Escolar Documentos
Profissional Documentos
Cultura Documentos
GEOMETRIA ANAL
ITICA E
ALGEBRA LINEAR
Reginaldo J. Santos
Departamento de Matem atica-ICEx
Universidade Federal de Minas Gerais
http://www.mat.ufmg.br/regi
Julho 2009
Um Curso de Geometria Analtica e
Algebra Linear
Copyright c 2009 by Reginaldo de Jesus Santos (090817)
E proibida a reproduc ao desta publicac ao, ou parte dela, por qualquer meio, sem a pr evia
autorizac ao, por escrito, do autor.
Editor, Coordenador de Revis ao, Supervisor de Produc ao, Capa e Ilustrac oes:
Reginaldo J. Santos
ISBN 85-7470-006-1
Ficha Catalogr aca
Santos, Reginaldo J.
S237u Um Curso de Geometria Analtica e
Algebra Linear / Reginaldo J. Santos
- Belo Horizonte: Imprensa Universit aria da UFMG, 2009.
1.
Algebra Linear 2. Geometria Analtica I. Ttulo
CDD: 512.5
516.3
Conte udo
Pref acio vii
1 Matrizes e Sistemas Lineares 1
1.1 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Operac oes com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Propriedades da
Algebra Matricial . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.3 Aplicac ao: Cadeias de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Ap endice I: Notac ao de Somat orio . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.2 Sistemas de Equac oes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.2.1 M etodo de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.2.2 Matrizes Equivalentes por Linhas . . . . . . . . . . . . . . . . . . . . . . . . 49
1.2.3 Sistemas Lineares Homog eneos . . . . . . . . . . . . . . . . . . . . . . . . . 51
1.2.4 Matrizes Elementares (opcional) . . . . . . . . . . . . . . . . . . . . . . . . . 55
iii
iv Conte udo
2 Invers ao de Matrizes e Determinantes 75
2.1 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
2.1.1 Propriedades da Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.1.2 Matrizes Elementares e Invers ao (opcional) . . . . . . . . . . . . . . . . . . . 80
2.1.3 M etodo para Invers ao de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . 83
2.1.4 Aplicac ao: Interpolac ao Polinomial . . . . . . . . . . . . . . . . . . . . . . . . 94
2.1.5 Aplicac ao: Criptograa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
2.2 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
2.2.1 Propriedades do Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . 111
2.2.2 Matrizes Elementares e o Determinante (opcional) . . . . . . . . . . . . . . . 126
Ap endice II: Demonstrac ao do Teorema 2.11 . . . . . . . . . . . . . . . . . . . . . . 133
3 Vetores no Plano e no Espac o 139
3.1 Soma de Vetores e Multiplicac ao por Escalar . . . . . . . . . . . . . . . . . . . . . . 141
3.2 Produtos de Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
3.2.1 Norma e Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
3.2.2 Projec ao Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
3.2.3 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
3.2.4 Produto Misto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
Ap endice III: Demonstrac ao do item (e) do Teorema 3.5 . . . . . . . . . . . . . . . . 210
4 Retas e Planos 213
4.1 Equac oes de Retas e Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
4.1.1 Equac oes do Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
4.1.2 Equac oes da Reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
4.2
Angulos e Dist ancias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Conte udo v
4.2.1
Angulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
4.2.2 Dist ancias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
5 Espac os
278
5.1 Independ encia Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
5.1.1 Os Espacos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
5.1.2 Combinac ao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
5.1.3 Independ encia Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
5.1.4 Posic oes Relativas de Retas e Planos . . . . . . . . . . . . . . . . . . . . . . 299
5.2 Subespacos, Base e Dimens ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
Ap endice IV: Outros Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
5.3 Produto Escalar em
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
5.3.1 Produto Interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
5.3.2 Bases Ortogonais e Ortonormais . . . . . . . . . . . . . . . . . . . . . . . . 351
5.4 Mudanca de Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359
5.4.1 Rotac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
5.4.2 Translac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 367
5.4.3 Aplicac ao: Computac ao Gr aca - Projec ao Ortogr aca . . . . . . . . . . . . . 370
6 Diagonalizac ao 382
6.1 Diagonalizac ao de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382
6.1.1 Motivac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382
6.1.2 Autovalores e Autovetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385
6.1.3 Diagonalizac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 394
6.2 Diagonalizac ao de Matrizes Sim etricas . . . . . . . . . . . . . . . . . . . . . . . . . 414
6.2.1 Motivac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 414
Julho 2009 Reginaldo J. Santos
vi Conte udo
6.2.2 Matrizes Ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 417
Ap endice V: Autovalores Complexos . . . . . . . . . . . . . . . . . . . . . . . . . . . 428
6.3 Aplicac ao: Identicac ao de C onicas . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
6.3.1 Elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
6.3.2 Hip erbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439
6.3.3 Par abola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 446
Respostas dos Exerccios 474
Bibliograa 656
MATLAB
2
e
3
. Aqui s ao estudadas as posic oes relativas de retas e planos como uma aplicac ao do conceito
de depend encia linear. S ao tamb em tratados os conceitos de geradores e de base de subespacos.
S ao abordados tamb emo produto escalar e bases ortonormais. OCaptulo e terminado commudanca
de coordenadas preparando para o Captulo de diagonalizac ao.
O Captulo 6 traz um estudo da diagonalizac ao de matrizes em geral e diagonalizac ao de matrizes
sim etricas atrav es de um matriz ortogonal.
E feita uma aplicac ao ao estudo das sec oes c onicas.
Os exerccios est ao agrupados em tr es classes. Os Exerccios Num ericos, que cont em
exerccios que s ao resolvidos fazendo c alculos, que podem ser realizados sem a ajuda de um com-
putador ou de uma m aquina de calcular. Os Exerccios Te oricos, que cont em exerccios que reque-
rem demonstrac oes. Alguns s ao simples, outros s ao mais complexos. Os mais difceis complemen-
tam a teoria e geralmente s ao acompanhados de sugest oes. Os Exerccios usando o MATLAB
,
que cont em exerccios para serem resolvidos usando o MATLAB
= MATrix LABo-
ratory). Os comandos do MATLAB
est ao resolvidos ap os
o ultimo captulo utilizando o MATLAB
e do pacote
gaal.
Gostaria de agradecer aos professores que colaboraram apresentando correc oes, crticas e su-
gest oes, entre eles Joana Darc A. S. da Cruz, Francisco Dutenhefner, Jorge Sabatucci, Seme Gebara,
Alexandre Washington, Vivaldo R. Filho, Hamilton P. Bueno, Paulo A. F. Machado, Helder C. Rodri-
gues, Nikolai A. Goussevskii, Israel Vainsencher, Leopoldo G. Fernandes, Rodney J. Biezuner, Wilson
D. Barbosa, Flaviana A. Ribeiro, Cristina Marques, Rog erio S. Mol, Denise Burgarelli, Paulo C. de
Lima, Jos e Barbosa Gomes, Francisco Satuf, Viktor Beckkert, Moacir G. dos Anjos, Daniel C. de Mo-
rais Filho, Michel Spira, Dan Avritzer, Maria Laura M. Gomes, Armando Neves e Maria Cristina C.
Ferreira.
Hist orico
Julho 2009 Reginaldo J. Santos
x Pref acio
Julho 2009 Algumas correc oes. V arias guras foram refeitas.
Julho 2007 Algumas correc oes. As respostas de alguns exerccios foram reescritas.
Marc o 2007 V arias guras foram refeitas e outras acrescentadas. Foram reescritos o Exemplo 3.12 e
o Corol ario 3.10. Na sec ao 5.2 um exemplo foi reescrito e acrescentado mais um. Os Exemplos
5.25 e 5.26 foram reescritos, saram do ap endice e voltaram ao texto normal. A sec ao 5.4 de
Mudanca de Coordenadas foi reescrita e acrescentada uma aplicac ao ` a computac ao gr aca.
Foram acrescentados dois exerccios na sec ao de Matrizes, um na de Invers ao de Matrizes, um
na sec ao de Determinantes, dois na de Produto de Vetores, um na de Subespacos, um na de
Produto Escalar em
foi re-
escrita. A sec ao Diagonalizac ao de Matrizes ganhou mais dois exerccios te oricos. A sec ao
Diagonalizac ao de Matrizes Sim etricas ganhou um ap endice sobre Autovalores Complexos.
Novembro 2002 V arias correc oes incluindo respostas de exerccios. A sec ao Subespacos, Base
e Dimens ao ganhou mais um exemplo e um exerccio. A sec ao Diagonalizac ao de Matrizes
Sim etricas ganhou mais um exemplo.
Julho 2001 Revis ao completa no texto. Novos exerccios nas sec oes Matrizes e Sistemas Lineares.
As sec oes Subespacos e Base e Dimens ao tornaram-se uma s o. A sec ao Mudanca de
Coordenadas passou do Captulo 6 para o Captulo 5.
Julho 2000 Criado a partir do texto Geometria Analtica e
Algebra Linear para ser usado numa
disciplina de Geometria Analtica e
Algebra Linear.
Sugest ao de Cronograma
Julho 2009 Reginaldo J. Santos
xii Pref acio
Captulo 1 8 aulas
Captulo 2 8 aulas
Captulo 3 8 aulas
Captulo 4 8 aulas
Captulo 5 16 (12) aulas
Captulo 6 12 aulas
Total 60 (56) aulas
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1
Matrizes e Sistemas Lineares
1.1 Matrizes
Uma matriz , (por ), e uma tabela de n umeros dispostos emlinhas e colunas
=
11
12
. . .
1
21
22
. . .
2
.
.
. . . .
.
.
.
1
2
. . .
.
A - esima linha de e
_
1
2
. . .
,
1
2 Matrizes e Sistemas Lineares
para = 1, . . . , e a - esima coluna de e
2
.
.
.
,
para = 1, . . . , . Usamos tamb em a notac ao = (
. Dizemos que
ou []
e o elemento
ou a entrada de posic ao , da matriz .
Se = , dizemos que e uma matriz quadrada de ordem e os elementos
11
,
22
, . . . ,
, =
1
4
3
e =
_
3
.
As matrizes e s ao 2 2. A matriz e 2 3, e 1 3, e 3 1 e e 1 1. De acordo
com a notac ao que introduzimos, exemplos de elementos de algumas das matrizes dadas acima s ao
12
= 2,
23
= 2,
21
= 4, []
22
= 4, []
12
= 3.
Uma matriz que s o possui uma linha e chamada matriz linha, e uma matriz que s o possui uma
coluna e chamada matriz coluna, No Exemplo 1.1 a matriz e uma matriz linha e a matriz e uma
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.1 Matrizes 3
matriz coluna. Matrizes linha e matrizes coluna s ao chamadas de vetores. O motivo car a claro na
Sec ao 5.1 na p agina 278.
Dizemos que duas matrizes s ao iguais se elas t em o mesmo tamanho e os elementos correspon-
dentes s ao iguais, ou seja, = (
e = (
s ao iguais se = , = e
para = 1, . . . , e = 1, . . . , .
Vamos denir operac oes matriciais an alogas ` as operac oes com n umeros e provar propriedades
que s ao v alidas para essas operac oes. Veremos, mais tarde, que um sistema de equac oes lineares
pode ser escrito em termos de uma unica equac ao matricial.
Vamos, agora, introduzir as operac oes matriciais.
1.1.1 Operac oes com Matrizes
Denic ao 1.1. A soma de duas matrizes de mesmo tamanho = (
e = (
e
denida como sendo a matriz
= +
obtida somando-se os elementos correspondentes de e , ou seja,
,
para = 1, . . . , e = 1, . . . , . Escrevemos tamb em [ +]
.
Julho 2009 Reginaldo J. Santos
4 Matrizes e Sistemas Lineares
Exemplo 1.2. Considere as matrizes:
=
_
1 2 3
3 4 0
_
, =
_
2 1 5
0 3 4
_
Se chamamos de a soma das duas matrizes e , ent ao
= + =
_
1 + (2) 2 + 1 3 + 5
3 + 0 4 + 3 0 + (4)
_
=
_
1 3 2
3 7 4
_
Denic ao 1.2. A multiplicac ao de uma matriz = (
,
para = 1, . . . , e = 1, . . . , . Escrevemos tamb em []
2 1
0 3
5 4
(3)(2) (3) 1
(3) 0 (3) 3
(3) 5 (3)(4)
6 3
0 9
15 12
.
Denic ao 1.3. O produto de duas matrizes, tais que o n umero de colunas da primeira matriz e
igual ao n umero de linhas da segunda, = (
e = (
=
1
1
+
2
2
+. . . +
, (1.1)
para = 1, . . . , e = 1, . . . , . Escrevemos tamb em []
=
1
1
+
2
2
+. . . +
.
A equac ao (1.1) est a dizendo que o elemento , do produto e igual ` a soma dos produtos dos
elementos da - esima linha de pelos elementos correspondentes da - esima coluna de .
Julho 2009 Reginaldo J. Santos
6 Matrizes e Sistemas Lineares
11
. . .
1
.
.
.
.
.
.
1
. . .
11
12
. . .
1
.
.
. . . .
.
.
.
1
2
. . .
.
.
. . . .
.
.
.
1
2
. . .
11
21
.
.
.
1
. . .
. . .
. . .
. . .
2
.
.
.
. . .
. . .
. . .
. . .
2
.
.
.
A equac ao (1.1) pode ser escrita de forma compacta usando a notac ao de somat orio.
[]
=
1
1
+
2
2
+. . . +
=1
. O smbolo
=1
signica que estamos fazendo
uma soma em que o ndice est a variando de = 1 at e = . Algumas propriedades da notac ao
de somat orio est ao explicadas no Ap endice I na p agina 32.
Exemplo 1.4. Considere as matrizes:
=
_
1 2 3
3 4 0
_
, =
2 1 0
0 3 0
5 4 0
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.1 Matrizes 7
Se chamamos de o produto das duas matrizes e , ent ao
= =
_
1 (2) + 2 0 + (3) 5 1 1 + 2 3 + (3) (4) 0
3 (2) + 4 0 + 0 5 3 1 + 4 3 + 0 (4) 0
_
=
_
17 19 0
6 15 0
_
.
Observac ao. No exemplo anterior o produto n ao est a denido (por que?). Entretanto, mesmo
quando ele est a denido, pode n ao ser igual a , ou seja, o produto de matrizes n ao e comu-
tativo, como mostra o exemplo seguinte.
Exemplo 1.5. Sejam =
_
1 2
3 4
_
e =
_
2 1
0 3
_
. Ent ao,
=
_
2 7
6 15
_
e =
_
1 0
9 12
_
.
Vamos ver no pr oximo exemplo como as matrizes podem ser usadas para descrever quantitativa-
mente um processo de produc ao.
Exemplo 1.6. Uma ind ustria produz tr es produtos, X, Y e Z, utilizando dois tipos de insumo, A e B.
Para a manufatura de cada kg de X s ao utilizados 1 grama do insumo A e 2 gramas do insumo B;
para cada kg de Y, 1 grama de insumo A e 1 grama de insumo B e, para cada kg de Z, 1 grama de
Julho 2009 Reginaldo J. Santos
8 Matrizes e Sistemas Lineares
A e 4 gramas de B. Usando matrizes podemos determinar quantos gramas dos insumos A e B s ao
necess arios na produc ao de kg do produto X, kg do produto Y e kg do produto Z.
X Y Z
gramas de A/kg
gramas de B/kg
_
1 1 1
2 1 4
_
= =
kg de X produzidos
kg de Y produzidos
kg de Z produzidos
=
_
+ +
2 + + 4
_
gramas de A usados
gramas de B usados
Denic ao 1.4. A transposta de uma matriz = (
,
para = 1, . . . , e = 1, . . . , . Escrevemos tamb em [
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.1 Matrizes 9
Exemplo 1.7. As transpostas das matrizes
=
_
1 2
3 4
_
, =
_
2 1
0 3
_
e =
_
1 3 0
2 4 2
_
s ao
=
_
1 3
2 4
_
,
=
_
2 0
1 3
_
e
1 2
3 4
0 2
.
A seguir, mostraremos as propriedades que s ao v alidas para a algebra matricial. V arias proprie-
dades s ao semelhantes ` aquelas que s ao v alidas para os n umeros reais, mas deve-se tomar cuidado
com as diferencas. Uma propriedade importante que e v alida para os n umeros reais, mas n ao e
v alida para as matrizes e a comutatividade do produto, como foi mostrado no Exemplo 1.5. Por ser
compacta, usaremos a notac ao de somat orio na demonstrac ao de v arias propriedades. Algumas
propriedades desta notac ao est ao explicadas no Ap endice I na p agina 32.
1.1.2 Propriedades da
Algebra Matricial
Teorema 1.1. Sejam , e matrizes com tamanhos apropriados, e escalares. S ao v alidas as
seguintes propriedades para as operac oes matriciais:
(a) (comutatividade) + = +;
(b) (associatividade) + ( +) = ( +) +;
Julho 2009 Reginaldo J. Santos
10 Matrizes e Sistemas Lineares
(c) (elemento neutro) A matriz
0, , denida por [
0]
= 0, para = 1, . . . , , = 1, . . . , e
tal que
+
0 = ,
para toda matriz , . A matriz
0 e chamada matriz nula .
(d) (elemento sim etrico) Para cada matriz , existe uma unica matriz , denida por []
tal que
+ () =
0.
(e) (associatividade) () = ();
(f) (distributividade) ( +) = +;
(g) (distributividade) ( +) = +;
(h) (associatividade) () = ();
(i) (elemento neutro) Para cada inteiro positivo a matriz, ,
1 0 . . . 0
0 1 . . . 0
.
.
.
.
.
.
.
.
.
0 0 . . . 1
,
chamada matriz identidade e tal que
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.1 Matrizes 11
(j) (distributividade) ( +) = + e ( +) = +;
(k) () = () = ();
(l) (
= ;
(m) ( +)
;
(n) ()
;
(o) ()
;
Demonstrac ao. Para provar as igualdades acima, devemos mostrar que os elementos da matriz do
lado esquerdo s ao iguais aos elementos correspondentes da matriz do lado direito. Ser ao usadas
v arias propriedades dos n umeros sem cit a-las explicitamente.
(a) [ +]
= [ +]
;
(b) [+ ( +)]
+ [ +]
+ (
) = (
) +
= [+]
=
[( +) +]
;
(c) Seja uma matriz tal que
+ = (1.2)
para qualquer matriz A, . Comparando os elementos correspondentes, temos que
,
ou seja,
= 0 ,
ou seja,
= []
= (
) = ()
= [()]
.
(f) [( +)]
= ( +)
= (
) + (
) = []
+ []
= [ +]
.
(g)
[( +)]
= [ +]
= (
) =
= []
+ []
= [ +]
.
(h) A demonstrac ao deste item e a mais trabalhosa. Sejam , e matrizes , e
respectivamente. A notac ao de somat orio aqui pode ser muito util, pelo fato de ser compacta.
[()]
=1
[]
=1
=1
) =
=1
=1
) =
=
=1
=1
(
=1
=1
(
=1
(
=1
=
=
=1
[]
= [()]
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.1 Matrizes 13
(i) Podemos escrever a matriz identidade em termos do delta de Kronecker que e denido por
=
_
1, se =
0, se =
como [
. Assim,
[
=1
=1
.
A outra igualdade e an aloga.
(j) [( +)]
=1
[ +]
=1
) =
=1
(
) =
=
=1
=1
= []
+ []
= [ +]
.
A outra igualdade e inteiramente an aloga a anterior e deixamos como exerccio.
(k) [()]
=1
=1
(
= [()]
e
[()]
=1
=1
) = [()]
.
(l) [(
= [
.
(m) [( +)
= [ +]
= [
+ [
.
Julho 2009 Reginaldo J. Santos
14 Matrizes e Sistemas Lineares
(n) [()
= []
= [
= [
.
(o) [()
= []
=1
=1
[
=1
[
= [
= . . .
. .
vezes
.
E para = 0, denimos
0
=
.
Exemplo 1.8. Vamos vericar se para matrizes e , quadradas, vale a igualdade
( +)( ) =
2
2
. (1.4)
Usando a propriedade (i) do teorema anterior obtemos
( +)( ) = ( +) + ( +)()
= + =
2
+
2
Assim, ( + )( ) =
2
2
se, e somente se, = 0, ou seja, se, e somente se,
= . Como o produto de matrizes n ao e comutativo, a conclus ao e que a igualdade (1.4), n ao
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.1 Matrizes 15
vale para matrizes em geral. Como contra-exemplo basta tomarmos duas matrizes que n ao comutem
entre si. Sejam
=
_
0 0
1 1
_
e =
_
1 0
1 0
_
.
Para estas matrizes
+ =
_
1 0
2 1
_
, =
_
1 0
0 1
_
,
2
= =
_
0 0
1 1
_
,
2
= =
_
1 0
1 0
_
.
Assim,
( +)( ) =
_
1 0
2 1
_
=
_
1 0
0 1
_
=
2
2
.
1.1.3 Aplicac ao: Cadeias de Markov
Vamos supor que uma populac ao e dividida em tr es estados (por exemplo: ricos, classe m edia e
pobres) e que em cada unidade de tempo a probabilidade de mudanca de um estado para outro seja
constante no tempo, s o dependa dos estados. Este processo e chamado cadeia de Markov.
Seja
11
12
13
21
22
23
31
32
33
1
2
3
Julho 2009 Reginaldo J. Santos
16 Matrizes e Sistemas Lineares
e chamada matriz de transic ao. A distribuic ao da populac ao inicial entre os tr es estados pode ser
descrita pela seguinte matriz:
0
=
est a no estado 1
est a no estado 2
est a no estado 3
A matriz
0
caracteriza a distribuic ao inicial da populac ao entre os tr es estados e e chamada vetor de
estado. Ap os uma unidade de tempo a populac ao estar a dividida entre os tr es estados da seguinte
forma
1
=
11
1
+
12
2
+
13
21
1
+
22
2
+
23
31
1
+
32
2
+
33
estar a no estado 1
estar a no estado 2
estar a no estado 3
Lembre-se que
1
=
0
.
Exemplo 1.9. Vamos considerar a matriz de transic ao
=
1 2 3
1
2
1
4
0
1
2
1
2
1
2
0
1
4
1
2
1
2
3
(1.5)
e o vetor de estados inicial
0
=
1
3
1
3
1
3
est a no estado 1
est a no estado 2
est a no estado 3
(1.6)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.1 Matrizes 17
que representa uma populac ao dividida de forma que 1/3 da populac ao est a em cada estado.
Ap os uma unidade de tempo a matriz de estado ser a dada por
1
=
0
=
1
2
1
4
0
1
2
1
2
1
2
0
1
4
1
2
1
3
1
3
1
3
1
4
1
2
1
4
Como estamos assumindo que em cada unidade de tempo a matriz de transic ao e a mesma,
ent ao ap os unidades de tempo a populac ao estar a dividida entre os tr es estados segundo a matriz
de estado
=
1
=
2
2
= =
0
Assim a matriz
6 4 0
1 1 4
6 0 6
, =
6 9 9
1 0 4
6 0 1
,
(d)
2
.
1.1.2. Conhecendo-se somente os produtos e , como podemos calcular ( + ),
e ()?
1.1.3. Considere as seguintes matrizes
=
_
3 2 1
1 2 1
_
, =
2 1
2 0
0 3
2 1 1
0 1 1
1 0 1
, =
1
0 0
0
2
0
0 0
3
1
=
1
0
0
,
2
=
0
1
0
,
3
=
0
0
1
Verique que:
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.1 Matrizes 19
(a) e diferente de .
(b)
1
2
2
3
3
], em que
1
=
2
0
1
,
2
=
1
1
0
e
3
=
1
1
1
, s ao as
colunas de (o caso geral est a no Exerccio 1.1.17 (a) na p agina 26).
(d) =
, em que
1
=
_
2 1 1
,
2
=
_
0 1 1
3
=
_
1 0 1
2
2
0
2
=
1
0
3
e
2
=
_
1 2 1
, o
produto pode ser escrito como =
_
1
2
_
=
_
1
_
(o caso geral est a no
Exerccio 1.1.18 (b) na p agina 27).
Julho 2009 Reginaldo J. Santos
20 Matrizes e Sistemas Lineares
1.1.4. Sejam
=
_
1 3 0
0 4 2
_
e =
.
Verique que
1
+
2
+
3
= , em que
= 0, em que
=
_
4 2
e =
_
2 3 5
.
1.1.6. Mostre que as matrizes =
_
1
1
1
_
, em que e uma n umero real n ao nulo, vericam a
equac ao
2
= 2.
1.1.7. Mostre que se e s ao matrizes que comutam com a matriz =
_
0 1
1 0
_
, ent ao =
.
1.1.8. (a) Determine todas as matrizes , 22, diagonais (os elementos que est ao fora da diagonal
s ao iguais a zero) que comutam com toda matriz , 2 2, ou seja, tais que = ,
para toda matriz , 2 2.
(b) Determine todas as matrizes , 2 2, que comutam com toda matriz , 2 2, ou seja,
tais que = , para toda matriz , 2 2.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.1 Matrizes 21
1.1.9. Verique que
3
=
0, para
=
0 1 0
0 0 1
0 0 0
.
O caso geral est a no Exerccio 1.1.29 na p agina 31.
Exerccios usando o MATLAB
e
instruc oes de como instalar o pacote gaal. Depois deste pacote ser devidamente instalado, o
comando help gaal no prompt do MATLAB
, . . ., para
(a) =
_
1
1
2
0
1
3
_
; (b) =
_
1
2
1
3
0
1
5
_
.
A seq u encia parece estar convergindo para alguma matriz? Se estiver, para qual?
1.1.11. Calcule as pot encias das matrizes dadas a seguir e encontre experimentalmente (por tentativa!)
o menor inteiro > 1 tal que (use o comando >> A=sym(A) depois de armazenar a matriz na
vari avel A):
(a)
=
3
, em que
=
0 0 1
1 0 0
0 1 0
;
(b)
=
4
, em que
=
0 1 0 0
1 0 0 0
0 0 0 1
0 0 1 0
;
Julho 2009 Reginaldo J. Santos
24 Matrizes e Sistemas Lineares
(c)
=
0, em que
=
0 1 0 0
0 0 1 0
0 0 0 1
0 0 0 0
.
1.1.12. Vamos fazer um experimento no MATLAB
fazer e o seguinte:
Criar um contador c e atribuir a ele o valor zero.
Atribuir ` as vari aveis A e B, 1000 matrizes 33 com entradas inteiras e aleat orias entre 5
e 5.
Se AB=BA, ou seja, A e B comutarem, ent ao o contador c e acrescido de 1.
No nal o valor existente na vari avel c e escrito.
Qual a conclus ao que voc e tira do valor obtido na vari avel c?
1.1.13. Faca um experimento semelhante ao anterior, mas para o caso em que cada uma das matrizes
e diagonal, isto e, os elementos que est ao fora da diagonal s ao iguais a zero. Use a seta para
cima para obter novamente a linha digitada e edite a linha no prompt do MATLAB
de forma a
obter algo semelhante ` a linha:
>> c=0; for n=1:1000,A=diag(randi(1,3));B=diag(randi(1,3));if( ....
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.1 Matrizes 25
Qual a conclus ao que voc e tira do valor obtido na vari avel c?
1.1.14. Faca um experimento semelhante ao anterior, mas para o caso em que uma das matrizes e
diagonal. Use a seta para cima para obter novamente a linha digitada e edite a linha no
prompt do MATLAB
1
0
0
.
.
.
0
,
2
=
0
1
0
.
.
.
0
,. . . ,
0
0
.
.
.
0
1
matrizes 1.
(a) Mostre que se
=
11
12
. . .
1
21
22
. . .
2
.
.
. . . .
.
.
.
1
2
. . .
11
12
. . .
1
21
22
. . .
2
.
.
. . . .
.
.
.
1
2
. . .
,
e uma matriz ent ao
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
uma matriz diagonal , isto e, os elementos que est ao fora da diagonal s ao iguais a zero.
Seja
=
11
12
. . .
1
21
22
. . .
2
.
.
. . . .
.
.
.
1
2
. . .
.
(a) Mostre que o produto e obtido da matriz multiplicando-se cada coluna por
, ou
seja, se = [
1
2
. . .
], em que
1
.
.
.
e a coluna de , ent ao
= [
1
1
2
2
. . .
].
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.1 Matrizes 27
(b) Mostre que o produto e obtido da matriz multiplicando-se cada linha por
, ou
seja, se =
2
.
.
.
, em que
= [
1
. . .
] e a linha de , ent ao
=
2
.
.
.
.
1.1.18. Sejam e matrizes e , respectivamente.
(a) Mostre que a - esima coluna do produto e igual ao produto
, em que
1
.
.
.
], ent ao
= [
1
. . .
] = [
1
. . .
];
(b) Mostre que a - esima linha do produto e igual ao produto
, em que
=
Julho 2009 Reginaldo J. Santos
28 Matrizes e Sistemas Lineares
[
1
. . .
2
.
.
.
, ent ao
=
2
.
.
.
.
.
.
.
1.1.19. Seja uma matriz e =
1
.
.
.
=1
, em que
= para qualquer
matriz , . (Sugest ao: Seja
= . Mostre que
.)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.1 Matrizes 29
1.1.22. Se = e e um inteiro positivo, mostre que ()
.
1.1.23. Sejam , e matrizes .
(a) ( +)
2
=
2
+ 2 +
2
? E se = ? Justique.
(b) () = ()? E se = e = ? Justique.
(Sugest ao: Veja o Exemplo 1.8 na p agina 14.)
1.1.24. (a) Se e s ao duas matrizes tais que =
0, ent ao =
0 ou =
0? Justique.
(b) Se =
0, ent ao =
0? Justique.
(c) Se e uma matriz tal que
2
=
0, ent ao =
0? Justique.
1.1.25. Dizemos que uma matriz , , e sim etrica se
= e e anti-sim etrica se
= .
(a) Mostre que se e sim etrica, ent ao
e sim etrica e
e anti-sim etrica.
Julho 2009 Reginaldo J. Santos
30 Matrizes e Sistemas Lineares
(f) Mostre que toda matriz quadrada pode ser escrita como a soma de uma matriz sim etrica
e uma anti-sim etrica. (Sugest ao: Observe o resultado da soma de +
com
.)
1.1.26. Para matrizes quadradas = (
=1
.
(a) Mostre que tr( +) = tr() + tr().
(b) Mostre que tr() = tr().
(c) Mostre que tr(
) = tr().
(d) Mostre que tr() = tr(). (Sugest ao: Prove inicialmente para matrizes 2 2.)
1.1.27. Seja uma matriz . Mostre que se
=
0, ent ao =
0. (Sugest ao: use o traco.) E se
a matriz for , com = ?
1.1.28. J a vimos que o produto de matrizes n ao e comutativo. Entretanto, certos conjuntos de matrizes
s ao comutativos. Mostre que:
(a) Se
1
e
2
s ao matrizes diagonais , ent ao
1
2
=
2
1
.
(b) Se e uma matriz e
=
0
+
1
+
2
2
+. . . +
,
em que
0
, . . . ,
s ao escalares, ent ao = .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.1 Matrizes 31
1.1.29. Uma matriz e chamada nilpotente se
=
0, para algum inteiro positivo . Verique que a
matriz
=
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
0 0 0 0
,
e nilpotente.
Julho 2009 Reginaldo J. Santos
32 Matrizes e Sistemas Lineares
Ap endice I: Notac ao de Somat orio
S ao v alidas algumas propriedades para a notac ao de somat orio:
(a) O ndice do somat orio e uma vari avel muda que pode ser substituda por qualquer letra:
=1
=1
.
(b) O somat orio de uma soma pode ser escrito como uma soma de dois somat orios:
=1
(
) =
=1
=1
.
Pois,
=1
(
) = (
1
+
1
) +. . . +(
) = (
1
+. . . +
) +(
1
+. . . +
) =
=1
=1
.
Aqui foram aplicadas as propriedades associativa e comutativa da soma de n umeros.
(c) Se no termo geral do somat orio aparece um produto, em que um fator n ao depende do ndice
do somat orio, ent ao este fator pode sair do somat orio:
=1
=1
.
Pois,
=1
=
1
+ . . . +
(
1
+ . . . +
) =
=1
=1
=1
=1
=1
.
Pois,
=1
=1
=1
(
1
+. . . +
) = (
11
+. . . +
1
) +. . . +(
1
+. . . +
) = (
11
+. . . +
1
) +. . . + (
1
+. . . +
) =
=1
(
1
+. . . +
) =
=1
=1
1
+
2
2
+. . . +
= ,
em que
1
,
2
, . . . ,
e s ao constantes reais;
Um sistema de equac oes lineares ou simplesmente sistema linear e um conjunto de equac oes
lineares, ou seja, e um conjunto de equac oes da forma
11
1
+
12
2
+ . . . +
1
=
1
21
1
+
22
2
+ . . . +
2
=
2
.
.
.
.
.
. =
.
.
.
1
+
2
2
+ . . . +
em que
11
12
. . .
1
21
22
. . .
2
.
.
. . . .
.
.
.
1
2
. . .
, =
2
.
.
.
e =
2
.
.
.
.
Uma soluc ao de um sistema linear e uma matriz =
2
.
.
.
_
=
_
1
0
_
.
A soluc ao (geral) do sistema acima e = 1/3 e = 2/3 (verique!) ou
=
_
1
3
2
3
_
.
Julho 2009 Reginaldo J. Santos
36 Matrizes e Sistemas Lineares
Uma forma de resolver um sistema linear e substituir o sistema inicial por outro que tenha o mesmo
conjunto soluc ao do primeiro, mas que seja mais f acil de resolver. O outro sistema e obtido depois
de aplicar sucessivamente uma s erie de operac oes, que n ao alteram a soluc ao do sistema, sobre as
equac oes. As operac oes que s ao usadas s ao:
Trocar a posic ao de duas equac oes do sistema;
Multiplicar uma equac ao por um escalar diferente de zero;
Somar a uma equac ao outra equac ao multiplicada por um escalar.
Estas operac oes s ao chamadas de operac oes elementares. Quando aplicamos operac oes ele-
mentares sobre as equac oes de um sistema linear somente os coecientes do sistema s ao alterados,
assim podemos aplicar as operac oes sobre a matriz de coecientes do sistema, que chamamos de
matriz aumentada, ou seja, a matriz
[ ] =
11
12
. . .
1
1
21
22
. . .
2
2
.
.
. . . .
.
.
.
.
.
.
1
2
. . .
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.2 Sistemas de Equac oes Lineares 37
Denic ao 1.5. Uma operac ao elementar sobre as linhas de uma matriz e uma das seguintes
operac oes:
(a) Trocar a posic ao de duas linhas da matriz;
(b) Multiplicar uma linha da matriz por um escalar diferente de zero;
(c) Somar a uma linha da matriz um m ultiplo escalar de outra linha.
O pr oximo teorema garante que ao aplicarmos operac oes elementares ` as equac oes de um sis-
tema o conjunto soluc ao n ao e alterado.
Teorema 1.2. Se dois sistemas lineares = e = , s ao tais que a matriz aumentada
[ ] e obtida de [ ] aplicando-se uma operac ao elementar, ent ao os dois sistemas possuem
as mesmas soluc oes.
Demonstrac ao. A demonstrac ao deste teorema segue-se de duas observac oes:
(a) Se e soluc ao de um sistema, ent ao tamb em e soluc ao do sistema obtido aplicando-se
uma operac ao elementar sobre suas equac oes (verique!).
Julho 2009 Reginaldo J. Santos
38 Matrizes e Sistemas Lineares
(b) Se o sistema = , e obtido de = aplicando-se uma operac ao elementar ` as
suas equac oes (ou equivalentemente ` as linhas da sua matriz aumentada), ent ao o sistema
= tamb em pode ser obtido de = aplicando-se uma operac ao elementar ` as suas
equac oes, pois cada operac ao elementar possui uma operac ao elementar inversa do mesmo
tipo, que desfaz o que a anterior fez (verique!).
Pela observac ao (b), = e = podemser obtidos umdo outro aplicando-se uma operac ao
elementar sobre as suas equac oes. E pela observac ao (a), os dois possuem as mesmas soluc oes.
Dois sistemas que possuem o mesmo conjunto soluc ao s ao chamados sistemas equivalentes.
Portanto, segue-se do Teorema 1.2 que aplicando-se operac oes elementares ` as equac oes de um
sistema linear obtemos sistemas equivalentes.
1.2.1 M etodo de Gauss-Jordan
O m etodo que vamos usar para resolver sistemas lineares consiste na aplicac ao de operac oes
elementares ` as linhas da matriz aumentada do sistema at e que obtenhamos uma matriz numa forma
em que o sistema associado a esta matriz seja de f acil resoluc ao.
Vamos procurar obter uma matriz numa forma em que todas as linhas n ao nulas possuam como
primeiro elemento n ao nulo (chamado piv o) o n umero 1 . Al em disso, se uma coluna cont em um piv o,
ent ao todos os seus outros elementos ter ao que ser iguais a zero. Vamos ver no exemplo seguinte
como conseguimos isso. Neste exemplo veremos como a partir do faturamento e do gasto com
insumos podemos determinar quanto foi produzido de cada produto manufaturado em uma ind ustria.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.2 Sistemas de Equac oes Lineares 39
Exemplo 1.11. Uma ind ustria produz tr es produtos, X, Y e Z, utilizando dois tipos de insumo, A e B.
Para a manufatura de cada kg de X s ao utilizados 1 grama do insumo A e 2 gramas do insumo B;
para cada kg de Y, 1 grama de insumo A e 1 grama de insumo B e, para cada kg de Z, 1 grama de
A e 4 gramas de B. O preco de venda do kg de cada um dos produtos X, Y e Z e R$ 2,00, R$ 3,00
e R$ 5,00, respectivamente. Com a venda de toda a produc ao de X, Y e Z manufaturada com 1 kg
de A e 2 kg de B, essa ind ustria arrecadou R$ 2500,00. Vamos determinar quantos kg de cada um
dos produtos X, Y e Z foram vendidos. Como vimos no Exemplo 1.6 na p agina 7, usando matrizes o
esquema de produc ao pode ser descrito da seguinte forma:
X Y Z
gramas de A/kg
gramas de B/kg
preco/kg
1 1 1
2 1 4
2 3 5
= =
kg de X produzidos
kg de Y produzidos
kg de Z produzidos
=
+ +
2 + + 4
2 + 3 + 5
1000
2000
2500
gramas de A usados
gramas de B usados
arrecadac ao
Assim precisamos resolver o sistema linear
+ + = 1000
2 + + 4 = 2000
2 + 3 + 5 = 2500
cuja matriz aumentada e
1 1 1 1000
2 1 4 2000
2 3 5 2500
1 1 1 1000
0 1 2 0
0 1 3 500
2
a
.
eliminac ao:
Olhamos para a sub-matriz obtida eliminando-se a 1
a
.
linha. Escolhemos para piv o um elemento
diferente de zero na 1
a
.
coluna n ao nula desta sub-matriz. Vamos escolher o elemento de posic ao 2,2.
Como temos que fazer o piv o igual a um, vamos multiplicar a 2
a
.
linha por 1.
12
a
.
linha 2
a
.
linha
1 1 1 1000
0 1 2 0
0 1 3 500
1 0 3 1000
0 1 2 0
0 0 5 500
3
a
.
eliminac ao:
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.2 Sistemas de Equac oes Lineares 41
Olhamos para a sub-matriz obtida eliminando-se a 1
a
.
e a 2
a
.
linha. Escolhemos para piv o um elemento
diferente de zero na 1
a
.
coluna n ao nula desta sub-matriz. Temos de escolher o elemento de posic ao
3,3 e como temos de fazer o piv o igual a 1, vamos multiplicar a 3
a
.
linha por 1/5.
1
5
3
a
.
linha 3
a
.
linha
1 0 3 1000
0 1 2 0
0 0 1 100
1 0 0 700
0 1 0 200
0 0 1 100
= 700
= 200
= 100
que possui soluc ao geral dada por
=
700
200
100
.
Portanto, foram vendidos 700 kg do produto X, 200 kg do produto Y e 100 kg do produto Z.
Julho 2009 Reginaldo J. Santos
42 Matrizes e Sistemas Lineares
A ultima matriz que obtivemos no exemplo anterior est a na forma que chamamos de escalonada
reduzida.
Denic ao 1.6. Uma matriz = (
1 0 0
0 1 0
0 0 1
1 3 0 2
0 0 1 3
0 0 0 0
1 1 1
0 1 2
0 0 5
1 3 1 5
0 0 5 15
0 0 0 0
+ 3 + 13 = 9
+ 5 = 2
2 10 = 8
A sua matriz aumentada e
1 3 13 9
0 1 5 2
0 2 10 8
1
a
.
eliminac ao:
Como o piv o da 1
a
.
linha e igual a 1 e os outros elementos da 1
a
.
coluna s ao iguais a zero, n ao h a nada
o que fazer na 1
a
.
eliminac ao.
1 3 13 9
0 1 5 2
0 2 10 8
1 0 2 3
0 1 5 2
0 0 0 4
2 = 3
+ 5 = 2
0 = 4
que n ao possui soluc ao.
Em geral, um sistema linear n ao tem soluc ao se, e somente se, a ultima linha n ao nula da forma
escalonada reduzida da sua matriz aumentada for da forma [ 0 . . . 0
], com
= 0.
Exemplo 1.14. Considere o seguinte sistema
3 9 = 6
5 + 15 10 + 40 = 45
+ 3 + 5 = 7
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.2 Sistemas de Equac oes Lineares 45
A sua matriz aumentada e
0 0 3 9 6
5 15 10 40 45
1 3 1 5 7
1
a
.
eliminac ao:
Como temos que fazer o piv o igual a um, escolhemos para piv o o elemento de posic ao 3,1. Preci-
samos coloc a-lo na primeira linha, para isto, trocamos a 3
a
.
linha com a 1
a
.
.
1
a
.
linha 4
a
.
linha
1 3 1 5 7
5 15 10 40 45
0 0 3 9 6
1 3 1 5 7
0 0 5 15 10
0 0 3 9 6
2
a
.
eliminac ao:
Olhamos para a sub-matriz obtida eliminando-se a 1
a
.
linha. Escolhemos para piv o um elemento
diferente de zero na 1
a
.
coluna n ao nula desta sub-matriz. Escolhemos o elemento de posic ao 2,3.
Como temos que fazer o piv o igual a 1, multiplicamos a 2
a
.
linha por 1/5.
Julho 2009 Reginaldo J. Santos
46 Matrizes e Sistemas Lineares
(1/5)2
a
.
linha 2
a
.
linha
1 3 1 5 7
0 0 1 3 2
0 0 3 9 6
1 3 0 2 5
0 0 1 3 2
0 0 0 0 0
Esta matriz e escalonada reduzida. Portanto o sistema dado e equivalente ao sistema seguinte
_
+ 3 + 2 = 5
3 = 2.
A matriz deste sistema possui duas colunas sem piv os. As vari aveis que n ao est ao associadas
a piv os podem ser consideradas vari aveis livres, isto e, podem assumir valores arbitr arios. Neste
exemplo as vari aveis e n ao est ao associadas a piv os e podem ser consideradas vari aveis livres.
Sejam = e = . As vari aveis associadas aos piv os ter ao os seus valores dependentes das
vari aveis livres, = 2 + 3, = 5 2 3. Assim, a soluc ao geral do sistema e
=
5 2 3
2 + 3
], com
= 0, como no Exemplo
1.13 na p agina 43.
Observac ao. Para se encontrar a soluc ao de um sistema linear n ao e necess ario transformar a
matriz aumentada do sistema na sua forma escalonada reduzida, mas se a matriz est a nesta forma, o
sistema associado e o mais simples possvel. Um outro m etodo de resolver sistemas lineares consiste
em, atrav es da aplicac ao de operac oes elementares ` a matriz aumentada do sistema, se chegar a uma
matriz que e somente escalonada (isto e, uma matriz que satisfaz as condic oes (a) e (c), mas n ao
necessariamente (b) e (d) da Denic ao 1.6). Este m etodo e conhecido como m etodo de Gauss.
O pr oximo resultado mostra que um sistema linear que tenha mais de uma soluc ao n ao pode ter
um n umero nito de soluc oes.
Proposic ao 1.3. Sejam uma matriz e uma matriz 1. Se o sistema linear =
possui duas soluc oes distintas
0
=
1
, ent ao ele tem innitas soluc oes.
Julho 2009 Reginaldo J. Santos
48 Matrizes e Sistemas Lineares
Demonstrac ao. Seja
= (1 )
0
+
1
, para .
Vamos mostrar que
= .
Aplicando as propriedades (i), (j) das operac oes matriciais (Teorema 1.1 na p agina 9) obtemos
= [(1 )
0
+
1
] = (1 )
0
+
1
= (1 )
0
+
1
Como
0
e
1
s ao soluc oes de = , ent ao
0
= e
1
= , portanto
= (1 ) + = [(1 ) +] = ,
pela propriedade (f) do Teorema 1.1.
Assim o sistema = tem innitas soluc oes, pois para todo valor de ,
e soluc ao e
= (
)(
1
0
), ou seja,
, para =
=
0
,
para = 1,
=
1
, para = 1/2,
=
1
2
0
+
1
2
1
, para = 3,
= 2
0
+ 3
1
e para
= 2,
= 3
0
2
1
.
No Exemplo 3.4 na p agina 155 temos uma interpretac ao geom etrica desta demonstrac ao.
Para resolver sistemas lineares vimos aplicando operac oes elementares ` a matriz aumentada do
sistema linear. Isto pode ser feito com quaisquer matrizes.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.2 Sistemas de Equac oes Lineares 49
1.2.2 Matrizes Equivalentes por Linhas
Denic ao 1.7. Uma matriz = (
, se
pode ser obtida de aplicando-se uma seq u encia de operac oes elementares sobre as suas linhas.
Exemplo 1.15. Observando os Exemplos 1.11, 1.14 e 1.13, vemos que as matrizes
1 1 1
2 1 4
2 3 5
0 0 3 9
5 15 10 40
1 3 1 5
1 3 13
0 1 5
0 2 10
1 0 0
0 1 0
0 0 1
1 3 0 2
0 0 1 3
0 0 0 0
1 0 2
0 1 5
0 0 0
,
respectivamente. Matrizes estas que s ao escalonadas reduzidas.
Cuidado: elas s ao equivalentes por linhas, n ao s ao iguais!
A relac ao ser equivalente por linhas satisfaz as seguintes propriedades, cuja vericac ao deixa-
mos como exerccio para o leitor:
Toda matriz e equivalente por linhas a ela mesma (reexividade);
Julho 2009 Reginaldo J. Santos
50 Matrizes e Sistemas Lineares
Se e equivalente por linhas a , ent ao e equivalente por linhas a (simetria);
Se e equivalente por linhas a e e equivalente por linhas a , ent ao e equivalente por
linhas a (transitividade).
Toda matriz e equivalente por linhas a uma matriz na forma escalonada reduzida e a
demonstrac ao, que omitiremos, pode ser feita da mesma maneira que zemos no caso particular
das matrizes aumentadas dos Exemplos 1.11, 1.14 e 1.13. No Teorema 5.15 na p agina 339 mostra-
mos que essa matriz escalonada reduzida e a unica matriz na forma escalonada reduzida equivalente
a .
Teorema 1.4. Toda matriz = (
.
Opr oximo resultado ser a usado para provar alguns resultados no captulo de invers ao de matrizes.
Proposic ao 1.5. Seja uma matriz , na forma escalonada reduzida. Se =
, ent ao tem
uma linha nula.
Demonstrac ao. Observe que o piv o de uma linha est a sempre numa coluna com . Portanto,
ou a ultima linha de e nula ou o piv o da linha est a na posic ao , . Mas, neste caso todas as
linhas anteriores s ao n ao nulas e os piv os de cada linha est a na coluna , ou seja, =
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.2 Sistemas de Equac oes Lineares 51
1.2.3 Sistemas Lineares Homog eneos
Um sistema linear da forma
11
1
+
12
2
+ . . . +
1
= 0
21
1
+
22
2
+ . . . +
2
= 0
.
.
.
.
.
. =
.
.
.
1
+
2
2
+ . . . +
= 0
(1.7)
e chamado sistema homog eneo. O sistema (1.7) pode ser escrito como =
0. Todo sistema
homog eneo admite pelo menos a soluc ao =
2
.
.
.
0
0
.
.
.
0
.
(a) Se e s ao soluc oes do sistema homog eneo, =
0, ent ao + tamb em o e.
(b) Se e soluc ao do sistema homog eneo, =
0, ent ao tamb em o e.
Demonstrac ao. (a) Se e s ao soluc oes do sistema homog eneo =
0, ent ao =
0 e
=
0 e portanto + tamb em e soluc ao pois, ( + ) = + =
0 +
0 =
0;
(b) Se e soluc ao do sistema homog eneo =
0, ent ao tamb em o e, pois () =
=
0 =
0.
11
12
13
21
22
23
31
32
33
1
2
3
Vamos considerar a matriz de transic ao
=
1 2 3
1
2
1
4
0
1
2
1
2
1
2
0
1
4
1
2
1
2
3
Vamos descobrir qual distribuic ao inicial da populac ao entre os tr es estados permanece inalterada,
gerac ao ap os gerac ao. Ou seja, vamos determinar um vetor de estado tal que
= ou =
3
ou (
3
) =
0.
Julho 2009 Reginaldo J. Santos
54 Matrizes e Sistemas Lineares
Assim precisamos resolver o sistema linear homog eneo
(
3
) =
0
1
2
+
1
4
= 0
1
2
1
2
+
1
2
= 0
1
4
1
2
= 0
cuja matriz aumentada e
1
2
1
4
0 0
1
2
1
2
1
2
0
0
1
4
1
2
0
1
a
.
eliminac ao:
21
a
.
linha 2
a
.
linha
1
1
2
0 0
1
2
1
2
1
2
0
0
1
4
1
2
0
1
2
1
a
.
linha + 2
a
.
linha 2
a
.
linha
1
1
2
0 0
0
1
4
1
2
0
0
1
4
1
2
0
2
a
.
eliminac ao:
42
a
.
linha 2
a
.
linha
1
1
2
0 0
0 1 2 0
0
1
4
1
2
0
1
4
2
a
.
linha + 3
a
.
linha 3
a
.
linha
1 0 1 0
0 1 2 0
0 0 0 0
1
2
1
, para todo .
Tomando a soluc ao tal que
1
+
2
+
3
= 1 obtemos que se a populac ao inicial for distribuda de
forma que
1
= 1/4 da populac ao esteja no estado 1,
2
= 1/2 da populac ao esteja no estado 2 e
3
= 1/4, esteja no estado 3, ent ao esta distribuic ao permanecer a constante gerac ao ap os gerac ao.
1.2.4 Matrizes Elementares (opcional)
Denic ao 1.8. Uma matriz elementar e uma matriz obtida da matriz identidade
aplicando-se
uma, e somente uma, operac ao elementar.
Julho 2009 Reginaldo J. Santos
56 Matrizes e Sistemas Lineares
Vamos denotar por
pelo escalar = 0 e
,
()
a matriz elementar obtida da matriz
,
=
1 0 0
0
.
.
.
1
0 . . . 1
.
.
.
.
.
.
.
.
.
1 . . . 0
1
.
.
.
0
0 0 1
() =
1 0 0
0
.
.
.
1
1
.
.
.
0
0 0 1
e
,
() =
1 0 0
0
.
.
.
1
.
.
.
.
.
.
. . . 1
.
.
.
0
0 0 1
1,2
=
2,1
=
_
0 1
1 0
_
,
1
() =
_
0
0 1
_
,
2
() =
_
1 0
0
_
, com = 0,
1,2
() =
_
1 0
1
_
e
2,1
() =
_
1
0 1
_
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.2 Sistemas de Equac oes Lineares 57
Sejam
1
=
1
0
.
.
.
0
,
2
=
0
1
.
.
.
0
,. . . ,
0
0
.
.
.
1
matrizes 1.
As matrizes elementares podem ser escritas em termos das matrizes
como
,
=
1
.
.
.
.
.
.
.
.
.
() =
1
.
.
.
.
.
.
e
,
() =
1
.
.
.
.
.
.
.
.
.
Aplicar uma operac ao elementar em uma matriz, corresponde a multiplicar a matriz ` a esquerda
por uma matriz elementar, como mostra o resultado a seguir.
Teorema 1.8. Sejam uma matriz elementar e uma matriz qualquer . Ent ao, e
igual ` a matriz obtida aplicando-se na matriz a mesma operac ao elementar que originou .
Julho 2009 Reginaldo J. Santos
58 Matrizes e Sistemas Lineares
Demonstrac ao. Como a - esima linha de um produto de matrizes e igual a
, em que
e a
- esima linha da matriz (Exerccio 1.1.18 (b) na p agina 27) e
, em que
e a linha da
matriz (Exerccio 16 (b) na p agina 25), ent ao:
,
=
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
.
.
.
.
.
.
.
.
.
() =
1
.
.
.
.
.
.
.
.
.
.
.
.
1
.
.
.
.
.
.
,
() =
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
.
.
.
.
.
.
.
.
.
Assim, aplicar uma seq u encia de operac oes elementares em uma matriz, corresponde a multipli-
car a matriz ` a esquerda por um produto de matrizes elementares.
Exemplo 1.18. Quando usamos o m etodo de Gauss-Jordan para resolver o sistema do Exemplo 1.11
na p agina 39, aplicamos uma seq u encia de operac oes elementares na matriz aumentada do sistema.
Isto corresponde a multiplicar a matriz aumentada
[ ] =
1 1 1 1000
2 1 4 2000
2 3 5 2500
1,2
(2) =
1 0 0
2 1 0
0 0 1
,
1,3
(2) =
1 0 0
0 1 0
2 0 1
,
Julho 2009 Reginaldo J. Santos
60 Matrizes e Sistemas Lineares
2
(1) =
1 0 0
0 1 0
0 0 1
,
2,1
(1) =
1 1 0
0 1 0
0 0 1
,
2,3
(1) =
1 0 0
0 1 0
0 1 1
3
(
1
5
) =
1 0 0
0 1 0
0 0
1
5
,
3,1
(3) =
1 0 3
0 1 0
0 0 1
,
3,2
(2) =
1 0 0
0 1 2
0 0 1
,
ou seja,
3,2
(2)
3,1
(3)
3
(
1
5
)
2,3
(1)
2,1
(1)
2
(1)
1,3
(2)
1,2
(2) [ ] =
1 0 0 700
0 1 0 200
0 0 1 100
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.2 Sistemas de Equac oes Lineares 61
Exerccios Num ericos (respostas na p agina 484)
1.2.1. Quais das seguintes matrizes est ao na forma escalonada reduzida:
=
1 0 0 0 3
0 0 1 0 4
0 0 0 1 2
,
=
1 0 0 0 3
0 0 1 0 0
0 0 0 1 2
0 0 0 0 0
,
=
0 1 0 0 4
0 0 1 0 5
0 0 0 1 2
,
=
0 0 0 0 0
0 0 1 2 4
0 0 0 1 0
0 0 0 0 0
.
1.2.2. Em cada item suponha que a matriz aumentada de um sistema foi transformada usando
operac oes elementares na matriz escalonada reduzida dada. Resolva o sistema correspon-
dente.
(a)
1 0 0 7 8
0 1 0 3 2
0 0 1 1 5
;
(b)
1 6 0 0 3 2
0 0 1 0 4 7
0 0 0 1 5 8
0 0 0 0 0 0
;
(c)
1 0 0 0 6
0 1 0 0 3
0 0 1 1 2
;
(d)
1 7 0 0 8 3
0 0 1 0 6 5
0 0 0 1 3 9
0 0 0 0 0 0
.
1.2.3. Resolva, usando o m etodo de Gauss-Jordan, os seguintes sistemas:
(a)
1
+
2
+ 2
3
= 8
1
2
2
+ 3
3
= 1
3
1
7
2
+ 4
3
= 10
;
Julho 2009 Reginaldo J. Santos
62 Matrizes e Sistemas Lineares
(b)
2
1
+ 2
2
+ 2
3
= 0
2
1
+ 5
2
+ 2
3
= 1
8
1
+
2
+ 4
3
= 1
;
(c)
2
2
+ 3
3
= 1
3
1
+ 6
2
3
3
= 2
6
1
+ 6
2
+ 3
3
= 5
.
1.2.4. Os sistemas lineares seguintes possuem a mesma matriz . Resolva-os usando o m etodo de
Gauss-Jordan. Observe que os dois sistemas podem ser resolvidos ao mesmo tempo escalo-
nando a matriz aumentada [
1
2
].
(a)
1
2
2
+
3
= 1
2
1
5
2
+
3
= 2
3
1
7
2
+ 2
3
= 1
; (b)
1
2
2
+
3
= 2
2
1
5
2
+
3
= 1
3
1
7
2
+ 2
3
= 2
.
1.2.5. Seja =
1 0 5
1 1 1
0 1 4
.
(a) Encontre a soluc ao geral do sistema ( + 4
3
) =
0;
(b) Encontre a soluc ao geral do sistema ( 2
3
) =
0.
1.2.6. Para cada sistema linear dado, encontre todos os valores de para os quais o sistema n ao tem
soluc ao, tem soluc ao unica e tem innitas soluc oes:
(a)
+ 2 3 = 4
3 + 5 = 2
4 + + (
2
14) = + 2
;
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.2 Sistemas de Equac oes Lineares 63
(b)
+ + = 2
2 + 3 + 2 = 5
2 + 3 + (
2
1) = + 1
.
1.2.7. Uma ind ustria produz tr es produtos, X, Y e Z, utilizando dois tipos de insumo, A e B. Para a
manufatura de cada kg de X s ao utilizados 2 gramas do insumo A e 1 grama do insumo B; para
cada kg de Y, 1 grama de insumo A e 3 gramas de insumo B e, para cada kg de Z, 3 gramas de A
e 5 gramas de B. O preco de venda do kg de cada um dos produtos X, Y e Z e R$ 3,00, R$ 2,00
e R$ 4,00, respectivamente. Com a venda de toda a produc ao de X, Y e Z manufaturada com
1,9 kg de A e 2,4 kg de B, essa ind ustria arrecadou R$ 2900,00. Determine quantos kg de cada
um dos produtos X, Y e Z foram vendidos. (Sugest ao: veja o Exemplo 1.11 na p agina 39.)
1.2.8. Determine os coecientes , , e da func ao polinomial () =
3
+
2
+ + , cujo
gr aco passa pelos pontos
1
= (0, 10),
2
= (1, 7),
3
= (3, 11) e
4
= (4, 14).
Julho 2009 Reginaldo J. Santos
64 Matrizes e Sistemas Lineares
2 1 0 1 2 3 4 5
30
20
10
0
10
20
30
x
y
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.2 Sistemas de Equac oes Lineares 65
1.2.9. Determine coecientes , e da equac ao do crculo,
2
+
2
+ + + = 0, que passa
pelos pontos
1
= (2, 7),
2
= (4, 5) e
3
= (4, 3).
Julho 2009 Reginaldo J. Santos
66 Matrizes e Sistemas Lineares
6 4 2 0 2 4 6 8
4
2
0
2
4
6
8
x
y
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.2 Sistemas de Equac oes Lineares 67
1.2.10. Encontre condic oes sobre os
1
2
2
+ 5
3
=
1
4
1
5
2
+ 8
3
=
2
3
1
+ 3
2
3
3
=
3
; (b)
1
2
2
3
=
1
4
1
+ 5
2
+ 2
3
=
2
4
1
+ 7
2
+ 4
3
=
3
.
1.2.11. (Relativo ` a sub-sec ao 1.2.4) Considere a matriz
=
0 1 7 8
1 3 3 8
2 5 1 8
.
Encontre matrizes elementares , , e tais que = e uma matriz escalonada
reduzida. (Sugest ao: veja o Exemplo 1.18 na p agina 59.)
1.2.12. Resolva, usando o m etodo de Gauss-Jordan, os seguintes sistemas:
(a)
1
+ 2
2
3
4
+
5
= 2
1
+ 2
2
+
3
3
4
+
5
+ 2
6
= 3
1
+ 2
2
3
4
+ 2
5
+
6
= 4
3
1
+ 6
2
+
3
9
4
+ 4
5
+ 3
6
= 9
;
(b)
1
+ 3
2
2
3
+ 2
5
= 0
2
1
+ 6
2
5
3
2
4
+ 4
5
3
6
= 1
5
3
+ 10
4
+ 15
6
= 5
2
1
+ 6
2
+ 8
4
+ 4
5
+ 18
6
= 6
;
Julho 2009 Reginaldo J. Santos
68 Matrizes e Sistemas Lineares
1.2.13. Considere a matriz =
1 1 1 1
1 3 2
2 2 2 2 3 1
3 + 2 3 2 + 1
1 2 3 1 8
1 3 0 1 7
1 0 2 1 3
;
(b)
1 1 3 3 0
0 2 1 3 3
1 0 2 1 1
;
(c)
1 2 3 0
1 1 1 0
1 1 2 0
1 3 3 0
;
Exerccios usando o MATLAB
Comandos do MATLAB
:
>> A=[A1,...,An] cria uma matriz A formada pelas matrizes, denidas anteriormente, A1,
..., An colocadas uma ao lado da outra;
>> expr=subs(expr,x,num) substitui na express ao expr a vari avel x por num.
