Sie sind auf Seite 1von 337

Universidade Tecnolgica Federal do Paran

UTFPR - Campus Pato Branco

GEOMETRIA ANALTICA E LGEBRA LINEAR


Prof. Eliakim Machado

Pato Branco
2015
1

SUMRIO
00 CORPOS.............................................................................................................3
01 MATRIZES.........................................................................................................4
02 SISTEMAS DE EQUAES LINEARES.......................................................18
03 SISTEMAS DE COORDENADAS.................................................................39
04 VETORES.........................................................................................................44
05 VETORES NO PLANO E NO ESPAO.......................................................59
06 DEPENDNCIA E INDEPENDNCIA LINEAR..........................................69
07 BASE.................................................................................................................83
08 PRODUTO ESCALAR....................................................................................91
09 PRODUTO VETORIAL...............................................................................111
10 PRODUTO MISTO.......................................................................................125
11 RETA..............................................................................................................132
12 PLANO...........................................................................................................156
13 CNICAS......................................................................................................182
14 ESPAOS VETORIAIS................................................................................220
15 TRASFORMAES LINEARES.................................................................267
16 AUTOVALORES E AUTOVETORES........................................................300
17 PRODUTO INTERNO.................................................................................316

CORPOS
Definio: Um conjunto

munido das operaes:

chamada de soma e , chamada de produto, um corpo se as seguintes


propriedades so vlidas:
S1) (

), quaisquer que sejam

. Esta

propriedade recebe o nome de associativa da soma.


S2)

, quaisquer que sejam

. Esta propriedade

recebe o nome de comutativa da soma.


S3) Existe
elemento

tal que

, qualquer que seja

chamado de elemento neutro da soma. Alm disso,

podemos denotar

S4) Para qualquer


elemento

.O

, existe

tal que

chamado de oposto aditivo de

denotar

. O

. Alm disso, podemos

P1) (

), quaisquer que sejam

. Esta

propriedade recebe o nome de associativa do produto.


P2)

, quaisquer que sejam

. Esta propriedade

recebe o nome de comutativa do produto.


P3) Existe
elemento

tal que

. O

chamado de elemento neutro do produto. Alm disso,

podemos denotar

P4) Para qualquer


. O elemento

, com

, existe

tal que

chamado de inverso multiplicativo de

disso, podemos denotar


D)

, qualquer que seja

. Alm

.
)

quaisquer

que

sejam

. Esta propriedade recebe o nome de distributiva do produto em


relao soma.
Observao: Denotamos um corpo por (
pelo conjunto e suas duas operaes.

). Uma terna composta

CAPTULO 01: MATRIZES

1.1 INTRODUO
O objetivo deste captulo revisar o contedo matrizes. Vamos
estudar os tipos de matrizes, transposio, operaes com matrizes e
matrizes invertveis.
Basicamente, devemos abordar este contedo devido ao fato de
que podemos simplificar e organizar uma grande variedade de
problemas utilizando as matrizes.
Chamamos de matriz uma tabela de elementos dispostos em
linhas e colunas. Por exemplo, vamos considerar a tabela abaixo que
dispem dados como altura, peso e idade de determinadas pessoas.
Altura ( )

Peso (

Idade (anos)

Pessoa 1
Pessoa 2
Pessoa 3
Pessoa 4
Podemos omitir o significado de cada linha e cada coluna, e
escrevermos:

Uma matriz composta por 4 linhas e 3 colunas. Ainda podemos


dizer que esta uma matriz

Os locais onde aparecem os nmeros dispostos na matriz so


chamados de entradas da matriz. As entradas podem ser nmeros reais,
nmeros complexos, funes, ou at mesmo matrizes.
Alguns exemplos de matrizes so:
4

] [

] [

Note que estamos usando colchetes para denotar as matrizes, mas


ainda podemos usar as notaes dos seguintes exemplos:

Representa-se uma matriz de

linhas e

colunas (

) por:

Quando nos referirmos a matrizes, usaremos sempre letras


maisculas para denota-las. Por exemplo, denotamos uma matriz
linhas e

colunas por

de

Para a localizao de elementos, dizemos a linha e em seguida a


coluna (respeitando esta ordem) deste elemento. Vejamos o seguinte
exemplo.

O elemento
coluna, e escrevemos

est localizado na primeira linha e na terceira


.

Em geral, o elemento

est localizado na

linha e na

coluna.
Ainda na matriz
e

do exemplo, temos:

1.1.1 Definio: Duas matrizes

so

iguais se:
i. Elas possurem o mesmo nmero de linhas (
ii. Elas possurem o mesmo nmero de colunas (

);
);

iii. Os elementos das entradas correspondentes so iguais (


).
Denotamos a igualdade entre tais matrizes por

1.2 TIPOS DE MATRIZES


Nesta seo, vamos estudar algumas matrizes com caractersticas
especiais. O que torna essas matrizes especiais, a existncia de
algumas propriedades particulares que podem ser exploradas, seja pelo
nmero de linhas e colunas ou pela natureza dos elementos em suas
entradas.

1.2.1 Matriz Quadrada: Diz-se que uma matriz


quadrada se

, isto , se o nmero de linhas igual ao nmero de

colunas.
Exemplos:

]e

e colunas de

] so matrizes quadradas, pois o nmero de linhas

2, enquanto o nmero de linhas e colunas de

Observao: Dizemos que a matriz com


linhas e
simplesmente, uma matriz quadrada de ordem .
1.2.2 Matriz Nula: Uma matriz nula se

1.

colunas

, para quaisquer

.
Exemplos:

]e

so matrizes nulas, pois para todo


[

e , tem-se

em

]
.

1.2.3 Matriz Coluna: Uma matriz


coluna se

chamada de matriz

, isto , se o nmero de colunas igual a 1.

Exemplos:

]e

] so exemplos de matriz coluna.

1.2.4 Matriz Linha: Uma matriz


se

chamada de matriz linha

, isto , se o nmero de linhas igual a 1.


Exemplos:
[

[ ] so matrizes linha.
7

Observaes:
01. Denotamos o conjunto de todas as matrizes
) por
( ). No caso em que
um corpo (
( ).

com entradas em
, denotamos

02. Consideramos uma matriz de ordem . A diagonal da matriz


formada pelos elementos
, onde
. Na matriz quadrada abaixo
destacamos sua diagonal:
[

,
e
formam a diagonal da matriz .
importante lembrar que somente matrizes quadradas possuem
diagonal.
( )
03. O trao de uma matriz quadrada uma funo
que
associa uma matriz quadrada de ordem a soma dos elementos da
diagonal de . Isto :

( )

1.2.5 Matriz Diagonal: Uma matriz quadrada chamada de matriz


diagonal se

para todo

, isto , se todos os elementos que no

esto na diagonal so nulos.


Exemplos:

]e

] so exemplos de matriz diagonal.

1.2.6 Matriz Identidade: Uma matriz diagonal cujos elementos da


diagonal so iguais a

chamada de matriz identidade. Resumindo,

uma matriz diagonal com

, para todo

, chamada de matriz

identidade.
Exemplos:
8

[ ]e

] so exemplos de matriz identidade.

identidade de ordem 1, enquanto

a matriz

a matriz identidade de ordem 3.

1.2.7 Matriz Triangular Superior: Uma matriz quadrada cujos


elementos abaixo da diagonal principal so todos nulos, recebe o nome
de matriz triangular superior. Ou ainda, uma matriz triangular
superior se

, para todo

Exemplos:

]e

] so matrizes triangular superior.

1.2.8 Matriz Triangular Inferior: Uma matriz quadrada cujos


elementos acima da diagonal principal so todos nulos, recebe o nome
de matriz triangular inferior. Ou ainda, uma matriz triangular inferior
se

, para todo

Exemplos:

]e

] so matrizes triangular inferior.

1.2.9 Matriz Simtrica: Uma matriz quadrada simtrica se


, para quaisquer e .
Exemplos:

]e

] so matrizes simtricas.

1.3 OPERAES COM MATRIZES


Nesta seo vamos estudar as operaes: adio, produto por
escalar, transposio de matrizes, multiplicao de matrizes e suas
decorrentes propriedades.
1.3.1 Adio (soma): Sejam
matrizes. A matriz soma de
ordem

, denotada por

, uma matriz de

tal que suas entradas so resultantes da soma das entradas

correspondentes de

e . Isto ,

tal que:

Exemplo:

Sejam

]e

], ento:

1.3.1.1 Propriedades: Sejam

matrizes de mesma ordem

. Ento as seguintes propriedades so vlidas:


i.
ii.
iii.

(comutatividade);
(

(associatividade);

(elemento neutro aditivo).

Observao: O elemento
que aparece na propriedade iii a matriz
nula de ordem
. Podemos ainda denotar esta matriz por
.
1.3.2 Multiplicao por escalar: Seja

uma matriz e

um nmero (real ou complexo) que chamaremos de escalar. Definimos


10

a multiplicao escalar de

por

, como sendo a matriz

, de ordem

, tal que:

Exemplo:

Sejam

]e

, ento:

(
(

)
)

1.3.2.1 Propriedades: Sejam


e

)]

matrizes de ordem

e ,

escalares. As seguintes propriedades so vlidas:


i. (

ii. (

iii.
iv.

;
(

) .

Observao: A propriedade iii nos diz que, ao multiplicarmos uma


matriz
de ordem
pelo escalar zero (real ou complexo), vamos
obter como resultado a matriz nula de ordem
.
1.3.3 Transposio de matrizes: Dada uma matriz
[

, podemos obter uma matriz

colunas de , isto ,

, cujas linhas so as

chamada de matriz transposta de .

Exemplos:

01. Seja

], ento

].
11

02. Seja

], ento

].

1.3.3.1 Propriedades:
i. Uma matriz simtrica se, e somente se, ela igual a sua
transposta, isto , se, e somente se
ii.

, isto , a transposta da transposta igual a prpria

matriz.
iii. (

, isto , a transposta da soma igual soma

das transpostas.
iv. (

escalar.

1.3.4 Multiplicao de matrizes: Sejam


Definimos a multiplicao

, onde:

Observaes:
01. S podemos efetuar a multiplicao de duas matrizes
e
se
o nmero de colunas da primeira for igual ao nmero de linhas da
segunda, isto , se
. A matriz
ter ordem
.
02. O elemento
obtido multiplicando os elementos da
linha da primeira matriz pelos elementos correspondentes da
coluna da segunda matriz, e somando estes produtos.
Exemplos:

01. Sejam

]e

]. Observe que o nmero de colunas de

igual ao nmero de linhas de

, portanto podemos realizar a

12

multiplicao de

por

ter ordem

. Alm disso, como temos

. Calculamos ento

)
)
)

02. Considere

] e

, a matriz

(
(
(

]. Efetuamos a

multiplicao:

( )
( ) ( )
( )
( ) ( )

(
(

( )
) ( )
( )
) ( )

(
(

( )
) ( )
]
( )
) ( )

1.3.4.1 Propriedades:
i. Em geral

, mesmo que um dos produtos no possa

ser realizado;
13

ii.

, onde

a matriz identidade. Como

matriz quadrada, digamos que de ordem


esteja definida,
iii.

vi. (

);
;

)
e

viii.

colunas;
;

vii.

, para que a multiplicao

iv. (
v. (

deve possuir

uma

no implica que

ou

1.4 MATRIZES INVERTVEIS


Nesta seo, temos como objetivo definir matriz inversa, estudar
algumas propriedades e mtodos para a determinao de uma matriz
inversa.
1.4.1 Matriz Inversa: Uma matriz quadrada
uma matriz inversa se, existe uma matriz
, onde
inversa de

de ordem

a matriz identidade de ordem


por

de ordem

admite

tal que

. Denotamos a matriz

Quando uma matriz no possui inversa, dizemos que esta matriz


singular.
1.4.2 Proposio: A inversa de uma matriz quadrada nica.
Prova: Seja
matrizes inversas
Como

uma matriz quadrada e suponha que

possui duas

e .
so inversas de , temos por definio que:

14

Assim, temos:
(

Portanto, a matriz inversa de

e nica.

1.4.3 Propriedades:
i. A matriz identidade
ii. Se
(

invertvel.

uma matriz invertvel, ento

invertvel. Alm disso,

.
iii. Se

so matrizes invertveis, ento a matriz

invertvel. Alm disso, (


iv. Se
(

de ordem

tambm

invertvel, ento

invertvel. Alm disso, ( )

).

Observao: Algumas das propriedades sero demonstradas em aula.


1.4.4 Teorema: Seja

uma matriz quadrada de ordem . Para que

seja invertvel necessrio e suficiente que

( )

Usamos o teorema acima para evitar que faamos clculos


desnecessrios e tentemos determinar a inversa de uma matriz singular.
1.4.5 Algoritmo para calcular a inversa de uma matriz: Seja
uma matriz invertvel. Determinamos a matriz

usando o seguinte

procedimento:
1. Construir uma matriz ampliada da forma [ | ].
2. Usando operaes elementares na matriz ampliada, devemos
converter a matriz

na matriz identidade

obtemos uma matriz ampliada da forma [ |

. No final do processo
].

15

Vejamos um exemplo para determinar a inversa de uma matriz.


Exemplo:

Consideramos a matriz

( )

]. Note que:

( )
implica que a matriz

( )

para determinar

[ | ]

invertvel. Agora, usamos o algoritmo

[ |

|
[

Desta forma, obtemos:

16

17

CAPTULO 02: SISTEMAS DE EQUAES LINEARES

2.1 INTRODUO
Neste captulo estudaremos sistemas de equaes lineares. Os
principais pontos abordados neste captulo sero: equaes lineares,
solues de equaes lineares, sistemas de equaes lineares, soluo
de sistemas de equaes lineares, sistemas de equaes lineares com
duas ou mais incgnitas, sistemas equivalentes, operaes elementares,
tipos de sistemas e sistemas homogneos.

2.2 EQUAES LINEARES


2.2.1 Definio: Uma equao linear nas incgnitas
, onde (

) um corpo, uma expresso da forma:

Onde

so chamados de coeficientes e

chamado de termo independente da equao.


Exemplos:
01. A equao

uma equao linear nas incgnitas

.
02. As equaes

no

so equaes lineares.
2.2.2 Soluo de uma equao linear: Uma equao linear
sobre

, com pelo menos um dos

, sempre

18

possui soluo. Uma

linear

uma soluo da equao

se

Por exemplo, supondo que


. Logo, como (

, temos em particular

) um corpo,

possui inverso multiplicativo

. Ento:

Portanto

uma

soluo da equao.
Em geral:
{(

o conjunto soluo da equao.


Exemplos:
01. Considere a equao
equao o par (

. Note que uma soluo para esta


. Outra soluo o par (

perceber que existem infinitas solues para a equao

. fcil
.

Fazendo:

Portanto, o conjunto soluo da equao

{(

02. Considere a equao

. Fazendo:

19


Portanto, o conjunto soluo da equao

{(

2.3 SISTEMAS DE EQUAES LINEARES


2.3.1 Definio: Um sistema de equaes lineares com
e

equaes

incgnitas um conjunto de equaes do tipo:

{
Onde

) so elementos de um corpo.

Exemplos:

01. O conjunto de equaes {


lineares composto por
que este um sistema

equaes e

um sistema de equaes
incgnitas. Podemos ainda dizer

02. Se uma das equaes em um sistema no for uma equao linear,


ento este sistema no um sistema de equaes lineares.

20

2.3.2 Soluo de um sistema de equaes lineares: Considere o


sistema de equaes lineares {
(

. Uma

soluo do sistema se esta

satisfaz

simultaneamente todas as equaes deste sistema.


Exemplo:

A terna (
Tomando (

) soluo do sistema {
) em

. Observe que:

temos:

( )

( )

( )

A primeira equao satisfeita pela terna.


Tomando (

) em

temos:
( )

( )

( )

A segunda equao satisfeita pela terna.


Tomando (

) em

temos:

( )

( )

( )

A terceira equao satisfeita pela terna,


Logo, por definio, (

) soluo do sistema {

Por outro lado, a terna (


(

) no soluo do sistema. Embora

) satisfaa a segunda equao, o mesmo no ocorre para as

outras equaes do sistema.

21

2.3.2.1 Sistemas Equivalentes: Dois sistemas de equaes lineares


so equivalentes se, e somente se, toda soluo de qualquer um dos
sistemas tambm soluo do outro.
Exemplo:

Os sistemas de equaes lineares {

e {

so sistemas equivalentes (verifique!). Indicamos a equivalncia dos


sistemas por:

2.3.3 Sistemas e matrizes: Podemos escrever o sistema de


equaes lineares {

na forma matricial:

Onde

] [

],

a matriz dos coeficientes,

]e

]. Dizemos que

a matriz das incgnitas e

a matriz dos

termos independentes.
Podemos ainda representar o sistema acima pela matriz ampliada:

22

Note que a matriz ampliada composta pelos coeficientes de cada


equao, juntamente com os termos independentes.
Exemplo:

O sistema {

em sua forma matricial dado por:

] [ ]

Ou ainda, podemos escrever a matriz ampliada associada ao sistema:

Observao: Note que, escrevemos o sistema de equaes lineares:

Como:

] [

Devido ao fato de que, ao realizarmos a multiplicao


e usando a
definio de igualdade entre matrizes, teremos exatamente o conjunto
das equaes do sistema.

2.4 OPERAES ELEMENTARES

23

So trs as operaes elementares sobre as linhas de uma matriz.


A seguir, veremos estas operaes e alguns exemplos.
2.4.1 Permuta das

em trocar de lugar a

linhas (

linha pela

): Consiste

linha.

Exemplo:

Faamos

na matriz [

]. Temos ento:

.
2.4.2 Multiplicao da
(

linha por um escalar no nulo

): Consiste em multiplicar a

um escalar

, onde

linha de uma matriz por

Exemplo:

Faamos

na matriz [

2.4.3 Substituio da
vezes a

linha (

]. Temos ento:

linha pela

linha mais

): Pensemos que, para usar esta

operao, devemos trocar uma linha da matriz por ela prpria somada
com uma linha mltipla de outra linha presente na matriz.
Exemplo:

Faamos

na matriz [

]. Temos ento:

24

2.4.4 Definio: Se
linha equivalente a

, se

so matrizes

, dizemos que

obtida atravs de um nmero finito de

operaes elementares sobre as linhas de

. Podemos denotar

ou

.
2.4.5 Teorema: Dois sistemas que possuem matrizes ampliadas
equivalentes so equivalentes.

2.5 FORMA ESCADA


2.5.1 Definio: Uma matriz

linha reduzida forma

escada se:
i. O primeiro elemento no nulo de uma linha no nula ;
ii. Cada coluna que contm o primeiro elemento no nulo de
alguma linha tem todos os seus outros elementos iguais zero;
iii. Toda linha nula ocorre abaixo de todas as linhas no nulas;
iv. Se as linhas

so linhas no nulas, e se o primeiro

elemento no nulo da linha ocorre na coluna

, ento

A condio (iv) impe a forma escada matriz:

25

Isto , o nmero de zeros precedendo o primeiro elemento no


nulo de uma linha aumenta a cada linha, at que sobrem somente linhas
nulas, se houver.
Exemplos:

01. [

] no uma matriz linha reduzida forma escada. Note

que a condio (ii) no satisfeita, pois

o primeiro elemento

no nulo da linha , mas o restante de elementos da coluna

no so

nulos.

02. [

] no uma matriz linha reduzida forma escada, as

condies (i) e (iv) no so satisfeitas. A condio (i) diz que o primeiro


elemento no nulo de cada linha deve ser igual a , note que o primeiro
elemento no nulo da linha

igual a . J a linha 2 possui elemento

no nulo na coluna 1, enquanto a linha

possui elemento no nulo na

coluna , o que no corresponde a condio exigida em (iv).

03. [

] no uma matriz linha reduzida forma escada,

as condies (i) e (iii) no so satisfeitas. Na linha , note que o primeiro


elemento no nulo igual a

, logo (i) no satisfeita. Existe uma linha

nula (linha ) acima de uma linha no nula (linha ), portanto (iii) no


satisfeita.

04. [

] uma matriz linha reduzida forma escada.

2.5.2 Teorema: Toda matriz

linha equivalente a uma nica

matriz linha reduzida forma escada.

26

2.5.3 Definio: Seja

uma matriz e

reduzida forma escada linha equivalente a


por , o nmero de linhas no nulas de

a matriz linha

. O posto de

. A nulidade de

, denotado
o nmero

.
Observamos que, para determinar o posto de uma matriz,
devemos encontrar sua matriz linha reduzida forma escada, assim o
posto de

ser o nmero de linhas no nulas presentes na matriz

escada. Para determinar a nulidade, fazemos a diferena entre o nmero


de colunas de

e o posto de .

Exemplos:

01. Vamos determinar o posto e a nulidade de

].

Primeiramente, usando operaes elementares, vamos determinar a


matriz linha reduzida forma escada linha equivalente a matriz .

E temos a matriz linha reduzida forma escada linha equivalente a


Por definio, temos que o posto de

e a nulidade

.
27

Note que, se a matriz

acima for associada matriz ampliada de um

sistema, temos:

A matriz escada obtida equivalente a matriz


sistema associado a matriz

e, pelo Teorema 2.4.5, o

ser equivalente ao sistema associado a

matriz escada. Logo:

{
{

Onde

o sistema associado matriz escada

.
[

Note que, ao determinarmos a matriz escada equivalente a matriz


ampliada do sistema, encontramos a soluo de tal sistema.

02. A matriz

] equivalente a matriz

que a
[

matriz linha reduzida forma escada. Temos o posto

]
e a nulidade

.
Novamente, associando as matrizes a sistemas de equaes lineares,
temos:

28

Este o caso de um sistema com equaes redundantes, ou seja, a


terceira e a quarta equaes podem ser desconsideradas. Isto significa
que o sistema inicial equivalente ao sistema:

Podemos ainda dizer que as duas primeiras equaes so independentes


e as demais so dependentes.
Observao: muito importante perceber o que o posto de uma matriz
ampliada de um sistema nos fornece o nmero de equaes
independentes do mesmo.

2.6 TIPOS DE SOLUES (SPD, SPI E SI)


Um sistema de equaes lineares pode ser classificado da seguinte
maneira:
Sistema Possvel Determinado (SPD): Dizemos que um sistema
SPD se este possui soluo nica.
Sistema Possvel Indeterminado (SPI): Dizemos que um sistema
SPI quando este possui infinitas solues.
Sistema Impossvel (SI): Dizemos que um sistema SI quando este
no possui soluo.
2.6.1 Sistema
uma incgnita
i. Se

: Se tivermos um sistema de uma equao e


, so trs as possibilidades:

, ento a equao possui uma nica soluo, que :

29

ii. Se

, ento a equao possui infinitas solues, pois

qualquer que seja o valor de , teremos:

iii. Se
existe valor de

, ento a equao no possui soluo, pois no

que satisfaa:

2.6.2: Anlise de sistemas de duas equaes e duas incgnitas:


Faamos tal analise utilizando exemplos prticos, e em seguida
formalizaremos para casos mais gerais.
Exemplos:

01. Consideramos o sistema {

. Note que, cada uma das

equaes representa a equao de uma reta no plano, observe:

30

A soluo deste sistema o par (

que satisfaz as duas

equaes simultaneamente. Geometricamente, devemos encontrar o


ponto do plano que comum s duas retas, ou seja, queremos encontrar
a interseo destas retas. fcil perceber que a soluo ser (
Note que [

).

] a matriz ampliada do sistema. Agora, vamos

transformar esta matriz em sua matriz equivalente na forma escada:

Assim, o sistema equivalente ao sistema inicial, o sistema associado a


matriz escada obtida acima. Temos:

Obtemos a soluo

. Podemos ainda observar que o

posto da matriz ampliada do sistema

e a nulidade

Este o caso de um sistema possvel determinado.

02. Consideramos o sistema {

. Note que as duas equaes

representam duas retas coincidentes no plano. Observe:

31

Geometricamente, qualquer ponto de uma das retas pertence outra.


A matriz ampliada do sistema [
forma escada [

] e sua matriz equivalente na

]. Portanto o sistema equivalente ao sistema

inicial :

Logo

segunda

equao

pode

ser

estabelecemos nenhuma condio sobre

desconsiderada,
ou

pois

no

. Assim, a soluo do

sistema obtida atribuindo-se valores a uma das incgnitas e em


seguida determina-se o valor da outra incgnita. Por exemplo, sem
escrevermos

, ao atribuirmos valores para

, encontramos

valores consequentes para . Este sistema admite infinitas solues. Este


um caso de um sistema possvel indeterminado.

03. Seja {

um sistema

. Geometricamente, tem-se:

32

Note que, as equaes representam duas retas paralelas, isto , as retas


em questo no possuem nenhum ponto em comum. Ainda podemos
dizer que no existe (

tal que

satisfaam as equaes

simultaneamente. A matriz ampliada do sistema [


matriz escada equivalente [

] e sua

]. Portanto, temos o sistema

equivalente:

No existem valores de

que satisfaam a segunda equao. Assim,

o sistema inicial no possui soluo. Este um caso de um sistema


impossvel.
2.6.3 Caso Geral: Consideramos um sistema de equaes lineares
:

{
33

Onde os coeficientes

so elementos de um corpo. Este sistema

poder ter:
i. Uma nica soluo (SPD);
ii. Infinitas solues (SPI);
iii. Nenhuma soluo (SI).
2.6.4 Teorema:
i. Um sistema de

equaes e

incgnitas admite soluo se, e

somente se, o posto da matriz ampliada igual ao posto da matriz dos


coeficientes.
ii. Se as duas matrizes tm o mesmo posto

, a soluo

, podemos

ser nica.
iii. Se as duas matrizes tm o mesmo posto
escolher

incgnitas, e as outras

incgnitas sero dadas em

funo destas.
Dizemos no caso iii que o grau de liberdade do sistema
Denotamos o posto da matriz ampliada por
coeficientes de

. Se

e o posto da matriz dos

, denotamos

Exemplos:

01. Na matriz [

] temos

, note que

, segue pelo Teorema que a soluo do sistema associado a esta


matriz ser nica.

02. Na matriz [

] temos

, tambm

logo o sistema SPI com grau de liberdade


, ou seja, uma incgnita livre e as outras duas
dependem desta.

34

03. Na matriz [

] temos

. Note que

e, portanto, o sistema associado a esta matriz


SI.

2.7 SOLUO DE UM SISTEMA PELA MATRIZ INVERSA


Seja
lineares de

a forma matricial de um sistema de equaes


equaes e

incgnitas e suponha que existe a matriz

inversa de . Temos que:

Portanto

soluo do sistema

2.8 SISTEMAS HOMOGNEOS


2.8.1

Definio:

Um

sistema

de

equaes

lineares

chamado de sistema homogneo se

{
.

Na forma matricial, o sistema


onde

a matriz nula de ordem

homogneo se
(

).

Observao: Todo sistema homogneo possui pelo menos uma soluo,


chamamos esta de soluo trivial ou soluo nula . Onde:
[ ]

35

Ou ainda, podemos pensar na soluo como sendo a


(
) (
).
Exemplos:

01. O sistema {

um sistema homogneo e tem, como nica

soluo, a soluo (

).

02. O sistema {

homogneo. Note que (

) uma soluo

deste sistema, porm no nica. Pois:

atribudo para

Temos o sistema equivalente ao sistema inicial {

O conjunto soluo do sistema

{(

. Logo:

}, isto , a cada valor

teremos uma soluo. Portanto, este sistema possui

infinitas solues, ou seja, este um SPI.


Isto acontece, por que se trata de um sistema

, ou seja, um sistema

com nmero de incgnitas maior do que o nmero de equaes.


2.8.2 Teorema: Se um sistema de equaes lineares homogneo
tem mais incgnitas do que equaes, ento existe uma soluo no
trivial.

36

Prova: Seja o sistema homogneo na forma matricial


onde

uma matriz

com

(isto quer dizer que o nmero de

incgnitas maior do que o nmero de equaes).


Como um sistema homogneo sempre possvel, pelo item i do
Teorema 2.6.4 temos que

. E como o sistema possui mais

incgnitas do que equaes, obviamente

, segue ento pelo item iii

do Teorema 2.6.4 que o sistema possui grau de liberdade

incgnitas dependentes das incgnitas livres, ou seja, este sistema


possvel e indeterminado, portanto possui uma soluo no trivial.
2.8.3 Propriedade: Se
, ento

uma soluo do sistema homogneo

tambm soluo, onde

Demonstrao: Para mostrar que


homogneo, basta mostrar que
(

. De fato:

Da hiptese, sabemos que

) um corpo).

uma soluo do sistema

((

( )

soluo do sistema, ou seja,

. Da, em (1) temos:

A igualdade acima nos diz que

soluo do sistema, que

o desejado.
Como vimos anteriormente, o sistema {
soluo qualquer

{(

}. Note que (

do sistema, e consequentemente (
2.8.4 Propriedade: Se
homogneo

, ento

tem como

), (
e

) uma soluo
) tambm.

so solues do sistema

tambm soluo.
37

2.8.5 Teorema: Qualquer combinao linear de solues de um


sistema homogneo tambm soluo.

38

CAPTULO 03: SISTEMAS DE COORDENADAS

3.1 INTRODUO
O objetivo deste captulo estudar o produto cartesiano entre
conjuntos e fazer uma reviso sobre sistemas de coordenadas no plano
e no espao.

3.2 PRODUTO CARTESIANO


3.2.1 Definio: Sejam

dois conjuntos tais que

Definimos o produto cartesiano entre


sendo o conjunto

{(

, denotado por

, como

}.

