FORMAS QUADRÁTICAS

Joiner Santiago Ornellas;
1

José Ricardo de Rezende Zeni;
2

UNESP, campus de Presidente Prudente;
Outubro de 2005.

§0. Introdução.

As formas quadráticas têm diversas aplicações, sendo abordadas em estatística,
mecânica e em vários outros problemas em física; no estudo de máximos e mínimos de
funções de varias variáveis, dentre outras.
Cônicas e quádricas têm seu modelo geométrico definidos por formas quadráticas e
serão objeto deste estudo.
Além da importância em aplicações, didaticamente o estudo das formas quadráticas nos
favorece por ser frequentemente discutido em geometria analítica e cálculo.
No apêndice, encontra-se um estudo sobre diagonalização de matrizes simétricas, que
deve nos servir como conhecimento prévio para o estudo das formas quadráticas.


§1. Formas Quadráticas.

A expressão

=
n
k 1
a
k
x
k
(01)



é uma função de n variáveis, chamada forma linear. Nestas funções; todas as variáveis
aparecem na primeira posição e não há produtos de variáveis na expressão.
Uma expressão na forma quadrática é escrita como



≤ j k
a
kj
x
k
x
j
(02)


e os termos que envolvem produto de variáveis diferentes são chamados de termo com
produto misto ou termo cruzado.
Podemos escrever expressões na forma quadrática como produto de matriz da seguinte
forma:

x
r
T
.A. x
r
(03)

onde x
r
: vetor coluna nx1 e A: matriz simétrica nxn.
Em A; as entradas da diagonal principal são os coeficientes dos termos com quadrado e
as entradas fora da diagonal são iguais à metade dos coeficientes com produto misto.

1
Orientando. Bolsista PAE. Licenciatura em Matemática.
E-mail: joinersantiago@hotmail.com

2
Orientador. Departamento de Matemática, Estatística e Computação.
E-mail: jrzeni@prudente.unesp.br

2
§2. Diagonalização de Formas Quadráticas.

Através de uma mudança de variáveis podemos remover o produto misto de uma forma
quadrática, e assim representa-la com maior facilidade.
Podemos reduzir a forma quadrática a uma soma de quadrados, através de uma matriz
P; considerando o teorema abaixo.

Teorema 1: seja x
r
T
.A. x
r
uma forma quadrática nas variáveis x
r
T
= (x
1
, x
2
, ..., x
n
); onde A
é simétrica. Se P diagonaliza A ortogonalmente e se as novas variáveis y
r
T
= (y
1
, y
2
, ..., y
n
) são
definidas pela equação x
r
= P y
r
então, substituindo esta equação em x
r
T
.A. x
r
, obtemos:

x
r
T
.A. x
r
= (P. y
r
)
T
.A.P. y
r
= y
r
T
.P
T
.A.P. y
r
= y
r
T
.D. y
r
(04)

onde D = P
T
.A.P é uma matriz diagonal que contem em sua diagonal os autovalores de A. ■


§3. Cônicas.

Uma cônica pode ser representada pela equação

ax
2
+ 2bxy + cy
2
+ dx + ey + f = 0 (05)

onde a, b, , f são números reais e pelo menos um dentre a, b e c é não-nulo, a qual é
chamada de equação quadrática em x e y; e onde

ax
2
+ 2bxy + cy
2
(06)

representa sua forma quadrática associada.
A equação (05) pode também ser escrita em sua forma matricial, que é dada por:

x
r
T
.A. x
r
+ w
r
x
r
+ j = 0; (07)

onde:
x
r
=
|
|
¹
|

\
|
y
x
; A =
|
|
¹
|

\
|
c b
b a
; w
r
= ( ) e d . (08)

O gráfico de uma equação quadrática em x e y é chamada cônica ou seção cônica. As
cônicas mais importantes são: elipses, hipérboles e parábolas. Estas são chamadas de cônicas
não-degeneradas.
Uma cônica está em sua posição padrão em relação aos eixos coordenados quando
está centrada na origem e sua equação não possui termos cruzados ou ambos os termos
(termo quadrado e seu respectivo termo linear) em sua equação.
Se na equação de uma cônica encontrarmos:

a) produto cruzado, então esta estará rodada em relação a sua posição padrão;
b) ambos os termos (x
2
e x ou/e y
2
e y), então estará transladada em relação
a sua posição padrão;
c) os dois itens anteriores simultaneamente, então estará rodada e transladada em
relação a sua posição padrão.
3
Equações de cônicas em suas posições padrão:



k
x
2
2
+
c
y
2
2
= 1, k,c ≠ 0; (09)


Figura 1.a: elipse (k>c).




k
x
2
2

c
y
2
2
= 1, k,c ≠ 0; (10)


Figura 1.b: hipérbole.





y
2
=
kx
, k ≠ 0. (11)



Figura 1.c: parábola (k>0).


Alem dos casos citados acima, podemos também encontrar em cada cônica sua forma
degenerada, que pode ser:

• um ponto ou o vazio (no caso da elipse);
• duas retas concorrentes (no caso da hipérbole);
• duas retas paralelas ou duas retas coincidentes (no caso da parábola).

Podemos colocar uma equação quadrática qualquer em sua posição padrão utilizando o
método de completar quadrados.
A classificação de uma cônica pode ser dada bastando conhecer os autovalores (ditos
também valores próprios) da matriz A obtida da equação da cônica em sua forma matricial
( x
r
T
.A. x
r
+ k x
r
+ j = 0).
Tal classificação pode ser dada da seguinte maneira:

Autovalores Cônica
λ
1
. λ
2
> 0 Elipse ou um caso degenerado
λ
1
. λ
2
< 0 Hipérbole ou um caso degenerado
λ
1
. λ
2
= 0 Parábola ou um caso degenerado
Tabela 1: classificação de cônicas através de seus autovalores.
4
Teorema dos eixos principais em R
2
: seja

ax
2
+ 2bxy + cy
2
+ dx + ey + f = 0 (12)

a equação de uma cônica C e seja

x
r
T
.A. x
r
= ax
2
+ 2bxy + cy
2
(13)

a forma quadrática associada. Então os eixos coordenados podem ser girados (rotacionados)
de tal modo que a equação de C no novo sistema x’y’ tem a forma

λ
1
x’
2
+ λ
2
y’
2
+ d’x’ + e’y’ + f = 0 (14)

onde λ
1
e λ
2
são os autovalores de A. A rotação pode ser efetuada pela substituição

x
r
= P. x
r
’ (15)

onde P diagonaliza A ortogonalmente e det P = 1. ■


§4. Quádricas.

Uma equação da forma

ax
2
+ by
2
+ cz
2
+ 2dxy + 2exz + 2fyz + gx + hy + iz + j = 0 (16)

onde a, b, ..., f não são todos nulos, é chamada uma equação quadrática em x, y e z e a
expressão

ax
2
+ by
2
+ cz
2
+ 2dxy + 2exz + 2fyz (17)

é chamada forma quadrática associada. A equação no formato matricial é dada por:

( ) z y x
|
|
|
¹
|

\
|
c f e
f b d
e d a

|
|
|
¹
|

\
|
z
y
x
+ ( ) i h g
|
|
|
¹
|

\
|
z
y
x
+ j = x
r
T
.A. x
r
+ K
r
x
r
+ j = 0 (18)

onde
x
r
=
|
|
|
¹
|

\
|
z
y
x
; A =
|
|
|
¹
|

\
|
c f e
f b d
e d a
; K
r
= ( ) i h g . (19)

Os gráficos da equação quadrática em x, y e z são chamados quádricas ou superfícies
quádricas. Assim como no caso das cônicas, é a equação na forma padrão que nos da a forma
mais simples de sua representação gráfica.
A classificação de uma quádrica pode ser dada conhecendo-se quantos autovalores da
matriz A (obtida da equação da quádrica em sua forma matricial) são positivos, negativos ou
nulos. Na tabela abaixo, os números entre parênteses seguem a seguinte configuração:
5
(pos; neg; zer); (20)

onde pos, neg e zer são os números de autovalores positivos, negativos e nulos
respectivamente. Faça λ
1
> 0.