>> p=poly2sym([an,...,a0],x) armazena na vari avel p o polin omio
+. . . +
0
.
>> clf limpa a gura ativa.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
1.2 Sistemas de Equac oes Lineares 69
Comandos do pacote GAAL:
>> B=opel(alpha,i,A) ou >> oe(alpha,i,A)faz a operac ao elementar
alphalinha i ==> linha i da matriz A e armazena a matriz resultante em B.
>> B=opel(alpha,i,j,A) ou >> oe(alpha,i,j,A) faz a operac ao elementar
alphalinha i + linha j ==> linha j da matriz A e armazena em B.
>> B=opel(A,i,j) ou >> oe(A,i,j) faz a troca da linha com a linha da matriz A e arma-
zena a matriz resultante em B.
>> B=escalona(A) calcula passo a passo a forma escalonada reduzida da matriz A e arma-
zena a matriz resultante na vari avel B.
>> matvand(P,k) obt em a matriz de Vandermonde de ordemk, se P=[x1;...;xn] e a matriz
de Vandermonde generalizada no caso em que P=[x1,y1;...;xn,yn].
>> po([x1,y1;x2,y2;...xk,yk]) desenha os pontos (x1,y1),...,(xk,yk).
>> plotf1(f,[a,b]) desenha o gr aco da func ao dada pela express ao simb olica f no inter-
valo [a,b].
>> plotci(f,[a,b],[c,d]) desenha o gr aco da curva dada implicitamente pela express ao
f(x,y)=0 na regi ao do plano [a,b]x[c,d].
>> p=poly2sym2([a,b,c,d,e,f],x,y) armazena na vari avel p o polin omio em duas
vari aveis
2
+ +
2
+ + +.
>> eixos desenha os eixos coordenados.
1.2.15. (a) Use o comando P=randi(4,2), para gerar 4 pontos com entradas inteiras e aleat orias
entre 5 e 5. Os pontos est ao armazenados nas linhas da matriz P.
Julho 2009 Reginaldo J. Santos
70 Matrizes e Sistemas Lineares
(b) Use o MATLAB
+ 2 + = 3
+ = 2
+ + (
2
5) =
2. Se possvel, encontre os valores de , e tais que:
1 2 3
2 5 3
1 0 8
40 16
13 5
5 2
1 0 0
0 1 0
0 0 1
3. Sejam
=
_
1 0
0 1
_
. e =
_
cos sen
sen cos
_
.
Sabendo-se que =
, calcule
2
,
e
2
.
4. Responda Verdadeiro ou Falso, justicando:
Julho 2009 Reginaldo J. Santos
74 Matrizes e Sistemas Lineares
(a) Se
2
= 2
4
, ent ao (
+
2
)(
2
2
) =
;
(b) Se =
= ;
(c) Se e uma matriz diagonal, ent ao = , para toda matriz , ;
(d) Se =
, ent ao =
.
(e) Se e s ao tais que =
e =
= .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 2
Invers ao de Matrizes e Determinantes
2.1 Matriz Inversa
Todo n umero real , n ao nulo, possui um inverso (multiplicativo), ou seja, existe um n umero , tal
que = = 1. Este n umero e unico e o denotamos por
1
. Apesar da algebra matricial ser
semelhante ` a algebra dos n umeros reais, nem todas as matrizes n ao nulas possuem inversa, ou
seja, nem sempre existe uma matriz tal que = =
tal que
= =
, (2.1)
em que
= =
e assim,
=
= () = () =
= .
e = (
1
;
(c) Se = (
e invertvel, ent ao
tamb em e invertvel e
(
)
1
= (
1
)
.
Demonstrac ao. Se queremos mostrar que uma matriz e a inversa de uma outra, temos que mostrar
que os produtos das duas matrizes s ao iguais ` a matriz identidade.
Julho 2009 Reginaldo J. Santos
78 Invers ao de Matrizes e Determinantes
(a) Uma matriz e a inversa de
1
se
1
=
1
=
.
Mas, como
1
e a inversa de , ent ao
1
=
1
=
.
Como a inversa e unica, ent ao = e a inversa de
1
, ou seja, (
1
)
1
= .
(b) Temos que mostrar que a inversa de e
1
1
, ou seja, mostrar que os produtos
()(
1
1
) e (
1
1
)() s ao iguais ` a matriz identidade. Mas, pelas propriedades
(h) e (i) do Teorema 1.1 na p agina 9:
()(
1
1
) = (
1
)
1
=
1
=
1
=
,
(
1
1
)() =
1
(
1
) =
1
=
1
=
.
(c) Queremos mostrar que a inversa de
e (
1
)
(
1
)
= (
1
)
,
(
1
)
= (
1
)
O teorema seguinte, cuja demonstrac ao ser a omitida no momento (Subsec ao 2.1.2), garante que
basta vericarmos uma das duas igualdades em (2.1) para sabermos se uma matriz e a inversa de
outra.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.1 A Inversa de uma Matriz 79
Teorema 2.3. Sejam e matrizes .
(a) Se =
, ent ao =
;
(b) Se =
, ent ao =
;
Assim, para vericar que uma matriz e invertvel, quando temos uma matriz que e candidata a
inversa de , basta fazer um dos produtos ou e vericar se um deles e igual a
. O pr oximo
exemplo ilustra este fato.
Exemplo 2.2. Seja = (
++
2
. Para provar isto, devemos multiplicar a matriz
,
pela matriz que possivelmente seja a inversa dela, aqui ++
2
, e vericar se o produto das duas
e igual a matriz identidade
.
(
)(
++
2
) =
++
2
) (
++
2
) =
++
2
3
=
.
Aqui foram usadas as propriedades (i) e (j) do Teorema 1.1 na p agina 9.
Julho 2009 Reginaldo J. Santos
80 Invers ao de Matrizes e Determinantes
2.1.2 Matrizes Elementares e Invers ao (opcional)
As matrizes elementares t em um papel importante no estudo da invers ao de matrizes e da soluc ao
de sistemas lineares.
Proposic ao 2.4. Toda matriz elementar e invertvel e sua inversa e tamb em uma matriz elementar.
Usando a notac ao introduzida na p agina 55, temos:
(a)
1
,
=
,
=
,
;
(b)
()
1
=
(1/), para = 0;
(c)
,
()
1
=
,
().
Demonstrac ao. Seja uma matriz elementar. Esta matriz e obtida de
.
Agora, pelo Teorema 1.8 na p agina 57, temos que = =
. Portanto, e a inversa de
.
Teorema 2.5. Seja uma matriz . As seguintes armac oes s ao equivalentes:
(a) Existe uma matriz , , tal que =
.
(b) A matriz e equivalente por linhas ` a matriz identidade
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.1 A Inversa de uma Matriz 81
(c) A matriz e invertvel.
Demonstrac ao. (a)(b) Se =
, ent ao o sistema =
0 tem somente a soluc ao trivial,
pois =
= =
0 =
0. Isto implica que a matriz e equivalente por linhas ` a
matriz identidade
, pois caso contr ario a forma escalonada reduzida de teria uma linha nula
(Proposic ao 1.5 na p agina 50).
(b)(c) A matriz ser equivalente por linhas ` a
, tais que
. . .
1
=
(2.2)
(
1
1
. . .
1
. . .
1
=
1
1
. . .
1
=
1
1
. . .
1
. (2.3)
Aqui, usamos o fato de que as matrizes elementares s ao invertveis (Proposic ao 2.4). Portanto,
e invertvel como o produto de matrizes invertveis.
(c)(a) Claramente.
. . .
1
=
1
.
Assim, a mesma seq u encia de operac oes elementares que transforma a matriz na matriz identidade
transforma tamb em
em
1
.
Julho 2009 Reginaldo J. Santos
82 Invers ao de Matrizes e Determinantes
A demonstrac ao do Teorema 2.3 na p agina 79, agora, e uma simples conseq u encia do Teorema
anterior.
Demonstrac ao do Teorema 2.3. (a) Vamos mostrar que se =
, ent ao e invertvel e =
1
. Se =
=
1
=
1
=
1
. Logo, = =
.
(b) Se =
1 1 1
2 1 4
2 3 5
1,2
(2) =
1 0 0
2 1 0
0 0 1
,
1,3
(2) =
1 0 0
0 1 0
2 0 1
,
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.1 A Inversa de uma Matriz 83
2
(1) =
1 0 0
0 1 0
0 0 1
,
2,1
(1) =
1 1 0
0 1 0
0 0 1
,
2,3
(1) =
1 0 0
0 1 0
0 1 1
3
(
1
5
) =
1 0 0
0 1 0
0 0
1
5
,
3,1
(3) =
1 0 3
0 1 0
0 0 1
,
3,2
(2) =
1 0 0
0 1 2
0 0 1
,
ou seja,
3,2
(2)
3,1
(3)
3
(
1
5
)
2,3
(1)
2,1
(1)
2
(1)
1,3
(2)
1,2
(2) =
3
.
Multiplicando ` a esquerda pelas inversas das matrizes elementares correspondentes obtemos
=
1,2
(2)
1,3
(2)
2
(1)
2,1
(1)
2,3
(1)
3
(5)
3,1
(3)
3,2
(2).
2.1.3 M etodo para Invers ao de Matrizes
O exemplo seguinte mostra, para matrizes 2 2, n ao somente uma forma de descobrir se uma
matriz tem inversa mas tamb em, como encontrar a inversa, no caso em que ela exista. Ou seja,
escalonamos a matriz [
2
] e encontramos a sua forma escalonada reduzida [ ]. Se =
2
,
ent ao a matriz e invertvel e a inversa
1
= . Caso contr ario, a matriz n ao e invertvel.
Julho 2009 Reginaldo J. Santos
84 Invers ao de Matrizes e Determinantes
Exemplo 2.4. Seja =
_
_
. Devemos procurar uma matriz =
_
_
tal que =
2
,
ou seja,
+ = 1
+ = 0
+ = 0
+ = 1
Este sistema pode ser desacoplado em dois sistemas independentes que possuem a mesma matriz,
que e a matriz . Podemos resolv e-los simultaneamente. Para isto, basta escalonarmos a matriz
aumentada
_
1 0
0 1
_
= [
2
].
Os dois sistemas t em soluc ao unica se, e somente se, a forma escalonada reduzida da matriz [
2
]
for da forma [
2
] =
_
1 0
0 1
_
(verique, observando o que acontece se a forma escalonada
reduzida da matriz n ao for igual a
2
). Neste caso, = , = e = , = , ou seja, a matriz
possuir a inversa,
1
= = =
_
_
.
Para os leitores da Subsec ao 2.1.2 o pr oximo teorema e uma simples conseq u encia do Teorema
2.5 na p agina 80. Entretanto a demonstrac ao que daremos a seguir fornece umm etodo para encontrar
a inversa de uma matriz, se ela existir.
Teorema 2.7. Uma matriz , , e invertvel se, e somente se, e equivalente por linhas ` a matriz
identidade
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.1 A Inversa de uma Matriz 85
Demonstrac ao. Pelo Teorema 2.3 na p agina 79, para vericarmos se uma matriz , , e in-
vertvel, basta vericarmos se existe uma matriz , tal que
=
. (2.4)
Vamos denotar as colunas de por
1
,
2
, . . . ,
, ou seja, = [
1
. . .
], em que
1
=
11
21
.
.
.
,
2
=
12
22
.
.
.
, . . . ,
2
.
.
.
, por
1
,
2
, . . . ,
, ou seja,
= [
1
. . .
], em que
1
=
1
0
.
.
.
0
,
2
=
0
1
.
.
.
0
, . . . ,
0
0
.
.
.
1
.
Assim a equac ao (2.4) pode ser escrita como
[
1
. . .
] = [
1
. . .
] = [
1
. . .
],
pois a - esima coluna do produto e igual a vezes a - esima coluna da matriz (Exerccio 18
na p agina 27). Analisando coluna a coluna a equac ao anterior vemos que encontrar e equivalente
a resolver sistemas lineares
para = 1 . . . , .
Julho 2009 Reginaldo J. Santos
86 Invers ao de Matrizes e Determinantes
Cada um dos sistemas pode ser resolvido usando o m etodo de Gauss-Jordan. Para isso, formaramos
as matrizes aumentadas [
1
], [
2
], . . . , [
2
. . .
] = [
].
Transformando [
] e da forma [
]. Se
escrevemos a matriz em termos das suas colunas = [
1
2
. . .
s ao
ou n ao tem soluc ao unica ou n ao tem soluc ao. Isto implica que a matriz
n ao tem inversa, pois as colunas da ( unica) inversa seriam
, para = 1, . . . .
Observac ao. Da demonstrac ao do Teorema 2.7 obtemos n ao somente uma forma de descobrir se
uma matriz tem inversa mas tamb em, como encontrar a inversa, no caso em que ela exista. Ou
seja, escalonamos a matriz [
1 1 1
2 1 4
2 3 5
1
a
.
eliminac ao:
21
a
.
linha + 2
a
.
linha 2
a
.
linha
21
a
.
linha + 3
a
.
linha 3
a
.
linha
1 1 1 1 0 0
0 1 2 2 1 0
0 1 3 2 0 1
2
a
.
eliminac ao:
12
a
.
linha 2
a
.
linha
1 1 1 1 0 0
0 1 2 2 1 0
0 1 3 2 0 1
12
a
.
linha + 1
a
.
linha 1
a
.
linha
12
a
.
linha + 3
a
.
linha 3
a
.
linha
1 0 3 1 1 0
0 1 2 2 1 0
0 0 5 4 1 1
3
a
.
eliminac ao:
1
5
3
a
.
linha 3
a
.
linha
1 0 3 1 1 0
0 1 2 2 1 0
0 0 1
4
5
1
5
1
5
1 0 0
7
5
2
5
3
5
0 1 0
2
5
3
5
2
5
0 0 1
4
5
1
5
1
5
Assim, a matriz [
3
] e equivalente por linhas ` a matriz acima, que e da forma [
3
], portanto a
matriz e invertvel e a sua inversa e a matriz , ou seja,
1
=
7
5
2
5
3
5
2
5
3
5
2
5
4
5
1
5
1
5
.
Exemplo 2.6. Vamos determinar, se existir, a inversa da matriz
=
1 2 3
1 1 2
0 1 1
.
Para isso devemos escalonar a matriz aumentada
[
3
] =
1 2 3 1 0 0
1 1 2 0 1 0
0 1 1 0 0 1
1
a
.
eliminac ao:
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.1 A Inversa de uma Matriz 89
11
a
.
linha + 2
a
.
linha 2
a
.
linha
1 2 3 1 0 0
0 1 1 1 1 0
0 1 1 0 0 1
2
a
.
eliminac ao:
12
a
.
linha 2
a
.
linha
1 2 3 1 0 0
0 1 1 1 1 0
0 1 1 0 0 1
22
a
.
linha + 1
a
.
linha 1
a
.
linha
12
a
.
linha + 3
a
.
linha 3
a
.
linha
1 0 1 1 2 0
0 1 1 1 1 0
0 0 0 1 1 1
Assim, a matriz [
3
] e equivalente por linhas ` a matriz acima, que e da forma [ ], com =
3
.
Assim, a matriz n ao e equivalente por linhas ` a matriz identidade e portanto n ao e invertvel.
Se um sistema linear = tem o n umero de equac oes igual ao n umero de inc ognitas,
ent ao o conhecimento da inversa da matriz do sistema
1
, reduz o problema de resolver o sistema
a simplesmente fazer um produto de matrizes, como est a enunciado no pr oximo teorema.
Julho 2009 Reginaldo J. Santos
90 Invers ao de Matrizes e Determinantes
Teorema 2.8. Seja uma matriz .
(a) O sistema associado = tem soluc ao unica se, e somente se, e invertvel. Neste caso
a soluc ao e =
1
;
(b) O sistema homog eneo =
0 tem soluc ao n ao trivial se, e somente se, e singular (n ao
invertvel).
Demonstrac ao. (a) Se a matriz e invertvel, ent ao multiplicando = por
1
` a esquerda
em ambos os membros obtemos
1
() =
1
(
1
) =
1
=
1
=
1
.
Aqui foram usadas as propriedades (h) e (i) do Teorema 1.1 na p agina 9. Portanto, =
1
1 1 1
2 1 4
2 3 5
= =
kg de X produzidos
kg de Y produzidos
kg de Z produzidos
=
+ +
2 + + 4
2 + 3 + 5
gramas de A usados
gramas de B usados
arrecadac ao
No Exemplo 2.5 na p agina 87 determinamos a inversa da matriz
=
1 1 1
2 1 4
2 3 5
1
=
7
5
2
5
3
5
2
5
3
5
2
5
4
5
1
5
1
5
=
1
5
7 2 3
2 3 2
4 1 1
.
Sabendo-se a inversa da matriz podemos saber a produc ao da ind ustria sempre que soubermos
quanto foi gasto do insumo A, do insumo B e a arrecadac ao.
(a) Se em um perodo com a venda de toda a produc ao de X, Y e Z manufaturada com 1 kg de A
e 2 kg de B, essa ind ustria arrecadou R$ 2500, 00, ent ao para determinar quantos kg de cada
um dos produtos X, Y e Z foram vendidos simplesmente multiplicamos
1
pela matriz
=
1000
2000
2500
gramas de A usados
gramas de B usados
arrecadac ao
ou seja,
kg de X produzidos
kg de Y produzidos
kg de Z produzidos
==
1
=
1
5
7 2 3
2 3 2
4 1 1
1000
2000
2500
700
200
100
1000
2100
2900
gramas de A usados
gramas de B usados
arrecadac ao
ou seja,
kg de X produzidos
kg de Y produzidos
kg de Z produzidos
= =
1
=
1
5
7 2 3
2 3 2
4 1 1
1000
2100
2900
500
300
200
= (
), com
1
, . . . ,
1
+
2
2
+ +
1
+
0
,
que interpola os dados, no sentido de que (
) =
, para = 1, . . . , .
Por exemplo se os pontos s ao
1
= (0, 10),
2
= (1, 7),
3
= (3, 11),
4
= (4, 14) ent ao
o problema consiste em encontrar um polin omio de grau 3 que interpola os pontos dados (veja o
Exerccio 1.2.8 na p agina 63).
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.1 A Inversa de uma Matriz 95
2 1 0 1 2 3 4 5
30
20
10
0
10
20
30
x
y
Vamos mostrar que existe, um e somente um, polin omio de grau no m aximo igual a 1, que
interpola pontos, com abscissas distintas. Substituindo os pontos no polin omio (), obtemos um
Julho 2009 Reginaldo J. Santos
96 Invers ao de Matrizes e Determinantes
sistema linear = , em que
=
2
.
.
.
, =
2
.
.
.
e =
1
1
2
1
. . .
1
1
1
2
2
2
. . .
2
1
.
.
.
.
.
.
.
.
.
. . .
.
A matriz e chamada matriz de Vandermonde.
Vamos mostrar que = tem somente uma soluc ao. Pelo Teorema 2.8 na p agina 90, um
sistema de equac oes e inc ognitas = tem soluc ao unica se, e somente se, o sistema
homog eneo associado, =
0, tem somente a soluc ao trivial. = [
1
0
] e soluc ao do
sistema homog eneo se, e somente se, o polin omio de grau 1, () =
1
1
+ +
0
, se
anula em pontos distintos. O que implica que o polin omio () e o polin omio com todos os seus
coecientes iguais a zero. Portanto, o sistema homog eneo =
0 tem somente a soluc ao trivial.
Isto prova que existe, um e somente um, polin omio de grau no m aximo igual a 1, que interpola
pontos, com abscissas distintas.
Assim a soluc ao do sistema linear e =
1
. Como a matriz depende apenas das abs-
cissas dos pontos, tendo calculado a matriz
1
podemos determinar rapidamente os polin omios
que interpolam v arios conjuntos de pontos, desde que os pontos de todos os conjuntos tenham as
mesmas abscissas dos pontos do conjunto inicial.
2.1.5 Aplicac ao: Criptograa
Vamos transformar uma mensagem em uma matriz da seguinte forma. Vamos quebrar a men-
sagem em pedacos de tamanho 3 e cada pedaco ser a convertido em uma matriz coluna usando a
Tabela 2.1 de convers ao entre caracteres e n umeros.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.1 A Inversa de uma Matriz 97
Considere a seguinte mensagem criptografada
1ydobbr,? (2.5)
Quebrando a mensagem criptografada em pedacos de tamanho 3 e convertendo cada pedaco para
uma coluna de n umeros usando a Tabela 2.1 obtemos a matriz
=
80 15 18
25 2 107
4 2 94
Sabendo-se que esta mensagem foi criptografada fazendo o produto da mensagem inicial pela matriz
=
1 1 0
0 1 1
0 0 1
ent ao
=
1
1 1 1
0 1 1
0 0 1
80 15 18
25 2 107
4 2 94
59 15 5
21 0 13
4 2 94
Convertendo para texto usando novamente a Tabela 2.1 obtemos que a mensagem que foi criptogra-
fada e
Tudo bem? (2.6)
Julho 2009 Reginaldo J. Santos
98 Invers ao de Matrizes e Determinantes
Exerccios Num ericos (respostas na p agina 510)
2.1.1. Seja uma matriz 3 3. Suponha que =
1
2
3
1 2 3
1 1 2
0 1 2
;
(b)
1 2 2
1 3 1
1 3 2
;
(c)
1 1 1 1
1 2 1 2
1 1 2 1
1 3 3 2
;
(d)
1 2 3
0 2 3
1 2 4
;
(e)
1 2 3
1 1 2
0 1 1
;
(f)
1 1 1 1
1 3 1 2
1 2 1 1
5 9 1 6
;
2.1.3. Encontre todos os valores de para os quais a matriz =
1 1 0
1 0 0
1 2
tem inversa.
2.1.4. Se
1
=
_
3 2
1 3
_
e
1
=
_
2 5
3 2
_
,
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.1 A Inversa de uma Matriz 99
encontre ()
1
.
2.1.5. Resolva o sistema = , se
1
=
_
2 3
4 1
_
e =
_
5
3
_
.
2.1.6. Seja
=
_
1 1
4 1
_
.
mostraremos no Exemplo 6.6 na p agina 401 que
=
_
1 1
2 2
_
e =
_
3 0
0 1
_
s ao tais que
=
1
.
Determine
, para = 1, 2, 3, . . .
2.1.7. (Relativo ` a Subsec ao 2.1.2) Encontre matrizes elementares
1
, . . . ,
tais que =
1
. . .
,
para
=
1 2 3
2 1 2
0 1 2
.
Exerccios usando o MATLAB
Comandos do MATLAB
:
Julho 2009 Reginaldo J. Santos
100 Invers ao de Matrizes e Determinantes
>> M=[A,B] atribui ` a matriz M a matriz obtida colocando lado a lado as matrizes A e B.
>> A=[A1,...,An] cria uma matriz A formada pelas matrizes, denidas anteriormente, A1,
..., An colocadas uma ao lado da outra;
>> M=A(:,k:l) atribui ` a matriz M a submatriz da matriz A obtida da coluna l ` a coluna k da
matriz A.
Comandos do pacote GAAL:
>> B=opel(alpha,i,A) ou B=oe(alpha,i,A)faz a operac ao elementar
alpha*linha i ==> linha i da matriz A e armazena a matriz resultante em B.
>> B=opel(alpha,i,j,A) ou B=oe(alpha,i,j,A) faz a operac ao elementar
alpha*linha i + linha j ==> linha j da matriz A e armazena a matriz resultante na
vari avel B.
>> B=opel(A,i,j) ou B=oe(A,i,j) faz a troca da linha com a linha da matriz A e arma-
zena a matriz resultante na vari avel B.
>> B=escalona(A) calcula passo a passo a forma escalonada reduzida da matriz A e arma-
zena a matriz resultante na vari avel B.
2.1.8. O pacote GAAL cont em alguns arquivos com mensagens criptografadas e uma chave para de-
cifr a-las. Use os comandos a seguir para ler dos arquivos e atribuir ` as vari aveis corresponden-
tes, uma mensagem criptografada e a uma chave para decifr a-la.
>> menc=lerarq(c:/matlab/toolbox/gaal/menc1.txt)
>> key=lerarq(c:/matlab/toolbox/gaal/key.txt)
Com estes comandos foram lidos os arquivos menc1.txt e key.txt e atribudos os resultados
` as vari aveis menc e key respectivamente. Para converter a mensagem criptografada e a chave
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.1 A Inversa de uma Matriz 101
para matrizes num ericas use os comandos do pacote gaal:
>> y=char2num(menc), M=char2num(key)
Sabendo-se que a mensagem criptografada (convertida para n umeros), y, foi originalmente
obtida multiplicando-se a matriz M pela mensagem original (convertida para n umeros), x, de-
termine x. Descubra a mensagem usando o comando do pacote gaal, num2char(x), que
converte a matriz para texto. Decifre as mensagens que est ao nos arquivos menc2.txt e
menc3.txt. Como deve ser a matriz M para que ela possa ser uma matriz chave na criptogra-
a?
2.1.9. Resolva os Exerccios Num ericos a partir do Exerccio 2.1.2 usando o MATLAB
.
Exerccios Te oricos
2.1.10. (a) Mostre que a matriz =
_
_
e invertvel se, e somente se, = 0 e neste
caso a inversa e dada por
1
=
1
_
_
.
(Sugest ao: encontre a forma escalonada reduzida da matriz [
2
], para = 0 e para
= 0.)
(b) Mostre que se = 0, ent ao o sistema linear
_
+ =
+ =
Julho 2009 Reginaldo J. Santos
102 Invers ao de Matrizes e Determinantes
tem como soluc ao
=
, =
Sugest ao para os pr oximos 4 exerccios: Para vericar que uma matriz e a inversa de uma
matriz , basta fazer um dos produtos ou e vericar que e igual a
.
2.1.11. Se e uma matriz e
=
0, para um inteiro positivo, mostre que
(
)
1
=
+ +
2
+. . . +
1
.
2.1.12. Seja uma matriz diagonal, isto e, os elementos que est ao fora da diagonal s ao iguais a zero
(
= 0, para = ). Se
.
2.1.13. Sejam e matrizes quadradas. Mostre que se + e forem invertveis, ent ao
( +)
1
=
1
(
+
1
)
1
.
2.1.14. Seja
)
1
=
1
1
.
(Sugest ao: observe que
2
.)
2.1.15. Mostre que se e uma matriz invertvel, ent ao
1
=
1
se, e somente se, = .
(Sugest ao: multiplique a equac ao = por
1
.)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.1 A Inversa de uma Matriz 103
2.1.16. Mostre que se e uma matriz invertvel, ent ao + e
+
1
s ao ambas invertveis ou
ambas n ao invertveis. (Sugest ao: multiplique + por
1
.)
2.1.17. Sejam e matrizes . Mostre que se n ao e invertvel, ent ao tamb em n ao o e.
2.1.18. Mostre que se e s ao matrizes , invertveis, ent ao e s ao equivalentes por linhas.
2.1.19. Sejamuma matriz e uma matriz , com < . Mostre que n ao e invertvel.
(Sugest ao: Mostre que o sistema () =
0 tem soluc ao n ao trivial.)
Julho 2009 Reginaldo J. Santos
104 Invers ao de Matrizes e Determinantes
a b c d e f g h i j k l m n
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
o p q r s t u v w x y z ` a a a
15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
a c e e o o o u u A B C D E
30 31 32 33 34 35 36 37 38 39 40 41 42 43 44
F G H I J K L M N O P Q R S T
45 46 47 48 49 50 51 52 53 54 55 56 57 58 59
U V W X Y Z
`
A
A
A
A C
E
E
I
O
60 61 62 63 64 65 66 67 68 69 70 71 72 73 74
O
O
U
U 0 1 2 3 4 5 6 7 8 9 :
75 76 77 78 79 80 81 82 83 84 85 86 87 88 89
; < = > ? @ ! " # $ % & ( )
90 91 92 93 94 95 96 97 98 99 100 101 102 103 104
* + , - . / [ \ ] _ { | }
105 106 107 108 109 110 111 112 113 114 115 116 117
Tabela 2.1: Tabela de convers ao de caracteres em n umeros
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.2 Determinantes 105
2.2 Determinantes
Vamos inicialmente denir o determinante de matrizes 1 1. Para cada matriz = [] denimos
o determinante de , indicado por det(), por det() = . Vamos, agora, denir o determinante de
matrizes 22 e a partir da denir para matrizes de ordem maior. A cada matriz , 22, associamos
um n umero real, denominado determinante de , por:
det() = det
_
11
12
21
22
_
=
11
22
12
21
.
Para denir o determinante de matrizes quadradas maiores, precisamos denir o que s ao os
menores de uma matriz. Dada uma matriz = (
, o menor do elemento
, denotado por
11
. . .
. . .
1
.
.
.
.
.
.
.
.
.
.
.
.
1
. . .
. . .
)
33
,
23
=
11
12
13
21
22
23
31
32
33
=
_
11
12
31
32
_
Agora, vamos denir os cofatores de uma matriz quadrada = (
)
33
. O cofator do elemento
, denotado por
, e denido por
= (1)
+
det(
),
ou seja, o cofator
, do elemento
, sendo
o mais e o menos determinados pela seguinte disposic ao:
+ +
+
+ +
)
33
,
23
= (1)
2+3
det(
23
) = det
11
12
13
21
22
23
31
32
33
= det
_
11
12
31
32
_
=
31
12
11
32
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.2 Determinantes 107
Vamos, agora, denir o determinante de uma matriz 3 3. Se
=
11
12
13
21
22
23
31
32
33
,
ent ao, o determinante de e igual ` a soma dos produtos dos elementos da 1
a
.
linha pelos seus cofa-
tores.
det() =
11
11
+
12
12
+
13
13
=
11
det
_
22
23
32
33
_
12
det
_
21
23
31
33
_
+
13
det
_
21
22
31
32
_
=
11
(
22
33
32
23
)
12
(
21
33
31
23
) +
13
(
21
32
31
22
).
Da mesma forma que a partir do determinante de matrizes 2 2, denimos o determinante de
matrizes 33, podemos denir o determinante de matrizes quadradas de ordem maior. Supondo que
sabemos como calcular o determinante de matrizes ( 1) ( 1) vamos denir o determinante
de matrizes .
Vamos denir, agora, os cofatores de uma matriz quadrada = (
. O cofator do elemento
, denotado por
, e denido por
= (1)
+
det(
),
ou seja, o cofator
, do elemento
, sendo
Julho 2009 Reginaldo J. Santos
108 Invers ao de Matrizes e Determinantes
o mais e o menos determinados pela seguinte disposic ao:
+ + . . .
+ + . . .
+ + . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
=1
1
1
, (2.7)
em que
1
= (1)
1+
det(
1
) e o cofator do elemento
1
. A express ao (2.8) e chamada desen-
volvimento em cofatores do determinante de em termos da 1
a
.
linha.
Exemplo 2.10. Seja
=
0 0 0 3
1 2 3 4
1 3 2 5
2 1 2 0
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.2 Determinantes 109
Desenvolvendo-se o determinante de em cofatores, obtemos
det() = 0
11
+ 0
12
+ 0
13
+ (3)(1)
1+4
det(), em que =
1 2 3
1 3 2
2 1 2
.
Mas o det() tamb em pode ser calculado usando cofatores,
det() = 1
11
+ 2
12
+ 3
13
= 1(1)
1+1
det(
11
) + 2(1)
1+2
det(
12
) + 3(1)
1+3
det(
13
)
= det
_
3 2
1 2
_
2 det
_
1 2
2 2
_
+ 3 det
_
1 3
2 1
_
= 8 2 (2) + 3 (7)
= 25
Portanto,
det() = 3 det() = 75.
Exemplo 2.11. Usando a denic ao de determinante, vamos mostrar que o determinante de uma ma-
triz triangular inferior (isto e, os elementos situados acima da diagonal principal s ao iguais a zero) e
o produto dos elementos da diagonal principal. Vamos mostrar inicialmente para matrizes 3 3. Seja
=
11
0 0
21
22
0
31
32
33
32
33
_
=
11
22
33
.
Vamos supor termos provado que para qualquer matriz ( 1) ( 1) triangular inferior, o deter-
minante e o produto dos elementos da diagonal principal. Ent ao vamos provar que isto tamb em vale
para matrizes . Seja
=
11
0 . . . . . . 0
21
22
0
.
.
.
.
.
.
.
.
.
0
1
. . .
22
0 . . . . . . 0
32
33
0
.
.
.
.
.
.
.
.
.
0
2
. . .
=
11
22
. . .
,
pois o determinante acima e de uma matriz ( 1) ( 1) triangular inferior. Em particular, para
a matriz identidade,
,
det(
) = 1.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.2 Determinantes 111
2.2.1 Propriedades do Determinante
Vamos provar uma propriedade do determinante que e usada para provar v arias outras proprieda-
des. Para isso vamos escrever a matriz = (
1
.
.
.
+1
.
.
.
,
em que
= [
1
2
. . .
]. Se a linha
e escrita na forma
= + , em que = [
1
. . .
], = [
1
. . .
, ou seja,
= [
1
2
. . .
= + , em que = [
1
. . .
],
Julho 2009 Reginaldo J. Santos
112 Invers ao de Matrizes e Determinantes
= [
1
. . .
1
.
.
.
1
+
+1
.
.
.
= det
1
.
.
.
+1
.
.
.
+ det
1
.
.
.
+1
.
.
.
.
Aqui,
= + = [
1
+
1
. . .
].
Demonstrac ao. Vamos provar aqui somente para = 1. Para > 1 e demonstrado no Ap endice II
na p agina 133. Se
1
= + , em que = [
1
. . .
], = [
1
. . .
] e e s ao escalares,
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.2 Determinantes 113
ent ao:
det
2
.
.
.
=1
(1)
1+
(
) det(
1
)
=
=1
det(
1
) +
=1
det(
1
)
= det
2
.
.
.
+ det
2
.
.
.
Exemplo 2.12. O c alculo do determinante da matriz a seguir pode ser feito da seguinte forma:
det
_
cos sen
2 cos 3 sen 2 sen + 3 cos
_
= 2 det
_
cos sen
cos sen
_
+ 3 det
_
cos sen
sen cos
_
= 3
Pela denic ao de determinante, o determinante deve ser calculado fazendo-se o desenvolvimento
em cofatores segundo a 1
a
.
linha. O pr oximo resultado, que n ao vamos provar neste momento
Julho 2009 Reginaldo J. Santos
114 Invers ao de Matrizes e Determinantes
(Ap endice II na p agina 133), arma que o determinante pode ser calculado fazendo-se o desen-
volvimento em cofatores segundo qualquer linha ou qualquer coluna.
Teorema 2.11. Seja uma matriz . O determinante de pode ser calculado fazendo-se o
desenvolvimento em cofatores segundo qualquer linha ou qualquer coluna.
det() =
1
1
+
2
2
+. . . +
=1
, para = 1, . . . , , (2.8)
=
1
1
+
2
2
+. . . +
=1
, para = 1, . . . , , (2.9)
em que
= (1)
+
det(
) e o cofator do elemento
=1
=1
(1)
+
det(
).
Mas, cada
e uma matriz (1) (1) com duas linhas iguais. Como estamos supondo que o
resultado seja verdadeiro para estas matrizes, ent ao det(
1
.
.
.
.
.
.
.
.
.
e =
1
.
.
.
.
.
.
.
.
.
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.2 Determinantes 117
Agora, pelo Teorema 2.10 na p agina 111 e o Corol ario 2.12, temos que
0 = det
1
.
.
.
.
.
.
.
.
.
= det
1
.
.
.
.
.
.
.
.
.
+ det
1
.
.
.
.
.
.
.
.
.
+ det
1
.
.
.
.
.
.
.
.
.
+ det
1
.
.
.
.
.
.
.
.
.
= 0 + det() + det() + 0.
Portanto, det() = det().
(c) Novamente, pelo Teorema 2.10 na p agina 111, temos que
det
1
.
.
.
.
.
.
.
.
.
= det
1
.
.
.
.
.
.
.
.
.
+det
1
.
.
.
.
.
.
.
.
.
= det
1
.
.
.
.
.
.
.
.
.
0 1 5
3 6 9
2 6 1
usando operac oes elementares para transform a-la numa matriz triangular superior e aplicando o Te-
orema 2.13.
det() = det
3 6 9
0 1 5
2 6 1
1
a
.
linha 2
a
.
linha
= 3 det
1 2 3
0 1 5
2 6 1
1/31
a
.
linha 1
a
.
linha
= 3 det
1 2 3
0 1 5
0 10 5
21
a
.
linha+3
a
.
linha 3
a
.
linha
= 3 det
1 2 3
0 1 5
0 0 55
102
a
.
linha+3
a
.
linha 3
a
.
linha
= (3)(55) = 165
Quando multiplicamos uma linha de uma matriz por um escalar o determinante da nova matriz e
igual a multiplicado pelo determinante da matriz antiga. Mas o que estamos calculando aqui e o
determinante da matriz antiga, por isso ele e igual a 1/ multiplicado pelo determinante da matriz
nova.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.2 Determinantes 119
Para se calcular o determinante de uma matriz pela expans ao em cofatores, precisamos
fazer produtos e calcular determinantes de matrizes ( 1) ( 1), que por sua vez vai
precisar de 1 produtos e assim por diante. Portanto, ao todo s ao necess arios da ordem de !
produtos. Para se calcular o determinante de uma matriz 20 20, e necess ario se realizar 20! 10
18
produtos. Os computadores pessoais realizam da ordem de 10
8
produtos por segundo. Portanto, um
computador pessoal precisaria de cerca de 10
10
segundos ou 10
3
anos para calcular o determinante
de uma matriz 2020 usando a expans ao em cofatores. Entretanto usando o m etodo apresentado no
exemplo anterior para o c alculo do determinante, e necess ario apenas da ordem de
3
produtos. Ou
seja, para calcular o determinante de uma matriz 20 20 usando o m etodo apresentado no exemplo
anterior um computador pessoal gasta muito menos de um segundo.
A seguir estabelecemos duas propriedades do determinante que ser ao demonstradas somente
na Subsec ao 2.2.2 na p agina 126.
Teorema 2.14. Sejam e matrizes .
(a) O determinante do produto de por e igual ao produto dos seus determinantes,
det() = det() det() .
(b) Os determinantes de e de sua transposta
s ao iguais,
det() = det(
) ;
Julho 2009 Reginaldo J. Santos
120 Invers ao de Matrizes e Determinantes
Observac ao. Como o determinante de uma matriz e igual ao determinante da sua transposta (Teo-
rema 2.14 (b)), segue-se que todas as propriedades que se referem a linhas s ao v alidas com relac ao
` as colunas.
Exemplo 2.14. Seja = (
).
Mas, det(
.
Pelo Teorema 2.7 na p agina 84, =
2 2 2
0 2 0
0 1 3
.
(a) Determinar os valores de tais que existe =
=
0 que satisfaz = .
(b) Para cada um dos valores de encontrados no item anterior determinar todos =
tais
que = .
Soluc ao:
(a) Como a matriz identidade
3
e o elemento neutro do produto, ent ao
= =
3
.
Subtraindo-se
3
obtemos
3
=
0 (
3
) =
0.
Agora, este sistema homog eneo tem soluc ao n ao trivial ( =
0) se, e somente se,
det(
3
) = 0.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.2 Determinantes 123
Mas
det
2 2 2
0 2 0
0 1 3
= ( 2)
2
( 3) = 0
se, e somente se, = 2 ou = 3. Assim, somente para = 2 e = 3 existem vetores
=
=
0 tais que = .
(b) Para = 2:
( 2
3
) =
0
0 2 2
0 0 0
0 1 1
0
0
0
_
2 + 2 = 0
+ = 0
que tem soluc ao o conjunto dos =
1 2 2
0 1 0
0 1 0
0
0
0
+ 2 + 2 = 0
= 0
= 0
que tem soluc ao o conjunto dos =
2
0
1
=
1
det()
_
_
,
como pode ser vericado multiplicando-se a candidata a inversa pela matriz .
Observe que este exemplo fornece uma regra para se encontrar a inversa de uma matriz 2 2:
troca-se a posic ao dos elementos da diagonal principal, troca-se o sinal dos outros elementos e
divide-se todos os elementos pelo determinante de .
Exemplo 2.18. Considere o sistema linear de 2 equac oes e 2 inc ognitas
_
+ =
+ =
A matriz deste sistema e
=
_
_
.
Se det() = 0, ent ao a soluc ao do sistema e
=
1
=
1
det()
_
_ _
_
=
1
det()
_
+
_
=
1
det()
det
_
_
det
_
_
1
=
det(
1
)
det()
,
2
=
det(
2
)
det()
, . . . ,
=
det(
)
det()
,
em que
+ 2 + 3 = 1
2 + 4 + 6 = 3
3 + 6 + 9 = 2
e tal que
det() = det(
1
) = det(
2
) = det(
3
) = 0,
mas ele n ao tem soluc ao (verique!).
Julho 2009 Reginaldo J. Santos
126 Invers ao de Matrizes e Determinantes
2.2.2 Matrizes Elementares e o Determinante (opcional)
Relembramos que uma matriz elementar e uma matriz que se obt em aplicando-se uma operac ao
elementar na matriz identidade. Assim, aplicando-se o Teorema 2.13 na p agina 115 obtemos o resul-
tado seguinte.
Proposic ao 2.16. (a) Se
,
e a matriz elementar obtida trocando-se as linhas e da matriz
identidade, ent ao det(
,
) = 1.
(b) Se
()) = .
(c) Se
,
() e a matriz elementar obtida da matriz identidade, somando-se ` a linha , vezes a
linha , ent ao det(
,
()) = 1.
Lembramos tamb em que uma matriz e invertvel se, e somente se, ela e o produto de matrizes
elementares (Teorema 2.6 na p agina 82). Al em disso, o resultado da aplicac ao de uma operac ao
elementar em uma matriz e o mesmo que multiplicar a matriz ` a esquerda pela matriz elementar
correspondente.
Usando matrizes elementares podemos provar o Teorema 2.14 na p agina 119.
Demonstrac ao do Teorema 2.14.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.2 Determinantes 127
(a) Queremos provar que det() = det() det(). Vamos dividir a demonstrac ao deste item em
tr es casos:
Caso 1: Se = e uma matriz elementar. Este caso segue-se diretamente da proposic ao anterior
e do Teorema 2.13 na p agina 115.
Caso 2: Se e invertvel, ent ao pelo Teorema 2.6 na p agina 82 ela e o produto de matrizes elemen-
tares, =
1
. . .
) det() = det(
1
. . .
.
E f acil ver que se e uma matriz elementar, ent ao det() = det(
)
(verique!). Assim,
det(
) = det(
) . . . det(
1
) = det(
) . . . det(
1
) = det(
1
. . .
) = det().
Caso 2: Se n ao e invertvel, ent ao
) = 0 = det().
Julho 2009 Reginaldo J. Santos
128 Invers ao de Matrizes e Determinantes
Exerccios Num ericos (respostas na p agina 514)
2.2.1. Se det() = 3, encontre
(a) det(
2
); (b) det(
3
); (c) det(
1
); (d) det(
);
2.2.2. Se e s ao matrizes tais que det() = 2 e det() = 3, calcule det(
1
).
2.2.3. Seja = (
)
33
tal que det() = 3. Calcule o determinante das matrizes a seguir:
(a)
11
12
13
+
12
21
22
23
+
22
31
32
33
+
32
(b)
11
+
12
11
12
13
21
+
22
21
22
23
31
+
32
31
32
33
(1 +)
_
(b)
_
cos sen
cos sen sen + cos
_
2.2.5. Calcule o determinante de cada uma das matrizes seguintes usando operac oes elementares
para transform a-las em matrizes triangulares superiores.
(a)
1 2 3 1
5 9 6 3
1 2 6 2
2 8 6 1
(b)
2 1 3 1
1 0 1 1
0 2 1 0
0 1 2 3
.
2.2.6. Determine todos os valores de para os quais det(
) = 0, em que
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.2 Determinantes 129
(a) =
0 1 2
0 0 3
0 0 0
(b) =
1 0 0
1 3 0
3 2 2
(c) =
2 2 3
0 3 2
0 1 2
(d) =
2 2 3
1 2 1
2 2 1
1
.
.
.
=
0 que satisfaz = .
(a) =
2 0 0
3 1 0
0 4 3
; (b) =
2 3 0
0 1 0
0 0 2
;
(c) =
1 2 3 4
0 1 3 2
0 0 3 3
0 0 0 2
; (d) =
2 2 3 4
0 2 3 2
0 0 1 1
0 0 0 1
.
2.2.8. Para as matrizes do exerccio anterior, e os valores de encontrados, encontre a soluc ao geral
do sistema = , ou equivalentemente, do sistema homog eneo (
) =
0.
Julho 2009 Reginaldo J. Santos
130 Invers ao de Matrizes e Determinantes
Exerccios usando o MATLAB
Comandos do MATLAB
:
>> det(A) calcula o determinante da matriz A.
Comando do pacote GAAL:
>> detopelp(A) calcula o determinante de A aplicando operac oes elementares at e que a
matriz esteja na forma triangular superior.
2.2.9. Vamos fazer um experimento no MATLAB
fazer e o seguinte:
Criar um contador c e atribuir a ele o valor zero.
Atribuir ` a vari avel A, 1000 matrizes 2 2 com entradas inteiras aleat orias entre 5 e 5.
Se det(A) = 0, ent ao o contador c e acrescido de 1.
No nal o valor existente na vari avel c e escrito.
Qual a conclus ao que voc e tira do valor obtido na vari avel c?
2.2.10. Resolva, com o MATLAB
=
0, para algum inteiro positivo, ent ao e singular.
2.2.15. Mostre que se
=
1
, ent ao det() = 1;
2.2.16. Mostre que se e um escalar e e uma matriz , ent ao det() =
det().
2.2.17. Mostre que , , e invertvel se, e somente se,
e invertvel.
2.2.18. Sejam e matrizes , sendo invertvel. Mostre que det(
1
) = det().
2.2.19. Mostre que se uma matriz = (
22
. . .
.
2.2.20. (a) Mostre que se =
_
_
, ent ao det() = 0 se, e somente se, uma linha e m ultiplo
escalar da outra. E se for uma matriz ?
(b) Mostre que se uma linha
de uma matriz = (
, e tal que
, para
e escalares e = , , ent ao det() = 0.
(c) Mostre que se uma linha
de uma matriz = (
, e tal que
, para
1
, . . . ,
= det
1
1
2
1
. . .
1
1
1
2
2
2
. . .
1
2
.
.
.
.
.
.
.
.
.
1
. . .
1
>
(
).
A express ao ` a direita signica o produto de todos os termos
1
+
, para = , . . . , 2. Obtenha
= (
1
) . . . (
2
1
)
1
.)
2.2.22. Sejam , e matrizes , ( ) e ( ) ( ), respectivamente. Mostre que
det
_
0
_
= det() det().
(Sugest ao: O resultado e claramente verdadeiro para = 2. Suponha que o resultado seja
verdadeiro para matrizes de ordem 1. Desenvolva o determinante da matriz em termos da
1
a
.
coluna, escreva o resultado em termos de determinantes de ordem 1 e mostre que o
resultado e verdadeiro para matrizes de ordem .)
2.2.23. Dado um polin omio
() = (1)
+
1
1
+ +
0
)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.2 Determinantes 133
Verique que a matriz
=
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
0
1
2
1
,
e tal que det(
1
.
.
.
1
+
+1
.
.
.
, =
1
.
.
.
+1
.
.
.
e =
1
.
.
.
+1
.
.
.
.
Julho 2009 Reginaldo J. Santos
134 Invers ao de Matrizes e Determinantes
Suponha que = 2, . . . , . As matrizes
1
,
1
e
1
s o diferem na ( 1)- esima linha (lembre-se
que a primeira linha e retirada!). Al em disso, a ( 1)- esima linha de
1
e igual a vezes a linha
correspondente de
1
mais vezes a linha correspondente de
1
(esta e a relac ao que vale para a
- esima linha de ). Como estamos supondo o resultado verdadeiro para matrizes (1) (1),
ent ao det(
1
) = det(
1
) + det(
1
). Assim,
det() =
=1
(1)
1+
1
det(
1
)
=
=1
(1)
1+
1
_
det(
1
) + det(
1
)
_
=
=1
(1)
1+
1
det(
1
) +
=1
(1)
1+
1
det(
1
)
= det() + det(),
pois
1
=
1
=
1
, para = 1, . . . , .
Lema 2.17. Sejam
1
= [ 1 0 . . . 0 ],
2
= [ 0 1 0 . . . 0 ], . . . ,
= [ 0 . . . 0 1 ]. Se e uma matriz
, cuja - esima linha e igual a
).
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
2.2 Determinantes 135
Demonstrac ao.
E f acil ver que para matrizes 2 2 o lema e verdadeiro. Suponha que ele seja
verdadeiro para matrizes (1) (1) e vamos provar que ele e verdadeiro para matrizes .
Podemos supor que 1 < .
Seja
1
e uma matriz ( 1) ( 1) cuja ( 1)- esima linha e igual a
1
.
Para > , a matriz
1
e uma matriz ( 1) ( 1) cuja ( 1)- esima linha e igual a
. Como
estamos supondo o lema verdadeiro para estas matrizes e como pelo Teorema 2.10 na p agina 111 se
uma matriz tem uma linha nula o seu determinante e igual a zero, ent ao det(
1
) = 0, segue-se que
det(
1
) =
(1)
(1)+(1)
det(
) se < ,
0 se = ,
(1)
(1)+
det(
) se > .
(2.10)
Usando (2.10), obtemos
det() =
=1
(1)
1+
1
det(
)
=
<
(1)
1+
1
(1)
(1)+(1)
det(
) +
>
(1)
1+
1
(1)
(1)+
det(
)
Por outro lado, temos que
(1)
+
det(
) = (1)
+
_
<
(1)
1+
1
det(
) +
>
(1)
1+(1)
1
det(
)
_
Julho 2009 Reginaldo J. Santos
136 Invers ao de Matrizes e Determinantes
=1
. Seja
=1
det(
) =
=1
(1)
+
det(
).
1 3 9 7
2 3 2 5
0 3 4 1
4 6 9 1
1 0 0 2
0 1 0 0
0 0 1 0
2 0 0 2
2 0 0 0
2 0 0 0
1 2 1 0
3 2 1 2
=
2
e e n ao singular, ent ao determinante de e -1;
(c) Se =
1
, ent ao det() = det().
(d) det( +) = det + det
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 3
Vetores no Plano e no Espac o
Muitas grandezas fsicas, como velocidade, forca, deslocamento e impulso, para serem comple-
tamente identicadas, precisam, al em da magnitude, da direc ao e do sentido. Estas grandezas s ao
chamadas grandezas vetoriais ou simplesmente vetores.
Geometricamente, vetores s ao representados por segmentos (de retas) orientados (segmentos
de retas com um sentido de percurso) no plano ou no espaco. A ponta da seta do segmento orientado
e chamada ponto nal ou extremidade e o outro ponto extremo e chamado de ponto inicial ou
origem do segmento orientado.
Segmentos orientados com mesma direc ao, mesmo sentido e mesmo comprimento representam
o mesmo vetor. A direc ao, o sentido e o comprimento do vetor s ao denidos como sendo a direc ao, o
sentido e o comprimento de qualquer um dos segmentos orientados que o representam.
Este fato e an alogo ao que ocorre com os n umeros racionais e as frac oes. Duas frac oes repre-
139
140 Vetores no Plano e no Espac o
Figura 3.1: Segmentos orientados representando o mesmo vetor
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.1 Soma de Vetores e Multiplicac ao por Escalar 141
sentam o mesmo n umero racional se o numerador e o denominador de cada uma delas estiverem
na mesma proporc ao. Por exemplo, as frac oes 1/2, 2/4 e 3/6 representam o mesmo n umero racio-
nal. A denic ao de igualdade de vetores tamb em e an aloga a igualdade de n umeros racionais. Dois
n umeros racionais / e / s ao iguais, quando = . Dizemos que dois vetores s ao iguais se
eles possuem o mesmo comprimento, a mesma direc ao e o mesmo sentido.
Na Figura 3.1 temos 4 segmentos orientados, com origens em pontos diferentes, que representam
o mesmo vetor, ou seja, s ao considerados como vetores iguais, pois possuem a mesma direc ao,
mesmo sentido e o mesmo comprimento.
Se o ponto inicial de um representante de um vetor e e o ponto nal e , ent ao escrevemos
=
Figura 3.2: + = +
+
(
)
(
)
+
Figura 3.3: + ( +) = ( +) +
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.1 Soma de Vetores e Multiplicac ao por Escalar 143
para quaisquer vetores e . Observamos tamb em que a soma + est a na diagonal do
paralelogramo determinado por e , quando est ao representados com a mesma origem.
Da Figura 3.3, deduzimos que a soma de vetores e associativa, ou seja,
+ ( +) = ( +) +, (3.2)
para quaisquer vetores , e .
O vetor que tem a sua origem coincidindo com a sua extremidade e chamado vetor nulo e deno-
tado por
0. Segue ent ao, que
+
0 =
0 + = , (3.3)
para todo vetor .
Para qualquer vetor , o sim etrico de , denotado por , e o vetor que tem mesmo compri-
mento, mesma direc ao e sentido contr ario ao de . Segue ent ao, que
+ ( ) =
0. (3.4)
Denimos a diferenc a menos , por
= + ( ).
Segue desta denic ao, de (3.1), (3.2), (3.4) e de (3.3) que
+ ( ) = ( ) + = + ( +) = +
0 = .
Assim, a diferenca e um vetor que somado a d a , portanto ele vai da extremidade de
at e a extremidade de , desde que e estejam representados por segmentos orientados com a
mesma origem.
A multiplicac ao de um vetor por um escalar , , e determinada pelo vetor que possui as
seguintes caractersticas:
Julho 2009 Reginaldo J. Santos
144 Vetores no Plano e no Espac o
(a) e o vetor nulo, se = 0 ou =
0,
(b) caso contr ario,
i. tem comprimento vezes o comprimento de ,
ii. a direc ao e a mesma de (neste caso, dizemos que eles s ao paralelos),
iii. tem o mesmo sentido de , se > 0 e
tem o sentido contr ario ao de , se < 0.
As propriedades da multiplicac ao por escalar ser ao apresentadas mais a frente. Se = ,
dizemos que e um m ultiplo escalar de .
E f acil ver que dois vetores n ao nulos s ao paralelos
(ou colineares) se, e somente se, um e um m ultiplo escalar do outro.
As operac oes com vetores podem ser denidas utilizando um sistema de coordenadas retangu-
lares ou cartesianas. Em primeiro lugar, vamos considerar os vetores no plano.
Seja um vetor no plano. Denimos as componentes de como sendo as coordenadas (
1
,
2
)
do ponto nal do representante de que tem ponto inicial na origem. Vamos identicar o vetor com
as suas componentes e vamos escrever simplesmente
= (
1
,
2
).
Assim, as coordenadas de um ponto s ao iguais as componentes do vetor
, que vai da
origem do sistema de coordenadas ao ponto . Em particular, o vetor nulo,
0 = (0, 0). Em termos
das componentes, podemos realizar facilmente as operac oes: soma de vetores e multiplicac ao de
vetor por escalar.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.1 Soma de Vetores e Multiplicac ao por Escalar 145
Figura 3.4: A diferenca
2
3
1
2
1
Figura 3.6: As componentes do vetor no
plano
x
y
= (, )
Figura 3.7: As coordenadas de s ao
iguais as componentes de
. As
coordenadas de
2
+
2
1
1
1
+
1
+
Figura 3.8: A soma de dois vetores no
plano
x
y
1
1
que vai da
origem do sistema de coordenadas ao ponto . Em particular, o vetor nulo,
0 = (0, 0, 0). Assim como
zemos para vetores no plano, para vetores no espaco a soma de vetores e a multiplicac ao de vetor
por escalar podem ser realizadas em termos das componentes.
Julho 2009 Reginaldo J. Santos
150 Vetores no Plano e no Espac o
Se = (
1
,
2
,
3
) e = (
1
,
2
,
3
), ent ao a adic ao de com e dada por
+ = (
1
+
1
,
2
+
2
,
3
+
3
);
Se = (
1
,
2
,
3
) e e um escalar, ent ao a multiplicac ao de por e dada por
= (
1
,
2
,
3
).
Exemplo 3.1. Se = (1, 2, 3), = (2, 4, 1), ent ao
+ = (1 + 2, 2 + 4, 3 + (1)) = (3, 2, 2), 3 = (3 1, 3 (2), 3 3) = (3, 6, 9).
Quando umvetor est a representado por umsegmento orientado componto inicial fora da origem
(Figura 3.13), digamos em = (
1
,
1
,
1
), e ponto nal em = (
2
,
2
,
2
), ent ao as componentes
do vetor s ao dadas por
=
= (
2
1
,
2
1
,
2
1
).
Portanto, as componentes de s ao obtidas subtraindo-se as coordenadas do ponto (extremi-
dade) das do ponto (origem). O mesmo se aplica a vetores no plano.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.1 Soma de Vetores e Multiplicac ao por Escalar 151
Exemplo 3.2. As componentes do vetor que tem um representante com ponto inicial =
(5/2, 1, 2) e ponto nal = (0, 5/2, 5/2) s ao dadas por
=
ou =
_
1
2
3
.
Estas notac oes podem ser justicadas pelo fato de que as operac oes matriciais
+ =
1
+
1
2
+
2
3
+
3
, =
ou
+ =
_
1
2
3
+
_
1
2
3
=
_
1
+
1
2
+
2
3
+
3
,
Julho 2009 Reginaldo J. Santos
152 Vetores no Plano e no Espac o
=
_
1
2
3
=
_
1
2
3
=
1
2
.
Julho 2009 Reginaldo J. Santos
154 Vetores no Plano e no Espac o
A
B
C
M
N
Agora, a partir da gura acima temos que
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.1 Soma de Vetores e Multiplicac ao por Escalar 155
Como e ponto m edio de e e ponto m edio de , ent ao
=
1
2
=
1
2
.
Logo,
=
1
2
+
1
2
=
1
2
(
) =
1
2
.
Exemplo 3.4. Dados quatro pontos , , e tais que
, vamos escrever
como
combinac ao linear de
.
Como
, ent ao os vetores
.
Julho 2009 Reginaldo J. Santos
156 Vetores no Plano e no Espac o
A
B
C
X
Agora, por hip otese
.
Mas,
, portanto
+(
). Logo,
= (1 )
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.1 Soma de Vetores e Multiplicac ao por Escalar 157
Observe que:
Se = 0, ent ao
.
Se = 1, ent ao
.
Se = 1/2, ent ao
=
1
2
+
1
2
.
Se = 1/3, ent ao
=
2
3
+
1
3
.
Exemplo 3.5. Vamos mostrar, usando vetores, que o ponto m edio de umsegmento que une os pontos
= (
1
,
1
,
1
) e = (
2
,
2
,
2
) e
=
_
1
+
2
2
,
1
+
2
2
,
1
+
2
2
_
.
O ponto e o ponto m edio de se, e somente se,
=
1
2
=
1
2
+
1
2
. Como as coordenadas de
um ponto s ao iguais as componentes do vetor que vai da origem at e aquele ponto, segue-se que
=
1
2
(
1
,
1
,
1
) +
1
2
(
2
,
2
,
2
) e
=
_
1
+
2
2
,
1
+
2
2
,
1
+
2
2
_
.
Julho 2009 Reginaldo J. Santos
158 Vetores no Plano e no Espac o
Exerccios Num ericos (respostas na p agina 523)
3.1.1. Determine o ponto tal que
= 2
)
3.1.8. Verique se os pontos dados a seguir s ao colineares, isto e, pertencem a uma mesma reta:
(a) = (5, 1, 3), = (0, 3, 4) e = (0, 3, 5);
(b) = (1, 1, 3), = (4, 2, 3) e = (14, 4, 15);
3.1.9. Dados os pontos = (1, 2, 3), = (5, 2, 1) e = (4, 0, 1). Determine o ponto
tal que , , e sejam v ertices consecutivos de um paralelogramo.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.1 Soma de Vetores e Multiplicac ao por Escalar 159
3.1.10. Verique se o vetor e combinac ao linear (soma de m ultiplos escalares) de e :
(a) = (9, 12, 6), = (1, 7, 1) e = (4, 6, 2);
(b) = (5, 4, 3), = (2, 1, 1) e = (3, 4, 1);
3.1.11. Verique se e um paralelogramo o quadril atero de v ertices (n ao necessariamente consecutivos)
(a) = (4, 1, 1), = (9, 4, 2), = (4, 3, 4) e = (4, 21, 14)
(b) = (4, 1, 1), = (9, 4, 2), = (4, 3, 4) e = (9, 0, 5)
3.1.12. Quais dos seguintes vetores s ao paralelos = (6, 4, 2), = (9, 6, 3), =
(15, 10, 5).
