Escolar Documentos
Profissional Documentos
Cultura Documentos
RESUMO
Bruno Carlos Ribeiro Monteiro
brunmonteiro@gmail.com
036.677.521-99
ÁLGEBRA LINEAR
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
ÍNDICE
1. Vetores no Plano e no Espaço............................................................................................ 3
1.1 Vetores no Plano.....................................................................................................................3
1.2 Vetores no Espaço.................................................................................................................. 4
3. Produto Escalar................................................................................................................... 7
3.1 Propriedades do Produto Escalar........................................................................................ 7
Bruno Carlos Ribeiro Monteiro
brunmonteiro@gmail.com
4. Produto Vetorial..................................................................................................................
036.677.521-99 8
4.1 Propriedades do Produto Vetorial....................................................................................... 9
5. Produto Misto.................................................................................................................... 10
6. Matrizes..............................................................................................................................11
6.1 Matriz Quadrada...................................................................................................................11
6.2 Matriz Linha...........................................................................................................................11
6.3 Matriz Coluna........................................................................................................................ 11
6.4 Matriz Nula............................................................................................................................ 11
6.5 Matriz Simétrica.................................................................................................................... 11
6.6 Matriz Identidade................................................................................................................. 12
1
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
9. Escalonamento.................................................................................................................. 20
2
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
Muitas grandezas físicas, como velocidade, força, deslocamento e impulso, para serem
completamente identificadas, precisam, além da magnitude, da direção e do sentido. Estas
grandezas são chamadas grandezas vetoriais ou simplesmente vetores. Geometricamente,
vetores são representados por segmentos (de retas) orientados (segmentos de retas com
um sentido de percurso) no plano ou no espaço. A ponta da seta do segmento orientado é
chamada ponto final ou extremidade e o outro ponto extremo é chamado de ponto inicial
ou origem do segmento orientado.
Exemplo:
→
Se um vetor 𝑣 tem origem no ponto (1, 2) e extremidade no ponto (7, 12) ele é dado por
𝑣 = (6, 10) pois:
→
𝑣 = (7, 12) − (1, 2) = (7 − 1, 12 − 2) = (6, 10)
3
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
→
𝑣 = (𝑎, 𝑏)
3
Definição: Um vetor (geométrico) no espaço 𝑅 é uma classe de objetos matemáticos
