Escolar Documentos
Profissional Documentos
Cultura Documentos
3. Coordenadas em R2 e R3 .
Roteiro
a1 x 1 + a2 x 2 + · · · + a n x n = b
a1 ℓ1 + a2 ℓ2 + · · · + an ℓn = b.
x+y =1
é simples verificar que as soluções são da forma (t, 1 − t), onde t ∈ R. Usando
o método anterior, obteriamos (apenas) as soluções (1, 0) e (0, 1).
1
Um sistema linear de m equações com n incógnitas é um conjunto de m
equações lineares com as mesmas n incógnitas x1 , x2 , . . . xn . Uma diferença
importante entre os sistemas e as equações lineares é que (novamente elimi-
nando os casos triviais) os primeiros nem sempre têm solução. Por exemplo,
as duas equações lineares x = 1 e x = 2 têm solução. Porém o sistema linear
de duas equações
x = 1, x = 2
não tem solução. Ao longo do curso (e nesta aula) veremos casos mais inter-
essantes de sistemas lineares sem solução.
O objetivo desta aula é relembrar como resolver sistemas lineares de
forma simples.
Existem dois tipos de sistemas lineares, os que não admitem solução (im-
possı́veis) e os que admitem solução. Estes últimos se subdividem em deter-
minados (a solução é única) e indeterminados (existem infinitas soluções).
Vejamos alguns exemplos:
• Impossı́vel:
x + y = 1, x + y = 2.
x + y = 1, x − y = 1.
x + y = 1, 2x + 2y = 2.
2
Resposta: Da primeira equação temos, x = 2 − y. Substituindo o valor
de x na segunda equação, 2 − y − y = 1, logo y = 1/2. Portanto, x = 3/2.
Neste exemplo, temos um sistema (com solução) determinado (única). ¤
3
Exemplo 4. Resolva o sistema linear
x + y + z = 1, x − y = 2.
(2 + t, t, −1 − 2t), t ∈ R.
x + y + z = (2 + t) + t + (−1 − 2t) = 1, x − y = (2 + t) − t = 2.
x + y = 1, 2x + 2y = k
4
1.2 Método de escalonamento
Este método consiste em, dado um sistema linear, encontrar outro sistema
linear equivalente (com as mesmas soluções) tal que no novo sistema na se-
gunda equação apareça (no mı́nimo) uma incógnita a menos que na primeira,
e assim sucessivamente. Desta forma, isolaremos uma variável e a partir
desta, obteremos sucessivamente as outras.
Por exemplo o sistemas
x + y = 4, 2 x + 3 y = 11
e
x + y = 4, y=3
são equivalentes (a única solução dos sistemas é x = 1 e y = 3, confira). Mas
é muito mais simples resolver os segundo: já conhecemos o valor de y. De
fato, o segundo sistema já está em forma de escada.
Vejamos o método de escalonamento com um exemplo, considere o sis-
tema
x + y + z = 2, 2x − y + z = 5, x − 2y + 3z = 9.
Em primeiro lugar, eliminaremos a variável x das segunda e terceira equações.
Para isto, efetuamos as seguintes operações:
• substituimos a segunda equação pela segunda equação menos duas
vezes a primeira equação, e
x + y + z = 2, −3 y − z = 1, −3y + 2z = 7.
Este sistema linear é equivalente ao primeiro (isto é, tem as mesmas soluções).
Para eliminar a variável y da terceira equação, consideraremos a terceira
menos a segunda, obtendo
x + y + z = 2, −3 y − z = 1, +3 z = 6.
5
Exemplo 6. Resolva o sistema linear de três equações
x + y + z = 0, 2x + y = 4, x − z = 4.
x + y + z = 0, −y − 2z = 4, −y − 2z = 4.
Vemos que as duas últimas equações estão repetidas. Podemos suprimir uma
delas e obtemos o sistema de duas equações nas três variáveis
x + y + z = 0, y + 2z = −4.
Isto significa que no sistema inicial uma das equações não fornece informação
alguma: a terceira equação é a segunda equação menos a primeira.
Neste ponto já não é possı́vel fazer mais eliminações. Escolhemos z como
parâmetro e escrevemos as outras variáveis em função de z = t ∈ R. Temos,
y = −4 − 2 t, x = −y − z = 4 + 2 t − t = 4 + t.
(4 + t, −4 − 2 t, t), t ∈ R.
x + y + z = 1, x − y − z = 2, 3x + y + z = 10.
x + y + z = 1, −2y − 2z = 1, −2y − 2z = 7.
0 = 6,
o que é impossı́vel, logo o sistema é impossı́vel e por isso não admite solução.
¤
6
x=m
Y
k (m, k)
y=k
m X
Z Z
m z=m Z y=m
Y
Y m X Y
X X m
2 Coordenadas em R2 e R3
Em primeiro lugar lembramos o significado geométrico das equações x = k,
y = k (em R2 e R3 ) e z = k (em R3 ).
Equações das retas e planos paralelos aos planos e os eixos coordenados.
Resposta: (1, 1, 5), (1, 4, 1), (1, 4, 5), (3, 4, 1), (3, 1, 1) e (3, 1, 5). ¤
7
Álgebra Linear I - Aula 2
1. Vetores.
2. Distâncias.
3. Módulo de um vetor.
Roteiro
1 Vetores
Nesta seção lembraremos brevemente os vetores e suas operações básicas.
Definição de vetor v̄. Vetor v̄ determinado por dois pontos A e B (extre-
mos inicial e final) vetor AB.
Exemplos: Escreva os vetores determinados pelos pontos A = (1, 1, 1) e
B = (2, 3, 4), e C = (2, 3, 5) e D = (3, 5, 8). Interprete.
Vetores paralelos.
1
ū ū ū + v̄
v̄ v̄
ū
v̄
−ū v̄ − ū
ū − v̄
ū
−v̄ v̄
B D B
C A
A C
B AD
AB
D
A C
AC D B
A C
AB + AC = AX.
2
Logo,
(b1 + c1 − 2 a1 , b2 + c2 − 2 a2 , b3 + c3 − 2 a3 ) = (x1 − a1 , x2 − a2 , x3 − a3 ).
x 1 = b 1 + c 1 − a1 , x 2 = b 2 + c 2 − a2 , x 3 = b 3 + c 3 − a3 .
Exercı́cio 2. Considere o vetor v̄ = (1, 2, 3). Sabendo que seu extremo inicial
é (1, 2, 3) determine seu extremo final.
2 Distâncias
2.1 Distância entre dois pontos
A distância entre dois pontos A e B, denotada por d(A, B), é o comprimento
do segmento de extremos A e B. Calcularemos a distância entre dois pontos
usando o teorema de Pitágoras.
Distância entre dois pontos em R2 : dados dois pontos, A = (a, b) e
B = (c, d) a distância entre eles é
p
d(A, B) = (c − a)2 + (d − b)2 .
3
c
d B
A=(a,b,c)
b A
0 b
a c
a
Figura 3: Distâncias
4
Exemplo 3 (Lugares geométricos). Lugar geométrico L dos pontos equidis-
tantes de A = (a, 0, 0) e B = (−a, 0, 0), isto é, o conjunto dos pontos X de
R3 tais que d(XA) = d(X, B)).
L d
X B
d d
d
B A
A
5
3 Módulo ou norma de um vetor
A norma ou módulo do vetor ū = (u1 , u2 , u3 ) de R3 é
q
||ū|| = u21 + u22 + u23 .
||ū||2 = ū · ū.
• Desigualdade triangular :
(u + v) · (u + v) = u · u + 2 u · v + v · v = ||u||2 + ||v||2 + 2 u · v.
6
Desenvolvendo o segundo membro:
ou seja,
u · v ≤ ||u|| ||v||.
Usando que u = (u1 , 0) e v = (v1 , v2 ), temos que a desigualdade triangular é
equivalente a q q
u1 v1 ≤ u21 v12 + v22 .
Mas esta desigualdade é sempre verdadeira pois
q q
u21 ≥ |u1 | e v12 + v22 ≥ |v1 |.
7
V ∆
U
V′
∆′
U′
8
ū
ū
||ū||
v̄
v̄
||v̄||
x2 + y 2 = 1
sin θ
θ
cos θ
r=1
9
Álgebra Linear I - Aula 3
2. Desigualdade triangular.
Roteiro
1 Produto escalar
Considere dois vetores ū = (u1 , u2 , u3 ) e v̄ = (v1 , v2 , v3 ) de R3 . O produto
escalar de u e v é definido da seguinte forma:
ū · v̄ = u1 v1 + u2 v2 + u3 v3 .
ū · v̄ = u1 v1 + u2 v2 .
• comutativa: ū · v̄ = v̄ · ū,
1
1.1 Produto escalar e ângulos
Dizemos que dois vetores ū e v̄ (não nulos) são ortogonais se verificam
ū · v̄ = 0.
A = (u1 , u2 ) e B = (v1 , v2 ).
A
B
ū
v̄
Figura 1: Ortogonalidade
Observe que
||ū − v̄||2 = (ū − v̄) · (ū − v̄), ||ū||2 = ū · ū, ||v̄||2 = v̄ · v̄,
2
A igualdade (1) é equivalente a:
2 (ū · v̄) = 0.
3
v̄
θ
ū
v̄
f¯ ē
ū
Agora é suficiente observar que, pela primeira parte, ē· f¯ é o coseno do ângulo
entre ē e f¯ que é igual ao ângulo entre ū e v̄.
Os argumentos acima fornecem o seguinte: o ângulo α entre dois vetores
é dado pela fórmula
ū · v̄
cos α = . (2)
|ū||v̄|
Isto termina a prova da propriedade. ¤
4
Exemplo 1. Considere os vetores ū = (1, k) e v̄ = (2, 1). Determine k para
que os vetores sejam ortogonais e para que formem um ângulo de π/4.
ū · v̄ = 0 = 2 + k = 0,
logo k = −2.
Para que os vetores formem um ângulo de π/4 devemos ter a relação
√ √ √
ū · v̄ = 2 + k = 5 1 + k 2 ( 2/2).
Z
k
d¯ Y
k
X k
5
o vetor d¯ obtido considerando a origem e o vértice oposto (k, k, k). Então,
o ângulo θ entre o vetor diagonal e a aresta (por exemplo) ux = (k, 0, 0) é
obtido como segue:
√
d¯ · ūx = (k, k, k) · (k, 0, 0) = |d|
¯ · |ūx | cos θ, k 2 = 3 k 2 k cos θ,
√ √
Logo, cos θ = 1/ 3, e θ = arccos(1/ 3), onde escolhemos a determinação
do arccos em (0, π). Os ângulos com as outras arestas são iguais.
Observe que o ângulo obtido é sempre independente da escolha de k ¤
Temos as igualdades
6
se, e somente se,
ū · v̄ = kūk kv̄k cos α = kūk kv̄k,
ou seja, α = 0. Logo ū = λ v̄ para λ ≥ 0. ¤
7
πū (v̄)
v̄
v̄
ū
ū
πū (v̄)
ū · v̄ λ kuk2
πū (v̄) = ū = ū = λ ū = v̄.
ū · ū kuk2
Analogamente,
ū · v̄ λ kuk2
πv̄ (ū) = v̄ = 2 λ ū = ū.
v̄ · v̄ λ kuk2
Logo a única possibilidade é ū = v̄, logo a resposta é negativa.
Resumindo, πū (v̄) = πv̄ (ū) se e somente ū · v̄ = 0 ou ū = v̄. ¤
8
Álgebra Linear I - Aula 4
1. Determinantes (revisão).
2. Significado geométrico.
3. Cálculo de determinantes.
4. Produto vetorial.
Roteiro
1
Finalmente, o desenvolvimento pela terceira linha é:
¯ ¯
¯
¯ a b c ¯¯ ¯
¯ b c ¯
¯ ¯
¯ a c ¯
¯ ¯
¯ a b
¯
¯
¯ d e f ¯¯ = g ¯¯ ¯−h ¯
¯ d f ¯+i
¯ ¯ ¯.
¯ e f ¯ ¯ d e ¯
¯ g h i ¯
2
1.2 Propriedades dos determinantes
Os determinantes verificam as seguintes propriedades (que formularemos para
determinantes 3 × 3):
3
Agora, desenvolvendo pela primeira linha, temos:
¯ ¯
¯ 1 1 1 ¯ ¯ ¯ ¯ ¯
¯ ¯ ¯ b−a c − a ¯ ¯ b−a c−a ¯
¯ a b c ¯=¯ 2
¯ 2 2 2 ¯ ¯ b − a2 c2 − a2 ¯ = ¯ (b − a) (b + a) (c − a) (c + a)
¯ ¯ ¯.
¯
¯ a b c ¯
Portanto, ¯ ¯ ¯ ¯
¯ 3333 3333 3333 ¯ ¯ 1 1 1 ¯
¯ ¯ ¯ ¯
¯ 6666 6667 6668 ¯ = 3333 ¯ 0 1 2 ¯.
¯ ¯ ¯ ¯
¯ 9999 1000 1002 ¯ ¯ 0 1 3 ¯
Desenvolvendo o último determinante pela primeira coluna obtemos
¯ ¯
¯ 1 1 1 ¯¯ ¯¯ ¯
¯
¯ 0 1 2 ¯
1 2 ¯¯ = ¯¯ ¯=3−2=1
¯
¯ 0 1 3 ¯
1 3 ¯
4
Portanto, ¯ ¯
¯ 3333 3333 3333 ¯
¯ ¯
¯ 6666 6667 6668 ¯ = 3333.
¯ ¯
¯ 9999 1000 1002 ¯
Observe que
Portanto, ¯ ¯
¯ sin α cos α sin α cos δ + sin δ cos α ¯
¯ ¯
¯ sin β cos β sin β cos δ + sin δ cos β ¯ .
¯ ¯
¯ sin γ cos γ sin γ cos δ + sin δ cos γ ¯
Pelas propriedades dos determinantes, este não muda se restamos da terceira
coluna (cos δ) vezes a primeira coluna mais (sin δ) vezes a segunda coluna.
Mas este resultado fornece uma coluna (a terceira) formada exclusivamente
por zeros. Desenvolvendo por esta coluna obtemos o resultado.
5
C
B B B
A
A A
0 0 0
C C′
C′
B ′
B
B′
A A
B′ Ĉ′
Â
6
altura h:
h = |0B| sin θ,
onde θ é o ângulo formado pelos segmentos 0A e 0B. Veja a figura.
Dos paralelogramos acima, escolheremos o que tem o vértice B ′ no eixo
Y. Para determinar B ′ devemos calcular as coordenadas da interseção da
reta r contendo a B e C e o eixo Y. A equação paramétrica da reta r acima
é
r : (c + ta, d + tb), t ∈ R.
A reta r intersecta o eixo Y quando t = −c/a. Logo o ponto de interseção
da reta r e o eixo Y é
B ′ = (0, d − (cb)/a).