Observaes:
01. Se
ou
, o produto cartesiano de por
. Em
outras palavras, se um dos conjuntos for vazio, ento o produto
cartesiano entre eles vazio.
02. Se

, ento

03.

04. Se possui
elementos.

elementos e

possui

elementos, ento

possui

05. Denotaremos a quantidade de elementos de um conjunto


( ). No caso em que possui elementos, temos
( )
.
06. Reescrevemos a observao 04 por:
(
)
( )
( )
.

( )

por

( )

Exemplo:
Sejam

}e

{
{(

)(

)(

{
)(

}. O produto cartesiano
)(

)(

)(

)(

o conjunto

)}. Note que, como


39

possui

elementos e

04,

possui

possui

elementos, de acordo com a observao

elementos.

3.3 SISTEMA DE COORDENADAS CARTESIANAS NO PLANO


O sistema formado por um ponto do plano
e pelos eixos perpendiculares

chamado de origem

cuja interseo o ponto

, onde

ambos os eixos so retas que representam o conjunto dos nmeros


reais

, recebe o nome de plano cartesiano ou sistema de coordenadas

cartesianas no plano.

O sistema de coordenadas cartesianas no plano o produto


cartesiano

, isto ,

{(

}.

Exemplo:

40

Na representao acima, o ponto


seja,

).

). O ponto

tem coordenadas

tem coordenadas

3.3.1 Quadrantes: Os eixos

e
e

, ou

, ou seja,

dividem o plano em quatro

semiplanos, cada um destes semiplanos recebe o nome de quadrante.

Considerando um ponto

) no plano, com relao ao

sistema de coordenadas, temos:


i.
ii.

se
se

;
e

;
41

iii.

se

iv.

se

v. Se

vi. Se

est sobre o eixo Y.


,

est sobre o eixo

3.3.2 Distncia entre pontos no plano: Dados os pontos


(

) e

denotada por (

) no plano. A distncia entre os pontos

), dada por:

3.4 SISTEMA DE COORDENADAS NO ESPAO


O sistema formado por um ponto do espao
e pelos eixos ortogonais

chamado de origem

cuja interseo o ponto

, onde estes

eixos so retas que representam o conjunto dos nmeros reais

, recebe

o nome de sistema de coordenadas cartesianas no espao.

O sistema de coordenadas cartesianas no espao o produto


cartesiano

, isto ,

{(

}.

Exemplo:

42

Na representao acima o ponto


, ou seja,

tem coordenadas

).

3.4.1 Octantes: Os eixos

dividem o espao em oito

semiespaos, cada um destes semiespaos recebe o nome de octante.


3.4.2 Distncia entre pontos no espao: Sejam
(

) e

) pontos do espao. A distncia entre os pontos

dada por:

43

CAPTULO 04: VETORES

4.1 INTRODUO
Neste captulo estudaremos vetores atravs de uma abordagem
tendendo geometria. Porm, no decorrer do semestre, veremos que
podemos estudar vetores de uma maneira mais abstrata.
A partir de agora, nosso ambiente de estudo ser o espao
tridimensional, denotado por
trabalhando no sistema
ambiente seja simplesmente

. Mais tarde veremos que estamos

, porm, por enquanto digamos que este


.

4.2 CONCEITOS BSICOS


4.2.1 Reta Orientada: Uma reta

dita orientada quando nela

fixamos um sentido de percurso, considerado positivo, e indicado por


uma seta.

O sentido oposto chamado de sentido negativo.


4.2.2 Segmento Orientado: Um segmento orientado determinado
por um par de pontos, onde o primeiro ponto chamado de origem do
segmento e o segundo chamado de extremidade do segmento.

44

Sendo

a origem e

orientado por (

a extremidade, denotamos este segmento

) (note que devemos levar em considerao a ordem

em que dispomos os pontos). Geometricamente, este segmento


representado por uma seta, de acordo com a figura abaixo.

4.2.2 Segmento Nulo: Um segmento considerado nulo se sua


extremidade coincide com a origem.
4.2.3 Segmento Oposto: Sendo (
segmento (

) um segmento orientado, o

) chamado de segmento oposto de (

).

4.2.4 Medida de um segmento: Ao fixarmos uma unidade de


comprimento padro, a cada segmento orientado pode-se associar um
nmero real no negativo, que a medida do segmento em relao
unidade considerada.
Chamamos a medida de um segmento de comprimento ou
mdulo. Denotamos o comprimento do segmento (

) por .

Exemplo:
Considere o segmento (

) e a unidade de medida

na figura abaixo.

45

Neste caso, temos

Observaes:
01. Qualquer segmento nulo tem comprimento igual zero.
02. , isto , qualquer segmento e seu segmento oposto tero
mesmo comprimento.
4.2.5 Direo e Sentido: Dois segmentos (

) e (

) possuem

mesma direo se, suas retas suporte so paralelas ou coincidentes.


Ainda podemos dizer que (

) e (

) possuem mesma direo se

Observao: Para compararmos o sentido de dois segmentos, estes


devem possuir mesma direo.
Na figura abaixo, os segmentos (
contrrio (note que (

)e(

) e (

) possuem sentido

) possuem mesma direo).

46

Na figura abaixo, os segmentos (

) e (

) possuem mesmo

sentido.

4.2.6 Definio: Dizemos que os segmentos orientados (


(

) tm o mesmo comprimento se os segmentos

) e

tm o mesmo

comprimento.
Observao: Dois segmentos opostos possuem sentidos contrrios.

4.3 SEGMENTOS EQUIPOLENTES


Dois segmentos orientados (

)e(

) so equipolentes se estes

possuem mesma direo, mesmo sentido e mesmo comprimento.

47

Se os segmentos (
que (
(

)e(

) seja equipolente a (

) , isto ,

) no pertencem a mesma reta, para


) devemos ter (

) e (

) (

deve ser um paralelogramo.

Observaes:
01. Dois segmentos nulos sempre sero equipolentes.
02. Denotamos a equipolncia entre os segmentos (
(
) (
).
4.3.1 Propriedades: Sejam (

), (

) e (

) e (

) por

) segmentos

orientados. As seguintes propriedades so vlidas:


i. (

) (reflexiva);

) (

ii. Se (
iii. Se (

) (
) (

), ento (
)e(

) (

) (

) (simtrica);

), ento (

) (

iv. Dado um ponto , existe um nico ponto

) (transitiva);

tal que (

) (

).

4.4 VETOR
Chamamos de vetor determinado por um segmento orientado
(
a(

) de

, o conjunto de todos os segmentos orientados equipolentes

).
Se denotarmos este conjunto por , podemos escrever:

48

{(

) (

) (

)}

Ou seja, o vetor o conjunto dos segmentos orientados (


(

) (

) tais que

).

Denotamos o conjunto de todos os vetores por

Ainda podemos denotar o vetor determinado por (

) como ,

ou .
Um vetor pode ser determinado por uma infinidade de
segmentos orientados, chamados de representantes desse vetor, e todos
equipolentes entre si. Portanto, um segmento determina um conjunto
que o vetor, e qualquer um dos representantes tambm determinar
este mesmo vetor.
As caractersticas de um vetor so as mesmas para qualquer um
de seus representantes, ou seja, todos os representantes possuem
mesmo mdulo, mesma direo e mesmo sentido.
Observao: Denotamos o mdulo do vetor por || ||.
4.4.1 Igualdade entre vetores: Dois vetores e so iguais se,
e somente se, (

) (

). Denotamos a igualdade por

.
49

4.4.2 Vetor Nulo: Os segmentos nulos, por serem equipolentes


entre si, determinam um nico vetor, chamado de vetor nulo.
Denotamos o vetor nulo por .

4.4.3 Vetor Oposto: Dado um vetor


. Denotamos o oposto de por

ou

, o vetor oposto de
.

4.4.4 Norma: A norma de um vetor o comprimento ou o mdulo


de

qualquer

um

dos

representantes

deste

vetor.

Como

vimos

anteriormente, denotamos a norma de por || ||.

4.4.5 Vetor Unitrio: Se || ||

, dizemos que um vetor

unitrio.

4.4.6 Versor: Seja

um vetor. O versor de ser o vetor

unitrio de mesma direo e sentido de .


4.4.7 Paralelismo: Sejam

, dizemos que e so paralelos

se um representante de paralelo a um representante de (logo todos


sero paralelos). Denotamos o paralelismo entre e por

. Alm

disso, paralelo a qualquer vetor.

4.5 SOMA DE VETORES


Considerando dois vetores

, vamos definir uma operao

que associa o par de vetores ( ) ao vetor denotado por


de vetor soma de com . Note que aqui, a operao
onde ( )

, chamado
,

Tomamos

determinado pelo segmento

, isto , tomando como sendo o vetor


, ser o vetor determinado pelo
50

segmento

. Note que, pode ser qualquer, porm tomamos um

representante com origem no ponto

, isto , a origem do representante

de coincide com a extremidade do representante de . O vetor ser


a soma de e . Em outras palavras
do vetor soma o segmento orientado (

, isto , um representante
). A definio de soma pode

parecer um pouco confusa, mas veremos que geometricamente tudo fica


mais claro.
Consideramos a figura abaixo, para uma melhor visualizao.

51

Observaes:
01. . Esta igualdade nos diz que, ao somarmos vetores
onde a extremidade (do representante) do primeiro coincide com a
origem (do representante) do segundo, o vetor resultante ter um
representante com a origem do primeiro e a extremidade do segundo.
02. Ainda podemos usar a regra do paralelogramo para determinar a
soma de dois vetores.
) do vetor arbitrria, mas isso
03. A escolha do representante (
)e
no influi na determinao de . Note que, se escolhermos (
(
) como representantes de e , respectivamente, teremos
(
) (
), (
) (
) e da decorrer (
) (
). Para ficar
mais claro, faa as devidas representaes geomtricas.
4.5.1 Propriedades: Sejam

, as seguintes propriedades

so vlidas:
A1. (

A2.
A3.

) (associativa);

(comutativa);

tem-se

. Observe que todo

representante de possui origem e extremidade coincidentes. Portanto,


, para realizarmos a soma de com , tomamos um

tomando

representante de com origem na extremidade


Logo

de , isto ,

. Esta propriedade garante a existncia do

elemento neutro para a soma de vetores.


A4.

. Ento

( )

. Tomando

( )

, seja

. Esta propriedade garante a

existncia do elemento oposto para a soma de vetores.

A propriedade iv nos permite definir a subtrao ou diferena de


vetores. Definimos

em

como sendo:
52

( )

Vejamos um exemplo onde fazemos o uso de algumas das


propriedades.
Exemplo:
Mostre que

. Em outras palavras, queremos mostrar

que vale a lei do cancelamento para vetores.


De fato, pela propriedade A4, sabemos que existe
somando

na equao

( )

, e

, temos:

) (

4.6 MULTIPLICAO DE ESCALAR POR VETOR


Neste momento, vamos assumir que o corpo em questo (

),

isto , o conjunto dos nmeros reais munido de suas operaes usuais


soma e produto. O escalar a ser considerado para esta operao
Definimos a operao que associa o par (
ao vetor

, chamada de multiplicao escalar de

estarmos denotando o vetor por


dizermos que

ou

, ento

por . Apesar de

, ainda podemos escrever

uma operao

Observaes: Sejam
01. Se

), onde

, onde (

, e
.

. Ento:
.

53

02. Se

, temos:

i. // ;
ii. e tem mesmo sentido se
iii. || ||
usual em

e sentido contrrio se

| | || ||, isto , a norma do vetor dada pelo produto


entre o mdulo de e a norma de .

4.6.1 Propriedades: Sejam

, as seguintes

propriedades so vlidas:
M1. (

M2. (

) .

M3.

M4.

Observaes:
01. O conjunto
com as operaes soma e multiplicao por escalar
acompanhadas de suas propriedades forma um espao vetorial. Em
lgebra Linear, veremos a definio geral de um espao vetorial, para
um conjunto e suas operaes.
02. Definimos multiplicao por escalar como sendo a multiplicao de
um escalar (nmero real) por vetor. Adiante ser definido o produto
escalar entre vetores, que um conceito distinto da multiplicao de
escalar por vetor.
03. No conjunto
munido das duas operaes definidas at o
momento, acompanhadas de suas propriedades, ao fazer clculos com
vetores, podemos seguir as mesmas regras de clculo algbrico
elementar. Por exemplo, na equao vetorial , se desejamos
determinar em funo de e , basta somar o oposto de em ambos
os lados da igualdade e aplicar as propriedades. Veja:

04. Se

Exemplos:
54

01. Provemos que (

provar que o vetor (

Portanto, (

( ).

02. Provemos que ( )


mostrar que o vetor

( )

( ),

. Novamente, devemos

o oposto aditivo de

Portanto, ( )

. De fato:

( )

( ).

03. Provemos que (


Exemplo 01, que (
vetor (

, ou seja, devemos

resulta no vetor . De fato:

) com

. Nossa misso

) o oposto aditivo de

mostrar que a soma de (

( ),

)( )

. Sabemos, pelo

( ). Logo, aplicando este resultado para o

)( ), temos:
(

)( )

[ ( )]

Sabemos tambm, pelo Exemplo 02, que

( )
( ). Usando esta

( )

informao em (1), temos:


(

)( )

[ ( )]

04. Provemos que se

)( )

, com

[ ( )]

, ento

( ( ))

. De fato:

55

Mas, por hiptese, temos

. Ento a igualdade acima ser vlida se

. Portanto:

05. Sejam

, de acordo com a figura, construir o vetor

56

determinado pelos vetores e , sendo

06. O paralelogramo
e

pontos mdios dos lados

, respectivamente.

Temos:
a)

; b)

d)

; c)

4.7 VETORES COLINEARES


Dois vetores

so colineares se possurem mesma direo.

Em outras palavras, e so colineares se tiverem representantes (


e (

), respectivamente, pertencentes a uma mesma reta ou a retas

paralelas.

57

4.8 VETORES COPLANARES


Os vetores
(

), (

)e(

so coplanares se possuem representantes

), respectivamente, pertencentes a um mesmo plano.

4.9 NGULO ENTRE VETORES

Sejam

, com

ngulo formado por (

)e(

. O ngulo

) tal que

entre e o

4.9.1 Propriedades: Conhecendo o ngulo entre vetores, podemos


fazer algumas afirmaes. Seja
i. Se

, e tm mesma direo e sentidos contrrios;

ii. Se

, e tm mesma direo e mesmo sentido;

iii. Se

, dizemos que e so vetores ortogonais. Indicamos a

ortogonalidade entre e por


||

o ngulo entre e , temos:

||

v. Se

;
, ento

vi. O ngulo entre e


seja, se

, a relao

|| || vlida;

|| ||

iv.

. Alm disso, quando

( ), ento

o suplemento do ngulo entre e , ou


.

58

CAPTULO 05: VETORES EM

5.1 INTRODUO
Neste captulo, temos como objetivo, relacionar vetores com
pontos dos sistemas de coordenadas cartesianas.
Observao: Para cada caso, faremos analogia entre vetores no plano e
no espao. Embora estivssemos acostumados a estudar vetores em
,
neste captulo vamos desconsiderar o conjunto
e em cada definio
esclarecemos se um vetor estar no plano ou no espao.

5.2 DECOMPOSIO DE UM VETOR NO PLANO


Dados dois vetores e no colineares de um plano, qualquer
vetor no mesmo plano pode ser decomposto segundo as direes de
e . Devemos escrever o vetor como sendo a soma de dois vetores
com mesmas direes de e . Em outras palavras, temos que
determinar

tais que

A possibilidade de escrever o vetor como soma de outros dois


vetores vem da definio de soma de vetores, que foi vista no captulo
anterior. Portanto, se voc tiver dificuldade em perceber tal fato, tente
fazer figuras para chegar a alguma concluso.
5.2.1 Definio: Sejam e vetores no colineares. Quando o
vetor estiver representado por

, dizemos que uma

combinao linear de e . O par de vetores e chamado de base


no plano. Alis, qualquer conjunto { }, com e no colineares,
constitui uma base no plano. Os nmeros

so chamados de

coordenadas ou componentes de em relao base { }. Embora


estejamos denotando a base por { }, ou seja, usando a notao de
conjunto, a ordem em que os vetores aparecem deve ser levada em
59

considerao. O vetor

chamado de projeo de sobre segundo

a direo de . O vetor

chamado de projeo de sobre

segundo a direo de .
5.2.2 Base Ortonormal: Uma base { } dita ortonormal se seus
vetores so ortogonais e se cada vetor unitrio. Em outras palavras,
{ } ortonormal se

e ||||

||||

Exemplo:
Consideramos { } uma base ortonormal no sistema de coordenadas
cartesianas

e um vetor

com relao base { } so

, ou seja, as coordenadas de

Se tratando de uma base ortonormal, dizemos que os vetores e


so projees ortogonais de sobre e , respectivamente.
Obviamente, existem infinitas bases

ortonormais no plano

cartesiano, porm vamos considerar, a partir de agora, uma base


particular.

60

5.2.3 Base Cannica: A base { } formada pelos vetores e cujos


representantes possuem origem no ponto
(

)e(

e extremidade nos pontos

), respectivamente, chamada de base cannica do plano.

Dado um vetor

, onde

so as coordenadas de

com relao base cannica { }, temos:

5.3 EXPRESSO ANALTICA EM


Fixada a base cannica { } no plano, existe uma correspondncia
biunvoca entre vetores e pontos do plano, ou seja, podemos associar
cada vetor ao par (

, pois, com relao base cannica o


61

representante do vetor
no ponto

possui origem em (

), quaisquer que sejam

Define-se

vetor

representamos por

no
(

plano

) e extremidade

.
)

) , que a expresso analtica de em

A primeira coordenada

pelo

par

ordenado

chamada de abcissa e a segunda,

ordenada.
Exemplo:
Podemos escrever

). Particularmente

),
),

),

) e

) e

).

Observao: A escolha da base { } proposital para a simplificao da


(
),
escrita. Por exemplo, quando nos referimos a qualquer ponto
), onde
este pode ser identificado com o vetor

(
a origem do sistema.

5.4 IGUALDADE E OPERAES


5.4.1 Igualdade: Os vetores
somente se,

)e

) so iguais se, e

. Denotamos a igualdade por

Exemplos:
01. Os vetores

)e

02. Para que os vetores

) so iguais, pois

.
) e

) sejam iguais, de

acordo com a definio, devemos ter

5.4.2 Operaes: Sejam


i.
ii.

),

)e

. Definimos:

) (soma);
) (multiplicao por escalar).

62

Resumindo: a soma de dois vetores e um vetor cujas


coordenadas so a soma das coordenadas correspondentes de e . A
multiplicao do escalar

pelo vetor um vetor cujas

coordenadas so a multiplicao (em

) de

por cada coordenada de .

Exemplo:
Sendo

)e

), temos:

Observao: As propriedades das operaes vistas no captulo anterior,


para as operaes, so verificadas para vetores no plano.

5.5 VETOR DEFINIDO POR DOIS PONTOS

, um vetor cujo representante o segmento orientado

Seja
(

). Digamos que, com relao ao sistema de coordenadas


(

)e

).

De acordo com o que foi visto anteriormente, podemos associar


os pontos

aos vetores

) e

), respectivamente.

Observe a figura.

63

Note que, temos a soma de vetores:

Isto , as coordenadas de so obtidas subtraindo-se as


coordenadas correspondentes da extremidade e da origem do segmento
representante. Por esta razo, podemos usar a notao

Observe que, as coordenadas do vetor (com relao ao sistema


) sero exatamente as coordenadas do vetor determinado pelo
segmento orientado (

), onde (

) (

), com origem na origem do

sistema de coordenadas. Ora, como este segmento (


(

) equipolente a

), podemos toma-lo como um representante do mesmo vetor .

64

5.6 NORMA DE UM VETOR NO PLANO

Seja

) um vetor de

definido pelos pontos

)e

(note que o vetor

)). A norma (ou mdulo) do

vetor dada por:

|| ||

Observao: Voc deve perceber que o vetor definido pelos pontos


(
).
tem como norma || ||
Se

, sua norma dada por:

|| ||

Observao: Note que a segunda frmula obtida fazendo a


substituio
e
.

5.7 DECOMPOSIO DE UM VETOR NO ESPAO


Dados trs vetores , e no coplanares no espao, qualquer
vetor no mesmo espao pode ser decomposto segundo as direes de
, e . Devemos escrever o vetor como sendo a soma de trs
vetores com mesmas direes de , e . Em outras palavras, temos
que determinar

tais que

5.7.1 Definio: Sejam , e vetores no coplanares. Quando


o vetor estiver representado por

, dizemos que

uma combinao linear de , e . A tripla de vetores , e


chamada de base no espao. Alis, qualquer conjunto { }, com ,
e no coplanares, constitui uma base no espao. Os nmeros
65

so chamados de coordenadas ou componentes de em


relao base { }. Embora estejamos denotando a base por
{ }, ou seja, usando a notao de conjunto, a ordem em que os
vetores aparecem deve ser levada em considerao.
5.7.2 Base Ortonormal: Uma base { } dita ortonormal se
seus vetores so dois a dois ortogonais e se cada vetor unitrio. Em
outras palavras, { } ortonormal se
||||

||||

||||

5.7.3 Base Cannica: A base { } formada pelos vetores , e


cujos representantes possuem origem no ponto
pontos (

) e (

), (

e extremidade nos

), respectivamente, chamada de base

cannica do espao.

5.8 EXPRESSO ANALTICA EM

Fixada

base

cannica

{ }

no

espao,

existe

uma

correspondncia biunvoca entre vetores e pontos do espao, ou seja,


podemos associar cada vetor ternar (

, pois, com

relao base cannica o representante do vetor

possui

66

origem em (

) e extremidade no ponto

sejam

), quaisquer que

.
Define-se vetor no espao pela terna ordenada (

representamos por

) e o

) , que a expresso analtica de em

5.9 IGUALDADE E OPERAES


5.9.1 Igualdade: Os vetores
iguais se, e somente se,
por

) e

(
e

) so

. Denotamos a igualdade

.
5.9.2 Operaes: Sejam

),

) e

Definimos:
i.
ii.

) (soma);

) (multiplicao por escalar).

5.10 VETOR DEFINIDO POR DOIS PONTOS

Sejam

),

), o vetor determinado por:

5.11 NORMA DE UM VETOR NO ESPAO

Seja

) um vetor de

o vetor definido pelos pontos

) e

(note que
)). A norma

(ou mdulo) do vetor dada por:

|| ||

)
67

Observao: Voc deve perceber que o vetor definido pelos pontos


(
).
tem como norma || ||
Se

, sua norma dada por:

|| ||

Observao: Note que a segunda frmula obtida fazendo a


substituio
,
e
.

5.12 CONDIO DE PARALELISMO ENTRE VETORES


J vimos anteriormente, que os vetores
(

) so colineares (ou paralelos), se existe

(
tal que

) e
. Isto

Mas, pela igualdade entre vetores, temos:

Em outras palavras, dois vetores so paralelos quando suas


coordenadas so proporcionais.
Denotamos o paralelismo entre e por

68

CAPTULO 06: DEPENDNCIA E INDEPENDNCIA LINEAR

6.1 INTRODUO
Neste captulo, vamos estudar a dependncia linear entre vetores.
Antes de tudo, veremos conceitos geomtricos de dependncia e em
seguida faremos um estudo dos conceitos algbricos envolvidos na
dependncia linear.

6.2 RESULTADOS COMPLEMENTARES


Nesta seo, enunciaremos alguns resultados complementares que
sero de grande importncia para a continuidade de nosso estudo.
6.2.1 Proposio: Sejam e vetores no nulos. e sero
paralelos se, e somente se, existe um escalar

tal que

Prova: Temos o seguinte:


() Imediato, pois da definio de produto escalar, se

conclumos que paralelo a .


( ) Queremos provar que se e so paralelos, ento existir um
nmero real

tal que

Caso 01: Se e possuem mesmo sentido, tomemos


provar que

equivalente mostrar que e

|| ||
|| ||

. Para

possuem mesma

direo, sentido e norma.


Por hiptese, e so paralelos, logo possuem mesma direo e
consequentemente e
tomarmos

|| ||
|| ||

tambm, pois

e so paralelos. Se

, note que isto acarreta a e

com mesmo

sentido, devido definio de multiplicao por escalar, com um escalar

69

positivo. Assim, como supomos e com mesmo sentido, temos que


e

possuem mesmo sentido.


Resta mostrar que e

| | || ||

|| ||

Portanto,

|| ||
|| ||

possuem mesma norma. De fato:

| || ||

|| ||

|| ||

|| ||

|| ||

|| ||

|| ||

|| ||

.
|| ||

Caso 02: Se e possuem sentidos contrrios, tomemos


Novamente, provar que

|| ||

equivalente a provar que e

possuem mesma direo, sentido e norma.


Como, por hiptese
que e

, temos

. Como

, temos

possuem sentidos contrrios, e devido ao fato de termos

considerado e de sentidos opostos, e

s podem ser de mesmo

sentido.
Resta mostrar que e

|| ||

| | || ||

possuem mesma norma. De fato:

|| ||
| || ||
|| ||

|| ||

Portanto,

| || ||

|| ||
|| ||

|| ||

|| ||

6.2.2 Proposio: Se e no so paralelos, ento


implica que

|| ||

Prova: Suponha que

. Temos:

70

Mas, esta igualdade nos diz que e so paralelos, o que contradiz a


hiptese de que e no so paralelos.
Supondo

, anlogo ao caso anterior.

Portanto, s podemos ter

6.2.2.1 Corolrio: Se e no so paralelos, ento


implica que

Prova: De fato:

Mas, pela proposio 6.2.2, como e no so paralelos, a igualdade


acima implica que

. Logo:

E temos o desejado.
6.2.3

Conceitos

Bsicos:

Inicialmente,

fixemos

linguagem: Um vetor ser paralelo a uma reta


representante (

) de paralelo a

paralelo a um plano
e denotamos

seguinte

se existir um

e denotamos

. Um vetor ser

se existir um representante (

) de paralelo a

Dois vetores paralelos a uma mesma reta sempre sero paralelos.


Cuidado, dois vetores paralelos a um mesmo plano podem no ser
paralelos. O vetor nulo ser paralelo a qualquer reta e a qualquer plano.
Agora, novamente estamos trabalhando no espao, ou seja, em
O conjunto dos vetores de

ser o conjunto j visto anteriormente

.
.
71

6.3 CONCEITOS GEOMTRICOS DE DEPNDENCIA E INDEPENDNCIA


Vamos analisar cada caso, considerando certa quantidade de
vetores.
6.3.1 Definio: Para cada quantidade de vetores tem-se:
i. O conjunto { } composto por um nico vetor
linearmente dependente (LD) se

. Se

, { } linearmente

independente (LI).
ii. O conjunto { } de vetores de

linearmente dependente (LD)

se e so paralelos. Caso contrrio, { } linearmente independente


(LI), isto , se e no so paralelos.
iii. O conjunto { } de vetores de

linearmente dependente

(LD) se , e so paralelos a um mesmo plano, ou seja, se , e so


coplanares. Caso contrrio, { } linearmente independente (LI), isto
, se , e so no coplanares.
iv. Qualquer conjunto {

}, com

, linearmente

dependente (LD).
Exemplos:
Observe as figuras a seguir e tente associar cada uma com a Definio
6.3.1.

Observao: Se em {

} ocorrer

, para algum

, ento
72

} LD.

6.4 CONCEITOS ALGBRICOS DE DEPENDNCIA E INDEPENDNCIA


6.4.1 Definio: Sejam
.

Chamamos

de

coeficientes

combinao

linear

e
dos

, com
vetores

(com

) o vetor:

Se combinao linear dos vetores


pelos vetores

, diz-se que gerado

Observaes:
01. Quaisquer que sejam
, o vetor nulo sempre ser gerado por

. De fato, sempre possvel tomar


, e teremos:

02. Nem sempre a combinao


resultando no vetor nulo
ter todos os coeficientes iguais zero. Isso depender do conjunto.
Exemplos:
01. Sabendo que

, vamos escrever duas expresses diferentes do

vetor nulo como combinao de e .


Sabemos que

, e esta uma combinao. Como

, temos

e esta outra forma de escrever o vetor nulo.

02. Supondo que { } LI s h uma expresso para o vetor nulo como


combinao de e que
Proposio 6.2.2,

. Pois se

, pela

73

6.4.2 Proposio: O conjunto de vetores {

}, com

, LD

se, e somente se, algum vetor do conjunto for gerado pelos demais.
Prova: Analisaremos separadamente ii, iii e iv da definio.
Caso i: { } LD

Um dos vetores gerado pelo outro.

( ) Queremos provar que se { } LD, ento gerado por ou


gerado por .
ou

Se

, deve ocorrer

ou

. Logo um gerado

pelo outro.
Suponha agora,

. Por hiptese, { } LD, logo, devido

a definio de LD, existem representantes (


que

) de e (

) de tais

so colineares (pois os representantes podem ser tomados

contidos em uma mesma reta), com

. Se os representantes

so paralelos, por definio, temos que os vetores e so paralelos,


assim existe

tal que

(como supomos

) ou

, portanto um dos vetores gerado pelo outro. Observe que, o

sinal de

s ir influenciar na direo dos vetores, e nada mudar sobre

o fato de um ser gerado pelo outro.


() Queremos provar agora que, se gerado por ou gerado
por , ento { } LD.
Suponha que

e que nenhum dos vetores nulo (no caso em

que um dos dois fosse nulo, no haveria nada o que fazer e j


concluiramos

que

conjunto

{ }

seria

LD).

