Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Curitiba
Outubro de 2013
ii
Sum
ario
1 Matrizes
1.1
Definicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Tipos de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1
Matriz quadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2
Matriz nula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.3
Matriz coluna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.4
Matriz linha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.5
Matriz diagonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.6
Matriz tridiagonal . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.7
Matriz identidade . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.8
Matriz escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.9
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
iii
1.3
1.4
1.5
1.3.1
Igualdade de matrizes . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.2
Adicao de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.3
1.3.4
Transposicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.5
Multiplicacao de matrizes . . . . . . . . . . . . . . . . . . . . . . .
1.3.6
Matrizes em blocos . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.1
Equivalencia de matrizes . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.2
1.4.3
Execcios
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2 Determinantes
36
2.1
Definicoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.2
Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.3
2.4
Execcios
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3 Sistemas de equac
oes lineares
3.1
42
Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
iv
3.2
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4 Vetores
4.1
4.2
4.3
4.4
4.5
52
Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.1.1
Segmento orientado . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.1.2
Segmentos equipolentes . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.1.3
Classe de equivalencia . . . . . . . . . . . . . . . . . . . . . . . . . 53
Vetor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2.1
Vetor nulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.2.2
Vetor unitario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.2.3
Versor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.2.4
Vetor oposto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Adicao de vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.3.2
4.3.3
Subtracao de vetores . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.3.4
Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.4.2
4.4.3
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Paralelismo de vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.5.1
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
v
4.6
Coplanaridade de vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.6.1
4.7
4.8
4.9
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
Definicao
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.8.2
Interpretacao geometrica . . . . . . . . . . . . . . . . . . . . . . . . 63
4.8.3
Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.8.4
4.8.5
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
Definicao
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.9.2
Interpretacao geometrica . . . . . . . . . . . . . . . . . . . . . . . . 66
4.9.3
Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.9.4
4.9.5
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
vi
5 A reta no R3
5.1
5.2
77
Equacoes da reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.1.1
Equacao vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.1.2
Equacos parametricas . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.1.3
Equacoes simetricas . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.1.4
Equacoes reduzidas . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6 O plano no R3
6.1
6.2
84
Equacao do plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
6.1.1
6.1.2
6.1.3
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
7 Espaco Vetorial
7.1
Definicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
7.1.1
7.2
90
Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
Subespacos vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
7.2.1
Definicao
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
7.2.2
Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
7.2.3
Intersecao de subespacos . . . . . . . . . . . . . . . . . . . . . . . . 94
vii
7.2.4
Soma de subespacos . . . . . . . . . . . . . . . . . . . . . . . . . . 95
7.3
Combinacao linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
7.4
Subespaco gerado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
7.5
Dependencia linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
7.6
Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
7.7
7.8
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
8 Transforma
co
es Lineares
114
8.1
8.2
8.3
N
ucleo e Imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
8.4
8.5
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
9 Autovalores e autovetores
131
9.1
Definicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
9.2
9.3
9.4
Definicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
9.5
Diagonalizacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
9.6
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
viii
141
10.3.1 Angulo
entre vetores . . . . . . . . . . . . . . . . . . . . . . . . . . 146
10.4 Processo de Ortogonalizacao de Gram-Schmidt . . . . . . . . . . . . . . . . 147
10.5 Complemento ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
10.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
11 C
onicas e qu
adricas
154
12 Respostas
165
Captulo 1
Matrizes
1.1
Definic
ao
Corpo e uma terna (F, +, .), que satisfaz as seguintes propriedades:(A1)(x+y)+z = x+(y+z),(A2)x+
formada do par (i, j) a i-esima linha e a j-esima coluna da tabela, ficando assim a matriz
A representada genericamente por:
a11
Amn
1.2
a12
a1n
= [aij ]mn
Tipos de matrizes
Existem matrizes que em determinados problemas tem forma ou propriedades especiais, dentre essas matrizes podemos citar:
1.2.1
Matriz quadrada
Exemplo: A =
5 2
0 8 3
1.2.2
Matriz nula
Uma matriz Amn e chamada de matriz nula quando todos os seus elemento sao iguais
a zero, isto e, a
ij = 0, i ej.
0 0 0
0 0 0
Exemplo: A =
0 0 0
0 0 0
1.2.3
Matriz coluna
Uma matriz Amn e chamada de matriz coluna quando possuir somente uma coluna,
ou seja, n = 1.
Exemplo: A =
0
6
1.2.4
Matriz linha
Uma matriz Amn e chamada de matriz linha quando possuir somente uma linha, ou
seja, m = 1.
Exemplo: A =
1.2.5
1 5 2 3
Matriz diagonal
1 0 0
0 0
Exemplo: A = 0
3 0 , B =
0 1
0 0 3
1.2.6
Matriz tridiagonal
1 5 0 0 0
2 8 1 0 0
Exemplo: A = 0 1 3 4 0
0 0
6 9 5
0 0
0 1 2
1.2.7
Matriz identidade
1,
uma matriz quadrada (m = n) onde aij =
E
0,
i=j
, isto e, os elementos da
i 6= j
diagonal principal sao iguais a 1 e os que nao estao na diagonal principal sao nulos. As
matrizes identidades
Exemplo: I3 = 0
1.2.8
de ordem
m n serao denotadas por In .
0 0
1 0
1 0 , I2 =
0 1
0 1
Matriz escalar
k,
uma matriz quadrada (m = n) onde aij =
E
0,
i=j
, isto e, os elementos da
i 6= j
diagonal principal sao iguais a um elemento k e os que nao estao na diagonal principal
sao nulos.
3 0 0
Exemplo: E = 0 3 0
0 0 3
1.2.9
uma matriz quadrada (m = n) onde aij = 0 para todo i > j, ou seja, e uma matriz
E
quadrada na qual
os
3
Exemplo: S = 0
2 4
1.2.10
uma matriz quadrada (m = n) onde aij = 0 para todo i < j, ou seja, e uma matriz
E
quadrada na qual
os
3
Exemplo: T = 7
1.2.11
elementos
que estao acima da diagonal principal sao iguais a zero.
0 0
2 0
Matriz sim
etrica
3 5 0 9
5 2 2 8
Exemplo: S =
0
2 4
9
8 4 3
1.2.12
Matriz antisim
etrica
0 5 0
9
5
0 2 8
Exemplo: A =
0
2
0 4
9 8
4
0
1.2.13
Matriz conjugada
Considere Amn uma matriz complexa, isto e, seus elementos [aij ] sao n
umeros complexos, chama-se matriz conjugada de A `a matriz A = [aij ], onde aij e o conjugado
complexo de aij .
Propriedade:
i) (A ) = A
1.2.14
Matriz esparsa
3 0 0 0 0
Exemplo: T = 0 2 0 7 0
0 0 0 0 1
importante citar que existira uma grande economia computacional se somente os
E
elementos nao nulos da matriz forem armazenados.
1.2.15
|aij |, i = 1, 2, . . . , n, isto e,
j=1,j6=i
o modulo do elemento da matriz na diagonal principal e maior que a soma dos modulos
de todos os demais
valores (n
ao-diagonais) daquela linha.
13 0 2
Exemplo: T = 7 9 0
5 2 8
1.3
1.3.1
Operaco
es com matrizes
Igualdade de matrizes
Duas matrizes Amn = [aij ] e Bmn = [bij ] serao iguais, denotado por A = B, se
ai,j = bi,j para todo 1 i m e 1 j n.
0 x 1
0 5 1
z 2 0
4
2 0
x = 5, y = 2 e z = 4.
1.3.2
Adic
ao de matrizes
Defini
c
ao: Dadas as matrizes Amn = [aij ] e Bmn = [bij ] chama-se adicao de A com
B, denotado por A + B, `a matriz Cmn = [cij ] tal que cij = aij + bij para todo 1 i m
e 1 j n.
0 5 1 9
Exemplo: Sejam A = 5 0 2 8
4
2 0 2
1 1 1 3
e B = 2 3 1 4 , entao,
1 5 1 1
0+1
5 + 1 1 + (1) 9 + 3
A + B = 5 + 2
0+3
2+1
8+4
4 + (1) 2 + 5
0+1
2 + 1
1 4 0 12
= 3 3 3 12
3
7 1 1
Note que a adicao de matrizes somente esta definida quando a matrizes a serem somadas possurem a mesma ordem.
Propriedades: Sejam as matrizes Amn , Bmn e Cmn , entao:
i) A + B = B + A (propriedade comutativa)
ii) A + (B + C) = (A + B) + C (propriedade associativa)
iii) A + 0 = A (existencia do elemento neutro), onde 0 e a matriz nula de ordem m n.
iv) (A + B) = A + B
1.3.3
Multiplicac
ao por escalar
Defini
c
ao: Sejam uma matriz Amn = [aij ] e um escalar k. Chama-se multiplicacao
do escalar k pela matriz A, denotado por kA, `a matriz Pmn = [pij ] tal que pij = k aij
para todo 1 i m e 1 j n.
Exemplo: Sejam A =
2 1
3
1 5
e k = 2, entao:
2A =
2 2 2 (1)
23
20
21
22
2 (1) 2 5
4 2
6
2 10
AB
0 2 1
2 1
Exemplo: Sejam A = 3 1
1 eB= 0 5
2 2 4
1 1
0 2 2 + 1 1 3
AB = 30 15
2 1 2 + 1
1.3.4
=A
+ (B).
3
1 , entao,
2 1 4
11 = 3
1
44
Transposic
ao
4
1
0 .
Defini
c
ao: Dada uma matriz Amn = [aij ] chama-se transposta de A, denotada por
AT , `a matriz AT = [bij ]nm tal bij = aji .
Propriedades: Sejam as matrizes Amn e Bmn e o escalar k, entao:
i) (A + B)T = AT + B T
ii) (AT )T = A
iii) (kA)T = k.AT
Defini
c
ao: Uma matriz complexa Amn = [aij ] e chamada de hermitiana ou auto
adjunta se A = A, onde A e a transposta da matriz conjugada de A (A = (A)T ).
1.3.5
Multiplicac
ao de matrizes
Defini
c
ao: Dadas as matrizes Amn = [aij ] e Bnp = [bjk ] define-se o produto das
matrizes A por B nesta ordem, denotado por AB, `a matriz Cmp = [cik ] com
cik =
n
X
aij bjk
(1.1)
j=1
2 1
1
4 2 0
eB=
5 1 3
n
X
j=1
c11 =
2
X
j=1
c12 =
2
X
j=1
c13 =
2
X
j=1
c21 =
2
X
j=1
c22 =
2
X
j=1
c23 =
2
X
j=1
Assim C = AB =
3 3
19 5
1 2
2 2 3
pode ser escrito como:
6
1
2
2
=
4
+
1
+
2
11
3
1
1 .
4
2
2
3
e
igual
a
1
11
2
4
, que
Nesse caso diz-se que a matriz 11 e uma combinacao linear das matrizes 3 ,
4
2
2
2
2
3
a11
a12
a1n
..
..
..
.
.
.
x1
x2
..
.
xn
a11
a21
=
..
.
am1
10
a12
x1 + 22
..
am2
a1n
x2 + 2n
..
amn
xn
0, se i 6= j
= [bij ], em que aij =
i, se i = j
1, se i 6= j
, determine o elemento c34 da matriz produto AB.
e bij =
i2 , se i = j
Empregando a definicao de produto matricial dada em 1.1 cik =
n
X
j=1
c34 =
5
X
a3j bj4
j=1
= a31 b14 + a32 b24 + a33 b34 + a34 b44 + a35 b54
= 0 1 + 0 1 + 3 1 + 0 42 + 0 1 = 3
Defini
c
ao: Se A e uma matriz quadrada escreve-se A2 = A A, A3 = A A A e
assim por diante. Considera-se A0 = I e A1 = A.
Exemplo 4.
Dada a
funcao f : R22 R22 tal que f (x) = x2 3x + 2. Determine
1 0
. 3
f (A) para A =
4 2
f (A) = A2 3A + 2I
f (A) = A A 3A + 2I
1 0
1 0
1 0
1 0
3
+ 2
f (A) =
4 2
4 2
4 2
0 1
f (A) =
12 4
12 6
2 0
0 2
f (A) =
0 0
0 0
Observa
co
es sobre o produto matricial
a) A associatividade.
3
R22 e o conjunto de todas as matrizes reais de ordem 2 2 e, f : R22 R22 e uma funcao com
11
As matrizes A =
Porem A =
2 5
3 4
2 5
3 4
eB=
eB=
1 1
0 1
1 0
0 1
comutam.
nao comutam.
n
X
j=1
12
aij bjk .
Considere
c0ik
c0ik
n
X
Pn j=10 0
j=1 bij ajk
Pn
logo
1.3.6
Matrizes em blocos
1 0 0
1 2 1 4 7
2 3 1 0 0
X Y
2 3 1
, onde X =
, Y =
como A = 1 3 1 0 0 =
Z W
1 3 1
1 2 1 4 7
0 0
, Z = 1 2 1 e W = 4 7 .
0 0
A vantagem da particao de uma matriz em blocos, vem do fato que as operacoes sobre
matrizes em blocos pode se feito operando-se os blocos, como se fossem elementos das
matrizes.
A
A12
11
A21 A22
Sejam as matrizes de blocos A =
Am1 Am2
13
B
B12 B1n
11
, B =
C
C12
11
C21 C22
eC=
Cm1 Cm2
C1p
C2p
, entao:
Cmp
kA11 kA12
kA21 kA22
a) kA =
kAm1 kAm2
kA1p
kA2p
kAmp
A11 + C11
A12 + C12
A1p + C1p
Q
Q12
11
Q21 Q22
c) AB =
Qm1 Qm2
Q1n
Q2n
, em que Qij = Ai1 B1j + Ai2 B2j + + Aip Bpj
Qmn
1
Exemplo: Empregando matrizes de blocos efetue AB, onde A =
2 3 0 0
1 3 0 0
B = 1 2 0 0 .
0
0 1 1
0
0 2 1
2 3 0 0
2 3
0 0 0
1 3 0 0
1 3 0 0 0
AB =
1 2 0 0 =
.
0
0 1 4 7
0
0 1 1
0
0
1 1 2
0
0 2 1
14
0 0
3 0 0 0
,
0 1 4 7
0
1 1 2
2 3 0 0
1 3 0 0
1 3 0 0 0
. 1 2 0 0
AB =
0
0 1 4 7
0
0 1 1
0
0
1 1 2
0
0 2 1
X Y Z
=
F
W R T
G
=
W.E + R.F + T.G
X.E + 0 + 0
X.E
X.E
0
=
=
+
=
0 + R.F + T.G
R.F + T.G
R.F
T.G
4 + 3 6 9 0 0
0 0 0 0
2 3 3 + 9 0 0 0 0 0 0
=
=
+
1
2
4 4 0 0 14 7
1
2
1 1
0 0 4 2
7 15 0 0
5 12 0 0
1 2 18 3
1 2
5 1
2
1.4
0 0
Matriz inversa
Defini
c
ao: Dada uma matriz Amn , dizemos que uma matriz Gnm e uma inversa
`a esquerda da matriz A se e somente se GA = I. Analogamente H nm e uma inversa `a
direita de A se AH = I.
Exemplo: Determine, se existirem, as inversas `a esquerda e `a direita da matriz A =
1 0 2
1 1 1
15
G= c
assim considere:
a b
1 0 0
1 0 2
=
0 1 0
c d
1 1 1
0 0 1
e f
ab=1
b=0
2a + b = 0
cd=0
,
d=1
2c + d = 0
ef =0
f =0
2e + f = 1
que e um sistema de equacoes lineares incompatvel, assim, a matriz A nao possui inversa
`a esquerda.
(ii) Inversa `a direita (H):
Como a matriz A possui ordem 2 3 a matriz inversa `a direita, caso exista, tera ordem
3 2, assim considere:
a b
e f
16
a + 2e = 1
a b
b + 2f = 0
1 0 2
1
0
c d =
1 1 1
0 1
a + c + e = 0
e f
b + d + f = 1
a = 1 2e
b = 2f
Substituindo as duas u
ltimas igualdades nas equacoes (3) e (4) iniciais, vem:
a = 1 2e
b = 2f
(1 2e) + c + e = 0 c = 1 3e
(2f ) + d + f = 1 d = 1 3f
eR
f R
Como o sistema apresentou-se indeterminado, existem varias matrizes inversas `a direita da matriz A e, escreve-se:
1 2e 2f
H = 1 3e 1 3f , e R, f R
e
f
Veja que a medida que forem atribudos valores aos parametros e e f , serao obtidas
as diversas matrizes inversas `a direita.
Teorema: Se existirem inversas `a esquerda e `a direita de uma matriz quadrada A elas
serao iguais e essa inversa sera u
nica.
demonstracao: Sejam G e H as inversas de A `a esquerda e `a direita, respectivamente,
assim GA = I e AH = I. Mas G = G.I = G(AH) = (GA)H = I.H = H. Para provar
a unicidade suponha que exista G0 que tambem seja uma inversa `a esquerda de A, logo
como feito anteriormente chega-se a G0 = H entao G0 = G, ou seja a inversa e u
nica.
Teorema: Seja Amn uma matriz retangular, m 6= n. Se m < n A nao possui inversa
`a esquerda e se m > n A nao possuira inversa `a direita.
Observacao. Veja que o teorema acima nada afirma com respeito a existencia de uma
matriz inversa, somente afirma que em determinado lado nao havera inversa.
17
Defini
c
ao: Se existirem inversas `a esquerda e `a direita de uma matriz A ela sera dita
inversvel, regular ou nao singular e essa inversa (
unica) sera denotada por A1 .
Teorema: Uma matriz e inversvel se e somente se for quadrada e seu determinante
for diferente de zero.
Teorema: Se A e B forem matrizes inversveis, entao:
i) (A1 )1 = A
ii) (AT )1 = (A1 )T
iii) (AB)1 = B 1 A1
iv) Para todo k R a matriz k.A e inversvel e (k.A)1 =
1 1
A
k
v) An = (A1 )n = A1 .A1 A1
Prova:
(i) (A1 )1 = X (A1 )(A1 )1 = A1 X I = A1 X A = X.
Propriedades: Se A e B forem matrizes inversveis, entao:
i) Se A e uma matriz inversvel, entao A.AT e AT .A sao tambem inversveis.
ii) Se A e uma matriz simetrica inversvel, entao A1 e simetrica.
iii) A inversa de uma matriz triangular inferior e uma matriz triangular inferior.
iv) A inversa de uma matriz triangular superior e uma matriz triangular superior.
1.4.1
Equival
encia de matrizes
Defini
c
ao: Chamam-se operacoes elementares por linhas de uma matriz A = [aij ] de
ordem m n:
op.1) A permuta de duas linhas de A.
18
1
2 1
1 1 0
superior que seja equivalente por linhas a A.
Como foi pedido para se determinar uma matriz equivalente por linhas `a matriz A,
basta escalonar, por linhas a matriz A ate obter-se uma matriz triangular superior.
1
2 1
1 2 1
1 1
3 L2 L2 + L1 0 3
2
1 1 0
1 1 0
0 3
1 1
0
L3 L3 L1
1
L3 L3 + L2
0 3
0 3
0 3
0 3
1 2 1
0 3
0 0
1 2 1
0 0 3
matriz A.
