Академический Документы
Профессиональный Документы
Культура Документы
FEDERAL DO PARANA
Sum
ario
1 Matrizes e Sistemas de Equa
c
oes Lineares
10
1.1
Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2
1.3
1.4
1.5
1.3.1
Adicao de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.2
Subtracao de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.3
1.3.4
. . . . . . . . . . . . . 17
Matriz Transposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.2
1.4.3
Produto de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
Matrizes Invertveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.5.1
Matrizes Ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.6
1.7
Lista 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.8
1.9
1.8.1
1.8.2
1.8.3
1.8.4
43
2.1
Segmentos Orientados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.2
Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.3
Adicao de Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.4
2.5
Angulo
entre dois vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
50
3.1
Vetores Bidimensionais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.2
Vetores Tridimensionais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4 Produto de Vetores
57
4.1
4.2
4.3
4.3.2
4.4
4.5
4.6
4.3.3
4.3.4
Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.4.1
4.4.2
Produto Misto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.5.1
4.5.2
. . . . . . . . . . . 68
Exerccios de Fixacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5 Aplica
c
ao de Vetores ao Estudo da Reta e do Plano
69
5.1
Equacoes da Reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.2
5.3
5.4
5.5
5.6
Angulo
de Duas Retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.7
5.8
5.9
5.17 Angulo
de Dois Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.18 Angulo
de uma reta com um Plano . . . . . . . . . . . . . . . . . . . . . . . . . . 91
95
6.1
6.2
6.3
6.4
6.5
A elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.5.1
Elementos da elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.5.2
6.5.3
6.6
O Elipsoide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.7
A Hiperbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.7.1
6.7.2
6.7.3
6.8
6.9
A Parabola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.9.1
6.9.2
6.9.3
122
7.1.2
Operacoes em Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.1.3
7.1.4
8 Espa
cos Vetoriais
. . . . . . . . . . . . . . . . . . . . . 124
126
8.1
8.2
8.3
Subespacos Gerados
8.4
8.5
8.6
8.7
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
Angulo
de dois Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.8
Vetores Ortogonais
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.9
. . . . . . . . . . . . . . . . . . . . . . . . . . . 134
9.2
Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
9.3
144
Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
9.4
N
ucleo e Imagem de uma Transformacao Linear . . . . . . . . . . . . . . . . . . . 151
9.5
10 Autovalores e Autovetores
154
. . . . . . . . . . . . . . . . . . . 159
PREFACIO
A primeira edicao destas notas foi feita no ano de 2009, em parceria com a professora Msc.
Angela
Mognon, quando ingressei na UTFPR e ministravamos aulas de Geometria Analtica
e Algebra Linear, a alunos dos primeiros anos de Engenharia, no campus de Campo Mourao,
Parana. Com esta parceria tive total apoio na digitalizacao textual e grafica, nas leituras preliminares, na escolha das referencias e na revisao dos textos, contanto tambem com o apoio e
incentivo do professor Dr. Doherty de Andrade, o qual somos imensamente gratas, pois seu incentivo e orientacao na utilizacao do editor de texto matematico TeX, tornou possvel a digitalizacao
destas notas.
A motivacao ao preparo destas notas inicialmente foi facilitar e agilizar a apresentacao dos
conte
udos em sala de aula, ja que a ementa semestral e extensa por atender os topicos de Geome
tria Analtica e Algebra
Linear. Logo, este material foi elaborado com o intuito de proporcionar
ao aluno um melhor acompanhamento da aula e consiste somente de algumas anotacoes para
serem utilizadas durante as aulas. Sem preocupacoes em copiar definicoes e enunciados espera-se
que o aluno possa se concentrar nas demonstracoes e resolucao de exemplos e exerccios que serao
feitas em sala.
O Captulo 1 trata das Matrizes, Determinantes e Sistemas de Equacoes Lineares por se
Agradeco `a professora Msc. Viviane Colucci pelo incentivo e colaboracao na edicao do texto
sobre Matrizes e Determinantes e na digitalizacao de exerccios sobre o tema. Esta contribuicao
foi inserida nestas notas a partir de 2011.
Agradeco o apoio dos professores Dr. Adilandri Mercio Lobeiro e Esp. Luciano Ferreira da
Silva nas orientacoes sobre a utilizacao do editor TeXnicCenter e incentivo na divulgacao destas
notas.
Agradeco a participacao e parceria dos alunos das Engenharias nos projetos desenvolvidos nas
APS e deixo registrado na capa destas notas, algumas das obras modeladas no decorrer destes
semestres. Fico muito grata em ver o empenho, a motivacao e amadurecimento matematico adquirido na utilizacao da Geometria Analtica para modelar algebricamente e computacionalmente
no software Maple superfcies tridimensionais do nosso cotidiano. Estes projetos tem evidenciado a relacao existente entre a teoria e a pratica e espero divulga-los em publicacoes e eventos,
objetivando a motivacao ao uso de novas possibilidades de ensino e aprendizagem de Geometria
Analtica nas Engenharias.
Sou grata tambem ao apoio dos professores do departamento de matematica que utilizam estas
notas em suas aulas e espero que o material seja u
til tanto aos discentes quanto aos docentes da
Captulo 1
Matrizes e Sistemas de Equaco
es
Lineares
Introduc
ao
Muitas vezes na Engenharia e na Matematica uma informacao e organizada em linhas e
colunas formando agrupamentos retangulares chamados matrizes. Estas matrizes podem ser
tabelas de dados numericos surgidos de observacoes fsicas, mas tambem ocorrem em varios
contextos matematicos. Por exemplo, veremos que para resolver um sistema de equacoes lineares
toda informacao requerida para chegar `a solucao esta encorpada em uma matriz e que a solucao
pode ser obtida efetuando operacoes apropriadas nesta matriz. Isto e particularmente importante
no desenvolvimento de programas de computador para resolver sistemas de equacoes lineares,
porque os computadores sao muito bons pra manipular colecoes de n
umeros.
Durante o curso voce tera oportunidade de pesquisar e manipular um software matematico
com capacidade de efetuar operacoes com matrizes, o que facilita muito os calculos algebricos
matriciais no trabalho com ciencias exatas e podem enriquecer a experiencia do aprendizado,
bem como ajudar com os calculos tediosos. No entanto, todo futuro engenheiro precisa dominar
todas as tecnicas basicas de algebra linear resolvendo `a mao exemplos iniciais. A tecnologia
pode entao ser usada para resolver exemplos subsequentes e aplicacoes que possuem dados que
tornam os calculos `a mao nao praticos. Entretanto, voce deve fazer tantos exemplos quanto
puder com lapis e papel ate que se sinta confortavel com as tecnicas e mesmo quando utilizar um
software, pense sempre como voce faria os calculos manualmente e depois de obter uma resposta
do software, avalie se ela e razoavel.
o homem que manipula a maquina, nao e a maquina que manipula
Nao se esqueca nunca: E
o homem.
10
1.1
Matrizes
A palavra matriz deriva da palavra latina mater, que significa mae. Quando o sufixo -iz e
acrescentado, o significado torna-se
utero. Assim como um u
tero envolve um feto, os colchetes
de uma matriz envolvem seu elementos, e assim como no u
tero e gerado um bebe, uma matriz gera
certos tipos de funcoes, chamadas transformacoes lineares, que seram estudadas posteriormente.
As matrizes sao tabelas de n
umeros reais utilizadas em varios ramos da Ciencia e da Engenharia.
Varias operacoes executadas por cerebros eletronicos sao computacoes por matrizes.
Vejamos um exemplo:
Considere a tabela a seguir, que indica as notas (0 10) dos Alunos A1, A2 e A3 em uma
Prova 1
9,0
3,0
6,5
Atividade
7,0
5,0
8,4
No quadro indicado os n
umeros colocados nas disposicoes horizontais formam o que denominamos linha e os colocados nas disposicoes verticais formam o que denominamos coluna.
Para sabermos a nota de atividade do Aluno A3 basta procuramos o n
umero que esta na
terceira linha e na segunda coluna.
Se nos suprimirmos os ttulos, ficaremos com a seguinte colecao retangular de n
umeros com
tres linhas e duas colunas, denominada matriz :
9, 0 7, 0
A = 3, 0 5, 0
6, 5 8, 4
Generalizando, apresentamos a seguinte definicao.
Defini
c
ao 1.1 Uma matriz de ordem m n, e um quadro A com elementos (n
umeros, po-
lin
omios, funcoes etc.) dispostos em m linhas e n colunas da forma:
Amn
a11 a12
a21 a22
=
am1 am2
11
a1n
a2n
amn
em que os n
umeros aij , com 1 i m e 1 j n, em nosso estudo, s
ao n
umeros reais. O
n
umero aij chama-se o elemento de ordem ij de A. De forma mais compacta, a matriz acima
Aj =
a1j
..
.
..
.
amj
Portanto, uma matriz de ordem m n, denotada por Amn = [aij ]mn , possui m linhas e n
colunas.
2 1 1
3 2 5
Defini
c
ao 1.2 Duas matrizes Amn = [aij ]mn e Brs = [bij ]rs s
ao iguais se elas tem o mesmo
n
umero de linhas (m = r) e o mesmo n
umero de colunas (n = s), e se todos os seus elementos
correspondentes s
ao iguais (aij = bij ).
Notacao: A = B.
2
9 sen90 0
3 1 log1
=
Exemplo 1.3
2
4
5
2 22
5
12
i
j
1.2
1. Matriz linha: e a n-upla A1n = [a11 . . . a1n ], isto e, uma matriz de ordem 1 n.
Exemplo 1.4 A = [2 1 2]
a11
..
.
..
.
am1
2
4
Exemplo 1.5 A =
0
6
3. Matriz Quadrada Ann : e a matriz em que o n
umero de linhas e igual ao n
umero de
colunas.
Exemplo 1.6 A =
B=
3 1
2 5
1 1 0
C = 2 5 9
7
3 9
4. Matriz Nula: e a matriz, denotada por 0mn , que possui todos os elementos nulos.
021 =
0
0
13
033
0 0 0
= 0 0 0
0 0 0
1 0 0
Exemplo 1.8 A= 0 1 0
0 0 3
B=
0 0
0 0
6. Matriz Identidade e toda matriz quadrada I tal que aij = 1, quando i = j e aij = 0, se
i 6= j.
1 0 0
Exemplo 1.9 A= 0 1 0
0 0 1
B=
1 0
0 1
Observa
c
ao 1.1 A diagonal principal de uma matriz quadrada Ann e a n-upla
(a11 , a22 , . . . , ann ).
7. Matriz Triangular Superior e toda matriz quadrada tal que aij = 0, quando i > j. Ou
seja, e uma matriz quadrada onde todos os elementos abaixo da diagonal sao nulos.
1 1 3
Exemplo 1.10 A= 0 2 5
0 0 1
B=
3 2
0 1
8. Matriz Triangular Inferior e toda matriz quadrada tal que aij = 0, quando i < j. Ou
seja, e uma matriz quadrada onde todos os elementos acima da diagonal sao nulos.
1
0 0
Exemplo 1.11 A= 1 2 0
4
5 1
B=
a 0
b c
Observa
c
ao 1.2 Indicaremos conjunto de todas as matrizes de de ordem m n, com elementos
em R, por Mmn (R).
1.3
Opera
co
es usuais com Matrizes e Propriedades
Apresentaremos a seguir uma aritmetica de matrizes na qual as matrizes podem ser somadas,
subtradas e multiplicadas.
14
1.3.1
Adic
ao de Matrizes
Considere a tabela (apresentada na pag. 5) das notas dos alunos A1, A2 e A3:
Aluno
Aluno A1
Aluno A2
Aluno A3
Prova 1
9,0
3,0
6,5
Atividade
7,0
5,0
8,4
Supondo que foram aplicadas outras duas avaliacoes e os resultados obtidos estao descritos
nas tabelas
Aluno
Aluno A1
Aluno A2
Aluno A3
Prova 2
9,5
7,3
8,5
Atividade
3,0
5,5
4,4
Aluno
Aluno A1
Aluno A2
Aluno A3
9, 5 3, 0
9, 0 7, 0
B = 7, 3 5, 5
A = 3, 0 5, 0
8, 5 4, 4
6, 5 8, 4
Prova 3
6,0
7,0
5,5
Atividade
4,0
6,0
9,4
6, 0 4, 0
C = 7, 0 6, 0
5, 5 9, 4
logo,
9, 0 + 9, 5 + 6, 0
S = A + B + C = 3, 0 + 7, 3 + 7, 0
6, 5 + 8, 5 + 5, 5
24, 5
S = 17, 3
20, 5
7, 0 + 3, 0 + 4, 0
5, 0 + 5, 5 + 6, 0
8, 4 + 4, 4 + 9, 4
14, 0
16, 5
22, 2
e a matriz que representa o total de pontos obtidos por cada aluno em provas e atividades na
disciplina.
Generalizando, temos a seguinte definicao:
Defini
c
ao 1.3 Sejam as matrizes A, B Mmn (R), ent
ao a soma S = A + B e a matriz obtida
somando as entradas de A `
as entradas correspondentes de B. Em notacao matricial, se A = [aij ]
e B = [bij ] s
ao matrizes m n, ent
ao
sij = aij + bij , com 1 i m e 1 j n.
15
3 3 1
2 3 0
1 0 1
Exemplo 1.12 2 2 0 + 2 7 6 = 4 5 6
5 3 2
1 2 1
4 5 1
Observa
c
ao 1.3 A matriz nula e o elemento neutro para a adicao de matrizes. Isto e,
0mn + A = A + 0mn = A, A Mmn (R)
1.3.2
Subtrac
ao de Matrizes
Suponhamos que o professor citado nos exemplos anteriores, queira comparar os primeiros e
segundos resultados obtidos pelos alunos nas provas 1 e 2 e nas respectivas atividades. Para
saber se houve aumento/diminuicao de nota, podemos calcular a diferenca dij = bij aij , entre
0, 5 4, 0
9, 0 7, 0
9, 5 3, 0
B A = 7, 3 5, 5 3, 0 5, 0 = 4, 3 0, 5
2, 0 4, 0
6, 5 8, 4
8, 5 4, 4
Analisando a matriz diferenca B A podemos concluir que todos alunos aumentaram suas
Defini
c
ao 1.4 Sejam as matrizes A, B Mmn (R), ent
ao a diferen
ca D = B A e a matriz
1 3 1
2 3 0
1 0 1
Exemplo 1.13 2 2 0 2 7 6 = 0 9 6
3
7
0
1 2 1
4 5 1
1.3.3
Multiplicac
ao por Escalar
Seja S a matriz definida na secao (1.3.1) que representa o total de pontos dos alunos em uma
determinada disciplina avaliada por meio de provas e atividades. Para obter a media aritmetica
16
1
3
de S, ou seja,
1
.(14, 0)
3
1
.(24, 5)
3
1
.(22, 2)
3
1
.(17, 3)
1
3
N = .S =
3
1
.(20, 5)
3
logo,
1
.(16, 5)
3
4, 7
5, 5
7, 4
8, 2
N 5, 8
6, 8
Exemplo 1.14 2
Observa
c
ao 1.4
2 10
1 2
4 20
2 4
a matriz oposta de A.
1.3.4
2 7
1 2
e A =
2 7
1 2
Propriedades da Adic
ao e do Produto por Escalar
3. A + (B + C) = (A + B) + C.
4. 0mn + A = A + 0mn = A.
5. A + (1)A = 0mn .
6. Se k e qualquer escalar e A Mmn (R), entao kA Mmn (R).
7. c(A + B) = cA + cB.
8. (c + d)A = cA + dA.
9. (cd)A = c(dA).
10. 1A = A.
Apresentaremos a seguir operacoes matriciais que nao possuem analogia com a aritmetica dos
n
umeros reais.
1.4
1.4.1
Opera
co
es n
ao usuais com Matrizes e Propriedades
Matriz Transposta
Defini
c
ao 1.6 A transposta de uma matriz A = [aij ]mn e a matriz B = At = [aji ]nm , cujas
linhas s
ao as colunas de A, isto e, bij = aji , para todo i e j.
2 1
2 0 1
t
0 3 e a matriz A =
Exemplo 1.16 A transposta da matriz A =
1 3 4
1 4
propriedades:
1.(A + B)t = At + B t
2.(cA)t = cAt
3.(At )t = A.
Usando a definicao de Matriz Transposta, podemos definir dois novos tipos de matrizes:
Defini
c
ao 1.7 Matriz Sim
etrica
uma matriz quadrada tal que At = A. Isto e, os elementos que est
E
ao dispostos simetricamente em relacao `
a diagonal s
ao iguais (aij = aji ).
18
2 1 3
Exemplo 1.17 A = 1 6 4
3 4 1
Defini
c
ao 1.8 Matriz Anti-Sim
etrica
uma matriz quadrada tal que At = A. Isto e, os elementos que est
E
ao dispostos simetrica-
mente em relacao `
a diagonal s
ao opostos (aij = aji ).
0 2 3
0 5
Exemplo 1.18 A = 2
3 5
0
Observa
c
ao 1.5 A diagonal de uma matriz A anti-simetrica e nula. Isto e, aii = 0.
1.4.2
Defini
c
ao 1.9 Se A e uma matriz quadrada, ent
ao o tra
co de A, denotado por tr(A), e definido
pela soma das entradas na diagonal principal de A : a11 + a22 + . . . + ann .
O traco de A n
ao e definido se A n
ao e uma matriz quadrada.
1 2
7
0
3
5 8 4
temos: tr(A) = 1 + 5 + 7 + 0 = 11
Exemplo 1.19 Para A=
1
2
7 3
4 2 1
0
1.4.3
Produto de Matrizes
Ate aqui nos definimos a multiplicacao de uma matriz por um escalar mas nao a multiplicacao de
duas matrizes. Como na definicao da adicao (e subtracao) somamos (e subtramos) as entradas
correspondentes, pareceria natural definir a multiplicacao de matrizes multiplicando as entradas
correspondentes. Contudo, ocorre que tal definicao nao seria muito u
til na maioria dos problemas praticos e teoricos. A experiencia levou os matematicos `a uma definicao mais u
til para a
multiplicacao de matrizes.
