ÁLGEBRA LINEAR

ÁLGEBRA LINEAR

BELO HORIZONTE / MG
 ÁLGEBRA LINEAR

SUMÁRIO
1 SURGIMENTO E DESENVOLVIMENTO DA ÁLGEBRA LINEAR................................... 4

1.1 Equações Algébricas e Notação........................................................................ 5

1.2 Álgebra no Egito ................................................................................................ 6

1.3 Álgebra Geométrica Grega ................................................................................ 7

1.4 Álgebra na Europa............................................................................................. 9

2 ESPAÇOS VETORIAIS ARBITRÁRIOS........................................................................ 10

2.1 Espaços Vetoriais – Definição ......................................................................... 10

2.2 Subespaços Vetoriais ...................................................................................... 11

2.3 Subespaço Gerador ........................................................................................ 12

2.4 Base de um Espaço Vetorial ........................................................................... 12

2.5 Tipos de Espaços Vetoriais ............................................................................. 13

3 TRANSFORMAÇÕES LINEARES ARBITRÁRIAS ........................................................ 13

3.1 Definição.......................................................................................................... 13

3.2 Achando uma lei de formação ......................................................................... 14

3.3 Transformação no plano .................................................................................. 15

4 AUTOVALORES E AUTOVETORES ............................................................................ 17

4.1 Sistemas Bidimensionais Abstratos................................................................. 26

4.2 Propriedades de Autovalores .......................................................................... 28

4.3 Traço com soma de Autovalores ..................................................................... 28

4.4 Autovalores repetidos ...................................................................................... 30

4.5 Resolvendo equações a diferenças não diagonalizáveis ................................ 31

5 ESPAÇOS COM PRDUTO INTERNO .......................................................................... 36

5.1 Produto Interno Euclidiano e a Adjunta de uma Transformação Linear .......... 39

5.2 Vetores Ortogonais.......................................................................................... 40

5.3 Vetores Ortonormais ....................................................................................... 41

 ÁLGEBRA LINEAR

5.4 Complemento Ortogonal ................................................................................. 43

5.5 A Adjunta ......................................................................................................... 46

6 DIAGONALIZAÇÃO DE OPERADORES LINEARES .................................................... 47

6.1 Diagonalização de Operadores ....................................................................... 47

6.2 Diagonalização de uma matriz quadrada ........................................................ 47

7 APLICAÇÕES ............................................................................................................... 49
8 FUNÇÕES QUADRÁTICAS.......................................................................................... 50

8.1 Funções Quadráticas Definidas....................................................................... 51

8.2 Matrizes (quadradas e simétricas) definidas ................................................... 53

9 IDENTIFICAÇÃO DE CÔNICAS E QUADRÁTICAS ..................................................... 59

9.1 Sobre parametrização de curvas no plano e no espaço .................................. 60

9.2 Parametrização da circunferência em ........................................................ 60

9.3 Parametrização de uma hélice ........................................................................ 61

9.4 Curvas especiais: cônicas ............................................................................... 63

9.5 Cônicas como secções planas do cone .......................................................... 63

9.6 Estudo da parábola ......................................................................................... 65

9.7 Mudança de Sistemas Cartesianos com Rotação nos Eixos........................... 72

9.8 Estudo da elipse .............................................................................................. 74

9.9 Equação de uma elipse na forma paramétrica ................................................ 79

9.10 Propriedade focal da elipse .......................................................................... 80

9.11 Estudo da hipérbole ..................................................................................... 81

9.12 Propriedade focal da hipérbole..................................................................... 84

9.13 Classificação das cônicas ............................................................................ 85

10 BIBLIOGRAFIA BÁSICA ............................................................................................... 92

 ÁLGEBRA LINEAR

1 SURGIMENTO E DESENVOLVIMENTO DA ÁLGEBRA LINEAR

Estranha e intrigante é a origem da palavra "álgebra". Ela não se sujeita a uma

etimologia nítida como, por exemplo, a palavra "aritmética", que deriva do grego arithmos
("número"). Álgebra é uma variante latina da palavra árabe al-jabr (às vezes transliterada al-
jebr), usada no título de um livro, Hisab al-jabr w'al-muqabalah, escrito em Bagdá por volta do
ano 825 pelo matemático árabe Mohammed ibn-Musa al Khowarizmi (Maomé, filho de Moisés,
de Khowarizmi). Este trabalho de álgebra é com frequência citado, abreviadamente, como Al-
jabr.
Uma tradução literal do título completo do livro é a "ciência da restauração (ou reunião)
e redução", mas matematicamente seria melhor "ciência da transposição e cancelamento"-
ou, conforme Boher, "a transposição de termos subtraídos para o outro membro da equação"
e "o cancelamento de termos semelhantes (iguais) em membros opostos da equação". Assim,
dada a equação:

Talvez a melhor tradução fosse simplesmente "a ciência das equações". Ainda que
originalmente "álgebra" refira-se a equações, a palavra hoje tem um significado muito mais
amplo, e uma definição satisfatória requer um enfoque em duas fases:

• Álgebra antiga (elementar) é o estudo das equações e métodos de

resolvê-las.

• Álgebra moderna (abstrata) é o estudo das estruturas matemáticas tais

como grupos, anéis e corpos - para mencionar apenas algumas. De fato,
 ÁLGEBRA LINEAR

é conveniente traçar o desenvolvimento da álgebra em termos dessas

duas fases, uma vez que a divisão é tanto cronológica como conceitual.

1.1 Equações Algébricas e Notação

A fase antiga (elementar), que abrange o período de 1700 a.C. a 1700 d.C.,
aproximadamente, caracterizou-se pela invenção gradual do simbolismo e pela resolução de
equações (em geral coeficientes numéricos) por vários métodos, apresentando progressos
pouco importantes até a resolução "geral" das equações cúbicas e quárticas e o inspirado
tratamento das equações polinomiais em geral feito por François Viète, também conhecido
por Vieta (1540-1603).
O desenvolvimento da notação algébrica evoluiu ao longo de três estágios: o retórico
(ou verbal), o sincopado (no qual eram usadas abreviações de palavras) e o simbólico. No
último estágio, a notação passou por várias modificações e mudanças, até tornar-se
razoavelmente estável ao tempo de Isaac Newton. É interessante notar que, mesmo hoje, não
há total uniformidade no uso de símbolos. Por exemplo, os americanos escrevem "3.1416"
como aproximação de Pi, e muitos europeus escrevem "3,1416". Em alguns países europeus,
o símbolo "÷" significa "menos". Como a álgebra provavelmente se originou na Babilônia,
parece apropriado ilustrar o estilo retórico com um exemplo daquela região. O problema
seguinte mostra o relativo grau de sofisticação da álgebra babilônica. É um exemplo típico de
problemas encontrados em escrita cuneiforme, em tábuas de argila que remontam ao tempo
do rei Hammurabi. A explanação, naturalmente, é feita em português; e usa-se a notação
decimal indo-arábica em vez da notação sexagesimal cuneiforme. A coluna à direita fornece
as passagens correspondentes em notação moderna.
Eis o exemplo:
[1] Comprimento, largura. Multipliquei comprimento por largura, obtendo assim
a área: 252. Somei comprimento e largura: 32. Pede-se: comprimento e largura.
 ÁLGEBRA LINEAR

