Domínio, Contradomínio e Imagem
|
|
|
- Simone Salazar Lobo
- 8 Há anos
- Visualizações:
Transcrição
1 Domínio, Contradomínio e Imagem (domínio, contradomínio e imagem de função) Seja f : X Y uma função. Dizemos que: f (X) X Y X é o domínio; Y é o contra-domínio e {y B; y = f (x) para algum x X} é a imagem, denotada Im(f ) ou f (X). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 1 / 30
2 Domínio, Contradomínio e Imagem (domínio, contradomínio e imagem de função) Seja f : X Y uma função. Dizemos que: f (X) X Y X é o domínio; Y é o contra-domínio e {y B; y = f (x) para algum x X} é a imagem, denotada Im(f ) ou f (X). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 1 / 30
3 Domínio, Contradomínio e Imagem (domínio, contradomínio e imagem de função) Seja f : X Y uma função. Dizemos que: f (X) X Y X é o domínio; Y é o contra-domínio e {y B; y = f (x) para algum x X} é a imagem, denotada Im(f ) ou f (X). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 1 / 30
4 Domínio, Contradomínio e Imagem (domínio, contradomínio e imagem de função) Seja f : X Y uma função. Dizemos que: f (X) X Y X é o domínio; Y é o contra-domínio e {y B; y = f (x) para algum x X} é a imagem, denotada Im(f ) ou f (X). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 1 / 30
5 Funções Injetiva, Sobrejetiva e Bijetiva (função injetiva, sobrejetiva e bijetiva) Seja f : A B uma função. Dizemos que f é: injetiva se f (u) = f (v) implica que u = v. No diagrama, cada elemento do contra-domínio é atingido no máximo uma vez. sobrejetiva se f (A) = B. No diagrama, cada elemento do contra-domínio é atingido pelo menos uma vez. bijetiva se é injetiva e sobrejetiva. No diagrama, cada elemento do contra-domínio é atingido exatamente uma vez. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 30
6 Funções Injetiva, Sobrejetiva e Bijetiva (função injetiva, sobrejetiva e bijetiva) Seja f : A B uma função. Dizemos que f é: injetiva se f (u) = f (v) implica que u = v. No diagrama, cada elemento do contra-domínio é atingido no máximo uma vez. sobrejetiva se f (A) = B. No diagrama, cada elemento do contra-domínio é atingido pelo menos uma vez. bijetiva se é injetiva e sobrejetiva. No diagrama, cada elemento do contra-domínio é atingido exatamente uma vez. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 30
7 Funções Injetiva, Sobrejetiva e Bijetiva (função injetiva, sobrejetiva e bijetiva) Seja f : A B uma função. Dizemos que f é: injetiva se f (u) = f (v) implica que u = v. No diagrama, cada elemento do contra-domínio é atingido no máximo uma vez. sobrejetiva se f (A) = B. No diagrama, cada elemento do contra-domínio é atingido pelo menos uma vez. bijetiva se é injetiva e sobrejetiva. No diagrama, cada elemento do contra-domínio é atingido exatamente uma vez. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 30
8 Funções Injetiva, Sobrejetiva e Bijetiva (função injetiva, sobrejetiva e bijetiva) Seja f : A B uma função. Dizemos que f é: injetiva se f (u) = f (v) implica que u = v. No diagrama, cada elemento do contra-domínio é atingido no máximo uma vez. sobrejetiva se f (A) = B. No diagrama, cada elemento do contra-domínio é atingido pelo menos uma vez. bijetiva se é injetiva e sobrejetiva. No diagrama, cada elemento do contra-domínio é atingido exatamente uma vez. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 30
9 Funções Injetiva, Sobrejetiva e Bijetiva (função injetiva, sobrejetiva e bijetiva) Seja f : A B uma função. Dizemos que f é: injetiva se f (u) = f (v) implica que u = v. No diagrama, cada elemento do contra-domínio é atingido no máximo uma vez. sobrejetiva se f (A) = B. No diagrama, cada elemento do contra-domínio é atingido pelo menos uma vez. bijetiva se é injetiva e sobrejetiva. No diagrama, cada elemento do contra-domínio é atingido exatamente uma vez. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 30
10 Funções Injetiva, Sobrejetiva e Bijetiva (função injetiva, sobrejetiva e bijetiva) Seja f : A B uma função. Dizemos que f é: injetiva se f (u) = f (v) implica que u = v. No diagrama, cada elemento do contra-domínio é atingido no máximo uma vez. sobrejetiva se f (A) = B. No diagrama, cada elemento do contra-domínio é atingido pelo menos uma vez. bijetiva se é injetiva e sobrejetiva. No diagrama, cada elemento do contra-domínio é atingido exatamente uma vez. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 30
11 Funções Injetiva, Sobrejetiva e Bijetiva (função injetiva, sobrejetiva e bijetiva) Seja f : A B uma função. Dizemos que f é: injetiva se f (u) = f (v) implica que u = v. No diagrama, cada elemento do contra-domínio é atingido no máximo uma vez. sobrejetiva se f (A) = B. No diagrama, cada elemento do contra-domínio é atingido pelo menos uma vez. bijetiva se é injetiva e sobrejetiva. No diagrama, cada elemento do contra-domínio é atingido exatamente uma vez. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 30
12 Funções Exemplo 1 Exemplo (função injetiva) f : R R 2 definido por f (x) = (x, x). f R é o domínio R 2 é o contra-domínio É injetiva: f (x) = f (y) (x, x) = (y, y) x = y Não é sobrejetiva: (1, 2) f (x) = (x, x) x R A imagem de f é a reta y = x. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 30
13 Funções Exemplo 1 Exemplo (função injetiva) f : R R 2 definido por f (x) = (x, x). f R é o domínio R 2 é o contra-domínio É injetiva: f (x) = f (y) (x, x) = (y, y) x = y Não é sobrejetiva: (1, 2) f (x) = (x, x) x R A imagem de f é a reta y = x. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 30
14 Funções Exemplo 1 Exemplo (função injetiva) f : R R 2 definido por f (x) = (x, x). f R é o domínio R 2 é o contra-domínio É injetiva: f (x) = f (y) (x, x) = (y, y) x = y Não é sobrejetiva: (1, 2) f (x) = (x, x) x R A imagem de f é a reta y = x. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 30
15 Funções Exemplo 1 Exemplo (função injetiva) f : R R 2 definido por f (x) = (x, x). f R é o domínio R 2 é o contra-domínio É injetiva: f (x) = f (y) (x, x) = (y, y) x = y Não é sobrejetiva: (1, 2) f (x) = (x, x) x R A imagem de f é a reta y = x. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 30
16 Funções Exemplo 1 Exemplo (função injetiva) f : R R 2 definido por f (x) = (x, x). f R é o domínio R 2 é o contra-domínio É injetiva: f (x) = f (y) (x, x) = (y, y) x = y Não é sobrejetiva: (1, 2) f (x) = (x, x) x R A imagem de f é a reta y = x. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 30
17 Funções Exemplo 1 Exemplo (função injetiva) f : R R 2 definido por f (x) = (x, x). f R é o domínio R 2 é o contra-domínio É injetiva: f (x) = f (y) (x, x) = (y, y) x = y Não é sobrejetiva: (1, 2) f (x) = (x, x) x R A imagem de f é a reta y = x. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 30
18 Funções Exemplo 1 Exemplo (função injetiva) f : R R 2 definido por f (x) = (x, x). f R é o domínio R 2 é o contra-domínio É injetiva: f (x) = f (y) (x, x) = (y, y) x = y Não é sobrejetiva: (1, 2) f (x) = (x, x) x R A imagem de f é a reta y = x. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 30
19 Funções Exemplo 2 Exemplo (função sobrejetiva) f : R 2 R definido por f (x, y) = x + y. R 2 é o domínio R é o contra-domínio Não é injetiva: f (1, 0) = f (0, 1) É sobrejetiva: dado y R (elemento do contra-domínio), existe x R 2 (por exemplo, x = (y, 0)) tal que f (x) = f (y, 0) = y A imagem de f é R Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 30
20 Funções Exemplo 2 Exemplo (função sobrejetiva) f : R 2 R definido por f (x, y) = x + y. R 2 é o domínio R é o contra-domínio Não é injetiva: f (1, 0) = f (0, 1) É sobrejetiva: dado y R (elemento do contra-domínio), existe x R 2 (por exemplo, x = (y, 0)) tal que f (x) = f (y, 0) = y A imagem de f é R Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 30
