Baixe o app para aproveitar ainda mais
Prévia do material em texto
MATERIAL PARA ESTUDO – ÁLGEBRA LINEAR Multiplicação de Matrizes � � �1 22 3� � �1 2� A x B ? � �1 � 1 � 2 � 2 2 � 1 � 3 � 2� � � 510� 2 x 2 2 x 1 Obs.: Somente pode-se multiplicar se o numero de colunas for o mesmo de linhas da outra matriz. A x , B x e a resultante é uma matriz x Adição de Matrizes � � �1 22 3� � �1 02 0� � � � �1 � 1 2 � 02 � 2 3 � 0� � �2 24 3� Subtração de Matrizes � � �1 22 3� � �1 02 0� � � � �1 � 1 2 � 02 � 2 3 � 0� � �0 20 3� Matriz Inversa Somente existe inversa se det(A) for ≠ de 0. [A | Identidade] � Inversa � � �1 22 3� �� = �1 22 3 � �1 00 1� � Gauss Jordan � �1 00 1� ��3 22 �1 � � Resposta = ��3 22 �1 � Equações Lineares Exemplo: ANDERSON É DONO DE UMA EMPRESA QUE FABRICA ARTIGOS DE COURO. ELE PRODUZ SAPATOS E BOLSAS. SEGUEM ALGUNS DADOS SOBRE OS PRODUTOS: - PARA FABRICAR 1 BOLSA É NECESSÁRIO UTILIZAR 500G DE COURO E 2 HORAS DE TRABALHO; - PARA PRODUZIR UM SAPATO 300G DE COURO E 1 HORA DE TRABALHO; - HÁ DISPONIBILIDADE DE 1 TON. DE COURO E 3730 HORAS DE TRABALHO TODO MÊS. COMO TIRAR O MÁXIMO DE PROVEITO DO COURO E DO TEMPO DA INDÚSTRIA? Resolução Bolsas Sapatos Total Couro (Kg) 0,500 0,300 1000 Mão de Obra (H) 2:00 1:00 3730:00 Com isso podemos criar o seguinte sistema de equações: | 0,5b + 0,3s = 1000 | 2b + 1s = 3730 Matriz ampliada do sistema: �0,5 0,32 1 1000 3730� Aplicando Gauss-Jordan - Escalonamento �1 00 1 1190 1350� Resposta Para tirar o máximo de proveito é necessário produzir 1190 unidades de bolsas e 1350 unidades de sapatos. CLASSIFICAÇA� O DE SISTEMAS – MATRIZES Sistemas Possıv́eis e Indeterminados (SPI) Quando um sistema possui mais de uma solução para o sistema. Seja pela combinação de outros elementos ou outra solução. Exemplo: X Y Z W �1 2 22 4 73 6 9 1 13�1 380 51� � Gauss Jordan � � 1 2 00 0 10 0 0 1 5�1 40 0� � � � 2� � 3� � 5� �� � 4�� ℎ" #$%" Número de Incógnitas “Nulidade”: 4 (x,y,z,w) Número de Pivôs “Posto”: 2 (linha 1 e linha 2) Grau de Liberdade: Nulidade – Posto = 4 – 2 = 2 (Se o grau de liberdade for > 0, e não for um sistema impossível (SI), sempre será SPI). Dica: Se det(matriz) = 0, será SPI ou SI. Se o número de colunas for maior que o número de linhas, será SPI ou SI. Pois o grau e liberdade será maior que 0. Sistemas Possıv́eis e Determinados (SPD) O sistema é possível e determinado quando há apenas uma solução para o sistema, a solução trivial. E o grau de liberdade é igual a 0. Exemplo: X Y �0,5 0,32 1 1000 3730� � Gauss Jordan � �1 00 1 1190 1350� Número de Incógnitas “Nulidade”: 2 (x,y) Número de Pivôs “Posto”: 2 (linha 1 e linha 2) Grau de Liberdade: Nulidade – Posto = 2 – 2 = 