Escolar Documentos
Profissional Documentos
Cultura Documentos
Pato Branco
2015
1
SUMÁRIO
00 CORPOS.............................................................................................................3
01 MATRIZES.........................................................................................................4
02 SISTEMAS DE EQUAÇÕES LINEARES.......................................................18
03 SISTEMAS DE COORDENADAS.................................................................39
04 VETORES.........................................................................................................44
05 VETORES NO PLANO E NO ESPAÇO.......................................................59
06 DEPENDÊNCIA E INDEPENDÊNCIA LINEAR..........................................69
07 BASE.................................................................................................................83
08 PRODUTO ESCALAR....................................................................................91
09 PRODUTO VETORIAL...............................................................................111
10 PRODUTO MISTO.......................................................................................125
11 RETA..............................................................................................................132
12 PLANO...........................................................................................................156
13 CÔNICAS......................................................................................................182
14 ESPAÇOS VETORIAIS................................................................................220
15 TRASFORMAÇÕES LINEARES.................................................................267
16 AUTOVALORES E AUTOVETORES........................................................300
17 PRODUTO INTERNO.................................................................................316
2
CORPOS
3
CAPÍTULO 01: MATRIZES
1.1 INTRODUÇÃO
[ ]
4
[ ] [ ] [ ]
( ) ‖ ‖
[ ] [ ]
[ ]
5
Em geral, o elemento está localizado na linha e na
coluna.
Ainda na matriz do exemplo, temos: , , ,
e .
iguais se:
i. Elas possuírem o mesmo número de linhas ( );
ii. Elas possuírem o mesmo número de colunas ( );
iii. Os elementos das entradas correspondentes são iguais (
).
Denotamos a igualdade entre tais matrizes por .
6
1.2.1 Matriz Quadrada: Diz-se que uma matriz [ ] é
[ ]
e , tem-se .
7
Observações:
[ ]
[ ] ( ) ∑
8
[ ]e [ ] são exemplos de matriz identidade. é a matriz
9
1.3 OPERAÇÕES COM MATRIZES
( ) [ ]
Exemplo:
Sejam [ ]e [ ], então:
[ ] [ ] [ ] [ ]
( )
[ ]
10
a multiplicação escalar de por , como sendo a matriz , de ordem
, tal que:
( ) [ ]
Exemplo:
Sejam [ ]e , então:
( )
[ ] [ ( ) ( )] [ ]
[ ]
11
02. Seja [ ], então [ ].
1.3.3.1 Propriedades:
i. Uma matriz é simétrica se, e somente se, ela é igual a sua
transposta, isto é, se, e somente se .
ii. , isto é, a transposta da transposta é igual a própria
matriz.
iii. ( ) , isto é, a transposta da soma é igual à soma
das transpostas.
iv. ( ) , escalar.
Observações:
Exemplos:
12
multiplicação de por . Além disso, como temos e , a matriz
terá ordem . Calculamos então :
( )
[ ( ) ] [ ]
( )
[ ]
multiplicação:
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
[ ]
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
[ ]
[ ]
[ ]
1.3.4.1 Propriedades:
i. Em geral , mesmo que um dos produtos não possa
ser realizado;
13
ii. , onde é a matriz identidade. Como é uma
matriz quadrada, digamos que de ordem , para que a multiplicação
esteja definida, deve possuir colunas;
iii. ( ) ;
iv. ( ) ;
v. ( ) ( );
vi. ( ) ;
vii. e ;
viii. não implica que ou .
Quando uma matriz não possui inversa, dizemos que esta matriz
é singular.
14
Assim, temos:
( ) ( )
1.4.3 Propriedades:
i. A matriz identidade de ordem é invertível.
ii. Se é uma matriz invertível, então é invertível. Além disso,
( ) .
iii. Se e são matrizes invertíveis, então a matriz também é
invertível. Além disso, ( ) .
iv. Se é invertível, então é invertível. Além disso, ( )
( ).
15
Vejamos um exemplo para determinar a inversa de uma matriz.
Exemplo:
( ) | |
( )
[ | ] [ | ]→ [ | ]
→ [ | ]→ [ | ]
→ [ | ]→ [ | ]
|
→ [ | ]→ [ | ]
|
[ ]
16
[ ]
17
CAPÍTULO 02: SISTEMAS DE EQUAÇÕES LINEARES
2.1 INTRODUÇÃO
18
possui solução. Uma ( ) é uma solução da equação
linear se .
Por exemplo, supondo que , temos em particular
. Logo, como ( ) é um corpo, possui inverso multiplicativo
. Então:
Portanto ( ) é uma
solução da equação.
Em geral:
{( ) }
{( ) }
√ √
19
√
{( √ ) }
{ ∑
∑
{
02. Se uma das equações em um sistema não for uma equação linear,
então este sistema não é um sistema de equações lineares.
20
2.3.2 Solução de um sistema de equações lineares: Considere o
Tomando ( ) em temos:
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
21
2.3.2.1 Sistemas Equivalentes: Dois sistemas de equações lineares
são equivalentes se, e somente se, toda solução de qualquer um dos
sistemas também é solução do outro.
Exemplo:
{ {
[ ] [ ] [ ]
[ ]
22
Note que a matriz ampliada é composta pelos coeficientes de cada
equação, juntamente com os termos independentes.
Exemplo:
[ ] [ ] [ ]
[ ]
Como:
[ ] [ ] [ ]
23
São três as operações elementares sobre as linhas de uma matriz.
A seguir, veremos estas operações e alguns exemplos.
[ ]→ [ ]
.
2.4.2 Multiplicação da linha por um escalar não nulo
( ): Consiste em multiplicar a linha de uma matriz por
um escalar , onde .
Exemplo:
[ ]→ [ ]
24
[ ]→ [ ]
25
Isto é, o número de zeros precedendo o primeiro elemento não
nulo de uma linha aumenta a cada linha, até que sobrem somente linhas
nulas, se houver.
Exemplos:
condições (i) e (iv) não são satisfeitas. A condição (i) diz que o primeiro
elemento não nulo de cada linha deve ser igual a , note que o primeiro
elemento não nulo da linha é igual a . Já a linha 2 possui elemento
não nulo na coluna 1, enquanto a linha possui elemento não nulo na
coluna , o que não corresponde a condição exigida em (iv).
as condições (i) e (iii) não são satisfeitas. Na linha , note que o primeiro
elemento não nulo é igual a , logo (i) não é satisfeita. Existe uma linha
nula (linha ) acima de uma linha não nula (linha ), portanto (iii) não é
satisfeita.
26
2.5.3 Definição: Seja uma matriz e a matriz linha
reduzida à forma escada linha equivalente a . O posto de , denotado
por , é o número de linhas não nulas de . A nulidade de é o número
.
Observamos que, para determinar o posto de uma matriz,
devemos encontrar sua matriz linha reduzida à forma escada, assim o
posto de será o número de linhas não nulas presentes na matriz
escada. Para determinar a nulidade, fazemos a diferença entre o número
de colunas de e o posto de .
Exemplos:
[ ]→ [ ]→ [ ]
→ [ ]→ →
[ ]
[ ]
[ ]
27
Note que, se a matriz acima for associada à matriz ampliada de um
sistema, temos:
{ [ ]
Note que, ao determinarmos a matriz escada equivalente a matriz
ampliada do sistema, encontramos a solução de tal sistema.
[ ]
matriz linha reduzida à forma escada. Temos o posto e a nulidade
.
Novamente, associando as matrizes a sistemas de equações lineares,
temos:
28
{ {
29
ii. Se , então a equação possui infinitas soluções, pois
qualquer que seja o valor de , teremos:
30
A solução deste sistema é o par ( ) que satisfaz as duas
equações simultaneamente. Geometricamente, devemos encontrar o
ponto do plano que é comum às duas retas, ou seja, queremos encontrar
a interseção destas retas. É fácil perceber que a solução será ( ).
[ ]→ [ ]→ [ ]→ [ ]
→ [ ]
31
Geometricamente, qualquer ponto de uma das retas pertence à outra.
inicial é:
32
Note que, as equações representam duas retas paralelas, isto é, as retas
em questão não possuem nenhum ponto em comum. Ainda podemos
dizer que não existe ( ) tal que e satisfaçam as equações
equivalente:
33
Onde os coeficientes e são elementos de um corpo. Este sistema
poderá ter:
i. Uma única solução (SPD);
ii. Infinitas soluções (SPI);
iii. Nenhuma solução (SI).
2.6.4 Teorema:
i. Um sistema de equações e incógnitas admite solução se, e
somente se, o posto da matriz ampliada é igual ao posto da matriz dos
coeficientes.
ii. Se as duas matrizes têm o mesmo posto e , a solução
será única.
iii. Se as duas matrizes têm o mesmo posto e , podemos
escolher incógnitas, e as outras incógnitas serão dadas em
função destas.
34
03. Na matriz [ ] temos , e . Note que
( ) ( )
.
Na forma matricial, o sistema é homogêneo se ,
onde é a matriz nula de ordem ( ).
[ ]
35
Ou ainda, podemos pensar na solução como sendo a
( ) ( ).
Exemplos:
solução, a solução ( ).
[ ]→ [ ]→ [ ]
→ [ ]
36
Prova: Seja o sistema homogêneo na forma matricial ,
onde é uma matriz com (isto quer dizer que o número de
incógnitas é maior do que o número de equações).
Como um sistema homogêneo é sempre possível, pelo item i do
Teorema 2.6.4 temos que . E como o sistema possui mais
incógnitas do que equações, obviamente , segue então pelo item iii
do Teorema 2.6.4 que o sistema possui grau de liberdade e
incógnitas dependentes das incógnitas livres, ou seja, este sistema é
possível e indeterminado, portanto possui uma solução não trivial.
( ) ( ) ( )
( ) ( )
( )
37
2.8.5 Teorema: Qualquer combinação linear de soluções de um
sistema homogêneo também é solução.
38
CAPÍTULO 03: SISTEMAS DE COORDENADAS
3.1 INTRODUÇÃO
Observações:
02. Se , então .
03. .
Exemplo:
40
Na representação acima, o ponto tem coordenadas e , ou
seja, ( ). O ponto tem coordenadas e , ou seja,
( ).
41
iii. se e ;
iv. se e .
v. Se , está sobre o eixo Y.
vi. Se , está sobre o eixo
( ) √( ) ( )
42
Na representação acima o ponto tem coordenadas , e
, ou seja, ( ).
( ) √( ) ( ) ( )
43
CAPÍTULO 04: VETORES
4.1 INTRODUÇÃO
44
Sendo a origem e a extremidade, denotamos este segmento
orientado por ( ) (note que devemos levar em consideração a ordem
em que dispomos os pontos). Geometricamente, este segmento é
representado por uma seta, de acordo com a figura abaixo.
45
Neste caso, temos ̅̅̅̅ .
Observações:
02. ̅̅̅̅ ̅̅̅̅, isto é, qualquer segmento e seu segmento oposto terão
mesmo comprimento.
46
Na figura abaixo, os segmentos ( ) e ( ) possuem mesmo
sentido.
47
Se os segmentos ( )e( ) não pertencem a mesma reta, para
que ( ) seja equipolente a ( ) devemos ter ( ) ( ) e ( )
( ) , isto é, deve ser um paralelogramo.
Observações:
4.4 VETOR
48
⃗ {( ) ( ) ( )}
4.4.1 Igualdade entre vetores: Dois vetores ⃗⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗⃗ são iguais se,
e somente se, ( ) ( ). Denotamos a igualdade por ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ .
49
4.4.2 Vetor Nulo: Os segmentos nulos, por serem equipolentes
entre si, determinam um único vetor, chamado de vetor nulo.
Denotamos o vetor nulo por ⃗⃗.
50
segmento . Note que, ⃗ pode ser qualquer, porém tomamos um
representante com origem no ponto , isto é, a origem do representante
de ⃗ coincide com a extremidade do representante de ⃗⃗. O vetor ⃗⃗⃗⃗⃗⃗ será
a soma de ⃗⃗ e ⃗. Em outras palavras ⃗⃗⃗⃗⃗⃗ ⃗⃗ ⃗, isto é, um representante
do vetor soma é o segmento orientado ( ). A definição de soma pode
parecer um pouco confusa, mas veremos que geometricamente tudo fica
mais claro.
Consideramos a figura abaixo, para uma melhor visualização.
51
Observações:
01. ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ . Esta igualdade nos diz que, ao somarmos vetores
onde a extremidade (do representante) do primeiro coincide com a
origem (do representante) do segundo, o vetor resultante terá um
representante com a origem do primeiro e a extremidade do segundo.
⃗⃗ ⃗⃗⃗⃗⃗⃗. Então ⃗⃗ ( ⃗⃗) ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗. Esta propriedade garante a
existência do elemento oposto para a soma de vetores.
52
⃗⃗ ⃗ ⃗⃗ ( ⃗) ⃗⃗ ⃗
⇒ ⃗⃗ ⃗ ⃗⃗ ⃗⃗⃗ ⇒ ⃗ ⃗⃗⃗
⃗ ⃗⃗⃗
53
02. Se e ⃗⃗ ⃗⃗, temos:
i. ⃗⃗// ⃗⃗;
Observações:
⃗ ⃗⃗ ⃗⇒ ⃗ (⃗ ⃗⃗) ⃗ ⃗⇒ ( ⃗ ⃗) ⃗⃗ ⃗ ⃗
⇒ ⃗⃗ ⃗⃗ ⃗ ⃗ ⇒ ⃗⃗ ⃗ ⃗
⃗⃗
04. Se , ⃗.
Exemplos:
54
01. Provemos que ( )⃗ ( ⃗), e ⃗ . Nossa “missão” é
provar que o vetor ( ) ⃗ é o oposto aditivo de ⃗, ou seja, devemos
mostrar que a soma de ( ) ⃗ com ⃗ resulta no vetor ⃗⃗. De fato:
( )⃗ ⃗ ( )⃗ ⃗ ⃗⃗ ( )⃗ ⃗ ⃗⃗
Portanto, ( )⃗ ( ⃗).
