Goinia
2013
Goinia
2013
todos os meus alunos que j foram e aos que esto por vir, por eles que quero
ser um professor melhor.
Agradecimentos
Primeiro s pessoas que amo, por sempre estarem presente em minha vida, no
apenas nos momentos felizes, mas principalmente nos mais difceis. Universidade
Federal de Gois (UFG) e ao PROFMAT, que proporcionam no s a mim, mas a vrios
estudantes, a oportunidade de sermos pessoas melhores. Ao professor Maurilio Mrcio
Melo, pelo apoio e incentivo para a concluso deste trabalho. Aos demais professores que
contriburam com a formao de profissionais melhores. Aos meus pais, Guilherme Rocha
Nogueira e Joana DArc Arantes Bernardes Nogueira e namorada, Halinna Dornelles
Wawruk, pelo incentivo, pacincia, carinho e apoio que me foram dados ao decorrer de
todo o curso. CAPES pelo suporte financeiro. Aos meus colegas do Mestrado, pelo
agradvel convvio, amizade e ajuda. Muito obrigado a todos!
Resumo
Nogueira, Leonardo Bernardes. Transformaes lineares no plano e aplicaes. Goinia, 2013. 63p. Trabalho de concluso de curso. Instituto de Matemtica e Estatstica, Universidade Federal de Gois.
Este trabalho inicia-se com um breve embasamento histrico sobre o desenvolvimento
de espaos vetoriais e transformaes lineares. Em seguida, apresenta conceitos fundamentais bsicos, que formam uma linguagem mnima necessria para falar sobre lgebra
Linear, com enfoque maior nos operadores lineares do plano R2 . Atravs de exemplos,
explora-se um vasto conjunto de transformaes no plano a fim de mostrar outras aplicaes de matrizes no ensino mdio e prepara o terreno para a apresentao do Teorema
Espectral para operadores auto-adjuntos de R2 . Este Teorema diz que para todo operador auto-adjunto T : E E, num espao vetorial de dimenso finita, munido de produto
interno, existe uma base ortonormal {u1 , . . . , un } E formada por autovetores de T . O trabalho culmina com aplicaes sobre o estudo das seces cnicas, formas quadrticas e
equaes do segundo grau em x e y, no qual o Teorema Espectral se traduz como Teorema
dos Eixos Principais, embora essa nomenclatura no seja usada nesse trabalho (para um
estudo mais aprofundado neste tema ver [3], [4], [5], [7]). Retomando assim um estudo
feito por Joseph Louis Lagrange em "Recherche dArithmtique", entre 1773 e 1775, no
qual estudou a propriedade de nmeros que so a soma de dois quadrados. Assim, foi
levado a estudar os efeitos das transformaes lineares com coeficientes inteiros numa
forma quadrtica de duas variveis.
Palavraschave
Abstract
Keywords
Sumrio
Lista de Figuras
11
Introduo
12
Espaos Vetoriais
15
Subespaos
18
Bases
24
Transformaes Lineares
27
Ncleo e Imagem
36
Produto Interno
42
46
52
10 Concluso
62
Referncias Bibliogrficas
63
Lista de Figuras
2.1
Soma de vetores.
16
3.1
3.2
20
23
5.1
5.2
5.3
5.4
5.5
Rotao de Vetores.
Rotao de ngulo .
Projeo ortogonal sobre uma reta.
Reflexo em torno de uma reta.
(a) e (b) representam as reflexo com relao ao eixo x e y respectivamente.
31
31
32
33
34
34
34
(a)
(b)
7.1
7.2
7.3
43
44
45
9.1
9.2
9.3
53
55
9.4
9.5
56
60
61
CAPTULO 1
Introduo
Aspectos Histricos
A rea de lgebra linear ficou adormecida na matemtica, no apresentando
nada de substancial at a metade do sculo XVIII. Um assunto relevante cujas questes
levaram ao desenvolvimento da teoria de sistemas lineares que, por sua vez, levaram ao
desenvolvimento da teoria de espaos vetoriais o estudo das curvas algbricas.
Em 1770, no entanto, o matemtico Euler conseguiu caracterizar as transformaes ortogonais para n = 2 e 3, quando estudava quadrados de nmeros similares aos
quadrados mgicos. Devido ao seu raciocnio puramente algbrico, ele tambm conseguiu generalizar as solues para qualquer valor de n, no se restringindo somente a 3.
Um processo semelhante no poderia ocorrer na geometria, pois, nesse caso, era preciso
imaginar um espao com dimenses maiores que 3.
Partindo dos estudos feitos por Euler, Joseph Louis Lagrange publicou o "Recherche d?Arithmtique", entre 1773 e 1775, no qual estudou a propriedade de nmeros
que so a soma de dois quadrados. Assim, foi levado a estudar os efeitos das transformaes lineares com coeficientes inteiros numa forma quadrtica de duas variveis. A partir
desse estudo, ele instituiu que o discriminante da nova forma quadrtica o produto do
antigo discriminante pelo quadrado de uma quantidade (determinante da transformao
linear).