21 Funções Exemplo 2 Exemplo (função sobrejetiva) f : R 2 R definido por f (x, y) = x + y. R 2 é o domínio R é o contra-domínio Não é injetiva: f (1, 0) = f (0, 1) É sobrejetiva: dado y R (elemento do contra-domínio), existe x R 2 (por exemplo, x = (y, 0)) tal que f (x) = f (y, 0) = y A imagem de f é R Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 30
22 Funções Exemplo 2 Exemplo (função sobrejetiva) f : R 2 R definido por f (x, y) = x + y. R 2 é o domínio R é o contra-domínio Não é injetiva: f (1, 0) = f (0, 1) É sobrejetiva: dado y R (elemento do contra-domínio), existe x R 2 (por exemplo, x = (y, 0)) tal que f (x) = f (y, 0) = y A imagem de f é R Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 30
23 Funções Exemplo 2 Exemplo (função sobrejetiva) f : R 2 R definido por f (x, y) = x + y. R 2 é o domínio R é o contra-domínio Não é injetiva: f (1, 0) = f (0, 1) É sobrejetiva: dado y R (elemento do contra-domínio), existe x R 2 (por exemplo, x = (y, 0)) tal que f (x) = f (y, 0) = y A imagem de f é R Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 30
24 Funções Exemplo 2 Exemplo (função sobrejetiva) f : R 2 R definido por f (x, y) = x + y. R 2 é o domínio R é o contra-domínio Não é injetiva: f (1, 0) = f (0, 1) É sobrejetiva: dado y R (elemento do contra-domínio), existe x R 2 (por exemplo, x = (y, 0)) tal que f (x) = f (y, 0) = y A imagem de f é R Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 30
25 de Transformação Linear (transformação linear) T : V W é dita linear se preserva combinações lineares: T (α u + v) = αt ( u) + T ( v 2 ). para todo u, v V e α R. Observação Uma função é linear se e só se preserva soma vetorial e multiplicação por escalar. Se T é linear, T (0) = T ( 0 + 0) = T (0) + T (0) = 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 30
26 de Transformação Linear (transformação linear) T : V W é dita linear se preserva combinações lineares: T (α u + v) = αt ( u) + T ( v 2 ). para todo u, v V e α R. Observação Uma função é linear se e só se preserva soma vetorial e multiplicação por escalar. Se T é linear, T (0) = T ( 0 + 0) = T (0) + T (0) = 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 30
27 de Transformação Linear (transformação linear) T : V W é dita linear se preserva combinações lineares: T (α u + v) = αt ( u) + T ( v 2 ). para todo u, v V e α R. Observação Uma função é linear se e só se preserva soma vetorial e multiplicação por escalar. Se T é linear, T (0) = T ( 0 + 0) = T (0) + T (0) = 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 30
28 de Transformação Linear (transformação linear) T : V W é dita linear se preserva combinações lineares: T (α u + v) = αt ( u) + T ( v 2 ). para todo u, v V e α R. Observação Uma função é linear se e só se preserva soma vetorial e multiplicação por escalar. Se T é linear, T (0) = T ( 0 + 0) = T (0) + T (0) = 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 30
29 de Transformação Linear (transformação linear) T : V W é dita linear se preserva combinações lineares: T (α u + v) = αt ( u) + T ( v 2 ). para todo u, v V e α R. Observação Uma função é linear se e só se preserva soma vetorial e multiplicação por escalar. Se T é linear, T (0) = T ( 0 + 0) = T (0) + T (0) = 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 30
30 de Transformação Linear (transformação linear) T : V W é dita linear se preserva combinações lineares: T (α u + v) = αt ( u) + T ( v 2 ). para todo u, v V e α R. Observação Uma função é linear se e só se preserva soma vetorial e multiplicação por escalar. Se T é linear, T (0) = T ( 0 + 0) = T (0) + T (0) = 0 Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 30
31 TL Notação Notação Denotamos por L(U; V ) o conjunto de todas as transformações lineares de U em V. Observação Veremos que L(U; V ), munido de operações adequadas, é espaço vetorial. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 30
32 TL Notação Notação Denotamos por L(U; V ) o conjunto de todas as transformações lineares de U em V. Observação Veremos que L(U; V ), munido de operações adequadas, é espaço vetorial. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 30
33 TL Exemplo 1 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 ) é linear? T (αx + y) = T (αx 1 + y 1, αx 2 + y 2, αx 3 + y 3 ) = (αx 3 + y 3, (αx 1 + y 1 )) = α(x 3, x 1 ) + (y 3, y 1 ) = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 30
34 TL Exemplo 1 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 ) é linear? T (αx + y) = T (αx 1 + y 1, αx 2 + y 2, αx 3 + y 3 ) = (αx 3 + y 3, (αx 1 + y 1 )) = α(x 3, x 1 ) + (y 3, y 1 ) = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 30
35 TL Exemplo 1 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 ) é linear? T (αx + y) = T (αx 1 + y 1, αx 2 + y 2, αx 3 + y 3 ) = (αx 3 + y 3, (αx 1 + y 1 )) = α(x 3, x 1 ) + (y 3, y 1 ) = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 30
36 TL Exemplo 1 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 ) é linear? T (αx + y) = T (αx 1 + y 1, αx 2 + y 2, αx 3 + y 3 ) = (αx 3 + y 3, (αx 1 + y 1 )) = α(x 3, x 1 ) + (y 3, y 1 ) = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 30
37 TL Exemplo 1 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 ) é linear? T (αx + y) = T (αx 1 + y 1, αx 2 + y 2, αx 3 + y 3 ) = (αx 3 + y 3, (αx 1 + y 1 )) = α(x 3, x 1 ) + (y 3, y 1 ) = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 30
38 TL Exemplo 1 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 ) é linear? T (αx + y) = T (αx 1 + y 1, αx 2 + y 2, αx 3 + y 3 ) = (αx 3 + y 3, (αx 1 + y 1 )) = α(x 3, x 1 ) + (y 3, y 1 ) = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 30
39 TL Exemplo 1 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 ) é linear? T (αx + y) = T (αx 1 + y 1, αx 2 + y 2, αx 3 + y 3 ) = (αx 3 + y 3, (αx 1 + y 1 )) = α(x 3, x 1 ) + (y 3, y 1 ) = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 30
40 TL Exemplo 2 T : R n R m x A m n x é linear? T (αx + y) = A(αx + y) = αax + Ay = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 30
41 TL Exemplo 2 T : R n R m x A m n x é linear? T (αx + y) = A(αx + y) = αax + Ay = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 30
42 TL Exemplo 2 T : R n R m x A m n x é linear? T (αx + y) = A(αx + y) = αax + Ay = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 30
43 TL Exemplo 2 T : R n R m x A m n x é linear? T (αx + y) = A(αx + y) = αax + Ay = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 30
44 TL Exemplo 2 T : R n R m x A m n x é linear? T (αx + y) = A(αx + y) = αax + Ay = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 30
45 TL Exemplo 2 T : R n R m x A m n x é linear? T (αx + y) = A(αx + y) = αax + Ay = αt (x) + T (y) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 30
46 TL Exemplo 3 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 x 2 ) T (1, 1, 1) = (1, 1) T (2, 2, 2) = (2, 4) 2T (1, 1, 1) é linear? Não. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 30
47 TL Exemplo 3 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 x 2 ) T (1, 1, 1) = (1, 1) T (2, 2, 2) = (2, 4) 2T (1, 1, 1) é linear? Não. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 30
48 TL Exemplo 3 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 x 2 ) T (1, 1, 1) = (1, 1) T (2, 2, 2) = (2, 4) 2T (1, 1, 1) é linear? Não. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 30
49 TL Exemplo 3 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 x 2 ) T (1, 1, 1) = (1, 1) T (2, 2, 2) = (2, 4) 2T (1, 1, 1) é linear? Não. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 30