( ⃗) ⃗ ( ⃗ ⃗) ⃗⃗ ⃗⃗ ( ⃗) ⃗ ⃗⃗
Portanto, ( ⃗) ( ⃗).
( )( ⃗) [ ( ⃗)] ( )
( )( ⃗) [ ( ⃗)] [ ( ⃗)] ⃗
( )( ⃗) ⃗
⃗ ⃗ ⃗ ⃗ ⃗⃗ ⃗ ( ( ⃗)) ⃗⃗ ⃗ ( )⃗ ⃗⃗
55
( )⃗ ⃗⃗
Mas, por hipótese, temos ⃗ ⃗⃗. Então a igualdade acima será válida se
. Portanto:
56
06. O paralelogramo é determinado pelos vetores ⃗⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗⃗, sendo
e pontos médios dos lados e , respectivamente.
Temos:
a) ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ; b) ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗; c) ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ;
57
4.8 VETORES COPLANARES
iv. ⃗⃗ ⃗⃗ ⃗⃗ ;
v. Se ⃗⃗ ⃗e , então ⃗⃗ ⃗;
vi. O ângulo entre ⃗⃗ e ⃗ é o suplemento do ângulo entre ⃗⃗ e ⃗, ou
seja, se ( ⃗⃗ ⃗), então .
58
CAPÍTULO 05: VETORES EM e
5.1 INTRODUÇÃO
5.2.2 Base Ortonormal: Uma base {⃗⃗⃗⃗ ⃗⃗⃗⃗} é dita ortonormal se seus
vetores são ortogonais e se cada vetor é unitário. Em outras palavras,
{⃗⃗⃗⃗ ⃗⃗⃗⃗} é ortonormal se ⃗⃗⃗⃗ ⃗⃗⃗⃗ e ||⃗⃗⃗⃗|| ||⃗⃗⃗⃗|| .
Exemplo:
60
5.2.3 Base Canônica: A base {⃗ ⃗} formada pelos vetores ⃗ e ⃗ cujos
representantes possuem origem no ponto e extremidade nos pontos
( )e( ), respectivamente, é chamada de base canônica do plano.
61
representante do vetor ⃗ ⃗ ⃗ possui origem em ( ) e extremidade
no ponto ( ), quaisquer que sejam .
Define-se vetor no plano pelo par ordenado ( ) e o
representamos por ⃗ ( ) , que é a expressão analítica de ⃗ em .
Podemos escrever ⃗ ⃗ ⃗ ( ), ⃗ ( ), ⃗ ( ) e ⃗ ⃗
⃗ ( ). Particularmente ⃗ ( ), ⃗ ( ) e ⃗⃗ ( ).
62
Resumindo: a soma de dois vetores ⃗⃗ e ⃗ é um vetor cujas
coordenadas são a soma das coordenadas correspondentes de ⃗⃗ e ⃗. A
multiplicação do escalar pelo vetor ⃗⃗ é um vetor cujas
coordenadas são a multiplicação (em ) de por cada coordenada de ⃗⃗.
Exemplo:
Sendo ⃗⃗ ( )e ⃗ ( ), temos:
⃗⃗ ⃗ ( ) ( ) ( ) ( ) ⃗⃗ ⃗ ( )
⃗ ( ) ( ( ) ) ( ) ⃗ ( )
63
Note que, temos a soma de vetores:
⃗⃗⃗⃗⃗⃗ ( )
64
5.6 NORMA DE UM VETOR NO PLANO
|| ⃗|| √( ) ( )
|| ⃗|| √
Dados três vetores ⃗⃗⃗⃗⃗, ⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗ não coplanares no espaço, qualquer
vetor ⃗ no mesmo espaço pode ser decomposto segundo as direções de
⃗⃗⃗⃗⃗, ⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗. Devemos escrever o vetor ⃗ como sendo a soma de três
vetores com mesmas direções de ⃗⃗⃗⃗⃗, ⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗. Em outras palavras, temos
que determinar tais que ⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗.
5.7.1 Definição: Sejam ⃗⃗⃗⃗⃗, ⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗ vetores não coplanares. Quando
o vetor ⃗ estiver representado por ⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗, dizemos que ⃗
é uma combinação linear de ⃗⃗⃗⃗⃗, ⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗. A tripla de vetores ⃗⃗⃗⃗⃗, ⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗ é
chamada de base no espaço. Aliás, qualquer conjunto {⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗}, com ⃗⃗⃗⃗⃗,
⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗ não coplanares, constitui uma base no espaço. Os números
65
são chamados de coordenadas ou componentes de ⃗ em
relação à base {⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗}. Embora estejamos denotando a base por
{⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗}, ou seja, usando a notação de conjunto, a ordem em que os
vetores aparecem deve ser levada em consideração.
5.7.2 Base Ortonormal: Uma base {⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗} é dita ortonormal se
seus vetores são dois a dois ortogonais e se cada vetor é unitário. Em
outras palavras, {⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗} é ortonormal se ⃗⃗⃗⃗ ⃗⃗⃗⃗, ⃗⃗⃗⃗ ⃗⃗⃗⃗, ⃗⃗⃗⃗ ⃗⃗⃗⃗ e
||⃗⃗⃗⃗|| ||⃗⃗⃗⃗|| ||⃗⃗⃗⃗|| .
66
origem em ( ) e extremidade no ponto ( ), quaisquer que
sejam .
Define-se vetor no espaço pela terna ordenada ( ) e o
⃗⃗⃗⃗⃗⃗ ( )
|| ⃗|| √( ) ( ) ( )
67
Observação: Você deve perceber que o vetor definido pelos pontos e
tem como norma || ⃗|| ( ).
|| ⃗|| √
⃗⃗ ⃗ ( ) ( )
( ) ( )
68
CAPÍTULO 06: DEPENDÊNCIA E INDEPENDÊNCIA LINEAR
6.1 INTRODUÇÃO
69
positivo. Assim, como supomos ⃗⃗ e ⃗ com mesmo sentido, temos que ⃗⃗
e ⃗ possuem mesmo sentido.
Resta mostrar que ⃗⃗ e ⃗ possuem mesma norma. De fato:
|| ⃗⃗|| || ⃗||
|| ⃗|| | | || ⃗|| | | || ⃗|| || ⃗⃗|| || ⃗⃗|| || ⃗⃗|| || ⃗|| || ⃗⃗||
|| ⃗|| || ⃗||
Portanto, ⃗⃗ ⃗.
|| ⃗⃗||
Caso 02: Se ⃗⃗ e ⃗ possuem sentidos contrários, tomemos || ⃗⃗||
.
|| ⃗⃗|| || ⃗||
|| ⃗|| | | || ⃗|| | | || ⃗|| | | || ⃗⃗|| || ⃗⃗|| || ⃗⃗||
|| ⃗|| || ⃗||
|| ⃗|| || ⃗⃗||
Portanto, ⃗⃗ ⃗.
⃗⃗ ⃗ ⃗⃗ ⃗⃗ ⃗
70
Mas, esta igualdade nos diz que ⃗⃗ e ⃗ são paralelos, o que contradiz a
hipótese de que ⃗⃗ e ⃗ não são paralelos.
Supondo , é análogo ao caso anterior.
Portanto, só podemos ter .
⃗⃗ ⃗ ⃗⃗ ⃗ ⃗⃗ ⃗ ( ⃗⃗ ⃗) ⃗⃗ ⃗⃗ ⃗⃗ ⃗ ⃗ ⃗⃗
( ) ⃗⃗ ( )⃗ ⃗⃗
E temos o desejado.
71
6.3 CONCEITOS GEOMÉTRICOS DE DEPÊNDENCIA E INDEPENDÊNCIA
Observação: Se em {⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗} ocorrer ⃗⃗⃗⃗ ⃗⃗, para algum , então
72
{⃗⃗⃗⃗ } é LD.
Observações:
01. Quaisquer que sejam ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗, o vetor nulo sempre será gerado por
⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗. De fato, sempre é possível tomar , e teremos:
⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗
Exemplos:
73
6.4.2 Proposição: O conjunto de vetores {⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗}, com , é LD
se, e somente se, algum vetor do conjunto for gerado pelos demais.
Prova: Analisaremos separadamente ii, iii e iv da definição.
Caso i: { ⃗⃗ ⃗} é LD Um dos vetores é gerado pelo outro.
( ) Queremos provar que se { ⃗⃗ ⃗} é LD, então ⃗⃗ é gerado por ⃗ ou
⃗ é gerado por ⃗⃗.
Se ⃗⃗ ⃗⃗ ou ⃗ ⃗⃗, deve ocorrer ⃗⃗ ⃗ ou ⃗ ⃗⃗. Logo um é gerado
pelo outro.
Suponha agora, ⃗⃗ ⃗⃗ e ⃗ ⃗⃗. Por hipótese, { ⃗⃗ ⃗} é LD, logo, devido
a definição de LD, existem representantes ( ) de ⃗⃗ e ( ) de ⃗ tais
que , e são colineares (pois os representantes podem ser tomados
contidos em uma mesma reta), com e . Se os representantes
são paralelos, por definição, temos que os vetores ⃗⃗ e ⃗ são paralelos,
assim existe tal que ⃗⃗ ⃗ (como supomos ⃗⃗ ⃗ ⃗⃗, ) ou
⃗ ⃗⃗, portanto um dos vetores é gerado pelo outro. Observe que, o
74
Suponha que { ⃗⃗ ⃗} é LD, então pelo caso anterior temos que ⃗⃗ ⃗
ou ⃗ ⃗⃗. Neste caso, ⃗⃗ ⃗ ⃗⃗⃗ ou ⃗ ⃗⃗ ⃗⃗⃗ e está provada a
afirmação.
Suponha que { ⃗⃗ ⃗} é LI, faremos a seguinte construção geométrica:
Tomamos e os representantes ( ), ( ) e ( ) de ⃗⃗, ⃗ e ⃗⃗⃗,
respectivamente. Em outras palavras, ⃗⃗ ⃗⃗⃗⃗⃗⃗, ⃗ ⃗⃗⃗⃗⃗⃗ e ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ . Note que,
, e não são colineares, uma vez que supomos { ⃗⃗ ⃗} LI e também ,
, e são coplanares, devido à definição de LD para { ⃗⃗ ⃗ ⃗⃗⃗}. Pelo
ponto tomamos as retas paralelas a ( ) e a ( ), determinando
assim os pontos e . Observe a figura.
Então, temos que { ⃗⃗ ⃗⃗⃗⃗⃗⃗⃗} e { ⃗ ⃗⃗⃗⃗⃗⃗⃗ } são LD, e pelo que já foi provado no
75
colineares, estes determinarão um plano (resultado da geometria
elementar).
Como supomos ⃗⃗⃗ ⃗⃗ ⃗, observe pela figura que ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗, logo
⃗⃗⃗⃗⃗⃗⃗ ⃗⃗ e ⃗⃗⃗⃗⃗⃗⃗ ⃗. Daí, pertence à reta que contém ( ) e
pertence à reta que contém ( ), portanto o paralelogramo está
contido no plano determinado por , e . Concluímos assim que , ,
e são coplanares e, portanto { ⃗⃗ ⃗ ⃗⃗⃗} é LD.
Caso iv: Consulte o livro “Geometria Analítica: um tratamento
vetorial 2ª Ed.” de Paulo Boulos. Demonstração na página 30.
⃗ ⃗⃗ ⃗ ⃗⃗⃗
76
Prova: Caso iv da Proposição 6.4.2.
77
Como , existe tal que . Multiplicando a equação
por , tem-se:
Ou seja, ⃗⃗⃗⃗ é combinação linear de ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗. Mas, pela
Proposição 6.4.2, se um dos vetores é gerado pelo restante, temos que
{⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗} é LD. Temos o desejado.
Exemplo:
{ ⃗⃗ ⃗ ⃗⃗⃗} é LI { ⃗ ⃗⃗ ⃗} é LI.
( ) ⃗⃗ ( )⃗ ( ) ⃗⃗⃗ ⃗⃗
78
Como, por hipótese { ⃗⃗ ⃗ ⃗⃗⃗} é LI equivale a:
6.4.4.1 Corolário: Se {⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗} é LI, então para cada vetor gerado
por ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ os coeficientes são univocamente determinados, isto é:
Prova: Façamos:
( )⃗⃗⃗⃗⃗ ( )⃗⃗⃗⃗⃗ ⃗⃗
Como, por hipótese {⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗} é LI, pela Proposição 6.4.4 qualquer
combinação linear dos vetores ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ resultando no vetor nulo implica
que os coeficientes são iguais à zero, isto é, , com { }.
Logo:
79
6.4.4.2 Corolário: Se ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗, e ,
com { }, então {⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗} é LI ( ).
Prova: Se tais que ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗, segue que:
Exemplos:
( ⃗⃗ ⃗) ( ⃗⃗ ⃗) ⃗⃗ ⃗⃗ ⃗ ⃗⃗ ⃗ ⃗⃗
( ) ⃗⃗ ( )⃗ ⃗⃗
⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ( )
⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ( )
81
⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗
Como vimos no Exemplo 01, se {⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ } é LI, a igualdade acima implica
que os coeficientes são iguais, ou seja:
82
CAPÍTULO 07: BASE
7.1 INTRODUÇÃO
83
A terna ( ) é a única a satisfazer a equação acima, pois, se
supormos ⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗, devido ao fato de que {⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗} é LI, o
Corolário 6.4.4.1 diz que . Cada escalar é
chamado de coordenada de ⃗⃗ em relação à base . Lembre-se de nunca
trocar a ordem dos vetores ou dos escalares. Como ( ) é
composto pelas coordenadas de ⃗⃗ em relação à base , podemos
reescrever o vetor ⃗⃗ como sendo, simplesmente:
⃗⃗ ( )
⃗⃗ ⃗ ( )
⃗⃗ ⃗ ( )
84
7.2.2 Proposição: Sejam ⃗⃗ ( ) e . A multiplicação
escalar de por ⃗⃗, em termos de coordenadas, é o vetor:
⃗⃗ ( )
( ) ⃗⃗ ( )
Exemplo:
⃗⃗⃗ ⃗⃗ ⃗ ( ) ( ) ( ) ( )
⃗⃗⃗ ( )
1
Estamos usando [ ] e [ ] para representar sequências de números.