Passo 2: A área de P ′ é igual à área de qualquer paralelogramo P̂ com
vértices 0,  e B ′ e Ĉ ′ , onde  e Ĉ ′ estão na reta s determianda pelos pontos
A e C ′ (veja a figura). Observe que s reta s é paralela ao eixo Y e sua equação
paramétrica é
s : (a, d + t), t ∈ R.
Escolhemos  como o ponto de intersecao de s com o eixo X, ou seja  =
(a, 0).
Passo 3: O retângulo P̂ tem como vértices os pontos
(0, 0), B ′ = (0, d − (cb)/a) e  = (a, 0).
Portanto, sua área é
a (d − (cb)/a) = ad − cb,
que é exatamente o determinante procurado.
3 Produto vetorial
Definição: Dados vetores ū = (u1 , u2 , u3 ) e v̄ = (v1 , v2 , v3 ) de R3 definimos
o produto vetorial ū × v̄ como o vetor
¯ ¯
¯ i j k ¯ µ¯ ¯ ¯ ¯ ¯ ¯¶
¯ ¯ ¯ u2 u3 ¯ ¯ u1 u3 ¯ ¯ u 1 u 2 ¯
ū × v̄ = ¯¯ u1 u2 u3 ¯¯ = ¯¯ ¯,−¯
¯ v1 v3 ¯ , ¯ v1 v2 ¯ ,
¯ ¯ ¯
¯ v1 v2 v3 ¯ v 2 v 3
¯
onde
i = (1, 0, 0), j = (0, 1, 0) e k = (0, 0, 1).
7
3.1 Propriedades do produto vetorial
• O vetor ū × v̄ é ortogonal aos vetores ū e v̄, isto é,
8
• Orientação do vetor ū × v̄: o sentido de ū × v̄ pode ser determinado
usando a regra da mão direita, se θ é o ângulo formado pelos vetores
ū e v̄, e ū é girado um ângulo até coincidir com v̄, se os dedos da mão
direita se fecharem no sentido desta rotação então o polegar aponta no
sentido de ū × v̄. Dito de outra forma, primeiro colocamos o canto da
mão coincidindo com o primeiro vetor com a parte que corresponde ao
dedo polegar sobre a origem do vetor. Depois fazemos girar a mão até
coincidir con o vetor v̄ (usando o caminho mais curto), deste jeito, o
polegar apontara no sentido do vetor ū × v̄.
i × j = k, i × k = −j, j × k = i.
Por exemplo,
i × (j × j) = 0
pois j × j = 0). Porém
(i × j) × j = k × j = −i.
9
Verifiqe que este vetor é ortogonal aos vetores (1, 2, 3) e (2, 1, 1). Temos
√ √
k(−1, 5, 3)k = 1+ 52 + 32 = 35.
√
Portanto, a área é 35. ¤
10
Álgebra Linear I - Aula 5
1. Produto misto.
5. Ortogonalizade.
Roteiro
1 Produto Misto
Dados três vetores de R3
Observe que a expressão (ū· v̄)×w não faz sentido: não é possı́vel calcular
o produto vetorial de um número (ū · v̄) por um vetor.
1
n̄
ū
h
w̄
v̄
2
• ū · (w̄ × w̄) = 0 = w̄ · (ū × w̄).
ū · (v̄ × w̄) = 2
determine
v̄ · (ū × w̄), w̄ · (ū × v̄), ū · (w̄ × v̄).
Observe que
v̄ · (ū × w̄) = −ū · (v̄ × w̄) = −2.
Também
w̄ · (ū × v̄) = −ū · (w̄ × v̄) = ū · (v̄ × w̄) = 2.
X = P + tv̄,
X
P
OX
OP
v̄
0 tv̄
Figura 2: Reta
3
• reta r que contém dois pontos, P = (p1 , p2 , p3 ) e Q = (q1 , q2 , q3 ): o
vetor diretor da reta é P Q = (q1 − p1 , q2 − p2 , q3 − p3 ) e sua equação
vetorial é X = P + tP Q,
• reta r que contém um ponto P e é paralela a v̄: X = P + tv̄.
Mais tarde veremos retas obtidas como interseções de dois planos (equações
cartesianas).
Exemplo 2. Determine a interseção da reta r que contém os pontos
A = (0, 0, 1) e B = (1, 0, 0)
com a superfı́cie z = x2 + y 2 .
Dê também um exemplo de uma reta s que não intersecte à superfı́cie
anterior.
Resposta: O vetor diretor da reta é o vetor AB = (1, 0, −1), e um ponto
da reta é (1, 0, 0). Logo a equação paramétrica de r é
(1 + t, 0, −t), t ∈ R.
Devemos encontrar o parâmetro t tal que
√
−t = (1 + t)2 + 02 , t2 + 3t + 1 = 0, t = (−3 ± 5)/2.
Logo os pontos de interseção são:
√ √ √ √
((−1 + 5)/2, 0, (3 − 5)/2) e ((−1 − 5)/2, 0(3 + 5)/2))
Verifique que as respostas estão certas.
Um exemplo de uma reta que não intersecta à superfı́cie é obtido como
segue. Escolha o ponto (0, 0, −1). Veja que este ponto está abaixo da su-
perfı́cie (faça um desenho e confira). Considere agora a reta s de vetor diretor
(a, b, c) que contém ao ponto (0, 0, −1):
s : (at, bt, −1 + ct), t ∈ R.
Calculemos (ou tentemos calcular) o ponto de interseção de s e a superfı́cie.
Observe que não ter interseção corresponde a uma equação sem solução
(real). Devemos resolver:
p
2 2 2 2 1 ± c2 − 4(a2 + b2 )
ct − 1 = a t + b t , t=
2
4
Portanto, é suficiente escolher a2 + b2 > c2 /4 (radicando negativo). Ou seja
√ √
a2 + b2 > |c|/2 ou a2 + b2 < −|c|/2.
r : X = P + tv̄, r′ : X = Q + sū,
P + tv̄ = Q + sū
p1 − q1 = s u1 − t v1 , p2 − q2 = s u2 − t v2 , p3 − q3 = s u3 − t v3 ,
5
– infinitas soluções: retas iguais.
Observação 1. Temos a seguinte interpretação fı́sica. Seja M o ponto de
interseção das duas retas (supondo que o ponto exista) e suponha que o sis-
tema acima tem solução t = t0 e s = s0 . Considere agora um corpo C saindo
do ponto P e se movimentando com velocidade v̄. O corpo chegará ao ponto
M em t0 segundos. Analogamente, se v. considera um corpo K saindo do
ponto Q e se movimentando com velocidade ū, o corpo K chegará ao ponto
M em s0 segundos. Em geral, t0 e s0 são diferentes e os corpos não colidem
no ponto M . Temos que as trajetorias dos pontos (duas retas) se intersectam
mas não há colisão.
Observe que se v. resolve o sistema
P + tv̄ = Q + tū
(isto é, v. considera o mesmo parâmetro para as duas retas!) o que está
determinando não é se os corpos C e K passam pelo ponto M (isto é as
retas se intersectam) mas se os corpos passam no mesmo instante pelo ponto
M , e portanto há uma colisão.
Exemplo 3.
• r1 = (1 + t, 2 + t, 3 + t), t ∈ R e r2 = (1 − t, 1 + 2t, 5 − t), t ∈ R (as
retas não se intersectam)
• r1 = (3 + t, 4 + t, 3 + t), t ∈ R e r2 = (3 − t, 4 − 2t, 3), t ∈ R (interseção
em um ponto, no ponto (3, 4, 3),
• r1 = (1 + t, 2 + t, 3 + t), t ∈ R e r2 = (1 − t, 1 + 2t, 1 + 5t), t ∈ R,
(interseção em um ponto, no ponto (2/3, 5/3, 8/3),
• r1 = (1 + t, 2 + t, 3 + t), t ∈ R e r2 = (6 + 2t, 7 + 2t, 8 + 2t), t ∈ R (retas
iguais).
6
3 Equação paramétrica do plano
A equação vetorial do plano π que contém um ponto P = (p1 , p2 , p3 ) e é
paralelo aos vetores v̄ = (v1 , v2 , v3 ) e w̄ = (w1 , w2 , w3 ) é dada por:
X = P + t v̄ + s w̄, t, s ∈ R.
sū
v̄
ū tv̄
0
Figura 3: Plano
x = p 1 + t v1 + s w 1 ,
y = p 2 + t v2 + s w 2 , t, s ∈ R.
z = p 3 + t v3 + s w 3 ,
X = P + t P Q + s P R, t, s ∈ R,
7
• plano que contém um ponto P e a reta r : Q + tv̄ (que não contém
P ): dois vetores diretores ou paralelos do plano são P Q e v̄, a equação
vetorial é
X = P + tP Q + s v̄, t, s ∈ R,
X = P + t P Q + s v̄, t, s ∈ R,
X = P + t w̄ + s v̄ = Q + t w̄ + s v̄, t, s ∈ R.
8
Exercı́cio 2. Usando o método de escalonamento veja que se dois planos se
intersectam em um ponto, então existem infinitas interseções (uma reta ou
o próprio plano, quando os dois planos são iguais).
ρ
r π
4 Ortogonalidade
Duas retas são ortogonais quando se intersectam e seus vetores diretores são
perpendiculares (ou seja, seu produto escalar igual a zero)
Exemplo 5. As retas (1 + t, 2 + t, 1 − t) e (2 + t, 3 + t, 2t) são ortogonais.
Uma reta é ortogonal a um plano quando seu vetor diretor é ortogonal
a qualquer vetor paralelo ao plano (mais tarde voltaremos a esta questão,
depois de introduzir equações cartesianas).
9
Álgebra Linear I - Aula 6
Roteiro
π : a x + b y + c z = d.
n̄ · P¯Q = 0.
a p1 + b p2 + c p3 = d, a q1 + b q2 + c q3 = d,
1
1.1 Equações cartesianas e paramétricas
A seguir veremos as relações entre as equações cartesiana e paramétrica de
um plano, e como passar de uma equação à outra.
Veremos primeiro como passar de cartesianas a paramétricas. Para isso
devemos determinar dois vetores diretores do plano π e um ponto do plano.
Para isso é suficiente determinar três pontos do plano: por exemplo, assu-
mindo que a, b e c são não nulos, obtemos três pontos do plano:
A = (d/a, 0, 0), B = (0, d/b, 0), C = (0, 0, d/c).
Agora já conhecemos um ponto e dois vetores paralelos do plano, dados
suficientes para determinar uma equação paramétrica do plano.
Exemplo 1. Calcule a equação paramétrica do plano x + 2y + z = 1.
Resposta: Temos que três pontos do plano são: (1, 0, 0), (0, 0, 1) e (0, 1, −1).
Logo dois vetores paralelos ao plano são: (1, 0, −1) e (1, −1, 1). Portanto,
uma equação paramétrica é:
x = 1 + t + s, y = −s, z = −t + s, t, s ∈ R.
Obviamente, há outras (muitas) possibilidades de equações paramétricas.
Por exemplo, (2, −1, 0) e (0, 1, −2) são vetores paralelos do plano (pois são
ortogonais ao vetor normal) e o ponto (0, 1, 1) pertence ao plano, assim
x = 2 t, y = −t + s, z = 1 − 2s, t, s ∈ R.
V. pode encontrar outras equações. ¤
Para passar da equação paramétrica à equação cartesiana há duas possi-
bilidades:
• consideramos dois vetores v e w paralelos ao plano v e w. Obtemos
o vetor normal do plano como n = v × w. Como já conhecemos um
ponto, a equação cartesiana está determinada.
• O método de eliminação dos parámetros s e t que ilustramos a seguir
com um exemplo.
Exemplo 2 (Eliminação de parâmetros). Dado o plano π de equações pa-
ramétricas
x = 1 − s, y = 1 − t, z = t − 2s,
Calcule sua equação cartesiana.
2
Resposta: Observe que da equação paramétrica obtemos dois vetores
paralelos ao plano v̄ = (−1, 0, −2) e w̄ = (0, −1, 1) e um ponto dele P =
(1, 1, 0).
Obtemos
s = 1 − x, t = 1 − y.
Substituindo na terceira equação obtemos:
2x − y − z = 1.
u × v = (−1, 5, −3).
x − 5y + 3z = d.
1 − 10 + 9 = d, d = 0.
x − 5y + 3z = 0.
3
2 Equação cartesiana da reta
Para obter a equação da cartesiana da reta r a escrevemos como interseção
de dois planos não paralelos π e ρ, onde os planos estão escritos em equações
cartesianas:
r : a x + b y + c z = d, a′ x + b′ y + c′ z = d′ .
Para passar de equações cartesianas a equações paramétricas o mais sim-
ples é resolver o sistema escolhendo uma variável como parâmetro.
Exemplo 4. Calcule a equação paramétrica da reta r de equações cartesianas
x − y + z = 0 e 2 x − y + 2 z = 1.
Resposta: Escalonando, obtemos o sistema,
x − y + z = 0, y = 1.
Logo, z = 1 − x. Escolhendo x como parâmetro, a equação de r é
(t, 1, 1 − t), t ∈ R.
Verifiquemos que o resultado está certo: é suficiente ver que este verifica as
equações dos planos. Por exemplo, substituindo no primeiro:
t − 1 + (1 − t) = 0.
Verifique que o vetor diretor da reta é ortogonal aos vetores normais dos
planos. ¤
Observação 1. Por construção, o vetor diretor da reta é perpendicular aos
dois vetores normais dos planos
π : a x + b y + c z = d, q ρ : a′ x + b′ y + c′ z = d′ .
Portanto, um vetor diretor da reta é
n = (a, b, c) × (a′ , b′ , c′ ).
Observação 2. Nem sempre é possı́vel escolher qualquer variável como parâmetro.
Por exemplo, no exemplo anterior não é possı́vel escolher y como parâmetro.
Veja também que na reta de equações cartesianas x − y = 2 e z = 2 não é
possı́vel escolher z como parâmetro.
Outra forma de calcular a equação paramétrica da reta é determinar dois
pontos A e B da reta (isto é, encontrar duas soluções do sistema). Assim
temos o vetor diretor AB e um ponto A.
4
3 Posições relativas
3.1 Posição relativa de duas retas
Quanto posição relativa, duas retas r : P + t v e e s : Q + t w podem ser:
• paralelas (se v = σw, σ ∈ R);
– iguais (se Q ∈ r);
– disjuntas (se Q 6∈ r);
• reversas: as retas não são paralelas e não se intersectam (isto é, v e w
não são paralelos e P Q · (v × w) 6= 0);
• concorrentes: se intersectam em um ponto (se v e w não são paralelos
e P Q · (v × w) = 0).
Exemplo 5.
• As retas r : (1 + t, 2 t, t) e s : (5 + 2 t, 4 t, 2 t + 2) são paralelas e não
disjuntas.
