GEOMETRIA ANALÍTICA E ÁLGEBRA

LINEAR
Roberto Carlos Lourenço
SUMÁRIO

BLOCO 1: VETORES 3
BLOCO 2: VETORES NO R³ E GEOMETRIA ANALÍTICA 12
BLOCO 3: GEOMETRIA ANALÍTICA 26
BLOCO 4: ESPAÇOS VETORIAIS 39
BLOCO 5: ESPAÇO VETORIAL EUCLIDIANO 49
BLOCO 6: TRANSFORMAÇÃO LINEAR 58

2
BLOCO 1: VETORES

Neste bloco, abordaremos Vetores no R³, um conteúdo fundamental para as demais

disciplinas dos cursos de Engenharia.

Iniciaremos nossos estudos a respeito desse tópico, explorando sua definição, seu
ponto no espaço e os segmentos orientados equipolentes. Em seguida, analisaremos o
vetor em coordenadas por meio da igualdade e adição de vetores; do ponto médio do
segmento e o módulo do vetor. Por fim, encerraremos o bloco com o produto de vetor
por um escalar.

Apesar de esse tema parecer assustador, recomendo que você tenha coragem e não se
intimide, pois, após o término deste momento de aprendizagem, eu garanto: esse
medo será superado!

Bons estudos!

1.1 Definição de Vetores no R³

 O ponto no R³

Neste primeiro momento, estudaremos o ponto no R³, realizando a representação em

três dimensões, em outras palavras, no espaço. Dessa forma, será necessário utilizar
três coordenadas (x, y, z), trabalhando com três eixos coordenados: das abscissas (x),
das ordenadas (y) e das cotas (z).

3
Na figura, consideramos os três eixos concorrentes no ponto O e perpendiculares dois
a dois, determinando o espaço R³. Temos o ponto P indicado pelas coordenadas
x P , y P , z P  .

 Segmentos Orientados Equipolentes

- Definição:

Dois segmentos orientados AB e CD são equipolentes quando ambos possuem o

mesmo módulo, direção e sentido, sendo indicado como AB ~ CD .

- Relação de equivalência:

I) Reflexividade - Todo segmento orientado do espaço é equipolente a si mesmo:

AB ~ AB

II) Simetria - Se o segmento orientado AB é equipolente à CD , então CD é

equipolente à AB : se AB ~ CD  CD ~ AB

III) Transitividade - Se o segmento orientado AB é equipolente à CD e se CD é

equipolente à EF , então AB é equipolente à EF : se
AB ~ CD e CD ~ EF  AB ~ EF

4
- Definição de Vetores no R³:

Vetor é uma classe de equivalência de segmentos orientados equipolentes, ou seja, é

um conjunto de segmentos orientados equipolentes.

Dessa forma, um vetor determinado por um segmento orientado AB é o conjunto de

todos os segmentos orientados no espaço que são equipolentes à AB .

Na figura, temos os segmentos orientados AB , CD e MN que são equipolentes,

isso acontece por que eles possuem mesmo comprimento, direção e sentido; assim,

representam o mesmo vetor v .

1.2 Vetor em Coordenadas

Neste momento, vamos compreender a representação do vetor no espaço, estudando

suas coordenadas no R³.

- Definição:

Vetor é o conjunto de todos os segmentos orientados que têm as mesmas

coordenadas.

5
O segmento orientado AB , com origem em A e extremidade B, tem as coordenadas:

Exemplo 1: Apresente as coordenadas do vetor indicado.

Assim, podemos afirmar que qualquer um dos segmentos orientados anteriores

representa o mesmo vetor.

Todos os vetores do espaço R³ são denotados por V³, onde R³ é o conjunto de todos os
ternos ordenados de números reais, e o conjunto V³ é o conjunto de todos os vetores
do espaço R³.

6
- Notação para coordenadas do vetor:

v  AB  B  A  ( x, y, z )

u  BA  A  B  ( x, y, z )

 Igualdade de Vetores

v  ( x1; y1; z1 )

u  ( x2 ; y2 ; z2 )

 x1  x2

v  u  ( x1 ; y1 ; z1 )  ( x2 ; y2 ; z2 )   y1  y2
z  z
 1 2

Dois vetores são iguais se possuem as mesmas coordenadas.

Exemplo 2: Qual é o par de vetores iguais?

7
  Adição de Vetores

v  ( x1 ; y1 ; z1 )

u  ( x2 ; y2 ; z2 )

v  u  ( x1; y1; z1 )  ( x2 ; y2 ; z2 )  ( x1  x2 ; y1  y2 ; z1  z2 )

A adição entre dois vetores é realizada com a soma da coordenada x de um vetor com
a x do outro, da mesma forma y com y e z com z. A adição entre dois vetores
determina outro vetor.

Exemplo 3: Desenvolva.

v  (2;3;7)

u  (5;6;1)

a )v  u

v  u  (2  5;3  6;7  1)  (7;9;8)

b )v  u

v  u  (2  5;3  6;7  1)  (3;3;6)

8
  Ponto Médio

 Módulo do Vetor

1.3 Produto de Vetor por um Escalar

Agora, vamos entender como realizar o produto de vetor com um escalar, sendo esse
um número real.

Sejam o vetor v e um escalar β (um número real qualquer), tal que:

v  ( x, y, z) V ³ e   R.

Produto de vetor por um escalar:

 v   ( x, y, z)  x, y, z 

9
Dessa forma, temos que o produto de vetor por um escalar é a multiplicação do
escalar com cada coordenada do vetor indicado.

Exemplo 1: Dados β = 4 e v  (2,3,7) , calcule β.

Exemplo 2: Dados β = 3. u  (1,5,3) e v  (4,6,2) , calcule β.(u + v).

Exemplo 3: Determine as coordenadas do vetor.

10
Exemplo 4: Dados os vetores a seguir, determine as coordenadas do vetor x:

Conclusão

Neste bloco, estudamos os Vetores no R³, sua definição, seu Ponto no Espaço, os
Segmentos Orientados Equipolentes, o Vetor em Coordenadas, a Igualdade de
Vetores, a Adição de Vetores, o Ponto Médio do Segmento, o Módulo do Vetor e o
Produto de Vetor por um Escalar.

Referências

WINTERLE, P. Vetores e Geometria Analítica. São Paulo: Pearson Makron Books, 2000.

LIPSCHUTZ, S. Álgebra Linear. Problemas e exercícios etc. São Paulo: Pearson Makron
Books, 1994.

REIS, G. L; SILVA, V. V. Geometria Analítica. Rio de Janeiro: LTC, 2012.

LAY, D. C; LAY, S. R; MCDONALD, J. J. Álgebra Linear e suas aplicações. Rio de Janeiro:

LTC, 2018.

11
BLOCO 2: VETORES NO R³ E GEOMETRIA ANALÍTICA

Neste bloco, teremos um estudo inicial sobre o Sistema de Coordenadas para

compreender o vetor; o ponto e a reta no espaço; o vetor unitário; a regra do
triangulo; e a adição de vetores. Em seguida, analisaremos os Produtos entre Vetores;
o Produto Escalar ou Interno; o Produto Vetorial ou Externo; e o Produto Misto. Por
fim, vamos explorar a Geometria Analítica, abordando o conteúdo sobre a Reta no R³
para ser possível estudarmos sua representação por meio de equações.