Seja

um

representante de . Da definio de multiplicao de um escalar por


vetor, sabemos que

, pois a multiplicao do escalar

por .

Logo podemos tomar um representante de com origem em

extremidade em

na reta que passa por

so colineares. Como

, ou seja, os pontos ,

e ambos so paralelos a uma

mesma reta, por definio { } LD.


Caso ii: { } LD

Um dos vetores gerado pelos outros dois.

( ) Queremos provar que se { } LD, ento um dos vetores


gerado pelos outros.
Temos por hiptese que { } LD.
74

Suponha que { } LD, ento pelo caso anterior temos que


ou

. Neste caso,

ou

e est provada a

afirmao.
Suponha que { } LI, faremos a seguinte construo geomtrica:
Tomamos

e os representantes (

respectivamente. Em outras palavras,


,
,

) de , e ,
. Note que,

no so colineares, uma vez que supomos { } LI e tambm

ponto

) e (

), (

so coplanares, devido definio de LD para { }. Pelo


tomamos as retas paralelas a (

assim os pontos

) e a (

), determinando

. Observe a figura.

Ento, temos que { } e { } so LD, e pelo que j foi provado no


caso i, temos
ou seja,

. Percebe-se que

. Portanto, gerado por e .

() Queremos provar que se um dos vetores combinao linear


dos outros dois, ento { } LD.
Suponha que seja gerado por e , isto ,

e que

nenhum dos vetores nulo (caso um deles seja nulo, j podemos


concluir, devido ao caso anterior, que o conjunto { } LD).
Tomemos

. Se os pontos

colineares, claro que os quatro pontos

forem

esto em um mesmo

plano, ou seja, os representantes de , e sero paralelos ao mesmo


plano, logo por definio { } LD. Caso

sejam no
75

colineares, estes determinaro um plano (resultado da geometria


elementar).

Como supomos

. Da,

reta que contm (

, observe pela figura que

pertence reta que contm (

, logo

)e

pertence

), portanto o paralelogramo

no plano determinado por ,

est contido

e . Conclumos assim que , ,

so

coplanares e, portanto { } LD.


Caso iv: Consulte o livro Geometria Analtica: um tratamento
vetorial 2 Ed. de Paulo Boulos. Demonstrao na pgina 30.
6.4.2.1 Corolrio: { } LD se, e somente se, existe

ou existe
, ento

tal que

. Alm disso, se

tal que
,

Prova: Caso ii da Proposio 6.4.2.


6.4.2.2 Corolrio: Se { } LI e { } LD, ento
combinao linear de e .
Prova: Caso iii da Proposio 6.4.2.
6.4.2.3 Corolrio: Se { } LI, ento todo vetor
por , e . Isto , qualquer que seja

, existem

gerado
tais que:

76

Prova: Caso iv da Proposio 6.4.2.


6.4.3 Proposio: O conjunto {
equao

} LD se, e somente se, a

implicar que pelo menos um dos

diferente de zero.
Prova: De fato:
( ) Queremos mostrar que se {
implica que

, para algum

} LD, ento

}.

Por hiptese, temos que {

} LD, logo pela Proposio 6.4.2,

algum dos vetores ser gerado pelos demais. Suponha que seja gerado
pelos demais vetores do conjunto. Ento:

Portanto, a equao

implicou que algum dos coeficientes

diferente de zero. Temos o desejado.


() Queremos mostrar que se a equao
algum dos
Por

diferente de zero, ento o conjunto {


hiptese,

implica que algum


Suponha que

, com

implicar que
} LD.

}, no nulo.

. Ento:

77

Como
por

, existe

tal que

. Multiplicando a equao

, tem-se:

Ou seja, combinao linear de

. Mas, pela

Proposio 6.4.2, se um dos vetores gerado pelo restante, temos que


{

} LD. Temos o desejado.

Observao: A proposio a seguir uma maneira alternativa de


escrever a proposio vista acima, isto , as proposies sero
equivalentes. importante enunci-la, pois esta ser bastante usada.
6.4.4 Proposio: {

} LI se, e somente se, a equao

implica que

Exemplo:

Sejam

. Prove que:

{ } LI.

{ } LI

Queremos mostrar que se { } LI, ento { } LI.


Para isto, faamos

, e provar que { } LI

equivalente a provar que

, devido Proposio 6.4.4. Ento:

78

Como, por hiptese { } LI equivale a:

Note que este sistema homogneo e possui nmero de incgnitas e


equaes iguais, logo sua soluo

Desta forma, pela Proposio 6.4.4, temos que { } LI.


6.4.4.1 Corolrio: Se {
por

} LI, ento para cada vetor gerado

os coeficientes so univocamente determinados, isto :

Prova: Faamos:

Como, por hiptese {

} LI, pela Proposio 6.4.4 qualquer

combinao linear dos vetores

resultando no vetor nulo implica

que os coeficientes so iguais zero, isto ,

, com

}.

Logo:

79

6.4.4.2 Corolrio: Se
com

}, ento {

} LI (

Prova: Se

tais que

).

, e

, segue que:

Mas por hiptese, essa igualdade s vlida de


. Logo, novamente pela Proposio 6.4.4, temos que {

LI.
Exemplos:
01. Prove que se { } LI, ento {
Sejam
escalares

tais que
e

} LI.
, devemos mostrar que os

so iguais a zero. De fato:

Temos uma combinao linear de e resultando no vetor nulo, e da


hiptese { } LI, logo pela Proposio 6.4.4, os coeficientes desta
combinao devem ser iguais zero. Assim, temos:

Um sistema homogneo com nmero de equaes e incgnitas iguais,


ou seja, a nica soluo que este sistema admite

.
80

Portanto, como a combinao

implicou em

, temos pela proposio 6.4.4 que o conjunto {


02. Na figura,
que

um tringulo e

paralelo a

o ponto mdio de

, prove que

o ponto mdio de

} LI.
. Sabendo

Podemos tratar cada lado do tringulo como sendo representantes de


vetores, basta colocar orientaes nestes segmentos. Por exemplo,
como
Como

um tringulo, temos { } LI.


o ponto mdio de

, temos:

Como, por hiptese,

paralelo a

Finalmente, como

, temos:

pertence ao lado

( )

( )
, temos:

( )

Note que, nosso objetivo agora concluir que

. Faamos:

81

Logo, por (1) e (2):

( )

Por outro lado, de (3) vem:

( )

Comparando (4) e (5):

Como vimos no Exemplo 01, se { } LI, a igualdade acima implica


que os coeficientes so iguais, ou seja:

Portanto,

e temos o desejado.

82

CAPTULO 07: BASE

7.1 INTRODUO
No captulo anterior, falamos um pouco sobre um conjunto
especifico de vetores que formava uma base para determinado lugar.
Lembre que estudamos vetores no plano e no espao. No plano, um
conjunto composto por dois vetores, onde esse conjunto LI, forma
uma base para o plano. Enquanto no espao, um conjunto composto por
trs vetores, onde esse conjunto LI, forma uma base para o espao.
Neste captulo, vamos fazer uma abordagem mais teoria sobre
bases do espao.
7.1.1 Definio: O conjunto ordenado LI,
base de

Se

{ }, chama-se

{ } uma base, podemos dizer, conforme o Corolrio

6.4.2.3 que todo vetor

gerado por , isto , existem

tais que:

83

A terna (
supormos

) a nica a satisfazer a equao acima, pois, se

, devido ao fato de que { } LI, o

Corolrio 6.4.4.1 diz que

. Cada escalar

chamado de coordenada de em relao base

. Lembre-se de nunca

trocar a ordem dos vetores ou dos escalares. Como (


composto pelas coordenadas de em relao base

)
, podemos

reescrever o vetor como sendo, simplesmente:

Quando trabalharmos com uma grande quantidade de vetores,


podemos supor que todos esto escritos em relao uma mesma base
e omitimos o ndice

em (

) , isto , escrevemos

).

7.2 OPERAES SEGUNDO AS COORDENADAS


7.2.1 Proposio: Sejam

) e

). A soma de

com , em termos de coordenadas, o vetor:

Prova: Seja

{ }, ento:
)

84

7.2.2 Proposio: Sejam


escalar de

. A multiplicao

por , em termos de coordenadas, o vetor:

Prova: Seja
(

{ }, ento:
)

Exemplo:
Sendo

coordenadas do vetor

) , vamos determinar a tripla de

na base . Temos:

7.3 ANALISANDO A DEPENDNCIA PELAS COORDENADAS


A seguir, veremos um resultado que nos ajudar a concluir se um
conjunto de vetores LD ou LI em termos de suas coordenadas.
7.3.1 Proposio: Sejam

conjunto { } LD se, e somente se, [

) . O

] e [

] so

proporcionais1, ou equivalentemente, se:

] e [
] para representar sequncias de nmeros.
Estamos usando [
[
]e[
] sero proporcionais se
.
1

85

Exemplos:
01. Os vetores

)e

) formam um conjunto LI, pois

e isto implica a NO proporcionalidade das sequncias [


[

]e

].

02. Os vetores
sequncias [

)e

(
] e [

) formam um conjunto LD, pois as

] so proporcionais, note que

Logo, pela proposio, a proporcionalidade entre as sequncias das


coordenadas equivale dependncia linear dos vetores, ou seja, o par de
vetores forma um conjunto LD.
7.3.2

Proposio: Sejam

),

) e

). O conjunto { } LD se, e somente se:

Exemplos:
01. Verifique se { } LD ou LI, onde

) ,

) .

Usando a Proposio 6.3.2:

Portanto, { } LD.
86

{ } uma base e que

02. Sabendo que


e

Para mostrar que


Note

que

{ } uma base e, em

, mostre que

seguida, escreva o vetor

) na base .

uma base, basta mostrar que este conjunto LI.

) ,

) .

Usando

Proposio 6.3.2, temos:

O determinante diferente de zero e equivale a

LI. Portanto

uma

base.
Agora, queremos escrever o vetor

A ideia aqui escrever os vetores de

na base

como combinaes dos vetores

de

. Podemos associar o sistema {

matriz

e em

seguida usar operaes elementares para expressar em termos dos

vetores de

, onde

]. Para isso, vamos reduzir

sua

matriz equivalente linha reduzida forma escada. Temos:

87

|
|

|
|

|
|

)
|
|

Desta forma, temos:

Agora, vamos determinar as coordenadas de

) em relao

base . Temos:

88

Note que, podemos escrever

) .

7.4 ORTOGONALIDADE
7.4.1 Definio: Os vetores no nulos e so ortogonais se seus
representantes so ortogonais. Indicamos a ortogonalidade por

7.4.2 Proposio: Os vetores e so ortogonais se, e somente


se, ||

||

Observao:

|| || .

|| ||

7.4.2 Definio: Uma base


||||

||||

{ } ortonormal se ||||
. Em outras palavras,

uma

base ortonormal se seus vetores so unitrios e dois a dois ortogonais.

89

7.4.3 Proposio: Seja

{ } uma base ortonormal. Se

) , ento:

|| ||

Exemplo:
Seja

uma base ortonormal e

) . Vamos calcular a norma de

. Temos:

|| ||

90

CAPTULO 08: PRODUTO ESCALAR

8.1 INTRODUO
Neste captulo estudaremos o produto escalar entre vetores.
importante que fique claro a diferena entre produto escalar e a
multiplicao por escalar vista anteriormente.
Antes de iniciarmos, lembre-se da definio de ngulo entre dois
vetores, isto , caso os conceitos no fiquem claros aqui, revise as
propriedades de ngulo entre vetores.
Considere a figura abaixo:

Sendo

( ), e o tringulo formado pelos representantes

dos vetores , e

||

, podemos aplicar a Lei dos Cossenos e obter:

||

|| ||

|| ||

( )

|| |||| ||

Por outro lado, se considerarmos uma base ortonormal


{ },

podemos

consequentemente
de

escrever

) ,

) . Calculemos a norma

em termos de suas coordenadas e em seguida elevamos esta ao

quadrado:
91

||

||

||

||||

||

||||

|| ||

|| ||

( )

Substituindo (II) em (I), tem-se:

||||

||||

||||

||||

|| |||| ||

|| |||| ||

|| |||| ||

Note que esta equao nos permite calcular o ngulo entre os


vetores em termos de suas coordenadas em relao uma base
ortonormal. Basta tomar || ||

e || ||

, e

temos (considere e no nulos):

)(

[
(

8.1.1 Definio: Sejam

)(

( ). O produto escalar

dos vetores e , indicado por , o nmero real tal que:


92

i. Se

ou

ii. Se

|| |||| ||

Observao: Podemos ainda, pensar no produto escalar como sendo


uma operao:
( )

8.1.2 Proposio: Sejam


i. Se

( ).

, ento

|| |||| ||

ii. Qualquer que seja

, || ||

iii. Quaisquer que sejam

;
:

Prova:
i. Se e so no nulos, temos que || ||
existem

|| ||

(|| ||)

|| ||

, logo

(|| ||) . Ento:

|| |||| ||

ii. Caso 01: Se

e || ||

|| |||| ||

, por definio

|| |||| ||

|| |||| ||

. Por outro lado,


Como

ambos

os

membros (olhe para a definio) so iguais a zero, vale a igualdade:

Caso 02: Se

|| |||| ||

, note que

|| |||| ||

|| ||

|| ||

(por que?). Temos:

( )

|| ||

|| ||


93

Observe que, ao passar a raiz quadrada para o outro membro,


teramos dois possveis valores, porm, a norma de sempre ser
positiva, logo tomamos o valor positivo.
iii. Caso 01: Se um dos vetores nulo, a equivalncia vlida, pois
ambas as afirmaes sero verdadeiras.
Caso 02: Se e so no nulos, temos:
( ) Queremos mostrar que se

, temos que

, ento

, logo:

|| |||| ||

|| |||| ||

() Queremos mostrar que, se


. De fato, se

, ento

. De fato, se

, temos:

|| |||| ||
Como e so no nulos, suas normas so diferentes de zero,
logo podemos multiplicar a igualdade acima por

. Portanto:

|| |||| ||

|| |||| ||
Lembrando que da definio de ngulo entre vetores
nico valor de

Assim, se

no intervalo [

( )

] que satisfaz

, temos por definio que

,eo
. Logo:

.
94

Observaes:
01. Perceba que, se
i. ou ;
ii. .
02. Se

, pode ocorrer:

, temos que e so no nulos.

( )
03. Se
, temos
esse ngulo obtuso, pois
8.1.3 Proposio: Seja
base , temos

. Se

.
uma base ortonormal. Se, em relao

) ,

agudo, pois

) , ento:

Prova: O caso em que e so nulos, imediato.


Se e so no nulos, por definio, temos:

( )

|| |||| ||

Por outro lado, pela equao (8.1-E), temos:

( )

|| |||| ||
Substituindo (**) em (*), tem-se o desejado:


Observao: fundamental perceber que o produto escalar no
depender das coordenadas do vetor em relao base, desde que essa
seja ortonormal. Se os vetores e so nulos, no h o que discutir,
pois sabemos que o produto escalar ser igual zero. Se e no
so nulos, suponha que e sejam bases ortonormais. Temos:

)
95

Logo:

|| |||| ||
( )

|| |||| ||

|| |||| ||
( )

|| |||| ||
Substituindo (II) em (I), tem-se:

Isto , independente das coordenadas, o produto vetorial o mesmo.


Em outras palavras, o produto vetorial no depende das coordenadas
dos vetores, em relao a bases ortonormais.
Exemplos:
01. Em relao a uma base ortonormal, so dados

) e

). Calcule, em radianos, a medida angular entre e .

Como e so no nulos, se

a medida angular entre e , esta

dada por

[|| |||| ||].

Calculando , sabendo que

|| ||

):

Calculando || |||| ||, sabendo que

|| ||

)e

)e

|| ||

|| ||

):

96

Portanto, || |||| ||

|| |||| ||

Finalmente, temos:


[
]
|| |||| ||

02. Sendo
vetores

) e

uma base ortonormal, determine


(

de modo que os

) sejam ortogonais.

De acordo com o item iii da Proposio 8.1.2, dois vetores so


ortogonais se, e somente se, o produto escalar entre eles zero.
Portanto, faamos :

) (


Note que, independente do valor de

, o produto escalar de por

resultou em zero. Logo, qualquer que seja


equivalente a
03. Determine

para qualquer

, temos

de modo que os vetores

sejam ortogonais, onde

, o que

) e

uma base ortonormal.

Queremos calcular o valor de

de modo que os vetores e sejam

ortogonais, mas isto equivalente a determinar o valor de


satisfaa

que

. Vejamos:

) (

97

Para determinar tal valor de


soluo

, basta resolver a equao

. Sua

Portanto, por iii da Proposio 8.1.2, o valor de

que torna os vetores

e ortogonais o mesmo valor que torna o produto escalar entre e


nulo, isto ,

04. Dados os vetores


determine o valor de

) ,

tal que (

) ,

Note que:

, valem

Ento:

) (

8.1.4 Proposio: Quaisquer que sejam

as propriedades:
P1. (
P2. ( )

( )

P3.

P4. Se

, ento

( );

P5. A propriedade P1 vlida para uma quantidade finita qualquer


de vetores, isto , (

Exemplos:

98

01. Sabendo que , e so vetores unitrios e que


e

( )

( )

, prove que o conjunto { } uma base.

( )

Para provar que { } uma base, basta mostrar que este conjunto
LI, de acordo com a definio de base.
Agora, nossa tarefa mostrar que { } LI. Para isto, faamos uma
combinao

linear

dos

vetores

do

combinao ao vetor nulo, ou seja,

conjunto

igualemos

esta

. Assim sendo, por

um resultado j visto, mostrar que o conjunto LI, equivalente a


mostrar que os coeficientes

tais que

so todos

nulos. Faamos isto:

( )

1 passo: Faamos o produto escalar de nos dois membros de (I):

( )

( )

|| ||

( )

|| |||| ||

( )

( )

( )

( )

|| |||| ||

Como, por hiptese, os vetores , e so unitrios, temos:

|| ||

|| ||

|| ||

Substituindo o valor de cada norma na equao (*):

( )

2 passo: Faamos o produto escalar de nos dois membros de (I):


99

( )

( )

( )

|| |||| ||

( )

|| ||

( )

( )

|| |||| ||

3 Passo: Faamos o produto escalar de nos dois membros de (I):

( )

( )

( )

|| |||| ||

) (

( )

( )

|| |||| ||

Juntando ( ) (

( )

|| ||

) temos o sistema:

{
Este sistema admite somente a soluo

100

Portanto, como

implicou

, conclumos que

o conjunto { } LI e, por definio, uma base.


02. Sabendo que

) forma um ngulo de

), determinemos o valor de

Sabemos que

|| ||||||

,e

com o vetor

. Ento:

|| || || ||

|| || || ||

( )

Calculando :

) (


Calculando || ||:

|| ||

|| ||

Calculando || ||:

|| ||

|| ||

Substituindo os valores em (I):

101

( ) uma base ortonormal. Vamos provar que o

03. Suponha

tringulo formado por

retngulo (omitimos o ndice


vetores so dadas na base

),

) e

, mas assuma que as coordenadas dos

).

Para provar que o tringulo

retngulo, devemos mostrar que dois

de seus lados so ortogonais, ou seja, devemos mostrar que dois dos


vetores que esto determinando seus lados so ortogonais, o que
equivale a provar que o produto escalar entre dois dos vetores igual
zero. Vejamos:

) (

102

) (

Portanto, o tringulo
04. Sendo

determinemos um vetor

Seja

) , onde

uma base ortonormal,

que seja ortogonal a e .

, para que seja ortogonal a e , devemos ter

retngulo em .
) e

. Ento:

) (

) (

( )

( )

Junto (*) e (**), temos o sistema:

Donde
forma

,
(

Por exemplo, se

qualquer. Portanto, qualquer vetor da

) ortogonal a e .
, ento

) . Observe:

103

8.1.5 Proposio:
somente se, {

{ } uma base ortonormal se, e

Exemplo:

Vamos mostrar que ||

||

( )

|| ||

|| || .

Sabemos por ii da Proposio 8.1.2 que, para qualquer


|| ||

. Usando este resultado para

, tem-se

, temos:

||

||

) (

||

||

) (

Ou ainda:

Partindo disso, vamos mostrar o desejado:

||

||

) (

104

|| ||

||

||

|| ||

|| ||

( )

( )

|| ||

|| ||

|| ||

8.2 PROJEO ORTOGONAL


Nesta seo, vamos falar sobre o importante conceito de projeo
ortogonal de um vetor sobre outro. Por exemplo, considere os vetores

no nulos que formam um ngulo agudo de medida

de acordo com a figura.

O ponto

o p da perpendicular a

passando por

. O vetor

ser o vetor que nos interessa, o qual ser chamado de projeo

ortogonal sobre .
obvio que
vetor soma

( )

, e o vetor o nico vetor paralelo a tal que o


ortogonal a .

Podemos ainda escrever

, e assim:

105

8.2.1 Definio: Seja

um vetor. Dado

, o vetor

chamado de projeo ortogonal de sobre , denotado por

, se

satisfaz as condies:
i.
ii. (

;
)

Como

reescrevemos as condies i e ii usando esta

notao:
i.
ii. (

;
)

Voltando a observar a figura anterior:

No tringulo retngulo

, note que

|| ||
|| ||

ou || ||

|| ||

e ainda:

|| ||

|| ||
(
) || ||
|| ||

|| ||

|| |||| ||

|| ||

|| ||


|| ||

( )

106

Por outro lado, como e so de mesmo sentido, podemos


escrever:

|| ||

|| ||

( )

Substituindo (*) em (**), temos:


)
|| ||
|| ||


|| ||


|| ||

Logo, podemos escrever uma frmula alternativa para a


projeo ortogonal de sobre :


|| ||

Observao: As expresses para e || || ainda no podem ser utilizadas


para um caso geral, pois s so vlidas para o tringulo
da figura
acima. A seguir, consideramos outra figura e faremos a anlise.

Na figura acima, a igualdade || ||


medida do ngulo

|| ||

no vlida, pois a

e no .
107

Nas figuras abaixo, observe:

A proposio a seguir fala sobre a unicidade da projeo


ortogonal de um vetor sobre outro.

8.2.2 Proposio: Considere o vetor

. Para todo

, existe

uma nica projeo ortogonal de sobre . A projeo de sobre


dada por:


|| ||

A norma do vetor projeo dada por:

108

||

| |

||

|| ||

Prova: De acordo com a definio de projeo ortogonal, dizer


que projeo ortogonal de sobre equivalente a dizer que
que (

Mas dizer que paralelo a equivalente a dizer que


Logo podemos escrever (

Agora, para mostrar que a projeo ortogonal nica, devemos


mostrar que

o nico valor a satisfazer (

igualdade vem do fato de que (

(esta

) e so ortogonais). De fato:

( )

|| ||


|| ||

E este valor de

nico. Disso decorre que:


|| ||


|| ||

A norma vem de:

|| ||

|| ||

| ||| ||

|| ||

| |
|| ||

| |


|
| || ||
|| ||

||

|| ||

||

|| ||

| |
|| ||

| |
|| ||

Exemplos:

109

{ } uma base ortonormal,

01. Sejam

Vamos obter a projeo ortogonal de sobre .


Sabemos que

expresso. Temos

|| ||

. Vamos determinar cada valor da

) ,

logo:

) (

|| ||

|| ||

Desta forma:

|| ||

Para determinar o vetor

ortogonal a :

Note que , de fato, ortogonal a , pois se fizermos este produto


escalar ser igual zero:

110

CAPTULO 09: PRODUTO VETORIAL

9.1 INTRODUO
{ } na

A partir de agora, fixamos nossa base ortonormal

de modo que os vetores , e tenham

origem do sistema cartesiano


origem na origem de

), respectivamente. Assim, escrevemos

e extremidade nos pontos (

). Chamamos a base

) e

{ } uma base ortnormal,

vetores, tomados nesta ordem, chama-se

produto vetorial de por , representado por

),

) e

de base cannica.

9.1.1 Definio: Sejam


(

), (

, ao vetor:

Ou:

Cada coordenada do vetor produto vetorial pode ainda ser


reescrita usando os determinantes de ordem 2, da seguinte maneira:

Podemos ainda usar um determinante simblico de ordem 3,


cuja primeira linha composta pelos vetores da base ortonormal
considerada, isto :

111

O produto vetorial entre

Exemplo:

dado da seguinte

maneira:

Note que, ao fazermos o produto

, ocorre:

Obtemos vetores opostos, isto , o produto vetorial de por


diferente do produto vetorial de por . E vale

) ,

).

{ } uma base ortonormal,

9.1.2 Proposio: Seja


(

vetores de

. Valem as

propriedades:
;

i.

ii.

);

iii.

iv. ( )

v.

);

{ } LD ou se um dos vetores nulo;


112

vi. (

e (

Prova:
i. Sabemos que

) , logo o produto vetorial

dado

por:

ii. Como

) e

) , temos:

)]

Por outro lado, temos:

[(

[ (

iii. Sabemos que

) ]

e que

) . Por definio:

|
113

iv. Sabemos que

( )

), ento:

, as coordenadas de

v. ( ) Queremos mostrar que se


fato, se

) . Logo:

Por outro lado, sabemos que

, ento { } LD. De

so nulas, isto :

Estes determinantes sero iguais a zero se cada coordenada de


ou for nula e, ento teramos que um dos vetores nulo. Os
determinantes seriam, tambm, iguais a zero se [
fossem

proporcionais e, neste caso, teramos

] e [

{ } linearmente

dependente.
() Caso 01: Queremos mostrar que se

. De fato, suponha

, ento

ou

, ento

) e:
114

Para

, anlogo.

Caso 02: Queremos mostrar que se o conjunto { } LD, ento

. De fato, se { } LD, ento

ento

. Logo se

) ,

) . Portanto:

E temos o desejado.
vi. Queremos provar que os o produto vetorial de por
ortogonal a e a , mas isso equivale a mostrar que (
(

)
(

. De fato:

De forma anloga conclui-se que (

Observao: Note que de (vi) podemos dizer que se { } LI, ento


{ } e { } formam bases para o espao, pois o vetor
obtido pelo produto vetorial de dois vetores ortogonal a estes.
( )
Como o vetor oposto de , tem-se
. Logo
115

tambm ser ortogonal a e .


Uma ilustrao das bases {

} e {

} dada na figura

abaixo:

{ }, observe que:

Considerando a base cannica

Analogamente

. Note que, os vetores e no

esto um ao lado do outro, ou ainda, no vem depois de no


conjunto { }, logo o produto vetorial entre eles, resulta no vetor
oposto de e, desta forma,

. Considerando a figura abaixo:

116

Se pensarmos em um ciclo, o vetor que vem depois de , logo


o produto vetorial entre e resulta no outro vetor da base, que .
Analogamente, o vetor que vem depois de , portanto o produto
vetorial entre e o outro vetor da base, que . Perceba que no
no resulta em . Porm,

vem depois de , por isso o produto

observando o ciclo, o vetor que vem depois de , desta forma o


produto

resulta no outro vetor da base, que .

Ainda podemos dizer que a base { } de sentido positivo, de


acordo com a ordem circular fixada. No momento em que a ordem
circular fixada, pode-se analisar que as bases { } e { } tambm
so de sentido positivo. Logo, fazendo o produto vetorial de vetores
sucessivos, na ordem apropriada, obtm-se o terceiro vetor da base.
{ } uma base ortonormal,

9.1.3 Proposio: Seja


(

) ,

vetores de

. Valem as

propriedades:
i. ||
ii. Se

||

|| || || ||

iii. No vlido (

( ) (Identidade de Lagrange);
( ), ento ||

||

|| |||| ||

).

Prova:
i. Como

) , temos:

117

||

||

Por outro lado, se

|| ||

|| ||

( )

)
) e

)
) , temos:

)(

Realizando os devidos clculos, constata-se que:

||

||

( )

|| || || ||

A Identidade de Lagrange ainda pode ser reescrita por:

) (

ii. Sabemos que ||

( )( )

||

( ) . Por outro lado, da

|| || || ||

definio de produto escalar

( )

e, substituindo na

|| |||| ||

Identidade de Lagrange:

||

||

|| || || ||

(|| |||| ||

|| || || || (

||

||

(|| |||| ||

Lembre-se que
pois
para
2

| |
[
]).

||

, se

|| || || ||

|| || || ||

||

||

|| || || ||

||

(|| |||| ||

|| |||| ||

(que o caso: ||

||

e || |||| ||

118

iii. Note que o vetor


(

) coplanar a e , enquanto

coplanar a e . Portanto, em geral

.
Exemplo:
Vamos determinar um vetor unitrio que seja ortogonal a

)e

).

Sabemos que o vetor

ortogonal a e simultaneamente (

tambm). Portanto, temos:

Para determinar agora um vetor unitrio e , basta determinar o


versor de

||

. Ento:

||

||

||

Portanto, o vetor unitrio ortogonal e simultaneamente :

||

||

119

9.3 INTERPRETAO GEOMTRICA DO MDULO DO PRODUTO


VETORIAL

Se

, a norma do produto vetorial entre e mede

a rea do paralelogramo

. Observe:

Note que, a rea do paralelogramo

Do tringulo retngulo

dada por:

( )

|| ||

tem-se:

( )

|| ||

|| ||
Substituindo (II) em (I):

|| |||| ||

Por outro lado, j foi visto que ||

||

|| |||| ||

. Logo, segue

que:

||

||

120

{ } uma

Exemplos: Para os exemplos a seguir considere


base ortonormal.
01. Dados os vetores

) e

) , vamos calcular a rea

do paralelogramo determinado pelos vetores

rea do paralelogramo determinado por e


vetor

dada pela norma do

). Portanto:

||

. Sabemos que a

)||

||

|| (

|| (

| | ||(

)(

||

) ||

( )||

)||

|| |

|| (

|| (

)||

( )]||

||

|| (

) ||

02. Determine o conjunto de solues de {


isto, vamos tomar

) ,

. Para

) . Sabemos tambm que


e

) .