Exerccios usando o MATLAB
>> V=[v1,v2,v3] cria um vetor V, usando as componentes num ericas v1, v2, v3. Por
exemplo >> V=[1,2,3] cria o vetor = (1, 2, 3);
>> V+W e a soma de V e W; >> V-W e a diferenca V menos W; >> num*V e o produto do vetor V
pelo escalar num;
>> subs(expr,x,num) substitui x por num na express ao expr;
>> solve(expr) determina a soluc ao da equac ao expr=0;
Comandos gr acos do pacote GAAL:
>> desvet(P,V) desenha o vetor V com origem no ponto P e >> desvet(V) desenha o vetor
V com origem no ponto = (0, 0, 0).
Julho 2009 Reginaldo J. Santos
160 Vetores no Plano e no Espac o
>> po([P1;P2;...;Pn]) desenha os pontos P1, P2, ..., Pn.
>> lineseg(P1,P2,cor) desenha o segmento de reta P1P2. >> tex(P,texto) co-
loca o texto no ponto P.
>> axiss reescala os eixos com a mesma escala. >> eixos desenha os eixos coordenados.
>> box desenha uma caixa em volta da gura. >> rota faz uma rotac ao em torno do eixo .
>> zoom3(fator) amplica a regi ao pelo fator.
3.1.13. Coloque em duas vari aveis e dois vetores do plano ou do espaco a seu crit erio
(a) Use a func ao ilsvw(V,W) para visualizar a soma dos dois vetores.
(b) Coloque em uma vari avel a um n umero e use a func ao ilav(a,V) para visualizar a
multiplicac ao do vetor V pelo escalar a.
3.1.14. Use o MATLAB
=
1
2
(
e um m ultiplo escalar de
.
Revise o Exemplo 3.3 na p agina 153)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.1 Soma de Vetores e Multiplicac ao por Escalar 161
A
B
C
M
N
D
3.1.16. Demonstre que as diagonais de um paralelogramo se cortam ao meio. (Sugest ao: Sejam e
os pontos m edios das duas diagonais do paralelogramo. Mostre que o vetor
=
0, ent ao
conclua que = .)
Julho 2009 Reginaldo J. Santos
162 Vetores no Plano e no Espac o
A
B
C
M
N
D
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.1 Soma de Vetores e Multiplicac ao por Escalar 163
3.1.17. Considere o tri angulo e sejam o ponto m edio de , o ponto m edio de e o
ponto m edio de . Mostre que as medianas (os segmentos , e ) se cortam num
mesmo ponto que divide as medianas na proporc ao 2/3 e 1/3. (Sugest ao: Sejam , e os
pontos denidos por
=
2
3
=
2
3
=
2
3
. Mostre que
=
0,
=
0,
conclua que = = .)
Julho 2009 Reginaldo J. Santos
164 Vetores no Plano e no Espac o
A
B
C
M
P
N
G
H
I
3.1.18. Sejam , e pontos quaisquer com = . Prove que:
(a) Um ponto pertence a reta determinada por e (
, com + = 1.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.1 Soma de Vetores e Multiplicac ao por Escalar 165
(b) Um ponto pertence ao interior do segmento (
x y
z
= (, , )
3
Figura 3.11: As componentes de um vetor
no espaco
x y
z
= (, , )
Figura 3.13: =
2
1
+
2
2
,
no caso em que = (
1
,
2
) e um vetor no plano, e por
=
2
1
+
2
2
+
2
3
,
no caso em que = (
1
,
2
,
3
) e um vetor no espaco (verique usando as Figuras 3.14 e 3.15).
Um vetor de norma igual a 1 e chamado vetor unit ario.
A dist ancia entre dois pontos = (
1
,
1
,
1
) e = (
2
,
2
,
2
) e igual ` a norma do vetor
= (
2
1
,
2
1
,
2
1
), ent ao a dist ancia
de a e dada por
dist(, ) =
(
2
1
)
2
+ (
2
1
)
2
+ (
2
1
)
2
.
Analogamente, a dist ancia entre dois pontos = (
1
,
1
) e = (
2
,
2
) no plano e igual ` a
norma do vetor
(
2
1
)
2
+ (
2
1
)
2
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 171
x
y
= (
1
,
2
)
2
1
1
2
+ (2)
2
+ 3
2
=
14.
A dist ancia entre os pontos = (2, 3, 1) e = (1, 4, 5) e
dist(, ) =
= (1 2, 4 (3), 5 1) = (3, 7, 4) =
(3)
2
+ 7
2
+ 4
2
=
74.
Se = (
1
,
2
,
3
) e e um escalar, ent ao da denic ao da multiplicac ao de vetor por escalar e
da norma de um vetor segue-se que
= (
1
,
2
,
3
) =
(
1
)
2
+ (
2
)
2
+ (
3
)
2
=
2
(
2
1
+
2
2
+
2
3
),
ou seja,
= . (3.5)
Dado um vetor n ao nulo, o vetor
=
_
1
_
.
e um vetor unit ario na direc ao de , pois por (3.5), temos que
=
= 1.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 173
Exemplo 3.7. Um vetor unit ario na direc ao do vetor = (1, 2, 3) e o vetor
=
_
1
_
=
_
1
14
_
(1, 2, 3) = (
1
14
,
2
14
,
3
14
).
O angulo entre dois vetores n ao nulos, e , e denido pelo angulo determinado por e
que satisfaz 0 , quando eles est ao representados com a mesma origem (Figura 3.16).
Quando o angulo entre dois vetores e e reto ( = 90
o
), ou um deles e o vetor nulo, dizemos
que os vetores e s ao ortogonais ou perpendiculares entre si.
Vamos denir, agora, um produto entre dois vetores, cujo resultado e um escalar. Por isso ele e
chamado produto escalar. Este produto tem aplicac ao, por exemplo, em Fsica: o trabalho realizado
por uma forca e o produto escalar do vetor forca pelo vetor deslocamento, quando a forca aplicada e
constante.
Denic ao 3.1. O produto escalar ou interno de dois vetores e e denido por
=
_
0, se ou e o vetor nulo,
cos , caso contr ario,
em que e o angulo entre eles.
Quando os vetores s ao dados em termos das suas componentes n ao sabemos diretamente o
angulo entre eles. Por isso, precisamos de uma forma de calcular o produto escalar que n ao necessite
do angulo entre os vetores.
Julho 2009 Reginaldo J. Santos
174 Vetores no Plano e no Espac o
Figura 3.16:
Angulo entre dois vetores, agudo ( ` a esquerda) e obtuso ( ` a direita)
Figura 3.17: Tri angulo formado por representantes de , e .
`
A esquerda o angulo entre
e e agudo e ` a direita e obtuso.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 175
Se e s ao dois vetores n ao nulos e e o angulo entre eles, ent ao pela lei dos cossenos,
2
=
2
+
2
2 cos .
Assim,
= cos =
1
2
_
2
+
2
2
_
. (3.6)
J a temos ent ao uma f ormula para calcular o produto escalar que n ao depende diretamente do angulo
entre eles. Substituindo-se as coordenadas dos vetores em (3.6) obtemos uma express ao mais sim-
ples para o c alculo do produto interno.
Por exemplo, se = (
1
,
2
,
3
) e = (
1
,
2
,
3
) s ao vetores no espaco, ent ao substituindo-
se
2
=
2
1
+
2
2
+
2
3
,
2
=
2
1
+
2
2
+
2
3
e
2
= (
1
1
)
2
+(
2
2
)
2
+(
3
3
)
2
em (3.6) os termos
2
e
2
s ao cancelados e obtemos
=
1
1
+
2
2
+
3
3
.
Teorema 3.2. O produto escalar ou interno, , entre dois vetores e dado por
=
1
1
+
2
2
,
se = (
1
,
2
) e = (
1
,
2
) s ao vetores no plano e por
=
1
1
+
2
2
+
3
3
,
se = (
1
,
2
,
3
) e = (
1
,
2
,
3
) s ao vetores no espaco.
Julho 2009 Reginaldo J. Santos
176 Vetores no Plano e no Espac o
Exemplo 3.8. Sejam = (0, 1, 0) e = (2, 2, 3). O produto escalar de por e dado por
=
1
1
+
2
2
+
3
3
= 0 2 + 1 2 + 0 3 = 2 .
Podemos usar o Teorema 3.2 para determinar o angulo entre dois vetores n ao nulos, e . O
cosseno do angulo entre e e, ent ao, dado por
cos =
.
Se e s ao vetores n ao nulos e e o angulo entre eles, ent ao
(a) e agudo (0 < 90
o
) se, e somente se, > 0,
(b) e reto ( = 90
o
) se, e somente se, = 0 e
(c) e obtuso (90
o
< 180
o
) se, e somente se, < 0.
Exemplo 3.9. Vamos determinar o angulo entre uma diagonal de um cubo e uma de suas arestas.
Sejam
1
= (1, 0, 0),
2
= (0, 1, 0) e
3
= (0, 0, 1) (Figura 3.18). Uma diagonal do cubo e represen-
tada pelo vetor dado por
=
1
+
2
+
3
= (1, 1, 1) .
Ent ao o angulo entre e
1
satisfaz
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 177
cos =
1
=
1.1 + 0.1 + 0.1
(
1
2
+ 1
2
+ 1
2
)(
1
2
+ 0
2
+ 0
2
)
=
1
3
ou seja,
= arccos(
1
3
) 54
o
.
Teorema 3.3. Sejam , e vetores e um escalar. S ao v alidas as seguintes propriedades:
(a) (comutatividade) = ;
(b) (distributividade) ( +) = + ;
(c) (associatividade) ( ) = () = ( );
(d) =
2
0, para todo e = 0 se, e somente se, =
0.
Demonstrac ao. Sejam = (
1
,
2
,
3
), = (
1
,
2
,
3
) e = (
1
,
2
,
3
).
(a) =
1
1
+
2
2
+
3
3
=
1
1
+
2
2
+
3
3
= ;
(b) ( +) = (
1
,
2
,
3
)(
1
+
1
,
2
+
2
,
3
+
3
) =
1
(
1
+
1
)+
2
(
2
+
2
)+
3
(
3
+
3
) =
(
1
1
+
1
1
)+(
2
2
+
2
2
)+(
3
3
+
3
3
) = (
1
1
+
2
2
+
3
3
)+(
1
1
+
2
2
+
3
3
) =
+ ;
Julho 2009 Reginaldo J. Santos
178 Vetores no Plano e no Espac o
x
y
z
(0, 0, 1)
(0, 1, 0)
(1, 0, 0)
(1, 1, 1)
Figura 3.18:
Angulo entre a diagonal de um cubo e uma de suas arestas
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 179
(c) ( ) = (
1
1
+
2
2
+
3
3
) = (
1
)
1
+ (
2
)
2
+ (
3
)
3
= () ;
(d) =
2
e uma soma de quadrados, por isso e sempre maior ou igual a zero e e zero se,
e somente se, todas as parcelas s ao iguais a zero.
3.2.2 Projec ao Ortogonal
Dados dois vetores e a projec ao ortogonal de sobre denotada por
proj
e o vetor que e paralelo a tal que proj
p
r
o
j
proj
p
r
o
j
proj
Figura 3.19: Projec ao ortogonal do vetor sobre o vetor
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 181
Proposic ao 3.4. Seja um vetor n ao nulo. Ent ao, a projec ao ortogonal de um vetor em e
dada por
proj
=
_
2
_
.
Demonstrac ao. Sejam
1
= proj
e
2
= proj
. Como
1
e paralelo a , ent ao
1
= . (3.7)
Assim,
2
= .
Multiplicando-se escalarmente
2
por e usando o Teorema 3.3 (d) obtemos
2
= ( ) =
2
. (3.8)
Mas,
2
e ortogonal a , ent ao
2
= 0. Portanto, de (3.8) obtemos
=
2
.
Substituindo este valor de na equac ao (3.7) segue-se o resultado.
Julho 2009 Reginaldo J. Santos
182 Vetores no Plano e no Espac o
Exemplo 3.10. Sejam = (2, 1, 3) e = (4, 1, 2). Vamos encontrar dois vetores
1
e
2
tais
que =
1
+
2
,
1
e paralelo a e
2
e perpendicular a (Figura 3.19). Temos que
= 2 4 + (1)(1) + 3 2 = 15
2
= 4
2
+ (1)
2
+ 2
2
= 21 .
1
= proj
=
_
)
2
_
=
_
15
21
_
(4, 1, 2) = (
20
7
,
5
7
,
10
7
)
2
=
1
= (2, 1, 3) (
20
7
,
5
7
,
10
7
) = (
6
7
,
2
7
,
11
7
) .
3.2.3 Produto Vetorial
Vamos, agora, denir um produto entre dois vetores, cujo resultado e um vetor. Por isso, ele e
chamado produto vetorial. Este produto tem aplicac ao, por exemplo, em Fsica: a forca exercida
sobre uma partcula com carga unit aria mergulhada num campo magn etico uniforme e o produto
vetorial do vetor velocidade da partcula pelo vetor campo magn etico.
Denic ao 3.2. Sejam e dois vetores no espaco. Denimos o produto vetorial, , como
sendo o vetor com as seguintes caractersticas:
(a) Tem comprimento dado numericamente por
= sen ,
ou seja, a norma de e numericamente igual ` a area do paralelogramo determinado por
e .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 183
s
e
n
Figura 3.20:
Area de um paralelogramo determinado por dois vetores
Julho 2009 Reginaldo J. Santos
184 Vetores no Plano e no Espac o
(b) Tem direc ao perpendicular a e a .
(c) Tem o sentido dado pela regra da m ao direita (Figura 3.21): Se o angulo entre e e ,
giramos o vetor de um angulo at e que coincida com e acompanhamos este movimento
com os dedos da m ao direita, ent ao o polegar vai apontar no sentido de .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 185
V x W
W x V
V
W
V
W
Figura 3.21: Regra da m ao direita
Julho 2009 Reginaldo J. Santos
186 Vetores no Plano e no Espac o
Da forma como denimos o produto vetorial e difcil o seu c alculo, mas as propriedades que
apresentaremos a seguir possibilitar ao obter uma f ormula para o produto vetorial em termos das
componentes dos vetores.
Teorema 3.5. Sejam , e vetores no espaco e um escalar. S ao v alidas as seguintes proprie-
dades:
(a) = ( ) (anti-comutatividade).
(b) =
0 se, e somente se, = ou = .
(c) ( ) = ( ) = 0.
(d) ( ) = ( ) = ().
(e) ( + ) = + e ( + ) = + (Distributividade em
relac ao a soma de vetores).
Demonstrac ao. (a) Pela denic ao do produto vetorial e t em o mesmo comprimento
e a mesma direc ao. Al em disso trocando-se por troca-se o sentido de (Figura
3.21).
(b) = 0 se, e somente se, um deles e o vetor nulo ou sen = 0, em que e o angulo
entre e , ou seja, e s ao paralelos. Assim, =
0 se, e somente se, =
ou = .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 187
(c) Segue-se imediatamente da denic ao do produto vetorial.
(d) Segue-se facilmente da denic ao do produto vetorial, por isso deixamos como exerccio para o
leitor.
(e) Este item ser a demonstrado no Ap endice III na p agina 210.
= (1, 0, 0),
= (0, 1, 0) e
= (0, 0, 1)
s ao vetores unit arios (de norma igual a um) paralelos aos eixos coordenados. Todo vetor
= (
1
,
2
,
3
)
pode ser escrito como uma soma de m ultiplos escalares de
+
2
+
3
. (3.9)
Julho 2009 Reginaldo J. Santos
188 Vetores no Plano e no Espac o
x y
z
x y
z
= (
1
,
2
,
3
)
Figura 3.23: =
1
+
2
+
3
=
0,
=
0,
=
0,
=
,
.
Agora, estamos prontos para obter uma f ormula que d e o produto vetorial de dois vetores em
termos das suas componentes.
Teorema 3.6. Sejam = (
1
,
2
,
3
) e = (
1
,
2
,
3
) vetores no espaco. Ent ao o produto
vetorial e dado por
=
_
det
_
2
3
2
3
_
, det
_
1
3
1
3
_
, det
_
1
2
1
2
__
. (3.10)
Demonstrac ao. De (3.9) segue-se que podemos escrever
=
1
+
2
+
3
e =
1
+
2
+
3
.
Julho 2009 Reginaldo J. Santos
190 Vetores no Plano e no Espac o
Assim, pela distributividade do produto vetorial em relac ao a soma, temos que
= (
1
+
2
+
3
) (
1
+
2
+
3
)
=
1
1
(
) +
1
2
(
) +
1
3
(
) +
+
2
1
(
) +
2
2
(
) +
2
3
(
) +
+
3
1
(
) +
3
2
(
) +
3
3
(
)
= (
2
2
)
+ (
3
3
)
+ (
1
1
)
= det
_
2
3
2
3
_
det
_
1
3
1
3
_
+ det
_
1
2
1
2
_
=
_
det
_
2
3
2
3
_
, det
_
1
3
1
3
_
, det
_
1
2
1
2
__
_
=
_
1
2
3
1
2
3
_
;
Para calcular a primeira componente de , elimine a primeira coluna da matriz acima e cal-
cule o determinante da sub-matriz resultante. A segunda componente e obtida, eliminando-se
a segunda coluna e calculando-se o determinante da sub-matriz resultante com o sinal trocado.
A terceira e obtida como a primeira, mas eliminando-se a terceira coluna.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 191
Exemplo 3.11. Sejam =
+2
e = 3
_
=
_
1 2 2
3 0 1
_
,
ent ao
=
_
det
_
2 2
0 1
_
, det
_
1 2
3 1
_
, det
_
1 2
3 0
__
= (2, 7, 6) .
Usando os vetores
1
2
3
1
2
3
= det
_
2
3
2
3
_
det
_
1
3
1
3
_
+ det
_
1
2
1
2
_
.
Julho 2009 Reginaldo J. Santos
192 Vetores no Plano e no Espac o
Figura 3.24:
Area do tri angulo
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 193
Exemplo 3.12. Vamos calcular a area do tri angulo em que (Figura 3.24)
= (3, 2, 0), = (0, 4, 3) e = (1, 0, 2).
Sejam
=
= (3 1, 2 0, 0 2) = (2, 2, 2)
=
= (0 1, 4 0, 3 2) = (1, 4, 1) .
Ent ao,
= (10, 0, 10) = 10(1, 0, 1).
A area do tri angulo e a metade da area do paralelogramo com lados determinados por e
. Assim,
Area =
1
2
= 5
2.
3.2.4 Produto Misto
O produto ( ) e chamado de produto misto de , e . O resultado abaixo mostra
como calcular o produto misto usando as componentes dos vetores.
Teorema 3.7. Sejam =
1
+
2
+
3
, =
1
+
2
+
3
e =
1
+
2
+
3
. Ent ao,
( ) = det
1
2
3
1
2
3
1
2
3
.
Julho 2009 Reginaldo J. Santos
194 Vetores no Plano e no Espac o
Demonstrac ao. Segue do Teorema 3.2 na p agina 175, do Teorema 3.6 na p agina 189 e da denic ao
de determinante de uma matriz que
( ) = (
1
,
2
,
3
)
_
det
_
2
3
2
3
_
, det
_
1
3
1
3
_
, det
_
1
2
1
2
__
=
1
det
_
2
3
2
3
_
2
det
_
1
3
1
3
_
+
3
det
_
1
2
1
2
_
= det
1
2
3
1
2
3
1
2
3
+3
, =
+4
e = 5
e
( ) = det
1
2
3
1
2
3
1
2
3
= det
1 4 1
5 1 2
2 1 3
= 84.
Teorema 3.8. Dados tr es vetores no espaco, , e ,
( )
e numericamente igual ao volume do paraleleppedo determinado por , e .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 195
c
o
s
, = 2
+ 5
e = 3
+ 3
+ 4
4 0 0
2 5 0
3 3 4
= 80 = 80 .
Segue imediatamente do Teorema 3.7 e do Teorema 3.8 um crit erio para saber se tr es vetores s ao
paralelos a um mesmo plano.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 197
+
2
+
3
, =
1
+
2
+
3
e =
1
+
2
+
3
. Estes
vetores s ao coplanares (isto e, s ao paralelos a um mesmo plano) se, e somente se,
( ) = det
1
2
3
1
2
3
1
2
3
= 0 .
Exemplo 3.15. Vamos vericar que os pontos = (0, 1, 1), = (1, 0, 2), = (1, 2, 0) e
= (2, 2, 2) s ao coplanares, isto e, pertencem a um mesmo plano. Com estes pontos podemos
construir os vetores
= (1 0, 0 1, 2 1) = (1, 1, 1),
= (1 0, 2 1, 0 1) = (1, 3, 1) e
= (2 0, 2 1, 2 1) = (2, 1, 3)
Os pontos , , e pertencem a um mesmo plano se, e somente se, os vetores
s ao coplanares. E isto acontece se, e somente se, o produto misto deles e igual zero.
(
= det
1 3 1
2 1 3
1 1 1
= 0.
Assim, , , e s ao coplanares.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 199
O resultado a seguir ser a usado no pr oximo captulo para deduzir as equac oes param etricas do
plano.
Corol ario 3.10. Sejam , e vetores coplanares n ao nulos no espaco.
(a) Ent ao a equac ao vetorial
+ + =
0
tem soluc ao n ao trivial, em que , e s ao escalares.
(b) Ent ao um dos vetores , ou e combinac ao linear (soma de m ultiplos escalares) dos outros
dois.
(c) Se e s ao n ao paralelos, ent ao e combinac ao linear de e .
Demonstrac ao. (a) Seja a matriz cujas colunas s ao , e escritos como vetores colunas. A
equac ao + + =
0 e equivalente ao sistema =
0. Se , e s ao coplanares,
ent ao
det() = det(
) = ( ) = 0.
Logo a equac ao tem soluc ao n ao trivial.
(b) Pelo item anterior a equac ao + + =
0 possui soluc ao n ao trivial. Mas, se isto
acontece, ent ao um dos escalares ou ou pode ser diferente de zero. Se = 0, ent ao
= (/) + (/), ou seja, o vetor e combinac ao linear de e . De forma
semelhante, se = 0, ent ao e combinac ao linear de e e se = 0, ent ao e
combinac ao linear de e .
Julho 2009 Reginaldo J. Santos
200 Vetores no Plano e no Espac o
(c) Como , e s ao coplanares, ent ao a equac ao + + =
0 possui soluc ao n ao
trivial com = 0. Pois, caso contr ario + =
0 com ou n ao simultaneamente nulos o
que implicaria que e seriam paralelos (por que?). Logo = (/) + (/).
= (1, 1, 1),
=
= (1, 3, 1) e
=
= (2, 1, 3)
do Exemplo 3.15 na p agina 198. A equac ao
+ + =
0
e equivalente ao sistema
+ 2 = 0
3 + = 0
3 = 0
Escalonando a matriz do sistema obtemos
1 1 2
1 3 1
1 1 3
1 1 2
0 2 1
0 2 1
1 1 2
0 2 1
0 0 0
2
= 4?
Qual gura e representada pela equac ao
2
+
2
= 4?
3.2.3. Sejam =
+ 2
e = 2
+ 3
+ 4
e = 3
+ 2
s ao
perpendiculares.
3.2.5. Demonstre que n ao existe tal que os vetores =
+ 2
+ 4
e =
+ 3
s ao
perpendiculares.
3.2.6. Ache o angulo entre os seguintes pares de vetores:
(a) 2
; (b)
e 2
; (c) 3
+ 3
e 2
.
3.2.7. Decomponha =
+ 2
+ 3
e
2
ortogonal a este ultimo. (Sugest ao: revise o Exemplo 3.10 na p agina 182)
3.2.8. Ache o vetor unit ario da bissetriz do angulo entre os vetores = 2
+2
e = 6
+2
.
(Sugest ao: observe que a soma de dois vetores est a na direc ao da bissetriz se, e somente se,
os dois tiverem o mesmo comprimento. Portanto, tome m ultiplos escalares de e de forma
que eles tenham o mesmo comprimento e tome o vetor unit ario na direc ao da soma deles.)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 203
3.2.9. Verique se os seguintes pontos pertencem a um mesmo plano:
(a) = (2, 2, 1), = (3, 1, 2), = (2, 3, 0) e = (2, 3, 2);
(b) = (2, 0, 2), = (3, 2, 0), = (0, 2, 1) e = (10, 2, 1);
3.2.10. Calcule o volume do paraleleppedo que tem um dos v ertices no ponto = (2, 1, 6) e os tr es
v ertices adjacentes nos pontos = (4, 1, 3), = (1, 3, 2) e = (1, 2, 1).
3.2.11. Calcule a area do paralelogramo em que tr es v ertices consecutivos s ao = (1, 0, 1), =
(2, 1, 3) e = (3, 2, 4).
3.2.12. Calcule a area do tri angulo com v ertices = (1, 2, 1), = (3, 0, 4) e = (5, 1, 3).
3.2.13. Ache tal que (
) = 2(
) e =
6.
3.2.14. Sabe-se que o vetor e ortogonal a
e a
, tem norma
.
Determine, como combinac ao linear de e ( +):
(a) Um vetor tal que = 20 e = 5
(b) Um vetor tal que =
0 e = 12.
Julho 2009 Reginaldo J. Santos
204 Vetores no Plano e no Espac o
Exerccios usando o MATLAB
>> V=[v1,v2,v3] cria um vetor V, usando as componentes num ericas v1, v2, v3. Por
exemplo >> V=[1,2,3] cria o vetor = (1, 2, 3);
>> subs(expr,x,num) substitui x por num na express ao expr;
>> solve(expr) determina a soluc ao da equac ao expr=0;
Comandos num ericos do pacote GAAL:
>> V=randi(1,3) cria um vetor aleat orio com componentes inteiras;
>> no(V) calcula a norma do vetor V.
>> pe(V,W) calcula o produto escalar do vetor V pelo vetor W.
>> pv(V,W) calcula o produto vetorial do vetor V pelo vetor W.
Comandos gr acos do pacote GAAL:
>> desvet(P,V) desenha o vetor V com origem no ponto P e >> desvet(V) desenha o vetor
V com origem no ponto = (0, 0, 0).
>> po([P1;P2;...;Pn]) desenha os pontos P1, P2, ..., Pn.
>> lineseg(P1,P2,cor) desenha o segmento de reta P1P2.
>> eixos desenha os eixos coordenados.
>> box desenha uma caixa em volta da gura.
>> axiss reescala os eixos com a mesma escala.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 205
>> rota faz uma rotac ao em torno do eixo .
>> zoom3(fator) amplica a regi ao pelo fator.
>> tex(P,texto) coloca o texto no ponto P.
3.2.17. Digite no prompt
demog21,
(sem a vrgula!). Esta func ao demonstra as func oes gr acas para vetores.
3.2.18. Coloque em duas vari aveis e dois vetores bi-dimensionais ou tri-dimensionais a seu
crit erio.
(a) Use a func ao ilvijk(V) para visualizar o vetor V como uma soma de m ultiplos escalares
(combinac ao linear) dos vetores
.
(b) Use a func ao ilpv(V,W) para visualizar o produto vetorial .
(c) Use a func ao ilproj(W,V) para visualizar a projec ao de em .
3.2.19. Use o MATLAB
e =
1
+
2
2
.
3.2.26. Demonstre que as diagonais de um losango s ao perpendiculares. (Sugest ao: mostre que
.)
3.2.27. Sejam um vetor n ao nulo no espaco e , e os angulos que forma com os vetores
, cos =
e cos =
)
3.2.28. Demonstre que, se e s ao vetores quaisquer, ent ao:
(a) =
1
4
_
+
2
2
_
;
(b)
2
+
2
=
1
2
_
+
2
+
2
_
.
(Sugest ao: desenvolva os segundos membros das igualdades acima observando que
+
2
= ( +) ( +) e
2
= ( ) ( ))
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 207
3.2.29. Demonstre que se e s ao vetores quaisquer, ent ao:
(a) ;
(b) + +;
(Sugest ao: mostre que +
2
= ( +) ( + ) ( +)
2
, usando o
item anterior)
(c)
.
(Sugest ao: dena = e aplique o item anterior a e )
3.2.30. O produto vetorial e associativo? Justique a sua resposta. (Sugest ao: experimente com os
vetores
)
3.2.31. Se = e =
0, ent ao = ?
3.2.32. Demonstre que se e s ao vetores quaisquer no espaco, ent ao
.
3.2.33. Se , e s ao vetores no espaco, prove que ( ) . (Sugest ao:
use o Teorema 3.2 na p agina 175 e o exerccio anterior)
3.2.34. Mostre que ( ) = ( ) = ( ). (Sugest ao: use as propriedades do
determinante)
3.2.35. Mostre que
(a) (
1
+
2
) ( ) =
1
( ) +
2
( );
Julho 2009 Reginaldo J. Santos
208 Vetores no Plano e no Espac o
(b) [(
1
+
2
) ] = (
1
) + (
2
);
(c) [ (
1
+
2
)] = (
1
) + ( 2).
(d) ( ) = [( + +) ].
(Sugest ao: use as propriedades dos produtos escalar e vetorial)
3.2.36. Prove a identidade de Lagrange
2
=
2
2
( )
2
.
3.2.37. Mostre que a area do tri angulo com v ertices (
1
1
1
2
2
1
3
3
1
.
(Sugest ao: Marque os pontos
1
= (
1
,
1
, 1),
2
= (
2
,
2
, 1),
3
= (
3
,
3
, 1) e
1
= (
1
,
1
, 0). O volume do paraleleppedo determinado por
1
,
2
,
3
e
1
e dado por
3
. Mas, a altura deste paraleleppedo e igual a 1. Assim, o seu
volume e igual ` a area da base que e o paralelogramo determinado por
1
,
2
e
3
. Observe
que
1
,
2
e
3
s ao paralelos ao plano .)
3.2.38. Sejam
1
,
2
e
3
tr es vetores unit arios mutuamente ortogonais. Se = [
1
2
3
] e
uma matriz 3 3 cujas colunas s ao os vetores
1
,
2
e
3
, ent ao e invertvel e
1
=
.
(Sugest ao: mostre que
=
3
.)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 209
3.2.39. Sejam = (
1
,
2
,
3
), = (
1
,
2
,
3
) e = (
1
,
2
,
3
). Prove a f ormula seguinte para o
produto vetorial duplo
( ) = ( ) ( ),
seguindo os seguintes passos:
(a) Prove que
(
) = (
) = (
) = (
) = (
) ( )
) = (
) ( )
) = (
) ( )
(c) Prove agora o caso geral usando o item anterior e as propriedades do produto vetorial.
3.2.40. (a) Prove que
[ ( )] + [ ( )] + [ ( )] = 0
(Sugest ao: use o exerccio anterior).
(b) Mostre que se ( ) =
0, ent ao
( ) = ( ) ,
ou seja, o produto vetorial e, neste caso, associativo.
Julho 2009 Reginaldo J. Santos
210 Vetores no Plano e no Espac o
Ap endice III: Demonstrac ao do item (e) do Teorema 3.5 na p agina 186
Vamos dividir a demonstrac ao da distributividade do produto vetorial em relac ao a soma
( +) = + e ( +) = +
da seguinte forma:
(a) ( ) > 0 se, e somente se, , e satisfazem a regra da m ao direita, isto e,
se o angulo entre e e , giramos o vetor de um angulo at e que coincida com e
acompanhamos este movimento com os dedos da m ao direita, ent ao o polegar vai apontar no
sentido de .
(b) ( ) = ( ), ou seja, pode-se trocar os sinais e em ( ) .
(c) ( +) = + e ( +) = + .
Provemos, agora, os tr es itens acima.
(a) Como vemos na Figura 3.25 na p agina 195 , e satisfazem a regra da m ao direita se, e
somente se, 0 < < /2, ou seja, cos > 0, em que e o angulo entre e . Como,
( ) = cos , ent ao , e satisfazem a regra da m ao direita se, e
somente se, ( ) > 0.
(b) Como o produto escalar e comutativo, pelo Teorema 3.8 na p agina 194,
( ) = ( ).
Agora, pelo item (a), temos que
( ) e ( )
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
3.2 Produtos de Vetores 211
t em o mesmo sinal, pois , e satisfazem a regra da m ao direita se, e somente se, , e
tamb em satisfazem.
(c) Vamos provar a primeira igualdade e deixamos como exerccio para o leitor a demonstrac ao da
segunda. Vamos mostrar que o vetor = ( + ) e o vetor nulo.
Para isso, vamos mostrar que para qualquer vetor no espaco = 0.
Pela distributividade do produto escalar, Teorema 3.3 item (b) na p agina 177, temos que
= ( +) ( ) ( ).
Pelo item (b), temos que
= ( ) ( +) ( ) ( )
= ( ) ( +) ( ) ( +) = 0
Assim, = 0, para todo vetor , em particular para = , temos que =
2
= 0.
Portanto =
0, ou seja, ( +) = + .
Julho 2009 Reginaldo J. Santos
212 Vetores no Plano e no Espac o
Teste do Captulo
1. Mostre que os pontos = (4, 0, 1), = (5, 1, 3), = (3, 2, 5), = (2, 1, 3) s ao v ertices de
um paralelogramo. Calcule a sua area.
2. Dado o tri angulo de v ertices = (0, 1, 1), = (2, 0, 1) e = (1, 2, 0), determine a
medida da altura relativa ao lado .
3. Sejam e vetores no espaco, com =
0.
(a) Determine o n umero , tal que seja ortogonal a .
(b) Mostre que ( + ) ( ) = 2 .
4. Determine para que = (, 1, 2), = (2, 2, 3), = (5, 1, 1) e = (3, 2, 2)
sejam coplanares.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 4
Retas e Planos
4.1 Equac oes de Retas e Planos
4.1.1 Equac oes do Plano
Equac ao Geral
No plano a equac ao geral de uma reta e + + = 0. No espaco um plano e o conjunto dos
pontos = (, , ) que satisfazem a equac ao
+ + + = 0, para , , ,
que e chamada equac ao geral do plano. Existe uma analogia entre uma reta no plano e um plano
no espaco. No plano, a equac ao de uma reta e determinada se forem dados sua inclinac ao e um de
213
214 Retas e Planos
seus pontos. No espaco, a inclinac ao de um plano e caracterizada por um vetor perpendicular a ele,
chamado vetor normal ao plano e a equac ao de um plano e determinada se s ao dados um vetor
normal e um de seus pontos.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.1 Equac oes de Retas e Planos 215
= (, , )
0
= (
0
,
0
,
0
)
= (, , )
0
for
perpendicular ao vetor , ou seja,
0
= 0 . (4.2)
Como,
0
= (
0
,
0
,
0
), a equac ao (4.2) pode ser reescrita como
(
0
) +(
0
) +(
0
) = 0,
ou seja,
+ + (
0
+
0
+
0
) = 0 .
Exemplo 4.1. Vamos encontrar a equac ao do plano que passa pelo ponto
0
= (1, 2, 2) e e
perpendicular ao vetor = (2, 1, 2). Da Proposic ao 4.1, a equac ao do plano e da forma
+ + + = 0 ,
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.1 Equac oes de Retas e Planos 217
x
y
z
x
y
z
x
y
z
x
y
z
x
y
z
=
0
=
0
x
y
z
=
0
=
0
x
y
z
=
0
=
0
Figura 4.4: Planos + + = 0
x
y
z
=
0
,
=
0
=
0
x
y
z
0
= (1, 2, 2) pertence a . Mas, o ponto
0
pertence a se, e somente se, as suas coordenadas
satisfazem a equac ao de , ou seja,
2 1 1 (2) + 2 (2) + = 0 .
Logo, = 2+24 = 0. Substituindo-se = 0 na equac ao anterior do plano obtemos que a equac ao
do plano e
2 + 2 = 0 .
No plano, a equac ao de uma reta e determinada se forem dados dois pontos da reta. Analoga-
mente, no espaco, a equac ao de um plano e determinada se s ao dados tr es pontos
1
,
2
e
3
n ao
colineares (isto e, n ao pertencentes a uma mesma reta). Com os tr es pontos podemos formar os
vetores
2
e
3
(Figura 4.7).
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.1 Equac oes de Retas e Planos 221
1
= (
1
,
1
,
1
)
=
2
= (
2
,
2
,
2
)
3
= (
3
,
3
,
3
)
= (, , )
2
= (0,
1
2
, 0) e
3
= (0,
1
2
,
1
2
). Com os tr es pontos podemos formar os vetores
2
e
3
. O
vetor
=
3
= (
1
2
,
1
2
, 0) (
1
2
,
1
2
,
1
2
) = (
1
4
,
1
4
,
1
2
)
e um vetor normal ao plano. Assim, a equac ao do plano e da forma
1
4
+
1
4
+
1
2
+ = 0,
em que os coecientes de , e s ao as componentes do vetor . Para determinar o coeciente ,
vamos usar o fato de que o ponto
1
= (
1
2
, 0, 0) pertence ao plano . Mas, o ponto
1
pertence a
se, e somente se, as suas coordenadas satisfazem a equac ao de , ou seja,
1
4
1
2
+
1
4
0 +
1
2
0 + = 0 .
Logo, =
1
8
. Finalmente, uma equac ao do plano e
1
4
+
1
4
+
1
2
1
8
= 0
ou multiplicando por 8, obtemos
2 + 2 + 4 1 = 0.
Alternativamente, podemos encontrar a equac ao do plano da seguinte forma. Como vimos anteri-
ormente (Corol ario 3.9 na p agina 198), tr es vetores,
2
e
3
, s ao coplanares se, e somente
se, o produto misto entre eles e zero. Assim, um ponto = (, , ) pertence a se, e somente se,
1
(
3
) = 0 .
Julho 2009 Reginaldo J. Santos
224 Retas e Planos
Mas,
1
= (
1
2
, , )
2
= (
1
2
,
1
2
, 0)
3
= (
1
2
,
1
2
,
1
2
).
Ent ao,
det
1
2
1
2
1
2
0
1
2
1
2
1
2
=
1
4
(
1
2
) +
1
4
+
1
2
2
= (
1
,
2
,
3
)
que e tamb em paralelo ao plano.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.1 Equac oes de Retas e Planos 225
Nestes casos temos novamente pelo menos duas maneiras de encontrarmos a equac ao do plano.
Uma delas e observando que o vetor = e um vetor normal ao plano. Desta forma temos um
ponto do plano e um vetor normal ao plano. A outra e observando que temos tr es vetores paralelos
ao plano:
1
= (
1
,
1
,
1
), e . Como vimos anteriormente (Corol ario 3.9 na p agina
198), os tr es vetores s ao coplanares se, e somente se, o produto misto entre eles e zero, ou seja,
1
( ) = det
1
1
1
1
2
3
1
2
3
= 0 . (4.3)
Assim, um ponto = (, , ) pertence a um plano que passa pelo ponto
1
= (
1
,
1
,
1
)
e e paralelo aos vetores = (
1
,
2
,
3
) e = (
1
,
2
,
3
) (n ao paralelos) se, e somente se, a
equac ao (4.3) e verdadeira.
Observac ao. N ao faz sentido dizer que um vetor pertence a um plano. Pois, por um lado, um plano e
um conjunto de pontos e por outro, os vetores s ao livres, podem ser colocados em qualquer ponto.
O correto e dizer que um vetor e paralelo a um plano.
Equac oes Param etricas
Al emda equac ao geral do plano podemos tamb emcaracterizar os pontos de umplano da seguinte
forma. Considere um plano , um ponto
0
= (
0
,
0
,
0
) pertencente a e dois vetores =
(
1
,
2
,
3
) e = (
1
,
2
,
3
) n ao colineares, paralelos a . Um ponto = (, , ) pertence a
Julho 2009 Reginaldo J. Santos
226 Retas e Planos
se, e somente se, o vetor
0
= (
0
,
0
,
0
) e uma combinac ao linear de e (Corol ario
3.10 na p agina 199), ou seja, se existem escalares e tais que
0
= +. (4.4)
Escrevendo em termos de componentes (4.4) pode ser escrito como
(
0
,
0
,
0
) = (
1
+
1
,
2
+
2
,
3
+
3
).
Logo um ponto = (, , ) pertence a se, e somente se, satisfaz as equac oes
=
0
+
1
+
1
=
0
+
2
+
2
=
0
+
3
+
3
para , .
Estas equac oes s ao chamadas equac oes param etricas do plano.
Exemplo 4.3. Podemos obter equac oes param etricas do plano do Exemplo 4.2 na p agina 223 usando
o fato de que ele passa pelo ponto
1
= (1/2, 0, 0) e e paralelo aos vetores
2
= (1/2, 1/2, 0),
3
= (1/2, 1/2, 1/2). Assim,
=
1
2
1
2
1
2
=
1
2
1
2
=
1
2
para , .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.1 Equac oes de Retas e Planos 227
Exemplo 4.4. Para encontrarmos as equac oes param etricas do plano do Exemplo 4.1 na p agina 216
podemos resolver a equac ao geral do plano 4 + 2 + 3 = 0. Podemos proceder como no caso de
sistemas lineares e considerar as vari aveis e livres: = e = . Assim, =
3
4
1
2
e portanto
=
3
4
1
2
=
=
para , .
s ao equac oes param etricas do plano. Destas equac oes obtemos que os vetores
1
= (
3
4
, 0, 1) e
2
= (
1
2
, 1, 0) s ao paralelos ao plano.
Julho 2009 Reginaldo J. Santos
228 Retas e Planos
4.1.2 Equac oes da Reta
Equac oes Param etricas
Vamos supor que uma reta e paralela a um vetor = (, , ) n ao nulo e que passa por um
ponto
0
= (
0
,
0
,
0
). Um ponto = (, , ) pertence a reta se, e somente se, o vetor
0
e
paralelo ao vetor , isto e, se o vetor
0
e um m ultiplo escalar de , ou seja,
0
= . (4.5)
Em termos de componentes, a equac ao (4.5) pode ser escrita como
(
0
,
0
,
0
) = (, , ).
Logo,
0
= ,
0
= e
0
= .
Ou seja, a reta pode ser descrita como sendo o conjunto dos pontos = (, , ) tais que
=
0
+
=
0
+ ,
=
0
+
para . (4.6)
s ao de uma reta que passa por um ponto
0
= (
0
,
0
,
0
) e e paralela ao vetor = (, , ). As
equac oes (4.6) s ao chamadas equac oes param etricas da reta . O vetor = (, , ) e chamado
vetor diretor da reta .
O par ametro nas equac oes (4.6) pode ser interpretado como o instante de tempo, se o ponto
= (, , ) descreve o movimento de uma partcula em movimento retilneo uniforme com vetor
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.1 Equac oes de Retas e Planos 229
velocidade = (, , ). Observe que para = 1, = (, , ) = (
0
+ ,
0
+ ,
0
+ ), para
= 2, = (, , ) = (
0
+ 2,
0
+ 2,
0
+ 2) e assim por diante.
As equac oes (4.6), podem ser reescritas como
(, , ) = (
0
+,
0
+,
0
+),
que e chamada equac ao vetorial da reta .
Julho 2009 Reginaldo J. Santos
230 Retas e Planos
x y
z
= (, , )
0
= (
0
,
0
,
0
)
= (, , )
x y
z
0
y
z
x
0
y
z
x
0
y
z
x
0
y
z
x
0
Figura 4.11: Retas (, , )=(
0
+,
0
+,
0
), (, , )=(
0
,
0
+,
0
+) e (, , )=(
0
+,
0
,
0
+)
y
z
x
y
z
x
Figura 4.12: Retas (, , ) = (, , ) e (, , ) = (
0
+,
0
+,
0
+)
Julho 2009 Reginaldo J. Santos
232 Retas e Planos
Observac ao. N ao faz sentido dizer que o vetor est a contido na reta. Por um lado, a reta e um conjunto
de pontos e por outro um vetor n ao tem posic ao xa.
Exemplo 4.5. A reta que passa por
0
= (3, 3/2, 4) e e paralela ao vetor = (6, 1, 4) tem
equac oes param etricas
:
= 3 6
=
3
2
+
= 4 + 4
para
Podemos encontrar a intersec ao da reta com os planos coordenados , e . A equac ao
do plano e = 0, do plano e = 0 e do plano e = 0. Substituindo = 0 nas equac oes
de , obtemos = 2, = 3 e = 1/2, ou seja,
o ponto de intersec ao de com o plano e
(, , ) = (3,
1
2
, 0).
De forma an aloga obtemos
o ponto de intersec ao de com o plano e
(, , ) = (0, 1, 2),
o ponto de intersec ao de com o plano
(, , ) = (6, 0, 2).
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.1 Equac oes de Retas e Planos 233
x y
z
3
1/2
1
2
Figura 4.13: Reta que passa pelo ponto
0
= (3, 3/2, 4) paralela ao vetor = (6, 1, 4)
Julho 2009 Reginaldo J. Santos
234 Retas e Planos
Equac oes na Forma Sim etrica
Se todas componentes do vetor diretor da reta s ao n ao nulos, podemos resolver cada equac ao
em (4.6) para e igualar os resultados obtendo o que chamamos de equac oes na forma sim etrica
de :
0
=
0
=
0
.
No Exemplo 4.5 as equac oes de na forma sim etrica s ao:
+ 3
6
=
3/2
1
=
4
4
.
Exemplo 4.6. Vamos encontrar as equac oes param etricas da reta que passa pelos pontos
1
=
(3, 0, 2) e
2
= (0, 3, 3). O vetor
2
= (0 3, 3 0, 3 2) = (3, 3, 1)
e paralelo a e o ponto
1
= (3, 0, 2) pertence a . Portanto, as equac oes param etricas de s ao
= 3 3
= 3
= 2 +
para .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.1 Equac oes de Retas e Planos 235
x y
z
3
2
3
3
1
: 2 + + 4 4 = 0
2
: 2 + 2 = 0.
Vetores normais destes planos s ao
1
= (2, 1, 4) e
2
= (2, 1, 2) .
A reta est a contida em ambos os planos, portanto e perpendicular a ambos os vetores normais.
Assim, a reta e paralela ao produto vetorial
1
2
(Teorema 3.5 (c) na p agina 186).
2
=
_
det
_
1 4
1 2
_
, det
_
2 4
2 2
_
, det
_
2 1
2 1
__
= (6, 4, 4) .
Assim, =
1
2
= (6, 4, 4) e um vetor diretor de . Agora, precisamos encontrar um ponto da
reta . Este ponto e uma soluc ao particular do sistema
_
2 + + 4 4 = 0
2 + 2 = 0
(4.7)
Para encontrar uma soluc ao particular do sistema, atribumos um valor a uma das inc ognitas (neste
exemplo podemos fazer = 0) e resolvemos o sistema obtido, que e de duas equac oes e duas
inc ognitas
_
+ 4 4 = 0
+ 2 = 0
Julho 2009 Reginaldo J. Santos
240 Retas e Planos
Obtemos ent ao, = 4/3 e = 2/3, ou seja, o ponto
0
= (0, 4/3, 2/3) e um ponto da reta , pois e
uma soluc ao particular do sistema (4.7). Assim, as equac oes param etricas de s ao
= 6
= 4/3 + 4
= 2/3 4
para todo . (4.8)
Alternativamente, podemos encontrar as equac oes param etricas de determinando a soluc ao
geral do sistema (4.7). Para isto devemos escalonar a matriz do sistema (4.7):
_
2 1 4 4
2 1 2 0
_
Precisamos zerar o outro elemento da 1
a
.
coluna, que e a coluna do piv o, para isto, adicionamos ` a
2
a
.
linha, menos a 1
a
.
linha.
-1
a
.
linha + 2
a
.
linha 2
a
.
linha
_
2 1 4 4
0 2 2 4
_
Agora, j a podemos obter facilmente a soluc ao geral do sistema dado, j a que ele e equivalente ao
sistema
_
2 + + 4 = 4
2 2 = 4
A vari avel e uma vari avel livre. Podemos dar a ela um valor arbitr ario, digamos , para
qualquer. Assim, a soluc ao geral do sistema dado e
= 1
3
2
= 2
=
para todo . (4.9)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.1 Equac oes de Retas e Planos 241
Estas equac oes s ao diferentes das equac oes (4.8), mas representam a mesma reta, pois os vetores
diretores obtidos das duas equac oes s ao paralelos e o ponto
0
= (1, 2, 0) satisfaz tamb em as
equac oes (4.9). Poderamos dizer tamb em que (4.8) e (4.9) representam retas coincidentes.
O pr oximo exemplo mostra como encontrar a equac ao da reta que e perpendicular a duas retas.
Exemplo 4.8. Achar as equac oes da reta
3
que intercepta as retas
1
:
= 1 + 2
= 1 +,
= 0
para todo
e
2
: 2 =
4
2
e = 3
e e perpendicular a ambas.
Um ponto qualquer da reta
1
e descrito por
1
= (1+2, 1+, 0) e um ponto qualquer da reta
2
e da forma
2
= (2 +, 4 +2, 3). Aqui e necess ario o uso de um par ametro diferente para a reta
2
. O vetor
2
= (3 + 2, 3 +2 , 3) liga um ponto qualquer de
1
a um ponto qualquer de
2
. Vamos determinar e tais que o vetor
2
seja perpendicular ao vetor diretor
1
= (2, 1, 0)
de
1
e ao vetor diretor
2
= (1, 2, 0) de
2
, ou seja, temos que resolver o sistema
_
2
1
= 9 + 4 5 = 0
2
2
= 9 + 5 4 = 0
Julho 2009 Reginaldo J. Santos
242 Retas e Planos
A soluc ao deste sistema e = 1, = 1. Logo
1
= (1, 2, 0),
2
= (1, 2, 3) e
3
=
2
=
(0, 0, 3). Assim as equac oes param etricas da reta procurada s ao
3
:
= 1
= 2,
= 3
para todo .
Esta soluc ao usou o fato de que as retas s ao reversas, isto e, elas n ao s ao paralelas, mas tamb em
n ao se interceptam. Como seria a soluc ao se elas se interceptassem? Por exemplo se a reta
2
fosse
dada por
2
: 2 =
4
2
e = 0 ?
Exerccios Num ericos (respostas na p agina 534)
4.1.1. Faca um esboco dos seguintes planos:
(a) 2 + 3 + 5 1 = 0
(b) 2 + 4 = 0
(c) 3 + 2 1 = 0
(d) 2 + 3 1 = 0
(e) 3 + 2 1 = 0
(f) 5 2 = 0
(g) 3 2 = 0
(h) 2 1 = 0
4.1.2. Faca um esboco das retas dadas a seguir:
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.1 Equac oes de Retas e Planos 243
(a) (, , ) = (3 + 3,
3
2
1
2
, 4 2)
(b) (, , ) = (2, ,
3
2
)
(c) (, , ) = (1 +, 2, 3 + 2)
(d) (, , ) = (1, 2 + 2,
5
2
+
3
2
)
(e) (, , ) = (2 + 2, 3 +, 3)
(f) (, , ) = (1, 2, 2 + 2)
(g) (, , ) = (1, 2 + 2, 3)
(h) (, , ) = (2 + 2, 2, 3)
4.1.3. Ache a equac ao do plano paralelo ao plano 2+53 = 0 e que passa por = (1, 2, 1).
4.1.4. Encontre a equac ao do plano que passa pelo ponto = (2, 1, 0) e e perpendicular aos planos
+ 2 3 + 2 = 0 e 2 + 4 1 = 0.
4.1.5. Encontrar a equac ao do plano que passa pelos pontos = (1, 0, 0) e = (1, 0, 1) e e
perpendicular ao plano = .
4.1.6. Determine a intersec ao da reta que passa pela origem e tem vetor diretor =
+ 2
com
o plano 2 + + = 5.
4.1.7. Verique se as retas : (, , ) = (9, 1 + 6, 2 + 3) e : (, , ) = (1 + 2, 3 + , 1)
se interceptam e em caso armativo determine a intersec ao. (Sugest ao: a quest ao e se as
trajet orias se cortam e n ao se as partculas se chocam, ou seja, elas n ao precisam estar num
ponto no mesmo instante.)
4.1.8. Dadas as retas
:
2
2
=
2
= e : 2 = = ,
obtenha uma equac ao geral para o plano determinado por e .
Julho 2009 Reginaldo J. Santos
244 Retas e Planos
4.1.9. Sejam = (4, 1, 1) e : (, , ) = (2 +, 4 , 1 + 2).
(a) Mostre que ;
(b) Obtenha uma equac ao geral do plano determinado por e .
4.1.10. Dados os planos
1
: + + 1 = 0 e
2
: + 1 = 0, determine o plano que
cont em
1
2
e e ortogonal ao vetor (1, 1, 1).
4.1.11. Quais dos seguintes pares de planos se cortam segundo uma reta?
(a) + 2 3 4 = 0 e 4 + 2 + 1 = 0;
(b) 2 + 4 + 3 = 0 e 4 2 + 8 = 0;
(c) = 0 e + = 0.
4.1.12. Encontre as equac oes da reta que passa pelo ponto = (1, 2, 1) e e perpendicular ao plano
+ 2 1 = 0.
4.1.13. Ache equac oes da reta que passa pelo ponto = (1, 0, 1) e e paralela aos planos 2 + 3 +
+ 1 = 0 e + = 0.
4.1.14. Seja a reta determinada pela intersec ao dos planos + = 0 e 2 + 3 1 = 0.
Ache a equac ao do plano que passa por = (1, 0, 1) e cont em a reta .
4.1.15. Sejam e retas reversas passando por = (0, 1, 0) e = (1, 1, 0) e por = (3, 1, 4)
e = (1, 2, 7), respectivamente. Obtenha uma equac ao da reta concorrente com e e
paralela ao vetor = (1, 5, 1).
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.1 Equac oes de Retas e Planos 245
4.1.16. (a) Mostre que os planos 2 + = 0 e +2 = 1 se interceptam segundo uma reta
;
(b) Ache equac oes da reta que passa pelo ponto = (1, 0, 1) e intercepta a reta ortogo-
nalmente.
4.1.17. Considere as retas (, , ) = (1, 2, 3) e (, , ) = (0, 1, 2) + (2, 4, 6). Encontre a
equac ao geral do plano que cont em estas duas retas.
4.1.18. Determine as equac oes param etricas da reta intersec ao dos planos:
(a) + 2 3 4 = 0 e 4 + 2 + 1 = 0;
(b) = 0 e + = 0.
4.1.19. Considere o plano : 2 + 2 = 0.
(a) Determine as retas , intersec ao do plano com o plano yz, , intersec ao do plano com
o plano xz e , intersec ao do plano com o plano = 2. Desenhe um esboco do plano
mostrando as retas , e .
(b) Determine o volume do tetraedro determinado pelo plano , os planos coordenados xz e
yz e o plano = 2. (Sugest ao: este volume e igual a 1/6 do volume do paraleleppedo
determinado por
)
Julho 2009 Reginaldo J. Santos
246 Retas e Planos
4.1.20. Achar as equac oes da reta que intercepta as retas
1
e
2
e e perpendicular a ambas.
(a)
1
:
= 1 +
= 2 + 3,
= 4
para
e
2
: + 1 =
1
2
=
+ 2
3
.
(b)
1
:
= 1 +
= 2 + 3,
= 4
para
e
2
: =
4
2
=
3
3
.
Exerccios usando o MATLAB
>> V=[v1,v2,v3] cria um vetor V, usando as componentes num ericas v1, v2, v3. Por
exemplo >> V=[1,2,3] cria o vetor = (1, 2, 3);
>> V+W e a soma de V e W; >> V-W e a diferenca V menos W; >> num*V e o produto do vetor V
pelo escalar num;
>> subs(expr,x,num,) substitui x por num na express ao expr;
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.1 Equac oes de Retas e Planos 247
>> solve(expr) determina a soluc ao da equac ao expr=0;
Comandos num ericos do pacote GAAL:
>> no(V) calcula a norma do vetor V.
>> pe(V,W) calcula o produto escalar do vetor V pelo vetor W.
>> pv(V,W) calcula o produto vetorial do vetor V pelo vetor W.
>> subst(expr,[x,y,z],[a,b,c]) substitui na express ao expr as vari aveis x,y,z por
a,b,c, respectivamente.
Comandos gr acos do pacote GAAL:
>> lin(P,V) desenha a reta que passa por P com direc ao V.
>> lin(P1,V1,P2,V2) desenha retas que passam por P1, P2, direc oes V1, V2.
>> plan(P,N) desenha o plano que passa por P com normal N.
>> plan(P1,N1,P2,N2) desenha planos que passam por P1, P2, normais N1, N2.
>> plan(P1,N1,P2,N2,P3,N3) desenha planos que passam por P1, P2 e P3 com normais
N1, N2 e N3.
>> poplan(P1,P2,N2) desenha ponto P1 e plano passando por P2 com normal N2.
>> poline(P1,P2,V2) desenha ponto P2 e reta passando por P2 com direc ao V2.
>> lineplan(P1,V1,P2,N2) desenha reta passando por P1 com direc ao V1 e plano pas-
sando por P2 com normal N2.
>> axiss reescala os eixos com a mesma escala.
Julho 2009 Reginaldo J. Santos
248 Retas e Planos
>> rota faz uma rotac ao em torno do eixo .
4.1.21. Digite no prompt demog22, (sem a vrgula!). Esta func ao demonstra as func oes gr acas para
visualizac ao de retas e planos.
4.1.22. Use o MATLAB
1
+
2
+
3
= 1 .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.1 Equac oes de Retas e Planos 249
x y
z
3/2
3 3
x y
z
3
3
6
x y
z
3/2
1
2
3 3
3
3
6
Figura 4.18: Retas
1
,
2
e
3
do Exemplo 4.8
Julho 2009 Reginaldo J. Santos
250 Retas e Planos
4.2
Angulos e Dist ancias
4.2.1
Angulos
2
que e paralela a
2
. O angulo entre
1
e
2
e denido como sendo o angulo entre
1
e
2
(Figura 4.19).
Se as retas s ao paralelas o angulo entre elas e igual a zero.
Em qualquer dos casos, se
1
e
2
s ao vetores paralelos a
1
e
2
respectivamente, ent ao o
cosseno do angulo entre elas e
cos(
1
,
2
) = cos ,
em que e o angulo entre
1
e
2
.
Lembrando que da denic ao de produto escalar (Denic ao 3.1 na p agina 173), podemos encontrar
o cosseno do angulo entre dois vetores, ou seja,
cos =
1
2
1
2
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.2
Angulos e Dist ancias 251
y
z
x
Figura 4.19: O
Angulo entre duas retas reversas
1
e
2
Julho 2009 Reginaldo J. Santos
252 Retas e Planos
Isto prova o resultado seguinte.
Proposic ao 4.2. Sejam duas retas
1
:
=
1
+
1
=
1
+
1
=
1
+
1
2
:
=
2
+
2
=
2
+
2
=
2
+
2
para todo .
O cosseno do angulo entre
1
e
2
e
cos(
1
,
2
) = cos =
1
2
1
2
,
em que
1
= (
1
,
1
,
1
) e
2
= (
2
,
2
,
2
).
Exemplo 4.9. Encontrar o angulo entre a reta
1
:
_
+ + 1 = 0
2 + = 0
e a reta
2
:
= 2
= 1
= 2 + 3
para todo .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.2
Angulos e Dist ancias 253
Vamos encontrar vetores paralelos a estas retas. A reta
1
e dada como a intersec ao de pois
planos, portanto o produto vetorial dos vetores normais dos dois planos e paralelo a
1
.
1
= (1, 1, 1),
2
= (2, 1, 1),
1
=
1
2
=
_
det
_
1 1
1 1
_
, det
_
1 1
2 1
_
, det
_
1 1
2 1
__
= (0, 3, 3)
e paralelo a
1
e
2
= (2, 1, 3) e paralelo a
2
. Assim,
cos(
1
,
2
) =
1
2
1
2
=
0 2 + (3)(1) + (3) 3
0
2
+ (3)
2
+ (3)
2
2
2
+ (1)
2
+ 3
2
=
6
18
14
=
1
7
.
Portanto, o angulo entre
1
e
2
e
arccos (
1
7
) 67
o
.
1
2
1
:
1
+
1
+
1
+
1
= 0 ,
2
:
2
+
2
+
2
+
2
= 0 .
O cosseno do angulo entre
1
e
2
e
cos(
1
,
2
) =
1
2
1
2
,
em que
1
= (
1
,
1
,
1
) e
2
= (
2
,
2
,
2
) s ao os vetores normais de
1
e
2
, respectivamente.
Dois planos
1
e
2
ou s ao paralelos ou se cortam segundo um reta. Eles s ao paralelos se, e
somente se, os vetores normais de
1
e
2
, s ao paralelos, ou seja, um vetor e um m ultiplo escalar do
outro. Assim, e
2
s ao paralelos se, e somente se, o angulo entre eles e igual a zero.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.2
Angulos e Dist ancias 255
Figura 4.20:
Angulo entre dois planos
Julho 2009 Reginaldo J. Santos
256 Retas e Planos
Exemplo 4.10. Determinar o angulo entre os planos cujas equac oes s ao
1
: + + = 0 ,
2
: = 0 .
Os vetores normais a estes planos s ao os vetores cujas componentes s ao os coecientes de ,
e nas equac oes dos planos, ou seja,
1
= (1, 1, 1) e
2
= (1, 1, 1) .
Assim, o cosseno do angulo entre
1
e
2
e
cos(
1
,
2
) =
1
2
1
2
=
1
3
=
1
3
.
Portanto, o angulo entre eles e
arccos (
1
3
) 70
o
.
