Domínio, Contradomínio e Imagem

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Domínio, Contradomínio e Imagem"

Transcrição

1 Domínio, Contradomínio e Imagem (domínio, contradomínio e imagem de função) Seja f : X Y uma função. Dizemos que: f (X) X Y X é o domínio; Y é o contra-domínio e {y B; y = f (x) para algum x X} é a imagem, denotada Im(f ) ou f (X). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 1 / 30

2 Domínio, Contradomínio e Imagem (domínio, contradomínio e imagem de função) Seja f : X Y uma função. Dizemos que: f (X) X Y X é o domínio; Y é o contra-domínio e {y B; y = f (x) para algum x X} é a imagem, denotada Im(f ) ou f (X). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 1 / 30

3 Domínio, Contradomínio e Imagem (domínio, contradomínio e imagem de função) Seja f : X Y uma função. Dizemos que: f (X) X Y X é o domínio; Y é o contra-domínio e {y B; y = f (x) para algum x X} é a imagem, denotada Im(f ) ou f (X). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 1 / 30

4 Domínio, Contradomínio e Imagem (domínio, contradomínio e imagem de função) Seja f : X Y uma função. Dizemos que: f (X) X Y X é o domínio; Y é o contra-domínio e {y B; y = f (x) para algum x X} é a imagem, denotada Im(f ) ou f (X). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 1 / 30

5 Funções Injetiva, Sobrejetiva e Bijetiva (função injetiva, sobrejetiva e bijetiva) Seja f : A B uma função. Dizemos que f é: injetiva se f (u) = f (v) implica que u = v. No diagrama, cada elemento do contra-domínio é atingido no máximo uma vez. sobrejetiva se f (A) = B. No diagrama, cada elemento do contra-domínio é atingido pelo menos uma vez. bijetiva se é injetiva e sobrejetiva. No diagrama, cada elemento do contra-domínio é atingido exatamente uma vez. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 30

6 Funções Injetiva, Sobrejetiva e Bijetiva (função injetiva, sobrejetiva e bijetiva) Seja f : A B uma função. Dizemos que f é: injetiva se f (u) = f (v) implica que u = v. No diagrama, cada elemento do contra-domínio é atingido no máximo uma vez. sobrejetiva se f (A) = B. No diagrama, cada elemento do contra-domínio é atingido pelo menos uma vez. bijetiva se é injetiva e sobrejetiva. No diagrama, cada elemento do contra-domínio é atingido exatamente uma vez. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 30

7 Funções Injetiva, Sobrejetiva e Bijetiva (função injetiva, sobrejetiva e bijetiva) Seja f : A B uma função. Dizemos que f é: injetiva se f (u) = f (v) implica que u = v. No diagrama, cada elemento do contra-domínio é atingido no máximo uma vez. sobrejetiva se f (A) = B. No diagrama, cada elemento do contra-domínio é atingido pelo menos uma vez. bijetiva se é injetiva e sobrejetiva. No diagrama, cada elemento do contra-domínio é atingido exatamente uma vez. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 30

8 Funções Injetiva, Sobrejetiva e Bijetiva (função injetiva, sobrejetiva e bijetiva) Seja f : A B uma função. Dizemos que f é: injetiva se f (u) = f (v) implica que u = v. No diagrama, cada elemento do contra-domínio é atingido no máximo uma vez. sobrejetiva se f (A) = B. No diagrama, cada elemento do contra-domínio é atingido pelo menos uma vez. bijetiva se é injetiva e sobrejetiva. No diagrama, cada elemento do contra-domínio é atingido exatamente uma vez. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 30

9 Funções Injetiva, Sobrejetiva e Bijetiva (função injetiva, sobrejetiva e bijetiva) Seja f : A B uma função. Dizemos que f é: injetiva se f (u) = f (v) implica que u = v. No diagrama, cada elemento do contra-domínio é atingido no máximo uma vez. sobrejetiva se f (A) = B. No diagrama, cada elemento do contra-domínio é atingido pelo menos uma vez. bijetiva se é injetiva e sobrejetiva. No diagrama, cada elemento do contra-domínio é atingido exatamente uma vez. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 30

10 Funções Injetiva, Sobrejetiva e Bijetiva (função injetiva, sobrejetiva e bijetiva) Seja f : A B uma função. Dizemos que f é: injetiva se f (u) = f (v) implica que u = v. No diagrama, cada elemento do contra-domínio é atingido no máximo uma vez. sobrejetiva se f (A) = B. No diagrama, cada elemento do contra-domínio é atingido pelo menos uma vez. bijetiva se é injetiva e sobrejetiva. No diagrama, cada elemento do contra-domínio é atingido exatamente uma vez. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 30

11 Funções Injetiva, Sobrejetiva e Bijetiva (função injetiva, sobrejetiva e bijetiva) Seja f : A B uma função. Dizemos que f é: injetiva se f (u) = f (v) implica que u = v. No diagrama, cada elemento do contra-domínio é atingido no máximo uma vez. sobrejetiva se f (A) = B. No diagrama, cada elemento do contra-domínio é atingido pelo menos uma vez. bijetiva se é injetiva e sobrejetiva. No diagrama, cada elemento do contra-domínio é atingido exatamente uma vez. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 30

12 Funções Exemplo 1 Exemplo (função injetiva) f : R R 2 definido por f (x) = (x, x). f R é o domínio R 2 é o contra-domínio É injetiva: f (x) = f (y) (x, x) = (y, y) x = y Não é sobrejetiva: (1, 2) f (x) = (x, x) x R A imagem de f é a reta y = x. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 30

13 Funções Exemplo 1 Exemplo (função injetiva) f : R R 2 definido por f (x) = (x, x). f R é o domínio R 2 é o contra-domínio É injetiva: f (x) = f (y) (x, x) = (y, y) x = y Não é sobrejetiva: (1, 2) f (x) = (x, x) x R A imagem de f é a reta y = x. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 30

14 Funções Exemplo 1 Exemplo (função injetiva) f : R R 2 definido por f (x) = (x, x). f R é o domínio R 2 é o contra-domínio É injetiva: f (x) = f (y) (x, x) = (y, y) x = y Não é sobrejetiva: (1, 2) f (x) = (x, x) x R A imagem de f é a reta y = x. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 30

15 Funções Exemplo 1 Exemplo (função injetiva) f : R R 2 definido por f (x) = (x, x). f R é o domínio R 2 é o contra-domínio É injetiva: f (x) = f (y) (x, x) = (y, y) x = y Não é sobrejetiva: (1, 2) f (x) = (x, x) x R A imagem de f é a reta y = x. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 30

16 Funções Exemplo 1 Exemplo (função injetiva) f : R R 2 definido por f (x) = (x, x). f R é o domínio R 2 é o contra-domínio É injetiva: f (x) = f (y) (x, x) = (y, y) x = y Não é sobrejetiva: (1, 2) f (x) = (x, x) x R A imagem de f é a reta y = x. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 30

17 Funções Exemplo 1 Exemplo (função injetiva) f : R R 2 definido por f (x) = (x, x). f R é o domínio R 2 é o contra-domínio É injetiva: f (x) = f (y) (x, x) = (y, y) x = y Não é sobrejetiva: (1, 2) f (x) = (x, x) x R A imagem de f é a reta y = x. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 30

