Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade Federal do Maranha˜o Centro de Cieˆncias Exatas e Tecnologia Departamento de Matema´tica CA´LCULO VETORIAL 1 2 3 4 −1 −2 −3 −4 −5 1 2 3 4 5−1−2−3−4−5−6 Maxwell Mariano de Barros Sa˜o Lu´ıs - MA 2011 Prefa´cio Este texto foi produzido como base para o Curso de Licenciatura em Matema´tica, na modalidade de Ensino a` Distaˆncia, mantido pela Universidade Federal do Maranha˜o. Ele tem como u´nico pre´-requsito um curso regular de Geometria Anal´ıtica. A exposic¸a˜o foi conduzida de forma a apresentar em bases so´lidas os conceitos e resultados apre- sentados, deixando, ao mesmo tempo, um conjunto de atividades, distribu´ıdas entre as questo˜es presentes no corpo do texto e as grupos de exerc´ıcios ao fim de cada cap´ıtulo. E´ fundamental que o aluno se esforce para realizar as atividades propostas. O conheci- mento adquirido de forma ativa e´ duradouro, comparado ao pseudo-aprendizado obtido com a mera leitura. O texto esta´ estruturado da seguinte forma. Inicialmente, uma linguagem ba´sica e fundamental e´ introduzida: os conceitos de matrizes e sistemas de equac¸o˜es lineares. Mesmo aqui o leitor notara´ que o rigor e a precisa˜o sa˜o preocupac¸o˜es constantes. Em seguida sa˜o apresentados os conceitos e resultados sobre os objetos centrais do curso: vetores. A partir daqui, revisita-se, sob uma o´tica diferente daquela da Geometria Anal´ıtica, alguns dos principais entes geome´tricos: retas e planos. O texto finaliza com uma apresentac¸a˜o resumida de algumas coˆnicas e qua´dricas. Comenta´rios e correc¸o˜es devem ser enviados diretamente ao autor. Sa˜o Lu´ıs, 10 de janeiro de 2011. Maxwell Mariano de Barros DEMAT - UFMA mxwbarros@gmail.com i ii Suma´rio Prefa´cio i 1 Matrizes e Sistemas Lineares 1 1.1 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Operac¸o˜es com matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2.1 Somas de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2.2 Multiplicac¸a˜o de um Escalar por uma Matriz . . . . . . . . . . . 4 1.2.3 A Transposta de uma Matriz . . . . . . . . . . . . . . . . . . . 5 1.2.4 Multiplicac¸a˜o de Matrizes . . . . . . . . . . . . . . . . . . . . . 6 1.2.5 O Trac¸o de uma Matriz Quadrada . . . . . . . . . . . . . . . . . 9 1.2.6 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.3 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.3.1 Propriedades do Determinante . . . . . . . . . . . . . . . . . . . 14 1.3.2 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 1.4 Sistemas Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.4.1 Definic¸o˜es e Resoluc¸a˜o por Operac¸o˜es Elementares . . . . . . . . 18 1.4.2 Um Pouco da Teoria das Equac¸o˜es Lineares . . . . . . . . . . . 26 1.4.3 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 2 Vetores no Espac¸o 29 2.1 Reta Orientada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 2.2 A´lgebra de Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.2.1 Soma de Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . 32 2.2.2 Produto de Nu´meros Reais por Vetores . . . . . . . . . . . . . . 34 2.2.3 Soma de Pontos com Vetores . . . . . . . . . . . . . . . . . . . . 36 2.2.4 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 iii iv SUMA´RIO 2.3 Dependeˆncia e Indepedeˆncia Linear . . . . . . . . . . . . . . . . . . . . 38 2.3.1 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 2.4 Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 2.4.1 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 2.5 Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 2.5.1 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 2.6 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 2.6.1 Mudanc¸a de Base . . . . . . . . . . . . . . . . . . . . . . . . . . 53 2.6.2 Orientac¸a˜o em V3 . . . . . . . . . . . . . . . . . . . . . . . . . . 55 2.6.3 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . 55 2.6.4 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 2.7 Produto Misto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 2.7.1 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 3 Retas e Planos 63 3.1 Sistemas de Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . 63 3.1.1 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 3.2 Equac¸o˜es da Reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 3.3 Intersec¸a˜o de Duas Retas . . . . . . . . . . . . . . . . . . . . . . . . . . 69 3.4 Distaˆncia de Ponto a Reta . . . . . . . . . . . . . . . . . . . . . . . . . 71 3.4.1 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 3.5 Equac¸a˜o do Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 3.6 Intersec¸a˜o de Reta e Plano . . . . . . . . . . . . . . . . . . . . . . . . . 78 3.7 Intersec¸a˜o de dois Planos . . . . . . . . . . . . . . . . . . . . . . . . . . 79 3.8 Distaˆncia de um Ponto a um Plano . . . . . . . . . . . . . . . . . . . . 80 3.9 Distaˆncia entre Retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 3.9.1 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 SUMA´RIO v 4 Coˆnicas e Qua´dricas 85 4.1 Coˆnicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 4.1.1 A Elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 4.1.2 A Hipe´rbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 4.1.3 A Para´bola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 4.1.4 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 4.2 Qua´dricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 4.2.1 Elipso´ide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 4.3 Hiperbolo´ide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 4.3.1 Hiperbolo´ide de uma folha . . . . . . . . . . . . . . . . . . . . . 97 4.3.2 Hiperbolo´ide de duas folhas . . . . . . . . . . . . . . . . . . . . 99 4.4 Parabolo´ide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 4.4.1 Parabolo´ide Hiperbo´lico . . . . . . . . . . . . . . . . . . . . . . 103 4.5 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 Refereˆncias Bibliogra´ficas 107 vi SUMA´RIO 1 Matrizes e Sistemas Lineares 1.1 Matrizes Sejam X um conjunto qualquer na˜o vazio e m,n nu´meros inteiros maiores ou iguais a 1. Chamaremos de matriz de ordem m × n (lemos: m por n) de objetos de X a qualquer quadro (arranjo retangular) da forma x11 x12 . . . x1n x21 x22 . . . x2n ... ... ... ... xm1 xm1 . . . xmn , (1.1.1) onde para cada 1 ≤ i ≤ m e cada 1 ≤ j ≤ n, os xij sa˜o elementos de X . Assim, ( 2 1 0 pi 5 √ 3 ) , 1 200 2 5 −10 8 0 , 0, 518 −3, 4555 e ( 2 0 1 5 ) (1.1.2) sa˜o exemplos de matrizes de nu´meros reais. A primeira matriz em (1.1.2) e´ de ordem 2× 3, a segunda de ordem 3× 2, a terceira 3× 1 e a quarta e´ de ordem 1× 3. Note que um elemento x ∈ X pode ser considerado como uma matriz de ordem 1× 1, ou seja, podemos identificar x com a matriz (x) de ordem 1. As filas horizontais de uma matriz sa˜o chamadas de linhas e as filas verticais sa˜o chamadasde colunas da matriz. i-e´sima linha→ x11 x12 · · · x1j · · · x1n ... ... · · · ... ... ... xi1 xi2 · · · xij · · · xin ... ... · · · ... ... ... xm1 xm2 · · · xmj · · · xmn ︷ ︸︸ ︷ j-e´sima coluna (1.1.3) Se m = n (isto e´, se o nu´mero de linhas e´ igual ao nu´mero de colunas) dizemos que a matriz e´ quadrada de ordem n. 1 2 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES As matrizes de ordem 1×n (uma linha e n colunas) sa˜o chamadas de matriz linha e as matrizes de ordem m×1 (m linhas e uma coluna) sa˜o chamadas de matriz coluna. Em (1.1.2), a terceira matriz e´ uma matriz coluna e quarta matriz e´ uma matriz linha. Em uma matriz, o objeto que esta´ situado na i-e´sima linha e na j-e´sima coluna e´ chamado de elemento de ordem ij da matriz e e´ denotado por xij . Por exemplo, na matriz abaixo temos x12 = −3 , x21 = 0 , x42 = 32 e x33 = 6 . 5 -3 8 0 √ 2 5 8 1, 444.. −13 6 9 32 −55 . (1.1.4) Numa matriz quadrada de ordem n a n-u´pla (x11, x22, ..., xnn), formada pelos elementos de ordem ii e´ chamada de diagonal principal da matriz. Normalmente sa˜o usadas letras maiu´scula para denotar um matriz. Escrevemos enta˜o A = a11 a12 . . . a1n a21 a22 . . . a2n ... ... ... ... am1 am1 . . . amn ou A = (aij) , i = 1, 2, ...n, j = 1, 2, ..., m. (1.1.5) E´ comum tambe´m o uso da notac¸a˜o Am×n para indicar que A e´ uma matriz de ordem m× n. Iremos dizer que duas matrizes A = (aij) e B = (bkl) sa˜o iguais se possuem a mesma ordem e os elementos de ordens iguais sa˜o os mesmos, isto e´ A = B se 1 ≤ i, k ≤ m, 1 ≤ j, l ≤ n e aij = bij para cada i, j. 1.2 Operac¸o˜es com matrizes Estamos interessados em definir operac¸o˜es envolvendo matrizes e isto implica em definir operac¸o˜es que envolvem os elementos das matrizes. Portanto e´ natural e menos complicado, considerarmos apenas matrizes cujos elementos pertenc¸am a um conjunto que admita operac¸o˜es “bem comportadas”ou seja, com propriedades semelhantes a`s da adic¸a˜o e da multiplicac¸a˜o de nu´meros reais. Assim sendo, iremos considerar apenas 1.2. OPERAC¸O˜ES COM MATRIZES 3 matrizes cujos elementos pertencem a um conjunto K, no qual esta˜o definidas duas operac¸o˜es que chamaremos de: (a) K-adic¸a˜o, que a cada par de elementos x, y ∈ K, associa um elemento x� y ∈ K chamado de K-soma de x com y e (b) K-multiplicac¸a˜o, que a cada par de elementos x, y ∈ K, associa um elemento x� y ∈ K chamado de K-produto de x por y, satisfazendo as seguintes propriedades: 1. x� y = y � x e x� y = y � x para todo x, y ∈ K; 2. x� (y � z) = (x� y)� (x� z) para todo x, y, z ∈ K; 3. x� (y � z) = (x� y)� z e x� (y � z) = (x� y)� z para todo x, y, z ∈ K; 4. Existe um elemento em K denotado por 0K tal que, para todo x ∈ K, vale x� 0K = x; 5. Para cada x ∈ K, existe um elemento em K, denotado por �x tal que x� (�x) = 0K; 6. Existe um elemento em K, denotado por 1K, tal que 1K�x = x para todo x ∈ K; 7. Se x 6= 0K enta˜o existe um elemento de K, denotado por x−1 tal que x�x−1 = 1K. Conjuntos munidos de duas operac¸o˜es satisfazendo as propriedades acima sa˜o chamados de corpos. Os elementos de um corpo sera˜o chamados de escalares. Por exemplo, os conjuntos dos nu´meros reais R e o conjunto dos nu´meros com- plexos C, com as operac¸o˜es de adic¸a˜o e multiplicac¸o˜es usuais sa˜o corpos. 