Relatório 2 Álgebra Linear e Geometria Analítica

Tema: Espaço Vetorial e Geometria Analítica

Grupo 6
Elementos do grupo:
Edmar Ramos
Lisa Macia
Rafael

1
Índice
1 Introdução............................................................................................................................3
2 Espaço Vetorial.....................................................................................................................3
2.1 Propriedades do espaço vetorial:.................................................................................4
3 SUBESPAÇO VETORIAL..........................................................................................................4
4 Subespaço gerado................................................................................................................5
4.1 Combinação Linear.......................................................................................................5
4.2 Dependência e Independência Linear..........................................................................6
4.3 Base..............................................................................................................................7
4.4 Dimensão......................................................................................................................8
5 VALOR PRÓPRIO E VECTOR PRÓPRIO:..................................................................................8
6 Polinômio característico.......................................................................................................9
7 Diagonalização...................................................................................................................13
8 Interpretação Geométrica..................................................................................................16
9 Translação..........................................................................................................................17
10 Reflexão.........................................................................................................................19
11 Rotação...........................................................................................................................20
12 REFERÊNCIAS BIBLIOGRÁFRICAS....................................................................................21

2
1 Introdução
Autovalores e autovetores são muito utilizados em álgebra linear e computação
científica, pois estão relacionados com propriedades intrínsecas da matriz. Por exemplo,
se uma matriz possui um valor próprio nulo, implica que ela não e inversível. Assim,
valores próprios nos fornecem informações sobre a inversibilidade da matriz. O objetivo
deste trabalho é fazer um estudo da utilização de valores próprios e vetores próprios na
resolução de problemas, bem como suas principais propriedades e algumas de suas
aplicações, complementando o que foi estudado anteriormente relacionado com as
matrizes e sistemas lineares.

2 Espaço Vetorial
Definição: Dizemos que um conjunto V, não vazio, é um espaço vetorial (sobre R) se, e
somente se:
1) Existe uma adição:
(u, v) → u + v ∈ V com as seguintes propriedades:
a) u + v = v + u, ∀u, v ∈ V (comutativa);
b) u + (v + w) = (u + v) + w, ∀ u, v e w ∈ V (associativa);
c) Existe um elemento neutro 0 ∈ V tal que u + 0 = u, ∀u ∈ V;
d)  u ∈ V, existe o oposto (simétrico) (-u) ∈ V tal que: u + (-u) = 0
2) Está definida uma multiplicação: R x V → V
(α, u) → α.u
Satisfazendo as seguintes condições,  u, v ∈ V e  α, β ∈ R:
a) α(βu) = (αβ)u
b) (α+β)u = αu + βu
c) α(u + v) = αu + αv
d) 1u = u
Notação: {V,+, ⋅} : espaço vetorial
Obs 1: Os elementos reais são chamados escalares e denotados por α, β, κ ,por exemplo.
Obs 2: Os elementos do espaço vetorial V são chamados vetores e são denotados,
normalmente, pelas letras u, v, w, dentre outras. *(ref.
http://wwwp.fc.unesp.br/~emilia/Cursos/algebralinear/Espacos%20Vetoriais.pdf)

3
2.1 Propriedades do espaço vetorial:
P1) O vetor nulo (ou elemento neutro da adição) é sempre único.
P2) Para cada vetor u ∈ V , existe um único vetor −u ∈ V tal que u+(-u )-0, em outras
palavras, o vetor oposto de u é único.
P3) ∀α ∈ R, α.0 = 0, 0 ∈ v .
P4) ∀u ∈ V, 0.u = 0, 0 ∈ R .
P5) α.u = o ⇒ α = 0 ou u = 0, α ∈ R e u ∈ v .

P6) ∀α R , ∀u ∈ v ⇒(−α).u = α.(−u) = −(αu) .