0 (Se o grau de liberdade for = 0, é um sistema SPD. Dica: Se det(matriz) ≠ 0, será SPD. Sistemas Impossıv́eis (SI) Quando o sistema retorna em alguma linha um valor 0 = número. Exemplo: �1 2 22 4 73 6 9 1 13�1 380 10� � Gauss Jordan � � 1 2 00 0 10 0 0 1 5�1 40 �41� � � � 2� � 3� � 5� �� � 4�� ℎ" & 'á%�)" Sistemas Homogêneos O sistema é considerado homogêneo quando a matriz está igualada a valores nulos. �1 2 *4 5 *� Sistemas homogêneos jamais serão SI, pois sempre haverá uma solução pelo menos, quando todas as variáveis forem = 0. Se o número de colunas for maior que o número de linhas, será SPI, NUNCA SI, devido a fato de haverem mais incógnitas que equações. Combinação Linear A combinação de vetores com escalar resulta em algum ponto. Esses escalares são chamados de coordenadas. (c1, c2.. ) Equação: c1 x Vetor 1 + c2 x Vetor 2 = Vetor Exemplo: VERIFIQUE SE � � + 5−8, É COMBINAÇÃO DE $ = +12, E ' = +−14 ,? c1 x u + c2 x v = W -� � �1 2� + -. � �−1 4 � = � 5−8� | 1c1 + -1c2 = 5 | 2c1 + 4c2 = -8 Matriz ampliada do sistema: �1 −1 52 4 −8� � Gauss Jordan � �1 0 20 1 −3� � c1 = 2, c2 = -3 Prova Real: c1 x u + c2 x v = W -� � �1 2� + -. � �−1 4 � = � 5−8� 2 � �1 2� + 3 � �−1 4 � = � 5−8� � 5−8� = � 5−8� Sistemas Linearmente Dependentes e Linearmente Independentes Um conjunto é definido com linearmente Independente se entre os vetores que o compõem não existe um vetor que é combinação entre eles. Podemos descobrir se é LI se a soma da combinação linear é igual a zero. Ou seja c1 x vetor 1 + c2 x vetor 2... = 0. Como descobrir se um sistema de vetores é LD ou LI ? c1 = c2 = c3 = 0. Se essa condição for encontrada, é LI. Para descobrir se se um conjunto é LD ou LI ? a = b = c.. = 0. Se essa condição for encontrada o sistema é LI. Exemplo: DESCUBRA SE O CONJUNTO / = 011242 , 1 25023 É LI: " � 11242 + 4 � 1 2502 = 1 0002 � (1a+2a+4a) + (2b+5b+0b) = (0,0,0) | 1a+2b=0 | 2a+5b=0 � b=0 | 4a+0b=0 � a=0 Resposta: Sim, é LI. Se tivermos apenas a resposta trivial, ou seja, sem combinação de variáveis (p.ex. x+2y=0), ele pode ser considerado LI. Caso contrário é Linearmente Dependente. LI: • O conjunto vazio é LI. • O conjunto unitário cujo único valor não é o vetor nulo, é LI. Bases Base de um sistema linear é um conjunto de vetores Linearmente Independentes que geram esse espaço. P.Ex. base de R2 gera todo R2. Obrigatoriamente o sistema tem que ser SPD, com apenas uma solução, a solução trivial e quadrado, por exemplo, a Base de R2 é 2x2, de R3 é 3x3, R4 é 4x4.. Dica: Se do det(matriz) ≠ 0 e é um sistema quadrado, onde o numero de linhas e número de colunas é o mesmo, é um sistema SPD, portanto LI. Para descobrir se é uma base de um espaço, pode-se criar um sistema homogêneo, e verificar se é SPD ou SPI. *** c1 e c2 são denominadas coordenadas de um vetor. Exemplo: DESCUBRA SE S = 6+1 2, , +2 4,7 SÃO BASES DE R2? 