(pos; neg; zer) Quádrica
(3; 0; 0) Elipsóide
(2; 1; 0) Hiperbolóide de uma folha
(1; 2; 0) Hiperbolóide de duas folhas
(2; 0; 1) Parabolóide elíptico
(1; 1; 1) Parabolóide hiperbólico
(1; 0; 2) Cilindro parabólico
Tabela 2: classificação de quádricas através de seus autovalores.

Quádricas básicas e suas equações padrão:




k
x
2
2
+
c
y
2
2
+
n
z
2
2
= 1, k,c,n ≠ 0; (21)


Figura 2.a: elipsóide.




k
x
2
2
+
c
y
2
2

n
z
2
2
= 1, k,c,n ≠ 0; (22)


Figura 2.b: hiperbolóide
de uma folha.





n
z
2
2

k
x
2
2

c
y
2
2
= 1, k,c,n ≠ 0; (23)



Figura 2.c: hiperbolóide
duas folhas.
6



z
=
k
x
2
2
+
c
y
2
2
, k,c ≠ 0; (24)



Figura 2.d: parabolóide
elíptico.





z
=
c
y
2
2

k
x
2
2
, k,c ≠ 0. (25)


Figura 2.e: parabolóide
hiperbólico.







by
ax z
+ =
2
com a ou b não nulo. (26)




Figura 2.f: cilindro parabólico
de equação x
2
= ay; a > 0.





z
2
=
k
x
2
2
+
c
y
2
2
, k,c ≠ 0; (27)


Figura 2.g: cone elíptico:
um caso degenerado.


7
A figura 2.g, que representa um cone elíptico, é um caso degenerado de um
hiperbolóide de uma folha. Outras observações podem ser feitas; como a que segue abaixo.
Em relação ao parabolóide hiperbólico, façamos cortes x = b
1
, y = b
2
, z = b
3
, (b
1
,

b
2
, b
3

R), e teremos:

• seções paralelas ao plano YZ: parábolas (considerando x constante);
• seções paralelas ao plano XZ: parábolas (considerando y constante);
• seções paralelas ao plano XY: se z = 0 teremos duas linhas concorrentes na
origem e para todo valor de z ≠ 0 teremos hipérboles (que acima de XY abrem
na direção de y e abaixo de XY abrem na direção de x);
• se x = y = z = 0 teremos ponto de sela ou de minimax da superfície;

Uma análise semelhante pode ser feita em relação a todas as quádricas acima.

Caso exista a presença em alguma equação de quádrica de um ou mais termos com
produto misto (xy, xz e yz) esta equação estará rodada em relação a sua posição padrão.
A presença de um termo quadrado juntamente com seu termo linear na mesma
equação nos diz que a quádrica foi transladada para fora de sua posição padrão.
O cálculo de autovalores, autovetores e o método de completar quadrados leva-nos de
uma quádrica transladada ou rodada (ou ambas) à sua forma padrão.


Teorema dos eixos principais em R
3
: seja


ax
2
+ by
2
+ cz
2
+ 2dxy + 2exz + 2fyz + gx + hy + iz + j = 0 (28)

a equação de uma quádrica Q e seja


x
r
T
.A. x
r
= ax
2
+ by
2
+ cz
2
+ 2dxy + 2exz + 2fyz (29)

a forma quadrática associada. Os eixos coordenados podem ser rodados de tal modo que a
equação Q no sistema x’y’z’ tem a forma

λ
1
x’
2
+ λ
2
y’
2
+ λ
3
z’
2
+ g’x’ + h’y’ + i’z’ + j = 0 (30)

onde λ
1
, λ
2
e λ
3
são os autovalores de A. A rotação pode ser efetuada pela substituição

x
r
= P. x
r
’ (31)

onde P diagonaliza A ortogonalmente e det P = 1. ■







8
§5. Exercícios.

Exercício 1: na equação da cônica abaixo, determine sua classificação geométrica, a
orientação dos eixos principais, a matriz de rotação, a equação nas variáveis x’y’, o centro de
suas coordenadas, sua equação padrão e faça também seu esboço.

2.x
2
– 4.x.y – y
2
– 4.x – 8.y + 14 = 0

Pode-se escrevê-la em sua forma matricial:

( ) y x
|
|
¹
|

\
|
− −

1 2
2 2
|
|
¹
|

\
|
y
x
+ ( ) 8 4 − −
|
|
¹
|

\
|
y
x
+ 14 = X
r
T
.A. X
r
+ K. X
r
+ 14 = 0;

onde X
r
T
= ( ) y x ; X
r
=
|
|
¹
|

\
|
− −

1 2
2 2
; X
r
=
|
|
¹
|

\
|
y
x
; K
r
= ( ) 8 4 − −
e
X
r
T
.A. X
r


representa a forma quadrática associada.
Sabemos que o termo com produto misto rotaciona uma cônica. Eliminaremos este
termo da equação acima encontrando uma matriz P que diagonalize ortogonalmente a matriz A
e que seja uma matriz de rotação.
Temos que:
D = P
–1
.A.P ⇔ A = P.D. P
–1


A matriz D é formada pelos autovalores de A e a matriz P por seus autovetores
associados. Encontraremos os autovalores através do polinômio característico dado por:

(A – λI) X
r
= 0 ⇔ det(A – λI) = 0;

pois X
r
≠ 0 por definição.

det(A – λI) = 0 ⇒
1 2
2 2
+

λ
λ
= (λ – 2).(λ + 1) – 4 = λ
2
– λ – 6 = 0


λ
2
– λ – 6 = 0 é o polinômio característico e suas raízes (λ
1
= 3 e λ
2
= – 2) nos dão os
autovalores da matriz A.
Pode-se classificar a cônica utilizando o método descrito pela tabela 1. Sendo assim:

λ
1

2
= 3.( – 2) = – 6 < 0;

e portanto, trata-se de uma hipérbole.
Calculo dos autovetores:
1º) associado a λ
1
= 3 :
(λI – A) v
r
1
= 0
r
⇒ (3I – A) v
r
1
= 0
r
;
9
|
|
¹
|

\
|
0
0
4 2
2 1
÷ ÷ ÷ ÷ ÷ → ÷
− ← 1 2 2 2L L L
|
|
¹
|

\
|
0
0
2 0
2 1
;

grau de liberdade = nº de variáveis – posto = 2 – 1 = 1. Portanto, temos uma variável livre: t.
Da ultima matriz (dita matriz escalonada), obtemos que: s + 2.t = 0 ⇒ s = –2.t.
Logo:
v
r
1
= (–2.t, t) = t.(–2, 1)

2º) associado a λ
2
= – 2:
(λI – A) v
r
2
= 0 ⇒ (–2I – A) v
r
2
= 0;

|
|
¹
|

\
|


0
0
1 2
2 4
÷ ÷ ÷ ÷ ÷ → ÷
+ ← 1 2 2 5 . 0 L L L
|
|
¹
|

\
|−
0
0
0 0
2 4
; variável livre: t.

Da ultima matriz obtemos que: – 4s + 2.t = 0 ⇒ s =
2
1
.t.
Logo:
v
r
2
= (
2
1
t, t) = t.(
2
1
, 1) = k.(1, 2).

Basta agora dispormos os vetores v
r
1
e v
r
2
encontrados como colunas dentro da matriz
P:
P =
|
|
¹
|

\
|−
2 1
1 2
; para uma matriz diagonal D =
|
|
¹
|

\
|
− 2 0
0 3
.

