Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contedo
1
Nmeros complexos
1.1 Representaes algbrica e cartesiana de nmeros complexos e suas operaes .
1.2 Representaes trigonomtrica e exponencial de nmeros complexos . . . . . .
1.2.1 Operaes com nmeros complexos na forma trigonomtrica . . . . . .
1.3 Representao grfica de condies em C . . . . . . . . . . . . . . . . . . . .
1.4 Exerccios propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Solues - Exerccios propostos 1.4 . . . . . . . . . . . . . . . . . . . . . . .
2 Matrizes e determinantes
2.1 Clculo matricial . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1 Definio e tipos de matrizes . . . . . . . . . . . . . .
2.1.2 Operaes com matrizes e suas propriedades . . . . .
2.1.3 Escrita de matrizes em escada de linhas . . . . . . . .
2.1.4 Inversa de uma matriz quadrada . . . . . . . . . . . .
2.2 Determinante - propriedades e aplicaes . . . . . . . . . . .
2.2.1 Definio de determinante e Teorema de Laplace . . .
2.2.2 Propriedades dos determinantes . . . . . . . . . . . .
2.2.3 Clculo de A1 a partir da matriz adjunta da matriz A
2.3 Exerccios propostos . . . . . . . . . . . . . . . . . . . . . .
2.4 Solues - Exerccios propostos 2.3 . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
4
5
7
8
9
.
.
.
.
.
.
.
.
.
.
.
11
11
11
12
15
15
17
17
18
20
20
23
.
.
.
.
.
.
.
.
.
27
27
28
29
29
30
30
32
33
36
.
.
.
.
39
39
43
48
51
CONTEDO
4
4.5
5
Espaos vetoriais
5.1 Definio de espao vetorial . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2 Subespaos vetoriais e sua dimenso . . . . . . . . . . . . . . . . . . . . . .
5.3 Matriz mudana de base e bases ortogonais . . . . . . . . . . . . . . . . . .
5.3.1 Matriz mudana de base . . . . . . . . . . . . . . . . . . . . . . . .
5.3.2 Projees ortogonais e processo de ortogonalizao de Gram-Schmidt
5.4 Exerccios propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.5 Solues - Exerccios propostos 5.4 . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
55
55
56
59
59
63
66
68
Transformaes lineares
6.1 Definio e elementos de uma aplicao linear . . . . . . .
6.2 Matrizes de transformaes lineares relativas a bases dadas
6.3 Aplicaes lineares invertveis . . . . . . . . . . . . . . .
6.4 Exerccios propostos . . . . . . . . . . . . . . . . . . . .
6.5 Solues - Exerccios propostos 6.4 . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
71
71
75
78
79
81
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
83
83
86
88
89
Bibliografia
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
90
Captulo 1
Nmeros complexos
Os nmeros complexos surgiram no sculo XV I na procura de procedimentos gerais para resoluo de equaes algbricas.
Para solucionar equaes, como por exemplo
x2 + 1 = 0,
foi considerado um nmeroespecial que denotamos
por i e designamos de unidade imaginria, tal
que i2 = 1. Portanto i = 1 ou i = 1.
1.1
4+
4+
6i
36
2
x 4x + 13 = 0 x =
x = x = 2 + 3i x = 2 3i.
2
2
1. Nmeros complexos
As solues obtidas neste exemplo surgem como a soma de um nmero real com um nmero
imaginrio puro.
Designamos o conjunto dos nmeros do tipo a + bi, com a, b R, de conjunto dos nmeros
complexos, que denotamos por C,
C = {a + bi : a, b R, i2 = 1}.
Denotamos a parte real a do complexo z por Re(z) e o coeficiente b da parte imaginria por Im(z).
Dado um complexo z = a + bi, se a = 0, ento z um imaginrio puro e se b = 0 ento z um
nmero real. Tem-se por isso, R C.
Quanto igualdade de dois complexos, tem-se que z1 = z2 somente se Re(z1 ) = Re(z2 ) e
Im(z1 ) = Im(z2 ).
Chamamos conjungado de z = a + bi ao nmero complexo z = a bi. Tem-se por isso,
Re(
z ) = Re(z)
e Im(
z ) = Im(z).
|z| = a2 + b2 .
2. z1 z2 ;
3. 3z1 2z2 .
onde
n = 4q + r N
e 0 r < 4.
1. Nmeros complexos
4
Exemplo 1.4. (2i)11 = 211 i11 = 2048i24+3 = 2048i3 = 2048i.
z z = a2 + b2 = |z|2 .
1.2
b) z1 z3 ;
c) z1 z2 ;
d) z1 /z3 .
Outra forma de representar nmeros complexos atravs do designado sistema polar que a seguir
apresentamos e relacionamos com o sistema cartesiano.
O sistema polar constitudo pelo polo (ponto que fazemos coincidir com a origem do sistema
cartesiano) e pelo eixo polar, e, que fazemos coincidir com o semi-eixo positivo das abcissas. Neste
sistema, cada ponto A do plano tem coordenadas (r, ), onde
r = |OA|
e = (OA, Oe).
A Figura 1.3 sugere que um nmero complexo pode ser representado na designada forma trigonomtrica, a partir da sua representao em coordenadas polares. Com efeito, o afixo Z = (a, b)
do nmero complexo z = a + bi representado em coordenadas polares (r, ), tais que
a = r cos()
e b = r sen().
sen() = b/r.
2cis(/4).
polares (r, ), tais que r = 2 e = /4.
2cis( 5
) e tem forma
4
1. Nmeros complexos
6
z1 z2 = r1 r2 cis(1 + 2 ).
z1 /z2 = r1 /r2 cis(1 2 ).
z1 =
r1 cis( 1 +2k
), k {0, 1, , n 1}.
n
q
3
3/4 + 2k
),
3
11
com k {1, 2, 3}. Tem-se ento para conjunto das 3 z, o conjunto { 2cis( 4 ), 2cis( 12
), 2cis( 19
}).
12
2 + 2i =
8cis(
A frmula da radiciao mostra que um dado nmero complexo z = |z|cis() tem n razes de
ndice n, todas com o mesmo mdulo e argumentos dados por
2k
+
.
n
n
Portanto
os afixos das razes esto todos sobre uma mesma circunferncia de centro na origem e raio
p
n
|z|, dividindo a circunferncia em n partes iguais. A seguir representam-se as razes cbicas do
exemplo anterior.
Foi Euler quem demonstrou que qualquer nmero real a tem exatamente n razes complexas,
provando que no universo C a equao polinomial xn a = 0 de grau n possui exatamente n
solues. Este facto foi provado para qualquer equao polinomial de grau n, atravs do designado
Teorema Fundamental da lgebra:
Teorema 1.10. Teorema Fundamental da lgebra: Toda equao polinomial de grau n com coeficientes reais ou complexos tem no universo dos nmeros complexos n solues.
Exemplo 1.11. A equao x4 1 = 0 tem razes 1, 1, i, i.
Notar que se tem (1)4 = 1, 14 = 1, i4 = 1 e (i)4 = 1.
1.3
Sejam os complexos z1 = a + bi e z2 = c + di e sejam Z1 = (a, b) e Z2 = (c, d) os seus correspondentes afixos. Comeamos por observar que o mdulo da diferena de dois complexos igual
distncia entre os seus afixos, isto ,
|z1 z2 | = |Z1~Z2 |
Figura 1.4: Mdulo da diferena de dois complexos igual distncia entre os seus afixos
p
Com efeito, tem-se |z1 z2 | = |(a c) + (b d)i| = (a c)2 + (b d)2 = |Z1 Z2 |.
No sentido de interpretar algumas condies em C, sejam os complexos z1 e z2 . Ento, o lugar
geomtrico dos complexos z tais que:
|z z1 | = r, r R+ , a circunferncia centrada no afixo Z1 com raio r.
|z z1 | = |z z2 | a mediatriz do segmento de reta [Z1 Z2 ].
Naturalmente, tem-se:
|z z1 | < r representa o crculo centrada no afixo Z1 com raio r.
|z z1 | < |z z2 | representa o semiplano determinado pela mediatriz de [Z1 Z2 ], que contem
Z1 .
1. Nmeros complexos
8
Dado um complexo z1 = a + bi e uma constante k R:
1.4
Exerccios propostos
(c)
3i123 +2
i+1
(d)
(12i)(2+i)
.
i+2
+ 3i.
1+i tan()
(c) 1i
(a) 1 + 3i.
.
tan()
(b) 3 3i.
(c)
z1
.
2z2
(d) z1 z2 .
7. Considere os nmeros z1 = 1
3i e z2 = 3i + 3 e determine:
(c) ( z32 )7 .
(d) 3 z1 .
(a) z1 z2 .
(b) z2 /z1 .
(b) n = 3.
(c) n = 5.
3i.
(a) 4z 4 + 8(1 + i 3) = 0.
(b) 4z 2 8|z| = 0.
11. Represente no plano de Argand, os conjuntos definidos pelas condies de varivel complexa
seguintes:
(a) |z 1 + i| < 2.
(c) (|z + 1i | 1 |Arg(z i)| < 4 ) (Im(z zi) < 1 |z z| < 2).
1.5
1. .
Regio B
1. Nmeros complexos
10
1
+ 12 i.
2
11
52 i.
5
(a) 0.
(c)
(b) 2.
(d)
(a) 2cis( 3 ).
(c) 2cis( 3 ).
(b) 2cis( 3 ).
(d) cis(2).
2. .
3. .
4. .
5. .
(a) 16 43i.
(b) 5 10i.
(c) 54 14 i.
(d) 5 + i.
6. .
(a) x = 32 ;
(b) x = 23 y.
7. .
(a) (3 3 3) (3 + 3 3)i;
(b)
3+3 3
4
3+3 3
i,
4
(c) 8 + 8i;
3
(d) 3 2cis( 9 ), 3 2cis( 5
),
).
2cis( 11
9
9
8. .
2cis( 8 ), 2cis( 7
).
8
3
3
7
).
(b) 2cis( 12 ), 2cis( 12 ), 3 2cis( 15
12
(c) 5 2cis( 20
), 5 2cis( 7
), 5 2cis( 15
), 5 2cis( 23
), 5 2cis( 31
).
20
20
20
20
(a)
9. .
(a) .
8
8
11
12cis(
12cis( 17
(b) 8 12cis( 24
), 8 12cis( 5
),
),
).
24
24
24
4
4
4
4
2
8
14
20
(c) 2cis( 12 ), 2cis( 12 ), 2cis( 12 ), 2cis( 12 ).
10. .
(a)
(b)
(c)
(d)
4
4
8
C.S. = { 4 2cis( 3 ), 4 2cis( 5
),
),
)}.
2cis(
2cis( 11
6
6
6
C.S. = {0, 2}.
C.S. = {2, 2 i, 2 + i}.
