Você está na página 1de 172

UNIVERSIDADE TECNOLOGICA

FEDERAL DO PARANA

1
Sum
ario

1 Matrizes e Sistemas de Equa


c
oes Lineares 10
1.1 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2 Alguns tipos especiais de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3 Operacoes usuais com Matrizes e Propriedades . . . . . . . . . . . . . . . . . . . . 14
1.3.1 Adicao de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.2 Subtracao de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.3 Multiplicacao por Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.4 Propriedades da Adicao e do Produto por Escalar . . . . . . . . . . . . . 17
1.4 Operacoes nao usuais com Matrizes e Propriedades . . . . . . . . . . . . . . . . . 18
1.4.1 Matriz Transposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.2 O traco de uma Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.4.3 Produto de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5 Matrizes Invertveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.5.1 Matrizes Ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.6 Sugestao de Leitura e Estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.7 Lista 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.8 A funcao Determinante de uma Matriz Quadrada . . . . . . . . . . . . . . . . . . 27
1.8.1 Algumas propriedades de determinante de uma matriz . . . . . . . . . . . 28
1.8.2 Calculo do determinante por triangularizacao . . . . . . . . . . . . . . . . 29
1.8.3 Desenvolvimento de Laplace: A expansao em cofatores . . . . . . . . . . . 31
1.8.4 Calculo do determinante de uma matriz de ordem maior que 3 . . . . . . . 33
1.9 Calculo da Matriz Inversa usando Cofatores . . . . . . . . . . . . . . . . . . . . . 33

2
1.10 Calculo da Matriz Inversa usando Operacoes Elementares . . . . . . . . . . . . . . 35
1.10.1 Um Metodo para Inverter Matrizes . . . . . . . . . . . . . . . . . . . . . . 35
1.11 Sugestao de Leitura e Estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.12 Exerccios de Fixacao (Lista 2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.13 Sistemas de Equacoes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.13.1 Operacoes Elementares sobre as equacoes de um Sistema . . . . . . . . . . 41
1.13.2 Operacoes Elementares sobre as linhas da matriz ampliada . . . . . . . . . 42
1.14 Eliminacao Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.14.1 Classificacao de um Sistema Linear quanto `a Solucao . . . . . . . . . . . . 44
1.14.2 O Metodo de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.14.3 O Metodo de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.15 Exerccios de Fixacao ( Lista 3) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

2 Vetores 43
2.1 Segmentos Orientados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.2 Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.3 Adicao de Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.4 Produto por Escalares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.5
Angulo entre dois vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

3 Sistemas de coordenadas: Vetores Bidimensionais e Tridimensionais 50


3.1 Vetores Bidimensionais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.2 Vetores Tridimensionais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

4 Produto de Vetores 57
4.1 Calculo da norma de um vetor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.2 Distancia entre dois pontos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.3 Produto interno euclidiano ou produto escalar . . . . . . . . . . . . . . . . . . . . 58
4.3.1 Produto interno em termos das Componentes . . . . . . . . . . . . . . . . 59
4.3.2 Propriedades do produto escalar . . . . . . . . . . . . . . . . . . . . . . . . 60

3
4.3.3 Condicao de ortogonalidade de dois vetores . . . . . . . . . . . . . . . . . . 60
4.3.4 Estudo da Projecao Ortogonal usando Produto Escalar . . . . . . . . . . . 61
4.4 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.4.1 Propriedades do Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . 64
4.4.2 Interpretacao geometrica do modulo do produto vetorial de dois Vetores . . 65
4.5 Produto Misto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.5.1 Propriedades do produto misto . . . . . . . . . . . . . . . . . . . . . . . . 66
4.5.2 Interpretacao geometrica do modulo do produto misto . . . . . . . . . . . 68
4.6 Exerccios de Fixacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

5 Aplica
c
ao de Vetores ao Estudo da Reta e do Plano 69
5.1 Equacoes da Reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.2 Reta definida por dois pontos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.3 Condicao para que tres pontos estejam em linha reta . . . . . . . . . . . . . . . . 72
5.4 Equacoes Reduzidas da Reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.5 Retas Paralelas aos Planos e aos Eixos Coordenados . . . . . . . . . . . . . . . . . 75
5.6
Angulo de Duas Retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.7 Condicao de Paralelismo de Duas Retas . . . . . . . . . . . . . . . . . . . . . . . . 77
5.8 Condicao de Ortogonalidade de Duas Retas . . . . . . . . . . . . . . . . . . . . . 78
5.9 Condicao de Coplanaridade de Duas Retas . . . . . . . . . . . . . . . . . . . . . . 79
5.10 Posicao Relativa de Duas Retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.11 Intersecao de Duas Retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.12 Distancia de Um Ponto a Uma Reta . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.13 Distancia Entre Duas Retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.14 O Estudo do Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.15 Determinacao de um Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.16 Equacoes Parametricas do Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

5.17 Angulo de Dois Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

5.18 Angulo de uma reta com um Plano . . . . . . . . . . . . . . . . . . . . . . . . . . 91

4
5.19 Intersecao de Dois Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.20 Distancia de um Ponto a um Plano . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.21 Distancia entre dois planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.22 Distancia de uma Reta a um Plano . . . . . . . . . . . . . . . . . . . . . . . . . . 94

6 C
onicas e Qu
adricas 95
6.1 Definicao geometrica das Conicas . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.2 Definicao analtica das Conicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
6.3 Definicao geometrica das Superfcies Quadricas . . . . . . . . . . . . . . . . . . . . 97
6.4 Definicao analtica das Superfcies Quadricas . . . . . . . . . . . . . . . . . . . . . 98
6.5 A elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.5.1 Elementos da elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.5.2 Expressao analtica da elipse centrada na origem . . . . . . . . . . . . . . . 100
6.5.3 Elipses transladadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
6.6 O Elipsoide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.7 A Hiperbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.7.1 Elementos da Hiperbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.7.2 Expressao analtica da hiperbole centrada na origem . . . . . . . . . . . . . 107
6.7.3 Hiperboles transladadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.8 O Hiperboloide de um folha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.9 A Parabola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.9.1 Elementos da parabola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.9.2 Expressao analtica da parabola com vertice na origem . . . . . . . . . . . 112
6.9.3 Parabolas Transladadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
6.10 O Paraboloide elptico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.11 O Hiperboloide de duas folhas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.12 O Paraboloide hiperbolico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.13 Superfcie Conica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.13.1 O Cone Quadrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

5
6.14 Superfcie Cilndrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119

7 O Espa
co Vetorial Euclidiano n-dimensional 122
7.1 O Espaco Euclidiano n-Dimensional . . . . . . . . . . . . . . . . . . . . . . . . . . 122
7.1.1 Igualdade de vetores de Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.1.2 Operacoes em Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.1.3 Propriedades das operacoes no Espaco Euclidiano . . . . . . . . . . . . . . 124
7.1.4 O produto interno euclidiano em Rn . . . . . . . . . . . . . . . . . . . . . 124

8 Espa
cos Vetoriais 126
8.1 Subespaco Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
8.2 Combinacao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
8.3 Subespacos Gerados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
8.4 Dependencia e Independencia Linear . . . . . . . . . . . . . . . . . . . . . . . . . 130
8.5 Espacos Vetoriais com Produto Interno . . . . . . . . . . . . . . . . . . . . . . . . 132
8.6 Espaco Vetorial Euclidiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
8.6.1 Norma de um Vetor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
8.7
Angulo de dois Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.8 Vetores Ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.9 Conjunto Ortogonal de Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.10 Base Ortonormal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.11 Projecoes Ortogonais: O Processo de Gram-Schmidt . . . . . . . . . . . . . . . . . 135
8.12 Mudanca de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140

9 Transformac
oes Lineares 144
9.1 Transformacoes Lineares Planas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
9.1.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
9.2 Transformacoes Lineares Espaciais . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
9.2.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
9.3 O uso de bases na obtencao de uma Transformacao Linear . . . . . . . . . . . . . 150

6
9.4 N
ucleo e Imagem de uma Transformacao Linear . . . . . . . . . . . . . . . . . . . 151
9.5 Matrizes de Transformacoes Lineares Arbitrarias . . . . . . . . . . . . . . . . . . . 152

10 Autovalores e Autovetores 154


10.1 O Polinomio Caracterstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
10.2 Operadores Auto-Adjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
10.3 Diagonalizacao de uma forma quadratica plana . . . . . . . . . . . . . . . . . . . 159

7

PREFACIO

A primeira edicao destas notas foi feita no ano de 2009, em parceria com a professora Msc.

Angela Mognon, quando ingressei na UTFPR e ministravamos aulas de Geometria Analtica



e Algebra Linear, a alunos dos primeiros anos de Engenharia, no campus de Campo Mourao,
Parana. Com esta parceria tive total apoio na digitalizacao textual e grafica, nas leituras pre-
liminares, na escolha das referencias e na revisao dos textos, contanto tambem com o apoio e
incentivo do professor Dr. Doherty de Andrade, o qual somos imensamente gratas, pois seu incen-
tivo e orientacao na utilizacao do editor de texto matematico TeX, tornou possvel a digitalizacao
destas notas.

A motivacao ao preparo destas notas inicialmente foi facilitar e agilizar a apresentacao dos
conteudos em sala de aula, ja que a ementa semestral e extensa por atender os topicos de Geome-

tria Analtica e Algebra Linear. Logo, este material foi elaborado com o intuito de proporcionar
ao aluno um melhor acompanhamento da aula e consiste somente de algumas anotacoes para
serem utilizadas durante as aulas. Sem preocupacoes em copiar definicoes e enunciados espera-se
que o aluno possa se concentrar nas demonstracoes e resolucao de exemplos e exerccios que serao
feitas em sala.

O Captulo 1 trata das Matrizes, Determinantes e Sistemas de Equacoes Lineares por se



tratarem de ferramentas basicas para o estudo da Geometria Analtica e da Algebra Linear.

Os Captulos 2, 3, 4, 5 e 6 se ocupam dos Vetores, Retas, Planos, Conicas e Quadricas,


objetos do plano bidimensional e do espaco tridimensional aqui tratados geometricamente e
algebricamente, dando forma analtica `a geometria e suporte teorico para outras disciplinas das
Engenharias como Fsica, Mecanica, Calculo 2 e 3, entre outras.

O Captulo 7 traz a generalizacao do estudo dos vetores apresentando o espaco ndimensional


Rn , suas operacoes e propriedades euclidianas (como norma, distancia e ortogonalidade) garan-
tidas pela existencia de produto interno.


Os Captulos 8, 9 e 10 apresentam um sucinto curso de Algebra Linear, expondo resumi-
damente os Espacos Vetoriais, as Transformacoes Lineares, os Autovalores e Autovetores, ob-
jetivando a utilizacao de uma linguagem algebrica axiomatica e o embasamento teorico para
disciplinas como Equacoes Diferenciais Ordinarias e Calculo Numerico.

8
Agradeco `a professora Msc. Viviane Colucci pelo incentivo e colaboracao na edicao do texto
sobre Matrizes e Determinantes e na digitalizacao de exerccios sobre o tema. Esta contribuicao
foi inserida nestas notas a partir de 2011.

Agradeco o apoio dos professores Dr. Adilandri Mercio Lobeiro e Esp. Luciano Ferreira da
Silva nas orientacoes sobre a utilizacao do editor TeXnicCenter e incentivo na divulgacao destas
notas.

Agradeco a participacao e parceria dos alunos das Engenharias nos projetos desenvolvidos nas
APS e deixo registrado na capa destas notas, algumas das obras modeladas no decorrer destes
semestres. Fico muito grata em ver o empenho, a motivacao e amadurecimento matematico ad-
quirido na utilizacao da Geometria Analtica para modelar algebricamente e computacionalmente
no software Maple superfcies tridimensionais do nosso cotidiano. Estes projetos tem evidenci-
ado a relacao existente entre a teoria e a pratica e espero divulga-los em publicacoes e eventos,
objetivando a motivacao ao uso de novas possibilidades de ensino e aprendizagem de Geometria
Analtica nas Engenharias.

Sou grata tambem ao apoio dos professores do departamento de matematica que utilizam estas
notas em suas aulas e espero que o material seja util tanto aos discentes quanto aos docentes da

disciplina Geometria Analtica e Algebra Linear.

Novas parcerias, eventuais correcoes e ou sugestoes de aprimoramento serao bem acolhidas e


agradecidas.

Sara Coelho da Silva


Campo Mourao, 2013.

9
Captulo 1

Matrizes e Sistemas de Equaco


es
Lineares

Introduc
ao
Muitas vezes na Engenharia e na Matematica uma informacao e organizada em linhas e
colunas formando agrupamentos retangulares chamados matrizes. Estas matrizes podem ser
tabelas de dados numericos surgidos de observacoes fsicas, mas tambem ocorrem em varios
contextos matematicos. Por exemplo, veremos que para resolver um sistema de equacoes lineares
toda informacao requerida para chegar `a solucao esta encorpada em uma matriz e que a solucao
pode ser obtida efetuando operacoes apropriadas nesta matriz. Isto e particularmente importante
no desenvolvimento de programas de computador para resolver sistemas de equacoes lineares,
porque os computadores sao muito bons pra manipular colecoes de n
umeros.
Durante o curso voce tera oportunidade de pesquisar e manipular um software matematico
com capacidade de efetuar operacoes com matrizes, o que facilita muito os calculos algebricos
matriciais no trabalho com ciencias exatas e podem enriquecer a experiencia do aprendizado,
bem como ajudar com os calculos tediosos. No entanto, todo futuro engenheiro precisa dominar
todas as tecnicas basicas de algebra linear resolvendo `a mao exemplos iniciais. A tecnologia
pode entao ser usada para resolver exemplos subsequentes e aplicacoes que possuem dados que
tornam os calculos `a mao nao praticos. Entretanto, voce deve fazer tantos exemplos quanto
puder com lapis e papel ate que se sinta confortavel com as tecnicas e mesmo quando utilizar um
software, pense sempre como voce faria os calculos manualmente e depois de obter uma resposta
do software, avalie se ela e razoavel.
o homem que manipula a maquina, nao e a maquina que manipula
Nao se esqueca nunca: E
o homem.

10
1.1 Matrizes
A palavra matriz deriva da palavra latina mater, que significa mae. Quando o sufixo -iz e
acrescentado, o significado torna-se
utero. Assim como um u
tero envolve um feto, os colchetes
de uma matriz envolvem seu elementos, e assim como no u
tero e gerado um bebe, uma matriz gera
certos tipos de funcoes, chamadas transformacoes lineares, que seram estudadas posteriormente.
As matrizes sao tabelas de n
umeros reais utilizadas em varios ramos da Ciencia e da Enge-
nharia.
Varias operacoes executadas por cerebros eletronicos sao computacoes por matrizes.
Vejamos um exemplo:
Considere a tabela a seguir, que indica as notas (0 10) dos Alunos A1, A2 e A3 em uma
determinada disciplina do curso de Engenharia:

Aluno Prova 1 Atividade


Aluno A1 9,0 7,0
Aluno A2 3,0 5,0
Aluno A3 6,5 8,4

No quadro indicado os n
umeros colocados nas disposicoes horizontais formam o que denomi-
namos linha e os colocados nas disposicoes verticais formam o que denominamos coluna.
Para sabermos a nota de atividade do Aluno A3 basta procuramos o n
umero que esta na
terceira linha e na segunda coluna.
Se nos suprimirmos os ttulos, ficaremos com a seguinte colecao retangular de n
umeros com
tres linhas e duas colunas, denominada matriz :

9, 0 7, 0
A = 3, 0 5, 0
6, 5 8, 4

Generalizando, apresentamos a seguinte definicao.

Definiao 1.1 Uma matriz de ordem m n, e um quadro A com elementos (n


c umeros, po-
lin
omios, funcoes etc.) dispostos em m linhas e n colunas da forma:

a11 a12 a1n
a21 a22 a2n
Amn =



am1 am2 amn

11
umeros aij , com 1 i m e 1 j n, em nosso estudo, s
em que os n ao n
umeros reais. O
n
umero aij chama-se o elemento de ordem ij de A. De forma mais compacta, a matriz acima
pode ser escrita como

A = [aij ]mn ou A = [aij ]

(Usamos letras mai


usculas para denotar matrizes e letras min
usculas para denotar quantidades
numericas.)
A i-esima linha de A e a n-upla

Ai = (ai1 , . . . , ain )

J
a, a j-esima coluna de A e a m-upla

a1j

..
.

Aj =

..
.
amj

Portanto, uma matriz de ordem m n, denotada por Amn = [aij ]mn , possui m linhas e n
colunas.
 
2 1 1
Exemplo 1.1 O quadro A = e uma matriz real de ordem 2 3. onde:
3 2 5
a11 = 2, a12 = 1, a13 = 1
a21 = 3, a22 = 2, a23 = 5
 
Exemplo 1.2 B = 2 1 0 3 e uma matriz real de ordem 1 4;
 
1
C= e uma matriz real de ordem 2 1 e;
3
 
D = 4 e uma matriz real de ordem 1 1;

Defini
c
ao 1.2 Duas matrizes Amn = [aij ]mn e Brs = [bij ]rs s
ao iguais se elas tem o mesmo
n
umero de linhas (m = r) e o mesmo n
umero de colunas (n = s), e se todos os seus elementos
correspondentes s
ao iguais (aij = bij ).

Notacao: A = B.
 2   
3 1 log1 9 sen90 0
Exemplo 1.3 =
2 22 5 2 4 5

12
Exerccio 1.1 Escreva, explicitamente, as matrizes
a) A = (aij )32 , sendo aij = i + j
i
b) B = (bij )36 , sendo bij = j

c) C = (cij )33 , sendo cij = i2 + j 2


d) M = (mij )22 , sendo mij = 2(i j). Determine x, y, z, t para que se tenha:
 
x+y zt
M=
x y 2z t

Exerccio 1.2 Dada a matriz M = (aij )68 , tal que aij = i j, obtenha o elemento a43 .

1.2 Alguns tipos especiais de matrizes


1. Matriz linha: e a n-upla A1n = [a11 . . . a1n ], isto e, uma matriz de ordem 1 n.

Exemplo 1.4 A = [2 1 2]

a11

..
.

2. Matriz coluna: e a m-upla Am1 = , isto e, uma matriz de ordem m 1.

..
.
am1

2
4
Exemplo 1.5 A =
0
6

3. Matriz Quadrada Ann : e a matriz em que o n


umero de linhas e igual ao n
umero de
colunas.

  1 1 0
  3 1
Exemplo 1.6 A = 3 B= C = 2 5 9
2 5
7 3 9

4. Matriz Nula: e a matriz, denotada por 0mn , que possui todos os elementos nulos.

  0 0 0
  0
Exemplo 1.7 011 = 0 021 = 033 = 0 0 0
0
0 0 0

13
5. Matriz Diagonal e toda matriz quadrada A tal que aij = 0, quando i 6= j.

1 0 0  
0 0
Exemplo 1.8 A= 0 1 0 B=
0 0
0 0 3

6. Matriz Identidade e toda matriz quadrada I tal que aij = 1, quando i = j e aij = 0, se
i 6= j.

1 0 0  
1 0
Exemplo 1.9 A= 0 1 0 B=
0 1
0 0 1

Observa
c
ao 1.1 A diagonal principal de uma matriz quadrada Ann e a n-upla
(a11 , a22 , . . . , ann ).

7. Matriz Triangular Superior e toda matriz quadrada tal que aij = 0, quando i > j. Ou
seja, e uma matriz quadrada onde todos os elementos abaixo da diagonal sao nulos.

1 1 3  
3 2
Exemplo 1.10 A= 0 2 5 B=
0 1
0 0 1

8. Matriz Triangular Inferior e toda matriz quadrada tal que aij = 0, quando i < j. Ou
seja, e uma matriz quadrada onde todos os elementos acima da diagonal sao nulos.

1 0 0  
a 0
Exemplo 1.11 A= 1 2 0 B=
b c
4 5 1

Observaao 1.2 Indicaremos conjunto de todas as matrizes de de ordem m n, com elementos


c
em R, por Mmn (R).

1.3 Opera
co
es usuais com Matrizes e Propriedades
Apresentaremos a seguir uma aritmetica de matrizes na qual as matrizes podem ser somadas,
subtradas e multiplicadas.

14
1.3.1 Adic
ao de Matrizes

Considere a tabela (apresentada na pag. 5) das notas dos alunos A1, A2 e A3:

Aluno Prova 1 Atividade


Aluno A1 9,0 7,0
Aluno A2 3,0 5,0
Aluno A3 6,5 8,4

Supondo que foram aplicadas outras duas avaliacoes e os resultados obtidos estao descritos
nas tabelas

Aluno Prova 2 Atividade Aluno Prova 3 Atividade


Aluno A1 9,5 3,0 Aluno A1 6,0 4,0
Aluno A2 7,3 5,5 Aluno A2 7,0 6,0
Aluno A3 8,5 4,4 Aluno A3 5,5 9,4
para as quais extraindo somente os n
umeros, obtemos:

9, 0 7, 0 9, 5 3, 0 6, 0 4, 0
A = 3, 0 5, 0 B = 7, 3 5, 5 C = 7, 0 6, 0
6, 5 8, 4 8, 5 4, 4 5, 5 9, 4

Somando as entradas correspondentes (de mesma posicao matricial) de A, B e C, temos:


9, 0 + 9, 5 + 6, 0 7, 0 + 3, 0 + 4, 0
S = A + B + C = 3, 0 + 7, 3 + 7, 0
5, 0 + 5, 5 + 6, 0
6, 5 + 8, 5 + 5, 5 8, 4 + 4, 4 + 9, 4
logo,
24, 5 14, 0
S = 17, 3
16, 5
20, 5 22, 2
e a matriz que representa o total de pontos obtidos por cada aluno em provas e atividades na
disciplina.
Generalizando, temos a seguinte definicao:

Definiao 1.3 Sejam as matrizes A, B Mmn (R), ent


c ao a soma S = A + B e a matriz obtida
somando as entradas de A `
as entradas correspondentes de B. Em notacao matricial, se A = [aij ]
ao matrizes m n, ent
e B = [bij ] s ao

sij = aij + bij , com 1 i m e 1 j n.

15

1 0 1 2 3 0 3 3 1
Exemplo 1.12 2 2 0 + 2 7 6 = 4 5 6
4 5 1 1 2 1 5 3 2

Observa
c
ao 1.3 A matriz nula e o elemento neutro para a adicao de matrizes. Isto e,

0mn + A = A + 0mn = A, A Mmn (R)

1.3.2 Subtrac
ao de Matrizes

Suponhamos que o professor citado nos exemplos anteriores, queira comparar os primeiros e
segundos resultados obtidos pelos alunos nas provas 1 e 2 e nas respectivas atividades. Para
saber se houve aumento/diminuicao de nota, podemos calcular a diferenca dij = bij aij , entre
as respectivas notas de provas e atividades.
Se dij > 0 entao, houve um aumento de nota da prova 1 para a prova 2;
Se dij < 0 entao, houve uma diminuicao de nota da prova 1 para a prova 2;
Se dij = 0 entao, a nota se manteve.
Fazendo o calculo da diferenca entre as respectivas notas de provas e atividades, temos:

9, 5 3, 0 9, 0 7, 0 0, 5 4, 0
B A = 7, 3 5, 5 3, 0 5, 0 = 4, 3 0, 5
8, 5 4, 4 6, 5 8, 4 2, 0 4, 0
Analisando a matriz diferenca B A podemos concluir que todos alunos aumentaram suas
notas de provas e dois alunos teve diminuicao de nota de atividade.
De modo geral, definimos:

Definiao 1.4 Sejam as matrizes A, B Mmn (R), ent


c ca D = B A e a matriz
ao a diferen
obtida subtraindo as entradas de B `
as entradas correspondentes de A. Em notacao matricial, se
ao matrizes m n, ent
A = [aij ] e B = [bij ] s ao

dij = bij aij , com 1 i m e 1 j n.



1 0 1 2 3 0 1 3 1
Exemplo 1.13 2 2 0 2 7 6 = 0 9 6
4 5 1 1 2 1 3 7 0

1.3.3 Multiplicac
ao por Escalar

Seja S a matriz definida na secao (1.3.1) que representa o total de pontos dos alunos em uma
determinada disciplina avaliada por meio de provas e atividades. Para obter a media aritmetica

16
1
do total de pontos em provas e avaliacoes calcula-se 3
de cada nota disponibilizada nas colunas
de S, ou seja,

1 1

3
.(24, 5) 3
.(14, 0)

1 1

1 .(17, 3)
3 3
.(16, 5)
N = .S =
3
1

1

.(20, 5) .(22, 2)
3 3

logo,
8, 2 4, 7
N 5, 8
5, 5
6, 8 7, 4
representa a media aritmetica do total de pontos em provas e avaliacoes.
Generalizando, definimos:

Definiao 1.5 Sejam A Mmn (R) e c R. A matriz cA = M e obtida pela multiplicacao de


c
cada entrada da matriz A, por c. A matriz cA = M e chamada m
ultiplo escalar de A. Em
notacao matricial, se A = [aij ], ent
ao

mij = caij , com 1 i m e 1 j n.


   
2 10 4 20
Exemplo 1.14 2 =
1 2 2 4

Observa
c
ao 1.4 A + (1)A = 0mn , A Mmn (R). A matriz (1)A, denotada por A, e
a matriz oposta de A.
   
2 7 2 7
Exemplo 1.15 A matriz oposta da matriz A = e A =
1 2 1 2

1.3.4 Propriedades da Adic


ao e do Produto por Escalar

Sejam A, B, C Mmn (R) e c, d escalares reais.

1. Se A e B sao elementos de Mmn (R) entao A + B Mmn (R).

2. A + B = B + A.

17
3. A + (B + C) = (A + B) + C.

4. 0mn + A = A + 0mn = A.

5. A + (1)A = 0mn .

6. Se k e qualquer escalar e A Mmn (R), entao kA Mmn (R).

7. c(A + B) = cA + cB.

8. (c + d)A = cA + dA.

9. (cd)A = c(dA).

10. 1A = A.

Apresentaremos a seguir operacoes matriciais que nao possuem analogia com a aritmetica dos
n
umeros reais.

1.4 Opera
co
es n
ao usuais com Matrizes e Propriedades
1.4.1 Matriz Transposta

Definiao 1.6 A transposta de uma matriz A = [aij ]mn e a matriz B = At = [aji ]nm , cujas
c
linhas s
ao as colunas de A, isto e, bij = aji , para todo i e j.

2 1  
t 2 0 1
Exemplo 1.16 A transposta da matriz A = 0 3 e a matriz A =

1 3 4
1 4

Se A e B sao matrizes de ordem m n e c um n


umero real, podemos verificar as seguintes
propriedades:
1.(A + B)t = At + B t 2.(cA)t = cAt 3.(At )t = A.
Usando a definicao de Matriz Transposta, podemos definir dois novos tipos de matrizes:

Defini
c
ao 1.7 Matriz Sim
etrica
uma matriz quadrada tal que At = A. Isto e, os elementos que est
E ao dispostos simetrica-
mente em relacao `
a diagonal s
ao iguais (aij = aji ).

18

2 1 3
Exemplo 1.17 A = 1 6 4
3 4 1

Defini
c
ao 1.8 Matriz Anti-Sim
etrica
uma matriz quadrada tal que At = A. Isto e, os elementos que est
E ao dispostos simetrica-
mente em relacao ` ao opostos (aij = aji ).
a diagonal s

0 2 3
Exemplo 1.18 A = 2 0 5
3 5 0

Observa
c
ao 1.5 A diagonal de uma matriz A anti-simetrica e nula. Isto e, aii = 0.

1.4.2 O traco de uma Matriz

Defini
c
ao 1.9 Se A e uma matriz quadrada, ent
ao o tra
co de A, denotado por tr(A), e definido
pela soma das entradas na diagonal principal de A : a11 + a22 + . . . + ann .
O traco de A n
ao e definido se A n
ao e uma matriz quadrada.

