Parte I. Álgebra Linear. Sistemas Dinâmicos Lineares. Autovalores, autovetores. Autovalores, autovetores. Autovalores e Autovetores.
|
|
- Nelson Santos Regueira
- 6 Há anos
- Visualizações:
Transcrição
1 Sistemas Dinâmicos Lineares Romeu Reginatto Programa de Pós-Graduação em Engenharia de Sistemas Dinâmicos e Energéticos Universidade Estadual do Oeste do Paraná Parte I Álgebra Linear Adaptado das notas de aula de Sistemas Dinâmicos Lineares de Edson Roberto de Pieri e Eugênio de Bona Castelan Neto, PPGEAS/UFSC, com autorização Março de 211 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Autovalores, autovetores Autovalores, autovetores Autovalores e Autovetores Seja A R n n uma matriz quadrada Um escalar λ C é um autovalor (valor próprio) de A se existe um vetor x C n não nulo tal que Ax = λx Qualquer vetor x C n que satisfaça Ax = λx é chamado de autovetor (vetor próprio) de A associado ao autovalor λ Note que: Ax = λx pode ser visto como (A λi)x = x C n,x : (A λi)x = det(a λi) = Logo, A λi é singular sempre que, e somente quando, λ é um autovalor de A Se x é um autovetor de A, a transformação linear A aplicada sobre x produz apenas um escalonamento de x, de tamanho λ, sem modificar a direção de x Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47
2 Autovalores, autovetores Polinômio e Equação característica Para a matriz A R n n : (λ) det(λi A) é o polinômio característico de A O polinômio característico é sempre mônico (λ) = é a equação característica Autovalores, autovetores Exemplo: Considere a matriz A [ ] a11 a A = 12 a 21 a 22 [ ] a11 λ a ; A λi = 12 a 21 a 22 λ Note que: Grau de (λ) é n O polinômio característico possui n raízes Toda raíz de (λ) é autovalor de A, pois anula o determinante de A λi Todo autovalor de A é tal que det(a λi) =, logo é raíz do polinômio característico Toda matriz A R n n possui n autovalores, correspondentes às raízes de seu polinômio característico Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 det(a λi) = (λ a 11 )(λ a 22 ) a 12 a 21 det(a λi) = λ 2 Tr(A)λ+det(A) n det(a) = a ij Co ij ; Co ij : cofator de a ij j=1 Co ij = ( 1) i+j M ij ; M ij : det de A sem a linha i e a coluna j Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Autovalores, autovetores Autovalores, autovetores Autovetores à esquerda Note que λ C é um autovalor de A R n n se (λ) = det(λi A) = Essa condição é equivalente à existência de y C tal que y A = λy = y (λi A) = e qualquer y que satisfaça a relação acima é chamado de autovetor à esquerda de A (associado ao autovalor λ) Algumas propriedades: Se v C n é um autovetor associado a λ C, então αv também é, para qualquer α R, α Se v C n é um autovetor associado a λ C, então v (complexo conjugado de v) é um autovetor associado a λ Como det(a) = det(a ), A e A possuem o mesmo polinômio característico e os mesmos autovalores Se A é simétrica, então todos os autovalores são reais Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47
3 Autovalores, autovetores Polinômio característico e forma companheira As matrizes na forma companheira α 1 α 1 1 α 2 ; 1 α 3 α 3 α 2 α 1 α e suas transpostas têm o seguinte polinômio característico: (λ) = λ 4 +α 3 λ 3 +α 2 λ 2 +α 1 λ+α A forma companheira evidencia os coeficientes do polinômio característo da matriz Como construir a base para chegar nesta representação? Forma companheira - relembrando Seja A R n n Se existir um vetor b R n 1 tal que o conjunto de n vetores {b,ab,a 2 b,,a n 1 b} seja linearmente independente e se A n +α n 1 A n 1 + +α 2 A+α I = então a representação de A na base {b,ab,a 2 b,,a n 1 b} é dada por (forma companheira) α 1 α 1 1 α 2 Ā = α n 2 1 α n 1 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Matrizes com Autovalores Distintos Teorema Sejam λ 1,λ 2,,λ n autovalores distintos de A e v i, i = 1,2,,n, os autovetores de A associados a cada autovalor λ i, respectivamente Então, o conjunto de autovetores {v 1,v 2,,v n } é LI Matrizes com Autovalores Distintos Prova: Primeiramente, note que { (λi λ (A λ j I)v i = j )v i, j i =, j = i Supondo (por absurdo) que {v 1,v 2,,v n } é LD, existem escalares α 1,α 2,,α n não todos nulos tais que n α i v i = i=1 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47
4 Matrizes com Autovalores Distintos Sem perda de generalidade, assuma α 1 Então, (A λ n I) (A λ n 1 I)(A λ n I) n n 1 α i v i = α i (λ i λ n )v i i=1 i=1 n n 2 α i v i = α i (λ i λ n )(λ i λ n 1 )v i i=1 i=1 α 1 (λ 1 λ 2 )(λ 1 λ 3 ) (λ 1 λ n )v 1 = Como λ i λ j, j = 2,3,,n, α 1 =, o que contradiz a hipótese inicial Como conclusão, {v 1,v 2,,v n } LI Base do C n Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Diagonalização de Operadores - Formas de Jordan Forma diagonal Seja A R n n com autovalores todos distintos Logo o conjunto dos autovetores {v 1,v 2,,v n } de A é LI e forma uma base Seja Ā a representação de A na base formada pelos autovetores Então Ā é uma matriz diagonal e os elementos da diagonal são os autovalores de A Seja Q = [ ] v 1 v 2 v n Então AQ = QĀ e a i-ésima coluna de Ā é a representação de Av i = λ i v i na base {v 1,v 2,,v n }, ou seja, Av i = λ i v i = [ ] v 1 v 2 v i v n }{{} Q Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 λ i Diagonalização de Operadores λ 1 λ 2 Ā = = Q 1 AQ λ n Q = [ ] v 1 v 2 v n Diagonalização de Operadores Exemplo Seja a matriz A com os autovalores abaixo: 1 1 A = 2, λ 1 = 1,λ 2 = 2,λ 3 = 3 3 Existe uma representação diagonal da matriz se todos os autovalores de A são distintos Q, a matriz dos autovetores de A, define uma transformação de similaridade que diagonaliza a matriz A Por outro lado, se Q = [ v 1 v 2 v n ] é tal que Ā = Q 1 AQ é uma matriz diagonal, então AQ = QĀ = Av i = λ i v i, i = 1 n e {v 1,v 2,v n } são autovetores LI de A Autovetor associado a λ 1 = 1: (A λ 1 I)v 1 = v 11 v 21 = v 31 v 31 = v 21 = 2v 31 = 1 v 1 = Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47
