Câmpus Caxias do Sul
|
|
- Marcela Caldas Marroquim
- 8 Há anos
- Visualizações:
Transcrição
1 Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul Câmpus Caxias do Sul CARACTERIZAÇÃO GEOMÉTRICA DE OPERADORES LINEARES DE R 2 E R 3 Trabalho de Conclusão de Curso Licenciatura em Matemática Érick Scopel Caxias do Sul 2014
2 ÉRICK SCOPEL CARACTERIZAÇÃO GEOMÉTRICA DE OPERADORES LINEARES DE R 2 E R 3 Trabalho de Conclusão de Curso apresentado como requisito parcial para obtenção do grau de Licenciado em Matemática, pelo Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul Câmpus Caxias do Sul. Área de concentração: Matemática. Orientadores: Me. Nicolau Matiel Lunardi Diehl IFRS. Me. Rodrigo Sychocki da Silva IFRS. Caxias do Sul, Novembro de 2014.
3 Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul, Câmpus Caxias do Sul. 51 S422c Scopel, Érick. Caracterização Geométrica de Operadores Lineares de R 2 e R 3 / Érick Scopel; orientadores, Nicolau Matiel Lunardi Diehl, Rodrigo Sychocki da Silva. - Caxias do Sul, RS, p. Trabalho de Conclusão de Curso (Graduação) - Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul, Câmpus Caxias do Sul. Graduação em Matemática. Inclui referências. Inclui lista de figuras. 1. Matemática. 2. Álgebra Linear. 3. Operadores Lineares. 4. Teoria de Jordan. I. Diehl, Nicolau Matiel Lunardi. II. Silva, Rodrigo Sychocki da. III. Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul. Graduação em Matemática. IV. Título. Ficha catalográfica elaborada pela bibliotecária Jaçanã Pando CRB 10/1936.
4 ÉRICK SCOPEL CARACTERIZAÇÃO GEOMÉTRICA DE OPERADORES LINEARES DE R 2 E R 3 A banca examinadora, abaixo assinada, aprova o Trabalho de Conclusão de Curso: Caracterização Geométrica de Operadores Lineares de R 2 e R 3 elaborado por Érick Scopel como requisito parcial para obtenção do grau de Licenciado em Matemática, pelo Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul Câmpus Caxias do Sul. Prof. Dr. Diego Marcon Farias - UFRGS. Prof. Esp. Nícolas Moro Müller - IFRS. Prof. Dr. Rene Carlos Cardoso Baltazar Junior - FURG. Caxias do Sul, 25 de Novembro de 2014.
5 Agradecimentos Agradeço primeiramente aos meu orientadores Nicolau Matiel Lunardi Diehl e Rodrigo Sychocki da Silva pelos momentos oportunizados para criação deste trabalho onde, sem dúvida, aprendi muito mais do que essas páginas podem trazer. Além disso, agradeço pela compreenção e ajuda em todos momentos que tive dificuldades para condução deste trabalho. Também agradeço a todos os outros professores que, de alguma forma, tiveram participação deste projeto. Agradeço ao Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul - Câmpus Caxias do Sul pela oportunidade de cursar o curso de Licenciatura em Matemática onde, sem este, nunca teria feito tal trabalho. Também agradeço ao colega Lucas Dutra pela parceria e companherismo durante esses quatro anos. Agradeço a minha família pelo apoio em todos momentos em que estava estudando ou escrevendo este trabalho, em especial a minha namorada pela ajuda com a tradução do resumo e pela paciência e entendimento que este Trabalho de Conclusão de Curso (TCC) leva dias, domingos, sábados, finais de semana para ser escrito.
6 Resumo O trabalho versa sobre uma caracterização geométrica de operadores lineares de R 2 e R 3. Com a Teoria de Jordan aplicada a matrizes associadas aos operadores, pode-se caracterizar as transformações olhando para as matrizes quadradas de ordem dois, quando o operador for em R 2, e quadradas de ordem três quando for em R 3. É encontrada uma matriz de Jordan que seja equivalente a matriz associada ao operador e assim é dito como este operador se comporta em determinadas regiões. Com essa teoria escreve-se os operadores lineares de formas mais simples e assim os classifica em classes. Além disso, os operadores tem aplicações relevantes no estudo de Fractais, Deformações, Morfismos e Computação Gráfica. Na Computação Gráfica, por exemplo, a teoria de operadores é utilizada na manipulação de imagens que envolvem rotações, cisalhamentos, dilatação e compressão e alteração de cores, que são exemplos de transformações lineares. É comum encontrar nos livros de álgebra linear transformações dos tipos citados. Mas, a pergunta natural a se fazer é: toda a transformação linear é desse tipo? Este trabalho visa responder a esta pergunta, uma vez que os livros de álgebra linear descrevem estas transformações em capítulos iniciais e nos finais trazem a teoria de Jordan, porém, não a utilizam para responder diretamente a tal pergunta. Perceberemos neste trabalho, que os operadores lineares de R 2 e R 3 atuam como dilatações, compressões, cisalhamentos e rotações, quando olhamos para os vetores da base de Jordan. Palavras-chave: Operadores Lineares. Teoria de Jordan. Classes.
7 Abstract The work concerns a geometric characterization of linear operators in R 2 and R 3. With the Jordan s Theory applied to the matrices associated to the operators, can be characterize the transformations looking to square matrices of order two when the operator is in R 2, and square of order three when in R 3. It is found an array of Jordan that is equivalent to the matrix associated to the operator and so is said like this operator behaves in certain regions. With this theory we write the linear operators the simpler forms and thus classify them into kinds. In addition, operators have relevant applications in the study of Fractals, Deformations, Morphisms and Computer Graphics. In Computer Graphics, for example, the theory is used in manipulation of image involving rotation, shearing, expansion and compression, and changing colors, which are examples of linear transformations. It is common to find in the books of linear algebra transformations of the types mentioned but the natural question to ask is: all linear transformation is that? This work aims to answer this question, since the books of linear algebra describe these transformations in initial chapters and final chapters bring the theory of Jordan, but not use it to directly answer this question. We realize this work, the linear operators R 2 and R 3 act as expansion, compression, shear and rotation, when we look at the Jordan basis vectors. Keywords: Linear Operations. Jordan s Theory. Kinds.
8 Lista de Figuras 1 Dilatação dos vetores v 1 e v Dilatação da área delimitada pelos vetores v 1 e v Dilatação dos vetores v 1 = (1, 0) e v 2 = ( 1, 1) Dilatação dos vetores v 1 = (1, 0) e v 2 = ( 1, 1) Compressão dos vetores v 1 e v Compressão da área delimitada pelos vetores v 1 e v Contração dos vetores v 1 = ( 1, 1) e v 2 = (2, 1) Área delimitada pela compressão nos vetores v 1 = ( 1, 1) e v 2 = (2, 1) Dilatação do vetor v 1 e compressão do vetor v Área da dilatação do vetor v 1 e compressão do vetor v Dilatação do vetor v 1 = ( 1, 1) e compressão do vetor v 2 = (2, 3) Área delimitada pela dilatação do vetor v 1 = ( 1, 1) e compressão do vetor v 2 = (2, 3) Dilatação de v 2 e cisalhamento de v Área delimitada pela dilatação de v 2 e cisalhamento de v Dilatação no v 2 = (3, 6) e um cisalhamento do vetor v 1 = (1, 1) Área delimitada pelo dilatação no v 2 = (3, 6) e cisalhamento do vetor v 1 = (1, 1) Cisalhamento na direção v 1 e contração na direção v Área delimitada pelo cisalhamento na direção v 1 e contração na direção v Cisalhamento na direção v 1 = (1, 1) e uma contração na direção v 2 = ( 10 3, 5 9) Área delimitada pelo cisalhamento na direção v 1 = (1, 1) e uma contração na direção v 2 = ( 10 3, 5 9) Rotação dos vetores v 1 e v Área delimitada pela rotação dos vetores v 1 e v Rotação dos vetores v 1 = (1, 1) e v 2 = (1, 1) em α = Área delimitada pela rotação dos vetores v 1 = (1, 1) e v 2 = (1, 1) em α = Dilatação da área limitada Compressão da área limitada
9 Sumário 1 Introdução 9 2 Metodologia 11 3 Embasamento Histórico 13 4 Teoria preliminar Espaço Vetorial e Subespaço Vetorial Bases Soma Direta Transformações Lineares Matriz de uma Transformação Linear Sistema Linear Autovetor e autovalor Diagonalização Matriz de Jordan Caracterização Geométrica via Teoria de Jordan Operadores de R Operadores de R Conclusão 59
10 9 1 Introdução Neste trabalho estudamos os Operadores Lineares de R 2 e R 3 que são Transformações Lineares do tipo A : V V, onde V é um espaço vetorial. Objetivamos com esse trabalho responder o seguinte problema norteador: como caracterizar geometricamente os Operadores Lineares do R 2 e do R 3? Por exemplo, um dado operador faz uma homotetia em alguma direção? Em particular, queremos saber a imagem de um paralelogramo por um operador linear de R 2 ou de um paralelepípedo por um operador linear de R 3. Com a Teoria de Jordan aplicada a matrizes associadas aos operadores, podemos caracterizar as transformações olhando para as matrizes quadradas de ordem dois, quando o operador for em R 2, e quadradas de ordem três quando for em R 3. Podemos encontrar uma matriz de Jordan que seja equivalente a matriz associada ao operador e assim, dizer como este operador se comporta geometricamente. Podemos ver em Lima (2012) que se quisermos definir uma transformação linear A : R n R n basta escolher, para cada 1 j n, um vetor v j = (a 1j, a 2j,, a nj ) e dizer que v j = Ae j é a imagem da base canônica pela transformação linear A. De fato, basta definir a transformação para uma base qualquer. Estudaremos esses operadores entendendo como eles atuam em uma base determinada pela matriz de Jordan, chamada base de Jordan. Com essa teoria podemos escrever os operadores lineares de formas mais simples e assim, classificá-los em classes. Veremos que, todos estes operadores lineares se baseiam em dilatações, compressões, rotações e cisalhamentos, observando a matriz de Jordan dos operadores. Além disso, os operadores tem aplicações relevantes no estudo de Deformações e Morfismos 1, Fractais 2 e Computação Gráfica. Na Computação Gráfica 3, por exemplo, a teoria de operadores é utilizada na manipulação de imagens que envolvem rotações, cisalhamentos, dilatação e compressão e alteração de cores, que são exemplos de transformações lineares. O trabalho possui seis capítulos, sendo esta introdução o primeiro. Abordamos a metodologia no capítulo 2, onde descrevemos as etapas de realização deste trabalho e como foi feita a pesquisa, partindo de um problema norteador e, através de teorias já criadas, passamos a resolve-lô. Utilizamos uma pesquisa bibliográfica para conduzir nosso trabalho, pois pensamos que esta seria eficiente em responder a pergunta levantada por este trabalho. 1 O trabalho Transformações no Plano: Uma Aplicação do Estudo de Matrizes com o Uso de Planilhas Eletrônicas. aborda morfismos e deformações.[2] 2 O trabalho Estudando matrizes a partir de transformações geométricas, apresenta casos com fractais. [9] 3 O trabalho A Importância das Matrizes e Transformações Lineares na Computação Gráfica traz a importância de trnsformações lineares na computação gráfica.[6]
11 10 Uma breve contextualização histórica sobre álgebra linear é feita no capítulo 3. Nela percebemos uma evolução no pensamento álgebrico até chegarmos aos descobrimentos de Peano, que consolidaram a álgebra linear. A teoria premilinar encontra-se no capítulo 4 que traz conceitos e definições, como: espaço vetorial, subespaço vetorial, base, transformação linear, matriz de uma transformação linear, sistema linear, polinômio característico, autovetor, autovalor, diagonalização e teoria de Jordan. O capítulo 5 traz as aplicações da teoria de Jordan aos operadores lineares de R 2 e R 3. Trazemos os operadores lineares divididos em classes, segundo a Teoria de Jordan. Também trazemos a caracterização geométrica dessas classes, exemplos e figuras que proporcionam um olhar geométrico para os operadores lineares. A conclusão do trabalho se encontra no capítulo 6, onde concluímos que respondemos nossa pergunta inicial e que, os operadores lineares de R 2 e R 3, se baseiam em transformações lineares conhecidas, como dilatações, compressões, rotações e cisalhamentos.
