Baixe o app para aproveitar ainda mais
Prévia do material em texto
TÓPICOS DE MATEMÁTICA APLICADA Professor: Erb Ferreira Lins Apresentação 2 Aplicações de Álgebra Linear Álgebra linear é um ramo da matemática que surgiu do estudo detalhado de sistemas de equações lineares, sejam elas algébricas ou diferenciais. A álgebra linear se utiliza de alguns conceitos e estruturas fundamentais da matemática como vetores, espaços vetoriais, transformações lineares, sistemas de equações lineares e matrizes. Aplicações de Álgebra Linear A seguir, veremos algumas aplicações de Geometria Analítica e Álgebra Linear às mais diversas áreas científicas e tecnológicas. Aplicações de Álgebra Linear Projeto de Estrutura Metálica Uma aplicação de Álgebra Linear à Engenharia Civil: o projeto de uma estrutura composta por vigas metálicas exige resolver um sistema de equações lineares; quanto mais complexa for esta estrutura, maior será o número de equações e de variáveis. A matriz dos coeficientes do sistema deve ser invertível para que a estrutura não colapse. Para uma mesma estrutura sujeita a forças externas variáveis, pode-se encontrar a matriz-coluna das forças que atuam sobre as vigas multiplicando-se a inversa da matriz que modela a estrutura metálica pela matriz- coluna das forças externas. Aplicações de Álgebra Linear Projeto de Estrutura Metálica Aplicações de Álgebra Linear Projeto dos Eixos Traseiros de um Automóvel Na Engenharia Automobilística, a obtenção da frequência natural do eixo traseiro de um automóvel através de métodos numéricos. Na indústria automobilística, hoje em dia, existe uma crescente necessidade de testes em componentes ainda na fase de projeto a fim de prever seu desempenho quando em condições de operação. Fenômenos vibratórios como a ressonância de componentes automotivos em relação às velocidades de rotação do motor e tipos de terreno devem ser levados em consideração, pois podem levar a estrutura a esforços e desgastes excessivos diminuindo sua vida útil ou aumentando o desconforto do usuário. Aplicações de Álgebra Linear Projeto dos Eixos Traseiros de um Automóvel Aplicações de Álgebra Linear Testes de Comportamento Vibracional O procedimento experimental utilizado pela indústria para testes sobre o comportamento vibracional envolve um alto custo no desenvolvimento do produto. Assim, é necessária a implantação de métodos numéricos simples e precisos de forma a predizer as frequências naturais dos componentes e a faixa de sua atuação. Para tanto, o Método das Matrizes de Transferência oferece não só rapidez e precisão, como simplicidade e versatilidade. Aplicações de Álgebra Linear Testes de Comportamento Vibracional Aplicações de Álgebra Linear Ajuste de Curvas pelo Método dos Mínimos Quadrados Dado uma coleção de dados (pares de números) obtidos experimentalmente, busca-se uma curva que possa ser ajustada a eles de modo que a diferença entre a curva simuladora e os dados seja a menor possível. Dessa forma, predições futuras com um grau razoável de precisão podem ser feitas com base na curva obtida. Um dos métodos mais utilizados para se fazer isso é o método dos quadrados mínimos. Ele se reduz à resolução de um sistema linear cujo número de variáveis é igual ao número dos dados. Aplicações de Álgebra Linear Ajuste de Curvas pelo Método dos Mínimos Quadrados Método dos Elementos Finitos Aplicações de Álgebra Linear Projeto de Peças de Automóveis Atualmente, o projeto de novas peças para automóveis é realizado através de simulações em computadores, dada a necessidade de produzir modelos novos com o menor custo e em menor tempo possíveis. O método dos elementos finitos é aplicado na modelagem das peças e no estudo das tensões produzidas sobre elas para avaliar a sua resistência (procura-se reduzir ao mínimo possível a possibilidade de que uma peça se quebre ou não funcione como deva, antes de se produzir o protótipo). Isso resulta em matrizes freqüentemente com milhares ou milhões de variáveis e são necessários algoritmos muito poderosos para se lidar com estas matrizes e resolver os sistemas lineares resultantes. Método dos Elementos Finitos Aplicações de Álgebra Linear Projeto de Peças de Automóveis Bibliografia Álgebra Linear com Aplicações, ANTON, Howard e RORRES, Chis. Oitava edição, Porto Alegre, Editora Bookman, 2001. Bibliografia David C. Lay - Álgebra Linear e suas Aplicações - 2ª Edição – 1999, Ed. LTC