 198.

2.2 Subespaços Vetoriais

2.2 Subespaços Vetoriais 32 CAPÍTULO 2. ESPAÇOS VETORIAIS 2.2 Subespaços Vetoriais Sejam V um espaço vetorial sobre R e W um subconjunto de V. Dizemos que W é um subespaço (vetorial) de V se as seguintes condições são satisfeitas:

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

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

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

Universidade Estadual de Santa Cruz. Departamento de Ciências Exatas e Tecnológicas. Especialização em Matemática. Disciplina: Estruturas Algébricas

Universidade Estadual de Santa Cruz. Departamento de Ciências Exatas e Tecnológicas. Especialização em Matemática. Disciplina: Estruturas Algébricas 1 Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e Tecnológicas Especialização em Matemática Disciplina: Estruturas Algébricas Profs.: Elisangela S. Farias e Sérgio Motta Operações

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

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

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

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

1 Base de um Espaço Vetorial

1 Base de um Espaço Vetorial Disciplina: Anéis e Corpos Professor: Fernando Torres Membros do grupo: Blas Melendez Caraballo (ra143857), Leonardo Soriani Alves (ra115465), Osmar Rogério Reis Severiano (ra134333) Ramon Códamo Braga

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

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

1. O conjunto dos polinômios de grau m, com 2 m 5, acrescido do polinômio nulo, é um subespaço do espaço P 5.

1. O conjunto dos polinômios de grau m, com 2 m 5, acrescido do polinômio nulo, é um subespaço do espaço P 5. UFPB/PRAI/CCT/DME - CAMPUS II DISCIPLINA: Álgebra Linear ALUNO (A): 2 a LISTA DE EXERCÍCIOS 1 a PARTE: QUESTÕES TIPO VERDADEIRO OU FALSO COM JUSTI- FICATIVA. 1. O conjunto dos polinômios de grau m com

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

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata

Leia mais

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

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

A ideia de coordenatização (2/2)

A ideia de coordenatização (2/2) 8 a : aula (1h) 12/10/2010 a ideia de coordenatização (2/2) 8-1 Instituto Superior Técnico 2010/11 1 o semestre Álgebra Linear 1 o ano das Lics. em Engenharia Informática e de Computadores A ideia de coordenatização

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

Notas de Aula. Álgebra Linear I

Notas de Aula. Álgebra Linear I Notas de Aula Álgebra Linear I Rodney Josué Biezuner 1 Departamento de Matemática Instituto de Ciências Exatas (ICEx) Universidade Federal de Minas Gerais (UFMG) Notas de aula da disciplina Álgebra Linear

Leia mais

Capítulo 3. Cálculo Vetorial. 3.1 Segmentos Orientados

Capítulo 3. Cálculo Vetorial. 3.1 Segmentos Orientados Capítulo 3 Cálculo Vetorial O objetivo deste capítulo é o estudo de vetores de um ponto de vista geométrico e analítico. De acordo com a necessidade, a abordagem do assunto será formal ou informal. O estudo

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

(os números, que constituirão os corpos numéricos) (os vetores, que constituirão os espaços vetoriais)

(os números, que constituirão os corpos numéricos) (os vetores, que constituirão os espaços vetoriais) Os objetos que serão considerados aqui são de duas natureza: Escalar: Vetorial: (os números, que constituirão os corpos numéricos) (os vetores, que constituirão os espaços vetoriais). Corpos Numéricos

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

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

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

Conceitos Fundamentais

Conceitos Fundamentais Capítulo 1 Conceitos Fundamentais Objetivos: No final do Capítulo o aluno deve saber: 1. distinguir o uso de vetores na Física e na Matemática; 2. resolver sistema lineares pelo método de Gauss-Jordan;

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

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

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

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

UNIV ERSIDADE DO EST ADO DE SANT A CAT ARINA UDESC CENT RO DE CI ^ENCIAS T ECNOLOGICAS DEP ART AMENT O DE MAT EMAT ICA DMAT

UNIV ERSIDADE DO EST ADO DE SANT A CAT ARINA UDESC CENT RO DE CI ^ENCIAS T ECNOLOGICAS DEP ART AMENT O DE MAT EMAT ICA DMAT UNIV ERSIDADE DO EST ADO DE SANT A CAT ARINA UDESC CENT RO DE CI ^ENCIAS T ECNOLOGICAS CCT DEP ART AMENT O DE MAT EMAT ICA DMAT Professora Graciela Moro Exercícios sobre Matrizes, Determinantes e Sistemas