• As retas r : (1 + t, 2 t, t) e s : (t, 1, 2 t + 2) são reversas (escolha P =
(1, 0, 0), Q = (0, 1, 2) v = (1, 2, 1) e w = (1, 0, 2) e veja que
P Q · (v × w) = (−1, 1, 2) · ((1, 2, 1) × (1, 0, 2)) =
= (−1, 1, 2) · (4, −1, −2) = −4 − 1 − 4 = −9 6= 0.
5
3.3 Posição relativa de dois planos
Quano posição relativa, dois planos
π : ax + by + cz = d e ρ : a′ x + b′ y + c′ z = d′
podem ser:
Exemplo 7. Planos
• paralelos e diferentes: π : x + y + z = 1 e ρ : 3x + 3y + 3z = 1,
• iguais: π : x + y + z = 1 e ρ : 3x + 3y + 3z = 3,
6
Álgebra Linear I - Aula 7
Roteiro
π1 : a1 x + b1 y + c1 z = d1 ,
π2 : a2 x + b2 y + c2 z = d2 ,
π3 : a3 x + b3 y + c3 z = d3 ,
a1 x + b1 y + c2 z = d1 ,
a2 x + b2 y + c2 z = d2 ,
a3 x + b3 y + c3 z = d3 .
1
f ) os três planos têm uma reta em comum (interseção ao longo de uma
reta),
n1 = σ2 n2 + σ3 n3 .
d1 = σ2 d2 + σ3 d3 .
As possibilidades são:
2
• Dois planos paralelos (por exemplo π1 e π2 ) e o terceiro π3 intersecta
π1 e π2 de forma que r1 = π1 ∩ π3 e r2 = π2 ∩ π3 são retas paralelas.
1.3 Exemplos
Exemplo I: Considere os planos
π1 : x + y + z = 1,
π2 : 2x + 2y + 2z = 2,
π3 : 5x + 5y + 5z = 5.
π1 : x + y + z = 1,
π2 : 2x + 2y + 2z = 2,
π3 : 3x + 3y + 3z = 1.
π1 : x + y + z = 1,
π2 : 2x + 2y + 2z = 2,
π3 : x + 2y + 3z = 1.
π1 : x + y + z = 1,
π2 : x + y + z = 2,
π3 : x + y + z = 3.
3
Exemplo V: Considere os planos
π1 : x − 2y + 3z = 4,
π2 : 2x − 4y + 6z = 0,
π3 : x + y + z = 3.
π1 : x + 2y − 3z = 4,
π2 : 2x + 3y + 4z = 5,
π3 : 4x + 7y − 2z = 13.
π1 : x + 2y − 3z = 4,
π2 : 2x + 3y + 4z = 5,
π3 : 4x + 7y − 2z = 3.
4
Álgebra Linear I - Aula 8
Roteiro
|P Q| = |P R| sen (θ),
1
P
Q R
r
||P R × v||
d= .
||v||
Veja a Figura 3.
Para ver esta afirmação observe que a área do paralelogramo determinado
por P R e v é
2
π Q P
3
A = (b)(h)
P
d h
R v b
4
Temos que h é exatamente a distância de P a π.
Exercı́cio 1. Com a notação acima, que propriedade verifica o ponto T =
P − w?
d w n
R T
5
3 Distância de uma reta r a um plano π
A distância entre uma reta r e um plano π é a menor das distâncias entre
pontos P da reta r e Q do plano π. Obviamente, se a reta e o plano se
intersectam a distância é nula.
Seja n um vetor normal ao plano π e v um vetor diretor da reta r. Existem
duas possibilidades:
Resposta: Temos que que um vetor diretor da reta é (1, −1, −1) e um
vetor normal do plano é (1, 2, −1). Como
6
algum σ 6= 0) ou não. No último caso, os planos se intersectam e a distância
é zero.
No primeiro caso, a distância de ρ a π é a distância de qualquer ponto P
de ρ a π. Logo é suficiente escolher qualquer ponto de ρ e calcular a distância
a π, caindo em um caso já estudado.
Exemplo 4. A distância entre os planos
π : x + y + z = 0 e ρ : 2x + y − z = 0
é zero, pois os planos não são paralelos (os vetores normais não são paralelos)
e portanto se intersectam.
Exemplo 5. Calcule a distância entre os planos paralelos π : x + y + z = 0
e ρ : x + y + z = 1.
Resposta: Podemos calcular a distância como segue: considere o ponto
P = (0, 0, 0) ∈ π e o ponto Q = (1, 0, 0) ∈ ρ.√A distância
√ √é o módulo da
projeção de P Q = (1, 0, 0) no vetor normal (1/ 3, 1/ 3, 1/ 3) do plano,
√ √ √ √ √ √
w = ((1, 0, 0) · (1/ 3, 1/ 3, 1/ 3))(1/ 3, 1/ 3, 1/ 3) = (1/3, 1/3, 1/3).
√
A distância é ||w|| = 1/ 3. ¤
7
w
Q s
w
t
P π
v
r
• Observe que estes planos são paralelos e que dois vetores (não paralelos)
de π e ρ são v e w.
|P Q · (v × w)|
d= .
||v × w||
8
5.1 Posição relativa de duas retas não paralelas
O método anterior fornece um sistema para saber se duas retas não para-
lelas se intersectam (sem necessidade de resolver um sistema): as retas se
intersectam se e somente se
P Q · (v × w) = 0.
9
Álgebra Linear I - Aula 9
1. Combinação linear de vetores.
2. Subespaços e geradores.
Roteiro
1
Exercı́cio 1. Veja que o vetor (1, 2, 3) não é combinação linear dos vetores
(1, 1, 1), (1, 0, 1), (2, 1, 2) e (0, 1, 0).
1 = x + y + 2z, 2 = x + z + w, 3 = x + y + 2z.
Escalonando,
1 = x + y + 2z, 1 = −y − z + w, 2 = 0.
Logo o sistema não tem solução. Portanto, o vetor (1, 2, 3) não é combinação
linear dos vetores (1, 1, 1), (1, 0, 1), (2, 1, 2) e (0, 1, 0). ¤
Resumindo, para determinar se um vetor é combinação linear de outros
vetores (e em caso afirmativo encontrar uma combinação linear), devemos
resolver um sistema de equações lineares. Quando o sistema não tem solução
o vetor não é combinação linear dos vetores dados.
Observamos que, em certas situações, um vetor pode se escrever de mais
de uma forma como combinação linear de um conjunto de vetores
Então se verifica
e também
(1, 2, −3) = 2 (1, 0, −1) − (1, 2, −1).
De fato, o vetor (1, 2, 3) pode ser escrito de infinitas formas como combinação
linear dos vetores de U. Encontre novas combinações lineares.
2
Resposta: Raciocinando como nos exemplos anteriores, temos que um
vetor (a, b, c) de R3 é combinação linear dos vetores (1, 1, 1), (1, 0, 1), (2, 1, 2)
e (0, 1, 0) se, e somente se, o sistema abaixo tem solução:
a = x + y + 2z, b = x + z + w, c = x + y + 2z,
O sistema anterior é equivalente a
a = x + y + 2z, b − a = −y − z + w, c − a = 0,
Logo uma condição necessária é a = c. Logo, a priori, os vetores que são
combinação linear são vetores da forma (a, b, a). Observe que o sistema
a = x + y + 2z, b − a = −y − z + w,
admite solução, por exemplo, x = a, y = z = 0, w = (b − a)/2. De fato,
é fácil ver que este sistema admite infinitas soluções (encontre v. mesmo
outras soluções). Portanto, os vetores da forma (a, b, a) podem ser escritos
de infinitas formas diferentes como combinação linear dos vetores dados.
De fato, obtemos que o conjunto de vetores procurado é o plano vetorial
ρ : x − z = 0. Isto é, o conjunto de vetores w = OP , onde P é um ponto do
plano ρ. ¤
3
Exemplos 1. Retas e planos que contêm a origem são os subsespaços de R2
e R3 . Isto é, se r e π são retas e planos que contêm a origem então Vr e Vπ
são subespaços vetorias.
De fato, estes conjuntos são os únicos subespaços vetorias não triviais
(diferentes do vetor 0̄, que é um subespaço vetorial (!), verifique) de R2 ou
R3 . Em outras palavras,
Vr : v̄ = t ū, t ∈ R,
OP = t ū + s w̄, t, s ∈ R,
4
Assim,
v̄1 + v̄2 = (t1 + t2 ) ū + (s1 + s2 ) w̄ = OP3 ,
onde P3 ∈ π Portanto, o vetor soma v1 + v2 pertence a Vπ .
Para verificar que o produto de um vetor por um escalar pertence a Vπ
procedemos de forma análoga (mais uma vez, deixamos como exercı́cio v.
completar os detalhes).
V. pode fazer os raciocı́nios anteriores usando as equações cartesianas de
retas e de planos. Por exemplo, para ver que se π é um plano de equação
cartesiana a x + b y + c z = 0 então Vπ é um subespaço vetorial, observe que
um vetor u = (α, β, γ) pertence a Vπ se, e somente se, as coordenadas do
vetor u verificam a equação do plano:
a α + b β + c γ = 0.
Isto é equivalente a
u · n = 0,
onde n é o vetor normal do plano.
Devemos ver que dados dois vetores u e v quaisquer de Vπ se verifica
u + v ∈ Vπ . Mas u ∈ Vπ é equivalente a u · n = 0. Analogamente, v ∈ Vπ se,
e somente se, u · n = 0. Portanto, devemos ver que (u + v) · n = 0. Mas isto
decorre das propriedades do produto escalar:
(u + v) · n = u · n + v · n = 0.
π : a x + b y + c z = d.
a v1 + b v2 + c v3 = d, a w1 + b w2 + c w3 = d.
5
Somando as equações:
v = λ 1 u1 + λ 2 u2 + · · · + λ m u m ,
u + v ∈ W e σ u ∈ W.
Veja que se
v = λ 1 u 1 + λ 2 u 2 + · · · + λ m um e w = σ1 u1 + σ2 u2 + · · · + σm um ,
então
6
e
σ v = (σ λ1 ) u1 + (σ λ2 ) u2 + · · · + (σ λm ) um .
Portanto, por definição de subespaço gerado, os vetores soma e produto por
um escalar pertencem a W.
W = {(x, y, x) : x ∈ R, y ∈ R}.
7
Resposta: Temos que os vetores (2, 0, 1) e (1, −1, 0) são paralelos ao plano,
é suficiente ver que ão ortogonais ao vetor normal do plano
Obviamente, estes vetores não são paralelos entre si. Portanto, (2, 0, 1) e
(1, −1, 0) geram o plano π. Assim, uma equação paramétrica de π é
2.1 Geradores de R2 e R3
Para gerar R2 necessitamos dois vetores não paralelos. Por exemplo (1, 0) e
(0, 1). Ou (1, 1) e (1, 2). Por exemplo, (1, 1), (2, 2) e (3, 3) não geram R2 ,
somente geram a reta (t, t), t ∈ R.
Para gerar R3 necessitamos três vetores não coplanares. Sabemos qual é
o teste de coplanaridade:
Exemplos 3.
• (1, 1, 1), (1, 2, 2) e (1, 2, 3) geram R3 . Para ver isto, verifique que
(1, 1, 1) · (1, 2, 2) × (1, 2, 3) = 1 6= 0.
• Os vetores (1, 1, 1), (1, 1, 2) e (2, 2, 3) não geram R3 . Veja que seu
produto misto é zero. Veja também que o vetor (1, 2, 3) não está no
subespaço gerado por estes vetores. Finalmente, verifique que o subes-
paço gerado por estes três vetores é o plano vetorial x = y.
Exercı́cio 2. Verifique se (1, 1, 1), (1, 1, 2), (2, 2, 3), e (0, 0, 1) geram R3 .
8
• Os vetores (1, 1, 1) e (1, 1, 2) são não paralelos. Temos que geram o
plano vetorial Vπ : x − y = 0.
• O vetor (2, 2, 3) pertence a π. Isto pode ser feito de duas formas. Cal-
culando (2, 2, 3) · (1, 1, 1) × (1, 1, 2) e vendo que é zero (portanto, os três
vetores são coplanares, e o plano determinado é necessariamente π).
Ou vendo que (2, 2, 3) verifica x − y = 0. Isto significa que os conjun-
tos de vetores {(1, 1, 1), (1, 1, 2)} e {(1, 1, 1), (1, 1, 2), (2, 2, 3)} geram o
mesmo subespaço (ou seja, o vetor (2, 2, 3) nada acrescenta).
Conclusão, a famı́lia de vetores {(1, 1, 1), (1, 1, 2), (2, 2, 3), (0, 0, 1)} gera o
plano x − y = 0.
Voltando ao conjunto de vetores do exemplo. Se
a = x + y + 2 z, b = x + y + 2 z, c = x + 2 y + 3 z + w,
a = x + y + 2 z, b − a = 0, c − a = y + z + w.
Logo b tem que ser igual a a, isto é somente vetores da forma (a, a, c) se
podem escrever como combinac cão linear dos vetores dados. Portanto, esses
vetores geram o plano x − y = 0. ¤
9
Álgebra Linear I - Aula 10
2. Bases.
3. Coordenadas.
Roteiro
{u1 , u2 , . . . um }
σ1 u1 + σ2 u2 + · · · + σm um = 0̄.
u1 = σ2 u2 + · · · + σm um .
1
Observe que não sabemos se os coeficientes σ2 , . . . , σm são diferentes de zero.
Mas,
u1 − σ2 u2 − · · · − σm um = 0̄.
Como o coeficiente de u1 é não nulo, os vetores são linearmente dependentes.
Observe que qualquer coleção de vetores contendo o vetor nulo é linear-
mente dependente. Por exemplo, {u1 , 0̄, u2 }, temos
0̄ = 0 u1 , +(15) 0̄ + 0 u2 .
Exemplo 1. Três vetores coplanares de R3 são linearmente dependentes.
(Teste do produto misto): faça operações de escalonamento no determinante,
o processo de escalonamento fornece a combinação linear dos vetores igual a
zero.
Por exemplo, considere os vetores
u1 = (1, 2, 1), u2 = (2, 3, 1), u3 = (1, 0, −1).
Consideramos o determinante escrevendo no lado o vetor que representa cada
linha: ¯ ¯
¯ 1 2 1 ¯ u1
¯ ¯
¯ 2 3 1 ¯ u2 .
¯ ¯
¯ 1 0 −1 ¯ u3
Cada operação com as linhas corresponde a uma operação com os vetores:
¯ ¯
¯ 1 2 1 ¯ u1
¯ ¯
¯ 0 −1 −1 ¯ u2 − 2 u1 .
¯ ¯
¯ 0 −2 −2 ¯ u3 − u1
Trocando sinais nas duas últimas linhas:
¯ ¯
¯ 1 2 1 ¯¯ u1
¯
¯ 0 1 1 ¯ 2 u1 − u2 .
