Baixe o app para aproveitar ainda mais
Prévia do material em texto
GEOMETRIA ANALI´TICA E A´LGEBRA LINEAR NOTAS DE AULAS Faculdade de Filosofia, Cieˆncias e Letras de Ribeira˜o Preto Universidade de Sa˜o Paulo Departamento de Computac¸a˜o e Matema´tica Prof. Dr. Jair Silve´rio dos Santos Suma´rio 1 MATRIZES 1 1.0.1 Adic¸a˜o de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.0.2 Multiplicac¸a˜o de Nu´mero (Escalar) por Matrizes . . . . . . . . . . . . 2 1.0.3 Propriedades da Multiplicac¸a˜o de Nu´mero (Escalar) por Matrizes . . 2 1.1 Multiplicac¸a˜o de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.1.1 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.1.2 Matriz Adjunta Cla´ssica e Inversa . . . . . . . . . . . . . . . . . . . . 8 1.2 Sistemas de Equac¸o˜es Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.2.1 Operac¸o˜es Elementares . . . . . . . . . . . . . . . . . . . . . . . . . 11 2 GEOMETRIA 17 2.0.2 Segmentos Orientados . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.0.3 Equipoleˆncia de Segmentos Orientados . . . . . . . . . . . . . . . . . 20 2.1 Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.1.1 Multiplicac¸a˜o de Nu´mero Real (escalar) Por Vetor . . . . . . . . . . . 24 2.1.2 Soma de Ponto com Vetor . . . . . . . . . . . . . . . . . . . . . . . . 26 2.1.3 Dependeˆncia e Independeˆncia Linear . . . . . . . . . . . . . . . . . . 29 2.1.4 Bases e Dimensa˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 2.2 Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 2.2.1 Projec¸a˜o Ortogonal de Vetores . . . . . . . . . . . . . . . . . . . . . . 38 2.2.2 Bases Ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 2.2.3 Bases Ortonormais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 2.2.4 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 2.3 Geometria Anal´ıtica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 2.3.1 Retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 2.3.2 Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 3 A´LGEBRA LINEAR 47 3.1 Espac¸o Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 3.1.1 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 3.1.2 Subespc¸os vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 3.1.3 Geradores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 3.1.4 Conjunto de Geradores . . . . . . . . . . . . . . . . . . . . . . . . . . 57 3.1.5 Dependeˆncia Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 3.1.6 Soma e Intercecc¸a˜o de Subespac¸os . . . . . . . . . . . . . . . . . . . . 60 3 4 SUMA´RIO 3.1.7 Base e Dimensa˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 3.1.8 Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 4 Espac¸os Euclidianos 69 4.1 Produto Esalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 4.1.1 Projec¸a˜o Ortogonal de Vetores . . . . . . . . . . . . . . . . . . . . . . 72 4.1.2 Bases Ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 4.1.3 Bases Ortonormais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 4.1.4 Ortogonalizac¸a˜o de Gram-Schmidt . . . . . . . . . . . . . . . . . . . 76 4.1.5 Projec¸a˜o Ortogonal de um Vetor sobre um Subespac¸o . . . . . . . . . 79 5 TRANSFORMAC¸O˜ES LINEARES 81 5.1 Kernel e Imagem de uma Transformac¸a˜o Linear . . . . . . . . . . . . . . . . 82 5.1.1 Transformac¸a˜o Linear Injetora, Sobrejetora, Bijetora . . . . . . . . . 83 5.1.2 Teorema do Nu´cleo e da Imagem . . . . . . . . . . . . . . . . . . . . 86 5.2 Matriz de uma Transformac¸a˜o Linear . . . . . . . . . . . . . . . . . . . . . . 87 5.2.1 Tranformac¸o˜es Singulares e Na˜o Singulares . . . . . . . . . . . . . . 89 5.3 Autovalores e Autovetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 5.3.1 Semelhanc¸a de Matrizes . . . . . . . . . . . . . . . . . . . . . . . 97 Cap´ıtulo 1 MATRIZES Professor Doutor: Jair Silve´rio dos Santos Matrizes Reais Uma matriz real e´ o seguinte arranjo de nu´meros reais : An×m = a11 a12 a13 · · · a1m a21 a22 a23 · · ·a2m ... ... ... ... an1 an2 an3 · · ·amm , onde, cada entrada (elemento) aij ∈ R, i = 1, 2, · · · , n e j = 1, 2, · · · ,m. Definic¸a˜o 1.1. Chama-se Matriz Nula, a matriz cujas entradas sa˜o zero, ou seja aij = 0, para i = 1, 2, · · · , n e j = 1, 2, · · · ,m. Escolhemos a letra O para representa´-la, isto e´ On×m = 0 0 0 · · · 0 0 0 0 · · ·0 ... ... ... ... 0 0 0 · · ·0 . Seja Mn×m(R) o conjunto de todas as matrizes reais An×m. Note que O ∈Mn×m(R). 1.0.1 Adic¸a˜o de Matrizes Definic¸a˜o 1.2. Dadas An×m e Bn×m, a adic¸a˜o de matrizes e´ uma func¸a˜o + : Mn×m(R) × Mn×m(R) −→Mn×m(R) dada por +(A,B) = A+B, onde An×m = (aij)n×m, Bn×m = (bij)n×m, A+B = (cij)n×m e cij = aij + bij, i = 1, 2, · · · , n e j = 1, 2, · · · ,m. 1 2 CAPI´TULO 1. MATRIZES 1.0.2 Multiplicac¸a˜o de Nu´mero (Escalar) por Matrizes Definic¸a˜o 1.3. Dados α ∈ R e An×m a multiplicac¸a˜o de nu´mero real (escalar) por matriz e´ uma func¸a˜o • : R×Mn×m(R) −→Mn×m(R) dada por •(α,A) = α ·A, onde An×m = (aij)n×m, α ·B = (cij)n×m e cij = α · aij, i = 1, 2, · · · , n e j = 1, 2, · · · ,m. Exemplo 1.1. Considremos as matrizes A2×3 = ( 1 −1 3 0 −2 2 ) , B2×3 = ( 3 −2 0 2 2 1 ) Calcule A+B e (−1) ·A. Comec¸amos por determinar a matriz A+B, A2×3 +B2×3 = ( 1 −1 3 0 −2 2 ) + ( 3 −2 0 2 2 1 ) = ( c11 c12 c13 c21 c22 c23 ) = ( 1 + 3 −1 + (−2) 3 + 0 0 + 2 −2 + 2 2 + 1 ) = ( 4 −3 3 2 0 3 ) = A+B. A multiplicac¸a˜o de nu´mero por matriz (−1) ·A, (−1) · ( 1 −1 3 0 −2 2 ) = ( (−1)1 (−1)− 1 (−1)3 (−1)0 (−1)− 2 (−1)2 ) = (−1 1 −3 0 2 −2 ) = (−1) ·A. Propriedades da Adic¸a˜o de Matrizes Dadas An×m, Bn×m e Cn×m, sa˜o verdadeiras as afirmac¸o˜es abaixo: A1 : A+ (B+C) = (A+B) +C). Associativa A2 : A+B = B+A. Comutativa A3 : A+O = A. Elemento Neutro A4 : A+ (−B) = O. Elemento Sime´trico • O elemento −A ∈ Mn×m(R) e´ o Elemento Sime´trico de A em relac¸a˜o a` Adic¸a˜o de Matrizes 1.0.3 Propriedades da Multiplicac¸a˜o de Nu´mero (Escalar) por Matrizes Dados α, β ∈ R, An×m e Bn×m, sa˜o verdadeiras as afirmac¸o˜es abaixo: M1 : (α + β) ·A = α ·A+ β ·A. 1.1. MULTIPLICAC¸A˜O DE MATRIZES 3 M2 : α · (A+B) = α ·A+ α ·B. M3 : 1 ·A = A M4 : α · (β ·A) = (αβ) ·A = β · (α ·A). • Observe que o conjuntoMn×m(R) com as operac¸o˜es de Adic¸a˜o eMultiplicac¸a˜o por Escalar, que aqui indicamos por (Mn×m(R),+, ·) tem estruturas especiais com as proprieda- des listadas emA1, A2, A3 eA4;M1,M2,M3 eM4 o que da´ ao conjunto (Mn×m(R),+, ·) um nome diferenciado, que e´ o de ESPAC¸O VETORIAL. 1.1 Multiplicac¸a˜o de Matrizes Definic¸a˜o 1.4. DadasAn×p e Bp×m, a multiplicac¸a˜o de matrizes e´ uma func¸a˜o ∗ :Mn×p(R)× Mp×m(R) −→Mn×m(R) dada por ∗(A,B) = A ·B, onde An×p = (aij)n×p, Bp×m = (bjk)p×m, A ·B = (cik)n×m e cik = p∑ j=1 (aij · bjk). Exemplo 1.2. Considere as matrizes A = 1 −10 −2 3 2 e B = (−1 1 −3 0 2 −2 ) . Calcule A ·B. Podemos utilizar umaa regra pra´tica que consiste de posicionar as matrizes A e B e realizar a multiplicac¸a˜o como segue, 1 −10 −2 3 2 (−1 1 −3 0 2 −2 ) ( c11 c12 c21 c22 )�� � � �� c11 = a11b11 + a12b21 + a13b31 c12 = a11b12 + a12b22 + a13b32 c21 = a21b11 + a22b21 + a23b31 c22 = a21b12 + a22b22 + a23b32 c11 = (−1)1 + 1(0) + (−3)3 c12 = (−1)(−1) + 1(−2) + (−3)2 c21 = 0(1) + 2(0) + (−2)3 c22 = 0(−1) + 2(−2) + (−2)2 Matriz Produto Assim,obtemos a matriz A ·B dada por A ·B = (−10 −7 −6 −8 ) . Definic¸a˜o 1.5. Dada uma matriz An×p = (aij)n×p chama-se Matriz Transposta de An×p, outra matrix Bp×n == (bij)n×n tal que bij = aji , para i = 1, 2 · · ·n, j = 1, 2 · · · p e escrevemos B = At. 4 CAPI´TULO 1. MATRIZES Propriedade da Transposic¸a˜o de Matrizes Dados α ∈ R e matrizes quadradas A e B tem-se T1 (At)t = A. T2 (A+B)t = At +Bt. T3 (A ·B)t = Bt ·At. T3 (αA)t = αAt. Exerc´ıcio 1.1. Dadas as matrizes A = 1 2 −33 4 0 −1 2 0 e B = −2 1 00 3 0 5 −4 0 Calcule A ·B, (A ·B)t e Bt ·At . ∗ Dizemos que uma matriz quadrada A e´ SIME´TRICA se A = At. A e´ ANTI- SIME´TRICA se A = −At. Exerc´ıcio 1.2. Mostre que se A e B forem seme´tricas enta˜o A+B e αA sa˜o sime´tricas. • Mostre que se A e B forem seme´tricas enta˜o A · B e´ sime´trica se e somente se A ·B = B ·A. Propriedades da Multiplicac¸a˜o de Matrizes A` partir deste momento, estaremos considerando apenas as Matrizes Quadradas, isto e´, matrizes An×n ∈ Mn×n(R). Faremos isto somente por que nossos propo´sitos estara˜o satisfeitos com com matrizes quadradas. • Chama-se Matriz Identidade a matriz An×n = (aij)n×n tal que aij = { 1, se i = j, 0, se i 6= j, esta matriz sera´ denotada por In e enta˜o In = In×n = 1 0 0 · · · 0 0 1 0 · · ·0 ... ... ... ... 