Baixe o app para aproveitar ainda mais
Prévia do material em texto
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR Roberto Carlos Lourenço 2 SUMÁRIO BLOCO 1: VETORES 3 BLOCO 2: VETORES NO R³ E GEOMETRIA ANALÍTICA 12 BLOCO 3: GEOMETRIA ANALÍTICA 26 BLOCO 4: ESPAÇOS VETORIAIS 39 BLOCO 5: ESPAÇO VETORIAL EUCLIDIANO 49 BLOCO 6: TRANSFORMAÇÃO LINEAR 58 3 BLOCO 1: VETORES Neste bloco, abordaremos Vetores no R³, um conteúdo fundamental para as demais disciplinas dos cursos de Engenharia. Iniciaremos nossos estudos a respeito desse tópico, explorando sua definição, seu ponto no espaço e os segmentos orientados equipolentes. Em seguida, analisaremos o vetor em coordenadas por meio da igualdade e adição de vetores; do ponto médio do segmento e o módulo do vetor. Por fim, encerraremos o bloco com o produto de vetor por um escalar. Apesar de esse tema parecer assustador, recomendo que você tenha coragem e não se intimide, pois, após o término deste momento de aprendizagem, eu garanto: esse medo será superado! Bons estudos! 1.1 Definição de Vetores no R³ O ponto no R³ Neste primeiro momento, estudaremos o ponto no R³, realizando a representação em três dimensões, em outras palavras, no espaço. Dessa forma, será necessário utilizar três coordenadas (x, y, z), trabalhando com três eixos coordenados: das abscissas (x), das ordenadas (y) e das cotas (z). 4 Na figura, consideramos os três eixos concorrentes no ponto O e perpendiculares dois a dois, determinando o espaço R³. Temos o ponto P indicado pelas coordenadas PPP zyx ,, . Segmentos Orientados Equipolentes - Definição: Dois segmentos orientados AB e CD são equipolentes quando ambos possuem o mesmo módulo, direção e sentido, sendo indicado como CDAB ~ . - Relação de equivalência: I) Reflexividade - Todo segmento orientado do espaço é equipolente a si mesmo: ABAB ~ II) Simetria - Se o segmento orientado AB é equipolente à CD , então CD é equipolente à AB : se ABCDCDAB ~~ III) Transitividade - Se o segmento orientado AB é equipolente à CD e se CD é equipolente à EF , então AB é equipolente à EF : se EFABEFCDeCDAB ~~~ 5 - Definição de Vetores no R³: Vetor é uma classe de equivalência de segmentos orientados equipolentes, ou seja, é um conjunto de segmentos orientados equipolentes. Dessa forma, um vetor determinado por um segmento orientado AB é o conjunto de todos os segmentos orientados no espaço que são equipolentes à AB . Na figura, temos os segmentos orientados AB , CD e MN que são equipolentes, isso acontece por que eles possuem mesmo comprimento, direção e sentido; assim, representam o mesmo vetor v . 1.2 Vetor em Coordenadas Neste momento, vamos compreender a representação do vetor no espaço, estudando suas coordenadas no R³. - Definição: Vetor é o conjunto de todos os segmentos orientados que têm as mesmas coordenadas. 6 O segmento orientado AB , com origem em A e extremidade B, tem as coordenadas: Exemplo 1: Apresente as coordenadas do vetor indicado. Assim, podemos afirmar que qualquer um dos segmentos orientados anteriores representa o mesmo vetor. Todos os vetores do espaço R³ são denotados por V³, onde R³ é o conjunto de todos os ternos ordenados de números reais, e o conjunto V³ é o conjunto de todos os vetores do espaço R³. 7 - Notação para coordenadas do vetor: ),,( ),,( zyxBABAu zyxABABv Igualdade de Vetores );;( 111 zyxv );;( 222 zyxu 21 21 21 222111 );;();;( zz yy xx zyxzyxuv Dois vetores são iguais se possuem as mesmas coordenadas. Exemplo 2: Qual é o par de vetores iguais? 8 Adição de Vetores );;( 111 zyxv );;( 222 zyxu );;();;();;( 212121222111 zzyyxxzyxzyxuv A adição entre dois vetores é realizada com a soma da coordenada x de um vetor com a x do outro, da mesma forma y com y e z com z. A adição entre dois vetores determina outro vetor. Exemplo 3: Desenvolva. )7;3;2(v )1;6;5(u uva ) )8;9;7()17;63;52( uv uvb ) )6;3;3()17;63;52( uv 9 Ponto Médio Módulo do Vetor 1.3 Produto de Vetor por um Escalar Agora, vamos entender como realizar o produto de vetor com um escalar, sendo esse um número real. Sejam o vetor v e um escalar β (um número real qualquer), tal que: .³),,( ReVzyxv Produto de vetor por um escalar: zyxzyxv ,,),,( 10 Dessa forma, temos que o produto de vetor por um escalar é a multiplicação do escalar com cada coordenada do vetor indicado. Exemplo 1: Dados β = 4 e )7,3,2(v , calcule β. Exemplo 2: Dados β = 3. )3,5,1(u e )2,6,4(v , calcule β.(u + v). Exemplo 3: Determine as coordenadas do vetor. 11 Exemplo 4: Dados os vetores a seguir, determine as coordenadas do vetor x : Conclusão Neste bloco, estudamos os Vetores no R³, sua definição, seu Ponto no Espaço, os Segmentos Orientados Equipolentes, o Vetor em Coordenadas, a Igualdade de Vetores, a Adição de Vetores, o Ponto Médio do Segmento, o Módulo do Vetor e o Produto de Vetor por um Escalar. Referências WINTERLE, P. Vetores e Geometria Analítica. São Paulo: Pearson Makron Books, 2000. LIPSCHUTZ, S. Álgebra Linear. Problemas e exercícios etc. São Paulo: Pearson Makron Books, 1994. REIS, G. L; SILVA, V. V. Geometria Analítica. Rio de Janeiro: LTC, 2012. LAY, D. C; LAY, S. R; MCDONALD, J. J. Álgebra Linear e suas aplicações. Rio de Janeiro: LTC, 2018. 