¯
¯
¯ 0 2 2 ¯ u1 − u3
Finalmente, ¯ ¯
¯ 1 2 1 ¯ u1
¯ ¯
¯ 0 1 1 ¯ 2 u 1 − u2 .
¯ ¯
¯ 0 0 0 ¯ u1 − u3 − 2 (2 u1 − u2 )
Obtemos assim,
0̄ = u1 − u3 − 2 (2 u1 − u2 ) = −3 u1 + 2 u2 − u3 .
Observamos que dois vetores paralelos de R2 são linearmente dependentes.
2
Definição 2 (Independência linear). Os vetores {u1 , u2 , . . . um } são line-
armente independentes (l.i.) se não são linearmente dependentes, isto é,
a única forma de obter o vetor nulo como combinação linear dos vetores
u1 , u2 , . . . um é tomando todos os coeficientes σ1 , σ2 , . . . , σm iguais a zero:
σ1 u1 + σ2 u2 + · · · + σm um = 0̄
então,
u = x 1 u1 + x 2 u2 + x 3 u3 = y 1 u1 + y 2 u2 + y 3 u3 .
Logo,
(x1 − y1 ) u1 + (x2 − y2 ) u2 + (x3 − y3 ) u3 = 0̄.
Como (x1 − y1 ), (x2 − y2 ) e (x3 − y3 ) não são todos nulos, obtemos uma
combinação linear de não trivial de u1 , u2 e u3 dando o vetor nulo. Portanto,
os vetores u1 , u2 e u3 são l.d.. ¤
Exemplo 2. Os vetores
• (1, 0, 0), (0, 1, 0) e (0, 0, 1) são l.i..
3
• (1, 1, 1), (1, 2, 2) e (1, 2, 3) são l.i.
• (1, 1, 1), (1, 1, 2), (2, 2, 3), e (0, 0, 1) não são l.i..
Propriedade 1.2.
Resposta: As afirmações (a) e (c) são falsas. Para a afirmação (a) considere
os vetores (1, 1) e (0, 0), por exemplo. Para a afirmação (c) considere v1 =
(1, 1, 1), v2 = (2, 2, 2), v3 = (1, 0, 1). Claramente, o vetor v3 não pode ser
escrito como combinação linear de v1 e v2 .
4
A afirmação (b) é verdadeira: considere uma combinação linear os vetores
κ v1 , κv2 , κ v3 , que seja o vetor nulo:
σ1 κ v1 + σ2 κ v2 + σ3 κ v3 = 0̄.
Ou seja
κ (σ1 v1 + σ2 v2 + σ3 v3 ) = 0̄.
Como κ 6= 0, temos
σ1 v1 + σ2 v2 + σ3 v3 = 0̄.
E como v1 , v2 e v3 são l.i., σ1 = σ2 = σ3 = 0, logo os vetores são l.i..
Finalmente, a afirmação (d) também é verdadeira, e a prova segue como
o caso anterior. Complete os detalhes. ¤
2 Bases
Definição 3 (Base). Considere um subespaço vetorial W e um conjunto de
vetores u1 , u2 , . . . , um de W. Dizemos que
β = {u1 , u2 , . . . , um }
é uma base de W se
β = {(1, 1, 1), (1, 2, 2), (1, 3, 3), (1, 2, 1), (2, 1, 1)}
geram R3 , é suficiente verificar se os vetores (1, 1, 1), (1, 2, 2), (1, 2, 1) não são
coplanares ¯ ¯ ¯ ¯
¯ 1 1 1 ¯ ¯ 1 1 1 ¯
¯ ¯ ¯ ¯
¯ 1 2 2 ¯ = ¯ 1 2 2 ¯ = −1.
¯ ¯ ¯ ¯
¯ 1 2 1 ¯ ¯ 0 1 0 ¯
5
Porém aqueles vetores não formam uma base pois não são linearmente in-
dependentes (um conjunto de mais de três vetores de R3 não é linearmente
independente).
Observe que é possı́vel, obter uma base de R3 a partir da coleção β,
eliminando alguns vetores. Por exemplo,
é uma base de R3 . Já vimos que são linearmente independentes, e três vetores
linearmente independentes geram R3 .
Observamos que se acrescentamos qualquer vetor a β ′ , os vetores geram
3
R , porém não serão linearmente independentes (justifique!), portanto, não
formam uma base.
Observe também que se a famı́lia de vetores β = {u1 , u2 , . . . , um } é uma
base de W então, se eliminamos qualquer vetor ui da base β, o novo conjunto
não é gerador de W. É suficiente observar que o vetor ui ∈ W não pode ser
escrito como combinação linear dos vetores restantes: caso fosse escrito os
vetores de β não seriam linearmente independentes, e portanto não formariam
uma base. Complete os detalhes.
Propriedade 2.1. As seguintes propriedades sobre bases se verificam:
• Uma base de R2 sempre tem dois vetores.
6
• E = {i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1)} é uma base de R3 , a
chamada base canônica.
• β1 = {(1, 1), (1, 2)}, β2 = {(3, 1), (1, 4)} e β3 = {(1, 0), (1, 1)}, são
bases de R2 .
• β1 = {(1, 1, 1), (1, 2, 3), (1, 0, 1)}, β2 = {(2, 1, 2), (1, 4, 1), (3, 5, 0} e β3 =
{(1, 0, 0), (1, 1, 0), (1, 1, 1)}, são bases de R3 .
• Os vetores (1, 0, 1) e (1, −1, −1) formam uma base do plano de equação
cartesiana π : x + 2 y − z = 0.
x1 u1 + x2 u2 + x3 (u1 + u2 + u3 ) = 0̄,
isto é,
(x1 + x3 ) u1 + (x2 + x3 ) u2 + x3 u3 = 0̄.
Como os vetores u1 , u2 e u3 são l.i., todos os coeficiente de uma combinação
linear dando o vetor zero devem ser necessariamente nulos,
x1 + x3 = 0 = x2 + x3 = x3 .
7
Observe que as coordenadas de v na base γ = {u2 , u3 , u1 } são (v)γ =
(x2 , x3 , x1 ).
Idênticos comentários valem para bases em R2 .
Observamos que as coordenadas de um vetor v em uma base β são únicas:
se houvesse mais possibilidades de coordenadas terı́amos o seguinte. Supo-
nhamos que as coordenadas de v na base β sejam simultaneamente (x1 , x2 , x3 )
e (y1 , y2 , y3 ). Então,
v = x 1 u1 + x 2 u 2 + x 3 u 3 = y 1 u 1 + y 2 u 2 + y 3 u 3 .
Portanto,
(x1 − y1 ) u1 + (x2 − y2 ) u2 + (x3 − y3 ) u3 = 0̄.
Como os vetores u1 , u2 , u3 são linearmente independentes, temos
x 1 − y1 = 0 = x 2 − y2 = x 3 − y3 .
Logo
x1 = y1 , x2 = y2 , x3 = y3 .
(u + v) · (u + v) = (u − v) · (u − v).
Então
β = {u × v, u, v}
é uma base de R3 formada por vetores ortogonais.
8
Resposta: Da condição (u + v) · (u + v) = (u − v) · (u − v) obteremos que
u · v = 0. Temos
(u + v) · (u + v) = u · u + u · v + v · u + v · v = u · u + 2 (u · v) + v · v,
(u − v) · (u − v) = u · u − u · v − v · u + v · v = u · u − 2 (u · v) + v · v.
u · u + 2 (u · v) + v · v = u · u − 2 (u · v) + v · v.
Isto é,
4 (u · v) = 0, u · v = 0.
Logo os vetores u e v são ortogonais (e portanto, l.i.). Claramente u × v é
ortogonal a u e v. Logo os vetores de β são ortogonais. Logo somente falta
ver que estes vetores são l.i..
Também sabemos o produto misto de u × v, u e v é não nulo:
(u × v) · (u × v) = |u × v|2 = (|u||v|sen(π/2))2 6= 0.
Logo os vetores não são coplanares. Logo são l.i.. O argumento termina
observando que três vetores l.i. formam uma base de R3 . ¤
γ = {u1 , u2 , u1 + u2 + u3 }
9
Para o cálculo das coordenadas, sabemos que
x1 = y1 + y3 , x2 = y2 + y3 , e x3 = y3 .
Logo
y1 = x 1 − x3 , y 2 = x 2 − x3 , y3 = x3 .
Completamos assim a resposta. ¤
10
Álgebra Linear I - Aula 11
1. Transformações lineares.
Roteiro
1 Transformações lineares
Definição 1 (Transformação linear). Uma transformação linear T definida
de Rn em Rm (pense, por exemplo, em n e m iguais a 2 ou 3) é uma aplicação
T : Rn → Rm que verifica as seguintes propriedades:
1
• T : R2 → R2 , T (x, y) = (x + 2, y + 1), não é uma transformação linear,
pois T (0, 0) = (2, 1) 6= (0, 0).
T, S : Rn → Rm ,
w1 = T (v1 ) e w2 = T (w2 ).
2
Como T é linear:
w1 + w2 = T (v3 ), v3 ∈ V.
π : u = t v + s w, t, s ∈ R.
3
• um plano ρ: se os vetores v ′ e w′ não são paralelos e são não nulos. De
fato, o plano ρ é o plano que contém a origem e é paralelo aos vetores
v ′ e w′ .
• uma reta r: se os vetores v ′ e w′ são paralelos e um deles não é nulo
(por exemplo, v ′ 6= 0̄). De fato, r é a reta que contém a origem e é
paralela a v ′ .
• o vetor 0̄: se v ′ e w′ são nulos.
Vejamos, por exemplo, que se v ′ = T (v) 6= 0̄ e w′ = T (w) 6= 0̄ não são
paralelos, se verifica que o plano ρ paralelo a v ′ e w′ que contém a origem
contém T (π) (as outras inclusões e os outros casos seguem exatamente como
no exemplo acima e serão omitidos). Seja ℓ′ ∈ T (π), então, por definição,
existe um vetor ℓ ∈ π tal que T (ℓ) = ℓ′ . Como ℓ ∈ π, ℓ = t v + s w. Como T
é linear,
V (x, y) = (x, α x + y)
e H : R2 → R2 de cisalhamento horizontal
H(x, y) = (x + α y, y).
Veja a Figura 1.
4
V V (j)
j
V (i)
i
V
R V (R)
7. Reflexão na origem,
T (x, y) = (−x, −y).
5
u
P (v)
S(u) u
T (u) R(u)
Figura 3: Reflexões
6
no caso de transformações do plano no plano, e da forma
T (x, y, z) = (a x + b y + c z, d x + e y + f z, g x + h y + k z),
T : R3 → R3 , T (v) = v × w,
para certo vetor w tem a seguinte forma. Suponha que w = (a, b, c), então
¯ ¯
¯ i j k ¯
¯ ¯
T (x, y, z) = ¯¯ x y z ¯¯ = (c y − b z, a z − b x, b x − a y).
¯ a b c ¯
T : R3 → R, T (v) = v · u,
T (x, y, z) = a x + b y + c z.
T: R2 → R, T (x, y) = a x + b y,
T: R3 → R, T (x, y, z) = a x + b y + c z,
T: R3 → R2 , T (x, y, z) = (a x + b y + c z, d x + e y + f z)
T: R2 → R3 , T (x, y) = (a x + b y, c x + d y, e x + f y),
7
Álgebra Linear I - Aula 12
1. Rotações no plano.
2. Projeções
3. Espelhamentos
4. Caso geral.
Roteiro
veja a Figura 1.
Esta transformaçõe é uma caso particular das descritas acima, onde
= a2 + b2 = |(a, b)|2 .
1
Rθ (u)
θ u
Figura 1: Rotação
Das duas fórmulas anteriores temos que o ângulo entre u e Rθ (u) é exatamente
o ângulo de rotação θ.
Usando o mesmo tipo de raciocı́nio v. pode provar que o ângulo entre os
vetores u e v é igual ao ângulo entre Rθ (u) e Rθ (v). Deixamos a prova da
afirmação como exercı́cio.
2
s
r
v T (u)
n
s : (u1 + t c, u2 + t d), t ∈ R,
isto é,
−(a u1 + b u2 )
t= .
ac + bd
Observe que se verifica
a c + b d 6= 0,
isto decorre do fato da direção de projeção não ser paralela à reta de projeção,
ou seja (c, d) não é ortogonal ao vetor normal n = (a, b) da reta (isto é,
0 6= (c, d) · (a, b) = a c + b d). Logo
µ ¶
a c u1 + b c u 2 a d u1 + b d u2
T (u1 , u2 ) = u1 − , u2 − .
ac + bd ac + bd
Pela discussão acima, T é uma transformação linear.
Outra forma de obter a transformação anterior é a seguinte. Considere
uma base β = {u, v} de R2 tal que u é um vetor diretor da reta de projeção
3
e v é a direção de projeção. Como estes vetores não são paralelos temos que
β é uma base.
Dado um vetor w escrevemos w na base β: w = x u + y v. Então consi-
deramos a transformação definida como
S(w) = x u.
logo,
t (a v1 + b v2 + c v3 ) = −(a u1 + b u2 + c u3 ),
isto é,
−(a u1 + b u2 + c u3 )
t= .
a v1 + b v 2 + c v 3
Observe que se verifica a v1 + b v2 + c v3 6= 0, isto decorre do fato da direção
de projeção não ser paralela ao plano de projeção, ou seja (v1 , v2 , v3 ) não
4
é ortogonal ao vetor normal n = (a, b, c) do plano (isto é, 0 6= (v1 , v2 , v3 ) ·
(a, b, c) = a v1 + b v2 + c v3 ). Logo
av1 bv1 cv1
T (u1 , u2 , u3 ) = ((1 − ( av1 +bv2 +cv3
) u1 − ( av1 +bv2 +cv3
) u2 − ( av1 +bv2 +cv3
) u3 ,
S(w) = x u1 + y u2 .
5
1.4 Projeção em uma reta em R3
Estudaremos agora a transformação linear T projeção uma reta r de R3 na
direção do vetor π, onde a reta contém a origem e o plano π não é paralelo
à reta e contém a origem.
Esta transformação é definida como segue. Considere o plano de projeção
π de equação a x + b y + c z = 0 e o vetor v = (v1 , v2 , v3 ) diretor da reta de
projeção. A imagem do vetor u = (u1 , u2 , u3 ) é o vetor OP , onde P é a
interseção da reta r e do plano ρ que contém o ponto P e é paralelo ao plano
π.
Deixamos como exercı́cio calcular a fórmula explı́cita desta transformação
linear. Veja que esta transformação deixa fixos os vetores paralelos a r e
transforma no vetor zero os vetore paralelos ao plano π.
Como nos casos anteriores esta projeção pode ser obtida como segue.
Considere uma base β = {u1 , u2 , v} de R3 tal que {u1 , u2 } é uma base do
plano π que definie a direção de projeção e v é um vetor diretor da reta de
projeção. Como a direção v não é paralela a plano temos que β é uma base.
