Algebra Linear. 1. Revisitando autovalores e autovetores. 2. Forma Diagonal e Forma de Jordan. 2.1 Autovalores distintos. 2.2 Autovalores complexos

Tamanho: px
Começar a partir da página:

Download "Algebra Linear. 1. Revisitando autovalores e autovetores. 2. Forma Diagonal e Forma de Jordan. 2.1 Autovalores distintos. 2.2 Autovalores complexos"

Transcrição

1 Algebra Linear 1. Revisitando autovalores e autovetores 2. Forma Diagonal e Forma de Jordan 2.1 Autovalores distintos 2.2 Autovalores complexos 2.3 Nem todos autovalores distintos 3. Autovalores e autovetores de matriz simétrica pag.1 Teoria de Sistemas Lineares Aula 7

2 Revisitando Autovalores & Autovalores λ C é um autovalor de A R n n se existe um vetor 0 x C n tal que Ax = λx; e x C é chamado de autovetor (à direita) de A associado a λ x C n, x 0 (A λi)x = 0 det(a λi) = 0 Polinômio característico: (λ) det(λi A) Equação característica: (λ) = 0 Exemplo A = a 11 a 12 a 21 a 22 ; A λi = a 11 λ a 12 a 21 a 22 λ (λ) = (a 11 λ)(a 22 λ) a 12 a 21 = λ 2 (a 11 + a 22 )λ + (a 11 a 22 a 12 a 21 ) pag.2 Teoria de Sistemas Lineares Aula 7

3 Revisitando Autovalores & Autovalores Nota y C: A condição (λ) = det(λi A) = 0 é equivalente à existência de y A = λy = y (λi A) = 0 e qualquer y que satisfaça a relação acima é chamado de autovetor à esquerda de A Se v C n é um autovetor associado a λ C, então v (complexo conjugado de v) é um autovetor associado a λ Se v é um autovetor de A, a transformação linear A aplicada sobre v produz um escalonamento de λ na direção v... pag.3 Teoria de Sistemas Lineares Aula 7

4 Forma Companheira α α α α 1 ou α 1 α 2 α 3 α e suas transpostas têm o mesmo polinômio característico: (λ) = λ 4 + α 1 λ 3 + α 2 λ 2 + α 3 λ + α 4 pag.4 Teoria de Sistemas Lineares Aula 7

5 Forma Diagonal Autovalores distintos Teorema Suponha λ 1, λ 2,..., λ n autovalores distintos de A e v i um autovetor de A associado ao autovalor λ i, i = 1, 2,..., n. Então, o conjunto de autovetores {v 1, v 2,..., v n } é LI Demonstração Veja que (A λ j I)v i = Av i λ j v i = λ i v i λ j v i, ou (λ i λ j )v i, j i (A λ j I)v i = 0, j = i Supondo (por absurdo) que {v 1, v 2,..., v n } é LD, existem escalares α 1, α 2,..., α n não todos nulos tais que n α i v i = 0 i=1 pag.5 Teoria de Sistemas Lineares Aula 7

6 Forma Diagonal Autovalores distintos Sem perda de generalidade, assuma α 1 0. Então, n (A λ n I) α i v i = i=1 n (A λ n 1 I)(A λ n I) α i v i = i=1 n 1 i=1 n 2 i=1 α i (λ i λ n )v i α i (λ i λ n )(λ i λ n 1 )v i α 1 (λ 1 λ n )(λ 1 λ n 1 ) (λ 1 λ 3 )(λ 1 λ 2 )v 1 = n α i v i = 0 i=1 Como λ i λ j, j = 2, 3,..., n, α 1 = 0, o que contradiz a hipótese inicial. Portanto: {v 1, v 2,..., v n } LI Base do C n pag.6 Teoria de Sistemas Lineares Aula 7

7 Forma Diagonal Autovalores distintos Suponha que Ā seja a representação de A na base formada pelos autovetores {v 1, v 2,..., v n } e seja a i-ésima coluna de Ā a representação de Av i = λ i v i na base {v 1, v 2,..., v n }. Portanto: Ā = Av i = h λ λ λ n i v 1 v 2 v i v n h = Q 1 AQ, Q = λ i v 1 v 2 v n i pag.7 Teoria de Sistemas Lineares Aula 7

8 Forma Diagonal Autovalores distintos Existe uma representação diagonal se todos os autovalores de A são distintos Q define uma transformação de similaridade que diagonaliza a matriz A Portanto, se Q = [ v 1 v 2 v n ] é tal que Ā = Q 1 AQ é uma matriz diagonal, então AQ = QĀ = Av i = λ i v i, i = 1 n e {v 1, v 2,... v n } são autovetores LI de A pag.8 Teoria de Sistemas Lineares Aula 7

9 Forma Diagonal Autovalores distintos Exemplo A = , λ 1 = 1, λ 2 = 2, λ 3 = 3 (A λ 1 I)v 1 = v 11 v 21 v 31 = 0 v 31 = 0 v 21 = 0 2v 31 = 0 v 1 = pag.9 Teoria de Sistemas Lineares Aula 7

10 Forma Diagonal Autovalores distintos (A λ 2 I)v 2 = v 12 v 22 v 32 = 0 v 12 v 32 = 0... v 32 = 0 v 2 = (A λ 3 I)v 3 = v 13 v 23 v 33 = 0 v 13 = 0.5v 33 ; v 3 = 2v 13 v 33 = 0 v 23 = pag.10 Teoria de Sistemas Lineares Aula 7

11 Forma Diagonal Autovalores distintos Portanto, {v 1, v 2, v 3 } são LI: Ā = [ e Q = v 1 v 2 v 3 ] pag.11 Teoria de Sistemas Lineares Aula 7

12 Exemplo A = Forma Diagonal Autovalores distintos , λ 1 = λ 2 = 1, λ 3 = 2 (A λ 1 I)v 1 = v 11 v 21 v 31 = 0, Soluções LI v 1 = 1 0 0, v 2 = (A λ 3 I)v 3 = v 13 v 23 v 33 = 0 ; v 3 = [ ; Q = v 1 v 2 v 3 ] pag.12 Teoria de Sistemas Lineares Aula 7