18 Funções Exemplo 1 Exemplo (função injetiva) f : R R 2 definido por f (x) = (x, x). f R é o domínio R 2 é o contra-domínio É injetiva: f (x) = f (y) (x, x) = (y, y) x = y Não é sobrejetiva: (1, 2) f (x) = (x, x) x R A imagem de f é a reta y = x. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 30

19 Funções Exemplo 2 Exemplo (função sobrejetiva) f : R 2 R definido por f (x, y) = x + y. R 2 é o domínio R é o contra-domínio Não é injetiva: f (1, 0) = f (0, 1) É sobrejetiva: dado y R (elemento do contra-domínio), existe x R 2 (por exemplo, x = (y, 0)) tal que f (x) = f (y, 0) = y A imagem de f é R Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 30

20 Funções Exemplo 2 Exemplo (função sobrejetiva) f : R 2 R definido por f (x, y) = x + y. R 2 é o domínio R é o contra-domínio Não é injetiva: f (1, 0) = f (0, 1) É sobrejetiva: dado y R (elemento do contra-domínio), existe x R 2 (por exemplo, x = (y, 0)) tal que f (x) = f (y, 0) = y A imagem de f é R Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 30

21 Funções Exemplo 2 Exemplo (função sobrejetiva) f : R 2 R definido por f (x, y) = x + y. R 2 é o domínio R é o contra-domínio Não é injetiva: f (1, 0) = f (0, 1) É sobrejetiva: dado y R (elemento do contra-domínio), existe x R 2 (por exemplo, x = (y, 0)) tal que f (x) = f (y, 0) = y A imagem de f é R Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 30

22 Funções Exemplo 2 Exemplo (função sobrejetiva) f : R 2 R definido por f (x, y) = x + y. R 2 é o domínio R é o contra-domínio Não é injetiva: f (1, 0) = f (0, 1) É sobrejetiva: dado y R (elemento do contra-domínio), existe x R 2 (por exemplo, x = (y, 0)) tal que f (x) = f (y, 0) = y A imagem de f é R Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 30

23 Funções Exemplo 2 Exemplo (função sobrejetiva) f : R 2 R definido por f (x, y) = x + y. R 2 é o domínio R é o contra-domínio Não é injetiva: f (1, 0) = f (0, 1) É sobrejetiva: dado y R (elemento do contra-domínio), existe x R 2 (por exemplo, x = (y, 0)) tal que f (x) = f (y, 0) = y A imagem de f é R Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 30

24 Funções Exemplo 2 Exemplo (função sobrejetiva) f : R 2 R definido por f (x, y) = x + y. R 2 é o domínio R é o contra-domínio Não é injetiva: f (1, 0) = f (0, 1) É sobrejetiva: dado y R (elemento do contra-domínio), existe x R 2 (por exemplo, x = (y, 0)) tal que f (x) = f (y, 0) = y A imagem de f é R Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 30

25 de Transformação Linear (transformação linear) T : V W é dita linear se preserva combinações lineares: T (α u + v) = αt ( u) + T ( v 2 ). para todo u, v V e α R. Observação Uma função é linear se e só se preserva soma vetorial e multiplicação por escalar. Se T é linear, T (0) = T ( 0 + 0) = T (0) + T (0) = 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 30

26 de Transformação Linear (transformação linear) T : V W é dita linear se preserva combinações lineares: T (α u + v) = αt ( u) + T ( v 2 ). para todo u, v V e α R. Observação Uma função é linear se e só se preserva soma vetorial e multiplicação por escalar. Se T é linear, T (0) = T ( 0 + 0) = T (0) + T (0) = 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 30

27 de Transformação Linear (transformação linear) T : V W é dita linear se preserva combinações lineares: T (α u + v) = αt ( u) + T ( v 2 ). para todo u, v V e α R. Observação Uma função é linear se e só se preserva soma vetorial e multiplicação por escalar. Se T é linear, T (0) = T ( 0 + 0) = T (0) + T (0) = 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 30

28 de Transformação Linear (transformação linear) T : V W é dita linear se preserva combinações lineares: T (α u + v) = αt ( u) + T ( v 2 ). para todo u, v V e α R. Observação Uma função é linear se e só se preserva soma vetorial e multiplicação por escalar. Se T é linear, T (0) = T ( 0 + 0) = T (0) + T (0) = 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 30

29 de Transformação Linear (transformação linear) T : V W é dita linear se preserva combinações lineares: T (α u + v) = αt ( u) + T ( v 2 ). para todo u, v V e α R. Observação Uma função é linear se e só se preserva soma vetorial e multiplicação por escalar. Se T é linear, T (0) = T ( 0 + 0) = T (0) + T (0) = 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 30

30 de Transformação Linear (transformação linear) T : V W é dita linear se preserva combinações lineares: T (α u + v) = αt ( u) + T ( v 2 ). para todo u, v V e α R. Observação Uma função é linear se e só se preserva soma vetorial e multiplicação por escalar. Se T é linear, T (0) = T ( 0 + 0) = T (0) + T (0) = 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 30

31 TL Notação Notação Denotamos por L(U; V ) o conjunto de todas as transformações lineares de U em V. Observação Veremos que L(U; V ), munido de operações adequadas, é espaço vetorial. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 30

32 TL Notação Notação Denotamos por L(U; V ) o conjunto de todas as transformações lineares de U em V. Observação Veremos que L(U; V ), munido de operações adequadas, é espaço vetorial. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 30

33 TL Exemplo 1 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 ) é linear? T (αx + y) = T (αx 1 + y 1, αx 2 + y 2, αx 3 + y 3 ) = (αx 3 + y 3, (αx 1 + y 1 )) = α(x 3, x 1 ) + (y 3, y 1 ) = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 30

34 TL Exemplo 1 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 ) é linear? T (αx + y) = T (αx 1 + y 1, αx 2 + y 2, αx 3 + y 3 ) = (αx 3 + y 3, (αx 1 + y 1 )) = α(x 3, x 1 ) + (y 3, y 1 ) = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 30

35 TL Exemplo 1 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 ) é linear? T (αx + y) = T (αx 1 + y 1, αx 2 + y 2, αx 3 + y 3 ) = (αx 3 + y 3, (αx 1 + y 1 )) = α(x 3, x 1 ) + (y 3, y 1 ) = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 30

36 TL Exemplo 1 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 ) é linear? T (αx + y) = T (αx 1 + y 1, αx 2 + y 2, αx 3 + y 3 ) = (αx 3 + y 3, (αx 1 + y 1 )) = α(x 3, x 1 ) + (y 3, y 1 ) = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 30

37 TL Exemplo 1 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 ) é linear? T (αx + y) = T (αx 1 + y 1, αx 2 + y 2, αx 3 + y 3 ) = (αx 3 + y 3, (αx 1 + y 1 )) = α(x 3, x 1 ) + (y 3, y 1 ) = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 30

38 TL Exemplo 1 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 ) é linear? T (αx + y) = T (αx 1 + y 1, αx 2 + y 2, αx 3 + y 3 ) = (αx 3 + y 3, (αx 1 + y 1 )) = α(x 3, x 1 ) + (y 3, y 1 ) = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 30

39 TL Exemplo 1 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 ) é linear? T (αx + y) = T (αx 1 + y 1, αx 2 + y 2, αx 3 + y 3 ) = (αx 3 + y 3, (αx 1 + y 1 )) = α(x 3, x 1 ) + (y 3, y 1 ) = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 30

40 TL Exemplo 2 T : R n R m x A m n x é linear? T (αx + y) = A(αx + y) = αax + Ay = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 30

