Escolar Documentos
Profissional Documentos
Cultura Documentos
E VETORIAL
Álgebra linear e vetorial
Todos os direitos reservados. Nenhuma parte desta publicação poderá ser reproduzida
ou transmitida de qualquer modo ou por qualquer outro meio, eletrônico ou mecânico,
incluindo fotocópia, gravação ou qualquer outro tipo de sistema de armazenamento e
transmissão de informação, sem prévia autorização, por escrito, da Editora e
Distribuidora Educacional S.A.
ISBN 978-85-8482-109-9
CDD 510
Sumário
Com relação a este material impresso, ele utiliza uma linguagem dialógica para
auxiliar na construção do seu conhecimento. Para melhor aproveitar este material,
faça as atividades e leituras sugeridas, organize seu tempo e, nos momentos de
estudo, volte sua atenção apenas para o que está estudando.
Bons estudos!
CONHECENDO MATRIZES
Bons estudos.
10 Conhecendo matrizes
U1
Introdução à unidade
James Joseph Sylvester utilizou a palavra matriz como sendo o local onde
algo se gera ou cria, ou ainda: “[...] um bloco retangular de termos [...], o
que não representa um determinante, mas é como se fosse uma MATRIZ a
partir da qual podemos formar vários sistemas de determinantes, ou fixar um
número p e escolher à vontade p linhas e p colunas [...]” (artigo publicado na
Philosophical Magazine, 1850, p. 363-370 apud SILVEIRA, 2014).
Somente com Cayley que as matrizes passaram a ter “vida própria” e deixaram
de ser apenas um conceito matemático para o cálculo de determinantes.
Conhecendo matrizes 11
U1
12 Conhecendo matrizes
U1
Seção 1
Conhecendo matrizes 13
U1
Exemplo 1 – Matriz
Figura 1.1 - Matriz 3 x 3 Como podemos ver
pela imagem anterior, os
elementos das matrizes
podem ser representados
dentro de parênteses
ou colchetes. As
matrizes representadas
anteriormente são
matrizes de ordem 3,
pois têm três linhas e três
colunas, mas podemos
também dizer que elas
são matrizes 3 x 3 (lemos
matrizes três por três,
sempre o primeiro valor
Fonte: A autora (2014) se refere à quantidade de
linhas e o segundo valor à
quantidade de colunas.).
14 Conhecendo matrizes
U1
Por meio do Quadro 1.1, podemos, por exemplo, saber quanto de feijão
essa família consumiu no mês de março, procurando o número localizado
na terceira linha e segunda coluna.
Essa é uma matriz do tipo 4 x 2, pois temos quatro linhas e duas colunas.
Exemplo 3: Matrizes
Conhecendo matrizes 15
U1
16 Conhecendo matrizes
U1
Agora, só falta calcular o valor do único elemento que falta o b_12. Para
esse elemento, devemos utilizar a regra m-n, pois m é menor que n. Assim:
Conhecendo matrizes 17
U1
Matriz quadrada
Nós dizemos que uma matriz m x n é quadrada quando m = n, ou seja,
a matriz tem a mesma quantidade de linhas e de colunas.
MATRIZ TRIANGULAR
18 Conhecendo matrizes
U1
MATRIZ DIAGONAL
( )
2 0 0 0 Matriz
0 2 0 0 Diagonal
0 0 9 0
0 0 0 3
Fonte: A autora (2014)
Conhecendo matrizes 19
U1
3.
a) Escreva uma matriz diagonal de ordem 4, em que amn=2m-n
quando m = n e 0 quando m é diferente de n.
Agora, vamos estudar uma matriz que será de grande importância para o
nosso estudo, a matriz transporta.
20 Conhecendo matrizes
U1
MATRIZES IGUAIS
MATRIZES TRANSPOSTAS
Mas o que isso significa? O que significa dizer que a matriz transposta é
formada pela inversão da linha pela coluna?
por diante.
Conhecendo matrizes 21
U1
Para saber mais a respeito das matrizes inversas, que tal estudar o
seguinte material?