0 0 0 · · ·1 . ∗ Dadas duas matrizes An×n e Bn×n, dizemos que as matrizes A e B Comutam se A ·B = B ·A. Observe que a comutatividade do produto de matrizes na˜o e´ sempre verdadeira, veja exemplo abaixo. Exemplo 1.3. Consideremos as matrizes A = ( 1 −1 0 −2 ) e B = (−1 1 2 0 ) . Verifique que A ·B 6= B ·A. 1.1. MULTIPLICAC¸A˜O DE MATRIZES 5 Aplique a definic¸a˜o 1.4 (m = n = p) e vera´ que A ·B = ( 1 −1 0 −2 ) · (−1 1 2 0 ) = (−3 1 −4 0 ) e B ·A = (−1 1 2 0 ) · ( 1 −1 0 −2 ) = (−1 −1 2 −2 ) . Note que A ·B 6= B ·A. ? Na˜o e´ dificil ver que a matriz In comuta com qualquer An×n = (aij)n×n. 1.1.1 Matriz Inversa Definic¸a˜o 1.6. Dada uma matriz quadrada An×n ∈ Mn×n(R) chama-se Matriz Inversa A a` uma outra matriz Bn×n ∈Mn×n(R) tal que A ·B = In e B ·A = In. Denotaremos a Matriz Inversa de A por A−1. ∗ A matriz A−1 e´ o elemento sime´trico de A em relac¸a˜o a`Multiplicac¸a˜o de Matrizes. Exemplo 1.4. Considere as matrizes A = (−2 1 0 3 ) e B = 1 6 (−3 1 0 2 ) . Na˜o e´ dificil ver que, (−2 1 0 3 ) · 1 6 (−3 1 0 2 ) = ( 1 0 0 1 ) e que 1 6 (−3 1 0 2 ) · (−2 1 0 3 ) = ( 1 0 0 1 ) Portanto, A ·B = In e B ·A = In. Ou seja B e´ a matriz inversa de A em relac¸a˜o a` Multiplicac¸a˜o de Matrizes. Propriedades da Multiplicac¸a˜o de Matrizes Dadas An×n, Bn×n e Cn×n, sa˜o verdadeiras as afirmac¸o˜es abaixo: MM1 : A · (B ·C) = (A ·B) ·C). Associativa MM2 : A · In = A, e In ·A = A . Elemento Neutro MM3 : A · (A−1) = In. Elemento Sime´trico Propriedades de Distributividade Dadas An×n, Bn×n e Cn×n, sa˜o verdadeiras as afirmac¸o˜es abaixo: DM1 A · (B+C) = A ·B+A ·C) e (B+C) ·A = B ·A+C ·A). • A notac¸a˜o An significa A n−vezes ·A · · · A. 6 CAPI´TULO 1. MATRIZES Exemplo 1.5. Dadas as matrizes A = ( 1 2 −3 3 4 0 ) e B = At = 1 32 4 −3 0 . Uma Aplicac¸a˜o das Matrizes Exemplo 1.6. Uma industria produz treˆs produtos, X, Y , e Z, utilizando dois tipos de insumos, A e B. Para a manufatura de cada kg de X sa˜o utilizados 1 grama do insumo A e 2 gramas do insumo B; para cada kg de Y sa˜o utilizados 1 grama do insumo A e 1 grama do insumo B, e cada kg de Z sa˜o utilizados 1 grama do insumo A e 4 gramas do insumo B. Usando matrizes o esquema de produc¸a˜o pode ser descrito da seguinte forma: ( 1 1 1 2 1 4 ) xy z ( x+ y + z 2x+ y + z ) = A, X Y Z gramas de A por kg gramas de B por kg W = kg de X produzidos kg de Y produzidos kg de Z produzidos AW = gramas de A usadas gramas de B usadas. Exerc´ıcio 1.3. Dadas as matrizes A = 1 2 −33 4 0 2 3 −1 e B = −2 1 −10 3 1 5 −4 0 Verifique se A ·B = B ·A. Exerc´ıcio 1.4. Mostre que as matrizes A = ( 1 1 y y 1 ) onde 0 6= y ∈ R, satisfazem X2 = 2X. (X2 = X ·X). Encontre os valores de y ∈ R tais que A ·B = B ·A. No´s definimos a Matriz Inversa (ver definic¸a˜o 1.6) e na˜o dissemos que tipo de matriz quadrada pode ter inversa, e tambe´m, na˜o sabemos o que fazer para determinar a inversa de uma matriz. Uma ajuda importante e´ dada por uma func¸a˜o chamada determinante. Determinantes de Uma Matrizes Ressaltamos que apenas as matrizes quadradas sera˜o utilizadas neste momento. 1.1. MULTIPLICAC¸A˜O DE MATRIZES 7 Definic¸a˜o 1.7. Seja An×n = (aij)n×n, n ≥ 2. Chamamos Menor do elemento aij, denotado por Mij, a sub-matriz de ordem (n − 1) × (n − 1) obtida de A suprimindo da matriz A a i-e´sima linha e j-e´sima coluna. Definic¸a˜o 1.8. O determinante de uma matriz An×n = (aij)n×n; e´ uma func¸a˜o que a cada matriz quadrada associa um nu´mero real, isto e´, Det :M(R)n×n → R dada por ∗ Se n = 1 enta˜o o Det(A) = a11. ∗ se n ≥ 2 enta˜o Det(A) = n∑ i=1 (−1)(i+j)aij Det(Mij) = n∑ j=1 (−1)(i+j)aij Det(Mij). (1.1.2) • Na˜o e´ dif´ıcil ver que se A = ( a11 a12 a21 a22 ) , enta˜o Det(A) = 2∑ i=1 (−1)(i+j)aij Det(Mij) = (−1)(1+1)a11 Det(M11) + (−1)(1+2)a12 Det(M12) = a11a22 − a12a21. Note que o determinante dado pela definic¸a˜o 1.8 pode ser desenvolvido por linhas ou por colunas, (ver (1.1.2)). O determinante de uma matriz nos oferece um teste infal´ıvel para saber quais sa˜o as matrizes quadradas que podem ser invert´ıveis ou seja que possuem inversa com relac¸a˜o ao produto de matrizes. • Uma matriz An×n = (aij)n×n, tem inversa em relac¸a˜o ao produto de matrizes se e somente se Det(A) 6= 0. Uma pergunta ainda se apresenta. Ha´ um mecanismo capaz de produzir a insversa de uma matriz quadrada em relac¸a˜o ao produto de matriz ? Veja abaixo que o determinante de uma matriz tambe´m nos ajuda responder esta questa˜o. Definic¸a˜o 1.9. Seja An×n = (aij)n×n, n ≥ 2. Chamamos Cofator do elemento aij, deno- tado por Aij, o nu´mero real dado por Aij = (−1)(i+j) Det(Mij), i, j = 1, 2, · · · , n, onde Mij e´ o Menor do elemento aji, i, j = 1, 2, · · · , n. A` matriz formada por todos os cofatores de A chamamos Matriz dos Cofatores de A e denotamos por Cof(A). Cof(A)n×m = A11 A12 A13 · · ·A1n A21 A22 A23 · · ·A2n ... ... ... ... An1 An2 An3 · · ·Ann , 8 CAPI´TULO 1. MATRIZES Exemplo 1.7. Considere a matriz A = 0 1 53 −6 9 2 6 1 . Calcule Det(A). No´s vamos calcular o determinante de A desenvolvendo pela primeira linha. Det(A) = 2∑ j=1 (−1)(1+j)a1jDet(M1j) = (−1)(1+1) · 0 ·Det (−6 9 6 1 ) + (−1)(1+2) · 1 ·Det ( 3 9 2 1 ) + (−1)(1+3) · 5 ·Det ( 3 −6 2 6 ) = 0 + 1 · 15 + 5 · 30 = 165. Exerc´ıcio 1.5. Considere a matriz A = 0 1 23 −1 1 2 0 1 . Calcule Cof(A), [Cof(A)]t, A · [Cof(A)]t, [Cof(A)]t ·A e 1 Det(A) [Cof(A)]t. 1.1.2 Matriz Adjunta Cla´ssica e Inversa Definic¸a˜o 1.10. Dada An×n = (aij)n×n, chama-se Adjunta Cla´ssica de A a` matriz [Adj(A)] = [Cof(A)]t. Teorema 1.1. Dada An×n = (aij)n×n, se DetA 6= 0, enta˜o 1 Det(A) ·A · [Adj(A)] = In e 1 Det(A) · [Adj(A)] ·A = In (1.1.3) Segue facilmente da definic¸a˜o 1.6 que 1 Det(A) · [Adj(A)] = A−1 ( Inversa de A). Exemplo 1.8. Considere a matriz A = 1 2 30 3 2 0 0 −2 . Use (1.1.3) e calcule a martiz inversa (elemento inverso) de A em relac¸a˜o ao produto de matriz. Vamos calcular os cofatores dos elementos de A. A11 = (−1)(1+1)Det ( 3 2 0 −2 ) = −6; A12 = (−1)(1+2)Det ( 0 2 0 −2 ) = 0; 1.1. MULTIPLICAC¸A˜O DE MATRIZES 9 A13 = (−1)(1+3)Det ( 0 30 0 ) = 0; A21 = (−1)(2+1)Det ( 2 3 0 −2 ) = 4; A22 = (−1)(2+2)Det ( 1 3 0 −2 ) = −2; A23 = (−1)(2+3)Det ( 1 2 0 0 ) = 0; A31 = (−1)(3+1)Det ( 2 3 3 2 ) = −5; A32 = (−1)(3+2)Det ( 1 3 0 2 ) = −2; A33 = (−1)(3+3)Det ( 1 2 0 3 ) = 3. Assim, a matriz cofatora de A sera´ dada por Cof(A) = −6 0 04 −2 0 −5 −2 3 . A matriz Adjunta Cla´ssica e´ a transposta de matriz cofatora de A, ou seja Adj(A) = −6 4 −50 −2 −2 0 0 3 . O teorema 1.1 nos da´ a matriz procurada que e´ A−1 = 1 DetA Adj(A) = 1 −6 −6 4 −50 −2 −2 0 0 3 . Exemplo 1.9. Uma industria produz treˆs produtos, X, Y , e Z, utilizando dois tipos de insumos, A e B. Para a manufatura de cada kg de X sa˜o utilizados 1 grama do insumo A e 2 gramas do insumo B; para cada kg de Y s ao utilizados 1 grama do insumo A e 1 gramas do insumo B e, cada kg de Z s ao utilizados 1 grama do insumo A e 4 gramas do insumo B. O prec¸o de venda de um kg de cada um dos produtos X, Y e Z e´ R$ 2,00 R$ 3,00 e R$ 5,00 respectivamente. Com a venda de toda produc¸a˜o de X, Y e Z manufaturada com 1 kg de A e 2 kg de B, essa industria arrecadou R$ 2500,00. Vamos determinar quantos kg de cada produto X, Y e Z foram vendidos. Como ja´ vimos no exemplo 1.6 usando matrizes o esquema de produc¸a˜o pode ser descrito da seguinte forma: 1 1 12 1 4 2 3 5 xy z x+ y + z2x+ y + z 2x+ 3y + 5z 10002000 25000 = A, X Y Z gramas de A por kg gramas de B por kg prec¸o por kg W = kg de X produzidos kg de Y produzidos kg de Z produzidos AW = gramas de A usadas gramas de B usadas. arrecadac¸a˜o =(S) 10 CAPI´TULO 1. MATRIZES Veja que a resposta a` pergunta que foi formulada no exemplo 1.6 sera´ dada pelo conjunto soluc¸a˜o para o Sistema de Equac¸o˜es (S). 1.2 Sistemas de Equac¸o˜es Lineares Uma Equac¸a˜o Linear em n varia´veis x1, x2, · · · , xn reais e´ uma equac¸a˜o da forma a1x1 + a2x2 + · · ·+ anxn = b, onde a1, a2, · · · , an e b sa˜o nu´meros reais que na˜o dependem das varia´veis envolvidas na equac¸a˜o e sa˜o conhecidos. Um Sistema de Equac¸o˜es Lineares ou simplesmente Sistema Linear e´ um conjunto de equac¸o˜es lineares, ou seja (S) ' a11x1 + a12x2 + · · · a1nxn = b1 a21x1 + a22x2 + · · · a2nxn = b2 ... ... ... ... ... ... ... ... am1x1 + am2x2 + · · · amnxn = bm (1.2.4) onde os aij e bi i = 1, 2, · · ·m, j = 1, 2, · · ·n sa˜o todos nu´meros reais conhecidos. Usando o produto de matrizes (ver definic¸a˜o 1.4) o sistema 1.2.12 pode ser escrito como uma equac¸a˜o matricial, AX = B, onde, An×m = a11 a12 a13 · · · a1m a21 a22 a23 · · ·a2m ... ... ... ... an1 an2 an3 · · ·amm , X = x1 x2 ... xn e B = b1 b2 ... bn . (1.2.5) Uma Soluc¸a˜o para o sistema 1.2.12 e´ uma matriz S = s1 s2 ... sn , tal que as equac¸o˜es do sistema 1.2.12 sa˜o satisfeitas quando substituimos x1 = s1, x2 = s2, · · · , xn = sn. Exemplo 1.10. Considere o sistema linear de duas equac¸o˜es e duas inco´gnitas (S) ' { x + 2y = 1 2x + y = 0 1.2. SISTEMAS DE EQUAC¸O˜ES LINEARES 11 O sistema (S) pode ser escrito na forma matricial (S) ' ( 1 2 2 1 ) · ( x y ) = ( 0 1 ) . Ainda, podemos verificar facilmente que x = −1 3 e y = 2 3 formam uma soluc¸a˜o para o sistema (S), ou seja S = (−1 3 2 3 ) e´ o conjunto soluc¸a˜o de (S). Um Sistema Linear que tem soluc¸a˜o e´ denominado SISTEMA POSSI´VEL. Se um Sistema Linear que na˜o tem soluc¸a˜o e´ denominado SISTEMA IMPOSSI´VEL. Mas dentre os SISTEMAS POSSI´VEIS, ha´ aqueles que possuem mais que uma soluc¸a˜o . Exemplo 1.11. O sistema linear de duas equac¸o˜es e quatro inco´gnitas (S) ' { x + 3y + 0z + 2w = −5 0x + 0y + z − 3w = 2 tem mais que uma soluc¸a˜o . Note que S1 = [−5 0 2 0]t e S2 = [−7 0 5 1]t sa˜o soluc¸o˜es para o sistema (S). Mas afinal dado um Sistema Linear (S) o que devemos fazer para decidirmos entre as treˆs possibilidades; Sistema Poss´ıvel com mais que uma soluc¸a˜o , Sistema Poss´ıvel apenas uma soluc¸a˜o e Sistema Imposs´ıvel. 1.2.1 Operac¸o˜es Elementares Definic¸a˜o 1.11. Uma Operac¸a˜o Elementar sobre as linhas de uma matriz e´ uma das seguintes operac¸o˜es com outra linha da mesma matriz: (i) Trocar a posic¸a˜o de uma das linhas da matriz. (ii) Multiplicar uma linha por uma constante (escalar) diferente de zero. (iii) Somar a uma linha da matriz, um mu´ltiplo escalar de outra linha da mesma matriz. Dado um Sistema Linear (S) como em (1.2.12) temos a Matriz A e B associada a` (S). ∗ Chama-se Matriz Aumentada associada a` (S) a Matriz [A|B] = a11 a12 a13 · · · a1m ... b1 a21 a22 a23 · · ·a2m ... b1 ... ... ... ... ... b1 an1 an2 an3 · · ·amm ... b1 . Exemplo 1.12. Considere o sistema linear de duas equac¸o˜es e duas inco´gnitas (S) ' { x + 2y = 1 2x + y = 0 12 CAPI´TULO 1. MATRIZES A Matriz Aumentada associada ao sistema (S) e´ a matriz [A|B] = ( 1 2 ... 