5 Diagonalização de Operadores Autovetor associado a λ 2 = 2: (A λ 2 I)v 2 = v 12 v 22 = v 32 v 12 v 32 = v 32 = Autovetor associado a λ 3 = 3: (A λ 3 I)v 3 = v 13 v 23 = v 33 v 2 = 1 2v 13 v 33 = v 23 = ; v 3 = 1 {v 1,v 2,v 3 } são LI Ā = 2, Q = [ ] v 1 v 2 v Diagonalização de Operadores Autovalores complexos Considere a matriz A = Polinômio característico: (λ) = (λ+1)(λ 2 4λ+13) Autovalores: λ 1 = 1, λ 2 = 2+j3 e λ 3 = 2 j3 Note que autovalores complexos sempre aparecem em pares complexos conjugados para matrizes com coeficientes reais Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Diagonalização de Operadores Neste caso os autovetores são: 1 j v 1 = ; v 2 = 3+j2 ; v 3 = j j 3 j2 j Note que v 2 e v 3 são complexos e, ainda, v 3 = v 2 A matriz Ā, na base dos autovetores, continua sendo diagonal No caso, Matriz com autovalores nem todos distintos 1 j j Q = 3+j2 3 j2 ; Ā = j j 1 2+j3 2 j3 A matriz mudança de base Q, neste caso, precisa ser entendida no C b Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47
6 Diagonalização de Operadores - Forma de Jordan Considere a matriz 1 1 A = 1 2, λ 1 = λ 2 = 1,λ 3 = 2 Autovalor 1 tem multiplicidade algébrica (MA) 2 Calculando os autovetores: (A λ 1 I)v 1 = = Soluções LI: v 1 = 1 1 1, v 2 = 1 v 11 v 21 = v 31 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Diagonalização de Operadores - Formas de Jordan Associado a λ 3 (A λ 3 I)v 3 = = = v 3 = No caso, foi possível contruir 3 autovetores LI Q = [ v 1 v 2 v 3 ] é não-singular Ā é diagonal Ā = v 13 v 23 = v 33 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Diagonalização de Operadores - Formas de Jordan Diagonalização de Operadores - Forma de Jordan O autovalor λ 1 = 1 tinha MA = 2 Multiplicidade Geométrica (MG) de λ 1 = nulidade de (A λ 1 I) = 2 (número de autovetores LI associadas ao autovalor) No caso geral, tem-se: Multiplicidade Geométrica (MG) Multiplicidade Algébrica (MA) (Prova Ver (LIPSCHUTZ, exercício 127)), Se MG < MA, então não é possível determinar autovetores {v 1,v 2,v 3 } LI Nestes casos será possível obter uma forma bloco-diagonal (forma de Jordan) Exemplo [ Considere ] a matriz com autovalores não distintos 5 1 A =, λ 5 1 = λ 2 = 5, MA = 2 (A λ 1 I)v 1 = MG = 1 [ ][ ] [ ] 1 v11 1 = v v 1 = 21 Como MG < MA, não se consegue obter n = 2 autovetores LI Logo a matriz não é diagonizável Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47
7 Características da forma canônica de Jordan: Constituída por uma matriz bloco-diagonal Cada bloco é conhecido como bloco de Jordan Cada bloco de Jordan é associado a um único autovalor de A Qualquer matriz A quadrada pode ser reduzida à forma canônica de Jordan por transformação de similaridade A matriz de transformação de similaridade é contruída a partir dos autovetores generalizados da matriz A A forma canônica de Jordan reduz-se a forma diagonal quando todos autovalores de A são distintos Bloco de Jordan Define-se como J k (λ) o bloco de Jordan de dimensão k k associado ao autovalor λ, dado por λ 1 λ 1 J k (λ) = C k k 1 λ Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Para qualquer matriz A R n n existe uma matriz não singular Q tal que J k1 (λ 1 ) Ā = Q 1 J k2 (λ 2 ) AQ = Jkr (λr) com k 1 + +k r = n A forma de Jordan é única para uma dada matriz A (salvo eventuais permutações entre os blocos) Pode haver múltiplos blocos associados ao mesmo autovalor Ā é diagonal no caso de n blocos de Jordan de dimensão k = 1 Note que os autovetores associados ao bloco de Jordan J k (λ) verificam: λ 1 A [ ] [ ] λ 1 v 1 v 2 v k = v1 v 2 v k 1 λ }{{} Ā Definindo v 1 v (autovetor associado ao autovalor λ) tem-se Av 1 = λv 1 = (A λi)v 1 = Av 2 = v 1 +λv 2 = (A λi)v 2 = v 1 Av k = v k 1 +λv k = (A λi)v k = v k 1 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47
8 Exemplo 6 5 A = (λ) = λ 3 4λ 2 +5λ 2 = ; λ 1 = 2, λ 2 = λ 3 = 1 Autovetor associado ao autovalor λ 1 = 2: v 1a (A 2I)v 1 = v 1b v 1c = ; v 1 = Para o autovalor λ 2 = 1: (A 1I)v 2 = v 2 = Note que a 3 a linha é igual à 1 a mais (4 )2 a = ν(a 1I) = 1 Portanto, existe 1 bloco de Jordan associado ao autovalor λ = 1; com isso, sabe-se que a forma de Jordan é dada por 2 Ā = Q 1 AQ = Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Um autovetor v 2 pode ser obtido da expressão acima: 1 v 2 = 3/7 5/7 A partir de v 21 v 2 pode-se determinar o autovetor generalizado v 22 1 (A 1I)v 22 = v 21 ; v 22 = 22/49 46/49 Com isso tem-se 3 autovetores LI e pode-se construir Q = [ v 1 v 21 v 22 ] Autovetores generalizados v é um autovetor generalizado de grau l de A associado ao autovalor λ se (A λi) l v = (A λi) l 1 v Um autovetor genaralizado de grau 1 é tal que (A λi)v = v logo corresponde ao autovetor (simples) Ajuda do Matlab é importante Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47