50 TL Exemplo 3 T : R 3 R 2 (x 1, x 2, x 3 ) (x 3, x 1 x 2 ) T (1, 1, 1) = (1, 1) T (2, 2, 2) = (2, 4) 2T (1, 1, 1) é linear? Não. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 30
51 TL Exemplo 4 Seja C 1 (R; R) o espaço das funções continuamente diferenciáveis e C(R; R) o conjunto das funções contínuas. A transformação derivada é linear? D : C 1 (R; R) C(R; R) f D(f ) = f. D(αf + g) = (αf + g) = αf + g = αd(f) + D(g) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 30
52 TL Exemplo 4 Seja C 1 (R; R) o espaço das funções continuamente diferenciáveis e C(R; R) o conjunto das funções contínuas. A transformação derivada é linear? D : C 1 (R; R) C(R; R) f D(f ) = f. D(αf + g) = (αf + g) = αf + g = αd(f) + D(g) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 30
53 TL Exemplo 4 Seja C 1 (R; R) o espaço das funções continuamente diferenciáveis e C(R; R) o conjunto das funções contínuas. A transformação derivada é linear? D : C 1 (R; R) C(R; R) f D(f ) = f. D(αf + g) = (αf + g) = αf + g = αd(f) + D(g) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 30
54 TL Exemplo 4 Seja C 1 (R; R) o espaço das funções continuamente diferenciáveis e C(R; R) o conjunto das funções contínuas. A transformação derivada é linear? D : C 1 (R; R) C(R; R) f D(f ) = f. D(αf + g) = (αf + g) = αf + g = αd(f) + D(g) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 30
55 TL Exemplo 4 Seja C 1 (R; R) o espaço das funções continuamente diferenciáveis e C(R; R) o conjunto das funções contínuas. A transformação derivada é linear? D : C 1 (R; R) C(R; R) f D(f ) = f. D(αf + g) = (αf + g) = αf + g = αd(f) + D(g) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 30
56 TL Exemplo 4 Seja C 1 (R; R) o espaço das funções continuamente diferenciáveis e C(R; R) o conjunto das funções contínuas. A transformação derivada é linear? D : C 1 (R; R) C(R; R) f D(f ) = f. D(αf + g) = (αf + g) = αf + g = αd(f) + D(g) Sim. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 30
57 Teorema Teorema Sejam T : U V transformação linear e {u 1, u 2,..., u n } base de U. Se conhecemos T (u i ) para i = 1,..., n, então T (u) está bem determinado para qualquer u U. u = n i=1 α iu i T (u) = T ( n i=1 α iu i ) = n i=1 α it (u i ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 30
58 Teorema Teorema Sejam T : U V transformação linear e {u 1, u 2,..., u n } base de U. Se conhecemos T (u i ) para i = 1,..., n, então T (u) está bem determinado para qualquer u U. u = n i=1 α iu i T (u) = T ( n i=1 α iu i ) = n i=1 α it (u i ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 30
59 Teorema Teorema Sejam T : U V transformação linear e {u 1, u 2,..., u n } base de U. Se conhecemos T (u i ) para i = 1,..., n, então T (u) está bem determinado para qualquer u U. u = n i=1 α iu i T (u) = T ( n i=1 α iu i ) = n i=1 α it (u i ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 30
60 Teorema Teorema Sejam T : U V transformação linear e {u 1, u 2,..., u n } base de U. Se conhecemos T (u i ) para i = 1,..., n, então T (u) está bem determinado para qualquer u U. u = n i=1 α iu i T (u) = T ( n i=1 α iu i ) = n i=1 α it (u i ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 30
61 Exemplo Exemplo Seja T : R 2 R TL tal que T (1, 1) = 2 e T (0, 1) = 3. Determine T(x,y). (x, y) = (x, x) + (0, y x) = x(1, 1) + (y x)(0, 1) T (x, y) = xt (1, 1) + (y x)t (0, 1) = 2x + 3(y x) = 3y x Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 30
62 Exemplo Exemplo Seja T : R 2 R TL tal que T (1, 1) = 2 e T (0, 1) = 3. Determine T(x,y). (x, y) = (x, x) + (0, y x) = x(1, 1) + (y x)(0, 1) T (x, y) = xt (1, 1) + (y x)t (0, 1) = 2x + 3(y x) = 3y x Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 30
63 Exemplo Exemplo Seja T : R 2 R TL tal que T (1, 1) = 2 e T (0, 1) = 3. Determine T(x,y). (x, y) = (x, x) + (0, y x) = x(1, 1) + (y x)(0, 1) T (x, y) = xt (1, 1) + (y x)t (0, 1) = 2x + 3(y x) = 3y x Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 30
64 Exemplo Exemplo Seja T : R 2 R TL tal que T (1, 1) = 2 e T (0, 1) = 3. Determine T(x,y). (x, y) = (x, x) + (0, y x) = x(1, 1) + (y x)(0, 1) T (x, y) = xt (1, 1) + (y x)t (0, 1) = 2x + 3(y x) = 3y x Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 30
65 Exemplo Exemplo Seja T : R 2 R TL tal que T (1, 1) = 2 e T (0, 1) = 3. Determine T(x,y). (x, y) = (x, x) + (0, y x) = x(1, 1) + (y x)(0, 1) T (x, y) = xt (1, 1) + (y x)t (0, 1) = 2x + 3(y x) = 3y x Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 30
66 Exemplo: Rotação A rotação em torno da origem é uma transformação linear. v u R(u + v) = R(u) + R(v) Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 30
67 Exemplo: Rotação A rotação em torno da origem é uma transformação linear. u + v v u R(u + v) = R(u) + R(v) Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 30
68 Exemplo: Rotação A rotação em torno da origem é uma transformação linear. R(v) R(u) R R v u u + v R(u + v) = R(u) + R(v) Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 30
69 Exemplo: Rotação A rotação em torno da origem é uma transformação linear. R(u) + R(v) R(u) u + v R(v) v u R(u + v) = R(u) + R(v) Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 30
70 Exemplo: Rotação A rotação em torno da origem é uma transformação linear. R(u) + R(v) R u + v R(u + v) = R(u) + R(v) Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 30
71 Exemplo: Rotação A rotação em torno da origem é uma transformação linear. R(u) + R(v) R u + v R(u + v) = R(u) + R(v) Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 30
72 Exemplo: Rotação A rotação em torno da origem é uma transformação linear. R(u) + R(v) R u + v R(u + v) = R(u) + R(v) Argumento análogo vale para a multiplicação por escalar. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 30
73 Exemplo: Matriz de Rotação ([ x R y sen θ ([ x R y ]) = R(xe 1 + ye 2 ) = xr(e 1 ) + yr(e 2 ) R(e 1 ) cos θ ]) θ e 1 R(e 2 ) θ e 2 cos θ sen θ [ ] [ ] cos θ sin θ = x + y sin θ cos θ [ ] [ ] cos θ sin θ x = sin θ cos θ y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 14 / 30
74 Exemplo: Matriz de Rotação ([ x R y sen θ ([ x R y ]) = R(xe 1 + ye 2 ) = xr(e 1 ) + yr(e 2 ) R(e 1 ) cos θ ]) θ e 1 R(e 2 ) θ e 2 cos θ sen θ [ ] [ ] cos θ sin θ = x + y sin θ cos θ [ ] [ ] cos θ sin θ x = sin θ cos θ y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 14 / 30
75 Exemplo: Matriz de Rotação ([ x R y sen θ ([ x R y ]) = R(xe 1 + ye 2 ) = xr(e 1 ) + yr(e 2 ) R(e 1 ) cos θ ]) θ e 1 R(e 2 ) θ e 2 cos θ sen θ [ ] [ ] cos θ sin θ = x + y sin θ cos θ [ ] [ ] cos θ sin θ x = sin θ cos θ y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 14 / 30
76 (núcleo, imagem) O núcleo de uma transformação linear T é o conjunto dos vetores do domínio cuja imagem por T é o vetor nulo. Nuc(T ) = {u U T (u) = 0} A imagem de uma transformação linear T é o conjunto dos vetores do contra-domínio que são imagem por T de algum vetor do domínio. Im(T ) = {v V v = T (u) para algum u U} Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 30
77 (núcleo, imagem) O núcleo de uma transformação linear T é o conjunto dos vetores do domínio cuja imagem por T é o vetor nulo. Nuc(T ) = {u U T (u) = 0} A imagem de uma transformação linear T é o conjunto dos vetores do contra-domínio que são imagem por T de algum vetor do domínio. Im(T ) = {v V v = T (u) para algum u U} Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 30
78 Observação Nuc(T ) é subespaço vetorial de U. Im(T ) é subespaço vetorial de V. (nulidade, posto) A nulidade de uma transformação linear T é a dimensão do seu núcleo ν(t ) = dim(nuc(t )) O posto de uma transformação linear T é a dimensão da sua imagem dim Im(T ) = dim(im(t )) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 16 / 30