1.2.1 Somas de Matrizes Se A = (aij) e B = (bij) sa˜o matrizes de mesma ordem cujos elementos pertencem a um corpo (K,�,�), definimos a soma A + B com sendo a matriz cujo elemento de ordem ij e´ igual a aij � bij , ou seja se A+B = (cij) enta˜o cij = aij � bij . 4 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES Exemplo 1.2.1. Sejam A = 2 0 1−5 1 0 3 −1 1 2 e B = −3 5 06 −4 2 2 −1 4 . Enta˜o A+B = 2 0 1−5 1 0 3 −1 1 2 + −3 5 06 −4 2 2 −1 4 = −1 5 11 −3 2 5 −2 9 2 . Chamamos a atenc¸a˜o para o fato de que, por definic¸a˜o, so´ podemos somar ma- trizes de mesma ordem. Logo quando escrevermos A + B estaremos sempre supondo verdadeiro esse pre´-requisito. Observac¸a˜o 1.2.1. De agora em diante, estaremos sempre trabalhando com o corpo dos nu´meros reais ou dos nu´meros complexos ou seja, no que segue a palavra corpo deve ser entendida como o conjunto do nu´meros reais R ou como o conjunto dos nu´meros complexos C, munido das operac¸o˜es usais. Assim sendo, usaremos os s´ımbolos “+”e “.”ao inve´s de “�”e “�”respectivamente. Em outras palavras escrever- emos x+ y no lugar de x� y e x.y ou simplesmente xy no lugar de x� y. Usaremos tambe´m 0 (zero) para denotar o elemento 0K, 1 (um) para denotar o elemento 1K, −x para denotar �x e finalmente, usaremos a notac¸a˜o x− y (lemos: x menos y) no lugar de x+ (−y). 1.2.2 Multiplicac¸a˜o de um Escalar por uma Matriz Se β ∈ K e A = (aij) e´ uma matriz de elementos em K, o produto de β por A e´ por definic¸a˜o, a matriz βA = (βaij) o seja, o elemento de ordem ij da matriz βA e´ igual ao K-produto de β pelo elemento de ordem ij da matriz A. Exemplo 1.2.2. Se A = ( 4 −3 0 2 ) enta˜o, 2A = ( 8 −6 0 4 ) , (−2)A = ( −8 6 0 −4 ) e piA = ( 4pi −3pi 0 2pi ) Se A e B sa˜o matrizes com elementos em um corpo K, por convenc¸a˜o escreveremos −A no lugar de (−1)A, e A− B (lemos: A menos B) no lugar de A + (−1)B. A matriz A = (aij) de ordem m × n cujos elementos sa˜o todos iguais a zero e´ chamada de matriz nula de ordem m× n e sera´ denotada tambe´m pelo s´ımbolo “0”. 1.2. OPERAC¸O˜ES COM MATRIZES 5 E´ fa´cil ver que se Am×n e´ uma matriz com elementos em um corpo K enta˜o A−A = 0, ou seja A + (−A) e´ a matriz nula de ordem m× n. Proposic¸a˜o 1.2.1. Sejam A,B,C matrizes com elementos em um mesmo corpo K e α, β ∈ K. Enta˜o valem as seguintes propriedades: 1. A+ (B + C) = (A+B) + C 2. A+ B = B + A 3. 0 + A = A 4. α(A+B) = αA+ αB 5. (α + β)A = αA+ βA 6. (αβ)A = α(βA) 7. 1A = A Demonstrac¸a˜o. Tais propriedades sa˜o consequeˆncias diretas das definic¸o˜es e deixaremos como exerc´ıcio. 1.2.3 A Transposta de uma Matriz Dada uma matriz A = (aij) de ordem m × n, a matriz transposta de A e´ a de ordem n ×m cujos elementos de ordem ji e´ igual aij para cada i ∈ {1, ..., m} e cada j ∈ {1, ..., n}. Denotaremos por At a transposta da matriz A. Portanto se At = (a˜ij) enta˜o a˜ji = aij . Note que para se obter a transposta de uma matriz basta trocar as linhas pelas colunas, ou seja os elementos da linha i da matriz A formara˜o a coluna i da matriz At. Exemplo 1.2.3. Se A = ( 1 0 −5 2 2 1 ) , B = ( 2 −1 0 1 ) e C = ( M � F � ) enta˜o At = 1 20 2 −5 1 , Bt = 2 −1 0 1 e Ct = ( M F � � ) . Como consequeˆncia direta da definic¸a˜o temos o seguinte resultado: 6 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES Proposic¸a˜o 1.2.2. Seja A,B matrizes cujos elementos esta˜o em um corpo K e β ∈ K. Enta˜o 1. (A+B)t = At +Bt. 2. (βA)t = βAt. 3. (At) t = A. Uma matriz quadrada A e´ dita ser sime´trica se At = A. Se At = −A, dizemos enta˜o que a matriz A e´ anti-sime´trica. Observe que, no contexto em que estamos, so´ faz sentido falar em matriz anti-sime´trica se os elementos dessa matriz pertencem a um conjunto em que existem “sime´tricos”, por exemplo se os elementos dessa matriz forem proveneinetes de um corpo. Note que em uma matriz sime´trica a i-linha e´ igual a sua i-coluna. Por outro lado, se A e´ anti-sime´trica enta˜o os elementos de sua diagonal principal sa˜o todos iguais a zero. De fato, a propriedade de anti-simetria nos diz que aij = −aji para todo i, j e isto implica, quando i = j, em 2aii = 0, ou seja aii = 0 para todo i = 1, ..., n. 1.2.4 Multiplicac¸a˜o de Matrizes Sejam A = (aij)uma matriz de ordem m× n e B = (bjk) uma matriz de ordem n×s cujos elementos pertencem a um mesmo corpo. O produto de A por B e´ a matriz AB = (cik), de ordem m × s onde, para cada i ∈ {1, 2, ..., m} e cada k ∈ {1, 2, ..., s} fixos, cik e´ obtido da seguinte maneira: cik = n∑ j=1 aijbjk = ai1b1k + ai2b2k + ... + ainbnk. (1.2.1) Observac¸a˜o 1.2.2. Observe que o produto de duas matrizes so´ pode ser calculado se o nu´mero de colunas da primeira matriz for igual ao nu´mero de linhas da segunda matriz e que o resultado e´ uma matriz cujo nu´mero de linhas e´ igual ao da primeira matriz e o de colunas igual ao da segunda matriz (ver esquema abaixo). m× n n× s m× s Segue da observac¸a˜o 1.2.2 que, mesmo que seja poss´ıvel calcular o produto AB, o produto BA pode na˜o existir. 1.2. OPERAC¸O˜ES COM MATRIZES 7 Exemplo 1.2.4. Sejam A = ( a b c d e f ) 2×3 e B = x1 x2 x3 x4y1 y2 y3 y4 z1 z2 z3 z4 3×4 matrizes cujos elementos pertencem a um mesmo corpo. Enta˜o, AB = ( ax1 + by1 + cz1 ax2 + by2 + cz2 ax3 + by3 + cz3 ax4 + by4 + cz4 dx1 + ey1 + fz1 dx2 + ey2 + fz2 dx3 + ey3 + fz3 dx4 + ey4 + fz4 ) Exemplo 1.2.5. Sejam A = ( 0 0 1 0 ) e B = ( 0 1 0 0 ) . Enta˜o, AB = ( 0 0 0 1 ) e BA = ( 1 0 0 0 ) . O exemplo 1.2.5 mostra que o produto de matrizes na˜o e´, em geral, comutativo. Proposic¸a˜o 1.2.3. Sejam A,B e C matrizes sobre o mesmo corpo K. 1. Se A e´ de ordem m× n e B,C sa˜o de ordem n× s, enta˜o, A(B + C) = AB + AC. 2. Se A e´ de ordem n× s e B,C sa˜o de ordem m× n, enta˜o, (B + C)A = BA + CA. 3. Se A e´ de ordem m× n, B de ordem n× s e λ ∈ K, enta˜o, A(λB) = (λA)B = λ(AB). 4. Se A e´ de ordem m× n, B de ordem n× s e C de ordem s× k, enta˜o, A(BC) = (AB)C . Demonstrac¸a˜o. Para provar o item (1) usaremos a notac¸a˜o: A = (aij), B = (bjk), C = (cjk), B + C = (djk), A(B + C) = (eik), AB = (fik) e AC = (gik). Segue da definic¸a˜o de soma e de produto de matrizes que, para cada j ∈ {1, 2, ..., n}, k ∈ {1, 2, ..., s} temos djk = bjk + cjk. 8 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES Por outro lado, segue da definic¸a˜o de produto de matrizes que, para cada i ∈ {1, ..., m} e k ∈ {1, 2, ..., s} fixos fik = n∑ j=1 aijbjk e gik = n∑ j=1 aijcjk. Portanto, temos que para cada i ∈ {1, ..., m} e k ∈ {1, 2, ..., s} fixos, vale eik = n∑ j=1 aijdjk = n∑ j=1 aij(bjk + cjk) = n∑ j=1 aijbjk + n∑ j=1 aijcjk = fik + gik, ou seja, A(B + C) = AB + AC. As provas dos itens (2), (3) e (4) da proposic¸a˜o 1.2.3 sa˜o deixadas como exerc´ıcios. Seja A = (aij) uma matriz quadrada de ordem n cujos elementos pertencem a um corpo. Se aij = 0 para todo i 6= j, dizemos que A e´ uma matriz diagonal. A matriz diagonal I = (aij) de ordem n tal que aii = 1 para todo i ∈ {1, 2, ..., n} e´ chamada de matriz identidade de ordem n e este nome se justifica pelo fato de que se A e´ uma matriz de ordem m × n e B uma matriz de ordem n ×m, enta˜o AI = A e IB = B. Portanto se A e´ de ordem n teremos AI = IA = A. Por exemplo, as matrizes abaixo sa˜o as matrizes identidade de ordem 2, 3 e 4, repectivamente. I2 = ( 1 0 0 1 ) , I3 = 1 0 00 1 0 0 0 1 , I4 = 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 . (1.2.2) Suponha agora que A,B e C sa˜o matrizes quadradas de mesma ordem, digamos n, e seja In a matriz identidade de ordem n. Diremos que B e´ uma inversa a` esquerda de A se BA = In e diremos que C e´ uma inversa a` direita de A se AC = In. Vamos admitir que A admite inversa a` esquerda e inversa a` direita. Seja B uma de suas inversas a` esquerda e C uma de suas inversas a` direita, ou seja BA = In e AC = In. Enta˜o, usando o item (4) da proposic¸a˜o 1.2.3, temos B = BIn = B(AC) = (BA)C = InC = C. (1.2.3) A igualdade em (1.2.3) nos diz que se uma matriz quadrada admite uma inversa a` direita e uma inversa a` esquerda enta˜o essas inversas sa˜o iguais. Uma matriz que satisfaz essa propriedade sera´ chamada de uma inversa da matriz A. 1.2. OPERAC¸O˜ES COM MATRIZES 9 Proposic¸a˜o 1.2.4. Seja A e´ uma matriz quadrada de ordem n. Enta˜o, 1. A tem no ma´ximo uma inversa (que sera´ denotada por A−1); 2. se existe a matriz A−1 ela tambe´m possui uma (u´nica) inversa (A−1)−1 e ale´m disso (A−1)−1 = A. Demonstrac¸a˜o. Suponha que B e C sa˜o inversas de A. Enta˜o AB = AC = I e AC = CA = I. Logo AB = CA, pois ambas sa˜o iguais a` matriz identidade. Logo. B = B(AB) = B(AC) = (BA)C = IC = C. Isto prova o item (1). Suponha agora que existe A−1. E´ claro que A−1A = I e AA−1 = I, ou seja A e´ uma inversa a` direita e a esquerda de A−1, isto e´, A e´ uma inversa de A−1. Logo, pelo item (1), A e´ a inversa de A−1, ou seja (A−1)−1 = A. Quando existe a matriz A−1, dizemos que A e´ uma matriz invers´ıvel (ou uma matriz na˜o singular) e que A−1 e´ a inversa de A. Uma matriz invers´ıvel A tal que A−1 = At e´ chamada de matriz ortogonal. 