ÁLGEBRA LINEAR Tipos de Vetores
O que é Álgebra Linear? Vetor nulo
A Álgebra Linear é o ramo da matemática que estuda: Todos os elementos iguais a zero.
• Vetores (0,0)(0,0)(0,0)
• Matrizes
• Sistemas lineares Vetor unitário
• Espaços vetoriais Possui módulo igual a 1.
• Transformações lineares
Ela é muito usada em: Vetores opostos
• Física Mesmo módulo e direção, sentidos contrários.
• Engenharia (2,3)e(−2,−3)(2,3) \quad e \quad (-2,-3)(2,3)e(−2,−3)
• Computação
• Inteligência Artificial 2. OPERAÇÕES COM VETORES
• Economia Soma de vetores
• Estatística (a,b)+(c,d)=(a+c,b+d)(a,b)+(c,d)=(a+c,b+d)(a,b)+(c,d)
=(a+c,b+d)
• Gráficos 3D
Exemplo:
(2,3)+(1,4)=(3,7)(2,3)+(1,4)=(3,7)(2,3)+(1,4)=(3,7)
1. ESCALARES E VETORES
Escalar
Subtração
É um número comum.
(a,b)−(c,d)=(a−c,b−d)(a,b)-(c,d)=(a-c,b-
Exemplos:
d)(a,b)−(c,d)=(a−c,b−d)
• 5
• −2
Multiplicação por escalar
• 3,7
k(a,b)=(ka,kb)k(a,b)=(ka,kb)k(a,b)=(ka,kb)
Exemplo:
Vetor
2(1,3)=(2,6)2(1,3)=(2,6)2(1,3)=(2,6)
É um elemento que possui:
• módulo (tamanho)
3. MÓDULO DE UM VETOR
• direção
Fórmula:
• sentido
∥v⃗∥=x2+y2\|\vec{v}\|=\sqrt{x^2+y^2}∥v∥=x2+y2
Representação:
Exemplo:
v⃗=(x,y)\vec{v} = (x,y)v=(x,y)
v⃗=(3,4)\vec{v}=(3,4)v=(3,4)
Exemplo: ∣v⃗∣=32+42=25=5|\vec{v}|=\sqrt{3^2+4^2}=\sqrt{25}=
5∣v∣=32+42=25=5
v⃗=(2,3)\vec{v} = (2,3)v=(2,3)
4. PRODUTO ESCALAR Matriz diagonal
Multiplica coordenadas correspondentes e soma. Somente diagonal principal diferente de zero.
u⃗⋅v⃗=x1x2+y1y2\vec{u}\cdot\vec{v}=x_1x_2+y_1y_2
u⋅v=x1x2+y1y2
Matriz transposta
Exemplo:
Troca linhas por colunas.
(2,3)⋅(1,4)=2⋅1+3⋅4=14(2,3)\cdot(1,4)=2\cdot1+3\cdot ATA^TAT
4=14(2,3)⋅(1,4)=2⋅1+3⋅4=14
7. OPERAÇÕES COM MATRIZES
Vetores Perpendiculares
Soma
Dois vetores são perpendiculares quando:
Somar elementos correspondentes.
u⃗⋅v⃗=0\vec{u}\cdot\vec{v}=0u⋅v=0
Multiplicação por número
5. MATRIZES
Multiplica todos os elementos.
O que é matriz?
Tabela organizada em linhas e colunas.
Multiplicação de matrizes
Exemplo:
Só é possível quando:
A=[1234]A= \begin{bmatrix} 1 & 2 \\ 3 & 4
\end{bmatrix}A=[1324] • número de colunas da primeira =
• número de linhas da segunda
Ordem da matriz
Número de: 8. DETERMINANTES
• linhas × colunas Número associado a uma matriz quadrada.
Exemplo:
• 2×2 Determinante 2×2
• 3×4 det[abcd]=ad−bc\det\begin{bmatrix}a&b\\c&d\end{
bmatrix}=ad-bcdet[acbd]=ad−bc
Exemplo:
6. TIPOS DE MATRIZES
∣2134∣=8−3=5\begin{vmatrix} 2 & 1 \\ 3 & 4
Matriz quadrada \end{vmatrix} =8-3=52314=8−3=5
Mesmo número de linhas e colunas.
9. MATRIZ INVERSA
Matriz identidade A inversa de AAA é:
I=[1001]I=\begin{bmatrix}1&0\\0&1\end{bmatrix}I=[ A−1A^{-1}A−1
1001]
Condição:
• determinante diferente de zero.
Matriz nula
Todos os elementos iguais a zero.
Fórmula da inversa 2×2
A−1=1ad−bc[d−b−ca]A^{-1}=\frac{1}{ad- • multiplicação
bc}\begin{bmatrix}d&-b\\-
Exemplos:
c&a\end{bmatrix}A−1=ad−bc1[d−c−ba]
• R2\mathbb{R}^2R2
• R3\mathbb{R}^3R3
10. SISTEMAS LINEARES
Conjunto de equações.
14. BASE E DIMENSÃO
Exemplo:
Base
{x+y=52x−y=1\begin{cases} x+y=5 \\ 2x-y=1
\end{cases}{x+y=52x−y=1 Conjunto de vetores linearmente independentes.
Dimensão
Tipos de sistema Quantidade de vetores da base.
SPD Exemplo:
Sistema possível e determinado. • R2\mathbb{R}^2R2 → dimensão 2
• Uma solução. • R3\mathbb{R}^3R3 → dimensão 3
SPI
Sistema possível e indeterminado. 15. DEPENDÊNCIA LINEAR
• Infinitas soluções. Vetores são linearmente dependentes quando:
SI • um pode ser escrito como combinação dos
outros.
Sistema impossível.
• Sem solução.
16. TRANSFORMAÇÕES LINEARES
Funções que preservam:
11. MÉTODO DA ELIMINAÇÃO DE GAUSS
• soma
Usado para resolver sistemas lineares.
• multiplicação escalar
Objetivo:
Exemplo:
• transformar a matriz em forma escalonada.
T(x,y)=(2x,2y)T(x,y)=(2x,2y)T(x,y)=(2x,2y)
12. REGRA DE CRAMER
17. AUTOVALORES E AUTOVETORES
Usada quando:
Muito usados em:
• determinante ≠ 0
• IA
xi=DiDx_i=\frac{D_i}{D}xi=DDi
• computação gráfica
Onde:
• física
• DDD = determinante principal
Equação principal:
• DiD_iDi = determinante substituindo coluna
Av⃗=λv⃗A\vec{v}=\lambda\vec{v}Av=λv
13. ESPAÇOS VETORIAIS Onde:
Conjunto de vetores que obedecem regras de: • λ\lambdaλ = autovalor
• soma • v⃗\vec{v}v = autovetor