Desejo um ótimo período de estudos!

2.1 Sistemas de Coordenadas

Neste momento vamos identificar o Sistema de Coordenadas em R³.

  
Sendo O um ponto de R³ e B  (i , j , k ) uma base ortonormal positiva de V³.
  
Ao par (O, B) que também pode ser indicado por (O, i , j , k ) , damos o nome de sistema
ortogonal de coordenadas em R³.

O ponto O é a origem do sistema. Os eixos concorrentes em O que têm os sentidos dos

 
vetores , j , k denominam-se, respectivamente, eixo das abscissas, das ordenadas e
i
das cotas. Esses são os eixos coordenados.

12
13
2.2 Produto entre Vetores

 Produto Escalar ou Produto Interno

- Definição Algébrica:

Sendo u  ( x1 , y1 , z1 ) e v  ( x2 , y 2 , z 2 ) vetores no V³, o produto escalar é dado por


u.v  x1 .x2  y1 . y 2  z1 .z 2

 
Outra forma de indicar o produto escalar entre os dois vetores é:  u , v  , onde se
 
lê “ u v
escalar ”.

É importante compreender que o produto escalar entre dois vetores determina um

escalar, ou seja, um número real.

- Exemplos:

  
1) Dados os vetores u  (2,3,5) e v  (0,2,4) , apresente o produto escalar u.v .

- Resolução:

u.v  2.0  3.2  5.4  0  6  20  26

   
2) Dados os vetores u  (1,7,2) e v  (3,1,5) , apresente o produto escalar  u , v  .

- Resolução:
 
 u , v  (1).3  7.1  2.5  3  7  10  14

14
- Propriedades do Produto Escalar:

Para quaisquer vetores u, v e 

w e o número real β, temos:
 
P1) u.v  v.u
     
P2) u.(v  w)  u.v  u.w
    
P2)  .(u.v )  ( .u ).v  u.(v )

    
P4) u.u  0 se u  0 e u.u  0, se u  0  (0,0,0)
 2
P5) u.u  u

- Definição Geométrica de Produto Escalar:

Se u e

v forem vetores não nulos e θ for o ângulo entre eles, temos

    
 u , v  u.v  u . v cos  , sendo 0° ≤ θ ≤ 180°


Dois vetores são ortogonais se, e somente se, u.v  0

- Projeção ortogonal de um vetor sobre outro vetor:

Seja θ o ângulo entre u e


v.

15
   
Em ambos os casos,  .u é a projeção ortogonal do vetor v sobre o vetor u .

- A notação é:
 
   u, v  
proju v   .u   2 .u
u

 Produto Vetorial ou Produto Externo

O produto vetorial de dois vetores é uma operação que associa, a cada par de vetores
     
u, v de V³, um vetor, indicado por u  v , que se lê: “ u vetorial v ”.

- Outra Notação: u x v

- Definição de Produto Vetorial:

Sendo u  ( x1 , y1 , z1 ) e v  ( x2 , y 2 , z 2 ) vetores quaisquer de V³, o produto vetorial é

determinado:
  
i j k
 
u  v  x1 y1 z1
x2 y2 z2

- Exemplo:
   
Para os vetores u  (1,3,2) e v  (0,4,5) apresente u  v

16
- Resolução:
  
i j k
 
u v  1 3 2
0 4 5

Você lembra como se calcula a determinante de uma matriz quadrada de ordem 3?

Utilizamos essa ferramenta!
   
i j ki j
 
u v  1 3 21 3
0 4 50 4

       
 u  v  i .3.5  j .2.0  k .1.4  j .1.5  i .2.4  k .3.0

     
 u  v  15.i  4k  5 j  8i

    
 u  v  7i  5 j  4k  (7,  5, 4)

O produto Vetorial entre dois vetores determina um vetor.

- Propriedades:

Para quaisquer vetores u, v e 

w e o número real β, temos:

     
P1) ( .u )  v  u  ( .v )   .(u  v )
      
P2) u  (v  w)  u  v  u  w
   
P3) u  v  v  u

17
- Condições de Colinearidade entre dois Vetores:

Se u e
 
v são vetores não nulos e θ o ângulo entre eles, temos que u e

v

são colineares se, e somente se, u  v  0 .
 
Se u e

v não são colineares, então u  v é o vetor que satisfaz as seguintes
condições:

   
I) u  v  u . v .sen , 0    180;
 
II) O vetor u  v é ortogonal a u e

v.

- Área de Paralelogramo:

Um paralelogramo cujos lados são os vetores u e


v , sua área é dada por:

 
Aparalelog ramo  u  v

18
- Área de Triângulo:

Como o triângulo é a metade de um paralelogramo cujos lados são os vetores

 
u e v , sua área é dada por:

 
u v
Atriângulo 
2

 Produto Misto

- Definição:
  
Sejam três vetores u, v, w

 V ³ , tomados nessa ordem, a expressão: u.(v  w).

- Notação: u, v, w


 ou
  
u.(v  w).

Sejam os vetores u  ( x1 , y1 , z1 ) , v  ( x2 , y 2 , z 2 ) e 
w  ( x3 , y3 , z 3 ) quaisquer de V³. O
produto misto u, v, w

  u.(v  w ) pode ser obtido pelo cálculo do determinante:

x1 y1 z1
  
u , v , w  x2 y2 z2
x3 y3 z3

O resultado do produto misto é um escalar.

19
- Propriedades:

Qualquer que seja β ϵ R, temos:

P1) u, v, w   u, v, w   u, v, w    u, v, w 
P2) u1  u2 , v, w   u1 , v, w   u2 , v, w 
u1 , v1  v2 , w   u, v1 , w   u, v2 , w 
u, v, w1  w 2   u, v, w1   u, v, w 2 

- Condições de Coplanaridade entre três vetores:

I) Três vetores u, v e 

w são coplanares se, e somente se, o produto misto entre
eles resulta em zero.

u, v, w   0

II) Se o produto misto entre os três vetores for diferente de zero, os três vetores não
são coplanares.

u, v, w   0

20
- Volume do Paralelepípedo:

Sendo o paralelepípedo de arestas u, v e 

w , conforme representação abaixo

O volume do mesmo é dado por:

  
V paralelepípedo  u , v , w
Sendo o módulo do produto misto u, v, w  .

2.3 Retas no R³

 A reta no R³

Quando estudamos a reta, seja no R² ou no R³, é fundamental conhecermos um dos

axiomas da Geometria Euclidiana que afirma: dois pontos distintos determinam uma
única reta.

Dessa forma, temos que, dois pontos distintos A  ( x1 , y1 , z1 ) e B  ( x2 , y 2 , z 2 ) de R³

determinam uma reta r.

Um ponto P = (x, y, z) pertence à reta r se, e somente se, os vetores AP e AB forem

linearmente dependentes (LD) ou, ainda, se AP e AB são paralelos.

Logo, um ponto P pertence à reta se, e somente se, existir um escalar λ, tal que
AP  . AB

21
- Definição de reta:

Reta determinada por um ponto A e um vetor v  0 é o conjunto dos pontos P de R³
que satisfazem a relação


AP  . AB  P  A  v ,   R.