Ilustraremos a devida definicao dando continuidade a situacao exposta anteriormente:
Seja N a matriz (secao 1.3.3) que representa o total de pontos dos alunos em uma determinada
disciplina avaliada por meio de provas e atividades. Atribuindo peso 8, 0 para as provas e peso
2, 0 para as atividades podemos obter a nota final de cada aluno da seguinte maneira:
19
logo,
8, 2
N F = N.P = 5, 8
6, 8
8, 2.(0, 8) + 4, 7.(0, 2)
4, 7
0, 8
5, 5 .
= 5, 8.(0, 8) + 5, 5.(0, 2)
0, 2
6, 8.(0, 8) + 7, 4.(0, 2)
7, 4
7, 5
N F = 5, 7
6, 9
b1j
..
.
..
.
bnj
para 1 i m e 1 j p.
Observa
c
ao 1.6 Podemos usar a notacao de somat
orio:
(ab)ij =
n
X
aik bkj
k=1
Resposta: A.B =
1 1
2 8
1 0 1
2 1 3
20
1 2
e B = 0 1 , determine AB.
0 1
2. (B + C)A = BA + CA;
4. A(BC) = (AB)C;
5. (AB)t = B t At ;
6. AI = IA = A;
7. A0 = 0A = 0mn .
1.5
Matrizes Invertveis
Dada uma matriz A quadrada se pudermos encontrar uma matriz B de mesmo ordem tal que
Ann .Bnn = Bnn .Ann = Inn , entao diremos que Ann e invertvel e que Bnn e a inversa
de Ann . Se nao puder ser encontrada tal matriz B entao diremos que A e n
ao invertvel ou A
e dita singular.
Exemplo 1.21 A matriz B =
3 5
1 2
e a inversa de A =
2 5
1 3
a b
c d
1
=
ad bc
21
d b
c a
a) A1 =
1.5.1
2 1
5 3
b) B 1
1
=
20
4 3
4 2
c) C
1
=
2
1 4
2
6
d) D
1
=
6
3 0
0 2
Matrizes Ortogonais
3
7
2
7
3
7
6
7
6
7
2
7
37
e ortogonal.
1.6
Sugest
ao de Leitura e Estudo
22
1.7
Lista 1
F =
1950
1500
3100
2500
1800
2030
1820
2800
2420
2020
1800
1740
2700
2300
2040
1950
1680
3050
2680
1950
2 3 5 8
3 7 1 9
0 3 4
4. Considerando a matriz anti-simetrica A = 3 0 6 , calcule At . O que voce observa
4 6 0
em relacao a A e At ?
23
5. Considere A =
1 2 3
4 5 6
eB=
3 0 2
7 1 8
, calcule:
(a) A + 5B
(b) 3A
(c) 2A 3B
4 3 5
1
2
1 0 3
6. Considere as matrizes A = 1 0 2 4 e B = 2 2 0 1 , encontre
3 2 4 5
4 2 7 0
1
A + B, A B e 3 A
4 1 4 3
1 2 4
0 1 3 1
A.B =
2 6 0
2 7 5 2
8. Em cada item, encontre a operacao que se pede (adicao, subtracao ou multiplicacao) entre
as matrizes dadas abaixo:
3 3 2
2 5 7
, encontre A + B.
eB=
a) A =
8 9 1
3 2 4
b) A =
c) A =
4 1
3 9
4 2 6
2 5 3
eB=
5 6
7 8
5 2 4 1
e B = 2 3 1 0 encontre AB.
1 2 7 6
1 3 2
d) A = 2 1 3 , B =
4 3 1
encontre AB e encontre AC.
9. Considerando A =
, encontre A B; AB e BA.
1 0
0 0
, B=
1
2
1
O
4 1 0
2 1 1 2
1 1 1 e C = 3 2 1 1
2 5 1 0
2 1 2
que observou?
0 0
1 0
e C=
0 1
0 0
1
2
a) A =
5
0
b) A =
0
3
eB= 0 6 1
3 8 2 23
4
1 42
1
2 0 1
eB= 2
3 0 1 23
4 31
2 1
1
1
c) A = 4 2 e B =
0 4 22
5 3 32
1 2 3
1 1 1
d) A = 3 2 1 e B = 2 4 6 . Neste item, encontre tambem BA.
1 2 3
2 1
0
2 0
1 2
, calcule AB e BA. O que observa sobre o resultado do
eB=
11. Se A =
1 1
3 1
produto AB e BA?
4 5
4 6 3
3 7 e B =
, calcule (AB)t .
12. Dadas as matrizes A =
3 5 8
2 4
13. Ache x, y, z e w se
x y
z w
2 3
3 4
1 0
0 1
14. Um construtor tem contratos para construir 3 estilos de casa: moderno, mediterraneo e
colonial. A quantidade de material empregada em cada tipo de casa e dado por:
Moderno
Mediterraneo
Colonial
F erro
5
7
6
M adeira V idro
20
16
18
12
25
8
T inta T ijolo
7
17
9
21
5
13
25
b) Se ele vai construir 5, 7 e 12 casas dos tipos moderno, mediterraneo e colonial, respectivamente, quantas unidades de cada material serao empregadas?(Sugestao: crie a
matriz quantidade, Q13 e calcule a matriz material M = Q13 .C35 )
c) Suponha agora que os precos por unidades de ferro, madeira, vidro, tinta e tijolo sejam,
respectivamente, 15, 8, 5, 1 e 10 reais. Com relacao a esses materiais qual e o preco
unitario de cada tipo de casa?(Sugestao: crie a matriz preco-material P M51 e calcule
a matriz preco-casa P C = C35 .P M51 )
d) Se ele vai construir 5,7 e 12 casas dos tipos moderno, mediterraneo e colonial, respectivamente.Considerando os mesmos precos, use produto de matrizes para obter o custo
total de material empregado.
2 6
5 4
x y
z w
eX=
2
x
y
, encontre AX.
17. Considerando as matrizes dadas nos itens abaixo, verifique se as matrizes A e B sao inversas.
3 5
2 5
eB=
a) A =
1 2
1 3
11 2
2
1 0 2
1
b) A = 2 1 3 e B = 4 0
6 1 1
4 1 8
26
1.8
A fun
c
ao Determinante de uma Matriz Quadrada
No Ensino Medio voce deve ter se deparado com o calculo de determinante de matrizes 2 2 e
3 3, fazendo uso de algumas regras e formulas.
No entanto, nesta secao verificaremos que o determinante e um certo tipo de funcao, que
associa a cada matriz quadrada um n
umero real, independente da ordem da matriz quadrada.
Para tanto necessitaremos de alguns conceitos preliminares.
Defini
c
ao 1.11 Uma permuta
c
ao do conjunto de inteiros {1, 2, ..., n} e um rearranjo destes
inteiros em alguma ordem sem omissoes ou repeticoes.
menor.
Exemplo 1.24 Determine o n
umero de invers
oes nas seguintes permutacoes.
a) (6, 1, 3, 4, 5, 2)
5+0+1+1+1=8
b) (2, 4, 1, 3)
1+2+0=3
Observa
c
ao 1.7 Para calcular o n
umero de invers
oes de uma permutacao devemos:
(1) encontrar a quantia de n
umeros menores que j1 e que est
ao depois de j1 na permutacao;
(2) encontrar a quantia de n
umeros menores que j2 e que est
ao depois de j2 na permutacao.
Continuar este processo ate jn1 e somar estas quantias. A soma destes n
umeros ser
a o n
umero
de invers
oes de uma permutacao.
Defini
c
ao 1.13 Uma permutacao e chamada par se o n
umero de invers
oes e um inteiro par e
e chamada mpar se o n
umero de invers
oes e mpar.
27
Defini
c
ao 1.14 Seja A = [aij ]nn uma matriz quadrada e (j1 , j2 , ..., jn ) uma permutacao arbitr
aria do conjunto {1, 2, ..., n} . O produto
a1j1 .a2j2 ...anjn
e dito um produto elementar de A.
Defini
c
ao 1.15 Seja A uma matriz quadrada. A fun
c
ao determinante denotada por det e
definida da seguinte maneira:
det(A) =
onde k e o n
umero de invers
oes de (j1 , j2 , ..., jn ) ou seja, det(A) e definido como a soma de todos
os produtos elementares de A acompanhados do sinal: (+) se a permutacao (j1 , j2 , ..., jn ) e par
ou () se (j1 , j2 , ..., jn ) e mpar.
Exemplo 1.25 C
alculo do determinante de uma matriz de 2a ordem.
a11 a12
= a11 a22 a12 a21
detA =
a21 a22
Exemplo 1.26 C
alculo do determinante de uma matriz de 3a ordem.
a11 a12 a13
det A = a21 a22 a23
a31 a32 a33
1.8.1
= a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a31 a22 a13 a32 a23 a11 a33 a21 a12
1.8.2
C
alculo do determinante por triangularizac
ao
Portanto, quando utilizarmos esta operacao sobre A para triangulariza-la e ainda obter o
determinante de A, devemos lembrar de multiplicar o novo determinante por k = 1 pois
det(A) = D = det(B) = 1.det(A) = det(A) = 1.det(B)
3. Li Li + k.Lj
Neste caso, sabemos que o determinante nao se altera, ou seja,
det(A) = det(B)
Portanto, a operacao pode ser utilizada sem que haja preocupacoes com mudancas no
determinante de A.
Aplicaremos este metodo de Reducao por linhas em nossas aulas para o calculo do determinante
das seguintes matrizes:
0 3 1
3 6 9
0 1 5
A = 3 6 9 , B = 0 0 2 e C = 1 1 2 .
3 2 4
2 1 5
2 6 1
Exerccio 1.7 Calcule o determinante das matrizes indicadas abaixo usando o Metodo de Reducao
por linhas:
2
1
1. A =
0
0
1
0
2
1
3
1
1
2
1
1
0
3
2. B =
30
1 1 1
1
2
1
2
2
3
1
3
13
2
3
0
3
0 0
1
2
1.8.3
Observando o Exemplo (1.26) notamos que o determinante da matriz de ordem 3 3 pode ser
desenvolvimento em funcao de determinantes de submatrizes 2 2 como segue:
detA = a11 (a22 a33 a23 a32 ) + a12 (a21 a33 + a23 a31 ) + a13 (a21 a32 a22 a31 ) (1)
a
a
= a11 22 23
a32 a33
a12 a21 a23
a31 a33
+ a13 a21 a22
a31 a32
Observe que o determinante da matriz 3 3 pode ser expresso em funcao dos determinantes
de submatrizes 2 2, isto e,
31
entradas de qualquer linha(ou coluna) pelos seus cofatores e somando os produtos resultantes, ou
seja,
n
X
aij Cij
j=1
(expans
ao em cofatores ao longo da i-
esima linha)
n
X
aij Cij
i=1
(expans
ao em cofatores ao longo da j-
esima coluna)
O n
umero Cij e chamado cofator ou complemento algebrico do elemento aij , onde Cij e o
determinante afetado pelo sinal (1)i+j da submatriz obtida de A retirando-se a i-esima linha e
a j-esima coluna.
3 1 4
Exemplo 1.27 Encontre o determinante da matriz A = 2 5 6 usando Laplace.
1 4 8
detA = a11 M11 a12 M12 + a13 M13 = 3(16) 1(10) + (4)3 = 26.
Exerccio 1.8
1
A=
3
4 3
5 7 resposta: detA = 343
8 9
nante de uma matriz de ordem n, a partir dos determinantes das submatrizes quadradas de ordem
n 1. Em grande parte dos casos ele simplifica muito o calculo de determinantes, principalmente
se for utilizado em conjunto com outras propriedades dos determinantes.
32
1.8.4
C
alculo do determinante de uma matriz de ordem maior que 3
5 2
0 2
A=
5 2
8 5
calcular o determinante de
3 4
0
0
3 0
3
1
(Observe que e mais conveniente usar a linha 2, pois esta tem como elementos o maior
n
umeros de zeros
5
0
det A =
5
8
Exerccio 1.10 Calcule detA =
apropriada.
1.9
1
4
1
2
2 3 4
2 0
0
usando a linha (e depois a coluna) mais
2 3 0
5 3
1
C
alculo da Matriz Inversa usando Cofatores
Estamos em condicoes de obter uma formula para a inversa de uma matriz invertvel usando os
cofatores.
ao a matriz
Defini
c
ao 1.16 Se A e uma matriz n n e Cij e o cofator de Aij , ent
Cof = [Cij ]
e chamada matriz de cofatores de A ou Cofatora de A. A transposta desta matriz e
chamada adjunta de A e denotada por adj(A).
33
3 2 1
3
A= 1 6
2 4 0
Verifique que,
12 4 12
2 10
adj(A) = 6
16 16 16
Calcule ent
ao det(A) e verifique que,
A1 =
1
adj(A).
det(A)
1
adj(A).
det(A)
Exemplo 1.29 Usando a matriz A enunciada no exemplo (1.28) e o teorema (1.7) temos:
A1
12 4 12
1
6
2 10
=
64
16 16 16
2
5
A = 1 1
2
4
34
5
0
3
1.10
C
alculo da Matriz Inversa usando Opera
co
es Elementares
Nesta secao vamos desenvolver um algoritmo para encontrar a inversa de uma matriz invertvel
fazendo uso das operac
oes elementares ja enunciadas.
Defini
c
ao 1.17 Uma matriz n n que pode ser obtida da matriz identidade In executando uma
u
nica operacao elementar sobre linhas e chamada matriz elementar.
Este teorema nos auxiliara nos calculos, pois e prefervel (e agil) efetuar operacoes sobre
linhas diretamente sobre uma matriz A do que calcular o produto EA, multiplicando `a esquerda
por uma matriz elementar.
Teorema 1.9 Qualquer matriz elementar e invertvel e a inversa e, tambem, uma matriz elementar.
Teorema 1.10 Afirma
c
oes Equivalentes
Se A e uma matriz n n ent
ao as seguintes afirmacoes s
ao equivalentes:
(a) A e invertvel.
(b) Usando operacoes elementares sobre as linhas de A obtermos a matriz In .
Ek ...E2 .E1 .A = In (2)
(c) A pode ser expressa como um produto de matrizes elementares.
A = (E1 )1 .(E2 )1 ...(Ek )1
1.10.1
(3)
Um M
etodo para Inverter Matrizes
Esta equacao nos indica que A1 pode ser obtida multiplicando In sucessivamente `a esquerda
pelas matrizes elementares.
Por outro lado, observe que estas mesmas operacoes aplicadas sobre A faz com que obtemos
In .
Portanto, podemos enunciar o seguinte M
etodo:
Para encontrar a inversa de uma matriz invertvel A, n
os devemos encontrar uma
sequ
encia de operac
oes elementares sobre linhas que reduz A `
a identidade I. Estas
mesmas operac
oes efetuadas em I nos dar
a A1 .
Simbolicamente temos:
[A|I] [I|A1 ]
Exemplo 1.30 Encontre a inversa de
1 2 3
A= 2 5 3
1 0 8
1 6 4
A = 2 4 1
1 2 5
e invertvel.
1
1
A=
1
1
1.11
0
3
3
3
0
0
5
5
0
0
0
7
Sugest
ao de Leitura e Estudo
36
1.12
Exerccios de Fixa
c
ao (Lista 2)
Exerccio 1.12 Encontrar a matriz inversa de cada uma das matrizes dadas.
a)
b)
c)
d)
e)
f)
g)
2 5
resposta: A =
A=
1 3
14
3 93 13
3 4 5
3
1
2 resposta: B 1 = 2 1 2
B= 0
3 5 4
1
1
1
1
0
0 0
1 0 0 0
2 1 0 0
0 0
, resposta: C 1 = 2 1
C=
1 2 1 0 .
3 2 1 0
0
1 2 1
4 3 2 1
1
2 0 12
1
0 2
D = 2 2 2 resposta: D1 = 14 21 41 .
3 0
2
34 0 14
4 0 10
4 25 5
E = 2 4 4 resposta: E 1 = 21 12 12 .
3
1 2
2 2 6
2
11
4
3 6 12
2
3
3
1
3 3 resposta: F 1 = 32 0
F = 0
.
3
2
1
6 9 24
3 3 31
1 2 3
40 16 9
G = 2 5 3 resposta: G1 = 13 5 3 .
5 2 1
1 0 8
3 5
1 2
1 0 2
Exerccio 1.13 Seja dada a matriz A = 2 1 3 , encontre sua inversa.
4 1 8
Exerccio 1.14
0 0
1 0
a)
0 1
2 1
2 0
8 17
4 0
0 1
b)
0 0
3 0
1 13
5 3
1 3 4
d) 2 4 1
4 2 9
2 13
2
3
2
0
2
9
5
c) 4 2
2 0
0 0
0
0 1
4 2
2 6 6
e) 2 7 6
2 7 7
37
Exerccio 1.15 Encontre a inversa de cada uma das seguintes matrizes 4 4, onde k, k1 , k2 , k3 , k4
e k5 s
ao todos n
ao nulos.
k1 0 0 0
0 k2 0 0
a)
0 0 k3 0
0 0 0 k4
k
0
d)
0
0
1
k
0
0
0
1
k
0
0
0
1
0
0 0 0 k1
0 0 k2 0
b)
0 k3 0 0
k4 0 0 0
k
1
c)
0
0
0
k
1
0
0
0
k
1
0
0
0
k
k k k
e) 0 k k
0 0 k
0 0 0
0 3
0 0 0 4 0
0
0
1
0
0
a)
0 2 0
0
0
5 0 0
0
0
2 1
1 0
d)
0 2
0 1
3
1
1
2
1
1
0
3
Exerccio 1.17
d e f
a) g h i
a b c
e)
b)
5 0
0 0
0 0
0 0
0 2
0 0 0
0 4 0
3 0 0
0 1 0
0 0 0
4 9 9
2
2 5
6
4
c)
1
2 5 3
1 2 0 2
1
3 1 5 3
2 7 0 4 2
0
0 1 0 1
0
0 2 1 1
0 0 0 1 1
a b
Sabendo que d e
g h
3a 3b
d e
b)
4g 4h
3a
3b
3c
d
e
f
d)
g 4d h 4e i 4f
4
1 0 1
a) 9 1 4 b) 2
3
8 9 1
= 6, encontre
a+g b+h c+i
3c
e
f
f
c) d
g
h
i
4i
c
f
i
3d 3e 3f
e) a b c
g h i
2 8
2
7
0
3
0
1
1 4 c) 3 2 3 7 0 d) 5 0 6
1 6
8 0 3
5
9 0
38
3 0 6
e) 1 0 2
2 3 7
a b c
A= d e f
g h i
a) det(3A)
c) det((2A)1 )
d) det(2A1 )
a d g
e) det b e h
c f i
Exerccio 1.20 Estude o determinante de A por cofatores da linha ou coluna mais apropriada
1
e use A1 = detA
.adjA para o calculo da inversa de A.
