Escolar Documentos
Profissional Documentos
Cultura Documentos
Definição. Dados os números reais a1, a2, ..., an, b (n 1), à equação
(I) a1 x1 + a2 x2 + ... + an xn = b
onde os xi são variáveis em R, damos o nome de equação linear sobre R nas incógnitas xi.
Definição. Uma solução da equação (I) é uma n-upla de números reais indicada por (b 1, b2,
..., bn), tal que a1 b1 + a2 b2 + ... + an bn = b é uma frase verdadeira.
S:
Definição. Uma solução do sistema acima é uma n-upla (b 1, b2, ..., bn) de números reais
que é solução de cada uma das equações do sistema.
Definição. Sejam dois sistemas S e S'. Dizemos que S e S' são equivalentes se são
incompatíveis ou têm as mesmas soluções.
Teorema. Dados dois sistemas S e S', se S' puder ser obtido de S através de um número
finito de transformações elementares então S e S' serão equivalentes.
a) Resposta:
b) Resposta: (-3y-3z+t, y, z, 2y+2z, t)
c) Resposta: (-2-y+5z, y, z, 1-2z)
d) Resposta: (2t, -3t, 0, t)
ESPAÇOS VETORIAIS
1
Definição. Um corpo é um conjunto não vazio K munido de duas operações, a saber:
+:KxK→K e ∙:KxK→K
(a,b) a+b (a,b) a.b
satisfazendo as seguintes condições:
A1) (a+b)+c = a+(b+c), a, b, c K;
A2) a+b = b+a, a, b K;
A3) 0 K / a+0 = a, a K;
A4) a K, -a K / a+(-a) = 0;
M1) (a.b).c = a.(b.c), a, b, c K;
M2) a.b = b.a, a, b K;
M3) 1 K / a.1 = a, a K;
M4) a K-{0}, a-1 K / a.a-1 = 1;
D) a.(b+c) = a.b+a.c, a, b, c K.
Neste trabalho, utilizaremos o corpo R dos números reais e o corpo C dos números
complexos, fazendo a distinção quando for necessário.
+:VxV→V e ∙:KxV→V
(u,v) u+v (a,u) a∙u
satisfazendo as seguintes condições:
i) (u + v) + w = u + (v + w), u, v, w V;
ii) u + v = v + u, u, v V;
iii) o V / u + o = u, u V;
iv) u V, -u V / u + (-u) = o;
v) (a.b) ∙ u = a ∙ (b ∙ u), u V, a, b K;
vi) (a + b) ∙ u = a ∙ u + b ∙ u, u V, a, b K;
vii) a ∙ (u + v) = a ∙ u + a ∙ v, u, v V, a K;
viii) 1∙ u = u, u V.
2
4. O conjunto Pn(R) = {ao + a1x + ... + anxn; ai R, i = 0,1,...,n} dos polinômios de grau
menor ou igual a n mais o polinômio nulo onde, dados u = a o + a1x + ... + anxn, v = bo + b1x
+ ... + bnxn Pn(R) e α R tem-se:
u+v = (ao+bo) + (a1 +b1)x + ... + (an +bn)xn
α ∙ u = α.ao + α.a1x + ... + α.anxn;
1. C;
2. Pn(C);
3. Mmxn(C);
4. Cn;
5. (C); onde as operações são definidas de forma análoga ao caso real.
