ÁLGEBRA LINEAR ISBN
|
|
- Pedro Henrique Ávila Pereira
- 8 Há anos
- Visualizações:
Transcrição
1 . ÁLGEBRA LINEAR ISBN ROBERTO DE MARIA NUNES MENDES Professor do Departamento de Matemática e Estatística e do Programa de Pós-graduação em Engenharia Elétrica da PUCMINAS Belo Horizonte Edição do Autor 2013
2 Sumário Prefácio 1 1 Espaços Vetoriais Definições e Exemplos Subespaços Independência Linear. Bases. Dimensão Espaços Produto e Quociente Somas e Somas Diretas Exercícios do Capítulo Aplicações Lineares Definições e Exemplos Composição e Inversão de Aplicações Lineares Álgebra das Aplicações Lineares Exercícios do Capítulo Matrizes Definições Produto de Matrizes Aplicação Linear Matriz Mudança de Bases Exercícios do Capítulo Formas Lineares. Dualidade Definição Anulador de um Subespaço Transposição Exercícios do Capítulo Determinantes Aplicações r-lineares alternadas i
3 SUMÁRIO ii 5.2 Determinante de um Operador Linear Desenvolvimento em relação aos elementos de uma coluna (ou de uma linha) Matrizes Elementares Equações Lineares Autovalores e Autovetores Definições Diagonalização Polinômios de Operadores e Matrizes Exercícios do Capítulo Produto Interno Definições e Exemplos Bases Ortonormais Relações entre V e V Adjunta Exercícios do Capítulo Operadores Unitários e Normais Definições Operadores Positivos Matrizes Simétricas Positivas. Decomposição de Cholesky Teorema dos Valores Singulares Exercícios do Capítulo Formas Bilineares e Quadráticas Generalidades Matriz de uma forma bilinear Mudanças de Bases Formas Quadráticas Formas Bilineares Simétricas Reais Miscelânea Orientação Volume de Paralelepípedo Matriz de Gram Produto Vetorial Exercícios de Revisão 142 Bibliografia 144
4 Prefácio A origem desse livro de Álgebra Linear remonta a um curso feito para alunos do Bacharelado em Matemática da UFMG. Na ocasião, fizemos uma primeira redação revista pelos professores do ICEx-UFMG, Michel Spira e Wilson Barbosa, a quem muito agradecemos. Mais recentemente, retomamos o trabalho e, após várias mudanças, aproveitamos parte do material na disciplina Métodos Matemáticos do Programa de Pós-Graduação em Engenharia Elétrica da PUCMINAS. A versão final do livro foi revista pela professora Mariana Cornelissen Hoyos, a quem agradecemos a generosa assistência. A leitura do Sumário mostra que se trata de um livro básico de Álgebra Linear que procura desenvolver o assunto com cuidado no aspecto teórico, visando a boa formação do profissional. Para aprofundamento na matéria deve-se recorrer aos livros indicados na Bibliografia, que utilizamos livremente. A digitação do manuscrito foi feita, com eficiência e boa vontade, por Eric Fernandes de Mello Araújo, a quem agradecemos. Ao leitor, bom proveito. Belo Horizonte, janeiro de 2013 Roberto N. Mendes 1
5 Capítulo 1 Espaços Vetoriais 1.1 Definições e Exemplos Seja K um corpo com elementos neutros distintos 0 e 1, por exemplo, K = R ou K = C. Definição 1.1 Um espaço vetorial sobre K é um conjunto V munido de duas leis: V V V e K V V (u, v) u + v (a, v) av tais que, para quaisquer u, v, w V e a, b K, se tenha: (1) u + v = v + u (2) (u + v) + w = u + (v + w) (3) existe 0 V, chamado o vetor zero, tal que v + 0 = v (4) dado v V, existe ( v) V, chamado o oposto de v, tal que v+( v) = 0 (5) 1 v = v (6) a(bv) = (ab)v (7) a(u + v) = au + av (8) (a + b)v = av + bv. Exemplo Seja V = K n, onde n N, com as leis: e (x 1,..., x n ) + (y 1,..., y n ) = (x 1 + y 1,..., x n + y n ) a(x 1,..., x n ) = (ax 1,..., ax n ). É fácil verificar que, com estas leis, K n é um espaço vetorial sobre K. 2
6 CAPÍTULO 1. ESPAÇOS VETORIAIS 3 Observação: Os elementos de um espaço vetorial V são chamados de vetores, enquanto que os de K são chamados de escalares. Essa nomenclatura deriva do exemplo acima. As leis são chamadas de adição e multiplicação por escalar, respectivamente. No exemplo 1.1.1, se n = 1, vemos que K é um espaço vetorial sobre si mesmo, de modo que seus elementos são, ao mesmo tempo, escalares e vetores. Exemplo Seja V = P n, onde n N, o conjunto das funções polinomiais de grau estritamente menor que n, com coeficientes em K, juntamente com a função zero. Se p = a 0 +a 1 t+...+a n 1 t n 1 e q = b 0 +b 1 t+...+b n 1 t n 1, definimos p + q V e cp V, onde c K, por: p + q = (a 0 + b 0 ) + (a 1 + b 1 )t (a n 1 + bn 1)t n 1 cp = ca 0 + ca 1 t ca n 1 t n 1 Resulta que P n é um espaço vetorial sobre K. Exemplo Seja V = K[t] o conjunto de todos os polinômios a uma variável, com coeficientes em K. Definindo as leis como no exemplo 1.1.2, é imediato que K[t] é um espaço vetorial sobre K. Exemplo Seja V = F(I, R) o conjunto das funções f : I R, onde I R é um intervalo. Se f, g V e a R, definimos f + g e af por: (f + g)(x) = f(x) + g(x) (af)(x) = a f(x) para todo x I. Verifica-se imediatamente que essas leis tornam F(I, R) um espaço vetorial real, isto é, sobre R. Consequências Imediatas da Definição (a) Se u, v V definimos: Se a K, então u v = u + ( v) a(u v) + av = a[(u v) + v] = a[u + ( v) + v] = a(u + 0) = au. Somando av aos dois membros, vem: a(u v) + av av = au av,
7 CAPÍTULO 1. ESPAÇOS VETORIAIS 4 donde: a(u v) = au av. Fazendo u = v, obtemos a 0 = 0 e também a( v) = a(0 v) = a 0 av = av. (b) Se a, b K e v V, então: (a b)v + bv = (a b + b)v = av, donde: (a b)v = av bv Fazendo a = b, vem 0 v = 0 e também ( a)v = (0 a)v = 0 v av = av. (c) Para todo a K e todo v V vimos que 0 v = a 0 = 0 Suponhamos que av = 0. Se a 0 então 0 = a 1 0 = a 1 (av) = 1 v = v. Portanto, av = 0 implica ou a = 0 ou v = 0. Exercícios 1. O conjunto de todos os polinômios de grau 3, com coeficientes reais e munido das leis usuais, juntamente com o polinômio zero, forma um espaço vetorial real? 2. Dê exemplo de um conjunto M que verifique todos os axiomas de espaço vetorial, exceto 1 v = v para todo v M.
8 CAPÍTULO 1. ESPAÇOS VETORIAIS 5 3. O conjunto das sequências complexas z = (z n ) n 1 tais que z n+2 = z n+1 + z n, n 1, munido das leis usuais, forma um espaço vetorial complexo? 4. O conjunto das funções f : R R duas vezes continuamente deriváveis e tais que f + af + bf = 0 (a e b reais fixos), munido das leis usuais, forma um espaço vetorial real? 5. Prove que o conjunto das funções limitadas f : R R, munido das leis usuais, é um espaço vetorial real. n=1 6. Seja l 1 (N) o conjunto das sequências x = (x n ) n 1 onde x n C e x n <. Prove que, com as leis usuais, l 1 (N) é um espaço vetorial complexo. 1.2 Subespaços Seja V um espaço vetorial sobre o corpo K. Definição 1.2 Dizemos que W V é um subespaço de V se: (a) 0 W (b) u, v W = u + v W (c) a K, v W = av W É claro que W, com as leis induzidas pelas de V, é um espaço vetorial sobre K. Exemplo Em V = K n verifica-se imediatamente que W = {(x 1,..., x n ) K n ; x 1 = 0} é um subespaço. Exemplo Em V = F(R, R), espaço vetorial real das funções f : R R, o subconjunto formado pelas funções contínuas é um subespaço. Proposição 1.1 Seja V um espaço vetorial sobre K. A interseção de uma família qualquer de subespaços de V é um subespaço de V. Dem. Seja (W α ) α A uma família de subespaços de V, e seja W = α A W α. Então:
9 CAPÍTULO 1. ESPAÇOS VETORIAIS 6 (a) 0 W pois 0 W α para todo α A. (b) u, v W u, v W α para todo α A = (u + v) W α para todo α A = (u + v) W. (c) α K, v W = av W α para todo α A = av W. Definição 1.3 Seja X um subconjunto não-vazio do espaço vetorial V sobre m K. Todo elemento da forma a 1 v a m v m = a i v i, onde m N, v i X, a i K, 1 i m, é chamado de combinação linear de elementos de X. É fácil verificar que o conjunto de todas as combinações lineares de elementos de X é um subespaço de V, chamado de subespaço gerado por X. Proposição 1.2 O subespaço gerado por X V, X, é a interseção de todos os subespaços de V contendo X, ou seja, é o menor (para a inclusão de conjuntos) subespaço de V contendo X. Dem. Seja (W α ) α A a família de todos os subespaços de V contendo X. Sabemos que W = α A W α é um subespaço de V. É claro que W contém X e, portanto, que W contém todas as combinações lineares de elementos de X, ou seja, W contém o subespaço S gerado por X. Como S é um subespaço de V contendo X, temos que W S. Resulta W = S. Exercícios 1. Seja V = F(R, R) o espaço vetorial real das funções f : R R. Verifique se W é subespaço de V nos seguintes casos: (a) W = conjunto das funções pares (b) W = conjunto das funções ímpares (c) W = conjunto das funções deriváveis (d) W = conjunto das funções C 2. Qual a expressão do elemento genérico do subespaço de K[t] gerado pelos polinômios t 2 e t 3? 3. Verifique se W = {(x, y, z) R 3 ; x = 2y} é subespaço de R Mostre que W = {(0, y, z) R 3 } é gerado por (0, 1, 1) e (0, 2, 1). 5. Mostre que o conjunto das funções f : R R de classe C 2 tais que f + af + bf = 0 (a e b reais fixos) é um subespaço de F(R, R). 6. Mostre que, em geral, a união de dois subespaços não é um subespaço.