Portanto,

reescrevemos o sistema:

)
(

(
)

)
(

(
)

)
( )
( )

Da equao (I), vem:

121

Assim,

). Temos da equao (II):

E isto nos diz que, para qualquer valor de

, o vetor

) soluo do sistema. Desta forma, o conjunto soluo do sistema


)

{(

03. Sejam

}.
) e

) . Vamos calcular um valor para

de

modo que a rea do paralelogramo determinado por e seja .


Sabemos que

||

||

||||

||(

||, ento:

||

||||

||(

) ||

||(

) ||

) ||

122

A soluo desta equao

ou

04. Calcular a rea do tringulo cujos vrtices so os pontos


(

),

)e

tem os lados determinados pelos vetores ,

Note que o tringulo


e

. Portanto, vamos determinar cada um desses vetores:

).

)
123

Agora, perceba que a rea do tringulo

determinado pelos vetores e . Logo:

paralelogramo

||

Fazendo

igual metade do

||

( )

Calculando a norma de

||

||

) ||

||(

||

||

( )

Substituindo (**) em (*):

||

||

124

CAPTULO 10: PRODUTO MISTO

10.1 INTRODUO
{ } a base cannica de

10.1.1 Definio: Sejam


vetores

) ,

e os

) . Definimos o

produto misto entre , e como sendo o nmero real (

).

Indicamos o produto misto entre , e por ( ). Desta forma,


sempre tome cuidado com a ordem em que os vetores aparecem.
J sabemos que:

E como

(|

| |

|)

) , temos o produto escalar:

(|

( )

| |

|)

Exemplo:

125

O produto misto entre os vetores

dado por:

( )

((

) (

) (

) )

( )

Observao: Tome cuidado com a ordem em que os vetores aparecem


no produto misto. Por exemplo:

( )

( )

) (

10.1.1 Proposio: Sejam

(
),

))

) e

) vetores. As seguintes propriedades so vlidas:

i. ( )

se um dos vetores nulo, se dois a dois so

paralelos, ou se { } LD;
ii. O produto misto independe da ordem circular dos vetores, isto
, ( )

( )

iii. (
iv. (

)
)

( );
( )
(

( );
( )

( ).

Prova:
i. Vamos separar em trs casos:
Caso 01: Suponha que um dos vetores nulo, digamos . Ento

) e tem-se:

( )

126

Caso 02: Suponha dois vetores paralelos, digamos e . Ento

)e

) e temos:

( )

Caso 03: Suponha { } LD. Sabemos que

ortogonal a e

a e consequentemente ser ortogonal a , uma vez que esto


num mesmo plano. Ora, se
(

( ), logo ( )

, ento (

. Mas

Observao: Note que o caso 3 do item i nos diz que se os vetores , e


so coplanares, ento o produto misto entre eles nulo.
De forma anloga, se considerarmos os pontos , , e , estes pontos
pertence a um mesmo plano se os vetores , e forem
coplanares, isto , se ( )
.
ii. Observe:

Esta propriedade decorre imediatamente das propriedades de


determinantes (apenas fazemos uma analogia para os vetores , e .
Mas estes poderiam ser quaisquer).
Observao: Desta propriedade, resulta que as operaes
permutam entre si, isto :

127

Chamamos esta consequncia de propriedade cclica.


Exemplos:
01. Vamos verificar se os vetores

),

) e

so coplanares. Para isto, basta calcular o produto misto entre eles:

( )

02. Qual deve ser o valor de


) e

para que os vetores

),

) sejam coplanares? Para que os vetores sejam

coplanares, devemos ter:

( )

03. Verificar se os pontos

),

),

) e

) so coplanares. Para verificar se os pontos so coplanares,

(
construmos
(

os

vetores

),

) e calculamos o produto misto:

( )

10.2 INTERPRETAO GEOMTRICA DO MDULO DO PRODUTO


MISTO

128

Geometricamente, o mdulo do produto misto ( )

calcula o volume do paraleleppedo de arestas determinadas pelos


vetores

. Observe a figura:

Sabemos que o volume de um paraleleppedo dado por rea da


base vezes a altura. Ento:

( )

Como a rea da base o paralelogramo determinado pelos vetores


e , sabemos que:

||

||

( )

Observando o ngulo formado entre e

, temos:

129

|| |||

|| ||

( )3

Substituindo (*) e (**) em (I), temos:

||

|||| |||

|| ||||

|||

( )

Sabemos ainda que:

|| ||||

| (

||

)|

|| ||||

|||

Comparando (***) e (I), tem-se:

| (

|( )|

)|

|( )|

Exemplos:
01. Vamos calcular o volume do paraleleppedo determinado pelos
vetores

),

) e

). Para calcular tal volume,

basta calcular o produto misto entre os vetores e em seguida tomar o


mdulo deste valor. Calculemos:

( )

Agora, temos:
|( )|

Devemos considerar |

| |

|, pois poderia ocorrer

] e ento

130

02. Dados os vetores


valor de

),

) e

), calcule o

para que o volume do paraleleppedo determinado por , e

seja igual a

Sabemos que o volume do paraleleppedo dado por

|( )|. Para

que o volume seja igual a 24, temos:

|( )|

||

||

Sabemos que, por definio:

Ento, temos:
Se

, ento |

Se

, ento |

Desta forma, conclumos que

.
.
ou

131

CAPTULO 11: RETA

11.1 INTRODUO
11.1.1 Equao Vetorial da Reta: Considere o sistema de
coordenadas
ponto
ponto

, a base cannica { }, uma reta

passando por um

com mesma direo de um vetor no nulo . Para que um


do espao pertena reta

necessrio e suficiente que, os

vetores e sejam paralelos, isto :

Podemos ainda reescrever a equao

por:

( )

A princpio podemos pensar que a equao (I) no faz sentido,


pois parece ser composta por um ponto igual a um ponto somado com
132

um vetor, porm a igualdade pode ser aceita devido ao fato de que


existe uma correspondncia biunvoca entre pontos e vetores do espao.
corresponde o vetor cujas coordenadas sero as

Note que ao ponto

mesmas coordenadas de

corresponde o vetor .

analogamente, ao ponto
Se tomarmos,

em relao ao sistema de coordenadas e,

),

)e

), reescrevemos

(I) como:

( )

Qualquer uma das equaes (I) e (II) denominada equao


vetorial da reta que passa pelo ponto

e tem a direo de .

O vetor chamado de vetor diretor da reta e o nmero real


recebe o nome de parmetro. Note que para cada valor de
um ponto
ponto

da reta, ou seja, quando variamos

, obtemos

no intervalo (

)o

descreve a reta .
Exemplo:

Vamos encontrar a equao vetorial da reta que passa pelo ponto


) e tem como vetor diretor

(
Sendo

A equao vetorial da reta (

) um ponto genrico da reta, temos:

varia de

at

descreve tal reta. Por exemplo, se

(
Ou seja, o ponto

). Quando
, temos:

) pertence reta .
133

Por outro lado, como proceder para verificar se um ponto pertence a


uma reta?
Considerando a reta do exemplo

) pertence reta ? Para verificar se

substituir as respectivas coordenadas de

), o ponto

pertence reta, basta

nas coordenadas do ponto

genrico da construo, isto :


(

O valor de

nico, e isto nos diz que o ponto

Por outro lado, tomemos

pertence reta .

). Este ponto pertence reta?

Vamos substituir suas coordenadas na equao de . Ento:

{
Obtemos valores distintos de

, e isso nos diz que o ponto

no

pertence reta .
11.1.2 Equaes Paramtricas da Reta: Considere o sistema de
coordenadas no espao

e a base cannica { }. Seja

ponto genrico do espao e


uma reta cujo vetor diretor

) um

) um ponto dado, onde

(
(

). Da equao vetorial da reta,

temos:
134

( )

O sistema de equaes ( ), com

no so todos nulos (

nos fornece as equaes paramtricas de

em relao ao sistema de

coordenadas fixado.
Exemplo:
As equaes paramtricas da reta
tem a direo do vetor

)e

) so:

que passa pelo ponto

Para obter qualquer ponto de


exemplo, se

, basta atribuir um valor para

. Por

, temos:

( )
( )
( )

Desta forma, temos o ponto


Note que o ponto

e, obviamente, este ponto satisfaz as equaes

vetoriais de . Temos:

135

Por outro lado, o ponto

, pois:

11.1.3 Reta Definida por Dois Pontos: A reta definida pelos


pontos

)e

) a reta que passa pelo ponto

) e tem a direo do vetor

). Sendo

ponto genrico, a equao vetorial da reta definida pelos pontos

(ou
um

Exemplo:
Vamos construir a equao vetorial da reta
) e

). Para construir tal equao, devemos

determinar o vetor diretor de

Tomando

que passa pelos pontos

a partir dos pontos

e , isto :

, tem-se:

E as equaes paramtricas so as equaes do sistema:

136

Se tivssemos tomado

Que representam a mesma reta .


11.1.4 Equaes Simtricas da Reta: Considere
equaes paramtricas so {

a reta cujas

. Supondo que

, ou seja,

nenhuma das coordenadas de nula, temos:

( )

( )

Comparando (I), (II) e (III), temos:

Estas equaes so denominadas equaes simtricas da reta


passa por

) e tem direo de

que

).

Exemplo:

137

As equaes simtricas da reta que passa pelo ponto


como vetor diretor o vetor

) e tem

so:

Observao: Para construir as equaes simtricas de uma reta definida


por dois pontos, basta construir o vetor diretor a partir dos pontos e
proceder de forma anloga definio.
11.1.5 Equaes Reduzidas da Reta: Considerando as equaes
simtricas de uma reta

, podemos isolar as variveis

em funo de . Observe:
Da igualdade entre a primeira e a segunda expresso:

( )

Fazendo

e, substituindo em (I):

( )

Da igualdade entre a primeira e a terceira expresso:

( )

Fazendo

e, substituindo em (II):

138

( )

O sistema formado pelas equaes (*) e (**) nos fornece as


equaes reduzidas da reta passando por
diretor

) com vetor

).

Exemplo:
Vamos construir as equaes reduzidas da reta
(

) e tem a direo do vetor

simtricas de

que passa por


). Das equaes

vem:

Da igualdade entre a primeira e a segunda expresso:

( )

Da igualdade entre a primeira e a terceira expresso:

( )

De (*) e (**), temos:

139

Que nos fornece as equaes reduzidas de

Observao: A varivel nas equaes reduzidas faz o papel de varivel


independente na equao da reta. Da mesma forma que deixamos as
variveis e em funo de , poderamos deixar qualquer outra das
variveis como sendo a varivel livre.

11.2 RETAS PARALELAS AOS PLANOS OU AOS EIXOS COORDENADOS


At o momento, quando tnhamos as equaes paramtricas
de uma reta

), onde

passando por

) com a direo de

, poderamos escrever as equaes simtricas de

como

Eventualmente, pode ocorrer que uma ou duas coordenadas de


sejam nulas e, neste momento, vamos analisar estes possveis casos.
11.2.1 Uma componente do vetor diretor nula: Consideramos
reta que passa por

) e tem a direo de

em que uma das coordenadas de


i. Se

, ento

paralelo ao plano

). No caso

) nula, teremos o seguinte:

) um vetor ortogonal ao eixo

. Consequentemente, qualquer reta

mesma direo de ser ortogonal ao eixo

que tenha

e paralela ao plano

. As

equaes paramtricas e simtricas sero respectivamente:

Note que, as coordenadas de qualquer ponto


variam somente em

, sendo que a coordenada

se mantm fixa

. Observe a figura:

140

ii. Se

, ento

paralelo ao plano

) um vetor ortogonal ao eixo

. Consequentemente, qualquer reta

mesma direo de ser ortogonal ao eixo

que tenha

e paralela ao plano

. As

equaes paramtricas e simtricas sero respectivamente:

Note que, as coordenadas de qualquer ponto


variam somente em

e , sendo que a coordenada em

se mantm fixa

. Observe a figura:

141

iii. Se

, ento

paralelo ao plano

) um vetor ortogonal ao eixo

. Consequentemente, qualquer reta

mesma direo de ser ortogonal ao eixo

que tenha

e paralela ao plano

. As

equaes paramtricas e simtricas sero respectivamente:

Note que, as coordenadas de qualquer ponto


variam somente em

e , sendo que a coordenada em

se mantm fixa

. Observe a figura:

142

11.2.2 Duas componentes do vetor diretor nulas: Consideramos


a reta que passa por

) e tem a direo de

caso em que duas das coordenadas de

). No

) so nulas, o vetor

ter a direo de um dos vetores da base cannica { }. Assim:


i. Se
seja,

, ento

) um vetor paralelo ao eixo

. Consequentemente, qualquer reta

, ou

que tenha a direo de

ser paralela ao eixo . As equaes paramtricas sero:

Note que, as coordenadas de qualquer ponto


variam somente em
fixas

ii. Se
seja,

, sendo que as coordenada em

(
e

se mantm

. Observe a figura:

, ento

) um vetor paralelo ao eixo

. Consequentemente, qualquer reta

, ou

que tenha a direo de

ser paralela ao eixo . As equaes paramtricas sero:

143

Note que, as coordenadas de qualquer ponto


variam somente em
fixas

se mantm

. Observe a figura:

iii. Se
seja,

, sendo que as coordenada em

, ento

) um vetor paralelo ao eixo

. Consequentemente, qualquer reta

, ou

que tenha a direo de

ser paralela ao eixo . As equaes paramtricas sero:

Note que, as coordenadas de qualquer ponto


variam somente em
fixas

, sendo que as coordenada em

(
e

se mantm

. Observe a figura:

144

Observao: Os eixos ,

so retas particulares. Observemos:

a) O eixo a reta que passa pelo ponto


). Portanto:
diretor o vetor (

) e tem como vetor

) e tem como vetor

) e tem como vetor

{
b) O eixo a reta que passa pelo ponto
). Portanto:
diretor o vetor (
{
c) O eixo a reta que passa pelo ponto
). Portanto:
diretor o vetor (
{

Exemplos:
01. Vamos determinar a equao da reta
) e tem a direo do vetor

Note que o vetor

) tem a segunda componente nula, isto , este

vetor ortogonal ao eixo


por

que passa pelo ponto

e paralelo ao plano

, logo a reta que passa

e tem direo de tem as mesmas particularidades de em

relao ao eixo

e ao plano

A equao vetorial de

, considerando

). Portanto, podemos escrever sua equao

na forma:

145

02. Determinaremos a equao da reta


)e

que passa pelos pontos

).

Primeiramente, sabemos que o vetor diretor de tal reta ser

ento:

O vetor

, a equao de

reta

que passa pelo ponto

) tem a segunda e a terceira coordenada nula, logo a

que tem a mesma direo de ser paralela ao eixo

sendo

que

, portanto:

) e tem como vetor diretor

Note que

e paralela ao plano

03. Estabeleceremos a equao da reta


(

) tem a terceira componente nula, isto , a reta

tem a direo de ser ortogonal ao eixo


Sendo

. Portanto,

11.3 NGULO ENTRE RETAS


Considere

a reta que passa por

) e tem a direo de

a reta que passa por

) e tem a direo de

)e

). O ngulo entre

o menor ngulo entre os vetores

os vetores diretores e . Observe a figura:

146

Logo, sendo

a medida angular entre

, temos:

| |
||||||||

Observao: Note que

sempre estar no intervalo [

], pois se

ento tomaramos o ngulo entre as retas como sendo o suplemento do


ngulo de medida .
Exemplo:

Calculemos os ngulos entre as retas


Note que,

a reta que passa pelo ponto

do vetor
direo de

) e a reta

) e tem a direo

passa pelo ponto

) e tem

). Portanto:

| |
||||||||
|

|
)

|(

) (

)|

||(

)||||(

)||

147

Como

],

Portanto, o ngulo entre

o ngulo de medida

11.3.1 Condio de Paralelismo: Considere as retas


e

. As retas

equivalentemente, se

sero paralelas se {

} LD, ou

De outra forma: se
sero paralelas se existe

) e

tal que

), as retas

. Portanto,

se:

E temos:

Exemplo:
Sejam

a reta que passa por

passa por

)e

)e

). As retas

)e

(
e

a reta que

so paralelas,

pois seus vetores diretores so respectivamente:

148

Logo:

11.3.2 Condio de Ortogonalidade: Sejam


vetores diretores so, respectivamente,
As retas

sero ortogonais se

retas cujos

) e

).

, isto , se:


Ou ainda, se:

Denotamos a ortogonalidade entre

por

Exemplo:

Considere as retas
e

so, respectivamente,

) (

. Os vetores diretores de
) e

11.3.3 Condio de Coplanaridade: Sejam


(

) com vetor diretor

) com vetor diretor

). Da, temos:

)e

(
(

a reta que passa por


a reta que passa por

). As retas

coplanares se { } LD. Em outras palavras


coplanares se os vetores , e

e
e

sero
sero

estiverem contidos em

um mesmo plano.
149

Lembrando que, { } LD

( )

( )

, portanto:

Observe:

Exemplo:

As retas
que

Assim

)
(

so coplanares. De fato, note

)e

), ento

(
(

)
),

).

)e

). Desta forma:

( )

( )

11.4 POSIES RELATIVAS ENTRE RETAS


Considerando

retas do espao, estas podem ser:


150

01. Coplanares, isto ,


caso,

{ }, isto ,

o ponto de interseo entre

b) Paralelas:
e

situadas em um mesmo plano. Neste

podero ser:

a) Concorrentes:
e

, isto , no existe ponto de interseo entre

Se

so coincidentes, elas ainda sero paralelas.

02. Reversas, isto , no existe nenhum plano que contenha


Neste caso, sempre temos

151

11.4.1 Verificao Algbrica: Considere as retas

. Temos que:
i. ( )
, ento

. Se existir

tal que

sero paralelas ou, caso contrrio,

sero

concorrentes.
ii. ( )

Exemplos:
01. Vamos estudar a posio relativa entre as retas:
a)

Note que

diretor

pode ser expressa por


) e um ponto de

) e passa pelo ponto

Observe que

, logo

Resta verificar se

), enquanto
(

tem como vetor

).

so paralelas.

so coincidentes ou no. Para isto, basta

verificar se um ponto de
um ponto de

, logo seu vetor diretor

tambm ponto de

. Como

, vamos substituir suas coordenadas em

Obviamente, no sistema acima, obtemos mais de um valor para

e isto

implica que

. Portanto,

b)

so paralelas tais que

Temos

) e

portanto,

so paralelas.

). fcil notar que

e,

152

Sabemos

tambm

substituirmos

que

em

obtemos

. Da, conclui-se que

Note

).

que

pois

ao

nas trs equaes paramtricas de

pois, se estas so paralelas e possuem pelo

menos um ponto em comum, ento todos os outros pontos de qualquer


uma das retas tambm esta na outra.

c)

Observe que

{
) e

tal que

) e assim

. Desta forma

implica que

no so paralelas.

Agora, devemos verificar se as retas so coplanares ou reversas. Para


isto seja

( )

). Ento:

( )

Se

so coplanares e no so paralelas, temos que

concorrentes, isto ,

d)

). Ainda

Podemos fazer em
temos

so retas

{ }.

fcil notar que

, logo
)

).

no so paralelas, pois

) e

).

Resta verificar se as retas so coplanares ou reversas. Fazendo


(

). Ento:

153

( )

Se

( )

no so coplanares, ento estas so retas reversas.

11.5 INTERSEO ENTRE DUAS RETAS


Se considerarmos duas retas coplanares concorrentes, sabemos
que existe um ponto de interseo entre elas. Veremos atravs de um
exemplo como determinar o ponto de interseo entre duas retas.
Exemplo:

Considere
(

) tal que

do ponto

, isto , devemos determinar as coordenadas

que satisfaz as equaes de

encontrar tais valores de


equaes de

, queremos determinar o ponto

simultaneamente. Para

basta resolver o sistema formados pelas

. Ento:

( )
( )
( )
( )
( )

Da equao (III), podemos tomar

e substituir em (IV) e (V) e,

teremos:

( )
( )
( )
( )

( )

154

Comparando (1) com (3) e (2) com (2):

Obtemos um mesmo valor para . Substituindo

no sistema (*):

( )
( )
{
Portanto,

( )
( )
. Assim o ponto de interseo entre

).

155

CAPTULO 12: PLANO

12.1 INTRODUO
12.1.1 Equao Geral do Plano: Considere
pertencente a um plano

normal (ortogonal) ao plano

outras palavras,

) um ponto
, um vetor

definido como sendo o

) do espao tais que

. Em

se, e somente:

Como

, onde

. O plano

conjunto de todos os pontos

) e

), de (I) temos:

( )

) (

( )

156

Fazendo

e substituindo em (*):

( )

A equao (II) chamada de equao geral do plano .


Observaes:
01. Note que as coordenadas do vetor
equao geral do plano (equao II).
02. Se um vetor normal a
tambm normal a .

) ficam evidentes na

, ento qualquer vetor

03. Se { } LI e e so paralelos a
como sendo o vetor normal a .

, com

, podemos tomar o vetor

Exemplos:
01. Se o plano
normal a

tem equao

seja paralelo a

, perceba que um vetor

) e, alm disso, para qualquer plano

que

tambm podemos tomar como sendo um de seus

vetores normais. Assim, qualquer plano que seja paralelo a


equao geral do tipo

, onde

possui

o elemento que

determina a diferena entre os planos paralelos.


Em geral, se
plano

tem equao geral

paralelo a

tem equao geral

, ento qualquer
.

157

02. Vamos determinar a equao geral do plano


) e tem como vetor normal

(
Se

) normal ao plano

. Como

que contm o ponto


.

, ento a equao de

da forma

, suas coordenadas devem

satisfazer a equao de , isto :

( )

( )

Portanto, a equao geral de

Ainda poderamos determinar a equao do plano usando a equao


(

temos

. Como

) e

. Ento

03. Estabelecer a equao geral do plano mediador do segmento


onde

)e

O plano mediador de

),

).
o plano perpendicular ao segmento

contm seu ponto mdio. Note que

que

) pode ser tomado

como vetor normal ao plano mediador e o ponto mdio4 de

) que est contido no plano. Ento, a equao geral do plano

(
dada por:

( )
Como

) est contido no plano, substituindo sua coordenadas

em (*):

Se

(
(

) e

), ento o ponto mdio do segmento

dado por

).

158

( )

( )

Portanto, a equao geral do plano mediador do segmento


. Ainda podemos dividir a equao por

Observe que

e obter:

e este vetor ainda pode ser tomado como vetor

normal ao plano.

12.2 DETERMINAO DE UM PLANO


Embora a equao geral de um plano seja construda a partir de
um ponto e um vetor ortogonal ao plano, existem outras maneiras de
determinar um plano, que o que veremos em seguida.
12.2.1 Determinao 01: Consideramos o plano que passa por um
ponto

e paralelo a dois vetores e no colineares. Neste caso,

tomamos o vetor normal ao plano como sendo

12.2.2 Determinao 02: Consideramos o plano que passa por


dois pontos

e paralelo ao vetor no colinear a . Neste caso

tomamos o vetor normal ao plano como sendo

159

12.2.3 Determinao 03: Consideramos o plano que passa por


trs pontos ,

no colineares. Neste caso, tomamos o vetor normal

ao plano como sendo

12.2.4 Determinao 04: Consideramos o plano que passa pelas


retas concorrentes

o vetor normal ao plano como sendo

. Neste caso, tomamos

12.2.5 Determinao 05: Consideramos o plano que passa pelas


retas paralelas

vetor normal ao plano como sendo


tambm

. Neste caso, tomamos o

ou pode-se tomar

.
160

12.2.6 Determinao 06: Consideramos o plano que passa pela


reta

e contm o ponto

normal ao plano como sendo

. Neste caso, tomamos o vetor


.

Observao: Nos seis casos, o vetor normal foi determinado fazendo o


produto vetorial de vetores que possuam representantes contidos no
plano. Os vetores com representantes contidos no plano que fornecem
o vetor normal so chamados de vetores base do plano.
Exemplos:
01. Determinar a equao geral do plano
) e paralelo aos vetores

que passa pelo ponto


) e

).

Os vetores base do plano so e e, portanto, podemos tomar como


vetor normal ao plano

. Faamos:

)
161

Portanto, a equao geral do plano cujo vetor normal

) na

Para determinar

, basta atribuir as coordenadas de

equao do plano, uma vez que sabemos que

( )

. Ento:

( )

Temos

e, multiplicando a equao por

02. Estabelecer a equao cartesiana do plano


(

),

)e

que contm os pontos

).

Neste caso, foi visto que podemos tomar


) e

. Temos

) e, portanto:

determinar o valor da constante

e nos resta
,

na equao, pois

sabemos que estes esto contidos no plano. Substitumos

. Para isto, basta substituir as

coordenadas de qualquer um dos pontos

Temos que a equao geral do plano

( )

):

( )

162

Logo

a equao cartesiana do plano que passa

pelos pontos ,

e . Ainda podemos escrever

03. A equao geral do plano


(

que contm a reta

e o ponto

).

Note que podemos reescrever a reta


passa pelo ponto

) e tem a direo de

) que

) e, de acordo

com a determinao 02, o vetor normal ao pano

Calculando :

Desta forma, a equao geral de


substituindo as coordenadas de
( )

. Determinando
)

na equao:

( )

Logo

a equao geral do plano.

04. Calcular a equao cartesiana do plano


e

{
A reta

) e a reta

) e tem como vetor diretor

passa pelo ponto

). Como

que contm as retas

passa pelo ponto

diretor

) e tem como vetor

, temos que

e, neste caso,

podemos tomar o vetor normal ao plano como sendo


tambm

). Calculando :

(ou

|
163

Ento a equao geral do plano


valor de

e para calcular o

substitumos as coordenadas de um dos pontos, faamos


), na equao. Portanto:

( )

( )

Logo,

a equao geral do plano que contm

12.3 PLANOS PARALELOS AOS EIXOS E AOS PLANOS COORDENADOS


Considere o plano

, com vetor normal

). Vamos analisar os casos em que o vetor normal possui uma

ou duas componentes nulas, ou quando a constante


12.3.1 Plano que passa pela origem: Se
ento o ponto

) pertence a

nula.
passa pela origem,

, logo suas coordenadas

satisfazem a equao de . Ento:

Se

temos

ou

seja,

esta

equao

representa qualquer plano que passa pela origem. Em outras palavras,


qualquer plano que passe pela origem tem o termo constante

nulo.

12.3.2 Uma componente do vetor normal nula: Se apenas uma


das coordenadas do vetor normal

) nula, o vetor ortogonal

a um dos eixos coordenados e, portanto, o plano

paralelo ao mesmo

eixo.
164

i. Se

, ento

plano

) um vetor ortogonal ao eixo

, logo o

que possui como vetor normal paralelo ao eixo

. Isto :

Exemplo:
Se

, temos:

Perceba que as intersees com os eixos


pontos (

) e (

plano

so, respectivamente, os

), e que nenhum ponto (

plano, pois no satisfaz a equao


ii. Se

, ento

pertence ao

) um vetor ortogonal ao eixo Y, logo o

que possui como vetor normal paralelo ao eixo

. Isto :

Exemplo:

165

Se

, temos:

Perceba que as intersees com os eixos


pontos (

) e (

o plano

so, respectivamente, os

), e que nenhum ponto (

plano, pois no satisfaz a equao


iii. Se

, ento

pertence ao

.
) um vetor ortogonal ao eixo Z, logo

que possui como vetor normal paralelo ao

eixo Z. Isto :

Exemplo:
Se

, temos:

166

Perceba que as intersees com os eixos


pontos (

) e (

so, respectivamente, os

), e que nenhum ponto (

plano, pois no satisfaz a equao

pertence ao

Observao: Perceba que o plano ser paralelo ao eixo correspondente


coordenada nula do vetor normal.
12.3.3 Duas componentes do vetor normal nulas: Se duas das
coordenadas do vetor normal

) so nulas, o vetor paralelo a

um dos eixos coordenados e, portanto, o plano

paralelo ao plano

determinado pelos outros dois eixos.


i. Se
o plano

, ento

) um vetor paralelo ao eixo , logo

que possui como vetor normal paralelo ao plano

. Isto :

Como

, temos

equao da forma

. Portanto, qualquer plano cuja


paralelo ao plano

Exemplo:
Se

, temos:

167

O plano

intercepta o eixo

no ponto (

) e, alm disso, perceba

que qualquer ponto da forma (

) satisfaz a equao deste plano.

Um vetor normal a esse plano

ii. Se

, ento

logo o plano
plano

).
) um vetor paralelo ao eixo

que possui como vetor normal paralelo ao

. Isto :

Como

, temos

equao da forma

. Portanto, qualquer plano cuja


paralelo ao plano

Exemplo:
Se

, temos:

168

O plano

intercepta o eixo

no ponto (

) e, alm disso, perceba

que qualquer ponto da forma (

) satisfaz a equao deste plano.

Um vetor normal a esse plano

iii. Se

, ento

logo o plano
plano

).
) um vetor paralelo ao eixo

que possui como vetor normal paralelo ao

. Isto :

Como

, temos

equao da forma

. Portanto, qualquer plano cuja


paralelo ao plano

Exemplo:
Se

O plano

, temos:

intercepta o eixo

no ponto (

) e, alm disso, perceba

que qualquer ponto da forma (

) satisfaz a equao deste plano.