41 TL Exemplo 2 T : R n R m x A m n x é linear? T (αx + y) = A(αx + y) = αax + Ay = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 30

42 TL Exemplo 2 T : R n R m x A m n x é linear? T (αx + y) = A(αx + y) = αax + Ay = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 30

43 TL Exemplo 2 T : R n R m x A m n x é linear? T (αx + y) = A(αx + y) = αax + Ay = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 30

44 TL Exemplo 2 T : R n R m x A m n x é linear? T (αx + y) = A(αx + y) = αax + Ay = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 30

45 TL Exemplo 2 T : R n R m x A m n x é linear? T (αx + y) = A(αx + y) = αax + Ay = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 30

46 TL Exemplo 3 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 x 2 ) T (1, 1, 1) = (1, 1) T (2, 2, 2) = (2, 4) 2T (1, 1, 1) é linear? Não. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 30

47 TL Exemplo 3 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 x 2 ) T (1, 1, 1) = (1, 1) T (2, 2, 2) = (2, 4) 2T (1, 1, 1) é linear? Não. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 30

48 TL Exemplo 3 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 x 2 ) T (1, 1, 1) = (1, 1) T (2, 2, 2) = (2, 4) 2T (1, 1, 1) é linear? Não. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 30

49 TL Exemplo 3 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 x 2 ) T (1, 1, 1) = (1, 1) T (2, 2, 2) = (2, 4) 2T (1, 1, 1) é linear? Não. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 30

50 TL Exemplo 3 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 x 2 ) T (1, 1, 1) = (1, 1) T (2, 2, 2) = (2, 4) 2T (1, 1, 1) é linear? Não. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 30

51 TL Exemplo 4 Seja C 1 (R; R) o espaço das funções continuamente diferenciáveis e C(R; R) o conjunto das funções contínuas. A transformação derivada é linear? D : C 1 (R; R) C(R; R) f D(f ) = f. D(αf + g) = (αf + g) = αf + g = αd(f) + D(g) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 30

52 TL Exemplo 4 Seja C 1 (R; R) o espaço das funções continuamente diferenciáveis e C(R; R) o conjunto das funções contínuas. A transformação derivada é linear? D : C 1 (R; R) C(R; R) f D(f ) = f. D(αf + g) = (αf + g) = αf + g = αd(f) + D(g) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 30

53 TL Exemplo 4 Seja C 1 (R; R) o espaço das funções continuamente diferenciáveis e C(R; R) o conjunto das funções contínuas. A transformação derivada é linear? D : C 1 (R; R) C(R; R) f D(f ) = f. D(αf + g) = (αf + g) = αf + g = αd(f) + D(g) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 30

54 TL Exemplo 4 Seja C 1 (R; R) o espaço das funções continuamente diferenciáveis e C(R; R) o conjunto das funções contínuas. A transformação derivada é linear? D : C 1 (R; R) C(R; R) f D(f ) = f. D(αf + g) = (αf + g) = αf + g = αd(f) + D(g) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 30

55 TL Exemplo 4 Seja C 1 (R; R) o espaço das funções continuamente diferenciáveis e C(R; R) o conjunto das funções contínuas. A transformação derivada é linear? D : C 1 (R; R) C(R; R) f D(f ) = f. D(αf + g) = (αf + g) = αf + g = αd(f) + D(g) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 30

56 TL Exemplo 4 Seja C 1 (R; R) o espaço das funções continuamente diferenciáveis e C(R; R) o conjunto das funções contínuas. A transformação derivada é linear? D : C 1 (R; R) C(R; R) f D(f ) = f. D(αf + g) = (αf + g) = αf + g = αd(f) + D(g) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 30

57 Teorema Teorema Sejam T : U V transformação linear e {u 1, u 2,..., u n } base de U. Se conhecemos T (u i ) para i = 1,..., n, então T (u) está bem determinado para qualquer u U. u = n i=1 α iu i T (u) = T ( n i=1 α iu i ) = n i=1 α it (u i ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 30

58 Teorema Teorema Sejam T : U V transformação linear e {u 1, u 2,..., u n } base de U. Se conhecemos T (u i ) para i = 1,..., n, então T (u) está bem determinado para qualquer u U. u = n i=1 α iu i T (u) = T ( n i=1 α iu i ) = n i=1 α it (u i ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 30

59 Teorema Teorema Sejam T : U V transformação linear e {u 1, u 2,..., u n } base de U. Se conhecemos T (u i ) para i = 1,..., n, então T (u) está bem determinado para qualquer u U. u = n i=1 α iu i T (u) = T ( n i=1 α iu i ) = n i=1 α it (u i ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 30

60 Teorema Teorema Sejam T : U V transformação linear e {u 1, u 2,..., u n } base de U. Se conhecemos T (u i ) para i = 1,..., n, então T (u) está bem determinado para qualquer u U. u = n i=1 α iu i T (u) = T ( n i=1 α iu i ) = n i=1 α it (u i ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 30

61 Exemplo Exemplo Seja T : R 2 R TL tal que T (1, 1) = 2 e T (0, 1) = 3. Determine T(x,y). (x, y) = (x, x) + (0, y x) = x(1, 1) + (y x)(0, 1) T (x, y) = xt (1, 1) + (y x)t (0, 1) = 2x + 3(y x) = 3y x Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 30

62 Exemplo Exemplo Seja T : R 2 R TL tal que T (1, 1) = 2 e T (0, 1) = 3. Determine T(x,y). (x, y) = (x, x) + (0, y x) = x(1, 1) + (y x)(0, 1) T (x, y) = xt (1, 1) + (y x)t (0, 1) = 2x + 3(y x) = 3y x Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 30

63 Exemplo Exemplo Seja T : R 2 R TL tal que T (1, 1) = 2 e T (0, 1) = 3. Determine T(x,y). (x, y) = (x, x) + (0, y x) = x(1, 1) + (y x)(0, 1) T (x, y) = xt (1, 1) + (y x)t (0, 1) = 2x + 3(y x) = 3y x Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 30

64 Exemplo Exemplo Seja T : R 2 R TL tal que T (1, 1) = 2 e T (0, 1) = 3. Determine T(x,y). (x, y) = (x, x) + (0, y x) = x(1, 1) + (y x)(0, 1) T (x, y) = xt (1, 1) + (y x)t (0, 1) = 2x + 3(y x) = 3y x Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 30

65 Exemplo Exemplo Seja T : R 2 R TL tal que T (1, 1) = 2 e T (0, 1) = 3. Determine T(x,y). (x, y) = (x, x) + (0, y x) = x(1, 1) + (y x)(0, 1) T (x, y) = xt (1, 1) + (y x)t (0, 1) = 2x + 3(y x) = 3y x Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 30

66 Exemplo: Rotação A rotação em torno da origem é uma transformação linear. v u R(u + v) = R(u) + R(v) Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 30

67 Exemplo: Rotação A rotação em torno da origem é uma transformação linear. u + v v u R(u + v) = R(u) + R(v) Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 30

68 Exemplo: Rotação A rotação em torno da origem é uma transformação linear. R(v) R(u) R R v u u + v R(u + v) = R(u) + R(v) Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 30

69 Exemplo: Rotação A rotação em torno da origem é uma transformação linear. R(u) + R(v) R(u) u + v R(v) v u R(u + v) = R(u) + R(v) Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 30

70 Exemplo: Rotação A rotação em torno da origem é uma transformação linear. R(u) + R(v) R u + v R(u + v) = R(u) + R(v) Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 30