iii) Dado u V, - (- u) = u;
Dem:
Basta observar que u + (-u) = o ■
3
iv) Dado u V, 0 ∙ u = o;
Dem:
0 ∙ u = (0 + 0) ∙ u = 0 ∙ u + 0 ∙ u 0 ∙ u + (-0 ∙ u) = (0 ∙ u + 0 ∙ u) + (-0 ∙ u) o = 0 ∙ u ■
v) Dado a K, a ∙ o = o;
Dem:
a ∙ o = a ∙ (o + o) = a ∙ o + a ∙ o a ∙ o = o ■
vi) Dados a K e u V, a ∙ u = o a = 0 ou u = o;
Dem:
Se a = 0, está acabado. Caso contrário, a ∙ u = o a-1 ∙ (a ∙ u) = a-1 ∙ o (a-1.a) ∙ u = o
1∙u=ou=o■
viii) Dados a, b K e u V, (a – b) ∙ u = a ∙ u – b ∙ u;
Dem:
(a – b) ∙ u = (a + (-b)) ∙ u = a ∙ u + (-b) ∙ u = a ∙ u + (-(b ∙ u)) = a ∙ u – b ∙ u ■
ix) Dados a K e u, v V, a ∙ (u – v) = a ∙ u – a ∙ v;
Dem:
a ∙ (u – v) = a ∙ (u + (-v)) = a ∙ u + a ∙ (-v) = a ∙ u + (-(a ∙ v)) = a ∙ u – a ∙ v ■
Subespaços Vetoriais
Exemplo:
Seja o seguinte sistema linear homogêneo de ordem mxn sobre R
4
e seja S seu conjunto solução. Então S é um subespaço vetorial do R n. Com efeito, temos
que a n_upla (0,0,0,...,0) S. Por outro lado, se u = (b 1,b2,...,bn), v = (c1,c2,...,cn) S e k
R tem – se:
aj1 b1 + aj2 b2 + ... + ajn bn = 0 e aj1 c1 + aj2 c2 + ... + ajn cn = 0 donde
aj1.(b1+c1) + aj2.(b2+c2) + ... + ajn.(bn+cn) = 0 e
aj1.(k.b1) + aj2.(k.b2) + ... + ajn.(k.bn) = 0, 1 j m
isto é, u + v S e k ∙ u S.
a∙uUV
5
+ (v + w) U + (V + W), ou seja, (U + V) + W U + (V + W). A inclusão U + (V + W)
(U + V) + W prova – se de forma análoga. ■
ii) U + V = V + U;
Dem:
Basta observar que, dados u U e v V, u + v = v + u. ■
iii) U + {o} = U;
Dem:
Basta observar que, u + o = u, u U. ■
iv) U U + V.
Dem:
Dado u U, u = u + o, onde o V, isto é, u U + V. ■
Definição. Sejam U e V subespaços vetoriais de W tais que U V = {o}. Neste caso diz-
se que U + V é soma direta dos subespaços U e V. Notação: U V.
Se U e V são subespaços de W tais que U V = W dizemos que U e V são suplementares.
Exemplos:
a) Sejam U = {A Mmxn(R) / At = A} (conjunto das matrizes simétricas) e V = {B
Mmxn(R) / Bt = - B} (conjunto das matrizes antissimétricas). Dada C Mmxn(R), temos que
C = A + B, onde A = eB= . Como At = A e Bt = -B, segue que Mmxn(R) = U
+ V. Por outro lado, se A U V então At = A e At = -A, donde 2 A = 0, ou seja, A = 0
(matriz nula). Assim Mmxn(R) = U V.
b) Sejam U = {f (R) / f(-t) = f(t)} (conjunto das funções pares) e V = {g (R) / g(-t)
= -g(t)} (conjunto das funções ímpares). Dada h (R), temos que h = f + g, onde f(t) =
e g(t) = . Como f(-t)= f(t) e g(-t) = -g(t), segue que (R) = U + V.
Por outro lado, se f U V então f(-t) = f(t) e f(-t) = -f(t), donde 2 f(t) = 0, ou seja, f = 0
(função nula). Assim (R) = U V.
Combinações Lineares
6
Definição. Sejam V um espaço vetorial, v1, v2, ..., vn V e a1, ..., an K. Então o vetor v =
ai ∙ vi é um elemento de V denominado combinação linear de v1, v2, ..., vn.
Teorema. Sejam V um espaço vetorial e S = {v 1, v2, ..., vn} V. O conjunto [S] = [v1,
v2, ..., vn] = { ai ∙ vi ; ai K} é um subespaço vetorial de V chamado subespaço gerado
por S.
Dem:
Sejam u = ai ∙ vi, v = bi ∙ vi [S] e a K. Tem – se:
u + v = (ai + bi) vi [S]
a ∙ u = (a ∙ ai) vi [S]. ■
Propriedades.
i) S [S];
Dem:
Seja S = {u1, u2, ..., un}. Dado ui S, tem – se ui = 0 ∙ u1 + ... + 0 ∙ ui-1 + 1 ∙ ui + 0 ∙ ui+1 + ...
