Você está na página 1de 162

Projeto Institucional

Edital n 015/2010/CAPES/DED
Fomento ao uso de tecnologias de comunio e informao nos cursos de graduao
lgebra Linear
Mdulo 2
Autovalores e autovetores
Transformaes lineares
Formas qudricas
Jossana Ferreira
Jossana Ferreira
Mdulo 2
Autovalores e autovetores
Transformaes lineares
Formas qudricas
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
Governo Federal
Presidenta da Repblica
Dilma Vana Rousseff
Vice-Presidente da Repblica
Michel Miguel Elias Temer Lulia
Ministro da Educao
Aloizio Mercadante Oliva
Reitora
ngela Maria Paiva Cruz
Vice-Reitora
Maria de Ftima Freire Melo Ximenes
Secretria de Educao a Distncia
Maria Carmem Freire Digenes Rgo
Secretria Adjunta de Educao a Distncia
Eugnia Maria Dantas
Pr-Reitoria de Graduao
Alexandre Augusto de Lara Menezes
Comit Gestor
Presidente
Alexandre Augusto de Lara Menezes
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
Coordenador de Produo de Materiais Didticos
Marcos Aurlio Felipe
Projeto Grco
Ivana Lima
Revisores de Estrutura e Linguagem
Eugenio Tavares Borges
Janio Gustavo Barbosa
Jeremias Alves de Arajo
Kaline Sampaio de Arajo
Luciane Almeida Mascarenhas de Andrade
Thalyta Mabel Nobre Barbosa
Revisoras de Lngua Portuguesa
Cristinara Ferreira dos Santos
Emanuelle Pereira de Lima Diniz
Janaina Tomaz Capistrano
Revisora das Normas da ABNT
Vernica Pinheiro da Silva
Revisora Tcnica
Rosilene Alves de Paiva
Ilustradores
Adauto Harley
Anderson Gomes do Nascimento
Carolina Costa de Oliveira
Dickson de Oliveira Tavares
Leonardo dos Santos Feitoza
Roberto Luiz Batista de Lima
Rommel Figueiredo
Diagramadores
Ana Paula Resende
Carolina Aires Mayer
Davi Jose di Giacomo Koshiyama
Elizabeth da Silva Ferreira
Ivana Lima
Jos Antonio Bezerra Junior
Luciana Melo de Lacerda
Rafael Marques Garcia
Secretaria de Educao a Distncia (SEDIS)
FICHA TCNICA
Natal RN
Abril/2012
Mdulo 2
Autovalores e autovetores
Transformaes lineares
Formas qudricas
Jossana Ferreira
lgebra Linear
Sumrio
Apresentao Institucional 5
Aula 12 Autovalores e autovetores 7
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
5
Apresentao Institucional
A
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 moda-
lidade 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 REFLE-
TE 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
Autovalores e autovetores
12
Aula
Aula 12 lgebra Linear 9
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 11
Autovalor
Os autovalores de uma matriz tambm so chamados de valor prprio ou valor caracte-
rstico. Para entendermos sua denio, consideremos uma matriz A quadrada:
A =
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
a
n1
a
n2
a
nn
_

_
Ao multiplicarmos essa matriz A por um vetor v =
_

_
1
2
n
_

_
no nulo, obtemos um outro
vetor tambm de dimenso n1. 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 12
Exemplo 1
Se multiplicarmos a matriz
A =
_
2 1
1 2
_
pelo vetor
1
=
_
1
1
_
temos:
A
1
=
_
2 1
1 2
_

_
1
1
_
=
_
3
3
_
. notrio que a constante que devemos multiplicar por v
1
para
que a igualdade A.v = .v seja satisfeita =3: = 3 :
_
2 1
1 2
_

_
1
1
_
= 3
_
1
1
_
=
_
3
3
_
.
Uma outra possibilidade multiplicarmos a matriz
A =
_
2 1
1 2
_
pelo vetor
v
2
=

1
1

. Assim, temos: A
2
=
_
2 1
1 2
_

_
1
1
_
=
_
1
1
_
logo, a constan-
te que devemos multiplicar por v
2
para que a igualdade Av = .v seja satisfeita =1:
= 1 :
_
2 1
1 2
_

_
1
1
_
= 1
_
1
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: (IA)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
1
Aula 12 lgebra Linear 13
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
+c
1

n -1
+c
2

n -2
+ ... + c
n -1
+ c
n
Exemplo 2
Encontre os autovalores da matriz
A =
_
2 2
2 2
_
Fazendo det(IA)=0
det
_

_
1 0
0 1
_

_
2 2
2 2
__
= 0
det
__
2 2
2 2
__
= 0

( 2)
2
4 = 0

2
4 = 0 polinmio caracterstico
(4) = 0

1
= 0

2
= 4
_
autovalores de A
Encontre os autovalores da matriz
A =
_
2 4
4 2
_

Aula 12 lgebra Linear 14
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
(I A)v = 0
_
2 2
2 2
__
x
1
y
1
_
=
_
0
0
_
_
0 2 2
2 0 2
__
x
1
y
1
_
=
_
0
0
_
_
2 2
2 2
__
x
1
y
1
_
=
_
0
0
_
_
2x
1
2y
1
= 0
2x
1
2y
1
= 0
x
1
= y
1
_
x
1
y
1
_
=
_
y
1
y
1
_
= y
1
_
1
1
_
v
1
= (1, 1)
Para =4
(I A)v = 0
_
2 2
2 2
__
x
2
y
2
_
=
_
0
0
_
_
4 2 2
2 4 2
__
x
2
y
2
_
=
_
0
0
_
_
2 2
2 2
__
x
2
y
2
_
=
_
0
0
_
_
2x
2
2y
2
= 0
2x
2
+ 2y
2
= 0
x
2
= y
2
_
x
2
y
2
_
=
_
y
2
y
2
_
= y
2
_
1
1
_
v
2
= (1, 1)
2
Aula 12 lgebra Linear 15
Autoespao
Note que em toda situao obteremos um sistema possvel indeterminado porque de-
nimos 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.
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 A
k
.
Se autovalor de A, ento,
1
um autovalor de A
1
.
Se autovalor de A, ento, k um autovalor de kA.
*k um escalar.
Aula 12 lgebra Linear 16
Multiplicidade dos autovalores
Multiplicidade algbrica
A multiplicidade algbrica dos autovalores indica a quantidade de vezes que um determi-
nado 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
Encontre a multiplicidade algbrica e geomtrica da matriz A =
_

_
0 0 1
0 0 1
0 0 1
_

_
Encontrando os autovalores de A:
det(I A) = 0
det
_
_
_
0 1
0 1
0 0 1
_
_
_
= 0
Escolhendo a terceira linha da matriz:
detM = m
31
c
31
+ m
32
c
32
+ m
33
c
33
= 0
detM = 0 c
31
+ 0 c
32
+ m
33
c
33
= 0
detM = ( 1)(1)
3+3

0
0

= 0
( 1)
2
= 0

1
= 1 Mult. Alg ebrica = 1

2
= 0

3
= 0
_
Mult. Alg ebrica = 2
3
Aula 12 lgebra Linear 17
Encontrando os autovetores de A:
Para =1
(I A)v = 0
_
_
_
0 1
0 1
0 0 1
_
_
_
_
_
_
x
1
y
1
z
1
_
_
_
=
_
_
_
0
0
0
_
_
_
(I A)v = 0
_
_
_
1 0 1
0 1 1
0 0 0
_
_
_
_
_
_
x
1
y
1
z
1
_
_
_
=
_
_
_
0
0
0
_
_
_
_
x
1
z
1
= 0
y
1
z
1
= 0
_
_
_
x
1
y
1
z
1
_
_
_
=
_
_
_
z
1
z
1
z
1
_
_
_
= z
1
_
_
_
1
1
1
_
_
_
v
1
= (1, 1, 1)
Multiplicidade geomtrica de =1 1
Para =0
(I A)v = 0
_
_
_
0 1
0 1
0 0 1
_
_
_
_
_
_
x
2
y
2
z
2
_
_
_
=
_
_
_
0
0
0
_
_
_
(I A)v = 0
_
_
_
0 0 1
0 0 1
0 0 1
_
_
_
_
_
_
x
2
y
2
z
2
_
_
_
=
_
_
_
0
0
0
_
_
_
_
z
2
= 0
_
_
_
x
2
y
2
z
2
_
_
_
=
_
_
_
x
2
y
2
0
_
_
_
= x
2
_
_
_
1
0
0
_
_
_
= y
2
_
_
_
0
1
0
_
_
_
v
2
= (1, 0, 0), v
3
= (0, 1, 0)
Multiplicidade geomtrica de =0 2
Encontre as multiplicidades algbricas e geomtricas dos autovalores de
A =
_

_
0 0 1
0 0 1
1 1 1
_

_
.
Desao
Resumo
1
Aula 12 lgebra Linear 18
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 A
T
?
3) Uma matriz A inversvel se um dos seus autovalores for zero?
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
Encontre os autovalores e autovetores das seguintes matrizes.
a) A =
_
4
_
b) A =
_
2 1
0 3
_
c) A =
_
2 1
2 3
_
d) A =
_
1 1
1 1
_
e) A =
_

_
0 1 1
1 1 0
1 0 1
_

_
f) A =
_

_
1 0 0
0 0 0
0 0 0
_

_
g) A =
_

_
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
_

_
2
3
4
5
6
7
Aula 12 lgebra Linear 19
Encontre os autovalores e autovetores de A
15
, sendo
A =
_

_
1 2 2
1 2 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) F =
_

_
1 1 1
0 0 0
1 0 1
_

_
b) H =
_

_
0 0 1 2
1 0 0 0
1 0 0 0
0 0 0 0
_

_
Considere a matriz A =
_
a b
c d
_
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.
Anotaes
Aula 12 lgebra Linear 20
Diagonalizao de matrizes
13
Aula
1
2
3
Aula 13 lgebra Linear 23
Apresentao
S
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
Saber aplicar o processo de diagonalizao de matrizes.
Diferenciar a diagonalizao convencional da diagonaliza-
o ortogonal.
Calcular a matriz que diagonaliza outra.
Aula 13 lgebra Linear 25
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 = P
1
AP
Aula 13 lgebra Linear 26
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
1
AP
Se quisermos apenas saber qual a matriz diagonal equivalente, ento basta encontrar-
mos 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 v
1
, v
2
, v
3
,..., v
n
, 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.
D =
_

