Aulas Teóricas e de Problemas de Álgebra Linear
|
|
- Ana Carolina Guterres Carreiro
- 8 Há anos
- Visualizações:
Transcrição
1 Aulas Teóricas e de Problemas de Álgebra Linear Nuno Martins Departamento de Matemática Instituto Superior Técnico Maio de
2 Índice Parte I (Aulas teóricas e chas de exercícios) Matrizes e sistemas de equações lineares a cha de exercícios para as aulas de problemas a cha de exercícios facultativos9 Determinantes a cha de exercícios para as aulas de problemas9 Espaços lineares (ou Espaços vectoriais) a cha de exercícios para as aulas de problemas a cha de exercícios facultativos Transformações lineares a cha de exercícios para as aulas de problemas88 Valores próprios e vectores próprios Diagonalização98 a cha de exercícios para as aulas de problemas a cha de exercícios facultativos Produtos internos e ortogonalização a cha de exercícios para as aulas de problemas a cha de exercícios facultativos Produto externo e produto misto Diagonalização unitária e diagonalização ortogonal Formas quadráticas Mínimos quadrados a cha de exercícios para as aulas de problemas Bibliogra a Parte II (Resoluções das chas de exercícios) Resolução da a cha de exercícios para as aulas de problemas Resolução da a cha de exercícios facultativos8 Resolução da a cha de exercícios para as aulas de problemas Resolução da a cha de exercícios para as aulas de problemas Resolução da a cha de exercícios facultativos8 Resolução da a cha de exercícios para as aulas de problemas9 Resolução da a cha de exercícios para as aulas de problemas8 Resolução da a cha de exercícios facultativos8 Resolução da a cha de exercícios para as aulas de problemas8 Resolução da a cha de exercícios facultativos Resolução da a cha de exercícios para as aulas de problemas9
3 Matrizes e sistemas de equações lineares De nição (i) Sejam m; n N Uma matriz A, do tipo m n (lê-se m por n), é uma tabela de mn números dispostos em m linhas e n colunas: a a a n a a a n A : a m a m a mn Usa-se também a notação A (a ij ) mn ou simplesmente A (a ij ), na qual a ij é a entrada (i; j) da matriz A Se m n, diz-se que A é uma matriz quadrada do tipo n n (ou de ordem n) e as entradas a ; a ; :::; a nn formam a chamada diagonal principal de A Se m n, diz-se que A é uma matriz rectangular (ii) A matriz linha i de A é: a i a i a in, para i ; :::; m A matriz coluna j de A é: a j a j para j ; :::; n a mj (iii) À matriz do tipo m n cujas entradas são todas iguais a zero, chama-se matriz nula e representa-se por mn ou simplesmente por Por exemplo e (iv) À matriz do tipo n n a a a nn tal que a ij se i j para todos os i; j, isto é, à matriz cujas entradas fora da diagonal principal são todas nulas, chama-se matriz diagonal (v) À matriz do tipo n n, chama-se matriz identidade e representa-se por I nn ou simplesmente por I
4 (vi) À matriz do tipo n n a a a n a a n a nn cujas entradas por baixo da diagonal principal são todas nulas, isto é, tais que a ij se i > j, chama-se matriz triangular superior À matriz do tipo n n a a a a n a n a nn cujas entradas por cima da diagonal principal são todas nulas, isto é, tais que a ij se i < j, chama-se matriz triangular inferior Uma matriz diz-se triangular se fôr triangular superior ou triangular inferior Exemplo As matrizes A, B, C e D são dos seguintes tipos: A é, B é, C é, D é Tem-se, por exemplo, a, b, c e d Observação Uma matriz (real) A do tipo m n é uma aplicação: A : f; :::; mg f; :::; ng! R (i; j)! a ij Notação O conjunto de todas as matrizes reais (complexas) do tipo mn é denotado por M mn (R) (M mn (C)) Tem-se M mn (R) M mn (C) De nição Duas matrizes são iguais se forem do mesmo tipo e se as entradas correspondentes forem iguais, isto é, A (a ij ) mn e B (b ij ) pq são iguais se m p, n q e a ij b ij, para i ; :::; m e j ; :::; n De nição A soma de duas matrizes do mesmo tipo A (a ij ) mn e B (b ij ) mn é a matriz A + B (a ij + b ij ) mn
5 Exemplo Sejam A, B 9, C p e D p : A + B, C + D e não é possível, por exemplo, somar B com C De nição O produto de um escalar (número real ou complexo) por uma matriz A (a ij ) mn é a matriz: A (a ij ) mn Notação A matriz ( )A será denotada por A Exemplo Seja A Tem-se, por exemplo, A 8 Observação A A, A (matriz nula), A + A A, A + {z ::: + A } na n vezes De nição A diferença entre duas matrizes A e B do mesmo tipo é de nida por ou seja, é a soma de A com o simétrico de B A B A + ( B), De nição (i) O produto AB de duas matrizes A e B só pode ser efectuado se o número de colunas da a matriz, A, fôr igual ao número de linhas da a matriz, B Nesse caso, o produto AB de A (a ij ) mp por B (b ij ) pn é de nido por:! px AB (a i b j + ::: + a ip b pj ) mn a ik b kj, k mn isto é, a a p a i a ip a m a mp b b j b n b p b pj b pn pp a k b k k pp a mk b k k pp a ik b kj k pp a k b kn k pp a mk b kn k
6 Note que sendo b ; :::; b p as colunas da matriz B, então AB A b b p Ab Ab p e sendo a ; :::; a p as linhas da matriz A, então AB a a m B a B a m B (ii) Sejam A uma matriz do tipo n n e p N A potência p de A é de nida por A p A:::A {z } p vezes e para p de ne-se (se A fôr não nula) A I (iii) Diz-se que duas matrizes A e B comutam se AB BA Exemplo (i) + ( ) ( ) + ( ) ( ) + ( ) ( ) + ( ) + ( ) + ( ) 8 8 (ii) p ( ) + + ( ) p p (iii) p ( ) ( ) ( ) ( ) p p ( ) p ( ) p p p (iv) n N, a a a nn n (a ) n (a ) n (a nn ) n Observação (i) O produto de matrizes não é comutativo Por exemplo, para A e B tem-se AB e BA Logo AB BA (ii) CD ; (C ou D ), pois, por exemplo, para C e D ; CD : (iii) Se A (B) tem uma linha (coluna) nula então AB tem uma linha (coluna) nula
7 De nição (i) A transposta de uma matriz A (a ij ) mn é a matriz A T (a ji ) nm, isto é T a a a n a a a m a a a n a a a m : a m a m a mn a n a n a mn (ii) Sendo A (a ij ) mn M mn (C), à matriz A (a ij ) mn chama-se matriz conjugada de A (iii) Sendo A (a ij ) mn M mn (C), à matriz A H A T chama-se matriz transposta conjugada de A Exemplo T + i i H i i : Teorema Sejam A, B, C e D matrizes de tipos apropriados, e escalares São válidas as seguintes propriedades para as operações matriciais (a) (Comutatividade da soma) A + B B + A (b) (Associatividade da soma) A + (B + C) (A + B) + C (c) (Elemento neutro da soma) Existe uma única matriz do tipo m n tal que A + + A A, para toda a matriz A do tipo m n (d) (Simétrico) Para cada matriz A existe uma única matriz B tal que A+B B+A Esta matriz B denota-se por A (e) (Associatividade do produto por escalares) (A) () A (f) (Distributividade) ( + ) A A + A (g) (Distributividade) (A + B) A + B (h) (Associatividade do produto de matrizes) A (BC) (AB) C (i) (Distributividade) A (B + C) AB + AC e (B + C) D BD + CD (j) (AB) (A) B A (B) (k) AI A e IB B, para todas as matrizes A (a ij ) mn e B (b ij ) nm, onde I é a matriz identidade do tipo n n (l) A e B, para todas as matrizes A (a ij ) mn e B (b ij ) nm, onde é a matriz nula do tipo n n (m) A T T A: A H H A:
8 (n) (A + B) T A T + B T (A + B) H A H + B H (o) (A) T A T (A) H A H (p) (AB) T B T A T (AB) H B H A H (q) (A A :::A n ) T A T n:::a T A T, com A, A, :::, A n matrizes de tipos apropriados (A A :::A n ) H A H n :::A H A H De nição 8 Uma matriz A do (tipo n n) diz-se invertível se existir uma matriz B (do tipo n n) tal que AB BA I À matriz B chama-se matriz inversa de A e denota-se por A Exemplo é invertível e Observação (i) Sendo A a matriz inversa de A, então A é invertível e a sua inversa é a própria matriz A, isto é, (A ) A (ii) A matriz nula não é invertível No entanto, a matriz identidade I é invertível tendo-se I I (iii) Se uma matriz quadrada tiver uma linha ou uma coluna nula então não é invertível Teorema A inversa de uma matriz invertível é única Dem Sejam B e C as inversas de A Então, B BI B (AC) (BA) C IC C De nição 9 (i) Uma matriz A diz-se simétrica se A A T, isto é, se a ij a ji, para i; j ; :::; n Diz-se que A é anti-simétrica se A A T, isto é, se a ij a ji, para i; j ; :::; n (ii) Uma matriz A M mn (C) diz-se hermitiana (ou hermítica) se A H A Diz-se que A é anti-hermitiana se A H A (iii) Uma matriz A M nn (R) diz-se ortogonal se fôr invertível e se A A T (iv) Uma matriz A M nn (C) diz-se unitária se fôr invertível e se A A H (v) Uma matriz A diz-se normal se A H A AA H Exemplo é uma matriz simétrica T 8