71 Exemplo: Rotação A rotação em torno da origem é uma transformação linear. R(u) + R(v) R u + v R(u + v) = R(u) + R(v) Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 30

72 Exemplo: Rotação A rotação em torno da origem é uma transformação linear. R(u) + R(v) R u + v R(u + v) = R(u) + R(v) Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 30

73 Exemplo: Matriz de Rotação ([ x R y sen θ ([ x R y ]) = R(xe 1 + ye 2 ) = xr(e 1 ) + yr(e 2 ) R(e 1 ) cos θ ]) θ e 1 R(e 2 ) θ e 2 cos θ sen θ [ ] [ ] cos θ sin θ = x + y sin θ cos θ [ ] [ ] cos θ sin θ x = sin θ cos θ y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 14 / 30

74 Exemplo: Matriz de Rotação ([ x R y sen θ ([ x R y ]) = R(xe 1 + ye 2 ) = xr(e 1 ) + yr(e 2 ) R(e 1 ) cos θ ]) θ e 1 R(e 2 ) θ e 2 cos θ sen θ [ ] [ ] cos θ sin θ = x + y sin θ cos θ [ ] [ ] cos θ sin θ x = sin θ cos θ y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 14 / 30

75 Exemplo: Matriz de Rotação ([ x R y sen θ ([ x R y ]) = R(xe 1 + ye 2 ) = xr(e 1 ) + yr(e 2 ) R(e 1 ) cos θ ]) θ e 1 R(e 2 ) θ e 2 cos θ sen θ [ ] [ ] cos θ sin θ = x + y sin θ cos θ [ ] [ ] cos θ sin θ x = sin θ cos θ y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 14 / 30

76 (núcleo, imagem) O núcleo de uma transformação linear T é o conjunto dos vetores do domínio cuja imagem por T é o vetor nulo. Nuc(T ) = {u U T (u) = 0} A imagem de uma transformação linear T é o conjunto dos vetores do contra-domínio que são imagem por T de algum vetor do domínio. Im(T ) = {v V v = T (u) para algum u U} Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 30

77 (núcleo, imagem) O núcleo de uma transformação linear T é o conjunto dos vetores do domínio cuja imagem por T é o vetor nulo. Nuc(T ) = {u U T (u) = 0} A imagem de uma transformação linear T é o conjunto dos vetores do contra-domínio que são imagem por T de algum vetor do domínio. Im(T ) = {v V v = T (u) para algum u U} Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 30

78 Observação Nuc(T ) é subespaço vetorial de U. Im(T ) é subespaço vetorial de V. (nulidade, posto) A nulidade de uma transformação linear T é a dimensão do seu núcleo ν(t ) = dim(nuc(t )) O posto de uma transformação linear T é a dimensão da sua imagem dim Im(T ) = dim(im(t )) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 16 / 30

79 Observação Nuc(T ) é subespaço vetorial de U. Im(T ) é subespaço vetorial de V. (nulidade, posto) A nulidade de uma transformação linear T é a dimensão do seu núcleo ν(t ) = dim(nuc(t )) O posto de uma transformação linear T é a dimensão da sua imagem dim Im(T ) = dim(im(t )) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 16 / 30

80 Observação Nuc(T ) é subespaço vetorial de U. Im(T ) é subespaço vetorial de V. (nulidade, posto) A nulidade de uma transformação linear T é a dimensão do seu núcleo ν(t ) = dim(nuc(t )) O posto de uma transformação linear T é a dimensão da sua imagem dim Im(T ) = dim(im(t )) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 16 / 30

81 Exemplo T : R 2 R 3, T (x, y) = (x + y, 2(x + y), 0) T (x, y) = (0, 0, 0) x + y = 0 Nuc(T ) = (1, 1) Im(T ) = (1, 2, 0) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 30

82 Exemplo T : R 2 R 3, T (x, y) = (x + y, 2(x + y), 0) T (x, y) = (0, 0, 0) x + y = 0 Nuc(T ) = (1, 1) Im(T ) = (1, 2, 0) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 30

83 Exemplo T : R 2 R 3, T (x, y) = (x + y, 2(x + y), 0) T (x, y) = (0, 0, 0) x + y = 0 Nuc(T ) = (1, 1) Im(T ) = (1, 2, 0) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 30

84 Exemplo T : R 2 R 3, T (x, y) = (x + y, 2(x + y), 0) T (x, y) = (0, 0, 0) x + y = 0 Nuc(T ) = (1, 1) Im(T ) = (1, 2, 0) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 30

85 Lema Seja T : U V uma TL. Então: T é injetiva Nuc(T ) = {0} T é sobrejetiva dim(im(t )) = dim(v ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 30

86 Lema Seja T : U V uma TL. Então: T é injetiva Nuc(T ) = {0} T é sobrejetiva dim(im(t )) = dim(v ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 30

87 Lema Seja T : U V uma TL. Então: T é injetiva Nuc(T ) = {0} T é sobrejetiva dim(im(t )) = dim(v ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 30

88 Teorema (do ) Seja T : U V uma TL. Então dim(nuc(t )) + dim(im(t )) = dim(u). Prova Seja {u 1,..., u ν } base de Nuc(T ) e sejam v 1,..., v r tais que {u 1,..., u ν, v 1,..., v r } seja base de U. Basta verificar que {T (v 1 ),..., T (v r )} é base de Im(T ). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 30

89 Teorema (do ) Seja T : U V uma TL. Então dim(nuc(t )) + dim(im(t )) = dim(u). Prova Seja {u 1,..., u ν } base de Nuc(T ) e sejam v 1,..., v r tais que {u 1,..., u ν, v 1,..., v r } seja base de U. Basta verificar que {T (v 1 ),..., T (v r )} é base de Im(T ). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 30

90 Teorema (do ) Seja T : U V uma TL. Então dim(nuc(t )) + dim(im(t )) = dim(u). Prova Seja {u 1,..., u ν } base de Nuc(T ) e sejam v 1,..., v r tais que {u 1,..., u ν, v 1,..., v r } seja base de U. Basta verificar que {T (v 1 ),..., T (v r )} é base de Im(T ). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 30

91 Teorema (do ) Seja T : U V uma TL. Então dim(nuc(t )) + dim(im(t )) = dim(u). Prova Seja {u 1,..., u ν } base de Nuc(T ) e sejam v 1,..., v r tais que {u 1,..., u ν, v 1,..., v r } seja base de U. Basta verificar que {T (v 1 ),..., T (v r )} é base de Im(T ). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 30

92 Espaço Vetorial das TLs (operações entre TLs) Dados T, S L(U; V ) e α R definimos a soma de TLs e a sua multiplicação por escalar como: T + S : U V u T (u) + S(u) e αt : U V u αt (u). Lema (espaço vetorial das TLs) L(U; V ) com as operações acima é um espaço vetorial. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 30

93 Espaço Vetorial das TLs (operações entre TLs) Dados T, S L(U; V ) e α R definimos a soma de TLs e a sua multiplicação por escalar como: T + S : U V u T (u) + S(u) e αt : U V u αt (u). Lema (espaço vetorial das TLs) L(U; V ) com as operações acima é um espaço vetorial. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 30

94 Composição de Funções ( funções) Dadas f : X Y e g : Y Z, define-se g f : X Z x g(f (x)) f g X Y Z Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 21 / 30