3 3 0
5
2 0 0
2 3 5
2 2 0 2
c)
b) 8 1 0
a) 0 1 3
4 1 3 0
5 3 6
0 0
2
2 10 3
2
d)
1.13
4
3
1
9
2
0
3
2
4
2
0 1 0
3 1 0
4 2 3
6 2 3
4 2 3
2 0 3
e) 0 3 2
2 0 4
Sistemas de Equaco
es Lineares
Os sistemas de equacoes algebricas lineares e suas solucoes constituem um dos principais topicos
Equa
c
ao Linear Definimos uma equacao linear nas n variaveis x1 , x2 , ..., xn
Observa
c
ao 1.8 Uma equacao linear n
ao envolve quaisquer produtos ou razes de vari
aveis.
Todas as vari
aveis ocorrem somente na primeira potencia e n
ao aparecem como argumentos de
funcoes trigonometricas ou exponenciais.
Exemplo 1.33 As equacoes
ao lineares. J
a as equacoes,
x + 3y = 7, y = 12 x + 3z + 1 e x1 2x2 3x3 + x4 = 7 s
x + 3 y = 5, 3x + 2y z + xz = 4 e y = senx
s
ao n
ao-lineares.
Exerccio 1.21 Classifique as equacoes em lineares ou n
ao lineares.
1
a) x1 + 3x2 + x1 x3 = 2 b) x2
2x2 + 31 x3 = 7 3
1 + x2 + 8x3 = 5 c) x1
Defini
c
ao 1.19 Uma solu
c
ao de uma equacao linear a1 x1 + a2 x2 + ... + an xn = b e uma n-upla
(s1 , s2 , ..., sn ) tais que a equacao e satisfeita quando substitumos x1 = s1 , x2 = s2 , ..., xn = sn . O
conjunto de todas as solucoes de uma equacao e chamado seu conjunto-solu
c
ao ou solu
c
ao
geral da equacao.
Defini
c
ao 1.20 Um conjunto finito de equacoes lineares nas vari
aveis (x1 , x2 , . . . , xn ) e chamado
de sistema de equa
c
oes lineares ou um sistema linear. A n-upla (x1 , x2 , . . . , xn ) e chamada
solu
c
ao do sistema se x1 = s1 , x2 = s2 , ..., xn = sn e solucao de cada uma das equacoes:
.
.
a x + a x + + a x = b
m1 1
m2 2
mn n
m
A = ..
..
..
...
.
.
.
am1 am2
como AX = B, onde
x1
x2
X = ..
xm
amn
B=
b1
b2
..
.
bm
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n b1
a2n b2
. . . ....
..
amn bm
Observa
c
ao 1.9 O sistema S1 e dito homog
eneo se b1 = b2 = = bm = 0.
x 2y + z = 0
2x + y z = 0 e
Exemplo 1.34 A forma matricial do sistema S1 :
3x y + 2z = 0
0
x
1 2 1
2 1 1 y = 0
0
z
3 1 2
1 2 1 0
e a matriz ampliada associada ao sistema e: 2 1 1 0
3 1 2 0
Exerccio 1.22 Encontre a matriz ampliada de cada um dos seguintes sistemas de equacoes
lineares.
(a)
(b)
(c)
3x 2y = 1
4x + 5y = 3
7x + 3y = 2
2x + 2z = 1
3x y + 4z = 7
6x + y z = 0
x + 2y t + w = 1
3y + z w = 2
z + 7w = 1
Nosso objetivo agora, e estudar um metodo para resolucao de sistemas em geral. O processo
consiste em substituir o sistema inicial por um sistema equivalente cada vez mais simples,
fazendo a eliminacao sucessiva das incognitas atraves de operac
oes elementares (ja apresentadas no estudo das Matrizes e Determinantes) ate que possamos visualizar facilmente a solucao
do sistema.
1.13.1
Operac
oes Elementares sobre as equac
oes de um Sistema
41
1.13.2
Operac
oes Elementares sobre as linhas da matriz ampliada
Como as linhas (horizontais) de uma matriz aumentada correspondem `as equacoes no sistema
associado, as tres operac
oes elementares aplicadas sobre as equacoes de um sistema linear
correspondem `as seguintes operacoes nas linhas da matriz ampliada do sistema:
1. Multiplicacao de uma linha inteira por um escalar c nao-nulo (Li cLi );
2. Permutacao da i -esima linha pela j -esima linha (Li Lj ).
3.Substituicao da i -esima linha pela i -esima linha mais c vezes a j -esima linha (Li Li +cLj );
Exemplo 1.35 Determine a solucao do sistema abaixo, realizando operacoes elementares sobre
as linhas da matriz ampliada.
x + y + 2z = 9
2x + 4y 3z = 1
3x + 6y 5z = 0
1.14
Eliminac
ao Gaussiana
Defini
c
ao 1.22 Uma matriz A chama-se escalonada reduzida por linhas se:
a) est
a na escalonada;
42
b) o primeiro elemento n
ao-nulo de cada linha n
ao-nula de A for igual a 1. Chamamos este
n
umero 1 de piv
o;
c) cada coluna de A que contem o primeiro elemento n
ao-nulo de alguma linha de A tiver
todos os outros elementos iguais a zero.
0 2 1
1 0 0 0
Exemplo 1.36 Dadas as matrizes A = 0 1 1 0 B = 1 0 3
0 0 0
0 0 1 0
0 1 3 0 2
0 1 3 0 1
0 0
D= 0 0 0 1 2
C= 0 0 0
0 0 0 0 0
0 0 0 1 2
Quais s
ao escalonadas e quais s
ao escalonadas reduzidas por linhas?
Defini
c
ao 1.23 Se A e B s
ao matrizes de ordem m n, diremos que A e equivalente por
1 0
1
0
Exemplo 1.37 A matriz A = 4 1 e equivalentes por linhas a B = 0 1
3 4
0 0
Defini
c
ao 1.24 Dois sistemas lineares s
ao equivalentes se, e somente se, toda solucao de um
deles, e tambem solucao do outro.
Teorema 1.12 Todo sistema de equacoes lineares homogeneo, cujo n
umero de equacoes e menor
que o n
umero de inc
ognitas, possui solucao n
ao-nula, isto e, possui infinitas solucoes.
43
Teorema 1.13 Dois sistemas de equacoes lineares que possuem matrizes ampliadas equivalentes
s
ao equivalentes.
Defini
c
ao 1.25 O posto de uma matriz A e o n
umero de linhas n
ao nulas de alguma matriz
escalonada , equivalente a A.
1 3
1 0
2 0 .
Exemplo 1.38 Determine o posto da matriz A = 2 6
1 3 1 0
1.14.1
Classificac
ao de um Sistema Linear quanto `
a Solu
c
ao
No teorema a seguir veremos que um sistema so admite uma (e somente uma) das seguintes
classificacoes:
SPD: Sistema Possvel Determinado, com uma u
nica solucao.
SPI: Sistema Possvel Indeterminado, com infinitas solucoes.
S.I: Sistema Impossvel, sem nenhuma solucao.
O estudo do posto de uma matriz nos auxiliara na classificacao de um sistema linear.
Teorema 1.14 Consideremos um sistema linear de m equacoes a n vari
aveis. Seja Pc o posto
da matriz dos coeficientes e P o posto da matriz ampliada do sistema.
a) Se Pc = P = p, ent
ao o sistema tem solucao u
nica no caso em que n = p
e tem infinitas solucoes se p < n;
(SPD)
(SPI)
b) Se Pc 6= P ent
ao o sistema n
ao tem solucao.
( SI)
Observa
c
ao 1.10 No caso de um sistema de n inc
ognitas apresentar infinitas solucoes, p vari
aveis
podem ser escrita em funcao de outras n p escolhidas convenientemente. Estas n p vari
aveis
s
ao chamadas de vari
aveis livres e o n
umero (n p) denota o grau de liberdade do sistema.
44
1.14.2
O M
etodo de Gauss
x + 2y + z = 0
x + 3z = 5
Exemplo 1.39 Determine a solucao do sistema S :
utilizando o Metodo de
x 2y + z = 1
Gauss.
1.14.3
O M
etodo de Gauss-Jordan
Neste metodo, procedemos como no metodo de eliminacao de Gauss, mas reduzimos ainda mais
a matriz ampliada ate `
a forma escalonada reduzida por linha.
1. Escreva a matriz ampliada A do sistema;
2. Use operacoes elementares sobre as linhas de A ate transforma-la numa matriz A escalonada reduzida por linhas;
3. Se o sistema for possvel e determinado, a matriz A indica a solucao;
4. Se o sistema resultante for possvel e indeterminado, resolva-o para as variaveis dependentes
em termos de quaisquer variaveis livres que tenham sobrado.
2x + 4y + 6z = 6
3x + 2y 4z = 38
x + 2y + 3z = 3
Exerccio 1.23 Determine a solucao de cada sistema abaixo usando eliminacao de GaussJordan.
45
2x + 2y + z = 5
x y = 2
(a)
x + 2y + 3z = 6
2x + 2y z + w = 0
x y + 2z 3t + w = 0
(b)
x + y 2z w = 0
z+t+w =0
2x + 2y + z = 2
x y = 0
(c)
x+y+z =5
46
1.15
Exerccios de Fixa
c
ao ( Lista 3)
1. Considere as matrizes
6 1 3
1 5 2
3 0
1 4 2
4 1
, D = 1 0 1 , E = 1 1 2
, C=
A = 1 2 , B =
3 1 5
0 2
4 1 3
3 2 4
1 1
Calcule, quando possvel:
a) D + E
b) D E
c) 2B C
d) 4E 2D e) 3(D + 2E).
b) 4tr(7B)
c) tr(DDT )
d) tr(4E T D) e) tr(C T AT + 2E T ).
b) (4B)C+2B
c) (AC)T +5DT
4. Sejam
6 2 4
3 2 7
A= 6 5 4 e B= 0 1 3
7 7 5
0 4 9
se i 6= j
b) aij = 0 se i > j
e) aij = i j
6. Sejam
8 3 5
2 1 3
2 , e
4 5 , B = 0 1
A= 0
4 7 6
2 1 4
0 2 3
C = 1 7 4 , a = 4, b = 7.
3 5 9
Mostre que
47
c) aij = 0 se i < j
b) (B T )1 = (B 1 )T
c) (AB)1 = B 1 .A1
a11 0 0
0 a22 0
a) Ann =
e invertvel e encontre sua inversa,
0
0 ann
sabendo que a11 .a22 . .ann 6= 0
b) Uma matriz An n com uma linha de zeros nao pode ter inversa.
c) Uma matriz An n com uma coluna de zeros nao pode ter inversa.
d) Se A, B sao matrizes quadradas tais que AB = 0 e A e invertvel entao, B = 0.
1 0
3 1
1 0 0
b) 0 1 0
0 0 3
0
0
c)
0
1
0
1
0
0
0
0
1
0
1
0
0
0
1
0
d)
0
1
0 17
1 0
0 1
0 0
48
2
0
0
0
e)
0
0
0
0
0
1
0
0
0
0
1
0
2
0
0
1
8 17 2 13
4 0 2 9
5
b)
0 0 0 0
1 13 4 2
0 0 2 0
1 0 0 1
a)
0 1 3 0
2 1 5 3
2 3 2 0
c) 4 2
2 0
0
0 1
1 3 4
d) 2 4 1
4 2 9
2 6 6
e) 2 7 6
2 7 7
13. Encontre a inversa de cada uma das seguintes matrizes 4 4, onde k, k1 , k2 , k3 , k4 e k5 sao
todos nao nulos.
k1 0 0 0
0 k2 0 0
a)
0 0 k3 0
0 0 0 k4
k
0
d)
0
0
1
k
0
0
0
1
k
0
0
0
1
0
0 0 0 k1
0 0 k2 0
b)
0 k3 0 0
k4 0 0 0
k
1
c)
0
0
0
k
1
0
0
0
k
1
0
0
0
k
k k k
e) 0 k k
0 0 k
0 0 0
0 3
0 0 0 4 0
0
a)
0 0 1 0
0 2 0
0
0
5 0 0
0
0
2 1
1 0
d)
0 2
0 1
3
1
1
2
1
1
0
3
e)
b)
5 0
0 0
0 0
0 0
0 2
0 0 0
0 4 0
3 0 0
0 1 0
0 0 0
4 9 9
2
2 5
6
4
c)
1
2 5 3
1 2 0 2
1
3 1 5 3
2 7 0 4 2
0
0 1 0 1
0
0 2 1 1
0 0 0 1 1
a b c
15. Sabendo que d e f = 6, encontre
g h i
3a 3b 3c
d e f
b) d e f
a) g h i
4g 4h 4i
a b c
a+g b+h c+i
e
f
c) d
g
h
i
49
3a
3b
3c
d
e
f
d)
g 4d h 4e i 4f
3d 3e 3f
e) a b c
g h i
16. Use det(A) para determinar quais das seguintes matrizes sao invertveis.
3
0
1
2
7
0
4 2 8
1 0 1
a) 9 1 4 b) 2 1 4 c) 3 2 3 7 0 d) 5 0 6
8 0 3
3 1 6
8 9 1
5
9 0
3 0 6
1 0 2
e)
2 3 7
17. Seja
a b c
A= d e f
g h i
a) det(3A)
18. Use A1 =
cofatores da
2 3
a) 0 1
0 0
d)
4
3
1
9
2
0
3
2
4
2
1
.adjA
detA
c) det((2A)1 )
d) det(2A1 )
a g d
e) det b h e
c i f
3 3 0
5
2 0 0
5
2 2 0 2
8 1 0
3
c)
b)
4 1 3 0
5 3 6
2
2 10 3
2
0 1 0
3 1 0
4 2 3
6 2 3
4 2 3
2 0 3
e) 0 3 2
2 0 4
50
1 2
a) 0 1
0 0
1 3 4
1 0 0
0
0
c) 0 0 1
b) 0 1 0
0 0 0
0 2 0
0
1 5 3
d) 0 1 1
0 0 0
1 0
a) 0 1
0 0
1 2 3
e) 0 0 0
0 0 1
0
0 1 0
1 0 0
0
b) 0 0 1
c) 0 0 1
0
0 0 0
0 0 0
1 0 2
e) 0 1 3
0 0 0
1 1 0
d) 0 1 0
0 0 0
21. Em cada parte, determine se a matriz esta em forma escalonada, escalonada reduzida por
linhas,
1
0
a)
0
0
d)
2 0 3 0
1 0 0 5
0 1 1 0
b) 0 0 1 3
0 0 0 1
0 1 0 4
0 0 0 0
1 7 5 5
0 1 3 2
1
1
e)
0
0
3
0
0
0
0
2
0
0
2
2
0
0
c)
1 0 3 1
0 1 2 4
0
0
1
0
22. Em cada parte, suponha que a matriz de um sistema de equacoes lineares foi reduzida
por operacoes sobre linhas `a forma escalonada ou `a forma escalonada reduzida por linhas.
Resolva
1
a) 0
0
o sistema.
0 0 3
1 0 0
0 1 7
1 0 0 7 8
2
b) 0 1 0 3
0 0 1 1 5
51
1 0 8 5 6
c) 0 1 4 9 3
0 0 1 1 2
1 3 0 0
d) 0 0 1 0
0 0 0 1
1 3 7 1
e) 0 1 4 0
0 0 0 1
x + y + 2z = 8
2x + 2y + 2z = 0
x 2y + 3z = 1
2x + 5y + 2z = 1
(a)
(b)
3x 7y + 4z = 10
8x + y + 4z = 1
x y + 2z w = 1
2x + y 2z 2w = 2
(c)
x + 2y 4z + w = 1
3x 3w = 3
2y + 3z = 1
3x + 6y 3z = 2
(d)
6x + 6y + 3z = 5
3x + 2y z = 15
5x + 3y + 2z = 0
(e)
3x + y + 3z = 11
6x 4y + 2z = 30
10y 4z + w = 1
x 2y + z 4w = 1
x + 4y z + w = 2
x + 3y + 7z + 2w = 2
3x + 2y + z + 2w = 5
(a)
(b)
x 6y + 3z = 1
w + 2x y = 4
xy =3
(c)
w + 3x 2y = 7
2u + 4v + w + 7x = 7
2x 3y + 4z w = 0
7x + y 8z + 9w = 0
(d)
2x + 8y + z w = 0
2x + 2y + 4z = 0
y 3z + w = 0
(e)
3x + y + z + 2w = 0
x + 3y 2z 2w = 0
v + 3w 2x = 0
2x y 3z = 0
2u + v 4w + 3x = 0
x + 2y 3z = 0
(a)
(b)
2u + 3v + 2w x = 0
x + y + 4z = 0
4u 3v + 5w 4x = 0
52
x + 3y + w = 0
x + 4y + 2z = 0
2y 2z w = 0
(c)
(d)
2x
4y
+
z
+
w
=
0
x 2y z + w = 0
z+w+t=0
x y + 2z 3w + t = 0
(e)
x + y 2z t = 0
2x + 2y z + t = 0
2x y + 3z + 4w = 9
x 2z + 7w = 11
3x
3y + z + 5w = 8
2x + y + 4z + 4w = 10
c) (F uvest2005) Um supermercado adquiriu detergentes nos aromas limao e coco. A compra foi entregue, embalada em 10 caixas, com 24 frascos em cada caixa. Sabendo-se que
cada caixa continha 2 frascos de detergentes a mais no aroma limao do que no aroma coco,
determine o n
umero de frascos entregues, no aroma limao.
d) Uma copeira lavou os 800 copos usados em uma festa. Ela recebeu R$0, 05 por copo
que lavou e teve de pagar R$0, 25 por copo que quebrou. Terminado o servico, a copeira
recebeu R$35, 80. Determine o n
umero de copos que ela quebrou.