O vetor v é chamado de vetor diretor da reta r.

- Equação vetorial da reta:


r  P  R³ / P  A  v ,   R

Uma reta fica bem definida ao determinar um ponto e a direção pelo vetor diretor.

- Exemplo:

Escreva a equação vetorial da reta r que passa pelos pontos A = (5, -4, 2) e B = (3, 1, 6).

- Resolução:

Primeiro se determina um ponto como referência: A ou B.

Ao escolher um ponto, temos o vetor diretor que depende do ponto escolhido.

 
Ou seja, se escolher A, o vetor diretor v será: v  AB .
 
Agora, se o ponto escolhido for o B, o vetor diretor v será: v  BA

Para este caso, trabalharemos com o ponto A.


O vetor diretor v  AB  B  A  (2,5,4)

A equação vetorial será:

r : ( x, y, z)  (5,4,2)  .(2,5,4), R

22
- Equações Paramétricas da Reta r:

 x  x1  a

r :  y  y1  b (  R )
 z  z  c
 1

Onde x, y e z são coordenadas do ponto P, P = (x, y, z). O ponto de referência possui as


coordenadas x1 , y1 e z1 , A  ( x1 , y1 , z1 ) e o vetor diretor v  (a, b, c) .

- Exemplo:

Escreva as equações paramétricas da reta r que passa pelos pontos A = (5, -4, 2) e B =
(3, 1, 6).

- Resolução:

Primeiro determine um ponto como referência: A ou B.

Ao escolher um ponto, temos o vetor diretor que depende do ponto escolhido.

 
Ou seja, se escolher A, o vetor diretor v será: v  AB .
 
Agora, se o ponto escolhido for o B, o vetor diretor v será: v  BA

Para este caso, trabalharemos com o ponto A.


O vetor diretor v  AB  B  A  (2,5,4)

- Equações paramétricas:

 x  5  2

r :  y  4  5 (  R )
 z  2  4


23
- Equação Normal ou Simétrica da Reta:

- Equação Normal da reta r

x  x1 y  y1 z  z1
r:  
a b c

a  0, b  0 e c  0

Onde x, y e z são coordenadas do ponto P, P = (x, y, z). O ponto de referência possui as


coordenadas x1 , y1 e z1 , A  ( x1 , y1 , z1 ) e o vetor diretor v  (a, b, c) .

- Exemplo:

Escreva a equação normal da reta r que passa pelos pontos A = (5, -4, 2) e B = (3, 1, 6).

- Resolução:

Primeiro determina um ponto como referência: A ou B.

Ao escolher um ponto, temos o vetor diretor que depende do ponto escolhido.


Ou seja, se escolher A, o vetor diretor v será: v  AB .

Agora, se o ponto escolhido for o B, o vetor diretor v será: v  BA

Para este caso, vamos trabalhar com o ponto A.


O vetor diretor v  AB  B  A  (2,5,4)

- Equação Normal:
x 5 y  4 z 2
r:  
2 5 4

24
Conclusão

Estudamos, neste bloco, o sistema de coordenadas para compreender o vetor; o ponto

e a reta no espaço; o vetor unitário; a regra do triangulo; e a adição de vetores. Em
seguida, analisamos os produtos entre os vetores; o produto escalar ou interno; o
produto vetorial ou externo; e o produtos misto. Por fim, exploramos a geometria
analítica, abordando o conteúdo sobre a Reta no R³, desta forma, foi possível
estudarmos sua representação por meio de equações.

Referências

WINTERLE, P. Vetores e Geometria Analítica. São Paulo: Pearson Makron Books, 2000.

LIPSCHUTZ, S. Álgebra Linear – Problemas e exercícios etc. São Paulo: Pearson Makron
Books, 1994.

REIS, G. L; SILVA, V. V. Geometria Analítica. Rio de Janeiro: LTC, 2012.

LAY, D. C; LAY, S. R; MCDONALD, J. J. Álgebra Linear e suas aplicações. Rio de Janeiro:

LTC, 2018.

25
BLOCO 3: GEOMETRIA ANALÍTICA

Neste bloco abordaremos as posições relativas ente as retas no R³, identificando

quando duas retas são coplanares ou reversas; e quando são paralelas distintas,
coincidentes ou concorrentes. Teremos a oportunidade de estudar a definição do
Plano no R³, conhecendo as equações Vetorial, Paramétrica e Cartesiana do Plano.
Para finalizar, veremos as posições relativas entre dois planos no R³.

Aproveite o momento para aprender o máximo o possível.

Ótimos estudos!

3.1 Posições Relativas entre Retas

Estudando as duas retas r e s no R³, ao fixar um sistema ortogonal de coordenadas

  
(O, i , j , k ) , é possível identificar as posições relativas entre as duas, sendo coplanares
ou reversas.

Figura 1.1 Figura 1.2

Nas figuras 1.1 e 1.2, as retas r e s são coplanares e pertencem ao mesmo plano π.

Figura 1.3

Na figura 1.3 as retas r e s são reversas, não existindo um mesmo plano que contém as
retas r e s.
26
  Duas retas reversas

Para ser possível expressar analiticamente que duas retas são reversas, temos que a
 
reta r é definida por um ponto A e um vetor diretor u , sendo r: (A, u ); e a outra reta s
 
definida por um ponto B e um vetor diretor v , s: (B, v ).
 
Ao calcular o produto misto de u , v e AB , se o resultado for diferente de zero,
podemos afirmar que as duas retas r e s são reversas.

u, v, AB  0

- Exemplo:

Verifique se as retas r e s são reversas:

x 1 y  2 z  3 x  3 y  4 z 1
r:   e s:  
2 3 4 4 2 1

- Resolução:

Primeiro, identificamos as coordenadas dos vetores diretores e dos pontos de

referências (A e B).

Reta r:

u  (2, 3, 4)

A = (1, 2, 3

Reta s:

v  (4, 2, 1)

B = (3, 4, 1)

27
Segundo, determinamos as coordenadas do segmento orientado AB :

AB  B  A  (2, 2,  2)

  
Terceiro, calculamos o produto misto u , v , AB :

2 3 4 

 
  
u , v , AB   4 2 1   34
 2 2  2
 

r e s são retas reversas, pois u, v, AB  0

 Duas retas coplanares

Agora, com o objetivo de expressar analiticamente que duas retas são coplanares,

temos que admitir que a reta r é definida por um ponto A e um vetor diretor u , sendo
  
r: (A, u ); e que a outra reta s é definida por um ponto B e um vetor diretor v ,s: (B, v ).
 
Ao calcular o produto misto de u , v e AB , se o resultado for igual a zero, podemos
afirmar que as duas retas r e s pertencem ao mesmo plano, ou seja, r e s são
coplanares.

 Duas retas coplanares - concorrentes

Estudando as duas retas r e s, temos que a reta r é definida por um ponto A e um vetor
  
diretor u , sendo r: (A, u ); e a outra reta s definida por um ponto B e um vetor diretor v

, sendo s: (B, v ). Temos que r e s são coplanares e concorrentes se:
 
u   .v ,   R e u, 

v , AB  0

28
As retas r e s são concorrentes, onde o ponto P pertence às duas retas: r  s  P

- Exemplo:

Verifique a posição relativa das retas r e s:

 
r :  A  (2,4,0), u  (3,5,2) e s : B  (1,1,2), v  (2,4,1)

- Resolução:

 
Calculamos o produto misto de u , v e AB

 3 5 2 

 
 
u , v , AB   2 4

1 0
  3  5  2
 
As retas r e s são coplanares.