1 2 7 0
3 5 8 4 temos: tr(A) = 1 + 5 + 7 + 0 = 11
Exemplo 1.19 Para A=
1 2 7 3
4 2 1 0

1.4.3 Produto de Matrizes

Ate aqui nos definimos a multiplicacao de uma matriz por um escalar mas nao a multiplicacao de
duas matrizes. Como na definicao da adicao (e subtracao) somamos (e subtramos) as entradas
correspondentes, pareceria natural definir a multiplicacao de matrizes multiplicando as entradas
correspondentes. Contudo, ocorre que tal definicao nao seria muito u
til na maioria dos proble-
mas praticos e teoricos. A experiencia levou os matematicos `a uma definicao mais u
til para a
multiplicacao de matrizes.
Ilustraremos a devida definicao dando continuidade a situacao exposta anteriormente:
Seja N a matriz (secao 1.3.3) que representa o total de pontos dos alunos em uma determinada
disciplina avaliada por meio de provas e atividades. Atribuindo peso 8, 0 para as provas e peso
2, 0 para as atividades podemos obter a nota final de cada aluno da seguinte maneira:

19

8, 2 4, 7   8, 2.(0, 8) + 4, 7.(0, 2)
0, 8
N F = N.P = 5, 8 5, 5 . = 5, 8.(0, 8) + 5, 5.(0, 2)
0, 2
6, 8 7, 4 6, 8.(0, 8) + 7, 4.(0, 2)
logo,
7, 5
N F = 5, 7
6, 9
Este exemplo nos leva `as seguintes observacoes:
- para tornar possvel o produto N.P o n
umero de colunas de N deve coincidir com o n
umero
de linhas de P ;
- o produto da linha i de N pela coluna j de P resulta em um u
nico valor (nf )ij ;
Generalizando, definimos:

Defini
c
ao 1.10 Seja uma matriz A de ordem mn e B uma matriz de ordem np. O produto
de A por B,denotado por AB, e a matriz de ordem m p, cujo elemento de ordem ij e obtido
multiplicando ordenadamente, os elementos da i-esima linha de A pelos elementos da j-esima
coluna de B e somando-se os produtos assim obtidos. Isto e,

b1j

..
.

(ab)ij = Ai B j = (ai1 , . . . , ain ) = ai1 b1j + . . . + ain bnj

..
.
bnj
para 1 i m e 1 j p.

Observa
c
ao 1.6 Podemos usar a notacao de somat
orio:
n
X
(ab)ij = aik bkj
k=1


  1 2
1 0 1
Exemplo 1.20 Dadas as matrizes A = e B = 0 1 , determine AB.
2 1 3
0 1
 
1 1
Resposta: A.B = ,
2 8

20
Teorema 1.1 Desde que sejam possveis as operacoes, as seguintes propriedades s
ao validas:
1. A.(B + C) = AB + AC; 2. (B + C)A = BA + CA;

3. A(kB) = (kA)B = k(AB), k R 4. A(BC) = (AB)C;

5. (AB)t = B t At ; 6. AI = IA = A;

7. A0 = 0A = 0mn .

1.5 Matrizes Invertveis


Dada uma matriz A quadrada se pudermos encontrar uma matriz B de mesmo ordem tal que
Ann .Bnn = Bnn .Ann = Inn , entao diremos que Ann e invertvel e que Bnn e a inversa
de Ann . Se nao puder ser encontrada tal matriz B entao diremos que A e n
ao invertvel ou A
e dita singular.
   
3 5 2 5
Exemplo 1.21 A matriz B = e a inversa de A =
1 2 1 3

Teorema 1.2 A inversa de uma matriz quadrada A e u a denotada por A1 .


nica e ser

prova:
Suponhamos que B e C sao inversas da matriz A. Entao:

(BA) = I
Multiplicando ambos os lados da igualdade pela direita por C tem-se:

(BA)C = IC = C

Por outro lado,


(BA)C = B(AC) = B.I = B
Portanto, B = C.
 
a b
Teorema 1.3 A matriz A = e invertvel se ad bc 6= 0, caso em que a inversa e
c d
dada pela f
ormula:

 
1 1 d b
A =
ad bc c a

21
prova: Basta verificar que A.A1 = A1 .A = I22 .

ao At tambem e invertvel. E ainda,


Teorema 1.4 Se A e uma matriz invertvel, ent

(At )1 = (A1 )t

prova: Basta verificar que At .(A1 )t = (A1 .A)t = I t = I, usando o item 5 do Teorema (1.1).

Exerccio 1.3 Use o Teorema (1.3) para calcular as inversas das seguintes matrizes.
       
3 1 2 3 6 4 2 0
a) A = b) B = c) C = d) D =
5 2 4 4 2 1 0 3
Resposta:
       
2 1 1 4 3 1 1 1 4 1 1 3 0
a) A1 = b) B 1 = c) C = d) D =
5 3 20 4 2 2 2 6 6 0 2

1.5.1 Matrizes Ortogonais

Uma matriz A e dita ortogonal se, A e quadrada, invertvel e A.At = At .A = I ou seja,

A1 = At .
 
cos sen
Exemplo 1.22 A matriz A = e ortogonal pois, At .A = A.At = I.
sen cos

3 2 6

7 7 7
Exerccio 1.4 Verifique se A = 76 3
7
2
7
e ortogonal.
2 6
7 7
37

Resposta: Sim, verifica-se que At .A = A.At = I.

1.6 Sugest
ao de Leitura e Estudo
Anton, H.; Rorres, C. Algebra Linear com Aplica
coes. 8a Ed.. Porto Alegre: Bookman,
2001. Secao 1.3 e Secao 1.4.

Boldrini, J. L.. Algebra Linear . 3a Ed.. Sao Paulo: Harbra Ltda, 1986. Captulo Matrizes e
Sistemas Lineares.
Steinbruch, A.; Winterle, P. Introdu
cao `
a Algebra ao Paulo: Makron Books, 1990.
Linear.S
Apendice.
Santos, Nathan Moreira dos. Vetores e Matrizes - Uma introdu
cao `
a Algebra Linear .
a
4 Ed. Sao Paulo: Thompson Learning, 2007.

22
1.7 Lista 1
1. Um conglomerado e composto por cinco lojas, numeradas de 1 a 5. A matriz a seguir
apresenta o faturamento em reais de cada loja nos quatro primeiros dias de fevereiro.


1950 2030 1800 1950

1500 1820 1740 1680

F =
3100 2800 2700 3050

2500 2420 2300 2680
1800 2020 2040 1950

Cada elemento aij dessa matriz e o faturamento da loja i no dia j.

a) Qual foi o faturamento da loja 3 no dia 2?


b) Qual foi o faturamento de todas as lojas no dia 3?
c) Qual foi o faturamento da loja 1 nos quatro dias?

2. Classifique cada afirmacao como verdadeiro (V) ou falso (F):

a) ( ) Toda matriz identidade e necessariamente quadrada.


b) ( ) Existe matriz identidade que nao e quadrada.
c) ( ) Toda matriz nula e necessariamente quadrada.
d) ( ) Existe matriz nula que nao e quadrada.
t
e) ( ) (At ) = A, qualquer que seja a matriz A.
f ) ( ) At 6= A para qualquer matriz A.
g) ( ) Existe alguma matriz tal que At 6= A.
h) ( ) Se a matriz A e do tipo 2 3, entao At e do tipo 3 2.
i) ( ) Se uma matriz A e simetrica, entao At = A.

 
t 2 3 5 8
3. Determinar a matriz transposta A de A = .
3 7 1 9

0 3 4
4. Considerando a matriz anti-simetrica A = 3 0 6 , calcule At . O que voce observa
4 6 0
em relacao a A e At ?

23
   
1 2 3 3 0 2
5. Considere A = eB= , calcule:
4 5 6 7 1 8
(a) A + 5B
(b) 3A
(c) 2A 3B


2 1 0 3 4 3 5 1
6. Considere as matrizes A = 1 0 2 4 e B = 2 2 0 1 , encontre
4 2 7 0 3 2 4 5
1
A + B, A B e 3 A

7. Resolva o produto de matrizes:



  4 1 4 3
1 2 4
A.B = 0 1 3 1
2 6 0
2 7 5 2

8. Em cada item, encontre a operacao que se pede (adicao, subtracao ou multiplicacao) entre
as matrizes dadas abaixo:
   
2 5 7 3 3 2
a) A = eB= , encontre A + B.
3 2 4 8 9 1

   
4 1 5 6
b) A = eB= , encontre A B; AB e BA.
3 9 7 8


  5 2 4 1
4 2 6
c) A = e B = 2 3 1 0 encontre AB.
2 5 3
1 2 7 6


1 3 2 1 4 1 0 2 1 1 2
d) A = 2 1 3 , B = 2 1 1 1 e C = 3 2 1 1
4 3 1 1 2 1 2 2 5 1 0
encontre AB e encontre AC. O que observou?

     
1 0 0 0 0 1
9. Considerando A = , B= e C= , calcule (AB) C e A (BC).
0 0 1 0 0 0

10. Em cada item, faca a multiplicacao AB entre as matrizes dadas abaixo:

24

1 0  
2 3
a) A = eB= 0 6 1
5 4 3 8 2 23
0 1 42


  1
2 0 1
b) A = eB= 2
3 0 1 23
4 31


2 1  
1 1
c) A = 4 2 e B =
0 4 22
5 3 32


1 1 1 1 2 3
d) A = 3 2 1 e B = 2 4 6 . Neste item, encontre tambem BA.
2 1 0 1 2 3

   
1 2 2 0
11. Se A = eB= , calcule AB e BA. O que observa sobre o resultado do
3 1 1 1
produto AB e BA?



4 5  
4 6 3
12. Dadas as matrizes A = 3 7 e B =
, calcule (AB)t .
3 5 8
2 4

    
x y 2 3 1 0
13. Ache x, y, z e w se = .
z w 3 4 0 1

14. Um construtor tem contratos para construir 3 estilos de casa: moderno, mediterraneo e
colonial. A quantidade de material empregada em cada tipo de casa e dado por:

F erro M adeira V idro T inta T ijolo


Moderno 5 20 16 7 17
Mediterraneo 7 18 12 9 21
Colonial 6 25 8 5 13

a) Represente as informacoes acima por meio de uma matriz C35 .

25
b) Se ele vai construir 5, 7 e 12 casas dos tipos moderno, mediterraneo e colonial, res-
pectivamente, quantas unidades de cada material serao empregadas?(Sugestao: crie a
matriz quantidade, Q13 e calcule a matriz material M = Q13 .C35 )

c) Suponha agora que os precos por unidades de ferro, madeira, vidro, tinta e tijolo sejam,
respectivamente, 15, 8, 5, 1 e 10 reais. Com relacao a esses materiais qual e o preco
unitario de cada tipo de casa?(Sugestao: crie a matriz preco-material P M51 e calcule
a matriz preco-casa P C = C35 .P M51 )

d) Se ele vai construir 5,7 e 12 casas dos tipos moderno, mediterraneo e colonial, respecti-
vamente.Considerando os mesmos precos, use produto de matrizes para obter o custo
total de material empregado.

 2
2 x y
15. Considerando A = A A, calcule .
z w

   
2 6 x
16. Considerando que A = eX= , encontre AX.
5 4 y

17. Considerando as matrizes dadas nos itens abaixo, verifique se as matrizes A e B sao inversas.
   
2 5 3 5
a) A = eB=
1 3 1 2


1 0 2 11 2 2
b) A = 2 1 3 e B = 4 0 1
4 1 8 6 1 1

26
1.8 A fun
c
ao Determinante de uma Matriz Quadrada
No Ensino Medio voce deve ter se deparado com o calculo de determinante de matrizes 2 2 e
3 3, fazendo uso de algumas regras e formulas.
No entanto, nesta secao verificaremos que o determinante e um certo tipo de funcao, que
associa a cada matriz quadrada um n
umero real, independente da ordem da matriz quadrada.
Para tanto necessitaremos de alguns conceitos preliminares.

Defini
c
ao 1.11 Uma permuta
cao do conjunto de inteiros {1, 2, ..., n} e um rearranjo destes
inteiros em alguma ordem sem omissoes ou repeticoes.

Exemplo 1.23 Existem 6 permutacoes distintas do conjunto de inteiros {1, 2, 3}

Exerccio 1.5 Liste todas as permutacoes dos inteiros {1, 2, 3, 4}.

Definiao 1.12 Denotando por (j1 , j2 , ..., jn ) uma permutacao arbitraria do conjunto {1, 2, ..., n}
c
dizemos que, ocorre uma invers
ao numa permutacao sempre que um inteiro maior precede um
menor.

Exemplo 1.24 Determine o n


umero de invers
oes nas seguintes permutacoes.
a) (6, 1, 3, 4, 5, 2)
5+0+1+1+1=8
b) (2, 4, 1, 3)
1+2+0=3

Observa
c
ao 1.7 Para calcular o n
umero de invers
oes de uma permutacao devemos:
(1) encontrar a quantia de n
umeros menores que j1 e que est
ao depois de j1 na permutacao;
(2) encontrar a quantia de n
umeros menores que j2 e que est
ao depois de j2 na permutacao.
Continuar este processo ate jn1 e somar estas quantias. A soma destes n
umeros ser
a o n
umero
de invers
oes de uma permutacao.

Defini
c
ao 1.13 Uma permutacao e chamada par se o n
umero de invers
oes e um inteiro par e
e chamada mpar se o n
umero de invers
oes e mpar.

27
Exerccio 1.6 Estude o n oes das permutacoes de {1, 2, 3} e classifique estas
umero de invers
permutacoes em par ou mpar.

Defini
c
ao 1.14 Seja A = [aij ]nn uma matriz quadrada e (j1 , j2 , ..., jn ) uma permutacao ar-
aria do conjunto {1, 2, ..., n} . O produto
bitr

a1j1 .a2j2 ...anjn

e dito um produto elementar de A.

Defini
c
ao 1.15 Seja A uma matriz quadrada. A fun
cao determinante denotada por det e
definida da seguinte maneira:
X
det(A) = (1)k a1j1 .a2j2 ...anjn

onde k e o n
umero de invers
oes de (j1 , j2 , ..., jn ) ou seja, det(A) e definido como a soma de todos
os produtos elementares de A acompanhados do sinal: (+) se a permutacao (j1 , j2 , ..., jn ) e par
ou () se (j1 , j2 , ..., jn ) e mpar.

Exemplo 1.25 C alculo do determinante de uma matriz de 2a ordem.



a11 a12
detA = = a11 a22 a12 a21
a21 a22

alculo do determinante de uma matriz de 3a ordem.


Exemplo 1.26 C


a11 a12 a13

det A = a21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a31 a22 a13 a32 a23 a11 a33 a21 a12

a31 a32 a33

1.8.1 Algumas propriedades de determinante de uma matriz

Seja A uma matriz n n.

1. Se todos os elementos de uma linha (ou coluna) de A sao nulos, entao detA = 0.

2. Se B e a matriz que resulta quando multiplicarmos uma u


nica linha ou coluna de A por
uma constante k, entao detB = k.detA.

3. Se B e a matriz que resulta quando duas linhas ou duas colunas de A sao permutadas,
entao detB = detA.

28
4. Se B e a matriz que resulta quando uma linha de A e somada a um m
ultiplo de outra linha,
entao detB = detA

5. O determinante de uma matriz que tem duas linhas (ou colunas) iguais e zero. Se uma
linha e m
ultipla de outra linha, entao o determinante e zero.

6. det(A B) = detA detB.

7. det(An ) = (det A)n .

Teorema 1.5 Se A e uma matriz triangular n n, ent


ao detA e o produto das entradas na
diagonal principal da matriz; ou seja,

det(A) = a11 .a22 ...ann .

1.8.2 C
alculo do determinante por triangularizac
ao

Usando as propriedades de determinante e o teorema acima, podemos calcular o determinante


de uma matriz quadrada qualquer reduzindo esta ao formato triangular superior usando as
operac
oes elementares:

1. Li k.Li , para k 6= 0

Neste caso, temos:


det(A) = D = det(B) = k.det(A)

Portanto, quando utilizarmos esta operacao sobre A para triangulariza-la e ainda obter o
1
determinante de A, devemos lembrar de multiplicar o novo determinante pela fracao ,
k
pois:
1
det(A) = D = det(B) = k.det(A) = det(A) = .det(B)
k

2. Li Lj ,

Neste caso, temos:


det(A) = D = det(B) = det(A)

29
Portanto, quando utilizarmos esta operacao sobre A para triangulariza-la e ainda obter o
determinante de A, devemos lembrar de multiplicar o novo determinante por k = 1 pois

det(A) = D = det(B) = 1.det(A) = det(A) = 1.det(B)

3. Li Li + k.Lj

Neste caso, sabemos que o determinante nao se altera, ou seja,

det(A) = det(B)

Portanto, a operacao pode ser utilizada sem que haja preocupacoes com mudancas no
determinante de A.

Aplicaremos este metodo de Reducao por linhas em nossas aulas para o calculo do determinante
das seguintes matrizes:

0 1 5 3 6 9 0 3 1
A = 3 6 9 , B = 0 0 2 e C = 1 1 2 .
2 6 1 2 1 5 3 2 4

Exerccio 1.7 Calcule o determinante das matrizes indicadas abaixo usando o Metodo de Reducao
por linhas:


0 1 1 1

2 1 3 1 1 1 1

1

2 2
1 2

0 1 1
1. A =
0
2. B =
2 1 0 2 1 1


3 3 3
0
0 1 2 3



13 2
3
0 0

30
1.8.3 Desenvolvimento de Laplace: A expans
ao em cofatores

Observando o Exemplo (1.26) notamos que o determinante da matriz de ordem 3 3 pode ser
desenvolvimento em funcao de determinantes de submatrizes 2 2 como segue:

detA = a11 (a22 a33 a23 a32 ) + a12 (a21 a33 + a23 a31 ) + a13 (a21 a32 a22 a31 ) (1)


a a
= a11 22 23 a12 a21 a23 + a13 a21 a22

.
a32 a33 a31 a33 a31 a32

Observe que o determinante da matriz 3 3 pode ser expresso em funcao dos determinantes
de submatrizes 2 2, isto e,

detA = a11 M11 a12 M12 + a13 M13 ,

no qual Mij e o determinante da submatriz obtida de A, onde a i-esima linha e a j-esima coluna
foram retiradas. Alem disso, se chamarmos Cij = (1)i+j Mij , obtemos a expressao

detA = a11 C11 + a12 C12 + a13 C13 .

Rearranjando os termos em (1), e possvel obter outras formulas como:

detA = a11 C11 + a21 C21 + a31 C31

= a12 C12 + a22 C22 + a32 C32

= a13 C13 + a23 C23 + a33 C33 .

= a21 C21 + a22 C22 + a23 C23

= a31 C31 + a32 C32 + a33 C33

Note que em cada uma dessas equacoes as entradas e os cofatores sao todos da mesma linha
ou coluna. Estas equacoes sao chamadas expans
ao em cofatores de det(A).
Estes resultados que acabamos de ver para matrizes 3 3 formam somente um caso especial
de um teorema geral, que enunciaremos a seguir:

31
Teorema 1.6 Expans
ao em Cofatores
O determinante de uma matriz A de tamanho n n pode ser calculado multiplicando as
entradas de qualquer linha(ou coluna) pelos seus cofatores e somando os produtos resultantes, ou
seja,

n
X
detAnn = ai1 Ci1 + + ain Cin = aij Cij
j=1

(expans
ao em cofatores ao longo da i-
esima linha)

n
X
detAnn = a1j C1j + + anj Cnj = aij Cij
i=1

(expans
ao em cofatores ao longo da j-
esima coluna)

O n
umero Cij e chamado cofator ou complemento algebrico do elemento aij , onde Cij e o
determinante afetado pelo sinal (1)i+j da submatriz obtida de A retirando-se a i-esima linha e
a j-esima coluna.

3 1 4
Exemplo 1.27 Encontre o determinante da matriz A = 2 5 6 usando Laplace.
1 4 8

Primeiro vamos calcular o determinante menor da entrada aij .



5 6
O menor de a11 e M11 = = 40 24 = 16;
4 8

2 6
O menor de a12 e M12 = = 16 6 = 10;
1 8

2 5
O menor de a13 e M13 = = 8 5 = 3. Entao
1 4
detA = a11 M11 a12 M12 + a13 M13 = 3(16) 1(10) + (4)3 = 26.

Exerccio 1.8 Encontre o determinante da matriz abaixo usando o metodo de Laplace.



2 4 3
A= 1 5 7 resposta: detA = 343
3 8 9

O desenvolvimento de Laplace e uma formula de recorrencia que permite calcular o determi-


nante de uma matriz de ordem n, a partir dos determinantes das submatrizes quadradas de ordem
n 1. Em grande parte dos casos ele simplifica muito o calculo de determinantes, principalmente
se for utilizado em conjunto com outras propriedades dos determinantes.

32
1.8.4 C
alculo do determinante de uma matriz de ordem maior que 3

O calculo de determinante de ordem maior que 3 envolve um n


umero elevado de operacoes, por
isso, nao e feito usando a definicao. Usaremos metodos alternativos para calcular determinante
para ordem maior que 3.
O metodo de Laplace pode ser usado, ou podera ser feito o calculo do determinante por meio
de reducao de linhas.

Exerccio 1.9 Aplique o metodo de Laplace para calcular o determinante de



5 2 3 4
0 2 0 0
A= 5 2

3 0
8 5 3 1

(Observe que e mais conveniente usar a linha 2, pois esta tem como elementos o maior
n
umeros de zeros e isso facilita os calculos).

5 2 3 4
5 3 4
0 2 0 0
det A = = 0 + 2(1)2+2 5 3 0 + 0 + 0 = 372.
5 2 3 0
8 3 1
8 5 3 1


1 2 3 4
4 2 0 0
Exerccio 1.10 Calcule detA = usando a linha (e depois a coluna) mais
1 2 3 0
2 5 3 1
apropriada.

1.9 C
alculo da Matriz Inversa usando Cofatores
Estamos em condicoes de obter uma formula para a inversa de uma matriz invertvel usando os
cofatores.

Definiao 1.16 Se A e uma matriz n n e Cij e o cofator de Aij , ent


c ao a matriz

Cof = [Cij ]

e chamada matriz de cofatores de A ou Cofatora de A. A transposta desta matriz e


chamada adjunta de A e denotada por adj(A).

33
Exemplo 1.28 Seja
3 2 1
A= 1 6 3
2 4 0
Verifique que,
12 4 12
adj(A) = 6 2 10
16 16 16
Calcule ent
ao det(A) e verifique que,
1
A1 = adj(A).
det(A)
Para generalizar este resultado, verificamos que

A.adj(A) = det(A).I

considerando o produto A.adj(A) e observando que a entrada na i-esima linha e j-esima coluna
do produto A.adj(A) e:
ai1 Cj1 + + ain Cjn = 0, i 6= j

pois e o determinante de uma matriz A, obtida de A trocando a linha j pela linha i. E,

ai1 Ci1 + + ain Cin = det(A), i = j

Assim, podemos enunciar o seguinte resultado:

Teorema 1.7 A inversa de uma Matriz usando a Adjunta


Se A e uma matriz invertvel, ent
ao
1
A1 = adj(A).
det(A)
Exemplo 1.29 Usando a matriz A enunciada no exemplo (1.28) e o teorema (1.7) temos:


12 4 12
1
A1 = 6 2 10
64
16 16 16

Exerccio 1.11 Calcule a inversa de A utilizando o teorema (1.7), sendo:



2 5 5
A = 1 1 0
2 4 3

34
1.10 C
alculo da Matriz Inversa usando Opera
co
es Ele-
mentares
Nesta secao vamos desenvolver um algoritmo para encontrar a inversa de uma matriz invertvel
fazendo uso das operac
oes elementares ja enunciadas.

Definiao 1.17 Uma matriz n n que pode ser obtida da matriz identidade In executando uma
c
u
nica operacao elementar sobre linhas e chamada matriz elementar.

Teorema 1.8 Opera


coes sobre Linhas por Multiplica
cao Matricial
Se a matriz elementar E resulta de efetuar uma certa operacao sobre linhas em Im e se A
e uma matriz m n, ent
ao o produto EA e a matriz que resulta quando esta mesma operacao
sobre linhas e efetuada sobre A.

Este teorema nos auxiliara nos calculos, pois e prefervel (e agil) efetuar operacoes sobre
linhas diretamente sobre uma matriz A do que calcular o produto EA, multiplicando `a esquerda
por uma matriz elementar.

Teorema 1.9 Qualquer matriz elementar e invertvel e a inversa e, tambem, uma matriz ele-
mentar.

Teorema 1.10 Afirma


coes Equivalentes
Se A e uma matriz n n ent
ao as seguintes afirmacoes s
ao equivalentes:

(a) A e invertvel.
(b) Usando operacoes elementares sobre as linhas de A obtermos a matriz In .

Ek ...E2 .E1 .A = In (2)

(c) A pode ser expressa como um produto de matrizes elementares.

A = (E1 )1 .(E2 )1 ...(Ek )1 (3)

1.10.1 Um M
etodo para Inverter Matrizes

Usando a equacao (2) apontada anteriormente podemos escrever:

A1 = Ek ...E2 .E1 .In (4).

35
Esta equacao nos indica que A1 pode ser obtida multiplicando In sucessivamente `a esquerda
pelas matrizes elementares.
Por outro lado, observe que estas mesmas operacoes aplicadas sobre A faz com que obtemos
In .
Portanto, podemos enunciar o seguinte M
etodo:
Para encontrar a inversa de uma matriz invertvel A, n
os devemos encontrar uma
sequ
encia de operac
oes elementares sobre linhas que reduz A `
a identidade I. Estas
mesmas operac a A1 .
oes efetuadas em I nos dar
Simbolicamente temos:
[A|I] [I|A1 ]

Exemplo 1.30 Encontre a inversa de



1 2 3
A= 2 5 3
1 0 8

Exemplo 1.31 Verifique se


1 6 4
A = 2 4 1
1 2 5
e invertvel.

Exemplo 1.32 Determine a inversa de



1 0 0 0
1 3 0 0
A=
1

3 5 0
1 3 5 7

1.11 Sugest
ao de Leitura e Estudo

Anton, H.; Rorres, C. Algebra Linear com Aplica
coes. 8a Ed.. Porto Alegre: Bookman,
2001. Secao 1.5 e Captulo 2.

Boldrini, J. L.. Algebra Linear . 3a Ed.. Sao Paulo: Harbra Ltda, 1986. Captulo Matrizes e
Sistemas Lineares.
Steinbruch, A.; Winterle, P. Introdu
cao `
a Algebra ao Paulo: Makron Books, 1990.
Linear.S
Apendice.
Santos, Nathan Moreira dos. Vetores e Matrizes - Uma introdu
cao `
a Algebra Linear .
a
4 Ed. Sao Paulo: Thompson Learning, 2007.

36
1.12 Exerccios de Fixa
c
ao (Lista 2)
Exerccio 1.12 Encontrar a matriz inversa de cada uma das matrizes dadas.
   
3 5 1 2 5
a) A= resposta: A =
1 2 1 3
14
3 93 13

3 4 5 3
b) B= 0 1 2 resposta: B 1 = 2 1 2
3 5 4 1 1 1

1 0 0 0 1 0 0 0
, resposta: C 1 = 2 1
2 1 0 0 0 0
c) C= 3 2 1 0 1 2 1 0 .

4 3 2 1 0 1 2 1
1
2 0 12

1 0 2
d) D = 2 2 2 resposta: D1 = 14 21 41 .
3 0 2 34 0 14

4 25 5

4 0 10
e) E = 2 4 4 resposta: E 1 = 21 12 12 .
3
2 2 6 2
1 2
11 4

3 6 12 3 3
2
f) F = 0 3 3 resposta: F 1 = 32 0 1
3
.
6 9 24 2
3 3 311


1 2 3 40 16 9
g) G = 2 5 3 resposta: G1 = 13 5 3 .
1 0 8 5 2 1

1 0 2
Exerccio 1.13 Seja dada a matriz A = 2 1 3 , encontre sua inversa.
4 1 8

Exerccio 1.14 Encontre a inversa da matriz dada usando operacoes elementares.


2 13

0 0 2 0 8 17
2 2 3 2 0
1 0 0 1 4 0
5
9
a) 0 1
b) c) 4 2 2 0
3 0 0 0 0 0
0 0 1
2 1 5 3 1 13 4 2


1 3 4 2 6 6
d) 2 4 1 e) 2 7 6
4 2 9 2 7 7

37
Exerccio 1.15 Encontre a inversa de cada uma das seguintes matrizes 4 4, onde k, k1 , k2 , k3 , k4
e k5 s
ao todos n
ao nulos.

k1 0 0 0 0 0 0 k1 k 0 0 0
0 k2 0 0 0 0 k2 0 1 k 0 0
a) 0 0 k3 0
b)
0 k3 0 0 c)
0

1 k 0
0 0 0 k4 k4 0 0 0 0 0 1 k


k 1 0 0
0 k k k
k 1 0
d)
0
e) 0 k k
0 k 1
0 0 k
0 0 0 0

Exerccio 1.16 Calcule o determinante da matriz dada usando as propriedades de Determinante


e as operacoes elementares.