1 2 1 ... 0 ) . Teorema 1.2. Dados dois Sistemas Lineares AX = B e CX = D tais que a Matriz Aumentada [C|D] pode ser obtida da Matriz Aumentada [A|B] aplicando-se apenas uma Operac¸a˜o Elementar (ver definic¸a˜o 1.11), enta˜o os dois sistemas lineares possuem o mesmo Conjunto Soluc¸a˜o . Agora vamos utilizar o teorema 1.2 e apresentar uma maneira eficiente para encontrar- mos o conjunto soluc¸a˜o para um Sistema Linear. Me´todo de Gauss-Jordan O me´todo que vamos apresentar aqui para resolver Sistemas Lineares, consiste na aplicac¸a˜o das operac¸o˜es elementares a`s linhas daMatriz Aumentada associada ao sistema linear em estudo. Primeiro procuramos atrave´s de operac¸o˜es elementares obter aMatriz Aumentada de forma que na primeira linha o primeiro elemento seja na˜o nulo, este elemento sera´ chamado de Pivoˆ. Vejamos um exemplo. Exemplo 1.13. Considere o sistema linear (S) dado por (S) ' x + y + z = 1 2x + y + 4z = 0 3x + 2y + 5z = −2 A Matriz Aumentada associada a` S e´ A =1 1 1 ... 1 2 1 4 ... 0 3 2 5 ... −2 L1 = l1L2 = 2l1 − l2 L3 = 3l1 − l3 1 1 1 ... 1 0 1 −3 ... 2 0 1 −2 ... 5 L1 = l1L2 = l2 L3 = l2 − l3 1 1 1 ... 1 0 1 −2 ... 2 0 0 1 ... −3 (1.2.6) Note que as linhas L1, L2 e L3 sa˜o linhas da matriz aumentada obtida da outra matriz aumentada (anterior) cujas linhas sa˜o l1 , l1 e l3 elas operac¸o˜es elementares indicadas (ver figura 1.2.6). EXERCI´CIOS 1.2. SISTEMAS DE EQUAC¸O˜ES LINEARES 13 1. De cada uma das matriz se abaixo Calcule a matriz cofatora, adjunta cla´ssica e com a Definic¸a˜o 1.7 calcule o determinante. Em seguida calcule a matriz inversa caso ela exista. A = 1 3 11 0 1 2 1 4 , B = −1 0 −21 −1 2 0 1 −1 , C = −1 −1 0 −2 −2 1 −1 2 0 1 −1 1 2 −2 −1 0 , Para cada uma das matrizes acima calcule a sua inversa usando escalonamento de matriz. Agora usando o teorema 1.2 vemos facilmente que (S) ' x + y + z = 1 0x + y − 3z = 2 0x + y − 2z = 5 ' x + y + z = 1 0x + y − 3z = 2 0x + 0y + z = −3 Mas o Sistema (S3) ' x + y + z = 1 0x + y − 3z = 2 0x + 0y + z = −3 tem como conjunto soluc¸a˜o S3 = [11,−7,−3]t, portanto pelo teorema 1.2, o conjunto soluc¸a˜o para o Sistema (S) e´ S = S3 = [11,−7,−3]t, Sistemas Escalonados Dada uma matriz An×m = a1r1 a1r1+1 a1r1+2 · · · a1m 0 a2r2 a2r2+1 · · ·a2m ... ... ... ... 0 0 0 · · ·anrm , (1.2.7) onde, a1r1 6= 0, a1r2 6= 0, · · · a1rm 6= 0. Se tivermos 1 ≤ r1 < r2 < · · · < rm ≤ m diremos que a matriz A esta´ escalonada. Um Sistema Linear (S) esta´ escalonado se a matriz aumentada associada a` (S) estiver na forma . [A|B] = a1r1 a1r1+1a1r1+2 · · · a1n ... β1 0 a2r2 a2r2+1 · · · a2n ... β2 ... ... ... ... ... ... 0 0 0 · · · amrm ... βk 0 0 0 · · · 0 ... βk+1 , (1.2.8) 14 CAPI´TULO 1. MATRIZES ou seja (S) ' a1r1x1 + a1r1+1x2 + · · · a1nxn = β1 0x1 + a2r2+1x2 + · · · a2nxn = β2 ... ... ... ... ... ... ... ... 0x1 + 0x2 + · · · amrmxn = βk 0x1 + 0x2 + · · · 0xn = βk (1.2.9) onde, a1r1 6= 0, a1r2 6= 0, · · · a1rm 6= 0. Discussa˜o e Resoluc¸a˜o de Um Sistema Linear Discutir um Sistema Linear (S) significa efetuar um estudo de (S) visando classifica´-lo segundo a definic¸a˜o a seguir. Definic¸a˜o 1.12. Dizemos que um Sistema Linear (S) e´ Incompat´ıvel se (S) na˜o admite soluc¸a˜o . Um Sistema Linear (S) que admite uma u´nica soluc¸a˜o e´ chamado Compat´ıvel Determinado. Se um sistema admitir mais do que uma soluc¸a˜o enta˜o ele e´ denominado Compat´ıvel e Indeterminado (I) No processo de escalonamento, numa certa etapa, obte´m-se (S) ' · · · · · · · · · · · · · · · · · · · · · · · · 0x1 + 0x2 + · · · 0xn = βk · · · · · · · · · · · · · · · · · · · · · · · · (1.2.10) com βk 6= 0, o Sistema Linear sera´ Imcompat´ıvel ou Imposs´ıvel e denoteremos por (SI) ou o conjunto soluc¸a˜o para (S) e´ o conjunto vazio (ver difinic¸a˜o 1.12) . (II) No processo de escalonamento, numa certa etapa, obte´m-se (S) ' x1 + a1r1x2 + · · · a1nxn = β1 0x1 + x2 + · · · a2nxn = β2 ... ... ... ... ... ... ... ... 0x1 + 0x2 + · · · xn = βn, (1.2.11) o sistema (S) e´ Compat´ıvel e Determinado (o sistema linear esta´ escalonado e nu´mero de equac¸o˜es e´ igual ao nu´mero de inco´gnitas) (III) No processo de escalonamento, numa certa etapa, obte´m-se (S) ' x1 + a1r1x2 + · · · a1rpxrp + · · · a1nxn = β1 0x1 + x2 + · · · a2rpxrp + · · · a2nxn = β2 ... ... ... ... ... ... ... ... ... ... 0x1 + 0x2 + · · · xrp + · · · apnxn = βp, (1.2.12) onde, p < n o sistema (S) e´Compat´ıvel e Indeterminado (o sistema linear esta´ escalonado e nu´mero de equac¸o˜es e´ menor ao nu´mero de inco´gnitas) • Se um Sistema Linear tiver mais que uma soluc¸a˜o , enta˜o o sistema tera´ infinitas soluc¸o˜es . 1.2. SISTEMAS DE EQUAC¸O˜ES LINEARES 15 Exemplo 1.14. Considere o Sistema (S) ' x − 2y − z = 1 2x + y − 3z = 0 x + 7y + 0z = 3 (S) ' x − 2y − z = 1 2x + y − 3z = 0 x + 7y + 0z = 3 L1 = l1 L2 = −2l1 + l2 L3 = −l1 + l3 ' x − 2y − z = 1 0x + 5y − z = −2 0x − 5y + z = 2 L1 = l1 L2 = l2 L3 = l2 + l3 ' x − 2y − z = 1 0x + 5y − z = −2 0x + 0y + 0z = 0 L1 = l1 L2 = l2 L3 pode ser eliminada ' S3 ' { x − 2y − z = 1 0x + 5y − z = −2 O teorema 1.2, garante que o conjunto soluc¸a˜o do Sistema (S) e´ igual aoconjunto soluc¸a˜o para o Sistema (S3), que e´ S = {(1 5 + 7 5 z,−2 5 + 1 5 z, z) z ∈ R}. Note que o Sistema (S) tem uma quantidade infinita de soluc¸o˜es . Exemplo 1.15. Considere o Sistema (S) ' x + y + z = 1 2x + y + 5z = 0 3x + 2y + 5z = −2 Precedomos ao escalonamento de (S), (S) L1 = l1 L2 = 2l1 − l2 L3 = 3l1 − l3 ' x + y + z = 1 0x + y − 3z = 2 0x + y − 2z = 5 L1 = l1 L2 = l2 L3 = l2 − l3 ' (S3) ' x + y + z = 1 0x + y − 3z = 2 0x + 0y − z = −3 como conjunto soluc¸a˜o para o sistema (S3) e´ S3 = [−14 11 3]t, pelo teorema 1.2, o conjunto soluc¸a˜o para o Sistema (S) e´ S = S3 = [−14 11 3]t. Note que o Sistema (S) tem uma u´nica soluc¸a˜o e portanto (S) e´ Compat´ıvel e Determinado. Exemplo 1.16. Considere o Sistema (S) ' x + 2y + 3z = 1 3x + 6y + 9z = 0 3x + 2y + 5z = −2 16 CAPI´TULO 1. MATRIZES Precedomos ao escalonamento de (S), (S) L1 = l1 L2 = 3l1 − l2 L3 = 3l1 − l3 ' x + y + z = 1 0x + 0y − 0z = 3 0x + y − 2z = 5 Note que a segunda equc¸a˜o ja´ e´ incompat´ıvel, e isto torna o Sistema (S) incompat´ıvel ou seja o conjunto soluc¸a˜o de (S) e´ vazio. Cap´ıtulo 2 GEOMETRIA RETA Dados dois pontos distintos no espac¸o P e Q, existe u´nica reta que passa por P e Q. Denotaremos esta reta por PQ ou sera´ utilizado uma letra minu´scula para representar a reta, por exemplo s, t, ect... . Diremos reta PQ ou reta s por exemplo. SEGMENTODE RETA Dada uma reta r e dois pontos distintos sobre ela, o segmento de reta A¯B e´ o conjunto dos pontos da reta r que esta˜o entre os pontos A e B. Dada uma reta r ⊂ e um ponto P fora da reta r, existe uma u´nica reta t que passa por P que e´ paralela a` reta r. Ainda existe uma u´nica reta s que passa por P que e´ perpendicular a` reta r. 2.0.2 Segmentos Orientados Definic¸a˜o 2.1. Um segmento orientado e´ um par ordenado (A,B) de pontos do espac¸o. Se nos for dado um segmento (A,B), tal que o ponto A seja igual ao ponto B, diremos que o segmento (A,A) ou (B,B) e´ o segmento nulo. • O segmento orientado (A,B) consiste dse todos os pontos da reta AB que esta˜o entre A e B, inclusive os pontos A e B, mas deve ser considerado a orientac¸a˜o de A para B. • Um segmento orientado nulo e´ determinado por um par de pontos coincidentes. A reta AB que conte´m o segmento A¯B e´ denominada reta suporte do segmento orientado (A,B). Os pontos A e B sa˜o denominados origem e extremidade do segmento respecti- vamente. Geometricamente um segmento orientado sera´ indicado por uma flexa, veja o seguinte exemplo. Exemplo 2.1. Dados quatro pontos A, B, C e D do espac¸o como abaixo, podemos considerar os segmentos (A,B) e (C,D) como segue Aff C Q Q Q Q QQs D B. 1. Segmento Oposto 17 18 CAPI´TULO 2. GEOMETRIA Definic¸a˜o 2.2. Dado um segmento orientado (A,B), chama-se segmento orientado oposto de (A,B) o segmento orientado (B,A). Na˜o e´ dif´ıcil ver que a cada segmento orientado (A,B) esta´ associado uma treˆs conceitos geome´tricas importantes que sa˜o COMPRIMENTO, DIREC¸A˜O e SENTIDO. A` partir deste instante, estas propriedades dos segmentos orientados passam a ser o nosso objeto de estudo e veremos que, com argumentos detalhados elas podera˜o nos oferecer uma vizualizac¸a˜o particularmente especial do ”espac¸o que nos cerca”. Estes conceitos geome´tricos sa˜o aqui denominados importantes por serem conhecidos como Grandezas Vetorias e alguns dos exemplos mais populares sa˜o FORC¸A, VELOCIDADE e ACELERAC¸A˜O. Note que, dois pontos quaisquer A e B do espac¸o, determinam os segmentos orientados (A,B) e (B,A), que podera˜o ser iguais se o ponto A coincidir com o ponto B. Igualdade de Dois Segmentos Orientados