Escolar Documentos
Profissional Documentos
Cultura Documentos
Altovalores e Autovetores
Altovalores e Autovetores
Mdulo 2
Autovalores e autovetores
Transformaes lineares
Formas qudricas
Jossana Ferreira
Projeto Institucional
Edital n 015/2010/CAPES/DED
Fomento ao uso de tecnologias de comunio e informao nos cursos de graduao
Jossana Ferreira
Mdulo 2
Autovalores e autovetores
Transformaes lineares
Formas qudricas
Governo Federal
Presidenta da Repblica
Dilma Vana Rousseff
Vice-Presidente da Repblica
Michel Miguel Elias Temer Lulia
Ministro da Educao
Aloizio Mercadante Oliva
Comit Gestor
Presidente
Alexandre Augusto de Lara Menezes
Reitora
ngela Maria Paiva Cruz
Vice-Reitora
Maria de Ftima Freire Melo Ximenes
Coordenao geral
Apuena Vieira Gomes
Coordenadores
Apuena Vieira Gomes/CE
Adir Luiz Ferreira/CE
Gleydson de Azevedo Ferreira Lima/SINFO
Marcos Aurlio Felipe/CE
Maria Carmozi de Souza Gomes/PROGRAD
Rex Antonio da Costa de Medeiros/ECT
Diagramadores
Projeto Grco
Revisora Tcnica
Ivana Lima
Ilustradores
Ivana Lima
Adauto Harley
Rommel Figueiredo
Copyright 2005. Todos os direitos reservados a Editora da Universidade Federal do Rio Grande do Norte EDUFRN.
Nenhuma parte deste material pode ser utilizada ou reproduzida sem a autorizao expressa do Ministrio da Educaco MEC
Jossana Ferreira
lgebra Linear
Mdulo 2
Autovalores e autovetores
Transformaes lineares
Formas qudricas
Natal RN
Abril/2012
Sumrio
Apresentao Institucional
21
37
57
69
83
101
115
125
Apresentao Institucional
Autovalores e autovetores
Aula
12
Apresentao
Os autovalores e autovetores de uma matriz podem revelar muita informao a respeito
de sistemas e plantas que estejam por trs dessas matrizes. Esse recurso da lgebra Linear
bastante utilizado nas engenharias, fsica, qumica etc.
Objetivo
Calcular os autovalores e autovetores a partir de matrizes quadradas.
Aula 12
lgebra Linear
Autovalor
Os autovalores de uma matriz tambm so chamados de valor prprio ou valor caracterstico. Para entendermos sua denio, consideremos uma matriz A quadrada:
A=
1
2
vetor tambm de dimenso n 1. Por outro lado, se multiplicarmos o mesmo vetor v por uma
constante , tambm obteremos como resultado um vetor de dimenso n1:
Av = vetor de dimenso n1
v = vetor de dimenso n1
Ser que existe algum valor para que torne esses dois resultados iguais? A.v = .v ?
A resposta sim. Esses valores so chamados de autovalores.
Portanto, autovalor um nmero, real ou complexo, que de certa forma pode substituir
uma matriz quadrada, ou seja, ou autovalores podem representar essa matriz.
Observaes
Aula 12
lgebra Linear
11
Exemplo 1
Se multiplicarmos a matriz A =
1
1
pelo vetor
1
1
temos:
3
A 1 =
=
. notrio que a constante que devemos multiplicar por v1 para
3
2 1
1
1
3
=3
=
que a igualdade A.v = .v seja satisfeita =3: = 3 :
.
1 2
1
1
3
2 1
Uma outra possibilidade multiplicarmos a matriz A =
pelo vetor
1 2
1
2 1
1
1
. Assim, temos: A 2 =
logo, a constan
=
v2 =
1 2
1
1
1
2 1
1 2
2 1
1 2
te que devemos multiplicar por v 2 para que a igualdade Av = .v seja satisfeita =1:
2 1
1
1
1
.
=1:
=1
=
1 2
1
1
1
Encontrando os autovalores
No Exemplo 1, conseguimos identicar os autovalores da matriz A, porm, nem sempre
essa tarefa possvel de ser alcanada simplesmente analisando a matriz intuitivamente.
Para obtermos o procedimento a m de encontrarmos os autovalores de uma matriz
quadrada, vamos partir da prpria denio de autovalores:
Av =v
Vamos introduzir a matriz identidade sem alterar a igualdade:
Av =Iv
Vamos agora somar a ambos os lados da equao o termo Av:
Av v = Iv Av
0 = Iv Av
Colocando o vetor v em evidncia: (I A)v =0
Essa equao resulta em um sistema de equaes com n equaes e n incgnitas, onde
n a ordem da matriz A. Note que o sistema um sistema homogneo, portanto, admite a
soluo trivial (todas as variveis iguais a zero). No sistema de equaes, v o vetor com as
incgnitas e a matriz (IA) a matriz dos coecientes. Sabemos ainda que em um sistema
de equaes, quando a matriz dos coecientes apresenta determinante diferente de zero, isso
implica em um sistema possvel determinado, ou seja, de nica soluo, e como esse sistema
12
Aula 12
lgebra Linear
homogneo, se apresentar uma nica soluo, essa soluo necessariamente ser a trivial,
soluo que no interessa, pois obteramos qualquer valor para . Para encontrarmos as
solues no triviais dessa equao, devemos garantir que o determinante da matriz (IA)
seja igual a zero: det(IA)=0
Essa equao chamada de equao caracterstica.
Ao desenvolvermos a equao caracterstica, nos deparamos com um polinmio em ,
chamado de polinmio caracterstico.
n+c1n -1+c2n -2+ ... + cn -1+ cn
Exemplo 2
2 2
2 2
Fazendo det(IA)=0
det
det
1 0
0 1
2 2
2 2
2 2
2 2
=0
=0
( 2)2 4 = 0
2 4 = 0 polinmio caracterstico
(4) = 0
1 = 0
autovalores de A
2 = 4
1
2 4
4
2
Aula 12
lgebra Linear
13
Autovetor
Quando partimos da denio Av =v encontramos os autovalores da matriz A, porm
quando substitumos o valor de , a equao no satisfeita para qualquer vetor v, apenas
para alguns vetores que so chamados de autovetores da matriz A.
Portanto, autovetor o conjunto de vetores soluo, no triviais, da equao Av =v
ou (IA)v=0, para cada valor de .
Exemplo 3
2 2
.
2 2
Para encontrarmos os autovetores de uma matriz, antes precisamos conhecer seus autovalores,
como calculamos no Exemplo 2, sabemos que os autovalores de A so 0 e 4.
Ento, vamos solucionar a equao (IA)v=0 para =0 e para =4.
Para =0
Para =4
(I A)v = 0
0
2 2
x1
=
0
y1
2 2
0 2 2
x1
0
=
2 0 2
0
y1
2 2
x1
0
=
2 2
y1
0
2x1 2y1 = 0
2x1 2y1 = 0
(I A)v = 0
0
2 2
x2
=
0
y2
2 2
4 2 2
x2
0
=
2 4 2
0
y2
2 2
x2
0
=
2
2
0
y2
2x2 2y2 = 0
2x2 + 2y2 = 0
x1 = y1
x1
y1
1
=
= y1
1
y1
y1
x 2 = y2
x2
y2
1
=
= y2
1
y2
y2
v 1 = (1, 1)
14
Aula 12
lgebra Linear
v 2 = (1, 1)
Autoespao
Note que em toda situao obteremos um sistema possvel indeterminado porque denimos no incio que det(IA)=0, o que caracteriza um sistema possvel indeterminado ou
impossvel, e como o sistema sempre homogneo, logo no pode ser impossvel. Portanto,
sempre teremos innitas solues para os autovetores e, por essa razo, no dizemos que
apenas um determinado vetor autovetor de uma matriz e sim todo espao gerado por essa
base encontrada. Esse espao soluo para os autovalores possveis chamado de autoespao
associado a um determinado autovalor.
2
2 4
4
2
Observao:
Propriedades
*k um escalar.
Aula 12
lgebra Linear
15
Multiplicidade geomtrica
A multiplicidade geomtrica dos autovalores indica a dimenso do autoespao associado
a um determinado autovalor, ou seja, a quantidade de vetores na base do autoespao.
Exemplo 4
0 0 1
0 1
det 0 1 = 0
0 0 1
( 1) = 0
1 = 1 M ult. Alg
ebrica = 1
2 = 0
M ult. Alg
ebrica = 2
3 = 0
16
Aula 12
lgebra Linear
Encontrando os autovetores de A:
Para =1
Para =0
(I A)v = 0
0
0 1
x1
0 1 y1 = 0
z1
0
0 0 1
(I A)v = 0
0
0 1
x2
0 1 y2 = 0
z2
0
0 0 1
(I A)v = 0
1 0 1
x1
0 1 1 y1 =
z1
0 0
0
x1 z 1 = 0
y 1 z1 = 0
1
z1
x1
y 1 = z1 = z 1 1
(I A)v = 0
0
0 0 1
x2
0 0 1 y2 = 0
z2
0
0 0 1
z2 = 0
x2
1
x2
0
y2 = y2 = x 2 0 = y2 1
z2
0
0
0
0
0
z1
z1
v 1 = (1, 1, 1)
Multiplicidade geomtrica de =1 1
Multiplicidade geomtrica de =0 2
0 0 1
A = 0 0 1 .
1 1 1
Aula 12
lgebra Linear
17
Desao
1)
2)
3)
Resumo
O assunto de autovalores e autovetores um dos mais usados da lgebra
Linear e importante que nesta aula voc tenha aprendido como calcul-los,
assim como entender seu signicado, pois esse contedo ser amplamente
aplicado daqui em diante.