53
e) (F uvest2002) Carlos, Lus e Slvio tinham, juntos, 100 mil reais para investir por um
ano. Carlos escolheu uma aplicacao que rendia 15% ao ano. Lus, uma que rendia 20% ao
ano. Slvio aplicou metade de seu dinheiro em um fundo que rendia 20% ao ano, investindo
a outra metade numa aplicacao de risco, com rendimento anual pos-fixado. Depois de um
ano, Carlos e Lus tinham juntos 59 mil reais; Carlos e Slvio, 93 mil reais; Lus e Slvio,
106 mil reais. Determine, quantos reais cada um tinha inicialmente e qual o rendimento
da aplicacao de risco.
54
Captulo 2
Vetores
Existem grandezas chamadas escalares, exemplos:
area, comprimento, massa, etc...
que ficam completamente determinadas assim que for dada sua magnitude. Outras quantidades
fsicas no entanto requerem mais do que isso. Por exemplo, uma for
ca ou uma velocidade, para
que fiquem bem definidas precisamos dar a direcao, a intensidade e o sentido. Tais grandezas
sao chamadas vetoriais.
2.1
Segmentos Orientados
Dois pontos A e B do espaco determinam uma reta r. O conjunto dos pontos de r que estao
entre A e B e um segmento de reta AB que podemos orientar considerando um dos pontos como
origem e outro como extremidade. Denotaremos por AB o segmento orientado de origem em A
e extremidade em B.
Observa
c
ao 2.1
a) Tamanho ou comprimento de um segmento orientado AB e o comprimento do segmento
geometrico AB.
43
Propriedades da rela
c
ao de equipol
encia:
(a) Reflexividade: AB e equipolente a AB.
(b) Simetria: Se AB e equipolente a A B , entao A B e equipolente a AB.
(c) Transitividade: Se AB e equipolente a A B e se A B e equipolente a A B , entao AB
e equipolente a A B .
2.2
Vetores
Imagine um s
olido em translacao, a velocidade de cada ponto desse s
olido e a mesma. Entao qual
das flexas (que obtemos em cada ponto do s
olido) seria escolhida para representar a velocidade
do s
olido? Observe que todas s
ao equipolentes. Assim poderamos representar a velocidade por
qualquer uma delas.
Defini
c
ao 2.2 O conjunto de todos os segmentos orientados equipolentes a AB, ser
a chamado
Notac
oes: podemos simplesmente denotar o vetor AB por
a ou b .
Observa
c
ao 2.2
1. Dois vetores AB e CD s
ao iguais se, e somente se, AB e equipolente a CD.
2. O vetor nulo e o vetor cujo representante e um segmento orientado nulo.
Notacao: 0
44
3. A norma (m
odulo ou comprimento) de um vetor
a e o comprimento de qualquer
segmento orientado representante desse vetor.
Notacao: k
a k,
4. Um vetor
a e unit
ario se k
a k= 1.
5. Se
a = AB ent
ao o vetor oposto de
a e ao vetor BA.
Notacao: AB ou ~a.
6. Dois vetores
a = AB e b = CD s
ao colineares ou paralelos se tiverem a mesma
direcao, isto e, se seus representantes AB e CD pertencerem a uma mesma reta ou a retas
paralelas.
45
2.3
Adic
ao de Vetores
Defini
c
ao 1.3 Sejam
u e
v dois vetores do espaco, a soma desses vetores, representada por
u +
v , e o vetor determinado da seguinte maneira: posicione o vetor
v de tal maneira que
seu ponto inicial coincide com o ponto final de u . O vetor u + v e representado pela flecha do
ponto inicial de u ao ponto final de v.
Propriedades da adic
ao
Para quaisquer vetores ~a, ~b e ~c temos:
1. ~u + ~v = ~v + ~v
2. (~u + ~v ) + w
~ = ~u + (~v + w)
~
3. ~u + ~0 = ~0 + ~u = ~u
4. ~u + (~u) = ~u + ~u = ~0
46
Regra do paralelogramo
Observa
c
ao 2.3 Para obter a diferenca a b sem construir b, posicione a e b de tal modo que
seus pontos iniciais coincidam; o vetor do ponto final de b ao ponto final de a e o vetor a b.
2.4
Seja k um n
umero real e AB um representante do vetor ~u, o produto do vetor ~u pelo escalar k,
denotado por k~u e definido por:
1. k~u = ~0, se k = 0 ou ~u = ~0;
2. Se ~u 6= ~0 e k 6= 0, k~u e o vetor de mesma direcao de ~u cujo comprimento e | k | vezes o
Exerccio 2.1 Dados os vetores ~a, ~b e ~c, de acordo com a figura, construir o vetor
1
~s = 2~a 3~b + ~c
2
Exerccio 2.2 Considere o paralelogramo ABCD determinado pelos vetores AB e AD, seja M
e N pontos medios dos lados DC e AB, respectivamente. Complete convenientemente:
a) AD + AB = ...............
b) BA + DA = ...............
c) AC BC = ...............
d) AN + BC = ...............
e) M D + M B = ...............
1
f ) BM DC = ...............
2
Exerccio 2.3 No tetraedro e no paraleleppedo ret
angulo, achar a soma dos vetores indicados :
Exerccio 2.4 No hex
agono regular, obter: a) AB+F E+AF
48
b) AD-AE+BE
2.5
Angulo
entre dois vetores
O angulo entre dois vetores nao-nulos ~a e ~b, com representantes AB e AC, respectivamente,
denotado por (~a, ~b), e angulo formado pelas semi-retas AB e AC tal que 0 (~a, ~b) .
Observa
c
ao 2.4
1. Se (~a, ~b) = , ~a e ~b tem a mesma direcao e sentidos contr
arios.
3. Se (~a, ~b) = , ~a e ~b s
ao ortogonais. Indicamos ~a ~b.
2
k~u + ~v k e k~u ~v k.
b)~u e ~v
c) ~u e ~v
49
d) 2~u e 3~v
Captulo 3
Sistemas de coordenadas: Vetores
Bidimensionais e Tridimensionais
3.1
Vetores Bidimensionais
Seja v um vetor qualquer do plano e suponha, que v tenha sido posicionado com seu ponto inicial
na origem de um sistema de coordenadas retangulares. As coordenadas (x1 , y1 ) do ponto final
de v sao chamadas componentes de v.
Existe um correspondencia biunvoca entre os vetores do plano e os pares ordenados (x, y) de
n
umeros reais. Desse modo, a cada vetor ~v do plano pode-se associar um par ordenado (x1 , y1 ).
Assim, denotamos ~v = (x1 , y1 ).
y
v=(x1 , y1 )
b
(x1 , y1 )
v
x
50
Observa
c
ao 3.1 Observe que todo vetor v = (x, y) do plano bidimensional pode ser decomposto
v = x. i + y. j
denadas de
v em relacao `
a base { i , j }. A base { i , j } e dita base can
onica de
R2 = {(x, y) : x, y R}.
Figura 3.1:
Dado um vetor ~v = x1~i + y1~j, o vetor x1~i e a projecao ortogonal de ~v sobre o eixo dos x e y1~j
e a projecao ortogonal de ~v sobre o eixo dos y.
Figura 3.2:
Se nao haver referencia em contrario, a seguir faremos nosso estudo tratanto somente da base
canonica.
51
Igualdade de vetores
Os vetores ~a = (x1 , y1 ) e ~b = (x2 , y2 ) sao iguais (~a = ~b) se, e somente se, x1 = x2 e y1 = y2 .
Operac
oes
Dados os vetores ~a = (x1 , y1 ) e ~b = (x2 , y2 ) e k R temos:
a) ~a + ~b = (x1 + x2 , y1 + y2 )
b) k~a = (kx1 , ky1 ).
Exemplo 3.1 Dados os vetores ~a = (2, 3) e ~b = (1, 0), calcular ~a + ~b e 2~a.
Figura 3.3:
OA = (x1 , y1 ) e OB = (x2 , y2 )
Alem disso,
OA + AB = OB onde
AB = OB OA
Logo, AB = (x2 x1 , y2 y1 )
52
3.2
Vetores Tridimensionais
Figura 3.4:
Analogamente como no plano, em nosso estudo, a menos que se faca referencia contraria,
faremos uso de uma base can
onica , neste caso dada pelos vetores ~i = (1, 0, 0), ~j = (0, 1, 0) e
~k = (0, 0, 1), os quais tem origem no mesmo ponto O. A reta que passa pelo ponto O e com a
mesma direcao do vetor ~i chama-se eixo dos x, a reta que passa pelo ponto O e com a mesma
direcao do vetor ~j chama-se eixo dos y e a reta que passa pelo ponto O e com a mesma direca`o
do vetor ~k chama-se eixo dos z. Na figura 4.4, as setas indicam o sentido positivo de cada eixo.
Estes eixos sao chamados eixos coordenados.
O plano determinado pelo eixo dos x e pelo eixo dos y e chamado plano xy; o plano determinado pelo eixo dos x e pelo eixo dos z e chamado plano xz; o plano determinado pelo eixo
dos y e pelo eixo dos z e chamado plano yz.
O conjunto R3 = {(x, y, z)/x, y, z R} e o produto cartesiano R R R e sua representacao
geometrica e o espa
co cartesiano determinado pelos tres eixos cartesianos dois a dois ortogonais x, y e z.
53
Figura 3.5:
Igualdade de vetores
Os vetores ~a = (x1 , y1 , z1 ) e ~b = (x2 , y2 , z2 ) sao iguais (~a = ~b) se, e somente se,
x1 = x2 , y1 = y2 e z 1 = z 2 .
Operac
oes
Dados os vetores ~a = (x1 , y1 , z1 ), ~b = (x2 , y2 , z2 ) e k R temos:
a) ~a + ~b = (x1 + x2 , y1 + y2 , z1 + z2 )
b) k~a = (kx1 , ky1 , kz1 ).
54
AB = (x2 x1 , y2 y1 , z2 z1 )
Vetores paralelos
Como vimos na observacao 2.2, dois vetores ~a = (x1 , y1 , z1 ) e ~b = (x2 , y2 , z2 ) sao colineares
ou paralelos se existir um n
umero real k tal que
~a = k~b
isto e,
(x1 , y1 , z1 ) = k(x2 , y2 , z2 ) (x1 , y1 , z1 ) = (kx2 , ky2 , kz2 )
x1 = kx2
y1 = ky2
x1
y1
z1
=
=
x2
y2
z2
z1 = kz2
Denoteremos : ~a//~b.
Exemplo 3.3 Os vetores ~a = (2, 3, 5) e ~b = (4, 6, 10) s
ao paralelos pois
2
3
5
1
= =
=
4
6
10
2
1
isto e, ~a = ~b.
2
55
b) (3, 4, 5)
c) (3, 4, 5)
d) (3, 4, 5)
e) (3, 4, 5)
f) (3, 4, 5)
g) (3, 4, 5)
i) (3, 0, 0)
j) (3, 0, 3)
k) (0, 0, 3)
h) (3, 4, 5)
l) (0, 3, 0)
b) ~v2 = (4, 8)
c) ~v3 = (4, 3)
d) ~v4 = (5, 4)
e) ~v5 = (3, 6, 4)
f) ~v6 = (3, 3, 0)
g) ~v7 = (0, 0, 3)
h) ~v8 = (5, 4, 8)
4. Sejam u = (3, 1, 2), v = (4, 0, 8) e w = (6, 1, 4). Calcule a expressao analtica dos
vetores:
a) v w
b) 6u + 2v
c) v + u
d) 5(v 4u)
56
Captulo 4
Produto de Vetores
4.1
C
alculo da norma de um vetor
k
v k=
4.2
qp
p
p
2
2
2
x + y , ~v R ou k v k= ( x2 + y 2 )2 + z 2 = x2 + y 2 + z 2 , ~v R3 .
Dist
ancia entre dois pontos
57
d =k AB k=k B A k=k (x2 x1 , y2 y1 , z2 z1 ) k
Portanto, usando a secao anterior, temos:
d=
p
(x2 x1 )2 + (y2 y1 )2 + (z2 z1 )2
4.3
Defini
c
ao 4.1 Sejam u e v dois vetores n
ao-nulos no espaco bi ou tridimensional e e o angulo
entre u e v satisfazendo 0 rad.
O produto interno euclidiano ou o produto escalar ~u.~v, e definido por:
~u.~v =
3. Se ~u.~v = 0, da Definicao 5.1, cos deve ser igual a zero, isto e, cos = 0, o que implica
= 90 . Nesse caso, e
angulo reto.
58
4.3.1
Para efeitos de calculo, e desejavel ter uma formula que de o produto interno de dois vetores em
termos das componentes do vetor. O teorema abaixo fornece essa formula:
Teorema 4.1 Sejam ~u = (u1 , u2 , u3 ) e ~v = (v1 , v2 , v3 ) dois vetores n
ao nulos, ent
ao:
~u.~v = u1 .v1 + u2 v2 + u3 v3
(a demonstracao sera feita na aula)
u .
v
, ou seja,
k u k.k
v k
u .
v
= arccos
k
u k.k
v k
Observa
c
ao 4.2 Da Definicao 4.1 segue que, cos =
Exemplo 4.4 Considere os vetores u = (2, 1, 1) e v = (1, 1, 2). Encontre u.v e determine o
angulo entre u e v.
59
4.3.2
5. k
v k=
v .
v ou ainda,
v .
v =k
v k2 .
6. k ~u + ~v k2 = k ~u k2 + 2~u.~v + k ~v k2
7. k ~u ~v k2 = k ~u k2 2~u.~v + k ~v k2
8. k ~u k2 k ~v k2 = (~u + ~v ).(~u ~v )
4.3.3
Condi
c
ao de ortogonalidade de dois vetores
(Sugest
ao: A forma mais simples de provar a existencia de um angulo reto e mostrar que o
produto interno de dois vetores que determinam os lados do tri
angulo e nulo.)
60
4.3.4
Estudo da Projec
ao Ortogonal usando Produto Escalar
Sejam os vetores ~u e ~v , com ~u,~v 6= ~0 e, o angulo por eles formado. Pretendemos calcular o
vetor w
~ que representa a projec
ao ortogonal de ~u sobre ~v ou componente vetorial de ~u
ao longo de ~v . Para tanto, utilizaremos a figura abaixo, que ilustra as duas situacoes possveis
podendo ser um angulo agudo ou obtuso.
k
w k=k
u k .| cos | =k
u k
|
u .
v|
|
u .
v|
=
k u kk v k
k v k
Como w
~ e ~v tem a mesma direcao, segue-se que:
w
~ = k~v , k R
Entao:
k
w k= |k| k
v k
ou seja,
k=
Logo,
u .
v
k v k2
u .
v
w
~=
~v
k
v k2
Obtemos assim:
~u.~v
proj~v ~u =
~v : componente vetorial de u ao longo de v.
~v .~v
~u.~v
~v : componente vetorial de u ortogonal a v.
E, u proj~v ~u = u
~v .~v
61
Exerccio 4.4 a) Deduza uma formula para o comprimento do vetor projecao de u ao longo de
v usando produto interno.
b) Deduza uma f
ormula para o comprimento do vetor projecao de u ao longo de v usando o
angulo entre os vetores.
62
4.4
Produto Vetorial
Notac
ao: ~u ~v =
y1 z 1
x1 z 1
x1 y1
~i
~
~
~u ~v =
x2 z 2 j + x2 y2 k
y2 z 2
~i ~j ~k
x1 y1 z1
x2 y2 z 2
Observa
c
ao 4.3 Esta notacao e utilizada para facilitar a memorizacao da definicao do produto
vetorial e faz alusao ao calculo de determinante de uma matriz 3 3 usando a 1a linha. No
entanto, o produto vetorial n
ao pode ser confundido com um determinante de uma
matriz real pois:
1o ) ~u ~v e um vetor e o determinante e um n
umero real;
2o ) A notacao considerada n
ao indica um determinante, pois a primeira linha contem vetores
ao inves de n
umeros.
Observa
c
ao 4.4 O produto vetorial ~u ~v e tambem indicado por ~u ~v e se le ~u vetorial ~v .
Exemplo 4.8 Calcule ~u ~v e ~v ~u considerando ~u = (5, 4, 3) e ~v = (1, 0, 1).
63
4.4.1
Segue da definicao do produto vetorial e das propriedades dos determinantes, as seguintes propriedades:
1. ~u ~u = ~0.
2. ~u ~v = ~v ~u
3. ~u (~v + w)
~ = (~u ~v ) + (~u w).
~
4. (m~u) ~v = m(~u ~v ) = ~u (m~v )
5. ~u ~v = ~0 se, e somente se, um dos vetores e nulo ou se ~u e ~v sao colineares.
6. ~u ~v e ortogonal simultaneamente aos vetores ~u e ~v .
7. || ~u ~v ||2 =|| ~u ||2 || ~v ||2 (~u.~v )2 . (Identidade de Lagrange)
64
4.4.2
Interpreta
c
ao geom
etrica do m
odulo do produto vetorial de dois
Vetores
~u = AB e ~v = AC.
b
C
b
A
b
u
b
Exemplo 4.9 Dados os vetores ~u = (1, 2, 1) e ~v = (0, 1, 3), calcular a area do paralelogramo
4.5
Produto Misto
y2 z 2
x2 z 2
x2 y2
~i
~
~
(~u, ~v , w)
~ = ~u.(~v w)
~ = (x1 , y1 , z1 ).
x3 z 3 j + x3 y3 k =
y3 z 3
y2 z 2
x2 z 2
x2 y2
(~u, ~v , w)
~ = x1
y1
+ z1
y3 z 3
x3 z 3
x3 y3
x1 y1 z 1
Outra notacao: (~u, ~v , w)
~ = x2 y2 z2
x3 y3 z 3
Exemplo 4.11 Calcule o produto misto dos vetores ~u = (2, 3, 5), ~v = (1, 3, 3) e w
~ = (4, 3, 2).