Atentemos ao fato de que v
r
1
e v
r
2
representam a orientação dos eixos principais da
cônica.
Se P é ortogonal, então P.P
T
= I ou P
T
.P = I. Verificando veremos que P.P
T
≠ I. Neste
caso, basta tornarmos os vetores de P unitários, pois v
r
1
e v
r
2


são ortogonais ( v
r
1
. v
r
2
= 0).
Normalizando

v
r
1
e v
r
2
teremos:

v
r
a
= v
r
1
/ | v
r
1
| ⇒ v
r
a
=
|
|
¹
|

\
| −
5
1
5
2
;

v
r
b
= v
r
2
/ | v
r
2
| ⇒ v
r
b
=
|
|
¹
|

\
|
5
2
5
1
.

Logo: P
B
=
|
|
|
|
¹
|

\
| −
5
2
5
1
5
1
5
2
.
Verificando a ortogonalidade de P
B
, veremos que

P
B.
P
B
T
= P
B
T
. P
B
= I. Dizemos então
que P
B
diagonaliza ortogonalmente a matriz A.
10
Mas, para que P seja uma matriz de rotação, alem de ortogonal temos que det P
B
=
1.Verificando, veremos que det P
B
= –1 ≠ 1. Neste caso, permutamos as colunas de P
B
e assim
satizfaremos a igualdade. Sendo assim:

P
C
=
|
|
|
|
¹
|

\
| −
5
1
5
2
5
2
5
1
e det P
C
= 1.

Portanto, Pc é uma matriz de rotação. Observação: ao invertermos as posições das
colunas de P
B
, nossa nova matriz diagonal será dada por:

D
C
=
|
|
¹
|

\
|−
3 0
0 2
.

Podemos então fazer a seguinte mudança de variável: X
r
= P
C
. X
r
’. Logo:

X
r
T
.A. X
r
+ K
r
. X
r
+ 14 = 0 ⇒ (P
C
. X
r
’)
T
.A.P
C
. X
r
’ + K
r
.P
C
. X
r
’ + 14 = 0 ⇒

X
r

T
.(P
C
T
.A.P
C
). X
r
’ + K
r
.P
C
. X
r
’ + 14 = 0 ⇒ X
r

T
.(D
C
). X
r
’ + K
r
.P
C
. X
r
’ + 14 = 0;

onde:
D
C
= P
C
T
.A.P
C
.

Calculando X
r

T
.(D
C
). X
r
’ + K.P
C
. X
r
’ + 14 = 0 teremos:

( ) ' ' y x
|
|
¹
|

\
|−
3 0
0 2
|
|
¹
|

\
|
'
'
y
x
+ ( ) 8 4 − −
|
|
|
|
¹
|

\
| −
5
1
5
2
5
2
5
1
|
|
¹
|

\
|
'
'
y
x
+ 14 = 2.x’
2
+
5
20
x’ – 3.y’
2
– 14 = 0

Nesta última equação não existe a presença de termos cruzados. Para que fique em
sua forma padrão, utilizaremos o método de completar quadrados (o que irá “eliminar” a
presença na equação do termo linear x’).
Completando quadrados:

2.x’
2
+
5
20
x’ = 2.(x’
2
+
5
10
x’) = 2.( x’
2
+
5
10
x’ + (
5
5
)
2
– (
5
5
)
2
) = 2.( x’ +
5
5
)
2
– 10.

Portanto:

2.x’
2
+
5
20
x’ – 3.y’
2
– 14 = 0 ⇒ [( x’ +
5
5
)
2
÷ 12] − [( y’ − 0)
2
÷ 8] = 1
11
A equação acima esta em sua forma padrão e centrada em
|
¹
|

\
|

0 ;
5
5
e representa
uma hipérbole.
Segue abaixo um esboço da cônica:













Figura 6.a: esboço.
.



Exercício 2: na equação da quádrica abaixo, determine sua classificação geométrica, a
orientação dos eixos principais, a matriz de rotação, a equação nas variáveis x’y’z’, o centro de
suas coordenadas e sua equação padrão.

2.x.y + 2.x.z + 2.y.z – 6.x – 6.y – 4.z = 0

Sua forma matricial é dada por:


( ) z y x
|
|
|
¹
|

\
|
0 1 1
1 0 1
1 1 0
|
|
|
¹
|

\
|
z
y
x
+ ( ) 4 6 6 − − −
|
|
|
¹
|

\
|
z
y
x
+ 9 = X
r
T
.A. X
r
+ K
r
. X
r
+ 9 = 0;

Como não há o termo quadrado juntamente com os termos lineares sabemos que esta
quadrica está centrada na origem. Já a presença do produto misto nos diz que a quádrica foi
rotacionada.
Precisamos então de uma matriz P que diagonalize a matriz A ortogonalmente, pois
assim eliminaremos os termos com produto misto e teremos a equação em sua forma padrão,
que nos é familiar.
Cálculo dos autovalores:

det(A – λI) = 0 ⇒
λ
λ
λ



1 1
1 1
1 1
= 0 ⇒ λ
3
– 3λ – 2 = 0.


12
A solução do polinômio característico λ
3
– 3λ – 2 = 0 nos da os autovalores: λ
1
= –1
(com multiplicidade 2) e λ
2
= 2.
A classificação da quádrica pode ser dada pela tabela 2. Utilizamos a tabela e
verificamos que trata-se da equação de uma hipérbole de duas folhas; pois temos um
autovalor negativo e dois positivos, o que equivale a um autovalor positivo e dois negativos.
Cálculo dos autovetores:
1º) associado a λ
1
= –1:
(A – λI) v
r
= 0
r
⇒ (A + I) v
r
= 0
r
;

|
|
|
¹
|

\
|
0
0
0
1 1 1
1 1 1
1 1 1
÷ ÷ ÷ ÷ ÷ ÷ ÷ → ÷
− ←
− ←
1 3 3
1 2 2
L L L
L L L
|
|
|
¹
|

\
|
0
0
0
0 0 0
0 0 0
1 1 1
; variáveis livres: y e z.

Da última matriz (dita matriz escalonada), retiramos que:

x + y + z = 0 ⇒ x = – y – z.

Logo:
v
r
A
= (– y – z; y; z) = y.(–1, 1, 0) + z.(–1, 0, 1).

Observe que λ
1
nos forneceu dois vetores L.I. Chamaremos:

v
r
1
= (–1, 1, 0); v
r
2
= (–1, 0, 1).

2º) associado a λ
2
= 2:
(A – λI) v
r
= 0
r
⇒ (A – 2I) v
r
= 0
r
;

|
|
|
¹
|

\
|



0
0
0
2 1 1
1 2 1
1 1 2

÷ ÷ ÷ ÷ ÷ ÷ ÷ ÷ ÷ → ÷
+ ←
+ ←
1 5 . 0 3 3
1 5 . 0 2 2
L L L
L L L
|
|
|
|
¹
|

\
|



0
0
0
2
3
2
3
0
2
3
2
3
0
1 1 2
÷ ÷ ÷ ÷ ÷ ÷ ÷ ÷ → ÷
+ ← 2 3 3 L L L
|
|
|
¹
|

\
|


0
0
0
0 0 0
2
3
2
3
0
1 1 2
;

• variável livre: z;

• equação 2:
2
3 −
y +
2
3
z = 0 ⇒ y = z;

• equação 1: – 2.x + y + z = 0 ⇒ – 2.x + z + z = 0 ⇒ x = z.

Logo:
v
r
3
= (z; z; z) = z.(1, 1, 1)

Em posse dos vetores v
r
1
, v
r
2
e v
r
3
; pode-se verificar que eles são linearmente
independentes. Em contrapartida, observa-se que estes vetores não são ortogonais entre si e,
sendo assim, não podem formar a matriz P. Veja:

v
r
1
. v
r
2
= 1 ≠ 0; v
r
1
. v
r
3
= 0; v
r
2
. v
r
3
= 0.
13
Utiliza-se então o processo de ortogonalização de Gran-Schimidt (ver apêndice c):
1º passo:
w
r
1
= v
r
1
.