[ ]e[ ] serão proporcionais se .
85
| | | | | |
Exemplos:
[ ].
| |
Exemplos:
| |
86
02. Sabendo que {⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗} é uma base e que ⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗, ⃗⃗⃗⃗ ⃗⃗⃗⃗
⃗⃗⃗⃗ ⃗⃗⃗⃗ e ⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗, mostre que {⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗} é uma base e, em
seguida, escreva o vetor ⃗ ( ) na base .
Para mostrar que é uma base, basta mostrar que este conjunto é LI.
Note que ⃗⃗⃗⃗ ( ) , ⃗⃗⃗⃗ ( ) e ⃗⃗⃗⃗ ( ) . Usando a
Proposição 6.3.2, temos:
| |
⃗⃗⃗⃗ ⃗⃗⃗⃗
→ | ⃗⃗⃗⃗ ⃗⃗⃗⃗| → | ⃗⃗⃗⃗ ⃗⃗⃗⃗ |
⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗
87
⃗⃗⃗⃗ ⃗⃗⃗⃗
⃗⃗⃗⃗ ⃗⃗⃗⃗ | ⃗⃗⃗⃗ ⃗⃗⃗⃗ |
→ | |→ | |
⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗ (⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗
)
88
⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗ ( )
⃗ ( )
7.4 ORTOGONALIDADE
Observação: ⃗⃗ ⃗ ⃗ .
89
7.4.3 Proposição: Seja {⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗} uma base ortonormal. Se
⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗ ( ) , então:
|| ⃗⃗|| √
Exemplo:
|| ⃗⃗|| √ ( ) √ √
90
CAPÍTULO 08: PRODUTO ESCALAR
8.1 INTRODUÇÃO
91
|| ⃗⃗ ⃗|| ( ) ( ) ( )
( ) ( ) ( )
||⃗⃗|| ||⃗⃗|| ( )
( ) || ⃗⃗|||| ⃗||
|| ⃗⃗|||| ⃗|| ( )
√( )( )
[ ]
√( )( )
92
i. Se ⃗⃗ ⃗⃗ ou ⃗ ⃗⃗, ⃗⃗ ⃗ ;
( ⃗⃗ ⃗) ⃗⃗ ⃗
existem || ⃗⃗||
(|| ⃗⃗||) e || ⃗⃗||
(|| ⃗||) . Então:
⃗⃗ ⃗
⃗⃗ ⃗ || ⃗⃗|||| ⃗||
|| ⃗⃗|||| ⃗||
⃗⃗ ⃗ || ⃗⃗|||| ⃗||
|| ⃗⃗|| √ ⃗⃗ ⃗⃗
93
Observe que, ao “passar” a raiz quadrada para o outro membro,
teríamos dois possíveis valores, porém, a norma de ⃗⃗ sempre será
positiva, logo tomamos o valor positivo.
|| ⃗⃗|||| ⃗||
|| ⃗⃗|||| ⃗||
94
Observações:
⃗⃗ ⃗
⃗⃗ ⃗ || ⃗⃗|||| ⃗|| ( )
|| ⃗⃗|||| ⃗|| ( )
⃗⃗ ⃗
⃗⃗ ( ) ( )
95
⃗ ( ) ( )
Logo:
⃗⃗ ⃗ || ⃗⃗|||| ⃗||
|| ⃗⃗|||| ⃗|| ( )
⃗⃗ ⃗ || ⃗⃗|||| ⃗||
|| ⃗⃗|||| ⃗|| ( )
Exemplos:
⃗⃗ ⃗ ( ) ⃗⃗ ⃗
|| ⃗⃗|| √ ( ) √ √ || ⃗⃗|| √
|| ⃗|| √ √ √ || ⃗|| √
96
Portanto, || ⃗⃗|||| ⃗|| √ √ √ √ || ⃗⃗|||| ⃗|| √ .
Finalmente, temos:
⃗⃗ ⃗ √
[ ] ( ) ( )
|| ⃗⃗|||| ⃗|| √
√
( )
⃗⃗ ⃗ ( ) ( )
⃗⃗ ⃗
⃗⃗ ⃗ ( ) ( )
97
Para determinar tal valor de , basta resolver a equação . Sua
solução é .
Portanto, por iii da Proposição 8.1.2, o valor de que torna os vetores ⃗⃗
e ⃗ ortogonais é o mesmo valor que torna o produto escalar entre ⃗⃗ e ⃗
nulo, isto é, .
⃗ ⃗⃗⃗⃗⃗⃗ ( ) ( ) ( ) ⃗ ⃗⃗⃗⃗⃗⃗ ( )
Então:
⃗⃗ ( ⃗ ⃗⃗⃗⃗⃗⃗ ) ( ) ( ) ( )
Exemplos:
98
01. Sabendo que ⃗⃗, ⃗ e ⃗⃗⃗ são vetores unitários e que ( ⃗⃗ ⃗) ,
Para provar que { ⃗⃗ ⃗ ⃗⃗⃗} é uma base, basta mostrar que este conjunto é
LI, de acordo com a definição de base.
Agora, nossa tarefa é mostrar que { ⃗⃗ ⃗ ⃗⃗⃗} é LI. Para isto, façamos uma
combinação linear dos vetores do conjunto e igualemos esta
combinação ao vetor nulo, ou seja, ⃗⃗ ⃗ ⃗⃗⃗ ⃗⃗. Assim sendo, por
um resultado já visto, mostrar que o conjunto é LI, é equivalente a
mostrar que os coeficientes tais que ⃗⃗ ⃗ ⃗⃗⃗ ⃗⃗ são todos
nulos. Façamos isto:
⃗⃗ ⃗ ⃗⃗⃗ ⃗⃗ ( )
⃗⃗ ( ⃗⃗ ⃗ ⃗⃗⃗) ⃗⃗ ⃗⃗ ⃗⃗ ( ⃗⃗ ⃗ ⃗⃗⃗)
√ √ √ √
( )
99
⃗ ( ⃗⃗ ⃗ ⃗⃗⃗) ⃗ ⃗⃗ ⃗ ( ⃗⃗ ⃗ ⃗⃗⃗)
√
⇒ ( )
⇒ ⃗⃗⃗ ( ⃗⃗) ⃗⃗⃗ ( ⃗) ⃗⃗⃗ ( ⃗⃗⃗) ⇒ ( ⃗⃗⃗ ⃗⃗) ( ⃗⃗⃗ ⃗) ( ⃗⃗⃗ ⃗⃗⃗)
√
⇒ ( )
√ √
√
{
100
Portanto, como ⃗⃗ ⃗ ⃗⃗⃗ ⃗⃗ implicou , concluímos que
o conjunto { ⃗⃗ ⃗ ⃗⃗⃗} é LI e, por definição, é uma base.
⃗ ⃗⃗⃗⃗⃗⃗ ⃗ ⃗⃗⃗⃗⃗⃗
( )
|| ⃗|| ||⃗⃗⃗⃗⃗⃗ || || ⃗|| ||⃗⃗⃗⃗⃗⃗ ||
Calculando ⃗⃗ ⃗:
⃗ ⃗⃗⃗⃗⃗⃗ ( ) ( )
⃗ ⃗⃗⃗⃗⃗⃗
Calculando || ⃗||:
|| ⃗|| √ ( ) √ √ || ⃗|| √
||⃗⃗⃗⃗⃗⃗ || √ ( ) ( ) √ √
||⃗⃗⃗⃗⃗⃗ || √
√
√ √
101
⇒
( )
⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗
102
⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ( ) ( ) ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗
⃗⃗ ⃗⃗⃗⃗⃗ ( ) ( ) ( )
⃗⃗ ⃗⃗⃗⃗⃗ ( ) ( ) ( )
103
8.1.5 Proposição: {⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗} é uma base ortonormal se, e
⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗
somente se, { .
⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗ ⃗⃗⃗⃗
Exemplo:
|| ⃗⃗ ⃗|| √( ⃗⃗ ⃗) ( ⃗⃗ ⃗)
Ou ainda:
|| ⃗⃗ ⃗|| ( ⃗⃗ ⃗) ( ⃗⃗ ⃗)
|| ⃗⃗ ⃗|| ( ⃗⃗ ⃗) ( ⃗⃗ ⃗) ( ⃗⃗ ⃗) ⃗⃗ ( ⃗⃗ ⃗) ⃗
⃗⃗ ( ⃗⃗ ⃗) ⃗ ( ⃗⃗ ⃗) ⃗⃗ ⃗⃗ ⃗⃗ ⃗ ⃗ ⃗⃗ ⃗ ⃗
104
|| ⃗⃗|| ⃗⃗ ⃗ ⃗⃗ ⃗ || ⃗|| || ⃗⃗|| ( ⃗⃗ ⃗) || ⃗||
⃗ ⃗ ⃗
⃗ ⃗⃗
105
⃗ ⃗⃗
|| ⃗||
No triângulo retângulo , note que || ⃗⃗||
ou || ⃗|| || ⃗||
e ainda:
⃗⃗ ⃗
|| ⃗|| ( )
|| ⃗⃗||
106
Por outro lado, como ⃗⃗ e ⃗ são de mesmo sentido, podemos
escrever:
|| ⃗||
⃗ ⃗⃗ ( )
|| ⃗⃗||
⃗⃗ ⃗
( )
|| ⃗⃗|| ⃗⃗ ⃗ ⃗⃗ ⃗
⃗ ⃗⃗ ( ) ⃗⃗ ⃗ ( ) ⃗⃗
|| ⃗⃗|| || ⃗⃗|| || ⃗⃗||
⃗⃗ ⃗
⃗⃗ ⃗ ( ) ⃗⃗
|| ⃗⃗||
107
Nas figuras abaixo, observe:
⃗⃗ ⃗
⃗⃗ ⃗ [ ] ⃗⃗
|| ⃗⃗||
108
| ⃗⃗ ⃗|
|| ⃗⃗ ⃗||
|| ⃗⃗||
⃗⃗ ⃗
|| ⃗⃗||
⃗⃗ ⃗ ⃗⃗ ⃗
⃗ ⃗⃗ ⃗ ⃗⃗ [ ] ⃗⃗ ⃗⃗ ⃗ [ ] ⃗⃗
|| ⃗⃗|| || ⃗⃗||
⃗⃗ ⃗ | ⃗⃗ ⃗| | ⃗⃗ ⃗|
|| ⃗|| || ⃗⃗|| | ||| ⃗⃗|| | | || ⃗⃗|| || ⃗⃗||
|| ⃗⃗|| || ⃗⃗|| || ⃗⃗||
| ⃗⃗ ⃗| | ⃗⃗ ⃗|
|| ⃗|| || ⃗||
|| ⃗⃗|| || ⃗⃗||
Exemplos:
109
01. Sejam {⃗ ⃗ ⃗⃗ } uma base ortonormal, ⃗⃗ ⃗ ⃗ ⃗⃗ e ⃗ ⃗ ⃗.
Vamos obter a projeção ortogonal de ⃗ sobre ⃗⃗.
⃗⃗ ⃗⃗
Sabemos que ⃗ ⃗⃗ ⃗ ⃗⃗. Vamos determinar cada valor da
|| ⃗⃗||
expressão. Temos ⃗⃗ ⃗ ⃗ ⃗⃗ ( ) e ⃗ ⃗ ⃗ ( ) ,
logo:
⃗⃗ ⃗ ( ) ( ) ( ) ( )
⃗⃗ ⃗
|| ⃗⃗|| ( ) || ⃗⃗||
Desta forma:
⃗⃗ ⃗
⃗ ⃗⃗ ⃗⃗ ⃗⃗ ( ) ( )
|| ⃗⃗||
⃗⃗ ⃗ ( )
⃗ ( ) ( ) ( ) ( )
⃗ ( )
⃗⃗ ⃗ ( ) ( )
110
CAPÍTULO 09: PRODUTO VETORIAL
9.1 INTRODUÇÃO
⃗⃗ ⃗ ( )⃗ ( )⃗ ( ) ⃗⃗
Ou:
⃗⃗ ⃗ ( )
⃗⃗ ⃗ | |⃗ | |⃗ | | ⃗⃗
111
⃗ ⃗ ⃗⃗
⃗⃗ ⃗ | |
Exemplo:
maneira:
⃗ ⃗ ⃗⃗ ⃗ ⃗
⃗⃗ ⃗ | | ⃗ ⃗ ⃗⃗ ⃗ ⃗ ( )⃗ ⃗⃗
⃗⃗ ⃗ ⃗ ⃗ ⃗⃗
⃗ ⃗ ⃗⃗ ⃗ ⃗
⃗ ⃗⃗ | | ⃗ ⃗⃗ ⃗ ⃗ ⃗ ( )⃗ ⃗⃗
⃗ ⃗⃗ ⃗ ⃗ ⃗⃗
112
vi. ( ⃗⃗ ⃗) ⃗⃗ e ( ⃗⃗ ⃗) ⃗.