10 CAPÍTULO 1. ESPAÇOS VETORIAIS Independência Linear. Bases. Dimensão Definição 1.4 Sejam X, X V, V um espaço vetorial sobre K. Dizemos que X é linearmente independente se, quaisquer que sejam v 1,..., v m X, m N, a equação a 1 v a m v m = 0, onde a 1,..., a m K, implica a 1 = a 2 =... = a m = 0. Se X não é linearmente independente (LI) dizemos que X é linearmente dependente (LD); neste caso, existem v 1,..., v p X, p N, e escalares não todos nulos, a 1,..., a p, tais que a 1 v a p v p = 0. Exemplo Em K n consideremos os vetores e 1 = (1, 0,..., 0) e 2 = (0, 1,..., 0). e n = (0,..., 0, 1) Esses vetores são LI, pois a 1 e a n e n = (a 1,..., a n ) = 0 = (0,..., 0) a 1 = 0,..., a n = 0. Exemplo Em P n os vetores 1, t,..., t n 1 são LI pois a 0 + a 1 t a n 1 t n 1 = 0 implica a 0 = a 1 =... = a n 1 = 0. Exemplo No espaço das funções f : R R de classe C 1 consideremos os vetores f 1 (t) = e r 1t, f 2 (t) = e r 2t onde r 1 r 2 são reais. f 1, f 2 são LI pois se a 1 f 1 + a 2 f 2 = 0 então a 1 e r 1t + a 2 e r 2t = 0 para todo t R, donde a 1 e (r 1 r 2 )t + a 2 = 0 para todo t R. Derivando: a 1 (r 1 r 2 )e (r 1 r 2 )t = 0 para todo t R, donde a 1 = 0 e, portanto, a 2 = 0. Exemplo Consideremos os elementos 1 e i de C. Considerando C como um espaço vetorial real, 1 e i são LI. Considerando C como um espaço vetorial complexo, 1 e i são LD. Proposição 1.3 Se v 1,..., v n são vetores LI em V e a 1 v a n v n = b 1 v b n v n, com a i K, b i K (1 i n), então a i = b i para todo i. Dem. A relação dada é equivalente a (a 1 b 1 )v (a n b n )v n = 0, donde a 1 b 1 =... = a n b n = 0, isto é, a i = b i para i = 1, 2,..., n.
11 CAPÍTULO 1. ESPAÇOS VETORIAIS 8 Definição 1.5 Seja V um espaço vetorial sobre K. Dizemos que G V gera V ou que G V é um conjunto de geradores de V se todo v V é combinação linear de vetores de G, ou seja, se o subespaço gerado por G é V. Dizemos que o conjunto de geradores G é mínimo se, qualquer que seja g G, o conjunto G 1 = G {g} não gera V. Exemplo Em K n os vetores e 1 = (1, 0,..., 0),..., e n = (0,..., 0, 1) formam um conjunto de geradores mínimo. Definição 1.6 Seja X V um conjunto LI no espaço vetorial V. Dizemos que X é um conjunto linearmente independente máximo se, para todo v V, v / X, o conjunto X 1 = X {v} é LD. Exemplo Os vetores e 1 = (1, 0,..., 0),..., e n = (0,..., 0, 1) de K n formam um conjunto LI máximo. Proposição 1.4 Sejam v 1,..., v m vetores LI do espaço vetorial V gerado por w 1,..., w p. Então m p e, alterando-se eventualmente a numeração dos w i, os vetores v 1,..., v m, w m+1,..., w p ainda geram V. Dem. Seja v 1 = a 11 w a p1 w p ; sem perda de generalidade podemos supor a 11 0 e, então: w 1 = b 11 v 1 + b 21 w b p1 w p. Logo, toda combinação linear de w 1,..., w p também é combinação linear de v 1, w 2,..., w p, ou seja, estes vetores geram V. Seja v 2 = a 12 v 1 +a 22 w a p2 w p ; ao menos um dos escalares a 22,..., a p2 é diferente de zero pois v 1 e v 2 são LI. Podemos supor a 22 0 e, então: w 2 = b 12 v 1 + b 22 v 2 + b 32 w b p2 w p, e toda combinação linear de v 1, w 2,...w p é também combinação linear de v 1, v 2, w 3,..., w p, ou seja, estes vetores geram V. Repetindo essa operação um número finito de vezes, vemos que, para r min(m, p), os vetores v 1,..., v r, w r+1,..., w p geram V. Se fosse m > p, tomando r = p, teríamos que v 1,..., v p gerariam V e, portanto, v p+1,..., v m seriam combinações lineares de v 1,..., v p, o que é absurdo já que v 1,..., v m são LI. Portanto, m p e, ao fim de um número finito de operações, obteremos o conjunto de geradores v 1,..., v m, w m+1,..., w p.
12 CAPÍTULO 1. ESPAÇOS VETORIAIS 9 Corolário Se w 1,..., w p geram V e n > p, então v 1,..., v n são LD. Em particular, p + 1 vetores que são combinações lineares de p vetores quaisquer são LD. Proposição 1.5 Seja X um subconjunto não-vazio do espaço vetorial V sobre K. As propriedades seguintes são equivalentes: (a) X é LI e gera V (b) X é um conjunto de geradores mínimo (c) X é um conjunto LI máximo Dem. (a) (b): Sejam x X, Y = X {x}. Se x fosse combinação linear de vetores de Y, x = a i y i, y i Y, a i K, 1 i n, então X seria LD, contradição. Portanto, Y não gera V, o que mostra que X é mínimo. (b) (c): Se X fosse LD existiriam vetores x, x 1,..., x n de X e escalares a, a 1,..., a n, não todos nulos, tais que ax+a 1 x a n x n = 0. Sem perda de generalidade podemos supor a 0, donde x = b 1 x b n x n e, portanto, X não seria mínimo, contradição. Além disso, X é (um conjunto LI) máximo m pois, dado v V, temos v = a i x i, x i X, a i K, 1 i m, ou seja, X {v} é LD. (c) (a): Seja v V, v / X, então Y = X {v} é LD e existem vetores x 1,..., x n de X e escalares a, a 1,..., a n, não todos nulos, tais que av + a 1 x a n x n = 0. Se fosse a = 0 resultaria X LD. Então a 0 e v = b 1 x b n x n, isto é, X gera V (e é LI). Definição 1.7 Seja V um espaço vetorial sobre K. X V, X, é uma base de V se X possui uma das (e portanto as três) propriedades da proposição 1.5. Se V tem uma base finita X = {v 1,..., v n } dizemos que V tem dimensão finita; neste caso, se v V, então v se escreve de modo único na forma v = a 1 v a n v n, a i K, 1 i n. Proposição 1.6 Sejam {v 1,..., v n } e {w 1,..., w p } bases do espaço vetorial V sobre K. Então: n = p
13 CAPÍTULO 1. ESPAÇOS VETORIAIS 10 Dem. Como v 1,..., v n são LI e w 1,..., w p geram V, temos n p. Por simetria, p n. Logo, n = p. Definição 1.8 Sejam V um espaço vetorial sobre K e {v 1,..., v n } uma base de V. Dizemos que n é a dimensão de V sobre K. Por definição a dimensão de V = {0} é zero. Notação: n = dim K V ou n = dim V Exemplo K n tem dimensão n e {e 1,..., e n } é uma base de K n, chamada de base canônica. Exemplo {1, t,..., t n 1 } é base de P n, donde dim P n = n. Exemplo V = K[t] não tem dimensão finita sobre K. Exemplo dim R C = 2 e {1, i} é uma base. dim C C = 1 e {1} é uma base. Uma base de C n sobre R é {e 1, ie 1, e 2, ie 2,..., e n, ie n }. Corolários: (1) Se dim V = n e v 1,..., v n são LI, então {v 1,..., v n } é base de V (pois é um conjunto LI máximo). (2) Se W é subespaço de V e dim W = dim V, então W = V (pois toda base de W é também base de V ). (3) Se dim V = n e m > n então os vetores v 1,..., v m são LD (pois o número máximo de vetores LI é n). Proposição 1.7 Seja V um espaço vetorial de dimensão n sobre K. Sejam v 1,..., v r, r < n, vetores LI. Então existem v r+1,..., v n V tais que {v 1,..., v r, v r+1,..., v n } seja base de V. Dem. Como r < n, {v 1,..., v r } não é um conjunto LI máximo; logo, existe v r+1 V tal que {v 1,..., v r, v r+1 } seja LI. Se r + 1 < n podemos repetir o argumento. Após um número finito de repetições obteremos n vetores LI, v 1,..., v n, ou seja {v 1,..., v n } é base de V. Exercícios 1. Mostre que t 3 t 2 + 1, q = t 2 1 e r = 2t 3 + t 1 são LI em P 4.