2º passo:
2 w
r
= 2 v
r

1
W proj 2 v
r
= 2 v
r

2
.
1
1 2
w
w v
r
r r
. 1 w
r

Calculando:
( 2 v
r
. 1 w
r
) = 1;
2
1 w
r
= 1 w
r
. 1 w
r
= 2;

Logo:
2 w
r
= (−1; 0; 1) − [(1)(−1; 1; 0) ÷ 2] = (−0.5; −0.5; 1);

Portanto:
2 w
r
= (−0.5; −0.5; 1).

Verificando, veremos que: 1 w
r
. 2 w
r
= 0.

3º passo:
3 w
r
= 3 v
r

1
W proj 3 v
r

2
W proj . 3 v
r
= 3 v
r

2
.
1
1 3
w
w v
r
r r
. 1 w
r

2
.
2
2 3
w
w v
r
r r
. 2 w
r


Calculando:
( 3 v
r
. 1 w
r
) = 0; ( 3 v
r
. 2 w
r
) = (1; 1; 1). (−0.5; −0.5; 1) = 0.

Logo:
3 w
r
= 3 v
r
.

Verificando, veremos que: 2 w
r
. 3 w
r
= 0 e 1 w
r
. 3 w
r
= 0.

Portanto 1 w
r
, 2 w
r
e 3 w
r
são ortogonais entre si e formam a matriz P.

P =
|
|
|
¹
|

\
|

− −
1 1 0
1 5 . 0 1
1 5 . 0 1
; D =
|
|
|
¹
|

\
|


2 0 0
0 1 0
0 0 1
.

Mas, para que P seja uma matriz de rotação, precisa-se que: det P = 1.

1 1 0
1 5 . 0 1
1 5 . 0 1

− −
= 3 ≠ 1.

14
Note que det P ≠ ±1. Deve-se observar se os vetores da matriz P estão normalizados.
Normalizando 1 w
r
, 2 w
r
e 3 w
r
; teremos:

• A w
r
= (−1÷ 2 ; 1÷ 2 ; 0);
• B w
r
= [−1÷(2. 5 , 1 ); −1÷(2. 5 , 1 ); 1÷ 5 , 1 ];
• C w
r
= (1÷ 3 ; 1÷ 3 ; 1÷ 3 )

Logo:

P
B
=
|
|
|
|
|
|
|
¹
|

\
|

− −
3
1
5 , 1
1
0
3
1
5 , 1 2
1
2
1
3
1
5 , 1 2
1
2
1
; e det P
B
= 1.

Portanto P
B
é uma matriz de rotação e diagonaliza A ortogonalmente.
Verificando,veremos que:
(P
B
)
T
. P
B
= P
B
.(P
B
)
T

= I.

Fazendo a mudança de variáveis:
X
r
= P
B
. X
r
’.
teremos:

X
r
T
.A. X
r
+ K
r
. X
r
+ 9 = 0 ⇒ (P
B
. X
r
’)
T
.A.P
B
. X
r
’ + K
r
.P
B
. X
r
’ + 9 = 0 ⇒

X
r

T
.(P
B
T
.A.P
B
). X
r
’ + K
r
.P
B
. X
r
’ + 9 = 0 ⇒ X
r

T
.D. X
r
’ + K
r
.P
B
. X
r
’ + 9 = 0

Calculando:
( ) ' ' ' z y x
|
|
|
¹
|

\
|


2 0 0
0 1 0
0 0 1
|
|
|
¹
|

\
|
'
'
'
z
y
x
+ ( ) 4 6 6 − − −
|
|
|
|
|
|
|
¹
|

\
|

− −
3
1
5 , 1
1
0
3
1
5 , 1 2
1
2
1
3
1
5 , 1 2
1
2
1
|
|
|
¹
|

\
|
'
'
'
z
y
x
+ 9 = 0 ⇒

⇒ x’
2
+ y’
2
− 2z’
2

5 , 1
2
y’ +
3
16
z’ − 9 = 0
Após completar quadrados, teremos:

− x’’
2
− y’’
2
+ (z'’
2
÷ 0,5) = 1

Esta é a equação de uma hipérbole de duas folhas, como foi visto na classificação
pelos autovalores.

15
§6. Apêndices.


6.1. Apêndice A: MATRIZES ORTOGONAIS


Definição: seja A uma matriz quadrada nxn. Esta matriz é dita ortogonal se a sua
inversa for igual a sua transposta, ou seja:

A
-1
= A
T
(01A)
Decorre desta definição que:

A é ortogonal ⇔ A
T
.A = I ou A.A
T
= I (02A)

Lembre-se que, a transposta de uma matriz A (A
T
) é obtida escrevendo-se as linhas de
A, em ordem, como colunas.
Um exemplo de matriz ortogonal é uma matriz de rotação

R =
|
|
¹
|

\
| −
θ θ
θ θ
cos
cos
sen
sen
(03A)

que, por se tratar de uma matriz ortogonal, obedecerá:

R
T
.R = R.R
T
= I (04A)

Definição: um conjunto S = {u
1
, u
2
, ..., u
n
} se diz ortonormal se, e somente se:

<u
k
.u
j
> =
¹
´
¦
=

j k se
j k se
; 1
; 0
(05A)

Teorema 1: seja A uma matriz quadrada. As seguintes afirmações são equivalentes:

a) A é ortogonal;

b) as linhas (ou colunas) de A formam um conjunto ortonormal de vetores de R
N

em relação ao produto interno euclidiano (produto escalar);

c) A x
r
.A y
r
= < x
r
. y
r
>, ∀ x
r
, y
r
∈ R
N
, ou seja, A preserva o produto interno euclidiano
de vetores;

d) ||A x
r
|| = || x
r
||, ∀ x
r
∈ R
N
.

Teorema 2: seja A uma matriz nxn ortogonal. Temos que:

a) a inversa A
-1
existe e também é ortogonal;

b) det A = ± 1;

c) considerando B uma matriz nxn ortogonal, o produto A.B também será uma matriz
ortogonal.




16

6.2. Apêndice B: DIAGONALIZAÇÃO DE MATRIZES SIMÉTRICAS


Definição 1: uma matriz quadrada A é chamada simétrica se A
T
= A. Ou seja; uma
matriz A = [a
kj
] é simétrica se, e somente se, a
kj
= a
jk
, para todos os valores de k e j.

Teorema 1: se A é simétrica então A é diagonalizável.

Definição 2: seja uma matriz A de tamanho nxn e D uma matriz nxn diagonal. Se existir
uma matriz ortogonal P que diagonaliza A (D = P
T
.A.P); então dizemos que A é diagonalizável
ortogonalmente.

Teorema 2: se A é uma matriz nxn, então as afirmações seguintes são equivalentes:

a) A é simétrica;

b) A tem um conjunto ortonormal de n autovetores;

c) A é ortogonalmente diagonalizável.

Teorema 3: se A é uma matriz simétrica , então:

a) os autovalores de A são reais;

b) autovetores associados a autovalores distintos são ortogonais.























17
6.3. Apêndice C: PROCESSO DE GRAM-SCHMIDT


Teorema: cada espaço vetorial não-nulo de dimensão finita possui uma base
ortonormal.

A prova deste teorema pode ser feita de forma a nos fornecer um algoritmo para
converter uma base arbitrária numa base ortogonal. Este algoritmo é dito também processo de
Gram-Schmidt para obtenção de uma base ortogonal.

Prova. Seja V um espaço vetorial não-nulo de dimensão finita com produto interno e
suponha que { } n u u u
r r r
,..., , 2 1 é uma base de V. É suficiente mostrar que V tem uma base
ortogonal, pois os vetores da base ortogonal podem ser normalizados para produzir uma base
ortonormal de V. A seguinte seqüência de passos irá produzir uma base ortogonal { } n v v v
r r r
,..., , 2 1
de V.

Passo 1. Faça 1 v
r
= 1 u
r
.