(segmentos de reta) que tem a mesma direção, mesmo sentido e mesma intensidade. Esta
classe de equivalência de objetos com as mesmas características é representada por um
segmento de reta desta família (representante).
→
O representante escolhido, quase sempre é o vetor 𝑣 cuja origem é (0,0,0) e extremidade é
3
o terno ordenado (𝑎, 𝑏, 𝑐) doBruno
espaço 𝑅 , razão
Carlos pela
Ribeiro qual denotamos este vetor por:
Monteiro
𝑣 = (𝑎, 𝑏, 𝑐) brunmonteiro@gmail.com
036.677.521-99
3
Se a origem do vetor não é a origem (0, 0, 0)∈𝑅 , realizamos a diferença entre a
→
extremidade e a origem do vetor. Por exemplo, se um vetor 𝑣 tem origem no ponto (1, 2, 3)
e extremidade no ponto (7, 12, 15), o vetor 𝑣 = (6, 10, 12), pois:
→
𝑣 = (7, 12, 15) − (1, 2, 3) = (7 − 1, 12 − 2, 15 − 3) = (6, 10, 12)
4
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
3
I) Comutativa: Para todos os vetores 𝑣 𝑒 𝑤 de 𝑅 :
→ → → →
𝑣 + 𝑤 = 𝑤 + 𝑣
3
II) Associativa: Para todos os vetores 𝑢, 𝑣 𝑒 𝑤 de 𝑅 :
→ → → → → →
𝑢 + (𝑣 + 𝑤) = (𝑢 + 𝑣) + 𝑤
3 3
III) Elemento neutro: Existe um vetorCarlos
Bruno 𝑂 = (0, 0) emMonteiro
Ribeiro 𝑅 tal que para todo vetor 𝑢 de 𝑅 , se
tem: brunmonteiro@gmail.com
036.677.521-99
→ → →
𝑂 + 𝑢 = 𝑢
3 3
IV) Elemento oposto: Para cada vetor 𝑣 de 𝑅 , existe um vetor − 𝑣 em 𝑅 tal que:
→ → →
𝑣 + (− 𝑣) = 𝑂
→ →
𝑣 − 𝑤 = (𝑎 − 𝑑, 𝑏 − 𝑒, 𝑐 − 𝑓)
5
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
→ →
Quaisquer que sejam 𝑘 𝑒 𝑐 escalares, 𝑣 e 𝑤 vetores:
→ →
➢1𝑣 = 𝑣
→ → →
➢ (𝑘 𝑐) 𝑣 = 𝑘 (𝑐 𝑣) = 𝑐 (𝑘 𝑣)
→ → →
➢ 𝑘 𝑣 = 𝑐 𝑣 implica 𝑘 = 𝑐, se 𝑣 for não nulo
→ → → →
➢ 𝑘 (𝑣 + 𝑤) = 𝑘 𝑣 + 𝑘 𝑤
→ → →
➢ (𝑘 + 𝑐)𝑣 = 𝑘 𝑣 + 𝑐 𝑣
→ 2 → 2 2
|𝑣| = 𝑣 = 𝑎 + 𝑏²; 𝑤 = 𝑤 = | | 𝑐 + 𝑑 + 𝑒²
Bruno Carlos Ribeiro Monteiro
2.5 Vetor Unitário brunmonteiro@gmail.com
036.677.521-99
2
Existem dois vetores unitários que formam a base canônica para o espaço 𝑅 , que são
dados por:
^ ^
𝑖 = (1, 0) 𝑗 = (0, 1)
^
Para construir um vetor unitário 𝑢 que tenha a mesma direção e sentido que um outro
→
vetor 𝑣, basta dividir o vetor 𝑢 pelo seu módulo, isto é:
→ →
^ 𝑢 𝑢
𝑢= → = 𝑢
|𝑢|
6
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
3. Produto Escalar
→ →
( )
Dados os vetores 𝑣 = (𝑣1, 𝑣2, 𝑣3) e 𝑤 = 𝑤1, 𝑤2, 𝑤3 , definimos o produto escalar (ou interno)
→ →
entre 𝑣 e 𝑤, como o escalar real:
→ →
𝑣 · 𝑤 = 𝑣1𝑤1 + 𝑣2𝑤2 + 𝑣3𝑤3
→ →
Exemplos: O produto escalar entre os vetores 𝑣 = (1, 2, 5) e 𝑤 = (2, − 7, 12) é:
→ →
𝑣 · 𝑤 = 1∙2 + 2∙(− 7) + 5∙12 = 48
→ →
O produto escalar entre os vetores 𝑣 = (2, 5, 8) e 𝑤 = (− 5, 2, 0) é:
→ →
𝑣 · 𝑤 = 2∙(− 5) + 5∙2 + 8∙0 = 0
onde 𝑡 é o ângulo formado pelos vetores 𝑣 𝑒 𝑤. Este ângulo pode ser maior ou igual a zero,
mas deve ser menor do que 180 𝑔𝑟𝑎𝑢𝑠 (π radianos). Com esta última definição, podemos
obter o ângulo 𝑡, através do cosseno deste argumento 𝑡.
→ →
𝑣·𝑤
cos(𝑡) = → →
|𝑣||𝑤|
7
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
4. Produto Vetorial
→ →
Dados os vetores 𝑣 = (𝑣1, 𝑣2, 𝑣3) e 𝑤 = (𝑤1, 𝑤2, 𝑤3)𝑤 = (𝑤1, 𝑤2, 𝑤3), definimos o produto
vetorial (ou exterior) entre 𝑣 𝑒 𝑤, denotado por 𝑣×𝑤, como o vetor obtido pelo objeto
matemático que não é um determinante, mas que pode ser calculado como se fosse um
determinante:
→ → ^^ ^
𝑣 × 𝑤 = |||𝑖 𝑗 𝑘 𝑣1 𝑣2 𝑣3 𝑤1 𝑤2 𝑤3 |||
^ ^ ^ 3
onde 𝑖, 𝑗, 𝑘 são os vetores unitários da base canônica de 𝑅 .
Exemplo:
→ → → →
Dados os vetores 𝑣 = (1, 2, 3) e 𝑤 = (4, 5, 6), o produto vetorial entre 𝑣 e 𝑤 é dado por
→ → ^ ^ ^
𝑣 × 𝑤 =− 3𝑖 + 6𝑗 − 3𝑘 = (− 3, 6, − 3), obtido a partir do determinante. Observamos que o
3
produto vetorial é um vetor em 𝑅 .