14 CAPÍTULO 1. ESPAÇOS VETORIAIS Prove que f, g, h F(R, R) são LI, onde f(t) = t, g(t) = e t e h(t) = sen t. 3. Ache uma condição necessária e suficiente para que u = (a, b) K 2 e v = (c, d) K 2 sejam LD. 4. Seja W o subespaço de P 4 gerado por u = t 3 t 2 + 1, v = t 2 1 e w = t 3 3t Ache uma base para W. 5. Existe alguma base de P 4 que não contenha nenhum polinômio de grau 2? 6. Seja (v 1,..., v m ) uma sequência de vetores não-nulos do espaço vetorial V. Prove que se nenhum deles é combinação linear dos anteriores então o conjunto {v 1,..., v m } é LI. 7. Seja V um espaço vetorial de dimensão finita. Prove que todo conjunto de geradores de V contém uma base. 1.4 Espaços Produto e Quociente Sejam V 1 e V 2 espaços vetoriais sobre K e V = V 1 V 2 = {(v 1, v 2 ); v 1 V 1, v 2 V 2 } seu produto cartesiano. Vamos introduzir em V uma estrutura vetorial, definindo: (v 1, v 2 ) + (u 1, u 2 ) = (v 1 + u 1, v 2 + u 2 ) a(v 1, v 2 ) = (av 1, av 2 ), a K É imediato verificar que, com estas leis, V = V 1 V 2 é um espaço vetorial sobre K. A definição do espaço produto se estende a um número finito qualquer de espaços vetoriais. Se V 1,..., V n são espaços vetoriais sobre K e V = V 1... V n, definimos: (v 1,..., v n ) + (u 1,..., u n ) = (v 1 + u 1,..., v n + u n ) a(v 1,..., v n ) = (av 1,..., av n ), a K Desta maneira V fica munido de uma estrutura vetorial sobre K. Proposição 1.8 Se V 1 e V 2 têm dimensão finita sobre K, então dim(v 1 V 2 ) = dim V 1 + dim V 2.
15 CAPÍTULO 1. ESPAÇOS VETORIAIS 12 Dem. Sejam {v 1,..., v n } e {u 1,..., u p }, respectivamente, bases de V 1 e V 2. Vamos provar que {(v 1, 0),..., (v n, 0), (0, u 1 ),..., (0, u p )} é base de V 1 V 2. Se v V 1 e u V 2, existem escalares a i, b j tais que v = a 1 v a n v n e u = b 1 u b p u p. Então: (v, u) = (a 1 v a n v n, b 1 u b p u p ) = = a 1 (v 1, 0) a n (v n, 0) + b 1 (0, u 1 ) b p (0, u p ), o que mostra que os vetores (v 1, 0),..., (0, u p ) geram V 1 V 2. Se tivermos a 1 (v 1, 0) a n (v n, 0) + b 1 (0, u 1 ) b p (0, u p ) = 0 então (a 1 v a n v n, b 1 u b p u p ) = (0, 0), donde a 1 v a n v n = 0 e b 1 u b p u p = 0, que implicam a 1 =... = a n = 0 e b 1 =... = b p = 0, ou seja, os vetores (v 1, 0),..., (0, u p ) são LI. Definição 1.9 Sejam V um espaço vetorial sobre K e W um seu subespaço. Se v V definimos v + W por: v + W = {v + w; w W } Observemos que v + W = u + W v u W. Seja V = {v + W ; v V }. Para introduzir uma estrutura vetorial sobre W V W definamos: (v + W ) + (u + W ) = (v + u) + W a(v + W ) = av + W, a K. Essas leis estão bem definidas pois se u+w = u 1 +W e v +W = v 1 +W, então (v 1 + W ) + (u 1 + W ) = (u 1 + v 1 ) + W = (u + v) + W = = (v + W ) + (u + W ), já que (u 1 + v 1 ) (u + v) = = (u 1 u) + (v 1 v) W. Analogamente, se a K e v 1 + W = v + W, temos: a(v 1 + W ) = av 1 + W = av + W = a(v + W ) pois av 1 av = a(v 1 v) W.
16 CAPÍTULO 1. ESPAÇOS VETORIAIS 13 É pura rotina verificar que, com estas leis, V se torna um espaço vetorial W sobre K. O elemento neutro da adição em V W é a classe W = 0 + W. V W é chamado de espaço vetorial quociente de V por W. Exemplo Sejam V = R 2 e W uma reta pela origem de R 2. Um elemento típico de V W é uma reta v + W paralela a W, e V W todas as retas paralelas a W em R 2. consiste de (u + v) + W u + W u u + v v v + W W Exercícios 1. Prove que se v 1 + W,..., v n + W são LI em V W, então v 1,..., v n são LI em V. 2. Sejam V um espaço vetorial e W um subespaço. Para u, v V definamos u v se u v W. Prove que é uma relação de equivalência em V e que o conjunto das classes de equivalência é o espaço quociente V W. 1.5 Somas e Somas Diretas Definição 1.10 Sejam V um espaço vetorial sobre K, U e W subespaços de V. A soma de U e W é definida por: U + W = {u + w, u U, w W }.
17 CAPÍTULO 1. ESPAÇOS VETORIAIS 14 É fácil ver que U + W é um subespaço de V. De fato, se u 1, u 2 U, w 1, w 2 W e a K, temos: (a) 0 = U + W (b) (u 1 + w 1 ) + (u 2 + w 2 ) = (u 1 + u 2 ) + (w 1 + w 2 ) U + W (c) a(u 1 + w 1 ) = au 1 + aw 1 U + W Dizemos que V é soma direta de U e W, e escrevemos V = U W, se todo elemento v V se escreve, de modo único, na forma v = u + w, com u U e w W. Proposição 1.9 V = U W se, e só se, V = U + W e U W = {0}. Dem. Se V = U W é claro que V = U + W. Além disso, se v U W temos, de modo único, v = v + 0 = 0 + v, donde v = 0, isto é U W = {0}. Reciprocamente, seja v V arbitrário. Como V = U + W temos v = u + w, com u U, w W. Se tivéssemos também v = u 1 +w 1, u 1 U, w 1 W, então teríamos u u 1 = w 1 w U W = {0}, donde u = u 1 e w = w 1, ou seja, a representação de v na forma u + w é única. Logo, V = U W. Proposição 1.10 Sejam V um espaço vetorial sobre K, de dimensão finita, e W um subespaço de V. Existe subespaço U de V tal que V = U W. Dem. Seja {w 1,..., w r } base de W. Sabemos que existem vetores u 1,..., u s V tais que {w 1,..., w r, u 1,..., u s } seja base de V. Seja U o subespaço gerado por u 1,..., u s. É claro que V = U W. Obs.: Em geral existem muitos subespaços U de V tais que V = U W. Dizemos que um tal U é um subespaço suplementar de W. Proposição 1.11 Sejam V um espaço vetorial de dimensão finita sobre K, U e W dois de seus subespaços. Se V = U W então dim V = dim U + dim W. Dem. Sejam {u 1,..., u r } e {w 1,..., w s } bases de U e W, respectivamente. Provemos que {u 1,..., u r, w 1,...w s } é base de V. Se v V então v = u + w, com u U e w W, ou seja, u = a 1 u a r u r e w = b 1 w b s w s. Portanto, v = a 1 u a r u r + b 1 w b s w s e os vetores u 1,..., u r, w 1,..., w s geram V.
18 CAPÍTULO 1. ESPAÇOS VETORIAIS 15 Seja a 1 u a r u r + b 1 w b s w s = 0. Então: a 1 u a r u r = b 1 w 1... b s w s. Como U W = {0} resulta a 1 u a r u r = 0 e b 1 w b s w s = 0, donde a 1 =... = a r = 0 e b 1 =... = b s = 0, ou seja, u 1,..., u r, w 1,..., w s são LI. Logo, {u 1,..., u r, w 1,..., w s } é base de V e dim V = r + s = dim U + dim W. O conceito de soma direta se estende à soma de vários subespaços V 1,..., V n do espaço vetorial V. Dizemos que V é a soma direta de V 1,..., V n, e escrevemos V = V 1 V 2... V n, se todo v V se escreve, de modo único, na forma v = v 1 + v v n, onde v i V i, i = 1, 2,..., n. Proposição 1.12 Sejam V um espaço vetorial de dimensão finita sobre K, V 1,..., V r subespaços de V e, para cada i = 1,..., r, {v i1,...v ini } base de V i. V = V 1... V r se, e só se, B = {v 11,..., v 1n1,..., v r1, v r2,..., v rnr } é base de V. Dem. Se V = V 1... V r então todo v V se escreve de modo único na forma v = v v r, onde v i V i, 1 i r. Mas Logo: Suponhamos que n i v i = a ki v ik, 1 i r. v = k=1 r n i a ki v ik e B gera V. k=1 r n i a ki v ik = 0. Pondo v i = k=1 n i k=1 a ki v ik, temos que v i V i, i = 1,..., r. Então: v v r = 0 e, como a soma é direta, temos n i v i = 0, isto é, a ki v ik = 0, donde a ki = 0 pois v i1,..., v ini são LI. Logo, B k=1 é LI e, portanto, B é base de V. Reciprocamente, se B é base de V, então v = r n i a ki v ik = k=1 r v i, onde n i v i = a ki v ik pertence a V i, i i r. Logo: V = V V r. A soma k=1
19 CAPÍTULO 1. ESPAÇOS VETORIAIS 16 é direta pois se v v r = 0, v i V i, então a ki = 0 e, portanto, v i = 0, 1 i r. Exercícios r n i a ki v ik = 0, donde k=1 1. Sejam U, V, W os seguintes subespaços de R 3 : U = {(x, y, z) R 3 ; x + y + z = 0}; V = {(x, y, z) R 3 ; x = z} e W = {(0, 0, z) R 3 ; z R}. Mostre que R 3 = U + V, R 3 = U + W, R 3 = V + W. Quando é que a soma é direta? 2. Sejam V = F(R, R), U o subespaço das funções pares e W o das ímpares. Mostre que V = U W. 3. Sejam U e W subespaços de V. Se prove que V = U W. V = U + W e dim V = dim U + dim W <, 4. Sejam V um espaço vetorial de dimensão finita sobre K, U e W subespaços de V. Prove: dim(u + W ) dim U + dim W 1.6 Exercícios do Capítulo 1 1. Determine uma base para o subespaço de R 4 descrito por x = (x 1, x 2, x 3, x 4 ) tal que x 1 = x 2 3x 3, x 3 = 2x 4. Complete a base obtida a uma base do R Em V = F(R, R) considere f k (t) = e r kt onde r k R, 1 k n. Prove que f 1,..., f n são LI se, e só se, r 1 r 2... r n. 3. Sejam v 1,..., v n LI e u = b 1 v b j v j b n v n com b j 0. Prove que v 1,..., v j 1, u, v j+1,..., v n são LI. 4. Seja W um subespaço do espaço vetorial V. Suponha que v 1,..., v n V sejam LI e gerem um subespaço U tal que U W = {0}. Prove que os vetores v 1 + W,..., v n + W são LI em V W.