+ 0 ∙ un [S]. ■
v) [u1, ..., ui, ..., uj, ..., ur] = [u1, ..., uj, ..., ui, ..., ur];
Dem:
v [u1, ..., ui, ..., uj, ..., ur] v = a1 ∙ u1 + ... + ai ∙ ui + ... + aj ∙ uj + ... + ar ∙ ur v = a1 ∙ u1
+ ... + aj ∙ uj + ... + ai ∙ ui + ... + ar ∙ ur v [u1, ..., uj, ..., ui, ..., ur]. ■
vi) Para todo a K tem-se: [u1, ..., ui, ..., uj, ..., ur] = [u1, ..., ui, ..., uj+a ∙ ui, ..., ur];
Dem:
v [u1, ..., ui, ..., uj, ..., ur] v = a1 ∙ u1 + a2 ∙ u2 + ... + ai ∙ ui + ... + aj ∙ uj + ... + ar ∙ ur = a1 ∙
u1 + a2 ∙ u2 + ... + ai ∙ ui - aj .a ∙ ui + ... + aj ∙ uj + aj .a ∙ ui + ... + ar ∙ ur = a1 ∙ u1 + a2 ∙ u2 + ... +
(ai – aj .a) ∙ ui + ... + aj ∙ (uj + a ∙ ui) + ... + ar ∙ ur v [u1, ..., ui, ..., uj+a ∙ ui, ..., ur]. Por
outro lado, v [u1, ..., ui, ..., uj+a ∙ ui, ..., ur] v = a1 ∙ u1 + a2 ∙ u2 + ... + ai ∙ ui + ... + aj ∙ (uj
7
+ a ∙ ui) + ... + ar ∙ ur = a1 ∙ u1 + a2 ∙ u2 + ... + ai ∙ ui + aj .a ∙ ui + ... + aj ∙ uj + ... + ar ∙ ur v
[u1, ..., ui, ..., uj, ..., ur]. ■
Nota. No caso de S V ser um conjunto infinito, definimos [S] por: u [S] v1,
v2, ..., vn S e a1, ..., an K tais que u = ai vi e, por convenção, [] = {o}.
Exemplos de espaços vetoriais que não são finitamente gerados: (R), P(R) e .
EXERCÍCIOS
b) W = { ; c = b};
c) W = { ; b = 1 e c = a}.
8
5. Quais dos seguintes conjuntos W abaixo são subespaços de P(R)?
a) W = {f(t) P(R); f(t) tem grau maior que 2};
b) W = {f(t) P(R); f(0) = 2 f(1)};
c) W = {f(t) P(R); f(t) > 0};
d) W = {f(t) P(R); f(t) + f’(t) = 0}.
11. Dar um sistema de geradores para cada um dos seguintes subespaços do R3:
a) U = {(x,y,z) R3; x – 2y = 0};
b) V = {(x,y,z) R3; x + z = 0 e x – 2y = 0};
c) W = {(x,y,z) R3; x + 2y – 3z = 0};
d) U + V;
e) U V.
BASE E DIMENSÃO
9
Definição. Sejam V um espaço vetorial e v1, v2, ..., vn elementos de V. Dizemos que o
conjunto {v1, v2, ..., vn} é linearmente independente (L.I.), ou que os vetores v 1, v2, ..., vn
são L.I., se a equação a1 ∙ v1 + a2 ∙ v2 + ... + an ∙ vn = o implica que a1 = a2 = ... = an = 0. No
caso contrário, ou seja, é possível uma igualdade do tipo a1 ∙ v1 + a2 ∙ v2 + ... + an ∙ vn = o
com algum escalar não nulo, dizemos que v1, v2, ..., vn são L.D.
Propriedades.
i) Se um conjunto finito L V contém o vetor nulo, então esse conjunto é L.D.