0 0 0 0 3 5 0 0 0 0
0 0 0 4 0 4 9 9 2
0 0 0 4 0 2 5
6 4
a) 0 0 1 0 0 b) 0 0 3 0 0 c)

0 2 0
1 2 5 3
0 0 0 0 0 1 0
1 2 0 2
5 0 0 0 0 0 2 0 0 0


1 3 1 5 3
2 1 3 1
1 0
2 7 0 4 2
1 1
d)
0 2
e) 0 0 1 0 1
1 0
0 0 2 1 1
0 1 2 3
0 0 0 1 1

a b c

Exerccio 1.17 Sabendo que d e f = 6, encontre

g h i

d e f 3a 3b 3c a+g b+h c+i

a) g h i b) d e f c) d e f

a b c 4g 4h 4i g h i


3a 3b 3c 3d 3e 3f

d)
d e f
e) a b c
g 4d h 4e i 4f g h i

Exerccio 1.18 Use det(A) para determinar quais das seguintes matrizes s
ao invertveis.

1 0 1 4 2 8 2 7 0 3 0 1
a) 9 1 4 b) 2 1 4 c) 3 2 3 7 0 d) 5 0 6
8 9 1 3 1 6 5 9 0 8 0 3

38

3 0 6
e) 1 0 2
2 3 7

Exerccio 1.19 Seja



a b c
A= d e f
g h i

Supondo que det(A) = 7, obtenha



a d g
a) det(3A) b) det(A1 ) c) det((2A)1 ) d) det(2A1 ) e) det b e h
c f i

Exerccio 1.20 Estude o determinante de A por cofatores da linha ou coluna mais apropriada
1
e use A1 = detA .adjA para o calculo da inversa de A.

3 3 0 5
2 3 5 2 0 0 2 2 0 2
a) 0 1 3 b) 8 1 0 c)
4 1 3 0
0 0 2 5 3 6
2 10 3 2


4 0 0 1 0

3 3 3 1 0
2 0 3
d)
1 2 4 2 3 e) 0 3 2
9 4 6 2 3 2 0 4
2 2 4 2 3

1.13 Sistemas de Equaco


es Lineares
Os sistemas de equacoes algebricas lineares e suas solucoes constituem um dos principais topicos

estudados em cursos de Algebra Linear. Nesta secao iremos introduzir alguma terminologia
basica e discutir um metodo para resolver estes sistemas.

Defini
c
ao 1.18 Equa
cao Linear Definimos uma equacao linear nas n variaveis x1 , x2 , ..., xn
como uma equacao que pode ser expressa na forma

a1 x1 + a2 x2 + ... + an xn = b

onde a1 , a2 , ..., an e b s
ao constantes reais. As vari
aveis de uma equacao linear s
ao chamadas
inc
ognitas.

39
Observa
c
ao 1.8 Uma equacao linear n
ao envolve quaisquer produtos ou razes de vari
aveis.
Todas as vari
aveis ocorrem somente na primeira potencia e n
ao aparecem como argumentos de
funcoes trigonometricas ou exponenciais.

Exemplo 1.33 As equacoes


x + 3y = 7, y = 12 x + 3z + 1 e x1 2x2 3x3 + x4 = 7 s
ao lineares. J
a as equacoes,

x + 3 y = 5, 3x + 2y z + xz = 4 e y = senx
s
ao n
ao-lineares.

Exerccio 1.21 Classifique as equacoes em lineares ou n


ao lineares.
1
a) x1 + 3x2 + x1 x3 = 2 b) x21 + x2 + 8x3 = 5 c) x1 2x2 + 31 x3 = 7 3

Defini
c
ao 1.19 Uma solu
cao de uma equacao linear a1 x1 + a2 x2 + ... + an xn = b e uma n-upla
(s1 , s2 , ..., sn ) tais que a equacao e satisfeita quando substitumos x1 = s1 , x2 = s2 , ..., xn = sn . O
conjunto de todas as solucoes de uma equacao e chamado seu conjunto-solu
cao ou solu
cao
geral da equacao.

Defini
c
ao 1.20 Um conjunto finito de equacoes lineares nas vari
aveis (x1 , x2 , . . . , xn ) e chamado
de sistema de equa
coes lineares ou um sistema linear. A n-upla (x1 , x2 , . . . , xn ) e chamada
solu
cao do sistema se x1 = s1 , x2 = s2 , ..., xn = sn e solucao de cada uma das equacoes:


a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2

S1 : .. .. .. (1.13.1)


. . .
a x + a x + + a x = b
m1 1 m2 2 mn n m

onde bi , aij , 1 i m, 1 i n, pertencem a R. O conjunto de equacoes 1.13.1 chama-se


sistema de m equa
c
oes lineares com n inc
ognitas.

O sistema S1 pode ser escrito como AX = B, onde



a11 a12 a1n x1 b1
a21 a22 a2n x2 b2
A = .. .. .. X = .. B= ..

. ...
. . . .
am1 am2 amn xm bm
matriz dos coeficientes matriz das inc
ognitas matriz dos termos independentes

Outra matriz associada ao sistema e:

40

a11 a12 a1n b1
a21 a22 a2n b2
.. .. . . . .... , chamada matriz ampliada do sistema.


. . ..
am1 am2 amn bm

Observa
c eneo se b1 = b2 = = bm = 0.
ao 1.9 O sistema S1 e dito homog


x 2y + z = 0
Exemplo 1.34 A forma matricial do sistema S1 : 2x + y z = 0 e
3x y + 2z = 0


1 2 1 x 0
2 1 1 y = 0
3 1 2 z 0

1 2 1 0
e a matriz ampliada associada ao sistema e: 2 1 1 0
3 1 2 0

Exerccio 1.22 Encontre a matriz ampliada de cada um dos seguintes sistemas de equacoes
lineares.
3x 2y = 1
(a) 4x + 5y = 3
7x + 3y = 2


2x + 2z = 1
(b) 3x y + 4z = 7
6x + y z = 0


x + 2y t + w = 1
(c) 3y + z w = 2
z + 7w = 1

Nosso objetivo agora, e estudar um metodo para resolucao de sistemas em geral. O processo
consiste em substituir o sistema inicial por um sistema equivalente cada vez mais simples,
fazendo a eliminacao sucessiva das incognitas atraves de operac
oes elementares (ja apresen-
tadas no estudo das Matrizes e Determinantes) ate que possamos visualizar facilmente a solucao
do sistema.

1.13.1 Operac
oes Elementares sobre as equac
oes de um Sistema

1. Multiplicar uma equacao inteira por uma constante nao nula.

41
2. Trocar duas equacoes entre si.

3. Somar um m
ultiplo de uma equacao a uma outra equacao

1.13.2 Operac
oes Elementares sobre as linhas da matriz ampliada

Como as linhas (horizontais) de uma matriz aumentada correspondem `as equacoes no sistema
associado, as tres operac
oes elementares aplicadas sobre as equacoes de um sistema linear
correspondem `as seguintes operacoes nas linhas da matriz ampliada do sistema:

1. Multiplicacao de uma linha inteira por um escalar c nao-nulo (Li cLi );

2. Permutacao da i -esima linha pela j -esima linha (Li Lj ).

3.Substituicao da i -esima linha pela i -esima linha mais c vezes a j -esima linha (Li Li +cLj );

Exemplo 1.35 Determine a solucao do sistema abaixo, realizando operacoes elementares sobre
as linhas da matriz ampliada.

x + y + 2z = 9
2x + 4y 3z = 1
3x + 6y 5z = 0

1.14 Eliminac
ao Gaussiana
Apresentaremos um procedimento para reduzir a matriz ampliada de um sistema a uma outra
matriz ampliada escalonada.

Defini
c
ao 1.21 Uma matriz A chama-se escalonada ou dizemos que est
a na forma escalonada,
se o n
umero de zeros precedendo o primeiro elemento n
ao-nulo de cada linha aumenta por linhas
e se aparecerem linhas nulas, estas devem estar abaixo de todas as outras linhas.

Defini
c
ao 1.22 Uma matriz A chama-se escalonada reduzida por linhas se:
a) est
a na escalonada;

42
b) o primeiro elemento n
ao-nulo de cada linha n
ao-nula de A for igual a 1. Chamamos este
n
umero 1 de piv
o;
c) cada coluna de A que contem o primeiro elemento n
ao-nulo de alguma linha de A tiver
todos os outros elementos iguais a zero.

1 0 0 0 0 2 1
Exemplo 1.36 Dadas as matrizes A = 0 1 1 0 B = 1 0 3
0 0 1 0 0 0 0

0 1 3 0 1 0 1 3 0 2
C= 0 0 0
0 0 D= 0 0 0 1 2

0 0 0 1 2 0 0 0 0 0
Quais s
ao escalonadas e quais s
ao escalonadas reduzidas por linhas?

Defini
c ao matrizes de ordem m n, diremos que A e equivalente por
ao 1.23 Se A e B s
linhas a B se B pode ser obtida de A ap
os um n
umero finito de operacoes elementares sobre as
linhas de A.

Notacao: A B

1 0 1 0
Exemplo 1.37 A matriz A = 4 1 e equivalentes por linhas a B = 0 1
3 4 0 0

Teorema 1.11 Toda matriz e equivalente por linhas a uma u


nica matriz escalonada reduzida
por linhas.

Defini
c
ao 1.24 Dois sistemas lineares s
ao equivalentes se, e somente se, toda solucao de um
deles, e tambem solucao do outro.

Teorema 1.12 Todo sistema de equacoes lineares homogeneo, cujo n


umero de equacoes e menor
que o n
umero de inc
ognitas, possui solucao n
ao-nula, isto e, possui infinitas solucoes.

43
Teorema 1.13 Dois sistemas de equacoes lineares que possuem matrizes ampliadas equivalentes
s
ao equivalentes.

Defini
c
ao 1.25 O posto de uma matriz A e o n
umero de linhas n
ao nulas de alguma matriz
escalonada , equivalente a A.

1 3 1 0
Exemplo 1.38 Determine o posto da matriz A = 2 6 2 0 .
1 3 1 0

1.14.1 Classificac
ao de um Sistema Linear quanto `
a Solu
cao

No teorema a seguir veremos que um sistema so admite uma (e somente uma) das seguintes
classificacoes:
SPD: Sistema Possvel Determinado, com uma u
nica solucao.
SPI: Sistema Possvel Indeterminado, com infinitas solucoes.
S.I: Sistema Impossvel, sem nenhuma solucao.
O estudo do posto de uma matriz nos auxiliara na classificacao de um sistema linear.

Teorema 1.14 Consideremos um sistema linear de m equacoes a n vari


aveis. Seja Pc o posto
da matriz dos coeficientes e P o posto da matriz ampliada do sistema.
a) Se Pc = P = p, ent
ao o sistema tem solucao u
nica no caso em que n = p (SPD)
e tem infinitas solucoes se p < n; (SPI)
b) Se Pc 6= P ent
ao o sistema n
ao tem solucao. ( SI)

Observa
c
ao 1.10 No caso de um sistema de n inc
ognitas apresentar infinitas solucoes, p vari
aveis
podem ser escrita em funcao de outras n p escolhidas convenientemente. Estas n p vari
aveis
s
ao chamadas de vari umero (n p) denota o grau de liberdade do sistema.
aveis livres e o n

Quando aplicamos opera


coes elementares sobre as linhas da matriz ampliada associada a
um sistema ate transformarmos na forma escalonada, obtemos um novo sistema equivalente
que pode ser resolvido por substituicao de tr
as para frente, tambem dita retro substitui
cao.

44
1.14.2 O M
etodo de Gauss

1. Escreva a matriz ampliada A do sistema;

2. Use operacoes elementares sobre as linhas da matriz A ate transforma-la numa matriz A
escalonada;

3. Fazendo substituicao de tras para frente, resolva o sistema equivalente associado a A .


x + 2y + z = 0
Exemplo 1.39 Determine a solucao do sistema S : x + 3z = 5 utilizando o Metodo de
x 2y + z = 1

Gauss.

1.14.3 O M
etodo de Gauss-Jordan

Neste metodo, procedemos como no metodo de eliminacao de Gauss, mas reduzimos ainda mais
a matriz ampliada ate `
a forma escalonada reduzida por linha.

1. Escreva a matriz ampliada A do sistema;

2. Use operacoes elementares sobre as linhas de A ate transforma-la numa matriz A escalo-
nada reduzida por linhas;

3. Se o sistema for possvel e determinado, a matriz A indica a solucao;

4. Se o sistema resultante for possvel e indeterminado, resolva-o para as variaveis dependentes


em termos de quaisquer variaveis livres que tenham sobrado.

Exemplo 1.40 Determine a solucao do sistema abaixo usando eliminacao de Gauss-Jordan.



2x + 4y + 6z = 6
3x + 2y 4z = 38
x + 2y + 3z = 3

Exerccio 1.23 Determine a solucao de cada sistema abaixo usando eliminacao de Gauss-
Jordan.

45

2x + 2y + z = 5
(a) x y = 2
x + 2y + 3z = 6



2x + 2y z + w = 0
x y + 2z 3t + w = 0

(b)

x + y 2z w = 0
z+t+w =0


2x + 2y + z = 2
(c) x y = 0
x+y+z =5

46
1.15 Exerccios de Fixa
c
ao ( Lista 3)
1. Considere as matrizes

3 0     1 5 2 6 1 3
4 1 1 4 2
A = 1 2 , B = , C= , D = 1 0 1 , E = 1 1 2
0 2 3 1 5
1 1 3 2 4 4 1 3
Calcule, quando possvel:
a) D + E b) D E c) 2B C d) 4E 2D e) 3(D + 2E).

2. Usando as matrizes do Exercicio 1, calcule (se possvel):


a) tr(D) b) 4tr(7B) c) tr(DDT ) d) tr(4E T D) e) tr(C T AT + 2E T ).

3. Usando as matrizes do Exercicio 1, calcule os seguintes (quando possvel).


a) (2DT E)A b) (4B)C+2B c) (AC)T +5DT d) (BAT 2C)T e) B T (CC T AAT ).

4. Sejam

3 2 7 6 2 4
A= 6 5 4 e B= 0 1 3
0 4 9 7 7 5
Use a definicao de produto de matrizes da pagina 9 do Captulo 1 para encontrar
a) a primeira linha de AB b) a terceira linha de AB c) a segunda coluna de AB

d) a primeira coluna de BA e) a terceira coluna de AA.

5. Em cada item, encontre uma matriz [aij ] de tamanho 6 6 que satisfaz a condicao dada.
De respostas tao gerais quanto possvel, usando letras e nao n
umeros para entradas nao
nulas especficas. Classifique as matrizes obtidas quanto ao tipo, utilizando a secao 1.2.
a) aij = 0 se i 6= j b) aij = 0 se i > j c) aij = 0 se i < j
d) aij = i + j e) aij = i j

6. Sejam

2 1 3 8 3 5
A= 0 4 5 , B = 0 1 2 , e
2 1 4 4 7 6

0 2 3
C = 1 7 4 , a = 4, b = 7.

3 5 9
Mostre que

47
a) A + (B + C) = (A + B) + C b) (AB)C = A(BC) c) a(B C) = aB aC
d) (AT )T = A e) (AB)T = B T .AT .

7. Use o Teorema 1.3 para calcular as inversas das seguintes matrizes.


     
3 1 2 3 6 4
a) A = b) B = c) C =
5 2 4 4 2 1
   
2 0 3 0
d) D = e) E = .
0 3 0 2
8. Use as matrizes A e B do exerccio anterior para verificar que
a) (A1 )1 = A b) (B T )1 = (B 1 )T c) (AB)1 = B 1 .A1
d) (ABC)1 = C 1 .B 1 .A1 e)(CA)1 = A1 .C 1 .

9. Em cada parte use a informacao dada para encontrar A.


     
1 2 1 1 3 7 T 1 3 1
a) A = b) (7A) = c) (5A ) =
3 5 1 2 5 2
   
1 1 2 1 2 3
d) (I + 2A) = e) A = .
4 5 1 5
10. Mostre que

a11 0 0
0 a22 0
a) Ann =
e invertvel e encontre sua inversa,

0 0 ann
sabendo que a11 .a22 . .ann 6= 0
b) Uma matriz An n com uma linha de zeros nao pode ter inversa.
c) Uma matriz An n com uma coluna de zeros nao pode ter inversa.
d) Se A, B sao matrizes quadradas tais que AB = 0 e A e invertvel entao, B = 0.
e) Se A e uma matriz quadrada tal que Li = k.Lj entao A nao e invertvel.

11. Encontre uma operacao sobre linhas que retorna a matriz elementar dada a uma matriz
identidade.
0 17

0 0 0 1 1 0 2 0 0 2
  1 0 0
1 0 0 1 0 0 0 1 0 0
0 1 0 0
a) b) 0 1 0 c) d) e)
3 1 0 0 1 0 0 0 1 0 0 0 1 0
0 0 3
1 0 0 0 1 0 0 0 0 0 0 1
12. Encontre a inversa da matriz dada usando operacoes elementares.

48
8 17 2 13

0 0 2 0
1 0 0 1 4 0 2 9 2 3 2 0
a) b) 5 c) 4 2 2 0
0 1 3 0 0 0 0 0
0 0 1
2 1 5 3 1 13 4 2


1 3 4 2 6 6
d) 2 4 1 e) 2 7 6
4 2 9 2 7 7
13. Encontre a inversa de cada uma das seguintes matrizes 4 4, onde k, k1 , k2 , k3 , k4 e k5 sao
todos nao nulos.

k1 0 0 0 0 0 0 k1 k 0 0 0
0 k2 0 0 0 0 k2 0 1 k 0 0
a)
0 0 k3 0
b)
0 k3 0 0 c)
0

1 k 0
0 0 0 k4 k4 0 0 0 0 0 1 k


k 1 0 0
0 k k k
k 1 0
d)
0
e) 0 k k
0 k 1
0 0 k
0 0 0 0
14. Calcule o determinante da matriz dada usando as propriedades de Determinante e as
operacoes elementares.

0 0 0 0 3 5 0 0 0 0
0 0 0 4 0 4 9 9 2
0 0 0 4 0 2 5
6 4
0 0 1 0
a) 0 b) 0 0 3 0 0 c)

0 2 0
1 2 5 3
0 0 0 0 0 1 0
1 2 0 2
5 0 0 0 0 0 2 0 0 0


1 3 1 5 3
2 1 3 1
1 0
2 7 0 4 2
1 1
d)
0 2
e) 0 0 1 0 1
1 0
0 0 2 1 1
0 1 2 3
0 0 0 1 1

a b c

15. Sabendo que d e f = 6, encontre
g h i

d e f 3a 3b 3c a+g b+h c+i

a) g h i b) d e f c) d e f

a b c 4g 4h 4i g h i

49

3a 3b 3c 3d 3e 3f

d)
d e f
e) a b c
g 4d h 4e i 4f g h i

16. Use det(A) para determinar quais das seguintes matrizes sao invertveis.

1 0 1 4 2 8 2 7 0 3 0 1
a) 9 1 4 b) 2 1 4 c) 3 2 3 7 0 d) 5 0 6
8 9 1 3 1 6 5 9 0 8 0 3

3 0 6
e) 1 0 2
2 3 7
17. Seja

a b c
A= d e f
g h i

Supondo que det(A) = 7, obtenha



a g d
a) det(3A) b) det(A1 ) c) det((2A)1 ) d) det(2A1 ) e) det b h e
c i f
1
18. Use A1 = detA
.adjA para o calculo da inversa de A e estude o determinante de A por
cofatores da linha ou coluna mais apropriada.

3 3 0 5
2 3 5 2 0 0 2 2 0 2
a) 0 1
3 b) 8 1 0 c)
4 1 3 0
0 0 2 5 3 6
2 10 3 2


4 0 0 1 0

3 3 3 1 0
2 0 3
d)
1 2 4 2 3 e) 0 3 2
9 4 6 2 3 2 0 4
2 2 4 2 3

50
19. Quais das seguintes matrizes 3 3 estao em forma escalonada?

1 2 0 1 0 0 1 3 4
a) 0 1
0 b) 0 1 0 c) 0 0 1
0 0 0 0 2 0 0 0 0


1 5 3 1 2 3
d) 0 1 1 e) 0 0 0
0 0 0 0 0 1
20. Quais das seguintes matrizes 3 3 estao em forma escalonada reduzida por linhas?

1 0 0 0 1 0 1 0 0
a) 0 1
0 b) 0 0 1 c) 0 0 1
0 0 0 0 0 0 0 0 0


1 1 0 1 0 2
d) 0 1 0 e) 0 1 3
0 0 0 0 0 0
21. Em cada parte, determine se a matriz esta em forma escalonada, escalonada reduzida por
linhas, ambas ou nenhuma das duas.

1 2 0 3 0
0 1 0 0 5  
0 1 1 0 1 0 3 1
a)
0 b) 0 0 1 3 c)
0 0 0 1 0 1 2 4
0 1 0 4
0 0 0 0 0


  1 3 0 2 0
1 7 5 5 1 0 2 2 0
d) e)
0 1 3 2 0 0 0 0 1
0 0 0 0 0
22. Em cada parte, suponha que a matriz de um sistema de equacoes lineares foi reduzida
por operacoes sobre linhas `a forma escalonada ou `a forma escalonada reduzida por linhas.
Resolva o sistema.

1 0 0 3 1 0 0 7 8 1 0 8 5 6
a) 0 1 0 0 b) 0 1 0 3 2 c) 0 1 4 9 3
0 0 1 7 0 0 1 1 5 0 0 1 1 2

51

1 3 0 0 1 3 7 1
d) 0 0 1 0 e) 0 1 4 0
0 0 0 1 0 0 0 1
23. Resolva cada um dos seguintes sistemas por eliminacao de Gauss.

x + y + 2z = 8 2x + 2y + 2z = 0
(a) x 2y + 3z = 1 (b) 2x + 5y + 2z = 1
3x 7y + 4z = 10 8x + y + 4z = 1


x y + 2z w = 1
2y + 3z = 1


2x + y 2z 2w = 2

(c) (d) 3x + 6y 3z = 2
x + 2y 4z + w = 1
6x + 6y + 3z = 5


3x 3w = 3



3x + 2y z = 15
5x + 3y + 2z = 0

(e)

3x + y + 3z = 11
6x 4y + 2z = 30

24. Resolva cada um dos seguintes sistemas por eliminacao de Gauss-Jordan.




10y 4z + w = 1
x + 4y z + w = 2 x 2y + z 4w = 1


(a) 3x + 2y + z + 2w = 5 (b) x + 3y + 7z + 2w = 2
2x 8y + 2z 2w = 4 x 12y 11z 16w = 5




x 6y + 3z = 1


w + 2x y = 4
2x 3y + 4z w = 0


xy =3

(c) (d) 7x + y 8z + 9w = 0
w + 3x 2y = 7
2x + 8y + z w = 0


2u + 4v + w + 7x = 7



2x + 2y + 4z = 0
y 3z + w = 0

(e)

3x + y + z + 2w = 0
x + 3y 2z 2w = 0

25. Resolva os seguintes sistemas por eliminacao de Gauss ou elimacao de Gauss-Jordan.



v + 3w 2x = 0
2x y 3z = 0


2u + v 4w + 3x = 0

(a) x + 2y 3z = 0 (b)
2u + 3v + 2w x = 0
x + y + 4z = 0


4u 3v + 5w 4x = 0

52

x + 3y + w = 0
2x y + 3z + 4w = 9


x + 4y + 2z = 0



x 2z + 7w = 11

(c) 2y 2z w = 0 (d)
3x 3y + z + 5w = 8
2x 4y + z + w = 0



2x + y + 4z + 4w = 10


x 2y z + w = 0



z+w+t=0
x y + 2z 3w + t = 0

(e)

x + y 2z t = 0
2x + 2y z + t = 0

26. As situacoes apontadas a seguir ilustram aplicacoes da resolucao de sistemas lineares.


a) (F uvest2008) Joao entrou na lanchonete BOB pediu 3 hamb
urgues, 1 suco de laranja e
2 cocadas, gastando R$21, 50. Na mesa ao lado, algumas pessoas pediram 8 hamb
urgues, 3
sucos de laranja e 5 cocadas, gastando R$57, 00. Sabendo que o preco de um hamb
urguer,
mais o de um suco de laranja, mais o de uma cocada totaliza R$10, 00, calcule o preco de
cada um desses itens.

b) (U nesp2007) Uma pessoa consumiu na segunda-feira, no cafe da manha, 1 pedaco de


bolo e 3 paezinhos, o que deu um total de 140 gramas. Na terca-feira, no cafe da manha,
consumiu 3 pedacos de bolo e 2 paezinhos (iguais aos do dia anterior e de mesma massa),
totalizando 210 gramas. Cada 100 gramas de bolo e de paozinho fornecem (aproximada-
mente) 420 kcal e 270kcal de energia, respectivamente. Usando estas informacoes, deter-
mine a quantidade em gramas de cada pedaco de bolo e de cada paozinho e calcule o total
de quilocalorias (kcal) consumido pela pessoa, com esses dois alimentos, no cafe da manha
de segunda-feira.

c) (F uvest2005) Um supermercado adquiriu detergentes nos aromas limao e coco. A com-


pra foi entregue, embalada em 10 caixas, com 24 frascos em cada caixa. Sabendo-se que
cada caixa continha 2 frascos de detergentes a mais no aroma limao do que no aroma coco,
determine o n
umero de frascos entregues, no aroma limao.

d) Uma copeira lavou os 800 copos usados em uma festa. Ela recebeu R$0, 05 por copo
que lavou e teve de pagar R$0, 25 por copo que quebrou. Terminado o servico, a copeira
recebeu R$35, 80. Determine o n
umero de copos que ela quebrou.

53
e) (F uvest2002) Carlos, Lus e Slvio tinham, juntos, 100 mil reais para investir por um
ano. Carlos escolheu uma aplicacao que rendia 15% ao ano. Lus, uma que rendia 20% ao
ano. Slvio aplicou metade de seu dinheiro em um fundo que rendia 20% ao ano, investindo
a outra metade numa aplicacao de risco, com rendimento anual pos-fixado. Depois de um
ano, Carlos e Lus tinham juntos 59 mil reais; Carlos e Slvio, 93 mil reais; Lus e Slvio,
106 mil reais. Determine, quantos reais cada um tinha inicialmente e qual o rendimento
da aplicacao de risco.

54
Captulo 2

Vetores

Existem grandezas chamadas escalares, exemplos:


area, comprimento, massa, etc...
que ficam completamente determinadas assim que for dada sua magnitude. Outras quantidades
fsicas no entanto requerem mais do que isso. Por exemplo, uma for
ca ou uma velocidade, para
que fiquem bem definidas precisamos dar a direcao, a intensidade e o sentido. Tais grandezas
sao chamadas vetoriais.

2.1 Segmentos Orientados


Dois pontos A e B do espaco determinam uma reta r. O conjunto dos pontos de r que estao
entre A e B e um segmento de reta AB que podemos orientar considerando um dos pontos como
origem e outro como extremidade. Denotaremos por AB o segmento orientado de origem em A
e extremidade em B.

Figura 2.1: segmento AB

O segmento AA e dito segmento nulo.

Observa
c
ao 2.1
a) Tamanho ou comprimento de um segmento orientado AB e o comprimento do segmento
geometrico AB.

43
b) Dizemos que os segmentos orientados AB e A B tem mesma direcao se a reta determinada
por A e B e paralela a reta determinada por A e B.
c) Se os segmentos orientados AB e A B tem mesma direcao eles ter
ao o mesmo sentido se
AA BB =
T

Defini
c
ao 2.1 Diremos que um segmento orientado AB e equipolente ao segmento orientado
A B , se ambos s
ao nulos ou possuem mesma direcao, mesmo tamanho e mesmo sentido.

Propriedades da rela
c
ao de equipol
encia:
(a) Reflexividade: AB e equipolente a AB.
(b) Simetria: Se AB e equipolente a A B , entao A B e equipolente a AB.
(c) Transitividade: Se AB e equipolente a A B e se A B e equipolente a A B , entao AB
e equipolente a A B .