Johann Carl Friedrich Gauss, por sua vez, tambm estudou a questo com
duas e trs variveis. Ele apresentou uma notao similar a da matriz que caracteriza a
transformao linear. Alm disso, Gauss estabeleceu a frmula e uma notao simblica
para a composio de duas transformaes lineares e tambm para o produto, o que marca
um passo fundamental em direo ao conceito de matriz.
Hermann Gnter Grassmann publicou em 1844 a primeira verso de "Lineale
Ausdehnungslehre". Nesse trabalho discutiu e obteve uma boa parte dos resultados
elementares da teoria atual de espaos vetoriais e de lgebra linear, alm de ter conseguido
algo bem prximo de uma formalizao axiomtica, mas devido a sua forma obscura de
13
Situao Atual
A anlise de livros didticos de Matemtica constitui um parmetro indicador
do estado atual em que se encontra o ensino da lgebra Linear. Especificamente no
ensino mdio, pode-se constatar pela leitura de [6] que o contedo de lgebra linear
apresentado simplesmente para a resoluo de sistemas de equaes, onde a nica
aplicao de matrizes se restringe apenas na resoluo de sistemas.
Este trabalho mostra outros aspectos da aplicabilidade de conceitos de lgebra
Linear, como de espaos vetoriais, subespaos, bases, transformaes lineares, produto
interno e formas quadrticas, tendo sempre o foco no plano R2 , ou seja em espaos de
dimenso 2, visando um aprofundamento dos conceitos e mantendo a simplicidade para a
aplicabilidade no ensino mdio. Em outras palavras este trabalho mostra uma outra rea
de atuao para lgebra Linear, que retratada nos livros de ensino mdio apenas pelo
uso de matrizes e sistemas lineares, mostrando sua aplicabilidade no estudo das seces
cnicas (parbolas, hiprboles e elipses), que so abordadas ao final do ensino mdio.
14
CAPTULO 2
Espaos Vetoriais
(2-1)
16
u = (u1 , . . . , un )
(2-2)
O vetor nulo , por definio, aquele cujas coordenadas so todas iguais a zero: 0 =
(0, 0, . . . , 0).
O inverso aditivo de u = (u1 , . . . , un ) u = (u1 , . . . , un ). Temos ento que
estas definies fazem de Rn um espao vetorial. Com efeito temos que mostrar que todos
os axiomas de espao vetorial valem para Rn , vide demonstrao em [4]. Para n = 1,
tem-se R1 = R = reta numrica, R2 o plano euclidiano e R3 o espao euclidiano
tridimensional da nossa experincia cotidiana.
Para ajudar a compreenso, os vetores de R2 e R3 podem ser representados por
flechas com origem no mesmo ponto O. A soma u + v a flecha que liga a origem O ao
vrtice que lhe oposto no paralelogramo que tem u e v como lados (Veja Figura).
17
CAPTULO 3
Subespaos
19
Exemplo 3.3 Sejam E um espao vetorial e L um conjunto de ndices. Se, para cada
L, F um subespao vetorial de E, ento a interseo
F=
ainda um subespao vetorial de E. Segue-se ento do Exemplo 3.2 que o conjunto dos
vetores v = (x1 , . . . , xn ) R cujas coordenadas satisfazem as m condies abaixo
a11 x1 + a12 x2 + . . . + a1n xn = 0
a21 x1 + a22 x2 + . . . + a2n xn = 0
..
.
am1 x1 + am2 x2 + . . . + amn xn = 0
um subespao vetorial de Rn , que a interseo F = F1 . . . Fm dos hiperplanos Fi
definidos, segundo o Exemplo 3.2, por cada uma das equaes acima.
Seja X um subconjunto do espao vetorial E. O subespao vetorial de E gerado
por X , por definio, o conjunto do todas as combinaes lineares
1 v1 + 2 v2 + . . . + m vm
de vetores v1 , . . . , vm X.
Pode-se mostrar que o conjunto de todas as combinaes lineares que se podem
formar com vetores retirados dos conjunto X , de fato, um subespao vetorial, que
indicaremos pelo smbolo G(X).
O subespao G(X), gerado pelo subconjunto X E, contm o conjunto X e, alm
disso, o menor subespao de E que contm X. Noutras palavras, se F um subespao
vetorial de E e X F, ento G(X) F. Evidentemente, se X j um subespao vetorial,
ento G(X) = X. Quando o subespao G(X) coincide com E, diz-se que X um conjunto
de geradores de E.
Explicitamente: um conjunto X um conjunto de geradores do espao vetorial E
quando todo vetor w E pode exprimir-se como combinao linear
w = 1 v1 + . . . + m vm
de vetores v1 , . . . , vm pertencentes a X
Exemplo 3.4 Se v E um vetor no-nulo, o subespao gerado por v a reta que passa
pela origem e contm v.