65
4.5.1
Da definicao do produto misto e das propriedades dos determinantes segue as seguintes propriedades:
1. (~u, ~v , w)
~ = 0 se um dos vetores e nulo,se dois eles sa o colineares, ou se os tres sao coplanares.
0 0 0
a) se ~u = (0, 0, 0) temos: (~u, ~v , w)
~ = x2 y2 z2
x3 y3 z 3
b)Se ~u 6= ~0, ~v 6= ~0, mas ~u e ~v sao colineares: ~u = m~v
mx2 my2 mz2
y2
z2
(~u, ~v , w)
~ = x2
x3
y3
z3
c) Se ~u, ~v e w
~ sao coplanares, lembremos que o vetor ~v w
~ e ortogonal a ~v e w.
~ Logo,
~v w
~ e ortogonal a ~u. Portanto,
(~u, ~v , w)
~ = ~u.(~v w)
~ =0
Resumindo, se ~u, ~v e w
~ sao coplanares entao (~u, ~v , w)
~ =0
~v w
~
w
~
~v
b
~u
66
De forma analoga dizemos que quatro pontos A,B,C e D pertencem a um mesmo plano se
os vetores AB, ACe AD forem coplanares, isto e, se (AB, AC, AD) = 0.
D
b
A
b
2. (~u, ~v , w)
~ = (~v , w,
~ ~u) = (w,
~ ~u, ~v )
~u
b
~v
b
w
~
Entretanto, o produto misto muda de sinal quando se trocam as posicoes de dois vetores
consecutivos, isto e:
(~u, ~v , w)
~ = (~v , ~u, w)
~
Observa
c
ao 4.5 Resulta da propriedade cclica, que os sinais . e permutam entre si no
3. (~u, ~v , w
~ + ~r) = (~u, ~v , w)
~ + (~u, ~v , ~r)
4. (~u, ~v , mw)
~ = (~u, m~v , w)
~ = (m~u, ~v , w)
~ = m(~u, ~v , w)
~
67
4.5.2
Interpreta
c
ao geom
etrica do m
odulo do produto misto
4.6
Exerccios de Fixa
c
ao
b)(v w).u
c)w.(u v)
d)v.(u w)
Captulo 5
Aplicac
ao de Vetores ao Estudo da Reta
e do Plano
Neste captulo faremos uso da teoria de vetores e produto de vetores para apresentarmos as
equacoes que descrevem analiticamente as retas e os planos. Desta maneira, usaremos expressoes
analticas na resolucao de problemas geometricos como estudo do angulo, distancia, posicoes e
intersecoes.
5.1
Equaco
es da Reta
Geometricamente, para identificarmos uma reta r basta conhecermos um ponto A desta reta
e sua direcao.
P (x, y, z) r temos:
(5.1.1)
x = x1 + a.t
y = y1 + b.t
z = z1 + c.t
(5.1.2)
nas quais a, b e c nao sao todos nulos (~v 6= ~0), denominadas equa
c
oes param
etricas da reta
r.
y y1
z z1
x x1
, t=
, t=
a
b
c
Assim, obtemos:
x x1
y y1
z z1
=
=
a
b
c
(5.1.3)
denominadas equa
c
oes sim
etricas da reta r.
f
Observa
c
ao 5.1 E
acil verificar que a cada valor de t na equacoes vetorial da reta corresponde
um ponto particular P da reta r. Quando t varia de a +, o ponto P descreve a reta r.
O n
umero t e dito par
ametro.
Exemplo 5.1 Determine as equacoes da reta r que passa pelo ponto A(3, 0, 5) e tem a direcao
do vetor ~v = (2, 2, 1).
Exemplo 5.2 As equacoes parametricas da reta r, que passa pelo ponto A(3, 1, 2) e e paralela
ao vetor ~v = (3, 2, 1), s
ao:
x = 3 3t
y = 1 2t
z =2+t
70
Observe que, para obter um ponto desta reta, basta atribuir a t um valor particular. Por
exemplo, para t = 3, tem-se:
x = 6
y = 7
z=5
5.2
A reta definida pelos pontos A(x1 , y1 , z1 ) e B(x2 , y2 , z2 ) e a reta que passa pelo ponto A(ou B)
x = 1 + 2t
y = 2 + 3t
z = 3 t
representam esta reta r, passando pelo ponto A, com direcao do vetor ~v = AB; analogamente,
as equacoes parametricas
x = 3 + 2t
y = 1 + 3t
z = 4 t
ainda representam a mesma reta r, passando pelo ponto B, com a direcao do vetor ~v = AB.
Observa
c
ao 5.2 Se o vetor ~(2, 3, 1) e um vetor diretor desta reta r, qualquer vetor ~v , 6= 0,
tambem o e.
Observa
c
ao 5.3 Se a reta e determinada pelos pontos A(x1 , y1 , z1 ) e B(x2 , y2 , z2 ), suas equacoes
simetricas s
ao:
x x1
y y1
z z1
=
=
x2 x1
y2 y1
z2 z1
71
s
ao:
y1
z+3
x2
=
=
42
01
2 + 3
isto e:
y1
z+3
x2
=
=
2
1
1
Estas s
ao as equacoes da reta que passa pelo ponto A e tem a direcao do vetor ~v = AB.
As equacoes
x4
y
z+2
=
=
2
1
1
5.3
Condic
ao para que tr
es pontos estejam em linha reta
A condicao para que tres pontos A1 (x1 , y1 , z1 ),A2 (x2 , y2 , z2 ) e A3 (x3 , y3 , z3 ) estejam em linha reta
x2 x1
y2 y1
z2 z1
=
=
x3 x1
y3 y1
z3 z1
Exemplo 5.5 Verique que os pontos A1 (5, 2, 6), A2 (1, 4, 3) e A3 (7, 4, 7) est
ao em linha
reta.
5.4
Equaco
es Reduzidas da Reta
72
x x1
y y1
=
b
a
x x1
z z1
=
c
a
b
y y1 = (x x1 )
a
c
z z1 = (x x1 )
a
b
b
y y1 = x x1
a
a
c
c
z z 1 = x x1
a
a
b
b
y = x x1 + y1
a
a
c
c
z = x x1 + z 1
a
a
fazendo
fazendo
c
=p
a
b
=m
a
b
b
y = x x1 + y1
a
a
c
c
z = x x1 + z 1
a
a
b
x1 + y1 = n,
a
c
x1 + z1 = q,
a
segue que:
y = mx + n
z = px + q
(5.4.1)
sao as equa
c
oes reduzidas da reta r.
Exemplo 5.6 Estabeleca as equacoes reduzidas da reta r que passa pelo ponto A(2, 1, 3) e
B(4, 0, 2).
Observa
c
ao 5.4 Nas equacoes reduzidas:
y = mx + n
z = px + q,
(5.4.2)
a vari
avel x figura como vari
avel independente. Se expressarmos as equacoes de forma que a
vari
avel independente seja y ou z, ainda assim as equacoes s
ao chamadas de equacoes reduzidas.
Por exemplo, as equacoes reduzidas da reta do exemplo anterior tambem podem ser expressas
por:
x = 4 2y
z = y 2
73
ou
x = 2z + 8
z = z 2
y = mx + n
z = px + q
Observa
c
ao 5.5 Das equacoes
pode-se obter:
x
yn
zq
=
=
1
m
p
(5.4.3)
y = 2x 3
z = 4x + 5
representam a reta que passa pelo ponto N (0, 3, 5) e tem a direcao do vetor ~v = (1, 2, 4).
Observe que o ponto N e obtido fazendo x = 0 nas equacoes reduzidas. J
a as componentes
do vetor ~v podem s
ao obtidas analisando as equacoes reduzidas como equacoes parametrica (com
par
ametro x) observando quais constantes acompanham x nas equacoes pois, as equacoes
y = 2x 3
z = 4x + 5
s
ao equivalentes `
a
x = 1x
y = 2x 3
z = 4x + 5
74
5.5
Nas secoes anteriores apresentamos as possveis equacoes de uma reta, considerando um ponto
A(x1 , y1 , z1 ) r e o vetor diretor ~v = (a, b, c), cujas componentes sao diferentes de zero. Entretanto uma ou duas destas componentes podem ser nulas. Assim, temos dois casos:
1o ) Uma s
o das componentes de ~v
e nula
Neste caso, o vetor ~v e ortogonal a um dos eixos coordenados e, portanto, a reta r e paralela
ao plano dos outros eixos.
a) Se a = 0, ~v = (0, b, c) Ox r // yOz (r pertence a um plano paralelo a yOz).
x = x ,
1
r : y y1
z z1
=
b
c
r : x x1
z z1
=
a
c
r : x x1
y y1
=
a
b
75
r:
y = y1
z = z1 + c.t
Observa
c
ao 5.6 Os eixos 0x, Oy e Oz s
ao retas particulares.
O eixo Ox e uma reta que passa pela origem O(0, 0, 0) e tem a direcao do vetor ~i = (1, 0, 0).
Logo, suas equacoes s
ao:
n
y=0
z=0
De forma analoga, as equacoes do eixo Oy s
ao:
n
x=0
x=0
e as equacoes do eixo Oz s
ao:
y=0
z=0
76
5.6
Angulo
de Duas Retas
Sejam as retas r1 , que passa pelo ponto A1 (x1 , y1 , z1 ) e tem a direcao de um vetor v~1 = (a1 , b1 , c1 )
e r2 , que passa pelo ponto A2 (x2 , y2 , z2 ) e tem a direcao de um vetor v~2 = (a2 , b2 , c2 ). Chama-se
|v~1 .v~2 |
, com 0
|v~1 |.|v~2 |
2
(5.6.1)
|a1 a2 + b1 b2 + c1 c2 |
p
a1 2 + b 1 2 + c 1 2 a2 2 + b 2 2 + c 2 2
5.7
x=3+t,
y=t,
z=-1-2t
(5.6.2)
r2 =
x+2
y3
z
=
=
2
1
1
Condic
ao de Paralelismo de Duas Retas
ou seja,
b1
c1
a1
=
=
a2
b2
c2
Exemplo 5.8 Verifique que a reta r1 , que passa pelos pontos A1 (3, 4, 2) e B1 (5, 2, 4), e a
Observa
c
ao 5.7 Se as retas r1 e r2 forem expressas, respectivamente pelas equacoes reduzidas:
(y = m x + n ,
(y = m x + n ,
1
1
2
2
r1 =
e r2 =
z = p 1 x + q1
z = p 2 x + q2 ,
cujas direcoes s
ao dadas, respectivamentes pelos vetores:
v1 = (1, m1 , p1 ) e v2 = (1, m2 , p2 ), a condicao de paralelismo permite escrever:
m1
p1
1
=
=
m1 = m2 , p1 = p2
1
m2
p2
Por exemplo, as retas r1 =
s
ao paralelas.
5.8
y=2x-3,
z=-4x+5
e r2 =
y=2x+1,
z=-4x,
Condic
ao de Ortogonalidade de Duas Retas
A condicao de ortogonalidade das retas r1 e r2 e a mesma dos vetores v~1 = (a1 , b1 , c1 ) e v~2 =
(a2 , b2 , c2 ) que definem as direcoes dessas retas, isto e:
v~1 .v~2 = 0
ou:
a1 a2 + b1 .b2 + c1 .c2 = 0
Exemplo 5.9 As retas
y = 3,
r1 : x 3
z+1
=
8
6
r2 :
x
y+1
z3
=
=
s
ao ortogonais.
3
5
4
78
5.9
Condic
ao de Coplanaridade de Duas Retas
A reta r1 , que passa por um ponto A1 (x1 , y1 , z1 ) e tem a direcao de um vetor v~1 = (a1 , b1 , c1 ),
e a reta r2 , que passa pelo ponto A2 (x2 , y2 , z2 ) e tem a direcao de um vetor v~2 = (a2 , b2 , c2 ),
sao coplanares se os vetores v~1 , v~2 e A1 A2 forem coplanares, isto e, se for nulo o produto misto
(v~1 , v~2 , A1 A2 ).
a1
b1
c1
b2
c2
r1 , r2 (v~1 , v~2 , A1 A2 ) = a2
x2 x1 y2 y1 z 2 z 1
5.10
=0
x2
y
z5
x+5
y+3
z6
= =
e r2 :
=
=
s
ao
2
3
4
1
1
3
Posic
ao Relativa de Duas Retas
79
(v~1 , v~2 , A1 A2 ) = 0.
III) reversas: nao situadas num mesmo plano. Nesse caso r1 r2 = .
80
x = 1 3t
y = 2x 3
y = 6 6t
e r2 :
z = x
z = 3t
x = 2 4t
x
y1
y = 2t
Exemplo 5.12 Estudar a posicao relativas das retas r1 : =
= z e r2 :
2
1
z = 1 2t
x =5+t
y
z5
x2
y =2t
= =
e r2 :
Exemplo 5.13 Estudar a posicao relativas das retas r1 :
2
3
4
z = 7 2t
5.11
y =3
e r2 : x = y = z
z = 2x
Interse
c
ao de Duas Retas
r1 :
y = 3x + 2
z = 3x 1
x = t
y = 1 + 2t
e r2 :
z = 2t
Temos que r1 e r2 sao concorrentes. Se I(x, y, z) e o ponto de intersecao dessas retas, suas
coordenadas satisfazem o sistema formado pelas equacoes de r1 e r2 , isto e, I(x, y, z) e solucao
do sistema:
y = 3x + 2
z = 3x 1
x = t
y = 1 + 2t
z = 2t
Eliminando t nas u
ltimas tres equacoes, temos o seguinte sistema equivalente
81
z
y
= 3x + 2
= 3x 1
= 1 2x
= 2x
x =1
y = 1 . Isto e, I(1, -1, 2).
Resolvendo o sistema temos:
z =2
5.12
Dist
ancia de Um Ponto a Uma Reta
Seja r uma reta definida por um ponto P1 (x1 , y1 , z1 ) e pelo vetor diretor ~v = (a, b, c) e seja
Assim,
|~v P1 P0 |
A = |~v | . d = |~v P1 P0 | = d =
|~v |
82
y2
z+3
x
=
=
.
2
2
1
5.13
Dist
ancia Entre Duas Retas
Assim,
|(~u, ~v , P1 P2 )|
V = |~u ~v |. d = |(~u, ~v , P1 P2 )| = d =
|~u ~v |
83
5.14
O Estudo do Plano
x = 1 2t
y = 2x + 3
y = 1 + 4t
e
z = 2x
z = 3 4t
x =3
=1
z4 e s:
y = 2t 1
x+2 =
z = t + 3
2
y
vetor normal (ortogonal) ao plano. O plano pode ser definido como sendo o conjunto de todos
os pontos P (x, y, z) do espaco tais que o vetor AP e ortogonal a ~n. Logo, o ponto P pertence a
se, e somente se:
~n.AP = 0.
~ = (x x1 , y y1 , z z1 ), temos:
Tendo em vista que: ~n = (a, b, c) e AP
(a, b, c).(x x1 , y y1 , z1 ) = 0
84
(5.14.1)
ou seja,
ax + by + cz ax1 by1 cz1 = 0
Fazendo:
ax1 by1 cz1 = d, segue que:
ax + by + cz + d = 0
(5.14.2)
Assim, todos os infinitos planos paralelos a tem equacao geral do tipo: : 3x+2y 4z +d =
Exemplo 5.19 Escrever a equacao cartesiana do plano que passa pelo ponto A(3, 1, 4) e e
paralelo ao plano:
1 : 2x 3y + z 6 = 0
Exemplo 5.20 Determinar a equacao geral do plano que passa pelo ponto A(2, 1, 2) e e perpendicular a` reta
(
x = 4 + 3t
r = y = 1 + 2t,
z=t
85
5.15
Determina
c
ao de um Plano
Vimos que um plano e determinado por um dos seus pontos e por um vetor normal a ele. Existem
outras formas de determinacao de um plano nas quais estes dois elementos (ponto e vetor normal)
ficam bem evidentes. Algumas destas formas serao apresentadas a seguir.
1. A e v~1 e v~2 sao vetores nao colineares paralelos a .
86
87
Exemplo 5.21 Determine a equacao geral do plano que passa pelo ponto A(1, 3, 4) e e paralelo
aos vetores v~1 = (3, 1, 2) e v~2 = (1, 1, 1).
Exemplo 5.22 Estabeleca a equacao geral do plano determinado pelos pontos A(2, 1, 1), B(0, 1, 1)
e C(1, 2, 1).
x=4
e o ponto B(3, 2, 1).
y=3
88
Observa
c
ao 5.9 Em todos os problemas de determinacao da equacao geral do plano um vetor
normal ~n foi obtido atraves do produto vetorial de dois vetores-base desse plano. Vamos mostrar,
retomando ao primeiro exemplo dado, um outro modo de se obter a equacao geral do plano.
Nesse problema, o plano passa pelo ponto A(1, 3, 4) e e paralelo aos vetores v~1 = (3, 1, 2) e
~ , v~1 e v~2 s
v~2 = (1, 1, 1). Ora, se P (x, y, z) e um ponto qualquer do plano, os vetores AP
ao
~ , v~1 , v~2 ) = 0
coplanares e, portanto, o produto misto deles e nulo, isto e: (AP
Assim, obtemos a equacao geral do plano desenvolvendo o determinante:
x1 y+3 z4
3
= 0 = : x + 5y + 4z 2 = 0
1
2
1
1
1
5.16
Equaco
es Param
etricas do Plano
Seja um plano paralelo aos vetores ~v1 e ~v2 nao colineares e A(x0 , y0 , z0 ) um ponto de . Um
ponto P (x, y, z) pertence ao plano se, e somente se, existem n
umeros reais h e t tais que
AP = h.~u + t.~v .
