FEDERAL DO PARANA
1
Sum
ario
2
1.10 Calculo da Matriz Inversa usando Operacoes Elementares . . . . . . . . . . . . . . 35
1.10.1 Um Metodo para Inverter Matrizes . . . . . . . . . . . . . . . . . . . . . . 35
1.11 Sugestao de Leitura e Estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.12 Exerccios de Fixacao (Lista 2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.13 Sistemas de Equacoes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.13.1 Operacoes Elementares sobre as equacoes de um Sistema . . . . . . . . . . 41
1.13.2 Operacoes Elementares sobre as linhas da matriz ampliada . . . . . . . . . 42
1.14 Eliminacao Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.14.1 Classificacao de um Sistema Linear quanto `a Solucao . . . . . . . . . . . . 44
1.14.2 O Metodo de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.14.3 O Metodo de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.15 Exerccios de Fixacao ( Lista 3) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2 Vetores 43
2.1 Segmentos Orientados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.2 Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.3 Adicao de Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.4 Produto por Escalares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.5
Angulo entre dois vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4 Produto de Vetores 57
4.1 Calculo da norma de um vetor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.2 Distancia entre dois pontos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.3 Produto interno euclidiano ou produto escalar . . . . . . . . . . . . . . . . . . . . 58
4.3.1 Produto interno em termos das Componentes . . . . . . . . . . . . . . . . 59
4.3.2 Propriedades do produto escalar . . . . . . . . . . . . . . . . . . . . . . . . 60
3
4.3.3 Condicao de ortogonalidade de dois vetores . . . . . . . . . . . . . . . . . . 60
4.3.4 Estudo da Projecao Ortogonal usando Produto Escalar . . . . . . . . . . . 61
4.4 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.4.1 Propriedades do Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . 64
4.4.2 Interpretacao geometrica do modulo do produto vetorial de dois Vetores . . 65
4.5 Produto Misto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.5.1 Propriedades do produto misto . . . . . . . . . . . . . . . . . . . . . . . . 66
4.5.2 Interpretacao geometrica do modulo do produto misto . . . . . . . . . . . 68
4.6 Exerccios de Fixacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5 Aplica
c
ao de Vetores ao Estudo da Reta e do Plano 69
5.1 Equacoes da Reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.2 Reta definida por dois pontos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.3 Condicao para que tres pontos estejam em linha reta . . . . . . . . . . . . . . . . 72
5.4 Equacoes Reduzidas da Reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.5 Retas Paralelas aos Planos e aos Eixos Coordenados . . . . . . . . . . . . . . . . . 75
5.6
Angulo de Duas Retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.7 Condicao de Paralelismo de Duas Retas . . . . . . . . . . . . . . . . . . . . . . . . 77
5.8 Condicao de Ortogonalidade de Duas Retas . . . . . . . . . . . . . . . . . . . . . 78
5.9 Condicao de Coplanaridade de Duas Retas . . . . . . . . . . . . . . . . . . . . . . 79
5.10 Posicao Relativa de Duas Retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.11 Intersecao de Duas Retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.12 Distancia de Um Ponto a Uma Reta . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.13 Distancia Entre Duas Retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.14 O Estudo do Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.15 Determinacao de um Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.16 Equacoes Parametricas do Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.17 Angulo de Dois Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.18 Angulo de uma reta com um Plano . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4
5.19 Intersecao de Dois Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.20 Distancia de um Ponto a um Plano . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.21 Distancia entre dois planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.22 Distancia de uma Reta a um Plano . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6 C
onicas e Qu
adricas 95
6.1 Definicao geometrica das Conicas . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.2 Definicao analtica das Conicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
6.3 Definicao geometrica das Superfcies Quadricas . . . . . . . . . . . . . . . . . . . . 97
6.4 Definicao analtica das Superfcies Quadricas . . . . . . . . . . . . . . . . . . . . . 98
6.5 A elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.5.1 Elementos da elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.5.2 Expressao analtica da elipse centrada na origem . . . . . . . . . . . . . . . 100
6.5.3 Elipses transladadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
6.6 O Elipsoide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.7 A Hiperbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.7.1 Elementos da Hiperbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.7.2 Expressao analtica da hiperbole centrada na origem . . . . . . . . . . . . . 107
6.7.3 Hiperboles transladadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.8 O Hiperboloide de um folha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.9 A Parabola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.9.1 Elementos da parabola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.9.2 Expressao analtica da parabola com vertice na origem . . . . . . . . . . . 112
6.9.3 Parabolas Transladadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
6.10 O Paraboloide elptico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.11 O Hiperboloide de duas folhas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.12 O Paraboloide hiperbolico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.13 Superfcie Conica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.13.1 O Cone Quadrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5
6.14 Superfcie Cilndrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
7 O Espa
co Vetorial Euclidiano n-dimensional 122
7.1 O Espaco Euclidiano n-Dimensional . . . . . . . . . . . . . . . . . . . . . . . . . . 122
7.1.1 Igualdade de vetores de Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.1.2 Operacoes em Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.1.3 Propriedades das operacoes no Espaco Euclidiano . . . . . . . . . . . . . . 124
7.1.4 O produto interno euclidiano em Rn . . . . . . . . . . . . . . . . . . . . . 124
8 Espa
cos Vetoriais 126
8.1 Subespaco Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
8.2 Combinacao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
8.3 Subespacos Gerados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
8.4 Dependencia e Independencia Linear . . . . . . . . . . . . . . . . . . . . . . . . . 130
8.5 Espacos Vetoriais com Produto Interno . . . . . . . . . . . . . . . . . . . . . . . . 132
8.6 Espaco Vetorial Euclidiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
8.6.1 Norma de um Vetor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
8.7
Angulo de dois Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.8 Vetores Ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.9 Conjunto Ortogonal de Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.10 Base Ortonormal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.11 Projecoes Ortogonais: O Processo de Gram-Schmidt . . . . . . . . . . . . . . . . . 135
8.12 Mudanca de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
9 Transformac
oes Lineares 144
9.1 Transformacoes Lineares Planas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
9.1.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
9.2 Transformacoes Lineares Espaciais . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
9.2.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
9.3 O uso de bases na obtencao de uma Transformacao Linear . . . . . . . . . . . . . 150
6
9.4 N
ucleo e Imagem de uma Transformacao Linear . . . . . . . . . . . . . . . . . . . 151
9.5 Matrizes de Transformacoes Lineares Arbitrarias . . . . . . . . . . . . . . . . . . . 152
7
PREFACIO
A primeira edicao destas notas foi feita no ano de 2009, em parceria com a professora Msc.
A motivacao ao preparo destas notas inicialmente foi facilitar e agilizar a apresentacao dos
conteudos em sala de aula, ja que a ementa semestral e extensa por atender os topicos de Geome-
tria Analtica e Algebra Linear. Logo, este material foi elaborado com o intuito de proporcionar
ao aluno um melhor acompanhamento da aula e consiste somente de algumas anotacoes para
serem utilizadas durante as aulas. Sem preocupacoes em copiar definicoes e enunciados espera-se
que o aluno possa se concentrar nas demonstracoes e resolucao de exemplos e exerccios que serao
feitas em sala.
Os Captulos 8, 9 e 10 apresentam um sucinto curso de Algebra Linear, expondo resumi-
damente os Espacos Vetoriais, as Transformacoes Lineares, os Autovalores e Autovetores, ob-
jetivando a utilizacao de uma linguagem algebrica axiomatica e o embasamento teorico para
disciplinas como Equacoes Diferenciais Ordinarias e Calculo Numerico.
8
Agradeco `a professora Msc. Viviane Colucci pelo incentivo e colaboracao na edicao do texto
sobre Matrizes e Determinantes e na digitalizacao de exerccios sobre o tema. Esta contribuicao
foi inserida nestas notas a partir de 2011.
Agradeco o apoio dos professores Dr. Adilandri Mercio Lobeiro e Esp. Luciano Ferreira da
Silva nas orientacoes sobre a utilizacao do editor TeXnicCenter e incentivo na divulgacao destas
notas.
Agradeco a participacao e parceria dos alunos das Engenharias nos projetos desenvolvidos nas
APS e deixo registrado na capa destas notas, algumas das obras modeladas no decorrer destes
semestres. Fico muito grata em ver o empenho, a motivacao e amadurecimento matematico ad-
quirido na utilizacao da Geometria Analtica para modelar algebricamente e computacionalmente
no software Maple superfcies tridimensionais do nosso cotidiano. Estes projetos tem evidenci-
ado a relacao existente entre a teoria e a pratica e espero divulga-los em publicacoes e eventos,
objetivando a motivacao ao uso de novas possibilidades de ensino e aprendizagem de Geometria
Analtica nas Engenharias.
Sou grata tambem ao apoio dos professores do departamento de matematica que utilizam estas
notas em suas aulas e espero que o material seja util tanto aos discentes quanto aos docentes da
disciplina Geometria Analtica e Algebra Linear.
9
Captulo 1
Introduc
ao
Muitas vezes na Engenharia e na Matematica uma informacao e organizada em linhas e
colunas formando agrupamentos retangulares chamados matrizes. Estas matrizes podem ser
tabelas de dados numericos surgidos de observacoes fsicas, mas tambem ocorrem em varios
contextos matematicos. Por exemplo, veremos que para resolver um sistema de equacoes lineares
toda informacao requerida para chegar `a solucao esta encorpada em uma matriz e que a solucao
pode ser obtida efetuando operacoes apropriadas nesta matriz. Isto e particularmente importante
no desenvolvimento de programas de computador para resolver sistemas de equacoes lineares,
porque os computadores sao muito bons pra manipular colecoes de n
umeros.
Durante o curso voce tera oportunidade de pesquisar e manipular um software matematico
com capacidade de efetuar operacoes com matrizes, o que facilita muito os calculos algebricos
matriciais no trabalho com ciencias exatas e podem enriquecer a experiencia do aprendizado,
bem como ajudar com os calculos tediosos. No entanto, todo futuro engenheiro precisa dominar
todas as tecnicas basicas de algebra linear resolvendo `a mao exemplos iniciais. A tecnologia
pode entao ser usada para resolver exemplos subsequentes e aplicacoes que possuem dados que
tornam os calculos `a mao nao praticos. Entretanto, voce deve fazer tantos exemplos quanto
puder com lapis e papel ate que se sinta confortavel com as tecnicas e mesmo quando utilizar um
software, pense sempre como voce faria os calculos manualmente e depois de obter uma resposta
do software, avalie se ela e razoavel.
o homem que manipula a maquina, nao e a maquina que manipula
Nao se esqueca nunca: E
o homem.
10
1.1 Matrizes
A palavra matriz deriva da palavra latina mater, que significa mae. Quando o sufixo -iz e
acrescentado, o significado torna-se
utero. Assim como um u
tero envolve um feto, os colchetes
de uma matriz envolvem seu elementos, e assim como no u
tero e gerado um bebe, uma matriz gera
certos tipos de funcoes, chamadas transformacoes lineares, que seram estudadas posteriormente.
As matrizes sao tabelas de n
umeros reais utilizadas em varios ramos da Ciencia e da Enge-
nharia.
Varias operacoes executadas por cerebros eletronicos sao computacoes por matrizes.
Vejamos um exemplo:
Considere a tabela a seguir, que indica as notas (0 10) dos Alunos A1, A2 e A3 em uma
determinada disciplina do curso de Engenharia:
No quadro indicado os n
umeros colocados nas disposicoes horizontais formam o que denomi-
namos linha e os colocados nas disposicoes verticais formam o que denominamos coluna.
Para sabermos a nota de atividade do Aluno A3 basta procuramos o n
umero que esta na
terceira linha e na segunda coluna.
Se nos suprimirmos os ttulos, ficaremos com a seguinte colecao retangular de n
umeros com
tres linhas e duas colunas, denominada matriz :
9, 0 7, 0
A = 3, 0 5, 0
6, 5 8, 4
11
umeros aij , com 1 i m e 1 j n, em nosso estudo, s
em que os n ao n
umeros reais. O
n
umero aij chama-se o elemento de ordem ij de A. De forma mais compacta, a matriz acima
pode ser escrita como
Ai = (ai1 , . . . , ain )
J
a, a j-esima coluna de A e a m-upla
a1j
..
.
Aj =
..
.
amj
Portanto, uma matriz de ordem m n, denotada por Amn = [aij ]mn , possui m linhas e n
colunas.
2 1 1
Exemplo 1.1 O quadro A = e uma matriz real de ordem 2 3. onde:
3 2 5
a11 = 2, a12 = 1, a13 = 1
a21 = 3, a22 = 2, a23 = 5
Exemplo 1.2 B = 2 1 0 3 e uma matriz real de ordem 1 4;
1
C= e uma matriz real de ordem 2 1 e;
3
D = 4 e uma matriz real de ordem 1 1;
Defini
c
ao 1.2 Duas matrizes Amn = [aij ]mn e Brs = [bij ]rs s
ao iguais se elas tem o mesmo
n
umero de linhas (m = r) e o mesmo n
umero de colunas (n = s), e se todos os seus elementos
correspondentes s
ao iguais (aij = bij ).
Notacao: A = B.
2
3 1 log1 9 sen90 0
Exemplo 1.3 =
2 22 5 2 4 5
12
Exerccio 1.1 Escreva, explicitamente, as matrizes
a) A = (aij )32 , sendo aij = i + j
i
b) B = (bij )36 , sendo bij = j
Exerccio 1.2 Dada a matriz M = (aij )68 , tal que aij = i j, obtenha o elemento a43 .
Exemplo 1.4 A = [2 1 2]
a11
..
.
2. Matriz coluna: e a m-upla Am1 = , isto e, uma matriz de ordem m 1.
..
.
am1
2
4
Exemplo 1.5 A =
0
6
4. Matriz Nula: e a matriz, denotada por 0mn , que possui todos os elementos nulos.
0 0 0
0
Exemplo 1.7 011 = 0 021 = 033 = 0 0 0
0
0 0 0
13
5. Matriz Diagonal e toda matriz quadrada A tal que aij = 0, quando i 6= j.
1 0 0
0 0
Exemplo 1.8 A= 0 1 0 B=
0 0
0 0 3
6. Matriz Identidade e toda matriz quadrada I tal que aij = 1, quando i = j e aij = 0, se
i 6= j.
1 0 0
1 0
Exemplo 1.9 A= 0 1 0 B=
0 1
0 0 1
Observa
c
ao 1.1 A diagonal principal de uma matriz quadrada Ann e a n-upla
(a11 , a22 , . . . , ann ).
7. Matriz Triangular Superior e toda matriz quadrada tal que aij = 0, quando i > j. Ou
seja, e uma matriz quadrada onde todos os elementos abaixo da diagonal sao nulos.
1 1 3
3 2
Exemplo 1.10 A= 0 2 5 B=
0 1
0 0 1
8. Matriz Triangular Inferior e toda matriz quadrada tal que aij = 0, quando i < j. Ou
seja, e uma matriz quadrada onde todos os elementos acima da diagonal sao nulos.
1 0 0
a 0
Exemplo 1.11 A= 1 2 0 B=
b c
4 5 1
1.3 Opera
co
es usuais com Matrizes e Propriedades
Apresentaremos a seguir uma aritmetica de matrizes na qual as matrizes podem ser somadas,
subtradas e multiplicadas.
14
1.3.1 Adic
ao de Matrizes
Considere a tabela (apresentada na pag. 5) das notas dos alunos A1, A2 e A3:
Supondo que foram aplicadas outras duas avaliacoes e os resultados obtidos estao descritos
nas tabelas
9, 0 + 9, 5 + 6, 0 7, 0 + 3, 0 + 4, 0
S = A + B + C = 3, 0 + 7, 3 + 7, 0
5, 0 + 5, 5 + 6, 0
6, 5 + 8, 5 + 5, 5 8, 4 + 4, 4 + 9, 4
logo,
24, 5 14, 0
S = 17, 3
16, 5
20, 5 22, 2
e a matriz que representa o total de pontos obtidos por cada aluno em provas e atividades na
disciplina.
Generalizando, temos a seguinte definicao:
15
1 0 1 2 3 0 3 3 1
Exemplo 1.12 2 2 0 + 2 7 6 = 4 5 6
4 5 1 1 2 1 5 3 2
Observa
c
ao 1.3 A matriz nula e o elemento neutro para a adicao de matrizes. Isto e,
1.3.2 Subtrac
ao de Matrizes
Suponhamos que o professor citado nos exemplos anteriores, queira comparar os primeiros e
segundos resultados obtidos pelos alunos nas provas 1 e 2 e nas respectivas atividades. Para
saber se houve aumento/diminuicao de nota, podemos calcular a diferenca dij = bij aij , entre
as respectivas notas de provas e atividades.
Se dij > 0 entao, houve um aumento de nota da prova 1 para a prova 2;
Se dij < 0 entao, houve uma diminuicao de nota da prova 1 para a prova 2;
Se dij = 0 entao, a nota se manteve.
Fazendo o calculo da diferenca entre as respectivas notas de provas e atividades, temos:
9, 5 3, 0 9, 0 7, 0 0, 5 4, 0
B A = 7, 3 5, 5 3, 0 5, 0 = 4, 3 0, 5
8, 5 4, 4 6, 5 8, 4 2, 0 4, 0
Analisando a matriz diferenca B A podemos concluir que todos alunos aumentaram suas
notas de provas e dois alunos teve diminuicao de nota de atividade.
De modo geral, definimos:
1.3.3 Multiplicac
ao por Escalar
Seja S a matriz definida na secao (1.3.1) que representa o total de pontos dos alunos em uma
determinada disciplina avaliada por meio de provas e atividades. Para obter a media aritmetica
16
1
do total de pontos em provas e avaliacoes calcula-se 3
de cada nota disponibilizada nas colunas
de S, ou seja,
1 1
3
.(24, 5) 3
.(14, 0)
1 1
1 .(17, 3)
3 3
.(16, 5)
N = .S =
3
1
1
.(20, 5) .(22, 2)
3 3
logo,
8, 2 4, 7
N 5, 8
5, 5
6, 8 7, 4
representa a media aritmetica do total de pontos em provas e avaliacoes.
Generalizando, definimos:
Observa
c
ao 1.4 A + (1)A = 0mn , A Mmn (R). A matriz (1)A, denotada por A, e
a matriz oposta de A.
2 7 2 7
Exemplo 1.15 A matriz oposta da matriz A = e A =
1 2 1 2
2. A + B = B + A.
17
3. A + (B + C) = (A + B) + C.
4. 0mn + A = A + 0mn = A.
5. A + (1)A = 0mn .
7. c(A + B) = cA + cB.
8. (c + d)A = cA + dA.