Autoavaliao
1
a)
A=
b)
A=
c)
A=
d)
18
Aula 12
A=
lgebra Linear
2 1
0 3
2 1
2 3
e)
0 1 1
A= 1 1 0
1 0 1
1
1
1 1
f)
1 0 0
A= 0 0 0
0 0 0
g)
A=
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1 2 2
a)
1 1 1
F = 0 0 0
1 0 1
b)
Considere a matriz A =
a b
c d
H=
0
1
1
0
0
0
0
0
1
0
0
0
2
0
0
0
e responda:
a)
b)
Que condio faz com que os autovalores de A tenham multiplicidade algbrica diferente
de 1?
a)
Qual o tamanho de A?
b)
A inversvel?
Referncias
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Porto Alegre:
Bookman, 2001.
BOLDRINI, J. L. et al. lgebra linear. 3. ed. So Paulo: Harper-Row, 1980.
LAY, David. lgebra linear e suas aplicaes. 2. ed. Rio de Janeiro: LTC, 2007.
Aula 12
lgebra Linear
19
Anotaes
20
Aula 12
lgebra Linear
Diagonalizao de matrizes
Aula
13
Apresentao
abemos que muitos sistemas podem ser representados por matrizes e a manipulao
dessas matrizes implica em anlise, melhorias e clculos desses sistemas. Imagine que
essas matrizes, em determinados casos, no sejam simples de serem manipuladas,
ento devemos encontrar matrizes o mais simples possvel para representar esses sistemas e
assim ganhar em tempo de processamento e custo operacional. Uma das formas de obter essa
simplicao consiste em encontrarmos uma matriz diagonal que seja semelhante original,
e a esse processo chamamos de diagonalizao de matrizes.
Objetivos
1
Aula 13
lgebra Linear
23
Denio
A diagonalizao de matrizes consiste na obteno de uma matriz diagonal que seja
equivalente matriz original. O que motiva a obteno dessa matriz equivalente diagonal
so as suas caractersticas. Por apresentar todos os elementos fora da diagonal principal
diferentes de zero, isso implica, matematicamente, em uma reduo signicativa no custo de
processamento dessa matriz.
Matrizes equivalentes
Para entender melhor como a matriz diagonal pode ser semelhante a uma matriz qualquer
quadrada, vejamos a seguir o que preservado em matrizes semelhantes.
Considere duas matrizes A e B que sejam semelhantes:
As nulidades so iguais.
Os determinantes so iguais.
Os traos so iguais.
Os autovalores so iguais.
Os autovetores so correspondentes.
Com esses pontos iguais, ento podemos armar que duas matrizes so semelhantes.
O desao consiste ento em encontrar uma matriz diagonal que preserve todos esses itens
da matriz original.
Por denio, dizemos que duas matrizes A e B so semelhantes se existir uma matriz
P, inversvel, tal que:
B = P1AP
Aula 13
lgebra Linear
25
Matriz diagonal
Se B uma matriz diagonal semelhante A e os autovalores so preservados quando
as matrizes so semelhantes, ento a nica possibilidade de B ter os mesmos autovalores de
A se os elementos da diagonal de B forem os prprios autovalores de A:
B = D = P 1AP
D=
1 0 0
0 2 0
0 0 3
0
0
0
0
Se quisermos apenas saber qual a matriz diagonal equivalente, ento basta encontrarmos os autovalores da matriz A, porm, muitos problemas requerem encontrar a matriz que
diagonaliza A, uma vez que essa simplicao na matriz de trabalho implica em uma mudana
de coordenadas e muito provvel que todos os dados envolvidos com o sistema original
necessitem migrar para esse novo sistema de coordenadas.
A nica ressalva que os autovetores sejam linearmente independentes (LI), pois P deve
ser inversvel. Portanto, se os autovetores forem LI e a quantidade de autovetores for igual
ordem da matriz A, ento dizemos que A diagonalizvel.
26
Aula 13
lgebra Linear
Exemplo 1
1 0 0
Resoluo:
Encontrando os autovalores:
det(I ) = 0
A=
1 = 2 = 1
3 = 0
Encontrando os autovetores:
=1
(I A)X = 0
0
11 0
0
x1
0 x2 = 0
2 1
x3
0
0
0 11
{2x1 + x2 = 0
0
1
v1 = 2 , v2 = 0
1
0
=1
(I A)X = 0
0
01 0
0
x1
0 x2 = 0
2 0
x3
0
0
0 01
x1 = 0
x3 = 0
0
v3 = 1
0
k1 = 0
2k1 + k3 = 0
k3 = 0
k1 = k2 = k3 = 0
Aula 13
lgebra Linear
27
Montando a matriz P:
P = [ v1
1
P = 2
0
P
v2 v3 ]
0 0
0 1
1 0
1 0 0
0 0 1
2 1 0
Vericando:
D = P-1AP
1 0 0
1 0 0
1 0 0
D = 0 0 1 2 0 0 2 0 1
2 1 0
0 0 1
0 1 0
1 0 0
1 0 0
D = 0 0 1 2 0 1
0 0 0
0 1 0
1 0 0
D= 0 1 0
0 0 0
Matriz diagonal formada a partir dos autovalores de A.
2 0 1
A= 1 0 1
0 0 1
Potenciao de matrizes
A diagonalizao de matrizes permite-nos calcular potncias de matrizes. Sabendo que
D = P1AP, ao multiplicarmos a matriz diagonal por ela mesma, teremos:
DD = (P1AP)(P1AP)
Eliminando os parnteses, temos:
D 2 = P1A /AP = P1A2P
Multiplicando a expresso pela esquerda por P e pela direita por P 1, temos:
28
Aula 13
lgebra Linear
PD 2P 1 = A2
Se multiplicarmos novamente por D, chegaremos concluso que:
Ak = PDkP1
Onde k qualquer expoente inteiro.
Dessa forma, se conhecemos a matriz diagonal e a matriz que diagonaliza A, podemos calcular
qualquer potncia de A.
Exemplo 2
0 0
1 1
Resoluo:
Sabemos que A15 = PD15P 1 , ento devemos encontrar D e P.
Encontrando os autovalores:
1 = 1
det(I ) = 0
2 = 0
Encontrando os autovetores:
1 = 1
2 = 0
(I A)X = 0
0
1
0
x1
=
0
1 1 1
x2
x1 = 0
0
v1 =
1
(I A)X = 0
0
0
x1
0
=
1 0 1
x2
0
x1 x2 = 0
1
v2 =
1
Matriz diagonal: D =
1 0
0 0
, D15 =
0
1
1 1
115 0
0 0
=
, P 1 =
1 0
0 0
1 1
1 0
Aula 13
lgebra Linear
29
Logo,
A
15
=P
15
0
1
1 1
1 0
0 0
1 1
1 0
=
0 0
1 1
2
1 1
.
1
1
Diagonalizao ortogonal
de matrizes
Uma particularidade no caso da diagonalizao de matrizes quando a matriz que diagonaliza A uma matriz ortogonal:
P t = P 1
Ou seja, os vetores que representam as linhas e as colunas de P so ortonormais entre si.
A diagonalizao ortogonal permite que a transio de um sistema de coordenadas para
outro ocorra sem perda de propores, fato que comprovaremos ao estudarmos as cnicas.
Portanto, se houver uma matriz P, tal que D = P1AP = P tAP, ento dizemos que A
ortogonalmente diagonalizvel.
Para saber se A pode ser diagonalizada ortogonalmente, devemos observar se A uma
matriz simtrica, caso contrrio, j podemos descartar a possibilidade. Ento:
Se At = A (simtrica), A diagonalizvel ortogonalmente.
O processo de obteno da matriz que diagonaliza A ortogonalmente inicialmente o
mesmo do processo de diagonalizao convencional, porm quando encontramos os autovetores LI, estes devem ser ortonormais e, para isso, aplicamos o processo de Gram-Schmidt e
depois normalizamos os vetores para s ento montarmos a matriz P.
As etapas para a diagonalizao ortogonal so:
30
Aula 13
1)
Encontrar os autovetores.
2)
3)
Normalizar os vetores.
lgebra Linear
Exemplo 3
1 0 1
Encontrando os autovetores:
1 = 2
(I A)X = 0
2 1 0 1
2
0
0
1 0 2 1
x1 x3 =
x2 =
x1 + x3 =
1
v1 = 0
1
2 = 0
0
x1
x2 = 0
x3
0
0
0
0
{x1 = x3
(I A)X = 0
0 1 0 1
0
x1
0
0 x2 = 0
0
1 0 0 1
x3
0
x1 = x3
x1 x3 = 0
x2
0
1
v2 = 0 , v3 = 1
0
1
k1 k3 = 0
k2 = 0
k1 + k3 = 0
k1 = k2 = k3 = 0
Aula 13
lgebra Linear
31
(1, 0, 1)
v1
v1 =
=
=
v 1
2
2
0
1
(1, 0, 1)
v2
v2 =
=
=
v 2
2
2
0
1
0
v3 = 1
0
Montando a matriz P:
t
P =
[ v 1 v 2 v 3 ] P 1 = P
1
1
1 0 1
0
2
2
2 2
P 1 =
1
1
P =
0
0
1
2
2
1
1 0
2
2
0 1 0
0 0 1
Desao
1)
2)
N
=
A matriz
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Se A uma matriz quadrada de ordem 3, a qual possui dois autovalores distintos, onde
cada autoespao unidimensional. A diagonalizvel? Justique.
3)
32
Aula 13
lgebra Linear
r s
0 r
Resumo
Nesta aula, voc aprendeu como obter uma matriz diagonal equivalente a
uma matriz qualquer, assim como obter a diagonalizao ortogonal. Viu ainda
como identicar quais os requisitos para que determinada matriz possa ser
diagonalizada e diagonalizada ortogonalmente.