89
Escrevendo a equacao AP = h.~u + t.~v . em coordenadas, obtemos
(x x0 , y y0 , z z0 ) = h(a1 , b1 , c1 ) + t(a2 , b2 , c2 ).
Isto e,
x = x 0 + a1 h + a2 t
y = y0 + b1 h + b2 t
z = z0 + c1 h + c2 t
5.17
Angulo
de Dois Planos
Sejam os planos
1 : a1 x+b1 y+c1 z+d1 = 0 e 2 : a2 x+b2 y+c2 z+d2 = 0, com vetores normais: ~n1 = (a1 , b1 , c1 )
e ~n2 = (a2 , b2 , c2 ), respectivamente.
Chama-se
angulo de dois planos 1 e 2 o menor angulo que o vetor normal de 1 forma
com o vetor normal de 2 . Logo, sendo este angulo, tem-se:
90
cos =
|n~1 .n~2 |
, com 0
||n~1 ||.||n~2 ||
2
(5.17.1)
ou, em coordenadas:
Observa
c
ao 5.10
cos = p
a1
|a1 a2 + b1 b2 + c1 c2 |
p
+ b 1 2 + c 1 2 a2 2 + b 2 2 + c 2 2
(5.17.2)
b1
c1
a1
=
= .
a2
b2
c2
a1
b1
c1
d1
Se alem dessas igualdades tivermos
=
=
=
os planos s
ao coincidentes.
a2
b2
c2
d2
a1 a2 + b1 b2 + c1 c2 = 0.
5.18
Angulo
de uma reta com um Plano
Seja r uma reta com a direcao do vetor ~v e um plano com vetor nomal ~n. O angulo da reta r
com o plano e o complemento do angulo que a reta r forma com uma reta normal ao plano.
|~v .~n|
, com 0
||~v ||.||~n||
2
x = 1 2t
y = t
r:
e plano : x + y 5 = 0
z = 3+t
91
(5.18.3)
5.19
Interse
c
ao de Dois Planos
5x 2y + z + 7 = 0
3x 3y + z + 4 = 0
y = 2x 3
z = 9x 13
Estas sao as equacoes reduzidas da reta intersecao dos planos 1 e 2 , sendo os pontos dessa
intersecao da forma:
(x, y, z) = (x, 2x 3, 9x 13)
5.20
Dist
ancia de um Ponto a um Plano
92
O vetor ~n = (a, b, c) e normal ao plano e, por conseguinte, o vetor AP0 tem a mesma direcao
de ~n.
A distancia d do ponto P0 ao plano e:
d(P0 , ) = ||AP0 ||
d(P0 , ) = ||AP0 || = P P0 .
||~n||
Mas, P P0 = (x0 x, y0 y, z0 z)
e
~n
(a, b, c)
.
=
||~n||
a2 + b 2 + c 2
Logo,
(a,
b,
c)
d(P0 , ) = (x0 x, y0 y, z0 z).
a2 + b2 + c2
d(P0 , ) =
a2 + b 2 + c 2
d(P0 , ) =
a2 + b 2 + c 2
Em virtude de P temos:
d = ax by cz
portanto,
d(P0 , ) =
a2 + b 2 + c 2
93
5.21
Dist
ancia entre dois planos
5.22
Dist
ancia de uma Reta a um Plano
A distancia de uma reta a um plano e definida somente quando a reta e paralela ao plano, ou
seja, o vetor diretor de r e paralelo ao plano . Neste caso, temos:
d(r, ) = d(P0 , ), P0 r.
Exemplo 5.31 Estude a dist
ancia da reta r :
94
x=3
ao planos xOz e yOz.
y=4
Captulo 6
C
onicas e Qu
adricas
especiais: as CONICAS
e, as superfcies tridimensionais classificadas como QUADRICAS.
6.1
Definic
ao geom
etrica das C
onicas
Defini
c
ao 6.1 As c
onicas s
ao curvas planas obtidas pela interseccao de um cone circular duplo
com um u
nico plano.
95
Figura 6.2:
Observa
c
ao 6.1 Se o plano passar pelo vertice O do cone obtemos as c
onicas degeneradas:
Estudaremos somente as conicas n
ao-degeneradas.
6.2
Definic
ao analtica das C
onicas
Defini
c
ao 6.2 Uma c
onica em R2 e um conjunto de pontos cujas coordenadas satisfazem a
equacao:
C(x, y) = ax2 + 2cxy + by 2 + dx + ey + f = 0
onde a ou b ou c 6= 0.
Veremos neste curso que:
96
n
ao rotacionada;
6.3
Definic
ao geom
etrica das Superfcies Qu
adricas
Defini
c
ao 6.3 As Superfcies Quadricas s
ao superfcies tridimensionais cuja intersecao com os
planos paralelos aos planos coordenados e dada por uma conica. Cada conica obtida por esta
intersecao e chamada de curva de nvel.
97
6.4
Definic
ao analtica das Superfcies Qu
adricas
Defini
c
ao 6.4 Uma Superfcie Qu
adrica em R3 e um conjunto de pontos cujas coordenadas
satisfazem a equacao:
ax2 + by2 + cz2 + 2dxy + 2eyz + 2fxz + gx + hy + iz + j = 0
com pelo menos uma das constantes a, b, c, d, e ou f diferente de zero.
Estudaremos as quadricas, na posicao padrao cuja representacao e dada por uma equacao da
forma
ax2 + by2 + cz2 + gx + hy + iz + j = 0.
6.5
A elipse
Defini
c
ao 6.5 Uma elipse e o conjunto dos pontos P (x, y) do plano tais que a soma das
dist
ancia de P a dois pontos fixos F1 e F2 situados no mesmo plano e constante. Os pontos
F1 e F2 , s
ao chamados focos da elipse.
k P F1 k + k P F2 k = 2a
e uma elipse com focos F1 e F2 .
98
(6.5.1)
Observa
c
ao 6.2 Se a = c, (6.5.1) e a equacao do segmento F1 F2 .
6.5.1
Elementos da elipse
Figura 6.5:
Observa
c
ao 6.3 Em toda elipse vale a relacao: a2 = b2 + c2
Figura 6.6:
99
6.5.2
Express
ao analtica da elipse centrada na origem
Figura 6.7:
k F1 P k + k F2 P k= 2a
pode ser escrita como:
p
p
(x + c)2 + y 2 + (x c)2 + y 2 = 2a
p
p
(x + c)2 + y 2 = 2a (x c)2 + y 2
p
p
( (x + c)2 + y 2 )2 = (2a (x c)2 + y 2 )2
p
(x + c)2 + y 2 = 4a2 4a (x c)2 + y 2 + (x c)2 + y 2
p
x2 + 2xc + c2 + y 2 = 4a2 4a (x c)2 + y 2 + x2 2xc + c2 + y 2
p
p
a (x c)2 + y 2 = a2 xc
4a (x c)2 + y 2 = 4a2 4xc
p
(a (x c)2 + y 2 )2 = (a2 xc)2
a2 ((x c)2 + y 2 ) = a4 2a2 xc + x2 c2
x2 (a2 c2 ) + a2 y 2 = a2 (a2 c2 )
a2 x2 a2 2xc + a2 c2 + a2 y 2 = a4 2a2 xc + x2 c2
a2 x 2 x 2 c 2 + a2 y 2 = a4 a2 c 2
x 2 b 2 + a2 y 2 = a2 b 2
(pois a2 = b2 + c2 )
(6.5.2)
x2 y 2
+ 2 = 1
(6.5.3)
b2
a
que e a equa
c
ao da elipse com centro na origem e eixo maior sobre o eixo y.
Exemplo 6.1 Determine os elementos de cada uma das elipses a seguir:
x2 y 2
x2 y 2
=1
b)
+
=1
a) +
9
4
4
9
c) 9x2 + 25y 2 = 225
d) 4x2 + y 2 = 16
6.5.3
Elipses transladadas
Consideremos no plano cartesiano xOy um ponto O (h, k). Vamos introduzir um novo sistema
x O y tal que os eixos O x e O y tenham a mesma unidade de medida, a mesma direcao e o
mesmo sentido dos eixos Ox e Oy. Assim, um sistema pode ser obtido do outro atraves de uma
translacao de eixos.
Figura 6.8:
Defini
c
ao 6.6 Express
ao analtica da elipse com centro fora da origem do sistema cartesiano
10 caso: O eixo maior e paralelo ao eixo dos x.
Consideremos uma elipse de centro C(h, k) e seja P (x, y) um ponto qualquer da elipse.
Figura 6.9:
Figura 6.10:
Exemplo 6.2 Determinar a equacao da elipse, cujo eixo maior e paralelo ao eixo dos y, tem
1
centro C(4, -2), excentricidade e = e eixo menor de medida 6.
2
(yl)2
a2
= 1 ou ainda,
(x k)2 + (y l)2 = a2 ,
que e a equacao da circunferencia de centro (k, l) e raio r = a.
Exemplo 6.4 Determinar o centro e o raio das circunferencias:
a) x2 + y 2 = 9
b) x2 + y 2 + 6x 8y = 0
103
6.6
O Elips
oide
Consideremos uma superfcie tal que, os planos xy, xz e yz a interceptam segundo as elipses
x2 y 2
+ 2 = 1,
a2
b
x2 z 2
+ 2 =1
a2
c
y2 z2
+ 2 =1
b2
c
respectivamente.
Essa superfcie e dita um elips
oide descrito pela equacao:
x2 y 2 z 2
+ 2 + 2 = 1,
a2
b
c
onde a, b e c sao n
umeros reais positivos.
Observa
c
ao 6.5
Observa
c
ao 6.6
104
9z 2
= 9.
4
6.7
A Hip
erbole
Uma hip
erbole com focos F1 e F2 e o conjunto dos pontos P (x, y) do plano tais que
|d(F1 , P ) d(F2 , P )| e constante.
| k P F1 k k P F2 k | = 2a
(6.7.1)
Observa
c
ao 6.7 Se a = c a equacao | k P F1 k k P F2 k | = 2c descreve os pontos P, situados
Figura 6.12:
As assntotas sao retas das quais a hiperbole se aproxima cada vez mais `a medida que os
pontos se afastam dos focos.
6.7.1
Elementos da Hip
erbole
106
6.7.2
Express
ao analtica da hip
erbole centrada na origem
Figura 6.13:
Da definicao temos
|d(P, F1 ) d(P, F2 )|
p
| (x + c)2 + y 2 (x c)2 + y 2 |
p
p
(x + c)2 + y 2 (x c)2 + y 2
p
(x + c)2 + y 2
p
= 2a
= 2a
= 2a
p
= 2a + (x c)2 + y 2
Com procedimento analogo ao que foi usado na deducao da equacao da elipse e usando a
relacao c2 = a2 + b2 obtemos:
x2 y 2
2 = 1
a2
b
(6.7.2)
que e a equa
c
ao da hip
erbole com centro na origem e eixo real sobre o eixo x.
2 caso: O eixo real est
a sobre o eixo dos y
Analogamente, se tomarmos F1 (0, c) e F2 (0, c), obtemos a equacao
y 2 x2
2 = 1
a2
b
(6.7.3)
que e a equa
c
ao da hip
erbole com centro na origem e eixo real sobre o eixo y.(Veja
figura 6.14)
107
Figura 6.14:
x2 y 2
=1
9
4
II)
x2 y 2
=1
4
9
III)
108
y 2 x2
=1
4
9
IV )
y 2 x2
=1
9
4
6.7.3
Hip
erboles transladadas
=1
a2
b2
20 caso: O eixo real e paralelo ao eixo dos y
Neste caso, a equacao e:
(y k)2 (x h)2
=1
a2
b2
109
(y 1)2 (x 3)2
= 1 e determine:
9
4
a) o centro;
b) os vertices;
c) os focos;
d) a excentricidade;
e) as equacoes das assntotas.
6.8
O Hiperbol
oide de um folha
y2 z2
2 = 1, x = 0
b2
c
respectivamente.
Essa superfcie e dita um hiperbol
oide de uma folha ao longo do eixo z descrito pela
equacao:
x2 y 2 z 2
+ 2 2 = 1,
a2
b
c
onde a, b e c sao n
umeros reais positivos.
Observa
c
ao 6.8
Os tracos horizontais s
ao elipses. Os tracos verticais nos planos x = k e
y = k s
ao hiperboles se k 6= 0 e s
ao um par de retas se k = 0.
Observa
c
ao 6.9
110
x2 y 2 z 2
x2 y 2 z 2
+
+
=
1,
e
2 + 2 = 1 descrevem o hiperboloide de uma
a2
b2
c2
a2
b
c
folha ao longo do eixo x e ao longo do eixo y, respectivamente.
Ja as equacoes
6.9
y2 z2
= 1.
4
4
A Par
abola
k P F k=k P P1 k
6.9.1
Elementos da par
abola
Foco: e o ponto F.
111
(6.9.1)
Diretriz: e a reta d.
Eixo: e a reta que passa pelo foco e e perpendicular `a diretriz.
V
ertice: e o ponto V de intersecao da parabola com seu eixo.
Observa
c
ao 6.10 d(V, F ) = d(V, A), A d (d: diretriz).
6.9.2
Express
ao analtica da par
abola com v
ertice na origem
Figura 6.16:
k P F k=k P P1 k
isto e,
p
(x a)2 + (y 0)2
p
(x + a)2 + (y y)2
(x a)2 + y 2 =
x2 2xa + a2 + y 2 = x2 + 2xa + a2
112
(x + a)2
y 2 = 4ax
Figura 6.17:
Observa
c
ao 6.12 Se a > 0, a par
abola tem concavidade voltada para cima e se a < 0, a par
abola
tem concavidade voltada para baixo.
Exemplo 6.9 Determinar a equacao da reta diretriz, o vertice e o foco das par
abolas x2 = 8y e
y 2 = 2x e esboce as par
abolas.
113
6.9.3
Par
abolas Transladadas
Analogamente,
(x h)2 = 4a(y k)
e a equacao da parabola com vertice no ponto V (h, k) e eixo paralelo ao eixo dos y.
114
6.10
O Parabol
oide elptico
y 2 = b2 cz.
Figura 6.18:
Observa
c
ao 6.13
x2
y2
+
= 1 z = k.
cka2 ckb2
(6.10.2)
se k > 0.
- Se k < 0 o plano z = k n
ao intercepta a superfcie. Isto e, se c > 0, a superfcie est
a
contida na regiao z 0. Analogamente, temos que se c < 0, a superfcie est
a na regiao z 0.
y2 z2
x2 z 2
+
=
cx,
e
+ 2 = cy descrevem o paraboloide elptico em torno do eixo
a2 b 2
a2
b
x e em torno do eixo y, respectivamente.
Ja as equacoes
115
6.11
O Hiperbol
oide de duas folhas
x2 y 2 z 2
+ 2 2 = 1, onde a, b e c sao
a2
b
c
Se | k |< b o plano y = k n
ao intercepta a superfcie e se | k |> b o plano y = k intercepta a
x2 z 2
k2
+
=
1, y = k.
a2
c2
b2
(6.11.3)
Vemos que essa superfcie tem duas folhas, uma na regiao y b e outra na regiao y b.
Os planos xy e yz interceptam a superfcie segundo as hiperboles
y2 z2
y 2 x2
=
1,
z
=
0
e
2 = 1, x = 0
b2
a2
b2
c
respectivamente. Essa superfcie e um hiperboloide de duas folhas ao longo do eixo y.
116
6.12
O Parabol
oide hiperb
olico
x2 y 2
+ 2 = cz e um paraboloide hiperbolico .
a2
b
Figura 6.19:
- O plano xz intercepta a superfcie segundo a parabola x2 = ca2 z, y = 0 a qual tem
concavidade voltada para baixo, se c > 0 e seu eixo focal e o eixo dos z.
x2
y2
+
= 1 z = k.
cka2 ckb2
(6.12.4)
6.13
Superfcie C
onica
Superfcie conica e uma superfcie gerada por uma reta que se move apoiada numa curva plana
qualquer e passando sempre por um ponto dado nao situado no plano desta curva.
A reta e denominada geratriz, a curva plana e a diretriz e o ponto fixo dado e o vertice da
superfcie conica.
117
6.13.1
O Cone Qu
adrico
Consideraremos o caso particular da superfcie conica cuja diretriz e uma elipse (ou circunferencia) com o vertice na origem do sistema e com seu eixo sendo um dos eixos coordenados.
Nestas condicoes, a superfcie conica cujo eixo e o eixo dos z tem equacao:
x2 y 2 z 2
+ 2 2 = 0.
a2
b
c
Figura 6.20:
e chama-se cone quadrico.
O plano z = k, k 6= 0 intercepta a superfcie segundo a elipse
x2
y2
+
= 1 z = k.
k 2 a2 k 2 b 2
A intersecao dessa superfcie com o plano z = 0 e a origem, que e o vertice do cone.
Os planos xy e yz interceptam a superfcie segundo os pares de reta
x = az, y = 0
y = bz x = 0.
respectivamente.
Exemplo 6.14 Esbocar o grafico da superfcie dada pela equacao x2 + y 2 = z 2 .
118
(6.13.5)
6.14
Superfcie Cilndrica
Seja C uma curva plana e f uma reta fixa nao contida nesse plano.
Superfcie cilndrica e a superfcie gerada por uma reta r que se move paralelamente `a reta
fixa f em contato permanente com a curva plana C.
A reta r que se move e denominada geratriz e a curva C e a diretriz da superfcie cilndrica.
Nesse estudo consideramos apenas superfcies cilndricas cuja diretriz e uma curva que se
encontra num dos planos coordenados e a geratriz e uma reta paralela ao eixo coordenado nao
contido nesse plano. Neste caso, a equacao da superfcie cilndrica e a mesma de sua diretriz.