9 + i i é uma matriz hermitiana + i i cos sen é uma matriz ortogonal ( R): sen cos i i é uma matriz unitária i i H i i i + i i é uma matriz normal Teorema (i) Se A (a ij ) nn e B (b ij ) nn são duas matrizes invertíveis, então AB é invertível e (AB) B A (ii) Sendo um escalar não nulo e A uma matriz invertível então A é invertível e (A) A (iii) Seja m N Se A (a ij ) nn é uma matriz invertível, então A m é invertível e (A m ) (A ) m e escreve-se A m (A m ) (iv) Seja A (a ij ) nn uma matriz Se existir l N tal que A l invertível então A não é (v) Sejam A e B matrizes com A invertível tais que AB Então B (vi) Sejam A e B matrizes com B invertível tais que AB Então A (vii) Sejam A, B e C matrizes com A invertível tais que AB AC Então B C (viii) Sejam A, B e C matrizes com B invertível tais que AB CB Então A C (ix) A (a ij ) nn é uma matriz invertível se e só se A T é invertível e A T (A ) T : (x) A (a ij ) nn é invertível se e só se A H é invertível e A H (A ) H : (xi) Se A (a ij ) nn é uma matriz simétrica invertível, então A é simétrica (xii) Se A (a ij ) nn é uma matriz hermitiana invertível, então A é hermitiana (xiii) Se A (a ij ) nn é uma matriz ortogonal, então A T e A são matrizes ortogonais (xiv) Se A (a ij ) nn é uma matriz unitária, então A H e A são matrizes unitárias (xv) Se A e B são duas matrizes ortogonais então AB é uma matriz ortogonal (xvi) Se A e B são duas matrizes unitárias então AB é uma matriz unitária (xvii) Se A e B são duas matrizes simétricas então AB é uma matriz simétrica se e só se A e B comutarem (xviii) Se A e B são duas matrizes hermitianas então AB é uma matriz hermitiana se e só se A e B comutarem 9
10 De nição Uma equação linear com n incógnitas x ; x ; :::; x n é uma equação da forma a x + a x + ::: + a n x n b; em que a ; a ; :::; a n e b são constantes (reais ou complexas) A b chama-se termo independente De nição Um sistema de m equações lineares com n incógnitas é um conjunto de equações da forma 8 a x + a x + ::: + a n x n b >< a () x + a x + ::: + a n x n b ::: >: a m x + a m x + ::: + a mn x n b m em que a ij e b k são constantes (reais ou complexas), para i; k ; :::; m e j ; :::; n Usando o produto de matrizes de nido na secção anterior, o sistema de equações lineares acima pode ser escrito como uma equação matricial AX B em que A a a a n a a a n a m a m a mn, X x x x n e B b b b m A matriz A é a matriz dos coe cientes do sistema, X é a matriz coluna das incógnitas e B é a matriz coluna dos termos independentes A matriz a a a n j b a a a n j b [A j B] a m a m a mn j b m associada ao sistema () chama-se matriz aumentada do sistema MUITO IMPORTANTE: Note que AX a a x + a a x + ::: + a n a n x n a m a m a mn
11 De nição Uma solução do sistema de equações lineares () de variáveis reais, é o elemento (s ; s ; :::; s n ) R n : f(a ; a ; :::; a n ) : a ; a ; :::; a n Rg tal que as equações do sistema são satisfeitas quando substituímos x s ; x s ; :::; x n s n (No caso das variáveis serem complexas ter-se-ia soluções em C n ) Note que isso equivale a dizer que s s S s n satisfaz a equação matricial AX B, isto é, fazendo X S tem-se a condição verdadeira AS B Ao conjunto de todas as soluções do sistema chama-se conjunto solução ou solução geral do sistema Exemplo 8 O sistema linear de duas equações e duas incógnitas ser escrito do seguinte modo: x y x + y x + y pode A solução geral do sistema acima é dada por f(x; y) : x + y e x + y g f( ; )g, isto é, X é a única matriz que satisfaz AX B, com A e B Teorema Sejam A uma matriz do tipo m n e B uma matriz do tipo m Se o sistema de equações lineares AX B tem duas soluções distintas X e X (X X ), então terá in nitas soluções Dem Basta veri car que X ( qualquer R ) X + X é solução do sistema AX B, para De nição A um sistema de equações lineares da forma 8 a x + a x + ::: + a n x n >< a x + a x + ::: + a n x n ::: >: a m x + a m x + ::: + a mn x n chama-se sistema linear homogéneo Este sistema pode ser escrito na forma AX
12 Observação solução trivial: (i) Todo o sistema linear homogéneo AX admite pelo menos a X x x x n Assim, todo o sistema linear homogéneo tem solução Além disso, ou tem apenas a solução trivial ou tem in nitas soluções (ii) Como iremos ver num próximo capítulo, à solução geral do sistema linear homogéneo AX dá-se o nome de núcleo de A e escreve-se N (A) Teorema Se A (a ij ) mn é tal que m < n, então o sistema linear homogéneo AX tem in nitas soluções Dem Como o sistema tem menos equações do que incógnitas (m < n), o n o de linhas não nulas r da matriz em escada de linhas obtida da matriz aumentada do sistema também é tal que r < n Assim, há r pivots e n r incógnitas livres as quais podem assumir qualquer valor Logo, o sistema linear homogéneo AX tem in nitas soluções Teorema Sejam A (a ij ) mn e ; escalares (i) Se Y e W são soluções do sistema AX, então Y + W também o é (ii) Se Y é solução do sistema AX, então Y também o é (iii) Se Y e W são soluções do sistema AX, então Y + W também o é (iv) Sejam Y e W soluções do sistema AX B Se Y + W (para quaisquer escalares ; ) também é solução de AX B, então B (Sugestão: basta fazer ) Teorema Seja A uma matriz do tipo m n e B uma matriz do tipo m Qualquer solução X do sistema AX B escreve-se na forma X X + Y onde X é uma solução particular do sistema AX B e Y é uma solução do sistema linear homogéneo AX Assim: solução geral de AX B solução particular de AX B + solução geral de AX Dem Sendo X uma solução particular do sistema AX B e Y uma solução qualquer de AY então A (X + Y ) AX B pelo que X + Y é também uma solução de AX B e não há solução de AX B que não seja deste tipo uma vez que, se X fôr uma solução qualquer de AX B tem-se AX B AX, A (X X ) e assim X X Y é solução de AY tendo-se X X + Y
13 Teorema 8 Seja A uma matriz do tipo n n (i) O sistema AX B tem solução única se e só se A fôr invertível Neste caso a solução geral é X A B: (ii) O sistema homogéneo AX tem solução não trivial se e só se A fôr não invertível Teorema 9 (i) Sejam A e B duas matrizes do tipo n n Se AB é invertível, então A e B são invertíveis (ii) Se A é uma matriz do tipo n n tal que AB I então BA I e B A : Dem (i) Considere o sistema (AB) X Se B não fosse invertível, então pelo teorema anterior existiria X tal que BX Logo, X seria solução não trivial de ABX, o que contraria o teorema anterior uma vez que por hipótese AB é invertível Assim, B é invertível Finalmente, A é invertível por ser o produto de duas matrizes invertíveis: A (AB) B (ii) Atendendo à alínea anterior, B é invertível Logo B também é invertível e A AI A BB (AB) B IB B, isto é, A é invertível e A (B ) B De nição (i) Às seguintes operações que se podem aplicar às equações de um sistema de equações lineares, chamam-se operações elementares (a) Trocar a posição de duas equações do sistema; (b) Multiplicar uma equação por um escalar diferente de zero; (c) Substituição de uma equação pela sua soma com um múltiplo escalar de outra equação (ii) Dois sistemas de equações lineares que se obtêm um do outro através de um número nito de operações elementares, dizem-se equivalentes Observação (i) Dois sistemas de equações lineares que se obtêm um do outro através de um número nito de operações elementares, têm o mesmo conjunto solução (ii) Quando aplicamos operações elementares às equações de um sistema de equações lineares, só os coe cientes e os termos independentes do sistema são alterados Logo, aplicar as operações elementares anteriores às equações de um sistema linear () equivale a aplicar às linhas da matriz aumentada as seguintes operações [A j B] a a a n j b a a a n j b a m a m a mn j b m
14 De nição As operações elementares que podem ser aplicadas às linhas (i e j) de uma matriz são: (i) Trocar a posição de duas linhas (i e j) da matriz: L i $ L j (ii) Multiplicar uma linha (i) da matriz por um escalar () diferente de zero: L i! L i (iii) Substituição de uma linha (j) pela sua soma com um múltiplo escalar () de outra linha (i): L i + L j! L j Teorema Se dois sistemas lineares AX B e CX D são tais que a matriz aumentada [C j D] é obtida de [A j B] através de uma ou mais operações elementares, então os dois sistemas são equivalentes De nição Uma matriz A (a ij ) mn diz-se em escada de linhas se: (i) Todas as linhas nulas (formadas inteiramente por zeros) estão por baixo das linhas não nulas; (ii) Por baixo (e na mesma coluna) do primeiro elemento não nulo de cada linha e por baixo dos elementos nulos anteriores da mesma linha, todas as entradas são nulas Esse primeiro elemento não nulo de cada linha tem o nome de pivot Exemplo 9 As seguintes matrizes estão em escada de linhas: A ; A ; A p De nição O método de resolver sistemas lineares que consiste em aplicar operações elementares às linhas da matriz aumentada do respectivo sistema de modo a que essa matriz que em escada de linhas, chama-se método de eliminação de Gauss Exemplo O sistema de equações lineares de variáveis reais x; y e z 8 < : x + z x + y + z y + z é equivalente a x y z Considere-se então a matriz aumentada e o consequente método de eliminação de Gauss: j j j j! j! j L j +L!L j L +L!L j
15 Logo, 8 < : x + z y + z z 8 < x, y : z Neste exemplo o sistema tem a solução única f(; ; )g e diz-se possível e determinado 8 < : Exemplo O sistema de equações lineares de variáveis reais x; y; z e w x z 9w 9 x + y z + w é equivalente a y z x + y z + w w Considere-se então a matriz aumentada e o consequente método de eliminação de Gauss: 9 j j j! 8 j 9! L $L j L 9 j +L!L! L +L!L L!L j j 9 j! L +L!L j j j Logo, x + y z + w z + w x y w, z w + As incógnitas y e w são livres e as incógnitas x e z são não livres A solução geral do sistema é: 9 8> s t < s > t + >: : s; t R >; t isto é, o conjunto solução é dado por: f( s t ; s; t + ; t) : s; t Rg Neste exemplo o sistema tem in nitas soluções e diz-se possível e indeterminado Exemplo Seja a R O sistema de equações lineares de variáveis reais x; y e z 8 < x + y + z x x + y z é equivalente a y : x + y + (a ) z a a z a Considere-se então a matriz aumentada e o consequente método de eliminação de Gauss: j j j! j! a L j a +L!L L +L!L a L j a +L!L