Nota-se que na etapa [1] o problema é formulado, na [2] os dados são apresentados,
na [3] a resposta é dada, na [4] o método de solução é explicado com números e, finalmente,
na [5] a resposta é testada.
A "receita" acima é usada repetidamente em problemas semelhantes. Ela tem
significado histórico e interesse atual por várias razões.
Antes de tudo não é a maneira como resolveríamos hoje o sistema (A). O procedimento
padrão nos atuais textos escolares de álgebra é resolver, digamos, a primeira equação para
y (em termos de x), substituir na segunda equação e, então, resolver a equação quadrática
resultante em x; isto é, usaríamos o método de substituição. Os babilônios também sabiam
resolver sistemas por substituição, mas frequentemente preferiam usar seu método
paramétrico. Ou seja, usando-se notação moderna, eles concebiam x e y em termos de uma
nova incógnita (ou parâmetro) t fazendo: x=(k/2)+t e y=(k/2)-t

Então o produto:
xy = ((k/2) + t) ((k/2) - t) = (k/2)2 - t2 = P

Levava-os à relação (B):

(k/2)2 - P = t2

Em segundo lugar, o problema acima tem significado histórico porque a álgebra grega
(geométrica) dos pitagóricos e de Euclides seguia o mesmo método de solução - traduzida,
entretanto, em termos de segmentos de retas e áreas e ilustrada por figuras geométricas.
Alguns séculos depois, outro grego, Diofanto, também usou a abordagem paramétrica em seu
trabalho com equações "diofantinas". Ele deu início ao simbolismo moderno introduzindo
abreviações de palavras e evitando o estilo um tanto intrincado da álgebra geométrica.
Em terceiro lugar, os matemáticos árabes (inclusive al-Khowarizmi) não usavam o
método empregado no problema acima; preferiam eliminar uma das incógnitas por
substituição e expressar tudo em termos de palavras e números.
Antes de deixar a álgebra babilônica, notemos que eles eram capazes de resolver uma
variedade surpreendente de equações, inclusive certos tipos especiais de cúbicas e quárticas
- todas com coeficientes numéricos, naturalmente.

1.2 Álgebra no Egito

A álgebra surgiu no Egito quase ao mesmo tempo que na Babilônia; mas faltavam à
álgebra egípcia os métodos sofisticados da álgebra babilônica, bem como a variedade de
equações resolvidas, a julgar pelo Papiro Moscou e o Papiro Rhind - documentos egípcios
que datam de cerca de 1850 a.C. e 1650 a.C., respectivamente, mas refletem métodos
matemáticos de um período anterior. Para equações lineares, os egípcios usavam um método
de resolução consistindo em uma estimativa inicial seguida de uma correção final - um método
ao qual os europeus posteriormente deram o nome um tanto abstruso de "regra da falsa
posição". A álgebra do Egito, como a da Babilônia, era retórica.
 ÁLGEBRA LINEAR

O sistema de numeração egípcio, relativamente primitivo em comparação com o dos

babilônios, ajuda a explicar a falta de sofisticação da álgebra egípcia. Os matemáticos
europeus do século XVI tiveram de estender a noção indo-arábica de número antes de
poderem avançar significativamente além dos resultados babilônios de resolução de
equações.
1.3 Álgebra Geométrica Grega

A álgebra grega conforme foi formulada pelos pitagóricos e por Euclides era
geométrica. Por exemplo, o que nós escrevemos como:

(a+b)2 = a2 + 2ab + b2

Era concebido pelos gregos em termos do diagrama apresentado na Figura 1 e era

curiosamente enunciado por Euclides em Elementos, livro II, proposição 4: Se uma linha reta
é dividida em duas partes quaisquer, o quadrado sobre a linha toda é igual aos quadrados
sobre as duas partes, junto com duas vezes o retângulo que as
partes contêm. [Isto é, (a+b)2 = a2 + 2ab + b2.]
Somos tentados a dizer que, para os gregos da época de Euclides, a2 era realmente
um quadrado.
Não há dúvida de que os pitagóricos conheciam bem a álgebra babilônica e, de fato,
seguiam os métodos-padrão babilônios de resolução de equações. Euclides deixou
registrados esses resultados pitagóricos. Para ilustrá-lo, escolhemos o teorema
correspondente ao problema babilônio considerado acima.

Do livro VI dos Elementos, temos a proposição 28 (uma versão simplificada): Dada

uma linha reta AB [isto é, x+y=k], construir ao longo dessa linha um retângulo com uma dada
área [xy = P], admitindo que o retângulo "fique aquém" em AB por uma quantidade
"preenchida" por outro retângulo [o quadrado BF na Figura 2], semelhante a um dado
retângulo [que aqui nós admitimos ser qualquer quadrado].
 ÁLGEBRA LINEAR

Na solução desta construção solicitada (Fig.2) o trabalho de Euclides é quase

exatamente paralelo à solução babilônica do problema equivalente. Conforme indicado por
T.L. Heath / EUCLID: II, 263/, os passos são os seguintes:

Como fazia frequentemente, Euclides deixou o outro caso para o estudante - neste
caso, x = (k/2) +t, o que Euclides certamente percebeu, mas não formulou.
É de fato notável que a maior parte dos problemas-padrão babilônicos tenham sido
"refeitos" desse modo por Euclides. Mas por quê? O que levou os gregos a darem à sua
álgebra esta formulação desajeitada? A resposta é básica: eles tinham dificuldades
conceituais com frações e números irracionais.
Mesmo que os matemáticos gregos fossem capazes de contornar as frações, tratando-
as como razões de inteiros, eles tinham dificuldades insuperáveis com números como a raiz
quadrada de 2, por exemplo. Lembramos o "escândalo lógico" dos pitagóricos quando
descobriram que a diagonal de um quadrado unitário é incomensurável com o lado (ou seja,
diag/lado é diferente da razão de dois inteiros).
Assim, foi seu estrito rigor matemático que os forçou a usar um conjunto de segmentos
de reta como domínio conveniente de elementos. Pois, ainda que raiz quadrada de 2 não
possa ser expresso em termos de inteiros ou suas razões, pode ser representado como um
segmento de reta que é precisamente a diagonal do quadrado unitário. Talvez não seja
 ÁLGEBRA LINEAR

apenas um gracejo dizer que o contínuo linear era literalmente linear.