20
Exemplo 3.5 Sejam u = (a, b) e v = (c, d) vetores de R2 tais que nenhum deles mltiplo
do outro, ento u 6= 0, v 6= 0 e, pelo Exemplo 2.2, afirmamos que X = {u, v} um conjunto
de geradores de R2 , ou seja, que qualquer vetor w = (r, s) R2 pode exprimir-se como
uma combinao linear w = xu + yv. De fato esta igualdade vetorial em R2 equivale s
duas igualdades numricas
ax + cy = r
bx + dy = s.
Como ad bc 6= 0, o sistema de equaes acima possui uma soluo (x, y), logo existem
x, y R, tais que xu + yv = w. Esta mesma concluso pode tambm ser obtida geometricamente, conforme mostra a figura 3.1. A partir da ponta de w, traam-se paralelas s retas
que contm u e v, determinando assim os mltiplos xu, yv, que somados do w.
21
22
Exemplo 3.8 Em R2 , sejam F1 o subespao gerado pelo vetor e1 = (1, 0) e F2 o subespao gerado pelo vetor e2 = (0, 1). Ento F1 a reta que passa pela origem na direo de
e1 , ou seja, o conjunto de vetores da forma (1 , 0), enquanto que F2 tem a forma (0, 2 ).
claro que R2 = F1 F2 .
A noo de subespao vetorial abrange as retas, planos e seus anlogos multidimensionais apenas nos casos em que esses conjuntos contm a origem. Para incluir
retas, planos, etc. que no passam pela origem, tem-se a noo de variedade afim, que
discutiremos agora.
Seja E um espao vetorial. Se x, y E e x 6= y, a reta que une os pontos x, y por
definio o conjunto
r = {(1 t)x + ty;t R}
Pondo v = y x, podemos ver que r = {x + tv;t R}.
Um subconjunto V E chama-se uma variedade afim quando a reta que une
dois pontos quaisquer de V est contida em V. Assim, V E uma variedade afim se, e
somente se, cumpre a seguinte condio:
x, y V,t R (1 t)x + ty V
Exemplo 3.9 Um exemplo bvio de variedade afim um subespao vetorial. Ao contrrio dos subespaos vetoriais, que nunca so vazios, pois devem conter o zero, a definio
acima formulada de tal modo que o conjunto vazio a cumpre, logo uma variedade
afim.
Teorema 3.2 Seja V uma variedade afim no-nula no espao vetorial E. Existe um nico
subespao vetorial F E tal que, para todo x V tem-se
V = x + F = {x + v; v F}.
23
CAPTULO 4
Bases
Os espaos vetoriais de dimenso finita possuem um estrutura algbrica extremamente simples, evidenciada pelas ideias de base e dimenso. Uma vez fixada uma base
num espao vetorial de dimenso n, seus elementos so meramente combinaes lineares
dos n vetores bsicos, com coeficientes univocamente determinados.
Seja E um espao vetorial. Diz-se que um conjunto X E linearmente
independente (abreviadamente, L.I.) quando nenhum vetor v X combinao linear
de outros elementos de X. Para evitar ambiguidade, no caso em que X = {v} consta de
um nico elemento v, diz-se que X L.I., por definio, quando v 6= 0. Quando X L.I.,
diz-se tambm que os seus elementos so linearmente independentes.
Quando o conjunto X L.I. seus elementos so todos 6= 0, pois o vetor nulo
combinao linear de quaisquer outros: 0 = 0 v1 + . . . + 0 vm (se no h "outros",
X = {v}, v 6= 0).
Um critrio extremamente til para verificar a independncia linear de um
conjunto dado pelo teorema abaixo.
Teorema 4.1 Seja X um conjunto L.I. no espao vetorial E. Se 1 v1 + . . . + m vm = 0
com v1 , . . . , vm X, ento 1 = . . . = m = 0. Reciprocamente, se a nica combinao
linear nula de vetores de X aquela cujos coeficientes so todos iguais a zero, ento X
um conjunto L.I..
Pode-se obter uma demonstrao do teorema acima em [4], mas para um abordagem mais
ampla do assunto vide [5] e [7].
Corolrio 4.1.1 Se v = 1 v1 + . . . + m vm = 1 v1 + . . . + m vm e os vetores v1 , . . . , vm so
L.I. ento 1 = 1 , . . . , m = m .
Com efeito, tem-se neste caso (1 1 )v1 + . . . + (m m )vm = 0 logo (1
1 ) = . . . = (m m ) = 0.
Exemplo 4.1 Os vetores cannicos e1 = (1, 0, . . . , 0), . . . , en = (0, . . . , 0, 1) em Rn so L.I..
Com efeito, 1 e1 + . . . + n en = 0 significa (1 , . . . , n ) = 0, logo 1 = . . . = =0.
25
26
CAPTULO 5
Transformaes Lineares
T ( v) = T (v).
28
29
e
w = 1 u1 + . . . + m um
ento
v + w = (i + i )ui
i=1
logo
T (v + w) = (i + i )u0i = i u0i + i u0i = T (v) + T (w).
