Escolar Documentos
Profissional Documentos
Cultura Documentos
Fuja do Nabo P1
Resumo e Lista de Exercícios
Resumo
1. Matrizes e Determinantes
a. Multiplicação de Matrizes
Dadas duas matrizes 𝐴 = 𝑚 × 𝑛 e 𝐵 = 𝑛 × 𝑝, desde que o número de
colunas da primeira matriz seja igual ao número de linhas da segunda
matriz, podemos fazer o produto dessas matrizes, 𝐶 = 𝑚 × 𝑝, onde:
𝐶 = 𝐴𝐵 (Linha x Coluna)
𝐴𝐵 ≠ 𝐵𝐴
b. Propriedades de Determinantes
Algumas propriedades relativas aos determinantes de uma matriz devem
ser conhecidas, como:
1
Para calcular o determinante de uma matriz 3 × 3, use a regra de Sarrus,
e para matrizes de grau maior ou igual a 4, use a Regra de Laplace (método
dos cofatores) ou a Regra de Chió.
c. Escalonamento
Escalonar uma matriz significa torna-la triangular superior, ou seja, zerar
todos os elementos abaixo da diagonal principal.
Para fazer isso, podemos realizar operações com as linhas da matriz, que
podem consistir em somar ou subtrair linhas de múltiplos de outras
linhas.
𝑎 𝑏 𝑐 𝑚 𝑛 𝑜
@𝑑 𝑒 𝑓 F → (𝑀𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎çã𝑜 𝑒 𝑠𝑜𝑚𝑎 𝑒𝑛𝑡𝑟𝑒 𝑙𝑖𝑛ℎ𝑎𝑠) → P 0 𝑝 𝑞S
𝑔 ℎ 𝑖 0 0 𝑟
d. Matriz Inversa
A matriz 𝐴TU é a matriz inversa de 𝐴, tal que 𝐴𝐴TU = 𝐼 (identidade).
Observe que uma matriz 𝐴 invertível se, e somente se, seu determinante
é não nulo. Ou seja:
𝐴 é invertível ⇔ det(𝐴) ≠ 0
2
• Construir a matriz expandida, com 𝐴 e a identidade 𝐼:
𝑎 𝑏 𝑐 1 0 0
(A|I) = @𝑑 𝑒 𝑓 0 1 0F
𝑔 ℎ 𝑖 0 0 1
𝑚 𝑛 𝑜
TU
• A matriz inversa é 𝐴 = P𝑝 𝑞 𝑟S
𝑠 𝑡 𝑢
2. Sistemas Lineares
𝐴𝑥 = 𝑏
3
Onde 𝐴 é a matriz dos coeficientes do sistema linear, 𝑥 é a matriz coluna
com as variáveis desse sistema e 𝑏 é a matriz com os resultados de cada
equação.
Dado o sistema abaixo:
𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 = 𝑚
\ 𝑑𝑥 + 𝑒𝑦 + 𝑓𝑧 = 𝑛
𝑔𝑥 + ℎ𝑦 + 𝑖𝑧 = 𝑜
𝑎 𝑏 𝑐 𝑥 𝑚
𝐴 = @𝑑 𝑒 𝑓 F , 𝑥 = P𝑦S e 𝑏 = P 𝑛 S
𝑔 ℎ 𝑖 𝑧 𝑜
𝑎 𝑏 𝑐 𝑚
@𝑑 𝑒 𝑓 𝑛F
𝑔 ℎ 𝑖 𝑜
b. Resolução de Sistema
Considere o seguinte sistema linear, representado pela matriz expandida:
𝑎 𝑏 𝑐 𝑚
@𝑑 𝑒 𝑓 𝑛F
𝑔 ℎ 𝑖 𝑜
4
Para resolver esse sistema, vamos escalonar a matriz acima, de forma que
a matriz 𝐴 (à esquerda) se torne uma matriz triangular superior.