4.2.2 Dist ancias
Dist ancia de Um Ponto a Um Plano
Sejam
0
= (
0
,
0
,
0
) um ponto qualquer e : + + + = 0 um plano. A dist ancia de
0
a e denida como sendo a dist ancia de
0
at e o ponto de mais pr oximo de
0
.
Dado um ponto
1
= (
1
,
1
,
1
) de , podemos decompor o vetor
0
em duas parcelas, uma
na direc ao do vetor normal de , = (, , ) e outra perpendicular a ele. A componente na direc ao
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.2
Angulos e Dist ancias 257
do vetor e a projec ao ortogonal de
0
em . Como vemos na Figura 4.21, a dist ancia de
0
a
e igual ` a norma da projec ao, ou seja,
dist(
0
, ) = proj
0
.
Mas, pela Proposic ao 3.4 na p agina 181, temos que
proj
0
=
_
_
_
_
_
_
2
_
_
_
_
_
_
=
.
O que prova o resultado seguinte.
Proposic ao 4.4. Sejam
0
= (
0
,
0
,
0
) um ponto qualquer e : + + + = 0 um plano.
A dist ancia de
0
a e dada por
dist(
0
, ) = proj
0
=
,
em que = (, , ) e
1
= (
1
,
1
,
1
) e um ponto de (isto e, um ponto que satisfaz a equac ao
de ).
Julho 2009 Reginaldo J. Santos
258 Retas e Planos
= (, , )
0
= (
0
,
0
,
0
)
1
= (
1
,
1
,
1
)
d
i
s
t
(
0
,
)
p
r
o
j
0
Figura 4.21: Dist ancia de um ponto
0
= (
0
,
0
,
0
) a um plano
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.2
Angulos e Dist ancias 259
Exemplo 4.11. Calcular a dist ancia entre o ponto
0
= (1, 2, 3) ao plano
: 2 + 1 = 0.
Fazendo = 0 e = 0 na equac ao de , obtemos = 1. Assim, o ponto
1
= (1, 0, 0) pertence
a .
0
= (1 1, 2 0, 3 0) = (0, 2, 3)
e
= (1, 2, 1) .
Assim,
dist(
0
, ) = proj
0
=
=
0 1 + 2(2) + 3 1
1
2
+ (2)
2
+ 1
2
=
1
6
=
1
6
.
Dist ancia de Um Ponto a Uma Reta
Sejam
0
= (
0
,
0
,
0
) um ponto qualquer e uma reta. A dist ancia de
0
a e denida como a
dist ancia de
0
ao ponto de mais pr oximo de
0
.
Dado um ponto qualquer
1
= (
1
,
1
,
1
) de podemos decompor o vetor
0
em duas parce-
las, uma na direc ao do vetor diretor de e outra perpendicular a ele. A componente na direc ao do
vetor e a projec ao ortogonal de
0
em . Como vemos na Figura 4.22,
(dist(
0
, ))
2
+proj
0
2
=
0
2
,
Julho 2009 Reginaldo J. Santos
260 Retas e Planos
ou seja,
(dist(
0
, ))
2
=
0
2
proj
0
2
. (4.10)
Mas, pela Proposic ao 3.4 na p agina 181, temos que
proj
0
2
=
_
_
_
_
_
_
0
2
_
_
_
_
_
_
2
=
(
0
)
2
2
.
Substituindo esta express ao em (4.10) e usando a denic ao do produto escalar na p agina 173 e da
norma do produto vetorial na p agina 182 obtemos
(dist(
0
, ))
2
=
0
2
0
)
2
2
=
0
2
2
(
0
)
2
2
=
0
2
2
0
2
2
cos
2
2
=
0
2
2
sen
2
2
=
0
2
2
.
Isto prova o resultado seguinte.
Proposic ao 4.5. Sejam
0
= (
0
,
0
,
0
) um ponto qualquer e
:
=
1
+
=
1
+
=
1
+
para todo
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.2
Angulos e Dist ancias 261
0
= (
0
,
0
,
0
)
1
= (
1
,
1
,
1
)
= (, , )
proj
0
d
i
s
t
(
0
,
)
Figura 4.22: Dist ancia de um ponto
0
= (
0
,
0
,
0
) a uma reta
Julho 2009 Reginaldo J. Santos
262 Retas e Planos
uma reta. A dist ancia de
0
a e dada por
dist(
0
, ) =
0
.
em que = (, , ) e um vetor diretor e
1
= (
1
,
1
,
1
) e um ponto da reta .
Exemplo 4.12. Calcular a dist ancia do ponto
0
= (1, 1, 2) ` a reta
:
= 1 + 2
=
= 2 3
para todo .
Um vetor diretor da reta e = (2, 1, 3) e um ponto de e
1
= (1, 0, 2). Assim,
0
= (1 1, 1 0, 2 2) = (0, 1, 0) ,
0
= (3, 0, 2) ,
0
=
13 e =
14 .
Portanto,
dist(
0
, ) =
0
=
13
14
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.2
Angulos e Dist ancias 263
2
d
i
s
t
(
1
,
2
)
p
r
o
j
2
Figura 4.23: Dist ancia entre dois planos
Julho 2009 Reginaldo J. Santos
264 Retas e Planos
Dist ancia entre Dois Planos
Sejam dois planos
1
e
2
quaisquer. A dist ancia entre
1
e
2
e denida como a menor dist ancia
entre dois pontos, um de
1
e outro de
2
.
Se os seus vetores normais n ao s ao paralelos, ent ao os planos s ao concorrentes e neste caso a
dist ancia entre eles e igual a zero. Se os seus vetores normais s ao paralelos, ent ao os planos s ao
paralelos (ou coincidentes) e a dist ancia entre
1
e
2
e igual ` a dist ancia entre um ponto de um deles,
por exemplo
2
de
2
, e o ponto de
1
, mais pr oximo de
2
(Figura 4.23). Mas, esta dist ancia e igual
` a dist ancia de
2
a
1
. Vamos ver isto em um exemplo.
Exemplo 4.13. Os planos
1
: +2 2 3 = 0 e
2
: 2 +4 4 7 = 0 s ao paralelos, pois
os seus vetores normais
1
= (1, 2, 2) e
2
= (2, 4, 4) s ao paralelos (um e m ultiplo escalar do
outro). Vamos encontrar a dist ancia entre eles.
Vamos encontrar dois pontos quaisquer de cada um deles. Fazendo = 0 e = 0 em ambas
as equac oes obtemos
1
= 3 e
2
= 7/2. Assim,
1
= (3, 0, 0) pertence a
1
e
2
= (7/2, 0, 0)
pertence a
2
. Portanto, pela Proposic ao 4.4 temos que
dist(
1
,
2
) = dist(
1
,
2
) = proj
2
=
2
1
=
(7/2 3, 0 0, 0 0) (1, 2, 2)
1
2
+ 2
2
+ (2)
2
=
(1/2) 1 + 0 2 + 0(2)
9
=
1
6
.
Dist ancia entre Duas Retas
Sejam
1
e
2
duas retas quaisquer. A dist ancia entre
1
e
2
e denida como a menor dist ancia
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.2
Angulos e Dist ancias 265
entre dois pontos, um de
1
e outro de
2
.
Para calcular a dist ancia entre duas retas, vamos dividir em dois casos:
(a) Se os vetores diretores s ao paralelos, ent ao as retas
1
e
2
s ao paralelas (ou coincidentes).
Neste caso, a dist ancia entre elas e igual ` a dist ancia entre um ponto de
2
e a reta
1
, ou vice-
versa, entre um ponto de
1
e a reta
2
(Figura 4.24). Assim, pela Proposic ao 4.5 na p agina
260, temos que
dist(
1
,
2
) = dist(
1
,
2
) =
2
2
, (4.11)
em que
1
e
2
s ao pontos de
1
e
2
e
1
e
2
s ao vetores diretores de
1
e
2
, respectiva-
mente.
(b) Se os vetores diretores n ao s ao paralelos, ent ao elas s ao reversas ou concorrentes. Os dois
casos podem ser resolvidos da mesma forma. Estas retas denem dois planos paralelos (que
podem ser coincidentes, no caso em que elas s ao concorrentes). Um e o plano que cont em
1
e e paralelo a
2
, vamos cham a-lo de
1
. O outro, cont em
2
e e paralelo a
1
,
2
. O vetor
=
1
2
, e normal (ou perpendicular) a ambos os planos, em que
1
e
2
s ao os vetores
diretores de
1
e
2
respectivamente. Assim, a dist ancia entre as retas e igual ` a dist ancia entre
estes dois planos (Figura 4.25), ou seja,
dist(
1
,
2
) = dist(
1
,
2
) = dist(
1
,
2
) =
2
(
1
2
)
(4.12)
em que
1
e
2
s ao pontos de
1
e
2
e
1
e
2
s ao vetores diretores de
1
e
2
, respectiva-
mente. Observe que se as retas s ao concorrentes a dist ancia entre elas e zero, pois os vetores
2
,
1
e
2
s ao coplanares e
2
(
1
2
) = 0 (Corol ario 3.9 na p agina 198).
Julho 2009 Reginaldo J. Santos
266 Retas e Planos
Exemplo 4.14. Vamos determinar a dist ancia entre as retas
1
:
1
4
=
+ 1
2
=
2
6
.
e
2
:
= 1 + 2
=
= 2 3
para todo .
As retas s ao paralelas, pois seus vetores diretores
1
= (4, 2, 6) e
2
= (2, 1, 3) (Exemplo
4.5 na p agina 232) s ao paralelos (um e um m ultiplo escalar do outro, ou ainda as componentes
correspondentes s ao proporcionais). Al em disso, o ponto
1
= (1, 1, 2) pertence ` a reta
1
. Como
dissemos acima, a dist ancia de
1
a
2
e igual ` a dist ancia entre um ponto de
2
e a reta
1
(Figura
4.24). Assim, pela Proposic ao 4.5 na p agina 260, temos que
dist(
1
,
2
) = dist(
1
,
2
) =
2
2
13
14
.
As contas s ao as mesmas do Exemplo 4.12 na p agina 262.
Exemplo 4.15. Determinar a dist ancia entre as retas
1
:
+ 1
3
=
1
2
= .
e
2
:
=
= 2
= 1
para todo .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.2
Angulos e Dist ancias 267
As retas
1
e
2
s ao paralelas aos vetores
1
= (3, 2, 1) e
2
= (1, 2, 1) e passam pelos pontos
1
= (1, 1, 0) e
2
= (0, 0, 1), respectivamente. As retas n ao s ao paralelas, pois seus vetores
diretores n ao s ao paralelos (observe que a 1
a
.
componente de
1
e 3 vezes a 1
a
.
componente de
2
,
mas as 2
a
.
s componentes s ao iguais). Logo,
2
= (0 (1), 0 1, 1 0) = (1, 1, 1) .
Um vetor perpendicular a ambas as retas e
=
1
2
= (4, 4, 4) .
Este vetor e normal aos planos
1
(que cont em
1
e e paralelo a
2
) e
2
(que cont em
2
e e paralelo
a
1
) (veja a Figura 4.25). Assim,
dist(
1
,
2
) = dist(
1
,
2
) = dist(
1
,
2
) =
=
1(4) + (1) 4 + 1 4
(4)
2
+ 4
2
+ 4
2
=
4
4
3
=
1
3
.
Julho 2009 Reginaldo J. Santos
268 Retas e Planos
2
2
1
proj
2
1
d
i
s
t
(
1
,
2
)
Figura 4.24: Dist ancia entre duas retas paralelas
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.2
Angulos e Dist ancias 269
1
2
1
d
i
s
t
(
1
,
2
)
Figura 4.25: Dist ancia entre duas retas reversas
Julho 2009 Reginaldo J. Santos
270 Retas e Planos
Exerccios Num ericos (respostas na p agina 553)
4.2.1. Considere os vetores =
+3
+2
, = 2
e =
.
4.2.3. Seja
1
o plano que passa pelos pontos = (1, 1, 1), = (1, 0, 1), = (1, 1, 0) e
2
o plano
que passa pelos pontos = (0, 0, 1) e = (0, 0, 0) e e paralelo ao vetor
. Ache o angulo
entre
1
e
2
.
4.2.4. Ache todas as retas que passam pelo ponto (1, 2, 3) e que formam angulos de 45
o
e 60
o
com
os eixos x e y respectivamente.
4.2.5. Obtenha os v ertices e do tri angulo equil atero , sendo = (1, 1, 0) e sabendo que o
lado est a contido na reta : (, , ) = (0, 1, 1). (Sugest ao: Determine os pontos
faz angulo de 60
o
e 120
o
com o vetor diretor da reta )
4.2.6. Seja o plano que passa pela origem e e perpendicular ` a reta que une os pontos = (1, 0, 0)
e = (0, 1, 0). Encontre a dist ancia do ponto = (1, 0, 1) ao plano .
4.2.7. Seja
1
a reta que passa pelos pontos = (1, 0, 0) e = (0, 2, 0), e
2
a reta
2 =
3
2
=
4
3
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.2
Angulos e Dist ancias 271
(a) Encontre as equac oes da reta perpendicular ` as retas
1
e
2
;
(b) Calcule a dist ancia entre
1
e
2
.
4.2.8. Dados = (0, 2, 1), : = (0, 2, 2) + (1, 1, 2), ache os pontos de que distam
3 de
. A dist ancia do ponto ` a reta e maior, menor ou igual a
3? Por que?
4.2.9. Dada a reta : = (1, 0, 0) + (1, 1, 1) e os pontos = (1, 1, 1) e = (0, 0, 1), ache o
ponto de eq uidistante de e .
4.2.10. Encontre a equac ao do lugar geom etrico dos pontos eq uidistantes de = (1, 1, 2) e =
(4, 3, 1). Este plano passa pelo ponto m edio de ? Ele e perpendicular ao segmento ?
4.2.11. Ache as equac oes dos planos que s ao perpendiculares ao vetor (2, 2, 2) e que distam
3 do
ponto (1, 1, 1).
4.2.12. Determine os planos que cont em a reta
:
_
2 + 2 = 0
3 5 + 7 = 0
e formam com o plano
1
: + = 0 um angulo de 60
o
.
4.2.13. (a) Verique que a reta : (, , ) = (1, 0, 1) +(1, 1, 0) e paralela ao plano
: + + = 0.
(b) Calcule a dist ancia de a .
(c) Existem retas contidas no plano , que s ao reversas ` a reta e distam 2 desta?
Julho 2009 Reginaldo J. Santos
272 Retas e Planos
4.2.14. (a) Determine a equac ao do plano
1
que passa por = (10/3, 1, 1), = (1, 9/2, 1) e
= (1, 1, 5/6).
(b) Determine a equac ao do plano
2
que passa por = (1, 4, 1), = (3/2, 1, 10) e
e paralelo ao eixo z.
(c) Escreva equac oes param etricas para a reta intersec ao dos planos
1
e
2
.
(d) Faca um esboco dos planos
1
,
2
e da reta no primeiro octante.
(e) Qual o angulo entre os planos
1
e
2
?
(f) Qual o ponto de
1
que est a mais pr oximo da origem? (Sugest ao: este ponto e tal que
e ortogonal ao plano
1
.)
(g) Qual a area do tri angulo ?
Exerccios usando o MATLAB
2
+
2
+
2
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
4.2
Angulos e Dist ancias 273
4.2.18. Mostre que a dist ancia entre dois planos paralelos
1
: + + +
1
= 0 e
2
: + +
+
2
= 0 e
dist(
1
,
2
) =
2
2
+
2
+
2
.
4.2.19. Mostre que a dist ancia entre duas retas n ao paralelas
1
: (, , ) = (
1
+
1
,
1
+
1
,
1
+
1
)
e
2
: (, , ) = (
2
+
2
,
2
+
2
,
2
+
2
) e
det
1
2
1
2
1
1
1
2
2
2
_
det
_
1
1
2
2
__
2
+
_
det
_
1
1
2
2
__
2
+
_
det
_
1
1
2
2
__
2
4.2.20. O angulo entre uma reta que tem vetor diretor = (
) e um plano :
), n ao e
ortogonal ao vetor normal do plano , = (
0
+
0
+
0
+
+
2
+
2
, se = 0
0, caso contr ario
Julho 2009 Reginaldo J. Santos
276 Retas e Planos
278
5.1 Independ encia Linear 279
Denic ao 5.1. Para cada inteiro positivo , o espac o (vetorial)
) de n umeros reais.
O conjunto
1
e simplesmente o conjunto dos n umeros reais. O conjunto
2
e o conjunto dos
pares de n umeros reais e o
3
e o conjunto dos ternos de n umeros reais.
No
3
o terno de n umeros (
1
,
2
,
3
) pode ser interpretado geometricamente de duas maneiras:
pode ser visto como um ponto, neste caso
1
,
2
e
3
s ao as coordenadas do ponto (Figura 5.1),
ou como um vetor, neste caso
1
,
2
e
3
s ao as componentes do vetor (Figura 5.2). Tamb em
no
uma - upla pode ser pensada como um vetor ou como um ponto. Por exemplo, a quint upla
= (1, 2, 3, 5, 4) pode ser pensada como um ponto no
5
, quando consideramos como um
elemento do conjunto
5
, ou como um vetor do
5
, quando fazemos operac oes com , como as que
iremos denir adiante. Vamos chamar os elementos do
) e = (
1
, . . . ,
) no
s ao considerados iguais se
1
=
1
, . . . ,
) e = (
1
, . . . ,
) de
e denida
por
+ = (
1
+
1
, . . . ,
); (5.1)
Julho 2009 Reginaldo J. Santos
280 Espac os
x y
z
(, , )
) do
). (5.2)
O vetor nulo de
e denotado por
0 e e denido por
0 = (0, . . . , 0). Se = (
1
, . . . ,
) e um
vetor do
). A
diferenc a de dois vetores no
tais que = , para algum escalar , ent ao dizemos que e um m ultiplo escalar de .
Um vetor = (
1
, . . . ,
) de
1
.
.
.
ou =
_
1
. . .
.
Estas notac oes podem ser justicadas pelo fato de que as operac oes matriciais
+ =
1
.
.
.
1
.
.
.
1
+
1
.
.
.
, =
1
.
.
.
1
.
.
.
ou
+ =
_
1
. . .
+
_
1
. . .
=
_
1
+
1
. . .
,
=
_
1
. . .
=
_
1
. . .
) + (
1
, . . . ,
) = (
1
+
1
, . . . ,
)
= (
1
, . . . ,
) = (
1
, . . . ,
).
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.1 Independ encia Linear 283
No teorema seguinte enunciamos as propriedades mais importantes da soma de vetores e
multiplicac ao de vetores por escalar no
.
Teorema 5.1. Sejam = (
1
, . . . ,
), = (
1
, . . . ,
) e = (
1
, . . . ,
) vetores de
e e
escalares. S ao v alidas as seguintes propriedades:
(a) + = +;
(b) ( + ) + = + ( +);
(c) +
0 = ;
(d) + () =
0;
(e) () = ();
(f) ( + ) = + ;
(g) ( +) = +;
(h) 1 = .
Demonstrac ao. Segue diretamente das propriedades da algebra matricial (Teorema 1.1 na p agina
9).
O conceito de vetores pode ser generalizado ainda mais. Um conjunto n ao vazio onde est ao
denidas as operac oes de soma e multiplicac ao por escalar e chamado espac o vetorial se satisfaz
as oito propriedades do Teorema 5.1 (ver por exemplo [31]).
5.1.2 Combinac ao Linear
Uma combinac ao linear de vetores
1
, . . . ,
.
Julho 2009 Reginaldo J. Santos
284 Espac os
, se existem
escalares
1
, . . . ,
1
+
2
2
+. . . +
= (5.3)
ou seja, se a equac ao vetorial (5.3) possui soluc ao. Neste caso, dizemos tamb em que pode ser
escrito como uma combinac ao linear de
1
, . . . ,
.
Se = 1, ent ao a equac ao (5.3) se reduz a
1
1
= , ou seja, e uma combinac ao linear de
1
se, e somente se, e um m ultiplo escalar de
1
.
Exemplo 5.1. Sejam
1
= (1, 0, 0) e
2
= (1, 1, 0), vetores de
3
. O vetor = (2, 3, 2) n ao e uma
combinac ao linear de
1
e
2
, pois a equac ao
1
+
2
2
= , (5.4)
que pode ser escrita como
1
(1, 0, 0) +
2
(1, 1, 0) = (2, 3, 2),
ou ainda,
(
1
+
2
,
2
, 0) = (2, 3, 2),
e equivalente ao sistema
1
+
2
= 2
2
= 3
0 = 2
que n ao possui soluc ao.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.1 Independ encia Linear 285
x y
z
1
= (1, 0, 0)
2
= (1, 1, 0)
= (2, 3, 2)
Figura 5.3: O vetor n ao e combinac ao
linear de
1
e
2
x y
z
1
= (1, 0, 0)
2
= (1, 1, 0)
= (2, 3, 0)
Figura 5.4: O vetor e combinac ao linear
de
1
e
2
Julho 2009 Reginaldo J. Santos
286 Espac os
1
+
2
2
= (5.5)
ou
1
(1, 0, 0) +
2
(1, 1, 0) = (2, 3, 0)
ou ainda,
(
1
+
2
,
2
, 0) = (2, 3, 0),
e equivalente ao sistema
1
+
2
= 2
2
= 3
0 = 0
que possui soluc ao.
Exemplo 5.3. O vetor nulo
0 e sempre combinac ao linear de quaisquer vetores
1
, . . . ,
, pois
0 = 0
1
+. . . + 0
.
Exemplo 5.4. Todo vetor = (, , ) de
3
e uma combinac ao linear de
= (1, 0, 0),
= (0, 1, 0) e
= (0, 0, 1).
Pois,
(, , ) = (1, 0, 0) +(0, 1, 0) +(0, 0, 1) =
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.1 Independ encia Linear 287
x y
z
x y
z
= (, , )
Figura 5.6: = (, , ) =
},
escrevemos a equac ao vetorial
1
+
2
2
+. . . +
= , (5.6)
e vericamos se ela tem soluc ao. Se
1
, . . . ,
s ao vetores de
11
.
.
.
+. . . +
1
.
.
.
1
.
.
.
]
e =
1
.
.
.
} de vetores de
e linearmente inde-
pendente (L.I.) se a equac ao vetorial
1
+
2
2
+. . . +
=
0 (5.7)
s o possui a soluc ao trivial, ou seja, se a unica forma de escrever o vetor nulo como combinac ao linear
dos vetores
1
, . . . ,
e aquela em que todos os escalares s ao iguais a zero. Caso contr ario, isto e,
se (5.7) possui soluc ao n ao trivial, dizemos que o conjunto e linearmente dependente (L.D.).
Exemplo 5.5. Um conjunto nito de vetores de
} e tal que
=
0, para algum , ent ao 0
1
+. . . +0
1
+1
+0
+1
+. . . +0
=
0.
Exemplo 5.6. Um conjunto formado por um unico vetor, {
1
}, n ao nulo e L.I., pois
1
1
=
0 e
equivalente a
1
= 0 ou
1
=
0. Mas,
1
=
0; portanto
1
= 0.
Exemplo 5.7. Se {
1
, . . . ,
1
+. . . +
+ 0
1
+. . . + 0
=
0
admite soluc ao n ao trivial.
Julho 2009 Reginaldo J. Santos
290 Espac os
, {
1
,
2
} e L.D. se, e somente se, a
equac ao
1
1
+
2
2
=
0 possui soluc ao n ao trivial. Mas se isto acontece, ent ao um dos escalares
1
ou
2
pode ser diferente de zero. Se
1
= 0, ent ao
1
= (
2
/
1
)
2
e se
2
= 0, ent ao
2
= (
1
/
2
)
1
. Ou seja, se {
1
,
2
} e L.D., ent ao um dos vetores e m ultiplo escalar do outro.
Reciprocamente, se um vetor e m ultiplo escalar do outro, digamos se
1
=
2
, ent ao 1
1
2
=
0 e assim eles s ao L.D. Portanto, podemos dizer que dois vetores s ao L.D. se, e somente se,
um e um m ultiplo escalar do outro.
Por exemplo, o conjunto = {
1
,
2
}, em que
1
= (1, 0, 1) e
2
= (0, 1, 1), e L.I., pois um vetor
n ao e m ultiplo escalar do outro.
Exemplo 5.9. Um conjunto formado por tr es vetores de
, {
1
,
2
,
3
} e L.D. se, e somente se,
a equac ao
1
1
+
2
2
+
3
3
=
0 possui soluc ao n ao trivial. Mas se isto acontece, ent ao um
dos escalares
1
ou
2
ou
3
pode ser diferente de zero. Se
1
= 0, ent ao
1
= (
2
/
1
)
2
+
(
3
/
1
)
3
, ou seja, o vetor
1
e combinac ao linear de
2
e
3
. De forma semelhante, se
2
= 0,
ent ao
2
e combinac ao linear de
1
e
3
e se
3
= 0, ent ao
3
e combinac ao linear de
1
e
2
. Assim,
se tr es vetores
1
,
2
e
3
do
3
, ent ao 1
1
3
=
0 e assim eles s ao L.D. Portanto, podemos dizer que tr es vetores s ao
L.D. se, e somente se, um deles e uma combinac ao linear dos outros dois. No
3
, se tr es vetores s ao
L.I., ent ao eles n ao s ao coplanares (Figura 5.12).
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.1 Independ encia Linear 291
x
y
z
2
Figura 5.7: Dois vetores linearmente depen-
dentes
x
y
z
2
Figura 5.8: Dois vetores linearmente inde-
pendentes
Julho 2009 Reginaldo J. Santos
292 Espac os
x
y
z
3
Figura 5.9: Tr es vetores linearmente depen-
dentes (paralelos)
x
y
z
3
Figura 5.10: Tr es vetores linearmente de-
pendentes (dois paralelos)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.1 Independ encia Linear 293
x
y
z
2
Figura 5.11: Tr es vetores linearmente de-
pendentes (coplanares)
x
y
z
2
Figura 5.12: Tr es vetores linearmente inde-
pendentes
Julho 2009 Reginaldo J. Santos
294 Espac os
=
(0, . . . , 0, 1) s ao L.I. em particular os vetores
= (1, 0, 0),
= (0, 1, 0) e
= (0, 0, 1) s ao L.I. A
equac ao
1
+. . . +
=
0
pode ser escrita como
1
(1, 0, . . . , 0) +. . . +
(0, . . . , 0, 1) = (0, . . . , 0) .
Logo, (
1
, . . . ,
1
= 0, . . . ,
= 0 .
Para descobrir se um conjunto de vetores {
1
, . . . ,
1
+
2
2
+. . . +
=
0 (5.8)
tem somente a soluc ao trivial. Se
1
, . . . ,
s ao vetores de
11
.
.
.
+. . . +
1
.
.
.
0
.
.
.
0
] e =
1
.
.
.
s ao sempre L.D. Pois, nestes casos, o problema de vericar se eles s ao ou n ao L.I. leva a um sistema
linear homog eneo com mais inc ognitas do que equac oes, que pelo Teorema 1.6 na p agina 51 tem
sempre soluc ao n ao trivial.
Corol ario 5.4. Em
1
+
2
2
+
3
3
=
0.
Esta equac ao vetorial e equivalente ao sistema linear =
0, em que
= [
1
2
3
] =
1 0 1
0 1 1
1 1 1
.
Escalonando a matriz [
0 ] =
1 0 0 0
0 1 0 0
0 0 1 0
.
Conclumos, ent ao que o sistema =
0 possui somente a soluc ao trivial
1
=
2
=
3
= 0.
Portanto os vetores
1
,
2
e
3
s ao L.I.
Exemplo 5.12. Sejam
1
= (1, 2, 5),
2
= (7, 1, 5) e
3
= (1, 1, 1) vetores de
3
. Para
sabermos se eles s ao L.I. ou L.D. escrevemos a equac ao
1
+
2
2
+
3
3
=
0. (5.9)
Esta equac ao vetorial e equivalente ao sistema linear =
0, em que
= [
1
2
3
] =
1 7 1
2 1 1
5 5 1
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.1 Independ encia Linear 297
A matriz [
0 ] =
1 0 2/5 0
0 1 1/5 0
0 0 0 0
. (5.10)
Assim a vari avel
3
pode ser uma vari avel livre que pode, portanto, assumir qualquer valor. Con-
clumos que o sistema =
0 e a equac ao vetorial (5.9) t em soluc ao n ao trivial. Portanto,
1
,
2
e
3
s ao L.D.
A express ao linearmente dependente sugere que os vetores dependemuns dos outros emalgum
sentido. O teorema seguinte mostra que este realmente e o caso.
Teorema 5.5. Um conjunto ={
1
, . . . ,
e uma combinac ao linear dos demais vetores do conjunto , isto e, se existem escalares
1
, . . . ,
1
,
+1
, . . . ,
tais que
1
+. . . +
1
1
+
+1
+1
+. . . +
,
Julho 2009 Reginaldo J. Santos
298 Espac os
ent ao somando-se
1
+. . . +
1
+
+1
+1
+. . . +
=
0. (5.11)
Isto implica que a equac ao
1
1
+. . . +
=
0 admite soluc ao n ao trivial, pois o coeciente
de
1
+
2
2
+. . . +
=
0 (5.12)
admite soluc ao n ao trivial, o que signica que pelo menos um
e subtraindo-se (
)
1
+. . . + (
obtemos
=
_
1
. . .
_
+1
+1
. . .
_
.
Portanto, um vetor
1
+
2
2
+
3
3
=
0
se, e somente se,
1
= (2/5),
2
= (1/5) e
3
= , para todo . Substituindo-se os
valores de
1
,
2
e
3
na equac ao acima, camos com
(2/5)
1
(1/5)
2
+
3
=
0
Tomando-se = 1, obtemos
(2/5)
1
(1/5)
2
+
3
=
0
multiplicando-se por 5 e somando-se 2
1
+ 5
3
, temos que
2
= 2
1
+ 5
3
. Observe que, neste
exemplo, qualquer dos vetores pode ser escrito como combinac ao linear dos outros. O pr oximo exem-
plo mostra que isto nem sempre acontece.
Exemplo 5.14. Sejam
1
= (2, 2, 2),
2
= (3, 3/2, 0) e
3
= (2, 1, 0). {
1
,
2
,
3
} e L.D.,
mas
1
n ao e combinac ao linear de
2
e
3
(Figura 5.10 na p agina 292).
5.1.4 Posic oes Relativas de Retas e Planos
Posic oes Relativas de Duas Retas
Julho 2009 Reginaldo J. Santos
300 Espac os
Vamos estudar a posic ao relativa de duas retas, usando a depend encia linear de vetores. Sejam
1
: (, , ) = (
1
+
1
,
1
+
1
,
1
+
1
) e
2
: (, , ) = (
2
+
2
,
2
+
2
,
2
+
2
) as
equac oes de duas retas.
(a) Se os vetores diretores
1
= (
1
,
1
,
1
) e
2
= (
2
,
2
,
2
) s ao L.D., ent ao as retas s ao
paralelas ou coincidentes. Al em de paralelas, elas s ao coincidentes, se um ponto de uma
delas pertence a outra, por exemplo se
1
= (
1
,
1
,
1
) pertence a
2
ou se
2
= (
2
,
2
,
2
)
pertence a
1
. Ou ainda,
(i) Se
1
e
2
ou
2
e
2
s ao L.D. (com
1
e
2
L.D.), ent ao elas s ao coincidentes.
(ii) Se
1
e
2
ou
2
e
2
s ao L.I. (com
1
e
2
L.D.), ent ao elas s ao paralelas distintas.
(b) Se os vetores diretores
1
= (
1
,
1
,
1
) e
2
= (
2
,
2
,
2
) s ao L.I. ent ao as retas s ao
reversas ou concorrentes.
(i) Se
2
,
1
e
2
s ao L.D. (com
1
e
2
L.I.), ent ao as retas s ao concorrentes.
(ii) Se
2
,
1
e
2
s ao L.I., ent ao as retas s ao reversas (Figura 5.13).
Posic oes Relativas de Dois Planos
Vamos estudar a posic ao relativa dos dois planos usando a depend encia linear de vetores. Sejam
1
:
1
+
1
+
1
+
1
= 0 e
2
:
2
+
2
+
2
+
2
= 0 as equac oes de dois planos.
(a) Se os vetores normais
1
= (
1
,
1
,
1
) e
2
= (
2
,
2
,
2
) s ao L.D., ent ao os planos s ao
paralelos distintos ou coincidentes. Al em de paralelos, eles s ao coincidentes se, e somente se,
todo ponto que satisfaz a equac ao de um deles, satisfaz tamb em a equac ao do outro. Ou ainda,
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.1 Independ encia Linear 301
(i) Se os vetores (
1
,
1
,
1
,
1
) e (
2
,
2
,
2
,
2
) s ao L.D., ent ao as equac oes s ao proporcio-
nais e os planos s ao coincidentes.
(ii) Se os vetores (
1
,
1
,
1
,
1
) e (
2
,
2
,
2
,
2
) s ao L.I. (com
1
e
2
L.D.), ent ao os planos
s ao paralelos distintos (Figura 5.15).
(b) Se os vetores normais
1
= (
1
,
1
,
1
) e
2
= (
2
,
2
,
2
) s ao L.I., ent ao os planos s ao
concorrentes (Figura 5.14).
Posic oes Relativas de Reta e Plano
Vamos estudar a posic ao relativa de uma reta e um plano usando a depend encia linear de vetores.
Sejam : (, , ) = (
1
+
1
,
1
+
1
,
1
+
1
) a equac ao de uma reta e um plano que passa
pelo ponto
2
= (
2
,
2
,
2
) e e paralelo aos vetores
2
= (
2
,
2
,
2
) e
3
= (
3
,
3
,
3
).
(a) Se o vetor diretor da reta ,
1
= (
1
,
1
,
1
), os vetores paralelos ao plano ,
2
= (
2
,
2
,
2
)
e
3
= (
3
,
3
,
3
) s ao L.D., ent ao a reta e o plano s ao paralelos ou a reta est a contida no
plano. A reta est a contida no plano se al em dos vetores
1
,
2
e
3
forem L.D., um ponto da
reta pertence ao plano, por exemplo, se
1
= (
1
,
1
,
1
) pertence a . Ou ainda,
(i) Se
1
= (
1
,
1
,
1
),
2
= (
2
,
2
,
2
) e
3
= (
3
,
3
,
3
) s ao L.D. e
2
= (
2
,
2
,
2
),
3
= (
3
,
3
,
3
) e
2
tamb em s ao L.D., ent ao a reta est a contida no plano.
(ii) Se
1
= (
1
,
1
,
1
),
2
= (
2
,
2
,
2
),
3
= (
3
,
3
,
3
) s ao L.D., mas
2
= (
2
,
2
,
2
),
3
= (
3
,
3
,
3
) e
2
s ao L.I., ent ao a reta e paralela ao plano, mas n ao est a contida
nele.
Julho 2009 Reginaldo J. Santos
302 Espac os
(b) Se
1
= (
1
,
1
,
1
),
2
= (
2
,
2
,
2
),
3
= (
3
,
3
,
3
) s ao L.I., ent ao a reta e concorrente ao
plano.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.1 Independ encia Linear 303
Exerccios Num ericos (respostas na p agina 562)
5.1.1. Quais dos seguintes vetores s ao combinac ao linear de
1
= (5, 3, 1),
2
= (0, 4, 3) e
3
= (10, 18, 7)?
(a) (10, 2, 5);
(b) (10, 2, 8);
(c) (2, 1, 1);
(d) (1, 2, 3).
5.1.2. Os vetores
1
= (5, 3, 1),
2
= (0, 4, 3) e
3
= (10, 18, 7) do exerccio anterior s ao L.D.
ou L.I.? Caso sejam L.D. escreva um deles como combinac ao linear dos outros.
5.1.3. Quais dos seguintes conjuntos de vetores s ao linearmente dependentes?
(a) {(1, 1, 2), (1, 0, 0), (4, 6, 12)};
(b) {(1, 2, 3), (2, 4, 6)};
(c) {(1, 1, 1), (2, 3, 1), (3, 1, 2)};
(d) {(4, 2, 1), (6, 5, 5), (2, 1, 3)}.
5.1.4. Para quais valores de o conjunto de vetores {(3, 1, 0), (
2
+ 2, 2, 0)} e L.D.?
5.1.5. Suponha que {
1
,
2
,
3
} e um conjunto linearmente independente de vetores de
. Res-
ponda se {
1
,
2
,
3
} e linearmente dependente ou independente nos seguintes casos:
(a)
1
=
1
+
2
,
2
=
1
+
3
e
3
=
2
+
3
;
(b)
1
=
1
,
2
=
1
+
3
e
3
=
1
+
2
+
3
.
5.1.6. Sejam
1
: (, , ) = (1 + 2, , 2 + 3) e
2
: (, , ) = (, 1 +, 1 + 2) duas retas.
(a) Determine para que as retas sejam coplanares (n ao sejam reversas).
(b) Para o valor de encontrado, determine a posic ao relativa entre
1
e
2
.
(c) Determine a equac ao do plano determinado por
1
e
2
.
Julho 2009 Reginaldo J. Santos
304 Espac os
5.1.8. (a) Dena os vetores V1=[1;2;3], V2=[3;4;5] e V3=[5;6;7]. Dena o vetor aleat orio
V=randi(3,1). Verique se V e combinac ao linear de V1, V2 e V3.
(b) Dena a matriz aleat oria M=randi(3,5). Verique se os vetores denidos pelas colunas
de M s ao combinac ao linear de V1, V2 e V3. Tente explicar o resultado.
(c) Verique se V1, V2 e V3 s ao linearmente independentes. Se eles forem linearmente de-
pendentes, escreva um deles como combinac ao linear dos outros e verique o resultado.
Exerccios Te oricos
5.1.9. Seja uma matriz . Mostre que det() = 0 se, e somente se, uma de suas colunas e
combinac ao linear das outras.
5.1.10. Suponha que {
1
,
2
, . . . ,
} e umconjunto de vetores de
} tamb em e um
conjunto linearmente independente.
5.1.11. Se os vetores n ao nulos , e s ao L.D., ent ao e uma combinac ao linear de e ?
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.1 Independ encia Linear 305
1
2
1
Figura 5.13: Duas retas reversas
Julho 2009 Reginaldo J. Santos
306 Espac os
2
Figura 5.14: Dois planos que se interceptam
segundo uma reta
2
Figura 5.15: Dois planos paralelos
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.1 Independ encia Linear 307
. Com relac ao as operac oes de soma e multiplicac ao por escalar podemos viver
nele sem termos que sair. Assim o espaco soluc ao do sistema homog eneo =
0 e um subespaco
de
. Vale tamb em a recproca, todo subespaco e o espaco soluc ao de um sistema homog eneo
(Exerccio 5.2.18 na p agina 331).
Exemplo 5.15. Os exemplos mais triviais de subespacos de
0} e =
. Mas cuidado, o
2
n ao e subespaco de
3
, pois o
2
(conjunto
de pares de n umeros reais) n ao e um subconjunto do
3
(conjunto de ternos de n umeros reais). O
plano = {(, , )
3
= 0} e um subespaco de
3
mas ele n ao e o
2
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.2 Subespac os Base e Dimens ao 309
x
y
z
1
+
2
Figura 5.18: Soma de vetores do plano
+ + = 0
x
y
z
x
y
z
1
+
2
Figura 5.20: Soma de vetores da reta
(, , ) = (, , )
x
y
z
1
+
1
+
1
= 0
2
+
2
+
2
= 0
3
+
3
+
3
= 0
Cada equac ao deste sistema e representada por umplano que passa pela origem. Oconjunto soluc ao
e um subespaco de
3
e e a intersec ao dos planos denidos pelas equac oes, podendo ser:
(a) Somente um ponto que e a origem.
(b) Uma reta que passa pela origem.
(c) Um plano que passa pela origem.
Vamos escrever toda soluc ao do sistema linear homog eneo =
0 como uma combinac ao
linear de um n umero nito de vetores
1
, . . . ,
1 1 0 0 1
2 2 1 1 1
1 1 1 1 0
.
Escalonando a matriz aumentada do sistema acima, obtemos a matriz escalonada reduzida
1 1 0 0 1 0
0 0 1 1 1 0
0 0 0 0 0 0
.
Julho 2009 Reginaldo J. Santos
312 Espac os
1
= ,
2
= ,
3
= +,
4
=
5
=
para todos os valores de , , , ou seja, o conjunto soluc ao do sistema =
0 e
= {(
1
,
2
,
3
,
4
,
5
) = ( , , +, , ) , , } .
Agora, um elemento qualquer de pode ser escrito como uma combinac ao linear de vetores de :
( , , +, , ) = (, 0, , 0, ) + (0, 0, , , 0) + (, , 0, 0, 0)
= (1, 0, 1, 0, 1) +(0, 0, 1, 1, 0) +(1, 1, 0, 0, 0)
Assim, todo vetor de pode ser escrito como combinac ao linear dos vetores
1
= (1, 0, 1, 0, 1),
2
= (0, 0, 1, 1, 0) e
3
= (1, 1, 0, 0, 0) pertencentes a (
1
e obtido fazendo-se = 1 e = =
0,
2
fazendo-se = = 0 e = 1 e
3
fazendo-se = = 0 e = 1).
Neste caso dizemos que
1
= (1, 0, 1, 0, 1),
2
= (0, 0, 1, 1, 0) e
3
= (1, 1, 0, 0, 0) geram
o subespaco . Em geral temos a seguinte denic ao.
Denic ao 5.5. Seja um subespaco de
1
, . . . ,
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.2 Subespac os Base e Dimens ao 313
Uma quest ao importante e encontrar o maior n umero possvel de vetores linearmente indepen-
dentes em um subespaco. O resultado a seguir responde a esta quest ao.
Teorema 5.6. Seja subespaco de
} um conjunto de vetores de
(a) linearmente independente (L.I.),
(b) que gera (ou seja, todo vetor de e combinac ao linear de
1
, . . . ,
).
Ent ao, um conjunto com mais de vetores em e linearmente dependente (L.D.).
Demonstrac ao. Seja {
1
, . . . ,
1
+
2
2
+. . . +
=
0. (5.13)
Como qualquer elemento de pode ser escrito como combinac ao linear de
1
, . . . ,
, emparticular,
=
1
1
+
2
2
+. . . +
=1
, para = 1, . . . , . (5.14)
Julho 2009 Reginaldo J. Santos
314 Espac os
, para = 1, . . . , ,
obtemos
(
11
1
+. . . +
1
)
1
+. . . + (
1
1
+. . . +
=
0. (5.15)
Como {
1
, . . . ,
. Mas, este e umsistema homog eneo que temmais inc ognitas do que equac oes,
portanto possui soluc ao n ao trivial, (Teorema 1.6 na p agina 51), como queramos provar.
O resultado anterior mostra que se podemos escrever todo elemento do subespaco como uma
combinac ao linear de vetores
1
, . . . ,
} de e uma base de , se
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.2 Subespac os Base e Dimens ao 315
(a) {
1
, . . . ,
) e
(b) {
1
, . . . ,
} e L.I.
Exemplo 5.18. Os vetores
1
= (1, 0, . . . , 0),
2
= (0, 1, 0, . . . , 0), . . . ,
= (0, . . . , 0, 1) formam
uma base do
e da forma = (
1
, . . . ,
) = (
1
, 0, . . . , 0) + (0,
2
, 0, . . . , 0) +. . . + (0, . . . , 0,
)
=
1
(1, 0, . . . , 0) +
2
(0, 1, 0, . . . , 0) +. . . +
(0, . . . , 0, 1).
Assim, os vetores
1
= (1, 0, . . . , 0),
2
= (0, 1, 0, . . . , 0), . . . ,
= (0, . . . , 0, 1) geram o
.
Vimos no Exemplo 5.10 na p agina 294 que
1
,
2
, . . .
. No caso do
3
,
1
=
,
2
=
e
3
=
.
Exemplo 5.19. Seja = {(, , ) = (, , ) } uma reta que passa pela origem. Como o
vetor diretor = (, , ) e n ao nulo e gera a reta, ent ao { } e uma base de .
Julho 2009 Reginaldo J. Santos
316 Espac os
x
y
z
1
Figura 5.22:
1
e
2
que formam uma base
para o plano
x
y
z
= (, , )
Figura 5.23: Vetor = (, , ) que e base
para a reta (, , ) = (, , )
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.2 Subespac os Base e Dimens ao 317
Exemplo 5.20. Seja = {(, , )
3
+ + = 0} um plano que passa pela origem.
Vamos supor que = 0. Um ponto (, , ) satisfaz a equac ao + + = 0 se, e somente se,
= , = , =
1
, , ) = (
, 0, ) + (
, , 0) = (
, 0, 1) +(
, 1, 0).
Assim, todo vetor de pode ser escrito como uma combinac ao linear dos vetores
1
= (
, 0, 1) e
2
= (
, 1, 0) pertencentes a (
1
e obtido fazendo-se = 1 e = 0 e
2
, fazendo-se = 0
e = 1). Portanto,
1
= (
, 0, 1) e
2
= (
1
= (1, 0, . . . , 0),
2
= (0, 1, 0, . . . , 0), . . . ,
.
Julho 2009 Reginaldo J. Santos
318 Espac os
Exemplo 5.22. Pelo Exemplo 5.19 na p agina 315 uma reta que passa pela origem tem dimens ao 1 e
pelo Exemplo 5.20 na p agina 317 um plano que passa pela origem tem dimens ao 2.
Vamos mostrar a seguir que se a dimens ao de um subespaco e > 0, ent ao basta conse-
guirmos vetores L.I. em , que teremos uma base.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.2 Subespac os Base e Dimens ao 319
Teorema 5.7. Seja um subespaco de dimens ao > 0. Se vetores,
1
, . . . ,
, s ao L.I.,
ent ao eles geram o subespaco e portanto formam uma base de .
Demonstrac ao. Sejam
1
, . . . ,
1
+
2
2
+. . . +
+
+1
=
0 (5.16)
Pelo Teorema 5.6 na p agina 313,
1
, . . . ,
= 0.
Mas,
+1
= 0, pois caso contr ario,
1
, . . . ,
/
+1
)
, obtemos
=
_
1
+1
_
1
. . .
_
+1
_
Dos resultados anteriores, vemos que se a dimens ao de um subespaco, , e > 0, ent ao basta
conseguirmos vetores L.I. em , que teremos uma base (Teorema 5.7) e n ao podemos conseguir
mais do que vetores L.I. (Teorema 5.6 na p agina 313).
Exemplo 5.23. Do Teorema 5.7 segue-se que vetores L.I. do
. Por
exemplo, 3 vetores L.I. do
3
formam uma base de
3
.
Julho 2009 Reginaldo J. Santos
320 Espac os
2
= (3, 3, 6) (revise o Exemplo 4.7 na p agina 239) e que passa
pela origem. Assim, a reta que e a intersec ao, , tem equac ao (, , ) = (3, 3, 6), para todo
. Portanto, o vetor = (3, 3, 6) gera a intersec ao . Como um vetor n ao nulo e L.I. o
conjunto { = (3, 3, 6)} e uma base da reta que e a intersec ao .
Alternativamente, podemos encontrar as equac oes param etricas da reta , intersec ao dos
planos determinando a soluc ao geral do sistema (5.17)
: + + = 0 ,
: 4 2 + = 0 .
(5.17)
Para isto devemos escalonar a matriz do sistema (5.17):
_
1 1 1 0
4 2 1 0
_
Precisamos zerar o outro elemento da 1
a
.
coluna, que e a coluna do piv o, para isto, adicionamos ` a
2
a
.
linha, 4 vezes a 1
a
.
linha.
41
a
.
linha + 2
a
.
linha 2
a
.
linha
_
1 1 1 0
0 6 3 0
_
Agora, j a podemos obter facilmente a soluc ao geral do sistema dado, j a que ele e equivalente ao
sistema
_
+ + = 0
6 3 = 0
A vari avel e uma vari avel livre. Podemos dar a ela um valor arbitr ario, digamos , para
Julho 2009 Reginaldo J. Santos
324 Espac os
=
1
2
=
1
2
=
para todo .
A reta que e a intersec ao, , tem equac ao (, , ) = (1/2, 1/2, 1), para todo (revise
o Exemplo 4.7 na p agina 239). Portanto, o vetor = (1/2, 1/2, 1) gera a intersec ao .
Como um vetor n ao nulo e L.I. o conjunto { = (1/2, 1/2, 1)} e uma base do subespaco que e a
reta intersec ao de com .
Observac ao. Como no exemplo anterior, em geral, o espaco soluc ao de um sistema linear ho-
mog eneo pode ser visto como uma intersec ao de subespacos que s ao as soluc oes de sistemas
formados por subconjuntos de equac oes do sistema inicial.
Exemplo 5.25. Considere o subespaco = {( +, +, + + 2) , , } de
3
. Vamos
encontrar um conjunto de geradores e uma base para .
Qualquer elemento de pode ser escrito como uma soma de vetores, sendo um vetor para
cada par ametro e cada vetor dependendo apenas de um par ametro, obtendo
= ( +, +, + + 2) = (, 0, ) + (0, , ) + (, , 2)
= (1, 0, 1) +(0, 1, 1) +(1, 1, 2).
Logo, denindo
1
= (1, 0, 1),
2
= (0, 1, 1) e
3
= (1, 1, 2), temos que {
1
,
2
,
3
} gera . Para
sabermos se {
1
,
2
,
3
} e base de , precisamos vericar se
1
,
2
e
3
s ao L.I. Para isto temos
que saber se a equac ao vetorial
1
+
2
+
3
=
0 (5.18)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.2 Subespac os Base e Dimens ao 325
ou equivalentemente,
=
0, em que = [
1
2
3
]
s o possui a soluc ao trivial. Escalonando a matriz , obtemos
=
1 0 1
0 1 1
0 0 0
.
Logo 5.18 tem soluc ao n ao trivial. Assim os vetores
1
,
2
e
3
s ao L.D. A soluc ao de (5.18) e dada
por = , = e = , para todo . Substituindo-se esta soluc ao em (5.18) obtemos
2
+
3
=
0
Tomando-se = 1 obtemos
3
=
2
+
1
. Assim o vetor
3
pode ser descartado na gerac ao de
, pois ele e combinac ao linear dos outros dois. Logo, apenas
1
e
2
s ao sucientes para gerar .
Como al em disso, os vetores
1
e
2
s ao tais que um n ao e m ultiplo escalar do outro, ent ao eles s ao
L.I. e portanto {
1
,
2
} e uma base de . Observe que a mesma relac ao que vale entre as colunas
de vale entre as colunas de (por que?).
Exemplo 5.26. Considere os vetores
1
= (1, 1, 0, 3) e
2
= (3, 3, 2, 1) linearmente inde-
pendentes de
4
. Vamos encontrar vetores
3
e
4
tais que {
1
,
2
,
3
,
4
} formam uma base de
4
.
Escalonando a matriz cujas linhas s ao os vetores
1
e
2
,
=
_
1 1 0 3
3 3 2 1
_
, obtemos =
_
1 1 0 3
0 0 1 4
_
Vamos inserir linhas que s ao vetores da base can onica na matriz at e conseguir uma matriz 4 4
triangular superior com os elementos da diagonal diferentes de zero. Neste caso acrescentando as
Julho 2009 Reginaldo J. Santos
326 Espac os
linhas
3
= [ 0 1 0 0 ] e
4
= [ 0 0 0 1 ] em posic oes adequadas obtemos a matriz
1 1 0 3
0 1 0 0
0 0 1 4
0 0 0 1
1
+
2
2
+
3
3
+
4
4
=
0
e equivalente ao sistema linear
=
0, em que = [
1
2
3
4
].
Mas como det(
) = 0, ent ao det() = 0, pelo Teorema 2.13 na p agina 115, pois
pode ser obtida
de
1 0 1 0
1 2 3 1
2 1 3 1
; (b) =
1 1 2 1
2 3 6 2
2 1 2 2
.
5.2.2. Encontre os valores de tais que o sistema homog eneo (
) =
0 tem soluc ao n ao
trivial e para estes valores de , encontre uma base para o espaco soluc ao, para as matrizes
dadas:
(a) =
0 0 1
1 0 3
0 1 3
;
(b) =
2 2 3 4
0 2 3 2
0 0 1 1
0 0 0 1
;
(c) =
1 1 2
1 2 1
0 1 1
;
(d) =
1 2 2 0
1 2 1 0
1 1 2 0
0 0 0 1
.
(e) =
2 3 0
0 1 0
0 0 2
;
(f) =
2 3 0
0 2 0
0 0 2
;
5.2.3. Determine uma base para a reta intersec ao dos planos 7 + 5 = 0 e 3 + = 0.
5.2.4. Sejam
1
= (4, 2, 3),
2
= (2, 1, 2) e
3
= (2, 1, 0).
(a) Mostre que
1
,
2
e
3
s ao L.D.
Julho 2009 Reginaldo J. Santos
328 Espac os
5.2.11. Dena a matriz aleat oria A=triu(randi(4,4,3)). Encontre os valores de tais que o sistema
homog eneo (
4
) =
0 tem soluc ao n ao trivial e para estes valores de , encontre uma
base para o espaco soluc ao.
Exerccios Te oricos
5.2.12. Seja uma matriz . Mostre que se o conjunto soluc ao do sistema linear = e um
subespaco, ent ao =
0, ou seja, o sistema linear e homog eneo. (Sugest ao: se e soluc ao
de = , ent ao = 0 tamb em o e.)
Julho 2009 Reginaldo J. Santos
330 Espac os
5.2.13. Determine uma base para o plano + + = 0 no caso em que = 0 e no caso em que
= 0.
5.2.14. Sejam e vetores do
.
5.2.15. Mostre que se uma reta em
2
ou em
3
n ao passa pela origem, ent ao ela n ao e umsubespaco.
(Sugest ao: se ela fosse um subespaco, ent ao ...)
2 1 0 1 2 3 4
1
0
1
2
3
4
5
x
y
5.2.16. Sejam uma matriz e uma matriz 1. Mostre que o conjunto dos vetores para
os quais o sistema = tem soluc ao e um subespaco de
= , para algum
}
e um subespaco de
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.2 Subespac os Base e Dimens ao 331
5.2.17. Sejam
1
e
2
dois subespacos.
(a) Mostre que
1
2
e um subespaco.
(b) Mostre que
1
2
e um subespaco se, e somente se,
1
2
ou
2
1
.
(c) Denimos a soma dos subespac os
1
e
2
por
1
+
2
= {
1
+
2
1
1
e
2
2
}.
Mostre que
1
+
2
e um subespaco que cont em
1
e
2
.
5.2.18. Sejam um subespaco de
e {
1
, . . . ,
, com
1
, . . . ,
o espaco
soluc ao do sistema homog eneo =
0 e {
1
, . . . ,
} uma base de
. Dena a ma-
triz = [
1
. . .
, com
1
, . . . ,
=
0}.
5.2.19. Sejamuma matriz e uma matriz 1. Seja
0
uma soluc ao (particular) do sistema
linear = . Mostre que se {
1
, . . . ,
1
+. . . +
,
em que
1
, . . . ,
5.2.21. Mostre que a dimens ao do subespaco gerado pelas linhas de uma matriz e igual a dimens ao
do subespaco gerado pelas suas colunas. (Sugest ao: Considere a forma escalonada reduzida
da matriz e use o exerccio anterior.)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.2 Subespac os Base e Dimens ao 333
Ap endice IV: Outros Resultados
Teorema 5.8. Um subconjunto {
1
,
2
, . . . ,
.
Demonstrac ao. Em primeiro lugar, suponha que todo vetor de e escrito de maneira unica
como combinac ao linear de
1
, . . . ,
} e uma base de .
Como todo vetor e escrito como combinac ao linear de
1
, . . . ,
1
+. . . +
=
0.
Como todo vetor e escrito de maneira unica como combinac ao linear de
1
, . . . ,
, em particular
temos que para =
0,
1
+. . . +
=
0 = 0
1
+. . . + 0
,
o que implica que
1
= 0, . . . ,
= 0, ou seja,
1
, . . . ,
} e base de .
Suponha, agora, que {
1
,
2
, . . . ,
1
+. . . +
= =
1
1
+. . . +
,
ent ao
(
1
1
)
1
+. . . + (
=
0.
Julho 2009 Reginaldo J. Santos
334 Espac os
Como
1
, . . . ,
Teorema 5.9. Se = {
1
, . . . ,
,
ent ao o conjunto pode ser completado at e formar uma base de , ou seja, existe um conjunto
= {
1
, . . . ,
,
+1
. . . ,
} gera , ent ao {
1
, . . . ,
+1
um vetor que pertence a , mas n ao pertence ao subespaco gerado por {
1
, . . . ,
}. Ent ao,
o conjunto {
1
, . . . ,
,
+1
} e L.I., pois caso contr ario
1
1
+ . . . +
+1
+1
=
0, implicaria que
+1
= 0 (por que?) e assim,
+1
seria combinac ao linear de
1
, . . . ,
, ou seja,
+1
pertenceria
ao subespaco
. Se {
1
, . . . ,
+1
} gera , ent ao {
1
, . . . ,
+1
} e uma base de . Caso
contr ario, o mesmo argumento e repetido para o subespaco gerado por {
1
, . . . ,
,
+1
}.
Pelo Corol ario 5.4 na p agina 295 este processo tem que parar, ou seja, existe um inteiro positivo
tal que {
1
, . . . ,
,
+1
, . . . ,
} e L.I., mas {
1
, . . . ,
,
+1
, . . . ,
, } e L.D. para
qualquer vetor de . O que implica que e combinac ao linear de {
1
, . . . ,
,
+1
, . . . ,
} (por
que?). Portanto, {
1
, . . . ,
,
+1
, . . . ,
} e uma base de .
Julho 2009 Reginaldo J. Santos
336 Espac os
as colunas
1, . . . , , respectivamente, da matriz e
1
, . . . ,
1
, . . . ,
1
, . . . ,
tamb em o s ao.
(b) Se existem escalares
1
, . . . ,
tais que
1
+ +
,
ent ao
1
+ +
,
(c) O subespaco gerado pelas linhas de e igual ao subespaco gerado pelas linhas de .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.2 Subespac os Base e Dimens ao 337
Demonstrac ao. Se e equivalente por linhas a , ent ao pode ser obtida de aplicando-se uma
seq u encia de operac oes elementares. Aplicar uma operac ao elementar a uma matriz corresponde
a multiplicar a matriz ` a esquerda por uma matriz invertvel (Teorema 1.8 na p agina 57). Seja o
produto das matrizes invertveis correspondentes ` as operac oes elementares aplicadas na matriz
para se obter a matriz . Ent ao e invertvel e = .
(a) Vamos supor que
1
, . . . ,
1
, . . . ,
tamb em o s ao. Se
1
+ +
=
0,
ent ao multiplicando-se ` a esquerda pela matriz obtemos
1
+ +
=
0.
Como
1
+ +
=
0.
Assim, se
1
, . . . ,
s ao L.I., ent ao
1
= . . . =
1
, . . . ,
tamb em s ao L.I.
Trocando-se por o argumento acima mostra que se
1
, . . . ,
s ao L.I., ent ao
1
, . . . ,
tamb em o s ao.
(b) Sejam
1
, . . . ,
1
+ +
,
ent ao multiplicando-se ` a esquerda pela matriz obtemos
1
+ +
.
Julho 2009 Reginaldo J. Santos
338 Espac os
Como
1
+ +
.
(c) A matriz e obtida de aplicando-se uma seq u encia de operac oes elementares ` as linhas de
. Assim, toda linha de e uma combinac ao linear das linhas de . Logo, o espaco gerado
pelas linhas de est a contido no espaco gerado pelas linhas de . Como toda operac ao
elementar tem uma operac ao elementar inversa, o argumento anterior tamb em mostra que o
espaco gerado pelas linhas de est a contido no espaco gerado pelas linhas de . Portanto,
eles s ao iguais.
e = (
, ent ao = .
Demonstrac ao. Sejam e matrizes escalonadas reduzidas equivalentes a . Sejam
1
, . . . ,
as colunas de e
1
, . . . ,
1
, . . . ,
1
=
1
e assim
1
=
1
, . . . ,
1
=
1
.
Vamos supor que
1
=
1
, . . . ,
+1
=
+1
, . . . ,
+1
=
+1
, se < ou
+1
=
+1
, . . . ,
, se = .
Observe que para =
+1, . . . ,
+1
1, se < , ou para =
+1, . . . , , se = , temos
que
= (
1
, . . . ,
, 0, . . . , 0) =
1
1
+. . . +
,
Julho 2009 Reginaldo J. Santos
340 Espac os
=
1
1
+. . . +
.
Mas por hip otese
1
=
1
, . . . ,
, ent ao,
=
1
1
+. . . +
,
para =
+ 1, . . . ,
+1
1, se < ou para =
+ 1, . . . , , se = .
Logo, se < , o piv o da ( + 1)- esima linha de ocorre numa coluna maior ou igual a
+1
.
Trocando-se por e usando o argumento anterior chegamos a conclus ao que
+1
=
+1
e
assim
1
=
1
, . . . ,
. E se = , ent ao
1
=
1
, . . . ,
.
Portanto = .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.3 Produto Escalar em
341
5.3 Produto Escalar em
. Pode-
mos estender tamb em os conceitos de produto escalar e ortogonalidade.