2 1 2
3 2 2
19
2 1 2
L L2
1
1 1 0
3 2 2
1 1 0
2 1 2
3 2 2
1 1 0
2 1 2 L2 L2 2L1
3 2 2
L3 L3 3L1
1 1 0
0 1 2
L3 L3 L2
0 1 2
1 1 0
0 1 2
0 1 2
1 1 0
0 1 2
0 0 0
1 1 0
0 0 0
matriz A.
importante observar que as operacoes elementares op.1 e op.2 nos
Observacao: E
fornecem outra operacao, nao elementar, mas que pode ser de muita utilidade:
Li cLi + dLj
Defini
c
ao: Uma matriz m n e dita escalonada, ou em forma de escada, se:
a) As linhas nulas ocorrem depois das linhas nao nulas.
b) Se o primeiro nao nulo de uma linha ocorrer na coluna k entao o primeiro elemento
nao nulo da linha seguinte devera estar depois da coluna k.
Defini
c
ao: Chama-se matriz escalonada reduzida por linhas a uma matriz A tal que:
a) A matriz e escalonada.
b) Cada coluna que contem o primeiro elemento nao nulo de alguma linha tem todos os
outros seua elementos iguais a zero.
c) O primeiro elemento nao nulo de linha e 1.
20
Teorema: Toda matriz Amn sobre um corpo F e equivalente por linhas a uma u
nica
matriz B, escalonada reduzida por linhas.
Defini
c
ao: Chama-se matriz elementar `a matriz que e obtida a partir da matriz
identidade utilizando-se uma u
nica operacao elementar sobre as linhas da matriz identidade.
1 0 0
1
0
0 2
0 0 1
1 0 0
1 0
eD=
que C =
1 2 0 nao sao matrizes elementares.
1 2
0 0 1
Teorema: Matrizes elementares sao inversveis e suas inversas sao matrizes elementares
do mesmo tipo.
Teorema: Qualquer operacao elementar sobre as linhas de uma matriz Amn pode se
obtida multiplicando-se a matriz A pela matriz elementar E, `a esquerda, onde E e obtida
aplicando-se `a matriz identidade a operacao elementar desejada.
1 0
3 5
3 5
=
e o mesmo que aplicar a operacao
Exemplo:
1 1
1 2
4 3
elementar L2 L2 + L1 .
Teorema:Uma matriz Amn e equivalente por linhas a uma matriz Bmn se e somente
se existe uma matriz P produto de matrizes elementares, onde A = P B.
Teorema: Uma matriz A quadrada sera inversvel se e somente se for equivalente por
linhas `a matriz identidade.
demonstracao:
() Seja A inversvel e B a matriz escalonada reduzida por linhas equivalente a A. Entao
existe uma matriz P , que e produto de matrizes elementares, tal que B = P A. Pelo fato
de A ser inversvel tem-se det(A) 6= 0 e como P e o produto de matrizes elementares
tem-se tambem que det(P ) 6= 0, logo det(B) 6= 0 o que implica que B nao possui linhas
21
1.4.2
C
alculo da inversa empregando operac
oes elementares
1 0 0
0 0 1
1 0 0 1 0 0
1 2 0 0 1 0 L2 L2 L1
0 0 1 0 0 1
1 0 0 1 0 0
0 2 0 1 1 0 L2
0 0 1 0 0 1
1 0 0
1
0 0
0 1 0 1/2 1/2 0
0 0 1
0
0 1
A1
1
0 0
= 1/2 1/2 0
0
0 1
L2
2
22
0 1 2
1 3 8
0 1 2 1 0 0
1 2 1 0 1 0 L2 L1
1 3 8 0 0 1
1 2 1 0 1 0
0 1 2 1 0 0
L3 L3 + L1
1 3 8 0 0 1
1 2 1 0 1 0
L L1 2L2
0 1 2 1 0 0
L3 L3 5L2
0 5 9 0 1 1
1 0 3 2 1 0
0 1 2
1 0 0
0 0 1 5 1 1
L L1 3L3
1
L2 L2 + 2L3
1 0 0 13 2 3
0 1 0 9 2
2
L3 L3
0 0 1 5 1
1
1 0 0 13 2 3
0 1 0 9 2
2
0 0 1 5 1 1
A1
13 2 3
= 9 2
2
5 1 1
23
1.4.3
C
alculo da inversa empregando matrizes de blocos
P Q
X Y
, assim pode-se escrever:
Considere que A1 =
Z W
P Q
R S
Z W
Ik
Ink
P X + QZ = Ik
(1)
P Y + QW = 0
(2)
RX + SZ = 0
RY + SW = I
nk
(3)
(4)
W = (S RP 1 Q)1
Y = P 1 QW
Z = W RP 1
X = P 1 P 1 (QZ)
Exemplo:
Determine, empregando
matrizes de blocos, a inversa de
1 0
3
1
0 0.5 4
2
.
A=
5 3 10 7
6 4 14 10.5
24
Tome: P =
, Q =
3 1
,R =
5 3
0 0.5
4 2
6 4
1 0
3 1
escreve-se P 1 Q =
=
0 2
8 4
Como P 1
1 0
W = (S RP 1 Q)1 =
0 2
3 2
Y = P 1 QW =
8 8
assim,
5
6
Z = W RP 1 =
12 16
26
34
X = P 1 P 1 (QZ) =
88 114
26 34 3 2
88 114 8 8
X Y
=
=
5
Z W
6 1 0
12 16 0 2
A1
1.5
Execcios
1,
(b) B33 = [bij ] onde bij =
0,
i=j
i 6= j
i, i=j
(d) D14 = [dij ] onde dij =
j , i 6= j
2. Determine a matriz transposta de:
i, i=j
(a) D14 = [dij ] onde dij =
j , i 6= j
25
e S =
10
14 10.5
i, i=j
(b) I33 = [iij ] onde iij =
0 , i 6= j
i+j , i=j
(c) E32 = [eij ] onde eij =
1 j , i 6= j
4. Determine x e y em
x y
1 0
8 z
x 2
3 x+1
1 7
y+4
2
2
x +4
8 x+y
5. Dadas as matrizes A =
7 y
5
eB =
12
53
calcular x e y de
modo que A = B.
2 3 8
3 7 1
7 8 3
6. Dadas as matrizes A = 5 9 6 , B = 4 2 5 e C = 4 3 2 .
7 4 1
0 9 4
9 5 1
Calcular:
(a) A + B
(b) C A
(c) 3A 2B + 4C
7. Forneca um exemplo de uma matriz de ordem 3 3 que seja antisimetrica. (nota:
uma matriz e dita
a b
8. Seja A = d e
g h
antisimetrica se AT = A)
f . Calcule:
(a) A AT
(b) A + AT
9. Dadas as matrizes A =
, B =
4 2
mine X tal que 3X + B = 2A C.
26
2 2
5
eC =
2 1
, deter-
10. Dadas as matrizes A =
2X + Y = 3A B
.
X 2Y = 5A + 2B
1 0
4 2
eB=
0 2
2 1
resolva o sistema
1 2 1
4 6 3
. Calcule (AB)T e
12. Dadas as matrizes A = 3 7 e B =
3 5 8
2 4
B T AT verificando a igualdade (AB)T = B T AT
4
13. Verdadeiro ou falso? Se a afirmacao for verdadeira prove, caso falsa de um contraexemplo.
(a) A matriz nula O33 e uma matriz diagonal.
(b) A matriz identidade I33 e triangular inferior.
(c) Toda matriz escalar e triangular superior.
(d) O produto de duas matrizes quadradas sempre existe.
(e) Existem matrizes quadradas nao nulas que elevadas ao quadrado resultam na
matriz nula.
(f) AX = AY implica em X = Y para qualquer matriz A.
(g) (A B)(A + B) = A2 B 2
(h) Se A e uma matriz triangular superior entao AT e triangular inferior.
(i) Seja Ann entao AAT e simetrica.
(j) O produto de matrizes triangulares inferiores (superiores) de mesma ordem e
outra matriz triangular inferior (superior) de mesma ordem.
(k) (A + B)2 = (A + B)(A + B)
(l) Uma matriz escalar de ordem m m comuta com todas as matrizes de ordem
m m.
27
1 2
3 1
17. Uma rede de comunicacao tem cinco locais com transmissores de potencias distintas. Estabelecemos que aij = 1, na matriz a seguir, significa que a estacao i pode
transmitir diretamente `a estacao j, e aij = 0 significa que a transmissao da estacao
i nao alcanca a estacao j.
0 1 1 1 1
1 0 1
A= 0 1 0
0 0 1
0 0 0
1 0
1 0
0 1
1 0
1 0
(a) A =
0 2
28
1 0
(b) B = 0 1
0 0
cos(x)
(c) R =
sen(x)
sen(x)
cos(x)
5
4
(a) A2 =
6 5
0 1
(b) A2 =
0 0
1 1
22. Dada uma matriz Ann = [aij ], entao o traco de A, denotado tr(A), e definido como
i=n
X
a soma de todos os elementos da diagonal principal de A, isto e, tr(A) =
aii .
i=1
Mostre que:
(a) tr(A + B) = tr(A) + tr(B).
(b) tr(AT ) = tr(A)
(c) tr(AT A) 0
23. Calcule o traco de uma matriz escalar de ordem n n.
2 0
calcule A2 , A3 , An .
25. Sendo A =
0 3
1
1 2
2
3
n
26. Seja A =
1 . Usando o Octave, calcule a sequencia A, A , A , . . . , A , . . .
0
3
. Descreva o comportamento dessa sequencia matricial.
29
1
0 2
T
tem-se x Ax e positivo. Verifique se as matrizes A = 0
2 2 , B =
2 2 7
1 0 1
4 2 12
1 2 3
12 3 41
28. Uma matriz real
S e ortogonal se S T S
= SS T = I.
1/9 8/9 4/9
8/9 1/9
4/9
29. Descreva como determinaramos somente o elemento p7,4 da matriz P = AB, onde
A2312 e B129 .
1
inteiro positivo.
x
31. Encontre todas as matrizes
z
1 1
1 2
y
t
1 1
0 1
1
32. Verifique se a matriz X = 2 e solucao da equacao matricial AX = 2X com
1
3 2 0
A = 2 3 0 .
0
5 5
33. Determine uma matriz nao nula de ordem 2 2 tal que B 2 = 0.
3 2
X +Y =A+B
0
5
30
0 0
1 2
B = 3 0 e C = 2 1 .
5 5
4
2
35. Prove que se A e B sao matrizes simetricas entao AB sera simetrica se e somente
se AB = BA.
2 3 0 0 0
0
1 3 0 0 0
0
36. Calcule BA sendo A =
0 0 0 1 4 7
0 0 0 1 1 2
2 3 0
0
1 3
0
0
eB=
0 0 1 4
0 0
1 1
1 2
3 6
AB = 0.
38. Confirme as respostas encontradas utilizando o software Octave.
1 1 0
2 3 1
1 1 3
1 2 1
22
5 22
2
seja a inversa de A =
31
1 2 1
(a) A = 0 1 3
1 2 3
1 1 1
(b) B = 0 1 2
2 3 4
1 2 1
(e) E = 2 1 1
1 1 0
1 2 1
(d) D = 0 1 1
1 1 1
a
1 0 0 0
1 1 0 0
0
(h) H =
(g) G =
0
0 1 1 0
0
0 0 1 1
1 x
(e + ex ) 12 (ex ex )
(j) J = 2
1 x
1 x
x
x
(e
e
)
(e
+
e
)
2
2
3 1 5 0
0 2
0 1
(c) C =
2 0 1 3
1 1 2 0
i
3
2 i
3 i 1
i
(f ) F =
2 1 1 0
i i
0
1
0 0 0
cos() sen()
b 0 0
(i)I =
1 c 0
sen() cos()
0 0 d
42. Uma maneira para codificar uma mensagem e atraves da multiplicacao de matrizes. Vamos associar as letras do alfabeto aos n
umeros, segundo a correspondencia
seguinte:
A
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
matriz 3 3 assim: A
15 20 23
M = 1 0 21
9 4 1
mensagem
seja PUXA VIDA. Podemos formar uma
U X
D A
1 0 1
C = 1 3 1
0 1 1
Multiplicamos nossa matriz da mensagem por C, obtendo M.C,
32
15 20 23
1 0 1
5 83 58
9 4 1
0 1 1
5 13 14
matriz(na pratica, envia-se a cadeia de n
umeros 5, 83, 58, 1, 21, 22, 5, 13, 14). Quem
recebe a mensagem decodifica-a atraves da multiplicacao pela inversa(M.C).C 1 =
M e posterior transcricao dos n
umeros por letras. C e chamada matriz chave para
o codigo.
(a) Voce recebeu a mensagem: 12, 48, 23, 2, 42, 26, 1, 42, 29. Utilizando a mesma
matriz chave traduza a mensagem.
(b) Acontece que o inimigo descobriu
sua chave.O seu comandante manda voce
1 1 1
0 0 2
CRETINO...a ele. Por que nao sera possvel a ele decodificar sua mensagem?
(c) Escolha uma matriz chave que de para codificar palavras ate 16 letras. Codifique e descodifique `a vontade! Se possuir algum software que faca o produto
de matrizes, o utilize neste tem.
43. Verdadeiro ou falso? Se a afirmacao for verdadeira prove, caso falsa de um contraexemplo.
(a) Se a matriz A possui uma linha nula entao AB tambem tem uma linha de
elementos nulos.
(b) Se a matriz A possui uma coluna nula entao AB tambem tem uma coluna de
elementos nulos.
(c) Se A e B sao matrizes diagonais n n entao AB = BA.
(d) Se AAT = 0 entao A = 0.
(e) A inversa de uma matriz triangular superior e uma matriz triangular inferior.
(f) Se tr(AAT ) = 0 entao A = 0.
(g) Sejam duas matrizes A e B de ordem n n equivalentes por linhas. A e
inversvel se e somente se B e inversvel.
(h) Se A, B e C sao matrizes n n, entao (ABC)1 = C 1 A1 B 1 .
33
2 1 1
1 3 0
1
1
47. Se A = 0 1 1 e B = 0 0 2 . Calcule (AB)1 .
1 1 1
1 1 4
0 1 2
1 3 8
tuir X por uma matriz generica.
34
cos(x)
sen(x)
sen(x) cos(x)
e A1 =
cos(x) sen(x)
sen(x)
cos(x)
51. Resolva, novamente, os exerccios 39, 40, 41, 42, 47 e 48 utilizando o Octave.
35
Captulo 2
Determinantes
2.1
Definic
oes
Defini
c
ao: Seja S = {1, 2, 3, . . . , n} o conjunto de todos os n
umeros inteiros de 1
a n, dispostos em ordem crescente. Uma outra ordem j1 , j2 , . . . , jn dos elementos de S
e chamada uma permutacao de S.
Defini
c
ao: Uma permutacao j1 , j2 , . . . , jn de Sn = {1, 2, 3, . . . , n} tem uma
inversao se um inteiro jr precede um inteiro menor js . Uma permutacao e denominada
par se o n
umero total de inversoes e par. Uma permutacao e denominada mpar se o
n
umero total de inversoes e mpar.
Exemplo 1: Seja S4 = {1, 2, 3, 4}. A permutacao (4, 1, 3, 2), que representaremos
por 4132, tem 4 inversoes: o 4 antes do 1, o 4 antes do 3, o 4 antes do 2, o 3 antes do 2.
Portanto, a permutacao 4132 de S4 e uma permutacao par, pois tem um n
umero par de
inversoes.
Exemplo 2: Seja S2 = {1, 2}. A permutacao 12 nao tem nenhuma inversao. Logo,
e uma permutacao par. Ja a permutacao 21 e uma permutacao mpar, pois tem apenas
uma inversao, o 2 antes do 1.
Defini
c
ao: Seja Amm uma matriz quadrada, define-se como determinante de A, de36
P
()a1j1 .a2j2 .a3j3 . . . amjm , onde o somatorio
det(A) =
X
()a1j1 .a2j2 .a3j3
Como S3 = 1, 2, 3, entao as permutacoes sao 123, 132, 213, 231, 312, 321 com,
respectivamente, 0, 1, 1, 2, 2, 3 inversoes. Assim,
det(A) = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31
2.2
Propriedades
37
(iv) Se Be uma matriz obtida multiplicando-se uma linha (ou coluna) de A por um
n
umero real k, entao det(B) = kdet(A). Consequentemente, det(kB) = k n det(A)
se Ann .
(v) Se substituirmos uma linha r (ou coluna r) pela soma dos elementos de r com os correspondentes elementos de uma linha s (ou coluna s) multiplicada por uma constante
k nao nula, com r 6= s, obtendo-se assim uma matriz B, entao det(B) = det(A).
(vi) Se A e uma matriz triangular superior ou inferior, entao det(A) = a11 .a22 . . . . .ann ,
isto e, o determinante de A e igual ao produto dos elementos da diagonal principal.
(vii) det(AB) = det(A).det(B).
(viii) det(A1 ) =
1
, se A e inversvel.
det(A)
2.3
m
X
j=1
1 1
1 1
Exemplo. Calcule o determinante da matriz A =
1 0
3 2
det(A) =
1 1
1 0
38
0
2
1
det(A) =
1 0
3 1 1 2
1 1
5 2
6 3
3 1 1 2
1 1 0 1
5 2 0 3
6 3 0 4
det(A) =
4+3
0(1) 1
1 1
det(A) =
det(A) =
L3 L3 + 2L1
L4 L4 + L1
1 1 1
(1)(1)1+3 5 2 3
6 3 4
1 2
1 1
2 3
3 1 2
+ (0)(1)2+3 5 2 3
6 3 4
det(A) = (1) 8 + 15 + 18 12 9 20
det(A) = 0
39
3 1 2
+ 0(1)3+3 1 1 1
6 3 4
2.4
Execcios
1 2 3
1 4 1
Depois confirme o resultado utilizando a regra de Sarrus e o Octave.
1 2
3 1
eB=
, calcule:
3. Dadas as matrizes A =
1 0
0 1
(a) det(A) + det(B)
(b) det(A + B)
4. Sejam A e B matrizes de ordem n n. Se a afirmacao for verdadeira justifique, caso
falsa de um contra-exemplo.
(a) det(AB) = det(BA)
(b) det(AT ) = det(A)
(c) det(2A) = 2det(A)
(d) det(A2 ) = (det(A))2
(e) Se det(A) = 1 entao A1 = A
(f) det(AT B T ) = det(A).det(B T ).
(g) Se A = A1 entao det(A) e somente igual a 1.
5. Calcule o determinante das seguintes matrizes:
3 1 5 0
0 2
0 1
(a) A =
2 0 1 3
1 1
2 0
40
i
3
2
3 i 1
(b) B =
2 1 1
i i
0
1
0
0
3 2 0
(c) C = 2
1 1
2 4
0
3 5
8
0 0
0 0
1 0
4 2
1 2 1
7. Sendo A = 1 0
1 determine os valores tais que det(A I) = 0.