 
Agora, vamos verificar se u   .v
 
u  (3,5,2) e v  (2,4,1)

  3 5 2
u   .v  (3, 5, 2)   .(2, 4, 1) pois  
2 4 1

Neste caso, não existe um escalar α que ao multiplicar com as coordenadas do vetor v

determine o vetor u .

Portanto, as retas são coplanares e concorrentes.

29
  Duas retas coplanares: paralelas distintas ou paralelas coincidentes

 
Sendo a reta r definida por um ponto A e um vetor diretor u , onde r: (A, u ); e a outra
 
reta s definida por um ponto B e um vetor diretor v , s: (B, v ). Temos que r e s são
coplanares e:

1) paralelas distintas se:

 
u   .v ,   R e u, 

v , AB  0

Nesse caso, as retas são paralelas distintas e não possuem um ponto em comum,
r  s   .

2) paralelas coincidentes se:

u, 

v , AB  0,
 
u   .v ,   R e A  s ou B  r.

- Exemplo:

Estude a posição relativa das retas:

 
r :  A  (2,1,0), u  (3,2,1) e s : B  (4,4,0), v  (6,4,2)

30
- Resolução:
 
Calculamos o produto misto de u , v e AB

3  2 1

 
  
u , v , AB   6  4 2   0
6  5 0
 

As retas r e s são coplanares.

 
Agora, vamos verificar se u   .v
 
u  (3,2,1) e v  (6,4,2)

  3 2 1
u   .v  (3,  2, 1)   .(6,  4, 2) pois  
6 4 2

As retas r e s são paralelas. Será que são distintas ou coincidentes?

Para responder é necessário verificar se A ϵ s ou B ϵ r.

A equação normal de r é:

x  x1 y  y1 z  z1
r:  
a b c

a  0, b  0 e c  0

x  2 y 1 z
r:  
3 2 1

31
Nesse caso, vamos substituir as coordenadas do ponto B na equação de r:

4  2  4 1 0 5
  2 0 (F )
3 2 1 2

Portanto, B não pertence a r.

Dessa maneira, podemos concluir que as retas r e s são paralelas distintas.

3.2 Planos no R³

Identificar e compreender o plano no R³, conhecendo sua representação por meio das
equações.

Pelo axioma da Geometria Euclidiana:

Três pontos distintos não colineares determinam um único plano.

32
- Definição de Plano
 
Um Plano determinado por um ponto A e por dois vetores u e v é o conjunto dos
pontos P de R³ que satisfazem à relação:

   
AP  .u  .v  P  A  .u  .v , ,   R

- Equação Vetorial do Plano π:

 
 : P  A  .u  .v , ,   R

- Equações Paramétricas do Plano π:

 x  x A  .a1  .a2

 :  y  y A  .b1  .b2 ( ,   R )
 z  z  .c  .c
 A 1 2

- Equação Cartesiana ou Geral do Plano π:

 : ax  by  cz  d  0

Escreva a equação vetorial, paramétrica e cartesiana do plano π que passa pelos

pontos A = (1, 0, 1), B = (0, 1, 1) e C = (1, 2, 1).

33
- Resolução:

Dentre os três pontos, escolhemos um para determinar o plano π.

 
Se A  u  AB e v  AC
 
Se B  u  BA e v  BC
 
Se C  u  CA e v  CB

Nesse caso, vamos trabalhar com o ponto A.

Equação Vetorial do Plano π

Equações Paramétricas do Plano π

34
Equação Cartesiana ou Geral do Plano π

3.3 Posições relativas no R³

Em R³, dois planos α e β podem ser concorrentes ou paralelos.

 Plano e Plano - Paralelos distintos

Para expressar analiticamente que dois planos são paralelos distintos no R³,
trabalhamos com as equações cartesianas dos planos α e β:

 : a1 x  b1 y  c1 z  d1  0 e  : a2 x  b2 y  c2 z  d 2  0

Sendo n1  (a1 , b1 , c1 ) o vetor normal do plano α e n2  (a2 , b2 , c2 ) o vetor

normal do plano β.

a1  .a 2
    
n1 // n2  n1  .n2   b1  .b2 e d1  .d 2
 c  .c
 1 2

35
- Exemplo

Verifique a posição dos planos  : x  2 y  3z  5  0 e  : 2x  4 y  6z  7  0 .

- Resolução

Determinamos as coordenadas dos vetores normais de cada plano.


n1  (1, 2, 3) do plano α


n2  (2, 4, 6) do plano β

Os planos são paralelos distintos, pois:

2  2..1
    
n1 // n2  2.n1  n2  4  2.2. e 7  2.5
 6  2.3


 Plano e Plano – Paralelos coincidentes

Para expressar analiticamente que dois planos são paralelos coincidentes no R³,
trabalhamos com as equações cartesianas dos planos α e β:

 : a1 x  b1 y  c1 z  d1  0 e  : a2 x  b2 y  c2 z  d 2  0

Sendo n1  (a1 , b1 , c1 ) o vetor normal do plano α e n2  (a2 , b2 , c2 ) o vetor

normal do plano β.

36
  a1  .a 2
b  .b2
    
n1 // n2  n1  .n2   1
 c1  .c 2

d1  .d 2

- Exemplo:

Verifique a posição entre os planos α: x + 3y + 6z + 5 = 0 e β: 2x + 6y + 12z + 10 = 0.

- Resolução:

Determinamos as coordenadas dos vetores normais de cada plano.


n1  (1, 3, 6) do plano α


n2  (2, 6, 10) do plano β

Os planos são paralelos coincidentes, pois:

 2  2.1
 6  2.3
    
n1 // n2  2.n1  n2  
10  2.5
12  2.6

 Plano a Plano – Concorrentes

Para expressar analiticamente que dois planos são paralelos coincidentes no R³,
trabalhamos com as equações cartesianas dos planos α e β:

 : a1 x  b1 y  c1 z  d1  0 e  : a2 x  b2 y  c2 z  d 2  0
37
Sendo n1  (a1 , b1 , c1 ) o vetor normal do plano α e n2  (a2 , b2 , c2 ) o vetor
normal do plano β.
  
n1  .n2 e, sendo v o vetor diretor da reta r     , temos que v // n1  n2 .

Nesse caso, as equações da reta r são da forma geral:

 a x  b1 y  c1 z  d1  0
r: 1
a 2 x  b2 y  c2 z  d 2  0

- Exemplo:

Verifique a posição entre os planos α: x – 2y + z – 5 = 0 e β: 2x – y + 3z – 1 = 0.

- Resolução:

Determinamos as coordenadas dos vetores normais de cada plano.


n1  (1,  2, 1) do plano α


n2  (2,  1, 3) do plano β

Os planos são concorrentes, pois:

  1 2 1
n1  .n2   
2 1 3

Conclusão
Abordamos, neste bloco, as posições relativas ente as retas no R³, identificando
quando duas retas são coplanares ou reversas; e quando são paralelas distintas,
coincidentes ou concorrentes. Tivemos a oportunidade de estudar a definição do Plano
no R³, conhecendo as equações Vetorial, Paramétricas e Cartesianas do Plano. Por fim,
vimos posições relativas entre dois planos no R³.