De passagem devemos mencionar Apolônio (c. 225 a.C.), que aplicou métodos
geométricos ao estudo das secções cônicas. De fato, seu grande tratado Secções cônicas
contém mais geometria analítica das cônicas - toda fraseada em terminologia geométrica - do
que os cursos universitários de hoje.
A matemática grega deu uma parada brusca. A ocupação romana tinha começado, e
não encorajava a erudição matemática, ainda que estimulasse alguns outros ramos da cultura
grega. Devido ao estilo pesado da álgebra geométrica, esta não poderia sobreviver somente
na tradição escrita; necessitava de um meio de comunicação vivo, oral. Era possível seguir o
fluxo de ideias desde que um instrutor apontasse para diagramas e explicasse; mas as
escolas de instrução direta não sobreviveram.

1.4 Álgebra na Europa

A álgebra que entrou na Europa (via Liber abaci de Fibonacci e traduções) havia
regredido tanto em estilo como em conteúdo. O semi-simbolismo (sincopação) de Diofanto e
Brahmagupta e suas realizações relativamente avançadas não estavam destinados a
contribuir para uma eventual irrupção da álgebra.
A renascença e o rápido florescimento da álgebra na Europa foram devidos aos
seguintes fatores:
• Facilidade de manipular trabalhos numéricos através do sistema de
numeração indo-arábico, muito superior aos sistemas (tais como o
romano) que requeriam o uso do ábaco;
• Invenção da imprensa com tipos móveis, que acelerou a padronização
do simbolismo mediante a melhoria das comunicações, baseada em
ampla distribuição;
• Ressurgimento da economia, sustentando a atividade intelectual; e a
retomada do comércio e viagens, facilitando o intercâmbio de ideias tanto
quanto de bens.

Cidades comercialmente fortes surgiram primeiro na Itália, e foi lá que o renascimento

algébrico na Europa efetivamente teve início1.

1
Texto extraído de: www.somatematica.com.br
 ÁLGEBRA LINEAR

2 ESPAÇOS VETORIAIS ARBITRÁRIOS

2.1 Espaços Vetoriais – Definição

Observação:

• Os elementos do espaço vetorial V são chamados vetores.

• Se na definição, tomarmos como escalares o conjunto C dos números
complexos, V seria um espaço vetorial complexo.

Exemplo 1:
V = R² = {(x, y) / x, y ∈ R} é um espaço vetorial com as operações de adição e
multiplicação por um número real definidas usualmente:

(𝑥1, 𝑦1) + (𝑥2, 𝑦2) = (𝑥1 + 𝑥2, 𝑦1 + 𝑦2)

𝛼 (𝑥1, 𝑦1) = (𝛼𝑥1, 𝛼𝑦1)
 ÁLGEBRA LINEAR

Verifique os oito axiomas do espaço vetorial, considere

𝒖 = (𝑥1, 𝑦1), 𝒗 = (𝑥2, 𝑦2) 𝑒 𝒘 = (𝑥3, 𝑦3).

2.2 Subespaços Vetoriais

A definição parece indicar que, para um subconjunto S ser subespaço vetorial de V,

se deveria fazer a verificação, em S, dos oito axiomas de espaço vetorial relativos à adição e
à multiplicação por escalar. Entretanto, como S é parte de V (que é espaço vetorial), não é
necessária essa verificação. Por exemplo, o axioma da comutatividade da adição é válido
para todos os vetores de V, ela valerá para todos os vetores de S.
A seguir, as condições para um subconjunto S ser um subespaço vetorial de V.

• Um subconjunto S, não-vazio, de um espaço vetorial V, é um subespaço

vetorial de V se forem satisfeitas as seguintes condições:

I. Para quaisquer u, v ∈ S, u + v ∈ S.

II. Para quaisquer α ∈ R, u ∈ S, αu ∈ S.

• Todo espaço vetorial V ≠ {0} admite, pelo menos, dois subespaços: o

conjunto {0}, chamado subespaço zero ou subespaço nulo e o próprio
espaço vetorial V. Esses dois são os subespaços triviais de V. Os demais
são denominados subespaços próprios de V.

• Os subespaços triviais do R², por exemplo, são {0, 0} e R², enquanto os

subespaços próprios são as retas que passam pela origem do sistema
de referência. De modo análogo, os subespaços triviais do R³ são {0, 0,
0} e o R³, os subespaços próprios do R³ são as retas e os planos que
passam pela origem do sistema de referência.

Exemplo 2: Verificar se os conjuntos são subespaços vetoriais de V.

 ÁLGEBRA LINEAR

a) Sejam V = R² e S = {(x, y) R²/ y = 2x} ou S = {(x, 2x); x R}.

b) Sejam V = R² e S = {(x, y) R²/ y = 4 – 2x} ou S = {(x, 4 – 2x); x R}.

c) Sejam V = R³ e S = {(x, y, 0); x, y R}, isto é, S é o conjunto dos vetores

do R³ que têm a terceira componente nula.

d) Sejam V = R³ e S = {(x, y, z) R³/2x + 3y – 4z = 0}.

2.3 Subespaço Gerador

Gerador do espaço é um conjunto de vetores pelo qual pode-se gerar todos os

elementos do espaço.
Suponha que 𝒗𝟏, 𝒗𝟐, …, 𝒗𝒏 são vetores em um espaço vetorial V. Diz-se que esses
vetores geram V se V consiste de todas as combinações lineares de 𝒗𝟏, 𝒗𝟐, …, 𝒗𝒏, isto é, se
todo vetor v em V pode ser expresso na forma:

v = 𝑎𝒗1 + 𝑏𝒗2 … 𝑘𝒗𝑛, onde a, b, ... k, são os escalares.

Exemplo 3:
a) Os vetores u = (1, 0) e v = (0, 1) geram o espaço vetorial R².
b) Os vetores u = (1, 0, 0), v = (0, 1, 0) e w = (0, 0, 1) geram o espaço
vetorial R³.

2.4 Base de um Espaço Vetorial

Se V é um espaço vetorial qualquer e B = {𝒗𝟏, 𝒗𝟐, …, 𝒗𝒏} é um conjunto de vetores

em V, dizemos que B é uma base de V se valerem as seguintes condições:

B é linearmente independente.
B gera V.
 ÁLGEBRA LINEAR

2.5 Tipos de Espaços Vetoriais

• Espaço Vetorial Euclidiano: É qualquer espaço que possui um número

finito de dimensões e possui uma operação denominada produto interno.