79 Observação Nuc(T ) é subespaço vetorial de U. Im(T ) é subespaço vetorial de V. (nulidade, posto) A nulidade de uma transformação linear T é a dimensão do seu núcleo ν(t ) = dim(nuc(t )) O posto de uma transformação linear T é a dimensão da sua imagem dim Im(T ) = dim(im(t )) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 16 / 30
80 Observação Nuc(T ) é subespaço vetorial de U. Im(T ) é subespaço vetorial de V. (nulidade, posto) A nulidade de uma transformação linear T é a dimensão do seu núcleo ν(t ) = dim(nuc(t )) O posto de uma transformação linear T é a dimensão da sua imagem dim Im(T ) = dim(im(t )) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 16 / 30
81 Exemplo T : R 2 R 3, T (x, y) = (x + y, 2(x + y), 0) T (x, y) = (0, 0, 0) x + y = 0 Nuc(T ) = (1, 1) Im(T ) = (1, 2, 0) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 30
82 Exemplo T : R 2 R 3, T (x, y) = (x + y, 2(x + y), 0) T (x, y) = (0, 0, 0) x + y = 0 Nuc(T ) = (1, 1) Im(T ) = (1, 2, 0) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 30
83 Exemplo T : R 2 R 3, T (x, y) = (x + y, 2(x + y), 0) T (x, y) = (0, 0, 0) x + y = 0 Nuc(T ) = (1, 1) Im(T ) = (1, 2, 0) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 30
84 Exemplo T : R 2 R 3, T (x, y) = (x + y, 2(x + y), 0) T (x, y) = (0, 0, 0) x + y = 0 Nuc(T ) = (1, 1) Im(T ) = (1, 2, 0) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 30
85 Lema Seja T : U V uma TL. Então: T é injetiva Nuc(T ) = {0} T é sobrejetiva dim(im(t )) = dim(v ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 30
86 Lema Seja T : U V uma TL. Então: T é injetiva Nuc(T ) = {0} T é sobrejetiva dim(im(t )) = dim(v ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 30
87 Lema Seja T : U V uma TL. Então: T é injetiva Nuc(T ) = {0} T é sobrejetiva dim(im(t )) = dim(v ) Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 30
88 Teorema (do ) Seja T : U V uma TL. Então dim(nuc(t )) + dim(im(t )) = dim(u). Prova Seja {u 1,..., u ν } base de Nuc(T ) e sejam v 1,..., v r tais que {u 1,..., u ν, v 1,..., v r } seja base de U. Basta verificar que {T (v 1 ),..., T (v r )} é base de Im(T ). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 30
89 Teorema (do ) Seja T : U V uma TL. Então dim(nuc(t )) + dim(im(t )) = dim(u). Prova Seja {u 1,..., u ν } base de Nuc(T ) e sejam v 1,..., v r tais que {u 1,..., u ν, v 1,..., v r } seja base de U. Basta verificar que {T (v 1 ),..., T (v r )} é base de Im(T ). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 30
90 Teorema (do ) Seja T : U V uma TL. Então dim(nuc(t )) + dim(im(t )) = dim(u). Prova Seja {u 1,..., u ν } base de Nuc(T ) e sejam v 1,..., v r tais que {u 1,..., u ν, v 1,..., v r } seja base de U. Basta verificar que {T (v 1 ),..., T (v r )} é base de Im(T ). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 30
91 Teorema (do ) Seja T : U V uma TL. Então dim(nuc(t )) + dim(im(t )) = dim(u). Prova Seja {u 1,..., u ν } base de Nuc(T ) e sejam v 1,..., v r tais que {u 1,..., u ν, v 1,..., v r } seja base de U. Basta verificar que {T (v 1 ),..., T (v r )} é base de Im(T ). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 30
92 Espaço Vetorial das TLs (operações entre TLs) Dados T, S L(U; V ) e α R definimos a soma de TLs e a sua multiplicação por escalar como: T + S : U V u T (u) + S(u) e αt : U V u αt (u). Lema (espaço vetorial das TLs) L(U; V ) com as operações acima é um espaço vetorial. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 30
93 Espaço Vetorial das TLs (operações entre TLs) Dados T, S L(U; V ) e α R definimos a soma de TLs e a sua multiplicação por escalar como: T + S : U V u T (u) + S(u) e αt : U V u αt (u). Lema (espaço vetorial das TLs) L(U; V ) com as operações acima é um espaço vetorial. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 30
94 Composição de Funções ( funções) Dadas f : X Y e g : Y Z, define-se g f : X Z x g(f (x)) f g X Y Z Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 21 / 30
95 Composição de Funções ( funções) Dadas f : X Y e g : Y Z, define-se g f : X Z x g(f (x)) f g X Y Z Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 21 / 30
96 Composição de Funções ( funções) Dadas f : X Y e g : Y Z, define-se g f : X Z x g(f (x)) g f X Z Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 21 / 30
97 Composição de Funções Propriedades da Composição Associatividade: (f g) h = f (g h) = f g h Não-comutatividade: em geral, dadas f : X Y e g : Y Z, g f está bem definido, mas f g não está. Mesmo quando Z = X, caso em que ambas estão definidas, g f e f g podem diferir. Exemplo em breve. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 30
98 Composição de Funções Propriedades da Composição Associatividade: (f g) h = f (g h) = f g h Não-comutatividade: em geral, dadas f : X Y e g : Y Z, g f está bem definido, mas f g não está. Mesmo quando Z = X, caso em que ambas estão definidas, g f e f g podem diferir. Exemplo em breve. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 30
99 Composição de Funções Propriedades da Composição Associatividade: (f g) h = f (g h) = f g h Não-comutatividade: em geral, dadas f : X Y e g : Y Z, g f está bem definido, mas f g não está. Mesmo quando Z = X, caso em que ambas estão definidas, g f e f g podem diferir. Exemplo em breve. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 30
100 Composição de Funções Propriedades da Composição Associatividade: (f g) h = f (g h) = f g h Não-comutatividade: em geral, dadas f : X Y e g : Y Z, g f está bem definido, mas f g não está. Mesmo quando Z = X, caso em que ambas estão definidas, g f e f g podem diferir. Exemplo em breve. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 30
101 Composição de Funções Propriedades da Composição Associatividade: (f g) h = f (g h) = f g h Não-comutatividade: em geral, dadas f : X Y e g : Y Z, g f está bem definido, mas f g não está. Mesmo quando Z = X, caso em que ambas estão definidas, g f e f g podem diferir. Exemplo em breve. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 30
102 Composição de TLs Propriedades da Composição de TLs No caso particular em que as funções são TLs, temos algumas propriedades adicionais: A TLs é uma TL. (T S)(αu + v) = T (S(αu + v)) = T (αs(u) + S(v)) = αt (S(u)) + T (S(v)) = α(t S)(u) + (T S)(v) (S + T ) U = S U + T U (distributividade); S (T + U) = S T + S U (distributividade); S (αt ) = α(s T ) = (αs) T ; Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 23 / 30
103 Composição de TLs Propriedades da Composição de TLs No caso particular em que as funções são TLs, temos algumas propriedades adicionais: A TLs é uma TL. (T S)(αu + v) = T (S(αu + v)) = T (αs(u) + S(v)) = αt (S(u)) + T (S(v)) = α(t S)(u) + (T S)(v) (S + T ) U = S U + T U (distributividade); S (T + U) = S T + S U (distributividade); S (αt ) = α(s T ) = (αs) T ; Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 23 / 30
104 Composição de TLs Propriedades da Composição de TLs No caso particular em que as funções são TLs, temos algumas propriedades adicionais: A TLs é uma TL. (T S)(αu + v) = T (S(αu + v)) = T (αs(u) + S(v)) = αt (S(u)) + T (S(v)) = α(t S)(u) + (T S)(v) (S + T ) U = S U + T U (distributividade); S (T + U) = S T + S U (distributividade); S (αt ) = α(s T ) = (αs) T ; Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 23 / 30