P7) ∀ α ∈ R , ∀ u,v ∈ V ⇒ α.(u − v) = αu − αv, sendo que u – v = u+(-v).
P8)∀α,β ∈ R, ∀u ∈ V⇒ ( α- β).u =αu − βu
P9) Se u,v,w ∈ V e u+v = u+w , então v = w .
(Ref. http://wwwp.fc.unesp.br/~emilia/Cursos/algebralinear/Espacos%20Vetoriais.pdf)

3 SUBESPAÇO VETORIAL
Definição: Um subconjunto não vazio W ⊂ V , ( V um espaço vetorial real) é dito
subespaço vetorial de V se também é um espaço vetorial real, considerando as
operações restritas a ele.
Teorema: Um subconjunto não vazio W ⊂ V , ( V um espaço vetorial real) é um
subespaço vetorial se satisfaz:
 0∈W.
 ∀u,v ∈ W ⇒ u + v ∈ W.
 ∀u ∈ W , ∀α ∈ R ⇒αu ∈ W.

4
4 Subespaço gerado
Seja S um subconjunto de um espaço vetorial V. O conjunto de todas as
combinações lineares finitas, de elementos de S, é um subespaço de V, chamado
subespaço gerado por S e denotado por [S Quando S é um conjunto finito,
S={V1,--‹›V,z}. denotamos este subespaço gerado por [vl,...,v,,} por
span{v1, ...,v,,}.
Antes de abordarmos o tema Autovalor e Autovetor iremos mencionar aqui alguns
conceitos importantes como é o caso da combinação linear.

4.1 Combinação Linear

É uma expressão construída a partir de um conjunto de termos, multiplicando cada
termo por uma constante (por exemplo, uma combinação linear de x e y seria qualquer
expressão da forma ax + by, onde a e b São constantes

5
4.2 Dependência e Independência Linear
Um conjunto de vetores é dito linearmente independente (freqüentemente indicado por
LI) quando nenhum elemento contido nele é gerado por uma combinação linear dos
outros (lembrar o conceito de combinação linear apresentado anteriormente).
Naturalmente, um conjunto de vetores é dito linearmente dependente (LD) se pelo
menos um de seus elementos é combinação linear dos outros.

6
4.3 Base
Seja V um espaço vetorial sobre um corpo K, uma base de V é um
subconjunto Bc V para o qual as seguintes condições se verificam:
a) [B]= V;
b) B é LI.

7
Exemplo2.

8
4.4 Dimensão
Seja V um espaço vetorial sobre um corpo K. Se V admite uma base
finita então dizemos que a dimensão de V (notação: dim V) é o número de
vetores desta base. Caso contrário a dimensão de V é infinita.
Exemplo 4:
a) dimR2=2
b) dimIRn=n
c) dimAnxn=n.n=n2

Exemplo2:.

9
5 VALOR PRÓPRIO E VECTOR PRÓPRIO:
Se A for uma matriz do tipo n × n, então um vetor não nulo x ∈ C diz-se um vector
próprio de A se Ax for múltiplo de x, ou seja, se
                                                     Ax =λx 

para algum escalar λ ∈ C. O escalar λ diz-se um valor próprio de A e x é um vector

próprio associado ao valor próprio λ.

OBSERVAÇÕES: 
• Um vector próprio é, por definição, não nulo.
 • Um vector próprio está associado apenas a um valor próprio, mas a um valor próprio
estão associados uma infinidade de vectores próprios.

10
Multiplique-se um vector próprio x por A e o vector resultante Ax será λ vezes o vector
x

6 Polinômio característico
Seja  A uma matriz quadrada de ordem n. Os escalares λ que satisfazem a condição det
(A – λI) = 0 chamam-se valores próprios de A. 
P(λ) = det  (A – λI)
para algum escalar λ ∈ C. O escalar λ diz-se um valor próprio de A e x é um vector
próprio associado ao valor próprio λ.

11
Seja A uma matriz quadrada de ordem n e λ um valor próprio de A. Os vetores que
satisfazem a condição

det  (A − λI)x = 0 ; designam-se por vectores próprios de A associados a λ. 

Sejam λ1,..., λn os valores próprios de A. O conjunto dos vectores próprios associados a
um determinado valor próprio λi , para i = 1, ..., n, de uma matriz A de ordem n é um
subespaço vectorial de C  a que se chama subespaço próprio associado a λi e que
denotaremos por Si .