13 Forma Diagonal Autovalores distintos Multiplicidade Geométrica (MG) de λ 1 : 2 (número de soluções LI associadas ao autovalor) No caso geral, tem-se: Multiplicidade Geométrica (MG) Multiplicidade Algébrica (MA) Se a Multiplicidade Geométrica for menor que a Multiplicidade Algébrica, não é possível determinar autovetores {v 1, v 2, v 3 } LI pag.13 Teoria de Sistemas Lineares Aula 7

14 Forma Diagonal Autovalores complexos Considere a matriz A = Autovalores: 1, 2 + j3 e 2 j3 Autovetores: Q = ; j j j 3 + j j2 3 j2 0 j j j ; ; Ā = j 3 j j j j pag.14 Teoria de Sistemas Lineares Aula 7

15 Forma Diagonal Autovalores não Distintos Para autovalores não distintos, nem sempre é possível obter Ā na forma diagonal. Eg: A = , λ 1 = λ 2 = 5, MA = 2 (A λ 1 I)v 1 = v 11 v 21 = 0 ; v 1 = 1 0 ; MG = 1 pag.15 Teoria de Sistemas Lineares Aula 7

16 Forma Canônica de Jordan Define-se como J k (λ) o bloco de Jordan de dimensão k k associado ao autovalor λ com multiplicidade maior que 1, dado por: J k (λ) = λ λ λ 3 C k k 7 5 Para qualquer matriz A R n n existe uma matriz não singular Q tal que 2 Ā = Q 1 AQ = 6 4 J k1 (λ 1 ) J k2 (λ 2 )... J kr (λ r ) 3, k k r = n 7 5 sendo que A tem r autovalores distintos λ 1,..., λ r entre n possíveis pag.16 Teoria de Sistemas Lineares Aula 7

17 Forma Canônica de Jordan Associados aos r autovalores distintos, pode-se determinar r autovetores LI {v 1, v 2,..., v r } via: (A λ i I)v i = 0, i = 1, 2,..., r Se há n blocos de Jordan de tamanho k = 1, então Ā é uma matriz diagonal, porém no geral isso não ocorre A forma de Jordan é única para uma dada matriz A (eventualmente pode haver permutações entre os blocos) Pode haver múltiplos blocos associados ao mesmo autovalor pag.17 Teoria de Sistemas Lineares Aula 7

18 Forma Canônica de Jordan A pergunta é: como obter uma base para a transformação? Os autovetores associados ao bloco de Jordan J ki (λ i ) são determinados de: [ v i1 v i2 ] v iki λ i λ i [ = A v i1 v i2 v iki ] λ i Defini-se v i1 v i como sendo o autovetor associado ao autovalor λ i pag.18 Teoria de Sistemas Lineares Aula 7

19 Forma Canônica de Jordan Tal que: λ i v i1 = Av i1 = (A λ i I)v i1 = 0 v i1 + λ i v i2 = Av i2 = (A λ i I)v i2 = v i1.. v i(ki 1) + λ i v iki = Av iki = (A λ i I)v iki = v i(ki 1) Da definição de autovetor: v i1 0 tal que (A λ i I)v i1 = 0 pag.19 Teoria de Sistemas Lineares Aula 7

20 Forma Canônica de Jordan Da equação que define v i2, pode-se escrever: (A λ i I)(A λ i I)v i2 = (A λ i I)v i1 = 0 (A λ i I) 2 v i2 = 0 (A λ i I)v i2 0 Autovetor Generalizado de λ i v é um autovetor generalizado de grau l de A associado ao autovalor λ se (A λi) l v = 0 (A λi) l 1 v 0 pag.20 Teoria de Sistemas Lineares Aula 7

21 Forma Canônica de Jordan Se o autovetor generalizado v é de grau 1 então: e portanto é um autovetor (A λi)v = 0; v 0 O número de blocos de Jordan associados ao autovalor λ é dado pela nulidade de: ν(a λi) A forma canônica de Jordan é útil do ponto de vista conceitual, não sendo usada para cálculos computacionais pag.21 Teoria de Sistemas Lineares Aula 7

22 Forma Canônica de Jordan Exemplo A = λ 1 = 2, λ 2 = λ 3 = 1 Autovetor associado ao autovalor λ 1 = 2: (A 2I)v 1 = v 1a v 1b v 1c = 0 ; v 1 = pag.22 Teoria de Sistemas Lineares Aula 7

23 Forma Canônica de Jordan Para λ 2 = 1 (A 1I)v 2 = v 2 = Veja l 3 = l 1 + 4l 2, rank(a eye(3)) = 2 ν(a 1I) = 1 existe 1 bloco de Jordan associado ao autovalor λ = 1, sendo a forma de Jordan dada por: Ā = Q 1 AQ = pag.23 Teoria de Sistemas Lineares Aula 7

24 Forma Canônica de Jordan Mas pode-se também obter a transformação Q que gera a forma de Jordan. Veja que (A 1I)v 2 = 0, pode-se obter v 2 = /7 5/ Definindo-se v 21 v 2, determina-se o autovetor generalizado v (A 1I)v 22 = v 21 ; v 22 = / /49 Portanto a transformação que produz é dada por Q = h v 1 v 21 v 22 i jordan(a) pag.24 Teoria de Sistemas Lineares Aula 7

25 Forma Canônica de Jordan Considere A R 4 4 com um autovalor λ de multiplicidade algébrica 4. Assuma que ν(a λi) = 1. Portanto (A λi)v = 0 possui apenas uma solução LI v. Para formar uma base no R 4, é necessários mais três vetores LI (autovetores generalizados) v 2, v 3 e v 4 satisfazendo: (A λi) 2 v 2 = 0 (A λi) 3 v 3 = 0 (A λi) 4 v 4 = 0 A partir de um vetor v, a cadeia de autovetores generalizados de tamanho 4 pode ser gerada da forma: v 4 v v 3 (A λi)v 4 = (A λi)v v 2 (A λi)v 3 = (A λi) 2 v v 1 (A λi)v 2 = (A λi) 3 v pag.25 Teoria de Sistemas Lineares Aula 7

