Altovalores e Autovetores

lgebra Linear
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
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
Secretria de Educao a Distncia

Maria Carmem Freire Digenes Rgo
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
Secretria Adjunta de Educao a Distncia

Eugnia Maria Dantas
Pr-Reitoria de Graduao
Alexandre Augusto de Lara Menezes
Secretaria de Educao a Distncia (SEDIS)

FICHA TCNICA
Coordenador de Produo de Materiais Didticos
Revisora das Normas da ABNT
Diagramadores
Marcos Aurlio Felipe
Vernica Pinheiro da Silva
Ana Paula Resende
Projeto Grco
Revisora Tcnica
Ivana Lima
Rosilene Alves de Paiva
Revisores de Estrutura e Linguagem
Ilustradores
Ivana Lima
Eugenio Tavares Borges
Adauto Harley
Jos Antonio Bezerra Junior
Janio Gustavo Barbosa
Anderson Gomes do Nascimento
Luciana Melo de Lacerda
Jeremias Alves de Arajo
Carolina Costa de Oliveira
Rafael Marques Garcia
Kaline Sampaio de Arajo
Dickson de Oliveira Tavares
Luciane Almeida Mascarenhas de Andrade
Leonardo dos Santos Feitoza
Thalyta Mabel Nobre Barbosa
Roberto Luiz Batista de Lima
Revisoras de Lngua Portuguesa
Carolina Aires Mayer

Davi Jose di Giacomo Koshiyama
Elizabeth da Silva Ferreira
Rommel Figueiredo
Cristinara Ferreira dos Santos

Emanuelle Pereira de Lima Diniz
Janaina Tomaz Capistrano
Catalogao da publicao na fonte. Bibliotecria Vernica Pinheiro da Silva.
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
Formas qudricas
Natal RN
Abril/2012
Sumrio
Apresentao Institucional
Aula 12 Autovalores e autovetores
Aula 13 Diagonalizao de matrizes
21
Aula 14 Transformaes lineares denio
37
Aula 15 Transformaes lineares e matrizes
57
Aula 16 Transformaes lineares inversas
69
Aula 17 Transformaes lineares e geometria do 2
83
Aula 18 Formas qudricas
101
Aula 19 Diagonalizao de formas qudricas
115
Aula 20 Sees cnicas
125
Apresentao Institucional
Secretaria de Educao a Distncia SEDIS da Universidade Federal do Rio Grande

do Norte UFRN, desde 2005, vem atuando como fomentadora, no mbito local, das
Polticas Nacionais de Educao a Distncia em parceira com a Secretaria de Educao
a Distncia SEED, o Ministrio da Educao MEC e a Universidade Aberta do Brasil
UAB/CAPES. Duas linhas de atuao tm caracterizado o esforo em EaD desta instituio: a
primeira est voltada para a Formao Continuada de Professores do Ensino Bsico, sendo
implementados cursos de licenciatura e ps-graduao lato e stricto sensu; a segunda volta-se
para a Formao de Gestores Pblicos, atravs da oferta de bacharelados e especializaes
em Administrao Pblica e Administrao Pblica Municipal.
Para dar suporte oferta dos cursos de EaD, a Sedis tem disponibilizado um conjunto de
meios didticos e pedaggicos, dentre os quais se destacam os materiais impressos que so
elaborados por disciplinas, utilizando linguagem e projeto grco para atender s necessidades
de um aluno que aprende a distncia. O contedo elaborado por prossionais qualicados e
que tm experincia relevante na rea, com o apoio de uma equipe multidisciplinar. O material
impresso a referncia primria para o aluno, sendo indicadas outras mdias, como videoaulas,
livros, textos, lmes, videoconferncias, materiais digitais e interativos e webconferncias, que
possibilitam ampliar os contedos e a interao entre os sujeitos do processo de aprendizagem.
Assim, a UFRN atravs da SEDIS se integra o grupo de instituies que assumiram o
desao de contribuir com a formao desse capital humano e incorporou a EaD como modalidade capaz de superar as barreiras espaciais e polticas que tornaram cada vez mais seleto o
acesso graduao e ps-graduao no Brasil. No Rio Grande do Norte, a UFRN est presente
em polos presenciais de apoio localizados nas mais diferentes regies, ofertando cursos de
graduao, aperfeioamento, especializao e mestrado, interiorizando e tornando o Ensino
Superior uma realidade que contribui para diminuir as diferenas regionais e o conhecimento
uma possibilidade concreta para o desenvolvimento local.
Nesse sentido, este material que voc recebe resultado de um investimento intelectual
e econmico assumido por diversas instituies que se comprometeram com a Educao e
com a reverso da seletividade do espao quanto ao acesso e ao consumo do saber E REFLETE O COMPROMISSO DA SEDIS/UFRN COM A EDUCAO A DISTNCIA como modalidade
estratgica para a melhoria dos indicadores educacionais no RN e no Brasil.
SECRETARIA DE EDUCAO A DISTNCIA
SEDIS/UFRN
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:
a11 a12 a1n
a21 a22 a2n
A=
an1 an2 ann
Ao multiplicarmos essa matriz A por um vetor v =
1
2
no nulo, obtemos um outro
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
S possvel obter autovalores e autovetores de matrizes quadradas.
O nmero de autovalores denido pela ordem da matriz.
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
Encontre os autovalores da matriz A =
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

Encontre os autovalores da matriz A =
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
Encontre os autovetores da matriz A =

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

Encontre os autovetores da matriz A =
2 4
4
2
Observao:
O sistema tem solues no triviais.
Se A uma matriz triangular ou diagonal, ento, os autovalores de A so os

elementos da diagonal principal.
Propriedades
Se v um autovetor associado a um autovalor de A, ento, kv tambm

um autovetor de A associado ao mesmo autovalor.
Se autovalor de A, ento, k um autovalor de Ak.
Se autovalor de A, ento, 1 um autovalor de A1.
Se autovalor de A, ento, k um autovalor de kA.
*k um escalar.
Aula 12
lgebra Linear
15
Multiplicidade dos autovalores

Multiplicidade algbrica
A multiplicidade algbrica dos autovalores indica a quantidade de vezes que um determinado autovalor aparece como soluo do polinmio caracterstico.
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
Encontre a multiplicidade algbrica e geomtrica da matriz A = 0 0 1

Encontrando os autovalores de A:
0 0 1
det(I A) = 0
0 1
det 0 1 = 0
0 0 1
Escolhendo a terceira linha da matriz:

detM = m31 c31 + m32 c32 + m33 c33 = 0
detM = 0 c31 + 0 c32 + m33 c33 = 0

0
3+3
detM = ( 1)(1)
=0
0
2
( 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 2 = (1, 0, 0), v 3 = (0, 1, 0)
v 1 = (1, 1, 1)
Multiplicidade geomtrica de =1 1
Multiplicidade geomtrica de =0 2
Encontre as multiplicidades algbricas e geomtricas dos autovalores de
0 0 1
A = 0 0 1 .
1 1 1
Aula 12
lgebra Linear
17
Desao
1)
Sabendo que o polinmio caracterstico p()= 3 2+2+4, encontre det(A).
2)
Conhecendo os autovalores de A, ento, conhecemos os autovalores de AT?
3)
Uma matriz A inversvel se um dos seus autovalores for zero?
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)
Encontre os autovalores e autovetores das seguintes matrizes.
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
Encontre os autovalores e autovetores de A15, sendo A =

2
1 .
1
1 1
0
Encontre uma matriz de ordem 4 onde seus autovalores sejam 1, 2, 3 e 4.
Encontre uma base para o autoespao de:
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)
Que condio faz com que a matriz A tenha autovalores complexos?
b)
Que condio faz com que os autovalores de A tenham multiplicidade algbrica diferente
de 1?
Se um dos autovalores de uma matriz B zero, a matriz B no singular?