105 Composição de TLs Propriedades da Composição de TLs No caso particular em que as funções são TLs, temos algumas propriedades adicionais: A TLs é uma TL. (T S)(αu + v) = T (S(αu + v)) = T (αs(u) + S(v)) = αt (S(u)) + T (S(v)) = α(t S)(u) + (T S)(v) (S + T ) U = S U + T U (distributividade); S (T + U) = S T + S U (distributividade); S (αt ) = α(s T ) = (αs) T ; Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 23 / 30
106 Composição de TLs Propriedades da Composição de TLs No caso particular em que as funções são TLs, temos algumas propriedades adicionais: A TLs é uma TL. (T S)(αu + v) = T (S(αu + v)) = T (αs(u) + S(v)) = αt (S(u)) + T (S(v)) = α(t S)(u) + (T S)(v) (S + T ) U = S U + T U (distributividade); S (T + U) = S T + S U (distributividade); S (αt ) = α(s T ) = (αs) T ; Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 23 / 30
107 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
108 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
109 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
110 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
111 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
112 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
113 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
114 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
115 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
116 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
117 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
118 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
119 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
120 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
121 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
122 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
123 Exemplo de Composição de TLs Exemplo Considere TLs definidas em R 2 : P projeção no eixo x: P(a, b) = (a, 0); R reflexão na reta y = x: R(a, b) = (b, a); S reflexão no eixo y: S(a, b) = ( a, b). PS(x, y) = P( x, y) = ( x, 0) SP(x, y) = S(x, 0) = ( x, 0). Logo PS = SP. PR(x, y) = P(y, x) = (y, 0) RP(x, y) = R(x, 0) = (0, x). Logo PR RP Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 30
124 Seja f : X Y uma função bijetiva. Dado y Y : (a) sobrejetividade garante x X tal que f (x) = y; (b) injetividade garante a unicidade de tal x. Assim fica bem definida a inversa de f, denotada por f 1 : f 1 : Y X y x satisfazendo f (x) = y. f X Y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 30
125 Seja f : X Y uma função bijetiva. Dado y Y : (a) sobrejetividade garante x X tal que f (x) = y; (b) injetividade garante a unicidade de tal x. Assim fica bem definida a inversa de f, denotada por f 1 : f 1 : Y X y x satisfazendo f (x) = y. f X Y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 30
126 Seja f : X Y uma função bijetiva. Dado y Y : (a) sobrejetividade garante x X tal que f (x) = y; (b) injetividade garante a unicidade de tal x. Assim fica bem definida a inversa de f, denotada por f 1 : f 1 : Y X y x satisfazendo f (x) = y. f X Y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 30
127 Seja f : X Y uma função bijetiva. Dado y Y : (a) sobrejetividade garante x X tal que f (x) = y; (b) injetividade garante a unicidade de tal x. Assim fica bem definida a inversa de f, denotada por f 1 : f 1 : Y X y x satisfazendo f (x) = y. f X Y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 30
128 Seja f : X Y uma função bijetiva. Dado y Y : (a) sobrejetividade garante x X tal que f (x) = y; (b) injetividade garante a unicidade de tal x. Assim fica bem definida a inversa de f, denotada por f 1 : f 1 : Y X y x satisfazendo f (x) = y. f X Y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 30
129 Seja f : X Y uma função bijetiva. Dado y Y : (a) sobrejetividade garante x X tal que f (x) = y; (b) injetividade garante a unicidade de tal x. Assim fica bem definida a inversa de f, denotada por f 1 : f 1 : Y X y x satisfazendo f (x) = y. f 1 X Y Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 30
130 Propriedades da Inversa A inversa possui as seguintes propriedades: f (f 1 (y)) = y y Y, isto é, f f 1 = I Y e f 1 (f (x)) = x x X, isto é, f 1 f = I X. De fato, estas duas propriedades caracterizam a inversa, conforme veremos mais adiante. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 26 / 30
131 Propriedades da Inversa A inversa possui as seguintes propriedades: f (f 1 (y)) = y y Y, isto é, f f 1 = I Y e f 1 (f (x)) = x x X, isto é, f 1 f = I X. De fato, estas duas propriedades caracterizam a inversa, conforme veremos mais adiante. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 26 / 30
132 Propriedades da Inversa A inversa possui as seguintes propriedades: f (f 1 (y)) = y y Y, isto é, f f 1 = I Y e f 1 (f (x)) = x x X, isto é, f 1 f = I X. De fato, estas duas propriedades caracterizam a inversa, conforme veremos mais adiante. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 26 / 30
133 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30
134 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30
135 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30
136 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30
137 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30
138 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30
139 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30
140 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30
141 Exemplos de Exemplo A inversa de f (x) = x 3 é f 1 (x) = 3 x pois ( 3 y) 3 = y e 3 x 3 = x. A inversa NÃO é g(x) = 1/x 3. Exemplo A inversa de f (x) = cos(x) é f 1 (x) = arccos(x) pois cos(arccos(y)) = y e arccos(cos(x)) = x. A inversa NÃO é g(x) = 1/ cos(x). Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 30
142 Caracterização da Inversa Lema Seja f : X Y uma função qualquer. Se existem g, h : Y X satisfazendo: (a) g f = I X (identidade em X) e (b) f h = I Y (identidade em Y ), então f é bijetiva e g = h = f 1. Corolário Se f é bijetiva, então f 1 é bijetiva e (f 1 ) 1 = f. Usaremos, indistintamente, os termos bijetiva e invertível. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 30
143 Caracterização da Inversa Lema Seja f : X Y uma função qualquer. Se existem g, h : Y X satisfazendo: (a) g f = I X (identidade em X) e (b) f h = I Y (identidade em Y ), então f é bijetiva e g = h = f 1. Corolário Se f é bijetiva, então f 1 é bijetiva e (f 1 ) 1 = f. Usaremos, indistintamente, os termos bijetiva e invertível. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 30
144 Caracterização da Inversa Lema Seja f : X Y uma função qualquer. Se existem g, h : Y X satisfazendo: (a) g f = I X (identidade em X) e (b) f h = I Y (identidade em Y ), então f é bijetiva e g = h = f 1. Corolário Se f é bijetiva, então f 1 é bijetiva e (f 1 ) 1 = f. Usaremos, indistintamente, os termos bijetiva e invertível. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 30
145 Caracterização da Inversa Lema Seja f : X Y uma função qualquer. Se existem g, h : Y X satisfazendo: (a) g f = I X (identidade em X) e (b) f h = I Y (identidade em Y ), então f é bijetiva e g = h = f 1. Corolário Se f é bijetiva, então f 1 é bijetiva e (f 1 ) 1 = f. Usaremos, indistintamente, os termos bijetiva e invertível. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 30
146 Caracterização da Inversa Lema Seja f : X Y uma função qualquer. Se existem g, h : Y X satisfazendo: (a) g f = I X (identidade em X) e (b) f h = I Y (identidade em Y ), então f é bijetiva e g = h = f 1. Corolário Se f é bijetiva, então f 1 é bijetiva e (f 1 ) 1 = f. Usaremos, indistintamente, os termos bijetiva e invertível. Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 30
Capítulo 5: Transformações Lineares
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....................