→ → ^^ ^
|
𝑣 × 𝑤 = 𝑖 𝑗 𝑘 1 2 3 4 5 6 = (− 3, 6, − 3) |
Bruno Carlos Ribeiro Monteiro
^ ^
Tomando 𝑖 = (1, 0, 0) e 𝑗 = (0, 1, 0) que estão no plano do 𝑧 = 0, o produto vetorial destes
brunmonteiro@gmail.com
^ ^ 036.677.521-99
dois vetores é 𝑖 × 𝑗 = (0, 0, 1) que é um vetor que está fora deste plano, daí a razão deste
produto ser denominado exterior.
→ → → →
O produto vetorial 𝑣 × 𝑤 é um vetor ortogonal a 𝑣 e a 𝑤, isto é, o produto vetorial é
→ →
ortogonal ao plano que contém os dois vetores 𝑣 e 𝑤.
→ →
O produto vetorial entre os vetores 𝑣 𝑒 𝑤 pode ser escrito na forma:
→ → → → ^
𝑣 × 𝑤 = |𝑣||𝑤|𝑠𝑒𝑛(𝑡) 𝑢
→ → ^
onde 𝑡 é o ângulo formado pelos vetores 𝑣 𝑒 𝑤, e 𝑢 é um vetor unitário que é paralelo ao
→ → ^ → →
produto vetorial 𝑣 × 𝑤, logo 𝑢 é perpendicular a 𝑣 e a 𝑤.
8
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
→ → → →
|𝑣 × 𝑤| = |𝑣||𝑤|𝑠𝑒𝑛(𝑡)
Junto com esta última definição de produto vetorial, podemos obter o ângulo 𝑡∈[0, π], entre
dois vetores 𝑣 𝑒 𝑤, através de:
→ →
𝑠𝑒𝑛(𝑡) = | → →|
𝑣×𝑤
|𝑣||𝑤|
9
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
5. Produto Misto
→ → →
( ) ( ) ( )
Dados os vetores 𝑢 = 𝑢1, 𝑢2, 𝑢3 , 𝑣 = 𝑣1, 𝑣2, 𝑣3 𝑒 𝑤 = 𝑤1, 𝑤2, 𝑤3 definimos o produto misto
→ → → → → →
entre 𝑢, 𝑣 e 𝑤, denotado por [𝑢, 𝑣, 𝑤] ou por 𝑢⋅(𝑣 × 𝑤), como o número real obtido a partir
do determinante.
→ → → → → →
[𝑢, 𝑣, 𝑤] = 𝑢∙(𝑣 × 𝑤) = |𝑢1 𝑢2 𝑢3 𝑣1 𝑣2 𝑣3 𝑤1 𝑤2 𝑤3 |
10
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
6. Matrizes
Matriz Retangular do tipo 𝑚 𝑥 𝑛 é uma tabela de valores dispostos em 𝑚 linhas (horizontais)
e 𝑛 colunas (verticais). Denotamos por 𝑎𝑖𝑗 ao elemento da linha 𝑖 e da coluna 𝑗.
Chamamos matriz quadrada de ordem 𝑛 uma matriz em que o número de linhas é igual ao
de colunas.
𝐴 = [2 3 − 1 4 ]
𝐴 = [2 − 1 7 ]
É uma matriz quadrada onde todos os seus elementos são iguais a zero.
𝐴 = (0 0 0 0 )
𝐴 = [1 2 2 3 ]
11
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
12
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
Só podemos realizá-las entre matrizes do mesmo tipo, e a soma ou subtração é feita entre
elementos correspondes a mesma linha e coluna. Seja as matrizes 𝐴 𝑒 𝐵:
Seja as matrizes 𝐴 𝑒 𝐵:
𝐴 = [1 2 3 ] 𝑒 𝐵 = [4 − 2 1 ]
Sejam as matrizes 𝐴𝑚×𝑛, 𝐵𝑛×𝑝 e 𝐶𝑚×𝑝, tais que 𝐶 = 𝐴𝐵. O elemento 𝑐𝑖𝑗 é dado pela
multiplicação entre os termos da linha 𝑖 da matriz 𝐴 e os termos da coluna 𝑗 da matriz 𝐵.