1
0 0 0
0
2
0 0
0 0
3
0
0 0 0
n
_

_
Aula 13 lgebra Linear 27
Encontrando os autovalores:

det(I ) = 0

A =
_

1
=
2
= 1

3
= 0
Encontrando os autovetores:
= 1
(I A)X = 0
_

_
1 1 0 0
2 1 0
0 0 1 1
_

_
_

_
x
1
x
2
x
3
_

_
=
_

_
0
0
0
_

_
2x
1
+ x
2
= 0
v
1
=
_
_
_
1
2
0
_
_
_
, v
2
=
_
_
_
0
0
1
_
_
_

= 1
(I A)X = 0
_

_
0 1 0 0
2 0 0
0 0 0 1
_

_
_

_
x
1
x
2
x
3
_

_
=
_

_
0
0
0
_

_
_
x
1
= 0
x
3
= 0
v
3
=
_
_
_
0
1
0
_
_
_
Vericando se os autovetores so LI:
k
1
v
1
+ k
2
v
2
+ k
3
v
3
= 0
k
1
(1, 2, 0) + k
2
(0, 0, 1) + k
3
(0, 1, 0) = 0
_

_
k
1
= 0
2k
1
+ k
3
= 0
k
3
= 0
k
1
= k
2
= k
3
= 0
Como todas as constantes so iguais a zero, ento o conjunto LI.
Exemplo 1
Encontre a matriz que diagonaliza A =
_

_
1 0 0
2 0 0
0 0 1
_

_
Resoluo:
1
Aula 13 lgebra Linear 28
Montando a matriz P:
P = [ v
1
v
2
v
3
]
P =
_
1 0 0
2 0 1
0 1 0
_
P
1
=
_
1 0 0
0 0 1
2 1 0
_
Vericando:
D = P
-1
AP
D =
_

_
1 0 0
0 0 1
2 1 0
_

_
_

_
1 0 0
2 0 0
0 0 1
_

_
_

_
1 0 0
2 0 1
0 1 0
_

_
D =
_

_
1 0 0
0 0 1
0 0 0
_

_
_

_
1 0 0
2 0 1
0 1 0
_

_
D =
_

_
1 0 0
0 1 0
0 0 0
_

_
Matriz diagonal formada a partir dos autovalores de A.
Encontre a matriz que diagonaliza A =
_

_
2 0 1
1 0 1
0 0 1
_

_
Potenciao de matrizes
A diagonalizao de matrizes permite-nos calcular potncias de matrizes. Sabendo que
D = P
1
AP, ao multiplicarmos a matriz diagonal por ela mesma, teremos:
DD = (P
1
AP)(P
1
AP)
Eliminando os parnteses, temos:
D
2
= P
1
A /AP = P
1
A
2
P
Multiplicando a expresso pela esquerda por P e pela direita por P
1
, temos:
Aula 13 lgebra Linear 29
PD
2
P
1
= A
2
Se multiplicarmos novamente por D, chegaremos concluso que:
A
k
= PD
k
P
1
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 A
15
, onde A =
_
0 0
1 1
_
Resoluo:
Sabemos que A
15
= PD
15
P
1
, ento devemos encontrar D e P.
Encontrando os autovalores:
det(I ) = 0
_

1
= 1

2
= 0
Encontrando os autovetores:

1
= 1
(I A)X = 0
_
1 0
1 1 1
__
x
1
x
2
_
=
_
0
0
_
_
x
1
= 0
v
1
=
_
0
1
_

2
= 0
(I A)X = 0
_
0 0
1 0 1
__
x
1
x
2
_
=
_
0
0
_
_
x
1
x
2
= 0
v
2
=
_
1
1
_
Vericando se os autovetores so LI:
Como no so mltiplos um do outro, ento so LI.
Matriz diagonal: D =
_
1 0
0 0
_
, D
15
=
_
1
15
0
0 0
_
=
_
1 0
0 0
_
Matriz que diagonaliza A: P =
_
0 1
1 1
_
, P
1
=
_
1 1
1 0
_
2
Aula 13 lgebra Linear 30
Calcule A
15
, onde A =
_
1 1
1 1
_
.
Diagonalizao ortogonal
de matrizes
Uma particularidade no caso da diagonalizao de matrizes quando a matriz que dia-
gonaliza 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 = P
1
AP = P
t
AP
,
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 A
t
= 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 autove-
tores 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:
1) Encontrar os autovetores.
2) Se os vetores forem LI, aplicar o processo de ortogonalizao de Gram-Schmidt.
3) Normalizar os vetores.
Logo,
A
15
= P
15
P
1
=
_
0 1
1 1
_

_
1 0
0 0
_

_
1 1
1 0
_
=
_
0 0
1 1
_
Aula 13 lgebra Linear 31
Exemplo 3
Encontre a matriz que diagonaliza A =
_

_
1 0 1
0 0 0
1 0 1
_

_ortogonalmente.
Resoluo:
Encontrando os autovalores:
det(I ) = 0

_

1
= 2

2
=
3
= 0
Encontrando os autovetores:

1
= 2
(I A)X = 0
_

_
2 1 0 1
0 2 0
1 0 2 1
_

_
_

_
x
1
x
2
x
3
_

_
=
_

_
0
0
0
_

_
_

_
x
1
x
3
= 0
x
2
= 0
x
1
+ x
3
= 0
x
1
= x
3
v
1
=
_
_
_
1
0
1
_
_
_

2
= 0
(I A)X = 0
_

_
0 1 0 1
0 0 0
1 0 0 1
_

_
_

_
x
1
x
2
x
3
_

_
=
_

_
0
0
0
_

_
_
x
1
x
3
= 0
_
x
1
= x
3
x
2
v
2
=
_
_
_
1
0
1
_
_
_
, v
3
=
_
_
_
0
1
0
_
_
_
Vericando se os autovetores so LI:
k
1
v
1
+ k
2
v
2
+ k
3
v
3
= 0
k
1
(1, 0, 1) + k
2
(1, 0, 1) + k
3
(0, 1, 0) = 0
_

_
k
1
k
3
= 0
k
2
= 0
k
1
+ k
3
= 0
k
1
= k
2
= k
3
= 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
3
Desao
Aula 13 lgebra Linear 32
No ser necessrio utilizar o processo de ortogonalizao de Gram-Schmidt, pois os vetores
j so ortogonais, necessrio ento apenas normaliz-los:
Encontre a matriz que diagonaliza A =
_

_
0 0 1
0 2 0
1 0 0
_

_
ortogonalmente.
1) A matriz N =
_

_
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
_

_
pode ser diagonalizada? E diagonalizada ortogonalmente?
2) Se A uma matriz quadrada de ordem 3, a qual possui dois autovalores distintos, onde
cada autoespao unidimensional. A diagonalizvel? Justique.
3) Prove que A no diagonalizvel se s0. A =
_
r s
0 r
_
v
1
=
v
1
|v
1
|
=
(1, 0, 1)

2
=
_
_
_
_
_
_
1

2
0
1

2
_
_
_
_
_
_
v
2
=
v
2
|v
2
|
=
(1, 0, 1)

2
=
_
_
_
_
_
_
1

2
0
1

2
_
_
_
_
_
_
v
3
=
_
_
_
0
1
0
_
_
_
Montando a matriz P:
P = [ v
1
v
2
v
3
] P
1
= P
t
P =
_

_
1

2
1

2
0
0 0 1
1

2
1

2
0
_

_
P
1
=
_

_
1

2
0
1

2
1

2
0
1

2
0 1 0
_

_
Resumo
1
2
Aula 13 lgebra Linear 33
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.
Determine se a matriz A diagonalizvel ortogonalmente. Em caso armativo,
encontre a matriz que diagonaliza A ortogonalmente.
a)
A =
_
2 1
0 1
_
b)
A =
_

_
3 0 0
1 3 0
0 1 3
_

_
c) A =
_

_
0 0 1
0 0 1
1 1 1
_

_
d) A =
_

_
2 0 2
0 0 0
2 0 2
_

_
e)
A =
_

_
0 0 0 1
0 0 0 1
1 1 1 1
0 0 0 1
_

_
a)
A =
_
2 1
0 1
_
b)
A =
_

_
3 0 0
1 3 0
0 1 3
_

_
c)
A =
_

_
0 0 1
0 0 1
1 1 1
_

_
d) A =
_

_
2 0 2
0 0 0
2 0 2
_

_
e)
A =
_

_
0 0 0 1
0 0 0 1
1 1 1 1
0 0 0 1
_

_
Anotaes
3
4
Aula 13 lgebra Linear 34
Calcule A
21
. A =
_

_
0 2 2
0 0 1
0 1 0
_

_
Para que valores de x a matriz B diagonalizvel? E ortogonalmente diagonalizvel?
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
Aula 13 lgebra Linear 35
Anotaes
Aula 13 lgebra Linear 36
Transformaes
lineares denio
14
Aula
1
2
3
Aula 14 lgebra Linear 39
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
Reconhecer os espaos evolvidos na transformao linear.
Calcular ncleo e imagem de transformaes lineares.
Encontrar vetores de espaos distintos que esto relacio-
nados atravs da transformao linear.
E
s
p
a

o Dom

n
i
o
E
s
p
a

o Im
a
g
e
m
Espao
vetorial
W
Espao
vetorial
V
V
2
V
n
V
1
T(V
1
) =W
1
T(V
2
) =W
2
T(V
n
) =W
n
W
2
W
n
W
1
T:VW
Aula 14 lgebra Linear 41
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) F(x
1
+ x
2
) = F(x
1
)+ F(x
2
)
ii) F(kx
1
) =kF(x
1
)
onde
x
1
e x
2
= 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.
Figura 1 Transformao linear de V em W
Aula 14 lgebra Linear 42
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(x
1
+ x
2
) = T(x
1
) + T(x
2
)
T(x
1
) = 8x
1
T(x
2
) = 8x
2
T(x
1
)+ T(x
2
) = 8x
1
+8x
2
= 8(x
1
+ x
2
)
T(x
1
+ x
2
) = 8(x
1
+ x
2
)
Como T(x
1
+ x
2
) = T(x
1
)+ T(x
2
), primeira condio satisfeita.
ii) T(kx
1
) = k.T(x
1
)
T(kx
1
)=8(kx
1
)= k.8(x
1
)
k T(x
1
)= k8(x
1
)
Satisfaz tambm a segunda condio T(kx
1
) = k.T(x
1
). Logo, a transformao uma
transformao linear.
Exemplo 2
Explique se T:
4

