Escolar Documentos
Profissional Documentos
Cultura Documentos
ÁLGEBRA LINEAR
BELO HORIZONTE / MG
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
SUMÁRIO
1 SISTEMA LINEAR ...................................................................................... 6
2 ESPAÇOS VETORIAIS............................................................................... 7
6 MATRIZES ................................................................................................ 35
14 CÓNICAS .............................................................................................. 69
4
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
5
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
1 SISTEMA LINEAR
2 ESPAÇOS VETORIAIS
8
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Podemos ver que tanto os conjuntos das funções definidas na reta a valores
reais como o das matrizes quadradas quando munidos de somas e multiplicação por
escalares adequadas apresentam propriedades algébricas comuns. Na verdade,
muitos outros conjuntos munidos de operações apropriadas apresentam propriedades
semelhantes às acima.
É por isso que ao invés de estudarmos cada um separadamente estudaremos
um conjunto arbitrário e não vazio, 𝑽; sobre o qual supomos estar definidas uma
9
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
10
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
reais. A noção de espaço vetorial complexo pode ser feita naturalmente a partir da
definição acima com as devidas mudanças. Mais precisamente, pedimos que seja
satisfeitas as propriedades ev1 a ev4 e ev8 enquanto que as propriedades ev5 a ev7
devem valer para todo λ, µ ∈ ℂ. No entanto, embora importante, não usaremos o
conceito de espaço vetorial complexo.
Talvez o exemplo mais simples de espaço vetorial seja o conjunto dos números
reais com a adição e multiplicação usuais. Mais geralmente, para cada 𝒏 ∈ ℕ,
11
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
𝒇(𝒙) + 𝒈(𝒙) e (𝝀𝒇)(𝒙) = 𝝀𝒇(𝒙), 𝒙 ∈ 𝑨. Então, 𝕱(𝑨;ℝ) com esta adição e produto
12
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
2.1 Propriedades
Das oito propriedades que definem um espaço vetorial podemos concluir várias
outras. Listaremos algumas destas propriedades na seguinte
2.1.1 PROPOSIÇÃO 1
13
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Prova:
3 SUBESPAÇOS VETORIAIS
14
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Vejamos um exemplo:
Exemplo 1:
Exemplo 2:
15
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
3.1.1 PROPOSIÇÃO 2
𝑈 ∩ 𝑊 é subespaço vetorial de 𝑉.
Prova:
3.1.2 PROPOSIÇÃO 3
16
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
3.1.3 PROPOSIÇÃO 4
3.1.4 PROPOSIÇÃO 5
17
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
em que o termo deve ser omitido da soma. Neste caso usaremos a notação
1 n para denotar a soma de 1 a n.
3.1.5 Proposição 6:
19
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
4.1 DEFINIÇÃO 1
20
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Fonte: istockphoto.com
4.1.1 Teorema 1
Seja {0} 6= 𝑉 um espaço vetorial sobre 𝕂. Então 𝑉 possui pelo menos uma
base.
21
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Assim [𝐵] = 𝑉.
O teorema abaixo apresenta duas caracterizações de base.
4.1.2 Teorema 2
22
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
4.1.3 Teorema 3
4.1.4 Teorema 4
elemento de 𝐵 pode ser substituído por algum elemento de 𝐶 de modo que o conjunto
23
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
completando a prova.
No teorema a seguir, utilizamos a noção de cardinalidade. Lembremos que dois
conjuntos 𝐴 e 𝐵 tem a mesma cardinalidade quando existe uma função 𝑓: 𝐴 → 𝐵
bijetora.
4.1.5 Teorema 5
4.2 DEFINIÇÃO 2
24
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
4.2.1 PROPOSIÇÃO 1
5 TRANSFORMAÇÕES LINEARES
5.1 Introdução
Fonte: ifs.edu.br
também no conjunto dos números reais. Nosso próximo passo é estudar funções que
têm como domínio um espaço vetorial e que tomam seus valores em um outro espaço
vetorial. Note que os valores tomados são, na verdade, vetores. No entanto, deve-se
restringir a apenas alguns tipos especiais dentre estas funções.
Pois o maior interesse é em funções que preservem as operações existentes
no espaço vetorial que atua como o seu domínio e aquelas do espaço vetorial que age
como contradomínio. Por exemplo, por preservar a adição de vetores entendemos que
ao tomar dois vetores no domínio da função o valor que esta deve ter para a soma
destes dois vetores é a soma dos valores que ela possui para cada um dos vetores.