26 Forma Canônica de Jordan Propriedades: (A λi)v 1 = 0, (A λi) 2 v 2 = 0, (A λi) 3 v 3 = 0 e (A λi) 4 v 4 = 0 Os vetores gerados dessa maneira são LI, e: Av 1 = λv 1 Av 2 = v 1 + λv 2 Av 3 = v 2 + λv 3 Av 4 = v 3 + λv 4 Forma de Jordan (representação na base {v 1, v 2, v 3, v 4 }): 2 3 λ λ 1 0 Ā = λ λ pag.26 Teoria de Sistemas Lineares Aula 7

27 Forma Canônica de Jordan Agora suponha que A R 4 4 tem um autovalor λ de multiplicidade algébrica 4, porém ν(a λi) = 2. Portanto (A λi)v = 0, possui 2 soluções LI. Sendo necessário 2 autovetores generalizados A partir de cada um dos autovetores, gera-se uma cadeia de autovetores generalizados. As possíveis formas de Jordan neste caso são: λ λ λ λ 0 0 Ā 1 = ; Ā 2 = 0 0 λ λ λ λ pag.27 Teoria de Sistemas Lineares Aula 7

28 Exemplo Lembre: det 2 4 A B 0 C A = = det A det C det(a λi) = [(3 λ)(1 λ) + 1](2 λ) 2ˆ(1 λ) 2 1 = (2 λ) 2 (2 λ) 2 (2 λ)λ = (2 λ) 5 λ pag.28 Teoria de Sistemas Lineares Aula 7

29 Exemplo Autovalores: λ 1 = 2, MA= 5 ; λ 2 = 0, MA= 1 (A 2I) = rank(a 2 eye(6)) = 4 ν 1 = ν(a 2I) = 6 4 = 2 MG = 2 A forma de Jordan tem dois blocos associados ao autovalor λ 1 = 2 pag.29 Teoria de Sistemas Lineares Aula 7

30 Exemplo Veja que a transformação é dada por: Q = = [ x v 1 v 2 v 3 u 1 u 2 ] sendo x, v 1 e u 1 autovetores e v 2, v 3 e u 2 autovetores generalizados pag.30 Teoria de Sistemas Lineares Aula 7

31 Exemplo Forma de Jordan: Ā = Q 1 AQ = pag.31 Teoria de Sistemas Lineares Aula 7

32 Autovalores e Autovetores de Matriz Simétrica Suponha que os autovalores uma matriz simétrica A R n n sejam dados por: λ 1, λ 2,..., λ n Curiosidades λ i R, i = 1,..., n, ie, os autovalores são reais? Veja que se λ C é um autovalor e v C n é um autovetor genérico de A, então Av = λv, v 0, ou ainda poderia escrever: v Av = λv v cujo conjugado transposto é dado por (v Av) = (v Av) = λv v. Como A = A, fazendo v Av (v Av) = v (A A )v = 0, tem-se: 0 = (λ λ) v v }{{} v 0 λ = λ λ R pag.32 Teoria de Sistemas Lineares Aula 7

33 Autovalores e Autovetores de Matriz Simétrica Autovetores v i, v j associados a autovalores distintos λ i λ j são ortogonais, ie, v i, v j = v i v j = 0? Veja que para autovalores distintos: Av i = λ i v i v j Av i = λ i v j v i Av j = λ j v j v i Av j = λ j v i v j Como o lado esquerdo das expressões acima é igual (A = A ), subtraindo 0 = (λ i λ j ) v i, v j v i v j se λ i λ j pag.33 Teoria de Sistemas Lineares Aula 7

34 Autovalores e Autovetores de Matriz Simétrica A forma de Jordan de uma matriz simétrica A R n n é diagonal Se A = A, Ā = Ā é uma matriz diagonal (com os autovalores reais na diagonal) e a base formada pelos autovetores é tal que Q Q = I (base ortonormal) (Q 1 AQ) = Q AQ 1 = Q 1 AQ Q 1 = Q pag.34 Teoria de Sistemas Lineares Aula 7

Álgebra Linear I - Aula 20

Álgebra Linear I - Aula 20 Álgebra Linear I - Aula 0 1 Matriz de Mudança de Base Bases Ortonormais 3 Matrizes Ortogonais 1 Matriz de Mudança de Base Os próximos problemas que estudaremos são os seguintes (na verdade são o mesmo

Leia mais

Exercícios e questões de Álgebra Linear

Exercícios e questões de Álgebra Linear CEFET/MG Exercícios e questões de Álgebra Linear Versão 1.2 Prof. J. G. Peixoto de Faria Departamento de Física e Matemática 25 de outubro de 2012 Digitado em L A TEX (estilo RevTEX). 2 I. À GUISA DE NOTAÇÃO

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 Autovalores e Autovetores Definição e Exemplos 2 Polinômio Característico

Leia mais

Universidade Federal de Goiás Campus Catalão Departamento de Matemática

Universidade Federal de Goiás Campus Catalão Departamento de Matemática Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear Professor: André Luiz Galdino Aluno(a): 4 a Lista de Exercícios 1. Podemos entender transformações lineares

Leia mais

Matrizes e Sistemas Lineares. Professor: Juliano de Bem Francisco. Departamento de Matemática Universidade Federal de Santa Catarina.

Matrizes e Sistemas Lineares. Professor: Juliano de Bem Francisco. Departamento de Matemática Universidade Federal de Santa Catarina. e Aula Zero - Álgebra Linear Professor: Juliano de Bem Francisco Departamento de Matemática Universidade Federal de Santa Catarina agosto de 2011 Outline e e Part I - Definição: e Consideremos o conjunto

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

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

2 Conceitos Básicos. onde essa matriz expressa a aproximação linear local do campo. Definição 2.2 O campo vetorial v gera um fluxo φ : U R 2 R

2 Conceitos Básicos. onde essa matriz expressa a aproximação linear local do campo. Definição 2.2 O campo vetorial v gera um fluxo φ : U R 2 R 2 Conceitos Básicos Neste capítulo são apresentados alguns conceitos importantes e necessários para o desenvolvimento do trabalho. São apresentadas as definições de campo vetorial, fluxo e linhas de fluxo.

