Uma Introdução ao Estudo das Funções Matriciais
|
|
- Rubens Belmonte
- 5 Há anos
- Visualizações:
Transcrição
1 Universidade Federal de Goiás Instituto de Matemática e Estatística Programa de Mestrado Pro ssional em Matemática em Rede Nacional Uma Introdução ao Estudo das Funções Matriciais Rogério Sullyvan e Silva Goiânia 0
2 TERMO DE CIÊNCIA E DE AUTORIZAÇÃO PARA DISPONIBILIZAR AS TESES E DISSERTAÇÕES ELETRÔNICAS (TEDE) NA BIBLIOTECA DIGITAL DA UFG Na qualidade de titular dos direitos de autor, autorizo a Universidade Federal de Goiás (UFG) a disponibilizar, gratuitamente, por meio da Biblioteca Digital de Teses e Dissertações (BDTD/UFG), sem ressarcimento dos direitos autorais, de acordo com a Lei nº 90/98, o documento conforme permissões assinaladas abaixo, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.. Identificação do material bibliográfico: [ x ] Dissertação [ ] Tese. Identificação da Tese ou Dissertação Autor (a): Rogério Sullyvan e Silva rogeriosullyvan@gmail.com Seu pode ser disponibilizado na página? [ x ]Sim [ ] Não Vínculo empregatício do autor Secretaria Estadual de Educação do Estado de Goiás Agência de fomento: Fundação Coordenação de A- perfeiçoamento de Pessoal de Nível Superior Sigla: CAPES País: Brasil UF: GO CNPJ: / Título: Uma Introdução ao Estudo das Funções Matriciais Palavras-chave: Matrizes, funções, polinômio Título em outra língua: An Introduction to the Study of Matrix Functions Palavras-chave em outra língua: Matrices, functions, polynomial Área de concentração: Matemática do Ensino Básico Data defesa: (dd/mm/aaaa) 0/0/0 Programa de Pós-Graduação: Mestrado Profissional em Matemática em Rede Nacional Orientador (a): Mário José de Souza mario_jose_souza@ufg.br Co-orientador (a):* *Necessita do CPF quando não constar no SisPG. Informações de acesso ao documento: Concorda com a liberação total do documento [ x ] SIM [ ] NÃO Havendo concordância com a disponibilização eletrônica, torna-se imprescindível o envio do(s) arquivo(s) em formato digital PDF ou DOC da tese ou dissertação. O sistema da Biblioteca Digital de Teses e Dissertações garante aos autores, que os arquivos contendo eletronicamente as teses e ou dissertações, antes de sua disponibilização, receberão procedimentos de segurança, criptografia (para não permitir cópia e extração de conteúdo, permitindo apenas impressão fraca) usando o padrão do Acrobat. Assinatura do (a) autor (a) Data: / / Neste caso o documento será embargado por até um ano a partir da data de defesa. A extensão deste prazo suscita justificativa junto à coordenação do curso. Os dados do documento não serão disponibilizados durante o período de embargo.
3 Rogério Sullyvan e Silva Uma Introdução ao Estudo das Funções Matriciais Trabalho de Conclusão de Curso apresentado ao Instituto de Matemática e Estatística da Universidade Federal de Goiás, como parte dos requisitos para obtenção do grau de Mestre em Matemática. Área de Concentração: Matemática do Ensino Básico Orientador: Prof. Dr. Mário José de Souza Goiânia 0
4 Dados Internacionais de Catalogação na Publicação na (CIP) GPT/BC/UFG S8i Silva, Rogério Sullyvan. Uma Introdução ao Estudo das Funções Matriciais [manuscrito] / Rogério Sullyvan e Silva f. Orientador: Prof. Dr. Mário José de Souza Dissertação (Mestrado) Universidade Federal de Goiás, Instituto de Matemática e Estatística, 0. Bibliografia.. Funções (matemática). Matrizes (matemática). Polinômio I. Título. CDU:.
5 Rogério Sullyvan e Silva Uma Introdução ao Estudo das Funções Matriciais Trabalho de Conclusão de Curso defendido no Programa de Mestrado Profissional em Matemática em Rede Nacional - PROFMAT/UFG, do Instituto de Matemática e Estatística da Universidade Federal de Goiás, como requisito parcial para obtenção do título de Mestre em Matemática, área de concentração Matemática do Ensino Básico, aprovado no dia 0 de março de 0, pela Banca Examinadora constituída pelos professores: Instituto de Matemática e Estatística-UFG Presidente da Banca ~~ Seim~z Prof. Dr. Rui Departamento de Matemática-UnE Prof. Dr. Durval José Tonoii"'" Instituto de Matemática e Estatística-UFG
6 Todos os direitos reservados. É proibida a reprodução total ou parcial deste trabalho sem a autorização da universidade, do autor e do orientador. Rogério Sullyvan e Silva graduou-se em Matemática pela Universidade Federal de Goiás - UFG. Atualmente é professor da Rede Pública Estadual de Goiás.
7 Dedico esse trabalho a minha família e em especial a minha amada esposa Mirian Marques dos Anjos.
8 Agradecimentos Agradeço a Deus, a Universidade Federal de Goiás, ao professor Jesus Mota e a todos que contribuíram no decorrer deste curso, em especial ao professor Mário José pela orientação, aos meus amigos Neydiwan e Ronaldo pelo apoio nos momentos tensos do curso, aos meus familiares e a minha esposa Mirian pelo apoio e por acreditarem no sucesso deste trabalho. Agradeço ainda a CAPES pelo suporte nanceiro.
9 Resumo Em algumas áreas da matemática é de grande importância de nir funções matriciais e as funções mais utilizadas são os polinômios de matrizes quadradas. Avaliar um polinômio em matrizes quadradas é só uma questão de substituir as potências da matriz considerando a constante do polinômio como um múltiplo da matriz identidade. Neste trabalho serão estudadas as seguintes funções matriciais: exponencial, seno e cosseno. Palavras-chave matrizes, funções, polinômio. 0
10 Abstract In some areas of mathematics is of great importance to de ne matrix functions and frequently used functions are polynomials of square matrices. Evaluate a polynomial in square matrices is just a matter of replacing the powers of the matrix considering the constant of the polynomial as a multiple of the identity matrix. In this work the following matrix functions will be studied: exponential, sine and cosine. Keywords matrices, functions, polynomial.
11 Sumário Introdução Matrizes. Elementos de uma Matriz Classi cação de Matrizes Matrizes Especiais Operações com Matrizes Determinantes Classe de uma permutação Tabelas de permutações Tabela referente às permutações dos números e Tabela referente às permutações dos números, e Determinante de uma matriz Diagonalização de Matrizes Tópicos de Cálculo. Derivada de uma função Polinômio de Taylor Exponencial de uma Matriz Seno e Cosseno de uma Matriz Considerações Finais
12 Introdução Os conteúdos de matemática do ensino médio são a base para o estudo da mesma no ensino superior. Esse estudo é importante, uma vez que a matemática é utilizada nas mais diversas áreas da ciência. As aplicações da matemática, embora tão amplas e importantes, muitas vezes são ignoradas por parte dos alunos. Isso se dá, pelo pouco interesse em conhecer a disciplina e também pela maneira que os conteúdos são apresentados, sem mostrar suas possíveis aplicações. Diante disso, temos as matrizes que são fundamentais para o estudo de Álgebra Linear e por isso, são utilizadas em várias áreas do conhecimento como a economia, engenharias e na informática, visto que as matrizes podem ser utilizadas para representar transformações lineares. No ensino médio aprendemos calcular o seno, cosseno e a exponencial de um número real, mas será que é possível calcular o seno, cosseno e a exponencial de uma matriz quadrada? Neste trabalho mostraremos que sim. Apresentaremos um método para calcular seno, cosseno e exponencial de matrizes quadradas de ordem. Ainda iremos responder a seguinte pergunta: Se existe seno e cosseno de uma matriz quadrada A, a relação fundamental é válida, isto é, sen A + cos A = I? O presente trabalho se destina a mostrar que o estudo de matrizes é bem mais amplo do que é abordado no ensino médio, ou seja, além de somar, multiplicar e calcular determinantes de matrizes, existem várias funções de matrizes, tais como: exponencial, seno e cosseno. Apresentaremos no Capítulo um breve resumo sobre matrizes, através da de nição de matriz, suas classi cações, operações e suas propriedades e ainda determinantes. No Capítulo mostraremos todo o processo de diagonalização de uma matriz. Já no Capítulo serão apresentados os conceitos básicos de derivada, polinômio de Taylor e polinômio de Maclaurin que serão de grande importância para o desenvolvimento desse trabalho. Nos Capítulos e mostraremos um método de cálculo de exponencial, seno e cosseno de matrizes quadradas e por m responderemos a pergunta se a relação fundamental e válida para matrizes quadradas.