12 BLOCO 2: VETORES NO R³ E GEOMETRIA ANALÍTICA Neste bloco, teremos um estudo inicial sobre o Sistema de Coordenadas para compreender o vetor; o ponto e a reta no espaço; o vetor unitário; a regra do triangulo; e a adição de vetores. Em seguida, analisaremos os Produtos entre Vetores; o Produto Escalar ou Interno; o Produto Vetorial ou Externo; e o Produto Misto. Por fim, vamos explorar a Geometria Analítica, abordando o conteúdo sobre a Reta no R³ para ser possível estudarmos sua representação por meio de equações. Desejo um ótimo período de estudos! 2.1 Sistemas de Coordenadas Neste momento vamos identificar o Sistema de Coordenadas em R³. Sendo O um ponto de R³ e ),,( kjiB uma base ortonormal positiva de V³. Ao par (O, B) que também pode ser indicado por ),,,( kjiO , damos o nome de sistema ortogonal de coordenadas em R³. O ponto O é a origem do sistema. Os eixos concorrentes em O que têm os sentidos dos vetores kji ,, denominam-se, respectivamente, eixo das abscissas, das ordenadas e das cotas. Esses são os eixos coordenados. 13 14 2.2 Produto entre Vetores Produto Escalar ou Produto Interno - Definição Algébrica: Sendo ),,( 111 zyxu e ),,( 222 zyxv vetores no V³, o produto escalar é dado por 212121 .... zzyyxxvu Outra forma de indicar o produto escalar entre os dois vetores é: vu , , onde se lê “ u escalar v ”. É importante compreender que o produto escalar entre dois vetores determina um escalar, ou seja, um número real. - Exemplos: 1) Dados os vetores )5,3,2(u e )4,2,0(v , apresente o produto escalar vu . . - Resolução: 2620604.52.30.2. vu 2) Dados os vetores )2,7,1(u e )5,1,3(v , apresente o produto escalar vu , . - Resolução: 1410735.21.73).1(, vu 15 - Propriedades do Produto Escalar: Para quaisquer vetores wevu , e o número real β, temos: P1) uvvu .. P2) wuvuwvu ..).( P2) ).()..()..( vuvuvu P4))0,0,0(0,0.00. useuueuseuu P5) 2 . uuu - Definição Geométrica de Produto Escalar: Se veu forem vetores não nulos e θ for o ângulo entre eles, temos cos.., vuvuvu , sendo 0° ≤ θ ≤ 180° Dois vetores são ortogonais se, e somente se, 0. vu - Projeção ortogonal de um vetor sobre outro vetor: Seja θ o ângulo entre veu . 16 Em ambos os casos, u . é a projeção ortogonal do vetor v sobre o vetor u . - A notação é: u u vu uvproju . , . 2 Produto Vetorial ou Produto Externo O produto vetorial de dois vetores é uma operação que associa, a cada par de vetores vu , de V³, um vetor, indicado por vu , que se lê: “u vetorial v ”. - Outra Notação: vxu - Definição de Produto Vetorial: Sendo ),,( 111 zyxu e ),,( 222 zyxv vetores quaisquer de V³, o produto vetorial é determinado: 222 111 zyx zyx kji vu - Exemplo: Para os vetores )2,3,1(u e )5,4,0(v apresente vu 17 - Resolução: 540 231 kji vu Você lembra como se calcula a determinante de uma matriz quadrada de ordem 3? Utilizamos essa ferramenta! )4,5,7(457 854.15 0.3.4.2.5.1.4.1.0.2.5.3. 4 3 0 1 540 231 kjivu ijkivu kijkjivu jikji vu O produto Vetorial entre dois vetores determina um vetor. - Propriedades: Para quaisquer vetores wevu , e o número real β, temos: P1) ).().().( vuvuvu P2) wuvuwvu )( P3) uvvu 18 - Condições de Colinearidade entre dois Vetores: Se veu são vetores não nulos e θ o ângulo entre eles, temos que veu são colineares se, e somente se, 0 vu . Se veu não são colineares, então vu é o vetor que satisfaz as seguintes condições: I) ;1800,.. senvuvu II) O vetor vu é ortogonal a veu . - Área de Paralelogramo: Um paralelogramo cujos lados são os vetores veu , sua área é dada por: vuA ramoparale log 19 - Área de Triângulo: Como o triângulo é a metade de um paralelogramo cujos lados são os vetores veu , sua área é dada por: 2 vu Atriângulo Produto Misto - Definição: Sejam três vetores ³,, Vwvu , tomados nessa ordem, a expressão: )..( wvu - Notação: )..(,, wvuouwvu Sejam os vetores ),,( 111 zyxu , ),,( 222 zyxv e ),,( 333 zyxw quaisquer de V³. O produto misto ).(,, wvuwvu pode ser obtido pelo cálculo do determinante: 333 222 111 ,, zyx zyx zyx wvu O resultado do produto misto é um escalar. 20 - Propriedades: Qualquer que seja β ϵ R, temos: P1) wvuwvuwvuwvu ,,,,,,,, P2) wvuwvuwvuu ,,,,,, 2121 wvuwvuwvvu ,,,,,, 21211 2121 ,,,,,, wvuwvuwwvu - Condições de Coplanaridade entre três vetores: I) Três vetores wevu , são coplanares se, e somente se, o produto misto entre eles resulta em zero. 0,, wvu II) Se o produto misto entre os três vetores for diferente de zero, os três vetores não são coplanares. 0,, wvu 21 - Volume do Paralelepípedo: Sendo o paralelepípedo de arestas wevu , , conforme representação abaixo O volume do mesmo é dado por: wvuV pedoparalelepí ,, Sendo o módulo do produto misto wvu ,, . 2.3 Retas no R³ A reta no R³ Quando estudamos a reta, seja no R² ou no R³, é fundamental conhecermos um dos axiomas da Geometria Euclidiana que afirma: dois pontos distintos determinam uma única reta. Dessa forma, temos que, dois pontos distintos ),,( 111 zyxA e ),,( 222 zyxB de R³ determinam uma reta r. Um ponto P = (x, y, z) pertence à reta r se, e somente se, os vetores AP e AB forem linearmente dependentes (LD) ou, ainda, se AP e AB são paralelos. Logo, um ponto P pertence à reta se, e somente se, existir um escalar λ, tal que ABAP . 