12 11 2 Metodologia Para conduzir nosso trabalho, inicialmente fizemos uma pesquisa bibliográfica. Pensamos que essa metodologia seria a mais adequada para propiciar a resposta da pergunta inicial como caracterizar geometricamente os Operadores Lineares do R 2 e do R 3? pois a teoria base para o corpo do trabalho já encontra-se consolidada em livros, teses, artigos, dissertações. Segundo Gil (2010) uma pesquisa bibliográfica segue as seguintes etapas: i) escolha do tema; ii) levantamento bibliográfico preliminar; iii) formulação do problemas; iv) elaboração do plano provisório de assunto; v) busca das fontes; vi) leitura do material; vii) fichamento; viii) organização lógica do assunto; ix) redação do texto.(gil, 2010, pg.45) Estas etapas citadas serviram de referência durante a elaboração do trabalho. O tema álgebra linear se faz necessário para propiciar uma tentativa de responder a questão central deste trabalho. Após um levantamento premiliar da teoria matemática, formulamos a problematização do trabalho a fim de nortear as ações seguintes. Esse levantamento foi feito em caráter exploratório, analisando a teoria acerca do problema. Isso acarretou em uma clareza maior para a compreensão do problema. Com o problema definido, podemos conduzir o trabalho com mais precisão e foco, estabelecendo objetivos claros. Foram analisados trabalhos e fontes que constavam tanto a parte matemática (álgebra linear) quanto suas aplicações voltadas a solução da problematização esperada. Com isso, foi possível fazer um fichamento dos assuntos bases para o entendimento do trabalho. Os assuntos selecionados são: Espaço Vetorial, Subespaço Vetorial, Bases, Transformações Lineares, Matriz Associada a Transformação Linear, Sistema Linear, Autovalor, Autovetor, Polinômio Característico, Determinante, Diagonalização e Teoria de Jordan. É importante salientar que livros considerados de excelência estão sendo usados para as escritas dos assuntos anteriores, entre eles [1] e [8]. A organização dos assuntos em capítulos se justifica quando pensamos em uma estrutura lógica, isto é, para chegar no objetivo do trabalho, temos que construir definições e resultados que possibilitam a compreensão do restante do texto. Assim, temos o embasamento suficiente para o restante do desenvolvimento do trabalho. Para conduzir a caracterização por classes, utilizaremos matrizes de Jordan que são equivalentes as matrizes associadas aos operadores lineares. Assim, através da Teoria de Jordan, classificaremos em casos (classes) todos possíveis operadores lineares de R 2 e do
13 12 R 3. É importante salientar que a utilização da Teoria de Jordan para a caracterização geométrica de operadores lineares não foi encontrado em outros textos já produzidos.
14 13 3 Embasamento Histórico A álgebra linear é um campo recente dentro da matemática, começou a ser pensado como o conhecemos hoje por Leonhard Euler 4, por volta de 1750, quando discutiu o paradoxo de Cramer e revolucionou o pensamento da época sobre sistemas lineares. Segundo Katz (2010), este paradoxo baseava-se em duas proposições: (1) Uma curva algébrica de ordem n é univocamente determinada por n(n+3) 2 dos seus pontos. (2) Duas curvas algébricas de ordens n e m instersectavam-se em nm pontos. (KATZ, 2010; pg.788) Uma curva algébrica plana é o lugar dos pontos cujas coordenadas cartesianas satisfazem a uma equação do tipo f(x, Y ) = 0, onde f é um polinômio não constante. 5 Euler discute a primeira proposição e conclui que esta era baseada em uma afirmação nem sempre verdadeira. Esta afirmação era que n equações com n incognitas sempre tem uma única solução, como se acreditava. Euler percebe que esta afirmação não é sempre válida. Mesmo não escrevendo nenhum teorema sobre esse assunto em sua obra Introdução à Álgebra, Euler traz exemplos do tipo: { 3x 2y = 5 6x + 4y = 10 onde notou que essas equações não determinavam únicos valores para as incógnitas x e y. Segundo Katz (2010), Euler acabou concluindo que para que n incógnitas sejam determinadas por n equações, é necessário acrescentar a condição de que essas equações sejam todas diferentes e também não estejam compreendidas nas demais. Apesar de não ter definido compreendida de forma explícita, parece que Euler tinha conhecimento do conceito de característica de uma sistema linear. Mesmo Euler resolvendo o paradoxo, foi preciso mais um século para que os sistemas indeterminados, também chamados de inconsistentes, fossem compreendidos. Em 1843, Hamilton 6 criou a primeira álgebra não-comutativa, a álgebra dos quatérnios 7. Esse fato, ligado a todo seu estudo, fez abrir as portas da álgebra moderna, como conhecemos hoje. 4 Matemático suiço nascido na Basiléia ( ). Segundo [3] Euler foi um escritor prolífero, tendo seu nome em praticamente todos os ramos da matemática. 5 Veja mais em sobre curvas algébricas em [10]. 6 Willian Rowan Hamilton ( ) foi um físico e matemático irlandês. É conhecido por criar a teoria dos quatérnios, segundo [7] 7 Os quartérnios são considerados um anel de divisão, ou um corpo não comutativo, conforme [5]
15 14 Segundo Eves (2004): [...] a grande importância dos quatérnios na história da matemática reside no fato de que sua criação por Hamilton em 1843 libertou a álgebra de suas amarras com a aritmética dos números reais, abrindo assim as comportas da álgebra abstrata. (EVES, 2004; pg. 555) Cayley 8 uniu a ideia de Matriz (anteriormente conhecida) com o sistema linear. Ele provou, em 1858, o teorema conhecido como Teorema de Cayley-Hamilton, mostrando que para a matriz M f associada ao operador M [ ] a b M f = c d é solução do polinômio característico do operador linear M : V V, ou seja, se p for o polinômio característico de M : V V, para V espaço vetorial complexo de dimensão finita, então p(m f ) = 0. Cayley, juntamente com Sylvester 9, fizeram importantes contribuições na área da álgebra, como teoria das transformações, formas canônicas, teoria dos números, matrizes, entre outros. Outros nomes da matemática foram fundamentais para a evolução da álgebra como Hermann Günter Grassmann, Augustus de Morgan, Charles Hermite e Josiah Willard Gibbs. Foi do trabalho desses matemáticos que surgiu a Álgebra Vetorial. Segundo Eves (2004), deve-se esse trabalho especialmente a Josiah Willard Gibbs ( ), em 1881, que definiu a soma de vetores, o produto vetorial e a ideia de sentido, direção e comprimento dos vetores. Anos mais tarde, Peano 10 definiu noções para a álgebra linear. Segundo Katz (2010) as noções básicas de álgebra linear, incluindo as de independência linear de combinações lineares, foram usadas em diversos ramos da matemática durante o século dezenove, mas foi apenas em finais do século que uma definição abstrata de espaço vetorial foi formulada. O primeiro matemático a dar tal definição foi Giuseppe Peano no seu Calcolo geometrico de (KATZ, 2010; pg.1027) Peano também definiu sistema linear e sua dimensão, utilizando a ideia da independência linear. Dizemos então, que a álgebra linear como conhecemos hoje, começa a ser estruturada em 1888, sendo assim uma área nova dentro da matemática. 8 Arthur Cayley ( ), matemático inglês, é conhecido pelo desenvolvimento da álgebra das matrizes, de acordo com [3] 9 James Joseph Sylvester ( ) matemático inglês que, estimulado por Cayley, escreveu vários artigos que contribuiram para à álgebra, como teoria das transformações, conforme [3] 10 Giuseppe Peano ( ), matemático italiano conhecido pelos axiomas de espaço vetorial, segundo [7]