Leia mais

Notas de Aula. Álgebra Linear

Notas de Aula. Álgebra Linear Notas de Aula Álgebra Linear Rodney Josué Biezuner 1 Departamento de Matemática Instituto de Ciências Exatas (ICEx) Universidade Federal de Minas Gerais (UFMG) Notas de aula da disciplina Álgebra Linear

Leia mais

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

FACULDADE DE CIÊNCIA E TECNOLOGIA. Cursos de Engenharia. Prof. Álvaro Fernandes Serafim FACULDADE DE CIÊNCIA E TECNOLOGIA Cursos de Engenharia Prof. Álvaro Fernandes Serafim Última atualização: //7. Esta apostila de Álgebra Linear foi elaborada pela Professora Ilka Rebouças Freire. A formatação

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

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

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

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

ESPAÇOS QUOCIENTES DANIEL SMANIA. [x] := {y X t.q. x y}.

ESPAÇOS QUOCIENTES DANIEL SMANIA. [x] := {y X t.q. x y}. ESPAÇOS QUOCIENTES DANIEL SMANIA 1. Relações de equivalência Seja uma relação de equivalência sobre um conjunto X, isto é, uma rel ção binária que satisfaz as seguintes propriedades i. (Prop. Reflexiva.)

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

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

Capítulo 2: Transformação de Matrizes e Resolução de Sistemas

Capítulo 2: Transformação de Matrizes e Resolução de Sistemas 2 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 2: Transformação de Matrizes e Resolução de Sistemas Sumário 1 Transformação de Matrizes.............. 3 1.1

Leia mais

Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,...

Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... 0) O que veremos na aula de hoje? Um fato interessante Produtos notáveis Equação do 2º grau Como fazer a questão 5 da 3ª

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

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

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

Tópicos Matriciais Pedro Henrique O. Pantoja Natal / RN

Tópicos Matriciais Pedro Henrique O. Pantoja Natal / RN 1. Traço de Matrizes. Definição 1.1: O traço de uma matriz quadrada A a de ordem n é a soma dos elementos da diagonal principal. Em símbolos, TrA a a a a. Daqui em diante, A denotará uma matriz quadrada

Leia mais

MATRIZES Matriz quadrada Matriz linha e matriz coluna Matriz diagonal Matriz identidade

MATRIZES Matriz quadrada Matriz linha e matriz coluna Matriz diagonal Matriz identidade MATRIZES Matriz quadrada matriz quadrada de ordem. diagonal principal matriz quadrada de ordem. - 7 9 diagonal principal diagonal secundária Matriz linha e matriz coluna [ ] colunas). (linha e matriz linha

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

Vetores. Definição geométrica de vetores

Vetores. Definição geométrica de vetores Vetores Várias grandezas físicas, tais como por exemplo comprimento, área, olume, tempo, massa e temperatura são completamente descritas uma ez que a magnitude (intensidade) é dada. Tais grandezas são

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

Vetores no R 2 : = OP e escreve-se: v = (x, y), identificando-se as coordenadas de P com as componentes de v.

Vetores no R 2 : = OP e escreve-se: v = (x, y), identificando-se as coordenadas de P com as componentes de v. Vetores no R 2 : O conjunto R 2 = R x R = {(x, y) / x, y Є R} é interpretado geometricamente como sendo o plano cartesiano xoy. Qualquer vetor AB considerado neste plano tem sempre um representante OP

Leia mais

Uma lei que associa mais de um valor y a um valor x é uma relação, mas não uma função. O contrário é verdadeiro (isto é, toda função é uma relação).

Uma lei que associa mais de um valor y a um valor x é uma relação, mas não uma função. O contrário é verdadeiro (isto é, toda função é uma relação). 5. FUNÇÕES DE UMA VARIÁVEL 5.1. INTRODUÇÃO Devemos compreender função como uma lei que associa um valor x pertencente a um conjunto A a um único valor y pertencente a um conjunto B, ao que denotamos por

Leia mais

NIVELAMENTO MATEMÁTICA 2012

NIVELAMENTO MATEMÁTICA 2012 NIVELAMENTO MATEMÁTICA 202 Monitor: Alexandre Rodrigues Loures Monitor: Alexandre Rodrigues Loures SUMÁRIO. LOGARITMOS... 3.. Mudança de base... 3.2. Propriedades dos logaritmos... 4 2. DERIVADAS... 4

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

EQUAÇÕES E INEQUAÇÕES DE 1º GRAU

EQUAÇÕES E INEQUAÇÕES DE 1º GRAU 1 EQUAÇÕES E INEQUAÇÕES DE 1º GRAU Equação do 1º grau Chamamos de equação do 1º grau em uma incógnita x, a qualquer expressão matemática que pode ser escrita sob a forma: em que a e b são números reais,