16 ! L +L!L j j (a ) (a + ) j a Se a, então o sistema é possível e indeterminado: x + y + z y z, x z + y z +, a incógnita z é livre, as incógnitas x e y são não livres e a solução geral do sistema é 8 9 < t + t + : t R : ; t isto é, o conjunto solução é dado por: f(t + ; t + ; t) : t Rg Assim, se a, o sistema tem in nitas soluções e diz-se possível e indeterminado Se a, o sistema não tem solução e diz-se impossível Se a e a, o sistema tem a solução única a+ ; a ; a+ a+ a+ e diz-se possível e determinado Observação (Como inverter matrizes invertíveis do tipo n n) Seja A uma matriz do tipo n n e consideremos a equação AX B Se A fôr invertível temos AX B, X A B, isto é, AX IB, IX A B Assim, para determinar a inversa de A, iremos transformar a matriz aumentada [A j I] na matriz [I j A ], por meio de operações elementares aplicadas às linhas de [A j I]: [A j I]! I j A ::: Este método tem o nome de método de eliminação de Gauss-Jordan e consistirá na continuação do método de eliminação de Gauss agora aplicado a [matriz triangular superior j ], efectuando-se as eliminações de baixo para cima de modo a obter-se [I j A ] Exemplo Vejamos que! L +L!L j j! L +L!L j j : Tem-se j j! L!L L!L j! L +L!L j Isto é De facto I
17 Exemplo (i) Seja A Logo, [A j I] Veri que(!) que: AA I (ii) Seja A Tem-se j j! ::: j 9 8 [A j I] Logo, A não é invertível Tem-se 9 8 j j j! ::: j j j : j j j (iii) Sejam A B 8 C 8 Determine-se X tal que A I X T B C: Tem-se A I X T B C, I X T A CB, I X T A CB,, X T I B C A, X I A T C T B T,, X 8 8!, X : De nição 8 (Ver-se-á mais adiante a consistência desta de nição) Seja A uma matriz em escada de linhas Ao n o de colunas de A que não contêm pivots chama-se nulidade de A e escreve-se nul A Ao n o de pivots de A, isto é, ao n o de linhas não nulas de A, dá-se o nome de característica de A e escreve-se car A Se A fôr a matriz em escada de linhas obtida de C através de operações elementares então diz-se que a característica de C é car A, tendo-se car C car A e diz-se que a nulidade de C é nul A, tendo-se nul C nul A
18 Exemplo Considere-se as matrizes do exemplo 9 Pivot de A : Pivots de A : ; Pivots de A : ; ; Tem-se: car A, car A e car A Além disso: nul A, nul A e nul A De nição 9 Uma matriz A (a ij ) nn diz-se não singular se após o método de eliminação de Gauss esta fôr transformada numa matriz triangular superior cujas entradas da diagonal principal sejam todas não nulas Uma matriz A (a ij ) nn diz-se singular se após o método de eliminação de Gauss existir (pelo menos) uma linha nula na matriz obtida de A Teorema Seja A (a ij ) nn Tem-se isto é, A é invertível, A é não singular, car A n,, para todo o B o sistema AX B tem uma única solução (X A B), A não é invertível, A é singular, car A < n,, existe pelo menos um B para o qual o sistema AX B não tem solução Observação 8 Seja [A j B] a matriz aumentada associada a um sistema de equações lineares com n incógnitas (i) Se car A car [A j B] n então o sistema é possível e determinado (tem uma única solução) (ii) Se car A car [A j B] < n então o sistema é possível e indeterminado (tem um n o in nito de soluções) (iii) Se car A < car [A j B] então o sistema é impossível (não tem solução) (iv) As incógnitas livres (podem tomar valores arbitrários) do sistema são aquelas que correspondem às colunas, que não contenham pivots, da matriz em escada de linhas obtida de A através de operações elementares (v) As incógnitas não livres do sistema são aquelas que correspondem às colunas, que contenham pivots, da matriz em escada de linhas obtida de A através de operações elementares (vi) car A n o de linhas não nulas da matriz em escada de linhas obtida de A n o de pivots n o de incógnitas não livres: nul A n o de incógnitas livres: (vii) Seja A uma matriz do tipo m n Então car A min fm; ng e car A + nul A n: 8
19 De nição Uma matriz elementar é uma matriz do tipo n n obtida da matriz identidade I (do tipo n n) através de uma única operação elementar (i) A matriz P ij, chamada matriz de permutação, é a matriz elementar obtida por troca da linha i com a linha j da matriz I Tem-se: P ij i j (ii) A matriz E i () é a matriz elementar obtida da matriz I através do produto do escalar pela linha i da matriz I Tem-se: E i () i (iii) A matriz E ij () é a matriz elementar obtida da matriz I por soma da linha j com um múltiplo escalar da linha i Por exemplo para i < j tem-se: E ij () i j 9
20 Observação 9 (i) As matrizes elementares E ij (), com i < j, são matrizes triangulares inferiores (ii) As matrizes elementares E ij () e E ik () comutam, isto é, E ij ()E ik () E ik ()E ij () Exemplo Sejam ; escalares com As matrizes elementares do tipo são: P P, E (), E (), E () e E () Teorema Sejam E uma matriz elementar do tipo m m e A uma matriz qualquer do tipo m n Então, EA é a matriz obtida de A através da mesma operação elementar que originou E Isto é, aplicar uma operação elementar a uma matriz corresponde a multiplicar essa matriz à esquerda por uma matriz elementar Exemplo Considere-se a matriz aumentada A operação elementar: 9 j j! L $L j corresponde à seguinte multiplicação (à esquerda): 9 j j j A operação elementar: j j! 9 j L!L corresponde à seguinte multiplicação (à esquerda): j j 9 j A operação elementar: j 8 j 9! L 9 j +L!L 9 j j j j j 9 j, j j 9 j j 8 j 9 9 j, j 8 j 9 9 j j j 9 j,
21 corresponde à seguinte multiplicação (à esquerda): j 8 j 9 9 j Finalmente, a operação elementar: j j! L 9 j +L!L corresponde à seguinte multiplicação (à esquerda): j j 9 j Tem-se então: E () E ( ) E P j j 9 j j j j 9 j j j, j j j j j j Teorema Toda a matriz elementar é invertível e a respectiva inversa é também uma matriz elementar Tem-se: (i) (P ij ) P ij (ii) (E i ()) E i (), para (iii) (E ij ()) E ij ( ) Teorema Uma matriz A é invertível se e só se fôr igual ao produto de matrizes elementares Observação O teorema anterior indica um modo alternativo para calcular a matriz inversa de uma matriz invertível Teorema (Factorização triangular) Duas consequências do método de eliminação de Gauss: (i) Seja A uma matriz do tipo m n Então ou A admite a factorização A LU ou existe uma matriz de permutação P tal que P A admite a factorização P A LU, onde L é uma matriz triangular inferior com as entradas da diagonal principal todas iguais a e U é uma matriz em escada (ii) Seja A uma matriz não singular do tipo n n Então ou A admite a factorização única A LU ou existe uma matriz de permutação P tal que P A admite a factorização única P A LU, onde L é uma matriz triangular inferior com as entradas da diagonal principal todas iguais a e U é uma matriz triangular superior cujas entradas da diagonal
22 principal são os pivots que resultam de aplicar o método de eliminação de Gauss à matriz A Logo, Exemplo 8 Seja A Isto é, com Logo Isto é, com Tem-se: E ()E ( )E ( )A A (E ( )) (E ( )) (E ()) A E ()E ()E ( ) L E ()E ()E ( ) Exemplo 9 Seja A 8 E ( ) P A, ou ainda, A LU, e U Tem-se P A P A (E ( )) P A E () P P, L E () , ou ainda, P A LU, e U e 8 :
23 a Ficha de exercícios para as aulas de problemas Veri que que: 9 (i) (ii) I (iv) + (v) (vi) (vii) (viii) (ix) (x) a (xi) c T b d A a coluna de T p d b (se ad bc ) ad bc c a 9 é 9 cos sen (xiii) é ortogonal ( R) Isto é, sen cos (iii) I p 9 p + T T cos sen cos sen cos sen cos sen I sen cos sen cos sen cos sen cos p p p p p (xiv) é ortogonal (xv) i i é unitária Isto é, (xvi) p p i i i i p i i i i i i i i i i H é uma matriz normal Isto é, i i i H i i i i i i i i i H i i i H i i i (xvii) As constantes a; b e c que de nem a função y ax + bx + c cujo grá co passa pelos pontos (x ; y ) ; (x ; y ) e (x ; y ) (de abcissas distintas entre si), constituem a a x x j y solução b do sistema linear cuja matriz aumentada é dada por: x x j y c x x j y i I
24 Efectue, sempre que possível, as seguintes operações (i) (ii) + (iii) (iv) (v) p (vii) p T A (ix) (x) T T (xi) 8 9 p (vi) p C A T T Pretende-se arrumar livros em caixas Ao colocar livros em cada caixa, ca um livro de fora Ao colocar 8 livros por caixa, há uma caixa que só tem livro Quantos livros se pretende arrumar? Quantas caixas existem? C Celsius, F Fahrenheit A partir do ponto de congelação (C; F ) (; ) e do ponto de ebulição (C; F ) (; ), deduza a equação linear F 9 C + : Veri que que o único valor comum a ambas as escalas é Escreva a matriz A (a ij ) M (R) em cada um dos seguintes casos: 8 < se i > j a) a ij j ( ) i+j b) a ij : caso contrário, i+j 8 i se i j 8 >< < a ji para todo i; j c) j se j i + d) a ij : j se j > i >: i j caso contrário, Veri que se a matriz (a ij ) M (R) de nida por a ij i + j, para todo i; j ;, é simétrica Determine as características e as nulidades das seguintes matrizes reais, identi cando os respectivos pivots (i) (ii) (iii) (iv) 8 9