2.2 Vetores
Imagine um s
olido em translacao, a velocidade de cada ponto desse s
olido e a mesma. Entao qual
das flexas (que obtemos em cada ponto do s
olido) seria escolhida para representar a velocidade
do s
olido? Observe que todas s
ao equipolentes. Assim poderamos representar a velocidade por
qualquer uma delas.

Definic
ao 2.2 O conjunto de todos os segmentos orientados equipolentes a AB, ser
a chamado

de vetor determinado pelo segmento orientado AB, e denotaremos por AB.


Diremos que o segmento orientado AB e um representante do vetor AB. Assim dado um
vetor, em cada ponto do espaco, sempre existira um, e somente um, representante desse vetor.


Notacoes: podemos simplesmente denotar o vetor AB por a ou b .

Observa
c
ao 2.2


1. Dois vetores AB e CD s
ao iguais se, e somente se, AB e equipolente a CD.

2. O vetor nulo e o vetor cujo representante e um segmento orientado nulo.




Notacao: 0

44
odulo ou comprimento) de um vetor
3. A norma (m
a e o comprimento de qualquer
segmento orientado representante desse vetor.
Notacao: k

a k,

4. Um vetor
ario se k
a e unit
a k= 1.

5. Se

a = AB ent ao o vetor oposto de

a e ao vetor BA.

Notacao: AB ou ~a.

6. Dois vetores

a = AB e b = CD s
ao colineares ou paralelos se tiverem a mesma
direcao, isto e, se seus representantes AB e CD pertencerem a uma mesma reta ou a retas
paralelas.

Figura 2.2: vetores colineares

7. Tres ou mais vetores s


ao coplanares se possuem representantes pertencentes a um mesmo
plano.

Figura 2.3: vetores coplanares

45
Note que dois vetores quaisquer s
ao sempre coplanares no entanto, tres vetores poder
ao ou
n
ao ser coplanares.

Figura 2.4: vetores coplanares e nao-coplanares

2.3 Adic
ao de Vetores
Defini ao 1.3 Sejam
c u e
v dois vetores do espaco, a soma desses vetores, representada por

u +v , e o vetor determinado da seguinte maneira: posicione o vetor v de tal maneira que






seu ponto inicial coincide com o ponto final de u . O vetor u + v e representado pela flecha do
ponto inicial de u ao ponto final de v.

Propriedades da adic
ao
Para quaisquer vetores ~a, ~b e ~c temos:

1. ~u + ~v = ~v + ~v

2. (~u + ~v ) + w
~ = ~u + (~v + w)
~

3. ~u + ~0 = ~0 + ~u = ~u

4. ~u + (~u) = ~u + ~u = ~0

46
Regra do paralelogramo

Consideremos o paralelogramo com vertices ABCD e os vetores ~a = AB e ~b = AC. Temos
que o vetor soma ~s = ~a +~b e representado pelo segmento orientado AD, que e uma das diagonais
do paralelogramo e que o vetor diferenca d~ = ~a ~b = ~a + (~b), representado pelo segmento
orientado CB, e a outra diagonal do paralelogramo.

Figura 2.5: regra do paralelogramo

Observaao 2.3 Para obter a diferenca a b sem construir b, posicione a e b de tal modo que
c
seus pontos iniciais coincidam; o vetor do ponto final de b ao ponto final de a e o vetor a b.

2.4 Produto por Escalares


Seja k um n
umero real e AB um representante do vetor ~u, o produto do vetor ~u pelo escalar k,
denotado por k~u e definido por:
1. k~u = ~0, se k = 0 ou ~u = ~0;
2. Se ~u 6= ~0 e k 6= 0, k~u e o vetor de mesma direcao de ~u cujo comprimento e | k | vezes o
comprimento de ~u e o sentido e o mesmo de ~u se k > 0 e oposto ao de ~u se k < 0.
Propriedades do produto por escalares
Para quaisquer vetores ~u e ~v e k e t n
umeros reais temos:

1. (k + t)~u = k~u + t~u

2. k(~u + ~v ) = k au
~ + k~v

3. k(t~u) = (kt)~v

4. 1~u = ~u e (1)~u = ~u

47
Exerccio 2.1 Dados os vetores ~a, ~b e ~c, de acordo com a figura, construir o vetor
1
~s = 2~a 3~b + ~c
2


Exerccio 2.2 Considere o paralelogramo ABCD determinado pelos vetores AB e AD, seja M
e N pontos medios dos lados DC e AB, respectivamente. Complete convenientemente:

a) AD + AB = ...............

b) BA + DA = ...............

c) AC BC = ...............

d) AN + BC = ...............

e) M D + M B = ...............
1
f ) BM DC = ...............
2

Exerccio 2.3 No tetraedro e no paraleleppedo ret


angulo, achar a soma dos vetores indicados :


Exerccio 2.4 No hex
agono regular, obter: a) AB+F E+AF b) AD-AE+BE

48
2.5
Angulo entre dois vetores

O angulo entre dois vetores nao-nulos ~a e ~b, com representantes AB e AC, respectivamente,
denotado por (~a, ~b), e angulo formado pelas semi-retas AB e AC tal que 0 (~a, ~b) .

Observa
c
ao 2.4

1. Se (~a, ~b) = , ~a e ~b tem a mesma direcao e sentidos contr


arios.

2. Se (~a, ~b) = 0, ~a e ~b tem a mesma direcao e o mesmo sentido.


3. Se (~a, ~b) = , ~a e ~b s
ao ortogonais. Indicamos ~a ~b.
2

Neste caso, temos k~a + ~bk2 = k~ak2 + k~bk2

ao perpendiculares tais que k~uk = 5 e k~v k = 12. Calcular


Exerccio 2.5 Sabendo que u e v s
k~u + ~v k e k~u ~v k.

Exerccio 2.6 Dados os vetores ~a e ~b, da figura, mostrar graficamente um representante do


vetor: a) ~a ~b b) ~b ~a c) 2~a 3~b

angulo entre os vetores ~u e ~v e de 60 , determinar o angulo


Exerccio 2.7 Sabendo que o
formado pelos vetores:
a) ~u e ~v b)~u e ~v c) ~u e ~v d) 2~u e 3~v

49
Captulo 3

Sistemas de coordenadas: Vetores


Bidimensionais e Tridimensionais

A introducao de um sistema de coordenadas retangulares muitas vezes simplifica problemas


envolvendo vetores. O tratamento algebrico, na maioria das situacoes, e bem mais pratico do
que o tratamento geometrico.

3.1 Vetores Bidimensionais


Seja v um vetor qualquer do plano e suponha, que v tenha sido posicionado com seu ponto inicial
na origem de um sistema de coordenadas retangulares. As coordenadas (x1 , y1 ) do ponto final
de v sao chamadas componentes de v.
Existe um correspondencia biunvoca entre os vetores do plano e os pares ordenados (x, y) de
n
umeros reais. Desse modo, a cada vetor ~v do plano pode-se associar um par ordenado (x1 , y1 ).
Assim, denotamos ~v = (x1 , y1 ).
y

v=(x1 , y1 )
b
(x1 , y1 )
v
x

50
Observacao 3.1 Observe que todo vetor v = (x, y) do plano bidimensional pode ser decomposto



segundo as direcoes dos vetores i = (1, 0) e j = (0, 1). Isto e, existem n
umeros reais x e y
tais que,




v = x. i + y. j


Neste caso, dizemos que v e combinacao linear de i e j . Os n umeros x e y s
ao as coor-





denadas de a base { i , j }. A base { i , j } e dita base can
v em relacao ` onica de

R2 = {(x, y) : x, y R}.

Figura 3.1:

Dado um vetor ~v = x1~i + y1~j, o vetor x1~i e a projecao ortogonal de ~v sobre o eixo dos x e y1~j
e a projecao ortogonal de ~v sobre o eixo dos y.

Figura 3.2:

Se nao haver referencia em contrario, a seguir faremos nosso estudo tratanto somente da base
canonica.

51
Igualdade de vetores

Os vetores ~a = (x1 , y1 ) e ~b = (x2 , y2 ) sao iguais (~a = ~b) se, e somente se, x1 = x2 e y1 = y2 .

Operac
oes

Dados os vetores ~a = (x1 , y1 ) e ~b = (x2 , y2 ) e k R temos:


a) ~a + ~b = (x1 + x2 , y1 + y2 )
b) k~a = (kx1 , ky1 ).

Exemplo 3.1 Dados os vetores ~a = (2, 3) e ~b = (1, 0), calcular ~a + ~b e 2~a.

Vetor definido por dois pontos

Figura 3.3:


Consideremos o vetor AB com origem no ponto A(x1 , y1 ) e extremidade no ponto B(x2 , y2 )
(figura 3.3). Temos:

OA = (x1 , y1 ) e OB = (x2 , y2 )
Alem disso,

OA + AB = OB onde

AB = OB OA

Isto e, AB = (x2 , y2 ) (x1 , y1 )

Logo, AB = (x2 x1 , y2 y1 )

52
3.2 Vetores Tridimensionais
Assim como os vetores no plano podem ser descritos por pares de n
umeros reais, os vetores no
espaco podem ser descritos por ternos de n
umeros reais utilizando um sistema de coordenadas
retangulares. Para construir um tal sistema de coordenadas, selecionamos um ponto O, deno-
minado a origem e escolhemos tres retas mutuamente perpendiculares passando pela origem,
denominadas eixos coordenados, designados eixos x, y e z.

Figura 3.4:

Analogamente como no plano, em nosso estudo, a menos que se faca referencia contraria,
faremos uso de uma base canonica , neste caso dada pelos vetores ~i = (1, 0, 0), ~j = (0, 1, 0) e
~k = (0, 0, 1), os quais tem origem no mesmo ponto O. A reta que passa pelo ponto O e com a
mesma direcao do vetor ~i chama-se eixo dos x, a reta que passa pelo ponto O e com a mesma
direcao do vetor ~j chama-se eixo dos y e a reta que passa pelo ponto O e com a mesma direca`o
do vetor ~k chama-se eixo dos z. Na figura 4.4, as setas indicam o sentido positivo de cada eixo.
Estes eixos sao chamados eixos coordenados.
O plano determinado pelo eixo dos x e pelo eixo dos y e chamado plano xy; o plano deter-
minado pelo eixo dos x e pelo eixo dos z e chamado plano xz; o plano determinado pelo eixo
dos y e pelo eixo dos z e chamado plano yz.
O conjunto R3 = {(x, y, z)/x, y, z R} e o produto cartesiano R R R e sua representacao
geometrica e o espa
co cartesiano determinado pelos tres eixos cartesianos dois a dois ortogo-
nais x, y e z.

53
Figura 3.5:

A cada ponto P do espaco vai corresponder uma terna ordenada (x, y, z) de n


umeros reais que
sao as coordenadas do ponto P , denominadas abscissa, ordenada e cota, respectivamente.
Em R3 temos:


~v = OP = x~i + y~j + z~k = (x, y, z)

Exemplo 3.2 O vetor ~v = 2~i 3~j + ~k pode ser representado por ~v = (2, 3, 1)

Analogamente como vimos no plano temos:


Igualdade de vetores
Os vetores ~a = (x1 , y1 , z1 ) e ~b = (x2 , y2 , z2 ) sao iguais (~a = ~b) se, e somente se,
x1 = x2 , y1 = y2 e z 1 = z 2 .

Operac
oes

Dados os vetores ~a = (x1 , y1 , z1 ), ~b = (x2 , y2 , z2 ) e k R temos:


a) ~a + ~b = (x1 + x2 , y1 + y2 , z1 + z2 )
b) k~a = (kx1 , ky1 , kz1 ).

54
Vetor definido por dois pontos

Consideremos o vetor AB com origem no ponto A(x1 , y1 , z1 ) e extremidade no ponto B(x2 , y2 , z2 ),
temos


AB = (x2 x1 , y2 y1 , z2 z1 )

Vetores paralelos

Como vimos na observacao 2.2, dois vetores ~a = (x1 , y1 , z1 ) e ~b = (x2 , y2 , z2 ) sao colineares
ou paralelos se existir um n
umero real k tal que

~a = k~b

isto e,

(x1 , y1 , z1 ) = k(x2 , y2 , z2 ) (x1 , y1 , z1 ) = (kx2 , ky2 , kz2 )

x1 = kx2
x1 y1 z1
y1 = ky2 = =
x2 y2 z2
z1 = kz2

Denoteremos : ~a//~b.

Exemplo 3.3 Os vetores ~a = (2, 3, 5) e ~b = (4, 6, 10) s


ao paralelos pois

2 3 5 1
= = =
4 6 10 2

1
isto e, ~a = ~b.
2

55
Universidade Tecnologica Federal do Parana
Campus de Campo Mourao

Geometria Analtica e Algebra Linear

3a LISTA DE EXERCICIOS - VETORES BIDIMENSIONAIS E TRIDIMENSIONAIS

1. Represente geometricamente num sistema de coordenadas de mao direita os pontos cujas


coordenadas sao:
a) (3, 4, 5) b) (3, 4, 5) c) (3, 4, 5) d) (3, 4, 5)
e) (3, 4, 5) f) (3, 4, 5) g) (3, 4, 5) h) (3, 4, 5)
i) (3, 0, 0) j) (3, 0, 3) k) (0, 0, 3) l) (0, 3, 0)

2. Esboce os seguintes vetores com ponto inicial na origem do sistema:


a) ~v1 = (3, 6) b) ~v2 = (4, 8) c) ~v3 = (4, 3) d) ~v4 = (5, 4)
e) ~v5 = (3, 6, 4) f) ~v6 = (3, 3, 0) g) ~v7 = (0, 0, 3) h) ~v8 = (5, 4, 8)

3. Encontre os componentes analticas do vetor de origem A e extremidade B:


a) A(4, 8), B(3, 7) b) A(3, 5), B(4, 7)
c) A(3, 7, 2), B = (2, 5, 4) d) A(1, 0, 2), B(0, 1, 0)

4. Sejam u = (3, 1, 2), v = (4, 0, 8) e w = (6, 1, 4). Calcule a expressao analtica dos
vetores:
a) v w b) 6u + 2v c) v + u d) 5(v 4u)

5. Considere u, v e w os vetores do exerccio 4.


a) Encontre o vetor ~x que satisfaz: 2u v + ~x = 7~x + w.
b) Encontre escalares c1 , c2 e c3 tais que: c1 u + c2 v + c3 w = (2, 0, 4)


Confira as respostas! Livro: Algebra Linear com Aplicacoes. ANTON, paginas:105 e 106.

56
Captulo 4

Produto de Vetores

4.1 C
alculo da norma de um vetor
Considere os vetores de R2 e R3 , representados na figura abaixo:

Usando o Teorema de Pitagoras, podemos determinar a norma (m


odulo ou compri-
mento) de

v:
qp
k


p p
v k= x + y , ~v R ou k v k= ( x2 + y 2 )2 + z 2 = x2 + y 2 + z 2 , ~v R3 .
2 2 2

4.2 Dist
ancia entre dois pontos

A distancia d entre os pontos A(x1 , y1 , z1 ) e B(x2 , y2 , z2 ) e assim definida:

57

d =k AB k=k B A k=k (x2 x1 , y2 y1 , z2 z1 ) k

Portanto, usando a secao anterior, temos:

p
d= (x2 x1 )2 + (y2 y1 )2 + (z2 z1 )2

Exemplo 4.1 Dados os pontos A = (2, 3, 5) e B = (3, 0, 7), calcular a dist


ancia d entre A e B.

1 1
Exemplo 4.2 Determine para que o vetor ~v = (, , ) seja unit
ario.
2 4

4.3 Produto interno euclidiano ou produto escalar


Defini
c
ao 4.1 Sejam u e v dois vetores n
ao-nulos no espaco bi ou tridimensional e e o angulo
entre u e v satisfazendo 0 rad.
O produto interno euclidiano ou o produto escalar ~u.~v, e definido por:


kuk kvk cos se u 6= 0 e v 6= 0
~u.~v =
0 se u = 0 ou v = 0

angulo entre os vetores ~u = (1, 0) e ~v = (1, 1) e de 45 , calcule


Exemplo 4.3 Sabendo que o
~u.~v.

Observa
c
ao 4.1

1. Se ~u.~v > 0, da Definicao 5.1, cos deve ser um n


umero positivo, isto e, cos > 0, o que
implica 0 < 90 . Nesse caso, e dito
angulo agudo ou nulo.

2. Se ~u.~v < 0,da Definicao 5.1, cos deve ser um n


umero negativo, isto e, cos < 0, o que
implica 90 < 180 . Nesse caso, e dito
angulo obtuso ou raso.

3. Se ~u.~v = 0, da Definicao 5.1, cos deve ser igual a zero, isto e, cos = 0, o que implica
= 90 . Nesse caso, e
angulo reto.

58
4.3.1 Produto interno em termos das Componentes

Para efeitos de calculo, e desejavel ter uma formula que de o produto interno de dois vetores em
termos das componentes do vetor. O teorema abaixo fornece essa formula:

Teorema 4.1 Sejam ~u = (u1 , u2 , u3 ) e ~v = (v1 , v2 , v3 ) dois vetores n


ao nulos, ent
ao:

~u.~v = u1 .v1 + u2 v2 + u3 v3

(a demonstracao sera feita na aula)



u .

v
Observa
c
ao 4.2 Da Definicao 4.1 segue que, cos = , ou seja,
k u k.k


v k


u .

v
= arccos
k
u k.k
v k

Exemplo 4.4 Considere os vetores u = (2, 1, 1) e v = (1, 1, 2). Encontre u.v e determine o
angulo entre u e v.

Exemplo 4.5 Calcule o


angulo entre os vetores ~u = (1, 1, 4) e ~v = (1, 2, 2).

59
4.3.2 Propriedades do produto escalar

~ = (x3 , y3 , z3 ) de R3 ,
Para quaisquer que sejam os vetores ~u = (x1 , y1 , z1 ), ~v = (x2 , y2 , z2 ), w
temos:

1. ~u.~u > 0 e ~u.~u = 0 somente se ~u = ~0.

2. ~u.~v = ~v .~u

3. ~u.(~v + w)
~ = ~u.~v + ~u.w
~

4. (m~u).~v = m(~u.~v ) = ~u.(m~v )



5. k

v k=

v .

v ou ainda,

v .

v =k

v k2 .

6. k ~u + ~v k2 = k ~u k2 + 2~u.~v + k ~v k2

7. k ~u ~v k2 = k ~u k2 2~u.~v + k ~v k2

8. k ~u k2 k ~v k2 = (~u + ~v ).(~u ~v )

4.3.3 Condi
cao de ortogonalidade de dois vetores

De acordo com a observacao 5.1.3 podemos enunciar a seguinte condicao:


Dois vetores sao ortogonais se, e somente se, o produto interno deles e nulo.
Ou seja,
~u~v ~u.~v = 0

Exemplo 4.6 Verifique se os vetores ~u = (2, 3, 2) e ~v = (1, 2, 4) s


ao orto-
gonais.

angulo de vertices A(2, 3, 1), B(2, 1, 1) e C(2, 2, 2) e um tri


Exemplo 4.7 Prove que o tri angulo
ret
angulo.
(Sugest
ao: A forma mais simples de provar a existencia de um angulo reto e mostrar que o
produto interno de dois vetores que determinam os lados do tri
angulo e nulo.)

60
4.3.4 Estudo da Projec
ao Ortogonal usando Produto Escalar

Sejam os vetores ~u e ~v , com ~u,~v 6= ~0 e, o angulo por eles formado. Pretendemos calcular o
vetor w
~ que representa a projec
ao ortogonal de ~u sobre ~v ou componente vetorial de ~u
ao longo de ~v . Para tanto, utilizaremos a figura abaixo, que ilustra as duas situacoes possveis
podendo ser um angulo agudo ou obtuso.

Do triangulo retangulo, segue que:

|
u .

v| |

u .

v|
k

w k=k

u k .| cos | =k

u k

=

k u kk v k k v k

Como w
~ e ~v tem a mesma direcao, segue-se que:

~ = k~v , k R
w

Entao:
k

w k= |k| k

v k

ou seja,


u .

v
k=

k v k2
Logo, 

u .

v

w
~= ~v
k
v k2
Obtemos assim:
 
~u.~v
proj~v ~u = ~v : componente vetorial de u ao longo de v.
~v .~v
~u.~v
E, u proj~v ~u = u ~v : componente vetorial de u ortogonal a v.
~v .~v

61
Exerccios para fixac
ao

Exerccio 4.1 Determine o vetor proje


cao (componente vetorial) de u = (2, 3, 4) ao
longo de v = (1, 1, 0) e a componente vetorial de u ortogonal a v.

Exerccio 4.2 Sejam u = (2, 1, 3) e v = (4, 1, 2). Encontre o componente vetorial de u ao


longo de v e o componente vetorial de u ortogonal a v.

Exerccio 4.3 Sejam os pontos A(1, 2, 1), B(1, 0, 1) e C(2, 1, 2).


a) Mostre que o tri
angulo ABC e ret
angulo em A;

b) Calcule a medida da projecao do cateto AB sobre a hipotenusa BC;

c)Determine o pe da altura do tri


angulo relativa ao vertice A.

Exerccio 4.4 a) Deduza uma formula para o comprimento do vetor projecao de u ao longo de
v usando produto interno.

b) Deduza uma f
ormula para o comprimento do vetor projecao de u ao longo de v usando o
angulo entre os vetores.

62
4.4 Produto Vetorial
Dados os vetores ~u = (x1 , y1 , z1 ) e ~v = (x2 , y2 , z2 ), tomados nesta ordem, chama-se produto
vetorial dos vetores ~u e ~v , e se representa por ~u ~v , ao vetor:

~u ~v = (y1 z2 z1 y2 )~i (x1 z2 z1 x2 )~j + (x1 y2 y1 x2 )~k


 
a11 a12
Relembrando a definicao de determinante de uma matriz A22 = , dado por
a21 a22

| A |= a11 a22 a21 a12

podemos reescrever cada componente do produto vetorial na forma de um determinante de 2a


ordem:

y1 z 1 x1 z 1 x1 y1
~u ~v = ~i ~ ~
y2 z 2 x2 z 2 j + x2 y2 k

~i ~j ~k



ao: ~u ~v =
Notac x1 y1 z1
x2 y2 z 2

Observa
c
ao 4.3 Esta notacao e utilizada para facilitar a memorizacao da definicao do produto
vetorial e faz alusao ao calculo de determinante de uma matriz 3 3 usando a 1a linha. No
entanto, o produto vetorial n
ao pode ser confundido com um determinante de uma
matriz real pois:

1o ) ~u ~v e um vetor e o determinante e um n
umero real;
2o ) A notacao considerada n
ao indica um determinante, pois a primeira linha contem vetores
ao inves de n
umeros.

Observaao 4.4 O produto vetorial ~u ~v e tambem indicado por ~u ~v e se le ~u vetorial ~v .


c

Exemplo 4.8 Calcule ~u ~v e ~v ~u considerando ~u = (5, 4, 3) e ~v = (1, 0, 1).

63
4.4.1 Propriedades do Produto Vetorial

Segue da definicao do produto vetorial e das propriedades dos determinantes, as seguintes pro-
priedades:

1. ~u ~u = ~0.

2. ~u ~v = ~v ~u

3. ~u (~v + w)
~ = (~u ~v ) + (~u w).
~

4. (m~u) ~v = m(~u ~v ) = ~u (m~v )

5. ~u ~v = ~0 se, e somente se, um dos vetores e nulo ou se ~u e ~v sao colineares.

6. ~u ~v e ortogonal simultaneamente aos vetores ~u e ~v .

7. || ~u ~v ||2 =|| ~u ||2 || ~v ||2 (~u.~v )2 . (Identidade de Lagrange)

Teorema 4.2 Se ~u 6= ~0, ~v 6= ~0 e se e o


angulo dos vetores ~u e ~v , ent
ao:

|| ~u ~v ||=k ~u kk ~v k sen

(a demonstracao sera feita na aula)

64
4.4.2 Interpreta
cao geom
etrica do m
odulo do produto vetorial de dois
Vetores

Geometricamente, || ~u ~v || mede a area do paralelogramo ABCD determinado pelos vetores



~u = AB e ~v = AC.

b
C b
D

v h

A b
u b
B

prova: (faremos na aula)

Exemplo 4.9 Dados os vetores ~u = (1, 2, 1) e ~v = (0, 1, 3), calcular a area do paralelogramo
determinado pelos vetores 3~u e ~v ~u.

Exemplo 4.10 Calcule a angulo de vertices A(1, 2, 1), B(2, 1, 4) e C(1, 3, 3).
area do tri

4.5 Produto Misto

Dados os vetores ~u = (x1 , y1 , z1 ), ~v = (x2 , y2 , z2 ) e w


~ = (x3 , y3 , z3 ), tomados nesta ordem, chama-
se produto misto dos vetores ~u, ~v e w umero real ~u.(~v w).
~ ao n ~
Notacao: (~u, ~v , w).
~
 
y2 z 2 x2 z 2 x2 y2
~ = ~u.(~v w)
(~u, ~v , w) ~ = (x1 , y1 , z1 ). ~i ~ ~
y3 z 3 x3 z 3 j + x3 y3 k =

y2 z 2 x2 z 2 x2 y2
(~u, ~v , w)
~ = x1
y1
+ z1

y3 z 3 x3 z 3 x3 y3

x1 y1 z 1

~ = x2 y2 z2
Outra notacao: (~u, ~v , w)
x3 y3 z 3

~ = (4, 3, 2).
Exemplo 4.11 Calcule o produto misto dos vetores ~u = (2, 3, 5), ~v = (1, 3, 3) e w

65
4.5.1 Propriedades do produto misto

Da definicao do produto misto e das propriedades dos determinantes segue as seguintes proprie-
dades:

1. (~u, ~v , w)
~ = 0 se um dos vetores e nulo, se dois eles sa o colineares, ou se os tres sao coplanares.
0 0 0

~ = x2 y2 z2
a) se ~u = (0, 0, 0) temos: (~u, ~v , w)
x3 y3 z 3

b)Se ~u 6= ~0, ~v 6= ~0, mas ~u e ~v sao colineares: ~u = m~v


mx2 my2 mz2

~ = x2
(~u, ~v , w) y2 z2
x3 y3 z3
~ sao coplanares, lembremos que o vetor ~v w
c) Se ~u, ~v e w ~ e ortogonal a ~v e w.
~ Logo,
~v w
~ e ortogonal a ~u. Portanto,
~ = ~u.(~v w)
(~u, ~v , w) ~ =0
Resumindo, se ~u, ~v e w
~ sao coplanares entao (~u, ~v , w)
~ =0

~v w
~

w
~
~v
b

~u

Esta propriedade e fundamental em varios topicos a serem estudados.

66
De forma analoga dizemos que quatro pontos A,B,C e D pertencem a um mesmo plano se

os vetores AB, ACe AD forem coplanares, isto e, se (AB, AC, AD) = 0.

b
D

b
C
A b

b
B

2. (~u, ~v , w)
~ = (~v , w,
~ ~u) = (w,
~ ~u, ~v )

(Esta propriedade e denominada propriedade cclica: O produto misto independe da


ordem circular dos vetores.)

~u
b

~v b b
w
~

Entretanto, o produto misto muda de sinal quando se trocam as posicoes de dois vetores
consecutivos, isto e:
~ = (~v , ~u, w)
(~u, ~v , w) ~

Observaao 4.5 Resulta da propriedade cclica, que os sinais . e permutam entre si no


c
produto misto de tres vetores:
~u.(~v w)
~ = (~u ~v ).w
~

3. (~u, ~v , w
~ + ~r) = (~u, ~v , w)
~ + (~u, ~v , ~r)

4. (~u, ~v , mw)
~ = (~u, m~v , w)
~ = (m~u, ~v , w)
~ = m(~u, ~v , w)
~

67
4.5.2 Interpreta
cao geom
etrica do m
odulo do produto misto

Geometricamente, o produto misto (~u, ~v , w)


~ e igual, em modulo, ao volume do paraleleppedo de

arestas determinadas pelos vetores AD, AB e AC.