1.2.5 O Trac¸o de uma Matriz Quadrada Seja A uma matriz quadrada de ordem n cujos elementos pertencem a um corpo K. O trac¸o de A, denotado por trA e´, por definic¸a˜o, a soma dos elementos da diagonal principal de A. Assim, se A = (aij) e´ uma matriz quadrada de ordem n, tr A = n∑ i=1 aii = a11 + a22 + ... + ann. Em particular, tr In = n. Proposic¸a˜o 1.2.5. Se A e B sa˜o matrizes quadradas de ordem n com elementos em um corpo K e β ∈ K, enta˜o: 1. tr (A+B) = tr A+ tr B; 2. tr (βA) = βtr A; 3. tr (AB) = tr (BA). 10 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES Demonstrac¸a˜o. A prova dos itens (1) e (2) sa˜o deixadas como exerc´ıcio. Provaremos apenas o item (3). Sejam A = (aij) e B = (bkl) com 1 ≤ i, j, k, l ≤ n. Assim, os elementos da diagonal principal de AB sa˜o da forma cii = ∑n k=1 aikbki e os elementos da diagonal principal de BA da forma dkk = ∑n i=1 bkiaik. Logo, tr (AB) = n∑ i=1 ( n∑ k=1 aikbki ) = n∑ k=1 ( n∑ i=1 aikbki ) = n∑ k=1 ( n∑ i=1 bkiaik ) = tr (BA). 1.2.6 Exerc´ıcios 1. Prove as afirmac¸o˜es feitas na proposic¸a˜o 1.2.1. 2. Prove as afirmac¸o˜es feitas na proposic¸a˜o 1.2.2. 3. Prove os itens (2), (3) e (4) da proposic¸a˜o 1.2.3. 4. Sejam A = 2 10 −1 5 3 e B = −1 11 5 0 4 . Encontre A+B, 2A, −2B, 3A +B, A−B, B − A e −2A + 5B. 5. Encontre At e Bt, onde A e B sa˜o as matrizes dadas no Exerc´ıcio anterior. 6. Prove que se A e´ uma matriz quadrada, enta˜o a matriz B = A+At e´ uma matriz sime´trica. 7. Em cada um dos casos abaixos, encontre A(BC) e (AB)C. (a) A = ( 2 1 3 1 ) , B = ( −1 1 1 0 ) , C = ( 1 4 2 3 ) . (b) A = ( 2 4 1 3 0 −1 ) , B = 1 1 02 1 −1 3 1 5 , C = 1 23 1 −1 4 1.2. OPERAC¸O˜ES COM MATRIZES 11 8. Sejam A e B matrizes quadradas de mesma ordem que satisfazendo AB = BA. Mostre que: (a) (A+B)2 = A2 + 2AB +B2, e (b) (A+B)(A− B) = A2 − B2 onde, A2 significa AA, B2 = BB, etc. 9. Considere as seguintes matrizes: X1 = 10 0 , X2 = 01 0 , e X3 = 00 1 . Dadas as matrizes A = ( 2 1 1 −1 0 −3 ) e B = 1 9 −10 −2 7 5 3 2 , encontre as matrizes AX1, AX2, AX3, BX1, BX2 e BX3. 10. Seja X a matriz coluna de ordem n×1 em que todos os seus elementos sa˜o iguais a 0 exceto o elemento de ordem i1 que e´ igual a 1. Seja A uma matriz quadrada de ordem n. Quem e´ AX? 11. Sejam A = (aij) uma matriz de ordem m× n e B = (bjk) uma matriz de ordem n × s. Seja C = AB. Denotemos por A(j) a j-e´sima coluna de A e por C(k) a k-e´sima coluna de C. Mostre que podemos escrever C(k) = b1kA (1) + b2kA (2) + ... + bnkA (n) = n∑ j=1 bjkA (j). 12. Encontre a matriz inversa da matrizA = ( 1 a 0 1 ) onde a e´ um nu´mero real qualquer. 13. Determine uma matriz A, quadrada de ordem 2 tal A2 = −I2 onde I2 e´ a matriz identidade de ordem 2. 14. Dadas as matrizes A = ( 3 1 −1 1 ) e B = ( −2 10 ) entre a matriz X = ( x y ) tal que AX = B. 12 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 1.3 Determinantes Nesta sec¸a˜o vamos definir uma func¸a˜o que associa a cada matriz quadrada A, de nu´meros reais (ou de nu´meros complexos) um nu´mero real (ou complexo), chamada de determinante de A denotada por detA. Faremos isso de maneira indutiva, isto e´, primeiro iremos definir detA de uma matriz quadrada de ordem 1. Depois, para cada n, definimos o determinante de uma matriz de ordem n fazendo uso do determinante de matrizes de ordem n− 1. Dada uma matriz qualquer A, chamaremos de menor de ordem ij da matriz A, que denotaremos por Aij , a matriz que obtemos retirando de A a linha de ordem i e a coluna de ordem j. Por exemplo se A = 1 0 8 −1 5 2 3 −2 5 0 6 −4 , enta˜o A11 = 5 2−2 5 6 −4 , A12 = −1 23 5 0 −4 , A21 = 0 8−2 5 6 −4 , A32 = 1 8−1 2 0 −4 , A22 = 1 83 5 0 −4 e A43 = 1 0−1 5 3 −2 . Estamos agora em condic¸o˜es de definir o determinante de uma matriz quadrada de ordem n. Se A = (a) e´ uma matriz de ordem n = 1, definimos detA = a. Prosseguimos indutivamente: se A = (aij) e´ uma matriz quadrada de ordem n, definimos detA = n∑ j=1 (−1)j+1a1j detA1j = a11 detA11−a12 detA12+ ...− (−1)n detA1n, (1.3.1) ou seja o determinante de A e´ a soma, alternando os sinais, dos produtos dos elementos da primeira linha da matriz pelo determinante da sua menor correspondente. Exemplo 1.3.1. Vamos usar a definic¸a˜o para calcular o determinante da matriz A = 2 1 3−1 1 0 0 2 4 . 1.3. DETERMINANTES 13 Por (1.3.1), temos que detA = 2detA11 − 1 detA12 + 3detA13. (1.3.2) Logo, devemos encontrar as menores A11, A12 e A13 e calcular os seus determinantes. Temos que A11 = ( 1 0 2 4 ) , A12 = ( −1 0 0 4 ) , e A13 = ( −1 1 0 2 ) . Usando novamente (1.3.1), temos: detA11 = 1det(4)− 0 det 2 = 4 detA12 = −1 det(4)− 0 det(0) = −4 detA13 = −1 det(2)− 1 det(0) = −2. (1.3.3) Substituindo esses resultados em (1.3.2), obtemos detA = 2detA11 − detA12 + 3detA13 = 2(4)− (−4) + 3(−2) = 6. Observe que se A = (aij) e´ uma matriz quadrada de ordem 2, ou seja A = ( a11 a12 a21 a22 ) , enta˜o A11 = a22 e A12 = a21. Portanto, por (1.3.1), temos que detA = det ( a11 a12 a21 a22 ) = a11a22 − a12a21. As vezes nos referimos ao determinante de A, escrevendo a matriz A entre duas barras verticais. Por exemplo, se A = 2 1 3−1 1 0 0 2 4 , enta˜o ∣∣∣∣∣∣∣ 2 1 3 −1 1 0 0 2 4 ∣∣∣∣∣∣∣ significa o mesmo que detA. 14 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 1.3.1 Propriedades do Determinante Lembvre-se que a nossa definic¸a˜o de determinante e´ indutiva. Como consequeˆncia disso, a maioria das provas das propriedades do determinante tambe´m sera´ indutiva. Proposic¸a˜o 1.3.1. Sejam A = (aij) e B = (bij) matrizes quadradas de mesma ordem. Suponha que B foi obtida de A mutiplicando-se uma coluna de A por um escalar β. Enta˜o, detB = β detA. A = a11 a12 . . . a1j . . . a1n a21 a22 . . . a2j . . . a2n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . an1 an2 . . . anj . . . ann e B = a11 a12 . . . βa1j . . . a1n a21 a22 . . . βa2j . . . a2n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . an1 an2 . . . βanj . . . ann Demonstrac¸a˜o. Usaremos induc¸a˜o sobre a ordem n da matriz. Suponha que A (e consequentemente B) e´ de ordem 1. Enta˜o se A = (a) teremos B = (βa). Logo, detA = a e detB = βa, ou seja, detB = β detA. Vamos supor agora que se as matrizes sa˜o de ordem n − 1 (n > 1), enta˜o a proposic¸a˜o e´ verdadeira. Usaremos essa hipo´tese para provar que se a ordem de A e´ n, enta˜o detB = β detA. Para facilitar, denotaremos por bk e ak as colunas de ordem k de B e de A, respectivamente. Por hipotese, existe j tal que bj = βaj e bk = ak para todo k 6= j. Isso significa que b1j = βa1j e que para k 6= j, o menor B1k e´ obtido de A1k, multiplicando-se uma coluna por β. Observe que B1k e A1k sa˜o matrizes quadradas de ordem (n− 1) e portanto, pela hipo´tese de induc¸a˜o, detB1k = β detA1k. Por outro lado, ainda B1j = A1j e para k 6= j, b1k = a1k. Logo, para qualquer k (igual ou na˜o a j), tem-se b1k detB1k = βa1k detA1k. Assim sendo, teremos detB = n∑ k=1 (−1)k+1b1k detB1k = n∑ k=1 (−1)k+1βa1k detA1k = β detA. Como consequeˆncias da proposic¸a˜o 1.3.1 temos que se uma matriz tem uma coluna nula, seu determinante e´ igual a zero e que se A e´ uma matriz quadrada de ordem n e α ∈ R, enta˜o detαA = αn detA. 1.3. DETERMINANTES 15 Exemplo 1.3.2. Sejam A = 0 1 2−1 1 1 1 −2 3 e B = 0 5 2−1 5 1 1 −10 3 . Observe que B foi obtida de A, mutiplicando-se a segunda coluna por 5. Enta˜o, a proposic¸a˜o 1.3.1 nos diz que detB = 5detA. Como detA = (−1) det ( −1 1 1 3 ) + 2det ( −1 1 1 −2 ) = (−1)(−3 − 1) + 2(2− 1) = 4 + 2 = 6, temos que detB = 5detA = 5.6 = 30 comio voceˆ pode verificar com um ca´lculo direto. Proposic¸a˜o 1.3.2. Sejam A,B e C matrizes quadradas de ordem n. Suponha que A,B,C sa˜o iguais exceto pela coluna j. Suponha ainda que a coluna j de C e´ igual a soma das colunas j de A e B. Enta˜o detC = detA+ detB. A = a11 a12 . . . a1j . . . a1n a21 a22 . . . a2j . . . a2n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . an1 an2 . . . anj . . . ann , B = a11 a12 . . . b1j . . . a1n a21 a22 . . . b2j . . . a2n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . an1 an2 . . . bnj . . . ann e C = a11 a12 . . . a1j + b1j . . . a1n a21 a22 . . . a2j + b2j . . . a2n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . an1 an2 . . . anj + bnj . . . ann Demonstrac¸a˜o. Usaremos novamente, induc¸a˜o sobre a ordem n da matriz. Para n = 1, temos A = (a11), B = (b11) e C = (a11 + b11). Logo, detA = a11, detB = b11 e detC = a11 + b11 = detA+ detB. Suponha que, para matrizes de ordem n− 1 (n > 