Denic ao 5.7. (a) Denimos o produto escalar ou interno de dois vetores = (
1
, . . . ,
) e
= (
1
, . . . ,
por
=
1
1
+
2
2
+. . . +
=1
.
(b) Denimos a norma de um vetor = (
1
, . . . ,
por
=
2
1
+. . . +
2
=1
.
Escrevendo os vetores como matrizes colunas, o produto interno de dois vetores
=
1
.
.
.
e =
1
.
.
.
.
Exemplo 5.27. Sejam = (1, 2, 4, 3, 5) e = (5, 3, 1, 2, 1) vetores do
5
. O produto escalar
entre e e dado por
= (1)(5) + (2)(3) + (4)(1) + (3)(2) + (5)(1) = 6.
As normas de e s ao dadas por
=
1
2
+ (2)
2
+ 4
2
+ 3
2
+ 5
2
=
55,
=
5
2
+ 3
2
+ (1)
2
+ (2)
2
+ 1
2
=
40.
S ao v alidas as seguintes propriedades para o produto escalar e a norma de vetores de
.
Proposic ao 5.16. Se , e s ao vetores de
e e um escalar, ent ao
(a) = (comutatividade);
(b) ( +) = + (distributividade em relac ao ` a soma);
(c) () = ( ) = ( );
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.3 Produto Escalar em
343
(d) =
2
0 e = 0 se, e somente se, =
0;
(e) = ;
(f) (desigualdade de Cauchy-Schwarz);
(g) + + (desigualdade triangular).
Demonstrac ao. Sejam, ,
,
e as propriedades da algebra matricial (Teorema 1.1 na p agina 9), temos que
(a) =
1
1
+ +
=
1
1
+ +
= .
(b) ( +) =
( +) =
= + .
(c) ( ) = (
) = (
) = ()
)
2
=
2
(
2
1
+ +
2
) =
2
2
. Tomando a raiz quadrada,
segue-se o resultado.
Julho 2009 Reginaldo J. Santos
344 Espac os
s ao vetores n ao nulos de
ortogonais, isto e,
= 0, para
= , ent ao
(a) O conjunto {
1
, . . . ,
} e L.I.
(b) Se =
=1
, ent ao
2
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.3 Produto Escalar em
345
Demonstrac ao. (a) Considere a equac ao vetorial
1
+. . . +
=
0 . (5.19)
Fazendo o produto escalar de ambos os membros de (5.19) com
, = 1, . . . , e aplicando
as propriedades do produto escalar, obtemos
1
(
1
) +. . . +
) +. . . +
) = 0 . (5.20)
Mas,
2
= 0 .
Mas, como
=
0, ent ao
= 0 e
= 0, para = 1 . . . , .
(b) Seja
=
=1
. (5.21)
Fazendo o produto escalar de com
=
_
=1
=1
(
) =
2
.
Assim,
2
, para = 1, . . . , .
Observe que o item (a) e uma conseq u encia imediata do item (b).
Denimos a projec ao ortogonal de um vetor sobre um vetor n ao nulo , por
proj
=
_
2
_
.
Observe que a projec ao ortogonal de um vetor sobre um vetor n ao nulo e um m ultiplo escalar
do vetor . Al em disso temos o seguinte resultado.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.3 Produto Escalar em
347
Proposic ao 5.18. Seja
e ortogonal a , para
qualquer vetor
.
Demonstrac ao. Precisamos calcular o produto escalar de com proj
:
( proj
) =
_
2
_
= 0.
Portanto, proj
e ortogonal a .
O pr oximo resultado e uma generalizac ao da Proposic ao 5.18.
Proposic ao 5.19. Sejam
1
,
2
, . . . ,
vetores n ao nulos de
1
. . . proj
e ortogonal a
, para = 1, . . . , .
Demonstrac ao. Vamos calcular o produto interno de proj
1
. . . proj
com
, para
= 1, . . . , .
_
=1
proj
=1
_
2
_
2
_
= 0,
pois
= 0, se = e
2
.
Julho 2009 Reginaldo J. Santos
348 Espac os
p
r
o
j
proj
p
r
o
j
proj
Figura 5.27: Projec ao ortogonal do vetor sobre o vetor
proj
1
+proj
proj
proj
p
r
o
j
p
r
o
j
2
Figura 5.28: proj
1
proj
2
e ortogonal a
1
e a
2
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.3 Produto Escalar em
349
Vamos mostrar no pr oximo exemplo como encontrar no conjunto soluc ao do sistema linear ho-
mog eneo =
0 um conjunto com o maior n umero possvel de vetores unit arios (com norma igual
a 1) ortogonais.
Exemplo 5.28. Considere o sistema linear homog eneo =
0, em que
=
1 1 0 0 1
2 2 1 1 1
1 1 1 1 0
.
Escalonando a matriz aumentada do sistema acima, obtemos a matriz escalonada reduzida
1 1 0 0 1 0
0 0 1 1 1 0
0 0 0 0 0 0
.
E assim a soluc ao geral do sistema pode ser escrita como
1
= ,
2
= ,
3
= +,
4
=
5
=
para todos os valores de , , , ou seja, o conjunto soluc ao do sistema =
0 e
= {(
1
,
2
,
3
,
4
,
5
) = ( , , +, , ) , , } .
Agora, um elemento qualquer de pode ser escrito como uma combinac ao linear de vetores de :
( , , +, , ) = (, 0, , 0, ) + (0, 0, , , 0) + (, , 0, 0, 0)
= (1, 0, 1, 0, 1) +(0, 0, 1, 1, 0) +(1, 1, 0, 0, 0)
Julho 2009 Reginaldo J. Santos
350 Espac os
Assim, todo vetor de pode ser escrito como combinac ao linear dos vetores
1
= (1, 0, 1, 0, 1),
2
= (0, 0, 1, 1, 0) e
3
= (1, 1, 0, 0, 0) pertencentes a (
1
e obtido fazendo-se = 1 e =
= 0,
2
fazendo-se = = 0 e = 1 e
3
fazendo-se = = 0 e = 1). Al em disso segue da
equac ao anterior que
1
,
2
e
3
s ao L.I. Logo {
1
,
2
,
3
} e uma base de .
Vamos, agora, encontrar uma base ortonormal para . Para isso vamos aplicar a Proposic ao
5.18 na p agina 347.
1
=
1
= (1, 0, 1, 0, 1);
2
=
2
proj
1
2
= (0, 0, 1, 1, 0) +
1
3
(1, 0, 1, 0, 1) =
1
3
(1, 0, 2, 3, 1)
3
=
3
proj
1
3
proj
2
3
= (1, 1, 0, 0, 0)
1
3
(1, 0, 1, 0, 1)
1
15
(1, 0, 2, 3, 1)
=
1
5
(3, 5, 1, 1, 2)
Agora, vamos dividir cada vetor pela sua norma para obtermos vetores de norma igual a 1
(unit arios).
1
=
_
1
1
= (
1
3
, 0,
1
3
, 0,
1
3
)
2
=
_
1
2
= (
1
15
, 0,
2
15
,
3
15
,
1
15
)
3
=
_
1
3
= (
3
2
10
,
5
2
10
,
1
2
10
,
1
2
10
,
1
10
)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.3 Produto Escalar em
351
5.3.2 Bases Ortogonais e Ortonormais
Denic ao 5.8. Seja {
1
, . . . ,
.
(a) Dizemos que {
1
, . . . ,
= 0, para = , ou seja, se
quaisquer dois vetores da base s ao ortogonais;
(b) Dizemos que {
1
, . . . ,
= 1, ou seja, o vetor
1
= (1, 0, . . . , 0),
2
= (0, 1, 0, . . . , 0), . . .
= (0, . . . , 0, 1)
e uma base ortonormal de
.
Exemplo 5.30. No Exemplo 5.28, {
1
,
2
,
3
} e uma base ortogonal de e {
1
,
2
,
3
} e uma
base ortonormal de .
O resultado a seguir mostra que o procedimento usado no Exemplo 5.28 conhecido como pro-
cesso de ortogonalizac ao de Gram-Schmidt pode ser aplicado a qualquer subespaco de
. Nas
Figuras 5.29 e 5.30 vemos como isto e possvel no caso em que o subespaco e o
3
, j a que o
3
e
subespaco dele mesmo.
Julho 2009 Reginaldo J. Santos
352 Espac os
1
=
1
2
proj
2
=
2
proj
2
Figura 5.29:
1
=
1
e
2
=
2
proj
1
proj
3
=
3
proj
3
proj
3
proj
3
proj
3
+proj
3
Figura 5.30:
3
=
3
proj
3
proj
3
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.3 Produto Escalar em
353
Teorema 5.20. Seja {
1
, . . . ,
e igual ao
subespaco gerado por
1
, . . . ,
para = 1, . . . , .
Demonstrac ao. (a) Sejam
1
=
1
,
2
=
2
proj
2
,
3
=
3
proj
3
proj
3
,
. . .
proj
proj
. . . proj
.
Pela Proposic ao 5.18, segue-se que
2
e ortogonal a
1
e
2
=
0, pois
1
e
2
s ao L.I. Assim,
1
e
2
formam uma base ortogonal do subespaco gerado por
1
e
2
. Agora, supondo
que
1
, . . . ,
1
seja uma base ortogonal do subespaco gerado por
1
, . . . ,
1
, segue-
se da Proposic ao 5.19, que
e ortogonal a
1
, . . . ,
1
.
=
0, pois caso contr ario,
1
, . . . ,
1
e assim
1
, . . . ,
1
=
_
1
1
,
2
=
_
1
2
, . . . ,
=
_
1
.
Julho 2009 Reginaldo J. Santos
354 Espac os
Assim, {
1
, . . . ,
355
Exerccios Num ericos (respostas na p agina 591)
5.3.1. Sejam = (1, 1, 2) e = (, 1, 2). Para quais valores de , e s ao ortogonais?
5.3.2. Sejam = (1/
2, 0, 1/
2) e = (, 1/
3
a partir da base {(1, 1, 1), (0, 1, 1), (1, 2, 3)}.
Julho 2009 Reginaldo J. Santos
356 Espac os
.
5.3.12. Sejam , e vetores de
1
+. . .+
,
ent ao = proj
1
+. . . + proj
.
5.3.14. Sejam
1
, . . . ,
, se obt em um vetor
que e nulo,
para algum = 1, . . . , . (Sugest ao: Seja
[
1
, . . . ,
1
] =
[
1
, . . . ,
1
] e use o exerccio anterior.)
5.3.15. Seja = {
1
, . . . ,
1
+
2
2
+. . . +
.
(Sugest ao: escreva =
1
1
+ . . . +
e conclua
que
2
, para = 1, . . . , .)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.3 Produto Escalar em
357
5.3.16. Mostre que o conjunto de todos os vetores do
),
= { = (
1
, . . . ,
= 0} e um subespaco de
.
5.3.17. Demonstre que, se e s ao vetores quaisquer de
, ent ao:
(a) =
1
4
[ +
2
2
] (identidade polar);
(b) +
2
+
2
= 2(
2
+
2
) (lei do paralelogramo).
(Sugest ao: desenvolva os segundos membros das igualdades acima observando que
+
2
= ( +) ( +) e
2
= ( ) ( ))
5.3.18. Seja {
1
, . . . ,
. Se = [
1
. . .
] e uma matriz
cujas colunas s ao os vetores
1
, . . . ,
, ent ao e invertvel e
1
=
.)
5.3.19. Mostre que o angulo entre dois vetores n ao nulos = (
1
, . . . ,
) e = (
1
, . . . ,
) de
,
que e denido como sendo o n umero real entre 0 e tal que
cos =
,
est a bem denido, ou seja, que existe um tal n umero real e e unico. (Sugest ao: mostre,
usando a desigualdade de Cauchy-Schwarz, que
1
1.)
Julho 2009 Reginaldo J. Santos
358 Espac os
, ou seja,
= {
= 0, para todo }.
5.3.21. Mostre que todo subespaco de
} uma base de
tome = [
1
. . .
.)
5.3.22. Embora n ao exista o produto vetorial de dois vetores em
2
1
=
_
(1)
+1
det(
)
=1
, (1)
+2
det(
)
=2
, . . . , (1)
2
det(
)
=
_
.
Mostre que:
(a)
1
2
1
e ortogonal a
1
, . . . ,
1
.
(b) (
1
2
1
) =
1
1
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.4 Mudanc a de Coordenadas 359
5.4 Mudanc a de Coordenadas
Se as coordenadas de um ponto no espaco s ao (, , ), ent ao as componentes do vetor
= (, , ) = (, 0, 0) + (0, , 0) + (0, 0, )
= (1, 0, 0) +(0, , 0) +(0, 0, 1) =
,
em que
= (1, 0, 0),
= (0, 1, 0) e
= (0, 0, 1). Ou seja, as coordenadas de um ponto s ao
iguais aos escalares que aparecem ao escrevermos
,
e
determinam um sistema de coor-
denadas ortogonal, {,
e por 3 veto-
res
1
,
2
e
3
ortonormais de
3
.
Por exemplo, se
2
= (1/2,
3/2, 0) e
3
= (0, 0, 1) =
, ent ao {
,
1
,
2
,
3
} determina um novo sistema de
coordenadas: aquele com origem no ponto
, cujos eixos
,
1
,
2
,
3
} e denido como
sendo os escalares que aparecem ao escrevermos
1
+
2
+
3
,
e tr es vetores
1
,
2
e
3
L.I. de
3
(n ao necessariamente ortonormais) (veja o Exerccio 5.4.9 na p agina 379).
Julho 2009 Reginaldo J. Santos
360 Espac os
x y
z
= (, , )
Figura 5.31:
x y
z
x
y
z
1
Figura 5.32: Dois sistemas de coordenadas
ortogonais {,
} e {
,
1
,
2
,
3
}
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.4 Mudanc a de Coordenadas 361
ent ao as coordenadas de no sistema {
,
1
,
2
,
3
} s ao dadas por
[]
{
,
1
,
2
,
3
}
=
.
Vamos considerar inicialmente o caso em que =
. Assim, se
= (, , ), ent ao
1
+
2
+
3
=
= , em que = [
1
2
3
],
, =
.
Como a matriz e invertvel (por que?) a soluc ao e dada por
=
1
.
Mas, como
1
,
2
e
3
formam uma base ortonormal de
3
, ent ao
[
1
2
3
] =
1
1
1
2
1
3
2
1
2
2
2
3
3
1
3
2
3
3
=
3
Assim, a matriz = [
1
3
] e invertvel e
1
=
[]
{,
}
ou
.
Julho 2009 Reginaldo J. Santos
362 Espac os
Tamb em no plano temos o mesmo tipo de situac ao que e tratada de forma inteiramente an aloga.
As coordenadas de um ponto no plano em relac ao a um sistema de coordenadas {
,
1
,
2
},
em que
1
e
2
s ao vetores que formam uma base ortonormal do
2
, e denido como sendo os
escalares que aparecem ao escrevermos
1
+
2
,
ent ao as coordenadas de no sistema {
,
1
,
2
} s ao dadas por
[]
{
,
1
,
2
}
=
_
_
.
As coordenadas de um ponto no plano em relac ao ao sistema {,
1
,
2
,
3
} est ao bem
denidas, ou seja,
[]
{,
1
,
2
}
ou
_
_
=
_
,
em que
1
= (1, 0) e
2
= (0, 1). Observe que, tanto no caso do plano quanto no caso do espaco, a
matriz satisfaz,
1
=
= e
1
= (
3/2, 1/2)
e
2
= (1/2,
3/2
_
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.4 Mudanc a de Coordenadas 363
Assim as coordenadas de em relac ao ao novo sistema de coordenadas s ao dadas por
[]
{,
1
,2}
=
_
2
4
_
=
_
2
_ _
2
4
_
=
_
3/2 1/2
1/2
3/2
_ _
2
4
_
=
_
2 +
3
2
3 1
_
.
Exemplo 5.32. Considere o mesmo sistema de coordenadas do exemplo anterior, mas agora seja
= (, ) um ponto qualquer do plano. Vamos determinar as coordenadas de em relac ao ao
novo sistema de coordenadas.
As coordenadas de em relac ao ao novo sistema de coordenadas s ao dadas por
[]
{,
1
,2}
=
_
=
_
2
_ _
_
=
_
3/2 1/2
1/2
3/2
_ _
_
=
_
(
3 +)/2
( +
3 )/2
_
.
Exemplo 5.33. Vamos agora considerar um problema inverso ` aqueles apresentados nos exemplos
anteriores. Suponha que sejam v alidas as seguintes equac oes
_
=
1
+
2
=
2
,
ou equivalentemente
_
_
=
_
1
5
2
5
2
5
1
5
_
_
_
Julho 2009 Reginaldo J. Santos
364 Espac os
x
y
x
y
_
de um ponto em relac ao a um sistema de coordenadas {,
1
,
2
}
e as coordenadas de ,
_
_
, em relac ao ao sistema de coordenadas original
{,
1
= (1, 0),
2
= (0, 1)}.
Queremos determinar quais s ao os vetores
1
e
2
.
Os vetores
1
e
2
da nova base possuem coordenadas
_
1
0
_
e
_
0
1
_
, respectivamente, em
relac ao ao novo sistema de coordenadas, {,
1
,
2
}. Pois,
1
= 1
1
+ 0
2
e
2
= 0
1
+
1
2
. Queremos saber quais as coordenadas destes vetores em relac ao ao sistema de coordenadas
original, {,
1
= (1, 0),
2
= (0, 1)}. Logo,
1
=
_
1
5
2
5
2
5
1
5
_
_
1
0
_
=
_
1
5
2
5
_
2
=
_
1
5
2
5
2
5
1
5
_
_
0
1
_
=
_
2
5
_
Ou seja,
1
e
2
s ao as colunas da matriz =
_
1
5
2
5
2
5
1
5
_
.
5.4.1 Rotac ao
Suponha que o novo sistema de coordenadas {,
1
,
2
} seja obtido do sistema original
Julho 2009 Reginaldo J. Santos
366 Espac os
x
y
x
y
cos
s
e
n
c
o
s
sen
Figura 5.34: Rotac ao de um angulo
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.4 Mudanc a de Coordenadas 367
{,
1
= (1, 0),
2
= (0, 1)} por uma rotac ao de um angulo . Observando a Figura 5.34, ob-
temos
1
= (cos , sen )
2
= (sen , cos )
seja = (, ) um ponto qualquer do plano. Vamos determinar as coordenadas de em relac ao
ao novo sistema de coordenadas.
A matriz
= [
1
2
] =
_
cos sen
sen cos
_
=
_
=
_
=
_
cos sen
sen cos
_ _
_
.
O sistema de coordenadas que aparece nos dois primeiros exemplos desta sec ao podem ser
obtidos por uma rotac ao de um angulo = /6 em relac ao ao sistema original.
5.4.2 Translac ao
Vamos considerar, agora, o caso em que
. (5.22)
Assim, se
= (, ), ent ao
= (
) = (, ) (, ) = ( , )
Julho 2009 Reginaldo J. Santos
368 Espac os
x
y
x
y
,
1
,
2
}
=
_
_
=
_
_
. (5.23)
O eixo x
tem equac ao
= 0, ou seja, = e o eixo y
= 0, ou seja, = .
Julho 2009 Reginaldo J. Santos
370 Espac os
= {
,
1
,
2
,
3
} e tomar as duas primeiras coordenadas.
Como a projec ao em qualquer plano paralelo ao plano do desenho fornece as mesmas coordena-
das podemos supor que
= {,
1
,
2
,
3
} e = {,
}
e dada por
, em que = [
1
3
]
Vamos encontrar os vetores
1
,
2
e
3
em func ao dos angulos e . O vetor
1
e paralelo ao plano
xy e e perpendicular ao vetor (cos , sen , 0), ou seja,
1
= (sen , cos , 0).
Os vetores
2
e
3
est ao no plano denido por
2
= cos (cos , sen , 0) + sen
3
= cos
= {,
1
,
2
,
3
} e = {,
}
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.4 Mudanc a de Coordenadas 371
x
3
(cos , sen , 0)
(cos , sen , 0)
3
(cos , sen , 0)
1
Figura 5.39: Relac ao entre os vetores das bases {
1
,
2
,
3
} e {
}
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.4 Mudanc a de Coordenadas 375
e dada por
sen cos 0
cos cos cos sen sen
sen cos sen sen cos
_
=
_
sen cos 0
cos cos cos sen sen
_
.
Por exemplo para = 30
e = 60
temos que
_
_
=
_
1
2
3
2
0
3
4
1
4
3
2
_
_
0.50 0.87 0
0.43 0.25 0.87
_
.
Usando esta projec ao os vetores
2, 1/
2), (1/
2, 1/
2, 1/
2, 1/
,
s ao:
(a) []
=
_
2
1
_
, em que = {, (1/
2, 1/
2), (1/
2, 1/
2)}. (b) []
1
1
2
, em
que = {, (0, 1/
2, 1/
2, 1/
2)};
5.4.3. Sejam []
} e []
1 0 0
0 1/2
3/2
0
3/2 1/2
.
Quais s ao os vetores
1
,
2
e
3
?
Julho 2009 Reginaldo J. Santos
378 Espac os
3, 1) s ao
_
3
1
_
.
5.4.5. Considere o plano : 3
3 + 2 = 0.
(a) Determine uma base ortonormal para o plano em que o primeiro vetor esteja no plano xy.
(b) Complete a base encontrada para se obter uma base ortonormal {
1
,
2
,
3
} de
3
.
(c) Determine as coordenadas dos vetores
no sistema {,
1
,
2
,
3
}.
5.4.6. Considere dois sistemas de coordenadas = {,
} e = {,
,
2
,
3
}, em que o
sistema e obtido do sistema por uma rotac ao do angulo em torno do eixo x. Determine
a relac ao entre as coordenadas, (
2
=
1
+
2
.
(b)
1
.
5.4.8. Seja uma matriz quadrada 2 2.
(a) Verique que
. D e um exemplo.
5.4.9. Denimos coordenadas de pontos no espaco em relac ao a um sistema de coordenadas deter-
minado por um ponto
e tr es vetores
1
,
2
e
3
L.I. n ao necessariamente ortonormais do
3
da mesma forma como zemos quando os vetores formam uma base ortonormal. As co-
ordenadas de um ponto no sistema de coordenadas {
,
1
,
2
,
3
} e denido como sendo
os escalares que aparecem ao escrevermos
3
, ou seja, se
1
+
2
+
3
,
ent ao as coordenadas de no sistema {
,
1
,
2
,
3
} s ao dadas por
[]
{
,
1
,
2
,
3
}
=
.
Julho 2009 Reginaldo J. Santos
380 Espac os
Assim, se
= (, , ), ent ao
1
+
2
+
3
=
3
] e invertvel.
(b) Mostre que as coordenadas de um ponto no espaco em relac ao ao sistema
{
,
1
,
2
,
3
} est ao bem denidas, ou seja,
,
1
,
2
,
3
}
=
=
1
=
1
[]
{
}
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
5.4 Mudanc a de Coordenadas 381
Teste do Captulo
1. Sejam
1
e
2
subconjuntos nitos do
tais que
1
seja um subconjunto de
2
(
1
=
2
). Se
2
e linearmente dependente, ent ao:
(a)
1
pode ser linearmente dependente? Em caso armativo d e um exemplo.
(b)
1
pode ser linearmente independente? Em caso armativo d e um exemplo.
2. Encontre os valores de tais que o sistema homog eneo (
3
) =
0 tem soluc ao n ao
trivial e para estes valores de , encontre um subconjunto de vetores ortonormais no conjunto
soluc ao, para a matriz
=
0 0 0
0 2 2
0 2 2
3. Considere o vetor
1
= (
1
2
,
3
2
).
(a) Escolha
2
de forma que = {
1
,
2
} seja base ortonormal do
2
. Mostre que e base.
(b) Considere = (
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
, ent ao
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
.
Se a matriz n ao e diagonal, mas existe uma matriz tal que
=
1
, em que =
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
,
ent ao
2
= (
1
)(
1
) = (
1
)
1
=
2
1
.
Agora, supondo que
1
=
1
1
, temos que
=
1
= (
1
)
1
(
1
)
= (
1
1
)(
1
) =
1
(
1
)
1
=
1
=
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
1
.
Julho 2009 Reginaldo J. Santos
384 Diagonalizac ao
Assim, podemos facilmente encontrar a - esima pot encia de .
Exemplo 6.1. Seja
=
_
1 1
4 1
_
.
mostraremos no Exemplo 6.6 na p agina 401 que
=
_
1 1
2 2
_
e =
_
3 0
0 1
_
s ao tais que
=
1
.
Assim,
1
=
_
1 1
2 2
_ _
3
0
0 (1)
_ _
1 1
2 2
_
1
=
_
3
(1)
2 3
2(1)
_
1
4
_
2 1
2 1
_
=
1
4
_
2(3
+ (1)
) (1)
4((1)
) 2(3
+ (1)
)
_
Vamos descobrir, a seguir, como podemos determinar matrizes e , quando elas existem, tais
que =
1
, ou multiplicando ` a esquerda por
1
e ` a direita por , =
1
, com
sendo uma matriz diagonal. Chamamos diagonalizac ao ao processo de encontrar as matrizes e
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.1 Diagonalizac ao de Matrizes 385
6.1.2 Autovalores e Autovetores
Denic ao 6.1. Dizemos que uma matriz , , e diagonaliz avel, se existem matrizes e tais
que =
1
, ou equivalentemente, =
1
, em que e uma matriz diagonal.
Exemplo 6.2. Toda matriz diagonal
=
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
)
1
.
Vamos supor inicialmente que a matriz seja diagonaliz avel. Ent ao existe uma matriz tal que
1
= , (6.1)
em que e uma matriz diagonal. Vamos procurar tirar conclus oes sobre as matrizes e .
Multiplicando ` a esquerda por ambos os membros da equac ao anterior, obtemos
= . (6.2)
Julho 2009 Reginaldo J. Santos
386 Diagonalizac ao
Sejam
=
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
e =
_
1
2
. . .
,
em que
=
_
1
2
. . .
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
=
_
1
1
2
2
. . .
(Exerccio 1.1.17 na p agina 27) Assim, (6.2) pode ser reescrita como,
_
1
2
. . .
=
_
1
1
2
2
. . .
.
Logo,
,
para = 1, . . . . Ou seja, as colunas de ,
, e os elementos da diagonal de ,
, satisfazem a
equac ao
= ,
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.1 Diagonalizac ao de Matrizes 387
em que e s ao inc ognitas. Isto motiva a seguinte denic ao.
Denic ao 6.2. Seja uma matriz . Um n umero real e chamado autovalor (real) de , se
existe um vetor n ao nulo =
1
.
.
.
de
, tal que
= . (6.3)
Um vetor n ao nulo que satisfaca (6.3), e chamado de autovetor de .
> 1
=
0 < < 1
=
< 0
Observe que, usando o fato de que a matriz identidade
1 0 . . . 0
0 1 . . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0 1
ou
(
) =
0 . (6.4)
Como os autovetores s ao vetores n ao nulos, os autovalores s ao os valores de , para os quais o
sistema (
) =
0 tem soluc ao n ao trivial. Mas, este sistema homog eneo tem soluc ao n ao
trivial se, e somente se, det(
) (6.5)
(b) Para cada autovalor , os autovetores associados a s ao os vetores n ao nulos da soluc ao do
sistema
(
) =
0 . (6.6)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.1 Diagonalizac ao de Matrizes 389
Denic ao 6.3. Seja uma matriz . O polin omio
() = det(
) (6.7)
e chamado polin omio caracterstico de .
Exemplo 6.3. Vamos determinar os autovalores e autovetores da matriz
=
_
1 1
4 1
_
Para esta matriz o polin omio caracterstico e
() = det(
2
) = det
_
1 1
4 1
_
= (1 )
2
4 =
2
2 3 .
Como os autovalores de s ao as razes de (), ent ao os autovalores de s ao
1
= 3 e
2
= 1.
Agora, vamos determinar os autovetores associados aos autovalores
1
= 3 e
2
= 1. Para
isto vamos resolver os sistemas (
1
2
) =
0 e (
2
2
) =
0.
(
1
2
) =
0
e
_
2 1
4 2
_ _
_
=
_
0
0
_
ou
_
2 = 0
4 2 = 0
Julho 2009 Reginaldo J. Santos
390 Diagonalizac ao
cuja soluc ao geral e
1
= {(, 2) }.
que e o conjunto de todos os autovetores associados a
1
= 3 acrescentado o vetor nulo. Agora,
(
2
2
) =
0
e
_
2 1
4 2
_ _
_
=
_
0
0
_
cuja soluc ao geral e
2
= {(, 2) },
que e o conjunto de todos os autovetores associados a
2
= 1 acrescentado o vetor nulo.
Para determinarmos os autovalores de uma matriz precisamos determinar as razes reais do
seu polin omio caracterstico, que tem a forma () = (1)
+
1
1
+. . . +
1
+
0
. (por que?)
Um resultado sobre polin omios que muitas vezes e util, e o seguinte
Proposic ao 6.2. Se
0
,
1
, . . . ,
1
s ao inteiros, ent ao as razes racionais (se existirem) de
() = (1)
+
1
1
+. . . +
1
+
0
.
s ao n umeros inteiros e divisores do coeciente do termo de grau zero
0
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.1 Diagonalizac ao de Matrizes 391
Demonstrac ao. Seja
+
1
1
+ +
1
+
0
= 0 (6.8)
multiplicando-se por
obtemos
(1)
=
1
1
1
= (
1
1
+ +
1
2
+
0
1
).
Como e s ao primos entre si, ent ao = 1. Substituindo-se = 1 na equac ao (6.8) obtemos
(1)
+
1
1
+ +
1
=
0
colocando-se em evid encia obtemos
[(1)
1
+
1
2
+ +
1
] =
0
,
o que prova o que queramos.
Por exemplo, se () =
3
+ 6
2
11 + 6, ent ao as possveis razes racionais s ao 1, 2, 3
e 6. Substituindo estes valores de em (), vemos que (1) = 0, ou seja, 1 e uma raz de ().
Dividindo () por 1, obtemos
()
1
=
2
+ 5 6,
ou seja, () = ( 1)(
2
+ 5 6). Como as razes de
2
+ 5 6 s ao 2 e 3, ent ao as razes de
(), s ao 1, 2 e 3.
Julho 2009 Reginaldo J. Santos
392 Diagonalizac ao
Exemplo 6.4. Vamos determinar os autovalores e autovetores da matriz
=
4 2 2
2 4 2
2 2 4
4 2 2
2 4 2
2 2 4
= (4 ) det
_
4 2
2 4
_
2 det
_
2 2
2 4
_
+ 2 det
_
2 4
2 2
_
= (4 ) det
_
4 2
2 4
_
4 det
_
2 2
2 4
_
= (4 )[(4 )
2
4] 8(2 ) =
3
+ 12
2
36 + 32
Como n ao fatoramos o polin omio caracterstico (neste caso at e e possvel!), sabemos que se ele
tem razes racionais, ent ao elas s ao n umeros inteiros e s ao divisores de 32, ou seja, podem ser
1, 2, 4, 8, 16, 32. Substituindo-se = 1 obtemos
(1) = 1 + 12 36 + 32 > 0, (1) = 1 + 12 + 36 + 32 > 0.
Substituindo-se = 2 obtemos (2) = 0. Dividindo-se () por 2 obtemos
()
2
=
2
+ 10 16
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.1 Diagonalizac ao de Matrizes 393
ou seja, () = ( 2)(
2
+ 10 16) = ( 2)
2
(8 ). Portanto os autovalores de s ao
1
= 2
e
2
= 8. Agora, vamos determinar os autovetores associados aos autovalores
1
e
2
. Para isto
vamos resolver os sistemas (
1
3
) =
0 e (
2
3
) =
0. Como
(
1
3
) =
0 e
2 2 2
2 2 2
2 2 2
0
0
0
1 1 1 0
0 0 0 0
0 0 0 0
3
) =
0 e
1
= {( , , ) , } ,
que e o conjunto de todos os autovetores associados a
1
= 2 acrescentado o vetor nulo.
Com relac ao ao autovalor
2
= 8, o sistema (
2
3
) =
0 e
4 2 2
2 4 2
2 2 4
0
0
0
1 0 1 0
0 1 1 0
0 0 0 0
3
) =
0 e
2
= {(, , ) }.
Para cada autovalor , o conjunto dos autovetores associados a ele acrescentado o vetor nulo
e o conjunto soluc ao do sistema linear homog eneo (
) =
0 e e chamado de autoespac o
associado ao autovalor .
6.1.3 Diagonalizac ao
Vamos enunciar e demonstrar o resultado principal deste captulo. J a vimos que se uma matriz
e diagonaliz avel, ent ao as colunas da matriz , que faz a diagonalizac ao, s ao autovetores associados
a autovalores, que por sua vez s ao elementos da matriz diagonal . Como a matriz e invertvel,
estes autovetores s ao L.I. Vamos mostrar, a seguir, que se a matriz tem autovetores L.I., ent ao
ela e diagonaliz avel.
Teorema 6.3. Seja uma matriz que tem autovetores L.I.
1
, . . . ,
associados a
1
, . . . ,
,
respectivamente. Ent ao as matrizes
=
_
1
2
. . .
e =
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
.
s ao tais que
=
1
,
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.1 Diagonalizac ao de Matrizes 395
6 4 2 0 2 4 6
6
4
2
0
2
4
6
x
y
1
6 4 2 0 2 4 6
6
4
2
0
2
4
6
x
y
= (1, 2)
= (1, 2)
Figura 6.1: Autovetores associados a
1
= 3 e a
2
= 1 da matriz do Exemplo 6.3
z
x
y 4
4
-4
4
2
Figura 6.2: Autoespacos do Exemplo 6.4
Julho 2009 Reginaldo J. Santos
396 Diagonalizac ao
ou seja e diagonaliz avel. Reciprocamente, se e diagonaliz avel, ent ao ela possui autovetores
linearmente independentes.
Demonstrac ao. Suponha que
1
, . . . ,
e =
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
.
Como
, para = 1, . . . , , ent ao
=
_
1
2
. . .
=
_
1
2
. . .
=
_
1
1
2
2
. . .
=
_
1
2
. . .
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
= .
Como
1
, . . . ,
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
e =
_
1
2
. . .
,
em que
=
_
1
2
. . .
=
_
1
2
. . .
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
=
_
1
1
2
2
. . .
,
para = 1, . . . . Como a matriz e invertvel, pela Proposic ao 5.3 na p agina 295, os autovetores
1
, . . . ,
s ao L.I.
1
s ao autovetores L.I. associados a
1
,
(2)
1
, . . . ,
(2)
2
s ao autovetores L.I. associados a
2
, . . .,
()
1
, . . . ,
()
, com
1
. . .
distintos, ent ao {
(1)
1
, . . . ,
(1)
1
, . . . ,
()
1
, . . . ,
()
} e um conjunto L.I.
Demonstrac ao. Vamos demonstrar apenas para o caso em que temos dois autovalores diferen-
tes. O caso geral e inteiramente an alogo. Sejam
(1)
1
, . . . ,
(1)
1
autovetores L.I. associados a
1
e
(2)
1
, . . . ,
(2)
2
autovetores L.I. associados a
2
. Precisamos mostrar que a unica soluc ao da equac ao
(1)
1
(1)
1
+. . . +
(1)
(1)
1
+
(2)
1
(2)
1
+. . . +
(2)
(2)
2
=
0 (6.11)
e a soluc ao trivial. Multiplicando a equac ao (6.11) por e usando o fato de que os
()
s ao autove-
tores, obtemos
(1)
1
1
(1)
1
+. . . +
(1)
(1)
1
+
(2)
1
2
(2)
1
+. . . +
(2)
(2)
2
=
0 (6.12)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.1 Diagonalizac ao de Matrizes 399
Multiplicando a equac ao (6.11) por
1
, obtemos
(1)
1
1
(1)
1
+. . . +
(1)
(1)
1
+
(2)
1
1
(2)
1
+. . . +
(2)
(2)
2
=
0 . (6.13)
Subtraindo a equac ao (6.12) da equac ao (6.13), obtemos
(2)
1
(
2
1
)
(2)
1
+. . . +
(2)
2
(
2
1
)
(2)
2
=
0 .
Como
(2)
1
, . . . ,
(2)
2
s ao L.I., temos que
(2)
1
= . . . =
(2)
2
= 0. Agora, multiplicando a equac ao
(6.11) por
2
e subtraindo da equac ao (6.13) obtemos
(1)
1
(
2
1
)
(1)
1
+. . . +
(1)
1
(
2
1
)
(1)
1
=
0 .
Como
(1)
1
, . . . ,
(1)
1
s ao L.I., temos que
(1)
1
= . . . =
(1)
1
= 0. O que prova que todos os autovetores
juntos s ao L.I.
Exemplo 6.5. Considere a matriz
=
4 2 2
2 4 2
2 2 4
J a vimos no Exemplo 6.4 na p agina 392 que seu polin omio caracterstico e () = (2)(
2
+10
16) = ( 2)
2
(8 ), os seus autovalores s ao
1
= 2 e
2
= 8 e os autoespacos correspondentes
s ao
1
= {( , , ) , },
2
= {(, , ) },
Julho 2009 Reginaldo J. Santos
400 Diagonalizac ao
respectivamente. Vamos encontrar, para cada autoespaco, o maior n umero possvel de autovetores
L.I., ou seja, vamos encontrar uma base para cada autoespaco. E o teorema anterior garante que se
juntarmos todos estes autovetores eles v ao continuar sendo L.I.
Para
1
, temos que
( , , ) = (1, 0, 1) +(1, 1, 0).
Assim, os vetores
1
= (1, 0, 1) e
2
= (1, 1, 0) geram
1
. Como al em disso, eles s ao L.I. (um
n ao e m ultiplo escalar do outro), ent ao eles formam uma base para
1
. Assim, n ao podemos ter um
n umero maior de autovetores L.I. associados a
1
= 2 (Teorema 5.6 na p agina 313).
Para
2
, temos que o conjunto {
3
= (1, 1, 1)} e uma base para
2
, pois como
(, , ) = (1, 1, 1),
3
gera
2
e um vetor n ao nulo e L.I. Assim, n ao podemos ter um n umero maior de autovetores L.I.
associados a
2
= 8 (Teorema 5.6 na p agina 313).
Como
1
e
2
s ao autovetores L.I. associados a
1
e
3
e um autovetor L.I. associado a
2
, ent ao
pela Proposic ao 6.4 na p agina 398 os autovetores juntos
1
,
2
e
3
s ao L.I. Assim, a matriz e
diagonaliz avel e as matrizes
=
1
0 0
0
1
0
0 0
2
2 0 0
0 2 0
0 0 8
e = [
1
2
3
] =
1 1 1
0 1 1
1 0 1
s ao tais que
=
1
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.1 Diagonalizac ao de Matrizes 401
Exemplo 6.6. Considere a matriz
=
_
1 1
4 1
_
J a vimos no Exemplo 6.3 na p agina 389 que o seu polin omio caracterstico e () = det(
2
) =
2
2 3, que os seus autovalores s ao
1
= 3 e
2
= 1 e que os autoespacos correspondentes
s ao
1
= {(, 2) } e
2
= {(, 2) },
respectivamente.
Para
1
= 3, temos que {
1
= (1, 2)} e uma base de
1
. Assim, n ao podemos ter mais
autovetores L.I. associados a
1
. De forma an aloga para
2
= 1, {
2
= (1, 2)} e um conjunto com
o maior n umero possvel de autovetores L.I. associados a
2
. Assim, a matriz e diagonaliz avel e as
matrizes
= [
1
2
] =
_
1 1
2 2
_
e =
_
1
0
0
2
_
=
_
3 0
0 1
_
s ao tais que =
1
.
Exemplo 6.7. Considere a matriz
=
_
0 1
0 0
_
O seu polin omio caracterstico e () = det(
2
) =
2
, assim possui um unico autovalor:
1
= 0. Agora, vamos determinar os autovetores associados ao autovalor
1
= 0. Para isto vamos
resolver o sistema (
1
2
) =
0. Como
1
2
= =
_
0 1
0 0
_
,
Julho 2009 Reginaldo J. Santos
402 Diagonalizac ao
ent ao (
1
2
) =
0 e
_
0 1
0 0
_ _
_
=
_
0
0
_
ou
_
= 0
0 = 0
cuja soluc ao geral e
1
= {(, 0) } = {(1, 0) } .
que e o autoespaco correspondente a
1
= 0. Assim, para
1
= 0, temos que {
1
= (1, 0)} e
um subconjunto L.I. de
1
. Pelo Teorema 5.6 na p agina 313 n ao podemos ter um n umero maior de
autovetores L.I. associados a
1
e como s o temos um autovalor n ao podemos ter mais autovetores
L.I. Portanto, pelo Teorema 6.3 na p agina 394, a matriz n ao e diagonaliz avel, ou seja, n ao existem
matrizes e tais que =
1
.
Exemplo 6.8. Vamos retomar a cadeia de Markov do Exemplo 1.9 na p agina 16. Vamos supor que
uma populac ao e dividida em tr es estados (por exemplo: ricos, classe m edia e pobres) e que em cada
unidade de tempo a probabilidade de mudanca de um estado para outro seja constante no tempo, s o
dependa dos estados.
Seja
11
12
13
21
22
23
31
32
33
1
2
3
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.1 Diagonalizac ao de Matrizes 403
Vamos considerar a matriz de transic ao
=
1 2 3
1
2
1
4
0
1
2
1
2
1
2
0
1
4
1
2
1
2
3
Vamos calcular pot encias de , para um inteiro positivo qualquer. Para isto vamos diagonalizar
a matriz . Para isso precisamos determinar seus os autovalores e autovetores. Para esta matriz o
polin omio caracterstico e
() = det(
3
) = det
1
2
1
4
0
1
2
1
2
1
2
0
1
4
1
2
= (
1
2
) det
_
1
2
1
2
1
4
1
2
_
1
4
det
_
1
2
1
2
0
1
2
_
= (
1
2
)
_
(
1
2
)
2
1
8
_
1
8
(
1
2
)
=
3
+
3
2
1
2
= (
2
+
3
2
1
2
) = ( 1)(
1
2
)
Portanto os autovalores de s ao
1
= 0,
2
= 1/2 e
3
= 1. Agora, vamos determinar
os autovetores associados aos autovalores
1
,
2
e
3
. Para isto vamos resolver os sistemas
Julho 2009 Reginaldo J. Santos
404 Diagonalizac ao
(
1
3
) =
0, (
2
3
) =
0 e (
3
3
) =
0. Como
(
1
3
) = =
0 e
1
2
1
4
0
1
2
1
2
1
2
0
1
4
1
2
0
0
0
1 0 1 0
0 1 2 0
0 0 0 0
3
) =
0 e
1
= {(, 2, ) } ,
que e o conjunto de todos os autovetores associados a
1
= 0 acrescentado o vetor nulo. O conjunto
{
1
= (1, 2, 1)} e uma base para
1
, pois como (, 2, ) = (1, 2, 1),
1
gera
1
e um
vetor n ao nulo e L.I.
Com relac ao ao autovalor
2
= 1/2, o sistema (
2
3
) =
0 e
0
1
4
0
1
2
0
1
2
0
1
4
0
0
0
0
1 0 1 0
0 1 0 0
0 0 0 0
3
) =
0 e
2
= {(, 0, ) }.
O conjunto {
2
= (1, 0, 1)} e uma base para
2
, pois como (, 0, ) = (1, 0, 1),
3
gera
2
e um
vetor n ao nulo e L.I.
Com relac ao ao autovalor
3
= 1, o sistema (
3
3
) =
0 e
1
2
1
4
0
1
2
1
2
1
2
0
1
4
1
2
0
0
0
1 0 1 0
0 1 2 0
0 0 0 0
3
) =
0 e
3
= {(, 2, ) } ,
que e o conjunto de todos os autovetores associados a
3
= 1 acrescentado o vetor nulo. O conjunto
{
1
= (1, 2, 1)} e uma base para
1
, pois como (, 2, ) = (1, 2, 1),
1
gera
1
e um vetor n ao
nulo e L.I.
Julho 2009 Reginaldo J. Santos
406 Diagonalizac ao
Como
1
,
2
e
3
s ao autovetores associados a
1
,
2
e
3
, respectivamente, ent ao pela
Proposic ao 6.4 na p agina 398 os autovetores juntos
1
,
2
e
3
s ao L.I. Assim, a matriz e dia-
gonaliz avel e as matrizes
=
1
0 0
0
2
0
0 0
3
0 0 0
0
1
2
0
0 0 1
e = [
1
2
3
] =
1 1 1
2 0 2
1 1 1
s ao tais que
=
1
ou =
1
.
Assim,
1
=
1 1 1
2 0 2
1 1 1
0 0 0
0 (
1
2
)
0
0 0 1
1
4
1
4
1
4
1
2
0
1
2
1
4
1
4
1
4
1
4
+ (
1
2
)
+1 1
4
1
4
(
1
2
)
+1
1
2
1
2
1
2
1
4
(
1
2
)
+1 1
4
1
4
+ (
1
2
)
+1
0 1 2
0 0 3
0 0 0
(d)
1 0 0
1 3 0
3 2 2
(e)
2 2 3
0 3 2
0 1 2
(f)
2 2 3
1 2 1
2 2 1
2 0 0
3 1 0
0 4 3
(b)
2 3 0
0 1 0
0 0 2
(c)
1 2 3 4
0 1 3 2
0 0 3 3
0 0 0 2
(d)
2 2 3 4
0 2 3 2
0 0 1 1
0 0 0 1
1 1 2
4 0 4
1 1 4
(d)
1 2 3
0 1 2
0 0 2
1 1 2
0 1 0
0 1 3
(b)
4 2 3
2 1 2
1 2 0
(c)
1 2 3
0 1 0
2 1 2
(d)
3 2 1
0 2 0
0 0 0
1
3
5
6
20
3
2
3
1
6
16
3
1
6
1
6
11
6
(a) Sem obter o polin omio caracterstico determine os autovalores correspondentes a estes
autovetores.
(b) A matriz e diagonaliz avel? Justique?
6.1.6. D e exemplo de:
(a) Uma matriz que n ao tem autovalor (real) (Sugest ao: use o Exerccio 27 na p agina 412).
(b) Uma matriz que tem um autovalor e n ao e diagonaliz avel (em
).
(c) Uma matriz que tem dois autovalores e n ao e diagonaliz avel (em
).
Exerccios usando o MATLAB
. Este subespaco e
chamado de autoespac o associado a .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.1 Diagonalizac ao de Matrizes 411
6.1.13. Demonstre que se e s ao semelhantes, ent ao possuem os mesmos polin omios carac-
tersticos e portanto os mesmos autovalores.
6.1.14. Demonstre que se e uma matriz triangular superior, ent ao os autovalores de s ao os ele-
mentos da diagonal principal de .
6.1.15. Demonstre que e
?
6.1.16. Seja um autovalor de com autovetor associado . Demonstre que
e um autovalor de
=
0, para algum inteiro positivo . Reveja o
Exerccio 1.1.29 na p agina 31. Demonstre que se e nilpotente, ent ao o unico autovalor de
e 0. (Sugest ao: use o exerccio anterior)
6.1.18. Seja uma matriz .
(a) Mostre que o determinante de e o produto de todas as razes do polin omio caracterstico
de ; (Sugest ao: () = det(
) = (1)
(
1
) . . . (
).)
(b) Mostre que e singular se, e somente se, 0 for um autovalor de .
6.1.19. Seja um autovalor da matriz n ao-singular com autovetor associado . Mostre que 1/ e
um autovalor de
1
com autovetor associado .
6.1.20. Seja =
_
_
. Ache condic oes necess arias e sucientes para que seja diagonaliz avel.
Julho 2009 Reginaldo J. Santos
412 Diagonalizac ao
6.1.21. Se e s ao autovetores associados a um autovalor , ent ao proj
e tamb em um
autovetor associado a ? E se e forem autovetores associados a autovalores diferentes?
6.1.22. Sejam e matrizes . Mostre que e possuem os mesmos autovalores. (Su-
gest ao: Separe em dois casos: = 0 e = 0. No segundo caso, mostre que se e autovetor
de , ent ao e autovetor de .)
6.1.23. Seja uma matriz diagonaliz avel. Mostre que o traco de e igual a soma das razes
do seu polin omio caracterstico, incluindo as multiplicidades. (Sugest ao: use o fato de que
tr() = tr().)
6.1.24. Suponha que duas matrizes e s ao tais que = , para um escalar = 0. Mostre
que se e autovalor de uma matriz , ent ao e autovalor de .
6.1.25. Seja uma matriz com autovalores diferentes. Mostre que e diagonaliz avel.
6.1.26. (a) Mostre que se e autovetor de , ent ao e autovetor de
+
1
1
+ +
0
)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.1 Diagonalizac ao de Matrizes 413
Verique que a matriz
=
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
0
1
2
1
,
e tal que o seu polin omio caracterstico e (). Esta matriz e chamada matriz companheira
do polin omio (). (Sugest ao: verique para = 2 e depois supondo que seja verdade para
matrizes (1) (1) mostre que e verdade para matrizes expandindo em cofatores
em relac ao a primeira coluna)
Julho 2009 Reginaldo J. Santos
414 Diagonalizac ao
6.2 Diagonalizac ao de Matrizes Sim etricas
6.2.1 Motivac ao
O problema da identicac ao de uma c onica (curva no plano descrita por uma equac ao de 2
o
.
grau
em e ) atrav es da sua equac ao e facilmente resolvido se a equac ao n ao possui um termo em que
aparece o produto . Mas, ao contr ario, se aparece este termo misto, temos que fazer uma mudanca
de coordenadas de forma que nas novas coordenadas ele n ao apareca. Vejamos o exemplo seguinte.
Exemplo 6.9. Considere o problema de identicar uma c onica representada pela equac ao
3
2
+ 2 + 3
2
= 4 . (6.14)
Usando matrizes, esta equac ao pode ser escrita como
[3 + + 3]
_
_
= 4
ou
[ ]
_
3 1
1 3
_ _
_
= 4
ou ainda,
= 4 , (6.15)
em que
=
_
3 1
1 3
_
e =
_
_
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.2 Diagonalizac ao de Matrizes Sim etricas 415
Como veremos adiante (Exemplo 6.11 na p agina 423), podemos escrever
=
em que
=
_
1
2
1
2
1
2
_
e =
_
2 0
0 4
_
.
Assim, a equac ao (6.15) pode ser escrita como
(
)(
) = (
) = 4 .
Se fazemos a mudanca de vari aveis (ou de coordenadas) =
, ent ao como
=
2
, a
equac ao (6.15) se transforma em
= 4
ou
[
]
_
2 0
0 4
_ _
_
= 4
que pode ser reescrita como,
2
2
+ 4
2
= 4 ,
ou dividindo por 4, como
2
2
+
2
1
= 1
que e a equac ao da elipse mostrada na Figura 6.3. Veremos na pr oxima sec ao como tracar esta
elipse.
Julho 2009 Reginaldo J. Santos
416 Diagonalizac ao
x
y
x
y
2
Figura 6.3: Elipse do Exemplo 6.9
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.2 Diagonalizac ao de Matrizes Sim etricas 417
A matriz , tem a propriedade de que a sua inversa e simplesmente a sua transposta,
1
=
.
Uma matriz que satisfaz esta propriedade e chamada de matriz ortogonal. O que possibilitou a
identicac ao da c onica, no exemplo anterior, foi o fato de que a matriz e diagonaliz avel atrav es de
uma matriz ortogonal . Ou seja, existe uma matriz tal que =
1
e
1
=
.
J a vimos que nem toda matriz e diagonaliz avel (Exemplo 6.7 na p agina 401). Vamos ver que se
uma matriz e sim etrica, ent ao ela e diagonaliz avel, isto e, existe uma matriz diagonal e uma
matriz invertvel tal que =
1
. Al em disso, para matrizes sim etricas, existe uma matriz
tal que =
. Isto porque existe uma matriz ortogonal que faz a diagonalizac ao, ou seja,
que tem a propriedade
1
=
]. Ou seja,
1
, . . . ,
s ao as colunas de . A
Julho 2009 Reginaldo J. Santos
418 Diagonalizac ao
inversa de e
. Mas,
1
.
.
.
[
1
. . .
] =
2
. . .
2
. . .
.
.
.
.
.
.
.
.
.
2
. . .
Logo,
= 0 para = e
= 1 para
= 1, . . . . Ou seja,
s ao ortonormais.
Vamos supor que uma matriz e diagonaliz avel atrav es de uma matriz ortogonal, ou seja, que
existe uma matriz tal que =
1
e
2
=
2
2
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.2 Diagonalizac ao de Matrizes Sim etricas 419
Agora, se escrevemos os vetores como matrizes colunas, o produto escalar e simplesmente o
produto matricial da transposta da primeira matriz pela segunda. Assim,
1
2
= (
1
)
2
=
2
=
1
2
. (6.16)
Como e sim etrica
= e como
1
e
2
s ao autovetores de , temos de (6.16) que
1
2
=
2
1
2
ou
(
1
2
)
1
2
= 0 .
Como
1
=
2
, conclumos que
1
2
= 0, ou seja,
1
,
2
s ao ortogonais.
Como autovetores associados a autovalores diferentes j a s ao ortogonais, para diagonalizarmos
uma matriz sim etrica atrav es de uma matriz ortogonal, precisamos encontrar, para cada au-
tovalor, autovetores ortonormais associados a eles. Para isso, podemos aplicar a Proposic ao 5.18
ou a Proposic ao 5.19 na p agina 347 a cada conjunto de autovetores L.I. associados a cada um dos
autovalores.
Exemplo 6.10. Considere a matriz
=
4 2 2
2 4 2
2 2 4
Esta e a matriz do Exemplo 6.5 na p agina 399. Para esta matriz o polin omio caracterstico e
() = det(
3
) = ( 2)
2
(8 )
Julho 2009 Reginaldo J. Santos
420 Diagonalizac ao
2
Figura 6.4: Autoespacos do Exemplo 6.10
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.2 Diagonalizac ao de Matrizes Sim etricas 421
Portanto os autovalores de (razes reais do polin omio caracterstico) s ao
1
= 2 e
2
= 8.
Os autovetores associados aos autovalores
1
= 2 e
2
= 8 s ao as soluc oes de (
1
3
) =
0
e (
2
3
) =
0 respectivamente.
A forma escalonada reduzida de
2
3
=
2 2 2
2 2 2
2 2 2
1 1 1
0 0 0
0 0 0
.
Portanto o autoespaco associado a
1
= 2 e
1
= {( , , ) , } ,
Agora, ( , , ) = (1, 0, 1) + (1, 1, 0). Assim, os vetores
1
= (1, 0, 1) e
2
=
(1, 1, 0) geram
1
. Como al em disso, eles s ao L.I. (um n ao e m ultiplo escalar do outro), ent ao eles
formam uma base para
1
.
Vamos encontrar dois autovetores ortonormais associados a
1
= 2. Para isso vamos usar a
Proposic ao 5.18 na p agina 347.
1
=
1
= (1, 0, 1);
2
=
2
proj
2
= (1/2, 1, 1/2)
1
=
_
1
1
= (1/
2, 0, 1/
2)
2
=
_
1
2
= (1/
6, 2/
6, 1/
6)
Julho 2009 Reginaldo J. Santos
422 Diagonalizac ao
Com relac ao ao autovalor
2
= 8, temos que a forma escalonada reduzida da matriz
8
3
=
4 2 2
2 4 2
2 2 4
1 0 1
0 1 1
0 0 0
.
Assim, o autoespaco associado a
2
= 8 e
2
= {(, , ) }.
O conjunto {
3
= (1, 1, 1)} e uma base para
2
, pois como (, , ) = (1, 1, 1),
3
gera
2
e
um vetor n ao nulo e L.I. Assim, o vetor
3
=
_
1
3
= (1/
3, 1/
3, 1/
3)
forma uma base ortonormal para
2
.
Como a matriz e sim etrica, autovetores associados a autovalores diferentes s ao ortogonais.
Portanto,
1
,
2
e
3
s ao ortonormais e assim a matriz
= [
1
3
] =
2
1
6
1
3
0
2
6
1
3
1
2
1
6
1
satisfaz =
, em que
=
2 0 0
0 2 0
0 0 8
1
= 2 e
2
= 4 s ao as soluc oes de (
1
2
) =
0 e (
2
2
) =
0 respectivamente.
A soluc ao geral do sistema ( 2
2
) =
0 e o autoespaco
1
= {(, ) }.
Como (, ) = (1, 1), ent ao
1
= (1, 1) gera
1
e como um vetor n ao nulo e L.I., {
1
} e
uma base de
1
. Assim,
1
=
_
1
_
=
_
1
2
,
1
2
_
e uma base ortonormal de
1
.
Para determinar os autovetores associados a autovalor
2
= 4 n ao precisamos resolver outro sis-
tema linear. Como a matriz e sim etrica, pela Proposic ao 6.6 na p agina 418, autovetores associados
a autovalores distintos s ao ortogonais. Logo o autoespaco associado a
2
= 4 e dado por
2
= {(1, 1) }.
O vetor
2
= (1, 1) gera
2
e como um vetor n ao nulo e L.I., {
2
} e uma base de
2
.
2
=
_
1
_
=
_
1
2
,
1
2
_
Julho 2009 Reginaldo J. Santos
424 Diagonalizac ao
e uma base ortonormal de
2
.
Como a matriz e sim etrica, autovetores associados a autovalores diferentes s ao ortogonais.
Portanto
=
_
1
2
1
2
1
2
_
e =
_
2 0
0 4
_
.
s ao tais que =
.
Observe que se uma matriz e diagonaliz avel com uma matriz ortogonal, ou seja, se =
,
com diagonal e ortogonal, ent ao
= (
= (
= ,
ou seja, a matriz tem que ser sim etrica.
Opr oximo resultado, que est a demonstrado no Ap endice V na p agina 428, garante que toda matriz
sim etrica e diagonaliz avel atrav es de uma matriz ortogonal, ou seja, o procedimento seguido nos dois
exemplos anteriores sempre funciona para matrizes sim etricas e somente para elas.
Teorema 6.7. Se e uma matriz sim etrica, ent ao ela e diagonaliz avel com uma matriz ortogonal, ou
seja, existe uma matriz ortogonal e uma matriz diagonal tal que
=
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.2 Diagonalizac ao de Matrizes Sim etricas 425
Exerccios Num ericos (respostas na p agina 621)
6.2.1. Diagonalize cada matriz dada por meio de uma matriz ortogonal, ou seja, ache uma matriz
ortogonal tal que
seja diagonal:
(a)
_
2 2
2 2
_
(b)
_
2 1
1 2
_
(c)
0 0 1
0 0 0
1 0 0
(d)
0 0 0
0 2 2
0 2 2
(e)
1 1 0
1 1 0
0 0 1
(f)
2 1 1
1 2 1
1 1 2
(g)
1 2 0 0
2 1 0 0
0 0 1 2
0 0 2 1
(h)
0 0 0 0
0 0 0 0
0 0 0 1
0 0 1 0
1
= (0, 2, 2, 1) e
2
= (2, 1, 2, 3)
s ao autovetores de associados a
1
= 2 e
3
= (2, 0, 1, 2) e
4
= (3, 2, 1, 2)
s ao autovetores associados a
2
= 4 determine, se possvel, uma matriz e uma matriz
diagonal tais que =
.
Julho 2009 Reginaldo J. Santos
426 Diagonalizac ao
Exerccios Te oricos
6.2.3. Mostre que se e uma matriz ortogonal, ent ao det() = 1.
6.2.4. Mostre que se e s ao matrizes ortogonais, ent ao e ortogonal.
6.2.5. (a) Verique se a matriz
_
cos sen
sen cos
_
e ortogonal;
(b) Mostre que = (, ) e ortogonal a = (, ) =
0 com = se, e somente se,
= (, ) ou = (, ).
(c) Mostre que se e uma matriz ortogonal 2 2, ent ao existe um n umero real tal que
=
_
cos sen
sen cos
_
ou =
_
cos sen
sen cos
_
.
A primeira matriz, tem determinante igual a 1, e a matriz de rotac ao (veja a Subsec ao
5.4.1 na p agina 365). Observe que a segunda matriz al em de ortogonal e sim etrica.
(Sugest ao: Comece com uma matriz (
)
22
e use o fato de que as colunas s ao ortonor-
mais. Uma das equac oes ser a
2
11
+
2
21
= 1. Faca
11
= cos e
21
= sen . Use o item
anterior.)
6.2.6. Mostre que se uma matriz e diagonaliz avel por uma matriz ortogonal (isto e, existem e ,
com
1
=
, =
0, escrito como matriz coluna. Mostre que s ao equivalentes as seguintes
armac oes:
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.2 Diagonalizac ao de Matrizes Sim etricas 427
(a) A matriz e denida positiva.
(b) e sim etrica e todos os autovalores de s ao positivos.
(c) Existe uma matriz denida positiva tal que =
2
. A matriz e chamada a raiz
quadrada de .