1.a Condição: é quadrado ? SIM 2.a Condição: det 6+1 2, , +2 4,7 = 0, Erro. Não é Base de R2. Prova Real: -� � �1 2� + -. � �24� = �00� | 1c1 + 2c2 = 0 | 2c1 + 4c2 = 0 Matriz ampliada �1 2 02 4 0� � Gauss Jordan � �1 2 00 0 0� � SPI, portando não é base de R2. É LD. c1+2c2=0 ! Dica: - 1.o, verificar se é um sistema quadrado. Ok, 2 linhas e 2 colunas ! - 2.o tirar o det 6+1 2, , +2 4,7 = 0. ATENÇÂO : sistema SPI. Por esse dado é possível perceber que é um sistema Linearmente Dependente. Portanto não é base de R2. Como sendo um sistema SPI, onde o grau de liberdade é maior que 0, não é uma base de R2. Um dos motivos é que pode haver vetores redundantes entre os dados. Nesse caso pode-se perceber que o vetor +24, na verdade é o dobro do vetor +12,. Essa informação não traz nenhuma ajuda para o problema sendo, portanto redundante. Exemplo: DESCUBRA SE S = 6+1 2, , +−11 ,7 SÃO BASES DE R2? 1.a Condição: é quadrado ? SIM 2.a Condição: det 6+1 2, , +−1 1 ,7 = 3, CERTO, é Base de R2. Prova Real: -� � �1 2� + -. � �−11 � = �00� | 1c1 + -1c2 = 0 | 2c1 + 1c2 = 0 Matriz ampliada �1 −1 02 1 0� � Gauss Jordan � �1 0 00 1 0� � SPD, portando é base de R2. É LI. c1=c2=0 Bases canônicas Base Canônica de: R1 = ;1< � 1x1 R2 = �1 00 1� � 2x2 R3 = �1 0 00 1 00 0 1� � 3x3 Mudança de Base Um vetor v que pertence a uma base gera coordenadas (c1,c2..) únicas, na troca de base o objetivo é encontrar novas coordenadas (c1,c2..) mas com outras bases. Por exemplo, se as coordenadas (c1,c2..) de uma Base B são (c1=2 e c2=4) como ficariam essas coordenadas se mudássemos a base para S ? Segue exemplo abaixo. Exemplo: SEJA AS BASES = 6+10, , +52,7 E / = 6+12, , +−11 ,7 DE R2, DETERMINE VS A PARTIR DE VB = +32, : (OU SEJA MUDE A BASE DE B PARA S) 1. Escreva os vetores de B como combinação linear da Base S:+1 0, = -� � +1 2, + -. � +−1 1 , � �1 −1 12 1 0� � Gauss Jordan � =1 0 �>0 1 − .>? � -� = �> , -. = − .> +5 2, = -> � +1 2, + -@ � +−1 1 , � �1 −1 52 1 2� � Gauss Jordan � =1 0 A>0 1 − B>? � -> = A> , -@ = − B> Prova real: +1 0, = -� � +1 2, + -. � +−1 1 , � +1 0, = �> � +1 2, − .> � +−1 1 , � +1 0, = +1 0, +5 2, = -> � +1 2, + -@ � +−1 1 , � +1 0, = A> � +1 2, − B> � +−1 1 , � +5 2, = +5 2, 2. Achamos a combinação de coordenadas na base S que chegam aos valores da base B. Agora é uma nova combinação de valores entre bases. Portanto: Então: VB = C D +E *, + F D +G F, 3. Trocamos +E *, e +G F, pelos valores encontrados na tabela. VB = C D +E *, + F D +G F, VS = 3.