2
, 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 =(u
1
,u
2
,u
3
,u
4
), v =(v
1
,v
2
,v
3
,v
4
)
T(u)=(u
1
+ u
2
+ 1, u
3
u
4
)
T(v)=(v
1
+ v
2
+ 1,v
3
v
4
)
T(u)+ T(v) = (u
1
+v
1
+u
2
+v
2
+1+1, u
3
+v
3
u
4
v
4
)= (u
1
+v
1
+u
2
+v
2
+2, u
3
+v
3
u
4
v
4
)
T(u + v) =(u
1
+v
1
+u
2
+v
2
+1, u
3
+v
3
u
4
v
4
)
Como T(u + v) T(u)+ T(v), a primeira condio no foi satisfeita. Logo, a transformao
no linear.
1
Aula 14 lgebra Linear 43
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:
4

2
, 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:
2

3
, T(x,y)=(3x,2y, xy)
b) T: , T(x)= 3x
2
Aula 14 lgebra Linear 44
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, {v
1
,v
2
,...,v
n
} base de V e
1
,
2
,...,
n
pertencem a , ento:
T(
1
v
1
+
2
v
2
+...
n
v
n
)=
1
T(v
1
)+
2
T(v
2
)+...+
n
T(v
n
)
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:
3

2
uma transformao linear e B={v
1
,v
2
,v
3
} uma base do
3
, onde v
1
=(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(v
2
)=(3,1) e T(v
3
)=(0,2).
Resoluo:
O vetor v pode ser escrito como combinao linear dos elementos da base B, consi-
dere constantes:
V=
1
v
1
+
2
v
2
+
3
v
3
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=
1
v
1
+
2
v
2
+
3
v
3
v= 4 v
1
2v
2
+7v
3
Aula 14 lgebra Linear 45
Aplicando a transformao em ambos os lados da equao, temos:
T(v)=T(4v
1
2v
2
+7v
3
)
Usando agora o princpio da superposio podemos separar as somas e colocar as constantes
para fora da transformao:
T(v)=4T(v
1
)2T(v
2
)+7T(v
3
)
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:
2

3
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

1
2
2
=y
Logo,

1
= x

2
=
x y
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) +
_
x y
2
_
(0, 2)
Aplicamos ento a transformao em ambos os lados da equao:
T(x, y) = T
_
x(1, 1) +
x y
2
(0, 2)
_
2
Aula 14 lgebra Linear 46
Usando o teorema da superposio, temos:
T(x, y) = x T(1, 1) +
x y
2
T(0, 2)
T(x, y) = x(3, 2, 1) +
x y
2
(0, 1, 0)
T(x, y) =
_
3x, 2x +
x y
2
, x
_
T(x, y) =
_
3x,
3x y
2
, x
_
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)
T(1, 1) =
_
3 1,
(3) 1 1
2
, 1
_
= (3, 2, 1)
T(0, 2) =
_
3 0,
(0) 1 (2)
2
, 0
_
= (0, 1, 0)
Logo, a transformao est correta.
Encontre, caso exista, T:
3

3
tal que
T(0,1,1)=(1,1,1), T(1,0,0)=(1,1,0) e T(1,0,1)=(1,0,0).
E
s
pao
V
E
s
p
ao W
V
5
V
1
V
n
V
3
V
2
V
4
W
5
W
1
W
n
W
3
T:VW
N(T)
0
Aula 14 lgebra Linear 47
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.
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 48
Propriedades do ncleo
Seja T:VW uma transformao linear, ento N(T) um subespao vetorial de V.
Para provarmos, considere que v
1
e v
2
N(T), logo:
T(v
1
)=0
T(v
2
)=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(v
1
+v
2
) = T(v
1
)+T(v
2
) = 0+0 = 0
logo, v
1
+v
2
N(T)
III) Multiplicao por escalar:
Seja , ento
T(v
1
) = T(v
1
) = 0 = 0
v
1
N(T)
E
s
pao
V
E
s
p
ao W
V
5
V
1
V
n
V
3
V
2
V
4
W
5
W
1
W
4
W
n
W
3
W
2
T:VW
Im(T)
Aula 14 lgebra Linear 49
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.
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 transforma-
o linear, tem-se:
dim(U) = dim(N(T)) + dim(Im(T))
Aula 14 lgebra Linear 50
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 rema-
nescente 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.
3
Desao
Aula 14 lgebra Linear 51
Exemplo 6
Encontre o ncleo e a dimenso da imagem da transformao linear T:
3

3
, 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 = 0
2x + y z = 0
3x + z = 0
_

_
x
z = 3x
y = 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:
3

2
, onde T(x,y,z)=(xy+z, x+z).
1) Encontre uma transformao linear cujo ncleo seja P
2
.
2) Seja T:P
1
P
1
, 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:M
22
M
22
,
T
__
a b
c d
__
=
_
a + b b + c
c + d d + c
_
1
Resumo
Aula 14 lgebra Linear 52
Autoavaliao
Verique se as transformaes so lineares.
a) T:
3

3
, T(x,y,z) = (xy,x
2
+z, y+2z)
b) T:
5
, T(v,x,y,z,w) = (x+3y2zw)
c) T:
3

3
, T(x,y,z) = (0,0,0)
d) T:
4

2
, T(x,y,z,w) = (xy+2z+3, 3xw+4z)
e) T : M
22
1, A =
_
a b
c d
_
, T(A) = det(A)
f) T : M
22
M
44
, T
__
a b
c d
__
=
_

_
a 0 0 0
0 b 0 0
0 0 c 0
0 0 0 d
_

_

g) T:Mnn Mnn, , Ann, T(A) = A
t
h) T:P
2
R, P
2
(x) =a
2
x
2
+ a
1
x + a
0
,T(P
2
) = a
2
a
1
a
0
i) T:P
2
P
2
, T(a
2
x
2
+a
1
x +a
0
) = (a
2

a
0
)x
2
+ (a
0
+a
1
+a
2
)
j) T : P
3
P
2
, T(P
2
) =
dP
2
dx

k) T:P
2
P
3,
T(p(x)) =

p(x) + xp(x) + x
2
p (x)
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.
2
4
5
6
3
Aula 14 lgebra Linear 53
Encontre a regra para a transformao linear, sabendo que:
a) T:
2

2
, Base do
2
= {(2,1),(0,1)}, T(2,1) = (3,7) e T(0,1) = (1,1)
b) T:
3

2
, 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:
2

4
, 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(v
1
) = (1,1,1), T(v
2
) = (1,0,1) e T(v
3
) = (1,2,0),
encontre T(3v
1
v
2
+ 5v
3
).
Sabendo que Q(u) = x
2
2 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 : M
22
M
22
, T
__
a b
c d
__
=
_
a 0
0 b
_
, u =
_
3 2
7 2
_
c)
T : P
2
P
1
, T(P
2
) =
dP
2
dx
, u = 5x
2
3x + 2
Encontre o ncleo e a imagem das transformaes:
a) T:
5
, T(v,x,y,z,w) = (x+3y 2zw)
b) T:
2

2
, T(x,y) = (x+3y,3y)
c) T:
3
, T(x) = (x,0,3x)
d) T:
3

2
, T(x,y,z) = (x+y, x+z)
e) T : M
22
M
22
, T
__
a b
c d
__
=
_
a 0
0 b
_
f)
T : P
2
P
1
, T(P
2
) =
dP
2
dx
g) T: P
2
P
2
, T(p(x))= xp (x)
7
8
Aula 14 lgebra Linear 54
Encontre a dimenso do ncleo e da imagem das transformaes:
a) T:
5
, T(v,x,y,z,w) = (3xw)
b) T:
2

2
, T(x,y) = (xy, 3x+y)
c) T:
3
, T(x) = (0,0,5x)
d) T:
3

2
, T(x,y,z) = (y,x+y+z)
e) T:M
22
M
22
,
T : M
22
M
22
, T
__
a b
c d
__
=
_
a a + b + c
a b c b
_
f) T : P
3
P
1
, T(P
3
) =
d
2
P
3
dx
2

g) T: P
2
P
3
, T(p(x))= xp(x)
h)
T : 1
2
1
2
, T(x, y) =
1

2
(x + y, x y)
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.
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 14 lgebra Linear 55
Anotaes
Aula 14 lgebra Linear 56
Transformaes
lineares e matrizes
15
Aula
1
2
Aula 15 lgebra Linear 59
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
Obter transformaes lineares na forma matricial.
Efetuar clculos com transformaes lineares na forma
matricial.
Aula 15 lgebra Linear 61
Denio
Consideremos uma transformao linear T:
n

m
denida pelas equaes da forma:
w
1
= a
11
x
1
+ a
12
x
2
+ a
1n
x
n
w
2
= a
21
x
1
+ a
22
x
2
+ a
2n
x
n
w
m
= a
m1
x
1
+ a
m2
x
2
+ a
mn
x
n
Podemos escrever essas equaes como um produto de matrizes, separando as matrizes
dos termos independentes W, dos coecientes A e das incgnitas X, onde
W=A.X
_

_
w
1
w
2
w
m
_

_
=
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
a
m1
a
m2
a
mn
_

_
_

_
x
1
x
2
x
n
_

_
Onde A chamada matriz cannica da transformao linear.
Prova que T(x)=A.X uma transformao linear:
i) F(x
1
+ x
2
) = F(x
1
) + F(x
2
)
F(x
1
+ x
2
) = A(x
1
+ x
2
) = Ax
1
+ Ax
2
= F(x
1
) + F(x
2
)
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:
4

3
, denida por:
T(x
1
, x
2
, x
3
, x
4
) = (2x
1
3x
2
+ x
3
5x
4
, 4x
1
+ x
2
2x
3
+ x
4
, 5x
1
x
2
+ 4x
3
)
Pode ser representada da seguinte forma;
_

_
w
1
w
2
w
3
_

_ =
_

_
2 3 1 5
4 1 2 1
5 1 4 0
_

_
_

_
x
1
x
2
x
3
x
4
_

_
W = A X
Note que na primeira coluna da matriz A aparecem os coecientes da primeira varivel, x
1
, na
segunda de x
2
e assim sucessivamente.
Aula 15 lgebra Linear 62
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:
4