𝑎 𝑏 𝑐 𝑚
1. @0 𝛼 𝛽 𝛾 F → Sistema possível e determinado (SPD, 1 solução)
0 0 𝜖 𝜃
𝑎 𝑏 𝑐 𝑚
2. @0 𝛼 𝛽 𝛾 F → Sistema possível e indeterminado (SPI, infinitas
0 0 0 0
soluções)
Ocorre quando a última linha é nula. Neste caso, a última variável é livre,
e pode assumir qualquer valor.
𝑥 𝑦 𝑧 𝑤
3. P0 𝛼 𝛽 𝛾 S , 𝜃 ≠ 0 → Sistema impossível (SI, não tem solução)
0 0 0 𝜃
5
3. Vetores
a. Definição de Vetor
Um vetor 𝑣⃗ é uma entidade matemática definida por possuir módulo ‖𝑣⃗‖,
direção e sentido.
𝐵 = 𝐴 + 𝑣⃗
b. Soma de Vetores
Dados pontos 𝐴, 𝐵 e 𝐶, vale que:
iiiii⃗
𝐴𝐵 + iiiii⃗
𝐵𝐶 = iiiii⃗
𝐴𝐶
c. Combinação Linear
Um vetor 𝑣⃗ é uma combinação linear de outros vetores (𝑥⃗, 𝑦⃗, … , 𝑧⃗) se ele
pode ser dado como a soma desses vetores, multiplicados por constantes
(𝑎, 𝑏, … , 𝑐):
6
d. Dependência Linear
Um conjunto de vetores 𝑆 = {iiii⃗,
𝑣U iiii⃗, 𝑣9 } é Linearmente Dependente
𝑣o … , iiii⃗
(L.D.) se pelo menos um dos vetores do conjunto for uma combinação
linear dos outros vetores do conjunto.
• Se {𝑢
i⃗, 𝑣⃗} é LD, então 𝑢
i⃗ e 𝑣⃗ são paralelos (múltiplos)
iiii⃗U
𝑣 𝑎 𝑏 𝑐
qiiii⃗
𝑣o s → @0 𝑑 𝑒F ⇔ {iiii⃗,
𝑣U iiii⃗, 𝑣r } é LD
𝑣o iiii⃗
𝑣r
iiii⃗ 0 0 0
7
2ª Regra prática para saber se vetores são LD
1. Coloque as coordenadas dos vetores nas linhas de uma matriz;
2. Calcule o determinante dessa matriz;
3. Se o determinante for zero, o conjunto é LD (caso não seja, é LI).
iiii⃗U
𝑣
𝑣o s = 0 ⇔ {iiii⃗,
det qiiii⃗ 𝑣U iiii⃗, 𝑣r } é LD
𝑣o iiii⃗
𝑣r
iiii⃗
4. Bases e Coordenadas
a. Base
Uma base de um espaço é um conjunto ordenado de vetores Linearmente
Independentes, tal que qualquer vetor do espaço pode ser obtido como
uma combinação linear desses vetores.
𝐵 = {iiii⃗,
𝑣U iiii⃗, 𝑣r }
𝑣o iiii⃗
Por exemplo, para o espaço ℝr , qualquer vetor pode ser escrito como
𝑒U = (1,0,0), iii⃗
uma combinação linear dos vetores iii⃗ 𝑒o = (0,1,0) e iii⃗
𝑒r =
(0,0,1), então uma base para ℝr é:
𝐵 = {iii⃗,
𝑒U iii⃗, 𝑒r }
𝑒o iii⃗
8
Dizemos que a base é um conjunto ordenado de vetores, pois os vetores
seguem uma ordem específica.