• Espaço de Hilbert: É qualquer espaço vetorial que possui uma operação

denominada produto interno e cuja métrica gerada por esse produto
interno o torne um espaço completo.

• Espaço Normado: É qualquer espaço vetorial que possui uma norma

definida.

• Espaço de Banach: É um espaço normado completo na métrica gerada

por esta norma.

• Espaço Vetorial Topológico: Se existe uma topologia compatível com

as operações de espaço vetorial.
3 TRANSFORMAÇÕES LINEARES ARBITRÁRIAS

3.1 Definição

Uma transformação linear, T : U→V, é uma função que associa os elementos de um

espaço vetorial U com os de um espaço vetorial V que possui as seguintes propriedades:
T(u1+u2) = T(u1) + T(u2) para todo u1, u2 U
T(αu) = αT(u) para todo u U e para todo α
 ÁLGEBRA LINEAR

No caso em que U = V, podemos chamar uma transformação linear F :U→U de

operador linear.

Exemplos: A aplicação F: dada por F (x, y, z) = -x + 2y + 4z é uma transformação

linear, já que tomando u,v , sendo u = (u1, u2, u3), v = (v1, v2, v3), temos que:
F (u + v) = F (u1 + v1, u2 + v2, u3 + v3) = - (u1 + v1) + 2(u2 + v2) + 4(u3 + v3) = - u1 +
2u2 + 4u3 - v1 + 2v2 + 4v3 = F(u) + F(v).
F(αu) = F (αu1, αu2, αu3) = - (αu1) + 2(αu2) + 4(αu3) = α (-u1 + 2u2 + 4u3) = αF(u).

Assim como a aplicação D:V→V definida por D(f) = f’, onde f’ é primeira derivada de
uma função f. Esta aplicação é linear, pois se tomarmos α, β, f(x), g(x), temos: D(αf(x) + βg(x))
= αD(f(x)) + βD(g(x)).

Observação: Isso também vale para a

derivada de ordem (n) de uma

função f (que seja derivável) e integrais de

uma função f (que seja integrável ).

Lembrando que, a Derivada e a Integral não
são aplicações bijetoras.

3.2 Achando uma lei de formação

Podemos tentar achar uma lei de formação de uma transformação linear, por exemplo:
temos que T: ℝ²→ℝ³ e T (2,1) = (1,3,0) e T (1,1) = (0,2,1), como podemos resolver? Sabendo
que {(2,1), (1,1)} é base de ℝ², já que a(2,1) + b(1,1) tem única solução para a = b = 0 e gera
o espaço ℝ², pois n(2,1) + k(1,1) = (x, y), temos o sistema { 2n + k = x, n + k = y }, resolvendo
achamos que n = x - y e k = 2y - x, podemos escrever qualquer vetor (x, y) como uma
combinação linear da base com n e k, substituindo temos:
(x, y) = (x - y) (2, 1) + (2y - x) (1, 1).

Como T é uma transformação linear, então:

T (x, y) = T ((x - y) (2, 1) + (2y - x) (1, 1))
 ÁLGEBRA LINEAR

T (x, y) = (x - y) T (2, 1) + (2y - x) T (1, 1)

Substituindo pelos valores de

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

Operando, a transformação que procuramos é:

T (x, y) = (x - y, x + y, 2y - x)

3.3 Transformação no plano

Considere todas as aplicações T, como T: ℝ²⭢ℝ², algumas transformações que

podemos fazer no plano são:

Reflexão em torno do eixo x

T (x, y) = (x, -y)

Reflexão em torno do eixo y

T (x, y) = (-x, y)
 ÁLGEBRA LINEAR

Reflexão em relação ao eixo y = x

T (x, y) = (y, x)

Expansão ou contração em no eixo x

T (x, y) = (kx, y)

Expansão ou contração em no eixo x

Expansão ou contração em no eixo y
 ÁLGEBRA LINEAR

T (x, y) = (x, ky)

Expansão ou contração em eixo y

E se fizermos a seguinte pergunta:

Qual a importância de aprender esse conteúdo? É de extrema importância, pois com
esse conteúdo que vimos podemos girar, rotacionar, diminuir, aumentar coisas no plano e no
espaço. Podemos aplicar a imagens por exemplo, já que formam uma matriz “gigante”,
podendo assim transformar cada valor na matriz. As transformações lineares também são
aplicadas na computação gráfica, usadas para por exemplo mudança de coordenadas do
sistema RBG para XYZ. Além das inúmeras aplicações na matemática e na física, como por
exemplo a diferenciação que é um operador linear no espaço vetorial de funções e podemos
resolver equações diferenciais usando técnicas da álgebra linear.

4 AUTOVALORES E AUTOVETORES

Os autovalores de uma matriz n × n são os n números que resumem as propriedades

essenciais daquela matriz. Como esses n números realmente caracterizam a matriz sendo
estudada também são denominadas algumas vezes “valores características” ou “valores
próprios”.
Definição: Seja A uma matriz n × n. Um autovalor de A é um número tal que, se for
subtraído de cada entrada na diagonal de A, converte A numa matriz singular. Subtrair um
escalar r de cada entrada diagonal de A é o mesmo que subtrair r vezes a matriz identidade I
de A. Portanto, r é um autovalor de A se, e somente se, A − rI é uma matriz singular.

Exemplo 1:
 ÁLGEBRA LINEAR

Subtraindo 2 de cada entrada diagonal A transformamos essa matriz em singular.

Teorema. As estradas de uma matriz diagonal D são autovalores de D.

Teorema. Uma matriz quadrada A é singular se, e somente se, 0 é um

autovalor de A.

Definição Matriz Singular. Uma matriz A é singular se, e somente se, detA =
0. Nesse caso r é um autovalor de A, ou seja, A−rI é uma matriz singular se, e
somente se, det(A−rI) = 0 Para An×n o lado esquerdo da equação acima é um
polinômio de grau n na variável r, denominado polinômio característico de A. O
número r é um autovalor de A se, e somente se, r é uma zero do polinômio
característico de A. Seja A2×2:

Portanto, uma matriz 2×2 tem no máximo dois autovalores e uma matriz n×n
no máximo n autovalores.

Definição. Quando r é um autovalor de A e um vetor não nulo V tal que (A−rI).V

= 0. Então, denominamos V um autovetor de A associado ao autovalor r.
Av −rIV = 0
Av = rV
 ÁLGEBRA LINEAR

Teorema. Seja An×n e r um escalar. Então, as seguintes afirmações são

equivalentes.
• A subtração de r de cada elemento da diagonal de A transforma A em
uma matriz Singular;
• A−rI é uma matriz Singular;
• det(A−rI) = 0;
• det(A−rI)V = 0 para algum vetor V não nulo;
• AV = rV

Exemplo: Vejamos a seguinte matriz:

As raízes do polinômio característico -3 e 2 (autovalores)

Vejamos os autovetores:
ÁLGEBRA LINEAR
 ÁLGEBRA LINEAR

Definição. O conjunto unidimensional da equação linear (a−rI)V = 0,

incluindo V = 0, é denominado autoespaço de A em relação a r.