Exemplo 6.15 Represente geometricamente as superfcies cilndricas dadas pelas equacoes:
a) y 2 = 2z.
b) z 2 = 2y.
c) x2 = 2y.
x2 y 2
+
=1
d)
4
9
x2 z 2
+
=1
e)
4
9
y2 z2
f)
+
=1
4
9
Observa
c
ao 6.14 Conforme a diretriz seja uma circunferencia, elipse, hiperbole ou par
abola, a
superfcie cilndrica e chamada circular, elptica, hiperbolica, ou parabolica.
119
Resumo de alguns possveis tipos de superfcies quadricas basicas e as equacoes em cada caso.
Superfcie
Elips
oide
Cone elptico
Equacao:
x2 y 2 z 2
+ 2 + 2 = 1,
a2
b
c
z2 =
vertical
ao longo do eixo x
ao longo do eixo y
x2 y 2 z 2
+ 2 2 = 1,
a2
b
c
x2 y 2 z 2
2 + 2 + 2 = 1,
a
b
c
x2 y 2 z 2
2 + 2 =1
a2
b
c
vertical
ao longo do eixo x
ao longo do eixo y
z 2 x2 y 2
2 2 = 1,
a2
b
c
x2 y 2 z 2
2 2 = 1,
a2
b
c
y 2 x2 z 2
2 2 =1
a2
b
c
x2 y 2
+ 2,
a2
b
Paraboloide elptico
z=
x2 y 2
+ 2
a2
b
grafico
Hiperboloide
uma folha
de
Equacao:
grafico
Hiperboloide
duas folhas
Equacao:
de
grafico
120
Paraboloide
Hiperb
olico
em z
Equacao:
z=
em x
y 2 x2
2,
a2
b
x=
grafico
121
em y
y2 z2
2,
a2
b
y=
x2 z 2
2,
a2
b
Captulo 7
O Espa
co Vetorial Euclidiano
n-dimensional
Em meados do seculo XV II Rene Descartes materializou explicitamente a ideia de utilizar
pares de n
umeros para situar pontos no plano. Logo em seguida foram utilizados ternos de
n
umeros para situar pontos do espaco tridimensional. Ja na segunda metade do seculo dezoito,
os matematicos e fsicos (entre eles, Einstein) perceberam a possibilidade de se trabalhar com
quadruplos (x, y, z, t) que poderiam ser considerados como pontos de um universo espaco-tempo
de dimensao quatro. Mais ainda, acrescendo outras informacoes a este ponto do espaco poderiam
trabalhar com pontos (x1 , x2 , x3 , x4 , x5 ) num espaco de dimensao cinco e assim por diante, com
nuplas (x1 , x2 , ..., xn ) num espaco n-dimensional, a qual designaremos de espaco vetorial
euclidiano.
Neste captulo estudaremos as propriedades das operacoes sobre os vetores deste espaco.
7.1
O Espa
co Euclidiano n-Dimensional
Mesmo nao havendo visualizacao geometrica para espacos de dimensao maior que 3, e possvel estender muitas ideias familiares como angulo, comprimento, distancia, utilizando as propriedades
numericas e algebricas.
Defini
c
ao 7.1 Se n e um n
umero inteiro positivo, dizemos que uma sequencia (x1 , x2 , ..., xn ) de
n
umeros reais e uma n-upla ordenada e o espa
co euclidiano n-dimensional e dado por:
Rn = {(x1 , x2 , ..., xn ) :
xi R, i = 1, 2, ..., n}
~ = (x1 , x2 )(OP
~ =
Observa
c
ao 7.1 Em R2 (R3 ) `
a cada ponto P (x1 , x2 )(P (x1 , x2 , x3 ) ha um vetor OP
122
7.1.1
Igualdade de vetores de Rn
Dois vetores ~u = (u1 , u2 , ..., un ) e ~v = (v1 , y2 , ..., vn ) sao iguais (~u = ~v ) se, e somente se, u1 =
v1 , u2 = v2 , ..., un = vn
7.1.2
Operac
oes em Rn
b) 2~u
c) u 3v.
123
7.1.3
7.1.4
R4 e:
Norma e Dist
ancia em Rn
Por analogia com as formulas familiares de R3 , nos definimos a norma euclidiana ou comprimento euclidiano de um vetor u = (u1 , u2 , ..., un ) em Rn por
q
k
u k= u21 + u22 + ... + u2n
v .
v ou ainda,
v .
v =k
v k2 .
1. k
v k=
2. k
u k 0,
k
u k= 0 se, e somente se, u = 0
3. k k.u k= |k| k
u k
4. k
u+
v kk
u k + k
v k (Desigualdade triangular)
5. k ~u + ~v k2 = k ~u k2 + 2~u.~v + k ~v k2
6. k ~u ~v k2 = k ~u k2 2~u.~v + k ~v k2
7. k ~u k2 k ~v k2 = (~u + ~v ).(~u ~v )
Propriedades da Dist
ancia em Rn
1. d(u, v) 0,
2. d(u, v) = d(v u)
3. d(u, v) d(u, w) + d(w, v) (Desigualdade triangular)
125
Captulo 8
Espa
cos Vetoriais
Defini
c
ao 8.1 Um espaco vetorial real e um conjunto V, n
ao vazio, munido de duas operacoes:
+:V V
:RV
(u, v) 7 u + v
(a, v) 7 av
Exemplo 8.3 O conjunto Mmn (R) com as operacoes adicao e multiplicacao por escalar usuais
e um espaco vetorial.
8.1
Subespaco Vetorial
Defini
c
ao 8.2 Seja V um espaco vetorial real. Um subconjunto S de V e um subespa
co vetorial de V se:
1) S contem o vetor nulo;
2) Se u, v S, ent
ao u + v S;
3) Se u S e a R, ent
ao au S.
Observa
c
ao 8.2 Todo espaco vetorial V admite pelo menos dois subespacos: S = {0}, chamado
subespa
co nulo ou subespa
co zero e o pr
oprio espaco vetorial V . Esses dois s
ao chamados
subespa
cos triviais de V. Os demais s
ao denominados subespacos pr
oprios de V.
Exemplo 8.6 Sejam V = R2 e S = {(x, y) R2 /y = 2x} ou S = {(x, 2x); x R}. Mostre que
S e um subespaco vetorial do R2 .
127
8.2
Combina
c
ao Linear
Defini
c
ao 8.3 Sejam os vetores v1 , v2 , . . . , vn do espaco vetorial V e os escalares a1 , a2 , . . . , an .
Qualquer vetor v V da forma:
v = a1 v 1 + a2 v 2 + . . . + a n v n
e uma combina
c
ao linear dos vetores v1 , v2 , . . . , vn .
Exemplo 8.10 O vetor v = (2, 3) R2 e uma combinacao linear dos vetores v1 = (1, 0) e
v2 = (0, 1), pois
128
8.3
Subespacos Gerados
Seja V um espaco vetorial. O conjunto S de todas as combinacoes lineares possveis dos vetores
v1 , v2 , . . . , vn de V e um subespaco vetorial de V, denominado subespa
co vetorial gerado
pelos vetores v1 , v2 , . . . , vn .
Notacao: S = [v1 , v2 , . . . , vn ]
Observa
c
ao 8.3 Os vetores v1 , v2 , . . . , vn s
ao chamados geradores de S
Exemplo 8.12 Os vetores i = (1, 0) e j = (0, 1) geram o espaco vetorial R2 , pois qualquer vetor
(x, y) R2 e combinacao linear de i e j.
(x, y) = (x, 0) + (0, y) = x(1, 0) + y(0, 1) = xi + yj
Logo, [i, j] = R2
Exemplo 8.13 Os vetores i = (1, 0, 0) e j = (0, 1, 0) geram o subespaco S = {(x, y, 0)
R3 /x, y R}, pois
Observa
c
ao 8.4 Dados n vetores v1 , v2 , . . . , vn de V e w tal que w = a1 v1 , a2 v2 , . . . , an vn
ent
ao:
[v1 , v2 , . . . , vn , w] = [v1 , v2 , . . . , vn ]
pois todo vetor v que e combinacao linear de v1 , v2 , . . . , vn , w e tambem combinacao linear de
v1 , v2 , . . . , vn .
Supondo que:
v [v1 , v2 , . . . , vn , w], ent
ao existem n
umeros reais
b1 , b2 , . . . , bn , b
tais que
v = b1 v1 + b2 v2 + . . . + bn vn + bw
mas
w = a1 v 1 + a2 v 2 + . . . + an v n
logo,
v = b1 v1 + b2 v2 + . . . + bn vn + b(a1 v1 + a2 v2 + . . . + an vn )
ou
v = (b1 + a1 )v1 + (b1 + a2 )v2 + . . . + (bn + an )vn
logo v e combinacao linear de v1 , v2 , . . . , vn , isto e,
v [v1 , v2 , . . . , vn ]
Para mostrar a recproca, isto e, se v [v1 , v2 , . . . , vn ] ent
ao v [v1 , v2 , . . . , vn , w], basta
considerar b = 0.
8.4
Depend
encia e Independ
encia Linear
Na observacao acima vimos que um espaco vetorial V pode ser gerado por n vetores ou por
n + 1 vetores. Isto e, o conjunto gerador de V pode ter n ou n + 1 vetores. Em nosso estudo
estamos interessados no conjunto gerador de um espaco vetorial que seja o menor possvel. Para
determinarmos esse conjunto precisamos do conceito de dependencia e independencia linear.
Defini
c
ao 8.4 Sejam V um espaco vetorial e v1 , v2 , . . . , vn V. Dizemos que v1 , v2 , . . . , vn s
ao
linearmente independentes se a equacao
130
a1 v 1 + a2 v 2 + . . . + a n v n = 0
s
o admitir a solucao nula, isto e, a1 = a2 = . . . = an = 0. Se a equacao admitir solucao diferente
da solucao nula diremos que os vetores v1 , v2 , . . . , vn s
ao linearmente dependentes.
Exemplo 8.15 Dados os vetores e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1) do
Rn e u = (a1 , a2 , . . . , an ) um vetor qualquer do Rn . Temos que u = a1 e1 + a2 e2 + . . . + an en . Alem
disso, se
x1 e1 + x2 e2 + . . . + xn en = 0,
ent
ao x1 = x2 = . . . = xn = 0. Portanto os vetores e1 , e2 , . . . , en s
ao linearmente independentes.
Defini
c
ao 8.5 Se V e um espaco vetorial, o conjunto de vetores v1 , v2 , . . . , vn V e uma base
de V, se:
i) v1 , v2 , . . . , vn s
ao LI;
ii) os vetores v1 , v2 , . . . , vn geram V.
O n
umero de vetores de uma base para um espaco vetorial V e o mesmo para qualquer base
de V e chama-se dimens
ao de V.
Exemplo 8.16 Se V = R2 , v1 = (1, 0) e v2 = (0, 1), ent
ao {v1 , v2 } e base de R2 .
De fato, j
a vimos que todo vetor do plano e combinacao linear de v1 e v2 e que os vetores v1
e v2 s
ao LI. A base {(1, 0), (0, 1)} e chamada base can
onica de R2 .
Exemplo 8.17 O conjunto {(1, 0), (2, 0)} n
ao e base do R2 , pois os vetores s
ao LD.
Exemplo 8.18 Se V = R3 , v1 = (1, 0, 0), v2 = (0, 1, 0) e v3 = (0, 0, 1) ent
ao {v1 , v2 , v3 } e base
de R3 , chamada base can
onica de R3 , pois para qualquer vetor X = (x, y, z) do R3 , temos
X = xv1 + yv2 + zv3
e os vetores (0, 1, 0), (0, 1, 0) e (0, 0, 1) s
ao LI.
131
(0, 1, 0) s
ao LI, mas n
ao geram R3 .
8.5
Espa
cos Vetoriais com Produto Interno
as seguintes propriedades:
1) u.v = v.u;
132
8.6
Espa
co Vetorial Euclidiano
Um espaco vetorial real, de dimensao finita, na qual esta definido um produto interno, e um
espaco vetorial euclidiano.
8.6.1
Norma de um Vetor
v.v
Dist
ancia entre dois vetores
A dist
ancia entre dois vetores (ou pontos) e o n
umero real, dado por
d(u, v) =k u v k
133
8.7
Angulo
de dois Vetores
8.8
u.v
,
k u kkk v k
Vetores Ortogonais
Seja V um espaco vetorial euclidiano. Dizemos que dois vetores u e v sao ortogonais, denotamos
por u v, se, e somente se, u.v = 0.
8.9
e ortogonal se quaisquer dois vetores, distintos, sao ortogonais, isto e, vi .vj = 0 para todo i 6= j.
8.10
Base Ortonormal
Em muitos problemas envolvendo espacos vetoriais, temos liberdade de escolher uma base
apropriada para o espaco vetorial.
Em espacos vetoriais com produto interno a solucao de um problema e muitas vezes simplificada pela escolha de uma base na qual os vetores sao ortogonais entre si.
Nesta secao mostraremos como tais bases podem ser obtidas.
excepcionalmente simples expressar um vetor como combinacao linear
MOTIVAC
AO:
E
dos vetores de uma base ortonormal.
Teorema 8.1 Se B = {v1 , v2 , . . . , vn } e uma base ortonormal de um e.v E com p.i e u E,
ent
ao u = a1 v1 + a2 v2 + . . . + an vn onde
134
Exemplo 8.23 B = {v1 , v2 , v3 } = {(0, 1, 0), (4/5, 0, 3/5), (3/5, 0, 4/5)} e base ortonormal.
Logo, tomando por exemplo, u = (1, 1, 1) R3 temos:
7
1
u =< u, v1 > v1 + < u, v2 > v2 + < u, v3 > v3 = 1v1 v2 + v3
5
5
Teorema 8.2 Se B = {v1 , v2 , . . . , vn } e uma base ortogonal de um e.v E com p.i e u E,
ent
ao u = a1 v1 + a2 v2 + . . . + an vn onde
ai =
8.11
u.vi
< u , vi >
=
2
kvi k
kvi k2
Projeco
es Ortogonais: O Processo de Gram-Schmidt
Defini
c
ao 8.7 Seja E e.v de dimens
ao finita com p.i e W E, W s.e.v de E. Entao, o
subespaco ortogonal `
a W e dado por:
W = {v E :< v, w >= 0, w W }
Teorema 8.3 Se W e s.e.v de E, E e.v de dimens
ao finita com p.i ent
ao, se u E, u = w1 +w2 ,
onde w1 W e w2 W .
< u, v2 >
< u, vr >
< u, v1 >
v
+
v
+
...
+
vr .
1
2
kv1 k2
kv2 k2
kvr k2
< u2 , v 1 >
v1 , onde W1 = [v1 ].
kv1 k2
< u3 , v 2 >
< u3 , v 1 >
v1 +
v2 , onde W2 = [v1 , v2 ].
Passo 3: v3 = u3 projW2 u3 = u3
kv1 k2
kv2 k2
(Observe que v3 e ortogonal a v1 e v2 )
< u4 , v 1 >
< u4 , v 2 >
< u4 , v 3 >
Passo 4: v4 = u4 projW3 u4 = u4
v1 +
v2 +
v3 , onde
kv1 k2
kv2 k2
kv3 k2
W3 = [v1 , v2 , v3 ].
v1
v2
vn
,
, ...,
kv1k kv2 k
kvn k
e uma base
Exemplo 8.24 Considerando B = (1, 1, 1), (0, 1, 1), (0, 0, 1) uma base de R3 use o Processo de
Gram-Schmidt para ortonormalizaresta base.
136
c) S =
a b
b c
: a, b, c R .
a
a+b
: a, b R .
d) S =
ab
b
a 1
: a, b R .
e) S =
a b
15. Escreva w = (7, 11, 2) como combinacao linear dos vetores u = (2, 3, 2) e v = (1, 2, 4)
em R3 .
18. Sejam os vetores v1 = (1, 2, 1), v2 = (1, 0, 2) e v3 = (2, 1, 0). Expressar cada um dos
vetores u = (8, 4, 1), v = (0, 2, 3) e w = (0, 0, 0) como combinacao linear de v1 , v2 e v3 .
b)x2 x + 1, x2 + 2x
138
23. Sendo E o espaco vetorial das matrizes 2 3, verificar se {A, B, C} e L.I ou L.D, sendo
A=
1 2 1
3 2 4
,B=
0 1 2
2 1 0
eC =
1 0 5
1 0 3
27. Mostre que o conjunto de vetores dados e uma base de M (2, 2).
1 0
0 8
0 1
3 6
,
,
,
1 2
12 4
1 0
3 6
28. Encontre as coordenadas de w = (3, 7) em relacao `a base B = {(1, 1), (0, 2)}.
29. Encontre as coordenadas de w = (5, 12, 3) em relacao `a base B = {(1, 2, 3), (4, 5, 6), (7, 8, 9)}
30. Encontre as coordenadas de p = 2 x + x2 em relacao `a base B = {1 + x, 1 + x2 , x + x2 }
2 0
em relacao a base B = {A1 , A2 , A3 , A4 } sendo,
31. Encontre as coordenadas de A =
1 3
0 0
0 0
1 1
1 1
; A4 =
; A3 =
; A2 =
A1 =
0 1
1 0
0 0
0 0
32. Determine uma base e a dimensao dos seguintes subespacos de R3 :
a) S = {(x, y, z)/3x 2y + 5z = 0}
33. Determine uma base e a dimensao dos subespacos vetoriais apresentados nos exerccios
1 14.
34. Use o Processo de Gram-Schmidt para transformar B = {(1, 3), (2, 2)} em uma base
ortonormal. Determine as coordenadas de u = (5, 2) em relacao `a essa base ortonormal.
35. Use o Processo de Gram-Schmidt para transformar B = {(1, 1, 1), (1, 1, 0),
(1, 2, 1)} em uma base ortonormal. Determine as coordenadas de
u = (2, 2, 3) em relacao `a essa base ortonormal.
139
8.12
Mudan
ca de Base
Em aplicacoes e muito comum trabalhar com mais de um sistema de coordenadas e nestes casos
e geralmente necessario conhecer as relacoes entre as coordenadas.