Passo 2. Nós podemos obter um vetor 2 v
r
que é ortogonal a 1 v
r
tomando o componente de 2 u
r

que é ortogonal ao espaço W
1
gerado por 1 v
r
. Para isto nós usamos a seguinte formula:

2 v
r
= 2 u
r

1
W proj 2 u
r
= 2 u
r

2
.
1
1 2
v
v u
r
r r
. 1 v
r
(01C)

Observe que 2 v
r
≠ 0, pois se 2 v
r
= 0 então 2 v
r
não seria um vetor de base e isto significaria que
2 u
r
é um multiplo de 1 u
r
, o que contradiz a independência linear da base S = { } n u u u
r r r
,..., , 2 1 .

Passo 3. Para construir um vetor 3 v
r
que é ortogonal a ambos 1 v
r
e 2 v
r
, calculamos o
componente de 3 u
r
que é ortogonal ao espaço W
2
gerado por 1 v
r
e 2 v
r
. Logo, 3 v
r
será dado por:

3 v
r
= 3 u
r

2
W proj . 3 u
r
= 3 u
r

2
.
1
1 3
v
v u
r
r r
. 1 v
r

2
.
2
2 3
v
v u
r
r r
. 2 v
r
(02C)

Como no passo 2, a independência linear de { } n u u u
r r r
,..., , 2 1 garante que 3 v
r
≠ 0.

Passo 4: Para determinar um vetor 4 v
r
que é ortogonal a 1 v
r
, 2 v
r
e 3 v
r
, calculamos o
componente de 4 u
r
que é ortogonal ao espaço W
3
gerado por 1 v
r
, 2 v
r
e 3 v
r
. Teremos então:

4 v
r
= 4 u
r

3
W proj . 4 u
r
= 4 u
r

2
.
1
1 4
v
v u
r
r r
. 1 v
r

2
.
2
2 4
v
v u
r
r r
. 2 v
r

2
.
3
3 4
v
v u
r
r r
. 3 v
r
(03C)

Continuando desta maneira, nós iremos obter, depois de n passos, um conjunto
ortogonal de vetores { } n v v v
r r r
,..., , 2 1 . Como V tem dimensão n e conjuntos ortogonais são
linearmente independentes, o conjunto { } n v v v
r r r
,..., , 2 1 é uma base ortogonal de V.
18
§7. Referências Bibliográficas.

• CALLIOLI, CARLOS A. & outros Álgebra Linear e Aplicações. São Paulo, Atual,
7
ª
.edição, 2000;
• HOFFMAN, KENNETH & KUNZE, RAY Álgebra Linear. São Paulo, LTC, 1979;
• HOWARD, ANTON Álgebra Linear com Aplicações. Editora Bookman, 2001;
• KOLMAN, BERNARD Introdução à Álgebra Linear com Aplicações, JC Livros
Técnicos e Científicos Editora, 6º edição.
• LAY, DAVID C. Álgebra Linear e suas Aplicações. JC Livros Técnicos e
Científicos Editora, 2º edição;

19
ÍNDICE








§0. Introdução ................................................................................................................01


§1. Formas Quadráticas ................................................................................................01


§2. Diagonalização de Formas Quadráticas...................................................................02


§3. Cônicas.....................................................................................................................02


§4. Quádricas.................................................................................................................04


§5. Exercícios.................................................................................................................08


§6. Apêndices.................................................................................................................15
6.1. Apêndice A: Matrizes Ortogonais..................................................................15
6.2. Apêndice B: Diagonalizaçao de Matrizes Simétricas....................................16
6.3. Apêndice C: Processo de Gram-Schimidt.....................................................17


§7. Referências Bibliográficas .......................................................................................18




Estas são chamadas de cônicas não-degeneradas. b e c é não-nulo. Uma cônica está em sua posição padrão em relação aos eixos coordenados quando está centrada na origem e sua equação não possui termos cruzados ou ambos os termos (termo quadrado e seu respectivo termo linear) em sua equação. A equação (05) pode também ser escrita em sua forma matricial. através de uma matriz P. b.. obtemos: r r r r r r r r r r r x T. y = y T. x + w x + j = 0. 2 . e onde ax2 + 2bxy + cy2 representa sua forma quadrática associada. então estará transladada em relação a sua posição padrão. (04) ■ §3. hipérboles e parábolas. então estará rodada e transladada em relação a sua posição padrão. onde: (07) r  x x =  .P é uma matriz diagonal que contem em sua diagonal os autovalores de A. y )T.. y2.A. c) os dois itens anteriores simultaneamente. e assim representa-la com maior facilidade.  y   A=   a b r  .. a qual é chamada de equação quadrática em x e y.A. y onde D = PT. substituindo esta equação em x T. b) ambos os termos (x2 e x ou/e y2 e y). Através de uma mudança de variáveis podemos remover o produto misto de uma forma quadrática.. que é dada por: (06) r r r rT x . x2. Teorema 1: seja x T.A. Podemos reduzir a forma quadrática a uma soma de quadrados. Cônicas. w = (d  b c e) . x = (P. onde A r é simétrica. Se na equação de uma cônica encontrarmos: a) produto cruzado. .P. As cônicas mais importantes são: elipses. x uma forma quadrática nas variáveis x T = (x1.P.§2. considerando o teorema abaixo. .. y = y T.A. .PT. Diagonalização de Formas Quadráticas. então esta estará rodada em relação a sua posição padrão. yn) são r r r r definidas pela equação x = P y então.A. Uma cônica pode ser representada pela equação ax2 + 2bxy + cy2 + dx + ey + f = 0 (05) onde a.A.A. Se P diagonaliza A ortogonalmente e se as novas variáveis y T = (y1.D. x . (08) O gráfico de uma equação quadrática em x e y é chamada cônica ou seção cônica.. xn). f são números reais e pelo menos um dentre a.

2 2 + y c 2 2 = 1. 2 2 − y c 2 2 = 1. k ≠ 0. (10) y Figura 1. (11) Alem dos casos citados acima. λ2 = 0 Cônica Elipse ou um caso degenerado Hipérbole ou um caso degenerado Parábola ou um caso degenerado Tabela 1: classificação de cônicas através de seus autovalores.Equações de cônicas em suas posições padrão: x k Figura 1. Podemos colocar uma equação quadrática qualquer em sua posição padrão utilizando o método de completar quadrados. 3 .c ≠ 0. que pode ser: • • • um ponto ou o vazio (no caso da elipse).c: parábola (k>0). λ2 < 0 λ1.c ≠ 0. x + k x + j = 0). A classificação de uma cônica pode ser dada bastando conhecer os autovalores (ditos também valores próprios) da matriz A obtida da equação da cônica em sua forma matricial r r r ( x T. 2 = kx . (09) x k Figura 1. k.A.a: elipse (k>c). duas retas paralelas ou duas retas coincidentes (no caso da parábola).b: hipérbole. λ2 > 0 λ1. duas retas concorrentes (no caso da hipérbole). podemos também encontrar em cada cônica sua forma degenerada. Tal classificação pode ser dada da seguinte maneira: Autovalores λ1. k.