Bibliografia Matemática Superior para Engenharia - Ed. 9 - Kreyszig, Erwin. Vetores e espaços Vetoriais Vetores Pense em um vetor como um segmento de reta orientado em n-dimensões (tem “comprimento” e “direção”). Ideia básica: a converter geometrias em dimensões mais elevadas em álgebra Depois de definir uma base camarada ao longo de cada dimensão: 𝑥, 𝑦, e 𝑧 O vetor é uma matriz 𝑁 × 1: 𝑣 = 𝑎 𝑏 𝑐 𝑡 Geometria começa a se álgebra linear em vetores como 𝑣 𝑥 𝑦 𝒗 c b a v O que é um vetor? São quantidades físicas plenamente descritas somente quando há magnitude, direção e sentido. Existem diversos sistemas onde um vetor pode descrever quantidades de interesse para engenharia. Operações sobre o conjunto de vetores Como podemos definir as operações sobre quantidades envolvendo vetores? Para que seja um sistema algébrico bem definido, é preciso especificar: As operações de soma entre elementos e produto por um escalar As propriedades a serem satisfeitas Espaço vetorial Sejam dois vetores 𝑢 𝑒 𝑣 pertencentes ao conjunto ∈ 𝑉 Se u + v = s ∈ V Se 𝛼u ∈ V, para 𝛼 ∈ ℝ O conjunto 𝑉 com essas duas operações é chamado espaço vetorial real (ou espaço vetorial) se as seguintes propriedades forem satisfeitas: Espaço vetorial O conjunto V com essas duas operações é chamado espaço vetorial real (ou espaço vetorial) se as seguintes propriedades forem satisfeitas: Em relação à adição: 𝑢, 𝑣, 𝑤 ∈ 𝑉 (𝑢 + 𝑣) + 𝑤 = 𝑢 + (𝑣 + 𝑤) 𝑢 + 𝑣 = 𝑣 + 𝑢 ∃ 0 ∈ 𝑉 tal que 𝑢 + 0 = 𝑢 ∃ − 𝑢 ∈ 𝑉 tal que 𝑢 + (−𝑢) = 0 Em relação à multiplicação por escalar 𝑢, 𝑣, 𝑤 ∈ 𝑉 e 𝛼, 𝛽 ∈ ℝ 𝛼𝛽 𝑢 = 𝛼(𝛽𝑢) 𝛼 + 𝛽 𝑢 = 𝛼𝑢 + 𝛽𝑢 𝛼(𝑢 + 𝑣) = 𝛼𝑢 + 𝛼𝑣 1𝑢 = 𝑢 A B A B C 𝑨 + 𝑩 = 𝑪 (use o método da ponta para a cauda para combinar vetores) Soma de vetores Sejam dois vetores 𝐴 𝑒 𝐵pertencentes ao conjunto ∈ 𝑅2 𝐴 + 𝐵 = 𝑥1, 𝑥2 + 𝑦1, 𝑦2 = 𝑥1 + 𝑦1, 𝑥2 + 𝑦2 = 𝐶 Soma de vetores A soma pode ser feito utilizando a composição da ponta para a cauda para qualquer numero de vetores Soma de vetores Um partícula está sujeita a ação das forças mostradas. Calcule o vetor resultante para cada caso. Soma de vetores Calcule a direção da força em cada cabo Produto por um escalar Altera apenas o comprimento, mas mantem direção fixa. A operação de matriz (𝐴𝑣) pode mudar o comprimento, também direção e dimensionalidade 𝑎𝑣 = 𝑎 𝑥1, 𝑥2 = 𝑎𝑥1, 𝑎𝑥2 Norma de vetores Há diversas formas de calcular a norma. A mais comum é a norma 2, que para um vetor no espaço ℝ𝑛, é definida por 𝑥 = 𝑥1 2 + 𝑥2 2 + ⋯+ 𝑥𝑛 2 Que é a distância Euclidiana a partir da origem até o ponto 𝑥, também sendo consideradao comprimento do vetor. 𝑥 = 𝑥𝑇𝑥 1/2 Norma de vetores O comprimento do vetor é obtido a partir da norma Euclidiana. Norma: propriedades 31 Seja 𝑣 um vetor do espaço 𝑅𝑛 e 𝛼 qualquer escalar ∈ 𝑅, então são válidos v ≥ 0 v = 0, se e somente se 𝑣 = 0 kv = 𝑘 v Norma de um Vetor Exemplo 11: Seja o vetor v = (1,-3,4,2). Obter v e 𝑣 . Para se obter v calcula-se como se segue, Normalizando o vetor v, como se segue, tem-se Que é o único vetor unitário com a mesma direção e sentido do vetor v. 30v41691)2()4()3()1(v 22222 ) 30 2, 30 4, 30 3, 30 1( v v vˆ Norma de um Vetor Propriedades da norma: Dados quaisquer vetores u e v de ℝ𝑛, então segue que, vuu.v vuvu Desigualdade de Schwarz Desigualdade de Minkowski Norma de um Vetor Exemplo Seja o vetor 𝑦 = (1,−2,−4,5,3). Obter 𝑦 2 e 𝑦 . Pode-se calcular primeiramente Tomando-se a raiz 55y 559251641)3()5()4()2()1(y 22222 2 Vetor unitário O vetor com norma 1 é chamado de unitário. Estes vetores são úteis quando é preciso especificar uma direção e o comprimento do vetor não é relevante. Dado qualquer vetor não nulo 𝑦, o vetor unitário na mesma direção será 𝑦 = 1 𝑦 𝑦 = 𝑦 𝑦 𝑦 É o único vetor unitário de mesma direção e sentido de 𝑦 O processo de se encontrar o vetor unitário a partir do vetor 𝑦 é denominado de normalização de 𝑦. Norma e Vetor unitário Calcule a norma e o vetor unitário para cada vetor mostra abaixo Distância A distância entre os pontos 𝑢 = (𝑥1, 𝑥2, … , 𝑥𝑛) e 𝑣 = (𝑦1, 𝑦2, … , 𝑦𝑛) de ℝ 𝑛 é definida por Exemplo: Sejam os vetores u = (1,-2,3) e v = (2,4,5). Calcular a distância d(u,v). n i ii yxdist 1 2)()( vuvu,d v)(u, Distância 2 12 2 12 )()()( yyxxdist u-vvu, 12 12 1 1 2 2 yy xx y x y x uv y x x1 y1 0 x2 y2 v -u (x2-x1) (y2-y1) u Distância Encontre a distância entre os vetores Vetores: produto escalar Sejam dois vetores no espaço bi ou tridimensional e suponha que esses vetores foram posicionados de forma que seu