C.S. = {cis( 2 ), cis( 3
}.
2
11. .
12. A = {z : (|z 4| 4 (0 arg(z 4) 2 ) 0 arg(z) 2 ) (|z 4| 4 Im(z)
0 0 Re(z) 2)};
B = {z : (|z 1| 2 (0 arg(z i) 2 ) Im(z) 0 1 Re(z) 0}.
Captulo 2
Matrizes e determinantes
Uma matriz um quadro de valores dispostos em filas, linhas e colunas. Tais valores podem ser
reais ou complexos. O conceito de determinante como um valor real ou complexo associado a certo
tipo de matrizes, ser dado na Seco 2.2. As matrizes e o conceito de determinante so usadas em
diversos contextos da modelao matemtica.
Neste curso, usaremos matrizes e determinantes para resolver problemas traduzidos por sistemas
de equaes lineares.
2.1
Clculo matricial
A=
...
... ... ...
am1 am2 ... amn
Abreviadamente escrevemos:
A = [aij ]i=1,...,m,j=1,...,n ,
ou
A = [aij ]mn .
Os valores aij , i = 1, . . . , m, j = 1, . . . , n dizem-se entradas ou componentes da matriz A. A
posio de cada aij dada pelo ndice i (i-sima linha) da matriz e pelo ndice j (j-sima coluna) da
matriz.
Denotaremos por Li a i-sima linha da matriz e por Cj a sua j-sima coluna.
2
1
0
0
Exemplo 2.2.
A matriz A = 1 1 4 1 do tipo 3 4.
1 1 1 0
2. Matrizes e determinantes
12
A matriz B =
1 + 2i
do tipo 1 1.
Uma matriz com uma s coluna diz-se uma matriz coluna e uma matriz que s tenha uma linha
uma matriz linha.
Uma matriz m n com todas as entradas iguais a zero diz-se matriz nula e denota-se 0mn .
Uma matriz do tipo m n diz-se retangular se m 6= n e diz-se quadrada de ordem n se m = n.
1
Exemplo 2.3.
A = 3 tem entradas a11 = 1, a21 = 3, a31 = 2.
2
i 1 1
B = 2 2 3i uma matriz quadrada de ordem 3 e tem como algumas das suas
1 1 1
entradas a11 = i, a22 = 2, a33 = 1.
Os elementos aii , i = 1, ...n de uma matriz quadrada de ordem n, A, dizem-se elementos principais e constituem a designada diagonal principal da matriz.
PnChamamos trao de uma matriz A, tr(A), soma dos elementos principais de A, isto , tr(A) =
1 aii .
Matriz triangular superior aquela que abaixo da diagonal principal s tem 0s. Uma matriz
A=[aij ] triangular superior sse aij = 0 quando i < j. Matriz triangular inferior aquela que
acima da diagonal principal s tem 0s ou seja, uma matriz triangular inferior se aij = 0 quando
i > j.
Matriz diagonal toda a matriz quadrada, cujos elementos no principais so todos nulos. Em
particular, uma matriz escalar uma matriz diagonal, cujos elementos principais so todos iguais.
2 + i 1 0
1 1 dado por tr(A) = 2+i1i =
Exemplo 2.4.
O trao da matriz A = 0
1
0 i
1.
1 i 2
T = 0 1 1 triangular superior e os seus elementos principais so t11 = 1, t22 =
0 0 1
1, t33 = 1.
3 0 0
I3 = 0 3 0 uma matriz escalar.
0 0 3
Duas matrizes A e B so iguais se e s se forem do mesmo tipo e os seus elementos homlogos
forem iguais isto , se aij = bij , para quaisquer i e j.
Exemplo 2.6.
1 2 0
1 1 2
13
3 1 2
2 1/2 1
4 3 2
3 3/2 3
1 1
1 2
1 1 0
0 1
.
=
Exemplo 2.13.
1 2
1 1 1
0 0
Observar que:
1 0 0
Exemplo 2.15. I3 = 0 1 0 o elemento neutro da multiplicao de matrizes de ordem 3.
0 0 1
2. Matrizes e determinantes
14
Definio 2.17. Chamamos transposta de uma matriz A = [aij ]mn matriz AT = [aji ]nm , que se
obtm trocando as linhas para colunas de A.
Uma matriz A diz-se simtrica se AT = A e diz-se anti-simtrica se AT = A.
1 1
1
1
0
T
2 6= A =
.
Exemplo 2.18.
A= 1
1 2 1
0 1
A matriz B =
1 2
2 2
simtrica.
T
= A.
3. (A B)T = B T AT .
matriz que se obtm substituindo
Definio 2.20. Chamamos matriz conjugada da matriz A, A,
cada elemento de A pelo respetivo conjugado.
Propriedades 2.21. Por definio de matriz conjugada, tem-se o seguinte:
1. A = A;
2. A + B = A + B.
3. A B = A B.
A matriz A = AT , diz-se matriz transconjugada. Se A = A , ento A diz-se hermiteana.
3
2 1 + i
Exemplo 2.22. A = 2 5 i simtrica, mas no hermiteana.
1 + i i 7
15
1 1 1 1 1
Exemplo 2.23. 0 1 0 1 0 uma matriz em escada de linhas.
0 0 0 0 0
Qualquer matriz pode ser transformada numa matriz em escada de linhas. Para isso, efetuamos
as designadas operaes elementares sobre as linhas da matriz:
Definio 2.24. As operaes elementares sobre as linhas de uma matriz so:
E1 : Troca de linhas;
E2 : Multiplicao de uma linha por um escalar no nulo;
E3 : Adio a uma linha de um produto de um escalar por outra matriz.
1 3 2
1 3 2
Exemplo 2.25. A matriz A = 3 3/2 3 0 15/2 9 tem caraterstica 2.
0
0
0
6 3 6
2. Matrizes e determinantes
16
Se A for uma matriz invertvel, denotaremos a sua inversa por A1 . Por definio, tem-se
AA = I e A1 A = I.
1
Propriedade 2.28. A inversa de uma matriz A = [aij ]nn , caso exista, nica.
Com efeito, se B e C forem ambas inversas de uma matriz A, tem-se AB = BA = In = AC =
CA. Mas AB = ABIn = ABAC = AIn C = AC. Considerando agora a existncia de A1 , tem-se
AB = AC A1 AB = A1 AC In B = In C A = C.
Fazendo uso das operaes elementares sobre as linhas (ou colunas) de uma matriz, podemos
determinar a sua inversa (caso exista), procedendo do seguinte modo:
Algoritmo 2.29.
ii) Usando as operaes elementares sobre as linhas de [A|In ], transformar [A|In ] em [C|D],
com C em escada de linhas;
iii) Caso C tenha alguma linha nula, ento A no invertvel; caso contrrio, transformar [C|D]
em [In |E] e identificar E com A1 .
1 1 2
Exemplo 2.30. Para calcular a inversa da matriz A = 2 3 1 , efetuamos
1 1 1
1 1 2 | 1 0 0
1 1 2 | 1 0 0
3
1 +L2
2 3 1 | 0 1 0 2L
0 1 5 | 2 1 0 LL12 +2L
5L3
L1 +L3
0 0 1 | 1 0 1
1 1 1 | 0 0 1
1 0 0 | 4 1 7
1 1 0 | 1 0 2
0 1 0 | 3 1 5 L1 L2 0 1 0 | 3
1 5
0 0 1 | 1 0
1
0 0 1 | 1 0 1
4 1 7
1
3
1 5 .
Logo, A =
1 0
1
1 2
.
Exerccio 2.31. Determinar, caso exista, a inversa da matriz D =
3 4
Propriedades 2.32. Sejam A e B matrizes de ordem n invertveis. Ento:
1. AB invertvel e (AB)1 = B 1 A1 ;
2. A1 invertvel e (A1 )1 = A;
3. se 6= 0, A invertvel e (A)1 = 1 A1 ;
4. AT invertvel e (AT )1 = (A1 )T ;
5. In1 = In .
Definio 2.33. Uma matriz invertvel A tal que A1 = AT diz-se matriz ortogonal.
17
cos() sen()
ortogonal, porque
Exemplo 2.34. A matriz A =
sen() cos()
1 0
cos() sen()
cos() sen()
T
T
.
=
A A = AA =
0 1
sen() cos()
sen() cos()
Propriedade 2.35.
2.2
(a11 a22 a33 ), (a12 a23 a31 ), (a13 a21 a32 ), (a13 a22 a31 ), (a11 a23 a32 ), (a12 a21 a33 ),
2. Matrizes e determinantes
18
os trs primeiros positivos e os trs ltimos negativos. Assim,
|A| = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 a11 a23 a32 a12 a21 a33 .
Notar que o determinante de uma matriz de ordem 4 , por definio, a soma algbrica de 4! = 24
parcelas.
Definio 2.37. Seja A uma matriz quadrada de ordem n.
Chamamos menor associado entrada aij , Mij , ao determinante da submatriz que se obtm
de A, por eliminao da i-sima linha e da j-sima coluna.
Ao nmero (1)i+j Mij diz-se complemento algbrico ou cofator associado a aij , que denotamos por Cij .
1 2 1
1 2 , tem-se:
Exemplo 2.38. dada a matriz A = 3
2 1 0
1 1
3 1
3
= 2 e C12 = (1)
M22 =
2 1 = 5.
2 0
Observamos que o teorema de Laplace fornece um procedimento que permite calcular determinantes de matrizes de ordem n a partir de determinantes de matrizes de ordem n 1. O processo
facilitado quando as matrizes so esparsas (muitas das suas entradas so nulas). Em geral, um maior
valor de n torna o processo mais trabalhoso.
O clculo de determinantes de matrizes pode ser facilitado atravs da aplicao de propriedades
dos mesmos.
19
5. A matriz que resulta da matriz A por substituio de uma linha (coluna) pela soma da mesma
com um mltiplo escalar de outra tem o mesmo determinante que a matriz A.
6. |AB| = |A||B|;
7. Se A tem ordem n, ento |A| = n |A|;
8. |AT | = |A|;
9. Se uma linha (ou uma coluna) de A for observada como uma soma de parcelas, o determinante
de A pode considerar-se como uma soma de determinantes das matrizes que resultam de A por
decomposio dessa fila.
O exemplo a seguir uma aplicao desta ltima propriedade.
1
1 7 5 1 7 5
7
5
0
3 = 2 0 3 + 2 0 3
Exemplo 2.41. 2
1 + 0 4 + 1 7 1 1 4 7 0 1 1
1 7 2
Exemplo 2.42. |A| = 2 0 4 = 0, porque a 3a coluna mltipla da 1a . Use a definio de
1 4 2
determinante para confirmar que |A| = 0.
Proposio 2.43. Se A uma matriz invertvel, ento:
1. |A| 6= 0.
2. |A1 | =
1
.
|A|
Demonstrao.