9. (cd)A = c(dA).
10. 1A = A.
Apresentaremos a seguir operacoes matriciais que nao possuem analogia com a aritmetica dos
n
umeros reais.
1.4 Opera
co
es n
ao usuais com Matrizes e Propriedades
1.4.1 Matriz Transposta
Definiao 1.6 A transposta de uma matriz A = [aij ]mn e a matriz B = At = [aji ]nm , cujas
c
linhas s
ao as colunas de A, isto e, bij = aji , para todo i e j.
2 1
t 2 0 1
Exemplo 1.16 A transposta da matriz A = 0 3 e a matriz A =
1 3 4
1 4
Defini
c
ao 1.7 Matriz Sim
etrica
uma matriz quadrada tal que At = A. Isto e, os elementos que est
E ao dispostos simetrica-
mente em relacao `
a diagonal s
ao iguais (aij = aji ).
18
2 1 3
Exemplo 1.17 A = 1 6 4
3 4 1
Defini
c
ao 1.8 Matriz Anti-Sim
etrica
uma matriz quadrada tal que At = A. Isto e, os elementos que est
E ao dispostos simetrica-
mente em relacao ` ao opostos (aij = aji ).
a diagonal s
0 2 3
Exemplo 1.18 A = 2 0 5
3 5 0
Observa
c
ao 1.5 A diagonal de uma matriz A anti-simetrica e nula. Isto e, aii = 0.
Defini
c
ao 1.9 Se A e uma matriz quadrada, ent
ao o tra
co de A, denotado por tr(A), e definido
pela soma das entradas na diagonal principal de A : a11 + a22 + . . . + ann .
O traco de A n
ao e definido se A n
ao e uma matriz quadrada.
1 2 7 0
3 5 8 4 temos: tr(A) = 1 + 5 + 7 + 0 = 11
Exemplo 1.19 Para A=
1 2 7 3
4 2 1 0
Ate aqui nos definimos a multiplicacao de uma matriz por um escalar mas nao a multiplicacao de
duas matrizes. Como na definicao da adicao (e subtracao) somamos (e subtramos) as entradas
correspondentes, pareceria natural definir a multiplicacao de matrizes multiplicando as entradas
correspondentes. Contudo, ocorre que tal definicao nao seria muito u
til na maioria dos proble-
mas praticos e teoricos. A experiencia levou os matematicos `a uma definicao mais u
til para a
multiplicacao de matrizes.
Ilustraremos a devida definicao dando continuidade a situacao exposta anteriormente:
Seja N a matriz (secao 1.3.3) que representa o total de pontos dos alunos em uma determinada
disciplina avaliada por meio de provas e atividades. Atribuindo peso 8, 0 para as provas e peso
2, 0 para as atividades podemos obter a nota final de cada aluno da seguinte maneira:
19
8, 2 4, 7 8, 2.(0, 8) + 4, 7.(0, 2)
0, 8
N F = N.P = 5, 8 5, 5 . = 5, 8.(0, 8) + 5, 5.(0, 2)
0, 2
6, 8 7, 4 6, 8.(0, 8) + 7, 4.(0, 2)
logo,
7, 5
N F = 5, 7
6, 9
Este exemplo nos leva `as seguintes observacoes:
- para tornar possvel o produto N.P o n
umero de colunas de N deve coincidir com o n
umero
de linhas de P ;
- o produto da linha i de N pela coluna j de P resulta em um u
nico valor (nf )ij ;
Generalizando, definimos:
Defini
c
ao 1.10 Seja uma matriz A de ordem mn e B uma matriz de ordem np. O produto
de A por B,denotado por AB, e a matriz de ordem m p, cujo elemento de ordem ij e obtido
multiplicando ordenadamente, os elementos da i-esima linha de A pelos elementos da j-esima
coluna de B e somando-se os produtos assim obtidos. Isto e,
b1j
..
.
(ab)ij = Ai B j = (ai1 , . . . , ain ) = ai1 b1j + . . . + ain bnj
..
.
bnj
para 1 i m e 1 j p.
Observa
c
ao 1.6 Podemos usar a notacao de somat
orio:
n
X
(ab)ij = aik bkj
k=1
1 2
1 0 1
Exemplo 1.20 Dadas as matrizes A = e B = 0 1 , determine AB.
2 1 3
0 1
1 1
Resposta: A.B = ,
2 8
20
Teorema 1.1 Desde que sejam possveis as operacoes, as seguintes propriedades s
ao validas:
1. A.(B + C) = AB + AC; 2. (B + C)A = BA + CA;
5. (AB)t = B t At ; 6. AI = IA = A;
7. A0 = 0A = 0mn .
prova:
Suponhamos que B e C sao inversas da matriz A. Entao:
(BA) = I
Multiplicando ambos os lados da igualdade pela direita por C tem-se:
(BA)C = IC = C
1 1 d b
A =
ad bc c a
21
prova: Basta verificar que A.A1 = A1 .A = I22 .
(At )1 = (A1 )t
prova: Basta verificar que At .(A1 )t = (A1 .A)t = I t = I, usando o item 5 do Teorema (1.1).
Exerccio 1.3 Use o Teorema (1.3) para calcular as inversas das seguintes matrizes.
3 1 2 3 6 4 2 0
a) A = b) B = c) C = d) D =
5 2 4 4 2 1 0 3
Resposta:
2 1 1 4 3 1 1 1 4 1 1 3 0
a) A1 = b) B 1 = c) C = d) D =
5 3 20 4 2 2 2 6 6 0 2
A1 = At .
cos sen
Exemplo 1.22 A matriz A = e ortogonal pois, At .A = A.At = I.
sen cos
3 2 6
7 7 7
Exerccio 1.4 Verifique se A = 76 3
7
2
7
e ortogonal.
2 6
7 7
37
1.6 Sugest
ao de Leitura e Estudo
Anton, H.; Rorres, C. Algebra Linear com Aplica
coes. 8a Ed.. Porto Alegre: Bookman,
2001. Secao 1.3 e Secao 1.4.
Boldrini, J. L.. Algebra Linear . 3a Ed.. Sao Paulo: Harbra Ltda, 1986. Captulo Matrizes e
Sistemas Lineares.
Steinbruch, A.; Winterle, P. Introdu
cao `
a Algebra ao Paulo: Makron Books, 1990.
Linear.S
Apendice.
Santos, Nathan Moreira dos. Vetores e Matrizes - Uma introdu
cao `
a Algebra Linear .
a
4 Ed. Sao Paulo: Thompson Learning, 2007.
22
1.7 Lista 1
1. Um conglomerado e composto por cinco lojas, numeradas de 1 a 5. A matriz a seguir
apresenta o faturamento em reais de cada loja nos quatro primeiros dias de fevereiro.
1950 2030 1800 1950
1500 1820 1740 1680
F =
3100 2800 2700 3050
2500 2420 2300 2680
1800 2020 2040 1950
t 2 3 5 8
3. Determinar a matriz transposta A de A = .
3 7 1 9
0 3 4
4. Considerando a matriz anti-simetrica A = 3 0 6 , calcule At . O que voce observa
4 6 0
em relacao a A e At ?
23
1 2 3 3 0 2
5. Considere A = eB= , calcule:
4 5 6 7 1 8
(a) A + 5B
(b) 3A
(c) 2A 3B
2 1 0 3 4 3 5 1
6. Considere as matrizes A = 1 0 2 4 e B = 2 2 0 1 , encontre
4 2 7 0 3 2 4 5
1
A + B, A B e 3 A
8. Em cada item, encontre a operacao que se pede (adicao, subtracao ou multiplicacao) entre
as matrizes dadas abaixo:
2 5 7 3 3 2
a) A = eB= , encontre A + B.
3 2 4 8 9 1
4 1 5 6
b) A = eB= , encontre A B; AB e BA.
3 9 7 8
5 2 4 1
4 2 6
c) A = e B = 2 3 1 0 encontre AB.
2 5 3
1 2 7 6
1 3 2 1 4 1 0 2 1 1 2
d) A = 2 1 3 , B = 2 1 1 1 e C = 3 2 1 1
4 3 1 1 2 1 2 2 5 1 0
encontre AB e encontre AC. O que observou?
1 0 0 0 0 1
9. Considerando A = , B= e C= , calcule (AB) C e A (BC).
0 0 1 0 0 0
24
1 0
2 3
a) A = eB= 0 6 1
5 4 3 8 2 23
0 1 42
1
2 0 1
b) A = eB= 2
3 0 1 23
4 31
2 1
1 1
c) A = 4 2 e B =
0 4 22
5 3 32
1 1 1 1 2 3
d) A = 3 2 1 e B = 2 4 6 . Neste item, encontre tambem BA.
2 1 0 1 2 3
1 2 2 0
11. Se A = eB= , calcule AB e BA. O que observa sobre o resultado do
3 1 1 1
produto AB e BA?
4 5
4 6 3
12. Dadas as matrizes A = 3 7 e B =
, calcule (AB)t .
3 5 8
2 4
x y 2 3 1 0
13. Ache x, y, z e w se = .
z w 3 4 0 1
14. Um construtor tem contratos para construir 3 estilos de casa: moderno, mediterraneo e
colonial. A quantidade de material empregada em cada tipo de casa e dado por:
25
b) Se ele vai construir 5, 7 e 12 casas dos tipos moderno, mediterraneo e colonial, res-
pectivamente, quantas unidades de cada material serao empregadas?(Sugestao: crie a
matriz quantidade, Q13 e calcule a matriz material M = Q13 .C35 )
c) Suponha agora que os precos por unidades de ferro, madeira, vidro, tinta e tijolo sejam,
respectivamente, 15, 8, 5, 1 e 10 reais. Com relacao a esses materiais qual e o preco
unitario de cada tipo de casa?(Sugestao: crie a matriz preco-material P M51 e calcule
a matriz preco-casa P C = C35 .P M51 )
d) Se ele vai construir 5,7 e 12 casas dos tipos moderno, mediterraneo e colonial, respecti-
vamente.Considerando os mesmos precos, use produto de matrizes para obter o custo
total de material empregado.
2
2 x y
15. Considerando A = A A, calcule .
z w
2 6 x
16. Considerando que A = eX= , encontre AX.
5 4 y
17. Considerando as matrizes dadas nos itens abaixo, verifique se as matrizes A e B sao inversas.
2 5 3 5
a) A = eB=
1 3 1 2
1 0 2 11 2 2
b) A = 2 1 3 e B = 4 0 1
4 1 8 6 1 1
26
1.8 A fun
c
ao Determinante de uma Matriz Quadrada
No Ensino Medio voce deve ter se deparado com o calculo de determinante de matrizes 2 2 e
3 3, fazendo uso de algumas regras e formulas.
No entanto, nesta secao verificaremos que o determinante e um certo tipo de funcao, que
associa a cada matriz quadrada um n
umero real, independente da ordem da matriz quadrada.
Para tanto necessitaremos de alguns conceitos preliminares.
Defini
c
ao 1.11 Uma permuta
cao do conjunto de inteiros {1, 2, ..., n} e um rearranjo destes
inteiros em alguma ordem sem omissoes ou repeticoes.
Definiao 1.12 Denotando por (j1 , j2 , ..., jn ) uma permutacao arbitraria do conjunto {1, 2, ..., n}
c
dizemos que, ocorre uma invers
ao numa permutacao sempre que um inteiro maior precede um
menor.
Observa
c
ao 1.7 Para calcular o n
umero de invers
oes de uma permutacao devemos:
(1) encontrar a quantia de n
umeros menores que j1 e que est
ao depois de j1 na permutacao;
(2) encontrar a quantia de n
umeros menores que j2 e que est
ao depois de j2 na permutacao.
Continuar este processo ate jn1 e somar estas quantias. A soma destes n
umeros ser
a o n
umero
de invers
oes de uma permutacao.
Defini
c
ao 1.13 Uma permutacao e chamada par se o n
umero de invers
oes e um inteiro par e
e chamada mpar se o n
umero de invers
oes e mpar.
27
Exerccio 1.6 Estude o n oes das permutacoes de {1, 2, 3} e classifique estas
umero de invers
permutacoes em par ou mpar.
Defini
c
ao 1.14 Seja A = [aij ]nn uma matriz quadrada e (j1 , j2 , ..., jn ) uma permutacao ar-
aria do conjunto {1, 2, ..., n} . O produto
bitr
Defini
c
ao 1.15 Seja A uma matriz quadrada. A fun
cao determinante denotada por det e
definida da seguinte maneira:
X
det(A) = (1)k a1j1 .a2j2 ...anjn
onde k e o n
umero de invers
oes de (j1 , j2 , ..., jn ) ou seja, det(A) e definido como a soma de todos
os produtos elementares de A acompanhados do sinal: (+) se a permutacao (j1 , j2 , ..., jn ) e par
ou () se (j1 , j2 , ..., jn ) e mpar.
a11 a12 a13
det A = a21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a31 a22 a13 a32 a23 a11 a33 a21 a12
a31 a32 a33
1. Se todos os elementos de uma linha (ou coluna) de A sao nulos, entao detA = 0.
3. Se B e a matriz que resulta quando duas linhas ou duas colunas de A sao permutadas,
entao detB = detA.
28
4. Se B e a matriz que resulta quando uma linha de A e somada a um m
ultiplo de outra linha,
entao detB = detA
5. O determinante de uma matriz que tem duas linhas (ou colunas) iguais e zero. Se uma
linha e m
ultipla de outra linha, entao o determinante e zero.
1.8.2 C
alculo do determinante por triangularizac
ao
1. Li k.Li , para k 6= 0
Portanto, quando utilizarmos esta operacao sobre A para triangulariza-la e ainda obter o
1
determinante de A, devemos lembrar de multiplicar o novo determinante pela fracao ,
k
pois:
1
det(A) = D = det(B) = k.det(A) = det(A) = .det(B)
k
2. Li Lj ,
29
Portanto, quando utilizarmos esta operacao sobre A para triangulariza-la e ainda obter o
determinante de A, devemos lembrar de multiplicar o novo determinante por k = 1 pois
3. Li Li + k.Lj
det(A) = det(B)
Portanto, a operacao pode ser utilizada sem que haja preocupacoes com mudancas no
determinante de A.
Aplicaremos este metodo de Reducao por linhas em nossas aulas para o calculo do determinante
das seguintes matrizes:
0 1 5 3 6 9 0 3 1
A = 3 6 9 , B = 0 0 2 e C = 1 1 2 .
2 6 1 2 1 5 3 2 4
Exerccio 1.7 Calcule o determinante das matrizes indicadas abaixo usando o Metodo de Reducao
por linhas:
0 1 1 1
2 1 3 1 1 1 1
1
2 2
1 2
0 1 1
1. A =
0
2. B =
2 1 0 2 1 1
3 3 3
0
0 1 2 3
13 2
3
0 0
30
1.8.3 Desenvolvimento de Laplace: A expans
ao em cofatores
Observando o Exemplo (1.26) notamos que o determinante da matriz de ordem 3 3 pode ser
desenvolvimento em funcao de determinantes de submatrizes 2 2 como segue:
detA = a11 (a22 a33 a23 a32 ) + a12 (a21 a33 + a23 a31 ) + a13 (a21 a32 a22 a31 ) (1)
a a
= a11 22 23 a12 a21 a23 + a13 a21 a22
.
a32 a33 a31 a33 a31 a32
Observe que o determinante da matriz 3 3 pode ser expresso em funcao dos determinantes
de submatrizes 2 2, isto e,
no qual Mij e o determinante da submatriz obtida de A, onde a i-esima linha e a j-esima coluna
foram retiradas. Alem disso, se chamarmos Cij = (1)i+j Mij , obtemos a expressao
Note que em cada uma dessas equacoes as entradas e os cofatores sao todos da mesma linha
ou coluna. Estas equacoes sao chamadas expans
ao em cofatores de det(A).
Estes resultados que acabamos de ver para matrizes 3 3 formam somente um caso especial
de um teorema geral, que enunciaremos a seguir:
31
Teorema 1.6 Expans
ao em Cofatores
O determinante de uma matriz A de tamanho n n pode ser calculado multiplicando as
entradas de qualquer linha(ou coluna) pelos seus cofatores e somando os produtos resultantes, ou
seja,
n
X
detAnn = ai1 Ci1 + + ain Cin = aij Cij
j=1
(expans
ao em cofatores ao longo da i-
esima linha)
n
X
detAnn = a1j C1j + + anj Cnj = aij Cij
i=1
(expans
ao em cofatores ao longo da j-
esima coluna)
O n
umero Cij e chamado cofator ou complemento algebrico do elemento aij , onde Cij e o
determinante afetado pelo sinal (1)i+j da submatriz obtida de A retirando-se a i-esima linha e
a j-esima coluna.
3 1 4
Exemplo 1.27 Encontre o determinante da matriz A = 2 5 6 usando Laplace.
1 4 8
32
1.8.4 C
alculo do determinante de uma matriz de ordem maior que 3
(Observe que e mais conveniente usar a linha 2, pois esta tem como elementos o maior
n
umeros de zeros e isso facilita os calculos).
5 2 3 4
5 3 4
0 2 0 0
det A = = 0 + 2(1)2+2 5 3 0 + 0 + 0 = 372.
5 2 3 0
8 3 1
8 5 3 1
1 2 3 4
4 2 0 0
Exerccio 1.10 Calcule detA = usando a linha (e depois a coluna) mais
1 2 3 0
2 5 3 1
apropriada.
1.9 C
alculo da Matriz Inversa usando Cofatores
Estamos em condicoes de obter uma formula para a inversa de uma matriz invertvel usando os
cofatores.
Cof = [Cij ]
33
Exemplo 1.28 Seja
3 2 1
A= 1 6 3
2 4 0
Verifique que,
12 4 12
adj(A) = 6 2 10
16 16 16
Calcule ent
ao det(A) e verifique que,
1
A1 = adj(A).
det(A)
Para generalizar este resultado, verificamos que
A.adj(A) = det(A).I
considerando o produto A.adj(A) e observando que a entrada na i-esima linha e j-esima coluna
do produto A.adj(A) e:
ai1 Cj1 + + ain Cjn = 0, i 6= j
12 4 12
1
A1 = 6 2 10
64
16 16 16
34
1.10 C
alculo da Matriz Inversa usando Opera
co
es Ele-
mentares
Nesta secao vamos desenvolver um algoritmo para encontrar a inversa de uma matriz invertvel
fazendo uso das operac
oes elementares ja enunciadas.
Definiao 1.17 Uma matriz n n que pode ser obtida da matriz identidade In executando uma
c
u
nica operacao elementar sobre linhas e chamada matriz elementar.