Formalmente, tem-se que:
𝑛
𝑐𝑖𝑗 = ∑ 𝑎𝑖𝑡𝑏𝑡𝑗 = 𝑎𝑖1𝑏1𝑗 + 𝑎𝑖2𝑏2𝑗 + … + 𝑎𝑖𝑛𝑏𝑛𝑗
𝑡=1
𝐴 = [2 − 1 0 2 ], 𝐵 = [1 0 2 − 1 ]
Assim, tem-se:
13
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
➢𝐴 + 𝐵 = 𝐵 + 𝐴 (𝑐𝑜𝑚𝑢𝑡𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝑒)
➢𝐴 + (𝐵 + 𝐶) = (𝐴 + 𝐵) + 𝐶 (𝑎𝑠𝑠𝑜𝑐𝑖𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝑒)
➢𝐴 + 𝑂 = 𝑂 + 𝐴 = 𝐴 (𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑛𝑒𝑢𝑡𝑟𝑜 é 𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑛𝑢𝑙𝑎)
➢𝐴 + (− 𝐴) = 𝑂 (− 𝐴 é 𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑜𝑝𝑜𝑠𝑡𝑎)
Exercício:
Considere as matrizes: Bruno Carlos Ribeiro Monteiro
brunmonteiro@gmail.com
036.677.521-99
( )4𝑥7
I - 𝐴 = 𝑎𝑖𝑗 , definida por 𝑎𝑖𝑗 = 𝑖 − 𝑗
O elemento 𝐶63 é
a) -112
b) -18
c) -9
d) Não existe
e) NDA
Comentários:
Observe que ao fazermos o produto 𝐶 = 𝐴𝐵 a matriz C é do tipo 4×9 (4 linhas e 9 colunas);
logo o elemento 𝐶63 não existe, pois estaria na 6ª linha e 3ª coluna.
Resposta: Letra D
14
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
𝐴 = [1]⇒𝑑𝑒𝑡 𝐴 = |1| = 1
Exemplo:
Seja a matriz M:
𝑀 = [1 3 2 5 ]
Então:
𝑑𝑒𝑡 𝑀 = |1 3 2 5 | = 1. 5 − 3. 2 = 5 − 6 =− 1
|
𝐴 = 𝑎11 𝑎12 𝑎13 𝑎21 𝑎22 𝑎23 𝑎31 𝑎32 𝑎33 |
A regra de Sarrus funciona da seguinte maneira:
15
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
Depois fazemos o produto entre os termos da matriz com as colunas que copiamos para o
lado direito, seguindo as setas abaixo: para as setas azuis, multiplicamos os 3 elementos
diagonalmente e associamos os sinais de mais (+); para as setas vermelhas, multiplicamos
os 3 elementos de cada seta e associamos o sinal de menos (-). Veja:
𝑑𝑒𝑡 𝐴 = 𝑎11 . 𝑎22 . 𝑎33 + 𝑎12 . 𝑎23 . 𝑎31 ++ 𝑎13 . 𝑎21 . 𝑎32 – 𝑎13 . 𝑎22 . 𝑎31 – 𝑎11 . 𝑎23 . 𝑎32 – 𝑎12 . 𝑎21. 𝑎33
Exemplo:
Considere a matriz 𝐴 abaixo
𝐴 = |1 3 0 2 5 1 2 1 3 |
𝑑𝑒𝑡 𝐴 = 1 . 5 . 3 + 3 . 1 . 2 + 0 . 2 . 1 – 0 . 5 . 2 – 1 . 1 . 1 – 3 . 2 . 3 = 15 + 6 + 0 – 0 – 1 – 18 = 21 – 19 = 2
16
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
➢ Caso exista uma linha ou coluna na matriz igual a zero, o determinante é zero;
𝑖+𝑗 ~
∆𝑖𝑗 = (− 1) ∙𝑑𝑒𝑡 𝐴𝑖𝑗
~
Em que 𝐴𝑖𝑗 é a matriz 𝐴, retirando-se a linha 𝑖 e a coluna 𝑗, e é chamada menor de 𝐴.
Exemplo:
Seja a matriz 𝐴, a seguir, e calcule ∆22 𝑒 ∆13
𝐴 = [1 3 0 2 5 1 2 1 3 ]
Cofator ∆13
17
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
𝑖+𝑗 ~
Vamos aplicar a fórmula: ∆𝑖𝑗 = (− 1) ∙𝑑𝑒𝑡 𝐴𝑖𝑗
1+3 ~ 4
∆13 = (− 1) 𝑑𝑒𝑡 𝐴13 = (− 1) |2 5 2 1 | = 1. (2. 1 − 5. 2) = 1. (2 − 10) = 1. (− 8) =− 8
𝐴 = [1 0 2 1 2 0 1 1 2 3 − 1 1 0 1 2 2 ]
Pela matriz A, devemos escolher a primeira linha pois contém mais 0 (zeros) e isso nos
ajudará a fazer um número menor de cálculos.