1
.
|A|
1 0 1
0 2 0
0 1 1
L 1/2L
2
= 3
1 0 1
0 2 0
0 0 1
= 2.
2. Matrizes e determinantes
20
3 2 1
3 3
6
3 2 1
3 ) = 2 4 7 = 3 4 2 .
Exemplo 2.49. Adj( 1 6
6 7 5
1 2
5
2 4 0
O teorema a seguir d-nos esse outro mtodo para o clculo da inversa de uma matriz invertvel.
1
Adj(A).
|A|
3 2 1
3 do exemplo anterior, tem inversa
Exemplo 2.51. A matriz A = 1 6
2 4 0
1 2/3 1/3
3 2 1
3 2 1
1
1
3 4 2 = 3 4 2 = 1 4/3 2/3 .
A1 =
|A|
3
2 7/3 5/3
6 7 5
6 7 5
2.3
Exerccios propostos
1. Considere as matrizes
1 3 0
1 3 2
A = 0 1 2 , B = 2 1 1 ,
3 0 2
2 0 3
Calcule, se for possvel:
(a)
1
C
2
(b) A 2B;
(c) C + D;
(d) B C T ;
3. Verifique se as matrizes A =
3
1
1 2
3 0
2 4
C= 1 0
3 1
(e) AB e BA;
D=
1 0
1 1
(g) CD2 ;
(f) BCD;
(h) DC T .
0 1
3
2
1 x
.
, B = 2 1 e AB =
1 3
2 y
3 0
6 2
comutam.
eB =
3 5
21
(c) c35
(d) c53
a 0
1 1/n 1/n
, com a 6= b.
(b) A =
0 b
0 .
(a) A = 0 1
0 0
1
7. Transforme as seguintes matrizes escrevendo-as em escada de linhas e indique a sua caracterstica:
1
2 1
1 2 4
0
1
0
(a) A = 4 1 2
(c) C =
1 1 3
7 3 6
3
2
3
3 1 0
2 3 1
(d) D = 2 0 1
(b) B =
1 2 0
1 1 0
8. Considere a matriz, em funo dos parmetros reais , R, a seguir:
1 0
1
0
1 2 +
.
B=
0 1
2
1 + +
(a) Determine a caraterstica de B em funo dos parmetros.
2 3 4
1 2
(a) A =
3 4
(b) B = 0 4 2 .
1 1 5
10. No clculo do determinante de uma matriz A = [aij ]6 6, diga qual o sinal que afeta cada
uma das seguintes parcelas:
(a) a23 a31 a42 a56 a14 a65 ;
11. Calcule o determinante das matrizes a seguir e diga quais delas so invertveis:
2
3 5
2
3
;
(a) A =
6 9
(b) B = 6 1 7 ;
1 0 1
2. Matrizes e determinantes
22
2
1 1
(c) C = 6 1 2 ;
4 2 2
0
1 1 1
1 1 0 1
(d) D =
1 2 0 1 .
3 2 2 0
x
0
A4 =
0
1
0
x
1
0
0
1
x
0
0
0
.
0
x
2 0
, determine a matriz B tal que
1 1
1 T
((A + B) ) =
3
1
5 2
14. Sejam A = [aij ]nn uma matriz real, B a matriz que resulta de multiplicar a primeira coluna
de A por R e C a matriz que resulta de multiplicar a segunda coluna de A por R.
Diga, justificando, se so verdadeiras ou falsas as seguintes afirmaes:
(a) |B| = |A|;
(b) |B + C| = ( + )|A|;
(c) |BC| = |A|2 ;
1 0 3
= 2 x 6
1 3 x5
2 4 18
16. Verifique, sem calcular o determinante que 1 3 12 mltiplo de 6.
1 0 6
1 0 2
1
2 1
2 ; (b) B = 3 1 4 ;
(a) A = 1 1
5 2 3
2 1 1
1
0
(c) C =
0
0
1
1
0
0
1
1
1
0
1
1
.
1
1
1 0 0
A = 0 1 0 ,
1 0 1
23
1 1 1
B= 3 1 0
0 2 2
2 0 0
e C = 2 1 0 .
1 1 1
(a) 2A X = B 1
(b) CX + B = BX + C
(c) AT A1 = (A + B + C)T + X
19. Sejam A e B matrizes do tipo 4 5, C uma matriz do tipo 5 4 e D uma matriz do tipo
4 2. Determine quais das seguintes expresses matriciais esto bem definidas, e nesses
casos, indique o tipo da matriz resultante.
(a) (AT + C)D.
(b) C T (A + B)2
1 k k
20. Considere a matriz A = 1 k 4
1 4 k
(a) Sem efetuar qualquer clculo, diga o que se pode concluir quanto ao valor da caracterstica de A quando k = 4.
0
0
a
A = 2 3 a + 1 ,
1 a 1
a R.
2.4
1.
1
2
0 ;
(a) 21 C = 1/2
3/2 1/2
2. Matrizes e determinantes
24
1 9 2
(b) A 2B = 4 1 4 ;
4 0 7
(d) B C T no existe;
1 0 4
13 0 7
(e) AB = 8 1 5 e BA = 0 7 3 ;
1 9 0
11 6 6
5 4
(f) BCD = 7 9 ;
14 14
6 4
0 ;
(g) CD2 = 1
5 1
2 1 4
T
.
(h) DC =
2 1
4
2. x =
1
3
ey=
5
.
3
3. Sim, AB = BA.
4. Porque (BC)T = AT C T e pela propriedade associativa da multiplicao de matrizes.
5. .
(a) Multiplicando cada linha da matriz A pela terceira coluna da matriz B.
(b) Multiplicando a primeira linha da matriz A pela todas as colunas da matriz B.
(c) Multiplicando a 3a linha da matriz A pela 5a coluna da matriz B.
(d) Multiplicando a 5a linha da matriz A pela 3a coluna da matriz B.
n
a
0
1 1 1
n
.
(b) A =
0 bn
6. (a) An = 0 1 0 .
0 0 1
7. As matrizes escrevem-se em escadas de linhas, usando as operaes sobre as suas filas.
(a) Car(A) = 2;
8.
(b) Car(B) = 2;
(d) Car(D) = 3.
(c) Car(C) = 3;
(a) A
10.
2
1
.
3/2 1/2
(a) +;
25
(b) +;
(b) B 1 =
9
23
1
23
2
23
11
46
7
23
5
46
5
23
2
23
4
23
(c) .
11. .
(a) |A| = 0, logo A no admite inversa;
(b) 4.
0 5
.
13. B =
0 2
14. .
1
|A|
|A|
15. x { 32 21 , 3+2 21 }.
2 4 18
1 2 3
16. 1 3 12 = 2 3 1 3 4
1 0 6
1 0 2
17. .
3 1 5
3 1 5
14
14
14
5
3
1
3 1 e A1 = 14
.
(a) Adj(A) = 5
14
14
5
3
1
1 5
3
14
14
14
11 4 2
1
29
7 10 e B 1 = 13
(b) Adj(B) =
Adj(B).
1 2 1
1 1 0
0
0 1 1 0
(c) Adj(C) = C 1 =
0 0
1 1
0 0
0
1
18. .
1
|A|
|B|
(a) X =
11
5
3
5
7
5
2
5
11
5
1
5
1
10
3
10
9
5
= 1 .
2. Matrizes e determinantes
26
(b) X = I3
19. .
0 5 1
(c) X = 1 3 1
0 0 4
(b) 3
22. .
(a) a R | {0, 3/2};
Captulo 3
Sistemas de equaes lineares
Comeamos por introduzir alguma terminologia, para a seguir apresentarmos trs processos de resoluo de sistemas de equaes lineares. Mais tarde, resolveremos problemas que traduzimos por
este tipo de sistemas.
3.1
x y + z = 0
x 3y + 2z = 0 .
x+yz =0
28
x y + z = 1
x + y z = 1 possvel e indeterminado, porque as duas primeiras equa2. O sistema
x + y = 0
es so equivalentes, isto , tm o mesmo conjunto soluo. Logo
x y + z = 1
x + y z = 1
x + y z = 1
.
x + y = 0
x + y = 0
Na prtica, temos trs incgnitas e apenas duas equaes, pelo que o valor de duas das
incgnitas depende do valor de uma terceira.
x y + z = 0
x + y z = 0 indeterminado e indique o seu
Exerccio 3.6. Prove que sistema homogneo
x+y =0
conjunto soluo.
Um sistema homogneo sempre possvel. Porqu?
3.2
a11 a12
a21 a22
A=
...
...
am1 am2
... a1n
x1
... a2n
x2
,X =
...
...
... amn
xn
b1
, B = b2 .
...
bm
29
a11 a12
a21 a22
[A|B] =
...
...
am1 am2
b1
b2
.
...
bm
|
|
|
|
Em geral, se um sistema de equaes lineares tiver m equaes e n incgnitas, ento a sua matriz
simples ser do tipo m n e a sua matriz ampliada ser do tipo m (n + 1).
3.3
x+y =1
xy =0
1 1
1 1
x
y
1
0
x
y
1/2 1/2
1/2 1/2
1 1
1 1
Como
1 1
1 1
1
tem-se
x
y
1/2 1/2
1/2 1/2
1
0
1/2
1/2
1
1
0
30
|A2 |
|An |
|A1 |
, x2 =
, ..., xn =
.
|A|
|A|
|A|
x + y + 2z = 1
x+yz =2
x+z =0
1 1 2
y = 1/3 1 2 1 = 4/3
1 0 1
1 1 1
e z = 1/3 1 1 2
1 0 0
= 1/3.
x 2y + z = 2
x 2y + z = 2
x 2y + 2z = 6
z=4
,
xy+z =1
xy+z =1
porque a segunda equao deste ltimo sistema resultou de subtrair ordenadamente a primeira
equao segunda equao do sistema inicial.
31
Agora, subtraindo a primeira equao segunda, tem-se o seguinte sistema equivalente aos
anteriores:
x 2y + z = 2
z=4
.
y = 1
1 2 1 | 2
Considerar a matriz ampliada 1 2 2 | 6 .
1 1 1 | 1
1 2 1 | 2
1 2 1 | 2
0 0 1 | 4 . 0 1 0 | 1 .
0 0 1 | 4
0 1 0 | 1
x 2y + z = 2
y = 1
Regressar ao sistema
e resolver por substituio.
z=4
Este mtodo designado de mtodo de eliminao de Gauss cujo cujo procedimento descrevemos:
Algoritmo 3.11.
2x + y + 2z = 1
x+yz =2
x+z =3
2. Comear na ltima linha no nula e regressivamente usar cada pivot para anular todos os
restantes elementos da coluna a que pertence.