22 - Definição de reta: Reta determinada por um ponto A e um vetor 0v é o conjunto dos pontos P de R³ que satisfazem a relação .,. RvAPABAP O vetor v é chamado de vetor diretor da reta r. - Equação vetorial da reta: RvAPRPr ,/³ Uma reta fica bem definida ao determinar um ponto e a direção pelo vetor diretor. - Exemplo: Escreva a equação vetorial da reta r que passa pelos pontos A = (5, -4, 2) e B = (3, 1, 6). - Resolução: Primeiro se determina um ponto como referência: A ou B. Ao escolher um ponto, temos o vetor diretor que depende do ponto escolhido. Ou seja, se escolher A, o vetor diretor v será: ABv . Agora, se o ponto escolhido for o B, o vetor diretor v será: BAv Para este caso, trabalharemos com o ponto A. O vetor diretor )4,5,2( ABABv A equação vetorial será: Rzyxr ),4,5,2.()2,4,5(),,(: 23 - Equações Paramétricas da Reta r: )(: 1 1 1 R czz byy axx r Onde x, y e z são coordenadas do ponto P, P = (x, y, z). O ponto de referência possui as coordenadas 111, zeyx , ),,( 111 zyxA e o vetor diretor ),,( cbav . - Exemplo: Escreva as equações paramétricas da reta r que passa pelos pontos A = (5, -4, 2) e B = (3, 1, 6). - Resolução: Primeiro determine um ponto como referência: A ou B. Ao escolher um ponto, temos o vetor diretor que depende do ponto escolhido. Ou seja, se escolher A, o vetor diretor v será: ABv . Agora, se o ponto escolhido for o B, o vetor diretor v será: BAv Para este caso, trabalharemos com o ponto A. O vetor diretor )4,5,2( ABABv - Equações paramétricas: )( 42 54 25 : R z y x r 24 - Equação Normal ou Simétrica da Reta: - Equação Normal da reta r 00,0 : 111 ceba c zz b yy a xx r Onde x, y e z são coordenadas do ponto P, P = (x, y, z). O ponto de referência possui as coordenadas 111, zeyx , ),,( 111 zyxA e o vetor diretor ),,( cbav . - Exemplo: Escreva a equação normal da reta r que passa pelos pontos A = (5, -4, 2) e B = (3, 1, 6). - Resolução: Primeiro determina um ponto como referência: A ou B. Ao escolher um ponto, temos o vetor diretor que depende do ponto escolhido. Ou seja, se escolher A, o vetor diretor v será: ABv . Agora, se o ponto escolhido for o B, o vetor diretor v será: BAv Para este caso, vamos trabalhar com o ponto A. O vetor diretor )4,5,2( ABABv - Equação Normal: 4 2 5 4 2 5 : zyx r 25 Conclusão Estudamos, neste bloco, o sistema de coordenadas para compreender o vetor; o ponto e a reta no espaço; o vetor unitário; a regra do triangulo; e a adição de vetores. Em seguida, analisamos os produtos entre os vetores; o produto escalar ou interno; o produto vetorial ou externo; e o produtos misto. Por fim, exploramos a geometria analítica, abordando o conteúdo sobre a Reta no R³, desta forma, foi possível estudarmos sua representação por meio de equações. Referências WINTERLE, P. Vetores e Geometria Analítica. São Paulo: Pearson Makron Books, 2000. LIPSCHUTZ, S. Álgebra Linear – Problemas e exercícios etc. São Paulo: Pearson Makron Books, 1994. REIS, G. L; SILVA, V. V. Geometria Analítica. Rio de Janeiro: LTC, 2012. LAY, D. C; LAY, S. R; MCDONALD, J. J. ÁlgebraLinear e suas aplicações. Rio de Janeiro: LTC, 2018. 26 BLOCO 3: GEOMETRIA ANALÍTICA Neste bloco abordaremos as posições relativas ente as retas no R³, identificando quando duas retas são coplanares ou reversas; e quando são paralelas distintas, coincidentes ou concorrentes. Teremos a oportunidade de estudar a definição do Plano no R³, conhecendo as equações Vetorial, Paramétrica e Cartesiana do Plano. Para finalizar, veremos as posições relativas entre dois planos no R³. Aproveite o momento para aprender o máximo o possível. Ótimos estudos! 3.1 Posições Relativas entre Retas Estudando as duas retas r e s no R³, ao fixar um sistema ortogonal de coordenadas ),,,( kjiO , é possível identificar as posições relativas entre as duas, sendo coplanares ou reversas. Figura 1.1 Figura 1.2 Nas figuras 1.1 e 1.2, as retas r e s são coplanares e pertencem ao mesmo plano π. Figura 1.3 Na figura 1.3 as retas r e s são reversas, não existindo um mesmo plano que contém as retas r e s. 27 Duas retas reversas Para ser possível expressar analiticamente que duas retas são reversas, temos que a reta r é definida por um ponto A e um vetor diretor u , sendo r: (A, u ); e a outra reta s definida por um ponto B e um vetor diretor v , s: (B, v ). Ao calcular o produto misto de u , v e AB , se o resultado for diferente de zero, podemos afirmar que as duas retas r e s são reversas. 0,, ABvu - Exemplo: Verifique se as retas r e s são reversas: 4 3 3 2 2 1 : zyx r e 1 1 2 4 4 3 : zyx s - Resolução: Primeiro, identificamos as coordenadas dos vetores diretores e dos pontos de referências (A e B). Reta r: )4,3,2(u A = (1, 2, 3 Reta s: )1,2,4(v B = (3, 4, 1) 28 Segundo, determinamos as coordenadas do segmento orientado AB : )2,2,2( ABAB Terceiro, calculamos o produto misto ABvu ,, : 34 222 124 432 ,, ABvu 0,,, ABvupoisreversasretassãoser Duas retas coplanares Agora, com o objetivo de expressar analiticamente que duas retas são coplanares, temos que admitir que a reta r é definida por um ponto A e um vetor diretor u , sendo r: (A, u ); e que a outra reta s é definida por um ponto B e um vetor diretor v ,s: (B, v ). Ao calcular o produto misto de u , v e AB , se o resultado for igual a zero, podemos afirmar que as duas retas r e s pertencem ao mesmo plano, ou seja, r e s são coplanares. Duas retas coplanares - concorrentes Estudando as duas retas r e s, temos que a reta r é definida por um ponto A e um vetor diretor u , sendo r: (A, u ); e a outra reta s definida por um ponto B e um vetor diretor v , sendo s: (B, v ). Temos que r e s são coplanares e concorrentes se: 0,,,. ABvueRvu 29 As retas r e s são concorrentes, onde o ponto P pertence às duas retas: Psr - Exemplo: Verifique a posição relativa das retas r e s: )2,5,3(),0,4,2(: uAr e )1,4,2(),2,1,1(: vBs - Resolução: Calculamos o produto misto de u , v e AB 0 253 142 253 ,, ABvu As retas r e s são coplanares. Agora, vamos verificar se vu . )2,5,3(u e )1,4,2(v 1 2 4 5 2 3 )1,4,2.