4.6 Exerccios de Fixa


c
ao
Exerccio 4.5 Obtenha o volume do paraleleppedo de lados u, v e w.
a) u = (2, 6, 2), v = (0, 4, 2), w = (2, 2, 4)
b) u = (3, 1, 2), v = (4, 5, 1), w = (1, 2, 4)

Exerccio 4.6 Suponha que u.(v w) = 3.


a)u.(w v) b)(v w).u c)w.(u v) d)v.(u w)

Exerccio 4.7 Encontre um vetor que e ortogonal a u e v, sendo:


a) u = (6, 4, 2), v = (3, 1, 5) b) u = (2, 1, 5), v = (3, 0, 3)

Exerccio 4.8 Determine se u, v e w est


ao num mesmo plano, sendo:
a) u = (1, 2, 1), v = (3, 0, 2), w = (5, 4, 0)
b) u = (5, 2, 1), v = (4, 1, 1), w = (1, 1, 0)
c) u = (4, 8, 1), v = (2, 1, 2), w = (3, 4, 12)

68
Captulo 5

Aplicac
ao de Vetores ao Estudo da Reta
e do Plano

Neste captulo faremos uso da teoria de vetores e produto de vetores para apresentarmos as
equacoes que descrevem analiticamente as retas e os planos. Desta maneira, usaremos expressoes
analticas na resolucao de problemas geometricos como estudo do angulo, distancia, posicoes e
intersecoes.

5.1 Equaco
es da Reta
Geometricamente, para identificarmos uma reta r basta conhecermos um ponto A desta reta
e sua direcao.

Analiticamente, procedemos da mesma forma:


Seja r uma reta que passa pelo ponto A e tem a direcao de um vetor nao nulo ~v .

AP = t.~v P A = t.~v P = A + t.~v

ou seja,

69
Se A(x1 , y1 , z1 ) r e ~v = (a, b, c) e o vetor diretor (que da a direcao) de r, para todo
P (x, y, z) r temos:

(x, y, z) = (x1 , y1 , z1 ) + t.(a, b, c), t R (5.1.1)

A equacao (5.1.1) e denominada equa


cao vetorial da reta r.
A equacao vetorial da reta pode ser reescrita, gerando assim novas equacoes:

x = x1 + a.t
y = y1 + b.t (5.1.2)
z = z1 + c.t

nas quais a, b e c nao sao todos nulos (~v 6= ~0), denominadas equa
c
oes param
etricas da reta
r.
Ou ainda, supondo a.b.c 6= 0, segue que:
x x1 y y1 z z1
t= , t= , t=
a b c
Assim, obtemos:
x x1 y y1 z z1
= = (5.1.3)
a b c
denominadas equa
c
oes sim
etricas da reta r.

Observa
c f
ao 5.1 E acil verificar que a cada valor de t na equacoes vetorial da reta corresponde
um ponto particular P da reta r. Quando t varia de a +, o ponto P descreve a reta r.
O n
umero t e dito par
ametro.

Exemplo 5.1 Determine as equacoes da reta r que passa pelo ponto A(3, 0, 5) e tem a direcao
do vetor ~v = (2, 2, 1).
Pergunta: O ponto P (7, 4, 7) r?

Exemplo 5.2 As equacoes parametricas da reta r, que passa pelo ponto A(3, 1, 2) e e paralela
ao vetor ~v = (3, 2, 1), s
ao:

x = 3 3t
y = 1 2t
z =2+t

70
Observe que, para obter um ponto desta reta, basta atribuir a t um valor particular. Por
exemplo, para t = 3, tem-se:

x = 6
y = 7
z=5

isto e, o ponto (6, 7, 5) e um ponto da reta r.


Pergunta: A(3, 1, 2) e B(0, 3, 4) sao pontos desta reta?

5.2 Reta definida por dois pontos


A reta definida pelos pontos A(x1 , y1 , z1 ) e B(x2 , y2 , z2 ) e a reta que passa pelo ponto A(ou B)

e tem a direcao do vetor ~v = AB = (x2 x1 , y2 y1 , z2 z1 ).

Exemplo 5.3 A reta r, determinada pelos pontos A(1, 2, 3) e B(3, 1, 4), tem a direcao do

vetor ~v = AB = (2, 3, 1) e as equacoes parametricas

x = 1 + 2t
y = 2 + 3t
z = 3 t


representam esta reta r, passando pelo ponto A, com direcao do vetor ~v = AB; analogamente,
as equacoes parametricas


x = 3 + 2t
y = 1 + 3t
z = 4 t


ainda representam a mesma reta r, passando pelo ponto B, com a direcao do vetor ~v = AB.

Observaao 5.2 Se o vetor ~(2, 3, 1) e um vetor diretor desta reta r, qualquer vetor ~v , 6= 0,
c
tambem o e.

Observa
c
ao 5.3 Se a reta e determinada pelos pontos A(x1 , y1 , z1 ) e B(x2 , y2 , z2 ), suas equacoes
simetricas s
ao:

x x1 y y1 z z1
= =
x2 x1 y2 y1 z2 z1

71
pois um vetor diretor e:

~v = AB = (x2 x1 , y2 y1 , z2 z1 ), desde que tenhamos x2 x1 6= 0, y2 y1 6= 0 e z2 z1 6= 0.

Exemplo 5.4 As equacoes simetricas da reta determinada pelos pontos A(2, 1, 3) e B(4, 0, 2)
s
ao:
x2 y1 z+3
= =
42 01 2 + 3
isto e:
x2 y1 z+3
= =
2 1 1

Estas s
ao as equacoes da reta que passa pelo ponto A e tem a direcao do vetor ~v = AB.
As equacoes
x4 y z+2
= =
2 1 1

representam a mesma reta passando pelo ponto B e com a direcao de ~v = AB.

5.3 Condic
ao para que tr
es pontos estejam em linha reta
A condicao para que tres pontos A1 (x1 , y1 , z1 ),A2 (x2 , y2 , z2 ) e A3 (x3 , y3 , z3 ) estejam em linha reta

e que os vetores A1 A2 e A1 A3 sejam colineares, isto e: A1 A2 = mA1 A3 , para algum m R
ou:

x2 x1 y2 y1 z2 z1
= =
x3 x1 y3 y1 z3 z1

Exemplo 5.5 Verique que os pontos A1 (5, 2, 6), A2 (1, 4, 3) e A3 (7, 4, 7) est
ao em linha
reta.

5.4 Equaco
es Reduzidas da Reta
Para as equacoes simetricas da reta
x x1 y y1 z z1
= =
a b c
pode-se dar outra forma, isolando as variaveis y e z e expressando-as em funcao de x.

Assim, comparando dois a dois os termos da igualdade, temos:

72
y y1 x x1 z z1 x x1
= =
b a c a
b c
y y1 = (x x1 ) z z1 = (x x1 )
a a
b b c c
y y1 = x x1 z z 1 = x x1
a a a a
b b c c
y = x x1 + y1 z = x x1 + z 1
a a a a

fazendo fazendo

b c
=m =p
a a

b b c c
y = x x1 + y1 z = x x1 + z 1
a a a a
b c
x1 + y1 = n, x1 + z1 = q,
a a
segue que:


y = mx + n
(5.4.1)
z = px + q

sao as equa
coes reduzidas da reta r.

Exemplo 5.6 Estabeleca as equacoes reduzidas da reta r que passa pelo ponto A(2, 1, 3) e
B(4, 0, 2).

Observa
c
ao 5.4 Nas equacoes reduzidas:

y = mx + n
(5.4.2)
z = px + q,
a vari
avel x figura como vari
avel independente. Se expressarmos as equacoes de forma que a
vari
avel independente seja y ou z, ainda assim as equacoes s
ao chamadas de equacoes reduzidas.
Por exemplo, as equacoes reduzidas da reta do exemplo anterior tambem podem ser expressas
por:

x = 4 2y
z = y 2

73
ou

x = 2z + 8
z = z 2

Observa
c
ao 5.5 Das equacoes

y = mx + n
z = px + q

pode-se obter:
x yn zq
= = (5.4.3)
1 m p
Comparando a equacao acima com as equacoes:
x x1 y y1 z z1
= =
a b c
verifica-se que as equacoes reduzidas representam a reta que passa pelo ponto N (0, n, q) e tem a
direcao do vetor ~v = (1, m, p).

Exemplo 5.7 As equacoes:



y = 2x 3
z = 4x + 5

representam a reta que passa pelo ponto N (0, 3, 5) e tem a direcao do vetor ~v = (1, 2, 4).
Observe que o ponto N e obtido fazendo x = 0 nas equacoes reduzidas. J
a as componentes
do vetor ~v podem s
ao obtidas analisando as equacoes reduzidas como equacoes parametrica (com
par
ametro x) observando quais constantes acompanham x nas equacoes pois, as equacoes

y = 2x 3
z = 4x + 5

s
ao equivalentes `
a

x = 1x
y = 2x 3
z = 4x + 5

74
5.5 Retas Paralelas aos Planos e aos Eixos Coordenados
Nas secoes anteriores apresentamos as possveis equacoes de uma reta, considerando um ponto
A(x1 , y1 , z1 ) r e o vetor diretor ~v = (a, b, c), cujas componentes sao diferentes de zero. Entre-
tanto uma ou duas destas componentes podem ser nulas. Assim, temos dois casos:

1o ) Uma s
o das componentes de ~v
e nula

Neste caso, o vetor ~v e ortogonal a um dos eixos coordenados e, portanto, a reta r e paralela
ao plano dos outros eixos.
a) Se a = 0, ~v = (0, b, c) Ox r // yOz (r pertence a um plano paralelo a yOz).
x = x ,
1

r : y y1 z z1
=
b c

b) Se b = 0, ~v = (a, 0, c) Oy r // xOz (r pertence a um plano paralelo a xOz).


y = y ,
1

r : x x1 z z1
=
a c

c) Se c = 0, ~v = (a, b, 0) Oz r // xOy (r pertence a um plano paralelo a xOy).


z = z ,
1

r : x x1 y y1
=
a b

75
2o ) Duas das componentes de ~v s
ao nulas

Neste caso o vetor ~v tem a direcao dos vetores ~i = (1, 0, 0) ou ~j = (0, 1, 0) ou ~k = (0, 0, 1) e ,
portanto a reta r e paralela ao eixo que tem a direcao de ~i ou de ~j ou de ~k.
Assim:
a) Se a = b = 0, ~v = (0, 0, c)//~k r//Oz.
(x = x
1
r: y = y1
z = z1 + c.t
Costuma-se dizer, simplesmente, que as equacoes da reta r sao:
nx = x
1
r : y = y , subentendendo-se z variavel.
1

b) Se a = c = 0,~v = (0, b, 0)//~j r//Oy.


(x = x
1 nx = x
1
r : y = y1 + b.t ou, simplesmente, r : z = z
1
z = z1
subentendendo-se y variavel.

c) Se b = c = 0, ~v = (a, 0, 0)//~i r//Ox.


( x = x + a.t
1 ny = y
1
r : y = y1 ou, simplesmente, r : z = z
1
z = z1
subentendendo-se x variavel.

Observa
c
ao 5.6 Os eixos 0x, Oy e Oz s
ao retas particulares.
O eixo Ox e uma reta que passa pela origem O(0, 0, 0) e tem a direcao do vetor ~i = (1, 0, 0).
Logo, suas equacoes s
ao:
y=0
n
z=0
De forma analoga, as equacoes do eixo Oy s
ao:

n
x=0 x=0
e as equacoes do eixo Oz s
ao:
z=0 y=0

76
5.6
Angulo de Duas Retas
Sejam as retas r1 , que passa pelo ponto A1 (x1 , y1 , z1 ) e tem a direcao de um vetor v~1 = (a1 , b1 , c1 )
e r2 , que passa pelo ponto A2 (x2 , y2 , z2 ) e tem a direcao de um vetor v~2 = (a2 , b2 , c2 ). Chama-se

angulo de duas retas r1 e r2 o menor angulo de um vetor diretor de r1 e de um vetor diretor


de r2 . Logo, sendo este angulo, tem-se

|v~1 .v~2 |
cos = , com 0 (5.6.1)
|v~1 |.|v~2 | 2

Reescrevendo a equacao 5.6.1 em coordenadas, temos:


|a1 a2 + b1 b2 + c1 c2 |
cos = p p (5.6.2)
a1 2 + b 1 2 + c 1 2 a2 2 + b 2 2 + c 2 2

x=3+t,
(
x+2 y3 z
Exerccio 5.1 Calcular o
angulo entre as retas r1 = y=t, e r2 = = =
2 1 1
z=-1-2t

5.7 Condic
ao de Paralelismo de Duas Retas
A condicao de paralelismo das retas r1 e r2 e a mesma dos vetores v~1 = (a1 , b1 , c1 ) e
v~2 = (a2 , b2 , c2 ), que definem as direcoes dessas retas, isto e:

r1 //r2 v~1 = mv~2

77
ou seja,
a1 b1 c1
= =
a2 b2 c2

Exemplo 5.8 Verifique que a reta r1 , que passa pelos pontos A1 (3, 4, 2) e B1 (5, 2, 4), e a
reta r2 , que passa pelos pontos A2 (1, 2, 3) e B2 (5, 5, 4), s
ao paralelas.

Observa
c
ao 5.7 Se as retas r1 e r2 forem expressas, respectivamente pelas equacoes reduzidas:
(y = m x + n , (y = m x + n ,
1 1 2 2
r1 = e r2 =
z = p 1 x + q1 z = p 2 x + q2 ,
cujas direcoes s
ao dadas, respectivamentes pelos vetores:
v1 = (1, m1 , p1 ) e v2 = (1, m2 , p2 ), a condicao de paralelismo permite escrever:
1 m1 p1
= = m1 = m2 , p1 = p2
1 m2 p2
 
y=2x-3, y=2x+1,
Por exemplo, as retas r1 = e r2 =
z=-4x+5 z=-4x,
s
ao paralelas.

5.8 Condic
ao de Ortogonalidade de Duas Retas
A condicao de ortogonalidade das retas r1 e r2 e a mesma dos vetores v~1 = (a1 , b1 , c1 ) e v~2 =
(a2 , b2 , c2 ) que definem as direcoes dessas retas, isto e:

v~1 .v~2 = 0

ou:
a1 a2 + b1 .b2 + c1 .c2 = 0

Exemplo 5.9 As retas



y = 3,

x y+1 z3
r1 : x 3 z+1 e r2 : = = s
ao ortogonais.

= 3 5 4
8 6

78
5.9 Condic
ao de Coplanaridade de Duas Retas

A reta r1 , que passa por um ponto A1 (x1 , y1 , z1 ) e tem a direcao de um vetor v~1 = (a1 , b1 , c1 ),
e a reta r2 , que passa pelo ponto A2 (x2 , y2 , z2 ) e tem a direcao de um vetor v~2 = (a2 , b2 , c2 ),

sao coplanares se os vetores v~1 , v~2 e A1 A2 forem coplanares, isto e, se for nulo o produto misto

(v~1 , v~2 , A1 A2 ).

a1 b1 c1

r1 , r2 (v~1 , v~2 , A1 A2 ) = a2 b2 c2 =0

x2 x1 y2 y1 z 2 z 1

x2 y z5 x+5 y+3 z6
Exemplo 5.10 Mostre que as retas r1 : = = e r2 : = = s
ao
2 3 4 1 1 3
coplanares.

5.10 Posic
ao Relativa de Duas Retas
Duas retas r1 e r2 , no espaco, podem ser:
I) paralelas: r1 //r2
Para tanto, basta verificarmos que os vetores diretores sao paralelos, ou seja: v~1 //v~2 .
O caso de serem r1 e r2 coincidentes pode ser considerado como um caso particular de
paralelismo, que e verificado quando:
v~1 //v~2 e, A r1 A r2 .

79
II) concorrentes: r1 r2 = {I} (I e o ponto de intersecao das duas retas);

ao tendo v~1 //v~2 temos, r1 , r2 ou seja,


Neste caso, basta verificarmos que mesmo n

(v~1 , v~2 , A1 A2 ) = 0.
III) reversas: nao situadas num mesmo plano. Nesse caso r1 r2 = .


Para tanto, basta verificarmos que (~u, ~v , P1 P2 ) 6= 0.


 x = 1 3t
y = 2x 3
Exemplo 5.11 Estudar a posicao relativas das retas r1 : e r2 : y = 6 6t
z = x
z = 3t

80

x y1 x = 2 4t
Exemplo 5.12 Estudar a posicao relativas das retas r1 : = = z e r2 : y = 2t
2 1
z = 1 2t


x2 y z5 x =5+t
Exemplo 5.13 Estudar a posicao relativas das retas r1 : = = e r2 : y =2t
2 3 4
z = 7 2t


y =3
Exemplo 5.14 Estudar a posicao relativas das retas r1 : e r2 : x = y = z
z = 2x

5.11 Interse
c
ao de Duas Retas
Duas retas r1 e r2 coplanares e nao paralelas sao concorrentes. Consideremos as retas

 x = t
y = 3x + 2
r1 : e r2 : y = 1 + 2t
z = 3x 1
z = 2t

Temos que r1 e r2 sao concorrentes. Se I(x, y, z) e o ponto de intersecao dessas retas, suas
coordenadas satisfazem o sistema formado pelas equacoes de r1 e r2 , isto e, I(x, y, z) e solucao
do sistema:


y = 3x + 2
z = 3x 1


x = t
y = 1 + 2t




z = 2t

Eliminando t nas u
ltimas tres equacoes, temos o seguinte sistema equivalente

81


y = 3x + 2
z = 3x 1


y = 1 2x
z = 2x


x =1
Resolvendo o sistema temos: y = 1 . Isto e, I(1, -1, 2).
z =2

5.12 Dist
ancia de Um Ponto a Uma Reta
Seja r uma reta definida por um ponto P1 (x1 , y1 , z1 ) e pelo vetor diretor ~v = (a, b, c) e seja

P0 (x0 , y0 , z0 ) um ponto qualquer do espaco. Os vetores ~v e P1 P0 determinam um paralelogramo
cuja altura corresponde distancia d de P0 a r.

Assim,


|~v P1 P0 |
A = |~v | . d = |~v P1 P0 | = d =
|~v |

x y2 z+3
Exemplo 5.15 Calcular a dist
ancia do ponto P (2, 0, 7) `
a reta r : = = .
2 2 1

82
5.13 Dist
ancia Entre Duas Retas

1. Se r e s sao retas concorrentes, a distancia d entre r e s e nula,

2. Se r e s sao retas paralelas, a distancia d entre r e s, e a distancia de um ponto qualquer


P0 de uma de uma delas `a outra, isto e:

d(r, s) = d(P0 , s), P0 r

ou
d(r, s) = d(P0 , r), P0 s

Assim, a distancia entre duas retas paralelas se reduz ao calculo da distancia de um ponto
`a uma reta.

3. Se r e s sao retas reversas com vetores diretores ~u e ~v respectivamente com, P1 r1



e P2 r2 , temos que os vetores ~u, ~v e P1 P2 = (x2 x1 , y2 y1 , z2 z1 ) determinam um
paraleleppedo, cuja base e definida pelos vetores ~u e ~v e a altura corresponde `a distancia
d entre as retas r e s, pois a reta s e paralela ao plano da base do paraleleppedo, uma vez
que sua direcao e a do vetor ~v .

Assim,

|(~u, ~v , P1 P2 )|
V = |~u ~v |. d = |(~u, ~v , P1 P2 )| = d =
|~u ~v |

83

 x = 1 2t
y = 2x + 3
Exemplo 5.16 Calcular a dist
ancia entre as retas e y = 1 + 4t
z = 2x
z = 3 4t


y =1 x =3
(
Exemplo 5.17 Calcular a dist
ancia entre as retas r : z4 e s: y = 2t 1
x+2 =
2 z = t + 3

5.14 O Estudo do Plano


Como apresentamos um tratamento geometrico e algebrico para as retas, apresentaremos a seguir
as possveis equacoes que descrevem um plano e auxiliam na resolucao de problemas geometricos,
como calculo de distancia, angulo e intersecoes.
Seja A(x1 , y1 , z1 ) um ponto pertencente a um plano e ~n = a~i + b~j + c~k, ~n 6= (0, 0, 0) um
vetor normal (ortogonal) ao plano. O plano pode ser definido como sendo o conjunto de todos

os pontos P (x, y, z) do espaco tais que o vetor AP e ortogonal a ~n. Logo, o ponto P pertence a
se, e somente se:

~n.AP = 0. (5.14.1)

~ = (x x1 , y y1 , z z1 ), temos:
Tendo em vista que: ~n = (a, b, c) e AP

(a, b, c).(x x1 , y y1 , z1 ) = 0

84
ou seja,
ax + by + cz ax1 by1 cz1 = 0

Fazendo:
ax1 by1 cz1 = d, segue que:

ax + by + cz + d = 0 (5.14.2)

Esta e a equacao geral ou cartesiana do plano .

Observa
c importante observar que os tres coeficientes a, b,e c da equacao geral
ao 5.8 E
ax + by + cz + d = 0 representam as componentes de um vetor normal ao plano. Por exemplo, se
um plano e dado por: : 3x + 2y 4z + 5 = 0, um de seus vetores normais e: ~n = (3, 2, 4).
Este mesmo vetor ~n e tambem normal a qualquer plano paralelo a .
Assim, todos os infinitos planos paralelos a tem equacao geral do tipo: : 3x+2y 4z +d =
0,na qual d e o elemento que diferencia um plano de outro. O valor de d est
a identificado quando
se conhece um ponto do plano.

Exemplo 5.18 Determinar a equacao geral do plano que passa pelo ponto A(2, 1, 3), sendo
~n = (3, 2, 4) um vetor normal a .

Exemplo 5.19 Escrever a equacao cartesiana do plano que passa pelo ponto A(3, 1, 4) e e
paralelo ao plano:
1 : 2x 3y + z 6 = 0

Exemplo 5.20 Determinar a equacao geral do plano que passa pelo ponto A(2, 1, 2) e e per-
pendicular a` reta
x = 4 + 3t
(
r = y = 1 + 2t,
z=t

85
5.15 Determina
c
ao de um Plano
Vimos que um plano e determinado por um dos seus pontos e por um vetor normal a ele. Existem
outras formas de determinacao de um plano nas quais estes dois elementos (ponto e vetor normal)
ficam bem evidentes. Algumas destas formas serao apresentadas a seguir.

1. A e v~1 e v~2 sao vetores nao colineares paralelos a .


2. A, B e ~v e paralelo a e nao colinear a AB.

86
3. A, B e C e nao estao em linha reta.

4. contem duas retas r1 e r2 concorrentes.

5. contem duas retas r1 e r2 paralelas.

87
6. contem uma reta r e um ponto B
/ r.

Exemplo 5.21 Determine a equacao geral do plano que passa pelo ponto A(1, 3, 4) e e paralelo
aos vetores v~1 = (3, 1, 2) e v~2 = (1, 1, 1).

Exemplo 5.22 Estabeleca a equacao geral do plano determinado pelos pontos A(2, 1, 1), B(0, 1, 1)
e C(1, 2, 1).

Exemplo 5.23 Estabeleca a equacao cartesiano do plano que contem a reta


x=4
r= e o ponto B(3, 2, 1).
y=3

88
Observa
c
ao 5.9 Em todos os problemas de determinacao da equacao geral do plano um vetor
normal ~n foi obtido atraves do produto vetorial de dois vetores-base desse plano. Vamos mostrar,
retomando ao primeiro exemplo dado, um outro modo de se obter a equacao geral do plano.
Nesse problema, o plano passa pelo ponto A(1, 3, 4) e e paralelo aos vetores v~1 = (3, 1, 2) e
~ , v~1 e v~2 s
v~2 = (1, 1, 1). Ora, se P (x, y, z) e um ponto qualquer do plano, os vetores AP ao
~ , v~1 , v~2 ) = 0
coplanares e, portanto, o produto misto deles e nulo, isto e: (AP
Assim, obtemos a equacao geral do plano desenvolvendo o determinante:

x1 y+3 z4

3
1 2 = 0 = : x + 5y + 4z 2 = 0

1 1 1

Exemplo 5.24 Determine a equacao geral do plano que contem as retas


x = 1 + 2t
(
y = 2x + 1
n
r1 = e r2 = y = 4t
z = 3x 2
z = 3 6t

5.16 Equaco
es Param
etricas do Plano
Seja um plano paralelo aos vetores ~v1 e ~v2 nao colineares e A(x0 , y0 , z0 ) um ponto de . Um
ponto P (x, y, z) pertence ao plano se, e somente se, existem n
umeros reais h e t tais que

AP = h.~u + t.~v .

89

Escrevendo a equacao AP = h.~u + t.~v . em coordenadas, obtemos

(x x0 , y y0 , z z0 ) = h(a1 , b1 , c1 ) + t(a2 , b2 , c2 ).

Isto e,

x = x 0 + a1 h + a2 t
y = y0 + b1 h + b2 t
z = z0 + c1 h + c2 t

Estas sao as equa


c
oes param
etricas do plano.
Quando h e t, chamados parametros, variam de a +, o ponto P percorre o plano .

Exemplo 5.25 As equacoes parametricas do plano que passa A(2, 1, 3) e e paralelo aos vetores
~u = (3, 3, 1) e ~v = (2, 1, 2) s
ao:

Exemplo 5.26 Determinar as equacoes parametricas do plano determinado pelos pontos


A(5, 7, 2), B(8, 2, 3) e C(1, 2, 4).

5.17
Angulo de Dois Planos
Sejam os planos
1 : a1 x+b1 y+c1 z+d1 = 0 e 2 : a2 x+b2 y+c2 z+d2 = 0, com vetores normais: ~n1 = (a1 , b1 , c1 )
e ~n2 = (a2 , b2 , c2 ), respectivamente.
Chama-se
angulo de dois planos 1 e 2 o menor angulo que o vetor normal de 1 forma
com o vetor normal de 2 . Logo, sendo este angulo, tem-se:

90
|n~1 .n~2 |
cos = , com 0 (5.17.1)
||n~1 ||.||n~2 || 2
ou, em coordenadas:

|a1 a2 + b1 b2 + c1 c2 |
cos = p p (5.17.2)
a1 2 + b 1 2 + c 1 2 a2 2 + b 2 2 + c 2 2

Observa
c
ao 5.10
a1 b1 c1
1. 1 //2 , se ~n1 //~n2 . Isto e = = .
a2 b2 c2
a1 b1 c1 d1
Se alem dessas igualdades tivermos = = = os planos s
ao coincidentes.
a2 b2 c2 d2
2. 1 2 , se ~n1 ~n2 . Isto e, se a1 a2 + b1 b2 + c1 c2 = 0.

Exemplo 5.27 Determinar o


angulo entre os planos
1 : 2x 3y + 5z 8 = 0 e 2 : 3x + 2y + 5z 4 = 0.

5.18
Angulo de uma reta com um Plano
Seja r uma reta com a direcao do vetor ~v e um plano com vetor nomal ~n. O angulo da reta r
com o plano e o complemento do angulo que a reta r forma com uma reta normal ao plano.

Como + = e, portanto, cos = sen temos:
2

|~v .~n|
sen = , com 0 (5.18.3)
||~v ||.||~n|| 2

Exemplo 5.28 Determinar o


angulo entre a reta

x = 1 2t
r: y = t e plano : x + y 5 = 0
z = 3+t

91
5.19 Interse
c
ao de Dois Planos
Consideremos os planos nao paralelos
1 : 5x 2y + z + 7 = 0 e

2 : 3x 3y + z + 4 = 0.

Sabemos que a intersecao de dois planos nao paralelos e uma reta r cujas equacoes se de-
seja determinar. Uma reta esta determinada quando se conhece dois de seus pontos ou um
ponto e seu vetor diretor. Um ponto pertence `a reta intersecao se suas coordenadas satisfazem
simultaneamente as equacoes dos dois planos, isto e, ele e uma solucao do sistema:


5x 2y + z + 7 = 0
3x 3y + z + 4 = 0
O sistema e indeterminado e, em termos de x sua solucao e:


y = 2x 3
z = 9x 13
Estas sao as equacoes reduzidas da reta intersecao dos planos 1 e 2 , sendo os pontos dessa
intersecao da forma:

(x, y, z) = (x, 2x 3, 9x 13)

5.20 Dist
ancia de um Ponto a um Plano
Seja um ponto P0 (x0 , y0 , z0 ) e um plano : ax + by + cz + d = 0. Seja A o pe da perpendicular
conduzida por P0 sobre o plano e P (x, y, z) um ponto qualquer desse plano.

