[28 de mar¸co de 2013]
Editora¸c˜ao Eletrˆonica (LA
TEX 2ε): Renato Jos´e de Sobral Cintra. Revis˜ao: Caitano de Oliveira Cintra.
Capa: ?
Ilustra¸c˜oes (WINPLOT): Caitano de Oliveira Cintra.
Todos os direitos reservados.
Ficha catalogr´afica elaborada pela
Biblioteca Central da Universidade Federal Rural de Pernambuco Cintra, Caitano de Oliveira
Cˆonicas e Qu´adricas: [28 de mar¸co de 2013]/ Caitano de Oliveira Cintra. — Recife : O Autor, 2003.
85, vi folhas : il., tab.
Inclui bibliografia, ´ındice e apˆendice.
1. ´Algebra Linear. 2. Matrizes. 3. Matem´atica. I. T´ıtulo.
512.64 CDU (2.ed.) UFRPE 512.943 CDD (21.ed.) BC Impresso no Brasil. ISBN: ?-???-?????-? 1a edi¸c˜ao fevereiro 2003 Tiragem: 1.000 exemplares
compreens˜ao e o carinho. Aos meus filhos, RENATO e HENRIQUE, pelo amor que tˆem pelos estudos e pela pesquisa.
Aos meus pais, OTAVIANO e CAMILA (in memoriam), que n˜ao pouparam sacrif´ıcios para que eu pudesse aprender al-guma coisa.
A Deus.
√ 2
Estas notas n˜ao significam trabalho original, representam ape-nas, como exporiamos em poucas aulas, para alunos de um primeiro curso de ´Algebra Linear, os assuntos aqui tratados.
A primeira edi¸c˜ao, abordando apenas a Classifica¸c˜ao das Cˆoni-cas, foi publicada pela FASA-EDITORA, sob o n´umero 16 da s´erie did´atica da Universidade Cat´olica de Pernambuco.
Uma segunda edi¸c˜ao, incluindo as Qu´adricas, foi publicada pela Universidade Federal Rural de Pernambuco, em 1990.
Nesta edi¸c˜ao, fizemos uma revis˜ao geral no texto correspon-dente a segunda edi¸c˜ao e refizemos todas as figuras utilizando o aplicativo WINPLOT.
N˜ao poder´ıamos deixar de agradecer ao professor Renato Jos´e de Sobral Cintra, pelas valiosas sugest˜oes e pela composi¸c˜ao do texto usando o editor LATEX.
Recife, 1 de janeiro de 2003. Caitano de Oliveira Cintra
Algumas Palavras v
1 Diagonaliza¸c˜ao de Matrizes 3
1.1 Diagonaliza¸c˜ao . . . 3
2 Classifica¸c˜ao das Cˆonicas 19
2.1 Introdu¸c˜ao . . . 19 2.2 Forma Quadr´atica . . . 30
3 Classifica¸c˜ao das Qu´adricas 45
A Resumo dos Resultados 69
B Winplot 75
C Quadro de Figuras 77
Referˆencias Bibliogr´aficas 82
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . x′′ y′′ z′′ dfdf
DIAGONALIZAC
¸ ˜
AO DE
MATRIZES
Neste cap´ıtulo estudaremos a diagonaliza¸c˜ao de matrizes reais de ordem n, com o objetivo de classificarmos as cˆonicas e as qu´adricas.
No texto, A significa uma matriz real de ordem n e D, uma matriz real diagonal tamb´em de ordem n.
1.1
DIAGONALIZAC
¸ ˜
AO
Nosso prop´osito ´e verificar a existˆencia de um vetor v ∈ Rn
n˜ao nulo, e um escalar λ ∈ R tais que
A· v = λ · v. (1.1)
onde A ´e uma matriz real de ordem n.
Geometricamente, isto significa que quando aplicamos a ma-3
triz A ao vetor v, obtemos um vetor colinear com o vetor dado (Figura 1.0).
Figura 1.0
A Equa¸c˜ao 1.1 ´e equivalente ao sistema homogˆeneo
(A − λ · I)v = 0, (1.2)
que tem solu¸c˜ao n˜ao nula se
det(A − λ · I) = 0. (1.3)
O primeiro membro da Equa¸c˜ao 1.3 ´e um polinˆomio de grau n em λ, chamado polinˆomio caracter´ıstico de A e denotado por PA(λ), isto ´e
PA(λ) = det(A − λ · I). (1.4)
Defini¸c˜ao 1.1 As ra´ızes de PA(λ) = 0 s˜ao chamadas de
auto-valores de A e os vetores solu¸c˜oes da Equa¸c˜ao 1.1 s˜ao chamados de autovetores de A, associados aos autovalores λ.
Exemplo 1.1 Seja A= " −4 2 −5 3 # . Temos: PA(λ) = det " −4 − λ 2 −5 3 − λ # = λ2+ λ − 2,
cujas ra´ızes, λ1 = −2 e λ2 = 1, s˜ao os autovalores de A. Vejamos
os autovetores associados a esses autovalores.
(i) Para λ1 = −2, temos
" −4 2 −5 3 # · " x y # = −2 · " x y # , ou −4x + 2y = −2x −5x + 3y = −2y ⇐⇒ x= y. Assim, v1 = " x x # , x6= 0. (ii) Para λ2 = 1, " −4 2 −5 3 # · " x y # = " x y # , ou, −4x + 2y = x −5x + 3y = y ⇐⇒ 2y = 5x ∴ y= 5 2x.
Assim, v2= x 5 2x , x6= 0. Exemplo 1.2 Seja A= " −2 −1 5 2 # ,
temos PA(λ) = λ2 + 1, que n˜ao tem ra´ızes reais. Logo, A n˜ao
possui autovalores, portanto n˜ao possui autovetores.
Geometricamente, o exemplo 1.2 significa que quando apli-camos A a vetores do R2, provocamos uma rota¸c˜ao, isto ´e, v e
A· v s˜ao vetores linearmente independentes. (Figura 1.1).
Figura 1.1
Proposi¸c˜ao 1.1 Existe um ´unico autovalor λ, para um dado au-tovetor v.
Prova: Deixada como exerc´ıcio para o leitor. Proposi¸c˜ao 1.2 Autovetores associados a autovalores distintos s˜ao linearmente independentes.
Prova: Sejam λ1, λ2, . . . , λn autovalores distintos de A e
v1, v2 , . . . , vn os autovetores associados respectivamente a λ1,
λ2, . . . , λn.
Suponha que
c1v1+ c2v2+ · · · + cnvn = 0, (1.5)
onde c1, c2, . . . , cn s˜ao escalares.
A prova de que todos os ci, i = 1, . . . , n s˜ao nulos ´e feita por
indu¸c˜ao sobre n. De fato, se n = 1 , temos
c1v1 = 0 ∴ c1 = 0, pois v1 6= 0 (1.6)
Multiplicando a Equa¸c˜ao 1.5 por λn, obteremos
c1λnv1+ c2λnv2+ · · · + cnλnvn= 0. (1.7)
Aplicando A ao vetor dado pela Equa¸c˜ao 1.5 e usando o fato de que
A· vi = λivi i= 1, 2, . . . , n,
temos
c1λ1v1+ c2λ2v2 + · · · + cnλnvn = 0. (1.8)
Das equa¸c˜oes 1.7 e 1.8, vem
c1(λ1−λn)v1+c2(λ2−λn)v2+· · ·+cn−1(λn−1−λn)vn−1 = 0. (1.9)
(hip´o-tese da indu¸c˜ao), vem que
c1 = c2 = . . . = cn−1 = 0,
que substitu´ıdos na equa¸c˜ao 1.5 acarreta cn = 0, portanto, v1,
v2,. . .,vn s˜ao linearmente independentes.