Para calcular os vectores próprios associados ao valor próprio λ1 = 0, resolvamos a

equação 
   (A − 0I)x = 0

Calculemos agora o conjunto dos vectores próprios associados ao valor próprio λ2=2 
 
(A − 2I)x = 0

12
 Exemplo de uma matriz 3x3

13
14
7 Diagonalização
Vamos supor uma matriz quadrada A.Se existir x e λ tal que Ax = λx, o λ vai ser um
valor próprio de A e o x vai ser um vetor próprio.
A diagonalização é um processo para transformar uma matriz normal em uma matriz
diagonal, desde que ela satisfaça as condições:
Para que uma matriz quadrada A seja diagonalizável é que exista uma matriz P
invertível tal que  P−1 AP = D, onde D é a matriz diagonal.
Ou seja, se A é uma matriz nxn , então são equivalentes as seguintes afirmações.
a) A é diagonalizável.
b) A tem n vetores próprios Linearmente Independentes.
Ex.

15
16
17
8 Interpretação Geométrica
Geometricamente (Fig. 2), a equação do valor próprio Ax=λx implica que numa
transformação A,vetores próprios sofrem apenas mudança na sua magnitude e sinal – a
direção de Ax é a mesma direção de x . O valor próprio λ indica apenas o tanto que o
vetor irá “encolher” ou “esticar” ao sofrer a transformação A. Se λ = 1, o vetor
permanece inalterado (não é afetado pela transformação). Se λ = −1 o vetor passa a ter a
direção oposta (muda de sentido apenas) e a transformação é chamada reflexão. A
transformação I sob a qual um vetor x permanece inalterado, Ix = x é definida como
transformação identidade.

18
 A transformação A aumenta a
magnitude do vetor x, mas não muda sua
direção. Logo, x é um vetor próprio
de A, e λ um valor próprio de A.
Fig2

 Há tipos especiais de matrizes para os quais o cálculo dos valores próprios é

muito fácil. Quais?
R:Sim. Para matrizes triângulares, nos quais os valores próprios de A são os
elementos da diagonal principal de A.
 Oque sabem sobre matrizes que têm 0 como valor próprio?
Se 0 for valor próprio de A, a matriz é singular e inversível (não tem inversa) o
seu determinante é 0.

DE VOLTA AO ESTUDO DE TRANSFORMAÇÕES

LINEAREAS,FALAREMOS DAS TRANSFORMAÇÕES
GEOMÉTRICAS SOB A FORMA DE MATRIZES

9 Translação

Uma translação é uma transformação geométrica em que todos os pontos de uma figura
e os respetivos transformados definem a mesma direção, o mesmo sentido e estão à
mesma distância.

19
20
10 Reflexão
A reflexão ocorre através de uma reta chamada eixo. O ponto original e seu
correspondente na reflexão tem a mesma distância em relação ao eixo.

21
11 Rotação
A rotação é o "giro" de uma forma ao redor de um ponto chamado centro de rotação.
A distância ao centro de rotação se mantem constante e a medida do giro é
chamada ângulo de rotação.

22
12 REFERÊNCIAS BIBLIOGRÁFRICAS

1. http://www.ipb.pt/~balsa/teaching/1011/M1/cap4_prt.pdf
2. https://www.ufrgs.br/reamat/AlgebraLinear/livro/s11-
autovalores_autovetores_e_autoespax00e7os_associados.html
3. GOLUB, G. H. E VanLoan, C. F. Matrix computations. 3 ed. The Johns
University
4. Press, 1996.
5. HORN, R. A. e JOHNSON, C. R. Matrix Analisys. Cambridge: University
Press,
6. 1985.
7. KOLMAN, B. Introdução à Álgebra Linear com Aplicações. Trad. 8 ed.Rio de
8. Janeiro: LTC, 2006.
9. Callioli, Carlos A.; Domingues, Hygino H.; Costa, Roberto C. F. (1990).
Álgebra Linear e Aplicações. São Paulo, Brasil: Atual. pp. 57–59
10. Noble, Ben (1986). Álgebra Linear Aplicada. Rio de Janeiro, Brasil: [s.n.] 91
páginas
11. Anton, Howard; Rorres, Chris (2012). Álgebra Linear com aplicações. [S.l.]:
Bookman. 119 páginas
12. https://youtu.be/ynXJNZ0YDyU
13. https://youtu.be/4stXqEmAc1s
14. Costa, Belmiro e Rodrigues, Ermelinda (2012). Novo Espaço - Matemática - 8.º
Ano. Porto Editora

23