Leia mais

Módulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano

Módulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano Módulo de Equações do Segundo Grau Equações do Segundo Grau: Resultados Básicos. Nono Ano Equações do o grau: Resultados Básicos. 1 Exercícios Introdutórios Exercício 1. A equação ax + bx + c = 0, com

Leia mais

Álgebra Linear Aplicada à Compressão de Imagens. Universidade de Lisboa Instituto Superior Técnico. Mestrado em Engenharia Aeroespacial

Álgebra Linear Aplicada à Compressão de Imagens. Universidade de Lisboa Instituto Superior Técnico. Mestrado em Engenharia Aeroespacial Álgebra Linear Aplicada à Compressão de Imagens Universidade de Lisboa Instituto Superior Técnico Uma Breve Introdução Mestrado em Engenharia Aeroespacial Marília Matos Nº 80889 2014/2015 - Professor Paulo

Leia mais

Matriz de Sensibilidade Modal

Matriz de Sensibilidade Modal Introdução ao Controle Automático de Aeronaves Matriz de Sensibilidade Modal Leonardo Tôrres torres@cpdeeufmgbr Escola de Engenharia Universidade Federal de Minas Gerais/EEUFMG Dep Eng Eletrônica EEUFMG

Leia mais

Matrizes. matriz de 2 linhas e 2 colunas. matriz de 3 linhas e 3 colunas. matriz de 3 linhas e 1 coluna. matriz de 1 linha e 4 colunas.

Matrizes. matriz de 2 linhas e 2 colunas. matriz de 3 linhas e 3 colunas. matriz de 3 linhas e 1 coluna. matriz de 1 linha e 4 colunas. Definição Uma matriz do tipo m n (lê-se m por n), com m e n, sendo m e n números inteiros, é uma tabela formada por m n elementos dispostos em m linhas e n colunas. Estes elementos podem estar entre parênteses

Leia mais

Controlabilidade e Observabilidade

Controlabilidade e Observabilidade IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP contr 1/18 Controlabilidade e Observabilidade Sfrag replacements R 1 R 2 + u C 1 C 2 R 3 y A tensão no capacitor C 2 não pode ser controlada pela entrada

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

Determinantes. Vamos associar a cada matriz quadrada A um número a que chamaremos determinante. a11 a Uma matriz de ordem 2, A =

Determinantes. Vamos associar a cada matriz quadrada A um número a que chamaremos determinante. a11 a Uma matriz de ordem 2, A = Determinantes Vamos associar a cada matriz quadrada A um número a que chamaremos determinante de A. [ ] a11 a Uma matriz de ordem 2, A 12, é invertível se e só se a 21 a 22 a 11 a 22 a 21 a 12 0, como

Leia mais

Capítulo 4 - Valores e Vectores Próprios

Capítulo 4 - Valores e Vectores Próprios Capítulo 4 - Valores e Vectores Próprios Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/ 15

Leia mais

Definição de determinantes de primeira e segunda ordens. Seja A uma matriz quadrada. Representa-se o determinante de A por det(a) ou A.

Definição de determinantes de primeira e segunda ordens. Seja A uma matriz quadrada. Representa-se o determinante de A por det(a) ou A. Determinantes A cada matriz quadrada de números reais, pode associar-se um número real, que se designa por determinante da matriz Definição de determinantes de primeira e segunda ordens Seja A uma matriz

Leia mais

Módulo de Princípios Básicos de Contagem. Segundo ano

Módulo de Princípios Básicos de Contagem. Segundo ano Módulo de Princípios Básicos de Contagem Combinação Segundo ano Combinação 1 Exercícios Introdutórios Exercício 1. Numa sala há 6 pessoas e cada uma cumprimenta todas as outras pessoas com um único aperto

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

UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE. Aula 03 Inversão de matrizes

UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE. Aula 03 Inversão de matrizes UNIVERSIDDE FEDERL DO RIO GRNDE DO NORTE Prof. Hector Carrion S. Álgebra Linear ula Inversão de matrizes Resumo Matriz inversa Inversa de matriz elementar Matriz adjunta Inversão de matrizes Uma matriz

Leia mais

Disciplina: Álgebra Linear e Geometria Analítica

Disciplina: Álgebra Linear e Geometria Analítica Disciplina: Álgebra Linear e Geometria Analítica Vigência: a partir de 2002/1 Período letivo: 1 semestre Carga horária Total: 60 h Código: S7221 Ementa: Geometria Analítica: O Ponto, Vetores, A Reta, O

Leia mais

Álgebra Linear e Geometria Analítica

Álgebra Linear e Geometria Analítica Álgebra Linear e Geometria Analítica Engenharia Electrotécnica Escola Superior de Tecnologia de Viseu www.estv.ipv.pt/paginaspessoais/lucas lucas@mat.estv.ipv.pt 7/8 Álgebra Linear e Geometria Analítica

Leia mais

MATEMÁTICA II. Aula 12. 3º Bimestre. Determinantes Professor Luciano Nóbrega

MATEMÁTICA II. Aula 12. 3º Bimestre. Determinantes Professor Luciano Nóbrega 1 MATEMÁTICA II Aula 12 Determinantes Professor Luciano Nóbrega º Bimestre 2 DETERMINANTES DEFINIÇÃO A toda matriz quadrada está associado um número real ao qual damos o nome de determinante. O determinante

Leia mais

Determinantes. ALGA 2008/2009 Mest. Int. Eng. Electrotécnica Determinantes 1 / 17

Determinantes. ALGA 2008/2009 Mest. Int. Eng. Electrotécnica Determinantes 1 / 17 Capítulo 4 Determinantes ALGA 2008/2009 Mest Int Eng Electrotécnica Determinantes 1 / 17 Definições Seja M n n o conjunto das matrizes quadradas reais (ou complexas) de ordem n Chama-se determinante de