pontos iniciais coincidam, o ângulo 𝜃 tal que 0 ≤ 𝜃 ≤ 𝜋, será dado por vu u.v cos Vetores: produto escalar Exemplo: Encontre o ângulo entre a diagonal do cubo e uma de suas arestas Vetores: produto escalar Pense no produto escalar como uma multiplicação de matrizes A magnitude é o produto escalar de um vetor com si mesmo T d A B A B a b c e ad be cf f TA A A aa bb cc v w 1 2 1 2 1 1 2 2 ( , ) ( , )v w x x y y x y x y1 2 1 2( , ) ( , ) || || || || cosv w x x y y v w 0v w v w Produto interno Se os vetores 𝑣 e 𝑤 são vetores colunas, então o produto interno ou escalar será 𝑤𝑇𝑣 O resultado será sempre um escalar Propriedades do Produto Interno No produto interno de vetores há algumas propriedades. Sejam 𝑢 𝑒 𝑣 vetores em ℝ𝑛 e 𝛼 um escalar em ℝ (𝑢 + 𝑣). 𝑤 = 𝑢. 𝑤 + 𝑣. 𝑤 (𝛼𝑢). 𝑣 = 𝛼(𝑢. 𝑣) 𝑢. 𝑣 = 𝑣. 𝑢 𝑢. 𝑢 = 0 se e somente se, 𝑢 = 0 Vetor unitário O vetor com norma 1 é chamado de unitário. Estes vetores são úteis quando é preciso especificar uma direção e o comprimento do vetor não é relevante. Dado qualquer vetor não nulo 𝑦, o vetor unitário na mesma direção será 𝑦 = 1 𝑦 𝑦 = 𝑦 𝑦 𝑦 É o único vetor unitário de mesma direção e sentido de 𝑦 O processo de se encontrar o vetor unitário a partir do vetor 𝑦 é denominado de normalização de 𝑦. Vetor unitário Quando um sistema de coordenadas retangulares é introduzido em 𝑅2 ou 𝑅3, os vetores unitários nas direções positivas dos eixos coordenados são chamados os vetores unitários padrão. Em 𝑅2 estes os vetores são denotados por 𝑖 = 1, 0 𝑗 = 0, 1 Em 𝑅3 estes os vetores são denotados por 𝑖 = 1, 0,0 𝑗 = 0, 1,0 𝑘 = (0,0,1) Ângulo entre os vetores Encontre o ângulo entre os vetores Ortogonalidade e produto Interno Diz-se que os vetores 𝑣 e 𝑢 são ortogonais ou perpendiculares, se seu produto interno for nulo (se 𝑣 ∙ 𝑢 = 0). Ou seja, 1 1 2 2 1 . 0 n i i n n i v u v u v u v u v u Ortogonalidade Exemplo: Sejam os seguintes vetores 𝑎 = (1, −2,3), 𝑏 = (4,5, −1) e 𝑐 = (2,7,4). Calcular 𝑎. 𝑏 e 𝑎. 𝑐 𝑎. 𝑏 = 1 4 + −2 5 + 3 −1 = 4 − 10 − 3 = −9 𝑎. 𝑐 = 1 2 + −2 7 + 3 4 = 2 − 14 − 12 = 0 Ortogonalidade Sejam os seguintes vetores 𝑎 = (1,2,1) e 𝑏 = (3, 𝑦, −2). Encontrar o valor do escalar 𝑦 tal que os vetores a e b sejam ortogonais. Desenhar no plano 3D. 0 1 2 3 -0.5 0 0.5 1 1.5 2 -2 -1.5 -1 -0.5 0 0.5 1 Y X Z Exercício: Distância Sejam os vetores u = (1,-2,3) e v = (2,4,5). Calcular a distância dist(u,v). 2 2 2 1 2 2 1 2 1 2 1 2 1( , ) ( ) ( ) ( )dist x x y y z z p p p p Exercício: Ângulos Sejam os vetores u = (1,-2,3) e v = (2,4,5). Calcular o ângulo 𝜃 entre os dois vetores. vu u.v cos Exercício: Projeções Sejam os vetores u = (1,-2,3) e v = (2,4,5). Calcular a projeção proj(u,v). * 2 u.v u.v (u,v) v v u v v.vv proj Projeções Usando produtos internos 𝒑 = 𝒂(𝑎𝑇𝑥) ||𝑎|| = 𝑎𝑇𝑎 = 1 Projeções A projeção de um vetor u sobre um vetor não nulo v é definida por * *( , ) u v u v v proj u v u v Projeções ortogonal A projeção ortogonal de um vetor u sobre um vetor não nulo v é definida por ( , ) ( , )perp u v u proj u v Exercício projeções Equação da reta Da geometria analítica, sabemos que uma reta é determinada por seus coeficientes angular e linear e que um plano no 𝑅3 é determinado por sua inclinação. Um forma de especificar a inclinação é utilizar um vetor normal. Esta linha tem equação: Equação do plano Para o plano temos a equação: Distância entre ponto e reta A distância entre um ponto (𝑥0, 𝑦0) e a linha 𝑎𝑥 + 𝑏𝑦 + 𝑐 = 0 Distância entre ponto e plano A distância entre um ponto (𝑥0, 𝑦0, 𝑧0) e a linha 𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 + 𝑑 = 0 Produto externo (ou vetorial) O produto vetorial entre os vetores 𝐴 e 𝐵 é o vetor 𝐶 que é perpendicular aos primeiros A magnitude de 𝐶 é proporcional ao seno do ângulo entre 𝐴 𝑒 𝐵 A direção de 𝐶 segue a regra da mão direita, se estivermos usando um sistema de coordenadas dextrógiro B A A×B 𝐴 × 𝐵 = 𝐴 𝐵 𝑠𝑒𝑛 𝜃 Produto vetorial como área O produto de dois vetores resulta num terceiro vetor ortogonal ao plano que contém os vetores originais. O comprimento desse terceiro vetor, ou seja, sua norma, é numericamente igual à área do paralelogramo formado por esses vetores. u v |u x v| = área do paralelogramo ux v sen.. vuvu Produto vetorial Considere o paralelogramo mostrado Calcule a área se os pontos A = (1, 2, 0), B = (2, 3, 1) e C = (1, 0, 4). Produto vetorial Diferentemente do produto escalar, que dá como resultado um número, o produto vetorial tem como resultado, um outro vetor. Definição: Sejam 𝑢 = 𝑎1î + 𝑏1ĵ + 𝑐1𝑘 e 𝑣 = 𝑎2î + 𝑏2ĵ + 𝑐2𝑘 dois vetores em 𝑅 3. Seu produto vetorial é o vetor 𝑢 × 𝑣 definido por: 222 111 cba cba kji vu Produto vetorial A igualdade anterior também pode ser escrita da seguinte forma: Exemplo: Sejam 𝑢 = 2î + ĵ + 2𝑘 e 𝑣 = 3î − ĵ − 3𝑘, então: k ba ba j ca ca i cb cb vu ... 