()2,5,3(. poisvu Neste caso, não existe um escalar α que ao multiplicar com as coordenadas do vetor v determine o vetor u . Portanto, as retas são coplanares e concorrentes. 30 Duas retas coplanares: paralelas distintas ou paralelas coincidentes Sendo a reta r definida por um ponto A e um vetor diretor u , onde r: (A, u ); e a outra reta s definida por um ponto B e um vetor diretor v , s: (B, v ). Temos que r e s são coplanares e: 1) paralelas distintas se: 0,,,. ABvueRvu Nesse caso, as retas são paralelas distintas e não possuem um ponto em comum, sr . 2) paralelas coincidentes se: .,.,0,, rBousAeRvuABvu - Exemplo: Estude a posição relativa das retas: )1,2,3(),0,1,2(: uAr e )2,4,6(),0,4,4(: vBs 31 - Resolução: Calculamos o produto misto de u , v e AB 0 056 246 123 ,, ABvu As retas r e s são coplanares. Agora, vamos verificar se vu . )1,2,3( u e )2,4,6( v 2 1 4 2 6 3 )2,4,6.()1,2,3(. poisvu As retas r e s são paralelas. Será que são distintas ou coincidentes? Para responder é necessário verificar se A ϵ s ou B ϵ r. A equação normal de r é: 00,0 : 111 ceba c zz b yy a xx r 12 1 3 2 : zyx r 32 Nesse caso, vamos substituir as coordenadas do ponto B na equação de r: )(0 2 5 2 1 0 2 14 3 24 F Portanto, B não pertence a r. Dessa maneira, podemos concluir que as retas r e s são paralelas distintas. 3.2 Planos no R³ Identificar e compreender o plano no R³, conhecendo sua representação por meio das equações. Pelo axioma da Geometria Euclidiana: Três pontos distintos não colineares determinam um único plano. 33 - Definição de Plano Um Plano determinado por um ponto A e por dois vetores u e v é o conjunto dos pontos P de R³ que satisfazem à relação: RvuAPvuAP ,,.... - Equação Vetorial do Plano π: RvuAP ,,..: - Equações Paramétricas do Plano π: ),( .. .. .. : 21 21 21 R cczz bbyy aaxx A A A - Equação Cartesiana ou Geral do Plano π: 0: dczbyax Escreva a equação vetorial, paramétrica e cartesiana do plano π que passa pelos pontos A = (1, 0, 1), B = (0, 1, 1) e C = (1, 2, 1). 34 - Resolução: Dentre os três pontos, escolhemos um para determinar o plano π. CBveCAuCSe BCveBAuBSe ACveABuASe Nesse caso, vamos trabalhar com o ponto A. Equação Vetorial do Plano π Equações Paramétricas do Plano π 35 Equação Cartesiana ou Geral do Plano π 3.3 Posições relativas no R³ Em R³, dois planos α e β podem ser concorrentes ou paralelos. Plano e Plano - Paralelos distintos Para expressar analiticamente que dois planos são paralelos distintos no R³, trabalhamos com as equações cartesianas dos planos α e β: 0:0: 22221111 dzcybxaedzcybxa Sendo ),,( 1111 cban o vetor normal do plano α e ),,( 2222 cban o vetor normal do plano β. 21 21 21 21 2121 . . . . .// dde cc bb aa nnnn 36 - Exemplo Verifique a posição dos planos 07642:0532: zyxezyx . - Resolução Determinamos as coordenadas dos vetores normais de cada plano. )3,2,1(1 n do plano α )6,4,2(2 n do plano β Os planos são paralelos distintos, pois: 5.27 3.26 .2.24 1..22 .2// 2121 ennnn Plano e Plano – Paralelos coincidentes Para expressar analiticamente que dois planos são paralelos coincidentes no R³, trabalhamos com as equações cartesianas dos planos α e β: 0:0: 22221111 dzcybxaedzcybxa Sendo ),,( 1111 cban o vetor normal do plano α e ),,( 2222 cban o vetor normal do plano β. 37 21 21 21 21 2121 . . . . .// dd cc bb aa nnnn - Exemplo: Verifique a posição entre os planos α: x + 3y + 6z+ 5 = 0 e β: 2x + 6y + 12z + 10 = 0. - Resolução: Determinamos as coordenadas dos vetores normais de cada plano. )6,3,1(1 n do plano α )10,6,2(2 n do plano β Os planos são paralelos coincidentes, pois: 6.212 5.210 3.26 1.22 .2// 2121 nnnn Plano a Plano – Concorrentes Para expressar analiticamente que dois planos são paralelos coincidentes no R³, trabalhamos com as equações cartesianas dos planos α e β: 0:0: 22221111 dzcybxaedzcybxa 38 Sendo ),,( 1111 cban o vetor normal do plano α e ),,( 2222 cban o vetor normal do plano β. 21 .nn e, sendo v o vetor diretor da reta r , temos que .// 21 nnv Nesse caso, as equações da reta r são da forma geral: 0 0 : 2222 1111 dzcybxa dzcybxa r - Exemplo: Verifique a posição entre os planos α: x – 2y + z – 5 = 0 e β: 2x – y + 3z – 1 = 0. - Resolução: Determinamos as coordenadas dos vetores normais de cada plano. )1,2,1(1 n do plano α )3,1,2(2 n do plano β Os planos são concorrentes, pois: 3 1 1 2 2 1 . 21 nn Conclusão Abordamos, neste bloco, as posições relativas ente as retas no R³, identificando quando duas retas são coplanares ou reversas; e quando são paralelas distintas, coincidentes ou concorrentes. Tivemos a oportunidade de estudar a definição do Plano no R³, conhecendo as equações Vetorial, Paramétricas e Cartesianas do Plano. Por fim, vimos posições relativas entre dois planos no R³. Referências WINTERLE, P. Vetores e Geometria Analítica. São Paulo: Pearson Makron Books, 2000. LIPSCHUTZ, S. Álgebra Linear – Problemas e exercícios etc. São Paulo: Pearson Makron Books, 1994. REIS, G. L; SILVA, V. V. Geometria Analítica. Rio de Janeiro: LTC, 2012. LAY, D. C; LAY, S. R; MCDONALD, J. J. Álgebra Linear e suas aplicações. Rio de Janeiro: LTC, 2018. 