Notas de Aula
Petronio Pulino
T
T
T
T
T
bb T ....................................................
b
..T
b
.. .........
........
b
......
..... T .....
b .s. ... ....
b T
.... ...
...
.. b
..
...
T
...
b
...
.... b T "
"
. ...
b "
...
..
.
.
bT
...
"
Tbb "
s
......
..
"
..
...
T bb .... ""
.
.... ..
...
T b ... "
.
... "
T ....." bb
...
....
.... .
.
.....s" b
..... .
.
.....T
............................................" b
........ ....
...........
" T b
" T b
"
" T
"
" T
" T
"
" T
"
" T
" T
"
" T
" "
""
" -
"
s
"
"
.......... .........
............................................ .......................rq.............
.... .... PULINUS
. .......................... .............................
.......... .............
.......................................................................................
Geometria Analı́tica e Vetores
Notas de Aula
Petronio Pulino
Departamento de Matemática Aplicada
Instituto de Matemática, Estatı́stica e Computação Cientı́fica
Universidade Estadual de Campinas
e-mail: pulino@ime.unicamp.br
www.ime.unicamp.br/∼pulino/GeometriaAnalitica/
Janeiro de 2018
Conteúdo
8 Cônicas 341
8.1 Cônicas – Forma Reduzida . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
8.1.1 Elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
8.1.2 Hipérbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
8.1.3 Parábola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
8.2 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
8.3 Diagonalização de Matrizes Simétricas . . . . . . . . . . . . . . . . . . . . . 364
CONTEÚDO iii
Bibliografia 419
iv CONTEÚDO
Petronio Pulino Geometria Analı́tica e Vetores
1
2 Geometria Analı́tica e Vetores
1.1 Matrizes
Definição 1.1.1 Denominamos matriz a um conjunto de números reais, ou a um con-
junto de números complexos, dispostos em linhas e colunas, numa certa ordem, e colocados
entre colchetes. Assim, uma matriz real, ou uma matriz complexa, que vamos denotar por
A, com m linhas e n colunas é representada da forma:
a11 a12 · · · a1n
a21 a22 · · · a2n
A = . .. ..
.. . .
am1 am2 · · · amn
com aij ∈ IR, ou aij ∈ C. Os escalares aij são denominados elementos da matriz,
onde o primeiro ı́ndice indica a linha e o segundo ı́ndice indica a coluna às quais pertence o
elemento. Neste caso, dizemos que a matriz A é de ordem m × n. Por simplicidade, vamos
utilizar a indicação A = [aij ] para denotar a matriz A e seus elementos.
Definição 1.1.3 Dizemos que uma matriz A = [aij ] de ordem m × n é a matriz nula
se seus elementos aij são todos nulos. Neste caso, denotamos A = 0. Freqüentemente,
indicamos 0m×n para denotar uma matriz nula de ordem m × n, onde pode causar alguma
dúvida sobre a ordem da matriz.
aij = bij ; i = 1, · · · , m e j = 1, · · · , n .
Definição 1.1.5 Dizemos que uma matriz A = [aij ] de ordem m × 1 é uma matriz
coluna, que representamos por:
a11
a21
A = .. .
.
am1
Petronio Pulino 3
Definição 1.1.6 Dizemos que uma matriz A = [aij ] de ordem 1 × n é uma matriz
linha, que representamos por:
h i
A = a11 a12 · · · a1n .
Em geral, uma matriz coluna também é denominada vetor coluna e uma matriz linha
também é denominada vetor linha. Em particular, podemos considerar um escalar a ∈ IR,
ou a ∈ C, como uma matriz de ordem 1 × 1.
de ordem 2 × 3.
de ordem 2 × 2.
Exemplo 1.1.4 A seguir temos o exemplo de uma matriz coluna real X, de ordem 3 × 1,
e de uma matriz linha Y , de ordem 1 × 4,
1 h i
X = 5 e Y = 2 −1 4 6 .
De modo análogo, podemos considerar uma matriz coluna complexa e uma matriz linha
complexa. Nos casos em que fica claro qual é a ordem da matriz podemos omitir essa
especificação. Omitimos também se a matriz é real ou complexa nos casos que não causam
dúvidas ou que o resultado é válido tanto para matriz real quanto para matriz complexa.
4 Geometria Analı́tica e Vetores
Im = { 1, 2, · · · , m } e In = { 1, 2, · · · , n } .
A : Im × In −→ IF
que para cada para ordenado (i, j) ∈ Im × In está associado um único escalar
aij = A(i, j) ∈ IF ,
Rigorosamente falando, a tabela retangular exibida na Definição 1.1.1, não é uma matriz,
mas sim a representação de uma matriz.
aij = A(i, j) = | i − j | .
Por simplicidade, indicamos A + B = [aij + bij ] para denotar a soma das matrizes A
e B. De modo análogo, definimos a diferença das matrizes A e B, que denotamos por
A − B = [aij − bij ].
cij = λ aij ; i = 1, · · · , m e j = 1, · · · , n .
(a) A + B = B + A.
(b) A + (B + C) = (A + B) + C.
(c) Existe uma matriz nula 0, da mesma ordem da matriz A, tal que A + 0 = A.
5 6 4 3
Definição 1.1.10 Sejam X uma matriz linha de ordem 1 × m e Y uma matriz coluna
de ordem m × 1,
y11
.
h i
X = x11 · · · x1m e Y = .. ,
ym1
1
a matriz Z = XY de ordem 1 × 1 é dada por:
h i 2 h i h i
Z = 1 3 2 4 = 2 + 12 + 2 = 16 .
isto é, o elemento cij é o produto da i–ésima linha de A pela j–ésima coluna de B.
Assim, podemos definir o produto AB somente quando o número de colunas de A é igual
ao número de linhas de B.
Petronio Pulino 7
−1
para i = 1, · · · , m e j = 1, · · · , p .
Logo, temos que a primeira parcela é o elemento da i–ésima linha e da j–ésima coluna do
produto AB e a segunda parcela é o elemento da i–ésima linha e da j–ésima coluna do
produto AC. Portanto, provamos que A(B + C) = AB + AC.
(a) AB 6= BA , em geral.
onde a ordem das matrizes, A, B e C, são tais que as operações indicadas acima podem
ser efetuadas.
1 −3 −4 −1 3 5 1 −2 −3
Mostre que AB = BA = 0 , AC = A e CA = C.
Petronio Pulino 9
4 −3 −1 1 −2 1 2 2 −5 −1 0
−2 1 0 1 2 3
−11 6 −1
λA = [λ aij ] para i = 1, · · · m e j = 1, · · · n .
λ aij = 0 para i = 1, · · · m e j = 1, · · · n .
λ = 0 ou aij = 0 para i = 1, · · · m e j = 1, · · · n ,
Teorema 1.1.8 Seja A uma matriz de ordem m × n. Então, AX = 0m×1 para toda
matriz coluna X de ordem n × 1 se, e somente se, A = 0m×n .
AX = BX ⇐⇒ ( A − B )X = 0m×1 ⇐⇒ A − B = 0m×n .
1.2 Exercı́cios
AX = x1 Y1 + · · · + xj Yj + · · · + xn Yn .
B = [Y1 · · · Yj · · · Yp ] ,
1 1
0 0 6
Definição 1.3.2 Seja L = [lij ] uma matriz de ordem n × n. Dizemos que L é uma
matriz triangular inferior se os elementos acima da diagonal principal são todos nulos,
isto é, lij = 0 para j > i.
2 7 4
Exemplo 1.3.3 Mostre que o produto de duas matrizes triangulares superiores é uma matriz
triangular superior.
Exemplo 1.3.4 Mostre que o produto de duas matrizes triangulares inferiores é uma matriz
triangular inferior.
Definição 1.3.3 Seja D = [dij ] uma matriz de ordem n × n. Dizemos que D é uma
matriz diagonal se os elementos fora da diagonal principal são todos nulos, isto é, dij = 0
para j 6= i. Freqüentemente, indicamos
D = diag(d1 , · · · , dn ) ,
0 0 4
Definição 1.3.4 O traço de uma matriz A = [aij ] , de ordem n, que denotamos por tr(A),
é a soma dos elementos da diagonal principal, isto é,
n
X
tr(A) = aii .
i=1
0 1 3
0 1 + 3i 3 − i
Definição 1.3.5 Uma matriz diagonal D = diag(d11 , · · · , dnn ) cujos elementos da diago-
nal principal são todos iguais, isto é, dii = α para i = 1, · · · , n, é denominada matriz
escalar.
0 0 5
é uma matriz escalar de ordem 3.
Definição 1.3.6 Uma matriz diagonal cujos elementos da diagonal principal são todos iguais
a 1 é denominada identidade. Freqüentemente, indicamos In para denotar uma matriz
identidade de ordem n.
0 0 1
é uma matriz identidade de ordem 3.
Exemplo 1.3.10 Seja A uma matriz de ordem m × n. Podemos verificar facilmente que
Im A = A e AIn = A.
Exemplo 1.3.12 Seja A uma matriz real de ordem n. Podemos verificar facilmente que
tr(At ) = tr(A).
16 Geometria Analı́tica e Vetores
Definição 1.3.8 Seja A = [aij ] uma matriz quadrada. Dizemos que A é simétrica se
At = A, isto é, aij = aji para todos i, j.
Teorema 1.3.3 Sejam A = [aij ] e B = [bij ] matrizes complexas, com ordens compatı́veis
com as operações. Então,
(a) (A + B) = A + B .
(b) (AB) = A B .
Exemplo 1.3.18 Seja A uma matriz complexa de ordem n. Observamos facilmente que
tr(A∗ ) = tr(A).
Definição 1.3.12 Dizemos que uma matriz A = [aij ] complexa de ordem n é uma matriz
Hermitiana se (A)t = A, isto é, aij = aji para todos i, j. Geralmente indicamos
A∗ = A para denotar uma matriz Hermitiana.
2 −i 0
Definição 1.3.13 Dizemos que uma matriz A = [aij ] complexa de ordem n é uma matriz
anti–Hermitiana se (A)t = −A, isto é, aij = −aji para todos i, j. Geralmente
indicamos A∗ = −A para denotar uma matriz anti–Hermitiana.
−2 i 0
(a) (At )t = A.
(b) (A + B)t = At + B t .
(a) (A∗ )∗ = A.
(b) (A + B)∗ = A∗ + B ∗ .
Exemplo 1.3.21 Seja A uma matriz real de ordem m × n. Podemos verificar facilmente
que as matrizes AAt e At A são simétricas.
Definição 1.3.14 Seja A uma matriz quadrada. Define–se potenciação para expoentes
naturais da seguinte forma:
A0 = I , A1 = A , A2 = AA e Ak+1 = AAk .
Definição 1.3.16 Seja A uma matriz quadrada. Dizemos que A é periódica, com perı́odo
k, se Ak+1 = A, onde k é o menor inteiro positivo com tal propriedade.
20 Geometria Analı́tica e Vetores
Definição 1.3.17 Seja A uma matriz quadrada de ordem n × n. Dizemos que A é nil-
potente se existe um k ∈ IN ∗ tal que Ak = 0n . Se k é o menor inteiro positivo tal que
Ak = 0n , dizemos que A é nilpotente de ı́ndice k.
0 0 0
Definição 1.3.19 Se A e B são matrizes quadradas tais que AB = BA, dizemos que
as matrizes A e B são comutativas.
Definição 1.3.20 Se A e B são matrizes quadradas tais que AB = −BA, dizemos que
as matrizes A e B são anti–comutativas.
Demonstração – Podemos verificar facilmente que uma matriz escalar pode ser escrita
como D = dI, Exercı́cio 1.4.1. Assim, utilizando o Teorema 1.1.6, temos que
Definição 1.3.21 Seja A uma matriz real de ordem n. Dizemos que A é uma matriz
normal se At A = AAt , isto é, as matrizes A e At são comutativas.
4 0 1 −5 −2 3
Exemplo 1.3.31 Podemos verificar facilmente que se A é uma matriz simétrica real,
então A é uma matriz normal real.
Exemplo 1.3.32 Podemos verificar facilmente que se A é uma matriz anti–simétrica real,
então A é uma matriz normal real.
Exemplo 1.3.33 Podemos verificar facilmente que se A é a soma de uma matriz escalar
real e uma matriz anti–simétrica real, então A é uma matriz normal real.
(D + B)t (D + B) = (D − B)(D + B) = D2 + DB − BD − B 2 = D2 − B 2
(D + B)(D + B)t = (D + B)(D − B) = D2 − DB + BD − B 2 = D2 − B 2
Portanto, mostramos que At A = AAt , isto é, A é uma matriz normal real.
22 Geometria Analı́tica e Vetores
é uma matriz normal, isto é, At A = AAt . De fato, podemos observar facilmente que a
matriz A é a soma de uma matriz escalar e uma matriz anti–simétrica.
Definição 1.3.22 Seja A uma matriz complexa de ordem n. Dizemos que A é uma
matriz normal se A∗ A = AA∗ , isto é, as matrizes A e A∗ são comutativas..
Exemplo 1.3.36 Podemos verificar facilmente que se A é uma matriz Hermitiana, então
A é uma matriz normal.
Exemplo 1.3.38 Podemos verificar facilmente que se A é a soma de uma matriz escalar
complexa e uma matriz anti–Hermitiana, então A é uma matriz normal.
Portanto, mostramos que A∗ A = AA∗ , isto é, A é uma matriz normal complexa.
Petronio Pulino 23
é uma matriz normal, isto é, C ∗ C = CC ∗ . De fato, podemos observar facilmente que A
é uma matriz anti–Hermitiana e D é uma matriz escalar complexa.
Exemplo 1.3.40 Podemos observar facilmente que uma matriz simétrica complexa não ne-
cessariamente é uma matriz normal. Tome como exemplo as seguintes matrizes simétricas
" # " #
1 i i i
A = e B = .
i i i 1
é uma matriz normal, pois A é Hermitiana, isto é, A∗ = A. Assim, temos que
" #
6 2 − 4i
A∗ A = AA∗ = .
2 + 4i 6
Exemplo 1.3.42 Seja A uma matriz real de ordem m × n. Podemos verificar facilmente
que a matriz C = At A, de ordem n, é uma matriz normal.
Exemplo 1.3.43 Seja A uma matriz real de ordem m × n. Podemos verificar facilmente
que a matriz C = AAt , de ordem m, é uma matriz normal.
24 Geometria Analı́tica e Vetores
Teorema 1.3.9 Seja A uma matriz normal real de ordem 2 × 2. Então, A ou é uma
matriz simétrica ou é a soma de uma matriz escalar e uma matriz anti–simétrica.
(1) a2 + b2 = a2 + c2 .
(2) c2 + d2 = b2 + d2 .
(3) ac + bd = ab + cd.
c(a − d) = ac + bd = ab + cd = c(d − a) .
que é a soma de uma matriz escalar e uma matriz anti–simétrica, o que completa a demons-
tração.
Petronio Pulino 25
1.4 Exercı́cios
Exercı́cio 1.4.1 Mostre que se A = [aij ] é uma matriz escalar de ordem n, então
A = cIn para qualquer escalar c.
(ABC)t = C t B t At .
Exercı́cio 1.4.3 Seja A = [aij ] uma matriz anti–simétrica. Mostre que os elementos da
diagonal principal são todos nulos, isto é, aii = 0 para i = 1, · · · , n.
Exercı́cio 1.4.4 Seja A = [aij ] uma matriz Hermitiana. Mostre que os elementos da
diagonal principal são números reais, isto é, aii ∈ IR para i = 1, · · · , n..
Exercı́cio 1.4.5 Seja A = [aij ] uma matriz anti–Hermitiana. Mostre que os elementos da
diagonal principal são ou nulo ou imaginário puro.
B = I − A
AB = A e BA = B .
Exercı́cio 1.4.12 Seja A uma matriz nilpotente com k = 2. Então, A(I + A)3 = A.
Exercı́cio 1.4.13 Qual a relação entre uma matriz A ser periódica e A ser nilpotente?
Exercı́cio 1.4.14 Seja A uma matriz de ordem n. Mostre que A pode ser decomposta,
de maneira única, como A = B + C, onde B é uma matriz simétrica e C é uma matriz
anti–simétrica.
Exercı́cio 1.4.15 Seja A uma matriz complexa de ordem n. Mostre que A pode ser
decomposta, de maneira única, como A = B + C, onde B é uma matriz Hermitiana e
C é uma matriz anti–Hermitiana.
Exercı́cio 1.4.18 Seja A uma matriz Hermitiana de ordem n. Mostre que A pode ser
escrita como A = B + iC, onde B é uma matriz simétrica real e C é uma matriz
anti–simétrica real.
Exercı́cio 1.4.19 Seja A uma matriz anti–Hermitiana de ordem n. Mostre que A pode
ser escrita como A = B + iC, onde B é uma matriz anti–simétrica real e C é uma
matriz simétrica real.
Exercı́cio 1.4.24 Mostre que não existem matrizes A e B, de ordem n, tais que
AB − BA = I ,
Exercı́cio 1.4.26 Seja A uma matriz de ordem n tal que AB = BA para toda matriz
B de ordem n. Mostre que A = cIn , onde c é um escalar qualquer.
1 −2 −3
−2 −1 −3
A(I + A)n = A ,
Exercı́cio 1.4.31 Mostre que uma matriz A é auto–reflexiva se, e somente se,
(I − A)(I + A) = 0 .
2 2 1
Mostre que uma fórmula para as potências inteiras positivas da matriz A é dada por:
An = I, A, −I, −A
2 0 −3
1 −3 −4
−1 −1 −1 −1 −1 −4
comutam, isto é, AB = BA.
−4 −4 −3
é auto–reflexiva, isto é, A2 = I.
(I + A)(I − A) = 0n .
Exercı́cio 1.4.51 Seja A = [aij ] uma matriz real de ordem n × n. Mostre que
(a) tr(At A) ≥ 0.
(a) Determine A2 e A3 .
AB = BA = I ,
1 2 4 −1 0 1
Teorema 1.5.1 Sejam A e B matrizes quadradas de mesma ordem com inversas A−1 e
B −1 , respectivamente. Então, (AB)−1 = B −1 A−1 .
Teorema 1.5.2 Seja A uma matriz quadrada com inversa A−1 . Então,
Desse modo, temos que (A−1 )t = (At )−1 , o que completa a demonstração.
32 Geometria Analı́tica e Vetores
AB = I e CA = I .
(CA)B = C(AB) =⇒ B = C.
Portanto, pela Definição 1.5.1, temos que B = C = A−1 . Assim, mostramos que a inversa
da matriz A é única.
Sabendo que a inversa da matriz A é única, caso exista, vamos representar a matriz A−1
da seguinte forma:
−1 a b
A =
c d
para em seguida utilizar o fato que AA−1 = I2 , isto é,
2 3 a b 1 0
= .
3 4 c d 0 1
1.6 Exercı́cios
Exercı́cio 1.6.4 Seja A uma matriz quadrada com inversa A−1 . Mostre que
1 −1
(λA)−1 = A
λ
para qualquer escalar λ não–nulo.
Exercı́cio 1.6.5 Seja D = diag(a11 , · · · , ann ) uma matriz diagonal, de ordem n, com os
elementos aii 6= 0 para i = 1, · · · , n. Mostre que
−1 1 1
D = diag , ··· ,
a11 ann
Exercı́cio 1.6.8 Sejam A e B matrizes quadradas de mesma ordem tais que AB é uma
matriz invertı́vel. Mostre que as matrizes A e B são invertı́veis.
Exercı́cio 1.6.10 Seja A uma matriz quadrada complexa com inversa A−1 . Mostre que
( A )−1 = (A−1 ) .
Exercı́cio 1.6.11 Seja A uma matriz de ordem n tal que A4 = 04 . Mostre que
(I4 − A)−1 = I4 + A + A2 + A3 .
Exercı́cio 1.6.12 Seja A uma matriz nilpotente de ordem n. Mostre que a matriz (In −
A) é invertı́vel, exibindo sua matriz inversa.
(a) Se AB = In , então BA = In .
(b) Se BA = In , então AB = In .
H = In − 2XX t
(b) H t H = In .
(c) H −1 = H t .
m 1 + · · · + mq = m e n1 + · · · + nr = n .
h i h i h i
A21 = 3 1 , A22 = 2 4 , A23 = −8
m1 + m2 = 3 e n1 + n2 + n3 = 5 .
3 1 2 4 −8
2 4 0 0
m1 + m2 = 4 e n1 + n2 = 4 .
m1 + m2 = 4 e n1 + n2 = 4 .
Definição 1.7.2 Dizemos que uma matriz A é uma matriz quadrada em blocos se
Definição 1.7.3 Dizemos que uma matriz quadrada em blocos D ∈ IMn (IR) é uma matriz
diagonal em blocos se os blocos não diagonais são matrizes nulas. Denotamos a matriz
diagonal em blocos da seguinte forma:
D11
D22
D =
...
,
Drr
Definição 1.7.4 Dizemos que uma matriz quadrada em blocos L ∈ IMn (IR) é uma matriz
triangular inferior em blocos se os blocos acima da diagonal principal são matrizes
nulas.
onde 02 ∈ IM2 (IR) é a matriz nula, e as matrizes Lαβ são dadas por:
" # " # " #
1 1 1 0 2 5
L11 = , L21 = e L22 = ,
1 2 0 1 1 3
Definição 1.7.5 Dizemos que uma matriz quadrada em blocos U ∈ IMn (IR) é uma matriz
triangular superior em blocos se os blocos abaixo da diagonal principal são matrizes
nulas.
m 1 + · · · + mq = m e n1 + · · · + nr = n .
Petronio Pulino 39
Lema 1.7.1 Sejam A ∈ IMm×p (IR) e B ∈ IMp×n (IR) matrizes em blocos dadas por:
A1
.
h i
A = .. e B = B1 · · · Br ,
Aq
m1 + · · · + mq = m ,
n 1 + · · · + nr = n .
Lema 1.7.2 Sejam A ∈ IMm×p (IR) e B ∈ IMp×n (IR) matrizes em blocos dadas por:
B1
.
h i
A = A1 · · · Aq e B = .. ,
Bq
Lema 1.7.3 Sejam A ∈ IMm×p (IR) e B ∈ IMp×n (IR) matrizes em blocos dadas por:
A11 · · · A1s B11 · · · B1r
.. .. .. ..
A = . . e B = . . ,
Aq1 · · · Aqs Bs1 · · · Bsr
m1 + · · · + mq = m e l1 + · · · + ls = p ,
n1 + · · · + nr = n .
que é uma matriz em blocos, onde cada matriz Cαβ é dada por:
s
X
Cαβ = Aαγ Bγβ ,
γ=1
α = 1, · · · , q e β = 1, · · · , r .
Exemplo 1.7.7 Sejam a matriz em blocos A e o vetor coluna em blocos X dados por:
A11 A12 X1
A = e X = ,
A21 A22 X2
onde cada matriz Aαβ ∈ IMn (IR) e cada vetor coluna Xβ ∈ IMn×1 (IR).
onde 0n ∈ IMn (IR) é a matriz nula, e as matrizes Aαα ∈ IMn (IR) são invertı́veis.
tal que
I n 0n
AB = BA = ,
0n I n
onde In ∈ IMn (IR) é a matriz identidade, é a inversa da matriz A.
Exemplo 1.7.9 Considere a matriz diagonal em blocos A ∈ IM4 (IR) definida na forma:
A11 02
A = ,
02 A22
onde 02 ∈ IM2 (IR) é a matriz nula, e as matrizes Aαα ∈ IM2 (IR) são dadas por:
" # " #
1 1 2 5
A11 = e A22 = .
1 2 1 3
Lema 1.7.4 Considere a matriz em blocos A ∈ IMm×n (IR) dada na seguinte forma:
A11 · · · A1r
.. ..
A = . . ,
Aq1 · · · Aqr
m 1 + · · · + mq = m e n1 + · · · + nr = n .
At11 · · · Atq1
. ..
At = .. . .
At1r · · · Atqr
h i h i h i
A21 = 3 1 , A22 = 2 4 , A23 = −8
" # " #
3 2 h i
At21 = , At22 = , At23 = −8
1 4
Assim, obtemos
1 0 3
2 2 1
At =
0 1 2
3 2 4
1 −3 −8
Petronio Pulino 47
Exemplo 1.7.11 Sejam A uma matriz normal real de ordem n × n e B uma matriz
normal real de ordem m × m. Vamos mostrar que a matriz em blocos dada por:
A 0n×m
C =
t
0n×m B
é uma matriz normal de ordem (n + m), onde 0n×m é a matriz nula de ordem n × m.
(a) Permutação da i–ésima linha com a j–ésima linha, que indicaremos por:
h : li ←→ lj .
(b) Multiplicação da i–ésima linha por um escalar r não–nulo, que indicaremos por:
h : li ←− rli .
(c) Substituição da i–ésima linha pela i–ésima linha mais a j–ésima linha multiplicada por
um escalar r não–nulo, que indicaremos por:
h : li ←− li + rlj .
(a) Permutação da i–ésima coluna com a j–ésima coluna, que indicaremos por:
k : ci ←→ cj .
(b) Multiplicação da i–ésima coluna por um escalar r não–nulo, que indicaremos por:
k : ci ←− rci .
(c) Substituição da i–ésima coluna pela i–ésima coluna mais a j–ésima coluna multiplicada
por um escalar r não–nulo, que indicaremos por:
k : ci ←− ci + rcj .
Vamos nos dedicar mais às operações elementares de linhas, pois temos como objetivo central
suas aplicações na análise de soluções de sistemas de equações lineares.
Petronio Pulino 49
1 2 3
k : c2 ←− c2 + c3 .
1 5 3
3 1 1
3 1 1 3 1 1 0 4 −5
1 −1 2 1 −1 2
l3 ←− 5l3 0 5 0 l3 ←− l3 − 4l2 0 5 0 .
0 20 −25 0 0 −25
0 0 −25
Definição 1.8.2 A operação elementar inversa é uma operação que desfaz o efeito
da operação elementar, isto é, depois de haver realizado uma operação elementar sobre uma
matriz, aplicando sobre a matriz resultante a operação elementar inversa retornamos à matriz
original.
3 1 1
0 0 −5
Assim, podemos verificar facilmente que a operação inversa de uma operação elementar de
linhas é uma operação elementar de linhas do mesmo tipo. Desse modo, temos que
De modo análogo, a operação inversa de uma operação elementar de colunas é uma operação
elementar de colunas do mesmo tipo.
4 −5 −7 1
0 0 0 0
1.9 Exercı́cios
4 2 1 0 0 3
−2 0 0 0
−2 0 0 0
(a) Todas as linhas nulas, se houver, aparecem nas últimas linhas da matriz.
(b) O primeiro elemento não–nulo de uma linha, que é denominado pivô, está à direita
do primeiro elemento não–nulo da linha anterior.
Exemplo 1.10.1 Nos Exemplos 1.8.5 e 1.8.6 efetuamos uma seqüência de operações ele-
mentares de linhas na matriz A com o objetivo de obter uma matriz B na forma escalo-
nada, linha equivalente a matriz A.
Definição 1.10.2 Uma matriz R, de ordem m×n, na forma escalonada está na forma
escada, linha reduzida, se prevalecem mais as seguintes condições:
(d) Cada coluna de R que contém o primeiro elemento não–nulo tem todos os seus outros
elementos nulos.
0 0 1
3 6 −4 3
1 4 2
1 4 2 1
Na seção 8.10 da referência [3] apresentamos um estudo mais detalhado sobre os resultados
envolvendo o posto de A, onde demonstraremos o fato observado nos exemplos anteriores.
56 Geometria Analı́tica e Vetores
Exemplo 1.11.1 Vamos considerar o seguinte exemplo de uma matriz elementar de linha
obtida da matriz identidade I3 , que denotamos por H,
1 0 0 1 0 0
I3 = 0 1 0 l2 ←− l2 + 2l1 H = 2 1 0
0 0 1 0 0 1
0 0 1 1 0 0
Observamos facilmente que uma matriz de permutação também é uma matriz elementar,
pois foi obtida da matriz identidade através de uma única operação elementar.
Seja h uma operação elementar de linhas, denotamos por H = h(In ) a matriz ele-
mentar de linha correspondente à operação elementar h. De modo análogo, se k é uma
operação elementar de colunas, vamos denotar por K = k(In ) a matriz elementar de
coluna correspondente à operação elementar k.
Petronio Pulino 57
onde o valor 1 aparece na i–ésima coluna, que é a i–ésima linha da matriz identidade de
ordem p × p. Podemos verificar facilmente que
Ei· B = bi1 · · · bij · · · bim = Bi· ,
onde Bi· é a matriz linha de ordem 1 × m que denota a i–ésima linha da matriz B.
B1· A
..
.
BA = Bi· A ,
.
..
Bp· A
A seguir passamos para a demonstração, considerando cada uma das operações elementar
de linhas, onde as observações acima serão de muita utilidade.
58 Geometria Analı́tica e Vetores
(1) Considere h como sendo a operação elementar de linhas que multiplica a i–ésima linha
por um escalar r não–nulo, isto é, h : li ←− rli , cuja matriz elementar correspondente é
dada por:
E1·
..
.
h(Ip ) = H = rEi· .
.
..
Ep·
Desse modo, temos que
B1· E1· B
.. ..
. .
h(B) = rBi· = (rEi· )B = h(Ip )B = HB .
. .
.. ..
Bp· Ep· B
Portanto, temos que h(B)A = (HB)A = H(BA) = h(BA), fazendo uso do fato que
multiplicação de matrizes e associativa.
(2) Considere h como sendo a operação elementar de linhas que substitui a i–ésima
linha pela i–ésima mais a k–ésima linha multiplicada por um escalar r não–nulo, isto é,
h : li ←− li + rlk , cuja matriz elementar correspondente é dada por:
E1·
..
.
h(Ip ) = H = Ei· + rEk· .
..
.
Ep·
B1· E1· B
.. ..
. .
h(B) = Bi· + rBk· = (Ei· + rEk· )B = h(Ip )B = HB .
.. ..
. .
Bp· Ep· B
Portanto, temos que h(B)A = (HB)A = H(BA) = h(BA), fazendo uso do fato que
multiplicação de matrizes e associativa.
Petronio Pulino 59
(3) Considere h como sendo a operação elementar de linhas que permuta a i–ésima li-
nha com a k–ésima linha, isto é, h : li ←→ lk , para i < k, cuja matriz elementar
correspondente é dada por:
E1·
..
.
Ek·
.
.. .
h(Ip ) = H =
E
i·
.
..
Ep·
Desse modo, temos que
B1· E1· B
.. ..
. .
Bk· Ek· B
. .
.. = .. = h(Ip )B = HB .
h(B) =
B E B
i· i·
. .
.
. ..
Bp· Ep· B
Portanto, temos que h(B)A = (HB)A = H(BA) = h(BA), fazendo uso do fato que
multiplicação de matrizes e associativa.
k(A) = ( h(At ) )t .
k : c2 ←− c2 + 2c1
h : l2 ←− l2 + 2l1 .
0 0 1 0 0 1
3 0 1
3 0 1 3 0 1
Equivalentemente, considerando a matriz elementar de linha E correspondente à operação
elementar de linhas, definida acima,
1 0 0 1 0 0
I3 = 0 1 0 l2 ←− l2 − 4l1 E = −4 1 0 ,
0 0 1 0 0 1
0 0 1 3 0 1 3 0 1
Exemplo 1.11.5 Considerando o Exemplo 1.8.1, vamos denotar por H a matriz elementar
de linha correspondente a operação elementar de linhas h e por K a matriz elementar de
coluna correspondente a operação elementar de colunas k. Desse modo, temos que a matriz
C pode ser obtida da seguinte forma:
1 0 0 1 1 2 1 0 0 1 3 2
C = −3 1 0 3 5 5 0 1 0 = 0 1 −1 .
0 0 1 1 2 3 0 1 1 1 5 3
Portanto, temos que C = (HA)K = H(AK), pois o produto de matrizes possui a propri-
edade associativa. Logo, provamos que k(h(A)) = h(k(A)).
62 Geometria Analı́tica e Vetores
Assim, vemos que h(B)A = h(BA), que é uma ilustração do Lema 1.11.1.
4 6
0 0 1 −4 0 1 0 −2 1
Desse modo, obtemos a matriz B = E3 E2 E1 A, que está na forma escalonada, que cor-
responde a aplicação da seqüência de operações elementares de linhas, definida acima, na
matriz A. De fato,
1 0 0 1 0 0 1 0 0 1 1 1 1
B = E 3 E2 E1 A = 0 1 0 0 1 0 −2 1 0 2 3 = 0 1 .
0 −2 1 −4 0 1 0 0 1 4 6 0 0
Demonstração
Teorema 1.11.4 Uma matriz elementar de linha H é invertı́vel e sua inversa é uma
matriz elementar de linha H1 que corresponde à operação elementar inversa da operação
elementar de linhas efetuada por H.
Teorema 1.11.5 Uma matriz elementar de coluna K é invertı́vel e sua inversa é uma
matriz elementar de coluna K1 que corresponde à operação elementar inversa da operação
elementar de colunas efetuada por K.
Exemplo 1.11.8 Vamos considerar o seguinte exemplo de uma matriz elementar de linha
obtida da matriz identidade I3
1 0 0 1 0 0
I3 = 0 1 0 l2 ←− l2 + 2l1 E1 = 2 1 0 .
0 0 1 0 0 1
0 0 1 0 0 1
0 0 1 0 1 0
Sabemos que a matriz de permutação P é uma matriz elementar e podemos observar que
P −1 = P , isto é, P P = P 2 = I3 . Logo, a matriz de permutação P é idempotente.
0 0 1 4 0 1 0 2 1 0 0 4 6
H = H r · · · H 2 H1 .
Demonstração – Pelo Teorema 1.11.4, temos que cada matriz elementar de linha Hi é
invertı́veis. Assim, a prova segue da aplicação do Teorema 1.5.1.
K = Kr · · · K2 K1 .
Demonstração – Pelo Teorema 1.11.5, temos que cada matriz elementar de coluna Hi é
invertı́veis. Assim, a prova segue da aplicação do Teorema 1.5.1.
3 6 −4
1 0 1
Exemplo 1.11.14 Mostre que necessariamente uma matriz elementar de linha de ordem
2 × 2 é uma das seguintes matrizes:
" # " # " # " # " #
0 1 1 c 1 0 c 0 1 0
, , , e
1 0 0 1 c 1 0 1 0 c
para o escalar c 6= 0.
66 Geometria Analı́tica e Vetores
Teorema 1.11.8 Seja A uma matriz de ordem n × n. Então, as seguintes afirmações são
equivalentes:
(a) A é invertı́vel.
Demonstração
Vamos mostrar que (a) =⇒ (b). Considerando que A é invertı́vel e linha equivalente a uma
matriz B na forma escada. Sejam H1 , H2 , · · · , Hr matrizes elementares de linha, onde
cada matriz Hi corresponde a uma operação elementar de linhas hi , tais que
B = Hr · · · H2 H1 A .
Como A é invertı́vel e cada matriz elementar de linha Hi também é invertı́vel, temos que
B é invertı́vel. Entretanto, se B 6= In , então B possui uma linha nula, o que é uma
contradição, pois B é invertı́vel. Logo, B = In .
Vamos mostrar que (b) =⇒ (c). Considerando que A é linha equivalente a matriz In .
Sejam h1 , · · · hr uma seqüência de operações elementares com as linhas de A resultando
na matriz In . Desse modo, tomando cada matriz Hi como sendo a matriz elementar de
linha correspondente à operação elementar de linhas hi , temos que
I n = Hr · · · H2 H 1 A .
Pelo Teorema 1.11.6, temos que o produto de matrizes elementares de linha é invertı́vel.
Assim, temos que
A = H1−1 H2−1 · · · Hr−1 .
Sabemos que Hi−1 também é uma matriz elementar de linha. Portanto, mostramos que A
é um produto de matrizes elementares de linha.
1 0 1
h1 : l2 ←− l2 − l1 , h2 : l3 ←− l3 − l1 e h3 : l2 ←→ l3
h4 : l2 ←− l2 − l3 , h5 : l1 ←− l1 − 2l3 e h6 : l1 ←→ l1 + l2
h7 : l2 ←− −l2 e h8 : l3 ←− −l3
3 8 7
Para facilitar a aplicação da seqüência de operações elementares de linhas, vamos cria uma
matriz ampliada M da seguinte forma:
1 2 1 | 1 0 0
M = 3 7 5 | 0 1 0 .
3 8 7 | 0 0 1
Exemplo 1.11.17 Vamos mostrar que a equivalência de matrizes, que indicamos por ∼, é
uma relação de equivalência sobre o conjunto das matrizes de ordem m × n, isto é, satisfaz
as seguintes propriedades:
Considerando que a matriz A é equivalente a matriz B, A ∼ B, isto é, existe uma matriz
invertı́vel P de ordem m × m e uma matriz invertı́vel Q de ordem n × n, tais que
A = P BQ.
Considerando que a matriz A é equivalente a matriz B, A ∼ B, isto é, existe uma matriz
invertı́vel P1 de ordem m × m e uma matriz invertı́vel Q1 de ordem n × n, tais que
A = P1 BQ1 , e que a matriz B é equivalente a matriz C, B ∼ C, isto é, existe uma
matriz invertı́vel P2 de ordem m × m e uma matriz invertı́vel Q2 de ordem n × n, tais
que B = P2 CQ2 . Desse modo, temos que
1.12 Exercı́cios
h1 : l1 ←→ l3 , h2 : l2 ←− l2 + l1 , h3 : l3 ←− l3 − 2l1 e h4 : l3 ←− l3 − l2
0 2 1
1 4 −7
1 0 2
1 4 3 1
Determine uma matriz R na forma escalonada que seja linha equivalente a matriz A, e
uma matriz P invertı́vel de ordem 3 × 3 tal que R = P A.
3 7 6
Determine uma matriz R na forma escalonada que seja linha equivalente a matriz A e
uma matriz P invertı́vel de ordem 3 × 3 tal que R = P A.
1 3 4
Determine uma matriz L triangular inferior que seja equivalente por coluna a matriz A,
indicando a seqüência de operações elementares de colunas utilizada e a respectiva seqüência
de matrizes elementares de coluna, isto é, L = AK1 K2 · · · Kr .
1 0 2 1 1
B t = ( P AP t )t = P At P t = P AP t = B ,
Como a congruência é uma relação de equivalência, Exemplo 1.13.3, temos que somente
as matrizes simétricas podem ser mutuamente congruentes e, em particular, somente as
matrizes simétricas são congruentes a matrizes diagonais.
Teorema 1.13.1 (Lei da Inércia) Seja A uma matriz simétrica real. Então, existe uma
matriz real invertı́vel P tal que D = P AP t é uma matriz diagonal. Além disso, o número
de elementos na diagonal de D que são positivos, negativos e nulos é sempre o mesmo,
independente da matriz P que realiza a relação de congruência.