Definic¸a˜o 2.3. Dois segmentos orientados (A,B) e (C,D), SERA˜O IGUAIS se e somente se, A ≡ B e C ≡ D. 2. Comprimento Definic¸a˜o 2.4. Fixada uma unidade de de comprimento, a cada segmento orientado (A,B) podemos associar um nu´mero real positivo ou zero, que sera´ o COMPRIMENTO de (A,B). • Dado um segmento orientado (A,B), a distaˆncia do ponto A ate´ o ponto B sera´ o comprimento do segmento orientado (A,B). • Como a distaˆncia de um ponto qualquer ate´ ele mesmo e´ zero, ao segmento orientado (A,A) (segmento nulo) esta´ associado o nu´mero real zero, ou seja o comprimento do segmento orientado nulo (A,A) e´ exatamente zero. 3. Direc¸a˜o Definic¸a˜o 2.5. Dados dois segmentos orientados (A,B) e (C,D), diremos que eles teˆm a mesma DIREC¸A˜O se as retas AB e CD forem paralelas. Se dois segmentos orientados (A,B), e (C,D) teˆm mesma direc¸a˜o, diremos que eles sa˜o paralelos. Note que um papalelogramoABCD determina pelo menos um par de segmentos orientados digamos (A,B), e (C,D) A B � � � � � � � ���� � � � � � � ��� C D 19 Exemplo 2.2. Considere os dois segmentos orientados (A,B), e (C,D), de modo que as retas AB e CD sejam paralelas. A B � � � � � �� � � � � � � � ��� D C Pela definc¸a˜o 2.5 os segmentos orientados (A,B), e (C,D) teˆma mesma direc¸a˜o. 4. Sentido Definic¸a˜o 2.6. Dados dois segmentos orientados (A,B) e (C,D) com mesma direc¸a˜o a : Se as retas AB e CD forem distintas, diremos que eles teˆm o mesmo SENTIDO se as segmentos de retas A¯C e B¯D tiverem intersec¸a˜o vazia. b : Se as retas AB e CD forem coincidentes, tome um ponto A′ /∈ AB e a u´nica reta s que passa por A′ e que e´ paralela a` reta AB, em seguida tome o u´nico ponto B′ ∈ s de modo que os segmentos orientados (A′, B′) e (A,B) satisfac¸am a parte (a) desta definic¸a˜o. Diremos que os segmentos orientados (A,B) e (C,D) teˆm o mesmo SENTIDO se (A′, B′) e (C,D) tiverem o mesmo sentido . Exemplo 2.3. Considere os segmentos orientados (A,B), e (C,D) de modo que as retas AB e CD sejam paralelas e distintas, como segue B A � � � � � ��� ```````````` � � � � � � � ��� C D Note que os segmentos de retas A¯C e B¯D teˆm intersec¸a˜o vazia, ou seja pela definic¸a˜o 2.6 a, os segmentos orientados (A,B), e (C,D) teˆm o mesmo sentido. Exemplo 2.4. Considere os segmentos orientados (A,B), e (C,D) de modo que as retas AB e CD sejam paralelas e distintas, como segue B A � � � � � ��� @ @ @ @ @ @ @ @@!! !! !! !! !! !! !! !! � � � � � � � ��� D C Note que os segmentos de retas A¯C e B¯D teˆm intersec¸a˜o na˜o vazia, ou seja pela definic¸a˜o 2.6a os segmentos orientados (A,B), e (C,D) teˆm sentidos ontra´rios. 20 CAPI´TULO 2. GEOMETRIA 2.0.3 Equipoleˆncia de Segmentos Orientados Definic¸a˜o 2.7. Dois segmentos orientados (A,B), e (C,D) sa˜o EQUIPOLENTES se a : os dois forem nulos. b : os dois sa˜o na˜o nulos e eles teˆm o mesmo comprimento, mesma direc¸a˜o e mesmo sentido. Notac¸a˜o (A,B) ∼ (C,D) indica que os dois segmentos orientados (E,F ), e (G,H) sa˜o equipo- lentes, Exemplo 2.5. Considere dois papalelogramos ABCD e EFGH suponha que eles esta˜o representados nas figuras abaixo: A B � � � � � � � ��� � � � � � � � ��� C D E F � � � � � � � ���� � � � � � � ��� G H Note que o fato de ABCD e EFGH serem um paralelogramos as definic¸o˜es 2.4 e 2.5 nos garante que os pares de segmentos orientados (A,B) e (C,D); (E,F ), e (G,H) teˆm mesmo comprimento, mesma direc¸a˜o, usando a definic¸a˜o 2.6 vemos que (A,B) e (C,D) teˆm mesmo sentido e portanto sa˜o EQUIPOLENTES. Mas os segmentos orientados (E,F ), e (G,H) que teˆm mesmo comprimento e mesma direc¸a˜o, usando a definic¸a˜o 2.6 vemos que eles na˜o teˆm o mesmo sentido, e por isto eles na˜o sa˜o equipolentes. Proposic¸a˜o 2.1. A relac¸a˜o de equipoleˆncia goza das seguintes propriedades: a : (A,B) ∼ (A,B) Reflexiva b : Se (A,B) ∼ (C,D), enta˜o (C,D) ∼ (A,B) Comutativa c : Se (A,B) ∼ (C,D) e (C,D) ∼ (E,F ) enta˜o (A,B) ∼ (E,F ) Transitiva A demonstrac¸a˜o sera´ omitida. Exemplo 2.6. Considere os segmentos orientados abaixo. Suponha que as retas AB, CD, EF e FG sejam duas a duas paralelas e que os segmentos A¯B, C¯D, E¯F e F¯G tenham o mesmo comprimento ver figura abaixo : � � � � � �� A B � � � � � �� D C � � � � � �� E F � � � � � �� G H 2.1. VETORES 21 Usando as definic¸o˜es 2.4, 2.5, 2.6 e a transitividade da relac¸a˜o de equipoleˆncia (ver Prop. 2.1), podemos verificar facilmente que os segmentos orientados (A,B), (C,D), (E,F ) e (G,H) teˆm mesmo comprimento, mesma direc¸a˜o e mesmo sentido, portanto eles sa˜o equipolentes (Note que verificamos a equipoleˆncia comparando grupos de dois apenas segmentos orientados). Dado um segmento orientado (A,B) podemos pensar nos segmentos orientados que sa˜o equipolentes ao segmento orientado (A,B) e estes sera˜o muitos. Por exemplo sabe-se ao arremessar-mos um objeto de massa na˜o nula para o alto, este objeto passara´ por uma quantidade enorme de pontos do espac¸o e a estes pontos denominamos de trajeto´ria. Em cada ponto desta trajeto´ria o objeto estara´ sujeito a` Forc¸a da Gravidade, ou seja ele estara´ sujeito a` forc¸a de atrac¸a˜o gravitacional, que aqui em nossa linguagem o que corresponde a um conjunto de segmentos orientados representado pela letra ~P (Forc¸a Peso). Podemos agora pensar em todos os segmentos orientados que sa˜o equipolentes a` um segmento orientado fixado. • Chama-se Classe de Equipoleˆncia de um segmento orientado (A,B), ao conjunto de todos os segmentos orientados que sa˜o equipolentes ao segmento orientado )(A,B). Note que o pro´prio (A,B) e´ um segmento orientado deste conjunto. Na verdade se dois segmentos orientados (A,B) e (C,D) forem equipolentes enta˜o a Classe de Equipoleˆncia de (A,B) coincidira´ com Classe de Equipoleˆncia de (C,D). 2.1 Vetores Definic¸a˜o 2.8. Um Vetor Geome´trico e´ uma classe de equipoleˆncia. ∗ Cada segmento orientado da Classe de Equipoleˆncia ou do vetor sera´ chamado de representante do vetor. • A forc¸a da gravidade e´ um vetor, pois ela e´ um conjunto de segmentos orientados equipolentes ou seja ela e´ uma Classe de Equipoleˆncia. • Representaremos os vetores por letra minu´scula com uma seta sobre ela ~a ~b, ~u, ~v , ~w etc... ou ainda se o segmento orientado (A,B) for um representante do vetor ~u, por exemplo podemos indicar o vetor ~u por ~AB . Definic¸a˜o 2.9. A` classe de equipoleˆncia do segmento orientado nulo ( (A,A) ) chamamos Vetor Nulo. Assim sendo podemos ver que (i) O vetor nulo tem comprimento zero. (ii) O vetor nulo tem a mesma direc¸a˜o que qualquer outro vetor. (iii) O vetor nulo tem a mesmo sentido que qualquer outro vetor. O vetor nulo sera´ representado por ~0. Definic¸a˜o 2.10. Chamamos Espac¸o IE3 ao conjunto de todos os vetores geome´tricos. ∗ Os vetores ~x, ~y na˜o nulos sera˜o paralelos (indica-se ~x//~y) se e somente se um repre- sentante (A,B) de ~x for paralelo a um representante (C,D) de ~y ∗ Chamamos Norma, Mo´dulo ou Comprimento de um vetor ao comprimento de qualquer um de seus representantes. 22 CAPI´TULO 2. GEOMETRIA • Dado um vetor ~v podemos tomar um de seus representantes, digamos (A,B) e indi- carmos ~v por ~BA. Vetor Oposto Definic¸a˜o 2.11. Se o segmento orientado (A,B) for um representante do vetor ~u enta˜o o segmento orientado (B,A) sera´ um representante do vetor −~u denominado Vetor Oposto de ~u ou seja o vetor ~BA e´ o oposto do vetor ~AB. Indicamos oposto de ~BA por − ~AB. • Dado um vetor ~u, existe um u´nico ponto A ∈ IE3 tal que ~u tem um representante com origem em A. Neste instante temos um conjunto muito bem definido que e´ IE3 e a partir deste momento nosso interesse e´ em explorar mais este conjunto, isto e´ saber quais sa˜o seus elementos, como seus elementos se relacionam com nossa vida cotidiana, particularmente algumas relac¸o˜es dos elementos de IE3 com a elementos da conhecida Geometria de Euclides. ADIC¸A˜O DE VETORES Definic¸a˜o 2.12. A adic¸a˜o de vetores e´ uma func¸a˜o que a cada par de vetores (~u,~v) de IE3 × IE3 associa um vetor de IE3 que e´ chamado SOMA de ~u por ~v e indicado por ~u+ ~v. A func¸a˜o age da seguinte forma sobre o par (~u,~v): considere um representante (A,B) de ~u, e um representante de ~v com origem em B, e extremidade em C, a classe de equipoleˆncia que conte´m o segmento orientado (A,C) e´ o vetor ~u+ ~v. Ver a figura abaixo: A - ~u � � � � � �� B ~v ~w = ~v + ~v Q Q Q Q Q Q Q QQs D Esta regra de adic¸a˜o de vetores e´ conhecida como regar triangular. Ha´ outra regra que e´ a conhecida como regra do paralelogramo. ~v Q Q Q Q Q Q Q QQs � � � � � �� ~u A - ~u � � � � � �� B ~v ~w = ~v + ~v Q Q Q Q Q Q Q QQs C � � � � � ��QQ Q Q Q Q Q QQs D Esta regra se aplica da seguinte forma : Fixamos um ponto A ∈ IE3 e tomamos o u´nico ponto B ∈ IE3 tal que o segmento orientado (A,B) seja um representante do vetor ~u, em 2.1. VETORES 23 seguidacom o ponto B tomamos o u´nico ponto C ∈ IE3 tal que o segmento orientado (B,C) seja um representante do vetor ~v. Analogamente, determinamos o ponto D ∈ IE3 e em seguida um ponto C ′ que por nossa construc¸a˜o coincide com o ponto C. Assim te- remos o paralelogramo ABCD, e a soma dos vetores ~u e ~u e´ a classe de equipoleˆncia do segmento orientado (A,C). Note que o segmento AC e´ a diagonal principal do paralelo- gramo ABCD. Exerc´ıcio 2.1. Mostrar que