Dem:
Seja L = {o, v1, v2, ..., vn}. Tomando a K, a 0 tem – se a ∙ o + 0 ∙ v1 + ... + 0 ∙ vn = o
com pelo menos um escalar não nulo. ■
iii) S = {v1, v2, ..., vn} é L.D. se, e somente se, um dos seus vetores é combinação linear
dos outros.
Dem:
() Temos que existem escalares a1, ..., an, não todos nulos, tais que a 1 ∙ v1 + a2 ∙ v2 + ... +
an ∙ vn = o. Supondo, por exemplo, que a1 0 temos que v1 = (- ) ∙ v2 + ... + (- ) ∙ vn.
() Supondo, por exemplo, que v1 = a2 ∙ v2 + ... + an ∙ vn temos que (-1) ∙ v1 + a2 ∙ v2 + ... +
an ∙ vn = o, donde v1, v2, ..., vn são L.D. ■
vi) Se S = {v1, v2, ..., vn} é L.I., e para um certo u em V tivermos S {u} L.D., então o
vetor u é combinação linear dos vetores v1, v2, ..., vn, isto é, u [S].
Dem:
Temos, por hipótese, a1 ∙ v1 + a2 ∙ v2 + ... + an ∙ vn + a ∙ u = o, com pelo menos um escalar
não nulo. Se a = 0 continuaríamos a ter a1 ∙ v1 + a2 ∙ v2 + ... + an ∙ vn = o com algum escalar
10
não nulo, o que seria um absurdo, visto que {v1, v2, ..., vn} é L.I. Assim a 0, donde u =
(- ) ∙ v1 + ... + (- ) ∙ vn. ■
vii) Se S = {v1, v2, ..., vn} é L.I., e para um certo u em V tivermos u [S], então S {u} é
L.I.
Dem:
Se S {u} for L.D., então, pela propriedade anterior, u [S]. ■
viii) Se S = {v1, ..., vj, ..., vn} e vj [S-{vj}] (isto é, vj é combinação linear dos demais
vetores de S), então [S] = [S-{vj}].
Dem:
Como S-{vj} S, segue que [S-{vj}] [S]. Por outro lado, temos que vj = a1 ∙ v1 + ... +
aj-1 ∙ vj-1 + aj+1 ∙ vj+1 + ... + an ∙ vn assim, dado u [S] tem – se u = b1 ∙ v1 + ... + bj-1 ∙ vj-1 + bj
∙ vj + bj+1 ∙ vj+1 + ... + bn ∙ vn = (b1 + bj.a1) ∙ v1 + ... + (bj-1 + bj.aj-1) ∙ vj-1 + (bj+1 + bj.aj+1) ∙ vj+1
+ ... + (bn + bj.an) ∙ vn, donde u [S-{vj}]. ■
Base e Dimensão
Lema 1. Seja B = {u1, u2, ..., un} uma base de um espaço vetorial V. Se u V é tal que u =
a1 ∙ u1 + ... + ai ∙ ui + ... + an ∙ un com ai 0, então {u1, ..., ui-1, u, ui+1, ..., un} também é uma
base de V.
Dem:
Supondo, por exemplo, i = 1 temos que u1 = b ∙ u + b2 ∙ u2 + ... + bn ∙ un onde b = a1-1, b2 = -
a1-1.a2, ..., bn = - a1-1.an. Dado v V, tem – se v = c1 ∙ u1 + ... + ci ∙ ui + ... + cn ∙ un = (c1.b) ∙ u
+ (c1.b2 + c2) ∙ u2 + ... + (c1.bn + cn) ∙ un, donde V = [u, u2, ..., un]. Por outro lado, supondo x
∙ u + x2 ∙ u2 + ... + xn ∙ un = o tem – se (x.a1) ∙ u1 + (x a2 + x2) ∙ u2 + ... + (x.an + xn) ∙ un = o,
donde x.a1 = 0, x.a2 + x2 = 0, ..., x.an + xn = 0, ou seja, x = 0, x2 = 0, ..., xn = 0. ■
Lema 2. Suponhamos que exista uma base de V com n vetores. Então se B = {u1, u2, ...,
un} V é L.I. e possui n vetores, B é também uma base de V.