R = Hr · · · H2 H1 A = HA
é a matriz na forma escalonada linha equivalente a matriz A, que é uma matriz triangular
superior, onde estamos indicando a matriz H = Hr · · · H2 H1 .
74 Geometria Analı́tica e Vetores
Ki = ( H i ) t ,
D = Hr · · · H2 H1 A K1 · · · Kr = HAH t
P = Hr · · · H2 H1 = H
D = P AP t
A = LDLt ,
1 6 3
D = P AP t
Para facilitar a aplicação da seqüência de operações elementares, vamos cria uma matriz
ampliada M da seguinte forma:
1 2 1 | 1 0 0
M = 2 6 6 | 0 1 0 .
1 6 3 | 0 0 1
h1 : l2 ←− l2 − 2l1 , h2 : l3 ←− l3 − l1 e h3 : l3 ←− l3 − 2l2
onde
1 0 0 1 0 0 1 0 0
(H1 )−1 = 2 1 0 , (H2 )−1 = 0 1 0 e (H3 )−1 = 0 1 0 .
0 0 1 1 0 1 0 2 1
Portanto, temos que a matriz simétrica A pode ser decomposta da seguinte forma:
A = P −1 D P −t = L D Lt ,
que também é uma forma bastante usual de decomposição de uma matriz simétrica, que
possui várias aplicações interessantes.
Determine uma matriz invertı́vel P de modo que D = P AP t seja uma matriz diagonal,
e a matriz L = P −1 tal que A = LDLt .
Petronio Pulino 77
Exemplo 1.13.3 Vamos mostrar que a relação de congruência, que indicaremos por ≈, é
uma relação de equivalência sobre o conjunto das matrizes de ordem n × n, isto é, satisfaz
as seguintes propriedades:
(a) Reflexiva: A ≈ A.
Considerando que a matriz B é congruente com a matriz A, B ≈ A, isto é, existe uma
matriz invertı́vel P tal que B = P AP t . Sendo assim, temos que A = P −1 BP −t . Por-
tanto, tomando a matriz Q = P −1 , obtemos A = QBQt . Desse modo, mostramos que
a matriz A é congruente com a matriz B, A ≈ B. Assim, mostramos que a relação de
congruência satisfaz a propriedade simétrica.
Considerando que a matriz A é congruente com a matriz B, A ≈ B, isto é, existe uma
matriz invertı́vel P tal que A = P BP t , e que a matriz B é congruente com a matriz C,
B ≈ C, isto é, existe uma matriz invertı́vel Q tal que B = QCQt . Desse modo, temos
que
A = P BP t = P ( QCQt )P t = (P Q)C(P Q)t .
Sabemos que a matriz P Q é invertı́vel, pois P e Q são invertı́veis. Desse modo, mos-
tramos que a matriz A é congruente com a matriz C, A ≈ C. Assim, mostramos que a
relação de congruência satisfaz a propriedade transitiva.
1.14 Exercı́cios
3 8 15
Determine uma matriz invertı́vel P de modo que D = P AP t seja uma matriz diagonal,
e a matriz L = P −1 tal que A = LDLt .
6 22 20
Determine uma matriz invertı́vel P de modo que D = P AP t seja uma matriz diagonal,
e a matriz L = P −1 tal que A = LDLt .
Petronio Pulino 79
Por simplicidade, vamos representar o sistema linear acima na sua forma matricial
AX = Y
onde
a11 a12 · · · a1n x1 y1
.. .. .. .. ..
. . . . .
A = ai1 ai2 · · · ain , X = xi e Y = yi
. .. .. . .
.. . . .. ..
am1 am2 · · · amn xn ym
Toda n–upla (x1 , · · · , xn ) de elementos do corpo IF que satisfaz cada uma das equações
do sistema linear é denominada uma solução do sistema linear. O vetor coluna X , associ-
ado a essa n–upla, é denominado vetor solução do sistema linear. O conjunto de todas as
soluções do sistema linear é chamado conjunto solução.
ax = b ,
com a, b ∈ IR.
b
(a) Se a 6= 0, então x = é a única solução da equação linear.
a
(b) Se a = 0 e b 6= 0, então a equação linear não possui solução.
a1 x1 + · · · + an xn = b ,
a1 x1 + · · · + an xn = b ,
a1 = a2 = · · · = an = 0.
a1 x1 + · · · + an xn = b
a1 x1 + · · · + an xn = b ,
(a) Qualquer conjunto de valores xj , para j 6= k, fornece uma única solução para a
equação linear. As incógnitas xj , para j 6= k, são denominadas variáveis livres.
ak xk = b − ( ak+1 xk+1 + · · · + an xn ) ,
b − ( ak+1 xk+1 + · · · + an xn )
xk = ,
ak
o que prova o item (a).
Finalmente, vamos supor que a n–upla (x1 , · · · , xn ) seja uma solução da equação linear.
Desse modo, temos que
b − ( ak+1 xk+1 + · · · + an xn )
xk = ,
ak
que é exatamente a solução obtida no item (a), o que completa a demonstração.
2x + 6y − 4z = 10 ,
S = { ( x, y, z ) ∈ IR3 / x = 5 − 3y + 2z , y, z ∈ IR } ,
nas incógnitas x e y.
Podemos observar facilmente que cada uma das equações do sistema linear representa a
equação na forma canônica de uma reta contida no plano numérico IR2 . Assim, podemos
dar uma interpretação geométrica ao conjunto solução do sistema linear.
(1) O gráfico das equações lineares são retas que se interceptam em um único ponto, isto
é, são retas concorrentes. Assim, O sistema linear possui somente uma única solução.
(2) O gráfico das equações lineares são retas paralelas distintas. Assim, O sistema linear
não possui solução.
(3) O gráfico das equações lineares são retas paralelas coincidentes. Assim, O sistema
linear possui infinitas soluções.
A seguir vamos analisar separadamente cada um dos casos acima. As situações (2) e (3)
ocorrerem quando as retas possuem coeficientes angulares iguais, isto é,
a1 a2 a1 b1
− = − ⇐⇒ = ⇐⇒ a1 b2 − a2 b1 = 0 .
b1 b2 a2 b2
Note que a condição acima pode ser escrita da seguinte forma:
a1 b1
det(A) = = 0,
a2 b2
onde A é a matriz do sistema linear. Desse modo, os casos (2) e (3) ocorrerem somente
quando a matriz do sistema linear não possui inversa.
Assim, o caso (1) ocorre quando as retas possuem coeficientes angulares diferentes, isto é,
a1 b1
det(A) = = a1 b2 − a2 b1 6= 0 .
a2 b2
Portanto, o caso (1) ocorre quando a matriz do sistema linear for invertı́vel.
Petronio Pulino 83
O caso (2) ocorre quando as retas são paralelas e cortam o eixo vertical OY em pontos
distintos, isto é,
c1 c2 b1 c1 a1 b1 c1
− 6= − ⇐⇒ 6= ⇐⇒ = 6= .
b1 b2 b2 c2 a2 b2 c2
O caso (3) ocorre quando as retas são paralelas e cortam o eixo vertical OY no mesmo
pontos, isto é,
c1 c2 b1 c1 a1 b1 c1
− = − ⇐⇒ = ⇐⇒ = = .
b1 b2 b2 c2 a2 b2 c2
Assim, analisamos o conjunto solução do sistema linear tanto do ponto de vista geométrico
quanto do ponto de vista algébrico.
ax + by + cz = d
x − 4y + 3z = 6
ax + by + cz = 0 ,
Por exemplo,
x − 4y + 3z = 0
é uma equação linear homogênea nas incógnitas x, y, z.
Podemos verificar facilmente que toda solução da equação linear homogênea, dada acima,
pode ser escrita como:
Note que as ternas (4, 1, 0) e (−3, 0, 1) são soluções da equação homogênea, utilizadas
na representação da solução geral. Essas soluções são chamadas soluções básicas.
Portanto, temos que toda solução do sistema linear homogêneo é escrita da seguinte forma:
Note que (−3, −1, 1) é uma solução do sistema linear homogêneo, que é utilizada na
representação da solução geral. Assim, essa solução é chamada solução básica. Neste caso,
dizemos que o sistema linear homogêneo possui um grau de liberdade, que é a variável
livre z. As varáveis x, y são denominadas variáveis básicas.
Podemos verificar que o sistema linear homogêneo obtido através da operação elementar de
linhas, possui o mesmo conjunto solução do sistema linear homogêneo original. Desse modo,
dizemos que os dois sistemas lineares são equivalentes. Vamos apresentar uma análise de-
talhada do processo de eliminação mais a frente. Claramente, o processo de eliminação é
válido para sistema linear não homogêneo, como exemplificamos a seguir.
Portanto, temos que a solução geral do sistema linear é escrita da seguinte forma:
Neste exemplo, temos duas variáveis livres, que são z e t, e dizemos que o grau de liberdade
do sistema linear é igual a dois.
Podemos verificar facilmente que as ternas (1, 1, 1, 0) e (−7, −4, 0, 1) são duas soluções
do sistema linear homogêneo associado, isto é,
x − 2y + z − t = 0 x − 2y + z − t = 0
⇐⇒
2x − 3y + z + 2t = 0 y − z + 4t = 0
utilizadas na representação da solução geral do sistema linear. Assim, essas soluções são as
soluções básicas do sistema linear homogêneo associado. Note que a terna (3, 1, 0, 0) é uma
solução do sistema linear original, denominada solução particular.
l2 ←− l2 − 2l1 e l3 ←− l3 − 3l1
Desse modo, temos que a terceira equação é degenerada, isto é, pode ser escrita como:
0x + 0y + 0z + 0t = 5 .
l2 ←− l2 − 2l1 e l3 ←− l3 − l1
z = 2, y = 1 e x = −1 ,
BX ∗ = (P A)X ∗ = P (AX ∗ ) = 0 .
AX ∗ = (P −1 B)X ∗ = P −1 (BX ∗ ) = 0 .
AX = 0 e BX = 0
Definição 1.15.4 Seja A uma matriz de ordem m × n. Dizemos que A é uma matriz
não–singular se AX = 0 somente para X = 0. Caso contrário, dizemos que A é uma
matriz singular.
Teorema 1.15.5 Seja A uma matriz de ordem m × n, com m < n. Então, o sistema
linear homogêneo AX = 0 admite pelo menos uma solução não trivial.
Assim, o sistema linear RX = 0 possui p equações não–triviais, que podem ser escritas
da seguinte forma:
n
X
riki xki + rij xj = 0 para i = 1, 2, · · · p .
j = ki+1
Como riki 6= 0, temos que as incógnitas xki são obtidas da seguinte forma:
n
X
rij xj
j = ki+1
x ki = − para i = 1, 2, · · · p .
riki
Finalmente, atribuindo valores, não todos nulos, para as (n − p) variáveis livres, que são
diferentes das variáveis básicas xk1 , · · · , xkp , obtemos o conjunto solução do sistema
linear homogêneo RX = 0.
que são equivalentes por linha. Neste exemplo, temos k1 = 1 e k2 = 2, onde x, y são
as variáveis básicas e z, t são as variáveis livres. Desse modo, obtemos
y = z − 4t e x = z − 7t
para z, t ∈ IR livres.
90 Geometria Analı́tica e Vetores
Teorema 1.15.6 Seja A uma matriz de ordem n. Então, o sistema linear homogêneo
AX = 0 possui somente a solução trivial se, e somente se, a matriz A é linha equivalente
a matriz identidade In .
Desse modo, temos que na matriz R o primeiro elemento não–nulo da i–ésima linha ocorre
na i–ésima coluna, isto é, sempre na diagonal principal. Portanto, a matriz R é necessari-
amente a matriz identidade In .
Teorema 1.15.7 Seja A uma matriz de ordem n. Então, a matriz A é invertı́vel se, e
somente se, o sistema linear homogêneo AX = 0 possui somente a solução trivial.
2 4 5 z 0 0 0 1 z 0
Desse modo, temos que a matriz do sistema linear homogêneo AX = 0 que é dada por:
1 2 1
A = 1 3 2
2 4 5
é uma matriz não–singular, isto é, AX = 0 somente para X = 0. Portanto, temos que
A é uma matriz invertı́vel, de acordo com o Teorema 1.15.7.
Petronio Pulino 91
Corolário 1.15.1 Seja A uma matriz de ordem n. Então, a matriz A é invertı́vel se, e
somente se, o sistema linear AX = Y possui somente uma única solução.
Vamos mostrar que X ∗ é a única solução. Para isso, supomos que X1∗ e X2∗ sejam duas
soluções do sistema linear AX = Y , isto é, AX1∗ = Y e AX2∗ = Y .
Pelo Teorema 1.15.7, temos que (X1∗ − X2∗ ) = 0. Logo, obtemos que X1∗ = X2∗ .
Finalmente, tomando por hipótese que o sistema linear AX = Y possui somente uma única
solução e considerando Y = 0, pelo Teorema 1.15.7, temos que a matriz A é invertı́vel, o
que completa a demonstração.
AX = Y .
Seja R uma matriz na forma escalonada linha equivalente a matriz A, isto é, existe uma
matriz P de ordem m × m invertı́vel tal que R = P A. Sabemos que a matriz P é
o produto de matrizes elementares de linha, isto é, P = Hr · · · H2 H1 , onde cada matriz
Hi é uma matriz elementar de linha associada a uma operação elementar de linhas hi , que
foram utilizadas na redução da matriz A na forma escalonada. Desse modo, sabemos que
o sistema linear AX = Y possui o mesmo conjunto solução do sistema linear RX = Z,
onde Z = P Y .
[R | Z] = Hr · · · H2 H1 [A | Y ] ,
Para facilitar a aplicação da seqüência de operações elementares de linhas, vamos cria uma
matriz ampliada [A | Y ] da seguinte forma:
1 −2 1 −1 | 1
[A | Y ] = 2 −3 1 2 | 4
3 −9 6 −15 | −3
Podemos verificar facilmente que as ternas (1, 1, 1, 0) e (−7, −4, 0, 1) são as soluções
básicas do sistema linear homogêneo associado AX = 0, que é equivalente ao sistema linear
homogêneo RX = 0. Portanto, a solução geral do sistema linear homogêneo associado
AX = 0 é escrita como:
Para facilitar a aplicação da seqüência de operações elementares de linhas, vamos cria uma
matriz ampliada [A | Y ] da seguinte forma:
1 −2 1 −1 | 1
[A | Y ] = 2 −3 1 2 | 4
3 −9 6 −15 | 5
Assim, temos que a terceira equação é degenerada, isto é, pode ser escrita como:
0x + 0y + 0z + 0t = 8 .
Para facilitar a aplicação da seqüência de operações elementares de linhas, vamos cria uma
matriz ampliada [A | Y ] da seguinte forma:
1 −2 1 | −1
[A | Y ] = 2 −3 1 | −3
1 4 2 | 7
l2 ←− l2 − 2l1 , l3 ←− l3 − l1 e l3 ←− l3 − −l2
z = 2 , y = 1 e x = −1.
Por outro lado, considerando que X ∗ é uma solução do sistema linear AX = Y , que pode
ser distinta da solução particular Xp , temos que
A(X ∗ − Xp ) = AX ∗ − AXp = Y − Y = 0.
X ∗ = Xp + (X ∗ − Xp ) .
Portanto, qualquer solução do sistema linear AX = Y pode ser escrita como a soma de
uma solução particular do sistema linear original com uma solução do sistema linear ho-
mogêneo associado.
Portanto, a solução geral do sistema linear AX = Y pode ser escrita da seguinte forma:
Xg = Xh + Xp ,
Xc = α1 X1 + · · · + α 1 Xn ,
AX1 = 0, · · · , AXn = 0 .
Logo,
AXc = α1 AX1 + · · · + α1 AXn = 0 ,
o que completa a demonstração.
X ∗ = X1 + α(X1 − X2 )
X ∗ = X1 + α(X1 − X2 )
posto( [A | Y ] ) = posto(A) .
(b) O sistema linear AX = Y possui uma única solução se, e somente se,
posto( [A | Y ] ) = posto(A) = n .
posto( [R | Z] ) = posto(R)
se, e somente se, o sistema linear reduzido RX = Z não possui equações degeneradas.
Desse modo, não existem condições sobre as componentes de Z para que o sistema linear
reduzido RX = Z tenha solução. Portanto, AX = Y é um sistema linear consistente,
isto é, possui solução.
posto( [R | Z] ) = posto(R) = n
se, e somente se, o sistema linear reduzido RX = Z não possui variáveis livres. Desse
modo, cada uma das variáveis assume um valor fixo, que são obtidos resolvendo o sistema
linear reduzido RX = Z pelo processo de substituição atrasada. Portanto, o sistema linear
AX = Y possui uma única solução.
98 Geometria Analı́tica e Vetores
0 0 ··· 0 0 0
se, e somente se, o sistema linear RX = Z possui pelo menos uma variável livre. Desse
modo, para cada conjunto de valores atribuı́dos às variáveis livres, obtemos uma solução.
Como cada variável livre pode assumir qualquer valor, o sistema linear reduzido RX = Z
possui infinitas soluções. Portanto, o sistema linear AX = Y possui infinitas soluções.
se, e somente se, o sistema linear reduzido RX = Z possui pelo menos uma equação
degenerada, com a correspondente componente de Z não–nula. Desse modo, o sistema
linear reduzido RX = Z não possui solução. Portanto, AX = Y é um sistema linear
inconsistente.
Petronio Pulino 99
LX = Y
Teorema 1.15.11 Sejam L uma matriz triangular inferior de ordem n × n, com todos os
elementos da diagonal principal não–nulos, e Y um vetor coluna de ordem n × 1. Então,
o sistema linear triangular inferior
LX = Y
possui uma única solução, que é obtida pelo processo de substituição avançada.
para k = 2, 3, · · · , n.
UX = Y
Teorema 1.15.12 Sejam U uma matriz triangular superior de ordem n × n, com todos os
elementos da diagonal principal não–nulos, e Y um vetor coluna de ordem n × 1. Então,
o sistema linear triangular superior
UX = Y
possui uma única solução, que é obtida pelo processo de substituição atrasada.
para k = (n − 1), · · · , 1.
for i = 1, ... ,n
soma = 0.0
for j = 1, ... ,(i-1)
soma = soma + L(i,j)*X(j)
end
X(i) = ( Y(i) - soma ) / L(i,i)
end
for i = n, ... ,1
soma = 0.0
for j = (i+1), ... ,n
soma = soma + U(i,j)*X(j)
end
X(i) = ( Y(i) - soma ) / U(i,i)
end
102 Geometria Analı́tica e Vetores
Fatoração LU
A = LU ,
onde L é uma matriz triangular inferior, com todos os elementos da diagonal principal
iguais a 1, e U uma matriz triangular superior com todos os elementos da diagonal princi-
pal diferentes de zero. Assim, dizemos que a matriz A possui uma fatoração LU, ou uma
decomposição LU.
A fatoração LU da matriz A pode ser utilizada para obter, de uma maneira eficiente, a
solução do sistema linear
AX = Y ,
repetidamente para diferentes vetores Y .
AX = Y ⇐⇒ (LU )X = Y ⇐⇒ L(U X) = Y .
U X = Z∗
Portanto, caso a matriz A possua uma decomposição LU, podemos obter a solução do
sistema linear AX = Y através da resolução de dois sistemas triangulares, isto é,
(
LZ = Y
AX = Y ⇐⇒
U X = Z∗
104 Geometria Analı́tica e Vetores
Seja A uma matriz de ordem n × n invertı́vel que pode ser reduzida à forma escalonada,
através de operações elementares de linhas, sem qualquer permutação de linhas, isto é, a
cada passo do processo de redução à forma escalonada o pivô é sempre não–nulo.
para j = 1, · · · , (n − 1)
para i = (j + 1), · · · , n
aij
mij =
ajj
Ai· ←− Ai· − mij Aj·
aij = mij
f im
f im
Os escalares mij são denominados multiplicadores. Por simplicidade, indicamos por Ai·
para denotar a i–ésima linha da matriz A.
Teorema 1.15.13 Seja A uma matriz de ordem n × n invertı́vel que pode ser reduzida
à forma escalonada, através de operações elementares de linhas, sem qualquer permutação
de linhas. Então, existe uma matriz triangular inferior L, com todos os elementos da
diagonal principal iguais a 1, e uma matriz triangular superior U , com todos os elementos
da diagonal principal não–nulos, tais que A = LU .
U = Hr · · · H2 H1 A
é a matriz na forma escalonada linha equivalente a matriz A, que é uma matriz triangular
superior. Sendo assim, temos que
UX = 0 ⇐⇒ AX = LU X = 0 ,
(d) posto(A) = n.
(f) Para todo vetor coluna Y , de ordem n × 1, o sistema linear AX = Y possui uma
única solução, que é dada por X ∗ = A−1 Y .
12 7 10
Desse modo, obtemos a matriz U = H3 H2 H1 A, que está na forma escalonada, que cor-
responde a aplicação da seqüência de operações elementares de linhas, definida acima, na
matriz A. De fato,
1 0 0 1 0 0 1 0 0 4 1 2 4 1 2
U = 0 1 0 0 1 0 −2 1 0 8 4 5 = 0 2 1 .
0 −2 1 −3 0 1 0 0 1 12 7 10 0 0 2
1.16 Exercı́cios
6 9 8
24
2x + 3y − 6z = 8 .
1 6 −7
c
tais que AX = 0.
110 Geometria Analı́tica e Vetores
Exercı́cio 1.16.7 Seja A uma matriz simétrica decomposta na forma A = LDLt , onde
1 0 0 5 0 0
L = 3 1 0 e D = 0 1 0 .
4 2 1 0 0 3
32
1 2 4
111
112 Geometria Analı́tica e Vetores
r
B
!
!
!
!
!
!
!
!
r
A
Figura 2.1: Ilustração do segmento orientado (A, B), com origem no ponto A e extremidade
no ponto B. A utilização da flecha, indica que o foi fixada uma orientação.
Definição 2.1.2 Dizemos que os segmentos orientados (A, B) e (C, D) têm o mesmo
comprimento, módulo ou norma, se os segmentos geométricos AB e CD têm o
mesmo comprimento, como ilustra a Figura 2.2.
r
D
*
r
B
r
r C
A
Figura 2.2: Os segmentos orientados (A, B) e (C, D) têm o mesmo comprimento.
r
!B
!
!
r
D
!
!
!
! !
! !
! r!
!
r C
A
Figura 2.3: Os segmentos orientados (A, B) e (C, D) têm o mesmo sentido.
r
!B
!
!
r
!C
! !
! !
! !
! r!
!
r D
A
Figura 2.4: Os segmentos orientados (A, B) e (C, D) têm sentido contrário.
r
!B
!
!r
!
!D
!
!
r
! B ′
!
!
!!
!
r!
! !
!
! C r!
!
r A′
A
Figura 2.5: Os segmentos orientados (A, B) e (C, D) têm o mesmo sentido.
114 Geometria Analı́tica e Vetores
r
!B
!
!
r
!!C
!
!
r
B ′
!
!
!
!
! !
r!
! !
!
! D r!
!
r A′
A
Figura 2.6: Os segmentos orientados (A, B) e (C, D) têm sentido contrário.
Definição 2.1.6 Dizemos que os segmentos orientados (A, B) e (C, D) são equipolentes,
e indicados por (A, B) ≈ (C, D), caso ocorrer uma das seguintes situações:
(b) os segmentos orientados são não–nulos, e têm o mesmo comprimento, a mesma direção
e o mesmo sentido.
Figura 2.7: Os segmentos orientados (A, B) e (C, D) são equipolentes, pois têm o mesmo
comprimento, a mesma direção e o mesmo sentido.
p p p
!
p
!
!
! !
! !
! ! ! !
! ! ! !
!
p p p
p p
!
! p
!
!
!
!
p !
! !
! p
!
~v
!
Pelos fatos expostos acima, tem–se que um vetor fica bem determinado se apresentamos
qualquer um de seus representantes. Definimos o espaço de vetores V 3 , como sendo o
conjunto de todos os vetores no espaço tridimensional IE 3 . É importante observar que nunca
devemos utilizar o termo vetores equipolentes, tendo em vista que equipolência é uma relação
de equivalência entre segmentos orientados, e o vetor representa uma classe de equipolência
associada a um determinado segmento orientado.
116 Geometria Analı́tica e Vetores
Y
6
y uP = (x, y)
- X
0 x
Figura 2.9: O Plano Numérico IR2 = IR × IR.
A aplicação f : Π −→ IR2 que associa a cada ponto P do plano Π seu único par de
coordenadas f (P ) = (x, y), relativamente ao sistema de eixos ortogonais, é uma bijeção,
isto é, uma correspondência biunı́voca entre os elementos de IR2 e de Π. Dessa maneira,
temos que a aplicação f −1 : IR2 −→ Π associa a cada par de coordenadas (x, y) de IR2
um único ponto f −1 (x, y) = P do plano Π.
Petronio Pulino 117
6Y
X
-
0
Y
6
Pr rQ
@ ~
I ~!!
@v w
@! r rB - X
0 I
@
@
@r A
Igualmente aos vetores, cada ponto do plano é dado por duas coordenadas e cada ponto do
espaço tridimensional por três coordenadas. Assim, A = (2, −1) e Q = (x, y) são os pontos
marcados na Figura 2.11. Podemos entender que o vetor w ~ = (x, y) representa a classe de
equivalência definida pelo segmento orientado (O, Q) que tem por origem o ponto O = (0, 0)
e por extremidade o ponto Q. Na figura 2.11, o vetor ~v = (−1, 1) representa a classe de
equivalência associada ao segmento orientado (A, B) com origem no ponto A = (2, −1) e
com extremidade no ponto B = (1, 0).
De modo análogo, o espaço numérico tridimensional IR3 = IR ×IR ×IR é um outro exemplo
importante de produto cartesiano. Os elementos (x, y, z) ∈ IR3 são as ternas ordenadas de
números reais. As ternas ordenadas surgem como as coordenadas cartesianas de um ponto
P do espaço tridimensional IE 3 , quando fixamos nesse espaço tridimensional um sistema de
três eixos ortogonais, que vamos indicar por OX , OY e OZ , que se interceptam no ponto
O = (0, 0, 0), chamado origem do sistema de coordenadas, como ilustra a Figura 2.12.
Z
6
r(x, y, z)
r -Y
!0
!
!
!
X!
Assim, podemos dizer que o espaço numérico tridimensional IR3 é o modelo aritmético do
espaço tridimensional IE 3 , enquanto que o espaço tridimensional IE 3 é o modelo geométrico
do espaço numérico IR3 . Desse modo, com a identificação entre o espaço numérico IR3 e
o espaço tridimensional IE 3 , da Geometria Euclidiana, realizada pela bijeção f , podemos
olhar para o IR3 como sendo o espaço numérico tridimensional, e chamaremos seus elementos
P = (x, y, z) de pontos.
Petronio Pulino 119
Z
6
r
P = (x, y, z)
!
!
~v!
!
!
r! -Y
!0
!
!
!
!
!
!
X!
w
~ = λ~u = (λx1 , λy1 , λz1 ) .
Neste texto consideramos que os escalares são números reais. Além disso, No caso em que
λ = 0IR ou ~v = ~0, definimos λ~v = ~0.
Note que para λ 6= 0IR e ~v 6= ~0, o vetor w ~ = λ~v tem a mesma direção do vetor ~v .
Além disso, para λ > 0 o vetor w~ = λ~v tem o mesmo sentido do vetor ~v e para λ < 0
o vetor w~ = λ~v tem sentido contrário do vetor ~v .
120 Geometria Analı́tica e Vetores
(A1 ) Comutatividade
~u + ~v = ~v + ~u , ∀ u, v ∈ V 3
(A2 ) Associatividade
~u + (~v + w)
~ = (~u + ~v ) + w
~ , ∀ u, v, w ∈ V 3
~u + ~0 = ~u , ∀ ~u ∈ V 3
~u + (−~u) = ~0 , ∀ ~u ∈ V 3
(M1 ) Associatividade
(α β) ~u = α (β ~u) , ∀ ~u ∈ V 3 e ∀ α, β ∈ IR
α (~u + ~v ) = α ~u + α ~v , ∀ ~u, ~v ∈ V 3 e ∀ α ∈ IR
(α + β) ~u = α ~u + β ~u , ∀ ~u ∈ V 3 e ∀ α, β ∈ IR
É importante observar que pelo fato que podemos estabelecer uma correspondência biunı́voca
entre os elementos do espaço de vetores V 3 e os elementos de IR3 , e que nos dois conjuntos
definimos uma operação de adição de elementos e uma operação de multiplicação por escalar
que satisfazem as propriedades (A1 )–(A4 ) e (M1 )–(M4 ), podemos chamar os elementos de
IR3 de vetores e utilizar a notação de flecha, isto é, indicando ~u = (x, y, z) ∈ IR3 .
rC ′
!!
rC !
!
!
!
!
!
!
!
~ v
~v
!
!
!
!
~u
!
~ v ! 3B ′
r
~v
!
!
+
! !
~u
~u
! 3
r
!
! B !
!
~
u r
!
!
! A′
!
r
A
Figura 2.14: Representação geométrica da operação de soma de vetores.
122 Geometria Analı́tica e Vetores
~u − ~v = ~u + (−~v ) , ∀ ~u, ~v ∈ V 3 ,
como ilustra a Figura 2.15. Note que o elemento simétrico −~v tem a mesma direção, mas
sentido contrário, do vetor ~v .
Ar
H v
H−~
!
! HH
! HHjr C
!
!
~v
! !
−
~u !
~u
!
! !
~v
!
−
!
~u
B r! !
YH ~
H v !
HH !
HHr! -
0
Figura 2.15: Representação geométrica da operação de subtração de vetores.
~v = Q − P ⇐⇒ ~v = (x2 − x1 , y2 − y1 , z2 − z1 ) ,
r
Q
!
!
!
!
~v!
!
!
!
r
P
Figura 2.16: Ilustração da operação de adição de ponto com vetor.
(P1 ) P + ~0 = P , ∀ P ∈ IE 3 .
(P2 ) P + ~u = P + ~v ⇐⇒ ~u = ~v .
(P3 ) ( P + ~u ) + ~v = P + ( ~u + ~v ) , ∀ ~u, ~v ∈ V 3 e ∀ P ∈ IE 3 .
(P4 ) P + ~v = Q + ~v ⇐⇒ P = Q.
(P5 ) ( P − ~v ) + ~v = P .
rA
@
!
!
! @
! @
~u! @~
v
! @
! @
!
r @
R
@
-r
P B
~u + ~v
Figura 2.17: Ilustração da propriedade P3 .
124 Geometria Analı́tica e Vetores
−→
(P1 ) Temos que P P = ~0, que é a definição de vetor nulo. Assim, da definição da operação
de adição de ponto com vetor obtemos P + ~0 = P .
B = P + ( ~u + ~v ) =⇒ ( P + ~u ) + ~v = P + ( ~u + ~v ) ,
P + ~v = Q + ~v ⇐⇒ ( P + ~v ) − ~v = ( Q + ~v ) − ~v
⇐⇒ P + ( ~v − ~v ) = Q + ( ~v − ~v )
⇐⇒ P + ~0 = Q + ~0
⇐⇒ P = Q
( P − ~v ) + ~v = P + ( ~v − ~v ) = P + ~0 = P .
Petronio Pulino 125
Exemplo 2.2.4 Considere no espaço bidimensional IE 2 o segmento orientado (O, A), onde
o ponto O = (0, 0) é a origem do segmento orientado e o ponto A = (1, 2) é a extremidade
−→
do segmento orientado. Assim, o vetor ~v = 0A = (1, 2) é a classe de equipolência dos
segmentos orientados cujo representante é o segmento orientado (O, A).
2.3 Exercı́cios
Exercı́cio 2.3.1 Mostre que o segmento que une os pontos médios de dois lados de um
triângulo é paralelo ao terceiro lado e é igual a sua metade.
Exercı́cio 2.3.3 Encontre o ponto Q tal que o vetor com origem no ponto P = (1, 0, 1) e
com extremidade em Q tenha norma, direção e sentido iguais ao vetor ~v = (1, −2, 1).
Exercı́cio 2.3.4 Encontre o ponto Q que é a extremidade de um vetor com origem no ponto
médio do segmento que liga os pontos P1 = (1, 1, 3) e P2 = (−1, 1, 1) e tem norma, direção
e sentido do vetor w
~ = (−1, 0, 1).
α(2, 3) + β(3, 2) = ~0 ,
(a) Se w
~ = (−1, −5, −9), mostre que existem escalares a e b tais que w
~ = a~u + b~v .
(d) Existe alguma relação entre as perguntas acima e o estudo de sistemas lineares?
Petronio Pulino 127
O exercı́cio 2.3.6, traduz geometricamente o fato de precisarmos de dois eixos não paralelos
no espaço bidimensional IE 2 , para podermos determinar de modo único os vetores. Assim,
existem dois vetores que são canônicos para determinarmos de modo único os vetores no
espaço de vetores V 2 que são
~i = (1, 0) e ~j = (0, 1) .
6
~j
- -
0 ~i
~u = x~i + y~j .
O exercı́cio 2.3.7, traduz geometricamente o fato de precisarmos de três eixos, dois a dois
não paralelos, no espaço tridimensional IE 3 , para podermos determinar de modo único os
vetores. Existem três vetores que são canônicos para determinarmos de modo único os
vetores no espaço de vetores V 3 que são
6
~k
~j
- -
!0
!~i
!
!
!
!
!
!
!
!
Para uma apresentação detalhada de como representar de forma única um vetor do espaço
de vetores V 3 necessitamos dos conceitos de dependência linear, independência linear, bases
(sistemas de coordenadas), que iremos estudar a seguir.
3~x + 2~u = 8( ~x − ~v ) .
Exercı́cio 2.3.13 Mostre que as diagonais de um paralelogramo têm o mesmo ponto médio.
Petronio Pulino 129
Exercı́cio 2.3.15 Prove que num triângulo ABC, cujas medianas são AM , BN e CP ,
tem–se
−−→ −−→ −→
AM + BN + CP = ~0 .
Exercı́cio 2.3.16 Os vetores ~v1 , ~v2 , ~v3 e ~u1 , ~u2 , ~u3 são tais que
Sabendo–se que
~v = 3~u1 − ~u2 + 2~u3 ,
represente o vetor ~v em função dos vetores ~v1 , ~v2 e ~v3 .
Exercı́cio 2.3.17 Sabendo–se que os vetores ~v1 e ~v2 não tem a mesma direção, e que
~v = ( a + 4b )~v1 + ( 2a + b + 1 )~v2
~u = c1 v1 + c2 v2 + · · · + cn vn .
~ ∈ V 3 dados por:
Exemplo 2.4.1 Considere os vetores ~u, ~v , w
~u = (1, 2, 3) , ~v = (1, 1, 1) e w
~ = (−1, 0, 1) .
Resolução – De fato, para isso, basta mostrar que existem escalares a, b ∈ IR de modo
que o vetor w
~ pode ser representado pela combinação linear
w
~ = a~u + b~v ⇐⇒ (−1, 0, 1) = a(1, 2, 3) + b(1, 1, 1) ,
~ ∈ V 3 dados por:
Exemplo 2.4.2 Considere os vetores ~u, ~v , w
~u = (1, 1, 0) , ~v = (1, 4, 5) e w
~ = (3, 6, 5) .
Mostre que o vetor ~u = (2, 6, 18) pode ser representado de modo único por uma combinação
linear dos vetores ~v1 , ~v2 e ~v3 , isto é, existem, e são únicas, as constantes a, b e c tais
que
~u = a~v1 + b~v2 + c~v3 .
Mostre que qualquer vetor do espaço de vetores V 3 pode ser escrito de modo único por um
combinação linear dos vetores ~v1 , ~v2 e ~v3 , isto é, existem, e são únicas, as constantes x,
y e z tais que
Para mostrar que o sistema linear acima admite solução única, basta mostrar que a matriz do
sistema é invertı́vel, que é equivalente a mostrar que a matriz tem determinante diferente de
zero. A seguir apresentamos a matriz A do sistema linear e a matriz R na forma escalonada
linha equivalente a matriz A.
1 1 0 1 1 0
A = 0 2 −3 e R = 0 2 −3
−1 1 2 0 0 5
Desse modo, o sistema linear acima admite solução única, uma vez que det(A) 6= 0.
Finalmente, vamos exibir a solução do sistema linear acima, em função das constantes a, b
e c. Escalonando o sistema linear acima, obtemos
x + y = a
2y − 3z = b
5z = c+a−b
~u = c1 v1 + c2 v2 + · · · + cn vn .
Exemplo 2.4.6 Podemos verificar facilmente que os vetores ~v1 , ~v2 ∈ V 2 dados por:
Resolução – De fato, para isso, vamos mostrar que um vetor qualquer ~u = (a, b) ∈ V 2
pode ser representado como uma combinação linear dos vetores ~v1 , ~v2 , isto é, exitem escalares
x e y tais que
~u = (a, b) = x (1, −1) + y (1, 1) .
Considerando a combinação linear acima, obtemos o seguinte sistema linear
(
x + y = a
−x + y = b
Definição 2.4.3 Dizemos que os vetores ~v1 , · · · , ~vn , pertencentes a um espaço de vetores,
são Linearmente Dependentes (LD) se, e somente se, existirem escalares α1 , · · · , αn
não todos nulos tais que
α1 ~v1 + · · · + αn ~vn = ~0 .
De maneira análoga, dizemos que os vetores ~v1 , · · · , ~vn , são Linearmente Dependentes
se, e somente se, a equação
α1 ~v1 + · · · + αn ~vn = ~0 ,
Definição 2.4.4 Dizemos que os vetores ~v1 , · · · , ~vn , pertencentes a um espaço de vetores,
são Linearmente Independentes (LI) se, e somente se, a equação
α1 ~v1 + · · · + αn ~vn = ~0 ,
Exemplo 2.4.7 Prove que se os vetores ~u, ~v ∈ V 3 são linearmente independentes, então
os vetores ~u + ~v , ~u − ~v são linearmente independentes.
a (~u + ~v ) + b (~u + w) ~ = ~0
~ + c (~v + w)
~ = ~0 .
(a + b) ~u + (a + c) ~v + (b + c) w
Como os vetores ~u, ~v , w~ são linearmente independentes, a equação acima possui somente a
solução trivial. Assim, obtemos o sistema linear homogêneo
a + b = 0 1 1 0 a 0
a + c = 0 ⇐⇒ 1 0 1 b = 0 .
b + c = 0 0 1 1 c 0
Como a matriz do sistema linear homogêneo é invertı́vel, uma vez que seu determinante é
não–nulo, o sistema linear possui somente a solução trivial a = b = c = 0, o que completa
a demonstração.
~ ∈ V 3 dados por:
Exemplo 2.4.11 Os vetores ~u, ~v , w
~u = (1, 1, 0) , ~v = (1, 4, 5) e w
~ = (3, 6, 5) ,
Considerando tudo o que foi exposto até o momento, vamos apresentar a definição de base
para o espaço de vetores V 3 .