Autoavaliao
Determine se a matriz A diagonalizvel. Em caso armativo, encontre a matriz
que diagonaliza A.
a)
2 1
0 1
A=
c)
b)
3 0 0
A= 1 3 0
0 1 3
e)
d)
2 0 2
A= 0 0 0
2 0 2
A=
2 1
0 1
c)
b)
A=
0
0
1
0
0
0
1
0
0
0
1
0
1
1
1
1
2
a)
0 0 1
A= 0 0 1
1 1 1
3 0 0
A= 1 3 0
0 1 3
0 0 1
A= 0 0 1
1 1 1
d)
2 0 2
A= 0 0 0
2 0 2
e)
A=
0
0
1
0
0
0
1
0
0
0
1
0
1
1
1
1
Aula 13
lgebra Linear
33
0 2 2
Calcule A21. A = 0 0 1
0 1 0
B=
1 1
0 x
Referncias
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Porto Alegre:
Bookman, 2001.
BOLDRINI, J. L. et al. lgebra linear. 3. ed. So Paulo: Harper-Row, 1980.
LAY, David. lgebra linear e suas aplicaes. 2. ed. Rio de Janeiro: LTC, 2007.
Anotaes
34
Aula 13
lgebra Linear
Anotaes
Aula 13
lgebra Linear
35
Anotaes
36
Aula 13
lgebra Linear
Transformaes
lineares denio
Aula
14
Apresentao
No estudo de espaos vetoriais comum que espaos distintos se relacionem entre
si e essa interao ocorre atravs de funes que, em se tratando de espaos vetoriais, so
chamadas de transformaes lineares.
Objetivos
1
Encontrar vetores de espaos distintos que esto relacionados atravs da transformao linear.
Aula 14
lgebra Linear
39
Denio
Transformao linear um tipo particular de funo entre dois espaos vetoriais que
preservam a adio vetorial e a multiplicao por escalar. Tambm pode ser chamada de
aplicao linear ou mapa linear.
Considerando funes da forma w =F(x), onde a varivel independente x um vetor em
V (espao domnio) e a varivel dependente w um vetor em W (espao imagem), tem-se
que a funo dita uma transformao linear F: V W se satiszer as seguintes condies:
i)
ii)
onde
x1 e x2= elementos quaisquer de V e k = constante.
Notao: Uma transformao T de um espao vetorial V em um espao vetorial W ser
denotada por
T :V W,
onde
T(v)=w,
T:V W
o Domn
pa
io
Es
Espao
vetorial
V
V2
Vn
V1
Es
T(V1 ) =W1
T(V2 ) =W2
o Image
pa
m
Espao
vetorial
W
W1
T(Vn ) =Wn
W2
Wn
Aula 14
lgebra Linear
41
Exemplo 1
Explique se T: , T(x)= 8x uma transformao linear.
Resoluo:
Para que T(x)= 8x seja uma transformao linear T: , necessrio que sejam satisfeitas
as duas condies:
i)
ii)
T(kx1) = k.T(x1)
T(kx1)=8(kx1)= k.8(x1)
k T(x1)= k8(x1)
Exemplo 2
Explique se T: 42, T(x,y,z,w)=(x+y+1,zw), uma transformao linear.
Resoluo:
Para que a transformao seja uma transformao linear, necessrio que sejam satisfeitas
as duas condies:
i) T(u + v) = T(u)+ T(v),
onde u =(u1,u2,u3,u4), v =(v1,v2,v3,v4)
T(u)=(u1 + u2 + 1, u3u4)
T(v)=(v1 + v2 + 1,v3 v4)
T(u)+ T(v) = (u1+v1+u2+v2+1+1, u3+v3u4 v4)= (u1+v1+u2+v2+2, u3+v3u4v4)
T(u + v) =(u1+v1+u2+v2+1, u3+v3u4v4)
Como T(u + v) T(u)+ T(v), a primeira condio no foi satisfeita. Logo, a transformao
no linear.
42
Aula 14
lgebra Linear
a)
b)
Aula 14
lgebra Linear
43
Princpio da superposio
O princpio da superposio nos permite separar transformaes lineares de somas de
vetores, assim como deslocar constantes para fora da transformao, isso faz com que usemos
parcelas mais simples de serem resolvidas. Na realidade, aplicaremos as caractersticas de
adio e multiplicao por escalar das transformaes lineares.
T:VW uma transformao linear, {v1,v2,...,vn } base de V e 1, 2,..., n pertencem a , ento:
T(1v1+2v2+...nvn)= 1T(v1)+ 2T(v2)+...+ nT(vn)
O princpio da superposio possibilita encontrarmos as expresses das transformaes
a partir de pares de vetores relacionados por essa transformao linear.
Exemplo 3
Seja T: 32 uma transformao linear e B={v1,v2,v3} uma base do 3, onde v1=(0,1,0),
v 2=(1,0,1) e v 3=(1,1,0); determine T(v), sabendo que v =(5,3,2), T(v 1)=(1,2),
T(v2)=(3,1) e T(v3)=(0,2).
Resoluo:
O vetor v pode ser escrito como combinao linear dos elementos da base B, considere constantes:
V=1v1+2v2+3v3
v =1(0,1,0)+2(1,0,1)+3(1,1,0)
v=(2+3, 1+3, 2)
(5,3,2)= (2+3, 1+3, 2)
2+3=5
1+3=3
2=2
Logo,
1= 4
2= 2
3= 7
Assim,
v =1v1+2v2+3v3
v= 4 v12v2+7v3
44
Aula 14
lgebra Linear
Exemplo 4
Encontre, caso exista, T: 23 tal que T(1,1)=(3,2,1) e T(0,2)=(0,1,0).
Resoluo:
A primeira coisa a ser vericada se {(1,1),(0,-2)} a base do 2. Como base, ento a
transformao existe.
Nesse exerccio, queremos encontrar agora a regra da transformao linear, a equao que
nos permite achar a transformao de qualquer vetor do domnio.
O passo seguinte considerar um vetor genrico do espao domnio v=(x,y) e escrev-lo
como combinao linear dos elementos da base:
v =(x,y)=1(1,1)+2(0,2)
1=x
122=y
Logo,
1 = x
2 =
xy
2
Depois que encontramos os pesos, escrevemos o vetor v como combinao linear dos vetores
da base com os respectivos pesos 1 e 2:
(x, y) = 1 (1, 1) + 2 (0, 2)
(x, y) = x(1, 1) +
xy
2
(0, 2)
xy
(0, 2)
x(1, 1) +
2
Aula 14
lgebra Linear
45
2
Encontre, caso exista, T: 33 tal que
T(0,1,1)=(1,1,1), T(1,0,0)=(1,1,0) e T(1,0,1)=(1,0,0).
46
Aula 14
lgebra Linear
Ncleo
De uma maneira simples, o ncleo da transformao linear corresponde ao conjunto de
todos os elementos do espao domnio que, quando aplicados na transformao, o resultado
o vetor nulo do espao imagem.
Considerando a transformao linear T:VW, chamamos de ncleo da transformao
linear todos os vetores de V tal que T(v)=0. O ncleo tambm chamado de Kernel de uma
transformao linear.
N(T)=Ker(T)={v V; T(v)=0}
A Figura 2 mostra a relao dos espaos com o ncleo da transformao.
T:V W
Espao V
o
Espa W
V3
W3
V2
N(T)
V4
V1
W1
V5
W5
Vn
Wn
Aula 14
lgebra Linear
47
Propriedades do ncleo
Seja T:VW uma transformao linear, ento N(T) um subespao vetorial de V.
Para provarmos, considere que v1 e v2 N(T), logo:
T(v1)=0
T(v2)=0
Para o subconjunto ser um subespao, devemos vericar trs pontos:
I)
II)
Adio:
III)
Seja , ento
T(v1) = T(v1) = 0 = 0
v1 N(T)
48
Aula 14
lgebra Linear
Imagem
A imagem de uma transformao linear consiste no subconjunto do espao imagem que
contm os vetores resultantes da aplicao das transformaes lineares quando inserimos os
elementos do domnio.
Seja T:VW, chamamos de imagem de uma transformao linear o conjunto de vetores
w W que so imagens de pelo menos um vetor v V.
Im(T)= {w W; T(v)=w, para algum v V }
A Figura 3 mostra a relao da imagem com os espaos vetoriais envolvidos.
T:V W
Espao V
o
Espa W
V3
W3
V2
W2
V4
Im(T)
W1
V1
V5
Wn
W4
W5
Vn
Teorema
Sejam U e V espaos vetoriais de dimenso nita e T:UV uma transformao linear, tem-se:
dim(U) = dim(N(T)) + dim(Im(T))
Aula 14
lgebra Linear
49
Exemplo 5
Encontre o ncleo e a imagem da transformao T(x,y)=(x+y,x).
Resoluo:
Ncleo
Sabemos que para o ncleo T(x,y)=0, logo
T (x, y) = (x + y, x) = (0, 0)
x+y = 0
x
= 0
x=y=0
Portanto, N(T)={(0,0)}
Imagem
Para encontrar a imagem, vamos escrever a transformao em coluna:
T (x, y) = (x + y, x) =
x+y
x
T (x, y) = x
1
1
+y
1
0
Os vetores que aparecem so os que formam a base da imagem, desde que sejam linearmente
independentes (LI).
Como (1,1) e (1,0) so LI, ento:
Im(T)={(1,1),(1,0)}
*Se os vetores no fossem LI, teramos que retirar um vetor e vericar se o conjunto remanescente seria LI. Caso armativo, teramos a base da imagem e, caso fossem LD, teramos
que retirar mais um vetor e fazer a vericao quantas vezes forem necessrias.
50
Aula 14
lgebra Linear
Exemplo 6
Encontre o ncleo e a dimenso da imagem da transformao linear T:33, onde
T(x,y,z)=(xy+2z , 2x+yz , 3x+z).