Justique.
Considere o polinmio caracterstico de A, p()= (2)(+1)3 (4).
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
Saber aplicar o processo de diagonalizao de matrizes.
Diferenciar a diagonalizao convencional da diagonalizao ortogonal.
Calcular a matriz que diagonaliza outra.
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 caractersticas (postos) so iguais.
As nulidades so iguais.
Os polinmios caractersticos 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
Ento, se encontrarmos a matriz P, estamos encontrando a matriz que diagonaliza A, e

B ser uma matriz diagonal.
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.
Matriz que diagonaliza a matriz A

Para encontrarmos a matriz que diagonaliza A, devemos encontrar os autovetores da
matriz A, uma vez conhecidos os autovetores v1, v2, v3,..., vn, basta montar a matriz P com os
autovetores por coluna:
P = [v 1 |v 2 |v 3 | |v n ]
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
Encontre a matriz que diagonaliza A =

2 0 0
0 0 1
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
Vericando se os autovetores so LI:

k1 v 1 + k2 v 2 + k3 v 3 = 0
k1 (1, 2, 0) + k2 (0, 0, 1) + k3 (0, 1, 0) = 0
k1 = 0
2k1 + k3 = 0
k3 = 0
k1 = k2 = k3 = 0
Como todas as constantes so iguais a zero, ento o conjunto LI.
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.
Encontre a matriz que diagonaliza
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
Calcule A15, onde A =
0 0
1 1
Resoluo:
Sabemos que A15 = PD15P 1 , ento devemos encontrar D e P.

1 = 1
det(I ) = 0
2 = 0
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

Como no so mltiplos um do outro, ento so LI.

Matriz diagonal: D =
1 0
0 0

, D15 =
Matriz que diagonaliza A: P =
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

Calcule A15, onde A =

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)
Se os vetores forem LI, aplicar o processo de ortogonalizao de Gram-Schmidt.
3)
Normalizar os vetores.
lgebra Linear
Exemplo 3
1 0 1
Encontre a matriz que diagonaliza A = 0 0 0 ortogonalmente.

1 0 1
Resoluo:

1 = 2
det(I ) = 0
2 = 3 = 0
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 v 1 + k2 v 2 + k3 v 3 = 0
k1 (1, 0, 1) + k2 (1, 0, 1) + k3 (0, 1, 0) = 0
k1 k3 = 0
k2 = 0
k1 + k3 = 0
k1 = k2 = k3 = 0
Como todas as constantes so iguais a zero, ento o conjunto LI.

Analisando se os vetores so ortogonais:
<(1,0,1),(1,0,1)> = 0
<(1,0,1),(0,1,0)> = 0
<(1,0,1),(0,1,0)> = 0
Aula 13
lgebra Linear
31
No ser necessrio utilizar o processo de ortogonalizao de Gram-Schmidt, pois os vetores

j so ortogonais, necessrio ento apenas normaliz-los:
(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
Encontre a matriz que diagonaliza A =

0 2 0 ortogonalmente.
1 0 0
Desao
1)
2)
N
=
A matriz
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
pode ser diagonalizada? E diagonalizada ortogonalmente?
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
Prove que A no diagonalizvel se s0. A =
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
Determine se a matriz A diagonalizvel ortogonalmente. Em caso armativo,

encontre a matriz que diagonaliza A ortogonalmente.
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
Para que valores de x a matriz B diagonalizvel? E ortogonalmente diagonalizvel?

B=
1 1
0 x
Referncias
Bookman, 2001.
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
Reconhecer os espaos evolvidos na transformao linear.
Calcular ncleo e imagem de transformaes lineares.
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)
F(x1 + x2) = F(x1)+ F(x2)

F(kx1) = kF(x1)
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,
sendo v um elemento de V e w um elemento de W. A Figura 1 mostra os espaos vetoriais V

e W relacionados atravs da transformao linear T.
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
Figura 1 Transformao linear de V em W
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)
T(x1 + x2) = T(x1) + T(x2)

T(x1) = 8x1
T(x2) = 8x2
T(x1)+ T(x2) = 8x1+8x2 = 8(x1 + x2)
T(x1 + x2) = 8(x1 + x2)
Como T(x1 + x2) = T(x1)+ T(x2), primeira condio satisfeita.
ii)
T(kx1) = k.T(x1)
T(kx1)=8(kx1)= k.8(x1)
k T(x1)= k8(x1)
Satisfaz tambm a segunda condio T(kx1) = k.T(x1). Logo, a transformao uma

transformao linear.
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
Em toda transformao linear T:VW, tem-se que T(0)=0.

Essa caracterstica da transformao linear pode ser usada para provar que
uma determinada transformao no linear, caso T(0) seja diferente de zero.
Mas quando a transformao T(0) nula, sem que seja feita nenhuma outra
avaliao, no possvel armar que a transformao linear.
Avaliando os exemplos anteriores, tem-se que:

Exemplo 1
T: , T(x) = 8x ( uma transformao linear)
T(0)=80=0
Exemplo 2
T: 42, T(x,y,z,w)=(x+y+1,zw) (no uma transformao linear)
T(0,0,0,0)=(0+0+1,0-0)=(1,0,0)
No exemplo 1, vericamos que a transformao linear, logo, T(0)=0. J no exemplo 2, foi
vericado que a transformao no linear, T(0)0.
Explique se as transformaes so lineares.
a)
T: 23, T(x,y)=(3x,2y, xy)
b)
T: , T(x)= 3x2
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
Aplicando a transformao em ambos os lados da equao, temos:

T(v)=T(4v12v2+7v3)
Usando agora o princpio da superposio podemos separar as somas e colocar as constantes
para fora da transformao:
T(v)=4T(v1)2T(v2)+7T(v3)
T(v)=4(1,2)2(3,1)+7(0,2)
T(V)=(10,20)
Dessa forma, encontramos
T(v)=T(5,3,2)=(10,20).
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)
Aplicamos ento a transformao em ambos os lados da equao:

T (x, y) = T
xy
(0, 2)
x(1, 1) +
2
Aula 14
lgebra Linear
45
Usando o teorema da superposio, temos:

xy
T (0, 2)
2
xy
(0, 1, 0)
T (x, y) = x(3, 2, 1) +
2

xy
,x
T (x, y) = 3x, 2x +
2

3x y
,x
T (x, y) = 3x,
2
T (x, y) = x T (1, 1) +
Logo, encontramos a transformao linear.