Dem:
11
Seja C = {v1, v2, ..., vn} uma base de V. Então u1 = a1 ∙ v1 + ... + an ∙ vn. Não podemos ter
todos os escalares nessa igualdade nulos, pois isto implicaria que u1 = o o que é impossível
já que o conjunto B é L.I. Supondo, por exemplo, a1 0 temos que {u1, v2, ..., vn} é uma
base de V. Portanto u2 = b1 ∙ u1 + b2 ∙ v2 + ... + bn vn. Também não podemos ter b2 = ... = bn
= 0, senão {u1, u2} seria L.D. e, portanto, o mesmo aconteceria com o conjunto B.
Admitindo que b2 0 teremos {u1, u2, v3, ..., vn} é também uma base de V. A repetição
desse raciocínio nos levará à conclusão de que B é uma base de V. ■
Lema 3. Suponhamos V como no lema anterior. Então todo subconjunto de V que seja
L.I. tem no máximo n vetores.
Dem:
Suponhamos que exista S = {v1, v2, ..., vn, vn+1, ..., vt} V que tenha t > n vetores e que
seja L.I. Então B = {v1, v2, ..., vn} tem n vetores e é um subconjunto L.I. donde é uma base
de V. Assim vt = a1 ∙ v1 + ... + an ∙ vn o que é um absurdo, pois S é L.I. ■
Teorema. Seja V um espaço vetorial finitamente gerado. Então duas bases quaisquer de V
têm o mesmo número de vetores.
Dem:
Sejam B = {u1, u2, ..., un} e C = {v1, v2, ..., vm} duas bases quaisquer de V. Como B é base
de V e C é L.I., então m n. Analogamente, n m, logo m = n. ■
Nota. Seja V = [v1, v2, ..., vr] um subespaço do Kn. Se v1, v2, ..., vr se apresentam na forma
escalonada, então os vetores v1, v2, ..., vr formam um conjunto L.I. e, portanto, dim V = r.
Para vermos isto, basta notarmos que, neste caso, nenhum vetor pode ser escrito como
combinação linear dos demais.
Coordenadas
Teorema. Sejam V um espaço vetorial e B = {v1, v2, ..., vn} uma base ordenada de V.
Então cada vetor de V é escrito de maneira única como combinação linear de B.
Dem:
Dado v V, seja v = a1 ∙ v1 + a2 ∙ v2 + ... + an ∙ vn e v = b1 ∙ v1 + b2 ∙ v2 + ... + bn ∙ vn. Assim
a1 ∙ v1 + a2 ∙ v2 + ... + an ∙ vn = b1 ∙ v1 + b2 ∙ v2 + ... + bn ∙ vn (a1-b1) ∙ v1 + ... + (an-bn) ∙ vn =
o a1 – b1 = 0, ..., an – bn = 0 a1 = b1, ..., an = bn. ■
Definição. Seja B = {v1, v2, ..., vn} base de V e v V onde v = a1 ∙ v1 + a2 ∙ v2 + ... + an ∙ vn.
Chamaremos os escalares a1, ..., an de coordenadas de v em relação à base B e denotamos
por:
[v]B =
Mudança de Base
Teorema.
i) =
ii) =( )-1
iii) [u]C = [u]B
iv) se B = {u1, u2, ..., un} é uma base de V e M = (a ij) é uma matriz inversível, então os
vetores vj = aij ∙ ui (j = 1, 2, ..., n) formam uma base de V.
Dem:
13
i) Sejam B = {u1, u2, ..., un}, C = {v1, v2, ..., vn}, D = {w1, w2, ..., wn}, = (aij) e
= (bjk). Assim vj = aij ∙ ui (j = 1, 2, ..., n) e wk = bjk ∙ vj (k = 1, 2, ..., n), donde wk
= bjk ∙ ( aij ∙ ui) = ( aij bjk) ∙ ui. ■
EXERCÍCIOS
2. Verificar quais dos seguintes conjuntos de vetores formam uma base do R2:
a) {(1,2), (-1,3)}
b) {(1,3), (-4,-12)}
c) {(1,2)}
5. Determinar e , onde:
a) B = {(1,0), (0,1)} e C = {(-1,1), (1,1)}
b) B = {( ,1), ( ,-1)} e C = {(-1,1), (1,1)}
c) B = {(1,1,1), (1,2,0), (3,1,0)} e C = {(1,2,1), (0,3,2), (1,1,4)}.
