Baixe o app para aproveitar ainda mais
Prévia do material em texto
REVISÃO AV2 ÁLGEBRA LINEAR Álgebra Linear Profº Milton Alexandre TÓPICO 3.1 – ESPAÇOS E SUBESPAÇOS VETORIAIS conjunto V. Questão 1 - O que são espaços e subespaços vetoriais? Explicação: Espaço Vetorial é todo conjunto V, cujos elementos são vetores, que satisfaz aos seguintes requisitos: Dados dois vetores u e v, que pertencem ao conjunto V, necessariamente, a soma vetorial (u + v) também pertence ao conjunto V. u , v ∈ V → (u+ v) ∈ V Dado um vetor u, pertencente ao conjunto V, a multiplicação de u por um escalar k, que pertence ao conjunto dos reais, k * u, necessariamente, também pertence ao u ∈ V , k ∈ ℝ → k ∗u ∈ V Um espaço vetorial que seja munido de um produto interno entre vetores é chamado espaço vetorial euclidiano. Ou seja, dados dois vetores u e v, é possível definir o número real que é resultado do produto <u,v>. No caso em queV = ℝ2 , u = (x,y), v = (z,w), o produto interno usual é dado por <u,v> = (x * z) + (y * w). Assim, é possível definir a norma de um vetor u como |u| = √⟨ u , u⟩ . TÓPICO 3.1 – ESPAÇOS E SUBESPAÇOS VETORIAIS Questão 1 – O que são espaços e subespaços vetoriais? Explicação: Subespaço Vetorial, de um espaço vetorial V, é todo suconjunto S, de V, que, além de satisfazer aos requisitos exigidos pelos espaços vetoriais, também satisfaz aos seguintes requisitos: O vetor nulo de V está inserido no conjunto S. 0 ∈ S Dados dois vetores u e v, pertencentes a S, e dois escalares k e g, pertencentes ao consjunto dos reais, necessariamente, (k * u + g * v) também pertence a S. u , v ∈ S , k , g ∈ ℝ → (k∗u+ g∗v ) ∈ S OBS: É importante lembrar que, apesar do nome, o conceito de espaço vetorial também está associado a outros tipos de objetos matemáticos. Por exemplo, o conjunto das matrizes quadradas de ordem 2, o conjunto dos polinômios de grau 3, etc. TÓPICO 3.2 – DEPENDÊNCIA E INDEPENDÊNCIA LINEARES podem ser considerados Questão 2 – Quando um ou mais vetores linearmente independente ou dependentes? Explicação: É fundamental para compreender o conceito de independência (ou dependência) linear, entender primeiramente o conceito de combinação linear. Um vetor u qualquer, pertencente a um espaço vetorial V, é dito uma combinação linear dos vetores v1, v2, …, vn, também pertencentes a V, quando é válida a relação: u = k1∗v1+k2∗v2+⋯+ k n∗vn onde k1, k2, …, kn são números reais não-nulos. Baseando-se na relação acima, existem três situações em que se pode definir se um conjunto de vetores é linearmente independente ou dependente: Se u ≠ 0, então k1*v1 + k2*v2 + … + k2*v2 = u e os vetores v1, v2, …, vn, são ditos lineramente dependentes (LD); Se u = 0, então k1*v1 + k2*v2 + … + k2*v2 = 0. Nesse caso, os vetores v1, v2, …, vn são ditos lineramente dependentes (LD), se pelo menos um dos k1, k2, …, kn for diferente de zero; Se u = 0, então k1*v1 + k2*v2 + … + k2*v2 = 0. Nesse caso, os vetores v1, v2, …, vn são ditos linearmente independentes (LI) se todos os k1, k2, …, kn forem iguais a zero. TÓPICO 3.3 – BASE DE UM ESPAÇO VETORIAL Questão 3 – Como definir uma base em um espaço vetorial? Explicação: Uma base em um espaço vetorial V, é um subconjunto B, não vazio, de V, cujos