9 Considere A R 4 4 com um autovalor λ de multiplicidade algébrica igual a 4 Assuma que ν(a λi) = 1 Assim, (A λi)v = possui apenas uma solução linearmente independente Para formar uma base do R 4, três outros vetores LI são necessários Os três vetores (autovetores generalizados) v 2, v 3 e v 4 serão construídos de maneira que: v 1 = v ; (A λi)v 1 = (A λi)v 2 ; (A λi) 2 v 2 = (A λi) 2 v 3 ; (A λi) 3 v 3 = (A λi) 3 v 4 ; (A λi) 4 v 4 = {v 1,v 2,v 3,v 4 } forma uma cadeia de autovetores generalizados (de grau 4) Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 A partir do autovetor v 1, a cadeia de autovetores generalizados de grau 4 pode ser gerada da seguinte forma: Av 1 = λv 1 Av 2 = v 1 +λv 2 Av 3 = v 2 +λv 3 Av 4 = v 3 +λv 4 Os vetores gerados dessa maneira são LI Forma de Jordan (representação na base {v 1,v 2,v 3,v 4 }): Ā = λ 1 λ 1 λ 1 λ Se a ordem dos vetores da base for invertida, a representação passa a ser bidiagonal inferior Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Considere agora A R 4 4 com um autovalor λ de multiplicidade algébrica igual a 4 mas ν(a λi) = 2 Assim, Note que: v 3 (A λi)v 4 v 2 (A λi)v 3 = (A λi) 2 v 4 v 1 (A λi)v 2 = (A λi) 3 v 4 Como pode ser verificado, valem as propriedades: (A λi)v 1 =, (A λi) 2 v 2 =, (A λi) 3 v 3 = e (A λi) 4 v 4 = (A λi)v = possui 2 soluções LI Dois autovetores podem ser obtidos e n 2 = 4 2 = 2 autovetores generalizados são necessários A partir de cada um dos autovetores, gera-se uma cadeia de autovetores generalizados As possíveis formas de Jordan neste caso são: Ā 1 = λ 1 λ 1 λ λ ; Ā 2 = λ 1 λ λ 1 λ Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47
10 Exemplo A = Propriedade (A e C matrizes quadradas) [ A B det C ] = detadetc (λ) = det(a λi) = [(3 λ)(1 λ)+1](2 λ) 2[ (1 λ) 2 1 ] = (2 λ) 2 (2 λ) 2 (2 λ)λ = (2 λ) 5 λ Autovalores: λ 1 = 2, MA= 5 ; λ 2 =, MA= (A 2I) = ρ(a 2I) = 4 ν 1 = ν(a 2I) = 6 4 = 2 MG = 2 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 A forma de Jordan apresenta dois blocos (MG=2) associados ao autovalor λ 1 = A = Q = = [ ] x v 1 v 2 v 3 u 1 u 2 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47
11 x, v 1 e u 1 são autovetores 2 1 Ā = Q 1 AQ = Nem sempre é fácil determinar a cadeia de autovetores generalizados Por exemplo, se v é autovetor, v também é, mas os autovetores generalizados podem ser diferentes Ax = v +λx ; Ay = v +λy Determinante e Seja Q a matriz de autovetores generalizados de A, então está na forma de Jordan Ā = Q 1 AQ Como det(ab) = det(a) det(b), então det(ā) = det(q 1 )det(a)det(q) = det(a) Como Ā é triangular superior, o determinante é o produto dos elementos da diagonal Logo Determinante Autovalores det(a) = produto dos autovalores de A A é singular A possui ao menos 1 autovalor nulo Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Autovalores, autovetores - Matrizes Simétricas Autovalores, autovetores - Matrizes Simétricas Esta parte é opcional Sejam λ 1, λ 2,, λ n autovalores de uma matriz simétrica A R n n λ i R, i = 1,,n Autovetores v i, v j associados a autovalores distintos λ i λ j são ortogonais, isto é v i,v j = v i v j = Para mostrar que os autovalores são reais, note que se λ C é um autovalor e v C n é um autovetor genérico de A Av = λv ; v = v Av = λv v Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47
12 Autovalores, autovetores - Matrizes Simétricas Tomando o conjugado transposto da expressão (escalar) acima e lembrando que A = A (matriz simétrica) Subtraindo (v Av) = (v Av) = λv v = (λ λ)v v = λ = λ = λ R Para mostrar a ortogonalidade de autovetores associados a autovalores distintos: Av i = λ i v i = v jav i = λ i v jv i Av j = λ j v j = v i Av j = λ j v i v j Como o lado esquerdo das expressões acima é igual (A = A ), subtraindo = (λ i λ j ) v i,v j = v i v j se λ i λ j A forma de Jordan de uma matriz simétrica A R n n é diagonal Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Autovalores, autovetores - Matrizes Simétricas Para provar, mostra-se que não existem autovetores generalizados de grau k 2 Suponha, por absurdo, que para algum λ i Entretanto, (A λ i I) k v = e (A λ i I) k 1 v (k 2) (A λ i I) k 2 v,(a λ i I) k v = Usando a simetria de A (A λ i I) k 1 v,(a λ i I) k 1 v = (A λ i I) k 1 v = (A λ i I) k 1 v = o que contradiz a hipótese inicial Portanto, não existe nenhum bloco de Jordan cuja ordem seja maior do que 1 Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47 Autovalores, autovetores - Matrizes Simétricas Q : Ā = Q 1 AQ diagonal Se A = A, Ā = Ā é uma matriz diagonal (com os autovalores reais na diagonal) e a base formada pelos autovetores é tal que Q Q = I (base ortonormal) (Q 1 AQ) = Q AQ 1 = Q 1 AQ = Q 1 = Q Romeu Reginatto (UNIOESTE) Sistemas Dinâmicos Lineares Março de / 47
Exercícios e questões de Álgebra Linear
CEFET/MG Exercícios e questões de Álgebra Linear Versão 1.2 Prof. J. G. Peixoto de Faria Departamento de Física e Matemática 25 de outubro de 2012 Digitado em L A TEX (estilo RevTEX). 2 I. À GUISA DE NOTAÇÃO
Leia maisÁlgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.
