Apostila Algebra Linear - Teoria
Apostila Algebra Linear - Teoria
Apostila Algebra Linear - Teoria
ÁLGEBRA LINEAR
UNIDADE I: MATRIZES
05/02/16
I. MATRIZES
1. Definição;
2. Matrizes Especiais;
3. Operações;
3.1. Multiplicação de matrizes
4. Matriz Inversa;
5. Determinante;
6. Determinante pela Teoria de Laplace;
6.1. Menor i,j
6.2. Cofator i,j
6.3. Cálculo do determinante
7. Exercícios.
1
04/03/2016
II - Sistemas Lineares
1. Sistemas lineares
2. Sistemas equivalentes; sistemas escalonados
3. Discussão e resolução de sistemas lineares
05/02/16
IV – Base e Dimensão
4.4. Questões
05/02/16
2
04/03/2016
1. Definição
05/02/16
05/02/16
3
04/03/2016
A j-ésima coluna de A é: (1 ≤ j ≤ n)
05/02/16
05/02/16
4
04/03/2016
é um vetor de dimensão 2
05/02/16
05/02/16
5
04/03/2016
2. Matrizes Especiais
05/02/16
Ex:
05/02/16
6
04/03/2016
Ex:
Ex:
05/02/16
Ex:
Ex: e
7
04/03/2016
3. Operações
ADIÇÃO DE MATRIZES: Se e
São matrizes m x n, então a soma de A e B é a matriz
, m x n, definida por
1 ≤ i ≤ m, 1 ≤ j ≤ n. Portanto C é obtida pela adição dos
elementos correspondentes de A e B.
então
05/02/16
05/02/16
8
04/03/2016
então
Ex2: Seja um
vetor de dimensão 3 que representa os preços
atuais de três itens de uma loja. Suponha que a
loja anuncie uma promoção em que05/02/16
o preço de
cada item esteja reduzido em 20%
05/02/16
9
04/03/2016
05/02/16
05/02/16
10
04/03/2016
n x m, onde,
(1 ≤ i ≤ n, 1 ≤ j ≤ m) é chamada de transposta de A.
Dessa maneira, os elementos em cada linha de
05/02/16
05/02/16
11
04/03/2016
Ex.:
A4x3 * B3x1 = C4x1
A4x2 * B2x3 = C4x3
A1x2 * B2x2 = C1x2
A3x4 * B4x3 = C3x3
05/02/16
05/02/16
12
04/03/2016
05/02/16
4. Matriz Inversa:
EXERCÍCIOS 1 a 13
Vol. 1 – Fls. 17 e 18 – Exs. 1 a 15 e
Fls. 31 e 32 – Exs. 1 a 30
05/02/16
13
04/03/2016
5. Determinantes
Determinante de 2ª ordem:
Dada a matriz A =
05/02/16
14
04/03/2016
Determinante de 3ª ordem:
Dada a matriz A =
05/02/16
Regra de Sarrus
Ex.:
det A:
05/02/16
15
04/03/2016
05/02/16
05/02/16
16
04/03/2016
05/02/16
05/02/16
17
04/03/2016
05/02/16
Logo det B = 65
EXERCÍCIOS 14 a 21 05/02/16
18
04/03/2016
7. Exercícios
05/02/16
05/02/16
19
04/03/2016
Exercícios
05/02/16
05/02/16
20
04/03/2016
05/02/16
05/02/16
21
04/03/2016
18.
a) 64 b) 8 c) 0 d) –8
e) –64
a) 2 ou –2 b) 1 ou 3 c) -3 ou 5
d) -5 ou 3 e) 4 ou -4
05/02/16
20.
a) não se define;
b) é uma matriz de determinante nulo;
c) é a matriz identidade de ordem 3;
d) é uma matriz de uma linha e uma coluna;
e) não é matriz quadrada.
21.