Resoluo:
Encontrando o ncleo:
Sabemos que para o ncleo T(x,y,z)=0
(x y + 2z, 2x + y z, 3x + z) = 0
x y + 2z
2x + y z
3x + z
=
=
=
x
z
0
0
0
=
=
3x
5x
(x, y, z) = x(1, 5, 3)
N (T ) = (1, 5, 3)
Desao
1)
2)
3)
T
a
c
b
d
=
a+b b+c
c+d d+c
Aula 14
lgebra Linear
51
Resumo
Nesta aula, voc viu uma introduo s transformaes lineares e descobriu
que atravs delas que os espaos vetoriais se relacionam. Viu ainda a denio
de ncleo e imagem de uma transformao linear e como calcul-los.
Autoavaliao
1
a)
b)
c)
d)
e)
T : M22 ,
A=
Aula 14
b
d
a
c
b
d
, T (A) = det(A)
a
0
0
0
0 0
b 0
0 c
0 0
0
0
0
d
f)
T : M22 M44 ,
g)
h)
i)
T:P2 P2, T(a2x2 + a1x + a0) = (a2 a0)x 2 + (a0 +a1 +a2)
j)
T : P3 P2 ,
k)
52
a
c
T (P2 ) =
dP2
dx
lgebra Linear
a)
b)
c)
a)
b)
T : M22 M22 ,
c)
T : P2 P1 , T (P2 ) =
a
c
b
d
a
0
0
b
,u =
3
7
2
2
dP2
, u = 5x2 3x + 2
dx
a)
b)
c)
d)
a
c
b
d
e)
T : M22 M22 ,
f)
T : P2 P1 , T (P2 ) =
g)
a
0
0
b
dP2
dx
Aula 14
lgebra Linear
53
a)
b)
c)
d)
e)
f)
T : P3 P1 ,
T (P3 ) =
a
c
b
d
=
a
a b c
a+b+c
b
d 2 P3
dx2
g)
h)
T : 2 2 ,
1
T (x, y) = (x + y, x y)
2
Referncias
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Porto Alegre: Bookman, 2001.
BOLDRINI, J. L. et al. lgebra linear. 3. ed. So Paulo: Harper-Row, 1980.
LAY, David. lgebra linear e suas aplicaes. 2. ed. Rio de Janeiro: LTC, 2007.
54
Aula 14
lgebra Linear
Anotaes
Aula 14
lgebra Linear
55
Anotaes
56
Aula 14
lgebra Linear
Transformaes
lineares e matrizes
Aula
15
Apresentao
Temos visto ao logo de nossas aulas o quanto a representao matricial de sistemas
pode facilitar seu manuseio, clculo e entendimento, quando tratamos com transformaes
lineares no diferente. Toda transformao linear pode ser representada na forma matricial,
o que implica nas mesmas facilidades da representao matricial dos sistemas.
Objetivos
1
Aula 15
lgebra Linear
59
Denio
Consideremos uma transformao linear T:n m denida pelas equaes da forma:
w1
w2
=
=
a11 x1
a21 x1
+
+
a12 x2
a22 x2
+
+
a1n xn
a2n xn
wm
am1 x1
am2 x2
amn xn
w1
a11
w2 a21
wm
am1
W=A.X
a12
a22
am2
a1n
x1
a2n x2
amn
xn
i)
ii)
F(k.x) = k.F(x)
F(k.x) = A(k.x) = A.k.x = k.A.x = k(Ax) = k.F(x)
As duas regras so satisfeitas, logo, uma transformao linear.
Exemplo 1
A transformao linear T:43, denida por:
T(x1, x2, x3, x4) = (2x1 3x2 + x3 5x4, 4x1 + x2 2x3 + x4, 5x1 x2 + 4x3)
Pode ser representada da seguinte forma;
x1
w1
2 3
1 5
x2
1 2
1
w2 = 4
x3
w3
5 1
4
0
x4
W =AX
Note que na primeira coluna da matriz A aparecem os coecientes da primeira varivel, x1, na
segunda de x2 e assim sucessivamente.
Aula 15
lgebra Linear
61
Encontrando a matriz
transformao com as bases cannicas
Podemos encontrar a matriz transformao com a aplicao dos vetores da base cannica
transformao linear. A matriz montada a partir da entrada por coluna dos vetores imagem
dos vetores da base cannica.
Exemplo 2
A transformao linear T:43, denida por:
T(x1, x2, x3, x4) = (2x1 3x2 + x3 5x4, 4x1 + x2 2x3 + x4, 5x1 x2 + 4x3)
Resoluo
O primeiro passo identicar a base cannica do espao domnio, nesse exemplo o 4,
logo, a base cannica :
e1
e2
e3
e4
=
=
=
=
(1,0,0,0)
(0,1,0,0)
(0,0,1,0)
(0,0,0,1)
=
=
=
=
(2.1
(2.0
(2.0
(2.0
3.0
3,1
3.0
3.0
+
+
+
+
0
0
1
0
5.0,4.1
5.0,4.0
5.0,4.0
5.1,4.0
+
+
+
+
0
1
0
0
2.0
2.0
2.1
2.0
+
+
+
+
0,5 .1
0,5.0
0,5.0
1,5.0
0
1
0
0
+
+
+
+
4.0)
4.0)
4.1)
4.0)
=
=
=
=
(2,4,5)
(3,1,1)
(1, 2, 4)
(-5,1,0)
Agora, montamos a matriz transformao A com os vetores T(e1), T(e2), T(e3) e T(e4)
por coluna:
2 3
1 5
x1
w1
2 3
1 5
x2
Logo, w2 = 4 1 2 1
x3
w3
5 1
4
0
x4
62
Aula 15
lgebra Linear
W =AX
1
Encontre a forma matricial da transformao linear T:25, denida por:
T(x1, x2) = (x1+2x2, 0, 3x1, x1x2, x2)
Exemplo 3
Encontre o ncleo e a imagem da transformao linear T:43, denida por:
T (X) = W = 1
0
0
1
0
1 0
0 1
1 0
x1
x2
x3
x4
W 3 e X 4
Resoluo
Ncleo
Devemos investigar que vetores do 4 resultam em um vetor nulo do 3 quando aplicados
transformao:
2 0
1 1
0 0
1 0
0 1
1 0
x1
x2
x3
x4
= 0
Ou seja, nesse caso, corresponde a encontrarmos o espao nulo da matriz dos coecientes A.
Aula 15
lgebra Linear
63
0
0
0
1
0
x1
x2
x3
x4
x1
0
x2
1
x3
0
x4
0
0
1
0
x4
0
x4
= 0
= x4
0
1
0
1
x1
x2 + x4
x3
=
=
=
0
0
0
logo
Imagem
Para encontrar a imagem, separaremos os vetores:
2
0
1
0
T (X) = x1 1 + x2 1 + x3 0 + x4 1
0
0
1
0
Aparecem multiplicados por x1 todos os seus coecientes e o mesmo acontece para x2, x3 e x4.
Analisando os vetores resultantes, a base da Imagem ser a maior quantidade possvel de
vetores LI desse conjunto.
Ao tomarmos os quatro vetores resultantes, percebemos que o conjunto LD, pois temos
quatro vetores de dimenso 3. Devemos ento descartar um e analisar o conjunto resultante.
Escolhendo os trs primeiros vetores (2, 1, 0), (0, 1, 0) e (1, 0, 1), quando calculamos
percebemos que o conjunto LI, logo uma base para a Imagem da transformao.
Im = (2,1,0),(0,1,0),(1,0,-1)
T (X) = 1
1
64
Aula 15
lgebra Linear
0
0
1
1
x1
0 x2
x3
0
Desao
1
0 0 0
x
T 1(x, y, z) = 0 1 0 y
0 0 1
z
0 0 0
x
T 2(x, y, z) = 0 1 1 y
0 2 1
z
1
a
1
1
x
y
Resumo
Na aula sobre transformaes lineares e matrizes voc aprendeu como obter
a forma matricial de uma transformao linear, assim como realizar operaes
caractersticas dessas transformaes na forma matricial.
Aula 15
lgebra Linear
65
Autoavaliao
1
a)
b)
c)
d)
e)
T : P3 P1 ,
f)
g)
T : 2 2 ,
T (P ) =
b)
T (P ) =
T (P ) =
c)
d)
66
Aula 15
d 2 P3
dx2
1
T (x, y) = (x + y, x y)
2
2
a)
T (P3 ) =
0
1
1
2
1 2
0 1
P
P
1
0
2 1
P
3
0
4 2
T (P ) = 1
1
lgebra Linear
1
1
0
2
0
0 1 1
0
1 1 P
0
0 1
Referncias
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Porto Alegre: Bookman, 2001.
BOLDRINI, J. L. et al. lgebra linear. 3. ed. So Paulo: Harper-Row, 1980.
LAY, David. lgebra linear e suas aplicaes. 2. ed. Rio de Janeiro: LTC, 2007.
Anotaes
Aula 15
lgebra Linear
67
Anotaes
68
Aula 15
lgebra Linear
Transformaes
lineares inversas
Aula
16
Apresentao
Vimos nas aulas anteriores que uma transformao Linear uma funo que associa
espaos vetoriais distintos ou no. Imaginemos que essa associao, em muitos casos, deva
permitir o caminho de volta, ou seja, se a transformao que leva um vetor de uma espao V
para um espao W permitir a transformao inversa, ento, possvel partir do vetor resultante
em W e voltar ao mesmo vetor em V de partida.
Objetivos
1
Aula 16
lgebra Linear
71
Denio
Consideremos a Transformao Linear deV em W, T:VW. Partindo do ponto que
o domnio da transformao corresponde ao conjunto de vetores de V que so aplicados
transformao e que a imagem de T o subespao composto por todos os vetores em W
gerados a partir de V atravs da transformao, ento, se a transformao permitir o caminho
inverso, o que era imagem da transformao T passa a ser domnio da transformao inversa
e o que era domnio passa a ser imagem, como mostrado na Figura 1.