13 Matrizes Neste Capítulo faremos um breve resumo sobre matrizes, com a de nição de matriz, suas classi cações, operações e suas propriedades. De nição : Denominamos matriz do tipo m x n ( m N e n N ) a toda tabela composta por m:n elementos dispostos em m linhas e n colunas. A = a a a ::: a n a a a ::: a n a a a ::: a n..... a m a m a m ::: a mn Lê-se : Matriz A dos elementos a ij de ordem m x n. Observações: Podemos também escrever A = (a ij ) mxn, como A = [a ij ] mxn, e A = ka ij k mxn : Sendo A = (a ij ), onde a ij é um elemento genérico de A, devemos ter i m e j n.. Elementos de uma Matriz Os elementos de uma matriz genérica A são localizados de acordo com a linha e coluna que compõem esta referida matriz. Desta forma foi adotada a letra minúscula a para designar o elemento e i, j para localizar a linha e coluna, respectivamente, sendo i e j números naturais diferentes de zero. Logo, dada a matriz A, temos: A = (a ij ) mxn onde: A = Matriz A a ij = elemento situado na linha i e coluna j, com i; j N : m x n = ordem da matriz.
14 . Classi cação de Matrizes a) Matriz Unitária: São todas as matrizes que possui apenas um elemento, isto é, m = n =, [a ] b) Matriz Linha: São todas as matrizes A xn. c) Matriz Coluna: São todas as matrizes A mx. d) Matriz Nula (O mxn, ): São todas as matrizes A mxn, onde qualquer a ij é sempre igual a zero. e) Matriz Retangular: São todas as matrizes A mxn, onde m = n: f) Matriz Quadrada: São todas as matrizes A mxn, onde m = n. Neste caso dizemos que a matriz é de ordem n. Observação: Toda matriz quadrada possui duas diagonais (principal e secundária). A diagonal principal de uma matriz quadrada de ordem n é o conjunto dos elementos que tem os dois índices iguais, isto é: fa ij ji = jg = fa ; a ; ; a nn g : A diagonal secundária de uma matriz quadrada de ordem n é o conjunto dos elementos que tem soma dos índices igual a n +, isto é: fa ij ji + j = n + g = fa n ; a ;n ; ; a n g :.. Matrizes Especiais Existem matrizes que apresentam maior utilidade, por esse motivo, recebem um nome especial. São elas: a) Matriz Diagonal: A matriz A = (a ij ) mxn tal que a ij = 0 para todo i = j, ou seja, é aquela que tem todos os elementos nulos fora da diagonal principal. Exemplo. Matriz Diagonal A = : b) Matriz Unidade ou Identidade: É toda matriz quadrada de orden n, indicada por I n = (a ij ) nxn, de modo que os elementos da diagonal principal (i = j) são iguais a (unidade) e todos os demais são nulos, ou seja:
15 , se i = j I n = (a ij ) = 0, se i = j : c) Matriz Triangular: É toda matriz quadrada de orden n, em que os elementos acima ou abaixo da diagonal principal são todos nulos (zero), isto é, a ij = 0 para i > j ou a ij = 0 para i < j: Exemplo. Matriz triangular inferior : Exemplo. Matriz triangular superior :.. Operações com Matrizes Adição de Matrizes: Sejam duas matrizes, A = (a ij ) mxn e B = (b ij ) mxn : A soma destas matrizes resulta em uma matriz C = (c ij ) mxn de modo que c ij = a ij + b ij, para todo i m e j n. Assim, temos: Exemplo. Dadas as matrizes A = Assim, A + B = A + B = C: 9 = e B = ( ) = : 0 9 :
16 Propriedades da Adição de Matrizes: Sendo A, B e C matrizes mxn, teremos as seguintes propriedades da soma de matrizes. a) Comutatividade: b) Associatividade: A + B = B + A: c) Elemento Neutro: (A + B) + C = A + (B + C): d) Elemento Oposto: O + A = A + O = A: A + ( A) = ( A) + A = O: Multiplicação de um número real por uma Matriz: Dado um número real k e uma matriz A do tipo mxn, o produto de k por A é uma matriz B, do tipo mxn, obtida pela multiplicação de cada elemento de A por k, ou seja, b ij = ka ij. B = k A Exemplo. A matriz B, obtida pela multiplicação de por A é 8 = 0 : 0 Multiplicação de Matrizes: Dadas duas matrizes A = (a ij ) mxn e B = (b jk ) nxp o produto de A por B, resulta na matriz C = (c ik ) mxp de modo que cada elemento c ik = a i b k + a i b k + a i b k + + a in b nk = nx a ij b jk : j=
17 Exemplo. Sejam A = C = C = C = e B = ( ) + + ( ) ( ) + + ( ) 0 Propriedades da Multiplicação de Matrizes: a) Associativa: A (B C) = (A B) C: b) Distributiva com relação à adição: c) Elemento Neutro: A (B + C) = A B + A C:. A matriz C = A B é A I n = I n A = A, onde I n é a matriz identidade de ordem n: d) Matriz Inversa: Dada uma matriz A quadrada, de ordem n, se existir uma matriz B; de mesma ordem, tal que A B = B A = I n. Dizemos que B é a matriz inversa de A e escrevemos B = A. Determinantes A seguir é apresentado o conceito de determinante de uma matriz quadrada A necessário para o desenvolvimento do trabalho e para mais detalhes sobre o assunto, as referências [], [], e [8] são indicadas.
18 . Classe de uma permutação De acordo com [] e [], uma permutação das letras a, b e c do nosso alfabeto é a própria ordem a b c e outras permutações das letras a, b e c são: acb, cab, bac, cba e bca. De nição : Seja S = f; ; : : : ; ng o conjunto de inteiros de a n, ordenados de maneira ascendente. A reordenação j j : : : j n dos elementos de S é chamada de permutação de S. Podemos considerar uma permutação de S como sendo uma função bijetora de S em si mesmo. Para obtermos permutações, podemos colocar qualquer um dos n elementos de S na primeira posição, qualquer um dos n elementos remanescentes na segunda posição, qualquer um dos n elementos remanescentes na terceira posição, e assim até a n esima posição, que pode ser preenchida pelo último elemento. Dessa maneira, há n (n ) (n ) : : : = n! permutações de S. Representamos o conjunto de todas as permutações de S por S n. Diz-se que dois elementos de uma permutação formam uma inversão se estão em ordem inversa à da permutação principal. Assim, na permutação dada acb, os elementos c e b formam uma inversão. Daí, uma permutação é de classe par ou de classe ímpar, conforme apresente um número par ou ímpar de inversões. Portanto, acb é de classe ímpar, pois possui apenas uma inversão. Se uma permutação é de classe par atribuiremos a ela o sinal de + e se ela for de classe ímpar o sinal de. Exemplo. S tem apenas uma permutação, logo é par pois não há inversões. Exemplo 8. Na permutação de em S, precede, precede, precede, precede e precede e precede. Dessa maneira, o número de inversões nessa permutação é, que é par.. Tabelas de permutações.. Tabela referente às permutações dos números e O total de permutações dos números e é P =! =. Logo, podemos formar a Tabela. 8
19 Permutação Principal Permutação Inversões Classe Sinal 0 par + ímpar Tabela : Permutações dos números e... Tabela referente às permutações dos números, e O total de permutações dos números, e é P =! =. Logo, podemos formar a Tabela. Permutação Principal Permutação Inversões Classe Sinal 0 par + ímpar par + ímpar par + ímpar Tabela : Permutações dos números, e... Determinante de uma matriz Chama-se determinante de uma matriz quadrada à soma algébrica dos produtos que se obtém efetuando todas as permutações dos segundos índices dos elementos da diagonal principal da matriz, xados os primeiros, e fazendo-se preceder os produtos do sinal + ou, conforme a permutação dos segundos índices seja de classe par ou de classe ímpar. De maneira formal, temos. De nição : Seja A = [a ij ] uma matriz quadrada de ordem n. De ne-se o determinante de A, indicado por det (A), por det (A) = X () a j a j : : : a njn 9
20 em que o somatório envolve todas as permutações j j : : : j n do conjunto S = f; ; : : : ; ng. O sinal de a j a j : : : a njn é + ou conforme a permutação j j : : : j n é par ou ímpar. Exemplo 9. Se A é a matriz de ordem, A = [a ], teremos somente a permutação principal. Assim, det (A) = a. Exemplo 0. Se A é a matriz de ordem, A = a a ; temos duas permutações a a em S : j e j, sendo que a primeira é par e a segunda é ímpar, conforme a Tabela. Assim, vamos proceder da seguinte forma: o ) Escrever os elementos que compõem a diagonal principal, um após o outro, somente com os primeiros índices (deixando lugar para colocar depois os segundos índices), tantas vezes quantas forem as permutações dos números e conforme Tabela. a a a a o ) Colocar nas duas expressões anteriores, como segundos índices, as permutações e, uma permutação em cada expressão e não necessariamente nessa ordem. a a a a o ) Fazer preceder cada um dos dois produtos assim formados dos sinais + ou, conforme a permutação dos segundos índices for de classe par ou de classe ímpar de acordo com a Tabela. +a a a a o ) Efetuar a soma algébrica dos produtos assim obtidos, onde se terá: det (A) = a a a a : a a a Exemplo. Se A é a matriz de ordem, A = a a a, temos seis permutações em S : j ; j ; j ; j ; j ; j, com seus respectivos sinais, conforme a Tabela. a a a Procedendo de forma análoga ao exemplo anterior, temos: 0
21 o ) Escrever os elementos que compõem a diagonal principal, um após o outro, somente com os primeiros índices (deixando lugar para colocar depois os segundos índices), tantas vezes quantas forem as permutações dos números, e conforme Tabela. a a a a a a a a a a a a a a a a a a o ) Colocar, nas seis expressões anteriores, como segundos índices, as permutações,,,, e, uma permutação em cada expressão e não necessariamente nessa ordem. a a a a a a a a a a a a a a a a a a o ) Fazer preceder cada um dos seis produtos assim formados dos sinais + ou, conforme a permutação dos segundos índices for de classe par ou de classe ímpar de acordo com a Tabela. +a a a a a a + a a a a a a + a a a a a a o ) Efetuar a soma algébrica dos produtos assim obtidos, onde se terá: det (A) = +a a a a a a + a a a a a a + a a a a a a que pode ser escrita como det (A) = a a a + a a a + a a a a a a a a a a a a :