Leia mais

RELAÇÕES BINÁRIAS Produto Cartesiano A X B

RELAÇÕES BINÁRIAS Produto Cartesiano A X B RELAÇÕES BINÁRIAS PARES ORDENADOS Um PAR ORDENADO, denotado por (x,y), é um par de elementos onde x é o Primeiro elemento e y é o Segundo elemento do par A ordem é relevante em um par ordenado Logo, os

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

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

9. Derivadas de ordem superior

9. Derivadas de ordem superior 9. Derivadas de ordem superior Se uma função f for derivável, então f é chamada a derivada primeira de f (ou de ordem 1). Se a derivada de f eistir, então ela será chamada derivada segunda de f (ou de

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

x0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?

x0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas? Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões

Leia mais

Breve referência à Teoria de Anéis. Álgebra (Curso de CC) Ano lectivo 2005/2006 191 / 204

Breve referência à Teoria de Anéis. Álgebra (Curso de CC) Ano lectivo 2005/2006 191 / 204 Breve referência à Teoria de Anéis Álgebra (Curso de CC) Ano lectivo 2005/2006 191 / 204 Anéis Há muitos conjuntos, como é o caso dos inteiros, dos inteiros módulo n ou dos números reais, que consideramos

Leia mais

Modelagem no Domínio do Tempo. Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1

Modelagem no Domínio do Tempo. Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1 Carlos Alexandre Mello 1 Modelagem no Domínio da Frequência A equação diferencial de um sistema é convertida em função de transferência, gerando um modelo matemático de um sistema que algebricamente relaciona

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

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

6. Geometria, Primitivas e Transformações 3D

6. Geometria, Primitivas e Transformações 3D 6. Geometria, Primitivas e Transformações 3D Até agora estudamos e implementamos um conjunto de ferramentas básicas que nos permitem modelar, ou representar objetos bi-dimensionais em um sistema também

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

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

POLINÔMIOS. x 2x 5x 6 por x 1 x 2. 10 seja x x 3

POLINÔMIOS. x 2x 5x 6 por x 1 x 2. 10 seja x x 3 POLINÔMIOS 1. (Ueg 01) A divisão do polinômio a) x b) x + c) x 6 d) x + 6 x x 5x 6 por x 1 x é igual a:. (Espcex (Aman) 01) Os polinômios A(x) e B(x) são tais que A x B x x x x 1. Sabendo-se que 1 é raiz

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

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

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

Aplicações de Combinatória e Geometria na Teoria dos Números

Aplicações de Combinatória e Geometria na Teoria dos Números Aplicações de Combinatória e Geometria na Teoria dos Números Nesse artigo vamos discutir algumas abordagens diferentes na Teoria dos Números, no sentido de envolverem também outras grandes áreas, como

Leia mais

CAPÍTULO 4. A Produção de Significados para a Noção de Base: Um Estudo de Caso

CAPÍTULO 4. A Produção de Significados para a Noção de Base: Um Estudo de Caso CAPÍTULO 4 A Produção de Significados para a Noção de Base: Um Estudo de Caso 77 4. Um Estudo Preliminar Na primeira fase de elaboração das atividades do estudo de caso, tentamos reunir alguns elementos

Leia mais

Material Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto

Material Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto Material Teórico - Módulo de Divisibilidade MDC e MMC - Parte 1 Sexto Ano Prof. Angelo Papa Neto 1 Máximo divisor comum Nesta aula, definiremos e estudaremos métodos para calcular o máximo divisor comum

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

5. Considere os seguintes subconjuntos do espaço vetorial F(R) das funções de R em R:

5. Considere os seguintes subconjuntos do espaço vetorial F(R) das funções de R em R: MAT3457 ÁLGEBRA LINEAR I 3 a Lista de Exercícios 1 o semestre de 2018 1. Verique se V = {(x, y) : x, y R} é um espaço vetorial sobre R com as operações de adição e de multiplicação por escalar dadas por:

Leia mais

Bem, produto interno serve para determinar ângulos e distâncias entre vetores e é representado por produto interno de v com w).