Álgebra Linear AL Luiza Amalia Pinto Cantão Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.br Autovalores e Autovetores Definição e Exemplos 2 Polinômio Característico
Leia maisMódulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano
Módulo de Equações do Segundo Grau Equações do Segundo Grau: Resultados Básicos. Nono Ano Equações do o grau: Resultados Básicos. 1 Exercícios Introdutórios Exercício 1. A equação ax + bx + c = 0, com
Leia maisÁlgebra Linear I - Aula 20
Álgebra Linear I - Aula 0 1 Matriz de Mudança de Base Bases Ortonormais 3 Matrizes Ortogonais 1 Matriz de Mudança de Base Os próximos problemas que estudaremos são os seguintes (na verdade são o mesmo
Leia maisUniversidade Federal de Goiás Campus Catalão Departamento de Matemática
Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear Professor: André Luiz Galdino Aluno(a): 4 a Lista de Exercícios 1. Podemos entender transformações lineares
Leia maisMatrizes e Sistemas Lineares. Professor: Juliano de Bem Francisco. Departamento de Matemática Universidade Federal de Santa Catarina.
e Aula Zero - Álgebra Linear Professor: Juliano de Bem Francisco Departamento de Matemática Universidade Federal de Santa Catarina agosto de 2011 Outline e e Part I - Definição: e Consideremos o conjunto
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE. Aula 03 Inversão de matrizes
UNIVERSIDDE FEDERL DO RIO GRNDE DO NORTE Prof. Hector Carrion S. Álgebra Linear ula Inversão de matrizes Resumo Matriz inversa Inversa de matriz elementar Matriz adjunta Inversão de matrizes Uma matriz
Leia maisIntrodução ao determinante
ao determinante O que é? Quais são suas propriedades? Como se calcula (Qual é a fórmula ou algoritmo para o cálculo)? Para que serve? Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld
Leia maisInversão de Matrizes
Inversão de Matrizes Prof. Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2014.2 13 de
Leia maisDeterminantes. Vamos associar a cada matriz quadrada A um número a que chamaremos determinante. a11 a Uma matriz de ordem 2, A =
Determinantes Vamos associar a cada matriz quadrada A um número a que chamaremos determinante de A. [ ] a11 a Uma matriz de ordem 2, A 12, é invertível se e só se a 21 a 22 a 11 a 22 a 21 a 12 0, como
Leia maisÁlgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP
Álgebra Linear AL Luiza Amalia Pinto Cantão Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.br Determinantes 1 Permutação e Inversão 2 Determinantes de matriz de
Leia maisRecordamos que Q M n n (R) diz-se ortogonal se Q T Q = I.
Diagonalização ortogonal de matrizes simétricas Detalhes sobre a Secção.3 dos Apontamentos das Aulas teóricas de Álgebra Linear Cursos: LMAC, MEBiom e MEFT (semestre, 0/0, Prof. Paulo Pinto) Recordamos
Leia maisÁlgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013
Álgebra Linear Mauri C. Nascimento Departamento de Matemática UNESP/Bauru 19 de fevereiro de 2013 Sumário 1 Matrizes e Determinantes 3 1.1 Matrizes............................................ 3 1.2 Determinante
Leia maisÁlgebra Linear Aplicada à Compressão de Imagens. Universidade de Lisboa Instituto Superior Técnico. Mestrado em Engenharia Aeroespacial
Álgebra Linear Aplicada à Compressão de Imagens Universidade de Lisboa Instituto Superior Técnico Uma Breve Introdução Mestrado em Engenharia Aeroespacial Marília Matos Nº 80889 2014/2015 - Professor Paulo
Leia maisDisciplina: Álgebra Linear - Engenharias ], C = Basta adicionar elemento a elemento de A e B que ocupam a mesma posição na matriz.
Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear - Engenharias Professor: André Luiz Galdino Gabarito da 1 a Lista de Exercícios 1. Sejam Encontre: [ 1
Leia maisCapítulo 4 - Valores e Vectores Próprios
Capítulo 4 - Valores e Vectores Próprios Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/ 15
Leia maisDefinição de determinantes de primeira e segunda ordens. Seja A uma matriz quadrada. Representa-se o determinante de A por det(a) ou A.
Determinantes A cada matriz quadrada de números reais, pode associar-se um número real, que se designa por determinante da matriz Definição de determinantes de primeira e segunda ordens Seja A uma matriz
Leia maisDeterminantes. ALGA 2008/2009 Mest. Int. Eng. Electrotécnica Determinantes 1 / 17
Capítulo 4 Determinantes ALGA 2008/2009 Mest Int Eng Electrotécnica Determinantes 1 / 17 Definições Seja M n n o conjunto das matrizes quadradas reais (ou complexas) de ordem n Chama-se determinante de
Leia maisa 21 a 22... a 2n... a n1 a n2... a nn
Projeto TEIA DO SABER 2006 UNESP Campus de Guaratinguetá Secretaria de Estado da Educação, SP. Diretoria de Ensino da Região de Guaratinguetá Coordenador Prof. Dr. José Ricardo Zeni Metodologias de Ensino
Leia maisESCOLA SUPERIOR DE TECNOLOGIA DE VISEU
INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA DE VISEU Departamento Matemática Disciplina Matemática I Curso Gestão de Empresas Ano 1 o Ano Lectivo 2007/2008 Semestre 1 o Apontamentos Teóricos:
Leia maisMatrizes. matriz de 2 linhas e 2 colunas. matriz de 3 linhas e 3 colunas. matriz de 3 linhas e 1 coluna. matriz de 1 linha e 4 colunas.