3
, denida por:
T(x
1
, x
2
, x
3
, x
4
) = (2x
1
3x
2
+ x
3
5x
4
, 4x
1
+ x
2
2x
3
+ x
4
, 5x
1
x
2
+ 4x
3
)
Resoluo
O primeiro passo identicar a base cannica do espao domnio, nesse exemplo o
4
,
logo, a base cannica :
e1 = (1,0,0,0)
e2 = (0,1,0,0)
e3 = (0,0,1,0)
e4 = (0,0,0,1)
Em seguida, aplicamos a transformao aos vetores da base cannica:
T(e1) = (2.1 3.0 + 0 5.0,4.1 + 0 2.0 + 0,5 .1 0 + 4.0) = (2,4,5)
T(e2) = (2.0 3,1 + 0 5.0,4.0 + 1 2.0 + 0,5.0 1 + 4.0) = (3,1,1)
T(e3) = (2.0 3.0 + 1 5.0,4.0 + 0 2.1 + 0,5.0 0 + 4.1) = (1, 2, 4)
T(e4) = (2.0 3.0 + 0 5.1,4.0 + 0 2.0 + 1,5.0 0 + 4.0) = (-5,1,0)
Agora, montamos a matriz transformao A com os vetores T(e1), T(e2), T(e3) e T(e4)
por coluna:
A = [T(e1)[T(e2)[T(e3)[T(e4)] =
_

_
2 3 1 5
4 1 2 1
5 1 4 0
_

_
Logo,
_

_
w
1
w
2
w
3
_

_ =
_

_
2 3 1 5
4 1 2 1
5 1 4 0
_

_
_

_
x
1
x
2
x
3
x
4
_

_
W = A X
1
Aula 15 lgebra Linear 63
Encontre a forma matricial da transformao linear T:
2

5
, denida por:
T(x
1
, x
2
) = (x
1
+2x
2
, 0, 3x
1
, x
1
x
2
, x
2
)
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:
4

3
, denida por:
T(X) = W =
_

_
2 0 1 0
1 1 0 1
0 0 1 0
_

_
_

_
x
1
x
2
x
3
x
4
_

_
W 1
3
e X 1
4
Resoluo
Ncleo
Devemos investigar que vetores do
4
resultam em um vetor nulo do
3
quando aplicados
transformao:
_

_
2 0 1 0
1 1 0 1
0 0 1 0
_

_
_

_
x
1
x
2
x
3
x
4
_

_
=
_

_
0
0
0
_

_
Ou seja, nesse caso, corresponde a encontrarmos o espao nulo da matriz dos coecientes A.
2
Aula 15 lgebra Linear 64
Encontre o ncleo e a imagem da transformao linear T:
3

3
, denida por:
T(X) =
_

_
2 0 1
1 0 0
1 1 0
_

_
_

_
x
1
x
2
x
3
_

_
Usando a eliminao gaussiana, chegamos a:
_

_
1 0 0 0
0 1 0 1
0 0 1 0
_

_
_

_
x
1
x
2
x
3
x
4
_

_
=
_

_
0
0
0
_

_
_

_
x
1
= 0
x
2
+ x
4
= 0
x
3
= 0
_

_
x
1
x
2
x
3
x
4
_

_
=
_

_
0
x
4
0
x
4
_

_
= x
4
_

_
0
1
0
1
_

_
, N(T(X)) = (0, 1, 0, 1)
Imagem
Para encontrar a imagem, separaremos os vetores:
T(X) = x
1
_

_
2
1
0
_

_ + x
2
_

_
0
1
0
_

_ + x
3
_

_
1
0
1
_

_ + x
4
_

_
0
1
0
_

_
Aparecem multiplicados por x
1
todos os seus coecientes e o mesmo acontece para x
2
, x
3
e x
4
.
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)
logo
Desao
1
2
Resumo
Aula 15 lgebra Linear 65
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.
Mostre que as transformaes T1 e T2 T:
3

3
tm o mesmo ncleo e Imagem.
T1(x, y, z) =
_

_
0 0 0
0 1 0
0 0 1
_

_
_

_
x
y
z
_

_
T2(x, y, z) =
_

_
0 0 0
0 1 1
0 2 1
_

_
_

_
x
y
z
_

_
Encontre o valor de a para que a dimenso do ncleo seja a mesma da imagem de
T, onde T:
2

2

T(x, y) =
_
1 1
a 1
__
x
y
_
1
2
Aula 15 lgebra Linear 66
Autoavaliao
Escreva a transformao na forma matricial e encontre seu Ncleo e Imagem:
a) T:
5
, T(v,x,y,z,w) = (x+3y2zw)
b) T:
2

2
, T(x,y) = (x+3y, 3y)
c) T:
3
, T(x) = (x, 0, 3x)
d) T:
3

2
, T(x,y,z) = (x+y, x+z)
e) T : P
3
P
1
, T(P
3
) =
d
2
P
3
dx
2
f) T:P
2
P
3
, T(p(x)) = xp(x)
g) T : 1
2
1
2
, T(x, y) =
1

2
(x + y, x y)
Sabendo que a transformao envolve polinmios, encontre a forma por extenso
da transformao e diga qual o espao domnio e qual o imagem:
a)
T(P) =
_
1 0
1 1
_
P

b)
T(P) =
_
1 1 2
2 0 1
_
P
c) T(P) =
_

_
1 0
2 1
3 0
4 2
_

_
P
d) T(P) =
_

_
1 0 0 1 1
1 2 0 1 1
1 0 0 0 1
_

_P
Anotaes
Aula 15 lgebra Linear 67
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 68
Transformaes
lineares inversas
16
Aula
1
2
3
Aula 16 lgebra Linear 71
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
Saber reconhecer quando uma transformao admite inversa.
Aplicar a denio de inversa.
Calcular a inversa de uma Transformao Linear.
T:VW
Espao
vetorial
W
Espao
vetorial
V
T
-1
:VW
Aula 16 lgebra Linear 73
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
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
Funo injetora
e no sobrejetora
Domnio Imagem
1
2
3
A
D
B
C
Funo sobrejetora
e no injetora
Domnio Imagem
1
2
3
4
A
B
C
Funo bijetora
Domnio Imagem
1
2
3
4
A
D
B
C
Aula 16 lgebra Linear 74
Figura 2 Funo injetora, sobrejetora e bijetora
Relembrando...
Funes Injetoras, Sobrejetora e Bijetora
Uma funo dita injetora se para cada elemento do domnio existe um cor-
respondente exclusivo no contradomnio. Uma funo classicada como so-
brejetora 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.
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 ima-
gens 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.
Aula 16 lgebra Linear 75
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:
2

2
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.
1
Aula 16 lgebra Linear 76
Verique se a transformao bijetora: T:
3

2
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 ad-
mite 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:
2

2
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:
A
1
=
_
0 1
1 1
_
, portanto, a transformao inversa dada por:
T
1
(x, y) =
_
0 1
1 1
__
x
y
_
= (y, x y)
Aula 16 lgebra Linear 77
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:
2

3
, 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) =
_
_
_
2 1
3 1
1 1
_
_
_
_
x
y
_
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 = 0
y + 3x = 0
x + y = 0
x = y = 0
N(T(x, y)) = (0, 0)
N(T(x,y)) ={(0,0)} injetora.
Vericando se a transformao Sobrejetora
T(x, y) = (2x y, y + 3x, x + y) =
_
_
_
2x y
y + 3x
x + y
_
_
_ = x
_
_
_
2
3
1
_
_
_+ y
_
_
_
1
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.
injetora
2
Desao
Resumo
1
2
3
Aula 16 lgebra Linear 78
Encontre a inversa da transformao, caso exista.
T:
3

3
, T(x,y,z)=(2x y z, 2z y+3x, x+3z)
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) = 3x
2
T (x
2
) =4+2x 3x
2
A transformao T tem inversa? Justique.
Seja T uma transformao linear T:
3

3
, denida por:
T(x
1
,x
2
,x
3
) =(a
1
x
1
,a
2
x
2
,a
3
x
3
), a
i
.
Determine as condies que a
1
,a
2
e a
3
devem satisfazer para T admitir inversa.
Obtenha a expresso de T
1
.
Por que necessrio que a transformao seja bijetora para possuir inversa?
Nesta aula, voc aprendeu a identicar 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.
1
2
3
Aula 16 lgebra Linear 79
Autoavaliao
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)
T(u) =
_
2 0
2 1
_
u
e) T
1
(u) =
_

_
1 0 1 0
2 2 0 0
0 1 1 3
2 0 0 3
_

_
u
f) T(u) =
_
1 0 1
0 1 0
_
u
g) T:P

2

P
2
, T(a
2
x
2
+ a
1
x +a
0
) = (a
2
a
0
)x
2
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
d) T
1
(u) =
_

_
1 1 2
0 1 0
1 1 1
_

_u
e) T:P
2

P
3
, T(a
2
x
2
+ a
1
x + a
0
) = x (a
2
x
2
+ a
1
x + a
0
)
f) T:P
1

P
3
, T(a
1
x + a
0
) = ((a
1
+a
0
)x
3
+ a
1
x
2
+ a
0
x)
4
5
Anotaes
Aula 16 lgebra Linear 80
Seja T: :
3

3
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:
2

2
denida por T (x,y)=(kx,x+y), k .
a) Determine k de modo a que a transformao T admita inversa e, para esses valores,
obtenha a transformao inversa T
1
.
b) Considere k =0. Determine a dimenso e uma base para o ncleo de T.
Referncias
A NTON, 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.
g) T : P
2
P
2
, T(a
2
x
2
+ a
1
x + a
0
) = x
d(a
2
x
2
+ a
1
x + a
0
)
dx
h) T:P
2
P
2
, T(p(x)) = p(x +1)
Anotaes
Aula 16 lgebra Linear 81
Anotaes
Aula 16 lgebra Linear 82
Transformaes lineares
e geometria do
2
17
Aula
1
2
Aula 17 lgebra Linear 85
Apresentao
U
ma das formas mais comuns de utilizar as Transformaes Lineares a aplicao a
vetores no plano. Modicaes como expanso, rotao, reexo etc. so utilizadas cor-
riqueiramente 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
Identicar matrizes transformaes e aplicar a vetores
no plano.
Utilizar combinaes de Transformaes Lineares.
y
x
u
y
x
u
y
x
u
-ku
y
u
ku
ku
0 < K < 1 K > 1 K < 0
Aula 17 lgebra Linear 87
Denio
As Transformaes Lineares permitem modicarmos vetores utilizando apenas multipli-
cao 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
T(x, y) = k(x, y) T(x, y) =
_
k 0
0 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.
Figura 1 Vetor u e suas alteraes de semelhana
x
y
x
u u
y
T(u)
Aula 17 lgebra Linear 88
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.
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.
x
y
x
u u
y
T(u)
x
y
x
u u
y
T(u)
Aula 17 lgebra Linear 89
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) = (y, x)
T(x, y) =
_
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.
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
_
x
y
x
u
u
y
T(u)
x
y
x
u
u
y
T(u)
Aula 17 lgebra Linear 90
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.
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) = (x,0)
T(x, y) =
_
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.
Figura 6 Vetor u e sua projeo ortogonal sobre o eixo X
x
y
x
u
u
y
T(u)