32
3.4
0 0 | 0
3 3 | 3
Na resoluo de problemas traduzidos por sistemas de equaes, por vezes conveniente considerar algumas das suas incgnitas como parmetros em funo dos quais classificamos e resolvemos
o sistema. Por exemplo, o sistema a seguir no linear se for considerado como um sistema nas incgnitas x, y, z, e :
x+y = 1
x + y = .
3x 3y = 0
33
x+y = 1
x + y = ,
3x 3y = 0
1
1
|
1
1
1
|
1
1 1 | 1
1 | 0 1 | 1 0 6 | 3 .
0 1 | 1
0 6 | 3
3 3 | 0
1 1 |
1
1
1
|
1
=0
0 6 | 3 16
.
3
0 6 |
1
0 0 | 2 ( 1) + 1
0 1 | 1
Neste caso, se 1
( 1) + 1 = 0, isto , se = 21 ( + 1), o sistema possvel determinado.
2
Caso contrrio, o sistema impossvel.
Notamos que nos sistemas homogneos AX = 0 tem-se sempre car(A) = car(A|B), logo
so sempre possveis. De facto tais sistemas tm pelo menos a soluo nula. tais sistemas so
indeterminados quando car(A) < n.
Exerccio 3.17. Classifique o sistema homogneo a seguir, em funo do parmetro :
x + y = 0
.
x + y = 0
Muitos dos problemas de interesse prtico que aparecem, por exemplo, no clculo de estruturas,
nas redes de transporte, na comunicao ou nas reas de economia e engenharia, so traduzidos por
sistemas lineares. A este propsito, sugere-se a traduo do problema a seguir por um sistema de
equaes lineares e posterior resoluo.
Problema 3.18. Um fabricante de objetos de cermica produz vasos e pratos decorativos. Cada
vaso exige 16 minutos de moldagem, 8 minutos de polimento e 30 minutos de pintura. Cada prato
decorativo necessita de 12 minutos de moldagem, 6 de polimento e 15 de pintura. Sabendo que,
por semana, so reservadas 8 horas para a moldagem, 4 horas para o polimento e 13 horas para a
pintura, determine quantos objetos de cada tipo podero ser fabricados por semana.
3.5
Exerccios propostos
34
(a) x +
(c) x = 3y + 32 z;
2y 25/3 z = 1;
(d) x2/3 2y 5z =
(b) x + xy 2z = 0;
2. Considere o sistema de equaes lineares
6.
x 2y = 1
.
6y 3x = 3
3x 2y = 1
y = 0
(b)
(a)
5x = 1
2x + 3y = 1
(c)
x 2y + z = 5
(d)
5. Sejam os sistemas de equaes lineares:
xy = 4
(I)
2x + y = 1
(III)
x + y + z = 1
x + 2y + 3z = 3
y + 2z = 4
2x + z =
yx =
x + 5z =
x + 2y z
yz
2x + z
1
0
1
= 1
= 5
= 3
2x y z = 3
x + 3y + z = 2
(II)
x + 3y = 1
2x y + 2z = 1
2x 8y z = 8
(IV)
x + 3z = 8
x + 4y + z = 4
(a) Resolva pelo mtodo da inversa da matriz dos coeficientes, o sistema de equaes I;
(b) Resolva pela regra de Cramer, o sistema de equaes II;
(c) Resolva pelo mtodo de eliminao de Gauss, os sistemas III e IV .
6. Um comerciante de caf vende trs tipos de misturas de gros. Um pacote com a "mistura da
casa" contm 300 gramas de caf colombiano e 200 gramas de caf torrado. Um pacote com
a "mistura especial" contm 200 gramas de caf colombiano, 200 gramas de caf queniano
e 100 gramas de caf torrado. Um pacote com a "mistura gourmet" contm 100 gramas de
caf colombiano, 200 gramas de caf queniano e 200 gramas de caf torrado. Com 30 quilos
de caf colombiano, 15 de caf queniano e 25 de caf torrado, quantos pacotes de cada mistura
pode o comerciante preparar?
x + z = 1
x y + z = 0
, R.
7. Considere o sistema
x y + w = 1
y+z =
35
x
+
2y
+
z
=
5
x+y+z = +1
x + y + z =
1
x y + 3z = 6
(b)
(a)
x y + w = 1
x y + z =
1
2x + y z =
2x + 4y + z = 2
x+z =0
x + ( + 2)y = 1
2x + y z = 1
(d)
(c)
x + 2y =
3x
y
=
x + 2y + z = 1
3z y =
2x 5y + 2z = 0
x+y+z = 0
2x + z = 0
tem solues distintas do soluo nula e calcule-as.
2
A=
0
0
0
1
1
2
1 1
,
1 1
1
1
0
e B=
1 .
(c) Para = 2, determine R, tal que (1/4, 1/4, 3/4, 0) seja soluo do sistema
AX = B.
x+y+z = 1
x + y + z = 2
3x + 3y + z =
Classifique-o em funo dos parmetros e .
12. Certo dia, o Paulo trocou 40 dlares e 20 libras por 78 euros. Nesse dia, na mesma instituio
o Pedro trocou 50 dlares e 40 libras por 120 euros. Qual foi a cotao do dlar nesse dia? E
da libra?
36
3.6
1. .
2.
(a) .
(b) {(1 + 2y, y) : y R}.
1 1 0 y =
(b)
z
1 0 5
x
1 2 1
0 1 1 y =
(d)
z
2 0 1
1
3 2
x
0 1
= 0 ;
(a)
y
1
5 0
x
1
2 3 0
;
y =
(c)
5
1 2 1
z
1
0 ;
1
1
5 .
3
5. .
(a)
xy = 4
2x + y = 1
(b) x =
3 1 1
2
3
1
1
3
0
2 1 1
1 3
1
1
3
0
x
y
3
,
11
y=
1 1
2 1
1
5/3
x
4
;
=
7/3
y
1
2 3 1
1 2
1
1
1
0
2 1 1
1 3
1
1
3
0
2
,
11
z=
2 3 1
1 2
1
1
1
0
2 1 1
1 3
1
1
3
0
9
;
11
(c) O sistema III tem conjunto soluo {(x, 2x 6, x + 5) : x R}; O sistema IV tem
conjunto soluo {(x, 2x + 2z + 1, z) : x, z R}.
6. O comerciante pode preparar 65 pacotes com a "mistura da casa", 30 pacotes com a "mistura
especial" e 45 pacotes com a "mistura gourmet".
7. .
(a) .
i. 3 ;
ii. Se =
6 0, a caracterstica da matriz dos coeficientes e da matriz ampliada 4; Se
= 0, a caracterstica da matriz dos coeficientes 3, mas a caracterstica da matriz
ampliada 4.
(b) Se 6= 0, o sistema possvel e determinado. Se = 0, o sistema impossvel.
37
2 1 0 1
1 1 0 0
(c)
1 1 0 1 .
1 0 1 1
8. .
15 11
,
4 4
a, 2 a).
38
Captulo 4
Geometria analtica em R2 e em R3
A geometria analtica estuda a representao de objetos geomtricos num sistema de referncia
(sistema de eixos coordenados), com recurso a princpios da lgebra e da anlise matemtica.
Comeamos por relembrar alguns conceitos da geometria no plano.
4.1
k R,
isto , AB o lugar geomtrico dos pontos (x, y), que com A definem vetores com a mesma direo
~
de AB.
Da equao vetorial deduzimos uma equao cartesiana
y a2 =
b 2 a2
(x a1 ).
b 1 a1
b 2 a2
v2
=
b 1 a1
v1
4. Geometria analtica em R2 e em R3
40
k R.
A posio relativa de duas retas no plano (concorrentes ou paralelas) determinada pelos seus
coeficientes angulares: coeficientes angulares iguais geram retas paralelas coeficientes angulares
diferentes geram retas concorrentes.
Exerccio 4.1. Por observao do declive e da ordenada na origem das retas de equao
r : 3x y = 1,
s : 3x 2y + 2 = 0
e t : 4y 6x = 1,
b) r e t;
c) s e t.
b 1 + a1 b 2 + a2
,
).
2
2
Definio 4.2. Uma circunferncia o lugar geomtrico dos pontos do plano a igual distncia de
um ponto fixo (chamado centro). A essa distncia chamamos raio da circunferncia.
41
B = (5, 2).
3+5 42
,
) = (4, 1)
2
2
e o seu raio,
d(A.C)
= 1 + 9 = 10.
2
4. Geometria analtica em R2 e em R3
42
=1
a2
b2
Relativamente classificao de uma curva dada por uma Equao 4.1, prova-se o seguinte:
Se B 2 4AC < 0, a equao define uma elipse;
Se B 2 4AC > 0, a equao define uma hiprbole;
Se B 2 4AC = 0, a equao define uma parbola.
Por exemplo, a equao 4x2 y 2 +2y = 0 representa uma hiprbole, porque b2 4AC = 16 > 0.
A equao dada pode ser escrita pela sua equao reduzida, efetuando
4x2 y 2 + 2y = 0 4x2 (y 2 2y + 1) = 1
x2
(y 1)2 = 1,
1/4
43
a) x2 = 6y;
c) 4x2 + 9y 2 = 4.
b) (y 2)2 = 6x;
d) 3x2 4y 2 = 9.
4.2
Tal como para a representao de elementos no plano recorremos ao sistema de eixos cartesiano
Oxy, tambm para a representao de elementos do espao recorremos ao referencial cartesiano
tridimensional Oxyz. Por exemplo, dizer que um ponto P tem coordenadas cartesianas (2, 3, 2),
significa dizer que P se escreve como a combinao linear P = 2i + 3j + 2k dos vetores unitrios
i, j, k, que do a orientao dos eixos do referencial, tal como a imagem a seguir sugere:
b 1 + a1 b 2 + a2 b 3 + a3
,
,
).
2
2
2
Exemplo 4.6. Para determinar a equao cartesiana da superfcie esfrica que tem como extremos
de um dimetro A = (1, 0, 2) e B = (0, 2, 4), calculamos o seu centro,
C=(
1 + 0 2 + 0 2 + 4
1
,
,
) = ( , 1, 3)
2
2
2
2
e o seu raio,
r=
d(A.C) p
= 1/4 + 1 + 1 = 3/2.
2
4. Geometria analtica em R2 e em R3
44
Definio 4.7. O produto interno usual ou produto escalar de dois vetores u e v, definido como
u v = |u||v| cos(uv).
v1
v2
u v = (u1 v1 + u2 v2 + + un vn ) = u1 u2 un
vn
|(2, 3)| =
e
|(1, 2, 1)| =
(2, 3) (2, 3) = 4 + 9 = 13
(1, 2, 1) (1, 2, 1) = 1 + 4 + 1 = 6.
uv
).
|u| |v|
(desigualdade triangular);
(desigualdade de Cauchy Schwarz).