Definição 2.4.6 Uma base para o espaço de vetores V 3 é qualquer conjunto que contém
três vetores de V 3 que são linearmente independentes.
Conforme os Exemplos 2.4.4 e 2.4.10, sabemos que os vetores ~v1 , ~v2 , ~v3 são linearmente
independentes e geram o espaço de vetores V 3 . Logo, os vetores ~v1 , ~v2 , ~v3 formam uma
base para o espaço de vetores V 3 .
Exemplo 2.4.13 Existem três vetores canônicos para representarmos de modo único os
vetores do espaço de vetores V 3 , que são os vetores dados por:
Podemos verificar facilmente que os vetores ~i, ~j, ~k são linearmente independentes e geram
o espaço de vetores V 3 . Assim, o conjunto β = {~i , ~j , ~k } é denominado base canônica
do espaço V 3 . Podemos também denotar os vetores canônicos por ~e1 , ~e2 , ~e3 , isto é,
Exemplo 2.4.15 Mostre que os vetores ~u, ~v ∈ V 3 não–nulos são linearmente dependentes
se, e somente se, um é múltiplo escalar do outro.
~ = ~0 .
a ~u + b ~v + c w
Exemplo 2.4.17 Seja γ = { ~v1 , ~v2 , ~v3 } uma base ordenada para o espaço de vetores V 3 .
Mostre que o conjunto β dado por:
Resolução – Para mostrar que o conjunto β é uma base para o espaço de vetores V 3 ,
basta mostrar que β é linearmente independente em V 3 . Para isso, basta mostrar que a
equação
a (2~v1 − ~v2 ) + b (~v1 − ~v2 + 2~v3 ) + c (~v1 + 2~v3 ) = ~0
possui somente a solução trivial a = b = c = 0.
Como os vetores ~v1 , ~v2 , ~v3 são linearmente independentes, a equação acima possui somente
a solução trivial. Assim, obtemos o seguinte sistema linear homogêneo:
2a + b + c = 0 2 1 1 a 0
a + b = 0 ⇐⇒ 1 1 0 b = 0
2b + c = 0 0 2 1 c 0
Como a matriz do sistema linear homogêneo é invertı́vel, uma vez que seu determinante é
não–nulo, o sistema linear homogêneo possui somente a solução trivial a = b = c = 0, o
que completa a demonstração.
Por base ordenada, entendemos que ~v1 é o primeiro elemento da base, ~v2 é o segundo
elemento da base e que ~v3 é o terceiro elemento da base.
136 Geometria Analı́tica e Vetores
Teorema 2.4.1 Seja β = { ~v1 , ~v2 , ~v3 } uma base ordenada para o espaço de vetores
V 3 . Então, todo vetor ~u ∈ V 3 pode ser escrito de modo único como uma combinação
linear dos vetores de β, isto é, existem, e são únicos, os escalares reais c1 , c2 , c3 tais que
Além disso, dizemos que os escalares c1 , c2 , c3 são as coordenadas do vetor ~u com relação
á base ordenada β, que denotamos pela matriz coluna
c1
[~u]β = c2 ,
c3
Demonstração – Como β = { ~v1 , ~v2 , ~v3 } é uma base para o espaço de vetores V 3 ,
sabemos que todo elemento ~u ∈ V 3 é expresso da forma:
3
X
~u = c1 ~v1 + c2 ~v2 + c3 ~v3 = cj ~vj .
j=1
cj − bj = 0 ⇐⇒ cj = bj para j = 1, 2, 3 ,
Exemplo 2.4.18 considere a base ordenada γ = { ~v1 = (1, 1) , ~v2 = (−1, 1) } para o
espaço de vetores V 2 . Determine a matriz de coordenadas do vetor ~u = (3, 5) ∈ V 2 com
relação a base ordenada γ.
(a) Mostre que os vetores ~v1 , ~v2 , ~v3 formam uma base para o espaço de vetores V 3 .
(b) Determine a matriz de coordenadas para o vetor ~u = (2, 1, 4) com relação à base
ordenada γ = { ~v1 , ~v2 , ~v3 }.
Resolução – Para mostrar que os vetores ~v1 , ~v2 , ~v3 formam uma base para o espaço de
vetores V 3 , basta mostrar que são linearmente independentes em V 3 . Para isso, basta
mostrar que a equação
a ~v1 + b ~v2 + c ~v3 = ~0
possui somente a solução trivial a = b = c = 0.
a + b + c = 0 1 1 1 a 0
a = 0 ⇐⇒ 1 0 0 b = 0
a + b − c = 0 1 1 −1 c 0
Como a matriz do sistema linear homogêneo é invertı́vel, uma vez que seu determinante é
não–nulo, o sistema linear homogêneo possui somente a solução trivial a = b = c = 0, o
que completa a demonstração.
Para obter a matriz de coordenadas para o vetor ~u = (2, 1, 4) com relação à base γ, basta
obter a solução da seguinte equação
1 1 1 a 2
1 0 0 b = 1
1 1 −1 c 4
−1
138 Geometria Analı́tica e Vetores
Desse modo, a matriz de coordenadas do vetor ~u com relação à base canônica é dada por:
−1
[~u]β = 2 .
Proposição 2.4.1 Sejam γ = { ~v1 , ~v2 , ~v3 } uma base ordenada para o espaço de vetores
V 3 e ~u, ~v vetores quaisquer de V 3 cujas matrizes de coordenadas são dadas por:
a1 a2
[~u]γ = b1 , [~v ]γ = b2 .
c1 c2
c1 + c2 λc1
Proposição 2.4.2 Sejam γ = { ~v1 , ~v2 , ~v3 } uma base ordenada para o espaço de vetores
V 3 e ~u, ~v , w
~ vetores quaisquer de V 3 cujas matrizes de coordenadas são dadas por:
a1 a2 a3
[~u]γ = b1 , [~v ]γ = b2 , [w]~ γ = b3 .
c1 c2 c3
a1 a2 a3
b1 b2 b3 6= 0 .
c1 c2 c3
Exemplo 2.4.22 Seja γ = { ~v1 , ~v2 , ~v3 } uma base para V 3 . Verifique se o conjunto
Exemplo 2.4.23 Seja γ = { ~v1 , ~v2 , ~v3 } uma base para V 3 . Mostre que o conjunto
Exemplo 2.4.24 Seja γ = { ~v1 , ~v2 , ~v3 } uma base ordenada para V 3 .
É possı́vel determinar valores para o parâmetro m de modo que os vetores ~v1 , ~v2 , ~v3 sejam
uma base para V 3 .
É possı́vel determinar valores para o parâmetro m de modo que os vetores ~v1 , ~v2 , ~v3 sejam
uma base para V 3 .
Exemplo 2.4.27 Seja γ = { ~v1 , ~v2 , ~v3 } uma base ordenada para V 3 .
Exemplo 2.4.28 Podemos verificar facilmente que os conjuntos de vetores dados por:
2.5 Exercı́cios
Exercı́cio 2.5.1 Seja γ = { ~v1 , ~v2 , ~v3 } uma base ordenada para o espaço de vetores V 3 .
Verifique se o conjunto β dado por:
(a) Mostre que os vetores ~v1 , ~v2 , ~v3 formam uma base para o espaço de vetores V 3 .
(b) Determine a matriz de coordenadas para o vetor ~u = (2, 1, 4) com relação a base
ordenada γ = { ~v1 , ~v2 , ~v3 }.
Exercı́cio 2.5.4 Seja γ = { ~v1 , ~v2 , ~v3 } uma base para o espaço de vetores V 3 . Mostre
que o conjunto
β = { a ~v1 , b ~v2 , c ~v3 }
é uma base para o espaço de vetores V 3 , desde que os escalares a, b, c sejam não–nulos.
Exercı́cio 2.5.5 Seja γ = { ~v1 , ~v2 , ~v3 } uma base ordenada para V 3 .
2
Determine a matriz de coordenadas do vetor w
~ em relação a base β.
É possı́vel determinar valores para o parâmetro m de modo que os vetores ~v1 , ~v2 , ~v3 sejam
uma base para o espaço de vetores V 3 .
142 Geometria Analı́tica e Vetores
É possı́vel determinar valores para o parâmetro m de modo que os vetores ~v1 , ~v2 , ~v3 sejam
uma base para o espaço de vetores V 3 .
Exercı́cio 2.5.8 Seja γ = { ~v1 , ~v2 , ~v3 } uma base ordenada para V 3 .
[w]
~ β = P [w]
~γ ⇐⇒ ~ γ = P −1 [w]
[w] ~β.
[w]
~ γ = P [w]
~β ⇐⇒ ~ β = P −1 [w]
[w] ~γ,
~ ∈ V 2.
para todo vetor w
Demonstração – Pelo Teorema 2.4.1, sabemos que cada vetor da base ordenada β pode
ser representado de modo único como uma combinação linear dos vetores da base γ, isto é,
existem, e são únicos, os escalares reais c11 , c21 tais que
O fato que a matriz de mudança de base P é uma matriz invertı́vel, é uma consequência
imediata da Proposição 2.4.2. Para mostrar a unicidade da matriz de mudança de base,
basta considerar duas matrizes P e Q tais que
[w]
~ γ = P [w]
~β e [w]
~ γ = Q[w]
~β ⇐⇒ ( P − Q )[w]
~ β = 02×1
Proposição 2.6.2 Sejam β e γ bases ordenadas para o espaço de vetores V 3 dadas por:
β = { ~u1 , ~u2 , ~u3 } e γ = { ~v1 , ~v2 , ~v3 } .
Então, existe uma única matriz invertı́vel P de ordem 3 × 3 tal que
[w]
~ γ = P [w]
~β ⇐⇒ ~ β = P −1 [w]
[w] ~γ,
~ ∈ V 3.
para todo vetor w
Demonstração – Pelo Teorema 2.4.1, sabemos que cada vetor da base ordenada β pode
ser representado de modo único como uma combinação linear dos vetores da base γ, isto é,
existem, e são únicos, os escalares reais c11 , c21 , c31 tais que
~u1 = c11 ~v1 + c21 ~v2 + c31 ~v3 ,
e existem, e são únicos, os escalares reais c12 , c22 , c32 tais que
~u2 = c12 ~v1 + c22 ~v2 + c32 ~v3 .
e existem, e são únicos, os escalares reais c13 , c23 , c33 tais que
~u3 = c13 ~v1 + c23 ~v2 + c33 ~v3 .
~ ∈ V 3 cuja matriz de coordenadas na base ordenada β é dada por:
Dado um vetor w
a
~ β = b ,
[w]
c
isto é, o vetor w
~ é escrito da seguinte forma:
w
~ = a~u1 + b~u2 + c~u3
= a( c11 ~v1 + c21 ~v2 + c31 ~v3 ) + b( c12 ~v1 + c22 ~v2 + c23 ~v3 ) + c( c13 ~v1 + c23 ~v2 + c33 ~v3 )
= ( a c11 + b c12 + c c13 ) ~v1 + ( a c21 + b c22 + c c23 ) ~v2 + ( a c31 + b c32 + c c33 ) ~v3
Desse modo, obtemos a matriz de coordenadas do vetor w
~ com relação à base ordenada γ
que é dada por:
a c11 + bc12 + c c13 c11 c12 c13 a
~ γ = a c21 + bc22 + c c23 = c21 c22 c23
[w] b = P [w]
~β.
a c31 + b c32 + c c33 c31 c32 c33 c
Portanto, a matriz P procurada é dada por:
c11 c12 c13
P = c21 c22 c23 ,
c31 c32 c33
que é denominada matriz de mudança da base ordenada β para a base ordenada γ.
O fato que a matriz de mudança de base P é uma matriz invertı́vel, é uma consequência
imediata da Proposição 2.4.2. Para mostrar a unicidade da matriz de mudança de base,
~ ∈ V 3 , tem–se
basta considerar duas matrizes P e Q tais que, para todo vetor w
[w]
~ γ = P [w]
~β e [w]
~ γ = Q[w]
~β ⇐⇒ ( P − Q )[w]
~ β = 03×1
Assim, concluı́mos que P = Q, o que completa a demonstração.
Petronio Pulino 145
1 2
−
1 2 5 5
Resposta: P = e P −1 =
−2 1 2 1
5 5
Desse modo, os elementos da base ordenada α são expressos em função dos elementos da
base ordenada γ da seguinte forma:
1 0 3
P = −1 2 0
−1 3 1
P −1 = −1 −4 3
1 3 −2
Conhecendo a matriz de coordenadas do vetor ~u ∈ V 3 em relação a base ordenada β, dada
por:
2
[~u]β = 3 ,
4
sabemos que sua matriz de coordenadas com relação à base ordenada γ é dada por:
−2 −9 6 2 −7
1 3 −2 4 3
Petronio Pulino 147
Exemplo 2.6.5 Considere as bases ordenadas para o espaço de vetores V 2 dadas por:
Para todo vetor ~u = (x, y) ∈ V 2 , suas coordenadas relativas à base canônica β estão
relacionadas com suas coordenadas relativas à base ordenada γ da seguinte forma:
x = x′ + y ′ e y = y ′ − x′ , x′ , y ′ ∈ IR ,
y = 2x + 2 ⇐⇒ y ′ − x′ = 2y ′ + 2x′ + 2 ⇐⇒ −y ′ = 3x′ + 2 .
y
6
r
y′
!
!
@ !
@ !
@ !
@ !
@ !
@ !
@
~ e2 ! !
@ 6 !
@ !~ v2
@!
s - -x
!@ ~ e1
! @
! ~v1@
R
@
! @
! @
! @
! @
! @
! @
! @
@R x′
@
Exemplo 2.6.6 Considere as bases ordenadas para o espaço de vetores V 2 dadas por:
2.7 Exercı́cios
Exercı́cio 2.7.1 Considere as bases ordenadas para o espaço de vetores V 2 dadas por:
[w]
~ β = P [w]
~γ ⇐⇒ ~ γ = P −1 [w]
[w] ~β.
Produto Escalar
3
Conteúdo
3.1 Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
3.2 Norma Euclidiana. Métrica . . . . . . . . . . . . . . . . . . . . . 160
3.3 Definição de Ângulo e Ortogonalidade . . . . . . . . . . . . . . . 166
3.4 Projeção Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . 172
3.5 Base Ortogonal. Coordenadas . . . . . . . . . . . . . . . . . . . . 175
3.6 Processo de Ortogonalização . . . . . . . . . . . . . . . . . . . . . 179
3.7 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
3.8 Distância de Ponto a Ponto . . . . . . . . . . . . . . . . . . . . . 190
3.9 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
151
152 Geometria Analı́tica e Vetores
~u ~v ou por h ~u, ~v i .
Neste capı́tulo apresentamos um estudamos das propriedades geométricas que são atribuı́das
ao espaço de vetores através do produto escalar definido nesse espaço. Mais especificamente,
estabelecemos as propriedades básicas, e suas aplicações, dos conceitos de norma, ângulo,
ortogonalidade e projeção ortogonal determinadas ao espaço de vetores pelo produto escalar.
h ·, · i : V 3 × V 3 −→ IR
(3) Distributividade: h ~u + w,
~ ~v i = h ~u, ~v i + h w,
~ ~v i ; ~ ∈ V3
∀ ~u, ~v , w
(5) h ~u, ~v + w
~ i = h ~u, ~v i + h ~u, w
~i
~ ∈ V 3 e λ ∈ IR.
para todos ~u, ~v , w
Petronio Pulino 153
h ~u, ~v + w
~ i = h ~v + w,
~ ~u i = h ~v , ~u i + h w,
~ ~u i = h ~u, ~v i + h ~u, w
~i,
h ~u, λ ~v i = h λ ~v , ~u i = λh ~v , ~u i = λ h ~u, ~v i ,
~ ∈ V 3 e λ ∈ IR.
para todos ~u, ~v , w
Assim, dizemos que o produto escalar, no espaço de vetores V 3 , é uma aplicação bilinear,
isto é, o produto escalar é uma aplicação linear em cada uma das variáveis. Com o objetivo
de esclarecer vamos apresentar o conceito de transformação linear.
T : V 3 −→ V 3
~v −→ T (~v ) = ~v
T : V 3 −→ V 3
~v −→ T (~v ) = λ ~v
que representa uma contração para 0 < λ < 1, e uma expansão para λ > 1.
Note que, tanto na contração, quanto na expansão, o vetor T (~v ) tem a mesma direção e
sentido do vetor v, como ilustram as Figuras 3.1 e 3.2.
154 Geometria Analı́tica e Vetores
~v −→ T (~v ) = −~v
que representa uma reflexão em torno da sua origem.
Tendo o conceito de transformação linear, voltamos ao fato que o produto escalar é uma
aplicação bilinear, isto é, é uma aplicação linear em cada uma das variáveis. De fato, das
propriedades de produto escalar, obtemos facilmente que
1. h a~u + b~v , w
~ i = a h ~u, w
~ i + b h ~v , w
~i
2. h w,
~ a~u + b~v i = a h w,
~ ~u i + b h w,
~ ~v i
~ ∈ V 3 e a, b ∈ IR.
para todo ~u, ~v , w
Petronio Pulino 155
~u −→ T (~u) = h ~u, w
~i
é uma transformação linear.
De fato, para todo ~u, ~v ∈ V 3 e a, b ∈ IR, tem–se
T (a~u + b~v ) = h a~u + b~v , w
~ i = a h ~u, w
~ i + b h ~v , w
~ i = a T (~u) + b T (~v ) ,
o que mostra que T é uma transformação linear.
(~u, ~v ) −→ h ~u, ~v ip = a x1 y1 + b x2 y2 + c x3 y3
para a , b , c números reais positivos, define um produto escalar no espaço de vetores V 3 ,
denominado produto escalar ponderado.
Demonstração – A prova é feita, essencialmente, considerando que o conjunto dos números
reais IR é munido das seguintes propriedades:
1. Se ab = 0, então a = 0 ou b = 0.
3. Se a 6= 0, então a2 > 0.
(~u, ~v ) −→ h ~u, ~v i = x1 y1 + x2 y2 + x3 y3
define um produto escalar no espaço de vetores V 3 .
Demonstração – A prova segue do Teorema 3.1.1 para a = b = c = 1.
156 Geometria Analı́tica e Vetores
h ~x, ~y ip = 2 x1 y1 + 4 x2 y2 + 6 x3 y3
h ~x, ~y i = x1 y1 + x2 y2 + x3 y3
h ~u, ~v i2 ≤ h ~u, ~u i h ~v , ~v i .
Além disso, a igualdade é válida se, e somente se, os vetores ~u e ~v são linearmente
dependentes.
h ~u + λ ~v , ~u + λ ~v i = h ~u, ~u i + h ~u, λ ~v i + h λ ~v , ~u i + λ2 h ~v , ~v i
não possui raı́zes reais. Note que a equação do segundo grau dada em (3.1) pode ser escrita
da seguinte forma:
aλ2 + bλ + c = 0 ,
onde a = h ~v , ~v i > 0, b = 2 h ~u, ~v i e c = h ~u, ~u i > 0. Na figura abaixo ilustramos o
gráfico da função quadrática ϕ(λ) = aλ2 + bλ + c para λ ∈ IR.
ϕ
6
... .
... ...
... .
....
... .
... ..
... .
....
... .
... ...
... ...
... .
..
... ..
... .
...
... ..
...
... ...
... ...
... ..
.... ...
.... .
.....
..... .
.......... .............
............
-λ
0
158 Geometria Analı́tica e Vetores
ϕ
6
... ..
... ...
... .
...
... .
... ...
... .
...
... .
... ...
...
....
... .
... ..
... ....
... .
.
... ..
...
... .....
... ...
.... ...
.... .
.....
..... .
.......... ..............
............ -λ
0
λ
Assim, tem–se
h ~x, ~y i = x1 y1 + x2 y2 + x3 y3
h ~u, ~v i = 6 , h ~u, ~u i = 6 e h ~v , ~v i = 11 .
Assim, tem–se
62 < 6 × 11 .
O item (b) pode ficar a cargo do leitor.
Exemplo 3.1.8 Considere o espaço de vetores V 3 munido com o produto escalar ponderado
h · , · ip , definido da seguinte forma:
h ~x, ~y ip = 2 x1 y1 + 4 x2 y2 + 6 x3 y3
h ~u, ~v ip = 20 , h ~u, ~u ip = 24 e h ~v , ~v ip = 28 .
Assim, tem–se
202 < 24 × 28 .
O item (b) pode ficar a cargo do leitor.
160 Geometria Analı́tica e Vetores
k · k : V 3 −→ IR
~u −→ k ~u k
(a) Positividade:
(b) Homogeneidade:
k λ ~u k = | λ | k ~u k para todo ~u ∈ V 3 , λ ∈ IR
k ~u + ~v k ≤ k ~u k + k ~v k para todo ~u , ~v ∈ V 3
d(·, ·) : V 3 × V 3 −→ IR
(~u, ~v ) −→ d(~u, ~v )
(a) Positividade:
(b) Simetria:
d(~u, ~v ) = d(~v , ~u) para todo ~u, ~v ∈ V 3
d(~u, ~v ) ≤ d(~u, w)
~ + d(~v , w)
~ ~ ∈ V3
para todo ~u, ~v , w
k · k : V 3 −→ IR
p
~u −→ k ~u k = h ~u, ~u i
k ~u + ~v k2 = h ~u + ~v , ~u + ~v i = h ~u, ~u i + h ~u, ~v i + h ~v , ~u i + h ~v , ~v i .
k ~u + ~v k2 ≤ k ~u k2 + 2 | h ~u, ~v i | + k ~v k2 .
k ~u + ~v k2 ≤ k ~u k2 + 2 k ~u k k ~v k + k ~v k2 = ( k ~u k + k ~v k )2 .
Portanto
k ~u + ~v k2 ≤ ( k ~u k + k ~v k )2 =⇒ k ~u + ~v k ≤ k ~u k + k ~v k
h ~x, ~y i = x1 y1 + x2 y2 + x3 y3
(c) w
~ = (1, −1, 1)
Exemplo 3.2.2 Considere o espaço de vetores V 3 munido com o produto escalar ponderado
h · , · ip , definido da seguinte forma:
h ~x, ~y ip = 2 x1 y1 + 4 x2 y2 + 6 x3 y3
(c) w
~ = (1, −1, 1)
h ~x, ~y i = x1 y1 + x2 y2 + x3 y3
(c) w
~ = (1, −1, 1)
Exemplo 3.2.4 Considere o espaço de vetores V 3 munido com o produto escalar ponderado
h · , · ip , definido da seguinte forma:
h ~x, ~y ip = 2 x1 y1 + 3 x2 y2 + 5 x3 y3
(c) w
~ = (1, −1, 1)
d(·, ·) : V 3 × V 3 −→ IR
(~u, ~v ) −→ d(~u, ~v ) = k ~u − ~v k
h ~u, ~v i = x1 y1 + x2 y2 + x3 y3
definida pela norma Euclidiana, representa a distância entre as extremidades dos vetores
−−→ −→
~u = OB e ~v = OA, isto é, o comprimento do segmento AB, como ilustra a Figura 3.4.
Ar
@
@
~u
−
@
~v
~v
@
@
Rr
@
*B
~u
r
O
~u = (x1 , x2 , x3 ) e ~v = (y1 , y2 , y3 ) ∈ V 3 ,
~u − ~v = (x1 − y1 , x2 − y2 , x3 − y3 ) .
Além disso, não podemos esquecer que a distância Euclidiana depende o produto escalar
definido no espaço de vetores, como veremos nos exemplos a seguir.
Petronio Pulino 165
h ~u, ~v i = x1 y1 + x2 y2 + x3 y3
Exemplo 3.2.6 Considere o espaço de vetores V 3 munido com o produto escalar ponderado
h · , · ip , definido da seguinte forma:
| h ~u, ~v i |
h ~u, ~v i2 ≤ h ~u, ~u i h ~v , ~v i ⇐⇒ | h ~u, ~v i | ≤ k ~u k k ~v k ⇐⇒ ≤ 1.
k ~u k k ~v k
h ~u, ~v i
= cos(θ) .
k ~u k k ~v k
Além disso, existe um único valor θ ∈ [0, π] satisfazendo a igualdade. Assim, podemos ter
a noção de ângulo entre dois vetores de espaço V 3 , que será compatı́vel com a definição de
ortogonalidade que apresentamos a seguir.
É importante observar que estamos considerando o menor ângulo entre os vetores, como
ilustra a Figura 3.5.
~v
... ~u
........... θ
*
....
....
.
...
q
O
É importante ressaltar que o conceito de ângulo entre dois vetores depende do produto
escalar definido no espaço de vetores. Assim, o produto escalar define uma geometria no
espaço de vetores, como veremos nos exemplos a seguir.
Petronio Pulino 167
~u = (2, 0) e ~v = (1, 1) .
~v
!
....
! ...... θ
.
!
r ... - -
0 ~u
Exemplo 3.3.2 Considere o espaço de vetores V 2 munido com o produto escalar ponderado
h · , · ip , definido da seguinte forma:
h ~x, ~y ip = 2 x1 y1 + 3 x2 y2
~u = (2, 0) e ~v = (1, 1) .
Vamos comparar os resultados obtidos nos exemplos 3.3.1 e 3.3.2, nos quais consideramos os
mesmos vetores, entretanto os espaços de vetores V 3 estão munidos com produtos escalares
diferentes. No exemplo 3.3.2 o ângulo entre os vetores ~u, ~v é maior que o ângulo obtido no
exemplo 3.3.1. No exemplo 3.3.2 é como estar olhando o espaço de vetores V 3 com uma
lupa, como consequência do produto escalar ponderado definido no espaço.
168 Geometria Analı́tica e Vetores
h ~u, ~v i = 0 ,
e denotamos por ~u ⊥ ~v .
1. ~0 ⊥ ~v para todo ~v ∈ V 3
2. ~u ⊥ ~v implica ~v ⊥ ~u
4. Se ~v ⊥ w
~ e ~u ⊥ w,
~ então (~v + ~u) ⊥ w
~
4. Considere que ~v ⊥ w
~ e ~u ⊥ w,
~ isto é,
h ~v , w
~ i = 0 e h ~u, w
~i = 0 .
h ~v , w
~ i + h ~u, w
~i = 0 ⇐⇒ h ~v + ~u, w
~i = 0 ⇐⇒ ~v + ~u ⊥ w
~ .
λh ~v , ~u i = 0 ⇐⇒ h λ ~v , ~u i = 0 ⇐⇒ λ ~v ⊥ ~u para todo λ ∈ IR ,
h ~x, ~y i = x1 y1 + x2 y2 + x3 y3
h ~x, ~y ip = 2 x1 y1 + 4 x2 y2 + 6 x3 y3
Exemplo 3.3.6 Considere o espaço de vetores V 2 munido com o produto escalar ponderado
h · , · ip , definido da seguinte forma:
h ~x, ~y ip = 2 x1 y1 + 4 x2 y2
k ~u + ~v k2 = k ~u k2 + k ~v k2 .
k ~u + ~v k2 = h ~u + ~v , ~u + ~v i = h ~u, ~u i + 2 h ~u, ~v i + h ~v , ~v i .
Portanto,
k ~u + ~v k2 = k ~u k2 + k ~v k2 ⇐⇒ h ~u, ~v i = 0 ⇐⇒ ~u ⊥ ~v ,
k ~u + ~v k2 + k ~u − ~v k2 = 2 k ~u k2 + 2 k ~v k2 .
Proposição 3.3.1 (Lei dos Cossenos) Considere o espaço de vetores V 3 munido com
o produto escalar h · , · i e da norma k · k proveniente desse produto escalar, e os vetores
~u, ~v ∈ V 3 não–nulos. Se θ é o ângulo entre os vetores ~u e ~v , então
k ~u ± ~v k2 = k ~u k2 + k ~v k2 ± 2 k ~u k k ~v k cos(θ) .
k ~u ± ~v k2 = h ~u + ~v , ~u + ~v i = h ~u, ~u i ± 2 h ~u, ~v i + h ~v , ~v i .
h ~u, ~v i = k ~u k k ~v k cos(θ) ,
k ~u ± ~v k2 = k ~u k2 + k ~v k2 ± 2 k ~u k k ~v k cos(θ) ,
~ = ( ~u − λ∗~v ) ⊥ ~v
w ⇐⇒ h ( ~u − λ∗~v ), ~v i = 0 .
h ~x, ~y i = x1 y1 + x2 y2 + x3 y3
h ~x, ~y ip = 2 x1 y1 + 3 x2 y2 + 5 x3 y3
−−→ h ~u, ~v ip
~u1 = proj ~v (~u) = ~v ,
h ~v , ~v ip
h ~u, ~v ip 17
(a) ~u1 = ~v = (3, −1, 1)
h ~v , ~v ip 14
A resolução dos itens (b) e (c) deve ser feita junto com a classe. É sempre importante
ressaltar que a geometria do espaço de vetores V 3 depende do produto escalar definido
nesse espaço, como mostram os resultados dos dois exemplos anteriores.
174 Geometria Analı́tica e Vetores
Problema de Minimização
Teorema 3.4.1 Considere o espaço de vetores V 3 munido com o produto escalar h · , · i e
da norma k · k proveniente desse produto escalar, os vetores ~u , ~v ∈ V 3 não–nulos e o vetor
~u1 = λ∗ ~v ∈ V 3 a projeção ortogonal do vetor ~u na direção do vetor ~v , isto é,
h ~u, ~v i
~ = ~u − λ∗ ~v ⊥ ~v
w com λ∗ = . (3.4)
h ~v , ~v i
Considere a função auxiliar ϕ : IR −→ IR definida da seguinte forma:
ϕ(λ) = k ~u − λ ~v k2 . (3.5)
ϕ(λ) = k ~u − λ ~v k2 = h ~u − λ ~v , ~u − λ ~v i .
... .
... ...
... ....
.
... .
... ..
... ....
...
... ...
..
... ...
.
... .
... ..
... ....
... .
... ..
... .
....
... .
... ...
....
.... ......
..... .
...
.......... .............
............ -λ
0 λ∗
É importante observar, que utilizando a definição de distância Euclidiana entre dois vetores,
Teorema 3.2.2, podemos interpretar a minimização da função auxiliar ϕ como sendo a
minimização da distância entre a extremidade do vetor ~u e a extremidade de qualquer vetor
λ ~v que estão na direção do vetor ~v .
Petronio Pulino 175
h ~u, ~ui i
~u = c1~u1 + c2~u2 + c3~u3 com ci = , (3.8)
h ~ui , ~ui i
Demonstração – Pelo Teorema 2.4.1 sabemos que todo vetor ~u ∈ V 3 pode ser escrito de
modo único como uma combinação linear dos vetores da base ortogonal β = { ~u1 , ~u2 , ~u3 },
isto é,
~u = c1~u1 + c2~u2 + c3~u3 .
Fazendo o produto escalar do vetor ~u por cada um dos vetores ~ui da base ortogonal, tem–se
h ~u, ~ui i = h c1~u1 + c2~u2 + c3~u3 , ~ui i = c1 h ~u1 , ~ui i + c2 h ~u2 , ~ui i + c3 h ~u3 , ~ui i = ci h ~ui , ~ui i
h ~u, ~ui i
ci = para i = 1, 2, 3 .
h ~ui , ~ui i
É importante lembrar que a matriz de coordenadas do vetor ~u com relação a base ordenada
β é escrita da seguinte forma:
c1
[~u]β = c2 . (3.9)
c3
176 Geometria Analı́tica e Vetores
onde as coordenadas dos vetores ~u e ~v com relação à base ortonormal β são dados por:
h ~u, ~v i = b1 c1 + b2 c2 + b3 c3 .
3 X
X 3
= bi cj h ~ui , ~uj i
i=1 j=1
3
X
= bi c i
i=1
= b1 c1 + b2 c2 + b3 c3 ,
uma vez que β = { ~u1 , ~u2 , ~u3 } é uma base ortonormal, o que completa a demonstração.
podemos escrever o produto escalar entre os vetores ~u e ~v , de acordo com o Teorema 3.5.2,
da seguinte forma:
h ~u, ~v i = b1 c1 + b2 c2 + b3 c3
= [~u]tβ [~v ]β
(3.11)
c1
= b1 b2 b3 c 2 .
c3
Petronio Pulino 177
(c) w
~ = (2, 1, 1)
(b) ~v = (−1, 2)
(c) w
~ = (2, 3)
Para isso, inicialmente escolhemos o vetor ~q1 = ~v1 . Em seguida construı́mos o vetor ~q2 da
seguinte forma:
!
!
!
! π1
!
!
6
~v2 !!
!
!
! ~q2 = ~v2 − a1 q1
!
!
!
!
r - - r
O ~q1 ~ 1 = a1 ~q1
w
!
!
!
!
!
!
Geometricamente temos que o vetor ~q2 , dado pela equação (3.14), é a projeção ortogonal do
vetor ~v2 sobre o plano π1 que passa pela origem e é perpendicular à reta r.
O vetor w
~ 2 expresso da forma:
é a projeção ortogonal do vetor ~v3 sobre o plano π2 que passa pela origem e é gerado pelos
vetores ortogonais { ~q1 , ~q2 }, cuja equação vetorial é dada por:
~v3
6
!
!
!
!
! ! !
! ~q3 π2 !
! ! !
! ! !
! !
r - !
! O w
~2 !
! !
! !
! !
Do ponto de vista geométrico temos que o vetor ~q3 , dado pela equação (3.17), é a projeção
ortogonal do vetor ~v3 sobre a reta s que passa pela origem e é perpendicular ao plano π2 .
h ~x, ~y i = x1 y1 + x2 y2 + x3 y3
Vamos obter uma base ortogonal γ = { ~q1 , ~q2 , ~q3 }, com relação ao produto escalar definido
no espaço V 3 , a partir da base ordenada β dada acima. Para isso, inicialmente escolhemos
o vetor ~q1 = ~v1 = (1, 0, 1).
h ~v3 , ~q2 i 1
h ~v3 , ~q2 i − b1 h ~q1 , ~q2 i − b2 h ~q2 , ~q2 i = 0 ⇐⇒ b2 = =
h ~q2 , ~q2 i 3
uma vez que h ~q1 , ~q2 i = h ~q2 , ~q1 i = 0.
Determine um vetor ~v3 de modo que o conjunto β seja uma base ortogonal com relação ao
produto escalar definido no espaço V 3 .
Resolução – Podemos verificar facilmente que os vetores ~v1 e ~v2 são ortogonais em V 3 .
Desse modo, considerando o processo de ortogonalização de Gram–Schmidt, escolhemos um
~ ∈ V 3 de modo que o conjunto { ~v1 , ~v2 , w
vetor w ~ } ⊂ V 3 seja uma base para V 3 . Por
exemplo, podemos escolher o vetor w~ = (0, 0, 1) . Em seguida, construı́mos o vetor ~v3 da
seguinte forma:
~v3 = w
~ − b1 ~v1 − b2 ~v2 ⊥ ~v1 ⇐⇒ h ~v3 , ~v1 i = 0
~v3 = w
~ − b1 ~q1 − b2 ~v2 ⊥ ~v2 ⇐⇒ h ~v3 , ~v2 i = 0
h w,
~ ~v1 i 1
h w,
~ ~v1 i − b1 h ~v1 , ~v1 i − b2 h ~v2 , ~q1 i = 0 ⇐⇒ b1 = =
h ~v1 , ~v1 i 11
h w,
~ ~v2 i 1
h w,
~ ~v2 i − b1 h ~v1 , ~v2 i − b2 h ~v2 , ~v2 i = 0 ⇐⇒ b2 = =
h ~v2 , ~v2 i 6
~v3 = w
~ − b1 ~v1 − b2 ~v2
1 1
= (0, 0, 1) − (1, −3, 1) − (2, 1, 1)
11 6
1
= (−28, 7, 49)
66
Resolução – Inicialmente escolhemos o vetor ~q1 = ~v1 = (2, 1). Em seguida, construı́mos
o vetor ~q2 da seguinte forma:
h ~v2 , ~q1 i 3
h ~q2 , ~q1 i = 0 ⇐⇒ h ~v2 , ~q1 i − a1 h ~q1 , ~q1 i = 0 ⇐⇒ a1 = = .
h ~q1 , ~q1 i 5
Para determinar a base ortonormal γ ∗ basta dividir cada vetor da base ortogonal γ pela
respectiva norma. Portanto, obtemos
(√ √ )
∗ 5 5
γ = (2, 1) , (−1, 2) .
5 5
Resolução – Inicialmente escolhemos o vetor ~q1 = ~v1 = (1, 1). Em seguida, construı́mos
o vetor ~q2 da seguinte forma:
h ~v2 , ~q1 i 3
h ~q2 , ~q1 i = 0 ⇐⇒ h ~v2 , ~q1 i − a1 h ~q1 , ~q1 i = 0 ⇐⇒ a1 = = .
h ~q1 , ~q1 i 2
Para determinar a base ortonormal γ ∗ basta dividir cada vetor da base ortogonal γ pela
respectiva norma. Portanto, obtemos
(√ √ )
∗ 2 2
γ = (1, 1) , (1, −1) .
2 2
Determine a partir da base ordenada β uma base ordenada ortonormal γ ∗ com relação ao
produto escalar definido no espaço V 3 .
Resolução – Inicialmente, vamos obter uma base ortogonal γ = { ~q1 , ~q2 , ~q3 }, com relação
ao produto escalar definido no espaço V 3 , a partir da base ordenada β dada acima.
186 Geometria Analı́tica e Vetores
Para isso, inicialmente escolhemos o vetor ~q1 = ~v1 = (1, 1, 1). Em seguida construı́mos o
vetor ~q2 da seguinte forma:
h ~v2 , ~q1 i 2
h ~q2 , ~q1 i = 0 ⇐⇒ h ~v2 , ~q1 i − a1 h ~q1 , ~q1 i = 0 ⇐⇒ a1 = = .
h ~q1 , ~q1 i 3
h ~v3 , ~q1 i 2
h ~v3 , ~q1 i − b1 h ~q1 , ~q1 i − b2 h ~q2 , ~q1 i = 0 ⇐⇒ b1 = =
h ~q1 , ~q1 i 3
h ~v3 , ~q2 i 1
h ~v3 , ~q2 i − b1 h ~q1 , ~q2 i − b2 h ~q2 , ~q2 i = 0 ⇐⇒ b2 = = −
h ~q2 , ~q2 i 4
Para determinar a base ortonormal γ ∗ basta dividir cada vetor da base ortogonal γ pela
respectiva norma. Portanto, obtemos
(√ √ √ )
3 5 2
γ∗ = (1, 1, 1) , (1, −2, 1) , (3, 0, −3) .
3 5 6
Petronio Pulino 187
3.7 Exercı́cios
Em todos os Exercı́cios, considere o espaço de vetores V 3 munido com o produto escalar
h · , · i , definido da seguinte forma:
h ~u, ~v i = x1 y1 + x2 y2 + x3 y3
e com a norma proveniente desse produto escalar, denominada Norma Euclidiana, definida
da seguinte forma:
p p
k ~u k = h ~u, ~u i = (x1 )2 + (x2 )2 + (x3 )2
~u = (1, 1, 1) .