Este teorema nos auxiliara nos calculos, pois e prefervel (e agil) efetuar operacoes sobre
linhas diretamente sobre uma matriz A do que calcular o produto EA, multiplicando `a esquerda
por uma matriz elementar.
Teorema 1.9 Qualquer matriz elementar e invertvel e a inversa e, tambem, uma matriz ele-
mentar.
(a) A e invertvel.
(b) Usando operacoes elementares sobre as linhas de A obtermos a matriz In .
1.10.1 Um M
etodo para Inverter Matrizes
35
Esta equacao nos indica que A1 pode ser obtida multiplicando In sucessivamente `a esquerda
pelas matrizes elementares.
Por outro lado, observe que estas mesmas operacoes aplicadas sobre A faz com que obtemos
In .
Portanto, podemos enunciar o seguinte M
etodo:
Para encontrar a inversa de uma matriz invertvel A, n
os devemos encontrar uma
sequ
encia de operac
oes elementares sobre linhas que reduz A `
a identidade I. Estas
mesmas operac a A1 .
oes efetuadas em I nos dar
Simbolicamente temos:
[A|I] [I|A1 ]
1.11 Sugest
ao de Leitura e Estudo
Anton, H.; Rorres, C. Algebra Linear com Aplica
coes. 8a Ed.. Porto Alegre: Bookman,
2001. Secao 1.5 e Captulo 2.
Boldrini, J. L.. Algebra Linear . 3a Ed.. Sao Paulo: Harbra Ltda, 1986. Captulo Matrizes e
Sistemas Lineares.
Steinbruch, A.; Winterle, P. Introdu
cao `
a Algebra ao Paulo: Makron Books, 1990.
Linear.S
Apendice.
Santos, Nathan Moreira dos. Vetores e Matrizes - Uma introdu
cao `
a Algebra Linear .
a
4 Ed. Sao Paulo: Thompson Learning, 2007.
36
1.12 Exerccios de Fixa
c
ao (Lista 2)
Exerccio 1.12 Encontrar a matriz inversa de cada uma das matrizes dadas.
3 5 1 2 5
a) A= resposta: A =
1 2 1 3
14
3 93 13
3 4 5 3
b) B= 0 1 2 resposta: B 1 = 2 1 2
3 5 4 1 1 1
1 0 0 0 1 0 0 0
, resposta: C 1 = 2 1
2 1 0 0 0 0
c) C= 3 2 1 0 1 2 1 0 .
4 3 2 1 0 1 2 1
1
2 0 12
1 0 2
d) D = 2 2 2 resposta: D1 = 14 21 41 .
3 0 2 34 0 14
4 25 5
4 0 10
e) E = 2 4 4 resposta: E 1 = 21 12 12 .
3
2 2 6 2
1 2
11 4
3 6 12 3 3
2
f) F = 0 3 3 resposta: F 1 = 32 0 1
3
.
6 9 24 2
3 3 311
1 2 3 40 16 9
g) G = 2 5 3 resposta: G1 = 13 5 3 .
1 0 8 5 2 1
1 0 2
Exerccio 1.13 Seja dada a matriz A = 2 1 3 , encontre sua inversa.
4 1 8
1 3 4 2 6 6
d) 2 4 1 e) 2 7 6
4 2 9 2 7 7
37
Exerccio 1.15 Encontre a inversa de cada uma das seguintes matrizes 4 4, onde k, k1 , k2 , k3 , k4
e k5 s
ao todos n
ao nulos.
k1 0 0 0 0 0 0 k1 k 0 0 0
0 k2 0 0 0 0 k2 0 1 k 0 0
a) 0 0 k3 0
b)
0 k3 0 0 c)
0
1 k 0
0 0 0 k4 k4 0 0 0 0 0 1 k
k 1 0 0
0 k k k
k 1 0
d)
0
e) 0 k k
0 k 1
0 0 k
0 0 0 0
1 3 1 5 3
2 1 3 1
1 0
2 7 0 4 2
1 1
d)
0 2
e) 0 0 1 0 1
1 0
0 0 2 1 1
0 1 2 3
0 0 0 1 1
a b c
Exerccio 1.17 Sabendo que d e f = 6, encontre
g h i
d e f 3a 3b 3c a+g b+h c+i
a) g h i b) d e f c) d e f
a b c 4g 4h 4i g h i
3a 3b 3c 3d 3e 3f
d)
d e f
e) a b c
g 4d h 4e i 4f g h i
Exerccio 1.18 Use det(A) para determinar quais das seguintes matrizes s
ao invertveis.
1 0 1 4 2 8 2 7 0 3 0 1
a) 9 1 4 b) 2 1 4 c) 3 2 3 7 0 d) 5 0 6
8 9 1 3 1 6 5 9 0 8 0 3
38
3 0 6
e) 1 0 2
2 3 7
Exerccio 1.20 Estude o determinante de A por cofatores da linha ou coluna mais apropriada
1
e use A1 = detA .adjA para o calculo da inversa de A.
3 3 0 5
2 3 5 2 0 0 2 2 0 2
a) 0 1 3 b) 8 1 0 c)
4 1 3 0
0 0 2 5 3 6
2 10 3 2
4 0 0 1 0
3 3 3 1 0
2 0 3
d)
1 2 4 2 3 e) 0 3 2
9 4 6 2 3 2 0 4
2 2 4 2 3
Defini
c
ao 1.18 Equa
cao Linear Definimos uma equacao linear nas n variaveis x1 , x2 , ..., xn
como uma equacao que pode ser expressa na forma
a1 x1 + a2 x2 + ... + an xn = b
onde a1 , a2 , ..., an e b s
ao constantes reais. As vari
aveis de uma equacao linear s
ao chamadas
inc
ognitas.
39
Observa
c
ao 1.8 Uma equacao linear n
ao envolve quaisquer produtos ou razes de vari
aveis.
Todas as vari
aveis ocorrem somente na primeira potencia e n
ao aparecem como argumentos de
funcoes trigonometricas ou exponenciais.
Defini
c
ao 1.19 Uma solu
cao de uma equacao linear a1 x1 + a2 x2 + ... + an xn = b e uma n-upla
(s1 , s2 , ..., sn ) tais que a equacao e satisfeita quando substitumos x1 = s1 , x2 = s2 , ..., xn = sn . O
conjunto de todas as solucoes de uma equacao e chamado seu conjunto-solu
cao ou solu
cao
geral da equacao.
Defini
c
ao 1.20 Um conjunto finito de equacoes lineares nas vari
aveis (x1 , x2 , . . . , xn ) e chamado
de sistema de equa
coes lineares ou um sistema linear. A n-upla (x1 , x2 , . . . , xn ) e chamada
solu
cao do sistema se x1 = s1 , x2 = s2 , ..., xn = sn e solucao de cada uma das equacoes:
a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2
S1 : .. .. .. (1.13.1)
. . .
a x + a x + + a x = b
m1 1 m2 2 mn n m
40
a11 a12 a1n b1
a21 a22 a2n b2
.. .. . . . .... , chamada matriz ampliada do sistema.
. . ..
am1 am2 amn bm
Observa
c eneo se b1 = b2 = = bm = 0.
ao 1.9 O sistema S1 e dito homog
x 2y + z = 0
Exemplo 1.34 A forma matricial do sistema S1 : 2x + y z = 0 e
3x y + 2z = 0
1 2 1 x 0
2 1 1 y = 0
3 1 2 z 0
1 2 1 0
e a matriz ampliada associada ao sistema e: 2 1 1 0
3 1 2 0
Exerccio 1.22 Encontre a matriz ampliada de cada um dos seguintes sistemas de equacoes
lineares.
3x 2y = 1
(a) 4x + 5y = 3
7x + 3y = 2
2x + 2z = 1
(b) 3x y + 4z = 7
6x + y z = 0
x + 2y t + w = 1
(c) 3y + z w = 2
z + 7w = 1
Nosso objetivo agora, e estudar um metodo para resolucao de sistemas em geral. O processo
consiste em substituir o sistema inicial por um sistema equivalente cada vez mais simples,
fazendo a eliminacao sucessiva das incognitas atraves de operac
oes elementares (ja apresen-
tadas no estudo das Matrizes e Determinantes) ate que possamos visualizar facilmente a solucao
do sistema.
1.13.1 Operac
oes Elementares sobre as equac
oes de um Sistema
41
2. Trocar duas equacoes entre si.
3. Somar um m
ultiplo de uma equacao a uma outra equacao
1.13.2 Operac
oes Elementares sobre as linhas da matriz ampliada
Como as linhas (horizontais) de uma matriz aumentada correspondem `as equacoes no sistema
associado, as tres operac
oes elementares aplicadas sobre as equacoes de um sistema linear
correspondem `as seguintes operacoes nas linhas da matriz ampliada do sistema:
3.Substituicao da i -esima linha pela i -esima linha mais c vezes a j -esima linha (Li Li +cLj );
Exemplo 1.35 Determine a solucao do sistema abaixo, realizando operacoes elementares sobre
as linhas da matriz ampliada.
x + y + 2z = 9
2x + 4y 3z = 1
3x + 6y 5z = 0
1.14 Eliminac
ao Gaussiana
Apresentaremos um procedimento para reduzir a matriz ampliada de um sistema a uma outra
matriz ampliada escalonada.
Defini
c
ao 1.21 Uma matriz A chama-se escalonada ou dizemos que est
a na forma escalonada,
se o n
umero de zeros precedendo o primeiro elemento n
ao-nulo de cada linha aumenta por linhas
e se aparecerem linhas nulas, estas devem estar abaixo de todas as outras linhas.
Defini
c
ao 1.22 Uma matriz A chama-se escalonada reduzida por linhas se:
a) est
a na escalonada;
42
b) o primeiro elemento n
ao-nulo de cada linha n
ao-nula de A for igual a 1. Chamamos este
n
umero 1 de piv
o;
c) cada coluna de A que contem o primeiro elemento n
ao-nulo de alguma linha de A tiver
todos os outros elementos iguais a zero.
1 0 0 0 0 2 1
Exemplo 1.36 Dadas as matrizes A = 0 1 1 0 B = 1 0 3
0 0 1 0 0 0 0
0 1 3 0 1 0 1 3 0 2
C= 0 0 0
0 0 D= 0 0 0 1 2
0 0 0 1 2 0 0 0 0 0
Quais s
ao escalonadas e quais s
ao escalonadas reduzidas por linhas?
Defini
c ao matrizes de ordem m n, diremos que A e equivalente por
ao 1.23 Se A e B s
linhas a B se B pode ser obtida de A ap
os um n
umero finito de operacoes elementares sobre as
linhas de A.
Notacao: A B
1 0 1 0
Exemplo 1.37 A matriz A = 4 1 e equivalentes por linhas a B = 0 1
3 4 0 0
Defini
c
ao 1.24 Dois sistemas lineares s
ao equivalentes se, e somente se, toda solucao de um
deles, e tambem solucao do outro.
43
Teorema 1.13 Dois sistemas de equacoes lineares que possuem matrizes ampliadas equivalentes
s
ao equivalentes.
Defini
c
ao 1.25 O posto de uma matriz A e o n
umero de linhas n
ao nulas de alguma matriz
escalonada , equivalente a A.
1 3 1 0
Exemplo 1.38 Determine o posto da matriz A = 2 6 2 0 .
1 3 1 0
1.14.1 Classificac
ao de um Sistema Linear quanto `
a Solu
cao
No teorema a seguir veremos que um sistema so admite uma (e somente uma) das seguintes
classificacoes:
SPD: Sistema Possvel Determinado, com uma u
nica solucao.
SPI: Sistema Possvel Indeterminado, com infinitas solucoes.
S.I: Sistema Impossvel, sem nenhuma solucao.
O estudo do posto de uma matriz nos auxiliara na classificacao de um sistema linear.
Observa
c
ao 1.10 No caso de um sistema de n inc
ognitas apresentar infinitas solucoes, p vari
aveis
podem ser escrita em funcao de outras n p escolhidas convenientemente. Estas n p vari
aveis
s
ao chamadas de vari umero (n p) denota o grau de liberdade do sistema.
aveis livres e o n
44
1.14.2 O M
etodo de Gauss
2. Use operacoes elementares sobre as linhas da matriz A ate transforma-la numa matriz A
escalonada;
x + 2y + z = 0
Exemplo 1.39 Determine a solucao do sistema S : x + 3z = 5 utilizando o Metodo de
x 2y + z = 1
Gauss.
1.14.3 O M
etodo de Gauss-Jordan
Neste metodo, procedemos como no metodo de eliminacao de Gauss, mas reduzimos ainda mais
a matriz ampliada ate `
a forma escalonada reduzida por linha.
2. Use operacoes elementares sobre as linhas de A ate transforma-la numa matriz A escalo-
nada reduzida por linhas;
Exerccio 1.23 Determine a solucao de cada sistema abaixo usando eliminacao de Gauss-
Jordan.
45
2x + 2y + z = 5
(a) x y = 2
x + 2y + 3z = 6
2x + 2y z + w = 0
x y + 2z 3t + w = 0
(b)
x + y 2z w = 0
z+t+w =0
2x + 2y + z = 2
(c) x y = 0
x+y+z =5
46
1.15 Exerccios de Fixa
c
ao ( Lista 3)
1. Considere as matrizes
3 0 1 5 2 6 1 3
4 1 1 4 2
A = 1 2 , B = , C= , D = 1 0 1 , E = 1 1 2
0 2 3 1 5
1 1 3 2 4 4 1 3
Calcule, quando possvel:
a) D + E b) D E c) 2B C d) 4E 2D e) 3(D + 2E).
4. Sejam
3 2 7 6 2 4
A= 6 5 4 e B= 0 1 3
0 4 9 7 7 5
Use a definicao de produto de matrizes da pagina 9 do Captulo 1 para encontrar
a) a primeira linha de AB b) a terceira linha de AB c) a segunda coluna de AB
5. Em cada item, encontre uma matriz [aij ] de tamanho 6 6 que satisfaz a condicao dada.
De respostas tao gerais quanto possvel, usando letras e nao n
umeros para entradas nao
nulas especficas. Classifique as matrizes obtidas quanto ao tipo, utilizando a secao 1.2.
a) aij = 0 se i 6= j b) aij = 0 se i > j c) aij = 0 se i < j
d) aij = i + j e) aij = i j
6. Sejam
2 1 3 8 3 5
A= 0 4 5 , B = 0 1 2 , e
2 1 4 4 7 6
0 2 3
C = 1 7 4 , a = 4, b = 7.
3 5 9
Mostre que
47
a) A + (B + C) = (A + B) + C b) (AB)C = A(BC) c) a(B C) = aB aC
d) (AT )T = A e) (AB)T = B T .AT .
0 0 ann
sabendo que a11 .a22 . .ann 6= 0
b) Uma matriz An n com uma linha de zeros nao pode ter inversa.
c) Uma matriz An n com uma coluna de zeros nao pode ter inversa.
d) Se A, B sao matrizes quadradas tais que AB = 0 e A e invertvel entao, B = 0.
e) Se A e uma matriz quadrada tal que Li = k.Lj entao A nao e invertvel.
11. Encontre uma operacao sobre linhas que retorna a matriz elementar dada a uma matriz
identidade.
0 17
0 0 0 1 1 0 2 0 0 2
1 0 0
1 0 0 1 0 0 0 1 0 0
0 1 0 0
a) b) 0 1 0 c) d) e)
3 1 0 0 1 0 0 0 1 0 0 0 1 0
0 0 3
1 0 0 0 1 0 0 0 0 0 0 1
12. Encontre a inversa da matriz dada usando operacoes elementares.
48
8 17 2 13
0 0 2 0
1 0 0 1 4 0 2 9 2 3 2 0
a) b) 5 c) 4 2 2 0
0 1 3 0 0 0 0 0
0 0 1
2 1 5 3 1 13 4 2
1 3 4 2 6 6
d) 2 4 1 e) 2 7 6
4 2 9 2 7 7
13. Encontre a inversa de cada uma das seguintes matrizes 4 4, onde k, k1 , k2 , k3 , k4 e k5 sao
todos nao nulos.
k1 0 0 0 0 0 0 k1 k 0 0 0
0 k2 0 0 0 0 k2 0 1 k 0 0
a)
0 0 k3 0
b)
0 k3 0 0 c)
0
1 k 0
0 0 0 k4 k4 0 0 0 0 0 1 k
k 1 0 0
0 k k k
k 1 0
d)
0
e) 0 k k
0 k 1
0 0 k
0 0 0 0
14. Calcule o determinante da matriz dada usando as propriedades de Determinante e as
operacoes elementares.
0 0 0 0 3 5 0 0 0 0
0 0 0 4 0 4 9 9 2
0 0 0 4 0 2 5
6 4
0 0 1 0
a) 0 b) 0 0 3 0 0 c)
0 2 0
1 2 5 3
0 0 0 0 0 1 0
1 2 0 2
5 0 0 0 0 0 2 0 0 0
1 3 1 5 3
2 1 3 1
1 0
2 7 0 4 2
1 1
d)
0 2
e) 0 0 1 0 1
1 0
0 0 2 1 1
0 1 2 3
0 0 0 1 1
a b c
15. Sabendo que d e f = 6, encontre
g h i
d e f 3a 3b 3c a+g b+h c+i
a) g h i b) d e f c) d e f
a b c 4g 4h 4i g h i
49
3a 3b 3c 3d 3e 3f
d)
d e f
e) a b c
g 4d h 4e i 4f g h i
16. Use det(A) para determinar quais das seguintes matrizes sao invertveis.
1 0 1 4 2 8 2 7 0 3 0 1
a) 9 1 4 b) 2 1 4 c) 3 2 3 7 0 d) 5 0 6
8 9 1 3 1 6 5 9 0 8 0 3
3 0 6
e) 1 0 2
2 3 7
17. Seja
a b c
A= d e f
g h i
4 0 0 1 0
3 3 3 1 0
2 0 3
d)
1 2 4 2 3 e) 0 3 2
9 4 6 2 3 2 0 4
2 2 4 2 3
50
19. Quais das seguintes matrizes 3 3 estao em forma escalonada?
1 2 0 1 0 0 1 3 4
a) 0 1
0 b) 0 1 0 c) 0 0 1
0 0 0 0 2 0 0 0 0
1 5 3 1 2 3
d) 0 1 1 e) 0 0 0
0 0 0 0 0 1
20. Quais das seguintes matrizes 3 3 estao em forma escalonada reduzida por linhas?
1 0 0 0 1 0 1 0 0
a) 0 1
0 b) 0 0 1 c) 0 0 1
0 0 0 0 0 0 0 0 0
1 1 0 1 0 2
d) 0 1 0 e) 0 1 3
0 0 0 0 0 0
21. Em cada parte, determine se a matriz esta em forma escalonada, escalonada reduzida por
linhas, ambas ou nenhuma das duas.