Definição Uma matriz do tipo m n (lê-se m por n), com m e n, sendo m e n números inteiros, é uma tabela formada por m n elementos dispostos em m linhas e n colunas. Estes elementos podem estar entre parênteses
Leia maisÁlgebra Linear e Geometria Analítica
Álgebra Linear e Geometria Analítica Engenharia Electrotécnica Escola Superior de Tecnologia de Viseu www.estv.ipv.pt/paginaspessoais/lucas lucas@mat.estv.ipv.pt 7/8 Álgebra Linear e Geometria Analítica
Leia maisÁlgebra Linear. André Arbex Hallack Frederico Sercio Feitosa
Álgebra Linear André Arbex Hallack Frederico Sercio Feitosa Janeiro/2006 Índice 1 Sistemas Lineares 1 11 Corpos 1 12 Sistemas de Equações Lineares 3 13 Sistemas equivalentes 4 14 Operações elementares
Leia maisMatriz de Sensibilidade Modal
Introdução ao Controle Automático de Aeronaves Matriz de Sensibilidade Modal Leonardo Tôrres torres@cpdeeufmgbr Escola de Engenharia Universidade Federal de Minas Gerais/EEUFMG Dep Eng Eletrônica EEUFMG
Leia maisÁlgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.
Álgebra Linear AL Luiza Amalia Pinto Cantão Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.br Sistemas Lienares 1 Sistemas e Matrizes 2 Operações Elementares e
Leia mais2 Conceitos Básicos. onde essa matriz expressa a aproximação linear local do campo. Definição 2.2 O campo vetorial v gera um fluxo φ : U R 2 R
2 Conceitos Básicos Neste capítulo são apresentados alguns conceitos importantes e necessários para o desenvolvimento do trabalho. São apresentadas as definições de campo vetorial, fluxo e linhas de fluxo.
Leia maisMATEMÁTICA II. Aula 12. 3º Bimestre. Determinantes Professor Luciano Nóbrega
1 MATEMÁTICA II Aula 12 Determinantes Professor Luciano Nóbrega º Bimestre 2 DETERMINANTES DEFINIÇÃO A toda matriz quadrada está associado um número real ao qual damos o nome de determinante. O determinante
Leia maisOndas EM no Espaço Livre (Vácuo)
Secretaria de Educação Profissional e Tecnológica Instituto Federal de Santa Catarina Campus São José Área de Telecomunicações ELM20704 Eletromagnetismo Professor: Bruno Fontana da Silva 2014-1 Ondas EM
Leia maisProf a Dr a Ana Paula Marins Chiaradia MATRIZ INVERSA. Menores: O menor de um elemento a ij de uma matriz A de ordem n é definido como sendo o
Projeto TEIA DO SABER 006 UNESP Campus de Guaratinguetá Secretaria de Estado da Educação, SP Diretoria de Ensino da Região de Guaratinguetá Coordenador Prof Dr José Ricardo Zeni Metodologias de Ensino
Leia maisExercícios de Aprofundamento Mat Polinômios e Matrizes
. (Unicamp 05) Considere a matriz A A e A é invertível, então a) a e b. b) a e b 0. c) a 0 e b 0. d) a 0 e b. a 0 A, b onde a e b são números reais. Se. (Espcex (Aman) 05) O polinômio q(x) x x deixa resto
Leia maisDeterminantes. Matemática Prof. Mauricio José
Determinantes Matemática Prof. Mauricio José Determinantes Definição e Conceito Matriz de ordem 1 Dizemos que um determinante é um resultado (numérico) de operações que são realizadas em uma matriz quadrada.
Leia maisUniversidade Estadual de Campinas Departamento de Matemática. Teorema de Jacobson. Adriana Wagner(RA: 144768) Gustavo Terra Bastos(RA: 143800)
Universidade Estadual de Campinas Departamento de Matemática Teorema de Jacobson Adriana Wagner(RA: 144768) Gustavo Terra Bastos(RA: 143800) Campinas - SP 2013 1 Resumo Nesta monografia apresentamos a
Leia maisFicha de Exercícios nº 2
Nova School of Business and Economics Álgebra Linear Ficha de Exercícios nº 2 Matrizes, Determinantes e Sistemas de Equações Lineares 1 O produto de duas matrizes, A e B, é a matriz nula (mxn). O que pode
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Matrizes; Matrizes Especiais; Operações com Matrizes; Operações Elementares
Leia maisMatemática 2 aula 11 COMENTÁRIOS ATIVIDADES PARA SALA COMENTÁRIOS ATIVIDADES PROPOSTAS POLINÔMIOS I. P(x) = 4x (x 1) + (x 1)
Matemática aula POLINÔMIOS I. COMENTÁRIOS ATIVIDADES PARA SALA b a P() b P() + + Calculando P (), temos: b a P() b b + b + a ab b a P () b + ( ab) + b + a b Se P () P (), podemos observar que: b + ( ab)
Leia mais3.1. TRANSFORMAÇÕES LINEARES 79
31 TRANSFORMAÇÕES LINEARES 79 Exemplo 317 Mostre que existe uma função T : R R satisfazendo à condição aditiva T (x + y) =T (x)+t (y), x, y R, mas não é uma transformação linear, isto é, T (x) 6= ax, paraalgumx
Leia maisCapítulo 4. Retas e Planos. 4.1 A reta
Capítulo 4 Retas e Planos Neste capítulo veremos como utilizar a teoria dos vetores para caracterizar retas e planos, a saber, suas equações, posições relativas, ângulos e distâncias. 4.1 A reta Sejam
Leia maisMatrizes. Sumário. 1 pré-requisitos. 2 Tipos de matrizes. Sadao Massago 2011-05-05 a 2014-03-14. 1 pré-requisitos 1. 2 Tipos de matrizes.