4 4 5
41
Captulo 3
Sistemas de equac
oes lineares
3.1
Conceitos
a11 x1
a x
21 1
S:
a31 x1
a x
m1 1
+ a12 x2
+ a13 x3
+ + a1n xn
= b1
+ a22 x2
+ a23 x3
+ + a2n xn
= b2
+ a32 x2
+ a33 x3
+ + a3n xn
= b3
2x + y = 9
S:
e S1
2x + 2y = 0
2x + y = 9
:
+ 3y = 9
Exemplos
1. Resolver os seguintes sistemas de equacoes lineares:
x + 2y 3z = 3
2x y + z = 3
a)
x y z = 4
2x
3z = 4
3 3
2 1 1
3
1 1 1 4
2
0 3 4
1
2 3 3
2 1 1
3
1 1 1 4
2
0 3 4
L2 L2 2L1
L3 L3 + L1
L4 L4 2L1
3 3
0 5 7
9 L2 L3
0 1 4 7
0 4 3
2
1 2 3 3
0 1 4 7
0 5 7
9 L3 L3 + 5L2
0 4 3
2
L4 L4 + 4L2
1 2
0 1 4 7
0 0 13 26
0 0 13 26
L4 L4 L3
44
x + 2 1 3 2 = 3 x = 1
1 2 3 3
0 1 4 7
y 4 2 = 7 y = 1
0 0 13 26 13z = 26 z = 2
0 0 0
0
x + 2y 3z + w = 3
b)
2x y + z 2w = 3
x 8y + 11z 7w = 9
1 2 3 1 3
2 1 1 2 3
1 8 11 7 9
2 1 1 2
1 8 11 7
3 L2 L2 2L1
9
L3 L3 L1
0 5 7 4
0 10 14 8
L3 L3 2L2
12
1 2 3 1 3
0 5 7 4 9
0 0
0
0 6
0w = 6 Sistema incompatvel
45
3x + 2y z w = 3
c)
2x y + z 2w = 3
x 3y + 2z w = 6
3
2 1 1 3
2 1 1 2 3
1 3 2 1 6
3
2 1 1 3
2 1 1 2 3 L2 L2 L1
1 3 2 1 6
3
2 1 1 3
1 3 2 1 6
L3 L3 L2
1 3 2 1 6
3
2 1 1 3
1 3 2 1 6 L2 3L2 + L1
0
0
0
0
0
0 7
0 0
1 1 3
5
5z 4w 15
15 7y + 5z 4w = 15 y =
7
0
3x + 2y z w = 3 3x + 2
2. Discutir os
a)
2x
5z 4w 15
z + 5w + 3
z w = 3 x =
7
7
= 1
y + bz = 3
y
= a
1 1 1 1
2 1 b 3
1 1 1 a
46
1 1 1 1
2 1 b 3 L2 L2 2L1
1 1 1 a
L3 L3 + L1
1
1 1 1
0 1 b+2
1
0 2 2 a + 1
L3 L3 + 2L2
1 1
1
1
0 1 b+2
1
0 0 2b + 2 a + 3
(2b + 2)z = a + 3
x + y + a2 z = 1
b)
bx + y + abz = 1
b2 x + by a3 z = ab
1 1 a
1
b 1 ab 1
b2 b a3 ab
1
1 1 a
b 1 ab 1
b2 b a3 ab
L2 L2 bL1
L3 L3 bL2
1
1
a
1
0 1 b ab a2 b 1 b
0
0
a3 ab2 ab b
1
1
a
1
0 1 b ab(1 a)
1b
0
0
a(a2 + b2 ) b(a 1)
3.2
Exerccios
a)
+ 2y + 3z = 9
2x
3x
2x
b)
2x
= 8
= 3
x + 2y + 3z + 4w = 5
c)
x + 3y 5z + 7w = 11
x
z 2w = 6
+ 2z 5t =
+ 5y
9t =
+ 3t = 11
3y + 2z + 7t =
x + 2y + 2z = 0
d)
x + 3y + 2z = 0
2x + y 2z = 0
x + 2y + z + w = 0
x + 2y = 0
f
)
e)
x
+ w = 0
x 2y = 0
x + y + z
= 0
x
1 1 1
4
.
g)
y =
2 5 2
3
z
x2
14
1 3 2
3 7
h) 2 6 1 2 5 . x3 = 2
x4
1
1 3 1 0
2
x5
2. Resolva os sistemas anteriores usando o comando \ do Octave.
3. Resolva os sistemas anteriores usando o comando rref do Octave.
48
3
3
x +
=
1
+ 0.001y
= 0.001
+ 0.0001z = 0.0001
1.01
0.011
0.0099
1.0021
e resolva novamente por escalonamento e tambem pelo Octave. Compare as solucoes.
O que sera que aconteceu com o software?
6. Sabe-se que uma alimentacao diaria equilibrada em vitaminas deve constar de 170
unidades de vitamina A, 180 unidades de vitamina B, 140 unidades de vitamina
C, 180 unidades de vitamina D e 350unidades de vitamina E. Com o objetivo de
descobris como devera ser uma refeicao equilibrada, foram estudados 5 alimentos.
Fixada a mesma quantidade (1g) de cada alimento, determinou-se que:
i) O elemento I tem 1 unidade de vitamina A, 10 unidades de vitamina B, 1 unidade
de vitamina C, 2 unidades de vitamina D e 2 unidades de vitamina E.
ii) O elemento II tem 9 unidade de vitamina A, 1 unidades de vitamina B, 0 unidade
de vitamina C, 1 unidade de vitamina D e 1 unidade de vitamina E.
iii) O elemento III tem 2 unidades de vitamina A, 2 unidades de vitamina B, 5
unidades de vitamina C, 1 unidade de vitamina D e 2 unidades de vitamina E.
iv) O elemento IV tem 1 unidade de vitamina A, 1 unidade de vitamina B, 1
unidade de vitamina C, 2 unidades de vitamina D e 13 unidades de vitamina
E.
v) O elemento V tem 1 unidade de vitamina A, 1 unidade de vitamina B, 1 unidade
de vitamina C, 9 unidades de vitamina D e 2 unidades de vitamina E.
Quantos gramas de cada um dos alimentos I, II, III, IV e V devemos ingerir para
que nossa alimentacao seja equilibrada?
49
7. Discutir os
ax
a)
ax
seguintes sistemas:
+
az =
= 2a
+ ay
x + y + z = 1
b)
x + ay + z = 1
x + y + az = 1
ax + 2y = 6
c)
3x y = 2
x + y = 0
x + ay z = a
d)
x y + az = a2
ax + y + z = ab
x 4y + a2 z = a2
f)
g)
2x + 2y 2az = ab
4x y + 4z = b2
2sen()
4sen()
x + y z = 1
2x + 3y + az = 3
x + ay + 3z = 2
+
cos()
= 1
+ 4cos() tg() = 0
angulos incognitos , e , em que 0 2, 0 2 e 0 .
a b
. Mostre que A e equivalente por linhas a I2 se e somente
11. Dada a matriz
c d
se ad bc 6= 0.
1 0 5
0 1 4
50
e (A 2I)X = 0.
13. Considere Amn e Bm1 6= 0. Mostre que se X1 e uma solucao do sistema AX = B e
Y1 e uma solucao do sistema associado AX = 0 entao X1 + Y1 e solucao de AX = B.
14. Sejam A uma matriz m n e B uma matriz n m, com n < m. Mostre que AB
nao e inversvel. (Dica: Mostre que o sistema (AB)X = 0 tem solucao nao trivial,
isto e, e indeterminado.)
51
Captulo 4
Vetores
4.1
Conceitos
4.1.1
Segmento orientado
4.1.2
Segmentos equipolentes
52
Propriedades
(i) Reflexiva: AB AB.
(ii) Simetrica: Se AB CD entao CD AB.
(iii) Transitiva: AB CD e CD EF entao AB EF
(iv) Dados um segmento orientado AB e um ponto C, entao existe um u
nico ponto D
tal que AB CD.
(v) Se AB CD entao BA DC.
(vi) Se AB CD entao AC BD.
(vii) Todos os segmentos nulos sao equipolentes entre si.
4.1.3
Classe de equival
encia
4.2
Vetor
que um vetor
v nao esta fixo em um determinado ponto do espaco ao qual ele pertence.
Assim, pode-se escrever:
A+
v = B, ou ainda,
v = B A.1
Exemplos:
1
53
1. Determine o vetor
v = AB em que A(1, 2, 4) e B(0, 3, 1).
4.2.1
Vetor nulo
4.2.2
Vetor unit
ario
Um vetor
v e unitario se |
v | = 1.
4.2.3
Versor
Dado um vetor
v nao nulo, seu versor, denotado por vers
v , e o vetor unitario de
4.2.4
Vetor oposto
4.3
Operaco
es com vetores
4.3.1
Adic
ao de vetores
por
u +
v , ao vetor obtido por meio do seguinte procedimento: Dado um ponto A
54
Associativa. (
u +
v)+
w =
u + (
v +
w)
Comutativa:
u +
v =
v +
u
Elemento neutro.
u + 0 =
u
Elemento oposto:
u + (u) = 0
Lei do cancelamento: Se
u +
v =
u +
w entao
v =
w
Prova da propriedade comutativa.
V1
V2+V1
V +V
1
O+
v1 = A
v1 = A O
Como
A+
v2 = P
v2 = P A
Logo
v1 +
v2 = P O. (1)
O+
v2 = B
v2 = B O
E como
B+
v =P
v =P B
1
vem
v2 +
v1 = P O. (2)
4.3.2
Multiplicac
ao por escalar
1. Definic
ao: Dados um vetor
v e um escalar K. Chama-se multiplicacao do escalar
K pelo vetor
v , denotado por k
v , ao vetor k
v tal que:
v e K
v possuem a mesma direcao.
v e K
v terao mesmo sentido se K > 0 e terao sentidos contrarios se K < 0.
55
|K
v | = |K||
v|
Propriedade comutativa.
v =
v
4.3.3
Subtrac
ao de vetores
4.3.4
Exemplos
v e
w que
1. Determine o modulo da soma e o modulo da diferenca de dois vetores
V2
V1+V2
V1
V2
V1V2
56
|
v +
w |2 = |
v |2 + |
w |2 2|
v ||
w |cos(180o )
Assim |
v +
w |2 = 42 + 62 2.4.6.cos(120o ).
Logo |
v +
w |2 = 16 + 36 + 24, assim |
v +
w | = 76.
Analogamente,
|
v
w |2 = |
v |2 + |
w |2 2|
v ||
w |cos()
Assim |
v
w |2 = 42 + 62 2.4.6.cos(60o ).
Logo |
v
w |2 = 16 + 36 24, assim |
v
w | = 28.
2. Dados dois vetores perpendiculares de modulo igual a 12 e 5, determine o modulo
da soma e o modulo da diferenca desses vetores.
3. Demonstre, vetorialmente, que o segmento determinado pelos pontos medios de dois
lados de um triangulo e paralelo ao terceiro lado e tem comprimento igual `a metade
deste terceiro lado. Do triangulo ABC da figura 4.3 vem (BA) = (CA)+(BC).
AB = 2M N
57
4.4
Express
ao cartesiana de um vetor
versores destes eixos i , j e k .
z
C
v
O
B
y
A
x
v = OP = OA + OB + OC
Mas como:
OA = x i ,
OB = y j e
OC = z k vem
v = OP = x i + y j + z k
4.4.1
Express
ao cartesiana do versor de um vetor
Dado o vetor
v = x i + y j + z k pode-se escrever:
x i +y j +zk
v
= p
vers( v ) =
|
v|
x2 + y 2 + z 2
x
y
z
k
vers(
v)= p
i +p
j +p
2
2
2
2
2
2
2
2
2
x +y +z
x +y +z
x +y +z
58
4.4.2
Operac
oes com vetores na forma cartesiana
v1 +
v2 = (x1 + x2 ) i + (y1 + y2 ) j + (z1 + z2 ) k .
v 1 = x1 i + y 1 j + z 1 k e o
2. Produto de um vetor por um escalar: Dado o vetor
escalar tem-se
v = x i + y j + z k
1
4.4.3
Exerccios
v1 = 2 i 3 j + k e
v2 = 2 i + j 2 k determine:
1. Dados os vetores
a)
v1 +
v2
b) 2
v1 + 3
v2
v = i +5j +2k e
w = i +2j + k.
4.5
Paralelismo de vetores
Dois vetores
u e
v serao chamados de paralelos se possuirem a mesma direcao, logo
pelo fato desses vetores possuirem a mesma reta suporte, eles irao diferir ou pelo sentido
ou pelo modulo, assim pode-se enunciar:
u = K
v
.
59
Corol
ario 4.2 Dois vetores
v 1 = x1 i + y 1 j + z 1 k e
v2 = x2 i + y2 j + z2 k serao
paralelos se somente se suas coordenadas homonimas forem proporcionais, isto e,
y1
z1
x1
=
=
x2
y2
z2
4.5.1
Exerccios
a) O vetor AB
b) O vetor
w paralelo a AB e tal que |
w | = 14
3. Verifique se os pontos A(2, 1, 0), B(3, 1, 1) e C(3, 3, 2) sao colineares.
4. Mostre que os pontos A(4, 0, 1), B(5, 1, 3), C(3, 2, 5) e D(2, 1, 3) sao vertices de um
paralelogramo.
5. Determine o ponto simetrico de A(3, 1, 2) em relacao ao ponto B(1, 0, 3).
6. Os vetores
v1 = 2 i 3 j + 6 k e
v2 = i + 2 j 2 k estao aplicados no mesmo
60
4.6
Coplanaridade de vetores
Tres vetores
u,
v e
w serao coplanares se possuirem imagens geometricas paralelas
ao mesmo plano.
av
u
bw
a e b tais que
u = a
v + b
w 3.
Corol
ario 4.4 Tres vetores
u = (x1 , y1 , z1 ),
v = (x2 , y2 , z2 ) e
w = (x3 , y3 , z3 ) serao
coplanares se e somente se
4.6.1
x1 y1 z1
x2 y2 z2 = 0.
x3 y3 z3
Exerccios
u = (3, 1, 2),
v = (1, 2, 1) e
w = (2, 3, 4) sao coplanares.
1. Verificar se os vetores
2. Verifique se os pontos A(1, 1, 1), B(2, 1, 3), C(0, 2, 2) e D(1, 0, 2) sao coplanares.
3. Determine o valor de m para que os pontos A(m, 1, 2), B(2, 2, 3), C(5, 1, 1) e
D(3, 2, 2) sejam coplanares.
61
4.7
que o vetor
v forma com os vetores i , j e k , respectivamente.
|v|
|v|
|v|
e satisfazem a
cos2 () + cos2 () + cos2 () = 1 .
4.7.1
Exerccios
v = (2, 3, 6).
1. Determine os cosenos diretores do vetor
Nesta expressao (
u = a
v + b
w ) diremos que
u e uma combinacao linear de
v e
w.
62
4.8
4.8.1
Definic
ao
por
u .
v , ao n
umero real
u .
v = |
u ||
v |cos() ,
(4.1)
u .
v > 0 quando cos() > 0, ou seja, quando
1. Sinal do produto escalar. Tem-se
u .
u = |
u ||
u |cos(0)
u .
u = |
u |2
|
u|=
u .
u
4.8.2
Interpretac
ao geom
etrica
|OP 0 |
cos() =
ou |OP 0 | = |
v |cos()
|v|
(4.2)
u .
v
|u|
assim (4.2) fica:
4.8.3
|
u .
v|
|OP 0 | =
|u|
Propriedades
Dados os vetores
v1 ,
v2 e
v3 e os escalares a e b tem-se:
1. Propriedade comutativa:
v1 .
v2 =
v2 .
v1
v1 ).(b
v2 ) =
2. Propriedade associativa do produto escalar em relacao aos escalares a e b: (a
(ab)
v .
v
1
3. Propriedade distributiva: (
v1 +
v2 ).
v3 =
v1 .
v3 +
v2 .
v3
4.8.4
Express
ao cartesiana do produto escalar
v2 = x2 i + y2 j + z2 k entao:
Sejam os vetores
v1 = x1 i + y1 j + z1 k e
v1 .
v2 = (x1 i + y1 j + z1 k ).(x2 i + y2 j + z2 k )
Aplicando as propriedades dadas em (2.1.3), vem:
v1 .
v2 = x1 x2 i . i + x1 y2 i . j + x1 z2 i . k + y1 x2 j . i + y1 y2 j . j + y1 z2 j . k +
+z1 x2 k . i + z1 y2 k . j + z1 z2 k . k
64
mas i . i = j . j = k . k = 1 e i . j = i . k = j . k = 0 tem-se
v1 .
v2 = x1 x2 + y1 y2 + z1 z2
4.8.5
Exerccios
u | = 4 e |
v | = 5, calcular |
u +
v | sabendo que o angulo entre os vetores
1. Dados |
u e
v e igual a 120o .
u = (1, a, 2) e
v = (2, 1, 4) sejam
5. Determine o valor de a para que os vetores
ortogonais.
e
v = (3, 1, 2).
u = (2, 3, 1)
7. Determine um vetor unitario simultaneamente ortogonal aos vetores
e
v = (6, 1, 1).
v = (2, 1, 1).
65
4.9
4.9.1
Definic
ao
A direcao de
u
v e ortogonal ao plano determinado por
u e
v.
u
v e aquele em que o triedro formado pelos vetores
u,
v e
u
v
O sentido de
e orientado positivamente.
|
u
v | = |
u ||
v |sen(), em que e o Angulo
formado por
u e
v.
4.9.2
Interpretac
ao geom
etrica
A = |
v1
v2 |.
66
4.9.3
Propriedades
Dados os vetores
v1 ,
v2 e
v3 e os escalares a e b tem-se:
v1 ) (b
v2 ) = (ab)(
v1
v2 )
1. Propriedade associativa em relacao aos escalares a e b: (a
2. Propriedade distributiva: (
v1 +
v2 )
v3 =
v1
v3 +
v2
v3 ou
v1 (
v2 +
v3 ) =
v
v +
v
v
1
3. Anti-comutativa:
v1
v2 =
v2
v1
v1
v2 = 0 entao
v1 = 0 ou
v2 = 0 ou os vetores sao paralelos.
4. Se
4.9.4
Express
ao cartesiana do produto vetorial
Sejam os vetores
v1 = x1 i + y1 j + z1 k e
v2 = x2 i + y2 j + z2 k entao:
v1
v2 = (x1 i + y1 j + z1 k ) (x2 i + y2 j + z2 k )
(4.3)
v1
v2 = x1 x2 i i +x1 y2 i j +x1 z2 i k +y1 x2 j i +y1 y2 j j +y1 z2 j k +
+z1 x2 k i + z1 y2 k j + z1 z2 k k
mas i i = j j = k k = 0 e i j = j i = k e i k =
k i = j e j k = k j = i assim
v1
v2 = x1 y2 k x1 z2 j x2 y1 k + y1 z2 i + x2 z1 j y2 z1 i
67
v1
v2 = (y1 z2 y2 z1 ) i + (x2 z1 x1 z2 ) j + (x1 y2 x2 y1 ) k
y
z
x
z
x
y
1
1
1
1
1
1
i
j +
v1 v2 =
k
y2 z2
x2 z2
x2 y 2
que, a partir do desenvolvimento por Laplace, pode
i j
v1
v 2 = x1 y 1
x2 y 2
4.9.5
ser escrita
z1
z2
Exerccios
i
j
k
u v = 1 3 2 = (3 2) i + (4 1) j + (1 6) k
2 1 1
u
v = 5 i + 3 j 7 k
v2 = 2 i + j k
i
j
k
v1 v2 = 1 1 1 = (0, 1, 1)
2
1 1
(0, 1, 1)
(0, 1, 1)
2 2
w =
=
,
= 0,
|(0, 1, 1)|
2 2
2
e
v2 = i + 2 j k .
A = |
v1
v2 |
i
j
k
v1
v2 = 1 3 2 = (1, 1, 1)
1 2 1
A = |(1, 1, 1)| = 3 ua
4. Determine a area do triangulo de vertices A(1, 0, 1), B(0, 1, 3) e C(1, 2, 4).
68
AB = B A = (0, 1, 3) (1, 0, 1) = (1, 1, 2)
AC = C A= (1, 2, 4) (1,
0, 1) = (2, 2, 3)
i j k
AB AC = 1 1 2 = (1, 1, 0)
2 2 3
1
1
2 ua
A = |(1, 1, 0)| =
2
2
5. Determine a medida da altura referente ao vertice A para o triangulo ABC do
exerccio anterior.
bh
Sabe-se da geometria plana que a area de um triangulo e dada por A =
, mas
2
exerccio
anterior A = 2, assim, 2 = |BC|h e,
2
h=
|(1,
1, 1)|
2
h = uc
3
6. Demonstre a lei dos senos para um triangulo ABC.
bh
A expressao que fornece a area de um triangulo pode escrita como A =
ou
2
|AB AC|
|BA BC|
|CA CB|
vetorialmente por A =
=
=
.