25 (v) (viii) (vi) (ix) (x) (vii) 8 Quais das seguintes equações são equações lineares em x; y e z? 8 8 (a) x + p y + z (b) x + z (c) x + y z (d) x yz 9 Diga qual dos seguintes pontos: (; ) ; (; ) ; (; ) ; ( ; ) é a solução do seguinte sistema de equações lineares nas variáveis x; y 8 < : x + y x y x y Diga quais dos seguintes pontos: (; ; ; ) ; (; ; ; ) ; (; ; ; ) ; ; 9; ; são soluções do sistema de equações lineares nas variáveis x; y; z e w x y z x + y + z p (i) Determine os coe cientes a; b; c e d da função polinomial p(x) ax + bx + cx + d, cujo grá co passa pelos pontos P (; ); P (; ); P (; ) e P (; ) (ii) Determine os coe cientes a; b e c da equação da circunferência x + y + ax + by + c ; que passa pelos pontos P ( ; ); P ( ; ) e P (; ) Seja R Em função do parâmetro, calcule a característica e a nulidade das seguintes matrizes Em cada alínea, indique ainda (se existirem), justi cando, os valores de para os quais essas matrizes são invertíveis: (i) (iv) (ii) (v) (iii) (vi) + Determine valores para x; y; z e w de modo a que nas reacções químicas seguintes os elementos químicos envolventes ocorram em iguais quantidades em cada lado da respectiva equação (a) xc H 8 + yo! zco + wh O (b) xco +yh O! zc H O + wo
26 Resolva os seguintes sistemas de equações lineares x + y x + y (a) (b) x + y x + y 8 8 < x + y z < (d) x y + z (e) : : x y z 8 < (f) : 8 < (h) : 8 >< (j) >: (a) x + y + z x + y + 8z x + y + z x + y z + w x + y + z + w 9 x + y z + 8w x + x x x + 9x x + x x + x x + x x 8 < (g) : 8 < (i) : (c) x + y z x y + z x y + z x + y x y x + y x y x + y x + y + z w x y + z + w x + y + z w 8 < x y + z w (k) x y + z + w : x + y 9z + w Discuta em função do parâmetro real os seguintes sistemas de equações lineares (nas variáveis x; y e z) Nos casos em que existirem soluções, determine-as 8 8 < < : 8 < (d) : x + y + z x + y + z x + y + z x + y + z x + y + z x + y + z (b) x + y + z x + y + 8z (c) : 8 < x + y + z (e) x + y z : x + y + z + x + y + z x + y + z x + y z Discuta os seguintes sistemas de equações lineares em termos dos parâmetros reais e Nos casos em que existirem soluções, determine-as 8 8 z + w 8 < x + y + z >< < x + y z + w x + y + z + w (a) x + y z (b) (c) x y + z + w : x + y + z + w : x + y + z >: x y + z + ( + ) w x + y + z + w Diga para que valores de a; b e c têm soluções os sistemas 8 8 < x + y z a < x y + z a (a) x y + z b (b) x + y z b : : x y + 8z c x + y + z c 8 Determine um sistema de equações lineares cujo conjunto de soluções seja: (a) S f( + t; t) : t Rg (b) S f(t; t; ) : t Rg (c) S f(t; t; t) : t Rg (d) S f(t s; t + s ; s t + ) : s; t Rg (e) S f(t s; t + s ; s + ; t ) : s; t Rg (f) S f( s; s t; s; t ) : s; t Rg (g) S?
27 9 Determine todas as matrizes reais que comutam com a matriz Existem matrizes só com e nas respectivas entradas Quantas são invertíveis? Seja A M nn (R) tal que A + A + I :Veri que que A é invertível e determine a sua inversa Sejam A; B; X M nn (R) matrizes invertíveis tais que (AB) Em cada 9 um dos seguintes casos, determine a matriz X que satisfaz a equação (i) AXB + AB (ii) BXA A B Determine A M (R) tal que I (A ) T Determine (se existirem) as inversas das seguintes matrizes (i) (ii) (iii) [] (iv) (v) (vi) (vii) 8 9 (viii) (xi) (xiii) k k k k 8 (ix) 8, com k (xii) 8 (i) Seja A M nn (R) tal que para algum k Nn fg Veri que que cos (x) sen A k k k k k (xiv) : sen cos, com k ; k ; k ; k (ii) Calcule (I A) I + A + ::: + A k :
28 Seja A (i) Veri que que A (ii) Calcule (I A) (I + A + A ) : Para cada parâmetro real, considere o sistema de equações lineares de variáveis reais cuja matriz aumentada é dada por: j j j a) Discuta em termos de a existência ou não de solução do sistema de equações lineares anterior b) Para, determine o conjunto solução do sistema de equações lineares correspondente 8 Seja A ; +, com ; R: + + (a) Determine a característica e a nulidade de A ; em função de e (b) Determine os valores dos parâmetros e para os quais A ; é invertível 9 Seja A 8, com R (a) Determine a característica e a nulidade de A em função do parâmetro e diga, justi cando, quais são os valores de para os quais A é invertível (b) Para ; determine a inversa da matriz A a Seja B a;b a a b, com a; b R: (a) Determine a característica e a nulidade de B a;b em função de a e b (b) Para a e b calcule a matriz inversa da matriz B ;, isto é, (B ; ) (c) Determine a solução geral do sistema linear B ; X C, C T (d) Para b, determine a solução geral do sistema linear B a; X D, em que D é o simétrico da a coluna de B a; 8
29 a Ficha de exercícios facultativos Sendo A; B; C matrizes de tipos apropriados, mostre que: (i) (AB) C A (BC) (ii) A (B + C) AB + AC (iii) (AB) T B T A T Sendo A uma matriz do tipo m n, mostre que se A T A então A Sendo A, determine todos os u tais que Au u Obtenha, por indução, uma fórmula para A n onde A é dada por: (i) (ii) (iii) (iv) (v) cos sen sen ( R) cos Mostre que se AB A e BA B então A A e B B Sendo A uma matriz ortogonal, isto é, tal que AA T A T A I, mostre que cos sen cos sen A ou A ; ( R): sen cos sen cos Diga de que tipos deverão ser as matrizes A e B de modo a poderem ser efectuados os seguintes produtos e desenvolva esses mesmos produtos (i) (A + B)(A B) (ii) (AB) (iii) (A + B) 8 (i) Veri que que as matrizes A e B não satisfazem a relação: AB ) A ou B O que pode concluir? E no caso de A ser invertível, o que concluiria acerca da veracidade da relação anterior? (ii) Veri que que as matrizes A, B e C não satisfazem a relação: AB AC ) B C O que pode concluir? E no caso de A ser invertível, o que concluiria acerca da veracidade da relação anterior? 9 Sejam A uma matriz do tipo n n e B uma matriz do tipo m n quaisquer (i) Prove que se A é simétrica (isto é A A T ) então BAB T tambem é simétrica (ii) Prove que se A é normal (isto é A H A AA H ) e B é unitária então BAB H é normal (iii) Prove que B T B e BB T são matrizes simétricas e que B H B e BB H são matrizes hermitianas 9
30 Uma matriz A do tipo n n diz-se anti-simétrica se A T A Mostre que: (i) Os elementos da diagonal principal de uma qualquer matriz anti-simétrica são todos nulos (ii) Para qualquer matriz A do tipo n n, a matriz A A T é anti-simétrica (iii) Escrevendo A (A + AT ) + (A AT ), toda a matriz quadrada pode ser decomposta de modo único pela soma de uma matriz simétrica com uma anti-simétrica a b Veri que que todas as matrizes X que satisfazem a equação X c d I são: I; c b ; Observe assim que a equação matricial X I tem um número in nito de soluções em contraste com a equação escalar x que tem apenas duas soluções ( e ) Mostre que: ; a a b fx M (R) : XA AX; para todo o A M (R)g b a : R Isto é, as matrizes que comutam com todas as matrizes são múltiplos escalares da matriz I Sendo A uma matriz do tipo m n, seja N (A) fx : AX g Mostre que: (i) Sendo A e B matrizes de tipos apropriados, então N (B) N (AB) (ii) Sendo A M mn (R), tem-se N A T A N (A) : (iii) Sendo A e B matrizes do tipo m n com m < n tais que AB T é invertível, então B T A não é invertível Além disso, nenhuma linha de B pertence a N (A) (iv) Sendo A M mn (R) tal que para todo o B R m ; o sistema AX B é possível, então N A T fg Sejam A; B M nn (R) tais que que Au Bu para qualquer u M n (R) Prove que A B Sejam A; B matrizes não nulas do tipo n Determine a característica de AB T Justi que Sendo A uma matriz do tipo m n tal que car A m, mostre que existe B do tipo n m tal que AB I Duas matrizes A e B do tipo n n dizem-se semelhantes se existir S invertível tal que A SBS Mostre que: (i) Sendo A ou B invertíveis então AB e BA são semelhantes (ii) Sendo A e B semelhantes então X N (A) se e só se S X N (B)
31 8 Seja A uma matriz quadrada (do tipo n n) Mostre que: (i) Se A fôr invertível então A tambem é invertível e (A ) A (ii) Se A fôr invertível então A T tambem é invertível e (A T ) (A ) T (iii) Se A fôr invertível e simétrica então A tambem é simétrica 9 Sejam A e B matrizes do tipo n n Mostre que: (i) Se A; B forem invertíveis então A + B não é necessariamente invertível (ii) Se A; B e A + B forem invertíveis então A + B é invertível e (A + B ) A(A + B) B B(A + B) A Sugestão: comece por veri car que I + B A B (A + B) e I + A B A (A + B): Seja A do tipo n n tal que A A (A diz-se idempotente) Mostre que: (i) I A é idempotente (ii) A I é invertível e (A I) A I Além disso, se A fôr simétrica então A I é uma matriz ortogonal (iii) Se car A n, então A I Uma matriz B (do tipo n n) diz-se idempotente se B B Mostre que A I, (I + A) é idempotente Sendo A (a ij ) uma matriz invertível e B (b ij ) a inversa da A, mostre, para k, a matriz (k i j a ij ) é invertível e a sua inversa é (k i j b ij ) a b Seja A uma matriz do tipo Mostre que A é invertível se e só se c d ad bc No caso de A ser invertível, utilize o método de eliminação de Gauss-Jordan para encontrar a matriz inversa de A Que condições devem ser veri cadas para que a seguinte matriz diagonal do tipo n n k k D k n seja invertível? Qual é a sua inversa?