22 11 22 11 22 11 )5,12,1(5121 313 212 kji kji vu Produto vetorial O produto vetorial de um vetor consigo mesmo não forma ângulo. Eles são coincidentes. Logo, 𝑖 × 𝑖 = 𝑗 × 𝑗 = 𝑘 × 𝑘 = 0 Por outro lado, 𝑖 × 𝑗 = 𝑘 𝑗 × 𝑘 = 𝑖 𝑘 × 𝑖 = 𝑗 Magnitude do produto vetorial Regra da mão direita Direção do produto vetorial A regra da mão direita determina a direção do produto vetorial Produto vetorial Ortogonalização de bases Por exemplo, partindo de se 𝑢 = (1, 2, 1), 𝑣 = (−1,1, 2) e 𝑤 = −3, 2, 1 , crie uma base ortogonal para o espaço 𝑅3. Combinação Linear de Vetores Sejam 𝑢1, 𝑢2, 𝑢3, … , 𝑢𝑛 vetores de ℝ 𝑛 e os escalares 𝑟1, 𝑟2, 𝑟3, … , 𝑟𝑛 de ℝ. Pode-se multiplicar os vetores pelos escalares e realizar a soma deles para se constituir o vetor 𝑣 = 𝑟1𝑢1 + 𝑟2𝑢2 + 𝑟3𝑢3 + … + 𝑟𝑛𝑢𝑛 O vetor 𝑣 é denominando de combinação linear dos vetores 𝑢1, 𝑢2, 𝑢3, … , 𝑢𝑛 Exemplo: Em ℝ2 o vetor 𝑣 = (10,16) é uma combinação linear dos vetores 𝑢1 = (1,2) e 𝑢2 = (3, 4), pois 𝑣 = 4𝑢1 + 2𝑢2 Bases Bases são sistemas de referência vs Bases e Bases ortonormais Um espaço é totalmente definido por um conjunto de vetores. Qualquer vetor do espaço é uma combinação linear dos vetores da base Ortonormal: Normal + ortogonal Ortogonal: produto escalar é zero Normal: é uma grandeza unitária 𝑥 = 1 0 0 𝑦 = 0 1 0 𝑧 = 0 0 1 𝑥. 𝑦 = 0 𝑦. 𝑧 = 0 𝑧. 𝑥 = 0 Bases e Bases ortonormais Um conjunto indexado 𝑣1, 𝑣2, … , 𝑣𝑛 com 𝑛 ≥ 2 e 𝑣𝑖 ≠ 0 é linearmente independente se a equação vetorial 𝑐1𝑣1 + 𝑐2𝑣2 + ⋯+ 𝑐𝑛𝑣𝑛 = 0 Admite apenas a solução trivial 𝑐1 = 𝑐2 = ⋯𝑐𝑛 = 0 v 1v 2v 1 2 2211 vvv Exemplo Bases e Bases ortonormais O conjunto {𝑣1, … , 𝑣𝑝} é dito ser linearmente dependente se 𝑐1𝑣1 + 𝑐2𝑣2 + ⋯+ 𝑐𝑛𝑣𝑛 = 0 tem uma solução não-trivial, ou seja, se há alguns pesos, 𝑐1, 𝑐2, … , 𝑐𝑛 não todos zero, de tal modo a equação se mantém. Em tal caso a equação é chamada relação de dependência linear {𝑣1, … , 𝑣𝑝}. Ortogonalidade e Ortonormalidade A partir dos resultados anteriores, dois vetores são ortogonais em ℝ𝑛 se e apenas se o seu produto interno é zero . Dois vetores são ortonormais se, além de ser ortogonais, o comprimento de cada vector é 1. Um conjunto de vetores é dito conjunto ortogonal se, de dois em dois, os vetores no conjunto são ortogonais. Um conjunto de vetores é ortonormal se de dois em dois vetores no conjunto são ortonormais. Base: definição Seja 𝐻 um subespaço de um espaço vetorial 𝑉. Um conjunto indexado de vetores 𝐵 = {𝑣1, 𝑣2, … , 𝑣𝑛} é uma base para 𝐻 se 𝐵 é um conjunto linearmente independente e O subespaço gerado por 𝐵 coincide com 𝐻 𝐻 = 𝑠𝑝𝑎𝑛 𝑣1, 𝑣2, … , 𝑣𝑛 Bases canônicas Seja {𝑒1, 𝑒2, … , 𝑒𝑛} as colunas da matriz identidade 𝑛 × n, ou seja O conjunto {𝑒1, 𝑒2, … , 𝑒𝑛} é chamado de base padrão para 𝑅𝑛. e 1 = 1 0 0 é ë ê ê ê ê ù û ú ú ú ú ,e 2 = 0 1 0 é ë ê ê ê ê ù û ú ú ú ú ,...,e n = 0 0 1 é ë ê ê ê ê ù û ú ú ú ú Alguns aspectos sobre ortogonalidade Seja 𝐵 = 𝑣1, 𝑣2, … , 𝑣n uma base ortogonal ou ortonormal no sentido definido anteriormente. Um resultado importante na análise vetorial é que qualquer vector 𝑣 pode ser representado com respeito à base ortogonal 𝐵 como Onde os coeficientes são dados por Representação única Suponha que 𝐵 = {𝑏1, 𝑏2, … , 𝑏𝑝} é uma base para 𝑉 e 𝑥 ∈ 𝑉. Então existe um único conjunto de escalares 𝑐1, … , 𝑐𝑝 tal que O vetor 𝑥 tem sua representação em relação ao sistema de coordenadas da base dada por 𝑥 𝛽 = 𝑐1 ⋮ 𝑐𝑝 Transformação entre bases ortogonais Seja o vetor 𝑣 = 2,1 , definido na base canônica Obtenha este mesmo vetor na base ortogonal definida por 𝑢 = 1 1 , −1 1 Transformação entre bases ortogonais Exemplo: sistemas em rotação 1 4 x 3 2 x Exemplo Exemplo: bases não ortogonais Considere a base 𝐵 = {𝑏1, 𝑏2} para o 𝑅 2 tal que 𝑏1 = 2 −1 , 𝑏2 = 0 1 . Encontre o vetor 𝑥 ∈ R2 tal que 𝑥 𝛽 = 2 3 Para 𝑥 𝑒 = 4 1 , encontre 𝑥 𝛽. Exemplo Considere os vetores abaixo e verifique se eles formam uma base para o 𝑅3 1 2 3 0 2 1 v 2 , v 2 v 2 1 0 1 e Bases Uma base é um conjunto gerador que é tão pequeno quanto possível. A base é também um conjunto linearmente independente que é tão grande quanto possível. Se 𝑆 é uma base de 𝑉, e se 𝑆 é ampliada