CENTRO DE ESTUDOS PEDAGÓGICOS

Explicações de Matemáticas Prof→ Manuel Cerqueira

Secundário e Superior Tel. 21 938 94 71 TM : 96 647 58 70
http://sites.google.com/site/cerqueiramath matcep@sapo.pt
Álgebra Linear Resumo de Álgebra linear RAL 1.1
TEORIA AXIOMÁTICA DOS ESPAÇOS VECTORIAIS OU LINEARES
Dado um conjunto E de elementos chamados vectores e um corpo K (normalmente IR ou C) de elementos chamados escalares, chama-se espaço
linear de E sobre K à estrutura algébrica que verifica os 10 axiomas descritos a seguir:
∀ X , Y , Z ∈E e ∀α, β ∈K , tem-se:
1) ( x + y ) ∈ E 2) x + y = y + x 3) (x + y) + z = x + (y + z) 4) 0 + x = x + 0 = x 5) x + (-x) = (-x) + x = 0
6) (αx) ∈ E 7) (α + β )x = αx + βx 8) (αβ )x = α ( βx) 9) α (x + y) = αx + αy 10) 1. x = x.1 = x
COMBINAÇAO LINEAR DE VECTORES
Dado o conjunto S de m vectores : S = { x1, x2 ,..... x m } de um espaço vectorial E
Diz-se que →
m
X = α 1 x 1 + α 2 x 2 + ...... + α m x m = ∑ α k x k é uma combinação linear dos m vectores.
k =1
INDEPENDENCIA LINEAR
Diz-se que um conjunto de vectores S = { x1, x 2 ,..... x m } é linearmente independente sse
α 1x1 + α 2 x 2 +......+ α m xm = 0 ⇒ α 1 = α 2 =.... = α m = 0 , ou seja a combinação linear nula só pode acontecer se
todos os escalares forem nulos.
Quando se verificar que a combinação linear é nula sem que todos os escalares , sejam nulos diz-se que os vectores são
linearmente dependentes:
TÉCNICA→Considerar a matriz cujas colunas são os vectores e ver que a característica é m.
⎡ x 11 .. x m1 ⎤
⎢ ⎥
A = ⎢ ... .. ... ⎥ ⇒ C ( A ) = m ⇒ são L.I. Caso contrário são dependentes, ou det(A) ≠ 0
⎢⎣ x 1n .. x mn ⎥⎦
SUBESPAÇOS VECTORIAIS
DEF: Diz-se que um conjunto F≠∅ , F⊂E é um subespaço de E sse:
i) ∀ x,y∈ F,∃z∈ F : z = x + y ii) ∀ α ∈ K ∀ x∈ F ,(αx) ∈ F Nota→Se é sub⇒0∈F
SISTEMA DE GERADORES E SUBESPAÇO GERADO
Dado um conjunto F={ x1, x2 ,..... xm } de vectores dum espaço E, diz-se que Fé um sistema de geradores de um dado subespaço.
⎧ m ⎫
Seja [F]= ⎨ x: x =
⎩
∑α x k k
⎬ ---»Conjunto de todas as combinações lineares de F , a [F] ,chama-se
⎭
k =1
subespaço gerado ou variedade linear ou expansão linear do conjunto F. Analogia: F={Pai, Mãe} : [F]=[Filhos]={x:
x= αpai + β mãe }

BASES DUM ESPAÇO VECTORIAL

Diz-se que um conjunto B não vazio de elementos dum espaço E , é uma base de E sse:
i) São linearmente independentes ii) Geram todos os elementos de E

Bc = {(1,0,0,....0); (0,1,0,....0); (0,0,1,0,...0);.....(0,0,....,0,1)} ,é a base canónica de IRn

Dimensão: Chama-se dimensão do espaço , ao nº de vectores que existem na base. Se a base tem n vectores---»
n
dim(E)=n ; IR tem dim=n
Para um dado espaço vectorial , existem muitas bases, mas todas tem o mesmo nº de vectores

TEOREMA: Num espaço de dimensão finita -n- , basta que os n vectores sejam linearmente independentes , para
ser uma base.
MUDANÇA DE BASE DUM ESPAÇO VECTORIAL
Seja B1 = {u1, u2 , u3 , . . . un } uma base de IR
n
. Qual é a matriz da mudança de base de B1 para B2 = {v1, v2 , v3 ,... vn } ?.
Dadas as coordenadas de um vector X , relativamente a B1 ,quais são as coordenadas de X em relação a uma nova base B2 ?
B1 ---»Matriz cujas colunas são as coordenadas dos vectores da base B1 ;
B2 ---»Matriz cujas colunas são as coordenadas dos vectores da base B2