Aula 17 lgebra Linear 91


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) =
_
cos() sen()
sen() cos()
__
x
y
_
A Figura 7 mostra o vetor u e sua rotao de um ngulo .
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.
y
x
u
y
x
u
K > 0
T(u)
y
u
K < 0
T(u)
Aula 17 lgebra Linear 92
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 0
k 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 cisa-
lhamento menor, porm, se x for grande, ento, essa distoro ser maior.
1
y
x
u
y
x
u
y
u
K < 0 K > 0
T(u)
T(u)
Aula 17 lgebra Linear 93
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).
Encontre o vetor resultante da rotao do vetor (1,4) de um ngulo de 90.
Aula 17 lgebra Linear 94
Composio de
transformaes lineares
Em muitas situaes, h a necessidade de aplicarmos no apenas uma, mas uma sequ-
ncia 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:
T
2
T
1
(u) = T
2
(T
1
(u)) = T
2
T
1
Onde:
T
2
T
1
,= T
1
T
2
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) =
_
cos() sen()
sen() cos()
__
x
y
_
=
_
cos(90 ) sen(90 )
sen(90 ) cos(90 )
__
x
y
_
T
1
(x, y) =
_
0 1
1 0
__
x
y
_
Reexo sobre o eixo Y:
T
2
(x, y) =
_
1 0
0 1
__
x
y
_
Obtendo a combinao:
T
2
T
1
(x, y) = T
2
T
1
=
_
1 0
0 1
__
0 1
1 0
_
=
_
0 1
1 0
_
T
2
T
1
(x, y) =
_
0 1
1 0
__
x
y
_
T
2
T
1
(4, 3) =
_
0 1
1 0
__
4
3
_
=
_
3
4
_
2
y
x
3
-4
-3 3
-4 -4
u
T
1
(u) T
2
(T
1
(u))
y
x
y
x
Vetor u Rotao de 90 Refexo em torno do eixo y
Aula 17 lgebra Linear 95
Vericando gracamente, podemos comprovar o resultado, conforme mostrado na Figura 10.
Figura 10 Vetor u e a aplicao de duas transformaes seguidas
Obtenha o vetor resultante da reexo em t orno 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:
T
1
(x, y) =
_
cos(
1
) sen(
1
)
sen(
1
) cos(
1
)
__
x
y
_
T
2
(x, y) =
_
cos(
2
) sen(
2
)
sen(
2
) cos(
2
)
__
x
y
_
A composio das duas dada por:
T
R
= T
2
T
1
= T
2
T
1
=
_
cos(
2
) sen(
2
)
sen(
2
) cos(
2
)
__
cos(
1
) sen(
1
)
sen(
1
) cos(
1
)
_
T
R
=
_
cos(
1
)cos(
2
) sen(
1
)sen(
2
) cos(
1
)sen(
2
) sen(
1
)cos(
2
)
sen(
1
)cos(
2
) + cos(
1
)sen(
2
) sen(
1
)sen(
2
) + cos(
1
)cos(
2
)
_
T
R
=
_
cos(
1
+
2
) sen(
1
+
2
)
sen(
1
+
2
) cos(
1
+
2
)
_
Aula 17 lgebra Linear 96
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)
_

_
k 0 0
0 k 0
0 0 k
_

_
Reexo em torno do plano xy
T(x, y, z) = (x, y, z)
_

_
1 0 0
0 1 0
0 0 1
_

_
Reexo em torno do plano xz
T(x, y, z) = (x, y, z)
_

_
1 0 0
0 1 0
0 0 1
_

_
Reexo em torno do plano yz
T(x, y, z) = (x, y, z)
_

_
1 0 0
0 1 0
0 0 1
_

_
Projeo ortogonal
sobre o plano xy
T(x, y, z) = (x, y, 0)
_

_
1 0 0
0 1 0
0 0 0
_

_
Projeo ortogonal
sobre o plano xz
T(x, y, z) = (x, 0, z)
_

_
1 0 0
0 0 0
0 0 1
_

_
Projeo ortogonal
sobre o plano yz
T(x, y, z) = (0, y, z)
_

_
0 0 0
0 1 0
0 0 1
_

_
Desao
Resumo
Aula 17 lgebra Linear 97
1) Considerando as Transformaes Lineares no plano T1, T2, T3 e T4, determine as matri-
zes 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).
T1(x, y) = (3x y, y 2x) T3(x, y) = (x + y, 0)
T2(x, y) =
_
x + y
2
,
x y
2
_
T4(x, y) = (x y, x)
2) A Transformao Linear
T(x, y) =
_
x + y
2
,
x y
2
_
bijetora? Justique.
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).
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.
1
2
3
4
Aula 17 lgebra Linear 98
Autoavaliao
Encontre a representao matricial cannica para cada um dos operadores lineares
em
2
descritos a seguir.
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 trigonom-
trico.
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.
Uma transformao linear T:
2

2
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 ree-
xes 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:
3

3
, onde T
a
(x,y,z)=(x+z, 2xz, y2z),
T
b
(x,y,z)=(2x, 2y,2z) e T
c
(x,y,z)=(y,z,x), encontre:
a)
(T
c
T
a
)(1, 1, 1)
b)
(T
b
T
a
)(0, 1, 2)
c)
(T
a
T
b
T
c
)(1, 1, 1)
d)
(T
c
T
b
T
a
)(1, 1, 1)
a)
T(x, y) = (x, y)
b)
T(x, y) = (
x
2
, 0)
c)
T(x, y) = (x, 0)
d)
T(x, y) = y(e
1
)
e)
T(x, y) = (x, y)
f) T (x,y) = (x,y)
Anotaes
Aula 17 lgebra Linear 99
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 100
Formas qudricas
18
Aula
1
2
Aula 18 lgebra Linear 103
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 coorde-
nadas que facilitar o traado do seu grco futuramente.
Objetivos
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 105
Denio
Formas qudricas ou quadrticas so funes em que aparecem termos com multiplica-
o 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.
a
1
x
1
+ a
2
x
2
+ ... + a
n
x
n
Forma bilinear
As variveis aparecem na primeira potncia e h produto de variveis distintas
na expresso.
a
1
x
1
y
1
+ a
2
x
2
y
2
+ ... + a
n
x
n
y
n
Forma qudrica
possvel aparecer quadrados de variveis ou produto de duas variveis:
No
2
a
1
x
2
1
+ a
2
x
2
2
+ a
3
x
1
x
2
No
3
a
1
x
2
1
+ a
2
x
2
2
+ a
3
x
2
3
+ a
4
x
1
x
2
+ a
5
x
1
x
3
+ a
6
x
2
x
3
Onde os termos que envolvem variveis distintas so chamados de produto misto ou
termo cruzado. Exemplo: a
2
x
1
x
2
.
Aula 18 lgebra Linear 106
Representao matricial
Seja x um vetor de dimenso n, y um vetor de dimenso n e A uma matriz nn.
x =
_

_
x
1
x
2
x
n
_

_
y =
_

_
y
1
y
2
y
n
_

_
A =
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
a
n1
a
n2
a
nn
_

_
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) = x
T
Ay
Uma forma quadrtica pode ser associada a uma matriz na forma:
Q(x) = x
T
Ax
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) = X
T
Ax. Como a matriz A tem ordem 2x2, ento o vetor X s pode pertencer ao
2
:
X =
_
x
1
x
2
_
Substituindo:
Q(x) = x
T
Ax =
_
x
1
x
2
_
_
3 2
2 7
__
x
1
x
2
_
Q(x) = [(3x
1
2x
2
)(2x
1
+ 7x
2
)]
_
x
1
x
2
_
Q(x) = 3x
2
1
+ 7x
2
2
2x
1
x
2
+ 2x
1
x
2
Q(x) = 3x
2
1
+ 7x
2
2
Aula 18 lgebra Linear 107
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 x
i
x
j
.
Exemplo 2
Considere a forma qudrica Q(x) = x
2
1
2x
2
2
+ 5x
1
x
2
e obtenha uma forma matricial equivalente.
Resoluo:
Primeiro, de niremos a ordem da matriz. Como apenas aparecem como variveis x
1
e x
2
, 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 a
12
e a
21
partem dos termos cruzados, onde a
12
+a
21
corresponde ao coeciente
do termo x
1
x
2
.
a
12
+ a
21
= 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 108
Forma matricial:
Q(x) = x
T
Ax =
_
x
1
x
2
_
_
1 2, 5
2, 5 2
__
x
1
x
2
_
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) = x
T
Ax
Q(x) = x
T
Ax =
_
x
1
x
2
_
_
1 2, 5
2, 5 2
__
x
1
x
2
_
Q(x) = [(x
1
+ 2, 5x
2
)(2, 5x
1
2x
2
)]
_
x
1
x
2
_
Q(x) = x
2
1
+ 2, 5x
1
x
2
+ 2, 5x
1
x
2
2x
2
2
Q(x) = x
2
1
+ 5x
1
x
2
2x
2
2
Exatamente a forma qudrica inicial.
Exemplo 3
Seja, Q(x) = x
2
1
+ 2x
2
2
+ 3x
2
3
+ 5x
1
x
2
x
1
x
3
+ 2x
2
x
3
encontre a matriz associada.
Resoluo:
Primeiro, deniremos a ordem da matriz. Como aparecem as variveis x
1
, x
2
e x
3,
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 =
_