14
6. A matriz de mudança de uma base B do R2 para a base C = {(1,1), (0,2)} desse mesmo
espaço é . Determinar a base B.
7. A matriz de mudança da base B = {1+t, 1-t2} para uma base C ambas do mesmo
subespaço de P2(R) é . Determinar a base C.
8. Considere as bases B = {e1, e2, e3} e C = {g1, g2, g3} de R3 assim relacionadas:
g1 = e1 – e2 – e3
g2 = 2e2 + 3e3
g3 = 3e1 + e3
a) Determinar as matrizes de mudança de B para C e de C para B;
b) Se [u]B = (1, 2, 3), determinar [u]C.
TRANSFORMAÇÕES LINEARES
() Sejam u e v U tais que F(u) = F(v). Então F(u) – F(v) = o F(u – v) = o u – v
Ker(F) u – v = o u = v, isto é, F é injetora. ■
16
Definição. Entende-se por isomorfismo do espaço vetorial U no espaço vetorial V uma
transformação linear F: U V que seja bijetora. Um isomorfismo F: U U é um
automorfismo de U.
Teorema. Sejam U e V espaços vetoriais. Dado B = {u 1, ..., ur} uma base de U, para toda
seqüência de vetores v1, ..., vr de V a aplicação F: U V dada por F( ai · ui) = ai · vi é
linear com F(ui) = vi e, se G: U V é linear e G(ui) = vi então F = G.
Dem:
Sejam u e v U e a K. Então u = ai · ui e v = bi · ui, donde F(u + v) = F( ai · ui +
bi · ui) = F((ai + bi) · ui) = (ai + bi) · vi = ai · vi + bi · vi = F(u) + F(v) e F(a · u) =
F(a · ai · ui) = F( a.ai · ui) = a.ai · vi = a · ai · vi = a · F(u). Por outro lado, F(u i) =
F(0 · u1 + ... + 1 · ui + ... + 0 · ur) = 0 · v1 + ... + 1 · vi + ... + 0 · vr = vi. Dado u U, G(u) =
G( ai · ui) = ai · G(ui) = ai · F(ui) = F( ai · ui) = F(u). ■
Teorema. Dois espaços V e V de dimensão finita são isomorfos se, e somente se, dim U =
dim V.
Dem:
() Se F: U V for o isomorfismo segue de dim U = dim Ker(F) + dim Im(F) que dim U
= dim V, pois dim Ker(F) = 0 e Im F = V.
() Dadas as bases B = {u1, u2, ..., ur} e C = {v1, v2, ..., vr} de U e V, respectivamente,
tomando F: U V como no teorema anterior, temos que F é um isomorfismo visto que F
é linear e F transforma base de U em base de V. ■
17
TRANSFORMAÇÕES LINEARES PLANAS
(T) =
(T) =
3. Reflexão na origem
(T) =
(T) =
(T) =
(T) =
18
T : R2 R2; T(x,y) = (ax,y) , a > 0
(T) =
(T) =
(T) =
(T) =
(T) =
Exercícios.
1. Os pontos A = (2,-1), B = (6,1) e C = (x,y) são vértices de um triângulo equilátero.
Determinar o vértice C, utilizando a matriz de rotação.
19
3. Os pontos A = (-1,-1), B = (4,1) e C = (a,b) são vértices de um triângulo retângulo
isósceles, reto em A. Determinar o vértice C fazendo uso da matriz de rotação.
Definição. Chama-se produto interno no espaço vetorial V sobre R uma função de VxV
em R que a todo par de vetores (u,v) VxV associa um número real, indicado por u.v ou
<u,v>, tal que os seguintes axiomas sejam verificados:
(a) u.u 0 e u.u = 0 se, e somente se, u = o;
(b) u.(v + w) = u.v + u.w, u, v, w V;
(c) (a · u).v = a (u.v), a R e u, v V;
(d) u.v = v.u, u, v V.