39 BLOCO 4: ESPAÇOS VETORIAIS Estudaremos, neste bloco, a definição de Espaços Vetoriais, conhecendo alguns exemplos clássicos. Em seguida, conheceremos a definição de Subespaços Vetoriais, de forma resumida e direta estudando as três condições para definir se um subconjunto assume esse papel. Outros tópicos fundamentais para darmos continuidade aos nossos estudos são a Combinação e a dependência Linear; os critérios para a identificação de um conjunto de vetores como Linearmente Dependente (LD) ou Independente (LI); a definição de Base de um Espaço Vetorial; e a Dimensão do Espaço Vetorial. Bons estudos! 4.1 Espaços Vetoriais - Definição Um conjunto V não vazio (V ≠ ø) é um espaço vetorial sobre R ou C, para quaisquer u, v є V e α, β є R, se, e somente se, existir a operação de adição em R, definida como: vuvu VVxV ),( )( Com as seguintes propriedades: A1) comutatividade da adição de vetores: u + v = v + u A2) associatividade da adição de vetores: u +(v+w) = (u + v) + w A3) elemento neutro: u + 0v = 0v + u = u A4) simetrizável: u + (-u) = 0 40 Ainda, um determinado conjunto V não vazio (V ≠ ø) é um espaço vetorial sobre R ou C, para quaisquer u, v є V e α, β є R, se, e somente se, existir uma multiplicação de R x V em V que associa, a cada par (α, u) de R x V, um único elemento αu de V, definida como: vv VRxVx .),( )( Para a multiplicação, valem as propriedades: M1) associatividade dos escalares: α(βu) = (αβ) u M2) distributividade do produto de um vetor pela soma de escalares: (α+β) u = α u + β u M3) distributividade do produto de um escalar pela soma de vetores: α (u + v) = α u + α v M4) elemento unitário 1 . u = u - Exemplos de Espaços Vetoriais Espaço nK Seja K um corpo arbitrário, onde a notação nK assume o papel de denotar o conjunto de todas as ênuplas de elementos em K. Nesse caso, nK é um espaço vetorial sobre K, onde a adição de vetores e a multiplicação por escalar se definem como: )...,,,()...,,,()...,,,( 22112121 nnnn babababbbaaa e )....,,.,.()...,,,.( 2121 nn akakakaaak O vetor zero de nK é a ênupla de zeros: 0 = (0, 0, 0, ..., 0) E o negativo de um vetor é )...,,,()...,,,.( 2121 nn aaaaaa 41 Espaço de Matrizes nmM , O conjunto formado por todas as matrizes indicadas por nmM , é um espaço vetorial sobre K em relação às operações usuais de adição e multiplicação por um escalar. Espaço de Polinômios P(t) Para o conjunto de todos os polinômios indicados por P(t) = n ntatataa .... 2 210 com o coeficiente ia em algum corpo K. Então P(t) é um espaço vetorial sobre K em relação às operações usuais de adição de polinômios e multiplicação de um polinômio por uma constante. 4.2 Subespaços Vetoriais Neste tópico vamos identificar e compreender quando um determinado conjunto é um Subespaço Vetorial. Por definição, temos que um subconjunto W contido em um espaço vetorial V, com as mesmas operações (adição e multiplicação) de V, é um subconjunto vetorial de V quando: • 0v є W • u, v є W, u + v є W • α є R e u є W, α u є W - Exemplo: Verifique se o conjunto de matrizes A é um subespaço M3. c b a A 00 00 00 42 - Resolução: Um subconjunto A contido em um espaço vetorial M3, com as mesmas operações (adição e multiplicação) de M3, é um subconjunto vetorial de M3 quando: • 0v є A • u, v є A, u + v є A • α є R e u є A, α u є A 43 - Exemplo: Sendo V o espaço vetorial de todas as matrizes 2 x 2 sobre o corpo real R. Mostre que W não é subespaço de V, onde W consiste de todas as matrizes com determinante zero. 44 4.3 Combinação Linear, Dependência Linear e Bases Vamos compreender as definições de Combinação Linear, Dependência Linear, Dimensão e Base. Combinação Linear Sejam nuuuu ,...,,, 321 elementos do espaço vetorial V, nnuauauaua ...332211 é uma combinação linear de nuuuu ,...,,, 321 . - Exemplo 1: 9578 = 9000 + 500 + 70 + 8 9578 = 9 . 10³ + 5 . 10 ² + 7 . 10 + 8 - Exemplo 2: - Resolução: 45 - Exemplo 3: Sendo o espaço vetorial V = R³ e S = {(1,0,0), (0,1,0), (0,0,1)}, verifique se S gera V. Para todo (a, b, c) є R³, temos: (a, b, c) = a (1, 0, 0) + b (0, 1, 0) + c (0, 0, 1) Estão, os elementos de S geram R³. Dependência Linear - Definição 1 Seja V um espaço vetorial sobre R, dizemos que um conjunto L = { nuuuu ,...,,, 321 } C V é Linearmente Independente (LI) se, e somente se, a igualdade: vnnuauauaua 0...332211 , só for possível se 0...321 naaaa . - Definição 2 Seja V um espaço vetorial sobre R, dizemos que um conjunto L = { nuuuu ,...,,, 321 } C V é Linearmente Dependente (LD) se, e somente se, a igualdade: vnnuauauaua 0...332211 , também for verdade se algum 0ia - Exemplo: No espaço vetorial M2x2, verifique se o conjunto a seguir é LD ou LI. 114 07 , 32 01 , 41 03 A 01134 042 073 00 00 114 07 . 32 01 . 