Exemplo:
ÁLGEBRA LINEAR
 ÁLGEBRA LINEAR

Teorema. Os autovalores de uma matriz triangular são as suas entradas

diagonais.

Triangular superior 2×2

Teorema. Seja A uma matriz invertível. Se (A−rI)V = 0 então (A−2 − 1 r I)V =

0, isto é, se A é invertível r é seu autovalor se, e somente se, 1 r é um autovalor de
A−1.

Demonstração.

Exemplo: Equações lineares a diferenças

 ÁLGEBRA LINEAR

Exemplo: Modelo de Leslie

As duas matrizes dos coeficientes são inversas uma da outra.

 ÁLGEBRA LINEAR

Está facilmente desacoplado

 ÁLGEBRA LINEAR

4.1 Sistemas Bidimensionais Abstratos

Zn+1 = AZn

Vamos reproduzir o exemplo anterior, mas utilizaremos notação matricial

abstrata. Escreva P e P−1 para as matrizes de mudança de coordenadas:

Teorema. Seja A uma matriz k×k. Sejam r1, …, rk autovalores de A e V1, V2, ...,
Vk os autovetores associados. Forme a matriz:
 ÁLGEBRA LINEAR

Reciprocamente, se P−1AP é uma matriz diagonal D, então as colunas de P

são autovetores de A e todas entradas da diagonal D são autovalores de A.

Teorema. Seja A uma matriz k × k com h autovalores distintos r1,...,rh. Sejam

V1,....,Vhos autovalores. Então V1,....,Vh são linearmente independentes, ou seja,
nenhum desses vetores pode ser escrito como uma combinação linear dos demais.

Teorema. Seja A uma matriz k × k com k autovalores reais e distintos r1,...,rk e

autovetores associados V1,....,Vk. Então a solução geral do sistema de equações a
diferenças zn+1 = Azn é zn = C1r n 1 V1 +...+Ckr n k Vk

Teorema. Seja A uma matriz k ×k. Suponha que exista uma matriz não singular
P tal que:
 ÁLGEBRA LINEAR

Teorema. Se a matriz A de tamanho k×k tem k autovetores reais distintos,

então todas as soluções do sistema linear geral de equações a diferenças zn+1 = Azn
tendem a zero se, e somente se, todos os autovalores de A têm valor absoluto menor
do que 1.

4.2 Propriedades de Autovalores

Do ponto de vista prático, os autovalores de uma matriz A de tamanho k × k

são simplesmente os zeros do polinômio característico de A, o polinômio de grau K
dado por: p (r) = det (A−rI)
De fato, há 3 possibilidades para as raízes de p (r). p(r) tem K raízes reais
distintas; p(r) tem algumas raízes repetidas, ou p(r) tem algumas raízes complexas;

4.3 Traço com soma de Autovalores

Definição. O traço de uma matriz quadrada é a soma das suas entradas

diagonais trA = a11 + a22 + a33 + ... + akk

Teorema. Seja Ak × k com autovalores r1, ..., rk. Então,

r1 + r2 + ... + rk = trA, e

r1.r2...rk = detA

Demonstração:
 ÁLGEBRA LINEAR

Exemplo. Para matrizes markovianas a soma da coluna é sempre 1, logo ele é

um autovalor.
 ÁLGEBRA LINEAR

4.4 Autovalores repetidos

Definição: Uma matriz A que tem um autovalor de multiplicidade m > 1, mas

não possui m autovalores independentes associados a esse autovalor, é denominada
matriz não diagonalizável ou defectiva.

Teorema. Seja A uma matriz 2×2 com dois autovalores iguais. Então, A é
diagonalizável se, e somente se, A já é diagonal.

Demonstração. Se A é diagonalizável pela mudança de variáveis P, então as

entradas na diagonal de P −1AP são os autovalores de A. Seja o único autovalor de
A, Então, P −1AP deve ser a matriz

Definição: Seja r um autovalor da matriz A. Um vetor (não-nulo) v tal que

mas I)mv = 0 para algum inteiro m > 1 é denominado um
autovetor
generalizado de A associado a r .

Exemplo:
 ÁLGEBRA LINEAR

Teorema. Seja A uma matriz 2×2 com dois autovalores iguais r = r∗ . Então,
(a) ou A tem dois autovetores independentes associados a r∗, e neste caso, A é a
matriz diagonal r∗I.
(b) ou A tem somente um autovetor independente, digamos v1 tal que (A−r∗ I)v2
= v1 e, se P = [v1v2] então:

4.5 Resolvendo equações a diferenças não diagonalizáveis

Vamos solucionar um sistema de equações a diferenças zn+1 = Azn quando A

não é diagonalizável.
 ÁLGEBRA LINEAR

Agora temos uma equação a diferenças linear homogênea e escalar para

resolver. Vamos iterar a equação (34) a partir de n = 0 para descobrirmos a solução
geral:
 ÁLGEBRA LINEAR

Para ver que (35) é a solução geral de (34), substitua-a em (34):

Teorema. Seja A uma matriz 2 × 2 com um autovalor múltiplo r e somente um

autovetor independente v1.

Seja v2 um autovetor generalizado associado a v1 e r. Então, a solução geral

 ÁLGEBRA LINEAR

do sistema de equações a diferenças zn+1 = Azn é:

zn = (c0rn +nc1rn−1 )v1 +c2rn v2

Teorema. Seja A uma matriz k × k com entradas reais. Se r = α + iβ é um

autovalor de A, também seu complexo conjugado r¯ = α−iβ é um autovalor. Se u+iv é
um autovetor para α−iβ então u−iv é um autovetor para α−iβ. Se k é ímpar, então A
deve possuir pelo menos um autovalor real.

Seja:
 ÁLGEBRA LINEAR

Teorema. Seja A uma matriz 2×2 real com autovalores complexos α ±iβ com
autovetores complexos associados u ± iv . Escreva os autovalores α ± iβ em
coordenadas polares como r (cosθ +isenθ ),onde2

2
Texto extraído de: www.rodrigofernandez.com.br
 ÁLGEBRA LINEAR

5 ESPAÇOS COM PRDUTO INTERNO

Produto interno no espaço vetorial V é uma função de V V em IR que a todo

par de vetores (u, v) V V associa um número real, indicado por u .v ou , tal que os
seguintes axiomas sejam verificados:
P1) u.v = v.u
P2) u. (v + w) = u.v + u.w
P3) ( u).v = (u.v), IR
P4) u.u 0 e u.u = 0 se, e somente se, u = 0.