32 Para matrizes quadradas A (a ij ) nn de ne-se o traço de A, tr(a), como sendo a soma de todas as entradas da diagonal principal de A, isto é, tr(a) nx a ii : i Sejam A (a ij ) nn e B (b ij ) nn duas matrizes do tipo n n e um escalar Mostre que (i) (ii) (iii) (iv) tr(a + B) tr(a) + tr(b); tr(a) tr(a); tr(a T ) tr(a); tr(ab) tr(ba): Esta última igualdade continua a ser verdadeira se A (a ij ) mn e B (b ij ) nm Para cada matriz A do tipo n n, veri que que não existe X do tipo n n tal que AX XA I Sejam A e B matrizes do tipo nn tais que A é simétrica e B é anti-simétrica Mostre que tr(ab) : 8 Seja A M mn (R) Mostre que tr(a T A) se e só se A 9 Sejam u; v M n (R) tais que u T v Seja Veri que que A é invertível e que A I + uv T Além disso veri que que A I + u T v uvt u T v tr uv T
33 Determinantes De nição Dados os números naturais ; ; :::; n chama-se permutação desses n números a qualquer lista em que os mesmos sejam apresentados por ordem arbitrária De nição Seja (i i :::i n ) uma permutação dos números naturais ; ; :::; n Diz- -se que um par (i j i k ) é uma inversão quando (j k) (i j i k ) < (isto é, quando i j e i k aparecerem na permutação por ordem decrescente) De nição Uma permutação (i i :::i n ) diz-se par (ímpar) quando o n o máximo de inversões incluídas fôr par (ímpar) Exemplo A permutação () é ímpar pois o n o máximo de inversões nela incluídas é ímpar: (); () e () De nição Seja A uma matriz do tipo n n Chama-se determinante de A, e escreve-se jaj ou det A, o número que se obtém do seguinte modo: (i) Formam-se todos os produtos possíveis de n factores em que intervenha um elemento de cada linha e, simultaneamente, um elemento de cada coluna de A (ii) Afecta-se cada produto do sinal + ou do sinal conforme as permutações (dos números naturais ; ; :::; n) que guram nos índices de linha e de coluna tenham a mesma paridade ou não (iii) Somam-se as parcelas obtidas Em resumo: xando, por exemplo, a permutação (i i :::i n ) de ; ; :::; n X jaj ( ) a i j a i j :::a injn, em que (j j :::j n) permutação de ;;:::;n 8 < se (i i :::i n ) e (j j :::j n ) têm a mesma paridade : se (i i :::i n ) e (j j :::j n ) têm paridade diferente Observação Pode ainda escrever-se jaj X (j j :::j n) permutação de ;;:::;n 8 < ( ) a j a j :::a njn, em que : se (j j :::j n ) é par se (j j :::j n ) é ímpar
34 ou jaj X (i i :::i n) permutação de ;;:::;n 8 < ( ) a i a i :::a inn, em que : se (i i :::i n ) é par se (i i :::i n ) é ímpar De nição Seja A (a ij ) nn O traço de A, tr(a), é a soma de todas as entradas da diagonal principal de A, isto é, nx tr(a) a ii : Teorema Sejam A (a ij ) nn e B (b ij ) nn duas matrizes do tipo n n e um escalar Tem-se i (i) (ii) (iii) (iv) tr(a + B) tr(a) + tr(b); tr(a) tr(a); tr(a T ) tr(a); tr(ab) tr(ba): Teorema (i) Se A é do tipo, então jaj a a a a a a a a (ii) Se A é do tipo, então jaj a a a a a a a a a Só no caso (tr A) tr A : a a a + a a a + a a a a a a a a a a a a Observação (i) Se A é uma matriz do tipo n n então jaj tem n! parcelas (ii) O determinante de cada um dos três tipos de matrizes elementares é dado por det P ij ; det E i () ; det E ij () :
35 Exemplo (i) (ii) ( ) ( ) : ( )( ) ( ) ( ) : De nição Seja A (a ij ) uma matriz do tipo n n, com n > Seja A ij a matriz do tipo (n )(n ) que se obtem de A suprimindo a linha i e a coluna j de A Chama-se a A ij o menor-ij da matriz A Teorema 8 (Fórmula de Laplace) Seja A uma matriz do tipo n n, com n > Tem-se nx det A a ij ( ) i+j det A ij, com i f; :::; ng xo: j Observação Seja A uma matriz do tipo n n, com n > Tem-se det A nx a ij ( ) i+j det A ij, com j f; :::; ng xo: i Exemplo ( )( ) + + ( )( )+ ( )( ) + ( ) + ( ) ( ) ( )( ) ( ) + [( ) ( )] 8 Teorema 9 Sejam A e B matrizes do tipo n n Seja um escalar (i) det A T det A (ii) Se A fôr uma matriz diagonal, triangular superior ou triangular inferior então o determinante de A é igual ao produto dos elementos da diagonal principal de A (iii) Se A tiver uma linha (ou coluna) nula então det A (iv) Se B fôr obtida de A trocando duas linhas (ou colunas) de A então det B det A
36 (v) Se B fôr obtida de A multiplicando uma linha (ou coluna) de A por um escalar então det B det A (vi) Se duas linhas (ou colunas) de A forem iguais então det A (vii) Se B fôr obtida de A somando a uma linha (ou coluna) de A um múltiplo escalar de uma outra linha (ou coluna) de A então det B det A (viii) det A se e só se A é invertível (ix) det (A) n det A (x) det (EA) det E det A, em que E é uma matriz elementar (P ij ; E i () ou E ij ()) (xi) det (AB) det A det B (xii) det (A A :::A l ) det A det A ::: det A l, em que A ; A ; :::; A l são l (l N) matrizes do tipo n n (xiii) Se A fôr invertível det (A ) det A (xiv) det (AB) ) det A ou det B (xv) det (AB) det (BA) Exemplo Observação Sendo A e B matrizes do tipo n n, em geral: ja + Bj jaj + jbj e ja Bj jaj jbj Por exemplo, se n é par, A I e B I, tem-se ja + Bj n é par + ( ) n jaj + jbj :
37 De nição Seja A (a ij ) uma matriz do tipo n n, com n > Seja a ij ( ) i+j det A ij onde A ij é o menor-ij da matriz A Chama-se a a ij o cofactor-ij da matriz A e à matriz cof A (a ij) do tipo n n, com n >, a matriz dos cofactores de A Teorema Para qualquer matriz A do tipo n n, com n >, tem-se Se det A então A é invertível e A (cof A) T (cof A) T A (det A) I A det A (cof A)T det A ( )j+i det A ji C A {z } entrada (i;j) de A nn a Exemplo (i) Seja A c Note que ad bc det A b tal que det A Então A é invertível e d A d b ad bc c a (ii) Podemos usar o teorema anterior para calcular não só a inversa de uma matriz (não singular) mas também (e sobretudo) entradas concretas dessa inversa Seja A 8 9 A entrada (; ) da matriz A é dada por (A ) (cof A) T det A det A ( )+ det A det 8 9 Note que apesar da entrada (; ) de A ser nula, a entrada (; ) de A não é nula (iii) Para calcular A a partir do teorema anterior, é preciso calcular (cof A) T Assim, usando por exemplo A da alínea anterior, tem-se cof A
38 pelo que e assim (cof A) T A det A (cof A)T 8 8 De facto 8 9 Teorema (Regra de Cramer) Seja A uma matriz do tipo n n tal que A é não singular Então a única solução do sistema de equações lineares AX B é dada por X A B det A (cof A)T B Isto é, sendo X x ::: x n T e B b ::: b n T tem-se, para j ; :::; n, x j det A nx a jib i i det (B j ) T det A det B j det A, onde B j é a matriz obtida de A substituindo a coluna j de A pela matriz coluna B dos termos independentes Exemplo O sistema de equações lineares 8 < y + z 8 x + y z : x z pode ser resolvido usando a regra de Cramer: x 8, y 8 8 e z 8 8
39 a Ficha de exercícios para as aulas de problemas Classi que quanto à paridade as seguintes permutações de números de a : (i) () (ii) () (iii) () (iv) () (v) () (vi) () (vii) () (viii) () Na expressão do determinante de uma matriz do tipo diga qual o sinal que afecta cada uma das seguintes parcelas: (i) a a a a a a (ii) a a a a a a (iii) a a a a a a (iv) a a a a a a Veri que que a (i) a a a a a a a a (ii) (iii) det a n a n a n n a n a nn a a a a a a a a a a ( n )n a n :::a n a n a a a a Calcule os seguintes determinantes e diga quais são as matrizes singulares: (i) (ii) (iii) + p p + p p (iv) cos sen sen cos (v) (vi) 8 8 (vii) (viii) (ix) (x) (xi) (xii) (xiii) 8 a b (xiv) b a (xv) (xvi) b a b a b a 9