Proposi¸c˜ao 1.3 Os autovalores de uma matriz A, real e sim´etri-ca de ordem n, s˜ao reais.
Prova: Sejam A uma matriz sim´etrica real de ordem n e λ um autovalor de A. Suponha que λ ´e n˜ao real. ´E claro que o sistema de equa¸c˜oes
(A − λI)X = 0 (1.10)
possui uma solu¸c˜ao n˜ao nula dada por
X= C =hc1 c2 · · · cn
it
, (1.11)
onde os ci s˜ao n´umeros complexos e A − λI ´e uma matriz
com-plexa.
Considere o n´umero complexo
m= n X i,j=1 ¯ ciaijcj = h ¯ c1 c¯2 · · · ¯cn i A c1 c2 ... cn , (1.12)
onde ¯ci ´e o conjugado de ci e aij s˜ao os elementos de A. Dessa
forma, ¯ m= n X i,j=1 ciaijc¯j = n X i,j=1 ¯ ciaijcj = m, (1.13)
e portanto m ´e real.
Devido ao fato de AC = λC, temos
m =hc¯1 c¯2 . . . c¯n i AC=hc¯1 c¯2 . . . c¯n i λC = λ(hc¯1 c¯2 . . . c¯n i )C = λhc¯1 c¯2 . . . c¯n i · c1 c2 ... cn = λ( ¯c1c1+ ¯c2c2+ · · · + ¯cncn) = λs,
onde s = ¯c1c1+ ¯c2c2+ · · · + ¯cncn´e um n´umero real n˜ao negativo,
pois, ci 6= 0 para algum i e ¯cici ´e n˜ao negativo. De m = λs, temos
que λ ´e real.
Defini¸c˜ao 1.2 Duas matrizes A e B s˜ao semelhantes se existe uma matriz invers´ıvel P tal que
B = P−1AP. (1.14)
Proposi¸c˜ao 1.4 Matrizes semelhantes tˆem o mesmo polinˆomio caracter´ıstico.
Prova: Sejam A e B matrizes satisfazendo 1.14, logo
Pn(λ) = det(B − λI) = detP−1AP− P−1λIP
= detP−1(A − λI)P = det(P−1) det(A − λI) det(P)
= det(A − λI) = PA(λ).
Defini¸c˜ao 1.3 Dizemos que A ´e uma matriz diagonaliz´avel, se A ´e semelhante a uma matriz diagonal D. A matriz P que torna a matriz A semelhante a matriz D, chama-se matriz diagonalizante da matriz A.
Proposi¸c˜ao 1.5 Se A ´e uma matriz diagonaliz´avel, ent˜ao os el-ementos da diagonal principal de D s˜ao os autovalores da matriz
A.
Prova: Pela proposi¸c˜ao 1.4 as matrizes A e D tˆem o mesmo polinˆomio caracter´ıstico, isto ´e,
det(A − λI) = det(D − λI) (1.15) Sendo D uma matriz diagonal, os autovalores de D s˜ao os ele-mentos da diagonal principal, que s˜ao, portanto, os autovalores
da matriz A.
Proposi¸c˜ao 1.6 Uma matriz A ´e diagonaliz´avel se, e somente se, A tem n autovetores linearmente independentes.
Prova: Suponha que A ´e uma matriz diagonaliz´avel. Pela proposi¸c˜ao 1.5, os autovalores λ1,λ2,. . . ,λn de A s˜ao os elementos
da diagonal principal da matriz D. Sejam P1,P2,. . . ,Pn nvetores
colunas da matriz P que diagonaliza a matriz A. Como
P−1AP = D, temos
Igualando os vetores colunas de cada lado da equa¸c˜ao AP=PD, obtemos
APi = λiPi, i= 1, 2, . . . , n.
Logo, Pi ´e um autovetor da matriz A, associado ao autovalor λi.
Conclu´ımos, ent˜ao, que os n vetores P1, P2, . . . , Pn s˜ao
linear-mente independentes, porque a matriz P ´e invers´ıvel.
Suponha que a matriz A tem n autovetores P1, P2, . . . , Pnque
sejam linearmente independentes. Existem escalares λ1,λ2,. . .,λn
tais que
APi = λiPi, i= 1, 2, . . . , n.
Considere uma matriz P cujas colunas sejam os autovetores da matriz A. Considere a matriz
D= λ1 0 . .. 0 λn .
Temos que AP = PD. Como as colunas da matriz P s˜ao vetores linearmente independentes, P ´e uma matriz invers´ıvel, logo
P−1AP= D.
Observa¸c˜ao: A proposi¸c˜ao 1.6 tamb´em prova que os autovetores da matriz A s˜ao os vetores colunas da matriz P que diagonaliza A.
Exemplo 1.3 Considerando a matriz do exemplo 1.1, temos v1 = " x x # e v2 = x 5 2x , x6= 0. Para x=1, v1 = " 1 1 # e v2 = 1 5 2 .
Assim, podemos tomar
P= 1 1 1 5 2 e verificar que P−1 = 5 3 − 2 3 −23 2 3 . Desse modo, P−1AP= " −2 0 0 1 # (matriz diagonal). Portanto, A ´e diagonalizada pela matriz P.
Exemplo 1.4 Considere a matriz
A= " 1 2 0 1 # .
au-tovalor da matriz A ao qual est´a associado um ´unico autovetor linearmente independente: v1 = " x 0 # , x6= 0.
Conclu´ımos, portanto, que n˜ao existe matriz P que diagonalize a matriz A, isto ´e, A ´e n˜ao diagonaliz´avel.
Defini¸c˜ao 1.4 Dizemos que a matriz A ´e ortogonalmente
diag-onaliz´avel se existe uma matriz ortogonal P tal que Pt
AP ´e
di-agonal.
Proposi¸c˜ao 1.7 Uma matriz real A ´e ortogonal se, e somente se, as colunas (ou linhas) s˜ao vetores ortogonais.
Prova: Deixada como exerc´ıcio para o leitor.
Proposi¸c˜ao 1.8 Seja A uma matriz real de ordem n cujos
auto-valores λ1, λ2. . . λn sejam todos reais. Ent˜ao, existe uma matriz
ortogonal R tal que
R−1AR= λ1 b12 . . . b1n λ2 . . . b2n . .. 0 λn . (1.16)
Prova: Como sugest˜ao, fa¸ca por indu¸c˜ao sobre n.
Proposi¸c˜ao 1.9 Sejam A e R duas matrizes reais de ordem
n. Se a matriz A ´e sim´etrica e a matriz R ´e ortogonal, ent˜ao
Prova:
R−1ARt
= RtAt(R−1)t= R−1AR.
Proposi¸c˜ao 1.10 Se A ´e uma matriz real e sim´etrica, ent˜ao a matriz A ´e ortogonalmente diagonaliz´avel.
Prova: Pela proposi¸c˜ao 1.3 os autovalores da matriz A s˜ao todos reais, logo pela proposi¸c˜ao 1.8, existe uma matriz ortogonal R tal que R−1AR= λ1 b12 . . . b1n λ2 . . . b2n . .. 0 . . . λn .
Como R−1AR´e sim´etrica (proposi¸c˜ao 1.9) , temos que
R−1AR= λ1 0 λ2 . .. 0 λn .
Portanto, A ´e ortogonalmente diagonaliz´avel.
Proposi¸c˜ao 1.11 O determinante de uma matriz ortogonal ´e ±1. Prova: Deixada como exerc´ıcio para o leitor. Quando estudamos matrizes de um transforma¸c˜ao linear, vi-mos que se β e β′
V= Rn, ent˜ao as coordenadas X′
e X de um ponto M em V com rela¸c˜ao as bases β′ e β est˜ao relacionadas pela equa¸c˜ao matricial:
X′ = PX, (1.17) onde X = x1 x2 ... xn , X′ = x′1 x′2 ... x′n
e P ´e a matriz de mudan¸ca
da base β para a base β′. A matriz P em 1.17 ´e uma matriz ortogonal.