_
1
2
3
_

_
Os demais elementos partem dos termos cruzados:
Coeciente do termo cruzado da varivel 1 com 2 : 5.
Ento, os elementos a
12
e a
21
devem ter a soma igual a 5: a
12
+ a
21
= 5.
Optando pela matriz simtrica, teremos a
12
= 2,5 e a
21
= 2,5.
A =
_

_
1 2, 5
2, 5 2
3
_

_
1
Aula 18 lgebra Linear 109
Os elementos a
13
e a
31
devem ter a soma igual a 1: a
13
+ a
31
= 1.
Optando pela matriz simtrica, teremos a
13
= 0,5 e a
31
= 0,5.
A =
_

_
1 2, 5 0, 5
2, 5 2
0, 5 3
_

_
Os elementos a
23
e a
32
devem ter a soma igual a 2: a
23
+ a
32
= 2.
Optando pela matriz simtrica, teremos a
23
= 1 e a
32
= 1.
A =
_

_
1 2, 5 0, 5
2, 5 2 1
0, 5 1 3
_

_
Forma matricial: Q(x) = x
T
Ax =
_
x
1
x
2
x
3
_
_

_
1 2, 5 0, 5
2, 5 2 1
0, 5 1 3
_

_
_

_
x
1
x
2
x
3
_

_
Vericando:
Q(x) = x
T
Ax =
_
x
1
x
2
x
3
_
_

_
1 2, 5 0, 5
2, 5 2 1
0, 5 1 3
_

_
_

_
x
1
x
2
x
3
_

_
Q(x) = [(x
1
+ 2, 5x
2
0, 5x
3
)(2, 5x
1
2x
2
x
3
)(0, 5x
1
+ x
2
+ 3x
3
)]
_

_
x
1
x
2
x
3
_

_
Q(x) = x
2
1
+ 2, 5x
1
x
2
0, 5x
1
x
3
+ 2, 5x
1
x
2
2x
2
2
+ x
2
x
3
0, 5x
1
x
3
+ x
2
x
3
+ 3x
2
3
Q(x) = x
2
1
2x
2
2
+ 3x
2
3
+ 5x
1
x
2
x
1
x
3
+ 2x
2
x
3
Forma qudrica original.
Encontre a forma matricial das formas qudricas e, ao nal, verique se a
matriz est correta.
a) Q(x) = 3x
2
1
x
2
2
6x
1
x
2
b) Q(x) = 3x
2
1
3x
2
2
+ x
2
3
+ 4x
1
x
2
+ 3x
1
x
3
8x
2
x
3
Desao
Resumo
Aula 18 lgebra Linear 110
Formas qudricas positivas
Uma forma qudrica Q(x) = x
T
Ax chamada positiva denida se x
T
Ax>0 qualquer
x diferente de zero.
Existe ainda a nomenclatura negativa denida, quando x
T
Ax<0 para todo x diferente
de zero, e indenida, quando x
T
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
x
T
AX uma forma qudrica positiva, e a matriz A ser positiva se, e somente se, todos seus
autovalores forem positivos.
1) Considere a seguinte forma quadrtica:
Q(x
1
, x
2
, x
3
) =
_
x
1
x
2
x
3
_
_

_
a 0 0
0 d e
0 e f
_

_
_

_
x
1
x
2
x
3
_

_
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 (b
1
x
1
+ b
2
x
2
+ ... + b
n
x
n
)
2
na notao matricial
Q(x) = x
T
Ax, onde A uma matriz simtrica.
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.
1
2
3
Aula 18 lgebra Linear 111
Autoavaliao
Identique quais das equaes so formas qudricas. Justique.
a) Q(x)=2x
2
1
+ 2x
2
2
+ 2x
1
x
2
b) Q(x)=5x
1
x
2
x
3
c) Q(x)=3x
2
1
x
2
2
+ 4x
1
x
2
d) Q(x)=x
2
1
x
2
2
+ x
2
3
2x
2
4
+8x
1
x
2
x
3
+x
3
x
4
e) Q(x)=2x
3
1
+ x
3
2
+ x
3
3
Transforme a forma matricial em forma qudrica, tomando a matriz A como a
matriz associada forma qudrica.
a) A =
_

_
1 4 3
2 3 2
1 0 2
_

_
b) A =
_
3 7
4 3
_

c)
A =
_

_
1 3 2
3 3 1
2 1 2
_

_
d) A =
_

_
1 0 1 2
3 2 1 3
1 2 0 0
0 2 6 2
_

_

e) A =
_

_
2 2 0 7 5
4 1 2 4 6
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
2
1
x
2
2
+ 4x
1
x
2
b) Q(x)=2x
2
1
+ x
1
x
2
c) Q(x)=4x
2
1
2x
2
2
x
2
3
+ 4x
1
x
2
6x
1
x
3
+ 8x
2
x
3
d) Q(x)=4x
2
4

e) Q(x)=3x
2
1
+ x
2
2
+ 4x
1
x
2
f) Q(x)=4x
1
x
2
x
2
x
4
2x
2
x
5
Anotaes
Aula 18 lgebra Linear 112
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 18 lgebra Linear 113
Anotaes
Aula 18 lgebra Linear 114
Diagonalizao de
formas qudricas
19
Aula
1
2
3
Aula 19 lgebra Linear 117
Apresentao
A lgebra Linear quando aplicada s formas qudricas permite obter matrizes associadas
simplicadas, facilitando clculos e reduzindo custo computacional. Ao lanar mo da dia-
gonalizao, 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
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 119
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 v-
rias 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) = x
T
Ax =
_
x
1
x
2
x
n
_
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
a
n1
a
n2
a
nn
_

_
_

_
x
1
x
2
x
n
_

_
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

1
n
X =
_

_
x
1
x
2
x
n
_

_
,
Y o novo vetor varivel do 1
n
Y =
_

_
y
1
y
2
y
n
_

_
,
P uma matriz ortogonal que diagonaliza A.
Aplicando a mudana de varivel:
X
T
AX = (PY)
T
A(PY)
X
T
AX = Y
T
P
T
APY
X
T
AX = Y
T
(P
T
AP)Y
A nova matriz associada forma qudrica no novo sistema de coordenadas (P
T
AP).
Como P uma matriz que diagonaliza A ortogonalmente, ento
P
T
=P
1
Aula 19 lgebra Linear 120
e
P
T
AP = P
1
AP = D
Onde D a matriz diagonalizada, cujos elementos da diagonal principal so os autovalores
de A.
D =
_

1
0 0
0
2
0
0 0
n
_

_
Logo, X
T
AX = Y
T
DY
Exemplo 1
Seja
Q(x) = x
2
1
5x
2
2
8x
1
x
2 , encontre uma mudana de varivel que transforme a forma
qudrica em uma sem termos cruzados.
Resoluo:
Passando para a forma matricial, temos:
Q(x) = x
T
Ax =
_
x
1
x
2
_
_
1 4
4 5
__
x
1
x
2
_
.
A matriz associada : A =
_
1 4
4 5
_
.
Devemos diagonalizar a matriz A:
Autovalores de A: 3 e 7
Autovetores de A: v
=3
=
_

_
2

5
1

5
_

_
v
=7
=
_

_
1

5
2

5
_

_
.
Como os autovetores j so ortonormais, no ser necessrio diagonaliz-los nem ortonor-
maliz-los.
Ento, x = Py , onde
x =
_
x
1
x
2
_
y =
_
y
1
y
2
_
D =
_

_
2

5
1

5
1

5
2

5
_

_
Aula 19 lgebra Linear 121
Mudando de coordenadas:
Q(x) = x
2
1
5x
2
2
8x
1
x
2
= x
T
Ax = y
T
Dy
Q(y) = y
T
Dy =
_
y
1
y
2
_
_
3 0
0 7
__
y
1
y
2
_
Como a nova matriz associada D, ento a forma expandida ca:
Q(y) = 3y
2
1
7y
2
2 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(x
1
, x
2
) = Q(2, 2),
Q(x) = x
2
1
5x
2
2
8x
1
x
2
Q(2, 2) = 2
2
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
Y = P
1
X =
_

_
2

5
1

5
1

5
2

5
_

_
_
2
2
_
_

_
6

5
2

5
_

_
y
1
=
6

5
y
2
=
2

5
Ento, aplicamos expresso em Y:
Q(y) = 3y
2
1
7y
2
2
Q(2, 2) = 3
_
6

5
_
2
7
_
2

5
_
2
= 16
Desao
Resumo
Aula 19 lgebra Linear 122
Seja
Q(x) = 3x
2
1
+ 3x
2
2
+ 2x
1
x
2 , encontre uma mudana de varivel que
transforme a forma qudrica em uma sem termos cruzados.
1) Diagonalize a forma qudrica
Q(x) = 3x
2
1
2x
1
x
2
+ 2x
2
2
2x
2
x
3
+ 3x
2
3 .
2) Suponha que x um autovetor unitrio de dimenso 5 associado ao autovalor =3.
Qual o valor de x
T
Ax?
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.
Aula 19 lgebra Linear 123
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 x
1
= 1, x
2
= 2, x
3
= 1 no novo sistema de coordenadas.
a)
Q(x) = x
2
1
+ x
2
2
+ 10x
1
x
2
b)
Q(x) = 2x
1
x
2
c)
Q(x) = 9x
2
1
+ 7x
2
2
+ 11x
2
3
8x
1
x
2
+ 8x
1
x
3
d)
Q(x) = 2x
1
x
3
+ 6x
2
x
3
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 19 lgebra Linear 124
Sees cnicas
20
Aula
Aula 20 lgebra Linear 127
Apresentao
A
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 co-
ordenadas 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.
Hiprbole Parbola Elipse
Aula 20 lgebra Linear 129
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.
Figura 1 Cnicas
Interpretao geomtrica do
2
Partindo da equao das formas qudricas:
Q(x) = x
T
Ax = 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
2
1
+ sx
2
2
+ tx
1
x
2
= 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
2
1
+ gx
2
2
= c
x
1
x
2
b
a
a > b > 0
x
1
x
2
b
a
b > a > 0
x
1
x
2
b
a
a = b > 0
Aula 20 lgebra Linear 130
onde f e g tambm so constantes. Dividindo toda a equao por c teremos:
fx
2
1
c
+
gx
2
2
c
= 1
E arrumando, temos:
x
2
1
a
2
+
x
2
2
b
2
= 1
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 dege-
nerada 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, :
x
2
1
a
2
+
x
2
2
b
2
= 1
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.
Figura 2 Grcos de elipses
x
1
x
2
b
a
a > b > 0
x
1
x
2
b
a
b > a > 0
Aula 20 lgebra Linear 131
Elipse degenerada:
Quando a equao tem a forma
ax
2
1
+ bx
2
2
= 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
2
1
+ x
2
2
= 0
Hiprbole
A equao da hiprbole bem parecida com a da elipse, porm, muda um dos sinais dos
termos com variveis para negativo:
x
2
1
a
2
+
x
2
2
b
2
= 1
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.
Figura 3 Grcos de hiprboles
x
2
2
ax
1
= 0 x
1
2
ax
2
= 0
F
x
1
x
2
D
i
r
e
t
r
i
z
a
4
a
4
a
4
F
x
1
x
2
Diretriz
a
4
a
4
a
4
Aula 20 lgebra Linear 132
Hiprbole degenerada:
Quando camos na forma
x
2
1
a
2