~u = (1, 0, −1) .
Exercı́cio 3.7.3 Qual o significado geométrico dos conjuntos encontrados nos item (a)?
Exercı́cio 3.7.4 Qual o significado geométrico dos conjuntos encontrados nos item (b)?
Sugestão: o vetor ~u pode ser escolhido como sendo a projeção ortogonal do vetor w
~ na
direção do vetor ~v1 = (0, 1, 3).
(a) Usando os conceitos de vetores mostre que o triângulo ABC é um triângulo retângulo.
(b) Determine o ponto H no lado AC, do triângulo ABC, para o qual os segmentos AC
e HB são ortogonais.
c1 c2
~ = h w,
w ~ ~q1 i ~q1 + h w,
~ ~q2 i ~q2 + h w,
~ ~q3 i ~q3 ,
(b) Mostre que o produto escalar entre os vetores ~u e ~v pode ser escrito da forma:
h ~u, ~v i = a1 a2 + b1 b2 + c1 c2 .
k ~u k = k ~v k ⇐⇒ h ~u + ~v , ~u − ~v i = 0 ,
(a) Mostre que β = { u~1 , u~2 , u~3 } é uma base para V 3 , isto é,
(i) Mostre que todo vetor ~u = (a, b, c) ∈ V 3 pode ser escrito como uma combinação
linear dos elementos de β.
(ii) Mostre que β é linearmente independente.
~q3
6
~q2
r - -
!0
!
~
!q
! 1
!
!
!
!
!
!
que é o mesmo conceito de adição de ponto com vetor estudado na seção 2.2.3.
Cada uma das retas suporte dos segmentos OA, OB e OC são denominadas de eixos
coordenados, respectivamente, eixo das abscissas (OX ), eixo das ordenadas (OY ) e
eixo das cotas (OZ ), como ilustra a Figura 3.11.
Considerando o sistema ortogonal de coordenadas Σ = (O, ~q1 , ~q2 , ~q3 ), dado um ponto
−→
P ∈ IE 3 podemos representar o vetor OP da seguinte forma:
−→
OP = x ~q1 + y ~q2 + z ~q3 , (3.21)
rP = (x, y, z)
−→
~q3 OP
6
~q2
- -
!0
!
~
!q
! 1
!
!
!
!
!
!
A = (x1 , y1 , z1 ) e B = (x2 , y2 , z2 ) ,
Ar
@
−→
@
A
@
B
−→
OA @
@
R
@
*rB
OB
−−→
r
O
É importante ressaltar que, como o espaço de vetores V 3 está munido com base ortonormal
γ ∗ , isto é, Σ = (O, γ ∗ ) é um sistema ortogonal de coordenadas para o espaço IE 3 , sabemos
−→ −−→
que os vetores OA e OB são escrito de modo único da seguinte forma:
−→ −−→
OA = x1 ~q1 + y1 ~q2 + z1 ~q3 e OB = x2 ~q1 + y2 ~q2 + z2 ~q3 . (3.24)
−→ −−→ −→
Assim, o vetor AB = OB − OA é representado da seguinte forma:
−→
AB = (x2 − x1 ) ~q1 + (y2 − y1 ) ~q2 + (z2 − z1 ) ~q3 , (3.25)
e a distância entre os pontos A e B ficada definida como no equação (3.23), uma vez que
−→
d(A, B) = k AB k.
Petronio Pulino 193
h ~u, ~v i = x1 y1 + x2 y2 + x3 y3
Sejam β = { ~e1 , ~e2 , ~e3 }, onde ~e1 = (1, 0, 0) , ~e2 = (0, 1, 0) e ~e3 = (0, 0, 1), a
base canônica para o espaço de vetores V 3 e Σ = (O, ~e1 , ~e2 , ~e3 ) o sistema ortogonal de
coordenadas para o espaço IE 3 , com O = (0, 0, 0) a origem para esse sistema ortogonal de
coordenadas. Determine a distância entre os pontos A, B ∈ IE 3 dados por:
A = (1, 2, 3) e B = (4, 6, 8) .
assim, obtemos
−→ √ √ √
d(A, B) = k AB k = 9 + 16 + 25 = 50 = 5 2 .
Resolução – Considerando a ilustração da Figura 3.14, note que podemos escrever o ponto
médio M do segmento AB da seguinte forma:
1 −→
M = A + AB
2
para obter suas coordenadas de acordo com a equação (3.26).
Ar Mr Br
h ~u, ~v i = x1 y1 + x2 y2 + x3 y3
Sejam β = { ~e1 , ~e2 , ~e3 }, onde ~e1 = (1, 0, 0) , ~e2 = (0, 1, 0) e ~e3 = (0, 0, 1), a
base canônica para o espaço de vetores V 3 e Σ = (O, ~e1 , ~e2 , ~e3 ) o sistema ortogonal de
coordenadas para o espaço IE 3 , com O = (0, 0, 0) a origem para esse sistema ortogonal de
coordenadas. Considerando os pontos A, B, C ∈ IE 3 dados por:
sabendo que
−→ −→ −−→
d(A, B) = k AB k , d(A, C) = k AC k e d(B, C) = k BC k ,
d(C, P ) = r ⇐⇒ ( d(C, P ) )2 = r2 .
−→ −→
Sabemos que d(C, P ) = k CP k, onde o vetor CP é escrito da forma:
−→
CP = (x − a) ~q1 + (y − b) ~q2 + (z − c) ~q3 ,
obtemos
−→
( k CP k )2 = r2 ⇐⇒ (x − a)2 + (y − b)2 + (z − c)2 = r2 ,
que é a equação de uma superfı́cie esférica de centro no ponto C = (a, b, c) e raio igual a
r, com relação ao sistema ortogonal de coordenadas Σ = (O, ~q1 , ~q2 , ~q3 ).
Petronio Pulino 195
h ~u, ~v i = x1 y1 + x2 y2 + x3 y3
Sejam β = { ~e1 , ~e2 , ~e3 }, onde ~e1 = (1, 0, 0) , ~e2 = (0, 1, 0) e ~e3 = (0, 0, 1), a
base canônica para o espaço de vetores V 3 e Σ = (O, ~e1 , ~e2 , ~e3 ) o sistema ortogonal de
coordenadas para o espaço IE 3 , com O = (0, 0, 0) a origem para esse sistema ortogonal de
coordenadas. Mostre que os pontos A, B, C ∈ IE 3 dados por:
(a) Determine a projeção ortogonal do ponto P sobre cada um dos planos coordenados.
Desse modo, conhecendo as coordenadas do ponto P = (a, b, c), podemos representar suas
projeções ortogonais sobre os eixos coordenados da seguinte forma:
Px = O + a ~q1 , Py = O + b ~q2 e Pz = O + c ~q3 , (3.27)
como ilustra a Figura 3.15.
Vamos denotar por Pxy , Pxz , Pyz ∈ IE 3 as projeções ortogonais do ponto P sobre os planos
coordenados OXY , OXZ , OYZ , respectivamente. Desse modo, obtemos
como ilustra a Figura 3.15. De modo análogo, obtemos a projeção ortogonal do ponto P
nos outros dois planos coordenados.
rPz
rP = (a, b, c)
~q3
6
~q2 Py
0 - r -
!
!
~
!q
! 1
!
!r r
! Px Pxy
!
!
!
Figura 3.15: Projeções do ponto P no plano coordenado OXY e nos eixos coordenados
h ~u, ~v i = x1 y1 + x2 y2 + x3 y3
Sejam β = { ~e1 , ~e2 , ~e3 }, onde ~e1 = (1, 0, 0) , ~e2 = (0, 1, 0) e ~e3 = (0, 0, 1), a
base canônica para o espaço de vetores V 3 e Σ = (O, ~e1 , ~e2 , ~e3 ) o sistema ortogonal de
coordenadas para o espaço IE 3 , com O = (0, 0, 0) a origem para esse sistema ortogonal de
coordenadas. Determine as respectivas projeções ortogonais do ponto P = (2, −1, 3) ∈ IE 3
sobre os eixos coordenados, denotadas por Px , Py , Pz ∈ IE 3 , e sobre os planos coordenados,
denotadas por Pxy , Pxz , Pyz ∈ IE 3 .
Resolução – Considerando a equação (3.29) e a ilustração da Figura 3.16, note que podemos
escrever um ponto P pertencente ao segmento AB da seguinte forma:
−→ −→ −→
P = A + λ AB ⇐⇒ AP = λ AB para 0 ≤ λ ≤ 1, (3.30)
Por simplicidade, vamos escrever o ponto P = (x, y, z), com relação ao sistema ortogonal
de coordenadas Σ = (O, ~q1 , ~q2 , ~q3 ). Desse modo, podemos escrever a equação (3.30) da
seguinte forma:
( x~q1 + y~q2 + z~q3 ) = ((1 − λ)x1 + λx2 )~q1 + ((1 − λ)y1 + λy2 )~q2 + ((1 − λ)z1 + λz2 )~q3
Ar Pr Br
3.9 Exercı́cios
Em todos os Exercı́cios, considere o espaço de vetores V 3 munido com o produto escalar
h · , · i , definido da seguinte forma:
h ~u, ~v i = x1 y1 + x2 y2 + x3 y3
e com a norma proveniente desse produto escalar, denominada Norma Euclidiana, definida
da seguinte forma:
p p
k ~u k = h ~u, ~u i = (x1 )2 + (x2 )2 + (x3 )2
Considere também o espaço de vetores V 3 munido com a base canônica β = { ~e1 , ~e2 , ~e3 },
onde ~e1 = (1, 0, 0) , ~e2 = (0, 1, 0) e ~e3 = (0, 0, 1). Definimos por Σ = (O, ~e1 , ~e2 , ~e3 )
o sistema ortogonal de coordenadas para o espaço IE 3 , com O = (0, 0, 0) a origem para
esse sistema ortogonal de coordenadas.
Exercı́cio 3.9.3 Determine as coordenadas do ponto P ′ simétrico ao ponto P = (2, −4, −6)
com relação ao ponto M = (1, −1, 1). Faça inicialmente uma representação gráfica para
auxiliar na resolução do exercı́cio.
Determine as coordenadas dos outros vértices. Faça uma representação gráfica para auxiliar
na resolução do exercı́cio.
Petronio Pulino 199
Exercı́cio 3.9.10 Determinar o lugar geométrico dos pontos P , no plano coordenado OXY ,
cuja distância ao ponto A = (1, −2, 4) seja igual a 6.
Exercı́cio 3.9.11 Determinar o lugar geométrico dos pontos P , no plano coordenado OXZ ,
cuja distância ao ponto A = (1, −2, 4) seja igual a 6.
Exercı́cio 3.9.12 Determinar o lugar geométrico dos pontos P , no plano coordenado OYZ ,
cuja distância ao ponto A = (1, −2, 4) seja igual a 6.
Exercı́cio 3.9.13 Qual interpretação geométrica poderı́amos propor para os Exercı́cios 3.9.10,
3.9.11 e 3.9.12.
Exercı́cio 3.9.14 O segmento AB está dividido em quatro partes iguais pelos pontos C, D, E,
onde os pontos A e B são dados por:
A = (2, 1, 4) e B = (4, 3, 2) .
201
202 Geometria Analı́tica e Vetores
~e2
6
~u2 H
Y
H *~
u1
HH
-
H -
0 ~e1
Observando a Figura 4.1, notamos que podemos levar de forma contı́nua o vetor ~u1 sobre
o vetor ~e1 e levar de forma contı́nua o vetor ~u2 sobre o vetor ~e2 , sempre pelo caminho
mais curto, sem que em nenhum momento desse processo os vetores ~u1 e ~u2 deixam de ser
linearmente independentes.
Vamos observar também a matriz P de mudança da base γ para a base β, que é dada por:
" #
2 −2
P = .
1 1
Note que a matriz de mudança de base P tem determinante positivo, bem com a matriz
P −1 de mudança da base β para a base γ, uma vez que
1
det(P −1 ) = > 0 .
det(P )
Considerando qualquer um dos critérios apresentados acima, dizemos que as bases ordenadas
β e γ têm a mesma orientação.
Exemplo 4.1.1 Apresente a mesma análise considerando a base canônica β = { ~e1 , ~e2 } e
a base ordenada γ = { ~u1 = (1, −2) , ~u2 = (1, 2) } para o espaço de vetores V 2 . Represente
graficamente os vetores das duas bases no plano cartesiano para auxiliar nessa análise.
~u1
~e2
6
- -
0A ~e1
A
A
A
A
AU ~u2
Observando a Figura 4.2, notamos que podemos levar de forma contı́nua o vetor ~u1 sobre o
vetor ~e1 e levar de forma contı́nua o vetor ~u2 sobre o vetor ~e2 , sempre pelo caminho mais
curto. Entretanto, em algum momento desse processo os vetores ~u1 e ~u2 deixam de ser
linearmente independentes.
Vamos observar também a matriz P de mudança da base γ para a base β, que é dada por:
" #
1 1
P = .
2 −2
Note que a matriz de mudança de base P tem determinante negativo, bem com a matriz
P −1 de mudança da base β para a base γ, uma vez que
1
det(P −1 ) = < 0 .
det(P )
Considerando qualquer um dos critérios apresentados acima, dizemos que as bases ordenadas
β e γ têm orientação oposta.
Exemplo 4.1.2 Apresente a mesma análise considerando a base canônica β = { ~e1 , ~e2 } e
a base ordenada γ = { ~u1 = (−2, 1) , ~u2 = (2, 1) } para o espaço de vetores V 2 . Represente
graficamente os vetores das bases no plano cartesiano para auxiliar nessa análise.
Exemplo 4.1.3 Considere a base ordenada γ1 = { ~u1 = (1, 1) , ~u2 = (−1, 1) } e a base
ordenada γ2 = { ~v1 = (1, −2) , ~v2 = (−1, −2) } para o espaço de vetores V 2 , como ilustra
a Figura 4.3. Verifique se as bases ordenadas γ1 e γ2 têm a mesma orientação, ou têm
orientação oposta.
Pela Figura 4.3, notamos que podemos levar de forma contı́nua o vetor ~v1 sobre o vetor
~u1 e levar de forma contı́nua o vetor ~v2 sobre o vetor ~u2 , sempre pelo caminho mais curto.
Entretanto, em algum momento desse processo os vetores ~v1 e ~v2 deixam de ser linearmente
independentes. Portanto, por esse critério, concluı́mos também que as bases γ1 e γ2 têm
orientação oposta. É importante observar que essa análise para verificar a orientação das
bases tem um forte apelo geométrico.
~u2 ~u1
@
I
@
@
@
@ -
0A
A
A
A
A
~
v2 AU ~
v1
Exemplo 4.1.4 Considere a base ordenada γ1 = { ~u1 = (2, 1) , ~u2 = (−2, 1) } e a base
ordenada γ2 = { ~v1 = (1, −2) , ~v2 = (1, 2) } para o espaço de vetores V 2 , como ilustra a
Figura 4.4. Verifique se as bases ordenadas γ1 e γ2 têm a mesma orientação, ou têm
orientação oposta.
~v2
~u2 H
Y *~
u1
H
HH
H -
0A
A
A
A
A
AU ~
v1
Exemplo 4.1.5 Considere a base ordenada γ1 = { ~u1 = (2, 1) , ~u2 = (−2, 1) } e a base
ordenada γ2 = { ~v1 = (1, 2) , ~v2 = (1, −2) } para o espaço de vetores V 2 , como ilustra a
Figura 4.5. Verifique se as bases ordenadas γ1 e γ2 têm a mesma orientação, ou têm
orientação oposta.
~v1
~u2 H
Y
H *~
u1
HH
H -
0 A
A
A
A
A
AU ~
v2
Considerando a base ordenada γ1 = { ~u1 , ~u2 } e a base ordenada γ2 = { ~v1 , ~v2 } para o
espaço de vetores V 2 . Dizemos que as bases γ1 e γ2 têm a mesma orientação se podemos
levar de forma contı́nua os vetores de uma das bases sobre os vetores da outra base, sempre
pelo caminho mais curto, sem que em nenhum momento desse processo os três vetores nunca
deixam de ser linearmente independentes. Caso contrário, dizemos que as bases γ1 e γ2
têm orientação oposta. É importante observar que essa análise para verificar a orientação
das bases tem um forte apelo geométrico, o que com toda certeza torna essa análise de difı́cil
realização no espaço de vetores V 3 .
O segundo critério, que é algébrico, para orientação do espaço de vetores V 2 , analisa o sinal
do determinante da matriz de mudança de base, apresenta uma formalização matemática
mais factı́vel com os objetivos do texto. Assim, considerando as bases γ1 e γ2 para o
espaço de vetores V 2 . Dizemos que as bases γ1 e γ2 têm a mesma orientação se, e
somente se, a matriz P de mudança da base γ1 para a base γ2 tem determinante positivo.
Caso contrário, dizemos que as bases γ1 e γ2 têm orientação oposta. É importante
ressaltar que o determinante da matriz P −1 de mudança da base γ2 para a base γ1 tem o
mesmo sinal do determinante da matriz P . Esse critério será estudado com uma formalização
matemática mais cuidadosa quando da caracterização da orientação do espaço de vetores V 3 .
Recordando sobre matriz de mudança de base, sabemos que a matriz P é invertı́vel e que
P −1 é a matriz de mudança da base γ para a base β. Além disso, tem–se
1
det(P −1 ) = > 0 ,
det(P )
uma vez que det(P ) > 0. Assim, a base γ tem a mesma orientação da base β. Desse
modo, dizemos que as bases β e γ tem a mesma orientação. Quando duas bases não
tem a mesma orientação, dizemos que as bases têm orientação oposta, isto é, a matriz de
mudança de base tem determinante negativo.
Desse modo, vamos separar as bases do espaço de vetores V 3 em duas classes da seguinte
forma: Escolhemos uma base qualquer β para V 3 , e consideramos a classe A formada por
todas as bases cuja matriz de mudança para a base β tenham determinante positivo.
A classe B é formada por todas as bases cuja matriz de mudança para a base β tenham
determinante negativo.
det(P1 )
det(P1 M1−1 ) = < 0 ,
det(M1 )
Inicialmente vamos considerar que as bases β e β ′ têm a mesma orientação, isto é, a matriz
P de mudança da base β para a base β ′ tem o determinante positivo, bem como a matriz
P −1 de mudança da base β ′ para a base β tem o determinante positivo.
De modo análogo, considere uma base qualquer γ pertencente a classe A. Assim, as bases
β e γ tem a mesma orientação. Desse modo, as bases γ e β ′ têm a mesma orientação, pela
propriedade transitiva, uma vez que ter a mesma orientação é uma classe de equivalência,
veja o item (c) do Exercı́cio 4.2.6. Logo, a base γ pertence a classe A′ . Assim, mostramos
que a classe A está contida na classe A′ . Portanto, mostramos que as classes A e A′ são
iguais, assim como as classes B e B ′ também são iguais.
Finalmente, considerando que as bases β e β ′ têm a orientação oposta, isto é, a matriz P
de mudança da base β para a base β ′ tem o determinante negativo, bem como a matriz
P −1 de mudança da base β ′ para a base β tem o determinante negativo. De maneira
análoga, podemos mostrar agora que as classes A e B ′ são iguais, assim como as classes
B e A′ também são iguais, o que completa a demonstração.
Petronio Pulino 209
(a) O vetor w~ deve ser ortogonal simultaneamente aos vetores ~u e ~v , isto é, o vetor w
~
deve ser ortogonal ao plano que contém os vetores ~u e ~v , como ilustra a Figura 4.6.
(b) A norma do vetor w ~ deve ser igual a área do paralelogramo definido pelos vetores ~u
e ~v , como ilustra a Figura 4.6.
w1
6
~v - π
Or -
~u
?
w2
Verificamos facilmente que as condições (a) e (b) impostas ao vetor w ~ não são suficientes
para que o Problema 4.1 tenha solução única. De fato, a primeira condição é satisfeita para
um número infinito de vetores de V 3 . Impondo a segunda condição, o Problema 4.1 fica
com duas soluções, que são os vetores w
~1 e w~ 2 que ilustramos na Figura 4.6.
Desse modo, necessitamos impor mais uma condição ao Problema 4.1, para determinar o
vetor w ~ de modo único. Essa condição será fornecida pela orientação do espaço de vetores
3
V , isto é, devemos pedir que o conjunto γ ′ = { ~u, ~v , w
~ } e a base ortonormal γ tenham a
mesma orientação. Podemos ver facilmente que o conjunto γ ′ é linearmente independente.
Portanto, γ ′ é uma base positiva. Acredito que nesse momento estamos preparados para
apresentar um estudo sobre o produto vetorial de dois vetores de V 3 , que será realizado na
seção 4.3.
210 Geometria Analı́tica e Vetores
2 2 4
= − (1, 0, 1) − (0, 1, 0) + (1, 0, −1)
2 1 2
1 1 3
= (1, 0, 1) + (0, 1, 0) − (1, 0, −1)
2 1 1
1 2 3
= − (1, 0, 1) + (0, 1, 0) + (1, 0, −1)
2 1 2
Assim, a matriz P de mudança da base γ2 para a base γ1 é dada por:
1 1
−1 −
2 2
3 3 3 3
P = −2 1 2
=⇒ det(P ) = − + 2 − − 3 + + 1 = − < 0 .
2 2 2 2
3 3
2 −
2 2
Portanto, as bases γ1 e γ2 têm orientação oposta, uma vez que o determinante da matriz
de mudança de base P tem sinal negativo.
4.2 Exercı́cios
Exercı́cio 4.2.1 Considere as bases ordenadas para o espaço de vetores V 3 , β = { ~v1 , ~v2 , ~v3 }
e γ = {w ~1 , w ~ 3 }, cuja matriz P de mudança da base β para a base γ é dada por:
~2 , w
−1 1 0
P = 1 0 1 .
0 1 −1
Exercı́cio 4.2.2 Considere as bases ordenadas para o espaço de vetores V 3 , γ = { ~v1 , ~v2 , ~v3 }
e β = {w ~1 , w ~ 3 }, cujos vetores estão relacionados da forma:
~2 , w
w
~ 1 = −~v1 + ~v2 + ~v3
~2 =
w ~v1 − ~v2 + ~v3
~3 =
w ~v1 + ~v2
γ = { ~u, ~v , w
~} e β = {~u, ~v + 2w,
~ ~v + ~r} ,
onde os vetores ~r e w
~ têm a mesma direção, isto é, ~r = λw,
~ e normas iguais. Sabendo–se
que as base γ e β têm orientação oposta, determine os valores do parâmetro λ.
Exercı́cio 4.2.6 Sejam β, γ, α bases ordenadas para o espaço de vetores V 3 . Mostre que
ter a mesma orientação é uma relação de equivalência, isto é, têm as seguintes
propriedades:
(b) Simétrica– Se a base β tem a mesma orientação da base γ, então a base γ tem a
mesma orientação da base β.
~v -
....
... h
...θ
...
r . -
~u
~u ∧ ~v
6
~v - π
....
... h
...θ
...
r . -
O ~u
Teorema 4.3.1 Considere que a orientação do espaço de vetores V 3 seja dada pela base
ortonormal β = { ~q1 , ~q2 , ~q3 }. Dados os vetores ~u, ~v ∈ V 3 cujas matrizes de coordenadas
com relação à base ordenada β são expressas, respectivamente, por:
a1 a2
[~u]β = b1 e [~v ]β = b2 . (4.2)
c1 c2
Note que o termo da direita da equação (4.4) pode ser escrito da seguinte forma:
(a) Se os vetores ~u, ~v ∈ V 3 são linearmente dependentes, isto é, ~u = λ~v ou ~v = λ~u,
podemos verificar facilmente que todos os determinantes na equação 4.6 são nulos. Portanto,
mostramos que o vetor w ~ = ~0 = ~u ∧ ~v .
(b) Considere que os vetores ~u, ~v ∈ V 3 são linearmente independentes. Vamos mostrar
que o vetor w
~ tem as mesmas caracterı́sticas do vetor ~u ∧ ~v descritas na Definição 4.3.1.
b1 c 1 2 a1 c1 2 a1 b1 2
2
kw
~k = a2 c2 + a2 b2
+
b2 c 2
(4.7)
= (b1 c2 − b2 c1 )2 + (a2 c1 − a1 c2 )2 + (a1 b2 − a2 b1 )2 .
214 Geometria Analı́tica e Vetores
k ~u ∧ ~v k2 = k ~u k2 k ~v k2 (sin θ)2
= k ~u k2 k ~v k2 ( 1 − (cos θ)2 )
(4.8)
2 2 2 2 2
= k ~u k k ~v k − k ~u k k ~v k cos θ)
= k ~u k2 k ~v k2 − h ~u, ~v i2
O primeiro termo do lado direito da equação (4.9) pode ser escrito da forma:
(a1 a2 )2 + a21 b22 + a21 c22 + b21 a22 + (b1 b2 )2 + b21 c22 + c21 a22 + c21 b22 + (c1 c2 )2 . (4.10)
O segundo termo do lado direito da equação (4.9) pode ser escrito da forma:
~ k2 = k ~u ∧ ~v k2
kw ⇐⇒ kw
~ k = k ~u ∧ ~v k . (4.13)
h w,
~ ~u i = 0 e h w,
~ ~v i = 0 .
a1 b 1 c 1
(4.15)
= a1 b1 c1 = 0
a2 b 2 c 2
a2 b 2 c 2
(4.16)
= a1 b1 c1 = 0
a2 b 2 c 2
Para mostrar que as bases β e γ têm a mesma orientação, vamos analisar o sinal do
determinante da matriz P de mudança da base γ para a base β.
Das relações entre os vetores das bases γ e β, dadas em (4.14), temos que a matriz de
mudança de base é representada da seguinte forma:
b1 c 1
a 1 a2
b2 c 2
a1 c 1
P = b 1 b 2 − a2 c 2
(4.17)
a1 b 1
c1 c2
a2 b 2
216 Geometria Analı́tica e Vetores
Exemplo 4.3.1 Considere a orientação do espaço de vetores V 3 dada pela base canônica
β = { ~e1 , ~e2 , ~e3 }, onde ~e1 = (1, 0, 0) , ~e2 = (0, 1, 0) e ~e3 = (0, 0, 1). Calcule o
produto vetorial dos vetores ~u = (1, 0, 1) e ~v = (2, 1, −1).
uma vez que as matrizes de coordenadas dos vetores ~u e ~v com relação à base canônica β
são expressas, respectivamente, por:
1 2
[~u]β = 0
e [~v ]β = 1 .
1 −1
Exemplo 4.3.2 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
β = { ~q1 , ~q2 , ~q3 }. Dados os vetores ~u, ~v ∈ V 3 cujas matrizes de coordenadas com relação
à base ordenada β são expressas, respectivamente, por:
a1 a2
[~u]β = b1 e [~v ]β = b2 ,
c1 c2
Exemplo 4.3.3 Considere a orientação do espaço de vetores V 3 dada pela base canônica
β = { ~e1 , ~e2 , ~e3 }. Determine a área do triângulo formado pelos vetores
Exemplo 4.3.4 Considere a orientação do espaço de vetores V 3 dada pela base canônica
β = { ~e1 , ~e2 , ~e3 }, onde ~e1 = (1, 0, 0) , ~e2 = (0, 1, 0) e ~e3 = (0, 0, 1). Calcule o
produto vetorial dos vetores ~u = (1, 2, 3) e ~v = (1, 1, 1).
uma vez que as matrizes de coordenadas dos vetores ~u e ~v com relação à base canônica β
são expressas, respectivamente, por:
1 1
[~u]β = 2
e [~v ]β = 1 .
3 1
Exemplo 4.3.5 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
γ = { ~q1 , ~q2 , ~q3 }, onde
√ √
2 2
~q1 = (1, 0, −1) , ~q2 = (0, 1, 0) e ~q3 = (1, 0, 1)
2 2
Dados os vetores ~u = (1, 2, 3), ~v = (1, 1, 1) ∈ V 3 cujas matrizes de coordenadas com
relação à base ordenada γ são dadas por:
√
− 2 0
[~u]γ = 2 e [~v ]γ = 1 .
√ √
2 2 2
É importante observar nos Exemplos 4.3.4 e 4.3.5 que β e γ são duas bases positivas para
o espaço de vetores V 3 , isto é, as bases β e γ têm a mesma orientação, veja a resolução
do Exemplo 4.1.7. Assim, os vetores ~u ∧ ~v ∈ V 3 dados pelas equações (4.19) e (4.20),
são iguais. Desse modo, fica evidente a importância da orientação do espaço de vetores
V 3 para a definição e para o cálculo do produto vetorial. Gostaria de ressaltar que o fato
exemplificado nos Exemplos 4.3.4 e 4.3.5 nada mais é que uma consequência da propriedade
3(c) da Definição 4.3.1 de produto vetorial, isto é, { ~u, ~v , ~u ∧ ~v } é uma base positiva.
218 Geometria Analı́tica e Vetores
Teorema 4.3.2 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
~ ∈ V 3 e λ ∈ IR tem–se
β = { ~q1 , ~q2 , ~q3 }. Para quaisquer vetores ~u, ~v , w
(a) ~u ∧ (~v + w)
~ = ~u ∧ ~v + ~u ∧ w.
~
(b) (~v + w)
~ ∧ ~u = ~v ∧ ~u + w
~ ∧ ~u.
Exemplo 4.3.6 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
β = { ~q1 , ~q2 , ~q3 }. Prove que
k ~u ∧ ~v k2 + h ~u, ~v i2 = k ~u k2 k ~v k2 , (4.21)
= k ~u k2 k ~v k2
Exemplo 4.3.7 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
β = { ~q1 , ~q2 , ~q3 }. Prove que
(b) k ~u ∧ ~v k = k ~u kk ~v k ⇐⇒ ~u ⊥ ~v .
Exemplo 4.3.8 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
~ ∈ V 3 satisfazem a condição
β = { ~q1 , ~q2 , ~q3 }. Se os vetores ~u, ~v , w
~ = ~0 ,
~u + ~v + w (4.24)
prove que ~u ∧ ~v = ~v ∧ w
~ = w
~ ∧ ~u.
~ ) ∧ ~v = ~0 ∧ ~v
( ~u + ~v + w =⇒ ~ ∧ ~v = ~0
~u ∧ ~v + ~v ∧ ~v + w =⇒ ~u ∧ ~v = ~v ∧ w
~ ,
Finalmente, fazendo o produto vetorial de ambos os membros da equação (4.24) pelo vetor
~ obtemos
w,
( ~u + ~v + w ~ = ~0 ∧ ~v
~ )∧w =⇒ ~u ∧ w
~ + ~v ∧ w
~ +w ~ = ~0
~ ∧w =⇒ ~v ∧ w
~ = w
~ ∧ ~u ,
Exemplo 4.3.9 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
~ ~r ∈ V 3 satisfazem as condições
β = { ~q1 , ~q2 , ~q3 }. Se os vetores ~u, ~v , w,
~u ∧ ~v = w
~ ∧ ~r e ~u ∧ w
~ = ~v ∧ ~r ,
~u ∧ ~v + ~v ∧ ~r = w
~ ∧ ~r + ~u ∧ w
~ =⇒ ~u ∧ ~v − ~r ∧ ~v = −(~r ∧ w)
~ + ~u ∧ w
~
~ = ~0 ,
(~u − ~r) ∧ (~v − w)
Exemplo 4.3.10 Considere que a orientação do espaço de vetores V 3 seja dada pela base
ortonormal β = { ~q1 , ~q2 , ~q3 }. Se os vetores ~u, ~v , ∈ V 3 são linearmente independentes, e
w ~ ∧ ~v = ~0
~ ∧ ~u = w para ~ ∈ V3 ,
w
4.4 Exercı́cios
Em todos os Exercı́cios, considere o espaço de vetores V 3 munido com o produto escalar
h · , · i , definido da seguinte forma:
h ~u, ~v i = x1 y1 + x2 y2 + x3 y3
Considere a orientação do espaço de vetores V 3 dada pela base canônica β = { ~e1 , ~e2 , ~e3 },
onde
~e1 = (1, 0, 0) , ~e2 = (0, 1, 0) e ~e3 = (0, 0, 1) .
Assim, o produto vetorial entre dois vetores do espaço V 3 fica definido da forma:
~e1 ~e2 ~e3
x 2 x 3 x1 x 3 x1 x2
~u ∧ ~v = x1 x2 x3 = ~e1 −
y1 y3 ~e2 + y1 y2 ~e3
y 2 y 3
y1 y2 y3
Exercı́cio 4.4.1 Considere a orientação do espaço de vetores V 3 dada pela base canônica
β = { ~e1 , ~e2 , ~e3 }. Determine o vetor ~x ∈ V 3 de modo que seja ortogonal aos vetores
~u, ~v ∈ V 3 e satisfazendo a seguinte condição
h ~x, w
~i = 2 ,
γ = { ~u, ~v , w
~} e β = { ~u + λ~v , ~u + ~v − 2w,
~ ~v + λw
~} .
Exercı́cio 4.4.3 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
β = { ~q1 , ~q2 , ~q3 }. Sabendo que a medida do ângulo entre os vetores ~u, ~v ∈ V 3 é igual a
π
θ = , k ~u k = 6 e k ~v k = 2, calcule k ~u ∧ ~v k.
3
Petronio Pulino 221
Exercı́cio 4.4.4 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
γ = { ~q1 , ~q2 , ~q3 }, onde
√ √
2 2
~q1 = (1, 0, 1) , ~q2 = (0, 1, 0) e ~q3 = (1, 0, −1)
2 2
Dados os vetores ~u = (1, 2, 3), ~v = (1, 1, 1) ∈ V 3
(c) Comente o resultado obtido com os resultados dos Exemplos 4.3.4 e 4.3.5.
Exercı́cio 4.4.5 Considere a orientação do espaço de vetores V 3 dada pela base canônica
β = { ~e1 , ~e2 , ~e3 }.
(b) Mostre que a altura h de um triângulo ABC relativa ao lado AB é dada por:
−→ −→
k AB ∧ AC k
h = −→ .
k AB k
Exercı́cio 4.4.6 Considere a orientação do espaço de vetores V 3 dada pela base canônica
β = { ~e1 , ~e2 , ~e3 }. Determine o vetor ~x ∈ V 3 satisfazendo as seguintes condições
~x ∧ ~u = ~0
3
~x ~v =
2
onde ~u = (2, 3, 1) e ~v = (4, −2, 1).
Exercı́cio 4.4.7 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
~ ∈ V 3 satisfazendo a condição
β = { ~q1 , ~q2 , ~q3 }. Se os vetores ~u, ~v , w
~u ∧ ~v = ~u ∧ w
~ ,
Exercı́cio 4.4.8 Considere a orientação do espaço de vetores V 3 dada pela base canônica
β = { ~e1 , ~e2 , ~e3 }. Dados os pontos A = (2, 0, 2), B = (3, 1, −1) e C = (1, −1, 1) do
espaço IE 3 .
Exercı́cio 4.4.9 Considere a orientação do espaço de vetores V 3 dada pela base canônica
β = { ~e1 , ~e2 , ~e3 }. Determine o vetor ~u ∈ V 3 satisfazendo as seguintes condições
√
~u ∧ ~v = w
~ e k ~u k = 3 ,
onde ~v = (0, 1, 1) e w
~ = (−2, −1, 1).
Exercı́cio 4.4.10 Considere a orientação do espaço de vetores V 3 dada pela base canônica
−→ −−→
β = { ~e1 , ~e2 , ~e3 }. Determine a área do triângulo ABC definido pelo vetores AB e BC
dados por:
−→ −−→
AB = (1, −1, 1) e BC = (−1, 1, 2) ,
como ilustra a Figura 4.9.
rB
@
@
@
@
@
! R
@
!r C
!
!! !!
!!
!!!
r !!
!
A
Exercı́cio 4.4.11 Considere a orientação do espaço de vetores V 3 dada pela base canônica
β = { ~e1 , ~e2 , ~e3 }. Determine o vetor ~x ∈ V 3 satisfazendo as seguintes condições
~x ∧ ~u = w ~
~x ~v = 5
[~u, ~v , w]
~ = h ~u ∧ ~v , w
~i . (4.25)
~ ∈ V 3.
Vamos apresentar uma interpretação geométrica do produto misto dos vetores ~u, ~v , w
Sabemos que a norma do vetor resultante do produto vetorial dos vetores ~u e ~v é definida
da seguinte forma:
k ~u ∧ ~v k = k ~u kk ~v k sin(θ1 ) , (4.26)
onde θ1 é a medida do ângulo entre os vetores ~u e ~v , e Ap = k ~u ∧ ~v k representa a área
do paralelogramo formado pelos vetores ~u e ~v .
A altura do paralelepı́pedo, que vamos denotar por h, é igual a norma da projeção do vetor
~ sobre a direção do vetor ~r = ~u ∧ ~v . Sabemos que a projeção do vetor w
w ~ sobre a direção
do vetor ~r = ~u ∧ ~v é o vetor dado por:
−−→ h ~u ∧ ~v , w
~i
proj ~r (w)
~ = ~u ∧ ~v (4.27)
k ~u ∧ ~v k2
Assim, a norma do vetor projeção é dada por:
−−→ | h ~u ∧ ~v , w
~ i| | h ~u ∧ ~v , w
~ i|
h = k proj ~r (w)
~ k = k ~
u ∧ ~
v k = . (4.28)
k ~u ∧ ~v k2 k ~u ∧ ~v k
Sabemos que o volume do paralelepı́pedo, que vamos denotar por Vp , é igual à área da base,
que é a área do paralelogramo formado pelos vetores ~u e ~v , vez sua altura. Assim, tem–se
que Vp é calculado da seguinte forma:
| h ~u ∧ ~v , w
~ i|
Vp = Ap × h = k ~u ∧ ~v k = | h ~u ∧ ~v , w
~ i | = | [~u, ~v , w]
~ | . (4.29)
k ~u ∧ ~v k
~u ∧ ~v 6
w
~
6
~v
r -
~u
Exemplo 4.5.1 Considere a orientação do espaço de vetores V 3 dada pela base canônica
β = { ~e1 , ~e2 , ~e3 }, onde ~e1 = (1, 0, 0) , ~e2 = (0, 1, 0) e ~e3 = (0, 0, 1). Calcule o
volume do paralelepı́pedo formado pelos vetores
Exemplo 4.5.2 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
~ ∈ V 3 mutuamente ortogonais, e sabendo que
β = { ~q1 , ~q2 , ~q3 }. Dados os vetores ~u, ~v , w
k ~u k = 4, k ~v k = 2 e k w ~ k = 3, calcule [~u, ~v , w].