Se o det(P) = 1, a mudan¸ca de coordenadas efetuada ´e uma rota¸c˜ao.
Exerc´ıcios
1. Mostre que as matrizes A e At
tˆem o mesmo polinˆomio caracter´ıstico.
2. Seja λ um autovalor da matriz A. Mostre que o conjunto vλ = {v ∈ V : Av = λv} ´e um subespa¸co de V.
3. Encontre os autovalores e os autovetores correspondentes das matrizes " 3 0 8 −1 # , " 0 3 4 0 # , " 1 0 0 1 # , " 0 0 0 0 # .
4. Mostre que o polinˆomio caracter´ıstico de uma matriz quadrada de ordem 2 ´e dado por
PA(λ) = λ2− tr(A) + det(A).
5. Mostre que as matrizes
" 1 0 2 3 # , " 3 5 0 1 #
tˆem o mesmo polinˆomio caracter´ıstico, por´em, tˆem autove-tores distintos.
6. Verifique qual das matrizes abaixo ´e diagonaliz´avel. Em seguida encontre P−1AP , onde A ´e a matriz dada e P ´e
" 1 0 6 −1 # , " −14 12 −20 17 # , " 2 0 1 0 # , " 1 0 0 1 # , " 2 −3 1 −1 # , " 3 1 1 2 # , " 1 2 0 0 # , " 1 2 2 3 # , " 1 2 0 1 # , " 2 −2 −2 5 # .
7. Na quest˜ao anterior, verifique se as matrizes s˜ao ortogonal-mente diagonaliz´aveis.
8. Mostre que se C ´e uma matriz sim´etrica real de ordem 2, ent˜ao ´e sempre poss´ıvel que a mudan¸ca de coordenadas X = PX′ seja uma rota¸c˜ao.
9. Mostre que A ´e ortogonalmente diagonaliz´avel se e somente se A ´e sim´etrica.
10. Mostre que A ´e ortogonalmente diagonaliz´avel se e somente se A possui um conjunto de autovetores ortonormais.
11. Mostre que P ´e ortogonal se e somente se P transforma base ortonormal em base ortonormal.
CLASSIFICAC
¸ ˜
AO DAS
C ˆ
ONICAS
2.1
INTRODUC
¸ ˜
AO
O objetivo deste cap´ıtulo ´e dar condi¸c˜oes ao leitor de, uti-lizando os conceitos de ´algebra linear — tais como, diagonaliza¸c˜ao de matrizes e mudan¸ca de base — identificar que cˆonica ´e dada por uma equa¸c˜ao quadr´atica em x e y do tipo
ax2+ 2bxy + cy2+ dx + ey + f = 0. (2.1) Nesta equa¸c˜ao geral, os coeficientes s˜ao reais e a, b e c n˜ao s˜ao simultaneamente nulos.
As cˆonicas mais importantes s˜ao: elipse, hip´erbole, par´abola e circunferˆencia. As outras s˜ao casos degenerados dessas, isto ´e, ponto, reta e par de retas.
Na Geometria Anal´ıtica do curso secund´ario, geralmente es-19
tudamos as cˆonicas na forma reduzida, isto ´e, x2+ y2 = r2 (circunferˆencia) (2.2) Figura 2.1 x2 a2 + y2 b2 = 1 (elipse) (2.3) Figura 2.2 x2 a2 − y2 b2 = 1 (hip´erbole) (2.4) Figura 2.3
y= ax2 (par´abola) (2.5)
Figura 2.4
x= ay2 (par´abola) (2.6)
Figura 2.5
Quando na equa¸c˜ao 2.1, temos b = 0 e d ou e n˜ao nulos, o centro da cˆonica est´a deslocado em rela¸c˜ao `a origem do sistema de coordenadas (o, x, y). Entretanto, ´e poss´ıvel atrav´es de deslo-camento dos eixos ox e oy, se obter um novo sistema (o′, x′, y′),
cuja origem coincide com o centro da cˆonica dada. As Figuras 2.6 a 2.10 ilustram este fato.
Figura 2.6
Figura 2.7
Figura 2.9
Figura 2.10
O leitor tem conhecimento de que a completa¸c˜ao de quadrados dos termos em x e em y permite efetuar a mudan¸ca do sistema (o, x, y) para o sistema (o′, x′, y′) e escrever, nesse novo sistema,
a cˆonica na forma reduzida. A essa mudan¸ca de coordenadas chamamos de transla¸c˜ao de eixo. O Exemplo 2.1 abaixo, serve para refrescar a mem´oria do leitor
Exemplo 2.1 Considere a equa¸c˜ao quadr´atica
Agrupando os termos em x, os termos em y e completando os quadrados correspondentes, obtemos
9(x − 2)2+ 4(y − 1)2 = 36 (2.8) ou (x − 2)2 4 + (y − 1)2 9 = 1. (2.9) Fazendo x− 2 = x′ y− 1 = y′ , (2.10) obtemos x′2 4 + y′2 9 = 1 (2.11)
que ´e uma elipse do tipo 2.3, no sistema de coordenadas (o′, x′, y′).
´
E claro que a origem o′, desse novo sistema, se obt´em quando na
equa¸c˜ao 2.10 tem-se x′ = y′ = o, o que resulta x = 2 e y = 1, ou
Figura 2.11
´
E evidente que a mudan¸ca de coordenadas foi efetuada atrav´es das equa¸c˜oes 2.10
Quando na equa¸c˜ao quadr´atica 2.1, b 6= 0, as cˆonicas elipse, hip´erbole e par´abola n˜ao tˆem as formas j´a apresentadas. Nesse caso seus gr´aficos tˆem os aspectos abaixo.
Figura 2.13
Figura 2.14
´
E claro que a mudan¸ca do sistema (o, x, y) para outro sis-tema (o′, x′, y′) apenas por transla¸c˜oes, ´e insuficiente para
trans-formar essa cˆonica em outra do tipo visto nas Figuras 2.3 a 2.6. Nesse caso, necessariamente, precisamos efetuar uma mudan¸ca de dire¸c˜ao nos eixos coordenados ox e oy e em seguida uma transla¸c˜ao, caso seja necess´aria essa ´ultima opera¸c˜ao. Observe a cˆonica abaixo(Figura 2.15).
Figura 2.15
Fazendo uma rota¸c˜ao de um ˆangulo θ , no sistema (o, x, y), obte-mos o novo sistema (o′, x′, y′)(Figura 2.16).
Figura 2.16
Agora efetuando uma transla¸c˜ao no sistema (o′, x′, y′),
Figura 2.17
Portanto, no sistema (o′′, x′′, y′′) a elipse dada est´a na forma
reduzida da Equa¸c˜ao 2.3.
Notemos que uma mudan¸ca de dire¸c˜ao no sistema (o, x, y), de um ˆangulo θ adequado, elimina o coeficiente do termo em xy na Equa¸c˜ao 2.1 e da´ı o problema reduz-se aos casos j´a estudados anteriormente.
A elimina¸c˜ao de b, por meio de uma rota¸c˜ao, na Equa¸c˜ao 2.1 consiste em determinar o ˆangulo θ no esquema abaixo.