a diagonal secunda´ria do paralelogramo ABCD nos da´ a dife- renc¸a dos vetores ~u e ~v . Note que o conjunto IE3 (ver definic¸a˜o ) juntamente com a definic¸a˜o 2.12 torna-se ana´logo ao conjunto R (nu´meros reais) com a operac¸a˜o de adic¸a˜o de nu´meros, ja´ bem conhecida nossa. Mas a operac¸a˜o adic¸a˜o de nu´meros reais no conjunto R • TEM ELEMENTO NEUTRO (ZERO), • E´ ASSOCIATIVA, • E´ COMUTATIVA, • CADA NU´MERO REAL TEM INVERSO (a ∈ R tem inverso −a ∈ R). Uma pergunta importante: A operac¸a˜o adic¸a˜o no conjunto IE3 (ver definic¸a˜o 2.12) tem as mesmas propriedades que operac¸a˜o adic¸a˜o de nu´meros reais no conjunto R ? ∗ A partir deste instante o espac¸o IE3 sera´ referido como (IE3,+) espac¸o IE3 com a operc¸a˜o de adic¸a˜o PROPRIDADES DE ADIC¸A˜O DE VETORES Dados ~u, ~v e ~w em (IE3,+), PA1 (~u+ ~v) + ~w = ~u+ (~v + ~w) Associativa PA2 ~u+ ~v = ~v + ~u Comutativa PA3 ~u+~0 = ~u Elemento Neutro PA4 ~u+ (−~u) = ~u Elemento Oposto ou Sime´trico Exerc´ıcio 2.2. Considere os vetores ~a e ~b cujos representantes sa˜o os segmentos orientados (A,B) e (B,C) respectivamente (ver figura abaixo) e calcule ~a+~b e ~a−~b usando a regar do triaˆngulo e do paralelogramo. Cff A Q Q Q Q Q Q Q QQs B 24 CAPI´TULO 2. GEOMETRIA Exerc´ıcio 2.3. Considere os vetores ~a, ~b e ~e cujos representantes sa˜o os segmentos orientados (A,B), (C,D) e (E,F ) respectivamente (ver figura abaixo) e calcule • (~a+~b) + ~e; • ~a−~b− ~e • ~a− (~b− ~e) usando a regra do triaˆngulo e do paralelogramo. CDff A Q Q Q Q Q Q Q QQs -E F B 2.1.1 Multiplicac¸a˜o de Nu´mero Real (escalar) Por Vetor Vamos definir uma operac¸a˜o externa em IE3. Definic¸a˜o 2.13. Multiplicac¸a˜o de nu´mero real ou escalar por um vetor e´ uma func¸a˜o que a cada par ordenado (α, ~u) ∈ R×IE3 associa um vetor ~w ∈ IE3 denotado por α·~u, (α, ~u) m→ α·~u. • Como a func¸a˜o multiplicac¸a˜o a associa um par ordenado, como na definic¸a˜o , um vetor, se faz necessa´rio saber informar qual e´ o comprimento a direc¸a˜o e o sentido deste novo vetor. ∗ Se α = 0 enta˜o (0, ~u) m→ ~0 ou 0 · ~u = ~0 . ∗ Se ~u = ~0, enta˜o (α,~0) m→ ~0 ou α ·~0 = ~0. ∗ Se α 6= 0, e ~u 6= ~0, enta˜o a : ‖α · ~u‖ = |α|‖~u‖ b : α · ~u // ~u ; (os vetores α · ~u e ~u sa˜o paralelos). c : α · ~u e ~u tera˜o o mesmo sentido se α > 0 e tera˜o sentidos contra´rios se α > 0. Note que a multiplicac¸a˜o de vetor por escalar (nu´mero) pode aterar o comprimento e o sentido do vetor, mas na˜o altera a direc¸a˜o . Exemplo 2.7. Dado um vetor ~v ∈ IE3 com segmento orientado (A,B), tomemos retas CD, EF e GH de modo que ass retas AB CD, EF e GH sejam duas a` duas paralelas e os comprimentos dos segmentos C¯D, E¯F e G¯H satisfac¸am a relac¸a˜o comp(C¯D) = 2comp(A¯B) = comp(E¯F ) e comp(G¯H) = 5 2 comp(A¯B). (2.1.1) Usando a definic¸a˜o 2.5 podemos ver os segmentos orientados (A,B) (C,D), (E,F ) e (G,H) teˆm mesma direc¸a˜o, usando (2.1.1) e a definic¸a˜o 2.13 (Note que α 6= 0), podemos ver que • segmento orientado (C,D) e´ representante do vetor 2~v (α = 2) , • segmento orientado (E,F ) e´ representante do vetor −2~v, (α = −2) 2.1. VETORES 25 • segmento orientado (G,H) e´ representante do vetor 5 2 ~v, (α = 5 2 ) e com isto construir a figura abaixo. � � �� A B ~v � � � � � �� D C 2~v � � � � � �� −2~v E F � � � � � � � ��� 5 2 ~v H G Vejamos agora como as duas operac¸o˜es dadas nas definic¸o˜es 2.12 em IE3 × IE3 , e 2.13 em R× IE3 se relacionam. PROPRIEDADES DE MULTIPLICAC¸A˜O POR ESCALAR Dados ~u,~v ∈ IE3, α ∈ R β ∈ R, enta˜o M1 α(~u+ ~v) = α~u+ α~v. M2 (α+ β)~u = α~u+ β~u. M3 1~u = ~u. M2 α(β~u) = (αβ)~u = β(α~u). ∗ A partir deste instante o espac¸o IE3 sera´ indicado por (IE3,+, ·) onde leˆ-se espac¸o IE3 com as operc¸o˜es de Adic¸a˜o e Multiplicac¸a˜o por Escalar (Nu´mero real) ∗ As quatro propriedades de adic¸a˜o juntamente com a quatro propriedades de Mul- tiplicac¸a˜o por escalar (nu´mero real) fazem uma estrutura especial dentro do conjunto IE3 chamada Estrutura de Espac¸o Vetorial e por isto de agora em diante nos referiremos ao conjunto (IE3,+, ·) como um Espac¸o Vetorial ∗ Se α ∈ R e ~v ∈ R com α 6= 0, sera´ utilizado apenas a notac¸a˜o 1 α ~v , de modo algum sera´ permitida a notac¸a˜o ~v α . Exerc´ıcio 2.4. Prove a regra dos sinais a (−α)~v = (−α~v) para todo α ∈ R e ~v ∈ IE3. b α(−~v) = −(α~v) para todo α ∈ R e ~v ∈ IE3. c (−α)(−~v) = α~v para todo α ∈ R e ~v ∈ IE3. Prova a : Note que pela definic¸a˜o 2.11 a igualdade (a) nos diz que o vetor oposto de (−α)~v e´ (−α~v) ou seja, devemos provar que (−α)~v + (−α~v) = ~0. Mas (−α)~v + (−α~v) M2= (−α + α) = 0~v Def 2.13= ~0 Prova b: Agora devemos provar que α(−~v) +−(α~v) = ~0. Mas α(−~v) + (α~v) M1= α(~v − ~v) = α~0 Def 2.13= ~0. A prova de c e´ deixada como exer´ıcio. 26 CAPI´TULO 2. GEOMETRIA Proposic¸a˜o 2.2. Dado α, β ∈ R e ~u ∈ IE3, • se α~u = ~0, enta˜o α = 0 ou ~u = ~0. •• se ~u 6= ~0 e α~u = β~u, enta˜o α = β. Prova : Priemiro vamos provar •. Supponha que α 6= 0 enta˜o existe α−1 ∈ R tal que α−1α = 1. Multiplicando α~u = ~0 de ambos os membros por α−1 teremos αα−1~u = α−1~0 = ~0, enta˜o ~u = ~0. Vamos provar agora ••. Como α~u = β~u⇒ α~u− β~u = ~0 Def 2.13⇒ α~u+ ((−β~u)) = ~0, Portanto, α~u+ (−β~u) = ~0 M2⇒ (α− β)~u Prop 2.2 •=⇒ (α− β = 0) ou ~u = ~0. Mas, por hipo´tese ~u 6= ~0, portanto α = β. Como ~u 6= ~0 temos α = β. Exerc´ıcio 2.5. Considere a figura abixo (o so´lido ABCD e´ um tetraedro), e os vetores ~m, ~n e ~p cujos representantes sa˜o os segmentos orientados (A,B), (A,C) e (A,D) respectivamente. AC B D � � � � � � � � � � � � � � � � � � � � � � � � �� @ @ @ @ @ @ ff � � � � � � � ��+ A A A A A A A A A AK (i) • Encontre os vetores ~u, ~v e ~w cujos representantes sa˜o os segmentos orientados (C,B), (C,D) e (B,D) respectivamente, como func¸a˜o de ~m, ~n e ~p. (ii) • Seja M ponto me´dio do segmento de reta CB, exprima o vetor ~a com um repre- sentante dado pelo segmento orientado (A,M) em func¸a˜o de ~m e ~n. 2.1.2 Soma de Ponto com Vetor Neste momento no´s temos dois conjuntos muito bem definidos que sa˜o o espac¸o no qual ”vivemos”que denotaremos por IE ou o conjunto dos pontos do espac¸o e o conjunto de Vetores Geome´tricos (ver Def. 2.1) que estamos indicando por IE3. Poder´ıamos dizer que o conjunto IE e´ o conjunto de dos pontos do espac¸o. Em verdade podemos definir uma correspondeˆncia entre estes dois conjuntos que e´ uma func¸a˜o . Veja definic¸a˜o a seguir. 2.1. VETORES 27 Definic¸a˜o 2.14. Dado um ponto P em IE e um vetor ~v em IE3, seja Q o u´nico ponto em IE tal que o segmentos orientados (P,Q) seja um representante para o vetor ~v. Este ponto Q ∈ IE e´ denominado a Soma do Ponto P com o Vetor ~v, e denotamos por Q = P + ~v. PQ ~vff Dados P ∈ IE e ~v ∈ IE3, Q = P + ~v ou Q = P + ~PQ • Usaremos a notac¸a˜o P − ~v para indicar a soma do ponto P com o vetor −~v, e assim teremos P − ~v = P + (−~v). PROPRIEDADES DA SOMA DE PONTO COM VETOR Dados P,∈ IE, ~v, ~u ∈ IE3, temos PS1 P +~0 = P , Esta e´ uma decorreˆncia do imediata da definic¸a˜o 2.14, pois ~PP = ~0 (ver Def. 2.9) enta˜o P +~0 = P . PS2 Se P + ~v = P + ~u enta˜o ~v = ~u. Note que se Q = P + ~v = P + ~u, ent ao da defnic¸a˜o2.14 ~PQ = ~v e ~PQ = ~u, portanto ~u = ~v.Esta propriedade permitem um tipo de Cancelamento do ponto P na igualdade P + ~u = P + ~v. PS3 (P + ~v) + ~u = P + (~v + ~u). Sejam Q = P + ~u, R = Q + ~v,(ver figura abaixo) enta˜o R = (P + ~u) + ~v. Ainda, segue da definic¸a˜o 2.14 que ~PQ = ~u, ~QR = ~v. Realizando a soma de ~PQ com ~QR teremos ~PQ + ~QR = ~v + ~u, mas ~PQ + ~QR = ~PR. Novamente pela definic¸a˜o 2.14 R = P + (~u + ~v) agora pela propriedade PS3 tem-se (P + ~u) + ~v = P + (~u+ ~v). P - ~u � � � � � �� Q ~v ~w = ~v + ~v Q Q Q Q Q Q Q QQs R PS4 Se P + ~v = Q+ ~v, enta˜o P = Q. Como P + ~v = Q+ ~v ⇒ (P + ~v)− ~v = (Q+ ~v)− ~v PS3⇒ P + (~v − ~v) = Q+ (~v − ~v) ⇒ P +~0 = Q+~0 PS1⇒ P = Q PS5 (P − ~v) + ~v = P Esta propriedade decorre de PS3 e PS1. Pois (P − ~v) + ~v = PS3= P + (~v + (−~v) =PS1= P +~0 = P. 28 CAPI´TULO 2. GEOMETRIA • Neste caso se o vetor ~u tem como representante o segmento orientado (A,B), e´ comum representar o vetor ~AB por −→ B − A. ∗ A soma de ponto com vetor e´ uma relac¸a˜o muito importante entre os conjuntos IE e IE3, porque ela relaciona o conjunto de pontos do espac¸o com o conjunto de Vetores Geome´tricos. Esta relac¸a˜o sera´ utilizada para descrever subconjuntos de pontos do espac¸o, por exemplo Retas, Planos, Semi-retas, Semi-planos, e posic¸o˜es entre eles. Exerc´ıcio 2.6. Na figura ao abaixo os pontos M , N e O sa˜o pontos me´dios de PQ, QR e RP respectivamente. Exprima ~RM , ~QO e ~PN como func¸a˜o ~PR e ~PQ. P M � � � � � � N• O• Q Q Q Q Q Q Q QQ R Resoluc¸a˜o • E´ fa´cil ver que ~RM = ~RP + ~PM , isto porque M e´ ponto me´dio de PQ, e pudemos nos valer da definic¸a˜o 2.12. Mas com a definic¸a˜o 2.13 podemos ver que e novamente que M e´ ponto me´dio de PQ, vemos que ~PM = 1 2 ~PQ. Enta˜o, ~RM = ~RP + 1 2 ~PQ. (2.1.2) Encontramos a func¸a˜o de ~PR e ~PQ que procura´vamos. • Vamos escrever ~PN em func¸a˜o de ~PR e ~PQ. Use a defic¸a˜o 2.12 e note que ~PN Def.2.12 = ~PR + ~RN,N ponto me´dio de QR nos da´ 2 ~RN = ~QR Def.2.12 = ~RP + ~PQ, Enta˜o, ~PN Def.2.12,2.13 = 1 2 ( ~PQ+ ~RP ) + ~PR MS1 = 1 2 ~PQ− 1 2 ~PR + ~PR. Portanto, ~PN = 1 2 ~PQ+ 1 2 ~PR. (2.1.3) • Fica como exerc´ıcio provar que ~QO e´ func¸a˜o ~PR e ~PQ. A conclusa˜o do exer´ıcio 2.6 e´ va´lida mesmo quando os pontos M , N e O escolhidos na˜o forem pontos me´dios, ver o exerc´ıcio abaixo : Exerc´ıcio 2.7. Na figura abaixo a medida de PX e´ a metade da medida de XR. Exprima ~QX em func¸a˜o de ~QP e ~QR. P� � � � � � Q X Q Q Q Q Q Q Q QQ R 2.1. VETORES 29 Resoluc¸a˜o O enunciado do exerc´ıcio nos diz que ~PX = 1 2 ~XR, enta˜o ~QX − ~QP = ~PX = 1 2 ~XR = 1 2 ( ~QR− ~QX ) MS1 = 1 2 ~QR− 1 2 ~QX Observe a primeira e u´ltima igualdade, elas no da˜o, ~QX − ~QP = 1 2 ~QR− 1 2 ~QX Def. 2.11⇒ 3 2 ~QX = 1 2 ~QR + ~QP Def. 2.13⇒ ~QX = 1 3 ~QR + 3 2 ~QP. (2.1.4) Exerc´ıcio 2.8. Seja ABC um triaˆngulo, e M e N pontos me´dios de AC e BC respectiva- mente. Mostre que ~MN = 1 2 ~AB. Exerc´ıcio 2.9. Prove que se os pontos me´dios dos lados de um quadrila´tero convexo forem ve´tices de um segundo quadrila´tero, este sera´ um paralelogramo. 