por um vetor 𝑤, então o novo conjunto pode não ser linearmente independente, porque 𝑆 abrange 𝑉, e 𝑤 é, por conseguinte, uma combinação linear dos elementos em 𝑆. Bases O conjunto abaixo tem dois vetores linearmente independentes, mas não forma uma base para o 𝑅3 Bases O conjunto abaixo tem dois vetores linearmente independentes, mas não forma uma base para o 𝑅3 Bases O conjunto abaixo tem três vetores linearmente independentes, é forma uma base para o 𝑅3 Matrizes como um conjunto de vetores Retome o conjunto gerado pela base vetorial 𝐻 = 𝑠𝑝𝑎𝑛 𝑣 1, 𝑣 2, … , 𝑣 𝑛 Qualquer vetor do espaço 𝐻 pode ser escrito como 𝑢 = 𝑟1𝑣 1 + 𝑟2𝑣 2 + 𝑟3𝑣 3 + … + 𝑟𝑛𝑣 𝑛 Ou 𝑟1𝑣 1 + 𝑟2𝑣 2 + 𝑟3𝑣 3 + … + 𝑟𝑛𝑣 𝑛 = 𝑢 Matrizes como um conjunto de vetores Se 𝑢 for conhecido este é um sistema de 𝑛 equações 𝑟1𝑣 1 + 𝑟2𝑣 2 + 𝑟3𝑣 3 + … + 𝑟𝑛𝑣 𝑛 = 𝑢 Ou 𝑟1 𝑣11 𝑣12 ⋮ 𝑣1𝑛 + 𝑟2 𝑣21 𝑣22 ⋮ 𝑣2𝑛 + … + 𝑟𝑛 𝑣𝑛1 𝑣𝑛2 ⋮ 𝑣𝑛𝑛 = 𝑢 Ou 𝑣11 𝑣12 ⋮ 𝑣1𝑛 𝑣21 𝑣22 ⋮ 𝑣2𝑛 ⋯ ⋱ 𝑣21 𝑣22 ⋮ 𝑣2𝑛 𝑟1 𝑟2 ⋮ 𝑟𝑛 = 𝑢 e 𝑨𝑟 = 𝑢 Matrizes como um conjunto de vetores A matriz 𝐴 tem as colunas formadas pelos elementos da base 𝑨𝑟 = 𝑢 A solução desse sistema linear indica se o vetor pertence ou não ao espaço formado pela base. Bases O conjunto abaixo forma uma base para o 𝑅3 e tem um vetor linearmentedependente Exemplo Considere Determine se x está em H, e se estiver, quais as coordenadas em relação a esta base. 1 2 1 2 1 2 2 1 7 3 , 1 , 3 , { , }& Span{ , } 6 0 12 v v x v v H v v Espaço nulo de uma matriz O espaço nulo de uma matriz 𝐴 de tamanho 𝑚 × 𝑛 é o conjunto de todos os vetores 𝑣 tais que 𝐴𝑣 = 0 Espaço nulo de uma matriz Exemplo: Determine o espaço nulo da matriz Espaço colunas de uma matriz Para determinar o espaço nulo de uma matriz, é necessário colocá-la na forma escalonada por linhas. Os elementos das colunas principais são as variáveis dependente. Os demais são variáveis livres. Ex: Base para o espaço das colunas É o espaço gerado por todas as combinações de vetores que compõem as colunas de 𝐴 As colunas pivôs da matriz 𝐴 ∈ 𝑅𝑚×𝑛 forma uma base para o espaço das colunas de 𝐴. Também se diz que < 𝑣1, 𝑣2, … , 𝑣𝑛 > é o espaço gerado pelas colunas da matriz 𝐴 = [𝑣1, 𝑣2, … , 𝑣𝑛], é o espaço das colunas de 𝐴 ou 𝐶 𝐴 . 𝐶𝑜𝑙 𝐴 = {𝑏|𝑏 = 𝐴𝑥, 𝑥 ∈ 𝑅𝑛} Bases para o espaço nulo e coluna As operações de linha pode alterar o espaço de uma matriz de coluna. As colunas de uma forma escalonada B de A muitas vezes não estão no espaço de coluna A. Duas visões de um Base Quando o Teorema do espaço gerador é usado, a eliminação de vetores de um conjunto gerador deve parar quando o conjunto se torna linearmente independentes. Se um vector adicional é excluído, ele não irá ser uma combinação linear dos vectores restantes, e, portanto, o conjunto menor deixará abrangem 𝑉. Espaço colunas de uma matriz Exemplo: Determine o espaço das colunas da matriz Nul(A) vs. Col(A) Nul A Col A Nul A é um subespaço do 𝑅𝑛 São os vetores 𝑣 tais que 𝐴𝑣 = 0 Col A é um subespaço do 𝑅𝑚 São os vetores 𝑣 tais que 𝐴𝑥 = 𝑣 Para todos os 𝑥 ∈ 𝑅𝑛 Nul A é definida implicitamente; i.e., há apenas a condição que o vetor deve satisfazer 𝐴𝑥 = 0 Col A é definida explicitamente; i.e., há uma forma de construir Col A. Nul(A) vs. Col(A) Nul A Col A Nul A é um subespaço do 𝑅𝑛 Col A é um subespaço do 𝑅𝑚 Nul A é definida implicitamente; i.e., há apenas a condição que o vetor deve satisfazer 𝐴𝑥 = 0 Col A é definida explicitamente; i.e., há uma forma de construir Col A. Nul(A) vs. Col(A) Leva tempo para achar o vetores em Nul A [𝐴 0] É fácil encontrar os vetores em Col A. as colunas de 𝐴 são visíveis e outras, formadas por elas Não há uma relação óbvia entre Nul A e as entradas de A. Há uma relação óbvia entre Col A e as entradas de A, já que as colunas de 𝐴 estão em Col A Nul(A) vs. Col(A) Um vetor típico 𝑣 em Nul A tem a propriedade que 𝐴𝑣 = 0 Um vetor típico 𝑣 em Col A tem a propriedade que a equação é consistente: 𝐴𝑥 = 𝑣 Dado um vetor específico 𝑣, é fácil dizer se 𝑣 está em Nul A. Só compare 𝐴𝑣. Dado um vetor específico vector 𝑣, pode levar tempo para calcular se 𝑣 está Col A. 𝐴 𝑣 Nul(A) vs. Col(A) O espaço nulo de A é vazio somente se a equação 𝐴𝑥 = 0 tiver a solução trivial Col 𝐴 = 𝑅𝑚 se e somente se a equação 𝐴𝑥 = 𝑏 tem solução para todo 𝑏 em 𝑅𝑚. Nul 𝐴 = 0 se e somente se a transformação linear é um para um 𝑥 ↦ 𝐴𝑥 Col A= 𝑅𝑚 se e somente se transformação linear mapeia 𝑅𝑛 para o 𝑅𝑚. 