Figura 2.18
retˆangulo, temos x= x′cos θ − y′sen θ y= y′cos θ + x′sen θ (2.12)
ou, na forma matricial
" x y # = " cos θ − sen θ sen θ cos θ # · " x′ y′ # . (2.13) Como a matriz " cos θ − sen θ sen θ cos θ #
´e invers´ıvel (por que?) e sua inversa ´e a matriz
"
cos θ sen θ − sen θ cos θ #
,
temos da Equa¸c˜ao 2.13 que
" x′ y′ # = " cos θ sen θ − sen θ cos θ # · " x y # , (2.14) onde a matriz " cos θ sen θ − sen θ cos θ #
´e a matriz de mudan¸ca de base do sistema (o, x, y) para o sistema (o′, x′, y′). Portanto uma matriz ortogonal (verifique!).
A t´ecnica descrita acima para efetuar uma rota¸c˜ao, demanda um certo c´alculo que pode, e deve, ser simplificado utilizando-se
os conceitos de ´algebra linear, que ´e o objetivo desse cap´ıtulo.
2.2
FORMA QUADR ´
ATICA
Na forma matricial, podemos escrever a equa¸c˜ao quadr´atica 2.1 como XtAX+ KX + [f] = 0, (2.15) onde X= " x y # , A= " a b b c # K=hd e i e hf i = f. (2.16)
Efetue os c´alculos em 2.15 para verificar a veracidade dessa afirmativa.
Defini¸c˜ao 2.1 A express˜ao q(X) = Xt
AX em 2.15 ´e chamada
forma quadr´atica associada a equa¸c˜ao 2.1 e A ´e a matriz associ-ada a essa forma quadr´atica
Suponha a existˆencia de uma matriz
P= " P11 P12 P21 P22 # (2.17)
que diagonaliza a matriz A ortogonalmente, isto ´e,
PtAP= " λ1 0 0 λ2 # .
Nestas condi¸c˜oes a mudan¸ca de coordenadas dada pela equa¸c˜ao
X= PX′ (2.18)
elimina o coeficiente do termo em xy na Equa¸c˜ao 2.15 ou equiv-alentemente na equa¸c˜ao 2.1
De fato, substituindo 2.18 em 2.15, temos
(PX′)tAPX′+ K(PX′) + f = 0 (2.19) ou (X′)t[PtAP]X′+ (KP)X′+ f = 0 ou h x′ y′i " λ1 0 0 λ2 # " x′ y′ # +hd e i " P11 P12 P21 P22 # " x′ y′ # + f = 0
ou, efetuando os produtos acima
λ1x′2+ λ2y′2+ d′x′ + e′y′+ f = 0 (2.20)
onde
d′ = dP11+ eP21 e e′ = dP12+ eP22 (2.21)
caso precisemos que 2.18 seja uma rota¸c˜ao, devemos ainda exigir que det(P ) = 1.
A Equa¸c˜ao 2.20 representa no sistema (o′, x′, y′) a cˆonica dada
pela Equa¸c˜ao 2.1 no sistema (o, x, y).
obtermos um outro sistema (o′′, x′′, y′′) onde a Equa¸c˜ao 2.20 esteja
na forma reduzida.
Nosso trabalho termina com a determina¸c˜ao da matriz P, que at´e o momento existe por hip´otese.
Como a matriz A associada a forma quadr´atica de 2.15 ´e uma matriz sim´etrica, A ´e ortogonalmente diagonaliz´avel (exerc´ıcio 1.9), estando assim garantida a existˆencia da matriz P. Conforme o exerc´ıcio (1.10), os vetores colunas de P s˜ao os autovetores da matriz A, normalizados. Portanto, P est´a completamente determinada e seus vetores colunas constituem a base do novo sistema de coordenadas (o′, x′, y′)
Exemplo 2.2 Seja a equa¸c˜ao quadr´atica
xy − 1 = 0.
A matriz associada a forma quadr´atica ´e
A = 0 1 2 1 2 0 ,
cujos autovalores s˜ao
λ1 =
1
2 e λ2 = −
1 2
Os autovetores associados a λ1 e a λ2 s˜ao, respectivamente:
" x x # e " x −x # x6= 0.
Considerando v1 = " 1 1 # e v2 = " 1 −1 # temos, P= 1 √ 2 1 √ 2 1 √ 2 − 1 √ 2 e Pt = 1 √ 2 1 √ 2 1 √ 2 − 1 √ 2 . A mudan¸ca de coordenadas " x y # = P · x′ y′
quando substitu´ıda em 2.19, nos d´a
h x′ y′i· 1 2 0 0 −12 · " x′ y′ # − 1 = 0
que efetuando os c´alculos obtemos
1 2x ′2− 1 2y ′2 = 1 ou x′2 (√2)2 − y′2 (√2)2 = 1,
que ´e uma hip´erbole na forma reduzida no sistema (o′, x′, y′) (Figura
2.19), cuja base ´e formada pelos vetores colunas da matriz P, isto ´e, 1 √ 2, 1 √ 2 , 1 √ 2,− 1 √ 2
Figura 2.19
´
E f´acil observar na figura acima, que a mudan¸ca de coorde-nadas efetuada neste exemplo, n˜ao foi uma rota¸c˜ao (por que?). Caso estiv´essemos interessado em que a referida mudan¸ca de co-ordenadas fosse uma rota¸c˜ao, ter´ıamos tomado
P= 1 √ 2 − 1 √ 2 1 √ 2 1 √ 2 (por que?)
e obter´ıamos a Figura 2.20 abaixo 5
Exemplo 2.3 Seja a equa¸c˜ao quadr´atica
xy+ x + y = 0.
Como a forma quadr´atica associada a essa equa¸c˜ao ´e a mesma do Exemplo 2.1, temos A= 0 1 2 1 2 0 , P= 1 √ 2 1 √ 2 1 √ 2 − 1 √ 2 e Pt= 1 √ 2 1 √ 2 1 √ 2 − 1 √ 2 . Fazendo " x y # = P · x′ y′ em 2.19, temos h x′ y′i 1 2 0 0 −1 2 " x′ y′ # +h1 1i 1 √ 2 1 √ 2 1 √ 2 − 1 √ 2 " x′ y′ # = 0 ou seja x′2− y′2+ 2√2x′ = 0,
que representa no sistema (o′, x′, y′) a cˆonica dada no sistema
(o, x, y). O sistema (o′, x′, y′) ´e o mesmo do exemplo anterior,
Figura 2.21
Devemos efetuar uma transla¸c˜ao nos eixos coordenados o′x′ e
o′y′, para obtermos o novo sistema (o′′, x′′, y′′) onde a cˆonica dada
esteja na forma reduzida. Completando o quadrado dos termos em
x′, na equa¸c˜ao x′2− y′2+ 2√2x′ = 0, obtemos (x′+√2)2− y′2= 2. Fazendo x′+√2 = x′′ e y′ = y′′ temos x′′2− y′′2= 2 ou x ′′2 (√2)2 − y′′2 (√2)2 = 1,
que ´e uma hip´erbole na forma reduzida, no sistema de
coorde-nadas (o′′, x′′, y′′) onde o′′ = (−√2, 0) no sistema de coordenadas
Figura 2.22
Exemplo 2.4 Analisar a cˆonica dada por
9x2− 4xy + 6y2− 10x − 20y − 5 = 0.
A matriz associada a forma quadr´atica ´e
A= " 9 −2 −2 6 # ,
cujos autovetores s˜ao da forma
" −2y y # , y 6= 0 e " x 2x # , x6= 0. Tomando v1 = " −2 1 # , e v2 = " 1 2 # ,temos P= −√2 5 1 √ 5 1 √ 5 2 √ 5 e P t = −√2 5 1 √ 5 1 √ 5 2 √ 5 .