(Sugest ao: Mostre que (a)(b)(c)(a). Na parte (b)(c) faca primeiro o caso em que e
uma matriz diagonal)
6.2.8. Seja uma matriz invertvel . Mostre que existe uma matriz sim etrica denida positiva
e uma matriz ortogonal , tal que = . Esta decomposic ao e unica chamada de
decomposic ao polar de . (Sugest ao: Sejam = (
)
1/2
e =
1
. Mostre que
.)
6.2.9. Seja uma matriz . Para = 1, . . . , , seja
().
Para uma matriz = (
() dada por
, em que, se
, ent ao
.
Para as matrizes de
() e
(), ent ao
= .
(q) Se
() e , ent ao
= .
Proposic ao 6.8. Seja uma matriz com entradas reais. Se
1
(), e um autovetor de
associado a um autovalor complexo = + com = 0, ou seja, se = , ent ao tamb em
e um autovetor de associado a = .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.2 Diagonalizac ao de Matrizes Sim etricas 429
Demonstrac ao.
= = () = =
.
Teorema 6.9. Toda matriz sim etrica, cujas entradas s ao n umeros reais, possui autovalor real.
Demonstrac ao. Seja uma matriz sim etrica, cujas entradas s ao n umeros reais. Vamos mostrar que
as razes do seu polin omio caracterstico s ao reais. Seja uma raiz do polin omio caracterstico de .
Ent ao o sistema linear (
) =
0 tem soluc ao n ao trivial
1
(). O que implica que
= .
Como e uma matriz cujas entradas s ao n umeros reais, pela Proposic ao 6.8 temos que =
.
Por um lado,
=1
2
.
Por outro lado
= ()
=1
2
.
Logo, = , ou seja, e um n umero real.
Julho 2009 Reginaldo J. Santos
430 Diagonalizac ao
Demonstrac ao do Teorema 6.7 na p agina 424. O resultado e obvio se = 1. Vamos supor que
o resultado seja verdadeiro para matrizes ( 1) ( 1) e vamos provar que ele e verdadeiro
para matrizes . Pelo Teorema 6.9 a matriz tem um autovalor
1
. Isto signica que existe
autovetores associados a
1
. Seja
1
um autovetor de norma igual a 1 associado a
1
. Sejam
2
, . . . ,
que contenha
1
.)
Seja
1
= [
1
. . .
]. Como
1
=
1
1
e
2
, . . . ,
,
temos que
1
= [
1
. . .
] = [
1
. . .
] =
1
, (6.17)
em que =
. . .
0
.
.
.
1
obtemos =
1
. Mas,
= (
1
)
1
=
1
= , ou seja, a matriz e sim etrica. Portanto,
=
0 . . . 0
0
.
.
.
com uma matriz sim etrica ( 1) ( 1). Como estamos supondo o resultado verdadeiro para
matrizes (1)(1), ent ao existe uma matriz ortogonal
2
, (1)(1), tal que
2
=
2
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.2 Diagonalizac ao de Matrizes Sim etricas 431
e diagonal. Seja
2
=
0 . . . 0
0
.
.
.
2
0
. Seja =
1
2
. e ortogonal (verique!) e pela
equac ao (6.17)
= (
1
)
2
=
1
2
=
1
0 . . . 0
0
.
.
.
2
0
Mas,
2
=
2
e assim,
=
1
0 . . . 0
0
.
.
.
2
0
= ,
em que =
0 . . . 0
0
.
.
.
2
0
obtemos o resultado.
Julho 2009 Reginaldo J. Santos
432 Diagonalizac ao
6.3 Aplicac ao: Identicac ao de C onicas
Uma c onica no plano e denida como o conjunto dos pontos = (, ) que satisfazema equac ao
2
+ +
2
+ + + = 0,
em que , , , , e s ao n umeros reais, com , e n ao simultaneamente nulos. Vamos estudar
a elipse, a hip erbole e a par abola, que s ao chamadas c onicas n ao degeneradas. As outras que
incluem um unico ponto e um par de retas s ao chamadas c onicas degeneradas. Como veremos
adiante as c onicas n ao degeneradas podem ser obtidas da intersec ao de um cone circular com um
plano.
Dizemos que a equac ao de uma c onica n ao degenerada est a na forma padr ao se ela tem uma
das formas dadas na Figura 6.19 na p agina 453.
Nesta sec ao veremos como a diagonalizac ao de matrizes sim etricas pode ser usada na
identicac ao das c onicas cujas equac oes n ao est ao na forma padr ao. Antes, porem, vamos denir as
c onicas como conjunto de pontos que satisfazem certas propriedades e determinar as equac oes na
forma padr ao.
6.3.1 Elipse
Denic ao 6.4. A elipse e o conjunto dos pontos no plano tais que a soma das dist ancias de
a dois pontos xos
1
e
2
(focos) e constante, ou seja, se dist(
1
,
2
) = 2, ent ao a elipse e o
conjunto dos pontos tais que
dist(,
1
) + dist(,
2
) = 2,
em que > .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 433
1
2
Figura 6.5: Elipse que e o conjunto dos pontos tais que dist(,
1
) + dist(,
2
) = 2
Julho 2009 Reginaldo J. Santos
434 Diagonalizac ao
Uma elipse pode ser desenhada se xarmos as extremidades de um barbante de comprimento
2 nos focos e esticarmos o barbante com uma caneta. Movimentando-se a caneta, mantendo o
barbante esticado, a elipse ser a tracada (Figura 6.5).
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 435
Proposic ao 6.10. (a) A equac ao da elipse cujos focos s ao
1
= (, 0) e
2
= (, 0) e
2
+
2
2
= 1, (6.18)
(b) A equac ao da elipse cujos focos s ao
1
= (0, ) e
2
= (0, ) e
2
+
2
2
= 1. (6.19)
Em ambos os casos =
2
.
Demonstrac ao. (a) Vamos provar que se = (, ) pertence a elipse, ent ao ele satisfaz (6.18) e
deixamos para o leitor, como exerccio, a demonstrac ao da recproca. A elipse e o conjunto dos
pontos = (, ) tais que
dist(,
1
) + dist(,
2
) = 2,
ou seja,
1
+
1
= 2,
que neste caso e
( +)
2
+
2
+
( )
2
+
2
= 2
ou
( +)
2
+
2
= 2
( )
2
+
2
.
Julho 2009 Reginaldo J. Santos
436 Diagonalizac ao
x
y
1
= (, 0)
1
= (, 0)
1
= (, 0)
2
= (, 0)
2
= (, 0)
2
= (, 0)
Figura 6.6: Elipse com focos nos pontos
1
=
(, 0) e
2
= (, 0)
x
y
1
= (0, )
1
= (, 0)
1
= (0, )
2
= (0, )
2
= (, 0)
2
= (0, )
Figura 6.7: Elipse com focos nos pontos
1
=
(0, ) e
2
= (0, )
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 437
Elevando ao quadrado e simplicando, temos
( )
2
+
2
=
2
.
Elevando novamente ao quadrado e simplicando, temos
(
2
2
)
2
+
2
2
=
2
(
2
2
)
Como > , ent ao
2
2
> 0. Assim, podemos denir =
2
e dividir e equac ao
acima por
2
2
=
2
(
2
2
), obtendo (6.18).
(b) Trocando-se por no item anterior obtemos o resultado.
2
e
1
2
s ao chamados eixos da elipse.
A excentricidade da elipse e o n umero =
2
2
2
= 1 (6.20)
Julho 2009 Reginaldo J. Santos
440 Diagonalizac ao
1
2
Figura 6.9: Hip erbole que e o conjunto dos pontos = (, ) tais que dist(,
1
) dist(,
2
) =
2
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 441
x
y
1
=
1
= (, 0)
1
= (, 0)
2
= (, 0)
2
= (, 0)
1
= (, 0) e
2
= (, 0)
x
y
1
=
1
= (0, )
1
= (0, )
2
= (0, )
2
= (0, )
Figura 6.11: Hip erbole com focos nos pontos
1
= (0, ) e
2
= (0, )
Julho 2009 Reginaldo J. Santos
442 Diagonalizac ao
e das assntotas (retas para onde a curva se aproxima, quando ) s ao
=
,
(b) A equac ao da hip erbole cujos focos s ao
1
= (0, ) e
2
= (0, ) e
2
2
2
= 1 (6.21)
e das assntotas s ao
=
.
Em ambos os casos =
2
.
Demonstrac ao. (a) Vamos provar que se = (, ) e uma ponto da hip erbole ent ao ele satisfaz
(6.20) e deixamos para o leitor, como exerccio, a demonstrac ao da recproca. A hip erbole e o
conjunto dos pontos = (, ) tais que
dist(,
1
) dist(,
2
) = 2,
ou seja,
2
= 2,
que neste caso e
( +)
2
+
2
( )
2
+
2
= 2
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 443
ou
( +)
2
+
2
= 2 +
( )
2
+
2
.
Elevando ao quadrado e simplicando, temos
( )
2
+
2
=
2
.
Elevando novamente ao quadrado e simplicando, temos
(
2
2
)
2
+
2
2
=
2
(
2
2
)
Como < , ent ao
2
2
> 0. Assim, podemos denir =
2
e dividir e equac ao
acima por
2
2
=
2
(
2
2
), obtendo (6.20).
A equac ao (6.20) pode ser reescrita como
2
=
2
_
2
1
_
=
2
2
_
1
2
2
_
.
Para muito grande,
2
2
e pr oximo de 0 e a equac ao se aproxima de
2
=
2
2
=
.
(b) Trocando-se por no item anterior obtemos o resultado.
2
= 4, (6.22)
(b) A equac ao da par abola com foco = (0, ) e reta diretriz : = e
2
= 4. (6.23)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 447
Figura 6.13: Par abola que e o conjunto dos pontos = (, ) tais que dist(, ) = dist(, )
Julho 2009 Reginaldo J. Santos
448 Diagonalizac ao
x
y
0
= (, 0)
0
= (0, 0)
Figura 6.14: Par abola com foco no ponto =
(, 0) e > 0
x
y
0
= (0, 0)
= (0, )
: =
Figura 6.15: Par abola com foco no ponto =
(0, ) e > 0
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 449
x
y
= (, 0)
0
= (0, 0)
Figura 6.16: Par abola com foco no ponto =
(, 0) e < 0
x
y
: =
= (0, )
0
= (0, 0)
Figura 6.17: Par abola com foco no ponto =
(0, ) e < 0
Julho 2009 Reginaldo J. Santos
450 Diagonalizac ao
Demonstrac ao. (a) Vamos provar que se (, ) pertence a par abola, ent ao ele satisfaz (6.22) e
deixamos para o leitor, como exerccio, a demonstrac ao da recproca. A par abola e o conjunto
dos pontos = (, ) tais que
dist(, ) = dist(, ),
que neste caso e
( )
2
+
2
= +,
Elevando ao quadrado e simplicando, obtemos (6.22).
(b) Trocando-se por no item anterior obtemos o resultado.
2
+
2
2
= 1, > Elipse
2
2
+
2
2
= 1, >
x
y
(, 0)
(, 0)
(, 0) (, 0)
x
y
(, 0) (, 0)
(0, )
(0, )
2
2
2
= 1 Hip erbole
2
2
2
2
= 1
x
y
(, 0) (,0)
x
y
(0, )
(0, )
2
= 4, > 0 Par abola
2
= 4, > 0
x
y
x
y
: =
2
= 4, < 0
2
= 4, < 0
x
y
x
y
: =
Figura 6.19: C onicas n ao degeneradas com equac oes na forma padr ao
Julho 2009 Reginaldo J. Santos
454 Diagonalizac ao
Vamos ver, agora, como a diagonalizac ao de matrizes sim etricas pode ser usada na identicac ao
das c onicas cujas equac oes n ao est ao na forma padr ao. Vamos estudar alguns exemplos.
Exemplo 6.12. Considere a c onica cuja equac ao e
5
2
4 + 8
2
36 = 0.
Esta equac ao pode ser escrita como
36 = 0 , (6.24)
em que
=
_
5 2
2 8
_
e =
_
_
.
O polin omio caracterstico de e
() = det(
2
) = det
_
5 2
2 8
_
=
2
13 + 36 .
Logo, os autovalores de s ao
1
= 4 e
2
= 9. Os autovetores associados a
1
= 4 s ao as soluc oes
n ao nulas do sistema
( 4
2
) =
0
ou
_
1 2
2 4
_ _
_
=
_
0
0
_
,
cuja soluc ao e
1
= {(2, ) } .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 455
Assim,
1
= (2, 1) e uma base para
1
, pois gera
1
e e L.I. E
1
=
1
= (
2
5
,
1
5
) e uma base
ortonormal para
1
.
N ao precisamos resolver outro sistema linear para encontrar os autovetores associados a
2
= 9.
Como a matriz e sim etrica, pela Proposic ao 6.6 na p agina 418, autovetores associados a autovalo-
res distintos s ao ortogonais. Assim o autoespaco associado a
2
= 9 e dado por
2
= {(1, 2) }.
Logo
2
= (1, 2) e uma base para
2
, pois gera
2
e e L.I. E
2
=
2
= (
1
5
,
2
5
) e uma base
ortonormal para
2
. Portanto,
=
em que,
=
_
4 0
0 9
_
e
= [
1
2
] =
_
2
5
1
5
1
5
2
5
_
.
Pelo Exerccio 6.2.5 na p agina 426 a matriz e uma matriz de rotac ao.
Substituindo-se =
36 = 0.
Substituindo-se =
, ou equivalentemente,
, em que
=
_
_
na equac ao
(6.24), obtemos
36 = 0,
Julho 2009 Reginaldo J. Santos
456 Diagonalizac ao
ou
4
2
+ 9
2
36 = 0,
ou ainda
2
9
+
2
4
= 1 (6.25)
que e a equac ao de uma elipse cujo esboco e mostrado na Figura 6.20. Para fazer o esboco do
gr aco, em primeiro lugar temos que tracar os eixos x
e y
. O eixo x
e obtido fazendo
= 0 na
equac ao
=
ou
_
_
=
_
2
5
1
5
1
5
2
5
_
_
_
e o eixo y
e obtido fazendo
= 0. Assim eixo x
. Ou
seja,
1
=
_
1
0
_
, que e a primeira coluna de . O eixo y
. Ou
seja,
2
=
_
0
1
_
, que e a segunda coluna de . Depois, a partir da equac ao (6.25), vericamos
na Figura 6.19 na p agina 453 a forma da curva em relac ao aos eixos x
e y
.
Exemplo 6.13. Considere a c onica cuja equac ao e dada por
5
2
4 + 8
2
+
20
5
80
5
+ 4 = 0 .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 457
4 3 2 1 0 1 2 3 4
4
3
2
1
0
1
2
3
4
x
y
x
y
2
Figura 6.20: Elipse do Exemplo 6.12
Julho 2009 Reginaldo J. Santos
458 Diagonalizac ao
Esta equac ao pode ser escrita como
+ + 4 = 0 , (6.26)
em que
=
_
5 2
2 8
_
e =
_
20
5
80
5
_
.
A matriz e a mesma do exemplo anterior. Assim, temos que
=
em que,
=
_
4 0
0 9
_
, e = [
1
2
] =
_
2
5
1
5
1
5
2
5
_
.
Substituindo-se =
+ + 4 = 0.
Substituindo-se =
ou
, em que
=
_
_
.
+ 4 = 0,
ou
4
2
+ 9
2
8
36
+ 4 = 0 .
ou ainda,
4(
2
2
) + 9(
2
4
) + 4 = 0
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 459
Completando-se os quadrados, obtemos
4[(
2
2
+ 1) 1] + 9[(
2
4
+ 4) 4] + 4 = 0
ou
4(
1)
2
+ 9(
2)
2
36 = 0.
Fazendo-se mais uma mudanca de vari aveis
1 e (6.27)
2 (6.28)
obtemos
4
2
+ 9
2
36 = 0
ou
2
9
+
2
4
= 1 (6.29)
que e a equac ao de uma elipse cujo esboco e mostrado na Figura 6.21. Antes de fazer o esboco do
gr aco temos que tracar os eixos x
e y
e y
. O eixo x
tem a direc ao e
o sentido do vetor
2
=
_
0
1
_
(a segunda coluna de ). O eixo x
tem equac ao
= 0. Usando
a equac ao (6.27) obtemos
= 2. O eixo y
tem equac ao
= 1. Depois, a partir da equac ao (6.29), vericamos na Figura 6.19 na p agina 453 a forma da
curva em relac ao aos eixos x
e y
.
Julho 2009 Reginaldo J. Santos
460 Diagonalizac ao
4 3 2 1 0 1 2 3 4
1
0
1
2
3
4
5
6
7
x
y
x"
y"
x
y
2
Figura 6.21: Elipse do Exemplo 6.13
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 461
Os exemplos anteriores s ao casos particulares do pr oximo teorema, cuja demonstrac ao e feita da
mesma forma que zemos com os exemplos e por isso deixamos para o leitor a tarefa de escrev e-la.
Teorema 6.13. Considere a equac ao
2
+ +
2
+ + + = 0, (6.30)
com , , , , , , sendo , e n ao simultaneamente nulos. Ent ao existe um sistema de
coordenadas ortogonal x
2
+
2
2
+
+ = 0 ,
em que
1
,
2
s ao os autovalores de
=
_
/2
/2
_
.
Mais ainda,
=
,
em que
=
_
_
, =
_
_
e e uma matriz ortogonal (
1
=
).
Julho 2009 Reginaldo J. Santos
462 Diagonalizac ao
Exerccios Num ericos (respostas na p agina 632)
Identicar a c onica, achar a equac ao no ultimo sistema de coordenadas utilizado e fazer um esboco
do gr aco.
6.3.1. 9
2
4 + 6
2
= 30;
6.3.2. 3
2
8 12
2
+ 81 = 0;
6.3.3. 2
2
4
2
= 24;
6.3.4. 21
2
+ 6 + 13
2
132 = 0;
6.3.5. 4
2
20 + 25
2
15 6 = 0;
6.3.6. 9
2
+
2
+ 6 10
10 + 10
10 + 90 = 0;
6.3.7. 5
2
+ 5
2
6 30
2 + 18
2 + 82 = 0;
6.3.8. 5
2
+ 12 12
13 = 36;
6.3.9. 6
2
+ 9
2
4 4
5 18
5 = 5;
6.3.10.
2
2
+ 2
3 + 6 = 0;
6.3.11. 8
2
+ 8
2
16 + 33
2 31
2 + 70 = 0;
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 463
6.3.12.
2
6 7
2
+ 10 + 2 + 9 = 0;
Exerccios usando o MATLAB
2
+
2
2
= 1.
>> elipse(a,b,[U1 U2]) desenha a elipse
2
2
+
2
2
= 1, em que
s ao as coordenadas
em relac ao ` a base ortonormal U1 e U2.
>> elipse(a,b,[U1 U2],X0) desenha a elipse
2
2
+
2
2
= 1, em que
s ao as coor-
denadas em relac ao ao sistema de coordenadas determinado pela base ortonormal U1 e U2 e
pelo ponto X0.
>> hiperbx(a,b) desenha a hip erbole
2
2
2
2
= 1.
>> hiperbx(a,b,[U1 U2]) desenha a hip erbole
2
2
2
2
= 1, em que
s ao as coor-
denadas em relac ao ` a base ortonormal U1 e U2.
>> hiperbx(a,b,[U1 U2],X0) desenha a hip erbole
2
2
2
2
= 1, em que
s ao as
coordenadas em relac ao ao sistema de coordenadas determinado pela base ortonormal U1 e
U2 e pelo ponto X0.
>> hiperby(a,b) desenha a hip erbole
2
2
2
2
= 1.
Julho 2009 Reginaldo J. Santos
464 Diagonalizac ao
>> hiperby(a,b,[U1 U2]) desenha a hip erbole
2
2
2
2
= 1, em que
s ao as coor-
denadas em relac ao ` a base ortonormal U1 e U2.
>> hiperby(a,b,[U1 U2],X0) desenha a hip erbole
2
2
2
2
= 1, em que
s ao as
coordenadas em relac ao ao sistema de coordenadas determinado pela base ortonormal U1 e
U2 e pelo ponto X0.
>> parabx(p) desenha a par abola
2
= 4.
>> parabx(p,[U1 U2]) desenha a par abola
2
= 4
, em que
s ao as coordenadas
em relac ao ` a base ortonormal U1 e U2.
>> parabx(p,[U1 U2],X0) desenha a par abola
2
= 4
, em que
s ao as coorde-
nadas em relac ao ao sistema de coordenadas determinado pela base ortonormal U1 e U2 e por
X0.
>> paraby(p) desenha a par abola
2
= 4.
>> paraby(p,[U1 U2]) desenha a par abola
2
= 4
, em que
s ao as coordenadas
em relac ao ` a base ortonormal U1 e U2.
>> paraby(p,[U1 U2],X0) desenha a par abola
2
= 4
, em que
s ao as coorde-
nadas em relac ao ao sistema de coordenadas determinado pela base ortonormal U1 e U2 e por
X0.
6.3.13. Use o MATLAB
2
0
4
,
0
) e tan() =
=
2
0
. Mostre que se o raio incidente tem
equac ao =
0
, ent ao a equac ao do raio reetido que passa por = (
2
0
4
,
0
) e
0
=
4
0
2
0
4
2
(
2
0
4
).
Julho 2009 Reginaldo J. Santos
466 Diagonalizac ao
Use o fato de que tan(2) =
2 tan
1tan
2
.
(b) Mostre que o raio reetido intercepta o eixo x em = .
6.3.16. Mostre que a intersec ao de um cone circular com plano que n ao passa pelo seu v ertice e uma
c onica seguindo os seguintes passos:
(a) Considere dois sistemas de coordenadas = {,
} e = {,
,
2
,
3
}, em que o
sistema e obtido do sistema por uma rotac ao de angulo em torno do eixo x. Mostre
que e v alida a seguinte relac ao entre as coordenadas, (
), em relac ao ao sistema
e (, , ), em relac ao ao sistema
1 0 0
0 cos sen
0 sen cos
(cos ) + (sen )
(sen ) + (cos )
.
(b) Mostre que o cone circular de equac ao
2
+
2
=
2
no sistema , tem equac ao
2
+ (cos 2)
2
+ (2 sen 2) (cos 2)
2
= 0
no sistema .
(c) Mostre que a intersec ao do cone com o plano = 1 e a c onica no plano de equac ao
2
+ (cos 2)
2
+ (2 sen 2) = cos 2
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 467
Figura 6.22: Par abola reetindo na direc ao do
foco os raios paralelos ao seu eixo de simetria.
Figura 6.23: Par abola reetindo na direc ao do
seu eixo de simetria os raios origin arios do foco.
Julho 2009 Reginaldo J. Santos
468 Diagonalizac ao
x
y
2
Figura 6.24: Par abola reetindo na direc ao do foco os raios paralelos ao seu eixo de simetria.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 469
(d) Mostre que se =
4
, ent ao a c onica e a par abola no plano de equac ao
2
2 = 0.
(e) Mostre que se =
4
, ent ao a c onica no plano tem equac ao
2
sec 2
+
( + tan 2)
2
sec
2
2
= 1,
que e uma elipse se <
4
e uma hip erbole se
4
<
2
.
6.3.17. Demonstre o Teorema 6.13 na p agina 461.
6.3.18. Seja o conjunto dos pontos do plano que satisfazem a equac ao
2
+ +
2
+ + + = 0,
com , , , , , , sendo , e n ao simultaneamente nulos. Consideremos a matriz
=
_
/2
/2
_
. Sejam e os autovalores de .
(a) Mostre que =
2
/4.
(b) Mostre que se
2
4 < 0, ent ao e uma elipse, um ponto ou o conjunto vazio.
(c) Mostre que se
2
4 > 0, ent ao e uma hip erbole, ou um par de retas concorrentes.
(d) Mostre que se
2
4 = 0, ent ao e uma par abola, um par de retas paralelas, uma reta
ou o conjunto vazio.
Julho 2009 Reginaldo J. Santos
470 Diagonalizac ao
y
z
1
x=
Figura 6.25: Elipse intersec ao do cone circular
com um plano
y
z
1
x=
Figura 6.26: Par abola intersec ao do cone circu-
lar com um plano
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 471
z
y=
x=
Figura 6.27: Hip erbole intersec ao do cone circular com um plano
Julho 2009 Reginaldo J. Santos
472 Diagonalizac ao
Teste do Captulo
1. (a) Encontre matrizes e tais que
=
,
em que
=
_
8 8
8 8
_
.
(b) Identicar a c onica, achar a equac ao no ultimo sistema de coordenadas utilizado e fazer
um esboco do gr aco.
8
2
+ 8
2
16 + 33
2 31
2 + 70 = 0
2. Verique quais das matrizes seguintes s ao diagonaliz aveis:
(a)
_
3
_
(b)
_
_
3. (a) Seja =
_
1 0
0 1
_
. Calcule
10
.
(b) Sabendo-se que =
1
, calcule
10
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
6.3 Aplicac ao: Identicac ao de C onicas 473
4. Diga se e verdadeiro ou falso cada item abaixo, justicando.
(a) Se e uma matriz 2 2 com somente 1 autovalor, ent ao n ao e diagonaliz avel;
(b) Se e s ao autovetores associados a um autovalor , ent ao proj
e tamb em
um autovetor associado a .
(c) Se n ao e singular, ent ao 0 n ao e autovalor de ;
(d) As matrizes e
2
possuem os mesmos autovetores;
Julho 2009 Reginaldo J. Santos
Respostas dos Exerccios
1.1. Matrizes (p agina 17)
1.1.1. >> A=[2,0;6,7]; B=[0,4;2,-8]; C=[-6,9,-7;7,-3,-2];
>> D=[-6,4,0;1,1,4;-6,0,6]; E=[6,9,-9;-1,0,-4;-6,0,-1];
>> A*B-B*A
-24 -20
58 24
>> 2*C-D
??? Error using ==> - Matrix dimensions must agree.
>> 2*D-3*E
-30 -19 27
5 2 20
6 0 15
>> D*(D-E)
474
Captulo 1. Matrizes e Sistemas Lineares 475
80 34 -22
-10 -4 45
72 30 -12
No item (c) foram usadas as propriedades (l) e (n) do Teorema 1.1 na p agina 9 e no item (d) foi
usada a propriedade (i).
1.1.2. ( +) = +,
= ()
= ()
, () = ()().
1.1.3. (a) >> A=[-3,2,1;1,2,-1];B=[2,-1;2,0;0,3];
>> C=[-2,1,-1;0,1,1;-1,0,1];
>> syms d1 d2 d3
>> D=diag([d1,d2,d3]);
>> E1=[1;0;0];E2=[0;1;0];E3=[0;0;1];
>> B*A
-7 2 3
-6 4 2
3 6 -3
>> A*B
-2 6
6 -4
(b) >> [A*E1-A(:,1),A*E2-A(:,2),A*E3-A(:,3)]
0 0 0
0 0 0
>> E1.*B-B(1,:)
0 0
Julho 2009 Reginaldo J. Santos
476 Respostas dos Exerccios
>> E2.*B-B(2,:)
0 0
>> E3.*B-B(3,:)
0 0
(c) >> C1=C(:,1);C2=C(:,2);C3=C(:,3);
>> C*D-[d1*C1,d2*C2,d3*C3]
[ 0, 0, 0]
[ 0, 0, 0]
[ 0, 0, 0]
(d) >> C1=C(1,:);C2=C(2,:);C3=C(3,:);
>> D*C-[d1*C1;d2*C2;d3*C3]
[ 0, 0, 0]
[ 0, 0, 0]
[ 0, 0, 0]
(e) >> B1=B(:,1);B2=B(:,2);
>> A*B-A*[B1,B2]
0 0
0 0
(f) >> A1=A(1,:);A2=A(2,:);
>> A*B-[A1;A2]*B
0 0
0 0
1.1.4. >> syms x y z
>> A=[1,-3,0;0,4,-2]; X=[x;y;z];
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 477
>> A*X
[ x-3*y]
[ 4*y-2*z]
>> x*A(:,1)+y*A(:,2)+z*A(:,3)
[ x-3*y]
[ 4*y-2*z]
1.1.5. >> syms x
>> A=[x,4,-2]; B=[2,-3,5];
>> solve(A*B.)
11
1.1.6. >> syms y
>> A=[1,1/y;y,1];
>> A2-2*A
[ 0, 0]
[ 0, 0]
1.1.7. >> syms x y z w
>> X=[x,y;z,w]; M=[0,1;-1,0];
>> X*M-M*X
[ -y-z, x-w]
[ x-w, z+y]
>> syms a b c d
>> A=[x,y;-y,x]; B=[a,b;-b,a];
>> A*B-B*A
Julho 2009 Reginaldo J. Santos
478 Respostas dos Exerccios
[ 0, 0]
[ 0, 0]
1.1.8. (a) Sejam =
_
0
0
_
e =
_
_
.
>> syms x y z w
>> syms a b c d
>> A=[x,0;0,y];B=[a,b;c,d];
>> A*B
[ x*a, x*b]
[ y*c, y*d]
>> B*A
[ x*a, b*y]
[ c*x, y*d]
Como = , para todo , em particular para = 1, obtemos que = . Assim, a
matriz que al em de ser diagonal tem os elementos da diagonal iguais.
(b) Sejam =
_
_
e =
_
_
.
>> A=[x,y;z,w];B=[a,b;c,d];
>> A*B
[ x*a+y*c, x*b+y*d]
[ z*a+w*c, z*b+w*d]
>> B*A
[ x*a+z*b, a*y+b*w]
[ c*x+d*z, y*c+w*d]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 479
Comparando os elementos de posic ao 1,1 obtemos que = , para todos os valores
de e . Em particular para = 0 e = 1, obtemos que = 0 e para = 1 e = 0,
obtemos que = 0. Ou seja, a matriz tem que ser diagonal. Assim, pelo item anterior
temos que a matriz tem que ser diagonal com os elementos da diagonal iguais.
1.1.9. >> A=[0,1,0;0,0,1;0,0,0];
>> A2,A3
ans=0 0 1
0 0 0
0 0 0
ans =0 0 0
0 0 0
0 0 0
1.1.10. (a) >> A=[1,1/2;0,1/3]
A =
1.0000 0.5000
0 0.3333
>> A2,A3,A4,A5
ans =
1.0000 0.6667
0 0.1111
ans =
1.0000 0.7222
0 0.0370
ans =
Julho 2009 Reginaldo J. Santos
480 Respostas dos Exerccios
1.0000 0.7407
0 0.0123
ans =
1.0000 0.7469
0 0.0041
>> A6,A7,A8,A9
ans =
1.0000 0.7490
0 0.0014
ans =
1.0000 0.7497
0 0.0005
ans =
1.0000 0.7499
0 0.0002
ans =
1.0000 0.7500
0 0.0001
A seq u encia parece estar convergindo para a matriz
_
1 0.75
0 0
_
.
(b) >> A=[1/2,1/3;0,-1/5]
A =
0.5000 0.3333
0 -0.2000
>> A2,A3,A4,A5
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 481
ans =
0.2500 0.1000
0 0.0400
ans =
0.1250 0.0633
0 -0.0080
ans =
0.0625 0.0290
0 0.0016
ans =
0.0312 0.0150
0 -0.0003
>> A6,A7,A8,A9
ans =
0.0156 0.0074
0 0.0001
ans =
0.0078 0.0037
0 0.0000
ans =
0.0039 0.0019
0 0.0000
ans =
0.0020 0.0009
0 0.0000
Julho 2009 Reginaldo J. Santos
482 Respostas dos Exerccios
A seq u encia parece estar convergindo para a matriz nula
_
0 0
0 0
_
.
1.1.11. (a) >> A=[0,0,1;1,0,0;0,1,0];
>> A=sym(A)
[ 0, 0, 1]
[ 1, 0, 0]
[ 0, 1, 0]
>> A2
[ 0, 1, 0]
[ 0, 0, 1]
[ 1, 0, 0]
>> A3
[ 1, 0, 0]
[ 0, 1, 0]
[ 0, 0, 1]
Para = 3,
=
3
.
(b) >> A=[0,1,0,0;-1,0,0,0;0,0,0,1;...
0,0,1,0];
>> A=sym(A)
[ 0, 1, 0, 0]
[ -1, 0, 0, 0]
[ 0, 0, 0, 1]
[ 0, 0, 1, 0]
>> A2
[ -1, 0, 0, 0]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 483
[ 0, -1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
>> A3
[ 0, -1, 0, 0]
[ 1, 0, 0, 0]
[ 0, 0, 0, 1]
[ 0, 0, 1, 0]
>> A4
[ 1, 0, 0, 0]
[ 0, 1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
Para = 4,
=
4
.
(c) >> A=[0,1,0,0;0,0,1,0;0,0,0,1;0,0,0,0];
>> A=sym(A)
[ 0, 1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
>> A2
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
Julho 2009 Reginaldo J. Santos
484 Respostas dos Exerccios
>> A3
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
>> A4
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
Para = 4,
=
0.
1.1.12. Conclumos que e muito raro encontrar matrizes cujo produto comute.
1.1.13. Conclumos que matrizes diagonais em geral comutam. Pode-se mostrar que elas sempre
comutam (Exerccio 28 na p agina 30).
1.1.14. Se a matriz A for diagonal, ent ao o produto comuta, se os elementos da diagonal de A s ao
iguais. (ver Exerccio 17 na p agina 26). A probabilidade de um tal par de matrizes comute e
aproximadamente igual a probabilidade de que a primeira matriz tenha os elementos da sua
diagonal iguais, ou seja, 11/11
3
= 1/11
2
1%.
1.2. Sistemas Lineares (p agina 61)
1.2.1. As matrizes que est ao na forma reduzida escalonada s ao e .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 485
1.2.2. (a) =
8 + 7
2 3
5
, .
(b) =
2 3 + 6
7 4
8 5
, , .
(c) =
6
3
2
, .
(d) =
3 + 8 7
5 6
9 3
, , .
1.2.3. (a) >> A=[1,1,2,8;-1,-2,3,1;3,-7,4,10];
>> escalona(A)
eliminacao 1:
1*linha 1 + linha 2 ==> linha 2
-3*linha 1 + linha 3 ==> linha 3
[ 1, 1, 2, 8]
Julho 2009 Reginaldo J. Santos
486 Respostas dos Exerccios
[ 0, -1, 5, 9]
[ 0, -10, -2, -14]
eliminacao 2:
-1*linha 2 ==> linha 2
[ 1, 1, 2, 8]
[ 0, 1, -5, -9]
[ 0, -10, -2, -14]
-1*linha 2 + linha 1 ==> linha 1
10*linha 2 + linha 3 ==> linha 3
[ 1, 0, 7, 17]
[ 0, 1, -5, -9]
[ 0, 0, -52, -104]
eliminacao 3:
-1/52*linha 3 ==> linha 3
[ 1, 0, 7, 17]
[ 0, 1, -5, -9]
[ 0, 0, 1, 2]
-7*linha 3 + linha 1 ==> linha 1
5*linha 3 + linha 2 ==> linha 2
[ 1, 0, 0, 3]
[ 0, 1, 0, 1]
[ 0, 0, 1, 2]
=
3
1
2
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 487
(b) >> A=[2,2,2,0;-2,5,2,1;8,1,4,-1];
>> escalona(A)
eliminacao 1:
1/2*linha 1 ==> linha 1
[ 1, 1, 1, 0]
[ -2, 5, 2, 1]
[ 8, 1, 4, -1]
2*linha 1 + linha 2 ==> linha 2
-8*linha 1 + linha 3 ==> linha 3
[ 1, 1, 1, 0]
[ 0, 7, 4, 1]
[ 0, -7, -4, -1]
eliminacao 2:
1/7*linha 2 ==> linha 2
[ 1, 1, 1, 0]
[ 0, 1, 4/7, 1/7]
[ 0, -7, -4, -1]
-1*linha 2 + linha 1 ==> linha 1
7*linha 2 + linha 3 ==> linha 3
[ 1, 0, 3/7, -1/7]
[ 0, 1, 4/7, 1/7]
[ 0, 0, 0, 0]
=
1
7
3
7
1
7
4
7
, .
Julho 2009 Reginaldo J. Santos
488 Respostas dos Exerccios
(c) >> A=[0,-2,3,1;3,6,-3,-2;6,6,3,5]
>> escalona(A)
eliminacao 1:
linha 2 <==> linha 1
[ 3, 6, -3, -2]
[ 0, -2, 3, 1]
[ 6, 6, 3, 5]
1/3*linha 1 ==> linha 1
[ 1, 2, -1, -2/3]
[ 0, -2, 3, 1]
[ 6, 6, 3, 5]
-6*linha 1 + linha 3 ==> linha 3
[ 1, 2, -1, -2/3]
[ 0, -2, 3, 1]
[ 0, -6, 9, 9]
eliminacao 2:
-1/2*linha 2 ==> linha 2
[ 1, 2, -1, -2/3]
[ 0, 1, -3/2, -1/2]
[ 0, -6, 9, 9]
-2*linha 2 + linha 1 ==> linha 1
6*linha 2 + linha 3 ==> linha 3
[ 1, 0, 2, 1/3]
[ 0, 1, -3/2, -1/2]
[ 0, 0, 0, 6]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 489
O sistema n ao tem soluc ao!
1.2.4. >> A=[1,-2,1;2,-5,1;3,-7,2];
>> B1=[1;-2;-1];B2=[2;-1;2];
>> escalona([A,B1,B2])
eliminacao 1:
-2*linha 1 + linha 2 ==> linha 2
-3*linha 1 + linha 3 ==> linha 3
[ 1, -2, 1, 1, 2]
[ 0, -1, -1, -4, -5]
[ 0, -1, -1, -4, -4]
eliminacao 2:
-1*linha 2 ==> linha 2
[ 1, -2, 1, 1, 2]
[ 0, 1, 1, 4, 5]
[ 0, -1, -1, -4, -4]
2*linha 2 + linha 1 ==> linha 1
1*linha 2 + linha 3 ==> linha 3
[ 1, 0, 3, 9, 12]
[ 0, 1, 1, 4, 5]
[ 0, 0, 0, 0, 1]
(a) =
9 3
4
, .
(b) O sistema n ao tem soluc ao!
Julho 2009 Reginaldo J. Santos
490 Respostas dos Exerccios
1.2.5. (a) >> A=[1,0,5;1,1,1;0,1,-4];
>> B=A+4*eye(3);
>> escalona([B,zeros(3,1)])
eliminacao 1:
linha 2 <==> linha 1
[ 1, 5, 1, 0]
[ 5, 0, 5, 0]
[ 0, 1, 0, 0]
(-5)*linha 1 + linha 2 ==> linha 2
[ 1, 5, 1, 0]
[ 0, -25, 0, 0]
[ 0, 1, 0, 0]
eliminacao 2:
linha 3 <==> linha 2
[ 1, 5, 1, 0]
[ 0, 1, 0, 0]
[ 0, -25, 0, 0]
(-5)*linha 2 + linha 1 ==> linha 1
(25)*linha 2 + linha 3 ==> linha 3
[ 1, 0, 1, 0]
[ 0, 1, 0, 0]
[ 0, 0, 0, 0]
=
, .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 491
(b) >> B=A-2*eye(3);
>> escalona([B,zeros(3,1)])
eliminacao 1:
(-1)*linha 1 ==> linha 1
[ 1, 0, -5, 0]
[ 1, -1, 1, 0]
[ 0, 1, -6, 0]
(-1)*linha 1 + linha 2 ==> linha 2
[ 1, 0, -5, 0]
[ 0, -1, 6, 0]
[ 0, 1, -6, 0]
eliminacao 2:
(-1)*linha 2 ==> linha 2
[ 1, 0, -5, 0]
[ 0, 1, -6, 0]
[ 0, 1, -6, 0]
(-1)*linha 2 + linha 3 ==> linha 3
[ 1, 0, -5, 0]
[ 0, 1, -6, 0]
[ 0, 0, 0, 0]
=
5
6
, .
1.2.6. (a) >> syms a
>> A=[1,2,-3,4;3,-1,5,2;4,1,a2-14,a+2];
Julho 2009 Reginaldo J. Santos
492 Respostas dos Exerccios
>> escalona(A)
eliminacao 1:
-3*linha 1 + linha 2 ==> linha 2
-4*linha 1 + linha 3 ==> linha 3
[ 1, 2, -3, 4]
[ 0, -7, 14, -10]
[ 0, -7, a2-2, a-14]
eliminacao 2:
-1/7*linha 2 ==> linha 2
[ 1, 2, -3, 4]
[ 0, 1, -2, 10/7]
[ 0, -7, a2-2, a-14]
-2*linha 2 + linha 1 ==> linha 1
7*linha 2 + linha 3 ==> linha 3
1 0 1 8/7
0 1 2 10/7
0 0
2
16 4
i. Se
2
16 = 0 e 4 = 0, ent ao o sistema tem innitas soluc oes. Neste caso,
= 4;
ii. Se
2
16 = 0 e 4 = 0, ent ao o sistema n ao tem soluc ao. Neste caso, = 4;
iii. Se
2
16 = 0, ent ao o sistema tem soluc ao unica. Neste caso, = 4;
(b) >> A=[1,1,1,2;2,3,2,5;2,3,a2-1,a+1];
>> escalona(A)
eliminacao 1:
-2*linha 1 + linha 2 ==> linha 2
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 493
-2*linha 1 + linha 3 ==> linha 3
[ 1, 1, 1, 2]
[ 0, 1, 0, 1]
[ 0, 1, a2-3, a-3]
eliminacao 2:
-1*linha 2 + linha 1 ==> linha 1
-1*linha 2 + linha 3 ==> linha 3
1 0 1 1
0 1 0 1
0 0
2
3 4
i. Se
2
3 = 0 e 4 = 0, ent ao o sistema tem innitas soluc oes. Este caso n ao
pode ocorrer;
ii. Se
2
3 = 0 e 4 = 0, ent ao o sistema n ao tem soluc ao. Neste caso, =
3;
iii. Se
2
3 = 0, ent ao o sistema tem soluc ao unica. Neste caso, =
3;
1.2.7.
X Y Z
gramas de A/kg
gramas de B/kg
preco/kg
2 1 3
1 3 5
3 2 4
kg de X
kg de Y
kg de Z
1900
2400
2900
gramas de A
gramas de B
arrecadac ao
Julho 2009 Reginaldo J. Santos
494 Respostas dos Exerccios
2 1 3
1 3 5
3 2 4
1900
2400
2900
>> A=[2,1,3,1900;1,3,5,2400;3,2,4,2900];
>> escalona(A)
eliminacao 1:
linha 2 <==> linha 1
[ 1, 3, 5, 2400]
[ 2, 1, 3, 1900]
[ 3, 2, 4, 2900]
(-2)*linha 1 + linha 2 ==> linha 2
(-3)*linha 1 + linha 3 ==> linha 3
[ 1, 3, 5, 2400]
[ 0, -5, -7, -2900]
[ 0, -7, -11, -4300]
eliminacao 2:
(-1/5)*linha 2 ==> linha 2
[ 1, 3, 5, 2400]
[ 0, 1, 7/5, 580]
[ 0, -7, -11, -4300]
(-3)*linha 2 + linha 1 ==> linha 1
(7)*linha 2 + linha 3 ==> linha 3
[ 1, 0, 4/5, 660]
[ 0, 1, 7/5, 580]
[ 0, 0, -6/5, -240]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 495
eliminacao 3:
(-5/6)*linha 3 ==> linha 3
[ 1, 0, 4/5, 660]
[ 0, 1, 7/5, 580]
[ 0, 0, 1, 200]
(-4/5)*linha 3 + linha 1 ==> linha 1
(-7/5)*linha 3 + linha 2 ==> linha 2
[ 1, 0, 0, 500]
[ 0, 1, 0, 300]
[ 0, 0, 1, 200]
Foram vendidos 500 kg do produto X, 300 kg do produto Y e 200 kg do produto Z.
1.2.8. Substituindo os pontos na func ao obtemos:
= 10
+ + + = 7
27 + 9 + 3 + = 11
64 + 16 + 4 + = 14
.
Substituindo = 10 nas outras equac oes e escalonando a matriz aumentada do sistema cor-
respondente:
>> escalona([1,1,1,-3;27,9,3,-21;64,16,4,-24])
eliminacao 1:
-27*linha 1 + linha 2 ==> linha 2
-64*linha 1 + linha 3 ==> linha 3
[ 1, 1, 1, -3]
Julho 2009 Reginaldo J. Santos
496 Respostas dos Exerccios
[ 0, -18, -24, 60]
[ 0, -48, -60, 168]
eliminacao 2:
-1/18*linha 2 ==> linha 2
[ 1, 1, 1, -3]
[ 0, 1, 4/3, -10/3]
[ 0, -48, -60, 168]
-1*linha 2 + linha 1 ==> linha 1
48*linha 2 + linha 3 ==> linha 3
[ 1, 0, -1/3, 1/3]
[ 0, 1, 4/3, -10/3]
[ 0, 0, 4, 8]
eliminacao 3:
1/4*linha 3 ==> linha 3
[ 1, 0, -1/3, 1/3]
[ 0, 1, 4/3, -10/3]
[ 0, 0, 1, 2]
1/3*linha 3 + linha 1 ==> linha 1
-4/3*linha 3 + linha 2 ==> linha 2
[ 1, 0, 0, 1]
[ 0, 1, 0, -6]
[ 0, 0, 1, 2]
Assim, os coecientes s ao = 1, = 6, = 2 e = 10 e o polin omio () =
3
6
2
+
2 + 10.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 497
1.2.9. Substituindo os pontos na equac ao do crculo obtemos:
2 + 7 + = [(2)
2
+ 7
2
] = 53
4 + 5 + = [(4)
2
+ 5
2
] = 41
4 3 + = [4
2
+ 3
2
] = 25
.
>> A=[-2,7,1,-53;-4,5,1,-41;4,-3,1,-25];
>> escalona(A)
eliminacao 1:
-1/2*linha 1 ==> linha 1
[ 1, -7/2, -1/2, 53/2]
[ -4, 5, 1, -41]
[ 4, -3, 1, -25]
4*linha 1 + linha 2 ==> linha 2
-4*linha 1 + linha 3 ==> linha 3
[ 1, -7/2, -1/2, 53/2]
[ 0, -9, -1, 65]
[ 0, 11, 3, -131]
eliminacao 2:
-1/9*linha 2 ==> linha 2
[ 1, -7/2, -1/2, 53/2]
[ 0, 1, 1/9, -65/9]
[ 0, 11, 3, -131]
7/2*linha 2 + linha 1 ==> linha 1
-11*linha 2 + linha 3 ==> linha 3
[ 1, 0, -1/9, 11/9]
Julho 2009 Reginaldo J. Santos
498 Respostas dos Exerccios
[ 0, 1, 1/9, -65/9]
[ 0, 0, 16/9, -464/9]
eliminacao 3:
9/16*linha 3 ==> linha 3
[ 1, 0, -1/9, 11/9]
[ 0, 1, 1/9, -65/9]
[ 0, 0, 1, -29]
1/9*linha 3 + linha 1 ==> linha 1
-1/9*linha 3 + linha 2 ==> linha 2
[ 1, 0, 0, -2]
[ 0, 1, 0, -4]
[ 0, 0, 1, -29]
Os coecientes s ao = 2, = 4 e = 29 e a equac ao do crculo e
2
+
2
2429 =
0.
1.2.10. (a) >> syms b1 b2 b3
>> A=[1,-2,5,b1;4,-5,8,b2;-3,3,-3,b3];
>> escalona(A)
eliminacao 1:
-4*linha 1 + linha 2 ==> linha 2
3*linha 1 + linha 3 ==> linha 3
[ 1, -2, 5, b1]
[ 0, 3, -12, b2-4*b1]
[ 0, -3, 12, b3+3*b1]
eliminacao 2:
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 499
1/3*linha 2 ==> linha 2
[ 1, -2, 5, b1]
[ 0, 1, -4, 1/3*b2-4/3*b1]
[ 0, -3, 12, b3+3*b1]
2*linha 2 + linha 1 ==> linha 1
3*linha 2 + linha 3 ==> linha 3
[ 1, 0, -3, -5/3*b1+2/3*b2]
[ 0, 1, -4, 1/3*b2-4/3*b1]
[ 0, 0, 0, b3-b1+b2]
O sistema e consistente se, e somente se,
3
1
+
2
= 0.
(b) >> syms b1 b2 b3
>> A=[1,-2,-1,b1;-4,5,2,b2;-4,7,4,b3];
>> escalona(A)
eliminacao 1:
4*linha 1 + linha 2 ==> linha 2
4*linha 1 + linha 3 ==> linha 3
[ 1, -2, -1, b1]
[ 0, -3, -2, b2+4*b1]
[ 0, -1, 0, b3+4*b1]
eliminacao 2:
linha 3 <==> linha 2
[ 1, -2, -1, b1]
[ 0, -1, 0, b3+4*b1]
[ 0, -3, -2, b2+4*b1]
-1*linha 2 ==> linha 2
Julho 2009 Reginaldo J. Santos
500 Respostas dos Exerccios
[ 1, -2, -1, b1]
[ 0, 1, 0, -b3-4*b1]
[ 0, -3, -2, b2+4*b1]
2*linha 2 + linha 1 ==> linha 1
3*linha 2 + linha 3 ==> linha 3
[ 1, 0, -1, -7*b1-2*b3]
[ 0, 1, 0, -b3-4*b1]
[ 0, 0, -2, b2-8*b1-3*b3]
O sistema e consistente para todos os valores reais de
1
,
2
e
3
.
1.2.11. >> A=[0,1,7,8;1,3,3,8;-2,-5,1,-8];
>> escalona(A)
eliminacao 1:
linha 2 <==> linha 1
[ 1, 3, 3, 8]
[ 0, 1, 7, 8]
[ -2, -5, 1, -8]
2*linha 1 + linha 3 ==> linha 3
[ 1, 3, 3, 8]
[ 0, 1, 7, 8]
[ 0, 1, 7, 8]
eliminacao 2:
-3*linha 2 + linha 1 ==> linha 1
-1*linha 2 + linha 3 ==> linha 3
[ 1, 0, -18, -16]
[ 0, 1, 7, 8]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 501
[ 0, 0, 0, 0]
>> I=eye(3);E=oe(-1,2,3,I),...
F=oe(-3,2,1,I),G=oe(2,1,3,I),H=oe(I,1,2)
E =[ 1, 0, 0]F =[ 1, -3, 0]
[ 0, 1, 0] [ 0, 1, 0]
[ 0, -1, 1] [ 0, 0, 1]
G =[ 1, 0, 0]H =[ 0, 1, 0]
[ 0, 1, 0] [ 1, 0, 0]
[ 2, 0, 1] [ 0, 0, 1]
>> E*F*G*H*A
[ 1, 0, -18, -16]
[ 0, 1, 7, 8]
[ 0, 0, 0, 0]
1.2.12. (a) >> A=[1,2,0,-3,1,0,2;1,2,1,-3,1,2,3;...
1,2,0,-3,2,1,4;3,6,1,-9,4,3,9]
>> escalona(A)
[ 1, 2, 0, -3, 0, -1, 0]
[ 0, 0, 1, 0, 0, 2, 1]
[ 0, 0, 0, 0, 1, 1, 2]
[ 0, 0, 0, 0, 0, 0, 0]
1
+ 2
2
3
4
6
= 0
3
+ 2
6
= 1
5
+
6
= 2
= [ + 3 2 1 2 2 ]
,
, ,
Julho 2009 Reginaldo J. Santos
502 Respostas dos Exerccios
(b) >> A=[1,3,-2,0,2,0,0;2,6,-5,-2,4,-3,-1;...
0,0,5,10,0,15,5;2,6,0,8,4,18,6]
>> escalona(A)
[ 1, 3, 0, 4, 2, 0, 0]
[ 0, 0, 1, 2, 0, 0, 0]
[ 0, 0, 0, 0, 0, 1, 1/3]
[ 0, 0, 0, 0, 0, 0, 0]
1
+ 3
2
+ 4
4
+ 2
5
= 0
3
+ 2
4
= 0
6
=
1
3
= [2 4 3 2 1/3]
,
, ,
1.2.13. >> syms a, B=[4,3,1,6];
>> A=[1,1,1,1;1,3,-2,a;
2,2*a-2,-a-2,3*a-1;3,a+2,-3,2*a+1]
>> escalona([A,B])
[ 1, 0, 0, 0, (4*a-11)/(a-5)]
[ 0, 1, 0, 0, -4/(a-5)]
[ 0, 0, 1, 0, -4/(a-5)]
[ 0, 0, 0, 1, -1/(a-5)]
>> solve(-3/2*a+5/4+1/4*a2,a)
ans = [ 1][ 5]
Se = 1 e = 5, ent ao = [
411
5
4
5
4
5
1
5
]
.
>> C=subs(A,a,1)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 503
>> escalona([C,B])
[ 1, 0, 0, 1, 2]
[ 0, 1, 0, 0, 1]
[ 0, 0, 1, 0, 1]
[ 0, 0, 0, 0, 0]
Se = 1, ent ao = [2 , 1, 1, ]
.
>> D=subs(A,a,5)
>> escalona([D,B])
[ 1, 0, 5/2, -1, 0]
[ 0, 1, -3/2, 2, 0]
[ 0, 0, 0, 0, 1]
[ 0, 0, 0, 0, 0]
Se = 5, ent ao o sistema n ao tem soluc ao.
1.2.14. (a) >> A=[1,2,3,1,8;1,3,0,1,7;1,0,2,1,3];
>> escalona(A)
[ 1, 0, 0, 1, 1]
[ 0, 1, 0, 0, 2]
[ 0, 0, 1, 0, 1]
{(1 , 2, 1, ) }
Julho 2009 Reginaldo J. Santos
504 Respostas dos Exerccios
(b) >> A=[1,1,3,-3,0;0,2,1,-3,3;1,0,2,-1,-1];
>> escalona(A)
[ 1, 0, 0, 1, 1]
[ 0, 1, 0, -1, 2]
[ 0, 0, 1, -1, -1]
{(1 , 2 +, 1 +, ) }
(c) >> A=[1,2,3,0;1,1,1,0;1,1,2,0;1,3,3,0];
>> escalona(A)
[ 1, 0, 0, 0]
[ 0, 1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 0]
{(0, 0, 0)}
1.2.15. >> P=randi(4,2)
P = 5 4
-3 3
1 0
0 -5
>> A=matvand(P(:,1),3),B=P(:,2)
A =125 25 5 1
-27 9 -3 1
1 1 1 1
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 505
0 0 0 1
B = 4
3
0
-5
>> R=escalona([A,B])
R = [ 1, 0, 0, 0, -163/480]
[ 0, 1, 0, 0, 99/80]
[ 0, 0, 1, 0, 1969/480]
[ 0, 0, 0, 1, -5]
>> p=poly2sym(R(:,5),x)
p = -163/480*x3+99/80*x2+1969/480*x-5
>> clf,po(P),syms x,plotf1(p,[-5,5])
>> eixos
Pode n ao ser possvel encontrar o polin omio, se mais de um ponto tiver a mesma abscissa
.
Julho 2009 Reginaldo J. Santos
506 Respostas dos Exerccios
5 4 3 2 1 0 1 2 3 4 5
10
0
10
20
30
40
50
x
y
Observac ao. A sua resposta pode ser diferente da que est a aqui.
1.2.16. >> P=randi(5,2)
P = 3 2
-1 -3
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 507
1 -1
3 4
4 4
>> A=matvand(P,2)
A = 9 6 4 3 2 1
1 3 9 -1 -3 1
1 -1 1 1 -1 1
9 12 16 3 4 1
16 16 16 4 4 1
>> R=escalona([A,zeros(5,1)])
R = [1, 0, 0, 0, 0, -35/8, 0]
[0, 1, 0, 0, 0, 45/8, 0]
[0, 0, 1, 0, 0, -2, 0]
[0, 0, 0, 1, 0, 65/8, 0]
[0, 0, 0, 0, 1, -39/8, 0]
>> p=poly2sym2([-R(:,6);1],x,y)
p =35/8*x2-45/8*x*y-65/8*x+1+2*y2+39/8*y
>> clf,po(P),syms x y,
>> plotci(p,[-5,5],[-5,5])
>> eixos
Julho 2009 Reginaldo J. Santos
508 Respostas dos Exerccios
2 1 0 1 2 3 4 5
3
2
1
0
1
2
3
4
5
x
y
Observac ao. A sua resposta pode ser diferente da que est a aqui.
1.2.17. (a) A inversa da operac ao elementar de trocar duas linhas e ela mesma.
(b) A inversa da operac ao elementar de multiplicar uma linha por um escalar, = 0, e a
operac ao de multiplicar a mesma linha pelo escalar 1/.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 1. Matrizes e Sistemas Lineares 509
(c) A inversa de somar ` a linha , vezes a linha , e somar ` a linha , vezes a linha .
1.2.18. (a) Basta multiplicar qualquer linha da matriz pelo escalar 1.
(b) Pelo exerccio anterior cada operac ao elementar, , tem uma operac ao elementar inversa,
1
, do mesmo tipo que desfaz o que a operac ao fez. Se aplicando as operac oes ele-
mentares
1
, . . . ,
, . . . ,
1
1
na matriz chegamos na matriz .
(c) Se aplicando as operac oes elementares
1
, . . . ,
1 0 0
0 1 0
0 0
Continua ? (s/n) n
Para valores de diferentes de zero a matriz tem inversa.
2.1.4. >> invA=[3,2;1,3]; invB=[2,5;3,-2];
>> invAB=invB*invA
invAB = 11 19
7 0
2.1.5. >> invA=[2,3;4,1]; B=[5;3];
>> X=invA*B
X = 19
23
Julho 2009 Reginaldo J. Santos
512 Respostas dos Exerccios
2.1.6.
1
=
_
1 1
2 2
_ _
3
0
0 (1)
_ _
1 1
2 2
_
1
=
_
3
(1)
2 3
2(1)
_
1
4
_
2 1
2 1
_
=
1
4
_
2(3
+ (1)
) (1)
4((1)
) 2(3
+ (1)
)
_
2.1.7. >> A=[1,2,3;2,1,2;0,1,2];
>> escalona([A,eye(3)])
eliminacao 1:
(-2)*linha 1 + linha 2 ==> linha 2
[ 1, 2, 3, 1, 0, 0]
[ 0, -3, -4, -2, 1, 0]
[ 0, 1, 2, 0, 0, 1]
eliminacao 2:
linha 3 <==> linha 2
[ 1, 2, 3, 1, 0, 0]
[ 0, 1, 2, 0, 0, 1]
[ 0, -3, -4, -2, 1, 0]
(-2)*linha 2 + linha 1 ==> linha 1
(3)*linha 2 + linha 3 ==> linha 3
[ 1, 0, -1, 1, 0, -2]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 2. Invers ao de Matrizes e Determinantes 513
[ 0, 1, 2, 0, 0, 1]
[ 0, 0, 2, -2, 1, 3]
eliminacao 3:
(1/2)*linha 3 ==> linha 3
[ 1, 0, -1, 1, 0, -2]
[ 0, 1, 2, 0, 0, 1]
[ 0, 0, 1, -1, 1/2, 3/2]
(1)*linha 3 + linha 1 ==> linha 1
(-2)*linha 3 + linha 2 ==> linha 2
[ 1, 0, 0, 0, 1/2, -1/2]
[ 0, 1, 0, 2, -1, -2]
[ 0, 0, 1, -1, 1/2, 3/2]
>> I=eye(3);E1=oe(2,1,2,I);E2=oe(I,2,3);...
E3=oe(2,2,1,I);E4=oe(-3,2,3,I);...
E5=oe(2,3,I);E6=oe(-1,3,1,I);E7=oe(2,3,2,I);
>> E1*E2*E3*E4*E5*E6*E7
1 2 3
2 1 2
0 1 2
2.1.8. >> menc=lerarq(menc1.txt); key=lerarq(key.txt);
>> y=char2num(menc); M=char2num(key);
>> N=escalona([M,eye(3)])
>> N=N(:,6:10)
>> x=N*y;
>> num2char(x)
Julho 2009 Reginaldo J. Santos
514 Respostas dos Exerccios
ans =
Desejo boa sorte a todos que estudam
Algebra Linear !
>> menc=lerarq(menc2.txt);
>> y=char2num(menc);
>> x=N*y;
>> num2char(x)
ans = Buda tinha este nome por que vivia setado!
Deve ser uma matriz com entradas entre 0 e 118 invertvel de forma que a sua inversa seja uma
matriz com entradas inteiras.
2.2. Determinantes (p agina 128)
2.2.1. det(
2
) = 9; det(
3
) = 27; det(
1
) = 1/3; det(
) = 3.
2.2.2. det(
1
) = det()/ det() = 2/3.