𝐵 = {iiii⃗,
𝑣U iiii⃗, 𝑣r }
𝑣o iiii⃗
𝑣U ⊥ iiii⃗,
iiii⃗ 𝑣o iiii⃗
𝑣U ⊥ iiii⃗,
𝑣r iiii⃗
𝑣o ⊥ iiii⃗
𝑣r
𝐵 = {iiii⃗,
𝑣U iiii⃗, 𝑣r }
𝑣o iiii⃗
𝑣U ⊥ iiii⃗,
iiii⃗ 𝑣o iiii⃗
𝑣U ⊥ iiii⃗,
𝑣r iiii⃗
𝑣o ⊥ iiii⃗
𝑣r
||𝑣
iiii⃗||
U = ||𝑣 iiii⃗||
o = ||𝑣 iiii⃗||
r =1
c. Coordenadas
Em um espaço 𝑉, com base 𝐵 = {iiii⃗,
𝑣U iiii⃗, 𝑣r }, as coordenadas de um vetor
𝑣o iiii⃗
qualquer 𝑣⃗ são as constantes que, multiplicadas pelos vetores da base (na
ordem da base), resultam no vetor 𝑣⃗.
𝑣⃗ = 𝑥𝑣
iiii⃗U + 𝑦𝑣
iiii⃗o + 𝑧𝑣
iiii⃗r
9
I. iiii⃗
𝑣U + iiii⃗
𝑣o = (𝑥U + 𝑥o , 𝑦U + 𝑦o , 𝑧U + 𝑧o )v
II. 𝛼𝑣⃗ = (𝛼𝑥, 𝛼𝑦, 𝛼𝑧)v
a. Produto Escalar
O Produto Escalar é um produto entre vetores que resulta em um número.
Ele é dado da seguinte forma:
i⃗ = i0⃗ 𝑜𝑢 𝑣⃗ = i0⃗
i⃗ ∙ 𝑣⃗ = x0, 𝑠𝑒 𝑢
𝑢
‖𝑢
i⃗‖‖𝑣⃗‖cos𝜃
i⃗‖ = |𝑢
‖𝑢 i⃗ ∙ 𝑢
i⃗
𝑢
i⃗ ∙ 𝑣⃗ = 𝑥U 𝑥o + 𝑦U 𝑦o + 𝑧U 𝑧o
10
Se 𝑢
i⃗ e 𝑣⃗ são ortogonais, 𝑢
i⃗ ∙ 𝑣⃗ = 0.
I. (𝑢
i⃗ + 𝑤 ii⃗ ) ∙ 𝑣⃗ = 𝑢
i⃗ ∙ 𝑣⃗ + 𝑤ii⃗ ∙ 𝑣⃗
II.𝑢
i⃗ ∙ 𝑣⃗ = 𝑣⃗ ∙ 𝑢 i⃗
III.(∝ 𝑢 i⃗) ∙ 𝑣⃗ =∝ (𝑢 i⃗ ∙ 𝑣⃗)
c. Projeção Ortogonal
A projeção ortogonal de um vetor 𝑢 i⃗ na direção do vetor 𝑣⃗ é um vetor que
tem a direção de 𝑣⃗, e é dado por:
𝑢
i⃗ ∙ 𝑣⃗
proj ‚i⃗ 𝑢
𝑣⃗ i⃗ =
‖𝑣⃗‖o
Sendo 𝑥⃗ um vetor ortogonal a 𝑣⃗, forma-se um triangulo retângulo com a
projeção e 𝑢
i⃗:
i⃗ = projƒ‚ii⃗⃗ + 𝑥⃗
𝑢
5. Mudança de Base
Para mudar de base, temos que escrever os vetores da base que queremos
sair em função dos vetores da base que queremos chegar. Para isso,
usamos a matriz de mudança de base. Primeiro, colocamos os vetores
em notações matriciais:
𝑥v 𝑥ˆ
[𝑣⃗ ]v = †𝑦v ‡ , [𝑣⃗]ˆ = †𝑦ˆ ‡