~
Exemplo 4.5.3 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
~ ∈ V 3 de modo que o vetor w
β = { ~q1 , ~q2 , ~q3 }. Dados os vetores ~u, ~v , w ~ é ortogonal aos
π
vetores ~u e ~v , a medida do ângulo entre os vetores ~u e ~v é igual a θ = . Sabendo que
4
k ~u k = 6, k ~v k = 2 e k w ~ k = 2, calcule [~u, ~v , w].
~
Exemplo 4.5.4 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
~ ∈ V 3 , prove que
β = { ~q1 , ~q2 , ~q3 }. Dados os vetores ~u, ~v , w
| [~u, ~v , w]
~ | ≤ k ~u kk ~v kk w
~k . (4.30)
| [~u, ~v , w]
~ | = | h ~u ∧ ~v , w
~ i | ≤ k ~u ∧ ~v kk w
~k . (4.31)
| [~u, ~v , w]
~ | = | h ~u ∧ ~v , w
~ i | ≤ k ~u ∧ ~v kk w
~ k ≤ k ~u kk ~v kk w
~k . (4.32)
| [~u, ~v , w]
~ | = | h ~u ∧ ~v , w
~ i | = k ~u ∧ ~v kk w
~ k = k ~u kk ~v kk w
~k , (4.33)
Teorema 4.5.1 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
~ ∈ V 3 cujas matrizes de coordenadas com
β = { ~q1 , ~q2 , ~q3 }. Dados os vetores ~u, ~v , w
relação à base ordenada β são expressas, respectivamente, por:
a1 a2 a3
[~u]β = b1 , [~v ]β = b2 e [w]
~ β = b3 . (4.34)
c1 c2 c3
assim, obtemos
a1 b1 c1
b1 c 1 a1 c 1 a b1
b3 + 1
[~u, ~v , w]
~ = h ~u ∧ ~v , w
~i =
a3 −
c3 = a2 b2 c2 . (4.38)
b2 c 2 a2 c 2 a2 b2
a3 b3 c3
onde o determinante foi desenvolvido pela terceira linha, o que completa a demonstração.
Exemplo 4.5.5 Considere a orientação do espaço de vetores V 3 dada pela base canônica
β = { ~e1 , ~e2 , ~e3 }, onde ~e1 = (1, 0, 0) , ~e2 = (0, 1, 0) e ~e3 = (0, 0, 1). Calcule o
produto misto dos vetores ~u = (1, 1, 1), ~v = (2, −1, 1) e w ~ = (1, 1, −1).
Teorema 4.5.2 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
~ ∈ V 3 . Então,
β = { ~q1 , ~q2 , ~q3 }. Sejam os vetores ~u, ~v , w
(a) [~u, ~v , w]
~ = −[~v , ~u, w]
~
(b) [~u, ~v , w]
~ = [~v , w,
~ ~u]
Pelo Teorema 4.5.1, sabemos que o produto misto dos vetores ~u, ~v e w
~ é calculado
formalmente da seguinte forma:
a1 b1 c1
[~u, ~v , w]
~ = a2 b2 c2 . (4.40)
a3 b3 c3
Fazendo uso da propriedade de determinante, que cada permutação de duas linha entre si
troca o sinal do determinante. Assim, permutando a primeira linha com a segunda linha,
obtemos
a1 b1 c1 a2 b2 c2
~ = a2 b2 c2 = − a1 b1 c1 = −[~v , ~u, w]
[~u, ~v , w] ~ , (4.41)
a3 b3 c3 a3 b3 c3
em seguida realizamos a permutação da segunda linha com a terceira linha, obtendo
a1 b1 c1 a2 b2 c2
~ = a2 b2 c2 = a3 b3
[~u, ~v , w] c3 = [~v , w,
~ ~u] , (4.42)
a3 b3 c3 a1 b1 c1
Exemplo 4.5.6 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
~ ∈ V 3 , prove que
β = { ~q1 , ~q2 , ~q3 }. Dados os vetores ~u, ~v , w
(a) [~u, ~v , w]
~ = −[~u, w,
~ ~v ]
(b) [~u, ~v , w]
~ = [w,
~ ~u, ~v ]
(c) [~u, ~v , w]
~ = −[w,
~ ~v , ~u]
É importante observar que tanto o Teorema 4.5.2 quanto o Exemplo 4.5.6 mostram que no
produto misto a permutação de dois vetores entre si causa a troca de sinal.
Petronio Pulino 227
4.6 Exercı́cios
Exercı́cio 4.6.1 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
~ ∈ V 3 satisfazem a condição
β = { ~q1 , ~q2 , ~q3 }. Se os vetores ~u, ~v , w
~u ∧ ~v + ~v ∧ w ~ ∧ ~u = ~0 ,
~ + w
~ = ~0 ,
a~u + b~v + cw
Exercı́cio 4.6.2 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
~ ∈ V 3 , prove a identidade
β = { ~q1 , ~q2 , ~q3 }. Dados os vetores ~u, ~v , w
[~u, ~v , (w
~ + a~u + b~v )] = [~u, ~v , w]
~ ,
Exercı́cio 4.6.3 Considere a orientação do espaço de vetores V 3 dada pela base canônica
β = { ~e1 , ~e2 , ~e3 }, onde
Calcule o produto misto dos vetores ~u = (1, −1, 2), ~v = (2, −2, 1) e w
~ = (3, −1, 2).
Exercı́cio 4.6.4 Considere a orientação do espaço de vetores V 3 dada pela base canônica
β = { ~e1 , ~e2 , ~e3 }. Determine o volume do paralelepı́pedo definido pelos vetores
Exercı́cio 4.6.5 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
~ ∈ V 3 são linearmente dependentes se, e
β = { ~q1 , ~q2 , ~q3 }. Mostre que os vetores ~u, ~v , w
somente se, o produto misto dos vetores ~u, ~v , w ~ é nulo, isto é,
[~u, ~v , w]
~ = h ~u ∧ ~v , w
~i = 0.
Exercı́cio 4.6.6 Considere a orientação do espaço de vetores V 3 dada pela base ortonormal
~ ∈ V 3 de modo que o vetor w
β = { ~q1 , ~q2 , ~q3 }. Dados os vetores ~u, ~v , w ~ é ortogonal aos
π
vetores ~u e ~v , a medida do ângulo entre os vetores ~u e ~v é igual a θ = . Sabendo que
6
k ~u k = 4, k ~v k = 2 e k w ~ k = 2, calcule [~u, ~v , w].
~
Exercı́cio 4.6.7 Considere a orientação do espaço de vetores V 3 dada pela base canônica
β = { ~e1 , ~e2 , ~e3 }. Determine o volume do paralelepı́pedo definido pelos vetores
229
230 Geometria Analı́tica e Vetores
r: X = P + λ ~v para λ ∈ IR , (5.1)
r
6
X
1
s
λ ~v
P
s
~e3
6
1~
v
s -
0 -
! ~e2
!
!
~e
! 1
!
!
!
!
!
!
Note que o ponto P tem como função indicar a posição exata da reta r no espaço e o
vetor diretor ~v determina a direção da reta r. Assim, qualquer ponto X ∈ r fica bem
determinado pelo valor do parâmetro λ ∈ IR.
Podemos verificar facilmente, pela própria Definição 5.1.1 da equação vetorial de uma reta,
que a reta r pode ser representada por mais de uma equação vetorial. De fato, considere
um outro ponto P ′ ∈ r e um outro vetor w ~ como vetor diretor da reta r. Assim, podemos
escrever qualquer ponto X ∈ r da seguinte forma:
r: X = P′ + λw
~ para λ ∈ IR . (5.2)
Portanto, as equações (5.1) e (5.1) são duas equações vetoriais que representam a mesma
reta r ⊂ IE 3 . É importante observar que quando o parâmetro λ percorre todo o conjunto
dos números reais, o ponto X percorre toda a reta r.
Petronio Pulino 231
Exemplo 5.1.1 Determine uma equação vetorial da reta r ⊂ IE 3 tendo como vetor diretor
~v = (1, 2, 3) e que passa pelo ponto P = (1, −2, 1).
Resolução – Pela equação vetorial da reta r, dada pela equação (5.1), sabemos que
qualquer ponto X ∈ r é escrito da seguinte forma:
Exemplo 5.1.2 Determine uma equação vetorial da reta r ⊂ IE 3 que passa pelos pontos
A = (1, 0, 4) , B = (3, 1, 2) ∈ IE 3 .
−→
Resolução – Podemos tomar como vetor diretor da reta r tanto o vetor ~v = AB quanto
−→
o vetor diretor w
~ = BA. Além disso, podemos indicar a posição da reta r no espaço
escolhendo tanto o ponto A quanto o ponto B. Assim, uma equação vetorial da reta
r ⊂ IE 3 pode ser escrita da seguinte forma:
r: X = A + λw
~ =⇒ r: X = (1, 0, 4) + λ (−2, −1, 2) ,
para λ ∈ IR.
Exemplo 5.1.3 Determine equações paramétricas e equações simétricas da reta r que tem
como vetor diretor ~v = (1, 2, 3) e que passa pelo ponto P = (1, −2, 1).
onde o vetor ~v = (1, 2, 3) é o vetor diretor da reta r. Desse modo, da equação vetorial
acima, escrevemos as equações paramétricas da reta r dadas por:
x =
1 + λ
r: y = −2 + 2 λ para λ ∈ IR .
z = 1 + 3λ
Exemplo 5.1.4 Determine equações simétricas da reta r ⊂ IE 3 que passa pelos pontos
A = (1, 0, 4) , B = (3, 1, 2) ∈ IE 3 .
Resolução – Para isso, vamos escrever a equação vetorial da reta r. Assim, podemos tomar
−→ −→
como vetor diretor da reta r tanto o vetor ~v = AB quanto o vetor diretor w ~ = BA. Além
disso, podemos indicar a posição da reta r no espaço escolhendo tanto o ponto A quanto o
ponto B. Assim, uma equação vetorial da reta r ⊂ IE 3 pode ser escrita da seguinte forma:
Exemplo 5.1.5 Determine equações simétricas da reta r ⊂ IE 3 que passa pelos pontos
A = (1, −2, 2) , B = (3, 1, 2) ∈ IE 3 .
Exemplo 5.1.6 Verifique se o ponto P = (2, −1, 4) pertence a reta r ⊂ IE 3 definida pela
seguinte equação vetorial:
r: X = A + λ ~v para λ ∈ IR ,
onde A = (3, −1, 3) e ~v = (2, −3, 5). Assim, para verificar se o ponto P pertente a reta
−→
∈ r, basta verificar se os vetores AP e ~v são linearmente dependentes, isto é, se existe um
−→ −→
escalar λ ∈ IR tal que AP = λ ~v . Temos que, o vetor AP = (−1, 0, 1), assim, podemos
−→
observar facilmente que os vetores AP e ~v são linearmente independentes. Portanto, o
ponto P não pertence a reta r, isto é, não existe um escalar λ ∈ IR que satisfaz a equação
vetorial P = A + λ ~v .
Exemplo 5.1.7 Verifique se o ponto P = (5, −7, 13) pertence a reta r ⊂ IE 3 definida
pela seguinte equação vetorial:
Exemplo 5.1.8 Sejam o ponto P = (2, −1, 5) e a reta r ⊂ IE 3 definida pela seguinte
equação vetorial:
Exemplo 5.1.9 Sejam o ponto P = (2, −1, 5) e a reta r ⊂ IE 3 definida pela seguinte
equação vetorial:
Determine a distância do ponto P à reta r, que denotamos por d(P, r), utilizando produto
vetorial. Apresente uma ilustração gráfica para auxiliar na resolução do problema.
Resolução – Na Figura 5.2 temos a ilustração do problema proposto, que vamos utilizar
para formular sua solução fazendo uso de produto vetorial.
Ps
!
! !
!
! d(P, r) !
! !
s! -!
s r
A ~u B
r: X = A + λ ~u para λ ∈ IR ,
Sabemos que a área do triângulo ABP , que vamos denotar por AT , é expressa da forma:
1 −→ −→ 1 −→
AT = k AP ∧ AB k = k AB k × d(P, r) ,
2 2
−→ −→
onde o vetor AB = ~u, uma vez que o ponto B = A + ~u, e o vetor AP = (0, 0, 1).
Definição 5.2.1 (Retas Reversas) Sejam a reta r definida pela equação vetorial
r: X = A + λ ~u para λ ∈ IR ,
s: X = B + λ ~v para λ ∈ IR ,
−→
Então, as retas r e s são reversas se, e somente se, o conjunto γ = { ~u, ~v , AB } é
linearmente independente em V 3 , isto é, se, e somente se,
a1 b1 c1
a2 b2 c2 6= 0 .
x2 − x1 y2 − y1 z 2 − z 1
Definição 5.2.2 (Retas Concorrentes) Sejam a reta r definida pela equação vetorial
r: X = A + λ ~u para λ ∈ IR ,
s: X = B + λ ~v para λ ∈ IR ,
−→
Então, as retas r e s são concorrentes se, e somente se, o conjunto γ = { ~u, ~v , AB } é
linearmente dependente e o conjunto γ ′ = { ~u, ~v } é linearmente independente em V 3 , isto
é, se, e somente se,
a1 b 1 c 1
a2 b2 c2 = 0 e ~u − α ~v 6= ~0 para todo α ∈ IR .
x 2 − x 1 y 2 − y 1 z 2 − z 1
De modo equivalente, dizemos que as retas r e s são concorrentes se, e somente se, são
coplanares e não são paralelas.
236 Geometria Analı́tica e Vetores
Definição 5.2.3 (Retas Paralelas) Sejam a reta r definida pela equação vetorial
r: X = A + λ ~u para λ ∈ IR ,
s: X = B + λ ~v para λ ∈ IR ,
Então, as retas r e s são paralelas se, e somente se, exite um escalar α ∈ IR de modo
que ~u = α ~v .
Note que, se as retas r e s são paralelas, então elas podem ser distintas ou coincidentes.
Para decidir qual situação ocorre, basta tomar um ponto P pertencente a reta r e verificar
se o ponto P satisfaz, ou não, a equação vetorial que define a reta s.
r: X = A + λ ~u para λ ∈ IR ,
onde A = (1, −1, 2) e ~u = (2, 3, −2), e a reta s definida pela equação vetorial
s: X = B + λ ~v para λ ∈ IR ,
onde B = (2, 1, −1) e ~v = (1, −2, 3). Estude a posição relativa das retas r e s.
Resolução – Podemos observar facilmente que as retas r e s não são paralelas, uma vez
que os vetores diretores ~u e ~v são linearmente independentes. Assim, devemos verificar
se as retas r e s são reversas ou concorrentes. Desse modo, temos que verificar se o
−→
conjunto γ = { ~u, ~v , AB } é linearmente independente, ou é linearmente dependente. Para
isso, basta analisar o valor do determinante abaixo.
2 3 −2
1 −2 3 = 12 + 9 − 4 − 12 + 9 − 4 = 10 .
1 2 −3
−→
Assim, concluı́mos que o conjunto γ = { ~u, ~v , AB } é linearmente independente. Portanto,
as retas r e s são reversas, de acordo com a Definição 5.2.1.
Petronio Pulino 237
r: X = A + λ ~u para λ ∈ IR ,
onde A = (2, −1, 2) e ~u = (2, 3, −2), e a reta s definida pela equação vetorial
s: X = B + λ ~v para λ ∈ IR ,
onde B = (1, 1, −1) e ~v = (1, −2, 3). Estude a posição relativa das retas r e s.
Resolução – Podemos observar facilmente que as retas r e s não são paralelas, uma vez
que os vetores diretores ~u e ~v são linearmente independentes. Assim, devemos verificar
se as retas r e s são reversas ou concorrentes. Desse modo, temos que verificar se o
−→
conjunto γ = { ~u, ~v , AB } é linearmente independente, ou é linearmente dependente. Para
isso, basta analisar o valor do determinante abaixo.
2 3 −2
1 −2 3 = 12 − 9 − 4 − 12 + 9 + 4 = 0 .
−1 2 −3
−→
Assim, concluı́mos que o conjunto γ = { ~u, ~v , AB } é linearmente dependente. Portanto,
as retas r e s são concorrentes, de acordo com a Definição 5.2.2.
A + λ1 ~u = B + λ2 ~v
h ~v , w
~ i = x1 y1 + x2 y 2 + x3 y 3
~ = (y1 , y2 , y3 ) ∈ V 3 .
para todo ~v = (x1 , x2 , x3 ) , w
Definição 5.3.1 (Retas Ortogonais) Sejam a reta r definida pela equação vetorial
r: X = A + λ ~u para λ ∈ IR ,
s: X = B + λ ~v para λ ∈ IR ,
Então, as retas r e s são ortogonais se, somente se, seus vetores diretores são ortogonais,
isto é, h ~u, ~v i = 0.
Definição 5.3.2 (Retas Perpendiculares) Sejam a reta r definida pela equação vetorial
r: X = A + λ ~u para λ ∈ IR ,
s: X = B + λ ~v para λ ∈ IR ,
Então, as retas r e s são perpendiculares se, somente se, seus vetores diretores são
ortogonais, e além disso, são retas concorrentes, isto é,
a1 b 1 c 1
h ~u, ~v i = 0 e a2 b2 c2 = 0 .
x 2 − x1 y 2 − y 1 z 2 − z 1
Petronio Pulino 239
r: X = A + λ ~u para λ ∈ IR ,
onde A = (2, −1, 2) e ~u = (1, 2, −1), e a reta s definida pela equação vetorial
s: X = B + λ ~v para λ ∈ IR ,
Resolução – Observamos facilmente que os vetores diretores ~u e ~v são ortogonais, isto é,
h ~u, ~v i = 0. Assim, as retas r e s são ortogonais. Para verificar se elas são perpendiculares,
basta analisar o valor do determinante abaixo.
1 2 −1
−1 2 3 = −6 − 6 + 2 − 6 − 6 − 2 = −24 .
−1 2 −3
−→
Desse modo, o conjunto γ = { ~u , ~v , AB } é linearmente independentes. Assim, concluı́mos
que as retas r e s são reversas. Portanto, as retas r e s não são perpendiculares.
r: X = A + λ ~u para λ ∈ IR ,
onde A = (2, −1, 2) e ~u = (1, −2, 1), e a reta s definida pela equação vetorial
s: X = B + λ ~v para λ ∈ IR ,
Resolução – Observamos facilmente que os vetores diretores ~u e ~v são ortogonais, isto é,
h ~u, ~v i = 0. Assim, as retas r e s são ortogonais. Para verificar se elas são perpendiculares,
basta analisar o valor do determinante abaixo.
1 −2 1
1 2 3 = 10 − 18 − 2 + 6 + 10 − 6 = 0 .
3 −2 5
−→
Desse modo, o conjunto γ = { ~u , ~v , AB } é linearmente dependentes. Assim, concluı́mos
que as retas r e s são concorrentes. Portanto, as retas r e s são perpendiculares.
240 Geometria Analı́tica e Vetores
Exemplo 5.3.3 Determine uma equação vetorial da reta s que passa pelo ponto P e é
perpendicular à reta r definida pela seguinte equação vetorial
r: X = A + λ ~u para λ ∈ IR ,
s: X = B + λ ~v para λ ∈ IR ,
6~
v
s - r
Q ~u
Definição 5.3.3 (Ângulo entre Retas) Sejam a reta r definida pela equação vetorial
r: X = A + λ ~u para λ ∈ IR ,
s: X = B + λ ~v para λ ∈ IR .
h πi
Então, a medida do ângulo agudo entre as retas r e s é o valor θ ∈ 0, que satisfaz
2
a equação
| h ~u, ~v i |
cos(θ) = . (5.7)
k ~u k k ~v k
Vamos apresenta um significado geométrico para a equação (5.7). Para isso, vamos denotar
por α a medida do ângulo entre os vetores diretores, que definimos como sendo o valor
α ∈ [0, π] que satisfaz a equação
h ~u, ~v i
cos(α) = .
k ~u k k ~v k
Na Figura 5.4 apresentamos uma ilustração da situação na qual o produto escalar entre
os vetores diretores é positivo
h π i ( h ~u, ~v i > 0 ). Assim, consideramos θ = α, uma vez que
cos(α) > 0 com α ∈ 0, .
2
Desseh modo, definimos a medida do ângulo entre das retas r e s como sendo o valor
πi
θ ∈ 0, que satisfaz a equação
2
h ~u, ~v i | h ~u, ~v i |
cos(θ) = = . (5.8)
k ~u k k ~v k k ~u k k ~v k
s !!
!
!
!
!
!
!
~
!
! ! v
!..!
....
! ..... θ
!
! ... - r
!
! ~u
!
!
!
Na Figura 5.5 apresentamos uma ilustração da situação na qual o produto escalar entre os
vetores diretores é negativo
h π ( ih ~u, ~v i < 0 ). Assim, consideramos θ = π − α, uma vez que
cos(α) < 0 com α ∈ ,π .
2
Desseh modo, definimos a medida do ângulo entre das retas r e s como sendo o valor
πi
θ ∈ 0, que satisfaz a equação
2
h ~u, ~v i | h ~u, ~v i |
cos(θ) = cos(π − α) = − cos(α) = − = . (5.9)
k ~u k k ~v k k ~u k k ~v k
s !!
!
!
!
!
!
!
!
α...........
..
.. .
..
...... !
... .............. !
.
.. ~v
..... ..!
..... ! ....
! ..... θ
...
... ! r
... ! ! ...
~u !
!
!
!
É importante ressaltar que a medida do ângulo entre retas definida pela equação (5.10) leva
em consideração tanto retas concorrentes quanto retas reversas. Desse modo, as ilustrações
das Figuras 5.4 e 5.5 não refletem a situação de retas reversas. Assim, devem ser consideradas
como simples ilustrações.
s r
Q
r: X = A + λ ~u para λ ∈ R .
~ = (y1 , y2 , y3 ) ∈ V 3 .
para todo ~v = (x1 , x2 , x3 ) , w
244 Geometria Analı́tica e Vetores
Ps
6
!
!
!
!
!
!
!
!
!
s - -s r
A ~u Q
−→
s
−→ −→ ( h AP , ~u i )2
d(P, r) = h AP , AP i − . (5.11)
h ~u, ~u i
É importante observar que para obter a forma do cálculo da distância de um ponto a uma
reta dada pela equação (5.11) foi utilizado somente o conceito de projeção ortogonal, isto é,
usamos basicamente o conceito de produto escalar.
Finalmente, vamos calcular a distância de ponto a reta fazendo uso do produto vetorial. Para
isso, considere dois pontos distintos A, B na reta r, como ilustra a Figura 5.8. Sabemos
que a área do triângulo ABP , que vamos denotar por AT , é expressa da forma:
1 −→ −→ 1 −→
AT = k AP ∧ AB k = k AB k × d(P, r) ,
2 2
Portanto, a distância do ponto P a reta r fica expressa da forma:
−→ −→ −→
k AP ∧ AB k k AP ∧ ~u k
d(P, r) = −→ ⇐⇒ d(P, r) = , (5.12)
k AB k k ~u k
−→
uma vez que podemos considerar o vetor AB como sendo um vetor diretor da reta r.
Gostaria de ressaltar que a forma apresentada na equação (5.12) é a mais utilizada para
o cálculo da distância de um ponto a uma reta, na qual usamos o conceito geométrico do
produto vetorial.
Petronio Pulino 245
Ps
! !
! !
! !
! d(P, r) !
! !
! !
! !
! !
!
s - -s! r
A ~u B
Exemplo 5.4.1 Sejam o ponto P = (1, −1, 2) e a reta r ⊂ IE 3 definida pela seguinte
equação vetorial:
r : X = A + λ ~u para λ ∈ IR ,
onde A = (2, −1, 4) e ~u = (−1, 1, 1). Determine a distância do ponto P à reta r, que
denotamos por d(P, r), utilizando produto vetorial. Apresente uma ilustração gráfica para
auxiliar na resolução do problema.
Finalmente, vamos calcular a distância do ponto P a reta r através da equação (5.11), que
é dada por:
−→
s
−→ −→ ( h AP , ~u i )2
d(P, r) = h AP , AP i −
h ~u, ~u i
r r
1 14
= 5 − =
3 3
√
42
=
3
−→ −→ −→
uma vez que h AP , AP i = 5, h ~u, ~u i = 3 e h AP , ~u i = −1.
246 Geometria Analı́tica e Vetores
Exemplo 5.4.2 Determine a distância do ponto P = (2, −1, 3) a reta r definida pelas
seguintes equações paramétricas:
x = 1 + λ
r: y = −2 + 2 λ para λ ∈ IR .
z = 1 + 3λ
Exemplo 5.4.3 Determine a distância do ponto P = (1, −4, −1) a reta r definida pelas
seguintes equações simétricas:
y +3
r: 2−x = = z +1
2
Resolução – A Resolução pode ficar a cargo do leitor.
A = (1, 0, 1) e B = (0, 1, 1) .
Problema de Minimização
Problema 5.1 Considere um ponto P ∈ IE 3 e uma reta r ⊂ IE 3 definida pela seguinte
equação vetorial
r : X = A + λ ~u para λ ∈ IR .
Podemos escrever o problema de calcular a distância do ponto P a reta r da seguinte forma:
d(P, r) = d(P, Q∗ )
= min{ d(P, Q) / Q ∈ r }
(5.13)
−→
= min{ k QP k2 / Q ∈ r }
−→ −→
= min{ h QP , QP i / Q ∈ r } .
Resolução – Sabemos que qualquer ponto Q ∈ r é escrito da forma:
Q = A + λ ~u para λ ∈ IR .
−→
Assim, o vetor QP fica escrito da seguinte forma:
−→ −→ −→ −→
QP = AP − AQ = AP − λ ~u para λ ∈ IR ,
Ps
!@
I
! @
! @
! @
! @
! @
! @
! @
!
s - @
-s r
A ~u Q
−→ −→
O produto escalar h QP , QP i é expresso da forma:
−→ −→ −→ −→ −→
h QP , QP i = h AP , AP i − 2 λ h AP , ~u i + λ2 h ~u, ~u i .
Ps
!6
!
!
!
!
!
!
!
!
s - -s r
A ~u Q ∗
Assim, tem–se
−−→ −−→
( d(P, r) )2 = h Q∗ P , Q∗ P i
−→ −→ −→
h AP , AP i h ~u, ~u i − h AP , ~u i2
=
h ~u, ~u i
−→ −→
k AP k2 k ~u k2 − h AP , ~u i2
=
k ~u k2
−→
k AP ∧ ~u k2
= ,
k ~u k2
o resultado segue da Identidade de Lagrange, obtida no Exemplo 4.3.6.
h ~v , w
~ i = x1 y1 + x2 y 2 + x3 y 3
~ = (y1 , y2 , y3 ) ∈ V 3 .
para todo ~v = (x1 , x2 , x3 ) , w
Definição 5.5.1 (Retas Paralelas) Sejam a reta r definida pela equação vetorial
r: X = A + λ ~u para λ ∈ IR ,
s: X = B + λ ~v para λ ∈ IR ,
sB
~v
- s
!
!
!
! d(B, r) = d(r, s)
!
!
!
!
!
s - r
A ~u
Desse modo, podemos escolher o ponto B ∈ s, e calculando sua distância a reta r, obtemos
a distância entre as retas paralelas r e s. Assim, usando o procedimento para o cálculo da
distância de ponto a reta, obtemos
−→
k AB ∧ ~u k
d(r, s) = d(B, r) = . (5.16)
k ~u k
Note que, se r e s são retas concorrentes, elas têm um ponto em comum, isto é, existe
um ponto P = r ∩ s. Assim, a distância entre retas concorrentes e nula.
250 Geometria Analı́tica e Vetores
Definição 5.5.2 (Retas Reversas) Sejam a reta r definida pela equação vetorial
r: X = A + λ ~u para λ ∈ IR ,
s: X = B + λ ~v para λ ∈ IR ,
−→
duas retas reversas, isto é, o conjunto { ~u, ~v , AB } é linearmente independente em V 3 .
Definimos a distância entre as retas reversas r e s da seguinte forma:
−→ −→
h ~u ∧ ~v , AB i [~u, ~v , AB]
d(r, s) = = . (5.17)
k ~u ∧ ~v k k ~u ∧ ~v k
Assim, tomando a norma da projeção ortogonal, obtemos a distância entre as retas reversas
r e s, que fica expressa da forma:
−→
d(r, s) = k projw~ (AB) k
−→
h w,
~ AB i
=
kw
~k
−→
h ~u ∧ ~v , AB i
=
k ~u ∧ ~v k
−→
[~u, ~v , AB]
= ,
k ~u ∧ ~v k
r: X = A + λ ~u para λ ∈ IR ,
onde A = (1, −1, 2) e ~u = (2, 3, −2), e a reta s definida pela equação vetorial
s: X = B + λ ~v para λ ∈ IR ,
onde B = (2, 1, −1) e ~v = (1, −2, 3). Determine a distância entre as retas r e s.
Resolução – Podemos observar que as retas r e s não são paralelas, pois seus vetores
diretores são linearmente independentes em V 3 . Além disso, no Exemplo 5.2.1 apresentamos
o estudo da posição relativas das retas r e s, e concluı́mos que elas são retas reversas.
Vamos calcular o produto vetorial dos vetores diretores ~u e ~v , que é dado por:
~e1 ~e2 ~e3
~u ∧ ~v = 2 3 −2 = 5 ~e1 − 8 ~e2 − 7 ~e3 .
1 −2 3
√
Assim, tem–se k ~u ∧ ~v k = 138. Vamos agora calcular o módulo do produto misto dos
−→
vetores ~u, ~v e AB = (1, 2, −3), que é dado por:
−→ −→
[~
u , ~
v , AB] = h ~
u ∧ ~
v , AB i = 10 .
Exemplo 5.5.3 Determine a distância das retas paralelas r e s definidas pelas equações
r: X = A + λ ~u para λ ∈ IR ,
onde A = (1, −1, 2) e ~u = (2, 3, −2), e a reta s definida pela equação vetorial
s: X = B + α ~v para α ∈ IR ,
Encontre um ponto P ∗ na reta r e um ponto Q∗ na reta s tais que a reta que passa pelos
pontos P ∗ e Q∗ seja perpendicular a reta r e a reta s.
Para que a reta que passa pelos pontos P e Q seja perpendicular a reta r e a reta s,
−→
devemos impor que o vetor P Q seja ortogonal aos vetores ~u e ~v , isto é,
−→ −→
h P Q, ~u i = 0 e h P Q, ~v i = 0 .
−→
Tomando o vetor P Q que é expresso da forma:
−→
P Q = (1 − 2λ + α , 2 − 3λ − 2α , −3 + 2λ + 3α) ,
Problema de Minimização
Problema 5.2 Sejam as retas reversas r e s, com a reta r definida pela equação vetorial
r: X = A + λ ~u para λ ∈ IR ,
s: X = B + λ ~v para λ ∈ IR ,
Então, o cálculo da distância entre as retas reversas r e s pode ser expresso da forma:
isto é, a reta que passa pelos pontos P ∗ e Q∗ é perpendicular às retas r e s.
P = A + λ ~u para λ ∈ IR ,
Q = B + α ~v para α ∈ IR .
−→
Assim, o vetor P Q é escrito da forma:
−→ −→
P Q = AB + α ~v − λ ~u ,
−→
e sua k P Q k2 pode ser escrita por:
−→ −→ −→
k P Q k2 = h P Q, P Q i
−→ −→ −→ −→
= h AB, AB i + 2α h AB, ~v i − 2λ h AB, ~u i
− 2α λ h ~u, ~v i + α2 h ~v , ~v i + λ2 h ~u, ~u i .
Vamos definir uma função auxiliar F nas variáveis λ e α da forma:
−→ −→ −→ −→
F (λ, α) = h AB, AB i + 2α h AB, ~v i − 2λ h AB, ~u i
− 2α λ h ~u, ~v i + α2 h ~v , ~v i + λ2 h ~u, ~u i ,
Sabemos que um ponto crı́tico (λ∗ , α∗ ) ∈ IR2 da função F , é o ponto que anula o gradiente
da função. Desse modo, um ponto crı́tico (λ∗ , α∗ ) é a solução do sistema de equações lineares
∂F −→
(λ, α) = −h AB, ~u i + λ h ~u, ~u i − α h ~u, ~v i = 0
∂λ
(5.21)
∂F − →
(λ, α) = h AB, ~v i − λ h ~u, ~v i + α h ~v , ~v i = 0
∂α
Utilizando a desigualdade de Cauchy–Schwarz podemos mostramos que o determinante do
sistema linear (5.21) é positivo. De fato,
h ~u, ~u i −h ~u, ~v i
= h ~u, ~u i h ~v , ~v i − h ~u, ~v i2 > 0 . (5.22)
−h ~u, ~v i h ~v , ~v i
Assim, o sistema linear (5.21) possui solução única, e a função F tem um único ponto
crı́tico.
∂ 2F ∗ ∗ (5.23)
(λ , α ) = h ~u, ~u i > 0
∂λ2
∂ 2F ∗ ∗
(λ , α ) = h ~v , ~v i > 0
∂α2
Portanto, o ponto crı́tico (λ∗ , α∗ ), solução do sistema linear (5.21), é um ponto de mı́nimo
global para o Problema de Minimização.
P ∗ = A + λ∗ ~u e Q∗ = B + α∗ ~v .
Petronio Pulino 255
5.6 Exercı́cios
Exercı́cio 5.6.1 Considere Σ = (O, ~e1 , ~e2 , ~e3 ) o sistema ortogonal de coordenadas para o
espaço IE 3 . Determine equações simétricas da reta r ⊂ IE 3 que passa pelos pontos distintos
A = (x1 , y1 , z1 ) e B = (x2 , y2 , z2 ) ∈ IE 3 .
Exercı́cio 5.6.2 Determine equações paramétricas da reta r ⊂ IE 3 que passa pelos pontos
A = (−1, 2, 1) e B = (2, 0, 3) ∈ IE 3 .
Exercı́cio 5.6.3 Determine equações simétricas da reta r ⊂ IE 3 que passa pelos pontos
A = (−1, 2, 1) e B = (2, 0, 3) ∈ IE 3 .
Exercı́cio 5.6.4 Determine equações simétricas da reta r que passa pelo ponto A = (1, −2, 1)
e é paralela a reta s que passa pelos ponto C = (1, 0, 1) e D = (0, 1, 1).
Exercı́cio 5.6.5 Determine a equação da reta r que passa pelo ponto A = (1, −2, 3), é
concorrente com a reta s dada pelas equações paramétricas
x = 2 + 3λ
s: y = 1 + 2λ para λ ∈ IR ,
z = −1
s: x−2 = z+1 , y = 3.
(b) Encontre um ponto P na reta r e um ponto Q na reta s tais que a reta que passa
pelos pontos P e Q seja perpendicular a reta r e a reta s.
Exercı́cio 5.6.7 Considere o ponto P = (1, 2, −1) e a reta r definida pela equação vetorial
Exercı́cio 5.6.9 Determine uma equação vetorial da reta s que passa pelo ponto P =
(1, 2, 3) e é perpendicular à reta r definida pela seguinte equação vetorial
r: X = A + λ ~u para λ ∈ IR ,
Exercı́cio 5.6.11 Considere o ponto P = (2, 1, 1) e a reta r definida pela equação vetorial
r: X = (1, 0, 1) + λ (−1, 2, 1) , λ ∈ IR ,
(b) Determine um ponto Q na reta r que modo que a distância entre os pontos P e Q
seja igual a distância do ponto P a reta r.
Petronio Pulino 257
r: X = A + λ ~u para λ ∈ IR ,
onde A = (2, −1, 2) e ~u = (2, 3, −2), e a reta s definida pela equação vetorial
s: X = B + λ ~v para λ ∈ IR ,
onde B = (3, 1, −1) e ~v = (3, −2, 3). Estude a posição relativa das retas r e s.
r: X = A + λ ~u para λ ∈ IR ,
onde A = (2, −1, 2) e ~u = (−2, 1, −3), e a reta s definida pela equação vetorial
s: X = B + λ ~v para λ ∈ IR ,
r: X = A + λ ~u para λ ∈ IR ,
onde A = (2, −1, 2) e ~u = (3, 2, −1), e a reta s definida pela equação vetorial
s: X = B + λ ~v para λ ∈ IR ,
r: X = A + λ ~u para λ ∈ IR ,
s: X = B + λ ~v para λ ∈ IR ,
para α , λ ∈ IR.
(c) Determine o ponto P ∈ r e o ponto Q ∈ s tais que a reta que passa pelos pontos P
e Q seja perpendicular às retas r e s.
(c) Determine o ponto P ∈ r e o ponto Q ∈ s tais que a reta que passa pelos pontos P
e Q seja perpendicular às retas r e s.
Petronio Pulino Geometria Analı́tica e Vetores
259
260 Geometria Analı́tica e Vetores
π: X = P + λ ~u + µ ~v para λ, µ ∈ IR , (6.1)
~u ∧ ~v
6
! ~v π !
! !
!
! ! X !
!
1s
! !
! ! !
!
s -
! !
! P ~u !
! !
! !
! !
A equação (6.1), equação vetorial do plano π, traduz o fato que, o ponto X ∈ π se, e
−−→
somente se, os vetores P X, ~u, ~v são linearmente dependentes. De modo equivalente, o
−−→
ponto X ∈ π se, e somente se, existem escalares λ, µ ∈ R tais que P X = λ ~u + µ ~v .
Assim, quando os escalares λ, µ percorre todo o conjunto dos números reais, o ponto X
percorre todo o plano π.
Exemplo 6.1.1 Determine uma equação vetorial para cada um dos planos coordenados
OXZ , OYZ e OYZ .
Resolução – Vamos determinar uma equação vetorial para o plano coordenado OXZ .
Para isso, precisamos de dois vetores linearmente independentes para os vetores diretores
do plano. Assim, podemos considerar os vetores ~u = (1, 0, 1) e ~v = (1, 0, −1) como os
vetores diretores. Desse modo, o plano OXY fica definido pela seguinte equação vetorial
Note que, o plano coordenado OXZ passa pela origem do sistema ortogonal de coordenadas
do espaço IE 3 . A obtenção das equações vetoriais para os outros dois planos coordenados
pode ficar a cargo do leitor.
Petronio Pulino 261
que são equações paramétricas do plano π, na qual os vetores diretores ~u e ~v , que são
linearmente independentes e paralelos ao plano π, são escritos na forma:
−→ −−→
~u = P A = (x1 − xo , y1 − yo , z1 − zo ) e ~v = P B = (x2 − xo , y2 − yo , z2 − zo ) ,
! sB π !
! !
!
! ! X !
1s
!
~v!
!
! ! !
! !
s -sA !
! P ~u !
! !
! !
! !
Exemplo 6.1.2 Determine uma equação vetorial e equações paramétricas para o plano π
que passa pelos pontos A = (2, 0, 1) , B = (3, 1, −2) e é paralelo ao vetor ~v = (1, 2, 3).
Exemplo 6.1.3 Determine duas equações vetoriais para o plano π ⊂ IE 3 que passa pelos
pontos não–colineares A = (3, 4, 1) , B = (4, 2, −1) e C = (2, 1, −2) ∈ IE 3 .