𝐴 = [1 0 2 1 2 0 1 1 2 3 − 1 1 0 1 2 2 ]
~ 1 + 2 |~ | ~ | 1 + 4 |~ | ~ ~
. |||𝐴11||| + 0 . (–1) ||𝐴 . ||𝐴14|| = |||𝐴11||| + 2|||𝐴13|||
1+1 1+3
𝑑𝑒𝑡 (𝐴) = 𝑎11 . ∆11 + 𝑎12 . ∆12 + 𝑎13 . ∆13 + 𝑎14 . ∆14 = 1 . (–1) . ||𝐴12|| + 2 . (–1) . | 13|| + 0 . (–1)
Como escolhemos uma linha com maior quantidade de zeros, isso anulou, durante a
multiplicação, alguns cálculos.
~ ~
Após isso, vamos calcular os determinantes |||𝐴13||| e |||𝐴13|||:
18
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
~
Para 𝐴11, removendo a linha e coluna do elemento 𝑎11:
𝐴 = [1 0 2 1 2 0 1 1 2 3 − 1 1 0 1 2 2 ]
~
Para 𝐴13, removendo a linha e coluna do elemento 𝑎13:
𝐴 = [1 0 2 1 2 0 1 1 2 3 − 1 1 0 1 2 2 ]
~ ~
O determinante para as matrizes 𝐴11 e 𝐴13 foi calculado utilizando a regra de Sarrus para
matrizes de ordem 3.
Bruno Carlos Ribeiro Monteiro
brunmonteiro@gmail.com
036.677.521-99
~
( )
𝑑𝑒𝑡 𝐴11 = (1 . 0 . 2) + (1 . 1 . 1) + (1 . 3 . 2) – (1 . 0 . 1) – (1 . 1 . 2) – (1 . 3 . 2) = 0 + 1 + 6 – 0 – 2 – 6 = 7 – 8 = −1
~
( ) = (2 . 3 . 2) + (1 . 1 . (− 1)) + (1 . 2 . 1) – (1 . 3 . (− 1)) – (2 . 1 . 1) – (1 . 2 . 2) = 12 – 1 + 2 – (− 3) – 2 – 4 = 17 – 7 = 10
𝑑𝑒𝑡 𝐴13
~ ~
Por fim, |||𝐴11||| + 2 . |||𝐴13||| = − 1 + 2 . 10 = − 1 + 20 = 19
Portanto, 𝑑𝑒𝑡 (𝐴) = 19
19
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
9. Escalonamento
Um sistema linear pode ser resolvido através do método da substituição ou pelo método
de Cramer, com o auxílio da regra de Sarrus. Será demonstrado como funciona o
escalonamento de um sistema na forma de matriz completa dos coeficientes. Observe:
Dado o sistema de equações
{2𝑥 + 𝑦 + 𝑧 = 8 𝑥 + 𝑦 + 4𝑧 = 15 3𝑦 + 2𝑧 = 9
[2 1 1 1 1 4 0 3 2 8 15 9 ]𝐿1 𝐿2 𝐿3
' 1
Agora, iremos realizar operações entre as linhas da matriz, fazendo 𝐿2 = 𝐿2 − 𝐿1 × 2
[2 1 1 0 1/2 7/2 0 3 2 8 11 9 ] 𝐿1 𝐿2 𝐿3
𝑦 7𝑧
{2𝑥 + 𝑦 + 𝑧 = 8 2
+ 2
= 11 − 19𝑧 =− 57 {
20
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
Para que a matriz possua inversa, ela precisa ser quadrada e, além disso, o seu
determinante tem que ser diferente de zero, caso contrário não haverá inversa. Para
encontrar a matriz inversa, utilizamos a equação matricial.
−1
𝑀∙𝑀 = 𝐼𝑛
Exemplo:
Encontra a matriz inversa de 𝑀
𝑀 = [Ribeiro
Bruno Carlos 3 1 5 2 ]Monteiro
brunmonteiro@gmail.com
036.677.521-99
Como não conhecemos a matriz inversa, vamos representar essa matriz de forma
algébrica:
−1
𝑀 [
= 𝑎11 𝑎12 𝑎21 𝑎22 ]
Sabemos que o produto entre essas matrizes tem que ser igual a 𝐼2:
[ ]
[3 1 5 2 ] • 𝑎11 𝑎12 𝑎21 𝑎22 = [1 0 0 1 ]
21
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
−1
➢ 1ª propriedade: a inversa da matriz 𝑀 é igual à matriz 𝑀. A inversa de uma matriz
−1 −1 −1
inversa é sempre a própria matriz, ou seja, 𝑀 ( ) = 𝑀, pois sabemos que 𝑀 ·𝑀 = 𝐼𝑛,
−1 −1
portanto 𝑀 é a inversa de 𝑀 e 𝑀 é a inversa de 𝑀 .