1), a proposic¸a˜o e´ verdadeira e sejam A = (aik), B = (bik) e C = (cik) matrizes de ordem n satisfazendo as hipo´teses da 16 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES proposic¸a˜o. Logo c1j = a1j+b1j e os menores A1j, B1j e C1j satisfazem C1j = A1j = B1j. Para k 6= j, teremos c1k = a1k = b1k e A1k, B1k e C1k sa˜o iguais, exceto pela coluna j de C1k que e´ igual a soma das colunas j de A1k e B1k e, pela hipo´tese de induc¸a˜o, detCik = detA1k + detB1k. Assim, para k 6= j, teremos c1k detC1k = c1k detA1k + c1k detB1k = a1k detA1k + b1k detB1k. Por outro lado, c1j detC1j = (a1j + b1j) detC1k = a1k detC1k + b1k detC1k = a1k detA1k + b1k detB1k. Logo, detC = ∑n k=1(−1)k+1c1k detC1k = ∑n k=1(−1)k+1a1k detA1k + ∑n k=1(−1)k+1b1k detB1k = detA+ detB. Corola´rio 1.3.1. Se uma matriz possui uma coluna nula, enta˜o seu determinante e´ igual a zero. As demonstrac¸o˜es das proposic¸o˜es que se seguem podem ser obtidas, como nas provas dos resultados anteriores, usando induc¸a˜o e sera˜o deixadas a cargo do leitor. Proposic¸a˜o1.3.3. Sejam A e B matrizes quadradas de mesma ordem n ≥ 2. Se B e´ obtida de A permutando-se duas colunas (ou duas linhas) adjacentes, enta˜o detB = − detA. Exemplo 1.3.3. Considere a matriz 1 2 30 1 2 1 0 0 . Note que det 1 2 30 1 2 1 0 0 = 1. Logo, usando a proposic¸a˜o 1.3.3, obtemos det 1 2 31 0 0 0 1 2 = −1 e det 1 0 01 2 3 0 1 2 = 1. Corola´rio 1.3.2. Se duas colunas (ou linhas) de uma matriz A sa˜o iguais, enta˜o detA = 0. 1.3. DETERMINANTES 17 Proposic¸a˜o 1.3.4. Sejam A e B matrizes quadradas de mesma ordem. Enta˜o det(AB) = detA detB. Uma consequeˆncia importante da proposic¸a˜o 1.3.4, e´ o seguinte resultado: Corola´rio 1.3.3. Uma matriz A e´ invers´ıvel se, e somente se, detA 6= 0. Neste caso detA−1 = 1 detA . Para finalizar essa sec¸a˜o, enunciaremos um resultado bastante u´til. Proposic¸a˜o 1.3.5. Seja A uma matriz quadrada de ordem n. Enta˜o detA = detAt. QUESTA˜O 1.1. Lembramos que definimos o determinante de uma matriz A como sendo a soma alternando os sinais, dos produtos dos elementos da primeira linha da matriz pelo determinante da sua menor correspondente. Podemos obter o determinante de uma matriz A fazendo a soma alternando os sinais, dos produtos dos elementos da primeira coluna da matriz pelo determinante da sua menor correspondente? Podemos obter o determinante de A escolhendo uma linha (coulna) arbrita´riamente e fazendo a soma alternando os sinais dos produtos dos elementos dessa linha (coluna) pelo deter- minante de sua menor correspondente? 1.3.2 Exerc´ıcios 1. Comprove a regra do produto para as matrizes: A = 2 1 20 3 −1 4 1 1 e B = 3 −1 5−1 2 1 −2 4 3 . 2. Qual e´ o determinante de uma matriz diagonal a11 0 0 · · · 0 0 a22 0 · · · 0 ... ... . . . ... ... 0 0 · · · a(n−1)(n−1) 0 0 0 0 · · · ann ? 3. Qual a relac¸a˜o entre detA e det−A? 18 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 4. Use a regra do produto para mostrar que, se A e´ invers´ıvel, enta˜o detA 6= 0 e detA−1 = (detA)−1. 5. Mostre que (a) Se x1, x2, x3 sa˜o nu´meros, enta˜o∣∣∣∣∣∣∣ 1 x1 x 2 1 1 x2 x 2 2 1 x3 x 2 3 ∣∣∣∣∣∣∣ = (x2 − x1)(x3 − x1)(x3 − x2). (b) Se x1, x2, x3, ..., xn sa˜o nu´meros, enta˜o∣∣∣∣∣∣∣∣∣∣ 1 x1 · · · xn−11 1 x2 · · · xn−12 ... ... · · · ... 1 xn · · · xn−1n ∣∣∣∣∣∣∣∣∣∣ = ∏ i<j (xj − xi), onde o s´ımbolo ∏ i<j(xj−xi) significa o produto de todos os termos xj −xi, com i < j e i, j inteiros de 1 ate´ n. Este determinante e´ chamado de determinante de Vandermonde. 6. Sejam A uma matriz quadrada de ordem m e B uma matriz quadrada de ordem n. Seja Q = ( A 0 0 B ) a matriz quadrada de ordem (m + n) que tem no canto superior esquerdo a matriz A, no canto inferior direito a matriz B e zero nas outras posic¸o˜es. Prove que detQ = (detA)(detB). 1.4 Sistemas Lineares 1.4.1 Definic¸o˜es e Resoluc¸a˜o por Operac¸o˜es Elementares A partir de agora, se nenhuma menc¸a˜o expl´ıcita em contra´rio for feita, todas as varia´veis e elementos matriciais citados sa˜o nu´meros (ou escalares) do corpo dos nu´meros reais ou complexos. 1.4. SISTEMAS LINEARES 19 Uma equac¸a˜o do tipo a1x1 + a2x2 + . . .+ anxn = b, onde os valores de ai (i = 1, ...n) e b sa˜o dados e os valores de xi (i = 1, ...n) devem ser determinados e´ chamada de equac¸a˜o linear. Os termos ai sa˜o chamados de coeficientes, o nu´mero b e´ chamado de termo independente e os xi de varia´veis ou inco´gnitas. Uma sequeˆncia de nu´meros (s1, ..., sn) e´ uma soluc¸a˜o de uma equac¸a˜o linear a1x1+ a2x2 + . . .+ anxn = b se a igualdade a1s1 + a2s2 + . . .+ ansn = b se verifica. Exemplo 1.4.1. O terno (5,−1, 0) e´ soluc¸a˜o da equac¸a˜o 2x1 + 8x2 − 5x3 = 2. E´ comum, quando se tem treˆs, quatro ou cinco varia´veis, substituir os s´ımbolos xi pelas letras x, y, z, w e t. Por exemplo, e´ usual escrever 2x + 8y − 5z = 2 no lugar de 2x1 + 8x2 − 5x3 = 2. Um sistema de equac¸o˜es lineares e´ um conjunto finito de m equac¸o˜es lineares com n inco´gnitas, geralmente escrito da seguinte maneira: a11x1 + a12x2+ . . . +a1nxn = b1 a21x1 + a22x2+ . . . +a2nxn = b2 ... . . . ... am1x1 + am2x2+ . . . +amnxn = bm. (1.4.1) Exemplo 1.4.2. (a) { 2x− 3y = 5 x+ 7y = −2 (b) x− 2 + 4y + z = 8 −x+ 2y − 3z = −3 3x− y + 2z = 0 (c) { x− y + z − w = 0 2y + 3z + 4w = 3 O exemplo (a) e (b) teˆm o mesmo nu´mero de equac¸o˜es e inco´gnitas e no exemplo (c), o nu´mero de inco´gnitas e´ maior que o nu´mero de equac¸o˜es. 20 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES Uma sequeˆncia de nu´meros (s1, ..., sn) e´ uma soluc¸a˜o de um sistema linear do tipo (1.4.1), se as igualdades a11s1 + a12s2+ . . . +a1nsn = b1 a21s1 + a22s2+ . . . +a2nsn = b2 ... . . . ... am1s1 + am2s2+ . . . +amnsn = bm. (1.4.2) se verificam, isto e´, (s1, ..., sn) e´ uma soluc¸a˜o de um sistema de equac¸o˜es lineares se for soluc¸a˜o de cada uma das equac¸o˜es do sistema. Exemplo 1.4.3. O par (−1, 3) e´ soluc¸a˜o do sistema de equac¸o˜es lineares{ x+ 2y = 5 2x− y = −5 Como veremos mais adiante, alguns sistemas de equac¸o˜es lineares na˜o possuem soluc¸a˜o, outros possuem exatamente uma soluc¸a˜o e alguns uma infinidade de soluc¸o˜es. Observe que um sistema linear do tipo (1.4.1) pode ser identificado com uma equac¸a˜o matricial AX = B, (1.4.3) onde A = a11 · · · a1n a21 · · · a2n ... · · · ... am1 · · · amn , X = x1 x2 ... xn e B = b1 b2 ... bm . Usando esta identificac¸a˜o no exemplo 1.4.3, teremos: A = ( 1 2 2 −1 ) , X = ( x y ) e B = ( 5 −5 ) . Observe que se acontecer de o nu´mero de equac¸o˜es ser igual ao nu´mero de inco´gnitas isto e´, m = n, enta˜o a matriz A e´ uma matriz quadrada de ordem n. Portanto, se A e´ invers´ıvel, podemos encontrar a soluc¸a˜o do sistema AX = B, multi- plicando cada membro da equac¸a˜o matricial pela inversa da matriz A, ou seja, AX = B ⇔ A−1(AX) = A−1B ⇔ (A−1A)X = A−1B ⇔ X = A−1B. Logo a matriz A−1B e´ soluc¸a˜o do sistema AX = B. 1.4. SISTEMAS LINEARES 21 Exemplo 1.4.4. Como vimos acima, o sistema{ x+ 2y = 5 2x− y = −5 pode ser escrito na forma matricial( 1 2 2 −1 )( x y ) = ( 5 −5 ) . Neste caso, a matriz A = ( 1 2 2 −1 ) e´ invers´ıvel e a sua inversa e´ a matriz A−1 = ( 1 5 −2 5 2 5 −1 5 ) . Logo, podemos obter a soluc¸a˜o do sistema calculando o produto( x y ) = ( 1 5 −2 5 2 5 −1 5 )( 5 −5 ) . Neste caso obtemos ( x y ) = ( −1 3 ) , ou seja x = −1 e y = 3. Portanto o par (−1, 3) e´ soluc¸a˜o do sistema. De um modo geral, e´ muito dif´ıcil, na pra´tica, usar essa estrate´gia para resolver um sistema de equac¸o˜es lineares. Por isso, ha´ uma grande quantidade de estudos voltados para o desenvolvimento de te´cnicas mais eficientes. Vamos nos debruc¸ar um pouco sobre esse tema agora. Dizemos que dois sistemas de equac¸o˜es lineares sa˜o equivalentes se teˆm exata- mente o mesmo conjunto soluc¸a˜o. Nosso proposito agora e´ mostrar uma maneira de tomar um dado sistema de equac¸o˜es lineares, modifica´-lo atrave´s de algumas operac¸o˜es simples para obter um outro sistema, mais simples de resolver, equivalente ao sistema dado. Para isso ire- mos definir treˆs operac¸o˜es aplica´veis em qualquer matriz A, chamadas de operac¸o˜es elementares, a saber: 1. Multiplicac¸a˜o elementar: consiste em substituir uma linha da matriz A por um mu´ltiplo nume´rico, diferente de zero, da mesma linha. 22 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 2. Modificac¸a˜o elementar: consiste em substituir umalinha de A pela soma dessa linha com um mu´ltiplo nume´rico de outra linha. 3. Transposic¸a˜o elementar: consiste em permutar duas linhas de A. Chamamos a atenc¸a˜o que cada operac¸a˜o elementar possui uma operac¸a˜o inversa, pela qual a operac¸a˜o original pode ser desfeita ou anulada. A proposic¸a˜o abaixo (cuja prova sera´ omitida) nos diz que ao aplicar uma sequeˆncia de operac¸o˜es elementares em ambos os membros de uma equac¸a˜o matricial AX = B, o resultado e´ uma nova equac¸a˜o matricial que tem as mesmas soluc¸o˜es da equac¸a˜o original. Proposic¸a˜o 1.4.1. Se o sistema A1X = B1 e´ transformado num sistema A2X = B2 pela aplicac¸a˜o de uma sequeˆncia de operac¸o˜es elementares a A1 para obter A2 e a mesma sequeˆncia de operac¸o˜es elementares a B1 para obter B2, enta˜o os dois sistemas sa˜o equivalentes. Exemplo 1.4.5. Usaremos a proposic¸a˜o 1.4.1 para resolver o seguinte sistema de equac¸o˜es lineares: 3x+ 12y + 9z = 3 2x+ 5y + 4z = 4 −x+ 3y + 2z = −5 Escrevendo o sistema na forma matricial, temos 3 12 92 5 4 −1 3 2 xy z = 34 −5 . Aplicando a operac¸a˜o elementar de multiplicac¸a˜o por 1 3 na primeira linha das matrizes 3 12 92 5 4 −1 3 2 e 34 −5 obtemos as matrizes 1 4 32 5 4 −1 3 2 e 14 −5 . 