41 03 . cba cba cba cba 46 Resolvendo o sistema, que é possível e indeterminado, temos: a = - 2c b = - c Mas c pode assumir qualquer valor real. Sendo assim, podemos afirmar que o conjunto indicado A é LD. - Exemplo: No R³, verifique se B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} é um conjunto LD ou LI. a . (1, 0, 0) + b . (0, 1, 0) + c (0, 0, 1) = (0, 0, 0) a = 0 b = 0 c = 0 Resolvendo, encontramos como solução: a = 0, b = 0 e c = 0, e, como essa é o único resultado possível, podemos afirmar que o conjunto B é LI. 47 Dimensão de um Espaço - Definição Dimensãode um espaço vetorial V é o número máximo de vetores que se pode reunir em um conjunto E, formando uma coleção linearmente independente. Se esse máximo não existe, dizemos que V tem dimensão infinita. Base - Definição Um conjunto B contido em um espaço vetorial será a base desse espaço se todo elemento de V for uma combinação linear dos elementos de B e se B for linearmente independente. B é uma base de V B é LI e [B] = V. Se a base de um espaço vetorial tem k elementos, esse espaço vetorial tem dimensão k. - Exemplo: Determine a dimensão e uma base para o espaço vetorial: S = {(x, y, z) Є R³: 2x + y + z = 0} - Desenvolvimento: Analisando 2x + y + z = 0, escolha uma das incógnitas para ficar isolada. Qualquer incógnita! z = - 2x –y (x, y, z) = (x, y, -2x – y) (x, y, z) = x . (1, 0, -2) + y ( 0, 1, -1) 48 - Temos: B = {(1, 0, -2), ( 0, 1, -1)} , vamos verificar se B é LI ou LD. a . (1, 0, -2) + b ( 0, 1, -1) = (0, 0, 0) (a, 0, -2a) + (0, b, -b) = (0, 0, 0) a = 0 e b = 0 , B é LI. Qualquer elemento de S é gerado por B = {(1, 0, -2), ( 0, 1, -1)}. Logo, B é a Base de S e dim S = 2. Conclusão Neste bloco, estudamos a definição de Espaços Vetoriais; subespaços vetoriais; Combinação e dependência Linear. Também, identificamos quando um conjunto de vetores é Linearmente Dependente (LD) ou Independente (LI); a definição de Base de um Espaço Vetorial; e a Dimensão do Espaço Vetorial. Referências WINTERLE, P. Vetores e Geometria Analítica. São Paulo: Pearson Makron Books, 2000. LIPSCHUTZ, S. Álgebra Linear – Problemas e exercícios etc. São Paulo: Pearson Makron Books, 1994. REIS, G. L; SILVA, V. V. Geometria Analítica. Rio de Janeiro: LTC, 2012. LAY, D. C; LAY, S. R; MCDONALD, J. J. Álgebra Linear e suas aplicações. Rio de Janeiro: LTC, 2018. 49 BLOCO 5: ESPAÇO VETORIAL EUCLIDIANO Estudaremos, neste bloco, a definição de Vetores para a realização de um estudo aprofundado sobre composição de Vetores, Vetores Unitários, Produto Interno de dois Vetores, Módulos de dois Vetores, Cosseno do Ângulo de dois Vetores, Desigualdade de Cauchy-Schwarz e finalizaremos com a definição de Ortogonalidade. Bons estudos! 5.1 Módulo de Dois Vetores Vamos identificar e compreender o Espaço Vetorial Euclidiano, definindo os Vetores e estudando os módulos de dois vetores. Vetores no R² - Definição É toda função R² em R² tal que, dados a e b são reais e fixos: f(x, y) = (x + a, y + b) Um vetor determinado pelo ponto (a, b) é imagem do ponto (0, 0). - Definição Geral Agora, a definição de vetores, seja em qualquer dimensão, está associada à definição no R². É toda função ),...,,(),...,,(,: 221121 nnn nn xaxaxaxxxfquetalRRf 50 Adição de Vetores no nR Para qualquer n maior ou igual a 1, aplicar um vetor após o outro é adicionar esses vetores. - Propriedades A1) É comutativa (Lei do paralelogramo) A2) É associativa A3) Tem elemento neutro (0, 0, 0, ..., 0) A4) Para todo elemento de V (u) há um oposto aditivo (-u) - Vetores Unitários No R² os vetores i = (1, 0) e j = (0, 1) {i, j} são Linearmente Independentes (LI) {i, j} é base canônica do R² Qualquer vetor no R² pode ser escrito como uma combinação linear de i e j. No R³ os vetores i = (1, 0, 0), j = (0, 1, 0) e k = (0, 0, 1) {i, j, k} são Linearmente Independentes (LI) {i, j, k} é base canônica do R² Qualquer vetor no R³ pode ser escrito como uma combinação linear de i, j e k. Sendo n ϵ N*, é possível determinar uma base canônica de Rn. 51 Produto Interno de dois vetores O produto interno no espaço vetorial V sobre R ou C é toda função de V em V (V x V) que associa cada par de vetores (u, v) a um número real representado por u . v ou <u, v>, tal que: u.v = v.u u.(v + w) = u.v + u.w (α.u).v = α . (u.v), α ϵ R u . u ≥ 0, para todo u ϵ V u . u = 0 se, e somente se, u = 0 - Propriedades do Produto Interno: Comutativa: u.v = v.u Distributiva: u.(v + w) = u.v + u.w II u II ≥ 0 t. (u.v) = (t.v).v, t ϵ R Dois vetores são ortogonais se o produto interno é zero. Espaço Vetorial Euclidiano é um espaço vetorial real de dimensão finita munido de um produto interno. Para os vetores u = (2, 3, 4), v = (7, 3, 1) e w = (-1, 3, -5), temos: a) <u, v> = u . v = 2 . 7 + 3 . 3 + 4 . 1 = 14 + 9 + 4 = 27 b) <u, w> = u . w = 2 . (-1) + 3 . 3 + 4 . (-5) = -2 + 9 - 20 = -13 52 Módulo de dois vetores - Definição Módulo do vetor é a raiz quadrada do produto interno de u por u: ²²².),,( cbauuucbau 5.2 Cosseno do Ângulo de Dois Vetores Sendo u e v dois vetores de um espaço vetorial V. Trabalhando com V = R², vamos estudar esse conceito. θ: é o ângulo gerado pelo vetor u e o eixo x. α: é o ângulo gerado pelos vetores u e v (α = θ – β) β: é o ângulo gerado pelo vetor v e o eixo x. cosα = cos(θ – β) = cosθ . cosβ + senθ . senβ 53 Dessa maneira, podemos afirmar que: u c cos (cateto adjacente ao ângulo θ sobre a hipotenusa) v a cos (cateto adjacente ao ângulo β sobre a hipotenusa) u d sen (cateto oposto ao ângulo θ sobre a hipotenusa) v b sen (cateto oposto ao ângulo β sobre a hipotenusa) Logo, vu vu v b u d v a u c . , ..cos - Exemplo: Determine o valor do cos β, sendo β um ângulo formado pelos vetores u = (2, 5) e v = (4, 3). - Resolução vu vu . , cos Para: 29²5²2 u 525²3²4 v 145 2923 29.5 2923 29 29 . 