Notao para Transformao Linear inversa de T:T 1
T:V W
Espao
vetorial
V
Espao
vetorial
W
-1
T :V W
Relaes entre T e T 1
Sendo v um vetor de V e w um vetor de W, ento, teremos:
T(v) = w
T 1(w) = v
T 1(T(v)) = v
T(T 1(w)) = w
Aula 16
lgebra Linear
73
Relembrando...
Funes Injetoras, Sobrejetora e Bijetora
Uma funo dita injetora se para cada elemento do domnio existe um correspondente exclusivo no contradomnio. Uma funo classicada como sobrejetora se a imagem corresponder a todo o contradomnio. J no caso de
a funo ser injetora e sobrejetora ao mesmo tempo, ela classificada como
bijetora. A Figura 2 mostra a diferena entre os tipos de funes.
Domnio
Imagem
Domnio
1
3
4
Funo injetora
e no sobrejetora
Funo sobrejetora
e no injetora
Imagem
B
C
Domnio
D
3
Imagem
D
B
3
C
Funo bijetora
Transformao Injetora
Dada uma transformao linear T:VW, e dados os vetores u e v, ambos pertencentes a
V, diz-se que T injetora se T(u) = T(v) apenas para u = v. Ou seja, T injetora se as imagens de vetores distintos so distintas. Uma transformao linear injetora quando Ker(T )=0.
Transformao Sobrejetora
Dada uma transformao linear T:VW, tem-se que a transformao sobrejetora se
a imagem de T coincidir com W.
74
Aula 16
lgebra Linear
Transformao Bijetora
A transformao bijetora se for injetora e sobrejetora.
Quando uma transformao linear T:VW for injetora e sobrejetora ao mesmo tempo,
tem-se um isomorsmo.
Exemplo 1
Verique se a transformao bijetora: T: 22 T(x,y)=(x +y, x).
Resoluo
Para que a transformao seja bijetora, ela deve ser injetora e sobrejetora.
Injetora
Uma transformao injetora se o ncleo da transformao for apenas o vetor nulo.
Encontrando o ncleo:
T(x,y) = (0,0)
(x + y, x) = (0, 0)
x+y = 0
x
= 0
T (x, y) = (x + y, x) =
x+y
x
=x
1
1
+y
1
0
Analisando os dois vetores resultantes, (1,1) e (1,0), verica-se que so LI, logo, a imagem
corresponde ao espao gerado por esses dois vetores, o prprio 2.
Im(T(x,y)) = 2
Assim sendo, a imagem igual ao contradomnio e a transformao sobrejetora. Como a
transformao injetora e sobrejetora, logo bijetora.
Aula 16
lgebra Linear
75
1
Verique se a transformao bijetora: T: 32 T(x,y,z)=(0, x y+z, 2xz).
Exemplo 2
Verique se a transformao admite inversa: T: 22 T(x,y)=(x+y,x).
Resoluo
Passando para a forma matricial:
T (x, y) = (x + y, x)
T (x, y) =
1
1
1
0
x
y
1
1
1
0
0
1
1
1
76
Aula 16
(x, y) =
lgebra Linear
0
1
x
y
= (y, x y)
Exemplo 3
Encontre a inversa da transformao caso exista.
T:23, T(x,y)=(2xy,y +3x, x+y)
Resoluo
Passando para a forma matricial:
T (x, y) = (2x y, y + 3x, x + y)
T (x, y) = 3
1
1
x
1
y
1
Como a matriz cannica da transformao no admite inversa por no ser uma matriz quadrada,
ento, a transformao tambm no admite inversa.
Para investigarmos porque no admite inversa, vamos averiguar se ela injetora e sobrejetora.
Vericando se a transformao Injetora
T (x, y) = (0, 0, 0)
T (x, y) = (2x y, y + 3x, x + y) = (0, 0, 0)
2x 1
y + 3x
x+y
=
=
=
0
0
0
x=y=0
injetora
2x y
2
1
lgebra Linear
77
Desao
Seja T uma transformao linear do espao dos polinmios reais de grau menor
ou igual a 2, denida por:
T (1) =1+x
T (x) = 3 x2
T (x2) = 4 + 2x 3x2
A transformao T tem inversa? Justique.
Por que necessrio que a transformao seja bijetora para possuir inversa?
Resumo
Nesta aula, voc aprendeu a identi car quando uma Transformao
Linear admite inversa e como encontrar a transformao inversa. Aprendeu
ainda a relacionar os vetores dos espaos ligados por transformaes que
apresentam inversa.
78
Aula 16
lgebra Linear
Autoavaliao
1
a)
b)
c)
d)
e)
2
0
T (u) =
2 1
1
0
2 2
T 1 (u) =
0
1
2
0
1
0
0
1
u
1
0
0
0
1
3
0 3
1
0
f)
T (u) =
g)
a)
b)
c)
T (u) =
2
0
1 1
u
1
1
1
0 u
1
d)
1
T (u) = 0
1
e)
f)
Aula 16
lgebra Linear
79
g)
T : P2 P2 , T (a2 x2 + a1 x + a0 ) = x
h)
d(a2 x2 + a1 x + a0 )
dx
5
a)
b)
Referncias
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Porto Alegre:
Bookman, 2001.
BOLDRINI, J. L. et al. lgebra linear. 3. ed. So Paulo: Harper-Row, 1980.
LAY, David. lgebra linear e suas aplicaes. 2. ed. Rio de Janeiro: LTC, 2007.
Anotaes
80
Aula 16
lgebra Linear
Anotaes
Aula 16
lgebra Linear
81
Anotaes
82
Aula 16
lgebra Linear
Transformaes lineares
e geometria do 2
Aula
17
Apresentao
Objetivos
1
Aula 17
lgebra Linear
85
Denio
As Transformaes Lineares permitem modicarmos vetores utilizando apenas multiplicao de matrizes, ou seja, aplicando uma Transformao Linear a um vetor, o que resulta em
outro vetor com uma, ou vrias, alteraes previamente denidas. Aqui, sero analisadas algumas
dessas transformaes no 2, as quais podem ser expandidas para outros espaos euclidianos.
1)
Forma matricial
k 0
x
T (x, y) =
0 k
y
T (x, y) = k(x, y)
y
u
x
y
u
ku
y
u
ku
K >1
0 <K <1
u
x
-ku
K< 0
Aula 17
lgebra Linear
87
2)
Forma matricial
T (x, y) = (x, y)
T (x, y) =
1
0
0 1
x
y
A Figura 2 mostra o vetor u e sua reexo em torno do eixo Y. Nesse caso, apenas a
coordenada x modicada, permanecendo a mesma coordenada y.
y
u
u
T(u)
x
3)
Forma matricial
T (x, y) = (x, y)
T (x, y) =
1
0
0
1
x
y
A Figura 3 mostra o vetor u e sua reexo em torno do eixo X. Nesse caso, a coordenada
y modicada e a coordenada x permanece a mesma.
88
Aula 17
lgebra Linear
y
u
x
T(u)
4)
Forma matricial
T (x, y) =
T (x, y) = (y, x)
0
1
1
0
x
y
y
u
u
T(u)
x
5)
Forma matricial
T (x, y) = (0, y)
T (x, y) =
0
0
0
1
x
y
Aula 17
lgebra Linear
89
y
u
T(u)
x
6)
Forma matricial
T (x, y) =
T(x,y) = (x,0)
1
0
0
0
x
y
A Figura 6 mostra o vetor u e sua projeo ortogonal sobre o eixo Y. Nesse caso, a
coordenada y descartada.
y
u
T(u)
90
Aula 17
lgebra Linear
7)
Forma matricial
T (x, y) =
sen()
cos()
cos()
sen()
x
y
y
T(u)
u
x
8)
Forma matricial
T (x, y) = (x + ky, y)
T (x, y) =
1 k
0 1
x
y
A Figura 8 mostra o vetor u e seu cisalhamento de um fator k maior e menor que zero no
eixo X. Note que, medida que o vetor se afasta do eixo y, a distoro maior, perceba que,
para um mesmo k, quando o vetor tem sua coordenada y prximo de zero, o cisalhamento
menor, porm, se y for grande, ento, essa distoro ser maior.
Aula 17
lgebra Linear
91
y
u
x
y
u
T(u)
T(u)
x
K< 0
K>0
9)
Forma matricial
T (x, y) = (x, kx + y)
T (x, y) =
1
k
0
1
x
y
A Figura 9 mostra o vetor u e seu cisalhamento de um fator k maior e menor que zero no
eixo Y. Nesse caso, acontece a mesma proporcionalidade que foi comentada no cisalhamento
no eixo X, para um mesmo k, quando o vetor tem sua coordenada x prximo de zero, o cisalhamento menor, porm, se x for grande, ento, essa distoro ser maior.
92
Aula 17
lgebra Linear
y
u
x
T(u)
x
T(u)
K< 0
K>0
Exemplo 1
Obtenha a projeo ortogonal sobre o eixo x do vetor (3,5).
Resoluo
Para obter a projeo de qualquer vetor do 2 sobre o eixo x, basta usar a transformao:
T (x, y) =
1
0
0
0
x
y
, logo, T (3, 5) =
1
0
0
0
3
5
=
3
0
1
Encontre o vetor resultante da rotao do vetor (1,4) de um ngulo de 90.
Aula 17
lgebra Linear
93
Composio de
transformaes lineares
Em muitas situaes, h a necessidade de aplicarmos no apenas uma, mas uma sequncia de transformaes a um conjunto de vetores. Nessa situao, ao invs de multiplicarmos
uma matriz transformao e depois outra e outra, o melhor a fazer encontrar uma nica matriz
que represente a aplicao de todas as transformaes desejadas. Para obtermos essa matriz
equivalente, basta que multipliquemos as matrizes s transformaes envolvidas.