92

O vetor ~n = (a, b, c) e normal ao plano e, por conseguinte, o vetor AP0 tem a mesma direcao
de ~n.
A distancia d do ponto P0 ao plano e:


d(P0 , ) = ||AP0 ||

Observando que o vetor AP0 e a projecao do vetor P P0 na direcao de ~n, temos:


~n
d(P0 , ) = ||AP0 || = P P0 .

||~n||

Mas, P P0 = (x0 x, y0 y, z0 z)
e

~n (a, b, c)
= .
||~n|| a2 + b 2 + c 2
Logo,


(a, b, c)
d(P0 , ) = (x0 x, y0 y, z0 z).
a2 + b2 + c2

|a(x0 x) + b(y0 y) + c(z0 z)|


d(P0 , ) =
a2 + b 2 + c 2

|ax0 ax + by0 by + cz0 cz|


d(P0 , ) =
a2 + b 2 + c 2
Em virtude de P temos:
d = ax by cz
portanto,

|ax0 + by0 + cz0 + d|


d(P0 , ) =
a2 + b 2 + c 2

Exemplo 5.29 Determinar a dist


ancia do ponto P0 (4, 2, 5) ao plano : 2x + y + 2z + 8 = 0

93
5.21 Dist
ancia entre dois planos
A distancia entre dois planos e definida somente para planos paralelos:
Para 1 //2 , temos:
d(1 , 2 ) = d(P0 , 2 ), P0 1 .

Exemplo 5.30 Dados os planos paralelos 1 : 2x 2y + z 5 = 0 e 2 : 4x 4y + 2z + 14 = 0


verifique que d(1 , 2 ) = 4.

5.22 Dist
ancia de uma Reta a um Plano
A distancia de uma reta a um plano e definida somente quando a reta e paralela ao plano, ou
seja, o vetor diretor de r e paralelo ao plano . Neste caso, temos:

d(r, ) = d(P0 , ), P0 r.

x=3
Exemplo 5.31 Estude a dist
ancia da reta r : ao planos xOz e yOz.
y=4

94
Captulo 6

C
onicas e Qu
adricas

Neste Captulo faremos um estudo geometrico e analtico(algebrico) de curvas bidimensionais



especiais: as CONICAS
e, as superfcies tridimensionais classificadas como QUADRICAS.

6.1 Definic
ao geom
etrica das C
onicas
Defini
c
ao 6.1 As c
onicas s
ao curvas planas obtidas pela interseccao de um cone circular duplo
com um u
nico plano.

Figura 6.1: cone duplo

A inclinacao do plano com relacao ao eixo de simetria do cone determinara os diversos tipos
de curvas. Essas curvas sao chamadas de conicas. Sao elas: circunferencia, elipse, parabola e
hiperbole.

95
Figura 6.2:

Observa
c
ao 6.1 Se o plano passar pelo vertice O do cone obtemos as c
onicas degeneradas:
Estudaremos somente as conicas n
ao-degeneradas.

Figura 6.3: conicas degeneradas

6.2 Definic
ao analtica das C
onicas
Defini
c onica em R2 e um conjunto de pontos cujas coordenadas satisfazem a
ao 6.2 Uma c
equacao:

C(x, y) = ax2 + 2cxy + by 2 + dx + ey + f = 0

onde a ou b ou c 6= 0.

Veremos neste curso que:

96
Se c = d = e = 0 entao a conica esta centrada na origem e possui uma posi
c
ao padr
ao
n
ao rotacionada;
Se c = 0 e d 6= ou e 6= entao a conica esta transladada (nao centrada na origem) mas,
possui uma posi
c
ao padr
ao n
ao rotacionada;
Se c 6= 0 e d = e = 0 entao a conica esta centrada na origem e rotacionada;
Se c, d , e 6= 0 entao a conica esta transladada (nao centrada na origem) e rotacionada.

6.3 Definic
ao geom
etrica das Superfcies Qu
adricas
Defini
c
ao 6.3 As Superfcies Quadricas s
ao superfcies tridimensionais cuja intersecao com os
planos paralelos aos planos coordenados e dada por uma conica. Cada conica obtida por esta
intersecao e chamada de curva de nvel.

97
6.4 Definic
ao analtica das Superfcies Qu
adricas
Defini
c adrica em R3 e um conjunto de pontos cujas coordenadas
ao 6.4 Uma Superfcie Qu
satisfazem a equacao:

ax2 + by2 + cz2 + 2dxy + 2eyz + 2fxz + gx + hy + iz + j = 0

com pelo menos uma das constantes a, b, c, d, e ou f diferente de zero.

Estudaremos as quadricas, na posicao padrao cuja representacao e dada por uma equacao da
forma

ax2 + by2 + cz2 + gx + hy + iz + j = 0.

6.5 A elipse
Defini
c
ao 6.5 Uma elipse e o conjunto dos pontos P (x, y) do plano tais que a soma das
dist
ancia de P a dois pontos fixos F1 e F2 situados no mesmo plano e constante. Os pontos
F1 e F2 , s
ao chamados focos da elipse.

Figura 6.4: elipse

Seja d(F1 , F2 ) = 2c (distancia focal) e seja a um n


umero real tal que 2a > 2c. O conjunto de
todos os pontos P do plano que satisfazem a equacao

d(P, F1 ) + d(P, F2 ) = 2a

ou

k P F1 k + k P F2 k = 2a (6.5.1)

e uma elipse com focos F1 e F2 .

98
Observa
c
ao 6.2 Se a = c, (6.5.1) e a equacao do segmento F1 F2 .

6.5.1 Elementos da elipse

Focos: sao os pontos F1 e F2 .

Dist
ancia focal: e a distancia 2c entre os focos.

Centro: e o ponto medio C do segmento F1 F2 .

Eixo maior: e o segmento A1 A2 de comprimento 2a.

Eixo menor: e o segmento B1 B2 de comprimento 2b.

V
ertices: sao os pontos A1 , A2 , B1 e B2 .
c
Excentricidade: e o n
umero e dado por e = . Como c < a, temos 0 e < 1.
a

Figura 6.5:

Observaao 6.3 Em toda elipse vale a relacao: a2 = b2 + c2


c

Figura 6.6:

99
6.5.2 Express
ao analtica da elipse centrada na origem

Consideremos a elipse com focos F1 (c, 0) e F2 (c, 0).

Figura 6.7:


Logo, F1 P = P F1 = (x + c, y) e F2 P = P F2 = (x c, y). Portanto, a equacao

k F1 P k + k F2 P k= 2a

pode ser escrita como:

p p
(x + c)2 + y 2 + (x c)2 + y 2 = 2a
p p
(x + c)2 + y 2 = 2a (x c)2 + y 2
p p
( (x + c)2 + y 2 )2 = (2a (x c)2 + y 2 )2
p
(x + c)2 + y 2 = 4a2 4a (x c)2 + y 2 + (x c)2 + y 2
p
x2 + 2xc + c2 + y 2 = 4a2 4a (x c)2 + y 2 + x2 2xc + c2 + y 2
p p
4a (x c)2 + y 2 = 4a2 4xc a (x c)2 + y 2 = a2 xc
p
(a (x c)2 + y 2 )2 = (a2 xc)2 a2 ((x c)2 + y 2 ) = a4 2a2 xc + x2 c2
a2 (x2 2xc + c2 + y 2 ) = a4 2a2 xc + x2 c2 a2 x2 a2 2xc + a2 c2 + a2 y 2 = a4 2a2 xc + x2 c2
a2 x 2 + a2 c 2 + a2 y 2 = a4 + x 2 c 2 a2 x 2 x 2 c 2 + a2 y 2 = a4 a2 c 2
x2 (a2 c2 ) + a2 y 2 = a2 (a2 c2 ) x 2 b 2 + a2 y 2 = a2 b 2 (pois a2 = b2 + c2 )

Dividindo ambos os membros por a2 b2 (a e b sao nao-nulos) temos

x2 y 2
+ 2 = 1 (6.5.2)
a2 b
que e a equa
cao da elipse com centro na origem e eixo maior sobre o eixo x.

100
Analogamente, se tomarmos F1 (0, c) e F2 (0, c), obtemos a equacao
x2 y 2
+ 2 = 1 (6.5.3)
b2 a
que e a equa
cao da elipse com centro na origem e eixo maior sobre o eixo y.

Exemplo 6.1 Determine os elementos de cada uma das elipses a seguir:


x2 y 2 x2 y 2
a) + =1 b) + =1
9 4 4 9
c) 9x2 + 25y 2 = 225 d) 4x2 + y 2 = 16

6.5.3 Elipses transladadas

Consideremos no plano cartesiano xOy um ponto O (h, k). Vamos introduzir um novo sistema
x O y tal que os eixos O x e O y tenham a mesma unidade de medida, a mesma direcao e o
mesmo sentido dos eixos Ox e Oy. Assim, um sistema pode ser obtido do outro atraves de uma
translacao de eixos.

Figura 6.8:

Seja um ponto P qualquer do plano tal que suas coordenadas sao:


x e y em relacao ao sistema xOy,
x e y em relacao ao sistema x O y ,
Pela figura (6.8) temos:
x = x + h e y = y + k ou x = x h e y = y k
que sao as f
ormulas de translacao e que permitem transformar coordenadas de um sistema
para outro.

101
Defini
c
ao 6.6 Express
ao analtica da elipse com centro fora da origem do sistema cartesiano

10 caso: O eixo maior e paralelo ao eixo dos x.


Consideremos uma elipse de centro C(h, k) e seja P (x, y) um ponto qualquer da elipse.

Figura 6.9:

Consideremos um novo sistema de eixos x O y com origem em O em C. Veja figura (6.9)


A equacao da elipse referente ao sistema x O y e

x2 y 2
+ 2 =1
a2 b
mas,
x = x h e y = y k
logo,

(x h)2 (y k)2
+ = 1,
a2 b2
que e a equa
c
ao da elipse com centro C(h, k) e eixo maior paralelo ao eixo dos x.

20 caso: O eixo maior e paralelo ao eixo dos y


De modo analogo ao caso anterior, obtemos:

(x h)2 (y k)2
+ = 1,
b2 a2
que e a equa
c
ao da elipse com centro C(h, k) e eixo maior paralelo ao eixo dos y.

102
Figura 6.10:

Exemplo 6.2 Determinar a equacao da elipse, cujo eixo maior e paralelo ao eixo dos y, tem
1
centro C(4, -2), excentricidade e = e eixo menor de medida 6.
2

Exemplo 6.3 Determinar o centro, os vertices, os focos e a excentricidade da de equacao


4x2 + 9y 2 8x 36y + 4 = 0.

Observa
c
ao 6.4 Na equacao da elipse, sendo a = b temos:

(xk)2 (yl)2
a2
+ a2
= 1 ou ainda,

(x k)2 + (y l)2 = a2 ,

que e a equacao da circunferencia de centro (k, l) e raio r = a.

Exemplo 6.4 Determinar o centro e o raio das circunferencias:


a) x2 + y 2 = 9
b) x2 + y 2 + 6x 8y = 0

103
6.6 O Elips
oide
Consideremos uma superfcie tal que, os planos xy, xz e yz a interceptam segundo as elipses

x2 y 2 x2 z 2 y2 z2
+ 2 = 1, + 2 =1 e + 2 =1
a2 b a2 c b2 c
respectivamente.
Essa superfcie e dita um elips
oide descrito pela equacao:

x2 y 2 z 2
+ 2 + 2 = 1,
a2 b c
onde a, b e c sao n
umeros reais positivos.

Observa
c
ao 6.5 Se a = b = c, o elipsoide e uma esfera.

Observa
c
ao 6.6 O plano z = k, se | k |< c intercepta a superfcie segundo uma elipse e os
planos x = k, se | k |< a e y = k, se | k |< b tambem interceptam a superfcie segundo elipses .

9z 2
Exemplo 6.5 Identifique e esboce o grafico da superfcie dada pela equacao 9x2 + y 2 + = 9.
4

104
6.7 A Hip
erbole
Uma hip
erbole com focos F1 e F2 e o conjunto dos pontos P (x, y) do plano tais que

|d(F1 , P ) d(F2 , P )| e constante.

Figura 6.11: hiperbole

Sejam F1 e F2 dois pontos do plano tais que d(F1 , F2 ) = 2c e seja a um n


umero real tal que
2a < 2c. O conjunto de todos os pontos P do plano que satisfazem a equacao

|d(P, F1 ) d(P, F2 )| = 2a

ou

| k P F1 k k P F2 k | = 2a (6.7.1)

e uma hiperbole com focos F1 e F2 .


Observaao 6.7 Se a = c a equacao | k P F1 k k P F2 k | = 2c descreve os pontos P, situados
c
sobre a reta que passa pelos pontos F1 e F2 n
ao interiores ao segmento F1 F2 .

Consideremos a reta que passa por F1 e F2 e sejam A1 e A2 os pontos de intersecao da


hiperbole com esta reta. Consideremos outra reta perpendicular a esta passando pelo ponto
medio C do segmento F1 F2 . A hiperbole e simetrica em relacao a essas duas retas, como tambem
em relacao ao ponto C. Consideremos ainda uma circunferencia de raio c e centro C. Tracemos
por A1 e A2 cordas perpendiculares ao diametro F1 F2 . As quatro extremidades dessas cordas sao
os vertices do retangulo M N P Q inscrito nessa circunferencia. As retas que contem as diagonais
do referido retangulo chamam-se assntotas da hip
erbole. Observemos que em toda hiperbole
vale a relacao: c2 = a2 + b2 . Veja figura (6.12).

105
Figura 6.12:

As assntotas sao retas das quais a hiperbole se aproxima cada vez mais `a medida que os
pontos se afastam dos focos.

6.7.1 Elementos da Hip


erbole

Focos: sao os pontos F1 e F2 .

Dist
ancia focal: e a distancia 2c entre os focos.

Centro: e o ponto medio C do segmento F1 F2 .

V
ertices: sao os pontos A1 e A2 .

Eixo real: e o segmento A1 A2 de comprimento 2a.

Eixo imagin
ario: e o segmento B1 B2 de comprimento 2b.
c
Excentricidade: e o n
umero e dado por e = . Como c > a, temos e > 1.
a

106
6.7.2 Express
ao analtica da hip
erbole centrada na origem

1 caso: O eixo real est


a sobre o eixo dos x
Sja P (x, y) um ponto qualquer da hiperbole de focos F1 (c, 0) e F2 (c, 0).

Figura 6.13:

Da definicao temos

|d(P, F1 ) d(P, F2 )| = 2a
p p
| (x + c)2 + y 2 (x c)2 + y 2 | = 2a
p p
(x + c)2 + y 2 (x c)2 + y 2 = 2a
p p
(x + c)2 + y 2 = 2a + (x c)2 + y 2

Com procedimento analogo ao que foi usado na deducao da equacao da elipse e usando a
relacao c2 = a2 + b2 obtemos:

x2 y 2
2 = 1 (6.7.2)
a2 b
que e a equa
cao da hip
erbole com centro na origem e eixo real sobre o eixo x.

2 caso: O eixo real est


a sobre o eixo dos y
Analogamente, se tomarmos F1 (0, c) e F2 (0, c), obtemos a equacao

y 2 x2
2 = 1 (6.7.3)
a2 b
que e a equa
cao da hip
erbole com centro na origem e eixo real sobre o eixo y.(Veja
figura 6.14)

107
Figura 6.14:

Exemplo 6.6 Esboce as hiperboles a seguir e determine:


a) a medida dos semi-eixos;
b) os vertices;
c) os focos;
d) a excentricidade;
e) as equacoes das assntotas.

x2 y 2 x2 y 2 y 2 x2 y 2 x2
I) =1 II) =1 III) =1 IV ) =1
9 4 4 9 4 9 9 4

108
6.7.3 Hip
erboles transladadas

10 caso: O eixo real e paralelo ao eixo dos x.


Consideremos uma hiperbole de centro C(h, k) e seja P (x, y) um ponto qualquer dessa
hiperbole.

Analogamente como no estudo da elipse temos que

x2 y 2
2 =1
a2 b
e a equacao de uma hiperbole com centro C(0, 0) e eixo real sobre o eixo dos x; quando o eixo
real for paralelo ao eixo dos x e o centro e C(h, k), sua equacao passa a ser:

(x h)2 (y k)2
=1
a2 b2

20 caso: O eixo real e paralelo ao eixo dos y


Neste caso, a equacao e:

(y k)2 (x h)2
=1
a2 b2

109
(y 1)2 (x 3)2
Exemplo 6.7 Esboce o grafico da hiperbole = 1 e determine:
9 4
a) o centro;
b) os vertices;
c) os focos;
d) a excentricidade;
e) as equacoes das assntotas.

6.8 O Hiperbol
oide de um folha

Consideremos a superfcie tal que, o plano xy a intercepta segundo a elipse

x2 y 2
+ 2 = 1, z = 0
a2 b
e os planos xz e yz a interceptam segundo as hiperboles

x2 z 2 y2 z2
2 = 1, y = 0 e 2 = 1, x = 0
a2 c b2 c
respectivamente.
Essa superfcie e dita um hiperbol
oide de uma folha ao longo do eixo z descrito pela
equacao:
x2 y 2 z 2
+ 2 2 = 1,
a2 b c
onde a, b e c sao n
umeros reais positivos.

Observa
c
ao 6.8 Os tracos horizontais s
ao elipses. Os tracos verticais nos planos x = k e
ao hiperboles se k 6= 0 e s
y = k s ao um par de retas se k = 0.

Observa
c
ao 6.9 O eixo de simetria corresponde `
a vari
avel cujo coeficiente e negativo.

110
x2 y 2 z 2 x2 y 2 z 2
Ja as equacoes + + = 1, e 2 + 2 = 1 descrevem o hiperboloide de uma
a2 b2 c2 a2 b c
folha ao longo do eixo x e ao longo do eixo y, respectivamente.

y2 z2
Exemplo 6.8 Esbocar o grafico da superfcie dada pela equacao x2 + = 1.
4 4

6.9 A Par
abola
Consideremos em um plano uma reta d e um ponto F nao pertencente a d. Uma par
abola de
foco F e o conjunto dos pontos P (x, y) do plano equidistantes de F e de d.

Figura 6.15: parabola

Seja P1 e o pe da perpendicular de um ponto P do plano sobre a reta d. De acordo com a


definicao, P pertence `a parabola se, e somente se:

d(P, F ) = d(P, P1 )

ou

k P F k=k P P1 k (6.9.1)

6.9.1 Elementos da par


abola

Foco: e o ponto F.

111
Diretriz: e a reta d.

Eixo: e a reta que passa pelo foco e e perpendicular `a diretriz.

V
ertice: e o ponto V de intersecao da parabola com seu eixo.

Observaao 6.10 d(V, F ) = d(V, A), A d (d: diretriz).


c

6.9.2 Express
ao analtica da par
abola com v
ertice na origem

1 caso: O eixo da par


abola e o eixo dos x
Consideremos a parabola de foco F (a, 0).

Figura 6.16:

Um ponto P (x, y) do plano pertence `a parabola se, e somente se:

d(P, F ) = d(P, P1 )

ou

k P F k=k P P1 k

isto e,
p p
(x a)2 + (y 0)2 = (x + a)2 + (y y)2
(x a)2 + y 2 = (x + a)2
x2 2xa + a2 + y 2 = x2 + 2xa + a2 y 2 = 4ax

112
Portanto, y2 = 4ax e a equacao da parabola com:
vertice V (0, 0), foco F (a, 0) sobre o eixo dos x e diretriz d : x = a.

Observa
c
ao 6.11 Se a > 0, a par
abola tem concavidade voltada para a direita e se a < 0, a
par
abola tem concavidade voltada para a esquerda.

2 caso: O eixo da par


abola est
a sobre o eixo dos y
Considerando um ponto P (x, y) de uma parabola com foco F (0, a), de modo analogo ao
primeiro caso obtemos a equacao
x2 = 4ay

que e a equacao da parabola com vertice V (0, 0), foco F (0, a) sobre o eixo dos y e diretriz
d : y = a

Figura 6.17:

Observa
c
ao 6.12 Se a > 0, a par
abola tem concavidade voltada para cima e se a < 0, a par
abola
tem concavidade voltada para baixo.

abolas x2 = 8y e
Exemplo 6.9 Determinar a equacao da reta diretriz, o vertice e o foco das par
y 2 = 2x e esboce as par
abolas.

113
6.9.3 Par
abolas Transladadas

10 caso: O eixo da par


abola e paralelo ao eixo dos x.
Consideremos uma parabola com vertice V (h, k) e eixo paralelo ao eixo dos x. Apos uma
translacao de eixos, analogo ao que foi feito no estudo da elipse e da hiperbole, temos que

(y k)2 = 4a(x h)

e a equacao da parabola com vertice no ponto V (h, k) e eixo paralelo ao eixo dos x.

Analogamente,
(x h)2 = 4a(y k)

e a equacao da parabola com vertice no ponto V (h, k) e eixo paralelo ao eixo dos y.

Exemplo 6.10 Determinar a equacao da reta diretriz, o vertice e o foco da par


abola
y 2 + 6y 8x + 1 = 0 e esboce a par
abola.

114
6.10 O Parabol
oide elptico

A superfcie tal que, s planos xz e yz a interceptam segundo as parabolas

x2 = a2 cz, e y 2 = b2 cz.

Esta superfcie e dita parabol


oide elptico em torno do eixo z descrita pela equacao

x2 y 2
+ 2 = cz.
a2 b

Figura 6.18:

Observa
c
ao 6.13 - Se c > 0, o plano z = k intercepta essa superfcie segundo a elipse

x2 y2
+ = 1 z = k. (6.10.2)
cka2 ckb2
se k > 0.
- Se k < 0 o plano z = k n
ao intercepta a superfcie. Isto e, se c > 0, a superfcie est
a
contida na regiao z 0. Analogamente, temos que se c < 0, a superfcie est
a na regiao z 0.

y2 z2 x2 z 2
Ja as equacoes + = cx, e + 2 = cy descrevem o paraboloide elptico em torno do eixo
a2 b 2 a2 b
x e em torno do eixo y, respectivamente.

Exemplo 6.11 Esbocar o grafico da superfcie dada pela equacao z = 4x2 + y 2

115
6.11 O Hiperbol
oide de duas folhas
x2 y 2 z 2
Consideremos a superfcie cuja equacao e da forma + 2 2 = 1, onde a, b e c sao
a2 b c
n
umeros reais positivos.
Se | k |< b o plano y = k n
ao intercepta a superfcie e se | k |> b o plano y = k intercepta a
superfcie segundo a elipse.

x2 z 2 k2
+ = 1, y = k. (6.11.3)
a2 c2 b2
Vemos que essa superfcie tem duas folhas, uma na regiao y b e outra na regiao y b.
Os planos xy e yz interceptam a superfcie segundo as hiperboles

y 2 x2 y2 z2
= 1, z = 0 e 2 = 1, x = 0
b2 a2 b2 c
respectivamente. Essa superfcie e um hiperboloide de duas folhas ao longo do eixo y.

Exemplo 6.12 Identifique e esboce o grafico da superfcie dada pela equacao


4x2 y 2 + 2z 2 + 4 = 0.

116
6.12 O Parabol
oide hiperb
olico
x2 y 2
A superfcie cuja equacao e da forma + 2 = cz e um paraboloide hiperbolico .
a2 b

Figura 6.19:

- O plano xz intercepta a superfcie segundo a parabola x2 = ca2 z, y = 0 a qual tem


concavidade voltada para baixo, se c > 0 e seu eixo focal e o eixo dos z.
- O plano yz intercepta a superfcie segundo a parabola y 2 = cb2 z, x = 0 a qual tem
concavidade voltada para cima, se c > 0 e seu eixo focal tambem e o eixo dos z.
- Se k 6= 0, o plano z = k intercepta a superfcie segundo a hiperbole

x2 y2
+ = 1 z = k. (6.12.4)
cka2 ckb2

- Se k > 0, o eixo focal da hiperbole e paralelo ao eixo dos y e;


- Se k < 0 esse eixo e paralelo ao eixo dos x.

Exemplo 6.13 Esbocar o grafico da superfcie dada pela equacao z = y 2 x2

6.13 Superfcie C
onica

Superfcie conica e uma superfcie gerada por uma reta que se move apoiada numa curva plana
qualquer e passando sempre por um ponto dado nao situado no plano desta curva.
A reta e denominada geratriz, a curva plana e a diretriz e o ponto fixo dado e o vertice da
superfcie conica.

117
6.13.1 O Cone Qu
adrico

Consideraremos o caso particular da superfcie conica cuja diretriz e uma elipse (ou circun-
ferencia) com o vertice na origem do sistema e com seu eixo sendo um dos eixos coordenados.
Nestas condicoes, a superfcie conica cujo eixo e o eixo dos z tem equacao:
x2 y 2 z 2
+ 2 2 = 0.
a2 b c

Figura 6.20:

e chama-se cone quadrico.


O plano z = k, k 6= 0 intercepta a superfcie segundo a elipse

x2 y2
+ = 1 z = k. (6.13.5)
k 2 a2 k 2 b 2

A intersecao dessa superfcie com o plano z = 0 e a origem, que e o vertice do cone.


Os planos xy e yz interceptam a superfcie segundo os pares de reta

x = az, y = 0 e y = bz x = 0.

respectivamente.

Exemplo 6.14 Esbocar o grafico da superfcie dada pela equacao x2 + y 2 = z 2 .

118
6.14 Superfcie Cilndrica
Seja C uma curva plana e f uma reta fixa nao contida nesse plano.
Superfcie cilndrica e a superfcie gerada por uma reta r que se move paralelamente `a reta
fixa f em contato permanente com a curva plana C.
A reta r que se move e denominada geratriz e a curva C e a diretriz da superfcie cilndrica.

Nesse estudo consideramos apenas superfcies cilndricas cuja diretriz e uma curva que se
encontra num dos planos coordenados e a geratriz e uma reta paralela ao eixo coordenado nao
contido nesse plano. Neste caso, a equacao da superfcie cilndrica e a mesma de sua diretriz.

Exemplo 6.15 Represente geometricamente as superfcies cilndricas dadas pelas equacoes:


a) y 2 = 2z.
b) z 2 = 2y.
c) x2 = 2y.
x2 y 2
d) + =1
4 9
x2 z 2
e) + =1
4 9
y2 z2
f) + =1
4 9

Observa
c
ao 6.14 Conforme a diretriz seja uma circunferencia, elipse, hiperbole ou par
abola, a
superfcie cilndrica e chamada circular, elptica, hiperbolica, ou parabolica.

119
Resumo de alguns possveis tipos de superfcies quadricas basicas e as equacoes em cada caso.

Superfcie Elips
oide Cone elptico Paraboloide elptico

x2 y 2 z 2 x2 y 2 x2 y 2
Equacao: + 2 + 2 = 1, z2 = + 2, z= + 2
a2 b c a2 b a2 b
grafico

Hiperboloide de vertical ao longo do eixo x ao longo do eixo y


uma folha

x2 y 2 z 2 x2 y 2 z 2 x2 y 2 z 2
Equacao: + 2 2 = 1, 2 + 2 + 2 = 1, 2 + 2 =1
a2 b c a b c a2 b c
grafico

Hiperboloide de vertical ao longo do eixo x ao longo do eixo y


duas folhas

z 2 x2 y 2 x2 y 2 z 2 y 2 x2 z 2
Equacao: 2 2 = 1, 2 2 = 1, 2 2 =1
a2 b c a2 b c a2 b c
grafico

120
Paraboloide em z em x em y
Hiperb
olico

y 2 x2 y2 z2 x2 z 2
Equacao: z= 2, x= 2, y= 2,
a2 b a2 b a2 b
grafico

121
Captulo 7

O Espa
co Vetorial Euclidiano
n-dimensional

Em meados do seculo XV II Rene Descartes materializou explicitamente a ideia de utilizar


pares de n
umeros para situar pontos no plano. Logo em seguida foram utilizados ternos de
n
umeros para situar pontos do espaco tridimensional. Ja na segunda metade do seculo dezoito,
os matematicos e fsicos (entre eles, Einstein) perceberam a possibilidade de se trabalhar com
quadruplos (x, y, z, t) que poderiam ser considerados como pontos de um universo espaco-tempo
de dimensao quatro. Mais ainda, acrescendo outras informacoes a este ponto do espaco poderiam
trabalhar com pontos (x1 , x2 , x3 , x4 , x5 ) num espaco de dimensao cinco e assim por diante, com
nuplas (x1 , x2 , ..., xn ) num espaco n-dimensional, a qual designaremos de espaco vetorial
euclidiano.
Neste captulo estudaremos as propriedades das operacoes sobre os vetores deste espaco.