22 Diagonalização de Matrizes Começaremos de nindo vetores linearmente independentes (LI), transformação linear e operador linear. Para maiores detalhes sugerimos [] e [8] : De nição : Sejam V um espaço vetorial e v ; v ; ; v n V. Dizemos que o conjunto fv ; v ; ; v n g é linearmente independente (LI), ou que os vetores v ; v ; ; v n são LI, se a equação a v + a v + + a n v n = 0 implica que a = a = = a n = 0: De nição : Sejam V e W dois espaços vetoriais. Uma transformação linear é uma aplicação de V em W, f : V! W que satisfaz as seguintes condições: i) Quaisquer que sejam u e v em V; f (u + v) = f (u) + f (v) ii) Quaisquer que sejam k R e v V; f (kv) = kf (v) Observação: Um operador linear sobre V é uma transformação linear f : V! V (é o caso particular de W = V ). Uma relação entre matrizes que é muito importante no estudo de operadores lineares e que também se torna importante no estudo de autovalores é a relação de semelhança de matrizes. De nição : Sejam A e B matrizes n x n. Dizemos que B é semelhante a A, se existe uma matriz invertível P tal que B = P AP. De nição : Uma matriz A nxn é dita diagonalizável se for semelhante a uma matriz diagonal. Em outras palavras, uma matriz A nxn é diagonalizável se existem matrizes P nxn (invertível) e D nxn (diagonal) tal que A = P DP :
23 Assim, sendo P = v v. e D = como v n n A = P DP multiplicando P em ambos os lados, teremos AP = P DP P como P P = I e I é o elemento neutro da multiplicação de matrizes, então AP = P D A [v v v n ] = [v v v n ] n [Av Av Av n ] = [ v v n v n ] igualando, Av = v Av = v. Av n = n v n : Por de nição, dada uma matriz A nxn, um escalar é chamado autovalor e um vetor não nulo v R n é chamado autovetor de A se Av = v. Logo, mostramos que se uma matriz A nxn é diagonalizável, ou seja, se existem matrizes P e D tais que A = P DP então as colunas de P são autovetores linearmente independentes (LI), pois P é invertível, associados aos autovalores n, que são os elementos da diagonal de D.
24 Portanto, para determinar se uma matriz A é diagonalizável, precisamos determinar primeiramente seus autovalores e isso pode ser feito da seguinte maneira: Resolver a equação Av = v; que é equivalente a ou ainda, Av = Iv Av Iv = 0 ) (A I)v = 0: Assim, será um autovalor de A, se e somente se, o sistema homogêneo (A I)X = 0 possuir soluções não triviais. Mas isso acontecerá, se e somente se, det(a I) = 0. Cuja equação é um polinômio de grau n em. Os autovalores de A são as raízes deste polinômio. Este polinômio é conhecido como polinômio característico de A e denotaremos por p () = det (A I) : Observação: Para mais informações sugerimos []. Exemplo. Vamos determinar os autovalores da matriz A = Para essa matriz o polinômio característico é p () = det (A I ) = det : = ( ) = : Como os autovalores de A são as raízes de p (), teremos p () = 0 assim, Logo os autovalores de A são: = 0: = e = : Uma vez encontrados os autovalores da matriz, para encontrar os autovetores basta resolver o sistema linear homogêneo (A I)X = 0:
25 Assim, para = temos C A C A x x x y x y x y y y = = = = ou equivalentemente 8 >< >: x y = 0 x y = 0 : Cuja solução geral é v f(; ) ; R g ; que é o conjunto de todos os autovetores associados a =. Analogamente, fazendo o mesmo para = ; encontramos v f(; ) ; R g ; que é o conjunto de todos os autovetores associados a =. Teorema : Sejam A e B matrizes semelhantes. Então A e B têm o mesmo polinômio característico e, consequentemente, os mesmos autovalores. Demonstração: Sendo A e B matrizes semelhantes, existe uma matriz invertível P tal que B = P AP. Assim,
26 P B () = det (B I) = det P AP P IP = det(p (A I)(P )) = det(p ) det(a I) det(p ) = det(a I) = P A () : Onde P A () e P B () indicam respectivamente os polinômios característicos das matrizes A e B. Sendo os polinômios característicos iguais e como os autovalores são as raízes desse polinômio, segue que A e B têm os mesmos autovalores. Assim, podemos ver o conceito de diagonalização de matrizes, que dentre suas aplicações, temos: se uma matriz A é diagonalizável, suas potências são mais fáceis de serem calculadas. De fato, da equação A = P DP, temos A = P DP = P DP P DP = P D P P DP = P D P ; A = A A = P D P P DP = P D P P DP = P D P : De um modo geral temos, A k = P D k P ; para qualquer inteiro positivo k. E sendo a matriz diagonal D dada por D = ; n
27 temos que D k = k k : k n Agora que já sabemos encontrar os autovalores e os autovetores de uma matriz, podemos enunciar a seguinte propriedade. Propriedade : Se uma matriz A nxn tem n autovalores distintos, então ela é diagonalizável. Para maiores detalhes desta propriedade sugerimos [8]. matriz diagonal D = E vale lembrar que a n é formada pelos autovalores n de A em sua diagonal principal e a matriz P = v v. v n é formada pelos autovetores associados aos autovalores n. 0 Exemplo. Mostraremos que a matriz A = 9 é diagonalizável. 8 0 Vamos veri car se a matriz A tem três autovalores distintos, o que garante, pela Propriedade, que A e diagonalizável.
28 Seu polinômio característico é dado por 0 p () = det (A I ) = det = + + assim, resolvendo a equação, teremos det (A I ) = 0 ) + + = 0 = ; = e = : Portanto, todos os autovalores de A são distintos. Logo pela Propriedade a matriz A é diagonalizável e a matriz diagonal é dada por 0 0 D = 0 0 : 0 0 Para obtermos uma matriz P tal que A = P DP, precisamos encontrar os autovetores. Para = 0 ; teremos: x 0 0 C A y = 0 0 z 0 x 9 y = 8 0 z 0 0 ) : 0 Resolvendo o sistema, encontramos a solução geral v f(; ; ) ; R g : Logo, um autovetor associado ao autovalor = é v = (; ; ) : Analogamente, para = e = encontramos respectivamente os autovetores u f(; ; ) ; R g e w ; ; ; R e assim um autovetor associado ao autovalor = será u = (; ; ) e um autovetor associado ao autovalor = será w = (; ; ) : 8
29 Assim teremos, que a matriz invertível é dada por P = : Portanto, a matriz A é diagonalizável. A Propriedade, nos garante que se uma matriz A nxn tem n autovalores distintos, então ela é diagonalizável. E se esses autovalores não forem distintos? A resposta está no seguinte teorema: Teorema : Uma matriz A nxn é diagonalizável, se e somente se, a matriz A tem n autovetores linearmente independentes (LI). Demonstração: )) Suponha que A é diagonalizável, isto é, que exista uma matriz invertível P tal que D = P AP: Daí, AP = DP escrevendo P segundo suas colunas: P = [v ; v ; ; v n ] então e AP = [Av ; Av ; ; Av n ] DP = [ v ; v ; ; n v n ] : Comparando, concluímos que Av = v Av = v. Av n = n v n ; isto é, as colunas de P são os autovetores de A. Como P é invertível, suas colunas são LI, logo encontramos n autovetores LI para A. 9
30 () Sejam v ; v ; v ; : : : ; v n vetores linearmente independentes (LI). Então, A (v ) = v = v + 0v + 0v + + 0v n A (v ) = v = 0v + v + 0v + + 0v n A (v ) = v = 0v + 0v + v + + 0v n. A (v n ) = n v n = 0v + 0v + 0v + + n v n ; matricialmente, obtemos A (v n ) = v v. : n v n Vejamos um exemplo. 0 Exemplo. Vamos veri car que a matriz A = é diagonalizável. 0 Vamos determinar os autovalores de A. Seu polinômio característico e dado por 0 p () = det (A I ) = det = + + : 0 Assim, det (A I ) = 0 ) + + = 0 ) = : Logo, os autovalores são: = = (com multiplicidade ) e =. Agora, vamos encontrar os autovetores, para isso basta resolver (A I)X = 0: 0
31 Para = ; teremos: C A x y z x y z = = daí, 8>< >: x + z = 0 x + z = 0 x + z = 0 resolvendo o sistema, encontramos a solução geral v f(; ; ) = (0; ; 0) + (; 0; ) ; ; Rg : onde e não são nulos simultaneamente. Logo v = (; 0; ) e v = (0; ; 0) são vetores linearmente independentes (LI) associados ao autovalor = : Analogamente, para = ; encontraremos a solução geral w f(; ; ) = (; ; ) ; R g. Assim, w = (; ; ) é um autovetor associado ao autovalor = : Portanto a matriz A é diagonalizável e as matrizes P = 0 e D = são tais que A = P DP :
32 Tópicos de Cálculo Neste capítulo apresentaremos os conceitos básicos relativos ao cálculo diferencial e integral, tais como: derivada, polinômio de Taylor e polinômio de Maclaurin necessários para o desenvolvimento desse trabalho. Ressaltamos que alguns resultados não serão demonstrados, para mais detalhes sugerimos [].. Derivada de uma função De nição 8: Seja f uma função de nida em um intervalo aberto I e x 0 um elemento de I. Chama-se derivada de f no ponto x 0 o limite f (x) f (x 0 ) lim x!x 0 x x 0 se este existir e for nito. A diferença x = x x 0 é chamada acréscimo ou incremento da variável x relativamente ao ponto x 0. A diferença y = f (x) f (x 0 ) é chamda acréscimo ou incremento da função f relativamente ao ponto x 0 : O quociente y = f(x) f(x 0) x x x 0 recebe o nome de razão incremental de f relativamente ao ponto x 0 : Indicaremos a derivada de f no ponto x 0 por: f 0 (x 0 ) = lim x!0 y x ou f 0 f (x 0 + x) f (x 0 ) (x 0 ) = lim x!0 x quando o limite existir e for nito. Quando existe f 0 (x 0 ) dizemos que f é derivável no ponto x 0. Dizemos também que f é derivável no intervalo aberto I quando existe f 0 (x 0 ) para todo x 0 I: De modo geral, teremos f (n) f (n ) (x 0 + x) f (n ) (x 0 ) (x 0 ) = lim ; x!0 x desde que existam derivadas de ordem inferiores a n, isto é, se existir f (n ) (x 0 ).