45
Definio 4.11. A projeo ortogonal de um vetor u sobre um vetor v, P rojv (u), um vetor v1 ,
cuja origem a origem comum a v e u e cuja extremidade o p da perpendicular de u sobre a reta
com a direo do vetor v
uv
v
P rojv (u) =
v.
|v|
|v|2
1
(1, 2, 3) (2, 0, 1)
(2, 0, 1) = (2, 0, 1) = (2/5, 0, 1/5).
5
5
4. Geometria analtica em R2 e em R3
46
47
O seu valor absoluto, |u (v w)|, representa o volume do paralelippedo definido por trs
vectores u, v e w.
k R.
x a1
y a2
z a3
=
=
.
b 1 a1
b 2 a2
b 3 a3
y2
3
= z4 .
4. Geometria analtica em R2 e em R3
48
4.3
Formas quadrticas
Definio 4.21. Uma superfcie qudrica uma superfcie, que em R3 , definida por uma equao
polinomial de 2o grau em trs variveis,
Ax2 + By 2 + Cz 2 + Dxy + Eyz + F xz + Gx + Hy + Iz + J = 0,
onde A, B, . . . , J so constantes reais.
Como exemplos de algumas superfcies de R3 , so as geradas pela rotao de cnicas em torno
de um eixo que as bissete;
Uma esfera gerada por uma circunferncia;
Um elipsoide de revoluo gerado por uma elipse;
Um paraboloide de revoluo gerado por uma parbola;
Um hiperboloide de revoluo gerado por uma hiprbole.
A identificao de curvas de interseo de uma superfcie qudrica com planos paralelos aos
planos coordenados, xOy, xOz e yOz, facilitam a sua classificao.
Tais intersees so mais facilmente identificadas se as qudricas forem descritas por equaes
na forma reduzida, como se segue:
Equao reduzida do elipside de
centro na origem e semi-eixos
a, b, c > 0:
E:
x2 y 2 z 2
+ 2 + 2 = 1.
a2
b
c
49
(x x0 )2 (y y0 )2 (z z0 )2
+
+
= 1.
a2
b2
c2
x2 y 2 z 2
+ 2 2 = 1.
a2
b
c
A equao xa2 yb2 + zb2 = 1 representa o hiperboloide de uma folha com eixo Oy.
2
2
2
A equao xa2 + yb2 + zb2 = 1 representa o hiperboloide de uma folha com eixo Ox.
x2 y 2 z 2
2 + 2 = 1.
a2
b
c
z
x2 y 2
,
+
=
a2
b2
c
c>0
4. Geometria analtica em R2 e em R3
50
z
x2 y 2
2 =
2
a
b
c
4.4
51
Exerccios propostos
(d) y 2 4x2 = 4.
(b) 21y 2 4 x = 0;
(e) 4x2 8x + y 2 + 2y + 1 = 0.
(f) y 2 4y + 2x + 6 = 0.
(d) Plano que contm os pontos (1, 0, 2), (0, 1, 2) e (2, 0, 1).
4. Mostre que a reta de equao
3z 4 = 0.
x1
3
y2
9
x1
2
(b)
2x1
3
y+1
, z = 1;
4
y1
= z+3
;
4
2
=y =z3ex2=
=
y1
2
= z e
x
3
x1
3
y2
9
= 3 z paralela ao plano 2x + y 3z 4 = 0.
x 2y + 4z = 2
x + 2y + 2z = 1
(b)
4x 5z = 17
3x + 2y + 10z = 5
(a)
2x y + 9z = 8
8. Considere a superfcie S :
x2
4
+ y2 +
z2
9
= 1.
(x+1)2
4
y2
9
z
3
e S2 :
x2
4
z2
9
= y2.
4. Geometria analtica em R2 e em R3
52
11. Obtenha a equao da superfcie esfrica que passa pelos pontos A = (1, 0, 2) e B = (3, 1, 5)
e cujo centro se encontra sobre o eixo Oy.
12. Dada a superfcie qudrica x2 + y 2 + z 2 2x 4y 2z + 4 = 0, prove que representa uma
superfcie esfrica e determine o seu centro.
13. Considere os pontos P1 = (1, 0, 1), P2 = (0, 1, 3) e P3 = (2, 1, a).
a) Determine os valores do parmetro a para os quais os trs pontos dados so colineares;
b) Considere a = 2 e determine o plano definido pelos trs pontos.
14. Considere as equaes x + ay + 2 = 0, 2x + (a + 1)y + (a 1)z = 1 e x + ay + (b + 2)z = 2
de trs planos de R3 . Determine, caso existam, os valores de a e b para os quais os trs planos
so paralelos.
4.5
1. .
(a) AB : x + 3y 7 = 0;
(b) s : y = 3x.
2. Identificao de cnicas:
(a) Parbola voltada para baixo com vrtice em (2, 2);
(b) Parbola voltada para a direita com vrtice em (4, 0);
(c) Elipse centrada na origem e eixos 2a = 6 e 2b = 4;
(d) Hiprbole centrada na origem e eixos 2a = 2 e 2b = 4;
(e) Elipse centrada em (1, 1) e eixos 2a = 2 e 2b = 4;.
x1
3
y3
1
z5
;
2
(b) x y 3z + 7 = 0;
(c) x + y + 1 = 0;
(d) x + y z + 3 = 0.
4. Sugesto: Verificar que o vetor diretor (3, 9, 1) da reta perpendicular ao vetor (2, 1, 3),
que ortogonal ao plano.
5. Posio relativa de retas.
(a) Retas no coplanares;
53
10y50
21
=x=
5z17
},
4
8. .
(a) S 1 : x2 /4 + y 2 = 5/9 uma elipse do plano z = 2 e S 2 = {(0, 0)} do plano
y = 1.
54
4. Geometria analtica em R2 e em R3
Captulo 5
Espaos vetoriais
No final do sculo XIX, no mbito do estudo da teoria de matrizes, foi observado que entidades matemticas diferentes possuem propriedades semelhantes. Por exemplo, as operaes adio
e multiplicao escalar de vetores de R2 , de R3 , de funes polinomiais ou de funes diferenciveis, apresentam as mesmas propriedades da adio e da multiplicao escalar de matrizes. Tal
constatao deu origem definio de espao vetorial.
5.1
Definio 5.1. Um espao vetorial real um conjunto V 6= munido das operaes adio V
V V e multiplicao escalar R V V , tais que para quaisquer u, v, w V e a, b R, as
propriedades a seguir se verificam:
1. (u + v) + w = u + (v + w)
2. u + v = v + u
(associativa);
(comutativa)
(elemento neutro);
(simtrico);
5. (a + b)v = av + bv;
6. (ab)v = a(bv);
7. 1v = v.
Se na definio anterior considerarmos escalares complexos em vez de escalares reais, ento V
diz-se um espao vetorial complexo. Seguem-se alguns exemplos de espaos vetoriais:
1. Para cada n N, Rn um espao vetorial sobre R;
2. O conjunto Mn (R) das matrizes quadradas de ordem n com elementos reais um espao
vetorial sobre R;
3. O conjunto Mn (C) das matrizes quadradas de ordem n com elementos complexos um espao
vetorial sobre C;
5. Espaos vetoriais
56
4. O conjunto Mm1 (R) dos vetores-linhas com elementos reais um espao vetorial sobre R;
5. O conjunto M1n (R) dos vetores-colunas com elementos reais um espao vetorial sobre R;
6. O conjunto F (R) = {f : R R} das funes reais cujo domnio o conjunto dos nmeros
reais um espao vetorial sobre R;
7. O conjunto Pn [R] de todas as funes polinomiais de grau inferior ou igual a n um espao
vetorial sobre R.
5.2
Definio 5.2. Dado um espao vetorial V , dizemos que um subconjunto W V diferente do vazio
um subespao vetorial de V , se verificar as seguintes propriedades:
i) Para quaisquer u, v W , tem-se u + v W
ii) Para quaisquer a R e v W , tem-se av W
(fecho da adio);
(fecho da multiplicao escalar).
Um subespao vetorial S V tambm um espao vetorial, j que corresponde a um subconjunto no vazio de um espao vetorial tal que o resultado das operaes adio e multiplicao
escalar sobre os seus elementos ainda um elemento de S.
Exemplo 5.3. O conjunto
W = {(x, 2x) : x R}
um subespao de R2 .
Com efeito, para quaisquer vetores u = (u1 , 2u1 ) e v = (v1 , 2v1 ) de W e para qualquer escalar
a R, tem-se:
i) u + v = (u1 + v1 , 2(u1 + v1 )) W
ii) au = (au1 , 2au1 ) W
(fecho da adio);
2. O conjunto R dos nmeros reais um subespao prprio do conjunto C dos nmeros complexos, munido das operaes adio e multiplicao usuais;
3. O conjunto Sn (R) das matrizes simtricas um subespao prprio do espao Mn (R) das
matrizes quadradas.
57
Exerccio 5.5. Provar que o conjunto S = {X M22 (R) : det(X) = 0} das matrizes singulares,
no um subespao de M22 (R).
{k(1, 2, 3) : k R}
{(1k, 2k, 3k) : k R}
{(x, y, z) : x = 1k, y = 2k, z = 3k, k R}
{(x, y, z) R3 : x = y/2 = z/3}
(5.1)
Isto , o conjunto A = {(1, 2, 3), (2, 4, 6)} tambm gera o espao vetorial do exemplo anterior. Notar
que o vetor (2, 4, 6) combinao linear de (1, 2, 3).
Nesse sentido, relevante considerar o conceito de dependncia linear de um conjunto de vetores, relacionado com a existncia de pelo menos um vetor que combinao linear dos restantes.
Definio 5.11. Um conjunto A = {v1 , v2 , . . . , vn } de vetores de um espao vetorial V , diz-se
linearmente dependente,(LD), se existirem escalares k1 , k2 , . . . , kn , no todos nulos tais que
k1 v1 + k1 v2 + k1 v3 + + kn vn = 0.
(5.2)
5. Espaos vetoriais
58
Exemplo 5.12. O conjunto A = {(1, 2, 3), (2, 0, 1), (0, 4, 5)} de vetores de R3 linearmente
dependente, porque o sistema homogneo k1 (1, 2, 3) + k2 (2, 0, 1) + k3 (0, 4, 5) = (0, 0, 0) tem
outras solues para alm da soluo nula.
O conjunto B = {(1, 2, 3), (2, 0, 1), (0, 0, 1)} de vetores de R3 linearmente independente,
porque o sistema homogneo k1 (1, 2, 3)+k2 (2, 0, 1)+k3 (0, 0, 1) = (0, 0, 0) tem soluo nica.
Definio 5.13. Um conjunto B = {v1 , v2 , . . . , vn } de vetores de um espao vetorial V , diz-se uma
base desse espao quando verifica as seguintes condies:
B linearmente independente;
hv1 , v2 , . . . , vn i = V , isto , o subespao gerado por B igual a V .