1 2 0 3 0
0 1 0 0 5
0 1 1 0 1 0 3 1
a)
0 b) 0 0 1 3 c)
0 0 0 1 0 1 2 4
0 1 0 4
0 0 0 0 0
1 3 0 2 0
1 7 5 5 1 0 2 2 0
d) e)
0 1 3 2 0 0 0 0 1
0 0 0 0 0
22. Em cada parte, suponha que a matriz de um sistema de equacoes lineares foi reduzida
por operacoes sobre linhas `a forma escalonada ou `a forma escalonada reduzida por linhas.
Resolva o sistema.
1 0 0 3 1 0 0 7 8 1 0 8 5 6
a) 0 1 0 0 b) 0 1 0 3 2 c) 0 1 4 9 3
0 0 1 7 0 0 1 1 5 0 0 1 1 2
51
1 3 0 0 1 3 7 1
d) 0 0 1 0 e) 0 1 4 0
0 0 0 1 0 0 0 1
23. Resolva cada um dos seguintes sistemas por eliminacao de Gauss.
x + y + 2z = 8 2x + 2y + 2z = 0
(a) x 2y + 3z = 1 (b) 2x + 5y + 2z = 1
3x 7y + 4z = 10 8x + y + 4z = 1
x y + 2z w = 1
2y + 3z = 1
2x + y 2z 2w = 2
(c) (d) 3x + 6y 3z = 2
x + 2y 4z + w = 1
6x + 6y + 3z = 5
3x 3w = 3
3x + 2y z = 15
5x + 3y + 2z = 0
(e)
3x + y + 3z = 11
6x 4y + 2z = 30
w + 2x y = 4
2x 3y + 4z w = 0
xy =3
(c) (d) 7x + y 8z + 9w = 0
w + 3x 2y = 7
2x + 8y + z w = 0
2u + 4v + w + 7x = 7
2x + 2y + 4z = 0
y 3z + w = 0
(e)
3x + y + z + 2w = 0
x + 3y 2z 2w = 0
52
x + 3y + w = 0
2x y + 3z + 4w = 9
x + 4y + 2z = 0
x 2z + 7w = 11
(c) 2y 2z w = 0 (d)
3x 3y + z + 5w = 8
2x 4y + z + w = 0
2x + y + 4z + 4w = 10
x 2y z + w = 0
z+w+t=0
x y + 2z 3w + t = 0
(e)
x + y 2z t = 0
2x + 2y z + t = 0
d) Uma copeira lavou os 800 copos usados em uma festa. Ela recebeu R$0, 05 por copo
que lavou e teve de pagar R$0, 25 por copo que quebrou. Terminado o servico, a copeira
recebeu R$35, 80. Determine o n
umero de copos que ela quebrou.
53
e) (F uvest2002) Carlos, Lus e Slvio tinham, juntos, 100 mil reais para investir por um
ano. Carlos escolheu uma aplicacao que rendia 15% ao ano. Lus, uma que rendia 20% ao
ano. Slvio aplicou metade de seu dinheiro em um fundo que rendia 20% ao ano, investindo
a outra metade numa aplicacao de risco, com rendimento anual pos-fixado. Depois de um
ano, Carlos e Lus tinham juntos 59 mil reais; Carlos e Slvio, 93 mil reais; Lus e Slvio,
106 mil reais. Determine, quantos reais cada um tinha inicialmente e qual o rendimento
da aplicacao de risco.
54
Captulo 2
Vetores
Observa
c
ao 2.1
a) Tamanho ou comprimento de um segmento orientado AB e o comprimento do segmento
geometrico AB.
43
b) Dizemos que os segmentos orientados AB e A B tem mesma direcao se a reta determinada
por A e B e paralela a reta determinada por A e B.
c) Se os segmentos orientados AB e A B tem mesma direcao eles ter
ao o mesmo sentido se
AA BB =
T
Defini
c
ao 2.1 Diremos que um segmento orientado AB e equipolente ao segmento orientado
A B , se ambos s
ao nulos ou possuem mesma direcao, mesmo tamanho e mesmo sentido.
Propriedades da rela
c
ao de equipol
encia:
(a) Reflexividade: AB e equipolente a AB.
(b) Simetria: Se AB e equipolente a A B , entao A B e equipolente a AB.
(c) Transitividade: Se AB e equipolente a A B e se A B e equipolente a A B , entao AB
e equipolente a A B .
2.2 Vetores
Imagine um s
olido em translacao, a velocidade de cada ponto desse s
olido e a mesma. Entao qual
das flexas (que obtemos em cada ponto do s
olido) seria escolhida para representar a velocidade
do s
olido? Observe que todas s
ao equipolentes. Assim poderamos representar a velocidade por
qualquer uma delas.
Definic
ao 2.2 O conjunto de todos os segmentos orientados equipolentes a AB, ser
a chamado
de vetor determinado pelo segmento orientado AB, e denotaremos por AB.
Diremos que o segmento orientado AB e um representante do vetor AB. Assim dado um
vetor, em cada ponto do espaco, sempre existira um, e somente um, representante desse vetor.
Notacoes: podemos simplesmente denotar o vetor AB por a ou b .
Observa
c
ao 2.2
1. Dois vetores AB e CD s
ao iguais se, e somente se, AB e equipolente a CD.
44
odulo ou comprimento) de um vetor
3. A norma (m
a e o comprimento de qualquer
segmento orientado representante desse vetor.
Notacao: k
a k,
4. Um vetor
ario se k
a e unit
a k= 1.
5. Se
a = AB ent ao o vetor oposto de
a e ao vetor BA.
Notacao: AB ou ~a.
6. Dois vetores
a = AB e b = CD s
ao colineares ou paralelos se tiverem a mesma
direcao, isto e, se seus representantes AB e CD pertencerem a uma mesma reta ou a retas
paralelas.
45
Note que dois vetores quaisquer s
ao sempre coplanares no entanto, tres vetores poder
ao ou
n
ao ser coplanares.
2.3 Adic
ao de Vetores
Defini ao 1.3 Sejam
c u e
v dois vetores do espaco, a soma desses vetores, representada por
Propriedades da adic
ao
Para quaisquer vetores ~a, ~b e ~c temos:
1. ~u + ~v = ~v + ~v
2. (~u + ~v ) + w
~ = ~u + (~v + w)
~
3. ~u + ~0 = ~0 + ~u = ~u
4. ~u + (~u) = ~u + ~u = ~0
46
Regra do paralelogramo
Consideremos o paralelogramo com vertices ABCD e os vetores ~a = AB e ~b = AC. Temos
que o vetor soma ~s = ~a +~b e representado pelo segmento orientado AD, que e uma das diagonais
do paralelogramo e que o vetor diferenca d~ = ~a ~b = ~a + (~b), representado pelo segmento
orientado CB, e a outra diagonal do paralelogramo.
Observaao 2.3 Para obter a diferenca a b sem construir b, posicione a e b de tal modo que
c
seus pontos iniciais coincidam; o vetor do ponto final de b ao ponto final de a e o vetor a b.
2. k(~u + ~v ) = k au
~ + k~v
3. k(t~u) = (kt)~v
4. 1~u = ~u e (1)~u = ~u
47
Exerccio 2.1 Dados os vetores ~a, ~b e ~c, de acordo com a figura, construir o vetor
1
~s = 2~a 3~b + ~c
2
Exerccio 2.2 Considere o paralelogramo ABCD determinado pelos vetores AB e AD, seja M
e N pontos medios dos lados DC e AB, respectivamente. Complete convenientemente:
a) AD + AB = ...............
b) BA + DA = ...............
c) AC BC = ...............
d) AN + BC = ...............
e) M D + M B = ...............
1
f ) BM DC = ...............
2
Exerccio 2.4 No hex
agono regular, obter: a) AB+F E+AF b) AD-AE+BE
48
2.5
Angulo entre dois vetores
O angulo entre dois vetores nao-nulos ~a e ~b, com representantes AB e AC, respectivamente,
denotado por (~a, ~b), e angulo formado pelas semi-retas AB e AC tal que 0 (~a, ~b) .
Observa
c
ao 2.4
3. Se (~a, ~b) = , ~a e ~b s
ao ortogonais. Indicamos ~a ~b.
2
49
Captulo 3
v=(x1 , y1 )
b
(x1 , y1 )
v
x
50
Observacao 3.1 Observe que todo vetor v = (x, y) do plano bidimensional pode ser decomposto
segundo as direcoes dos vetores i = (1, 0) e j = (0, 1). Isto e, existem n
umeros reais x e y
tais que,
v = x. i + y. j
Neste caso, dizemos que v e combinacao linear de i e j . Os n umeros x e y s
ao as coor-
denadas de a base { i , j }. A base { i , j } e dita base can
v em relacao ` onica de
R2 = {(x, y) : x, y R}.
Figura 3.1:
Dado um vetor ~v = x1~i + y1~j, o vetor x1~i e a projecao ortogonal de ~v sobre o eixo dos x e y1~j
e a projecao ortogonal de ~v sobre o eixo dos y.
Figura 3.2:
Se nao haver referencia em contrario, a seguir faremos nosso estudo tratanto somente da base
canonica.
51
Igualdade de vetores
Os vetores ~a = (x1 , y1 ) e ~b = (x2 , y2 ) sao iguais (~a = ~b) se, e somente se, x1 = x2 e y1 = y2 .
Operac
oes
Figura 3.3:
Consideremos o vetor AB com origem no ponto A(x1 , y1 ) e extremidade no ponto B(x2 , y2 )
(figura 3.3). Temos:
OA = (x1 , y1 ) e OB = (x2 , y2 )
Alem disso,
OA + AB = OB onde
AB = OB OA
Isto e, AB = (x2 , y2 ) (x1 , y1 )
Logo, AB = (x2 x1 , y2 y1 )
52
3.2 Vetores Tridimensionais
Assim como os vetores no plano podem ser descritos por pares de n
umeros reais, os vetores no
espaco podem ser descritos por ternos de n
umeros reais utilizando um sistema de coordenadas
retangulares. Para construir um tal sistema de coordenadas, selecionamos um ponto O, deno-
minado a origem e escolhemos tres retas mutuamente perpendiculares passando pela origem,
denominadas eixos coordenados, designados eixos x, y e z.
Figura 3.4:
Analogamente como no plano, em nosso estudo, a menos que se faca referencia contraria,
faremos uso de uma base canonica , neste caso dada pelos vetores ~i = (1, 0, 0), ~j = (0, 1, 0) e
~k = (0, 0, 1), os quais tem origem no mesmo ponto O. A reta que passa pelo ponto O e com a
mesma direcao do vetor ~i chama-se eixo dos x, a reta que passa pelo ponto O e com a mesma
direcao do vetor ~j chama-se eixo dos y e a reta que passa pelo ponto O e com a mesma direca`o
do vetor ~k chama-se eixo dos z. Na figura 4.4, as setas indicam o sentido positivo de cada eixo.
Estes eixos sao chamados eixos coordenados.
O plano determinado pelo eixo dos x e pelo eixo dos y e chamado plano xy; o plano deter-
minado pelo eixo dos x e pelo eixo dos z e chamado plano xz; o plano determinado pelo eixo
dos y e pelo eixo dos z e chamado plano yz.
O conjunto R3 = {(x, y, z)/x, y, z R} e o produto cartesiano R R R e sua representacao
geometrica e o espa
co cartesiano determinado pelos tres eixos cartesianos dois a dois ortogo-
nais x, y e z.
53
Figura 3.5:
~v = OP = x~i + y~j + z~k = (x, y, z)
Exemplo 3.2 O vetor ~v = 2~i 3~j + ~k pode ser representado por ~v = (2, 3, 1)
Operac
oes
54
Vetor definido por dois pontos
Consideremos o vetor AB com origem no ponto A(x1 , y1 , z1 ) e extremidade no ponto B(x2 , y2 , z2 ),
temos
AB = (x2 x1 , y2 y1 , z2 z1 )
Vetores paralelos
Como vimos na observacao 2.2, dois vetores ~a = (x1 , y1 , z1 ) e ~b = (x2 , y2 , z2 ) sao colineares
ou paralelos se existir um n
umero real k tal que
~a = k~b
isto e,
x1 = kx2
x1 y1 z1
y1 = ky2 = =
x2 y2 z2
z1 = kz2
Denoteremos : ~a//~b.
2 3 5 1
= = =
4 6 10 2
1
isto e, ~a = ~b.
2
55
Universidade Tecnologica Federal do Parana
Campus de Campo Mourao
Geometria Analtica e Algebra Linear
4. Sejam u = (3, 1, 2), v = (4, 0, 8) e w = (6, 1, 4). Calcule a expressao analtica dos
vetores:
a) v w b) 6u + 2v c) v + u d) 5(v 4u)
Confira as respostas! Livro: Algebra Linear com Aplicacoes. ANTON, paginas:105 e 106.
56
Captulo 4
Produto de Vetores
4.1 C
alculo da norma de um vetor
Considere os vetores de R2 e R3 , representados na figura abaixo:
4.2 Dist
ancia entre dois pontos
57
d =k AB k=k B A k=k (x2 x1 , y2 y1 , z2 z1 ) k
p
d= (x2 x1 )2 + (y2 y1 )2 + (z2 z1 )2
1 1
Exemplo 4.2 Determine para que o vetor ~v = (, , ) seja unit
ario.
2 4
kuk kvk cos se u 6= 0 e v 6= 0
~u.~v =
0 se u = 0 ou v = 0
Observa
c
ao 4.1
3. Se ~u.~v = 0, da Definicao 5.1, cos deve ser igual a zero, isto e, cos = 0, o que implica
= 90 . Nesse caso, e
angulo reto.
58
4.3.1 Produto interno em termos das Componentes
Para efeitos de calculo, e desejavel ter uma formula que de o produto interno de dois vetores em
termos das componentes do vetor. O teorema abaixo fornece essa formula:
~u.~v = u1 .v1 + u2 v2 + u3 v3
u .
v
Observa
c
ao 4.2 Da Definicao 4.1 segue que, cos = , ou seja,
k u k.k
v k
u .
v
= arccos
k
u k.k
v k
Exemplo 4.4 Considere os vetores u = (2, 1, 1) e v = (1, 1, 2). Encontre u.v e determine o
angulo entre u e v.
59
4.3.2 Propriedades do produto escalar
~ = (x3 , y3 , z3 ) de R3 ,
Para quaisquer que sejam os vetores ~u = (x1 , y1 , z1 ), ~v = (x2 , y2 , z2 ), w
temos:
2. ~u.~v = ~v .~u
3. ~u.(~v + w)
~ = ~u.~v + ~u.w
~
6. k ~u + ~v k2 = k ~u k2 + 2~u.~v + k ~v k2
7. k ~u ~v k2 = k ~u k2 2~u.~v + k ~v k2
8. k ~u k2 k ~v k2 = (~u + ~v ).(~u ~v )
4.3.3 Condi
cao de ortogonalidade de dois vetores
60
4.3.4 Estudo da Projec
ao Ortogonal usando Produto Escalar
Sejam os vetores ~u e ~v , com ~u,~v 6= ~0 e, o angulo por eles formado. Pretendemos calcular o
vetor w
~ que representa a projec
ao ortogonal de ~u sobre ~v ou componente vetorial de ~u
ao longo de ~v . Para tanto, utilizaremos a figura abaixo, que ilustra as duas situacoes possveis
podendo ser um angulo agudo ou obtuso.
|
u .
v| |
u .
v|
k
w k=k
u k .| cos | =k
u k
=
k u kk v k k v k
Como w
~ e ~v tem a mesma direcao, segue-se que:
~ = k~v , k R
w
Entao:
k
w k= |k| k
v k
ou seja,
u .
v
k=
k v k2
Logo,
u .
v
w
~= ~v
k
v k2
Obtemos assim:
~u.~v
proj~v ~u = ~v : componente vetorial de u ao longo de v.
~v .~v
~u.~v
E, u proj~v ~u = u ~v : componente vetorial de u ortogonal a v.
~v .~v
61
Exerccios para fixac
ao
Exerccio 4.4 a) Deduza uma formula para o comprimento do vetor projecao de u ao longo de
v usando produto interno.
b) Deduza uma f
ormula para o comprimento do vetor projecao de u ao longo de v usando o
angulo entre os vetores.
62
4.4 Produto Vetorial
Dados os vetores ~u = (x1 , y1 , z1 ) e ~v = (x2 , y2 , z2 ), tomados nesta ordem, chama-se produto
vetorial dos vetores ~u e ~v , e se representa por ~u ~v , ao vetor:
~i ~j ~k
ao: ~u ~v =
Notac x1 y1 z1
x2 y2 z 2
Observa
c
ao 4.3 Esta notacao e utilizada para facilitar a memorizacao da definicao do produto
vetorial e faz alusao ao calculo de determinante de uma matriz 3 3 usando a 1a linha. No
entanto, o produto vetorial n
ao pode ser confundido com um determinante de uma
matriz real pois:
1o ) ~u ~v e um vetor e o determinante e um n
umero real;
2o ) A notacao considerada n
ao indica um determinante, pois a primeira linha contem vetores
ao inves de n
umeros.
63
4.4.1 Propriedades do Produto Vetorial
Segue da definicao do produto vetorial e das propriedades dos determinantes, as seguintes pro-
priedades:
1. ~u ~u = ~0.
2. ~u ~v = ~v ~u
3. ~u (~v + w)
~ = (~u ~v ) + (~u w).
~
|| ~u ~v ||=k ~u kk ~v k sen
64
4.4.2 Interpreta
cao geom
etrica do m
odulo do produto vetorial de dois
Vetores
b
C b
D
v h
A b
u b
B
Exemplo 4.9 Dados os vetores ~u = (1, 2, 1) e ~v = (0, 1, 3), calcular a area do paralelogramo
determinado pelos vetores 3~u e ~v ~u.
Exemplo 4.10 Calcule a angulo de vertices A(1, 2, 1), B(2, 1, 4) e C(1, 3, 3).
area do tri
~ = (4, 3, 2).
Exemplo 4.11 Calcule o produto misto dos vetores ~u = (2, 3, 5), ~v = (1, 3, 3) e w
65
4.5.1 Propriedades do produto misto
Da definicao do produto misto e das propriedades dos determinantes segue as seguintes proprie-
dades:
1. (~u, ~v , w)
~ = 0 se um dos vetores e nulo,se dois eles sa o colineares, ou se os tres sao coplanares.