( �> H�.I + �.> H��� I ) + 2.( A> H�.I + �B> H��� I ) VS = ( >> H�.I + �J> H��� I ) + ( �@> H�.I + ��J> H��� I ) Vs = ( 1. H�.I − 2. H��� I ) + ( �@> H�.I − ��J> H��� I ) Vs = ( �A> H�.I − ..> H��� I ) Vs = ( �A> , − ..> ) � Coordenadas na base S Prova real: LM = (173 � +12, − 223 � +−11 ,) = 134 LP = (3 � +1 0, + 2 � +5 2,) = 134 Transformação linear É um tipo de função entre duas matrizes ou espaços vetoriais. Somente se: 1. T(u+v) = T(u) + T(v) 2. k.T(u) = T(k.u) Exemplo: R3 em R2 = T (a,b,c) = (a,b) T (1,2,3) = (1,2) Dobrar o vetor = T (a,b) = (2a, 2b) +E *, = 13 � +1 2, + −23 � +−1 1 , +G F, = 73 � +1 2, + −83 � +−1 1 , T (2,3) = (2.2, 2.3) � (4,6) Inverter o vetor = T (a,b) = (a,-b) T (1,2) = (1, -2) Tirando a prova real se é transformação linear: Exemplo: VERIFICAR SE T (X,Y) = (X,Y,X+1) É TRANSFORMAÇÃO LINEAR: zConferir axioma 1. T (u+v) = T(u) + T(v) ? Supomos que u = (a,b) e v = (c,d) T (u+v) = T ((a,b) + (c,d)) � T (a+c,b+d) � (a+c, b+d, a+c+1) T(u) + T(v) = T ((a,b,a+1) + T(c,d,c+1)) � (a+c, b+d, a+c+2) Diferentes !! Portanto não é transformação linear. Exemplos: SENDO Q +1 1, = 1 1−3 1 2 E Q +2 3, = 1 10 −12 DETERMINE Q +−1 2 , ? Metodologia parecida com a troca de base. Ou seja, faça a transformação como combinação linear das bases das transformações. +−1 2 , = -1 � +1 1, + -2 � +2 3, � �1 1 −11 3 2 � � Gauss Jordan � -1 = −7, -2 = 3 +−1 2 , = −7 � +1 1, + 3 � +2 3, Q +−1 2 , = −7 � Q +1 1, + 3 � Q +2 3, Q +−1 2 , = −7 � 1 1−3 1 2 + 3 � 1 1 0−12 Q +−1 2 , = 1−4 21−102 Núcleo de um Conjunto É o conjunto que forma o vetor nulo. Por exemplo: T(x,y,z) = (x,y) Nuc(T) = (0,0) T(x,y,z) = (0,0) x = 0 y = 0 z = qualquer número. Conjunto Imagem É o conjunto resposta após a transformação linear. Por exemplo: T(x,y,z) = (x,y) R3 R2 Im(T) é o R2 Conjunto imagem é o R2. Matriz canônica da Transformação Exemplo: T(x,y) = (2x,2y) T(x,y) = w (vetor qualquer) (2x, 2y) = (w1, w2) | w1 = 2x + 0y | w2 = 0x + 2y �2 00 2� � ��R� � Matriz canônica da Transformação Mudança de Base em Matrizes DADAS AS SEGUINTES BASES = 6+1 0, +0 1,7 E # = 6+11, +2 1,7 ENCONTRE A MATRIZ DE TRANSIÇÃO DE NB PARA B E USE A MATRIZ PARA DETERMINAR WB SENDO WNB = +−3 5 ,. Matriz de transição: Metodologia parecida com troca de base: +1 1, = -� � +1 0, + -. � +0 1, � Gauss Jordan � -� = 1, -. = 1 +2 1, = -> � +1 0, + -@ � +0 1, � Gauss Jordan � -> = 2, -@ = 1 Modelo de Matriz de Transição: +-� ->-. -@, Portanto, +1 21 1, � Matriz de Transição (P) Após isso utilizamos a equação: WB = P x WNB WB = +1 21 1, � +−3 5 , � +7 2, Prova Real: = 6+1 0, +0 1,7 � 7 � +1 0, + 2 +0 1, � +S F, # = 6+1 1, +2 1,7 � −3 � +1 1, + 5 +2 1, � +SF, Ou seja, as coordenadas do