Exemplo 6.1.4 Determine uma equação vetorial para o plano π que é paralelo ao plano
π1 definido pelas equações paramétricas
x = 1 + 2λ − µ
π1 : y = −1 − λ + 3µ para λ, µ ∈ IR ,
z = 3 + 3λ − 2µ
Determine o ponto P = r ∩ π.
X = (2, 1, 3) + α (3, 0, 1)
(6.5)
= (1, 2, 1) + λ (1, 1, 1) + µ (0, 1, 1)
Determine o ponto P = r ∩ π.
(b) Determine uma equação vetorial para a reta r que passa pelos ponto A e B.
λ1 = −1 − 3 µ2 , λ2 = 3 − 2 µ 2 e µ1 = 2 + 2 µ2 para µ2 ∈ IR .
Vamos determinar a equação vetorial da reta r que passa pelos pontos A = (5, −1, 3) e
−→
B = (5, 0, 1). Assim, podemos escolher o vetor ~u = AB = (0, 1, −2) como vetor diretor
da reta r. Desse modo, a reta r fica definida pela seguinte equação vetorial
λ 1 = 1 + 2 µ2 , λ2 = 0 , µ1 = −2 − µ2 para µ2 ∈ IR .
Com os resultados da secção 6.2, resolvemos esse exercı́cio de uma maneira mais elegante.
266 Geometria Analı́tica e Vetores
h ~v , w
~ i = x1 y1 + x2 y 2 + x3 y3
~ = (y1 , y2 , y3 ) ∈ V 3 .
para todo ~v = (x1 , x2 , x3 ) , w
ax + by + cz = d , (6.12)
Vamos apresentar uma forma mais geométrica de como podemos obter a equação geral (6.11)
−−→
através do produto escalar dos vetores P X e ~u ∧ ~v , uma vez que o produto vetorial dos
vetores diretores ~u e ~v é expresso da seguinte forma:
b1 c 1 a1 c 1 a1 b1
~u ∧ ~v = ~e −
a2 c2 ~e2 + a2 b2 ~e3 , (6.15)
b2 c 2 1
Sabemos que o vetor ~u ∧ ~v é ortogonal ao plano π. Assim, a equação geral (6.11) fica
expressa da seguinte forma:
−−→
h P X, ~u ∧ ~v i = 0 , (6.16)
−−→
uma vez que o vetor P X = (x − xo , y − yo , z − zo ) ∈ π. Na Figura 6.3 temos a ilustração
−−→
da condição de ortogonalidade entre os vetores P X e ~u ∧ ~v .
~u ∧ ~v
6
! ~v π !
! !
!
! ! X !
1s
! ! !
! ! !
! !
s - !
! P ~u !
! !
! !
! !
Definição 6.2.1 (Vetor Normal) Seja π um plano contido no espaço IE 3 . Dizemos que
um vetor não–nulo ~n ∈ V 3 ortogonal ao plano π é um vetor normal ao plano π.
~n
6
~u ∧ ~v
6
! ~v π !
!
! !
! ! X !
!
1s
! !
! ! !
s
! -
! !
! P ~u !
! !
! !
! !
Exemplo 6.2.1 Determine uma equação geral do plano π ⊂ IE 3 que passa pelo ponto
P = (1, −2, 1) e que tem por um vetor normal ~n = (2, −3, 2).
Exemplo 6.2.2 Determine uma equação geral do plano π ⊂ IE 3 que passa pelo ponto
P = (2, 1, 3) e é perpendicular à reta r ⊂ IE 3 definida pela equação vetorial
Exemplo 6.2.3 Determine uma equação geral do plano π ⊂ IE 3 que passa pelo ponto
P = (1, 2, −3) e é paralelo ao plano π1 ⊂ IE 3 definido pela equação geral
π1 : 3x − 2y + 4z = 4 .
Exemplo 6.2.4 Determine uma equação geral do plano π ⊂ IE 3 que passa pelo ponto
P = (3, 1, −2) e é perpendicular à reta r ⊂ IE 3 que passa pelos ponto
π1 : 3x − 2y + 4z = 4 e π2 : x − 2y + 2z = 2 .
que possui um grau de liberdade. Desse modo, escolhendo z como variável livre, e chamando
z = λ ∈ IR, a reta r fica definida pelas seguintes equações paramétricas
x = −λ + 1
1 1
r: y = λ −
2 2
z = λ
π1 : x − 3y + z = 2 e π2 : −2 x + 4 y + 2 z = 2 .
π: x − 2 y − z = −3 .
π1 : 3x − 2y + 4z = 4 e π2 : x − 2y + 2z = 2 .
Resolução – Sabemos que ~n1 = (3, −2, 4) é um vetor normal ao plano π1 , ~n2 = (1, −2, 2)
é um vetor normal ao plano π2 . Vamos denotar por ~n o vetor diretor da reta r. Como a
reta r = π1 ∩ π2 , então, a reta r ⊂ π1 e a reta r ⊂ π2 . Desse modo, tem–se
~n ⊥ ~n1 e ~n ⊥ ~n2 .
Assim, podemos escolher o vetor ~n = ~n1 ∧ ~n2 como um vetor diretor da reta r, que é
calculado da seguinte forma:
~e1 ~
e 2 ~
e 3
~n = ~n1 ∧ ~n2 = 3 −2 4 = 4 ~e1 − 2 ~e2 − 4 ~e3 .
1 −2 2
Exemplo 6.2.9 Determinar uma equação vetorial para a reta r ⊂ IE 3 que passa pelo ponto
A = (2, 1, 1) e é perpendicular ao plano π definido pela equação geral
π2 : x − 2y + 2z = 2 .
Exemplo 6.2.10 Determine uma equação geral do plano π ⊂ IE 3 que passa pelos pontos
não–colineares A = (1, 0, 0), B = (0, 1, 0) e C = (0, 0, 1). Determine uma equação
vetorial da reta r que passa pela origem O = (0, 0, 0) e é perpendicular ao plano π.
h ~v , w
~ i = x1 y1 + x2 y 2 + x3 y3
~ = (y1 , y2 , y3 ) ∈ V 3 .
para todo ~v = (x1 , x2 , x3 ) , w
r: X = A + λ ~u para λ ∈ IR ,
π: X = P + α ~v + µ w
~ para α, µ ∈ IR ,
onde ~n = ~v ∧ w
~ é um vetor normal ao plano π.
Assim, existe um único ponto Q ∈ IE 3 de modo que Q = r ∩ π, que pode ser obtido
resolvendo a seguinte equação vetorial
−→
λ ~u − α ~v − µ w
~ = AP . (6.18)
r: X = A + λ ~u para λ ∈ IR ,
π: X = P + α ~v + µ w
~ para α, µ ∈ IR ,
onde ~n = ~v ∧ w
~ é um vetor normal ao plano π.
para λ1 , µ1 , λ2 , µ2 ∈ IR, com ~n1 = ~u1 ∧ ~v1 um vetor normal ao plano π1 e ~n2 = ~u2 ∧ ~v2
um vetor normal ao plano π2 .
Assim, existe uma única reta r ⊂ IE 3 de modo que r = π1 ∩ π2 , que pode ser obtida
resolvendo o seguinte sistema de equações lineares
a1 x + b1 y + c1 z = d1
r: (6.19)
a x + b y + c z = d
2 2 2 2
π1 : a1 x + b1 y + c1 z = d1 e π2 : a2 x + b 2 y + c 2 z = d 2 ,
para λ1 , µ1 , λ2 , µ2 ∈ IR, com ~n1 = ~u1 ∧ ~v1 um vetor normal ao plano π1 e ~n2 = ~u2 ∧ ~v2
um vetor normal ao plano π2 .
Exemplo 6.3.4 Estude a posição relativa dos planos π1 e π2 definidos pelas seguintes
equações gerais
π1 : 2x − y + 3z = 1 e π2 : 3x − 2y − z = 2 .
Exemplo 6.3.5 Estude a posição relativa dos planos π1 e π2 definidos pelas seguintes
equações gerais
π1 : x − 2y + z = 3 e π2 : 3x + y − z = 2 .
h ~v , w
~ i = x1 y1 + x2 y 2 + x3 y 3
~ = (y1 , y2 , y3 ) ∈ V 3 .
para todo ~v = (x1 , x2 , x3 ) , w
r: X = A + λ ~u para λ ∈ IR ,
π: X = P + α ~v + µ w
~ para α, µ ∈ IR .
Então, a reta r e o plano π são perpendiculares se, e somente se, um vetor diretor da
reta r é paralelo ao vetor ~v ∧ w,
~ isto é,
r ⊥ π ⇐⇒ ~u k ~v ∧ w
~ ,
onde ~v ∧ w
~ é um vetor normal ao plano π, como ilustra a Figura 6.5.
r
6~
u
~v ∧ w
~
6
! w
~ π !
! !
!
! sA ! !
! ! !
! ! !
! s! - !
! P ~v !
! !
! !
! !
r: X = A + λ ~u para λ ∈ IR ,
π: X = P + α ~v + µ w
~ para α, µ ∈ IR ,
com ~n = ~v ∧ w
~ um vetor normal ao plano π.
Exemplo 6.4.1 Determine a medida em radianos do ângulo entre a reta r definida pela
equação vetorial
É importante ressaltar que o ângulo entre a reta r e o plano π fica definido como sendo o
ângulo entre e reta r e a reta t ⊂ π, onde a reta t é a projeção ortogonal da reta r sobre
o plano π, como ilustra a Figura 6.7.
s r
! ~n
~ π !
! 6 u
t !
! .
!
....
!
........θ !
...
! !
!
!
! !
! !
! !
! !
Exemplo 6.4.2 Determine a medida em radianos do ângulo entre a reta r definida pela
equação vetorial
π: x + y − z = 2 .
Resolução – Sabemos que o vetor ~n = (1, 1, −1) é um vetor normal ao plano π, e que o
vetor ~u = (1, 2, 1) é um vetor diretor da reta r. Assim, a medida em radianos do ângulo
entre a reta r e o plano π é expresso da seguinte forma:
√ √ !
| h ~u, ~n i | 2 2 2
sin(θ) = = √ √ = =⇒ θ = arcsin .
k ~u k k ~n k 6× 3 3 3
Petronio Pulino 277
h ~v , w
~ i = x1 y1 + x2 y 2 + x3 y 3
~ = (y1 , y2 , y3 ) ∈ V 3 .
para todo ~v = (x1 , x2 , x3 ) , w
para λ1 , µ1 , λ2 , µ2 ∈ IR, com ~n1 = ~u1 ∧ ~v1 um vetor normal ao plano π1 e ~n2 = ~u2 ∧ ~v2
um vetor normal ao plano π2 .
Então, os planos π1 e π2 são perpendiculares se, e somente se, os vetores ~n1 e ~n2 são
ortogonais, isto é, se, e somente se,
!
!
! π2
!
!
!
!
!
! ~n1
! 6
! π1 !
! ! !
! ! !
! ! !
! ! !
! !s -~
n2 !
! ! !
! ! !
! ! !
! ! !
π1 : 2x − y − 3z = 2 e π2 : x − y + z = 3 ,
são perpendiculares.
para λ1 , µ1 , λ2 , µ2 ∈ IR, com ~n1 = ~u1 ∧ ~v1 um vetor normal ao plano π1 e ~n2 = ~u2 ∧ ~v2
um vetor normal ao plano π2 .
Considere a reta r perpendicular ao plano π1 , isto é, o vetor ~n1 é um vetor diretor da reta
r, e a reta s perpendicular ao plano π2 , isto é, o vetor ~n2 é um vetor diretor da reta s.
A
sA r
A
A
A
A
A
!
A ~n1 !
6
A .......θ....................... !
A
..
...
π2 !
~n2AAK !
A !
! A ! ! π1 !
! A ! ! !
! A ! ! !
! As! ! !
! !
!
! ! !
! !
. !
! ......
...
! !
! ! ... θ !
.
...
! ! .. !
π1 : 4x − 2y + 4z = 1 e π2 : −x − 2 y + 2 z = 3 .
Resolução – Sabemos que o vetor ~n1 = (4, −2, 4), que é um vetor normal ao plano π1 ,
é um vetor diretor da reta r perpendicular ao plano π1 , e o vetor ~n2 = (−1, −2, 2), que é
um vetor normal ao plano π2 , é um vetor diretor da reta s perpendicular ao plano π2 .
h πi
Desse modo, a medida do ângulo entre os planos π1 e π2 é o valor θ ∈ 0, que satisfaz
2
a equação
| h ~n1 , ~n2 i | 8 4 4
cos(θ) = = = =⇒ θ = arccos .
k ~n1 k k ~n2 k 6×3 9 9
h ~v , w
~ i = x1 y1 + x2 y 2 + x3 y 3
~ = (y1 , y2 , y3 ) ∈ V 3 .
para todo ~v = (x1 , x2 , x3 ) , w
sP
!
π !
!
!
!
sQ !
! !
!
!
s
! !
! A !
! !
! !
! !
π: X = A + λ ~u + µ ~v para λ, µ ∈ IR .
sP
6
~n
!
~
v π !
!
!
!
! Q
!
1s !
!
! !
!
! !
! !
s
-~
u !
! A !
! !
! !
! !
π: X = 2x − y + 4z = 2 .
Resolução – Tome um ponto A ∈ π, por exemplo, A = (1, 0, 0). Sabemos que o vetor
−→
~n = (2, −1, 4) é um vetor normal ao plano π, e o vetor AP = (1, −2, 1). Assim, a distância
do ponto P = (2, −2, 1) ao plano π, é calculado da seguinte forma:
−→
√
h AP , ~n i
|8| 8 21
d(P, π) = = √ = .
k ~n k 21 21
Uma outra maneira de resolver esse exemplo, é utilizando o resultado do Exemplo 6.6.3.
Resolução – Temos que os vetores ~u = (1, 1, 1) e ~v = (0, −1, 1) são dois vetores
diretores do plano π. Assim, um vetor normal ao plano π é calculado da seguinte forma:
~e1 ~e2 ~e3
~n = ~u ∧ ~v = 1 1 1 = 2 ~e1 − ~e2 − ~e3 .
0 −1 1
−→
Tomando o ponto A = (1, 2, 1) ∈ π, temos o vetor AP = (−2, 1, 1). Assim, a distância
do ponto P = (−1, 3, 2) ao plano π, é calculado da seguinte forma:
−→
h AP , ~n i
| −6 | √
d(P, π) = = √ = 6 .
k ~n k 6
π: ax + by + cz = d ,
Problema de Minimização
Problema 6.1 Considere um ponto P ∈ IE 3 e o plano π definido pela equação vetorial
π: X = A + λ ~u + µ ~v para λ, µ ∈ IR .
Q = A + λ ~u + µ ~v para λ, µ ∈ IR .
−→
Assim, o vetor QP é escrito da forma:
−→ −→
QP = AP − λ ~u − µ ~v para λ, µ ∈ IR ,
−→
e sua k QP k2 pode ser escrita por:
−→ −→ −→
k QP k2 = h QP , QP i
−→ −→ −→ −→
= h AP , AP i − 2λ h AP , ~u i − 2µ h AP , ~v i
+ 2λ µ h ~u, ~v i + λ2 h ~u, ~u i + µ2 h ~v , ~v i .
+ 2λ µ h ~u, ~v i + λ2 h ~u, ~u i + µ2 h ~v , ~v i .
Sabemos que um ponto crı́tico (λ∗ , µ∗ ) ∈ IR2 da função F , é o ponto que anula o gradiente
da função. Desse modo, um ponto crı́tico (λ∗ , µ∗ ) é a solução do sistema de equações lineares
∂F −→
(λ, µ) = −h AP , ~u i + λ h ~u, ~u i + µ h ~u, ~v i = 0
∂λ
(6.28)
∂F (λ, µ) = −h − →
AP , ~v i + λ h ~u, ~v i + µ h ~v , ~v i = 0
∂µ
que podemos reescreve–lo na forma matricial por:
" #" # −→
h ~u, ~u i h ~u, ~v i λ h AP , ~u i
= −→ (6.29)
h ~u, ~v i h ~v , ~v i µ h AP , ~v i
denominado sistema normal.
Desse modo, o sistema de equações lineares (6.29) possui solução única, e a função F tem
um único ponto crı́tico.
∂ 2F ∗ ∗
(λ , µ ) = h ~u, ~u i > 0 (6.31)
∂λ2
∂ 2F ∗ ∗
(λ , µ ) = h ~v , ~v i > 0
∂µ2
Portanto, o ponto crı́tico (λ∗ , µ∗ ), solução do sistema de equações lineares (6.29), é um ponto
de mı́nimo global para o Problema de Minimização.
sP
6
!
~
v π !
!
!
!
! Q∗
! 1s
!
!
! !
!
! !
! !
s
-~
u !
! A !
! !
! !
! !
Exemplo 6.6.4 Determine a distância do ponto P = (−1, 3, −1) ao plano π definido pela
seguinte equação vetorial
Resolução – Temos os vetores ~u = (1, 1, 1) e ~v = (0, 1, 1), que são dois vetores diretores
−→
do plano π, e o vetor AP = (−2, 1, −2). Assim, o sistema normal, que é a imposição da
condição de transversalidade, fica dado por:
" #" # −→ " #" # " #
h ~u, ~u i h ~u, ~v i λ h AP , ~u i 3 2 λ −3
= −→ ⇐⇒ =
h ~u, ~v i h ~v , ~v i µ h AP , ~v i 2 2 µ −1
3
cuja solução é λ = −2 e µ = .
2
Q∗ = A + λ∗ ~u + µ∗ ~v
3 1
= (1, 2, 1) − 2 (1, 1, 1) + (0, 1, 1) = (−2, 3, 1) ,
2 2
−−→
e o vetor Q∗ P é expresso da forma:
−−∗→ −→
Q P = AP − λ∗ ~u − µ∗ ~v
3 1
= (−2, 1, −2) + 2 (1, 1, 1) − (0, 1, 1) = (0, 3, −3) .
2 2
que é ortogonal ao plano π.
Exemplo 6.6.5 Determine a distância do ponto P = (−1, 3, −1) ao plano π definido pela
seguinte equação vetorial
Resolução – Temos os vetores ~u = (1, 1, 1) e ~v = (0, 1, 1), que são dois vetores diretores
−→
do plano π, e o vetor AP = (−2, 1, −2). Um vetor normal ao plano π é calculado da
forma:
~e1 ~e2 ~e3
~n = ~u ∧ ~v = 1 1 1 = −~e2 + ~e3
⇐⇒ ~n = (0, −1, 1) .
0 1 1
Note que, o resultado é igual a do Exemplo 6.6.4, que foi obtido através do problema de
minimização.
Petronio Pulino 287
h ~v , w
~ i = x1 y1 + x2 y 2 + x3 y 3
~ = (y1 , y2 , y3 ) ∈ V 3 .
para todo ~v = (x1 , x2 , x3 ) , w
π: X = A + α ~v + µ w
~ para α, µ ∈ IR .
com ~n = ~v ∧ w
~ um vetor normal ao plano π, e uma reta r definida pela equação vetorial
r: X = P + λ ~u para λ ∈ IR .
(a) Se r é uma reta transversal ao plano π, isto é, existe um único ponto Q ∈ IE 3 tal
que Q = r ∩ π, então d(r, π) = 0. Note que, nesse caso, tem–se h ~u, ~n i 6= 0.
(b) Se r é uma reta paralela ao plano π, então d(r, π) é a distância de um ponto qualquer
da reta r ao plano π. Note que, nesse caso, tem–se h ~u, ~n i = 0. Portanto,
−→
h AP , ~n i
d(r, π) = d(P, π) = .
k ~n k
Na Figura 6.13 ilustramos a situação na qual a reta r paralela ao plano π. Desse modo,
tem–se h ~u, ~n i = 0. Na Figura 6.14 ilustramos a situação na qual a reta r é transversal ao
plano π. Logo, tem–se h ~u, ~n i 6= 0 e d(r, π) = 0.
288 Geometria Analı́tica e Vetores
P ~u r
s -
~n
6
! w
~ π !
! !
!
! ! !
! ! !
! ! !
! s! - !
! A ~v !
! !
! !
! !
r
~
u
~n
6
sP
! π !
!
w
~ !
!!
sQ
! !
! ! !
! ! !
! s! - !
! A ~v !
! !
! !
! !
Exemplo 6.7.1 Determine a distância entre a reta r definida pela equação vetorial
π: X = 2x + y − z = 2 .
Resolução – Sabemos que o vetor ~u = (3, 1, −1) é um vetor diretor para reta r, e que o
vetor ~n = (2, 1, −1) é um vetor normal para o plano π. Podemos verificar facilmente que
h ~u, ~n i 6= 0. Assim, temos que r é uma reta transversal ao plano π. Portanto, d(r, π) = 0.
Petronio Pulino 289
Exemplo 6.7.2 Determine a distância entre a reta r definida pela equação vetorial
π: X = 2x + y − z = 2 .
Resolução – Sabemos que o vetor ~u = (1, 2, 4) é um vetor diretor para reta r, e que o
vetor ~n = (2, 1, −1) é um vetor normal para o plano π. Podemos verificar facilmente que
h ~u, ~n i = 0. Assim, temos que r é uma reta paralela ao plano π.
Vamos calcular a distância entre a reta r e o plano π. Para isso, escolhemos o ponto
P = (1, −2, 1) ∈ r e calcular d(r, π) = d(P, π). Tomando o ponto A = (1, 0, 0) ∈ π,
−→
temos o vetor AP = (0, −2, 1). Assim, tem–se
−→
√
h AP , ~n i
| −3 | 6
d(r, π) = d(P, π) = = √ = .
k ~n k 6 2
Exemplo 6.7.3 Determine a distância entre a reta r definida pela equação vetorial
Exemplo 6.7.4 Determine a distância entre a reta r definida pela equação vetorial
Exemplo 6.7.5 Determine a distância entre a reta r definida pela equação vetorial
π: −2 x + y + z = 1 .
r: X = A + λ ~u para λ ∈ IR ,
onde A = (1, −1, 2) e ~u = (2, 3, −2), e a reta s definida pela equação vetorial
s: X = B + λ ~v para λ ∈ IR ,
onde B = (2, 1, −1) e ~v = (1, −2, 3). Determine a distância entre as retas r e s.
5 x − 8 y − 7 z = −1 ,
que foi como desenvolvemos o cálculo da distância entre retas reversas na secção 5.5. Nesse
exemplo, mostramos uma nova maneira para o cálculo da distância entre retas reversas. Note
que, no Exemplo 5.5.4 também mostramos uma outra forma de calcular a distância entre
retas reversas.
Petronio Pulino 291
h ~v , w
~ i = x1 y1 + x2 y 2 + x3 y 3
~ = (y1 , y2 , y3 ) ∈ V 3 .
para todo ~v = (x1 , x2 , x3 ) , w
para λ1 , µ1 , λ2 , µ2 ∈ IR, com ~n1 = ~u1 ∧ ~v1 um vetor normal ao plano π1 e ~n2 = ~u2 ∧ ~v2
um vetor normal ao plano π2 .
(a) Se os planos π1 e π2 são transversais (concorrentes), isto é, { ~n1 , ~n2 } é um conjunto
linearmente independente em V 3 , então d(π1 , π2 ) = 0.
(b) Se os planos π1 e π2 são paralelos, isto é, { ~n1 , ~n2 } é um conjunto linearmente
dependente em V 3 , então a d(π1 , π2 ) é calculada como a distância de ponto a plano.
Portanto, calculamos a d(π1 , π2 ) como sendo a distância de um ponto qualquer do
plano π1 ao plano π2 , ou como sendo a distância de um ponto qualquer do plano π2
ao plano π1 . Portanto,
−−→
h P P , ~
n i
1 2 2
d(π1 , π2 ) = d(P1 , π2 ) = .
k ~n2 k
Na Figura 6.15 ilustramos a situação na qual temos dois planos transversais, isto é, existe
uma única reta r ⊂ IE 3 de modo que r = π1 ∩ π2 . Assim, tem–se d(π1 , π2 ) = 0. Na
Figura 6.16 ilustramos a situação na qual temos dois planos paralelos. Assim, a d(π1 , π2 ) é
tratada como o caso de distância de ponto a plano, que estudamos na secção 6.6.
292 Geometria Analı́tica e Vetores
!!r
!
! !
!
! π !
! 2
!
!
!
! ! ! π1 !
! ! ! !
! ! ! !
! ! ! !
! ! !
! ! !
! ! !
! ! !
! ! !
! !
!
!
!
!
! π2 !
! !
! !
! !
! ! π1 !
! ! !
! ! !
! ! !
! ! !
! ! !
!
! !
! !
! !
! !
π1 : −2 x + 4 y − 2 z = 2 e π2 : x − 2y + z = 6 .
Resolução – Sabemos que o vetor ~n1 = (−2, 4, −2) é um vetor normal ao plano π1 e o
vetor ~n2 = (1, −2, 1) é um vetor normal ao plano π2 . Para calcular a distância d(π1 , π2 ),
escolhemos um ponto P ∈ π1 e calculamos d(P, π2 ).
Note que, podemos também calcular a d(π1 , π2 ) através do resultado do Exemplo 6.6.3,
escolhendo um ponto P ∈ π1 , por exemplo, e calculando d(π1 , π2 ) = d(P, π2 ) utilizando
a equação geral do plano π2 .
294 Geometria Analı́tica e Vetores
Note que, podemos também calcular a d(P, π1 ) através do resultado do Exemplo 6.6.3. Para
isso, necesitamos da equação geral do plano π1 . Sabemos que o vetor ~n1 = (2, −1, −1) é
um vetor normal ao plano π1 , e que o plano passa pelo ponto A = (1, 2, 1). Assim, o plano
π1 fica definido pela seguinte equação geral
π1 : 2 x − y − z = −1 .
6.9 Exercı́cios
(a) Determine a equação vetorial da reta r que passa pelo ponto P que é perpendicular
ao plano π.
(b) Sejam ~u o vetor diretor da reta r e ~n o vetor normal ao plano π. Determine uma
base ortogonal para V 3 contendo os vetores ~u e ~n.
(c) Determine a equação geral de um plano que é perpendicular ao plano π passando pelo
ponto P = (1, 1, 1).
Exercı́cio 6.9.5 Em cada um dos casos abaixo encontre uma equação do plano π.
(a) O plano π passa pelo ponto P = (3, 1, 2) e tem vetor normal ~n = (1, 2, −3).
(b) O plano π passa pelos pontos A = (0, 0, 2), B = (2, 4, 1) e C = (−2, 3, 3).
(c) Tem–se que o ponto C = (−5, 1, 2) ∈ π e que o plano π é perpendicular à reta que
passa pelos pontos A = (2, 2, −4) e B = (7, −1, 3).
π1 : x + 3y − z = 7
π1 : x − y − 2z = 0 e π2 : 2x + y − 4z − 5 = 0
e o ponto P = (1, 2, 1) ∈
/ π.
π: 2x + 2y − z = 6
(a) Determine a equação do plano π que passa por A, B e C. Mostre também que D não
está em π.
(c) Determine o ponto de intersecção entre a reta r do item (b) e o plano π do item (a).
(d) Encontre um ponto P na reta r e um ponto Q na reta s tais que a reta que passa
pelos pontos P e Q seja perpendicular a reta r e a reta s.
π1 : x − y + z −3 = 0 e π2 : 2m2 x − (m + 1)y + 2z = 0 .
1. paralelos.
2. concorrentes.
3. concorrentes e ortogonais.
Determine uma equação vetorial para a reta s passando pelo ponto P , que é paralela ou
está contida no plano π e que é concorrente à reta r.
(b) Dados os ponto A = (1, 2 − 1) e B = (3, 4 − 3). Determine a equação geral do plano
mediador do segmento AB.
Exercı́cio 6.9.15 Determine uma equação do plano que contém o ponto A = (1, −1, 1) que
é perpendicular aos planos
π1 : x + 2y − 3z + 6 = 0 e π2 : 8x − 4y + 4z − 1 = 0 .
Exercı́cio 6.9.16 Determine a equação do lugar geométrico dos pontos de IE 3 que são
equidistantes da reta r dada pela equação vetorial
Exercı́cio 6.9.17 Determine a equação do lugar geométrico dos pontos de IE 3 que são
equidistantes da reta r definida pela equação vetorial
(a) Determine uma equação geral do plano π que passa pelo ponto F e que contém a reta
r.
(b) Determine uma equação geral do plano π que passa pelo ponto F e é perpendicular à
reta r.
Exercı́cio 6.9.19 Determine a equação do lugar geométrico dos pontos de IE 3 que são
equidistantes da reta r definida pela equação vetorial
Exercı́cio 6.9.20 Determine a projeção do ponto P = (1, 4, −1) sobre o plano π definido
pela equação
π : x + 2y − z + 2 = 0 ,
paralelamente à reta r definida pela equação vetorial
para α, λ ∈ IR.
(b) Determine uma equação geral do plano π1 de modo que r ⊂ π1 , a equação do geral
do plano π2 de modo que s ⊂ π2 , e que os planos π1 e π2 sejam paralelos.
(d) Determine o ponto P ∈ r e o ponto Q ∈ s tais que a reta que passa pelos pontos P
e Q seja perpendicular às retas r e s.
300 Geometria Analı́tica e Vetores
e o ponto P = (−1, 2, 2) ∈ IE 3 .
Mudança de Coordenadas
7
Conteúdo
7.1 Sistemas de Coordenadas em IE 2 . . . . . . . . . . . . . . . . . . 302
7.1.1 Translação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
7.1.2 Rotação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
7.1.3 Rotação Composta com uma Translação . . . . . . . . . . . . . . . 322
7.2 Sistemas de Coordenadas em IE 3 . . . . . . . . . . . . . . . . . . 327
7.3 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334
301
302 Geometria Analı́tica e Vetores
h ~v , w
~ i = x1 x2 + y1 y2
~ = (x2 , y2 ) ∈ V 2 .
para todo ~v = (x1 , y1 ) , w
Portanto, nosso objetivo nessa secção é estabelecer uma relação entre os dois sistemas de
coordenadas, isto é, conhecendo as coordenadas de um vetor w~ ∈ V 2 em um dos sistemas de
coordenadas, queremos saber como são suas coordenadas no outro sistema de coordenadas.
Petronio Pulino 303
Conforme estudamos na secção 2.6, sabemos que existe uma matriz invertı́vel M ∈ IM2 (IR)
tal que
[w]
~ γ = M [w] ~β ⇐⇒ ~ β = M −1 [w]
[w] ~γ , (7.3)
~ ∈ V 2.
para todo vetor w
De fato, sabemos que cada vetor da base ordenada β pode ser representado de modo único
como uma combinação linear dos vetores da base ordenada γ, pelo Teorema 2.4.1. Assim,
existem, e são únicos, os escalares reais c11 , c21 tais que
~ = a~e1 + b~e2
w
= a( c11 ~q1 + c21 ~q2 ) + b( c12 ~q1 + c22 ~q2 )
= ( a c11 + bc12 ) ~q1 + ( a c21 + bc22 ) ~q2
que é denominada matriz de mudança da base ordenada β para a base ordenada γ, que
estudamos na Proposição 2.6.1.
304 Geometria Analı́tica e Vetores
Particularmente, como γ = { ~q1 , ~q2 } é uma base ortogonal, podemos encontrar a matriz
M de mudança da base ordenada β para a base ortogonal γ da seguinte forma:
É muito importante observar que com as relações dadas pela equação (7.6), conhecendo as
coordenadas de um ponto no sistema de coordenadas Σ2 podemos obter suas coordenadas
no sistema Σ1 . Podemos também obter a equação de uma determinada curva no sistema
de coordenadas no sistema Σ2 conhecendo sua equação no sistema de coordenadas Σ1 . De
maneira análoga, podemos fazer o mesmo tipo leitura das relações dadas pela equação (7.7).
Gostaria de ressaltar que nas as relações dadas pela equação (7.6) será sempre utilizada a
matriz de mudança da base ordenada γ para a base ordenada β. E nas as relações dadas
pela equação (7.7) sempre utilizamos a matriz de mudança da base ordenada β para a base
ordenada γ. Assim, em cada problema construı́mos a matriz de mudança de base que for
mais simples.
Note que, nesse contexto, tem–se que o sistema de coordenadas Σ1 para o espaço IE 2
está relacionado com a base ordenada β para o espaço de vetores V 3 . De modo análogo,
tem–se que o sistema de coordenadas Σ2 para o espaço IE 2 está relacionado com a base
ordenada γ para o espaço de vetores V 2 . Assim, é importante observar com qual base
ordenada para o espaço de vetores V 2 cada um sistema de coordenadas está relacionado,
para que possamos utilizar de forma adequada a matriz de mudança de base que construı́mos.
Finalmente, observarmos que nos diversos problemas apresentados nesse assunto, as bases
ordenadas com as quais estão relacionados os sistemas de coordenadas Σ1 e Σ2 não são
necessariamente ortogonais, ou ortonormais. Entretanto, gostarı́amos de ressaltar que nos
problemas mais interessantes, e com uma certa aplicabilidade, sempre serão apresentadas
bases ortogonais, ou mesmo ortonormais. Nos diversos exemplos que apresentamos a seguir,
procuramos tornar mais claras as observações feitas acima.
306 Geometria Analı́tica e Vetores
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
r: x + 2y − 2 = 0 .
Resolução – Como γ = { ~q1 , ~q2 } é uma base ortogonal, podemos encontrar a matriz M
de mudança da base ordenada β para a base ordenada γ da seguinte forma:
h ~e1 , ~q1 i h ~e2 , ~q1 i
1 1
h ~q1 , ~q1 i h ~q1 , ~q1 i
= 2 2 .
M = 1 1
h ~e1 , ~q2 i h ~e2 , ~q2 i
−
h ~q2 , ~q2 i h ~q2 , ~q2 i 2 2
Assim, a matriz de mudança da base ordenada γ para a base ordenada β é dada por:
" #
1 −1
M −1 = .
1 1
Considerando a relação dada pela equação (7.6), obtemos as equações para a mudança de
coordenadas do sistema de coordenadas Σ1 para o sistema de coordenadas Σ2 , que são
expressas da seguinte forma:
" # " # " ′# (
x 4 −1
x x = 4 + x′ − y ′
= + M ⇐⇒ (7.10)
y 3 y′ y = 3 + x′ + y ′
Petronio Pulino 307
Assim, da relação dada pela equação (7.7), obtemos as equações da mudança de coordenadas
do sistema de coordenadas Σ2 para o sistema de coordenadas Σ1 , que são expressas da
seguinte forma:
7 1 1
x = −2 + 2 x + 2 y
" ′# " #
′
x x−4
= M ⇐⇒ (7.11)
y′ y −3
1 1 1
y′ =
− x + y
2 2 2
Finalmente, substituindo as relações dadas na equação (7.10) na equação na forma canônica
da reta r no sistema de coordenadas Σ1 , obtemos a equação na forma canônica da reta r
no sistema de coordenadas Σ2 , que é expressa da seguinte forma:
r: 4 + x′ − y ′ + 6 + 2 x′ + 2 y ′ − 2 = 0 ⇐⇒ r: 3 x′ + y ′ + 8 = 0 .
y x′
6y
′
I
@
@
@
@
@
@
@
@I
@
@
@
3 @@s O 2
@
@
r @
HH @
HH
HH @
HH @
6 @
HH
@
- HH @ -x
H
s
O1 HH @
H 4 @
HH
HH @
HH @
H
É muito importante observar que com as relações dadas pela equação (7.10), conhecendo as
coordenadas de um ponto no sistema de coordenadas Σ2 podemos obter suas coordenadas
no sistema Σ1 . Podemos também obter a equação de uma determinada curva no sistema
de coordenadas no sistema Σ2 conhecendo sua equação no sistema de coordenadas Σ1 . De
maneira análoga, podemos fazer o mesmo tipo leitura das relações dadas pela equação (7.11).
308 Geometria Analı́tica e Vetores
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = {w
~ 1 = ~e1 , w
~ 2 = ~e1 − ~e2 } ,
[w]
~ β = M [w]
~γ ⇐⇒ ~ γ = M −1 [w]
[w] ~β , (7.12)
~ ∈ V 2.
para todo vetor w
É muito importante observar que com as relações dadas pela equação (7.13), conhecendo as
coordenadas de um ponto no sistema de coordenadas Σ2 podemos obter suas coordenadas
no sistema Σ1 . Podemos também obter a equação de uma determinada curva no sistema
de coordenadas no sistema Σ2 conhecendo sua equação no sistema de coordenadas Σ1 . De
maneira análoga, podemos fazer o mesmo tipo leitura das relações dadas pela equação (7.14).
310 Geometria Analı́tica e Vetores
γ = {w
~ 1 = ~v1 − 2 ~v2 , w
~ 2 = −~v2 } ,
onde a origem do sistema de coordenadas Σ1 é o ponto O1 = (0, 0) e a origem do sistema
de coordenadas Σ2 é o ponto O2 cujas coordenadas no sistema de coordenadas Σ1 são
dadas por xo = 3 e yo = 3, isto é,
−−−→
O2 = O1 + 3 ~v1 + 3 ~v2 ⇐⇒ O1 O2 = 3 ~v1 + 3 ~v2 .
(a) Determine as equações da mudança de coordenadas do sistema de coordenadas Σ1
para o sistema de coordenadas Σ2 .
É muito importante observar que com as relações dadas pela equação (7.16), conhecendo as
coordenadas de um ponto no sistema de coordenadas Σ2 podemos obter suas coordenadas
no sistema Σ1 . Podemos também obter a equação de uma determinada curva no sistema
de coordenadas no sistema Σ2 conhecendo sua equação no sistema de coordenadas Σ1 . De
maneira análoga, podemos fazer o mesmo tipo leitura das relações dadas pela equação (7.17).
312 Geometria Analı́tica e Vetores
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = {w
~ 1 = ~v2 − ~v1 , w
~ 2 = ~v1 + ~v2 } ,
7.1.1 Translação
Considere o espaço IE 2 com os seguintes sistemas de coordenadas
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
6
s O2 -
′
yo -x
6
s - -x
O1 xo
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
β = { ~e1 = (1, 0) , ~e2 = (0, 1) }
r: 2x + 3y − 6 = 0 .
r: 2 x′ + 6 + 3 y ′ + 12 − 6 = 0 ⇐⇒ r: 2 x′ + 3 y ′ + 12 = 0 .
Petronio Pulino 315
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
7.1.2 Rotação
Considere o espaço IE 2 com os seguintes sistemas de coordenadas
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = { ~q1 , ~q2 } ,
y
6
y′ x′
@
I
@
@
@
@
@
@
@
@ ....
@ ....
.
@ ...
... θ
@ 6 ...
I
@ ...
@@s -
...