Teorema dos eixos principais em R2: seja ax2 + 2bxy + cy2 + dx + ey + f = 0 a equação de uma cônica C e seja (12) r rT 2 2 x . A rotação pode ser efetuada pela substituição (14) r r x = P. A classificação de uma quádrica pode ser dada conhecendo-se quantos autovalores da matriz A (obtida da equação da quádrica em sua forma matricial) são positivos. c  (18)  x r   x =  y . y e z e a expressão ax2 + by2 + cz2 + 2dxy + 2exz + 2fyz é chamada forma quadrática associada. (19) Os gráficos da equação quadrática em x.. é chamada uma equação quadrática em x. f não são todos nulos. b. Uma equação da forma ax2 + by2 + cz2 + 2dxy + 2exz + 2fyz + gx + hy + iz + j = 0 (15) ■ (16) onde a.. Assim como no caso das cônicas. Na tabela abaixo. x ’ onde P diagonaliza A ortogonalmente e det P = 1. . §4. z   d b f r K = (g h i ). x = ax + 2bxy + cy (13) a forma quadrática associada.A. Então os eixos coordenados podem ser girados (rotacionados) de tal modo que a equação de C no novo sistema x’y’ tem a forma λ1x’2 + λ2y’2 + d’x’ + e’y’ + f = 0 onde λ1 e λ2 são os autovalores de A. A equação no formato matricial é dada por: (17) (x onde y a  z)  d e  d b f e  f c   x    y  + (g z   a  A = d e   x r r   r r h i )  y  + j = x T. y e z são chamados quádricas ou superfícies quádricas. negativos ou nulos. Quádricas. os números entre parênteses seguem a seguinte configuração: 4 ..A. é a equação na forma padrão que nos da a forma mais simples de sua representação gráfica. x + K x + j = 0 z   e  f .

negativos e nulos respectivamente. (pos. 1) (1. 2 2 + y c 2 2 + z n 2 2 = 1.n ≠ 0. 0. 2. 2 2 − x k 2 2 − y c 2 2 = 1.c.(pos.c: hiperbolóide duas folhas.b: hiperbolóide de uma folha.c. (22) z n Figura 2. zer). 0. zer) (3. neg.c. 1) (1. 0) (2. 0. neg. k. k. Faça λ1 > 0. 0) (1. (21) x k Figura 2. k.n ≠ 0. 2) Quádricas básicas e suas equações padrão: Quádrica Elipsóide Hiperbolóide de uma folha Hiperbolóide de duas folhas Parabolóide elíptico Parabolóide hiperbólico Cilindro parabólico Tabela 2: classificação de quádricas através de seus autovalores. 1.a: elipsóide.n ≠ 0. x k Figura 2. 1. 2 2 + y c 2 2 − z n 2 2 = 1. (23) 5 . neg e zer são os números de autovalores positivos. (20) onde pos. 0) (2.

(25) z 2= ax + by com a ou b não nulo. z Figura 2. k.g: cone elíptico: um caso degenerado. z Figura 2. a > 0.d: parabolóide elíptico. 2 = x k 2 2 + y c 2 2 .f: cilindro parabólico de equação x2 = ay. (27) 6 . k.z = x k 2 2 + y c 2 2 . = y c 2 2 − x k 2 2 .c ≠ 0.c ≠ 0.c ≠ 0.e: parabolóide hiperbólico. (24) Figura 2. (26) Figura 2. k.

e teremos: • • • • seções paralelas ao plano YZ: parábolas (considerando x constante). O cálculo de autovalores. z = b3.g. seções paralelas ao plano XZ: parábolas (considerando y constante). A rotação pode ser efetuada pela substituição (30) r r x = P. Outras observações podem ser feitas. xz e yz) esta equação estará rodada em relação a sua posição padrão. x ’ onde P diagonaliza A ortogonalmente e det P = 1. (31) ■ 7 . Caso exista a presença em alguma equação de quádrica de um ou mais termos com produto misto (xy. Uma análise semelhante pode ser feita em relação a todas as quádricas acima. como a que segue abaixo. é um caso degenerado de um hiperbolóide de uma folha.A figura 2.A. Teorema dos eixos principais em R3: seja ax2 + by2 + cz2 + 2dxy + 2exz + 2fyz + gx + hy + iz + j = 0 a equação de uma quádrica Q e seja (28) r rT 2 2 2 x . b2. se x = y = z = 0 teremos ponto de sela ou de minimax da superfície. que representa um cone elíptico. seções paralelas ao plano XY: se z = 0 teremos duas linhas concorrentes na origem e para todo valor de z ≠ 0 teremos hipérboles (que acima de XY abrem na direção de y e abaixo de XY abrem na direção de x). b3 ∈ R). λ2 e λ3 são os autovalores de A. y = b2. autovetores e o método de completar quadrados leva-nos de uma quádrica transladada ou rodada (ou ambas) à sua forma padrão. Em relação ao parabolóide hiperbólico. A presença de um termo quadrado juntamente com seu termo linear na mesma equação nos diz que a quádrica foi transladada para fora de sua posição padrão. x = ax + by + cz + 2dxy + 2exz + 2fyz (29) a forma quadrática associada. (b1. Os eixos coordenados podem ser rodados de tal modo que a equação Q no sistema x’y’z’ tem a forma λ1x’2 + λ2y’2 + λ3z’2 + g’x’ + h’y’ + i’z’ + j = 0 onde λ1. façamos cortes x = b1.

Eliminaremos este termo da equação acima encontrando uma matriz P que diagonalize ortogonalmente a matriz A e que seja uma matriz de rotação.D. Calculo dos autovetores: 1º) associado a λ1 = 3 : r r (λI – A) v 1 = 0 r r ⇒ (3I – A) v 1 = 0 . 2.y + 14 = 0 Pode-se escrevê-la em sua forma matricial: (x onde e  2 − 2  x   x    + (− 4 − 8)   + 14 y)  − 2 − 1  y   y      = r r r X T.( – 2) = – 6 < 0. Encontraremos os autovalores através do polinômio característico dado por: (A – λI) X = 0 ⇔ r det(A – λI) = 0.A.§5. X + 14 r K = (− 4 − 8) = 0. Sabemos que o termo com produto misto rotaciona uma cônica.  y   r r X T. a equação nas variáveis x’y’. trata-se de uma hipérbole. a orientação dos eixos principais. determine sua classificação geométrica. Exercício 1: na equação da cônica abaixo. Sendo assim: λ1. r  2 − 2 X = − 2 − 1 .    r  x X =  .y – y2 – 4. det(A – λI) = 0 ⇒ λ −2 2 2 = (λ – 2). X representa a forma quadrática associada. e portanto. Exercícios. Temos que: D = P–1. 8 . r X T = (x y). sua equação padrão e faça também seu esboço.x. r pois X ≠ 0 por definição.A.x – 8.A.x2 – 4.P ⇔ A = P. a matriz de rotação. o centro de suas coordenadas. P–1 A matriz D é formada pelos autovalores de A e a matriz P por seus autovetores associados.λ2 = 3.(λ + 1) – 4 = λ2 – λ – 6 = 0 λ +1 λ2 – λ – 6 = 0 é o polinômio característico e suas raízes (λ1 = 3 e λ2 = – 2) nos dão os autovalores da matriz A. X + K. Pode-se classificar a cônica utilizando o método descrito pela tabela 1.

Neste r r r r caso.(1. variável livre: t. 2 r 1 1 v 2 = ( t.    Atentemos ao fato de que v 1 e v 2 representam a orientação dos eixos principais da cônica.( .  5 2  .PT ≠ I. obtemos que: s + 2. basta tornarmos os vetores de P unitários.     Da ultima matriz obtemos que: – 4s + 2. 2   5 Logo: Verificando a ortogonalidade de PB.t.PT = I ou PT.t = 0 ⇒ s = –2. v 2 = 0).5 L1  − 4 2 0       2 − 1 0      →  0 0 0  . 9 . 2 2 Basta agora dispormos os vetores v 1 e v 2 encontrados como colunas dentro da matriz P: P=   r r − 2 1  . PBT = PBT. Dizemos então que PB diagonaliza ortogonalmente a matriz A. Verificando veremos que P. t) = t. PB = I.(–2. r r Normalizando v 1 e v 2 teremos: −2 r r r r v a = v 1 / | v 1| ⇒ v a =    5  1 r r r r v b = v 2 / | v 2| ⇒ v b =    5 1  . veremos que PB.t. r r  − 4 2 0  L 2← L 2+0. Da ultima matriz (dita matriz escalonada). 2). pois v 1 e v 2 já são ortogonais ( v 1. para uma matriz diagonal D =   1 2 r r 3 0   0 − 2 . Se P é ortogonal.  5 −2  PB =  5  1   5 1   5 .     grau de liberdade = nº de variáveis – posto = 2 – 1 = 1. 1) = k. Portanto. 1) 2º) associado a λ2 = – 2: (λI – A) v 2 = 0 ⇒ (–2I – A) v 2 = 0. Logo: r v 1 = (–2.t = 0 ⇒ s = Logo: 1 . 1 2 0  L 2← L 2−2L1  1 2 0        2 4 0      →  0 2 0  . t) = t. temos uma variável livre: t.t.P = I. então P.