Conferindo:
Se a regra est correta, as transformaes fornecidas no enunciado da questo devem valer
para a regra:
T (1, 1) = (3, 2, 1)
T (0, 2) = (0, 1, 0)

(3) 1 1
, 1 = (3, 2, 1)
T (1, 1) = 3 1,
2

(0) 1 (2)
, 0 = (0, 1, 0)
T (0, 2) = 3 0,
2
Logo, a transformao est correta.
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
Figura 2 Ncleo de uma transformao linear
Note que o ncleo da transformao est contido em V, N(T) V, e N(T) , pois

0 N(T), uma vez que a transformao linear e T(0)=0.
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)
Deve conter o elemento nulo do espao:
Como T(0)=0, ento o ncleo contm o elemento nulo do espao.
II)
Adio:
T(v1+v2) = T(v1)+T(v2) = 0+0 = 0

logo, v1 +v2 N(T)
III)
Multiplicao por escalar:
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
Figura 3 Imagem de uma transformao linear

Note que a imagem da transformao est contida em W, Im(T) W, e Im(T) ,
pois T(0) = 0 e o vetor nulo pertencem e imagem de T, 0 Im(T).
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
Como aparecem duas incgnitas, x e y, ento separaremos em dois vetores, um para

cada varivel.
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)
Como o ncleo da transformao tem apenas um vetor na base, ento

dim(N(T)) = 1.
Usando o teorema das dimenses:
dim(3) = dim(N(T)) + dim(Im(T))
3 = 1 + dim(Im(T))
dim(Im(T)) = 2.
Encontre o ncleo, a imagem, a dimenso do ncleo e a dimenso da imagem

da transformao linear T:32, onde T(x,y,z)=(xy+z, x+z).
Desao
1)
Encontre uma transformao linear cujo ncleo seja P2.
2)
Seja T:P1P1, T(x+1)=2x+3 e T(x1)=3x2, encontre T(ax+b).
3)
Encontre N(T) e escreva dois vetores pertencentes Im(T), sendo T:M22M22,

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
Verique se as transformaes so lineares.
a)
T:33, T(x,y,z) = (xy,x 2+z, y+2z)
b)
T:5, T(v,x,y,z,w) = (x+3y2zw)
c)
T:33, T(x,y,z) = (0,0,0)
d)
T:42, T(x,y,z,w) = (xy+2z+3, 3xw+4z)

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)
T:Mnn Mnn, , Ann, T(A) = At
h)
T:P2R, P2(x) =a2x 2 + a1x + a0,T(P2) = a2a1a0
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
T:P2 P3, T(p(x)) = p(x) + xp(x) + x 2p (x)
lgebra Linear
Encontre a regra para a transformao linear, sabendo que:
a)
T:22, Base do 2 = {(2,1),(0,1)}, T(2,1) = (3,7) e T(0,1) = (1,1)
b)
T:32, Base do 3 = {(1,0,1),(0,1,2),(1,1,1)}, T(1,0,1) = (3,1), T(0,1,2) = (1,2)

e T(1,1,1) = (4,2)
c)
T:24, Base do 2 = {(1,1),(1,1)}, T(1,1) = (0, 4, 0, 1) e T(1,1) = (4,2,2,1)
Sejam as transformaes T(v1) = (1,1,1), T(v2) = (1,0,1) e T(v3) = (1,2,0),

encontre T(3v1 v2 + 5v3).
Sabendo que Q(u) = x 22 e Q(v) = 23x, encontre Q(3u2v).
Encontre a imagem do vetor u nas seguintes transformaes:
a)
T:5, T(v,x,y,z,w) = (x+3y2zw), onde u = (1,1,2,0,1)
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
Encontre o ncleo e a imagem das transformaes:
a)
T:5, T(v,x,y,z,w) = (x+3y 2z w)
b)
T:22, T(x,y) = (x+3y,3y)
c)
T:3, T(x) = (x,0,3x)
d)
T:32, T(x,y,z) = (x+y, x+z)
a
c
b
d
e)
T : M22 M22 ,
f)
T : P2 P1 , T (P2 ) =
g)
T: P2 P2, T(p(x))= xp (x)
a
0
0
b
dP2
dx
Aula 14
lgebra Linear
53
Encontre a dimenso do ncleo e da imagem das transformaes:
a)
T:5, T(v,x,y,z,w) = (3xw)
b)
T:22, T(x,y) = (xy, 3x+y)
c)
T:3, T(x) = (0,0,5x)
d)
T:32, T(x,y,z) = (y,x+y+z)
e)
T:M22 M22, T : M22 M22 ,
f)
T : P3 P1 ,
T (P3 ) =
a
c
b
d

=
a
a b c
a+b+c
b
d 2 P3
dx2
g)
T: P2 P3, T(p(x))= xp(x)
h)
T : 2 2 ,
1
T (x, y) = (x + y, x y)
2
O que o ncleo de uma transformao linear? E a imagem de uma transformao

linear?
Referncias
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Porto Alegre: Bookman, 2001.
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
Obter transformaes lineares na forma matricial.
Efetuar clculos com transformaes lineares na forma

matricial.
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
Podemos escrever essas equaes como um produto de matrizes, separando as matrizes

dos termos independentes W, dos coecientes A e das incgnitas X, onde
w1
a11

w2 a21

wm
am1
W=A.X
a12
a22
am2
a1n
x1
a2n x2
amn
xn
Onde A chamada matriz cannica da transformao linear.

Prova que T(x)=A.X uma transformao linear:
i)
F(x1 + x2) = F(x1) + F(x2)

F(x1 + x2) = A(x1 + x2) = Ax1 + Ax2 = F(x1) + F(x2)
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)
Em seguida, aplicamos a transformao aos vetores da base cannica:

T(e1)
T(e2)
T(e3)
T(e4)
=
=
=
=
(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
A = [T (e1)|T (e2)|T (e3)|T (e4)] = 4

1 2
1
5 1
4
0

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)
Ncleo e Imagem de uma

transformao linear na forma matricial
A forma matricial de uma transformao linear facilita as operaes envolvidas e com o
processo de obteno do ncleo e da imagem ocorre a mesma coisa.
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
Usando a eliminao gaussiana, chegamos a:
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
N (T (X)) = {(0, 1, 0, 1)}
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)
Encontre o ncleo e a imagem da transformao linear T:33, denida por:
T (X) = 1
1
64
Aula 15
lgebra Linear
0
0
1
1
x1
0 x2
x3
0
Desao
1
Mostre que as transformaes T1 e T2 T:33 tm o mesmo ncleo e Imagem.
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
Encontre o valor de a para que a dimenso do ncleo seja a mesma da imagem de

T, onde T:22

T (x, y) =
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
Escreva a transformao na forma matricial e encontre seu Ncleo e Imagem:
a)
T:5, T(v,x,y,z,w) = (x+3y2z w)
b)
T:22, T(x,y) = (x+3y, 3y)
c)
T:3, T(x) = (x, 0, 3x)
d)
T:32, T(x,y,z) = (x+y, x+z)
e)
T : P3 P1 ,
f)
T:P2P3, T(p(x)) = xp(x)
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
Sabendo que a transformao envolve polinmios, encontre a forma por extenso

da transformao e diga qual o espao domnio e qual o imagem:
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
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
Saber reconhecer quando uma transformao admite inversa.
Aplicar a denio de inversa.
Calcular a inversa de uma Transformao Linear.
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
Figura 1 Transformao Linear inversa
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
Figura 2 Funo injetora, sobrejetora e bijetora
Critrios para transformao inversa

Para que uma Transformao Linear admita inversa ela deve ser bijetora, ou seja, deve
ser injetora e sobrejetora ao mesmo tempo.
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.
Se T bijetora, ento, cada vetor w pertencente Im(T) imagem de um nico

vetor v em V. Essa unicidade que permite denir essa nova funo, chamada
transformao inversa de T, que leva w de volta em v.
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
Logo, x = y = 0 , portanto, N(T(x,y))={(0,0)} A transformao injetora.