Teorema 5.14. Quaisquer duas bases de um espao vetorial finitamente gerado, tm sempre o
mesmo nmero de vetores.
Definio 5.15. O nmero de vetores de qualquer base de um espao vetorial finitamente gerado V ,
diz-se dimenso de V , que denotamos por dim(V ).
Exemplo 5.16. O conjunto A = {(1, 2), (0, 1)} representa uma base de R2 , porque o conjunto A
linearmente independente e para qualquer (x, y) R2 , existem escalares k1 , k2 tais que
(x, y) = k1 (1, 2) + k2 (0, 1).
Com efeito,
k1 = x
2k1 k2 = y
k1 =
x
.
k2 = 2x y
O espao vetorial R2 tem dimenso 2, o que significa que todas as bases deste espao so conjuntos de dois dos seus vetores linearmente independentes.
Definio 5.17. Um Espao euclidiano qualquer espao vetorial real de dimenso finita munido
de um produto interno.
A operao produtointerno induz uma mtrica, isto , determina o comprimento de cada vetor v
do espao como |v| = v v.
Exemplo 5.18. O espao vetorial R2 um espao euclidiano, por se tratar de um vetorial real de
dimenso 2 (finita) e estar munido do produto interno usual definido por
(x1 , y1 ) (x2 , y2 ) = x1 x2 + y1 y2 ,
que determina o comprimento de cada vetor v = (v1 , v2 ) como
q
|v| = v12 + v22 .
59
A designada base cannica de R2 definida pelo conjunto dos vetores unitrios C = {(1, 0), (0, 1)}.
As coordenadas cartesianas de pontos ou vetores de R2 so os escalares que escrevem esses pontos
ou vetores como combinao linear desta base. Por exemplo, (3, 5) = 3(1, 0) + 5(0, 1).
Naturalmente, a base cannica de R3 definida pelo conjunto dos vetores unitrios
C = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
e qualquer ponto de coordenadas cartesianas (x, y, z) se escreve como combinao linear
x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1).
Em geral, as coordenadas de um vetor v de um espao vetorial E, relativamente a uma base B,
so os escalares que escrevem v como combinao linear dos vetores de B.
Exemplo 5.19. Seja o vetor v = (2, 5) R2 , isto , seja v = 2(1, 0) + 5(0, 1). As coordenadas de
v segundo a base A = {(1, 2), (0, 1)} so vA = (2, 1), porque 2(1, 2) (0, 1) = (2, 5).
Operaes com subespaos vetoriais
Interseo de subespaos: A interseo W1 W2 dos subespaos vetoriais W1 e W2 do espao
vetorial V , ainda um subespao de V .
Soma de subespaos: A soma W1 + W2 = {v : v = w1 + w2 , w1 W1 , w2 W2 } dos
subespaos vetoriais W1 e W2 do espao V , ainda um subespao de V .
Quanto dimenso de subespaos vetoriais finitamente gerados, dados dois subespaos U, W V ,
tem-se:
dimU + dimW = dim(U + W ) + dim(U W ).
Exemplo 5.20. Seja V = M22 (R) o conjunto das matrizes quadradas de ordem 2 e sejam os subespaos
0 b
a b
: b, c R .
: a, b R , e S2 =
S1 =
c 0
0 0
Ento,
S1 S2 =
0 b
0 0
:bR
e S1 + S2 =
a b
c 0
: a, b, c R .
5.3
e v = r1 w 1 + r2 w 2 + . . . + r n w n .
5. Espaos vetoriais
60
A matriz mudana de base relaciona as coordenadas de uma dada base A de um espao vetorial
com as coordenadas de outra base B desse espao. Por exemplo, podemos escrever os vetores wi da
base B como combinao linear dos vetores da base A:
w1
a11
w2 a21
=
wn
an1
a12
a22
an2
a1n
v1
v2
a2n
.
ann
vn
Definio 5.21. Dadas duas bases A e B de um espao vetorial, chamamos matriz mudana de
base da base A para a base B, PBA matriz cujas colunas representam as coordenadas dos vetores
da base B em relao aos vetores da base A.
De acordo com esta definio, a matriz mudana de base de A para B a transposta da matriz
que multiplicada pela matriz cujos vetores linha so os elementos da base A determina a matriz cujos
vetores linha so os vetores da base B, isto ,
PBA =
.
a1n a2n ann
Tem-se
isto , as colunas desta matriz representam as coordenadas de cada vetor da base B em relao
base A.
Exemplo 5.22. Sejam A = {(1, 1), (1, 0)} e B = {(1, 2), (4, 3)} duas bases de R2 . A matriz
mudana de base de A para B a matriz transposta de
a11 a12
(1, 2) = a11 (1, 1) + a12 (1, 0)
M=
, tal que
(4, 3) = a21 (1, 1) + a22 (1, 0)
a21 a22
2 3
2 1
A
.
, logo PB =
Resolvendo o sistema, tem-se M =
1 1
3 1
Notar que
1
2
4 3
2 1
3 1
1 1
,
1 0
isto , a matriz cujas linhas correspondem aos vetores de B igual ao produto da matriz M pela
matriz cujas linhas correspondem aos vetores de A, ou equivalentemente,
[B] = [A] PBA ,
onde [A] e [B] representam matrizes cujas colunas so os vetores das bases A e B, respetivamente.
61
1 1 1
= 1 0 1 ,
0 1 1
porque PCB = [B]1 [C] = C (pela Proposio 5.23 e porque [B]1 a matriz identidade). Notar
tambm que as suas colunas representam as coordenadas de cada vetor da base C em relao
base B e as coordenadas dos vetores de C so relativas base cannica.
Determinamos as coordenadas de v
onde
1
B 1
(PC ) = 1
0
Tem-se ento,
1
1
0 1
1 1
0 1 = 1 1 0 .
1 1
1
1 1
2
1
1
0 1
vC = 1 1 0 2 = 1 .
4
3
1 1
1
Definio 5.26. Duas matrizes quadradas M e N dizem-se semelhantes se existir uma matriz invertvel P tal que
N = P 1 M P.
5. Espaos vetoriais
62
2 3
1 1
a matriz mudana de base da base A = {(1, 1), (1, 0)} para a base B = {(1, 2), (4, 3)} de R2 .
Ento, dada por exemplo a matriz
1 5
,
M=
2 7
podemos determinar uma outra matriz N semelhante a M , efetuando:
N =P
MP =
2 3
1 1
1
6/5 31/5
2 3
1 5
.
=
9/5 34/5
1 1
2 7
= |M | = 1 5
2 7
= 3.
Na Seco 2, definimos matriz ortogonal como uma matriz invertvel, cuja inversa a sua transposta. Alm disso, o determinante de uma matriz ortogonal 1 ou 1. Podemos agora considerar
um conceito alternativo de matriz ortogonal:
Propriedade 5.28. Uma matriz ortogonal somente se os seus vetores coluna formam uma base
ortonormal.
Uma matriz ortogonal por isso uma matriz cujas colunas (ou linhas) formam uma base ortonormal. Este conceito implica que as designadas matrizes de rotao so matrizes ortogonais.
A rotao em torno da origem de um dado ngulo de um espao vetorial uma aplicao que
permite rodar os elementos do espao desse ngulo, preservando a ortonormalidade e mantendo a
origem inalterada.
Por exemplo, a matriz de ordem 2,
R=
cos() sen()
sen() cos()
63
y = r sin( + )
y = r cos() sin() + r sin() cos()
y = x sin() + y cos()
Assim, temos
x
y
cos() sen()
sen() cos()
x
.
1
0
0
A = 0 cos() sen() ,
0 sen() cos()
determina uma base ortonormal de R3 . Observe que o conjunto dos vetores linha so ortonormais, o
mesmo acontecendo aos vetores coluna.
uv
v.
|v|2
Consideremos o espao vetorial R2 (ou R3 ) e o subespao W que representa uma reta (ou um
plano) contendo a origem do referencial. As imagens a seguir evidenciam que cada vetor u R2 (ou
u R3 ) se pode escrever como a soma v1 + v2 , com v1 W e v2 perpendicular a W , v2 W .
5. Espaos vetoriais
64
Observamos que v1 representa a projeo ortogonal de u sobre o espao vetorial W , que denotamos por P rojW u. O vetor v2 diz-se componente de u ortogonal a W . Assim, escrevemos:
u = P rojW u + P rojW u.
(v a2 )
(v an )
(v a1 )
a1 +
a2 + +
an .
2
2
|a1 |
|a2 |
|an |2
P rojW u =
65
1) Considerar e1 = v1 ;
v2 e 1
e1 ;
|e1 |2
v3 e 1
v3 e 2
e2
e1 ;
2
|e2 |
|e1 |2
vi ei1
vi ei2
vi e 1
)ei1 (
)ei2 (
)e1 .
ei1 ei1
ei2 ei2
w1 e1
(3,3,1,1)(1,1,1,1)
(1, 1, 1, 1)
|(1,1,1,1)|2
5. Espaos vetoriais
66
w3 = (2, 0, 6, 8) (2,0,6,8)(1,1,1,1)
(1, 1, 1, 1) (2,0,6,8)(3/2,3/2,5/2,1/2)
(3/2, 3/2, 5/2, 1/2).
|(1,1,1,1)|2
|(3/2,3/2,5/2,1/2)|2
Assim, determina-se C = {(1, 1, 1, 1), (3/2, 3/2, 5/2, 1/2), (2, 0, 2, 4)}.
A partir de um conjunto ortogonal de vetores, podemos sempre obter um conjunto ortonormal,
multiplicando cada vetor pelo inverso da sua norma.
O processo de ortogonalizao de Gram-Schmidt determina a seguinte propriedade:
Propriedade 5.34. Todo o espao vetorial munido de produto interno possui uma base ortonormal.
5.4
Exerccios propostos
(b) {1 + x + x3 , 1 x x3 , x2 , 3 + 2x2 }.
7. Determine se os seguintes conjuntos do espao vetorial M22 das matrizes de ordem 2, formam
um base. Caso responda negativamente, indique o espao gerado por esses vetores.
0 1
1 0
.
,
(a)
2 0
0 0
0 0
0 1
0 0
2 0
.
,
,
,
(b)
0 1
0 0
1 0
0 0
8. Sejam V = h(1, 1, 1), (1, 2, 2)i e E = h(0, 1, 1), (1, 1, 2)i dois subespaos de R3 . Determine:
(a) A dimenso do espao V + F ;
67
(c) (1, 2, 3, 4) em relao base {(1, 1, 0, 1), (0, 1, 1, 1), (1, 0, 1, 1), (0, 1, 0, 1)} de R4 ;
11. Sejam A = {(1, 1, 0), (1, 0, 1), (0, 1, 0)} e B = {(1, 0, 1), (1, 2, 1), (0, 0, 1)} bases de R3 .
(a) Determine a matriz mudana de base [P ]A
B;
(b) A partir de A, determine uma base ortonormal de R3 .