2
2
2
ou ainda, utilizando a definicao de produto vetorial:
b
b
b
|AB||AC|sen(A)
|AB||BC|sen(B)
|AC||BC|sen(C)
A=
=
=
2
2
2
Dividindo ambos os membros da igualdade acima por |AB||BC||AC|, vem:
b
b
b
sen(A)
sen(B)
sen(C)
= =
|BC|
|AC|
|AB|
4.10
Produto misto
4.10.1
Definic
ao
v .(
v
v ).
1
69
4.10.2
Interpretac
ao geom
etrica
base
Mas Abase = |
v1
v2 | e h e a projecao do vetor
v3 sobre o vetor
v1
v2 , ou seja,
h=
v3 cos(), assim:
V = |
v
v ||
v |cos()
1
V = |(
v1
v2 ).
v3 |
4.10.3
Propriedades
v1 .(
v2
v3 ) = 0 se e somente um dos tres vetores for o vetor nulo ou se
v2 for
1.
paralelo a
v3 ou se os vetores forem coplanares.
2.
v1 .(
v2
v3 ) =
v2 .(
v1
v3 ).
70
3. O produto misto nao se altera quando e trocada a ordem dos produtor escalar e
vetorial, isto e,
v .(
v
v ) = (
v
v ).
v .
1
4. (
v1 +
v2 ).(
v3
v4 ) =
v1 .(
v3
v4 ) +
v2 .(
v3
v4 ).
5. (a
v1 ).(
v2
v3 ) =
v1 .(a
v2
v3 ) =
v1 .(
v2 a
v3 ) = a
v1 .(
v2
v3 ) .
4.10.4
Express
ao cartesiana do produto misto
Dados os vetores
v1 = x1 i + y1 j + z1 k ,
v 2 = x2 i + y 2 j + z 2 k e
v 3 = x3 i +
y3 j + z3 k , entao
i j k
v1 .( v2 v3 ) = (x1 i + y1 j + z1 k ). x2 y2 z2
x3 y 3 z 3
y2 z2
v1 .(
v2
v3 ) = (x1 i + y1 j + z1 k ).
y3 z3
y2 z2
y1
v1 .( v2 v3 ) = x1
y3 z3
x1
v1 .( v2 v3 ) = x2
x3
4.10.5
x2 z2
x2 y2
i
j +
k
x3 z3
x3 y 3
x2 y2
x2 z2
+ z1
x3 z3
x3 y3
y1 z1
y2 z2
y3 z3
Exerccios
1 2 1
1 0 1
2. Determine o volume do tetraedro de vertices A(1, 1, 1), B(0, 1, 4), C(2, 1, 3) e
D(4, 5, 2).
O volume de um tetraedro de vertices A, B, C e D e igual a sexta parte do volume
do prisma de mesmos vertices, e, usando a interpretacao geometrica do produto
71
misto tem-se:
1
V = |AB.AC AD|
6
1 0 3
V = | 3 2 2 |
5 4 1
1
56
V = | 2 + 36 + 30 8| = uv
6
6
3. Determine o valor x para que o ponto A(4, 5, x) pertenca ao plano determinado
pelos pontos B(4, 4, 4), C(0, 1, 1) e D(3, 9, 4).
Para que A pertenca ao plano BCD e necessario que o volume do prisma ABCD
seja nulo, assim:
CA.
CB CD = 0
4 6 x+1
4 5
5 =0
3 10
5
100 40x 40 + 90 15x 15 + 120 200 = 0
x=1
4. Determine a equacao do plano BCD do exerccio anterior.
Tome A = (x, y, z)
CA.
CB CD = 0
x y+1 z+1
4
5
5 =0
3
10
5
25x + 15y + 15 40z 40 15z 15 + 20y + 20 50x = 0
25x + 35y 55z 20 = 0
5x + 7y 11z 4 = 0
4.11
Exerccios gerais
AM + BN + CP = 0
2. Demonstre que em qualquer quadrilatero os pontos medios dos lados sao os vertices
72
de um paralelogramo.
3. Demonstre que as diagonais de um paralelogramo se cortam mutuamente ao meio.
4. Demonstre que a base media de um trapezio e paralela `as bases e igual a sua
semi-soma.
5. Sabendo que |
v1 | = 11, |
v2 | = 23 e |
v1
v2 | = 30, calcule |
v1 +
v2 |.
7. Num triangulo ABC sabe-se que G e o baricentro. Demonstre que GA+ GB+ GC =
0.
8. Determine o modulo dos seguintes vetores:
v1 = (2, 1, 2)
(i)
(ii)
v2 = 6 i + 2 j 3 k
(iii)
v3 = i + j k
9. Normalize cada um dos vetores do exerccio (8) anterior.
10. Dados os pontos A(2, 2, 1) e B(3, 2, 6), determine o versor do vetor AB.
14. Num paralelogramo ABCD sabe-se que A(1, 3, 2) e que as diagonais sao AC(4, 2, 3)
3 i + j 2 k podem ser os lados de um triangulo. Calcule o permetro e os comprimentos
das medianas deste triangulo.
3 i +2j + k e
v3 = i j + k .
18. Determine m para que os seguintes vetores sejam linearmente dependentes:
(i) (2, 5, 3), (1, 2, 3) e (m, 0, 2).
(ii) (1, 2, 3), (m 1, 4, 6).
(iii) (m + 1, 1, 0), (1, 0, 1) e (1, 2, 1)
e
v3 = 2 i + 4 j k sejam coplanares.
vetores
v +
v e
v tambem sao LI.
1
22. Os vetores
v1 = (2, 3, 6) e
v2 = (1, 2, 2) estao aplicados no mesmo ponto A.
a)
u = (1, 0, 1),
v = (2, 10, 2)
b)
u =(
3 1
, , 0),
2 2
v =(
3 1
, ,
2 2
3)
3
1
24. Se
u +
v +
w = 0 , |
u | = , |
v | = , |
w | = 2, calcule
u .
v +
v .
w +
w .
u
2
2
e
, com
25. Decomponha o vetor
u = (1, 3, 2) como a soma de dois vetores
w
w
1
2
26.Mostre que |
u +
v |2 = |
u |2 + 2
u .
v + |
v |2 .
27.Prove que as diagonais de um quadrado sao perpendiculares.
29. Ache
x tal que
x ( i + k ) = (2, 2, 2) e |
x | = 6.
30. Calcule a distancia de um ponto C `a reta definida pelos pontos distintos A e B.
31. Determine os angulos internos do triangulo de vertices A(0, 3, 4), B(1, 2, 2) e
C(2, 1, 2).
32. Os vetores
v1 e
v2 sao dois lados consecutivos de um paralelogramo. Sabe-se que
|
v1 | = 4, |
v2 | = 2 e o angulo entre
v1 e
v2 e igual a 60o . Calcule o angulo formado pelas
diagonais deste paralelogramo.
33. Um vetor
v1 forma com o eixo dos x um angulo de 60o e com os outros dois eixos
do vetor
v2 = (2, 1, 3).
35. Calcule a area do triangulo de vertices A(1, 1, 2), B(2, 1, 0) e C(2, 3, 4).
BD = (3, 3, 1).
(i) Se
u .
v =
u .
w entao
v =
w
(ii) Se
u .
v =
u .
w entao
u (
v
w)
(iii)
u
v = |
u |.|
v |sen()
(iv) Os vetores
u,
v e
u
v sao LI.
(v)
u
v =
v
u
(vi) Se
u
v +
v
w entao
v (
u +
w ).
u
v +
v
w entao (
u
w)
v
(vii) Se
(viii) Se
u
v =
u
w entao
v =
w
(ix) (
u
v ).
w =
u
v .
w
76
Captulo 5
A reta no R3
5.1
5.1.1
Equac
oes da reta
Equac
ao vetorial
AP = t
v ,
e ainda, P A = t
v , assim
P = A + t
v ,
que e a equacao vetorial da reta.
5.1.2
Equac
os param
etricas
77
x = x0 + at
y = y0 + bt
z = z + ct
0
5.1.3
Equac
oes sim
etricas
x = x0 + at
z = z + ct
0
sulta:
t=
x x0
y y0
z z0
=
=
a
b
c
5.1.4
Equac
oes reduzidas
x x0
y y0
z z0
=
=
pode-se escrever, por exemplo:
a
b
c
yy
x x0
0
=
a
z z 0 = x x0
c
a
e isolando a variavel y resulta:
m(x x0 )
+ y0
l
mx
mx0
y=
+ y0
l
l
y=
chamando
m
mx0
= p 1 e y0
= q1 , vem:
l
l
y = p1 x + q1
Analogamente para a variavel z, vem:
z = p2 x + q2
que sao as equacoes reduzidas da reta.
Exemplos:
78
1. Determine a equacao vetorial da reta determinada pelos pontos A(1, 2, 1) e B(0, 1, 3).
Para determinar a equacao de uma reta e necessario ter:
Um ponto
Um vetor
Logo a equacao vetorial da reta e P = (1, 2, 1) + t(1, 3, 4)
2. Determine as equacoes parametricas da reta que passa pelo ponto A(2, 1, 1) e tem
a direcao do vetor
v = (1, 3, 2).
Para determinar a equacao de uma reta e necessario ter:
Um ponto
Um vetor
Logo a equacao vetorial da reta e P = (2,
1, 1) + t(1, 3, 2).
x=2+t
z = 1 + 2t
3. Dada a reta r :
x3
y+1
z
=
= , determine o vetor diretor e dois pontos de r.
2
2
1
A(3, 1, 0)
B(5, 3, 1)
v = (2, 2, 1)
x=1+t
z = 1 2t
x=1t
y = 2 2t
es:
y3
z2
x+1
=
=
.
2
2
1
z = 1 2t
Para determinar o angulo entre as duas retas deve-se conhecer os vetores diretores
das retas e apos calcular o produto escalar.
v = (1, 2, 2) e
v = (2, 2, 1)
r
vr
vs = |
vr ||
vs |cos()
0
cos() =
= = arccos(0) =
9
2
79
x = 1 + 3t
x
y5
z+2
6. Determine o valor de m para que as retas r :
=
=
es:
y = 3 2t
m
3
2
z = 4 t
sejam ortogonais.
Para que duas retas sejam ortogonais basta que seus vetores diretores sejam ortogonais, isto e, o produto interno e igual a zero.
v = (m, 3, 2) e
v = (3, 2, 1)
r
3m 6 2 = 0 = m = 8/3
7. Obtenha as equacoes simetricas da reta que passa por P (1, 2, 2) e e paralela `a reta
determinada pelos pontos A(0, 1, 1) e B(1, 2, 4).
x1
y+2
z2
=
=
1
3
3
x=1+t
y = 2 + mt
z = 1 2t
x = 4 + 2y
e s :
z = 2 y
sejam coplanares.
Para que duas retas sejam coplanares e necessario que seus vetores diretores e um
outro vetor formado por um ponto de uma reta com um ponto da outra reta sejam
coplanares.
v = (1, m, 2)
r
vs = (2, 1, 1)
Condicao de coplanaridade
1 m 2
2 1 1 = m = 11.
3 2 1
x = 2 + 3t
y = 4 + 5t e s :
y+1
x+1
=
=
2
4
z = 2t
z+2
.
1
Deve-se resolver o sistema de equacoes lineares formado pelas equacoes das retas.
80
5
3
Resolvendo o sistema
= x = y = 1
x+1
y+1
=
2
4
Substituindo x = 1 na equacao da reta s, por exemplo, vem z = 2 e o ponto de
intersecao e P (1, 1, 2).
10. Determine a distancia do ponto P (1, 1, 3) `a reta determinada pelos pontos A(4, 3, 2)
e B(2, 2, 0).
A distancia do ponto P ate uma reta AB e numericamente igual `a medida da altura
do paralelogramo formado pelos vetores AP e AB.
d= 2
11. Determine a distancia entre as retas r :
x
y
z2
x+1
y1
z
= =
es:
=
= .
1
1
2
2
2
4
d = 30/3
x
z1
x1
y2
12. Determine a distancia entre as retas r :
=
,y = 1 e s :
=
=
1
1
1
1
z1
.
2
Veja que
as retas sao reversas.
2 3
d=
3
5.2
Exerccios
x = 1 + 2t
(i) r :
y = t
z = 1 3t
(ii) s :
(iii) r :
x2
y+1
z+4
=
=
3
2
1
y = x 1
z = 2x + 3
81
x = 7 2t
?
y =3+t
z = 1 + 3t
x+5
y1
z+4
=
=
, determine as coordenadas do ponto P de
3
2
2
cota 6 pertencente a s.
3. Dada a reta s :
x = y 1
(ii) r paralela a s :
passando pelo ponto Q(2, 3, 0)
z = 2y 3
5. Determine as equacoes simetricas das seguintes retas:
(i) r definida pelos pontos A(1, 1, 0) e B(1, 3, 1)
x = 1 t
z = 5 3t
6. Determine as equacoes reduzidas da reta r que passa pelo ponto A(2,3,-5) e e paralela
ao eixo das ordenadas.
7. Determine a equacao vetorial da reta r que passa pelo ponto A(7,-4,6) e e perpendicular ao plano x0y.
8. Dado o triangulo de vertices A(1, 2, 3), B(3, 6, 1) e C(0, 4, 7). Escreva a equacao
vetorial da reta suporte da mediana relativa ao lado AB.
9. Determine as equacoes parametricas da reta r que passa pelo ponto A(7,11,-5) e e
ortogonal aos eixos Ox e Oz.
10. Seja a reta r definida pelos pontos A(1, 2, 3) e B(1, 3, 1). Determine as equacoes
parametricas da reta s passando pelo ponto P (4, 7, 0) e paralela a r.
82
11. Determine
a equacao vetorial
da reta r que passa pela intersecao das retas r1 :
x = 1 + t
x = 3
e r2 :
e e paralela a P = (2, 3, 6) + k(1, 5, 2)
y =2t
y = 4 4t
z = 3 + 2t
z = 7 3t
12. Encontre o ponto de intersecao da reta P = (2, 3, 1) + (1, 1, 2) com o plano
x0y, se existir.
13. Determine o angulo entre as retas:
(i) r definida pelos pontos A(1, 1, 1) e B(2, 3, 1) e s dada pelos pontos C(1, 1, 1)
e D(0, 1, 2).
x=3
x=z1
(ii) r :
er:
y = 4t
y = 2z + 3
z = 1 5t
(iii) P = (0, 0, 0) + (2, 1, 2) e
y4
z5
=
,x = 2
4
3
y = 2x 3
x2
y4
z
(i) r :
es:
=
=
z = x
3
6
3
(ii) r : P = (2, 0, 2) + (3, 2, 2) e s : P = (0, 1, 0) + (2, 2, 1)
x=2+t
e s : P = (0, 3, 0) + (1, 4, 1)
(iii) r :
y = 3 + 2t
z = 1 2t
15. Determine o valor de a para que as retas r : P = (1, 2, 3) + (2, 5, 1) e s :
y1
z3
=
sejam ortogonais.
a
2
x3
=
4
16. Encontre as coordenadas do ponto P equidistante de A(1,1,4) e B(-6,6,4), que pertence ao eixo das ordenadas.
(P2 P1 ). vr vs
por d(r, s) =
.
|
vr
vs |
83
Captulo 6
O plano no R3
6.1
6.1.1
Equac
ao do plano
Equac
ao vetorial do plano
v2 = (a2 , b2 , c2 ).
AP = k
v1 + l
v2 , assim:
P = A + k
v1 + l
v2
que e a equacao vetorial do plano.
6.1.2
Equac
ao geral do plano
Impondo que os vetores AP ,
v1 e
v2 sejam coplanares, vem:
84
x xo y yo z zo
a1
b1
c1
a2
b2
c2
= 0 vem:
ax + by + cz + d = 0
que e a equacao geral do plano.
6.1.3
Equac
ao do plano que passa por um ponto e
e ortogonal
a um vetor
(P Po )
n =0
a(x xo ) + b(y yo ) + c(z zo ) = 0
ax + by + cz + (axo byo czo ) = 0
ax + by + cz + d = 0
Exemplos:
1. Determine a equacao vetorial, as equacoes parametricas e a equacao geral do plano
x = 1 2k + 3l
y = 2 + k + l = Equacoes parametricas.
z = 2 + 3k + 4l
x1 y+2 z2
2
1
3 = 0 =
3
1
4
4(x 1) 2(z 2) + 9(y + 2) 3(z 2) + 8(y + 2) 3(x 1) = 0
x + 17y 5z + 43 = 0
2. Achar a equacao geral do plano que contem os pontos A(0, 4, 1) e B(1, 3, 2) e tem
a direcao do vetor
v =
(1, 3, 5).
x0 y4 z1
1
1
1 = 0 =
1
3
5
3. Determine a intersecao do plano : 2x 3y + 4z = 12 com o plano x0y.
Plano x0y = z = 0 = r : 2x 3y = 12
x = 2k + 2l
y = 2k
z =1l
2.4 + 3.(1) + 2 + d = 0
d=9
2x + 3y + z + 9 = 0
7. Obtenha um vetor unitario ortogonal ao plano :
86
2x+yz+5=0
8. Determine a equacao do plano que passa pelo ponto A(1, 1, 1) e e paralelo ao plano
: 2x 3y + z 5 = 0.
1 : 2x 3y + z = 0
9. Calcule o valor de k para que os planos : 3xy +z 4 = 0 e : kx+3y z 2 = 0
sejam ortogonais.
3k 3 1 = 0 = k = 4/3.
10. Determine a equacao do plano ortogonal aos planos 1 : x y + z 2 = 0 e
2 : 2x + 3y z 1 = 0 e que contem o ponto A(1, 1, 1).
n = (1, 1, 1) (2, 3, 1)
11. Encontre a projecao ortogonal do ponto A(3, 1, 3) sobre o plano : x + y + z 4 = 0
d = 3/2
14. Determine o angulo entre os planos 1 : x + 2y 3z 1 = 0 e 2 : 3x y + 2z 5 = 0.
= arccos(5/14)
15. Determine o angulo que a reta r :
x1
y3
z
=
= forma com o plano x0y.
3
2
6
= arcsen(6/7).
6.2
Exerccios
(iii) 3 : z = 0
3. Determine os pontos de intersecao do plano : 2x 3y + 4z 12 = 0 com os eixos
coordenados.
4. Determine a equacao vetorial e a equacao geral do plano que passa pelos pontos
A(4, 2, 1), B(1, 1, 1) e C(3, 0, 2).
5. Encontre a equacao geral do plano que passa por P (1, 2, 3) e e paralelo ao plano
yOz.
6. Determine a equacao geral do plano que passa pelo ponto P (3, 1, 2) e e perpendix1
y+1
z2
cular `a reta
=
=
.
2
1
1
x = 3 + 2y
8. Determine a equacao geral do plano que contem a reta r :
e passa
z = 3 + 3y
pelo ponto A(0, 0, 6).
9. Verifique se os pontos A(2, 1, 0), B(1, 2, 3), C(1, 2, 3) e D(4, 2, 1) pertencem a
um mesmo plano.
10. Verifique a posicao relativa dos planos:
(i) 1 : x 2y 3z + 5 = 0 e 2 : 2x + 4y + 6z 1 = 0
(ii) 1 : 3x + 4y + 4z 3 = 0 e 2 : 4x y + 2z 5 = 0
(iii) 1 : x 4y + 4z 3 = 0 e 2 : 4x + 3y + 2z 1 = 0
11. Determine o valor de para que os planos 1 : 3x y + 4z 3 = 0 e 2 : x y +
2z 5 = 0 sejam perpendiculares.