elementos podem ser usados para representar todos os vetores de V. Para ser uma base de V, os elementos do subconjunto B devem satisfazer às condições: Os elementos de B são lineramente independentes (LI). O conjunto B gera o espaço vetorial V. A condição (2) significa que B é um sistema de geradores do espaço V, ou seja, todos os vetores de V podem ser escritos como uma combinação linear dos vetores de B. É possível concluir algumas propriedades do conjunto B: Se V é um espaço vetorial e possui uma base com n vetores, V tem dimensão n. Qualquer conjunto LI de um espaço vetorial V é base do subespaço por ele gerado. Se B = {v1, v2, …, vn} for base de um espaço vetorial V, todo conjunto com mais den vetores em V é LD. Duas bases quaisquer de um espaço vetorial têm o mesmo número de vetores. TÓPICO 3.3 – BASE DE UM ESPAÇO VETORIAL Questão 4 – Como realizar uma mudança entre diferentes bases de um espaço vetorial? Explicação: Dadas duas basesw A e B de um espaço vetorial V, é possível estabelecer uma relação entre as componentes de um vetor v, escritas na base A, e as componentes do mesmo vetor escritas na base B. Para facilitar, considere o caso em que dim V = 2, ou seja, os conjuntos A = {v1, v2} e B = {w1, w2} são bases de V. Dado um vetor v em V, este será uma combinação linear dos vetores das bases: e , onde é a matriz de mudança da base A para a Logo, temos que base B. Base A: vA = x1v1 + x2v2 ou vA = ( x1 , x2) = 1 2 [ ] Base B: vB = y1w1 + y2w2 ou v B 1 2 = ( y , y ) = 1 y y 2 x x [ ] vB = M v A M= 11 a a 12 a21 a22 [ ] { 1 y = a11 x1+ a12 x2 y 2 = a21 x1 +a22 x2 TÓPICO 4.1 – TRANSFORMAÇÕES LINEARES Questão 5 – Como definir uma transformação linear? Explicação: Uma função (ou aplicação) cujo domínio e contradomínio são espaços vetoriais reais é chamada de função vetorial ou transformação vetorial. Sejam, então, V e W espaços vetoriais. Uma transformação vetorial f : V → W é chamada transformação linear de V em W, se, para ∀ u , v ∈ V e ∀ k ∈ ℝ : f(u+v) = f(u) + f(v) f(ku) = kf(u) Assim, é possível definir alguma propriedades importantes das transformações lineares: Chama-se núcleo de uma transformação linear f : V → W , N(f), o conjunto de todos os vetores de V que são transformados no 0 de W. Chama-se imagem de uma trasnformação f : V → W , Im(f), o conjunto de vetores em W que são imagens de vetores v em V. O núcleo da transformação f é um suespaço vetorial de V e a imagem de f é um subespaço vetorial de W. Se V é um espaço vetorial de dimensão finita, dim N(f) + dim Im(f) = dim V. TÓPICO 4.1 – TRANSFORMAÇÕES LINEARES Questão 6 – Como obter a representação matricial de uma transformação linear? Explicação: Sejam uma transformação linear, A uma base de V e B uma base de W. Considerando o caso em que dim V = 2, dim W = 3 e A = {v1, v2} e B = {w1, w2, w3} são bases de V e de W, respectivamente. Dado um vetor v de V, este pode ser expresso na base A como vA = x1v1 + x2v2, enquanto a imagem de v, pode ser expressa na base B como f(v)B = y1w1 + y2w2 + y3w3. Por outro lado, temos que é denominada matriz de f em relação às Que nos fornece f(v)B = TvA, onde bases A e B. OBS: A matriz T é de ordem 3 x 2 pois dim V = 2 e dim W = 3. Se a transformação linear