12. A partir da base B = {(1, 2, 3), (3, 0, 1), (1, 5, 3)} de R3 , determine uma base ortonormal.
13. Determine as componentes de:
(a) (5, 4) em relao base A = {(1, 2), (0, 3)} de R2 ;
5. Espaos vetoriais
68
5.5
1. Subespaos vetoriais:
(a) A subespao vetorial;
(b) B no subespao vetorial;
(c) C subespao vetorial.
2. Vetores que geram R3 :
(a) {u, v, w} no gera R3 , gera o subespao {x + y, x, 2x + y) : x, y R} de dimenso 2;
3. Dois vetores de R3 geram uma reta se um for combinao linear do outro. Dois vetores geram
um plano se formarem um conjunto linearmente independente.
4. O conjunto {(1, 1, 1), (0, 1, 2), (0, 0, 1)} linearmente independente.
5. k = 0.
6. Conjuntos do espao vetorial P 3 dos polinmios de grau no superior a 3.
(a) {1, x, x2 , x3 } linearmente independente;
69
11. .
0 0 1
1 1 1 ;
(a) [P ]A
B =
0 2 1
12. {(1/ 14, 2/ 14, 3/ 14), (1/ 35, 5/ 35, 3/ 35), (2/ 10, 0, 1/ 10)}.
13. .
(a) (5, 4) = (5, 14/3)A ;
14. .
(a) B = {(1, 0, 1, 0), (2, 3, 2, 0)} base de S e a sua dimenso 2; C = {(1, 0, 0, 1), (0, 1, 0, 0)}
base de G e a sua dimenso 2.
(b) S G = {(0, y, 0, 0) : y R} e dim(S + G) = 3;
15. .
16.
[P ]A
C
B
[P ]A
B [P ]C
= [A]
[B][P ]B
C
5 3
4 6
C=
1 9
.
4 6
70
5. Espaos vetoriais
Captulo 6
Transformaes lineares
6.1
6. Transformaes lineares
72
4. Se x = k1 v1 + k2 v2 + + kn vn , com vi E, ki R e i = 1, 2, . . . , n, ento
T (x) = T (k1 v1 + k2 v2 + + kn vn ) = k1 T (v1 ) + k2 T (v2 ) + + kn T (vn ).
Exemplo 6.4. A aplicao f : R3 R2 , definida por f (x, y, z) = (x, z y) uma aplicao linear.
Com efeito, dados os vetores u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) R3 e o escalar k R, tem-se
f (u + v) = f (u1 + v1 , u2 + v2 , u3 + v3 ) = (u1 + v1 , u3 + v3 u2 v2 )
= (u1 + v1 , u3 + v3 u2 v2 ) = (u1 , u3 u2 ) + (v1 , v3 v2 )
= f (u) + f (v),
e
f (ku) = (ku1 , ku3 ku2 ) = kf (u).
As operaes adio, multiplicao escalar e composio, de aplicaes lineares so ainda
aplicaes lineares, caso estejam bem definidas.
A adio de duas aplicaes est bem definida quando adicionamos aplicaes cujos espaos de
partida e de chegada so os mesmos. A composio de duas aplicaes est bem definida quando o
espao de chegada da primeira aplicao coincidir com o espao de partida da segunda. Tem-se por
isso:
A adio f + g das aplicaes lineares f : V E e g : V E, definida por
(f + g)(v) = f (v) + g(v);
A transformao kf , com f : V E e k R, definida por
(kf )(v) = kf (v);
A composta f g das aplicaes lineares f : V E e g : E W , a transformao linear definida
por
(f g)(v) = f (g(v)).
g(x, y) = (x + y, x 2y).
A aplicao composta g f : R3 R2 definida para cada v = (x, y, z) R3 por (g f )(v) =
g(f (v)) = g(f (x, y, z)) = g(y, x z) = (y + x z, y 2(x z)) = (x + y z, 2x + y + 2z) e
linear.
Notar que f g no existe.
73
Definio 6.6. Definimos ncleo de uma aplicao linear f : E V (do espao vetorial E sobre
o espao vetorial V ) como o conjunto dos vetores de E cuja imagem atravs de f o vetor nulo do
espao V , isto ,
N uc(f ) = {x E : f (x) = 0V }.
Definio 6.7. Definimos imagem (ou contradomnio) de uma aplicao linear f : E V (do
espao vetorial E sobre o espao vetorial V ) como o conjunto dos elementos de V que so imagem
de algum vetor de E, isto ,
Im(f ) = {f (x) V : x E}.
Exemplo 6.8. Seja f : R3 R2 a transformao linear definida por f (x, y, z) = (xy, z). Tem-se
a) N uc(f ) = {(x1 , x2 , x3 ) R3 : f (x1 , x2 , x3 ) = (0, 0)}. Efetuando f (x1 , x2 , x3 ) = (0, 0)
(x1 x2 , x3 ) = (0, 0) x1 x2 = 0 x3 = 0 x = y z = 0, obtemos N uc(f ) =
{(x, x, 0) R3 : x R}.
b) Im(f ) = {f (v) R2 : v R3 } = R2 . Com efeito, considerando v = (x, y, z) R3 , tem-se
f (v) = (x y, z) = (u1 , u2 ). Como a diferena de nmeros reais um nmero real, tem-se
(u1 , u2 ) = (x y, z) R2 .
Propriedades 6.9. Sejam E e V espaos vetoriais e seja a aplicao linear f : E V . Ento:
O ncleo de f um subespao do espao vetorial E.
A imagem de f um subespao do espao vetorial V .
Se o espao vetorial E tem dimenso finita, ento dim(N uc(f )) + dim(f (E)) = dim(E).
Se N uc(f ) = {0E }, ento f uma aplicao injetiva.
Se Im(f ) = V , ento f uma aplicao sobrejetiva.
Exemplo 6.10. Seja a aplicao linear f : R3 R2 , definida por
f (x, y, z) = (x + y z, 2x + 3y + z).
O ncleo de f o espao vetorial
N uc(f ) = {(x, y, z) R3 : f (x, y, z) = (0, 0)} = {(x, y, z) : (x + y z, 2x + 3y + z) = (0, 0)}.
Resolvendo o sistema
x+yz =0
x = y + z
x = 4z
,
2x + 3y + z = 0
2y + 2z + 3y + z = 0
y = 3z
obtemos N uc(f ) = {(4z, 3z, z) : z R}. Trata-se de um subespao de R3 de dimenso 1.
Como a dimenso do espao de partida 3, por uma das propriedades acima, tem-se
1 + dim(f (R3 )) = 3,
isto , o subespao imagem tem dimenso 2.
6. Transformaes lineares
74
Definio 6.11. Um operador linear f bijetivo (injetivo e sobrejetivo) tambm se diz um isomorfismo.
Observar que, dada por exemplo uma aplicao linear f : R3 R2 , a imagem f (x, y, z) =
(u, v) R2 do objeto (x, y, z) R3 dada por
(u, v) = (a11 x + a12 y + a13 z, a21 x + a22 y + a33 z).
Tal corresponde seguinte representao matricial da aplicao linear f :
x
a11 a12 a13
f (x, y, z) =
y
a11 a12 a13
z
Alm disso, as transformaes lineares podem ser definidas atravs das imagens dos vectores
de qualquer base do espao vetorial de partida. Com efeito, associada a uma matriz A = [aij ]mn ,
definimos uma transformao linear fA : Rn Rm , tal que
fA (v) = A v.
Exemplo 6.12. Seja A = {(1, 2), (0, 1)} uma base de R2 e seja f : R2 R3 uma aplicao
linear tal que f (1, 2) = (2, 3, 1) e f (0, 1) = (1, 0, 3).
o vetor (x, y) R2 tem coordenadas (a, b) na base A, tais que (x, y) = a(1, 2) + b(0, 1), isto
, a = x e b = 2x y.
Ento tem-se f (x, y) = f (x(1, 2) + (2x y)(0, 1) e pelas propriedades da linearidade de f ,
f (x, y) = xf (1, 2) + (2x y)f (0, 1) = x(2, 3, 1) + (2x y)(1, 0, 3) = (4x y, 3x, 7x 3y).
Exemplo 6.13. A matriz
1 0
2 3
A = 0 1 1 0
1 0 1 2
tem ordem 3 4, por isso induz uma transformao linear fA de R4 em R3 , definida por
x
x
x + 2z + 3w
1 0
2 3
y
y
y + z
fA (
z ) = 0 1 1 0 z =
x z + 2w
1 0 1 2
w
w
Isto , fA (x, y, z, w) = (x + 2z + 3w, y + z, x z + 2w).
6.2
75
(6.1)
(6.2)
com r1 , r2 , . . . rm R.
Como T (vi ) E, para qualquer i = 1, 2, . . . m, ento
T (v1 )
T (v2 )
T (vn )
=
=
=
=
(6.3)
rm
=
=
=
=
(6.5)
r1
a11 a12
r2 a21 a22
= ...
...
rm
am1 am2
... a1n
k1
... a2n k2
... ...
... amn
kn
ou seja
[T (v)]B = [T ]A
B [v]A .
A matriz [T ]A
B diz-se matriz associada transformao linear T , relativamente s bases A e
B.
6. Transformaes lineares
76
Exemplo 6.14. Consideremos a transformao linear T : R2 R3 tal que T (x, y) = (x, y, x y).
Seja A a base cannica do R2 e B a base cannica de R3 . Tem-se
T (1, 0) = (1, 0, 1) = 1 (1, 0, 0) + 0 (0, 1, 0) + 1 (0, 0, 1)
e
T (0, 1) = (0, 1, 1) = 0 (1, 0, 0) + 1 (0, 1, 0) 1 (0, 0, 1),
logo
1 0
0 1 .
[T ]A
B =
1 1
Por exemplo,
2
1 0
2
= 3 .
[T (2, 3)]B = 0 1
3
1
1 1
1 0
x
x
.
= [T ]
T (x, y) = (x, y, x y) = 0 1
y
y
1 1
Exemplo 6.15. Sejam as bases no cannicas C = {(1, 2), (3, 5)} de R2 e D = {(1, 2, 0), (2, 3, 1), (0, 1, 1)}
de R3 . Seja a transformao linear T : R2 R3 definida por T (x, y) = (x, y, x y).
Ento, tem-se
T (1, 2) = (1, 2, 1) = 2/3 (1, 2, 0) + 1/6 (2, 3, 1) 7/6 (0, 1, 1)
e
T (3, 5) = (3, 5, 2) = 2 (1, 2, 0) + 1/2 (2, 3, 1) 5/2 (0, 1, 1).
Assim,
2/3
2
1/6
1/2 .
[T ]C
D =
7/6 5/2
Exemplo 6.16. Seja a aplicao linear T : R2 R2 definida na base B = {(1, 1), (0, 3)} por
2 1
B
.