Dado um vetor w escrevemos w na base β: w = x1 u1 + x2 u2 + y v. Então
temos que
T (w) = y v.
T (w) = x n1 + y n2 .
6
Confira os cálculos.
De forma similar podemos definir o espelhamento E em uma reta r que
contém a origem. Para isso consideramos uma base ortogonal {v, v1 , v2 } onde
v é o vetor diretor da reta r.
Dado um vetor w ∈ R3 o espelhamento E de w no plano π é definido com
segue:
w = x v + y v 1 + z v2
e definimos
S(w) = x v − y v1 − z v2 .
Como no caso das projeções temos que S é uma aplicação linear (confira).
Observe que a projeção ortogonal P na reta r do vetor w é
P (w) = x v.
Confira os cálculos.
T (w) = a1 x1 v1 + a2 x2 v2 + a3 x3 v3 .
Portanto
T (w′ ) = a1 x′1 v1 + a2 x′2 v2 + a3 x′3 v3 .
Temos
T (w) + T (w′ ) = (a1 x1 v1 + a2 x2 v2 + a3 x3 v3 ) + (a1 x′1 v1 + a2 x′2 v2 + a3 x′3 v3 )
= a1 (x1 + x′1 ) v1 + a2 (x2 + x′2 ) v2 + a3 (x3 + x3 )′ v3 .
7
Por outro lado
e pela definição de T
8
Álgebra Linear I - Aula 13
2. Matrizes.
v = λ1 v 1 + λ2 v 2 + λ3 v 3
logo a imagem T (v) de qualquer vetor v está determinada pelas imagens dos
vetores da base β.
1
Resposta: Observe que os vetores (1, 0, 1), (1, 1, 1) e (1, 1, 0) formam uma
base de R3 . Para isto é suficiente verificar que não são coplanares (ou que
são linearmente independentes),
¯ ¯
¯ 1 0 1 ¯
¯ ¯
(1, 0, 1) · ((1, 1, 1) × (1, 1, 0)) = ¯¯ 1 1 1 ¯¯ = −1 6= 0.
¯ 1 1 0 ¯
Consideramos a base
2
e a transformação linear T definida por
Como {(2, 1), (1, 4)} é uma base de R2 , a transformação T está totalmente
determinada. Por construção, T transforma os vértices do primeiro para-
lelogramo nos vértices do segundo paralelogramo (confira). Afirmamos que
também transforma os lados do primeiro paralelogramo nos lados do segundo
paralelogramo.
Vejamos, por exemplo, que T transforma o segmento (lado) BD no seg-
mento (lado) B ′ D′ . Observe primeiro que o segmento BD está formado pelos
pontos X tais que
3
2 Matrizes
Uma matriz n × m (onde n representa o número de linhas e m o número de
colunas) M é definida como segue:
a1,1 a1,2 ... a1,m
a2,1 a2,2 ... a2,m
A = .. .. ..
. ...
. .
an,1 an,2 . . . an,m
Dizemos que (aj,1 , aj,2 , aj,m ) é a j-ésima linha de A e que (a1,j , a2,j , an,j ) é a
j-ésima coluna de A. Quando n = m, dizemos que a matriz é quadrada.
Dadas duas matrizes A e B das mesmas dimensões n × m,
a1,1 a1,2 . . . a1,m b1,1 b1,2 . . . b1,m
a2,1 a2,2 . . . a2,m b2,1 b2,2 . . . b2,m
A = .. .. .. , B = .. .. .. ,
. . . . . . .
. . . . .
an,1 an,2 . . . an,m bn,1 bn,2 . . . bn,m
4
Finalmente, dadas matrizes A, n × m, e B, r × k, o produto P = A B está
definido quando r = m e é uma matriz n × k, o coeficiente pi,j da matriz
produto é dado por
Mais tarde veremos como o produto de duas matrizes aparece de forma na-
tural: a regra de multiplicação ficará clara quando estudemos a composição
de transformações lineares.
V. pode interpretar os coeficientes da matriz produto como segue. Escreva
a1,1 a1,2 . . . a1,m ℓ1
a2,1 a2,2 . . . a2,m ℓ2
A = .. .. .. = .. ,
. ...
. . .
an,1 an,2 . . . an,m ℓn
Analogamente, escreva
b1,1 b1,2 . . . b1,k
b2,1 b2,2 . . . b2,k
B = .. .. .. = c1 c2 ck
. ...
. .
bm,1 bm,2 . . . bm,k
pi,j = ℓi · cj .
5
2 × 1. Neste caso A B é uma matriz 3 × 1 e não é possı́vel fazer o produto
B A.
Também pode acontecer que os dois produtos estejam definidos e os re-
sultados dos produtos serem matrizes de dimensões diferentes. Por exemplo,
se A é 3 × 2 e B é 2 × 3, temos que A B está definido e é uma matriz 3 × 3,
e A B também está definido e é uma matriz 2 × 2. Portanto, o produto de
matrizes não é (em geral) comutativo: mesmo quando as matrizes A B e B A
têm as mesmas dimensões. Um exemplo desta situação é
µ ¶ µ ¶
2 1 1 3
A= , B= .
1 1 1 1
Temos µ ¶µ ¶ µ ¶
2 1 1 3 3 7
AB = =
1 1 1 1 2 4
e µ ¶µ ¶ µ ¶
1 3 1 2 5 4
BA= = .
1 1 1 1 3 2
Portanto, os dois produtos estão definidos, porém
A B 6= B A.
6
As transformações lineares T e L têm as seguintes representações matri-
ciais (representando os vetores na sua forma coluna):
x a1 a2 a3 x µ ¶ µ ¶µ ¶
x a 1 a 2 x
[T ] y = b1 b2 b3 y , [L] = .
y b1 b2 y
z c1 c2 c3 z
7
Álgebra Linear I - Aula 14
1. Forma matricial de uma transformação linear. Exemplos.
1
Por exemplo, para a projeção ortogonal P no plano XY é suficiente
observar que
P (i) = i, P(j) = j, P(k) = k).
temos µ ¶
cos θ −senθ
[Rθ ] = .
senθ cos θ
• Consideremos agora a de projeção T na reta ax + by = 0 segundo a
direção do vetor v = (c, d). Pelos resultados da aula anterior,
µ ¶
ax + by ax + by)
T (x, y) = x − c, y − d .
ac + bd ac + bd
Portanto,
ac bc
1 − ac + bd − ac + bd
[T ] = ad bd .
− 1−
ac + bd ac + bd
• Determinaremos a seguir a matriz da projeção ortogonal no plano x +
y+z =. Para isso temos que determinar P (1, 0, 0), P (0, 1, 0) e P (0, 0, 1).
Para isso consideramos a base ortogonal
E observamos que
2
Para determinar P (1, 0, 0) Escrevemos
Observe que
¡ ¢
P (1, 0, 0) = P x (1, 1, 1) + y (1, 0, −1) + z (1, −2, 1) =
= x P (1, 1, 1) + y P (1, 0, −1) + z P (1, −2, 1)
= y (1, 0, −1) + z (1, −2, 1).
Logo
P (1, 0, 0) = 1/2 (1, 0, −1) + 1/6 (1, −2, 1) = (2/3, −1/3, −1/3).
e observamos que
Logo
P (0, 1, 0) = (−1/3, 2/3, −1/3).
3
Raciocinando de forma similar obtemos
Portanto
2/3 −1/3 −1/3
[P ] = −1/3 2/3 −1/3 .
−1/3 −1/3 2/3
e o plano
π : x + y + z = 0.
Resposta:
a) Observe que (1, 2, 1) é um vetor paralelo à direção de projeção, logo
T (1, 2, 1) = (0, 0, 0)
Somando as igualdades,
Portanto
T (0, 1, 0) = (−1/4, 2/4, −1/4).
4
Temos também que que o vetor (1, −1, 0) é um vetor do plano de projeção.
Portanto,
T (1, 0, 0) − T (0, 1, 0) = T (1, −1, 0) = (1, −1, 0).
Isto é
T (1, 0, 0) = T (0, 1, 0) + (1, −1, 0) =
= (−1/4, 2/4, −1/4) + (1, −1, 0) =
= (3/4, −2/4, −1/4).
Finalmente, o vetor (0, −1, 1) é um vetor do plano de projeção. Portanto,
Isto é
T (0, 0, 1) = T (0, 1, 0) + (0, −1, 1) =
= (−1/4, 2/4, −1/4) + (0, −1, 1) =
= (−1/4, −2/4, 3/4).
Portanto,
3/4 −1/4 −1/4
[T ] = −2/4 2/4 −2/4 .
−1/4 −1/4 3/4
V. pode resolver o problema usando geometria analı́tica. Temos que
T (a, b, c) é o vetor OQ, onde Q é a interseção da reta (a + t, b + 2 t, c + t) e
o plano x + y + z = 0. Esta interseção ocorre quando
a+b+c
a + t + b + 2 t + c + t = 0, 4 t = −a − b − c, t=− .
4
Isto é
µ ¶
3 a − b − c −2 a + 2 b − 2 c −a − b + 3 c
T (a, b, c) = , , .
4 4 4
5
da reta de projeção, logo
L(1, 2, 1) = (1, 2, 1)
Portanto
L(0, 1, 0) = (1/4, 2/4, 1/4).
Temos também que que o vetor (1, −1, 0) é paralelo ao plano direção projeção.
Portanto,
L(1, 0, 0) − L(0, 1, 0) = L(1, −1, 0) = (0, 0, 0).
Isto é
L(1, 0, 0) = L(0, 1, 0) = (1/4, 2/4, 1/4).
Analogamente, o vetor (0, −1, 1) é paralelo à direção projeção. Portanto,
Isto é
L(0, 0, 1) = L(0, 1, 0) = (1/4, 2/4, 1/4).
Portanto,
1/4 1/4 1/4
[L] = 2/4 2/4 2/4 .
1/4 1/4 1/4
V. pode usar também geometria analı́tica como no caso anterior. Outra
possibilidade é observar que dado um vetor v se verifica
v = vr + vπ ,
T (v) = vπ , L(v) = vr .
6
Ou seja,
v = T (v) + L(v) = Id(v).
Isto significa que a soma das matrizes [T ] e [L] é a matriz identidade, isto é,
1 0 0 3/4 −1/4 −1/4 1/4 1/4 1/4
[L] = 0 1 0 − −2/4 2/4 −2/4 = 2/4 2/4 2/4 .
0 0 1 −1/4 −1/4 3/4 1/4 1/4 1/4
c) Para determinar a forma matricial devemos achar A(0, 0, 0), obtido como
a interseção do plano π e a reta s. Ou seja, devemos encontrar o valor de t
que verifica
(t + 1) + (2 t) + (t − 5) = 0, 4 t = 4, t = 1.
Logo
A(0, 0, 0) = (2, 2, −4).
Assim a forma matricial de A é
1/4 1/4 1/4 x 2
2/4 2/4 2/4 y + 2 .
1/4 1/4 1/4 z −4
T : R3 → R3 , T (u) = u × v,
Portanto,
T (1, 0, 0) = (0, −1, 1), T (0, 1, 0) = (1, 0, −1), T (0, 0, 1) = (−1, 1, 0).
7
Finalmente, obtemos
0 1 −1
[T ] = −1 0 1 .
1 −1 0
¤
T : R3 → R3 , T (u) = (u · v) w,
8
Álgebra Linear I - Aula 15
2. Produto de matrizes.
T : Rm → Rk , L : Rn → Rℓ .
T ◦ L(u) = T (L(u)).
T : Rm → Rk , L : Rn → Rm ,
a composição T ◦ L
T ◦ L : Rn → Rk ,
é uma nova transformação linear:
1
Observação: Como no caso do produto de matrizes, a composição de
transformações lineares não é comutativa. Em alguns casos a composição
T ◦ L pode estar definida e a composição L ◦ T não. Mesmo quando as duas
composições estão definidas pode acontecer que T ◦ L 6= L ◦ T .
Então
e
T ◦ L(x, y) = T ((x, β x + y)) = (x + α y + α β x, y + βx),
que obviamente são (em geral) diferentes.
Então
Observe que, neste caso, L◦T (v) = T ◦L(v) se, e somente se, v = (0, k, −k), k ∈
R. Nestas condições L ◦ T (0, k, −k) = T ◦ L(0, k, −k) = (0, 0, 0) o que mostra
2
que essas transformações, L ◦ T e T ◦ L, não são injetoras. Verifique também
que elas não são sobrejetoras!
(3) Seja T : R2 −→ R3 a transformação linear definida por T (x, y) =
(x, y, x + y) e seja L : R3 −→ R2 a transformação linear definida por
L(x, y, z) = (2x, y + z). Então
e
T ◦ L(x, y, z) = T ((2x, y + z)) = (2x, y + z, 2x + y + z)
que são obviamente transformações lineares distintas. Observe inclusive que
L ◦ T : R2 −→ R2 enquanto que T ◦ L : R3 −→ R3 .
Vale a pena você conferir que, neste caso, L ◦ T é injetora e sobrejetora
enquanto que T ◦ L não é injetora nem sobrejetora.
(4) Seja T : R2 −→ R2 a transformação linear identidade, ou seja, T (x, y) =
(x, y) e seja L : R2 −→ R3 a transformação linear definida por L(x, y) =
(x, 0, y). Então
L ◦ T (x, y) = L((x, y)) = (x, 0, y),
mas, neste caso T ◦ L não está definida.
Para pensar: apresente, se possı́vel, duas transformações lineares T e L
de modo que para todo vetor v se tenha T ◦ L(v) = L ◦ T (v). Não vale
T = L = Id, nem T (v) = 2 e L(w) = 3 w e coisas similares!
2 Produto de matrizes
A seguir calcularemos a matriz associada à composição de duas transformações
lineares. Por simplicidade, faremos os cálculos em R2 , os cálculos em R3 são
idênticos.
Para determinar a matriz de L◦T é suficiente calcular L◦T (1, 0) e L◦T (0, 1),
que serão as colunas da nova matriz.
3
L ◦ T (1, 0) = L((a1 , b1 )) = a1 L(1, 0) + b1 L(0, 1) =
= a1 (c1 , d1 ) + b1 (c2 , d2 ) =
= (a1 c1 + b1 c2 , a1 d1 + b1 d2 ).
Nestas condições:
µ ¶µ ¶ µ ¶
1 0 1 α 1 α
[L ◦ T ] = [L][T ] = =
β 1 0 1 β αβ + 1
e µ ¶µ ¶ µ ¶
1 α 1 0 1 + αβ α
[T ◦ L] = [T ][L] = = .
0 1 β 1 β 1
4
Nestas condições:
0 1 1 1 0 0 0 0 0
[L ◦ T ] = [L][T ] = −1 0 1 0 0 0 = −1 0 0
−1 −1 0 0 0 0 −1 0 0
e
1 0 0 0 1 1 0 1 1
[T ◦ L] = [T ][L] = 0 0 0 −1 0 1 = 0 0 0 .