Dos quatro axiomas decorrem as propriedades:

0 . u = u . 0 = 0, u V
(u + v) . w = u . w + v . w
U . ( v) = (u . v), IR
U . (v1 + v2 + ... + vn) = u . v1 + u . v2 + ... + u . vn

Exemplos:
ÁLGEBRA LINEAR
ÁLGEBRA LINEAR
 ÁLGEBRA LINEAR

5.1 Produto Interno Euclidiano e a Adjunta de uma Transformação Linear

 ÁLGEBRA LINEAR

Definição:

5.2 Vetores Ortogonais

Definição: Um conjunto de vetores A = {v1, v2, . . ., vn} em Rn é um conjunto

ortogonal se:

Além disso se A é ortogonal então todos estes vetores são LI.

Demonstração: É óbvio pela definição de produto interno euclidiano que se

dois vetores são ortogonais então

Por outro lado sabendo que é um conjunto ortogonal,

então
devemos provar que este conjunto é LI. De fato temos que
 ÁLGEBRA LINEAR

5.3 Vetores Ortonormais

Definição:

Nota: A projeção do vetor v sobre o vetor u é dada por:

 ÁLGEBRA LINEAR

Basta lembrar que:

Demonstração:
 ÁLGEBRA LINEAR

5.4 Complemento Ortogonal

Definição:

Exemplo:

Proposição:
 ÁLGEBRA LINEAR

Demonstração:

Teorema:

Demonstração: Tomemos uma base ortonormal de V {v1, v2, . . . , vn}. Se u 𝜖

V, então
ÁLGEBRA LINEAR
ÁLGEBRA LINEAR

5.5 A Adjunta
 ÁLGEBRA LINEAR

6 DIAGONALIZAÇÃO DE OPERADORES LINEARES

6.1 Diagonalização de Operadores

Sabe-se que dado um operador linear T: V −→ V, a cada base B de V,

corresponde uma matriz TB que representa T na base B. O objetivo aqui é encontrar
uma base do espaço vetorial V de tal modo que a matriz de T seja a mais simples
possível, isto é, de modo que esta matriz seja diagonal.

6.2 Diagonalização de uma matriz quadrada

Uma matriz quadrada A é dita diagonalizável se existir uma matriz invertível P

tal que P −1AP é uma matriz diagonal. Dizemos, então, que a matriz P diagonaliza A.
 ÁLGEBRA LINEAR

Teorema: Se uma matriz A n x n é diagonalizável. Então, A possui n

autovetores linearmente independentes.

Demonstração:
 ÁLGEBRA LINEAR

7 APLICAÇÕES

Muitos fenômenos que ocorrem na Física, na Química, na Biologia, na

Engenharia e na Economia, podem ser descritos por modelos matemáticos
envolvendo equações diferenciais, isto é, equações envolvendo funções e suas
derivadas.
Vamos aplicar o que vimos até aqui na resolução de alguns tipos de sistemas
de equações diferenciais simples. Iniciemos lembrando que uma das equações
diferenciais mais simples podem ser escritas da seguinte forma:
 ÁLGEBRA LINEAR

8 FUNÇÕES QUADRÁTICAS

Denominação de uma função especial, definida genericamente por:

Em termos matriciais, a função quadrática pode ser representada por:

 ÁLGEBRA LINEAR

Por exemplo:

8.1 Funções Quadráticas Definidas

Diz-se que uma função quadrática é definida, se para todo x Rn, tal que x 0,
ela apresentar os seguintes resultados:
ÁLGEBRA LINEAR
 ÁLGEBRA LINEAR

Como toda matriz quadrada e simétrica pode ser utilizada para se obter uma
função quadrática, pode-se então utilizar a tipologia desta apresentada acima, para a
seguinte definição:

8.2 Matrizes (quadradas e simétricas) definidas

Diz-se que uma matriz simétrica, de ordem (n x n), é definida, se para todo x
 ÁLGEBRA LINEAR

Rn, tal que x 0, ela é tal que:

• xT Ax 0, caso em que a matriz é Definida Positiva;
• xT Ax 0, caso em que a matriz é Semi-definida Positiva;
• xT Ax 0, caso em que a matriz é Definida Negativa;
• xT Ax 0, caso em que a matriz é Semi-definida Negativa;
ÁLGEBRA LINEAR
ÁLGEBRA LINEAR
ÁLGEBRA LINEAR
ÁLGEBRA LINEAR
 ÁLGEBRA LINEAR

9 IDENTIFICAÇÃO DE CÔNICAS E QUADRÁTICAS

As cônicas são casos especiais de curvas e as quádricas, casos especiais de

superfícies. Ambos podem ser apresentados parametricamente ou implicitamente.
Vamos introduzir esses conceitos passo a passo, nas sessões a seguir.
 ÁLGEBRA LINEAR

9.1 Sobre parametrização de curvas no plano e no espaço

O conjunto imagem de uma curva parametrizada α(I) = {(x(t), y(t)) | t I} (resp,

α(I) = {(x(t), y(t), z(t)) | t I}) é chamado traço de α.
As curvas parametrizadas aparecem naturalmente na trajetória de uma
partícula em movimento, parametrizadas pelo tempo t. O traçoo da curva corresponde
ao conjunto de pontos por onde a partícula passa. O intervalo I corresponde ao
intervalo de tempo em que dura o movimento. Mas os parâmetros podem representar
outros elementos, como veremos a seguir.

9.2 Parametrização da circunferência em

 ÁLGEBRA LINEAR

Qual é o centro? Qual é o raio? Descreva as diferenças entre as curvas

(parametrizações). Interprete as parametrizações como trajetórias de uma partícula.

9.3 Parametrização de uma hélice

Considere a parametrização:

Esta é uma curva no espaço em que

Que, no plano Oxy, é a equação da circunferência de raio 2 e centro na origem.

Isto quer dizer que a projeção ortogonal do traço da curva sobre o plano Oxy está
contido na circunferência. Então, o traço da curva está sobre o cilindro de base
circular de raio 2 e eixo Oz.
ÁLGEBRA LINEAR
 ÁLGEBRA LINEAR

9.4 Curvas especiais: cônicas

Vimos que a intersecção de dois planos resulta ser uma reta, e também vimos
a curva de Viviani como intersecção de uma casca esférica e uma casca cilíndrica.
Assim, a intersecção de duas superfícies pode dar origem a curvas que podem
possuir propriedades interessantes. As cônicas são curvas planas que se originam da
intersecção de cone circular por um plano. As diversas posições desse plano em
relação ao cone dão origem a cônicas particulares muito importantes, como veremos a
seguir.