16 15 4 Teoria preliminar Esse capítulo apresenta a fundamentação teórica necessária para o restante do trabalho. Escrevemos este com uma sequência lógica com o objetivo de construir o conhecimento prévio necessário para compreendermos como se desenvolverão as ideias ao longo do trabalho. Em sua maioria, as definições, lemas e teoremas apresentados no corpo do texto foram adaptadas de [1] e [8]. 4.1 Espaço Vetorial e Subespaço Vetorial Nesta seção, apresentaremos uma noção da região onde a álgebra linear se desenvolve, os Espaços Vetoriais. Definição 4.1. Seja V um conjunto de elemento (chamados vetores), munido da operação soma (+) e multiplicação (.) por um escalar de R (corpo) definidas de modo que valham as seguintes propriedades: Para todo v 1, v 2, v 3 V e α, β R i) v 1 + v 2 V e αv 1 V (fechamento) ii) (v 1 + v 2 ) + v 3 = v 1 + (v 2 + v 3 ) e (αβ)v 1 = α(βv 1 ) (associatividade) iii) v 1 + v 2 = v 2 + v 1 (comutatividade) iv) existe 0 V tal que v 1 + ( v 1 ) = 0 (elemento neutro) v) α(v 1 + v 2 ) = αv 1 + αv 2 (distributividade para os vetores) vi) (α + β)v 1 = αv 1 + βv 1 (distributividade para os escalares) vii) existe 1 R tal que v 1 1 = v 1 (estabilidade) Neste caso, dizemos que V (+,.) é um espaço vetorial sobre R, denotamos simplesmente por V este espaço vetorial. Nota: seja V um espaço vetorial em R. Se temos v V e 0 R, notamos que 0v = 0. De fato, 0v = (α + ( α))v = αv αv = 0 Definição 4.2. Seja W um subconjunto de V espaço vetorial. Se W tem a estrutura de espaço vetorial com as operações de V, então W é subespaço vetorial. Lema 4.3. Seja W ; W V é um subespaço vetorial de V se w 1, w 2 W onde, para α R, temos: i) αw 1 W ii) w 1 + w 2 W
17 16 Note que, os subespaços vetoriais têm que conter a origem e também, todo subespaço é um espaço vetorial em si mesmo. 4.2 Bases Esse tópico é de suma importância para a continuação do trabalho, pois temos por objetivo caracterizar um operador linear de R 2 e R 3 analisando o que acontece em uma certa base (base de Jordan). Conforme vemos em Lima (2012), uma vez fixada uma base num espaço vetorial de dimensão n, seus elementos são meramente combinações lineares dos n vetores básicos, com coeficientes univocamente determinados. (Lima 2012, pg. 25) Definição 4.4. Sejam W = {w 1, w 2,, w n V e α 1, α 2,, α n combinação dos elementos de W por uma soma finita da forma R definimos a α 1 w 1 + α 2 w α n w n. Definição 4.5. Seja W = {w 1, w 2,, w n um subconjunto de um espaço vetorial V. O conjunto W é linearmente dependente se existirem escalares α 1, α 2,, α n R, não todos nulos, tais que α 1 w 1 + α 2 w α n w n = 0. Definição 4.6. Seja W um subconjunto de V espaço vetorial. Dizemos que o conjunto W é linearmente independente quando não é linearmente dependente. Definição 4.7. Seja W um subconjunto de um espaço vetorial V. Dizemos que o conjunto W gera o espaço V se para todo v V existem α 1, α 2,, α n R e w 1, w 2,, w n W tais que α 1 w 1 + α 2 w α n w n = v. Dizemos então, que W é um subespaço gerador de V. Definição 4.8. Seja V um espaço vetorial. Dizemos que um conjunto ordenado B é base de V quando: i) B é um conjunto linearmente independente. ii) o subespaço gerado por B é igual a V. Lema 4.9. Todo espaço vetorial V {0 gerado por um subconjunto S = {v 1, v 2,, v n possui uma base. Demonstração. Primeiramente tiramos os elementos (se existir) de S que são linearmente dependentes com os elementos restantes. Retirando os elementos, os elementos restantes de S ainda geram V. Assim, teremos um conjunto linearmente independente S que gera V.
18 17 Nota: o espaço vetorial 0 não possui base. O próximo teorema serve de subsídio para o corolário 4.11 que é importante para o desenvolvimento do texto. Teorema Seja o conjunto S = {v 1, v 2,, v n gerador do espaço vetorial V. Se W = {w 1, w 2,, w j com W V é linearmente independente, então j n. Demonstração. Suponhamos que j > n. Como S gera V, temos que w 1 = λ 1 v 1 + λ 2 v λ n v n sendo, ao menos, um dos escalares λ 1,, λ n diferente de zero. Podemos supor que λ 1 0. Temos assim que {v 2,, v n, w 1 gera V. De fato, se v V, existem escalares α 1,, α n tais que v = α 1 v 1 + α 2 v α n v n. Mas então, mostrando o afirmado. [ ] 1 v = α 1 (w 1 λ 2 v 2 λ n v n ) + α 2 v α n v n λ 1 De maneira análoga, w 2 = β 2 v 2 + β 3 v β n v n + β 1 w 1, com ao menos um dos escalares β 2,, β n diferente de zero. Supondo β 2, verificamos então que o conjunto {v 3, v 4,, w 1, w 2 gera o espaço V. Repetindo o procedimento, observamos que gera o espaço V. Em particular, {w 1, w 2,, w n Mas então, w n+1 = γ 1 w n + + γ n w n. γ 1 w 1 γ n w n + 1w n+1 + 0w n w j = 0 o que contradiz {w 1, w 2,, w j ser um conjunto linearmente independente. Corolário Se os vetores v 1, v 2,, v m geram o espaço vetorial V e os vetores w 1, w 2,, w n são linearmente dependentes, então m n. Este corolário é uma mera reformulação do Teorema Definição Se B = {b 1, b 2, b 3,, b n for uma base do espaço vetorial V, dizemos que V tem dimensão n e escrevemos dimv = n. Teorema Todo subconjunto linearmente independente de um espaço vetorial V de dimensão finita pode ser completado para formar uma base de V.
19 18 Demonstração. Se S = v 1, v 2,, v j não gerar V, então existe um vetor v j+1 V que é LI com o conjunto S. O conjunto E = v 1, v 2,, v j, v j+1 é LI. Se E não for base de V, repetimos o procedimento, um número finito de vezes, até obter a base de V. Note que o Teorema 4.2 nos diz que existem várias bases para o espaço V. Definição Sejam V um espaço vetorial e B = {b 1, b 2, b 3,, b n uma base de V. Se v V, então existem escalares α 1, α 2,, α n R tais que v = α 1 b 1 +α 2 b 2 + +α n b n. O vetor (α 1, α 2,, α n ) é a representação de v na base B e α 1, α 2,, α n são as coordenadas de v na base B. Teorema Seja v V e B = {b 1, b 2, b 3,, b n base de V espaço vetorial. representação de v na base B é única. A Demonstração. Podemos escrever v V como v = α 1 b 1 + α 2 b α n b n, sendo B = {b 1, b 2,, b n base de V. Supomos que o mesmo vetor v seja escrito da forma v = β 1 b 1 +β 2 b 2 + +β n b n, então temos que v = α 1 b 1 +α 2 b 2 + +α n b n = β 1 b 1 +β 2 b 2 + +β n b n. Daí (α 1 β 1 )b 1 + (α 2 β 2 )b 2 + (α 3 β 3 )b (α n β n )b n = 0. Como B é base então α 1 = β 1, α 2 = β 2,, α n = β n. Portanto, as coordenadas de um certo vetor v V em uma base arbitrária é única. Definição Seja e i R n, com 1 i n, o vetor cuja i-ésima coordenada é igual a 1 e as outras nulas. O conjunto B = (e 1, e 2,, e n ) é denominado de base canônica do espaço R n. 4.3 Soma Direta Nesta seção, veremos como um espaço vetorial pode ser decomposto como uma soma de subespaços vetoriais independentes. Definição Sejam X, W subconjuntos de um espaço vetorial V. Denotamos por X + W o conjunto de todos os vetores x + w, com x X e w W. Proposição Sejam X, W subespaços de V. Então X + W é subespeço de V. O subespaço X + W é chamado soma dos subespaços X e W. Demonstração. Se v 1 = x 1 + w 1 e v 2 = x 2 + w 2 forem elementos de X + W e λ seja uma contante, então temos que λv 1 + v 2 X + W. Logo, segue do lema 4.8. Definição Sejam X, W subespaços de V. O subespaço V = X +W é a soma direta dos subespaços X e W se cada elemento de v V puder ser escrito de maneira única como v = x + w. Nesse caso denotamos V por V = X W.