Matrizes Sadao Massago 20-05-05 a 204-03-4 Sumário pré-requisitos 2 Tipos de matrizes 3 Operações com matrizes 3 4 Matriz inversa e transposta 4 5 Determinante e traço 5 Neste texto, faremos uma breve
Leia maisOptimização e Algoritmos (2004/2005)
Optimização e Algoritmos (2004/2005) Instituto Superior Técnico Engenharia Electrotécnica e de Computadores Série de Problemas 3 Regras de Armijo e Wolfe, Introdução às funções convexas Problema 1.[Regras
Leia maisUNIVERSITÁRIO DE SINOP CURSO DE ENGENHARIA CIVIL
Exercícios propostos: aulas 01 e 02 GOVERNO DO ESTADO DE MATO GROSSO GA - LISTA DE EXERCÍCIOS 001 1. Calcular o perímetro do triângulo ABC, sendo dado A = (2, 1), B = (-1, 3) e C = (4, -2). 2. Provar que
Leia maisEXERCÍCIOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (sistemas de equações lineares e outros exercícios)
UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA EXERCÍCIOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (sistemas de equações lineares e outros eercícios) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Eercícios
Leia maisMudança de Coordenadas
Mudança de Coordenadas Reginaldo J. Santos Departamento de Matemática-ICE Universidade Federal de Minas Gerais http://www.mat.ufmg.br/~regi regi@mat.ufmg.br 13 de deembro de 2001 1 Rotação e Translação
Leia maisMódulo de Princípios Básicos de Contagem. Segundo ano
Módulo de Princípios Básicos de Contagem Combinação Segundo ano Combinação 1 Exercícios Introdutórios Exercício 1. Numa sala há 6 pessoas e cada uma cumprimenta todas as outras pessoas com um único aperto
Leia maisÁlgebra 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
Leia maisSeu pé direito nas melhores Faculdades
10 Insper 01/11/009 Seu pé direito nas melhores Faculdades análise quantitativa 40. No campeonato brasileiro de futebol, cada equipe realiza 38 jogos, recebendo, em cada partida, 3 pontos em caso de vitória,
Leia maisÁlgebra Linear. Giuliano Boava
Álgebra Linear Giuliano Boava Introdução Nos problemas olímpicos, principalmente nos de nível universitário, é comum encontrarmos espaços e subespaços vetoriais, transformações lineares, matrizes, autovalores,
Leia maisCapítulo 2 - Determinantes
Capítulo 2 - Determinantes Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/ 19 DeMat-ESTiG Sumário
Leia maisInteligência Artificial
Inteligência Artificial Aula 7 Programação Genética M.e Guylerme Velasco Programação Genética De que modo computadores podem resolver problemas, sem que tenham que ser explicitamente programados para isso?
Leia maisAula 8 Variações da Eliminação de Gauss/Fatoração LU.
Aula 8 Variações da Eliminação de Gauss/Fatoração LU. MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade
Leia mais1 - POLÍGONOS REGULARES E CIRCUNFERÊNCIAS
Matemática 2 Pedro Paulo GEOMETRIA PLANA X 1 - POLÍGONOS REGULARES E CIRCUNFERÊNCIAS 1.2 Triângulo equilátero circunscrito A seguir, nós vamos analisar a relação entre alguns polígonos regulares e as circunferências.
Leia maisTeste de hipótese em modelos normais lineares: ANOVA
Teste de hipótese em modelos normais lineares: ANOVA Prof Caio Azevedo Prof Caio Azevedo Exemplo 1 No primeiro modelo, o interesse primário, de certa forma, é testar se a carga não contribui para explicar
Leia mais. (A verificação é imediata.)
1 Universidade de São Paulo/Faculdade de Educação Seminários de Ensino de Matemática (SEMA-FEUSP) Coordenador: Nílson José Machado novembro/2010 Instabilidade em Sistemas de Equações Lineares Marisa Ortegoza
Leia maisALGA - Eng.Civil - ISE - 2009/2010 - Matrizes 1. Matrizes
ALGA - Eng.Civil - ISE - 00/010 - 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; ; :::; mg f1; ; :::; ng R:
Leia mais(1, 6) é também uma solução da equação, pois 3 1 + 2 6 = 15, isto é, 15 = 15. ( 23,
Sistemas de equações lineares generalidades e notação matricial Definição Designa-se por equação linear sobre R a uma expressão do tipo com a 1, a 2,... a n, b R. a 1 x 1 + a 2 x 2 +... + a n x n = b (1)
Leia maisNOTA SOBRE A TEORIA DA ESTABILIDADE DO EQUILÍBRIO EM MERCADOS MÚLTIPLOS: JOHN HICKS
NOTA SOBRE A TEORIA DA ESTABILIDADE DO EQUILÍBRIO EM MERCADOS MÚLTIPLOS: JOHN HICKS Tácito Augusto Farias* RESUMO Esta nota trata das principais contribuições conceituais de um importante economista do
Leia maisDisciplina: Álgebra Linear e Geometria Analítica
Disciplina: Álgebra Linear e Geometria Analítica Vigência: a partir de 2002/1 Período letivo: 1 semestre Carga horária Total: 60 h Código: S7221 Ementa: Geometria Analítica: O Ponto, Vetores, A Reta, O
Leia maisUNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática
UNIVERSIDADE FEDERAL DE VIÇOSA Centro de Ciências Exatas Departamento de Matemática 1 a Lista - MAT 17 - Introdução à Álgebra Linear II/2004 1 Considere as matrizes A, B, C, D e E com respectivas ordens,
Leia maisR é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range).
f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). R é o conjunto dos reais; R n é o conjunto dos vetores n-dimensionais reais; Os vetores
Leia mais1. Verifique se são operadores lineares no espaço P n (R): (a) F: P n (R) P n (R) tal que F(f(t)) = tf (t), f(t) P n (R).
UNIVERSIDADE ESTADUAL DE SANTA CRUZ - UESC DEPARTAMENTO DE CIÊNCIAS EXATAS E TECNOLÓGICAS - DCET ÁLGEBRA LINEAR ASSUNTO: TRANSFORMAÇÕES LINEARES EXERCÍCIOS RESOLVIDOS 1. Verifique se são operadores lineares
Leia maisO Plano. Equação Geral do Plano:
O Plano Equação Geral do Plano: Seja A(x 1, y 1, z 1 ) um ponto pertencente a um plano π e n = (a, b, c), n 0, um vetor normal (ortogonal) ao plano (figura ao lado). Como n π, n é ortogonal a todo vetor
Leia maisÁlgebra Linear. Bacharelado em Sistemas de Informação. Período 2016.1. Prof. da Disciplina Luiz Gonzaga Damasceno, M. Sc
Bacharelado em Sistemas de Informação Período 26. Prof. da Disciplina Luiz Gonzaga Damasceno, M. Sc E-mails: damasceno2@hotmail.com damasceno2@uol.com.br damasceno24@yahoo.com.br Site: www.damasceno.info
Leia maisFórmulas do Traço e o Cálculo de Matrizes Inversas
2013: Trabalho de Conclusão de Curso do Mestrado Profissional em Matemática - PROFMAT Universidade Federal de São João del-rei - UFSJ Sociedade Brasileira de Matemática - SBM Fórmulas do Traço e o Cálculo
Leia maisMatemática. Resolução das atividades complementares. M2 Matrizes [ ] 1 Construa a matriz linha A 5 (a ij
Resolução das atividades complementares Matemática M Matrizes p. 6 Construa a matriz linha (a ij ) tal que cada elemento obedeça à lei a ij i j. (a ij ) ; a ij i j a a 6 a 9 7 a 0 a [ 7 0 ] [ ] 7 0 Determine
Leia maisDuas aplicações da Topologia à Álgebra Linear. 1 Quando são duas matrizes semelhantes?