<http://www.mundoeducacao.com/matematica/matriz-oposta-
matriz-transposta.htm>
<http://www.colegioweb.com.br/trabalhos-escolares/matematica/
matrizes/matriz-transposta.html>
<http://www.alunosonline.com.br/matematica/matriz-transposta-
matriz-simetrica.html>.
Como você viu nos estudos dos links sugeridos, existem também matrizes
opostas e matrizes simétricas.
22 Conhecendo matrizes
U1
Seção 2
Para poder somar ou subtrair duas matrizes (ou mais), é necessário que
elas tenham dimensões iguais, ou seja, tenham a mesma quantidade de
linhas e de colunas. A soma ou subtração de matrizes é obtida por meio
da adição ou subtração de cada elemento da primeira matriz com o seu
correspondente na outra matriz. Vamos ver um exemplo:
Seja então A + B e B – A é:
Sendo assim,
Conhecendo matrizes 23
U1
Sendo assim,
A + B = B + A (propriedade comutativa)
(A + B) + C = A + (B + C) (propriedade associativa)
A + 0 = A (elemento neutro, sendo que 0 representa a matriz nula)
A + (- A) = 0 (elemento oposto)
24 Conhecendo matrizes
U1
Conhecendo matrizes 25
U1
2. Sendo
a) A + B.
b) A + C.
c) B - D.
d) D + B.
26 Conhecendo matrizes
U1
a) 5.A
b) -2.A
c) 1/2.A
MULTIPLICAÇÃO DE MATRIZES
Conhecendo matrizes 27
U1
28 Conhecendo matrizes
U1
é preciso que:
Conhecendo matrizes 29
U1
1. Sendo determine:
a) A . B
b) B . A
MATRIZ INVERSA
Se uma matriz A tem inversa, então dizemos que essa matriz é invisível ou
não singular. Agora nós vamos aprender por meio dos próximos exemplos
uma forma de resolver e calcular uma matriz inversa para matrizes quadradas
de ordem 2 ou 3, mas na próxima seção aprenderemos outro método para
o cálculo de matrizes, por meio do uso de determinantes.
30 Conhecendo matrizes
U1
Conhecendo matrizes 31
U1
Cálculo da Inversa:
A-1=
Sendo assim,
32 Conhecendo matrizes
U1
Conhecendo matrizes 33
U1
34 Conhecendo matrizes
U1
Seção 3
Determinantes de matrizes de diferentes ordens
O cálculo de determinantes de funções é de grande importância para a
resolução de sistemas lineares, assunto da Unidade 2 deste material.
3.1 Determinantes
Conhecendo matrizes 35
U1
Exemplo 1.
36 Conhecendo matrizes
U1
Conhecendo matrizes 37
U1
Multiplicando
38 Conhecendo matrizes
U1
detA= detAt
Conhecendo matrizes 39
U1
Então:
40 Conhecendo matrizes
U1
1. Sendo calcule o
valor de
Conhecendo matrizes 41
U1
42 Conhecendo matrizes
U1
Conhecendo matrizes 43
U1
1. Considere as matrizes
44 Conhecendo matrizes
U1
Logo:
Logo:
Logo:
Conhecendo matrizes 45
U1
Sendo assim, podemos afirmar que cofator do elemento b24 vale -32.
Vale lembrar que a segunda linha foi escolhida, mas poderia ser qualquer
uma das linhas ou então das colunas. Vamos ver um exemplo para deixar
esse conteúdo mais claro.
46 Conhecendo matrizes
U1
O cofator do elemento
Conhecendo matrizes 47
U1
48 Conhecendo matrizes
U1
Conhecendo matrizes 49
U1
Esta unidade foi elaborada com a intenção de que por meio dela você
fosse conduzido no processo de construção do conhecimento a respeito
de matrizes, suas operações, características, propriedades, bem como
métodos distintos para o cálculo de determinantes de matrizes, e para a
resolução de problemas que envolvem esses assuntos.
Anseio que tenha tido bons estudos e uma boa compreensão dos
conceitos que estudamos nessa unidade e desejo que continue
realizando bons estudos nas próximas unidades desse livro.