Prova:
i. Sabemos que ⃗⃗ ( ) , logo o produto vetorial ⃗⃗ ⃗⃗ é dado
por:
⃗ ⃗ ⃗⃗ ⃗ ⃗
⃗⃗ ⃗⃗ | | ⃗ ⃗ ⃗⃗ ⃗⃗ ⃗ ⃗
( )⃗ ( )⃗ ( ) ⃗⃗
⃗⃗ ⃗ ⃗ ⃗ ⃗⃗ ⃗⃗ ⃗⃗ ⃗ ⃗⃗
⃗⃗ ⃗ ( )⃗ ( )⃗ ( ) ⃗⃗
⃗ ⃗⃗ ( )⃗ ( )⃗ ( ) ⃗⃗
( )⃗ [ ( )] ⃗ ( ) ⃗⃗
[( )⃗ ( )⃗ ( ) ⃗⃗ ] ( ⃗⃗ ⃗)
⃗ ⃗⃗ ( ⃗⃗ ⃗) ⃗⃗ ⃗ (⃗ ⃗⃗)
⃗ ⃗ ⃗⃗ ⃗ ⃗
⃗⃗ (⃗ ⃗⃗⃗) | |
113
( )⃗ ( )⃗ ( ) ⃗⃗ ( ) ⃗⃗ ( )⃗ ( )⃗
⃗ ⃗ ⃗⃗ ⃗ ⃗ ⃗⃗
| | | | ⃗⃗ ⃗ ⃗⃗ ⃗⃗⃗
⃗⃗ (⃗ ⃗⃗⃗) ⃗⃗ ⃗ ⃗⃗ ⃗⃗⃗
⃗ ⃗ ⃗⃗ ⃗ ⃗ ⃗⃗
( ⃗⃗) ⃗ | | | | ( ⃗⃗ ⃗)
⃗ ⃗ ⃗⃗ ⃗ ⃗ ⃗⃗
( ⃗⃗ ⃗) | | | | ⃗⃗ ( ⃗)
| | | | | |
114
⃗ ⃗ ⃗⃗
⃗⃗ ⃗ | | ⃗ ⃗ ⃗⃗ ⃗⃗
⃗ ⃗ ⃗⃗
⃗⃗ ⃗ | | ⃗ ⃗ ⃗⃗ ⃗⃗
E temos o desejado.
( ⃗⃗ ⃗) ⃗⃗ ( ) ( )
( ) ( ) ( )
( ⃗⃗ ⃗) ⃗⃗ ( ⃗⃗ ⃗) ⃗⃗
115
⃗ ⃗⃗ também será ortogonal a ⃗⃗ e ⃗.
⃗ ⃗ ( ) ( ) | |⃗ | |⃗ | | ⃗⃗ ⃗⃗ ⃗ ⃗ ⃗⃗
116
Se pensarmos em um ciclo, o vetor que “vem depois” de ⃗ é ⃗, logo
o produto vetorial entre ⃗ e ⃗ resulta no outro vetor da base, que é ⃗⃗ .
Analogamente, o vetor que vem depois de ⃗ é ⃗⃗ , portanto o produto
vetorial entre ⃗ e ⃗⃗ é o outro vetor da base, que é ⃗. Perceba que ⃗⃗ não
vem depois de ⃗, por isso o produto ⃗ ⃗⃗ não resulta em ⃗. Porém,
117
|| ⃗⃗ ⃗|| ( ) ( ) ( )
|| ⃗⃗|| || ⃗|| ( ⃗⃗ ⃗) ( )( ) ( )
( ⃗⃗ ⃗) ( ⃗⃗ ⃗) ( ⃗⃗ ⃗⃗)( ⃗ ⃗) ( ⃗⃗ ⃗)
|| ⃗⃗ ⃗|| || ⃗⃗|| || ⃗|| (|| ⃗⃗|||| ⃗|| ) || ⃗⃗|| || ⃗|| || ⃗⃗|| || ⃗||
2
Lembre-se que √ | | , se (que é o caso: || ⃗⃗ ⃗|| e || ⃗⃗|||| ⃗|| ,
pois para [ ]).
118
iii. Note que o vetor ⃗⃗ (⃗ ⃗⃗⃗) é coplanar a ⃗ e ⃗⃗⃗, enquanto
( ⃗⃗ ⃗) ⃗⃗⃗ é coplanar a ⃗⃗ e ⃗. Portanto, em geral ⃗⃗ (⃗ ⃗⃗⃗) ( ⃗⃗ ⃗)
⃗⃗⃗.
Exemplo:
⃗ ⃗ ⃗⃗ ⃗ ⃗
⃗⃗ ⃗ | | ⃗ ⃗ ⃗⃗ ⃗⃗ ⃗ ⃗
⃗⃗ ⃗ ⃗ ⃗ ⃗⃗ ( )
⃗⃗ ⃗
( ) ( )
|| ⃗⃗ ⃗|| || ⃗⃗ ⃗|| √( )
( ) ( ) ( )
√ √
( ) ( )
⃗⃗ ⃗
( )
|| ⃗⃗ ⃗||
119
9.3 INTERPRETAÇÃO GEOMÉTRICA DO MÓDULO DO PRODUTO
VETORIAL
( ) || ⃗⃗|| ( )
|| ⃗|| ( )
|| ⃗||
( ) || ⃗⃗|||| ⃗||
Por outro lado, já foi visto que || ⃗⃗ ⃗|| || ⃗⃗|||| ⃗|| . Logo, segue
que:
( ) || ⃗⃗ ⃗||
120
Exemplos: Para os exemplos a seguir considere {⃗ ⃗ ⃗⃗ } uma
base ortonormal.
⃗ ⃗ ⃗⃗
|| ( ⃗⃗ ⃗) ( )( ⃗⃗ ⃗⃗)|| || | | ⃗⃗||
|| ( ⃗ ⃗⃗ ⃗ ⃗) ⃗⃗|| || ( ⃗ ⃗ ⃗⃗ )|| || ( ) ||
| | ||( ) || √ ( ) ( ) √ √
⃗ (⃗ ⃗⃗ ) ⃗ ⃗ ⃗⃗
02. Determine o conjunto de soluções de { . Para
⃗ ⃗
isto, vamos tomar ⃗ ⃗ ⃗ ⃗⃗ ( ) . Sabemos também que
⃗ ⃗⃗ ( ) , ⃗ ⃗ ⃗⃗ ( ) e ⃗ ( ) . Portanto,
reescrevemos o sistema:
( ) ( ) ( ) ( )
{
( ) ( ) ( )
121
⃗ ⃗ ⃗⃗
( ) ( ) ( ) | | ( )
( )⃗ ( )⃗ ( ) ⃗⃗ ( )
⃗ ( )⃗ ( ) ⃗⃗ ( ) ( ) ( )
( ) ( )
|| ⃗⃗ ⃗|| √ ||( ) ( ) ||
⃗ ⃗ ⃗⃗
√ |||| |||| √ ||( )⃗ ( )⃗ ( ) ⃗⃗ ||
√ ||( ) || √ √ ( ) ( )
122
A solução desta equação é ou .
⃗⃗⃗⃗⃗⃗ ( ) ( ) ( ) ⃗⃗⃗⃗⃗⃗ ( )
⃗⃗⃗⃗⃗⃗ ( ) ( ) ( ) ⃗⃗⃗⃗⃗⃗ ( )
123
Agora, perceba que a área do triângulo é igual à metade do
paralelogramo determinado pelos vetores ⃗⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗⃗ . Logo:
||⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ||
( )
⃗ ⃗ ⃗⃗
⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ | | ( )⃗ ( )⃗ ( ) ⃗⃗ ⃗ ⃗ ⃗⃗
⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ( )
||⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ || √ ( )
||⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ || √ √
124
CAPÍTULO 10: PRODUTO MISTO
10.1 INTRODUÇÃO
⃗ ⃗ ⃗⃗
⃗ ⃗⃗⃗ | | | |⃗ | |⃗ | | ⃗⃗
⃗ ⃗⃗⃗ (| | | | | |)
⃗⃗ ( ⃗ ⃗⃗⃗) ( ) (| | | | | |)
| | | | | | | |
( ⃗⃗ ⃗ ⃗⃗⃗) | |
Exemplo:
125
O produto misto entre os vetores ⃗⃗ ⃗ ⃗ ⃗⃗ , ⃗ ⃗ ⃗ ⃗⃗ e
( ⃗⃗ ⃗ ⃗⃗⃗) (( ) ( ) ( ) ) | |
( ) ( ) ( ) ( ) ( )
( ⃗⃗ ⃗ ⃗⃗⃗)
( ⃗⃗ ⃗ ⃗⃗⃗) ⃗⃗ ( ⃗ ⃗⃗⃗)
(⃗ ⃗⃗ ⃗ ⃗ ⃗) (⃗ ⃗⃗ ) ( ⃗ (⃗ ⃗))
( ⃗⃗ ⃗ ⃗⃗⃗) | |
126
Caso 02: Suponha dois vetores paralelos, digamos ⃗⃗ e ⃗. Então
⃗⃗ ( )e ⃗ ( ) e temos:
( ⃗⃗ ⃗ ⃗⃗⃗) | |
Observação: Note que o caso 3 do item i nos diz que se os vetores ⃗⃗, ⃗ e
⃗⃗⃗ são coplanares, então o produto misto entre eles é nulo.
De forma análoga, se considerarmos os pontos , , e , estes pontos
pertence a um mesmo plano se os vetores ⃗⃗⃗⃗⃗⃗ , ⃗⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗⃗ forem
coplanares, isto é, se (⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ) .
ii. Observe:
127
⃗⃗ ( ⃗ ⃗⃗⃗) ( ⃗⃗ ⃗) ⃗⃗⃗
Exemplos:
( ⃗⃗ ⃗ ⃗⃗⃗) | | ⃗⃗ ⃗ ⃗⃗⃗
( ⃗ ⃗⃗ ⃗) | |
128
Geometricamente, o módulo do produto misto ( ⃗⃗ ⃗ ⃗⃗⃗) ⃗⃗ ( ⃗ ⃗⃗⃗)
calcula o volume do paralelepípedo de arestas determinadas pelos
vetores ⃗⃗ ⃗⃗⃗⃗⃗⃗ , ⃗ ⃗⃗⃗⃗⃗⃗ e ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ . Observe a figura:
( )
|| ⃗ ⃗⃗⃗|| ( )
129
| | || ⃗⃗||| | ( )3
|| ⃗⃗||
Exemplos:
Agora, temos:
3
Devemos considerar | |, pois poderia ocorrer ( ] e então .
130
02. Dados os vetores ⃗⃗ ( ), ⃗ ( ) e ⃗⃗⃗ ( ), calcule o
valor de para que o volume do paralelepípedo determinado por ⃗⃗, ⃗ e
⃗⃗⃗ seja igual a .
Sabemos que o volume do paralelepípedo é dado por |( ⃗⃗ ⃗ ⃗⃗⃗)|. Para
que o volume seja igual a 24, temos:
|( ⃗⃗ ⃗ ⃗⃗⃗)| || || | |
| | {
Então, temos:
Se , então | | .
Se , então | | .
Desta forma, concluímos que ou .
131
CAPÍTULO 11: RETA
11.1 INTRODUÇÃO
⃗⃗⃗⃗⃗⃗ ⃗ ⃗
⃗ ( )
132
um vetor”, porém a igualdade pode ser “aceita” devido ao fato de que
existe uma correspondência biunívoca entre pontos e vetores do espaço.
Note que ao ponto corresponde o vetor ⃗⃗⃗⃗⃗⃗ cujas coordenadas serão as
mesmas coordenadas de em relação ao sistema de coordenadas e,
analogamente, ao ponto corresponde o vetor ⃗⃗⃗⃗⃗⃗.
Se tomarmos, ( ), ( )e ⃗ ( ), reescrevemos
(I) como:
( ) ( ) ( ) ( )
⃗ ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
133
Por outro lado, como proceder para verificar se um ponto pertence a
uma reta?
Considerando a reta do exemplo ( ) ( ) ( ), o ponto
( ) pertence à reta ? Para verificar se pertence à reta, basta
substituir as respectivas coordenadas de nas coordenadas do ponto
genérico da construção, isto é:
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
134
⃗ ( ) ( ) ( )
( ) ( )
{ ( )
( ) ( ) ( )
( )
{ ( )
( )
135
{
{ ( )
⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗
Exemplo:
⃗ ⃗⃗⃗⃗⃗⃗ ( ) ( ) ⃗ ( )
Tomando , tem-se:
( ) ( ) ( )
136
{
Se tivéssemos tomado ⃗:
( ) ( ) ( ) {
( )
( )
( )
137
As equações simétricas da reta que passa pelo ponto ( ) e tem
em função de . Observe:
Da igualdade entre a primeira e a segunda expressão:
( )
( )
( )
( )
( )
138
( )
Exemplo:
( )
( )
139
Que nos fornece as equações reduzidas de ⃗⃗⃗.
{ {
140
ii. Se , então ⃗ ( ) é um vetor ortogonal ao eixo e
paralelo ao plano . Consequentemente, qualquer reta que tenha
mesma direção de ⃗ será ortogonal ao eixo e paralela ao plano . As
equações paramétricas e simétricas serão respectivamente:
{ {
141
iii. Se , então ⃗ ( ) é um vetor ortogonal ao eixo e
paralelo ao plano . Consequentemente, qualquer reta que tenha
mesma direção de ⃗ será ortogonal ao eixo e paralela ao plano . As
equações paramétricas e simétricas serão respectivamente:
{ {
142
11.2.2 Duas componentes do vetor diretor nulas: Consideramos
a reta que passa por ( ) e tem a direção de ⃗ ( ). No
caso em que duas das coordenadas de ⃗ ( ) são nulas, o vetor ⃗
143
Note que, as coordenadas de qualquer ponto ( )
variam somente em , sendo que as coordenada em e se mantém
fixas e . Observe a figura:
144
Observação: Os eixos , e são retas particulares. Observemos:
Exemplos:
145
02. Determinaremos a equação da reta que passa pelos pontos
( )e ( ).