Referências
WINTERLE, P. Vetores e Geometria Analítica. São Paulo: Pearson Makron Books, 2000.
LIPSCHUTZ, S. Álgebra Linear – Problemas e exercícios etc. São Paulo: Pearson Makron
Books, 1994.
REIS, G. L; SILVA, V. V. Geometria Analítica. Rio de Janeiro: LTC, 2012.
LAY, D. C; LAY, S. R; MCDONALD, J. J. Álgebra Linear e suas aplicações. Rio de Janeiro:
LTC, 2018.
38
BLOCO 4: ESPAÇOS VETORIAIS

Estudaremos, neste bloco, a definição de Espaços Vetoriais, conhecendo alguns

exemplos clássicos. Em seguida, conheceremos a definição de Subespaços Vetoriais, de
forma resumida e direta estudando as três condições para definir se um subconjunto
assume esse papel.

Outros tópicos fundamentais para darmos continuidade aos nossos estudos são a
Combinação e a dependência Linear; os critérios para a identificação de um conjunto
de vetores como Linearmente Dependente (LD) ou Independente (LI); a definição de
Base de um Espaço Vetorial; e a Dimensão do Espaço Vetorial.

Bons estudos!

4.1 Espaços Vetoriais

- Definição

Um conjunto V não vazio (V ≠ ø) é um espaço vetorial sobre R ou C, para quaisquer u, v

є V e α, β є R, se, e somente se, existir a operação de adição em R, definida como:

()VxV  V
(u, v)  u  v

Com as seguintes propriedades:

A1) comutatividade da adição de vetores: u + v = v + u

A2) associatividade da adição de vetores: u +(v+w) = (u + v) + w

A3) elemento neutro: u + 0v = 0v + u = u

A4) simetrizável: u + (-u) = 0

39
Ainda, um determinado conjunto V não vazio (V ≠ ø) é um espaço vetorial sobre R ou
C, para quaisquer u, v є V e α, β є R, se, e somente se, existir uma multiplicação de R x
V em V que associa, a cada par (α, u) de R x V, um único elemento αu de V, definida
como:

( x) RxV  V
( , v)   .v

Para a multiplicação, valem as propriedades:

M1) associatividade dos escalares: α(βu) = (αβ) u

M2) distributividade do produto de um vetor pela soma de escalares: (α+β) u = α u + β

u

M3) distributividade do produto de um escalar pela soma de vetores: α (u + v) = α u +

αv

M4) elemento unitário 1 . u = u

- Exemplos de Espaços Vetoriais


n
Espaço K

Seja K um corpo arbitrário, onde a notação K n assume o papel de denotar o conjunto

de todas as ênuplas de elementos em K. Nesse caso, K n é um espaço vetorial sobre K,
onde a adição de vetores e a multiplicação por escalar se definem como:

(a1 , a2 , ..., an )  (b1 , b2 , ..., bn )  (a1  b1 , a2  b2 , ..., an  bn )

k.(a1 , a2 , ..., an )  (k.a 1 , k.a2 , ..., k.an )

O vetor zero de K n é a ênupla de zeros: 0 = (0, 0, 0, ..., 0)

E o negativo de um vetor é  .(a1 , a2 , ..., an )  (a 1 ,  a2 , ...,  an )

40
  Espaço de Matrizes M m,n

O conjunto formado por todas as matrizes indicadas por M m,n é um espaço vetorial
sobre K em relação às operações usuais de adição e multiplicação por um escalar.

 Espaço de Polinômios P(t)

Para o conjunto de todos os polinômios indicados por P(t) = a0  a1 .t  a2 t  ...  an t

2 n

com o coeficiente ai em algum corpo K. Então P(t) é um espaço vetorial sobre K em

relação às operações usuais de adição de polinômios e multiplicação de um polinômio
por uma constante.

4.2 Subespaços Vetoriais

Neste tópico vamos identificar e compreender quando um determinado conjunto é um

Subespaço Vetorial.

Por definição, temos que um subconjunto W contido em um espaço vetorial V, com as

mesmas operações (adição e multiplicação) de V, é um subconjunto vetorial de V
quando:

• 0v є W
• u, v є W, u + v є W
• α є R e u є W, α u є W

- Exemplo:

Verifique se o conjunto de matrizes A é um subespaço M3.

a 0 0
A 0 b 0
0 0 c

41
- Resolução:

Um subconjunto A contido em um espaço vetorial M3, com as mesmas operações

(adição e multiplicação) de M3, é um subconjunto vetorial de M3 quando:

• 0v є A
• u, v є A, u + v є A
• α є R e u є A, α u є A

42
- Exemplo:

Sendo V o espaço vetorial de todas as matrizes 2 x 2 sobre o corpo real R. Mostre que
W não é subespaço de V, onde W consiste de todas as matrizes com determinante
zero.

43
4.3 Combinação Linear, Dependência Linear e Bases

Vamos compreender as definições de Combinação Linear, Dependência Linear,

Dimensão e Base.

 Combinação Linear

Sejam u1 , u2 , u3 ,..., un elementos do espaço vetorial V, a1u1  a2u2  a3u3  ...  anun é

uma combinação linear de u1 , u2 , u3 ,..., un .

- Exemplo 1:

9578 = 9000 + 500 + 70 + 8

9578 = 9 . 10³ + 5 . 10 ² + 7 . 10 + 8

- Exemplo 2:

- Resolução:

44
- Exemplo 3:

Sendo o espaço vetorial V = R³ e S = {(1,0,0), (0,1,0), (0,0,1)}, verifique se S gera V.

Para todo (a, b, c) є R³, temos: (a, b, c) = a (1, 0, 0) + b (0, 1, 0) + c (0, 0, 1)

Estão, os elementos de S geram R³.

 Dependência Linear

- Definição 1

Seja V um espaço vetorial sobre R, dizemos que um conjunto L = { u1 , u2 , u3 ,..., un } C V é

Linearmente Independente (LI) se, e somente se, a igualdade:
a1u1  a2u2  a3u3  ...  anun  0v , só for possível se a1  a2  a3  ...  an  0 .

- Definição 2

Seja V um espaço vetorial sobre R, dizemos que um conjunto L = { u1 , u2 , u3 ,..., un } C V

é Linearmente Dependente (LD) se, e somente se, a igualdade:
a1u1  a2u2  a3u3  ...  anun  0v , também for verdade se algum ai  0

- Exemplo:

No espaço vetorial M2x2, verifique se o conjunto a seguir é LD ou LI.

3 0 1 0 7 0  
A   , 2 3, 4 11 
1 4   

3 0 1 0  7 0  0 0 
a.   b. 2 3  c.4 11  0 0
1 4       
 3a  b  7c  0

 a  2b  4c  0
4a  3b  11c  0

45
Resolvendo o sistema, que é possível e indeterminado, temos:

a = - 2c

b=-c

Mas c pode assumir qualquer valor real. Sendo assim, podemos afirmar que o conjunto
indicado A é LD.