𝑥 ↦ 𝐴𝑥 Exemplo Se o espaço das colunas de 𝐴 é um subespaço de 𝑅𝑘, qual o valor de 𝑘? Se o espaço nulo de 𝐴 é um subespaço de 𝑅𝑘, qual o valor de 𝑘? Encontre o espaço Col A e um vetor não nulo nesse espaço. Encontre o espaço Nul A e um vetor não nulo nesse espaço . Exemplo Determine se o vetor 𝑣 = −2 −3 1 está no conjunto 1 1 1 , 1 −1 5 , 2 1 4 , −1 −3 3 Matrizes Matrizes Definição: Chamamos de matriz a todo conjunto de elementos, dispostos em linhas e colunas. Representamos matrizes com letras maiúsculas do nosso alfabeto. Dada uma matriz 𝐴 denotaremos cada elemento da matriz 𝐴 por 𝑎𝑖𝑗 é o número da linha e 𝑗 é o número da coluna desse elemento. 𝐴 = 𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑎21 𝑎22 𝑎2𝑛 ⋮ ⋱ ⋮ 𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑚×𝑛 𝐴 = 𝑎𝑖𝑗 , 𝑖 = 1,2,… ,𝑚; 𝑗 = 1,2, … , 𝑛 Matrizes Exemplo: uma matriz genérica 3 × 2 teria a forma: 𝐴 = 𝑎11 𝑎12 𝑎21 𝑎22 𝑎31 𝑎31 3×2 Matrizes-linha e matrizes-coluna (vetores linha e coluna) são de importância especial e é prática comum denotá-los por letras minúsculas em negrito em vez de letras maiúsculas. Assim um vetor linha 1 × 𝑛 arbitrário 𝒂 e um vetor coluna 𝑚 × 1 arbitrário 𝒃 podem ser escritos como 𝑎 = 𝑎1, 𝑎2, … , 𝑎𝑛 𝑏 = 𝑏1 𝑏2 ⋮ 𝑏𝑚 Tipos de Matrizes Matriz Quadrada: é matriz cujo número de linhas é igual ao de colunas. Matriz Transposta: é a matriz obtida trocando-se a linha pela coluna e vice-versa da matriz original. 1 3 5 0 2 4 2 3 6 A 1 0 2 3 2 3 5 4 6 TA Tipos de Matrizes Matriz Identidade: é a matriz quadrada cujos elementos da diagonal principal são iguais a 1 e os demais elementos iguais a zero. Matriz Nula: Chama-se matriz nula a matriz na qual todos os seus elementos são iguais a zero. diagonal principal 000 000 0 Tipos de Matrizes Matriz Triangular: é matriz cujos elementos localizados acima ou abaixo da diagonal principal são iguais a zero. Matriz Diagonal: é a matriz cujos elementos localizados acima e abaixo da diagonal principal são iguais a zero. Matriz escalar: Uma matriz escalar é uma matriz diagonal onde todos os elementos da diagonal são iguais ao escalar k. 613 025 004 300 050 002 TAA 1 2 0 2 7 4 0 4 3 A TAA 0 5 2 5 0 1 2 1 0 A Tipos de Matrizes Matriz Simétrica: Os elementos opostos em relação à diagonal principal são iguais. Matriz Anti-Simétrica: Os elementos opostos em relação à diagonal principal são simétricos com o sinal trocado. Traço de uma matriz Se 𝐴 é uma matriz quadrada então o traço de A, denotado por 𝑡𝑟(𝐴), é definido pela soma das entradas na diagonal principal de 𝐴. O traço de 𝐴 não é definido se 𝐴 não é uma matriz quadrada. Exemplo: 56)2(1)( , 632 420 531 Atr A Operações sobre Matrizes Igualdade de matrizes: Dadas duas matrizes 𝐴 e 𝐵 do mesmo tamanho (ou seja, de mesma ordem), dizemos que 𝐴 = 𝐵 se somente se os seus elementos são respectivamente iguais. Simbolicamente, sendo 𝐴 e 𝐵 matrizes 𝑚 × 𝑛, temos: 𝐴 = 𝐵 ⟺ 𝑎𝑖𝑗 = 𝑏𝑖𝑗 212 1113 231 061 423 152 BABA Operações sobre Matrizes Adição e Subtração: Para adicionarmos ou subtrairmos duas matrizes 𝐴 e 𝐵 basta que elas sejam de mesma ordem. Isto é, elas devem ter o mesmo número de linhas e o mesmo número de colunas. Define-se a adição 𝐴 + 𝐵 = 𝐶 como sendo formada pelos elementos𝑐𝑖𝑗 = 𝑎𝑖𝑗 + 𝑏𝑖𝑗 Define-se a subtração 𝐴 + 𝐵 = 𝐶 como sendo formada pelos elementos 𝑐𝑖𝑗 = 𝑎𝑖𝑗 − 𝑏𝑖𝑗 Exemplo: Operações sobre Matrizes Multiplicação de matrizes: Dada duas matrizes 𝐴 ∈ ℝ𝑚×𝑛 e 𝐵 ∈ ℝ𝑛×𝑝, chama-se produto da matriz 𝐴 pela matriz 𝐵 que se indica 𝐶 = 𝐴 × 𝐵 a matriz 𝑚 × 𝑝 definida por 𝑐𝑖𝑗 = 𝑎𝑖1𝑏1𝑗 + 𝑎𝑖2𝑏2𝑗 + ⋯+ 𝑎𝑖𝑛𝑏𝑛𝑗 Observações: O produto de duas matrizes existe se e somente se o número de colunas da matriz 𝐴 for igual ao número de linhas da matriz 𝐵. Se as matrizes 𝐴 e 𝐵 são 𝑚 × 𝑛 e 𝑛 × 𝑝 respectivamente, então o produto 𝐶 = 𝐴 × 𝐵 existe e é uma matriz 𝑚 × 𝑝. Operações sobre Matrizes Exemplo (Multiplicação): 2 3 3 1 1 0 2 4 4 5 2 3 3 2 2 1 3 4 12 14 . 1 3 0 2 1 1 0 4 3 1 4 3 5 2 4 1 5 4 22 24 A e B C AB Propriedades 𝑀 representa a matriz nula (0) e 𝐴′ = −𝐴 𝐴 + 𝐵 + 𝐶 = 𝐴 + 𝐵 + 𝐶 𝐴 + 𝐵 = 𝐵 + 𝐴 𝐴 + 𝑀 = 𝐴 𝐴 + 𝐴′ = 0 Propriedades Seja 𝐼 matriz identidade de mesma ordem de 𝐴, e 𝑎 e 𝑏 escalares: O produto de uma matriz 𝐴 por um escalar 𝑏 é a matriz 𝑏𝐴 obtida pela multiplicação de cada entrada da matriz 𝐴 por 𝑏 𝑎 𝑏𝐴 = 𝑎𝑏 𝐴 𝑎 𝐴 + 𝐵 = 𝑎𝐴 + 𝑎𝐵 𝑎 + 𝑏 𝐴 = 𝑎𝐴 + 𝑏𝐴 𝐼𝐴 = 𝐴 Propriedades Multiplicação de Matrizes 𝐴 × (𝐵 × 𝐶)=(𝐴 × 𝐵) × 𝐶 𝐴 × (𝐵 + 𝐶)= 𝐴 × 𝐵 + 𝐴 × 𝐶 (𝐴 + 𝐵) × 𝐶)=𝐴 × 𝐶 + 𝐵 × 𝐶 𝑘(𝐴 × 𝐵)= 𝐴 × 𝑘𝐵 = (𝑘𝐴) × 𝐵 Em geral: 𝐴 × 𝐵 ≠ B × 𝐴 Propriedades 𝐴𝑡 𝑡 = 𝐴 𝐴 + 𝐵 𝑡 = 𝐴𝑡 + 𝐵𝑡 𝑘𝐴 𝑡 = 𝑘𝐴𝑡 𝐴 × 𝐵 𝑡 = 𝐵𝑡 × 𝐴𝑡 Matrizes em blocos (particionadas) Uma matriz pode ser subdividida em blocos ou particionada em matrizes menores inserindo cortes horizontais e verticais entre linhas e colunas. Por exemplo, as seguintes são três partições possíveis de uma matriz 3 × 4 arbitrária. Multiplicação matricial por colunas e linhas A partição de matrizes em blocos tem muitas utilidades, uma das quais sendo encontrar uma linha ou coluna específica de um produto matricial 𝐴 × 𝐵 sem calcular todo o produto. 