20 CAPÍTULO 1. ESPAÇOS VETORIAIS Sejam V um espaço vetorial, U e W seus subespaços. Se U e W têm dimensões finitas, prove que: dim U + dim W = dim(u + W ) + dim(u W ). 6. Sejam V um espaço vetorial real e u, v V. O segmento de reta de extremidades u e v é o conjunto [u, v] = {(1 t)u + tv; 0 t 1}. X V é convexo se u, v X [u, v] X. Prove: (a) Se X, Y V são convexos, então X Y é convexo. (b) Se X V é convexo e r, s, t são reais não negativos tais que r + s + t = 1, então u, v, w X ru + sv + tw X. (c) Se X V, a envoltória convexa de X é o conjunto C(X) das combinações t 1 x t n x n, onde t i 0, t i = 1, n N, chamadas combinações convexas dos elementos de X. Prove que C(X) é convexo, que X C(X) e que se C é convexo e X C então C(X) C. 7. Seja V um espaço vetorial real. A V é uma variedade afim se u, v A, t R (1 t)u + tv A. Prove: (a) Se A, B V são variedades afins, então A B é variedade afim. (b) Se A é uma variedade afim em V, existe um único subespaço vetorial W V tal que para todo x A tem-se A = x + W = {x + w; w W }. 8. Dado o conjunto finito X = {a 1,..., a n }, ache uma base para o espaço vetorial real F(X, R) = {f : X R}.
21 Capítulo 2 Aplicações Lineares 2.1 Definições e Exemplos Definição 2.1 Sejam V e W espaços vetoriais sobre K. Dizemos que uma aplicação T : V W é linear se: T (u + v) = T (u) + T (v) T (av) = a T (u), quaisquer que sejam u, v V e a K. Exemplo A aplicação identidade I : V V, I(v) = v é linear, bem como a aplicação zero, 0 : V V, 0(v) = 0 para todo v V. Exemplo Seja V = K[t] o espaço vetorial dos polinômios na variável t com coeficientes em K. A aplicação derivada D : V V, definida por D(a 0 + a 1 t + a 2 t a m t m ) = a 1 + 2a 2 t ma m t m 1, é uma aplicação linear. Exemplo Se V 1 e V 2 são espaços vetoriais sobre K e V = V 1 V 2, as aplicações p 1 : V V 1 e p 2 : V V 2 definidas por p 1 (v 1, v 2 ) = v 1 e p 2 (v 1, v 2 ) = v 2 são lineares. Exemplo Seja W um subespaço do espaço vetorial V. A aplicação π : V V, π(v) = v + W, é linear. W Exemplo Seja V = C 0 ([0, 1], R) o espaço vetorial real das funções contínuas f : [0, 1] R. A aplicação f V T (f) V, onde (T f)(x) = x 0 f(t)dt, x [0, 1], 18
22 CAPÍTULO 2. APLICAÇÕES LINEARES 19 é linear. É também linear a função f V 1 0 f(t)dt R. Proposição 2.1 Sejam V e W espaços vetoriais sobre K e (v 1, v 2,..., v n ) uma base ordenada de V. Dada a sequência (w 1,..., w n ) de vetores de W, existe uma e uma única aplicação linear T : V W tal que T (v i ) = w i, 1 i n. Dem. Seja v V. Então v se escreve, de modo único, como v = a 1 v a n v n. Definamos T : V W por T (v) = a 1 w a n w n. É claro que T (v i ) = w i, 1 i n. Mostremos que T é linear. Se u = b 1 v b n v n, então: T (u+v) = T [(a 1 +b 1 )v (a n +b n )v n ] = (a 1 +b 1 )w (a n +b n )w n = = (a 1 w a n w n ) + b 1 w b n w n = T (v) + T (u). Se c K, temos T (cv) = T (ca 1 v ca n v n ) = ca 1 w ca n w n = = c(a 1 w a n w n ) = c T (v). Logo, T é linear. Se L : V W é aplicação linear tal que L(v i ) = w i, 1 i n, então L(a 1 v a n v n ) = a 1 w a n w n = T (v) para todo v V, ou seja, T = L, o que mostra a unicidade de T. Proposição 2.2 Seja T : V W linear. Então: (a) T (0) = 0, T ( v) = v. (b) Se U V é subespaço, então T (U) W é subespaço. (c) Se U W é subespaço, então T 1 (U ) V é subespaço. Dem. (a) Como T é linear, T (av) = at (v) para todo a K e todo v V. Fazendo a = 0, vem: Fazendo a = 1, vem: T (0 v) = 0 T (v), donde: T (0) = 0. T ( v) = T (v) (b) T (U) W é subespaço pois:
23 CAPÍTULO 2. APLICAÇÕES LINEARES = T (0) T (U) 2. Se T (u), T (v) T (U) então T (u) + T (v) = T (u + v) T (U) 3. Se a K e T (v) T (U) então at (v) = T (av) T (U) (c) T 1 (U ) V é subespaço pois: 1. 0 T 1 (U ) já que T (0) = 0 U 2. Se u, v T 1 (U ) então T (u), T (v) U, donde T (u) + T (v) = T (u + v) U, donde u + v T 1 (U ) 3. Se a K e v T 1 (U ) então at (v) = T (av) U e, portanto, av T 1 (U ). Definição 2.2 Seja T : V W linear. O subespaço T (V ) W é chamado de imagem de T e anotado Im T. O subespaço T 1 (0) V é chamado de núcleo de T e anotado N (T ). Assim, Im T = {T (v) W ; v V } N (T ) = {v V ; T (v) = 0} Obs.: Por definição T é sobrejetora se Im T = W e T é injetora se u v implica T (u) T (v). Proposição 2.3 Seja T : V W linear. São equivalentes: (a) N (T ) = {0} (b) T é injetora (c) T transforma cada conjunto LI de vetores de V em conjunto LI de vetores de W. Dem. (a) (b): N (T ) = {0} T (w) = 0 implica w = 0 T (u v) = 0 implica u v = 0 T (u) = T (v) implica u = v T é injetora. (b) (c): Seja X V um conjunto LI e seja Y = T (X). Vamos provar que Y é LI. De fato, se a 1 y a r y r = 0 onde r N e y i = T (x i ), 1 i r, x i X, a i K, então a 1 T (x 1 )+...+a r T (x r ) = 0 T (a 1 x a r x r ) = 0, donde a 1 x a r x r = 0 (pois N (T ) = {0}), o que implica a 1 =... = a r = 0 (pois X é LI), resultando Y ser LI. (c) (a): Todo vetor v 0 é LI, donde T (v) é LI, ou seja, T (v) 0. Portanto: N (T ) = {0}. Obs.: Se T : V W é linear e v 1,..., v n geram V, então é claro que
24 CAPÍTULO 2. APLICAÇÕES LINEARES 21 T (v 1 ),..., T (v n ) geram Im T pois todo w Im T é da forma w = T (v) para algum v V e v = a 1 v a n v n. Resulta que, se V tem dimensão finita, então dim Im T dim V. Definição 2.3 Seja T : V W linear, V de dimensão finita. O posto de T é a dimensão de Im T : r = posto(t ) = dim Im T, donde r dim V. Proposição 2.4 Seja T : V W linear. São equivalentes: (a) T é sobrejetora (b) T transforma conjunto de geradores de V em conjunto de geradores de W. Dem. (a) (b): Sejam X um conjunto de geradores de V e Y = T (X). Vamos provar que Y gera W. Se w W e T é sobrejetora, existe v V tal que w = T (v). m m m Mas v = a i x i, a i K, x i X. Logo, T (v) = a i T (x i ) = a i y i com y i Y, ou seja, Y gera W. (b) (a): Sejam X um conjunto de geradores de V e Y = T (X). Então Y gera W. p Se w W, temos w = a i y i, a i K, y i Y, y i = T (x i ), x i X. Logo, ( p p ) w = a i T (x i ) = T a i x i = T (v) com v V, isto é, T é sobrejetora. Exemplo Seja T : C 3 C 3, T (x 1, x 2, x 3 ) = (x 1 x 2, 2x 1 + x 2 + 3x 3, x 1 2x 2 3x 3 ). T é linear e Im T é gerada por T (1, 0, 0) = (1, 2, 1) = w 1, T (0, 1, 0) = ( 1, 1, 2) = w 2 e T (0, 0, 1) = (0, 3, 3) = w 3. É fácil ver que w 1 e w 2 são LI e que w 3 = w 1 + w 2. Portanto, {w 1, w 2 } é base de Im T e posto(t ) = r = 2. O núcleo de T é definido pelas equações: x 1 x 2 = 0 2x 1 + x 2 + 3x 3 = 0 x 1 2x 2 3x 3 = 0 A solução deste sistema é dada por x 1 = x 2 = x 3. Logo: N (T ) = {( t, t, t) C 3 ; t C} e, por exemplo, ( 1, 1, 1) é base de N (T ). Observemos que dim C 3 = 3 = dim N (T ) + dim Im T, o que ilustra o teorema seguinte.