50 Conhecendo matrizes
U1
5. Dada as matrizes
vale:
a) 110. d) 200.
b) 140. e) 230.
c) 170.
Conhecendo matrizes 51
U1
Referências
RIBEIRO, J. Matemática: ciência e linguagem. São Paulo: Scipione, 2007.
52 Conhecendo matrizes
Unidade 2
Bons estudos!
Será nessa unidade que você vai aprender a relação existente entre as
matrizes e os sistemas lineares e ainda como utilizar matrizes para auxiliar
na resolução de sistemas lineares.
Introdução à unidade
Seção 1
Nesta seção, vamos aprender mais a respeito das matrizes inversas, mas,
como você deve ter percebido, na unidade anterior nós estudamos matrizes
inversas de ordem 2, porém nessa seção vamos aprender a calcular as
matrizes inversas de ordem superior a dois por métodos diferentes.
Escalonamento de matrizes
Nossa primeira etapa será trocar a linha três, que chamaremos de L3, por
L3 + L1 (linha 1). Realizando L3 + L1, temos:-1 2 1+1 2 0 = 0 4 1. O mesmo
que foi feito na antiga matriz A devemos fazer na antiga matriz identidade, e
então: L3 + L1= 1 0 0 + 0 0 1 = 1 0 1
Faremos agora a troca de L1 por L1 – 2L2 para zerar o elemento a22, assim:
L1 – 2L2 = 1 2 0 -0 -2 -2 = 1 0 -2; o mesmo realizaremos em = 1 0 0 -0 -2 0 =
1 - 2 0. Realizando as substituições:
Podemos agora substituir L1 por 3L1 – 2L3 realizando essa operação: 3L1
– 2L3 = 3 0 -6 -0 -0 -6 = 3 0 0; e ainda: 3 -6 0 -2 8 -2 = 1 2 -2. Realizando
as substituições:
Realizando as substituições:
inversa da matriz
matriz
Existem outros métodos para resolver o cálculo de uma matriz inversa sem
a necessidade da utilização do escalonamento. Vamos aprendê-los!
Cij=(-1)(i+j).Dij
Nesse produto, Dij é o determinante que se obtém da matriz A,
eliminando sua i-ésima linha e j-ésima coluna.
Agora, temos que calcular a matriz adj(A) e para isso calcular a matriz
dos cofatores e sua transposta. Os cofatores dessa matriz podem ser
calculados como:
Assim,
Seção 2
Sistemas lineares
{
7 5x +2y = 7
2 3x - 7y = 6
Fonte: A autora (2014)
6x-14y=12
6(61/41)-14y=12
366/41-14y=12
l = 4,10-c
l =4,50- 2c
4,10-c= 4,50- 2c
4,10-c= 4,50- 2c
2c-c= 4,50-4,10
c= 0,40
l = 4,10-c
l = 4,10-0,40=3,70
y=10-6x
y=5-4x
Por que o método gráfico pode ser utilizado para resolver sistemas
de equação lineares? Pense a respeito disso.
Seja um sistema
Seja o sistema S
Seção 3
Esse sistema tem solução e essa solução é única, sendo nosso conjunto
solução x =0, y=2 e z=3.
De acordo com Silva e Barreto Filho (2005, p. 358), existem etapas que
devem ser seguidas, vamos aprender quais são elas:
Exemplos:
14y=42 → y=3
0x-2y+4z= 8
2(3)+4z= 8
x-2y+z= -7
x -2.3+ 1/2= -7
16y= 32 → y= 2
z= -2+6=4
1x=3-6+8=13
Regra de cramer
Realizando a divisão:
Realizando a divisão:
III. Objetivos. O que você pretende ensinar com essa aula. Lembre-
se de que o plano de aula deve estar relacionado aos conteúdos
das unidades 1 e 2 desse material impresso.
a) R$2,40 e R$6,80.
b) R$3,80 e R$5,40.
c) R$2,80 e R$6,40.
d) R$1,90 e R$7,30.
e) R$3,00 e R$6,20.