Um vetor normal a esse plano

).

Observao: Perceba que o plano sempre ser paralelo ao plano que


corresponde s coordenadas nulas do vetor normal.

169

12.4 EQUAES PARAMTRICAS DO PLANO


Considere um ponto

) e

ponto

e os vetores

) no paralelos entre si e paralelos a . Um

) pertence a

) em um plano

LD. Em outras palavras,

se, e somente se, o conjunto { }


se, e somente se, existem

tais

que:

( )

Podemos reescrever a equao (I) em termos de coordenadas:


(

170

( )

O sistema (II) nos fornece as equaes paramtricas do plano.


Note que, medida que variamos os parmetros
ponto

de

,o

descreve o plano.
Exemplo:

Determinar as equaes paramtricas do plano que passa pelo ponto


) e paralelo aos vetores

(
Seja

) e

).

, temos:

Para determinarmos pontos quaisquer do plano, basta atribuir valores


para os parmetros

. Por exemplo, se tomarmos

) um ponto do plano que passa por

temos:
( )

( )

( )
Portanto,

( )

( )

( )

paralelo aos vetores e .

12.5 NGULO ENTRE DOIS PLANOS


171

Considere os planos

. Os vetores normais a
) e

so, respectivamente,

).

O ngulo entre

tem a mesma medida que o menor ngulo

formado entre seus vetores normais e . Sendo

] tal ngulo,

temos:

| |
||||||||

12.5.1 Condies de paralelismo entre planos: Sejam


e
normais so

planos cujos vetores


) e

). Os planos

sero

paralelos se seus vetores normais e forem paralelos.


Em outras palavras,
ainda,

se
Se tivermos ainda

se existe

tal que

. Ou

.
, ento

172

12.5.2 Condio de ortogonalidade entre planos: Sejam


e
normais so

planos cujos vetores


) e

). Os planos

ortogonais se seus vetores normais e forem ortogonais (


sero

).
Em outras palavras,

se

Exemplos:
01. Determine o ngulo entre os planos

.
Os vetores normais de

so, respectivamente

) e

). Para a medida angular entre os planos, basta calcular a

medida angular entre seus vetores normais. Ento:

173

| |
||||||||

|(

) (

)|

||(

)||||(

)||

02. Calcule o valor de

para que os planos

sejam paralelos.

Para que os planos sejam paralelos, basta que seus vetores normais
sejam paralelos. Note que,

) e

que para que e sejam paralelos deve ocorrer

Portanto, para que

) e, observe
. Logo:

sejam paralelos deve ocorrer

12.6 NGULO ENTRE RETA E PLANO


Sejam
diretor de

, onde o vetor

e o vetor normal a .

174

O ngulo de medida
ngulo de medida
portanto

entre

igual ao complemento do

entre o vetor diretor de


| |

e ento

e o vetor normal a

, logo:

|| |||| ||

| |

|| |||| ||

12.6.1 Condio de paralelismo entre reta e plano: Sejam


uma reta com vetor diretor e
vetor normal
diretor de

). A reta

paralela ao plano

for ortogonal ao vetor normal a

Em outras palavras,

cujo

se

se o vetor
).

12.6.2 Condio de ortogonalidade entre reta e plano: Sejam


uma reta com vetor diretor
cujo vetor normal
vetor diretor de

). A reta

ortogonal ao plano

se o

paralelo ao vetor normal a .

Em outras palavras,
se

)e

se existe

tal que

. Ou ainda,

175

12.6.3 Reta contida em um plano: Sejam


passando por

cujo vetor diretor e

cujo vetor normal


i.
ii.

a reta
o plano

). Teremos

se:

;
.

Em outras palavras,

estar contida em

ortogonal ao vetor normal a

e se

se seu vetor diretor for

tambm pertencer a .

Exemplos:

01. Determinar o ngulo entre


Observe que o vetor diretor de

), portanto o ngulo

entre

(
e

.
) e o vetor normal a

tal que:

176

| |

|(

) (

)|

|| |||| ||

||(

)||||(

)||

) e

so ortogonais.

e temos que

03. Determine os valores de

( )

sejam ortogonais, o vetor diretor de

, isto ,

devem ser paralelos. Temos


que

02. Verifique se
Para que

e o vetor normal a
) e, perceba

so ortogonais.

para que

, onde

.
Note que, um ponto de
) e o vetor normal de

), o vetor diretor de

). Para que

, devemos ter

Ento

)e

) (

. Devemos ter tambm

e, para isto, as coordenadas de

devem verificar a

equao de , portanto:
(

Logo

)( )

( )

177

12.7 INTERSEO ENTRE DOIS PLANOS


A interseo entre dois planos pode ser uma reta ou, no caso em
que os planos so paralelos e no coincidentes, a interseo vazia.
Veremos atravs de um exemplo como determinar a interseo
entre planos.
12.7.1 Interseo vazia: Se tivermos
, onde

, ento

e, consequentemente,

.
12.7.2 Interseo no vazia: Considere

. Note que os vetores normais a estes planos no


so paralelos, portanto

, onde

uma reta. Juntando as

equaes:

Em termos de , a soluo deste sistema :

( )

Perceba que o sistema (*) nos fornece as equaes reduzidas da


reta

.
Determinando a equao vetorial de

178

Temos que
da reta

de

ou ainda podemos escrever a equao


(

). Perceba que o vetor diretor

).

Obviamente, qualquer ponto de


, uma vez que

tambm ser um ponto de

12.8 INTERSEO ENTRE RETA E PLANO


A interseo entre uma reta
reta, no caso em que
caso em que

e um plano

pode ser: a prpria

; vazia, no caso em que

; um ponto, no

no paralela a .

Vejamos atravs de um exemplo como determinar a interseo de


uma reta com um plano.
12.8.1 A interseo a prpria reta: Se tivermos
, onde

), tais que

e
e

, ento

.
12.8.2 A interseo vazia: Se tivermos
, onde

), tais que

e
, ento

179

12.8.3 A interseo um ponto: Consideramos


. O ponto de interseo entre

{
e

o ponto

) tal que, suas coordenadas determinam a soluo do sistema:

( )

Substituindo as duas primeiras equaes de (*) na terceira:


(

Temos tambm

Portanto, o ponto de interseo entre


,

{(

), isto

)}.

12.9 INTERSEO DE PLANO COM OS EIXOS E OS PLANOS


COORDENADOS
12.9.1 Interseo entre plano e os eixos coordenados: Considere
, com
i.
o eixo

, ento
o ponto (

ii.
e o eixo
iii.
e o eixo

. Se tomarmos:
, isto , a interseo entre

);

, ento
o ponto (

, isto , a interseo entre


);

, ento
o ponto (

, isto , a interseo entre


).

180

12.9.2 Interseo entre plano e os eixos coordenados: Considere


, com
i.
a reta

, ento

a reta

, ento
{

iii.
a reta

e a interseo entre

e o plano

e a interseo entre

e o plano

e a interseo entre

e o plano

{
ii.

. Se tomarmos:

;
, ento
.

181

CAPTULO 13: CNICAS

13.1 INTRODUO
At o momento, estvamos estudando a geometria analtica no
espao e havamos determinado as equaes de uma reta e de um plano
no espao. A partir de agora, o espao considerado ser o plano e,
tomamos como sistema de referncia o sistema de coordenadas

13.2 TRANSLAO DE EIXOS


Considere o sistema de coordenadas
(

). A partir do ponto

e um ponto arbitrrio

, podemos introduzir um novo sistema

de coordenadas com eixos

paralelos aos eixos

respectivamente, cuja unidade de medida a mesma do sistema

Nestas condies, um sistema pode ser obtido do outro fazendo a


translao de eixos.
Tomando um ponto

no plano, temos o que suas coordenadas

so:
e
e

em relao ao sistema usual com eixos


em relao ao novo sistema com eixos

Desta forma, teramos

e ;
e

) no sistema usual e

) no

novo sistema. Observe:

182

Temos que

so as

formulas usadas para a translao de eixos.

13.3 A PARBOLA
Considere

uma reta e

um ponto, ambos no mesmo plano.

Definimos a parbola como sendo o lugar geomtrico dos pontos (do


mesmo plano de

e ) que equidistam da reta

e do ponto .

Note que, na figura, todos os pontos que esto sobre a curva so


equidistantes de

e . Todos os pontos com esta propriedade formam a

parbola.
183

Observe na figura abaixo que, para calcular a distncia entre o


ponto

da parbola e a reta

, basta traar a perpendicular a

passando por , o ponto

o p desta perpendicular e, a distncia

entre

a distncia entre

Figura 1

De acordo com a definio, o ponto

pertence parbola se, e

somente se:

Observao: Perceba que


, pois se tivssemos
parbola se degeneraria em uma reta.

, a

13.3.1 Elementos da parbola: Considerando a figura 1, temos:


a) Foco: o ponto ;
b) Diretriz: a reta ;
c) Eixo: a reta que passa pelo foco ( ) e perpendicular diretriz
( );
d) Vrtice: o ponto

que dado pela interseo entre a parbola

e o eixo.
Observe ainda que,

um ponto da parbola e, como

interseo do eixo da parbola com a diretriz (pensamos em


sendo o p da perpendicular sobre a diretriz e que passa por
(

a
como

), temos

).
184

Em seguida, vamos analisar os casos mais simples da parbola e


construir suas equaes cartesianas.
13.3.2 Equao da Parbola com Vrtice na Origem do Sistema:
Consideramos os seguintes casos:
Caso 01: O eixo da parbola coincide com o eixo .

Obviamente o vrtice
), tem-se

Sendo

) e, se considerarmos o foco

) e a equao da diretriz

) um ponto arbitrrio da parbola, temos que o p

da perpendicular diretriz passando por

). Por definio:

)]

Elevando ambos os membros ao quadrado:

185

Esta a equao reduzida da parbola com vrtice na origem cujo


eixo coincide com o eixo .
Observe que, como

temos

, logo

devem possuir

sempre mesmo sinal.


Se

, ento

e isto implica que todos os pontos da

parbola esto acima da diretriz. Neste caso, dizemos que a parbola


tem concavidade para cima (ou concavidade positiva em relao a Y).

Se

, ento

e isto implica que todos os pontos da

parbola esto abaixo da diretriz. Neste caso, dizemos que a parbola


tem concavidade para baixo (ou concavidade negativa em relao a Y).

O nmero real

chamado de parmetro da parbola.

Caso 02: O eixo da parbola coincide com o eixo .

186

Obviamente o vrtice
), tem-se

Sendo

) e, se considerarmos o foco

) e a equao da diretriz

) um ponto arbitrrio da parbola, temos que o p

da perpendicular diretriz passando por

). Por definio:

)]

Elevando ambos os membros ao quadrado:

Esta a equao reduzida da parbola com vrtice na origem cujo


eixo coincide com o eixo .

187

Observe que, como

temos

, logo

devem possuir

sempre mesmo sinal.


Se

, ento

e isto implica que todos os pontos da

parbola esto direita da diretriz. Neste caso, dizemos que a parbola


tem concavidade para a direita (ou concavidade positiva em relao a X).

Se

, ento

e isto implica que todos os pontos da

parbola esto esquerda da diretriz. Neste caso, dizemos que a


parbola tem concavidade para a esquerda (ou concavidade negativa em
relao a X).

Exemplos:
01. Determine o foco e construa o grfico da parbola:
a)

188

Observe que esta uma parbola cujo eixo coincide com o eixo

e seu

vrtice a origem do sistema cartesiano. Sua equao da forma


e temos:
(

Mas, de
(

vem

. Logo o foco, que da forma

) . Alm disso, a equao da diretriz

), o ponto

O grfico:

b)

Observe que esta uma parbola cujo eixo coincide com o eixo

e seu

vrtice a origem do sistema cartesiano. Sua equao da forma


e temos:
(

De

, vem
(

. Logo o foco, que da forma

). Alm disso, a equao da diretriz

), o ponto

O grfico:

189

02. Determinar a equao de cada uma das parbolas:


a) Vrtice

) e foco

Perceba que o foco

);

) um ponto do eixo

parbola eixo coincidente com o eixo

, logo se trata de uma

e sua equao da forma

.
Como

), temos

, logo a equao da

parbola com vrtice na origem e foco

ou

A concavidade desta parbola voltada para a direita.


b) Vrtice em

) e diretriz

Como a diretriz

, esta parbola tem eixo coincidente com o eixo

e sua equao da forma


(

;
. Desta forma, o foco ser o ponto

) e temos

Portanto, a equao da parbola com vrtice na origem e diretriz


ou

. A concavidade desta parbola voltada para

baixo.
c) Vrtice em

), passa pelo ponto

) e concavidade

voltada para cima;


Como a concavidade voltada para cima, o eixo da parbola coincide
com o eixo , logo sua equao da forma
Como

) um ponto da parbola, suas coordenadas satisfazem

a equao da parbola. Portanto:


190

( )

E a equao desta parbola

ou

13.3.3 Equao da Parbola com Vrtice fora da Origem do


Sistema: Consideramos os seguintes casos:
Caso 01: Parbola com vrtice no ponto

) e eixo paralelo

ao eixo .

Seja

) um ponto arbitrrio da parbola.

Consideramos um novo sistema, de acordo com a figura, com


origem
(

em

e eixos

. Com relao a este novo sistema, temos

) e a equao da parbola :

( )
Mas, sabe-se que

. Portanto:

191

Esta a equao da parbola com eixo paralelo ao eixo


em

e vrtice

).

Caso 02: Parbola com vrtice no ponto

) e eixo paralelo

ao eixo .

De forma anloga ao caso anterior, obtemos a equao:

Esta a equao da parbola com eixo paralelo ao eixo


em

e vrtice

).

Exemplos:
01. Determinar a equao da parbola com vrtice em
sabendo que a equao de sua diretriz
Note que, a equao da diretriz
paralelo ao eixo
(

e, como

),

nos diz que a parbola tem eixo


), sua equao da forma (

). Alm disso, a concavidade da parbola voltada para baixo.

Observe:

192

Note que,

. Portanto, a equao desta parbola :

02. Determinar a equao da parbola com foco em

), sendo

a equao de sua diretriz.


Como a equao da diretriz

, o eixo da parbola ser paralelo ao

eixo . Graficamente, temos:

Perceba que para determinar o vrtice, basta determinar o ponto mdio


entre o segmento

. Como

) e

), temos

) e, sua
193

equao da forma (

). Como a concavidade tem

abertura no sentido contrrio da diretriz, a concavidade ser para a


esquerda, logo

. Temos

. Portanto:

E esta a equao da parbola com diretriz de equao


(

e foco

).
13.3.4 Equao da Parbola na Forma Explicita: Sabe-se que a

equao da uma parbola com vrtice em


(

)
e(

) pode ser da forma

) no caso em que o eixo da parbola paralelo ao eixo

(
)

) no caso em que o eixo da parbola paralelo ao

eixo .
Podemos desenvolver estas equaes:
(

( )

Fazendo

, (I) fica:

Esta a equao explicita da parbola com eixo paralelo ao eixo .


Analogamente, obtemos:

Esta a equao explicita da parbola com eixo paralelo ao eixo .


194

A partir de uma equao na forma explicita como proceder para


determinar o vrtice da parbola? Como determinar a equao da
diretriz? Como determinar o foco? A seguir, vejamos como responder
estas perguntas atravs de um exemplo.
Exemplo:
Considere a parbola com equao

. De alguma

maneira, devemos deixar esta equao na forma (

).

fazer

para

Vejamos:
( )
Perceba

que

).

transformar a expresso

que

em um quadrado perfeito? Vejamos:

(
Logo

[(

devemos

[(

]. Substituindo em (*):

Chegamos na forma desejada e a equao nos diz que a parbola tem


vrtice em
Como

, a concavidade da parbola esta voltada para cima, logo seu

foco o ponto
A

)e

equao

(
da

)
diretriz

195

13.3.5 Determinao de Foco e Diretriz (caso geral): Considere a


tabela abaixo como um esquema para lembrar. Abaixo da tabela segue
a explicao lgica.
Equao

Vrtice

Foco

Eq. da Diretriz

Quando a parbola possui eixo paralelo ao eixo

(1 linha da

tabela), o vrtice e o foco tero mesmas coordenadas em


coordenada em

do foco obtida a partir da coordenada em

vrtice somando a constante

no sentido contrrio do foco, que seria o ponto (

do vrtice

), e traar a reta

perpendicular ao eixo da parbola que passa pelo ponto (

), ou

Quando a parbola possui eixo paralelo ao eixo

(2 linha da

tabela), o vrtice e o foco tero mesmas coordenadas em


coordenada em

do foco obtida a partir da coordenada em

vrtice somando a constante

e a
do

que a distncia entre o foco e o vrtice.

Logo para obter a diretriz, basta encontrar o ponto que dista


no sentido contrrio do foco, que seria o ponto (

do vrtice

) e traar a reta

perpendicular ao eixo da parbola que passa pelo ponto (


seja, a reta de equao

do

que a distncia entre o foco e o vrtice.

Logo para obter a diretriz, basta encontrar o ponto que dista

seja, a reta de equao

e a

), ou

196

13.4 A ELIPSE
Considere dois pontos fixos

em um plano. Define-se elipse

como sendo o conjunto dos pontos

do plano, tais que, a distncia de

sempre constante.

somada com a distncia de

Digamos que
nmero

so tais que

tal que

. Considere um

Figura 2

De acordo com a definio, a elipse ser o conjunto de todos os


pontos

tais que:

197

13.4.1 Elementos da Elipse: Considerando a elipse da figura 2,


definimos:
a) Focos: So os pontos

b) Distncia Focal: a distncia entre os focos;


c) Centro: o ponto mdio

do segmento

d) Eixo maior: o segmento

de comprimento

que contm

os focos da elipse;
e)

Eixo

menor:

segmento

de

comprimento

perpendicular ao eixo menor e passando pelo centro ;


f) Vrtices: So os pontos

g) Excentricidade: o nmero

. Note que

Observao: Em toda elipse vale a relao

Tal relao obtida a partir do tringulo

. Observe:

retngulo em .

13.4.2 Equao da Elipse centrada na Origem do Sistema:


Consideremos os seguintes casos:
Caso 01: O eixo maior est sobre o eixo .

198

Seja
e

) um ponto arbitrrio da elipse e os focos

(
). Se

um ponto da elipse, por definio:


(

)]

Elevando ambos os membros ao quadrado:

Novamente, elevamos ambos os membros ao quadrado:


(

(
Mas, temos

( )

e substituindo em (*):

199

Multiplicando a igualdade por

, temos:

Esta a equao reduzida da elipse centrada na origem e eixo


maior sobre o eixo .
Caso 02: O eixo maior esta sobre o eixo .

Observe que

) e

). Com um procedimento

anlogo ao caso anterior, obtemos:

Esta a equao reduzida da elipse centrada na origem e eixo


maior sobre o eixo .
Observao: Como
, temos que
, logo
.
Perceba que, se o termo
aparecer no denominador de
na equao
reduzida, isto quer dizer que o eixo maior est sobre o eixo . Da
mesma forma, se
aparecer no denominador de
na equao
reduzida, isto quer dizer que o eixo maior est sobre o eixo .
200

Exemplos:
01. Perceba que, na figura abaixo, a equao reduzida da elipse
.

02. Enquanto a elipse abaixo tem equao

03. Encontre a equao reduzida da elipse

, determine

seus focos, vrtices e conclua qual o eixo maior.


Para isto, faamos:

201

A equao reduzida nos diz que

, logo a elipse tem seu eixo

maior sobre o eixo . Alm disso, esta elipse est centrada na origem.
Os vrtices so os pontos
(

)e

(
)

Para determinar os focos


. Como

Logo

)e

),

),

).
) e

), usamos a relao

) e graficamente, temos:

04. Uma elipse tem centro na origem do sistema, um dos focos em (

e a medida do eixo maior . Determine sua equao.


Como um dos focos (
(

)e

), o outro foco ser o ponto (

), isto ,

). Alm disso, como os focos esto sobre o eixo

consequentemente o eixo maior tambm est. Assim, a equao da


elipse da forma

Sabe-se que a medida do eixo maior


coordenadas do foco, temos que

, ento

e, das

. Desta forma:

A equao reduzida da elipse :

202

13.4.3 Equao da Elipse de Centro fora da Origem do Sistema:


Consideramos os seguintes casos:
Caso 01: Eixo maior paralelo ao eixo .
Consideramos a elipse centrada em

Sendo

) um ponto arbitrrio da elipse, se fixarmos um

novo sistema de coordenadas com origem em


(

).

) e considerarmos

) em relao a este novo sistema, temos:

( )

( )

Mas, usando a formula de translao de eixos, sabemos que


e

, logo:

Esta a equao reduzida da elipse centrada em

) e eixo

paralelo ao eixo .
Caso 02: Eixo maior paralelo ao eixo .
203

Consideramos a elipse centrada em

Sendo

um

ponto

).

arbitrrio

da

elipse,

analogamente ao caso anterior obtemos:

( )

( )

Esta a equao reduzida da elipse centrada em

) e eixo

maior paralelo ao eixo .


Para determinar vrtices e focos, lembrando que

considere a seguinte tabela:


Equao

Centro

Vrtices
(
(
(
(
(
(
(
(

Focos
)
)
)
)
)
)
)
)

(
(

)
)

(
(

)
)

Exemplos:

204

01. Uma elipse cujo eixo maior paralelo ao eixo dos


ponto (

), excentricidade

, tem centro no

e eixo menor medindo

. Determine

sua equao.
A equao desta elipse ser da forma

, pois seu eixo

paralelo ao eixo . Resta determinar as constantes positivas


Sabe-se que

, logo

. Tambm, temos que o eixo

menor mede , isto ,

e .

. Usando a relao

Consequentemente

. Ento

e a equao

reduzida da elipse :
(

Ainda podemos desenvolver a equao


multiplicamos a igualdade por
(
[

. Primeiramente,

Dizemos que esta a equao explicita da elipse.


02. Dada a elipse de equao

, vamos

determinar o centro, os focos, os vrtices e a excentricidade da mesma.

205

Para obtermos o centro, devemos fazer manipulaes algbricas em sua


equao explicita. Observe:

[(

[(

A equao nos diz que o centro da elipse

),

. Alm disso, o eixo maior paralelo ao eixo .


Os vrtices so os pontos

),

),

) e

), logo:

Seus focos, so os pontos

)
) e

). Vamos

determinar :

Logo

)e

A excentricidade

).

Graficamente, temos:

206

13.5 A HIPRBOLE
A hiprbole o lugar geomtrico dos pontos de um plano cuja a
diferena das distncias, em mdulo, a dois pontos fixos desse plano
sempre constante.
Se considerarmos

formada pelos pontos


menos a distncia de

Digamos que
nmero

tal que

dois pontos de um plano, a hiprbole

tais que a o mdulo da distncia de


a

sempre constante.

so tais que

. Considere um

207

Figura 3

De acordo com a definio, hiprbole o conjunto dos pontos


tais que:

| (

)|

Observe que a hiprbole uma curva composta por dois ramos. A


equao acima nos diz que um ponto

pertence hiprbole se, e

somente se:
(
Quando
sendo

estiver no ramo da direita, tomamos a diferena como

. Se

estiver no ramo da esquerda, a diferena

. Devido

ao fato de que:
Se
(

est no ramo da direita, temos que


(

Se
(

, ou seja, tomamos a diferena como sendo

est no ramo da esquerda, temos que


(

.
(

, ou seja, tomamos a diferena como sendo

Na figura 3, considere a reta que passa por

, sendo

)
.
e

os pontos de interseo entre esta reta e a hiprbole. Consideramos


208

ainda outra reta passando pelo ponto mdio


perpendicular reta que contm

do segmento

. Percebe-se que a hiprbole

simtrica em relao a estas duas retas. Devido simetria, temos:


(

13.5.1 Elementos da Hiprbole: Considerando a figura abaixo,


temos:

a) Focos: So os pontos

b) Distncia Focal: a distncia

entre os focos;

c) Centro: o ponto mdio

do segmento

d) Vrtices: So os pontos

e) Eixo Real: o segmento

;
de comprimento

f) Eixo Imaginrio: o segmento


g) Excentricidade: o nmero

;
;

de comprimento
. Note que

Observao: O valor de obtido atravs da relao


, e so as medidas do tringulo
retngulo em .

, onde

Na figura acima, note que construmos um retngulo com


dimenses

tomando retas passando por

paralelas ao
209

segmento
segmento

e retas passando por

perpendiculares ao

As retas

que contm as diagonais deste retngulo so

chamadas de assntotas da hiprbole.

A excentricidade o que influencia na abertura de uma hiprbole.


13.5.2 Equao da Hiprbole centrada na Origem do Sistema:
Consideramos os seguintes casos:
Caso 01: Eixo real sobre o eixo .

Seja
focos em

(
(

) um ponto arbitrrio. Considere a hiprbole com


)e

). Temos, por definio que,

pertence a

hiprbole se:
| (

)|
210

|[

|(

)]

) |

( )

Podemos ter os seguintes casos para (*):


a)

Elevando ambos os membros ao quadrado:

Elevando novamente ambos os membros ao quadrado:


(

(
Mas temos,

( )

e substituindo em (I):
211

Multiplicando a igualdade por

b)

, temos:

De forma anloga, tambm obtemos para este caso

Portanto:

Esta a equao reduzida da hiprbole centrada na origem com


eixo real sobre o eixo .
Caso 02: Eixo real sobre o eixo .

212

Observe que

)e

) e sendo

) um ponto da

elipse, obtemos de forma anloga ao caso anterior:

Esta a equao reduzida da hiprbole centrada na origem com


eixo real sobre o eixo .
Observaes:
01. Perceba que, se
aparecer no denominador de , a equao nos
diz que o eixo real da hiprbole paralelo ao eixo . Caso
aparea no
denominador de , a hiprbole ter eixo real paralelo ao eixo .
02. O termo que acompanha

sempre ter sinal positivo.

Exemplos:

01. A hiprbole de equao

est representada na

figura abaixo:

Note que

seus vrtices so
(

, logo
(

) e

) e os focos so

. Desta forma,
(

) e

).
213

Como

, temos os pontos

)e

).

As assntotas da hiprbole so as retas que passam pela origem e pelos


pontos (

)e(

). Vamos construir suas equaes.

A assntota que passa pela origem (

) e pelo ponto (

) ter sua

A assntota que passa pela origem e pelo ponto (

) ter sua

equao dada por:

equao dada por:

13.5.3 Equao da Hiprbole centrada fora da Origem do


Sistema: Consideramos os seguintes casos:
Caso 01: Eixo real paralelo ao eixo .
Considere a hiprbole centrada em

).

De forma anloga aos casos da parbola e da elipse, obtemos:

214

Os vrtices sero os pontos

)e

Os focos sero os pontos

)e

Temos tambm pontos

(
(

)e

);
);

);

Assntota 1: Reta que passa por

)e(

);

Assntota 2: Reta que passa por

)e(

).

Caso 02: Eixo real paralelo ao eixo .


Considere a hiprbole centrada em

).

Obtemos:

Os vrtices sero os pontos


Os focos sero os pontos
Temos tambm pontos

)e

(
(
(

)e
)e

(
(

);
);
);
215

Assntota 1: Reta que passa por

)e(

);

Assntota 2: Reta que passa por

)e(

).

Exemplos:
01. Determinar a equao da hiprbole que tem vrtices em
e

), sabendo que um de seus focos o ponto (

).

Percebemos que esta hiprbole ter eixo real paralelo ao eixo

, pois as

coordenadas de seus vrtices variam em . Observe:

Para determinar o centro da hiprbole, basta encontrar o ponto mdio


do segmento

que

). Podemos ainda determinar

e ,

sabendo que:
(

(
O outro foco ser

Assim, os focos sero

Como vale a relao

)
)e

).

).

Assim, a equao da hiprbole

.
216

Podemos desenvolver a equao:


(

(
[

Esta a equao explicita da hiprbole.


02. Determinar o centro, os focos, os vrtices, a excentricidade e as
equaes das assntotas da hiprbole

Devemos reduzir a equao:

[(

[(

A equao reduzida nos indica que o centro da hiprbole

) e

seu eixo real paralelo ao eixo .


Temos ainda que

e, portanto

217

Seus focos sero

os vrtices sero
(

(
)

) e

) e a excentricidade

Temos ainda os pontos


(

)
) e

),

.
)

)e

).

Assntota 1: a reta que passa pelo centro

) e pelo ponto (

),

logo sua equao dada por:

Assntota 2: a reta que passa pelo centro

) e pelo ponto (

),

logo sua equao dada por:

218

219

CAPTULO 14: ESPAOS VETORIAIS

14.1 INTRODUO
Neste captulo, vamos iniciar a parte de lgebra Linear presente
em nossa ementa.
Iniciamos nosso estudo com uma abordagem abstrata e mais
generalizada de vetores. Embora estejamos acostumados a representar
vetores de uma forma geomtrica, a partir daqui nem sempre ser
possvel associar figuras aos vetores.

14.2 ESPAOS VETORIAIS


14.2.1 Definio: Sejam (

) um corpo e

vazio. Dizemos que o conjunto


(

, munido das operaes soma (

) e multiplicao por escalar (

), um espao vetorial sobre o corpo


e
)

S2)

se, para quaisquer

;
;

S4)

M1) (

)
)

)
;

M2) (

);
.

Ainda podemos nos referir a

como sendo um

Chamamos os elementos do conjunto


elementos de

);

S3)

M4)

, as seguintes propriedades so vlidas:

S1) (

M3) (

um conjunto no

espao vetorial.

de vetores, enquanto os

so chamados de escalares.