0 0 0
~ = x2 y2 z2
a) se ~u = (0, 0, 0) temos: (~u, ~v , w)
x3 y3 z 3
mx2 my2 mz2
~ = x2
(~u, ~v , w) y2 z2
x3 y3 z3
~ sao coplanares, lembremos que o vetor ~v w
c) Se ~u, ~v e w ~ e ortogonal a ~v e w.
~ Logo,
~v w
~ e ortogonal a ~u. Portanto,
~ = ~u.(~v w)
(~u, ~v , w) ~ =0
Resumindo, se ~u, ~v e w
~ sao coplanares entao (~u, ~v , w)
~ =0
~v w
~
w
~
~v
b
~u
66
De forma analoga dizemos que quatro pontos A,B,C e D pertencem a um mesmo plano se
os vetores AB, ACe AD forem coplanares, isto e, se (AB, AC, AD) = 0.
b
D
b
C
A b
b
B
2. (~u, ~v , w)
~ = (~v , w,
~ ~u) = (w,
~ ~u, ~v )
~u
b
~v b b
w
~
Entretanto, o produto misto muda de sinal quando se trocam as posicoes de dois vetores
consecutivos, isto e:
~ = (~v , ~u, w)
(~u, ~v , w) ~
3. (~u, ~v , w
~ + ~r) = (~u, ~v , w)
~ + (~u, ~v , ~r)
4. (~u, ~v , mw)
~ = (~u, m~v , w)
~ = (m~u, ~v , w)
~ = m(~u, ~v , w)
~
67
4.5.2 Interpreta
cao geom
etrica do m
odulo do produto misto
68
Captulo 5
Aplicac
ao de Vetores ao Estudo da Reta
e do Plano
Neste captulo faremos uso da teoria de vetores e produto de vetores para apresentarmos as
equacoes que descrevem analiticamente as retas e os planos. Desta maneira, usaremos expressoes
analticas na resolucao de problemas geometricos como estudo do angulo, distancia, posicoes e
intersecoes.
5.1 Equaco
es da Reta
Geometricamente, para identificarmos uma reta r basta conhecermos um ponto A desta reta
e sua direcao.
ou seja,
69
Se A(x1 , y1 , z1 ) r e ~v = (a, b, c) e o vetor diretor (que da a direcao) de r, para todo
P (x, y, z) r temos:
nas quais a, b e c nao sao todos nulos (~v 6= ~0), denominadas equa
c
oes param
etricas da reta
r.
Ou ainda, supondo a.b.c 6= 0, segue que:
x x1 y y1 z z1
t= , t= , t=
a b c
Assim, obtemos:
x x1 y y1 z z1
= = (5.1.3)
a b c
denominadas equa
c
oes sim
etricas da reta r.
Observa
c f
ao 5.1 E acil verificar que a cada valor de t na equacoes vetorial da reta corresponde
um ponto particular P da reta r. Quando t varia de a +, o ponto P descreve a reta r.
O n
umero t e dito par
ametro.
Exemplo 5.1 Determine as equacoes da reta r que passa pelo ponto A(3, 0, 5) e tem a direcao
do vetor ~v = (2, 2, 1).
Pergunta: O ponto P (7, 4, 7) r?
Exemplo 5.2 As equacoes parametricas da reta r, que passa pelo ponto A(3, 1, 2) e e paralela
ao vetor ~v = (3, 2, 1), s
ao:
x = 3 3t
y = 1 2t
z =2+t
70
Observe que, para obter um ponto desta reta, basta atribuir a t um valor particular. Por
exemplo, para t = 3, tem-se:
x = 6
y = 7
z=5
Exemplo 5.3 A reta r, determinada pelos pontos A(1, 2, 3) e B(3, 1, 4), tem a direcao do
vetor ~v = AB = (2, 3, 1) e as equacoes parametricas
x = 1 + 2t
y = 2 + 3t
z = 3 t
representam esta reta r, passando pelo ponto A, com direcao do vetor ~v = AB; analogamente,
as equacoes parametricas
x = 3 + 2t
y = 1 + 3t
z = 4 t
ainda representam a mesma reta r, passando pelo ponto B, com a direcao do vetor ~v = AB.
Observaao 5.2 Se o vetor ~(2, 3, 1) e um vetor diretor desta reta r, qualquer vetor ~v , 6= 0,
c
tambem o e.
Observa
c
ao 5.3 Se a reta e determinada pelos pontos A(x1 , y1 , z1 ) e B(x2 , y2 , z2 ), suas equacoes
simetricas s
ao:
x x1 y y1 z z1
= =
x2 x1 y2 y1 z2 z1
71
pois um vetor diretor e:
~v = AB = (x2 x1 , y2 y1 , z2 z1 ), desde que tenhamos x2 x1 6= 0, y2 y1 6= 0 e z2 z1 6= 0.
Exemplo 5.4 As equacoes simetricas da reta determinada pelos pontos A(2, 1, 3) e B(4, 0, 2)
s
ao:
x2 y1 z+3
= =
42 01 2 + 3
isto e:
x2 y1 z+3
= =
2 1 1
Estas s
ao as equacoes da reta que passa pelo ponto A e tem a direcao do vetor ~v = AB.
As equacoes
x4 y z+2
= =
2 1 1
representam a mesma reta passando pelo ponto B e com a direcao de ~v = AB.
5.3 Condic
ao para que tr
es pontos estejam em linha reta
A condicao para que tres pontos A1 (x1 , y1 , z1 ),A2 (x2 , y2 , z2 ) e A3 (x3 , y3 , z3 ) estejam em linha reta
e que os vetores A1 A2 e A1 A3 sejam colineares, isto e: A1 A2 = mA1 A3 , para algum m R
ou:
x2 x1 y2 y1 z2 z1
= =
x3 x1 y3 y1 z3 z1
Exemplo 5.5 Verique que os pontos A1 (5, 2, 6), A2 (1, 4, 3) e A3 (7, 4, 7) est
ao em linha
reta.
5.4 Equaco
es Reduzidas da Reta
Para as equacoes simetricas da reta
x x1 y y1 z z1
= =
a b c
pode-se dar outra forma, isolando as variaveis y e z e expressando-as em funcao de x.
72
y y1 x x1 z z1 x x1
= =
b a c a
b c
y y1 = (x x1 ) z z1 = (x x1 )
a a
b b c c
y y1 = x x1 z z 1 = x x1
a a a a
b b c c
y = x x1 + y1 z = x x1 + z 1
a a a a
fazendo fazendo
b c
=m =p
a a
b b c c
y = x x1 + y1 z = x x1 + z 1
a a a a
b c
x1 + y1 = n, x1 + z1 = q,
a a
segue que:
y = mx + n
(5.4.1)
z = px + q
sao as equa
coes reduzidas da reta r.
Exemplo 5.6 Estabeleca as equacoes reduzidas da reta r que passa pelo ponto A(2, 1, 3) e
B(4, 0, 2).
Observa
c
ao 5.4 Nas equacoes reduzidas:
y = mx + n
(5.4.2)
z = px + q,
a vari
avel x figura como vari
avel independente. Se expressarmos as equacoes de forma que a
vari
avel independente seja y ou z, ainda assim as equacoes s
ao chamadas de equacoes reduzidas.
Por exemplo, as equacoes reduzidas da reta do exemplo anterior tambem podem ser expressas
por:
x = 4 2y
z = y 2
73
ou
x = 2z + 8
z = z 2
Observa
c
ao 5.5 Das equacoes
y = mx + n
z = px + q
pode-se obter:
x yn zq
= = (5.4.3)
1 m p
Comparando a equacao acima com as equacoes:
x x1 y y1 z z1
= =
a b c
verifica-se que as equacoes reduzidas representam a reta que passa pelo ponto N (0, n, q) e tem a
direcao do vetor ~v = (1, m, p).
representam a reta que passa pelo ponto N (0, 3, 5) e tem a direcao do vetor ~v = (1, 2, 4).
Observe que o ponto N e obtido fazendo x = 0 nas equacoes reduzidas. J
a as componentes
do vetor ~v podem s
ao obtidas analisando as equacoes reduzidas como equacoes parametrica (com
par
ametro x) observando quais constantes acompanham x nas equacoes pois, as equacoes
y = 2x 3
z = 4x + 5
s
ao equivalentes `
a
x = 1x
y = 2x 3
z = 4x + 5
74
5.5 Retas Paralelas aos Planos e aos Eixos Coordenados
Nas secoes anteriores apresentamos as possveis equacoes de uma reta, considerando um ponto
A(x1 , y1 , z1 ) r e o vetor diretor ~v = (a, b, c), cujas componentes sao diferentes de zero. Entre-
tanto uma ou duas destas componentes podem ser nulas. Assim, temos dois casos:
1o ) Uma s
o das componentes de ~v
e nula
Neste caso, o vetor ~v e ortogonal a um dos eixos coordenados e, portanto, a reta r e paralela
ao plano dos outros eixos.
a) Se a = 0, ~v = (0, b, c) Ox r // yOz (r pertence a um plano paralelo a yOz).
x = x ,
1
r : y y1 z z1
=
b c
75
2o ) Duas das componentes de ~v s
ao nulas
Neste caso o vetor ~v tem a direcao dos vetores ~i = (1, 0, 0) ou ~j = (0, 1, 0) ou ~k = (0, 0, 1) e ,
portanto a reta r e paralela ao eixo que tem a direcao de ~i ou de ~j ou de ~k.
Assim:
a) Se a = b = 0, ~v = (0, 0, c)//~k r//Oz.
(x = x
1
r: y = y1
z = z1 + c.t
Costuma-se dizer, simplesmente, que as equacoes da reta r sao:
nx = x
1
r : y = y , subentendendo-se z variavel.
1
Observa
c
ao 5.6 Os eixos 0x, Oy e Oz s
ao retas particulares.
O eixo Ox e uma reta que passa pela origem O(0, 0, 0) e tem a direcao do vetor ~i = (1, 0, 0).
Logo, suas equacoes s
ao:
y=0
n
z=0
De forma analoga, as equacoes do eixo Oy s
ao:
n
x=0 x=0
e as equacoes do eixo Oz s
ao:
z=0 y=0
76
5.6
Angulo de Duas Retas
Sejam as retas r1 , que passa pelo ponto A1 (x1 , y1 , z1 ) e tem a direcao de um vetor v~1 = (a1 , b1 , c1 )
e r2 , que passa pelo ponto A2 (x2 , y2 , z2 ) e tem a direcao de um vetor v~2 = (a2 , b2 , c2 ). Chama-se
|v~1 .v~2 |
cos = , com 0 (5.6.1)
|v~1 |.|v~2 | 2
x=3+t,
(
x+2 y3 z
Exerccio 5.1 Calcular o
angulo entre as retas r1 = y=t, e r2 = = =
2 1 1
z=-1-2t
5.7 Condic
ao de Paralelismo de Duas Retas
A condicao de paralelismo das retas r1 e r2 e a mesma dos vetores v~1 = (a1 , b1 , c1 ) e
v~2 = (a2 , b2 , c2 ), que definem as direcoes dessas retas, isto e:
77
ou seja,
a1 b1 c1
= =
a2 b2 c2
Exemplo 5.8 Verifique que a reta r1 , que passa pelos pontos A1 (3, 4, 2) e B1 (5, 2, 4), e a
reta r2 , que passa pelos pontos A2 (1, 2, 3) e B2 (5, 5, 4), s
ao paralelas.
Observa
c
ao 5.7 Se as retas r1 e r2 forem expressas, respectivamente pelas equacoes reduzidas:
(y = m x + n , (y = m x + n ,
1 1 2 2
r1 = e r2 =
z = p 1 x + q1 z = p 2 x + q2 ,
cujas direcoes s
ao dadas, respectivamentes pelos vetores:
v1 = (1, m1 , p1 ) e v2 = (1, m2 , p2 ), a condicao de paralelismo permite escrever:
1 m1 p1
= = m1 = m2 , p1 = p2
1 m2 p2
y=2x-3, y=2x+1,
Por exemplo, as retas r1 = e r2 =
z=-4x+5 z=-4x,
s
ao paralelas.
5.8 Condic
ao de Ortogonalidade de Duas Retas
A condicao de ortogonalidade das retas r1 e r2 e a mesma dos vetores v~1 = (a1 , b1 , c1 ) e v~2 =
(a2 , b2 , c2 ) que definem as direcoes dessas retas, isto e:
v~1 .v~2 = 0
ou:
a1 a2 + b1 .b2 + c1 .c2 = 0
78
5.9 Condic
ao de Coplanaridade de Duas Retas
A reta r1 , que passa por um ponto A1 (x1 , y1 , z1 ) e tem a direcao de um vetor v~1 = (a1 , b1 , c1 ),
e a reta r2 , que passa pelo ponto A2 (x2 , y2 , z2 ) e tem a direcao de um vetor v~2 = (a2 , b2 , c2 ),
sao coplanares se os vetores v~1 , v~2 e A1 A2 forem coplanares, isto e, se for nulo o produto misto
(v~1 , v~2 , A1 A2 ).
a1 b1 c1
r1 , r2 (v~1 , v~2 , A1 A2 ) = a2 b2 c2 =0
x2 x1 y2 y1 z 2 z 1
x2 y z5 x+5 y+3 z6
Exemplo 5.10 Mostre que as retas r1 : = = e r2 : = = s
ao
2 3 4 1 1 3
coplanares.
5.10 Posic
ao Relativa de Duas Retas
Duas retas r1 e r2 , no espaco, podem ser:
I) paralelas: r1 //r2
Para tanto, basta verificarmos que os vetores diretores sao paralelos, ou seja: v~1 //v~2 .
O caso de serem r1 e r2 coincidentes pode ser considerado como um caso particular de
paralelismo, que e verificado quando:
v~1 //v~2 e, A r1 A r2 .
79
II) concorrentes: r1 r2 = {I} (I e o ponto de intersecao das duas retas);
Para tanto, basta verificarmos que (~u, ~v , P1 P2 ) 6= 0.
x = 1 3t
y = 2x 3
Exemplo 5.11 Estudar a posicao relativas das retas r1 : e r2 : y = 6 6t
z = x
z = 3t
80
x y1 x = 2 4t
Exemplo 5.12 Estudar a posicao relativas das retas r1 : = = z e r2 : y = 2t
2 1
z = 1 2t
x2 y z5 x =5+t
Exemplo 5.13 Estudar a posicao relativas das retas r1 : = = e r2 : y =2t
2 3 4
z = 7 2t
y =3
Exemplo 5.14 Estudar a posicao relativas das retas r1 : e r2 : x = y = z
z = 2x
5.11 Interse
c
ao de Duas Retas
Duas retas r1 e r2 coplanares e nao paralelas sao concorrentes. Consideremos as retas
x = t
y = 3x + 2
r1 : e r2 : y = 1 + 2t
z = 3x 1
z = 2t
Temos que r1 e r2 sao concorrentes. Se I(x, y, z) e o ponto de intersecao dessas retas, suas
coordenadas satisfazem o sistema formado pelas equacoes de r1 e r2 , isto e, I(x, y, z) e solucao
do sistema:
y = 3x + 2
z = 3x 1
x = t
y = 1 + 2t
z = 2t
Eliminando t nas u
ltimas tres equacoes, temos o seguinte sistema equivalente
81
y = 3x + 2
z = 3x 1
y = 1 2x
z = 2x
x =1
Resolvendo o sistema temos: y = 1 . Isto e, I(1, -1, 2).
z =2
5.12 Dist
ancia de Um Ponto a Uma Reta
Seja r uma reta definida por um ponto P1 (x1 , y1 , z1 ) e pelo vetor diretor ~v = (a, b, c) e seja
P0 (x0 , y0 , z0 ) um ponto qualquer do espaco. Os vetores ~v e P1 P0 determinam um paralelogramo
cuja altura corresponde distancia d de P0 a r.
Assim,
|~v P1 P0 |
A = |~v | . d = |~v P1 P0 | = d =
|~v |
x y2 z+3
Exemplo 5.15 Calcular a dist
ancia do ponto P (2, 0, 7) `
a reta r : = = .
2 2 1
82
5.13 Dist
ancia Entre Duas Retas
ou
d(r, s) = d(P0 , r), P0 s
Assim, a distancia entre duas retas paralelas se reduz ao calculo da distancia de um ponto
`a uma reta.
Assim,
|(~u, ~v , P1 P2 )|
V = |~u ~v |. d = |(~u, ~v , P1 P2 )| = d =
|~u ~v |
83
x = 1 2t
y = 2x + 3
Exemplo 5.16 Calcular a dist
ancia entre as retas e y = 1 + 4t
z = 2x
z = 3 4t
y =1 x =3
(
Exemplo 5.17 Calcular a dist
ancia entre as retas r : z4 e s: y = 2t 1
x+2 =
2 z = t + 3
~ = (x x1 , y y1 , z z1 ), temos:
Tendo em vista que: ~n = (a, b, c) e AP
(a, b, c).(x x1 , y y1 , z1 ) = 0
84
ou seja,
ax + by + cz ax1 by1 cz1 = 0
Fazendo:
ax1 by1 cz1 = d, segue que:
ax + by + cz + d = 0 (5.14.2)
Observa
c importante observar que os tres coeficientes a, b,e c da equacao geral
ao 5.8 E
ax + by + cz + d = 0 representam as componentes de um vetor normal ao plano. Por exemplo, se
um plano e dado por: : 3x + 2y 4z + 5 = 0, um de seus vetores normais e: ~n = (3, 2, 4).
Este mesmo vetor ~n e tambem normal a qualquer plano paralelo a .
Assim, todos os infinitos planos paralelos a tem equacao geral do tipo: : 3x+2y 4z +d =
0,na qual d e o elemento que diferencia um plano de outro. O valor de d est
a identificado quando
se conhece um ponto do plano.
Exemplo 5.18 Determinar a equacao geral do plano que passa pelo ponto A(2, 1, 3), sendo
~n = (3, 2, 4) um vetor normal a .
Exemplo 5.19 Escrever a equacao cartesiana do plano que passa pelo ponto A(3, 1, 4) e e
paralelo ao plano:
1 : 2x 3y + z 6 = 0
Exemplo 5.20 Determinar a equacao geral do plano que passa pelo ponto A(2, 1, 2) e e per-
pendicular a` reta
x = 4 + 3t
(
r = y = 1 + 2t,
z=t
85
5.15 Determina
c
ao de um Plano
Vimos que um plano e determinado por um dos seus pontos e por um vetor normal a ele. Existem
outras formas de determinacao de um plano nas quais estes dois elementos (ponto e vetor normal)
ficam bem evidentes. Algumas destas formas serao apresentadas a seguir.