25 CAPÍTULO 2. APLICAÇÕES LINEARES 22 Proposição 2.5 (Teorema do núcleo e da imagem) Sejam V, W espaços vetoriais sobre K e T : V W linear. Se V tem dimensão finita, então: dim V = dim N (T ) + dim Im T. Dem. Seja {v 1,..., v s } base de N (T ) e sejam v s+1,..., v n V tais que {v 1,..., v s, v s+1,..., v n } seja base de V. Se w = T (v) Im T e v = a 1 v a n v n, então w = a s+1 T (v s+1 ) a n T (v n ) já que T (v 1 ) =... = T (v s ) = 0; logo T (v s+1 ),..., T (v n ) geram Im T. Além disso, esses vetores são LI; de fato, se b s+1 T (v s+1 )+...+b n T (v n ) = 0, então T (b s+1 v s b n v n ) = 0, ou seja, b s+1 v s b n v n N (T ). Portanto, podemos escrever b s+1 v s b n v n = b 1 v b s v s. Como v 1,..., v s, v s+1,..., v n são LI, resulta b s+1 =... = b n = 0 (e também b 1 =... = b s = 0). Resulta que {T (v s+1 ),..., T (v n )} é base de Im T e dim Im T = n s = dim V dim N (T ), donde a tese. Corolário Sejam T : V W linear, dim V = n, dim W = p. Então: (a) T é injetora r = posto(t ) = n. Neste caso, dim V dim W. (b) T é sobrejetora r = posto(t ) = p. Neste caso, dim V dim W. Corolário Seja T : V W linear, com dim V = dim W <. São equivalentes: (a) T é bijetora; (b) T é injetora; (c) T é sobrejetora; (d) se {v 1,..., v n } é base de V, então {T v 1,..., T v n } é base de W; (e) existe base {v 1,..., v n } de V tal que {T v 1,..., T v n } seja base de W. Dem. (a) (b): É óbvio. (b) (c): Como T é injetora, temos posto(t ) = dim V = dim W = n, donde Im T = W. (c) (d): T v 1,..., T v n geram Im T = W. Como dim W = n, resulta que {T v 1,..., T v n } é base de W. (d) (e): É óbvio. (e) (a): Seja {v 1,..., v n } base de V tal que {T v 1,..., T v n } seja base de W. Como T v 1,..., T v n Im T e geram W resulta que W Im T, donde Im T = W, ou seja, T é sobrejetora.
26 CAPÍTULO 2. APLICAÇÕES LINEARES 23 Se v = a 1 v a n v n é tal que T (v) = 0, então a 1 T (v 1 ) a n T (v n ) = 0, donde a 1 =... = a n = 0 pois T v 1,..., T v n são LI. Logo, v = 0 e T é injetora. Portanto, T é bijetora. Exercícios 1. Seja T : V W linear. Prove que são equivalentes: (a) T é injetora; (b) para toda decomposição V = V 1 V 2 tem-se T (V ) = T (V 1 ) T (V 2 ) 2. Ache T : R 2 R linear tal que T (1, 1) = 1 e T (1, 0) = Seja T : V W linear. Prove que se T (v 1 ),..., T (v n ) são LI, então v 1,..., v n são LI. 4. Ache T : R 3 R 4 linear cuja imagem seja gerada por (1,0,2,-4) e (0,2,-1,3). 5. Seja T : V V linear. Prove que se T v 1,..., T v n geram V, então v 1,..., v n geram V. 6. Seja T : R 2 R 2 definido por T (x, y) = (ax + by, cx + dy), com ad bc 0. Prove: (a) v 0 T v 0. (b) Toda reta l R 2 é transformada por T numa reta. (c) T transforma retas paralelas em retas paralelas. 2.2 Composição e Inversão de Aplicações Lineares Proposição 2.6 Sejam U, V, W espaços vetoriais sobre o corpo K e T : U V, L : V W aplicações lineares. Então a composta L T : U W é linear. Dem. Se u, v U, então (L T )(u + v) = L(T (u + v)) = L(T u + T v) = L T (u) + L T (v).
27 CAPÍTULO 2. APLICAÇÕES LINEARES 24 Se a K e u U, então (L T )(au) = L(T (au)) = L(aT (u)) = al(t (u)) = a(l T )(u). Resulta que L T é linear. Proposição 2.7 Seja T : V W linear bijetora. Então a aplicação inversa T 1 : W V também é linear (e bijetora). Dem. Sejam w 1 = T (v 1 ) e w 2 = T (v 2 ) elementos arbitrários de W. Então: T 1 (w 1 +w 2 ) = T 1 (T v 1 +T v 2 ) = T 1 (T (v 1 +v 2 )) = v 1 +v 2 = T 1 (w 1 )+T 1 (w 2 ). Se a K e w = T (v) W, então: T 1 (aw) = T 1 (at (v)) = T 1 (T (av)) = av = at 1 (w). Resulta que T 1 : W V é linear. Definição 2.4 Uma aplicação linear T : V W é um isomorfismo de V sobre W se T é bijetora. Se, além disso, V = W então diremos que T é um automorfismo de V. Se existe um isomorfismo de V sobre W dizemos que V e W são isomorfos. Corolário A composta de dois isomorfismos é um isomorfismo. A inversa de um isomorfismo é um isomorfismo. Obs.: Representamos por L(V, W ) o conjunto das aplicações lineares de V em W. No caso em que V = W é usual chamar uma aplicação linear T : V V de operador linear em V e representar L(V, V ) simplesmente por L(V ) e por GL(V ) o conjunto dos automorfismos de V. Proposição 2.8 Seja V um espaço vetorial sobre o corpo K. Se T, L GL(V ) então T L GL(V ) e (T L) 1 = L 1 T 1. Dem. Já vimos que a composta de automorfismos é automorfismo. Basta então verificar que (T L) (L 1 T 1 ) = (L 1 T 1 ) (T L) = I, operador identidade de V, o que é imediato.
28 CAPÍTULO 2. APLICAÇÕES LINEARES 25 Proposição 2.9 Se T : V W é linear sobrejetora, então W é isomorfo V ao espaço quociente N (T ). Dem. Seja π : V V a aplicação quociente, isto é, π(v) = v + N (T ) N (T ), v V. É imediato que π é linear. V Seja L : W definida por L(v+N (T )) = T (v), ou seja, L π = T N (T ) (dizemos então que o diagrama abaixo comuta). Mostremos que L está bem definida e é injetora: L(u + N (T )) = L(v + N (T )) T (u) = T (v) T (u v) = 0 u v N (T ) u + N (T ) = v + N (T ). Além disso, L é sobrejetora pois, dado w W, existe v V tal que T (v) = w (já que T é sobrejetora) e, portanto, L(v + N (T )) = w. Logo, L é bijetora. Resta provar que L é linear. Sejam u, v V, então: L(u + N (T ) + v + N (T )) = L(u + v + N (T )) = T (u + v) = T (u) + T (v) = L(u + N (T )) + L(v + N (T )). Se a K e v V, então: L(a(v + N (T ))) = V (av+n (T )) = T (av) = at (v) = al(v+n (T )). Resulta que L : N (T ) W é um isomorfismo. V T W π V N (T ) L Corolário Sejam V um espaço vetorial sobre K, U e W subespaços de V tais que V = U W. Então, V U é isomorfo a W. Dem. Seja p : V W definida por p(v) = w, onde v = u + w com u U e
29 CAPÍTULO 2. APLICAÇÕES LINEARES 26 w W. É imediato que p é linear sobrejetora e N (p) = {v V ; p(v) = 0} = U. Portanto, pela proposição 2.9, temos que V U é isomorfo a W. Corolário Sejam T : V W linear e U V subespaço tal que V = N (T ) U. Então U é isomorfo a Im T. Dem. Decorre da proposiçã 2.9 que temos que V N (T ) V é isomorfo a Im T. Pelo corolário N (T ) é isomorfo a U. Resulta que U e Im T são isomorfos. Proposição 2.10 Sejam U e W subespaços do espaço vetorial V de dimensão finita sobre o corpo K. Então: dim U + dim W = dim (U + W ) + dim (U W ). Dem. Seja T : U W V, T (u, w) = u w. É imediato que T é linear. Além disso, Im T = {v = u w; u U, w W } = U + W N (T ) = {(u, w) U W ; u = w} = {(u, u) U W, u U W }. É fácil ver que a aplicação u U W (u, u) N (T ) é um isomorfismo. Portanto, dim N (T ) = dim (U W ). Pela proposição 2.5, temos: dim (U W ) = dim (U + W ) + dim (U W ), ou seja, dim U + dim W = dim (U + W ) + dim(u W ). Proposição 2.11 Todo espaço vetorial de dimensão n sobre K é isomorfo a K n. Dem. Seja V um espaço vetorial de dimensão n sobre K. Seja {v 1,..., v n } uma base de V. Se v V, então v = a 1 v a n v n, onde a i K, 1 i n. Seja T : V K n definida por T (v) = T (a 1 v a n v n ) = (a 1,..., a n ) K n. É fácil verificar que T é um isomorfismo.