x
2
2
b
2
= 0 x
1
=
a
b
x
2
.
O que implica em retas concorrentes.
Parbola
A equao da parbola obtida a partir da expresso a seguir, ou invertendo-se as variveis:
x
2
1
ax
2
= 0
A Figura 4 mostra parbolas sobre os eixos x
1
e x
2
. O foco da parbola est situado a
a
4
do
vrtice e a diretriz a
a
2
do foco.
Figura 4 Grcos de parbolas
Parbola degenerada:
Quando camos na forma
x
2
1
a = 0 ou x
2
1
= 0.
O que implica em retas paralelas no primeiro caso e em reta coincidente com o eixo x
2

no segundo.
x
1
x
2
3
2
-3
-2
x
1
x
2
3
2
-3
-2
Aula 20 lgebra Linear 133
Exemplo 1
Encontre o grco de:
a) 9x
2
1
+ 4x
2
2
= 36
b) x
2
1
4x
2
2
= 2
c) 16x
1
x
2
2
= 0
Resoluo:
a) Arrumando a equao 9x
2
1
+ 4x
2
2
= 36
Dividindo tudo por 36:
9x
2
1
36
+
4x
2
2
36
=
36
36

x
2
1
4
+
x
2
2
9
= 1
, temos a equao de uma elipse com a =2 (associado a x
1
) e b=3 (associa-
do a x
2
). Para traar o grco, primeiro marcamos os pontos a, a, b e b e, em seguida,
desenhamos a elipse, como mostrado na Figura 5.
Figura 5 Grco da elipse
x
2
1
4
+
x
2
2
9
= 1
b) Arrumando a equao x
2
1
4x
2
2
= 2
Dividindo por 2:
x
2
1
2

4x
2
2
2
=
2
2
x
2
1
2

x
2
2
2

4
= 1
x
2
1
2

x
2
2
1

2
= 1
Temos a equao de uma hiprbole com
a =

2 ( x
1
)
e b =
_
1

2
( x
2
)
x
1
x
2
x
1
x
2
2
- 2
- 2
2
2
2
2
- 2
- 2
2
2
2
x
1
x
2
x
1
x
2
2
- 2
- 2
2
2
2
Aula 20 lgebra Linear 134
Figura 6 Passos intermedirios do grco da hiprbole
x
2
1
2

x
2
2
1

2
= 1
Traamos as assntotas passando pelas quinas do retngulo e, por m, desenhamos a hi-
prbole, como na Figura 7.
Figura 7 Grco da hiprbole
x
2
1
2

x
2
2
1

2
= 1
Para saber se a hiprbole cruza o eixo x
1
ou o eixo x
2
, devemos observar o sinal da equao.
Note que na equao
x
2
1
2

x
2
2
1

2
= 1 a varivel x
2
pode assumir o valor x
2
=0 que o x
1
apre-
sentar valores reais, porm, se a varivel x
1
assumir o valor x
1
=0 ento os valores para x
2

sero complexos, valores que no fazem parte do nosso estudo neste momento. Portanto,
conclumos que o valor x
1
no pode ser zero, ou seja, o grco no pode cortar o eixo x
2
, ento
o grco est sobre o eixo x
1
.
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.
x
1
x
2
x
1
x
2
- 48
-4
4
1 3
48
V F
- 48
-4
4
1 3
48
V F
Aula 20 lgebra Linear 135
c) Arrumando a equao 16x
1


x
2
2
= 0,
x
2
2
= 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 x
1
(varivel sem o quadrado).
Conhecendo alguns pontos ca simples traar o grco. Vamos atribuir os valores 1 e 3 a x
1
:
X
1
X
2
1 4
3

48
Figura 8 Grco de parbola x
2
2
= 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
2
1
sx
2
2
+ tx
1
x
2
= c deslocada, ou
seja, centrada no ponto (p,q), temos:
r(x
1
p)
2
+ s(x
2
q)
2
+ t(x
1
p)(x
2
q)

= c
Arrumando, teremos uma equao com os seguintes termos:
a
1
x
2
1
+ a
2
x
2
2
+ a
3
x
1
x
2
+ a
4
x
1
+ a
5
x
2
+ a
6
= 0
Essa forma, com termo cruzado e os termos lineares, a forma completa da equao qudrica.
x
1
x
2
x
1
x
2
Aula 20 lgebra Linear 136
Inuncia dos termos
Observando a equao completa da forma qudrica a
1
x
2
1
+ a
2
x
2
2
+ a
3
x
1
x
2
+ a
4
x
1
+ a
5
x
2
+ a
6
= 0,
percebemos 3 tipos de termos adicionais:
Os termos quadrticos a
1
x
2
1
+ a
2
x
2
2
, os termos cruzados (ou produto misto) a
3
x
1
x
2
e os
termos lineares a
4
x
1
+ a
5
x
2
. Cada um deles inuencia o grco de uma maneira.
Termos quadrticos a
1
x
2
1
+ a
2
x
2
2

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.
Figura 9 Cnica centralizada
Termos cruzados a
3
x
1
x
2
Quando o termo cruzado (ou produto misto) aparece na equao, a gura rotacionada em
relao sua posio cannica, como mostrado na Figura 10.
Figura 10 Cnica rotacionada
x
1
x
2
x
1
x
2
Aula 20 lgebra Linear 137
Termos lineares a
4
x
1
+ a
5
x
2
Quando na forma qudrica surgem os termos lineares, isso indica deslocamentos horizontais
e/ou verticais, mostrados na Figura 11.
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.
Figura 12 Cnica rotacionada e deslocada horizontal e verticalmente
O desao como traar o grco de uma forma qudrica que apresenta todos os termos:
a
1
x
2
1
+ a
2
x
2
2
+ a
3
x
1
x
2
+ a
4
x
1
+ a
5
x
2
+ a
6
= 0
x
1
x
'
1
x
2
x
'
2
Aula 20 lgebra Linear 138
Traando o grco com a inuncia dos termos
Equao com termo cruzado (rotacion ado)
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 x
1
x
2
que tem a cnica na posio cannica. Dessa forma ca fcil traar o
grco no novo sistema de coordenadas x
1
x
2
e sobrepor ao sistema antigo x
1
x
2
.
Figura 13 Relao entre sistemas de coordenadas distintos
Partindo da equao a
1
x
2
1
+ a
2
x
2
2
+ a
3
x
1
x
2
+ a
6
= 0 e escrevendo-a na forma matricial, temos:
x
T
Ax + c = 0
_
x
1
x
2
_
_
a
11
a
12
a
21
a
22
__
x
1
x
2
_
+ c = 0
Onde
A =
_
a
11
a
12
a
21
a
22
_
x =
_
x
1
x
2
_
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
x
T
Ax + c = 0
(Py)
T
A(Py) + c = 0
y
T
P
T
APy + c = 0
y
T
(P
T
AP)y + c = 0
y
T
Dy + c = 0
Aula 20 lgebra Linear 139
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.
_
y
1
y
2
_
_
d
1
0
0 d
2
__
y
1
y
2
_
+ c = 0
d
1
y
2
1
+ d
2
y
2
2
+ 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
2
1
+ 8x
2
2
4x
1
x
2
36

= 0.
Resoluo:
Primeiro escrevemos na forma matricial: x
T
Ax + c

= 0
A =
_
5 2
2 8
_
x =
_
x
1
x
2
_
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
1
=
v
=4
|v
=4
|
=
_

_
2

5
1

5
_

_
v
2
=
v
=9
|v
=9
|
=
_

_
1

5
2

5
_

_
P =
_

_
2

5
1

5
1

5
2

5
_

_
P
1
=
_

_
2

5
1

5
1

5
2

5
_

_

A ordem adequada para os autovetores na matriz tal qual o determinante da
matriz P seja 1 e no 1. Segundo esse raciocnio, ento v
1
deve corresponder
primeira coluna e v
2
segunda.
y
1
y
2
2
3
-2
-3
Aula 20 lgebra Linear 140
A expresso x
T
Ax + c

= 0 equivalente a y
T
Dy + c

= 0
_
y
1
y
2
_
_
4 0
0 9
__
y
1
y
2
_
36 = 0
4y
2
1
+ 9y
2
2
36 = 0
A equao nessa forma fcil percebemos que se trata de uma elipse.
4y
1
2
+ 9y
2
2
= 36
Dividindo toda a equao por 36:
4y
2
1
36
+
9y
2
2
36
=
36
36
y
2
1
9
+
y
2
2
4
= 1
a = 3 b = 2
O grco no sistema de coordenas Y mostrado na Figura 14.
Figura 14 Grco da cnica na posio cannica Sistema y
1
y
2
. Escala 1:1
Para traarmos o grco no sistema X, devemos primeiro escrever os eixos y
1
y
2
. Marcamos os
autovetores no sistema X e ento traamos o eixo y
1
para coincidir com o primeiro autovetor
e o y
2
com o segundo, como mostrado na Figura 15.
1
x
1
x
2
V
2
V
1
y
1
y
2
x
1
x
2
y
1
y
2
2
3
-
2
-
3
Aula 20 lgebra Linear 141
Figura 16 Grco da cnica na posio original Sistema x
1
x
2
. Escala 1:1
Figura 15 Relao entre sistemas de coordenadas
Ento, s sobrepor o grco j traado no sistema y
1
y
2
, como na Figura 16.
Encontre o grco da elipse 2x
2
1
+ 2x
2
2
2x
1
x
2
8