2. A, B e ~v e paralelo a e nao colinear a AB.
86
3. A, B e C e nao estao em linha reta.
87
6. contem uma reta r e um ponto B
/ r.
Exemplo 5.21 Determine a equacao geral do plano que passa pelo ponto A(1, 3, 4) e e paralelo
aos vetores v~1 = (3, 1, 2) e v~2 = (1, 1, 1).
Exemplo 5.22 Estabeleca a equacao geral do plano determinado pelos pontos A(2, 1, 1), B(0, 1, 1)
e C(1, 2, 1).
x=4
r= e o ponto B(3, 2, 1).
y=3
88
Observa
c
ao 5.9 Em todos os problemas de determinacao da equacao geral do plano um vetor
normal ~n foi obtido atraves do produto vetorial de dois vetores-base desse plano. Vamos mostrar,
retomando ao primeiro exemplo dado, um outro modo de se obter a equacao geral do plano.
Nesse problema, o plano passa pelo ponto A(1, 3, 4) e e paralelo aos vetores v~1 = (3, 1, 2) e
~ , v~1 e v~2 s
v~2 = (1, 1, 1). Ora, se P (x, y, z) e um ponto qualquer do plano, os vetores AP ao
~ , v~1 , v~2 ) = 0
coplanares e, portanto, o produto misto deles e nulo, isto e: (AP
Assim, obtemos a equacao geral do plano desenvolvendo o determinante:
x1 y+3 z4
3
1 2 = 0 = : x + 5y + 4z 2 = 0
1 1 1
5.16 Equaco
es Param
etricas do Plano
Seja um plano paralelo aos vetores ~v1 e ~v2 nao colineares e A(x0 , y0 , z0 ) um ponto de . Um
ponto P (x, y, z) pertence ao plano se, e somente se, existem n
umeros reais h e t tais que
AP = h.~u + t.~v .
89
Escrevendo a equacao AP = h.~u + t.~v . em coordenadas, obtemos
(x x0 , y y0 , z z0 ) = h(a1 , b1 , c1 ) + t(a2 , b2 , c2 ).
Isto e,
x = x 0 + a1 h + a2 t
y = y0 + b1 h + b2 t
z = z0 + c1 h + c2 t
Exemplo 5.25 As equacoes parametricas do plano que passa A(2, 1, 3) e e paralelo aos vetores
~u = (3, 3, 1) e ~v = (2, 1, 2) s
ao:
5.17
Angulo de Dois Planos
Sejam os planos
1 : a1 x+b1 y+c1 z+d1 = 0 e 2 : a2 x+b2 y+c2 z+d2 = 0, com vetores normais: ~n1 = (a1 , b1 , c1 )
e ~n2 = (a2 , b2 , c2 ), respectivamente.
Chama-se
angulo de dois planos 1 e 2 o menor angulo que o vetor normal de 1 forma
com o vetor normal de 2 . Logo, sendo este angulo, tem-se:
90
|n~1 .n~2 |
cos = , com 0 (5.17.1)
||n~1 ||.||n~2 || 2
ou, em coordenadas:
|a1 a2 + b1 b2 + c1 c2 |
cos = p p (5.17.2)
a1 2 + b 1 2 + c 1 2 a2 2 + b 2 2 + c 2 2
Observa
c
ao 5.10
a1 b1 c1
1. 1 //2 , se ~n1 //~n2 . Isto e = = .
a2 b2 c2
a1 b1 c1 d1
Se alem dessas igualdades tivermos = = = os planos s
ao coincidentes.
a2 b2 c2 d2
2. 1 2 , se ~n1 ~n2 . Isto e, se a1 a2 + b1 b2 + c1 c2 = 0.
5.18
Angulo de uma reta com um Plano
Seja r uma reta com a direcao do vetor ~v e um plano com vetor nomal ~n. O angulo da reta r
com o plano e o complemento do angulo que a reta r forma com uma reta normal ao plano.
Como + = e, portanto, cos = sen temos:
2
|~v .~n|
sen = , com 0 (5.18.3)
||~v ||.||~n|| 2
91
5.19 Interse
c
ao de Dois Planos
Consideremos os planos nao paralelos
1 : 5x 2y + z + 7 = 0 e
2 : 3x 3y + z + 4 = 0.
Sabemos que a intersecao de dois planos nao paralelos e uma reta r cujas equacoes se de-
seja determinar. Uma reta esta determinada quando se conhece dois de seus pontos ou um
ponto e seu vetor diretor. Um ponto pertence `a reta intersecao se suas coordenadas satisfazem
simultaneamente as equacoes dos dois planos, isto e, ele e uma solucao do sistema:
5x 2y + z + 7 = 0
3x 3y + z + 4 = 0
O sistema e indeterminado e, em termos de x sua solucao e:
y = 2x 3
z = 9x 13
Estas sao as equacoes reduzidas da reta intersecao dos planos 1 e 2 , sendo os pontos dessa
intersecao da forma:
5.20 Dist
ancia de um Ponto a um Plano
Seja um ponto P0 (x0 , y0 , z0 ) e um plano : ax + by + cz + d = 0. Seja A o pe da perpendicular
conduzida por P0 sobre o plano e P (x, y, z) um ponto qualquer desse plano.
92
O vetor ~n = (a, b, c) e normal ao plano e, por conseguinte, o vetor AP0 tem a mesma direcao
de ~n.
A distancia d do ponto P0 ao plano e:
d(P0 , ) = ||AP0 ||
Observando que o vetor AP0 e a projecao do vetor P P0 na direcao de ~n, temos:
~n
d(P0 , ) = ||AP0 || = P P0 .
||~n||
Mas, P P0 = (x0 x, y0 y, z0 z)
e
~n (a, b, c)
= .
||~n|| a2 + b 2 + c 2
Logo,
(a, b, c)
d(P0 , ) = (x0 x, y0 y, z0 z).
a2 + b2 + c2
93
5.21 Dist
ancia entre dois planos
A distancia entre dois planos e definida somente para planos paralelos:
Para 1 //2 , temos:
d(1 , 2 ) = d(P0 , 2 ), P0 1 .
5.22 Dist
ancia de uma Reta a um Plano
A distancia de uma reta a um plano e definida somente quando a reta e paralela ao plano, ou
seja, o vetor diretor de r e paralelo ao plano . Neste caso, temos:
d(r, ) = d(P0 , ), P0 r.
x=3
Exemplo 5.31 Estude a dist
ancia da reta r : ao planos xOz e yOz.
y=4
94
Captulo 6
C
onicas e Qu
adricas
6.1 Definic
ao geom
etrica das C
onicas
Defini
c
ao 6.1 As c
onicas s
ao curvas planas obtidas pela interseccao de um cone circular duplo
com um u
nico plano.
A inclinacao do plano com relacao ao eixo de simetria do cone determinara os diversos tipos
de curvas. Essas curvas sao chamadas de conicas. Sao elas: circunferencia, elipse, parabola e
hiperbole.
95
Figura 6.2:
Observa
c
ao 6.1 Se o plano passar pelo vertice O do cone obtemos as c
onicas degeneradas:
Estudaremos somente as conicas n
ao-degeneradas.
6.2 Definic
ao analtica das C
onicas
Defini
c onica em R2 e um conjunto de pontos cujas coordenadas satisfazem a
ao 6.2 Uma c
equacao:
onde a ou b ou c 6= 0.
96
Se c = d = e = 0 entao a conica esta centrada na origem e possui uma posi
c
ao padr
ao
n
ao rotacionada;
Se c = 0 e d 6= ou e 6= entao a conica esta transladada (nao centrada na origem) mas,
possui uma posi
c
ao padr
ao n
ao rotacionada;
Se c 6= 0 e d = e = 0 entao a conica esta centrada na origem e rotacionada;
Se c, d , e 6= 0 entao a conica esta transladada (nao centrada na origem) e rotacionada.
6.3 Definic
ao geom
etrica das Superfcies Qu
adricas
Defini
c
ao 6.3 As Superfcies Quadricas s
ao superfcies tridimensionais cuja intersecao com os
planos paralelos aos planos coordenados e dada por uma conica. Cada conica obtida por esta
intersecao e chamada de curva de nvel.
97
6.4 Definic
ao analtica das Superfcies Qu
adricas
Defini
c adrica em R3 e um conjunto de pontos cujas coordenadas
ao 6.4 Uma Superfcie Qu
satisfazem a equacao:
Estudaremos as quadricas, na posicao padrao cuja representacao e dada por uma equacao da
forma
6.5 A elipse
Defini
c
ao 6.5 Uma elipse e o conjunto dos pontos P (x, y) do plano tais que a soma das
dist
ancia de P a dois pontos fixos F1 e F2 situados no mesmo plano e constante. Os pontos
F1 e F2 , s
ao chamados focos da elipse.
d(P, F1 ) + d(P, F2 ) = 2a
ou
k P F1 k + k P F2 k = 2a (6.5.1)
98
Observa
c
ao 6.2 Se a = c, (6.5.1) e a equacao do segmento F1 F2 .
Dist
ancia focal: e a distancia 2c entre os focos.
V
ertices: sao os pontos A1 , A2 , B1 e B2 .
c
Excentricidade: e o n
umero e dado por e = . Como c < a, temos 0 e < 1.
a
Figura 6.5:
Figura 6.6:
99
6.5.2 Express
ao analtica da elipse centrada na origem
Figura 6.7:
Logo, F1 P = P F1 = (x + c, y) e F2 P = P F2 = (x c, y). Portanto, a equacao
k F1 P k + k F2 P k= 2a
p p
(x + c)2 + y 2 + (x c)2 + y 2 = 2a
p p
(x + c)2 + y 2 = 2a (x c)2 + y 2
p p
( (x + c)2 + y 2 )2 = (2a (x c)2 + y 2 )2
p
(x + c)2 + y 2 = 4a2 4a (x c)2 + y 2 + (x c)2 + y 2
p
x2 + 2xc + c2 + y 2 = 4a2 4a (x c)2 + y 2 + x2 2xc + c2 + y 2
p p
4a (x c)2 + y 2 = 4a2 4xc a (x c)2 + y 2 = a2 xc
p
(a (x c)2 + y 2 )2 = (a2 xc)2 a2 ((x c)2 + y 2 ) = a4 2a2 xc + x2 c2
a2 (x2 2xc + c2 + y 2 ) = a4 2a2 xc + x2 c2 a2 x2 a2 2xc + a2 c2 + a2 y 2 = a4 2a2 xc + x2 c2
a2 x 2 + a2 c 2 + a2 y 2 = a4 + x 2 c 2 a2 x 2 x 2 c 2 + a2 y 2 = a4 a2 c 2
x2 (a2 c2 ) + a2 y 2 = a2 (a2 c2 ) x 2 b 2 + a2 y 2 = a2 b 2 (pois a2 = b2 + c2 )
x2 y 2
+ 2 = 1 (6.5.2)
a2 b
que e a equa
cao da elipse com centro na origem e eixo maior sobre o eixo x.
100
Analogamente, se tomarmos F1 (0, c) e F2 (0, c), obtemos a equacao
x2 y 2
+ 2 = 1 (6.5.3)
b2 a
que e a equa
cao da elipse com centro na origem e eixo maior sobre o eixo y.
Consideremos no plano cartesiano xOy um ponto O (h, k). Vamos introduzir um novo sistema
x O y tal que os eixos O x e O y tenham a mesma unidade de medida, a mesma direcao e o
mesmo sentido dos eixos Ox e Oy. Assim, um sistema pode ser obtido do outro atraves de uma
translacao de eixos.
Figura 6.8:
101
Defini
c
ao 6.6 Express
ao analtica da elipse com centro fora da origem do sistema cartesiano
Figura 6.9:
x2 y 2
+ 2 =1
a2 b
mas,
x = x h e y = y k
logo,
(x h)2 (y k)2
+ = 1,
a2 b2
que e a equa
c
ao da elipse com centro C(h, k) e eixo maior paralelo ao eixo dos x.
(x h)2 (y k)2
+ = 1,
b2 a2
que e a equa
c
ao da elipse com centro C(h, k) e eixo maior paralelo ao eixo dos y.
102
Figura 6.10:
Exemplo 6.2 Determinar a equacao da elipse, cujo eixo maior e paralelo ao eixo dos y, tem
1
centro C(4, -2), excentricidade e = e eixo menor de medida 6.
2
Observa
c
ao 6.4 Na equacao da elipse, sendo a = b temos:
(xk)2 (yl)2
a2
+ a2
= 1 ou ainda,
(x k)2 + (y l)2 = a2 ,
103
6.6 O Elips
oide
Consideremos uma superfcie tal que, os planos xy, xz e yz a interceptam segundo as elipses
x2 y 2 x2 z 2 y2 z2
+ 2 = 1, + 2 =1 e + 2 =1
a2 b a2 c b2 c
respectivamente.
Essa superfcie e dita um elips
oide descrito pela equacao:
x2 y 2 z 2
+ 2 + 2 = 1,
a2 b c
onde a, b e c sao n
umeros reais positivos.
Observa
c
ao 6.5 Se a = b = c, o elipsoide e uma esfera.
Observa
c
ao 6.6 O plano z = k, se | k |< c intercepta a superfcie segundo uma elipse e os
planos x = k, se | k |< a e y = k, se | k |< b tambem interceptam a superfcie segundo elipses .
9z 2
Exemplo 6.5 Identifique e esboce o grafico da superfcie dada pela equacao 9x2 + y 2 + = 9.
4
104
6.7 A Hip
erbole
Uma hip
erbole com focos F1 e F2 e o conjunto dos pontos P (x, y) do plano tais que
|d(P, F1 ) d(P, F2 )| = 2a
ou
| k P F1 k k P F2 k | = 2a (6.7.1)
Observaao 6.7 Se a = c a equacao | k P F1 k k P F2 k | = 2c descreve os pontos P, situados
c
sobre a reta que passa pelos pontos F1 e F2 n
ao interiores ao segmento F1 F2 .
105
Figura 6.12:
As assntotas sao retas das quais a hiperbole se aproxima cada vez mais `a medida que os
pontos se afastam dos focos.
Dist
ancia focal: e a distancia 2c entre os focos.
V
ertices: sao os pontos A1 e A2 .
Eixo imagin
ario: e o segmento B1 B2 de comprimento 2b.
c
Excentricidade: e o n
umero e dado por e = . Como c > a, temos e > 1.
a
106
6.7.2 Express
ao analtica da hip
erbole centrada na origem
Figura 6.13:
Da definicao temos
|d(P, F1 ) d(P, F2 )| = 2a
p p
| (x + c)2 + y 2 (x c)2 + y 2 | = 2a
p p
(x + c)2 + y 2 (x c)2 + y 2 = 2a
p p
(x + c)2 + y 2 = 2a + (x c)2 + y 2
Com procedimento analogo ao que foi usado na deducao da equacao da elipse e usando a
relacao c2 = a2 + b2 obtemos:
x2 y 2
2 = 1 (6.7.2)
a2 b
que e a equa
cao da hip
erbole com centro na origem e eixo real sobre o eixo x.
y 2 x2
2 = 1 (6.7.3)
a2 b
que e a equa
cao da hip
erbole com centro na origem e eixo real sobre o eixo y.(Veja
figura 6.14)
107
Figura 6.14:
x2 y 2 x2 y 2 y 2 x2 y 2 x2
I) =1 II) =1 III) =1 IV ) =1
9 4 4 9 4 9 9 4
108
6.7.3 Hip
erboles transladadas
x2 y 2
2 =1
a2 b
e a equacao de uma hiperbole com centro C(0, 0) e eixo real sobre o eixo dos x; quando o eixo
real for paralelo ao eixo dos x e o centro e C(h, k), sua equacao passa a ser:
(x h)2 (y k)2
=1
a2 b2
(y k)2 (x h)2
=1
a2 b2
109
(y 1)2 (x 3)2
Exemplo 6.7 Esboce o grafico da hiperbole = 1 e determine:
9 4
a) o centro;
b) os vertices;
c) os focos;
d) a excentricidade;
e) as equacoes das assntotas.
6.8 O Hiperbol
oide de um folha
x2 y 2
+ 2 = 1, z = 0
a2 b
e os planos xz e yz a interceptam segundo as hiperboles
x2 z 2 y2 z2
2 = 1, y = 0 e 2 = 1, x = 0
a2 c b2 c
respectivamente.
Essa superfcie e dita um hiperbol
oide de uma folha ao longo do eixo z descrito pela
equacao:
x2 y 2 z 2
+ 2 2 = 1,
a2 b c
onde a, b e c sao n
umeros reais positivos.
Observa
c
ao 6.8 Os tracos horizontais s
ao elipses. Os tracos verticais nos planos x = k e
ao hiperboles se k 6= 0 e s
y = k s ao um par de retas se k = 0.
Observa
c
ao 6.9 O eixo de simetria corresponde `
a vari
avel cujo coeficiente e negativo.
110
x2 y 2 z 2 x2 y 2 z 2
Ja as equacoes + + = 1, e 2 + 2 = 1 descrevem o hiperboloide de uma
a2 b2 c2 a2 b c
folha ao longo do eixo x e ao longo do eixo y, respectivamente.
y2 z2
Exemplo 6.8 Esbocar o grafico da superfcie dada pela equacao x2 + = 1.
4 4
6.9 A Par
abola
Consideremos em um plano uma reta d e um ponto F nao pertencente a d. Uma par
abola de
foco F e o conjunto dos pontos P (x, y) do plano equidistantes de F e de d.
d(P, F ) = d(P, P1 )
ou
k P F k=k P P1 k (6.9.1)
Foco: e o ponto F.
111
Diretriz: e a reta d.
V
ertice: e o ponto V de intersecao da parabola com seu eixo.
6.9.2 Express
ao analtica da par
abola com v
ertice na origem
Figura 6.16:
d(P, F ) = d(P, P1 )
ou
k P F k=k P P1 k
isto e,
p p
(x a)2 + (y 0)2 = (x + a)2 + (y y)2
(x a)2 + y 2 = (x + a)2
x2 2xa + a2 + y 2 = x2 + 2xa + a2 y 2 = 4ax
112
Portanto, y2 = 4ax e a equacao da parabola com:
vertice V (0, 0), foco F (a, 0) sobre o eixo dos x e diretriz d : x = a.