30 CAPÍTULO 2. APLICAÇÕES LINEARES 27 Corolário Todos os espaços vetoriais de mesma dimensão finita n sobre K são isomorfos entre si. Exemplo Seja T : V V linear tal que T 3 = 0. Prove que I T é um automorfismo de V. 1 A igualdade formal 1 x = 1+x+x2 +x nos sugere que (I T ) 1 = I + T + T 2 + T = I + T + T 2 já que T 3 = 0, donde T n = 0 para n 3. De fato, temos: (I T )(I + T + T 2 ) = I + T + T 2 T T 2 T 3 = I (I + T + T 2 )(I T ) = I T + T T 2 + T 2 T 3 = I Portanto, I T é um automorfismo de V e (I T ) 1 = I + T + T 2. Exemplo U e W sendo dois subespaços suplementares do espaço vetorial V, isto é, V = U W, todo v V se escreve, de modo único, na forma v = u + w, onde u U e w W. Consideremos T : U W U W definida por T (u, w) = u + w. É fácil ver que T é linear bijetora, ou seja, T é um isomorfismo de U W sobre U W. Reciprocamente, dados dois espaços vetoriais U e W sobre K, para todo v = (u, w) de V = U W temos, de modo único: (u, w) = (u, 0) + (0, w). Se U e W são, respectivamente, os subespaços de V descritos por (u, 0) e (0, w), então é claro que U é isomorfo a U e que W é isomorfo a W. Então, V = U W = U W. Se identificarmos U com U bem como W com W, então poderemos considerar U e W como subespaços suplementares de U W, o que significa identificar os dois espaços isomorfos U W e U W. Nestas condições, a aplicação de U W sobre U dada por u + w u, se identifica com p 1 : U W U, p 1 (u, w) = u, e é a projeção de V = U W sobre o subespaço U, paralelamente ao subespaço suplementar W. Analogamente, a aplicação u + w w se identifica com a projeção p 2 : U W W, p 2 (u, w) = w de V sobre o subespaço W paralelamente a U. Em particular, se V = U W tem dimensão finita, então: dim (U W ) = dim (U W ) = dim U + dim W, já visto anteriormente. Exercícios 1. Sejam T, L L(V ) tais que L T = T L. Prove: (a) L(N (T ) N (T ); (b) L(Im T ) Im T.
31 CAPÍTULO 2. APLICAÇÕES LINEARES Sejam L : V U, T : U W lineares. Se U, V e W têm dimensão finita, prove que: (a) posto(t L) posto(t ); (b) posto(t L) posto(l). 3. Sejam V um espaço vetorial de dimensão finita sobre K, L e T elementos de L(V ) tais que L T = I. Mostre que L é invertível e que T = L Sejam T : V U linear e W V subespaço. Seja T W = L : W U a restrição de T a W, isto é, T (w) = L(w) para todo w W. Prove: (a) L é linear; (b) N (L) = N (T ) W ; (c) Im L = T (W ). 5. Seja V = P n+1 o espaço vetorial dos polinômios de grau menor ou igual a n, com coeficientes reais. Ache um suplementar do subespaço W de V formado pelos polinômios p(t) tais que p(1) = 0 e prove que V W é isomorfo a R. 2.3 Álgebra das Aplicações Lineares Se V e W são espaços vetoriais sobre o corpo K, vimos que L(V, W ) representa o conjunto das aplicações lineares de V em W. Se L, T L(V, W ) e a K, definimos L + T e at, aplicações de V em W, por: (L + T )(v) = L(v) + T (v) (at )(v) = at (v), para todo v V. É fácil verificar que L+T e at são lineares, isto é, elementos de L(V, W ). Assim, no conjunto L(V, W ) temos duas leis, (L, T ) L+T e (a, T ) at, e deixamos aos cuidados do leitor provar que são satisfeitos os oito postulados que definem uma estrutura vetorial. Lembramos apenas que a aplicação linear zero é a aplicação 0(v) = 0 para todo v V e que a oposta de T L(V, W ) é a aplicação ( T ) tal que ( T )(v) = T (v) para todo v V. Concluímos que L(V, W ), munido das leis de adição (L, T ) L+T e de multiplicação por escalar (a, T ) at, é um espaço vetorial sobre K. Estrutura de Anel de L(V ) Se L, T L(V ), vimos que L + T e L T são elementos de L(V ). Assim, L(V ) está munido de duas leis, (L, T ) L + T e (L, T ) L T, que
32 CAPÍTULO 2. APLICAÇÕES LINEARES 29 tornam L(V ) um anel com identidade, isto é: (a) para a adição L(V ) é um grupo abeliano: 1. L + T = T + L; 2. (L + T ) + S = L + (T + S); 3. existe 0 L(V ) tal que T + 0 = T ; 4. dado T L(V ) existe ( T ) L(V ) tal que T + ( T ) = 0, quaisquer que sejam L, T, S L(V ). (b) o produto (L, T ) L T tem as propriedades: 1. (L T ) S = L (T S); 2. existe I L(V ) tal que I T = T I = T ; 3. (L + T ) S = L S + T S e L (T + S) = L T + L S, quaisquer que sejam L, T, S L(V ). Estrutura de Grupo de GL(V ) O conjunto GL(V ) dos automorfismos do espaço vetorial V é um subconjunto de L(V ); se L, T GL(V ) vimos que L T e T 1 pertencem a GL(V ) e a identidade I de V também pertence a GL(V ). Portanto, GL(V ) munido da operação (L, T ) L T é um grupo, chamado grupo linear de V. GL(V ) é o grupo dos elementos invertíveis do anel L(V ). Estrutura de Álgebra de L(V ) Se V é um espaço vetorial sobre K, L(V ) está munido das leis: (1) adição: (L, T ) L + T ; (2) multiplicação por escalar: (a, T ) at ; (3) produto: (L, T ) L T. Para as leis (1) e (2), L(V ) tem uma estrutura de espaço vetorial sobre K. Para as leis (1) e (3), L(V ) tem uma estrutura de anel. Além disso, é fácil ver que a(l T ) = (al) T = L (at ), quaisquer que sejam L, T L(V ) e a K. Vemos assim que L(V ) tem uma estrutura de álgebra (linear) sobre K, de acordo com a seguinte definição. Definição 2.5 Sejam K um corpo a A um conjunto munido de uma adição, de uma multiplicação por escalar e de um produto. Dizemos que A é uma álgebra sobre K se:
33 CAPÍTULO 2. APLICAÇÕES LINEARES 30 (1) A, munido da adição e da multiplicação por escalar, é um espaço vetorial sobre K. (2) A, munido da adição e do produto, é um anel. (3) a(l T ) = (al) T = L (at ), quaisquer que sejam L, T A e a K. Exemplo O corpo C dos complexos é uma álgebra sobre R. Exemplo F(R, R) munido das leis f +g, f g, af é uma álgebra sobre R. Exemplo No espaço vetorial L(V ) consideremos o produto (L, T ) [L, T [] = L T] T[ L (colchete ] de Lie de L e T). É imediato que: (1) [L, T ], S = L, [T, S] (2) [L + T, S] = [L, S] + [T, S] e [L, T + S] = [L, T ] + [L, S] (3) [al, T ] = [L, at ] = a[l, T ], quaisquer que sejam L, T, S L(V ) e a K. Portanto o espaço L(V ), munido do produto (L, T ) [L, T ], é uma álgebra sobre K, anotada gl(v ). 2.4 Exercícios do Capítulo 2 1. Sejam V 1, V 2 espaços vetoriais isomorfos entre si, bem como W 1 e W 2. Prove que L(V 1, W 1 ) é isomorfo a L(V 2, W 2 ). 2. Sejam V, M espaços vetoriais sobre K, V = V 1 V 2. Prove que L(V 1 V 2, W ) é isomorfo a L(V 1, W ) L(V 2, W ). 3. Seja V o espaço vetorial real das funções t x(t) de [0, 1] em R, de classe C. Consideremos em V os operadores x f(x) = dx dt e x g(x) com g(x)(t) = (g f)(x) (f g)(x). t 0 x(u)du. Prove que se x(0) 0 então 4. Sejam V um espaço vetorial e {v 1,..., v n } uma base de V. Prove que r vetores u 1,..., u r V, r n, são LI se, e só se, existe um automorfismo T de V tal que T (v j ) = u j, 1 j r. 5. Sejam f : V W linear e ϕ : V W V W tal que ϕ(v, w) = (v, w f(v)). Prove que ϕ é um automorfismo de V W. 6. Dois operadores lineares S, T L(V ) são semelhantes se existe operador invertível P GL(V ) tal que S = P 1 T P. Se V tem dimensão finita, prove que operadores semelhantes têm o mesmo posto.
34 CAPÍTULO 2. APLICAÇÕES LINEARES Seja V um espaço vetorial de dimensão n sobre K. Para k = 1, 2,..., n, exiba T : V V linear tal que T k = 0 mas T j 0 se j < k. 8. Sejam V e W espaços vetoriais de dimensão finita e T : V W linear. Prove: (a) T é injetora existe S : W V linear tal que S T = id V (b) T é sobrejetora existe S : W V linear tal que T S = id W 9. Seja V um espaço vetorial de dimensão infinita enumerável de base (v 1, v 2,..., v n,...). Seja T : V V o operador linear definido por T (v 2k+1 ) = 0, T (v 2k ) = v k, k N. (a) Prove que T é sobrejetora mas não injetora. (b) Prove que existe S : V V linear injetora, mas não sobrejetora, tal que T S = id. 10. Sejam V um espaço vetorial de dimensão finita, V V um subespaço, W um espaço vetorial, W W um subespaço, e T : V W linear. Prove: ( ) (a) dim T (V ) = dim V dim (N (T ) V ) (b) dim T 1 (W ) = dim N (T ) + dim (Im T W ). 11. E 0, E 1,..., E n sendo espaços vetoriais sobre o mesmo corpo K (n 2) dizemos que o diagrama f 0 E 0 E1... E k 1 f k 1 Ek f k Ek+1... E n 1 f n 1 En é uma sequência exata se para 0 k n 2 tem-se N f k+1 = Im f k, as aplicações f k sendo lineares (0 k n 1). Se E 0 (resp. E n ) é igual a {0}, que escrevemos 0, não escreveremos f 0 (resp. f n 1 ) pois só existe uma aplicação linear de 0 em E 1 (resp. de E n 1 em 0). (a) Prove: [0 E f F é uma sequência exata ] f é injetora [E f F 0 é uma sequência exata ] f é sobrejetora. (b) Prove que os diagramas seguintes são sequências exatas: 0 F i E j E F 0 0 N f i E f F j F Im f 0 (f aplicação linear, i injeção canônica, j sobrejeção canônica).