95 Composição de Funções ( funções) Dadas f : X Y e g : Y Z, define-se g f : X Z x g(f (x)) f g X Y Z Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 21 / 30

96 Composição de Funções ( funções) Dadas f : X Y e g : Y Z, define-se g f : X Z x g(f (x)) g f X Z Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 21 / 30

97 Composição de Funções Propriedades da Composição Associatividade: (f g) h = f (g h) = f g h Não-comutatividade: em geral, dadas f : X Y e g : Y Z, g f está bem definido, mas f g não está. Mesmo quando Z = X, caso em que ambas estão definidas, g f e f g podem diferir. Exemplo em breve. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 30

98 Composição de Funções Propriedades da Composição Associatividade: (f g) h = f (g h) = f g h Não-comutatividade: em geral, dadas f : X Y e g : Y Z, g f está bem definido, mas f g não está. Mesmo quando Z = X, caso em que ambas estão definidas, g f e f g podem diferir. Exemplo em breve. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 30

99 Composição de Funções Propriedades da Composição Associatividade: (f g) h = f (g h) = f g h Não-comutatividade: em geral, dadas f : X Y e g : Y Z, g f está bem definido, mas f g não está. Mesmo quando Z = X, caso em que ambas estão definidas, g f e f g podem diferir. Exemplo em breve. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 30

100 Composição de Funções Propriedades da Composição Associatividade: (f g) h = f (g h) = f g h Não-comutatividade: em geral, dadas f : X Y e g : Y Z, g f está bem definido, mas f g não está. Mesmo quando Z = X, caso em que ambas estão definidas, g f e f g podem diferir. Exemplo em breve. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 30

101 Composição de Funções Propriedades da Composição Associatividade: (f g) h = f (g h) = f g h Não-comutatividade: em geral, dadas f : X Y e g : Y Z, g f está bem definido, mas f g não está. Mesmo quando Z = X, caso em que ambas estão definidas, g f e f g podem diferir. Exemplo em breve. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 30

102 Composição de TLs Propriedades da Composição de TLs No caso particular em que as funções são TLs, temos algumas propriedades adicionais: A TLs é uma TL. (T S)(αu + v) = T (S(αu + v)) = T (αs(u) + S(v)) = αt (S(u)) + T (S(v)) = α(t S)(u) + (T S)(v) (S + T ) U = S U + T U (distributividade); S (T + U) = S T + S U (distributividade); S (αt ) = α(s T ) = (αs) T ; Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 23 / 30

103 Composição de TLs Propriedades da Composição de TLs No caso particular em que as funções são TLs, temos algumas propriedades adicionais: A TLs é uma TL. (T S)(αu + v) = T (S(αu + v)) = T (αs(u) + S(v)) = αt (S(u)) + T (S(v)) = α(t S)(u) + (T S)(v) (S + T ) U = S U + T U (distributividade); S (T + U) = S T + S U (distributividade); S (αt ) = α(s T ) = (αs) T ; Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 23 / 30

104 Composição de TLs Propriedades da Composição de TLs No caso particular em que as funções são TLs, temos algumas propriedades adicionais: A TLs é uma TL. (T S)(αu + v) = T (S(αu + v)) = T (αs(u) + S(v)) = αt (S(u)) + T (S(v)) = α(t S)(u) + (T S)(v) (S + T ) U = S U + T U (distributividade); S (T + U) = S T + S U (distributividade); S (αt ) = α(s T ) = (αs) T ; Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 23 / 30

105 Composição de TLs Propriedades da Composição de TLs No caso particular em que as funções são TLs, temos algumas propriedades adicionais: A TLs é uma TL. (T S)(αu + v) = T (S(αu + v)) = T (αs(u) + S(v)) = αt (S(u)) + T (S(v)) = α(t S)(u) + (T S)(v) (S + T ) U = S U + T U (distributividade); S (T + U) = S T + S U (distributividade); S (αt ) = α(s T ) = (αs) T ; Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 23 / 30

106 Composição de TLs Propriedades da Composição de TLs No caso particular em que as funções são TLs, temos algumas propriedades adicionais: A TLs é uma TL. (T S)(αu + v) = T (S(αu + v)) = T (αs(u) + S(v)) = αt (S(u)) + T (S(v)) = α(t S)(u) + (T S)(v) (S + T ) U = S U + T U (distributividade); S (T + U) = S T + S U (distributividade); S (αt ) = α(s T ) = (αs) T ; Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 23 / 30

107 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

108 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

109 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

110 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

111 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

112 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

113 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

114 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

115 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

116 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

117 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

118 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

119 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

120 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

121 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

122 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

123 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30

124 Seja f : X Y uma função bijetiva. Dado y Y : (a) sobrejetividade garante x X tal que f (x) = y; (b) injetividade garante a unicidade de tal x. Assim fica bem definida a inversa de f, denotada por f 1 : f 1 : Y X y x satisfazendo f (x) = y. f X Y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 30

125 Seja f : X Y uma função bijetiva. Dado y Y : (a) sobrejetividade garante x X tal que f (x) = y; (b) injetividade garante a unicidade de tal x. Assim fica bem definida a inversa de f, denotada por f 1 : f 1 : Y X y x satisfazendo f (x) = y. f X Y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 30

126 Seja f : X Y uma função bijetiva. Dado y Y : (a) sobrejetividade garante x X tal que f (x) = y; (b) injetividade garante a unicidade de tal x. Assim fica bem definida a inversa de f, denotada por f 1 : f 1 : Y X y x satisfazendo f (x) = y. f X Y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 30

127 Seja f : X Y uma função bijetiva. Dado y Y : (a) sobrejetividade garante x X tal que f (x) = y; (b) injetividade garante a unicidade de tal x. Assim fica bem definida a inversa de f, denotada por f 1 : f 1 : Y X y x satisfazendo f (x) = y. f X Y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 30

128 Seja f : X Y uma função bijetiva. Dado y Y : (a) sobrejetividade garante x X tal que f (x) = y; (b) injetividade garante a unicidade de tal x. Assim fica bem definida a inversa de f, denotada por f 1 : f 1 : Y X y x satisfazendo f (x) = y. f X Y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 30

129 Seja f : X Y uma função bijetiva. Dado y Y : (a) sobrejetividade garante x X tal que f (x) = y; (b) injetividade garante a unicidade de tal x. Assim fica bem definida a inversa de f, denotada por f 1 : f 1 : Y X y x satisfazendo f (x) = y. f 1 X Y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 30

130 Propriedades da Inversa A inversa possui as seguintes propriedades: f (f 1 (y)) = y y Y, isto é, f f 1 = I Y e f 1 (f (x)) = x x X, isto é, f 1 f = I X. De fato, estas duas propriedades caracterizam a inversa, conforme veremos mais adiante. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 26 / 30

131 Propriedades da Inversa A inversa possui as seguintes propriedades: f (f 1 (y)) = y y Y, isto é, f f 1 = I Y e f 1 (f (x)) = x x X, isto é, f 1 f = I X. De fato, estas duas propriedades caracterizam a inversa, conforme veremos mais adiante. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 26 / 30

132 Propriedades da Inversa A inversa possui as seguintes propriedades: f (f 1 (y)) = y y Y, isto é, f f 1 = I Y e f 1 (f (x)) = x x X, isto é, f 1 f = I X. De fato, estas duas propriedades caracterizam a inversa, conforme veremos mais adiante. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 26 / 30