20 19 Proposição O subespaço V = X + W é uma soma direta dos subespaços X, W se, e somente se, X W = {0. Demonstração. Supomos que V = X W. Se z X W, então v = w + x também pode ser escrito como v = (w + z) + (x z). Como a decomposição de v é única, temos que x = x + z e w = w z e assim, temos z = 0. Suponhamos que x 1 +w 1 e x 2 +w 2 sejam decomposições de v V. Então x 1 x 2 = w 2 w 1 pentencem a X W. Logo temos x 1 x 2 = 0 = w 2 w 1, o que garante o unicidade de decomposição. Teorema Seja V um espaço vetorial de dimensão finita. Então vale: i) todo subespaço W de V possui dimensão finita. ii) todo subespaço W possui um complemento X V, isto é, existe um subespaço X de V tal que V = X W. Demonstração. Segundo o lema 4.9, temos uma base {w 1, w 2,, w j de W. Aplicando o teorema 4.13 temos uma base {w 1, w 2,, w j, v 1, v 2,, v n j para V. Defina X como o espaço de todas as combinações lineares dos elementos v 1, v 2,, v n j. Claramente Xé um subespaço de V e X V = {0. Pela proposição 4.20, temos V = X W. 4.4 Transformações Lineares A compreensão desta seção é fundamental para alcançarmos o objetivo geral do trabalho, visto que a teoria das transformações lineares será essencial para o desenvolvimento do restante do texto. Definição Sejam V e W espaços vetoriais com as operações soma (+) e multiplicação (.). Uma transformação linear A : V W é uma relação que associa a cada elemento v V um elemento Av = w W de modo que para quaisquer v 1, v 2 V e α R, valem: A(v 1 + v 2 ) = A(v 1 ) + A(v 2 ) = Av 1 + Av 2 A(αv 1 ) = αa(v 1 ) Chamamos Av = w W de imagem de v pela transformação A. Definição Dado A : V W e B : V W transformações lineares, definimos a soma de duas transformações como A + B : V W onde (A + B)v = Av + Bv para todo v V.
21 20 Definição Dado A : V W transformação linear, definimos o produto de uma transformação linear por um escalar α R sendo αa : V W onde (αa)(v) = αa(v) para todo v V. Definição Seja A : V V uma transformação linear do espaço vetorial V em si próprio. Chamaremos esse tipo de transformação linear de operador linear em V. Definição Seja a transformação linear A : V R,com valores numéricos, uma transformação linear do espaço V em R. Chamaremos esse tipo de transformação linear de funcional linear em V. Definição Um operador linear A chama-se nilpotente quando, para algum n N, tem-se A n = 0. Definição Um operador linear A nilpotente tal que A n = 0 e A n 1 0. Chamamos n de índice de nilpotência. Definição Um operador linear A : V V é chamado idempotente se A 2 = A. Teorema Sejam V e W espaços vetoriais e B = {b 1, b 2, b 3,, b n uma base de V. Podemos estabelecer A : V W transformação linear. A todo b B, façamos corresponder um elemento arbitrário w W. Então existe uma única transformação tal que Ab = w para cada b B. Demonstração em [8] página Matriz de uma Transformação Linear Uma das formas de trabalhar com álgebra linear é através das Matrizes. Essas podem ser associadas a uma Transformação Linear em determinada base. Ao observar a matriz associada a transformação linear, é possível caracterizar a transformação, ou melhor, dizer o que esta faz em uma determinada base. Segundo o Teorema 4.30 temos que uma transformação linear fica determinada através de uma matriz [a ij ] M (m n) sendo seus vetores-coluna imagens da transformação dos vetores da base canônica de R n. A partir de agora, abordaremos transformações lineares com espaços de mesma dimensão, ou seja, utilizaremos essencialmente operadores lineares. Teorema Seja um operador linear A : R n R n. Toda aplicação linear A é da n forma y i = [a ij ]x j, onde x = (x 1, x 2, x 3,..., x n ) R n e y = (y 1, y 2, y 3,..., y n ) R n e y = Ax. j=1
22 21 Demonstração. Consideramos a base canônica {e 1, e 2, e 3,..., e n do R n. Então, temos que x = (x 1, x 2, x 3,, x n ) R n é escrito da forma x = x 1 e 1 + x 2 e 2 + x 3 e x n e n = n x j e j. Como A é linear, j=1 ( n ) n y = Ax = A x j e j = x j Ae j j=1 j=1 Denotamos a i-ésima coordenada do vetor A(e j ) por a ij, isto é a ij = (A(e j )) i. Assim, a i-ésima coordenada de y é n y i = x i a ij j=1 Note que, no Teorema 4.31 foi utilizado de modo explícito a base canônica do R n por {e 1, e 2, e 3,..., e n. Os coeficientes [a ij ] formam um arranjo quadrado, da seguinte forma: a 11 a 12 a 1n a A f = 21 a 22 a 2n a n1 a n2 a nn denominamos tal arranjo de matriz associada a A, que é uma matriz A f (n n) onde n é o número de linhas e de colunas. O elemento a ij é a entrada correspondente a linha i e a coluna j. Como temos a quantidade de linhas igual a de colunas, dizemos que A f é quadrada. Chamamos de submatriz de A f uma matriz obtida de A f sendo omitida algumas linhas e/ou colunas. Lema Sejam A, B : R n R n. Então (A + B) ij = A ij + B ij e (λa) ij = λa ij. Demonstração. Temos, por definição, que b ij é a i-ésima coordenada do vetor B ej e a ij é a i-ésima coordenada do vetor A ej. Assim, se somarmos as coordenadas, obtemos b ij + a ij. Por outro lado, temos B ej + A ej = (A + B) ej de modo que a i-ésima componente do vetor (A + B) ej é b ij + a ij. Da mesma forma, a i-ésima componente do vetor (λa)(e ij ) é λ multiplicado pela i-ésima componente do vetor A ej. Definição Denotaremos por M n n, o espaço das matrizes n n de coeficientes reais. Definição Seja A M n n, dizemos que A é invertível se existir uma matriz B tal que AB = BA = I,
23 22 em que I denota a matriz identidade n n. Denotamos, portanto, B = A 1 e chamamos A 1 de inversa da matriz A. Podemos ver as transformações lineares com o uso de matrizes. Em uma transformação A : R n R n, consideramos a matriz associada a A em uma determinada base, ou seja, A f = [a ij ] M n n em vez da transformação linear A. Teorema Sejam B = {b 1, b 2, b 3,, b n e B = {b 1, b 2, b 3,, b n duas bases de R n espaço vetorial. Seja A : R n R n um operador linear onde A f é a matriz associada a A na base B e A f é a matriz associada a A na base B. Então existe C invertível tal que A f = CA f C 1 Demonstração. Seja v R n, B e B bases de R n nas condições do teorema e A f é a matriz associada a A na base B e A f é a matriz associada a A na base B. Note que C é a matriz de mudança de base de B para B, e C 1 é a inversa de C e é a matriz de mudança de base de B para B. Denotando A f (v) = A f v B e A f (v) = A f v B. Como v B = C 1 v B temos A f (v) = C 1 A f(v) A f C 1 v B = C 1 A f(v) Multiplicando esta última igualdade por C à esquerda, obtemos A f = CA f C 1. Note que C é uma matriz de mudança de base de B para B, e C é uma matriz de mudança de base de B para B. Definição Sejam B e B bases do espaço vetorial R n, temos que existe uma matriz de troca de base de B e B, que chamaremos de C. v = Cw onde v é o vetor das coordenadas na base B e w é o vetor das coordenadas na base B. Definição Seja A : R n R n um operador linear onde C é a matriz de troca da base B para B tal que A f = CA fc 1. Se C M n n tal que A = CAC 1, então A é semelhante a A.