2.1.3 Dependeˆncia e Independeˆncia Linear Observe que em (2.1.2), (2.1.3) e (3.1.4) temos os vetores ~RM , ~PN e ~CX, respectivamente, foram expressos como func¸a˜o de outros vetores, em verdade, a func¸a˜o que aparece no lado direito de cada uma das expresso˜es de (2.1.2), (2.1.3) e (3.1.4) e´ uma Func¸a˜o Linear dos vetores envolvidos. Este tipo de expressa˜o e´ denominado COMBINAC¸A˜O LINEAR ou seja, ∗ em (2.1.2) o vetor ~RM aparece escrito como COMBINAC¸A˜O LINEAR dos vetores ~RP e ~PQ; ∗ em (2.1.3) o vetor ~PN aparece escrito como COMBINAC¸A˜O LINEAR dos vetores ~PQ e ~PR; ver em (3.1.4) qual a COMBINAC¸A˜O LINEAR que aparece. Definic¸a˜o 2.15. Dadas (α1, α2, · · ·, αn) sequeˆncia de nu´meros reais (n-upla ordenada), e (~u1, ~u2, · · ·, ~un) sequeˆncia de vetores (n-upla de ordenada de vetores), dizemos que um vetor ~u inIE3 e´ COMBINAC¸A˜O LINEAR dos vetores ~u1, ~u2, · · ·, ~un, se ~u = α1~u1 + α2~u2 + · · ·+ αn~un. (2.1.5) Exemplo 2.8. Tome na expressa˜o ~CX = 1 3 ~QR + 3 2 ~QP . 30 CAPI´TULO 2. GEOMETRIA Observe que α1 = 1 3 , ~u1 = ~QR, α2 = 3 2 e ~u2 = ~QP e se ~u = ~CX, temos a sequeˆncia de nu´meros reais (α1, α2) = ( 1 3 , 3 2 ) e a sequeˆncia de vetores (~u1, ~u2) = ( ~QR, ~QP ) e ~u escrito como COMBINAC¸A˜O LINEAR dos vetores (~u1, ~u2) = ( ~QR, ~QP ). Exemplo 2.9. Seja ~PN = 1 2 ~PQ+ 1 2 ~PR como em (2.1.3). Note que se α1 = α2 = 1 2 e ~u1 = ~PQ, ~u2 = ~PR, enta˜o se ~u = ~PN teremos ~u escrito como COMBINAC¸A˜O LINEAR de ~u1 e ~u1. ∗ Diremos que a COMBINAC¸A˜O LINEAR ~u = α1~u1 + α2~u2 + · · ·+ αn~un. (2.1.6) e´ a COMBINAC¸A˜O LINEAR NULA se ~u = ~0 for o vetor nulo. • Dada uma sequeˆncia de vetores (~u1, ~u2, · · ·, ~un), ha´ uma maneira muito fa´cil, digamos trivial, de se obter a COMBINAC¸A˜O LINEAR NULA destes vetores, que e´ escolher todos os elementos da sequeˆncia de nu´meros (α1, α2, · · ·, αn) = (0, 0, · · ·, 0), e assim teremos a COMBINAC¸A˜O LINEAR 0~u1 + 0~u2 + · · ·+ 0~un = ~0. Exemplo 2.10. Considere os vetores ~u, ~v e ~w com segmentos orientados (P,Q), (Q,R) e (R,P ) respectivamente, como na figura abaixo: Pff ~u � � � � � �� Q ~v ~w Q Q Q Q Q Q Q QQs R Segue diretamente da definic¸a˜o 2.12 que ~0 = ~u+~v+ ~w ou seja, o vetor ~0 e´ combinac¸a˜o nula de ~u, ~v e ~w. Observac¸a˜o 2.1. Se dois vetores ~u e ~v forem paralelos existira´ um nu´mero real α tal que ~u = α~v. Prova Como ~u e ~v sa˜o paralelos e simultaneamente na˜o nulos, ~u e ~v teˆm mesma direc¸a˜o. Ainda na˜o e´ dif´ıcil ver que existe α ∈ R tal que ‖~u‖ = |α|‖~v‖. Como{ |α| = α, se α > 0, |α| = −α, se α < 0, enta˜o ~u = α~v e α = ‖~u‖ ‖~v‖ ,. Se um dos vetores ~u e ~v for o vetor nulo, por exemplo ~u = ~0, enta˜o tomamos α = 0 e poderemos escrever ~u = α~v. Note que o vetor nulo e´ paralelo a` qualquer outro vetor. Nas condic¸o˜es da observac¸a˜o 2.1 podemos concluir que ~u e ~v tera˜o mesma direc¸a˜o se α > 0 e sentido contra´rio se α < 0. 2.1. VETORES 31 Tambe´m nas condic¸o˜es da observac¸a˜o 2.1 pode-se obter a COMBINAC¸A˜O LINEAR NULA dos vetores , ~u e ~v ( ~u − α~v = ~0). Note que a sequeˆncia de nu´meros (1,−α) e´ na˜o nula. Vejamos qual e´ a relac¸a˜o de depeneˆncia entre α e e ~u e ~v, indnependente do valor de α. Ca´lculo do valor de α. O comprimento de α~v e ~u sa˜o iguais, enta˜o ‖~u‖ = ‖α~v‖ Def. 2.13=⇒ ‖~u‖ = |α|‖~v‖; • se os dois vetores forem na˜o nulos, enta˜o ‖~v‖ 6= 0 e assim, α = ‖~u‖ ‖~v‖ , ou seja α e´ unicamente determinado. ∗ Dada uma sequeˆncia de vetores (~u1, ~u2, · · ·, ~un), tal que um deles e´ o vetor nulo, enta˜o existira´ pelo menos uma sequeˆncia de nu´meros reais (α1, α2, · · ·, αn) 6= (0, 0, · · ·, 0) que torna poss´ıvel a COMBINAC¸A˜O LINEAR NULA de (~u1, ~u2, · · ·, ~un). Vejamos e´ poss´ıvel encontrar uma sequeˆncia de nu´meros reais (α1, α2, · · ·, αn) ’na˜o nula. Suponha que ~u1 6= ~0. Enta˜o existe a sequeˆncia de nu´meros reais (α1, α2, · · ·, αn) com α1 6= 0 por exemplo α1 = 2, e todos os outros αs nulos, enta˜o a sequeˆncia de nu´meros reais toma a forma (2, α2 = 0, · · ·, αn = 0), e como ~u2 = ~0, ~u3 = ~0, · · ·, ~un = ~0 a COMBINAC¸A˜O LINEAR dos vetores dados sera´ dada por 2 ·~0 + α2 · ~u2 + · · ·+ αn · ~un = 2 ·~0 + 0 · ~u2 + · · ·+ 0 · ~un Def. 2.13= ~0. Definic¸a˜o 2.16. Uma sequeˆncia de vetores (~u1, ~u2, · · ·, ~un) sera´ Linearmente Indepen- dente e indicaremos LI, se a u´nica possibilidade de se obter a COMBINAC¸A˜O LINEAR NULA dos vetores (~u1, ~u2, · · ·, ~un) for escolher (α1, α2, · · ·, αn) = (0, 0, · · ·, 0). • Uma sequeˆncia com apenas vetor (~u),e´ Linearmente Independente se e somente se ~u 6= ~0. Prova Devemos mostrar que a COMBINAC¸A˜O LINEAR NULA da sequeˆncia (~u) isto e´, α~u = ~0 somente e´ possivel se α = 0. Mas, pela Proposic¸a˜o 2.2•, α~u = ~0 implica que α = 0 ou ~u = ~0, como a ~u e´ na˜o nulo, α = 0 ou seja a u´nica sequeˆncia poss´ıvel de nu´meros reais que produz a COMBINAC¸A˜O LINEAR NULA α~u = ~0, e´ (α) = (0). Isto prova as duas afirmac¸o˜es . Definic¸a˜o 2.17. Note que uma sequaeˆncia de vetores (~u1, ~u2, · · ·, ~un) LINEARMENTE DEPENDENTE, indicaremos por LD se ela na˜o for LI. 32 CAPI´TULO 2. GEOMETRIA • Dada uma sequeˆncia de vetores (~u1, ~u2, · · ·, ~un), se houver pelos menos uma maneira de se obter a COMBINAC¸A˜O LINEAR NULA destes vetores utilisando-se uma n-upla ordenada na˜o nula isto e´ (α1, α2, ···, αn) 6= (0, 0, ···, 0), diremos que a sequeˆncia de vetores (~u1, ~u2, ···, ~un) e´ LD. ∗ Uma sequeˆncia com dois vetores (~u,~v) e´ LD se e somente se ~u e ~v forem paralelos. Prova Se ~u e ~v forem paralelos, os comenta´rios logo apo´s a Obsevac¸a˜o 2.1 nos assegura que existe α ∈ R tal que ~u = α~v, ou seja ~u−α~v = ~0 e isto implica que a sequeˆncia (1, α) poder ser utilizada para se obter a COMBINAC¸A˜O LINEAR NULA de ~u e ~v. Como (1, α) 6= (0, 0), a definic¸a˜o nos diz que a sequeˆncia (~u,~v) e´ LD. Se ~u e ~v forem LD enta˜o existe α ∈ R tal que ~u−α~v = ~0, enta˜o ~u = α~v = ~0. A definic¸a˜o 2.13 assegura que ~u e ~v teˆm mesma direc¸a˜o˙ Proposic¸a˜o 2.3. Uma sequeˆncia de vetores ~v1, ~v2, . . . , ~vn ∈ IE3 e´ LD se e somente se algum destes vetores e´ combinac¸a˜o linear (CL) dos demais. Prova Suponha que {~v1, ~v2, . . . , ~vn} e´ LD, enta˜o pela definic¸a˜o 2.16 existe uma n-upla de nu´meros reais (α1, α2, . . . , αn) 6= (0, 0, . . . , 0), isto e´, pelo menos um dos αi 6= 0 para i = 1, 2, . . . , n, tal que α1~v1 + α2~v2 + · · ·+ αn~vn = ~0, como αi 6= 0 para algum i = 1, 2, . . . , n, suponhamos que α1 6= 0. Enta˜o α1~v1 = −α2~v2 − · · · − αn~vn, e dividindo ambos os membros por α1 teremos ~v1 = −α2 α1 ~v2 − α3 α1 ~v3 − · · · − α2 α1 ~vn ou seja o vetor ~v1 e´ combinac¸a˜o dos demais. • Suponaha agora que um dos vetores ~v1, ~v2, . . . , ~vn e´ combinac¸a˜o dos demais, podemos supor que seja ~v1 este vetor, ou seja, pela definic¸a˜o 2.1.5 existem β1, β2, . . . , βn−1 tais que ~v1 = β1~v2 + β2~v3 + · · ·+ βn−1~vn, subtraindo ~v1 em ambos os membros da igauldade acima teremos (−1)~v1 + β1~v2 + β2~v3 + · · ·+ βn−1~vn = ~0. (2.1.7) Note em (3.1.5) temos aCombinac¸a˜o Linear Nula dos vetores ~v1, ~v2, . . . , ~vn com a sequeˆncia −1, β1, β2, . . . , βn−1 de n nu´meros reais, e esta sequeˆncia e´ na˜o nula, ou seja (−1, β1, β2, . . . , βn−1) 6= (0, 0, . . . , 0). Pela definic¸a˜o 2.16 os vetores ~v1, ~v2, . . . , ~vn sa˜o Linearmete Dependentes (LD). Uma interpretac¸a˜o da Proposic¸a˜o 2.3 ∗ Dados treˆs vetores ~u, ~v e ~w em IE3 com segmentos orientados (A,B), (A,C) e (A,D) respectivamente, os treˆs vetores sera˜o coplanares se existir um plano pi que e´ paralelo aos treˆs vetores simultaneamente, isto e´ os pontos A, B, C e D estiverem no mesmo plano, digamos pi. Diremos que os treˆs vetores ~u, ~v e ~w sa˜o COPLANARES. 