12. Determine o valor de e de para que os planos 1 : 3x y + 4z 3 = 0 e
2 : x + y + 2z 5 = 0 sejam paralelos.
13. Determine o angulo entre os planos 1 : x + y 2z + 3 = 0 e 2 : 4x + 2y + 2z = 0.
88
x = 3 t
z = 3 + t
15. Determine as equacoes simetricas da reta intersecao dos planos 1 : 2x3y+2z4 =
0 e 2 : x y + z + 2 = 0.
16. Determinar as equacoes reduzidas, em funcao de z, da reta r que passa pelo ponto
A(2, 3, 6) e e perpendicular ao plano : x 3y + 2z + 11 = 0.
17. Determine as coordenadas da projecao ortogonal de P (3, 1, 3) sobre o plano :
x+y+z4=0
18. Determine as coordenadas do ponto simetrico de P (3, 6, 1) em relacao ao plano
: x + y + z 13 = 0.
19. Mostre que a distancia do ponto P (xo , yo , zo ) ao plano : ax + by + cz + d = 0 e
| axo + byo + czo + d |
dada por
.
a2 + b2 + c2
20. Determinar as equacoes reduzidas, em funcao de z, da reta r que passa pelo ponto
A(2, 3, 6) e e perpendicular ao plano : x 3y + 2z + 11 = 0.
89
Captulo 7
Espaco Vetorial
7.1
Definic
ao
A1 (u + v) + w = u + (v + w)
A2 u+v=v+u
A3 Existe um elemento 0, chamado vetor nulo, em V tal que u + 0 = 0 + u = u
A4 Existe um elemento u em V tal que u + (u) = (u) + u = 0
M1 a.(u + v) = a.u + a.v
M2 (a + b).u = a.u + b.v
M3 (ab).u = a.(bu)
M4 1.u = u
90
7.1.1
Exemplos
n a b
o
/a, b, c, d R
3. V = R22 = M(2, 2) =
c d
4. V = Pn (x) = a0 + a1 x + a2 x2 + + an xn
5. V = Rmn = M(m, n)
7.2
7.2.1
Subespacos vetoriais
Definic
ao
Observacoes:
As condicoes da definicao acima dizem que o conjunto W e fechado em relacao `as
operacoes + e . .
O vetor nulo sempre pertence ao subespaco W.
Todo espaco vetorial V admite dois subespacos triviais, que sao o proprio espaco e
aquele formado somente pelo vetor nulo.
7.2.2
Exemplos
au = a(x1 , y1 ) = a(x1 , 2x1 ) = (ax1 , a 2x1 ) = (ax1 , 2 ax1 ) W.
Como as quatro afirmacoes sao verificadas W e um subespaco vetorial de R2
2. W = {(x, y, z)/x + y + z = 0} e um subespaco vetorial de V = R3 .
Prova:
(i) W R3
(ii) W 6= , pois existe (0, 0, 0) W.
(iii) Para todo u, v W tem-se u + v W.
Sejam u = (x1 , y1 , z1 ) e v = (x2 , y2 , z2 ) vetores genericos de W = {(x, y, z)/x+y+z =
0}.
u + v = (x1 , y1 , z1 ) + (x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 )
92
x1 + x2 + y1 + y2 + z1 + z2 = (x1 + y1 + z1 ) + (x2 + y2 + z2 ) = 0 + 0 = 0
Logo u + v pertence a W.
(iv) Para todo u W e para todo a R. tem-se au W.
Sejam u = (x1 , y1 , z1 ) W e a R.
au = a(x1 , y1 , z1 ) = (ax1 , ay1 , az1 ).
ax1 + ay1 + az1 = a(x1 + y1 + z1 ) = a0 = 0, logo au W.
Como as quatro afirmacoes sao verificadas W e um subespaco vetorial de R3
3. Seja o espaco vetorial V = Rnn = M(n, n). O conjunto das matrizes An,n triangulares superior, e um subespaco vetorial de V.
4. O conjunto de todas as solucoes de um sistema de equacoes lineares homogeneo com
n incognitas e um subespaco vetorial de Rn1 = M(n, 1).
Prova
Seja Ax = 0 um sistema linear de n incognitas e W o conjunto das solucoes de
Ax = 0.
(i) x Rn1 = M(n, 1), pois e um vetor coluna.
(ii) W 6= , pois existe x = [0 0 0]T W.
(iii) Para todo u, v W tem-se u + v W.
Sejam u e v duas solucoes genericas de Ax = 0, isto e, Au = 0 e Av = 0.
Desejamos provar que u + v tambem e uma solucao, isto e u + v satisfaz Ax = 0
A(u + v) = Au + Av = 0 + 0 = 0
Logo u + v pertence a W.
(iv) Para todo u W e para todo a R, tem-se au W.
Sejam u uma solucao de Ax = 0 e a R.
A(au) = a(Au) = a0 = 0.
Logo au W.
Como as quatro afirmacoes sao verificadas W e um subespaco vetorial de Rn1
5. W = {(x, y)/y = x2 } nao e um subespaco vetorial de V = R2 .
Prova: Para provar que um conjunto nao e subespaco vetorial, basta exibir um
contra exemplo para uma das quatro afirmacoes, assim:
Tome u = (2, 4) W e u = (3, 9) W, mas, u + v = (5, 13) nao e um vetor de W.
Logo W nao e subespaco vetorial de R2 .
93
7.2.3
Intersec
ao de subespacos
3. Seja V = R22 , W1 =
W1 W2 =
7.2.4
a 0
0 0
a b
0 0
e W2 =
a 0
c 0
Soma de subespacos
Prova:
7.3
Combinac
ao linear
Definicao:
Sejam V um espaco vetorial, v1 , v2 , v3 , , vn vetores de V e a1 , a2 , a3 , , an escalares.
Entao o vetor
v = a1 v1 + a2 v2 + a3 v3 + + an vn
e um vetor de V e e chamado de combinacao linear dos vetores v1 , v2 , v3 , , vn .
Exemplos:
1. Dado V = R3 , escreva v = (1, 4, 5) como combinacao linear de v1 = (1, 2, 1) e
v2 = (1, 1, 2).
95
7.4
Subespaco gerado
Definicao:
Chama-se subespaco gerado pelos vetores v1 , v2 , v3 , , vn de um espaco vetorial V, denotado por [v1 , v2 , v3 , , vn ] ou span{v1 , v2 , , vn }
[v1 , v2 , v3 , , vn ] = {v V/v = a1 v1 + a2 v2 + a3 v3 + + an vn }.
Exemplos:
1. Verifique se o vetor (3, 3, 2) pertence ao espaco vetorial gerado pelos vetores v1 =
(2, 1, 1), v2 = (1, 1, 0) e v3 = (0, 1, 3).
2. Determine a relacao entre x,y e z para que o vetor v = (x, y, z) pertenca ao espaco
gerado por v1 = (1, 1, 1) e v2 = (2, 1, 0).
3. Verifique se o R2 e gerado pelos vetores v1 = (1, 0) e v2 = (0, 1).
4. Forneca quatro vetores que gerem o espaco vetorial das matrizes de ordem 2 2.
7.5
Depend
encia linear
Definicao:
Dados um espaco vetorial V e os vetores v1 , v2 , v3 , , vn V. O conjunto {v1 , v2 , v3 , , vn }
sera linearmente independente (LI) se a equacao a1 v1 + a2 v2 + a3 v3 + + an vn = 0 implicar em a1 = a2 = a3 = = an = 0. Caso existir algum ai nao nulo o conjuto, ou os
vetores, serao chamados de linearmente dependentes (LD).
Exemplos:
96
Prova:
()
Hipotese: {v1 , v2 , v3 , , vn } e LD.
Tese: vi e combinacao linear dos outros vetores.
Se {v1 , v2 , v3 , , vn } e LD entao em a1 v1 +a2 v2 +a3 v3 +an vn = 0 existe um coeficiente
ai =
6 0, assim de a1 v1 + a2 v2 + a3 v3 + + ai vi + + an vn = 0 pode-se escrever vi =
a2
an
a1
v1 v2 vn , isto e vi e combinacao linear de v1 , v2 , v3 , , vi1 , vi+1 , , vn
ai
ai
ai
()
Hipotese: vi e combinacao linear dos outros vetores.
Tese: {v1 , v2 , v3 , , vn } e LD.
Da hipotese escreve-se vi = a1 v1 + a2 v2 + a3 v3 + + ai1 vi1 + ai+1 vi+1 + + an vn ou
ainda a1 v1 + a2 v2 + a3 v3 + + ai1 vi1 vi + ai+1 vi+1 + + an vn = 0, como ai = 1 6= 0
os vetores sao LD.
7.6
Base
Definicao:
Um conjunto {v1 , v2 , v3 , , vn } de vetores de um espaco vetorial V sera uma base para
V se:
97
a + b + 2c = d + e + 2f
2a + b + c = e + f
a + 2b + c = d + e + f
2a + b + c = 2d + 2e + 2f
Escalonando o sistema em funcao de a, b e c:
a + b + 2c = d + e + 2f
b 3c = 2d e 3f
b c = f
b + 3c = 2f
a + b + 2c = d + e + 2f
b 3c = 2d e 4f
4c = 2d e 4f
0 = 2d + e + f
f = 2d e
98
Teorema 7.5 Seja um espaco vetorial V gerado por um conjunto finito de vetores v1 , v2 , , vn .
Ent
ao, qualquer conjunto com mais de n vetores e LD.
Prova:
Se v1 , v2 , , vn gera V entao, pelo teorema 7.4 pode-se extrair uma base a partir destes
99
w = a v + a v + + a v
2
21 1
22 2
2r r
w = a v + a v + + a v
m
m1 1
m2 2
mr r
(7.1)
(7.2)
Reescrevendo, tem-se:
(a11 b1 +a21 b2 + +am1 bm )v1 +(a12 b1 +a22 b2 + +am2 bm )v2 + +(a1r b1 +a2r b2 + +amr bm )vr = 0
a b + a b + + a b = 0
12 1
22 2
m2 m
que e um sistema
Como v1 , v2 , , vr e LI entao:
a b + a b + + a b = 0
1r 1
2r 2
mr m
linear homogeneo de r equacoes com m incognitas b1 , b2 , , bm e como r n < m o
sistema e possvel e indeterminado, ou seja, existe um bi nao nulo, logo w1 , w2 , , wm
sao LD.
Prova:
Sejam 1 = {v1 , v2 , , vn } e 2 = {w1 , w2 , , wm } duas bases de V. Como 1 e base
100
gera V e 2 por ser base e LI, entao pelo teorema 7.5 m n e, por outro lado, se 2 gera
V e 1 e LI entao n m, logo m = n.
Definicao:
Dado um espaco vetorial V. Chama-se dimensao de V, denotado por dim(V), a quantidade
de vetores de uma base.
Exemplos:
1. Como a base canonica de V = R2 e = {(1, 0), (0, 1)} entao dim(R2 ) = 2.
2. dim(R3 ) = 3
3. dim(P2 (x)) = 3, porque a base canonica deste espaco e = {1, x, x2 }.
4. dim(M22 ) = 4
Prova:
Seja {v1 , v2 , , vr } um conjunto LI de V com dim(V) = n, assim pelo teorema 7.5 r n.
Se {v1 , v2 , , vr } gerar V ja tem-se uma base e assim o teorema ja esta provado.
Caso {v1 , v2 , , vr } nao gere V existe vr+1 V que nao e combinacao linear de {v1 , v2 , , vr },
logo {v1 , v2 , , vr , vr+1 } e LI.
Se 1 = {v1 , v2 , , vr , vr+1 } gerar V entao 1 e base para V.
Caso contrario existe vr+2 que nao pertence ao espaco gerado por {v1 , v2 , , vr , vr+1 } e
novamente 2 = {v1 , v2 , , vr+2 } e LI e se 2 gerar V sera base e a demonstracao estara
concluda, caso contrario o procedimento usado deve ser realizado , continuadamente, ate
obter-se n vetores LI que gerem V.
Corol
ario 7.8 Qualquer conjunto de n vetores LI de um espaco vetorial V de dimensao
n sera uma base de V.
101
Prova:
Se este conjunto de n vetores nao formar uma base ele poderia ser completado ate ser
formada uma base, que teria mais de n vetores, absurdo pelo teorema 7.6.
Prova:
Observe que W1 W2 e um subespaco tanto de W1 quanto de W2 .
Supondo que
(7.3)
(7.4)
(7.5)
Como [ui , vj ] W1 vem que v W1 e como [wk ] W2 , v W2 , por 7.5. Consequentemente, v W1 W2 . Mas [vi ] e uma base de W1 W2 e assim existem escalares
d1 , d2 , , dr para os quais v = d1 v1 + + dr vr . Assim por 7.5, vem
d1 v1 + + dr vr + c1 w1 + + cnr wn r = 0
102
(7.6)
Mas {vi , wk } e uma base para W2 e assim e LI, logo pela equacao 7.6 tem-se c1 = =
cnr = 0, que substituindo em 7.3 resulta:
a1 v1 + + ar vr + b1 w1 + + bmr wmr = 0
Mas {vi , uj } e uma base de W1 , logo LI e, pela equacao acima tem-se
a1 = = ar = b1 = = bmr = 0
Como a equacao 7.3 implica que os coeficientes ai , bj e ck sao todos nulos, tem-se que
e LI.
Soma direta
Definicao: Um espaco vetorial V e uma soma direta de seus subespacos W1 e W2 ,
denotado por V = W1 W2 se todo todo vetor v V puder ser escrito de modo u
nico
como v = w1 + w2 , em que w1 W1 e w2 W2 .
Teorema 7.10 O espaco vetorial V e a soma direta de seus subespacos W1 e W2 se e
somente se:
(i) V = W1 + W2
(ii) W1 W2 = {0}
Prova:
Suponha V = W1 W2 , assim v = w1 + w2 , em que w1 W1 e w2 W2 , isto e
particularmente V = W1 + W2 .
Supondo agora que v W1 W2 , entao:
v = v + 0 em que v W1 e 0 W2 ,
v = 0 + v em que 0 W1 e v W2 .
Consequentemente W1 W2 = , pelo fato de v = w1 + w2 ser e escrito de modo u
nico.
Exemplo:
Sejam W1 = {(x, y, z) R3 /x + y z = 0} e W2 = {(x, y, z) R3 /x y = 0}, determine:
(i) Uma base para W1
(ii) dim(W1 )
(iii) Uma base para W2
(iv) dim(W2 )
(v) Uma base para W1 + W2
(vi) dim(W1 + W2 )
(vii) dim(W1 W2 )
(viii) Uma base para W1 W2
Solucao:
(i) Uma base para W1
Seja v = (x, y, z) W1 entao x + y z = 0, isto e, z = x + y assim v = (x, y, z) =
(x, y, x + y)
v = (x, 0, x) + (0, y, y)
v = x(1, 0, 1) + y(0, 1, 1), isto e, v e combinacao linear de (1, 0, 1) e de (0, 1, 1) que
sao LI (prove), assim 1 = {(1, 0, 1), (0, 1, 1)} e base para W1 .
104
(ii) dim(W1 ) = 2
(iii) Uma base para W2
Seja v = (x, y, z) W2 entao x y = 0, isto e, x = y assim v = (x, y, z) = (x, x, z)
v = (x, x, 0) + (0, 0, z)
v = x(1, 1, 0) + z(0, 0, 1), isto e, v e combinacao linear de (1, 1, 0) e de (0, 0, 1) que
sao LI (prove), assim 2 = {(1, 1, 0), (0, 0, 1)} e base para W2 .
(iv) dim(W2 ) = 2
(v) Uma base para W1 + W2
W1 + W2 = {v V/v = w1 + w2 , w1 W1 , w2 W2 }
Como v = w1 + w2 , w1 W1 , w2 W2 entao v e uma combinacao linear de vetores
de W1 e de W2 , isto e, e gerado por (1, 0, 1), (0, 1, 1), (1, 1, 0), (0, 0, 1).
agora, escalonando estes quatro vetores,
1 0 1
1 0 1
0 1 1
0 1 1
1 1 0
0 1 1
0 0 1
0 0 1
Logo = {(1, 0, 1), (0, 1, 1), (0, 0, 1)}.
1 0
1 0 1
0 1 1
0 1 1
0 0 1
0 0 2
0 0 1
0 0 0
Prova:
Como e base entao v = a1 v1 + a2 v2 + + an vn , agora suponha que v possa ser escrito
como uma outra combinacao linear dos elementos de , como v = b1 v1 + b2 v2 + + bn vn ,
ai 6= bi , i.
Igualando as duas combinacoes lineares, vem:
a1 v1 + a2 v2 + + an vn = b1 v1 + b2 v2 + + bn vn
ou ainda
(a1 b1 )v1 + (a2 b2 )v2 + + (an bn )vn = 0
como e base entao a1 b1 = a2 b2 = = an bn = 0, absurdo.
Definicao:
Dados v V e = {v1 , v2 , , vn } uma base ordenada de um espaco vetorial V em
que v = a1 v1 + a2 v2 + + an vn . Os coeficientes v = a1 , a2 ,
, an ser
ao chamados de
a
1
.
coordenadas do vetor em relacao `a base e denotado por [v] = .. . Exemplos:
an
1. Seja V = R2 e = {(1, 0), (0, 1)} sua base canonica ordenada. Entao v = (2, 3)
pode ser escrito como (2, 3) = a(1, 0) + b(0,
1), em
que a = 2 e b = 3, logo as
2
1
4
106
2a b + c = 2
a + 3b = 2 .
a b c = 1
1
Resolvendo o sistema vem [v] = 1 .
1
7.7
Mudanca de base
(7.7)
x
1
x2
[v] =
..
.
xn
e em relacao a 0 e:
[v] 0 =
y1
y2
..
.
yn
Como = {u1 , u2 , , un } e base de V entao cada um dos vetores wi de 0 e combinacao
107
w = a u + a u + + a a
2
12 1
22 2
n2 n
.
..
w = a u + a u + + a u
n
1n 1
2n 2
nn n
(7.8)
x1
x2
..
.
xn
y1
a11 a1n
y2
..
..
..
.
.
. .
..
an1 ann
yn
ou resumidamente
0
0
[I] =
a2n
..
.
ann
5 3
0
Assim [I] =
2 1
Como complemento observe que para determinar as coordenadas do vetor v = (1, 1)
em relacao `a
5
[v] =
2
2
[v] =
1
Veja que neste caso, o calculo das coordenadas de apenas um vetor, seria mais simples
resolver, diretamente, o sistema (1, 1) = a(1, 2) + b(3, 5).
Inversa da matriz de mudan
ca de base
Se, anteriormente, tivessemos escrito os vetores de como combinacao linear dos
vetores de 0 chegariamos a
[v] 0 = [I] 0 [v]
(7.9)
Como os vetores de uma base sao LI, vem que [I] e inversvel e assim multiplicando
h 0 i1
, vem:
ambos os membros de 7.9 por [I]
h 0 i1
[v] = [I]
[v] 0
Logo:
0
[I]
h
=
[I] 0
109
i1
7.8
Exerccios
a b
e um sube10. Mostre que o conjunto de todas as matrizes reais da forma
b c
22
spaco vetorial do R .
110
11. Escreva a matriz A =
1 1
1 0
, C =
0 0
1 1
1 1
eD=
0 1
18. Verifique se o
por A =
2
1
2
1
1
5
3
2 , 8 , 4
3
7
1
19. Complete o conjunto A = {p1 (x), p2 (x), p3 (x)}, de modo que este forme uma base
para o espaco vetorial dos polinomios de grau menor ou igual a 3, sendo p1 (x) =
x3 x2 2x + 1, p2 (x) = 2x3 + 3x2 x 1 e p1 (x) = x3 2x 3.