A mudan¸ca de coordenadas " x y # = P · " x′ y′ #
(´e uma rota¸c˜ao?)
transforma a equa¸c˜ao dada em
2x′2+ y′2− 2√5y′ − 1 = 0
no sistema de coordenadas (o′, x′, y′) de base
−√2 5, 1 √ 5 , 1 √ 5, 2 √ 5 , isto ´e, Figura 2.23 ou, em 2x′′2 + y′′2 = 6 , onde x′′ = x′ e y′′ = y′ − √
5 que ´e uma elipse na forma reduzida, no sistema de
coorde-nadas (o′′, x′′, y′′), onde o′′ = (o,√5) no sistema de coordenadas
Figura 2.24
Exemplo 2.5 Efetue os c´alculos para mostrar que o gr´afico abaixo, representa a cˆonica dada por
x2+ y2+ 2xy + 2√2x + 6√2y − 4 = 0.
Figura 2.25
Observa¸c˜ao 1.
Caso estejamos apenas interessados em classificar a cˆonica dada por uma equa¸c˜ao do tipo 2.1, n˜ao ´e necess´ario determinar a matriz P.
De fato, se
1. λ1 6= 0 e λ2 6= 0 a Equa¸c˜ao 2.20, por uma transla¸c˜ao,
fica na forma λ1x′′2+ λ2y′′2+ r = 0. Ent˜ao, (i) λ1 >0, λ2 >0 r <0, elipse ou c´ırculo r= 0, um ponto r >0, conjunto vazio (ii) λ1 <0, λ2 <0 r <0, conjunto vazio r= 0, um ponto r >0, elipse ou c´ırculo (iii) λ1λ2 <0, r6= 0, uma hip´erbole r= 0, par de retas
2. λ1 = 0, λ2 6= 0 a Equa¸c˜ao 2.20 fica na forma
λ2y′′2+ d′x′′+ r = 0.
(i) d′ = 0, r <0, par de retas r= 0, uma reta r >0, conjunto vazio (ii) d′ 6= 0, uma par´abola
3. λ2 = 0 e λ1 6= 0 ´e analisado da mesma maneira de 2).
Da an´alise acima, conclu´ımos que
1. λ1λ2 >0, teremos elipse ou c´ırculo ou conjunto vazio ou um ponto 2. λ1λ2 <0, teremos hip´erbole ou par de retas 3. λ1λ2 = 0, teremos par´abola ou uma reta ou um par de retas ou conjunto vazio Ainda, observando-se que
λ1λ2 = det(D) = det(A) = ac − b2
onde A ´e a matriz associada `a forma quadr´atica, conclu´ımos que apenas os coeficientes a, b e c da forma quadr´atica associada a Equa¸c˜ao 2.1, classifica a cˆonica.
Observa¸c˜ao 2.
A necessidade da matriz P ´e essencial se desejarmos tamb´em desenhar a cˆonica, pois, como vimos, s˜ao os vetores de P que formam a base do sistema de coordenadas (o′, x′, y′).
Exerc´ıcios
Em cada uma das equa¸c˜oes abaixo:
1. Identificar a forma quadr´atica e a parte linear
2. Determinar a matriz associada `a forma quadr´atica
3. Determinar a matriz P que diagonaliza a matriz A
4. Escrever a equa¸c˜ao dada na forma matricial.
5. Eliminar o coeficiente do termo em xy, e dizer quando a mudan¸ca de coordenadas X = PX′ ´e uma rota¸c˜ao
6. Escrever a equa¸c˜ao dada na forma reduzida, classificar a cˆonica e esbo¸car o seu gr´afico
(i) 2x2− 2y2+ y2− 5 = 0
(ii) y2− 2xy + 5x = 0
(iii) x2+ 4xy − 2y2− 12 = 0
(iv) xy + y − 2x − 2 = 0
(v) x2+ 2xy + y2− 2x − 2y + 3 = 0
(vi) 2x2− 4xy − y2− 4x + 10y − 13 = 0
(vii) 8x2+ 16xy + 20y2+ 16x + 52y − 1 = 0
(viii) x2− 6xy − 7y2+ 10x + 2y + 9 = 0
(ix) x2− y2 = 0
(x) x2+ 3y2+ 7 = 0
(xii) 3x2+ 2xy + 3y2−√2x = 0
(xiii) x2+ xy + y2 = 3
(xiv) 3x2− 4√3xy − y2+ 20y = 25
(xv) x2+ 4y2+ 4xy + 2x + 2y + 3 = 0
(xvi) (x − 2)(y − 3) = 0 (xvii) (x + y)2+ y2 = 0
7. Utilizando o WINPLOT, gere as cˆonicas do exerc´ıcio ante-rior para conferir suas respostas
CLASSIFICAC
¸ ˜
AO DAS
QU ´
ADRICAS
Uma qu´adrica ´e uma superf´ıcie do R3definida por uma equa¸c˜ao
do segundo grau nas vari´aveis x, y e z e com coeficientes reais. A equa¸c˜ao que define uma qu´adrica ´e da forma
ax2+by2+cz2+2dxy +2exz +2f yz +gx+hy +mz +n = 0 (3.1) onde os coeficientes reais a, b , c , d, e e f n˜ao s˜ao simultaneamente nulos.
Usando as mudan¸cas de coordenadas(rota¸c˜ao e transla¸c˜ao) a Equa¸c˜ao 3.1 ´e transformada em uma nova equa¸c˜ao que tem uma das formas:
a′′x′′2+ b′′y′′2+ c′′z′′2+ d′′ = 0 (3.2)
a′′x′′2+ b′′y′′2+ c′′z′′= 0 (3.3)
Na Equa¸c˜ao 3.3 a troca da vari´avel z′′ pela vari´avel x′′ ou y′′
n˜ao altera a sua forma.
Analisemos as Equa¸c˜oes 3.2 e 3.3, quanto aos poss´ıveis val-ores de seus coeficientes, para identificarmos a qu´adrica dada pela Equa¸c˜ao 3.1, uma vez que essas equa¸c˜oes representam no sistema (o′′, x′′, y′′, z′′) a qu´adrica dada pela Equa¸c˜ao 3.1, no
sis-tema (o, x, y, z).
AN ´ALISE DA EQUAC¸ ˜AO 3.2.
1. Se d′′ = 0 e a′′, b′′ e c′′ forem n˜ao nulos e de mesmo sinal,
ent˜ao a Equa¸c˜ao 3.1 representa um ponto. Precisamente a origem o′′ do sistema, (o′′, x′′, y′′, z′′) (Figura 3.0)
2. se d′′ = 0 e a′′, b′′ e c′′ forem n˜ao nulos e de sinais diferentes,
ent˜ao a Equa¸c˜ao 3.1 representa um cone (Figura 3.1. p.ex.).
Figura 3.1
3. Se d′′ = 0 e dois dos coeficientes a′′, b′′ e c′′ forem nulos,
ent˜ao a Equa¸c˜ao 3.1 representa um dos planos coordenados (Figura 3.2, p.ex.).
4. Se d′′ = 0 e apenas um dos coeficientes a′′, b′′ e c′′ ´e nulo,
ent˜ao a Equa¸c˜ao 3.1 representa um par de planos se os co-eficientes restantes n˜ao tˆem o mesmo sinal (Figura 3.3a, p. ex.). Caso contr´ario a Equa¸c˜ao 3.1 representa um dos eixos coordenados(Figura 3.3b, p. ex.)
Figura 3.3a
5. Se d′′ 6= 0 e apenas um dos coeficientes a′′, b′′, c′′ for nulo,
ent˜ao a Equa¸c˜ao 3.1 representa um cilindro se os coeficientes restantes n˜ao tˆem o mesmo sinal de d′′ (Figura 3.4, p. ex.).
Caso contr´ario a Equa¸c˜ao 3.1 ´e um conjunto vazio.