[T ]B =
1 1
Determinemos a expresso analtica que define T .
Os valores das colunas desta matriz representam os escalares que correspondem escrita de
cada um dos vetores de B como combinao linear dos vetores dessa mesma base. Ento:
T (1, 1) = 2(1, 1) + (0, 3) = (2, 1)
T (0, 3) = (1, 1) (0, 3) = (1, 4)
77
Alm disso,
(x, y) = k1 (1, 1) + k2 (0, 3) k1 = x k1 + 3k2 = y k1 = x k2 =
y+x
.
3
y+x
y + 7x 4y x
y+x
T (0, 3) = x(2, 1) +
(1, 4) = (
,
).
3
3
3
3
uv
u,
|u|2
11 44
(1, 4) (1, 3)
(1, 4) = ( , ).
1 + 16
17 17
Rotao
x
x
1 0
=
y
y
0 1
kx
x
k 0
=
ky
y
0 k
"
#
cos() sin()
x cos() y sin()
x
=
x sin() + y cos()
y
sin() cos()
3+2 3 3 32
,
).
(3 cos(/3) + 2 sin(/3), 3 sin(/3) 2 cos(/3)) = (
2
2
6. Transformaes lineares
78
Alguns exemplos de operadores lineares sobre R3 :
[T ]A
B [v]A = T [v]B
Ampliao/reduo de um fator k
Rotao em torno de Ox
0 0
kx
x
k 0
=
ky
y
0 k
0
0
x
x
cos() sin()
y = y cos() z sin()
y sin() + z cos()
z
0 sin() cos()
k
0
0
1
0
Definio 6.20. Um operador linear f diz-se simtrico se a matriz que o representa numa base
ortonormal simtrica, isto , quando [f ] = [f ]T .
Exemplo 6.21. O operador linear f : R3 R3 definido por
f (x, y, z) = (2x y + 2z, x 3y + 5z, 2x + 5y + 3z)
simtrico, porque a matriz que o representa simtrica.
6.3
1 2 0
[T ] = 0 1 3
1 1 1
tem determinante diferente de zero, det[T ] 6= 0.
Observar que N uc(T ) = {(0, 0, 0)}.
79
Definio 6.24. Um operador linear f diz-se ortogonal quando a matriz que o representa numa
base ortonormal ortogonal, isto , quando [f ]1 = [f ]T .
Exemplo 6.25. A matriz de rotao no plano
cos() sin()
[f ] =
sin() cos()
define o operador linear ortogonal
f (x, y) = (cos()x sin()y, sin()x + cos()y).
Propriedade 6.26. Uma matriz ortogonal somente se os seus vetores linha formam uma base
ortonormal, ou equivalentemente se os seus vetores coluna formam uma base ortonormal.
6.4
Exerccios propostos
6. Transformaes lineares
80
6. Considere o operador linear de R3 definido por T (1, 0, 0) = (1, 1, 1), T (0, 0, 1) = (1, 0, 1)
e T (0, 1, 2) = (0, 0, 3). Verifique de T um isomorfismo e, caso afirmativo, determine o
isomorfismo inverso.
7. Considere a aplicao linear T : R2 R3 , definida por T (x, y) = (x + y, x y, 2y x) e
determine:
(a) A matriz [T ];
(b) A matriz [T ]A
B , sendo A = {(1, 2), (3, 1)} e B = {(1, 0, 0), (0, 1, 0), (0, 0, 2)};
(c) [T (v)]B , para v = (1, 1).
(b) T : R5 R3 sobrejetiva;
(c) T : R4 R4 invertvel.
3 0
[f ] = 1 0 .
0 5
(a) Indique a expresso analtica que define f ;
11. Seja A = {(1, 0, 1), (0, 1, 1), (0, 0, 1)} uma base de R3 e seja
3 0 0
TA = 0 1 0
0 0 3
a matriz associada a um operador T : R3 R3 , relativamente base A. Determine a expresso analtica que define T .
6.5
1
1
(a) [T ] = 1 1 ;
1 2
2
2
0
4 ;
(b) A matriz [T ]A
B =
1/2 7/2
(c) [T (v)]B = [T ]B
A [v]A = (10/7, 4/7, 4/7).
81
6. Transformaes lineares
82
8. T (x, y) = (4/5x + 2/5y, 2/5x + 1/5y).
9. dim(N (T )):
(a) dim(N (T )) = 3;
(b) dim(N (T )) = 2;
(c) dim(N (T )) = 0, isto , N (T ) = {(0, 0, 0, 0)};
10. f : R2 R3 .
(a) f (x, y) = (3x, x, 5y);
3 6
5 9 ;
[f ]A
B =
7 6
Captulo 7
Valores e vetores prprios
Frequentemente a matriz de um operador linear f no diagonal, mas em muitos dos casos podemos determinar uma base diferente da base cannica onde a matriz [f ] diagonal. Neste captulo
ser tratado o processo de determinar matrizes mudana de base a fim de obter uma representao
diagonal de um operador, chamado processo de diagonalizao.
7.1
Definies e propriedades
Dado um operador linear f : E E, vamos determinar que vetores se transformam num mltiplo
deles prprios, isto , queremos determinar os vetores v E para os quais existe R tal que
f (v) = v.
Definies 7.1. Seja E um espao vetorial sobre R e seja f : E E um operador linear.
Dizemos que R um valor prprio ou autovalor de f se existir um vetor v E | {0}, tal
que f (v) = v.
Se R um autovalor de f e v qualquer vetor tal que f (v) = v, ento dizemos que v
um autovetor ou vetor prprio de f associado a .
Exemplo 7.2. Seja o operador linear f : R2 R2 , definido por f (x, y) = (x, y).
Tem-se f (x, 0) = (x, 0), pelo que os vetores (x, 0), com x R | {0} so vetores prprios
associados ao valor prprio = 1.
Tambm f (0, y) = (0, y) = (0, y), pelo que os vetores (0, y), com y R | {0} so vetores
prprios associados ao valor prprio = 1.
O conjunto E = {v E : f (v) = v} de autovetores de um operador linear f associados ao
autovalor um subespao de E.
Com efeito, considerando a matriz identidade I, tem-se E = {v E : (f I)v = 0}, isto ,
E o ncleo do operador f I.
Definio 7.3. Seja um valor prprio do operador linear f : E E. Chamamos subespao
prprio ou auto-espao de f associado ao espao nulo de f (v) v, isto , ao conjunto
E = {v E : f (v) v = 0}.
84
A equao caraterstica
1 0
det(f I) = 0 det(
0 1
1
0
1 0
) = 0,
) = 0 det(
0
1
0 1
det(A I) = det(
2
0
2 0
Os autovalores de T so determinados por resoluo da equao caraterstica
det(A I) = 0,
85
isto , 2 4 = 0 1 = 2 2 = 2.
Observar que 1 2 = 4 = det([T ]).
O conjunto dos vetores prprios associados ao valor prprio = 2 dado por
x
2 2
2
= 0} = {(x, x) : x R}.
E2 = {(x, y) R :
y
2 2
Calcule espao prprio E2 .
Para determinar os valores e vectores prprios de uma matriz A = [aij ]nn , que define um
operador linear sobre um espao vetorial de dimenso n, consideramos o seguinte procedimento:
Algoritmo 7.8.
1 1 0
A = 0 2 1 .
0 0 1
86
Exemplo 7.13. Seja o operador linear T : R3
pela matriz
1 2
2 0
0 4
0
1 .
1
1 2
0
1 ) = 0 = 0 = 1.
det( 2
0
4 1
Observar que T no invertvel, porque [T ] singular.
7.2
Matrizes diagonalizveis
87
1 0 0
0 2 0
[f ]B =
.
0
0 n
Lembrar que, duas matrizes quadradas M e N se dizem matrizes semelhantes se existir uma
matriz invertvel P , tal que
N = P 1 M P.
Alm disso, prova-se o seguinte:
Teorema 7.19. Duas matrizes quadradas so semelhantes se e s se representam a mesma transformao linear.
Mtodo para a diagonalizao de uma matriz A = [aij ]nn
1. Determinar n vetores prprios linearmente independentes v1 , v2 , . . . , vn de A;
2. Considerar a matriz P , cujas colunas so os vetores v1 , v2 , . . . , vn ;
3. Calcular a matriz B = P 1 AP semelhante a A, que diagonal e cujos elementos principais
so os valores prprios de A.
Exemplo 7.20. Seja o operador linear f : R3 R3 , definido pela matriz
1 0 0
[f ] = 0 2 1 .
2 0 3
2 0 0
D = 0 1 0 .
0 0 3
88
No Exemplo 7.20, o operador linear f definido pela matriz
1 0 0
[f ] = 0 2 1 ,
2 0 3
sobre o espao vetorial R3 . O conjunto B = {(0, 1, 0), (3, 1, 3), (0, 1, 5)} dos vetores prprios
associados aos valores prprios 1 = 2, 2 = 1 e 3 = 3 de [f ], corresponde a uma base de R3 .
Notamos agora que a matriz [f ] e a matriz diagonal D (cujos elementos principais so os valores
prprios de [f ]) so semelhantes. Com efeito, verifica-se a igualdade:
1
0 3 0
1 0 0
0 3 0
2 0 0
0 1 0 = 1 1 1 0 2 1 1 1 1 .
0 3 5
2 0 3
0 3 5
0 0 3
7.3
Exerccios propostos
1 2 3
A = 0 3 4 .
1 1 5
(a) A =
2 2
1 1
89
(c) C =
1 3
2 0
1 0 1
(d) D = 0 3 1 .
0 0 2
2 0 2
(b) B = 0 3 0 .
0 0 3
1 0 0
A = 0 0 1 .
0 1 0
7. Considere a matriz
5 0 1
B = 1 1 0 .
7 1 0
(b) Determine os subespaos vetoriais associados aos valores prprios de B e indique a sua
dimenso.
8. Considere a matriz
1 2 0
C = 0 4 4 .
0 0 7
(b) Determine uma matriz invertvel S e uma matriz diagonal D, tais que D = S 1 CS.
7.4
90
3 0
0 2
2 0 0
P = 0 1 0 ,
0
0 3
1 0 0
1 2 4
(b) S = 0 3 12 e D = 0 4 0 .
0 0 7
0 0 9
Bibliografia
[1] R., Harshbarger e J., Reynolds, Matemtica Aplicada,Administrao, Economia e Cincias sociais e Biolgicas, McGraw-Hill (2006).
[2] G, Strang, Linear Algebra and its Applications, Harcourt Brace Jovanovich College Publishers
(1986).
[3] E., Giraldes, M Smith e V., Fernandes, lgebra linear e Geometria Analtica, McGraw- Hill
(1995).
[4] L., Magalhes, lgebra Linear como Introduo Matemtica Aplicada, Texto Editora (1989).