- Exemplo:

No R³, verifique se B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} é um conjunto LD ou LI.

a . (1, 0, 0) + b . (0, 1, 0) + c (0, 0, 1) = (0, 0, 0)

a=0

b=0

c=0

Resolvendo, encontramos como solução: a = 0, b = 0 e c = 0, e, como essa é o único

resultado possível, podemos afirmar que o conjunto B é LI.

46
  Dimensão de um Espaço

- Definição

Dimensão de um espaço vetorial V é o número máximo de vetores que se pode reunir

em um conjunto E, formando uma coleção linearmente independente. Se esse máximo
não existe, dizemos que V tem dimensão infinita.

 Base

- Definição

Um conjunto B contido em um espaço vetorial será a base desse espaço se todo

elemento de V for uma combinação linear dos elementos de B e se B for linearmente
independente.

B é uma base de V B é LI e [B] = V.

Se a base de um espaço vetorial tem k elementos, esse espaço vetorial tem dimensão
k.

- Exemplo:

Determine a dimensão e uma base para o espaço vetorial:

S = {(x, y, z) Є R³: 2x + y + z = 0}

- Desenvolvimento:

Analisando 2x + y + z = 0, escolha uma das incógnitas para ficar isolada. Qualquer

incógnita!

z = - 2x –y

(x, y, z) = (x, y, -2x – y)

(x, y, z) = x . (1, 0, -2) + y ( 0, 1, -1)

47
- Temos:

B = {(1, 0, -2), ( 0, 1, -1)} , vamos verificar se B é LI ou LD.

a . (1, 0, -2) + b ( 0, 1, -1) = (0, 0, 0)

(a, 0, -2a) + (0, b, -b) = (0, 0, 0)

a = 0 e b = 0 , B é LI.

Qualquer elemento de S é gerado por

B = {(1, 0, -2), ( 0, 1, -1)}.

Logo, B é a Base de S e dim S = 2.

Conclusão

Neste bloco, estudamos a definição de Espaços Vetoriais; subespaços vetoriais;

Combinação e dependência Linear. Também, identificamos quando um conjunto de
vetores é Linearmente Dependente (LD) ou Independente (LI); a definição de Base de
um Espaço Vetorial; e a Dimensão do Espaço Vetorial.

Referências

WINTERLE, P. Vetores e Geometria Analítica. São Paulo: Pearson Makron Books, 2000.

LIPSCHUTZ, S. Álgebra Linear – Problemas e exercícios etc. São Paulo: Pearson Makron
Books, 1994.

REIS, G. L; SILVA, V. V. Geometria Analítica. Rio de Janeiro: LTC, 2012.

LAY, D. C; LAY, S. R; MCDONALD, J. J. Álgebra Linear e suas aplicações. Rio de Janeiro:

LTC, 2018.

48
BLOCO 5: ESPAÇO VETORIAL EUCLIDIANO

Estudaremos, neste bloco, a definição de Vetores para a realização de um estudo

aprofundado sobre composição de Vetores, Vetores Unitários, Produto Interno de dois
Vetores, Módulos de dois Vetores, Cosseno do Ângulo de dois Vetores, Desigualdade
de Cauchy-Schwarz e finalizaremos com a definição de Ortogonalidade.

Bons estudos!

5.1 Módulo de Dois Vetores

Vamos identificar e compreender o Espaço Vetorial Euclidiano, definindo os Vetores e

estudando os módulos de dois vetores.

 Vetores no R²

- Definição

É toda função R² em R² tal que, dados a e b são reais e fixos:

f(x, y) = (x + a, y + b)

Um vetor determinado pelo ponto (a, b) é imagem do ponto (0, 0).

- Definição Geral

Agora, a definição de vetores, seja em qualquer dimensão, está associada à definição

no R².

É toda função

f : Rn  Rn , tal que f ( x1 , x2 ,..., xn )  (a1 x1 , a2 x2 ,..., an xn )

49
 
n
Adição de Vetores no R

Para qualquer n maior ou igual a 1, aplicar um vetor após o outro é adicionar esses
vetores.

- Propriedades

A1) É comutativa (Lei do paralelogramo)

A2) É associativa

A3) Tem elemento neutro (0, 0, 0, ..., 0)

A4) Para todo elemento de V (u) há um oposto aditivo (-u)

- Vetores Unitários

No R² os vetores i = (1, 0) e j = (0, 1)

 {i, j} são Linearmente Independentes (LI)

 {i, j} é base canônica do R²
 Qualquer vetor no R² pode ser escrito como uma combinação linear de i e j.

No R³ os vetores i = (1, 0, 0), j = (0, 1, 0) e k = (0, 0, 1)

 {i, j, k} são Linearmente Independentes (LI)

 {i, j, k} é base canônica do R²
 Qualquer vetor no R³ pode ser escrito como uma combinação linear de i, j e k.

Sendo n ϵ N*, é possível determinar uma base canônica de Rn.

50
  Produto Interno de dois vetores

O produto interno no espaço vetorial V sobre R ou C é toda função de V em V (V x V)

que associa cada par de vetores (u, v) a um número real representado por u . v ou <u,
v>, tal que:

 u.v = v.u
 u.(v + w) = u.v + u.w
 (α.u).v = α . (u.v), α ϵ R
 u . u ≥ 0, para todo u ϵ V
 u . u = 0 se, e somente se, u = 0

- Propriedades do Produto Interno:

 Comutativa: u.v = v.u

 Distributiva: u.(v + w) = u.v + u.w
 II u II ≥ 0
 t. (u.v) = (t.v).v, t ϵ R
 Dois vetores são ortogonais se o produto interno é zero.

Espaço Vetorial Euclidiano é um espaço vetorial real de dimensão finita munido de um

produto interno.

Para os vetores u = (2, 3, 4), v = (7, 3, 1) e w = (-1, 3, -5), temos:

a) <u, v> = u . v = 2 . 7 + 3 . 3 + 4 . 1 = 14 + 9 + 4 = 27

b) <u, w> = u . w = 2 . (-1) + 3 . 3 + 4 . (-5) = -2 + 9 - 20 = -13

51
  Módulo de dois vetores

- Definição

Módulo do vetor é a raiz quadrada do produto interno de u por u:

u  (a, b, c)  u  u.u  a²  b²  c²

5.2 Cosseno do Ângulo de Dois Vetores

Sendo u e v dois vetores de um espaço vetorial V. Trabalhando com V = R², vamos

estudar esse conceito.

 θ: é o ângulo gerado pelo vetor u e o eixo x.

 α: é o ângulo gerado pelos vetores u e v (α = θ – β)
 β: é o ângulo gerado pelo vetor v e o eixo x.
 cosα = cos(θ – β) = cosθ . cosβ + senθ . senβ

52
Dessa maneira, podemos afirmar que:

c
cos   (cateto adjacente ao ângulo θ sobre a hipotenusa)
u

a
cos   (cateto adjacente ao ângulo β sobre a hipotenusa)
v

d
sen  (cateto oposto ao ângulo θ sobre a hipotenusa)
u

b
sen  (cateto oposto ao ângulo β sobre a hipotenusa)
v

Logo,

c a d b  u, v 
cos   .  . 
u v u v u.v

- Exemplo:

Determine o valor do cos β, sendo β um ângulo formado pelos vetores

u = (2, 5) e v = (4, 3).