1.4. SISTEMAS LINEARES 23 Agora, somando (−2) vezes a primeira linha das matrizes a` segunda, e substituindo a segunda linha pelo resultado, teremos 1 4 30 −3 −2 −1 3 2 e 12 −5 . Somando a primeira linha a` terceira e substituindo a terceira pelo resultado, vamos obter 1 4 30 −3 −2 0 7 5 e 12 −4 . Multiplicando a segunda linha das matrizes por −1 3 obtemos 1 4 30 1 23 0 7 5 e 1−23 −4 . Vamos agora somar (−4) vezes a segunda linha a` primeira e (−7) vezes a segunda a` terceira para obter 1 0 1 3 0 1 2 3 0 0 1 3 e 11 3 −2 3 2 3 . Multiplicando a terceira linha por 3, teremos 1 0 1 3 0 1 2 3 0 0 1 e 11 3 −2 3 2 . Observe que, se pararmos aqui, teremos a seguinte equac¸a˜o matricial: 1 0 1 3 0 1 2 3 0 0 1 xy z = 11 3 −2 3 2 ou seja, o seguinte sistemas de equac¸o˜es lineares (equivalente ao sistema inicial) x+ 1 3 z = 11 3 y + 2 3 z = −2 3 z = 2 cuja soluc¸a˜o e´ x = 3, y = −2 e z = 2. 24 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES Exemplo 1.4.6. Usando a proposic¸a˜o 1.4.1 fica fa´cil mostrar que o sistema de equac¸o˜es lineares 2x− 3y + z = 2 −x+ 2y − z = 3 3x− 4y + z = 7 possui uma infinidade de soluc¸o˜es. Exemplo 1.4.7. Vamos resolver o equac¸o˜es lineares abaixo usando o me´todo dado pela proposic¸a˜o 1.4.1. 3x− 2y + z = 1 −x+ 2y − 3z = 5 x+ 2y − 5z = 7 . Neste caso temos que a equac¸a˜o matricial e´ dada por 3 −2 1−1 2 −3 1 2 −5 xy x = 15 7 Multiplicando a segunda linha por 2, obtemos: 3 −2 1−2 4 −6 1 2 −5 e 110 7 Vamos agora substituir a segunda linha pela soma desta com a primeira. Neste caso obtemos: 3 −2 11 2 −5 1 2 −5 e 111 7 Substituindo a terceira linha pela soma dela com a segunda multiplicada por −1, teremos: 3 −2 11 2 −5 0 0 0 e 111 −4 Logo, o sistema inicial e equivalente ao sistema 3x− 2y + z = 1 x+ 2y −−5z = 11 0x+ 0y + 0z = −4 1.4. SISTEMAS LINEARES 25 E´ claro que a u´ltima equac¸a˜o na˜o pode ser satisfeita para nenhuma escolha dos valores de x, y e z. Portanto o sistema na˜o tem soluc¸a˜o. A proposic¸a˜o abaixo nos diz que usando as operac¸o˜es elementares sobre as linhas de uma matriz e´ poss´ıvel saber se a mesma e´ invers´ıvel e no caso afirmativo, nos mostra um me´todo para encontrar a sua inversa. Proposic¸a˜o 1.4.2. Seja A uma matriz quadrada, de ordem n. Enta˜o A e´ invers´ıvel se, e somente se, pode ser transformada na matriz identidade In de ordem n atrave´s de uma sequeˆncia de operac¸o˜es elementares. Ale´m disso, se A e´ invers´ıvel a sua inversa pode ser obtida aplicando a mesma sequeˆncia de operac¸o˜es na matriz identidade In. Exemplo 1.4.8. Vamos usar a proposic¸a˜o 1.4.2 para concluir que a matriz A = 1 0 03 1 5 −2 0 1 e´ invers´ıvel e encontra a sua inversa. Para facilitar os ca´lculos, vamos colocar as matrizes A e a matriz identidades I3 lado a lado. 1 0 03 1 5 −2 0 1 ∣∣∣∣∣∣∣︸ ︷︷ ︸ A 1 0 0 0 1 0 0 0 1 ︸ ︷︷ ︸ I3 Vamos substituir a segunda linha de A e de I3 pela soma da mesma com a primeira linha multiplicada por −3. Assim, obtemos 1 0 00 1 5 −2 0 1 ∣∣∣∣∣∣∣ 1 0 0 −3 1 0 0 0 1 Agora vamos substituir a terceira linha pela soma da mesma com a primeira multipli- cada por 2. 1 0 00 1 5 0 0 1 ∣∣∣∣∣∣∣ 1 0 0 −3 1 0 2 0 1 Note que, para “transformar”A na matriz identidade e´ necessa´rio eliminar o d´ıgito “5”. Para isso, vamos substituir a segunda linha pela soma da mesma, com a terceira 26 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES multiplicada por −5. Desta forma, teremos 1 0 00 1 0 0 0 1 ∣∣∣∣∣∣∣︸ ︷︷ ︸ I3 1 0 0 −13 1 −5 2 0 1 ︸ ︷︷ ︸ A−1 Logo, temos que a matriz A dada e´ invers´ıvel e sua inversa e´ a matriz A−1 = 1 0 0−13 1 −5 2 0 1 1.4.2 Um Pouco da Teoria das Equac¸o˜es Lineares Esta sec¸a˜o tem como objetivo formalizar o me´todo de resoluc¸a˜o dos sistemas de equac¸o˜es lineares mostrado na sec¸a˜o anterior. Dado uma matriz A chamamos de um elemento principal de A ao primeiro ele- mento na˜o nulo de sua linha. Por exemplo, na matriz 2 0 1 2 0 0 −1 3 0 0 0 0 0 5 3 8 os elementos principais sa˜o: • 2, primeiro elemento na˜o nulo da primeira linha; • −1, primeiro elemento na˜o nulo da segunda linha e • 5, primero elemento na˜o nulo da u´ltima linha. Observe que na terceira linha na˜o ha´ elemento principal, uma vez que a mesma na˜o possui elementos diferentes de zero. Uma matriz A e´ dita estar reduzida se satisfaz as seguintes condic¸o˜es: (a) Toda coluna de A que possui um elemento principal tem todos os outros ele- mentos iguais a zero. 1.4. SISTEMAS LINEARES 27 (b) Todo os elementos principais de A sa˜o iguais a 1. Numa matriz, uma coluna que conte´m elementos principais sera´ chamada de col- una principal. E´ claro que se a matriz esta´ reduzida, cada elemento principal pertence a uma linha na˜o nula e uma u´nica coluna principal. Isto nos diz que, em uma matriz reduzida, o nu´mero de colunas principais e´ igual ao nu´mero de linhas na˜o nulas. Exemplo 1.4.9. Considere as matrizes abaixo: A = 0 0 1 31 2 0 5 0 0 0 0 , B = 1 1 1 0 1 0 0 0 1 0 1 0 Na matriz A, todos os elementos principais sa˜o iguais a 1 e as colunas que conteˆm elementos principais teˆm todos os outros elementos iguais a zero. Portanto A e´ uma matriz reduzida. Observe que neste caso, as linhas que possuem elementos principais sa˜o a primeira e a segunda, isto e´, o nu´mero de linhas com elementos principais e´ igual a 2, igual ao nu´mero de colunas principais, a saber, a primeira e a terceira colunas. Na matriz B, embora todos os elementos principais sejam iguais a 1 a segunda e a terceira colunas na˜o sa˜o principais, uma vez que, mesmo possuindo elementos principais, essas colunas possuem outros elementos diferentes de zero. Logo, a matriz B na˜o esta´ na forma reduzida. Proposic¸a˜o 1.4.3. Considere o sistema de equac¸o˜es lineares AX = B. Suponha que A e´ uma matriz que esta´ na forma reduzida. 1. Se os elementos da i-e´sima linha de A sa˜o todos iguais a zero e se o elemento correspondente de B na˜o e´ nulo enta˜o, AX = B na˜o possuisoluc¸a˜o. 2. Se toda linha nula de A (se existir), corresponde a um elemento de B nulo enta˜o, AX = B possui pelo menos uma soluc¸a˜o. Demonstrac¸a˜o. 1. Se a i-e´sima linha da matriz A e´ nula, enta˜o o elemento correspondente de AX e´ igual a zero. Como AX = B enta˜o, se o elemento correspondente em B na˜o e´ zero, na˜o pode existir soluc¸a˜o. 28 CAPI´TULO 1. MATRIZES E SISTEMAS LINEARES 2. Temos, por hipo´tese, que toda linha nula de A corresponde a um elemento de B nulo. Neste caso vamos escrever uma soluc¸a˜o para o sistema AX = B. Suponha que a matriz A e´ de ordem m × n. Sejam x1, ..., xn os elementos da matriz coluna X (de ordem n × 1) e b1, ..., bm os elementos da matriz coluna B (de ordem m× 1). Suponha ainda que a coluna j da matriz A e´ principal e seja i a linha associada. Fac¸a x˜j = bi e considere o produto AX˜ onde X˜ e´ a matriz coluna cujos os elementos sa˜o x˜j. Observe que o elemento de ordem i do produto AX˜ e´ ∑n k=1 aikx˜k e que e´ nulo se a linha de ordem i de A for nula e por hipo´tese, b1 e´ tambe´m nulo. Se a linha i de A e´ na˜o nula, enta˜o aij = 1, uma vez que j e´ a coluna principal associada. Enta˜o, como x˜j = bi, segue que aij x˜j = bi. Quando k 6= j os termos aij x˜j sa˜o todos nulos uma vez que aik = 0 se a coluna de ordem k e´ principal e x˜k = 0 se a coluna de ordem k e´ principal. Logo x˜1, ..., x˜n e´ soluc¸a˜o do sistema AX = B. 1.4.3 Exerc´ıcios Usando o me´todo dado pela proposic¸a˜o 1.4.1, resolva os seguintes sistemas de equac¸o˜es: 1. x+ y + z = 2 −x+ 2y − 4z = 2 2x+ 6y + 18z = 0 2. x+ y = 1 y + z = 2 z + t = 3 t+ x = 4 3. x+ 2y + 3z = 10 4x+ 5y + 6z = 11 7x+ 8y + 9z = 12 4. x+ 2y + 4z + 8t = 1 x+ y + z + t = −3 x+ y + z − t = 0 x+ 3y + 9z + 27t = 0 2 Vetores no Espac¸o Comec¸amos lembrando que, dada uma reta r no espac¸o, qualquer porc¸a˜o limitada de r e´ chamado de um segmento (da reta r). Neste cap´ıtulo, iremos introduzir o conceito de “segmento orientado”, necessa´rio para a definic¸a˜o de vetores no espac¸o, objetivo central deste cap´ıtulo. Assim sendo, iremos nos referir aos segmentos na˜o orientados como “segmentos geome´tricos”. Ale´m disso, dados dois pontos distintos A e B de uma reta r, o segmento geome´trico de r contido entre A e B sera´ denotado por AB. 2.1 Reta Orientada Seja r uma reta no espac¸o. Iremos dizer que r esta´ orientada se nela escolhermos um sentido de percurso, que chamaremos de positivo. O sentido contra´rio ao escolhido e´ chamado de negativo. Se A e B sa˜o dois pontos de r, dizemos que A esta´ a` esquerda de B (ou B esta´ a` direita de A) se o sentido de percuso de A para B e´ o positivo. A B Sejam r uma reta orientada, A e B pontos de r. A unia˜o do conjunto formado pelos pontos A e B com o conjunto dos pontos de r que esta˜o entre eles e´ chamado de um segmento de reta orientado, com extremos A e B. Se A esta´ a` esquerda de B, dizemos que A e´ a origem do segmento e B seu extremo. Um