Referências
RIBEIRO, Jackson. Matemática: ciência e linguagem. São Paulo: Scipione, 2007.
SILVA, Claudio Xavier; BARRETO FILHO, Benigno. Matemática aula por aula. 2. ed. São
Paulo: FDT, 2005.
VETORES E TRANSFORMAÇÕES
LINEARES
Introdução à unidade
Seção 1
DEFINIÇÃO 01
a) Reflexiva: AB ~ AB.
Algébrica Matricial
Bidimensional v = (x,y) v=
Tridimensional v = (x,y,z) v=
DEFINIÇÃO 2
Considere v e w dois vetores quaisquer. A soma geométrica de dois
vetores v+ w é dada pelo posicionamento do vetor w no ponto final de v e
considerando o segmento de reta orientado do ponto inicial de v ao ponto
final de w.
v = AB, w = BC , v + w = AC
v = AB, w = AC, v - w = CB
v = AB, 2v = AC
VETORES EM R² E EM R³
DEFINIÇÃO 5
Seção 2
Introdução aos espaços vetoriais euclidianos
Nesta seção abordaremos sobre operações vetoriais aplicadas a espaços
euclidianos, com ênfase nas representações geométricas. Apresentamos
a seguir algumas definições essenciais para definirmos posteriormente
espaços vetoriais com produto interno.
DEFINIÇÃO 6
v = AA = 0
DEFINIÇÃO 7
DEFINIÇÃO 8
Dado u = (2,3,4 ):
PROPRIEDADES
b)
c)
d)
Exemplo: v = ( 2, -1, 3 ) = 2i – j + 3k
v = (5, 4) = 5i + 4j
DEFINIÇÃO 10
ARITMÉTICA VETORIAL
a) u + v = (-1, 2, 4) + (2,-1,-3) = ( -1 + 2 , 2 -1 , 4 - 3) = ( 1, 1, 3)
a) Comutativa: u + v = v + u
b) Eemento neutro da adição: u + 0 = 0 + u = u
c) Associativa com escalar: k.( l.u) = (k.l) . u
d) Distributiva com escalar: ( k + l).v = kv + lv
e) Associativa com vetores: (u + v) + w = u + (v + w)
f) Distributiva com vetores: k.( u + v) = ku + kv
g) elemento oposto: u + (-u) = 0
h) elemento neutro da multiplicação: 1.u = u
Demonstração:
(u + v) + w = [(x1, y1, z1) + (x2, y2, z2)] + (x3,y3,z3)
= (x1+ x2, y1 + y2, z1+ z2) + (x3, y3, z3)
= ([x1+ x2] + x3, [y1 + y2] + y3, [z1+ z2] + z3)
= (x1+ [x2 + x3], y1 + [ y2 + y3], z1+[ z2 + z3])
= (x1, y1, z1) + (x2 + x3, y2 + y3, z2+ z3)
= u + (v + w)
1) Se k = 0 ou v=0, então kv = 0
a) kv é paralelo a v.
DEFINIÇÃO 11
a) P + 0 = P, P R³
b) Se P + u = P + v u=v
c) (P+u) + v = P + (u + v)
d) Se A + v = B + v A=B
e) P – v (+ v) = P
DEFINIÇÃO 12
Considere que a1, a2 ... an são escalares e v1, v2 ... vn são vetores bi ou
tridimensionais. Se um vetor x pode ser escrito da forma x = a1v1 + a2v2 ...
+ anvn, então temos que x é uma combinação linear.