40 (xvii) (xx) 8 9 (xviii) (xxi) 9 8 n n n n (xix) 8 p 9 (i) Veri que que a matriz a e b f c g d h não é invertível para quaisquer a; b; c; d; e; f; g; h R (ii) Diga, para que valores de a; b; c; d; e; f; g; h; i; j R, é invertível a seguinte matriz a f b g c h d i e j Determine todos os valores do escalar para os quais a matriz A I é não invertível, onde A é dada por: (i) (ii) (iii) (iv) Indique três matrizes A do tipo tais que tr A det A nn 8 Seja A ; com R a) Diga, justi cando, quais são os valores de para os quais A é invertível b) Seja n N Calcule det (A ) n + (A ) n+ c) Considerando os valores de para os quais A é invertível, calcule a entrada (; ) da matriz inversa de A
41 9 Use a fórmula de inversão de matrizes para inverter: (i) (ii) (iii) Sejam A 9 B (i) Sem calcular A e B, determine as entradas (; ) de A e (; ) de B (ii) Veri que que det (A + B) det A + det B e det (A B) det A det B Use a regra de Cramer para calcular as soluções dos sistemas: 8 < x + y x + y (i) (ii) x + z x + y : x + y + z Sejam C e D 9 8 Veri que que C e D são invertíveis e calcule: (i) det (C ) (ii) det C (C) (iii) det C T C (iv) det C T C (v) det (C + D) (vi) det C T D D T C Sugestão: Sejam m N, escalar, A; B e S matrizes n n com S invertível, tem-se (a) det (AB) (det A) (det B) (b) det (B) n det B (c) det A T det A (d) det (A ) det A (e) (B) T B T (f) S m (S ) m Sejam A e B matrizes tais que det A p e det B Calcule det(at B ) a b c Sejam a; b; c; d; e; f R Sabendo que d e f g h i ; calcule: x y z d e f a b c a + d b + e c + f (i) g h i (ii) d e f (iii) d e f a b c g h i g h i i h g a g d (iv) f c e b d a (v) b h e c b a c i f
42 a b c Sejam a; b; c R Sabendo que ; calcule: a b c a b c (i) (ii) a + b + c a + b + c + a b c (iii) (iv) a + b + c + Sejam ; R Sabendo que ; calcule Seja R Veri que que Seja R Calcule o determinante da seguinte matriz do tipo n n Sejam e A (a ij ) nn Mostre que det A det i j a ij Que condições devem os parâmetros reais a; b e c veri car para que a matriz seja invertível? a a b b c c Veri que que (i) det x y y (y x ) (y x ) x x y (x ) (x ) x (ii) det (x ) (x ) x (x ) (x ) x (x x ) (x x ) (x x ) (x x ) (x x ) (x x ) (x ) (x ) x
43 Mostre que: b + c c + a b + a (i) a b c (ii) b + c b + c b + c c + a c + a c + a a + b a + b a + b a b c a b c a b c a + b a b c (iii) a + b a b c a + b a b c a b c a b c a b c a b a + b + c (iv) a b a + b + c a b a + b + c a b c a b c a b c Veri que que a + b c + d a + b c + d a c a c + a c b d + b d a c + b d b d : Sem calcular explicitamente o determinante, mostre que para x e x se tem x x Sem calcular o determinante, diga qual o coe ciente de x na expressão x x x x 9 8 x Resolva as seguintes equações x (i) (ii) x x x x x x x x x x x x x (iii) x x x x Sabendo que ; e 8 são múltiplos de, justi que que 8 é também múltiplo de, sem calcular o determinante 8 8 Sem calcular o determinante, veri que que é múltiplo de 9 Seja A (a ij ) nn com n ímpar e tal que a ij + a ji, para todos os i; j ; :::; n: Mostre que A não é invertível Isto é, toda a matriz anti-simétrica de ordem ímpar não é invertível Mostre que se uma matriz fôr ortogonal então o seu determinante ou é ou é E se a matriz fôr unitária?
44 Espaços lineares (ou Espaços vectoriais) De nição 8 Um conjunto não vazio V é um espaço linear (real) se existirem duas operações associadas a V, uma soma de elementos de V e um produto de escalares (números reais) por elementos de V, com as seguintes propriedades: (a) (Fecho da soma) Para quaisquer u; v V u + v V: (b) (Fecho do produto por escalares) Para quaisquer R e u V u V: (c) (Comutatividade da soma) Para quaisquer u; v V, u + v v + u: (d) (Associatividade da soma) Para quaisquer u; v; w V, u + (v + w) (u + v) + w: (e) (Elemento neutro da soma) Existe um elemento de V designado por tal que, para qualquer u V, u + u: (f) (Simétrico) Para cada (qualquer) u V existe v V tal que u + v : A v chama-se o simétrico de u e denota-se por u (g) (Associatividade do produto por escalares) Para quaisquer ; R e u V, (u) () u: (h) (Distributividade em relação à soma de vectores) Para quaisquer R e u; v V, (u + v) u + v: (i) (Distributividade em relação à soma de escalares) Para quaisquer ; R e u V, ( + ) u u + u: (j) Para qualquer u V, u u:
45 Observação Aos elementos de V chamaremos vectores Exemplo Exemplos de espaços lineares Seja R (i) R n f(x ; :::; x n ) : x ; :::; x n Rg, com as operações usuais: (u ; :::; u n ) + (v ; :::; v n ) (u + v ; :::; u n + v n ), (u ; :::; u n ) (u ; :::; u n ) (ii) M mn (R) (conjunto de todas as matrizes reais do tipo m n), com as operações (usuais): A + B e A (iii) O conjunto de todas as funções reais de variável real de nidas num conjunto S R, com as operações usuais: (f + g)(x) f(x) + g(x), (f)(x) f(x) (iv) O conjunto P fa + a t + ::: + a s t s : a ; a ; :::; a s R e s N g de todos os polinómios reais de variável real, com as operações usuais (v) Seja n N xo O conjunto P n fa + a t + ::: + a n t n : a ; a ; :::; a n Rg de todos os polinómios reais de variável real e de grau menor ou igual a n, com as operações usuais (a + a t + ::: + a n t n ) + (b + b t + ::: + b n t n ) a + b + (a + b ) t + ::: + (a n + b n ) t n (a + a t + ::: + a n t n ) a + (a ) t + ::: + (a n ) t n Observação Existem espaços lineares com operações não usuais: (i) O conjunto dos números reais R, com a soma de nida por u v u + v +, e o produto por escalares de nido por u u +, é um espaço linear (Neste caso o elemento neutro é ) (ii) O conjunto dos números reais maiores do que zero, com a soma de nida por u v uv, e o produto por escalares de nido por u u, é um espaço linear (Neste caso o elemento neutro é )
46 Observação Alterações nos conjuntos considerados anteriormente podem resultar em conjuntos que não são espaços lineares (i) O conjunto f(x; y) R : x e y g, com as operações usuais, não é um espaço linear Por exemplo, os simétricos não estão no conjunto (ii) O conjunto V fa + a t + ::: + a n t n : a ; a ; :::; a n R e a n g de todos os polinómios reais de grau igual a n, com as operações usuais, não é um espaço linear Por exemplo, para n > : t n ; t n + t V, mas t n + ( t n + t) t V (iii) O conjunto U ff : R! R tais que f() g, com as operações usuais, não é um espaço linear Por exemplo, se f ; f U, Logo, f + f U (f + f ) () f () + f () + De nição 9 Seja V um espaço linear Diz-se que S é um subespaço de V se S é um subconjunto de V e se S, com as operações de V, fôr um espaço linear Observação 8 No entanto, para mostrar que um certo conjunto S V é um subespaço do espaço linear V, não será necessário veri car as propriedades da de nição de espaço linear, como se pode ver no seguinte teorema Teorema Um subconjunto não vazio S de um espaço linear V é um subespaço de V se e só se: (i) Para quaisquer u; v S tem-se u + v S (ii) Para quaisquer R e u S tem-se u S Exemplo Exemplos de subespaços: (i) Os únicos subespaços do espaço linear R, com as operações usuais, são fg e R (ii) Os subespaços do espaço linear R, com as operações usuais, são: f(; ; )g, R, todas as rectas que passam pela origem e todos os planos que passam pela origem (iii) O conjunto de todas as matrizes (reais) triangulares superiores (do tipo n n) é um subespaço do espaço linear M nn (R), com as operações usuais (iv) O conjunto de todas as funções reais de nidas e contínuas em I R (I é um intervalo) é um subespaço do espaço linear de todas as funções f : I! R, com as operações usuais
Álgebra 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 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 maisAvaliação e programa de Álgebra Linear
Avaliação e programa de Álgebra Linear o Teste ( de Março): Sistemas de equações lineares e matrizes. Espaços lineares. o Teste ( de Maio): Matriz de mudança de base. Transformações lineares. o Teste (