33 . Polinômio de Taylor Muitas funções podem ser aproximadas por polinômios, facilitando assim alguns cálculos. Existem vários métodos para realizar essas aproximações, um dos mais usados vamos utilizar neste trabalho é o que envolve a Fórmula de Taylor, assim chamada em homenagem ao matemático inglês Brook Taylor (8 - ) e apresentaremos a seguir de nições e exemplos. De nição 9: Seja f uma função que possui derivadas f (n) de ordem n num intervalo aberto I e seja a um número xo em I. Então o polinômio de Taylor de n-ésimo grau da função f em a é uma função polinomial P n de nida por: P n (x) = f(a)+ f 0 (a)! (x a)+ f 00 (a)! (x a) + f 000 (a)! (x a) + + f (n) (a) n! Onde n é um número inteiro positivo e n! = n (n ) (n ). Escrevendo com a notação de somatório, temos que (x a) n : P n (x) = nx k=0 f (k) (a) k! (x a) k : O caso especial do polinômio de Taylor, obtido quando tomamos a = 0 é o chamado polinômio de Maclaurin, em homenagem ao matemático escocês Colin Maclaurin (98 - ). O polinômio de Maclaurin de enésimo grau para uma função f de acordo com a De nição 9 com a = 0, é dado por: P n (x) = f(0) + f 0 (0) x + f 00 (0) x + f 000 (0) x + + f (n) (0) x n!!! n! Assim, podemos aproximar uma função usando o polinômio de Taylor ou o polinômio de Maclaurin. Nos três exemplos a seguir, vamos fazer a aproximação das funções exponencial, seno e cosseno através do polinômio de Maclaurin. Exemplo. Seja f (x) = e x, assim: f (0) = e 0 = ; f 0 (0) = e 0 = ; f 00 (0) = e 0 = ; f 000 (0) = e 0 = ; f () (0) = e 0 = ; f () (0) = e 0 = : Logo, e x = + x + x! + x! + x! + + xn n! +
34 Exemplo. Seja f (x) = sen (x), assim: f (0) = sen (0) = 0; f 0 (0) = cos (0) = ; f 00 (0) = sen (0) = 0; f 000 (0) = cos (0) = ; f () (0) = sen (0) = 0; f () (0) = cos (0) = : Logo, sen(x) = x x! + x! + ( )n x n+ + (n + )! Exemplo. Seja g (x) = cos (x), assim: g (0) = cos (0) = ; g 0 (0) = sen (0) = 0; g 00 (0) = cos (0) = ; g 000 (0) = sen (0) = 0; g () (0) = cos (0) = ; g () (0) = sen (0) = 0: Logo, cos(x) = x! + x! + ( )n x n + (n)!
35 Exponencial de uma Matriz Sabemos calcular a exponencial de um número real, mas será que é possível calcular a exponencial de uma matriz? Neste capítulo, vamos mostrar que é possível determinar a exponencial de uma matriz quadrada. No Capítulo, vimos que para todo número real x e x = + x + x! + x! + x! + + xn n! + : A exponencial de uma matriz quadrada A de ordem n, denotada por e A ou exp (A) ; é de nida por X e A A n = n! n=0 = I + A + A! + A! + A! + onde I denota a matriz identidade de ordem n. Exemplo 8. Dada a matriz A = 0 0, vamos calcular e A : Primeiramente, vamos encontrar os autovalores de A. Seu polinômio cara-cterístico é dado por Assim, daí, p () = det (A I ) = det 0 det (A I ) = 0 ) ( ) ( ) = 0 = 0 e = ; = ( ) ( ) : os quais são os autovalores distintos da matriz A. Logo pela Propriedade a matriz A é diagonalizável e a matriz diagonal é dada por D = : Agora, vamos encontrar os autovetores, para = 0; 0 0 x y = 0 0
36 daí, x + y = 0 portanto a solução geral é v f(; ) ; R g : Logo, um autovetor associado ao autovalor = 0 é v = (; ) : Analogamente, para = encontramos os autovetores u f(; 0) ; R g e assim um autovetor associado ao autovalor = será u = (; 0) : Então teremos, que a matriz invertível é dada por P = 0 e sua inversa é Como P = 0 A = P DP ) A n = P D n P = A n = n n 0 0 ; 0 : n 0 ) temos: e A = e A = Portanto, e A = X n=0 A n n! P n n! n=0 = X n! n=0 P 0 0 e e 0 0. n n! n=0 n n 0 0 = = 0 0 e e : P n n! n=0 P n=0 0 0 n n! )
37 Seno e Cosseno de uma Matriz Neste capítulo, vamos mostrar um método para calcular o seno e cosseno de uma matriz quadrada. Como vimos nos Exemplos e, para todo número real x temos que: X ( ) n x n+ sen(x) = (n + )! n=0 = x x! + x! x! +, e X ( ) n x n cos(x) = = (n)! n=0 x! + x! x! +. Logo, dada uma matriz quadrada A de ordem n, o seno e o cosseno de A são de nidos por: X ( ) n A n+ sen (A) = (n + )! n=0 = A A! + A! A! +,. X ( ) n A n cos(a) = = I (n)! n=0 onde I denota a matriz identidade de ordem n. A! + A! A! + Neste trabalho vamos calcular o seno e cosseno de uma matriz quadrada de ordem Exemplo 9. Para a matriz A = por, calcular sen (A) e cos (A) : Primeiramente, encontrar os autovalores de A. Seu polinômio característico é dado p () = det (A Resolvendo a equação teremos, I ) = det = e = = ( ) = 0: que são os autovalores distintos da matriz A. Logo pela Propriedade a matriz A é diagonalizável e a matriz diagonal é dada por
38 D = 0 0 : Agora, vamos encontrar os autovetores, para = ; x y = 0 0 daí, x + y = 0 então a solução geral é v f(; ) ; R g : Logo, um autovetor associado ao autovalor = é v = (; ) : Analogamente, para = encontramos os autovetores u f(; ) ; R g e assim um autovetor associado ao autovalor = será u = (; ) : Então a matriz invertível é dada por P = e sua inversa é Como A = P DP ) A n = P D n P = daí, A n = A n A n = e ainda, A n+ = A n A = + n + n n + n P = + n + n n n n + n + n + n + n = = n+ + n+ = n + n n+ n+ + + n + n n n + : + n + n 8
39 Assim, sen (A) = X n=0 = = ( ) n A n+ (n + )! P n=0 P n=0 = X ( ) n (n + )! n=0 ( ) n ( n+ +) (n+)! ( ) n ( n+ ) (n+)! P n=0 P n=0 n+ + n+ ( ) n ( n+ ) (n+)! ( ) n ( n+ +) (n+)! sen () + sen () sen () sen () sen () sen () sen () + sen () ; n+ n+ + e ainda Portanto: cos(a) = X ( ) n A n = (n)! n=0 = = sen (A) = P n=0 P n=0 X n=0 ( ) n ( n +) (n)! ( ) n ( n ) (n)! ( ) n (n)! P n=0 P n=0 n + n ( ) n ( n ) (n)! ( ) n ( n +) (n)! cos () + cos () cos () cos () cos () cos () cos () + cos () n n +. sen () + sen () sen () sen () sen () sen () sen () + sen () e cos(a) = cos () + cos () cos () cos () cos () cos () cos () + cos () Agora que calculamos o seno e cosseno da matriz A = :, nada mais natural que a pergunta: Será que vale a relação fundamental, isto é, sen A + cos A = I? 9
40 Vamos veri car se é válida para a matriz A, temos: sen A = sena sena = sen () + sen () sen () sen () sen () sen () sen () + sen () sen () + sen () sen () sen () sen () sen () sen () + sen () 0 0 B [sen () + sen ()] C sen () sen () C A = + [sen () sen ()] +sen () sen () 0 0 sen () sen () C B [sen () sen ()] C A +sen () sen () + [sen () + sen ()] 0 sen () + sen () sen () 0 B +sen () + sen () B sen () sen () C A = +sen () sen () sen () sen () + sen () 0 0 sen () sen sen () + sen () sen () () C A B +sen () + sen () +sen () sen sen () sen () + sen () = sen () + sen () sen () sen () sen () sen () sen () + sen () = de modo análogo, sen () + sen () sen () sen () sen () sen () sen () + sen () cos A = cosa cos A = ; cos () + cos () cos () cos () cos () cos () cos () + cos () : C A 0