DEFINIÇÃO 13
A partir da definição, podemos concluir que: dois vetores u (x1, y1, z1) e v
(x2, y2, z2) são paralelos (ou colineares) se forem linearmente dependente,
isto é, se existir um número escalar k tal que u=kv, ou seja:
x1 y1 z1
= = =k
x2 y2 z2
PRODUTO ESCALAR
DEFINIÇÃO 15
Demonstração:
cos θ = u • v
| u |.| v |
a) Distributiva: u • (v + w)= u • v + u • w
b) Comutativa: u • v = v • u
c) Associativa e comutativa: u • (k v) = (k u) • v= k (u • v)
d) u • u > 0; u • u = 0 u=0
uv = proj vu = u • v v
| v |²
(componente vetorial de u ao longo de v)
u - proj vu = u • v v
| v |²
Graficamente, representamos por:
Figura 3.16 – Projeção entre vetores
PRODUTO VETORIAL
DEFINIÇÃO 16
x y z
uxv= x1 y1 z1 = [(y1z2 – y2z1), -(x1z2 – x2z1), (x1y2-x2y1)]
x2 y2 z2
u = ( 1,2,-2) e v= (3,0,1):
x y z
u x v = 1 2 -2 = [(2.1 – 0.(-2)), -(1.1 – 3.(-2)), (1.0 - 3.2)]= (2,-7,-6)
3 0 1
O vetor resultante do produto vetorial possui as seguintes características:
a) u x (v + w) = u x v + u x w e (u + v) x w = u x w + v x w
b) u x (k v) = (k u) x v = k (u x v)
c) u x v = -v x u
PRODUTO MISTO
DEFINIÇÃO 17
b) u • (v x w) = (u x v) • w
u • (v x w) = v • (w x u) = w • (u x v)
v • (u x w) = u • (w x v) = w • (v x u) = -u • (v x w)
Exemplos de atividades
d) 5i + 3j e) -2i -j f) 3i + 4j + 2k
a) P1(3,5), P2(2,8).
b) P1(7,-2), P2(0,0).
c) P1(4,1,-3), P2(9,1,-3).
a) a = w - v
b) b = -v - 2w
c) c = 6u + 4w
d) d = 3w - (v - w)
e) e = 4(3u + v)
Dica: Resolva parênteses, depois multiplicação por escalar e, por fim,
adição e subtração de vetores.
a) v= 1
-1
b) v = i + 7 j
c) v =-3i + 2j + k
d) v = 2 i - 7 j
a) | u + v |
b) | u | + | v |
c) o versor de w
d) o versor de u - v + 2w
b) sentido oposto a v = 6i − 4 j + 2k
a) u = i + 2 j , v = 6i − 8 j
− 7 0
b) u = v =
− 3 , 1
c) u = i − 3 j + 7k , v = 8i − 2 j − 2k
a) u = i + 2 j , v = 6i − 8 j
− 7 0
b) u = v =
− 3 , 1
c) u = i − 3 j + 7 k , v = 8i − 2 j − 2k
a) u = i + 2 j , v = 6i − 8 j
− 7 0
b) u = v =
− 3 , 1
c) u = i − 3 j + 7k , v = 8i − 2 j − 2k
a) u = 7i + 3 j + 5k , v = −8i + 4 j + 2k
1 − 1 4 − 3
b) u = 1 v = 0 c) u = 1 v = 0
1 , 0 6 , 2
13) Qual o valor de n para que seja de 30o o ângulo entre os vetores
14) Qual o valor de m para que o vetor p=mi +5j+4k seja ortogonal ao
vetor AB , onde A(1,2,-3) e B(3,4,-5)?
Dica: O produto escalar por componentes será zero, pois os vetores são
ortogonais.
18) Considere os vetores u = (6, -6, 1), v = (2, 3, 5) e w = (-3, -4, 1). Qual o
resultado das operações a seguir?
a) (u•v) . w
b) u • (v x w)
c) u x (v x w)
3) a) (4,–4) b) (2,–1,–3)
4)
a) a = −i + 4 j − 2k = (- 1,4,- 2)
b) b = −i − 5 j − 2k = (- 1,- 5,- 2)
5) a) | v |= 2 b) | v |= 50
50 c) | v |= 14
14 d) | v |= 3
6) a) | u + v |= 2 3 b) | u | + | v |= 114
4 + 2 c) versor = 6 i + 6 j − 6 k
6 6 3
2 1313 3 1313
d) versor = i− k
13
13 13
13
v 117
7 4 1717 v 3 1414 14
14 14
14
7) a) =− i+ j b) =− i+ j− k
|v| 1717 1717 |v| 14
14 7 1414
A
B
AB 2 2 2 2
c)
= i+ j− k
| AB
B |
A 3 6 6
9) a) u • v = −10
10 b) u • v = −3 c) u • v = 0 (Os vetores são perpendiculares)
− 5
10) a) cos(θ) = b) cos(θ ) = − 3 5858 c) cos(θ) = 0
5 58
5
8
11)
a) u • v = −334
4 < 0 sendo assim, temos um ângulo obtuso.
b) u • v = −1 < 0 sendo assim, temos um ângulo obtuso.