Observa
c
ao 6.11 Se a > 0, a par
abola tem concavidade voltada para a direita e se a < 0, a
par
abola tem concavidade voltada para a esquerda.
que e a equacao da parabola com vertice V (0, 0), foco F (0, a) sobre o eixo dos y e diretriz
d : y = a
Figura 6.17:
Observa
c
ao 6.12 Se a > 0, a par
abola tem concavidade voltada para cima e se a < 0, a par
abola
tem concavidade voltada para baixo.
abolas x2 = 8y e
Exemplo 6.9 Determinar a equacao da reta diretriz, o vertice e o foco das par
y 2 = 2x e esboce as par
abolas.
113
6.9.3 Par
abolas Transladadas
(y k)2 = 4a(x h)
e a equacao da parabola com vertice no ponto V (h, k) e eixo paralelo ao eixo dos x.
Analogamente,
(x h)2 = 4a(y k)
e a equacao da parabola com vertice no ponto V (h, k) e eixo paralelo ao eixo dos y.
114
6.10 O Parabol
oide elptico
x2 = a2 cz, e y 2 = b2 cz.
x2 y 2
+ 2 = cz.
a2 b
Figura 6.18:
Observa
c
ao 6.13 - Se c > 0, o plano z = k intercepta essa superfcie segundo a elipse
x2 y2
+ = 1 z = k. (6.10.2)
cka2 ckb2
se k > 0.
- Se k < 0 o plano z = k n
ao intercepta a superfcie. Isto e, se c > 0, a superfcie est
a
contida na regiao z 0. Analogamente, temos que se c < 0, a superfcie est
a na regiao z 0.
y2 z2 x2 z 2
Ja as equacoes + = cx, e + 2 = cy descrevem o paraboloide elptico em torno do eixo
a2 b 2 a2 b
x e em torno do eixo y, respectivamente.
115
6.11 O Hiperbol
oide de duas folhas
x2 y 2 z 2
Consideremos a superfcie cuja equacao e da forma + 2 2 = 1, onde a, b e c sao
a2 b c
n
umeros reais positivos.
Se | k |< b o plano y = k n
ao intercepta a superfcie e se | k |> b o plano y = k intercepta a
superfcie segundo a elipse.
x2 z 2 k2
+ = 1, y = k. (6.11.3)
a2 c2 b2
Vemos que essa superfcie tem duas folhas, uma na regiao y b e outra na regiao y b.
Os planos xy e yz interceptam a superfcie segundo as hiperboles
y 2 x2 y2 z2
= 1, z = 0 e 2 = 1, x = 0
b2 a2 b2 c
respectivamente. Essa superfcie e um hiperboloide de duas folhas ao longo do eixo y.
116
6.12 O Parabol
oide hiperb
olico
x2 y 2
A superfcie cuja equacao e da forma + 2 = cz e um paraboloide hiperbolico .
a2 b
Figura 6.19:
x2 y2
+ = 1 z = k. (6.12.4)
cka2 ckb2
6.13 Superfcie C
onica
Superfcie conica e uma superfcie gerada por uma reta que se move apoiada numa curva plana
qualquer e passando sempre por um ponto dado nao situado no plano desta curva.
A reta e denominada geratriz, a curva plana e a diretriz e o ponto fixo dado e o vertice da
superfcie conica.
117
6.13.1 O Cone Qu
adrico
Consideraremos o caso particular da superfcie conica cuja diretriz e uma elipse (ou circun-
ferencia) com o vertice na origem do sistema e com seu eixo sendo um dos eixos coordenados.
Nestas condicoes, a superfcie conica cujo eixo e o eixo dos z tem equacao:
x2 y 2 z 2
+ 2 2 = 0.
a2 b c
Figura 6.20:
x2 y2
+ = 1 z = k. (6.13.5)
k 2 a2 k 2 b 2
x = az, y = 0 e y = bz x = 0.
respectivamente.
118
6.14 Superfcie Cilndrica
Seja C uma curva plana e f uma reta fixa nao contida nesse plano.
Superfcie cilndrica e a superfcie gerada por uma reta r que se move paralelamente `a reta
fixa f em contato permanente com a curva plana C.
A reta r que se move e denominada geratriz e a curva C e a diretriz da superfcie cilndrica.
Nesse estudo consideramos apenas superfcies cilndricas cuja diretriz e uma curva que se
encontra num dos planos coordenados e a geratriz e uma reta paralela ao eixo coordenado nao
contido nesse plano. Neste caso, a equacao da superfcie cilndrica e a mesma de sua diretriz.
Observa
c
ao 6.14 Conforme a diretriz seja uma circunferencia, elipse, hiperbole ou par
abola, a
superfcie cilndrica e chamada circular, elptica, hiperbolica, ou parabolica.
119
Resumo de alguns possveis tipos de superfcies quadricas basicas e as equacoes em cada caso.
Superfcie Elips
oide Cone elptico Paraboloide elptico
x2 y 2 z 2 x2 y 2 x2 y 2
Equacao: + 2 + 2 = 1, z2 = + 2, z= + 2
a2 b c a2 b a2 b
grafico
x2 y 2 z 2 x2 y 2 z 2 x2 y 2 z 2
Equacao: + 2 2 = 1, 2 + 2 + 2 = 1, 2 + 2 =1
a2 b c a b c a2 b c
grafico
z 2 x2 y 2 x2 y 2 z 2 y 2 x2 z 2
Equacao: 2 2 = 1, 2 2 = 1, 2 2 =1
a2 b c a2 b c a2 b c
grafico
120
Paraboloide em z em x em y
Hiperb
olico
y 2 x2 y2 z2 x2 z 2
Equacao: z= 2, x= 2, y= 2,
a2 b a2 b a2 b
grafico
121
Captulo 7
O Espa
co Vetorial Euclidiano
n-dimensional
7.1 O Espa
co Euclidiano n-Dimensional
Mesmo nao havendo visualizacao geometrica para espacos de dimensao maior que 3, e possvel es-
tender muitas ideias familiares como angulo, comprimento, distancia, utilizando as propriedades
numericas e algebricas.
Defini
c
ao 7.1 Se n e um n
umero inteiro positivo, dizemos que uma sequencia (x1 , x2 , ..., xn ) de
n
umeros reais e uma n-upla ordenada e o espa
co euclidiano n-dimensional e dado por:
122
a cada vetor de R2 (R3 ) ha um ponto associado. Generali-
(x1 , x2 , x3 )) associado e vice-versa: `
zando ent
ao, esta associacao dizemos que cada n-upla ordenada (x1 , x2 , ..., xn ) corresponde tanto
a um ponto generalizado de Rn quanto a um vetor generalizado de Rn .
Dois vetores ~u = (u1 , u2 , ..., un ) e ~v = (v1 , y2 , ..., vn ) sao iguais (~u = ~v ) se, e somente se, u1 =
v1 , u2 = v2 , ..., un = vn
7.1.2 oes em Rn
Operac
~u + ~v = (u1 + v1 , u2 + v2 , ..., un + vn )
e se k R, a multiplicac
ao por escalar de ~v definida por:
Observa
c
oes:
u = (u1 , u2 , ..., un )
123
7.1.3 Propriedades das operac
oes no Espaco Euclidiano
~ em Rn e k e l escalares em R temos:
Para quaisquer vetores ~u, ~v e w
1. Se ~u, ~v Rn entao ~u + ~v Rn
2. Se ~u Rn e k R entao k.~u Rn .
3. ~u + ~v = ~u + ~v
4. (~u + ~v ) + w
~ = ~u + (~v + w)
~
5. ~u + ~0 = ~0 + ~u = ~u
6. ~u + (~u) = ~u + ~u = ~0
8. k(~u + ~v ) = k au
~ + k~v
9. k(l~u) = (kl)~v
Defini
c ao nulos de Rn ,
ao 7.2 Sejam ~u = (u1 , u2 , ..., un ) e ~v = (v1 , v2 , ..., vn ) dois vetores n
ent
ao:
124
ancia em Rn
Norma e Dist
Por analogia com as formulas familiares de R3 , nos definimos a norma euclidiana ou com-
primento euclidiano de um vetor u = (u1 , u2 , ..., un ) em Rn por
q
ku k= u21 + u22 + ... + u2n
2. ~u.~v = ~v .~u
3. ~u.(~v + w)
~ = ~u.~v + ~u.w
~
2. k
u k 0, k
u k= 0 se, e somente se, u = 0
3. k k.u k= |k| k
u k
4. k
u+
v kk
u k + k
v k (Desigualdade triangular)
5. k ~u + ~v k2 = k ~u k2 + 2~u.~v + k ~v k2
6. k ~u ~v k2 = k ~u k2 2~u.~v + k ~v k2
7. k ~u k2 k ~v k2 = (~u + ~v ).(~u ~v )
ancia em Rn
Propriedades da Dist
2. d(u, v) = d(v u)
125
Captulo 8
Espa
cos Vetoriais
Defini
c
ao 8.1 Um espaco vetorial real e um conjunto V, n
ao vazio, munido de duas operacoes:
+:V V V :RV V
(u, v) 7 u + v (a, v) 7 av
satisfazendo as seguintes propriedades, u, v, w V e a, b R ou a, b C:
01) u + v = v + u ;
02) u + (v + w) = (u + v) + w ;
03) Existe um elemento 0 V , tal que 0 + u = u (0 e o elemento neutro da adicao);
04) Existe um elemento (v) V , tal que v + (v) = (v) + v = 0 (existencia do simetrico);
05) 1v = v(1 e o elemento neutro da multiplicacao por escalar);
06) a(bv) = (ab)v;
07) a(v + w) = av + aw;
08) (a + b)v = av + bv.
Observa
c
ao 8.1 1) Se os escalares forem n
umeros complexos teremos um espa
co vetorial
complexo. Daqui por diante, salvo referencia em contr
ario, ser
ao considerados somente os
espacos vetoriais reais.
2) Os elementos do espaco vetorial V ser
ao chamados vetores.
126
Exemplo 8.3 O conjunto Mmn (R) com as operacoes adicao e multiplicacao por escalar usuais
e um espaco vetorial.
Observaao 8.2 Todo espaco vetorial V admite pelo menos dois subespacos: S = {0}, chamado
c
subespa
co nulo ou subespa
co zero e o pr
oprio espaco vetorial V . Esses dois s
ao chamados
subespa
cos triviais de V. Os demais s
ao denominados subespacos pr
oprios de V.
Exemplo 8.6 Sejam V = R2 e S = {(x, y) R2 /y = 2x} ou S = {(x, 2x); x R}. Mostre que
S e um subespaco vetorial do R2 .
127
Exemplo 8.7 Sejam V = R2 e S = {(x, 4 2x); x R}. Mostre que S n
ao e um subespaco
vetorial do R2 .
8.2 Combina
c
ao Linear
Defini
c
ao 8.3 Sejam os vetores v1 , v2 , . . . , vn do espaco vetorial V e os escalares a1 , a2 , . . . , an .
Qualquer vetor v V da forma:
v = a1 v 1 + a2 v 2 + . . . + a n v n
e uma combina
cao linear dos vetores v1 , v2 , . . . , vn .
Exemplo 8.10 O vetor v = (2, 3) R2 e uma combinacao linear dos vetores v1 = (1, 0) e
v2 = (0, 1), pois
128
(2, 3) = 2(1, 0) + 3(0, 1)
Exemplo 8.11 O vetor v = (5, 2, 3) R3 e uma combinacao linear dos vetores v1 = (1, 0, 0),
v2 = (0, 1, 0), e v3 = (0, 0, 1), pois
Observa
c
ao 8.3 Os vetores v1 , v2 , . . . , vn s
ao chamados geradores de S
Exemplo 8.12 Os vetores i = (1, 0) e j = (0, 1) geram o espaco vetorial R2 , pois qualquer vetor
(x, y) R2 e combinacao linear de i e j.
Logo, [i, j] = R2
Exemplo 8.14 Os vetores e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1) geram o espaco vetorial
R3 , pois qualquer vetor (x, y, z) R3 e combinacao linear de e1 , e2 e e3 :
Logo, [e1 , e2 , e3 ] = R3
129
Observa
c
ao 8.4 Dados n vetores v1 , v2 , . . . , vn de V e w tal que w = a1 v1 , a2 v2 , . . . , an vn
ent
ao:
[v1 , v2 , . . . , vn , w] = [v1 , v2 , . . . , vn ]
pois todo vetor v que e combinacao linear de v1 , v2 , . . . , vn , w e tambem combinacao linear de
v1 , v2 , . . . , vn .
Supondo que:
v [v1 , v2 , . . . , vn , w], ent
ao existem n
umeros reais
b1 , b2 , . . . , bn , b
tais que
v = b1 v1 + b2 v2 + . . . + bn vn + bw
mas
w = a1 v 1 + a2 v 2 + . . . + an v n
logo,
v = b1 v1 + b2 v2 + . . . + bn vn + b(a1 v1 + a2 v2 + . . . + an vn )
ou
v = (b1 + a1 )v1 + (b1 + a2 )v2 + . . . + (bn + an )vn
logo v e combinacao linear de v1 , v2 , . . . , vn , isto e,
v [v1 , v2 , . . . , vn ]
Para mostrar a recproca, isto e, se v [v1 , v2 , . . . , vn ] ent
ao v [v1 , v2 , . . . , vn , w], basta
considerar b = 0.
8.4 Depend
encia e Independ
encia Linear
Na observacao acima vimos que um espaco vetorial V pode ser gerado por n vetores ou por
n + 1 vetores. Isto e, o conjunto gerador de V pode ter n ou n + 1 vetores. Em nosso estudo
estamos interessados no conjunto gerador de um espaco vetorial que seja o menor possvel. Para
determinarmos esse conjunto precisamos do conceito de dependencia e independencia linear.
130
a1 v 1 + a2 v 2 + . . . + a n v n = 0
s
o admitir a solucao nula, isto e, a1 = a2 = . . . = an = 0. Se a equacao admitir solucao diferente
da solucao nula diremos que os vetores v1 , v2 , . . . , vn s
ao linearmente dependentes.
x1 e1 + x2 e2 + . . . + xn en = 0,
ent
ao x1 = x2 = . . . = xn = 0. Portanto os vetores e1 , e2 , . . . , en s
ao linearmente independentes.
O n
umero de vetores de uma base para um espaco vetorial V e o mesmo para qualquer base
de V e chama-se dimens
ao de V.
131
ao e uma base de R3 . Temos que (1, 0, 0) e
Exemplo 8.19 O conjunto {(1, 0, 0), (0, 1, 0)} n
(0, 1, 0) s ao geram R3 .
ao LI, mas n
8.5 Espa
cos Vetoriais com Produto Interno
No Captulo 1, foi definido o produto interno usual de dois vetores no R2 e no R3 e foram
estabelecidas, por meio desse produto, algumas propriedades desses vetores. Pretendemos agora
generalizar o conceito de produto interno.
Definiao 8.6 O produto interno no espaco vetorial V e uma funcao de V V em R que a todo
c
par de vetores (u, v) V V associa um n
umero real, indicado por u.v ou < u, v >, que satisfaz
as seguintes propriedades:
1) u.v = v.u;
2) u.(v + w) = u.v + v.w;
3) (u).v = (u.v) para todo real ;
4) u.v 0 e u.u = 0 se, e somente se, u = 0V .
ao vetores quaisquer do R3 , o n
Exemplo 8.21 Se u = (x1 , x2 , x3 ) e v = (y1 , y2 , y3 ) s umero real
u.v = x1 y1 + x2 y2 + x3 y3
u v = x1 y1 + x2 y2 + . . . + x n yn .
132
8.6 Espa
co Vetorial Euclidiano
Um espaco vetorial real, de dimensao finita, na qual esta definido um produto interno, e um
espaco vetorial euclidiano.
k v k= v.v
Dist
ancia entre dois vetores
A dist
ancia entre dois vetores (ou pontos) e o n
umero real, dado por
d(u, v) =k u v k
133
8.7
Angulo de dois Vetores
Sejam u e v vetores nao-nulos de um espaco vetorial euclidiano V. O
angulo dos vetores u e
v e dado por:
u.v
cos = , 0
k u kkk v k
134
Exemplo 8.23 B = {v1 , v2 , v3 } = {(0, 1, 0), (4/5, 0, 3/5), (3/5, 0, 4/5)} e base ortonormal.
Logo, tomando por exemplo, u = (1, 1, 1) R3 temos:
1 7
u =< u, v1 > v1 + < u, v2 > v2 + < u, v3 > v3 = 1v1 v2 + v3
5 5
8.11 Projeco
es Ortogonais: O Processo de Gram-Schmidt
u = w1 + w2
Defini
c ao finita com p.i e W E, W s.e.v de E. Entao, o
ao 8.7 Seja E e.v de dimens
subespaco ortogonal `
a W e dado por:
W = {v E :< v, w >= 0, w W }
u = projW u + (u projW u)
135
Teorema 8.4 Se W e s.e.v de E, E e.v de dimens
ao finita com p.i ent
ao:
a) Se {v1 , v2 , ..., vr } e base ortonormal de W ent
ao,
prova:(PROCESSO DE GRAM-SCHMIDT)
Considere {u1 , u2 , ..., un }. base de E.
Passo 1: v1 = u1
< u2 , v 1 >
Passo 2: v2 = u2 projW1 u2 = u2 v1 , onde W1 = [v1 ].
kv1 k2
(Observe que v2 e ortogonal a v1 )
< u3 , v 1 > < u3 , v 2 >
Passo 3: v3 = u3 projW2 u3 = u3 v1 + v2 , onde W2 = [v1 , v2 ].
kv1 k2 kv2 k2
(Observe que v3 e ortogonal a v1 e v2 )
< u4 , v 1 > < u4 , v 2 > < u4 , v 3 >
Passo 4: v4 = u4 projW3 u4 = u4 v1 + v2 + v3 , onde
kv1 k2 kv2 k2 kv3 k2
W3 = [v1 , v2 , v3 ].
(Observe que v4 e ortogonal a v1 , v2 e v3 )
Passo n:
< un , v 1 > < un , v 2 > < un , vn1 >
vn = un projWn1 un = un v1 + v2 + ... + vn1 , onde
kv1 k2 kv2 k2 kvn1 k2
Wn1 = [v1 , v2 , ..., vn1 ].
(Observe que vn e ortogonal a v1 , v2 ,...,vn1 )
v1 v2 vn
Portanto, {v1 , v2 , ..., vn } e uma base ortogonal de E e , , ..., e uma base
kv1k kv2 k kvn k
ortonormal de E.
Exemplo 8.24 Considerando B = (1, 1, 1), (0, 1, 1), (0, 0, 1) uma base de R3 use o Processo de
Gram-Schmidt para ortonormalizaresta base.