De maneira anloga se v que T (v) = T (v), portanto T : E F, assim definida,
uma transformao linear, tal que T (u) = u0 , para todo u B . Quanto unicidade, seja
G : E F outra transformao linear tal que G(u) = u0 para todo u B . Ento, para cada
v = i ui E tem-se
G(v) = G
iui
T (v) = T
x je j
j=1
x j T (e j ) = (a1 j x j , a2 j x j , . . . , am j x j )
j=1
j=1
a1 j x j , a2 j x j , . . . , am j x j
j=1
j=1
!
,
j=1
ou seja,
T (x1 , x2 , . . . , xn ) = (y1 , y2 , . . . , ym ),
onde
y1 = a11 x1 + a12 x2 + . . . + a1n xn
y2 = a21 x1 + a22 x2 + . . . + a2n xn
..
.
(5-1)
30
nada por uma matriz A = [ai j ] M(m n). Os vetores-colunas dessa matriz so as imagens T (e j ) dos vetores da base cannica de Rn . A imagem de T (v) de um vetor arbitrrio
v = (x1 , . . . , xn ) Rn o vetor w = (y1 , . . . , ym ) Rm cujas coordenadas so dadas pelas
equaes 5-1 acima, nas quais ocorrem os vetores-linha da matriz A. Diz-se que A a
matriz da transformao de T relativa s bases cannicas de Rn e Rm .
Dessa maneira temos que o espao vetorial M(mn), das matrizes mn munido
das operaes usuais de soma, multiplicao por escalar e produto, satisfazem todas as
condies de transformaes lineares, ou seja, para R e S, transformaes lineares cujas
matrizes associadas sejam A e B respectivamente, temos que as matriz de R + S, R e R S
(onde a soma, multiplicao por escalar e composio estejam definidas) so A + B, A
e A B respectivamente (para um estudo mais aprofundado desses resultados vide [1],
[2] e [8]). A partir de agora faremos uso abertamente de todas as propriedades matriciais,
como determinantes, transposta, ortogonalidade, semelhana, adjunta e etc.
Exemplo 5.1 Seja v = (x, y, z) um vetor genrico do R3 . Ento, a frmula
T (v) = (2x y + z, x + 3y 2z)
(5-2)
Define uma transformao T : R3 R2 , fcil ver que T assim definida linear. Por
exemplo, a imagem do vetor cannico e1 = (1, 0, 0) o vetor w = (2, 1). Observe que, se
2 1 1
1 3 2
A=
!
(5-3)
, ento
Avt =
2 1 1
1 3 2
x
y =
z
2x y + z
x + 3y 2z
!
.
(5-4)
(5-5)
Observe que no exemplo acima, utilizamos a noo de matriz transposta, indicada pelo expoente t, isso se faz necessrio uma vez que a imagem de uma transformao
linear um vetor linha e o produto da matriz A pelo vetor coluna v um vetor coluna.
Exemplo 5.2 (Rotao de ngulo em torno da origem em R2 ) Trata-se do operador
R : R2 R2 , que leva cada vetor v no vetor R(v) que dele resulta pela rotao de ngulo
em torno da origem. A figura 5.1 deixa claro que R(u + v) = R(u) + R(v). bem mais
claro ainda que R(v) = Rv para v R2 e R, logo R uma transformao linear.
31
Para um vetor v = (x, y) R2 arbitrrio, seja R(v) = (x0 , y0 ). Sabemos que existe uma
matriz A associada a transformao R, tal que R(v) = (Avt )t , temos que A M(2 2).
Queremos ento determinar a matriz
A=
a b
c d
onde R(e1 ) = (a, c) e R(e2 ) = (b, d), com e1 = (1, 0) e e2 = (0, 1).
Ora, pelas definies de seno e cosseno, o vetor unitrio R(e1 ), que forma com
e1 um ngulo , tem coordenadas
cos e sen , ou seja, R(e1 ) = (cos , sen ). Alm disso, como e2 forma com e1 um ngulo
reto, R(e2 ) tambm forma com R(e1 ) um ngulo reto. Logo R(e2 ) = (sen , cos )
cos sen
sen cos
x
y
!
=
obtemos assim:
x0 = x cos ysen
y0 = xsen + y cos
x cos ysen
xsen + y cos
32
x + ay
,
1 + a2
ou seja x0 =
1
a
x
+
y.
1 + a2
1 + a2
O caso x0 = 0 significa que v(x, y) est sobre a perpendicular reta y = ax passando pela
(x+ay)
origem. Ora, a equao dessa perpendicular x + ay = 0, logo a expresso x0 = (1+a
2)
0
fornece x em funo de x e y em quase todos os casos, falta analisarmos quando a reta se
33
trata do eixo y, cuja equao nesse caso x + ay = 0 com a = 0, assim a projeo P(v)
simplesmente igual a (0, y). As equaes da projeo P sobre o eixo
! vertical so portanto
0 0
x0 = 0, y0 = y. A matriz de P na base cannica de R2
. Vemos em particular,
0 1
que a projeo P : R2 R2 um operador linear, cujas matrizes na base cannica de R2
so:
!
!
a
1
0
0
2
2
1+a
1+a
caso a reta seja y = ax
; caso a reta seja o eixo y
.
a
a2
0 1
1+a2 1+a2
Observe que a segunda matriz o lim da primeira matriz, mas no vamos nos aprofundar
a
nesse tema.