𝑧v 𝑧ˆ
11
Então, podemos passar o vetor 𝑣⃗ da base 𝐹 para a base 𝐵 usando uma
matriz de mudança de base 𝑀, desse jeito:
[𝑣⃗]v = 𝑀[𝑣⃗]ˆ
iii⃗U Œ
𝑀 = Š‹𝑓 iii⃗o Œ
‹𝑓 iii⃗r Œ •
‹𝑓
v v v
Propriedades
Temos duas propriedades de matriz de mudança de base que costumam
ser cobradas em prova, que são:
[𝑣⃗]• = 𝐴 ∙ 𝑋[𝑣⃗]ˆ
[𝑣⃗]• = 𝐴[𝑣⃗]v
12
6. Orientação de 𝑽𝟑
Conseguimos dar uma orientação para o 𝑉 r a partir das bases existentes
nele. Podemos checar se duas bases têm a mesma orientação usando a
matriz de mudança de base 𝑀 entre elas:
7. Produto Vetorial
Esse é um tipo de produto que definimos entre vetores. Esse produto
entre dois vetores gera um outro vetor, o que é condizente com o seu
nome. Ele é definido como:
i⃗ i⃗ = i0⃗ ou 𝑣⃗ = i0⃗
i⃗ ∧ 𝑣⃗, tal que x 0, se 𝑢
𝑥⃗ = 𝑢
‖𝑥⃗‖ = ‖𝑢i⃗‖ ∙ ‖𝑣⃗‖ ∙ sen 𝜃
𝑥⃗ ⊥ 𝑢
i⃗ 𝑒 𝑥⃗ ⊥ 𝑣⃗
i⃗ ∧ 𝑣⃗ = i0⃗ ⇔ {𝑢
𝑢 i⃗, 𝑣⃗ } é LD (vetores paralelos)
13
O produto vetorial possui uma aplicação importante, porque serve para
calcular a área de polígonos. A área do paralelogramo formado por 𝑢
i⃗ e 𝑣⃗
é:
𝐴 = ‖𝑢
i⃗ ∧ 𝑣⃗‖
‖𝑢
i⃗ ∧ 𝑣⃗‖
𝐴=
2
iiiii⃗∧™•
˜™v iiiii⃗ ˜
𝐴 = 𝑏. ℎ, ℎ = iiiii⃗˜
é a altura do triângulo 𝐴𝐵𝐶 em relação à base 𝐴𝐵
˜™v
𝚤̂ 𝚥̂ 𝑘
𝑢
i⃗ ∧ 𝑣⃗ = det ›𝑥U 𝑦U 𝑧U ¡, onde 𝑢
i⃗ = (𝑥U , 𝑦U , 𝑧U )v e 𝑣⃗ = (𝑥o , 𝑦o , 𝑧o )v
𝑥o 𝑦o 𝑧o
𝑦U 𝑧U 𝑥U 𝑧U 𝑥U 𝑦U
𝑢
i⃗ ∧ 𝑣⃗ = det ¢𝑦 𝑧o £ 𝚤̂ − 𝑑𝑒𝑡 ¢ 𝑥o 𝑧o £ 𝚥̂ + 𝑑𝑒𝑡 ¢ 𝑥o 𝑦o £ 𝑘
o
14
Propriedades
O produto vetorial possui algumas propriedades muito importantes:
• 𝑢
i⃗ ∧ 𝑣⃗ = −𝑣⃗ ∧ 𝑢i⃗
• ¥𝑎⃗ + 𝑏i⃗¦ ∧ 𝑣⃗ = 𝑎⃗ ∧ 𝑣⃗ + 𝑏i⃗ ∧ 𝑣⃗
• 𝛼𝑎⃗ ∧ 𝛽𝑣⃗ = 𝛼𝛽(𝑎⃗ ∧ 𝑣⃗)