Leia maisExercícios 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 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 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 maisApontamentos das Aulas Teóricas de Álgebra Linear. LEAN - LEMat - MEAer - MEAmbi - MEEC - MEMec. Nuno Martins. Departamento de Matemática
Apontamentos das Aulas Teóricas de Álgebra Linear para LEAN - LEMat - MEAer - MEAmbi - MEEC - MEMec Nuno Martins Departamento de Matemática Instituto Superior Técnico Fevereiro de 0 Índice Sistemas de
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 maisAlgumas Aplicações de Álgebra Linear. Análise de Redes (Network) Fluxo de Trânsito. Circuitos Eléctricos. Equilíbrio de Equações Químicas
Algumas Aplicações de Álgebra Linear Análise de Redes (Network) Fluxo de Trânsito Circuitos Eléctricos Equilíbrio de Equações Químicas Interpolação Polinomial Estudo de Modelos Económicos Compressão de
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 maisIntrodução ao estudo de equações diferenciais
Matemática (AP) - 2008/09 - Introdução ao estudo de equações diferenciais 77 Introdução ao estudo de equações diferenciais Introdução e de nição de equação diferencial Existe uma grande variedade de situações
Leia 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 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 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 maisAulas Teóricas de Álgebra Linear
Aulas Teóricas de Álgebra Linear Instituto Superior Técnico - o Semestre 009/00 MEAmbi - MEBiol Matrizes De nição Uma matriz A, do tipo m n (m por n), é uma tabela de mn números dispostos em m linhas e
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 maisÁlgebra Linear e Geometria Analítica
Álgebra Linear e Geometria Analítica Departamento de Matemática para a Ciência e Tecnologia Universidade do Minho 2005/2006 Engenharia e Gestão Industrial Engenharia Electrónica Industrial e de Computadores
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 maisAula 5 - Matemática (Gestão e Marketing)
ISCTE, Escola de Gestão Aula 5 - Matemática (Gestão e Marketing) Diana Aldea Mendes 29 de Outubro de 2008 Espaços Vectoriais Definição (vector): Chama-se vector edesigna-sepor v um objecto matemático caracterizado
Leia 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 maisUniversidade Estadual de Santa Cruz. Departamento de Ciências Exatas e Tecnológicas. Especialização em Matemática. Disciplina: Estruturas Algébricas
1 Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e Tecnológicas Especialização em Matemática Disciplina: Estruturas Algébricas Profs.: Elisangela S. Farias e Sérgio Motta Operações
Leia mais[ \ 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 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 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 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 maisInstituto Superior Técnico Departamento de Matemática Última actualização: 11/Dez/2003 ÁLGEBRA LINEAR A
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Última actualização: 11/Dez/2003 ÁLGEBRA LINEAR A FICHA 8 APLICAÇÕES E COMPLEMENTOS Sistemas Dinâmicos Discretos (1) (Problema
Leia maisInstituto Superior Técnico - Álgebra Linear - 1 o Semestre 2016/2017 LEIC-A 5 a Ficha de exercícios para as aulas de problemas
Instituto Superior Técnico - Álgebra Linear - o Semestre 0/0 LEIC-A a Ficha de exercícios para as aulas de problemas Classi que quanto à paridade as seguintes permutações de números de a : () () () (iv)
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 maisExercícios de Álgebra Linear
Exercícios de Álgebra Linear Mestrado Integrado em Engenharia do Ambiente Mestrado Integrado em Engenharia Biológica Nuno Martins Departamento de Matemática Instituto Superior Técnico Setembro de Índice
Leia mais11 a LISTA DE PROBLEMAS DE ÁLGEBRA LINEAR LEIC-Taguspark, LERCI, LEGI, LEE 1 o semestre 2003/04 - semana de 2003-12-08
INSTITUTO SUPERIOR TÉCNICO - DEPARTAMENTO DE MATEMÁTICA a LISTA DE PROBLEMAS DE ÁLGEBRA LINEAR LEIC-Taguspark LERCI LEGI LEE o semestre 23/4 - semana de 23-2-8. Diga justificando quais dos seguintes ternos
Leia mais[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 maisTruques e Dicas. = 7 30 Para multiplicar fracções basta multiplicar os numeradores e os denominadores: 2 30 = 12 5
Truques e Dicas O que se segue serve para esclarecer alguma questão que possa surgir ao resolver um exercício de matemática. Espero que lhe seja útil! Cap. I Fracções. Soma e Produto de Fracções Para somar
Leia maisUNIV ERSIDADE DO EST ADO DE SANT A CAT ARINA UDESC CENT RO DE CI ^ENCIAS T ECNOLOGICAS DEP ART AMENT O DE MAT EMAT ICA DMAT
UNIV ERSIDADE DO EST ADO DE SANT A CAT ARINA UDESC CENT RO DE CI ^ENCIAS T ECNOLOGICAS CCT DEP ART AMENT O DE MAT EMAT ICA DMAT Professora Graciela Moro Exercícios sobre Matrizes, Determinantes e Sistemas
Leia 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 maisMatrizes e Determinantes
Capítulo 1 Matrizes e Determinantes 11 Generalidades Iremos usar K para designar IR conjunto dos números reais C conjunto dos números complexos Deste modo, chamaremos números ou escalares aos elementos
Leia 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 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 maisMATEMÁTICA GEOMETRIA ANALÍTICA I PROF. Diomedes. E2) Sabendo que a distância entre os pontos A e B é igual a 6, calcule a abscissa m do ponto B.
I- CONCEITOS INICIAIS - Distância entre dois pontos na reta E) Sabendo que a distância entre os pontos A e B é igual a 6, calcule a abscissa m do ponto B. d(a,b) = b a E: Dados os pontos A e B de coordenadas
Leia mais4 Sistemas de Equações Lineares
Nova School of Business and Economics Apontamentos Álgebra Linear 4 Sistemas de Equações Lineares 1 Definição Rank ou característica de uma matriz ( ) Número máximo de linhas de que formam um conjunto
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 mais2 Matrizes. 3 Definição Soma de duas matrizes, e ( ) 4 Propriedades Propriedades da soma de matrizes ( )
Nova School of Business and Economics Apontamentos Álgebra Linear 1 Definição Matriz ( ) Conjunto de elementos dispostos em linhas e colunas. Ex.: 0 1 é uma matriz com 2 linhas e 3 colunas. 2 Definição
Leia maisEquações Diferenciais Ordinárias
Equações Diferenciais Ordinárias Uma equação diferencial é uma equação que relaciona uma ou mais funções (desconhecidas com uma ou mais das suas derivadas. Eemplos: ( t dt ( t, u t d u ( cos( ( t d u +
Leia maisCapítulo 1: Sistemas Lineares e Matrizes
1 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 1: Sistemas Lineares e Matrizes Sumário 1 O que é Álgebra Linear?............... 2 1.1 Corpos.........................
Leia maisPor que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,...
Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... 0) O que veremos na aula de hoje? Um fato interessante Produtos notáveis Equação do 2º grau Como fazer a questão 5 da 3ª
Leia maisTópicos Matriciais Pedro Henrique O. Pantoja Natal / RN
1. Traço de Matrizes. Definição 1.1: O traço de uma matriz quadrada A a de ordem n é a soma dos elementos da diagonal principal. Em símbolos, TrA a a a a. Daqui em diante, A denotará uma matriz quadrada
Leia 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 maisPROVA DE MATEMÁTICA DA UFBA VESTIBULAR 2011 1 a Fase. RESOLUÇÃO: Profa. Maria Antônia Gouveia.