24 Sistema Linear Vamos enunciar um resultado nessa seção que será útil para um melhor entendimento da próxima seção. Teorema Seja A M n n. O conjunto S das n-uplas X de R n que são soluções do sistema homogêneo AX = 0 é um subespaço vetorial de R n. Demonstração. O vetor nulo pertence a S pois temos A0 = 0. Se X, Y S, então X + Y S, pois A(X + Y ) = AX + AY = 0 Se X pertence a S e α R n, então αx S, pois A(αX) = αax = α0 = Autovetor e autovalor Esta seção é importante para entender o conceito de matriz de Jordan associada a um operador. Definição Sejam A M n n, v R n, v 0 e λ R. Se Av = λv para algum λ R, dizemos que v é autovetor de A e que λ é o autovalor associado a este autovetor. Note que Av = λv Av λv = 0 (A λi)(v) = 0 onde I é matriz identidade de grau n, é um sistema linear homogêneo. Para os tópicos seguintes, necessitamos saber calcular o determinante de uma matriz quadrada de ordem dois e três. Definição Seja A uma matriz quadrada de ordem dois. Definimos o determinante de A por a 11 a 12 deta = a 21 a 22 = a 11a 22 a 12 a 21 Definição Seja A uma matriz quadrada de ordem três. Definimos o determinante de A por
25 24 deta = a 22 a 23 a 32 a 33 a 11 a 21 a 23 a 31 a 33 a 12 + a 21 a 22 a 31 a 32 a 13 Nota: existem outros métodos para o cálculo de determinantes como, por exemplo, o método de Sarrus. Definição Sejam A M n n, v R n e λ R, tais que (A λi)(v) = 0. Dizemos que o conjunto solução de (A λi)(v) = 0 é um autoespaço associado ao autovalor λ. Teorema Seja A M n n e v R n, v 0. (A λi)(v) = 0 tem solução não trivial se, e somente se, det(a λi) = 0 Demonstração. Seja v 0 e (A λi)(v) = 0. O sistema tem uma solução não trivial se, somente se, as colunas da matriz (A λi) são linearmente depententes, isto ocorre se, e somente se, det(a λi)(v) = 0 Definição Seja A M n n. Dizemos que det(a λi) é o polinômio característico. Nota: o polinômio característico de uma matriz A de dimensão n, tem grau n e é um polinômio na indeterminada λ. Definição Definimos como multiplicidade algébrica de λ i o número de vezes que o λ i é raiz do polinômio característico. 4.8 Diagonalização Diagonalização é o processo de transformar uma matriz não diagonal em uma matriz que é equivalente a uma matriz diagonal. Esse processo é utilizado, em especial, para cálculos de potências de matrizes. Definição Seja V espaço vetorial e A : V V um operador linear. Um subespaço S V é chamado invariante do operador A se: A(S) S Definição Seja V espaço vetorial e A : V V um operador linear. Se S V é subsespaço invariente pelo operador A de dim(s) = 1, então S é dito subespaço próprio. Teorema Seja V espaço vetorial de dimenão n e A : V V um operador linear. Supomos que S e T são subespaços invariantes de dimnesão k e n k respectivamente, tais que: V = S T. Então existe uma representação matricial de A na forma:
26 25 A f = [ D 0 0 D ] onde D é uma matriz k k e D uma matriz (n k) (n k). Demonstração. Seja {e 1, e 2,, e k base de S e {e k+1, e k+2,, e n base de T. Como V é soma direta de S e T, temos que {e 1, e 2,, e k, e k+1,, e n é base de V (vide teorema 4.13). Podemos escrever então: A(e i ) = A(e α ) = k n C j i e j + E β i e β, i = 1, 2,, k j=1 β=k+1 k n Fαe j j + Dαe β β, α = 1, 2,, n j=1 β=k+1 Mas por hipótese temos que A(S) S e A(T ) T, portanto temos E β i = Fα j = 0 para i, j, α, β e, portanto, a representação de A na base indicada é: [ ] C 0 A f = 0 D Definição Seja A : V V um operador linear. Dizemos que A é diagonalizável se qualquer uma das seguintes condições equivalentes se verifica: i) Existe uma base de V, relativamente à qual a matriz A f é diagonal; ii) V decompõe-se numa soma direta de subespaços próprios de A. 4.9 Matriz de Jordan Nem todas matrizes são diagonalizáveis portanto, nesta seção, veremos que dada qualquer uma matriz A associada a um operador linear, existe uma mudança de coordenadas (ver 4.51) que deixa a matriz A f mais simples. Ou seja, queremos encontrar uma representação matricial mais diagonal possível, e isto é dado pela forma canônica de Jordan. Dada uma matriz A então procuramos C e C 1 tais que J = CAC 1. Definição Sejam λ 1, λ 2,..., λ j os autovalores distintos de uma matriz J M n n.
27 26 A matriz J está na forma canônica de Jordan, se J J J = 0 0 J J k J k onde 1 i k, e para cada i J i = λ i λ i λ i λ i λ i k i k i O bloco J i é um bloco de Jordan associado ao autovalor λ i. Note que o polinômio característico da matriz J é da forma p(z) = (z λ 1 ) k1 (z λ j ) k j. Assim, a quantidade de vezes que um autovalor λ i aparece na diagonal é justamente a sua multiplicidade algébrica, ou seja, é a multiplicidade como raiz do polinômio característico. Teorema Seja A : R n R n um operador linear. Então existe uma base C de R n na qual A é representado por uma matriz J, diagonal em blocos, cujos blocos diagonais, além daqueles associados a autovetores reais e que são como na definição da forma de Jordan, também podem ter a forma J α,β = D α,β I D α,β I D α,β D α,β I 2 onde D α,β = [ α β β α ] D α,β sendo α + iβ um autovalor complexo e I 2 a matriz identidade 2 2.
28 27 Demonstração em [1] página 137. Proposição Seja A : V V um operador linear. Seja {v 1, v 2,, v k o conjunto de autovetores de A e seja {λ 1, λ 2,, λ k os autovalores associados aos v i autovetores. A base de Jordan de A é A j = {b 11,, b 1d1, b 21,, b 2d2,, b k1,, b kdk com b ij onde i = 1,, k e j = 1,, d i. i) Os vetores b idi são autovetores de A, onde A(b idi ) = λ i b idi ; ii) Para j {1,, d i 1 vamos ter A(b ij ) = λ i b ij + b ij+1 ; iii) A j é base de V. Definição Se j {1,, d i 1 dizemos que os b ij autovetores. da proposição anterior são quase Como comentado na introdução, neste trabalho caracterizaremos geometricamente os operadores lineares de R 2 e R 3. Sabemos que as matrizes associadas a esses operadores são quadradas de ordem 2 ou quadradas de ordem 3, respectivamente. A pergunta que fazemos é: sabemos como são essas matrizes? Ou melhor, quais são as possíveis matrizes de Jordan que são equivalentes as matrizes dos operadores? Começamos com o caso as matrizes quadradas de ordem 2. Para responder a pergunta, devemos ver qual a multiplicidade algébrica que o(s) autovalor(es) assumem. Percebemos que o polinômio característico de um operador linear de R 2 é, no máximo, de grau dois, ou seja, temos que um autovalor real de um operador linear de R 2 pode ter multiplicidade 1 ou 2. Temos também o caso do autovalor ser complexo, assim sabemos que ele vem aos pares, ou seja, se λ 1 = a + bi é raiz do polinômio, então λ 1 = a bi também é. Se temos dois autovalores reais distintos com multiplicidade um, a matriz de Jordan necessariamente é [ ] λ 1 0 J = 0 λ 2 ou seja, é diagonal.de fato, basta observarmos que a dimensão do núcleo associado a cada λ i, com i = 1, 2, é 1, ou seja, temos um autovetor para cada autovalor, sendo a matriz C de base de Jordan formada pelos autovetores. Se tivermos um autovalor real com multiplicidade algébrica 2, temos duas opções para a matriz de Jordan, que são: [ ] λ 1 0 J = 0 λ 1 ou
29 28 J = [ λ λ 1 ]. Na primeira matriz, a dimensão do autoespaço associado a λ 1 é 2, ou seja, (A f λ 1 I)v = 0 têm duas soluções linearmente independentes, que são autovetores e formam a matriz C. Além disso, a dimensão do núcleo ser dois nos diz que temos dois blocos na matriz de Jordan que são, necessariamente, de tamanho 1. Na segunda matriz, temos que a dimensão do núcleo associado a λ 1 é 1 e, além disso, o núcleo é nilpotente de índice dois, ou seja, (A f λ 1 I) 2 = 0. A base de Jordan contará com um autovetor e um quase autovetor. Além do mais, a dimensão do núcleo 1 nos diz que temos somente um bloco. Se os autovalores são complexos, então a matriz é [ ] α β J = β α como percebemos no Teorema4.51. Para o caso de operadores de R 3, o pensamento é análogo. Podemos ter 3 autovalores distintos, com multiplicidade algébrica 1 e com isso, o núcleo associado a cada autovalor tem dimensão um, ou seja, (A λ i I) 1 v = 0 não têm duas soluções linearmente independentes para cada i = 1, 2, 3. Assim, a matriz de Jordan é diagonal, como a seguinte J = λ λ λ 3 Quando temos um autovalor real λ 1 com multiplicidade algébrica 2 e autovalor real λ 2 com multiplicidade algébrica 1, temos duas opções: J = λ λ λ 2 J = ou λ λ λ 2 Com o autovalor λ 2, o núcleo tem dimensão 1 e o bloco é de tamanho um, contendo somente o próprio autovalor. Agora, como o λ 1 tem multiplicidade algébrica 2, temos um bloco ou dois blocos, como anteriormente no caso R 2. Notamos também que quando temos dois autovalores complexos, então temos um terceiro autovalor real de tamanho 1, necessariamente, como vemos na matriz a seguir:
30 29 J = α β 0 β α λ 2 Agora, quando temos um único autovalor real λ 1 com multiplicidade algébrica 3, temos três opções: J = J = J = λ λ λ 1 ou λ λ λ 1 ou λ λ λ 1 A primeira matriz corresponde ao caso onde a dimensão do núcleo associado ao autovalor real é igual a 3, ou seja, temos 3 blocos na diagonal, cada uma com um único elemento λ 3. Além disso (A λ 1 I)v = 0 tem como solução três vetores linearmente independentes, daí temos que (A λ 1 I)v = 0, v R 3 e assim A λ 1 I = 0 A = λ 1 I. Ou seja, A é matriz diagonal. O segundo caso, temos que a dimensão do núcleo associado a λ 1 é igual a 2, ou seja, temos dois blocos na diagonal. Esses blocos devem ser [ um com] tamanho um por um, λ 1 1 com o λ 1 como único elemento e, o outro bloco será pois senão, cairemos 0 λ 1 no caso anterior. Além disso, o índice de nilpotência do núcleo associado a λ 1 é 2 e o número de autovetores linearmente independentes da matriz C é dois, não podendo A ser diagonalizável. Quando a dimensão do núcleo associado ao autovalor é 1, temos um único bloco sobrando a terceira matriz como opção. Observamos que, o índice de nilpotência é 3 e temos dois quase autovetores na base de Jordan..