Leia mais

4 a LISTA DE EXERCÍCIOS Valores Próprios e Vectores Próprios Álgebra Linear - 1 o Semestre - 2013/2014 LEE, LEGI, LEIC-TP, LETI

4 a LISTA DE EXERCÍCIOS Valores Próprios e Vectores Próprios Álgebra Linear - 1 o Semestre - 2013/2014 LEE, LEGI, LEIC-TP, LETI 4 a LISTA DE EXERCÍCIOS Valores Próprios e Vectores Próprios Álgebra Linear - 1 o Semestre - 2013/2014 LEE, LEGI, LEIC-TP, LETI Problema 1 Considere a matriz A = 1 0 0 0 2 1 2 0 3 Diga quais dos seguintes

Leia mais

3.1. TRANSFORMAÇÕES LINEARES 79

3.1. TRANSFORMAÇÕES LINEARES 79 31 TRANSFORMAÇÕES LINEARES 79 Exemplo 317 Mostre que existe uma função T : R R satisfazendo à condição aditiva T (x + y) =T (x)+t (y), x, y R, mas não é uma transformação linear, isto é, T (x) 6= ax, paraalgumx

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

Inversão de Matrizes

Inversão de Matrizes Inversão de Matrizes Prof. Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2014.2 13 de

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

Introdução ao determinante

Introdução ao determinante ao determinante O que é? Quais são suas propriedades? Como se calcula (Qual é a fórmula ou algoritmo para o cálculo)? Para que serve? Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld

Leia mais

UNIVERSITÁRIO DE SINOP CURSO DE ENGENHARIA CIVIL

UNIVERSITÁRIO DE SINOP CURSO DE ENGENHARIA CIVIL Exercícios propostos: aulas 01 e 02 GOVERNO DO ESTADO DE MATO GROSSO GA - LISTA DE EXERCÍCIOS 001 1. Calcular o perímetro do triângulo ABC, sendo dado A = (2, 1), B = (-1, 3) e C = (4, -2). 2. Provar que

Leia mais

(1, 6) é também uma solução da equação, pois 3 1 + 2 6 = 15, isto é, 15 = 15. ( 23,

(1, 6) é também uma solução da equação, pois 3 1 + 2 6 = 15, isto é, 15 = 15. ( 23, Sistemas de equações lineares generalidades e notação matricial Definição Designa-se por equação linear sobre R a uma expressão do tipo com a 1, a 2,... a n, b R. a 1 x 1 + a 2 x 2 +... + a n x n = b (1)

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA DE VISEU

ESCOLA SUPERIOR DE TECNOLOGIA DE VISEU INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA DE VISEU Departamento Matemática Disciplina Matemática I Curso Gestão de Empresas Ano 1 o Ano Lectivo 2007/2008 Semestre 1 o Apontamentos Teóricos:

Leia mais

Ficha de Exercícios nº 2

Ficha de Exercícios nº 2 Nova School of Business and Economics Álgebra Linear Ficha de Exercícios nº 2 Matrizes, Determinantes e Sistemas de Equações Lineares 1 O produto de duas matrizes, A e B, é a matriz nula (mxn). O que pode

Leia mais

O Plano. Equação Geral do Plano:

O Plano. Equação Geral do Plano: O Plano Equação Geral do Plano: Seja A(x 1, y 1, z 1 ) um ponto pertencente a um plano π e n = (a, b, c), n 0, um vetor normal (ortogonal) ao plano (figura ao lado). Como n π, n é ortogonal a todo vetor

Leia mais

Universidade Estadual de Campinas Departamento de Matemática. Teorema de Jacobson. Adriana Wagner(RA: 144768) Gustavo Terra Bastos(RA: 143800)

Universidade Estadual de Campinas Departamento de Matemática. Teorema de Jacobson. Adriana Wagner(RA: 144768) Gustavo Terra Bastos(RA: 143800) Universidade Estadual de Campinas Departamento de Matemática Teorema de Jacobson Adriana Wagner(RA: 144768) Gustavo Terra Bastos(RA: 143800) Campinas - SP 2013 1 Resumo Nesta monografia apresentamos a

Leia mais

1.10 Sistemas de coordenadas cartesianas

1.10 Sistemas de coordenadas cartesianas 7 0 Sistemas de coordenadas cartesianas Definição : Um sistema de coordenadas cartesianas no espaço é um v v conjunto formado por um ponto e uma base { } v3 Indicamos um sistema de coordenadas cartesianas

Leia mais

Notas de aula de Lógica para Ciência da Computação. Aula 11, 2012/2

Notas de aula de Lógica para Ciência da Computação. Aula 11, 2012/2 Notas de aula de Lógica para Ciência da Computação Aula 11, 2012/2 Renata de Freitas e Petrucio Viana Departamento de Análise, IME UFF 21 de fevereiro de 2013 Sumário 1 Ineficiência das tabelas de verdade

Leia mais

RESUMO ABSTRACT. Vamos supor que uma caixa-preta, representada por uma relação de entrada e saída. f :!! 7!

RESUMO ABSTRACT. Vamos supor que uma caixa-preta, representada por uma relação de entrada e saída. f :!! 7! REALIZAÇÃO CANÔNICA DA SEQÜÊNCIA DE FIBONACCI Paulo Franca Bandel (IC) 1 & Marcos Antonio Botelho Labmat Laboratório de Matemática Experimental Departamento de Matemática Instituto Tecnológico de Aeronáutica

Leia mais

Probabilidade. Luiz Carlos Terra

Probabilidade. Luiz Carlos Terra Luiz Carlos Terra Nesta aula, você conhecerá os conceitos básicos de probabilidade que é a base de toda inferência estatística, ou seja, a estimativa de parâmetros populacionais com base em dados amostrais.