- Resolução

 u, v 
cos  
u.v

Para:

u  2²  5²  29

v  4²  3²  25  5

2 4 5 3 8  15 23 29 23 29 23 29
cos   .  .   .  
29 5 29 5 5. 29 5. 29 29 5.29 145

23. 29
 cos  
145

53
  Desigualdade de Cauchy-Schwarz

É a desigualdade que afirma que o módulo do produto interno de dois vetores é menor
ou igual ao produto de seus módulos.

u.v  u . v

Pela desigualdade de Cauchy-Schwarz, para quaisquer vetores u, v ϵ V, temos que:

 u, v  ²  u, v  .  u, v   u.v   u . v

Sendo V um espaço com produto interno. Então a norma em V verifica as seguintes

propriedades:

N1) v  0; e v 0 se, e somente se, v = 0

N2) k.v  k . v

N3) u  v  u  v

N3 é a propriedade chamada de desigualdade triangular, pois u + v como lado do

triângulo formado por u e v, onde N3 afirma que o comprimento de um lado de um
triângulo não excede a soma dos comprimentos dos outros dois.

54
 - Exemplo:

Para os vetores u = (2, -3) e v = (4, 5), verifique se u.v  u . v é verdadeiro.

- Resolução:

u.v  (2,3).(4,5)  2.4  (3).5  8  15   7  7

u . v  (2,3) . (4,5)  4  9. 16  25  13. 41  533

Podemos afirmar que:

7  533  u.v  u . v

5.3 Ortogonalidade

- Definição

Dois vetores u e v não nulos do Espaço Vetorial Euclidiano V são ortogonais se o

produto interno de u e v forem nulos (u . v = 0)

A relação é simétrica, isto é, se u é ortogonal a v, < u,v > = 0 e assim v é ortogonal a u:

< u,v > = < v, u > = 0

É importante compreender que 0 ϵ V é ortogonal a todo vetor v ϵ V, pois:

< 0, v > = < 0v, v > = 0 . < v, v > = 0

De forma recíproca, se u é ortogonal a todo v ϵ V, então < u, u > = 0, portanto u = 0.

55
Lembrando que, se u e v são ortogonais, temos cos θ = 0, sendo θ ângulo formado
pelos vetores u e v, θ = 90°, pois u e v são perpendiculares.

Todo sistema ortogonal é Linearmente Independente (LI)

Base ortogonal é toda base cujos vetores dois a dois são ortogonais.

Base ortonormal é a base ortogonal cujos vetores têm módulos iguais a 1.

- Exemplo:

Suponha que S consiste dos três vetores seguintes em R³:

u = (1, 2, 1), v = (2, 1, -4) e w = (3, -2, 1).

- Resolução:

Vamos verificar se S é ortogonal, estudando se u, v e w são mutuamente ortogonais.

Assim, S é LI, formado por 3 elementos. Dessa forma, S é a base ortogonal de para R³.

Para qualquer vetor (a, b, c) ϵ V, temos:

(a, b, c) = x . u + y . v + z . w

(a, b, c) = x . (1, 2, 1) + y . (2, 1, -4) + z . (3, -2, 1)

56
- Exemplo: Ache k de modo que os vetores u = (1, 2, k, 3) e v = (3, k, 7, -5) sejam
4
ortogonais em R .

Conclusão

Neste bloco, estudamos a definição de Vetores, com o objetivo de realizar um estudo

aprofundado sobre a composição de Vetores; Vetores Unitários; Produto Interno de
dois Vetores; Módulos de dois Vetores; Cosseno do Ângulo de dois Vetores;
Desigualdade de Cauchy-Schwarz e finalizamos com a definição de Ortogonalidade.

Referências

WINTERLE, P. Vetores e Geometria Analítica. São Paulo: Pearson Makron Books, 2000.

LIPSCHUTZ, S. Álgebra Linear – Problemas e exercícios etc. São Paulo: Pearson Makron
Books, 1994.

REIS, G. L; SILVA, V. V. Geometria Analítica. Rio de Janeiro: LTC, 2012.

LAY, D. C; LAY, S. R; MCDONALD, J. J. Álgebra Linear e suas aplicações. Rio de Janeiro:

LTC, 2018.

57
BLOCO 6: TRANSFORMAÇÃO LINEAR

Neste último bloco, estudaremos a definição de uma Transformação Linear,

conhecendo seus exemplos e contraexemplos. Em seguida, a veremos por meio de
uma Matriz. Aprenderemos, também, a Transformação do Vetor Nulo; a Imagem e o
Núcleo de uma Transformação Linear; a Transformação linear como combinação
linear; e as Bases de um Espaço Vetorial e Transformação Linear.

6.1 Transformações Lineares

- Definição:

Dados os espaços vetoriais U e W sobre o corpo K, definimos transformação linear

sobre K com uma função f de U em W, tal que, dado u, w ϵ U e o escalar k ϵ K,
verificam-se as seguintes condições:

i. f (u + w) = f (u) + f (w);
ii. f (k.u) = k . f (u).

- Exemplo:

Sendo f: R² em R², f (x, y) = (x, 0), verifique se f é uma transformação linear.

- Resolução: Para verificar se a função indicada por f é uma transformação linear

estudamos as condições:

i. f (u + w) = f (u) + f (w);
ii. f (k.u) = k . f (u).

58
Verificando:

R² é um espaço vetorial, com os vetores v = (a, b) e w = (c, d), onde pela definição de f,
temos:

f (u) = f(a, b) = (a, 0) e f (w) = f(c, d) = (c, 0)

1ª Condição: f (u + w) = f(u) + f(w) ?

f (u + w) = f[(a, b) + (c, d)] = f(a + c, b + d) = (a + c, 0)

f (u) + f (w) = f(a, b) + f (c, d) = (a, 0) + (c, 0) = (a + c, 0)

1ª Condição: f (u + w) = f(u) + f(w) foi satisfeita!

Verificando:

2ª Condição: f (k.u) = k . f (u)

Sendo f (u) = f(a, b) = (a, 0) pela definição de f

Sendo f (u) = f(a, b) = (a, 0) pela definição de f

k . f (u) = k . f (a, b) = k . (a, 0) = (k.a, 0)

2ª Condição: f (k. u) = k . f(u), também foi satisfeita!

Portanto, f: R² em R², f(x, y) = (x, 0) é uma transformação linear.

- Contraexemplo:

Sendo f: R em R, f (x) = 2x + 1, verifique se f é uma transformação linear.

Para verificar se a função indicada por f é uma transformação linear, estudamos as

condições:

i. f (u + w) = f (u) + f (w)
ii. f (k.u) = k . f (u)

59
Verificando:

R é um espaço vetorial, com u ϵ R e w ϵ R, onde pela definição de f, temos:

f (u) = 2. u + 1 e f (w) = 2. w + 1

1ª Condição: f (u + w) = f(u) + f(w)?

f (u + w) = 2. (u + w) + 1 = 2 u + 2 w + 1

f (u) + f (w) = 2.u + 1 + 2.w + 1 = 2 u + 2 w + 2

1ª Condição: f (u + w) = f(u) + f(w) não foi satisfeita!