31 5 Caracterização Geométrica via Teoria de Jordan Este capítulo trata da aplicação da Teoria de Jordan aos operadores lineares que atuam nos espaços vetoriais de R 2 e R 3. Veremos os possíveis casos de matrizes de Jordan e faremos uma caracterização geométrica destes casos. Assim, caracterizaremos todos os operadores lineares, uma vez que conseguimos associar uma matriz de Jordan equivalente a uma matriz associada ao operador Operadores de R 2 O Teorema 4.51 nos diz que um operador A : R 2 R 2 pode ser representado por uma matriz J, quando temos uma matriz C invertível e a seguinte igualdade é satisfeita A f = CJC 1 ou J = C 1 A f C Vamos olhar para a matriz J, que é uma matriz equivalente a A f, atuando sobre a matriz C, para caracterizar geometricamente os operadores lineares. Segundo a Teoria de Jordan, a matriz J M 2 2 pode ser de uma das seguintes formas: (i) J = [ λ λ 2 ] onde λ 1 e λ 2 são autovalores distintos. (ii) J = [ λ λ 1 ] onde λ 1 é autovalor com multiplicidade algébrica 2. (iii) J = [ α β β α ] onde λ 1 = α + βi e λ 2 = α βi são autovalores. (iv) J = [ λ λ 1 ] onde λ 1 é autovalor de multiplicidade algébrica 2. Caso (i) Nesse caso, podemos subdividí-lo em outros três casos: quando λ 1 > 1 e λ 2 > 1, λ 1 > 1 e 0 < λ 2 < 1 e 0 < λ 1 < 1 e 0 < λ 2 < 1.
32 31 Vamos considerar v 1 = (a, c) e v 2 = (b, d) os autovetores associados aos autovalores λ 1 e λ 2 respectivamente. Neste caso, temos a matriz C da seguinte forma: C = [ a c b d ] Nossa transformação linear A : R 2 R 2 age sobre os autovetores fazendo uma dilatação ou compressão dependendo de λ i, ou seja, temos A(v i ) = λ i v i onde i {1, 2, onde ocorre ou uma dilação, se λ 1 > 1, ou compressão, se 0 < λ 1 < 1. Note que, caso λ i = 0, a imagem o vetor associado ao λ i será o vetor nulo. A transformação age como I (matriz identidade) em v i se λ i = 1 e como I se λ i = 1. Com efeito,temos I(v i ) = 1v i = A(v i ) para λ i = 1 e I(v i ) = 1v i = A(v i ) para λ i = 1. Observamos que se λ i < 0 temos que, além da dilatação e compressão, a transformação inverte o sentido do vetor. Quando temos λ 1 > 1 e λ 2 > 1, ocorre uma dilatação nos vetores v 1 = (a, c) e v 2 = (b, d) da forma λ 1 v 1 = (λ 1 a, λ 1 c) e λ 2 v 2 = (λ 2 b, λ 2 d). A figura 1 abaixo mostra a os vetores v 1 e v 2 e suas transformações, ou seja, A(v 1 ) = λ 1 (v 1 ) = (λ 1 a, λ 1 c) e A(v 2 ) = λ 2 (v 2 ) = (λ 2 b, λ 2 d). Figura 1: Dilatação dos vetores v 1 e v 2 Fonte: Autor. Na próxima figura 2, podemos perceber como fica a região delimitada pelos vetores v 1 e v 2 e suas respectivas transformações.
33 32 Figura 2: Dilatação da área delimitada pelos vetores v 1 e v 2 Fonte: Autor. Exemplo 1 Seja A : R 2 R 2 cuja matriz associada é [ 3 1 A f = 0 2 ]. Para caracterizar geometricamente esse operador, temos que encontrar uma matriz de Jordan que seja equivalente a A f. Para isso, vamos calcular os autovalores e os autovetores associados ao operador linear. O cálculo do polinômio característico é o seguinte: p A (λ) = det(a f λi) assim, temos que p A (λ) = (3 λ)(2 λ), sendo suas raízes λ 1 = 3 e λ 2 = 2. Portanto, os autovalores de A f são 3 e 2. Sabemos que os autovetores são os vetores que satisfazem (A λi)v = 0. Tomando primeiramente λ 1, temos o seguinte sistema: ou seja, (A 3I)v = 0
34 33 [ ] [ ] x = 0 y que gera o seguinte sistema { y = 0 y = 0 cuja uma das soluções é o v 1 = (1, 0), autovetor que escolheremos. Tomando agora λ 2, temos o seguinte sistema: (A 2I)v = 0 ou seja, [ ] [ ] x = 0 y que gera o seguinte sistema Uma solução é v 2 = (1, 1). { x + y = 0. Assim, temos a matriz C cujas colunas são os autovetores v 1 e v 2, respectivamente. Com a matriz C, temos a seguinte igualdade: portanto, J é equivalente a A f. [ ] [ ] [ ] [ ] = {{ {{ {{ {{ J C 1 A f C A figura 3 abaixo mostra como ficaria o operador aplicado aos vetores v 1 = (1, 0) e v 2 = ( 1, 1). Na próxima figura 4, podemos perceber como fica a região delimitada pelos vetores v 1 = (1, 0) e v 2 = ( 1, 1) e suas transformações.
35 34 Figura 3: Dilatação dos vetores v 1 = (1, 0) e v 2 = ( 1, 1). Fonte: Autor. Figura 4: Dilatação dos vetores v 1 = (1, 0) e v 2 = ( 1, 1). Fonte: Autor. Passamos para o próximo caso: 0 < λ 1 < 1 e 0 < λ 2 < 1, temos uma contração da
36 35 [ ] a b região de R 2. Aplicando a transformação na matriz C = teremos uma contração c d nos vetores v 1 = (a, c) e v 2 = (b, d) da forma λ 1 v 1 = (λ 1 a, λ 1 c) e λ 2 v 2 = (λ 2 b, λ 2 d). A figura 5 representa os vetores v 1 e v 2 e a atuação da transformação linear, comprimindo os vetores em um fator 0 < λ 1 < 1. Figura 5: Compressão dos vetores v 1 e v 2. Fonte: Autor. A figura 6 representa a área delimitada pelos vetores v 1 e v 2 e sua transformação.
Exercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisLista 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 maisCAPÍTULO 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 maisÁlgebra 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 maisExercícios 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 maisÁlgebra 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 maisProf. 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 maisFACULDADE 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 maisDisciplina: 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 maisUnidade II - Sistemas de Equações Lineares
Unidade II - Sistemas de Equações Lineares 1- Situando a Temática Discutiremos agora um dos mais importantes temas da matemática: Sistemas de Equações Lineares Trata-se de um tema que tem aplicações dentro
Leia maisProva 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 maisQUESTÕES COMENTADAS E RESOLVIDAS
LENIMAR NUNES DE ANDRADE INTRODUÇÃO À ÁLGEBRA: QUESTÕES COMENTADAS E RESOLVIDAS 1 a edição ISBN 978-85-917238-0-5 João Pessoa Edição do Autor 2014 Prefácio Este texto foi elaborado para a disciplina Introdução
Leia maisExercícios 1. Determinar x de modo que a matriz
setor 08 080509 080509-SP Aula 35 MATRIZ INVERSA Uma matriz quadrada A de ordem n diz-se invertível, ou não singular, se, e somente se, existir uma matriz que indicamos por A, tal que: A A = A A = I n
Leia maisESPAÇOS MUNIDOS DE PRODUTO INTERNO
ESPAÇOS MUNIDOS DE PRODUTO INTERNO Angelo Fernando Fiori 1 Bruna Larissa Cecco 2 Grazielli Vassoler 3 Resumo: O presente trabalho apresenta um estudo sobre os espaços vetoriais munidos de produto interno.