= 0.
Aula 20 lgebra Linear 142
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 rees-
crever a qudrica de uma forma diferente, completando os quadrados.
Consideremos a forma qudrica:
a
1
x
2
1
+ a
2
x
2
2
+a
3
x
1
+ a
4
x
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
2
1
+ 2x
2
2
+ 4x
1
4x
2
4

= 0.
Resoluo:
Agrupando os termos:
(x
2
1
+ 4x
1
)

(2x
2
2
+ 4x
2
)

4

= 0
Completando os quadrados:
(x
1
+ 2)
2
4| 2(x
2
+ 1)
2
1| 4 = 0
(x
1
+ 2)
2
2(x
2
+ 1)
2
6 = 0
Mudando de variveis:
x
1
= x
1
+ 2
x
2
= x
2
+ 1
Logo, a nova equao :
x
2
1
2x
2
2
6 = 0
Ao organizar, ca:
x

2
1
2x

2
2
= 6
x

2
1
6

2x

2
2
6
=
6
6
x

2
1
6

x

2
2
3
= 1
a =

6 b =

3
x'
1
x'
2
- 6
6
- 3
3
x
1
x
2
x'
1
x'
2
Aula 20 lgebra Linear 143
Pelo exposto, observamos que a equao de uma hiprbole. Traando a hiprbole no sistema
de coordenadas x
1
x
2
, obtemos o grco da Figura 17 na posio cannica.
Figura 17 Grco da cnica na posio cannica sistema x
1
x
2
. Escala 1:1
Para traarmos o grco no sistema original, devemos relacionar os dois sistemas de coor-
denadas. Como:
x
1
= x
1
+ 2
x
2
= x
2
+ 1
Ento, temos que o ponto (0,0) do sistema x
1
x
2
ocorre no ponto (2,1) do sistema x
1
x
2
,
conforme mostrado na Figura 18.
Figura 18 Relao entre sistemas de coordenadas. Escala 1:1
2
x
1
x
2
x'
1
x'
2
Aula 20 lgebra Linear 144
Agora, ento s sobrepor a gura j traada no sistema x
1
x
2
, como mostrado na Figura 19.
Figura 19 Grco da cnica na posio original sistema x
1
x
2
. Escala 1:1
Encontre o grco de 2x
2
1
+ x
2
2
8x
1
+ 2x
2
+ 5

= 0.
Equao completa produto misto e termos lineares
O problema do traado do grco da equao a
1
x
2
1
+ a
2
x
2
2
+ a
3
x
1
x
2
+ a
4
x
1
+ a
5
x
2
+ a
6
= 0 se
resume ento a eliminar o termo cruzado e depois reescrever a equao de forma adequada.
A equao qudrica a
1
x
2
1
+ a
2
x
2
2
+ a
3
x
1
x
2
+ a
4
x
1
+ a
5
x
2
+ a
6
= 0 pode ser escrita na forma matricial:
_
x
1
x
2
_
_
a
11
a
12
a
21
a
22
__
x
1
x
2
_
+
_
b
1
b
2
_
_
x
1
x
2
_
+ c = 0
x
T
Ax + Bx + c = 0
Onde
A =
_
a
11
a
12
a
21
a
22
_
x =
_
x
1
x
2
_
B =
_
b
1
b
2
_
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
T
Ax + Bx + c = 0
Aula 20 lgebra Linear 145
(Py)
T
A(Py) +B(Py) + c = 0
y
T
P
T
APy + BPy + c = 0
y
T(
P
T
AP)y + (BP)y + c = 0
y
T
Dy + (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 5x
2
1
+ 8x
2
2
4x
1
x
2
+ 4

5x
1
16

5x
2
+ 4 = 0.
Resoluo:
Primeiro passo sempre escrever na forma matricial: x
T
Ax + Bx + c = 0
A =
_
5 2
2 8
_
x =
_
x
1
x
2
_
B =
_
4

5 16

5
_
c = 4
Autovalores de A: 4 e 9
Autovetores de A:
v
=4
=
_
2
1
_
v
=9
=
_
1
2
_

Como so ortogonais, basta normalizar:
v
1
=
v
=4
|v
=4
|
=
_

_
2

5
1

5
_
_
e v
2
=
v
=9
|v
=9
|
=
_

_
1

5
2

5
_

_


Matriz P: P =
_

_
2

5
1

5
1

5
2

5
_

_
P
1
=
_

_
2

5
1

5
1

5
2

5
_

_

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
T
Ax + Bx + c = 0 equivalente a y
T
Dy + (BP)y + c = 0.
_
y
1
y
2
_
_
4 0
0 9
__
y
1
y
2
_
+
_
4

5 16

5
_
_

_
2

5
1

5
1

5
2

5
_

_
_
y
1
y
2
_
+ 4 = 0
4y
2
1
+ 9y
2
2
+ [8 36]
_
y
1
y
2
_
+ 4 = 0
4y
2
1
+ 9y
2
2
8y
1
36y
2
+ 4 = 0
y'
1
y'
2
Aula 20 lgebra Linear 146
Que a expresso da forma qudrica no sistema Y, livre dos termos cruzados.
Devemos ento agora manipular a equao para eliminar os termos lineares:
4y
2
1
8y
1
+ 9y
2
2
36y
2
+ 4 = 0
4(y
2
1
2y
1
) + 9(y
2
2
4y
2
) + 4 = 0
4(y
2
1
2y
1
) + 4 4 + 9(y
2
2
4y
2
) + 36 36 = 4
4(y
2
1
2y
1
+ 1) 4 + 9(y
2
2
4y
2
+ 4) 36 = 4
4(y
1
1)
2
+ 9(y
2
2)
2
= 36
Mudando para o sistema de coordenadas y
1
y
2
:
y
1
= y
1
1 e y
2
= y
2
2
Logo, a expresso da cnica no sistema y
1
y
2
:
4y
1
2
+ 9y
2
2
= 36
Colocando na forma padro da elipse:
y

2
1
9
+
y

2
2
4
= 1
Onde a =

9 = 3 b =

4 = 2, e seu grco pode ser visto na Figura 20.


Figura 20 Grco da cnica na posio original sistema y
1
y
2
. 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.
y
1
= y
1
1
y
2
= y
2
2
y
1
y
2
y'
1
y'
2
x
1
x
2
y 1
V1
y 2
V2
Aula 20 lgebra Linear 147
Figura 21 Grco da cnica considerados os deslocamentos horizontais e verticais - sistema y
1
y
2
. Escala 1:1
Analisando o grco no sistema Y, fcil observar que:
4y
1
2
+ 9y
2
2
8y
1
36y
2
+ 4

= 0
y
1
y
2
0 3,88 e 0,11
1 0
Para escrever o sistema Y no sistema X, devemos primeiro marcar os autovetores v
1
e v
2
e,
em seguida, fazer com que os eixos y
1
e y
2
coincidam com eles, como mostrado na Figura 22.
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.
3
Desao
x
1
x
2
y 1
y
'
1
y 2
y
'
2
Aula 20 lgebra Linear 148
Figura 23 Grco da cnica no sistema X. Escala 1:1
Analisando o grco no sistema X, fcil observar que:
5x
2
1
+ 8x
2
2
4x
1
x
2
+ 4

5x
1
16

5x
2
+ 4 = 0
x
1
x
2
0 4,358 e 0,11
0,89 0
Encontre o grco de 2x
2
+ 2y
2
8x

10y

+ 2xy + 11

= 0.
1) Encontre uma equao geral para todas as elipses, no rotacionadas, com centro em (2,3).
2) Encontre o grco de
1
2
x
2
+
1
2
y
2
+ xy y = 0
.
3) Analisando a cnica a seguir, encontre:
a) os autovalores da matriz associada qudrica nas coordenadas X
1
X
2
.
Resumo
x
1
x
2
y
1
y
2
3
4
-
3
-
4
Aula 20 lgebra Linear 149
b) os autovetores ortonormais da matriz associada qudrica nas coordenadas X
1
X
2
.
*Os nmeros indicados na gura dizem respeito ao
sistema Y
1
Y
2
.
*A escala do sistema X
1
X
2
1:1(cada quadrado tem
a dimenso 1x1).
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?
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 mu-
danas de sistemas de coordenadas os quais recorrem a assuntos da lgebra
Linear, tais como diagonalizao de matrizes, matrizes ortogonais, autovalores
e autovetores.
1
2
k
1
k
2
k
2
k
1
Aula 20 lgebra Linear 150
Autoavaliao
Descubra que forma tm as seguintes cnicas:
a) Q(x) = 9x
2
1
+ 4x
2
2
+ 36x
1
16x
2
+ 16 = 0
b) Q(x) = 9x
2
1
4x
2
2
+ 36x
1
+ 16x
2
16 = 0
c) Q(x) = x
2
1
25x
2
2
4x
1
+ 150x
2
246 = 0
d) Q(x) = x
2
1
+ 25x
2
2
4x
1
150x
2
204 = 0
e) Q(x) = 3x
2
1
+ 6x
2
2
12x
1
x
2
12 = 0
f) Q(x) = 3x
2
1
+ 6x
2
2
+ 4x
1
x
2
16 = 0
Encontre uma expresso para a cnica descrita (no rotacionada):
a) Elipse centrada no ponto (3,1) com k
1
= 4 e k
2
= 2.
b) Hiprbole centrada em (0,4) com k
1
= 4 e k
2
= 2.
c) Elipse centrada no ponto (5,3) com k
1
= 2 e k
2
= 1.
d) Hiprbole centrada em (2,2) com k
1
= 6 e k
2
= 6.
3
4
Anotaes
Aula 20 lgebra Linear 151
Se duas pessoas andam sobre a trajetria de uma mesma elipse denida pela
equao 2x
2
1
+ 2x
2
2
+ 2x
1
x
2
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
2
1
+ 2x
2
2
+ 2x
1
x
2
+ 4x
1
4x
2
4 = 0
b) Q(x) = 2x
2
1
x
2
2
4x
1
x
2
4x
1
8x
2
+ 14 = 0
c) Q(x) = 9x
2
1
+ 6x
2
2
4x
1
x
2
10x
1
20x
2
5 = 0
d) Q(x) = x
2
1
7x
2
2
6x
1
x
2
+ 10x
1
+ 2x
2
9 = 0
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 152
Anotaes
Aula 20 lgebra Linear 153
Anotaes
Aula 20 lgebra Linear 154
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/m
2.
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