20. Determine uma base para o espaco vetorial das solucoes do sistema
x + 2y z = 0
2x + 5y + 2z = 0
x + 4y + 7z = 0
x + 3y + 3z = 0
21. Determine um sistema de equacoes lineares no qual o conjunto solucao seja gerado
pelos vetores v1 = (2, 1, 0, 0) e v2 = (1, 0, 1, 1).
111
vetoriais
1
1 2
1 1
2 1
1 0
1 1
2 1
,
gerados por
,
,
e
,
,
1 2
2 1
1 1
1 2
1 2
1 2
respectivamente.
23. Determine uma base para o subespaco soma W1 +W2 , onde W1 = span{(1, 2, 1), (0, 1, 1)}
e W1 = span{(0, 2, 2), (1, 1, 1)}.
24. Determine uma base para o subespaco vetorial do R4 que e gerado pelo conjunto
de vetores {(1, 1, 1, 1), (1, 2, 1, 2), (1, 1, 1, 1), (1, 4, 1, 4)}.
25. Ache dois vetores u, v de R3 tais que se w = (1, 1, 1), entao R3 = span{u, v, w}.
26. Classifique as seguintes afirmacoes como verdadeiras ou falsas. Caso verdadeira
justifique, caso falsa de um contra-exemplo.
a) Se Z = {0} e o subespaco trivial, entao dimZ = 0, porque a base para esse
espaco e o conjunto vazio.
b) Seja L uma reta passando pela origem em R3 , entao dimL = 1, porque uma
base para L consiste de um vetor nao nulo sobre L.
c) Se P e um plano passando pela origem em R3 , entao dimP = 2 porque um
conjunto gerador mnimo para P deve conter 2 vetores de P.
1 0 0
3
d) dimR = 3 porque os tres vetores unitarios 0 , 1 , 0 , con
0
0
1
stitui uma base para o R3 .
e) dimRn = n porque os vetores unitarios {e1 , e2 , , en } em Rn formam uma
base.
f ) O conjunto {1, x, x2 , , xn } e uma base para o espaco vetorial dos polinomios
de grau menor ou igual a n.
g) W1 W1 + W2
27. Justifique porque podemos extrair uma base para um espaco vetorial V a partir de
um conjunto de vetores nao nulos que geram V.
112
28. Justifique porque se n vetores geram um espaco vetorial V qualquer conjunto com
mais de n vetores de V sao LI.
29. Sejam u = (2, 1, 1), v = (0, 1, 1) e w = (2, 1, 3). Mostre que span{u + w, v w}
span{u, v, w}.
30. Qual a condicao para que W1 = W1 + W2 ?
113
Captulo 8
Transformaco
es Lineares
8.1
Definic
ao e Teoremas
Defini
c
ao 8.1 Sejam U e V dois espacos vetoriais sobre um mesmo corpo F. Uma
transformac
ao linear T de U em V e uma aplicac
ao T : U V tal que, para todos vetores
u e v de U e todo escalar a do corpo F, tenha-se:
1. T(u+v)=T(u)+T(v)
2. T(au)=aT(u)
As condicoes da definicao 8.1 podem ser condensadas para
T (au + bv) = aT (u) + bT (v)
para todo b F.
Exemplo 1: T : R2 R2 definida por T (x, y) = (x y, 2x + y) e uma transformacao
linear do R2 no R2 .
Prova:
(1) Deve-se mostrar que T (u + v) = T (u) + T (v) vale para todos u, v R2 .
Sejam u = (x1 , y1 ) e v = (x2 , y2 ) vetores do R2 .
Prova:
Exemplo 5: A simetria de eixo Ox definida por T : R2 R2 tal que T (x, y) = (x, y)
115
e linear.
Prova:
Exemplo 6: A rotacao no sentido anti-horario definida por T : R2 R2 tal que
T (x, y) = (xcos() ysen(), xsen() + ycos()) e uma transformacao linear do R2 no
R2 .
Prova:
Exemplo 7: A aplicacao T : R2 R2 dada por T (x, y) = (x + y, y + 1) nao e linear.
Prova:
Exemplo 8: A aplicacao T : R2 R2 dada por T (x, y) = (x2 , y) nao e linear.
Prova:
Prova:
Como T e linear entao T (au) = aT (u), para todo a R.
Fazendo a = 0 vem:
T (0u) = 0T (u) logo T (0) = 0.
116
Teorema 8.4 Sejam U e V dois espacos vetoriais sobre um mesmo corpo F. Sejam
{u1 , u2 , , un } uma base de U e v1 , v2 , , vn vetores quaisquer de V. Entao existe uma
u
nica transformac
ao linear T : U V tal que T (u1 ) = v1 , T (u2 ) = v2 , , T (un ) = vn .
E se u = a1 u1 + a2 u2 + + an un , T e dada por
T (u) = a1 T (u1 ) + a2 T (u2 ) + + an T (un )
T (u) = a1 v1 + a2 v2 + + an vn
Prova:
Existem 3 tens para serem provados, que sao:
i) T e linear (Linearidade).
Para isto tome u = a1 u1 + a2 u2 + + an un , w = b1 u1 + b2 u2 + + bn un vetores de U e
a R.
T (u + w) = T (a1 u1 + a2 u2 + + an un ) + (b1 u1 + b2 u2 + + bn un )
117
x=a
a=x
y = a 2b
b = xy
(x, y) = x(1, 1) +
xy
(0, 2)
2
xy
T (0, 2))
2
xy
(2, 1, 3)
2
xy
,x
2
+ 3 xy
)
2
, 5x3y
).
T (v) = T (x, y) = (2x + y, 5xy
2
2
8.2
Defini
c
ao 8.5 O conjunto L(U, V) e o conjunto formado por todas as transformac
oes
lineares de U em V.
8.2.1
Operac
oes em L(U, V)
8.3
N
ucleo e Imagem
Defini
c
ao 8.8 Seja T L(U, V), chama-se imagem de T , denotado por Im(T ), ao conjunto de vetores v de V que sao correspondencias de vetores de U, isto e, Im(T ) = {v
V/v = T (u)}.
Teorema 8.9 O n
ucleo de T L(U, V) e um subespaco vetorial de U.
Prova:
Inicialmente veja que ker(T ) U e tambem ker(T ) 6= , pois T (0) = 0.
(i) Sejam u e v vetores do n
ucleo de T , entao T (u) = 0 e T (v) = 0.
Como T e linear T (u + v) = T (u) + T (v) = 0 + 0 = 0, logo u + v pertence ao n
ucleo de
T.
(ii) Analogamente, se u ker(T ), a R e como T e linear T (au) = aT (u) = a0 = 0,
assim au ker(T ) e ker(T ) e subespaco vetorial de U.
119
Prova:
Inicialmente veja que Im(T ) V e tambem Im(T ) 6= , pois 0 Im(T ) pelo fato de
T (0) = 0.
(i) Sejam w1 e w2 vetores da imagem de T , entao existem u1 e u2 tais que T (u1 ) = w1 e
T (u2 ) = w2 , Assim w1 + w2 = T (u1 ) + T (u2 ) = T (u1 + u2 ) o que implica que w1 + w2
Im(T ).
(ii) Analogamente, se w1 Im(T ), a R e aw1 = aT (u1 ) = T (au1 ), isto e, aw1 Im(T )
e assim Im(T ) e subespaco vetorial de V.
Defini
c
ao 8.11 Chama-se nulidade de uma transformac
ao linear, denotado por (T ), `a
dimens
ao de sua imagem.
Defini
c
ao 8.12 Chama-se posto de uma transformac
ao linear, denotado por (T ), `a
dimens
ao de seu n
ucleo.
Teorema 8.13 Seja T L(U, V), em que U possui dimensao finita, entao (T ) + (T ) =
dim(U).
1
1 0 1
1 0 1
Escalonando, 2 1 1 0 1 1 0
0
0 1 1
1 1 2
Assim = {(1, 0, 1), (0, 1, 1)} e uma base para Im(T ) e, a
120
1 1
0 0
nulidade de T e (T ) = 2.
x + 2y z = 0
(x + 2y z, y + z, x + y 2z) = 0, isto e:
e escalonando
y+z =0
x + y 2z = 0
1 2 1
1 2 1
1 2 1
x = 3z
0 1 1 0 1
1 0 1 1 y = z
1 1 2
0 1 1
0 0 0
zR
logo u = (3, 1, 1)z entao o n
ucleo e gerado pelo vetor u = (3, 1, 1)
e 0 = {(3, 1, 1)} e uma base para ket(T ) e assim o posto do n
ucleo de T e (T ) = 1.
Exemplo 2: Idem para T (x, y, z) = (x, 2y, 0).
(x,
y, z, t) = a(1, 0, 1, 2) + b(1, 1, 0, 1) + c(2, 1, 0, 1)
a + b + 2c = x
b+c=y
, escalonando:
a
=
z
2a b + c = t
a
+
b
+
2c
=
x
a + b + 2c = x
b+c=y
b+c=y
b + 2c = x z
c=xyz
3b 3c = 2x + t
0 = 2x + 3y + t
E a transformacao linear pedida e T : R4 R3 tal que T (x, y, z, t) = (2x + 3y + t, 0, 0)
Defini
c
ao 8.14 Dada T L(U, V), diremos que T e injetora se dados u, v U com
T (u) = T (v) tivermos u = v, ou equivalentemente, se para todos u 6= v U tivermos
T (u) 6= T (v).
Defini
c
ao 8.15 Dada T L(U, V), diremos que T e sobrejetora se Im(T ) = V.
Defini
c
ao 8.16 Dada T L(U, V), for injetora e sobrejetora diremos que T e um isomorfismo.
Teorema 8.17 Seja T L(U, V), entao ker(T ) = {0} se e somente se T e injetora.
Prova: ()
Hipotese: ker(T ) = {0}.
Tese: T e injetora.
Sejam u1 e u2 vetores de U tais que T (u1 ) = T (u2 ), logo T (u1 ) T (u2 ) = 0 e ainda como
T e linear T (u1 u2 ) = 0 logo u1 u2 ker(T ).
Mas por hipotese o n
ucleo possui somente o vetor nulo, logo u1 u2 = 0, isto e, u1 = u2
e assim T e injetora.
()
Hipotese: T e injetora.
122
Tese: ker(T ) = 0.
Tome v ker(T ) o que implica que T (v) = 0.
E como pelo teorema 8.3 T (0) = 0 tem-se que v = 0, pelo fato de T ser injetora.
Prova:
Seja = {u1 , u2 , , un } uma base para o n
ucleo de T e como por 8.9 e um subespaco
vetorial de U e pelo teorema 1.7 do captulo de espacos vetoriais pode ser completado
de modo a obter uma base para U.
Considere agora 1 = {u1 , u2 , , un , w1 , w2 , , wm } esta base para U. Deve-se mostrar
que = {T (w1 ), T (w2 ), , T (wm )} e uma base para o conjunto imagem de T .
Para mostrar que gera Im(T ), tome w Im(T ), assim existe u U tal que T (u) = w.
Como u U e 1 e base de U entao u = a1 u1 + a2 u2 + + an un + b1 w1 + + bm wm .
Mas w = T (u) = T (a1 u1 + a2 u2 + + an un + b1 w1 + + bm wm )
w = T (u) = a1 T (u1 ) + a2 T (u2 ) + + an T (un ) + b1 T (w1 ) + + bm T (wm )
Como os vetores u1 , , un pertencem ao n
ucleo de T entao T (ui ) = 0, i = 1, , n,
assim,
w = T (u) = b1 T (w1 ) + + bm T (wm ) o que diz que a imagem de T e gerada e gerada
pelos vetores T (w1 ), , T (wm ).
Agora, falta mostrar que = {T (w1 ), T (w2 ), , T (wm )} e LI e, para isto considere a
combinacao linear
a1 T (w1 ) + a2 T (w2 ) + + am T (wm ) = 0, e como T e linear, escreve-se T (a1 w1 + a2 w2 +
+ am wm ) = 0 logo a1 w1 + a2 w2 + + am wm ker(T ).
Entao a1 w1 + a2 w2 + + am wm pode ser escrito com combinacao linear da base =
{u1 , u2 , , un } de ker(T ), isto e, existem coeficientes b1 , b2 , , bn tais que:
a1 w1 + a2 w2 + + am wm = b1 u1 + b2 u2 + + bn un e ainda
a1 w1 + a2 w2 + + am wm b1 u1 b2 u2 bn un = 0
Mas {w1 , w2 , , wm , u1 , u2 , , un } e uma base de U, logo os coeficientes ai e bj , i
1, 2, , m, j = 1, 2, , n sao nulos e, = {T (w1 ), T (w2 ), , T (wm )} e LI.
123
Corol
ario 8.19 Se dim(U) = dim(V), entao T e injetora se e somente se T for sobrejetora.
Prova:
Se T e injetora pelo teorema 8.17 ker(T ) = {0}, assim, dim(ker(T )) = 0 e pelo
teorema 8.18 dim(im(T )) = dim(U ), que por hipotese dim(im(T )) = dim(V ), logo T e
sobrejetora.
Corol
ario 8.20 Seja T L(U, V) injetora. Se dim(U) = dim(V), entao T leva base em
base.
Prova:
Seja = {u1 , u2 , , un } uma base para U.
O conjunto {T (u1 ), T (u2 ), , T (un )}, T (ui ) V, e LI pois, se b1 T (u1 ) + b2 T (u2 ) + +
bn T (un ) = 0 e, pelo fato de T ser linear tem-se T (b1 u1 ) + T (b2 u2 ) + + T (bn un ) = 0 e
ainda T (b1 u1 + b2 u2 + + bn un ) = 0 logo b1 u1 + b2 u2 + + bn un = 0 entao, por {vi }
ser LI vem que bi = 0.
Mas pela hipotese dim(U) = dim(V) entao dim(V) = n e T (ui ) e LI.
x 2y = 0
x+y =0
logo T e um isomorfismo.
Para determinar T 1 , basta lembrar que se:
T :UV
T 1 : V U
(x, y, z) (x 2y, z, x + y)
(x 2y, z, x + y) (x, y, z)
entao basta fazer (x 2y, z, x + y) = (u, v, w) e calcular x, y e z em funcao de u, v e w,
isto e, resolver o sistema:
e se obtem:
assim
x 2y = u
z=v
x+y =w
x = u+2w
wu
y= 3
z=v
T 1 : R3 R3
.
wu
(u, v, w) ( u+2w
,
,
v)
3
3
Resolva este exemplo novamente, aplicando o teorema 8.4 a partir da base canonica do
R3 , resumidamente:
O conjunto imagem de T e Im(t) = {T (1, 0, 0), T (0, 1, 0), T (0, 0, 1)} que pelo corolario
8.20 e uma base, confirme, entao escreva (x, y, z) como combinacao linear de Im(T ) para
obter T 1 .
8.4
Transformaco
es lineares e matrizes
125
Se T : Rn Rm escreve-se
T (u1 ) = a11 v1 + a21 v2 + + am1 vm
T (u2 ) = a12 v1 + a22 v2 + + am2 vm
..
.
(8.1)
ou simplificadamente T (uj ) =
m
X
i=1
a11 a1n
..
..
0
[T ] = .
. =A
am1 amn
Exemplo 1: Seja T : R3 R2 tal que T (x, y, z) = (2x + y z, 3x 2y + 4z). Sejam
0
= {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e 0 = {(1, 0), (0, 1)}. Determine [T ] .
Calculando a imagem dos vetores da base .
T (1, 0, 0) = (2, 3) = 2(1, 0) + 3(0, 1)
T (0, 1, 0) = (1, 2) = 1(1, 0) 2(0, 1)
T (0, 0, 1) = (1,
4) = 1(1, 0)+ 4(0, 1)
0
Assim [T ] =
3 2
= {(1, 1, 1), (1, 1, 0), (1, 0, 0)} e 0 = {(1, 3), (1, 4)}. Determine [T ] .
Veja que a transformacao linear e a mesma do exemplo anterior, mas as bases sao diferentes, o que ira originar uma matriz diferente.
Calculando a imagem dos vetores da base e ja escrevendo como combinacao linear dos
vetores de 0 .
T (1, 1, 1) = (2, 5) = 3(1, 3) 1(1, 4)
T (1, 1, 0) = (3, 1) = 11(1, 3) 8(1, 4)
T (1, 0, 0) = (2, 3) = 5(1, 3) 3(1, 4)
126
Assim [T ] =
11
1 8 3
Exemplo 3: Dadas as bases = {(1, 1), (0, 1)} do R2 e 0 = {(0, 3, 0), (1, 0, 0), (0, 1, 1)}
do R3 . determinea transformacao linear T : R2 R3 cuja matriz representativa e
0 2
0
[T ] = 1 0 .
1 3
T (1, 1) = 0(0, 3, 0) 1(1, 0, 0) 1(0, 1, 1) = (1, 1, 1)
T (0, 1) = 2(0, 3, 0) + 0(1, 0, 0) + 3(0, 1, 1) = (0, 9, 3)
para determinar T (x, y) deve-se escrever (x, y) como combinacao linear dos vetores de ,
isto e: (x, y) = x(1, 1) + (y x)(0, 1)
Calculando a imagem de (x, y)
T (x, y) = T (x(1, 1) + (y x)(0, 1)) = xT (1, 1) + (y x)T (0, 1)
T (x, y) = x(1, 1, 1) + (y x)(0, 9, 3)
T (x, y) = (x, 9y 10x, 3y 4x)
Teorema 8.22 Sejam U e V espacos vetoriais, base de U, 0 base de V e T : U V
linear. Entao para todo u U tem-se
[T (u)] 0 = [T ] 0 [u] .
oes lineares e , e
Teorema 8.23 Sejam T1 : V W e T2 : W U transformac
bases de V, W e U, respectivamente. Entao a transformac
ao composta de T1 com T2 ,
T2 T1 : V U e linear e dada por
[T2 T1 ] = [T2 ] [T1 ] .
Exemplo: Sejam as transformacoes lineares pertencentes a L(R2 , R2 ), dadas por S(x, y) =
(x, x + 2y) e T (x, y) = (y, 2x y). Calcular:
a) ST
(ST )(x, y) = S(T (x, y)) = S(y, 2x y) = (y, y + 4x 2y) = (y, 4x y)
b) T S
(T S)(x, y) = T (S(x, y)) = T (x, x + 2y) = (x + 2y, 2x x 2y) = (x + 2y, x 2y)
127
c) S 2
(SS)(x, y) = S(S(x, y)) = T (x, x + 2y) = (x, x + 2x + 4y) = (x, 3x + 4y)
d) T 2
(T T )(x, y) = T (T (x, y)) = T (y, 2x y) = (2x y, 2y 2x + y) = (2x y, 2x + 3y)
2
3
3
2
Exemplo: Sejam as transformacoes
linearesT1 : R R e T2 : R R cujas
1 0
0
1
1
, em relacao
matrizes representativas sao [T1 ] = 1 1 e [T2 ] =
0 0 0
0 1
`as bases = {(1, 0), (0, 2)}, = {( 13 , 0, 3), (1, 1, 15), (2, 0, 5)} e = {(2, 0), (1, 1)}.
2
Determine a composta T2 T
R2 .
1 : R
1 0
1 2
0 1 1
1 1
[T2 T1 ] =
=
0 0 0
0 0
0 1
Escrevendo
agora as coordenadas do vetor v = (x, y) em relacao `a baes . [(x, y)] =
y
2
e utilizando o teorema
8.23, vem:
xy
1 2
x
=
[(T2 T1 )(x, y)] =
y
0
0 0
2
Finalmente, (T2 T1 )(x, y) = (x y)(2, 0) + 0(1, 1) = (2x 2y, 0).