Primeiramente, sabemos que o vetor diretor de tal reta será ⃗ ,
então:
⃗ ( ) ( ) ( ) ⃗ ⃗ ⃗
( ) ( ) ( ) {
( ) ( ) ( ) {
146
Logo, sendo a medida angular entre e , temos:
|⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗|
||⃗⃗⃗⃗⃗||||⃗⃗⃗⃗⃗||
Exemplo:
|⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗| |( ) ( )|
||⃗⃗⃗⃗⃗||||⃗⃗⃗⃗⃗|| ||( )||||( )||
| | | |
√ ( ) √( ) √ √
147
Como [ ], .
E temos:
Exemplo:
⃗⃗⃗⃗⃗ ( )
⃗⃗⃗⃗⃗ ( )
148
Logo:
⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗
Ou ainda, se:
Exemplo:
149
Lembrando que, {⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗} é LD (⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗) , portanto:
Observe:
Exemplo:
que ( ) ( ) ( ) e ( ) ( ) ( ).
Assim ( )e ( ), então ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ ( ), ⃗⃗⃗⃗⃗ ( )e
⃗⃗⃗⃗⃗ ( ). Desta forma:
150
01. Coplanares, isto é, e situadas em um mesmo plano. Neste
caso, e poderão ser:
a) Concorrentes: { }, isto é, é o ponto de interseção entre
e .
151
11.4.1 Verificação Algébrica: Considere as retas ⃗⃗⃗⃗⃗ e
⃗⃗⃗⃗⃗. Temos que:
i. (⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗) . Se existir tal que
⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗, então e serão paralelas ou, caso contrário, e serão
concorrentes.
ii. (⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗) .
Exemplos:
a) { e { ;
Note que pode ser expressa por , logo seu vetor diretor é
b) e { ;
152
Sabemos também que ( ). Note que , pois ao
substituirmos em obtemos nas três equações paramétricas de
c) e { ;
d) { e ;
temos ( ) ( ) ( ).
É fácil notar que e não são paralelas, pois ⃗⃗⃗⃗⃗ ( ) e ⃗⃗⃗⃗⃗ ( ).
Resta verificar se as retas são coplanares ou reversas. Fazendo ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
( ) ( ) ( ) ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ ( ). Então:
153
(⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗) | | (⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗)
( )
( )
( )
( )
{ ( )
( )
( )
( )
( )
{ ( )
154
Comparando (1) com (3) e (2) com (2):
( )
( )
( )
{ ( )
155
CAPÍTULO 12: PLANO
12.1 INTRODUÇÃO
⃗⃗⃗⃗⃗⃗ ⃗⃗ ( )
⃗⃗ ⃗⃗⃗⃗⃗⃗ ( ) ( )
( ) ( ) ( )
( )
156
Fazendo e substituindo em (*):
( )
Observações:
03. Se {⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗} é LI e ⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗ são paralelos a , podemos tomar o vetor
⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗ como sendo o vetor normal a .
Exemplos:
157
02. Vamos determinar a equação geral do plano que contém o ponto
( ) e tem como vetor normal ⃗⃗ ⃗ ⃗ ⃗⃗ .
( ) ( ) ( )
( ) ( ) ( )
( )
4
Se ( ) e ( ), então o ponto médio do segmento é dado por
( ).
158
( ) ( ) ( )
Observe que ⃗⃗ ⃗⃗⃗⃗⃗⃗ e este vetor ainda pode ser tomado como vetor
normal ao plano.
159
12.2.3 Determinação 03: Consideramos o plano que passa por
três pontos , e não colineares. Neste caso, tomamos o vetor normal
ao plano como sendo ⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ .
Exemplos:
⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ( ) ( ) | |⃗ | |⃗ | | ⃗⃗
⃗ ⃗ ⃗⃗ ( ) ⃗⃗ ( )
161
Portanto, a equação geral do plano cujo vetor normal é ⃗⃗ ( )
é:
( ) ( ) ( )
( ) e ⃗⃗⃗⃗⃗⃗ ( ) e, portanto:
⃗⃗ ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ | |⃗ | |⃗ | | ⃗⃗ ⃗ ⃗ ⃗⃗
( ) ⃗⃗ ( )
( ) ( ) ( )
162
Logo é a equação cartesiana do plano que passa
pelos pontos , e . Ainda podemos escrever .
( ).
Note que podemos reescrever a reta ( ) ( ) ( ) que
passa pelo ponto ( ) e tem a direção de ⃗ ( ) e, de acordo
com a determinação 02, o vetor normal ao pano é ⃗⃗ ⃗ ⃗⃗⃗⃗⃗⃗.
Calculando ⃗⃗:
⃗⃗ ⃗ ⃗⃗⃗⃗⃗⃗ ( ) ( ) | |⃗ | |⃗ | | ⃗⃗
⃗ ⃗ ( ) ⃗⃗ ( )
( ) ( )
{ e { .
⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ ( ) ( ) | |⃗ | |⃗ | | ⃗⃗
163
⃗ ⃗ ⃗⃗ ( ) ⃗⃗ ( )
( ) ( ) ( )
164
i. Se , então ⃗⃗ ( ) é um vetor ortogonal ao eixo , logo o
plano que possui ⃗⃗ como vetor normal é paralelo ao eixo
. Isto é:
Exemplo:
Se , temos:
Exemplo:
165
Se , temos:
Exemplo:
Se , temos:
166
Perceba que as interseções com os eixos e são, respectivamente, os
pontos ( ) e ( ), e que nenhum ponto ( ) pertence ao
plano, pois não satisfaz a equação .
Se , temos:
167
O plano intercepta o eixo no ponto ( ) e, além disso, perceba
que qualquer ponto da forma ( ) satisfaz a equação deste plano.
Se , temos:
168
O plano intercepta o eixo no ponto ( ) e, além disso, perceba
que qualquer ponto da forma ( ) satisfaz a equação deste plano.
Um vetor normal a esse plano é ⃗ ( ).
Se , temos:
169
12.4 EQUAÇÕES PARAMÉTRICAS DO PLANO
( ) ( ) ( )
( ) ( )
( )
170
( ) ( )
{ ( )
( ) ( )
( ) ( )
( ) ( )
171
Considere os planos e
. Os vetores normais a e são, respectivamente, ⃗⃗⃗⃗⃗
( ) e ⃗⃗⃗⃗⃗ ( ).
formado entre seus vetores normais ⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗. Sendo [ ] tal ângulo,
temos:
|⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗|
||⃗⃗⃗⃗⃗||||⃗⃗⃗⃗⃗||
ainda, se .
172
12.5.2 Condição de ortogonalidade entre planos: Sejam
e planos cujos vetores
normais são ⃗⃗⃗⃗⃗ ( ) e ⃗⃗⃗⃗⃗ ( ). Os planos e serão
ortogonais se seus vetores normais ⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗ forem ortogonais (⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗
⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ).
Em outras palavras, se ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ .
Exemplos:
173
|⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗| |( ) ( )| | | | |
||⃗⃗⃗⃗⃗||||⃗⃗⃗⃗⃗|| ||( )||||( )|| √ √ √ √
( )
que para que ⃗⃗⃗⃗⃗ e ⃗⃗⃗⃗⃗ sejam paralelos deve ocorrer . Logo:
174
O ângulo de medida entre e é igual ao complemento do
ângulo de medida entre o vetor diretor de e o vetor normal a ,
| ⃗⃗ ⃗⃗|
portanto e então , logo:
|| ⃗⃗|||| ⃗⃗||
| ⃗ ⃗⃗|
[ ]
|| ⃗|||| ⃗⃗||
se .
175
12.6.3 Reta contida em um plano: Sejam ⃗ a reta
passando por cujo vetor diretor é ⃗ e o plano
cujo vetor normal é ⃗⃗ ( ). Teremos se:
i. ⃗ ⃗⃗;
ii. .
Em outras palavras, estará contida em se seu vetor diretor for
ortogonal ao vetor normal a e se também pertencer a .
Exemplos:
176
| ⃗ ⃗⃗| |( ) ( )| | | | |
|| ⃗|||| ⃗⃗|| ||( )||||( )|| √ √ √ √ √
√ √ √ √
( )
√ √
.
Note que, um ponto de é ( ), o vetor diretor de é ⃗
( ) e o vetor normal de é ⃗⃗ ( ). Para que , devemos ter
⃗ ⃗⃗ e .
⃗ ⃗⃗ ⃗ ⃗⃗ ( ) ( )
( )( ) ( ) ( )
Logo .
177
12.7 INTERSEÇÃO ENTRE DOIS PLANOS
A interseção entre dois planos pode ser uma reta ou, no caso em
que os planos são paralelos e não coincidentes, a interseção é vazia.
Veremos através de um exemplo como determinar a interseção
entre planos.
{ ( )
178
Temos que ou ainda podemos escrever a equação
179
12.8.3 A interseção é um ponto: Consideramos { e
{ ( )
( ) ( )
Temos também e .
o eixo é o ponto ( );
e o eixo é o ponto ( );
e o eixo é o ponto ( ).
180
12.9.2 Interseção entre plano e os eixos coordenados: Considere
, com . Se tomarmos:
i. , então e a interseção entre e o plano é
a reta { ;
a reta { ;
a reta { .
181
CAPÍTULO 13: CÔNICAS
13.1 INTRODUÇÃO
182
Temos que e são as
13.3 A PARÁBOLA
Note que, na figura, todos os pontos que estão sobre a “curva” são
equidistantes de e . Todos os pontos com esta propriedade formam a
parábola.
183
Observe na figura abaixo que, para calcular a distância entre o
ponto da parábola e a reta , basta traçar a perpendicular a
passando por , o ponto é o pé desta perpendicular e, a distância
entre e é a distância entre e .
Figura 1
( ) ( )
184
Em seguida, vamos analisar os casos mais simples da parábola e
construir suas equações cartesianas.
( ) ( ) √( ) ( ) √( ) [ ( )]
( ) ( ) ( ) ( )
185
Esta é a equação reduzida da parábola com vértice na origem cujo
eixo coincide com o eixo .
Observe que, como temos , logo e devem possuir
sempre mesmo sinal.
Se , então e isto implica que todos os pontos da
parábola estão acima da diretriz. Neste caso, dizemos que a parábola
tem concavidade para cima (ou concavidade positiva em relação a Y).
186
Obviamente o vértice é ( ) e, se considerarmos o foco
( ) ( ) √( ) ( ) √[ ( )] ( )
( ) ( ) ( ) ( )
187
Observe que, como temos , logo e devem possuir
sempre mesmo sinal.
Se , então e isto implica que todos os pontos da
parábola estão à direita da diretriz. Neste caso, dizemos que a parábola
tem concavidade para a direita (ou concavidade positiva em relação a X).
Exemplos:
188
Observe que esta é uma parábola cujo eixo coincide com o eixo e seu
vértice é a origem do sistema cartesiano. Sua equação é da forma
e temos:
( )
b) .
Observe que esta é uma parábola cujo eixo coincide com o eixo e seu
vértice é a origem do sistema cartesiano. Sua equação é da forma
e temos:
( )
O gráfico:
189
02. Determinar a equação de cada uma das parábolas:
a) Vértice ( ) e foco ( );
Perceba que o foco ( ) é um ponto do eixo , logo se trata de uma
parábola eixo coincidente com o eixo e sua equação é da forma
.
b) Vértice em ( ) e diretriz ;
Como a diretriz é , esta parábola tem eixo coincidente com o eixo
e sua equação é da forma . Desta forma, o foco será o ponto
( ) ( ) e temos .
( )
( ) ( )
191
Esta é a equação da parábola com eixo paralelo ao eixo e vértice
em ( ).
( ) ( )
192
Note que, . Portanto, a equação desta parábola é:
( ) ( )
193
equação é da forma ( ) ( ). Como a concavidade tem
abertura no sentido contrário da diretriz, a concavidade será para a
esquerda, logo . Temos . Portanto:
( ) ( )
( ) ( )
( )
194
A partir de uma equação na forma explicita como proceder para
determinar o vértice da parábola? Como determinar a equação da
diretriz? Como determinar o foco? A seguir, vejamos como responder
estas perguntas através de um exemplo.
Exemplo:
( )
( )
[( ) ] ( ) ( )
( ) ( ) ( ) ( )
foco é o ponto ( ) ( ) ( ) ( )
A equação da diretriz é
195
13.3.5 Determinação de Foco e Diretriz (caso geral): Considere a
tabela abaixo como um “esquema” para lembrar. Abaixo da tabela segue
a explicação lógica.
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
Logo para obter a diretriz, basta encontrar o ponto que dista do vértice
Logo para obter a diretriz, basta encontrar o ponto que dista do vértice
196
13.4 A ELIPSE
Figura 2
( ) ( )
197
13.4.1 Elementos da Elipse: Considerando a elipse da “figura 2”,
definimos:
a) Focos: São os pontos e ;
b) Distância Focal: É a distância entre os focos;
c) Centro: É o ponto médio do segmento ;
d) Eixo maior: É o segmento de comprimento que contém
os focos da elipse;
e) Eixo menor: É o segmento de comprimento ,
perpendicular ao eixo menor e passando pelo centro ;
f) Vértices: São os pontos , , e ;
g) Excentricidade: É o número . Note que .
198
Seja ( ) um ponto arbitrário da elipse e os focos ( )
e ( ). Se é um ponto da elipse, por definição:
( ) ( )
√[ ( )] ( ) √( ) ( )
√( ) √( )
√( )
√( )
√( )
√( )
( )
( ) ( ) ( )
199
Multiplicando a igualdade por , temos:
200
Exemplos:
( )
201
A equação reduzida nos diz que e , logo a elipse tem seu eixo
maior sobre o eixo . Além disso, esta elipse está centrada na origem.