Figura 3.4
6. Se d′′ 6= 0 e dois dos coeficientes a′′, b′′, c′′ forem nulos,
ent˜ao a Equa¸c˜ao 3.1 representa um par de planos paralelos, se o sinal do coeficiente n˜ao nulo for contr´ario ao sinal de d′′ (Figura 3.5, p. ex.). Caso contr´ario, a Equa¸c˜ao 3.1 representa um conjunto vazio.
7. Quando todos os coeficientes da Equa¸c˜ao 3.2 s˜ao n˜ao nulos, essa equa¸c˜ao pode ser escrita na forma
±x ′′2 A2 ± y′′2 B2 ± z′′2 C2 = 1 (3.4) e a Equa¸c˜ao 3.1 representa:
(i) um elips´oide, quando todos os sinais da Equa¸c˜ao 3.4 forem positivos (Figura 3.6, p. ex.).
Figura 3.6
(ii) um hiperbol´oide de uma folha, quando a Equa¸c˜ao 3.4 tem dois sinais positivos e um negativo (Fig 3.7, p.ex.).
(iii) um hiperbol´oide de duas folhas, quando apenas um dos sinais da Equa¸c˜ao 3.4 for positivo (Fig 3.8, p.ex.).
Figura 3.8
(iv) um conjunto vazio quando todos os sinais da Equa¸c˜ao 3.4 forem positivos.
ANALISE DA EQUAC¸ ˜AO 3.3.
1. Se c′′ = 0 e a′′ e b′′ s˜ao n˜ao nulos e tiverem o mesmo sinal,
ent˜ao a Equa¸c˜ao 3.1 representa o eixo o′′z′′ (Figura 3.9).
2. Se c′′ = 0 e a′′e b′′ s˜ao n˜ao nulos e tiverem sinais diferentes,
ent˜ao a Equa¸c˜ao 3.1 representa um par de planos (Figura 3.10, p. ex.).
Figura 3.10
3. Se c′′ = 0 e apenas um dos coeficientes a′′ ou b′′ ´e nulo,
ent˜ao a Equa¸c˜ao 3.1 representa um dos planos coordenados (Figura 3.11, p.ex.).
4. se c′′ 6= 0 e apenas um dos coeficientes a′′ou b′′´e nulo, ent˜ao
a Equa¸c˜ao 3.1 representa um cilindro, cuja diretriz ´e uma par´abola (Figura 3.12, p.ex.).
Figura 3.12
5. Se c′′ 6= 0 e a′′ = b′′ = 0, ent˜ao a Equa¸c˜ao 3.1 representa o
plano x′′o′′y′′ (Figura 3.13, p.ex.)
6. Quando todos os coeficientes da Equa¸c˜ao 3.3 s˜ao diferentes de zero, essa equa¸c˜ao pode ser escrita na forma
x′′2 A2 ± y′′2 B2 = Cz ′′ (3.5) e a Equa¸c˜ao 3.1 representa
(i) um parabol´oide el´ıptico, se o coeficiente de y′′2for
pos-itivo (Figura 3.14, p. ex.)
Figura 3.14
(ii) um parabol´oide hiperb´olico, se o coeficiente de y′′2 for
negativo (Figura 3.15, p. ex.).
Como vimos na introdu¸c˜ao deste cap´ıtulo, a qu´adrica dada pela Equa¸c˜ao 3.1 estar´a perfeitamente classificada se pudermos escrever aquela equa¸c˜ao sob a forma 3.2 ou 3.3. E isto ´e sempre poss´ıvel.
A t´ecnica ´e a mesma que foi utilizada para a classifica¸c˜ao das cˆonicas, isto ´e, a diagonaliza¸c˜ao de matrizes.
Na forma matricial, a Eequa¸c˜ao 3.1 fica:
h x y z i a d e d b f e f c x y z + h g h m i x y z + [n] = 0 (3.6) ou XtAX+ BX + N = O, (3.7) onde A = a d e d b f e f c , B= h g h m i , M= [n] e X = x y z . O termo q(x) = Xt AX
´e a forma quadr´atica associada a Equa¸c˜ao 3.1 e A ´e a matriz associada a essas forma quadr´atica.
Como A ´e uma matriz real e sim´etrica, A ´e ortogonalmente diagonaliz´avel por uma matriz P, cujos vetores colunas s˜ao os autovetores da matriz A associados aos autovalores λ1, λ2 e λ3
( Proposi¸c˜ao 1.10). Al´em disso os vetores colunas da matriz Ps˜ao ortonormais (exerc´ıcio 1.10).
Seja P= P11 P12 P13 P21 P22 P23 P31 P32 P33 .
Fazendo X = PX′ na Equa¸c˜ao 3.7, obtemos
(X′)tDX′+ (BP)X′+ N = O. (3.8) Ou seja x′ y′ z′ t λ1 0 0 0 λ2 0 0 0 λ3 x′ y′ z′ + g h m t P11 P12 P13 P21 P22 P23 P31 P32 P33 x′ y′ z′ + n = 0. (3.9) Fazendo os produtos das matrizes acima, obtemos
λ1x′2+ λ2y′2+ λ3z′2+ A′x′+ B′y′+ C′z′+ n = 0, (3.10) onde A′ = gP11+ hP21+ mP31 B′ = gP12+ hP22+ mP32 C′ = gP13+ hP23+ mP33 (3.11)
Completando os quadrados na Equa¸c˜ao 3.10 obtemos uma equa¸c˜ao da forma 3.2 ou da forma 3.3, que j´a sabemos classificar.
Resumindo
1. A substitui¸c˜ao X = PX′ elimina os termos em xy , xz e em
yz da Equa¸c˜ao 3.1, onde P ´e a matriz cujos vetores colunas s˜ao os autovetores da matriz A normalizados. Al´em disso os vetores colunas da matriz P formam a base do sistema < o′, x′, y′, z′ >(exerc´ıcio 1.11)
2. Completando os quadrados na Equa¸c˜ao 3.10, obtemos uma equa¸c˜ao da forma 3.2 ou da forma 3.3, que representa , no sistema < o′′, x′′, y′′, z′′ >a qu´adrica dada pela Equa¸c˜ao 3.1
no sistema < o, x, y, z >.
3. A mudan¸ca de coordenadas efetuada por P ´e uma rota¸c˜ao se det(P) = 1.
Vejamos alguns exemplos
Exemplo 3.1 Seja a equa¸c˜ao
x2+ xy + y2− 3 = 0.
A matriz associada a forma quadr´atica ´e
A= 1 12 0 1 2 1 0 0 0 0
Os vetores v1 = 0 0 1 , v2 = 1 1 0 , e v3 = 1 −1 0
s˜ao os autovetores associados respectivamente aos autovalores
λ1, λ2 e λ3.
A matriz P, ´e, portanto,
P= 0 √1 2 1 √ 2 0 √1 2 − 1 √ 2 1 0 0 .
Na forma matricial, a equa¸c˜ao dada ´e
h x y z i 1 12 0 1 2 1 0 0 0 0 x y z −3 = 0, que se transforma em h x′ y′ z′i 0 0 0 0 3 2 0 0 0 12 x′ y′ z′ −3 = 0, quando fazemos X = PX′.
Efetuando os produtos acima, obtemos
3y′2+ z′2 = 6,
que ´e um cilindro el´ıptico (veja an´alise da Equa¸c˜ao 3.2 ) no sis-tema < o′, x′, y′, z′ > cuja base ´e formada pelos vetores colunas
da matriz P (Figura 3.16).
Figura 3.16
Exemplo 3.2 Seja a equa¸c˜ao
−5y2+ 2xy − 8xz + 2yz = 0.