Sobrejetora
A transformao sobrejetora se a imagem corresponder a todo o contradomnio, ou seja, o 2.
Encontrando a imagem:
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).
Forma matricial e transformao inversa

Uma maneira mais simples de vericar se uma Transformao Linear admite inversa
proceder a anlise sob a forma vetorial. Uma vez obtida a matriz cannica da transformao,
basta vericar se essa matriz admite inversa, caso armativo, a transformao tambm admite e sua transformao inversa tem a matriz cannica denida pela inversa da matriz da
transformao original.
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
Analisando a matriz cannica da transformao A =
1
1
1
0
verica-se que a matriz admite
inversa, pois det(A) = 1, logo, a transformao tambm admite inversa.

Calculando a inversa de A temos:
0
1
1
1
76
Aula 16
(x, y) =
lgebra Linear
0
1
, portanto, a transformao inversa dada por:

1
1
x
y

= (y, x y)
Uma Transformao Linear admite inversa se for bijetora e uma transformao

apenas ser bijetora se a matriz que a representa for inversvel.
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
N (T (x, y)) = {(0, 0)}
x=y=0
injetora
N(T(x,y)) = {(0,0)} injetora.

Vericando se a transformao Sobrejetora
2x y
2
1
T (x, y) = (2x y, y + 3x, x + y) = y + 3x = x 3 + y 1

x+y
1
1
Os dois vetores que obtemos so LI, logo, so a base da Imagem.

Im(T(x,y)) = {(2,3,1),(-1,1,1)}
O espao correspondente Imagem que gerado por esses dois vetores no compreende todo
o 3 e sim um plano dentro do 3. Dessa forma, a transformao no sobrejetora, portanto,
no admitindo inversa.
Aula 16
lgebra Linear
77
Encontre a inversa da transformao, caso exista.

T: 33, T(x,y,z)=(2x y z, 2z y +3x, x+3z)
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.
Seja T uma transformao linear T: 33, denida por:

T(x1,x2,x3) =(a1x1,a2x2,a3x3), ai .
Determine as condies que a1,a2 e a3 devem satisfazer para T admitir inversa.
Obtenha a expresso de T 1.
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
O que uma transformao linear injetora? E sobrejetora?
Verique se as transformaes so injetoras e/ou sobrejetoras.
a)
T: 2 4, T(x,y) = (x + y, 3x, x 2y, y)
b)
T: 4 4, T(x,y,z,w) = (x + y, 3w, z 2y, x)
c)
T: 2 2, T(x,y) = (x + y,0)
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)
T:P 2 P2 , T(a2x2 + a1x + a0) = (a2 a0)x2
Indique a inversa das transformaes, por extenso, caso existam.
a)
T: 4 4, T(x, y, z, w) = (x, y, z, 0)
b)
T:2 2, T(x, y) = (x, 2y)
c)
T (u) =
2
0
1 1
u
1
1
1
0 u
1
d)
1
T (u) = 0
1
e)
T:P2 P3, T(a2x2 + a1x + a0) = x (a2x2 + a1x + a0)
f)
T:P1 P3, T(a1x + a0) = ((a1+a0)x3 + a1x2 + a0x)
Aula 16
lgebra Linear
79
g)
T : P2 P2 , T (a2 x2 + a1 x + a0 ) = x
h)
T:P2 P2 , T(p(x)) = p(x +1)
d(a2 x2 + a1 x + a0 )
dx
Seja T: :33 uma transformao linear denida por T(x,y,z)=(ax,by,cz), a,b

e c . Determine as condies que a,b e c devem satisfazer para que T admita
inversa. Para esses casos, encontre T 1 se possvel.
Seja T:22 denida por T (x,y)=(kx,x+y), k .
5
a)
Determine k de modo a que a transformao T admita inversa e, para esses valores,

obtenha a transformao inversa T1.
b)
Considere k = 0. Determine a dimenso e uma base para o ncleo de T.
Referncias
Bookman, 2001.
Anotaes
80
Aula 16
lgebra Linear
Anotaes
Aula 16
lgebra Linear
81
Anotaes
82
Aula 16
lgebra Linear
e geometria do 2
Aula
17
Apresentao
ma das formas mais comuns de utilizar as Transformaes Lineares a aplicao a

vetores no plano. Modicaes como expanso, rotao, reexo etc. so utilizadas corriqueiramente e servem de base para a manipulao de imagens. Veremos a aplicao
de transformaes lineares no plano, porm, os princpios vistos aqui podem ser expandidos
a espaos com dimenso superior.
Objetivos
1
Identicar matrizes transformaes e aplicar a vetores

no plano.
Utilizar combinaes de Transformaes Lineares.
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.
Operaes sobre vetores

Para todos os casos, considere o vetor u = (x,y).
1)
Semelhana (Expanso e contrao)
Nessa operao, o vetor aumenta ou diminui de tamanho sendo mantidos a direo e

o sentido.
Forma por extenso
Forma matricial

k 0
x
T (x, y) =
0 k
y
T (x, y) = k(x, y)
A Figura 1 mostra o vetor u e o resultado da transformao k.u para os possveis valores

de k. Note que as duas coordenadas so alteradas do fator k.
y
u
x
y
u
ku
y
u
ku
K >1
0 <K <1
u
x
-ku
K< 0
Figura 1 Vetor u e suas alteraes de semelhana
Aula 17
lgebra Linear
87
2)
Reexo em torno do eixo Y

Forma por extenso
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
Figura 2 Vetor u e sua reexo em torno do eixo Y
3)
Reexo em torno do eixo X

Forma por extenso
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)
Figura 3 Vetor u e sua reexo em torno do eixo X
4)
Reexo em torno da reta Y = X

Forma por extenso
Forma matricial

T (x, y) =
T (x, y) = (y, x)
0
1
1
0
x
y
A Figura 4 mostra o vetor u e sua reexo em torno da reta Y = X. Aqui as coordenada

x e y so invertidas.
y
u
u
T(u)
x
Figura 4 Vetor u e sua reexo em torno da reta Y = X
5)
Projeo ortogonal sobre o eixo Y

Forma por extenso
Forma matricial

T (x, y) = (0, y)
T (x, y) =
0
0
0
1
x
y
Aula 17
lgebra Linear
89
A Figura 5 mostra o vetor u e sua projeo ortogonal sobre o eixo Y. No caso da

projeo ortogonal, uma das coordenadas zerada, se for a projeo sobre o eixo Y, a
coordenada x descartada.
y
u
T(u)
x
Figura 5 Vetor u e sua projeo ortogonal sobre o eixo Y
6)
Projeo ortogonal sobre o eixo X

Forma por extenso
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)
Figura 6 Vetor u e sua projeo ortogonal sobre o eixo X
90
Aula 17
lgebra Linear
7)
Rotao de um vetor de um ngulo

Forma por extenso
Forma matricial

T (x, y) = (x cos() y sen(), x sen() + y cos())
T (x, y) =
sen()
cos()
cos()
sen()
x
y
A Figura 7 mostra o vetor u e sua rotao de um ngulo .
y
T(u)
u
x
Figura 7 Vetor u e sua rotao de um ngulo
8)
Cisalhamento de um fator k na direo X