41 Então, sen A + cos A = sen () + sen () sen () sen () + sen () sen () sen () + sen () = cos () + cos () cos () cos () cos () cos () cos () + cos () 0 sen () + cos () +sen () + cos () 0 sen () + cos () [sen () + cos ()] = + + = 0 0 Portanto, para a matriz A = = 0 0 = I C A C A 0 sen () + cos () [sen () + cos ()] 0 sen () + cos () +sen () + cos () vale a relação fundamental, isto é, sen A + cos A = I: C A C A
42 Agora mostraremos que: Proposição : Se A é uma matriz quadrada diagonalizável, então sen A+cos A = I. Vamos fazer isso em duas etapas: a etapa: A é uma matriz diagonal. Seja 0 A =..... ) Ak = 0 n para todo número inteiro não-negativo k: Assim, k k n sena = = = X ( ) k A k+ (k + )! k=0 X k=0 P k=0 ( ) k k+ (k+)! ( ) k k+ n (k+)! ( ) k k+ (k+)! P 0 k=0 ( ) k k+ n (k+)! = sen sen n : Logo, A = ) sena = sen : 0 n 0 sen n De modo análogo teremos: 0 A =..... ) cos A = cos : 0 n 0 cos n
43 Assim, sen A + cos A = sen cos = 0 sen n 0 cos n sen + cos = 0 sen n + cos n = I 0 a etapa: A é uma matriz diagonalizável. Sendo A uma matriz diagonalizável, existe uma matriz invertível P tal que P AP é uma matriz diagonal D, isto é: 0 P AP =..... : 0 n Assim, A = P DP ) A m = P D m P para todo número natural m. Logo: X ( ) k A k+ sena = (k + )! k=0 X ( ) k P D k+ P = (k + )! k=0 " # X = P ( ) k D k+ P = P send P (k + )! k=0
44 e X ( ) k A k cos(a) = (k)! k=0 X ( ) k P D k P = (k)! k=0 " # X = P ( ) k D k P = P cos D P: (k)! k=0 Portanto, sen A + cos A = P sen D P + P cos D P = P sen D + cos D P como D é uma matriz diagonal e na a etapa já provamos que vale a relação fundamental para matrizes diagonais, segue que sen D + cos D = I e assim, sen A + cos A = P I P = I
45 Considerações Finais Os estudos realizados para o desenvolvimento deste trabalho nos garantiram a obtenção de ganhos signi cativos relacionados ao cálculo da exponencial, seno e cosseno de uma matriz quadrada.de ordem Apresentam-nos a importância do desenvolvimento de métodos que possibilitem a um professor de matemática trabalhar com a exponencial, seno e cosseno de uma matriz, com o auxílio da Álgebra Linear, oportunizando melhor entendimento por parte dos alunos do ensino médio e superior (primeiros anos), uma vez que os mesmos encontram-se habituados com cálculos algébricos. Acreditamos que se conseguirmos levar os alunos a construir melhor os conceitos, podemos doar um tempo maior para o planejamento de situações em que a aprendizagem seja efetiva. E por m, esperamos que este trabalho possa ser uma ferramenta para futuros estudos sobre matrizes.
46 Referências [] Boldrini, José Luis. Álgebra Linear. Editora Harbra, 980. [] Dante, Luiz Roberto. Matemática: Contexto e Aplicaçõe, volume. Editora Ática, 00. [] Figueiredo, L. M.; da Silva, M. O. M. Notas da MA - Fundamentos de Cálculo. Profmat, 0. [] Gordon, Crystal Monterz. The Square Root Function of a Matrix. Georgia State University, 00. [] Iezzi, Gelson; Hazzan, Samuel. Fundamentos de Matemática Elementar. Atual Editora, 9. [] Kolman, Bernard; Hill, David R. Álgebra Linear com Aplicações. 9 o edição, Editora LTC, Rio de Janeiro, 0. [] Leithold, Louis, O Cálculo com Geometria Analítica.Volume. Editora Harbra, 99. [8] Steinbruch, Alfredo; Winterle, Paulo, Introdução a Álgebra Linear. Pearson Education do Brasil, 99.
Modelo da Capa com Título e com Subtítulo
Modelo da Capa com Título e com Subtítulo UNIVERSIDADE FEDERAL DE GOIÁS ESCOLA DE VETERINÁRIA E ZOOTECNIA PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA ANIMAL TÍTULO DO TRABALHO (se o trabalho tiver subtítulo coloque
Leia maisExercício: Identifique e faça um esboço do conjunto solução da. 3x xy + y 2 + 2x 2 3y = 0
Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 + 2 3xy + y 2 + 2x 2 3y = 0 Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 +
Leia mais1, , ,
Ministério da Educação Universidade Tecnológica Federal do Paraná Câmpus Francisco Beltrão Licenciatura em Informática Fundamentos de Geometria Analítica e Álgebra Linear Profª Sheila R. Oro Este texto
Leia maisA Representação Brasileira no Cinema de Animação Nacional
Universidade Federal de Goiás Faculdade de Artes Visuais Programa de Pós-Graduação em Arte e Cultura Visual Mestrado A Representação Brasileira no Cinema de Animação Nacional Identidade, Mercado Cinematográfico
Leia maisNotas de Aulas de Matrizes, Determinantes e Sistemas Lineares
FATEC Notas de Aulas de Matrizes, Determinantes e Sistemas Lineares Prof Dr Ânderson Da Silva Vieira 2017 Sumário Introdução 2 1 Matrizes 3 11 Introdução 3 12 Tipos especiais de Matrizes 3 13 Operações
Leia maisAUTOVALORES E AUTOVETORES
AUTOVALORES E AUTOVETORES Prof a Simone Aparecida Miloca Definição 1 Uma tranformação linear T : V V é chamada de operador linear. Definição Seja T : V V um operador linear. existirem vetores não-nulos
Leia maisProfs. Alexandre Lima e Moraes Junior 1
Raciocínio Lógico-Quantitativo para Traumatizados Aula 07 Matrizes, Determinantes e Solução de Sistemas Lineares. Conteúdo 7. Matrizes, Determinantes e Solução de Sistemas Lineares...2 7.1. Matrizes...2
Leia maisA MEMÓRIA COMO UM COMPONENTE NA PREPARAÇÃO DA PERFORMANCE MUSICAL: UM ESTUDO DE CASO SOBRE A FUGA BWV 997 DE J. S. BACH.
UNIVERSIDADE FEDERAL DE GOIÁS ESCOLA DE MÚSICA E ARTES CÊNICAS PROGRAMA DE PÓS-GRADUAÇÃO EM MÚSICA NERY ANDRÉ BORGES DE OLIVEIRA A MEMÓRIA COMO UM COMPONENTE NA PREPARAÇÃO DA PERFORMANCE MUSICAL: UM ESTUDO
Leia maisValores e vectores próprios
ALGA - Eng Civil e EngTopográ ca - ISE - / - Valores e vectores próprios 5 Valores e vectores próprios Neste capítulo, sempre que não haja especi cação em contrário, todas as matrizes envolvidas são quadradas
Leia maisAula 1 Autovetores e Autovalores de Matrizes Aula 2 Autovetores e Autovalores de Matrizes Casos Especiais 17
Sumário Aula 1 Autovetores e Autovalores de Matrizes.......... 8 Aula 2 Autovetores e Autovalores de Matrizes Casos Especiais 17 Aula 3 Polinômio Característico................. 25 Aula 4 Cálculo de Autovalores
Leia maisMatrizes Semelhantes e Matrizes Diagonalizáveis
Diagonalização Matrizes Semelhantes e Matrizes Diagonalizáveis Nosso objetivo neste capítulo é estudar aquelas transformações lineares de R n para as quais existe pelo menos uma base em que elas são representadas
Leia mais1 Matrizes e Determinantes
1 Matrizes e Determinantes 11 Introdução Definição (Matriz): Uma matriz A m n é um arranjo retangular de mn elementos distribuídos em m linhas horizontais e n colunas verticais: a 11 a 12 a 1j a 1n a 21
Leia maisn. 1 Matrizes Cayley (1858) As matrizes surgiram para Cayley ligadas às transformações lineares do tipo:
n. Matrizes Foi um dos primeiros matemáticos a estudar matrizes, definindo a ideia de operarmos as matrizes como na Álgebra. Historicamente o estudo das Matrizes era apenas uma sombra dos Determinantes.