8.5
Exerccios
3. Seja D22 uma matriz diagonal real. Mostre que a aplicacao dada por T (A) =
DA AD, para A22 e um operador linear sobre R22 .
4. Determine T (x, y) sendo T : R2 R3 dada por T (1, 2) = (3, 1, 5), T (0, 1) =
(2, 1, 1).
5. Determine T (x, y, z) sendo T : R3 R dada por T (1, 1, 1) = 3, T (0, 1, 2) = 1 e
T (0, 0, 1) = 2.
0 1
0 0
0 0
.
1 1
1 0
1 0
, T
0 0
1 0
1 0
0 1
1 0
0 1
eT
1 2
1 1
!
0 0
=
0 1
ucleo e uma
7. Para as seguintes transformacoes lineares determine uma base para o n
base para a imagem.
a) T : R3 R3 onde T (x, y, z) = (x + 2y, y z, x + 2z)
b) T : R3 R2 onde T (x, y, z) = (x + y, y + z)
8. Dado o operador linear T : P2 (x) P2 (x), tal que T (ax2 + bx + c) = (a + 2b)x + c,
verifique:
a) v = 4x2 + 2x 2 pertence ao n
ucleo de T ?
b) x2 + 2x + 1 e um vetor da imagem de T ?
c) Determine uma base para ker(T ).
d) Determine uma base para Im(T ).
(e) T e injetora?
(f ) T e sobrejetora?
9. Determine uma transformacao linear T : R3 R3 , cuja imagem seja gerada pelos
vetores (1, 2, 3) e (4, 5, 6).
10. Determine uma transformacao linear T : R4 R3 , cujo n
ucleo e gerado pelos
vetores (1, 2, 3, 4) e (0, 1, 1, 1).
129
11. Mostre que cada um dos seguintes operadores T sobre o R3 e inversvel e determine
T 1 (x, y, z).
a) T (x, y, z) = (x 3y 2z, y 4z, z)
b) T (x, y, z) = (x + z, x z, y)
12. Classifique as seguintes afirmacoes como verdadeiras ou falsas. Caso verdadeira
justifique, caso falsa de um contra-exemplo.
a) Se T : U V e linear e e uma base U entao {T ()} e base para V.
b) T2 T1 = T1 T2
c) Se a matriz representativa de T : U V, com U e V de dimensao finita, e nao
singular entao ker(T ) = {0}.
d) Se a matriz representativa de T : U V, com U e V de dimensao finita, e nao
singular entao T e sobrejetora.
(e) dim(Im(T )) dim(V ), para T L(U, V).
(f ) Se T L(U, V) e sobrejetora entao dim(V ) dim(U).
13. Para quais valores de m, o operador linear T (x, y, z) = (x+y, x2yz, x+y+mz)
e inversvel?
14. Determine a matriz representativa, da transformacao linear T (x, y) = (x + y, x y)
sobre as bases canonicas.
15. Determine a matriz representativa, da transformacao linear T (x, y) = (x + y, x y)
sobre as bases = 0 = {(1, 2), (0, 1)}.
16. Determine a matriz representativa, da transformacao linear T (x, y, z, t) = (x y +
z, 2x+zt, x+y+t) sobre as bases = {(1, 0, 0, 1), (1, 1, 0, 1), (0, 1, 0, 1), (1, 0, 1, 0)}
e 0 = {(1, 1, 1), (1, 0, 2), (0, 1, 0)}.
17. Dado o operador linear T : R3 R3 tal que T (1, 0, 2) = (3, 1, 4), T (0, 1, 1) =
(1, 0, 1) e T (1, 1, 3) = (4, 3, 5). Determine uma base para a imagem de T e uma
base para o n
ucleo de T .
130
Captulo 9
Autovalores e autovetores
9.1
Definic
ao
Defini
c
ao 9.1 Dado T L(V, V), R sera um autovalor associado ao autovetor
v V, v 6= 0 se
T (v) = v
(9.1)
T(v)
v
131
x=0
x = x x(1 + ) = 0
= 1
y = y
Substituindo = 1 na segunda equacao do sistema, vem, y = 0 e assim, 1 = 1 e um
autovalor associado ao autovetor v1 = (x, 0), x 6= 0, ou somente v1 = (1, 0).
Da segunda equacao do sistema tem-se:
y = y y(1 ) 0
y=0
=1
Substituindo = 1 na primeira equacao do sistema, vem, x = 0 e assim, 2 = 1 e um
autovalor associado ao autovetor v2 = (0, y), y 6= 0, ou somente v2 = (0, 1).
Exemplo 2: Determine os autovalores e autovetores do operador linear T : R2 R2
dado por T (x, y) = (x + y, 3y).
Usando a equacao T (v) = v, tem-se:
(x + y, 3y) = (x, y) o que leva ao sistema
x + y = x
y=0
3y = y
y(3 ) = 0
= 3.
Voltando na primeira equacao do sistema com y = 0, vem:
x + 0 = x x(1 ) = 0 que implica em
1. x = 0, nao e solucao pois um autovetor nao pode ser o vetor nulo.
2. = 1 leva em x R, logo 1 = 1 e um autovalor associado ao autovetor v1 = (x, 0),
x 6= 0, ou somente v1 = (1, 0).
Voltando, agora, na primeira equacao do sistema com = 3, vem:
x + y = 3x y = 2x, assim 2 = 3 e um autovalor associado ao autovetor v2 = (x, 2x),
x 6= 0, ou v2 = (1, 2).
Exemplo 3: Determine os autovalores e autovetores do operador linear, rotacao de 90o
132
y = x
x = (x) x(1 + 2 ) = 0
x = y
x=0
y=0 .
Teorema 9.2 Dado T L(V, V) e um autovalor associado ao autovetor v entao qualquer vetor w = v tambem e um autovetor associado ao autovalor .
Prova:
Deve-se mostrar que T (w) = w, assim,
T (w) = T (v)
T (w) = T (v), mas como v e um autovetor T (v) = v, entao:
T (w) = (v)
T (w) = (v)
T (w) = (w)
9.2
Defini
c
ao 9.3 Dada uma matriz quadrada Ann sobre um corpo F, diz-se que um escalar
F e um vetor xn1 6= 0 satisfazendo a
Ax = x
(9.2)
Teorema 9.4 Seja uma matriz quadrada Ann sobre um corpo F. Entao as seguintes
afirmac
oes sao equivalentes:
133
(i) (A).
(ii) A I e singular. (nao inversvel).
(iii) det(A I) = 0
Prova:
Se pertence ao espectro de A, (A), entao e um autovalor de A, ou seja,
Ax = x
Ax x = 0
det(A I) = 0
que e um sistema linear homogeneo e como x 6= 0 este sistema deve ter solucoes nao nulas,
isto e, deve se possvel e indeterminado que implica em A I singular. Se A I e
singular ja foi mostrado que det(A I) = 0.
7 4
5 2
det(A
I)
7 4
1 0
7
4
) = det
=0
p() = det(A I) = det(
5 2
0 1
5
2
2
p() = 5 + 6 = 0 , entao 1 = 2 e 2 = 3 sao os autovalores de A.
Voltando com 1 = 2 e 2 = 3 em 9.2, ou equivalentemente, em (A I)x = 0 teremos
os autovetores de A.
Para
1 = 2,
7
4
x = 0
5
2
5 4
5 4
x
y
=0
5 4
0
x
y
=0
5x 4y = 0
7
4
x = 0
5
2
134
4 4
5 5
x
y
=0
4 4
0
x
y
=0
4x 4y = 0
9.3
Polin
omio caracterstico
9.4
Definic
ao
Observacoes:
O polinomio caracterstico de Ann e p() = det(A I).
O grau de p() e igual a n.
A equacao caracterstica de Ann e p() = det(A I) = 0.
Oa autovalores de A sao as solucoes da equacao caracterstica, ou equivalentemente,
as razes do polinomio caracterstico.
Se a matriz A e formada somente por n
umeros reais e possui um autovalor complexo
entao tambem e autovalor de A.
9.5
Diagonalizac
ao
Defini
c
ao 9.6 Diz-se que um operador linear T : V V e diagonaliz
avel se puder ser
representado por uma matriz diagonal D.
Prova:
A prova sera feita por inducao sobre n. Se n = 1, entao v1 e LI, porque v1 6= 0.
Suponha n > 1 e
a1 v1 + a2 v2 + + an vn = 0 ,
(9.3)
(9.4)
Corol
ario 9.8 Seja V um espaco vetorial de dimensao n e T L(V, V) com n autovalores distintos, entao V possui uma base formada por autovetores.
Teorema 9.9 Se A e uma matriz diagonalizavel entao e semelhante
a uma matriz D,
Uma A e semelhante uma matriz B se existir uma matriz P inversvel tal que A = P 1 BP e a
136
Teorema 9.10 Se A e uma matriz simetrica real entao existe uma matriz ortogonal P tal
que P 1 AP = D e diagonal.
Defini
c
ao 9.11 Diz-se que um operador linear T : V V e diagonalizavel se V possuir
uma base de autovetores.
2 4
AP e diagonal.
=2
1
1
1
= 0 (1 )(4 ) + 2 = 0 2 5 + 6 = 0
=3
2 4
2
Assim pelo teorema 9.8 tem-se que A e diagonalizavel.
Para 1 = 2,
12
1
x
1 1
x
= 0
= 0 x = y e,
2 4 2
y
2 2
y
v1 = (1, 1) e o autovetor associado ao autovalor 1 = 2.
Para 2 = 3,
2 1
x
13
1
x
= 0 y = 2x e,
= 0
2 1
y
2 4 3
y
v1 = (1, 2) eo autovetor
ao
autovalor 2 = 3.
associado
1 1
2 0
eD=
e pelo teorema 9.9 vem que P 1 AP = D.
Entao P =
1 2
0 3
Entenda esteresultadocomo: O operador linear em relacao a base canonica e dado pela
matriz A =
2 4
2 0
0 3
137
0 0 0
1 0 1
matriz inversvel P tal que P 1 AP e diagonal.
e os autovetores de A.
Determinando os autovalores
0
0
0
1 = 0
(1 )2 = 0
.
0
1
0 =0
= =1
2
3
1
0
1
Para
1 = 0,
00
0
0
0
10
0
1
0
10
x = z
y=0
x
0 0 0
x
y = 0 0 1 0 y = 0
z
1 0 1
z
01
0
0
0
11
0
1
0
11
x=0
y, z R
x
1 0 0
x
y = 0 0 0 0 y = 0
z
1 0 0
z
1
3
2
3
2
3
2
3
1
3
2
3
2
3
2
3
1
3
7 2 0
A = 2 6 2
0 2 5
9.6
Exerccios
1 4
2 3
e apos determine
AP e diagonal.
1 3 3
6 6 4
3 1 1
e B = 7 5 1 .
6 6 2
0 2
, determine B 22 .
5. Dada a matriz B =
1 1
6. Para cada uma das seguintes matrizes determine todos os autovalores e os autovetores:
139
3 1 1
a) A = 2 4 2
1 1 3
1 2 2
b) B = 1 2 1
1 1 4
1 1 0
c) C = 0 1 0
0 0 1
7. Justifique a sentenca: Os autovalores de uma matriz A sao iguais aos autovalores
da AT .
8. Utilize o Octave para calcular os autovalores e os autovetores das matrizes do
exerccio 27 do captulo de matrizes.
(i) Verifique o teorema 9.10.
(ii) Verifique a proposicao: Se uma matriz e positiva definida seus autovalores sao positivos.
a b
c d
A e o produto dos autovalores e igual ao determinante de A.
140
Captulo 10
Espacos com produto interno
10.1
Produto interno
Defini
c
ao 10.1 Seja V um espaco vetorial sobre um corpo F. Um produto interno sobre
V e uma aplicac
ao de V V sobre o corpo F, isto e, cada par de vetores v1 e v2 de V e
associado a um escalar, denotado por < v1 , v2 >, satisfazendo as seguintes propriedades:
(i) hv1 , v1 i 0 e hv1 , v1 i = 0 se e so se v1 = 0
(ii) hav1 , v2 i = ahv1 , v2 i
(iii) hv1 + v2 , v3 i = hv1 , v3 i + hv2 , v3 i
(iv) hv1 , v2 i = hv2 , v1 i
Defini
c
ao 10.2 Um espaco de dimensao finita com produto interno real e chamado de
espaco Euclidiano.
Exemplo 1: Em Rn existe um produto interno a que chamamos produto interno usual
definido por hv1 , v2 i = x1 y1 +x2 y2 + +xn yn , em que v1 = (x1 , x2 , , xn )
ou canonico. E
e v2 = (y1 , y2 , , yn ). Para o R3 este produto e conhecido por produto escalar.
Exemplo 2: Verifique que em R2 para v1 = (x1 , y1 ) e v2 = (x2 , y2 ) a aplicacao de
R2 R2 tal que hv1 , v2 i = x1 x2 y1 x2 x1 y2 + 4y1 y2 e um produto interno.
141
Defini
c
ao 10.3 Seja V um espaco vetorial munido de um produto interno h, i. Dois
vetores v1 e v2 de V serao chamados de ortogonais, em relac
ao a este produto vetorial, se
hv1 , v2 i = 0 e sera denotado por v1 v2
142
Propriedades:
1. 0 v para todo v V.
2. Se v1 v2 entao v2 v1 .
3. Se v1 v2 para todo v2 V entao v1 = 0.
4. Se v1 v3 e v2 v3 entao (v1 + v2 ) v3 .
5. Se v1 v2 e e um escalar entao v1 v2 .
Exemplo 1. Mostre que, em relacao ao produto interno usual do R3 os vetores u =
(1, 3, 2) e v = (1, 1, 1) sao ortogonais.
Para mostrar que dois vetores sao ortogonais basta provar que hu, vi = 0. Assim:
hu, vi = h(1, 3, 2), (1, 1, 1)i
hu, vi = 1 + 3 2 = 0
Teorema 10.4 Seja {v1 , v2 , , vn } um conjunto de vetores nao nulos dois a dois ortogonais, isto e, hvi , vj i = 0 para todo i 6= j. Entao {v1 , v2 , , vn } e linearemente
independente.
Prova:
Considere a1 v1 + a2 v2 + + an vn = 0.
Enao ha1 v1 + a2 v2 + + an vn , vi i = h0, vi i = 0 e,
ha1 v1 , vi i + ha2 v2 , vi i + + han vn , vi i = 0
a1 hv1 , vi i + a2 hv2 , vi i + + an hvn , vi i = 0
Mas, por hipotese, hvi , vj i = 0, i 6= j, entao
ai hvi , vi i = 0, que pelo fato de vi nao ser o vetor nulo leva a ai = 0, para todo i, assim o
conjunto {v1 , v2 , , vn } e LI.
Defini
c
ao 10.5 Um conjunto = {v1 , v2 , , vn } de vetores de um espaco vetorial V
ser
a uma base ortogonal para V se for base de V e hvi , vj i = 0 para todo i 6= j.
143
10.2
Coeficientes de Fourier
ai =
Defini
c
ao 10.6 Os coeficientes ai =
hw, vi i
hvi , vi i
hw, vi i
sao chamados coeficientes de Fourier.
hvi , vi i
10.3
2
3
Norma
Defini
c
ao 10.7 Seja V um espaco vetorial munido de um produto interno h, i. Chama-se
norma de um vetor v V, em relac
ao a esse produto interno, denotado por kvk, a
kvk =
p
hv, vi .
144
k(1, 2)k = 1 + 4
k(1, 2)k = 5
Exemplo 2: Determine kf (x)k, sendo f (x) = 2x 1.
p
kf (x)k = hf (x), f (x)i
qR
1
f (x)f (x)dx
kf (x)k =
0
qR
1
kf (x)k =
(2x 1)(2x 1)dx
0
qR
1
(2x 1)2 dx
kf (x)k =
r 0
(2x 1)3 1
kf (x)k =
6
0
r
1
kf (x)k =
3
Exemplo 3: Determine o valor de a para que k(6, a, 3)k = 7.
p
k(6, a, 3)k = (6)2 + a2 + 32 = 7
36 + a2 + 9 = 49
a = 2
Propriedades:
Defini
c
ao 10.8 Sejam v e w dois vetores de um espaco vetorial V munido de uma norma
k.k. Chama-se distancia
145
10.3.1
Angulo
entre vetores
Defini
c
ao 10.9 Dados dois vetores u, v de um espaco Euclidiano V. O angulo entre u
e v e tal que:
cos() =
|hu, vi|
kukkvk
1 0
0 1
ev=
.
Exemplo 2. Determine o angulo entre os vetores u =
2 2
2 2
|hu, vi|
cos() =
kukkvk
1.0 + 0.(1) + 2.2 + (2).2
cos() =
=0
1+0+4+4 0+1+4+4
= /2
Defini
c
ao 10.10 Dizemos que um vetor v de um espaco vetorial Euclidiano V esta normalizado se kvk = 1.
Defini
c
ao 10.11 Seja V um espaco vetorial Euclidiano. Uma base = {v1 , v2 , , vn }
de V ser
a chamada de base ortonormal se for ortogonal e cada vetor vi for unitario,
isto e:
0, se i 6= j
|hvi , vj i| =
1, se i = j
Exemplo 1. A base canonica = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, em relacao ao produto
interno usual, e uma base ortonormal.
Exemplo 2. Normalize a base do R2 = {(3, 4), (12, 5)}.
k(3, 4)k = 9 + 16 = 5
1
1
0 = { (3, 4), (12, 5)}
5
13
3
4
12 5
)}
0 = {( , ), ( ,
5 5 13 13
Exemplo 3. Determine as coordenadas do vetor v = (1, 1, 1) em relacao `a base ortonormal = {(0, 1, 0), ( 53 , 0, 45 ), ( 54 , 0, 35 )}.
v = a(0, 1, 0) + b( 35 , 0 45 ) + c( 54 , 0, 35 )
Utilizando os coeficientes de Fourier, vem:
h(1, 1, 1), (0, 1, 0)i
a=
=1
h(0, 1, 0), (0, 1, 0)i
h(1, 1, 1), ( 35 , 0, 54 )i
1/5
1
b=
=
=
3
4
3
4
1
5
h( 5 , 0, 5 ), ( 5 , 0, 5 )i
c=
h(1, 1, 1), ( 45 , 0, 35 )i
7/5
7
=
=
4
3
4
3
1
5
h( 5 , 0, 5 ), ( 5 , 0, 5 )i
10.4
Processo de Ortogonalizac
ao de Gram-Schmidt
147
hv2 , v10 i
hv10 , v10 i
e
v20 = v2
hv2 , v10 i 0
v
hv10 , v10 i 1
vn0 = vn
hv2 , v10 i 0
v
hv10 , v10 i 1
0
hvn , vn1
i 0
hvn , v10 i 0
v
v
0
0
hvn1
, vn1
i n1
hv10 , v10 i 1
Exemplo 1. Determine a partir de = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} uma base ortonormal para o R3 munido do produto interno usual.