220

Observaes:
01. Sempre que falarmos em espao vetorial, devemos deixar bem claro
qual o corpo considerado. Os escalares presentes nos axiomas sempre
sero elementos do corpo.
02. No confunda as operaes de
Em

Em

com as operaes de .

temos as operaes:
soma de escalares de .
multiplicao de escalares de

temos as operaes:
soma de vetores de .
multiplicao de um escalar de

por um vetor de .

Perceba que na multiplicao de escalar por vetor no conjunto


)
operao transforma um par (
em um vetor
.

, a

Observamos na figura abaixo como as operaes funcionam em


um espao vetorial:

Somando-se dois vetores de


conjunto

, o vetor soma ainda pertence ao

. Multiplicando um escalar de

por um vetor de

, obtemos

um vetor que ainda pertence ao conjunto .


Exemplos:

221

01. O conjunto
Se

{(
)

} onde:

, definimos:

(
um

espao vetorial, ou um espao vetorial sobre

02. Em geral,

{(

. Verifique!

} com as operaes (definidas

abaixo) um espao vetorial sobre

Definimos as operaes, para

, por:

03. Denotamos o conjunto das matrizes de ordem 2 com entradas reais


por

( ). O conjunto

( ) com as operaes soma e multiplicao

por escalar um espao vetorial sobre

. Vamos verificar!

Podemos escrever:

( )

Tomando

{[

( ) e

, as

operaes usuais so definidas por:

222

Agora,

devemos

propriedades

concluir

da

que

definio.

estas

operaes

Mostremos

verificam

primeira

as

propriedade

detalhadamente, e as demais sero mais diretas.


S1) Devemos concluir que (

(
[
(

). De fato:

([

])

(
(

)
)

)
)

(
(

(
(

)
)

)
)

( )

Note que, as entradas da matriz acima so nmeros reais e desta forma,


como

um corpo, vale (

. Usando esta

propriedade nas entradas da matriz, temos em (*):

(
(

)
)

(
(

)
)

(
(

)
]
)

([

(
(

. De fato:

])

S2) Devemos concluir que

)
)

]
223

S3) Devemos mostrar que existe


seja

( ) tal que

. De fato,

( ):

Devido igualdade de matrizes, temos:

Logo

da matriz

]. Portanto, constatamos a existncia

( ) tal que

S4) Devemos mostrar que existe


fato, seja

. De

( ):

( ) tal que

Devido igualdade entre matrizes, temos:

224

Logo

matriz

]. Portanto, constatamos a existncia da

( ) tal que

M1) Devemos concluir que (

)
)

(
(

)[

. De fato:

M2) Devemos concluir que (

])

)
]
)

. De fato:

([

(
(

(
(

)
)

(
M3) Devemos concluir que ( )

(
(

)
]
)

). De fato:
225

( )

( )[

( )
( )

( )
]
( )

( [

M4) Devemos concluir que

)
)

])

( )

(
(

(
(

)
]
)

. De fato:

Como as 8 propriedades foram satisfeitas, conclumos que


um

( )

espao vetorial.

04. O conjunto

( ) das matrizes de ordem

reais um espao vetorial sobre

( )

05. O conjunto

com entradas

{[

( ) o conjunto dos polinmios de grau menor ou

igual a 2 com coeficientes reais.

( ) um espao vetorial sobre

(verifique).
( )
Sendo

( )

definimos as operaes em

( )

( )

( ):
226

)( )

( )

( )

)( )

06. O conjunto

( )

( )
} dos

polinmios de grau menor ou igual a

(incluindo o grau zero) um

espao vetorial.
Observao: Para nosso curso, vamos assumir que os espaos vetoriais
so considerados espaos sobre .

14.3 SUBESPAOS VETORIAIS


Muitas vezes, conseguimos identificar, dentro de um espao
vetorial

, subconjuntos

tal que

ainda um espao vetorial.

Chamamos estes conjuntos de subespaos de .


14.3.1 Definio: Sejam
que

. Dizemos que

um subespao vetorial de

i. Para quaisquer
ii. Para quaisquer

um espao vetorial sobre


, tem-se

, tem-se

tal

se:

;
.

A definio acima nos diz que, operando dois elementos de


com a soma de , o elemento resultante ainda ser um elemento de
operando um escalar de

com um elemento de

multiplicao escalar definida em


um elemento de

e,

usando-se a

, o elemento resultante ainda ser

. Em outras palavras, dizemos que

um conjunto

fechado em relao s operaes soma e multiplicao escalar e, estas


operaes esto bem definidas em

. Alm disso, no h a necessidade

de verificar as 8 propriedades de espao vetorial para

, pois se as

operaes so fechadas, operando quaisquer dois elementos de

o
227

resultado ainda elemento de


qualquer elemento de

. Ora, sabemos que

elemento de

e, como

, ou seja,

espao vetorial,

sabe-se que as 8 propriedades de espao vetorial so satisfeitas.


IMPORTANTE: Qualquer subespao
de

de

contm o vetor nulo

, pois na condio ii da definio de subespao, tomando

temos

que ainda vetor de

subespao de

. O fato de que

, se

muito utilizado para verificar se um subconjunto no

subespao de certo conjunto.


Se tivermos

, onde

conclumos imediatamente que


se concluirmos que

espao vetorial, e ocorrer


NO subespao de

. Tome cuidado,

, no podemos dizer de imediato que


uma condio necessria para que

subespao de

, pois

seja

subespao de

, mas no suficiente. Logo devemos verificar tambm i

e ii da definio.
14.3.2 Subespaos Triviais: Seja
subconjuntos de

um espao vetorial. Os

{ } (conjunto formado pelo vetor nulo) e

so subespaos de

e os chamamos de subespaos triviais de .

Em outras palavras, qualquer conjunto formado pelo vetor nulo


de

subespao de . E o prprio conjunto

subespao de .

Observao: Sempre que quisermos verificar se


um subespao
de , devemos verificar se
e as propriedades i e ii da definio.
Exemplos:
01. Seja

{(

conjunto de pontos de
{(

}.

} espao vetorial sobre


contidos na reta

. Seja

, desta forma

subespao de .

228

Para quaisquer
Se

ento

, tem-se

, ento

. Logo

As coordenadas de

. Logo

). Assim:

satisfazem
(

As coordenadas de

). Se

. Vejamos:

satisfazem

, logo
)

. E tambm:
)

, logo

Como i e ii so satisfeitas, conclumos que

.
subespao vetorial de

.
02. Qualquer reta que passa pela origem subespao de
03. Sejam

um plano passando pela origem. Note que

um subespao de

, pois quaisquer que sejam

tem-se

e alm disso, como o plano passa pela origem, o

vetor nulo de

) pertence

.
229

04. Sejam
vetores de

{(

o conjunto dos

com primeira coordenada nula.

Tomando

, temos:

Pois a primeira coordenada de

nula e as demais so nmeros

reais

satisfeita. Temos tambm:

, isto , a propriedade de
(

Pois a primeira coordenada de


Portanto, conclumos que
05. O conjunto
de

nula e as demais so

um subespao de

das matrizes triangulares superiores um subespao

( ), pois a soma de duas matrizes triangulares superiores

ainda uma matriz triangular superior e a multiplicao de um escalar


por uma matriz triangular superior ainda uma matriz triangular
superior.
06.
{

Consideramos

sistema

homogneo

de

equaes

lineares

na forma matricial:

230

][ ]

( )

[ ]

Note que a soluo do sistema encontrada no conjunto


matrizes de ordem

( ) das

com coeficientes reais e, desta forma, vamos

mostrar que o conjunto

de solues do sistema (*) um subespao de

( ).
Tomando

[ ]

[ ]

, resta verificar que

solues do sistema, isto , devemos mostrar que


conclumos que

subespao de

Como

[ ])

][ ]

][ ]

[ ]

( )

][ ]

soluo do sistema, logo [

de forma anloga, como

[ ]

soluo do sistema (*):

] ([ ]

[ ]

, da

( ). De fato:

[ ]

i. Mostremos que

so

][ ]

[ ] e,

soluo do sistema, logo

[ ]. Desta forma, voltando em (**), temos:

] ([ ]

[ ])

[ ]

][ ]

] ([ ]

[ ])

][ ]

[ ]

[ ]

[ ]
231

Portanto,

[ ]

[ ] soluo de (*), logo

Temos tambm:

[ ]

ii. Mostremos que

soluo do sistema (*):

] ( [ ])

([

Portanto

] [ ])

] ( [ ])

[ ]

[ ]

soluo do sistema (*), logo

Como i e ii so satisfeitas, temos que

[ ]

subespao vetorial de

( ).

Contra Exemplos:
01. Sejam

{(

}.

no um subespao

vetorial de .

232

Observe que a soma de


um vetor de

o vetor

, para que

, este deveria possuir extremidade sobre a reta de

equao

. Em outras palavras, a propriedade i da definio de

subespao no satisfeita, logo

no subespao vetorial de

Tambm podemos concluir algebricamente que


de

seja

. Basta observar que o vetor nulo

propriedade de

no um subespao
(

. Portanto

suficiente para concluir que


02. Seja

no satisfaz a

, isto , as coordenadas do vetor nulo so

logo

, se

e isto j o

NO subespao de

for qualquer reta que no passa pela origem, ento

no subespao de .
03. Sejam

Observe que

{(
)

, pois em

, logo
de

, isto ,

. Podemos concluir que

no subespao de

}.

), as coordenadas so
(

.
e

) satisfaz a propriedade

subespao de

? No! Ainda devemos

verificar as propriedades i e ii da definio.


Tomando

, temos que

, logo:

233

Vamos verificar i da definio, isto , queremos verificar se

Temos:

Perceba que o vetor


deveramos ter (

na coordenada em

) pertena a

), ou seja, o vetor
, e assim

no satisfaz a propriedade de

que para que um vetor (


satisfazer

, pois

(lembrando

, suas coordenadas devem

no da forma (

no subespao de

). Portanto

14.3.3 Teorema (Interseo de subespaos): Dados


subespaos de , a interseo

ainda um subespao de .

Prova: Para provar que o conjunto

subespao de

devemos mostrar:
i. Se
ii. Se

, ento

, ento

i. Se

.
, ento

. De fato:

a) Como

, temos que

b) Como

, temos que

Juntando as informaes de a e b, como


subespao de , temos que

( ).

Juntando as informaes de a e b, como


subespao de , temos que

( ).

De (*) e (**), temos que


que

, logo conclumos

.
ii. Se

, ento

. De fato:

234

Como

, temos que

subespao de , logo
se

. Sabemos que

. Tambm como

. Logo, se

subespao de

, temos que

Assim, conclumos que

tem-

subespao de .

Exemplos:
01. Sejam

Note que

{(

{(

}e

)
}e

{(

(reta sobre o eixo

). Como

origem, sabemos que


Perceba que

{(

subespao de
,

da forma

}
,

{(

.
} , de fato, um

da forma

), logo, sendo

a reta

so planos que passam pela

so subespaos de

. Se

}.

} so planos que

e a interseo

passam pela origem e paralelos ao eixo


{

{(

) e se

Geometricamente, podemos pensar que quaisquer vetores sobre o eixo


, tero sua soma ainda sobre o eixo

e tambm qualquer mltiplo

ainda estar sobre .


02. Sejam
de ordem

( ),
e

o conjunto das matrizes triangulares inferioresde

ordem . Obviamente
O conjunto

o conjunto das matrizes triangulares superiores


e

so subespaos de

( ).

ser o conjunto das matrizes diagonal de ordem

este ser um subespao de

( ).

235

14.3.4 Teorema (Soma de subespaos): Sejam


de

. O

conjunto

subespaos

ainda

subespao de .
Prova: Devemos mostrar que
i. Se

ii. Se

e:
, ento

, ento

Mostremos:
i. Se

e
,

, ento

existem

. De fato, se

analogamente, se

tais

, existem

que
e

e,
tais que

. Assim:
(
Como

so subespaos de

)
, todas as propriedades de

espaos vetoriais so vlidas para suas operaes. Assim:


(

Portanto
de

, pois formado pela soma de elementos

ii. Se
, existem

, ento
e

tais que

(
Portanto
e

. De fato, Se
. Assim:

)
, pois formado pela soma de elementos de

.
Desta forma, conclumos que

subespao vetorial de .

Exemplos:

236

01. Sejam

um plano passando pela origem e

passando pela origem contida neste plano,

02. Se tivermos
{[

Neste caso,

ainda subespao de

{[

. Observe:

} e

uma reta

{[

}, ento

( ).

so subespaos de

( ), assim a soma

( ) devido ao Teorema da soma de subespaos.

Alm disso, a soma dos subespaos resultou no prprio espao vetorial


( ).
14.3.5 Definio: Seja
. Quando

espao vetorial e

{ }, dizemos que

e denotamos

subespaos de

soma direta de

. Em outras palavras, se a interseo entre

com
e

for o conjunto composto pelo vetor nulo.


Exemplos:
01. O exemplo 01 anterior um caso onde
com

, pois

no soma direta de

, isto , a interseo a reta

{ }.

237

02. No exemplo 02 anterior,


{[

soma direta de

satisfaz as propriedades de
( ). Logo

{[

]}

com

, pois

{ }. A nica matriz que

simultaneamente a matriz nula de

( ).

14.4 COMBINAO LINEAR


14.4.1

Definio:

Sejam

e
o vetor

um

espao

vetorial

sobre

. Chamamos de combinao linear de


tal que:

14.4.2 Subespao Gerado: Sejam


,

um espao vetorial sobre

e:
{

um subespao de

}
e chamamos

de subespao gerado por

.
Em outras palavras,

o conjunto dos vetores de

estes vetores so combinao linear de


notao

] que indica que

tais que

. Ainda podemos usar a


o subespao gerado por

.
[
] deve ser o subespao de
Observao: O conjunto
}.
possui a menor quantidade de vetores e que contenha {
}, este deve satisfazer
Por exemplo, se
conter {
.

que

Exemplos:

238

01. Considere

conjunto gerado por

. Observe que [ ]
a reta que contm o vetor

}, isto , o

e passa pela origem

do sistema.

02.
[

Sejam
]

contm os vetores

], ento

, logo [

pois todo vetor que escrito como combinao linear de


ser escrito como combinao de
[

Temos

} o plano que passa pela origem e

Se tivermos

] foi visto que

]
pode

, pois, se
, logo:

239

03. Sejam

e
[

{ (

[(

)(

)]

gera todos os vetores de

( )e

{ [

[[

. Em outras palavras, qualquer que


), ou seja, (

] [

{[

{[

tais que

)], logo

)(

? Para determinar

{(

[(

( ). Temos:

]]

05. Quais so os vetores geradores do subespao


} de

04. Sejam

{(

]. Dizemos que o subespao gerado por

[
, (

] gerador do espao vetorial

seja (

. Ento

{(
Neste caso,

{(

{(

)
], faamos:

}
240

{(

[(
Logo

)(

)e

{ (

)]

[(

)(

)]

).

06. O conjunto soluo da equao linear


subespao de

um

. Observe que:

O conjunto de solues :
{(

{ (

{(

[(

)(

)e(

)]

O conjunto de solues de
(

[(

)(

)]

o subespao gerado por

).

14.5 DEPENDNCIA E INDEPENDNCIA LINEAR


Como vimos no Exemplo 02 anterior, o subespao gerado por
o mesmo subespao gerado por
pensar no vetor

como sendo suprfluo para descrever tal subespao,

pois este uma combinao linear de


Em

geral,

e, desta forma, podemos

considerando

.
},

nossa

preocupao

determinar se existe algum vetor que no exista a necessidade de estar


no conjunto no caso em que desejamos descrever [

].

241

14.5.1 Definio: Seja


Dizemos que o conjunto {

} linearmente independente (LI) se:

14.5.2 Definio: Seja


Dizemos que o conjunto {

um espao vetorial e

um espao vetorial e

} linearmente dependente (LD) se:

{
14.5.3 Teorema: O conjunto {

} LD se, e somente se, um

dos vetores do conjunto for combinao linear dos demais.


Prova: ( ) Queremos mostrar que se {

} LD, ento um dos

vetores combinao linear dos demais. De fato:


Se {

} LD, temos por definio que

implica que algum dos

no nulo. Suponha que em


, tem-se

(
Como

, existe

. Ento:

)
tal que

A igualdade acima, nos diz que

( )

. Multiplicando (*) por

combinao linear de

, ou seja, um vetor do conjunto combinao linear


dos demais, que o que queramos demonstrar.
() Queremos mostrar que se um dos vetores de {
combinao linear dos demais, ento {

} LD. De fato, se um dos

242

vetores de {

} combinao linear, digamos que

combinao linear de

seja

, ento:

( )
Somando

em ambos os membros de (*):

Note que, na equao cima, temos uma combinao linear de


igual ao vetor nulo, onde o coeficiente de
seja, a equao implicou um dos
conclumos que {

, ou

no nulo. Logo, por definio,

} LD, que o que queramos demonstrar.

Equivalente proposio acima: Um conjunto de vetores LI se,


e somente se, nenhum dos vetores for combinao linear dos demais.
Exemplos:
01. Sejam
e

. O conjunto {

} LD se, e somente se

estiverem na mesma reta que passa pela origem, ou ainda se


.

02. Sejam
se

. O conjunto {

} LD se, e somente

estiverem no mesmo plano que passa pela origem

243

03. Sejam

). O conjunto {

} LI.

Vamos mostrar que este conjunto LI usando o Teorema anterior, ou


seja, faamos uma combinao de

igual ao vetor nulo e, se esta

implicar que os coeficientes da combinao so nulos, conclumos que


} LI. Ento:

Portanto,
{(

e, pelo Teorema 14.5.3 segue que


)} LI.

)(

04. Sejam

, o conjunto

} LI. De fato:

Como
{(

implicou
)(

)(

temos

que

)} LI.

244

05. Sejam

. O conjunto

} LD, pois:

Logo

e
e

. Portanto

com no no necessariamente nulo, ou seja, a equao


implicou em um dos coeficientes no nulo. Portanto

{(

)(

)(

)} LD.

14.6 BASE DE UM ESPAO VETORIAL


Podemos encontrar dentro de um espao vetorial
finito de vetores tais que qualquer outro vetor de

, um conjunto

uma combinao

linear dos vetores deste conjunto. Em outras palavras, queremos


determinar um conjunto de vetores que gera todos os vetores do espao
vetorial .
A ideia aqui semelhante vista em geometria analtica, onde
todos os vetores do espao podiam ser escritos com combinao dos
vetores do conjunto { }. E dizamos que { } era uma base para o
espao.
14.6.1 Definio: O conjunto {
i. {
ii.

uma base de

se:

} LI;
[

].

Em outras palavras, {

uma base de

se este

conjunto linearmente independente e se qualquer vetor de

escrito

245

com combinao linear de

(se

igual ao subespao gerado por

, {

).
Exemplos:
01. Se

como base cannica de


(

} base de

. Pois este conjunto LI e qualquer que seja

pode ser escrito como

conhecida

, ou seja, todo vetor de


combinao linear de
02. Se

, logo

, o conjunto {(

)(

[(

)(

)].

)} tambm uma base de

. Note

que:
(

{(

Resta mostrar que {(


(

Qualquer vetor (
seja,
Como {(
base de

)(

)}

)} um conjunto gerador de

)(

)e(

. Seja

, temos:
(

)(

)(

)(

gerado por (

)e(

), ou

)].
)} LI e

)(

pode ser escrito como combinao linear de

), mas isto quer dizer que


[(

[(

)(

)], temos que {(

)(

)} uma

03. O conjunto {(

)(

)} no uma base de

, pois:

246

Como

temos que {(
para

) implicou

ou

no necessariamente nulos,

)} LD, logo este conjunto no forma uma base

)(

04. Sendo

, o conjunto {(

)(

)} uma base para

)(

pois:

{(

)(

)(

Alm disso, qualquer que seja (

)}
:

Como qualquer (

escrito como combinao linear dos

vetores de {(

)(

)}, temos que

)(

Como {(
que {(

)(
)(

)} LI e

)(

)} base de

)(

05. O conjunto {(
)(

)} LI, mas {(

[(

)(

)]. Sendo (

)(

)(

)(

)].

)], segue

)(

.
. Note que

)} no gera

, isto ,

, temos:

[(

)(

)} no base de

)(

{(

[(

{
247

A condio

nos diz que (

)e(

) geram apenas os vetores de

cujo a terceira coordenada nula, ou seja, (


todos os vetores de
06. Sendo

, da tem-se

, o conjunto {

)e(

[(

)(

Alm disso, qualquer que seja

Como {

07. O conjunto
vetorial

{[

] [

] [

].

} base de

]} uma base do

] [

espao

( ). De fato:

Sendo [

e , logo

], temos que {

, temos:

combinao linear de
} LI e

)].

} base de . Note que:

Isto ,

) no geram

( ), temos:

]
248

Desta forma, qualquer vetor de


vetores de . Portanto
Como

{[
( )

[[

( )
] [

] [

] [

] [

] [

] [

]}

] [

( ) combinao linear dos

[[

] [

] [

]].

]], conclumos que

LI

base de

( ).
Observao: Embora existam espaos vetoriais com bases possuindo
infinitos elementos (por exemplo, um espao vetorial de funes),
nosso estudo engloba somente os casos de espaos vetoriais com bases
contendo um nmero finito de vetores, ou seja, estamos trabalhando
com bases finitas.
A seguir, veremos uma srie de proposies fundamentais para o
estudo de bases.
16.6.2 Teorema: Sejam

vetores no nulos que geram um

espao vetorial . Ento, dentre estes vetores podemos extrair uma base
para .
Prova: Para construir uma base para

devemos obter um

conjunto que seja LI e gerador de .


Por hiptese, j sabemos que
Caso o conjunto {
conjunto {

geram

e:

} seja LI, j temos o desejado, e o

} base de .

Caso o conjunto {

} seja

, existe algum vetor do conjunto

que combinao linear dos demais. Suponha

combinao linear dos

demais, assim:

249

Ora, como

combinao linear de

, os vetores

ainda geram .
Caso o conjunto {
geram

} for LI, temos o desejado, pois se

e{

} LI, isto implica {

Caso o conjunto {

} base de .

} for LD, existe algum vetor do

conjunto que combinao dos demais. Suponha

combinao dos

demais, assim:

Ora, como

combinao linear de

, os vetores

ainda geram .
Caso o conjunto {
geram

} for LI, temos o desejado, pois se

e{

} LI, isto implica {

} base de .

Seguindo este processo aps um nmero finito de iteraes,


sempre conseguimos um subconjunto LI {

}, com

vetores, que ainda gera , ou seja, que forma uma base de .


16.6.3 Teorema: Sejam
espao vetorial

vetores no nulos que geram um

. Ento, qualquer conjunto com mais de

vetores

necessariamente LD (e, portanto, qualquer conjunto LI tem no mximo


elementos).
Prova: Como

podemos extrair uma base para


onde

do conjunto {

}. Seja {

},

, tal base.
Consideramos agora

ento as constantes
qualquer
{

], foi visto no Teorema 16.6.3 que

, com

vetores de
e

, onde

. Existem

, tais que (como

pode ser escrito como combinao dos vetores da base

}):

( )

250

Tomemos agora a combinao linear de

e igualamos esta

combinao ao vetor nulo de :


( )
Substituindo (I) em (II), temos:
(

)
)

( )

Temos uma combinao linear de


como {

igual ao vetor nulo e,

} base de , este conjunto LI, logo a equao (*) implica

que cada coeficiente da combinao igual zero, ou seja:

O sistema (III) um sistema homogneo com


(

) e

equaes. Lembrando que

incgnitas
, ou seja, o

sistema tem mais incgnitas do que equaes, assim ele no admite


apenas a soluo trivial, isto , existe alguma soluo com um dos

no

nulo.
Resumindo,

implicou algum dos

por definio, isto quer dizer que o conjunto {


qualquer conjunto com um nmero

,e

} LD. Portanto,

de vetores, onde

linearmente dependente.
Tambm, qualquer conjunto LI tem no mximo

vetores.

251

16.6.4 Corolrio: Qualquer base de um espao vetorial

tem

sempre o mesmo nmero de vetores. Este nmero chamado de


dimenso de , e o denotamos por
Prova: Sejam {
Como
que

( ).

}e{
geram

} bases de .

LI, pelo Teorema 16.6.3 temos

.
Como

que

geram

LI, pelo Teorema 16.6.3 temos

.
Ora, como

, a nica concluso que chegamos a que

, ou seja, as bases possuem a mesma quantidade de vetores.


Observao: Se

{ }, ento

Exemplos:
01. J vimos anteriormente que {(
. Assim

{(

)(

)} com 3 vetores, assim

)(

03. Vimos anteriormente que {[


de

)} so bases de

)(

02. Uma base de


(

)} e {(

)(

( ), desta forma

04. O conjunto {

] [
( )]

} base de

] [

]} uma base

] [

, ou seja,

( )

16.6.5 Teorema: Qualquer conjunto LI de vetores de um espao


vetorial

com dimenso finita pode ser completado de modo que este

conjunto se torne uma base de .


Prova: Seja

tal que

( )

(Devido ao Teorema 16.6.3). Se


uma base para

e{
[

e temos o desejado (neste caso

} um conjunto LI, onde


], ento {

} forma

).
252

Porm, pode acontecer


], logo

forma uma base para

ento

], assim existe

tal

no combinao linear de

ainda

], ento {

e temos o desejado.
], logo

e ento

], ento {

Porm, pode acontecer


que

tal que

no combinao linear de

} ainda LI. Caso

], assim existe

LI.

Caso

} forma uma base de

temos o desejado.
Usando

este

mesmo

procedimento,

completar o conjunto LI {

sempre

} at que ele tenha

conseguiremos
elementos e seja

uma base de .
16.6.6 Corolrio: Se
, com

( )

, ento qualquer subconjunto LI de

vetores, forma uma base de .

Prova: Suponha que o conjunto LI de


base de

vetores no forme uma

. Ento, pelo Teorema 16.6.5, poderamos completar este

conjunto de modo a torna-lo uma base de


com mais de

. Mas a teramos uma base

vetores, o que absurdo, qualquer base de

deve ter

vetores (Corolrio 16.6.4).


Observao: O corolrio acima muito importante, pois, este nos diz
que para verificar se um conjunto com vetores base de um espao,
basta constatar que este conjunto LI, ou seja, no h a necessidade de
verificar se este conjunto gerador de .
16.6.7 Teorema: Se
de dimenso finita, ento

so subespaos de um espao vetorial


( )

( ) e

( ). Alm

( )

disso:
(

( )

16.6.8 Teorema: Dada uma base

( )

)
} de

, cada vetor de

escrito de maneira nica como combinao linear dos vetores de .


253

Prova: Seja

, ento existem

tais que

. Suponha que existem

tais que

Desta forma, como as duas igualdades valem para

(
Como

base,

LI, logo a equao acima implica:

Portanto, supondo que existam


concluso que chegamos que

tais que

, a nica

, ou seja, qualquer

escrito

de maneira nica como combinao linear dos vetores de .


Usando a ideia do Teorema 16.6.8 definimos coordenadas ou
componentes para vetores em relao a uma base.
16.6.9 Definio: Sejam

} uma base de

que

. Chamamos os nmeros reais

coordenadas do vetor

em relao base

[ ]

Ou seja, [ ]

(matriz de ordem

tal
de

e usamos a notao:

], quer dizer que o vetor

escrito como

}. Escrevemos o vetor usando uma matriz coluna


).

254

Fazendo uma anlise notao, perceba que qualquer vetor de um


espao vetorial de dimenso
ordem

pode ser representado por uma matriz de

Exemplos:
01. Sejam

e a base
(

{(

)(

[(

)]

)}. Temos:
)

Portanto:

[ ]

Nota-se, quando no mencionamos qual a base considerada, qualquer


vetor de

dado em relao base cannica. Isto , sendo (

02. Se
de (

{(

)(

) em relao

[(

)]

[ ]

), vamos descobrir quais as coordenadas

Tomando uma combinao:


(

)(

Logo (

), e isto quer dizer que:

[(

)]

255

03. Sejam
que

{(

} e

so subespaos de

{(

{ (

{(

{ (

Temos ainda

[(

)(

)]

[(

)(

[(

{(

{(

{(

}. Note

e:

{(

{(

)(

[(

{(

)]

)(

)(

[(

)(

)] e dado

)(

)]

)]

O sistema acima possui infinitas solues, ou seja, qualquer vetor de


escrito como combinao linear de vetores de
gerado por

)(

pois este LD. Como


(

O conjunto {(
temos

, logo,

)(

)(

)} no fornece uma base para


(

) e sabemos que

,
,

.
256

Vamos determinar

{(

Logo

{(

Perceba

. Veja:

satisfeita, pois

{ (

{(

[(

)]

[(

)]

)
agora

que

( )

( )

( )
e

( )

logo:
( )

( )

04. Sejam
[

( ) e a base

{[

] [

] [

]}. O vetor

] [

pode ser escrito:

)[

[ ]

Em geral, qualquer vetor (matriz)

[ ]

)[

)[

( ) pode ser escrito:

[ ]

257

Notamos ainda que qualquer base de


desta forma, qualquer vetor de

( ) pode ser escrito, em relao uma

base, como uma matriz coluna


Em geral, se
vetor de

( )

( ) deve possuir 4 vetores e,

.
, uma base de

ter

vetores e qualquer

escrito, em relao base, por uma matriz

14.7 MUDANA DE BASE


Muitas vezes nos deparamos com algum problema em que o
referencial usual pode no ser o apropriado para a resoluo deste
problema.
Por exemplo, suponha um problema de fsica em que o
movimento de um corpo descrito por uma elipse cuja equao
, de acordo com a figura abaixo:

A descrio do movimento ficaria muito mais simples se ao invs


de considerarmos os eixos

(e a base { }), considerssemos um

referencial que se apoia nos eixos principais da elipse, de acordo com a


figura:

258

Neste novo referencial temos a base {

} e os eixos

equao da elipse em relao a este sistema

. A

Tendo visto a situao acima, devemos nos questionar: Como


escolher um novo sistema apropriado? Fixado um novo referencial,
como relacionar as coordenadas de um ponto do antigo referencial com
as coordenadas no novo?
14.7.1 Mudana de Base: Sejam

} e

bases de um espao vetorial . Dado um vetor

, podemos escrever o

mesmo em relao s duas bases, isto :


( )
( )

Como relacionar as coordenadas de

[ ]

Com as coordenadas de

em relao :

em relao

259

[ ]

Como
vetores de
vetores

[ ]

} base de

e os vetores

, podemos escrever cada

de

ainda so

como combinao linear dos

de , isto :

( )

Substituindo (**) em (*):

)
)

( )

Por outro lado, temos de (I) que:


(
Observe que as equaes ( ) e (
como combinao linear dos vetores de

) nos fornece o vetor

escrito

, e como as coordenadas em

relao a uma base so univocamente determinadas, cada coeficiente


correspondente idntico, ou seja:
260

Na forma matricial:

Denotando [ ]

][ ]

], podemos escrever:

[ ]

[ ] [ ]

Que a formula para mudana de base de


A matriz [ ]

para .

chamada de matriz mudana de base de

Comparando [ ]

com (**), percebe-se que a

composta pelas coordenadas de

para .
coluna

em relao base .