Um espaço vetorial real, de dimensão finita, no qual está definido um produto interno, é
um espaço vetorial euclidiano.
Propriedades.
i) <o, u> = <u, o> = 0, u V;
Dem:
<o, u> = <0 · u, u> = 0 <u, u> = 0. ■
20
Definição. Dado um vetor v de um espaço vetorial euclidiano V, chama-se módulo, norma
ou comprimento de v o número real não-negativo, indicado por ||v||, definido por: ||v|| =
Definição. Chama-se distância entre dois vetores u e v o número real representado por d(u,
v) e definido por: d(u, v) = ||u – v||
Se ||v|| = 1, o vetor v é chamado vetor unitário. Diz-se, neste caso, que v está normalizado.
Propriedades.
i) ||v|| 0, v V e ||v|| = 0 se, e somente se, v = o;
Dem:
||v|| = 0, pois <v, v> 0. Por outro lado, ||v|| = 0 = 0 <v, v>
= 0 v = o. ■
21
Definição. Seja V um espaço vetorial euclidiano. Dados u e v em V, temos que existe
R, tal que 0 e cos = . Tal número é chamado de ângulo entre u e
v.
Propriedades.
i) o u, u V;
Dem:
Já está feita. ■
Definição. Seja V um espaço euclidiano. Diz-se que um conjunto de vetores {v 1, v2, ..., vn}
V é ortogonal se dois vetores quaisquer, distintos, são ortogonais.
Teorema. Um conjunto ortogonal de vetores não – nulos A = {v 1, v2, ..., vn} é linearmente
independente.
Dem:
Suponhamos a1 · v1 + a2 · v2 + ... + an · vn = o. Então <a1 · v1 + a2 · v2 + ... + an · vn, v1> =
<o, v1> a1 <v1, v1> + a2 <v2, v1> + ... + an <vn, v1> = 0 a1 ||v1||2 = 0 a1 = 0.
Analogamente obtemos a2 = a3 = ... = an = 0. ■
Definição. Diz-se que uma base {v1, v2, ..., vn} de V é ortogonal se os seus vetores são
dois a dois ortogonais.
Definição. Uma base B = {v1, v2, ..., vn} de V é ortonormal se B é ortogonal e todos os
seus vetores são unitários.
Teorema. Dado um espaço vetorial euclidiano V e uma base qualquer B = {v 1, v2, ..., vn}
desse espaço, mostre que o conjunto {w1, w2 , ..., wn} é uma base ortogonal de V onde:
w1 = v1
w2 = v2 - w1
w3 = v3 - w1 - w2 e assim
sucessivamente.
22
Este processo é conhecido como Processo de Ortogonalização de Gram-Schmidt.
Teorema. Seja V um espaço vetorial euclidiano e B = {v1, v2, ..., vn} uma base ortogonal
de V. Se w V é tal que w = a1v1 + a2v2 + ... + anvn então ai = , i = 1, 2, ..., n.
Dem:
w = a1v1 + a2v2 + ... + anvn <w, vi> = < a1v1 + a2v2 + ... + anvn , vi> <w, vi> = a1 <v1,
vi> + a2 <v2, vi> + ... + an <vn, vi> <w, vi> = ai <vi, vi> ai = .■
Teorema. Seja V um espaço vetorial euclidiano e B = {v 1, v2, ..., vn} uma base de um
subespaço S de V. Se um vetor u V é ortogonal a todos os vetores da base B, então u é
ortogonal a qualquer vetor do subespaço S.
Diz-se, nesse caso, que u é ortogonal a S e se representa por u S.
Dem:
Dado v S tem-se v = a1v1 + a2v2 + ... + anvn. Assim, u.v = u.( a1v1 + a2v2 + ... + anvn) = a1
u.v1 + a2 u.v2 + ... + an u.vn = a1 0 + a2 0 + an 0 = 0. ■
Propriedades.
i) S é subespaço de V
Dem:
Sejam u e v S e a R. Dado w S tem-se: (u+v).w = u.w + v.w = 0 e (a · u).w = a.
(u.w) = a.0 = 0, donde u+v S e a · u S. ■
ii) V = S S.