Pc é uma matriz de rotação. utilizaremos o método de completar quadrados (o que irá “eliminar” a presença na equação do termo linear x’).PC.(DC).(PCT. Neste caso. para que P seja uma matriz de rotação. DC = PCT.   0 3 r r X = PC.Verificando. X ’)T. X + K .x’2 + 20 x’ – 3. C 1   5 Portanto. nossa nova matriz diagonal será dada por: DC =   − 2 0 .x’2 + 20 5 x’ – 3.A.y’2 – 14 = 0 ⇒ [( x’ + 5 5 )2 ÷ 12] − [( y’ − 0)2 ÷ 8] = 1 10 .y’2 – 14 = 0   1   y'  5    5 Nesta última equação não existe a presença de termos cruzados. X ’ + K . Observação: ao invertermos as posições das colunas de PB. X ’ + K . X ’ + 14 = 0 r r r r ⇒ r r r r X ’T.PC.PC.PC. Calculando X ’T. Para que fique em sua forma padrão. alem de ortogonal temos que det PB = 1.PC. X ’ + 14 = 0 teremos: r r r ( x'    − 2 0   x'   y ')   0 3   y '  + (− 4 − 8)         1 5 2 5 −2  5   x'  + 14 = 2.(x’2 + 10 5 x’) = 2. permutamos as colunas de PB e assim satizfaremos a igualdade.( x’ + 5 5 )2 – 10. X ’ + K. X ’ + K .( x’2 + 10 5 x’ + ( 5 5 )2 – ( 5 5 )2 ) = 2. Portanto: 2. X + 14 = 0 ⇒ (PC. X ’ + 14 = 0 onde: ⇒ r r r r X ’T.Mas. Logo: Podemos então fazer a seguinte mudança de variável: r r r r X T.A.x’2 + 20 5 x’ = 2. Sendo assim:   PC =     1 5 2 5 −2  5  e det P = 1.PC. X ’. Completando quadrados: 2. veremos que det PB = –1 ≠ 1. X ’ + 14 = 0.(DC).PC).A.A.

y + 2. determine sua classificação geométrica.x – 6. o centro de suas coordenadas e sua equação padrão.x.x. Precisamos então de uma matriz P que diagonalize a matriz A ortogonalmente. Exercício 2: na equação da quádrica abaixo. Segue abaixo um esboço da cônica: Figura 6. Já a presença do produto misto nos diz que a quádrica foi rotacionada. 2. . a matriz de rotação.a: esboço.A equação acima esta em sua forma padrão e centrada em  − 5 .y.y – 4. −λ 11 .z – 6. a orientação dos eixos principais. Como não há o termo quadrado juntamente com os termos lineares sabemos que esta quadrica está centrada na origem. que nos é familiar. Cálculo dos autovalores: det(A – λI) = 0 ⇒ −λ 1 1 1 1 1 = 0 −λ 1 ⇒ λ3 – 3λ – 2 = 0. X + 9 = 0.0  e representa   5   uma hipérbole. a equação nas variáveis x’y’z’. X + K .z + 2.z = 0 Sua forma matricial é dada por: (x y 0 1 1  x   x      z )  1 0 1   y  + (− 6 − 6 − 4)  y  + 9 = 1 1 0  z  z      r r r r X T. pois assim eliminaremos os termos com produto misto e teremos a equação em sua forma padrão.A.

Chamaremos: r v 1 = (–1. v 3 = 0. Cálculo dos autovetores: 1º) associado a λ1 = –1: r r r r (A – λI) v = 0 ⇒ (A + I) v = 0 . 12 .x + z + z = 0 ⇒ x = z. 0) + z. Utilizamos a tabela e verificamos que trata-se da equação de uma hipérbole de duas folhas. 0  variável livre: z.5L1  − 2 L3←L3+0. 1. variáveis livres: y e z. não podem formar a matriz P. r r v 2. v 2 e v 3. 1) r r r Em posse dos vetores v 1. Logo: r v A = (– y – z. pode-se verificar que eles são linearmente independentes.(–1. sendo assim. v 2 = 1 ≠ 0. z) = z.x + y + z = 0 Logo: ⇒ – 2.A solução do polinômio característico λ3 – 3λ – 2 = 0 nos da os autovalores: λ1 = –1 (com multiplicidade 2) e λ2 = 2. 1. r v 3 = (z. A classificação da quádrica pode ser dada pela tabela 2. pois temos um autovalor negativo e dois positivos. (A – λI) v = 0 r r − 2 1 1 0    1 − 2 1 0  1 1 − 2 0   • • • L2←L2+0. y. r r v 1. z) = y. 0). 1). equação 2: − 3 2 y + 3 z = 0 ⇒ y = z. Em contrapartida. 0. Observe que λ1 nos forneceu dois vetores L. Veja: r r v 1.   0 0 0 0   1 1 1 0 Da última matriz (dita matriz escalonada). v 3 = 0.I. r r ⇒ (A – 2I) v = 0 .(1. observa-se que estes vetores não são ortogonais entre si e. retiramos que: x + y + z = 0 ⇒ x = – y – z. 0.(–1. 1. 1 1 1 0    1 1 1 0  1 1 1 0    L 2← L 2− L1  L 3← L 3− L1         →  0 0 0 0  .5L1  →   0   0  1 −3 1 3 2 2 3 −3 2 2 0  0  0     →  L3← L3+ L2  − 2  0  0  1 −3 0 2 1 3 2 0 0  0 . 2 equação 1: – 2. 1). o que equivale a um autovalor positivo e dois negativos. 2º) associado a λ2 = 2: r v 2 = (–1. z.

precisa-se que: − 1 − 0.Utiliza-se então o processo de ortogonalização de Gran-Schimidt (ver apêndice c): 1º passo: r r w 1 = v 1. −0.w1 r r r r r . w3 = 0. −0. 1. veremos que: 3º passo: r r r r v 3. w1 = 2.5 1 1 − 0. veremos que: Portanto w1 . 1). r r r r w2 .w1 r v 3.5. 1. 1) = 0. w 2 ) = (1.5. r r w3 = v 3 . 0 1 1 13 . 1) − [(1)(−1. w1 ) = 0. Portanto: Verificando. 0) ÷ 2] = (−0. w2 = 0.5.5.w2 r r r r r r . Logo: r w2 = (−1. r r r  − 1 − 0. Mas. Calculando: r r r 2 r r w1 = w1 . 1). r w2 = (−0. 2º passo: r r v 2.  0 0 2   det P = 1. w1 ) = 1. w1 − . Verificando.5 1   P =  1 − 0. −0.5 1 . w3 = 0 e w1 . 0. Logo: ( v 3 . w2 w3 = v 3 − projW1 v 3 − projW2 . 1). (−0. 0 1 1    −1 0 0   D =  0 −1 0 .5. para que P seja uma matriz de rotação. w2 e w3 são ortogonais entre si e formam a matriz P. w1 w2 = v 2 − projW1 v 2 = v 2 − r 2 w1 ( v 2 .5.5 1 = 3 ≠ 1. v 3 = v 3 − r 2 r 2 w1 w2 r r r r Calculando: ( v 3 . r r w1 .