15
Exercícios de Fixação
1. Matriz Inversa
P1 2016 Álgebra Linear I
1 2 0 𝑎 𝑏 𝑐 1 0 0
@0 2 1F @𝑑 𝑒 𝑓 F = @0 1 0F
1 1 0 𝑔 ℎ 𝑖 0 0 1
A. 2
B. −4
C. 0
D. −2
E. 4
2. Propriedades de Determinante
P1 2016 Álgebra Linear I
16
B. Apenas a afirmação III. é necessariamente verdadeira;
C. Apenas a afirmação I. é necessariamente verdadeira;
D. Apenas as afirmações I. e III. são necessariamente verdadeiras;
E. Apenas as afirmações I. e II. são necessariamente verdadeiras.
3. Propriedades de Determinante
P1 2016 Álgebra Linear para Engenharia I
Considere a matriz:
2 1 0 −1
1 1 0 1
𝐴 = § ¨
−1 1 1 0
1 2 0 1
e denote por 𝐴© a sua transposta. Temos que det(𝐴r ) − det [3(𝐴© )TU ]é
igual a:
A. −26
B. 55
C. 0
D. 26
E. 81
4. Sistemas Lineares
P1 2014 Álgebra Linear I
𝑥U + 𝑥o + 𝑚𝑥r = 0
\ 𝑥U + 𝑥o + 𝑛𝑥r = 0
𝑚𝑥U + 𝑛𝑥o + 𝑥r = 0
17
I. Se 𝑛 ≠ 𝑚, então o sistema tem uma única solução.
II. Se 𝑛 = 𝑚 e 𝑚 ≠ 1, então o número de variáveis livres do sistema é
1.
III. Se 𝑛 = 𝑚 e 𝑚 ≠ −1, então o número de variáveis livres do sistema
é 2.
A. (I), apenas
B. (II), apenas
C. (I) e (II), apenas
D. (I), (II) e (III)
E. (I) e (III), apenas
5. Vetores
P1 2018 Álgebra Linear I
18
A. 1
B. 3
C. 2
D. 4
E. 0
6. Dependência Linear
P1 2017 Álgebra Linear I
7. Definição de Base
P1 2018 Álgebra Linear I
Seja 𝐸 = {𝑣
iiii⃗,
U iiii⃗,
𝑣o iiii⃗, 𝑣¯ vetores de 𝑉 r contendo uma base. Considere as
𝑣r iii⃗ }
seguintes afirmações:
19
I. Existe ao menos um subconjunto de 𝐸, formado por 3 vetores, que é LI;
II. Qualquer subconjunto de 𝐸, formado por 2 vetores, é LI;
III. Pode existir um subconjunto de 𝐸, formado por 3 vetores, que não gera
𝑉 r.
8. Produto Escalar
P1 2018 Álgebra Linear I
A. 𝛼 = 0
U
B. 𝛼 < −
o
20
U
C. 0 < 𝛼 <
o
U
D. ≤ 𝛼
o
U
E. − ≤ 𝛼 < 0
o
9. Produto Escalar
P1 2015 Álgebra Linear I
A. 2
B. 3
C. 1
D. 7
E. 5
𝑣⃗ = (1, −2,3)v e 𝑤
ii⃗ = (3,1, −2)v
A. −2
21
³
B.
´
C. 2
U³
D.
´
Uµ
E.
´
F
E
D C
A B
iiiii⃗, iiiii⃗
𝐵 = {𝐷𝐴 𝐷𝐶 , iiiiii⃗ iiiii⃗ , iiiiii⃗
𝐷𝐻 } e 𝐶 = {𝐷𝐸 𝐵𝐷, iiiii⃗
𝐷𝐺 }.
𝑀[𝑣⃗]• = [𝑣⃗]v ,
22
para todo 𝑣⃗ ∈ 𝑉 r ,então o determinante de 𝑀 é igual a:
A.1
B.−1
C.3
D.2
E.−2
1 −1 1
@ 2 −3 1 F
−1 1 −2
23
13. Produto Vetorial
P2 2015 Álgebra Linear I, exercício 5
oo
A.2}
Uµ
oo
B.}
Uµ
√oo
C.
Uµ
√oo
D.2
Uµ
Uµ
E.}
oo
A.9
B.12
C.6
D.4
E.36
24
Gabarito
1. B
2. B
3. C
4. A
5. C
6. A
7. B
8. E
9. C
10. E
11. E
12. B
13. A
14. C
25