12) a=20/3
13) n= +- 1515
14) m = 1
15)
PQ
P
Q 2 2
Q = 3i + 4 j
P
a) PQ Q = −3i − 4 j
P
b) PQ c) = i+ j
| PQ
Q |
P 2 2
d) v = 3i − j + 2k
16) m = 4 e n = 2
17)
Seção 3
Transformações lineares
OPERADORES LINEARES
Reflexão em Reflexão em
xy
Reflexão em Reflexão em
xy
Reflexão em
torno do plano
xy
Fonte: A autora (2014)
Projeção Projeção
o plano xy o eixo y
Projeção Projeção
o plano xy o eixo x
Fonte: A autora (2014)
Quando lidamos com funções reais, como a função f, definida pela regra
f(x) = x³, a função relaciona um número real em outro número real. Por
exemplo, o número 2 relaciona-se em 8, isto é, f(2) = 8. As transformações
lineares relacionam componentes de vetores e, por consequência,
transformam a representação gráfica de vetores em uma nova representação
de vetores, como constatamos nos exemplos anteriores.
DEFINIÇÃO 18
DEFINIÇÃO 19
b) T(ax) = a T(x)
Exemplo 1: V =R e W = R
F:R→R
u → au ou F(u) = au
F(u + v) = a(u + v) = au + av = F(u) + F(v).
F(ku) = a(ku) = kau = kF(u).
Então F é uma transformação linear
x0 x0 ... x0
T= y0 y0 ... y0
z0 z0 ... z0
Figura 3.21 – Figura original sem Figura 3.22 – Figura após homotetias
transformações e rotações
Suponha que:
c3 = – c2 – c1,
Sendo assim:
1. Considere u = (2, -1, 4), v = (1, 5, -3) e w = (3, -2, 1). Determine o
vetor x nos itens a seguir:
a) X = 4.(u + v) + 2w
b) X = 2 .(3v + 2w) - 3.(4v)
c) u + 3v = X - w
OBS.: X representa um vetor desconhecido.
3. Sejam u = (3, 2,1), v = (-2, 4, -1) e w = (2, -1, -3) três vetores,
resolva se possível:
a) u . v
b ) u x (v . w)
c) 2u x 3w
Referências
ANTON, H.; RORRES, C. Álgebra linear com aplicações. 8. ed. New York:
Bookman, 1999.
SUGESTÕES DE LEITURA
OPERAÇÕES VETORIAIS
Introdução à unidade
Seção 1
Espaços vetoriais
Nesta seção definiremos os conceitos relacionados com espaços vetoriais
arbitrários. Na definição a seguir, apresentamos os axiomas que garantem a
existência dos espaços vetoriais.
DEFINIÇÃO 1
Exemplo 1
Verificar se o conjunto V= { (x,y)| x,y>0} é um espaço vetorial
com as operações de:
Adição:
(x1,y1) + (x2,y2) = (x1+x2, y1+y2)
Multiplicação por escalar:
k(x1,y1) = (kx1, ky1)
Solução: Analisando os axiomas este conjunto é um espaço
vetorial, pois satisfaz os axiomas da adição e a multiplicação.
Exemplo 2
Verificar se o conjunto V = { ax² +1 | a ∈ R} é um espaço vetorial
com as operações usuais de polinômios e multiplicação de
polinômio por escalar.
Solução: Não se trata de um espaço vetorial, pois não
satisfaz todos os axiomas da adição e multiplicação. (MAGGI;
KRÜGER, 2007).