Forma por extenso
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
Figura 8 Vetor u e seu cisalhamento de um fator k no eixo X
9)
Cisalhamento de um fator k na direo Y

Forma por extenso
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
Figura 9 Vetor u e seu cisalhamento de um fator k no eixo Y
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
Portanto, a projeo do vetor (3,5) sobre o eixo x o vetor (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:

Rotao de 90: T (x, y) =

T1 (x, y) =
0
1
1
0
x
y
cos()
sen()
sen()
cos()
x
y
cos(90 )
sen(90 )
Reexo sobre o eixo Y:

T2 (x, y) =
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
Vericando gracamente, podemos comprovar o resultado, conforme mostrado na Figura 10.
y
u
3
-3
-4
T1(u)
-4
-4
Rotao de 90
Vetor u
T2(T1(u))
Reflexo em torno do eixo y
Figura 10 Vetor u e a aplicao de duas transformaes seguidas
Obtenha o vetor resultante da reexo em torno da reta y=x seguida da projeo

ortogonal sobre o eixo x do vetor (5,3).
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) =
A composio das duas dada por:

TR = T2 T1 = T2 T1 =

TR =

TR =
cos(2 )
sen(2 )
sen(2 )
cos(2 )
cos(1 )cos(2 ) sen(1 )sen(2 )

sen(1 )cos(2 ) + cos(1 )sen(2 )
cos(1 + 2 )
sen(1 + 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
cos(1 )sen(2 ) sen(1 )cos(2 )

sen(1 )sen(2 ) + cos(1 )cos(2 )
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 por extenso
Forma matricial
Expano-contrao
T (x, y, z) = (kx, ky, kz)
Reexo em torno do plano xy
Reexo em torno do plano xz
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
Reexo em torno do plano yz
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)
A Transformao Linear T (x, y) =
3)
Utilizando a matriz transformao que dene a rotao de um vetor no 2 de um ngulo

, determine os vrtices de um tringulo retngulo e issceles que tem um dos lados
coincidente com o vetor A=(2,1).
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)
Gira cada vetor de 45 no sentido antitrigonomtrico.
b)
Reete cada vetor em relao ao eixo x e depois roda o vetor reetido de 90 no sentido
trigonomtrico.
c)
Dobra o comprimento do vetor, depois roda o vetor obtido de 30 no sentido trigonomtrico.
d)
Reete cada vetor em relao reta x = y e depois projeta o vetor reetido sobre o eixo x.
Considerando as transformaes lineares do 2 , descreva geometricamente o que

elas fazem com o vetor.
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 )
Uma transformao linear T:22 obtida a partir da rotao de um vetor de um

ngulo de 90, seguida de uma expanso por um fator k = 2,5, seguida de reexes em torno do eixo X e Y, exatamente nessa sequncia. Qual a transformao
linear resultante? Considere o sentido positivo como sendo o sentido anti-horrio.
Conhecendo as transformaes T:33 , onde Ta(x,y,z)=(x+z, 2xz, y 2z),

Tb(x,y,z)=(2x, 2y,2z) e Tc(x,y,z)=(y,z,x), encontre:
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
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
Saber manipular as formas qudricas da forma por extenso

para forma matricial e o contrrio.
Reconhecer a matriz associada das formas qudricas.
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
Uma forma linear pode ser associada a uma matriz na forma:

L(x) = Ax
Uma forma bilinear pode ser associada a uma matriz na forma:
B(x) = xTAy
Uma forma quadrtica pode ser associada a uma matriz na forma:
Q(x) = xTAx
Onde A a matriz associada forma qudrica.
Exemplo 1

Seja A =
3
2
2
7
a matriz associada forma qudrica, encontre sua expresso
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

Q(x) = [(3x1 2x2 )(2x1 + 7x2 )]

Q(x) = 3x21 + 7x22 2x1 x2 + 2x1 x2
Q(x) = 3x21 + 7x22
106
Aula 18
lgebra Linear
2
7
x1
x2
x1
x2
Obtendo a forma matricial

Quando se conhece a matriz associada forma qudrica fcil obter a forma por extenso,
o contrrio tambm pode ser obtido, porm, requer um pouco mais de ateno.
Procedimento:
Definimos a ordem da matriz associada de acordo com a quantidade de variveis

envolvidas.
Identicamos os coecientes dos termos ao quadrado.
Alocamos na diagonal principal esses coecientes.
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=
Os elementos dos termos ao quadrado so os elementos da diagonal principal. Nesse caso,

os coecientes so: 1 e 2

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
Forma matricial: Q(x) = xT Ax =
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
Q(x) = x21 + 2, 5x1 x2 + 2, 5x1 x2 2x22

Q(x) = x21 + 5x1 x2 2x22
Exatamente a forma qudrica inicial.
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=
Os elementos dos termos ao quadrado so os elementos da diagonal principal. Nesse caso,

os coecientes so: 1, 2 e 3.
A=
2
3
Os demais elementos partem dos termos cruzados:

Coeciente do termo cruzado da varivel 1 com 2 : 5.
Ento, os elementos a12 e a21 devem ter a soma igual a 5: a12 + a21 = 5.
Optando pela matriz simtrica, teremos a12 = 2,5 e a21 = 2,5.
1 2, 5
A = 2, 5 2
108
Aula 18
lgebra Linear
Os elementos a13 e a31 devem ter a soma igual a 1: a13 + a31 = 1.

Optando pela matriz simtrica, teremos a13 = 0,5 e a31 = 0,5.
1
2, 5
A = 2, 5 2
0, 5
0, 5
Os elementos a23 e a32 devem ter a soma igual a 2: a23 + a32 = 2.

Optando pela matriz simtrica, teremos a23 = 1 e a32 = 1.
0, 5
1
3
1
2, 5
A = 2, 5 2
0, 5 1
Forma matricial: Q(x) = xT Ax =
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
Q(x) = x21 + 2, 5x1 x2 0, 5x1 x3 + 2, 5x1 x2 2x22 + x2 x3 0, 5x1 x3 + x2 x3 + 3x23

Q(x) = x21 2x22 + 3x23 + 5x1 x2 x1 x3 + 2x2 x3
Forma qudrica original.
Encontre a forma matricial das formas qudricas e, ao nal, verique se a

matriz est correta.
a)
Q(x) = 3x 21 x22 6x1 x2
b)
Q(x) = 3x 21 3x 22 + x23 + 4x1x2 + 3x1x3 8x2x3
Aula 18
lgebra Linear
109
Formas qudricas positivas

Uma forma qudrica Q(x) = xT Ax chamada positiva denida se xT Ax>0 qualquer
x diferente de zero.
Existe ainda a nomenclatura negativa denida, quando xT Ax<0 para todo x diferente
de zero, e indenida, quando xT Ax pode assumir tanto valores positivos quanto negativos
para todo x diferente de zero.
Uma matriz simtrica A, associada a uma forma qudrica, chamada positiva se
T
x AX uma forma qudrica positiva, e a matriz A ser positiva se, e somente se, todos seus
autovalores forem positivos.
Desao
1)
Considere a seguinte forma quadrtica:

Q(x1 , x2 , x3 ) =

x1
x2
x3
0
0
0
d
e
0
x1
e x2
x3
f
Sabendo que f (1, 0, 0 ) = 3, f (0, 1, 0) = 2, f (0, 1, 1) = f ( 0, 0, 1) = 4, determine

a expresso da forma quadrtica.
2)
Expresse a forma qudrica (b1x1 + b2x2 + ... + bnxn)2 na notao matricial

Q(x) = xTAx, onde A uma matriz simtrica.
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
Identique quais das equaes so formas qudricas. Justique.
a)
Q(x)= 2x 21 + 2x 22 + 2x1x2
b)
Q(x)= 5x 1x2x3
c)
Q(x)= 3x 21x 22 + 4x1x2
d)
Q(x)= x 21 x 22 + x 23 2x 24 + 8x 1x2x3 +x3x4
e)
Q(x)= 2x 31 + x 32 + x 33
Transforme a forma matricial em forma qudrica, tomando a matriz A como a

matriz associada forma qudrica.
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
Escreva a forma qudrica na forma matricial.
a)
Q(x)= 3x 21 x 22 + 4x1x2
b)
Q(x)= 2x 21 + x1x2
c)
Q(x)= 4x 21 2x 22 x 23 + 4x1x2 6x1x3 + 8x2x3
d)
Q(x)= 4x 24
e)
Q(x)= 3x 21 + x 22+ 4x1x2
f)
Q(x)= 4x1x2 x2x4 2x2x5

Aula 18
lgebra Linear
111
Referncias
Bookman, 2001.
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
Aplicar o processo de diagonalizao de matrizes s formas

qudricas.
Relacionar sistemas de coordenadas.
Compreender a relao entre os sistemas de coordenadas

envolvidos.
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
O que faremos mudar de sistema de coordenadas, de X para Y, os quais se relacionam

atravs da matriz P, que uma matriz que diagonaliza A ortogonalmente.
X = PY
Onde:
X o vetor varivel do n
x1
x2
,
X=
xn
y1
y2
,
Y=
yn
Y o novo vetor varivel do n
P uma matriz ortogonal que diagonaliza A.

Aplicando a mudana de varivel:
XT AX = (P Y)T A(P Y)
XT AX = YT P T AP Y
XT AX = YT (P T AP )Y
A nova matriz associada forma qudrica no novo sistema de coordenadas (PTAP).

Como P uma matriz que diagonaliza A ortogonalmente, ento
PT=P 1
Aula 19
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
Passando para a forma matricial, temos: Q(x) = x Ax =

A matriz associada : A =

x1
x2
1
4
4
5
x1
x2

4
.
5
1
4
Devemos diagonalizar a matriz A:
Autovalores de A: 3 e 7
Autovetores de A: v=3
5
=
1
v=7
5
=
2
Como os autovetores j so ortonormais, no ser necessrio diagonaliz-los nem ortonormaliz-los.

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
Como a nova matriz associada D, ento a forma expandida ca:

Q(y) = 3y12 7y22 Forma qudrica no novo sistema de coordenadas.
Para relacionarmos os dois sistemas de coordenadas, basta utilizarmos a expresso x = Py,

ento para calcularmos um determinado vetor em Q(x), basta obter o correspondente em y.
Para calcular
Q(x1 , x2 ) = Q(2, 2),
Q(x) = x21 5x22 8x1 x2
Q(2, 2) = 22 5 (2)2 8 2 (2) = 16
Para encontrar o mesmo no sistema equivalente, primeiro encontramos seu correspondente

em Y:
X = PY
Y = P 1 X
P 1 = P T
5
Y = P 1 X =
1
5
6
y1 =
5
1
6
2
5
5
2 2 2
5
5
2
y2 =
5
Ento, aplicamos expresso em Y:

Q(y) = 3y12 7y22
2
2

2
6
7
= 16
Q(2, 2) = 3
5
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)
Diagonalize a forma qudrica Q(x) = 3x1 2x1 x2 + 2x2 2x2 x3 + 3x3 .
2)
Suponha que x um autovetor unitrio de dimenso 5 associado ao autovalor =3.

Qual o valor de xT Ax?
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)
Q(x) = x21 + x22 + 10x1 x2
b)
Q(x) = 2x1 x2
c)
Q(x) = 9x21 + 7x22 + 11x23 8x1 x2 + 8x1 x3
d)
Q(x) = 2x1 x3 + 6x2 x3
Referncias
Bookman, 2001.
Aula 19
lgebra Linear
123
Anotaes
124
Aula 19
lgebra Linear
Sees cnicas
Aula
20
Apresentao
lgebra Linear quando empregada na Geometria traz benefcios e facilidades ao traado

de grcos. Uma vez aprendida a diagonalizao de formas qudricas, usaremos esse
recurso para traar seus grcos no plano. Faremos uma mudana de sistema de coordenadas para trazer um grco deslocado em relao origem para a posio centralizada,
o que facilita, e muito, o desenho do seu grco.
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
onde f e g tambm so constantes. Dividindo toda a equao por c teremos:

f x21
gx2
+ 2 =1
c
c
E arrumando, temos:
x21
x22
+
=1
a2
b2
Onde a e b so obtidas a partir de c, f e g.
Formas qudricas sem o termo cruzado

Veremos a seguir a forma padro e a forma degenerada de cada uma das cnicas. A forma
padro, no degenerada, a forma como a equao da gura se apresenta, j a forma degenerada ocorre quando alguma das constantes apresenta valores fora do padro e com isso
transforma a gura em uma outra forma.
Elipse
A equao da elipse, na forma como sabemos traar seu grco, :
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
Figura 2 Grcos de elipses
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
Figura 3 Grcos de hiprboles
Aula 20
lgebra Linear
131
Hiprbole degenerada:
2
2
Quando camos na forma x21 x22 = 0 x1 = a x2 .
O que implica em retas concorrentes.

Parbola
A equao da parbola obtida a partir da expresso a seguir, ou invertendo-se as variveis:
x 12 ax2 = 0
a
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
Figura 4 Grcos de parbolas
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
Dividindo tudo por 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
do a x2). Para traar o grco, primeiro marcamos os pontos a, a, b e b e, em seguida,

desenhamos a elipse, como mostrado na Figura 5.
x2
x2
3
-2
3
-2
x1
2
-3
x1
-3
Figura 5 Grco da elipse
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
Temos a equao de uma hiprbole com

a=
x1 ) e b =
1 (
2
x2 )
Aula 20
lgebra Linear
133
Para traar o grco, primeiro marcamos os pontos a, a, b e b e, em seguida, marcamos

um quadrado passando por esses pontos, como mostrado na Figura 6.
x2
x2
2
2
- 2
- 2
x1
- 2
2
2
2
2
x1
- 2
2
Figura 6 Passos intermedirios do grco da hiprbole
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
Figura 7 Grco da hiprbole
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)
Arrumando a equao 16x 1 x 22 = 0,
x 22 = 16x 1, temos a equao de uma parbola com a =16.