7.1 O Espa
co Euclidiano n-Dimensional
Mesmo nao havendo visualizacao geometrica para espacos de dimensao maior que 3, e possvel es-
tender muitas ideias familiares como angulo, comprimento, distancia, utilizando as propriedades
numericas e algebricas.

Defini
c
ao 7.1 Se n e um n
umero inteiro positivo, dizemos que uma sequencia (x1 , x2 , ..., xn ) de
n
umeros reais e uma n-upla ordenada e o espa
co euclidiano n-dimensional e dado por:

Rn = {(x1 , x2 , ..., xn ) : xi R, i = 1, 2, ..., n}

Observaao 7.1 Em R2 (R3 ) `


c ~ = (x1 , x2 )(OP
a cada ponto P (x1 , x2 )(P (x1 , x2 , x3 ) ha um vetor OP ~ =

122
a cada vetor de R2 (R3 ) ha um ponto associado. Generali-
(x1 , x2 , x3 )) associado e vice-versa: `
zando ent
ao, esta associacao dizemos que cada n-upla ordenada (x1 , x2 , ..., xn ) corresponde tanto
a um ponto generalizado de Rn quanto a um vetor generalizado de Rn .

7.1.1 Igualdade de vetores de Rn

Dois vetores ~u = (u1 , u2 , ..., un ) e ~v = (v1 , y2 , ..., vn ) sao iguais (~u = ~v ) se, e somente se, u1 =
v1 , u2 = v2 , ..., un = vn

7.1.2 oes em Rn
Operac

Dados os vetores ~u = (u1 , u2 , ..., un ) e ~v = (v1 , y2 , ..., vn ) em Rn temos:


A soma u + v definida por

~u + ~v = (u1 + v1 , u2 + v2 , ..., un + vn )

e se k R, a multiplicac
ao por escalar de ~v definida por:

k~v = (kv1 , kv1 , ..., kvn ).

Observa
c
oes:

1. O vetor nulo de Rn e denotado por ~0 ou e definido como

~0 = 0Rn = (0, 0, .., 0)

2. O inverso aditivo de um vetor ~u = (u1 , u2 , ..., un ) e denotado por u e definido por

u = (u1 , u2 , ..., un )

ca de vetores em Rn e definida por


3. A diferen

u v = u + (v) = (u1 v1 , u2 v2 , ..., un vn )

Exemplo 7.1 Dados os vetores ~u = (2, 3, 7, 4) e ~v = (1, 0, 3, 6), calcule:


a) ~u + ~v b) 2~u c) u 3v.

123
7.1.3 Propriedades das operac
oes no Espaco Euclidiano

~ em Rn e k e l escalares em R temos:
Para quaisquer vetores ~u, ~v e w

1. Se ~u, ~v Rn entao ~u + ~v Rn

2. Se ~u Rn e k R entao k.~u Rn .

3. ~u + ~v = ~u + ~v

4. (~u + ~v ) + w
~ = ~u + (~v + w)
~

5. ~u + ~0 = ~0 + ~u = ~u

6. ~u + (~u) = ~u + ~u = ~0

7. (k + l)~u = k~u + l~u

8. k(~u + ~v ) = k au
~ + k~v

9. k(l~u) = (kl)~v

10. 1~u = ~u e (1)~u = ~u

7.1.4 O produto interno euclidiano em Rn

As nocoes geometricas euclidianas de angulo, paralelismo, perpendicularismo, ortogonalidade,


comprimento, distancia, area e volume em R2 e R3 foram todas definidas a partir do produto
interno entre dois vetores. Portanto, para estender estas nocoes ao espaco n-dimensional Rn
precisamos definir neste espaco, o produto interno euclidiano.

Defini
c ao nulos de Rn ,
ao 7.2 Sejam ~u = (u1 , u2 , ..., un ) e ~v = (v1 , v2 , ..., vn ) dois vetores n
ent
ao:

~u.~v = u1 .v1 + u2 v2 + ... + un vn

define o produto interno euclidiano de ~u e ~v.

Exemplo 7.2 O produto interno euclidiano dos vetores u = (1, 3, 5, 7) e v = (5, 4, 7, 0) em


R4 e:
u.v = (1).5 + 3.(4) + 5.7 + 7.0 = 18

124
ancia em Rn
Norma e Dist
Por analogia com as formulas familiares de R3 , nos definimos a norma euclidiana ou com-
primento euclidiano de um vetor u = (u1 , u2 , ..., un ) em Rn por
q
ku k= u21 + u22 + ... + u2n

Da mesma forma, a dist


ancia euclidiana entre os pontos u = (u1 , u2 , ..., un ) e v = (v1 , v2 , ..., vn )
de Rn e definida por
p
d(u, v) =k u v k= (u1 v1 )2 + (u2 v2 )2 + ... + (un vn )2

~ de Rn e k um escalar real, temos:


Para quaisquer que sejam os vetores ~u, ~v e w
Propriedades do Produto Interno Euclidiano

1. ~u.~u > 0 e ~u.~u = 0 somente se ~u = ~0.

2. ~u.~v = ~v .~u

3. ~u.(~v + w)
~ = ~u.~v + ~u.w
~

4. (k~u).~v = k(~u.~v ) = ~u.(k~v )

Propriedades do Comprimento Euclidiano



v k=
1. k

v .

v ou ainda,

v .

v =k

v k2 .

2. k

u k 0, k

u k= 0 se, e somente se, u = 0

3. k k.u k= |k| k

u k

4. k
u+
v kk

u k + k

v k (Desigualdade triangular)

5. k ~u + ~v k2 = k ~u k2 + 2~u.~v + k ~v k2

6. k ~u ~v k2 = k ~u k2 2~u.~v + k ~v k2

7. k ~u k2 k ~v k2 = (~u + ~v ).(~u ~v )

ancia em Rn
Propriedades da Dist

1. d(u, v) 0, d(u, v) = 0 se, e somente se, u = v.

2. d(u, v) = d(v u)

3. d(u, v) d(u, w) + d(w, v) (Desigualdade triangular)

125
Captulo 8

Espa
cos Vetoriais

Defini
c
ao 8.1 Um espaco vetorial real e um conjunto V, n
ao vazio, munido de duas operacoes:
+:V V V :RV V
(u, v) 7 u + v (a, v) 7 av
satisfazendo as seguintes propriedades, u, v, w V e a, b R ou a, b C:
01) u + v = v + u ;
02) u + (v + w) = (u + v) + w ;
03) Existe um elemento 0 V , tal que 0 + u = u (0 e o elemento neutro da adicao);
04) Existe um elemento (v) V , tal que v + (v) = (v) + v = 0 (existencia do simetrico);
05) 1v = v(1 e o elemento neutro da multiplicacao por escalar);
06) a(bv) = (ab)v;
07) a(v + w) = av + aw;
08) (a + b)v = av + bv.

Observa
c
ao 8.1 1) Se os escalares forem n
umeros complexos teremos um espa
co vetorial
complexo. Daqui por diante, salvo referencia em contr
ario, ser
ao considerados somente os
espacos vetoriais reais.
2) Os elementos do espaco vetorial V ser
ao chamados vetores.

Exemplo 8.1 O conjunto dos vetores do espaco V = R3 = {(x1 , x2 , x3 ); xi R} e um espaco


vetorial real.

Exemplo 8.2 O conjunto V = Pn dos polin


omios com coeficientes reais, de grau menor ou igual
a n e um espaco vetorial.

126
Exemplo 8.3 O conjunto Mmn (R) com as operacoes adicao e multiplicacao por escalar usuais
e um espaco vetorial.

co euclidiano Rn = {(x1 , x2 , . . . , xn ); xi R} (n inteiro qualquer) e


Exemplo 8.4 O espa
um espaco vetorial real, munido das operacoes

u + v = (x1 + y1 , x2 + y2 , . . . , xn + yn ) e a.u = (ax1 , ax2 , . . . , axn ) u, v, V e a R.

8.1 Subespaco Vetorial


Defini
c
ao 8.2 Seja V um espaco vetorial real. Um subconjunto S de V e um subespa
co veto-
rial de V se:
1) S contem o vetor nulo;
2) Se u, v S, ent
ao u + v S;
3) Se u S e a R, ent
ao au S.

Observaao 8.2 Todo espaco vetorial V admite pelo menos dois subespacos: S = {0}, chamado
c
subespa
co nulo ou subespa
co zero e o pr
oprio espaco vetorial V . Esses dois s
ao chamados
subespa
cos triviais de V. Os demais s
ao denominados subespacos pr
oprios de V.

Exemplo 8.5 Os subespacos triviais de V = R3 s oprio R3 . Os subespacos


ao S = {(0, 0, 0)} e o pr
pr
oprios s
ao as retas e os planos que passam pela origem.

Exemplo 8.6 Sejam V = R2 e S = {(x, y) R2 /y = 2x} ou S = {(x, 2x); x R}. Mostre que
S e um subespaco vetorial do R2 .

127
Exemplo 8.7 Sejam V = R2 e S = {(x, 4 2x); x R}. Mostre que S n
ao e um subespaco
vetorial do R2 .

Exemplo 8.8 Sejam V = R3 e S = {(x, y, z) R3 ; ax + by + cz = 0}. Mostre que S e um


subespaco vetorial do R3 .

Exemplo 8.9 Sejam V = R3 e S o conjunto solucao de um sistema homogeneo de tres equacoes


aveis. Mostre que S e um subespaco vetorial do R3 .
e tres vari

8.2 Combina
c
ao Linear
Defini
c
ao 8.3 Sejam os vetores v1 , v2 , . . . , vn do espaco vetorial V e os escalares a1 , a2 , . . . , an .
Qualquer vetor v V da forma:

v = a1 v 1 + a2 v 2 + . . . + a n v n

e uma combina
cao linear dos vetores v1 , v2 , . . . , vn .

Exemplo 8.10 O vetor v = (2, 3) R2 e uma combinacao linear dos vetores v1 = (1, 0) e
v2 = (0, 1), pois

128
(2, 3) = 2(1, 0) + 3(0, 1)

Exemplo 8.11 O vetor v = (5, 2, 3) R3 e uma combinacao linear dos vetores v1 = (1, 0, 0),
v2 = (0, 1, 0), e v3 = (0, 0, 1), pois

(5, 2, 3) = 5(1, 0, 0) + 2(0, 1, 0) + 3(0, 0, 1)

8.3 Subespacos Gerados


Seja V um espaco vetorial. O conjunto S de todas as combinacoes lineares possveis dos vetores
v1 , v2 , . . . , vn de V e um subespaco vetorial de V, denominado subespa
co vetorial gerado
pelos vetores v1 , v2 , . . . , vn .
Notacao: S = [v1 , v2 , . . . , vn ]

Observa
c
ao 8.3 Os vetores v1 , v2 , . . . , vn s
ao chamados geradores de S

Exemplo 8.12 Os vetores i = (1, 0) e j = (0, 1) geram o espaco vetorial R2 , pois qualquer vetor
(x, y) R2 e combinacao linear de i e j.

(x, y) = (x, 0) + (0, y) = x(1, 0) + y(0, 1) = xi + yj

Logo, [i, j] = R2

Exemplo 8.13 Os vetores i = (1, 0, 0) e j = (0, 1, 0) geram o subespaco S = {(x, y, 0)


R3 /x, y R}, pois

(x, y, 0) = x(1, 0, 0) + y(0, 1, )

oprio do R3 e representa, geometricamente o plano XOY


Logo, [i, j] = S e um subespaco pr

Exemplo 8.14 Os vetores e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1) geram o espaco vetorial
R3 , pois qualquer vetor (x, y, z) R3 e combinacao linear de e1 , e2 e e3 :

(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1)

Logo, [e1 , e2 , e3 ] = R3

129
Observa
c
ao 8.4 Dados n vetores v1 , v2 , . . . , vn de V e w tal que w = a1 v1 , a2 v2 , . . . , an vn
ent
ao:
[v1 , v2 , . . . , vn , w] = [v1 , v2 , . . . , vn ]
pois todo vetor v que e combinacao linear de v1 , v2 , . . . , vn , w e tambem combinacao linear de
v1 , v2 , . . . , vn .
Supondo que:
v [v1 , v2 , . . . , vn , w], ent
ao existem n
umeros reais
b1 , b2 , . . . , bn , b
tais que
v = b1 v1 + b2 v2 + . . . + bn vn + bw
mas
w = a1 v 1 + a2 v 2 + . . . + an v n
logo,
v = b1 v1 + b2 v2 + . . . + bn vn + b(a1 v1 + a2 v2 + . . . + an vn )
ou
v = (b1 + a1 )v1 + (b1 + a2 )v2 + . . . + (bn + an )vn
logo v e combinacao linear de v1 , v2 , . . . , vn , isto e,
v [v1 , v2 , . . . , vn ]
Para mostrar a recproca, isto e, se v [v1 , v2 , . . . , vn ] ent
ao v [v1 , v2 , . . . , vn , w], basta
considerar b = 0.

8.4 Depend
encia e Independ
encia Linear
Na observacao acima vimos que um espaco vetorial V pode ser gerado por n vetores ou por
n + 1 vetores. Isto e, o conjunto gerador de V pode ter n ou n + 1 vetores. Em nosso estudo
estamos interessados no conjunto gerador de um espaco vetorial que seja o menor possvel. Para
determinarmos esse conjunto precisamos do conceito de dependencia e independencia linear.

Definiao 8.4 Sejam V um espaco vetorial e v1 , v2 , . . . , vn V. Dizemos que v1 , v2 , . . . , vn s


c ao
linearmente independentes se a equacao

130
a1 v 1 + a2 v 2 + . . . + a n v n = 0

s
o admitir a solucao nula, isto e, a1 = a2 = . . . = an = 0. Se a equacao admitir solucao diferente
da solucao nula diremos que os vetores v1 , v2 , . . . , vn s
ao linearmente dependentes.

Exemplo 8.15 Dados os vetores e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1) do


Rn e u = (a1 , a2 , . . . , an ) um vetor qualquer do Rn . Temos que u = a1 e1 + a2 e2 + . . . + an en . Alem
disso, se

x1 e1 + x2 e2 + . . . + xn en = 0,

ent
ao x1 = x2 = . . . = xn = 0. Portanto os vetores e1 , e2 , . . . , en s
ao linearmente independentes.

Definiao 8.5 Se V e um espaco vetorial, o conjunto de vetores v1 , v2 , . . . , vn V e uma base


c
de V, se:
i) v1 , v2 , . . . , vn s
ao LI;
ii) os vetores v1 , v2 , . . . , vn geram V.

O n
umero de vetores de uma base para um espaco vetorial V e o mesmo para qualquer base
de V e chama-se dimens
ao de V.

Exemplo 8.16 Se V = R2 , v1 = (1, 0) e v2 = (0, 1), ent


ao {v1 , v2 } e base de R2 .
De fato, j
a vimos que todo vetor do plano e combinacao linear de v1 e v2 e que os vetores v1
onica de R2 .
ao LI. A base {(1, 0), (0, 1)} e chamada base can
e v2 s

ao e base do R2 , pois os vetores s


Exemplo 8.17 O conjunto {(1, 0), (2, 0)} n ao LD.

Exemplo 8.18 Se V = R3 , v1 = (1, 0, 0), v2 = (0, 1, 0) e v3 = (0, 0, 1) ent


ao {v1 , v2 , v3 } e base
de R3 , chamada base can
onica de R3 , pois para qualquer vetor X = (x, y, z) do R3 , temos

X = xv1 + yv2 + zv3

e os vetores (0, 1, 0), (0, 1, 0) e (0, 0, 1) s


ao LI.

131
ao e uma base de R3 . Temos que (1, 0, 0) e
Exemplo 8.19 O conjunto {(1, 0, 0), (0, 1, 0)} n
(0, 1, 0) s ao geram R3 .
ao LI, mas n

Exemplo 8.20 Os n vetores e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1) do


exemplo 8.15 formam uma base para o Rn , chamada base can
onica de Rn .

8.5 Espa
cos Vetoriais com Produto Interno
No Captulo 1, foi definido o produto interno usual de dois vetores no R2 e no R3 e foram
estabelecidas, por meio desse produto, algumas propriedades desses vetores. Pretendemos agora
generalizar o conceito de produto interno.

Definiao 8.6 O produto interno no espaco vetorial V e uma funcao de V V em R que a todo
c
par de vetores (u, v) V V associa um n
umero real, indicado por u.v ou < u, v >, que satisfaz
as seguintes propriedades:
1) u.v = v.u;
2) u.(v + w) = u.v + v.w;
3) (u).v = (u.v) para todo real ;
4) u.v 0 e u.u = 0 se, e somente se, u = 0V .

ao vetores quaisquer do R3 , o n
Exemplo 8.21 Se u = (x1 , x2 , x3 ) e v = (y1 , y2 , y3 ) s umero real

u.v = x1 y1 + x2 y2 + x3 y3

define o produto interno usual no R3 .


Analogamente,
ao n-uplas no Rn ent
Se u = (x1 , x2 , . . . , xn ) e v = (y1 , y2 , . . . , yn ) s ao temos que o produto
interno usual no Rn de u por v e dado por

u v = x1 y1 + x2 y2 + . . . + x n yn .

132
8.6 Espa
co Vetorial Euclidiano
Um espaco vetorial real, de dimensao finita, na qual esta definido um produto interno, e um
espaco vetorial euclidiano.

8.6.1 Norma de um Vetor

A norma de um vetor v de um espaco vetorial euclidiano V, e dada por


k v k= v.v

Exemplo 8.22 Se u = (1, 2, 1, 3) e v = (0, 1, 2, 1), determine u v e k u k .

Dist
ancia entre dois vetores
A dist
ancia entre dois vetores (ou pontos) e o n
umero real, dado por

d(u, v) =k u v k

Propriedades da Norma de um Vetor


Se V um espaco vetorial euclidiano.

1. k v k 0, para todo vetor v V e k v k= 0, se, e somente se, v = 0.

2. k v k= || k v k, para todo vetor v V e R

3. | u.v |k u kk v k, para quaisquer vetores u, v V

4. k u + v kk u k + k v k para quaisquer vetores u, v V

133
8.7
Angulo de dois Vetores
Sejam u e v vetores nao-nulos de um espaco vetorial euclidiano V. O
angulo dos vetores u e
v e dado por:

u.v
cos = , 0
k u kkk v k

8.8 Vetores Ortogonais


Seja V um espaco vetorial euclidiano. Dizemos que dois vetores u e v sao ortogonais, denotamos
por u v, se, e somente se, u.v = 0.

8.9 Conjunto Ortogonal de Vetores


Seja V um espaco vetorial euclidiano. Dizemos que um conjunto de vetores {v1 , v2 , , vn } V
e ortogonal se quaisquer dois vetores, distintos, sao ortogonais, isto e, vi .vj = 0 para todo i 6= j.

8.10 Base Ortonormal


Uma base B = {v1 , v2 . . . vn } de um espaco vetorial V e ortonormal se v1 , v2 , . . . , vn sao unitarios
e se vi vj = 0 para todo i 6= j.
Em muitos problemas envolvendo espacos vetoriais, temos liberdade de escolher uma base
apropriada para o espaco vetorial.
Em espacos vetoriais com produto interno a solucao de um problema e muitas vezes simpli-
ficada pela escolha de uma base na qual os vetores sao ortogonais entre si.
Nesta secao mostraremos como tais bases podem ser obtidas.
MOTIVAC
AO: excepcionalmente simples expressar um vetor como combinacao linear
E
dos vetores de uma base ortonormal.

Teorema 8.1 Se B = {v1 , v2 , . . . , vn } e uma base ortonormal de um e.v E com p.i e u E,


ent
ao u = a1 v1 + a2 v2 + . . . + an vn onde

ai =< u , vi > = u.vi

134
Exemplo 8.23 B = {v1 , v2 , v3 } = {(0, 1, 0), (4/5, 0, 3/5), (3/5, 0, 4/5)} e base ortonormal.
Logo, tomando por exemplo, u = (1, 1, 1) R3 temos:
1 7
u =< u, v1 > v1 + < u, v2 > v2 + < u, v3 > v3 = 1v1 v2 + v3
5 5

Teorema 8.2 Se B = {v1 , v2 , . . . , vn } e uma base ortogonal de um e.v E com p.i e u E,


ent
ao u = a1 v1 + a2 v2 + . . . + an vn onde
< u , vi > u.vi
ai = 2
=
kvi k kvi k2

8.11 Projeco
es Ortogonais: O Processo de Gram-Schmidt

geometricamente evidente em R2 ou R3 com o produto interno euclidiano, que se W e uma


E
reta ou um plano que contem a origem (s.e.v) entao, para cada vetor u R2 ( R3 ) temos:

u = w1 + w2

Defini
c ao finita com p.i e W E, W s.e.v de E. Entao, o
ao 8.7 Seja E e.v de dimens
subespaco ortogonal `
a W e dado por:

W = {v E :< v, w >= 0, w W }

Teorema 8.3 Se W e s.e.v de E, E e.v de dimens ao, se u E, u = w1 +w2 ,


ao finita com p.i ent
onde w1 W e w2 W .

O vetor w1 do teorema acima e chamado projec


ao ortogonal de u em W e e denotado por
projW u.
Do teorema anterior resulta:

u = projW u + (u projW u)

135
Teorema 8.4 Se W e s.e.v de E, E e.v de dimens
ao finita com p.i ent
ao:
a) Se {v1 , v2 , ..., vr } e base ortonormal de W ent
ao,

projW u = < u, v1 > v1 + < u, v2 > v2 + ...+ < u, vr > vr .

b) Se {v1 , v2 , ..., vr } e base ortogonal de W ent


ao,
< u, v1 > < u, v2 > < u, vr >
projW u = v 1 + v 2 + ... + vr .
kv1 k2 kv2 k2 kvr k2

Teorema 8.5 Cada espaco vetorial n


ao nulo de dimens
ao finita com p.i possui uma base orto-
normal {v1 , v2 , ..., vn }.

prova:(PROCESSO DE GRAM-SCHMIDT)
Considere {u1 , u2 , ..., un }. base de E.
Passo 1: v1 = u1
< u2 , v 1 >
Passo 2: v2 = u2 projW1 u2 = u2 v1 , onde W1 = [v1 ].
kv1 k2
(Observe que v2 e ortogonal a v1 )
 
< u3 , v 1 > < u3 , v 2 >
Passo 3: v3 = u3 projW2 u3 = u3 v1 + v2 , onde W2 = [v1 , v2 ].
kv1 k2 kv2 k2
(Observe que v3 e ortogonal a v1 e v2 )
 
< u4 , v 1 > < u4 , v 2 > < u4 , v 3 >
Passo 4: v4 = u4 projW3 u4 = u4 v1 + v2 + v3 , onde
kv1 k2 kv2 k2 kv3 k2
W3 = [v1 , v2 , v3 ].
(Observe que v4 e ortogonal a v1 , v2 e v3 )
Passo n:  
< un , v 1 > < un , v 2 > < un , vn1 >
vn = un projWn1 un = un v1 + v2 + ... + vn1 , onde
kv1 k2 kv2 k2 kvn1 k2
Wn1 = [v1 , v2 , ..., vn1 ].
(Observe que vn e ortogonal a v1 , v2 ,...,vn1 )
 
v1 v2 vn
Portanto, {v1 , v2 , ..., vn } e uma base ortogonal de E e , , ..., e uma base
kv1k kv2 k kvn k
ortonormal de E.

Exemplo 8.24 Considerando B = (1, 1, 1), (0, 1, 1), (0, 0, 1) uma base de R3 use o Processo de
Gram-Schmidt para ortonormalizaresta base.

136
LISTA DE EXERCICIOS - ESPAC
OS VETORIAIS

Nos problemas 1-5 sao apresentados subconjuntos de R2 . Verificar quais deles sao subespacos
vetoriais de R2 , relativamente `as operacoes de adicao e multiplicacao por escalar usuais. Para
os que sao subespacos, mostrar que as duas condicoes sao satisfeitas. Caso contrario, citar um
contra-exemplo.

1. S = {(x, y)/y = x}

2. S = {(x, x2 )/x R}

3. S = {(x, y)/x + 3y = 0}

4. S = {(x, y)/y = x + 1}

5. S = {(x, y)/x 0}
Nos problemas 6- 13 sao apresentados subconjuntos de R3 . Verificar quais deles sao su-
bespacos vetoriais de R3 , relativamente `as operacoes de adicao e multiplicacao por escalar
usuais. Para os que sao subespacos, mostrar que as duas condicoes sao satisfeitas. Caso
contrario, citar um contra-exemplo.

6. S = {(x, y, z)/x = 4y e z = 0}

7. S = {(x, y, z)/z = 2x y}

8. S = {(x, y, z)/x = z 2 }

9. S = {(x, y, z)/y = x + 2 e z = 0}

10. S = {(x, x, x)/x R}

11. S = {(x, y, z)/x 0}

12. S = {(x, y, x)/x + y + z = 0}

13. S = {(4t, 2t, t)/t R}

14. Verificar se os subconjuntos que seguem sao subespacos de M (2, 2) :


  
a b
a) S = :c=a+b e d=0 .
c d
  
a b
b) S = : a, b, c R .
0 c

137
  
a b
c) S = : a, b, c R .
b c
  
a a+b
d) S = : a, b R .
ab b
  
a 1
e) S = : a, b R .
a b

15. Escreva w = (7, 11, 2) como combinacao linear dos vetores u = (2, 3, 2) e v = (1, 2, 4)
em R3 .

16. Consideremos no espaco P2 os vetores p1 = t2 2t + 1, p2 = t + 2 e p3 = 2t2 t.


a) Escreva o vetor p = 5t2 5t + 7 como combinacao linear de p1 , p2 e p3 .
b) Verifique se e possvel escrever p1 como combinacao linear de p1 e p2 .

17. Seja o espaco vetorial M (2, 2) e os vetores

    
1 0 1 2 0 1
v1 = , v2 = e v3 =
1 1 0 1 2 1
 
1 8
Escrever o vetor v = como combinacao linear dos vetores v1 , v2 e v3 .
0 5

18. Sejam os vetores v1 = (1, 2, 1), v2 = (1, 0, 2) e v3 = (2, 1, 0). Expressar cada um dos
vetores u = (8, 4, 1), v = (0, 2, 3) e w = (0, 0, 0) como combinacao linear de v1 , v2 e v3 .

19. Expressar o vetor u = (1, 4, 4, 6) R4 como combinacao linear dos vetores v1 =


(3, 3, 1, 0), v2 = (0, 1, 1, 2) e v3 = (1, 1, 0, 0).

20. Classificar os seguintes subconjuntos de R2 em LI ou LD:


a) {(1, 3)} b){(2, 1), (3, 5)} c){(1, 0), (1, 1), (3, 5)}

21. Classificar os seguintes subconjuntos de R3 em LI ou LD:


a) {(2, 1, 3)} b){(1, 1, 1), (1, 1, 1)}

c){(2, 1, 0), (1, 3, 0), (3, 5, 0)} d){(1, 2, 1), (1, 0, 0), (0, 1, 2), (3, 1, 2)}

22. Classificar os seguintes subconjuntos de P2 em LI ou LD:


a) 2 + x x2 , 4 x + 4x2 , x + 2x2 b)x2 x + 1, x2 + 2x

138
23. Sendo E o espaco vetorial das matrizes 2 3, verificar se {A, B, C} e L.I ou L.D, sendo

     
1 2 1 0 1 2 1 0 5
A= ,B= eC =
3 2 4 2 1 0 1 0 3
24. Verificar se os subconjuntos que seguem sao bases de R2 :
a) {(2, 1), (3, 0)} b){(3, 9), (4, 12)}

25. Verificar se os subconjuntos que seguem sao bases de R3 :


a) {(1, 0, 0), (2, 2, 0), (3, 3, 3)} b){(3, 1, 4), (2, 5, 6), (1, 4, 8)}

26. Verificar se os subconjuntos que seguem sao bases de P2 :


a) {1 3x + 2x2 , 1 + x + 4x2 , 1 7x} b){4 + x + 3x2 , 6 + 5x + 2x2 , 8 + 4x + x2 }

27. Mostre que o conjunto de vetores dados e uma base de M (2, 2).
       
3 6 0 1 0 8 1 0
, , ,
3 6 1 0 12 4 1 2

28. Encontre as coordenadas de w = (3, 7) em relacao `a base B = {(1, 1), (0, 2)}.

29. Encontre as coordenadas de w = (5, 12, 3) em relacao `a base B = {(1, 2, 3), (4, 5, 6), (7, 8, 9)}

30. Encontre as coordenadas de p = 2 x + x2 em relacao `a base B = {1 + x, 1 + x2 , x + x2 }


 
2 0
31. Encontre as coordenadas de A = em relacao a base B = {A1 , A2 , A3 , A4 } sendo,
1 3
       
1 1 1 1 0 0 0 0
A1 = ; A2 = ; A3 = ; A4 =
0 0 0 0 1 0 0 1

32. Determine uma base e a dimensao dos seguintes subespacos de R3 :


a) S = {(x, y, z)/3x 2y + 5z = 0} b) S = {(x, y, z)/x = 2t, y = t, z = 4t}

33. Determine uma base e a dimensao dos subespacos vetoriais apresentados nos exerccios
1 14.

34. Use o Processo de Gram-Schmidt para transformar B = {(1, 3), (2, 2)} em uma base
ortonormal. Determine as coordenadas de u = (5, 2) em relacao `a essa base ortonormal.