Exemplo 3
Exemplo 4
Considere os conjuntos R³, R4, ..., Rn , os quais são espaços vetoriais com
as operações usuais de adição e multiplicação por escalar.
Exemplo 5
SUBESPAÇO VETORIAL
a) O próprio R³.
c) A origem.
Proposição 1
V=V1 ∩ V2
Se v ϵ V então v ϵ V1 e v ϵ V2
Se u ϵ V então u ϵ V1 e u ϵ V2
(I) (v + u) ϵ V, pois:
v ϵ V1 e u ϵ V1. Logo (v + u) ϵ V1
v ϵ V2 e u ϵ V2. Logo (v + u) ϵ V2
(II) a ϵ R, v ϵ V → v a ϵ V, pois:
v ϵ V1. Logo, av ϵ V2
v ϵ V2. Logo, av ϵ V1
Exemplo 1
(I) u + v = (x1, 2x1) + (x2, 2x2) = (x1 + x2 , 2x1 + 2x2) = (x1 + x2, 2(x1 + x2)) ϵ W,
sendo a segunda componente de u + v é igual ao dobro da primeira.
Exemplo 2
R} e (0,0,0,0) W é um subespaço.
(I) u + v = (x1, y1, z1, 0) + (x2, y2, z2, 0) = (x1 + x2, y1 + y2, z1+ z2, 0) ϵ W, sendo
que a quarta componente é nula.
(II) au = α(x1, y1, z1, 0) = (αx1, αy1, αz1, 0) ϵ W, sendo que a quarta
componente é nula.
COMBINAÇÃO LINEAR
DEFINIÇÃO 2
− 3 − 1 0 1
12 = α 3 + α 2 + α 0
1 2 3
12 1 4 2
Temos que:
3 − 6 α1 1
2 − 4.α = 5
2
Ao calcular o determinante da matriz reduzida, temos o determinante
zero, isso implica que o sistema não tem solução ou é indeterminado.
Deste modo, o vetor (1,5) não pode ser escrito como uma combinação
linear dos vetores (3,2) e (-6,-4).
GERADOR
Exemplo 1
Não existe α para o qual a igualdade possa ser verdadeira. Sendo assim,
c1 e c2 são (L.I.)
Exemplo 2
PROPOSIÇÃO 2
Deste modo, para α3 qualquer podemos encontrar valores para α1 e α2, tais
que o sistema tenha solução. Sendo assim, o sistema é indeterminado, pois
possui infinitas soluções. Ou seja, os vetores são linearmente dependentes.
SISTEMAS HOMOGÊNEOS
Exemplo 1
x1 = -2x2 – x3
Exemplo 2
x1 = -2x2 – x3
BASE E DIMENSÃO
Exemplo
Verifique se o conjunto B = {(1, 2), (1, 0), (0, 1)} gera o R2.
Ao considerarmos uma base ordenada B = {v1, v2, ..., vn} em que se estabelece
que v1 é o primeiro elemento, que v2 é o segundo elemento e assim
sucessivamente, a ordem em que seus elementos são escritos é relevante.
PROPOSIÇÃO 3
DEMOSTRAÇÃO
PROPOSIÇÃO 4
PROPOSIÇÃO 5
PROPOSIÇÃO 6
MUDANÇA DE BASE
Seja V um espaço vetorial, este pode ser gerado pela base canônica, ou
ainda, por outra base, deste modo um mesmo espaço vetorial pode ter várias
bases.
Dadas duas bases u = {u1, u2, ... , un} e v = {v1, v2, ... , vn}: Podemos
representar w na base u, ou seja:
De (II) tem-se:
Exemplo
3) Qualquer conjunto finito de vetores que contém o vetor nulo tem que
ser linearmente dependente?