9.5 Cônicas como secções planas do cone

Considere um cone circular de vértice V e eixo r, cujas geratrizes formam

ângulo θ com o eixo do cone.
ÁLGEBRA LINEAR
 ÁLGEBRA LINEAR

• Quando o plano π passa pelo vértice V , e o ângulo entre π e o eixo é

igual a θ, a intersecção resulta em uma reta, que é uma reta geratriz.

• Quando o plano π passa pelo vértice V , e o ângulo entre π e o eixo é

menor que θ, a intersecção resulta em um par de retas concorrentes.

• Quando o plano π passa pelo vértice V , e o ângulo entre π e o eixo é

maior que θ, a intersecção resulta em um ponto, mais precisamente, o
vértice V .

As cônicas obtidas como intersecção do cone por planos passando pelo vértice
V são exemplos de cônicas tidas como degeneradas. Existem mais dois outros casos
de cônicas (degeneradas) que não comparecem na intersecção do cone circular com
o plano, que são: para de retas paralelas e vazio. Estas cônicas podem ser obtidas
como intersecção do cilindro com um plano. Na Geometria Projetiva, o cilindro é um
cone, com vértice “no infinito”. Essas cônicas foram obtidas no espaço, mas como são
curvas planas, isto é, contidas num plano, vamos passar ao estudo analítico das
cônicas como curvas do plano, isto é, de

9.6 Estudo da parábola

A parábola é uma curva plana caracterizada pela seguinte propriedade

geométrica:
 ÁLGEBRA LINEAR

Essa propriedade pode ser demonstrada a partir de sua concepção como uma
secção do cone mas não a faremos aqui. O interessados podem procurar as

construções de Dandelin. Para obtermos uma equação para a parábola

lançamos mão de um sistema de referencial cartesiano adequado no plano da
parábola. Seja então um sistema S = {O, x, y}, escolhido como segue:
 ÁLGEBRA LINEAR

A distância de

Logo Elevando ao

quadrado temos
Esta é a equação reduzida da parábola.

Esta equação corrobora as observações geométricas feitas anteriormente:

1. A origem O = (0,0) satisfaz a equação da parábola. É chamada vértice
da parábola.
2. Os pontos (x,y) da parábola satisfazem a condição pois .

Além disso, vemos que a parábola é simétrica em relação ao eixo Ox, porque
se x0, y0) satisfaz a equação, então x0, −y0) também: (−y0)2 = y2o = 2px0. Por esta
razão, o eixo Ox é chamado eixo da parábola.
Alguns autores chamam p de parâmetro da parábola, porém, nestas notas,
esta denominação será evitada para não confundir com o parâmetro de uma curva
parametrizada. Estamos dizendo que, uma parametrização da curva parábola y2 = 8x,
por exemplo, pode ser dada pela aplicação

Observamos também que outros autores utilizam p para denotar a semi-

 ÁLGEBRA LINEAR

distância do foco à diretriz. Então, antes de utilizar a notação, veja a definição dentro
do texto.
Fazendo a escolha do sistema de coordenadas S = {O, x, y} de modo que o
foco F esteja sobre o semi-eixo negativo de Ox, a equação fica y2 = −2px, onde p > 0
é a distância do foco F à diretriz d, agora no semiplano x > 0.
 ÁLGEBRA LINEAR

Exercício: Deduzir a equação da parábola no sistema S = {O, x, y} de modo

que o foco se situe sobre o semi-eixo negativo de Oy e tenha V = (0, 0). Como fica a
concavidade da curva? Existe algum eixo de simetria?

Suponhamos agora que uma parábola tenha foco F = (−3, 2) e tenha como
diretriz o eixo Ox, num sistema cartesiano. Qual é a equação da parábola neste
sistema?

Observemos que estamos numa situação diferente em que não estamos

escolhendo o sistema de referências, mas lidando com um sistema já dado. Então,
não podemos de imediato escrever a equação como fizemos até agora.
 ÁLGEBRA LINEAR

A análise geométrica e algébrica que foi feita acima com a utilização de um

sistema de referenciais cartesianos auxiliar funciona para o estudo de qualquer
parábola que tenha eixo de simetria paralelo a um dos eixos coordenados.
Suponhamos agora uma parábola com foco F = (1, 1) e vértice V = O = (0, 0).
Qual a equação da parábola?
Como o eixo de simetria é a reta contendo o foco e o vértice, num sistema de
coordenadas S′ = {O, x′ , y′}, onde a semi-reta positiva de Oy′ é a semireta com origem
O e contendo F, e Ox′ perpendicular a Oy′ por O, a equação da parábola é conhecida:
(x′)2 = 2py′.

Temos que
Falta então conhecermos como escrever x′ e y′ em termos de x e y.
ÁLGEBRA LINEAR
 ÁLGEBRA LINEAR

9.7 Mudança de Sistemas Cartesianos com Rotação nos Eixos

 ÁLGEBRA LINEAR

Esta última mudança de coordenadas pode ser feita sempre que o eixo de
simetria da parábola não for paralelo a qualquer eixo coordenado, mas o vértice
continua na origem.
Numa situação mais geral, quando o vértice V não é mais a origem, e o eixo de
simetria não é paralelo a nenhum dos eixos coordenadas, deve-se efetuar duas
mudanças de coordenadas, uma envolvendo rotação dos eixos e uma outra
envolvendo a translação na origem.

Exercício: Obter a equação de uma parábola com foco F = (3, 2), p = 3 e eixo

de simetria na direção do vetor Quantas parábolas existem satisfazendo

as condições dadas? Qual a posição relativa entre elas?

Sugestão: Defina um sistema de coordenadas novo, S ′ = {O′ , x′ , y′}, com

origem sobre o vértice (existem duas possibilidades: quais?), que deve estar sobre a

reta r passando por F e com direção dada por . Considere o novo eixo O′y′ na reta
r, sendo o semieixo positivo aquele que contém F. Defina o eixo O′x′ de forma a obter
um sistema com base positivamente orientada. Nesse sistema, obtenha a equação da
parábola (em termos de x′ e y′ . Agora defina mais um sistema de coordenadas, S′′ =
{O′ , x′′, y′′} com mesma origem O′ e eixos O′x ′′ e O′y′′ paralelos aos eixos do sistema
original S = {O, x, y}. Para passar a equação da parábola para sistema S′ basta ver que
o sistema S′′ é obtido do sistema S′ por uma rotação nos eixos, e aplicar a mudança
correspondente.
Para obter a equação no sistema original, basta agora aplicar a mudança
descrita para translação na origem.