segmento com origem no ponto A e extremo no ponto B sera´ denotado por [A,B]. Se A = B, dizemos que [A,B] e´ o segmento nulo. Observe que se A 6= B, enta˜o [A,B] 6= [B,A]. Sejam [A,B] e [C,D] dois segmentos orientados no espac¸o. Dizemos que: 1. [A,B] e [C,D] sa˜o colineares se sa˜o segmentos contidos em uma mesma reta; 2. Se [A,B] e [C,D] na˜o sa˜o segmentos nulos, enta˜o [A,B] e [C,D] tem a mesma direc¸a˜o ou sa˜o paralelos se sa˜o colineares ou esta˜o contidos em retas paralelas; 29 30 CAPI´TULO 2. VETORES NO ESPAC¸O 3. [A,B] e [C,D] teˆm o mesmo comprimento se os segmentos geome´tricos AB e CD teˆm comprimentos iguais. Sejam [A,B] e [C,D] segmentos orientados paralelos. Suponha que [A,B] e [C,D] esta˜o em retas paralelas distintas. Neste caso, iremos dizer que eles teˆm o mesmo sentido se os segmentos geome´tricos AC e BD tem intersec¸a˜o vazia. Caso contra´rio, dizemos que [A,B] e [B,C] possuem sentidos contra´rios (ver figura abaixo). A B A B C D C D Mesmo sentido Sentido Contra´rio Suponha que [A,B] e [C,D] sa˜o paralelos e colineares e seja r a reta que conte´m [A,B] e [C,D]. Para sabermos se [A,B] e [C,D] teˆm mesmo sentido ou sentidos contra´rios, procedemos da seguinte maneira: escolhemos uma reta s paralela a reta r e tomamos [E, F ] tal que tenha a mesmo sentido de [C,D], como definido anteriormente. Se [A,B] e [E, F ] teˆm o mesmo sentido (respectivamente, sentidos contra´rios), dizemos que [A,B] e [C,D] teˆm o mesmo sentido (respectivamente, sentidos contra´rios). Dois segmentos orientados [A,B] e [C,D] sa˜o ditos equipolentes se [A,B] e [C,D] teˆm a mesma direc¸a˜o, mesmo comprimento e mesmo sentido. Usaremos a notac¸a˜o [A,B] ∼ [C,D] para indicar que [A,B] e [C,D] sa˜o segmentos orientados, equipolentes. Observac¸a˜o 2.1.1. Note que, dado um segmento orientado [A,B] e um ponto C no espac¸o, podemos construir um segmento orientado [C,D] tal que [A,B] ∼ [C,D]. De fato, se r e´ a reta tal que [A,B] ∈ r, tomamos a reta s que passa por C, paralela a reta r. Em s, escolhemos um ponto D tal que [A,B] e [C,D] teˆm mesmo comprimento e mesmo sentido. Proposic¸a˜o 2.1.1. Sejam [A,B], [C,D] e [E, F ] segmentos orientados. Valem as seguintes propriedades: 1. [A,B] ∼ [A,B]. 2.2. A´LGEBRA DE VETORES 31 2. Se [A,B] ∼ [C,D] enta˜o [C,D] ∼ [A,B]. 3. Se [A,B] ∼ [C,D] e [C,D] ∼ [E, F ], enta˜o [A,B] ∼ [E, F ]. Seja [A,B] um segmento orientado. O conjunto formado por todos os segmentos orientados que sa˜o equipolentes a [A,B] e´ chamado de classe de equipoleˆncia de [A,B]. Neste caso, dizemos que o segmento [A,B] e´ um representante da classe. Observac¸a˜o 2.1.2. 1. Se CAB e´ a classe de equipoleˆncia do segmento [A,B], segue do item 1 da proposic¸a˜o 2.1.1 que o segmento [A,B] pertence a CAB. 2. Sejam CAB a classe de equipoleˆncia do segmento [A,B] e CCD e´ a classe de equipoleˆncia do segmento [C,D]. Se [A,B] ∼ [C,D], ou seja, se [C,D] ∈ CAB, enta˜o, pelo item 2 da proposic¸a˜o 2.1.1, temos que [A,B] ∈ CCD. Ale´m disso, se [E, F ] ∈ CAB, pelo item 3 da proposic¸a˜o 2.1.1, temos que [E, F ] ∈ CCD e se [E, F ] ∈ CCD, enta˜o [E, F ] ∈ CAB. Portanto, temos que, se [A,B] ∼ [C,D] enta˜o a classe de equipoleˆncia de [A,B] e´ igual a` classe de equipoleˆncia de [C,D]. Isso sgnifica que, qualquer elemento de CAB e´ um representante da classe de equipoleˆncia de [A,B] Uma classe de equipoleˆncia de um segmento orientado [A,B], o seja, o conjunto CAB, sera´ chamado de um VETOR. Usaremos a notac¸a˜o −→AB para indicar o vetor cujo representante e´ o segmento orientado [A,B]. Quando na˜o quisermos nos referir a um dos representantes em particular, representaremos um vetor usando letras latinas minu´scula com uma seta, como por exemplo, −→v ,−→u , etc. O conjunto de todos os vetores no espac¸o sera´ denotado por V3. Com consequeˆncia da observac¸a˜o 2.1.1, temos o seguinte resultado: Proposic¸a˜o 2.1.2. Dados um vetor qualquer −→v e um ponto A, fixado arbitariamente, existe um u´nico segmento orientado [A,B] que representa o vetor −→v , isto e´, se [A,C] e´ outro representante de −→v , enta˜o C = B. 2.2 A´lgebra de Vetores Chamaremos de vetor nulo, e representaremos por −→ 0 , a classe de equivalencia do segmento nulo. Se [A,B] e´ um representante de um vetor −→v , chamaremos de vetor 32 CAPI´TULO 2. VETORES NO ESPAC¸O oposto de −→v ao vetor cujo representante e´ o segmento [B,A]. O oposto do vetor −→v sera´ indicado por −−→v , ou seja −−→AB = −→BA. Sejam −→v e −→u dois vetores. 1. Dizemos que −→v e −→u sa˜o paralelos se um representante de −→v e´ paralelo a algum representante de −→u , e portanto a todos os outros representantes. 2. Se −→v e −→u sa˜o na˜o nulos e paralelos, dizemos que eles teˆm o mesmo sentido se um representantede −→v tem o mesmo sentido de um representante de −→u . Dizemos que −→v e −→u tem sentidos contra´rios se um representante de −→v e um representante de −→u tem sentidos contra´rios. Por convenc¸a˜o, dizemos que o vetor nulo e´ paralelo a qualquer vetor. Dado um vetor −→v , a norma (mo´dulo ou comprimento) de −→v e´ o comprimento de um dos seus representantes, e sera´ indicada por ‖−→v ‖. Se ‖−→v ‖ = 1, dizemos que −→v e´ um vetor unita´rio. Como consequeˆncia das definic¸o˜es anteriores, temos que −→v = −→u se, e somente se, −→v e −→u possuem a mesma direc¸a˜o, mesmo sentido e mesma norma. 2.2.1 Soma de Vetores Em V3, definimos uma operac¸a˜o, chamada de adic¸a˜o, que a cada par de vetores −→v e −→u associa um outro vetor, denotado por −→v +−→u , chamado soma de −→v com −→u da seguinte maneira: • Escolha um representante qualquer de −→v , digamos [A,B] (−→v = −→AB) • Escolha um representante de −→u que tenha origem no ponto B, digamos [B,C] (−→u = −−→BC) • O vetor −→v +−→u sera´ o que tem [A,C] com representante, ou seja, −→AB+−−→BC = −→AC. 2.2. A´LGEBRA DE VETORES 33 A B C D −→u = −−→BC = −−→DC, −→v = −→AB = −−→DC −→v +−→u = −→u +−→v = −→AC −→v −→v −→u −→u −→u −→v Observe que a soma −→u + −→v independe da escolha do representante [A,B] do vetor −→u . De fato, se escolhermos um outro representante de −→u , digamos [A˜, B˜] e portanto, outro representante de −→v , [B˜, C˜], teriamos [A,B] ∼ [A˜, B˜] e [B,C] ∼ [B˜, C˜] e portanto, [A,C] ∼ [A˜, C˜]. A soma de −→u com o oposto de −→v e´ chamada de diferenc¸a entre −→u e −→v e e´ indicada por −→u −−→v , isto e´, −→u −−→v = −→u + (−−→v ). Proposic¸a˜o 2.2.1. Se −→u ,−→v e −→w sa˜o vetores quaisquer, enta˜o valem as seguintes propriedades: 1. (−→u +−→v ) +−→w = −→u + (−→v +−→w ). 2. −→u +−→v = −→v +−→u . 3. −→u +−→0 = −→0 +−→u = −→u . 4. −→u + (−−→u ) = −→0 . Ale´m disso, o oposto de −→u e´ o u´nico vetor que satisfaz essa relac¸a˜o. Demonstrac¸a˜o. Sejam −→u = −→AB,−→v = −−→BC e −→w = −−→CD. Enta˜o, 1. Enta˜o, (−→u +−→v ) +−→w = (−→AB +−−→BC) +−−→CD = −→AC +−−→CD = −−→AD e −→u + (−→v +−→w ) = −→AB + (−−→BC +−−→CD) = −→AB +−−→BD = −−→AD, o que prova que (−→u +−→v ) +−→w = −→u + (−→v +−→w ). 34 CAPI´TULO 2. VETORES NO ESPAC¸O 2. Temos que −→u +−→v = −→AB +−−→BC = −→AC. Por outro lado, como a soma de vetores independe da escolha dos seus representantes, podemos escolher o ponto E tal que [A,E] ∼ [B,C] e [E,C] ∼ [A,B]. Logo −→v = −→AE e de −→u = −−→EC e portanto, −→v +−→u = −→AE +−−→EC = −→AC (ver figura abaixo). −→u −→v −→u −→v A E C B 3. Note que −→ 0 = −−→ BB. Assim −→u +−→0 = −→AB+−−→BB = −→AB = −→u . De maneira ana´loga, prova-se que −→ 0 +−→u = −→u . 4. Como −→u = −→AB, enta˜o −−→u = −→BA. Assim sendo temos −→u + (−−→u ) = −→AB +−→BA = −→AA = −→0 . Suponha agora que −→ v′ e´ tal −→u +−→v′ = −→0 . Enta˜o, −→u +−→v′ = −→u + (−−→u ). Portanto, somando −−→u e usando o item 1, teremos: (−−→u +−→u ) +−→v′ = (−−→u +−→u ) + (−−→u ) (2.2.1) Agora, usando o fato de −−→u +−→u = 0 e que −→0 +−→u = −→u , segue de (2.2.1) que −→v = −−→u , o que prova a unicidade do oposto. 2.2.2 Produto de Nu´meros Reais por Vetores Iremos definir agora uma operac¸a˜o, chamada de multiplicac¸a˜o de nu´meros reais por vetores, que para cada nu´mero real α e cada vetor −→u , associa um vetor, denotado por α−→u , chamado produto de α por −→u , da seguinte maneira: 2.2. A´LGEBRA DE VETORES 35 • Se α = 0 ou −→u = −→0 , enta˜o α−→u = −→0 . • Se α 6= 0 ou −→u 6= −→0 , enta˜o: 1. α−→u e´ paralelo a −→u 2. Se α > 0, α−→u tem o mesmo sentido de −→u e se α < 0, α−→u tem sentido contra´rio ao de −→u . 3. ‖α−→u ‖ = |α|‖−→u ‖, onde |α| indica o valor absoluto de α. −→u −→v 2−→u −2−→u −5−→v 3−→v E´ comum chamar os nu´meros reais de escalar. Assim sendo, a multiplicac¸a˜o de nu´mero real por vetores tambe´m e´ chamada de multiplicac¸a˜o de escalar por vetores. A pro´xima proposic¸a˜o establece algumas propriedades muito u´teis desta operac¸a˜o. Proposic¸a˜o 2.2.2. Sejam −→u e −→v vetores. Dados α e β nu´meros reais, valem as seguintes iguadades: 1. α(−→u +−→v ) = α−→u + α−→u . 2. (α + β)−→u = α−→u + β−→u . 3. 1−→u = −→u . 4. α(β−→u ) = (αβ)−→u = β(β−→u ). Proposic¸a˜o 2.2.3. Sejam −→u e −→v vetores na˜o nulos. Suponha que existe um nu´mero real α tal que −→u = α−→v . Enta˜o |α| = ‖−→u ‖‖−→v ‖ . Proposic¸a˜o 2.2.4. Sejam −→u e −→v vetores na˜o nulos. Enta˜o −→u e −→v sa˜o paralelos se, e somente se, existe um nu´mero real α tal que −→u = α−→v . 