A matriz associada a essa forma quadr´atica ´e
A= 0 1 −4 1 −5 1 −4 1 0 ,
associados, respectivamente, os autovetores v1 = 1 1 1 , v2 = 1 0 −1 e v3 = 1 −2 1 .
Assim a matriz P ´e dada por
P= 1 √ 3 1 √ 2 1 √ 6 1 √ 3 0 − 2 √ 6 1 √ 3 − 1 √ 2 1 √ 6 .
Fazendo X = PX′ na equa¸c˜ao dada sob a forma matricial,
obtemos h x′ y′ z′i −3 0 0 0 4 0 0 0 −6 x′ y′ z′ = 0,
que efetuando os produtos das matrizes acima, vem
3x′2− 4y′2+ 6z′2 = 0
que representa um cone, (Figura 3.17), no sistema < o′, x′, y′, z′ >
cuja base ´e formada pelos vetores
1 √ 3, 1 √ 3, 1 √ 3 , 1 √ 2,0, − 1 √ 2 e 1 √ 6,− 2 √ 6, 1 √ 6
Figura 3.17
Exemplo 3.3 Seja a equa¸c˜ao
y2+ 4yz + 4z2+ 4z + 2y + 1 = 0.
Os autovalores da matriz associada a essa forma quadr´atica
s˜ao λ1 = 0, λ2 = 0 e λ3 = 5 , que tˆem associados,
respecti-vamente, os autovetores v1 = 1 0 0 , v2 = 0 1 −1 2 , e v3 = 0 1 2 .
Fazendo X = PX′ na equa¸c˜ao dada sob a forma 3.7 com
P= 1 0 0 0 √2 5 1 √ 5 0 −√1 5 2 √ 5 ,
obtemos
5z′2+ 2√5z′+ 1 = 0,
que completando o quadrado vem
(z′+ √ 5 5 ) 2 = 0. Fazendo agora (z′ + √ 5 5 ) = z ′′, temos z′′2 = 0,
que ´e um plano (Figura 3.18)
Exemplo 3.4 Seja a equa¸c˜ao
2x2+ y2+ 2z2+ 2xy + 2xz + 2yz − 811 = 0.
A matriz associada a essa forma quadr´atica ´e
A = 2 1 1 1 2 1 1 1 2 ,
cujos autovalores s˜ao λ1 = 1, λ2 = 1 e λ3 = 4 , que tˆem
associados, respectivamente,os autovetores
v1 = 1 0 −1 , v2 = 0 1 −1 , e v3 = 1 1 1 .
Fazendo X = PX′ ( determine a matriz P) na equa¸c˜ao dada sob
a forma matricial 3.7, obtemos a equa¸c˜ao
x′2+ y′2+ 4z′2 − 81 = 0 ou x′2 92 + y′2 92 + 4z′2 92 = 1,
que ´e um elips´oide no sistema de coordenadas < o′, x′, y′, z′ >
(Figura 3.19).
Como exerc´ıcio, determine uma base para esse sistema, con-siderando a matriz P que vocˆe determinou acima.
Figura 3.19
Exemplo 3.5 Seja a equa¸c˜ao
x2+ 2y2+ z2+ 2xy − 2yz + x + y − z + 2 = 0.
A matriz associada a essa forma quadr´atica ´e
A= 1 1 0 1 2 −1 0 −1 1 ,
cujos autovalores s˜ao λ1 = 1, λ2 = 3 e λ3 = 0 , que tˆem
associados, respectivamente, os autovetores
v1 = 1 0 1 , v2 = 1 2 −1 , e v3 = 1 −1 −1 .
A matriz P ´e dada por P= 1 √ 2 1 √ 6 1 √ 3 0 √2 6 − 1 √ 3 1 √ 2 − 1 √ 6 − 1 √ 3 .
Fazendo X = PX′ na equa¸c˜ao dada sob a forma matricial 3.7,
obtemos, ap´os efetuar os devidos c´alculos,
x′2+ 3y′2+ √4 3y ′ +√1 3z ′ + 2 = 0 ou √ 6x′2+ 3√6(y′ +6 9) 2+√2(z′ +16 √ 3 9 ) = 0. Fazendo agora x′ = x′′, y′+ √ 6 9 = y ′′ e z′ +16 √ 3 9 = z ′′, vem √ 6x′′2+ 3√6y′′2+√2z′′ = 0 ou √ 3x′′2+ 3√3y′′2+ z′′= 0,
que ´e um parabol´oide el´ıptico, no sistema de coordenadas
Figura 3.20
Exerc´ıcios
1. Classificar e esbo¸car as superf´ıcies dadas pelas equa¸c˜oes abaixo: (i) 4x2+ y2− 9z2 = 36 (ii) 4y2+ z2 − 9x2 = 36 (iii) 4z2 + x2− 9y2= 36 (iv) xy = 1 (v) x2+ xy + y2 = 0 (vi) x2− y2 = z (vii) x2+ y2 = z (viii) x2+ y2− z2 = 0 (ix) −x2+ y2+ z2 = 0 (x) x2− 4y2+ z2 = 4 (xi) 7x2+ 8xy − 8y2 = 35
(xii) 3x2− 6xy − 5y2+ z2− 6x + 22y + 24 = 0
(xiii) x2+ 2xy + y2+ z2+ 2y − 4z + 20 = 0
(xiv) y2− 4z2+ xy + xz + 3y + 3z = 0
(xv) 9x2− 12xy + 9y2+ 5z2+ 6yz + 12x − 6y + 10z − 31 = 0
(xvi) x2+ 4xy − 2yz + xz + 3x + 2y − 2z + 2 = 0
2. Utilizando o WINPLOT, gere as qu´adricas do exerc´ıcio an-terior para conferir suas respostas
Resumo dos Resultados
1. Cˆonicas na forma reduzida x2+ y2 = r2 Circunferˆencia x2 a2 + y2 b2 = 1 Elipse x2 a2 − y2 b2 = 1 Hip´erbole y= ax2 Par´abola x= ay2 Par´abola
2. Cˆonicas que n˜ao est˜ao na forma reduzida Circunfe-rˆencia Elipse Hip´erbole Par´abola
3. Qu´adricas Um dos Eixos Coordenados Um dos Planos Coordenados Planos Obliguos Planos Paralelos
Cilindro Reto Cilindro Parab´o-lico Elips´oide Hiperbol´oide de Uma Folha
Hiperbol´oide de Duas Folhas Parabol´oide El´ıtico Parabol´oide Hiperb´olico Cone Reto
Winplot
As figuras deste livro foram geradas pelo aplicativo Winplot. O Winplot ´e um excelente aplicativo para se construir gr´aficos em duas ou trˆes dimens˜oes. Foi criado pelo matem´atico ingles Richard Parris, da Phillips exeter Academy, Exeter NH e se en-contra disponibilizado na internet em v´arios idiomas. A vers˜ao em portugues ´e de autoria do professor Adelmo Ribeiro de Jesus, da UNIFACS, Salvador - BA.
O winplot pode ser adquirido gratuitamente em
http://math.exeter.edu/rparris/.
Tambem pode ser acessado em
http://www.gregosetroianos.mat.br,
onde encontra-se um Tutorial (INTRODUC¸ ˜AO AO WINPLOT),para trabalho no ambiente 2D, elaborado por Carlos C´esar de Ara´ujo.
Figura B.1: Tela de Abertura do Winplot.
Figura B.2: ´Area de trabalho para figuras bidimensionais.
Quadro de Figuras
O quadro abaixo, mostra as figuras que aparecem nos exem-plos deste trabalho e que foram geradas pelo Winplot. Tamb´em indicamos as respectivas equa¸c˜oes para que o leitor possa recon-stru´ı-las.
