Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 FORMULÁRIO PARA AS DISCIPLINAS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR. MATRIZ INVERSA DISPOSITIVO PRÁTICO Se A = dc ba e det A 0 , então A 1 = Adet 1 ac bd 0AdetA 1 CLASSIFICAÇÃO DE UM SISTEMA LINEAR QUANTO ÀS SOLUÇÕES: determinado (solução única) - SPD compatível Sistema Linear (possui solução) indeterminado (várias soluções) - SPI incompatível (não possui solução) - SI ESPAÇO VETORIAL REAL Da mesma forma que o n , qualquer conjunto V no qual estão definidas duas operações: adição e multiplicação por escalar em relação as quais valem as dez propriedades citadas acima chama-se espaço vetorial real. Os elementos de um espaço vetorial são chamados vetores independente de sua natureza. Para o conjunto n , no qual estão definidas as operações adição e multiplicação por escalar, isto é u,v n , u+v n e , u n , u n é fácil verificar-se as seguintes propriedades: A1 : u + v = v + u , u,v n A2 : (u + v) + w = u + (v + w) , u,v,w n A3 : 0 n , u n , u + 0 = u A4 : u n , (-u) n , u + (-u) = 0 2 M1 : ( + )u = u + u , e u n (u + v) = u + v , e u,v n M3 : ()u = (u) , e u n M4 : 1u = u , u n Este conjunto n , no qual estão definidas as operações adição e multiplicação por escalar e em relação as quais valem as dez propriedades citadas, é chamado espaço vetorial real. SUBESPAÇO VETORIAL Seja S um subconjunto não-vazio de um espaço vetorial V. S é um subespaço vetorial de V sse: i) Sv,u , Svu ii) Su Su Obs.: sse significa “se e somente e se”. COORDENADAS DE UM VETOR Seja B = { n21 v,...,v,v } uma base de um espaço vetorial V. v V, nn2211 va...vavav . Os reais n21 a,...,a,a são chamados de componentes ou coordenadas de v na base B e se representa por )a,...,a,a(v n21B . Notação matricial: n 2 1 B a : a a v . MUDANÇA DE BASE Da relação acima, ABv 1B vA e BAv 1A vB , onde: - A1B é denominada matriz mudança de base de A para B e é representada por A BM . - BA 1 é denominada matriz mudança de base de B para A e é representada por B AM . VETORES ORTOGONAIS Dois vetores u e v de V são ortogonais se e somente se u.v=0 . u v u.v = 0 3 BASE ORTOGONAL E BASE ORTONORMAL Uma base B de um espaço vetorial V é ortogonal se os seus vetores são dois a dois ortogonais. Uma base B de um espaço vetorial é ortonormal se B é ortogonal e todos os seus vetores são unitários. B é ortogonal : vi.vj = 0 para i j. B é ortonormal : vi.vj =0 para i j e vi.vj = 1 para i=j. PROCESSO DE ORTOGONALIZAÇÃO DE GRAM-SCHMIDT O processo de Gram-Schmidt que nos possibilita construir uma base ortogonal B={u1,u2,...,un} de um espaço vetorial V a partir de uma base qualquer A={v1,v2,...,vn} de V, consiste no seguinte: Considera-se u1 = v1 e ui = vi - 1i 1i1i 1ii 1 11 1i u. u.u u.v ....u. u.u u.v , para i=2,...,n. TRANSFORMAÇÃO LINEAR Sejam V e W espaços vetoriais. Uma função T de V em W é chamada transformação linear (TL) , se i) T(u+v) = T(u) + T(v) , Vv,u ii) T( u) = T(u), e Vu No caso de V = W, T é chamada operador linear sobre V. MATRIZ ORTOGONAL Uma matriz quadrada A é ortogonal se A-1 = At PROPRIEDADES a) Se A é uma matriz ortogonal então detA = 1 . b) Se A é uma matriz ortogonal e det A = 1 então A é uma matriz rotação. c) Uma matriz A é ortogonal sse as colunas(ou linhas) de A são vetores ortonormais. 4 MATRIZ DE UMA TRANSFORMAÇÃO LINEAR EM BASES QUAISQUER Sejam T:V W uma TL, A= n21 v,...v,v uma base de V e B={w1,w2,...wm} uma base de W. Como T(v1),T(v2),...T(vn) W, podemos escrever: T(v1)=a11w1+a21w2+ . . . +am1wm T(v1)B= (a11,a21, . . . am1) T(v2)=a12w1+a22w2+ . . . +am2wm T(v2)B= (a12,a22, . . . am2) . . . . . . . . . . . . . . . . . . T(vn)=a1nw1+a2nw2+ . . . +amnwm T(vn)B= (a1n,a2n, . . . amn) A matriz que representa a TL T em relação as bases A e B é mnmm n n A B aaa aaa aaa T 21 22221 11211 ... ... ][ T(vn)B T(v2)B T(v1)B A matriz A BT ][ é tal que T(v)B= A BT ][ .vA VETORES PRÓPRIOS E VALORES PRÓPRIOS T(v) = v A.v = v A.v - v = 0 A.v - I.v = 0 (A - I).v = 0 O sistema homogêneo correspondente admitirá soluções v 0 , se det(A - I) = 0. A equação é chamada “equação característica de T ” e suas raízes são os valores próprios de T. 5 DIAGONALIZAÇÃO DE OPERADORES Seja o operador linear T:V V com dim V = n. Se os valores próprios de T são distintos, o conjunto P, formado pelos correspondentes vetores próprios é LI, e portanto, P é uma base de V. Sejam 1, 2,..., n os valores próprios de T e P= n21 v,...v,v a base dos vetores próprios correspondentes. Então, podemos escrever: T(v1) = 1v1 = 1v1 + 0.v2 + . . . + 0.vn T(v1)P = ( 1,0, . . .,0) T(v2) = 2v2 = 0.v1 + 2v2 + . . . + 0.vn T(v2)P = (0, 2,. . . ,0) . . . . . . . . . . . . . . . . . . . . . T(vn) = nvn = 0.v1 + 0.v2 + . . . + nvn T(vn)P = (0,0, . . ., n) Logo, a matriz que representa T em relação a base P é n PT 00 0...0 0...0 ][ 1 2 1 = D A matriz D é tal que T(v)P =D.vP Sejam T:V V um operador linear , D a matriz diagonal que representa T na base P dos vetores próprios e A a matriz que representa T na base canônica C. As matrizes [T]P = D e [T]C = A são semelhantes. De relação entre matrizes semelhantes, [T]P = Q-1 .[T]C . Q com Q = M P C = C-1.P = P. Logo, D = P-1.A.P 6 Seja A uma matriz simétrica com valores próprios distintos. A matriz P formada pelos vetores próprios unitários é ortogonal, isto é , P-1 = Pt . Nesse caso, dizemos que P diagonaliza A ortogonalmente e D =PtAP.
Compartilhar