𝑗 − é𝑠𝑖𝑚𝑜 𝑣𝑒𝑡𝑜𝑟 𝑐𝑜𝑙𝑢𝑛𝑎 𝑑𝑒 𝐴 × 𝐵 = 𝐴 × 𝑗 − é𝑠𝑖𝑚𝑜 𝑣𝑒𝑡𝑜𝑟 𝑐𝑜𝑙𝑢𝑛𝑎 𝑑𝑒 𝐵 𝑖 − é𝑠𝑖𝑚𝑜 𝑣𝑒𝑡𝑜𝑟 𝑙𝑖𝑛ℎ𝑎 𝑑𝑒 𝐴 × 𝐵 = 𝑖 − é𝑠𝑖𝑚𝑜 𝑣𝑒𝑡𝑜𝑟 𝑙𝑖𝑛ℎ𝑎 𝑑𝑒 𝐴 × 𝐵 Exemplo: Sejam 72 10 14 , 062 421 BA Multiplicação AB = BA? Multiplicação de um vetor pela matrix 𝐴𝐵: aplicar a transformação 𝐵 primeiro e multiplicar por 𝐴 Multiplicação não é comutativa! ... ... ... ... ... ... a b e f ae bg c d g h e f a b ea fc g h c d Inversa de uma Matriz Inversa existe apenas para matrizes quadradas que são não singulares Mapeia o espaço ℝ𝑛 para outro espaço ℝ𝑛 Algumas matrizes tem inversa, de tal modo que : 𝐴𝐴−1 = 𝐼 Inverter uma matriz é complicado 𝐴𝐵𝐶 −1 = 𝐶−1𝐵−1𝐴−1 Determinante Representa-se o determinante de uma matriz A por det A, ou por barras simples verticais, contendo todos os elementos da matriz. DETERMINANTES E SISTEMAS LINEARES DETERMINANTES E SISTEMAS LINEARES Cálculo do determinante Matriz de ordem 1: o determinante é igual ao único elemento da matriz. Ex: 𝐴 = [3] e det 𝐴 = |3| = 3 Matriz de ordem 2: o determinante é obtido pela diferença entre o produto dos elementos da diagonal principal e o produto dos elementos da diagonal secundária. Exemplo: Matriz operando em vetores Uma matriz é como uma função que transforma os vetores em um plano Matriz operando em ponto geral: transforma os componentes X e Y Sistema de equações lineares: matriz é apenas o conjunto de coeficientes 𝑥′ = 𝑎𝑥 + 𝑏𝑦 𝑦′ = 𝑐𝑥 + 𝑑𝑦 𝑎 𝑏 𝑐 𝑑 𝑥 𝑦 = 𝑥′ 𝑦′ Exemplo Prove que a projeção é na verdade uma transformação linear, ou seja 𝑝𝑟𝑜𝑗 𝑢, 𝑣 = 𝑢 ⋅ 𝑣 𝑣 ⋅ 𝑣 𝑣 Equivale a 𝑝𝑟𝑜𝑗 𝑢, 𝑣 = 𝑇𝑢 Verifique a validade com os vetores 𝑣 = 3 4 𝑇 e 𝑢 = 1 2 𝑇 𝑃 𝑥 𝑦 𝑡𝑥 𝑡𝑦 𝑃′ 𝑡 Translação 𝑃′ = 𝑥 + 𝑡𝑥 , 𝑦 + 𝑡𝑦 = 𝑃 + 𝑡 P P’ Translação 𝑃′ = 𝑥 + 𝑡𝑥, 𝑦 + 𝑡𝑦 = 𝑃 + 𝑡 Defina 𝑃 em coordenadas homogêneas 𝑃 = 𝑥 𝑦 → 𝑥 𝑦 1 𝑃′ = 1 0 0 0 1 0 0 0 1 𝑃 + 0 0 𝑡𝑥 0 0 𝑡𝑦 0 0 0 𝑃 = 1 0 𝑡𝑥 0 1 𝑡𝑦 0 0 1 𝑃 Translação Defina 𝑃 em coordenadas homogêneas 𝑃′ = 𝑇𝑃 𝑇 = 1 0 𝑡𝑥 0 1 𝑡𝑦 0 0 1 Exemplo Calcule o deslocamento do ponto 𝑃(3,4) quando aplicada a transformação 𝑇 com 𝑡𝑥 = 2 e 𝑡𝑦 = − 1. 𝑇 = 1 0 𝑡𝑥 0 1 𝑡𝑦 0 0 1 = 1 0 2 0 1 −1 0 0 1 Escalamento Escalar uma coordenada significa multiplicar cada um de seus componentes por um valor escalar Escalamento isotrópico significa que esse valor escalar é o mesmo para todos os componentes 2 Escalamento Escalamento não-isotrópico: valores escalares diferentes por componente: Como representar o escalamento na forma de matrizes? X 2, Y 0.5 Matrizes rescala Rescalonamento: “matriz diagonal” (nota: os eixos 𝑥 e 𝑦 podem ser reescalados diferentemente) [1,0]T [0,1]T [r1,0] T [0,r2] T 𝑟1 0 0 0 𝑟2 0 0 0 1 𝑟𝑒𝑒𝑠𝑐𝑎𝑙𝑎 Escalamento Operação de escalamento: Na forma matricial: by ax y x ' ' Matriz de escalamento 1 2 0' 0' rx x ry y P P’ Reecala Contração e dilatação 𝑇 = 𝑟 0 0 𝑟 Dilatação (r >1), Contração (r <1) Matrizes de rotação Rotação pura: “matriz ortogonal” 𝑅 = cos 𝜃 −𝑠𝑒𝑛 𝜃 𝑠𝑒𝑛 𝜃 cos 𝜃 [1,0]T [0,1]T cos 𝜃 −𝑠𝑒𝑛 𝜃 0 𝑠𝑒𝑛 𝜃 cos 𝜃 0 0 0 1 𝑟𝑜𝑡𝑎çã𝑜 −𝒔𝒆𝒏 𝜽, 𝒄𝒐𝒔 𝜽 𝑻 𝒄𝒐𝒔 𝜽, 𝒔𝒆𝒏 𝜽 𝑻 𝑃′ Rotação Matriz de rotação 𝑅 = cos 𝜃 −𝑠𝑒𝑛 𝜃 𝑠𝑒𝑛 𝜃 cos 𝜃 𝑃′ = 𝑅 × 𝑃 𝑃 Rotação Matriz de rotação em torno de um eixo no espaço 𝑅 = cos 𝜃 −𝑠𝑒𝑛 𝜃 0 𝑠𝑒𝑛 𝜃 cos 𝜃 0 0 0 1 𝑃′ = 𝑅 × 𝑃 Reflexão Matriz de reflexão sobre um eixo no espaço 𝑅 = −1 0 0 0 1 0 0 0 1 𝑃′ = 𝑅 × 𝑃 Composição de Matrizes Atenção: ordem das transformações faz diferença Multiplicação de matrizes não é comutativa p’ = T * R * S * p “Global” “Local” Ordem das Transformações x y y x p R x y 2 2 2 y x p T x y 1 1 1 y x p R x y y x 1p x y 2 2 2 y x p T (a) (b) Ordem das Transformações Ex: rotacionar segmento em 45 graus em torno da extremidade a a a Resultado esperado Ordem das Transformações Erro: aplicar a rotação de 45𝑜, R(45), afeta as duas extremidades Pode-se tentar fazer a rotação e depois retornar o ponto a à sua posição original, mas quanto ele precisaria ser transladado?Errado! R(45) a a Correto T(-3) R(45) T(3) a Como trazer o ponto a de volta à posição original?? ? Ordem