2.1. VETORES 33 Dados treˆs vetores ~u, ~v e ~w em IE3 tais que dois deles sa˜o LI ou seja ha´ dois deles que na˜o sa˜o paralelos, digamos ~u e ~v, se o terceiro vetor for coplanar com ~u e ~v, enta˜o ~w e´ COMBINAC¸A˜O LINEAR de ~u e ~v. Veja figuras α e β abaixo: - B figura δ M A D C � � � � � �� N � � �� - ~w � � ��� �� �� ���1 • Pelo ponto D passamos uma reta paralela a` reta AC e determinamos o ponto M e por conseguinte o segmento oriendatado (A,M), note que os segmentos oriendatados (A,B e (A,M) sa˜o paralelos e portanto os vetores representado por (A,B e (A,M) sera˜o LD. • Pelo ponto D passamos uma reta paralela a` reta AB e determinamos o ponto N e por conseguinte o segmento oriendatado (A,N), note que os segmentos oriendatados (A,C) e (A,N) sa˜o paralelos e portanto os vetores representado por (A,C) e (A,N) sera˜o LD. Com base nestes comente´rios e observando a figura δ poderemos entender facilmente a figura λ. - ~u~a figura λ � � � � � �� ~b ~v Como ~b ‖ ~v, (~b e ~u LD), ∃β ∈ R, β 6= 0 tal que ~a = β~u Como ~a ‖ ~u, (~b e ~u LD), ∃α ∈ R, α 6= 0 tal que ~a = α~u � � �� ~w = ~a+~b = α~u+ β~v - ~w � � ��� �� �� ���1 • Segue da Proposic¸a˜o 2.3 que Treˆs coplanares sera˜o LD Exerc´ıcio 2.10. Mostre que treˆs ou mais vetores coplanares sera˜o LD. Exerc´ıcio 2.11. Mostre que treˆs vetores ~u, ~v e ~w em IE3 sera˜o LI se e somente se na˜o forem coplanares LD. • Quatro vetores ~u, ~v, ~y e ~x em IE3 sera˜o LD. Seja quatro vetores ~u, ~v, ~w e ~x em IE3 dados pelos segmentos orientados (A,B), (A,C), (A,D) e (A,F ) respectivamente . -� � � � � � � � � � � � �� � � � � � �� B figura γ M A E F � � � � � � C D N Q �� �� �� ��� �� �� �� ��� � � � � � � � � � � � � � � � � � � � � � ~w � � � 34 CAPI´TULO 2. GEOMETRIA • Passando pelo ponto F uma reta paralela a` reta AD e obtemos o ponto E, (os pontos A, B, C e E sa˜o coplanares). Por E passemos uma reta paralela a` AC e obtemos o ponto M e finalmente por E passemos uma reta paralela a` reta AB e obtemos o ponto N . Das figuras δ e λ acima vemos facilmente que o vetor ~w da figura γ dado pelo segmento orientado (A,E) e´ soma de α~u com β~v, isto e´ ~w = α~u + β~v. Ainda na firuga γ passamos por F uma reta paralela a` reta AD e determinamos o ponto Q, vemos que o segmento orientado (A,Q) e´ equipolente ao segmento orientado (A,D). Portanto existe σ ∈ R tal que o vetor dado pelo segmento orientado (A,Q) digamos ~c satisfaz ~c = σ ~w. Observando na figura γ o paralelogramo AFDFQ, vemos que o segmento orientado (A,F ) que representa o vetor ~x, pode ser tambe´m ser um representante do vetor α~u+ β~v + σ ~w. Portanto ~x = α~u+ β~v + σ ~w. • Se um vetor ~v e´ Combinac¸a˜o Linear dos vetores ~u1, ~u2, · · · , ~un, diremos que ~v e´ gerado pelos vetores ~u1, ~u2, · · · , ~un. Note que, no caso acima o vetor ~x e´ gerado por ~u,~v, ~w. Ainda mais, pela construc¸a˜o podemos ver que qualquer sequeˆncia com treˆs vetores LI em IE3, e´ capaz de gerar todos vetores de IE3. EXERCI´CIOS 1. De cada uma das matriz se abaixo Calcule a matriz cofatora, adjunta cla´ssica e com a Definic¸a˜o 1.7 calcule o determinante. Em seguida calcule a matriz inversa caso ela exista. A = 1 3 11 0 1 2 1 4 , B = −1 0 −21 −1 2 0 1 −1 , C = −1 −1 0 −2 −2 1 −1 2 0 1 −1 1 2 −2 −1 0 , Para cada uma das matrizes acima calcule a sua inversa usando escalonamento de matriz. 2. Suponha que os vetores de S = {~u,~v} na˜o sa˜o paralelos. Se ~x = ~u+ 2~v ~y = −~u− 2~v, a: Verifique se S = {~x, ~y} sa˜o paralelos. b : Verifique se o vetor ~z = 3~x− 2~y e´ gerado pelos vetores de S. 3. Suponha que S = {~u,~v} e´ Linearmente Independente (L.I.). Se ~x = ~u+3~v ~y = 5~u−3~v, a: Verifique se S = {~x, ~y} e´ Linearmente Independente. 2.1. VETORES 35 b : Verifique se o vetor ~z = 3~v − 2~u e´ gerado pelos vetores de S. 4. Suponha que S = {~u,~v, ~w} e´ L.I.. a : Verifique se S0 = {~u − 3~v + ~w; −~u + 3~v − 2~w; 3~u − 3~v + 2~w} e´ Linearmente Independente. b: Verifique se o vetor ~u+ 3~v − 4~w e´ gerado pelos vetores de S0. c: Deˆ condic¸a˜o sobre α ∈ R para que o vetor ~u+α~v− 4~w seja gerado pelos vetores de S0. 2.1.4 Bases e Dimensa˜o Definic¸a˜o 2.18. Qualquer sequeˆncia com treˆs vetores (~e1, ~e2, ~e3) que seja LI em IE 3 e´ de- nominada base de IE3. ~e1 ~e2 ~e3 ff � � � � ��+ A A A A A AK Considere a terna ordenada de vetores B = (~e1, ~e2, ~e3) ∈ IE3, LI (portanto uma base de IE3) enta˜o pelo queja´ vimos qualquer outro vetor ~u ∈ IE3 e´ gerado por (~e1, ~e2, ~e3), em outras palavras existe uma terna ordenada de nu´meros reais (a1, a2, a3) tais que ~u = a1~e1 + a2~e2 + a3~e3 a terna de nu´meros reais (a1, a2, a3) e´ denominada Coordenadas de ~u na Base B ou as coordenada de ~u em relac¸a˜o a` base B. Indicamos (a1, a2, a3)B e observamos que as coorde- nadas de um vetor dependem da ordem que se apresenta a terna de vetores na base B , por isto uzamos o termo terna ordenada de nu´meros reais • Adic¸a˜o de vetores Se ~u = a~e1 + b~e2 + c~e3 e ~v = α~e1 + β~e2 + γ~e3, enta˜o ~u+ ~v = (a+ α)~e1 + (b+ β)~e2 + (c+ γ)~e3 . • Multiplicac¸a˜o por Escalar se λ ∈ R e ~u = a~e1 + b~e2 + c~e3, enta˜o λ~u = λa~e1 + λb~e2 + λc~e3 ∗ As coordenadas do vetor nulo sa˜o (0, 0, 0) independentemente da base. Proposic¸a˜o 2.4. Dois vetores ~u = a~e1+b~e2+c~e3 e ~v = α~e1+β~e2+γ~e3 sa˜o LD se e somente se as (a, b, c) forem proporcionais a` (α, β, γ). 36 CAPI´TULO 2. GEOMETRIA Prova : (→) Se ~u ou ~v for o vetor nulo enta˜o, suponhamos que ~u = ~0 enta˜o ~u = (0, 0, 0)B e por hipo´tese existe λ ∈ R tal que λ~v = ~u. Ao tomarmos λ = 0 veremos que λ~v = 0(α~e1+β~e2+γ~e3) = (0, 0, 0) = ~0 = ~u. Note que λ(α, β, γ) = (0, 0, 0) sa˜o as coordenadas de ~u na base B. Se vetores ~u ou ~v forem na˜o nulos, como por hipo´tese existe λ ∈ R tal que λ~v = ~u, teremos (λa, λb, λc) = (α, β, γ). Consequentemente as coordenadas de ~u ou ~v sa˜o proporcionais. A re´ıproca e´ trivial. Proposic¸a˜o 2.5. Suponha que {~e1, ~e2, ~e3} e´ um conjunto LI. Considere o conjunto S = {~u,~v, ~w} cujos treˆs vetores sa˜o dados por ~u = a~e1 + b~e2 + c~e3, ~v = α~e1 + β~e2 + γ~e3 e ~w = m~e1 + n~e2 + p~e3. S e´ LI se e somente se det(A) 6= 0, onde A = a α mb β n c γ p . Prova: Seja x, y, z nu´meros reais. Consideremos a COMBINAC¸A˜O LINEAR NULA vetores de S dada por x~u+ y~v + z ~w = ~0. Da definic¸a˜o de ~u,~v e ~w tem-se x(a~e1 + b~e2 + c~e3) + y(α~e1 + β~e2 + γ~e3) + z(m~e1 + n~e2 + p~e3) = ~0. O que nos da´ [ax+ αy +mz]~e1 + [bx+ βy + nz]~e2 + [cx+ γy + pz]~e3 = ~0. Mas aqui temos uma COMBINAC¸A˜O LINEAR NULA dos vetores do conjunto {~e1, ~e2, ~e3} que e´ LI por hipo´tese. Enta˜o, os coeficientes desta COMBINAC¸A˜O LINEAR NULA ter ao que ser nulos, isto e´ ax+ αy +mz = 0 bx+ βy + nz = 0 cx+ γy + pz = 0. ou seja a α zx β n c γ z xy z = 00 0 . Este sistema homogeˆneo tera´ uma u´nica soluc¸a˜o se e somente det(A) 6= 0. Podemos ver facilmente que a soluc¸a˜o para este sietema e´ {(0, 0, 0)}. Potanto, S e´ LI se e somente se det(A) 6= 0. 2.2. PRODUTO ESCALAR 37 2.2 Produto Escalar Dados dois vetores ~u e ~v, seja θ a medida do aˆngulo entre ~u e ~v ( ver figura) P ~u � � � � � � ^ Q θ ~v Q Q Q Q Q Q Q QQs figura A R Observac¸a˜o 2.2. Dados dois vetores ~u e ~v, seja θ medida do aˆngulo entre ~u e ~v, pode-se ver facilmente que o aˆngulo entre dois vetores iguais e´ zero, o aˆngulo entre o vetor ~u e seu vetor oposto −~u e´ pi. Ainda, os dois vetores ~u e ~v sa˜o perpendiculares se e somente se θ = pi 2 . Considere o triaˆngulo PQR abaixo. Suponha que θ e´ a medida do aˆngulo entre os vetores ~u e ~v Pff ‖~u‖ � � � � � � ^ Q θ ‖~v‖ ‖~w‖ Q Q Q Q Q Q Q QQs R Pela lei dos cossenos temos ‖~w‖2 = ‖~u‖2 + ‖~v‖2 − 2‖~u‖‖~v‖ cos(θ) (2.2.8) Definic¸a˜o 2.19. Dados dois vetores ~u, ~v, chama-se Produto Escalar de ~v por ~v ao nu´mero real 〈~u,~v〉 = ‖~u‖‖~v‖ cos(θ) (2.2.9) • Dados ~u, ~v, ~w vetores e λ nu´mero real, enta˜o (i) 〈~u+ ~v, ~w〉 = 〈~u,~v〉+ 〈~u, ~w〉, (ii) 〈~u,~v〉 = 〈~v, ~u〉, (iii) 〈λ~u,~v〉 = λ〈~u,~v〉, (iv) 〈~u, λ~v〉 = λ〈~u,~v〉. • Observe que o termo do lado direito de (4.1.3) aparece na Lei dos Cossenos (ver (2.2.8)). • Segue da Observac¸a˜o 2.2 que 〈~u, ~u〉 = ‖~u‖2 porque o aˆngulo entre ~u e ~u e´ zero. Ainda, que 〈~u,−~u〉 = −‖~u‖2 porque o aˆngulo entre ~u e −~u e´ pi. • Segue da Observac¸a˜o 2.2 que 〈~u,~v〉 = 0 se e somente se os dois vetores ~u e ~v forem perpendiculares 38 CAPI´TULO 2. GEOMETRIA 2.2.1 Projec¸a˜o Ortogonal de Vetores Consideremos a base ortonormal dois vetors ~u e ~v como na Figura ∆. - ~v figura ∆ ~a A ~w 6 - ~u � � � � � � � ��3 A projec¸a˜o ortogonal de ~u na direc¸a˜o de ~v e´ o vetor ~a (ver figura ∆) que satisfaz as treˆs condic¸o˜es abaixo: (i) Existe λ ∈ R, tal que ~a = λ~v. (ii) Existe um vetor ~w, tal que 〈~w,~v〉 = 0. (iii) ~u = ~a+ ~w. (2.2.10) Queremos determinar λ. Veja que 〈~u,~v〉 = 〈~a+ ~w,~v〉 = 〈~a,~v〉+ 〈~w,~v〉 = 〈λ~v,~v〉 = λ〈~v,~v〉, pois 〈~w,~v〉 = 0.vemos dai que λ = 〈~u,~v〉‖~v‖2 Assim, Proj~u ~v = ~a = 〈~u,~v〉 ‖~v‖2 ~v. (2.2.11) 2.2.2 Bases Ortogonais Definic¸a˜o 2.20. Dada uma BASE B = {~e1, ~e2, ~e3} do espac¸o, dizemos que ela e´ uma Base Ortogonal se os vetores de B forem dois a dois perpendiculares isto e´ 〈~e1, ~e2〉 = 0, 〈~e1, ~e3〉 = 0 e 〈~e2, ~e3〉 = 0 (2.2.12) 2.2. PRODUTO ESCALAR 39 ~e1 ~e3 ~e3 - 6 � � �� 2.2.3 Bases Ortonormais Definic¸a˜o 2.21. Dada uma BASE ORTOGONAL B = {~e1, ~e2, ~e3} do espac¸o, dizemos que ela e´ uma Base Ortonormal se os vetores de B tiverem NORMA UM (comprimento), isto e´ 〈~e1, ~e1〉 = ‖~e1‖2 = 1, 〈~e2, ~e2〉 = ‖~e2‖2 = 1 e 〈~e3, ~e3〉 = ‖~e3‖2 = 1 (2.2.13) Consideremos uma base ortonormal B = {~ı,~, ~k} e o vetor ~u = x~ı+y~+z~k. Enta˜o pode-se na figura abaixo a interpretac¸a˜o geome´trica da relac¸a˜o do vetor ~u com a base B. ~e1 x~e1 ~e3 ~u = x~e1 + y~e2 + z~e3 z~e3 ~e2 y~e2- - 6 6 �� � � ffi • Deste instante em diante INDICAREMOS BASE ORTONORMAL por B = {~ı,~, ~k} 40 CAPI´TULO 2. GEOMETRIA Seja B = {~ı,~, ~k} base ortonormal, enta˜o ~u = x~ı + y~ + z~k. ~ı x~ı ~e3 ~u = x~ı + y~ + z~k z~k ~ y~- - 6 6 �� � � ffi Lema 2.1. Se ~u = x~ı + y~ + z~k e ~v = a~ı + b~ + c~k, enta˜o 〈~u,~v〉 = 〈x~ı + y~ + z~k, a~ı + b~ + c~k〉 = ax+ by + cz (2.2.14) Prova Segue da definic¸a˜o 2.20 〈~ı,~〉 = 〈~, ~k〉 = 〈~ı, ~k〉 = 0, ainda da definic¸a˜o 4.5 que 〈~ı,~ı〉 = 〈~,~〉 = 〈~k,~k〉 = 1. Enta˜o de (4.1.4) segue que 〈~u,~v〉 = 〈x~ı + y~ + z~k, a~ı + b~ + c~k〉 = x〈~ı, a~ı + b~ + c~k〉+ y〈~, a~ı + b~ + c~k〉+ z〈~k, a~ı + b~ + c~k〉 = xa〈~ı,~ı〉+ xb〈~ı,~〉+ xc〈~ı, ~k〉+ ya〈~,~ı〉+ yb〈~,~〉+ yc〈~, ~k〉+ za〈~k,~ı〉+ zb〈~k,~〉+ zc〈~k,~k〉 = ax+ by + cz Agora, de (4.1.6) segue, facilmente que Proj~u ~v = ~a = 〈~u,~v〉 ‖~v‖2 ~v = ax+ by + cz a2 + b2 + c2 · ~v, e que V erso(~u) = 1 x2 + y2 + z2 [x~ı + y~ + z~k] (2.2.15) Exemplo 2.11. Sejam ~u = 2~ı − 3~ + ~k e ~v = −2~ı +~ − 4~k. Calcule ‖~u‖, Versor(~u), ‖~v‖, 〈~u,~v〉 e Proj~u ~v . Resoluc¸a˜o : Veja que ‖~u‖2 = 〈~u, ~u〉 = 〈2~ı− 3~ +~k, 2~ı− 3~ +~k〉. Enta˜o segue de (2.2.14) que ‖~u‖ = √ 22 + (−3)2 + 12 = √ 14, 2.2. PRODUTO ESCALAR 41 e de (2.2.15) segue que V ersor(~u) = 1√ 14 [2~ı− 3~ + ~k] = 2√ 14 ~ı− 3√ 14 ~ + 1√ 14 ~k. Analogamente, ‖~v‖2 = 〈~v,~v〉 = 〈−2~ı +~− 4~k,−2~ı +~− 4~k〉. Enta˜o segue de (2.2.14) que ‖~u‖ = √ (−2)2 + 12 + (−4)2 = √ 21. Para finalizar, segue tambe´m de (2.2.14) que 〈~u,~v〉 = 〈〈2~ı− 3~ + ~k,−2~ı +~− 4~k〉 = 2(−2) + (−3)1 + 1(−4) = −11. Portanto, de (2.2.15) segue que Proj~u ~v = −11 21 [2~ı +~− 4~k]. EXERCI´CIOS 1. Dados os pontos A = (−1, 2, 0), B = (−1,−1, 1) e C = (1, 2,−2). (i) Verifique se estes pontos sa˜o colineares. (ii) Calcule a medida do aˆngulo entre os vetores ~u = ~AB e ~v = ~CB. (iii) Se ~w = ~CA, detremine a e b nu´meros reais tais que ~w = a~u+ b~v. 2. Considere os vetores ~f1 =~ı− 2~− ~k; ~f2 = −~ı + 5~ + ~k; ~f3 = −3~ı + 2~ + 3~k. (i) Verifique se os vetores ~u = −2~ı− 3~ + ~k e ~v = 2~ı + ~k podem ser gerados por ~f1, ~f2 e ~f3.(ii) Verifique se os vetores ~f1, ~f2 e ~f3 geram qualquer vetor de IE 3. 3. Suponha que S = {~u,~v, ~w} seja LI. (i) Verifique se S1 = {~u, ~u+ ~v, ~u+ ~v + ~w} e´ LI. (ii) Verifique se S2 = {~u− ~v, ~u+ ~v + ~w, ~w} e´ LI. (iii) Verifique se S3 = {~u− ~v, ~u− ~w,−~u+ ~w} e´ LI. 4. i - Fixada uma base (~ı,~, ~k) sejam os vetores ~u = 2~ı + 1~ + 3~k , ~v = 0~ı + 1~ − 1~k e ~w = 4~ı + 5~ı + 3~k; ii - Calcular ~m = ~u + ~v , ~n = ~u − 2~v + 3~w e ~p = ~u − 3~v − ~w, e verfique se ~m,~n, ~p formam uma base de IE3. iii - Determine a e b nu´meros reais, para que a~u+ b~v = ~w 42 CAPI´TULO 2. GEOMETRIA 5. Dado S = {~u,~v, ~w} LI, (i) Verifique se A = {~v − 2~w + ~u, 2~u+ ~v + ~w, ~u− ~v + c~w} e´ LI. (iii) Verifique se A gera o vetor ~v − ~w + ~u. (ii) Verifique se A gera o vetor 3~v − ~w + ~u. (iv) - determine uma relac¸a˜o entre a, b e c para que B = {~v− 2~w+ ~u, 2~u+~v+ ~w, a~u− b~v + c~w} seja LI. 2.2.4 Produto Vetorial Definic¸a˜o 2.22. Dados ~u = x~ı + y~ + z~k e ~v = a~ı + b~ + c~k, chama-se Produto Vtorial de ~u por ~v ao vetor ~u ∧ ~v = det ~ı ~ ~kx y z a b c = det [ y z b c ] ~ı− det [ x z a c ] ~ + det [ x y a b ] ~k (2.2.16) Exemplo 2.12. Dados ~u = 2~ı− 2~ + ~k e ~v =~ı + 2~− ~k, calcule ~u ∧ ~v. Resoluc¸a˜o : Segue de (2.2.16) que ~u ∧ ~v = det ~ı ~ ~k2 −2 1 1 2 −1 = det [ −2 1 2 −1 ] ~ı− det [ 2 1 1 −1 ] ~ + det [ 2 −2 1 2 ] ~k Portanto, ~u ∧ ~v = 0~ı− 3~ + 6~k. Lema 2.2. Dados ~u = x~ı + y~ + z~k e ~v = a~ı + b~ + c~k, o vetor ~u ∧ ~v e´ perpendicular a` ~u e ~u ∧ ~v tambe´m e´ perpendicular a` ~v. Prova Devemos provar que 〈~u, ~u ∧ ~v〉 = 0 e 〈~v, ~u ∧ ~v〉 = 0. 〈~u, ~u ∧ ~v〉 = x det [ y z b c ] ~ı− y det [ x z a c ] ~ + z det [ x y a b ] ~k = det x y zx y z a b c = 0. Ainda 〈~v, ~u ∧ ~v〉 = a det [ y z b c ] ~ı− b det [ x z a c ] ~ + c det [ x y a b ] ~k = det x y za b c a b c = 0. • O Lema 2.2 nos diz que, sempre que desejarmos encontrar um vetor perpendicular a dois outros vetores LI, digamo ~u e ~v, realizamos o produto vetorial ~u∧~v encontramos o vetor desejado. 2.3. GEOMETRIA ANALI´TICA 43 2.3 Geometria Anal´ıtica Nosso inteesse agora e´ descrever as Retas e os Planos por meio de equac¸o˜es. 2.3.1 Retas Definic¸a˜o 2.23. Dados um ponto P0 = (x0, y0, z0) e um vetor na˜o nulo ~u, um ponto P = (x, y, z) perntence a` reta r que passa por P0 e tem a direc¸a˜o do vetor ~u se e somente se o conjunto de vetores R = { ~P0P, ~u} for LD. Vamos utilizar as coordenadas dos vetores envolvidos em uma base ortonormal. Seja B = {~ı,~, ~k} base de IE3. Enta˜o ~P0P = → (P − P0)= (x − x0)~ı + (y − y0)~ + (z − z0)~k e ~u = a~ı + b~ + c~k. Como R = { ~P0P, ~u} tem que ser LD, existe t ∈ R tal que ~P0P = t~u ou seja (x− x0)~ı + (y − y0)~ + (z − z0)~k = t(a~ı + b~ + c~k). Uma conta simples nos da´ x = x(t) = x0 + at y = y(t) = y0 + bt z = z(t) = z0 + ct. que sa˜o conhecidas como equac¸o˜es parame´tricas da reta r. Assim, para determinar todos os pontos da reta r, e´ suficiente fazer t percorrer todos os elementos do conjunto dos nu´meros reias, osto e´ t ∈ R, Com isto definimos uma func¸a˜o F : R→ R3 dada por F (t) = (x(t), y(t), z(t)) = (x0 + at, y0 + bt, z0 + ct). Exemplo 2.13. Seja P0 = (−1, 2, 1) e ~u =~ı + 2~−~k. Deˆ as equac¸o˜es parame´tricas da reta r qe passa por P0 e tem a direc¸a˜o de ~u. Resoluc¸a˜o A func¸a˜o F que da´ a reta r e´ dada por F (t) = (x(t), y(t), z(t)) = (−1 + t, 2 + 2t, 1− t) t ∈ R. e suas equac¸o˜es parame´tricas sa˜o dadas por x = x(t) = −1 + t y = y(t) = 2 + 2t z = z(t) = 1− t t ∈ R. Exemplo 2.14. Deˆ as equac¸o˜es parame´tricas da reta s que passa por P0 = (−1, 2, 1) e Q0 = (1, 0,−2). 44 CAPI´TULO 2. GEOMETRIA Resoluc¸a˜o Neste caso e´ necessa´rio encontrarmos um vetor que da´ a direc¸a˜o da reta s e que pode ser vetor → ( P0Q0) = → (Q0 − P0)= 2~ı− 2~− 3~k. Agora temos um vetor na direc¸a˜o da reta s e um ponto pertencente a` reta s. Enta˜o F (t) = (x(t), y(t), z(t)) = (−1 + 2t, 2− 2t, 1− 3t) t ∈ R. e suas equac¸o˜es parame´tricas sa˜o dadas por x = x(t) = −1 + 2t y = y(t) = 2− 2t z = z(t) = 1− 3t t ∈ R. Exerc´ıcio 2.12. Condisire os ponto P0 = (−1, 2, 1) e Q0 = (1, 0,−2) e M0 = (1,−3, 2). (i) Deˆ as equac¸o˜es parame´tricas da reta s que passa por P0, Q0. (ii) Deˆ as equac¸o˜es parame´tricas da reta s que passa por P0, M0. (iii) Deˆ as equac¸o˜es parame´tricas da reta s que passa por M0, Q0. 2.3.2 Planos Definic¸a˜o 2.24. Dado um plano pi, um pono P0 = (x0, y0, z0) ∈ pi e um vetor ~n = a~ı+b~+c~k perpendicular ao plano, um ponto do espac¸o P = (x, y, z) pertence ao plano pi se e somente se os vetores → P0P e ~n} forem perpendiculares. Enta˜o 〈 → P0P ,~n〉 = 〈(x− x0)~ı + (y − y0)~ + (z − z0)~k, a~ı + b~ + c~k〉 = 0 Uma conta relativamente simples nos mostra que todos os pontos P = (x, y, z) do plano pi teˆm que satisfazer a equac¸a˜o pi : ax+ by + cz − [ax0 + by0 + cz0] = 0. (2.3.17) A equac¸a˜o (2.3.17) e´ conhecida como Equac¸a˜o Geral do Plano pi. Exemplo 2.15. Deˆ a Equac¸a˜o Geral do Plano pi0 que passa por Po = (2,−3, 1) e e´ perpendicular ao vetor ~n = 3~ı− 2~− 4~k. Resoluc¸a˜o Segue de (2.3.17) que o plano pi0 tem Equac¸a˜o Geral do Plano dada por pi : 3x− 2y − 4z − [3 · 2 + (−2)(−3) + (−4) · 1] = 0 ou seja pi : 3x− 2y − 4z − 4 = 0. Exemplo 2.16. Deˆ a Equac¸a˜o Geral do Plano pi1 que passa por A = (2,−3, 1), B = (1, 0,−1) e C = (0, 3, 1). 2.3. GEOMETRIA ANALI´TICA 45 Resoluc¸a˜o Neste caso e´ necessa´rio termos certeza que os pontos A, B e C na˜o sa˜o colineares e em seguisda determinarmos um vetor perpendicular ao lano pi1. Veja que com os pontos A, B e C conseguimos um conjunto com dois vetores digamos S = { → AB → AC}. Os pontos A, B e C na˜o sera˜o colineares se S for LI. Depois poderemos no valer da Definic¸a˜o 2.22 para obtermos o vetor ~n que sera´perpendicular ao plano pi1. Pasemos al ca´lculos. → AB= → (B − A)= −~ı + 3~− 2~k e → AC= → (C − A)= −2~ı + 6~ + 0~k. Como as coordenadas de → AB e → AC na˜o sa˜o proporcionais, o conjunto S = { → AB → AC} e´ LI e assim, os pontos A, B e C na˜o sa˜o colineares. Vamos usar (2.2.16) para determinarmoso vetor → n perpendicular ao plano pi1. ~n = → AB ∧ → AC= det ~ı ~ ~k−1 3 −2 −2 6 0 = det [ 3 −2 6 0 ] ~ı−det [ −1 −2 −2 0 ] ~+det [ −1 3 −2 6 ] ~k. Assim, ~n = 12~−4ı~ − 1~k e´ um vetor perpendicular ao plano pi1. Agora, usamos o ponto B = (1, 0,−1), o vetor ~n, (2.3.17) e obtemos pi : 12x− 4y − z − [12 · 1 + (−4) · 0 + (−1) · (−1)] = 0, ou seja pi : 12x− 4y − z − 13 = 0. Exerc´ıcio 2.13. Condisire os ponto P0 = (−1, 2, 1) e Q0 = (1, 0,−2) e M0 = (1,−3, 2) e N0 = (−1, 3,−2). (i) Deˆ as equac¸a˜o geral do plano pi0 que passa por P0, Q0 e M0 . (ii) Deˆ as equac¸a˜o geral do plano pi0 que passa por N0, P0 e M0. (iii) Deˆ as equac¸a˜o geral do plano pi0 que passa por M0, Q0 e N0. (iv) Deˆ as equac¸o˜es vetorial, parame´tricas e sime´tricas da reta s que passa por M0 e que e´ perpendicular ao plano pi0 que passa por M0, Q0 e N0. Exerc´ıcio 2.14. Condisire os ponto P0 = (0, 2,−1) e Q0 = (1, 1,−2) e M0 = (1, 3, 2) e N0 = (−1,−3, 2). (i) Deˆ as equac¸o˜es parame´tricas do plano pi0 que passa por P0, Q0 e M0 . (ii) Deˆ a equac¸a˜o vetorial do plano pi0 que passa por N0, P0 e M0. (iii) Deˆ as equac¸o˜es vetorial, parame´tricas e geral do plano pi0 que passa por M0, Q0 e N0. (iv) Deˆ as equac¸o˜es vetorial, parame´tricas e sime´tricas da reta s que passa por N0 e que e´ perpendicular ao plano pi0 que passa por M0, Q0 e N0. 46 CAPI´TULO 2. GEOMETRIA Cap´ıtulo 3 A´LGEBRA LINEAR 3.1 Espac¸o Vetorial Definic¸a˜o 3.1. Seja V um conjunto qualquer. • Uma SOMA em definida
Compartilhar