−1
➢ 2ª propriedade: a inversa de uma matriz identidade é ela mesma: 𝐼 = 𝐼, pois o
produto da matriz identidade por ela mesma resulta na matriz identidade, ou seja,
𝐼𝑛 · 𝐼𝑛 = 𝐼𝑛.
22
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
2
● No 𝑅 , a base canônica é dada pelo conjunto {(1, 0), (0, 1)}
3
● No 𝑅 , a base canônica é dada pelo conjunto {(1, 0, 0), (0, 1, 0), (0, 01)}
𝑛
● No 𝑅 a base canônica é formada pelos 𝑛 vetores que tem 1 em uma coordenada e
0 nas demais
Uma base γ composta pelos vetores 𝑢1, 𝑢2, 𝑢3, … de um espaço vetorial 𝑉 é ortonormal se,
além de ser um base ortogonal (cujo os vetores são mutuamente ortogonais), seus vetores
forem unitários. Ser ortogonal significa que o produto interno entre pares de vetores
distintos dessa base é igual a zero,
Bruno ouCarlos
seja, Ribeiro Monteiro
brunmonteiro@gmail.com
036.677.521-99
𝑢𝑖 • 𝑢𝑗 = 0 ∀𝑖≠𝑗 .
Ademais, estar normalizado significa que os vetores da base são todos unitários, ou seja,
|𝑢𝑖| = 1 𝑝𝑎𝑟𝑎 𝑖 = 1, 2, 3, …
Para transformar uma base ortogonal qualquer em ortonormal, basta fazer com que o
conjunto de seus vetores tenham módulo igual a 1. Se a base é composta por 𝑢1, 𝑢2, 𝑢3, …
pode-se realizar isso por meio da divisão de cada vetor pelo seu respectivo módulo
(normalização)
^ 𝑢𝑖
𝑢𝑖 =
|𝑢𝑖|
Exemplo:
Dada a base ortogonal α composta pelos vetores ( 7, 0, 0),(0, 1, 0) e (0, 0, − 13) , determine
a base ortonormal que gere o mesmo espaço vetorial.
23
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
Ao realizar o produto interno entre pares de vetores distintos, verifica-se que a base é de
fato ortogonal. Para torná-la ortonormal, deve-se dividir cada vetor pelo seu módulo:
^ 1
𝑣1 = 2
( 7, 0, 0) = (1, 0, 0)
( 7)
^ 1
𝑣2 = 2
(0, 1, 0) = (0, 1, 0)
1
^ 1
𝑣3 = 2
(0, 0, − 13) = (0, 0, − 1)
(−13)
Os vetores (1, 0, 0), (0, 1, 0) 𝑒 (0, 0, − 1) formam, então, uma base ortonormal.
24
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
α1 = α2 = … = α𝑛 = 0
a) α≠ − 1
b) α =− 1
c) α = 1
d) α≠1
e) α≠1 e α≠ − 1
Comentários:
Escrevendo o vetor 𝑢 como combinação linear dos vetores 𝑣, 𝑤 e 𝑟 teremos:
25
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
− (− 1) + 𝑏 + 2𝑐 = 1
1 + 𝑏 + 2𝑐 = 1
𝑏 = 1 − 1 − 2𝑐
𝑏 =− 2𝑐
− 1 − 2𝑐 + 3𝑐 = 0
𝑐=1
E, portanto:
𝑏 =− 2(1) =− 2
Resposta: Letra C
26
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
Uma transformação linear é um tipo especial de função que associa um vetor a outro vetor
𝑇: {𝑣𝑒𝑡𝑜𝑟𝑒𝑠}→{𝑣𝑒𝑡𝑜𝑟𝑒𝑠}
2 2
(Questão 12 – 2014) A transformação
Bruno Carloslinear 𝑅 → 𝑅 tem polinômio característico
Ribeiro𝑇:Monteiro
2 brunmonteiro@gmail.com
𝑝(λ) = λ − 5λ + 6, sendo assim, a imagem do triângulo de vérticies (0, 0), (1, 0) e (0, 1) por
036.677.521-99
𝑇 tem área igual a:
a) 1/6
b) 1/3
c) 1/2
d) 3
e) 6
Comentários:
Sabemos que:
→ →
()
𝑇 𝑣 = 𝐷𝐴 • 𝑣
Sendo:
𝑇→ Transformação Linear;
→
𝑣→ Autovetor;
𝐷𝐴→ matriz diagonal composta pelos Autovalores.