Consideremos que se deseja aplicar a transformao T 1(u) e depois T 2(u), nessa
ordem, onde T 1 a matriz transformao de T 1(u), T 2 a matriz transformao de T 2(u)
e u um vetor, ento, teremos:
T2 T1 (u) = T2 (T1 (u)) = T2 T1
Onde: T2 T1 = T1 T2
Exemplo 2
Obtenha o vetor resultante da rotao de 90 seguida de reexo sobre o eixo y do vetor (4,3).
Resoluo
Primeiro encontramos as duas matrizes transformaes:
0
1
1
0
x
y
cos()
sen()
sen()
cos()
x
y
cos(90 )
sen(90 )
1
0
0
1
Obtendo a combinao:
x
y
T2 T1 (x, y) = T2 T1 =
T2 T1 (x, y) =
0
1
T2 T1 (4, 3) =
94
Aula 17
lgebra Linear
1
0
0
1
1
0
1
0
x
y
0
1
0
1
1
0
4
3
=
3
4
=
0
1
1
0
sen(90 )
cos(90 )
x
y
y
u
3
-3
-4
T1(u)
-4
-4
Rotao de 90
Vetor u
T2(T1(u))
Exemplo 3
Obtenha a transformao resultante da composio de duas rotaes, primeiro por um ngulo
1 e depois por 2.
Resoluo
As transformaes so:
T1 (x, y) =
cos(1 )
sen(1 )
sen(1 )
cos(1 )
x
y
T2 (x, y) =
TR = T2 T1 = T2 T1 =
TR =
TR =
cos(2 )
sen(2 )
sen(2 )
cos(2 )
sen(1 + 2 )
cos(1 + 2 )
cos(2 )
sen(2 )
cos(1 )
sen(1 )
sen(2 )
cos(2 )
sen(1 )
cos(1 )
x
y
Aula 17
lgebra Linear
95
Como era de se esperar, a composio das duas rotaes resulta em fazer uma transformao
apenas com a rotao da soma dos ngulos. NESSE CASO, a ordem no inuncia.
Transformaes Lineares no 3
Para as Transformaes Lineares sobre vetores no 3, no sero feitas as
demonstraes, porm, o raciocnio o mesmo visto para o 2.
Transformao
Forma matricial
Expano-contrao
T (x, y, z) = (x, y, z)
T (x, y, z) = (x, y, z)
0
k
0
0
0
T (x, y, z) = (x, y, z)
0
1
0
0 0
1 0
0 1
0
0
1
0
0
Projeo ortogonal
sobre o plano xy
T (x, y, z) = (x, y, 0)
0
0
Projeo ortogonal
sobre o plano xz
T (x, y, z) = (x, 0, z)
0
0
Projeo ortogonal
sobre o plano yz
96
Aula 17
lgebra Linear
T (x, y, z) = (0, y, z)
0
1
0
0
0
k
0
0
0
1
0
0
1
0
1
0
0
0
0
0
0
0
1
0
1
0
0
1
Desao
1)
Considerando as Transformaes Lineares no plano T1, T2, T3 e T4, determine as matrizes associadas e esboce no plano a gura determinada pela aplicao das Transformaes
Lineares em sequncia, T1 at T4, sobre o quadrado com vrtices (0,0),(1,0),(0,1) e(1,1).
T 1(x, y) = (3x y, y 2x)
T 2(x, y) =
x+y xy
,
2
2
T 3(x, y) = (x + y, 0)
T 4(x, y) = (x y, x)
x+y xy
,
2
2
2)
3)
bijetora? Justique.
Resumo
Nesta aula, voc aprendeu a aplicar Transformaes Lineares a vetores
no plano, assim como a obter suas respectivas matrizes transformaes. Esta
aula contemplou ainda a composio de transformaes e a determinao
de uma matriz resultante que represente a aplicao dessas transformaes
em sequncia.
Aula 17
lgebra Linear
97
Autoavaliao
Encontre a representao matricial cannica para cada um dos operadores lineares
em 2 descritos a seguir.
1
a)
b)
Reete cada vetor em relao ao eixo x e depois roda o vetor reetido de 90 no sentido
trigonomtrico.
c)
d)
Reete cada vetor em relao reta x = y e depois projeta o vetor reetido sobre o eixo x.
2
a)
T (x, y) = (x, y)
e)
T (x, y) = (x, y)
b)
x
T (x, y) = ( , 0)
2
f)
T (x,y) = (x,y)
c)
T (x, y) = (x, 0)
d)
T (x, y) = y(e1 )
98
Aula 17
a)
(Tc Ta )(1, 1, 1)
c)
(Ta Tb Tc )(1, 1, 1)
b)
(Tb Ta )(0, 1, 2)
d)
(Tc Tb Ta )(1, 1, 1)
lgebra Linear
Referncias
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Porto Alegre: Bookman, 2001.
BOLDRINI, J. L. et al. lgebra linear. 3. ed. So Paulo: Harper-Row, 1980.
LAY, David. lgebra linear e suas aplicaes. 2. ed. Rio de Janeiro: LTC, 2007.
Anotaes
Aula 17
lgebra Linear
99
Anotaes
100
Aula 17
lgebra Linear
Formas qudricas
Aula
18
Apresentao
A lgebra Linear pode ser usada, alm de muitos outros casos, na Geometria. Nesta aula,
veremos como equaes qudricas podem ser reescritas visando uma mudana de coordenadas que facilitar o traado do seu grco futuramente.
Objetivos
1
Aula 18
lgebra Linear
103
Denio
Formas qudricas ou quadrticas so funes em que aparecem termos com multiplicao de variveis, fato que no ocorre nas funes lineares.
Forma linear
Todas as variveis aparecem na primeira potncia e no h produto de variveis
na expresso.
a1x1 + a2x2 + ... + anxn
Forma bilinear
As variveis aparecem na primeira potncia e h produto de variveis distintas
na expresso.
a1x1y1 + a2x2y2 + ... + anxnyn
Forma qudrica
possvel aparecer quadrados de variveis ou produto de duas variveis:
No 2 a1x21 + a2x22 + a3x1 x2
No 3 a1x21 + a2x22 + a3x23 + a4x1 x2 + a5x1 x3 + a6x2x3
Onde os termos que envolvem variveis distintas so chamados de produto misto ou
termo cruzado. Exemplo: a2x1x2.
Aula 18
lgebra Linear
105
Representao matricial
Seja x um vetor de dimenso n, y um vetor de dimenso n e A uma matriz nn.
x1
x2
x=
xn
y1
y2
y=
yn
a11
a21
A=
an1
a12
a22
an2
a1n
a2n
ann
Exemplo 1
Seja A =
3
2
2
7
por extenso.
Resoluo:
Conhecendo a matriz que associada forma qudrica, basta substituir na expresso
Q(x) = XTAx. Como a matriz A tem ordem 2x2, ento o vetor X s pode pertencer ao 2:
X=
x1
x2
Substituindo:
T
Q(x) = x Ax =
x1
x2
3
2
106
Aula 18
lgebra Linear
2
7
x1
x2
x1
x2
As demais entradas da matriz dependem dos coecientes dos termos cruzados, a posio
ij + a posio ji na matriz corresponde ao coeciente do termo cruzado xixj .
Exemplo 2
Considere a forma qudrica Q(x) = x21 2x22 + 5x1 x2 e obtenha uma forma matricial equivalente.
Resoluo:
Primeiro, deniremos a ordem da matriz. Como apenas aparecem como variveis x1 e x2, ento
a matriz associada ter ordem 2x2.
A=
1
2
Os elementos a12 e a21 partem dos termos cruzados, onde a12+a21 corresponde ao coeciente
do termo x1x2.
a12+ a21 = 5
Existe uma innidade de possibilidades: (2 e 3), (1 e 4), (0 e 5), (2,5 e 2,5)...
O que ocorre que sempre se tende a utilizar matrizes simtricas, pelo fato destas apresentarem
algumas facilidades, vistas mais adiante, portanto:
A=
1 2, 5
2, 5 2
Aula 18
lgebra Linear
107
x2
x1
1 2, 5
2, 5 2
x1
x2
possvel observar que para cada funo existe uma infinidade de matrizes que se encaixariam
na sua representao, cabe escolher ento a mais adequada.
Vericando se a matriz associada de fato forma qudrica dada:
Q(x) = xTAx
1 2, 5
2, 5 2
x1
Q(x) = [(x1 + 2, 5x2 )(2, 5x1 2x2 )]
x2
Q(x) = xT Ax =
x1
x2
x1
x2
Exemplo 3
Seja, Q(x) = x21 + 2x22 + 3x23 + 5x1x2 x1x3 + 2x2x3 encontre a matriz associada.
Resoluo:
Primeiro, deniremos a ordem da matriz. Como aparecem as variveis x1, x2 e x3, ento, a
matriz associada ter ordem 3x3.
A=
A=
2
3
1 2, 5
A = 2, 5 2
108
Aula 18
lgebra Linear
1
2, 5
A = 2, 5 2
0, 5
0, 5
0, 5
1
3
1
2, 5
A = 2, 5 2
0, 5 1
Vericando:
Q(x) = xT Ax =
x1
x2
x3
x1
x2
x3
1
2, 5
2, 5 2
0, 5 1
1
2, 5
2, 5 2
0, 5 1
0, 5
x1
1 x2
x3
3
0, 5
x1
1 x2
x3
3
x1
Q(x) = [(x1 + 2, 5x2 0, 5x3 )(2, 5x1 2x2 x3 )(0, 5x1 + x2 + 3x3 )] x2
x3
a)
b)
Aula 18
lgebra Linear
109
Desao
1)
x1
x2
x3
0
0
0
d
e
0
x1
e x2
x3
f
2)
Resumo
Nesta aula, voc aprendeu a identicar formas qudricas assim como
diferenci-las de formas lineares e bilineares, aprendeu ainda a mudar sua
representao de matricial para extensa e tambm o contrrio.