36 CAPI´TULO 2. VETORES NO ESPAC¸O Demonstrac¸a˜o. Por definic¸a˜o, se −→u = α−→v para algum α, enta˜o −→u e −→v sa˜o paralelos. Suponha agora que −→u e −→v sa˜o paralelos. Inialmente vamos considerar que os vetores −→u e −→v teˆm o mesmo sentido. Seja α = ‖−→u ‖‖−→v ‖ . Vamos mostrar que −→u = α−→v . Como α > 0, α−→v e −→v sa˜o paralelos e teˆm o mesmo sentido. Como, por hipo´tese, −→u e −→v , sa˜o paralelos e mesmo sentido, segue que −→u e α−→v sa˜o paralelos e teˆm o mesmo sentido. Por outro lado ‖α−→v ‖ = |α|‖−→v ‖ = ∣∣∣∣‖−→u ‖‖−→v ‖ ∣∣∣∣ ‖−→v ‖ = ‖−→u ‖, ou seja, −→u e α−→v sa˜o paralelos, teˆm o mesmo sentido e mesmo comprimento, isto e´, −→u = α−→v . No caso em que −→u e −→v sa˜o paralelos e sentido contra´rios, tomamos α = −‖−→u ‖‖−→v ‖ . Os detalhes da prova, para esse caso, fica como exerc´ıcio. 2.2.3 Soma de Pontos com Vetores Dado um ponto A e um vetor −→u , definimos a soma de A com −→u , e denotamos por A+−→u , como sendo o ponto B, tal que −→AB = −→u . Assim, A+−→u = B se, e somente se, [A,B] e´ um representante de −→u com origem no ponto A. Como no caso de soma de vetores, usaremos a notac¸a˜o A − −→u para indicar a soma de A com o oposto de −→u , isto e´, A−−→u = A+ (−−→u ). Proposic¸a˜o 2.2.5. Sejam −→u ,−→v vetores e P1, P2 pontos. Enta˜o, 1. (P1 + −→u ) +−→v = P1 + (−→u +−→v ). 2. Se P1 = −→u = P1 +−→v , enta˜o −→u = −→v . 3. Se P1 + −→u = P2 +−→u , enta˜o P1 = P2. 4. (P1 −−→u ) +−→u = P1. Demonstrac¸a˜o. 1. Sejam A = P1 + −→u e B = A + −→v . Enta˜o, por definic¸a˜o, −→u = −−→P1A e −→v = −→AB. Logo, (P1 + −→u ) +−→v = A+−→AB = B e P1 + (−→u +−→v ) = P1 +−−→P1B = B. 2.2. A´LGEBRA DE VETORES 37 2. Seja A = P1 + −→u . Enta˜o, por hipo´tese, A = P1 + −→u = P1 + −→v . Logo, por definic¸a˜o, −→u = −−→P1A = −→v . 3. Se P1 + −→u = P2 +−→u enta˜o, pelo item 1. temos que (P1 + −→u )−−→v = (P2 +−→u )−−→v ⇒ P1 + ( −→u −−→v ) = P2 + (−→u −−→v ) ⇒ P1 + −→ 0 = P2 + −→ 0 ⇒ P1 = P2 A prova desse item e´ deixada como exerc´ıcio. 2.2.4 Exerc´ıcios 1. Prove a proposic¸a˜o 2.2.2. 2. Prove a proposic¸a˜o 2.2.3. 3. Prove o ite´m 3 da proposic¸a˜o 2.2.5. 4. Prove que as diagonais de um paralelograma teˆm o mesmo ponto me´dio. 5. Seja α um nu´mero real na˜o nulo. Se −→u e −→v sa˜o vetores tais que −→u = α−→v , prove que −→v = 1 α −→u . 6. Seja α um nu´mero real e −→u um vetor. Prove que valem as seguintes regras de sinais: (a) (−α)−→u = − (α−→u ). (b) α (−−→u ) = − (α−→u ). (c) (−α) (−−→u ) = α−→u 7. Sejam P um ponto, −→u e −→v vetores. Prove que (P −−→u ) +−→v = P − (−→u −−→v ). 8. No triaˆngulo ABC sejam P1, P2 e P3 os pontos me´dios dos lados AB, BC e CA respectivamente (ver figura abaixo). Escreva −−→ BP3, −−→ AP2 e −−→ CP1 em func¸a˜o dos vetores −→ CA e −−→ CB. 38 CAPI´TULO 2. VETORES NO ESPAC¸O b b b A B C P3 P1 P2 2.3 Dependeˆncia e Indepedeˆncia Linear Para cada nu´mero natural n diferente de zero, usaremos a notac¸a˜o {−→u 1,−→u 2, . . . ,−→u n} para indicar um conjunto ordenado de n vetores, −→u 1,−→u 2, . . . ,−→u n em V3. Aqui, a palavra ordenado deve ser pensada da seguinte maneira: se dois conjuntos ordenados de n vetores, {−→u 1,−→u 2, . . . ,−→u n} e {−→v 1,−→v2, . . . ,−→v n} sa˜o tais que {−→u 1,−→u 2, . . . ,−→u n} = {−→v 1,−→v 2, . . . ,−→v n} , enta˜o −→u =−→v 1, −→u 2 = −→v2 , . . . , −→u n = −→v n. Dado um conjunto ordenado de vetores X = {−→u 1,−→u 2, . . . ,−→u n} em V3 iremos dizer que um vetor −→v e´ uma combinac¸a˜o linear dos vetores de X se existem n nu´meros reais, a1, a2, · · · , an, tais que −→v = a1−→u 1 + a2−→u 2 + . . .+ an−→u n. Neste caso dizemos tambe´m que o vetor −→v e´ gerado pelos vetores −→u 1,−→u 2, . . . ,−→u n. Seja X = {−→u 1,−→u 2, . . . ,−→u n} um conjunto ordenado de n vetores. Se n > 1, dizemos que X e´ um conjunto de vetores linearmente dependente, ou que X e´ um conjunto (de vetores) LD, se um dos vetores de X e´ uma combinac¸a˜o linear dos demais, isto e´, se existe i ∈ {1, 2, . . . , n} tal que −→u i = a1−→u 1 + . . .+ ai−1−→u i−1 + ai+1−→u i+1 + . . .+ an−→u n, onde a1, . . . , ai−1, ai+1, . . . , an sa˜o nu´meros reais. E´ costume dizer que os vetores −→u 1,−→u 2, . . . ,−→u n sa˜o LD ao inve´s de dizer que o conjunto X , formado pelos vetores −→u 1,−→u 2, . . . ,−→u n, e´ um conjunto LD. 2.3. DEPENDEˆNCIA E INDEPEDEˆNCIA LINEAR 39 Para n = 1, ou seja, se X = {−→u }, dizemos que X e´ linearmente dependente (LD) se −→u = −→0 . Observe que se n = 2, ou seja, se X = {−→u 1,−→u 2}, enta˜o dizer que X e´ LD significa dizer que um dos vetores de X e´ um mu´ltiplo do outro, o que quer dizer que −→u 1 e −→u 2 sa˜o paralelos. No caso n = 3, dizer que X = {−→u 1,−→u 2,−→u 3} e´ um conjunto LD, e´ o mesmo que dizer que um dos vetores e´ uma soma dos outros dois. Neste caso, e´ poss´ıvel escolher representantes de −→u 1,−→u 2 e −→u 3 que esta˜o em um mesmo plano (ver figura abaixo). −→u 2 = −→AC,−→u 1 = −→AB, −→u 3 = a−→u 1 + b−→u 2 = −→AF a−→u 1 = −−→AD b−→u 2 = −→AE A B C D E F Se o conjunto X = {−→u 1,−→u 2, . . . ,−→u n} de n vetores na˜o for um conjunto LD, iremos dizer que o mesmo e´ um conjunto de vetores linearmente independente, ou abreviadamente, que X e´ um conjunto LI. Assim, por definic¸a˜o, temos: 1. para n = 1, isto e´, se X = {−→u }, enta˜o X e´ LI se −→u 6= −→0 . 2. para n = 2, isto e´, se X = {−→u 1,−→u 2}, enta˜o X e´ LI se −→u 1 e −→u 2 na˜o sa˜o paralelos. 3. para n = 3, isto e´, X = {−→u 1,−→u 2,−→u 3}, enta˜o X e´ LI se, e somente se, for imposs´ıvel escolher representantes de −→u 1, −→u 2 e −→u 3, todos em um mesmo plano (ver figura abaixo). 40 CAPI´TULO 2. VETORES NO ESPAC¸O −→u 2 = −→AC,−→u 1 = −→AB, −→u 3 = −−→AD A B C D Como no caso de vetores LD, e´ costume dizer que os vetores −→u 1,−→u 2, . . . ,−→u n sa˜o LI ao inve´s de dizer que o conjunto X , formado pelos vetores −→u 1,−→u 2, . . . ,−→u n, e´ um conjunto LI. Proposic¸a˜o 2.3.1. Seja X = {−→u 1,−→u 2, . . . ,−→u n} um conjunto ordenado de vetores. Enta˜o X e´ LI se, somente se, a igualdade a1 −→u 1 + a2−→u 2 + . . .+ an−→u n = −→O (2.3.1) acontece apenas quando a1 = a2 = . . . = an = 0. Demonstrac¸a˜o. Vamos supor que a igualdade (2.3.1) ocorre sem que todos os ai sejam nulos. Podemos admitir que a1 6= 0. Neste caso, segue da igualdade (2.3.1) que −→u 1 = −a2 a1 −→u 2 − . . .− an a1 −→u n, o que nos diz que −→u 1 e´ uma combinac¸a˜o linear dos vetores −→u 2, . . . ,−→u n, o que implica em X ser um conjunto LD, contradizendo a hipo´tese de que X e´ LI. Isso prova que, se X e´ LI, a igualdade (2.3.1) acontece apenas quando a1 = a2 = . . . = an = 0. Vamos supor agora que X na˜o e´ LI, ou seja, que X e´ LD. Enta˜o, por definic¸a˜o, um dos vetores de X e´ combinac¸a˜o linear dos demais. Podemos supor que tal vetor e´ o −→u 1. Logo existe nu´meros reais, b2, . . . , bn tais que −→u 1 = b2−→u 2 + . . .+ bn−→u n, e portanto, 1−→u 1 − b2−→u 2 − . . .− bn−→u n = −→0 . 2.3. DEPENDEˆNCIA E INDEPEDEˆNCIA LINEAR 41 Essa u´ltima igualdade nos mostra que, se X for LD, e´ poss´ıvel termos uma com- binac¸a˜o linear do tipo (2.3.1) sem que todos os escalares sejam iguais a zero. Logo, se a igualdade (2.3.1) acontece apenas quando todos os escalares sa˜o nulos, enta˜o X e´ LI. 2.3.1 Exerc´ıcios 1. Suponha que −→u e −→v sa˜o dois vetores LD. E´ verdade que para qualquer outro vetor −→w dado, {−→u ,−→v ,−→w } e´ ainda LD? Justifique sua resposta. 2. Suponha que −→u e −→v sa˜o dois vetores LI. E´ verdade que para qualquer outro vetor −→w dado, {−→u ,−→v ,−→w } e´ ainda LI? Justifique sua resposta. 3. Dados −→u 1, −→u 2 e −→u 3 quaisquer, prove que os vetores −→u = −→u 1 + 2−→u 2 −−→u 3, −→v = 2−→u 1 − 3−→u 2 +−→u 3 e −→w = 7−→u 2 − 3−→u 3 sa˜o LD. 4. Sejam −→u , −→v e −→w vetores. Prove que: (a) Os −→u e −→v sa˜o LI se, e somete se, os vetores −→u 1 = (−→u +−→v ) e −→u 2 = (−→u −−→v ) sa˜o LI. (b) Os −→u , −→v e −→w sa˜o LI se, e somete se, os vetores −→u 1 = (−→u +−→v ), −→u 2 = (−→u −−→w ) e −→u 3 = (−→v −−→w ) sa˜o LI. 5. Encontre valores para m e n, sabendo que os vetores −→u e −→v sa˜o LI e satisfazem a igualdade (m− 1)−→u + n−→v = n−→u − (m+ n)−→v . 6. Num tria˜ngulo ABC seja P1 o ponto me´dio do lado AB e P2 um ponto no lado AC tal que P1P2 e´ paralelo a BC. Prove que P2 e´ o ponto me´dio do lado AC (ver figura abaixo). b b A B C P1 P2 42 CAPI´TULO 2. VETORES NO ESPAC¸O 2.4 Bases O que estudamos sobre os vetores, ate´ momento, nos da´ informac¸o˜es puramente geome´tricas sobre os mesmos. Nosso objetivo agora e´ o de prosseguir o estudo asso- ciando vetores a nu´meros reais, os quais chamaremos de coordenadas do vetor, e enta˜o passaremos a dar um tratamento mais alge´brico aos vetores. Como anteriormente, denotaremos por V3 o conjunto de todos os vetores no espac¸o munido das operac¸o˜es estudadas nas sec¸o˜es anteriores. Chamaremos de uma base ordenada de V3 a todo conjunto de ordenado LI de vetores, com treˆs elementos. Assim sendo, se treˆs vetores formam uma base de V3, os mesmo na˜o possuem repre- sentantes em um mesmo plano. O primeiro resultado importante sobre bases de V3 e´ a seguinte Proposic¸a˜o 2.4.1. Se {−→u 1,−→u 2,−→u 3} e´ uma base de V3, enta˜o qualquer vetor −→v ∈ V3 e´ uma combinac¸a˜o linear de −→u 1,−→u 2 e −→u 3, isto e´, existem nu´meros reais a1, a2 e a3 tais que −→v = az−→u 1 + a2−→u 2 + a3−→u 3. Demonstrac¸a˜o. Dado um ponto P , escolhemos pontos A,B,C e D tais que −→u 1 = −→PA, −→u 2 = −−→PB, −→u 3 = −→PC e −→v = −−→PD. P B A C P1 P2 P3 P4 D Como −→u 1, −→u 2 e −→u 3 sa˜o LI, os segmentos orientados [P,A], [P,B] e [P,C] na˜o esta˜o em um mesmo plano. Logo, a reta paralela a [P,C] que passa pelo ponto D determina um ponto P1 no plano que conte´m os pontos P,A, e B. Pelo mesmo motivo, as retas que passam por P1 paralelas a [P,A] e a [P,B] determinam, respectivamente, os pontos P2 e P3 nas retas que conte´m os segmentos [P,B] e [P,A]. O plano que passa pelo ponto D e e´ paralelo ao plano que conte´m os pontos P , A e B, determina na reta que conte´m o segmento [P,C] um ponto P4 (ver figura acima). 