35. Use o Processo de Gram-Schmidt para transformar B = {(1, 1, 1), (1, 1, 0),
(1, 2, 1)} em uma base ortonormal. Determine as coordenadas de
u = (2, 2, 3) em relacao `a essa base ortonormal.

139
8.12 Mudan
ca de Base
Em aplicacoes e muito comum trabalhar com mais de um sistema de coordenadas e nestes casos
e geralmente necessario conhecer as relacoes entre as coordenadas.
Pergunta: Se mudarmos da base B1 de um espaco V para uma base B2 , qual a relacao entre
as coordenadas de [v]B1 e as novas coordenadas de [v]B2 ?

Para simplificar o problema, nos iremos resolver este problema para espacos bidimensionais.
dim V = 2 e depois generalizaremos a solucao.

Sejam B1 = {u1 , u2 } e B2 = {w1 , w2 } bases de V . Entao considerando as coordenadas:


   
a c
[w1 ] = [w2 ] =
b d

ou seja:

w 1 = a u1 + b u2 (1)

w 2 = c u1 + d u2 (2)
 
k1
e, v V um vetor qualquer e [v]B2 = temos:
k2

v = k1 w1 + k2 w2 (3)

Substituindo (1) e (2) em (3 resulta

v = k1 (a u1 + b u2 ) + k2 (c u1 + d u2 ) (4)

ou ainda,
v = (k1 a + k2 c)u1 + (k1 b + k2 d) u2 (5)

Portanto,
     
k1 a + k2 c a c k1
[v]B1 = = .
k1 b + k2 d b d k2

ou seja,

140
[v]B1 = P.[v]B2

ou ainda,

[v]B1 = [I]B
B1 .[v]B2
2

Exemplo 8.25 Dadas as bases B1 = {(1, 1), (2, 1)} e B2 = {(1, 0), (0, 1)} de V = R2 , determine:
a) a matriz mudanca de base P de B2 para B1 .

b) a matriz mudanca de base P , de B1 para B2 .

c) P.P , e P , .P
Com estes calculos, qual relacao voce estabelece entre P e P , ?

Generaliza
c
ao:
Sejam B1 = {u1 , u2 , . . . , un } e B2 = {w1 , w2 , . . . , wn } duas bases ordenadas de um mesmo
espaco vetorial V. Dado um vetor v V temos:

[v]B1 = P.[v]B2

sendo P a matriz cujas colunas sao formadas pelas coordenadas dos vetores da base B2 em relacao
`a base B1 ; ou seja, os vetores-coluna de P sao
[w1 ]B1 , [w2 ]B1 , ..., [wn ]B1 , ou seja

P = [ [w1 ]B1 |[w2 ]B1 |...| [wn ]B1 ]

A matriz P e chamada matriz de transicao de B2 para B1 ou P = [I]B


B1
2
e dita matriz de
mudanca da base B2 para a base B1 .

Teorema 8.6 Se P e a matriz de transicao de uma base B2 para uma base B1 em um espaco
vetorial de dimens
ao finita V, ent
ao:
a) P e invertvel.
b) P 1 e a matriz de transicao de B1 para B2 .

141
Aplica
c
ao `
a Rotac
ao de Eixos no Espa
co Bidimensional
Em muitos problemas e dado um sistema de coordenadas retangulares xy que, girado no
sentido anti-horario em torno da origem por um angulo , produz um novo sistema de coordenadas
x, y , . Quando isto e feito, cada ponto Q do plano tem dois conjuntos de coordenadas (x, y) e as
coordenadas (x, , y , ) em relacao ao sistema x, y , .

Introduzindo vetores unitarios u1 e u2 ao longo dos eixos x e y e vetores unitarios w1 e w2,


ao londo dos eixos x, e y , positivos, nos podemos considerar esta rotacao como uma mudanca de
uma base velha B1 = {u1 , u2 }, a uma nova B2 = {w1 , w2 }. Assim, as novas coordenadas (x, y)
de um ponto Q estao relacionadas por
   
x, 1 x
=P
y, y

onde P e a matriz de transicao de B2 para B1 . Observe que,


   
cos sen
[w1 ]B1 = e [w2 ]B1 =
sen cos
   
cos sen 1 cos sen
Assim, a matriz P = eP = e portanto,
sen cos sen cos
    
x, cos sen x
=
y, sen cos y

Exemplo 8.26 Determine as coordenadas do vetor (2, 1) na base de rotacao de um angulo = 4 .

Exemplo 8.27 Determine as coordenadas do vetor (2, 3) na base de rotacao de um angulo


= 3 .

142
LISTA de EXERCICIOS
ESPAC
OS VETORIAIS - MUDANC
A DE BASE


1. Sejam B1 = {(1, 0), (0, 1)}, B2 = {(1, 1), (1, 1)}, B3 = {( 3, 1), ( 3, 1)} e B4 = {(2, 0), (0, 2)}
bases ordenadas de R2 .

a)Ache as matrizes de mudanca de base:


[I]B
B1 ,
2
[I]B
B2 ,
1
[I]B B1
B3 [I]B4
1

b) Quais sao as coordenadas do vetor v = (3, 2) em relacao `a base:


i) B1 ii) B2 iii) B3 iv) B4

c) As coordenadas de um vetor v em relacao `a base B2 sao dadas por


 
4
[v]B2 =
0

d) Quais sao as coordenadas de v em relacao `a base:


i) B1 ii) B3 iii) B4


1 1 0
2. Se [I]B 2
= 0 1 1 determine

B1
1 0 1

1
a)[v]B1 sendo [v]B2 = 2
3

1
b)[v]B2 sendo [v]B1 = 2
3

143
Captulo 9

Transformaco
es Lineares

Neste captulo estudaremos um tipo especial de aplicacao, onde o domnio e o contra-


domnio sao espacos vetoriais. Assim tanto a variavel independente como a variavel dependente
sao vetores, razao pela qual essas aplicacoes sao chamadas vetoriais. Estamos interessados nas
aplicacoes vetoriais lineares, que serao denominadas transformac
oes lineares.

Definiao 9.1 Sejam E e F. Uma aplicacao T : E F e chamada transformacao linear de E


c
em F se:
I) T (u + v) = T (u) + T (v)
II) T (u) = T (u)
para qualquer u, v E e para qualquer R

Observa
c
ao 9.1 O conjunto de todas as transformacoes lineares de E em F e denotado por:

L(E, F )

Observa
c
ao 9.2 Uma transformacao linear de E em E e chamada operador linear sobre E.

Observa
c
ao 9.3 Uma transformacao linear de E em R e chamada funcional linear e

L(E, R) = E

espaco vetorial dual de E.

144
Consequ
encias da Defini
cao:

T (0E ) = 0F

T (1 v1 + ... + n vn ) = 1 T (v1 ) + ... + n T (vn )

T (v) = T (v)

T (u v) = T (u) T (v)

Observaao 9.4 L(E, F ) = {T : E F/T e transformacao linear} e um espaco vetorial com


c
as operacoes:

(A + B)(v) = A(v) + B(v)

(A)(v) = .A(v)

Teorema 9.1 Se T1 : U V e T2 : V W s
ao transformacoes lineares ent
ao,

(T2 T1 ) : U W, tal que (T2 T1 )(u) = T2 (T1 (u)),

e uma transformacao linear.

Exemplo 9.1 A aplicacao T : R R dada por T (x) = 2x e uma transformacao linear.

Exemplo 9.2 A aplicacao T : R2 R dada por T (x, y) = 3x + 1 n


ao e uma transformacao
linear.

dp
Exemplo 9.3 A aplicacao D : Pn Pn dada por D(p(x)) = e uma transformacao linear.
dx

Rb
Exemplo 9.4 A aplicacao S : Pn R dada por S(p(x)) = a
p(x)dx e uma transformacao
linear.

145
Exemplo 9.5 Dada uma matriz A Mmn , a aplicacao LA : Rn Rm dada por LA (v) = A.(v)
e uma transformacao linear.

9.1 Transformaco
es Lineares Planas
Agora iremos apresentar uma interpretacao geometrica das transformacoes lineares, apresentando
exemplos de transformacoes de R2 em R2 . Veremos que as expansoes, contracoes, rotacoes certas
deformacoes em objetos planos podem ser descritas por transformacoes lineares.

9.1.1 Exemplos

ao de fator 2) T : R2 R2 tal que T (x, y) = 2(x, y).


1. (Dilatac

ao de fator 12 ) T : R2 R2 tal que T (x, y) = 12 (x, y).


2. (Contrac

3. (Dilatac
ao de fator 2 na direao do eixo x) T : R2 R2 tal que T (x, y) = (2x, y).
c

4. (Dilatac
ao de fator 2 na direao do eixo y) T : R2 R2 tal que T (x, y) = (x, 2y).
c

146
ao em torno do eixo x) T : R2 R2 tal que T (x, y) = (x, y).
5. (Reflex

ao em torno do eixo y) T : R2 R2 tal que T (x, y) = (x, y).


6. (Reflex

7. (Rota
c
ao de um Angulo no sentido anti-horario) R : R2 R2 tal que
   
cos sen x
R (x, y) = .
sen cos y

8. (Cisalhamento horizontal) T : R2 R2 tal que T (x, y) = (x + 2y, y).

9.2 Transformaco
es Lineares Espaciais
Tambem podemos interpretar geometricamente as transformacoes lineares, apresentando exem-
plos de transformacoes de R3 em R3 . Veremos que as expansoes, contracoes,projecoes, rotacoes e
certas deformacoes em objetos tridimensionais podem ser descritas por transformacoes lineares.

9.2.1 Exemplos

ao de fator 2) T : R3 R3 tal que T (x, y, z) = 2(x, y, z).


1. (Dilatac

147
ao de fator 12 ) T : R3 R3 tal que T (x, y, z) = 12 (x, y, z).
2. (Contrac

3. (Dilatac
ao de fator 2 na direao do eixo z) T : R3 R3 tal que T (x, y, z) = (x, y, 2z).
c

4. (Dilatac
ao de fator 2 na direao do eixo y) T : R3 R3 tal que T (x, y, z) = (x, 2y, z).
c

ao em torno do plano xy) T : R3 R3 tal que T (x, y, z) = (x, y, z).


5. (Reflex

ao em torno do plano xz) T : R3 R3 tal que T (x, y, z) = (x, y, z).


6. (Reflex

148
ao em torno do plano yz) T : R3 R3 tal que T (x, y, z) = (x, y, z).
7. (Reflex

ao ortogonal sobre o plano xy) T : R3 R3 tal que T (x, y, z) = (x, y, 0).


8. (Projec

ao ortogonal sobre o plano xz) T : R3 R3 tal que T (x, y, z) = (x, 0, z).


9. (Projec

ao ortogonal sobre o plano yz) T : R3 R3 tal que T (x, y, z) = (0, y, z).


10. (Projec

11. (Rota
c
ao anti-hor angulo ) R : R3 R3
aria em torno do eixo z positivo por um
tal que
cos sen 0 x
Rz() (x, y, z) = sen cos 0 . y

0 0 1 z

149
12. (Rota
c
ao anti-hor angulo ) R : R3 R3
aria em torno do eixo x positivo por um
tal que
1 0 0 x
Rx() (x, y, z) = 0 cos sen . y
0 sen cos z

13. (Rota
c
ao anti-hor angulo ) R : R3 R3
aria em torno do eixo y positivo por um
tal que
cos 0 sen x
Ry() (x, y, z) = 0 1 0 . y
sen 0 cos z

9.3 O uso de bases na obten


c
ao de uma Transformac
ao
Linear
Considere {v1 , v2 , ..., vn } uma base de E. Uma transformacao linear T : E F fica inteiramente
definida quando definimos as imagens T (v1 ), T (v2 ), ..., T (vn ).
Isto pode ser feito expressando um vetor qualquer de E como combinacao linear da base:

v = c1 v1 + c2 v2 + ... + cn vn

E entao usando a definicao de transformacao linear temos:

T (v) = c1 T (v1 ) + c2 T (v2 ) + ... + cn T (vn )

150
Exemplo 9.6 Seja B = {(0, 1, 0), (1, 0, 1), (1, 1, 0)} base de R3 e T : R3 R2 tal que T (0, 1, 0) =
(1, 2), T (1, 0, 1) = (3, 1), T (1, 1, 0) = (0, 2). Verifique que T (5, 3, 2) = (10, 20).

Exemplo 9.7 Seja B = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} e T : R3 R2 tal que: T (1, 1, 1) =
(1, 0), T (1, 1, 0) = (2, 1), T (1, 0, 0) = (4, 3).
ao para T (x, y, z) e use-a para determinar T (2, 3, 5).
Encontre uma express

9.4 N
ucleo e Imagem de uma Transformac
ao Linear
Defini
c ucleo de uma transformacao linear T : E F ao conjunto de todos
ao 9.2 Chama-se n
os vetores v E que s
ao transformados em 0F . Indica-se esse conjunto por N (T ) ou ker(T ):

N (T ) = {v E/ T (v) = 0F }

Observa
c
ao 9.5 N (T ) e um subespaco vetorial de E.

Observaao 9.6 Uma transformacao linear T : E F e injetora se, e somente se,


c

N (T ) = {0E }

Definiao 9.3 Chama-se imagem de uma transformacao linear T : E F ao conjunto dos


c
vetores w F que s
ao imagens de pelo menos um vetor v E. Indica-se esse conjunto por
Im(T ) ou simplesmente, T (E).

Im(T ) = {w F/ T (v) = w para algum v E}

Observa
c
ao 9.7 Im(T ) e um subespaco vetorial de F.

151
9.5 Matrizes de Transformaco
es Lineares Arbitr
arias
Suponha que V e um espaco vetorial n-dimensional e W e um espaco vetorial m-dimensional. Se
nos escolhermos bases B e B , para V e W respectivamente, entao para cada v V a matriz de
coordenadas [v]B sera um vetor em Rn e a matriz de coordenadas [T (v)]B , sera um vetor em Rm .
Se B = {v1 , v2 , ..., vn } e base de V e B , = {w1 , w2 , ..., wm } e base de W. Entao T (v1 ), T (v2 ), ..., T (vn )
sao vetores de W e portanto,

T (v1 ) = a11 w1 + a21 w2 + ... + am1 wm

T (v2 ) = a12 w1 + a22 w2 + ... + am2 wm

. . . .

. . . .

. . . .

T (vn ) = a1n w1 + a2n w2 + ... + amn wm

dizemos que
a11 a12 ... a1n

a21 a22 ... a2n

. . ... .
= [T ]B
A= B,

. . ... .

. . ... .
am1 am2 ... amn
e a matriz de T em relacao `as bases B e B , .

Exemplo 9.8 Seja T : R3 R2 tal que T (x, y, z) = (2x + y z, 3x 2y + 4z) e sejam B a base
canonica de R3 e B , a base canonica de R2 . Calculando [T ]B
B , temos:

ao B = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} e B , = {(1, 3), (1, 4)} calcule
Exerccio 9.1 Considerando ent
[T ]B
B, .

152
Teorema 9.2 Sejam V e W espacos vetoriais, B = {v1 , v2 , ..., vn } base de V, B , = {w1 , w2 , ..., wm }
base de W e T : V W uma aplicacao linear.
Entao, para todo v V vale:
[T (v)]B , = [T ]B
B , .[v]B

Teorema 9.3 Se T1 : U V e T2 : V W s
ao transformacoes lineares e se B1 , B2 , B3 s
ao
bases de U, V e W, respectivamente, ent
ao

[T2 T1 ]B B2 B1
B3 = [T2 ]B3 .[T1 ]B2
1

Observa
c
ao 9.8 Para U = V = W e B1 = B2 = B3 = B temos:

[T2 T1 ]B = [T2 ]B .[T1 ]B

Exerccio 9.2 Estude matricialmente T2 T1 sabendo que T1 (x, y) = 2(x, y) e uma expans
ao
plana e T2 (x, y) = (x + 2y, y) e um cisalhamento. Interprete a composicao geometricamente.

Exerccio 9.3 No plano, uma rotacao anti-horaria de 45o e seguida por uma dilatacao de

2. Ache a aplicacao A que representa esta transformacao no plano e interprete-a passo-a-


passogeometricamente.

Exerccio 9.4 No espaco, uma dilatacao de fator 2 na direcao do eixo y e seguida de uma
rota
cao anti-horaria de 90o em torno do eixo x positivo e uma reflex
ao em torno do plano
xy. Ache a aplicacao A que representa esta transformacao espacial e interprete-a passo-a-
passogeometricamente.

153
Captulo 10

Autovalores e Autovetores

Definiao 10.1 Um vetor v 6= 0E de E chama-se autovetor do operador T : E E, quando


c
existe R tal que
Av = v.

umero R, por sua vez, chama-se autovalor do operador A.


O n

Observa
c
ao 10.1 Se v e um vetor n
ao nulo tal que A(v) = v ent
ao cada vetor na reta gerada
por v e levado de volta `
a mesma reta quando multiplicado pela matriz de A. Vetores n
ao nulos que
s
ao levados em m
ultiplos escalares deles mesmo por um operador linear aparecem naturalmente
no estudo de vibracoes e da dinamica populacional, na Genetica, Mecanica Quantica e Economia.

Exemplo 10.1 A transformacao linear T (x, y) = (3x + 2y, 3x 2y) admite v = (2, 1) como
autovetor associado ao autovalor = 4.

Defini
c
ao 10.2 Dizemos que o n
umero real e um autovalor da matriz
a M (n n) quando e um autovalor do operador A : Rn Rn , cuja matriz na base
canonica e a. Ou seja, existe x Rn tal que ax = x.
 
3 0
Exemplo 10.2 O vetor v = (1, 2) e um autovetor de A = correspondente ao autova-
8 1
lor = 3.

Pergunta: Dado um operador linear T : E E, como determinar R tal que T v = v ?


Na proxima secao veremos um metodo para calcular o autovalor .

154
10.1 O Polin
omio Caracterstico
Observe que v e autovetor do operador T associado ao autovalor se: T (v) = v. Tomando
entao, [T ] a matriz de T com relacao a base canonica teremos: [T ][v] = [v] ou ainda,
([T ] I)[v] = 0E Fazendo ([T ] I) = B temos:

B.v = 0 (1)

Esta equacao e dada explicitamente por:



a11 a1 ... a1n x1 0
a21
a22 ... a2n
x2
0


. . . ...
. .
= .


. . . ...
.
.

. . . ... . .
an1 an2 ... ann xn 0

Observe que para det(B) 6= 0, o sistema de equacoes lineares homogeneo indicado acima
tem uma u
nica solucao, x1 = x2 = ... = xn = 0 (ou v = 0E ). Portanto, a u
nica maneira de
encontrarmos autovetores v (solucoes nao nula da equacao acima) e termos detB = 0, ou seja,

det([T ] I) = 0 (2)

Impondo esta condicao determinamos primeiramente os autovalores que satisfazem a equacao


e depois os autovetores a eles associados.

Defini
c
ao 10.3 O determinante dado em (2) e dito Polin
omio Caracterstico do operador
T.
P() = det([T] I)

Exemplo 10.3 Estude a existencia de autovalores e autovetores do operador

T (x, y) = (3x, 8x y).

Exemplo 10.4 Determine, se possvel, os autovalores e autovetores do operador

A(x, y) = (4x + 3y, x + 2y)

Exemplo 10.5 Seja A(x, y) = (y, 0) Quais s


ao os autovalores e autovetores de A?

155
Exemplo 10.6 Seja A(x, y) = (2x y, x + 4y). Mostre que A possui um autovalor u
nico igual
a 3.

Exemplo 10.7 Seja A(x, y) = (3x + y, 2x + y). Mostre que A possui os autovalores 4 e 1.
Determine a base de autovetores de A e estude a matriz de A na base de autovetores.

Exemplo 10.8 Estude os autovalores e autovetores associados a matriz



3 3 4
0 3 5
0 0 1

Exemplo 10.9 Estude os autovalores e autovetores associados a matriz



2 3 1
1 2 1
1 3 2

Teorema 10.1 Seja E um espaco vetorial de dimens


ao n que possui n autovalores distintos.
Entao, o conjunto dos autovetores associados aos autovalores de T e base de E.
B = {v1 , v2 , ..., vn } onde, T (vi ) = i vi , i = 1, 2, ..., n.

Observaao 10.2 Se B = {v1 , v2 , ..., vn } e uma base de autovetores de E ent


c ao,

1 0 ... 0
0 2 ... 0

[T ]B
B =
e diagonalizavel.
... ... ... ...
0 0 ... n

Definiao 10.4 Uma matriz An n e dita diagonaliz


c avel se existirem uma matriz invertvel
P e uma matriz diagonal D satisfazendo

P 1 .A.P = D

Nesse caso dizemos que P diagonaliza A.

Teorema 10.2 Uma matriz An n e diagonalizavel se e somente se A tem n autovetores line-


armente independentes.
Mais ainda, a matriz P que diagonaliza A e matriz cujas colunas s
ao formadas pelos autove-
tores de A.

156
 
2 3
Exemplo 10.10 Verifique que A = e diagonalizavel, determinando seus autovalores
2 5
1
(e autovetores) e as matrizes P, P e D.

3 1 2
Exemplo 10.11 Verifique que A = 2 0 2 e diagonalizavel, determinando seus auto-
2 1 1
valores (e autovetores) e as matrizes P, P 1 e D.

10.2 Operadores Auto-Adjuntos


Como vimos anteriormente, dado um operador linear A sobre um espaco E de dimensao finita,
se existir uma base de autovetores a matriz de [A] nesta base de autovetores e uma matriz
diagonal, ou seja se existe uma base de autovetores entao o operador e diagonalizavel. No entanto,
observamos pelos exemplos do Captulo anterior que nem todos operadores sao diagonalizaveis,
ou seja, nem todo operador A admite uma base de autovetores.

Definiao 10.5 Um operador A : E E e auto-adjunto quando existe uma base ortonomal


c
B de E tal que [A]B
B
e sim
etrica, ou seja

O operador A e auto-adjunto [A]B B T


B = ([A]B ) independente da base B ortonormal
considerada.

Teorema 10.3 (Teorema Espectral) Para todo operador auto-adjunto


A : E E, num espaco vetorial de dimens
ao finita munido de produto interno, existe uma
base ortonormal {u1 , u2 , ..., um } E formada por autovetores de A.

Observa
c
ao 10.3 Do teorema acima conclumos que, se T e um operador auto-adjunto ent
ao, a
matriz canonica de T e simetrica e diagonalizavel pela matriz P, cujas colunas s
ao os autovetores
ortonormais de T.

Observa
c
ao 10.4 A matriz P considerada acima e dita unit
aria pois seus vetores colunas
formam um conjunto ortonormal.

Podemos entao, reformular o Teorema Espectral da seguinte maneira:

Teorema 10.4 (Reformula


cao do Teorema Espectral)
Se Ann e uma matriz auto-adjunta, ent
ao existe uma matriz unit
aria P que diagonaliza A.

157

0 2 1
Exerccio 10.1 Dada A = 2 3 2 encontre uma matriz unit
aria P que diagonaliza
1 2 0
A.

Exerccio 10.2 Determine, se possvel, uma base ortonormal de autovetores do operador

T (x, y, z) = (2x, 6y + z, y + 6z).

Exerccio 10.3 Seja T (x, y, z) = (2x + y, x + y + z, y 3z).


a) Mostre que T e um operador auto-adjunto.
b) Exiba uma base de autovetores de T e verifique que esta base e ortogonal. A partir desta
base, escreva uma base ortonormal e a matriz de T com relacao a esta base.

Exerccio 10.4 Encontre uma matriz diagonalizante unit


aria para cada uma das matrizes a
seguir.
 
2 1
a)
1 2


2 1 1
b) 1 3 2
1 2 3


1 1 1
c) 1 1 1
1 1 1


4 2 2
d) 2 1 1
2 1 1

158
10.3 Diagonaliza
c
ao de uma forma quadr
atica plana
Uma forma quadratica plana e dada por:

Q(x, y) = ax2 + by 2 + 2cxy (1)

e serao estudadas no Captulo 10 como um dos termos da equacao de uma conica dada por:

C(x, y) = ax2 + by 2 + 2cxy + dx + ex + f = 0 (2)

Veremos a seguir que:


Se c = d = e = 0 entao a conica esta centrada na origem e possui uma posi
c
ao padr
ao
n
ao rotacionada;
Se c = 0 e d 6= 0 ou e 6= 0 entao a conica esta transladada (nao centrada na origem)
mas, possui uma posi
c
ao padr
ao n
ao rotacionada;
Se c 6= 0 e d = e = 0 entao a conica esta centrada na origem e rotacionada;
Se c, d, e sao n
ao nulos entao a conica esta transladada (nao centrada na origem) e
rotacionada.
Para os casos em que a conica esta rotacionada, e necessario determinar os novos vetores de
posicao. Veremos que a nova base de posicao sera formada por autovetores da matriz simetrica
associado a forma quadratica Q(x, y). Para tanto e necessario expressar Q(x, y) matricialmente:
  
a c x
Q(x, y) = [x y] (3)
c b y
 
a c
Como A = e simetrica, sabemos que esta associada a um operador auto-adjunto e
c b
portanto, existe uma matriz P que diagonaliza A. Sendo P uma matriz ortonormal de autovetores
temos:

P 1 = P T , pois P T .P = I e ainda, P T .A.P = D

Fazendo entao a mudanca da base canonica para a base de autovetores temos:


[I]autovetores canonica 1
canonica = P [I]autovetores = P . Logo,
   ,   T
x x x
= P. e [x y] = = [x, y , ]P T .
y y, y
Substituindo em (3) temos:
 ,   , 
x x
, , T
Q(x, y) = [x y ]P .A.P. ,
, ,
= [x y ].D. = 1 (x, )2 + 2 (y , )2 , denominada forma
y y,
quadr
atica diagonalizada.

159
Refer
encias Bibliogr
aficas


[1] Anton, H.; Rorres, C.. Algebra Linear com Aplicacoes. 8a Ed.. Porto Alegre: Bookman,
2001.


[2] Boldrini, J. L.. Algebra Linear . 3a Ed.. Sao Paulo: Harbra Ltda, 1986.

[3] Boulos, P. Camargo, I. de. G. A. - um tratamento vetorial. 3a Ed.. S.P.: Prentice Hall,
2005.


[4] Santos, Nathan Moreira dos. Vetores e Matrizes - Uma introducao `a Algebra Linear . 4a
Ed. Sao Paulo: Thompson Learning, 2007.


[5] Poole, D. Algebra Linear. 1a Ed.. Sao Paulo: Thomson Learning, 2006.


[6] Poole, D. Algebra Linear. 1a Ed.. Sao Paulo: Thomson Learning, 2006.

[7] Steinbruch, A.; Winterle, P. Geometria Analtica. 2a Ed.Sao Paulo: Makron Books, 1987.


[8] Steinbruch, A.; Winterle, P. Algebra Linear. 2a Ed.Sao Paulo: Makron Books, 1987.

[9] Steinbruch, A.; Winterle, P. Introducao `a algebra linear. Sao Paulo: Makron Books, 1990.

160