35 Capítulo 3 Matrizes 3.1 Definições Definição 3.1 Sejam K um corpo, m e n inteiros positivos e I n = {1, 2,..., n}. Uma matriz m n sobre K é uma função (i, j) I m I n a ij K. Em geral os escalares a ij são dispostos em m linhas e n colunas, o primeiro índice indicando a linha e o segundo a coluna ocupadas por a ij : a 11 a a 1n A = a 21 a a 2n = (a ij), 1 i m, 1 j n a m1 a m2... a mn Os escalares a ij são os elementos da matriz A = (a ij ). Observemos que duas matrizes, A = (a ij ) e B = (b ij ), ambas m n, são iguais se, e só se, a ij = b ij para todo par (i, j). A matriz zero, m n, é a que tem todos seus elementos iguais a zero. A matriz A é quadrada quando o número de linhas é igual ao de colunas, isto é, quando ela é do tipo n n; n é a ordem da matriz quadrada A. Numa matriz quadrada os elementos a ii, que têm os índices iguais, formam a diagonal principal. A matriz identidade (ou unidade) de ordem n é a matriz quadrada I n na qual todos os elementos da diagonal principal são iguais a 1 e os demais iguais a zero. Por exemplo, I 3 = O elemento genérico de I n é o
36 CAPÍTULO 3. MATRIZES 33 símbolo de Kronecker, definido por: { 1 se i = j δ ij = 0 se i j. Assim, I n = (δ ij ) 1 i,j n. Vamos introduzir no conjunto M m n (K), das matrizes m n sobre K, uma estrutura vetorial. Para isto precisamos definir a adição de matrizes e o produto de uma matriz por um escalar. Definição 3.2 Sejam A = (a ij ) e B = (b ij ) matrizes m n. A soma C = = A + B é a matriz m n, C = (c ij ), tal que c ij = a ij + b ij para todo par (i, j). A adição matricial goza das seguintes propriedades de verificação imediata: (1) A + B = B + A (2) A + (B + C) = (A + B) + C (3) A + 0 = A, onde 0 é a matriz zero m n (4) A + ( A) = 0 onde, sendo A = (a ij ), temos ( A) = ( a ij ). Definição 3.3 Sejam c K e A = (a ij ) M m n (K). A matriz B = (b ij ), onde b ij = c a ij para todo par (i, j), é o produto de c por A, anotado B = c A. É claro que B M m n (K). A multiplicação de matriz por escalar tem as seguintes propriedades, de fácil verificação: (1) 1 A = A (2) c (A + B) = c A + c B (3) (c + d) A = c A + d A (4) c(d A) = (cd) A, quaisquer que sejam A, B M m n (K) e c, d K. Vemos assim que M m n, munido das leis de adição e de multiplicação por escalar, é um espaço vetorial sobre K. Quando m = n escrevemos apenas M n (K) ou simplesmente M n. Vamos achar uma base para M m n (K). Para isso, consideremos as matrizes E ij, 1 i m, 1 j n, onde cada E ij é m n e tem todos os elementos iguais a zero, exceto o situado na linha i e na coluna j, que é igual a um:
Disciplina: Introdução à Álgebra Linear
Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte Campus: Mossoró Curso: Licenciatura Plena em Matemática Disciplina: Introdução à Álgebra Linear Prof.: Robson Pereira de Sousa
Leia 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 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 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 maisCapítulo 5: Transformações Lineares
5 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 5: Transformações Lineares Sumário 1 O que são as Transformações Lineares?...... 124 2 Núcleo e Imagem....................
Leia maisÁLGEBRA LINEAR. Núcleo e Imagem de uma Transformação Linear, Teorema da Dimensão, Isomorfismo. Prof. Susie C. Keller
ÁLGEBRA LINEAR Núcleo e Imagem de uma Transformação Linear, Teorema da Dimensão, Isomorfismo Prof. Susie C. Keller Núcleo de uma Definição: Chama-se núcleo de uma transformação linear T: V W ao conjunto
Leia mais1 Base de um Espaço Vetorial
Disciplina: Anéis e Corpos Professor: Fernando Torres Membros do grupo: Blas Melendez Caraballo (ra143857), Leonardo Soriani Alves (ra115465), Osmar Rogério Reis Severiano (ra134333) Ramon Códamo Braga
Leia 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 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 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 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 mais12. FUNÇÕES INJETORAS. FUNÇÕES SOBREJETORAS 12.1 FUNÇÕES INJETORAS. Definição
90 1. FUNÇÕES INJETORAS. FUNÇÕES SOBREJETORAS 1.1 FUNÇÕES INJETORAS Definição Dizemos que uma função f: A B é injetora quando para quaisquer elementos x 1 e x de A, f(x 1 ) = f(x ) implica x 1 = x. Em
Leia 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 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 maisTRANSFORMAÇÕES LINEARES. Álgebra Linear e Geometria Analítica Prof. Aline Paliga
TRANSFORMAÇÕES LINEARES Álgebra Linear e Geometria Analítica Prof. Aline Paliga INTRODUÇÃO Estudaremos um tipo especial de função, onde o domínio e o contradomínio são espaços vetoriais reais. Assim, tanto
Leia mais1. O conjunto dos polinômios de grau m, com 2 m 5, acrescido do polinômio nulo, é um subespaço do espaço P 5.
UFPB/PRAI/CCT/DME - CAMPUS II DISCIPLINA: Álgebra Linear ALUNO (A): 2 a LISTA DE EXERCÍCIOS 1 a PARTE: QUESTÕES TIPO VERDADEIRO OU FALSO COM JUSTI- FICATIVA. 1. O conjunto dos polinômios de grau m com
Leia 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 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 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 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 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 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 maisFunção. Definição formal: Considere dois conjuntos: o conjunto X com elementos x e o conjunto Y com elementos y. Isto é:
Função Toda vez que temos dois conjuntos e algum tipo de associação entre eles, que faça corresponder a todo elemento do primeiro conjunto um único elemento do segundo, ocorre uma função. Definição formal:
Leia 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 maisFUNÇÃO COMO CONJUNTO R 1. (*)= ou, seja, * possui duas imagens. b) não é uma função de A em B, pois não satisfaz a segunda condição da
FUNÇÃO COMO CONJUNTO Definição 4.4 Seja f uma relação de A em B, dizemos que f é uma função de A em B se as duas condições a seguir forem satisfeitas: i) D(f) = A, ou seja, o domínio de f é o conjunto
Leia mais1 Propriedades das Funções Contínuas 2
Propriedades das Funções Contínuas Prof. Doherty Andrade 2005 Sumário 1 Propriedades das Funções Contínuas 2 2 Continuidade 2 3 Propriedades 3 4 Continuidade Uniforme 9 5 Exercício 10 1 1 PROPRIEDADES
Leia 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 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 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 maisDef. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC,
ESPAÇO VETORIAL Def. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC, + é a operação (função) soma + : V V V, que a cada par (u, v) V V, associa um único elemento de V, denotado
Leia maisÁlgebra Linear I Solução da 5ª Lista de Exercícios
FUNDAÇÃO EDUCACIONAL SERRA DOS ÓRGÃOS CENTRO UNIVERSITÁRIO SERRA DOS ÓRGÃOS Centro de Ciências e Tecnologia Curso de Graduação em Engenharia de Produção Curso de Graduação em Engenharia Ambiental e Sanitária
Leia maisCapítulo 1. x > y ou x < y ou x = y
Capítulo Funções, Plano Cartesiano e Gráfico de Função Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos
Leia 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 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 maisNotas de Aula. Álgebra Linear
Notas de Aula Álgebra Linear Rodney Josué Biezuner 1 Departamento de Matemática Instituto de Ciências Exatas (ICEx) Universidade Federal de Minas Gerais (UFMG) Notas de aula da disciplina Álgebra Linear
Leia maisESPAÇOS QUOCIENTES DANIEL SMANIA. [x] := {y X t.q. x y}.
ESPAÇOS QUOCIENTES DANIEL SMANIA 1. Relações de equivalência Seja uma relação de equivalência sobre um conjunto X, isto é, uma rel ção binária que satisfaz as seguintes propriedades i. (Prop. Reflexiva.)
Leia maisModelagem no Domínio do Tempo. Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1
Carlos Alexandre Mello 1 Modelagem no Domínio da Frequência A equação diferencial de um sistema é convertida em função de transferência, gerando um modelo matemático de um sistema que algebricamente relaciona
Leia 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 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 maisTodos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU
FUNÇÃO IDENTIDADE... FUNÇÃO LINEAR... FUNÇÃO AFIM... GRÁFICO DA FUNÇÃO DO º GRAU... IMAGEM... COEFICIENTES DA FUNÇÃO AFIM... ZERO DA FUNÇÃO AFIM... 8 FUNÇÕES CRESCENTES OU DECRESCENTES... 9 SINAL DE UMA
Leia 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 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 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 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 maisÅaxwell Mariano de Barros
ÍÒ Ú Ö Ö Ð ÓÅ Ö Ò Ó Ô ÖØ Ñ ÒØÓ Å Ø Ñ Ø ÒØÖÓ Ò Ü Ø Ì ÒÓÐÓ ÆÓØ ÙÐ ¹¼ ÐÙÐÓÎ ØÓÖ Ð ÓÑ ØÖ Ò Ð Ø Åaxwell Mariano de Barros ¾¼½½ ËÓÄÙ ¹ÅA ËÙÑ Ö Ó 1 Vetores no Espaço 2 1.1 Bases.........................................