Leia mais

Exercícios de Aprofundamento Mat Polinômios e Matrizes

Exercícios de Aprofundamento Mat Polinômios e Matrizes . (Unicamp 05) Considere a matriz A A e A é invertível, então a) a e b. b) a e b 0. c) a 0 e b 0. d) a 0 e b. a 0 A, b onde a e b são números reais. Se. (Espcex (Aman) 05) O polinômio q(x) x x deixa resto

Leia mais

Álgebra Linear. Bacharelado em Sistemas de Informação. Período 2016.1. Prof. da Disciplina Luiz Gonzaga Damasceno, M. Sc

Álgebra Linear. Bacharelado em Sistemas de Informação. Período 2016.1. Prof. da Disciplina Luiz Gonzaga Damasceno, M. Sc Bacharelado em Sistemas de Informação Período 26. Prof. da Disciplina Luiz Gonzaga Damasceno, M. Sc E-mails: damasceno2@hotmail.com damasceno2@uol.com.br damasceno24@yahoo.com.br Site: www.damasceno.info

Leia mais

Análise de Sistemas de Controle no Espaço de Estados

Análise de Sistemas de Controle no Espaço de Estados Análise de Sistemas de Controle no Espaço de Estados 9.1 INTRODUÇÃO* (Capítulo 11 do Ogata) Um sistema moderno complexo pode ter muitas entradas e muitas saídas e elas podem ser interrelacionadas de maneira

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 - Exercícios (Determinantes)

Álgebra Linear - Exercícios (Determinantes) Álgebra Linear - Exercícios (Determinantes) Índice 1 Teoria dos Determinantes 3 11 Propriedades 3 12 CálculodeDeterminantes 6 13 DeterminanteseRegularidade 8 14 TeoremadeLaplace 11 15 Miscelânea 16 2 1

Leia mais

Prof a Dr a Ana Paula Marins Chiaradia MATRIZ INVERSA. Menores: O menor de um elemento a ij de uma matriz A de ordem n é definido como sendo o

Prof a Dr a Ana Paula Marins Chiaradia MATRIZ INVERSA. Menores: O menor de um elemento a ij de uma matriz A de ordem n é definido como sendo o Projeto TEIA DO SABER 006 UNESP Campus de Guaratinguetá Secretaria de Estado da Educação, SP Diretoria de Ensino da Região de Guaratinguetá Coordenador Prof Dr José Ricardo Zeni Metodologias de Ensino

Leia mais

Disciplina: Álgebra Linear - Engenharias ], C = Basta adicionar elemento a elemento de A e B que ocupam a mesma posição na matriz.

Disciplina: Álgebra Linear - Engenharias ], C = Basta adicionar elemento a elemento de A e B que ocupam a mesma posição na matriz. Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear - Engenharias Professor: André Luiz Galdino Gabarito da 1 a Lista de Exercícios 1. Sejam Encontre: [ 1

Leia mais

a 21 a 22... a 2n... a n1 a n2... a nn

a 21 a 22... a 2n... a n1 a n2... a nn Projeto TEIA DO SABER 2006 UNESP Campus de Guaratinguetá Secretaria de Estado da Educação, SP. Diretoria de Ensino da Região de Guaratinguetá Coordenador Prof. Dr. José Ricardo Zeni Metodologias de Ensino

Leia mais

Aula 8 Variações da Eliminação de Gauss/Fatoração LU.

Aula 8 Variações da Eliminação de Gauss/Fatoração LU. Aula 8 Variações da Eliminação de Gauss/Fatoração LU. MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade

Leia mais

PARTE 11 VETOR GRADIENTE:

PARTE 11 VETOR GRADIENTE: PARTE 11 VETOR GRADIENTE: INTERPRETAÇÃO GEOMÉTRICA 11.1 Introdução Dada a função real de n variáveis reais, f : Domf) R n R X = 1,,..., n ) f 1,,..., n ), se f possui todas as derivadas parciais de primeira

Leia mais

Optimização e Algoritmos (2004/2005)

Optimização e Algoritmos (2004/2005) Optimização e Algoritmos (2004/2005) Instituto Superior Técnico Engenharia Electrotécnica e de Computadores Série de Problemas 3 Regras de Armijo e Wolfe, Introdução às funções convexas Problema 1.[Regras

Leia mais

SISTEMAS OPERACIONAIS. 3ª. Lista de Exercícios

SISTEMAS OPERACIONAIS. 3ª. Lista de Exercícios SISTEMAS OPERACIONAIS INF09344 - Sistemas Operacionais / INF02780 - Sistemas Operacionais / INF02828 - Sistemas de Programação II Prof a. Roberta Lima Gomes (soufes@gmail.com) 3ª. Lista de Exercícios Data

Leia mais

Alguns Problemas e Exames Resolvidos de LEAmb, LEAN, LEMat, LQ, MEBiol, MEQ 1 o Semestre 2008/2009

Alguns Problemas e Exames Resolvidos de LEAmb, LEAN, LEMat, LQ, MEBiol, MEQ 1 o Semestre 2008/2009 Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Alguns Problemas e Exames Resolvidos de LEAmb, LEAN, LEMat, LQ, MEBiol, MEQ 1 o Semestre 2008/2009 Prof. Paulo Pinto http://www.math.ist.utl.pt/

Leia mais

Mudança de Coordenadas

Mudança de Coordenadas Mudança de Coordenadas Reginaldo J. Santos Departamento de Matemática-ICE Universidade Federal de Minas Gerais http://www.mat.ufmg.br/~regi regi@mat.ufmg.br 13 de deembro de 2001 1 Rotação e Translação

Leia mais

Códigos de bloco. Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2

Códigos de bloco. Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2 Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2 Códigos de bloco Prof. Diego da Silva de Medeiros São José, maio de 2012 Codificação

Leia mais

Capítulo 2 - Determinantes

Capítulo 2 - Determinantes Capítulo 2 - Determinantes Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/ 19 DeMat-ESTiG Sumário

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

Matemática Básica Intervalos

Matemática Básica Intervalos Matemática Básica Intervalos 03 1. Intervalos Intervalos são conjuntos infinitos de números reais. Geometricamente correspondem a segmentos de reta sobre um eixo coordenado. Por exemplo, dados dois números

Leia mais

Sejam P1(x1,y1) e P2(x2,y2) pontos pertencentes ao plano. A equação da reta pode ser expressa como: ou

Sejam P1(x1,y1) e P2(x2,y2) pontos pertencentes ao plano. A equação da reta pode ser expressa como: ou Sejam P1(x1,y1) e P2(x2,y2) pontos pertencentes ao plano. A equação da reta pode ser expressa como: ou y = ax + b ax y = b Desta forma, para encontrarmos a equação da reta que passa por entre esses dois

Leia mais

. (A verificação é imediata.)