Duas aplicações da Topologia à Álgebra Linear José Carlos Santos Departamento de Matemática Faculdade de Ciências da Universidade do Porto e-mail: jcsantos@fc.up.pt Resumo: Este artigo contém duas aplicações
Leia maisSemana 7 Resolução de Sistemas Lineares
1 CÁLCULO NUMÉRICO Semana 7 Resolução de Sistemas Lineares Professor Luciano Nóbrega UNIDADE 1 2 INTRODUÇÃO Considere o problema de determinar as componentes horizontais e verticais das forças que atuam
Leia mais2) Escreva um algoritmo que leia um conjunto de 10 notas, armazene-as em uma variável composta chamada NOTA e calcule e imprima a sua média.
1) Inicializar um vetor de inteiros com números de 0 a 99 2) Escreva um algoritmo que leia um conjunto de 10 notas, armazene-as em uma variável composta chamada NOTA e calcule e imprima a sua média 3)
Leia maisÁLGEBRA LINEAR. Transformações Lineares. Prof. Susie C. Keller
ÁLGEBRA LINEAR Transformações Lineares Prof. Susie C. Keller É um tipo especial de função (aplicação), onde o domínio e o contradomínio são espaços vetoriais. Tanto a variável independente quanto a variável
Leia maisProjecto Delfos: Escola de Matemática Para Jovens 1 TEORIA DOS NÚMEROS
Projecto Delfos: Escola de Matemática Para Jovens 1 A Teoria dos Números tem como objecto de estudo o conjunto Z dos números inteiros (a letra Z vem da palavra alemã Zahl que significa número). 1. DIVISIBILIDADE
Leia maisAdriana da Silva Santi Coord. Pedagógica de Matemática SMED - Abril/2015
GEOMETRIA Adriana da Silva Santi Coord. Pedagógica de Matemática SMED - Abril/2015 O MATERIAL COMO SUPORTE DO PENSAMENTO Muita gente usa o material na sala de aula como se a Geometria estivesse no material.
Leia maisSOLUÇÕES N2 2015. item a) O maior dos quatro retângulos tem lados de medida 30 4 = 26 cm e 20 7 = 13 cm. Logo, sua área é 26 x 13= 338 cm 2.
Solução da prova da 1 a fase OBMEP 2015 Nível 1 1 SOLUÇÕES N2 2015 N2Q1 Solução O maior dos quatro retângulos tem lados de medida 30 4 = 26 cm e 20 7 = 13 cm. Logo, sua área é 26 x 13= 338 cm 2. Com um
Leia maisAULA 1 EQUAÇÕES E SISTEMAS DO 1º GRAU
AULA EQUAÇÕES E SISTEMAS DO º GRAU EQUAÇÕES DO º GRAU Uma equação é classificada como sendo do º grau quando puder ser escrita na forma ax + b 0 onde a e b são reais com a 0. Uma equação do º grau admite
Leia maisAnálise de Sistemas de Controle no Espaço de Estados
Análise de Sistemas de Controle no Espaço de Estados 9.1 INTRODUÇÃO* (Capítulo 11 do Ogata) Um sistema moderno complexo pode ter muitas entradas e muitas saídas e elas podem ser interrelacionadas de maneira
Leia maisModelo Entidade Relacionamento (MER) Professor : Esp. Hiarly Alves
Tópicos Apresentação Entidade, Atributo e Relacionamento Cardinalidade Representação simbólica Generalizações / Especializações Agregações Apresentação O Modelo Entidade-Relacionamento tem o objetivo de
Leia mais1 CLASSIFICAÇÃO 2 SOMA DOS ÂNGULOS INTERNOS. Matemática 2 Pedro Paulo
Matemática 2 Pedro Paulo GEOMETRIA PLANA IV 1 CLASSIFICAÇÃO De acordo com o gênero (número de lados), os polígonos podem receber as seguintes denominações: Na figura 2, o quadrilátero foi dividido em triângulos.
Leia maisControlabilidade e Observabilidade
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP contr 1/18 Controlabilidade e Observabilidade Sfrag replacements R 1 R 2 + u C 1 C 2 R 3 y A tensão no capacitor C 2 não pode ser controlada pela entrada
Leia maisCódigos de bloco. Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2
Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2 Códigos de bloco Prof. Diego da Silva de Medeiros São José, maio de 2012 Codificação
Leia maisNotas de Aula. Álgebra Linear I
Notas de Aula Álgebra Linear I Rodney Josué Biezuner 1 Departamento de Matemática Instituto de Ciências Exatas (ICEx) Universidade Federal de Minas Gerais (UFMG) Notas de aula da disciplina Álgebra Linear
Leia maisÁlgebra Linear - Exercícios (Determinantes)
Álgebra Linear - Exercícios (Determinantes) Índice 1 Teoria dos Determinantes 3 11 Propriedades 3 12 CálculodeDeterminantes 6 13 DeterminanteseRegularidade 8 14 TeoremadeLaplace 11 15 Miscelânea 16 2 1
Leia maisMatrizes Reais conceitos básicos
Cálculo Numérico Matrizes Reais conceitos básicos Wagner de Souza Borges FCBEE, Universidade Presbiteriana Mackenzie wborges@mackenzie.com.br Resumo O conceito de matriz tem origem no estudo de sistemas
Leia maisProgramação Linear - Parte 4
Mestrado em Modelagem e Otimização - CAC/UFG Programação Linear - Parte 4 Profs. Thiago Alves de Queiroz Muris Lage Júnior 1/2014 Thiago Queiroz (DM) Parte 4 1/2014 1 / 18 Solução Inicial O método simplex
Leia maisAlguns Problemas e Exames Resolvidos de LEAmb, LEAN, LEMat, LQ, MEBiol, MEQ 1 o Semestre 2008/2009
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Alguns Problemas e Exames Resolvidos de LEAmb, LEAN, LEMat, LQ, MEBiol, MEQ 1 o Semestre 2008/2009 Prof. Paulo Pinto http://www.math.ist.utl.pt/
Leia mais= 1 1 1 1 1 1. Pontuação: A questão vale dez pontos, tem dois itens, sendo que o item A vale até três pontos, e o B vale até sete pontos.