Os vértices são os pontos ( ) ( ), ( ) ( ),
( ) ( )e ( ) ( ).
Para determinar os focos ( ) e ( ), usamos a relação
. Como e :
elipse é da forma .
202
13.4.3 Equação da Elipse de Centro fora da Origem do Sistema:
Consideramos os seguintes casos:
Caso 01: Eixo maior paralelo ao eixo .
Consideramos a elipse centrada em ( ).
( ) ( )
( ) ( )
203
Consideramos a elipse centrada em ( ).
( ) ( ) ( ) ( )
Exemplos:
204
01. Uma elipse cujo eixo maior é paralelo ao eixo dos , tem centro no
ponto ( ), excentricidade e eixo menor medindo . Determine
sua equação.
( ) ( )
A equação desta elipse será da forma , pois seu eixo é
( ) √
( ) ( )
( ) ( )
Ainda podemos desenvolver a equação . Primeiramente,
( ) ( )
[ ] ( ) ( )
( ) ( )
205
Para obtermos o centro, devemos fazer manipulações algébricas em sua
equação explicita. Observe:
( ) ( ) [( ) ] [( ) ]
( ) ( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( ) ( )
Logo ( √ )e ( √ ).
√
A excentricidade é .
Graficamente, temos:
206
13.5 A HIPÉRBOLE
207
Figura 3
| ( ) ( )|
( ) ( )
208
ainda outra reta passando pelo ponto médio do segmento
perpendicular à reta que contém e . Percebe-se que a hipérbole é
simétrica em relação a estas duas retas. Devido à simetria, temos:
( ) ( )
( )
209
segmento e retas passando por e perpendiculares ao
segmento .
As retas e que contém as diagonais deste retângulo são
chamadas de assíntotas da hipérbole.
| ( ) ( )|
210
|√[ ( )] ( ) √( ) ( ) |
|√( ) √( ) |
|√ √ | ( )
√ √
√ √
√ √
( )
( ) ( ) ( )
211
Multiplicando a igualdade por , temos:
b) √ √ :
Portanto:
212
Observe que ( )e ( ) e sendo ( ) um ponto da
elipse, obtemos de forma análoga ao caso anterior:
Observações:
Exemplos:
figura abaixo:
213
Como , temos os pontos ( )e ( ).
As assíntotas da hipérbole são as retas que passam pela origem e pelos
pontos ( )e( ). Vamos construir suas equações.
A assíntota que passa pela origem ( ) e pelo ponto ( ) terá sua
equação dada por:
| |
| |
214
( ) ( )
Obtemos:
( ) ( )
215
Assíntota 1: Reta que passa por ( )e( );
Assíntota 2: Reta que passa por ( )e( ).
Exemplos:
( )
( )
( ) ( )
Assim, a equação da hipérbole é .
216
Podemos desenvolver a equação:
( ) ( ) ( ) ( )
[ ]
( ) ( ) ( ) ( )
( ) ( )
[( ) ] [( ) ]
( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( )
217
Seus focos serão ( ) ( √ ) e ( ) ( √ ),
os vértices serão ( ) ( ) ( ) e ( )
√
( ) ( ) e a excentricidade .
| |
| |
218
219
CAPÍTULO 14: ESPAÇOS VETORIAIS
14.1 INTRODUÇÃO
220
Observações:
01. Sempre que falarmos em espaço vetorial, devemos deixar bem claro
qual é o corpo considerado. Os escalares presentes nos axiomas sempre
serão elementos do corpo.
Em temos as operações:
soma de escalares de .
multiplicação de escalares de .
Em temos as operações:
soma de vetores de .
multiplicação de um escalar de por um vetor de .
Exemplos:
221
01. O conjunto {( ) } onde:
Se ( ) ( ) e , definimos:
( )
( )
( )
( )
( ) {[ ] }
Tomando [ ] [ ] [ ] ( ) e , as
[ ] [ ]
222
Agora, devemos concluir que estas operações verificam as 8
propriedades da definição. Mostremos a primeira propriedade
detalhadamente, e as demais serão mais diretas.
S1) Devemos concluir que ( ) ( ). De fato:
( ) ([ ] [ ]) [ ]
( ) ( )
[ ] [ ] [ ]
( ) ( )
( ) ( )
( ) [ ] ( )
( ) ( )
Note que, as entradas da matriz acima são números reais e desta forma,
como é um corpo, vale ( ) ( ) . Usando esta
propriedade nas entradas da matriz, temos em (*):
( ) ( )
( ) [ ]
( ) ( )
( ) ( )
[ ] [ ] [ ]
( ) ( )
[ ] ([ ] [ ]) ( )
( ) ( )
[ ] [ ] [ ] [ ]
[ ] [ ]
223
S3) Devemos mostrar que existe ( ) tal que . De fato,
seja [ ] ( ):
[ ] [ ] [ ] [ ] [ ]
fato, seja [ ] ( ):
( ) [ ] [ ] [ ] [ ] [ ]
224
Logo [ ] [ ]. Portanto, constatamos a existência da
( ) ([ ] [ ]) [ ]
( ) ( )
[ ] [ ]
( ) ( )
[ ] [ ] [ ] [ ]
( )
( ) ( )
( ) ( )[ ] [ ] [ ]
( ) ( )
[ ] [ ] [ ] [ ]
( )
( [ ]) ( )
( ) ( )
[ ] [ ] [ ]
( ) {[ ] }
( ) { }
Sendo ( ) ( ) ( ) e ,
definimos as operações em ( ):
226
( )( ) ( ) ( ) ( ) ( ) ( )
( )( ) ( )
227
resultado ainda é elemento de . Ora, sabemos que , ou seja,
qualquer elemento de é elemento de e, como é espaço vetorial,
sabe-se que as 8 propriedades de espaço vetorial são satisfeitas.
IMPORTANTE: Qualquer subespaço de contém o vetor nulo
de , pois na condição ii da definição de subespaço, tomando
temos que ainda é vetor de . O fato de que , se é
subespaço de é muito utilizado para verificar se um subconjunto não
é subespaço de certo conjunto.
Se tivermos , onde é espaço vetorial, e ocorrer
concluímos imediatamente que NÃO é subespaço de . Tome cuidado,
se concluirmos que , não podemos dizer de imediato que é
subespaço de , pois é uma condição necessária para que seja
subespaço de , mas não é suficiente. Logo devemos verificar também i
e ii da definição.
Exemplos:
228
Para quaisquer e , tem-se e . Vejamos:
Se ( ) , então . Logo ( ). Se ( ) ,
então . Logo ( ). Assim:
( ) ( ) ( )
( ) ( )
229
04. Sejam e {( ) } o conjunto dos
vetores de com primeira coordenada nula.
Tomando e ( ) ( ) , temos:
( )
( )
{ na forma matricial:
230
[ ][ ] [ ] ( )
[ ] [ ]
[ ] ([ ] [ ]) [ ][ ] [ ][ ] ( )
[ ] ([ ] [ ]) [ ][ ] [ ][ ] [ ] [ ]
[ ] [ ] ([ ] [ ]) [ ]
231
Portanto, [ ] [ ] é solução de (*), logo .
Temos também:
[ ]
[ ] ( [ ]) ([ ] [ ]) [ ] [ ]
[ ] ( [ ]) [ ]
Contra Exemplos:
232
Observe que a soma de é o vetor , para que seja
um vetor de , este deveria possuir extremidade sobre a reta de
equação . Em outras palavras, a propriedade i da definição de
subespaço não é satisfeita, logo não é subespaço vetorial de .
Também podemos concluir algebricamente que não é um subespaço
de . Basta observar que o vetor nulo ( ) não satisfaz a
propriedade de , isto é, as coordenadas do vetor nulo são e ,
logo . Portanto e isto já é o
suficiente para concluir que NÃO é subespaço de .
02. Seja , se for qualquer reta que não passa pela origem, então
não é subespaço de .
233
( )
( )
( ) ( ) ( ) ( )
234
Como , temos que e . Sabemos que é
subespaço de , logo . Também como é subespaço de tem-
Exemplos:
01. Sejam , {( ) }e {( ) }.
Note que {( ) }e {( ) } são planos que
passam pela origem e paralelos ao eixo e a interseção é a reta
( )
( )
235
14.3.4 Teorema (Soma de subespaços): Sejam e subespaços
de . O conjunto { } ainda é
subespaço de .
Prova: Devemos mostrar que e:
i. Se e , então ;
ii. Se e , então .
Mostremos:
i. Se e , então . De fato, se
, existem e tais que e,
analogamente, se , existem e tais que
. Assim:
( ) ( )
( ) ( ) ( ) ( )
( )
Exemplos:
236
01. Sejam , um plano passando pela origem e uma reta
passando pela origem contida neste plano, . Observe:
{[ ] } ( ).
237
02. No exemplo 02 anterior, é soma direta de com , pois
{ }
Exemplos:
238
01. Considere e . Observe que [ ] { }, isto é, o
conjunto gerado por é a reta que contém o vetor e passa pela origem
do sistema.
( )
( ) ( ) [ ]
239
03. Sejam e ( ) ( ) . Então
[ ] [( )( )] { }
{ ( ) ( ) } {( ) ( ) }
{( ) }
[ ] [[ ] [ ]] { }
{ [ ] [ ] } {[ ] [ ] }
[ ] {[ ] }
{( ) } {( ) }
240
{( ) ( ) } { ( ) ( ) }
[( )( )] [( )( )]
Logo ( )e ( ).
O conjunto de soluções é:
{( ) } {( ) ( ) }
{ ( ) ( ) } [( )( )] [( )( )]
241
14.5.1 Definição: Seja um espaço vetorial e .
Dizemos que o conjunto { } é linearmente independente (LI) se:
{ }
( ) ( )
242
vetores de { } é combinação linear, digamos que seja
combinação linear de , então:
( )
Exemplos:
243
03. Sejam e ( ) ( ). O conjunto { } é LI.
Vamos mostrar que este conjunto é LI usando o Teorema anterior, ou
seja, façamos uma combinação de e igual ao vetor nulo e, se esta
implicar que os coeficientes da combinação são nulos, concluímos que
{ } é LI. Então:
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) {
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) {
244
05. Sejam e ( ) ( ) ( ) . O conjunto
{ } é LD, pois:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
Logo e . Portanto ,
e com não não necessariamente nulo, ou seja, a equação
implicou em um dos coeficientes não nulo. Portanto
{ } {( )( )( )} é LD.
245
com combinação linear de (se é igual ao subespaço gerado por
).
Exemplos:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
{ {( )( )}
( ) ( ) ( ) ( ) ( )( )
( ) ( ) ( )( )
246
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) {
{( )( )( )}
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) {
247
A condição nos diz que ( )e( ) geram apenas os vetores de
cujo a terceira coordenada é nula, ou seja, ( )e( ) não geram
todos os vetores de , daí tem-se [( )( )].
{ }
vetorial ( ). De fato:
[ ] [ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ] [ ]
[ ] [ ]
Sendo [ ] ( ), temos:
[ ] [ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ]
248
[ ] [ ] [ ] [ ] [ ]
Como {[ ] [ ] [ ] [ ]} é LI e
( ).
249
Ora, como é combinação linear de , os vetores
ainda geram .
Caso o conjunto { } for LI, temos o desejado, pois se
geram e{ } é LI, isto implica { } base de .
Caso o conjunto { } for LD, existe algum vetor do
conjunto que é combinação dos demais. Suponha combinação dos
demais, assim:
{ ( )
250
Tomemos agora a combinação linear de e igualamos esta
combinação ao vetor nulo de :
( )
( ) ( )
( )
( ) ( )
( ) ( )
{ ( )
251
14.6.4 Corolário: Qualquer base de um espaço vetorial tem
sempre o mesmo número de vetores. Este número é chamado de
dimensão de , e o denotamos por ( ).
Prova: Sejam { }e{ } bases de .
Como geram e é LI, pelo Teorema 16.6.3 temos
que .
Como geram e é LI, pelo Teorema 16.6.3 temos
que .
Ora, como e , a única conclusão que chegamos é a que
, ou seja, as bases possuem a mesma quantidade de vetores.
Observação: Se { }, então .
Exemplos:
de ( ), desta forma [ ( )] .
252
Porém, pode acontecer [ ], assim existe tal que
[ ], logo não é combinação linear de e então
{ } ainda é LI. Caso [ ], então { }
forma uma base para e temos o desejado.
Porém, pode acontecer [ ], assim existe tal
que [ ], logo não é combinação linear de
e então { } ainda é LI. Caso
[ ], então { } forma uma base de e
temos o desejado.
Usando este mesmo procedimento, sempre conseguiremos
completar o conjunto LI { } até que ele tenha elementos e seja
uma base de .
( ) ( ) ( ) ( )
253
Prova: Seja , então existem tais que
. Suponha que existem tais que .
Desta forma, como as duas igualdades valem para :
( ) ( )
[ ] [ ]
254
Fazendo uma análise à notação, perceba que qualquer vetor de um
espaço vetorial de dimensão pode ser representado por uma matriz de
ordem .
Exemplos:
( ) ( ) ( )
Portanto:
[( )] [ ]
( ) ( ) ( ) [( )] [ ]
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
[( )] [ ]
255
03. Sejam , {( ) } e {( ) }. Note
que e são subespaços de e:
{( ) } {( ) }
{( ) } {( ) ( ) }
{ ( ) ( ) } [( )( )] [( )( )]
{( ) } {( ) } {( ) ( ) }
{ ( ) ( ) } [( )( )] [( )( )]
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) {
256
Vamos determinar . Veja:
{( ) } {( ) }
{( ) } { ( ) } [( )] [( )]
Logo ( ) .