PROVA DE MATEMÁTICA DA UFBA VESTIBULAR a Fase Profa. Maria Antônia Gouveia. Questão. Considerando-se as funções f: R R e g: R R definidas por f(x) = x e g(x) = log(x² + ), é correto afirmar: () A função
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 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 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 maisE A D - S I S T E M A S L I N E A R E S INTRODUÇÃO
E A D - S I S T E M A S L I N E A R E S INTRODUÇÃO Dizemos que uma equação é linear, ou de primeiro grau, em certa incógnita, se o maior expoente desta variável for igual a um. Ela será quadrática, ou
Leia 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 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 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 maisEste apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade,
D Resumo de Álgebra Matricial Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade, necessária para o estudo de modelos de regressão linear múltipla usando matrizes,
Leia 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 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 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 mais2.2 Subespaços Vetoriais
32 CAPÍTULO 2. ESPAÇOS VETORIAIS 2.2 Subespaços Vetoriais Sejam V um espaço vetorial sobre R e W um subconjunto de V. Dizemos que W é um subespaço (vetorial) de V se as seguintes condições são satisfeitas:
Leia maisRecordamos 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 maisCURSO ONLINE RACIOCÍNIO LÓGICO
AULA QUINZE: Matrizes & Determinantes (Parte II) Olá, amigos! Pedimos desculpas por não ter sido possível apresentarmos esta aula na semana passada. Motivos de força maior nos impediram de fazê-lo, mas
Leia maisUniversidade Federal do Rio Grande do Norte. Centro De Ciências Exatas e da Terra. Departamento de Física Teórica e Experimental
Universidade Federal do Rio Grande do Norte Centro De Ciências Exatas e da Terra Departamento de Física Teórica e Experimental Programa de Educação Tutorial Curso de Nivelamento: Pré-Cálculo PET DE FÍSICA:
Leia maisITA - 2005 3º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR
ITA - 2005 3º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR Matemática Questão 01 Considere os conjuntos S = {0,2,4,6}, T = {1,3,5} e U = {0,1} e as afirmações: I. {0} S e S U. II. {2} S\U e S T U={0,1}.
Leia maisLIMITES e CONTINUIDADE de FUNÇÕES. : R R + o x x
LIMITES e CONTINUIDADE de FUNÇÕES Noções prévias 1. Valor absoluto de um número real: Chama-se valor absoluto ou módulo de um número real ao número x tal que: x se x 0 x = x se x < 0 Está assim denida
Leia maisElementos de Matemática Discreta
Elementos de Matemática Discreta Prof. Marcus Vinícius Midena Ramos Universidade Federal do Vale do São Francisco 9 de junho de 2013 marcus.ramos@univasf.edu.br www.univasf.edu.br/~marcus.ramos Marcus
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA DE VISEU DEPARTAMENTO DE MATEMÁTICA
INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA DE VISEU DEPARTAMENTO DE MATEMÁTICA Apontamentos: Curso de Conhecimentos Básicos de Matemática Cursos do Departamento de Gestão Maria Cristina
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 mais2. O número de vectores da base de L construída na alínea anterior é a soma do número de vectores das bases de M e N.
2.4. PROJECÇÕES 2. dim(l)=dim(m)+dim(n) Demonstração. Se L=M N, qualquer vector x L se pode escrever de forma única como a soma de um vector x M M e outro vector x N N. 1. Dada uma base de M, x M pode
Leia maisCapítulo 2: Transformação de Matrizes e Resolução de Sistemas
2 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 2: Transformação de Matrizes e Resolução de Sistemas Sumário 1 Transformação de Matrizes.............. 3 1.1
Leia maisMatemática. Euclides Roxo. David Hilbert. George F. B. Riemann. George Boole. Niels Henrik Abel. Karl Friedrich Gauss.
Matemática Jacob Palis Álgebra 1 Euclides Roxo David Hilbert George F. B. Riemann George Boole Niels Henrik Abel Karl Friedrich Gauss René Descartes Gottfried Wilhelm von Leibniz Nicolaus Bernoulli II
Leia maisDiagonalização unitária e diagonalização ortogonal. (Positividade do produto interno) Raíz quadrada. Formas quadráticas.
Aplicações: Diagonalização unitária e diagonalização ortogonal (Positividade do produto interno) Raíz quadrada Formas quadráticas Mínimos quadrados Produto externo e produto misto (Área do paralelogramo.
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 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 mais6 SINGULARIDADES E RESÍDUOS
6 SINGULARIDADES E RESÍDUOS Quando uma função f (z) não é diferenciável num complexo z 0 ; diremos que z 0 é uma singularidade de f (z) ; z 0 dir-se-á uma singularidade isolada de f (z) se, contudo, f
Leia maisLista de Exercícios 03
Lista de Exercícios 03 Aplicações das relações e funções no cotidiano Ao lermos um jornal ou uma revista, diariamente nos deparamos com gráficos, tabelas e ilustrações. Estes, são instrumentos muito utilizados
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 mais(Todos os cursos da Alameda) Paulo Pinto
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Resumo das Aulas Teóricas de 2 o Semestre 2004/2005 (Todos os cursos da Alameda) Paulo Pinto Álgebra Linear Conteúdo Sistemas
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 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 maisa m1 A ou [ A] ou A ou A A = a ij para i = 1 m e j = 1 n A=[ 1 2 3 Os elementos da diagonal principal são: a ij para i = j
Cap. 2.- Matrizes e Sistemas Lineares 2.. Definição Matriz é um conjunto organizado de números dispostos em linhas e colunas. Representações Matriz retangular A, m x n (eme por ene) a 2 a n A=[a a 2 a
Leia mais2.1A Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1
2.1 Domínio e Imagem 2.1A Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = (d) f (x) = 1 3 x + 5 1 3 (e) g (x) 2x (f) g (x) = jj 8 8 < x, se x 2
Leia maisPOLINÔMIOS. x 2x 5x 6 por x 1 x 2. 10 seja x x 3
POLINÔMIOS 1. (Ueg 01) A divisão do polinômio a) x b) x + c) x 6 d) x + 6 x x 5x 6 por x 1 x é igual a:. (Espcex (Aman) 01) Os polinômios A(x) e B(x) são tais que A x B x x x x 1. Sabendo-se que 1 é raiz
Leia mais1. Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1.
2.1 Domínio e Imagem EXERCÍCIOS & COMPLEMENTOS 1.1 1. Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1 3 (e) g (x) 2x
Leia 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 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 maisRetas e Planos. Equação Paramétrica da Reta no Espaço
Retas e lanos Equações de Retas Equação aramétrica da Reta no Espaço Considere o espaço ambiente como o espaço tridimensional Um vetor v = (a, b, c) determina uma direção no espaço Dado um ponto 0 = (x
Leia mais. Determine os valores de P(1) e P(22).
Resolução das atividades complementares Matemática M Polinômios p. 68 Considere o polinômio P(x) x x. Determine os valores de P() e P(). x x P() 0; P() P(x) (x x)? x (x ) x x x P()? 0 P() ()? () () 8 Seja
Leia maisNIVELAMENTO MATEMÁTICA 2012
NIVELAMENTO MATEMÁTICA 202 Monitor: Alexandre Rodrigues Loures Monitor: Alexandre Rodrigues Loures SUMÁRIO. LOGARITMOS... 3.. Mudança de base... 3.2. Propriedades dos logaritmos... 4 2. DERIVADAS... 4
Leia mais94 (8,97%) 69 (6,58%) 104 (9,92%) 101 (9,64%) 22 (2,10%) 36 (3,44%) 115 (10,97%) 77 (7,35%) 39 (3,72%) 78 (7,44%) 103 (9,83%)
Distribuição das 1.048 Questões do I T A 94 (8,97%) 104 (9,92%) 69 (6,58%) Equações Irracionais 09 (0,86%) Equações Exponenciais 23 (2, 101 (9,64%) Geo. Espacial Geo. Analítica Funções Conjuntos 31 (2,96%)
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 maisx As VpULHVGHSRWrQFLDV são um caso particularmente importante das séries de funções, com inúmeras aplicações tanto teóricas como práticas.
Å 6pULHV GH SRWrQFLDV As VpULHVGHSRWrQFLDV são um caso particularmente importante das séries de funções, com inúmeras aplicações tanto teóricas como práticas. Um eemplo típico é a série, O cálculo do valor
Leia mais4. Tangentes e normais; orientabilidade
4. TANGENTES E NORMAIS; ORIENTABILIDADE 91 4. Tangentes e normais; orientabilidade Uma maneira natural de estudar uma superfície S consiste em considerar curvas γ cujas imagens estão contidas em S. Se
Leia maisENSINO ENS. FUNDAMENTAL PROFESSOR(ES) TURNO. 01. A) 83 16 B) 3 2005 D) 103 a. 02. A) 5 2 B) 3 2 C) 6 2 D) a 2006 E) (ab) 3 F) (3a) p 03.
SÉRIE 8º ANO OLÍMPICO ENSINO ENS. FUNDAMENTAL PROFESSOR(ES) SEDE ALUNO(A) Nº RESOLUÇÃO TURMA TURNO DATA / / ÁLGEBRA CAPÍTULO POTENCIAÇÃO Exercícios orientados para a sua aprendizagem (Pág. 6 e 7) 0. A)
Leia maisQUESTÕES DE ESCOLHA MÚLTIPLA
ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA 9/ TÓPICOSDERESOLUÇÃODO o TESTE(DIURNO) QUESTÕES DE ESCOLHA MÚLTIPLA. [,]SejamAeB duas matrizes
Leia maisFundamentos de Matemática Elementar (MAT133)
Fundamentos de Matemática Elementar (MAT133) Notas de aulas Maria Julieta Ventura Carvalho de Araújo (Colaboração: André Arbex Hallack) Março/2010 i Índice 1 Conjuntos 1 1.1 A noção de conjunto e alguns
Leia maisMétodos Numéricos. A. Ismael F. Vaz. Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.
Métodos Numéricos A. Ismael F. Vaz Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Mestrado Integrado em Engenharia Mecânica Ano lectivo 2007/2008 A.
Leia mais4 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 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 maisRevisão para a Bimestral 8º ano
Revisão para a Bimestral 8º ano 1- Quadrado da soma de dois termos Observe: (a + b)² = ( a + b). (a + b) = a² + ab+ ab + b² = a² + 2ab + b² Conclusão: (primeiro termo)² + 2.(primeiro termo). (segundo termo)
Leia mais