ÁLGEBRA LINEAR. Núcleo e Imagem de uma Transformação Linear, Teorema da Dimensão, Isomorfismo. Prof. Susie C. Keller
ÁLGEBRA LINEAR Núcleo e Imagem de uma Transformação Linear, Teorema da Dimensão, Isomorfismo Prof. Susie C. Keller Núcleo de uma Definição: Chama-se núcleo de uma transformação linear T: V W ao conjunto
FUNÇÃO COMO CONJUNTO R 1. (*)= ou, seja, * possui duas imagens. b) não é uma função de A em B, pois não satisfaz a segunda condição da
FUNÇÃO COMO CONJUNTO Definição 4.4 Seja f uma relação de A em B, dizemos que f é uma função de A em B se as duas condições a seguir forem satisfeitas: i) D(f) = A, ou seja, o domínio de f é o conjunto
Lista 1 para a P2. Operações com subespaços
Lista 1 para a P2 Observação 1: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós sugerimos
a 1 x 1 +... + a n x n = b,
Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição
Álgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013
Álgebra Linear Mauri C. Nascimento Departamento de Matemática UNESP/Bauru 19 de fevereiro de 2013 Sumário 1 Matrizes e Determinantes 3 1.1 Matrizes............................................ 3 1.2 Determinante
Notas de Aula. Álgebra Linear
Notas de Aula Álgebra Linear Rodney Josué Biezuner 1 Departamento de Matemática Instituto de Ciências Exatas (ICEx) Universidade Federal de Minas Gerais (UFMG) Notas de aula da disciplina Álgebra Linear
Notas de Aula. Álgebra Linear I
Notas de Aula Álgebra Linear I Rodney Josué Biezuner 1 Departamento de Matemática Instituto de Ciências Exatas (ICEx) Universidade Federal de Minas Gerais (UFMG) Notas de aula da disciplina Álgebra Linear
Exercícios Adicionais
Exercícios Adicionais Observação: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós recomendamos
ficha 3 espaços lineares
Exercícios de Álgebra Linear ficha 3 espaços lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 3 Notação Sendo
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
5 Transformações Lineares e Matrizes
Nova School of Business and Economics Prática Álgebra Linear 5 Transformações Lineares e Matrizes 1 Definição Função de em Aplicação que faz corresponder a cada elemento de um conjunto (domínio), denominado
Prof. Márcio Nascimento. 22 de julho de 2015
Núcleo e Imagem Prof. Márcio Nascimento marcio@matematicauva.org Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Linear
TRANSFORMAÇÕES LINEARES. Álgebra Linear e Geometria Analítica Prof. Aline Paliga
TRANSFORMAÇÕES LINEARES Álgebra Linear e Geometria Analítica Prof. Aline Paliga INTRODUÇÃO Estudaremos um tipo especial de função, onde o domínio e o contradomínio são espaços vetoriais reais. Assim, tanto
CAPÍTULO 6 TRANSFORMAÇÃO LINEAR
INODUÇÃO AO ESUDO DA ÁLGEBA LINEA CAPÍULO 6 ANSFOMAÇÃO LINEA Introdução Muitos problemas de Matemática Aplicada envolvem o estudo de transformações, ou seja, a maneira como certos dados de entrada são
1. O conjunto dos polinômios de grau m, com 2 m 5, acrescido do polinômio nulo, é um subespaço do espaço P 5.
UFPB/PRAI/CCT/DME - CAMPUS II DISCIPLINA: Álgebra Linear ALUNO (A): 2 a LISTA DE EXERCÍCIOS 1 a PARTE: QUESTÕES TIPO VERDADEIRO OU FALSO COM JUSTI- FICATIVA. 1. O conjunto dos polinômios de grau m com
Álgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.
Álgebra Linear AL Luiza Amalia Pinto Cantão Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.br Transformações Lineares 1 Definição e Exemplos 2 Núcleo e Imagem
FACULDADE DE CIÊNCIA E TECNOLOGIA. Cursos de Engenharia. Prof. Álvaro Fernandes Serafim
FACULDADE DE CIÊNCIA E TECNOLOGIA Cursos de Engenharia Prof. Álvaro Fernandes Serafim Última atualização: //7. Esta apostila de Álgebra Linear foi elaborada pela Professora Ilka Rebouças Freire. A formatação
1 Módulo ou norma de um vetor
Álgebra Linear I - Aula 3-2005.2 Roteiro 1 Módulo ou norma de um vetor A norma ou módulo do vetor ū = (u 1, u 2, u 3 ) de R 3 é ū = u 2 1 + u2 2 + u2 3. Geometricamente a fórmula significa que o módulo
Prova de Admissão para o Mestrado em Matemática IME-USP - 23.11.2007
Prova de Admissão para o Mestrado em Matemática IME-USP - 23.11.2007 A Nome: RG: Assinatura: Instruções A duração da prova é de duas horas. Assinale as alternativas corretas na folha de respostas que está
Corpos. Um domínio de integridade finito é um corpo. Demonstração. Seja D um domínio de integridade com elemento identidade
Corpos Definição Um corpo é um anel comutativo com elemento identidade em que todo o elemento não nulo é invertível. Muitas vezes é conveniente pensar em ab 1 como sendo a b, quando a e b são elementos
A x B = {(2;1), (2;3), (2;5), (4;1), (4;3), (4; 5)}
PROFESSOR: EUDES A x B = {(2;1), (2;3), (2;5), (4;1), (4;3), (4; 5)} b) A relação binária h = {(x;y) y < x} A 2 1 3 4 5 B y x h: {(2;1), (4;1), (4,3)} c) A relação binária g = {(x;y) y= x + 3} A 2 1 3
Fix 4.6: Considere I : V V e T : V W definidas por I(v) = v e T (v) = 0 para todo v V. (c) Nuc(T ) = (V, W, 0); (d) Im(T ) = (V, W, 0);
Fix 4.6: Considere I : V V e T : V W definidas por I(v) = v e T (v) = 0 para todo v V. (a) Nuc(I) = (V, W, 0); (b) Im(I) = (V, W, 0); (c) Nuc(T ) = (V, W, 0); (d) Im(T ) = (V, W, 0); 11 4.6: (a) 0; (b)
1. Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1.
2.1 Domínio e Imagem EXERCÍCIOS & COMPLEMENTOS 1.1 1. Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1 3 (e) g (x) 2x
ÁLGEBRA LINEAR ISBN 978-85-915683-0-7
. ÁLGEBRA LINEAR ISBN 978-85-915683-0-7 ROBERTO DE MARIA NUNES MENDES Professor do Departamento de Matemática e Estatística e do Programa de Pós-graduação em Engenharia Elétrica da PUCMINAS Belo Horizonte
Def. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC,
ESPAÇO VETORIAL Def. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC, + é a operação (função) soma + : V V V, que a cada par (u, v) V V, associa um único elemento de V, denotado
Vetores. Definição geométrica de vetores
Vetores Várias grandezas físicas, tais como por exemplo comprimento, área, olume, tempo, massa e temperatura são completamente descritas uma ez que a magnitude (intensidade) é dada. Tais grandezas são
PARTE 2 FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL
PARTE FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL.1 Funções Vetoriais de Uma Variável Real Vamos agora tratar de um caso particular de funções vetoriais F : Dom(f R n R m, que são as funções vetoriais de uma
Números Complexos. Capítulo 1. 1.1 Unidade Imaginária. 1.2 Números complexos. 1.3 O Plano Complexo
Capítulo 1 Números Complexos 11 Unidade Imaginária O fato da equação x 2 + 1 = 0 (11) não ser satisfeita por nenhum número real levou à denição dos números complexos Para solucionar (11) denimos a unidade
12. FUNÇÕES INJETORAS. FUNÇÕES SOBREJETORAS 12.1 FUNÇÕES INJETORAS. Definição
90 1. FUNÇÕES INJETORAS. FUNÇÕES SOBREJETORAS 1.1 FUNÇÕES INJETORAS Definição Dizemos que uma função f: A B é injetora quando para quaisquer elementos x 1 e x de A, f(x 1 ) = f(x ) implica x 1 = x. Em
TRANSFORMAÇÃO LINEAR. Álgebra Linear - Prof a Ana Paula
Álgebra Linear - Prof a na Paula TRNSFORMÇÃO LINER Definição: T é uma transformação do espaço vetorial V no espaço vetorial W, T : V W, se cada vetor v V tem um só vetor imagem w W, que será indicado por
Álgebra Linear I Solução da 5ª Lista de Exercícios
FUNDAÇÃO EDUCACIONAL SERRA DOS ÓRGÃOS CENTRO UNIVERSITÁRIO SERRA DOS ÓRGÃOS Centro de Ciências e Tecnologia Curso de Graduação em Engenharia de Produção Curso de Graduação em Engenharia Ambiental e Sanitária
Breve referência à Teoria de Anéis. Álgebra (Curso de CC) Ano lectivo 2005/2006 191 / 204
Breve referência à Teoria de Anéis Álgebra (Curso de CC) Ano lectivo 2005/2006 191 / 204 Anéis Há muitos conjuntos, como é o caso dos inteiros, dos inteiros módulo n ou dos números reais, que consideramos
Representação no Plano Cartesiano INTRODUÇÃO A FUNÇÃO
INTRODUÇÃO A FUNÇÃO Def: Dado dois conjuntos que tenham uma relação, chama-se função quando todo elemento do primeiro tiver associado um único elemento do segundo conjunto. Ou seja, f é função de A em
Esp. Vet. I. Espaços Vetoriais. Espaço Vetorial. Combinações Lineares. Espaços Vetoriais. Espaço Vetorial Combinações Lineares. Esp. Vet.