0 0 0 −1 −1 0 0 0 0
5
Denote por det[M ] o determinante de uma matriz quadrada (mesmo número
de linhas que de colunas). Observe que
det[A] = a c det[B] = d f.
Observe que µ ¶
ad ae + bf
[AB] = [A][B] =
0 cf
e que
det[AB] = (a d) (c f ) = det[A] det[B].
Neste caso temos que o determinante da matriz produto é o produto dos de-
terminantes.
Nestas condições:
¯ ¯¯ ¯ ¯ ¯
¯ 1 0 ¯¯ 1 α
¯=1·1=¯ 1 α
¯ ¯ ¯
det[L ◦ T ] = det[L] det[T ] = ¯¯ ¯¯ ¯ = 1.
β 1 ¯¯ 0 1 ¯ ¯ β αβ + 1 ¯
6
u = (1, −1, 1). Nestas condições:
¯ ¯¯ ¯ ¯ ¯
¯ 0 1 1 ¯¯ 1 0 0 ¯ ¯ 0 0 0 ¯
¯ ¯¯ ¯ ¯ ¯
det[L ◦ T ] = det[L] det[T ] = ¯¯ −1 0 1 ¯¯ ¯¯ 0 0 0 ¯¯ = ¯¯ −1 0 0 ¯¯ = 0.
¯ −1 −1 0 ¯ ¯ 0 0 0 ¯ ¯ −1 0 0 ¯
7
Álgebra Linear I - Aula 16
Roteiro
1
Finalmente,
T −1 (σ v1 ) = σ T −1 (v1 )
T −1 (σ v1 ) = σ u1 = σ T −1 (v1 ).
[T −1 ] ◦ [T ] = [T ] ◦ [T −1 ] = Id.
• det[T −1 ] = 1/ det[T ].
• Se T tem inversa então det[T ] 6= 0, (de fato veremos que isto é condição
necessária e suficiente).
2
• Injetividade: Se u 6= w então, T (u) 6= T (w). Observe que se T (u) =
T (w) = v então, T −1 (u) = v e T −1 (u) = w, logo u deveria tomar dois
valores!.
Estas duas condições se verificam se, e somente se, det[T ] é não nulo.
Pensaremos as condições anteriores em termos de sistemas de equações. Su-
ponha, para simplificar, que T : R2 → R2 e que
µ ¶
a b
[T ] = .
c d
Dado um vetor v = (α, β), para calcular T −1 (v) devemos encontrar um vetor
(x, y) tal que T (x, y) = (α, β) (e em tal caso T −1 (α, β) = (x, y)). Ou seja,
devemos resolver o sistema a seguir e verificar que tal sistema tem solução
única:
ax + by = α, cx + dy = β.
Isto é, para que exista a inversa o sistema anterior deve ter solução sempre,
e dita solução deve ser única. Estas condições estão garantidas se (e somente
se) det[T ] 6= 0.
3
Veremos a afirmação anterior quando T : R3 → R3 . Veremos que se é
injetora também é sobrejetora. Considere uma base de R3 , u1 , u2 e u3 . Afir-
mamos que os vetores T (u1 ), T (u2 ) e T (u3 ) são linearmente independentes.
Caso contrário um deles poderia ser escrito como combinação linear dos ou-
tros. Por exemplo,
Como T é injetora,
u3 = λ u1 + σ u2 , λ u1 + σ u2 − u3 = 0.
2x = a, x + y = b.
4
A solução é x = a/2 e y = b − a/2. Ou seja,
Portanto, temos, µ ¶
−1 1/2 0
[T ]= .
−1/2 1
Verifique que [T −1 ] ◦ [T ] = [T ] ◦ [T −1 ] = Id.
No segundo caso não existe inversa. A transformação T não é nem sobre-
jetiva nem injetiva. Veremos isto resolvendo um sistema da forma.
2x + y + z = a, x + y + z = b, x = c,
isto é, dado um vetor (a, b, c) estamos calculando os vetores (x, y, z) tais que
T (x, y, z) = (a, b, c). Escalonando,
x = c, y + z = a − 2c, y + z = b − c.
Continuando o escalonamento,
x = c, y + z = a − 2c, 0 = b + c − a.
Ou seja, para que o sistema admita solução o vetor deve ser da forma (a, b, a−
b). Isto é, não é possı́vel definir (por exemplo) T −1 (1, 1, 1).
Calcule agora a matriz associada a T e determine seu determinante (ob-
viamente, det(T ) = 0, justifique sem fazer as contas!). ¤
5
• T (x, y, z) = (1, 0, 0), cuja solução é T −1 (1, 0, 0),
• T (x, y, z) = (0, 1, 0), cuja solução é T −1 (0, 1, 0),
• T (x, y, z) = (0, 0, 1), cuja solução é T −1 (0, 0, 1).
Exemplo 1. Determine a matriz inversa da transformação linear T cuja
matriz associada é
1 1 1
[T ] = 0 1 1
1 1 0
Resposta: Resolveremos o sistema geral T (x, y, z) = (a, b, c). Temos o
sistema,
x + y + z = a, y + z = b, x + y = c.
A solução deste sistema é
(a − b, b − a + c, a − c).
Fazendo (a, b, c) igual a (1, 0, 0), (0, 1, 0) e (0, 0, 1) obtemos
T −1 (1, 0, 0) = (1, −1, 1),
T −1 (0, 1, 0) = (−1, 1, 0),
T −1 (0, 0, 1) = (0, 1, −1).
Portanto,
1 −1 0
[T −1 ] = −1 1 1 .
1 0 −1
Verifique que [T −1 ] é de fato a inversa de [T ] (calcule [T −1 ][T ] e veja que o
resultado é a matriz identidade). ¤
6
• multiplicação de uma linha por um número diferente de zero,
• substituir uma linha ℓ por uma nova linha obtida como combinação
linear de essa linha e outras linhas da matriz (o coeficiente de ℓ não é
nulo)
Exemplo 2. Usando o método de Gauss, calcule a inversa de
1 1 1
T = 1 2 2
1 3 2
Resposta:
1 1 1 | 1 0 0 1 1 1 | 1 0 0
1 2 2 | 0 1 0 (a) 0 1 1 | −1 1 0 .
1 3 2 | 0 0 1 0 2 1 | −1 0 1
1 1 1 | 1 0 0 1 1 1 | 1 0 0
(b) 0 1 1 | −1 1 0 (c) 0 1 1 | −1 1 0
0 0 −1 | 1 −2 1 0 0 1 | −1 2 −1
1 1 0 | 2 −2 1 1 0 0 | 2 −1 0
(d) 0 1 0 | 0 −1 1 (e) 0 1 0 | 0 −1 1 .
0 0 1 | −1 2 −1 0 0 1 | −1 2 −1
Logo
2 −1 0
T −1 = 0 −1 1 .
−1 2 −1
Verifique!. ¤
As operações elementares efetuadas nos diferentes passos foram:
a) segunda linha menos primeira linha, e terceira linha menos a primeira,
7
e) primeira menos segunda.
8
Onde (EDCBA) é (por definição) a inversa de T .
Descobra agora quais seriam as matrices envolvidas caso v. multiplicase
pela direita, em vez de pela esquerda.
Tente repetir o processo anterior com a matriz
1 6 4
B = 2 4 −1 .
−1 2 5
Interprete!.
Finalmente, quando a matriz é dois por dois, o método dos cofatores (que
não explicaremos agora) é muito prático: a inversa da matriz
µ ¶
a b
A= ,
c d
9
Álgebra Linear I - Aula 17
1. Autovalores e autovetores.
Roteiro
T (v) = λ v.
T (σ v) = σ T (v) = σ λ v = λ (σ v).
det(T − λI) = 0.
1
Isto significa que o cálculo de autovetores e autovalores é um processo para-
lelo: primeiro determinaremos os autovalores (possı́veis) e a seguir os auto-
vetores (associados ao autovalor).
Observe que os autovalores λ da transformação linear T devem verificar
det(T − λI) = 0.
Portanto, a primeira etapa é encontrar todos os possı́veis valores de λ que
verificam essa condição.
Para fixar idéias, suponhamos que T é uma transformação linear de R3 .
Então, [T − λI] é uma matriz 3 × 3. Observe que
det(T − λI) = −λ3 + a1 λ2 + a2 λ + a3 ,
onde a3 = det(T ). Portanto, como temos um polinômio de grau 3, existe
uma raiz real do polinômio anterior, que corresponde a um autovalor.
Definição 2. Dizemos que p(λ) = det(T − λI) é o polinômio caracterı́stico
de T .
Propriedade 2.1. Considere um vetor v 6= 0̄ tal que T (v) = σ v. Então σ é
uma raiz do polinômio caracterı́stico de T .
Prova: Observe que como já vimos acima
(T − σI)(v) = 0̄,
portanto a transformação linear (T − σI) não é inversı́vel, logo
det(T − σI) = 0.
Ou seja, σ é uma raiz do polinômio caracterı́stico p(λ).
2
Observação 1. Observe que o polinômio p(λ) tem, no máximo, três raı́zes
diferentes, portanto, a transformação linear T tem no máximo três autova-
lores diferentes.
Em resumo:
Ou seja
a3 = det(T ) = (λ1 λ2 λ3 ).
Em outras palavras:
Observamos que uma matriz (quadrada) é inversı́vel se, e somente se, seu
determinante é não nulo. Esta afirmação implica o seguinte:
3
Definição 3 (Traço). O traço de uma matriz quadrada A (denotado tr(A))
é a soma dos elementos da diagonal principal. Ou seja, se
a1,1 a1,2 . . . a1,n
a2,1 a2,2 . . . a2,n
A = .. .. , tr(A) = a11 + a22 + · · · + ann .
.. . .
. . . .
an,1 an,2 . . . an,n
Portanto,
tr([T ]) = σ + ρ,
isto é, o traço é igual à soma dos autovalores contados con multiplicidade.
Afirmação anterior relacionando o traço e a soma dos autovalores é ver-
dadeira em geral obtida da mesma forma.
Propriedade 2.5. O traço de uma matriz é igual à soma dos autovalores
contados con multiplicidade.
4
Por exemplo, considere uma matriz A, 3 × 3. Sejam λ1 , λ2 e λ3 os
autovalores de A (reais ou complexos). Então,
pA (λ) = −(λ − λ1 ) (λ − λ2 ) (λ − λ3 ) =
= −(λ − λ1 ) (λ2 − (λ2 + λ3 )λ + λ2 λ3 ).
Desenvolvendo temos
λ1 + λ2 + λ3 .
2.2 Exemplos
Exemplo 2. Determine o polinômio caracterı́stico, os autovalores e os au-
tovetores da transformação linear de matriz
1 0 −1
−2 3 −1 .
−6 6 0
5
de (0, 0, 0)) dos mesmos:
1 0 −1 x 0
−2 3 −1 y = 0 , autovetores associados a λ = 0
−6 6 0 z 0
1−1 0 −1 x 0
−2 3 − 1 −1 y = 0 , autovet. associados a λ = 1
−6 6 −1 z 0
1−3 0 −1 x 0
−2 3 − 3 −1 y = 0 , autovet. associados a λ = 3
−6 6 −3 z 0
As soluções são, respectivamente,
(t, t, t), (t, t, 0), (−t, 0, 2 t), t ∈ R, t 6= 0.
6
• autovetores associados a 1: (t, 0, 0), t 6= 0,
Matriz B:
Matriz C:
Matriz D:
Matriz E:
7
Álgebra Linear I - Aula 18
1. Matrizes semelhantes.
1 Matrizes semelhantes
Definição 1 (Matrizes semelhantes). Considere duas matrizes quadradas A
e B. A matriz A é semelhante à matriz B se, e somente se, existe uma
matriz inversı́vel P tal que
A = P BP −1 .
Observe que se A é semelhante a B então B é semelhante a A: multipli-
cando a expressão anterior por P −1 à esquerda e por P à direita, temos
P −1 AP = P −1 P BP −1 P = B.
Logo
B = P −1 AP = P −1 A(P −1 )−1 = Q B Q−1 ,
onde Q = P −1 . Portanto, diremos que as matrizes A e B são semelhantes.
Propriedade 1.1. Duas matrizes quadradas semelhantes A e B verificam
as seguintes propriedades:
1. det(A) = det(B),
2. A é inversı́vel se, e somente se, B é inversı́vel,
3. A e B têm os mesmos autovalores com a mesma multiplicidade (mas,
em geral, não têm os mesmos autovetores),
4. A e B têm o mesmo polinômio caracterı́stico,
5. A e B têm o mesmo traço.
1
A afirmação sobre a inversibilidade decorre da propriedade sobre os de-
terminantes: A é inversı́vel se, e somente se, det(A) 6= 0. Portanto, se A e B
são semelhantes det(A) = 0 se, e somente se, det(B) = 0.
Vejamos que se λ é um autovalor de B e u é um autovetor de B associado a
λ, então P (u) é um autovetor de A associado ao mesmo autovalor λ. Observe
primeiro que como P é inversı́vel e u 6= 0̄, então, P (u) 6= 0̄. Temos,
A = P B P −1 = P (Q C Q−1 ) P −1 = (P Q) C Q−1 P −1 .
Como
(P Q)−1 = Q−1 P −1 ,
temos
A = (P Q) C (P Q)−1 ,
2
e A e C são semelhantes.
Observe que se A e B são inversı́veis e semelhantes, então A−1 e B −1
também são semelhantes:
A = P B P −1 ,
logo
A−1 = (P B P −1 )−1 = (P −1 )−1 B −1 P −1 = P B −1 P −1 .
Resposta: Temos
tr(A) = 5, tr(B) = 5, tr(C) = 1, tr(D) = 1.
Portanto, as únicas matrizes que podem ser semelhantes são as matrizes A e
B e as matrizes C e D.
Também temos
det(A) = 5, det(B) = 5, det(C) = 0, det(D) = −2.
Ou seja, A e B podem ser semelhantes, mas C e D não podem ser.
O polinômio caracterı́stico de A é
pA (λ) = (1 − λ)(4 − λ) + 1 = λ2 − 5λ + 5.
O polinômio caracterı́stico de B é
pB (λ) = (2 − λ)(3 − λ) − 1 = λ2 − 5λ + 5.
Portanto, as matrizes A e B ainda podem ser semelhantes. Concluiremos a
prova na próxima seção.
3
1.2 Construção da matriz de semelhança
Observe que para verificar que as duas matrizes A e B do Exemplo 1 são se-
melahantes devemos encontrar uma matriz inversı́vel T tal que A = T −1 B T .
A seguir obteremos essa matriz.
Em primeiro lugar, temos que os autovalores de A e de B são:
√
5± 5
λ= .
2
Portanto, as matrizes têm dois autovalores reais diferentes.