27
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
Sendo:
[
𝐷𝐴 = λ1 0 0 λ2 ]
Portanto, achando os autovalores do seguinte polinômio característico:
2
𝑝(λ) = λ − 5λ + 6
2
λ − 5λ + 6 = 0
(λ − 2) • (λ − 3) = 0
Portanto:
λ1 = 2 e λ2 = 3
Então:
𝐷𝐴 = [2 0 0 3 ]
𝑇(𝑥,Carlos
Bruno 𝑦) = [2Ribeiro
0 0 3 ] •Monteiro
[𝑥 𝑦 ]
brunmonteiro@gmail.com
𝑇(𝑥, 𝑦) = (2𝑥, 3𝑦)
036.677.521-99
Aplicando então os pontos nessa transformação teremos:
28
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
𝑏∙ℎ
𝐴= 2
Resposta: Letra D
29
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
14.1 Núcleo
𝑁(𝑇) = {𝑣 ∈ 𝑉 | 𝑇(𝑣) = 0}
3
𝑇(𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦 − 𝑧, 𝑥 − 𝑦 − 𝑧, α𝑥 + 𝑦 + 𝑧), (𝑥, 𝑦, 𝑧) ∈ 𝑅 , tem dimensão 1. Sendo assim,
pode-se afirmar que α é igual a:
a) − 2
b) − 1
c) 0
d) 1
e) 2
Comentários:
Sabemos que o núcleo de uma transformação é dado por:
→
𝑁(𝑇) = {𝑢∈𝑅³ 𝑇[𝑢] = 0}
30
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
𝑇(𝑥, 𝑦, 𝑧) = (0, 0, 0)
(𝑥 + 𝑦 − 𝑧, 𝑥 − 𝑦 − 𝑧, α𝑥 + 𝑦 + 𝑧) = (0, 0, 0)
{𝑥 + 𝑦 − 𝑧 = 0 (1) 𝑥 − 𝑦 − 𝑧 = 0 (2) α𝑥 + 𝑦 + 𝑧 = 0 (3)
Brunoα𝑥 +0+
Carlos 𝑥 = 0 Monteiro
Ribeiro
brunmonteiro@gmail.com
𝑥∙(α + 1) = 0
036.677.521-99
α+1=0
α =− 1
Resposta: Letra B
14.2 Imagem
31
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
3
a) 𝑄1{(𝑥, 𝑦, 0)∈𝑅 : − 1≤𝑥≤0, − 1≤𝑦≤0}
3
b) 𝑄1{(𝑥, 𝑦, 0)∈𝑅 : − 1≤𝑥≤0, 0≤𝑦≤1}
3
c) 𝑄1{(𝑥, 𝑦, 0)∈𝑅 : 0≤𝑥≤1, − 1≤𝑦≤0}
3
d) 𝑄1{(𝑥, 𝑦, 0)∈𝑅 : 0≤𝑥≤1, 0≤𝑦≤1}
3
e) 𝑄1{(𝑥, 𝑦, 0)∈𝑅 : − 1≤𝑥≤1, − 1≤𝑦≤1}
Comentários:
Desenhando então as coordenadas
Brunotemos:
Carlos Ribeiro Monteiro
brunmonteiro@gmail.com
036.677.521-99
𝑇(𝑢) = 𝑢×(0, 0, 1)
32
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
Realizando o produto vetorial então teremos que este será igual a determinante da
seguinte matriz, que será calculada pela regra de Sarrus:
Note que a única alternativa que expressa os limites de acordo com as imagens do 𝐷𝑜𝑚í𝑛𝑖𝑜
e da 𝐼𝑚𝑎𝑔𝑒𝑚, é a alternativa C, portanto:
Resposta: Letra C
33
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
Dada uma matriz quadrada 𝐴 de ordem 𝑛×𝑛, com entradas reais, nós dizemos que um
número λ∈𝑅 é um autovalor de 𝐴 quando existe um vetor não nulo 𝑣 tal que
𝐴𝑣 = λ𝑣.
𝐴𝑣2 = λ2𝑣2
[2 0 0 0 3 4 0 4 9 ][0 1 2 ] = 11[0 1 2 ]
34
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
λ é um autovalor de 𝐴
⇔ existe 𝑣≠0 tal que 𝐴𝑣 = λ𝑣
⇔ existe 𝑣≠0 tal que (𝐴 − λ𝐼)𝑣 = 0
⇔ o sistema homogêneo(𝐴 − λ𝐼)𝑣 = 0 admite solução não trivial
⇔ 𝐴 − λ𝐼 não é invertível
⇔ 𝑑𝑒𝑡 (𝐴 − λ𝐼) = 0
Esta última equação pode ser utilizada para encontrar os autovalores: são as raízes
do polinômio característico
𝑝(λ) = 𝑑𝑒𝑡 (𝐴 − λ𝐼)
𝐴 = [− 1 1 − 1 1 1 1 − 1 1 2 0 0 0 − 2 2 0 − 3 ]
a) 6
b) − 5
c) − 6, 07
d) 1,07
e) 12
Comentários:
Para determinarmos os autovalores, devemos calcular a seguinte determinante:
𝑑𝑒𝑡 (𝐴 − λ𝐼) = 0
35
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
Sendo:
𝐼→ Matriz identidade;
λ→ Os autovalores.