Exemplo 5.4 (Reflexo em torno de uma reta.) Seja S : R2 R2 a reflexo em torno
da reta y = ax. Para todo v = (x, y) R2 , a reta y = ax a bissetriz do ngulo entre v
e S(v) e perpendicular reta que liga v a S(v). Seja P : R2 R2 a projeo ortogonal
sobre a reta y = ax. A figura 5.4 mostra que, para todo v R2 , tem-se v + S(v) = 2P(v), ou
seja, I + S = 2P, onde I : R2 R2 o operador identidade. Da vem S = 2P I. Usando
o exemplo anterior, conclumos que, para todo v = (x, y), tem-se S(v) = (x0 , y0 ), onde
1 a2
2a
x =
x+
y,
2
1+a
1 + a2
0
2a
1 a2
y =
x
y.
1 + a2
1 + a2
0
A=
1a2
1+a2
2a
1+a2
2a
1+a2
1a
1+a
2
!
.
34
1 0
0 1
1 0
0 1
x
y
!#t
= (x, y).
!
.
35
posio original. Temos ento trs operadores lineares envolvidos R , Tx e R que fazem
respectivamente as movimentaes citadas acima. Para cada um dos operadores citados
temos uma matriz associada, logo a matriz A associada a transformao R Tx R o
produto das suas matrizes individuais, portanto
A=
cos() sen ()
sen () cos()
A=
cos() sen ()
sen () cos()
1 0
0 1
1 0
0 1
cos() sen ()
sen () cos()
cos() sen ()
sen () cos()
portanto
A=
cos2 () sen 2 ()
2sen () cos()
2sen () cos() (cos2 () sen 2 ())
!
.
Para mais exemplos de operadores lineares vide [1], [2], [3], [7] e [8].
!
,
CAPTULO 6
Ncleo e Imagem
Nesta seo, ser examinada com cuidado a possibilidade de uma transformao linear admitir ou no uma inversa. Veremos que isto est associado existncia e
unicidade da soluo de um sistema de equaes lineares. Ser introduzido o conceito
de isomorfismo, que dar um sentido preciso afirmao de que dois espaos vetoriais
de mesma dimenso so algebricamente indistinguveis. Tudo comea com o ncleo e a
imagem de uma transformao.
toda transformao linear T : E F esto associados dois subespaos vetoriais
indispensveis para estudar o comportamento de T : o ncleo de T , que o subespao de
E, e a imagem de T , que um subespao de F, vide demonstrao desse fato em [14].
A imagem de T o subconjunto Im(T ) F, formado por todos os vetores
w = T (v) E que so imagens de elementos de E pela transformao T .
A noo de imagem tem sentido seja qual for a funo T : E F, seja linear ou
no. Quando T linear, ento Im(T ) um subespao vetorial de F, como se v facilmente.
Se Im(T ) = F, dizemos que a transformao T sobrejetiva. Isto significa que,
para qualquer w F dado, pode-se achar v E tal que T (v) = w.
Seja X E um conjunto de geradores do espao vetorial E. A imagem da
transformao linear T : E F o subespao vetorial de F gerado pelos vetores T (v), v
X. Em particular, T sobrejetiva se, e somente se, transforma X num conjunto de
geradores de F. Se v1 , . . . , vn geram E os vetores T (v1 ), . . . , T (vn ) geram Im(T ). Segue-se
que a dimenso de Im(T ) menor do que ou igual dimenso do domnio de T .
Uma transformao linear R : F E chama-se uma inversa direita da transformao T : E F quando se tem T (R(w)) = w para todo w F.
Teorema 6.1 A fim de que uma transformao linear T : E F, entre espaos vetoriais
de dimenso finita, possua uma inversa direita R necessrio e suficiente que T seja
sobrejetiva.
Prova. Se T admite uma inversa direita R : F E ento para todo w F tem-se
T (R(w)) = w, logo w = T (v), onde v = R(w), e T sobrejetiva. Suponhamos, em
seguida, que T seja sobrejetiva. A fim de definir uma transformao linear R : F E com
37
Teorema 6.3 Uma transformao linear injetiva se, e somente se, leva vetores L.I. em
vetores L.I..
Prova. Seja T : E F uma transformao linear injetiva. Se os vetores v1 , . . . , vn E
so L.I., vamos provar que T (v1 ), . . . , T (vn ) so L.I. em F. Com efeito, se
1 T (v1 ) + . . . + n T (vn ) = 0, ento T (1 v1 + . . . + n vn ) = 0, logo 1 v1 + . . . + n vn = 0
pois T injetiva. Como v1 , . . . , vn so L.I., segue-se que 1 = . . . = n = 0, portanto
T (v1 ), . . . , T (vn ) so L.I.. Reciprocamente se a transformao linear T : E F leva
vetores L.I. em vetores L.I., ento v 6= 0 em E {v} L.I. {T (v)} L.I. T (v) 6= 0,
portanto N (T ) = {0} e T injetiva.
38
b = b + T (v) T (v) = 0 x = x0 + v x0 + N (T ).