As diversas equa¸c˜oes que aparecem para gerar cada figura, deve-se ao fato de que elas foram geradas passo a passo, isto ´e, fazendo-se as mudan¸cas de coordenadas necess´arias afim de transform´a-las `as suas formas reduzidas. Tamb´em esbo¸camos os sistemas de coordenadas resultantes dessas mudan¸cas.
Essas equa¸c˜oes devem ser consideradas como diversos pares or-denados (x,y) ou triplas ordenadas (x, y, z), na ordem que apare-cem no quadro ao lado das respectivas figuras.
Por simplicidade n˜ao indicamos os intervalos das vari´aveis u e t, por´em o leitor n˜ao encontrar´a dificuldades em identific´a-los.
Ex Figura Equa¸c˜oes no winplot 2.1 x=2+2cos(t); y=1+3sin(t) x=2; y=t; x=t; y=1 2.2 x=sqr(2)/2*t; y=sqr(2)/2*t; x=-sqr(2)/2*t; y=sqr(2)/2*t; x=cosh(t)-sinh(t) y=cosh(t)+sinh(t); x=-cosh(t)-sinh(t); y=-cosh(t)+sinh(t) 2.3 x=sqr(2)/2*t; y=sqr(2)/2*t; x=sqr(2)/2*t; y=-sqr(2)/2*t; x=cosh(t)-sinh(t)-1; y=cosh(t)+sinh(t)-1; x=-cosh(t)-sinh(t)-1; y=-cosh(t)+sinh(t)-1; x=sqr(2)/2*t-1; y=-sqr(2)/2*t-1
Ex Figura Equa¸c˜oes no winplot 2.4 x=-2/sqr(5)*t; y=1/sqr(5)*t; x=1/sqr(5)*t; y=2/sqr(5)*t; x=(-2sqr(3)/sqr(5))*cos(t) + (sqr(6)/sqr(5)) *sin(t)+1; y=(sqr(3)/sqr(5))*cos(t) + (2sqr(6)/sqr(5))*sin(t)+2; x=-2/sqr(5)*t+1; y=1/sqr(5)*t+2; x=1/sqr(5)*t+1; y=2/sqr(5)*t+2 2.5 x=sqr(2)/2*t; y=-sqr(2)/2*t; x=sqr(2)/2*t; y=sqr(2)/2*t; x=tt/2/sqr(2 + t/sqr(2) - 5/sqr(2); y=-tt/2/sqr(2) + t/sqr(2) + 1/sqr(2); x=sqr(2)/2*t-5/sqr(2); y=-sqr(2)/2*t + 1/sqr(2); x=sqr(2)/2*t - 5/sqr(2); y=sqr(2)/2*t + 1/sqr(2) 3.1 x=cos(t)+sqr(3)sin(t); y=cos(t)-sqr(3)sin(t); z=u; x=0; y=0; z=t; x=1/sqr(2)t; y=1/sqr(2)t; z=0; x=1/sqr(2)t; y=-1/sqr(2)t; z=0
Ex Figura Equa¸c˜oes no winplot 3.2 x=(1/sqr(3))*t; y=(1/sqr(3))*t; z=(1/sqr(3))*t; x=1/sqr(2)*t; y=0; z=-1/sqr(2)*t; x=1/sqr(6)*t; y=-2/sqr(6)*t; z=1/sqr(6)*t;
x=u/3*cos(t) + sqr(2)/4*u + u/6*sin(t); y= u/3*cos(t)-u/3*sin(t);
z=u/3*cos(t) - sqr(3)/6*u + u/6*sin(t)
3.3 x=t; y=1/5; z=-2/5; x=0; y=2/sqr(5)*t+1/5; z=-1/sqr(5)*t-2/5; x=0; y=1/sqr(5)*t+1/5; z=2/sqr(5)*t-2/5; x=t; y=2/sqr(5)*u+1/5; z=-1/sqr(5)*u-2/5; x=t; y= 0; z=0; 3.4 x=t; y=2t; z=2t; x=2t; y=t; z=-2t; x=2t; y=-2t; z=t; x=sqr(6)/3*sin(u)cos(t) + 2sqr(3)/3*sin(u)sin(t) + 2sqr(2)/3*cos(u); y=sqr(3)/3*sin(u)sin(t) + 2sqr(6)/3*sin(u)cos(t) -2sqr(2)/3*cos(u); z=2sqr(6)/3*sin(u)cos(t) + sqr(2)/3*cos(u) - 2sqr(3)/3*sin(u)sin(t)
Ex Figura Equa¸c˜oes no winplot 3.5 x=t; y=0; z=t; x=t; y=2t; z=-t; x=t; y=-t; z=-t; x=t-17/9; y= 14/9; z=t+17/9; x=t-17/9; y=-t+14/9; z=-t+17/9; x=t-17/9; y=2t+14/9; z=-t+17/9; x=sqr(u)/sqr(sqr(12))*cos(t)+ sqr(u)/(3sqr(sqr(12)))*sin(t) -1/sqr(3)*u-17/9; y=2sqr(u)/(3sqr(sqr(12)))*sin(t) +u/sqr(3)+14/9; z=sqr(u)/sqr(sqr(12))*cos(t) -sqr(u)/(3sqr(sqr(12)))*sin(t) +u/sqr(3)+17/9;
[1] Apostol, T. M., Calculus, v. 1 e 2, Editorial Revert`e S.A., Rio de Janeiro, RJ, 2a˜ed., 1977.
[2] Ara´ujo, C. C., Site. http://www.gregosetroianos.mat. br, 2002.
[3] Boldrini, J. L.; Costa, S. R.; Figueredo, V. L.; Wetzler, H. G., ´Algebra Linear, Harbra do Brasil, S˜ao Paulo, SP, 3a˜ed., 1984.
[4] Finkbeiner, D. T., Introdu¸c˜ao `as Matrizes e Trans-forma¸c˜oes Lineares, Ao Livro T´ecnico S.A., Rio de Janeiro, RJ, 2a˜ed., 1970.
[5] Herstein, I. N., T´opicos de ´Algebra, Pol´ıgono, S˜ao Paulo, SP, 1a˜ed., 1998.
[6] Hoffmann, K.; Kunze, R., ´Algebra Linear, Pol´ıgono, S˜ao Paulo, SP, 1971.
[7] Lima, E. L., ´Algebra Linear, IMPA-CNPq, Rio de Janeiro, RJ, 3a˜ed., 1998.
[8] Parris, R., Site. http://math.exeter.edu/rparris/, 2002.
[9] Smith, P. F.; Gale, A. S.; Neelley, J. H., Geometria Anal´ıtica, Ao Livro T´ecnico S.A, Rio de Janeiro, RJ, 4a˜ed.,
1969.
[10] Steinbruch, A.; Winterle, P., ´Algebra Linear, McGraw-Hill do Brasil, S˜ao Paulo, SP, 2a˜ed., 1987.
Caitano de Oliveira Cintra´e professor adjunto aposentado da Universidade Fed-eral Rural de Pernambuco. ´E mestre em Matem´atica, tendo como ´area de pesquisa a Resolubilidade Local de Equa¸c˜oes Diferenciais Parciais. Tem publicados livros em n´ıvel de ensino m´edio e gradua¸c˜ao sobre Cˆonicas, Qu´adricas e Geometria Plana. Foi Chefe do Departamento de Matem´atica da Universidade Cat´olica de Pernambuco por mais de seis anos, sendo agraciado com a medalha do Jubileu de Prata daquela Universidade. Atual-mente ´e professor de Matem´atica da Faculdade Boa Viagem e da Faculdade de Forma¸c˜ao de Professores de Belo Jardim. Seu interesse atual ´e Educa¸c˜ao Matem´atica.