2.2.3. (a) det
11
12
13
+
12
21
22
23
+
22
31
32
33
+
32
=
det
11
12
13
21
22
23
31
32
33
+
det
11
12
12
21
22
22
31
32
32
= det() + 0 = 3
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 2. Invers ao de Matrizes e Determinantes 515
(b) det
11
+
12
11
12
13
21
+
22
21
22
23
31
+
32
31
32
33
=
det
11
11
13
21
21
23
31
31
33
+
det
11
12
13
21
22
23
31
32
33
+
det
12
11
13
22
21
23
32
31
33
+
det
12
12
13
22
22
23
32
32
33
= 2 det() = 6
2.2.4. (a) det
_
(1 +)
_
=
2
det
_
1
(1 +)
_
=
2
(b) det
_
cos sen
cos sen sen + cos
_
= det
_
cos sen
cos sen
_
+
det
_
cos sen
sen cos
_
=
2.2.5. (a) >> A=[1,-2,3,1;5,-9,6,3;-1,2,-6,-2;2,8,6,1];
Julho 2009 Reginaldo J. Santos
516 Respostas dos Exerccios
>> detopelp(A)
eliminacao 1:
-5*linha 1 + linha 2 ==> linha 2
1*linha 1 + linha 3 ==> linha 3
-2*linha 1 + linha 4 ==> linha 4
[ 1, -2, 3, 1]
[ 0, 1, -9, -2]
[ 0, 0, -3, -1]
[ 0, 12, 0, -1]
eliminacao 2:
-12*linha 2 + linha 4 ==> linha 4
[ 1, -2, 3, 1]
[ 0, 1, -9, -2]
[ 0, 0, -3, -1]
[ 0, 0, 108, 23]
eliminacao 3:
-1/3*linha 3 ==> linha 3
[ 1, -2, 3, 1]
[ 0, 1, -9, -2]
[ 0, 0, 1, 1/3]
[ 0, 0, 108, 23]
det(A) = -3*det(A)
-108*linha 3 + linha 4 ==> linha 4
[ 1, -2, 3, 1]
[ 0, 1, -9, -2]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 2. Invers ao de Matrizes e Determinantes 517
[ 0, 0, 1, 1/3]
[ 0, 0, 0, -13]
ans = 39
(b) >> A=[2,1,3,1;1,0,1,1;0,2,1,0;0,1,2,3];
>> detopelp(A)
eliminacao 1:
linha 2 <==> linha 1
[ 1, 0, 1, 1]
[ 2, 1, 3, 1]
[ 0, 2, 1, 0]
[ 0, 1, 2, 3]
det(A) = (-1)*det(A)
-2*linha 1 + linha 2 ==> linha 2
[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 2, 1, 0]
[ 0, 1, 2, 3]
eliminacao 2:
-2*linha 2 + linha 3 ==> linha 3
-1*linha 2 + linha 4 ==> linha 4
[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 0, -1, 2]
[ 0, 0, 1, 4]
eliminacao 3:
Julho 2009 Reginaldo J. Santos
518 Respostas dos Exerccios
-1*linha 3 ==> linha 3
[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 0, 1, -2]
[ 0, 0, 1, 4]
det(A) = (-1)*(-1)*det(A)
-1*linha 3 + linha 4 ==> linha 4
[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 0, 1, -2]
[ 0, 0, 0, 6]
ans = 6
2.2.6. (a) >> A=[0,1,2;0,0,3;0,0,0];
>> p=det(A-x*eye(3))
p =-x3
>> solve(p)
[0][0][0]
(b) p =(1-x)*(3-x)*(-2-x)
[ 1][ 3][-2]
(c) p =(2-x)*(4-5*x+x2)
[2][4][1]
(d) p =-8-2*x+5*x2-x3
[ 2][ 4][-1]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 2. Invers ao de Matrizes e Determinantes 519
2.2.7. (a) >> A=[2,0,0;3,-1,0;0,4,3];
>> B=A-x*eye(3);
>> p=det(B)
p =(2-x)*(-1-x)*(3-x)
>> solve(p)
[ 2][-1][ 3]
(b) p =(2-x)2*(1-x)
[2][2][1]
(c) p =(1-x)*(2-x)*(-1-x)*(3-x)
[ 1][ 2][-1][ 3]
(d) p =(2-x)2*(1-x)2
[2][2][1][1]
2.2.8. (a) >> Bm1=subs(B,x,-1);
>> escalona(Bm1)
[1, 0, 0]
[0, 1, 1]
[0, 0, 0]
1
= {
}.
>> B2=subs(B,x,2);
>> escalona(B2)
[1, 0, 1/4]
Julho 2009 Reginaldo J. Santos
520 Respostas dos Exerccios
[0, 1, 1/4]
[0, 0, 0]
2
= {
}.
>> B3=subs(B,x,3);
>> escalona(B3)
[1, 0, 0]
[0, 1, 0]
[0, 0, 0]
3
= {
0
0
}.
(b) [1, 3, 0]
[0, 0, 1]
[0, 0, 0]
1
= {
}.
[0, 1, 0]
[0, 0, 0]
[0, 0, 0]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 2. Invers ao de Matrizes e Determinantes 521
2
= {
, }.
(c) [1, 1, 0, 0]
[0, 0, 1, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
1
= {
_
0 0
}.
[0, 1, 0, 0]
[0, 0, 1, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
1
= {
_
0 0 0
}.
[1, 0, 0, 29/3]
[0, 1, 0, 7/3]
[0, 0, 1, 3]
[0, 0, 0, 0]
2
= {
_
29 7 9 3
}.
[1, 0, -9/4, 0]
[0, 1, -3/4, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
Julho 2009 Reginaldo J. Santos
522 Respostas dos Exerccios
3
= {
_
9 3 4 0
}.
(d) [1, 0, -3, 0]
[0, 1, 3, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
1
= {
_
3 3 0
}.
[0, 1, 0, 0]
[0, 0, 1, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
2
= {
_
0 0 0
}.
2.2.9. Conclumos que e muito raro encontrar matrizes invertveis.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 3. Vetores no Plano e no Espac o 523
3.1. Soma de Vetores e Multiplicac ao por Escalar (p agina 158)
3.1.1. >> OA=[0,-2];OB=[1,0];
>> AB=OB-OA
AB = 1 2
>> AC=2*AB
AC = 2 4
>> OC=OA+AC
OC = 2 2
= (2, 2).
3.1.2. Os pontos
1
= (0, 1) e
2
= (1, 3) s ao pontos da reta. Assim o vetor =
2
= (1, 2) e
paralelo a reta.
3.1.3. A inclinac ao da reta e =
2
1
=
3
2
. Assim uma equac ao da reta tem a forma =
3
2
+ .
Substituindo-se = 1 e = 2 obtemos =
1
2
. Uma equac ao para a reta e =
3
2
+
1
2
.
3.1.4. A equac ao 3 2 = 15( ) e equivalente a 3 2 = 15 15. Somando-se
15 + 2 obtemos 15 + 3 = 2 15 ou 12 = 2 15 multiplicando-se por
1
12
obtemos =
5
4
1
6
.
3.1.5. Multiplicando-se a segunda equac ao por 2 e somando-se a primeira, obtemos 12 = 3 +2
ou =
1
4
+
1
6
. Substituindo-se na primeira equac ao obtemos,
3
2
+ 2 = ou
2 =
1
2
+ ou =
1
4
+
1
2
.
3.1.6. >> OP=[ 2, 3, -5]; V=[ 3, 0, -3];
Julho 2009 Reginaldo J. Santos
524 Respostas dos Exerccios
>> OQ=OP+V
OQ = 5 3 -8
= (5, 3, 8).
3.1.7. >> OP=[1,0,3]; OM=[1,2,-1];
>> MP=OP-OM; OPlinha=OM-MP
OPlinha = 1 4 -5
= (1, 4, 5).
3.1.8. (a) >> OA=[5,1,-3];OB=[0,3,4];OC=[0,3,-5];
>> AB=OB-OA, AC=OC-OA,
AB = -5 2 7
AC = -5 2 -2
Os pontos n ao s ao colineares, pois
.
(b) >> OA=[-1,1,3];OB=[4,2,-3];OC=[14,4,-15];
>> AB=OB-OA, AC=OC-OA,
AB = 5 1 -6
AC = 15 3 -18
Os pontos s ao colineares, pois
= 3
.
3.1.9. >> OA=[1,-2,-3];OB=[-5,2,-1];OC=[4,0,-1];
>> DC=OB-OA, OD=OC-DC
DC = -6 4 2
OD = 10 -4 -3
O ponto e = (10, 4, 3).
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 3. Vetores no Plano e no Espac o 525
3.1.10. (a) A equac ao + = e equivalente ao sistema
9 = 4
12 + 7 = 6
6 + = 2
, cuja
matriz aumentada e a matriz que tem colunas , e .
>> V=[9,-12,-6];W=[-1,7,1];U=[-4,-6,2];
>> escalona([V;W;U])
[ 1, 0, -2/3]
[ 0, 1, -2]
[ 0, 0, 0]
Assim, = 2/3 2.
(b) >> V=[5,4,-3];W=[2,1,1];U=[-3,-4,1];
>> escalona([V;W;U])
[ 1, 0, -5/3]
[ 0, 1, 8/3]
[ 0, 0, -20/3]
Assim, n ao e combinac ao linear de e .
3.1.11. Para ser um paralelogramo um dos vetores
0
= 0.
ou seja, se, e somente se,
( + 1, 1) (2, 3) = 0
ou
2 + 3 1 = 0
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 3. Vetores no Plano e no Espac o 527
3.2.2. Uma esfera de raio igual a 2. Se for no espaco e um cilindro de raio igual a 2, se for no plano e
uma circunfer encia de raio igual a 2.
3.2.3. >> V=[1,2,-3]; W=[2,1,-2];
>> Va=(V+W)/no(V+W), Vb=(V-W)/no(V-W),...
>> Vc=(2*V-3*W)/no(2*V-3*W)
=
_
3
43
3
43
5
43
_
,
=
_
1
3
1
3
1
3
_
,
=
_
4
17
1
17
0
_
3.2.4. >> syms x
>> V=[x,3,4];W=[3,1,2];
>> solve(pe(V,W))
-11/3
Para = 11/3, e s ao perpendiculares.
3.2.5. >> V=[x,2,4];W=[x,-2,3];
>> pe(V,W)
x2+8
A equac ao
2
+ 8 n ao tem soluc ao real.
3.2.6. >> Va=[2,1,0];Wa=[0,1,-1];Vb=[1,1,1];
>> Wb=[0,-2,-2];Vc=[3,3,0];Wc=[2,1,-2];
>> cosVaWa=pe(Va,Wa)/(no(Va)*no(Wa)),...
>> cosVbWb=pe(Vb,Wb)/(no(Vb)*no(Wb)),...
Julho 2009 Reginaldo J. Santos
528 Respostas dos Exerccios
>> cosVcWc=pe(Vc,Wc)/(no(Vc)*no(Wc))
cosVaWa=
1
10
2, cosVbWb=
1
3
2, cosVcWc=
1
2
2. O angulo entre e e
arccos(
2/2) = /4.
3.2.7. >> W=[-1,-3,2]; V=[0,1,3];
>> W1=(pe(W,V)/pe(V,V))*V, W2=W-W1
W1 = 0 3/10 9/10
W2 = -1 -33/10 11/10
3.2.8. >> V=[2,2,1]; W=[6,2,-3];
>> X=V/no(V)+W/no(W), U=X/no(X)
X=[32/21, 20/21, -2/21]
=
_
16
357
17
21
10
357
17
21
1
357
17
21
2
A area do paralelogramo e
2 unidades de area.
3.2.12. >> A=[1,2,1];B=[3,0,4];C=[5,1,3];
>> V=pv(B-A,C-A), norma=no(V)
AD = -1 8 6
norma=
101
A area do tri angulo e
= 0.
=
1
2
(
=
1
2
(
) (
)
=
1
2
(
2
+
+
) = 0
3.2.21. Seja o lado situado no di ametro da circunfer encia e seu centro. Vamos mostrar que
= 0.
= (
) (
)
=
2
+
+
+
2
= 0
3.2.22. Se as diagonais s ao perpendiculares, ent ao ( + ) ( ) = 0. Mas,
( + ) ( ) =
2
2
.
Ent ao, os lados adjacentes t em o mesmo comprimento e como ele e um paralelogramos todos
os lados t em o mesmo comprimento.
3.2.23. Vamos mostrar que = 0.
+
2
=
2
+ 2 +
2
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 3. Vetores no Plano e no Espac o 533
2
=
2
2 +
2
Assim + = implica que = 0.
Julho 2009 Reginaldo J. Santos
534 Respostas dos Exerccios
4.1. Equac oes de Retas e Planos (p agina 242)
4.1.1.
(a)
y
z
x
1/2
1/3
1/5
(b)
y
z
x
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 4. Retas e Planos 535
(c)
y
z
x
1/3
1/2
(d)
y
z
x
1/2
1/3
(e)
y
z
x
1/3 1/2
Julho 2009 Reginaldo J. Santos
536 Respostas dos Exerccios
(f)
y
z
x
2/5
(g)
y
z
x
2/3
(h)
y
z
x
1/2
4.1.2.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 4. Retas e Planos 537
(a)
y
z
x
= (3, 1/2, 2)
(b)
y
z
x
= (2, 1, 3/2)
(c)
y
z
x
= (1, 0, 2)
Julho 2009 Reginaldo J. Santos
538 Respostas dos Exerccios
(d)
y
z
x
= (0, 2, 3/2)
(e)
y
z
x
= (2, 1, 0)
(f)
y
z
x
= (0, 0, 2)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 4. Retas e Planos 539
(g)
y
z
x
= (0, 2, 0)
(h)
y
z
x
= (2, 0, 0)
4.1.3. Como o novo plano e paralelo ao plano 2 + 5 3 = 0, ent ao o vetor = (2, 1, 5) e
tamb em vetor normal do plano procurado. Assim, a equac ao dele e 2 + 5 + = 0. Para
determinar substitumos o ponto = (1, 2, 1) na equac ao do plano:
>> syms x y z d
>> expr=2*x-y+5*z+d
expr = 2*x-y+5*z+d
>> subst(expr,[x,y,z],[1,-2,1])
ans = 9+d
Julho 2009 Reginaldo J. Santos
540 Respostas dos Exerccios
Assim a equac ao do plano e 2 + 5 9 = 0.
4.1.4. Os vetores normais dos outros planos,
1
= (1, 2, 3) e
2
= (2, 1, 4), s ao paralelos a ao
plano procurado . Assim o produto vetorial
1
2
e um vetor normal a .
>> N1=[1,2,-3];N2=[2,-1,4];
>> N=pv(N1,N2)
N = 5 -10 -5
Assim, a equac ao de e 5 10 5 + = 0. Para determinar substitumos o ponto
= (2, 1, 0) na equac ao do plano:
>> expr=5*x-10*y-5*z+d
expr = 5*x-10*y-5*z+d
>> subst(expr,[x,y,z],[2,1,0])
ans = d
Assim, a equac ao do plano e 5 10 5 = 0.
4.1.5. Como o plano procurado passa pelos pontos = (1, 0, 0) e = (1, 0, 1) e e perpendicular
ao plano = 0, ent ao os vetores
1
= (0, 1, 1) s ao paralelos ao plano procurado . Assim o produto vetorial
1
e um
vetor normal a .
>> PQ=[0,0,1];N1=[0,1,-1];
>> N=pv(PQ,N1)
N = -1 0 0
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 4. Retas e Planos 541
Assim, a equac ao de e + = 0. Para determinar substitumos o ponto = (1, 0, 0) na
equac ao do plano, obtendo que a equac ao de e + 1 = 0.
4.1.6. A equac ao da reta e (, , ) = (, 2, ). Substituindo-se o ponto da reta na equac ao do plano
obtemos o valor de
>> V=[1,2,1];
>> syms t
>> t=solve(2*t+2*t+t-5)
t = 1
Substituindo-se este valor de nas equac oes param etricas da reta obtemos o ponto =
(1, 2, 1).
4.1.7. Um ponto da reta e da forma
, ou seja, se o
sistema seguinte tem soluc ao
9 = 1 + 2
1 + 6 = 3 +
2 + 3 = 1
>> escalona([9,-2,1;6,-1,2;3,0,3])
[ 9, -2, 1]
[ 6, -1, 2]
[ 3, 0, 3]
eliminacao 1:
Julho 2009 Reginaldo J. Santos
542 Respostas dos Exerccios
(1/9)*linha 1 ==> linha 1
[ 1, -2/9, 1/9]
[ 6, -1, 2]
[ 3, 0, 3]
(-6)*linha 1 + linha 2 ==> linha 2
(-3)*linha 1 + linha 3 ==> linha 3
[ 1, -2/9, 1/9]
[ 0, 1/3, 4/3]
[ 0, 2/3, 8/3]
eliminacao 2:
(3)*linha 2 ==> linha 2
[ 1, -2/9, 1/9]
[ 0, 1, 4]
[ 0, 2/3, 8/3]
(2/9)*linha 2 + linha 1 ==> linha 1
(-2/3)*linha 2 + linha 3 ==> linha 3
[ 1, 0, 1]
[ 0, 1, 4]
[ 0, 0, 0]
A soluc ao do sistema e = 1 e = 4. Substituindo-se ou = 1 na equac ao da reta ou = 4
na equac ao da reta obtemos o ponto da intersec ao = (9, 7, 1).
4.1.8. Os vetores diretores das retas,
1
= (2, 2, 1) e
2
= (1, 1, 1), s ao paralelos ao plano procurado
. Assim, o produto vetorial
1
2
e um vetor normal a .
>> V1=[2,2,1]; V2=[1,1,1]; P1=[2,0,0];
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 4. Retas e Planos 543
>> N=pv(V1,V2)
N = 1 -1 0
Assim, a equac ao de e + = 0. Para determinar substitumos o ponto
1
= (2, 2, 1)
da reta na equac ao do plano:
>> expr=x-y+d
expr =x-y+d
>> subst(expr,[x,y,z],P1)
ans =2+d
Assim, a equac ao do plano e 2 = 0.
4.1.9. (a) Substituindo-se o ponto = (4, 1, 1) nas equac oes da reta obtemos valores diferentes
de :
>> solve(4=2+t), solve(1=4-t),...
>> solve(-1=1+2*t)
ans = 2 ans = 3 ans = -1
Logo n ao existe um valor de tal que = (2 +, 4 , 1 + 2).
(b) O ponto = (2, 4, 1) e um ponto do plano procurado. Assim, e paralelo aos vetores
e tamb em um
vetor paralelo a . Assim o produto vetorial
e um vetor normal a .
>> A=[1,0,-1]; P=[1/3,-1/3,0];
>> V=[-2/3,5/3,1];
>> AP=P-A
AP = [-2/3, -1/3, 1]
>> N=pv(AP,V)
N = [ -2, 0, -4/3]
Julho 2009 Reginaldo J. Santos
546 Respostas dos Exerccios
Substituindo-se o ponto ou o ponto na equac ao 2 4/3 + = 0 obtemos a equac ao
do plano 6 + 4 2 = 0.
4.1.15. >> syms t s
>> A=[0,1,0];B=[1,1,0];C=[-3,1,-4];D=[-1,2,-7];
>> BA=B-A, CD=D-C,
BA = 1 0 0
CD = 2 1 -3
tais que
= , ou seja, precisamos
encontrar e tais que ( 2 + 3, , 3 + 4) = (, 5, ).
>> escalona([1,-2,-1,-3;0,-1,5,0;0,3,1,-4])
[ 1, -2, -1, -3]
[ 0, -1, 5, 0]
[ 0, 3, 1, -4]
eliminacao 2:
(-1)*linha 2 ==> linha 2
[ 1, -2, -1, -3]
[ 0, 1, -5, 0]
[ 0, 3, 1, -4]
(2)*linha 2 + linha 1 ==> linha 1
(-3)*linha 2 + linha 3 ==> linha 3
[ 1, 0, -11, -3]
[ 0, 1, -5, 0]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 4. Retas e Planos 547
[ 0, 0, 16, -4]
eliminacao 3:
(1/16)*linha 3 ==> linha 3
[ 1, 0, -11, -3]
[ 0, 1, -5, 0]
[ 0, 0, 1, -1/4]
(11)*linha 3 + linha 1 ==> linha 1
(5)*linha 3 + linha 2 ==> linha 2
[ 1, 0, 0, -23/4]
[ 0, 1, 0, -5/4]
[ 0, 0, 1, -1/4]
Pr0 = [-23/4, 1, 0]
Ps0 = [-11/2, -1/4, -1/4]
V = [1/4, -5/4, -1/4]
Encontramos que = 23/4, = 5/4 e = 1/4. Substituindo-se ou = 23/4 em
2
s ao n ao colineares e paralelos
ao plano procurado. Assim, 7 2 + = 0 e a equac ao do plano.
4.1.18. (a) >> N1=[1,2,-3]; N2=[1,-4,2]; V=pv(N1,N2)
V = -8 -5 -6
Os planos se interceptam segundo uma reta cujo vetor diretor e = (8, 5, 6). Fa-
zendo = 0 nas equac oes obtemos um sistema de duas equac oes e duas inc ognitas
cuja soluc ao e = 3, = 1. Assim,
0
= (3, 0, 1) e um ponto da reta e as equac oes
param etricas da reta s ao
= 3 8
= 5,
= 1 6
para
Julho 2009 Reginaldo J. Santos
550 Respostas dos Exerccios
(b) >> N1=[1,-1,0]; N2=[1,0,1]; V=pv(N1,N2)
V = -1 -1 1
Os planos se interceptam segundo uma reta cujo vetor diretor e = (1, 1, 1). Clara-
mente
0
= (0, 0, 0) e um ponto da reta e as equac oes param etricas da reta s ao
=
= ,
=
para
4.1.19. (a)
: (, , ) = (0, 1, 2)
: (, , ) = (1, 0, 2)
: (, , ) = (0, 1, 2) +(1, 1, 0)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 4. Retas e Planos 551
y
z
x
(b) = (0, 0, 2), = (0, 1, 2) e = (1, 0, 2).
vol =
1
6
)
= det
0 0 2
0 1 2
1 0 2
=
2
6
=
1
3
.
(c) area =
1
2
=
1
2
(2, 2, 1) =
3
2
(d)
= dist(, ) =
2
3
=
2
3
.
Julho 2009 Reginaldo J. Santos
552 Respostas dos Exerccios
4.1.20. (a) Um ponto qualquer da reta
1
e descrito por
1
= (1+, 2+3, 4) e um ponto qualquer
da reta
2
e da forma
2
= (1 + , 1 + 2, 2 + 3). Aqui e necess ario o uso de um
par ametro diferente para a reta
2
. O vetor
2
= (2 + , 1 + 2 3, 2 + 3 4)
liga um ponto qualquer de
1
a um ponto qualquer de
2
. Vamos determinar e tais que
o vetor
2
seja perpendicular ao vetor diretor
1
= (1, 3, 4) de
1
e ao vetor diretor
2
= (1, 2, 3) de
2
, ou seja, temos que resolver o sistema
_
2
1
= 13 + 19 26 = 0
2
2
= 10 + 14 19 = 0
A soluc ao deste sistema e = 8/3, = 13/3. Logo
1
= (11/3, 10, 32/3),
2
=
(10/3, 29/3, 11) e
3
=
2
= (1, 1, 1). Assim as equac oes param etricas da reta
procurada s ao
3
:
= 11/3
= 10 ,
= 32/3 +
para .
(b) Um ponto qualquer da reta
1
e descrito por
1
= (1+, 2+3, 4) e um ponto qualquer
da reta
2
e da forma
2
= (, 4 +2, 3 +3). Aqui e necess ario o uso de um par ametro
diferente para a reta
2
. O vetor
2
= (1 + , 2 + 2 3, 3 + 3 4)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 4. Retas e Planos 553
liga um ponto qualquer de
1
a um ponto qualquer de
2
. Vamos determinar e tais que
o vetor
2
seja perpendicular ao vetor diretor
1
= (1, 3, 4) de
1
e ao vetor diretor
2
= (1, 2, 3) de
2
, ou seja, temos que resolver o sistema
_
2
1
= 19 + 19 26 = 0
2
2
= 14 + 14 19 = 0
A soluc ao deste sistema e = 0, = 1. Logo
1
= (1, 2, 0),
2
= (1, 2, 0) e
2
= (0, 0, 0). Neste caso o vetor
2
n ao pode ser o vetor diretor da reta procu-
rada. Vamos tomar como vetor diretor da reta procurada o vetor
3
=
1
2
= (1, 1, 1).
Assim as equac oes param etricas da reta procurada s ao
3
:
= 1 +
= 2 +,
=
para .
4.2.
Angulos e Dist ancias (p agina 270)
4.2.1. >> V=[1,3,2];W=[2,-1,1];U=[1,-2,0];
>> N=pv(W,U), projecao=(pe(V,N)/pe(N,N))*N
N = 2 1 -3 projecao = -1/7 -1/14 3/14
4.2.2. >> N1=[2,-1,1]; N2=[1,-2,1];
>> costh=pe(N1,N2)/(no(N1)*no(N2))
costh = 5/6
Julho 2009 Reginaldo J. Santos
554 Respostas dos Exerccios
>> acos(5/6)*180/pi
ans = 33.5573
O angulo e arccos(5/6) 33, 5
o
.
4.2.3. >> A=[1,1,1];B=[1,0,1];C=[1,1,0];
>> P=[0,0,1];Q=[0,0,0];V=[1,1,0];
>> N1=pv(B-A,C-A), N2=pv(Q-P,V),...
>> costh=pe(N1,N2)/(no(N1)*no(N2))
N1 = 1 0 0, N2 = 1 -1 0,
costh = 1/2*2(1/2)
O angulo e arccos(
2/2) = 45
o
.
4.2.4. O vetor diretor da reta procurada = (, , ) faz angulo de 45
o
com o vetor
e 60
o
com o vetor
. Podemos xar arbitrariamente a norma do vetor . Por exemplo, podemos tomar o vetor
com norma igual a 2.
= (, , )
2
=
2
+
2
+
2
= 4
= cos 45
2
2
, = 1
= cos 60
=
1
2
, = 1
Substituindo-se estes valores em
2
+
2
+
2
= 4:
2 + 1 +
2
= 4, = 1
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 4. Retas e Planos 555
Assim, existem aparentemente, oito retas que passam pelo ponto = (1, 2, 3) e fa-
zem angulo de 45
o
com o eixo x e 60
o
com o eixo y. Elas s ao (, , ) = (1, 2, 3) +
(
2, 1, 1). Na verdade existem quatro retas (distintas), pois um vetor diretor e o seu
sim etrico determinam a mesma reta. Elas s ao (, , ) = (1, 2, 3) +(
2, 1, 1).
4.2.5. >> syms t, A=[1,1,0]; V=[0,1,-1]; Pr=[0,t,-t];
>> PrA=A-Pr, expr1=pe(PrA,V)
PrA = [1, 1-t, t] expr1 = 1-2*t
expr2 = 2*(1-t+t2)(1/2)
>> expr2=no(PrA)*no(V)
>> solve((expr1/expr2)2-1/4)
[0][1]
>> B=subs(Pr,t,0), C=subs(Pr,t,1)
B = [0, 0, 0] C = [0, 1, -1]
4.2.6. >> A=[1,0,0]; B=[0,1,0]; C=[1,0,1]; O=[0,0,0];
>> N=B-A
-1 2 0
>> dist=abs(pe(N,C-O))/no(N)
dist =1/2(1/2)
A dist ancia e igual a 1/
2.
4.2.7. (a) >> syms t s
>> A=[1,0,0]; B=[0,2,0]; V2=[1,2,3]; P2=[2,3,4];
>> Pr1=A+t*(B-A), Pr2=P2+s*V2
Pr1 = [1-t, 2*t, 0] Pr2 = [2+s, 3+2*s, 4+3*s]
Julho 2009 Reginaldo J. Santos
556 Respostas dos Exerccios
2
= (1 , 2, 0) e um ponto qualquer da reta
1
e
2
= (2 + , 3 + 2, 4 + 3) e
um ponto qualquer da reta
2
. Devemos determinar e tais que o vetor
2
seja
perpendicular aos vetores diretores de
1
e de
2
.
>> Pr1Pr2=Pr2-Pr1
Pr1Pr2 = [1+s+t, 3+2*s-2*t, 4+3*s]
>> expr1=pe(Pr1Pr2,B-A), expr2=pe(Pr1Pr2,V2)
expr1 = 5+3*s-5*t expr2 = 19+14*s-3*t
>> S=solve(5+3*s-5*t,19+14*s-3*t)
>> S.t, S.s
t = 13/61, s = -80/61
>> Pr10=subs(Pr1,t,13/61),
Pr10 = [48/61, 26/61, 0]
>> Pr20=subs(Pr2,s,-80/61)
Pr20 = [42/61, 23/61, 4/61]
>> V=Pr20-Pr10, expr=Pr10+t*V
V = [-6/61, -3/61, 4/61]
expr = [48/61-6/61*t, 26/61-3/61*t, 4/61*t]
A equac ao da reta e (, , ) = (48/61 (6/61), 26/61 (3/61), (4/61)).
(b) A dist ancia entre
1
e
2
e igual a norma do vetor
2
= (6/61, 3/61, 4/61) que e
igual a 1/
61.
4.2.8. >> A=[0,2,1]; Pr=[t,2-t,-2+2*t];
>> APr=Pr-A, dist=no(APr)
APr = [t, -t, -3+2*t]
dist = 3(1/2)*(2*t2+3-4*t)(1/2)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 4. Retas e Planos 557
>> solve(dist2-3)
[1][1]
>> P=subs(Pr,t,1)
P = [1, 1, 0]
A dist ancia de at e a reta e igual a
3.
4.2.9. >> syms t
>> A=[1,1,1]; B=[0,0,1]; Pr=[1+t,t,t];
>> APr=Pr-A, BPr=Pr-B
APr = [t, -1+t, -1+t] BPr = [1+t, t, -1+t]
>> dist1q=pe(APr,APr), dist2q=pe(BPr,BPr)
dist1q = 3*t2+2-4*t dist2q = 2+3*t2
>> solve(dist1q-dist2q)
t=0
>> subs(Pr,t,0)
[1, 0, 0]
O ponto = (1, 0, 0) e eq uidistante de e .
4.2.10. >> A=[1,-1,2]; B=[4,3,1]; X=[x,y,z];
>> AX=X-A, BX=X-B,
AX = [x-1, y+1, z-2] BX = [x-4, y-3, z-1]
>> dist1q=pe(AX,AX), dist2q=pe(BX,BX)
dist1q = x2-2*x+6+y2+2*y+z2-4*z
dist2q = x2-8*x+26+y2-6*y+z2-2*z
>> expr=dist1q-dist2q
expr = 6*x-20+8*y-2*z
Julho 2009 Reginaldo J. Santos
558 Respostas dos Exerccios
A equac ao do lugar geom etrico e 6+8 2 20 = 0. Este plano passa pelo ponto m edio de
, pois o ponto m edio de e =
= 1/2(
= (3, 4, 1).
4.2.11. >> syms x y z d
>> expr1=2*x+2*y+2*z+d;
>> P1=[0,0,-d/2]; N=[2,2,2]; P=[1,1,1];
>> expr2=abs(pe(P-P1,N))/no(N)
expr2 = 1/6 6 +
3
>> solve(expr2-sqrt(3),d)
ans = [ 0][ -12]
Os planos 2 + 2 + 2 = 0 e 2 + 2 + 2 12 = 0 satisfazem as condic oes do exerccio.
4.2.12. >> N2=[1,-2,2];N3=[3,-5,7];
>> V=pv(N2,N3)
V = -4 -1 1
= (, , ),
1
= (1, 0, 1)
= cos(/3)
2
= 2
= 0
2
+
2
+
2
=
1
2
2
+
2
+
2
= 2
4 + = 0
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 4. Retas e Planos 559
Da 1a. equac ao (usando a 2a. equac ao) segue que
+ = 1 = 1 .
Da 3a. equac ao
= 4 = 1 5,
Substituindo-se os valores de e encontrados na 2a. equac ao:
2
+ (1 5)
2
+ (1 )
2
= 2,
27
2
= 12, = 0 ou = 4/9.
= (0, 1, 1) ou = (4/9, 11/9, 5/9)
Os planos + = 0 e 4 11 + 5 = 0 satisfazem as condic oes do exerccio
4.2.13. (a)
= (1, 1, 1) (1, 1, 0) = 0
(b) Tomando
= (0, 0, 0) e
= (1, 0, 1):
d(, ) =
=
(1, 0, 1) (1, 1, 1)
3
=
2
3
(c) N ao. Pois se e uma reta reversa ` a contida em , ent ao
d(, ) = d(, ) =
2
3
< 2.
Julho 2009 Reginaldo J. Santos
560 Respostas dos Exerccios
4.2.14. (a)
= (7/3, 7/2, 0)
= (7/3, 2, 11/6)
1
= (36/77)
= (3, 2, 6)
A equac ao do plano e 3 + 2 + 6 6 = 0
(b)
= (5/2, 5, 11)
= (5, 5/2, 0)
2
= (2/5)
= (2, 1, 0)
A equac ao do plano e 2 + 2 = 0
(c)
_
3 2 6 6
2 1 0 2
_
_
1 2/3 2 2
2 1 0 2
_
_
1 2/3 2 2
0 1/3 4 2
_
_
1 2/3 2 2
0 1 12 6
_
_
1 0 6 2
0 1 12 6
_
As equac oes param etricas da reta s ao (, , ) = (2 + 6, 6 12, ).
(d)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 4. Retas e Planos 561
y
z
x
(e) cos(
1
,
2
) =
1
=
8
7
5
(f)
= proj
=
1
1
=
6
49
(3, 2, 6)
(g) area =
563
(1/13)*linha 2 ==> linha 2
[ 1, 3, 7, 5, 8, 1, 3]
[ 0, 1, 3, 1, 2, 2/13, 11/13]
[ 0, -15, -45, -15, -30, -7, -16]
Continua ? (s/n) s
(-3)*linha 2 + linha 1 ==> linha 1
(15)*linha 2 + linha 3 ==> linha 3
[ 1, 0, -2, 2, 2, 7/13, 6/13]
[ 0, 1, 3, 1, 2, 2/13, 11/13]
[ 0, 0, 0, 0, 0, -61/13, -43/13]
Continua ? (s/n) n
Assim, os vetores dos itens (a) e (b) s ao combinac ao linear de
1
,
2
e
3
, pois os sistemas
[
1
2
3
] = , para os vetores dos itens (a) e (b) t em soluc ao, enquanto para os vetores
dos itens (c) e (d) n ao t em soluc ao.
5.1.2. Do escalonamento realizado no item anterior deduzimos que o sistema [
1
2
3
] =
0
tem soluc ao n ao trivial. Logo, os vetores
1
,
2
e
3
s ao L.D. A soluc ao e = 2, = 3 e
= . Escolhendo = 1 e substituindo os valores de , e na equac ao
1
+
2
+
3
=
0
obtemos que
3
= 2
1
+ 3
2
.
5.1.3. (a) >> v1=[1,1,2];v2=[1,0,0];
>> v3=[4,6,12]
>> A=[v1;v2;v3;zeros(1,3)].
1 1 4 0
1 0 6 0
Julho 2009 Reginaldo J. Santos
564 Respostas dos Exerccios
2 0 12 0
>> R=escalona(A)
1 0 6 0
0 1 -2 0
0 0 0 0
Logo, a equac ao (1, 1, 2) + (1, 0, 0) + (4, 6, 12) =
0 admite soluc ao n ao trivial. Isto
implica que os vetores do item (a) s ao L.D.
(b) >> v1=[1,-2,3];v2=[-2,4,-6];
>> A=[v1;v2;zeros(1,3)].
1 -2 0
-2 4 0
3 -6 0
>> R=escalona(A)
1 -2 0
0 0 0
0 0 0
Logo, a equac ao (1, 2, 3) + (2, 4, 6) =
0 admite soluc ao n ao trivial. Isto implica
que os vetores da item (b) s ao L.D. Observe que o segundo vetor e 2 vezes o primeiro.
(c) >> v1=[1,1,1];v2=[2,3,1];
>> v3=[3,1,2];
>> A=[v1;v2;v3;zeros(1,3)].
1 2 3 0
1 3 1 0
1 1 2 0
>> R=escalona(A)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
565
1 0 0 0
0 1 0 0
0 0 1 0
Logo, a equac ao (1, 1, 1) + (2, 3, 1) + (3, 1, 2) =
0 s o admite a soluc ao trivial. Isto
implica que os vetores do item (c) s ao L.I.
(d) >> v1=[4,2,-1];v2=[6,5,-5];v3=[2,-1,3];
>> A=[v1;v2;v3;zeros(1,3)].
4 6 2 0
2 5 -1 0
-1 -5 3 0
>> R=escalona(A)
1 0 2 0
0 1 -1 0
0 0 0 0
Logo, o sistema (4, 2, 1) +(2, 3, 1) +(2, 1, 3) =
0 admite soluc ao n ao trivial. Isto
implica que os vetores do item (d) s ao L.D.
5.1.4. >> syms a
>> A=[3,1,0;a2+2,2,0;0,0,0]
A =
[3, a2+2, 0]
[1, 2, 0]
[0, 0, 0]
>> escalona(A)
eliminacao 1:
Julho 2009 Reginaldo J. Santos
566 Respostas dos Exerccios
linha 2 <==> linha 1
[ 1 2 0 ]
[ ]
[ 2 ]
[ 3 a + 2 0 ]
[ ]
[ 0 0 0 ]
Continua ? (s/n) s
-(3)*linha 1 + linha 2 ==> linha 2
[ 1 2 0 ]
[ ]
[ 2 ]
[ 0 a - 4 0 ]
[ ]
[ 0 0 0 ]
Continua ? (s/n) n
>> solve(a2-4)
ans = [ 2][-2]
Para = 2 o conjunto de vetores e L.D.
5.1.5. (a)
1
1
+
2
2
+
3
3
=
1
(
1
+
2
) +
2
(
1
+
3
) +
3
(
2
+
3
) = (
1
+
2
)
1
+
(
1
+
3
)
2
+ (
2
+
3
)
3
=
0. Como
1
,
2
e
3
s ao por hip otese L.I., os esca-
lares que os est ao multiplicando t em que ser iguais a zero. O que leva ao sistema
1
+
2
= 0
1
+
3
= 0
2
+
3
= 0
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
567
>> A=[1,1,0;1,0,1;0,1,1]
>> escalona(A)
[ 1, 1, 0]
[ 1, 0, 1]
[ 0, 1, 1]
[ 1, 0, 0]
[ 0, 1, 0]
[ 0, 0, 1]
Assim, o sistema e a equac ao vetorial inicial t em somente a soluc ao trivial
1
=
2
=
3
= 0. Portanto os vetores
1
,
2
e
3
s ao L.I.
(b)
1
1
+
2
2
+
3
3
=
1
1
+
2
(
1
+
3
) +
3
(
1
+
2
+
3
) = (
1
+
2
+
3
)
1
+
3
2
+ (
2
+
3
)
3
=
0 Como
1
,
2
e
3
s ao por hip otese L.I., os esca-
lares que os est ao multiplicando t em que ser iguais a zero. O que leva ao sistema
1
+
2
+
3
= 0
3
= 0
2
+
3
= 0
Assim, o sistema e a equac ao vetorial inicial t em somente
a soluc ao trivial
1
=
2
=
3
= 0. Portanto os vetores
1
,
2
e
3
s ao L.I.
5.1.6. (a) >> syms m,P1=[1,0,2];V1=[2,1,3];
>> P2=[0,1,-1];V2=[1,m,2*m];
>> expr=det([V1;V2;P2-P1])
expr = -9*m+6
>> solve(expr)
ans = 2/3
Julho 2009 Reginaldo J. Santos
568 Respostas dos Exerccios
Para = 2/3 as retas s ao coplanares.
(b) Para = 2/3, os vetores diretores
1
= (2, 1, 3) e
2
= (1, 2/3, 4/3) s ao L.I., pois um
n ao e m ultiplo escalar do outro. Portanto, as retas s ao concorrentes.
(c) >> syms x y z; P=[x,y,z];
>> V2=subs(V2,m,2/3)
V2 = [ 1, 2/3, 4/3]
>> N=pv(V1,V2)
N= [ -2/3, 1/3, 1/3]
Tomando como vetor normal 3 = (2, 1, 1) a equac ao do plano e 2+ = 0.
Para determinar substitumos o ponto
1
= (1, 0, 2) na equac ao do plano:
>> subst(2*x-y-z+d,[x,y,z],[1,0,2])
>> ans= d
Assim, a equac ao do plano e 2 = 0.
5.1.7. Precisamos determinar para que os vetores = (2, , 1),
1
= (1, 2, 0) e
2
= (1, 0, 1)
sejam L.D.
>> syms m
>> W=[2,m,1];V1=[1,2,0];V2=[1,0,1];
>> solve(det([W;V1;V2]))
ans = 2
Para = 2 a reta e paralela ao plano. A reta est a contida no plano se, e somente se, os
vetores
1
,
1
,
2
forem L.D., em que
1
= (1, 1, 1) e um ponto da reta.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
569
>> P1=[1,1,1];
>> det([P1;V1;V2])
ans = -1
A reta n ao est a contida no plano.
5.1.8. (a) >> V1=[1;2;3]; V2=[3;4;5]; V3=[5;6;7];
>> V=randi(3,1)
V = 0
4
3
>> escalona([V1,V2,V3,V])
ans = 1 0 -1 0
0 1 2 0
0 0 0 1
Assim, V n ao e combinac ao linear de V1, V2 e V3.
(b) >> M=randi(3,5)
M = -2 -4 1 -5 5
3 -3 -3 3 0
-5 -3 -3 -1 -1
>> escalona([V1,V2,V3,M])
1 0 -1 0 37/13 -101/26 173/26 -96/13
0 1 2 0 -29/13 37/26 -85/26 51/13
0 0 0 1 1/13 -4/13 12/13 -4/13
Assim, nenhuma das colunas de M e combinac ao linear de V1, V2 e V3. Como as colunas
Julho 2009 Reginaldo J. Santos
570 Respostas dos Exerccios
de M foram geradas aleatoriamente, o mais prov avel e que elas n ao pertencam ao plano
gerado por V1, V2 e V3.
(c) V3=-V1+2V2, que e a mesma relac ao que e v alida entre as colunas de forma escalonada
reduzida da matriz [V1,V2,V3,M].
5.2. Subespac os Base e Dimens ao (p agina 327)
5.2.1. (a) >> A=[1,0,1,0,0;1,2,3,1,0;2,1,3,1,0]
1 0 1 0 0
1 2 3 1 0
2 1 3 1 0
>> R=escalona(A)
1 0 1 0 0
0 1 1 0 0
0 0 0 1 0
Encontramos a forma reduzida escalonada da matriz [
1
+
3
= 0
2
+
3
= 0
4
= 0
Este sistema tem como soluc ao geral
= {(, , , 0) } .
Agora, para qualquer elemento de temos:
(, , , 0) = (1, 1, 1, 0) .
Logo, { = (1, 1, 1, 0)} gera .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
571
(b) >> A=[1,1,2,-1,0;2,3,6,-2,0;-2,1,2,2,0]
1 1 2 -1 0
2 3 6 -2 0
-2 1 2 2 0
>> R=escalona(A)
1 0 0 -1 0
0 1 2 0 0
0 0 0 0 0
Encontramos a forma reduzida escalonada da matriz [
2
+ 2
3
= 0
Este sistema tem como soluc ao geral
= {(, 2, , ) , } .
Agora, para qualquer elemento de temos:
(, 2, , ) =
= (, 0, 0, ) + (0, 2, , 0)
= (1, 0, 0, 1) +(0, 2, 1, 0) .
Logo, = {
1
= (1, 0, 0, 1),
2
= (0, 2, 1, 0)} gera .
5.2.2. (a) >> syms x
>> A=[0,0,1;1,0,-3;0,1,3];
Julho 2009 Reginaldo J. Santos
572 Respostas dos Exerccios
>> B=A-x*eye(3)
[-x, 0, 1]
[ 1, -x, -3]
[ 0, 1, 3-x]
>> solve(det(B))
ans = [1][1][1]
>> B1=subs(B,x,1)
-1 0 1
1 -1 -3
0 1 2
>> escalona([B1,zeros(3,1)])
1 0 -1 0
0 1 2 0
0 0 0 0
_
1
3
= 0
2
+ 2
3
= 0
Este sistema tem como soluc ao geral
= {(, 2, ) } .
Agora, para qualquer elemento de temos:
(, 2, ) = (1, 2, 1) .
Logo, = { = (1, 2, 1)} gera . Como um conjunto formado por um unico vetor n ao
nulo e sempre L.I., ent ao e base para .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
573
(b) >> A=[2,2,3,4;0,2,3,2;0,0,1,1;0,0,0,1]
>> B=A-x*eye(4)
[2-x, 2, 3, 4]
[ 0, 2-x, 3, 2]
[ 0, 0, 1-x, 1]
[ 0, 0, 0, 1-x]
>> solve(det(B))
ans = [2][2][1][1]
>> B1=subs(B,x,1)
1 2 3 4
0 1 3 2
0 0 0 1
0 0 0 0
>> escalona([B1,zeros(4,1)])
1 0 -3 0 0
0 1 3 0 0
0 0 0 1 0
0 0 0 0 0
1
3
3
= 0
2
+ 3
3
= 0
4
= 0
Este sistema tem como soluc ao geral
= {(3, 3, , 0) } .
Julho 2009 Reginaldo J. Santos
574 Respostas dos Exerccios
Agora, para qualquer elemento de temos:
(3, 3, , 0) = (3, 3, 1, 0) .
Logo, = { = (3, 3, 1, 0)} gera . Como um conjunto formado por um unico vetor
n ao nulo e sempre L.I., ent ao e base para .
>> B2=subs(B,x,2)
0 2 3 4
0 0 3 2
0 0 -1 1
0 0 0 -1
>> escalona([B2,zeros(4,1)])
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 0
2
= 0
3
= 0
4
= 0
Este sistema tem como soluc ao geral
= {(, 0, 0, 0) } .
Agora, para qualquer elemento de temos:
(, 0, 0, 0) = (1, 0, 0, 0) .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
575
Logo, = { = (1, 0, 0, 0)} gera . Como um conjunto formado por um unico vetor
n ao nulo e sempre L.I., ent ao e base para .
(c) >> A=[1,1,-2;-1,2,1;0,1,-1]
>> B=A-x*eye(3)
[1-x, 1, -2]
[ -1, 2-x, 1]
[ 0, 1, -1-x]
>> solve(det(B))
ans = [ 1][ 2][-1]
>> Bm1=subs(B,x,-1)
2 1 -2
-1 3 1
0 1 0
>> escalona([Bm1,zeros(3,1)])
1 0 -1 0
0 1 0 0
0 0 0 0
_
1
3
3
= 0
2
= 0
Este sistema tem como soluc ao geral
= {(, 0, ) } .
Agora, para qualquer elemento de temos:
(, 0, ) = (1, 0, 1) .
Julho 2009 Reginaldo J. Santos
576 Respostas dos Exerccios
Logo, = { = (1, 0, 1)} gera . Como um conjunto formado por um unico vetor n ao
nulo e sempre L.I., ent ao e base para .
>> B1=subs(B,x,1)
0 1 -2
-1 1 1
0 1 -2
>> escalona([B1,zeros(3,1)])
1 0 -3 0
0 1 -2 0
0 0 0 0
_
1
3
3
= 0
2
2
3
= 0
Este sistema tem como soluc ao geral
= {(3, 2, ) } .
Agora, para qualquer elemento de temos:
(3, 2, ) = (3, 2, 1) .
Logo, = { = (3, 2, 1)} gera . Como um conjunto formado por um unico vetor n ao
nulo e sempre L.I., ent ao e base para .
>> B2=subs(B,x,2)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
577
-1 1 -2
-1 0 1
0 1 -3
>> escalona([B2,zeros(3,1)])
1 0 -1 0
0 1 -3 0
0 0 0 0
_
1
3
= 0
2
3
3
= 0
Este sistema tem como soluc ao geral
= {(, 3, ) } .
Agora, para qualquer elemento de temos:
(, 3, ) = (1, 3, 1) .
Logo, = { = (1, 3, 1)} gera . Como um conjunto formado por um unico vetor n ao
nulo e sempre L.I., ent ao e base para .
(d) >> A=[-1,2,2,0;-1,2,1,0;-1,1,2,0;0,0,0,1];
>> B=A-x*eye(4)
B =
[ -1-x, 2, 2, 0]
[ -1, 2-x, 1, 0]
Julho 2009 Reginaldo J. Santos
578 Respostas dos Exerccios
[ -1, 1, 2-x, 0]
[ 0, 0, 0, 1-x]
>> solve(det(B))
ans = [ 1][ 1][ 1][ 1]
>> B1=subs(B,x,1);
>> escalona(B1)
[ -2, 2, 2, 0]
[ -1, 1, 1, 0]
[ -1, 1, 1, 0]
[ 0, 0, 0, 0]
eliminacao 1:
linha 2 <==> linha 1
[ -1, 1, 1, 0]
[ -2, 2, 2, 0]
[ -1, 1, 1, 0]
[ 0, 0, 0, 0]
(-1)*linha 1 ==> linha 1
[ 1, -1, -1, 0]
[ -2, 2, 2, 0]
[ -1, 1, 1, 0]
[ 0, 0, 0, 0]
(2)*linha 1 + linha 2 ==> linha 2
(1)*linha 1 + linha 3 ==> linha 3
[ 1, -1, -1, 0]
[ 0, 0, 0, 0]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
579
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
_
1
2
3
= 0
Este sistema tem como soluc ao geral
= {( +, , , ) , , } .
Agora, para qualquer elemento de temos:
( +, , , ) = (0, 0, 0, 1) +(1, 0, 1, 0) +(1, 1, 0, 0).
Logo, = {
1
= (0, 0, 0, 1),
2
= (1, 0, 1, 0),
3
= ((1, 1, 0, 0)} gera . Como
(0, 0, 0, 0) = ( +, , , )
= (0, 0, 0, 1) +(1, 0, 1, 0) +(1, 1, 0, 0)
implica que = = = 0, ent ao e base para .
(e) >> A=[2,3,0;0,1,0;0,0,2]
>> B=A-x*eye(3)
B = [ 2-x, 3, 0]
[ 0, 1-x, 0]
[ 0, 0, 2-x]
>> solve(det(B))
[ 2] [ 2] [ 1]
>> B1=subs(B,x,1)
Julho 2009 Reginaldo J. Santos
580 Respostas dos Exerccios
B1 = [ 1, 3 ,0]
[ 0, 0, 0]
[ 0, 0, 1]
_
1
+ 3
2
= 0
3
= 0
Este sistema tem como soluc ao geral
= {(3, , 0) } .
Agora, para qualquer elemento de temos:
(3, , 0) = (3, 1, 0) .
Logo, = { = (3, 1, 0)} gera . Como um conjunto formado por um unico vetor n ao
nulo e sempre L.I., ent ao e base para .
>> B2=subs(B,x,2)
B2 =[ 0, 3, 0]
[ 0, -1, 0]
[ 0, 0, 0]
_
3
2
= 0
2
= 0
Este sistema tem como soluc ao geral
= {(, 0, ) , } .
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
581
Agora, para qualquer elemento de temos:
(, 0, ) = (1, 0, 0) +(0, 0, 1) .
Logo, = {
1
= (1, 0, 0),
2
= (0, 0, 1)} gera . Como um vetor n ao e m ultiplo escalar
do outro, o conjunto e L.I. Assim, e base para .
(f) >> A=[2,3,0;0,2,0;0,0,2]
>> B=A-x*eye(3)
B =[ 2-x, 3, 0]
[ 0, 2-x, 0]
[ 0, 0, 2-x]
>> solve(det(B))
[ 2][ 2][ 2]
>> B2=subs(B,x,2)
B2 =[ 0, 3, 0]
[ 0, 0, 0]
[ 0, 0, 0]
_
3
2
= 0
Este sistema tem como soluc ao geral
= {(, 0, ) , } .
Agora, para qualquer elemento de temos:
(, 0, ) = (1, 0, 0) +(0, 0, 1) .
Julho 2009 Reginaldo J. Santos
582 Respostas dos Exerccios
Logo, = {
1
= (1, 0, 0),
2
= (0, 0, 1)} gera . Como um vetor n ao e m ultiplo escalar
do outro, o conjunto e L.I. Assim, e base para .
5.2.3. >> N1=[1,-7,5];
>> N2=[3,-1,1];
>> V=pv(N1,N2)
V = -2 14 20
A equac ao param etrica da reta intersec ao dos dois subespacos e (, , ) = (2, 14, 20),
para todo . Assim, { = (2, 14, 20)} e uma base para a reta.
5.2.4. (a) >> v1=[4,2,-3];v2=[2,1,-2];v3=[-2,-1,0];
>> escalona([v1;v2;v3;zeros(1,3)])
[ 4, 2, -2, 0]
[ 2, 1, -1, 0]
[ -3, -2, 0, 0]
eliminacao 1:
(1/4)*linha 1 ==> linha 1
[ 1, 1/2, -1/2, 0]
[ 2, 1, -1, 0]
[ -3, -2, 0, 0]
(-2)*linha 1 + linha 2 ==> linha 2
(3)*linha 1 + linha 3 ==> linha 3
[ 1, 1/2, -1/2, 0]
[ 0, 0, 0, 0]
[ 0, -1/2, -3/2, 0]
eliminacao 2:
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
583
linha 3 <==> linha 2
[ 1, 1/2, -1/2, 0]
[ 0, -1/2, -3/2, 0]
[ 0, 0, 0, 0]
(-2)*linha 2 ==> linha 2
[ 1, 1/2, -1/2, 0]
[ 0, 1, 3, 0]
[ 0, 0, 0, 0]
(-1/2)*linha 2 + linha 1 ==> linha 1
[ 1, 0, -2, 0]
[ 0, 1, 3, 0]
[ 0, 0, 0, 0]
Os vetores
1
,
2
e
3
s ao L.D., pois a equac ao
1
+
2
+
3
=
0 admite soluc ao n ao
trivial.
(b) Os vetores
1
e
2
s ao L.I. pois um vetor n ao e m ultiplo escalar do outro.
(c) Do item (a) obtemos que a soluc ao de
1
+
2
+
3
=
0 e (, , ) = (2, 3, ).
Tomando = 1 obtemos 2
1
3
2
+
3
=
0, ou seja,
3
= 2
1
+3
2
. Logo,
3
n ao e
necess ario para gerar o subespaco gerado por
1
,
2
e
3
. Como pelo item anterior
1
e
2
s ao L.I., ent ao
1
e
2
formam uma base para o subespaco gerado por
1
,
2
e
3
e a
dimens ao e 2.
(d)
E o plano que passa pela origem paralelo aos vetores
1
e
2
ou
>> pv(v1,v2)
-1 2 0
Julho 2009 Reginaldo J. Santos
584 Respostas dos Exerccios
Este subespaco e um plano que passa pela origem com vetor normal =
1
2
=
(1, 2, 0), ou seja, e o plano 2 = 0.
5.2.5. (a) N ao, pois basta tomarmos um vetor que n ao est a no subespaco gerado por
1
e
2
(que
e um plano que passa pela origem), que ele n ao ser a combinac ao linear de
1
e
2
.
(b) Para que
1
,
2
e
3
formem uma base de
3
basta que
1
,
2
e
3
sejam L.I. Para isso
3
= (, , ) deve ser um vetor que n ao seja combinac ao linear de
1
e
2
.
(c) Devemos acrescentar umvetor
3
que n ao seja combinac ao linear de
1
e
2
. Por exemplo
3
= (0, 0, 1). Como a dimens ao do
3
e igual a 3, ent ao pelo Teorema 5.7 na p agina
319
3
= (0, 0, 1), e tal que
1
,
2
e
3
formam uma base de
3
.
5.2.6. Fazendo = e = na equac ao do plano obtemos que
= 2 4.
Assim, os pontos do plano + 2 + 4 = 0 s ao da forma
(, , ) = (2 4, , ), , ,
ou seja, s ao da forma
(, , ) = (4, 0, 1) +(2, 1, 0) =
1
+
2
, ,
em que
1
= (4, 0, 1) e
2
= (2, 1, 0).
Assim,
1
e
2
formam uma base do plano , pois s ao L.I. (um n ao e m ultiplo escalar do outro)
e geram (todo vetor de e combinac ao linear deles).
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
585
Para estender
1
e
2
a uma base de
3
, precisamos acrescentar um vetor que n ao seja
combinac ao linear de
1
e
2
. Uma maneira de se conseguir isso e tomar um vetor que n ao
pertenca ao plano, ou seja, um vetor (, , ) tal que +2+4 = 0. Por exemplo
3
= (1, 0, 0).
5.2.7. >> V1=[-1,2,3];V2=[1,3,4];
>> N1=pv(V1,V2)
N1 = -1 7 -5
>> V3=[1,2,-1];V4=[0,1,1];
>> N2=pv(V3,V4)
N2 = 3 -1 1
>> V=pv(N1,N2)
V =
2 -14 -20
A reta intersec ao dos dois subespacos e (, , ) = (2, 14, 20), para qualquer . Uma
base para a reta e { = (2, 14, 20)}.
5.2.8. (a)
= (3 + 4 4, 2 4 6, 2 4 + 2)
= (3, 2, 2) + (4, 4, 4) + (4, 6, 2)
= (3, 2, 2) +(4, 4, 4) +(4, 6, 2).
Logo, denindo
1
= (3, 2, 2),
2
= (4, 4, 4) e
3
= (4, 6, 2), ent ao {
1
,
2
,
3
}
gera .
(b) >> V1=[3,2,-2];V2=[4,-4,-4];V3=[-4,-6,2];
>> escalona([V1;V2;V3])
Julho 2009 Reginaldo J. Santos
586 Respostas dos Exerccios
[ 3, 4, -4]
[ 2, -4, -6]
[ -2, -4, 2]
eliminacao 1:
(1/3)*linha 1 ==> linha 1
[ 1, 4/3, -4/3]
[ 2, -4, -6]
[ -2, -4, 2]
(-2)*linha 1 + linha 2 ==> linha 2
(2)*linha 1 + linha 3 ==> linha 3
[ 1, 4/3, -4/3]
[ 0, -20/3, -10/3]
[ 0, -4/3, -2/3]
eliminacao 2:
(-3/20)*linha 2 ==> linha 2
[ 1, 4/3, -4/3]
[ 0, 1, 1/2]
[ 0, -4/3, -2/3]
(-4/3)*linha 2 + linha 1 ==> linha 1
(4/3)*linha 2 + linha 3 ==> linha 3
[ 1, 0, -2]
[ 0, 1, 1/2]
[ 0, 0, 0]
A soluc ao de
1
+
2
+
3
=
0 e (, , ) = (2, /2, ). Tomando = 2 obtemos
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
587
4
1
+
2
+ 2
3
=
0. Ou seja,
2
= 2
3
4
1
.
Assim o vetor
2
pode ser descartado na gerac ao de , pois ele e combinac ao linear dos
outros dois. Logo, apenas
1
e
3
s ao sucientes para gerar . Como al em disso, os
vetores
1
e
3
s ao tais que um n ao e m ultiplo escalar do outro, ent ao eles s ao L.I. e
portanto {
1
,
3
} e uma base de . Tamb em {
1
,
2
} ou {
2
,
3
} s ao bases.
5.2.9. (a) N ao pois s ao necess arios 4 vetores L.I. para se obter uma base de
4
(Teorema 5.7 na
p agina 319).
(b)
3
e
4
devem ser L.I. e n ao pertencerem ao subespaco gerado por
1
e
2
.
(c) Escalonando a matriz cujas linhas s ao
1
e
2
,
=
_
3 5 2 1
1 2 1 2
_
,
obtemos
=
_
1 0 1 12
0 1 1 7
_
Acrescentando as linhas
3
= [ 0 0 1 0 ] e
4
= [ 0 0 0 1 ]:
1 0 1 12
0 1 1 7
0 0 1 0
0 0 0 1
1
+
2
2
+
3
3
+
4
4
=
0
Julho 2009 Reginaldo J. Santos
588 Respostas dos Exerccios
e equivalente ao sistema =
0, em que = [
1
2
3
4
]. Mas como det(
) = 0
ent ao det() = 0, pelo Teorema 2.13 na p agina 115, pois
pode ser obtida de
4
e igual a 4 , ent ao pelo Teorema 5.7 na p agina 319
1
,
2
,
3
,
4
formam uma base de
4
.
5.2.10. >> A=triu(randi(4,4,3))
A = -1 -2 1 1
0 2 -2 -2
0 0 -1 2
0 0 0 0
>> B=A-x*eye(4)
B =
[ -1-x, -2, 1, 1]
[ 0, 2-x, -2, -2]
[ 0, 0, -1-x, 2]
[ 0, 0, 0, -x]
>> solve(det(B))
[ -1][ -1][ 2][ 0]
>> Bm1=subs(B,x,-1)
Bm1 =
[ 0, -2, 1, 1]
[ 0, 3, -2, -2]
[ 0, 0, 0, 2]
[ 0, 0, 0, 1]
>> escalona(Bm1)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
589
[ 0, 1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
2
= 0
3
= 0
4
= 0
Este sistema tem como soluc ao geral
= {(, 0, 0, 0) } .
Agora, para qualquer elemento de temos:
(, 0, 0, 0) = (1, 0, 0, 0) .
Logo, = { = (1, 0, 0, 0)} gera . Como um conjunto formado por um unico vetor n ao nulo
e sempre L.I., ent ao e base para .