Logo V x0 + N (T ).
39
40
Prova. O teorema resulta imediatamente da seguinte afirmao mais precisa, que provaremos a seguir: se {T (u1 ), . . . , T (u p )} uma base de Im(T ) e {v1 , . . . , vq } uma base de
N (T ) ento {u1 , . . . , u p , v1 , . . . , vq } uma base de E.
Com efeito, em primeiro lugar, se tivermos
1 u1 + . . . + p + v1 + . . . + vq = 0,
(6-1)
Corolrio 6.6.1 Sejam E, F espaos vetoriais de mesma dimenso finita n. Uma transformao linear T : E F injetiva se, e somente se, sobrejetiva e portanto um
isomorfismo.
Com efeito, temos n = dim N (T ) + dim Im(T ). logo N (T ) = {0} se, e somente
se dim Im(T ) = n, ou seja, Im(T ) = F.
41
CAPTULO 7
Produto Interno
43
44
ngulo agudo quando hu, vi > 0, um ngulo obtuso quando hu, vi < 0 e um ngulo reto
quando hu, vi = 0.
Seja E um espao com produto interno. Dois vetores u, v E chamam-se ortogonais (ou perpendiculares) quando hu, vi = 0. Escreve-se, ento uv. Em particular, 0
ortogonal a qualquer vetor de E. Um conjunto X E diz-se ortogonal quando todos os vetores de X so ortogonais dois a dois. Se, alm disso, todos os vetores de X so unitrios,
ento X chama-se um conjunto ortonormal. Portanto, o conjunto X E ortonormal se,
e somente se, dados u, v X tem-se hu, vi = 0 se u 6= v e hu, vi = 1 se v = u. Uma base
ortonormal uma base de E que um conjunto ortonormal.
Teorema 7.1 Num espao vetorial E com produto interno, todo conjunto ortonormal X
de vetores no nulo L.I..
Prova. Sejam v1 , . . . , vn X. Temos hvi , v j i = 0 se i 6= j. Se 1 v1 + . . . + n vn = 0 uma
combinao linear nula desses vetores ento, para cada i = 1, 2, . . . , n, tomamos os produto
interno de ambos os membros desta igualdade por vi e temos
1 hv1 , vi i + . . . + n hvn , vi i = 0.
Logo i hvi , vi i = i |vi |2 = 0, pois todos os produtos internos hv j , vi i, com j 6= i, so
nulos em virtude da ortogonalidade de X. Alm disso, como os vetores pertencentes ao
conjunto X so todos no nulos, resulta de i |vi |2 = 0 que i = 0. Assim, os coeficientes
da combinao linear i vi = 0 so todos iguais a zero e os vetores do conjunto X so,
portanto, linearmente independentes.
Exemplo 7.3 A base cannica {e1 , . . . , en } Rn ortonormal: tem-se hei , e j i = 0 se i 6= j
e hei , e j i = 1 se i = j. No plano R2 os vetores u = (1, 1) e v = (1, 1) so ortonormais.
Pondo
!
!
2
2
2 2
u0 =
,
e v0 =
,
2 2
2 2
45
Quando se tem apenas u 6= 0, o eixo que contm u o mesmo que contm o vetor
u
(= |u|1 u). A projeo ortogonal de v sobre este eixo , portanto, igual
unitrio u0 = |u|
a hu0 , viu0 , ou seja,
hu,vi
hu,ui
u. Usaremos a notao
pru (v) =
hu, vi
u
hu, ui
para indicar a projeo ortogonal do vetor v sobre o eixo que contm o vetor no-nulo u.
Se z = pru (v), tem-se v = z + w, com wz. Pelo Teorema de Pitgoras, |v|2 =
|z|2 + |w|2 . Em particular vemos que |z| 6 |v|, isto , o comprimento da projeo pru (v)
menor do que ou igual ao comprimento v.
Ora, a norma de vetor pru (v) igual a |hu,vi|
|u| . Segue-se ento que, para quaisquer
u, v E tem-se
|hu,vi|
|u|
6 |v|, ou seja
(desigualdade de Schwarz).
CAPTULO 8
T (u j ) = ai j vi
( j = 1, . . . , n)
i=1
e
T (vi ) =
briur ,
r=1
47
(Int = In )
(A + B)t = At + Bt
(T ) = t
(A)t = At
(RT ) = T R
(BA)t = At Bt
T = T
(At )t = A
48
(8-2)
49
de T nesta base
2
..
.
n
!
a b
A=
.
c d
Ento (T I)(u) = (a )u + cv e (T I)(v) = bu + (d )v. A fim de que T I no
possua inversa necessrio e suficiente que det(AI) = 0, ou seja, (a)(d )bc =
0, ou ainda, que seja raiz do polinmio
p() = 2 (a + d) + ad bc,
chamado polinmio caracterstico do operador T .