133 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30

134 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30

135 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30

136 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30

137 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30

138 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30

139 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30

140 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30

141 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30

142 Caracterização da Inversa Lema Seja f : X Y uma função qualquer. Se existem g, h : Y X satisfazendo: (a) g f = I X (identidade em X) e (b) f h = I Y (identidade em Y ), então f é bijetiva e g = h = f 1. Corolário Se f é bijetiva, então f 1 é bijetiva e (f 1 ) 1 = f. Usaremos, indistintamente, os termos bijetiva e invertível. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 30

143 Caracterização da Inversa Lema Seja f : X Y uma função qualquer. Se existem g, h : Y X satisfazendo: (a) g f = I X (identidade em X) e (b) f h = I Y (identidade em Y ), então f é bijetiva e g = h = f 1. Corolário Se f é bijetiva, então f 1 é bijetiva e (f 1 ) 1 = f. Usaremos, indistintamente, os termos bijetiva e invertível. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 30

144 Caracterização da Inversa Lema Seja f : X Y uma função qualquer. Se existem g, h : Y X satisfazendo: (a) g f = I X (identidade em X) e (b) f h = I Y (identidade em Y ), então f é bijetiva e g = h = f 1. Corolário Se f é bijetiva, então f 1 é bijetiva e (f 1 ) 1 = f. Usaremos, indistintamente, os termos bijetiva e invertível. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 30

145 Caracterização da Inversa Lema Seja f : X Y uma função qualquer. Se existem g, h : Y X satisfazendo: (a) g f = I X (identidade em X) e (b) f h = I Y (identidade em Y ), então f é bijetiva e g = h = f 1. Corolário Se f é bijetiva, então f 1 é bijetiva e (f 1 ) 1 = f. Usaremos, indistintamente, os termos bijetiva e invertível. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 30

146 Caracterização da Inversa Lema Seja f : X Y uma função qualquer. Se existem g, h : Y X satisfazendo: (a) g f = I X (identidade em X) e (b) f h = I Y (identidade em Y ), então f é bijetiva e g = h = f 1. Corolário Se f é bijetiva, então f 1 é bijetiva e (f 1 ) 1 = f. Usaremos, indistintamente, os termos bijetiva e invertível. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 30

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

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

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

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

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

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

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

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

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

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

Esp. Vet. I. Espaços Vetoriais. Espaço Vetorial. Combinações Lineares. Espaços Vetoriais. Espaço Vetorial Combinações Lineares. Esp. Vet.

Esp. Vet. I. Espaços Vetoriais. Espaço Vetorial. Combinações Lineares. Espaços Vetoriais. Espaço Vetorial Combinações Lineares. Esp. Vet. Definição (R n 1 a Parte R n é o conjunto das n-uplas ordenadas de números reais. (1,, R Paulo Goldfeld Marco Cabral (1, (, 1 R Departamento de Matemática Aplicada Universidade Federal do Rio de Janeiro

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

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

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Curso de Álgebra Linear

Curso de Álgebra Linear Curso de Álgebra Linear Fundamentos e Aplicações Terceira Edição 25 de Outubro de 2012 Marco Cabral PhD Indiana University, EUA Paulo Goldfeld PhD Courant Institute, EUA Departamento de Matemática Aplicada

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

Disciplina: Introdução à Álgebra Linear

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

Leia mais

TRANSFORMAÇÃO LINEAR. Álgebra Linear - Prof a Ana Paula

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

Leia mais

1 Módulo ou norma de um vetor

1 Módulo ou norma de um vetor Álgebra Linear I - Aula 3-2005.2 Roteiro 1 Módulo ou norma de um vetor A norma ou módulo do vetor ū = (u 1, u 2, u 3 ) de R 3 é ū = u 2 1 + u2 2 + u2 3. Geometricamente a fórmula significa que o módulo

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

Representação no Plano Cartesiano INTRODUÇÃO A FUNÇÃO

Representação no Plano Cartesiano INTRODUÇÃO A FUNÇÃO INTRODUÇÃO A FUNÇÃO Def: Dado dois conjuntos que tenham uma relação, chama-se função quando todo elemento do primeiro tiver associado um único elemento do segundo conjunto. Ou seja, f é função de A em

Leia mais

5 Transformações Lineares e Matrizes

5 Transformações Lineares e Matrizes Nova School of Business and Economics Prática Álgebra Linear 5 Transformações Lineares e Matrizes 1 Definição Função de em Aplicação que faz corresponder a cada elemento de um conjunto (domínio), denominado

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

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

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

Álgebra linear algorítmica

Álgebra linear algorítmica Álgebra linear algorítmica S. C. Coutinho Este arquivo reúne as provas do curso álgebra linear algorítmica (MAB 5) oferecido pelo Departamento de Ciência da Computação da UFRJ. Primeira Prova200/. Seja

Leia mais

Números Complexos. Capítulo 1. 1.1 Unidade Imaginária. 1.2 Números complexos. 1.3 O Plano Complexo

Números Complexos. Capítulo 1. 1.1 Unidade Imaginária. 1.2 Números complexos. 1.3 O Plano Complexo Capítulo 1 Números Complexos 11 Unidade Imaginária O fato da equação x 2 + 1 = 0 (11) não ser satisfeita por nenhum número real levou à denição dos números complexos Para solucionar (11) denimos a unidade

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

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

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

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

Seleção 2015 - Edital N 15/2014

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

Leia mais

1. Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1.

1. Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1. 2.1 Domínio e Imagem EXERCÍCIOS & COMPLEMENTOS 1.1 1. Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1 3 (e) g (x) 2x

Leia mais

A x B = {(2;1), (2;3), (2;5), (4;1), (4;3), (4; 5)}

A x B = {(2;1), (2;3), (2;5), (4;1), (4;3), (4; 5)} PROFESSOR: EUDES A x B = {(2;1), (2;3), (2;5), (4;1), (4;3), (4; 5)} b) A relação binária h = {(x;y) y < x} A 2 1 3 4 5 B y x h: {(2;1), (4;1), (4,3)} c) A relação binária g = {(x;y) y= x + 3} A 2 1 3

Leia mais

2.1A Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1

2.1A Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1 2.1 Domínio e Imagem 2.1A Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = (d) f (x) = 1 3 x + 5 1 3 (e) g (x) 2x (f) g (x) = jj 8 8 < x, se x 2

Leia mais

Movimentos Periódicos: representação vetorial

Movimentos Periódicos: representação vetorial Aula 5 00 Movimentos Periódicos: representação vetorial A experiência mostra que uma das maneiras mais úteis de descrever o movimento harmônico simples é representando-o como uma projeção perpendicular

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

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

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

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

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

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

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

Lineabilidade em conjuntos de funções reais que atingem o máximo em um único ponto

Lineabilidade em conjuntos de funções reais que atingem o máximo em um único ponto Universidade Federal da Paraíba Centro de Ciências Exatas e da Natureza Programa de Pós-Graduação em Matemática Curso de Mestrado em Matemática Lineabilidade em conjuntos de funções reais que atingem o

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

Nota: Turma: MA 327 Álgebra Linear. Segunda Prova. Primeiro Semestre de T o t a l

Nota: Turma: MA 327 Álgebra Linear. Segunda Prova. Primeiro Semestre de T o t a l Turma: Nota: MA 327 Álgebra Linear Primeiro Semestre de 2006 Segunda Prova Nome: RA: Questões Pontos Questão 1 Questão 2 Questão 3 Questão 4 Questão 5 T o t a l Questão 1. A matriz de mudança da base ordenada