110
Aula 18
lgebra Linear
Autoavaliao
1
a)
Q(x)= 2x 21 + 2x 22 + 2x1x2
b)
Q(x)= 5x 1x2x3
c)
d)
e)
Q(x)= 2x 31 + x 32 + x 33
a)
A= 2
1
b)
A=
c)
3
4
3
0
3
4
A= 3
2
2
2
7
3
3
3
1
d)
1
2
1
0 1 2
3
2 1 3
A=
1
2 0
0
0 2 6 2
e)
2 2 0 7 5
4 1 2 4
6
A= 0
3 4 1
0
1
0 1 0
1
1
2 6 1 2
a)
Q(x)= 3x 21 x 22 + 4x1x2
b)
Q(x)= 2x 21 + x1x2
c)
d)
Q(x)= 4x 24
e)
f)
lgebra Linear
111
Referncias
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Porto Alegre:
Bookman, 2001.
BOLDRINI, J. L. et al. lgebra linear. 3. ed. So Paulo: Harper-Row, 1980.
LAY, David. lgebra linear e suas aplicaes. 2. ed. Rio de Janeiro: LTC, 2007.
Anotaes
112
Aula 18
lgebra Linear
Anotaes
Aula 18
lgebra Linear
113
Anotaes
114
Aula 18
lgebra Linear
Diagonalizao de
formas qudricas
Aula
19
Apresentao
A lgebra Linear quando aplicada s formas qudricas permite obter matrizes associadas
simplicadas, facilitando clculos e reduzindo custo computacional. Ao lanar mo da diagonalizao, mostramos uma aplicao direta da lgebra Linear na geometria, uma vez que
utilizaremos esse recurso para a facilitao do traado do seu grco futuramente.
Objetivos
1
Aula 19
lgebra Linear
117
Denio
Como vimos na aula anterior, a forma matricial da forma qudrica obtida facilmente a
partir da forma por extenso, porm, a matriz pode ser uma matriz cheia o que implica em vrias diculdades de manipulao. O que faremos nesta aula diagonalizar essa matriz associada
para dispor de uma matriz simplicada. Uma matriz associada diagonal implica em uma forma
qudrica sem termos cruzados, ento, o que de fato faremos eliminar os termos cruzados.
Processo de diagonalizao
Inicialmente utilizada a funo na forma padro:
Q(x) = xT Ax =
x1
x2
xn
a11
a21
an1
a12
a22
an2
a1n
x1
a2n x2
ann
xn
Onde:
X o vetor varivel do n
x1
x2
,
X=
xn
y1
y2
,
Y=
yn
lgebra Linear
119
e
PTAP = P 1AP = D
Onde D a matriz diagonalizada, cujos elementos da diagonal principal so os autovalores
de A.
0
D=
0
2
Logo, XT AX = YT DY
Exemplo 1
2
Seja Q(x) = x1 5x2 8x1 x2 , encontre uma mudana de varivel que transforme a forma
qudrica em uma sem termos cruzados.
Resoluo:
T
A matriz associada : A =
x1
x2
1
4
4
5
x1
x2
4
.
5
1
4
Autovalores de A: 3 e 7
Autovetores de A: v=3
5
=
1
v=7
5
=
2
Ento, x = Py , onde x =
120
Aula 19
lgebra Linear
x1
x2
y=
y1
y2
5
D=
1
Mudando de coordenadas:
Q(x) = x21 5x22 8x1 x2 = xT Ax = yT Dy
3
0
y1
T
Q(y) = y Dy = y1 y2
y2
0 7
5
Y = P 1 X =
1
5
6
y1 =
5
1
6
2
5
5
2 2 2
5
5
2
y2 =
5
Aula 19
lgebra Linear
121
Seja Q(x) = 3x21 + 3x22 + 2x1 x2 , encontre uma mudana de varivel que
transforme a forma qudrica em uma sem termos cruzados.
Desao
2
1)
2)
Resumo
Nesta aula, voc viu que o processo de diagonalizao de essencial
importncia na simplicao de formas qudricas. Voc aprendeu no apenas a
aplicar a diagonalizao s formas qudricas como a relacionar vetores entre os
sistemas de coordenadas envolvidos.
122
Aula 19
lgebra Linear
Autoavaliao
Elimine o termo cruzado das formas qudricas, escrevendo-as em um novo sistema de
coordenadas. Encontre as matrizes que relacionam os dois sistemas. Para cada caso encontre
a coordenada correspondente a x1 = 1, x2 = 2, x3 = 1 no novo sistema de coordenadas.
a)
b)
Q(x) = 2x1 x2
c)
d)
Referncias
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Porto Alegre:
Bookman, 2001.
BOLDRINI, J. L. et al. lgebra linear. 3. ed. So Paulo: Harper-Row, 1980.
LAY, David. lgebra linear e suas aplicaes. 2. ed. Rio de Janeiro: LTC, 2007.
Aula 19
lgebra Linear
123
Anotaes
124
Aula 19
lgebra Linear
Sees cnicas
Aula
20
Apresentao
Objetivo
Traar grcos de sees cnicas rotacionados e deslocados horizontal
e/ou verticalmente em relao origem.
Aula 20
lgebra Linear
127
Denio
Chamamos de seo cnica a forma grca que as qudricas do 2 assumem. Uma srie
de guras chaves pode ser obtida a partir das formas qudricas, as quais variam de acordo
com os parmetros da equao analisada.
Quando analisamos os grcos das qudricas do 3, temos ento as superfcies cnicas,
que no sero alvos do nosso estudo.
O termo cnicas se d porque as guras, que so elipses, hiprboles e parbolas,
podem ser obtidas a partir de cortes feitos em cones. A Figura 1 mostra como o plano corta
o cone para formar as guras.
Elipse
Hiprbole
Parbola
Figura 1 Cnicas
Interpretao geomtrica do 2
Partindo da equao das formas qudricas:
Q(x ) = xTAx = c
onde A uma matriz 22 simtrica e inversvel, c uma constante e x um vetor do 2.
Ao expandirmos, teremos uma expresso da forma:
rx 12 + sx 22 + tx1x2 = c
Sendo r, s e t obtidas a partir dos coecientes da matriz A. Ao eliminarmos o termo
cruzado, atravs da diagonalizao, teremos apenas:
fx 12 + gx 22 = c
Aula 20
lgebra Linear
129
E arrumando, temos:
x21
x22
+
=1
a2
b2
No caso particular onde a =b, temos o crculo. A Figura 2 mostra o grco de elipses para
relaes distintas de a e b. Para desenhar o grco da elipse devemos marcar as delimitaes
denidas por a, a, b e b, ento completar o grco.
b >a >0
a >b >0
x2
a =b >0
x2
b
x2
b
b
a x1
a x1
130
Aula 20
lgebra Linear
a x1
Elipse degenerada:
Quando a equao tem a forma
ax 12 + bx 22 = c
Implica dizer que a gura obtida apenas um ponto.
Crculo degenerado:
Como o crculo vem da elipse quando a=b, ento tambm teremos apenas um ponto.
x 12 + x 22 = 0
Hiprbole
A equao da hiprbole bem parecida com a da elipse, porm, muda um dos sinais dos
termos com variveis para negativo:
x21
x22
+
=1
a2
b2
A Figura 3 mostra o grco de hiprboles para relaes distintas de a e b. Para traarmos uma
hiprbole, primeiro devemos marcar no grco os valores de a, a, b e b, traar um retngulo
passando por esses pontos e ento gerar as assntotas, as quais o grco tangencia.
a >b >0
b >a >0
x2
x2
b
b
a
x1
a x1
Aula 20
lgebra Linear
131
Hiprbole degenerada:
2
2
Quando camos na forma x21 x22 = 0 x1 = a x2 .
A Figura 4 mostra parbolas sobre os eixos x1 e x2. O foco da parbola est situado a do
4
vrtice e a diretriz a a do foco.
2
x 22 ax 1 = 0
x 12 ax 2 = 0
x2
Diretriz
x2
a
4 F
F
a
4
a
4
a
4
x1
Diretriz
a
4
a
4
x1
Parbola degenerada:
Quando camos na forma
x 12 a = 0 ou x 12 = 0.
O que implica em retas paralelas no primeiro caso e em reta coincidente com o eixo x2
no segundo.
132
Aula 20
lgebra Linear
Exemplo 1
Encontre o grco de:
a)
9x 21 + 4x 22 = 36
b)
x 21 4x 22 = 2
c)
16x 1 x 22 = 0
Resoluo:
a)
Arrumando a equao 9x 21 + 4x 22 = 36
9x21
4x2
36
+ 2 =
36
36
36
x2
x21
+ 2 = 1, temos a equao de uma elipse com a = 2 (associado a x ) e b =3 (associa1
4
9
x2
3
-2
3
-2
x1
2
-3
x1
-3
b)
x2
x21
+ 2 =1
4
9
Arrumando a equao x 12 4x 22 = 2
Dividindo por 2:
4x2
2
x21
2 =
2
2
2
x2
x21
2 =1
2
2
4
x2
x21
2 =1
1
2
2
x1 ) e b =
1 (
2
x2 )
Aula 20
lgebra Linear
133
x2
x2
2
2
- 2
- 2
x1
- 2
2
2
2
2
x1
- 2
2
x2
x21
2 =1
1
2
2
Traamos as assntotas passando pelas quinas do retngulo e, por m, desenhamos a hiprbole, como na Figura 7.
x2
x2
2
2
- 2
x1
x1
- 2
2
x21
x2
2 =1
1
2
2
Para saber se a hiprbole cruza o eixo x1 ou o eixo x2, devemos observar o sinal da equao.