Portanto, o nmero real um autovalor do operador T : E E onde dim E = 2,
se, e somente se, uma raiz do polinmio caracterstico do operador T , o qual, por
definio p() = 2 (a + d) + ad bc. Observe que essa definio se justifica pela
teoria das matrizes onde raiz desse polinmio representa o valor para o qual o operador
no invertvel. Os coeficientes de p() so tirados da matriz A em relao a uma base
qualquer de E.
Observao. A matriz A do operador T muda quando se passa de uma base para outra.
Mas o polinmio p() (isto , as expresses a + d e ad bc, que so seus coeficientes)
permanece sem alterao. Vide [5] e [7].
Exemplo 8.5 No caso da rotao R : R2 R2 , R(x, y) = (x cos y sen, x sen +
y cos), temos a = cos, b = sen, c = sen, d = cos, logo o polinmio caracterstico
de R
p() = 2 (2cos) + 1.
50
Se 6= 0 e 6= 180 , o trinmio p() no possui raiz real pois nesse caso seu discriminante = 4(cos2 1) negativo. Consequentemente R s possui autovalor (reais) se
= 0 ou = 180 .
Exemplo 8.6 Definamos o operador T : R2 R2 pondo T (x, y) = (4x + 3y, x + 2y). Seu
polinmio caracterstico p() = 2 6 + 5, cujas razes so 1 = 1 e 2 = 5. Estes
nmeros so autovalores de T . Existem, portanto, vetores no-nulos v1 e v2 em R2 , tais
que T (v1 ) = v1 e T (v2 ) = 5v2 . Pelo Teorema 8.2, v1 e v2 formam uma base R2 , em relao
qual a matriz do operador T tem a forma diagonal:
A=
1 0
0 5
!
.
4x + 3y = x,
x + 2y = y
(
e
4r + 3s = 5r
.
r + 2s = 5s
Ambos os sistemas acima so indeterminados, e tinham que ser assim pois se v autovetor
de T , todo mltiplo v tambm . Tomando uma soluo no-nula de cada um desses
sistemas obtemos v1 = (1, 1), v2 = (3, 1) tais que {v1 , v2 } R2 uma base formada por
autovetores de T .
Um operador linear T : E E, num espao vetorial munido de produto interno,
chama-se auto-adjunto quando T = T , ou seja, quando hT (u), vi = hu, T (v)i para
quaisquer u, v E.
Teorema 8.3 T : E E auto-adjunto se, e somente se, sua matriz A = [ai j ] relativamente a uma (e portanto a qualquer) base ortonormal U = {u1 , . . . , un } E uma matriz
simtrica.
Prova. Sabemos que hui , T ((u j ))i=[i-sima coordenada do vetor T (u j ) na base U ]=[isimo elemento da j-sima coluna de A]=ai j . Portanto a matriz A simtrica se, e somente
se, hui , T (u j )i = hT (ui ), u j i para quaisquer i, j = 1, . . . , n. Devido linearidade de T e
bilinearidade do produto interno, isto equivale a dizer que hu, T (v)i = hT (u), vi para
quaisquer u, v E, ou seja, que T auto-adjunta.
Teorema 8.4 Se 1 , . . . , m so autovalores dois a dois diferentes do operador autoadjunto T : E E, os autovetores correspondentes v1 , . . . , vm so dois a dois ortogonais.
51
CAPTULO 9
(9-1)
53
ento a curva de interseo uma parbola. De outro modo, ou ela uma nica curva
fechada - elipse -, ou uma hiprbole com dois ramos.
y2 = kx ou x2 = ky
x2 y2
+ =1
a2 b2
y2 x2
x2 y2
= 1 ou
=1
a2 b2
a2 b2
(9-4)
Sees cnicas com essas equaes esto ilustradas nas figuras 9.1. Diz-se que uma seo
cnica est em posio cannica em relao aos eixos coordenados se sua equao tomar
uma das formas listadas nas Equaes 9-4, para uma demonstrao dessas equaes vide
[1], [3], [5], [7] e [8].
Exemplo 9.1 A equao 4x2 + 9y2 36 = 0 pode ser escrita na forma
x2 y2
+ = 1;
9
4
e em consequncia seu grfico uma elipse com a = 3 e b = 2. Observe a singular de a
e b: elipse tem intersees (a, 0) e (a, 0) com eixo x e intersees (0, b) e (0, b) com
54
o eixo y. Tambm claro que o grfico simtrico em relao ao eixo y, bem como em
relao ao eixo x (substitua x por x ou y por y).
A equao 9x2 4y2 + 36 = 0 pode ser escrita na forma
y2 x2
= 1;
9
4
assim, seu grfico uma hiprbole cujos ramos interceptam o eixo y nos pontos (0, 3) e
(0, 3). Seu grfico tambm simtrico em relao a cada eixo coordenado.
Finalmente, a equao y2 + 4x = 0 pode ser escrita na forma
y2 = 4x,
e, consequentemente, seu grfico uma parbola que se abre ao longo do eixo x negativo.
A parbola tem a interseo nica (0, 0) e simtrica em relao ao eixo x (a substituio
de y por y no altera a equao), apesar de no o ser em relao ao eixo y.