Bem, produto interno serve para determinar ângulos e distâncias entre vetores e é representado por produto interno de v com w). Produto Interno INTRODUÇÃO Galera, vamos aprender agora as definições e as aplicações de Produto Interno. Essa matéria não é difícil, mas para ter segurança nela é necessário que o aluno tenha certa bagagem

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

12. FUNÇÕES INJETORAS. FUNÇÕES SOBREJETORAS 12.1 FUNÇÕES INJETORAS. Definição

12. FUNÇÕES INJETORAS. FUNÇÕES SOBREJETORAS 12.1 FUNÇÕES INJETORAS. Definição 90 1. FUNÇÕES INJETORAS. FUNÇÕES SOBREJETORAS 1.1 FUNÇÕES INJETORAS Definição Dizemos que uma função f: A B é injetora quando para quaisquer elementos x 1 e x de A, f(x 1 ) = f(x ) implica x 1 = x. Em

Leia mais

Matriz de mudança de coordenadas: S B1!B 2. (como se faz e para que serve) transformação linear. (como se faz e para que serve)

Matriz de mudança de coordenadas: S B1!B 2. (como se faz e para que serve) transformação linear. (como se faz e para que serve) Matriz de mudança de coordenadas: S B!B (como se faz e para que serve) Transformação linear A matriz de T em relação às bases B e B 0 : M(T ; B; B 0 ) (como se faz e para que serve) As 3 formas (equivalentes)

Leia mais

Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.

Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel. Matemática Essencial Equações do Segundo grau Conteúdo Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.br/matessencial/ 1 Introdução

Leia mais

. Determine os valores de P(1) e P(22).

. Determine os valores de P(1) e P(22). Resolução das atividades complementares Matemática M Polinômios p. 68 Considere o polinômio P(x) x x. Determine os valores de P() e P(). x x P() 0; P() P(x) (x x)? x (x ) x x x P()? 0 P() ()? () () 8 Seja

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

Todos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU

Todos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU FUNÇÃO IDENTIDADE... FUNÇÃO LINEAR... FUNÇÃO AFIM... GRÁFICO DA FUNÇÃO DO º GRAU... IMAGEM... COEFICIENTES DA FUNÇÃO AFIM... ZERO DA FUNÇÃO AFIM... 8 FUNÇÕES CRESCENTES OU DECRESCENTES... 9 SINAL DE UMA

Leia mais

OTIMIZAÇÃO VETORIAL. Formulação do Problema

OTIMIZAÇÃO VETORIAL. Formulação do Problema OTIMIZAÇÃO VETORIAL Formulação do Problema Otimização Multiobjetivo (também chamada otimização multicritério ou otimização vetorial) pode ser definida como o problema de encontrar: um vetor de variáveis

Leia mais

2 a. Lista de Exercícios

2 a. Lista de Exercícios Última atualização 16/09/007 FACULDADE Engenharia: Disciplina: Álgebra Linear Professor(a): Data / / Aluno(a): Turma a Lista de Exercícios A álgebra de vetores e a álgebra de matrizes são similares em

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

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

Dicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima.

Dicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima. Dicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima. 1 /2013 Para calcular Hom(G 1,G 2 ) ou Aut(G) vocês vão precisar ter em

Leia mais

Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade,

Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade, D Resumo de Álgebra Matricial Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade, necessária para o estudo de modelos de regressão linear múltipla usando matrizes,

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

Resolução da Prova da Escola Naval 2009. Matemática Prova Azul

Resolução da Prova da Escola Naval 2009. Matemática Prova Azul Resolução da Prova da Escola Naval 29. Matemática Prova Azul GABARITO D A 2 E 2 E B C 4 D 4 C 5 D 5 A 6 E 6 C 7 B 7 B 8 D 8 E 9 A 9 A C 2 B. Os 6 melhores alunos do Colégio Naval submeteram-se a uma prova

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

FUNÇÃO REAL DE UMA VARIÁVEL REAL

FUNÇÃO REAL DE UMA VARIÁVEL REAL Hewlett-Packard FUNÇÃO REAL DE UMA VARIÁVEL REAL Aulas 01 a 04 Elson Rodrigues, Gabriel Carvalho e Paulo Luís Ano: 2015 Sumário INTRODUÇÃO AO PLANO CARTESIANO... 2 PRODUTO CARTESIANO... 2 Número de elementos

Leia mais

O Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48

O Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48 Conteúdo 1 Princípios de Contagem e Enumeração Computacional Permutações com Repetições Combinações com Repetições O Problema do Troco Principio da Casa dos Pombos > Princípios de Contagem e Enumeração

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

Ivan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:

Ivan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente: Rumo ao ITA Física Análise Dimensional Ivan Guilhon Mitoso Rocha A análise dimensional é um assunto básico que estuda as grandezas físicas em geral, com respeito a suas unidades de medida. Como as grandezas

Leia mais