... -x
@
@
@
@
@
@
@
@
@
Nessa secção temos por objetivo apresentar a construção das equações para a mudança de
coordenadas do sistema de coordenadas Σ2 para o sistema de coordenadas Σ1 , e também
a construção das equações para a mudança de coordenadas do sistema de coordenadas Σ1
para o sistema de coordenadas Σ2 . Para isso, vamos estudar a transformação geométrica
T sobre V 2 que representa uma rotação de centro O de um ângulo θ.
Petronio Pulino 317
Na Figura 7.6 ilustramos uma rotação no sentido anti–horário ( θ positivo), e na Figura 7.7
ilustramos uma rotação no sentido horário ( θ negativo).
rP ′
rP
*
.............θ
...
....
r
O
Figura 7.6: Rotação de um ângulo θ no sentido anti–horário.
rP
′
*P
r
.............θ
... ...
.
r
O
Figura 7.7: Rotação de um ângulo θ no sentido horário.
T : V 2 −→ V 2
−→ −→ −−→
OP −→ T (OP ) = OP ′
−→
Para auxiliar na dedução da matriz de rotação, denotamos por r as normas dos vetores OP
−−→ −→ −−→
e OP ′ , isto é, r = k OP k = k OP ′ k. Utilizamos para a dedução da matriz de rotação,
basicamente, as relações trigonométricas no triângulo retângulo, seno e cosseno da soma de
dois ângulos.
...............
........... P ′
′ ........r..
y ......
..................
.......
.....
.....
....
....
....
....
....
...
...
...
y ...
..r. P
*
...
........ ...
......
...
.....θ ...
.
... .
....
...
... ..
...
. ...
... α
...
r ...
... -
O ′ x
x
Podemos verificar facilmente que a matriz de rotação Q é uma matriz ortogonal, isto é,
Q t Q = Q Qt = I . (7.25)
Petronio Pulino 319
Desse modo, expressamos os elementos da base γ = { ~q1 , ~q2 } em função dos elementos da
base canônica β = { ~e1 , ~e2 } da seguinte forma:
~q1 = cos(θ) ~e1 + sin(θ) ~e2
(7.27)
~q2 = − sin(θ) ~e1 + cos(θ) ~e2
É importante observar que a base γ = { ~q1 , ~q2 } é uma base ortonormal, uma vez que
foi obtida da base canônica β = { ~e1 , ~e2 }, que é uma base ortonormal, através de uma
transformação geométrica de rotação, que preserva a norma e o ângulo entre os elementos
da base β, como ilustra a Figura 7.5.
320 Geometria Analı́tica e Vetores
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = { ~q1 , ~q2 } ,
π
Considerando uma rotação de θ = radianos no sentido anti–horário, tem–se
4
√ √
2 2
x′ = x +
y
2 2
(7.32)
√ √
y′ = − 2 x + 2
y
2 2
√ √
Substituindo as coordenadas do ponto P = 2 2 , 4 2 nas relações (7.32), obtemos
x′ = 6 e y′ = 2 ,
Ps
x′
′
y
@
I
@
@
@
@
@
@
@
@ ....
@ ....
...
@
... θ
6 ...
@I
@
...
...
@@s -
...
. -x
@
@
@
γ = { ~q1 , ~q2 } ,
onde a origem do sistema de coordenadas Σ1 é o ponto O = (0, 0) e a origem do sistema
de coordenadas Σ2 é o ponto O ′ = O, em relação ao sistema de coordenadas Σ1 .
γ = { ~q1 , ~q2 } ,
onde a origem do sistema de coordenadas Σ1 é o ponto O = (0, 0) e a origem do sistema
de coordenadas Σ2 é o ponto O ′ = (xo , yo ), em relação ao sistema de coordenadas Σ1 .
Sabemos que os elementos da base ortonormal γ = { ~q1 , ~q2 } em função dos elementos da
base canônica β = { ~e1 , ~e2 } são expressos da seguinte forma:
~q1 = cos(θ) ~e1 + sin(θ) ~e2
(7.33)
~q2 = − sin(θ) ~e1 + cos(θ) ~e2
Note que, podemos também escrever as relações apresentadas na equação (7.35) da forma:
" # " # " ′# " #
x cos(θ) − sin(θ) x xo
= + (7.37)
y sin(θ) cos(θ) y′ yo
Petronio Pulino 323
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = { ~q1 , ~q2 } ,
π
Considerando uma rotação de θ = radianos no sentido anti–horário e uma translação
4
para o ponto O ′ = (6, 2), obtemos
√ √
2 ′ 2 ′
x = x − y + 6
2 2
(7.39)
√ √
y = 2 ′ 2 ′
x + y + 2
2 2
Sabemos que as equações para a mudança de coordenadas do sistema de coordenadas Σ2
para o sistema de coordenadas Σ1 , são expressas matricialmente da forma:
" ′# " #" #
x cos(θ) sin(θ) x − xo
= (7.40)
y′ − sin(θ) cos(θ) y − yo
324 Geometria Analı́tica e Vetores
π
Considerando uma rotação de θ = radianos no sentido anti–horário e uma translação
4
para o ponto O ′ = (6, 2), obtemos
√ √
′ 2 2
x 2 x− 6
= 2
(7.41)
√ √
y′ 2 2 y − 2
−
2 2
Substituindo as coordenadas do ponto P = (7 , 6) nas relações (7.41), obtemos
√ √
′ 5 2 ′ 3 2
x = e y = ,
2 2
que são as coordenadas do ponto P no sistema de coordenadas Σ2 . Assim, o ponto P é
expresso no sistema de coordenadas Σ2 da seguinte forma:
√ √ √ √
′ 5 2 3 2 −−′→ 5 2√ 3 2
P = O + ~q1 + ~q2 ⇐⇒ OP = 2 ~q1 + ~q2 ,
2 2 2 2
onde os elementos da base γ = { ~q1 , ~q2 } são expressos da forma:
√ √ √ √
2 2 2 2
~q1 = ~e1 + ~e2 e ~q2 = − ~e1 + ~e2 ,
2 2 2 2
de acordo com as relações dadas na equação (7.33).
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = { ~q1 , ~q2 } ,
r: x − 2y = 1 .
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = { ~q1 , ~q2 } ,
r: 2x − 3y − 4 = 0 .
x2 + y 2 = 9 .
h ~v , w
~ i = x1 x2 + y 1 y2 + z 1 z 2
~ = (x2 , y2 , z2 ) ∈ V 3 .
para todo ~v = (x1 , y1 , z1 ) , w
Conforme estudamos na secção 2.6, sabemos que existe uma matriz invertı́vel M ∈ IM3 (IR)
tal que
[w]
~ γ = M [w] ~β ⇐⇒ ~ β = M −1 [w]
[w] ~γ , (7.46)
~ ∈ V 3.
para todo vetor w
De fato, sabemos que cada vetor da base ordenada β pode ser representado de modo único
como uma combinação linear dos vetores da base ordenada γ, pelo Teorema 2.4.1, Assim,
existem, e são únicos, os escalares reais c11 , c21 , c31 tais que
e existem, e são únicos, os escalares reais c12 , c22 , c32 tais que
e existem, e são únicos, os escalares reais c13 , c23 , c33 tais que
que é denominada matriz de mudança da base ordenada β para a base ordenada γ, que
estudamos na Proposição 2.6.2.
Petronio Pulino 329
Particularmente, como γ = { ~q1 , ~q2 , ~q3 } é uma base ortogonal, podemos encontrar a matriz
M de mudança da base ordenada β para a base ordenada γ da seguinte forma:
É muito importante observar que com as relações dadas pela equação (7.48), conhecendo as
coordenadas de um ponto no sistema de coordenadas Σ2 podemos obter suas coordenadas
no sistema Σ1 . Podemos também obter a equação de uma determinada curva no sistema
de coordenadas no sistema Σ2 conhecendo sua equação no sistema de coordenadas Σ1 . De
maneira análoga, podemos fazer o mesmo tipo leitura das relações dadas pela equação (7.49).
Gostaria de ressaltar que nas as relações dadas pela equação (7.48) será sempre utilizada a
matriz de mudança da base ordenada γ para a base ordenada β. E nas as relações dadas
pela equação (7.49) sempre utilizamos a matriz de mudança da base ordenada β para a base
ordenada γ. Assim, em cada problema construı́mos a matriz de mudança de base que for
mais simples.
Note que, nesse contexto, tem–se que o sistema de coordenadas Σ1 para o espaço IE 3
está relacionado com a base ordenada β para o espaço de vetores V 3 . De modo análogo,
tem–se que o sistema de coordenadas Σ2 para o espaço IE 3 está relacionado com a base
ordenada γ para o espaço de vetores V 3 . Assim, é importante observar com qual base
ordenada para o espaço de vetores V 3 cada um sistema de coordenadas está relacionado,
para que possamos utilizar de forma adequada a matriz de mudança de base que construı́mos.
Finalmente, observarmos que nos diversos problemas apresentados nesse assunto, as bases
ordenadas com as quais estão relacionados os sistemas de coordenadas Σ1 e Σ2 não são
necessariamente ortogonais, ou ortonormais. Entretanto, gostarı́amos de ressaltar que nos
problemas mais interessantes, e com uma certa aplicabilidade, sempre serão apresentadas
bases ortogonais, ou mesmo ortonormais. Nos diversos exemplos que apresentamos a seguir,
procuramos tornar mais claras as observações feitas acima.
Petronio Pulino 331
com relação às respectivas bases ordenadas para o espaço de vetores V 3 dadas por:
γ = {w
~ 1 = ~e1 + ~e2 , w
~ 2 = ~e3 + ~e2 , w
~ 3 = ~e2 − ~e3 + ~e1 } ,
π: 2x − 3y + z = 2 .
γ = {w
~ 1 = ~e1 + ~e2 , w
~ 2 = ~e3 + ~e2 , w
~ 3 = ~e2 − ~e3 + ~e1 } ,
Desse modo, das relações apresentadas na equação (7.49), obtemos as equações da mudança
de coordenadas do sistema de coordenadas Σ2 para o sistema de coordenadas Σ1 são
expressas matricialmente da seguinte forma:
′ ′
x x−1
x = 2x − y + z − 2
′
y = M −1 y − 1 ⇐⇒ y ′ = −x + y (7.51)
z′ z −1 z = −x + y − z + 1
′
Substituindo as coordenadas do ponto P = (2, −1, 4) nas relações (7.51), obtemos suas
coordenadas no sistema de coordenadas Σ2 que são dadas por:
x′ = 7 , y ′ = −3 e z ′ = −6 .
com relação às respectivas bases ordenadas para o espaço de vetores V 3 dadas por:
γ = {w
~ 1 = ~e1 , w
~ 2 = ~e1 + ~e2 , w
~ 3 = ~e1 + ~e2 + ~e3 } ,
π: x + 2y − 3z = 4 .
7.3 Exercı́cios
Exercı́cio 7.3.1 Considere o espaço IE 3 com os sistemas de coordenadas
com relação às respectivas bases ordenadas para o espaço de vetores V 3 dadas por:
β = {~e1 = (1, 0, 0) , ~e2 = (0, 1, 0) , ~e3 = (0, 0, 1)}
γ = {w
~ 1 = ~e1 − ~e2 , w
~ 2 = ~e3 , w
~ 3 = ~e2 + ~e3 } ,
onde a origem do sistema de coordenadas Σ1 é o ponto O1 = (0, 0, 0) e a origem do sistema
de coordenadas Σ2 é o ponto O2 = (1, −2, 1), em relação ao sistema de coordenadas Σ1 .
com relação às respectivas bases ordenadas para o espaço de vetores V 3 dadas por:
β = {~e1 = (1, 0, 0) , ~e2 = (0, 1, 0) , ~e3 = (0, 0, 1)}
γ = {w
~ 1 = ~e2 , w
~ 2 = ~e3 , w
~ 3 = ~e1 + ~e2 − ~e3 } ,
onde a origem do sistema de coordenadas Σ1 é o ponto O = (0, 0, 0) e a origem do sistema
de coordenadas Σ2 é o ponto O ′ = (1, 1, 2), em relação ao sistema de coordenadas Σ1 .
π: x + y + z = 1.
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = {w
~ 1 = ~e1 − ~e2 , w
~ 2 = ~e1 + ~e2 } ,
r: 3x − 2y − 3 = 0 .
x2 + y 2 = 1 .
336 Geometria Analı́tica e Vetores
com relação às respectivas bases ordenadas para o espaço de vetores V 3 dadas por:
γ = {w
~ 1 = (1, 1, 0) , w
~ 2 = (0, 1, 1) , w
~ 3 = (1, 0, 1)} ,
π: 2x − y + 3z = 0 .
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
4x2 + 9y 2 = 1 .
Petronio Pulino 337
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = {w ~ 2} ,
~1 , w
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = {w ~ 2} ,
~1 , w
Σ1 = {O , ~e1 , ~e2 } e Σ2 = {O , w ~ 2} ,
~1 , w
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = {w ~ 2} ,
~1 , w
r: x − 2y − 1 = 0 .
Σ1 = {O , ~e1 , ~e2 } e Σ2 = {O , w ~ 2} ,
~1 , w
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = {w ~ 2} ,
~1 , w
Σ1 = {O , ~e1 , ~e2 } e Σ2 = {O , w ~ 2} ,
~1 , w
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = {w ~ 2} ,
~1 , w
x2 + y 2 = 1 .
Σ1 = {O , ~e1 , ~e2 } e Σ2 = {O , w ~ 2} ,
~1 , w
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = {w ~ 2} ,
~1 , w
x2 + y 2 = r 2 , r > 0.
340 Geometria Analı́tica e Vetores
com relação às respectivas bases ordenadas para o espaço de vetores V 2 dadas por:
γ = {w ~ 2} ,
~1 , w
x2 + y 2 = 1 .
Petronio Pulino Geometria Analı́tica e Vetores
8
Cônicas
Conteúdo
8.1 Cônicas – Forma Reduzida . . . . . . . . . . . . . . . . . . . . . 342
8.1.1 Elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
8.1.2 Hipérbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
8.1.3 Parábola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
8.2 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
8.3 Diagonalização de Matrizes Simétricas . . . . . . . . . . . . . . 364
8.3.1 Autovalores e Autovetores de uma Matriz . . . . . . . . . . . . . . 366
8.4 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
8.5 Aplicação da Rotação e da Translação . . . . . . . . . . . . . . 380
8.6 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 397
8.7 Classificação das Cônicas . . . . . . . . . . . . . . . . . . . . . . 398
8.8 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 417
341
342 Geometria Analı́tica e Vetores
h ~v , w
~ i = x1 x2 + y1 y2
~ = (x2 , y2 ) ∈ V 2 .
para todo ~v = (x1 , y1 ) , w
A = (x1 , y1 ) e B = (x2 , y2 ) ,
8.1.1 Elipse
Definição 8.1.1 Considere no plano IE 2 dois pontos F1 e F2 , tais que d(F1 , F2 ) = 2c.
A elipse é o conjunto dos pontos P ∈ IE 2 cuja soma das distâncias aos pontos F1 e F2 ,
denominados focos da elipse, permanece constante, isto é,
d(P, F1 ) + d(P, F2 ) = 2a com a > c . (8.3)
y
6
........................................................................P
............... ...s........
...
............... .........
. ........
.
. .......... .....
.... ....
.... ....
.... ....
...
.....
...
... ...
.... .. -x
...
s r s
...
...
... F1
O F2 .....
.
.
....
.... ...
..... .......
...... .....
......... ........
.........
............ ..... ..............
.................... ....
.......................................................
Vamos deduzir a equação reduzida da elipse cujos focos estão sobre o eixo coordenado OX
e são simétricos com relação a origem do sistema ortogonal de coordenadas Σ, isto é, quando
seus focos são os pontos F1 = (−c , 0) e F2 = (c , 0), em relação ao sistema ortogonal
de coordenadas Σ, uma vez que d(F1 , F2 ) = 2c. A constante positiva 2c é denominada
distância focal.
Elementos da Elipse
Para analisar os elementos da elipse vamos considerar seus focos localizados nos pontos
F1 = (−c , 0) e F2 = (c , 0), em relação ao sistema ortogonal de coordenadas Σ, uma vez
que d(F1 , F2 ) = 2c. A constante positiva 2c é a distância focal. Nesse caso, a equação
reduzida da elipse fica expressa da seguinte forma:
x2 y2
+ = 1 ⇐⇒ b2 x2 + a2 y 2 = a2 b2 . (8.9)
a2 b2
Na Figura 8.2 ilustramos a elipse definida pela equação (8.9).
y
s 6 r
......................................................................
...r...........
′ ......... ..........
C ........
.....r..
.........D ′
....r...
.. . .....
.... ....
.... ...
.. ...
... ...
A......r r r r
... ′
.A -x
..
...
r
...
... F 1
O F 2 ...
..
.... ..
..... ...
......r .......
......... .....r..
.... ........
C .............................................................................................r........ D
O centro de simetria da elipse é o ponto do plano com respeito ao qual os pontos da elipse
estão situados em pares de pontos simétricos. Nesse caso, o centro de simetria é o ponto
O = (0, 0), que é a origem do sistema ortogonal de coordenadas Σ. Os eixos de simetria
da elipse são os eixos coordenados do sistema ortogonal de coordenadas Σ.
A maior corda que passa pelo centro da elipse é denominado de eixo maior, e a menor
corda que passa pelo centro da elipse é denominado eixo menor.
Os vértices da elipse são os pontos nos quais a curva corta o eixo maior, que nesse caso,
são os pontos A = (−a, 0) e A′ = (a, 0), como ilustra a Figura 8.2.
A seguir determinamos as equações das duas diretrizes da elipse, uma vez que a elipse
possui dois focos. Vamos obter a equação da diretriz referente ao foco F2 = (c, 0). Para
isso, dividimos ambos os membros da equação (8.6) pela constante c, e organizando de forma
conveniente, obtemos
a 1p 1
− x = (x − c)2 + y 2 ⇐⇒ d(P, r) = d(P, F2 ) , (8.11)
e e e
onde d(P, r) é a distância do ponto P = (x, y), um ponto qualquer da elipse, a reta vertical
r definida pela equação
a
r: x = , (8.12)
e
que é a equação da diretriz referente ao foco F2 = (c, 0), como ilustra a Figura 8.2.
d(P, F2 )
= e , (8.13)
d(P, r)
Vamos determinar a equação da diretriz referente ao foco F1 = (−c, 0). Para isso, vamos
reescrever a equação (8.4) da seguinte forma:
p p
(x − c)2 + y 2 = 2a − (x + c)2 + y 2 . (8.14)
d(P, F1 )
= e , (8.18)
d(P, s)
A corda que passa por um dos focos da elipse e seja perpendicular ao eixo maior é chamada
de corda focal mı́nima da elipse. Na Figura 8.2, os segmentos CC ′ e DD′ são as duas
cordas focais mı́nimas, cujo comprimento é dado por:
2 b2
CC ′ = DD′ = . (8.19)
a
De fato, considerando os focos da elipse localizados nos pontos F = (± c, 0), e substituindo
o valor da sua abscissa x = ± c no equação (8.9), obtemos as ordenadas dos ponto C, C ′ ,
D e D′ , que são dadas por:
√ p
a2 b2 − b2 c2 b2 ( a2 − c2 ) b2
y = ± = ± = ± com a > c . (8.20)
a a a
Desse modo, os pontos C, C ′ , D e D′ têm as seguintes coordenadas
b2 b2 b2 b2
′ ′
C = −c , − , C = −c , , D = c, − e D = c, .
a a a a
2 b2
CC ′ = DD′ = . (8.21)
a
4 x + 5 y 2 = 20 ,
x2 y2
+ + r2 = 0 para a > 0 e b > 0 , (8.22)
a 2 b 2
que representa um único ponto no plano IE 2 para r = 0, ou uma elipse imaginária para
r 6= 0. Neste caso, a equação não determina nenhuma curva no plano IE 2 .
Petronio Pulino 347
8.1.2 Hipérbole
Definição 8.1.2 Considere no plano IE 2 dois pontos F1 e F2 , tais que d(F1 , F2 ) = 2c.
A hipérbole é o conjunto dos pontos P ∈ IE 2 cuja diferença das distâncias aos pontos F1
e F2 , denominados focos da hipérbole, permanece constante, isto é,
y
6
.... ...
.... ...
.... ...
.... .
..
.... ...
... ....s
...
... ..... P
... ...
... ...
...
... .
....
... ..
... ...
... ....
... ...
... ..
... ...
s .. r .... s -x
.. ...
F1 ...... O ... F 2
. ...
... ...
...
.... ...
.. ...
... ...
..... ...
...
... ...
... ...
....
. ....
....
... ....
...
.. ... ....
....
.... .
Vamos deduzir a equação reduzida da hipérbole cujos focos estão sobre o eixo coordenado
OX e são simétricos com relação a origem do sistema ortogonal de coordenadas Σ, isto é,
quando seus focos são os pontos F1 = (−c , 0) e F2 = (c , 0), em relação ao sistema
ortogonal de coordenadas Σ, uma vez que d(F1 , F2 ) = 2c. Denominamos por distância
focal a constante positiva 2c.
Chamando c2 − a2 = b2 , uma vez que c2 − a2 > 0 pois 0 < a < c. Dividindo ambos os
membros da equação (8.27) pelo fator a2 b2 , obtemos a equação reduzida da hipérbole, que
é expressa da seguinte forma:
x2 y2
− = 1 . (8.28)
a2 b2
Impondo a condição dada pela equação (8.23), com d(P, F1 ) − d(P, F2 ) < 0, obtemos
p p
d(P, F1 ) − d(P, F2 ) = −2a ⇐⇒ (x + c)2 + y 2 − (x − c)2 + y 2 = −2a . (8.29)
Chamando c2 − a2 = b2 , uma vez que c2 − a2 > 0 pois 0 < a < c. Dividindo ambos os
membros da equação (8.32) pelo fator a2 b2 , obtemos a equação reduzida da hipérbole, que
é expressa da seguinte forma:
x2 y2
− = 1 para a > 0 e b > 0 . (8.33)
a2 b2
y
6
.... ...
.... ...
....
.... ....
.
....s ....
. ....
P ......... .....
.
... ...
... ...
...
... ....
... ..
... ...
... ...
... ..
... ...
...
s ...
...
r ..... s -x
... ...
F1 .... O ... F2
...
.. ...
.. ...
.... ...
... ...
...
.
. ... ...
. ...
... ...
... ...
....
. ....
.
... ....
... ....
....
. ....
....
... .
x2 y2
− = −1 para a > 0 e b > 0 , (8.34)
a2 b2
como ilustra a Figura 8.5.
y
6
..... .
...... .....
...... ...
. .....
..... .....
....... sF2 ......
........
........ ...
...
........
......... ...
.......... .........
.............. ..........
............................................
r -x
O
...................................................
............ ..........
..
...
........... .........
.
...
......... F
........
........
.
...
... s 1 ......
...
.. ......
..
... ......
..
...
. .....
..
. ....
....
x2 y2
− = ±1 ⇐⇒ b 2 x 2 − a 2 y 2 = ± a2 b 2 . (8.35)
a2 b2
x2 y2
− = 0 para a > 0 e b > 0 , (8.36)
a2 b2
que representa no plano IE 2 duas retas concorrentes, r e s, definidas pelas equações
b b
r: y = x e s: y = − x , (8.37)
a a
como ilustra a Figura 8.6.
y
6
sH r
HH
HH
HH
HH
HH
HH
HH
-x
H
Hr
HH
HH
H
HH
H
HH
HH
HH
3 x2 − 5 y 2 = −15 ,
Elementos da Hipérbole
Para analisar os elementos da hipérbole vamos considerar seus focos localizados nos pontos
F1 = (−c , 0) e F2 = (c , 0), em relação ao sistema ortogonal de coordenadas Σ, uma vez
que d(F1 , F2 ) = 2c. A constante positiva 2c é a distância focal. Nesse caso, a equação
reduzida da hipérbole fica expressa da seguinte forma:
x2 y2
− = 1 ⇐⇒ b 2 x 2 − a 2 y 2 = a2 b 2 . (8.38)
a2 b2
Na Figura 8.7 ilustramos a hipérbole definida pela equação (8.38).
y
6
s s′ r′ r
@
.... .
.... @ ....
.... . ...
.... @ ....
.... ...
...s @ ....
...
... B ′
... .
.
C ′ ........ @@
s s
. ...
... D
′
... . .
.
.
...
... @ ..
.
...
...
... @ .
.
.
... @ ...
... A ′ ....
. @r A ....s -x
s ..s ...
s
F1 .... .
..
. @ ... F2
. @ ...
...
.... @ ....
.. ...
....
... @ ...
...
.
. .
B @ ...
...
C....s ... s @ ...sD
...
.. ....
........
@ ....
...
....
...
.
@ .........
@ .
@
Os vértices da hipérbole são os pontos nos quais a curva corta o eixo transverso. Nesse
caso, são os pontos A = (−a, 0) e A′ = (a, 0), que corta o eixo coordenado OX , como
ilustra a Figura 8.7.
A seguir determinamos as equações das duas diretrizes da hipérbole, uma vez que a
hipérbole possui dois focos. Vamos obter a equação da diretriz referente ao foco F2 = (c, 0).
Para isso, dividimos ambos os membros da equação (8.26) pela constante c, e organizando
de forma conveniente, obtemos
a 1p 1
x − = (x − c)2 + y 2 ⇐⇒ d(P, r′ ) = d(P, F2 ) , (8.40)
e e e
onde d(P, r′ ) é a distância do ponto P = (x, y), um ponto qualquer da hipérbole, a reta
vertical r′ definida pela equação
a
r′ : x = , (8.41)
e
que é a equação da diretriz referente ao foco F2 = (c, 0), como ilustra a Figura 8.7.
d(P, F2 )
= e , (8.42)
d(P, r′ )
Vamos determinar a equação da diretriz referente ao foco F1 = (−c, 0). Para isso, vamos
reescrever a equação (8.29) da seguinte forma:
p p
(x − c)2 + y 2 = (x + c)2 + y 2 + 2a . (8.43)
d(P, F1 )
= e , (8.47)
d(P, s′ )
Definição 8.1.3 Considere uma função f : IR −→ IR e uma reta r definida pela equação
r: y = mx + n .
Dizemos que a reta r é uma assı́ntota para a função f se, e somente se,
Além disso, caso existam esses limites, para m 6= 0 a reta r é uma assı́ntota oblı́qua
para a função f , e para m = 0 a reta r é uma assı́ntota horizontal para a função f .
b√ 2 b√ 2
f (x) = x − a2 ou f (x) = − x − a2 para |x| ≥ a .
a a
Como a hipérbole é uma curva simétrica em relação ao eixo coordenado OX , consideramos
somente uma dessas duas situações.
√
b
x −a
2 2
b
m = lim a = −
x→−∞ x a
b√ 2
b
n = lim x − a2 − x = 0 ou
x→+∞ a a
b√ 2
b
n = lim x −a + x = 0
2
x→−∞ a a
A corda que passa por um dos focos da hipérbole e seja perpendicular ao eixo transverso é
chamada de corda focal mı́nima da hipérbole. Na Figura 8.7, os segmentos CC ′ e DD′
são as duas cordas focais mı́nimas, cujo comprimento é dado por:
2 b2
CC ′ = DD′ = . (8.49)
a
De fato, tomando os focos da hipérbole localizados nos pontos F = (± c, 0), e substituindo
o valor da sua abscissa x = ± c no equação (8.38), obtemos as ordenadas dos ponto C, C ′ ,
D e D′ , que são dadas por:
√ p
b2 c2 − a2 b2 b 2 ( c 2 − a2 ) b2
y = ± = ± = ± com 0 < a < c . (8.50)
a a a
Desse modo, os pontos C, C ′ , D e D′ têm as seguintes coordenadas
b2 b2 b2 b2
′ ′
C = −c , − , C = −c , , D = c, − e D = c, .
a a a a
2 b2
CC ′ = DD′ = . (8.51)
a
Petronio Pulino 355
8.1.3 Parábola
Definição 8.1.4 Considere no plano IE 2 uma reta r e um ponto F , com F ∈ / r. A
parábola é o conjunto dos pontos P ∈ IE 2 que distam igualmente do foco F e da diretriz,
definida pela reta r, isto é,
d(P, F ) = d(P, r) . (8.52)
Vamos deduzir a equação reduzida da parábola quando seu foco está localizado no ponto
F = (0 , p) e sua diretriz é a reta horizontal r definida pela equação
r: y = −p ,
com p um escalar positivo, como ilustra a Figura 8.8. Neste caso, o vértice da parábola
é a origem do sistema de coordenadas Σ = { O, ~e1 , ~e2 } e seu eixo de simetria é o eixo
coordenado OY .
y
6
... ...
... ..
... ...
... ..
... ..
...
... .
....
... ..
... ...
...
... ....
.. P
.
...
r
... ...
...
.... .....
.... .
...
.... ....
.... F .
......
...r ...r ′
C ..............
r
.....
........ ..
...... C
.
.......... .
......
..........
................
.........r...................... -x
O
r r
Q
x2 + y 2 − 2 p y + p2 = y 2 + 2 p y + p2
1 2
x − y = 0
4p
É importante ressaltar que a parábola definida pela equação (8.54) não possui centro de
simetria, isto é, não existe nenhum ponto no plano IE 2 que satisfaz a condição de centro
de simetria, como podemos observar na Figura 8.8.
A corda que passa pelo foco da parábola e seja perpendicular ao eixo de simetria é chamada
de corda focal mı́nima da parábola. Na Figura 8.8, o segmento CC ′ é a corda focal
mı́nimas, cujo comprimento é dado por:
CC ′ = 4p . (8.55)
De fato, da equação (8.54) obtemos as coordenadas dos ponto C e C ′ , que são dadas por:
C = (−2p , p) e C ′ = (2p , p) .
d(P, F )
e = = 1 , (8.56)
d(P, r)
Portanto, como mostramos para cada uma das cônicas (elipse, hipérbole e parábola), o
conceito de excentricidade está relacionado com a razão entre a distância de um ponto
qualquer da cônica a um dos focos e a distância desse mesmo ponto a diretriz referente a
esse foco.
Petronio Pulino 357
Exemplo 8.1.6 Dado o escalar positivo p ∈ IR, mostre que a equação reduzida da parábola
cujo foco é o ponto
F = (p, 0)
e cuja diretriz é a reta vertical x = −p, é expressa da forma:
4p x − y 2 = 0 , (8.57)
y
6
r .......
.........
................
.......
.......
.............
.
......
......
.......
.
....
....
.
......
..
...
...
....
...
...
...r
.. r -x
O ...... F
...
...
...
...
....
....
....
.....
.....
.....
.....
.......
.......
........
........
........
.........
.........
.........
......
Exemplo 8.1.7 Dado o escalar positivo p ∈ IR, mostre que a equação reduzida da parábola
cujo foco é o ponto
F = (−p, 0)
e cuja diretriz é a reta vertical x = p, é expressa da forma:
4p x + y 2 = 0 , (8.58)
y
......... 6
.........
......... r
.........
........
........
........
.......
......
.....
.....
.....
....
....
....
...
...
...
...
...
...
r ...
.r -x
...O
F .... .
.
...
....
.
..
....
..
.....
...
.....
.........
......
........
......
.........
.......
........
.....
............
....
Exemplo 8.1.8 Dado o escalar positivo p ∈ IR, mostre que a equação reduzida da parábola
cujo foco é o ponto
F = (0, −p)
e cuja diretriz é a reta horizontal y = p, é expressa da forma:
1 2
x + y = 0 , (8.59)
4p
e determine o comprimento da corda focal mı́nima. Na Figura 8.11 ilustramos o gráfico da
parábola.
y
6
.................r.......................... -x
............ .........
..
...........
. O .......
.....
....... .....
.
.... .....
..
.. r ....
.
.
..
. .
...
.. F ....
....
....
..
. ...
..
. ...
..
. ...
..
. ...
... ...
... ...
... ...
.
. ...
.. ...
.
. ...
... ...
.. ...
.. ..
.
que representa no plano IE 2 duas retas verticais paralelas, r e s, definidas pelas equações
r r
b b
r: x = e s: x = − , (8.61)
a a
como ilustra a Figura 8.12.
y
6
s r
r r r -x
r
b O r
b
−
a a
É importante ressaltar que a parábola degenerada definida pela equação (8.60), que é a
reunião de duas retas verticais no plano IE 2 , possui infinitos centros de simetria, isto é,
qualquer ponto no eixo coordenado OY satisfaz a condição de centro de simetria, como
podemos observar na Figura 8.12.
que representa uma reta no plano IE 2 para b = 0, ou um conjunto vazio para b 6= 0. Neste
caso, a equação não representa nenhuma curva no plano IE 2 .
Exemplo 8.1.11 Dado o escalar positivo p ∈ IR, mostre que a equação reduzida da parábola
cujo foco é o ponto
1
F = 0,
4p
1
e cuja diretriz é a reta horizontal y = − , é expressa da forma:
4p
p x2 − y = 0 ,
que representa no plano IE 2 duas retas horizontais paralelas, r e s, definidas pelas equações
r r
b b
r: y = e s: y = − , (8.64)
a a
como ilustra a Figura 8.13.
y
6
r
b
r a r
r -x
O
r
r s
b
−
a
É importante ressaltar que a parábola degenerada definida pela equação (8.63), que é a
reunião de duas retas horizontais no plano IE 2 , possui infinitos centros de simetria, isto
é, qualquer ponto no eixo coordenado OX satisfaz a condição de centro de simetria, como
podemos observar na Figura 8.13.
que representa uma reta no plano IE 2 para b = 0, ou um conjunto vazio para b 6= 0. Neste
caso, a equação não representa nenhuma curva no plano IE 2 .
Exemplo 8.1.14 Determine a equação da parábola, utilizando a Definição 8.1.4, cujo foco
é o ponto F = (2, 4) e a diretriz é a reta horizontal r definida pela equação
r: y + 2 = 0 . (8.66)
8.2 Exercı́cios
Exercı́cio 8.2.1 Determine os comprimentos dos semi–eixos, os focos, os vértices, a
excentricidade, o comprimento da corda focal mı́nima e as equações das diretrizes
da elipse definida pela equação reduzida
4 x + 9 y 2 = 36 ,
5 x + 9 y 2 = 45 ,
Exercı́cio 8.2.3 Determine a equação reduzida da elipse com centro na origem do sistema
ortogonal de coordenadas Σ, cujos focos estão localizados no eixo coordenado OX , e sabendo
4
que a distância entre seus focos é igual a 2c = 8 e sua excentricidade é igual a e = .
5
Exercı́cio 8.2.4 Determine a equação reduzida da elipse com centro na origem do sistema
ortogonal de coordenadas Σ, cujo um dos focos é o ponto F2 = (3, 0) , sua excentricidade é
1
igual a e = e a equação da diretriz, referente a esse foco, é dada por:
2
x = 12 .
Exercı́cio 8.2.5 Determine a equação reduzida da elipse com centro na origem do sistema
ortogonal de coordenadas Σ, cujos focos estão localizados no eixo coordenado OX , e sabendo
que o comprimento do eixo maior é igual a 8 e que a distância entre as diretrizes é igual a
16.
Exercı́cio 8.2.6 Determine a equação reduzida da elipse com centro na origem do sistema
ortogonal de coordenadas
Σ, cujos focos estão localizados no eixo coordenado OX , e sabendo
5 2
que o ponto P = 2 , pertence a elipse e que sua excentricidade é igual a e = .
3 3
Exercı́cio 8.2.7 Determine a distância do foco F2 = (c, 0) da elipse definida pela equação
x2 y2
+ = 1 ,
a2 b2
com relação ao sistema ortogonal de coordenadas Σ, a diretriz referente a esse foco.
362 Geometria Analı́tica e Vetores
4 x2 − 9 y 2 = 36 ,
Exercı́cio 8.2.9 Determine a equação reduzida da hipérbole cujos focos estão localizados
no eixo coordenado OX e são simétricos com relação a origem do sistema ortogonal de
coordenadas Σ, e sabendo que distância focal é igual a 2c = 20 e as equações de sua
assı́ntotas são dadas por:
4
y = ± x.
3
Exercı́cio 8.2.10 Considere a hipérbole definida pela equação reduzida
x2 y2
− 2 = 1 ,
a2 b
com relação ao sistema ortogonal de coordenadas Σ. Mostre que a distância de cada um dos
focos a suas assı́ntotas e igual a b.
Exercı́cio 8.2.11 Determine a equação reduzida da hipérbole cujos focos estão localizados
no eixo coordenado OX e são simétricos com relação a origem do sistema ortogonal de
coordenadas Σ, e sabendo que as equações de suas assı́ntotas e de suas diretrizes são
4 16
y = ± x e y = ± ,
3 5
respectivamente.
Exercı́cio 8.2.12 Determine a equação reduzida da hipérbole cujos focos estão localizados
no eixo coordenado OX e são simétricos com relação a origem do sistema ortogonal de
coordenadas Σ, e sabendo que as equações de suas assı́ntotas são dadas por:
2
y = ± x ,
3
9
e que o ponto P = , −1 pertence a hipérbole.
2
Exercı́cio 8.2.13 Determine a equação da hipérbole cujos focos estão localizados no eixo
coordenado OX e são simétricos com relação a origem do sistema ortogonal de coordenadas
Σ, e sabendo que o ponto P = (5, 3) pertence a hipérbole e que sua excentricidade é igual
√
a e = 2.
Exercı́cio 8.2.15 Dado o escalar positivo p ∈ IR, determine a equação da parábola cujo
foco é o ponto
F = (p, p)
e cuja diretriz é a reta r definida pela equação x + y = −2p.
F = (0, 4)
F = (4, 4)
16 x + y 2 = 0 ,
Exercı́cio 8.2.22 Determine a equação da parábola, utilizando a Definição 8.1.4, cujo foco
é o ponto F = (4, 2) e a diretriz é a reta vertical r definida pela equação
r: x + 2 = 0 .
h ~u, ~v i = x1 x2 + y1 y2
~v = x ~e1 + y ~e2 ,
e denotamos sua matriz de coordenadas com relação a base canônica β = { ~e1 , ~e2 } da
seguinte forma: " #
x
[~v ]β = .
y β
Problema 8.1 Encontrar os vetores não–nulos no espaço de vetores V 2 que são levados
pela transformação linear T em um múltiplo de si mesmo, isto é, estamos procurando vetores
~v ∈ V 2 , não–nulos, e escalares λ ∈ IR tais que T (~v ) = λ~v .
Para os objetivos do texto, consideramos, sem uma argumentação mais formal, que toda
transformação linear:
T : V 2 −→ V 2
(8.67)
~v −→ ~u = T (~v )
tem uma representação matricial da seguinte forma:
T : V2 −→ V 2
Desse modo, as condições do Problema 8.1 são verificadas para λ1 = −1 e para todo vetor
v = (x, −x) ∈ V 2 , não–nulos.
Desse modo, as condições do Problema 8.1 são também verificadas para λ2 = 1 e para
todo vetor v = (−x, x) ∈ V 2 , não–nulos.