De maneira semelhante a função deve preservar o produto por escalar. Funções com
estas propriedades são chamadas de transformações lineares. Mais precisamente,
temos.
5.1.1 DEFINIÇÃO 1
26
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Os exemplos abaixo são de funções entre espaços vetoriais que não são
transformações lineares.
Se 𝑇 fosse linear deveria ter por 2, 𝑇(−𝑓) = −𝑇(𝑓) para toda função 𝑓 ∈
𝐶([0, 1]; ℝ). Para ver que isto não ocorre, basta tomar f como sendo a função
constante igual a 1. Temos neste caso que 𝑇(−1) = 1 = 𝑇(1).
27
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
5.1.2 PROPOSIÇÃO 1
Seja 𝑈 um espaço vetorial com base 𝑢1, . . . , 𝑢n. Toda transformação linear 𝑇
5.2.1 PROPOSIÇÃO 2
5.2.1.1 DEFINIÇÃO 1
5.3 Teorema 1
29
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
COROLÁRIO:
Se 𝑉 é um espaço de dimensão 𝑛 então o seu dual também tem dimensão 𝑛.
Pelo corolário, se 𝑈 tem dimensão 𝑛 então o seu dual, 𝑈′ , tem a mesma dimensão.
30
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
5.3.1.1 DEFINIÇÃO 2
5.3.1.2 DEFINIÇÃO 3
5.3.1.3 DEFINIÇÃO 4
Exemplo:
Mostre que 𝑇 : ℝ2 → ℝ2 dada por 𝑇(𝑥, 𝑦) = (0, 𝑥)é um operador nilpotente.
31
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
5.3.2 PROPOSIÇÃO 3
5.3.3 PROPOSIÇÃO 4
5.3.4 PROPOSIÇÃO 5
32
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
5.3.5 PROPOSIÇÃO 6
𝐼(𝑣) = 𝑣, 𝑣 ∈ 𝑉, e 𝐼U ∈
5.3.5.1 DEFINIÇÃO 5
𝑈 tal que 𝑆 ∘
𝑇(𝑢) = 𝑢 para todo 𝑢 ∈ 𝑈 e 𝑇 ∘ 𝑆(𝑣) = 𝑣 para todo 𝑣 ∈ 𝑉. Em
outras palavras, 𝑇 ∘ 𝑆 = 𝐼V e 𝑆 ∘ 𝑇 = 𝐼U, onde 𝐼U : 𝑈 → 𝑈 é a identidade
em 𝑈 e 𝐼V : 𝑉 → 𝑉 é a identidade em 𝑉.
5.3.6 PROPOSIÇÃO 7
5.3.6.1 DEFINIÇÃO 6
33
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
5.3.7 PROPOSIÇÃO 8
implicar em 𝑢 = 0.
5.3.8 PROPOSIÇÃO 9
5.3.9 PROPOSIÇÃO 10
34
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
6 MATRIZES
Exemplo:
Sabendo que a matriz 𝐵 tem ordem 2x3 e que seu termo geral é dado por
35
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
igual a 3, então sabemos que o índice 𝑖 varia de 1 até 2 e o índice 𝑗 de 1 até 3. Logo,
a matriz terá a forma:
36
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Matriz onde todos os seus elementos são zero, ou seja, seu termo geral é
sempre zero qualquer que seja 𝑖 𝑒 𝑗.
37
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
38
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
6.1.11 SUBMATRIZES
Uma matriz também pode ser composta por matrizes, quando isso ocorre
chamamos de submatrizes. Como exemplo, mostro uma matriz A composta por
submatrizes B, C, D e E.
Note que as submatrizes não podem ter qualquer dimensão, pois isso implicaria
em uma desordem. Se A tem dimensão 𝑚𝑥𝑛, então o número de linhas de B mais o
número de linhas de D deve ser igual a m e o número de colunas de B mais o número
de colunas de C deve ser igual a n. Além disso, o número de linhas de B deve ser
39
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
6.2.1 SOMA
Para que seja possível somar duas ou mais matrizes, é necessário que todas
as matrizes envolvidas tenham a mesma ordem, ordem esta que também será
compartilhada com a matriz resultante.