Vejamos um exemplo para esclarecer melhor a ideia de mudana


de base.
Exemplo:
01. Sejam

{(

)(

)} e

matriz mudana de base de

{(

)(

para

)} bases de

. Procuremos a

. Vamos reescrever as bases

usando uma notao genrica para seus vetores para que possamos
fazer uma analogia com a construo feita anteriormente. Sejam:
{

261

O prximo passo escrever os vetores de

como combinao linear

dos vetores de .
(

( )

( )

De (I) e (II), temos:

Cuja soluo

Portanto, temos a matriz mudana de base:

[ ]

[ ]

262

Agora, vamos determinar as coordenadas do vetor


base

. Sabemos que [ ]

) em relao

] e usando a formula de mudana de

base:

[ ]

[ ] [ ]

[ ]

[ ]

Ou ainda: [ ]

][

).

obvio que poderamos simplesmente tomar uma combinao arbitrria


(

seria escrito [(

) e calcular os valores de

e ento o vetor

[ ]. Porm, quando aumentamos o nmero de

)]

vetores, o uso da matriz se tornar vantajoso.


14.7.2 Inverso: Fazendo um processo anlogo ao visto em 14.7.1,
mas escrevendo

como combinao linear dos vetores

da base

encontramos a relao:

[ ]

[ ] [ ]

E esta a formula de mudana de base de


A matriz [ ]

para

a matriz mudana de base de

para

14.7.3 Relao Entre as Matrizes: A relao entre as matrizes


mudana de base de

para

([ ] ) e mudana de base de

para

([ ] ) :

263

([ ] )

[ ]

Exemplos:

01. No exemplo anterior, obtemos [ ]


matriz mudana de base de

para

], para encontrar a

basta usar a relao de 14.7.3, isto

, devemos calcular a inversa de [ ] . Realizando os clculos obtemos:

02. Considere

[ ]

, as bases

} cannica e

da base cannica pela rotao de um ngulo de medida


vetor

. Dado um

tal que:

[ ]

Quais as coordenadas de
e

}, obtida

, em funo de

[ ]

em relao

, isto , queremos determinar

, tais que:

[ ]

[ ]

Observe:

264

Temos

e queremos calcular:

[ ]

[ ] [ ]

Ou seja, queremos encontrar a matriz [ ]


de

para

funo de

Temos

] mudana de base

. Para isso, devemos escrever os vetores


e

de

em

. Observe a figura:

. E:

265

Temos

Desta forma:

[ ]

Logo:

[ ]

[ ] [ ]

[ ]

][ ]

266

CAPTULO 15: TRANSFORMAES LINEARES

15.1 INTRODUO
Antes de falarmos sobre transformaes (aplicaes) lineares,
vamos relembrar alguns conceitos bsicos de funes (aplicaes).
Primeiramente, o que uma funo? Sempre que nos referimos a
uma funo matematicamente, devemos considerar dois conjuntos

. Uma funo definida como sendo uma relao (ou regra) que
associa a todo elemento de

um nico elemento de .

Por exemplo, considere os conjuntos


seja

uma funo que associa todo elemento de

de , denotamos
No caso em que
elemento

(l-se:

de

} e

a um nico elemento

em ), tal que

outra maneira, podemos pensar que a funo


. Anlogo ( )

Note que os elementos

associado ao

a imagem de

da funo , e podemos denotar esta relao entre


no elemento

, dizemos que o elemento

ou ainda podemos dizer que

} e

atravs

por ( )

. De

transforma o elemento

, temos ( )

e ( )

so associados ao mesmo elemento

. O que devemos tomar cuidado que, por exemplo, o elemento


s pode ser associado a um nico elemento de
Caso tivssemos ( )

e ( )

(neste caso,

, isto implicaria que a relao

).

no

uma funo.
Como tarefa, represente a funo

descrita acima por um

Diagrama de Venn.
15.1.1

Definio:

Sejam

transformao linear uma funo

e
de

espaos
em

vetoriais5.

Uma

, tal que as

seguintes propriedades so satisfeitas:

Quando falarmos somente tal conjunto espao vetorial, j estamos assumindo


).
que este um espao vetorial sobre o corpo (
5

267

P1. (
P2. (

( ), quaisquer que sejam

( )

( ), quaisquer que sejam

Exemplos:
01. Vamos mostrar que a funo

tal que

uma

( )

aplicao linear.
Note que, neste caso os espaos vetoriais so
transforma um nmero real
Mostremos que

e a funo

em seu triplo

, isto ,

( ).

uma transformao linear. Para isto, devemos

mostrar que:
P1. Quaisquer que sejam

, a propriedade

( )

( ) deve ser verificada. De fato:

( )

P2. Quaisquer que sejam

( )

( )

, a propriedade

( )

( )

deve ser verificada. De fato:

Como P1 e P2 so vlidas, temos que

( )

uma transformao

linear.
02. A aplicao

definida por

linear. Perceba que, tomando

( )

NO uma aplicao

, tem-se:

( )

( )

Por outro lado:

268

Desta forma:

( )

( )

( )

( )

Ou seja, a propriedade P1 da definio no satisfeita, o que j


suficiente para concluir que
03. Seja
que

no uma aplicao linear.

definida por

). Vamos mostrar

uma transformao linear.

Note que o conjunto de partida o espao vetorial


vetores so da forma
espao vetorial
P1. Sejam

), enquanto o conjunto de chegada o

com vetores da forma (

Mostremos que

))

))

))

( )

( (

))

. Ento:

((

( (

).

transformao linear:

P2. Sejam

, logo seus

( )

( )

( )

. Ento:

( (

( (

))

269

( )

Como P1 e P2 so satisfeitas, temos que

( )

uma transformao linear.

15.1.2 Consequncia da Definio: Decorre da definio de


transformao linear que, sendo
vetor nulo de

uma transformao linear, o

associado ao vetor nulo de

. Em outras palavras, se

transformao linear, a imagem do vetor nulo de


aplicao
e

o vetor nulo de

, isto , (

atravs da

(usamos os ndices

em , somente para que fique mais fcil de visualizar que um dos

vetores o vetor nulo do espao vetorial


espao vetorial

e o outro o vetor nulo do

).

Prova: Queremos mostrar que

, ou seja, partimos de um

( )

lado da igualdade e devemos chegar do outro lado. De fato:


( )
Como, por hiptese,

( )

( )

( )

( )

( )]

( )]

{ ( )

( )

( )

( )

e, como

tal que ( )

linear, (

( )

Note que, ( )

( ). Ento:

( )

( )

( )

espao vetorial, sabe-se que existe


. Somando

[ ( )

( )]

( )]}

( ) em (*):

( )]

( )

( )

270

Portanto, temos o desejado, isto , a igualdade destacada acima


nos diz que o vetor nulo de
vetor nulo de

tem como imagem, atravs de

linear, o

IMPORTANTE: O resultado acima nos ser muito til para


concluir quais aplicaes no so lineares, isto , se
, conclumos de imediato que

( )

Porm, se ocorrer

for tal que

no uma aplicao linear.

, no podemos ainda afirmar que esta

( )

transformao linear, ainda teremos que verificar as propriedades P1 e


P2 da definio.
Exemplo:
Seja

tal que (

), esta aplicao no uma

transformao linear, pois:


( )
Temos

, ou seja, pelo resultado visto acima isto implica que

( )

no linear.
A seguir, veremos um resultado que nos auxiliar a detectar
transformaes lineares. Digamos que este resultado resume as
propriedades P1 e P2 em apenas uma condio.
15.1.3 Proposio: Seja
transformao

linear

quaisquer que sejam

se,

uma aplicao.
somente

se,

uma
( )

( ),

Prova: Devemos mostrar a ida e a volta do se, e somente se:


( ) Queremos provar que, se
(

( )

igualdade
(

vlido (

(
)

( ). De fato, partimos do lado esquerdo da


). Mas como

(
)

linear, ento vale a igualdade


, por hiptese, linear, vlido

( ) e tambm, devido ao fato de que

linear,

( ). Ento:
271

( )

( )

( )

( )

( )

E temos o desejado.
() Queremos mostrar que, a igualdade
vlida,

quaisquer

que

sejam

)
,

( )

( )

ento

uma

transformao linear. Em outras palavras, queremos provar que P1 e P2


da definio so vlidas. De fato:
Se (

( ) vlida para quaisquer

( )

podemos tomar, em particular,

(
Conclumos

( )

em (

( )

e
( ), isto :

( )

( )

( )

( ), quaisquer que sejam

( )

isto , a propriedade P1 da definio satisfeita.


Por outro lado, se
e
( )

( ) vlida para quaisquer

( )

, podemos tomar, em particular,

em

( ), isto :

Conclumos que

( )

( )

( )

( )

( ), quaisquer que sejam

isto , a propriedade P2 da definio satisfeita.


Portanto, como P1 e P2 so vlidas, temos que

uma

transformao linear.
Exemplo:
A aplicao

tal que (

uma transformao linear. Tomando

) ou

(
(

)
(

(
)

, temos:
272

( (

))

))

( )

( )

( )

( )

( ), segue que

( )

))

((

( (

(
Como (

))

transformao linear.

No prximo exemplo, veremos que podemos associar a qualquer


transformao

uma matriz de ordem

Exemplos:
01. Sejam
de modo

uma transformao linear e


definida por

tomado como

]e

ou

uma matriz

, onde

( )

pode ser

pode ser tomado como

( )

( )

].

Assim:

( )

Segue das propriedades de operaes com matrizes que, dados


e

, tem-se:
(

( )

( )

( )
273

Logo

transformao linear.

02. Tomando

tal que

identificar a matriz
lei de

? Note que

[ ]e

), como

( )

[ ], e observando a

, temos:

[ ]

O sistema na forma matricial :

Ora, podemos identificar


escrita como

][ ]

], desta forma a igualdade acima

( ), ou ainda,

15.2

[ ]

RESULTADOS

][ ]

CONCEITOS

FUNDAMENTAIS

DE

TRANSFORMAES LINEARES
Agora veremos uma srie de resultados e algumas definies de
elementos presentes em transformaes lineares.
O

primeiro

resultado

nos

diz

que

para

determinar

uma

transformao linear, basta saber como esta transformao funciona


nos elementos de uma base.
274

15.2.1 Teorema: Sejam


} uma base de

espaos vetoriais, o conjunto

e os vetores

transformao linear

tal que

Sendo

, podemos escrever

por ( )

. Existe uma nica


( )

( )
e a aplicao

( )

( )

( )

existe outra aplicao


(a ideia ento concluir que

, para mostrar a unicidade de ).

( )
Sendo

, pois {

alm disso, os coeficientes


Aplicando a funo

( )

dada

Prova: Suponha que, alm de


tal que

} base de

e,

so nicos.
em

, temos:

( )

( )
Temos por hiptese tambm que

( )

( )

( )

(
Logo,

para

conclumos que

( )

( )

qualquer

, e desta forma

( )

temos

), logo:

( )

( )

( ).

Portanto,

nica.

Exemplos:
01. Qual a transformao linear
(

)? Sabemos que

base para

. Assim, tomando

tal que
(
(

)
)

) e

formam uma

um vetor arbitrrio, este


275

pode ser escrito como (

e, aplicando

nesta igualdade:
(

Como ( )

)e ( )
( )

( )

( )

( )

), temos:

Portanto, de acordo com o resultado anterior, a transformao linear


procurada

) e esta a nica que satisfaz as

exigncias iniciais.
02. Qual a transformao
(

)? O conjunto {(

imagem

de

cada

tomemos (

vetor

desta

base,

)e (

, logo conhecendo a

conseguimos

determinar

, de acordo com o teorema acima. Para isto,

que pode ser escrito como:

Aplicando

)} uma base para

)(

transformao linear

tal que (

))

)(

)(

na igualdade acima:

( (

)(

))

) (

( (

))

((

)(

)(

))

)
276

uma transformao linear. A

o conjunto dos vetores

para o qual ( )

tais que existe algum vetor

. Denotamos a imagem de

( )

( )

15.2.3 Definio: Seja


conjunto dos vetores
de ncleo de
vetores

15.2.2 Definio: Seja


imagem de

por ( ), ou seja:
}

uma transformao linear. O

que so associados ao vetor

. Em outras palavras, o ncleo de


tais que

chamado

o conjunto dos

. Denotamos o ncleo de

( )

por

( ), ou

seja:
( )

( )

15.2.4 Consequncias da Definio: Os conjuntos


so, respectivamente, subespaos de

( )

( )

e .

Prova: Faa!
Exemplos:
01. Seja

tal que (

ou

. Vamos

determinar o ncleo e a imagem de .


Por definio,

( )

{(

( )

{(

( )

{(

}. Tomando

{(

{ (

, temos:

[(

)]
277

( )
Note que o ncleo de

e ,

o conjunto de vetores de

que esto

. Observe:

Por definio, temos que


(

)]

o subespao gerado por (

geometricamente, o ncleo de
sobre a reta

[(

( )

( )

{(

( )
Ou seja, a imagem de

}. Tomando

( )

[ ]

[ ]

o subespao gerado pelo vetor

278

02. Seja

tal que (

Temos que, o ncleo de

( )

{(

{(

)}

{(

disso, observe que


A imagem de

( )

{(

{(

Ou seja,

[(

)]

)}

( ( ))

15.2.5 Definio: Seja


aplicao linear).

{(

).

[(

)}

)]

gerado por (

{(

[(

{(

). Alm

)(

)]

( )

por (

[(
) e (

)(

)]
). Alm

.
uma funo (no necessariamente

uma funo injetora se dados

( ) implica em
, ento ( )

( )

( ) o subespao gerado de

disso, observe que

( ))

{(

{ (

o subespao de

Ou seja, o ncleo de

que

) ou

{ (

( )

. Ou equivalentemente, se dados

tais que
tais

( ).

Em outras palavras, uma funo

injetora, se dois

elementos com mesma imagem so iguais, ou equivalente a isso, a


funo injetora se quaisquer dois elementos distintos sempre
possuem imagens distintas.

279

15.2.6 Definio: Seja


aplicao linear).

uma funo (no necessariamente

uma funo sobrejetora se ( )

Em outras palavras, dizemos que uma funo sobrejetora se o


conjunto imagem desta funo coincidir com seu contradomnio, ou
ainda,

sobrejetora se

( ).

Exemplo:
Seja

tal que

que ( )

( )

tais

( ), temos:

( )
Como ( )

{(

{(

( )

( ) implicou

Vejamos que

( )

). Note que, se tomarmos

, temos por definio que

injetora.

no uma funo sobrejetora. De fato:

( )

{(

( )
Ou seja, a imagem de
no gera

, logo

[(

{(

{ (

)]

[(

)}

)]

)]

o subespao gerado por (


[(

( ). Logo ( )

e este vetor

, o que implica que

no sobrejetora.
A seguir, veremos um resultado que nos ser muito til para
identificar

transformaes

lineares

injetoras.

teorema

diz,

basicamente, que uma condio necessria e suficiente para que uma


transformao linear seja injetora que seu ncleo contm somente o
vetor nulo.

280

15.2.7

Teorema:

Seja

{ } se, e somente se

( )

uma

transformao

linear.

injetora.

Prova: Devemos mostrar a dupla implicao.


( ) Queremos mostrar que se
mostrar que
que ( )

( ) isto implica em

injetora. Para

( )

linear,

( )

( )

( ), ento:

( )

( )

( )

) e tambm

). Voltando em (*):

( )
Mas, como

tais

tais que ( )

( )
Como

{ }, ento

injetora, devemos concluir que, tomando

De fato, sejam

( )

( )

( )

implica que

( )

( )

(a imagem de

)
o vetor nulo), isto

( ). Porm, por hiptese, temos que

ou seja, o nico vetor do ncleo o vetor nulo, logo

Ora, como ( )

( ) implicou em

( )

{ },

. Assim:

, temos por definio que

uma funo injetora.


() Queremos mostrar que se

injetora, ento

( )

{ }, ou

seja, devemos mostrar que o nico vetor do ncleo o vetor nulo de .


Seja

( ), ento por definio:

( )

( )

J foi visto que uma consequncia da definio de transformao


linear

( )

, isto , a imagem do vetor nulo de

o vetor nulo de

. Voltando em (*), temos:

281

( )

( )

( )

Mas, por hiptese, temos que


( ) implica que

( )

injetora, logo a igualdade

. Portanto, tomando

( ), conclumos que
nulo de . Assim

( )

arbitrrio em

, logo o nico vetor do ncleo de

o vetor

{ }, e temos o desejado.

( )

Exemplo:
Voltando ao exemplo em que

tal que

o Teorema15.2.7 para mostrar que


( )

( )

)}

), vamos usar

injetora. Veja:
(

( )

( )

)}

{ }

{ }

O prximo resultado relaciona a dimenso do ncleo e da imagem


de uma transformao linear com a dimenso do espao vetorial
domnio.
15.2.8 Teorema: Se

uma transformao linear, A

seguinte relao vlida:


( )
Prova: Seja {
supomos
{

( )

} uma base de

logo

temos

e, desta forma, podemos completar o conjunto {

( )

).

Sabemos

que

( ) (isto quer dizer que


( )

at que este seja uma base de .


Assim, considere
seja uma base de

(assim, teremos

vetores tais que {

).

282

J foi visto em um resultado que se

uma transformao linear,

esta associa certa quantidade de vetores da base de


quantidade de vetores de

, isto , { (

mostrar que este conjunto { (

)} como

mesma
. Vamos

)}

vetores forma uma

base de ( ). Em outras palavras, queremos mostrar que:


i. ( )
ii. { (

[ (
)

)];

)} LI.

Mostremos:
i. Queremos mostrar que todo vetor
como combinao linear dos vetores de { (
( ), ento existe

tal que

( ) pode ser escrito


)

)}. De fato, seja

( ). Como

( )

, este vetor

pode ser escrito como uma combinao linear dos vetores da base
} de

, ou seja,

Logo, reescrevemos (*):


(

( )
Mas, como os

( )

so vetores de

( ), tem-se ( )

( )
, logo (I)

fica:
(
Qualquer que seja
combinao linear de
por (

( ), ou seja, qualquer vetor da imagem

). Assim ( )

), logo

].

( ) o subespao gerado

ii. Queremos mostrar que o conjunto { (

)} LI. De

fato, tomemos a equao:


(

)
283

A igualdade acima, nos diz que o vetor


vetor de

um

( ), pois este tem como imagem o vetor nulo de

como

. Logo,

( ), este vetor pode ser escrito como uma

combinao linear dos vetores da base {

} de

( ), isto :

A igualdade acima uma combinao linear dos vetores de


{

} igual ao vetor nulo e sabe-se que o conjunto

} uma base de

, logo este conjunto LI, e assim a

igualdade acima implica:

Desta forma, tomando

, logo, por definio, temos que { (

Como i e ii so vlidos, conclumos que { (


base de ( ), e este conjunto possui
Portanto

( )

. A aplicao

)} LI.

(
)

vetores, logo

(
( )

)} uma
.

, que o desejado.

( )

15.2.9 Corolrio: Seja

, conclumos que

uma transformao linear tal que


injetora se, e somente se,

sobrejetora.

Prova: De fato:
( )

( )

{ }

( )

( )

( )

( )

( )

284

15.2.10 Corolrio: Seja


injetora. Se

uma transformao linear

, ento

leva uma base de

em uma base de

.
Prova: Queremos mostrar que, se considerarmos {
aplicarmos

aos

}, ao

vetores deste conjunto, o conjunto formado pelos

( ) ser uma base para


Seja {

. De fato:

} base de . Faamos:
( )

( )

Mas como {

} base, em particular LI, logo

. Desta forma, a equao


, ou seja, { ( )
Como { ( )

( )

implicou

( )} LI.
( )} um conjunto LI com

, temos que { ( )

( )} base de

15.2.11 Definio: Se
dizemos que

vetores e

injetora e sobrejetora (bijetora)

um isomorfismo.

Se existe um isomorfismo de

em

dizemos que

so

espaos isomorfos.
Se

um isomorfismo (obviamente

uma nica aplicao


transformao

), existe

, que tambm um isomorfismo. A

recebe o nome de aplicao inversa de .

Exemplo:
Seja

dada por

um isomorfismo e em seguida calcular


Como

). Vamos mostrar que

, temos que

.
, logo para mostrar que

isomorfismo, basta mostrar que esta transformao injetora, ou seja,


basta mostrar que

( )

{(

)}. De fato:
285

( )

{(

{(

{(
Portanto,
Como

{(

)}

)}

{(

)}

( )

{(

)}

isomorfismo.
injetora e

, sabemos que

em uma base de
de

leva uma base de

. Tomando a base {(

, o conjunto { (

) (

)(

)(

)}

)} ser uma base de

) (

Logo {(

)(

)(

)} base de

Agora calculamos
(

), (

. Sabemos que

), logo:

a inversa de
)e (

286

Queremos calcular
como {(

)(

), para isto tomemos (

)} base de

)(

, e

, escrevemos o vetor

) como combinao dos vetores desta base, isto :

Realizando os clculos obtemos:

Aplicando

Portanto a regra da transformao


)

inversa de

).

15.3 MATRIZES E TRANSFORMAES LINEARES


J foi visto anteriormente, em um exemplo, que conseguamos
associar uma matriz de ordem

a uma transformao linear

. Nesta seo, vamos formalizar este resultado para espaos


vetoriais quaisquer, conhecendo suas bases.
Exemplo:

287

Sejam

, as bases

{(

)} e

)(

{(

)} e a matriz

)(

]. Queremos determinar a transformao linear

[
que

( )

Seja

depende de ,
e

coordenadas de
(ou seja,

tal que

[ ] (ou seja,

[ ]

em relao base

),

a matriz das coordenadas de

Como [ ( )]

( )

], temos:

( )

Se tivssemos

tal

][ ]

a matriz das
[

[ ( )]

( ) em relao base

).

, teramos [ ( )]

][ ]

15.3.1 Transformao atravs da Matriz: De modo geral, fixamos


{

},

associamos

tal que

[ ]

Ento

( ), sendo

[ ]

][

] a:

[ ( )]

( )

Em geral, dada uma matriz


uma aplicao linear

matriz

, esta pode ser abordada como

em relao s bases cannicas de

.
Exemplos:

288

01. Seja

Seja

. Encontremos

[ ( )]

[ ( )]

[ ]

( )

Agora,

dada

encontrar a matriz

)(

tal que

)} e

)(

)(

),

como

.
{(

)(

)(

)} e

][ ]

[ ], sabemos que:

[ ]

que

( )

[ ( )]

[ ( )]

Logo

)(

)(

( )

tal

)}. Tomando

( )

{(

][ ]

Aqui, as bases consideradas so


{(

)},

02.

)(

, ento:

[ ]

[ ]

{(

][ ]

[ ]

].

Vamos generalizar este caso de encontrar a matriz, dada certa


transformao linear.

289

15.3.2 Matriz atravs da Transformao: Seja


transformao linear,

} base de

. Os vetores ( )

( ) so vetores de

uma
} base de

, logo:

( )

( )
A matriz transposta da matriz associada acima, denotada por
[ ] , chamada de matriz de

[ ]

Ento
e

em relao s bases

passa a ser a aplicao linear associada matriz

, isto ,

e bases

Exemplos:
01. Considere
Sejam

{(

)(

[ ] . Calculamos

tal que

)} e

{(

)(

)
)(

).

)}. Queremos encontrar

nos elementos da base :

Logo a matriz transposta da matriz associada ao sistema a matriz de


em relao s bases

[ ]

]
290

Perceba que, se mudarmos as bases, a matriz da transformao em


relao s bases tambm muda.
02. Seja

tal que (

considere

{(

)(

). Mas agora,

)} e

)(

{(

)(

)}. Vamos encontrar

[ ] :

Logo [ ]

].

Observao: Se para
tomarmos e
como sendo as bases
cannicas de
e
, respectivamente, denotamos a matriz de
em
relao e
simplesmente por [ ]. Isto :
[ ]
03. Seja
{

tal que
}e

( )

[ ]
, isto ,

a identidade. Sendo

} bases de , temos:

( )

Logo:

[ ]

[ ]

291

Que a matriz mudana de base de


04. Dadas as bases
de

{(

)} de

)(

, encontremos

para

.
e

{(

)(

)(

)}

cuja matriz :

[ ]

Interpretando a matriz, temos:


(

(
Logo (
(

)e (

) (

)
, temos que

)(

)
e

espaos vetoriais,

uma base de

uma aplicao linear. Para todo


[ ( )]

[ ]

15.3.3 Teorema: Sejam

Prova:

). Tomando (

uma base de

) e aplicando :

)(

vale:

[ ] [ ]

Sejam
], [ ]

{
[

] e [ ( )]

},

{
[

},

].

292

Interpretando a matriz [ ] temos:

( )
( )

Como

( )

( )

, aplicamos

linear na igualdade:

( )

( )

[ ( )]

Mas, ainda temos [ ( )]

] e como as coordenadas em

relao uma base so univocamente determinadas, temos:

( )

E (*) na forma matricial:

293

][

[ ( )]

],

{(

[ ] [ ]

Exemplo:

Seja

tal que [ ]

{(

)(

do vetor

)} base de

)(

) atravs de

)(

)} base de

. Queremos determinar a imagem

. Para isto, escrevemos [ ]

] e

usando a notao do teorema:

[ ( )]

[ ( )]

[ ] [ ]

( )

][

15.3.4 Teorema: Sejam


transformao
base de ,

aplicaes lineares. A

uma aplicao linear. Alm disso, se

base de

base de

, temos:

[ ] [ ]

Observe que:
i.

base de

base de

em relao s bases
ii.

base de

iii.

base de

a matriz de

implicam que [ ]

a matriz de

e .

base de

em relao s bases

implicam que [ ]

e .

base de

em relao s bases

implicam que [

] a matriz de

e .
294

Exemplos:
01. Considere as transformaes
tal que
podemos

determinar

tal que

). Note que

transformao

) e
, logo

composta

Faamos:

)(

( (

))

)(

Vamos observar as matrizes. Note que, considerando


(

, isto , [ ]

[ (

Logo [ ]

)]

)]

)(

)}, e

[ ] temos:

)]

] a matriz de

[ (

Logo [ ]

[(

{(

][ ]

[ ] [(

)]

em relao base . Temos tambm:

] a matriz de

O teorema nos diz que obtemos [

][ ]

[ ] [(

)]

em relao base .
] fazendo:
295

Veja

que

[ ] [ ]

][

encontraremos

transformao (

[(

)(

)(

Logo [

)]

mesma

matriz

se

). Seja [ ]

)(

analisarmos

)] :

[(

][ ]

] [(

)]

].

02. Sejam
{(

)},

cujas matrizes em relao s bases


) (

{(

)} e

)(

{(

)} so,

)(

respectivamente:

[ ]

[ ]

Queremos encontrar

, ou seja, queremos (

)(

).

Segundo o teorema, temos que:

[ ] [ ]

Ainda

temos

que

[(

][

)( )]

)( )]

] [ ]

] [ ] .

escrevendo este vetor na base , temos [ ]

[(

Seja

[ ], logo:

][ ]

]
296

[(

)( )]

)( )

(
15.3.5

Corolrio:

invertvel com

)(

)(

uma
e

transformao

(logo a matriz de

linear

em relao

[ ] ), respectivamente, ento a matriz de

Seja

bases de

tem em relao

] e:

([ ] )

Prova: Para mostrar que a matriz [

] a inversa de [ ] , basta

mostrar que o produto entre elas a identidade.


Note que [ ] a matriz de
de

em relao

em relao

. Note que

e[

] a matriz

tem, devido ao

Teorema 15.3.4, como matriz em relao :

Mas [

] [ ]

15.3.6 Corolrio: Seja

[ ]

] [ ]

( )

[ ] a identidade, e em (*):

bases de

bases de

[ ]

([ ] )

uma transformao linear,

, podemos relacionar as matrizes [ ] e

por:

[ ]

[ ] [ ] [ ]

297

Onde [ ]
relao s bases
e [ ]
bases

a matriz da transformao
e

identidade em

, isto , a matriz mudana de base de

a matriz da transformao

identidade em relao s

e , isto , a matriz mudana de base de

Observe que, temos


composio

para .