Sejam vA e wA dois autovetores de A associados a
√ √
λ = (5 + 5)/2, e σ = (5 − 5)/2,
respectivamente.
Observe que {vA , wA } é uma base de R2 : os vetores vA e wA são autove-
tores associados a autovalores diferentes, portanto são l.i., e dois vetores l.i.
formam uma base de R2 .
Considere agora dois autovetores vB e wB de B associados a λ e σ. Ob-
serve que raciocinando como acima temos que que {vB , wB } é uma base de
R2 .
Considere a transformação linear T : R2 → R2 definida como segue,
T (vA ) = vB , T (wA ) = wB .
S(vB ) = vA , S(wB ) = wA .
S ◦ T (u) = u.
4
Como {vA , wA } é uma base, dado qualquer vetor u podemos escreve-lo da
forma u = α vA + γ wA . Então,
= α vA + γ wA = u,
como queremos provar.
Vejamos agora que
A = T −1 B T.
Para provar esta afirmação é suficiente ver que estas duas matrizes coincidem
em uma base, por exemplo, na base {vA , wA }. Veremos que as imagens de
vA são iguais (o caso wA é idêntico). Temos
√
A(vA ) = ((5 + 5)/2)vA .
5
são duas bases de R3 . Considere agora transformação linear T que verifica
T (vA ) = vB , T (uA ) = uB , T (wA ) = wB .
Como βA é uma base, T está totalmente definida.
Exatamente como no exemplo anterior temos que
A = T −1 B T.
Complete os detalhes raciocinando como no caso anterior.
Muita atenção (!), na frase anterior o adjetivo diferente é essencial. Por
exemplo, as matrizes
2 0 2 0
A= , B=
0 2 1 2
têm o mesmo determinante (4), o mesmo traço (4), o mesmo polinômio ca-
racterı́stico ((2 − λ)2 ), e os mesmos autovalores (2, de multiplicidade 2), mas
não são semelhantes. Isto é devido a que o autovalor 2 tem multiplicidade
dois. A seguir estudaremos este exemplo.
6
Álgebra Linear I - Aula 19
Assim,
T (0, 1, 1) = T (0, 1, 0) + T (0, 0, 1) = (0, 1, 1),
e portanto,
T (0, 1, 0) = (0, 1, 1) − (−1, −1, 0) = (1, 2, 1).
Finalmente,
logo
1
Portanto, a matriz de T (na base canônica) é
0 1 −1
−1 2 −1 .
−1 1 0
Observe que
β = {(1, 1, 1), (1, 1, 0), (0, 1, 1)}
é uma base de autovetores de T .
Usando os argumentos da seção anterior, veremos que a matriz T é se-
melhante à seguinte matriz muito simples:
0 0 0
D = 0 1 0 .
0 0 1
A matriz de S é
1 −1 1
S= 0 1 −1 .
−1 1 0
Devemos verificar que
T = S −1 D S.
Ou de forma equivalente (e assim evitamos ter que calcular a matriz inversa
de S, embora determinar a inversa de S seja imediato...), multiplicando à
esquerda por S, a
S T = D S,
2
Ou seja,
1 −1 1 0 1 −1
ST = 0 1 −1 −1 2 −1 =
−1 1 0 −1 1 0
0 + 1 − 1 1 − 2 + 1 −1 + 1 + 0 0 0 0
= 0−1+1 0+2−1 0 − 1 + 0 = 0 1 −1 ,
0 − 1 + 0 −1 + 2 + 0 1 − 1 + 0 −1 1 0
0 0 0 1 −1 1 0 0 0
DS = 0 1 0 0 1 −1 = 0 1 −1 .
0 0 1 −1 1 0 −1 1 0
Como queremos ver.
Observação 1. De fato, veremos que D é a matriz de T na base β. Isto
significa que, usando as coordenadas apropriadas (ou seja escolhendo uma
base apropriada), a expressão de T é muito simples. Nosso objetivo é, dada
uma transformação linear, encontrar coordenadas (ou seja, uma base) onde
a forma de T seja o mais simples possı́vel. No exemplo anterior, dizemos
que D é uma forma diagonal de T .
3
Observe que estamos repetindo o já feito na hora de calcular a matriz de
uma transformação linear (na base canônica). Vejamos isto com atenção.
A afirmação acima significa o seguinte, se temos um vetor w com coorde-
nadas (a, b, c) na base β, escreveremos (w)β = (a, b, c), isto é,
w = a v1 + b v2 + c v3 .
(T (w))β = (a1,1 a + a1,2 b + a1,3 c, a2,1 a + a2,2 b + a2,3 c, a3,1 a + a3,2 b + a3,3 c),
Isto é,
(T (w))β = (a1,1 a + a1,2 b + a1,3 c, a2,1 a + a2,2 b + a2,3 c, a3,1 a + a3,2 b + a3,3 c).
4
Exemplos 1. Encontre uma base γ tal que as matrizes na base γ projeção
ortogonal P no plano x + y + z = 0 e o espelhamento E no mesmo plano
sejam da forma
1 0 0 1 0 0
[P ]γ = 0 1 0 , [E]γ = 0 1 0 .
0 0 0 0 0 −1
Observe que
P (v1 ) = 0̄, (P (v1 ))β = (0, 0, 0)β ,
P (v2 ) = v2 , (P (v2 ))β = (0, 1, 0)β ,
P (v3 ) = v3 , (P (v3 ))β = (0, 0, 1)β .
Logo
0 0 0
[P ]β = 0 1 0 .
0 0 1
Analogamente, para o espelhamento,
E(v1 ) = −v1 , (E(v1 ))β = (−1, 0, 0)β ,
E(v2 ) = v2 , (E(v2 ))β = (0, 1, 0)β ,
E(v3 ) = v3 , (E(v3 ))β = (0, 0, 1)β .
Logo
−1 0 0
[E]β = 0 1 0 .
0 0 1
Observe que se nos exemplos anteriores mudamos a ordem dos vetores
das bases obtemos bases distintas e as matrizes mudam. Por exemplo, se
consideramos a base
5
temos
1 0 0 1 0 0
[P ]β 0 = 0 1 0 , [E]β 0 = 0 1 0 .
0 0 0 0 0 −1
Deixamos como exercı́cio, para v. determinar as matrizes de P e E nas
bases
γ = {v2 = (1, −1, 0), v1 = (1, 1, 1), v3 = (1, 0, −1)}
ρ = {v1 = (1, 1, 1), v3 = (1, 0, −1), v2 = (1, −1, 0)}.
Exemplo 1. Considere a transformação linear T cuja matriz na base canônica
é
1 2 3
[T ] = 0 2 3 .
0 0 3
Encontre bases β e γ tais que
1 0 0 2 0 0
[T ]β = 0 3 0 , [T ]γ = 0 3 0 .
0 0 2 0 0 1
6
A solução é (9t, 6t, 2t), t 6= 0.
Uma base de autovetores de T é
Observe que
1 0 0
[T ]κ = 0 2 0 .
0 0 3
Agora v. mesmo pode concluir que
T (1, 1, 1) = 0̄, T (1, 0, −1) = (1, −2, 1), T (1, −2, 1) = (−3, 0, 3).
Portanto,
0 0 0
[T ]β = 0 0 −3 .
0 1 0
Escreva,
e veja que a = 0, b = −1 e c = 2.
7
Veja também que
e escreva
(−1, −1, 2) = a(1, 1, 1) + b(1, 0, −1) + c(1, −1, 0),
onde a = 0, b = −2 e c = 1. Portanto,
0 0 0
[T ]γ = 0 −1 −2 .
0 2 1
8
Álgebra Linear I - Aula 20
1. Matrizes diagonalizáveis.
2. Matrizes diagonalizáveis. Exemplos.
3. Forma diagonal de uma matriz diagonalizável.
1 Matrizes diagonalizáveis
Uma matriz quadrada
a1,1 a1,2 . . . a1,n
a2,1 a2,2 . . . a2,n
T =
.. .. .. ..
. . . .
an,1 an,2 . . . an,n
é diagonal quando ai,j = 0 para todo i 6= j.
Observe que os autovalores de uma matriz diagonal são os elementos da
sua diagonal.
1
É suficiente considerar S definida por
Observe que
2
• ser semelhante a uma matriz diagonal.
Sejam A uma transformação linear diagonalizável, β = {v1 , v2 , . . . , vn }
uma base de autovetores de A e {λ1 , λ2 , . . . , λn } os autovalores associados a
v1 , . . . , vn . Uma forma diagonal de A é
λ1 0 . . . 0
0 λ2 . . . 0
DA = .. .. .
.. . .
. . . .
0 0 . . . λn
Observe que A pode ter diferentes formas diagonais (é suficiente mudar a
ordem dos vetores da base de autovetores!).
Exemplos 1. Espelhamentos e projeções (ortogonais ou não) são trans-
formações lineares diagonalizáveis.
Prova: Para provar a afirmação devemos encontrar uma base de autoveto-
res. Por exemplo, em R3 e considerando projeções P e espelhamentos E no
plano
π : a x + b y + c z = 0,
podemos considerar dois vetores não nulos v e w não paralelos do plano e o
vetor ` correspondente à direção de projeção ou de espelhamento. Obtemos
assim a base
β = {v, w, `}.
Trata-se de uma base de autovetores de P e de E:
P (v) = v, P (w) = w, e P (`) = 0̄.
Também temos
E(v) = v, E(w) = w, e E(`) = `.
No caso de projeções e espelhamentos em retas o raciocı́nio é similar.
3
Prova: Por exemplo, a matriz A possui um único autovalor igual a 1 de
multiplicidade 3. Faça os cálculos e veja que os autovetores de A são os
vetores não nulos da forma (t, 0, 0). Portanto, no máximo é possı́vel um
autovetor l.i. de A. Logo A não possui uma base de autovetores.
No caso da matriz B, os autovalores são 2 (simples ou de multiplicidade
um) e 1 de multiplicidade 2. Associados a 2 obtemos autovetores da forma
(0, 0, t). Os autovetores associados a 1 são da forma (t, 0, 0). Portanto,
somente é possı́vel obter dois autovetores l.i. de B. Logo B não possui uma
base de autovetores.
Nos dois casos anteriores o fato de não ser possı́vel obter uma base de
autovetores é devido a que há um autovalor de multiplicidade k (3 no caso da
matriz A e 2 no caso de B) que possui um número de autovetores l.i. menor
do que k (em ambos os casos 1).
O fato da matriz C não ser diagonalizável é devido a outros motivos: tem
um autovalor complexo (não real).
4
é diagonalizável: {(1, 1, 2), (1, 0, 1), (1, 1, 1)} formam uma base de autovetores
cuja forma diagonal é
2 0 0
DT = 0 2 0 .
0 0 3
Uma condição suficiente, porém não necessária, para uma transformação
linear T : Rn → Rn ser diagonalizável é ter n autovalores reais distintos. Para
ver isto, sejam λ1 , . . . , λn os autovalores e v1 , . . . , vn os autovetores associados
a estes autovalores. Por resultados já vistos, como λ1 , . . . , λn são diferentes,
os vetores v1 , . . . , vn são l.i.. Portanto, formam uma base (de autovetores) de
Rn (n vetores l.i. de Rn formam uma base).
5
tem polinômio caracterı́stico p(λ) = −(λ − 1)2 (λ − 2) e é diagonalizável (de
fato, já é diagonal!). Porém, a matriz
1 0 0
1 1 0
0 0 2
6
Resposta: Uma projeção ortogonal na reta (1, 1, 1) seguida de uma multi-
plicação por 3. É diagonalizável e sua forma diagonal é
3 0 0
T = 0 0 0 .
0 0 0
Veja que os autovalores são 3 (simples) e 0 (multiplicidade 2). Os auto-
vetores são (t, t, t), t ∈ R, t 6= 0, e os vetores não nulos de x + y + z = 0.
Observe que existe uma base ortogonal de autovetores
{(1, 1, 1), (1, −1, 0), (1, 1, −2)}
de T
7
observe que det(D) 6= 0 implica que λ1 , . . . , λn são todos diferentes de 0.
Finalmente, como (C E)−1 = E −1 C −1 , temos
8
Álgebra Linear I - Aula 21
2. Bases Ortonormais.
3. Matrizes Ortogonais.
1
Dado um vetor w com (w)β = (a, b) queremos calcular (w)e . Isto é muito
simples, temos
w = a u + b v = a (u1 i + u2 j) + b (v1 i + v2 j) = (a u1 + b v1 ) i + (a u2 + b v2 ) j.
Isto é,
(w)e = (a0 , b0 ) = (a u1 + b v1 , a u2 + b v2 ).
Portanto, em forma matrizial,
0
a u1 v1 a
0 = .
b u2 v2 b
[T ]e = P [T ]β P −1 .
Complete os detalhes.
[T ]β = D.
2
Sabemos que
1 1 −1 1/2 1/2
[P ] = , [P ] = .
1 −1. 1/2 −1/2.
T (1, 1, 0) = (2, 2, 0), T (0, 1, 1) = (0, −1, −1), T (1, 0, 1) = (3, 0, 3).
Escreva
[T ]e = P D P −1 ,
onde D é diagonal. Determine também [T ]e .
3
Logo
1 0 1 2 0 0 1 1 −1
1
[Te ] = 1 1 0 0 −1 0 −1 1 1 =
2
0 1 1 0 0 3 1 −1 1
2 0 3 1 1 −1 5 −1 1
1 1
= 2 −1 0 −1 1 1 = 3 1 −3 .
2 2
0 −1 3 1 −1 1 4 −4 2
Confira que ao aplicar a última matriz aos vetores (1, 1, 0), (0, 1, 1) e (1, 0, 1)
obtemos (2, 2, 0), (0, −1, −1) e (3, 0, 3), o que confirma que o resultado é
correto.
2 Bases Ortonormais
Lembre que uma base β é ortogonal se está formada por vetores ortogonais
entre si: para todo par de vetores distintos u e v da base β se verifica que
u · v = 0.
Uma base γ é ortonormal se é ortogonal e todo vetor da base é um vetor
unitário (ou seja, u · u = 1 para todo vetor de γ).
Como já vimos, calcular as coordenadas de um vetor em uma base or-
togonal é muito simples (mais ainda se a base é ortonormal). Suponha que
estamos em R3 e que β = {u, v, w} é uma base ortonormal. Queremos de-
terminar as coordenadas de um vetor ` na base β, ou seja
` · u = (a u + b v + c w) · u = a (u · u) + b (u · v) + c (u · w).
a = ` · u.
Analogamente obtemos,
b = ` · v, c = ` · w.
4
Exercı́cio 1. Encontre uma base ortonormal β que contenha dois vetores
paralelos a (1, 1, 1) e (1, −1, 0). Obtida a base β, determine as coordenadas
do vetor (1, 2, 3) em dita base.