. (A verificação é imediata.) 1 Universidade de São Paulo/Faculdade de Educação Seminários de Ensino de Matemática (SEMA-FEUSP) Coordenador: Nílson José Machado novembro/2010 Instabilidade em Sistemas de Equações Lineares Marisa Ortegoza

Leia mais

2) Escreva um algoritmo que leia um conjunto de 10 notas, armazene-as em uma variável composta chamada NOTA e calcule e imprima a sua média.

2) Escreva um algoritmo que leia um conjunto de 10 notas, armazene-as em uma variável composta chamada NOTA e calcule e imprima a sua média. 1) Inicializar um vetor de inteiros com números de 0 a 99 2) Escreva um algoritmo que leia um conjunto de 10 notas, armazene-as em uma variável composta chamada NOTA e calcule e imprima a sua média 3)

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

GLOSSÁRIO: UM DICIONÁRIO PARA ÁLGEBRA LINEAR

GLOSSÁRIO: UM DICIONÁRIO PARA ÁLGEBRA LINEAR GLOSSÁRIO: UM DICIONÁRIO PARA ÁLGEBRA LINEAR Matriz de adjacência de um grafo. Matriz quadrada com a ij = 1 quando existe uma arestado nodo i para o nodo j; caso contrário a ij = 0. A = A T para um grafo

Leia mais

EXERCÍCIOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (sistemas de equações lineares e outros exercícios)

EXERCÍCIOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (sistemas de equações lineares e outros exercícios) UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA EXERCÍCIOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (sistemas de equações lineares e outros eercícios) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Eercícios

Leia mais

Teoria Básica e o Método Simplex. Prof. Ricardo Santos

Teoria Básica e o Método Simplex. Prof. Ricardo Santos Teoria Básica e o Método Simple Prof. Ricardo Santos Teoria Básica do Método Simple Por simplicidade, a teoria é desenvolvida para o problema de PL na forma padrão: Minimizar f()=c T s.a. A=b >= Considere

Leia mais

Capítulo 4. Retas e Planos. 4.1 A reta

Capítulo 4. Retas e Planos. 4.1 A reta Capítulo 4 Retas e Planos Neste capítulo veremos como utilizar a teoria dos vetores para caracterizar retas e planos, a saber, suas equações, posições relativas, ângulos e distâncias. 4.1 A reta Sejam

Leia mais

1. Verifique se são operadores lineares no espaço P n (R): (a) F: P n (R) P n (R) tal que F(f(t)) = tf (t), f(t) P n (R).

1. Verifique se são operadores lineares no espaço P n (R): (a) F: P n (R) P n (R) tal que F(f(t)) = tf (t), f(t) P n (R). UNIVERSIDADE ESTADUAL DE SANTA CRUZ - UESC DEPARTAMENTO DE CIÊNCIAS EXATAS E TECNOLÓGICAS - DCET ÁLGEBRA LINEAR ASSUNTO: TRANSFORMAÇÕES LINEARES EXERCÍCIOS RESOLVIDOS 1. Verifique se são operadores lineares

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

Seu pé direito nas melhores Faculdades

Seu pé direito nas melhores Faculdades 10 Insper 01/11/009 Seu pé direito nas melhores Faculdades análise quantitativa 40. No campeonato brasileiro de futebol, cada equipe realiza 38 jogos, recebendo, em cada partida, 3 pontos em caso de vitória,

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

Modelo Entidade Relacionamento (MER) Professor : Esp. Hiarly Alves

Modelo Entidade Relacionamento (MER) Professor : Esp. Hiarly Alves Tópicos Apresentação Entidade, Atributo e Relacionamento Cardinalidade Representação simbólica Generalizações / Especializações Agregações Apresentação O Modelo Entidade-Relacionamento tem o objetivo de

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

I. Conjunto Elemento Pertinência

I. Conjunto Elemento Pertinência TEORI DOS CONJUNTOS I. Conjunto Elemento Pertinência Conjunto, elemento e pertinência são três noções aceitas sem definição, ou seja, são noções primitivas. idéia de conjunto é praticamente a mesma que

Leia mais

E-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces

E-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces E-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces Éder Augusto Penharbel, Erdiane L. G. Wutzke, Murilo dos S. Silva, Reinaldo

Leia mais

A magnetostática. A lei de Biot e Savart O potencial escalar magnético. A lei da indução de Faraday.

A magnetostática. A lei de Biot e Savart O potencial escalar magnético. A lei da indução de Faraday. A magnetostática Nesta aula discutiremos algumas leis e conceitos físicos que são muito úteis para o entendimento do eletromagnetismo e se apresentam em várias inovações a aplicações tecnológicas. São

Leia mais

NOTA SOBRE A TEORIA DA ESTABILIDADE DO EQUILÍBRIO EM MERCADOS MÚLTIPLOS: JOHN HICKS

NOTA SOBRE A TEORIA DA ESTABILIDADE DO EQUILÍBRIO EM MERCADOS MÚLTIPLOS: JOHN HICKS NOTA SOBRE A TEORIA DA ESTABILIDADE DO EQUILÍBRIO EM MERCADOS MÚLTIPLOS: JOHN HICKS Tácito Augusto Farias* RESUMO Esta nota trata das principais contribuições conceituais de um importante economista do

Leia mais

= 1 1 1 1 1 1. Pontuação: A questão vale dez pontos, tem dois itens, sendo que o item A vale até três pontos, e o B vale até sete pontos.