Definição (R n 1 a Parte R n é o conjunto das n-uplas ordenadas de números reais. (1,, R Paulo Goldfeld Marco Cabral (1, (, 1 R Departamento de Matemática Aplicada Universidade Federal do Rio de Janeiro
2.1A Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1
2.1 Domínio e Imagem 2.1A Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = (d) f (x) = 1 3 x + 5 1 3 (e) g (x) 2x (f) g (x) = jj 8 8 < x, se x 2
Capítulo 1. x > y ou x < y ou x = y
Capítulo Funções, Plano Cartesiano e Gráfico de Função Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos
4.2 Produto Vetorial. Orientação sobre uma reta r
94 4. Produto Vetorial Dados dois vetores u e v no espaço, vamos definir um novo vetor, ortogonal a u e v, denotado por u v (ou u v, em outros textos) e denominado produto vetorial de u e v. Mas antes,
n. 33 Núcleo de uma transformação linear
n. 33 Núcleo de uma transformação linear Chama-se núcleo de uma transformação linear f: V W ao conjunto de todos os vetores v V que são transformados em 0 W. Indica-se esse conjunto \por N(f) ou Ker (f).
Movimentos Periódicos: representação vetorial
Aula 5 00 Movimentos Periódicos: representação vetorial A experiência mostra que uma das maneiras mais úteis de descrever o movimento harmônico simples é representando-o como uma projeção perpendicular
Åaxwell Mariano de Barros
ÍÒ Ú Ö Ö Ð ÓÅ Ö Ò Ó Ô ÖØ Ñ ÒØÓ Å Ø Ñ Ø ÒØÖÓ Ò Ü Ø Ì ÒÓÐÓ ÆÓØ ÙÐ ¹¼ ÐÙÐÓÎ ØÓÖ Ð ÓÑ ØÖ Ò Ð Ø Åaxwell Mariano de Barros ¾¼½½ ËÓÄÙ ¹ÅA ËÙÑ Ö Ó 1 Vetores no Espaço 2 1.1 Bases.........................................
O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2
3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata
Dicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima.
Dicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima. 1 /2013 Para calcular Hom(G 1,G 2 ) ou Aut(G) vocês vão precisar ter em
Todos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU
FUNÇÃO IDENTIDADE... FUNÇÃO LINEAR... FUNÇÃO AFIM... GRÁFICO DA FUNÇÃO DO º GRAU... IMAGEM... COEFICIENTES DA FUNÇÃO AFIM... ZERO DA FUNÇÃO AFIM... 8 FUNÇÕES CRESCENTES OU DECRESCENTES... 9 SINAL DE UMA
Conceitos Fundamentais
Capítulo 1 Conceitos Fundamentais Objetivos: No final do Capítulo o aluno deve saber: 1. distinguir o uso de vetores na Física e na Matemática; 2. resolver sistema lineares pelo método de Gauss-Jordan;
2.2 Subespaços Vetoriais
32 CAPÍTULO 2. ESPAÇOS VETORIAIS 2.2 Subespaços Vetoriais Sejam V um espaço vetorial sobre R e W um subconjunto de V. Dizemos que W é um subespaço (vetorial) de V se as seguintes condições são satisfeitas:
4. Curvas planas. T = κn, N = κt, B = 0.
4. CURVAS PLANAS 35 4. Curvas planas Nesta secção veremos que no caso planar é possível refinar a definição de curvatura, de modo a dar-lhe uma interpretação geométrica interessante. Provaremos ainda o
Definição. A expressão M(x,y) dx + N(x,y)dy é chamada de diferencial exata se existe uma função f(x,y) tal que f x (x,y)=m(x,y) e f y (x,y)=n(x,y).
PUCRS FACULDADE DE ATEÁTICA EQUAÇÕES DIFERENCIAIS PROF. LUIZ EDUARDO OURIQUE EQUAÇÔES EXATAS E FATOR INTEGRANTE Definição. A diferencial de uma função de duas variáveis f(x,) é definida por df = f x (x,)dx
Espaços não reversíveis
{Nome da seção} Notas de aula Espaços não reversíveis Fernando Lucatelli Nunes UnB-UC/UP 1 Se X e Y são espaços topológicos quaisquer, o gráfico de uma função f : X Y é o conjunto G( f )={(x, f (x)) :
AV1 - 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.
Capítulo 2. Álgebra e imagens binárias. 2.1 Subconjuntos versus funções binárias
Capítulo 2 Álgebra e imagens binárias Em Análise de Imagens, os objetos mais simples que manipulamos são as imagens binárias. Estas imagens são representadas matematicamente por subconjuntos ou, de maneira
NUMEROS COMPLEXOS NA FORMA TRIGONOMÉTRICA
NUMEROS COMPLEXOS NA FORMA TRIGONOMÉTRICA Na representação trigonométrica, um número complexo z = a + bi é determinado pelo módulo do vetor que o representa e pelo ângulo que faz com o semi-eixo positivo
Curso de Álgebra Linear
Curso de Álgebra Linear Fundamentos e Aplicações Terceira Edição 25 de Outubro de 2012 Marco Cabral PhD Indiana University, EUA Paulo Goldfeld PhD Courant Institute, EUA Departamento de Matemática Aplicada
Seleção 2015 - Edital N 15/2014
Departamento de Áreas Acadêmicas II Curso de Especialização em Matemática Seleção 015 - Edital N 15/014 INSTRUÇÕES: 1. O horário da realização da prova é previsto de 14h00min até as 17h30min.. A prova
MÉTODOS DISCRETOS EM TELEMÁTICA
1 MÉTODOS DISCRETOS EM TELEMÁTICA MATEMÁTICA DISCRETA Profa. Marcia Mahon Grupo de Pesquisas em Comunicações - CODEC Departamento de Eletrônica e Sistemas - UFPE Outubro 2003 2 CONTEÚDO 1 - Introdução
Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 2013/I
1 Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 013/I 1 Sejam u = ( 4 3) v = ( 5) e w = (a b) Encontre a e b tais
Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA
Marília Brasil Xavier REITORA Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA MATERIAL DIDÁTICO EDITORAÇÃO ELETRONICA Odivaldo Teixeira Lopes ARTE FINAL DA CAPA Odivaldo Teixeira
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO PARANÁ CURSO DE ENGENHARIA CIVIL DISCIPLINA DE CÁLCULO DIFERENCIAL E INTEGRAL I
1) Considerações gerais sobre os conjuntos numéricos. Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos
NOÇÕES DE ÁLGEBRA LINEAR
ESPAÇO VETORIAL REAL NOÇÕES DE ÁLGEBRA LINEAR ESPAÇOS VETORIAIS Seja um conjunto V φ no qual estão definidas duas operações: adição e multiplicação por escalar, tais que u, v V, u+v V e α R, u V, αu V
Resolução da Prova da Escola Naval 2009. Matemática Prova Azul
Resolução da Prova da Escola Naval 29. Matemática Prova Azul GABARITO D A 2 E 2 E B C 4 D 4 C 5 D 5 A 6 E 6 C 7 B 7 B 8 D 8 E 9 A 9 A C 2 B. Os 6 melhores alunos do Colégio Naval submeteram-se a uma prova
2 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
Tópicos 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
1 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
Álgebra Linear. André Arbex Hallack Frederico Sercio Feitosa
Álgebra Linear André Arbex Hallack Frederico Sercio Feitosa Janeiro/2006 Índice 1 Sistemas Lineares 1 11 Corpos 1 12 Sistemas de Equações Lineares 3 13 Sistemas equivalentes 4 14 Operações elementares
ESPAÇOS QUOCIENTES DANIEL SMANIA. [x] := {y X t.q. x y}.
![ESPAÇOS QUOCIENTES DANIEL SMANIA. [x] := {y X t.q. x y}.](/thumbs/20/415204.jpg "ESPAÇOS QUOCIENTES DANIEL SMANIA. [x] := {y X t.q. x y}.")
ESPAÇOS QUOCIENTES DANIEL SMANIA 1. Relações de equivalência Seja uma relação de equivalência sobre um conjunto X, isto é, uma rel ção binária que satisfaz as seguintes propriedades i. (Prop. Reflexiva.)