𝑑𝑒𝑡 (𝐴 − λ𝐼) = 0
𝑑𝑒𝑡([− 1 1 − 1 1 1 1 − 1 1 2 0 0 0 − 2 2 0 − 3 ] − λ[1 0 0 1 0 0 0 0 0 0 0 0 1 0 0 1 ]) = 0
𝑑𝑒𝑡([− 1 1 − 1 1 1 1 − 1 1 2 0 0 0 − 2 2 0 − 3 ] − [λ 0 0 λ 0 0 0 0 0 0 0 0 λ 0 0 λ ]) = 0
𝑑𝑒𝑡([− 1 − λ 1 − 1 1 − λ 1 1 − 1 1 2 0 0 0 − 2 − λ 2 0 − 3 − λ ]) = 0
𝑑𝑒𝑡([− 1 − λ 1 − 1 1 − λ 1 1 − 1 1 2 0 0 0 − 2 − λ 2 0 − 3 − λ ]) =
4+4
= (− 3 − λ). (− 1) 𝑑𝑒𝑡(− 1 − λ 1 1 − 1 1 − λ − 1 2 0 − 2 − λ )
~
Calculando então |||𝐴44||| pela regra de Sarrus temos:
Bruno Carlos Ribeiro Monteiro
brunmonteiro@gmail.com
(− 1 − λ 1 1 − 1 1 − λ −036.677.521-99
120 − 2 − λ)− 1 − λ1 − 11 − λ20
~
𝑑𝑒𝑡(𝐴44) = [[(− 1 − λ) • (1 − λ) • (− 2 − λ)] + [(1) • (− 1) • (2)] + [(− 1) • (0) • (1)]]
− [[(2) • (1 − λ) • (1)] + [0∙(− 1) • (− 1 − λ)] + [(− 1) • (1) • (− 2 − λ)]]
2
(
[(− 1 − λ) • (1 − λ) • (− 2 − λ)] = − 1 + λ − λ + λ ) • (− 2 − λ)
2
(
[(− 1 − λ) • (1 − λ) • (− 2 − λ)] = − 1 + λ ) • (− 2 − λ)
2 3
[(− 1 − λ) • (1 − λ) • (− 2 − λ)] = (2 + λ − 2λ − λ )
3 2
[(− 1 − λ) • (1 − λ) • (− 2 − λ)] =− λ − 2λ + λ + 2
[(1) • (− 1) • (2)] =− 2
[(− 1) • (0) • (1)] = 0
− [(2) • (1 − λ) • (1)] =− 2 + 2λ
− [0∙(− 1) • (− 1 − λ)] = 0
− [(− 1) • (1) • (− 2 − λ)] = − 2 − λ
Portanto:
𝑑𝑒𝑡([− 1 − λ 1 − 1 1 − λ 1 1 − 1 1 2 0 0 0 − 2 − λ 2 0 − 3 − λ ]) =
3 2
(
= (− 3 − λ). − λ − 2λ + 2λ − 4 )
36
RESUMO DO ASSUNTO | ÁLGEBRA LINEAR
3 2 4 3 2
= 3λ + 6λ − 6λ + 12 + λ + 2λ − 2λ + 4λ
4 3 2
= λ + 5λ + 4λ − 2λ + 12
E então, pela Relação de Girard, temos que a soma dos autovalores dessa determinante
será:
𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑞𝑢𝑒 𝑎𝑐𝑜𝑚𝑝𝑎𝑛ℎ𝑎 𝑜 2° 𝑡𝑒𝑟𝑚𝑜 𝑑𝑒 λ
λ4 + λ3 + λ2 + λ1 =− 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑞𝑢𝑒 𝑎𝑐𝑜𝑚𝑝𝑎𝑛ℎ𝑎 𝑜 1° 𝑡𝑒𝑟𝑚𝑜 𝑑𝑒 λ
5
λ4 + λ3 + λ2 + λ1 =− 1
λ4 + λ3 + λ2 + λ1 =− 5
Resposta: Letra B
37