2.4. BASES 43 Como [P,A] e [P, P3] sa˜o paralelos, podemos escrever −−→ PP3 = a1 −→ PA = a1 −→u 1. Como [P,B] e [P, P2] sa˜o parelelos, existe um nu´mero real a2 tal que −−→ PP2 = a2 −−→ PB = a2 −→u 2. De maneira ana´loga, existe a3 tal que −−→PP4 = a3−→PC = a3−→u 3. Logo, −→v = −−→PD = −−→PP3 +−−→PP2 +−−→PP4 = a1−→u 1 + a2−→u 2 + a1−→u 3. A proposic¸a˜o 2.4.1 nos garante que, se B = {−→u 1,−→u 2,−→u 3} e´ uma base ordenada de V3 e se −→v e´ um vetor, existem nu´meros reais a1, a2 e a3 tais que −→v = a1−→u 1 + a2−→u 2 + a3−→u 3. O seguinte resultado, mostrar que esses nu´meros sa˜o unicamente determinados. Proposic¸a˜o 2.4.2. Sejam X = {−→u 1,−→u 2,−→u 3} uma base de V3 e −→v um vetor. Se −→v = a1−→u 1 + a2−→u 2 + a3−→u 3 e −→v = b1−→u 1 + b2−→u 2 + b3−→u 3, enta˜o a1 = b1, a2 = b2 e a3 = b3. Demonstrac¸a˜o. Como −→v = a1−→u 1 + a2−→u2 + a3−→u 3 e −→v = b1−→u 1 + b2−→u 2 + b3−→u 3, temos que a1 −→u 1 + a2−→u 2 + a3−→u 3 = b1−→u 1 + b2−→u 2 + b3−→u 3, e portanto, (a1 − b1)−→u 1 + (a2 − b2)−→u 2 + (a3 − b3)−→u 3 = −→0 . Assim, como X e´ LI, segue da proposic¸a˜o 2.3.1 que a1 − b1 = 0, a2 − b2 = 0 e a3 − b3 − 0, ou seja, a1 = b1, a2 = b2 e a3 = b3. Em resumo, temos que, dado uma base B = {−→u 1,−→u 2,−→u 3} de V3, se −→v e´ um vetor, enta˜o existem e sa˜o unicos, nu´meros reais a1, a2 e a3 tais que −→v = a1−→u 1 + a2 −→u 2 + a3−→u 3. Tais nu´meros sa˜o chamados de coordenadas do vetor −→v na base B e sera˜o indicados por (a1, a2, a3)B. Logo, dizer que um vetor −→v tem coordenadas (a1, a2, a3) na base B = {−→u 1,−→u 2,−→u 3}, significa dizer que −→v = a1−→u 1 + a2−→u 2 + a3−→u 3. Logo, conhecendo a base, podemos identificar o vetor −→v com suas coordenadas, o que nos permite usar a notac¸a˜o −→v = (a1, a2, a3)B. 44 CAPI´TULO 2. VETORES NO ESPAC¸O E´ importante observar que as coordenadas de um vetor dependem da escolha da base. Ale´m disso, como uma base e´ um conjunto ordenado, a ordem na qual os nu´meros a1, a2 e a3 aparecem na tripla (a1, a2, a3)B e´ muito importante. Por exemplo, se a1 6= a2, as triplas (a1, a2, a3)B e (a2, a1, a3)B esta˜o associadas a vetores diferentes. Usando as propriedades de soma de vetores e de produto de nu´meros reais por vetores, e´ facil verificar que sa˜o verdadeiras as seguintes igualdades: 1. (a1, a2, a3)B + (b1, b2, b3)B = (a1 + b1, a2 + b2, a3 + b3)B. 2. α(a1, a2, a3)B = (αa1, αa2, αa3)B, qualquer que seja o nu´mero real α. Proposic¸a˜o 2.4.3. Dois vetores −→u = (a1, a2, a3)B e −→v = (b1, b2, b3)B na˜o nulos sa˜o LD se, e somente se existe α ∈ R tal que a1 = αb1, a2 = αb2 e a3 = αb3. Demonstrac¸a˜o. A prova e´ consequeˆncia imediata do fato de que dois vetores sa˜o LD se, e somente se, sa˜o paralelos. Usando a proposic¸a˜o 1.3.3, temos o seguinte resultado: Corola´rio 2.4.1. Dois vetores −→u = (a1, a2, a3)B e −→v = (b1, b2, b3)B na˜o nulos sa˜o LD se, e somente se, as matrizes( a1 a2 b1 b2 ) , ( a1 a3 b1 b3 ) e ( a2 a3 b2 b3 ) , possuem determinantes nulos. Proposic¸a˜o 2.4.4. Treˆs vetores −→u = (a1, a2, a3)B, −→v = (b1, b2, b3)B e −→w = (c1, c2, c3)B sa˜o LD se, e somente se, a matriz A = a1 a2 a3b1 b2 b3 c1 c2 c3 tem determinante nulo. Demonstrac¸a˜o. Sabemos que treˆs vetores sa˜o LD se, e somente se, um deles e´ com- binac¸a˜o linear dos outros. Podemos supor, sem perda de generalidade, que −→u e´ uma combinac¸a˜o linear dos vetores −→v e −→w . Assim sendo, existem α, β ∈ R tais que −→u = α−→v + β−→w . Portanto, (a1, a2, a3) = (αb1 + βc1, αb2 + βc2, αb3 + βc3), 2.4. BASES 45 ou seja, a1 = αb1 + βc1, a2 = αb2 + βc2 e a3 = αb3 + βc3. Logo A = a1 a2 a3b1 b2 b3 c1 c2 c3 = αb1 + βc1 αb2 + βc2 αb3 + βc3b1 b2 b3 c1 c2 c3 . E´ facil verificar, atrave´s das operac¸o˜es elementares sobre as linhas de uma matriz, que a matriz A pode ser transformada em uma matrizM que tem umas das linhas nula, isto e´, numa matriz na˜o invers´ıvel. Logo, pela proposic¸a˜o 1.4.2, A na˜o e´ invers´ıvel, o portanto, detA = 0. Lembramos que dois segmentos geome´tricos AB e CD, com intersec¸a˜o na˜o vazia, sa˜o ortogonais se o aˆngulo entre eles e´ de 90o. Vamos agora, introduzir o conceito de vetores ortogonais, fazendo uso do conceito de ortogonalidade entre segmentos geome´tricos. Dados dois vetores na˜o nulos −→u e −→v dizemos que −→u e´ ortogonal a −→v se existem representantes [A,B] e [C,D] de −→u e −→v respectivamente, que sa˜o ortogonais. O vetor nulo e´ ortogonal a qualquer vetor. Usaremos a notac¸a˜o −→u ⊥ −→v para indicar que −→u e´ ortogonal ao vetor −→v . E´ claro que, se −→u ⊥ −→v enta˜o −→v ⊥ −→u . −→v = −→CA A B −→u ⊥ −→v C −→u = −→AB Como consequeˆncia do teorema de Pita´goras, temos o seguinte resultado: Proposic¸a˜o 2.4.5. Sejam −→u e −→v vetores na˜o nulos. Enta˜o −→u e −→v sa˜o ortogonais se, e somente se, ‖−→u +−→v ‖2 = ‖−→u ‖2 + ‖−→v ‖2. −→uB C −→u +−→v A −→v 46 CAPI´TULO 2. VETORES NO ESPAC¸O Uma base B = {−→u 1,−→u 2,−→u 3} dita ser ortonormal se seus vetores sa˜o unita´rios e dois a dois ortogonais, isto e´, B = {−→u 1,−→u 2,−→u 3} e´ uma base ortonormal se: 1. ‖−→u 1‖ = ‖−→u 2‖ = ‖−→u 3‖ = 1 e 2. −→u 1 ⊥ −→u 2, −→u 1 ⊥ −→u 3 e −→u 2 ⊥ −→u 3 −→u 1 −→u 2 −→u 3 Base Ortonormal Proposic¸a˜o 2.4.6. Se B = {−→u 1,−→u 2,−→u 3} e´ uma base ortonormal e −→u = (a1, a2, a3)B, enta˜o ‖−→u ‖2 = a21 + a22 + a23 Demonstrac¸a˜o. Faremos a prova apenas para o caso em que a1 > 0, a2 > 0 e a3 > 0 (ver figura abaixo). −→u 1 a1 −→u 1 −→u 2 a2−→u 2 −→u 3 a3 −→u 3 −→u A B C D a1 > 1, a2 > 1, a3 > 1 Observe que ‖−→u ‖ e´ a hipotenusa do triaˆngulo retaˆngulo 4ACB cujos catetos sa˜o ‖a1−→u 1 + aa−→u 2‖ e ‖a3−→u 3‖. Logo, pelo teorema de Pita´goras, temos ‖−→u ‖2 = ‖a1−→u 1 + a2−→u 2‖2 + ‖a3−→u 3‖2. (2.4.1) 2.4. BASES 47 Como B e´ ortonormal, os vetores a1 −→u 1 e a2−→u 2 sa˜o ortogonais. Portanto, pela proposic¸a˜o 2.4.5, temos que ‖a1−→u 1 + a2−→u 2‖2 = ‖a1−→u 1‖2 + ‖a2−→u 2‖2. Usando essa igualdade em (2.4.1) obtemos ‖−→u ‖2 = ‖a1−→u 1‖2 + ‖a2−→u 2‖2 + ‖a3−→u 3‖2. (2.4.2) Por outro lado, para cada i ∈ {1, 2, 3}, ‖ai−→u i‖ = |ai| pois ‖ai−→u i‖ = |ai|‖−→u i‖ e ‖−→u i‖ = 1 uma vez B e´ uma base ortonormal. Assim sendo, segue de (2.4.2) que ‖−→u ‖2 = |a1|2 + |a2|2 + |a3|2 = a21 + a22 + a23. 2.4.1 Exerc´ıcios 1. Seja B uma base. Dados −→u = (1,−3, 5)B e −→v = (−3, 5 − 2)B encontre as coordenadas do vetor −→w na base B sabendo que −→w = 2−→u − 4−→v . 2. Seja B uma base. Verifique se o vetor −→u = (−1, 3, 9)B e´ uma combinac¸a˜o linear dos vetores −→v = (2,−1, 5)B e −→w = (−1, 1, 3)B 3. Suponha que B = {−→u 1,−→u 2,−→u 3} e´ uma base e sejam −→v 1 = −→u 1 + −→u 2 + −→u 3, −→v 2 = −→u 1 + −→u 2 e −→v 3 = −→u 3. Verifique se o conjunto B˜ = {−→v 1,−→v 2,−→v 3} e´ tambe´m uma base. 4. Suponha que B = {−→u 1,−→u 2,−→u 3} e´ uma base e sejam −→v 1 = 2−→u 1 − −→u 2 + −→u 3, −→v 2 = −→u 2 −−→u 3 e −→v 3 = 3−→u 3. (a) Prove que B˜ = {−→v 1,−→v 2,−→v 3} e´ uma base. (b) Se −→u = (2,−1, 1)B encontre x, y e z tais que −→u = (x, y, z)B˜. 5. Suponha que B e´ uma base ortonormal. Se −→u = (2,−1,−2)B encontre ‖−→u ‖. 6. Suponha que B e´ uma base ortonormal. Encontre um vetor unita´rio, isto e´ um vetor de norma 1, na mesma direc¸a˜o e sentido do vetor −→u = (−2, 0, 3)B. 7. Sejam B uma base ortonormal, Po = (a, b, c)B um ponto no espac¸o e r um nu´mero real positivo. A esfera de raio r e centro no Po e´ o conjunto de todos os pontos o espac¸o cuja a distaˆncia para o ponto Po e´ igual a r. Mostre que P = (x, y, z) pertence a esfera de raio r e centro em Po se, e somente se (x− a)2 + (y − b)2 + (z − c)2 = r2. 48 CAPI´TULO 2. VETORES NO ESPAC¸O 2.5 Produto Escalar Na sec¸a˜o anterior, definimos vetores ortogonais. Portanto, e´ razoa´vel nos pergun- tar se podemos medir aˆngulos entre vetores. A resposta a essa pergunta e´ sim. Para isso, faremos uso de uma operac¸a˜o chamada de produto escalar. Pore´m, antes disso, e´ necessa´rio definir aˆngulos entre dois vetores. Dados dois vetores −→u e −→v na˜o-nulos e um ponto P qualquer do espac¸o, sabemos que podemos escolher dois pontos A e B tais que −→u = −→PA e −→v = −−→PB. O aˆngulo entre −→u e −→v e´, por definic¸a˜o, o menor dos aˆngulo AP̂B e BP̂A. E´ claro que a medida de tal aˆngulo, independe da escolha do ponto P e da escolha dos segmentos orientados [P,A] e [P,B], com origem comum, representantes de −→u e −→v , respectivamente. Note que se θ e´ o aˆngulo entre dois vetores quaisquer, enta˜o por definic¸a˜o, θ e´ o menor entre os aˆngulos AP̂B e BP̂A. Portanto 0 ≤ θ ≤ pi. −→v P A B −→u θ Se−→u e−→v sa˜o vetores na˜o nulos, o aˆngulo entre
Compartilhar