No processo de ortogonalizacao de Gram-Schmidt escolha v10 = (1, 1, 1), v2 = (0, 1, 1)
e v3 = (0, 0, 1), assim:
v20
hv2 , v10 i 0
= v2 0 0 v1
hv1 , v1 i
v20 = (0, 1, 1)
0+1+1
(1, 1, 1)
1+1+1
2 2 2
0
v2 = (0, 1, 1)
, ,
3 3 3
v20 = (0, 1, 1)
2 1 1
, ,
h(0, 0, 1),
i
h(0, 0, 1), (1, 1, 1)i
2 1 1
3 3 3
0
, ,
(1, 1, 1)
v3 = (0, 0, 1)
2 1 1
2 1 1
3 3 3
h(1, 1, 1), (1, 1, 1)i
, ,
, ,
h
,
i
3 3 3
3 3 3
v30 = v3
148
v30
1/3
= (0, 0, 1)
6/9
2 1 1
, ,
3 3 3
1
(1, 1, 1)
3
v10
(1, 1, 1)
(1, 1, 1)
=
=
=
(
3/3,
3/3,
3/3)
kv10 k
k(1, 1, 1)k
3
v200 =
v20
(2/3, 1/3, 1/3)
(2/3, 1/3, 1/3)
=
=
=
(2/
6,
1/
6,
1/
6)
kv20 k
k(2/3, 1/3, 1/3)k
6/3
v30
(0, 1/2, 1/2)
(0, 1/2, 1/2)
=
(0,
=
=
2/2,
2/2)
kv30 k
k(0, 1/2, 1/2)k
1/ 2
e 00 = {( 3/3, 3/3, 3/3), (2/ 6, 1/ 6, 1/ 6), (0, 2/2, 2/2)} e uma base
v300 =
ortonormal para R3 .
Exemplo 2. Considere o espaco Euclidiano dos polin
omios de grau menor ou igual a 2,
Z
1
de P2 (x). Ortogonalize .
hv2 , v10 i 0
v
hv10 , v10 i 1
hx, 1i
1
h1, 1i
R1
1 xdx
v20 = x R01
1
1 1dx
0
v20 = x
v20
x2 /2|0
=x
1
x|10
v20 = x 1/2
hx2 , (x 1/2)i
hx2 , 1i
(x 1/2)
1
h(x 1/2), (x 1/2)i
h1, 1i
R1 2
R1 2
x
(x
1/2)dx
x 1dx
v30 = x2 R 1 0
(x 1/2) R0 1
1
(x
1/2)
(x
1/2)dx
1
1dx
0
0
v30 = x2
149
R1
R1 2
3
2
(x
x
/2)dx
x dx
v30 = x2 R0 1
(x 1/2) 0R 1
1
(x 1/2)2 dx
dx
0
0
v30 = x2
x4 /4 x3 /6|10
x3 /3|10
(x
1/2)
1
(x 1/2)3 /3|10
x|10
v30 = x2 1 (x 1/2)
1
1
3
v30 = x2 x + 1/6
e 0 = {1, x 1/2, x2 x + 1/6} e uma base ortogonal para P2 (x). (Confirme o
resultado.)
Exemplo 3. Utilizando o processo de ortogonalizacao de Gram-Schmidt, determine o
vetor projecao ortogonal do vetor v = (a, b, c, d), sobre o sub-espaco W R4 gerado pelos
vetores v1 = (1, 0, 0, 0), v2 = (0, 1, 1, 0) e v3 = (1, 1, 1, 1).
Inicialmente, deve-se determinar uma base ortogonal a partir de v1 , v2 e v3 .
v10 = v1 = (1, 0, 0, 0)
v20 = v2
hv2 , v10 i 0
v
hv10 , v10 i 1
v20 = (0, 1, 1, 0)
v30 = v3
1
2
v30 = (1, 1, 1, 1) (1, 0, 0, 0) (0, 1, 1, 0) = (0, 0, 0, 1)
1
2
Assim o vetor projecao de v = (a, b, c, d) sera:
proj(v) =
hv, v20 i 0
hv, v30 i 0
hv, v10 i 0
+
+
v
v
v
1
2
hv10 , v10 i
hv20 , v20 i
hv30 , v30 i 3
a
b+c
d
proj(v) = (1, 0, 0, 0) +
(0, 1, 1, 0) +
(0, 0, 0, 1)
1
2
1
proj(v) = (a,
b+c b+c
,
, d)
2
2
150
10.5
Complemento ortogonal
Defini
c
ao 10.12 Considere um espaco vetorial Euclidiano V e S um subconjunto nao
vazio de V, nao obrigatoriamente um subespaco vetorial de V. Chama-se complemento
ortogonal de S, denotado por S , ao conjunto:
S = {v V/hv, si = 0, s S} .
Propriedades:
S e um subespaco vetorial de V, independente de S ser subespaco de V ou nao.
S S = {0}
Se S for um subespaco vetorial de V entao S S = V.
Se v S entao v e ortogonal aos vetores de uma base de S.
S S
Se S1 S2 entao S2 S1
Exemplo 1. Considere o R3 munido do produto interno canonico e S = span{(1, 1, 2), (0, 1, 1)}.
Determine S .
S = {v V/hv, si = 0, s S}
Seja v S entao hv, si = 0 para todo vetor s de S.
Como S e gerado por {(1, 1, 2), (0, 1, 1)} que e LI, entao {(1, 1, 2), (0, 1, 1)} e uma base
para S e entao hv, (1, 1, 2)i = 0 e hv, (0, 1, 1)i = 0, que para V = (x, y, z) vem:
x + y + 2z = 0
x = z
y+z =0
y = z
e v = (z, z, z) logo,
S = span{(1, 1, 1)}.
151
10.6
Exerccios
f (x)g(x)dx. Calcule
0
do produto
hA, Bi =
1 0
1 1
eB=
.
tr(B T A). Determine d(A, B), sendo A =
2 1
0 2
0 1
2 1
com o produto interno hA, Bi = tr(B T A).
e B =
(d) A =
2 3
3 1
10. Utilize Gram-Schmidt para obter uma base ortonormal a partir
de:
(a) = {(1, 1, 1), (1, 0, 1), (1, 2, 3)}
152
x+yz =0
.
2x + y + 2z = 0
12. Utilize os coeficientes de Fourier para determinar as coordenadas de v = (2, 3) em
13. Idem para v = (2, 3, 1) e = {(1/ 5, 0, 2/ 5), (2/ 5, 0, 1/ 5), (0, 1, 0)}.
14. Determine uma base para o complemento ortogonal do subespaco
W = span{(2, 1, 0, 1, 2), (1, 3, 1, 2, 4), (3, 2, 1, 1, 2), (7, 7, 3, 4, 8),
(1, 4, 1, 1, 2)}.
15. Seja V = R22 o espaco vetorial das matrizes reais de ordem 2 por 2,munido do
1 2
0 1
.
sobre o vetor w =
1 2
dos polinomios de grau menor ou igual a 2, munido
16. Seja V = P2 (t), o espaco vetorial
Z
1
153
Captulo 11
C
onicas e qu
adricas
11.1
C
onicas
Defini
c
ao 11.1 Dado um sistema de coordenadas cartesianas xOy, uma conica e o conjunto de todos os pontos P (x, y) que verificam a equac
ao quadratica, do 2o grau com duas
vari
aveis,
Ax2 + By 2 + Cxy + Dx + Ey + F = 0 .
154
11.1.1
Par
abola
Defini
c
ao 11.2 Parabola e o lugar geometrico dos pontos P (x, y) de um plano que equidistam de uma reta d, chamada diretriz, e de um ponto F , chamado foco.
11.1.2
Elipse
Defini
c
ao 11.3 Elipse e o lugar geometrico dos pontos P (x, y) de um plano cuja soma
das distancias a dois pontos fixos dados F1 e F2 , chamados focos da elipse, e uma constante
2a, em que 2a > d(F1 , F2 ).
d(P, F1 ) + d(P, F2 ) = 2a
155
Elementos da elipse:
A1 , A2 , B1 , B2 sao os vertices.
F1 , F2 sao os focos e segmento F1 F2 de comprimento 2c e a distancia focal.
O e centro, o ponto medio do segmento F1 F2 .
O segmento A1 A2 tem medida 2a e e chamado de eixo maior.
O segmento B1 B2 tem medida 2b e e chamado de eixo menor.
A aplicacao do teorema de Pitagoras no triangulo de vertices O, F1 e B2 conduz `a
relacao
a2 = b2 + c2
A relacao e =
c
e a excentricidade da elipse.
a
11.1.3
Hip
erbole
Defini
c
ao 11.4 Hiperbole e o lugar geometrico dos pontos P (x, y) de um plano cujo
m
odulo da diferenca de suas distancias a dois pontos fixos dados F1 e F2 , chamados focos
156
=1
a2
b2
Exerccios: Identifique cada uma das seguintes conicas:
1. 2x2 5y 2 7 = 0
2x2 5y 2 = 7
2x2 5y 2
=1
7
7
y2
x2
p 2 p 2 = 1 Representa uma hiperbole.
7/2
7/5
2. x2 + y 2 6x 2y + 8 = 0
x2 6x + 9 + y 2 2y + 4 2 = 0
(x 3)2 + (y 1)2 = 2 Representa uma circunferencia de raio
3. 2x2 + 2y 2 + 4xy + 4 2 x + 12 2 y 8 = 0
1o Escrevendo
forma matricial.
cao em
a equa
a b
x
= ax2 + 2bxy + cy 2
x y
y
b c
157
Assim,
a=2
b=2
c=2
Logo.
2 2
x
x
+ 4 2 12 2 8 = 0
x y
2 2
y
y
2 2
2 2
x
na base canonica se reduz a
Assim x y
2 2
y
0 0
x
1 em relacao `a base de autovetores.
x1 y 1
0 4
y1
o
3 Determinacao da matriz mudanca de coordenadas da base de autovetores para a
base can
onica.
autovetores
x
x
= I
1
can
onica
y
y1
autovetores
x1
x
1/ 2 1/ 2
1/ 2 1/ 2
y1
y
can
onica
o
4 Reescrever
o dada
a equa
ca
na base de autovetores.
0 0
x1
1/
x
2
1/
2
+ 4 2 12 2
8 =
x1 y 1
0 4
y1
1/ 2 1/ 2
y1
0
Efetuando as operacoes anteriores, vem:
y12 + 2x1 + 4y1 2 = 0
ou ainda
(y1 + 2)2 + 2(x1 3) = 0
Que representa uma parabola de vertice (3, 2) em relacao ao sistema de eixos
formados pelos autovetores, cujo grafico esta representado na figura 11.5.
158
Figura 11.5:
11.2
Qu
adricas
Defini
c
ao 11.5 Uma quadrica em R3 e o conjunto de todos os pontos P (x, y) que verificam a equac
ao quadratica, do 2o grau com tres variaveis,
Ax2 + By 2 + Cz 2 + Dxy + Exz + F yz + Gx + Hy + Iz + J = 0 .
11.2.1
Elips
oide
x2 y 2 z 2
+ 2 + 2 =1
a2
b
c
11.2.2
Hiperbol
oide de uma folha
x2 y 2 z 2
+ 2 2 =1
a2
b
c
159
11.2.3
Hiperbol
oide de duas folhas
x2 y 2 z 2
2 2 + 2 =1
a
b
c
160
11.2.4
Parabol
oide elptico
x2 y 2
+ 2 = cz
a2
b
11.2.5
Parabol
oide hiperb
olico
x2 y 2
+ 2 = cz
a2
b
11.2.6
Cone elptico
x2 y 2
+ 2 = z2
2
a
b
161
11.2.7
Cilindro elptico
x2 y 2
+ 2 =1
a2
b
11.2.8
Cilindro hiperb
olico
x2 y 2
2 =1
a2
b
11.2.9
Cilindro parab
olico
y = ax2
162
= Paraboloide circular.
x
a b c
x
x y z b d e y + 0 1 1 y = 100
z
c e f
z
x
a b c
c e f
z
Logo a = 1,b = c = d =
f
= 0 ee = 1, assim:
1 0
x y z 0 0
0 1
b) Determinando uma
x
x
1 y + 0 1 1 y = 100
0
z
z
base ortonormal de autovetores.
1 1
= {v1 , v2 , v3 }, em que v1 = (1, 0, 0) e v2 = (0, , ) sao autovetores normalizados
2 2
1 1
associados ao autovalor 1 = 1 e v3 = (0, , ) e autovetor de norma igual a 1
2 2
associado ao autovalor 2 = 1.
1
0
0
x
x
autov 1
1
1
0
= I =
y = I
y1
2
2
can
1 1
z
z1
0
can
autov
2
2
d) Reescrevendo a equacao em relacao `a base (referencial) de autovetores.
1 0
0
x
1 0 0
1
1
1
0
x1 y1 z1 0 1 0 y1 + 0 1 1
2
2
1 1
z1
0
0 1
0
2
2
100
e) Voltar da forma matricial para a forma quadratica.
2
x21 y12 + z12 y1 = 100
2
f) Efetuando uma translacao para eliminar o termo linear.
163
x1
y
=
1
z1
1
199
x21 (y1 + )2 + z12 =
2
2
1
(y1 + )2
2
x1
z12
2
e ainda p
2 p
2 + p
2 = 1
199/2
199/2
199/2
A equacao representa um hiperboloide de duas folhas.
11.3
Exerccios
x2 y 2 z 2
+
=0
16
9
4
4. z = x2 + 2y 2
5. 2x2 + 3y 2 + 4z 2 = 12
6. 5x2 + y 2 11z 2 16yz 10x 22z 16y 6 = 0
164
Captulo 12
Respostas
1. a) A =
Captulo 1.
0 1 2
3
1 0 0
b) B = 0 1 0
0 0 1
2
c) C = 3
4
d) D = 1 2 3 4
2
T
2. a) D =
1 0 0
b) I T = 0 1 0
0 0 1
2 0 0
d) E T =
1 4 1
1 10 9
6. a) A + B = 9 11 1
7 13 3
5 11 5
b) C A = 9 12 8
2 9 2
40 37 34
c) 3A 2B + 4C = 9 11 20
57 26 7
7. A matriz deve ser simetrica com diagonal
principal nula.
0
bd cg
8. a) AAT = d b
0
f h
gc hf
0
2a
b+d c+g
T
b) A + A = b + d
2e
f +h
c+g f +h
2i
5. y = 8, x = 7 ou x = 7
9. X =
5/3
1/3 1
3. x = 3, y = 4, z = 7
4. x = 6, y = 9
10. X =
11/5
44/5 22/5
7/3 10/3
Y =
38/3 19/3
165
14 12 9
T
11. A A = 12 11 8
9
8 6
13.
2
18. a) A = 0.44 0.39 0.17
1 0
19. a) An =
0 2n
1
0
0
b) B n = 0 (1)n 0
n
0
0
3
n1
n1
cos(2
x)
sen(2
x)
c) Rn =
n1
n1
sen(2 x) cos(2 x)
1
9 4
12. (AB)T = 1 17 8
52 65 38
a)V
b)V
c)V
d)F
e)V
f )F
g)F
h)V
i)V
j)V
k)V
l)V
0 0 1 1
14. N =
0 0 0 1
0 0 0 0
20. a) A =
0 1 1 1
15. X = P CQ
16. f (A) =
1 2
3
3 17
i=1
b) Nao existe A.
x 0
,xR
21. A =
x 0
19 2
1 1 2 3 1
0 2 2 2 2
b) B = A2 = 1 0 2 1 1
0 1 0 2 0
0 0 1 0 1
c) A estacao 1 transmite para a estacao j de
i=n
X
aii +
i=1
i=n
X
i=1
b) Imediata.
j=n
X
c) A A = [cik ] =
(a0ij ajk ) =
T
= tr(AT A) =
=
j=n
i=n
X
X
i=1
j=1
j=n
i=n
X
X
i=1
i=n
X
j=1
j=n
i=1
!
(a0ij aji )
!j=1
(aji aji )
!
(a2ji )
j=1
e efetue as operacoes.
In = (In + A + A2 + A3 )(In A)
a b
tal que X 2 = 0
33. Seja X =
In = In + A + A2 + A3 A A2 A3 A4
c 1
a2 + bc = 0
ab + b = 0
2n 0
b = 0 ou a = 1
25. A =
Assim,
0 3n
ac + c2 = 0 c = 0 ou c = a = 1
bc + 1 = 0
b = 1
26. A
sequencia parece estar
conver
1, 0000 0, 7500
1 1
.
.
gindo para
logo X =
0
0
1
1
27. A e C sao matrizes positiva definida
X = 12 (B + C) e
Y = 12 (2A + B C)
Substituindo
A, Be C vem:
1/2 1
X = 1/2 1/2
9/2 7/2
5/2 1
e Y = 1/2 5/2
1/2 13/2
A = AT , B = B T e AB = (AB)T , mas
31. Sejam A =
0 1
x
=
x
+
z
z
=
0
em blocos obtendo
z=z
1 15 0 0 0
0
z+t=t
z=0
5 6 0 0 0
0
BA =
t y
0 0 0 3 8 15
, t, y R
assim X =
0 t
0 0 0 0 5 9
167
37. BA =
2a 2b 2c
a
j) I 1 =
1 x
(e
2
+e )
1
1
2
(ex + ex )
2
1
(ex
2
+e )
1 x
(e
2
38.
42.
39. Mostre que AB = I
40. m = 9, n = 5
3 4
1
41. a) A = 3
2
1
b) B e na
o inversvel
2
0
43.
a)V
b)F
c)V
d)V
e)F
f )V
g)V
h)F
i)V
j)F
k)F
l)F
m)F
n)V
o)V
c) C =
2/19
3/19 1/19 4/19
318
233
119
3/38 5/38
11/38 13/38
Captulo 2.
0 1 1
2. 0
d) D1 = 1
0 1
1 1
1
3.a. 1
e) E e nao invers
vel
7 + 11i 20 12i
20 12i 28 + 10i
1
f) F 1 =
34
6 + 10i
12 14i
23 27i 22 + 48i
1
0
0 0
1 1
0 0
1
g) G =
1 1 1 0
1 1 1 1
1/a
0
0
0
0
1/b
0
0
1
h) H =
0 1/bc 1/c 0
0
0
0 1/d
cos() sen()
1
i) I 1 =
2
sen( cos(
6 + 10i
23 27i
22i + 48i
10 + 6i 24 6i
5.a. -12
5.b. 12+8i
5.c. 4
6. 1
7. 1 = 1, 2 = 2, 3 = 3
Captulo 3.
168
+e )
1.
x=2
a)
y = 1
z=3
c) incompatvel
x = t
y=t
e)
z = t
tR
x = 2t
f)
y=t
tR
Captulo 5.
x = 5 2t
y = 2 + 3t
b)
z = 3 + 2t
tR
x=0
d)
y=0
z=0
Captulo 6.
linear.
1.a) E
1.b) Nao e linear.
1.c) Nao e linear.
1.d) Nao e linear.
3. (i) Sejam u, v R22
T (u + v) = D(u + v) (u + v)D
T (u + v) = Du + Dv uD vD
T (u + v) = Du uD + Dv vD
T (u + v) = T (u) + T (v).
(ii) Sejam u R22 e a R
T (au) = D(au) (au)D
x=2
3.
y = 1
z=3
4. Sistema incompatvel.
22
23
2 + 2
2+2
.
5. B 22 =
22
23
1+2
1 + 2
6. a) 1 = 2, v1 = (1, 1, 0), v2 =
e b = 2 ou b = 1/2 indeterminado. Se Se
a = 4 e b 6= 8 ou b 6= 2, ou a = 1 e
b 6= 2 ou b 6= 1/2 impossvel. Se a 6= 4 e
a 6= 1 determinado.
Captulo 4.
Refer
encias Bibliogr
aficas
Harper&Row do
Brasil, 1980.
1988.
[2] BOULOS, Paulo; Camargo, Ivan de. [10] ROCHA, Silvana H. Apostila de maGeometria analtica: Um tratamento
vetorial. Sao Paulo, McGraw-Hill, 2a
edicao.
[3] DOMENICO,
Alfredo.;
WIN-
Carlos
de.
Exerccios.
WIN-
Alfredo.;
vetorial e
[13] VENTURI, Jacir. Algebra
geometria analtica. 9a edicao.
170