Portanto, f: R em R, f(x) = 2x + 1 não é uma transformação linear.

 Transformação Linear por meio de uma Matriz

- Exemplo:

Dada a matriz A, aplicar uma transformação linear f: R³ em R².

1 2 0 
A 
5 4 2
Os vetores u e w de R² e R³ na forma de vetor-coluna.

u = (a, b, c) e w = (r, s)

a 
r 
u  b  e w 
 c  s

60
- Resolução:

Portanto, a matriz A representa uma transformação linear do R³ e R², em que os

vetores dos conjuntos são escritos na forma de vetor-coluna.

 Transformação Linear do Vetor Nulo

Para uma transformação linear f: U em W e sendo 0 o vetor nulo de U, f(0) = 0 ϵ W.

Onde as condições são satisfeitas:

I. f (u + w) = f(u) + f(w)

f (0 + 0) = f (0) = f(0) + f(0) = 0

II. f(k.u) = k. f(u)

f(k.0) = k. f(0) = k. 0 = 0

- Exemplo:

Sendo f: R² em R², f(x, y) = (x, 0).

Pela definição de f, temos:

f(0, 0) = (0, 0)

Portanto, f: R² em R², f(x, y) = (x, 0) é uma transformação linear.

61
- Contraexemplo:

Sendo f: R em R, f(x) = 3x – 1.

Pela definição de f, temos:

f(0) = 3.0 – 1, sendo diferente de zero.

Portanto, se f(0) ≠ 0, f não é uma transformação linear.

É necessário que a imagem do vetor nulo seja ele próprio para indicar uma
transformação linear, mas o fato disso acontecer não é o suficiente para garantir que
se trata de uma transformação linear.

6.2 Núcleo de uma Transformação Linear

 Imagem de uma transformação Linear

- Definição: Seja f : U  W uma transformação linear. A imagem de f, escrita Im (f),

é o conjunto dos pontos imagem em W:

Im (f) = {w ϵ W: f(u) = w para qualquer u ϵ U}

Seja f : U  W uma transformação linear. Então, a imagem de f é um subconjunto de

U.

- Exemplo:

Seja f : R³  R³ a transformação projeção sobre o plano xy: f(x, y, z) = (x, y, 0).

62
Dessa forma, a imagem de f é o plano xy. Sendo, Im (f) = {(a, b, 0): a, b ϵ R}.

 Núcleo de uma Transformação Linear

Definida a transformação linear f :U W , denominamos núcleo dessa

transformação linear o conjunto de todos os vetores de U que têm como imagem o 0
(zero) pertencente a W.

Sua representação é dada por N (f) = {u ϵ U: f(u) = 0}.

- Exemplos:

1. Sendo f : R³  R³ a transformação projeção sobre o plano xy: f(x, y, z) = (x, y, 0).

63
Dessa forma, é possível identificar que o núcleo de f é o eixo dos z.

Sendo, N (f) = {(0, 0, c): c ϵ R}, uma vez que esses pontos, e somente esses pontos, são
transformados no vetor nulo: 0 = (0, 0, 0).

2. Sendo f: R² em R², f(x, y) = (x, 0) apresente o núcleo dessa transformação linear.

Resolução:

Sendo todos os elementos de R² com x = 0 temos como imagem (0, 0). Logo, N (f) = {(0,
y) ϵ R²}. Dessa forma, o conjunto N (f) é representado no plano cartesiano pelo eixo
dos y.

6.3 Transformação Linear como Combinação Linear

Sendo f : U  W uma transformação linear nos espaços vetoriais U e W, temos f(u +

w) = f(u) + f(w) e f(k.u) = k. f(u), podemos afirmar que, para os vetores u, v ϵ U:

f (r.u )  r. f (u )
e f (u  v)  f (u )  f (v)  f (r.u  s.v)  f (r.u )  f ( s.v)
f ( s.v)  s. f (v)

Onde,

f(r.u) + f(s.v) = r. f(u) + s. f(v), permitindo a devida denotação:

f(r.u + s. v) = r. f(u) + s. f(v)

Podemos afirmar que a transformação linear de uma combinação linear de u e v [r.u +

s.v] é a combinação de f(u) e f(v), para r e s escalares.

 Bases de um Espaço Vetorial e Transformação Linear

Uma base B  [b1 , b2 ,..., bn } gera todo o espaço vetorial U, ou seja, cada vetor u ϵ U é
uma combinação linear dos elementos de B.

u  a1 .b1  a2 .b2  ...  an .bn

64
Ao aplicar f em u, determinamos [f(u)], sendo uma combinação linear das
transformações lineares de b1 , b2 ,..., bn , ou seja,
f (u)  a1 . f (b1 )  a2 . f (b2 )  ...  an . f (bn )

Não podemos afirmar que f (b1 ), f (b2 ),..., f (bn ) é uma base de W, sem antes estudar
a condição para o mesmo ser uma base.

- Exemplo:

Dada a base B = {(1, 1, 1); (1, 2, 3); (2, -1, 1)} do R³ e a transformação linear f de R³ em
R³, em que: f (1, 1, 1) = (2, 0, 1), f (1, 2, 3) = (3, -1, 3) e f (2, -1, 1) = (1, 3, 1). Sem
conhecer a definição de f, apresente f (3, 9, 10).

- Resolução:

Sendo B a base do R³, podemos afirmar que (3, 9, 10) é uma combinação linear:

(3, 9, 10) = a. (1, 1, 1) + b. (1, 2, 3) + c. (2, -1, 1)

Nesse caso, é necessário determinar os valores de a, b e c.

 a  b  2c  3

 a  2b  c  9
a  3b  c  10


Ao resolver o sistema temos a = 2, b = 3 e c = -1.

Dessa forma temos que:

f (u)  a1 . f (b1 )  a2 . f (b2 )  ...  an . f (bn )

f (3,9,10)  a. f (1.,1,1)  b. f (1,2,3)  c. f (2,1,1)

 f (3,9,10)  2.(2,0,1)  3.(3,1,3)  (1).(1,3,1)
 f (3,9,10)  (4,0,2)  (9,3,9)  (1,3,1)
 f (3,9,10)  ((12,6,10)

Portanto, podemos afirmar que f(3, 9, 10) = (12, -6, 10).

65
Conclusão

Neste bloco, estudamos a definição de uma Transformação Linear; a Transformação

Linear por meio de uma Matriz; a Transformação do Vetor Nulo; Imagem de uma
Transformação Linear; Núcleo de uma Transformação Linear; Transformação linear
como combinação linear; Bases de um Espaço Vetorial e Transformação Linear.

Ao concluirmos nossa disciplina, gostaria de agradecer por ter chegado até aqui e
deixar meus votos de sucesso para as demais etapas da sua jornada!

Referências

WINTERLE, P. Vetores e Geometria Analítica. São Paulo: Pearson Makron Books, 2000.

LIPSCHUTZ, S. Álgebra Linear – Problemas e exercícios etc. São Paulo: Pearson Makron
Books, 1994.

REIS, G. L; SILVA, V. V. Geometria Analítica. Rio de Janeiro: LTC, 2012.

LAY, D. C; LAY, S. R; MCDONALD, J. J. Álgebra Linear e suas aplicações. Rio de Janeiro:

LTC, 2018.

66