= 1 1 1 1 1 1. Pontuação: A questão vale dez pontos, tem dois itens, sendo que o item A vale até três pontos, e o B vale até sete pontos. VTB 008 ª ETAPA Solução Comentada da Prova de Matemática 0 Em uma turma de alunos que estudam Geometria, há 00 alunos Dentre estes, 30% foram aprovados por média e os demais ficaram em recuperação Dentre

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

TESTES SOCIOMÉTRICOS

TESTES SOCIOMÉTRICOS TESTES SOCIOMÉTRICOS Docente: Mestre Mª João Marques da Silva Picão Oliveira TESTES SOCIOMÉTRICOS * O Teste Sociométrico ajuda-nos a avaliar o grau de integração duma criança/jovem no grupo; a descobrir

Leia mais

ALGA - Eng.Civil - ISE - 2009/2010 - Matrizes 1. Matrizes

ALGA - Eng.Civil - ISE - 2009/2010 - Matrizes 1. Matrizes ALGA - Eng.Civil - ISE - 00/010 - Matrizes 1 Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n (m vezes n ou m por n) a uma aplicação A : f1; ; :::; mg f1; ; :::; ng R:

Leia mais

Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS

Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS Dois ou mais eventos são mutuamente exclusivos, ou disjuntos, se os mesmos não podem ocorrer simultaneamente. Isto é, a ocorrência de um

Leia mais

Entropia, Entropia Relativa

Entropia, Entropia Relativa Entropia, Entropia Relativa e Informação Mútua Miguel Barão (mjsb@di.uevora.pt) Departamento de Informática Universidade de Évora 13 de Março de 2003 1 Introdução Suponhamos que uma fonte gera símbolos

Leia mais

Ondas EM no Espaço Livre (Vácuo)

Ondas EM no Espaço Livre (Vácuo) Secretaria de Educação Profissional e Tecnológica Instituto Federal de Santa Catarina Campus São José Área de Telecomunicações ELM20704 Eletromagnetismo Professor: Bruno Fontana da Silva 2014-1 Ondas EM

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

Gobooks.com.br. PucQuePariu.com.br

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

Leia mais

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

1a Semana. KP (n) = (K n+1 \{0})/

1a Semana. KP (n) = (K n+1 \{0})/ 1. Descrever um atlas para a esfera 1a Semana S n = {(x 1, x 2,..., x n+1 ) R n+1 x 2 1 + x 2 2 + + x 2 n+1 = 1} e correspondentes mudanças de coordenadas. 2. Mostrar que o toro T := R 2 /, onde é uma

Leia mais

III-2 Cyclic Redundancy Check

III-2 Cyclic Redundancy Check III-2 Cyclic Redundancy Check 1 Dezembro de 2010 ISEL-DEETC- 1 Sumário 1. Códigos cíclicos 2. Polinómio gerador. CRC 1. Cálculo dos bits de paridade 2. Verificação dos bits de paridade 4. Divisão de polinómios

Leia mais

3.2.7. Diagrama de Impedâncias e Matriz de Admitância de um Sistema Elétrico

3.2.7. Diagrama de Impedâncias e Matriz de Admitância de um Sistema Elétrico Sistemas Elétricos de Potência 3.2.7. Diagrama de Impedâncias e Matriz de Admitância de um Sistema Elétrico Professor: Dr. Raphael Augusto de Souza Benedito E-mail:raphaelbenedito@utfpr.edu.br disponível

Leia mais

Recorrendo à nossa imaginação podemos tentar escrever números racionais de modo semelhante: 1 2 = 1 + 3 + 32 +

Recorrendo à nossa imaginação podemos tentar escrever números racionais de modo semelhante: 1 2 = 1 + 3 + 32 + 1 Introdução Comecemos esta discussão fixando um número primo p. Dado um número natural m podemos escrevê-lo, de forma única, na base p. Por exemplo, se m = 15 e p = 3 temos m = 0 + 2 3 + 3 2. Podemos

Leia mais

Teoria dos Grafos. Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada. antunes@ibilce.unesp.br, socorro@ibilce.unesp.

Teoria dos Grafos. Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada. antunes@ibilce.unesp.br, socorro@ibilce.unesp. Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br Grafos e Algoritmos Preparado a partir do texto: Rangel, Socorro.

Leia mais

Matrizes Reais conceitos básicos

Matrizes Reais conceitos básicos Cálculo Numérico Matrizes Reais conceitos básicos Wagner de Souza Borges FCBEE, Universidade Presbiteriana Mackenzie wborges@mackenzie.com.br Resumo O conceito de matriz tem origem no estudo de sistemas

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

Álgebra Linear. Giuliano Boava

Álgebra Linear. Giuliano Boava Álgebra Linear Giuliano Boava Introdução Nos problemas olímpicos, principalmente nos de nível universitário, é comum encontrarmos espaços e subespaços vetoriais, transformações lineares, matrizes, autovalores,

Leia mais

CDI-II. Derivadas de Ordem Superior. Extremos. ; k = 1,2,...,n.

CDI-II. Derivadas de Ordem Superior. Extremos. ; k = 1,2,...,n. Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Pro. Gabriel Pires CDI-II Derivadas de Ordem Superior. Extremos 1 Derivadas de Ordem Superior Seja : D R n R, deinida num

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

Duas aplicações da Topologia à Álgebra Linear. 1 Quando são duas matrizes semelhantes?

Duas aplicações da Topologia à Álgebra Linear. 1 Quando são duas matrizes semelhantes? Duas aplicações da Topologia à Álgebra Linear José Carlos Santos Departamento de Matemática Faculdade de Ciências da Universidade do Porto e-mail: jcsantos@fc.up.pt Resumo: Este artigo contém duas aplicações

Leia mais

Determinantes. Matemática Prof. Mauricio José

Determinantes. Matemática Prof. Mauricio José Determinantes Matemática Prof. Mauricio José Determinantes Definição e Conceito Matriz de ordem 1 Dizemos que um determinante é um resultado (numérico) de operações que são realizadas em uma matriz quadrada.

Leia mais