Pergunta: Se mudarmos da base B1 de um espaco V para uma base B2 , qual a relacao entre
as coordenadas de [v]B1 e as novas coordenadas de [v]B2 ?
Para simplificar o problema, nos iremos resolver este problema para espacos bidimensionais.
dim V = 2 e depois generalizaremos a solucao.
a
b
[w2 ] =
c
d
ou seja:
w 1 = a u1 + b u2
(1)
w 2 = c u1 + d u2
(2)
k1
k2
temos:
v = k1 w1 + k2 w2
(3)
(4)
(5)
ou ainda,
Portanto,
[v]B1 =
k1 a + k2 c
k1 b + k2 d
ou seja,
140
a c
b d
k1
.
k2
[v]B1 = P.[v]B2
ou ainda,
2
[v]B1 = [I]B
B1 .[v]B2
Exemplo 8.25 Dadas as bases B1 = {(1, 1), (2, 1)} e B2 = {(1, 0), (0, 1)} de V = R2 , determine:
a) a matriz mudanca de base P de B2 para B1 .
b) a matriz mudanca de base P , de B1 para B2 .
c) P.P , e P , .P
Com estes calculos, qual relacao voce estabelece entre P e P , ?
Generaliza
c
ao:
Sejam B1 = {u1 , u2 , . . . , un } e B2 = {w1 , w2 , . . . , wn } duas bases ordenadas de um mesmo
[v]B1 = P.[v]B2
sendo P a matriz cujas colunas sao formadas pelas coordenadas dos vetores da base B2 em relacao
`a base B1 ; ou seja, os vetores-coluna de P sao
[w1 ]B1 , [w2 ]B1 , ..., [wn ]B1 , ou seja
P = [ [w1 ]B1 |[w2 ]B1 |...| [wn ]B1 ]
2
A matriz P e chamada matriz de transicao de B2 para B1 ou P = [I]B
e dita matriz de
B1
141
Aplica
c
ao `
a Rotac
ao de Eixos no Espa
co Bidimensional
Em muitos problemas e dado um sistema de coordenadas retangulares xy que, girado no
sentido anti-horario em torno da origem por um angulo , produz um novo sistema de coordenadas
x, y , . Quando isto e feito, cada ponto Q do plano tem dois conjuntos de coordenadas (x, y) e as
coordenadas (x, , y , ) em relacao ao sistema x, y , .
x,
y,
=P
x
y
cos sen
sen cos
x,
y,
eP
cos sen
sen cos
cos sen
sen cos
x
y
e portanto,
142
LISTA de EXERCICIOS
ESPAC
OS VETORIAIS - MUDANC
A DE BASE
1. Sejam B1 = {(1, 0), (0, 1)}, B2 = {(1, 1), (1, 1)}, B3 = {( 3, 1), ( 3, 1)} e B4 = {(2, 0), (0, 2)}
bases ordenadas de R2 .
2
[I]B
B1 ,
B1
1
[I]B
B3 [I]B4
ii) B2
iii) B3
iv) B4
2
2. Se [I]B
B1
ii) B3
iii) B4
1 1 0
= 0 1 1 determine
1 0 1
a)[v]B1
b)[v]B2
1
sendo [v]B2 = 2
3
1
sendo [v]B1 = 2
3
143
Captulo 9
Transformaco
es Lineares
Neste captulo estudaremos um tipo especial de aplicacao, onde o domnio e o contradomnio sao espacos vetoriais. Assim tanto a variavel independente como a variavel dependente
sao vetores, razao pela qual essas aplicacoes sao chamadas vetoriais. Estamos interessados nas
aplicacoes vetoriais lineares, que serao denominadas transformac
oes lineares.
Defini
c
ao 9.1 Sejam E e F. Uma aplicacao T : E F e chamada transformacao linear de E
em F se:
I) T (u + v) = T (u) + T (v)
II) T (u) = T (u)
para qualquer u, v E e para qualquer R
Observa
c
ao 9.1 O conjunto de todas as transformacoes lineares de E em F e denotado por:
L(E, F )
Observa
c
ao 9.2 Uma transformacao linear de E em E e chamada operador linear sobre E.
Observa
c
ao 9.3 Uma transformacao linear de E em R e chamada funcional linear e
L(E, R) = E
espaco vetorial dual de E.
144
Consequ
encias da Defini
c
ao:
T (0E ) = 0F
T (1 v1 + ... + n vn ) = 1 T (v1 ) + ... + n T (vn )
T (v) = T (v)
T (u v) = T (u) T (v)
Observa
c
ao 9.4 L(E, F ) = {T : E F/T e transformacao linear} e um espaco vetorial com
as operacoes:
dp
e uma transformacao linear.
dx
145
Rb
a
Exemplo 9.5 Dada uma matriz A Mmn , a aplicacao LA : Rn Rm dada por LA (v) = A.(v)
9.1
Transformaco
es Lineares Planas
Agora iremos apresentar uma interpretacao geometrica das transformacoes lineares, apresentando
exemplos de transformacoes de R2 em R2 . Veremos que as expansoes, contracoes, rotacoes certas
deformacoes em objetos planos podem ser descritas por transformacoes lineares.
9.1.1
Exemplos
1. (Dilatac
ao de fator 2) T : R2 R2 tal que T (x, y) = 2(x, y).
2. (Contrac
ao de fator 12 ) T : R2 R2 tal que T (x, y) = 12 (x, y).
3. (Dilatac
ao de fator 2 na dire
c
ao do eixo x) T : R2 R2 tal que T (x, y) = (2x, y).
4. (Dilatac
ao de fator 2 na dire
c
ao do eixo y) T : R2 R2 tal que T (x, y) = (x, 2y).
146
5. (Reflex
ao em torno do eixo x) T : R2 R2 tal que T (x, y) = (x, y).
6. (Reflex
ao em torno do eixo y) T : R2 R2 tal que T (x, y) = (x, y).
7. (Rota
c
ao de um Angulo
no sentido anti-hor
ario) R : R2 R2 tal que
x
cos sen
.
R (x, y) =
y
sen cos
9.2
Transformaco
es Lineares Espaciais
Tambem podemos interpretar geometricamente as transformacoes lineares, apresentando exemplos de transformacoes de R3 em R3 . Veremos que as expansoes, contracoes,projecoes, rotacoes e
certas deformacoes em objetos tridimensionais podem ser descritas por transformacoes lineares.
9.2.1
Exemplos
1. (Dilatac
ao de fator 2) T : R3 R3 tal que T (x, y, z) = 2(x, y, z).
147
2. (Contrac
ao de fator 12 ) T : R3 R3 tal que T (x, y, z) = 12 (x, y, z).
3. (Dilatac
ao de fator 2 na dire
c
ao do eixo z) T : R3 R3 tal que T (x, y, z) = (x, y, 2z).
4. (Dilatac
ao de fator 2 na dire
c
ao do eixo y) T : R3 R3 tal que T (x, y, z) = (x, 2y, z).
5. (Reflex
ao em torno do plano xy) T : R3 R3 tal que T (x, y, z) = (x, y, z).
6. (Reflex
ao em torno do plano xz) T : R3 R3 tal que T (x, y, z) = (x, y, z).
148
7. (Reflex
ao em torno do plano yz) T : R3 R3 tal que T (x, y, z) = (x, y, z).
8. (Projec
ao ortogonal sobre o plano xy) T : R3 R3 tal que T (x, y, z) = (x, y, 0).
9. (Projec
ao ortogonal sobre o plano xz) T : R3 R3 tal que T (x, y, z) = (x, 0, z).
10. (Projec
ao ortogonal sobre o plano yz) T : R3 R3 tal que T (x, y, z) = (0, y, z).
11. (Rota
c
ao anti-hor
aria em torno do eixo z positivo por um
angulo ) R : R3 R3
tal que
x
cos sen 0
149
12. (Rota
c
ao anti-hor
aria em torno do eixo x positivo por um
angulo ) R : R3 R3
tal que
x
1
0
0
Rx() (x, y, z) = 0 cos sen . y
z
0 sen cos
13. (Rota
c
ao anti-hor
aria em torno do eixo y positivo por um
angulo ) R : R3 R3
tal que
x
cos 0 sen
0
1
0 . y
Ry() (x, y, z) =
z
sen 0 cos
9.3
Considere {v1 , v2 , ..., vn } uma base de E. Uma transformacao linear T : E F fica inteiramente
Isto pode ser feito expressando um vetor qualquer de E como combinacao linear da base:
v = c1 v1 + c2 v2 + ... + cn vn
E entao usando a definicao de transformacao linear temos:
T (v) = c1 T (v1 ) + c2 T (v2 ) + ... + cn T (vn )
150
Exemplo 9.6 Seja B = {(0, 1, 0), (1, 0, 1), (1, 1, 0)} base de R3 e T : R3 R2 tal que T (0, 1, 0) =
(1, 2), T (1, 0, 1) = (3, 1), T (1, 1, 0) = (0, 2). Verifique que T (5, 3, 2) = (10, 20).
Exemplo 9.7 Seja B = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} e T : R3 R2 tal que: T (1, 1, 1) =
9.4
N
ucleo e Imagem de uma Transformac
ao Linear
Defini
c
ao 9.2 Chama-se n
ucleo de uma transformacao linear T : E F ao conjunto de todos
os vetores v E que s
ao transformados em 0F . Indica-se esse conjunto por N (T ) ou ker(T ):
N (T ) = {v E/ T (v) = 0F }
Observa
c
ao 9.5 N (T ) e um subespaco vetorial de E.
Observa
c
ao 9.6 Uma transformacao linear T : E F e injetora se, e somente se,
N (T ) = {0E }
Defini
c
ao 9.3 Chama-se imagem de uma transformacao linear T : E F ao conjunto dos
vetores w F que s
ao imagens de pelo menos um vetor v E. Indica-se esse conjunto por
Im(T ) ou simplesmente, T (E).
151
9.5
Matrizes de Transformaco
es Lineares Arbitr
arias
Se B = {v1 , v2 , ..., vn } e base de V e B , = {w1 , w2 , ..., wm } e base de W. Entao T (v1 ), T (v2 ), ..., T (vn )
A=
a11 a12
a21 a22
.
.
.
.
.
.
am1 am2
... a1n
... a2n
...
.
...
.
...
.
... amn
= [T ]B
B,
Exemplo 9.8 Seja T : R3 R2 tal que T (x, y, z) = (2x + y z, 3x 2y + 4z) e sejam B a base
canonica de R3 e B , a base canonica de R2 . Calculando [T ]B
B , temos:
152
Teorema 9.2 Sejam V e W espacos vetoriais, B = {v1 , v2 , ..., vn } base de V, B , = {w1 , w2 , ..., wm }
[T (v)]B , = [T ]B
B , .[v]B
Teorema 9.3 Se T1 : U V e T2 : V W s
ao transformacoes lineares e se B1 , B2 , B3 s
ao
B2
B1
1
[T2 T1 ]B
B3 = [T2 ]B3 .[T1 ]B2
Observa
c
ao 9.8 Para U = V = W e B1 = B2 = B3 = B temos:
[T2 T1 ]B = [T2 ]B .[T1 ]B
Exerccio 9.2 Estude matricialmente T2 T1 sabendo que T1 (x, y) = 2(x, y) e uma expans
ao
Exerccio 9.3 No plano, uma rotacao anti-horaria de 45o e seguida por uma dilatacao de
Exerccio 9.4 No espaco, uma dilatacao de fator 2 na direcao do eixo y e seguida de uma
rota
c
ao anti-horaria de 90o em torno do eixo x positivo e uma reflex
ao em torno do plano
xy. Ache a aplicacao A que representa esta transformacao espacial e interprete-a passo-apassogeometricamente.
153
Captulo 10
Autovalores e Autovetores
Defini
c
ao 10.1 Um vetor v 6= 0E de E chama-se autovetor do operador T : E E, quando
Av = v.
O n
umero R, por sua vez, chama-se autovalor do operador A.
Observa
c
ao 10.1 Se v e um vetor n
ao nulo tal que A(v) = v ent
ao cada vetor na reta gerada
por v e levado de volta `
a mesma reta quando multiplicado pela matriz de A. Vetores n
ao nulos que
s
ao levados em m
ultiplos escalares deles mesmo por um operador linear aparecem naturalmente
no estudo de vibracoes e da dinamica populacional, na Genetica, Mecanica Quantica e Economia.
Exemplo 10.1 A transformacao linear T (x, y) = (3x + 2y, 3x 2y) admite v = (2, 1) como
Defini
c
ao 10.2 Dizemos que o n
umero real e um autovalor da matriz
a M (n n) quando e um autovalor do operador A : Rn Rn , cuja matriz na base
3 0
8 1
correspondente ao autova-
10.1
O Polin
omio Caracterstico
(1)
a11
a1
...
a1n
a21
a22 ...
a2n
.
.
.
...
.
.
.
...
.
.
.
...
an1
an2
... ann
x1
x2
.
.
.
xn
0
0
.
.
.
0
Observe que para det(B) 6= 0, o sistema de equacoes lineares homogeneo indicado acima
tem uma u
nica solucao, x1 = x2 = ... = xn = 0 (ou v = 0E ). Portanto, a u
nica maneira de
encontrarmos autovetores v (solucoes nao nula da equacao acima) e termos detB = 0, ou seja,
det([T ] I) = 0
(2)
Exemplo 10.6 Seja A(x, y) = (2x y, x + 4y). Mostre que A possui um autovalor u
nico igual
a 3.
Exemplo 10.7 Seja A(x, y) = (3x + y, 2x + y). Mostre que A possui os autovalores 4 e 1.
Determine a base de autovetores de A e estude a matriz de A na base de autovetores.
Exemplo 10.8 Estude os autovalores e autovetores associados a matriz
3 3 4
0 3
5
0 0 1
Exemplo 10.9 Estude os autovalores e autovetores associados a matriz
2 3 1
1 2 1
1 3 2
Teorema 10.1 Seja E um espaco vetorial de dimens
ao n que possui n autovalores distintos.
Entao, o conjunto dos autovetores associados aos autovalores de T e base de E.
B = {v1 , v2 , ..., vn } onde, T (vi ) = i vi , i = 1, 2, ..., n.
Observa
c
ao 10.2 Se B = {v1 , v2 , ..., vn } e uma base de autovetores de E ent
ao,
1 0
0 2
[T ]B
B =
... ...
0 0
... 0
... 0
e diagonalizavel.
... ...
... n
Defini
c
ao 10.4 Uma matriz An n e dita diagonaliz
avel se existirem uma matriz invertvel
P 1 .A.P = D
Nesse caso dizemos que P diagonaliza A.
Teorema 10.2 Uma matriz An n e diagonalizavel se e somente se A tem n autovetores linearmente independentes.
2 3
Exemplo 10.10 Verifique que A =
2 5
1
(e autovetores) e as matrizes P, P e D.
3 1
Exemplo 10.11 Verifique que A = 2 0
2 1
valores (e autovetores) e as matrizes P, P 1 e
10.2
2
2 e diagonalizavel, determinando seus auto1
D.
Operadores Auto-Adjuntos
Como vimos anteriormente, dado um operador linear A sobre um espaco E de dimensao finita,
se existir uma base de autovetores a matriz de [A] nesta base de autovetores e uma matriz
diagonal, ou seja se existe uma base de autovetores entao o operador e diagonalizavel. No entanto,
observamos pelos exemplos do Captulo anterior que nem todos operadores sao diagonalizaveis,
ou seja, nem todo operador A admite uma base de autovetores.
Defini
c
ao 10.5 Um operador A : E E e auto-adjunto quando existe uma base ortonomal
B de E tal que [A]B
e sim
etrica, ou seja
B
B T
O operador A e auto-adjunto [A]B
B = ([A]B ) independente da base B ortonormal
considerada.
Observa
c
ao 10.3 Do teorema acima conclumos que, se T e um operador auto-adjunto ent
ao, a
matriz canonica de T e simetrica e diagonalizavel pela matriz P, cujas colunas s
ao os autovetores
ortonormais de T.
Observa
c
ao 10.4 A matriz P considerada acima e dita unit
aria pois seus vetores colunas
formam um conjunto ortonormal.
Podemos entao, reformular o Teorema Espectral da seguinte maneira:
Teorema 10.4 (Reformula
c
ao do Teorema Espectral)
Se Ann e uma matriz auto-adjunta, ent
ao existe uma matriz unit
aria P que diagonaliza A.
157
0
2 1
3 2 encontre uma matriz unit
aria P que diagonaliza
Exerccio 10.1 Dada A = 2
1 2 0
A.
2 1
1 2
2 1
1
b) 1 3 2
1 2 3
1 1 1
c) 1 1 1
1 1 1
4
2 2
1 1
d) 2
2 1 1
158
10.3
Diagonaliza
c
ao de uma forma quadr
atica plana
(1)
e serao estudadas no Captulo 10 como um dos termos da equacao de uma conica dada por:
C(x, y) = ax2 + by 2 + 2cxy + dx + ex + f = 0
(2)
n
ao rotacionada;
rotacionada.
Para os casos em que a conica esta rotacionada, e necessario determinar os novos vetores de
posicao. Veremos que a nova base de posicao sera formada por autovetores da matriz simetrica
associado a forma quadratica Q(x, y). Para tanto e necessario expressar Q(x, y) matricialmente:
x
a c
(3)
Q(x, y) = [x y]
y
c b
a c
e simetrica, sabemos que esta associada a um operador auto-adjunto e
Como A =
c b
portanto, existe uma matriz P que diagonaliza A. Sendo P uma matriz ortonormal de autovetores
temos:
P 1 = P T , pois P T .P = I e ainda, P T .A.P = D
Fazendo entao a mudanca da base canonica para a base de autovetores temos:
canonica
1
[I]autovetores
canonica = P [I]autovetores = P . Logo,
T
,
x
x
x
= [x, y , ]P T .
e [x y] =
= P.
y
y,
y
Refer
encias Bibliogr
aficas
[4] Santos, Nathan Moreira dos. Vetores e Matrizes - Uma introducao `a Algebra
Linear . 4a
Ed. Sao Paulo: Thompson Learning, 2007.
160