M = B2 ( ) −1
.B1 →Matriz da mudança de base. X B 2 = M . X B1
MatematicaViva.pt
 CENTRO DE ESTUDOS PEDAGÓGICOS
Explicações de Matemáticas Prof→ Manuel Cerqueira
Secundário e Superior Tel. 21 938 94 71 TM : 96 647 58 70
http://sites.google.com/site/cerqueiramath matcep@sapo.pt
Álgebra Linear Resumo de Álgebra linear RAL 1.2
DEFINIÇÃO DE TL
Definição de TL→Uma transformação linear ,é uma aplicação (transformação ou função ) entre espaços
vectoriais , T: E1→E2 que goza das seguintes propriedades: i) T(x+y)=T(x)+T(y) ii) T(αx)=αT(x)
Teorema 1→ Seja T:E1 → E2 , tem-se T(o)=0 ; ou seja T aplica o zero de E1 no zero de E2.
Teorema 2→ Seja T:E1 → E2 tem-se T(-x)=-T(x) , ou seja , é impar.
Núcleo→Dada uma transformação linear T:E1 → E2 . Chama-se núcleo ao conjunto dos objectos (elementos
de E1) , cuja imagem é zero (de E2). → {x ∈ E1: T(x) = 0}
N(T)=
Imagem →de T é o contradomínio da apl: Im(T) = {y ∈ E2: y = T(x) , para algum x ∈ E1}
TEOREMA DAS DIMENSÕES: dim(Nuc)+dim(Im)=dim(E1)
MATRIZ DA TL, DADAS AS BASES
Dada uma T.L. T:E1 = IRn → E2 = IRm , T(x1,....xn)=(y1,.....ym) e as bases B1 = {u1 , u2 ,..., un } de E1 e
B 2 = {v1 , v 2 ,..., v m } de E2. A transformação linear pode ser representada por uma matriz de A(mxn)
⎡ y1 ⎤ ⎡ a11 .... a1n ⎤ ⎡ x1 ⎤
⎢ ⎥ ⎢ ⎥⎢ ⎥
T( x1,.... x n ) = ⎢ ... ⎥ = ⎢...... ...... ......⎥. ⎢ .. ⎥
⎢⎣ y m ⎥⎦ ⎢⎣ a m1 .... a mn ⎥⎦ ⎢⎣ x n ⎥⎦
Onde as Colunas da matriz A , são os transformados dos vectores da base B1 expressos na
base B2.
TÉCNICA A USAR
⎧T (u1 ) = w1
⎪
1º)→ Calcular os transformados dos vectores da base ( substituir os valores na expressão) ⎨.....
⎪T (u ) = w
⎩ n n

⎡α1 = ? ⎤
2º)→ Expressar os transformados T(ui) na base B2. w1 = α1v1 + α 2v2 + ... + α m vm ⇒ ⎢⎢.. ⎥ →1ª coluna
⎥
⎢⎣α m = ?⎥⎦
⎡δ 1 = ? ⎤
..etc... wn = δ 1v1 + δ 2v2 + ... + δ m vm ⇒ ⎢⎢.. ⎥ → última coluna da da matriz da transformação.
⎥
⎢⎣δ m = ?⎥⎦
MÉTODO DIRECTO
Ou então directamente-------» A = [B2 ] . [Ac]. [B1 ] , Ac-»Matriz da transformação em relação às
−1

bases canónicas. B1 e B2--»Colunas são os vectores das bases

TEORIA DOS ESPAÇOS EUCLIDEANOS
DEF: Sendo E um espaço vectorial, em que está definido um produto interno ( x • y ) ou x, y ou ( x| y),
diz-se que se tem um espaço Euclideano.
Espaço Euclidiano→Espaço vectorial onde se tem um produto interno definido.
DEFINIÇÃO AXIOMÁTICA DE PRODUTO INTERNO DE VECTORES
Chama-se produto interno a toda a operação que verifica os seguintes axiomas:

1) ( x • y) ∈ IR 2) (x • y) = (y • x) 3) (x + y) • z = (x • z) + (y • z) 4) α(x • y) = αx • y 5) x • x ≥ 0
2
Exemplo→Verifique que x • y = x1y1 − x1y2 − x2 y1 + 3 x2 y2 (em IR ) define um P.I.
Basta verificar os 5 axiomas
n
Exemplo em IRn→ x|y= x • y = x, y = ∑xy i i →Produto interno vulgar
i=1

MatematicaViva.pt
 CENTRO DE ESTUDOS PEDAGÓGICOS
Explicações de Matemáticas Prof→ Manuel Cerqueira
Secundário e Superior Tel. 21 938 94 71 TM : 96 647 58 70
http://sites.google.com/site/cerqueiramath matcep@sapo.pt
Álgebra Linear Resumo de Álgebra linear RAL 1.3
PROCESSO DE ORTOGONALIZAÇÃO DE GRAM-SCHMIDT
Dada uma base B1 = { u1, u 2 ,.... u n } de IRn , pretende-se determinar uma base B2 = { v1, v 2 ,.... v n } ortogonal ; ou
seja uma base em que os vectores são ortogonais ,dois a dois ; vi • v j = 0 ; (i ≠ j)

TRANSFORMAÇÕES A EFECTUAR FÓRMULA DE RECORRENCIA

v1 = u1 ⎧ v1 = u1
⎪
v •u ⎨ k −1
vi • u k
v2 = u2 − 1 2 . v1
v1 • v1 ⎪ v = u − ∑ . vi
⎩ i =1 v i • v i
k k

.............................................
v • un v • un Nota: Ter o cuidado de usar o P.I. que for
vn = un − n− 1 . vn− 1 +........+ 1 . v1 dado.
vn− 1 • vn− 1 v1 • v1
MATRIZ DA MÉTRICA→QUANDO A BASE NÃO É ORTONORMADA
Em geral →Quando se tem que fazer um produto interno de dois vectores , numa base não ortonormada temos que
usar a matriz da métrica G, que é definida a seguir. Dada a base, B = {u1 , u2 ,....un}
⎡ u1 • u1 u1 • u2 ... u1 • un ⎤
⎢u • u u • u ..... u2 • un ⎥⎥
G= ⎢ P.I . → X | Y = [ X ].G.[Y ]
2 1 2 2 t

⎢ ..... ........ ....... ...... ⎥

⎢ ⎥
⎣un • u1 un • u2 ..... un • un ⎦
Nota→No caso da base ser ortonormada a matriz da métrica é a identidade⇒G=I
VALORES E VECTORES PRÓPRIOS
Transformação própria→ Ax = λx ⇔ Ax − λx = 0 ⇔ ( A − λI)x = 0
Como se trata dum sistema homogéneo, então ele só admitirá solução diferentes de zero, se
A − λI = 0 . À matriz A − λ I ---»Chama-se matriz característica
Ao determinante A − λ I = 0 ---»Chama-se equação característica, ou polinómio característico.
VALORES PRÓPRIOS---» São as soluções da equação característica.
VECTORES PRÓPRIOS--» São as solução do sistema : A − λiI = 0 , onde λi é um valor próprios. Multiplicidade
Geométrica--»Nº de vectores próprios correspondente a um valor próprio ; Multiplicidade algébrica--»Mult. dos
valores próprios
PROPRIEDADES DOS VALORES PRÓPRIOS
1º) Sendo λ1, λ 2 ,..... λk valores próprios distintos, e u1, u2 ,.... uk os vectores próprios associados, então esses
vectores são L.I. Nota: O recíproco é falso
−1
2º) Sendo P a matriz , cujas colunas são formadas pelos vectores próprios (lin.ind) ,da matriz A, então , D = P AP ,
onde D = dig( λ1, λ 2 ,..... λn ) .
A matriz D ,é a matriz da TL cuja matriz era A (em dada base),em relação à base formada pelos vectores próprios. A matriz
P , chama-se a diagonalizadora de A.
t
3º) As matrizes simétricas ( A = A ) ,tem sempre valores próprios reais e vectores próprios distintos---» Uma matriz
simétrica é sempre diagonalizável.
4º) A soma dos valores próprios de uma matriz, é igual a soma dos elementos da diagonal (troço da matriz); e o produto
n n
dos valores próprios é igual ao determinante da matriz. ∑ λi = Traç o(A )
i=1
∏ λi =
k =1
A
5º) Se λ1 ,.... λn são valores próprios da matriz A , então:
5.1º) kλ1 ,...... kλn , são valores próprios de [k.A]. 5.2º) λ1 − k,...... λn − k , são valores próprios de [A-k.I].