Dem:
Roteiro de Fórmulas:
1ª) determinar a matriz canônica M;
2ª) M - I;
3ª) det(M - I) = 0;
4ª) = b2 – 4 a c
x= ;
5ª) (M - I) v = 0.
CÔNICAS
Equações Reduzidas
Circunferência: x2 + y2 = r2
Elipse: + =1
Hipérbole: - = 1 ou - =1
Parábola: y = a x2 ou x = a y2
24
1ª) + + F = 0; M =
2ª) M - I;
3ª) det(M - I) = 0;
4ª) = b2 – 4 a c
x= ;
5ª) (M - I) v = 0;
6ª) ||(a,b)|| = ;
7ª) autovalores: 1 e 2
autovetores: v1 = (a1,b1) e v2 = (a2,b2)
8ª) + + F = 0;
9ª) (a + b)2 = a2 + 2 a b + b2 e (a – b)2 = a2 – 2 a b + b2.
Solução.
a) 2x2 + 2xy + 2y2 + 7 x+5 y + 10 = 0
Solução:
+ + 10 = 0 M=
M-I=
det(M - I) = 0 (2 - )2 – 1 = 0 4 – 4 + 2 – 1 = 0 2 – 4 + 3 = 0 1 = 3 e 2 = 1
Para = 3 temos:
(M - I) v = 0 = y=x
Para = 1 temos:
(M - I) v = 0 = y=-x
25
(x,y) = (x,- x) = x (1,- 1) e ||(1,- 1)|| = , assim v’’ = ( )
Autovalores: 1 = 1 e 2 = 3
Autovetores: v1 = ( ) e v2 = ( )
+ + 10 = 0
+ + 10 = 0
+3 + 2 x1 + 12 y1 + 10 = 0
+ 2 x1 + 3 + 12 y1 + 10 = 0
+ 2 x1 + 3 ( + 4 y1) + 10 = 0
( + 2 x1 + 1) – 1 + 3 [( + 4 y1 + 4) – 4] + 10 = 0
(x1 + 1) – 1 + 3 (y1 + 2) – 12 + 10 = 0
2 2
+3 =3 + =1
Solução:
+ - 20 = 0 M=
M-I=
Para = 20 temos:
(M - I) v = 0 = y= x
Para = -5 temos:
(M - I) v = 0 = y= x
26
Autovalores: 1 = 20 e 2 = -5
Autovetores: v1 = ( ) e v2 = ( )
+ - 20 = 0
+ - 20 = 0
20 -5 + 40 x1 - 20 y1 - 20 = 0
20 + 40 x1 - 5 - 20 y1 - 20 = 0
20( + 2 x1) - 5 ( + 4 y1) - 20 = 0
20[( + 2 x1 + 1) – 1] - 5 [( + 4 y1 + 4) – 4] - 20 = 0
20(x1 + 1) – 20 - 5 (y1 + 2) + 20 - 20 = 0
2 2
20 -5 = 20 - =1
c) x2 + 2xy + y2 - 8x + 4 = 0
Solução:
+ +4=0 M=
M-I=
det(M - I) = 0 (1 - )2 – 1 = 0 1 – 2 + 2 – 1 = 0 2 – 2 = 0 1 = 0 e 2 = 2
Para = 0 temos:
(M - I) v = 0 = y=-x
Para = 2 temos:
(M - I) v = 0 = y=x
Autovalores: 1 = 0 e 2 = 2
Autovetores: v1 = ( ) e v2 = ( )
27
+ +4=0
+ +4=0
2 - x1 - y1 + 4 = 0 - x1 + 2 - y1 + 4 = 0
- x1 + - y1 + 2 = 0
- x1 + ( - y1 + 2) – 2 + 2 = 0
- x1 + (y1 - )2 = 0
- x2 + =0 =2 x2
Solução:
- 156 = 0 M=
M-I=
Para = 13 temos:
(M - I) v = 0 = y= x
Autovalores: 1 = -12 e 2 = 13
Autovetores: v1 = ( ) e v2 = ( )
- 156 = 0
28
- 156 = 0
-12 + 13 - 156 = 0
- =1
29