Leia maisPotenciação no Conjunto dos Números Inteiros - Z
Rua Oto de Alencar nº 5-9, Maracanã/RJ - tel. 04-98/4-98 Potenciação no Conjunto dos Números Inteiros - Z Podemos epressar o produto de quatro fatores iguais a.... por meio de uma potência de base e epoente
Leia maisGobooks.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 maisFalso: F = Low voltage: L = 0
Curso Técnico em Eletrotécnica Disciplina: Automação Predial e Industrial Professor: Ronimack Trajano 1 PORTAS LOGICAS 1.1 INTRODUÇÃO Em 1854, George Boole introduziu o formalismo que até hoje se usa para
Leia maisMorfologia Matemática Binária
Morfologia Matemática Binária Conceitos fundamentais: (Você precisa entender bem esses Pontos básicos para dominar a área! Esse será nosso game do dia!!! E nossa nota 2!!) Morfologia Matemática Binária
Leia mais36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase
36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase Problema 1 Turbo, o caracol, está participando de uma corrida Nos últimos 1000 mm, Turbo, que está a 1 mm por hora, se motiva e
Leia maisUNIVERSIDADE 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 maisBase Nacional Comum Curricular 2016. Lemann Center at Stanford University
Base Nacional Comum Curricular 2016 Lemann Center at Stanford University Parte II: Base Nacional Comum: Análise e Recomendações da Seção de Matemática Phil Daro Dezembro, 2015 BASE NACIONAL COMUM: ANÁLISE
Leia maisUNIVERSIDADE 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 maisAluno do Curso de Lic. em Matemática da UFMS; e mail: tmviana2000@gmail.com;
Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 26 GRUPOS DE PERMUTAÇÕES E ALGUMAS DE PROPOSIÇÕES Thiago Mariano Viana 1, Marco Antônio Travasso 2 & Antônio Carlos
Leia maisResolução de sistemas lineares
Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)
Leia maisConceitos 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 maisSOCIEDADE BRASILEIRA DE MATEMÁTICA MESTRADO PROFISSIONAL EM REDE NACIONAL PROFMAT
SOCIEDADE BRASILEIRA DE MATEMÁTICA MESTRADO PROFISSIONAL EM REDE NACIONAL PROFMAT GABARITO da 3 a Avaliação Nacional de Aritmética - MA14-21/12/2013 Questão 1. (pontuação: 2) (1,0) a) Enuncie e demonstre
Leia maisSistemas Lineares. Módulo 3 Unidade 10. Para início de conversa... Matemática e suas Tecnologias Matemática
Módulo 3 Unidade 10 Sistemas Lineares Para início de conversa... Diversos problemas interessantes em matemática são resolvidos utilizando sistemas lineares. A seguir, encontraremos exemplos de alguns desses
Leia maisEventos independentes
Eventos independentes Adaptado do artigo de Flávio Wagner Rodrigues Neste artigo são discutidos alguns aspectos ligados à noção de independência de dois eventos na Teoria das Probabilidades. Os objetivos
Leia maisAula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
Leia maisDiscussão de Sistemas Teorema de Rouché Capelli
Material by: Caio Guimarães (Equipe Rumoaoita.com) Discussão de Sistemas Teorema de Rouché Capelli Introdução: Apresentamos esse artigo para mostrar como utilizar a técnica desenvolvida a partir do Teorema
Leia maisINE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA
INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA PARA A COMPUTAÇÃO PROF. DANIEL S. FREITAS UFSC - CTC - INE Prof. Daniel S. Freitas - UFSC/CTC/INE/2007 p.1/59 2 - FUNDAMENTOS 2.1) Teoria dos Conjuntos 2.2) Números
Leia maisMD Sequências e Indução Matemática 1
Sequências Indução Matemática Renato Martins Assunção assuncao@dcc.ufmg.br Antonio Alfredo Ferreira Loureiro loureiro@dcc.ufmg.br MD Sequências e Indução Matemática 1 Introdução Uma das tarefas mais importantes
Leia maisMaterial Teórico - Aplicações das Técnicas Desenvolvidas. Exercícios e Tópicos Relacionados a Combinatória. Segundo Ano do Ensino Médio
Material Teórico - Aplicações das Técnicas Desenvolvidas Exercícios e Tópicos Relacionados a Combinatória Segundo Ano do Ensino Médio Prof Cícero Thiago Bernardino Magalhães Prof Antonio Caminha Muniz
Leia mais36ª Olimpíada Brasileira de Matemática GABARITO Segunda Fase
36ª Olimpíada Brasileira de Matemática GABARITO Segunda Fase Soluções Nível 1 Segunda Fase Parte A CRITÉRIO DE CORREÇÃO: PARTE A Na parte A serão atribuídos 5 pontos para cada resposta correta e a pontuação
Leia maisCapítulo 5: Aplicações da Derivada
Instituto de Ciências Exatas - Departamento de Matemática Cálculo I Profª Maria Julieta Ventura Carvalho de Araujo Capítulo 5: Aplicações da Derivada 5- Acréscimos e Diferenciais - Acréscimos Seja y f
Leia maisCapítulo 3 - Sistemas de Equações Lineares
Capítulo 3 - Sistemas de Equações Lineares 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/
Leia maisBreve 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 maisSistema de equações lineares
Sistema de equações lineares Sistema de m equações lineares em n incógnitas sobre um corpo ( S) a x + a x + + a x = b a x + a x + + a x = b a x + a x + + a x = b 11 1 12 2 1n n 1 21 1 22 2 2n n 2 m1 1
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) III Resolução de sistemas lineares por métodos numéricos. Objetivos: Veremos
Leia maisCapítulo 3 - Sistemas de Equações Lineares
Capítulo 3 - Sistemas de Equações Lineares 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/
Leia mais2 Extensão do Produto Vetorial Sobre uma Álgebra Exterior
2 Extensão do Produto Vetorial Sobre uma Álgebra Exterior Seja R 3 o espaço euclidiano tridimensional, chamamos de álgebra exterior de R 3 a álgebra Λ(R 3 ) gerada pela base canônica {e 1, e 2, e 3 } satisfazendo
Leia maisEstudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:
1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia
Leia maisR é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range).
f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). R é o conjunto dos reais; R n é o conjunto dos vetores n-dimensionais reais; Os vetores
Leia maisPIBID: DESCOBRINDO METODOLOGIAS DE ENSINO E RECURSOS DIDÁTICOS QUE PODEM FACILITAR O ENSINO DA MATEMÁTICA
PIBID: DESCOBRINDO METODOLOGIAS DE ENSINO E RECURSOS DIDÁTICOS QUE PODEM FACILITAR O ENSINO DA MATEMÁTICA Naiane Novaes Nogueira 1 Universidade Estadual do Sudoeste da Bahia UESB n_n_nai@hotmail.com José
Leia maisREFLEXÕES SOBRE A PRODUÇÃO DE SIGNIFICADO NA MATEMÁTICA ESCOLAR
REFLEXÕES SOBRE A PRODUÇÃO DE SIGNIFICADO NA MATEMÁTICA ESCOLAR Patrícia Lima da Silva¹ Brunna Sordi Stock² RESUMO No segundo semestre do ano de 2009, em uma das disciplinas obrigatórias do currículo de
Leia maisDicas 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 maisNOÇÕES 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 maisMaterial Teórico - Módulo de Métodos sofisticados de contagem. Princípio das Casas dos Pombos. Segundo Ano do Ensino Médio
Material Teórico - Módulo de Métodos sofisticados de contagem Princípio das Casas dos Pombos Segundo Ano do Ensino Médio Prof. Cícero Thiago Bernardino Magalhães Prof. Antonio Caminha Muniz Neto Em Combinatória,
Leia maisCálculo. Álgebra Linear. Programação Computacional. Metodologia Científica
UNIVERSIDADE FEDERAL DO CEARÁ CENTRO DE TECNOLOGIA PROGRAMA DE EDUCAÇÃO TUTORIAL Cálculo Álgebra Linear Programação Computacional Metodologia Científica Realização: Fortaleza, Fevereiro/2012 UNIVERSIDADE
Leia maisResoluções comentadas de Raciocínio Lógico e Estatística SEFAZ - Analista em Finanças Públicas Prova realizada em 04/12/2011 pelo CEPERJ
Resoluções comentadas de Raciocínio Lógico e Estatística SEFAZ - Analista em Finanças Públicas Prova realizada em 04/1/011 pelo CEPERJ 59. O cartão de crédito que João utiliza cobra 10% de juros ao mês,
Leia maisCONSTRUÇÃO DE QUADRINHOS ATRELADOS A EPISÓDIOS HISTÓRICOS PARA O ENSINO DA MATEMÁTICA RESUMO
XXII Semana de Educação da Universidade Estadual do Ceará 31 de agosto a 04 de setembro de 2015 CONSTRUÇÃO DE QUADRINHOS ATRELADOS A EPISÓDIOS HISTÓRICOS PARA O ENSINO DA MATEMÁTICA Laura Andrade Santiago
Leia mais4Distribuição de. freqüência
4Distribuição de freqüência O objetivo desta Unidade é partir dos dados brutos, isto é, desorganizados, para uma apresentação formal. Nesse percurso, seção 1, destacaremos a diferença entre tabela primitiva
Leia mais4.2 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 maisCapítulo 7. Topologia Digital. 7.1 Conexidade
Capítulo 7 Topologia Digital A Topologia Digital estuda a aplicação das noções definidas em Topologia sobre imagens binárias. Neste capítulo vamos introduzir algumas noções básicas de Topologia Digital,
Leia maisCAPÍTULO 2. Grafos e Redes
CAPÍTULO 2 1. Introdução Um grafo é uma representação visual de um determinado conjunto de dados e da ligação existente entre alguns dos elementos desse conjunto. Desta forma, em muitos dos problemas que
Leia mais[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo
4. SISTEMAS LINEARES 4.1. CONCEITO Um sistema de equações lineares é um conjunto de equações do tipo a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 11 x 1 + a 12 x 2 +... + a 1n x n = b 2... a n1 x 1 + a
Leia maisIndicamos inicialmente os números de cada item do questionário e, em seguida, apresentamos os dados com os comentários dos alunos.
Os dados e resultados abaixo se referem ao preenchimento do questionário Das Práticas de Ensino na percepção de estudantes de Licenciaturas da UFSJ por dez estudantes do curso de Licenciatura Plena em
Leia maisFração como porcentagem. Sexto Ano do Ensino Fundamental. Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antonio Caminha M.
Material Teórico - Módulo de FRAÇÕES COMO PORCENTAGEM E PROBABILIDADE Fração como porcentagem Sexto Ano do Ensino Fundamental Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antonio Caminha M. Neto
Leia maisUniversidade 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 maisCOMO ENSINEI MATEMÁTICA
COMO ENSINEI MATEMÁTICA Mário Maturo Coutinho COMO ENSINEI MATEMÁTICA.ª edição 511 9 AGRADECIMENTOS À Deus À minha família Aos mestres da matemática do C.E.Visconde de Cairu APRESENTAÇÃO O objetivo deste
Leia maisCorpos. 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 maisITA - 2004 3º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR
ITA - 2004 3º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR Matemática Questão 01 Considere as seguintes afirmações sobre o conjunto U = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} I. U e n(u) = 10 III. 5 U e {5}
Leia maisA otimização é o processo de
A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Eiste um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento de otimização.
Leia maisÁlgebra Linear Resumo das aulas teóricas e práticas Paulo R. Pinto http://www.math.ist.utl.pt/ ppinto/ Lisboa, Novembro de 2011
Álgebra Linear Resumo das aulas teóricas e práticas Paulo R Pinto http://wwwmathistutlpt/ ppinto/ Lisboa, Novembro de 2011 Conteúdo 1 Matrizes e sistemas lineares 1 11 Álgebra das Matrizes 1 12 Operações
Leia mais5 Considerações finais
5 Considerações finais 5.1. Conclusões A presente dissertação teve o objetivo principal de investigar a visão dos alunos que se formam em Administração sobre RSC e o seu ensino. Para alcançar esse objetivo,
Leia maisO JOGO COMO INSTRUMENTO FACILITADOR NO ENSINO DA MATEMÁTICA
1 O JOGO COMO INSTRUMENTO FACILITADOR NO ENSINO DA MATEMÁTICA Caique Melo de Oliveira Universidade do Estado da Bahia Uneb (Campus IX) caiquemelo@outlook.com Américo Júnior Nunes da Silva 1 Universidade
Leia maisa 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 maisExpansão linear e geradores
Espaços Vectoriais - ALGA - 004/05 4 Expansão linear e geradores Se u ; u ; :::; u n são vectores de um espaço vectorial V; como foi visto atrás, alguns vectores de V são combinação linear de u ; u ; :::;
Leia maisAV1 - MA 12-2012. (b) Se o comprador preferir efetuar o pagamento à vista, qual deverá ser o valor desse pagamento único? 1 1, 02 1 1 0, 788 1 0, 980
Questão 1. Uma venda imobiliária envolve o pagamento de 12 prestações mensais iguais a R$ 10.000,00, a primeira no ato da venda, acrescidas de uma parcela final de R$ 100.000,00, 12 meses após a venda.