A
6º) Se λ , é um valor próprio de A, então , é um valor próprio de Adj(A).
λ
MatematicaViva.pt
 CENTRO DE ESTUDOS PEDAGÓGICOS
Explicações de Matemáticas Prof→ Manuel Cerqueira
Secundário e Superior Tel. 21 938 94 71 TM : 96 647 58 70
http://sites.google.com/site/cerqueiramath matcep@sapo.pt
Álgebra Linear Resumo de Álgebra linear RAL 1.4
FORMAS QUADRÁTICAS
Forma quadrática é toda a toda a expressão do 2º grau , nas variáveis ( x1, x2 ,.... xn )
n n
Q ( x1, x2 ,... xn ) = ∑ ∑ aijxixj
i =1 j =1
Ex: Q ( x1, x2 , x3 ) = 2 x1x2 − x22 + x23 − x2 x3 , notar que alguns coeficientes podem ser nulos.
MATRIZ DE UMA FORMA QUADRÁTICA
Dada uma forma quadrática é sempre possível determinar uma matriz simétrica que a represente, em relação à base
canónica.
2 2
Exemplo: Dada a forma quadrática : Q ( x1, x2 , x3 ) = 2 x1x2 − x + x − x2 x3 , determinar a matriz.
2 3
Primeiro , vamos escrever a expressão com o seguinte aspecto:

⎧ 0x12 + 1x1x2 + 0x1x 3 +

⎪
Q= ⎨1x 2 x1 − 1x 2 − 2 x 2 x 3 +
2 1
Teve-se o cuidado de repartir os coeficientes de forma a poder
⎪ 0x x − 1 x x + 1x 2
⎩ 3 1 2 3 2 3
escrever uma matriz simétrica
⎡0 1 0 ⎤⎡ x1 ⎤
⎢ ⎥⎢ ⎥
Verifica-se que : Q = X t AX = [ x1 x2 x 3 ]⎢ 1 −1 − 21 ⎥⎢ x 2 ⎥ ; Basta fazer as multiplicações, para
⎢⎣ 0 − 21 1 ⎥⎦⎢⎣ x3 ⎥⎦
confirmar .
CLASSIFICAÇÃO DAS FORMAS QUADRÁTICAS
REGRA DE SILVESTER→(Menores Principais):
⎡ a11 a12 .... a 1n ⎤
⎢a a 22 ..... a 2 n ⎥
Dada a matriz duma forma quadrática: A = ⎢ ⎥
21

⎢..... ....... ...... ......⎥

⎢⎣ a a n2 ..... a nn ⎥⎦
n1

a11 .... a1n

a11 a12
Calcular os determinantes: ∆1 = a11 ; ∆ 2 = ; .....; ∆n = .... ...... .....
a21 a22
an1 an 2 ann
Se ∆i > 0 ; ∀i -----» É definida positiva , i=1,2,....,n→(+,+,....,+)
Se ( −1)i ∆i > 0 ; ∀i ------» É definida negativa.→ (-,+,-,+,.....)
Se ∆ i > 0 , para i = (1,2,...n - 1) ∧ ∆ n = 0 ----»Semi-definida positiva→(+,...,+,0)
Se (−1)i ∆ i > 0 , para i = (1,2,...n - 1) ∧ ∆ n = 0 ---» Semi-definida negativa →(-,+,-,....,0)
Se ∆ n ≠ 0 ∧ e nenhuma das situações anteriores→ é indefinida
Se ∆ n = 0 → é um caso duvidoso⇒ir pelos valores próprios ou pela definição
CLASSIFICAÇÃO PELOS VALORES PRÓPRIOS
Dada a matriz A da F.Q. , Determinar os valores próprios : A − λI = 0 ⇒ λ1, λ 2 ,.... λn
Se λ i > 0 ∀ i -----»É definida positiva
Se λi < 0 ∀i ------» É definida negativa
Se λi ≥ 0 ∀i ------»É semi-definida positiva
Se λi ≤ 0 ∀i -----»É semi-definida negativa.
Em qualquer outra situação é indefinida.

MatematicaViva.pt