Álgebra linear algorítmica
Álgebra linear algorítmica S. C. Coutinho Este arquivo reúne as provas do curso álgebra linear algorítmica (MAB 5) oferecido pelo Departamento de Ciência da Computação da UFRJ. Primeira Prova200/. Seja
4.2 Teorema do Valor Médio. Material online: h-p://www.im.ufal.br/professor/thales/calc1-2010_2.html
4.2 Teorema do Valor Médio Material online: h-p://www.im.ufal.br/professor/thales/calc1-2010_2.html Teorema de Rolle: Seja f uma função que satisfaça as seguintes hipóteses: a) f é contínua no intervalo
Vetores no R 2 : = OP e escreve-se: v = (x, y), identificando-se as coordenadas de P com as componentes de v.
Vetores no R 2 : O conjunto R 2 = R x R = {(x, y) / x, y Є R} é interpretado geometricamente como sendo o plano cartesiano xoy. Qualquer vetor AB considerado neste plano tem sempre um representante OP
Cálculo Diferencial e Integral I Vinícius Martins Freire
UNIVERSIDADE FEDERAL DE SANTA CATARINA - CAMPUS JOINVILLE CENTRO DE ENGENHARIAS DA MOBILIDADE Cálculo Diferencial e Integral I Vinícius Martins Freire MARÇO / 2015 Sumário 1. Introdução... 5 2. Conjuntos...
O Teorema da Função Inversa e da Função Implícita
Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência c Publicação eletrônica do KIT http://www.dma.uem.br/kit O Teorema da Função Inversa
Aula 5 - Matemática (Gestão e Marketing)
ISCTE, Escola de Gestão Aula 5 - Matemática (Gestão e Marketing) Diana Aldea Mendes 29 de Outubro de 2008 Espaços Vectoriais Definição (vector): Chama-se vector edesigna-sepor v um objecto matemático caracterizado
MATRIZES Matriz quadrada Matriz linha e matriz coluna Matriz diagonal Matriz identidade
MATRIZES Matriz quadrada matriz quadrada de ordem. diagonal principal matriz quadrada de ordem. - 7 9 diagonal principal diagonal secundária Matriz linha e matriz coluna [ ] colunas). (linha e matriz linha
Só Matemática O seu portal matemático http://www.somatematica.com.br FUNÇÕES
FUNÇÕES O conceito de função é um dos mais importantes em toda a matemática. O conceito básico de função é o seguinte: toda vez que temos dois conjuntos e algum tipo de associação entre eles, que faça
Álgebra Linear. Professor: página da disciplina na web: http: //professor.ufabc.edu.br/~jair.donadelli/algelin.
página da disciplina na web: http: //professor.ufabc.edu.br/~jair.donadelli/algelin.html Sumário I 1 Motivação Google Navegação Sistemas Lineares 2 O que eu não vou explicar Operações com matrizes Matrizes
2 Extensão do Produto Vetorial Sobre uma Álgebra Exterior
2 Extensão do Produto Vetorial Sobre uma Álgebra Exterior Seja R 3 o espaço euclidiano tridimensional, chamamos de álgebra exterior de R 3 a álgebra Λ(R 3 ) gerada pela base canônica {e 1, e 2, e 3 } satisfazendo
Exercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Somatórias 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 + +
Métodos Matemáticos para Engenharia de Informação
Métodos Matemáticos para Engenharia de Informação Gustavo Sousa Pavani Universidade Federal do ABC (UFABC) 3º Trimestre - 2009 Aulas 1 e 2 Sobre o curso Bibliografia: James Stewart, Cálculo, volume I,
ITA - 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}.
Determinante Introdução. Algumas Propriedades Definição Algébrica Equivalências Propriedades Fórmula Matriz
ao erminante Área e em R 2 O qe é? Qais são sas propriedades? Como se calcla (Qal é a fórmla o algoritmo para o cálclo)? Para qe sere? A = matriz. P paralelogramo com arestas e. + A é a área (com sinal)
Cálculo I -A- Humberto José Bortolossi. Parte 1 Versão 0.9. [Folha 1] Departamento de Matemática Aplicada Universidade Federal Fluminense
![Cálculo I -A- Humberto José Bortolossi. Parte 1 Versão 0.9. [Folha 1] Departamento de Matemática Aplicada Universidade Federal Fluminense](/thumbs/26/8009554.jpg "Cálculo I -A- Humberto José Bortolossi. Parte 1 Versão 0.9. [Folha 1] Departamento de Matemática Aplicada Universidade Federal Fluminense")
[Folha 1] Cálculo I -A- Humberto José Bortolossi Departamento de Matemática Aplicada Universidade Federal Fluminense Parte 1 Versão 0.9 Parte 1 Cálculo I -A- 1 Conteúdo do curso [Folha 2] Apresentação
RESUMO 2 - FÍSICA III
RESUMO 2 - FÍSICA III CAMPO ELÉTRICO Assim como a Terra tem um campo gravitacional, uma carga Q também tem um campo que pode influenciar as cargas de prova q nele colocadas. E usando esta analogia, podemos
UNIVERSIDADE ESTADUAL DE CAMPINAS INSTITUTO DE MATEMÁTICA, ESTATÍSTICA E COMPUTAÇÃO CIENTÍFICA Matemática Licenciatura. (Números Complexos)
UNIVERSIDADE ESTADUAL DE CAMPINAS INSTITUTO DE MATEMÁTICA, ESTATÍSTICA E COMPUTAÇÃO CIENTÍFICA Matemática Licenciatura (Números Complexos) Jéssica Roldão de Oliveira Assis RA 160332 Campinas 2014 1 HISTÓRIA
9. 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
Retas 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
1 Propriedades das Funções Contínuas 2
Propriedades das Funções Contínuas Prof. Doherty Andrade 2005 Sumário 1 Propriedades das Funções Contínuas 2 2 Continuidade 2 3 Propriedades 3 4 Continuidade Uniforme 9 5 Exercício 10 1 1 PROPRIEDADES
Lógica Matemática e Computacional 5 FUNÇÃO
5 FUNÇÃO 5.1 Introdução O conceito de função fundamenta o tratamento científico de problemas porque descreve e formaliza a relação estabelecida entre as grandezas que o integram. O rigor da linguagem e
Prof. José Carlos Morilla
1 Cálculo Vetorial e Geometria Analítica Santos 009 1 CÁLCULO VETORIAL... 4 1.1 Segmentos Orientados... 4 1. Vetores... 4 1..1 Soma de um ponto com um vetor... 5 1.. Adição de vetores... 5 1..3 Diferença
3.3 Espaço Tridimensional - R 3 - versão α 1 1
1 3.3 Espaço Tridimensional - R 3 - versão α 1 1 3.3.1 Sistema de Coordenadas Tridimensionais Como vimos no caso do R, para localizar um ponto no plano precisamos de duas informações e assim um ponto P
RELAÇÕES 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
Exercícios 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
6. 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
REPRESENTAÇÃO FASORIAL DE SINAIS SENOIDAIS
REPRESENTAÇÃO FASORIAL DE SINAIS SENOIDAIS Neste capítulo será apresentada uma prática ferramenta gráfica e matemática que permitirá e facilitará as operações algébricas necessárias à aplicação dos métodos
Potenciação 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
Conjuntos numéricos. Notasdeaula. Fonte: Leithold 1 e Cálculo A - Flemming. Dr. Régis Quadros
Conjuntos numéricos Notasdeaula Fonte: Leithold 1 e Cálculo A - Flemming Dr. Régis Quadros Conjuntos numéricos Os primeiros conjuntos numéricos conhecidos pela humanidade são os chamados inteiros positivos
II. DEFINIÇÕES INICIAIS 1
-1- ELPO: Definições Iniciais [MSL] II. DEFINIÇÕES INICIAIS 1 No que se segue, U é um conjunto qualquer e X, Y,... são os subconjuntos de U. Ex.: U é um quadrado e X, Y e Z são três círculos congruentes
Nota: Turma: MA 327 Álgebra Linear. Segunda Prova. Primeiro Semestre de T o t a l
Turma: Nota: MA 327 Álgebra Linear Primeiro Semestre de 2006 Segunda Prova Nome: RA: Questões Pontos Questão 1 Questão 2 Questão 3 Questão 4 Questão 5 T o t a l Questão 1. A matriz de mudança da base ordenada
ESPAÇOS 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.
. 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
36 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