Leia mais7 temos que e u =
Capítulo 1 Complementos de Álgebra Linear 11 Introdução Seja A = [a ij ] uma matriz quadrada de ordem n e pensemos na transformação linear R n! R n que a cada cada vector u R n faz corresponder um vector
Leia maisÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA. Maria da Graça Marcos Marisa João Guerra Pereira de Oliveira Alcinda Maria de Sousa Barreiras
ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA Maria da Graça Marcos Marisa João Guerra Pereira de Oliveira Alcinda Maria de Sousa Barreiras EDIÇÃO, DISTRIBUIÇÃO E VENDAS SÍLABAS & DESAFIOS - UNIPESSOAL LDA. NIF:
Leia maisMatrizes. Lino Marcos da Silva
Matrizes Lino Marcos da Silva lino.silva@univasf.edu.br Introdução Chamamos de matriz a uma tabela de elementos dispostos em linhas e colunas. Por exemplo, ao recolhermos os dados população, área e distância
Leia maisProvas. As notas da primeira e segunda prova já foram digitadas no Minha UFMG. Caso você não veja sua nota, entre em contato com o professor.
Provas As notas da primeira e segunda prova já foram digitadas no Minha UFMG. Caso você não veja sua nota, entre em contato com o professor. Terceira prova. Sábado, 15/junho, 10:00-12:00 horas, ICEx. Diagonalização
Leia maisPensamento. "A escada da sabedoria tem os degraus feitos de números." (Blavatsky) Prof. MSc. Herivelto Nunes
Aula Introdutória Álgebra Linear I- Abril 2017 Pensamento "A escada da sabedoria tem os degraus feitos de números." (Blavatsky) Prof. MSc. Herivelto Nunes Unidade Matrizes. Matrizes A matriz foi criada
Leia maisMatrizes e Sistemas Lineares
MATEMÁTICA APLICADA Matrizes e Sistemas Lineares MATRIZES E SISTEMAS LINEARES. Matrizes Uma matriz de ordem mxn é uma tabela, com informações dispostas em m linhas e n colunas. Nosso interesse é em matrizes
Leia maisMAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de T ( p(x) ) = p(x + 1) p(x), (a) 8, (b) 5, (c) 0, (d) 3, (e) 4.
MAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de 218 Q1. Considere a transformação linear T : P 3 (R) P 2 (R), dada por T ( p(x) ) = p(x + 1) p(x), para todo p(x) P 3 (R), e seja A
Leia maisInterbits SuperPro Web
1 (Ita 018) Uma progressão aritmética (a 1, a,, a n) satisfaz a propriedade: para cada n, a soma da progressão é igual a n 5n Nessas condições, o determinante da matriz a1 a a a4 a5 a 6 a a a 7 8 9 a)
Leia maisParte 3 - Produto Interno e Diagonalização
Parte 3 - Produto Interno e Diagonalização Produto Escalar: Sejam u = (u 1,..., u n ) e v = (v 1,..., v n ) dois vetores no R n. O produto escalar, ou produto interno euclidiano, entre esses vetores é
Leia maisÁlgebra Linear. Aula 02
Álgebra Linear Aula Determinante Para aproveitar 1% dessa aula vocês precisam saber: ü Matrizes ü Equação do 1º grau ü Equação do º grau Como representamos o determinante de uma matriz? Colocando os elementos
Leia maisEspaços vectoriais reais
ALGA - 00/0 - Espaços Vectoriais 49 Introdução Espaços vectoriais reais O que é que têm em comum o conjunto dos pares ordenados de números reais, o conjunto dos vectores livres no espaço, o conjunto das
Leia maisVetores e Geometria Analítica
Vetores e Geometria Analítica ECT2102 Prof. Ronaldo Carlotto Batista 23 de fevereiro de 2016 AVISO O propósito fundamental destes slides é servir como um guia para as aulas. Portanto eles não devem ser
Leia mais5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão Encontre os autovalores, os autovetores e a exponencial e At para
5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008 1. Encontre os autovalores, os autovetores e a exponencial e At para [ ] 1 1 1 1 2. Uma matriz diagonal Λ satisfaz a regra usual
Leia maisCapítulo 1. Matrizes e Sistema de Equações Lineares. 1.1 Corpos
Capítulo 1 Matrizes e Sistema de Equações Lineares Neste capítulo apresentaremos as principais de nições e resultados sobre matrizes e sistemas de equações lineares que serão necessárias para o desenvolvimento
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Matrizes e Sistemas de Equações Lineares
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 1 Matrizes e Sistemas de Equações Lineares Geometria anaĺıtica em R 3 [1 01]
Leia maisALGA - Eng. Civil e Eng. Topográ ca - ISE / Matrizes 1. Matrizes
ALGA - Eng. Civil e Eng. Topográ ca - ISE - 011/01 - Matrizes 1 Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n (m vezes n ou m por n) a uma aplicação A : f1; ; :::;
Leia maisMatemática II /06 - Matrizes 1. Matrizes
Matemática II - 00/0 - Matrizes Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n (m vezes n ou m por n) a uma função A : f; ; :::; mg f; ; :::; ng R: (i; j) A (i; j)
Leia maisSão tabelas de elementos dispostos ordenadamente em linhas e colunas.
EMENTA (RESUMO) Matrizes Matrizes, determinantes e suas propriedades, Multiplicação de matrizes, Operações com matrizes, Matrizes inversíveis. Sistemas de Equações Lineares Sistemas equações lineares,
Leia maisAPLICAÇÃO DE AUTOVALORES E AUTOVETORES NAS POTÊNCIAS DE MATRIZES
Universidade Federal de Goiás Câmpus de Catalão Departamento de Matemática Seminário Semanal de Álgebra APLICAÇÃO DE AUTOVALORES E AUTOVETORES NAS POTÊNCIAS DE MATRIZES Aluno: Ana Nívia Pantoja Daniela
Leia maisMultiplicidade geométrica
Valores e Vectores Próprios - ALGA - /5 Multiplicidade geométrica Chama-se multiplicidade geométrica de um valor próprio ao grau de indeterminação do sistema (A I n ) X : O grau de indeterminação de corresponde
Leia maisMatemática II /06 - Determinantes 25. Determinantes
Matemática II - 00/0 - Determinantes Permutações Determinantes Seja n N. Uma permutação p (p ; p ; : : : ; p n ) do conjunto f; ; ; ng é um arranjo dos n números em alguma ordem, sem repetições ou omissões.
Leia maisMP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Seção 2.1: Álgebra Linear e Matrizes Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br São José
Leia maisMatrizes - ALGA /05 1. Matrizes
Matrizes - ALGA - 004/0 1 Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n a uma função A de nida no conjunto f(i; j) : i f1; ; :::; mg e j f1; ; :::; ngg e com valores
Leia maisDeterminantes e Matrizes Inversas
Determinante e Matrizes Inversas FFCLRP - USP Departamento de Computação e Matemática 10 de março de 2019 e Matrizes Inversas 1 Propriedades dos determinantes Propriedades dos determinantes Propriedades
Leia mais- identificar operadores ortogonais e unitários e conhecer as suas propriedades;
DISCIPLINA: ELEMENTOS DE MATEMÁTICA AVANÇADA UNIDADE 3: ÁLGEBRA LINEAR. OPERADORES OBJETIVOS: Ao final desta unidade você deverá: - identificar operadores ortogonais e unitários e conhecer as suas propriedades;
Leia maisÁlgebra Linear I - Aula Forma diagonal de uma matriz diagonalizável
Álgebra Linear I - Aula 18 1 Forma diagonal de uma matriz diagonalizável 2 Matrizes ortogonais Roteiro 1 Forma diagonal de uma matriz diagonalizável Sejam A uma transformação linear diagonalizável, β =
Leia maisProduto Misto, Determinante e Volume
15 Produto Misto, Determinante e Volume Sumário 15.1 Produto Misto e Determinante............ 2 15.2 Regra de Cramer.................... 10 15.3 Operações com matrizes............... 12 15.4 Exercícios........................
Leia mais1 NOTAS DE AULA FFCLRP-USP - VETORES E GEOMETRIA ANALÍTICA. Professor Doutor: Jair Silvério dos Santos
FFCLRP-USP - VETORES E GEOMETRIA ANALÍTICA 1 NOTAS DE AULA Professor Doutor: Jair Silvério dos Santos (i) Matrizes Reais Uma matriz real é o seguinte arranjo de números reais : a 11 a 12 a 13 a 1m a 21
Leia maisNotas para o Curso de Algebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009
Notas para o Curso de Álgebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009 2 Sumário 1 Matrizes e Sistemas Lineares 5 11 Matrizes 6 12 Sistemas Lineares 11 121 Eliminação Gaussiana 12 122 Resolução
Leia mais1 Auto vetores e autovalores
Auto vetores e autovalores Os autovalores de uma matriz de uma matriz n n são os n números que resumem as propriedades essenciais daquela matriz. Como esses n números realmente caracterizam a matriz sendo
Leia maisAUTOVALORES E AUTOVETORES: CONCEITOS E UMA APLICAÇÃO A UM SISTEMA DINÂMICO
AUTOVALORES E AUTOVETORES: CONCEITOS E UMA APLICAÇÃO A UM SISTEMA DINÂMICO Patrícia Eduarda de Lima 1, Luciane de Fátima Rodrigues de Souza 2* 1 Departamento de Exatas, Faculdades Integradas Regionais
Leia maisDiagonalização unitária e diagonalização ortogonal. (Positividade do produto interno) Raíz quadrada. Formas quadráticas.