Note que na equao
x21
x2
2 = 1 a varivel x2 pode assumir o valor x2=0 que o x1 apre1
2
2
sentar valores reais, porm, se a varivel x1 assumir o valor x1=0 ento os valores para x2
sero complexos, valores que no fazem parte do nosso estudo neste momento. Portanto,
conclumos que o valor x1 no pode ser zero, ou seja, o grco no pode cortar o eixo x2, ento
o grco est sobre o eixo x1.
134
Aula 20
lgebra Linear
c)
X2
48
x2
x2
48
48
F
1 3
x1
1 3
-4
-4
- 48
- 48
F
x1
= 16x 1
Aula 20
lgebra Linear
135
x2
x1
x2
x1
136
Aula 20
lgebra Linear
x2
x1
Uma cnica que apresenta todos os termos possveis ter todas as modicaes, a rotao e
os deslocamentos horizontais e verticais, como exemplicado na Figura 12.
x2
x1
O desao como traar o grco de uma forma qudrica que apresenta todos os termos:
a1x 21 + a2x 22 + a3x 1x 2 + a4x 1+ a5x 2 + a6 = 0
Aula 20
lgebra Linear
137
x'
1
x'
2
x2
x1
Onde A =
a11
a21
a12
a22
a12
a22
x1
x2
+c=0
x=
x1
x2
c = constante
Para eliminarmos o termo cruzado, vamos passar a qudrica pelo processo de diagonalizao.
Para tanto, devemos encontrar a matriz P que diagonaliza A ortogonalmente, onde
X=PY.
Deve-se substituir na equao
xT Ax + c = 0
(P y)T A(P y) + c = 0
yT P T AP y + c = 0
yT (P T AP )y + c = 0
yT Dy + c = 0
138
Aula 20
lgebra Linear
Dessa forma, teremos um novo sistema de coordenadas Y livre do termo cruzado, o qual se
relaciona com o sistema X atravs da equao X=PY.
y2
y1
0
d2
d1
0
y1
y2
+c=0
d1 y12 + d2 y22 + c = 0
O grco no novo sistema de coordenadas fcil de ser obtido, pois est na posio cannica.
O prximo passo ento relacionar os grcos dos dois sistemas de coordenadas, onde os
eixos do novo sistema de coordenadas esto sobre o antigo na direo dos autovetores de A.
Exemplo 2
Encontre o grco da elipse 5x 21 + 8x 22 4x 1x 2 36 = 0.
Resoluo:
Primeiro escrevemos na forma matricial: x TAx + c = 0
A=
5 2
2
8
x=
x1
x2
c = 36
Encontrando os autovalores de A: 4 e 9
2
1
e
v=9
1
2
So ortogonais,devemos
v=4
=
v1 =
v=4
5
P =
1
v=9
=
v2 =
v=9
P 1
5
=
1
Aula 20
lgebra Linear
139
y1
y2
4
0
0
9
y1
y2
36 = 0
4y12 + 9y22 36 = 0
b=2
y2
2
-3
y1
-2
Para traarmos o grco no sistema X, devemos primeiro escrever os eixos y1y2. Marcamos os
autovetores no sistema X e ento traamos o eixo y1 para coincidir com o primeiro autovetor
e o y2 com o segundo, como mostrado na Figura 15.
140
Aula 20
lgebra Linear
x2
V2
V1
x1
x2
-3
-2
x1
1
Encontre o grco da elipse 2x 21 + 2x 22 2x 1x 2 8 = 0.
Aula 20
lgebra Linear
141
Exemplo 3
Encontre o grco de x 21 + 2x 22 + 4x 1 4x 2 4 = 0.
Resoluo:
Agrupando os termos:
(x 21 + 4x 1) (2x 22 + 4x 2) 4 = 0
Completando os quadrados:
(x1 + 2)2 4 2
(x2 + 1)2 1 4 = 0
(x1 + 2)2 2(x2 + 1)2 6 = 0
Mudando de variveis:
x1 = x 1+ 2
x2 = x 2+ 1
Logo, a nova equao :
x12 2x22 6 = 0
Ao organizar, ca:
x12 2x22 = 6
x12
2x 2
6
2 =
6
6
6
x22
x12
=1
6
3
a= 6
b= 3
142
Aula 20
lgebra Linear
Pelo exposto, observamos que a equao de uma hiprbole. Traando a hiprbole no sistema
de coordenadas x1x2, obtemos o grco da Figura 17 na posio cannica.
x'2
3
- 6
6
x'1
- 3
Para traarmos o grco no sistema original, devemos relacionar os dois sistemas de coordenadas. Como:
x1 = x1 + 2
x2 = x2 + 1
Ento, temos que o ponto (0,0) do sistema x1 x2 ocorre no ponto (2,1) do sistema x1x2,
conforme mostrado na Figura 18.
x'2
x2
x'1
x1
Aula 20
lgebra Linear
143
Agora, ento s sobrepor a gura j traada no sistema x1x2, como mostrado na Figura 19.
x'2
x2
x1
x'1
Encontre o grco de 2x 21 + x 22 8x 1 + 2x 2 + 5 = 0.
x1
x2
a11
a21
a12
a22
x1
x2
b1
b2
x1
x2
+c=0
xT Ax + Bx + c = 0
Onde A =
a11
a21
a12
a22
x=
x1
x2
B=
b1
b2
c = constante
Devemos promover uma mudana de coordenadas para um novo sistema Y, o qual se relaciona
com o sistema X atravs da matriz P que diagonaliza A ortogonalmente:
X=PY
Devemos substituir na equao matricial:
x TAx + Bx + c = 0
144
Aula 20
lgebra Linear
Exemplo 4
5
2
2
8
x=
x1
x2
B=
16 5
4 5
c=4
Autovalores de A: 4 e 9
Autovetores de A: v=4 =
2
1
v=9 =
1
2
1
2
5
5
v=9
v=4
=
Como so ortogonais, basta normalizar: v1 =
e v2 =
=
v=9 2
v=4 1
5
5
5
Matriz P: P =
1
P 1
5
=
1
A ordem dos autovetores est correta, pois det(P)=1. Caso fosse 1, deveramos trocar as
colunas de P e considerar o primeiro autovalor 9 e o segundo 4.
A expresso x TAx + Bx + c = 0 equivalente a yTDy + (BP)y + c = 0.
y1
y2
4 0
0 9
y1
y2
4 5
5
16 5
1
5
y1
y2
1
y
5
1
+4=0
2 y2
+4=0
Aula 20
lgebra Linear
145
y 1
y
+ 2 =1
9
4
Onde a = 9 = 3
b=
y'2
y'1
Relacionando o sistema Y com o sistema Y, temos que o ponto (0,0) do sistema Y ocorre
no ponto (1,2) do sistema Y, conforme mostrado na Figura 21.
y1 = y1 1
y2 = y2 2
146
Aula 20
lgebra Linear
y'2
y2
y'1
y1
Figura 21 Grco da cnica considerados os deslocamentos horizontais e verticais - sistema y1y2. Escala 1:1
y2
3,88 e 0,11
y2
x2
y1
V2
V1
x1
Agora, basta que sobreponhamos o grco da Figura 21 na posio adequada dentro do sistema
X, como desenhado na Figura 23.
Aula 20
lgebra Linear
147
y' 2
y2
x2
y' 1
y1
x1
x2
4,358 e 0,11
0,89
Desao
148
Aula 20
1)
Encontre uma equao geral para todas as elipses, no rotacionadas, com centro em (2,3).
2)
Encontre o grco de 1 x2 + 1 y 2 + xy y = 0.
3)
a)
lgebra Linear
b)
-4
y2
-3
x1
4
y1
4)
Considere que a trajetria da borda da montanha do Cnion da gura pode ser descrita pela
hiprbole x 2 + y 2 4xy 30 = 0. Se fosse construda uma ponte unindo o Lado Oeste e
o Lado Leste, que tamanho ela teria?
Resumo
Aula 20
lgebra Linear
149
Autoavaliao
1
a)
b)
c)
d)
e)
Q(x) = 3x 21 + 6x 22 12x1x2 12 = 0
f)
Q(x) = 3x 21 + 6x 22 + 4x1x2 16 = 0
k1
k2
k1
150
Aula 20
a)
b)
c)
d)
lgebra Linear
k2
Se duas pessoas andam sobre a trajetria de uma mesma elipse denida pela
equao 2x 21 + 2x 22 + 2x1x2 3 = 0, qual a maior distncia possvel que as duas
podem estar uma da outra?
Trace o grco das seguintes cnicas.
a)
b)
c)
d)
Referncias
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Porto Alegre:
Bookman, 2001.
BOLDRINI, J. L. et al. lgebra linear. 3. ed. So Paulo: Harper-Row, 1980.
LAY, David. lgebra linear e suas aplicaes. 2. ed. Rio de Janeiro: LTC, 2007.
Anotaes
Aula 20
lgebra Linear
151
Anotaes
152
Aula 20
lgebra Linear
Anotaes
Aula 20
lgebra Linear
153
Anotaes
154
Aula 20
lgebra Linear
Esta edio foi produzida em ms de 2012 no Rio Grande do Norte, pela Secretaria de
Educao a Distncia da Universidade Federal do Rio Grande do Norte (SEDIS/UFRN).
Utilizando-se Helvetica Lt Std Condensed para corpo do texto e Helvetica Lt Std Condensed
Black ttulos e subttulos sobre papel offset 90 g/m2.
Impresso na nome da grca
Foram impressos 1.000 exemplares desta edio.
SEDIS Secretaria de Educao a Distncia UFRN | Campus Universitrio
Praa Cvica | Natal/RN | CEP 59.078-970 | sedis@sedis.ufrn.br | www.sedis.ufrn.br