VTB 008 ª ETAPA Solução Comentada da Prova de Matemática 0 Em uma turma de alunos que estudam Geometria, há 00 alunos Dentre estes, 30% foram aprovados por média e os demais ficaram em recuperação Dentre
Leia mais1. O conjunto dos polinômios de grau m, com 2 m 5, acrescido do polinômio nulo, é um subespaço do espaço P 5.
UFPB/PRAI/CCT/DME - CAMPUS II DISCIPLINA: Álgebra Linear ALUNO (A): 2 a LISTA DE EXERCÍCIOS 1 a PARTE: QUESTÕES TIPO VERDADEIRO OU FALSO COM JUSTI- FICATIVA. 1. O conjunto dos polinômios de grau m com
Leia maisOs eixo x e y dividem a circunferência em quatro partes congruentes chamadas quadrantes, numeradas de 1 a 4 conforme figura abaixo:
Circunferência Trigonométrica É uma circunferência de raio unitário orientada de tal forma que o sentido positivo é o sentido anti-horário. Associamos a circunferência (ou ciclo) trigonométrico um sistema
Leia maisUnidade III- Determinantes
Unidade III- Determinantes - Situando a Temática A teoria dos determinantes tem origem em meados do século XVII, quando eram estudados processos para resolução de sistemas lineares Hoje em dia, embora
Leia maisFunção. Adição e subtração de arcos Duplicação de arcos
Função Trigonométrica II Adição e subtração de arcos Duplicação de arcos Resumo das Principais Relações I sen cos II tg sen cos III cotg tg IV sec cos V csc sen VI sec tg VII csc cotg cos sen Arcos e subtração
Leia maisTRANSFORMAÇÕES LINEARES. Álgebra Linear e Geometria Analítica Prof. Aline Paliga
TRANSFORMAÇÕES LINEARES Álgebra Linear e Geometria Analítica Prof. Aline Paliga INTRODUÇÃO Estudaremos um tipo especial de função, onde o domínio e o contradomínio são espaços vetoriais reais. Assim, tanto
Leia maisGLOSSÁRIO: UM DICIONÁRIO PARA ÁLGEBRA LINEAR
GLOSSÁRIO: UM DICIONÁRIO PARA ÁLGEBRA LINEAR Matriz de adjacência de um grafo. Matriz quadrada com a ij = 1 quando existe uma arestado nodo i para o nodo j; caso contrário a ij = 0. A = A T para um grafo
Leia maisMatemática Discreta - 08
Universidade Federal do Vale do São Francisco urso de Engenharia da omputação Matemática Discreta - 08 Prof. Jorge avalcanti jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Produtos Notáveis; Equações; Inequações; Função; Função Afim; Paridade;
Leia maisDepartamento de Matemática da Universidade de Coimbra Álgebra Linear e Geometria Analítica Engenharia Civil Ano lectivo 2005/2006 Folha 1.
Departamento de Matemática da Universidade de Coimbra Álgebra Linear e Geometria Analítica Engenharia Civil Ano lectivo 2005/2006 Folha 1 Matrizes 1 Considere as matrizes A = 1 2 3 2 3 1 3 1 2 Calcule
Leia maisNotas de aula de Lógica para Ciência da Computação. Aula 11, 2012/2
Notas de aula de Lógica para Ciência da Computação Aula 11, 2012/2 Renata de Freitas e Petrucio Viana Departamento de Análise, IME UFF 21 de fevereiro de 2013 Sumário 1 Ineficiência das tabelas de verdade
Leia maisSISTEMAS OPERACIONAIS. 3ª. Lista de Exercícios
SISTEMAS OPERACIONAIS INF09344 - Sistemas Operacionais / INF02780 - Sistemas Operacionais / INF02828 - Sistemas de Programação II Prof a. Roberta Lima Gomes (soufes@gmail.com) 3ª. Lista de Exercícios Data
Leia maisResolução de sistemas de equações lineares: Método de eliminação de Gauss
Resolução de sistemas de equações lineares: Método de eliminação de Gauss Marina Andretta ICMC-USP 21 de março de 2012 Baseado no livro Análise Numérica, de R L Burden e J D Faires Marina Andretta (ICMC-USP)
Leia maisCap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS
Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS Dois ou mais eventos são mutuamente exclusivos, ou disjuntos, se os mesmos não podem ocorrer simultaneamente. Isto é, a ocorrência de um
Leia maisDISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações
Leia mais. B(x 2, y 2 ). A(x 1, y 1 )
Estudo da Reta no R 2 Condição de alinhamento de três pontos: Sabemos que por dois pontos distintos passa uma única reta, ou seja, dados A(x 1, y 1 ) e B(x 2, y 2 ), eles estão sempre alinhados. y. B(x
Leia maisSe inicialmente, o tanque estava com 100 litros, pode-se afirmar que ao final do dia o mesmo conterá.
ANÁLISE GRÁFICA QUANDO y. CORRESPONDE A ÁREA DA FIGURA Resposta: Sempre quando o eio y corresponde a uma taa de variação, então a área compreendida entre a curva e o eio do será o produto y. Isto é y =
Leia maisGEOMETRIA. sólidos geométricos, regiões planas e contornos PRISMAS SÓLIDOS GEOMÉTRICOS REGIÕES PLANAS CONTORNOS
PRISMAS Os prismas são sólidos geométricos muito utilizados na construção civil e indústria. PRISMAS base Os poliedros representados a seguir são denominados prismas. face lateral base Nesses prismas,
Leia mais