vetor WNB +−3 5 , para chegar a um ponto utiliza as novas coordenadas WB +7 2,numa nova base para chegar ao mesmo ponto. Autovetores e Autovalores São valores de escalares e vetores que simplificam matrizes. Equação A.x = λ.x Sendo x um vetor e λ um escalar. Exemplo: O VETOR � = + 2 −5, É UM AUTOVETOR DE � = +3 25 0, ASSOCIADO AO AUTOVALOR Λ = −2, POIS: A.x = λ.x +3 25 0, � + 2 −5, = −2 � + 2 −5, � +−4 10 , = +−4 10 , Como descobrir autovetores e autovalores? Equação 1 (λ.I – A).x = 0 Equação 2 det(λ.I – A) = 0 * Sendo I matriz identidade (ou canônica). Exemplo: QUAIS SÃO OS AUTOVALORES E AUTOVETORES DA MATRIZ � = +1 02 3, ? Equação 2 det(λ.I – A) = 0 * Obs: Matriz identidade (2x2) = +1 00 1, det (λ. +1 00 1, - +1 02 3,) = 0 det (+λ 00 λ, - +1 02 3,) = 0 det (+λ − 1 0 − 00 − 2 λ − 3,) = 0 det (+λ − 1 0−2 λ − 3,) = 0 (λ − 1)x(λ − 3) − (0� − 2) = 0 λ. − 4λ + 3 = 0 Polinômio característico de A Resolvendo por Bhaskara: �W±YWZ�@[\.[ � λ� = 1, λ. = 3 Autovalores de A � Autovetor associado a λ1 = 1 A.x = λ.x * x é um vetor genérico +" 4 , +1 02 3, x +" 4 , = 1 x +" 4 , | 1a + 0b = a | 2a + 3b = b sugestão começar pela de baixo. Aqui b = -a Portanto λ1 = 1; x = +" 4 , = + " −", � + 1 −1, Portando o vetor + 1 −1, é um autovetor de A associado ao λ1 = 1. � Autovetor associado a λ2 = 3 A.x = λ.x * x é um vetor genérico +" 4 , +1 02 3, x +" 4 , = 3 x +" 4 , | 1a + 0b = 3a | 2a + 3b = 3b sugestão começar pela de baixo. Aqui a = 0 Portanto λ2 = 3; x = +" 4 , = +0 4, � +0 1, Portando o vetor +0 1, é um autovetor de A associado ao λ2 = 3. Prova Real: � Autovetor associado a λ1 = 1 A.x = λ.x * x é um vetor genérico no formato + 1 −1, +1 02 3, x + 1 −1, = 1 x + 1 −1, � + 1 −1, = + 1 −1, � Autovetor associado a λ2 = 3 A.x = λ.x * x é um vetor genérico no formato +0 4, +1 02 3, x +0 1, = 3 x +0 1, � +0 3, = +0 3, Autoespaço Pegando o exemplo anterior: • O vetor + 1 −1, associado a λ1 = 1 é uma base do autoespaço associado a λ1 = 1. • O vetor +0 1, associado a λ2 = 3 é uma base do autoespaço associado a λ2 = 3. Diagonalização de Matrizes Tornar uma matriz diagonal. Equação P-1 x A x P = Matriz Diagonalizada Exemplo: ENCONTRE A MATRIZ QUE DIAGONALIZA � = +1 02 3, ? Descobrir os autovetores e autovalores da matriz. Pegando a resposta do exemplo anterior: Autovalores: λ� = 1, λ. = 3 Autovetores: + 1 −1,, +0 1, Podemos criar a matriz P: + 1 0−1 1, P-1 x A x P = Matriz Diagonalizada +1 01 1, � +1 02 3, � + 1 0−1 1, = +1 00 3, Como pode ser observado a matriz Diagonalizada são os valores dos autovalores λ� = 1, λ. =3. Portanto poderíamos ter feito a matriz sem nenhum cálculo. Apenas trocando os valores em uma matriz identidade.
Compartilhar