Leia mais

NUMEROS COMPLEXOS NA FORMA TRIGONOMÉTRICA

NUMEROS COMPLEXOS NA FORMA TRIGONOMÉTRICA NUMEROS COMPLEXOS NA FORMA TRIGONOMÉTRICA Na representação trigonométrica, um número complexo z = a + bi é determinado pelo módulo do vetor que o representa e pelo ângulo que faz com o semi-eixo positivo

Leia mais

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO PARANÁ CURSO DE ENGENHARIA CIVIL DISCIPLINA DE CÁLCULO DIFERENCIAL E INTEGRAL I

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO PARANÁ CURSO DE ENGENHARIA CIVIL DISCIPLINA DE CÁLCULO DIFERENCIAL E INTEGRAL I 1) Considerações gerais sobre os conjuntos numéricos. 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

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

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

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

Cálculo I -A- Humberto José Bortolossi. Parte 1 Versão 0.9. [Folha 1] Departamento de Matemática Aplicada Universidade Federal Fluminense

Cálculo I -A- Humberto José Bortolossi. Parte 1 Versão 0.9. [Folha 1] Departamento de Matemática Aplicada Universidade Federal Fluminense [Folha 1] Cálculo I -A- Humberto José Bortolossi Departamento de Matemática Aplicada Universidade Federal Fluminense Parte 1 Versão 0.9 Parte 1 Cálculo I -A- 1 Conteúdo do curso [Folha 2] Apresentação

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

Guia de Estudo de Análise Real

Guia de Estudo de Análise Real Guia de Estudo de Análise Real Marco Cabral Baseado na V2.4 Dezembro de 2011 Introdução O objetivo deste texto é orientar o estudo da aluna(o) em análise real. Ele é baseado no livro Curso de Análise Real

Leia mais

Conjuntos numéricos. Notasdeaula. Fonte: Leithold 1 e Cálculo A - Flemming. Dr. Régis Quadros

Conjuntos numéricos. Notasdeaula. Fonte: Leithold 1 e Cálculo A - Flemming. Dr. Régis Quadros Conjuntos numéricos Notasdeaula Fonte: Leithold 1 e Cálculo A - Flemming Dr. Régis Quadros Conjuntos numéricos Os primeiros conjuntos numéricos conhecidos pela humanidade são os chamados inteiros positivos

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

II. DEFINIÇÕES INICIAIS 1

II. DEFINIÇÕES INICIAIS 1 -1- ELPO: Definições Iniciais [MSL] II. DEFINIÇÕES INICIAIS 1 No que se segue, U é um conjunto qualquer e X, Y,... são os subconjuntos de U. Ex.: U é um quadrado e X, Y e Z são três círculos congruentes

Leia mais

MÉTODOS DISCRETOS EM TELEMÁTICA

MÉTODOS DISCRETOS EM TELEMÁTICA 1 MÉTODOS DISCRETOS EM TELEMÁTICA MATEMÁTICA DISCRETA Profa. Marcia Mahon Grupo de Pesquisas em Comunicações - CODEC Departamento de Eletrônica e Sistemas - UFPE Outubro 2003 2 CONTEÚDO 1 - Introdução

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

Métodos Matemáticos para Engenharia de Informação

Métodos Matemáticos para Engenharia de Informação Métodos Matemáticos para Engenharia de Informação Gustavo Sousa Pavani Universidade Federal do ABC (UFABC) 3º Trimestre - 2009 Aulas 1 e 2 Sobre o curso Bibliografia: James Stewart, Cálculo, volume I,

Leia mais

Notas Para um Curso de Cálculo. Daniel V. Tausk

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

Leia mais

Lógica Matemática e Computacional 5 FUNÇÃO

Lógica Matemática e Computacional 5 FUNÇÃO 5 FUNÇÃO 5.1 Introdução O conceito de função fundamenta o tratamento científico de problemas porque descreve e formaliza a relação estabelecida entre as grandezas que o integram. O rigor da linguagem e

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

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

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

4. Curvas planas. T = κn, N = κt, B = 0.

4. Curvas planas. T = κn, N = κt, B = 0. 4. CURVAS PLANAS 35 4. Curvas planas Nesta secção veremos que no caso planar é possível refinar a definição de curvatura, de modo a dar-lhe uma interpretação geométrica interessante. Provaremos ainda o

Leia mais

5 Transformadas de Laplace

5 Transformadas de Laplace 5 Transformadas de Laplace 5.1 Introdução às Transformadas de Laplace 4 5.2 Transformadas de Laplace definição 5 5.2 Transformadas de Laplace de sinais conhecidos 6 Sinal exponencial 6 Exemplo 5.1 7 Sinal

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

1. Entre as funções dadas abaixo, verifique quais são transformações lineares: x y z

1. Entre as funções dadas abaixo, verifique quais são transformações lineares: x y z MINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA 657- - VIÇOSA - MG BRASIL a LISTA DE EXERCÍCIOS DE MAT 8 I SEMESTRE DE Entre as funções dadas abaixo, verifique quais são transformações

Leia mais

CÁLCULO I Aula 08: Regra da Cadeia. Derivação Implícita. Derivada da Função Inversa.

CÁLCULO I Aula 08: Regra da Cadeia. Derivação Implícita. Derivada da Função Inversa. CÁLCULO I Aula 08: Regra da Cadeia.. Função Inversa. Prof. Edilson Neri Júnior Prof. André Almeida Universidade Federal do Pará 1 2 3 Teorema (Regra da Cadeia) Sejam g(y) e y = f (x) duas funções deriváveis,

Leia mais

Capítulo 2. Álgebra e imagens binárias. 2.1 Subconjuntos versus funções binárias

Capítulo 2. Álgebra e imagens binárias. 2.1 Subconjuntos versus funções binárias Capítulo 2 Álgebra e imagens binárias Em Análise de Imagens, os objetos mais simples que manipulamos são as imagens binárias. Estas imagens são representadas matematicamente por subconjuntos ou, de maneira

Leia mais

LISTA DE EXERCÍCIOS DE CAMPOS CONSERVATIVOS NO PLANO E NO ESPAÇO. CURVAS PARAMETRIZADAS, INTEGRAIS DE LINHA (COM RESPEITO A COMPRIMENTO DE ARCO).

LISTA DE EXERCÍCIOS DE CAMPOS CONSERVATIVOS NO PLANO E NO ESPAÇO. CURVAS PARAMETRIZADAS, INTEGRAIS DE LINHA (COM RESPEITO A COMPRIMENTO DE ARCO). LISTA DE EXERCÍCIOS DE CAMPOS CONSERVATIVOS NO PLANO E NO ESPAÇO. CURVAS PARAMETRIZADAS, INTEGRAIS DE LINHA (COM RESPEITO A COMPRIMENTO DE ARCO. PROFESSOR: RICARDO SÁ EARP OBS: Faça os exercícios sobre

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

Prof. José Carlos Morilla

Prof. José Carlos Morilla 1 Cálculo Vetorial e Geometria Analítica Santos 009 1 CÁLCULO VETORIAL... 4 1.1 Segmentos Orientados... 4 1. Vetores... 4 1..1 Soma de um ponto com um vetor... 5 1.. Adição de vetores... 5 1..3 Diferença

Leia mais

Autovalores e Autovetores Determinante de. Motivando com Geometria Definição Calculando Diagonalização Teorema Espectral:

Autovalores e Autovetores Determinante de. Motivando com Geometria Definição Calculando Diagonalização Teorema Espectral: Lema (determinante de matriz ) A B A 0 Suponha que M = ou M =, com A e D 0 D C D matrizes quadradas Então det(m) = det(a) det(d) A B Considere M =, com A, B, C e D matrizes C D quadradas De forma geral,

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

Transformações lineares no plano e aplicações

Transformações lineares no plano e aplicações Universidade Federal de Goiás Instituto de Matemática e Estatística Programa de Mestrado Profissional em Matemática em Rede Nacional Transformações lineares no plano e aplicações LEONARDO BERNARDES NOGUEIRA

Leia mais

UNIVERSIDADE ESTADUAL DE CAMPINAS INSTITUTO DE MATEMÁTICA, ESTATÍSTICA E COMPUTAÇÃO CIENTÍFICA Matemática Licenciatura. (Números Complexos)

UNIVERSIDADE ESTADUAL DE CAMPINAS INSTITUTO DE MATEMÁTICA, ESTATÍSTICA E COMPUTAÇÃO CIENTÍFICA Matemática Licenciatura. (Números Complexos) UNIVERSIDADE ESTADUAL DE CAMPINAS INSTITUTO DE MATEMÁTICA, ESTATÍSTICA E COMPUTAÇÃO CIENTÍFICA Matemática Licenciatura (Números Complexos) Jéssica Roldão de Oliveira Assis RA 160332 Campinas 2014 1 HISTÓRIA

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

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

Aula 6 Derivadas Direcionais e o Vetor Gradiente

Aula 6 Derivadas Direcionais e o Vetor Gradiente Aula 6 Derivadas Direcionais e o Vetor Gradiente MA211 - Cálculo II Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade Estadual

Leia mais

INTRODUÇÃO AO ESTUDO DA ÁLGEBRA LINERAR Luiz Francisco da Cruz Departamento de Matemática Unesp/Bauru CAPÍTULO 7 ISOMORFISMO

INTRODUÇÃO AO ESTUDO DA ÁLGEBRA LINERAR Luiz Francisco da Cruz Departamento de Matemática Unesp/Bauru CAPÍTULO 7 ISOMORFISMO INRODUÇÃO AO ESUDO DA ÁLGEBRA LINERAR CAPÍULO 7 ISOMORFISMO A pergunta inicial que se faz neste capítulo e que o motiva é: dada uma transformação linear : V W é possível definir uma transformação linear

Leia mais

3.3 Espaço Tridimensional - R 3 - versão α 1 1

3.3 Espaço Tridimensional - R 3 - versão α 1 1 1 3.3 Espaço Tridimensional - R 3 - versão α 1 1 3.3.1 Sistema de Coordenadas Tridimensionais Como vimos no caso do R, para localizar um ponto no plano precisamos de duas informações e assim um ponto P

Leia mais

Lista de Exercícios cap. 4

Lista de Exercícios cap. 4 Lista de Exercícios cap. 4 1) Consideremos a transformação, linear T: IR² IR² definida por T(x, y) = (3x 2y, x + 4y). Utilizar os vetores u = (1,2) e v = (3, 1) para mostrar que T(3u + 4v) = 3T(u) + 4T(v).

Leia mais

0 1. Assinale a alternativa verdadeira Q1. Seja A = (d) Os autovalores de A 101 são i e i. (c) Os autovalores de A 101 são 1 e 1.

0 1. Assinale a alternativa verdadeira Q1. Seja A = (d) Os autovalores de A 101 são i e i. (c) Os autovalores de A 101 são 1 e 1. Nesta prova, se V é um espaço vetorial, o vetor nulo de V será denotado por 0 V. Se u 1,...,u n forem vetores de V, o subespaço de V gerado por {u 1,...,u n } será denotado por [u 1,...,u n ]. O operador

Leia mais

Determinante Introdução. Algumas Propriedades Definição Algébrica Equivalências Propriedades Fórmula Matriz

Determinante Introdução. Algumas Propriedades Definição Algébrica Equivalências Propriedades Fórmula Matriz ao erminante Área e em R 2 O qe é? Qais são sas propriedades? Como se calcla (Qal é a fórmla o algoritmo para o cálclo)? Para qe sere? A = matriz. P paralelogramo com arestas e. + A é a área (com sinal)

Leia mais

Espaços não reversíveis

Espaços não reversíveis {Nome da seção} Notas de aula Espaços não reversíveis Fernando Lucatelli Nunes UnB-UC/UP 1 Se X e Y são espaços topológicos quaisquer, o gráfico de uma função f : X Y é o conjunto G( f )={(x, f (x)) :

Leia mais

NOTAS DE AULA CONJUNTOS, FUNÇÕES E RELAÇÕES

NOTAS DE AULA CONJUNTOS, FUNÇÕES E RELAÇÕES NOTAS DE AULA CONJUNTOS, FUNÇÕES E RELAÇÕES CAPÍTULO I NOÇÕES BÁSICA DE CONJUNTOS 1. Conjuntos O conceito de conjunto aparece em todos os ramos da matemática. Intuitivamente, um conjunto é qualquer coleção

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

Monografia sobre R ser um Domínio de Fatoração Única implicar que R[x] é um Domínio de Fatoração Única.

Monografia sobre R ser um Domínio de Fatoração Única implicar que R[x] é um Domínio de Fatoração Única. Universidade Estadual de Campinas Instituto de Matemática, Estatística e Computação Científica Departamento de Matemática Monografia sobre R ser um Domínio de Fatoração Única implicar que R[x] é um Domínio

Leia mais

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

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

Leia mais

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

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

Ondas Eletromagnéticas. E=0, 1 B=0, 2 E= B t, 3 E

Ondas Eletromagnéticas. E=0, 1 B=0, 2 E= B t, 3 E Ondas Eletromagnéticas. (a) Ondas Planas: - Tendo introduzido dinâmica no sistema, podemos nos perguntar se isto converte o campo eletromagnético de Maxwell em uma entidade com existência própria. Em outras

Leia mais

Roteiros e Exercícios - Álgebra Linear v1.0

Roteiros e Exercícios - Álgebra Linear v1.0 Roteiros e Exercícios - Álgebra Linear v1.0 Robinson Alves Lemos 14 de janeiro de 2017 Introdução Este material é um roteiro/apoio para o curso de álgebra linear da engenharia civil na UNEMAT de Tangará

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

Aula 19 Teorema Fundamental das Integrais de Linha

Aula 19 Teorema Fundamental das Integrais de Linha Aula 19 Teorema Fundamental das Integrais de Linha MA211 - Cálculo II Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade

Leia mais

Universidade Federal de São Paulo Instituto de Ciência e Tecnologia Bacharelado em Ciência e Tecnologia

Universidade Federal de São Paulo Instituto de Ciência e Tecnologia Bacharelado em Ciência e Tecnologia Universidade Federal de São Paulo Instituto de Ciência e Tecnologia Bacharelado em Ciência e Tecnologia Oscilações 1. Movimento Oscilatório. Cinemática do Movimento Harmônico Simples (MHS) 3. MHS e Movimento

Leia mais

Capítulo 6: Transformações Lineares e Matrizes

Capítulo 6: Transformações Lineares e Matrizes 6 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 6: Transformações Lineares e Matrizes Sumário 1 Matriz de uma Transformação Linear....... 151 2 Operações

Leia mais