29.5 23 29.5 158 5 3 . 29 5 5 4 . 29 2 cos 145 29.23 cos 54 Desigualdade de Cauchy-Schwarz É a desigualdade que afirma que o módulo do produto interno de dois vetores é menor ou igual ao produto de seus módulos. vuvu .. Pela desigualdade de Cauchy-Schwarz, para quaisquer vetores u, v ϵ V, temos que: vuvuvuvuvu ..,.,², Sendo V um espaço com produto interno. Então a norma em V verifica as seguintes propriedades: N1) 0;0 vev se, e somente se, v = 0 N2) vkvk .. N3) vuvu N3 é a propriedade chamada de desigualdade triangular, pois u + v como lado do triângulo formado por u e v, onde N3 afirma que o comprimento de um lado de um triângulo não excede a soma dos comprimentos dos outros dois. 55 - Exemplo: Para os vetores u = (2, -3) e v = (4, 5), verifique se vuvu .. é verdadeiro. - Resolução: 771585).3(4.2)5,4).(3,2(. vu 53341.132516.94)5,4(.)3,2(. vu Podemos afirmar que: vuvu ..5337 5.3 Ortogonalidade - Definição Dois vetores u e v não nulos do Espaço Vetorial Euclidiano V são ortogonais se o produto interno de u e v forem nulos (u . v = 0) A relação é simétrica, isto é, se u é ortogonal a v, < u,v > = 0 e assim v é ortogonal a u: < u,v > = < v, u > = 0 É importante compreender que 0 ϵ V é ortogonal a todo vetor v ϵ V, pois: < 0, v > = < 0v, v > = 0 . < v, v > = 0 De forma recíproca, se u é ortogonal a todo v ϵ V, então < u, u > = 0, portanto u = 0. 56 Lembrando que, se u e v são ortogonais, temos cos θ = 0, sendo θ ângulo formado pelos vetores u e v, θ = 90°, pois u e v são perpendiculares. Todo sistema ortogonal é Linearmente Independente (LI) Base ortogonal é toda base cujos vetores dois a dois são ortogonais. Base ortonormal é a base ortogonal cujos vetores têm módulos iguais a 1. - Exemplo: Suponha que S consiste dos três vetores seguintes em R³: u = (1, 2, 1), v = (2, 1, -4) e w = (3, -2, 1). - Resolução: Vamos verificar se S é ortogonal, estudando se u, v e w são mutuamente ortogonais. Assim, S é LI, formado por 3 elementos. Dessa forma, S é a base ortogonal de paraR³. Para qualquer vetor (a, b, c) ϵ V, temos: (a, b, c) = x . u + y . v + z . w (a, b, c) = x . (1, 2, 1) + y . (2, 1, -4) + z . (3, -2, 1) 57 - Exemplo: Ache k de modo que os vetores u = (1, 2, k, 3) e v = (3, k, 7, -5) sejam ortogonais em 4R . Conclusão Neste bloco, estudamos a definição de Vetores, com o objetivo de realizar um estudo aprofundado sobre a composição de Vetores; Vetores Unitários; Produto Interno de dois Vetores; Módulos de dois Vetores; Cosseno do Ângulo de dois Vetores; Desigualdade de Cauchy-Schwarz e finalizamos com a definição de Ortogonalidade. Referências WINTERLE, P. Vetores e Geometria Analítica. São Paulo: Pearson Makron Books, 2000. LIPSCHUTZ, S. Álgebra Linear – Problemas e exercícios etc. São Paulo: Pearson Makron Books, 1994. REIS, G. L; SILVA, V. V. Geometria Analítica. Rio de Janeiro: LTC, 2012. LAY, D. C; LAY, S. R; MCDONALD, J. J. Álgebra Linear e suas aplicações. Rio de Janeiro: LTC, 2018. 58 BLOCO 6: TRANSFORMAÇÃO LINEAR Neste último bloco, estudaremos a definição de uma Transformação Linear, conhecendo seus exemplos e contraexemplos. Em seguida, a veremos por meio de uma Matriz. Aprenderemos, também, a Transformação do Vetor Nulo; a Imagem e o Núcleo de uma Transformação Linear; a Transformação linear como combinação linear; e as Bases de um Espaço Vetorial e Transformação Linear. 6.1 Transformações Lineares - Definição: Dados os espaços vetoriais U e W sobre o corpo K, definimos transformação linear sobre K com uma função f de U em W, tal que, dado u, w ϵ U e o escalar k ϵ K, verificam-se as seguintes condições: i. f (u + w) = f (u) + f (w); ii. f (k.u) = k . f (u). - Exemplo: Sendo f: R² em R², f (x, y) = (x, 0), verifique se f é uma transformação linear. - Resolução: Para verificar se a função indicada por f é uma transformação linear estudamos as condições: i. f (u + w) = f (u) + f (w); ii. f (k.u) = k . f (u). 59 Verificando: R² é um espaço vetorial, com os vetores v = (a, b) e w = (c, d), onde pela definição de f, temos: f (u) = f(a, b) = (a, 0) e f (w) = f(c, d) = (c, 0) 1ª Condição: f (u + w) = f(u) + f(w) ? f (u + w) = f[(a, b) + (c, d)] = f(a + c, b + d) = (a + c, 0) f (u) + f (w) = f(a, b) + f (c, d) = (a, 0) + (c, 0) = (a + c, 0) 1ª Condição: f (u + w) = f(u) + f(w) foi satisfeita! Verificando: 2ª Condição: f (k.u) = k . f (u) Sendo f (u) = f(a, b) = (a, 0) pela definição de f Sendo f (u) = f(a, b) = (a, 0) pela definição de f k . f (u) = k . f (a, b) = k . (a, 0) = (k.a, 0) 2ª Condição: f (k. u) = k . f(u), também foi satisfeita! Portanto, f: R² em R², f(x, y) = (x, 0) é uma transformação linear. - Contraexemplo: Sendo f: R em R, f (x) = 2x + 1, verifique se f é uma transformação linear. Para verificar se a função indicada por f é uma transformação linear, estudamos as condições: i. f (u + w) = f (u) + f (w) ii. f (k.u) = k . f (u) 60 Verificando: R é um espaço vetorial, com u ϵ R e w ϵ R, onde pela definição de f, temos: f (u) = 2. u + 1 e f (w) = 2. w + 1 1ª Condição: f (u + w) = f(u) + f(w)? f (u + w) = 2. (u + w) + 1 = 2 u + 2 w + 1 f (u) + f (w) = 2.u + 1 + 2.w + 1 = 2 u + 2 w + 2 1ª Condição: f (u + w) = f(u) + f(w) não foi satisfeita! Portanto, f: R em R, f(x) = 2x + 1 não é uma transformação linear. Transformação Linear por meio de uma Matriz - Exemplo: Dada a matriz A, aplicar uma transformação linear f: R³ em R². 245 021 A Os vetores u e w de R² e R³ na forma de vetor-coluna. u = (a, b, c) e w = (r, s) s r we c b a u 61 - Resolução: Portanto, a matriz A representa uma transformação linear do R³ e R², em que os vetores dos conjuntos são escritos na forma de vetor-coluna. Transformação Linear do Vetor Nulo Para uma transformação linear f: U em W e sendo 0 o vetor nulo de U, f(0) = 0 ϵ W. Onde as condições são satisfeitas: I. f (u + w) = f(u) + f(w) f (0 + 0) = f (0) = f(0) + f(0) = 0 II. f(k.u) = k. f(u) f(k.0) = k. f(0) = k. 0 = 0 - Exemplo: Sendo f: R² em R², f(x, y) = (x, 0). Pela definição de f, temos: f(0, 0) = (0, 0) Portanto, f: R² em R², f(x, y) = (x, 0) é uma transformação linear. 62 - Contraexemplo: Sendo f: R em R, f(x) = 3x – 1. Pela definição de f, temos: f(0) = 3.0 – 1, sendo diferente de zero. Portanto, se f(0) ≠ 0, f não é uma transformação linear. É necessário que a imagem do vetor nulo seja ele próprio para indicar uma transformação linear, mas o fato disso acontecer não é o suficiente para garantir que se trata de uma transformação linear. 6.2 Núcleo de uma Transformação Linear Imagem de uma transformação Linear - Definição: Seja WUf : uma transformação linear. A imagem de f, escrita Im (f), é o conjunto dos pontos imagem em W: Im (f) = {w ϵ W: f(u) = w para qualquer u ϵ U} Seja WUf : uma transformação linear. Então, a imagem de f é um subconjunto de U. - Exemplo: Seja ³³: RRf a transformação projeção sobre o plano xy: f(x, y, z) = (x, y, 0). 63 Dessa forma, a imagem de f é o plano xy. Sendo, Im (f) = {(a, b, 0): a, b ϵ R}. Núcleo de uma Transformação Linear Definida a transformação linear WUf : , denominamos núcleo dessa transformação linear o conjunto de todos os vetores de U que têm como imagem o 0 (zero) pertencente a W. Sua representação é dada por N (f) = {u ϵ U: f(u) = 0}. - Exemplos: 1. Sendo ³³: RRf a transformação projeção sobre o plano xy: f(x, y, z) = (x, y, 0). 64 Dessa forma, é possível identificar que o núcleo de f é o eixo dos z. Sendo, N (f) = {(0, 0, c): c ϵ R}, uma vez que esses pontos, e somente esses pontos, são transformados no vetor nulo: 0 = (0, 0, 0). 2. Sendo f: R² em R², f(x, y) = (x, 0) apresente o núcleo dessa transformação linear. Resolução: Sendo todos os elementos de R² com x = 0 temos como imagem (0, 0). Logo, N (f) = {(0, y) ϵ R²}. Dessa forma, o conjunto N (f) é representado no plano cartesiano pelo eixo dos y. 6.3 Transformação Linear como Combinação Linear Sendo WUf : uma transformação linear nos espaços vetoriais U e W, temos f(u + w) = f(u) + f(w) e f(k.u) = k. f(u), podemos afirmar que, para os vetores u, v ϵ U: ).().()..()()()( )(.).( )(.).( vsfurfvsurfvfufvufe vfsvsf ufrurf Onde, f(r.u) + f(s.v) = r. f(u) + s. f(v), permitindo a devida denotação: f(r.u + s. v) = r. f(u) + s. f(v) Podemos afirmar que a transformação linear de uma combinação linear de u e v [r.u + s.v] é a combinação de f(u) e f(v), para r e s escalares. Bases de um Espaço Vetorial e Transformação Linear Uma base },...,,[ 21 nbbbB gera todo o espaço vetorial U, ou seja, cada vetor u ϵ U é uma combinação linear dos elementos de B. nn bababau ...... 2211 65 Ao aplicar f em u, determinamos [f(u)], sendo uma combinação linear das transformações lineares de nbbb ,...,, 21 , ou seja, )(....)(.)(.)( 2211 nn bfabfabfauf Não podemos afirmar que )(),...,(),( 21 nbfbfbf é uma base de W, sem antes estudar a condição para o mesmo ser uma base. - Exemplo: Dada a base B = {(1, 1, 1); (1, 2, 3); (2, -1, 1)} do R³ e a transformação linear f de R³ em R³, em que: f (1, 1, 1) = (2, 0, 1), f (1, 2, 3) = (3, -1, 3) e f (2, -1, 1) = (1, 3, 1). Sem conhecer a definição de f, apresente f (3, 9, 10). - Resolução: Sendo B a base do R³, podemos afirmar que (3, 9, 10) é uma combinação linear: (3, 9, 10) = a. (1, 1, 1) + b. (1, 2, 3) + c. (2, -1, 1) Nesse caso, é necessário determinar os valores de a, b e c. 103 92 32 cba cba cba Ao resolver o sistema temos a = 2, b = 3 e c =-1. Dessa forma temos que: )(....)(.)(.)( 2211 nn bfabfabfauf )10,6,12(()10,9,3( )1,3,1()9,3,9()2,0,4()10,9,3( )1,3,1).(1()3,1,3.(3)1,0,2.(2)10,9,3( )1,1,2(.)3,2,1(.)1,1.,1(.)10,9,3( f f f fcfbfaf Portanto, podemos afirmar que f(3, 9, 10) = (12, -6, 10). 66 Conclusão Neste bloco, estudamos a definição de uma Transformação Linear; a Transformação Linear por meio de uma Matriz; a Transformação do Vetor Nulo; Imagem de uma Transformação Linear; Núcleo de uma Transformação Linear; Transformação linear como combinação linear; Bases de um Espaço Vetorial e Transformação Linear. Ao concluirmos nossa disciplina, gostaria de agradecer por ter chegado até aqui e deixar meus votos de sucesso para as demais etapas da sua jornada! Referências WINTERLE, P. Vetores e Geometria Analítica. São Paulo: Pearson Makron Books, 2000. LIPSCHUTZ, S. Álgebra Linear – Problemas e exercícios etc. São Paulo: Pearson Makron Books, 1994. REIS, G. L; SILVA, V. V. Geometria Analítica. Rio de Janeiro: LTC, 2012. LAY, D. C; LAY, S. R; MCDONALD, J. J. Álgebra Linear e suas aplicações. Rio de Janeiro: LTC, 2018. capa.pdf BLOCO 1: VETORES
Compartilhar