>> B2=subs(B,x,2)
B2 =
[ -3, -2, 1, 1]
[ 0, 0, -2, -2]
[ 0, 0, -3, 2]
[ 0, 0, 0, -2]
>> escalona(B2)
Julho 2009 Reginaldo J. Santos
590 Respostas dos Exerccios
[ 1, 2/3, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
1
+ 2/3
2
= 0
3
= 0
4
= 0
Este sistema tem como soluc ao geral
= {(2, 3, 0, 0) } .
Agora, para qualquer elemento de temos:
(2, 3, 0, 0) = (2, 3, 0, 0) .
Logo, = { = (2, 3, 0, 0)} gera . Como um conjunto formado por um unico vetor n ao
nulo e sempre L.I., ent ao e base para .
>> B0=subs(B,x,0)
B0 =
[ -1, -2, 1, 1]
[ 0, 2, -2, -2]
[ 0, 0, -1, 2]
[ 0, 0, 0, 0]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
591
>> escalona(B0)
[ 1, 0, 0, 3]
[ 0, 1, 0, -3]
[ 0, 0, 1, -2]
[ 0, 0, 0, 0]
1
3
4
= 0
2
3
4
= 0
3
2
4
= 0
Este sistema tem como soluc ao geral
= {(3, 3, 2, ) } .
Agora, para qualquer elemento de temos:
(3, 3, 2, ) =
(3, 3, 2, 1) .
Logo, = { = (3, 3, 2, 1)} gera . Como um conjunto formado por um unico vetor n ao
nulo e sempre L.I., ent ao e base para .
5.3. Produto Escalar em
(p agina 355)
5.3.1. >> syms a
>> x=[1,1,-2];y=[a,-1,2];
>> solve(pe(x,y))
ans = 5
Julho 2009 Reginaldo J. Santos
592 Respostas dos Exerccios
5.3.2. >> syms a b
>> x=[1/2(1/2),0,1/2(1/2)];y=[a,1/2(1/2),-b];
>> sol=solve(pe(x,y),no(y)-1)
sol =
a: [2x1 sym]
b: [2x1 sym]
>> sol.a, sol.b
ans = [ 1/2] [ -1/2] ans = [ 1/2] [ -1/2]
5.3.3. O conjunto dado consiste dos vetores da forma:
( , , ) = (, 0, ) + (, , 0)
= (1, 0, 1) +(1, 1, 0)
>> v1=[-1,0,1];v2=[-1,1,0];
>> w1=v1; w2=v2-proj(w1,v2);
>> u1=w1/no(w1), u2=w2/no(w2)
1
=
_
1
2
2 0
1
2
2
=
_
1
6
2
1
3
2
1
6
593
>> v1=[-1,0,0,1];v2=[2,0,1,0];v3=[1,1,0,0];
>> w1=v1; w2=v2-proj(w1,v2);
>> w3=v3-proj(w1,v3)-proj(w2,v3);
>> u1=w1/no(w1), u2=w2/no(w2), u3=w3/no(w3)
1
=
_
1
2
2 0 0
1
2
2
=
_
1
3
3 0
1
3
3
1
3
3
=
_
1
42
42
1
7
42
1
21
42
1
42
42
2
4
3
= 0
Este sistema tem como soluc ao geral
= {(3, 4, ) } .
Agora, para qualquer elemento de temos:
(3, 4, ) = (3, 4, 1) .
Um conjunto formado por um unico vetor n ao nulo e sempre L.I.
Julho 2009 Reginaldo J. Santos
594 Respostas dos Exerccios
>> v=[-3,4,1];
>> u=v/no(v)
=
_
3
26
26
2
13
26
1
26
26
2
s ao n ao colineares e paralelos
ao plano procurado. Assim, 7 2 + = 0 e a equac ao do plano, que passa pela origem,
logo e um subespaco. Este subespaco consiste dos vetores da forma:
(, , 7 + 2) = (, 0, 7) + (0, , 2)
= (1, 0, 7) +(0, 1, 2)
>> V1=[1,0,-7];V2=[0,1,2];
>> W1=V1; W2=V2-proj(W1,V2)
W2 =[ 7/25, 1, 1/25]
>> U1=W1/no(W1), U2=W2/no(W2)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
595
1
=
_
1/10
2 0
7
10
2
=
_
7
45
3 5/9
3 1/45
1
=
_
1
3
3
1
3
3
1
3
3 0
2 =
_
2
33
11
3
4
33
11
3
2
33
11
3
1
11
11
3 =
_
2
55
110
3
110
110
7
110
110
3
55
110
1
=
_
1
3
3
1
3
3
1
3
2
=
_
1
3
3
1
6
3
1
6
3
=
_
0
1
2
2
1
2
3
>> solve(expr2-sqrt(3),d)
ans = [ 0][ -12]
Os planos 2 + 2 + 2 = 0 e 2 + 2 + 2 12 = 0 satisfazem as condic oes do exerccio.
Apenas o primeiro plano e um subespaco. Este subespaco consiste dos vetores da forma:
(, , ) = (, 0, ) + (0, , )
= (1, 0, 1) +(0, 1, 1)
>> V1=[1,0,-1];V2=[0,1,-1];
>> W1=V1; W2=V2-proj(W1,V2)
W2 = [ -1/2, 1, -1/2]
>> U1=W1/no(W1), U2=W2/no(W2)
1
=
_
1/2
2 0 1/2
2
=
_
1/6
2 1/3
2 1/6
.
5.4. Mudanc a de Coordenadas (p agina 377)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 5. Espac os
597
5.4.1. (a) >> v1=sym([1/sqrt(2),-1/sqrt(2)]);
>> v2=sym([1/sqrt(2),1/sqrt(2)]);
>> p=[1,3];
>> A=[v1;v2;p].
>> escalona(A)
[1, 0, -2(1/2)]
[0, 1, 2*2(1/2)]
Assim, as coordenadas de em relac ao ao sistema s ao:
_
2
2
2
_
(b) >> v1=sym([1/sqrt(2),-1/sqrt(2),0]);
>> v2=sym([0,0,1]);
>> v3=sym([1/sqrt(2),1/sqrt(2),0]);
>> p=[2,-1,2]; A=[v1;v2;v3;p].;
>> escalona(A)
[ 1, 0, 0, 3/2*2(1/2)]
[ 0, 1, 0, 2]
[ 0, 0, 1, 1/2*2(1/2)]
Assim, as coordenadas de em relac ao ao sistema s ao:
2/2
2
2/2
2/2 3
2/2
2/2 3
2/2
5.4.3. As coordenadas de
1
,
2
e
3
em relac ao ao sistema = {,
1
,
2
,
3
}
s ao dadas por
1
0
0
0
1
0
0
0
1
, respectivamente. Assim,
1
=
1 0 0
0 1/2
3/2
0
3/2 1/2
1
0
0
1
0
0
,
2
=
1 0 0
0 1/2
3/2
0
3/2 1/2
0
1
0
0
1/2
3/2
e
3
=
1 0 0
0 1/2
3/2
0
3/2 1/2
0
0
1
3/2
1/2
599
expr = [ cos(th)*3(1/2)+sin(th)-3(1/2)]
[ sin(th)*3(1/2)-cos(th)-1]
>> solve(expr(1,1),expr(2,1),th)
ans = 1/3*pi
A rotac ao e de /3.
5.4.5. (a) Fazendo = 0 obtemos 3
3 = 0. Tomando =
3, obtemos = 3. Assim
podemos tomar como primeiro vetor da base do plano.
1
= (
3, 3, 0).
Fazendo = 0 obtemos 3+2 = 0. Tomando = 2, obtemos = 3. Assim podemos
tomar como segundo vetor da base do plano
2
= (2, 0, 3).
Agora vamos encontrar uma base ortogonal do plano
1
=
1
= (
3, 3, 0)
2
=
2
proj
1
2
= (2, 0, 3)
2
3
12
(
3, 3, 0)
= (
3
2
,
3
2
, 3) =
1
2
(3,
3, 6)
Julho 2009 Reginaldo J. Santos
600 Respostas dos Exerccios
(b) Para completar a uma base ortogonal de
3
basta completarmos com o vetor normal do
plano
3
= (3,
1
=
1
2
3
(
3, 3, 0) = (
1
2
,
3
2
, 0)
2
=
1
4
3
(3,
3, 6) = (
3
4
,
1
4
,
3
2
)
3
=
1
4
(3,
3, 2) = (
3
4
,
3
4
,
1
2
)
(c) Seja
= [
1
2
3
]
=
]
{,
1
,
2
,
3
}
=
[ 1 0 0 ]
= (
1
2
,
3
4
,
3
4
)
[
]
{,
1
,
2
,
3
}
=
[ 0 1 0 ]
= (
3
2
,
1
4
,
3
4
)
[
]
{,
1
,
2
,
3
}
=
[ 0 0 1 ]
= (0,
3
2
,
1
2
)
5.4.6.
1 0 0
0 cos sen
0 sen cos
0
= {(, ) }
2
= {(, ) }
(b) >> A=[1,-1;2,4];
>> B=A-x*eye(2)
[1-x, -1]
[ 2, 4-x]
>> p=det(B)
p =6-5*x+x2
>> solve(p)
[3][2]
>> B2=subs(B,x,2)
[-1, -1]
[ 2, 2]
>> escalona(B2)
1 1
0 0
>> B3=subs(B,x,3)
[-2, -1]
[ 2, 1]
>> escalona(B3)
1 1/2
0 0
2
= {(, ) }
3
= {(, 2) }
Julho 2009 Reginaldo J. Santos
602 Respostas dos Exerccios
(c)
>> A=[0,1,2;0,0,3;0,0,0];
>> B=A-x*eye(3)
[-x, 1, 2]
[ 0, -x, 3]
[ 0, 0, -x]
>> p=det(B)
p=-x3
>> solve(p)
[0][0][0]
>> B0=subs(B,x,0)
[0, 1, 2]
[0, 0, 3]
[0, 0, 0]
>> escalona(B0)
[0, 1, 0]
[0, 0, 1]
[0, 0, 0]
0
= {(, 0, 0) }
(d)
>> A=[1,0,0;-1,3,0;3,2,-2];
>> B=A-x*eye(3)
[1-x, 0, 0]
[ -1, 3-x, 0]
[ 3, 2, -2-x]
>> p=det(B)
p =(1-x)*(3-x)*(-2-x)
>> solve(p)
[ 1][ 3][-2]
>> Bm2=subs(B,x,-2)
[ 3, 0, 0]
[-1, 5, 0]
[ 3, 2, 0]
>> escalona(Bm2)
[1, 0, 0]
[0, 1, 0]
[0, 0, 0]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 603
>> B1=subst(B,x,1)
[ 0, 0, 0]
[-1, 2, 0]
[ 3, 2, -3]
>> escalona(B1)
[1, 0, -3/4]
[0, 1, -3/8]
[0, 0, 0]
>> B3=subs(B,x,3)
[-2, 0, 0]
[-1, 0, 0]
[ 3, 2, -5]
>> escalona(B3)
[1, 0, 0]
[0, 1, -5/2]
[0, 0, 0]
2
= {(0, 0, ) }
1
= {(6, 3, 8) }
3
= {(0, 5, 2) }
(e)
Julho 2009 Reginaldo J. Santos
604 Respostas dos Exerccios
>> A=[2,-2,3;0,3,-2;0,-1,2];
>> B=A-x*eye(3)
[2-x, -2, 3]
[ 0, 3-x, -2]
[ 0, -1, 2-x]
>> p=det(B)
p =(2-x)*(4-5*x+x2)
>> solve(p)
[2][4][1]
>> B1=subs(B,x,1)
[1, -2, 3]
[0, 2, -2]
[0, -1, 1]
>> escalona(B1)
[1, 0, 1]
[0, 1, -1]
[0, 0, 0]
>> B2=subs(B,x,2)
[0, -2, 3]
[0, 1, -2]
[0, -1, 0]
>> escalona(B2)
[0, 1, 0]
[0, 0, 1]
[0, 0, 0]
>> B4=subs(B,x,4)
[-2, -2, 3]
[ 0, -1, -2]
[ 0, -1, -2]
>> escalona(B4)
[1, 0, -7/2]
[0, 1, 2]
[0, 0, 0]
1
= {(, , ) }
2
= {(, 0, 0) }
4
= {(7, 4, 2) }
(f)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 605
>> A=[2,2,3;1,2,1;2,-2,1];
>> B=A-x*eye(3)
[2-x, 2, 3]
[ 1, 2-x, 1]
[ 2, -2, 1-x]
>> p=det(B)
p =-8-2*x+5*x2-x3
>> solve(p)
[ 2][ 4][-1]
>> Bm1=subs(B,x,-1)
[3, 2, 3]
[1, 3, 1]
[2, -2, 2]
>> escalona(Bm1)
[1, 0, 1]
[0, 1, 0]
[0, 0, 0]
>> B2=subs(B,x,2)
[0, 2, 3]
[1, 0, 1]
[2, -2, -1]
>> escalona(B2)
[1, 0, 1]
[0, 1, 3/2]
[0, 0, 0]
>> B4=subs(B,x,4)
[-2, 2, 3]
[ 1, -2, 1]
[ 2, -2, -3]
>> escalona(B4)
[1, 0, -4]
[0, 1, -5/2]
[0, 0, 0]
1
= {(, 0, ) },
2
= {(2, 3, 2) } e
4
=
{(8, 5, 2) }
6.1.2. (a)
Julho 2009 Reginaldo J. Santos
606 Respostas dos Exerccios
>> A=[2,0,0;3,-1,0;0,4,3];
>> B=A-x*eye(3)
[2-x, 0, 0]
[ 3, -1-x, 0]
[ 0, 4, 3-x]
>> p=det(B)
p =(2-x)*(-1-x)*(3-x)
>> solve(p)
[ 2][-1][ 3]
>> Bm1=subs(B,x,-1)
[3, 0, 0]
[3, 0, 0]
[0, 4, 4]
>> escalona(Bm1)
[1, 0, 0]
[0, 1, 1]
[0, 0, 0]
>> B2=subs(B,x,2)
[0, 0, 0]
[3, -3, 0]
[0, 4, 1]
>> escalona(B2)
[1, 0, 1/4]
[0, 1, 1/4]
[0, 0, 0]
>> B3=subst(B,x,3)
[-1, 0, 0]
[ 3, -4, 0]
[ 0, 4, 0]
>> escalona(B3)
[1, 0, 0]
[0, 1, 0]
[0, 0, 0]
1
= {(0, , ) }. {(0, 1, 1)} e base para
1
, pois gera
1
((0, , ) =
(0, 1, 1)) e um vetor n ao nulo e L.I.
2
= {(, , 4) }. {(1, 1, 4)} e base para
2
, pois gera
2
((, , 4) = (1, 1, 4)) e um vetor n ao nulo e L.I.
3
= {(0, 0, ) }. {(0, 0, 1)} e base para
3
, pois gera
3
((0, 0, ) = (0, 0, 1))
e um vetor n ao nulo e L.I.
(b)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 607
>> A=[2,3,0;0,1,0;0,0,2];
>> B=A-x*eye(3)
[2-x, 3, 0]
[ 0, 1-x, 0]
[ 0, 0, 2-x]
>> p=det(B)
p =(2-x)2*(1-x)
>> solve(p)
[2][2][1]
>> B1=subs(B,x,1)
[1, 3, 0]
[0, 0, 0]
[0, 0, 1]
>> escalona(B1)
[1, 3, 0]
[0, 0, 1]
[0, 0, 0]
>> B2=subs(B,x,2)
[0, 3, 0]
[0, -1, 0]
[0, 0, 0]
>> escalona(B2)
[0, 1, 0]
[0, 0, 0]
[0, 0, 0]
1
= {(3, , 0) }. {(3, 1, 0)} e base para
1
, pois gera
1
((3, , 0) =
(3, 1, 0)) e um vetor n ao nulo e L.I.
2
= {(, 0, ) , }. {
1
= (1, 0, 0),
2
= (0, 0, 1)} e base para
2
, pois
gera
2
((, 0, ) = (1, 0, 0) + (0, 0, 1)) e e L.I. (
1
+
2
=
0 se, e somente se,
(, 0, ) = (0, 0, 0) ou = 0 e = 0).
(c)
Julho 2009 Reginaldo J. Santos
608 Respostas dos Exerccios
>> A=[1,2,3,4;0,-1,3,2;0,0,3,3;0,0,0,2];
>> B=A-x*eye(4)
[1-x, 2, 3, 4]
[ 0, -1-x, 3, 2]
[ 0, 0, 3-x, 3]
[ 0, 0, 0, 2-x]
>> p=det(B)
p =(1-x)*(2-x)*(-1-x)*(3-x)
>> solve(p)
[ 1][ 2][-1][ 3]
>> Bm1=subs(B,x,-1)
[2, 2, 3, 4]
[0, 0, 3, 2]
[0, 0, 4, 3]
[0, 0, 0, 3]
>> escalona(Bm1)
[1, 1, 0, 0]
[0, 0, 1, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
>> B1=subs(B,x,1)
[0, 2, 3, 4]
[0, -2, 3, 2]
[0, 0, 2, 3]
[0, 0, 0, 1]
>> escalona(B1)
[0, 1, 0, 0]
[0, 0, 1, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 609
>> B2=subs(B,x,2)
[-1, 2, 3, 4]
[ 0, -3, 3, 2]
[ 0, 0, 1, 3]
[ 0, 0, 0, 0]
>> escalona(B2)
[1, 0, 0, 29/3]
[0, 1, 0, 7/3]
[0, 0, 1, 3]
[0, 0, 0, 0]
>> B3=subst(B,x,3)
[-2, 2, 3, 4]
[ 0, -4, 3, 2]
[ 0, 0, 0, 3]
[ 0, 0, 0, -1]
>> escalona(B3)
[1, 0, -9/4, 0]
[0, 1, -3/4, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
1
= {(, , 0, 0) }. {(1, 1, 0, 0)} e base para
1
, pois gera
1
((, , 0, 0) = (1, 1, 0, 0)) e um vetor n ao nulo e L.I.
1
= {(, 0, 0, 0) }. {(1, 0, 0, 0)} e base para
1
, pois gera
1
((, 0, 0, 0) =
(1, 0, 0, 0)) e um vetor n ao nulo e L.I.
2
= {(29, 7, 9, 3) }. {(29, 7, 9, 3)} e base para
2
, pois gera
2
((29, 7, 9, 3) = (29, 7, 9, 3)) e um vetor n ao nulo e L.I.
3
= {(9, 3, 4, 0) }. {(9, 3, 4, 0)} e base para
3
, pois gera
3
((9, 3, 4, 0) = (9, 3, 4, 0)) e um vetor n ao nulo e L.I.
(d)
Julho 2009 Reginaldo J. Santos
610 Respostas dos Exerccios
>> A=[2,2,3,4;0,2,3,2;0,0,1,1;0,0,0,1];
>> B=A-x*eye(4)
[2-x, 2, 3, 4]
[ 0, 2-x, 3, 2]
[ 0, 0, 1-x, 1]
[ 0, 0, 0, 1-x]
>> p=det(B)
p =(2-x)2*(1-x)2
>> solve(p)
[2][2][1][1]
>> B1=subs(B,x,1)
[1, 2, 3, 4]
[0, 1, 3, 2]
[0, 0, 0, 1]
[0, 0, 0, 0]
>> escalona(B1)
[1, 0, -3, 0]
[0, 1, 3, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
>> B2=subs(B,x,2)
[0, 2, 3, 4]
[0, 0, 3, 2]
[0, 0, -1, 1]
[0, 0, 0, -1]
>> escalona(B2)
[0, 1, 0, 0]
[0, 0, 1, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
1
= {(3, 3, , 0) }. {(3, 3, 1, 0)} e base para
1
, pois gera
1
((3, 3, , 0) = (3, 3, 1, 0)) e um vetor n ao nulo e L.I.
2
= {(, 0, 0, 0) }. {(1, 0, 0, 0)} e base para
2
, pois gera
2
((, 0, 0, 0) =
(1, 0, 0, 0)) e um vetor n ao nulo e L.I.
6.1.3.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 611
(a) >> A=[1,4;1,-2];
>> B=A-x*eye(2)
[1-x, 4]
[ 1, -2-x]
>> p=det(B)
p =-6+x+x2
>> solve(p)
[ 2][-3]
A matriz possui dois autovalores diferentes, logo possui dois autovetores L.I.
(Proposic ao 6.4 na p agina 398). A matriz e diagonaliz avel pois, e 2 2 e possui dois
autovetores L.I. (Teorema 6.3 na p agina 394).
(b) >> A=[1,0;-2,1];
>> B=A-x*eye(2)
[1-x, 0]
[ -2, 1-x]
>> p=det(B)
p =(1-x)2
>> solve(p)
[1][1]
>> B1=subs(B,x,1)
[ 0, 0]
[-2, 0]
>> escalona(numeric(B1))
[1, 0]
[0, 0]
1
= {(, 0) }
A matriz n ao e diagonaliz avel pois, n ao possui dois autovetores L.I. (Teorema 6.3 na
p agina 394).
(c) >> A=[1,1,-2;4,0,4;1,-1,4]
A = 1 1 -2
4 0 4
1 -1 4
>> B=A-x*eye(3); p=det(B)
p =5*x2-6*x-x3
Julho 2009 Reginaldo J. Santos
612 Respostas dos Exerccios
>> solve(p)
ans =[0][2][3]
A matriz possui tr es autovalores diferentes, logo possui tr es autovetores L.I. (Proposic ao
6.4 na p agina 398). A matriz e diagonaliz avel pois, e 3 3 e possui tr es autovetores L.I.
(Teorema 6.3 na p agina 394).
(d) >> A=[1,2,3;0,-1,2;0,0,2];
>> B=A-x*eye(3)
[1-x, 2, 3]
[ 0, -1-x, 2]
[ 0, 0, 2-x]
>> p=det(B)
p =(1-x)*(-1-x)*(2-x)
>> solve(p)
[ 1][-1][ 2]
A
matriz possui tr es autovalores diferentes, logo possui tr es autovetores L.I. (Proposic ao
6.4 na p agina 398). A matriz e diagonaliz avel pois, e 3 3 e possui tr es autovetores L.I.
(Teorema 6.3 na p agina 394).
6.1.4.
(a) >> A=[1,1,2;0,1,0;0,1,3];
>> B=A-x*eye(3)
[1-x, 1, 2]
[ 0, 1-x, 0]
[ 0, 1, 3-x]
>> p=det(B)
p =(1-x)2*(3-x)
>> solve(p)
[1][1][3]
>> B1=subs(B,x,1)
[0, 1, 2]
[0, 0, 0]
[1, 1, 2]
>> escalona(B1)
[ 0, 1, 2]
[ 0, 0, 0]
[ 0, 0, 0]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 613
>> B3=subs(B,x,3)
[ -2, 1, 2]
[ 0, -2, 0]
[ 0, 1, 0]
>> escalona(B3)
[ 1, 0, -1]
[ 0, 1, 0]
[ 0, 0, 0]
1
= {(, 2, ) , }. {(1, 0, 0), (0, 2, 1)} e base para
1
, pois gera
1
((, 2, ) = (0, 2, 1) + (1, 0, 0)) e s ao L.I. (um vetor n ao e m ultiplo escalar do
outro)
3
= {((, 0, ) }. {(1, 0, 1)} e base para
3
, pois gera
3
((, 0, ) =
(1, 0, 1)) e um vetor n ao nulo e L.I.
=
1 0 1
0 2 0
0 1 1
e =
1 0 0
0 1 0
0 0 3
1
= {(, 0, ) }. {(1, 0, 1)} e base para
1
, pois gera
1
((, 0, ) =
(1, 0, 1)) e um vetor n ao nulo e L.I.
2
= {(5, 2, 3) }. {(5, 2, 3)} e base para
2
, pois gera
2
((5, 2, 3) = (5, 2, 3)) e um vetor n ao nulo e L.I.
A matriz n ao e diagonaliz avel pois s o possui dois autovalores e cada um deles s o possui
um autovetor L.I. associado (Teorema 6.3 na p agina 394).
(c) >> A=[1,2,3;0,1,0;2,1,2];
>> B=A-x*eye(3)
[1-x, 2, 3]
[ 0, 1-x, 0]
[ 2, 1, 2-x]
>> p=det(B)
p =-4+x+4*x2-x3
>> solve(p)
[ 1][ 4][-1]
>> Bm1=subs(B,x,-1)
[2, 2, 3]
[0, 2, 0]
[2, 1, 3]
>> escalona(Bm1)
[1, 0, 3/2]
[0, 1, 0]
[0, 0, 0]
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 615
>> B1=subst(B,x,1)
[0, 2, 3]
[0, 0, 0]
[2, 1, 1]
>> escalona(B1)
[1, 0, -1/4]
[0, 1, 3/2]
[0, 0, 0]
>> B4=subs(B,x,4)
[-3, 2, 3]
[ 0, -3, 0]
[ 2, 1, -2]
>> escalona(B4)
[1, 0, -1]
[0, 1, 0]
[0, 0, 0]
1
=
{(3, 0, 2) }. {(3, 0, 2)} e base para
1
, pois gera
1
((3, 0, 2) =
(3, 0, 2)) e um vetor n ao nulo e L.I.
1
= {(, 6, 4) }. {(1, 6, 4)} e base para
1
, pois gera
1
((, 6, 4) = (1, 6, 4)) e um vetor n ao nulo e L.I.
4
= {(, 0, ) }. {(1, 0, 1)} e base para
4
, pois gera
4
((, 0, ) = (1, 0, 1))
e um vetor n ao nulo e L.I.
=
3 1 1
0 6 0
2 4 1
e =
1 0 0
0 1 0
0 0 4
0
= {(, 0, 3) }. {(1, 0, 3)} e base para
0
, pois gera
0
((, 0, 3) =
(1, 0, 3)) e um vetor n ao nulo e L.I.
2
= {(2, , 0) }. {(2, 1, 0)} e base para
2
, pois gera
2
((2, , 0) =
(2, 1, 0)) e um vetor n ao nulo e L.I.
3
= {(, 0, 0) }. {(1, 0, 0)} e base para
3
, pois gera
3
((, 0, 0) = (1, 0, 0))
e um vetor n ao nulo e L.I.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 617
=
1 2 1
0 1 0
3 0 0
e =
0 0 0
0 2 0
0 0 3
0
= {(2, 2, ) }.
Assim, {
1
= (2, 2, 1)} e um conjunto com o maior n umero possvel de autovetores L.I.
associado a = 0.
>> escalona(A-eye(3))
ans =[ 1, -1, 0]
[ 0, 0, 1]
[ 0, 0, 0]
O autoespaco associado ao autovalor = 1 e
1
= {(, , 0) }.
Assim, {
2
= (1, 1, 0)} e um conjunto com o maior n umero possvel de autovetores L.I. associ-
ado a = 1.
>> escalona(A-9*eye(3))
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 619
ans =[ 1, 0, -1/4]
[ 0, 1, 1/4]
[ 0, 0, 0]
O autoespaco associado ao autovalor = 9 e
9
= {(, , 4) }.
Assim, {
3
= (1, 1, 4)} e um conjunto com o maior n umero possvel de autovetores L.I.
associado a = 9.
>> V1=[-2,2,1];V2=[1,1,0];V3=[1,-1,4];
>> P=[V1,V2,V3], D=diag([0,1,9])
P = -2 1 1
2 1 -1
1 0 4
D = 0 0 0
0 1 0
0 0 9
>> inv(P)*A*P
ans = 0 0 0
0 1 0
0 0 9
>> [P,D]=eig(sym(A))
P =[ -1, -2, 1]
[ 1, 2, 1]
Julho 2009 Reginaldo J. Santos
620 Respostas dos Exerccios
[ -4, 1, 0]
D =[ 9, 0, 0]
[ 0, 0, 0]
[ 0, 0, 1]
Os elementos da diagonal da matriz t em que ser os autovalores de . As matrizes
podem diferir na ordem com que os autovalores aparecem. As colunas de s ao autovetores
associados aos autovalores que aparecem nas colunas correspondentes de . Assim, fazendo
uma reordenac ao das colunas das matrizes e de forma que as matrizes sejam iguais, as
colunas de uma matriz s ao m ultiplos escalares das colunas correspondentes da outra matriz
.
6.1.7. (a) >> V1=[-4,-4,-1];
>> V2=[5,4,1];
>> V3=[5,3,1];
>> A=sym([-1/3,-5/6,20/3;-2/3,-1/6,16/3;-1/6,-1/6,11/6]);
>> [A*V1,A*V2,A*V3]
[ -2, 5/3, 5/2]
[ -2, 4/3, 3/2]
[ -1/2, 1/3, 1/2]
Se e autovetor de ent ao = , ou seja, e um m ultiplo escalar de .
Assim, conclumos que
1
e autovetor associado a
1
= 1/2,
2
e autovetor associado a
2
= 1/3 e
3
e autovetor associado a
3
= 1/2.
(b)
1
e
3
s ao autovetores associados a 1/2 e
2
associado a 1/3. Como {
1
,
3
} e L.I. (um
n ao e m ultiplo escalar do outro) e ao juntarmos autovetores L.I. associados a diferentes
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 621
autovalores eles continuam L.I., ent ao a matriz tem 3 autovetores L.I. Como ela e 3 3,
e portanto diagonaliz avel.
6.2. Diagonalizac ao de Matrizes Sim etricas (p agina 425)
6.2.1.
(a) >> A=[2,2;2,2];
>> B=A-x*eye(2)
[2-x, 2]
[ 2, 2-x]
>> p=det(B)
p =-4*x+x2
>> solve(p)
[0][4]
>> B0=subs(B,x,0)
[2, 2]
[2, 2]
>> escalona(B0)
[1, 1]
[0, 0]
>> B4=subs(B,x,4)
[-2, 2]
[ 2, -2]
>> escalona(B4)
[1, -1]
[0, 0]
0
= {(, ) }. {
1
= (1, 1)} e base para
0
, pois gera
0
((, ) =
(1, 1)) e um vetor n ao nulo e L.I. Seja
1
= (1/
1
)
1
= (1/
2, 1/
2). {
1
=
(1/
2, 1/
4
= {(, ) }. {
2
= (1, 1)} e base para
4
, pois gera
4
((, ) =
(1, 1)) e um vetor n ao nulo e L.I. Seja
2
= (1/
2
)
2
= (1/
2, 1/
2). {
2
=
(1/
2, 1/
2 1/
2
1/
2 1/
2
_
e =
_
0 0
0 4
_
(b) >> A=[2,1;1,2];
>> B=A-x*eye(2)
[2-x, 1]
[ 1, 2-x]
>> p=det(B)
p =3-4*x+x2
>> solve(p)
[3][1]
>> B1=subs(B,x,1)
[1, 1]
[1, 1]
>> escalona(numeric(B1))
[1, 1]
[0, 0]
>> B3=subs(B,x,3)
[-1, 1]
[ 1, -1]
>> escalona(B3)
[1, -1]
[0, 0]
1
= {(, ) }. {
1
= (1, 1)} e base para
1
, pois gera
1
((, ) =
(1, 1)) e um vetor n ao nulo e L.I. Seja
1
= (1/
1
)
1
= (1/
2, 1/
2). {
1
=
(1/
2, 1/
3
= {(, ) }. {
2
= (1, 1)} e base para
3
, pois gera
3
((, ) =
(1, 1)) e um vetor n ao nulo e L.I. Seja
2
= (1/
2
)
2
= (1/
2, 1/
2). {
2
=
(1/
2, 1/
2 1/
2
1/
2 1/
2
_
e =
_
1 0
0 3
_
(c) >> A=[0,0,1;0,0,0;1,0,0];
>> B=A-x*eye(3)
[-x, 0, 1]
[ 0, -x, 0]
[ 1, 0, -x]
>> p=det(B)
p =-x3+x
>> solve(p)
[ 0][-1][ 1]
>> B0=subs(B,x,0)
[0, 0, 1]
[0, 0, 0]
[1, 0, 0]
>> escalona(B0)
[1, 0, 0]
[0, 0, 1]
[0, 0, 0]
>> Bm1=subs(B,x,-1)
[1, 0, 1]
[0, 1, 0]
[1, 0, 1]
>> escalona(Bm1)
[1, 0, 1]
[0, 1, 0]
[0, 0, 0]
>> B1=subs(B,x,1)
[-1, 0, 1]
[ 0, -1, 0]
[ 1, 0, -1]
>> escalona(B1)
[1, 0, -1]
[0, 1, 0]
[0, 0, 0]
0
=
{(0, , 0) }. {
1
= (0, 1, 0)} e base para
0
, pois gera
0
((0, , 0) = (0, 1, 0))
e um vetor n ao nulo e L.I. {
1
= (0, 1, 0)} e base ortonormal de
0
, pois
1
= 1.
1
= {(, 0, ) }. {
2
= (1, 0, 1)} e base para
1
, pois gera
1
((, 0, ) = (1, 0, 1)) e um vetor n ao nulo e L.I. Seja
2
= (1/
2
)
2
=
(1/
2, 0, 1/
2). {
2
= (1/
2, 0, 1/
1
= {(, 0, ) }. {
3
= (1, 0, 1)} e base para
1
, pois gera
1
((, 0, ) =
(1, 0, 1)) e um vetor n ao nulo e L.I. Seja
3
= (1/
3
)
3
= (1/
2, 0, 1/
2). {
3
=
(1/
2, 0, 1/
0 1/
2 1/
2
1 0 0
0 1/
2 1/
e =
0 0 0
0 1 0
0 0 1
0
= {(, , ) , }. {
1
= (1, 0, 0),
2
= (0, 1, 1)} e base para
0
, pois
gera
0
((, , ) = (1, 0, 0) + (0, 1, 1)) e e L.I. (
1
+
2
=
0 se, e somente
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 625
se, (, , ) = (0, 0, 0) ou = 0 e = 0). Sejam
1
=
1
,
2
=
2
proj
2
=
0 =
2
. Sejam
1
= (1/
1
)
1
=
1
=
1
= (1, 0, 0) e
2
= (1/
2
)
2
=
(0, 1/
2, 1/
2). {
1
= (1, 0, 0),
2
= ((0, 1/
2, 1/
4
= {(0, , ) }. {
3
= (0, 1, 1)} e base para
4
, pois gera
4
((0, , ) =
(0, 1, 1)) e um vetor n ao nulo e L.I. Seja
3
= (1/
3
)
3
= (0, 1/
2, 1/
2).
{
3
= (0, 1/
2, 1/
1 0 0
0 1/
2 1/
2
0 1/
2 1/
e =
0 0 0
0 0 0
0 0 4
0
= {(, , 0) }. {
1
= (1, 1, 0)} e base para
0
, pois gera
0
((, , 0) = (1, 1, 0)) e um vetor n ao nulo e L.I. Seja
1
= (1/
1
)
1
=
(1/
2, 1/
2, 0). {
1
= (1/
2, 1/
1
= {(0, 0, ) }. {
2
= (0, 0, 1)} e base para
1
, pois gera
1
((0, 0, ) =
(0, 0, 1)) e um vetor n ao nulo e L.I. Seja
2
= (1/
2
)
2
= (0, 0, 1). {
2
= (0, 0, 1)}
e base ortonormal de
1
.
2
= {(, , 0) }. {
3
= (1, 1, 0)} e base para
1
, pois gera
1
((, , 0) =
(1, 1, 0)) e um vetor n ao nulo e L.I. Seja
3
= (1/
3
)
3
= (1/
2, 1/
2, 0). {
3
=
(1/
2, 1/
1/
2 0 1/
2
1/
2 0 1/
2
0 1 0
e =
0 0 0
0 1 0
0 0 2
1
= {( , , ) , }. {
1
= (1, 1, 0),
2
= (1, 0, 1)} e base
para
1
, pois gera
0
(( , , ) = (1, 1, 0) + (1, 0, 1)) e e L.I.(um ve-
tor n ao e m ultiplo escalar do outro). Sejam
1
=
1
,
2
=
2
proj
2
=
2
(1/2, 1/2, 0) = (1/2, 1/2, 1). Sejam
1
= (1/
1
)
1
= (1/
2, 1/
2, 0)
e
2
= (1/
2
)
2
= (
1
6
,
1
6
,
6
3
). {
1
,
2
} e base ortonormal de
1
.
4
= {(, , ) }. {
3
= (1, 1, 1)} e base para
4
, pois gera
4
((, , ) =
(1, 1, 1)) e um vetor n ao nulo e L.I. Seja
3
= (1/
3
)
3
= (1/
3, 1/
3, 1/
3).
{
3
= (1/
3, 1/
3, 1/
2/2
6/6
3/3
2/2
6/6
3/3
0
6/3
3/3
e =
1 0 0
0 1 0
0 0 4
1
= {(, , , ) , }. {
1
= (1, 1, 0, 0),
2
= (0, 0, 1, 1)} e base
para
1
, pois gera
1
((, , , ) = (1, 1, 0, 0) + (0, 0, 1, 1)) e e L.I.(um
vetor n ao e m ultiplo escalar do outro). Sejam
1
=
1
,
2
=
2
proj
2
=
2
0 =
2
. Sejam
1
= (1/
1
)
1
= (1/
2, 1/
2, 0, 0) e
2
= (1/
2
)
2
=
(0, 0, 1/
2, 1/
2). {
1
,
2
} e base ortonormal de
1
.
3
= {(, , , ) , }. {
3
= (1, 1, 0, 0),
4
= (0, 0, 1, 1)} e base para
3
,
pois gera
1
((, , , ) = (1, 1, 0, 0) + (0, 0, 1, 1)) e e L.I.(um vetor n ao e m ultiplo
escalar do outro). Sejam
3
=
3
,
4
=
4
proj
4
=
4
0 =
4
. Sejam
3
= (1/
3
)
3
= (1/
2, 1/
2, 0, 0) e
4
= (1/
4
)
4
= (0, 0, 1/
2, 1/
2).
{
1
,
2
} e base ortonormal de
3
. Como a matriz e sim etrica, autovetores associa-
dos a autovalores diferentes s ao ortogonais (Proposic ao 6.6 na p agina 418). Portanto,
{
1
,
2
,
3
,
4
} e uma base ortonormal de autovetores de .
=
1/
2 0 1/
2 0
1/
2 0 1/
2 0
0 1/
2 0 1/
2
0 1/
2 0 1/
e =
1 0 0 0
0 1 0 0
0 0 3 0
0 0 0 3
0
= {(, , 0, 0) , }. {
1
= (1, 0, 0, 0),
2
= (0, 1, 0, 0)} e base para
0
,
pois gera
1
((, , 0, 0) = (1, 0, 0, 0) + (0, 1, 0, 0)) e e L.I.(um vetor n ao e m ultiplo
escalar do outro). Claramente
1
2
= 0 e possuem norma igual a 1. Sejam
1
=
1
e
2
=
2
. {
1
,
2
} e base ortonormal de
0
.
1
= {(0, 0, , ) }. {
3
= (0, 0, 1, 1)} e base para
1
, pois gera
1
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 631
((0, 0, , ) = (0, 0, 1, 1)) e um vetor n ao nulo e L.I. Seja
3
= (1/
3
)
3
=
(0, 0, 1/
2, 1/
2). {
3
= (0, 0, 1/
2, 1/
1
= {(0, 0, , ) }. {
4
= (0, 0, 1, 1)} e base para
1
, pois gera
1
((0, 0, , ) = (0, 0, 1, 1)) e um vetor n ao nulo e L.I. Seja
4
= (1/
4
)
4
=
(0, 0, 1/
2, 1/
2). {
4
= (0, 0, 1/
2, 1/
1 0 0 0
0 1 0 0
0 0 1/
2 1/
2
0 0 1/
2 1/
e =
0 0 0 0
0 0 0 0
0 0 1 0
0 0 0 1
6.2.2. Como a matriz e sim etrica ela e diagonaliz avel. Al em disso, tamb em por ser sim etrica, autove-
tores associados a autovalores diferentes s ao ortogonais. Assim basta ortogonalizar dentro de
cada autoespaco.
>> W1=V1;
>> W2=V2-proj(W1,V2)
W2 = [ 2, -1, 0, 2]
>> W3=V3;
>> W4=V4-proj(W3,V4)
W4 = [ -1, -2, -2, 0]
>> U1=W1/no(W1)
U1 = [ 0, 2/3, -2/3, 1/3]
Julho 2009 Reginaldo J. Santos
632 Respostas dos Exerccios
>> U2=W2/no(W2)
U2 = [ 2/3, -1/3, 0, 2/3]
>> U3=W3/no(W3)
U3 = [ -2/3, 0, 1/3, 2/3]
= [
1
2
3
4
] =
, =
2 0 0 0
0 2 0 0
0 0 2 0
0 0 0 4
5/5
2
5/5
5/5
_
D=[5, 0]
[0,10]
>> syms x1 y1; X1=[x1;y1];
>> expr=subst(expr,X,P*X1)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 633
5
1
2
+ 10
1
2
30
>> expr=expr/30
1
2
/6 +
1
2
/3 1
>> elipse(sqrt(6),sqrt(3),P)
6.3.2. >> A=[3,-4;-4,-12];
>> expr=simplify(X.*A*X+81)
3
2
8 12
2
+ 81
>> [P,D]=diagonal(A)
=
_
17/17 4
17/17
4
17/17
17/17
_
D=[-13,0]
[ 0,4]
>> expr=subst(expr,X,P*X1)
13
1
2
+ 4
1
2
+ 81
>> expr=expr/81
Julho 2009 Reginaldo J. Santos
634 Respostas dos Exerccios
4 3 2 1 0 1 2 3
3
2
1
0
1
2
3
4
x
y
x
y
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 635
8 6 4 2 0 2 4 6 8
8
6
4
2
0
2
4
6
8
x
y
x
y
Julho 2009 Reginaldo J. Santos
636 Respostas dos Exerccios
13
81
1
2
+
4
81
1
2
+ 1
>> hiperbx(9/sqrt(13),9/2,P)
6.3.3. >> A=[2,-2;-2,-1];
>> expr=simplify(X.*A*X+K*X+24)
2
2
4
2
+ 24
>> [P,D]=diagonal(A)
=
_
5/5 2
5/5
2
5/5 1
5/5
_
D =[-2, 0]
[ 0, 3]
>> expr=subst(expr,X,P*X1)
2
1
2
+ 3
1
2
+ 24
>> expr=expr/24
1
2
/12 +
1
2
/8 + 1
>> hiperbx(sqrt(12),sqrt(8),P)
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 637
8 6 4 2 0 2 4 6 8
8
6
4
2
0
2
4
6
8
x
y
x
y
Julho 2009 Reginaldo J. Santos
638 Respostas dos Exerccios
6.3.4. >> A=[21,3;3,13];
>> expr=simplify(X.*A*X-132)
21
2
+ 6 + 13
2
132
>> [P,D]=diagonal(A)
=
_
10/10 3
10/10
3
10/10
10/10
_
D=[12, 0]
[ 0,22]
>> expr=subst(expr,X,P*X1)
12
1
2
+ 22
1
2
132
>> expr=expr/132
1
2
/11 +
1
2
/6 1
>> elipse(sqrt(11),sqrt(6),P)
6.3.5. >> A=[4,-10;-10,25];
>> K=[-15,-6];
>> expr=simplify(X.*A*X+K*X)
4
2
20 + 25
2
15 6
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 639
4 3 2 1 0 1 2 3 4 5
5
4
3
2
1
0
1
2
3
4
x
y
x
y
Julho 2009 Reginaldo J. Santos
640 Respostas dos Exerccios
>> [P,D]=diagonal(A)
=
_
5
29
29
2
29
29
2
29
29
5
29
29
_
D =[0, 0]
[0, 29]
>> expr=subst(expr,X,P*X1)
29
1
2
3
29
1
>> expr=expr/29
1
2
3
29
29
1
>> parabx(3/(4*sqrt(29)),P)
6.3.6. >> A=[9,3;3,1]; K=[-10*10(1/2),10*10(1/2)];
>> expr=simplify(X.*A*X+K*X+90)
9
2
+ 6 +
2
10
10 + 10
10 + 90
>> [P,D]=diagonal(A)
=
_
10/10 3
10/10
3
10/10
10/10
_
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 641
1 0.5 0 0.5 1 1.5 2 2.5 3
2
1.5
1
0.5
0
0.5
1
1.5
2
x
y
x
y
Julho 2009 Reginaldo J. Santos
642 Respostas dos Exerccios
D =[0, 0]
[0, 10]
>> expr=subst(expr,X,P*X1)
10
1
2
20
1
40
1
+ 90
>> expr=subst(expr,y1,y2+1)
10
2
2
+ 80 40
1
>> expr=subst(expr,x1,x2+2)
10
2
2
40
2
>> expr=expr/10
2
2
4
2
>> paraby(1,P,[2;1])
6.3.7. >> A=[5,-3;-3,5];
>> K=[-30*(2)(1/2),18*(2)(1/2)];
>> expr=simplify(X.*A*X+K*X+82)
5
2
6 + 5
2
30
2 + 18
2 + 82
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 643
6 4 2 0 2 4 6 8
10
8
6
4
2
0
2
4
x
y
x"
y"
x
y
Julho 2009 Reginaldo J. Santos
644 Respostas dos Exerccios
>> [P,D]=diagonal(A)
=
_
2/2
2/2
2/2
2/2
_
D =[2, 0]
[0, 8]
>> expr=subst(expr,X,P*X1)
2
1
2
+ 8
1
2
12
1
+ 48
1
+ 82
>> X0=[3;-3];
>> expr=subst(expr,X1,X2+X0)
2
2
2
8 + 8
2
2
>> expr=expr/8
2
2
/4 1 +
2
2
>> elipse(2,1,P,X0)
6.3.8. >> A=[5,6;6,0];
>> K=[-12*(13)(1/2),0];
>> expr=simplify(X.*A*X+K*X-36)
5
2
+ 12 12
13 36
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 645
2 1 0 1 2 3 4 5 6 7 8
5
4
3
2
1
0
1
2
3
4
5
x
y
x"
y"
x
y
Julho 2009 Reginaldo J. Santos
646 Respostas dos Exerccios
>> [P,D]=diagonal(A)
=
_
2/
13 3/
13
3/
13 2/
13
_
D =[-4, 0]
[ 0, 9]
>> expr=subst(expr,X,P*X1)
4
1
2
+ 9
1
2
24
1
36
1
36
>> X0=[-3;2];
>> expr=subst(expr,X1,X2+X0)
4
2
2
36 + 9
2
2
>> expr=expr/36
2
2
/9 1 +
2
2
/4
>> hiperby(2,3,P,X0)
6.3.9. >> A=[6,-2;-2,9];
>> K=[-4*5(1/2),-18*5(1/2)];
>> expr=simplify(X.*A*X+K*X-5)
6
2
4 + 9
2
4
5 18
5 5
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 647
6 4 2 0 2 4 6
4
2
0
2
4
6
8
10
x
y
x"
y"
x
y
Julho 2009 Reginaldo J. Santos
648 Respostas dos Exerccios
>> [P,D]=diagonal(A)
=
_
2/
5 1/
5
1/
5 2/
5
_
D =[5, 0]
[0, 10]
>> expr=subst(expr,X,P*X1)
5
1
2
+ 10
1
2
26
1
32
1
5
>> X0=[26/10;32/20];
>> expr=subst(expr,X1,X2+X0)
5
2
2
322
5
+ 10
2
2
>> expr=expr*5/322
25
322
2
2
1 +
25
161
2
2
>> elipse(sqrt(322)/5,sqrt(161)/5,P,X0)
6.3.10. >> A=[1,3(1/2);3(1/2),-1];
>> K=[6,0];
>> expr=simplify(X.*A*X+K*X)
2
+ 2
3
2
+ 6
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 649
2 1 0 1 2 3 4 5 6 7 8
2
1
0
1
2
3
4
5
6
7
x
y
x"
y"
x
y
Julho 2009 Reginaldo J. Santos
650 Respostas dos Exerccios
>> [P,D]=diagonal(A)
=
_
3/2 1/2
1/2
3/2
_
D =[ 2, 0]
[ 0,-2]
>> expr=subst(expr,X,P*X1)
2
1
2
2
1
2
+ 3
3
1
3
1
>> X0=[-3*3(1/2)/4;-3/4];
>> expr=subst(expr,X1,X2+X0)
2
2
2
9/4 2
2
2
>> expr=expr*4/9
8
9
2
2
1
8
9
2
2
>> hiperbx(3/sqrt(8),3/sqrt(8),P,X0)
6.3.11. >> A=[8,-8;-8,8];
>> K=[33*2(1/2),-31*2(1/2)];
>> expr=simplify(X.*A*X+K*X+70)
8
2
16 + 8
2
+ 33
2 31
2 + 70
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 651
4 3 2 1 0 1 2
4
3
2
1
0
1
2
x
y
x"
y"
x
y
Julho 2009 Reginaldo J. Santos
652 Respostas dos Exerccios
>> [P,D]=diagonal(A)
=
_
2/2
2/2
2/2
2/2
_
D =[0, 0]
[0, 16]
>> expr=subst(expr,X,P*X1)
16
1
2
+ 2
1
64
1
+ 70
>> expr=subst(expr,y1,y2+2)
16
2
2
+ 6 + 2
1
>> expr=subst(expr,x1,x2-3)
16
2
2
+ 2
2
>> expr=expr/16
2
2
+
2
/8
>> parabx(-1/32,P,[-3;2])
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 653
10 8 6 4 2 0 2 4
8
6
4
2
0
2
4
x
y
x"
y"
x
y
Julho 2009 Reginaldo J. Santos
654 Respostas dos Exerccios
6.3.12. >> A=[1,-3;-3,-7];
>> K=[10,2];
>> expr=simplify(X.*A*X+K*X+9)
2
6 7
2
+ 10 + 2 + 9
>> [P,D]=diagonal(A)
=
_
1/
10 3/
10
3/
10 1/
10
_
D =[-8, 0]
[ 0, 2]
>> expr=subst(expr,X,P*X1)
8
1
2
+ 2
1
2
+
8
5
10
1
14
5
10
1
+ 9
>> X0=[1/10(1/2);7/10(1/2)];
>> expr=subst(expr,X1,X2+X0)
8
2
2
+ 2
2
2
>> hiperby(4,1,P,X0,d)
Esta e uma c onica degenerada. A equac ao representa as duas retas
2
= 4
2
, ou
=
2
.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 655
8 6 4 2 0 2 4
4
2
0
2
4
6
x
y
x"
y"
x
y
Julho 2009 Reginaldo J. Santos
Bibliograa
[1] Howard Anton e Chris Rorres.
Algebra Linear com Aplicac oes. Bookman, S ao Paulo, 8a. edic ao,
2000.
[2] Jos e L. Boldrini, Sueli I. R. Costa, Vera L. Figueiredo, e Henry G. Wetzler.
Algebra Linear. Ed.
Harbra Ltda., S ao Paulo, 3a. edic ao, 1986.
[3] Paulo Boulos e Ivan de C. e Oliveira. Geometria Analtica - um tratamento vetorial. Makron
Books, S ao Paulo, 2a. edic ao, 1987.
[4] Frederico F. C., lho. Introduc ao ao MATLAB. Departamento de Ci encia da Computac ao - UFMG,
Belo Horizonte, Fevereiro de 2000.
[5] Carlos A. Callioli, Hygino H. Domingues, e Roberto C. F. Costa.
Algebra Linear e Aplicac oes.
Atual Editora, S ao Paulo, 6a. edic ao, 1995.
656
Captulo 6. Diagonalizac ao 657
[6] Adilson Goncalves e Rita M. L. de Souza. Introduc ao ` a
Algebra Linear. Edgard Bl ucher, Rio de
Janeiro, 1977.
[7] Al esio de Caroli, Carlos A. Callioli, e Miguel O. Feitosa. Matrizes, Vetores, Geometria Analtica.
Nobel, S ao Paulo, 1976.
[8] Jo ao Pitombeira de Carvalho.
Algebra Linear - Introduc ao. Livros T ecnicos e Cientcos Editora
S.A., Rio de Janeiro, 2a. edic ao, 1977.
[9] Nathan M. dos Santos. Vetores e Matrizes. Livros T ecnicos e Cientcos Ed. S.A., Rio de Janeiro,
3a. edic ao, 1988.
[10] John B. Fraleigh e Raymond A. Beauregard. Linear Algebra. Addison Wesley, Reading, Massa-
chusetts, 3a. edic ao, 1995.
[11] Stephen H. Friedberg, Arnold J. Insel, e Lawrence E. Spence. Linear Algebra. Prentice Hall,
Upper Saddle River, New Jersey, 3a. edic ao, 1997.
[12] G. H. Golub e C. F. Van Loan. Matrix Computations. Johns Hopkins U.P., Baltimore, 3a. edic ao,
1996.
[13] Stanley I. Grossman. Elementary Linear Algebra. Saunders College Publishing, New York, 5a.
edic ao, 1994.
[14] David R. Hill e David E. Zitarelli. Linear Algebra Labs with MATLAB. Macmillan Publishing Com-
pany, New York, 1994.
[15] Morris W. Hirsch e Stephen Smale. Differential Equations, Dynamical Systems and Linear Alge-
bra. Academic Press, Inc., New York, 1974.
Julho 2009 Reginaldo J. Santos
658 Respostas dos Exerccios
[16] Kenneth Hoffman e Ray Kunze.
Algebra Linear. Livros T ecnicos e Cientcos Ed. S.A., Rio de
Janeiro, 3a. edic ao, 1979.
[17] Bernard Kolman. Introduc ao ` a
Algebra Linear com Aplicac oes. Prentice Hall do Brasil, Rio de
Janeiro, 6a. edic ao, 1998.
[18] Serge Lang. Introduction to Linear Algebra. Springer, New York, 2a. edic ao, 1986.
[19] Serge Lang. Linear Algebra. Springer Verlag, New York, 3a. edic ao, 1987.
[20] David C. Lay.
Algebra Linear e suas Aplicac oes. Livros T ecnicos e Cientcos Editora S.A., Rio
de Janeiro, 2a. edic ao, 1999.
[21] Steven Leon, Eugene Herman, e Richard Faulkenberry. ATLAST Computer Exercises for Linear
Algebra. Prentice Hall, Upper Saddle River, New Jersey, 1996.
[22] Steven J. Leon.
Algebra Linear com Aplicac oes. Livros T ecnicos e Cientcos Editora S.A., Rio
de Janeiro, 5a. edic ao, 1998.
[23] Emlia Giraldes, Vitor H. Fernandes, e Maria P. M Smith. Curso de
Algebra Linear e Geometria
Analtica. Mc Graw Hill, Lisboa, 1995.
[24] Elon L. Lima. Coordenadas no Espaco. SBM, Rio de Janeiro, 1993.
[25] Elon L. Lima.
Algebra Linear. IMPA, Rio de Janeiro, 2a. edic ao, 1996.
[26] Elon L. Lima. Geometria Analtica e
Algebra Linear. IMPA, Rio de Janeiro, 2001.
[27] Seymour Lipschutz.
Algebra Linear. McGraw-Hill, S ao Paulo, 3a. edic ao, 1994.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Captulo 6. Diagonalizac ao 659
[28] Mathworks Inc. Student Edition of MATLAB Version 5 for Windows. Prentice Hall, Upper Saddle
River, New Jersey, 1997.
[29] Carl D. Meyer. Matrix Analysis and Applied Linear Algebra. SIAM, Philadelphia, 2000.
[30] Ben Noble e James W. Daniel. Applied Linear Algebra. Prentice Hall, Upper Saddle River, New
Jersey, 3a. edic ao, 1988.
[31] Reginaldo J. Santos.
Algebra Linear e Aplicac oes. Imprensa Universit aria da UFMG, Belo Hori-
zonte, 2004.
[32] Reginaldo J. Santos. Introduc ao ` a
Algebra Linear. Imprensa Universit aria da UFMG, Belo Hori-
zonte, 2004.
[33] Reginaldo J. Santos. Matrizes Vetores e Geometria Analtica. Imprensa Universit aria da UFMG,
Belo Horizonte, 2004.
[34] Shayle R. Searle. Matrix Algebra Useful for Statistics. John Wiley and Sons, New York, 1982.
[35] Georgi E. Shilov. Linear Algebra. Dover Publications Inc., New York, 1977.
[36] Carl P. Simon e Lawrence Blume. Mathematics for Economists. W. W. Norton and Co. Inc., New
York, 1994.
[37] Alfredo Steinbruch e Paulo Winterle.
Algebra Linear. Makron Books, S ao Paulo, 2a. edic ao, 1987.
[38] Alfredo Steinbruch e Paulo Winterle. Geometria Analtica. Makron Books, S ao Paulo, 2a. edic ao,
1987.
Julho 2009 Reginaldo J. Santos
660 Bibliograa
[39] Gilbert Strang. Linear Algebra and its Applications. Harcourt Brace Jovanovich, Inc., Orlando,
3a. edic ao, 1988.
[40] Gilbert Strang. Introduction to Linear Algebra. Wellesley-Cambridge Press, Wellesley, 1993.
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
Angulo
entre planos, 253
entre reta e plano, 273
entre retas, 250
entre vetores, 173
Assntota, 439
Autoespaco, 394
Autovalor(es), 387
Autovetor(es), 387
axiss, 160, 204
Base
can onica, 315, 351
de subespaco, 314
ortogonal, 351
ortonormal, 351
box, 160, 204
Cadeia de Markov, 15
Crculo, 437
clf, 68
Cofator de um elemento, 106, 107
Combinac ao linear, 111, 155, 199, 284
Complemento ortogonal, 358
C onicas, 414, 432
(n ao) degeneradas, 432
identicac ao de, 432, 454
Conjugado de uma matriz, 428
Decomposic ao polar de uma matriz, 427
661
662
Indice Alfab etico
Depend encia linear, 289
Desigualdade de Cauchy-Schwarz, 343
Desigualdade triangular, 343
desvet, 159, 204
det, 130
Determinante, 105
de Vandermonde, 132
desenvolvimento em cofatores do, 108,
114
propriedades do, 111
detopelp, 130
diag, 22
diagonal, 463
Diagonalizac ao
de matrizes, 384
de matrizes sim etricas, 414
Dimens ao, 317
Dist ancia
de um ponto a um plano, 256
de um ponto a uma reta, 259
de uma reta a um plano, 273
entre dois planos, 264
entre dois pontos, 170
entre duas retas, 264
eig, 409
Eixo(s)
da elipse, 437
eixos, 69, 160, 204
Elipse, 432
excentricidade da, 437
elipse, 463
Equac ao (equac oes)
da reta, 228
geral do plano, 213
linear, 34
na forma sim etrica da reta, 234
param etricas da reta, 228
param etricas do plano, 225
Equac ao(equac oes)
vetorial da reta, 229
Escalar, 4
escalona, 69
Espaco (espacos)
, 278
soluc ao, 308
vetoriais, 283
Excentricidade
da elipse, 437
da hip erbole, 444
eye, 22
Foco(s)
da elipse, 432
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009
, 358
escalar ou interno, 173, 341
propriedades do, 177
misto, 193
vetorial, 182
propriedades do, 186
vetorial duplo, 209
Produto vetorial duplo, 209
Projec ao ortogonal, 179, 346
Projec ao Ortogr aca, 370
pv, 204
Raiz quadrada de uma matriz, 427
randi, 23, 409
Regra da m ao direita, 184
Regra de Cramer, 124
Reta (retas), 228
concorrentes, 250
diretriz da par abola, 446
equac ao vetorial da, 229
equac oes na forma sim etrica da, 234
equac oes param etricas da, 228
geratriz do cone, 437
paralelas, 250
reversas, 250
vetor diretor da, 228
rota, 160, 204
Rotac ao, 365
Segmento (de reta) orientado, 139
Sistema de coordenadas, 359
cartesianas, 144
retangulares, 144
retangulares no espaco, 147
Sistema de equac oes lineares, 34
Sistema homog eneo, 51
soluc ao trivial de, 51
Sistema(s) linear(es), 34
conjunto soluc ao de, 35
Julho 2009 Reginaldo J. Santos
666
Indice Alfab etico
consistente, 67
equivalentes, 38
homog eneo, 51
soluc ao (geral) de, 35
Soluc ao
geral de sistema linear, 35
trivial de sistema homog eneo, 51
solve, 22
Soma de subespacos, 331
Subespaco(s), 308
dimens ao de, 317
gerado por, 312
soma de, 331
Submatriz principal, 427
subs, 68, 409
subst, 247, 463
sym, 22, 409
syms, 22
tex, 160, 205
Translac ao, 367
Vari aveis livres, 46
V ertice(s)
da elipse, 437
da hip erbole, 444
da par abola, 450
Vetor (vetores), 2, 139, 279
angulo entre, 173
can onicos, 187
colineares, 144
combinac ao linear de, 284
componentes de, 144, 147, 149, 150
comprimento de, 170
coplanares, 198
de estado, 16
diferenca de, 143, 281
geradores, 312
iguais, 279
independ encia linear de, 289
linearmente (in)dependentes, 289
multiplicac ao por escalar, 143, 147, 150,
279
m ultiplo escalar, 144, 281
norma de, 170, 341
normal ao plano, 213
nulo, 143, 281
ortogonais, 173, 344
paralelos, 143
produto escalar ou interno de, 173, 341
produto misto de, 193
produto vetorial de, 182
sim etrico, 143, 281
Um Curso de Geometria Analtica e
Algebra Linear Julho 2009