Alm de parbola, elipse ou hiprbole, o grfico de uma equao de segundo grau
em x e y pode ser uma reta, um par de retas, um nico ponto ou o conjunto vazio. Estes
casos especiais, ilustrados no exemplo a seguir, so referidos como cnicas degeneradas.
55
y0 = y 2,
= 1.
2
3
3 0
0 2
e seus autovalores so 1 = a = 3 e 2 = c = 2.
Consideremos agora a presena de um termo xy em uma equao de segundo
grau, que chamada de termo de produto cruzado das variveis.
56
1 0
0 2
e portanto
q(v0 ) = hT (v0 ), v0 i = 1 (x0 )2 + 2 (y0 )2 ,
onde (x0 , y0 ) so as coordenadas do vetor v R2 de acordo com a nova base {u1 , u2 }.
Reordenando os autovalores 1 e 2 ou simplesmente trocando o sinal ou de
u1 ou de u2 caso seja mais conveniente, vide figura 9.3, podemos supor que u2
uma rotao 90 no sentido horrio do vetor u1 , onde u1 = (cos , sen ) e portanto
u2 = (sen , cos ). Podemos ento concluir que as coordenadas de v = (x, y) na base
cannica de R2 , se relaciona com coordenadas de v0 = (x0 , y0 ) na base ortonormal {u1 , u2 }
de R2 de acordo com a seguinte equao:
xe1 + ye2 = x0 u1 + y0 u2 .
Aplicando o produto interno em ambos os lados pelo vetor e1 e em seguida pela vetor e2
obtemos
(
(
x = x0 hu1 , e1 i + y0 hu2 , e1 i
x = x0 cos y0 sen
y = x0 hu1 , e2 i + y0 hu2 , e2 i
y = x0 sen + y0 cos
57
!
!
!
!
cos sen
x0
x
x0
=
ou
=B
sen cos
y0
y
y0
!
cos sen
onde B =
a matriz de passagem das coordenadas (x0 , y0 ) para as
sen cos
coordenadas (x, y), para uma maior explanao sobre mudana de base vide [1], [3] e [8].
Definamos ento um operador linear R : R2 R2 tal que R(x0 , y0 ) = (x0 cos
y0 sen , x0 sen + y0 cos ) = (x, y) que tem B como sua matriz associada. R uma rotao,
como j vimos no Captulo 5, entretanto nesse caso, R retrata uma rotao dos eixos
coordenados deixando o ponto em questo fixado.
Consideremos agora o caso de uma equao completa de segundo grau como
x
y
a b
b c
cos sen
sen cos
!
,
1 cos 2 sen
1 sen 2 cos
!
=
1 0
0 2
!
.
58
Por definio de determinante, a equao acima nos mostra que det A = detC = 1 2 ,
uma vez que a matriz de R a inversa da matriz de R. Com efeito
detC = det(Bt AB) = det Bt det A det B.
Como Bt = B1 , ento
detC = det(Bt AB) = det(B1 AB) = det B1 det A det B
= (det B)1 det A det B
= det A.
Portanto a cnica definida em R2 pela equao
ax2 + 2bxy + cy2 + dx + ey + f = 0
pode, numa nova base ortonormal de R2 , ser representada pela equao
1 (x0 )2 + 2 (y0 )2 + d 0 x0 + e0 y0 + f = 0,
onde d 0 = h(d, e), u1 i e e0 = h(d,!
e), u2 i, com u1 , u2 autovetores associados a 1 , 2
a b
autovalores da matriz A =
.
b c
Segundo os sinais desses autovalores, as seguintes possibilidades podem ocorrer:
1 ) Se 1 2 > 0 esta equao representa uma elipse, ou suas degeneraes (um ponto
ou o vazio).
59
(9-5)
x
y
!
=
0
0
!
.
ou seja
y0 = (x0 )2 .
Haja vista que, d 0 = h(15, 20), 15 (4, 3)i = 0 e e0 = h(15, 20), 15 (3, 4)i = 25. Dessa
forma, vemos que o grfico da equao 9-5 uma parbola que sofreu rotao e exibida
pela figura a seguir. Os eixos x0 e y0 so obtidos a partir dos eixos x e y por uma rotao
anti-horria de um ngulo
yv1
= arctan
xv1
3
= arctan
36, 87 .
4
(9-6)
60
x
y
!
=
0
0
!
.
ou seja
y0 = (x0 )2
Haja vista que, d 0 = h(40, 30), 15 (4, 3)i = 50 e e0 = h(40, 30), 15 (3, 4)i = 0. Para
identificar o grfico dessa equao transformada, completamos o quadrado como feito no
Exemplo 9.3:
25[(x0 )2 2x0 ] + 50(y0 )2 25 = 0
25[(x0 )2 2x0 + 1] + 50(y0 )2 25 + 25 = 0
25(x0 1)2 + 50(y0 )2 = 50
61
yv1
= arctan
xv1
3
= arctan
36, 87 .
4
A caracterstica b2 ac = 144 1394 = 1250 < 0 serve para confirmar nossas expec-
CAPTULO 10
Concluso
Referncias Bibliogrficas
LTC-Livros