22
04/03/2016
II - Sistemas Lineares
1. Sistemas lineares
05/02/16
Sistema Linear:
em que:
05/02/16
23
04/03/2016
são as incógnitas
são os coeficientes
05/02/16
Ex1: Ex2:
05/02/16
24
04/03/2016
SISTEMAS LINEARES
Ex: S=Ø
05/02/16
05/02/16
25
04/03/2016
SISTEMAS LINEARES
05/02/16
Sistemas Equivalentes
S1 ~ S2
05/02/16
26
04/03/2016
05/02/16
ESCALONAMENTO DE SISTEMAS
LINEARES
Ex2: Achar a solução geral SPI
Ex3: S = Ø SI
05/02/16
27
04/03/2016
ESCALONAMENTO DE SISTEMAS
LINEARES
O processo de escalonamento de sistemas lineares
ESCALONAMENTO DE SISTEMAS
LINEARES
Escalonar, resolver e classificar os sistemas lineares
abaixo:
Ex1: SPD
Ex3: S=Ø SI
05/02/16
28
04/03/2016
LINEARES
05/02/16
05/02/16
29
04/03/2016
- Método de Cramer
Matriz completa
05/02/16
- Método de Cramer
Representação Matricial
Exemplo:
Sistema:
05/02/16
30
04/03/2016
05/02/16
05/02/16
31
04/03/2016
EXERCÍCIOS
a) b)
c)
Fonte: http://paginapessoal.utfpr.edu.br/ngsilva/apresentacao/publicacoes-em-congressos-e-revistas/ListadeExercciosSistemasLineares.pdf e
http://www.profcardy.com/exercicios/assunto.php?assunto=Sistemas%20Lineares
05/02/16
EXERCÍCIOS
2 – Verifique se:
05/02/16
32
04/03/2016
EXERCÍCIOS
a) b)
c)
05/02/16
EXERCÍCIOS
a) b) c)
05/02/16
33
04/03/2016
EXERCÍCIOS
05/02/16
34
04/03/2016
05/02/16
05/02/16
35
04/03/2016
05/02/16
05/02/16
36
04/03/2016
3.1 Introdução
Definição: Um espaço vetorial real é um conjunto V, não vazio,
com duas operações: soma, V X V → V, e multiplicação por escalar, R X V
→ V, tais que, para multiplicação por escalar, R X V → V, tais que, para
quaisquer u, v, w ∈ V e a, b ∈ R, as seguintes propriedades sejam
satisfeitas:
3.2. Propriedades:
i) (u + v) + w = u + (v + w)
ii) u + v = v + u
iii) existe 0 ∈V tal que u + 0 = u
0 é o vetor nulo
iv) Existe –u∈ V tal que u + (-u) = 0
v) a(u + v) = au + av, a escalar
vi) (a + b)v = av + bv, a, b escalares
vii) (ab)v = a(bv)
viii) 1.u = u
37
04/03/2016
3.3. Conceitos
38
04/03/2016
39
04/03/2016
EXERCÍCIOS 1 a 8
40
04/03/2016
Importante:
1) Ao operarmos em W (soma e multiplicação por
escalar) não obteremos um vetor fora de W. Isso é suficiente
para afirmar que W é ele mesmo um espaço vetorial, pois
assim as operações ficam bem definidas
2) Assim, não precisamos verificar novamente as
propriedades (i) a (viii) de espaço vetorial porque elas são
válidas em V, que contém W
41
04/03/2016
42
04/03/2016
Combinação Linear
43
04/03/2016
3.7. Exercícios
3.
3.7. Exercícios
44
04/03/2016
3.7. Exercícios
6.
Lembrar: Dado um espaço vetorial V, um subconjunto W, não vazio, será um subespaço vetorial de
V se para quaisquer u, v ∈ W, tivermos u + v∈ W, e para quaisquer a ∈ R, u ∈ W, tivermos au ∈ W
45
04/03/2016
46
04/03/2016
IV – Base e Dimensão
4.1. Base de um espaço vetorial
4.1.1. Vetores LI-Maximal
4.4. Questões
i) {v1,v2, ...,vn} é LI
ii) [v1,v2, ...,vn] é V, ou seja, esse conjunto gera todos os
vetores de V.
47
04/03/2016
i) Base canônica de R3
ii) {e1, e2, e3} é LI
iii) (x, y, z) = x.e1 + y.e2 + z.e3
48
04/03/2016
49
04/03/2016
50
04/03/2016
Exemplos:
O espaço vetorial Rn tem por base o conjunto
, que se
denomina a sua base canônica.
No plano R2, a reta de equação y = mx tem por
base o conjunto {(1, m)}.
O espaço vetorial dos polinômios p(x) de
coeficientes reais tem uma base infinita, o conjunto {1, x, x2,
x3, ...}.
51
04/03/2016
[v]β =
[v]β’ =
52
04/03/2016
v = y1w1+...+ynwn = y1(a11u1+...+an1un) + .. +
yn(a1nu1+...+annun) = (a11y1+...+a1nyn) u1 + .. + (an1y1 +...+
annyn) un
53
04/03/2016
a.
Resolução:
54
04/03/2016
Logo:
b.
55
04/03/2016
4.4. Questões
56
04/03/2016
101. Sejam ß1 = {(1, 0), (0, 1)}, ß2 = {(−1, 1), (1, 1)} bases
ordenadas de R2. Ache:
57