Leia maisDomínio, Contradomínio e Imagem
Domínio, Contradomínio e Imagem (domínio, contradomínio e imagem de função) Seja f : X Y uma função. Dizemos que: f (X) X Y X é o domínio; Y é o contra-domínio e {y B; y = f (x) para algum x X} é a imagem,
Leia maisVetores. Definição geométrica de vetores
Vetores Várias grandezas físicas, tais como por exemplo comprimento, área, olume, tempo, massa e temperatura são completamente descritas uma ez que a magnitude (intensidade) é dada. Tais grandezas são
Leia maisAPLICAÇÕES DA DERIVADA
Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,
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 maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DO PARANÁ CURSO DE ENGENHARIA CIVIL DISCIPLINA DE CÁLCULO DIFERENCIAL E INTEGRAL I
1) Considerações gerais sobre os conjuntos numéricos. Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos
Leia 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 maisMarília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA
Marília Brasil Xavier REITORA Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA MATERIAL DIDÁTICO EDITORAÇÃO ELETRONICA Odivaldo Teixeira Lopes ARTE FINAL DA CAPA Odivaldo Teixeira
Leia 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 maisCAPÍTULO 4. A Produção de Significados para a Noção de Base: Um Estudo de Caso
CAPÍTULO 4 A Produção de Significados para a Noção de Base: Um Estudo de Caso 77 4. Um Estudo Preliminar Na primeira fase de elaboração das atividades do estudo de caso, tentamos reunir alguns elementos
Leia 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 maisx0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?
Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões
Leia maisGAAL - 2013/1 - Simulado - 1 Vetores e Produto Escalar
GAAL - 201/1 - Simulado - 1 Vetores e Produto Escalar SOLUÇÕES Exercício 1: Determinar os três vértices de um triângulo sabendo que os pontos médios de seus lados são M = (5, 0, 2), N = (, 1, ) e P = (4,
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 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 maisQual é Mesmo a Definição de Polígono Convexo?
Qual é Mesmo a Definição de Polígono Convexo? Elon Lages Lima IMPA, Rio de Janeiro Quando pensamos num polígono convexo, imaginamos seus vértices todos apontando para fora, ou seja, que ele não possui
Leia mais1 a Lista de Exercícios de MAT3458 Escola Politécnica 2 o semestre de 2016
1 a Lista de Exercícios de MAT3458 Escola Politécnica o semestre de 16 1 Para que valores de t R a função definida por (x 1, x ), (y 1, y ) = x 1 y 1 + tx y é um produto interno em R? Para cada par de
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 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 maisCapítulo 2. Álgebra e imagens binárias. 2.1 Subconjuntos versus funções binárias
Capítulo 2 Álgebra e imagens binárias Em Análise de Imagens, os objetos mais simples que manipulamos são as imagens binárias. Estas imagens são representadas matematicamente por subconjuntos ou, de maneira
Leia maisPonto, reta e plano no espaço tridimensional, cont.
Ponto, reta e plano no espaço tridimensional, cont. Matemática para arquitetura Ton Marar 1. Posições relativas Posição relativa entre pontos Dois pontos estão sempre alinhados. Três pontos P 1 = (x 1,
Leia maisÁlgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.
Álgebra Linear AL Luiza Amalia Pinto Cantão Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.br Transformações Lineares 1 Definição e Exemplos 2 Núcleo e Imagem
Leia maisFunções algébricas do 1º grau. Maurício Bezerra Bandeira Junior
Maurício Bezerra Bandeira Junior Definição Chama-se função polinomial do 1º grau, ou função afim, a qualquer função f de IR em IR dada por uma lei da forma f(x) = ax + b, onde a e b são números reais dados
Leia maisINSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO
EXERCÍCIOS INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-2458 Álgebra Linear para Engenharia II Primeira Lista de Exercícios - Professor: Equipe da Disciplina 1. Em R 3, sejam S 1
Leia maisMaterial Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto
Material Teórico - Módulo de Divisibilidade MDC e MMC - Parte 1 Sexto Ano Prof. Angelo Papa Neto 1 Máximo divisor comum Nesta aula, definiremos e estudaremos métodos para calcular o máximo divisor comum
Leia maisObjetivos. Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas e
MÓDULO 2 - AULA 13 Aula 13 Superfícies regradas e de revolução Objetivos Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas
Leia 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 maisExercícios resolvidos P2
Exercícios resolvidos P Questão 1 Dena as funções seno hiperbólico e cosseno hiperbólico, respectivamente, por sinh(t) = et e t e cosh(t) = et + e t. (1) 1. Verique que estas funções satisfazem a seguinte
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 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 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 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 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 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 mais9. Derivadas de ordem superior
9. Derivadas de ordem superior Se uma função f for derivável, então f é chamada a derivada primeira de f (ou de ordem 1). Se a derivada de f eistir, então ela será chamada derivada segunda de f (ou de
Leia maisUnidade: Vetores e Forças. Unidade I:
Unidade I: 0 Unidade: Vetores e Forças 2.VETORES 2.1 Introdução Os vetores são definidos como entes matemáticos que dão noção de intensidade, direção e sentido. De forma prática, o conceito de vetor pode
Leia maisBem, produto interno serve para determinar ângulos e distâncias entre vetores e é representado por produto interno de v com w).
Produto Interno INTRODUÇÃO Galera, vamos aprender agora as definições e as aplicações de Produto Interno. Essa matéria não é difícil, mas para ter segurança nela é necessário que o aluno tenha certa bagagem
Leia 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 maisNotas de aula número 1: Otimização *
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL UFRGS DEPARTAMENTO DE ECONOMIA CURSO DE CIÊNCIAS ECONÔMICAS DISCIPLINA: TEORIA MICROECONÔMICA II Primeiro Semestre/2001 Professor: Sabino da Silva Porto Júnior
Leia maisEx 4.3 O anel é construído pelos polinômios S 1 1 S 2. x S 3. x 1 S 4. x 2 S 5. x 2 1 S 6. x 2 x S 7. x 2 x 1 S 8. x 3 S 9
Ex. 4.1 As palavras código são c 0 = [0 0 0 0 0 0 0], c 1 = [0 0 0 1 1 0 1], c 2 = [0 0 1 1 0 1 0], c 3 = [0 0 1 0 1 1 1], c 4 = [0 1 1 0 1 0 0], c 5 = [0 1 1 1 0 0 1], c 6 = [0 1 0 1 1 1 0], c 7 = [0
Leia maisÁlgebra Linear Volume 2
MATEMÁTICA Graduação Álgebra Linear Volume 2 Luiz Manoel Figueiredo Marisa Ortegoza da Cunha Módulo Volume 3 2ª edição 2 Luiz Manoel Figueiredo Marisa Ortegoza da Cunha I SBN 85-7648 - 315-7 Álgebra Linear
Leia 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 maisRELAÇÕES BINÁRIAS Produto Cartesiano A X B
RELAÇÕES BINÁRIAS PARES ORDENADOS Um PAR ORDENADO, denotado por (x,y), é um par de elementos onde x é o Primeiro elemento e y é o Segundo elemento do par A ordem é relevante em um par ordenado Logo, os
Leia maisCódigos Lineares CAPÍTULO 4
CAPÍTULO 4 Códigos Lineares 1. Definição, pârametros e peso mínimo Seja F q o corpo de ordem q. Portanto, pelo Teorema 3.24, q = p m para algum primo p e inteiro positivo m. Definição 4.1. Um código linear
Leia maisTópico 3. Limites e continuidade de uma função (Parte 2)
Tópico 3. Limites e continuidade de uma função (Parte 2) Nessa aula continuaremos nosso estudo sobre limites de funções. Analisaremos o limite de funções quando o x ± (infinito). Utilizaremos o conceito
Leia maisÁlgebra linear A Primeira lista de exercícios
Álgebra linear A Primeira lista de exercícios Prof. Edivaldo L. dos Santos (1) Verifique, em cada um dos itens abaixo, se o conjunto V com as operações indicadas é um espaço vetorial sobre R. {[ ] a b
Leia maisDefinição. A expressão M(x,y) dx + N(x,y)dy é chamada de diferencial exata se existe uma função f(x,y) tal que f x (x,y)=m(x,y) e f y (x,y)=n(x,y).
PUCRS FACULDADE DE ATEÁTICA EQUAÇÕES DIFERENCIAIS PROF. LUIZ EDUARDO OURIQUE EQUAÇÔES EXATAS E FATOR INTEGRANTE Definição. A diferencial de uma função de duas variáveis f(x,) é definida por df = f x (x,)dx
Leia 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 maisAULA 6 LÓGICA DOS CONJUNTOS
Disciplina: Matemática Computacional Crédito do material: profa. Diana de Barros Teles Prof. Fernando Zaidan AULA 6 LÓGICA DOS CONJUNTOS Intuitivamente, conjunto é a coleção de objetos, que em geral, tem
Leia maisUma lei que associa mais de um valor y a um valor x é uma relação, mas não uma função. O contrário é verdadeiro (isto é, toda função é uma relação).
5. FUNÇÕES DE UMA VARIÁVEL 5.1. INTRODUÇÃO Devemos compreender função como uma lei que associa um valor x pertencente a um conjunto A a um único valor y pertencente a um conjunto B, ao que denotamos por
Leia 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 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 maisLógica Matemática e Computacional 5 FUNÇÃO
5 FUNÇÃO 5.1 Introdução O conceito de função fundamenta o tratamento científico de problemas porque descreve e formaliza a relação estabelecida entre as grandezas que o integram. O rigor da linguagem e
Leia maisRepresentação no Plano Cartesiano INTRODUÇÃO A FUNÇÃO
INTRODUÇÃO A FUNÇÃO Def: Dado dois conjuntos que tenham uma relação, chama-se função quando todo elemento do primeiro tiver associado um único elemento do segundo conjunto. Ou seja, f é função de A em
Leia maisNesta aula iremos continuar com os exemplos de revisão.
Capítulo 8 Nesta aula iremos continuar com os exemplos de revisão. 1. Exemplos de revisão Exemplo 1 Ache a equação do círculo C circunscrito ao triângulo de vértices A = (7, 3), B = (1, 9) e C = (5, 7).
Leia mais