Aplicações: Diagonalização unitária e diagonalização ortogonal (Positividade do produto interno) Raíz quadrada Formas quadráticas Mínimos quadrados Produto externo e produto misto (Área do paralelogramo.
Leia maisNotas de Aula. Gustavo Henrique Silva Sarturi. i Z (1 i m) a j1 a j2
Notas de Aula Gustavo Henrique Silva Sarturi Matemática B - Em Ação gustavo.sarturi@ufpr.br 1 Matrizes Definição 1.1. Uma matriz A m n é um arranjo retangular de m n números reais (ou complexos) organizados
Leia maisO TEOREMA DE CAYLEY-HAMILTON E AS MATRIZES INVERSAS
O TEOREMA DE CAYLEY-HAMILTON E AS MATRIZES INVERSAS Jessé Geraldo de Resende* Resumo: Este artigo tem por finalidade apresentar uma maneira diferente de se obter a matriz inversa através do Teorema de
Leia maisEnsaio sobre aritmética matricial por método computacional.
Ensaio sobre aritmética matricial por método computacional www.matematicaemdados.com.br Djanir Angelim da Silva Filho i 24.07.207 Os cálculos manuais envolvendo matrizes são extremamente trabalhosos e
Leia maisAulas Teóricas de Álgebra Linear
Aulas Teóricas de Álgebra Linear Instituto Superior Técnico - o Semestre 009/00 MEAmbi - MEBiol Matrizes De nição Uma matriz A, do tipo m n (m por n), é uma tabela de mn números dispostos em m linhas e
Leia maisCENTRO DE ENSINO SUPERIOR. Avenida João Batista de Souza Soares, Colônia Paraíso - São José dos Campos SP CEP:
CENTRO DE ENSINO SUPERIOR Avenida João Batista de Souza Soares, 4121 - Colônia Paraíso - São José dos Campos SP CEP: 12236-660 www.unianhanguera.edu.br ALGEBRA LINEAR ATPS de matrizes Disciplina: Álgebra
Leia maisRenato Martins Assunção
Análise Numérica Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Análise Numérica 2012 1 / 84 Equação linear Sistemas de equações lineares A equação 2x + 3y = 6 é chamada linear
Leia maisEXERCÍCIOS DE ÁLGEBRA LINEAR
IST - 1 o Semestre de 016/17 MEBiol, MEAmbi EXERCÍCIOS DE ÁLGEBRA LINEAR FICHA - Vectores e valores próprios 1 1 Vectores e valores próprios de transformações lineares Dada uma transformação linear T V!
Leia maisÁlgebra Linear. Determinantes, Valores e Vectores Próprios. Jorge Orestes Cerdeira Instituto Superior de Agronomia
Álgebra Linear Determinantes, Valores e Vectores Próprios Jorge Orestes Cerdeira Instituto Superior de Agronomia - 200 - ISA/UTL Álgebra Linear 200/ 2 Conteúdo Determinantes 5 2 Valores e vectores próprios
Leia maisPESQUISA OPERACIONAL
PESQUISA OPERACIONAL Uma breve introdução. Prof. Cleber Almeida de Oliveira Apostila para auxiliar os estudos da disciplina de Pesquisa Operacional por meio da compilação de diversas fontes. Esta apostila
Leia maisMatriz, Sistema Linear e Determinante
Matriz, Sistema Linear e Determinante 1.0 Sistema de Equações Lineares Equação linear de n variáveis x 1, x 2,..., x n é uma equação que pode ser expressa na forma a1x1 + a 2 x 2 +... + a n x n = b, onde
Leia mais. Repare que ao multiplicar os vetores (-1,1) e
Álgebra Linear II P1-2014.2 Obs: Todas as alternativas corretas são as representadas pela letra A. 1 AUTOVETORES/ AUTOVALORES Essa questão poderia ser resolvida por um sistema bem chatinho. Mas, faz mais
Leia maisTÓPICOS. Valores e vectores próprios. Equação característica. Matrizes semelhantes. Matriz diagonalizável. Factorização PDP -1
Note bem: a leitura destes apontamentos não dispensa de modo algum a leitura atenta da bibliografia principal da cadeira Chama-se a atenção para a importância do trabalho pessoal a realizar pelo aluno
Leia maisNOTAS DE AULAS DE ÁLGEBRA LINEAR
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE EDUCAÇÃO E SAÚDE UNIDADE ACADÊMICA DE EDUCAÇÃO PERÍODO 011 TURNO: DATA: PROFESSORA: CÉLIA MARIA RUFINO FRANCO Aluno (a): NOTAS DE AULAS DE ÁLGEBRA LINEAR
Leia maisPLANO DE ENSINO E APRENDIZAGEM
SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE LICENCIATURA PLENA EM MATEMÁTICA PARFOR PLANO E APRENDIZAGEM I IDENTIFICAÇÃO: PROFESSOR (A) DA DISCIPLINA:
Leia mais= 2 sen(x) (cos(x) (b) (7 pontos) Pelo item anterior, temos as k desigualdades. sen 2 (2x) sen(4x) ( 3/2) 3
Problema (a) (3 pontos) Sendo f(x) = sen 2 (x) sen(2x), uma função π-periódica, temos que f (x) = 2 sen(x) cos(x) sen(2x) + sen 2 (x) 2 cos(2x) = 2 sen(x) (cos(x) sen(2x) + sen(x) cos(2x) ) = 2 sen(x)
Leia mais. (1) Se S é o espaço vetorial gerado pelos vetores 1 e,0,1
QUESTÕES ANPEC ÁLGEBRA LINEAR QUESTÃO 0 Assinale V (verdadeiro) ou F (falso): (0) Os vetores (,, ) (,,) e (, 0,) formam uma base de,, o espaço vetorial gerado por,, e,, passa pela origem na direção de,,
Leia maisUniversidade Federal Fluminense - GAN
Solimá Gomes Pimentel Universidade Federal Fluminense IM - GAN Solimá Gomes Pimentel, ****- Matemática para Economia III/Solimá Gomes Pimentel 2pt, ; 31cm Inclui Bibliografia. 1. Matemática para Economia
Leia maisÁlgebra Linear I - Aula 22
Álgebra Linear I - Aula 1. Bases Ortonormais.. Matrizes Ortogonais. 3. Exemplos. 1 Bases Ortonormais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de
Leia maisMATRIZES E DETERMINANTES
PET-FÍSICA MATRIZES E DETERMINANTES Aula 7 TATIANA MIRANDA DE SOUZA ANA CAROLINA DOS SANTOS LUCENA VANESSA CRISTINA DA SILVA FERREIRA FREDERICO ALAN DE OLIVEIRA CRUZ AGRADECIMENTOS Esse material foi produzido
Leia maisNOTAS DE AULA DE MAT 137 -PRIMEIRA SEMANA Profa. Margareth Turmas 2 e 7. Atleta 1 7, ,4. Atleta Atleta 3 9 7,5 8,5 7,9
NOTAS DE AULA DE MAT 137 -PRIMEIRA SEMANA Profa Margareth Turmas e 7 01 Motivação Num torneio de triatlon as competições: nado, corrida e ciclismo foram pontuadas com pesos x, y e z, respectivamente A
Leia maisMatrizes - Matemática II /05 1. Matrizes
Matrizes - Matemática II - 00/0 1 Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n a uma função A de nida no conjunto f(i; j) i f1; ; ; mg e j f1; ; ; ngg e com valores
Leia maisGuia-1. a 11 a a 1n a 21 a a 2n A = a m1 a m2... a mn
Guia-1 Revisão de Matrizes, Determinantes, Vetores e Sistemas Lineares SMA00 - Complementos de Geometria e Vetores Estagiária PAE: Ingrid Sofia Meza Sarmiento 1 Introdução Este texto cobre o material sobre
Leia maisCapítulo 5. Operadores Auto-adjuntos. Curso: Licenciatura em Matemática. Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo
Capítulo 5 Operadores Auto-adjuntos Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo Disciplina: Álgebra Linear II Unidade II Aula 5: Operadores Auto-adjuntos
Leia maisMatrizes material teórico
M A T R I Z E S A Matemática é a mais simples, a mais perfeita e a mais antiga de todas as ciências. (Jacques Hadarmard) "Aqueles que estudam seriamente a matemática acabam tomados de uma espécie de paixão
Leia maisAvaliação e programa de Álgebra Linear
Avaliação e programa de Álgebra Linear o Teste ( de Março): Sistemas de equações lineares e matrizes. Espaços lineares. o Teste ( de Maio): Matriz de mudança de base. Transformações lineares. o Teste (
Leia maisNotas em Álgebra Linear
Notas em Álgebra Linear 1 Pedro Rafael Lopes Fernandes Definições básicas Uma equação linear, nas variáveis é uma equação que pode ser escrita na forma: onde e os coeficientes são números reais ou complexos,
Leia maisRaciocínioLógico TFC -C G U Tele - Transmitido Teoria Mais de 360 aprovados na Receita Federal em 2006 Prof.Milton Ueta Data de impressão: 08/02/2008 67 das 88 vagas no AFRF no PR/SC 150 das 190 vagas
Leia mais1 Autovetor e Autovalor 9. 2 Matrizes Ortogonais e Transformações Lineares Planas e Espaciais 55
Capítulo LINE LINE Autovetor e Autovalor 9 Matrizes Ortogonais e Transformações Lineares Planas e Espaciais 55 Matrizes Simétricas, o Teorema Espectral e Operadores Auto-adjuntos 8 4 Formas Bilineares,
Leia maisProduto interno, externo e misto de vectores
MTDI I - 00/08 - Produto Interno Produto interno, externo e misto de vectores A noção de produto interno (ou escalar) de vectores foi introduzida no ensino secundário, para vectores com duas ou três coordenadass.