Perceba agora que ( ) ( ) ( ) ( ) é
satisfeita, pois ( ) , ( ) , ( ) e ( ) ,
logo:
( ) ( ) ( ) ( )
[ ] [ ] [ ] [ ] [ ]
[ ] ( )[ ] ( )[ ] ( )[ ]
[ ] [ ]
[ ] [ ]
257
Notamos ainda que qualquer base de ( ) deve possuir 4 vetores e,
desta forma, qualquer vetor de ( ) pode ser escrito, em relação à uma
base, como uma matriz coluna .
Em geral, se ( ) , uma base de terá vetores e qualquer
258
Neste novo referencial temos a base { } e os eixos e . A
equação da elipse em relação a este sistema é .
Tendo visto a situação acima, devemos nos questionar: Como
escolher um novo sistema apropriado? Fixado um novo referencial,
como relacionar as coordenadas de um ponto do antigo referencial com
as coordenadas no novo?
( )
{
( )
[ ] [ ]
259
[ ] [ ]
{ ( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
260
{
Na forma matricial:
[ ] [ ][ ]
[ ] [ ] [ ]
{ } ( ) ( )
261
{ } ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
Cuja solução é , , e .
[ ] [ ] [ ] [ ] [ ]
262
Agora, vamos determinar as coordenadas do vetor ( ) em relação
base:
[ ] [ ] [ ] [ ] [ ][ ] [ ]
[ ] [ ]
Ou ainda: [ ] ( ) ( ).
É obvio que poderíamos simplesmente tomar uma combinação arbitrária
( ) ( ) ( ) e calcular os valores de e e então o vetor
[ ] [ ] [ ]
([ ] ) é:
263
([ ] ) [ ]
Exemplos:
[ ] [ ]
[ ] [ ]
[ ] [ ]
Observe:
264
Temos e queremos calcular:
[ ] [ ] [ ]
Temos . E:
265
Temos .
Desta forma:
[ ] [ ]
Logo:
[ ] [ ] [ ] [ ] [ ][ ] {
266
CAPÍTULO 15: TRANSFORMAÇÕES LINEARES
15.1 INTRODUÇÃO
5
Quando falarmos somente “tal conjunto é espaço vetorial”, já estamos assumindo
que este é um espaço vetorial sobre o corpo ( ).
267
P1. ( ) ( ) ( ), quaisquer que sejam ;
P2. ( ) ( ), quaisquer que sejam e .
Exemplos:
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( )
268
Desta forma:
( ) ( ) ( )
( ) ( ) ( )
( ) (( ) ( )) ( )
( ( ) ( ) ( ))
( ( ) ( ))
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( ( )) ( ) ( ( ) ) ( ( ) ( ))
269
( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) [ ( )] [ ( ) ( )] [ ( )]
( ) { ( ) [ ( )]} ( )
( )
270
Portanto, temos o desejado, isto é, a igualdade destacada acima
nos diz que o vetor nulo de tem como imagem, através de linear, o
vetor nulo de .
( ) ( ) ( ) ( ) ( )
271
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
E temos o desejado.
(⇐) Queremos mostrar que, a igualdade ( ) ( ) ( ) é
válida, quaisquer que sejam e , então é uma
transformação linear. Em outras palavras, queremos provar que P1 e P2
da definição são válidas. De fato:
Se ( ) ( ) ( ) é válida para quaisquer e ,
podemos tomar, em particular, em ( ) ( ) ( ), isto é:
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
Exemplo:
( ) ( ( ) )
( ( ) ( )) ( ( )) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
Assim:
( ) [ ] [ ]
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
273
Logo é transformação linear.
lei de , temos:
( ) ( ) [ ] [ ] {
[ ][ ] [ ]
( ) [ ][ ]
274
15.2.1 Teorema: Sejam e espaços vetoriais, o conjunto
{ } uma base de e os vetores . Existe uma única
transformação linear tal que ( ) ( ) ( )
. Sendo , podemos escrever e a aplicação é
dada por ( ) ( ) ( ) ( )
.
Prova: Suponha que, além de existe outra aplicação
tal que ( ) ( ) (a ideia então é concluir que
( ) ( ) , para mostrar a unicidade de ).
Sendo , , pois { } é base de e,
além disso, os coeficientes são únicos.
Aplicando a função em , temos:
( ) ( ) ( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
Exemplos:
275
base para . Assim, tomando ( ) um vetor arbitrário, este
pode ser escrito como ( ) ( ) ( ) e, aplicando
nesta igualdade:
( ) ( ) ( ) ( ) ( ) ( )
Como ( ) ( )e ( ) ( ), temos:
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ( )) ( ) ( )( )
( ) ( ) ( )( )
( ) ( ( ) ( )( )) ( ( )) (( )( ))
276
( ) ( ) ( ) ( ) ( )( )
( ) ( ) ( ) ( )
( ) ( )
( ) { ( ) }
( ) { ( ) }
Exemplos:
( ) {( ) ( ) } {( ) }
277
{( ) } {( ) } { ( ) } [( )]
( ) [( )]
( ) { ( ) ( ) } { }
{ } {( ) } [ ]
( ) [ ]
278
02. Seja tal que ( ) ( ) ou ( ) ( ).
Temos que, o núcleo de é:
( ) {( ) ( ) ( )} {( ) ( ) ( )}
{( ) } {( ) }
{ ( ) } [( )] ( ) [( )]
( ) {( ) ( ) ( ) ( ) }
{( ) ( ) ( )} {( ) }
{( ) } {( ) ( ) }
{ ( ) ( ) } [( )( )] ( ) [( )( )]
279
( ) ( ) implica em . Ou equivalentemente, se dados tais
que , então ( ) ( ).
Em outras palavras, uma função é injetora, se dois
elementos com mesma imagem são iguais, ou equivalente a isso, a
função é injetora se quaisquer dois elementos distintos sempre
possuem imagens distintas.
Exemplo:
( ) ( ) ( ) ( )
( ) {( ) ( ) ( ) } {( ) ( ) ( )}
{( ) } {( ) } { ( ) } [( )]
( ) [( )]
280
A seguir, veremos um resultado que nos será muito útil para
identificar transformações lineares injetoras. O teorema diz,
basicamente, que uma condição necessária e suficiente para que uma
transformação linear seja injetora é que seu núcleo contém somente o
vetor nulo.
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
281
( ) ( )
( ) ( ) ( ) ( )
Exemplo:
( ) { ( ) ( )} { ( ) ( )} { } { }
( ) { }
( ) ( )
282
{ } e, desta forma, podemos completar o conjunto { }
até que este seja uma base de .
Assim, considere , vetores tais que { }
seja uma base de (assim, teremos ).
Já foi visto em um resultado que se é uma transformação linear,
esta associa certa quantidade de vetores da base de à mesma
quantidade de vetores de , isto é, { ( ) ( )} . Vamos
mostrar que este conjunto { ( ) ( )} como vetores forma uma
base de ( ). Em outras palavras, queremos mostrar que:
i. ( ) [ ( ) ( )];
ii. { ( ) ( )} é LI.
Mostremos:
i. Queremos mostrar que todo vetor ( ) pode ser escrito
como combinação linear dos vetores de { ( ) ( )}. De fato, seja
( ), então existe tal que ( ) ( ). Como , este vetor
pode ser escrito como uma combinação linear dos vetores da base
{ } de , ou seja, .
Logo, reescrevemos (*):
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( )
283
ii. Queremos mostrar que o conjunto { ( ) ( )} é LI. De
fato, tomemos a equação:
( ) ( ) ( ) ( )
( )
284
( ) ( ) ( )
( ) ( ) ( )
285
Seja dada por ( ) ( ). Vamos mostrar que
é um isomorfismo e em seguida calcular .
Como , temos que , logo para mostrar que é
isomorfismo, basta mostrar que esta transformação é injetora, ou seja,
basta mostrar que ( ) {( )}. De fato:
( ) {( ) ( ) ( )}
{( ) ( ) ( )}
{( ) }
{( ) } {( )} ( ) {( )}
Portanto, é isomorfismo.
Como é injetora e , sabemos que leva uma base de
em uma base de . Tomando a base {( )( )( )}
de , o conjunto { ( ) ( ) ( )} será uma base de
.
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
Logo {( )( )( )} é base de .
Agora calculamos a inversa de . Sabemos que ( )
( ), ( ) ( )e ( ) ( ), logo:
( ) ( )
( ) ( )
286
( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
Aplicando :
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( ).
287
. Nesta seção, vamos formalizar este resultado para espaços
vetoriais quaisquer, conhecendo suas bases.
Exemplo:
que ( ) depende de , e .
Como [ ( )] [ ], temos:
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
Se tivéssemos , teríamos [ ( )] [ ] [ ][ ] .
{ }, { } e a matriz [ ] ,
[ ] [ ][ ] [ ] [ ( )]
Então ( ) .
288
Em geral, dada uma matriz , esta pode ser abordada como
uma aplicação linear em relação às bases canônicas de e
.
Exemplos:
. Encontremos .
Seja [ ] [ ] , então:
[ ( )] [ ] [ ][ ] [ ]
[ ( )] [ ] ( ) ( )( ) ( )( )
( ) ( ) ( )
( ) ( ) [ ( )] [ ] [ ][ ] [ ][ ]
[ ( )] [ ]
Logo [ ].
289
Vamos generalizar este caso de encontrar a matriz, dada certa
transformação linear.
( )
( )
[ ] [ ]
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
290
Logo a matriz transposta da matriz associada ao sistema é a matriz de
em relação às bases e :
[ ] [ ]
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
Logo [ ] [ ].
[ ] [ ]
( )
( )
291
Logo:
[ ] [ ] [ ]
[ ] [ ]
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )( )
( ) ( ) ( )
( ) ( )
[ ( )] [ ] [ ]
292
Prova: Sejam { }, { },
[ ] [ ], [ ] [ ] e [ ( )] [ ].
( )
( )
( )
( ) ( ) ( ) ( )
( ) ( )
( )
( ) ( )
( ) ( ) ( )
[ ( )] [ ]
293
{ ( )
[ ] [ ][ ] [ ( )] [ ] [ ]
Exemplo:
[ ( )] [ ] [ ] [ ][ ] [ ]
[ ( )] [ ] ( ) ( ) ( ) ( ) ( )
[ ] [ ] [ ]
Observe que:
294
i. base de e base de implicam que [ ] é a matriz de
em relação às bases e .
ii. base de e base de implicam que [ ] é a matriz de
em relação às bases e .
iii. base de e base de implicam que [ ] é a matriz de
em relação às bases e .
Exemplos:
( )( ) ( ( )) ( ) ( )
( )( ) ( )
( ) , isto é, [ ] [( )] [ ] temos:
[ ( )] [ ] [ ][ ] [ ] [( )]
295
[ ( )] [ ] [ ][ ] [ ] [( )]
[ ] [ ] [ ] [ ][ ] [ ] [ ] [ ]
[( )( )] [ ] [ ][ ] [ ] [( )]
Logo [ ] [ ].
{( )( )}, {( ) ( )( )} e {( )( )} são,
respectivamente:
[ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ][ ] [ ]
[ ] [ ]
296
Ainda temos que [( )( )] [ ] [ ] . Seja ( )
[( )( )] [ ] [ ] [ ][ ] [ ]
[( )( )] [ ] ( )( ) ( )( ) ( ) ( )
( )( ) ( )
à e é[ ] e:
[ ] ([ ] )
[ ] [ ] [ ] ( )
[ ] [ ] [ ] [ ] ([ ] )
297
15.3.6 Corolário: Seja uma transformação linear, e
bases de , e bases de , podemos relacionar as matrizes [ ] e
[ ] por:
[ ] [ ] [ ] [ ]
[ ] [ ] ( )
voltando em (*):
[ ] [ ] [ ] [ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ]
298
15.3.7 Caso Particular: Se tivéssemos transformação
linear e as bases e de , vejamos o que acontece:
Suponhamos que conhecemos [ ] , vejamos como determinar
[ ] .
[ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] ( )
[ ] [ ] [ ] [ ] [ ] [ ] ([ ] ) [ ] [ ] [ ] ([ ] )
299
CAPÍTULO 16: AUTOVALORES E AUTOVETORES
16.1 INTRODUÇÃO
Vejamos:
( ) ( ) ( ) ( ) {
300
Observe que os vetores e ( ) serão de mesma direção, o sentido
depende dos valores do escalar e, ainda, estes vetores estão sobre
uma mesma reta suporte.
Resumidamente, estamos procurando um vetor e um escalar
tais que:
( ) ( )
Exemplos:
matricial ( ) [ ] [ ].
301
02. Em geral, se é dada por ( ) tem como
autovalor e qualquer ( ) ( ) é autovetor de associado a ,
pois ( ) é sempre um vetor de mesma direção de .
Nesta transformação, temos os seguintes casos:
i. Se , é a identidade;
ii. Se | | , contrai o vetor ;
iii. Se | | , dilata o vetor ;
iv. Se , inverte o sentido de .
( ) [ ][ ] [ ] ( ) ( )
( ) ( ) ( ) ( ) [ ] [ ] [ ]
Então, obtemos:
302
{
na primeira equação:
( ) ( )
( ) ( )
303
16.1.2 Teorema: Dada transformação linear e um
autovetor de associado ao autovalor de . Qualquer vetor
ainda é autovetor de associado a .
Prova: Para mostrar que é autovetor de associado a ,
devemos mostrar que ( ) . De fato, como , temos:
( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
{ ( ) }
304
16.2 AUTOVALORES E AUTOVETORES DE UMA MATRIZ
( )
305
([ ] [ ]) [ ] [ ]
([ ] [ ]) [ ] [ ]
[ ][ ] [ ]
[ ]
( )
306
( ) ( ) | |
( ) ( )
Sendo [ ], temos:
[ ] [ ] [ ] [ ]
[ ] [ ]
| |
307
( )( )( ) ( )( ( ))
( )( )( ) ( ) ( )[( )( ) ]
( )( )
( )( )
√
{
i. , tomando [ ] temos:
[ ][ ] [ ] [ ][ ] [ ]
{ {
{( ) } { ( ) } [( )] [( )]
308
O subespaço associado ao autovalor é o subespaço gerado por
( ).