136
LISTA DE EXERCICIOS - ESPAC
OS VETORIAIS
Nos problemas 1-5 sao apresentados subconjuntos de R2 . Verificar quais deles sao subespacos
vetoriais de R2 , relativamente `as operacoes de adicao e multiplicacao por escalar usuais. Para
os que sao subespacos, mostrar que as duas condicoes sao satisfeitas. Caso contrario, citar um
contra-exemplo.
1. S = {(x, y)/y = x}
2. S = {(x, x2 )/x R}
3. S = {(x, y)/x + 3y = 0}
4. S = {(x, y)/y = x + 1}
5. S = {(x, y)/x 0}
Nos problemas 6- 13 sao apresentados subconjuntos de R3 . Verificar quais deles sao su-
bespacos vetoriais de R3 , relativamente `as operacoes de adicao e multiplicacao por escalar
usuais. Para os que sao subespacos, mostrar que as duas condicoes sao satisfeitas. Caso
contrario, citar um contra-exemplo.
6. S = {(x, y, z)/x = 4y e z = 0}
7. S = {(x, y, z)/z = 2x y}
8. S = {(x, y, z)/x = z 2 }
9. S = {(x, y, z)/y = x + 2 e z = 0}
137
a b
c) S = : a, b, c R .
b c
a a+b
d) S = : a, b R .
ab b
a 1
e) S = : a, b R .
a b
15. Escreva w = (7, 11, 2) como combinacao linear dos vetores u = (2, 3, 2) e v = (1, 2, 4)
em R3 .
1 0 1 2 0 1
v1 = , v2 = e v3 =
1 1 0 1 2 1
1 8
Escrever o vetor v = como combinacao linear dos vetores v1 , v2 e v3 .
0 5
18. Sejam os vetores v1 = (1, 2, 1), v2 = (1, 0, 2) e v3 = (2, 1, 0). Expressar cada um dos
vetores u = (8, 4, 1), v = (0, 2, 3) e w = (0, 0, 0) como combinacao linear de v1 , v2 e v3 .
c){(2, 1, 0), (1, 3, 0), (3, 5, 0)} d){(1, 2, 1), (1, 0, 0), (0, 1, 2), (3, 1, 2)}
138
23. Sendo E o espaco vetorial das matrizes 2 3, verificar se {A, B, C} e L.I ou L.D, sendo
1 2 1 0 1 2 1 0 5
A= ,B= eC =
3 2 4 2 1 0 1 0 3
24. Verificar se os subconjuntos que seguem sao bases de R2 :
a) {(2, 1), (3, 0)} b){(3, 9), (4, 12)}
27. Mostre que o conjunto de vetores dados e uma base de M (2, 2).
3 6 0 1 0 8 1 0
, , ,
3 6 1 0 12 4 1 2
28. Encontre as coordenadas de w = (3, 7) em relacao `a base B = {(1, 1), (0, 2)}.
29. Encontre as coordenadas de w = (5, 12, 3) em relacao `a base B = {(1, 2, 3), (4, 5, 6), (7, 8, 9)}
33. Determine uma base e a dimensao dos subespacos vetoriais apresentados nos exerccios
1 14.
34. Use o Processo de Gram-Schmidt para transformar B = {(1, 3), (2, 2)} em uma base
ortonormal. Determine as coordenadas de u = (5, 2) em relacao `a essa base ortonormal.
35. Use o Processo de Gram-Schmidt para transformar B = {(1, 1, 1), (1, 1, 0),
(1, 2, 1)} em uma base ortonormal. Determine as coordenadas de
u = (2, 2, 3) em relacao `a essa base ortonormal.
139
8.12 Mudan
ca de Base
Em aplicacoes e muito comum trabalhar com mais de um sistema de coordenadas e nestes casos
e geralmente necessario conhecer as relacoes entre as coordenadas.
Pergunta: Se mudarmos da base B1 de um espaco V para uma base B2 , qual a relacao entre
as coordenadas de [v]B1 e as novas coordenadas de [v]B2 ?
Para simplificar o problema, nos iremos resolver este problema para espacos bidimensionais.
dim V = 2 e depois generalizaremos a solucao.
ou seja:
w 1 = a u1 + b u2 (1)
w 2 = c u1 + d u2 (2)
k1
e, v V um vetor qualquer e [v]B2 = temos:
k2
v = k1 w1 + k2 w2 (3)
v = k1 (a u1 + b u2 ) + k2 (c u1 + d u2 ) (4)
ou ainda,
v = (k1 a + k2 c)u1 + (k1 b + k2 d) u2 (5)
Portanto,
k1 a + k2 c a c k1
[v]B1 = = .
k1 b + k2 d b d k2
ou seja,
140
[v]B1 = P.[v]B2
ou ainda,
[v]B1 = [I]B
B1 .[v]B2
2
Exemplo 8.25 Dadas as bases B1 = {(1, 1), (2, 1)} e B2 = {(1, 0), (0, 1)} de V = R2 , determine:
a) a matriz mudanca de base P de B2 para B1 .
c) P.P , e P , .P
Com estes calculos, qual relacao voce estabelece entre P e P , ?
Generaliza
c
ao:
Sejam B1 = {u1 , u2 , . . . , un } e B2 = {w1 , w2 , . . . , wn } duas bases ordenadas de um mesmo
espaco vetorial V. Dado um vetor v V temos:
[v]B1 = P.[v]B2
sendo P a matriz cujas colunas sao formadas pelas coordenadas dos vetores da base B2 em relacao
`a base B1 ; ou seja, os vetores-coluna de P sao
[w1 ]B1 , [w2 ]B1 , ..., [wn ]B1 , ou seja
Teorema 8.6 Se P e a matriz de transicao de uma base B2 para uma base B1 em um espaco
vetorial de dimens
ao finita V, ent
ao:
a) P e invertvel.
b) P 1 e a matriz de transicao de B1 para B2 .
141
Aplica
c
ao `
a Rotac
ao de Eixos no Espa
co Bidimensional
Em muitos problemas e dado um sistema de coordenadas retangulares xy que, girado no
sentido anti-horario em torno da origem por um angulo , produz um novo sistema de coordenadas
x, y , . Quando isto e feito, cada ponto Q do plano tem dois conjuntos de coordenadas (x, y) e as
coordenadas (x, , y , ) em relacao ao sistema x, y , .
142
LISTA de EXERCICIOS
ESPAC
OS VETORIAIS - MUDANC
A DE BASE
1. Sejam B1 = {(1, 0), (0, 1)}, B2 = {(1, 1), (1, 1)}, B3 = {( 3, 1), ( 3, 1)} e B4 = {(2, 0), (0, 2)}
bases ordenadas de R2 .
1 1 0
2. Se [I]B 2
= 0 1 1 determine
B1
1 0 1
1
a)[v]B1 sendo [v]B2 = 2
3
1
b)[v]B2 sendo [v]B1 = 2
3
143
Captulo 9
Transformaco
es Lineares
Observa
c
ao 9.1 O conjunto de todas as transformacoes lineares de E em F e denotado por:
L(E, F )
Observa
c
ao 9.2 Uma transformacao linear de E em E e chamada operador linear sobre E.
Observa
c
ao 9.3 Uma transformacao linear de E em R e chamada funcional linear e
L(E, R) = E
144
Consequ
encias da Defini
cao:
T (0E ) = 0F
T (v) = T (v)
T (u v) = T (u) T (v)
(A)(v) = .A(v)
Teorema 9.1 Se T1 : U V e T2 : V W s
ao transformacoes lineares ent
ao,
dp
Exemplo 9.3 A aplicacao D : Pn Pn dada por D(p(x)) = e uma transformacao linear.
dx
Rb
Exemplo 9.4 A aplicacao S : Pn R dada por S(p(x)) = a
p(x)dx e uma transformacao
linear.
145
Exemplo 9.5 Dada uma matriz A Mmn , a aplicacao LA : Rn Rm dada por LA (v) = A.(v)
e uma transformacao linear.
9.1 Transformaco
es Lineares Planas
Agora iremos apresentar uma interpretacao geometrica das transformacoes lineares, apresentando
exemplos de transformacoes de R2 em R2 . Veremos que as expansoes, contracoes, rotacoes certas
deformacoes em objetos planos podem ser descritas por transformacoes lineares.
9.1.1 Exemplos
3. (Dilatac
ao de fator 2 na direao do eixo x) T : R2 R2 tal que T (x, y) = (2x, y).
c
4. (Dilatac
ao de fator 2 na direao do eixo y) T : R2 R2 tal que T (x, y) = (x, 2y).
c
146
ao em torno do eixo x) T : R2 R2 tal que T (x, y) = (x, y).
5. (Reflex
7. (Rota
c
ao de um Angulo no sentido anti-horario) R : R2 R2 tal que
cos sen x
R (x, y) = .
sen cos y
9.2 Transformaco
es Lineares Espaciais
Tambem podemos interpretar geometricamente as transformacoes lineares, apresentando exem-
plos de transformacoes de R3 em R3 . Veremos que as expansoes, contracoes,projecoes, rotacoes e
certas deformacoes em objetos tridimensionais podem ser descritas por transformacoes lineares.
9.2.1 Exemplos
147
ao de fator 12 ) T : R3 R3 tal que T (x, y, z) = 12 (x, y, z).
2. (Contrac
3. (Dilatac
ao de fator 2 na direao do eixo z) T : R3 R3 tal que T (x, y, z) = (x, y, 2z).
c
4. (Dilatac
ao de fator 2 na direao do eixo y) T : R3 R3 tal que T (x, y, z) = (x, 2y, z).
c
148
ao em torno do plano yz) T : R3 R3 tal que T (x, y, z) = (x, y, z).
7. (Reflex
11. (Rota
c
ao anti-hor angulo ) R : R3 R3
aria em torno do eixo z positivo por um
tal que
cos sen 0 x
Rz() (x, y, z) = sen cos 0 . y
0 0 1 z
149
12. (Rota
c
ao anti-hor angulo ) R : R3 R3
aria em torno do eixo x positivo por um
tal que
1 0 0 x
Rx() (x, y, z) = 0 cos sen . y
0 sen cos z
13. (Rota
c
ao anti-hor angulo ) R : R3 R3
aria em torno do eixo y positivo por um
tal que
cos 0 sen x
Ry() (x, y, z) = 0 1 0 . y
sen 0 cos z
v = c1 v1 + c2 v2 + ... + cn vn
150
Exemplo 9.6 Seja B = {(0, 1, 0), (1, 0, 1), (1, 1, 0)} base de R3 e T : R3 R2 tal que T (0, 1, 0) =
(1, 2), T (1, 0, 1) = (3, 1), T (1, 1, 0) = (0, 2). Verifique que T (5, 3, 2) = (10, 20).
Exemplo 9.7 Seja B = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} e T : R3 R2 tal que: T (1, 1, 1) =
(1, 0), T (1, 1, 0) = (2, 1), T (1, 0, 0) = (4, 3).
ao para T (x, y, z) e use-a para determinar T (2, 3, 5).
Encontre uma express
9.4 N
ucleo e Imagem de uma Transformac
ao Linear
Defini
c ucleo de uma transformacao linear T : E F ao conjunto de todos
ao 9.2 Chama-se n
os vetores v E que s
ao transformados em 0F . Indica-se esse conjunto por N (T ) ou ker(T ):
N (T ) = {v E/ T (v) = 0F }
Observa
c
ao 9.5 N (T ) e um subespaco vetorial de E.
N (T ) = {0E }
Observa
c
ao 9.7 Im(T ) e um subespaco vetorial de F.
151
9.5 Matrizes de Transformaco
es Lineares Arbitr
arias
Suponha que V e um espaco vetorial n-dimensional e W e um espaco vetorial m-dimensional. Se
nos escolhermos bases B e B , para V e W respectivamente, entao para cada v V a matriz de
coordenadas [v]B sera um vetor em Rn e a matriz de coordenadas [T (v)]B , sera um vetor em Rm .
Se B = {v1 , v2 , ..., vn } e base de V e B , = {w1 , w2 , ..., wm } e base de W. Entao T (v1 ), T (v2 ), ..., T (vn )
sao vetores de W e portanto,
. . . .
. . . .
. . . .
dizemos que
a11 a12 ... a1n
a21 a22 ... a2n
. . ... .
= [T ]B
A= B,
. . ... .
. . ... .
am1 am2 ... amn
e a matriz de T em relacao `as bases B e B , .
Exemplo 9.8 Seja T : R3 R2 tal que T (x, y, z) = (2x + y z, 3x 2y + 4z) e sejam B a base
canonica de R3 e B , a base canonica de R2 . Calculando [T ]B
B , temos:
ao B = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} e B , = {(1, 3), (1, 4)} calcule
Exerccio 9.1 Considerando ent
[T ]B
B, .
152
Teorema 9.2 Sejam V e W espacos vetoriais, B = {v1 , v2 , ..., vn } base de V, B , = {w1 , w2 , ..., wm }
base de W e T : V W uma aplicacao linear.
Entao, para todo v V vale:
[T (v)]B , = [T ]B
B , .[v]B
Teorema 9.3 Se T1 : U V e T2 : V W s
ao transformacoes lineares e se B1 , B2 , B3 s
ao
bases de U, V e W, respectivamente, ent
ao
[T2 T1 ]B B2 B1
B3 = [T2 ]B3 .[T1 ]B2
1
Observa
c
ao 9.8 Para U = V = W e B1 = B2 = B3 = B temos:
Exerccio 9.2 Estude matricialmente T2 T1 sabendo que T1 (x, y) = 2(x, y) e uma expans
ao
plana e T2 (x, y) = (x + 2y, y) e um cisalhamento. Interprete a composicao geometricamente.
Exerccio 9.3 No plano, uma rotacao anti-horaria de 45o e seguida por uma dilatacao de
Exerccio 9.4 No espaco, uma dilatacao de fator 2 na direcao do eixo y e seguida de uma
rota
cao anti-horaria de 90o em torno do eixo x positivo e uma reflex
ao em torno do plano
xy. Ache a aplicacao A que representa esta transformacao espacial e interprete-a passo-a-
passogeometricamente.
153
Captulo 10
Autovalores e Autovetores
Observa
c
ao 10.1 Se v e um vetor n
ao nulo tal que A(v) = v ent
ao cada vetor na reta gerada
por v e levado de volta `
a mesma reta quando multiplicado pela matriz de A. Vetores n
ao nulos que
s
ao levados em m
ultiplos escalares deles mesmo por um operador linear aparecem naturalmente
no estudo de vibracoes e da dinamica populacional, na Genetica, Mecanica Quantica e Economia.
Exemplo 10.1 A transformacao linear T (x, y) = (3x + 2y, 3x 2y) admite v = (2, 1) como
autovetor associado ao autovalor = 4.
Defini
c
ao 10.2 Dizemos que o n
umero real e um autovalor da matriz
a M (n n) quando e um autovalor do operador A : Rn Rn , cuja matriz na base
canonica e a. Ou seja, existe x Rn tal que ax = x.
3 0
Exemplo 10.2 O vetor v = (1, 2) e um autovetor de A = correspondente ao autova-
8 1
lor = 3.
154
10.1 O Polin
omio Caracterstico
Observe que v e autovetor do operador T associado ao autovalor se: T (v) = v. Tomando
entao, [T ] a matriz de T com relacao a base canonica teremos: [T ][v] = [v] ou ainda,
([T ] I)[v] = 0E Fazendo ([T ] I) = B temos:
B.v = 0 (1)
Observe que para det(B) 6= 0, o sistema de equacoes lineares homogeneo indicado acima
tem uma u
nica solucao, x1 = x2 = ... = xn = 0 (ou v = 0E ). Portanto, a u
nica maneira de
encontrarmos autovetores v (solucoes nao nula da equacao acima) e termos detB = 0, ou seja,
det([T ] I) = 0 (2)
Defini
c
ao 10.3 O determinante dado em (2) e dito Polin
omio Caracterstico do operador
T.
P() = det([T] I)
155
Exemplo 10.6 Seja A(x, y) = (2x y, x + 4y). Mostre que A possui um autovalor u
nico igual
a 3.
Exemplo 10.7 Seja A(x, y) = (3x + y, 2x + y). Mostre que A possui os autovalores 4 e 1.
Determine a base de autovetores de A e estude a matriz de A na base de autovetores.
P 1 .A.P = D
156
2 3
Exemplo 10.10 Verifique que A = e diagonalizavel, determinando seus autovalores
2 5
1
(e autovetores) e as matrizes P, P e D.
3 1 2
Exemplo 10.11 Verifique que A = 2 0 2 e diagonalizavel, determinando seus auto-
2 1 1
valores (e autovetores) e as matrizes P, P 1 e D.
Observa
c
ao 10.3 Do teorema acima conclumos que, se T e um operador auto-adjunto ent
ao, a
matriz canonica de T e simetrica e diagonalizavel pela matriz P, cujas colunas s
ao os autovetores
ortonormais de T.
Observa
c
ao 10.4 A matriz P considerada acima e dita unit
aria pois seus vetores colunas
formam um conjunto ortonormal.
157
0 2 1
Exerccio 10.1 Dada A = 2 3 2 encontre uma matriz unit
aria P que diagonaliza
1 2 0
A.
2 1 1
b) 1 3 2
1 2 3
1 1 1
c) 1 1 1
1 1 1
4 2 2
d) 2 1 1
2 1 1
158
10.3 Diagonaliza
c
ao de uma forma quadr
atica plana
Uma forma quadratica plana e dada por:
e serao estudadas no Captulo 10 como um dos termos da equacao de uma conica dada por:
159
Refer
encias Bibliogr
aficas
[1] Anton, H.; Rorres, C.. Algebra Linear com Aplicacoes. 8a Ed.. Porto Alegre: Bookman,
2001.
[2] Boldrini, J. L.. Algebra Linear . 3a Ed.. Sao Paulo: Harbra Ltda, 1986.
[3] Boulos, P. Camargo, I. de. G. A. - um tratamento vetorial. 3a Ed.. S.P.: Prentice Hall,
2005.
[4] Santos, Nathan Moreira dos. Vetores e Matrizes - Uma introducao `a Algebra Linear . 4a
Ed. Sao Paulo: Thompson Learning, 2007.
[5] Poole, D. Algebra Linear. 1a Ed.. Sao Paulo: Thomson Learning, 2006.
[6] Poole, D. Algebra Linear. 1a Ed.. Sao Paulo: Thomson Learning, 2006.
[7] Steinbruch, A.; Winterle, P. Geometria Analtica. 2a Ed.Sao Paulo: Makron Books, 1987.
[8] Steinbruch, A.; Winterle, P. Algebra Linear. 2a Ed.Sao Paulo: Makron Books, 1987.
[9] Steinbruch, A.; Winterle, P. Introducao `a algebra linear. Sao Paulo: Makron Books, 1990.
160