Leia maisEduardo. Matemática Matrizes
Matemática Matrizes Eduardo Definição Tabela de números dispostos em linhas e colunas. Representação ou Ordem da Matriz Se uma matriz A possui m linhas e n colunas, dizemos que A tem ordem m por n e escrevemos
Leia maisEspaços vectoriais reais
Espaços Vectoriais - Matemática II - 2004/05 40 Introdução Espaços vectoriais reais O que é que têm em comum o conjunto dos pares ordenados de números reais, o conjunto dos vectores livres no espaço, o
Leia maisAutovalores e Autovetores Determinante de. Motivando com Geometria Definição Calculando Diagonalização Teorema Espectral:
Lema (determinante de matriz ) A B A 0 Suponha que M = ou M =, com A e D 0 D C D matrizes quadradas Então det(m) = det(a) det(d) A B Considere M =, com A, B, C e D matrizes C D quadradas De forma geral,
Leia maisG3 de Álgebra Linear I
G3 de Álgebra Linear I 11.1 Gabarito 1) Seja A : R 3 R 3 uma transformação linear cuja matriz na base canônica é 4 [A] = 4. 4 (a) Determine todos os autovalores de A. (b) Determine, se possível, uma forma
Leia maisIntrodução: A necessidade de ampliação dos conjuntos Numéricos. Considere incialmente o conjunto dos números naturais :
Introdução: A necessidade de ampliação dos conjuntos Numéricos Considere incialmente o conjunto dos números naturais : Neste conjunto podemos resolver uma infinidade de equações do tipo A solução pertence
Leia maisUnidade 2 - Matrizes. A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa. 9 de agosto de 2013
MA33 - Introdução à Álgebra Linear Unidade 2 - Matrizes A. Hefez e C. S. Fernandez Resumo elaborado por Paulo Sousa PROFMAT - SBM 9 de agosto de 2013 O dono de uma pequena frota de quatro táxis, movidos
Leia maisAULA 8- ÁLGEBRA MATRICIAL VERSÃO: OUTUBRO DE 2016
CURSO DE ADMINISTRAÇÃO CENTRO DE CIÊNCIAS SOCIAIS APLICADAS UNIVERSIDADE CATÓLICA DE PETRÓPOLIS MATEMÁTICA 01 AULA 8- ÁLGEBRA MATRICIAL VERSÃO: 0.1 - OUTUBRO DE 2016 Professor: Luís Rodrigo E-mail: luis.goncalves@ucp.br
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS (UFMG) ADÉLIO DANIEL DE SOUSA FREITAS
UNIVERSIDADE FEDERAL DE MINAS GERAIS (UFMG) ADÉLIO DANIEL DE SOUSA FREITAS O ESTUDO DA DIAGONALIZAÇÃO DE MATRIZES SIMETRICAS DE 2º ORDEM. BELO HORIZONTE 2012 ADÉLIO DANIEL DE SOUSA FREITAS O ESTUDO DA
Leia maisAlgoritmos Numéricos 2 a edição
Algoritmos Numéricos 2 a edição Capítulo 2: Sistemas lineares c 2009 FFCf 2 2.1 Conceitos fundamentais 2.2 Sistemas triangulares 2.3 Eliminação de Gauss 2.4 Decomposição LU Capítulo 2: Sistemas lineares
Leia maisParte 1 - Matrizes e Sistemas Lineares
Parte 1 - Matrizes e Sistemas Lineares Matrizes: Uma matriz de tipo m n é uma tabela com mn elementos, denominados entradas, e formada por m linhas e n colunas. A matriz identidade de ordem 2, por exemplo,
Leia maisValores e vectores próprios
Valores e Vectores Prórios - Matemática II- /5 Valores e vectores rórios De nem-se valores e vectores rórios aenas ara matrizes quadradas, elo que, ao longo deste caítulo e quando mais nada seja eseci
Leia maisMATRIZES. Álgebra Linear e Geometria Analítica Prof. Aline Paliga
MATRIZES Álgebra Linear e Geometria Analítica Prof. Aline Paliga INTRODUÇÃO Definição: chama-se matriz de ordem m por n a um quadro de m xn elementos dispostos em m linhas e n colunas. a a a a a a a a
Leia maisGAAL - Exame Especial - 12/julho/2013. Questão 1: Considere os pontos A = (1, 2, 3), B = (2, 3, 1), C = (3, 1, 2) e D = (2, 2, 1).
GAAL - Exame Especial - /julho/3 SOLUÇÕES Questão : Considere os pontos A = (,, 3), B = (, 3, ), C = (3,, ) e D = (,, ) (a) Chame de α o plano que passa pelos pontos A, B e C e de β o plano que passa pelos
Leia maisMATRIZES E DETERMINANTES. a, com índices duplos, onde
MATRIZES E DETERMINANTES Para designar com clareza situações que apresentam um grupo ordenado de números dispostos em tabelas com linhas e colunas, introduziremos o conceito de matriz. Nesse sentido, matrizes
Leia maisFORMA CANÔNICA DE JORDAN
FORMA CANÔNICA DE JORDAN Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 4 de novembro de 2011 Roteiro Motivação 1 Motivação 2 3 4 5 6 Roteiro Motivação 1 Motivação 2 3 4 5 6 Matrizes Quase Diagonalizáveis
Leia maisUma matriz m x n é um quadro de elementos dispostos em m linhas e n colunas. Os valores de m e n são sempre positivos e inteiros.
MATRIZES DEFINIÇÃO Uma matriz m x n é um quadro de elementos dispostos em m linhas e n colunas. Os valores de m e n são sempre positivos e inteiros. M = à M é uma matriz 2 x 3. Cada elemento da matriz
Leia maisPolinômio Mínimo e Operadores Nilpotentes
Capítulo 9 Polinômio Mínimo e Operadores Nilpotentes Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo Disciplina: Álgebra Linear II Unidade II Aula
Leia maisÁlgebra Linear Semana 05
Álgebra Linear Semana 5 Diego Marcon 4 de Abril de 7 Conteúdo Interpretações de sistemas lineares e de matrizes invertíveis Caracterizações de matrizes invertíveis 4 Espaços vetoriais 5 Subespaços vetoriais
Leia maisÁlgebra Linear e Geometria Analítica Bacharelados e Engenharias Parte I - Matrizes
Álgebra Linear e Geometria Analítica Bacharelados e Engenharias Parte I - Matrizes Prof.a Tânia Preto Departamento Acadêmico de Matemática UTFPR - 2014 Importante Material desenvolvido a partir dos livros
Leia maisDeterminantes - Matemática II / Determinantes
Determinantes - Matemática II - 00/05 19 Permutações Determinantes Seja n N Uma permutação p = (p 1 ; p ; : : : ; p n ) do conjunto f1; ; ; ng é um arranjo dos n números em alguma ordem, sem repetições
Leia maisSynergismus Scyentifica UTFPR. XIII ERMAC Mini Curso. Diferenciais
Synergismus Scyentifica UTFPR Mini Curso Aplicações da Álgebra Linear a Equações Diferenciais Gilson Tumelero Marieli Musial Colegiado de Matemática - FAFIUV Pato Branco, setembro de 2009 Sumário Introdução
Leia maisCálculo Diferencial e Integral 2 Formas Quadráticas
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Cálculo Diferencial e Integral 2 Formas Quadráticas 1 Formas quadráticas Uma forma quadrática em R n é um polinómio do
Leia maisESPAÇO VETORIAL REAL. b) Em relação à multiplicação: (ab) v = a(bv) (a + b) v = av + bv a (u + v ) = au + av 1u = u, para u, v V e a, b R
ESPAÇO VETORIAL REAL Seja um conjunto V, não vazio, sobre o qual estão definidas as operações de adição e multiplicação por escalar, isto é: u, v V, u + v V a R, u V, au V O conjunto V com estas duas operações
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Espaços Vetoriais Reais
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 4 Espaços Vetoriais Reais Definição de espaço vetorial real [4 01] O conjunto
Leia mais