[ ][ ] [ ] [ ][ ] [ ]
{ {
{( ) } { ( ) } [( )]
[( )]
[ ] [ ] [ ] [ ]
Logo:
309
( ) ( ) [ ] | |
( )( )
( )
√
( )
i. e tomando [ ]:
[ ][ ] [ ] { {
{( ) } { ( ) } [( )]
[( )]
ii. e tomando [ ]:
[ ][ ] [ ] [ ] [ ][ ] [ ]
310
{ {
{( ) } { ( ) } [( )]
[( )]
Observe geometricamente:
( ) ( ) ([√ ] [ ]) [√ ]
√ √
|√ | (√ ) √
√
311
( ) √
Note que o polinômio característico não admite raiz real, ou seja, não
existe tal que ( ) , logo a matriz não admite autovalores.
Consequentemente, a transformação linear associada à matriz não
admite autovalores nem autovetores, logo qualquer vetor é tal que
( ) . Geometricamente, não preserva a direção de nenhum vetor.
[ ( )] [ ] [ ] [ ] [ ] [ ] [ ] [ ]
([ ] )[ ]
([ ] )
312
característico da transformação linear e as raízes deste polinômio
serão os autovalores de .
Para determinar um autovetor de correspondente ao autovalor
basta resolver a equação [ ( )] [ ] ou, equivalentemente, [ ] [ ]
[ ] .
Veremos que o polinômio característico de uma transformação é o
mesmo, independente da base considerada. De fato, seja outra base,
sabemos que se [ ] é a matriz de em relação à base e se [ ] é a
[ ] [ ] [ ] ([ ] )
Assim:
([ ] ) ([ ] [ ] ([ ] ) [ ] ([ ] ) )
([ ] ([ ] ) ([ ] ) ) [ ] ([ ] ) ([ ] )
([ ] )[ [ ] ([ ] ) ] ([ ] ) ([ ] )
([ ] ) ([ ] ) ( )
313
[ ] [ ]
( ) ([ ] ) ([ ]) | |
( )( )
( )
√
( )
[ ] [ ] [ ] [ ][ ] [ ] { {
314
autovalores de associados a são os vetores da forma ( ) .
Logo:
{( ) } { ( ) } [( )]
ii. :
[ ] [ ] [ ] [ ][ ] [ ] [ ] {
{( ) } { ( ) } [( )]
315
CAPÍTULO 17: PRODUTO INTERNO
17.1 INTRODUÇÃO
316
P4 nos diz que o produto interno entre um vetor soma e
um vetor é igual à soma do produto interno entre e e do
produto interno entre e .
P5 nos diz que podemos comutar o produto interno, ou seja, a
ordem do produto interno não importa.
Exemplos:
〈 〉
〈 〉 〈( )( )〉 〈 〉
〈 〉 〈( )( )〉 〈 〉
〈 〉 〈 ( )( )〉 〈( )( )〉
( ) 〈 〉
〈 〉 〈 〉
317
P4. Sejam ( ) ( ) ( ) . Temos:
〈 〉 〈( ) ( )( )〉
〈( )( )〉
( ) ( ) ( )
( ) ( ) 〈 〉 〈 〉
〈 〉 〈 〉 〈 〉
〈 〉 〈( )( 〉
〈 〉 〈 〉 〈 〉
〈 〉
318
17.1.2.1 Propriedades: Seja um espaço vetorial com produto
interno 〈 〉, as seguintes propriedades são válidas para a ortogonalidade:
i. ;
ii. ;
iii. Se , então ;
iv. Se e , então ;
v. Se , então .
Prova: Para demonstrar cada propriedade, basta usar a definição
de ortogonalidade e as propriedades de definição.
i. Note que 〈 〉 〈 〉 〈 〉 〈 〉 .
ii. 〈 〉 ⇔ 〈 〉 .
iii. Sabe-se que , mas por i acima, o único vetor que é
ortogonal a todo vetor é , logo .
iv. Note que 〈 〉 〈 〉 〈 〉, mas por hipótese e
, logo 〈 〉 〈 〉 〈 〉 〈 〉 , o
que equivale a .
v. Note que 〈 〉 〈 〉, mas por hipótese , logo 〈 〉
〈 〉 〈 〉 , o que equivale a .
〈 〉 〈 〉
319
Usando as propriedades da definição de produto interno (observe
que 〈 〉 , pois o vetor nulo é ortogonal a qualquer vetor):
〈 〉 〈 〉 〈 〉 〈 〉 〈 〉
〈 〉 〈 〉 〈 〉 〈 〉 〈 〉
〈 〉
〈 〉
320
17.2 COEFICIENTES DE FOURIER
〈 〉 〈 〉
〈 〉 〈 〉 〈 〉 〈 〉 〈 〉
〈 〉
〈 〉 〈 〉
〈 〉
Fourier de em relação .
Exemplo:
〈( )( )〉 ( ) ( )
321
Vamos determinar as coordenadas do vetor ( ) em relação à ,
isto é, vamos determinar tais que ( ) ( ) ( ). Para
isto, façamos o produto interno dos vetores de em ambos os membros
de ( ) ( ) ( ):
Por ( ), temos:
〈( )( )〉 〈 ( ) ( )( )〉 〈( )( )〉 〈( )( )〉
〈( )( )〉 〈( )( )〉 〈( )( )〉 〈( )( )〉
〈( )( )〉
〈( )( )〉
Por ( ), temos:
〈( )( )〉 〈 ( ) ( )( )〉
〈( )( )〉 〈( )( )〉 〈( )( )〉
〈( )( )〉 〈( )( )〉 〈( )( )〉
〈( )( )〉
〈( )( )〉
Assim, escrevemos [( )] [ ].
relação à ( )é .
17.3 NORMA
322
Como já foi visto, em alguns espaços vetoriais, não conseguimos
descrever geometricamente seus vetores. Assim, como podemos falar de
norma (comprimento) de vetores sem uma representação geométrica?
Veremos a seguir que, a partir de um produto interno podemos definir
norma de vetores, independente de sua natureza.
‖ ‖
‖ ‖ ‖ ‖ | |‖ ‖ ‖ ‖
‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖
Exemplos:
‖ ‖ √〈 〉 √〈( )( )〉 √ ‖ ‖ √
‖ ‖ √〈 〉 √〈( )( )〉 √( ) ( ) ( ) √
√ ‖ ‖ √
323
( ) ( ) ( )
‖ ‖ √ √ √ √ √ √ √
‖ ‖ √( ) ( ) ( ) √ √ √ √
√ √ √
‖ ‖
‖ ‖ √〈 〉 √ 〈 〉 √ √〈 〉 | |‖ ‖ ‖ ‖ | |‖ ‖
324
〈 〉 〈 〉 〈 〉
〈 〉 〈 〉 〈 〉 〈 〉
〈 〉 〈 〉 〈 〉 〈 〉
〈 〉 〈 〉 〈 〉
( 〈 〉) 〈 〉〈 〉 〈 〉 〈 〉〈 〉
〈 〉 〈 〉〈 〉 〈 〉 ‖ ‖ ‖ ‖
〈 〉 (‖ ‖‖ ‖) √〈 〉 √(‖ ‖‖ ‖) |〈 〉| ‖ ‖‖ ‖
‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖
325
‖ ‖ (√〈 〉) 〈 〉 〈 〉 〈 〉
〈 〉 〈 〉 〈 〉 〈 〉 ‖ ‖ 〈 〉 ‖ ‖
‖ ‖ ‖ ‖ 〈 〉 ‖ ‖ ( )
〈 〉 |〈 〉| ‖ ‖‖ ‖ 〈 〉 ‖ ‖‖ ‖ 〈 〉 ‖ ‖‖ ‖ ( )
‖ ‖ ‖ ‖ 〈 〉 ‖ ‖ ‖ ‖ ‖ ‖‖ ‖ ‖ ‖ (‖ ‖ ‖ ‖)
‖ ‖ (‖ ‖ ‖ ‖) √‖ ‖ √(‖ ‖ ‖ ‖)
|‖ ‖| |‖ ‖ ‖ ‖| ‖ ‖ ‖ ‖ ‖ ‖
|〈 〉| |〈 〉|
|〈 〉| ‖ ‖‖ ‖ | | ( )
‖ ‖‖ ‖ ‖ ‖‖ ‖
326
Agora lembremos que [ ] tem-se | | , ou seja,
considerando desigualdade (I), existe um ângulo [ ] tal que
〈 〉
‖ ‖‖ ‖
. Desta forma:
〈 〉
‖ ‖‖ ‖
Assim, definimos ( ).
Note que, da maneira como o ângulo foi definido, podemos falar
naturalmente das noções de ortogonalidade, pois se 〈 〉 temos
, isto é, .
Exemplo:
⟨[ ] [ ]⟩
〈 〉
( ) ( )
‖ ‖‖ ‖
〈 〉 ⟨[ ] [ ]⟩ ( ) ( ( ))
〈 〉 ( )
327
Calculando ‖ ‖:
‖ ‖ √〈 〉
‖[ ]‖ √⟨[ ] [ ]⟩ √ ( ) ( )
√ √ ‖[ ]‖
‖ ‖ ( )
Calculando ‖ ‖:
‖ ‖ √〈 〉
‖[ ]‖ √⟨[ ] [ ]⟩ √ ( ) ( )
√ √ ‖[ ]‖ √
‖ ‖ √ ( )
〈 〉
( ) ( )
‖ ‖‖ ‖ √ √
328
〈 〉 {
〈 〉 〈 〉
〈 〉 〈 〉
〈 〉
Exemplo:
( )
〈 〉
〈 〉 〈 〉 [ ] [ ]
〈 〉
329
15.5.1 Definição: Seja um espaço vetorial com produto interno
〈〉e { } um subconjunto de . Dizemos que é um conjunto
ortonormal se seus vetores são dois a dois ortogonais (
〈 〉 ) e todos unitários (‖ ‖ ).
Em outras palavras:
〈 〉 {
Exemplo:
〈 〉 〈( )( )〉 〈 〉
‖ ‖ √〈 〉 √〈( )( )〉 √ ‖ ‖
‖ ‖ √〈 〉 √〈( )( )〉 √ ‖ ‖
〈 〉 ‖ ‖
〈 〉 {
〈 〉
330
Prova: Seja { } um conjunto ortogonal. Queremos
mostrar que é LI, isto é, devemos mostrar que:
〈 〉 〈 〉
〈 〉 〈 〉 〈 〉
〈 〉
〈 〉 〈 〈 〉 〈 〉 〈 〉 〈 〉 〉
〈 〉 〈 〉〈 〉 〈 〉〈 〉 〈 〉〈 〉 〈 〉〈 〉
331
〈 〉 〈 〉 〈 〉 〈 〉 〈 〉
〈 〉 〈 〉 〈 〉
〈 〉 〈 〈 〉 〈 〉 〉
〈 〉 〈 〉 〈 〉〈 〉 〈 〉〈 〉
〈 〉〈 〉 〈 〉〈 〉
〈 〉 〈 〉 〈 〉 〈 〉 〈 〉
〈 〉
〈 〉 〈 〉 〈 〉 〈 〉
〈 〉 〈 〉 〈 〉 〈 〉
〈 〉 〈 〉 〈 〉 〈 〉
〈 〉
∑〈 〉 ∑
332
Ou seja, é ortogonal a qualquer vetor do subespaço [ ]
(ortogonal a qualquer combinação linear de ).
‖ ‖
é unitário e ainda forma um conjunto { } LI, ou seja, este
e assim o vetor ‖ ‖
ainda é ortogonal a e é unitário. Logo { }
‖ ‖
e este é um vetor unitário. Agora, usando a Proposição 17.5.3,
e assim o vetor ‖ ‖
ainda é ortogonal a e . Desta forma, o
〈 〉 〈 〉 〈 〉 〈 〉
333
Este processo é chamado de processo de ortonormaliazação de
Gram-Schmidt que, nos permite a partir de uma base qualquer de um
espaço vetorial , determinar uma base ortonormal de .
Exemplo:
( ) ( ) ( )
( )
‖ ‖ √〈 〉 √〈( )( )〉 √ √
( )
〈 〉 ( ) 〈( )( )〉( ) ( ) ( )
( ) ( ) ( ) ( )
Logo:
( ) ( ) ( )
‖ ‖ √〈 〉 √〈( )( )〉 √ √
( )
√ √
334
〈 〉 〈 〉
( ) 〈( )( )〉( ) 〈( )( )〉 ( )
√ √ √ √
( ) ( ) ( )( ) ( ) ( )( )
√ √ √ √ √ √ √
( ) ( ) ( ) ( ) ( )
√ √ √ √
( )
Logo:
( ) ( )
‖ ‖ √〈 〉
√〈( ) ( )〉 √( ) ( )
( ) ( ) √ √
√ ( ) ( )
√
√
√ √
Desta forma, { } {( )( ) ( )} é uma base
√ √
ortonormal de .
{ 〈 〉 } { }
335
é chamado de complemento ortogonal de .
Exemplo:
{( ) } {( ) ( ) }
{ ( ) ( ) } [( )( )] [( )( )]
( ) 〈 ( )〉 〈( )( )〉
( ) 〈 ( )〉 〈( )( )〉
Logo ( ) e assim {( ) } { ( ) }
[( )] [( )], e assim, uma base para é {( )}.
336
REFERÊNCIAS
337