Seção 2
Transformações lineares
Nesta seção, consideraremos que os espaços vetoriais estão definidos em
um mesmo corpo K, isto é, ou sobre o corpo dos números reais, ou sobre o
conjunto dos números complexos e definiremos os conceitos, proposições
e propriedades, junto às operações relacionadas com as transformações
lineares, ou seja, nosso enfoque será algébrico. Veremos a seguir a definição
de transformações:
DEFINIÇÃO 3:
PROPRIEDADE
Exemplos
OBSERVAÇÕES:
Exemplo 1
F:R→R ou F(u) = au
u → au
F(u + v) = a(u + v) =au +av = F(u) + F(v) e F(ku) = a(ku) = kau = kF(u).
Concluímos que F é uma transformação linear.
Exemplo 2
F:R→R ou F(u) = u2
u → u2
Exemplo 3
= T(u) + T(v).
= a (2x1, 0, x1 + y1)
= a T(u).
IMAGEM E NÚCLEO
DEFINIÇÃO 4
um subconjunto, um subespaço.
DEFINIÇÃO 5
Propriedades
I) Ker(T) V é um subespaço de V.
U
II) Uma transformação linear é injetora se, e somente se, N(T) = {0}.
Exemplo:
DEFINIÇÃO 6
PROPOSIÇÃO 7
DEFINIÇÃO 7
DEFINIÇÃO 8
DEFINIÇÃO 9
AUTOVALORES E AUTOVETORES
I) o polinômio característico,
II) os autovalores,
III) os autovetores.
(se v 0).
Av = v ou Av – v = 0
Para a equação (III) ter solução além da trivial, é preciso que o determinante
da matriz dos coeficientes seja zero, isto é: det(A – I) =0
Vejamos:
( – 2) ( 2
- 9 + 18) = 0 → 2
=6e 3
=3
Os autovalores são 1
= 2, 2
=6e 3
=3
Para 1 = 2:
Escalonando:
Ou seja, y = 0 e z =-x
Para 2
= 3:
Ou seja, z = x e z = y, x=y=z
Para 3
= 6:
ou seja, z - x e - 2z - y
v3 = (z,-2z,z) = z (1,-2,1)
Seção 3
DEFINIÇÃO 10
I) u•v=v•u
III) ( a u) • v= a (u•v)
IV) u•u ≥ 0 se u =0
a) 0•u=u•0=0
c) u• ( a v) = a (u•v)
d) u • (v1+v2+...+vn) = uv1+uv2+...+uvn
(III) (au) • v = (ax1 , ay1) • (x2 , y2) = 2(ax1)x2 + 3(ay1) y2 =a (2x1 x2 + 3y1 y2) = a(u . v)
(IV) u . u = 2x1 x1 + 3y1 y1 = 2x12 + 3y12 > 0 no caso de u . u = 2x12 + 3y12 = 0 se,
e só se, x1 = y1 = 0 .
Por (I), (II), (III) e (IV) temos que a função é um produto interno.
Observemos que esta função tem um produto interno diferente do
usual do R² que é definido por:
u • v = x1 x2 + y1 y2 .
Exemplo
c) u = (5, 3) e v = (0, 0)
Solução:
b) u • v = 4.(1/2) -1.(-5) = 2 +5 = 7
c) u • v = 5(0) + 3(0) = 0 + 0 = 0
DEFINIÇÃO 11
ainda
a) , se, e só se, .
b)
c)
d)
DEFINIÇÃO 12
Exemplo 1
Solução:
Exemplo 2
Solução:
DEFINIÇÃO 13
Exemplo
b) Se u1 e u2 , então (u1 + u2 ) .
DEFINIÇÃO 14
U
e distintos são ortogonais,, ou seja, se vi • vj = 0 para i ≠ j .
Exemplo
PROPOSIÇÃO 8
DEMONSTRAÇÃO
Ou ainda,
DEFINIÇÃO 15
DEFINIÇÃO 16
a)
b)
c)
Ou seja,
Exemplo
Vejamos:
DEFINIÇÃO 17
ou ainda,
temos que,
assim,
Exemplo
Temos que:
Determinaremos a1 e a2:
Deste modo:
Referências
ANTON, H.; RORRES, C. Álgebra linear com aplicações. 8. ed. New York:
Bookman, 1999.
SUGESTÕES DE LEITURA