das Transformações Correto: isolar ponto a dos efeitos da rotação Transladar a linha para colocar a na origem: T (-3) Rotacionar linha em 45𝑜: R(45) Transladar a de volta: T(3) a a a a Composição de Matrizes 1 ' ' 1 100 010 301 100 0)45cos()45sin( 0)45sin()45cos( 100 010 301 y x y x a a a a T(3) R(45) T(-3) A multiplicação começa da última para a primeira transformação Rotação ao redor de um ponto fixo for a da origem Fazer em 3 etapas Mover ponto fixo para origem Rotacionar Mover ponto fixo de volta 𝑀 = 𝑇(𝑝𝑓)𝑅 𝜃 𝑇(−𝑝𝑓) Composição de Matrizes Transformações podem ser combinadas pela multiplicação de matrizes w y x sy sx ty tx w y x 100 00 00 100 0cossin 0sincos 100 10 01 ' ' ' p’ = T(tx,ty) R() S(sx,sy) p Composição de Matrizes Depois de ordenar as matrizes corretamente: Multiplicá-las Guardar resultado em uma só matriz Usar essa matriz para realizar a transformação composta em cada um dos pontos que definem o objeto transformado (vértices, por exemplo) Todos os Pontos podem ser transformados com uma simples multiplicação de vetor por matriz. Exercício Considere o triângulo com os seguintes vértices em coordenadas homogêneas Rotacione o triângulo de 90𝑜 (sentido anti- horário) em relação ao ponto 𝑃 = (6,5) y x C B A P Etapas da Solução Definir matriz para transladar o triângulo de modo que o centro de rotação se mova para a origem do sistema de coordenadas Definir matriz para rotacionar o triângulo Definir matriz para transladar o triângulo de volta Gerar matriz combinada da transformação Transformar os vértices do triângulo Etapas da Solução Definir matriz para transladar o triângulo de modo que o centro de rotação se mova para a origem do sistema de coordenadas Centro de rotação: P = (6,5) Translação de -6 unidades em x e -5 unidades em y Etapas da Solução Definir matriz para rotacionar o triângulo O ângulo de rotação é medido no sentido anti-horário: R(+90o) cos(90o) = 0 e sin(90o) = 1 Etapas da Solução Definir matriz para transladar o triângulo de volta Translação de 6 unidades em x e 5 unidades em y Etapas da Solução Gerar matriz combinada da transformação = Etapas da Solução Transformar os vértices do triângulo y x C B A P B’ = A’ C’ Transformações em 3D Mesma idéia que em 2D: Coordenadas homogêneas: (x,y,z,w) Matrizes de trasnformação 4x4 w z y x ponm lkji hgfe dcba w z y x ' ' ' ' Transformações 3D Básicas w z y x w z y x 1000 0100 0010 0001 ' ' ' w z y x t t t w z y x z y x 1000 100 010 001 ' ' ' w z y x s s s w z y x z y x 1000 000 000 000 ' ' ' Identidade Escalamento Translação Transformações 3D Básicas w z y x w z y x 1000 0100 0010 0001 ' ' ' Espelhamento em torno do plano YZ w z y x w z y x 1000 0100 0010 0001 ' ' ' Espelhamento em torno do plano XZ w z y x w z y x 1000 0100 0010 0001 ' ' ' Espelhamento em torno do plano XY Transformações 3D Básicas w z y x w z y x 1000 0100 00cossin 00sincos ' ' ' Rotação em torno de Z: w z y x w z y x 1000 0cos0sin 0010 0sin0cos ' ' ' w z y x w z y x 1000 0cossin0 0sincos0 0001 ' ' ' Rotação em torno de Y: Rotação em torno de X: Produtos matriciais como combinações lineares Sejam 𝐴 = 𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑎21 𝑎22 𝑎2𝑛 ⋮ ⋱ ⋮ 𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑥 = 𝑥1 𝑥2 ⋮ 𝑥𝑛 Então 𝐴𝑥 = 𝑎11𝑥1 𝑎12𝑥2 ⋯ 𝑎1𝑛𝑥𝑛 𝑎21𝑥1 𝑎22𝑥2 𝑎2𝑛𝑥𝑛 ⋮ ⋱ ⋮ 𝑎𝑚1𝑥1 𝑎𝑚2𝑥2 ⋯ 𝑎𝑚𝑛𝑥𝑛 = 𝑥1 𝑎11 𝑎21 ⋮ 𝑎𝑚1 + 𝑥2 𝑎12 𝑎22 ⋮ 𝑎𝑚2 + ⋯+ 𝑥𝑛 𝑎1𝑛 𝑎2𝑛 ⋮ 𝑎𝑚𝑛 Dizemos que o produto 𝐴𝑥 de uma matriz 𝐴 por um vetor coluna 𝑥 é uma combinação linear dos vetores colunas de 𝐴 com coeficientes provenientes do vetor 𝑥 Forma matricial de um sistema linear Considere o sistema linear com 𝑚 equações e 𝑛 incógnitas: 𝑎11𝑥1 + 𝑎12𝑥2 + ⋯+ 𝑎1𝑛𝑥𝑛 = 𝑏1 𝑎21𝑥1 + 𝑎22𝑥2 + ⋯+ 𝑎1𝑛𝑥𝑛 = 𝑏2 … 𝑎𝑚1𝑥1 + 𝑎𝑚2𝑥2 + ⋯+ 𝑎𝑚𝑛𝑥𝑛 = 𝑏𝑚 Podemos escrever na forma matricial. Forma matricial de um sistema linear A matriz 𝑚 × 1 à esquerda desta equação pode ser escrita como um produto: 𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑎21 𝑎22 𝑎2𝑛 ⋮ ⋱ ⋮ 𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑥1 𝑥2 ⋮ 𝑥𝑛 = 𝑏1 𝑏2 ⋮ 𝑏𝑚 Denotando estas matrizes por 𝐴, 𝑥 e 𝑏, respectivamente, o sistema original de 𝑚 equações e n incógnitas foi substituído pela única equação matricial: 𝐴𝒙 = 𝒃 Matriz de coeficientes Matriz-coluna de incógnitas Matriz-coluna de constantes Algebra Linear Linear Algebra has become as basic and as applicable as calculus, and fortunately it is easier. --Gilbert Strang, MIT Last Chance 170
Compartilhar