(PB. X + K . X ’)T. r r r Normalizando w1 . Deve-se observar se os vetores da matriz P estão normalizados. r wC = (1÷ 3 .5 y ' z ')  0 − 1 0   y '  + (− 6 − 6 − 4)  1 −1   0 0 2   z'  2 2 1.PB.5 de 1   3 1  . X ’. (PB)T. X ’ + K . X ’ + K .5       0  1 1. 3 1   3 rotação e det PB = 1.Note que det P ≠ ±1. Fazendo a mudança de variáveis: teremos: r r X = PB.A. 1÷ 3 ) Logo:     PB =      Portanto PB é uma Verificando. −1÷(2. r wB = [−1÷(2.5 −1 2 1.(PBT. 1÷ 3 . PB = PB.veremos que: −1 2 1 2 0 −1 2 1.5) = 1 Esta é a equação de uma hipérbole de duas folhas.5 1 1. w2 e w3 . X ’ + 9 = 0 Calculando: ⇒  r r r r X ’T.5 ].PB. X ’ + K . 14 . 1.5 ⇒ ⇒ x’2 + y’2 − 2z’2 − 2 1.A. X ’ + 9 = 0 1  x'   3   1   y'  + 9 = 0  3   z'    1   3 (x ' −1  −1  − 1 0 0   x'      2 2 1.D.PB).5 ). matriz e diagonaliza A ortogonalmente. X ’ + 9 = 0 r r r r X T. 0). como foi visto na classificação pelos autovalores.5 ).(PB)T = I. 1÷ 2 . 1. teremos: − x’’2 − y’’2 + (z'’2 ÷ 0.PB.5 y’ + 16 3 z’ − 9 = 0 Após completar quadrados. teremos: • • • r wA = (−1÷ 2 .A. X + 9 = 0 ⇒ r r r r ⇒ r r r r X ’T.PB. 1÷ 1.

r r r r r r r r r 15 .§6. ou seja: A-1 = AT Decorre desta definição que: A é ortogonal ⇔ AT. Apêndice A: MATRIZES ORTOGONAIS Definição: seja A uma matriz quadrada nxn. Temos que: a) a inversa A-1 existe e também é ortogonal. se k = j (05A) Teorema 1: seja A uma matriz quadrada. Um exemplo de matriz ortogonal é uma matriz de rotação R=    cos θ  senθ − senθ   cos θ   (03A) que..R = R. por se tratar de uma matriz ortogonal.AT = I (02A) (01A) Lembre-se que. un} se diz ortonormal se. As seguintes afirmações são equivalentes: a) A é ortogonal.1. obedecerá: RT. A preserva o produto interno euclidiano de vetores. y ∈ RN. como colunas. b) det A = ± 1.uj> =  (04A) 0. y >. e somente se: <uk. d) ||A x || = || x ||..A y = < x .RT = I Definição: um conjunto S = {u1. c) A x .. b) as linhas (ou colunas) de A formam um conjunto ortonormal de vetores de RN em relação ao produto interno euclidiano (produto escalar).A = I ou A. Apêndices. ou seja. o produto A. se k ≠ j 1. u2. ∀ x . em ordem. Esta matriz é dita ortogonal se a sua inversa for igual a sua transposta. 6. a transposta de uma matriz A (AT) é obtida escrevendo-se as linhas de A. ∀ x ∈ RN. c) considerando B uma matriz nxn ortogonal. . Teorema 2: seja A uma matriz nxn ortogonal.B também será uma matriz ortogonal.

b) autovetores associados a autovalores distintos são ortogonais. uma matriz A = [akj] é simétrica se. b) A tem um conjunto ortonormal de n autovetores.2. Definição 2: seja uma matriz A de tamanho nxn e D uma matriz nxn diagonal. e somente se. Apêndice B: DIAGONALIZAÇÃO DE MATRIZES SIMÉTRICAS Definição 1: uma matriz quadrada A é chamada simétrica se AT = A. Teorema 1: se A é simétrica então A é diagonalizável. 16 . então dizemos que A é diagonalizável ortogonalmente. Teorema 2: se A é uma matriz nxn.A. Ou seja. Se existir uma matriz ortogonal P que diagonaliza A (D = PT. Teorema 3: se A é uma matriz simétrica . então as afirmações seguintes são equivalentes: a) A é simétrica. c) A é ortogonalmente diagonalizável. então: a) os autovalores de A são reais.6.P). para todos os valores de k e j. akj = ajk.

v 3 r r r r r . v 3 será dado por: r r r r r r r u 3.. A prova deste teorema pode ser feita de forma a nos fornecer um algoritmo para converter uma base arbitrária numa base ortogonal. Este algoritmo é dito também processo de Gram-Schmidt para obtenção de uma base ortogonal.v 2 r r r r r . calculamos o r r r r componente de u 4 que é ortogonal ao espaço W 3 gerado por v 1 . Para isto nós usamos a seguinte formula: r r r r r r r u 2..... u 2. Nós podemos obter um vetor v 2 que é ortogonal a v 1 tomando o componente de u 2 r que é ortogonal ao espaço W 1 gerado por v 1 .v 1 r r r r r . Apêndice C: PROCESSO DE GRAM-SCHMIDT Teorema: cada espaço vetorial não-nulo de dimensão finita possui uma base ortonormal. Como V tem dimensão n e conjuntos ortogonais são r r r 17 .. v 2. v3 v 4 = u 4 − projW3 ... u 2. Prova.. um conjunto r r r ortogonal de vetores {v 1. A seguinte seqüência de passos irá produzir uma base ortogonal {v 1.v 1 r u 4. depois de n passos. Passo 3. v 2.. v n}. a independência linear de {u 1. calculamos o r r r r componente de u 3 que é ortogonal ao espaço W 2 gerado por v 1 e v 2 .v 2 r u 4.... pois os vetores da base ortogonal podem ser normalizados para produzir uma base r r r ortonormal de V.v2 v 3 = u 3 − projW2 . r Passo 4: Para determinar um vetor v 4 que é ortogonal a v 1 .. Passo 2. u n} garante que (02C) r r r r v 3 ≠ 0.. u 2.. É suficiente mostrar que V tem uma base ortogonal. v 2 e v 3 . Para construir um vetor v 3 que é ortogonal a ambos v 1 e v 2 . v n} é uma base ortogonal de V.. Passo 1.3. Seja V um espaço vetorial não-nulo de dimensão finita com produto interno e r r r suponha que {u 1.v 1 r u 3.v2 − . v 2 e v 3 . pois se v 2 = 0 então v 2 não seria um vetor de base e isto significaria que r r r r r u 2 é um multiplo de u 1 . u n} é uma base de V.. o conjunto {v 1. u 4 = u 4 − r 2 r 2 r 2 v1 v2 v3 (03C) linearmente independentes. u 3 = u 3 − r 2 r 2 v1 v2 Como no passo 2.... v1 − .. nós iremos obter.6. v1 − ... u n}. Teremos então: r r r r r r r r r u 4. v 2. Faça v 1 = u 1 . Logo. v n} de V. o que contradiz a independência linear da base S = {u 1. Continuando desta maneira. v1 v 2 = u 2 − projW1 u 2 = u 2 − r 2 v1 r r r (01C) Observe que v 2 ≠ 0.

DAVID C. Atual. LAY. KENNETH & KUNZE.edição. 7ª. 6º edição. JC Livros Técnicos e Científicos Editora. 2000. JC Livros Técnicos e Científicos Editora. BERNARD Introdução à Álgebra Linear com Aplicações. São Paulo. Álgebra Linear e suas Aplicações. 2º edição.§7. RAY Álgebra Linear. Referências Bibliográficas. São Paulo. 2001. ANTON Álgebra Linear com Aplicações. HOWARD. & outros Álgebra Linear e Aplicações. • • • • • CALLIOLI. Editora Bookman. CARLOS A. KOLMAN. HOFFMAN. LTC. 1979. 18 .

Apêndice B: Diagonalizaçao de Matrizes Simétricas................1....01 §2.............................. Formas Quadráticas .......................................................................15 6................................................................18 19 ..17 §7.....02 §3....................... Quádricas....................................................................................................................ÍNDICE §0................................... Exercícios........... Diagonalização de Formas Quadráticas............04 §5..........08 §6............................... Cônicas........2......................................... Apêndices.........................................................16 6............................. Introdução ..................................01 §1.....................................................................3.............................................................................................................................................. Referências Bibliográficas ............................15 6........02 §4........................... Apêndice C: Processo de Gram-Schimidt................................................................................................................. Apêndice A: Matrizes Ortogonais..