Supondo a soma de matrizes: Cm×n = Am×n + Bm×n O termo geral da matriz
resultante C é:
cij= aij+ bij Onde aij e bij são os termos das matrizes A e B.
Exemplo:
Considerando as matrizes A, B C e 0:
A + B = B + A (Comutativa) A + ( B + C) = ( A + B ) + C (Associativa)
40
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Para multiplicar um escalar por uma matriz, basta multiplicar cada elemento
da matriz por esse escalar.
𝑘1 ( 𝐴 + 𝐵 ) = 𝑘1 𝐴 + 𝑘1 𝐵
( 𝑘1 + 𝑘2 ) 𝐴 = 𝑘1 𝐴 + 𝑘2 𝐴
𝑘1 ( 𝑘2 𝐴 ) = ( 𝑘1 𝑘2 ) 𝐴
41
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
de 𝐵.
Exemplo:
Conhecendo as matrizes 𝐻 e 𝐺, é possível a multiplicação 𝐻.𝐺? E 𝐺:𝐻?
matriz (𝐻) seja igual ao número de linhas da segunda matriz (𝐺). Nesse caso, 𝐻2x2 e
𝐺3x2, a multiplicação não pode ser feita, já que 𝐻 tem 2 colunas e 𝐺 tem 3 linhas. Para
analisar a multiplicação 𝐺. 𝐻 procederemos da mesma forma, o número de colunas
da primeira matriz (𝐺) é igual a 2 e o número de linhas da segunda matriz (𝐻) é igual
• 𝐴𝐼= 𝐼𝐴=𝐴
• 𝐴 ( 𝐵 + 𝐶 ) = 𝐴𝐵 + 𝐴𝐶
• ( 𝐴 + 𝐵 ) . 𝐶 = 𝐴𝐶 + 𝐴𝐵
• 𝐴 ( 𝐴𝐶) = ( 𝐴𝐵 ) 𝐶
42
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
𝐴0=0𝐴=0
• 𝐴 é simétrica se 𝐴 = 𝐴t
• ( 𝐴 + 𝐵 )t = 𝐴t + 𝐵t
• ( 𝐴t )t = 𝐴
• ( 𝐾 𝐴)t = 𝐾 𝐴t
• ( 𝐴 𝐵 )t = 𝐵t 𝐴2
com bases fixadas, então uma transformação linear 𝑇 ∶ 𝑉 → 𝑊 pode ser representada
por uma matriz. A vantagem de uma tal representação é que muitos problemas
associados às transformações lineares entre espaços de dimensão finita podem ser
resolvidos com a teoria das matrizes, como veremos na próxima seção e nos capítulos
a seguir.
Seja 𝑇 ∶ 𝑉 → 𝑊 uma transformação linear, em que dim 𝑉 = 𝑛 e dim 𝑊 = 𝑛.
Sejam 𝛼 = {𝑣 1, 𝑣 2, . . . , 𝑣 n} e 𝛽 = {𝑤 1, 𝑤 2, . . . , 𝑤 m} bases de 𝑉 e 𝑊 ,
43
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Exemplo:
Sejam 𝛼 = {(1, 1),(0, 2)} e 𝛽 = {(1, 0, 1),(0, 1, 0),(1, 2, 0)}, bases de
𝑥 − 𝑦, 2𝑦).
44
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
8 CONCEITOS PRIMITIVOS
45
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
A
46
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Por exemplo:
Em relação à figura abaixo, podemos escrever:
A
Axiomas
47
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
P7) Por uma reta pode ser traçada uma infinidade de planos.
9 SEGMENTO DE RETA
48
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
49
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
50
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
51
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Note que:
Se uma reta r é perpendicular a um plano α, então ela é perpendicular ou
ortogonal a toda reta de α.
Para que uma reta r seja perpendicular a um plano α, basta ser perpendicular
a duas retas concorrentes, contidas em α:
52
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Observe, na figura abaixo, por que não basta que r seja perpendicular a uma
única reta t de α para que seja perpendicular ao plano:
c) planos paralelos
Dois planos, α e β, são paralelos quando sua intersecção é vazia:
53
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Dois planos, α e β, são perpendiculares se, e somente se, existe uma reta de
um deles que é perpendicular ao outro:
54
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
9.3.2 Distâncias
55
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
56
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
57
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
58
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
59
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
60
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
61
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
62
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
11 COMBINAÇÕES LINEARES
+ ... +
+ ... +
....