Vrtice no ponto (0,0).
Foco no ponto (4,0), pois a parbola est sobre o eixo x1 (varivel sem o quadrado).
Conhecendo alguns pontos ca simples traar o grco. Vamos atribuir os valores 1 e 3 a x1:
X1
X2
48
x2
x2
48
48
F
1 3
x1
1 3
-4
-4
- 48
- 48
Figura 8 Grco de parbola x 22
F
x1
= 16x 1
Forma qudrica completa

No exemplo anterior, vimos como traar o grco das cnicas sem alteraes. Porm, na
prtica, essas guras podem aparecer com vrios deslocamentos possveis. A equao da
forma qudrica no aparece limpa, na forma como sabemos traar seu grco. Portanto,
veremos como considerar e eliminar cada parcela a m de obtermos a forma reduzida e ento
desenhar o grco de uma forma simples.
Quando consideramos a equao da forma qudrica rx 21 sx 22 + tx 1x 2 = c deslocada, ou
seja, centrada no ponto (p,q), temos:
r(x 1 p)2 + s(x 2q)2 + t(x 1 p)(x 2 q) = c
Arrumando, teremos uma equao com os seguintes termos:
a1x 21 + a2x 22 + a3x 1x 2 + a4x 1+ a5x 2 + a6 = 0
Essa forma, com termo cruzado e os termos lineares, a forma completa da equao qudrica.
Aula 20
lgebra Linear
135
Inuncia dos termos

Observando a equao completa da forma qudrica a1x 21 + a2x 22 + a3x 1x 2 + a4x 1+ a5x 2 + a6 = 0,
percebemos 3 tipos de termos adicionais:
Os termos quadrticos a1x 21 + a2x 22 , os termos cruzados (ou produto misto) a3x 1x 2 e os
termos lineares a4x 1 + a5x 2. Cada um deles inuencia o grco de uma maneira.
Termos quadrticos a1x 21 + a2x 22
Quando na forma qudrica aparecem apenas esses termos, o que implica em uma gura
centralizada na origem e livre de deslocamentos ou rotaes, dizemos que ela est na posio
cannica, conforme Figura 9.
x2
x1
Figura 9 Cnica centralizada
Termos cruzados a3x 1x 2

Quando o termo cruzado (ou produto misto) aparece na equao, a gura rotacionada em
relao sua posio cannica, como mostrado na Figura 10.
x2
x1
Figura 10 Cnica rotacionada
136
Aula 20
lgebra Linear
Termos lineares a4x 1 + a5x 2

Quando na forma qudrica surgem os termos lineares, isso indica deslocamentos horizontais
e/ou verticais, mostrados na Figura 11.
x2
x1
Figura 11 Cnica deslocada horizontal e verticalmente
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
Figura 12 Cnica rotacionada e deslocada horizontal e verticalmente
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
Traando o grco com a inuncia dos termos

Equao com termo cruzado (rotacionado)
Para desenharmos uma cnica rotacionada, o que fazemos na realidade uma mudana de
sistema de coordenadas. Imagine que conhecemos a equao da cnica que tem o grco
mostrado na Figura 10. De posse da equao, possvel descobrir e relacionar um novo sistema
de coordenadas x1x2 que tem a cnica na posio cannica. Dessa forma ca fcil traar o
grco no novo sistema de coordenadas x1x2 e sobrepor ao sistema antigo x1x2.
x'
1
x'
2
x2
x1
Figura 13 Relao entre sistemas de coordenadas distintos
Partindo da equao a1x 21 + a2x 22 + a3x 1x 2 + a6 = 0 e escrevendo-a na forma matricial, temos:

xT Ax + c =0
a

11
x1 x2
a21

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

Encontrando os autovetores de A: v=4
2
1

e
v=9
1
2
So ortogonais,devemos
ento apenas normaliz-los:
v=4
=
v1 =
v=4
5
P =
1
v=9
=
v2 =
v=9
P 1
5
=
1
A ordem adequada para os autovetores na matriz tal qual o determinante da

matriz P seja 1 e no 1. Segundo esse raciocnio, ento v1 deve corresponder
primeira coluna e v2 segunda.
Aula 20
lgebra Linear
139
A expresso x TAx + c = 0 equivalente a y TDy + c = 0

y1
y2
4
0
0
9
y1
y2

36 = 0
4y12 + 9y22 36 = 0
A equao nessa forma fcil percebemos que se trata de uma elipse.

4y12 + 9y 22 = 36
Dividindo toda a equao por 36:
4y12
9y 2
36
+ 2 =
36
36
36
2
2
y
y1
+ 2 =1
9
4
a=3
b=2
O grco no sistema de coordenas Y mostrado na Figura 14.
y2
2
-3
y1
-2
Figura 14 Grco da cnica na posio cannica Sistema y1y2. Escala 1:1
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
Figura 15 Relao entre sistemas de coordenadas
Ento, s sobrepor o grco j traado no sistema y1y2, como na Figura 16.
x2
-3
-2
x1
Figura 16 Grco da cnica na posio original Sistema x1x2. Escala 1:1
1
Encontre o grco da elipse 2x 21 + 2x 22 2x 1x 2 8 = 0.
Aula 20
lgebra Linear
141
Equao com termos lineares (deslocado horizontal e/ou verticalmente)

Como no h a presena de produto misto, signica que a cnica no est rotacionada, mas
est fora da sua posio. Para desenharmos uma cnica deslocada horizontal ou verticalmente,
fazemos tambm uma mudana de sistema de coordenadas. Para isso, vamos apenas reescrever a qudrica de uma forma diferente, completando os quadrados.
Consideremos a forma qudrica:
a1x 21 + a2x 22 +a3x 1 + a4x 2 + a 5 = 0
O que devemos fazer agrupar os termos com as mesmas variveis e completar os quadrados.
Faamos com um exemplo.
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
Figura 17 Grco da cnica na posio cannica sistema x1x2. Escala 1:1
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
Figura 18 Relao entre sistemas de coordenadas. Escala 1:1
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
Figura 19 Grco da cnica na posio original sistema x1x2. Escala 1:1
Encontre o grco de 2x 21 + x 22 8x 1 + 2x 2 + 5 = 0.
Equao completa produto misto e termos lineares

O problema do traado do grco da equao a1x 21 + a2x 22 + a3x 1x 2 + a4x 1 + a5x 2 + a6 = 0 se
resume ento a eliminar o termo cruzado e depois reescrever a equao de forma adequada.
A equao qudrica a1x 21 + a2x 22 + a3x 1x 2 + a4x 1 + a5x 2 + a6 = 0 pode ser escrita na forma matricial:

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
(Py)T A(Py) +B(Py) + c = 0

yTPT APy + BPy + c = 0
yT(PT AP)y + (BP)y + c = 0
yTDy + (BP)y + c = 0
Portanto, temos a nova equao matricial escrita no novo sistema de coordenadas sem o
termo cruzado. Note que para traar o grco a partir dessa equao, depois de diagonalizada,
basta que completemos os quadrados e migremos para um terceiro sistema de coordenadas.
O segredo ento relacionar adequadamente os trs sistemas.
Exemplo 4
Encontre o grco de 5x21 + 8x22 4x1 x2 + 4 5x1 16 5x2 + 4 = 0.

Resoluo:
Primeiro passo sempre escrever na forma matricial: x TAx + Bx + c = 0

A=
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

4y12 + 9y22 + [8 36]
y1
y2
1

y
5
1
+4=0
2 y2

+4=0
4y12 + 9y22 8y1 36y2 + 4 = 0
Aula 20
lgebra Linear
145
Que a expresso da forma qudrica no sistema Y, livre dos termos cruzados.