Observação: A parábola não tem um ponto de simetria. Só tem uma reta de

simetria. Esta propriedade a destaca de todas as outras cônicas.
 ÁLGEBRA LINEAR

9.8 Estudo da elipse

De maneira análoga ao estudo da parábola, vamos estudar a cônica elipse, a

partir de suas propriedades geométricas:
Uma elipse é um conjunto de pontos cuja soma das distâncias a dois pontos F1
e F2 é uma constante.

Então, os dados geométricos essenciais de uma elipse são os pontos F1 e F2

chamados focos da elipse, e uma medida fixada, que denotaremos por 2a. A distância
entre F1 e F2 é chamada distância focal. Se denotarmos dist(F1, F2) = 2c, devemos ter
 ÁLGEBRA LINEAR

claramente a condição 2a > 2c, o que implica a > c. Quando c = 0, isto é, F1 = F2, a
elipse se degernera numa circunferência. Há quem prefira não chamar a
circunferência de elipse. Suponhamos então sempre c > 0 quando nos referirmos a
uma elipse.
Para estudar analiticamente uma elipse, fixemos um sistema cartesiano
adequado: S = {O, x, y} em que O é o ponto médio do segmento F1F2, o eixo Ox
contendo os focos, e o eixo Oy é a reta perpendicular a r(F1, F2) por O.
ÁLGEBRA LINEAR
ÁLGEBRA LINEAR
 ÁLGEBRA LINEAR

Exemplo: Suponha dada a equação quadrática 4x2+ 9y2−8x−36y+ 4 = 0. Esta

equação foi dada num sistema cartesiano fixado, e como contém termos com x e y,
lineares e não quadráticos, não conseguimos identificar imediatamente a curva em
questão. Vamos reescrever a equação: 4(x2 – 2x) + 9 (y2 – 4y) + 4 = 0.
O termo x2 − 2x pode ser “completado”como segue, sem, alterar o resultado: x2
− 2x = x2 − 2x + 1 − 1 = (x − 1)2 − 1. Analogamente, y2 − 4y = y2 − 4y + 4 − 4 = (y −
2)2 − 4.
Assim,
 ÁLGEBRA LINEAR

9.9 Equação de uma elipse na forma paramétrica

No sistema cartesiano Oxy, considere duas circunferências com centro O, raios

a e b respectivamente, com a > b. Seja t um parâmetro angular, medido no sentido
anti-horário, a partir do semi-eixo positivo de Ox. Sejam M e N respectivamente pontos
das circunferências de raio a e b, tais que as semi-retas OM e ON formem ângulo
orientado t com o semi-eixo positivo Ox, como na figura. Então M = (a cos t, a sen t) e
N = (b cos t, b sen t).

Seja P = (a cos t, b sen t) ponto com a abscissa de M e a ordenada de N.

 ÁLGEBRA LINEAR

9.10 Propriedade focal da elipse

“Se P é um ponto da elipse de focos F1 e F2, então as semirretas PF1 e PF2

formam ângulos iguais com a reta tangente à elipse em P”. Esta propriedade é
utilizada em espelhos elíticos dos dentistas e outras aplicações envolvendo ótica e
acústica.
 ÁLGEBRA LINEAR

9.11 Estudo da hipérbole

ÁLGEBRA LINEAR
 ÁLGEBRA LINEAR

Quando o sistema é escolhido de modo que o eixo Oy seja o eixo focal e o

centro em O, a equação reduzida, com constante 2a fixada fica:

Neste caso não existem pontos da hipérbole sobre o eixo Ox.

Observação 1: Não há necessidade de a > b ou b > a na notação da equação

reduzida da hipérbole. A relação que deve ser observada é sempre c > a e c2 − a2 = b2,
onde 2c é a distância focal e 2a é a constante da hipérbole.
 ÁLGEBRA LINEAR

9.12 Propriedade focal da hipérbole

Como no caso da elipse, a hipérbole tem propriedade focal:

“Se P é um ponto da hipérbole de focos F1 e F2, então as semirretas PF1 e PF2
formam ângulos iguais com a reta tangente à hipérbole em P”.
Esta propriedade também é utilizada em aplicações envolvendo ótica, como
em construção de um certo tipo de telescópio.
 ÁLGEBRA LINEAR

9.13 Classificação das cônicas

Substituindo na equação da cônica temos:

 ÁLGEBRA LINEAR

Quando o sistema para o cálculo do centro é impossível, temos o único caso

de cônica sem centro, que é a parábola.
Suponhamos agora somente as cônicas com centro (C = (0, 0)
Se a equação for da forma a11x2 + a22y2 + a33 = 0, sem termo misto 2a12xy,
então já podemos classificar:
 ÁLGEBRA LINEAR

Exemplos:
 ÁLGEBRA LINEAR

No caso de termos termo quadrático misto na equação da cônica com centro

(já devidamente colocado na origem), temos:
p(x, y) = a11x2 + 2a12xy + a22y2 + a33 = 0

Uma rotação nos eixos para deixar os eixos de simetria iguais aos eixos
coordenados elimina o termo misto.
ÁLGEBRA LINEAR
 ÁLGEBRA LINEAR

No caso de parábolas, ao se tentar calcular o centro, vimos que este não

existe. Para desenhálo, num caso geral, primeiro se aplica a rotação dos eixos de
 ÁLGEBRA LINEAR

forma que o termo misto desapareça, exatamente como foi feito acima, tomando o
cuidado de alterar a parte linear. Esta rotação dos eixos coordenados deixa o eixo de
simetria da parábola paralelo a um dos novos eixos coordenados.
Depois, faz-se uma translação da origem para que o vértice fique na nova
origem.3

3
Texto extraído de: www.sweet.ua.pt.com.br
 ÁLGEBRA LINEAR

10 BIBLIOGRAFIA BÁSICA

ANTON, H; BUSBY, R. Álgebra Linear Contemporânea. Bookman, 2006.

ANTON – RORRES. Álgebra Linear com Aplicações. Bookman, 2001. BOLDRINI, J.

L; COSTA, S. R. C; FIGUEIREDO, V. L; WETZLER, H. G. Álgebra

Linear. Editora Harbra Ltda. São Paulo, 1986.

BIBLIOGRAFIA COMPLEMENTAR

CALLIOLI, C. A; DOMINGUES, H. H; COSTA, R. C. F. Álgebra Linear e Aplicações.

Atual Editora. 1987.
NOBLE, B; DANIEL, J. W. Álgebra Linear Aplicada. Prentice/Hall do Brasil. 1977.

POOLE, D. Álgebra Linear. Thomson, 2004.