Leia maisA ideia de coordenatização (2/2)
8 a : aula (1h) 12/10/2010 a ideia de coordenatização (2/2) 8-1 Instituto Superior Técnico 2010/11 1 o semestre Álgebra Linear 1 o ano das Lics. em Engenharia Informática e de Computadores A ideia de coordenatização
Leia maisProjeção e Anaglifos
Projeção e Anaglifos Renato Paes Leme Nosso problema básico é o seguinte: temos uma coleção de pontos (x i, y i, z i ) em um conjunto de vértices, e um conjunto de polígonos. Queremos representar esses
Leia maisUFV Universidade Federal de Viçosa DMA Departamento de Matemática MAT 138 Noções de Álgebra Linear
UFV Universidade Federal de Viçosa DMA Departamento de Matemática MAT 138 Noções de Álgebra Linear 1 2 a LISTA DE EERCÍCIOS - 2005/I 1. Resolva os sistemas abaixo e classifique-os quanto ao número de soluções:
Leia maisMODELAGEM MATEMÁTICA: PRINCIPAIS DIFICULDADES DOS PROFESSORES DO ENSINO MÉDIO 1
MODELAGEM MATEMÁTICA: PRINCIPAIS DIFICULDADES DOS PROFESSORES DO ENSINO MÉDIO 1 Resumo Claudenici Aparecida Medeiros da Silva Universidade Federal do Pará Campus de Marabá Pólo de Canaã dos Carajás nici_medeiros@hotmail.com
Leia maisMÓDULO 4 DISTRIBUIÇÃO DE FREQÜÊNCIAS
MÓDULO 4 DISTRIBUIÇÃO DE FREQÜÊNCIS Como vimos no módulo 1, para que nós possamos extrair dos dados estatísticos de que dispomos a correta análise e interpretação, o primeiro passo deverá ser a correta
Leia maisUm jogo de preencher casas
Um jogo de preencher casas 12 de Janeiro de 2015 Resumo Objetivos principais da aula de hoje: resolver um jogo com a ajuda de problemas de divisibilidade. Descrevemos nestas notas um jogo que estudamos
Leia maisAnálise de Arredondamento em Ponto Flutuante
Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto
Leia maisA equação do 2º grau
A UA UL LA A equação do 2º grau Introdução Freqüentemente, ao equacionarmos um problema, obtemos uma equação na qual a incógnita aparece elevada ao quadrado. Estas são as chamadas equações do 2º grau.
Leia maisDois eventos são disjuntos ou mutuamente exclusivos quando não tem elementos em comum. Isto é, A B = Φ
Probabilidade Vimos anteriormente como caracterizar uma massa de dados, como o objetivo de organizar e resumir informações. Agora, apresentamos a teoria matemática que dá base teórica para o desenvolvimento
Leia maisFUNÇÕES E INEQUAÇÕES
UNIVERSIDADE FEDERAL DO PARANÁ PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO À DOCÊNCIA ANDRÉIA SCHMIDT GEHHANNY ASSIS JAQUELINI ROCHA SIMÃO LARISSA VANESSA DOMINGUES FUNÇÕES E INEQUAÇÕES CURITIBA 2012
Leia maisAbordagem de geometria no ensino médio partindo de poliedros
Abordagem de geometria no ensino médio partindo de poliedros José Luiz Magalhães de Freitas INMA/UFMS e-mail: joseluizufms2@gmail.com Marilena Bittar INMA/UFMS e-mail: marilenabittar@gmail.com O objetivo
Leia maisSó 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 maisCÓDIGO CRÉDITOS PERÍODO PRÉ-REQUISITO TURMA ANO INTRODUÇÃO
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS ESCOLA DE GESTÃO E NEGÓCIOS CURSO DE CIÊNCIAS CONTÁBEIS, ADMINISTRAÇÃO E ECONOMIA DISCIPLINA: ESTRUTURA E ANÁLISE DE CUSTO CÓDIGO CRÉDITOS PERÍODO PRÉ-REQUISITO
Leia maisTÉCNICAS DE PROGRAMAÇÃO
TÉCNICAS DE PROGRAMAÇÃO (Adaptado do texto do prof. Adair Santa Catarina) ALGORITMOS COM QUALIDADE MÁXIMAS DE PROGRAMAÇÃO 1) Algoritmos devem ser feitos para serem lidos por seres humanos: Tenha em mente
Leia mais[ \ x Recordemos o caso mais simples de um VLVWHPD de duas HTXDo}HVOLQHDUHV nas duas LQFyJQLWDV [ e \.
&DStWXOR±6LVWHPDVGH(TXDo}HV/LQHDUHV1 &DStWXOR±6LVWHPDVGH(TXDo}HV/LQHDUHV Å 1Ro}HV *HUDLV Recordemos o caso mais simples de um VLVWHPD de duas HTXDo}HVOLQHDUHV nas duas LQFyJQLWDV [ e \. [\ [\ É fácil verificar
Leia maisConstrução dos números racionais, Números fracionários e operações com frações
Construção dos números racionais, Números fracionários e operações com frações O número racional pode ser definido a partir da aritmética fechamento da operação de divisão entre inteiros ou partir da geometria
Leia maisAula 9 Plano tangente, diferencial e gradiente
MÓDULO 1 AULA 9 Aula 9 Plano tangente, diferencial e gradiente Objetivos Aprender o conceito de plano tangente ao gráfico de uma função diferenciável de duas variáveis. Conhecer a notação clássica para
Leia maisNotas sobre a Fórmula de Taylor e o estudo de extremos
Notas sobre a Fórmula de Taylor e o estudo de etremos O Teorema de Taylor estabelece que sob certas condições) uma função pode ser aproimada na proimidade de algum ponto dado) por um polinómio, de modo
Leia maisNotas 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 mais6. Geometria, Primitivas e Transformações 3D
6. Geometria, Primitivas e Transformações 3D Até agora estudamos e implementamos um conjunto de ferramentas básicas que nos permitem modelar, ou representar objetos bi-dimensionais em um sistema também
Leia maisPROJETO POLÍTICO PEDAGÓGICO: ELABORAÇÃO E UTILIZAÇÃO DE PROJETOS PEDAGÓGICOS NO PROCESSO DE ENSINO APRENDIZAGEM
PROJETO POLÍTICO PEDAGÓGICO: ELABORAÇÃO E UTILIZAÇÃO DE PROJETOS PEDAGÓGICOS NO PROCESSO DE ENSINO APRENDIZAGEM Resumo Gisele Gomes Avelar Bernardes- UEG 1 Compreendendo que a educação é o ponto chave
Leia maispor séries de potências
Seção 23: Resolução de equações diferenciais por séries de potências Até este ponto, quando resolvemos equações diferenciais ordinárias, nosso objetivo foi sempre encontrar as soluções expressas por meio
Leia maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia maisficha 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 maisO Princípio da Complementaridade e o papel do observador na Mecânica Quântica
O Princípio da Complementaridade e o papel do observador na Mecânica Quântica A U L A 3 Metas da aula Descrever a experiência de interferência por uma fenda dupla com elétrons, na qual a trajetória destes
Leia maisNotas de Cálculo Numérico
Notas de Cálculo Numérico Túlio Carvalho 6 de novembro de 2002 2 Cálculo Numérico Capítulo 1 Elementos sobre erros numéricos Neste primeiro capítulo, vamos falar de uma limitação importante do cálculo
Leia maisPARTE 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 maisValores e Vectores Próprios. Carlos Luz Departamento de Matemática Escola Superior de Tecnologia de Setúbal
Valores e Vectores Próprios Carlos Luz Departamento de Matemática Escola Superior de Tecnologia de Setúbal Ano Lectivo 24/25 Conteúdo Definição de Valor e Vector Próprios 2 2 Um Eemplo de Aplicação 8 3
Leia maisX Encontro Nacional de Educação Matemática Educação Matemática, Cultura e Diversidade Salvador BA, 7 a 9 de Julho de 2010
GESTÃO DA APRENDIZAGEM ESCOLAR EM MATEMÁTICA RELATO DE EXPERIÊNCIA NO PROGRAMA GESTAR II Sidnei Luís da Silva Escola Municipal Vereador Benedito Batista Congatem - MG sidneiluisdasilva@yahoo.com.br Camila
Leia maisESTATÍSTICA BÁSICA NO CURSO DE TÉCNICO INTEGRADO DE SEGURANÇA DO TRABALHO
ESTATÍSTICA BÁSICA NO CURSO DE TÉCNICO INTEGRADO DE SEGURANÇA DO TRABALHO Fabíola Nascimento dos Santos Paes Instituto Federal de Educação, Ciência e Tecnologia de Pernambuco fabiola.paes@gmail.com Dorghisllany
Leia maisSomatórias e produtórias
Capítulo 8 Somatórias e produtórias 8. Introdução Muitas quantidades importantes em matemática são definidas como a soma de uma quantidade variável de parcelas também variáveis, por exemplo a soma + +
Leia mais