Resposta: O terceiro vetor da base deve ser ortogonal a (1, 1, 1) e (1, −1, 0),
portanto, é paralelo a (1, 1, 1) × (1, −1, 0), isto é, paralelo a (1, 1, −2). Uma
possı́vel base β (existem muitas possibilidades) é
√ √ √ √ √ √ √ √
β = {(1/ 3, 1/ 3, 1/ 3), (1/ 2, −1/ 2, 0), (1/ 6, 1/ 6, −2/ 6)}.
3 Matrizes ortogonais
Dada uma matriz quadrada M sua transposta, denotada M t , é uma matriz
cujas linhas são as colunas de M , ou seja, se M = (ai,j ) e M t = (bi,j ) se
verifica bj,i = ai,j .
Propriedade 3.1. Uma matriz ortogonal é uma matriz cujas colunas (ou li-
nhas) formam uma base ortonormal (de fato, isto é uma definição geométrica
alternativa de matriz ortogonal).
5
Prova: Para simplificar a notação veremos a afirmação para matrizes 2 × 2.
Seja M uma matriz ortogonal cujos vetores coluna são u = (a, b) e v = (c, d).
t a b a c aa + bb ac + bd
Id = M M = = =
c d b d ac + bd cc + dd
u·u u·v 1 0
= = .
u·v v·v 0 1
Logo
u · u = v · v = 1, u · v = 0,
e u e v formam uma base ortonormal.
De fato, o argumento anterior mostra o seguinte:
Propriedade 3.2. Uma matriz é ortogonal se, e somente se, seus vetores
coluna formam uma base ortonormal.
Propriedade 3.3. Uma matriz é ortogonal se, e somente se, seus vetores
linha formam uma base ortonormal.
3.1 Conclusão
Quando uma transformação linear T tem uma base ortonormal β de auto-
vetores o processo de diagonalização se simplifica substancialmente: existe
uma matriz ortogonal P e uma matriz diagonal D tais que
[T ] = P D P t ,
6
Álgebra Linear I - Aula 22
2. Matrizes simétricas.
Roteiro
x + y + z = 0.
1
pode ser eliminado, se a multiplicidade for 3 então o traço de M seria
2 + 2 + 2 = 6 6= 4 + 4 + 4 = 12. Logo o autovalor 2 tem multiplicidade
2.
Usando o traço da matriz M temos que o outro autovalor σ de M verifica
2 + 2 + σ = 4 + 4 + 4, σ = 8.
2 x − y − z = 0, x − 2 y + z = 0, x + y − 2 z = 0.
Isto é
x − 2 y + z = 0, x + y − 2 z = 0, 2 x − y − z = 0.
Escalonando,
x − 2 y + z = 0, 3 y − 3 z = 0, −3 y + 3 z = 0.
2
Exemplo 2. Considere a matriz
1 0 3
A = 0 6 0 .
3 0 1
−5x + 3y = 0, 3x − 5y = 0.
As soluções são da forma (0, t, 0), t ∈ R. Portanto, um autovetor é, (0, 1, 0).
autovetores associados a 4: são as soluções não triviais do sistema,
3
1−4 0 3 x 0
0 6−4 0 y = 0 .
3 0 1−4 z 0
Obtemos o sistema,
−3x + 3y = 0, 3y = 0, 3x − 3y = 0.
As soluções são da forma (t, 0, t), t ∈ R. Portanto, um autovetor é, (1, 0, 1).
autovetores associados a −2: Como a matriz é simétrica, os autovetores
associados a −2 devem ser ortogonais a (1, 0, 1) e (0, 1, 0). Logo um autovetor
é (1, 0, −1).
Portanto, uma base de autovetores é
temos √
√
1/ 2 0 1/ 2
M = 0√ 1 0√ .
1/ 2 0 −1/ 2
Como M é ortogonal,
√ √
1/ 2 0 1/ 2
M −1 = M t = 0√ 1 0√ = M.
1/ 2 0 −1/ 2
4
Como A tem determinante não nulo (o produto dos autovetores é diferente
de zero) existe A−1 . Temos
Logo N = N −1 = M . Finalmente,
1/3 0 0
E = D−1 = 0 1/6 0 .
0 0 −1/2
Resposta: Isto significa que P é uma matriz ortogonal cujos vetores são
autovetores de B.
Calculando o polinômio caracterı́stico e fazendo os cálculos temos que os
autovalores de B são 2, 1 e −1.
Resolvendo sistemas lineares obtemos que ~u = (1, 1, 1) é um autovetor as-
sociado a 2, ~v = (−1, 1, 0) é é um autovetor associado a −1, e w
~ = (1, 1, −2) é
um autovetor associado a 1. Também vemos que estes vetores são ortogonais.
Normalizando obtemos uma base ortonormal de autovetores.
Portanto,
√ √ √
2 0 0 1/√3 1/√6 −1/√ 2
D = 0 1 0 P = 1/√3 1/ √6 1/ 2 .
0 0 −1 1/ 3 −2/ 6 0
2 Matrizes simétricas
Na seção precedente, vimos exemplos de transformações lineares diagona-
lizáveis onde o processo de diagonalização pode ser feito usando matrizes
5
ortogonais. Chamaremos a este tipo de matrizes ortogonalmente diagona-
lizáveis.
A propriedade anterior (ser ortogonalmente diagonalizável) é equivalente
a existência de uma base ortogonal de autovetores. Veja primeiro que se
M = P DP −1 ,
6
O polinômio caracterı́stico de M é
p(λ) = λ2 − (a + c)λ + (ac − b2 ),
e suas raı́zes são
p √
(a + c) ± (a + c)2 − 4ac + 4b2 (a + c) ± a2 + c2 − 2ac + 4b2
= =
2 p 2
a + c ± (a − c)2 + 4b2
= .
2
Como o radicando é positivo, o polinômio tem duas raı́zes reais.
Observe que, se as duas raı́zes são iguais, o radicando deve ser nulo, ou
seja, necessariamente b = 0 a a = c. Neste caso, já temos que a matriz M
é diagonal. No outro caso, existem dois autovalores distintos, portanto seus
autovetores são linearmente independentes e M é diagonalizável.
Prova: Temos,
M (u) = (ax + by, bx + cy) e M (v) = (az + bw, bz + cw).
Logo
M (u) · v = (ax + by, bx + cy) · (z, w) = axz + byz + bxw + cyw,
M (v) · u = (az + bw, bz + cw) · (x, y) = azx + bwx + bzy + cwy.
O que implica nossa afirmação.
7
Exemplo 4. Considere a matriz
4 2 2
M = 2 4 2 .
2 2 4
A matriz de M na base β é
8 0 0
D = 0 1 0 .
0 0 1
Finalmente,
√ √ √
1/√3 1/ √2 1/√6
M = P DP t , P = 1/√3 −1/ 2 1/ √6 .
1/ 3 0 −2/ 6
8
2.1 Comentários e exemplos
Observe que o produto de matrizes ortogonais M e N é uma nova matriz
ortogonal. Para ver isto, mais uma vez, não é necessário fazer cálculos,
somente é necessário lembrar que uma transformação linear é ortogonal se,
somente se, preserva o produto escalar (isto é, módulos e ângulos). Dados
dois vetores u e v veja que
terminando a prova.
Por outra parte, o produto de duas matrizes simétricas não é necessaria-
mente uma matriz simétrica. Por exemplo,
1 2 1 0 1 6
=
2 3 0 3 2 9
9
Álgebra Linear I - Aula 23
2. Projeções ortogonais.
Roteiro
1. 1 de multiplicidade dois;
2. 1 e −1 (simples),
1. 1 de multiplicidade dois
1 0
;
0 1
2. 1 e −1 (simples),
1 0 −1 0
, ;
0 −1 0 1
1
3. (−1) de multiplicidade dois.
−1 0
.
0 −1
M = P D P −1 = P Id P −1 = P P −1 = Id.
Se D = −Id temos
M = P D P −1 = P (−Id) P −1 = −P P −1 = −Id.
2
De fato, é possivel obter um pouco mais:
3
Resposta: Se M é ortogonal e simétrica existem três possibilidades: M
representa um espelhamento, a identidade ou menos a identidade. Nos casos
primeiro e último, M 2 = Id 6= M . Logo, a única possibilidade é M ser a
identidade.
2 Projeções ortogonais
Aproveitamos para, no caso 2 × 2, caracterizar as projeções ortogonais.
Exemplo 1. A matriz M ,
1/2 1/2
M=
1/2 1/2
1. 1 de multiplicidade três;
4
2. 1 de multiplicidade dois e −1 simples,
5
Observamos que como {a, b, c} é uma base ortonormal (pois P é uma matriz
ortogonal) temos a × b = ±c.
Como no caso das matrizes 2 × 2, de D = Id então M é a identidade e
se D = −Id então M = −Id. Portanto, excluidas permutações na diagonal
faltam considerar dois casos para a forma diagonal de M :
1 0 0 −1 0 0
D1 = 0 1 0 e D2 = 0 −1 0 .
0 0 −1 0 0 1
Se escolhemos D1 temos
6
2. 1 de multiplicidade dois e −1 simples: neste caso M representa um
espelhamento em um plano e é se escreve da forma
1 0 0
M = P 0 1 0 P t .
0 0 −1
Portanto, M tem traço 1 e determinante −1.
3. 1 simples e (−1) de multiplicidade dois: neste caso M representa um
espelhamento em uma reta e é se escreve da forma
−1 0 0
M = P 0 −1 0 P t .
0 0 1
Portanto, M tem traço −1 e determinante 1.
4. (−1) de multiplicidade três: neste caso M é a identidade e
−1 0 0
M = P 0 −1 0 P t .
0 0 −1
Neste caso, o traço é −3 e o determinante −1.
Observe que o traço determina completamente as matrizes simultaneamente
ortogonais e simétricas:
1. identidade (traço 3),
2. menos idedentidade (traço −3),
3. espelhamento em relação a um plano (traço 1), e
4. espelhamento em relação a uma reta (traço −1).
Exemplo 2. Seja M uma matriz 3×3 ortogonal e simétrica tal que M 2 = M .
Determine M . Faça o mesmo no caso M 3 = M quando o determinante de
M é 1.
Resposta: No primeiro caso a resposta é a identidade (nos outros casos
M 2 = Id 6= M ). No segundo caso pode ser a identidade ou um espelha-
mento com relação a uma reta. Complete os detalhes (faça uma lista das
possibilidades... e faça eliminações!).
7
Álgebra Linear I - Aula 24
1. Caracterização das matrizes simultaneamente ortogonais e simétricas.
Roteiro
1
1.1.1 Projeções ortogonais
Aproveitamos para, no caso 2 × 2, caracterizar as projeções ortogonais.
Proposição: Uma matriz, M 2 × 2, representa uma projeção ortogonal se, e
somente se, é simétrica, tem determinante 0 e traço 1.
Observe que se M é simétrica tem autovalores reais λ e σ. Como o determi-
nante é zero, um autovalor é nulo, por exemplo σ = 0. Como o traço é 1, λ = 1.
Sejam u e v os autovetores associados a 1 e 0. Como M é simétrica, u e v são
ortogonais. Conclusão: M representa a projeção ortogonal na reta paralela a u
que contem a origem.
Exemplo: A matriz M ,
1/2 1/2
M=
1/2 1/2
representa a projeção ortogonal na reta (t, t), t ∈ R.
1.2 Matrizes 3 × 3.
Considere M uma matriz ortogonal e simétrica. Os autovalores de M são 1 e/ou
−1.
Suponha que o determinante é 1. Existem as seguintes possibilidades:
• traço 3: é a identidade,
• traço 1: é um espelhamento respeito a uma reta.
Como no exemplo visto acima, temos que se o traço é 3 então M = P IdP −1 =
Id.
Vejamos o segundo caso. Como é simétrica tem autovalores reais. Como é
ortogonal são 1 ou −1. Como o determinante é 1 há duas possibilidades: 1 com
multiplicidade 3 (traço 3 e é a identidade), ou 1 com multiplicidade 1 e −1 com
multiplicidade 2 (traço −1). Em tal caso temos um espelhamento respeito a
reta que contém a origem paralela a autovetor associado a 1.
Considere M uma matriz ortogonal e simétrica. Suponha que o determinante
é −1.
Existem as seguintes possibilidades:
• traço −3: é menos identidade,
• traço 1: é um espelhamento respeito a um plano.
Como é simétrica tem autovalores reais. Como é ortogonal são 1 ou −1.
Como o determinante é −1 há duas possibilidades: −1 com multiplicidade 3
(traço −3 e é menos a identidade), ou −1 com multiplicidade 1 e 1 com mul-
tiplicidade 2 (traço 1). Em tal caso temos um espelhamento respeito ao plano
que contém a origem e é normal ao autovetor associado a −1.
Exemplo: Seja M uma matriz 3 × 3 ortogonal é simétrica tal que M 2 = M .
Determine M . Faça o mesmo no caso M 3 = M e seu determinante é 1.
2
No primeiro caso a resposta é a identidade. No segundo caso pode ser a
identidade ou um espelhamento respeito a uma reta.
3
• Calcule E 2 .
• Encontre a forma diagonal de A.
• Calcule C 15 .
Resposta: Temos
0 1 0 1 −1 0
E2 = E E = = .
−1 0 −1 0 0 −1
Como a matriz A é simétrica é diagonalizável. Escreveremos A = B D B −1 ,
onde D é diagonal e B ortogonal. Calculemos agora D e B.
O polinômio caraterı́stico de A é
p(λ) = λ2 − 2λ − 8
e seus autovalores são 4 e −2.
A forma diagonal de A é
4 0
D= .
0 −2
A matriz B terá por colunas autovetores (unitários) de A l.i.. O autovetor
u =√ (x, y)√ associado a 3 verifica −3x + 3y = 0, x = y, u = (1, 1) ou v =
(1/ 2, 1/
√ 2) já√normalizado. O outro autovetor será perpendicular, ou seja
w = (1/ 2, −1/ 2). A matriz B é
√ √
1/√2 1/ √2
B= .
1/ 2 −1/ 2
Finalmente para calcular C 15 observavos que B = B t = B −1 escrevemos
C 2 = (E B D B −1 E) (E B D B E) = E B D B −1 (−I) B D B E = −E B D2 B E.
Também temos
C 3 = −(E B D2 B −1 E) (E B D B E) = −E B D2 B −1 (−I) B D B E = E B D3 B E.
Finalmente,
C 4 = (E B D3 B −1 E) (E B D B E = E B D3 B −1 (−I) B D B E = −(E B D4 B E).
Portanto, temos que
C 2k = −E B D2k B −1 E, C 2k+1 = E B D2k+1 B −1 E
Logo,
B 15 = E B D15 B −1 E.
Portanto,
√ √ 15 √ √
1/ √2 −1/√2 4 0 −1/√ 2 1/√2
C 15 = ,
−1/ 2 −1/ 2 0 (−2)15 1/ 2 1/ 2
onde a primera e a última matriz correspondem aos produtos E B e B E.