T : V2 −→ V 2
que presenta uma reflexão em torno da origem do sistema ortogonal de coordenadas Σ, que
é o ponto O = (0, 0).
Definição 8.3.1 Seja A uma matriz de ordem 2 × 2. Definimos com sendo um autovalor
da matriz A um escalar λ ∈ IR tal que a matriz (A − λ I2 ) seja singular.
É importante observar que um polinômio do segundo grau possui duas raı́zes, que podem
ser reais ou complexas conjugadas. No caso em que as raı́zes sejam complexas conjugadas,
dizemos que a matriz A não possui autovalores. Essas considerações serão estudadas com
mais profundidade numa disciplina de Álgebra Linear.
p(λ) = λ2 − 2 λ − 3 .
p(λ) = λ2 − 2 λ + 5 .
Note que A é uma matriz triangular superior. Observe quem são seus autovalores.
Note que A é uma matriz singular. Observe o que ocorre com seus autovalores.
368 Geometria Analı́tica e Vetores
p(λ) = λ2 − 2 λ − 24 .
p(λ) = λ2 − 11 λ + 24 .
Note que tanto no Exemplo 8.3.7 quanto no Exemplo 8.3.8 trabalhamos com matrizes
simétricas, e que seus autovalores são todos reais. Na verdade, queremos mostrar com esses
dois exemplos um resultado muito importante para matriz simétrica, que será assunto para
uma disciplina de Álgebra Linear.
T : V 2 −→ V 2
~v −→ T (~v ) .
T : V 2 −→ V 2
~v −→ T (~v ) .
T (w)
~ = T (α~v ) = α T (~v ) = α (λ ~v ) = λ (α ~v ) = λ w
~.
Portanto, o vetor w
~ = α ~v , com α ∈ IR não–nulo, é também um autovetor de T associado
ao autovalor λ.
TA (~v ) = λ ~v ,
obtemos
[TA (~v )]β = λ [~v ]β ⇐⇒ A [~v ]β = λ [~v ]β .
Assim, podemos apresentar o conceito de autovalor e de autovetor de uma matriz, como
segue abaixo.
Definição 8.3.3 Seja A uma matriz de ordem 2×2. Se existirem elementos X ∈ IM2×1 (IR),
não–nulos, e escalares λ ∈ IR tais que A X = λ X, então o escalar λ ∈ IR é denominado
um autovalor da matriz A e o elemento X ∈ IM2×1 (IR) é denominado um autovetor
da matriz A associado ao autovalor λ.
p(λ) = det(A − λ I2 ) ,
de acordo com a Definição 8.3.1. De fato, como o sistema linear A X = λ X deve admitir
soluções não triviais, a matriz A − λ I2 deve ser singular. Equivalentemente, devemos impor
a condição que o escalar λ satisfaça a equação caracterı́stica
p(λ) = det(A − λ I2 ) = 0 .
(A − λ I2 ) X = O2×1 ,
p(λ) = λ2 − 2 λ − 3 .
T : V2 −→ V 2
~v = (x, y) −→ T (x, y) = (x − y , −4x + y) .
p(λ) = λ2 − 11 λ + 24 .
Podemos observar que os autovetores ~v1 = (2, 1) e ~v2 = (1, −2) são ortogonais. Assim,
podemos obter uma base ortonormal γ = { ~q1 , ~q2 } para o espaço de vetores V 3 da forma:
√ √
~v1 5 ~v2 5
~q1 = = (2, 1) e ~q2 = = (1, −2) .
k ~v1 k 5 k ~v2 k 5
Vamos construir uma matriz ortogonal Q ∈ IM2 (IR), que denotamos por Q = [ [~q1 ]β [~q2 ]β ],
da seguinte forma:
√ " #
5 2 1
Q = . (8.70)
5 1 −2
Podemos verificar que a matriz simétrica A pode ser decomposta da seguinte forma:
A = Q D Qt , (8.71)
com D ∈ IM2 (IR) uma matriz diagonal, onde os elementos da diagonal principal são os
autovalores da matriz simétrica A. De fato, fazendo as devidas substituições, obtemos
" # " #" #" #
4 −2 1 2 1 3 0 2 1
= . (8.72)
−2 7 5 1 −2 0 8 1 −2
Qt A Q = D . (8.73)
p(λ) = λ2 − 2 λ − 24 .
T : V2 −→ V 2
~v = (x, y) −→ T (x, y) = (x − 5y , −5x + y) .
Podemos observar que os autovetores ~v1 = (1, 1) e ~v2 = (−1, 1) são ortogonais. Assim,
podemos obter uma base ortonormal γ = { ~q1 , ~q2 } para o espaço de vetores V 3 da forma:
√ √
~v1 2 ~v2 2
~q1 = = (1, 1) e ~q2 = = (−1, 1) .
k ~v1 k 2 k ~v2 k 2
Vamos construir uma matriz ortogonal Q ∈ IM2 (IR), que denotamos por Q = [ [~q1 ]β [~q2 ]β ],
da seguinte forma:
√ " #
2 1 −1
Q = . (8.75)
2 1 1
Podemos verificar que a matriz simétrica A pode ser decomposta da seguinte forma:
A = Q D Qt , (8.76)
com D ∈ IM2 (IR) uma matriz diagonal, onde os elementos da diagonal principal são os
autovalores da matriz simétrica A. De fato, fazendo as devidas substituições, obtemos
" # " #" #" #
1 −5 1 1 −1 −4 0 1 1
= . (8.77)
−5 1 2 1 1 0 6 −1 1
Qt A Q = D . (8.78)
p(λ) = λ (λ − 25 ) ,
T : V2 −→ V 2
~v = (x, y) −→ T (x, y) = (16x + 12y , 12x + 9y) .
Podemos observar que os autovetores ~v1 = (3, −4) e ~v2 = (4, 3) são ortogonais. Assim,
podemos obter uma base ortonormal γ = { ~q1 , ~q2 } para o espaço de vetores V 3 da forma:
~v1 1 ~v2 1
~q1 = = (3, −4) e ~q2 = = (4, 3) .
k ~v1 k 5 k ~v2 k 5
Vamos construir uma matriz ortogonal Q ∈ IM2 (IR), que denotamos por Q = [ [~q1 ]β [~q2 ]β ],
da seguinte forma: " #
1 3 4
Q = . (8.80)
5 −4 3
Podemos verificar que a matriz simétrica A pode ser decomposta da seguinte forma:
A = Q D Qt , (8.81)
com D ∈ IM2 (IR) uma matriz diagonal, onde os elementos da diagonal principal são os
autovalores da matriz simétrica A. De fato, fazendo as devidas substituições, obtemos
" # " #" #" #
16 12 1 3 4 0 0 3 −4
= . (8.82)
12 9 25 −4 3 0 25 4 3
Nos Exemplos 8.3.13, 8.3.14 e 8.3.15 fizemos apenas a verificação de um resultado muito
importante para matriz simétrica, que será estudado de forma mais detalha numa disciplina
de Álgebra Linear. No momento vamos utilizar esse resultado para realizar a classificação
de cônicas que apresentaremos nas secções 8.5 e 8.7.
Teorema 8.3.2 Seja A uma matriz simétrica. Então, existe uma matriz ortogonal Q e
uma matriz diagonal D tais que A = Q D Qt . De modo equivalente, temos a diagonalização
da matriz simétrica A expressa da forma Qt A Q = D. Além disso, as colunas da matriz
ortogonal Q são os autovetores da matriz simétrica A e os elementos da diagonal principal
da matriz diagonal D são os autovalores da matriz simétrica A.
8.4 Exercı́cios
Exercı́cio 8.4.1 Considere o espaço de vetores V 2 e a transformação linear
T : V2 −→ V 2
T : V2 −→ V 2
T : V2 −→ V 2
A = Q D Qt ,
A = Q D Qt ,
h ~u, ~v i = x1 x2 + y1 y2
Definição 8.5.1 Definimos uma cônica como o conjunto dos pontos P = (x, y) ∈ IE 2 ,
em relação ao sistema ortogonal de coordenadas Σ, que satisfazem a seguinte equação
a x2 + b xy + c y 2 + d x + e y + f = 0 , (8.83)
Nosso primeiro objetivo é eliminar os termos de primeira ordem da equação (8.83). Para isso,
determinamos um ponto O ′ = (xo , yo ), em relação ao sistema ortogonal de coordenadas Σ,
para ser a origem de um novo sistema ortogonal de coordenadas Σ′ = { O ′ , ~e1 , ~e2 }, obtido
pela translação do sistema ortogonal de coordenadas Σ = { O , ~e1 , ~e2 }.
Portanto, se δ = b2 − 4ac 6= 0, o sistema linear (8.86) possui solução única. Nesse caso,
obtemos um único centro O ′ = (xo , yo ), e podemos eliminar os termos de primeira ordem
através de uma translação.
Considerando que o ponto O ′ = (xo , yo ) é uma solução do sistema linear (8.86), o termo
independente g da equação (8.88) pode ser reescrito da seguinte forma:
d e
g = xo + yo + f . (8.90)
2 2
382 Geometria Analı́tica e Vetores
d e
g = xo + yo + f . (8.94)
2 2
b d
a
2 2
b 2a
b e
∆ = c e δ = , (8.95)
2 2 2c b
d e
f
2 2
d e
= xo + yo + f ,
2 2
para δ 6= 0.
Petronio Pulino 383
Portanto, a cônica definida pela equação geral (8.83), em relação ao novo sistema ortogonal
de coordenadas Σ′ = { O ′ , ~e1 , ~e2 }, fica expressa da forma:
a (x′ )2 + b x′ y ′ + c (y ′ )2 + g = 0 , (8.99)
4 x2 − 4 xy + 7 y 2 + 12 x + 6 y − 9 = 0 , (8.101)
a = 4 , b = −4 , c = 7 , d = 12 , e = 6 e f = −9 .
Desse modo, para encontrar o ponto O ′ = (xo , yo ), devemos encontrar a solução do seguinte
sistema linear
( (
b yo + 2a xo + d = 0 −4 yo + 8 xo = −12
⇐⇒
2c yo + b xo + e = 0 14 yo − 4 xo = −6
3 x2 − 4 xy − 2 y 2 + 3 x − 12 y − 7 = 0 , (8.104)
Nosso segundo objetivo é a eliminação do termo misto da equação geral da cônica através
de uma rotação. Verificamos facilmente que a equação (8.99) pode ser reescrita da forma:
b " ′#
a x
Xt A X + g = 0 ⇐⇒
′ ′
x y 2 + g = 0 . (8.105)
b
y′
c
2
Como A é uma matriz simétrica de ordem 2 × 2, sabemos que existe uma matriz ortogonal
Q e uma matriz diagonal D, todas de ordem 2 × 2, de modo que
A = Q D Qt . (8.106)
É importante ressaltar que a mudança de coordenadas através de uma rotação não afetou o
termo constante da equação (8.105). Assim, dizemos que o termo independente é invariante
por rotação.
Desse modo, temos um novo sistema ortogonal de coordenadas Σ1 = { O ′ , ~q1 , ~q2 } obtido
do sistema ortogonal de coordenadas Σ′ = { O ′ , ~e1 , ~e2 } através de uma rotação.
4 x2 − 4 xy + 7 y 2 + 12 x + 6 y − 9 = 0 , (8.112)
a = 4 , b = −4 , c = 7 , d = 12 , e = 6 e f = −9 .
Asim, para encontrar o ponto O ′ = (xo , yo ), devemos encontrar a solução do sistema linear
( (
b yo + 2a xo + d = 0 −4 yo + 8 xo = −12
⇐⇒
2c yo + b xo + e = 0 14 yo − 4 xo = −6
Finalmente, eliminamos o termo misto de segunda ordem da equação (8.114) através de uma
rotação. Podemos verificar facilmente que a equação (8.114) pode ser reescrita da forma:
" #" #
′ ′ 4 −2 x′
x y − 24 = 0 . (8.115)
−2 7 y′
Note que os autovetores ~v1 e ~v2 são ortogonais, uma vez que A é uma matriz simétrica
e os autovalores λ1 e λ2 são distintos. Desse modo, o sistema ortogonal de coordenadas
Σ1 = { O ′ , ~q1 , ~q2 } está associado a base ortonormal γ = { ~q1 , ~q2 } para o espaço de
vetores V 2 , onde os vetores ~q1 e ~q2 são dados por:
√ √
5 5
~q1 = (2, 1) e ~q2 = (−1, 2) .
5 5
Petronio Pulino 387
4 x2 − 4 xy + 7 y 2 + 12 x + 6 y − 9 = 0 , (8.117)
Gostaria de ressaltar que a escolha dos autovetores ~v1 e ~v2 é muito importante, pois são
eles que determinam a posição correta da cônica no plano IE 2 , estabelecendo a rotação do
sistema ortogonal de coordenadas Σ originando o sistema ortogonal de coordenadas Σ1 ,
como ilustra a Figura 8.14.
388 Geometria Analı́tica e Vetores
16 x2 + 24 xy + 9 y 2 − 30 x + 40 y = 0 , (8.119)
a = 16 , b = 24 , c = 9 , d = −30 , e = 40 e f = 0 .
Assim, para encontrar o ponto O ′ = (xo , yo ), devemos encontrar a solução do sistema linear
( (
b yo + 2a xo + d = 0 12 yo + 16 xo = 15
⇐⇒ (8.120)
2c yo + b xo + e = 0 9 yo + 12 xo = −20
Como o determinante da matriz do sistema linear (8.120) é nulo, devemos analisar o seu
conjunto solução. Procedendo com o escalonamento mostramos que o sistema linear não
possui solução. Assim, não temos como eliminar os termos de primeira ordem através de
uma translação.
Entretanto, podemos eliminar o termo misto de segunda ordem da equação (8.119) através
de uma rotação. Verificamos facilmente que a equação (8.119) pode ser reescrita da forma:
" #" # " #
16 12 x x
x y + −30 40 = 0 . (8.121)
12 9 y y
Para isso, determinamos os autovalores e os autovetores da matriz simétrica A dada por:
b
a
" #
16 12
A =
2
⇐⇒ A =
b 12 9
c
2
O polinômio caracterı́stico associado a matriz simétrica A é dado por:
16 − λ 12
p(λ) = = λ2 − 25 λ .
12 9 − λ
Note que podemos escrever a equação caracterı́stica associada a matriz A da forma:
p(λ) = λ ( λ − 25 ) = 0 .
Note que os autovetores ~v1 e ~v2 são ortogonais, uma vez que A é uma matriz simétrica
e os autovalores λ1 e λ2 são distintos. Desse modo, o sistema ortogonal de coordenadas
Σ1 = { O , ~q1 , ~q2 } está associado a base ortonormal γ = { ~q1 , ~q2 } para o espaço de vetores
V 2 , onde os vetores ~q1 e ~q2 são dados por:
1 1
~q1 = (3, −4) e ~q2 = (4, 3) .
5 5
A matriz ortogonal Q que representa a transformação de rotação realizada no sistema de
coordenadas Σ, originando o sistema ortogonal de coordenadas Σ1 , é dada por:
" #
1 3 4
Q = .
5 −4 3
16 x2 + 24 xy + 9 y 2 − 30 x + 40 y = 0 , (8.123)
25 y 2 − 50 x = 0 , (8.124)
2 x − y2 = 0 ,
Gostaria de ressaltar que a escolha dos autovetores ~v1 e ~v2 é muito importante, pois são
eles que determinam a posição correta da cônica no plano IE 2 , estabelecendo a rotação do
sistema ortogonal de coordenadas Σ originando o sistema ortogonal de coordenadas Σ1 ,
como ilustra a Figura 8.15.
5 x2 − 6 xy + 5 y 2 − 4 x + 4 y − 4 = 0 , (8.125)
4 x2 − 12 xy + 9 y 2 + 20 x − 30 y − 11 = 0 , (8.126)
Assim, para encontrar o ponto O ′ = (xo , yo ), devemos encontrar a solução do sistema linear
( (
b yo + 2a xo + d = 0 −3 yo + 2 xo = −5
⇐⇒ (8.127)
2c yo + b xo + e = 0 3 yo − 2 xo = 5
Observamos que o sistema linear (8.120) é equivalente a uma única equação dada por:
3 yo − 2 xo = 5 , (8.128)
4 (x′ )2 − 12 x′ y ′ + 9 (y ′ )2 − 36 = 0 , (8.129)
d xo e yo
onde g = + + f = −36.
2 2
Finalmente, eliminamos o termo misto de segunda ordem da equação (8.129) através de uma
rotação. Podemos verificar facilmente que a equação (8.129) pode ser reescrita da forma:
" #" #
′ ′ 4 −6 x′
x y − 36 = 0 . (8.130)
−6 9 y′
Para isso, determinamos os autovalores e os autovetores da matriz simétrica A dada por:
b
a
" #
4 −6
A =
2 ⇐⇒ A =
b
−6 9
c
2
O polinômio caracterı́stico associado a matriz simétrica A é dado por:
4−λ −6
p(λ) = = λ2 − 13λ = λ (λ − 13) .
−6 9 − λ
Podemos escrever a equação caracterı́stica associada a matriz A da forma:
p(λ) = λ ( λ − 13 ) = 0 .
Note que os autovetores ~v1 e ~v2 são ortogonais, uma vez que A é uma matriz simétrica
e os autovalores λ1 e λ2 são distintos. Desse modo, o sistema ortogonal de coordenadas
Σ1 = { O ′ , ~q1 , ~q2 } está associado a base ortonormal γ = { ~q1 , ~q2 } para o espaço de
vetores V 2 , onde os vetores ~q1 e ~q2 são dados por:
√ √
13 13
~q1 = (3, 2) e ~q2 = (−2, 3) .
13 13
A matriz ortogonal Q que representa a transformação de rotação realizada no sistema de
coordenadas Σ′ , originando o sistema ortogonal de coordenadas Σ1 , é dada por:
√ " #
13 3 −2
Q = .
13 2 3
4 x2 − 12 xy + 9 y 2 + 20 x − 30 y − 11 = 0 , (8.132)
Podemos mostrar facilmente que, neste caso, qualquer escolha de solução para a equação
(8.128), obtemos o mesmo termo independente g para a cônica definida pela equação (8.129),
com relação ao sistema ortogonal de coordenadas Σ′ = { O ′ , ~e1 , ~e1 }. Assim, a escolha do
centro de simetria O ′ = (xo , yo ) não altera as equações das retas paralelas definidas em
(8.134). Essa prova pode ficar a cargo do leitor.
394 Geometria Analı́tica e Vetores
x2 − 10 xy + y 2 + x + y + 1 = 0 , (8.135)
a = 1 , b = −10 , c = 1 , d = 1 , e = 1 e f = 1 .
Assim, para encontrar o ponto O ′ = (xo , yo ), devemos encontrar a solução do sistema linear
( (
b yo + 2a xo + d = 0 −10 yo + 2 xo = −1
⇐⇒
2c yo + b xo + e = 0 2 yo − 10 xo = −1
Como δ = b2 − 4ac = 96 6= 0, a solução do sistema linear é dada por:
2 1 1 −10
−10 1 1 1 2 1
yo = = e xo = = . (8.136)
96 8 96 8
Portanto, no novo
sistema
ortogonal de coordenadas Σ = { O , ~e1 , ~e2 }, no qual a origem é
′ ′
1 1
o ponto O ′ = , , a equação geral da cônica dada por (8.135), fica expressa da forma:
8 8
9
(x′ )2 − 10 x′ y ′ + (y ′ )2 + = 0 , (8.137)
8
d xo e yo 9
onde g = + +f = .
2 2 8
Finalmente, eliminamos o termo misto de segunda ordem da equação (8.137) através de uma
rotação. Podemos verificar facilmente que a equação (8.137) pode ser reescrita da forma:
" #" #
′ ′ 1 −5 x′ 9
x y + = 0 . (8.138)
−5 1 y′ 8
Note que os autovetores ~v1 e ~v2 são ortogonais, uma vez que A é uma matriz simétrica
e os autovalores λ1 e λ2 são distintos. Desse modo, o sistema ortogonal de coordenadas
Σ1 = { O ′ , ~q1 , ~q2 } está associado a base ortonormal γ = { ~q1 , ~q2 } para o espaço de
vetores V 2 , onde os vetores ~q1 e ~q2 são dados por:
√ √
2 2
~q1 = (1, 1) e ~q2 = (−1, 1) .
2 2
A matriz ortogonal Q que representa a transformação de rotação realizada no sistema de
coordenadas Σ′ , originando o sistema ortogonal de coordenadas Σ1 , é dada por:
√ " #
2 1 −1
Q = .
2 1 1
Assim, as equações da mudança de coordenadas do sistema ortogonal de coordenadas Σ′
para o sistema ortogonal de coordenadas Σ1 = { O ′ , ~q1 , ~q2 } são expressas da forma:
" ′# √ " #" #
x 2 1 −1 x
= . (8.139)
y′ 2 1 1 y
Substituindo a mudança de coordenadas dada pela equação (8.139) na equação da cônica
expressa pela equação (8.138), obtemos a equação da cônica no sistema ortogonal Σ1 .
Gostaria de ressaltar que a escolha dos autovetores ~v1 e ~v2 é muito importante, pois são
eles que determinam a posição correta da cônica no plano IE 2 , estabelecendo a rotação do
sistema ortogonal de coordenadas Σ = { O , ~e1 , ~e2 } originando o sistema ortogonal de
coordenadas Σ1 = { O ′ , ~q1 , ~q2 }, como ilustra a Figura 8.17.
Além disso, podemos calcular o ângulo de rotação através do cálculo do ângulo entre os
vetores ~e1 e ~v1 , ou entre os vetores ~e2 e ~v2 . Denotando por θ o ângulo de rotação,
sabemos que
h ~e1 , ~v1 i h ~e2 , ~v2 i
cos(θ) = ou cos(θ) = , (8.142)
k ~v1 k k ~v2 k
uma vez que k ~e1 k = k ~e2 k = 1.
8.6 Exercı́cios
Exercı́cio 8.6.1 Determine um novo sistema ortogonal de coordenadas Σ1 = { O ′ , ~q1 , ~q2 },
no qual eliminamos os termos de primeira ordem e o termo misto de segunda ordem da
equação geral da cônica dada por:
3 x2 − 10 xy + 3 y 2 + x − 32 = 0 , (8.143)
x2 − 2 xy + y 2 − 6 x + 6 y − 3 = 0 , (8.144)
3 x2 + 10 xy + 3 y 2 − 14 y − 13 = 0 , (8.145)
5 x2 − 2 xy + 5 y 2 − 4 x + 20 y + 20 = 0 , (8.146)
8 x2 + 4 xy + 5 y 2 + 16 x + 4 y − 28 = 0 , (8.147)
Exercı́cio 8.6.6 Mostre que, no Exemplo 8.5.6, qualquer escolha de solução para a equação
(8.128), obtemos o mesmo termo independente g para a cônica definida pela equação (8.129),
com relação ao sistema ortogonal de coordenadas Σ′ = { O ′ , ~e1 , ~e1 }. Assim, a escolha do
centro de simetria O ′ = (xo , yo ) não altera as equações das retas paralelas definidas em
(8.134).
398 Geometria Analı́tica e Vetores
h ~u, ~v i = x1 x2 + y1 y2
a x2 + b xy + c y 2 + d x + e y + f = 0 , (8.148)
Nosso primeiro objetivo é a eliminação do termo misto de segunda da equação geral da cônica
através de uma rotação. Verificamos que a equação (8.148) pode ser reescrita da forma:
b " #
a
" #
x d
x y 2
+ x y
+ f = 0 . (8.149)
b
y e
c
2
Na equação (8.149) a matriz A, da representação dos termos de segunda ordem, dada por:
b
a
A =
2 , (8.150)
b
c
2
é uma matriz simétrica de ordem 2 × 2. Assim, sabemos que existe uma matriz ortogonal
Q e uma matriz diagonal D, todas de ordem 2 × 2, de modo que
A = Q D Qt , (8.151)
eliminando o termo misto de segunda ordem. É importante lembrar, que o termo misto de
segunda ordem é eliminado através de uma mudança de coordenadas, dada por uma rotação,
definida pela matriz ortogonal Q.
λ1 (x′ )2 + λ2 (y ′ )2 + d′ x′ + e′ y ′ + f = 0 , (8.154)
Nessa etapa, eliminamos os termos de primeira ordem da equação da cônica definida pela
equação (8.154). Para isso, determinamos um ponto O1 ∈ IE 2 , com coordenadas xo e yo
em relação ao sistema ortogonal de coordenadas Σ′ = { O , ~q1 , ~q2 }, isto é,
−−→
O1 = O + xo ~q1 + yo ~q2 ⇐⇒ OO1 = xo ~q1 + yo ~q2 ,
para ser a origem do novo sistema ortogonal de coordenadas Σ1 = { O1 , ~q1 , ~q2 }, obtido
pela translação do sistema ortogonal de coordenadas Σ′ .
400 Geometria Analı́tica e Vetores
Primeira Situação: λ1 6= 0 e λ2 6= 0
Para identificar corretamente a cônica definida pela equação (8.160), temos que analisar os
possı́veis sinais dos autovalores λ1 e λ2 e do termo independente g.
(a) Se λ1 > 0 e λ2 > 0. Então, a equação (8.160),
Segunda Situação: λ1 6= 0 e λ2 = 0
d′ (d′ )2
xo = − , yo = 0 ⇐⇒ y = y ′ e g = f − . (8.161)
2 λ1 4 λ1
Assim, a equação reduzida da cônica definida pela equação (8.148) é expressa da forma:
λ1 (x)2 + e′ y + g = 0 , (8.162)
Para identificar corretamente a cônica definida pela equação (8.162), temos que analisar
os possı́veis sinais do autovalor λ1 e do termo independente g, e dos possı́veis valores do
parâmetro e′ .
Terceira Situação: λ1 = 0 e λ2 6= 0
e′ (e′ )2
xo = 0 ⇐⇒ x = x′ , yo = − e g = f − . (8.163)
2 λ2 4 λ2
Assim, a equação reduzida da cônica definida pela equação (8.148) é expressa da forma:
λ2 (y)2 + d′ x + g = 0 , (8.164)
De modo análogo, para identificar corretamente a cônica definida pela equação (8.164), temos
que analisar os possı́veis sinais do autovalor λ2 e do termo independente g, e dos possı́veis
valores do parâmetro d′ , como realizado na situação anterior.
402 Geometria Analı́tica e Vetores
a x2 + b xy + c y 2 + d x + e y + f = 0 , (8.165)
a x2 + b xy + c y 2 + d x + e y + f = 0 , (8.167)
Q t Q = Q Qt = I ⇐⇒ Q−1 = Qt .
Assim, obtemos
a x2 + b xy + c y 2 + d x + e y + f = 0 , (8.170)
(b) Se b2 −4ac > 0. Então, a equação (8.170) representa uma hipérbole no plano IE 2 , ou
sua degenerações. Neste caso, dizemos que a equação (8.170) é do tipo hiperbólico.
b2 1
ac − = λ 1 × λ2 ⇐⇒ ( 4 ac − b2 ) = λ1 × λ2 .
4 4
Assim, o sinal λ1 × λ2 é o mesmo sinal da expressão −( b2 − 4ac ). De modo análogo,
λ1 × λ2 tem sinal oposto da expressão b2 − 4ac.
x2 − 4 xy + 4 y 2 − 6 x + 12 y + 8 = 0 , (8.172)
a = 1 , b = −4 , c = 4 , d = −6 , e = 12 e f = 8 .
Inicialmente vamos eliminar o termo misto de segunda ordem da equação (8.172) através de
uma rotação. Podemos verificar que a equação (8.172) pode ser reescrita da forma:
" #" # " #
1 −2 x −6
x y + x y + 8 = 0 . (8.173)
−2 4 y 12
p(λ) = λ ( λ − 5 ) = 0 .
Note que os autovetores ~v1 e ~v2 são ortogonais, uma vez que A é uma matriz simétrica
e os autovalores λ1 e λ2 são distintos. Desse modo, o sistema ortogonal de coordenadas
Σ′ = { O , ~q1 , ~q2 } está associado a base ortonormal γ = { ~q1 , ~q2 } para o espaço de vetores
V 2 , onde os vetores ~q1 e ~q2 são dados por:
√ √
5 5
~q1 = (2, 1) e ~q2 = (−1, 2) . (8.174)
5 5
A matriz ortogonal Q que representa a transformação de rotação realizada no sistema de
coordenadas Σ, originando o sistema ortogonal de coordenadas Σ′ , é dada por:
√ " #
5 2 −1
Q = .
5 1 2
Assim, as equações da mudança de coordenadas do sistema ortogonal de coordenadas Σ
para o sistema ortogonal de coordenadas Σ′ = { O , ~q1 , ~q2 } são expressas da forma:
" # √ " # " ′#
x 5 2 −1 x
= , (8.175)
y 5 1 2 y′
de acordo com a relação dada na equação (8.111), com O = (0, 0).
x2 − 4 xy + 4 y 2 − 6 x + 12 y + 8 = 0 , (8.176)
eliminando o termo misto de segunda ordem. É importante lembrar, que o termo misto de
segunda ordem é eliminado através de uma mudança de coordenadas, dada por uma rotação,
definida pela matriz ortogonal Q.
406 Geometria Analı́tica e Vetores
(e′ )2
g = f − = −1 . (8.179)
4 λ2
Assim, a equação reduzida da cônica definida pela equação (8.176) é dada por:
√
2 5
5 (y) − 1 = 0 ⇐⇒ y = ± , (8.180)
5
no sistema ortogonal de coordenadas Σ1 , que representa uma parábola degenerada.
Neste caso, a equação (8.180), representa duas retas paralelas ao eixo coordenado OX
definidas pelas equações
√ √
5 5
r: y = e s: y = − , (8.181)
5 5
com relação ao sistema ortogonal de coordenadas Σ1 = { O1 , ~q1 , ~q2 }.
É importante ressaltar que a parábola degenerada definida pela equação (8.180), que é a
reunião de duas retas paralelas no plano IE 2 , possui infinitos centros de simetria, isto
é, qualquer ponto no eixo coordenado OX satisfaz a condição de centro de simetria, como
podemos observar na Figura 8.18.
para α ∈ IR.
para α ∈ IR.
x2 − 2 xy + y 2 − 2 x − 2 y + 1 = 0 , (8.183)
a = 1 , b = −2 , c = 1 , d = −2 , e = −2 e f = 1 .
Inicialmente vamos eliminar o termo misto de segunda ordem da equação (8.183) através de
uma rotação. Podemos verificar que a equação (8.183) pode ser reescrita da forma:
" #" # " #
1 −1 x −2
x y + x y + 1 = 0 . (8.184)
−1 1 y −2
p(λ) = λ ( λ − 2 ) = 0 .
Note que os autovetores ~v1 e ~v2 são ortogonais, uma vez que A é uma matriz simétrica
e os autovalores λ1 e λ2 são distintos. Desse modo, o sistema ortogonal de coordenadas
Σ′ = { O , ~q1 , ~q2 } está associado a base ortonormal γ = { ~q1 , ~q2 } para o espaço de vetores
V 2 , onde os vetores ~q1 e ~q2 são dados por:
√ √
2 2
~q1 = (1, 1) e ~q2 = (−1, 1) . (8.185)
2 2
A matriz ortogonal Q que representa a transformação de rotação realizada no sistema de
coordenadas Σ, originando o sistema ortogonal de coordenadas Σ′ , é dada por:
√ " #
2 1 −1
Q = .
2 1 1
Assim, as equações da mudança de coordenadas do sistema ortogonal de coordenadas Σ
para o sistema ortogonal de coordenadas Σ′ = { O , ~q1 , ~q2 } são expressas da forma:
" # √ " # " ′#
x 2 1 −1 x
= , (8.186)
y 2 1 1 y′
de acordo com a relação dada na equação (8.111), com O = (0, 0).
x2 − 2 xy + y 2 − 2 x − 2 y + 1 = 0 , (8.187)
Podemos encontramos o foco e a diretriz da parábola definida pela equação reduzida (8.191),
comparando com a equação reduzida (8.57), que são expressos da seguinte forma:
!√ $ √
2 2
F = ,0 e r: x = − , (8.192)
4 4
4 x2 − 4 xy + 7 y 2 + 12 x + 6 y − 9 = 0 , (8.193)
a = 4 , b = −4 , c = 7 , d = 12 , e = 6 e f = −9 .
Como b2 − 4ac = −96 < 0, sabemos que a equação (8.193) é do tipo elı́ptico.
Inicialmente vamos eliminar o termo misto de segunda ordem da equação (8.193) através de
uma rotação. Podemos verificar que a equação (8.193) pode ser reescrita da forma:
" #" # " #
4 −2 x 12
x y + x y − 9 = 0 . (8.194)
−2 7 y 6
Note que os autovetores ~v1 e ~v2 são ortogonais, uma vez que A é uma matriz simétrica
e os autovalores λ1 e λ2 são distintos. Desse modo, o sistema ortogonal de coordenadas
Σ′ = { O , ~q1 , ~q2 } está associado a base ortonormal γ = { ~q1 , ~q2 } para o espaço de vetores
V 2 , onde os vetores ~q1 e ~q2 são dados por:
√ √
5 5
~q1 = (2, 1) e ~q2 = (−1, 2) . (8.195)
5 5
A matriz ortogonal Q que representa a transformação de rotação realizada no sistema de
coordenadas Σ, originando o sistema ortogonal de coordenadas Σ1 , é dada por:
√ " #
5 2 −1
Q = .
5 1 2
4 x2 − 4 xy + 7 y 2 + 12 x + 6 y − 9 = 0 , (8.197)
eliminando o termo misto de segunda ordem. É importante lembrar, que o termo misto de
segunda ordem é eliminado através de uma mudança de coordenadas, dada por uma rotação,
definida pela matriz ortogonal Q.
414 Geometria Analı́tica e Vetores
d′ √
xo = − = − 5 e yo = 0 , (8.199)
2 λ1
e o termo independente g é calculado da forma:
(d′ )2
g = f − = −24 . (8.200)
4 λ1
Assim, a equação reduzida da cônica definida pela equação (8.197) é dada por:
(x)2 (y)2
3 (x)2 + 8 (y)2 − 24 = 0 ⇐⇒ + = 1 , (8.201)
8 3
no sistema ortogonal de coordenadas Σ1 .
Nesse caso, a equação (8.201) representa uma elipse no plano IE 2 , com relação ao sistema
ortogonal de coordenadas Σ1 .
y
6
y
AA
K
A
A
A
A
A
A *x
A
A
A
A
A 6
A−2 Or
- -x
AKA
AA *
r −1
OA
1A
A
A
A
uma vez que estão localizados no eixo coordenado OX e são simétricos com relação a origem.
O eixo maior, vamos denotar pelo segmento A1 A2 , e o eixo menor, vamos denotar pelo
segmento B 1 B 2 , onde os pontos A1 , A2 , B 1 , B 2 , com relação ao sistema de coordenadas
Σ1 , são dados por:
y y
6
A
K
A x
A *
A
A
A
A
A rB 2
A Ar2
A -x
r
A F2
A r
OA
1A
A1 r A
r
F A rB 1
1 A
A
A
A
Gostaria de ressaltar que a escolha dos autovetores ~v1 e ~v2 é muito importante, pois são
eles que determinam a posição correta da cônica no plano IE 2 , estabelecendo a rotação do
sistema ortogonal de coordenadas Σ = { O , ~e1 , ~e2 } originando o sistema ortogonal de
coordenadas Σ1 = { O ′ , ~q1 , ~q2 }, como ilustram as Figuras 8.20 e 8.21.
Além disso, podemos calcular o ângulo de rotação através do cálculo do ângulo entre os
vetores ~e1 e ~v1 , ou entre os vetores ~e2 e ~v2 . Denotando por θ o ângulo de rotação,
sabemos que
h ~e1 , ~v1 i h ~e2 , ~v2 i
cos(θ) = ou cos(θ) = , (8.204)
k ~v1 k k ~v2 k
uma vez que k ~e1 k = k ~e2 k = 1.
√ ! √ $
h ~e2 , ~v2 i 2 2 5 2 5
cos(θ) = = √ = ⇐⇒ θ = arccos ,
k ~v2 k 5 5 5
8.8 Exercı́cios
Exercı́cio 8.8.1 Considere a cônica definida pela equação geral
3 x2 − 8 xy + 7 y 2 + 8 x − 15 y + 20 = 0 , (8.205)
(c) Determine os principais elementos da cônica para auxiliar no esboço do seu gráfico.
x2 + 4 xy + 4 y 2 + 4 x + y − 15 = 0 , (8.206)
(c) Determine os principais elementos da cônica para auxiliar no esboço do seu gráfico.
4 x2 + 4 xy + y 2 − 12 x − 6 y + 5 = 0 , (8.207)
(c) Determine os principais elementos da cônica para auxiliar no esboço do seu gráfico.
418 Geometria Analı́tica e Vetores
x2 − 2 xy + y 2 + 6 x − 14 y + 29 = 0 , (8.208)
(c) Determine os principais elementos da cônica para auxiliar no esboço do seu gráfico.
a x2 + b xy + c y 2 + d x + e y + f = 0 , (8.209)
(b) Mostre que uma equação do tipo elı́ptica ( b2 − 4 ac < 0), representa uma elipse
imaginária se, e somente se, o coeficiente a e o determinante ∆ são números com o
mesmo sinal.
(c) Mostre que uma equação do tipo elı́ptica ( b2 − 4 ac < 0), representa uma elipse
degenerada, isto é, representa um ponto no plano IE 2 se, e somente se, ∆ = 0.
(d) Mostre que uma equação do tipo hiperbólica ( b2 − 4 ac > 0), representa uma hipérbole
no plano IE 2 se, e somente se, ∆ 6= 0.
(e) Mostre que uma equação do tipo hiperbólica ( b2 − 4 ac > 0), representa uma hipérbole
degenerada, isto é, representa um par de retas concorrentes no plano IE 2 se, e somente
se, ∆ = 0.
Bibliografia
[4] P. Pulino, Álgebra Linear e suas Aplicações: Notas de Aula, Janeiro de 2012, IMECC,
UNICAMP, disponı́veis no link: www.ime.unicamp.br/∼pulino/ALESA/.
[5] P. Pulino, Matemática Básica: Notas de Aula, Março de 2012, IMECC, UNICAMP,
disponı́veis no link: www.ime.unicamp.br/∼pulino/MA109/.
[8] Elon Lages Lima, Geometria Analı́tica e Álgebra Linear , SBM/IMPA (2010).
[12] Tom M. Apostol, Calculus, Volume I, Second Edition, John Wiley & Sons (1976).
[14] G. H. Golub & C. F. Van Loan, Matrix Computations, John Hopkins (1996).
419
Geometria Analı́tica e Vetores
Notas de Aula
Petronio Pulino
.......... .........
............................................ .......................rq.............
. .......................... .............................
.... .... PULINUS
.......... .............
.......................................................................................