, logo podemos fazer a

, mas tambm tem-se

composio

para

e fazemos a

. Desta forma:

[ ]

( )

Mas, pelo Teorema 16.3.4 [

] [ ]

[ ] [ ] [ ]

voltando em (*):

[ ]

[ ]

] [ ]

[ ] [ ] [ ]

[ ] [ ] [ ]

15.3.7 Caso Particular: Se tivssemos


linear e as bases

transformao

de , vejamos o que acontece:

Suponhamos que conhecemos [ ] , vejamos como determinar


[ ] .
Tratamos

como bases de

( )e

como bases de

( ). Temos o esquema:
298

Logo,

tem a matriz [ ] ,

composio
temos

ter a matriz [
com matriz [ ]

temos a matriz [

[ ]

tem a matriz [ ]

] [ ]

[ ] [ ] , mas tambm

e fazendo a composio
] [ ]

[ ] [ ] [ ] . Logo:

[ ] [ ] [ ]

[ ]

[ ] [ ] [ ]

Mas, lembramos que as matrizes mudana de base de


mudana de base de

para

e a

so inversas, isto , [ ]

( )

para

([ ] ) , logo (I)

fica:

[ ]

[ ] [ ] [ ]

[ ] [ ] ([ ] )

[ ]

[ ] [ ] ([ ] )

299

CAPTULO 16: AUTOVALORES E AUTOVETORES

16.1 INTRODUO
Agora, vamos considerar transformaes lineares cujo conjunto
de partida e de chegada so um mesmo espao vetorial
consideramos transformaes

, isto ,

Quando estudvamos funes, sabamos que os elementos


( ) tais que ( )

eram chamados de pontos fixos do domnio da

funo. Analogamente, considerando


os vetores

( ) tais que

uma transformao linear,

( )

so chamados de vetores fixos

) a aplicao identidade. Neste

de .
Exemplos:
01. Seja

tal que (

caso, todo vetor


seja

associado a ele mesmo, isto , qualquer que


, tem-se (

02. Seja
[ ]

tal que (

).

), ou na forma matricial,

] [ ]. Quais so os vetores de

tais que

)?

Vejamos:

Isto , todo vetor da forma (

levado nele mesmo e,

geometricamente, estes so os vetores que esto sobre o eixo .


Agora, vamos considerar o seguinte caso: sendo
so os vetores

( ) tais que

mltiplos, isto , quais so os vetores

, quais

levado em algum de seus


tais que

( )

.
300

Observe que os vetores

( ) sero de mesma direo, o sentido

depende dos valores do escalar

e, ainda, estes vetores esto sobre

uma mesma reta suporte.


Resumidamente, estamos procurando um vetor

e um escalar

tais que:

( )
Note que,

( )

satisfaz (*), qualquer que seja , portanto estamos

interessados somente nos vetores


Em (*), o escalar
o autovetor de

chamado de autovalor de

e o vetor

associado ao autovalor .

Em seguida, vamos nos referir s transformaes lineares


como sendo operador linear.
16.1.1 Definio: Seja
e
autovetor de
Observao:

tais que

um operador linear. Se existirem


( )

um autovalor de

um

associado a .
pode ser nulo. A nica restrio que temos que

Exemplos:
01. Seja
matricial (
Note que, se
autovetor de

tal que
)

( )

ou

). Na forma

] [ ].
,

um autovalor de

e qualquer (

associado ao autovalor . Geometricamente.

301

02. Em geral, se

dada por

autovalor e qualquer

tem

( )

) autovetor de

como

associado a

pois ( ) sempre um vetor de mesma direo de .


Nesta transformao, temos os seguintes casos:
i. Se

a identidade;

ii. Se | |

iii. Se | |

iv. Se

03. Seja

dilata o vetor ;
inverte o sentido de .

], ento

contrai o vetor ;

][ ]

dada por

Para procurar os autovalores e autovetores de

, isto :

( )

fazemos

, ou

( )

ainda:

[ ]

Ento, obtemos:

302

Consideramos dois casos: i)


i. Se

e ii)

, da segunda equao temos

. Tomando

na primeira equao:

Logo, para

temos vetores da forma (

vetor da forma (

autovetor de

, ou seja, qualquer

associado ao autovalor

. Em outras palavras:
(

Geometricamente, os autovetores de

)
associados ao autovalor

todos os vetores no nulos que esto sobre a reta


os vetores de
por

que esto sobre a reta

so

. Logo, todos
so transformados

em vetores de mesma direo.

ii. Se

, deve ocorrer

primeira

equao,

(pois se

)) e, da
.

autovetor de

associado

. Em outras palavras.

Geometricamente, os autovetores de

)
associados ao autovalor

todos os vetores no nulos que esto sobre a reta


vetores no nulos sobre o eixo
sobre o eixo

temos

Portanto, qualquer vetor da forma (


ao autovalor

, teramos (

, isto , so os

. Logo, todos os vetores de

so transformados por

so

que esto

em vetores de mesma direo.

303

16.1.2 Teorema: Dada


autovetor de

transformao linear e

associado ao autovalor

ainda autovetor de

devemos mostrar que ( )

autovetor de

. De fato, como
( )

linear, (

associado a

, temos:

( )

( ), logo (I) fica:

( )

Como, por hiptese,


( )

. Qualquer vetor

associado a .

Prova: Para mostrar que

Como

de

um

( )

( )

autovetor de

associado a

, temos

e substituindo em (II):

( )

Logo,

( )

autovetor de

associado a .

16.1.3 Definio: Sendo


autovetor de
autovetores de

( )

transformao linear e

associado ao autovalor
associados ao autovalor

subespao vetorial de

. O conjunto formado pelos


e o vetor nulo de

um

(mostre). Denotamos este subespao por:

{
Chamamos o subespao

( )

de subespao associado ao autovalor .

Observao: Para mostrar que


subespao de , basta mostrar que:
i. Para quaisquer
, tem-se
;
ii. Para qualquer
e
, tem-se
.

304

16.2 AUTOVALORES E AUTOVETORES DE UMA MATRIZ


O mtodo que estvamos usando para determinar autovalores e
autovetores era um tanto quanto incerto, pois dependendo da
transformao, fica muito difcil identificar quais so os valores de

consequentemente os autovetores. Porm, nosso trabalho pode ser mais


efetivo utilizando matrizes associadas as transformaes.
Dada uma matriz

(quadrada, de ordem

referindo a autovalor e autovetor de

como sendo o autovalor e

autovetor da transformao linear


relao base cannica, isto ,

), estaremos nos

associada matriz
.

( )

Desta forma, para encontrar autovalores


de , devemos determinar

Caso tenhamos

em

e autovetores

que satisfaam a equao:

e fixada uma base

determinar os autovalores e autovetores de

, veremos que para


basta determinar os

autovalores e autovetores da matriz [ ] .

16.2.1
matricial

Polinmio
e sejam

Caracterstico:

Consideramos
] e

equao

]. J vimos

que, para determinar os autovalores e autovetores de

, devemos

resolver a equao:

305

([

([

]) [

][

]) [

[ ]

[ ]

[ ]

Como este sistema homogneo, se o determinante da matriz dos


coeficientes [

] for diferente de zero, a nica

soluo para o sistema ser a soluo trivial [

[ ], ou seja, a

soluo o vetor nulo e como estamos procurando autovetores,


precisamos determinar vetores no nulos. Assim, deve ocorrer que o
determinante da matriz dos coeficientes deve ser zero (pois, o
determinante igual a zero, nos diz que uma linha combinao linear
das demais, isto , o sistema ter mais incgnitas do que equaes, o
que implica que este possui infinitas solues):

(
Observe que

) um polinmio de grau

em , isto ,
306

( )

Chamamos

de polinmio caracterstico da matriz .

Logo, para determinar os autovalores da matriz

, basta

determinar as razes do polinmio caracterstico, pois, determinar


tal que

equivalente a determinar

tal que ( )

Exemplos:

01. Sendo

], queremos determinar

tais que

. De acordo com o que foi visto anteriormente, devemos calcular


tal que:
( )

Sendo

], temos:

Logo ( )

se, e somente se:

307

)(

)(

)(

)(

( )( (

))

)[(

)(

)(

Das informaes acima, j temos que um autovalor


falta analisar (

)(

)(

, mas ainda

. Ento:

{
Logo, as razes de
so

so,

. Assim, os autovalores de

. Conhecendo os autovalores, conseguimos determinar

os autovetores correspondentes. Resolvendo a equao


i.

, tomando

[ ] temos:

][ ]

[ ]

Substituindo

em
, isto ,

{(

tem-se

][ ]

. Logo os autovetores

so os vetores
(

associados ao autovalor
e

para:

{ (

tais que

. Logo:

[(

)]

[(

)]
308

O subespao
(

associado ao autovalor

o subespao gerado por

).

ii.

, tomando

[ ] temos:

][ ]

[ ]

][ ]

. Logo, os autovetores de
tais que

Da primeira e da segunda equao, nota-se que

e da terceira,

associados ao autovalor

so os vetores

, isto ,

. Logo:
{(

O subespao
(

{ (

[(

)]

asociado ao autovalor

[(

)]

o subespao gerado por

).

02. Seja

], vamos determinar os autovalores de .

Primeiramente, vamos determinar o polinmio caracterstico que


( )

). Para isto:

Logo:
309

( )

)(

( )
Sabemos que os autovalores de

sero as razes de , assim:

( )

As razes de

so

. Ento os autovalores de

sero

Agora, procuramos os autovetores associados a estes autovalores, para


isto, devemos resolver a equao
i.

e tomando

para:
[ ]:

][ ]

[ ]

Das duas equaes, temos


autovalor
temos que

so os vetores
(

e, portanto, os vetores associados ao


(

tais que

{(

{ (

[(

e tomando

, ou seja,

. Logo:

ii.

][ ]

[(

)]

)]

[ ]:

[ ]

][ ]

310

Em ambas as equaes
autovalor
(

e, portanto, os autovetores associados ao

so os vetores

{ (

[(

)]

, ou seja,

. Logo:

{(

[(

)]

Observe geometricamente:

03. Seja

( )

], vamos determinar os autovalores de .

([

])

311

( )

Note que o polinmio caracterstico no admite raiz real, ou seja, no


existe

tal que ( )

, logo a matriz

no admite autovalores.

Consequentemente, a transformao linear associada matriz


admite autovalores nem autovetores, logo qualquer vetor
( )

. Geometricamente,

no

tal que

no preserva a direo de nenhum vetor.

Observao: Devido ao fato de estarmos considerando somente espaos


vetoriais reais, conclumos que a transformao associada a matriz
acima no possui autovalores nem autovetores. Porm, se estivssemos
trabalhando com espaos vetoriais sobre o corpo , qualquer polinmio
admite razes complexas, logo os autovalores seriam complexos, e
assim toda transformao de um espao vetorial complexo admite
autovalores e autovetores.
Em seguida, vamos determinar o polinmio caracterstico de uma
transformao linear, isto , basta associar a tal transformao linear
sua representao matricial.
16.2.2 Polinmio Caracterstico de uma Transformao: Seja
uma transformao linear e

uma base de

. J foi visto

anteriormente que uma transformao linear pode ser escrita por


[ ( )]

[ ] [ ] , logo:

[ ( )]

[ ]

[ ] [ ]

([ ]

([ ]

[ ]

[ ] [ ]

[ ]

)[ ]

A ltima igualdade vem do fato de que

( )

onde

polinmio caracterstico da matriz [ ] e este chamado de polinmio


312

caracterstico da transformao linear

e as razes deste polinmio

sero os autovalores de .
Para determinar um autovetor de
basta resolver a equao [ ( )]

correspondente ao autovalor

[ ] ou, equivalentemente, [ ] [ ]

[ ] .
Veremos que o polinmio caracterstico de uma transformao o
mesmo, independente da base considerada. De fato, seja

outra base,

sabemos que se [ ] a matriz de

em relao base

matriz de

estas matrizes se relacionam da

em relao base

e se [ ] a

seguinte maneira:

[ ]

[ ] [ ] ([ ] )

Assim:

([ ]

([ ] ([ ]

([ ]

)[

([ ] [ ] ([ ] )

) ([ ] ) )

[ ]

([ ]

[ ]

([ ] ) ]

[ ] ([ ] ) )

([ ]

([ ]

([ ]

([ ]

([ ] )

( )

Ou seja, o polinmio caracterstico o mesmo para ambas as


matrizes.
Exemplos:
01. Seja

definida por

procurar os autovalores e autovetores de

), vamos

. Note que a matriz de

em

relao base cannica :


313

[ ]

Para determinar os autovalores de , basta determinar os autovalores da


matriz [ ] , isto , devemos encontrar as razes do polinmio
caracterstico ( )

( )

). Veja que:

([ ]

([ ]

([

)(

])

( )
Agora, os autovalores sero os valores de

tais que:

( )

Agora, para os autovalores acima, devemos resolver a equao


[ ( )]
tomando

[ ]
(

[ ] [ ]

[ ]

temos [ ]

e como

( )

base cannica,

[ ], assim [ ] [ ]

[ ]

( ).

Agora, resolvemos (*) para:


i.

[ ] [ ]

[ ]

][ ]

Das duas equaes temos que


ao autovalor

[ ]

, logo os autovetores de

so os vetores (

associados

, isto , os

314

autovalores de

associados a

so os vetores da forma (

{(

Logo:

ii.

{ (

[(

)]

[ ] [ ]

[ ]

][ ]

[ ]

Das duas equaes obtemos


ao autovalor

, logo os autovalores de

so os vetores (

so os vetores da forma (

{(

, isto ,

. Logo:

tais que

associados

{ (

[(

)]

16.2.3 Multiplicidade de um Autovalor: A multiplicidade de um


autovalor

de

uma

matriz

(ou

transformao)

coincide

com

multiplicidade da raiz correspondente do polinmio caracterstico desta


matriz ( ou transformao).

315

CAPTULO 17: PRODUTO INTERNO

17.1 INTRODUO
Neste captulo, estudaremos conceitos de comprimento e ngulo
entre vetores.
Anteriormente, definimos na Geometria Analtica o produto
escalar entre

vetores.

Com

produto

escalar ainda

podamos

determinar medida angular e calcular a norma de vetores do plano e do


espao. A partir daqui, vamos generalizar estas ideias para vetores de
qualquer natureza.
17.1.1 Definio: Seja

um espao vetorial real. Definimos um

produto interno sobre o espao vetorial

como sendo uma funo

que a cada par de vetores

denotado por
P1.
P2.

, isto , (

, satisfazendo:

P3.

P4.
P5.

associa um nmero real

17.1.1.2 Interpretando cada propriedade: Caso

voc

tenha

dificuldade para interpretar cada propriedade, seguem as explicaes:


P1 nos diz que o produto interno de qualquer vetor por si mesmo
sempre ser um nmero real positivo.
P2 nos diz que se o produto interno de um vetor nulo por si
mesmo ser igual zero.
P3 nos diz que o produto interno de um vetor
multiplicao por escalar por outro vetor
em

) de

pelo nmero

obtido de uma

igual ao produto (usual

.
316

P4 nos diz que o produto interno entre um vetor soma


um vetor

igual soma do produto interno entre

produto interno entre

e do

P5 nos diz que podemos comutar o produto interno, ou seja, a


ordem do produto interno no importa.
Exemplos:
01. Considere o espao vetorial
em

. Definimos um produto interno

como sendo o produto escalar usual, visto em geometria

analtica, isto , sendo

, temos:

Passamos a chamar este produto escalar de produto interno usual do

Vejamos que, de fato, este um produto interno. Para isto, devemos


provar que as 5 propriedades da definio so satisfeitas. Ento:
P1. Seja

P2. Seja

)(

P3. Sejam

) o vetor nulo de

no nulo. Temos:

)(

. Temos:

)(

. Temos:

)(

317

P4. Sejam

)(

)(

P5. Sejam

)(

. Temos:

. Temos:

02. De modo anlogo define-se o produto interno usual no


sendo

Usamos

, isto ,

definimos:

produto

interno

para

definir

os

conceitos

de

perpendicularidade ou ortogonalidade entre vetores.


17.1.2 Definio: Seja
. Dizemos que os vetores
produto interno se
por

um espao vetorial com produto interno


so ortogonais em relao ao
. Denotamos a ortogonalidade entre

.
318

17.1.2.1 Propriedades: Seja

um espao vetorial com produto

interno , as seguintes propriedades so vlidas para a ortogonalidade:


i.

ii.

iii. Se

, ento

iv. Se

v. Se

, ento

, ento

Prova: Para demonstrar cada propriedade, basta usar a definio


de ortogonalidade e as propriedades de definio.
i. Note que

ii.

iii. Sabe-se que

iv. Note que

Teorema:

, mas por hiptese

, o que equivale a
Considerando

, ento {

, o

um

, logo

.
espao

vetorial,

se

} LI.

Prova: Para mostrar que {


equao

, mas por hiptese

um conjunto de vetores no nulos, dois a dois ortogonais,

isto ,

17.1.3

v. Note que

, logo

que equivale a

, mas por i acima, o nico vetor que

ortogonal a todo vetor


, logo

} LI, devemos mostrar que a

implica em

. De fato, tomemos
e

faamos o produto interno dos dois membros da igualdade (que so


vetores iguais) por algum dos

de {

}:

319

Usando as propriedades da definio de produto interno (observe


que

, pois o vetor nulo ortogonal a qualquer vetor):

Agora, note que em todos os produtos

, uma vez que os vetores de {

obtm-se

} so dois a dois

ortogonais, logo reescrevemos a igualdade acima:

Como

, temos que

, logo a nica possibilidade que

torna a igualdade acima vlida

Perceba que este processo pode ser repetido para


assim cada coeficiente da equao
o conjunto {

ser nulo, ou seja,

} de vetores no nulos, dois a dois ortogonais, LI.

Lembre-se que, na geometria analtica, tudo ficava muito mais


simples quando trabalhvamos com a base cannica { } e isto vem do
fato de que os vetores desta base so dois a dois ortogonais.
A seguir veremos que, para espaos vetoriais quaisquer, possvel
trabalhar com bases to simples quanto a base cannica do
17.1.4 Definio: Seja
uma base de

. Diremos que

um espao vetorial e
uma base ortogonal se

isto , se seus vetores so dois a dois ortogonais.

320

17.2 COEFICIENTES DE FOURIER


Sendo

base ortogonal de um espao vetorial

tcnica para encontrar coordenadas de vetores de


Seja

em relao .

um espao vetorial com produto interno ,

uma base ortogonal de


coordenadas de

, isto , devemos determinar


.

coordenada de

Vejamos

em relao

como

, isto , vamos

. Para isto, falamos o produto interno dos dois membros

de

por

Assim, obtemos a

coordenada

de

, em relao base

, tomando o quociente entre o produto interno de

vetor

da base e o produto interno do

base por si mesmo. Chamamos a coordenada


Fourier de

um vetor qualquer. Vamos calcular as

que

determinar a
determinar

em relao base

tais

ortogonal

, veremos uma

em relao

vetor

pelo
da

de coeficiente de

Exemplo:
Seja

com seu produto interno usual e

Note que

uma base ortogonal, pois:


(

)(

{(

)(

)} base de .

321

Vamos determinar as coordenadas do vetor (


isto , vamos determinar

tais que (

isto, faamos o produto interno dos vetores de


de (
Por (
(

):

). Para

em ambos os membros

), temos:
)(

)(

)(

(
(
Por (

em relao

)(

)(
)(

)(

)(

)(

)(

)(

)
)

), temos:

)(

)(

)(

)(

(
(

Assim, escrevemos [(

)]

)(
)(

)(

)(

)(

)
)

[ ].

Perceba que o coeficiente de Fourier de (


relao (

) em relao (

e em

) .

17.3 NORMA

322

Como j foi visto, em alguns espaos vetoriais, no conseguimos


descrever geometricamente seus vetores. Assim, como podemos falar de
norma (comprimento) de vetores sem uma representao geomtrica?
Veremos a seguir que, a partir de um produto interno podemos definir
norma de vetores, independente de sua natureza.
17.3.1 Definio: Seja

um espao vetorial com produto interno

. Definimos a norma (ou comprimento) de um vetor


ao produto interno como sendo
Quando

, dizemos que

A partir de qualquer vetor


vetor unitrio
vetor

em relao

um vetor unitrio.
, no nulo, podemos determinar o

, chamado de versor de . Note que, de fato, o

unitrio, pois:

Exemplos:
01. Seja

e o produto interno usual de

considerarmos

Tomando

, a norma deste vetor dada por:

)(

, vamos determinar a norma deste vetor:

)(

Note que, como

, ento se

( )

( )

no um vetor unitrio. Porm, foi visto

que podemos determinar, a partir de

, um vetor unitrio, veja:


323


Veja que

unitrio, pois:

( )

( )


17.3.1.1 Propriedades: Seja

um espao vetorial com produto

interno , as seguintes propriedades so vlidas:


i.

ii.
iii.

| |

iv. |

v.

(Desigualdade de Schwarz);

(Desigualdade Triangular).

Prova: De fato:
i e ii. Por definio,
e caso

tem-se

e j foi visto que

. Assim, provamos i e ii.

iii. Por definio,

( ) Mas j foi visto em

propriedades anteriores que

e usando

| |

esta propriedade em (*):

iv. Note que, se

ou

| |

(pode ser tambm

e vale a igualdade

Suponha agora

) temos

, para qualquer

sabemos que

, isto :

324

Temos ento um trinmio de grau 2 que deve ser positivo,


qualquer que seja

. Note que o coeficiente

positivo, qualquer que seja


funo positiva

( )

, isto ,

de

. Se pensarmos na

, com

sempre

indica que o grfico desta funo ter concavidade para cima e como
esta deve ser positiva, seu grfico deve estar localizado acima do eixo
ou seja, o discriminante

deve ser negativo ou nulo (no existncia de

razes reais ou duas razes coincidentes). Logo:


(

( )

( )

v. Queremos mostrar que

. Vamos separar em

casos:
a) Se

, temos

, logo:

A igualdade vlida e, alm disso, se tivssemos

e tambm

, ainda seria vlida a igualdade.


b) Se

, faamos:

325

Lembrando que

(um nmero real sempre menor

| |

desigualdade de Schwarz ainda sabe-se que |

( )

ou igual ao seu valor absoluto), assim

, portanto:

|. Mas, pela

( )

Voltando em (*) e usando (**):

17.4 NGULO ENTRE VETORES


Usando os conceitos vistos at aqui, vamos determinar o ngulo
entre dois vetores quaisquer, independendo de sua natureza.
Para definir ngulo entre dois vetores, vamos considerar um
espao vetorial

munido de um produto interno. Considere

vetores no nulos, ento a desigualdade de Schwarz pode ser


manipulada da seguinte maneira:

|
|

|
|
|

( )

326

Agora lembremos que

] tem-se |

considerando desigualdade (I), existe um ngulo

, ou seja,

] tal que

. Desta forma:


Assim, definimos

).

Note que, da maneira como o ngulo foi definido, podemos falar


naturalmente das noes de ortogonalidade, pois se
, isto ,

temos

Exemplo:
Considere

( ) com o produto interno:

] [

Vamos calcular o ngulo entre os vetores

( ). Por definio, temos:

( )

Calculemos separadamente cada valor de (*) e depois voltamos nesta


equao.
Calculando

] [

))

( )
327

Calculando :

] [

( )

( )

Calculando :

] [

( )

Substituindo (I), (II) e (III) em (*):

17.4.1 Definio: Seja


e

ortonormal se
isto ,

um espao vetorial com produto interno

uma base de

. Diz-se que

uma base

for ortogonal e cada um de seus vetores for unitrio,

ortonormal se:
328

Observe que, se

} base de

ser escrito como


coordenada

temos que

, se

pode

for ortonormal, cada

dada por:

Exemplo:
Seja

Note que

} a base cannica, isto ,

uma base ortonormal, logo se

) e

).

escrevemos:

( )
Mas

e em (*) temos:

[ ]

17.5 PROCESSO DE ORTONORMALIZAO DE GRAM-SCHMIDT


Considerando uma base qualquer de um espao vetorial, veremos
que existe um processo para encontrar uma base ortonormal a partir
desta base dada.
Antes de iniciarmos o processo de ortogonalizao de GramSchmidt, veremos alguns conceitos e resultados necessrios para sua
determinao.

329

15.5.1 Definio: Seja


e

um espao vetorial com produto interno

} um subconjunto de

. Dizemos que

um conjunto

ortonormal se seus vetores so dois a dois ortogonais (

) e todos unitrios (

).

Em outras palavras:

Note que, no caso

temos

e esta a condio de que qualquer vetor do conjunto


unitrio.

Exemplo:
Considerando o espao vetorial
mostrar que o conjunto
vetores de

de

e seu produto interno usual, vamos

{(

)e

)(

)} ortonormal. Chamemos os

)(

), ento:

)(

)(

Como

so unitrios ortogonais entre si, por definio o conjunto

ortonormal. Note que:

15.5.2 Proposio: Seja

um espao vetorial com produto interno

. Todo subconjunto ortogonal de

necessariamente LI.
330

Prova: Seja
mostrar que

um conjunto ortogonal. Queremos

LI, isto , devemos mostrar que:

Tomemos
interno de

e faamos o produto

em ambos os membros da igualdade, isto :

Como

implicou em

procedimento para
ou seja,

, podemos repetir este

e assim obtemos que

} LI.

15.5.3 Proposio: Seja

} um subconjunto ortonormal

do espao vetorial

com produto interno . Ento, para qualquer

o vetor

do subespao gerado pelos vetores de

ortogonal a todo vetor

([

]).

Prova: Note que, para mostrar que


subespao gerado [

ortogonal a todo vetor do

], basta mostrar que

combinao linear de

ortogonal a qualquer

Resumindo: Tomando
mostrar que

], devemos

Antes disso, vamos conferir que

ortogonal a cada um dos

. Veja:

331

Podemos repetir este processo para


. Assim,
. Tomando

ortogonal a qualquer combinao linear


] (o mesmo vetor descrito acima) temos:

e conclumos que

ortogonal a qualquer vetor de .

Agora, mostremos que


dos

Assim, mostramos que para qualquer

332

Ou seja,

ortogonal a qualquer vetor do subespao [

(ortogonal a qualquer combinao linear de

).

17.5.4 Teorema (ortonormalizao de Gram-Schmidt): Todo


espao vetorial

de dimenso finita

admite uma base ortonormal.

Prova: Vamos demonstrar este teorema em etapas, tomando


dimenses

i. Se

, considere { } uma base de

unitrio e ainda forma um conjunto {

, ento o vetor
LI, ou seja, este

conjunto forma uma base ortonormal para .


ii. Se

, considere {

} uma base de . Faamos

e este um vetor unitrio. Agora, usando a Proposio 17.5.3, podemos


determinar a partir de
e assim o vetor

o vetor

ainda ortogonal a

forma uma base ortonormal de , pois


iii. Se

e unitrio. Logo {
e

, considere {

que ortogonal a

} uma base de

.
. Faamos

e este um vetor unitrio. Agora, usando a Proposio 17.5.3,

podemos determinar a partir de


ortogonal a

o vetor

e assim o vetor

que

ainda ortogonal a

unitrio. Novamente, usando a Proposio 17.5.3, podemos determinar a


partir de

o vetor

e assim o vetor
conjunto {

que ortogonal a

ainda ortogonal a

. Desta forma, o

} uma base ortonormal de .

iv. Se

, considere {

} uma base de

para determinar os primeiros vetores

. Note que,

o procedimento

anlogo aos outros casos e assim, ao chegarmos no


devemos escolher

, onde:

vetor

333

Este processo chamado de processo de ortonormaliazao de


Gram-Schmidt que, nos permite a partir de uma base qualquer de um
espao vetorial , determinar uma base ortonormal de .
Exemplo:
Seja

vetores

{(

)(

ortonormal de

)} uma base de

)(

.
:

), vamos determinar uma base

Tomamos o primeiro vetor

. A partir dos

)(

Tomamos o segundo vetor

, onde:

)(

)(

Logo:
(

)(

Tomamos o terceiro vetor

, onde:

334

)(

)(

)(

)(

) (

( )(

Logo:

) (

)
)

( )

Desta forma, {
ortonormal de

{(

)(

) (

)} uma base

17.5.5 Definio: Seja


. Dado

um espao vetorial com produto interno

um subespao de , o conjunto

um subespao de ,

onde:
{

335

chamado de complemento ortogonal de

Exemplo:
Sejam

{(

}, vamos determinar o conjunto

Sabemos que:
{(

{ (

Um vetor

[(

)e

)(

pertence a

em particular,

{(

)]

[(

)(

)]

se e somente se,

e,

) ( perpendicular aos geradores de

), logo:

Logo
[(

(
)]

)(

)(

)
[(

e assim

{(

)], e assim, uma base para

}
{(

{ (

)}.

336

REFERNCIAS
BOLDRINI, J.L. lgebra Linear. HARBRA. So Paulo, 1986.
BOULOS, P. Geometria Analtica, Um Tratamento Vetorial. Pearson. So
Paulo, 2006.
CALLIOLI, C.A. lgebra Linear e Aplicaes. Atual Editora. So Paulo,
ano.
WINTERLE, P. Vetores e Geometria Analtica. Pearson. So Paulo, 2000.

337

Das könnte Ihnen auch gefallen