tivesse dim V = n e dim W = m, T seria uma matriz de ordem m x n. f : V → W { 1 y = a11 x1 +a12 x2 y2 = a21 x1 +a22 x2 y3 = a31 x1 +a32 x2 a a 11 12 T= a21 a22 a31 a32 [ ] TÓPICO 4.1 – TRANSFORMAÇÕES LINEARES Diltações e Contrações: Questão 7 – O que são transformações lineares planas? Explicação: Transformação linear plana é toda transformação linear cujo domínio e o contradomínio são iguais a ℝ2 . As principais transformações lineares planas são: Refexões: f : ℝ2 →ℝ2 , f (x , y)=( x ,− y ) f : ℝ2 →ℝ2 , f (x , y)=(− x , y ) (com relação ao eixo x ) (com relação ao eixo y ) f : ℝ2 →ℝ2 , f (x , y)=(− x ,− y ) (com relação à origem ) f : ℝ2 →ℝ2 , f (x , y)=( y , x) (com relação à reta y = x ) f : ℝ2 →ℝ2 , f (x , y)=(− y ,− x ) (com relação à reta y = -x ) f : ℝ2 →ℝ2 , f : ℝ2 →ℝ2 , f : ℝ2 →ℝ2 , f (x , y)=k ( x , y )=(kx , ky ), f (x , y)=(kx , y ), k≥0 f (x , y)=( x , ky ), k≥0 k ∈ℝ (na direção do vetor ) (na direção do eixo x ) (na direção do eixo y ) f : ℝ2 →ℝ2 , f (x , y)=( x +ky , y ) Cisalhamentos: f : ℝ2 →ℝ2 , f (x , y)=( x , y + kx ) (na direção do eixo x ) (na direção do eixo y ) 2 2 Rotações: f θ : ℝ →ℝ , f θ ( x , y )=( x cos θ− y sen θ , x sen θ + y cos θ) (no sentido anti-horário ) TÓPICO 4.2 – OPERADORES LINEARES (3) Um operador linear é dito ortogonal se preserva o módulo de cada vetor, Questão 8 – O que são operadores lineares e quais suas propriedades? Explicação: As transformações lineares de um espaço vetorial V em si mesmo, isto é, f : V → V , são chamadas operadores lineares sobre V. Um operador f : V → V associa a cada vetorv de V, um vetor f(v), em V. É possível definir algumas propriedades dos operadores lineares: Se por meio de outro operador g for possível inverter a correspondência, de tal modo que a cada vetor transformadao f(v) se associe o vetor de partida v, diz-se que g é o operador inverso de f, ou seja, g = f-1. Neste caso f-1(f(v)) = v. Seja f : V → V , um operador linear. Se A e B são bases de V e TA e TB as matrizes que representam o operador f nas bases A e B, respectivamente, então TB = Q-1TAQ, sendo Q a matriz de mudança de base de B para A. f : V → V isto é, se para qualquer v em V: |f(v)| = |v|. (4) Diz-se que um operador linear f : V → V é simétrico se a matriz A que o representa numa base ortonormal é simétrica, isto é, se A = At. TÓPICO 4.3 – AUTOVALORES E AUTOVETORES Considere um operador linear cuja matriz canônica é Os autovalores de f são as soluções da equação característica de f Já os autovetores de f serão obtidos substituindo cada valor de λ na equação e resolvendo o respectivo sistema homogêneo de equações lineares. Questão 9 – Com encontrar os autovalores e autovetores de um operador linear? Explicação: Seja f : V → V um operador linear. Um vetor v de V, v≠0, é autovetor do operador f se existe um λ real tal que f(v) = λv. Já o número real λ é denominado autovalor de f associado ao autovetor v. Sempre que um vetor v for o autovetor de um operdor linear f associado ao autovalor λ, o vetor kv, para qualquer k≠0, também será um autovetor de f associado ao mesmo λ. f : ℝ2 →ℝ2 A = a a 11 12 a21 a22 [ ] det ( A −λ I ) = 11 a − λ a12 a21 a22− λ | | = 0 11 a −λ a21 a12 a22 −λ [ ] = x 0 y 0 [ ] [ ]
Compartilhar