63
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
....
+ ... +
Este sistema é equivalente à equação vetorial:
𝑎1,1 𝑎1,2 𝑎1,𝑛 𝑏1
𝑎2,1 𝑎2,2 𝑎2,𝑛 𝑏
𝑥1 ( ⋮ ) + 𝑥2 ( ⋮ ) + ⋯ + 𝑥𝑛 ( ⋮ ) = ( 2 )
⋮
𝑎𝑚,1 𝑎𝑚,2 𝑎𝑚,𝑛 𝑏𝑚
Portanto, o vetor coluna v cujas coordenadas são (b1, b2, ... ,bm) é uma
Combinação Linear dos vetores colunas u i , quando o sistema tem solução.
Ou seja : x1u + x2u2 + ... + xnun = v , onde ui e v são vetores coluna.
Se o sistema tem solução, então v é uma combinação linear dos vetores u i com
coeficientes x1 , ... , xn que são a solução do sistema.
Exemplo:
Exemplo:
No espaço Vetorial das matrizes m x n , se A 1 , A 2 , ... , A k são k matrizes,
a1A1 + a2A2+ ... + akAk com a1, a2 , ... , ak escalares é uma combinação Linear .
Se m = 2 e n = 3, sejam:
𝐴1 = [√3 0 −1]
0 𝜋 6
1
−5 −1
𝐴2 = [3 ]
2 √2 6
1
𝐴3 = 𝐴1 + 𝐴2
2
64
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
+ ... +
Isto é, a equação vetorial + ... + tem solução
+ ... +
+ ... +
....
....
+ ... +
Este sistema é equivalente à equação vetorial:
𝑎1,1 𝑎1,2 𝑎1,𝑛
𝑎2,1 𝑎2,2 𝑎2,𝑛 0
𝑥1 ( ) + 𝑥2 ( ) + ⋯ + 𝑥𝑛 ( ) = (0 )
⋮ ⋮ ⋮
𝑎𝑚,1 𝑎𝑚,2 𝑎𝑚,𝑛 0
Ou seja : x1u1 + x2u2 + ... + xnun = 0 são vetores coluna .
65
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Se o sistema homogêneo tem solução não trivial, os vetores u1, u2, ... , un são
Linearmente Dependentes. Porém, se a equação tem somente a solução trivial (zero),
então os vetores são Linearmente Independentes
Dada uma matriz ( m x n ), onde cada linha representa um vetor linha:
Se o posto da matriz for m , então os vetores linha são L.I. . Caso a matriz seja
quadrada (n = m) , então o determinante será diferente de 0 (det ¹ 0) . Se o posto da
matriz for menor do que m , então os vetores linha são L.D. Caso a matriz seja
quadrada ( n = m ), então o determinante será igual a zero (det = 0) .
Exemplos :
que equivale a:
66
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
1 2 1 0
𝑥 (1) + 𝑦 (−1) + 𝑧 (−5) = (0)
1 3 3 0
Equivale a:
1 1 1
𝐴 = [2 −1 3]
1 −5 3
rank(A);
det(A);
13 BASES E DIMENSÃO
13.1 Base
13.2 Dimensão
67
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Dimensão – Exemplos:
68
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
14 CÓNICAS
As cónicas são curvas planas obtidas por intersecção de um cone circular recto
com um plano.
Se o plano intersecta todas as geratrizes do cone, a curva obtida é uma elipse.
Se o plano é paralelo apenas a uma geratriz, a curva obtida é uma parábola.
Se o plano é paralelo a duas geratrizes, a curva obtida é uma hipérbole.
69
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
14.1 Elipse
Elipse é o conjunto dos pontos do plano cuja soma das distâncias a dois pontos
fixos (focos) é constante e maior que a distância entre eles.
70
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
14.2 Parábola
71
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
14.3 Hipérbole
Hipérbole é o conjunto dos pontos do plano tais que o módulo da diferença das
distâncias a dois pontos fixos (focos) é constante e menor que a distância entre eles.
72
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
73
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
STEINBRUCH, A.; WINTERLE, P. Álgebra Linear, 2ª ed., São Paulo: Makron, 1987.
74