Devemos ento agora manipular a equao para eliminar os termos lineares:
4y12 8y1 + 9y22 36y2 + 4 = 0
4(y12 2y1 ) + 9(y22 4y2 ) + 4 = 0
4(y12 2y1 ) + 4 4 + 9(y22 4y2 ) + 36 36 = 4
4(y12 2y1 + 1) 4 + 9(y22 4y2 + 4) 36 = 4
4(y1 1)2 + 9(y2 2)2 = 36
Mudando para o sistema de coordenadas y1 y2:

y1 = y1 1 e y2 = y2 2
Logo, a expresso da cnica no sistema y1 y2 :
4y12 + 9y22 = 36
Colocando na forma padro da elipse:
2
y 1
y
+ 2 =1
9
4
Onde a = 9 = 3
b=
4 = 2 , e seu grco pode ser visto na Figura 20.
y'2
y'1
Figura 20 Grco da cnica na posio original sistema y1 y2. Escala 1:1
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
Analisando o grco no sistema Y, fcil observar que:

4y12 + 9y22 8y1 36y2 + 4 = 0
y1
y2
3,88 e 0,11
Para escrever o sistema Y no sistema X, devemos primeiro marcar os autovetores v1 e v2 e,

em seguida, fazer com que os eixos y1 e y2 coincidam com eles, como mostrado na Figura 22.
y2
x2
y1
V2
V1
x1
Figura 22 Relao entre sistema X e sistema Y
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
Figura 23 Grco da cnica no sistema X. Escala 1:1
Analisando o grco no sistema X, fcil observar que:
5x21 + 8x22 4x1 x2 + 4 5x1 16 5x2 + 4 = 0

x1
x2
4,358 e 0,11
0,89
Encontre o grco de 2x 2 + 2y 2 8x 10y + 2xy + 11 = 0.
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)
Analisando a cnica a seguir, encontre:
a)
os autovalores da matriz associada qudrica nas coordenadas X1X2.
lgebra Linear
b)
os autovetores ortonormais da matriz associada qudrica nas coordenadas X1X2.

x2
-4
y2
*Os nmeros indicados na gura dizem respeito ao

sistema Y1Y2.
-3
x1
*A escala do sistema X1X2 1:1(cada quadrado tem

a dimenso 1x1).
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
Nesta aula, voc compreendeu as relaes entre os sistemas de coordenadas

envolvidos no estudo sobre grcos de cnicas. Voc aprendeu tambm a
traar grcos de cnicas com deslocamentos e rotaes, por meio de mudanas de sistemas de coordenadas os quais recorrem a assuntos da lgebra
Linear, tais como diagonalizao de matrizes, matrizes ortogonais, autovalores
e autovetores.
Aula 20
lgebra Linear
149
Autoavaliao
1
Descubra que forma tm as seguintes cnicas:
a)
Q(x) = 9x 21 + 4x 22 + 36x1 16x2 + 16 = 0
b)
Q(x) = 9x 21 4x 22 + 36x1 + 16x2 16 = 0
c)
Q(x) = x 21 25x 22 4x1 + 150x2 246 = 0
d)
Q(x) = x 21 + 25x 22 4x1 150x2 204 = 0
e)
Q(x) = 3x 21 + 6x 22 12x1x2 12 = 0
f)
Q(x) = 3x 21 + 6x 22 + 4x1x2 16 = 0
Encontre uma expresso para a cnica descrita (no rotacionada):
k1
k2
k1
150
Aula 20
a)
Elipse centrada no ponto (3,1) com k1 = 4 e k2 = 2.
b)
Hiprbole centrada em (0,4) com k1 = 4 e k2 = 2.
c)
Elipse centrada no ponto (5,3) com k1 = 2 e k2 = 1.
d)
Hiprbole centrada em (2,2) com k1 = 6 e k2 = 6.
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)
Q(x) = 2x 21 + 2x 22 + 2x1x2 + 4x1 4x2 4 = 0
b)
Q(x) = 2x 21 x 22 4x1x2 4x1 8x2 + 14 = 0
c)
Q(x) = 9x 21 + 6x 22 4x1x2 10x1 20x2 5 = 0
d)
Q(x) = x 21 7x 22 6x1x2 + 10x1 + 2x2 9 = 0
Referncias
Bookman, 2001.
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

Altovalores e Autovetores

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Altovalores e Autovetores

Enviado por

Direitos autorais:

Formatos disponíveis

lgebra Linear

Secretria de Educao a Distncia

Secretria Adjunta de Educao a Distncia

Secretaria de Educao a Distncia (SEDIS)

Revisora das Normas da ABNT

Marcos Aurlio Felipe

Vernica Pinheiro da Silva

Ana Paula Resende

Rosilene Alves de Paiva

Revisores de Estrutura e Linguagem

Eugenio Tavares Borges

Jos Antonio Bezerra Junior

Janio Gustavo Barbosa

Anderson Gomes do Nascimento

Luciana Melo de Lacerda

Jeremias Alves de Arajo

Carolina Costa de Oliveira

Rafael Marques Garcia

Kaline Sampaio de Arajo

Dickson de Oliveira Tavares

Luciane Almeida Mascarenhas de Andrade

Leonardo dos Santos Feitoza

Thalyta Mabel Nobre Barbosa

Roberto Luiz Batista de Lima

Revisoras de Lngua Portuguesa

Carolina Aires Mayer

Cristinara Ferreira dos Santos

Catalogao da publicao na fonte. Bibliotecria Vernica Pinheiro da Silva.

Aula 12 Autovalores e autovetores

Aula 13 Diagonalizao de matrizes

Aula 14 Transformaes lineares denio

Aula 15 Transformaes lineares e matrizes

Aula 16 Transformaes lineares inversas

Aula 17 Transformaes lineares e geometria do 2

Aula 18 Formas qudricas

Aula 19 Diagonalizao de formas qudricas

Aula 20 Sees cnicas

Secretaria de Educao a Distncia SEDIS da Universidade Federal do Rio Grande

a11 a12 a1n

a21 a22 a2n

an1 an2 ann

Ao multiplicarmos essa matriz A por um vetor v =

no nulo, obtemos um outro

S possvel obter autovalores e autovetores de matrizes quadradas.

O nmero de autovalores denido pela ordem da matriz.

Encontre os autovalores da matriz A =

Encontre os autovalores da matriz A =

Encontre os autovetores da matriz A =

Encontre os autovetores da matriz A =

O sistema tem solues no triviais.

Se A uma matriz triangular ou diagonal, ento, os autovalores de A so os

Se v um autovetor associado a um autovalor de A, ento, kv tambm

Se autovalor de A, ento, k um autovalor de Ak.

Se autovalor de A, ento, 1 um autovalor de A1.

Se autovalor de A, ento, k um autovalor de kA.

Multiplicidade dos autovalores

Encontre a multiplicidade algbrica e geomtrica da matriz A = 0 0 1

Escolhendo a terceira linha da matriz:

v 2 = (1, 0, 0), v 3 = (0, 1, 0)

Encontre as multiplicidades algbricas e geomtricas dos autovalores de

Sabendo que o polinmio caracterstico p()= 3 2+2+4, encontre det(A).

Conhecendo os autovalores de A, ento, conhecemos os autovalores de AT?

Uma matriz A inversvel se um dos seus autovalores for zero?

Encontre os autovalores e autovetores das seguintes matrizes.