Livro GA

UM CURSO DE
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

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
Indice Alfab etico 661


Pref acio
Este texto cobre o material para um curso de um semestre de Geometria Analtica e

Algebra Linear
ministrado nos primeiros semestres para estudantes da area de Ci encias Exatas. O texto pode, mas
n ao e necess ario, ser acompanhado de um programa como o MATLAB

, SciLab ou o Maxima.
O conte udo e dividido em seis captulos. O Captulo 1 trata das matrizes e sistemas lineares. Aqui
todas as propriedades da algebra matricial s ao demonstradas. A resoluc ao de sistemas lineares e
feita usando somente o m etodo de Gauss-Jordan (transformando a matriz at e que ela esteja na forma
escalonada reduzida). Este m etodo requer mais trabalho do que o m etodo de Gauss (transformando a
matriz, apenas, at e que ela esteja na forma escalonada). Ele foi o escolhido, por que tamb em e usado
no estudo da invers ao de matrizes no Captulo 2. Neste Captulo e tamb em estudado o determinante,
que e denido usando cofatores. As demonstrac oes dos resultados deste captulo podem ser, a
crit erio do leitor, feitas somente para matrizes 3 3.
O Captulo 3 trata de vetores no plano e no espaco. Os vetores s ao denidos de forma geom etrica,
assim como a soma e a multiplicac ao por escalar. S ao provadas algumas propriedades geometrica-
MATLAB
e marca registrada de The Mathworks, Inc.

vii
viii Conte udo
mente. Depois s ao introduzidos sistemas de coordenadas de forma natural sem a necessidade da
denic ao de base. Os produtos escalar e vetorial s ao denidos tamb em geometricamente. O Captulo
4 trata de retas e planos no espaco. S ao estudados angulos e dist ancias entre retas e planos.
O Captulo 5 cobre a teoria dos espacos euclidianos. O conceito de depend encia e independ encia
linear e introduzido de forma alg ebrica, acompanhado da interpretac ao geom etrica para os casos de
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
ou outro software. Os comandos

necess arios a resoluc ao destes exerccios s ao tamb em fornecidos juntamente com uma explicac ao
r apida do uso. Os exerccios num ericos s ao imprescindveis, enquanto a resoluc ao dos outros, de-
pende do nvel e dos objetivos pretendidos para o curso.
O MATLAB
e um software destinado a fazer c alculos com matrizes (MATLAB
= MATrix LABo-
ratory). Os comandos do MATLAB
s ao muito pr oximos da forma como escrevemos express oes

alg ebricas, tornando mais simples o seu uso. Podem ser incorporados ` as func oes pr e-denidas,
pacotes de func oes para tarefas especcas. Um pacote chamado gaal com func oes que s ao direci-
onadas para o estudo de Geometria Analtica e

Algebra Linear pode ser obtido na web na p agina do

Pref acio ix
autor, assim como um texto com uma introduc ao ao MATLAB
e instruc oes de como instalar o pacote

gaal. O MATLAB
n ao e um software gratuito, embora antes a vers ao estudante vinha gr atis ao se

comprar o guia do usu ario. Atualmente o SciLab e uma alternativa gratuita, mas que n ao faz c alculo
simb olico. O Maxima e um programa de computac ao alg ebrica gratuito. Ambos podem ser usados
como ferramenta auxiliar na aprendizagem de Geometria Analtica e

Algebra Linear. Na p agina do
autor na web podem ser encontrados pacotes de func oes para estes programas al em de links para as
p aginas do SciLab e do Maxima e v arias p aginas interativas que podem auxiliar na aprendizagem.
No m de cada captulo temos um Teste do Captulo para que o aluno possa avaliar os seus
conhecimentos. Os Exerccios Num ericos e os Exerccios usando o MATLAB
est ao resolvidos ap os
o ultimo captulo utilizando o MATLAB
. Desta forma o leitor que n ao estiver interessado em usar o

software pode obter apenas as respostas dos exerccios, enquanto aquele que tiver algum interesse,
pode car sabendo como os exerccios poderiam ser resolvidos fazendo uso do 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
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
, tr es na de Mudanca de Coordenadas, quatro na de Diagonalizac ao e

um na de Diagonalizac ao de Matrizes Sim etricas. Foram corrigidos alguns erros.
Julho 2006 Foi acrescentado o Exemplo 2.16 na p agina 122. A sec ao 3.2 Produtos de Vetores
foi reescrita. Foi acrescentado um exerccio na sec ao 4.2. O Captulo 5 foi reescrito. Foram
corrigidos alguns erros.
Marc o 2006 A Sec ao 1.1 de Matrizes e a Sec ao 2.2 de Determinantes foram reescritas. Na sec ao 1.2
o Teorema 1.4 voltou a ser que toda matriz e equivalente por linhas a uma unica matriz na forma
escalonada reduzida. Foram acrescentados v arios exerccios aos Captulos 3 e 4. O Captulo
5 foi reescrito. Foram acrescentados exerccios te oricos ` a sec ao Aplicac ao ` a C onicas.
Julho 2004 Foram acrescentadas aplicac oes ` a criptograa (Exemplo na p agina 96) e a cadeias de
Markov (Exemplos 1.9 na p agina 16, 1.16 na p agina 53 e 6.8 na p agina 402). Foi acrescentado
um exerccio na sec ao 1.1. O Teorema 1.4 agora cont em as propriedades da relac ao ser
equivalente por linhas com a demonstrac ao. O que antes era Exemplo 1.14 passou para o
lugar do Exemplo 1.10. O Exemplo 2.5 foi modicado. No Captulo 3 foram acrescentados 2

Pref acio xi
exerccios na sec ao 3.1, 1 exerccio na sec ao 3.2. No Captulo 4 a sec ao 4.1 foi reescrita e
foram acrescentados 2 exerccios. O Captulo 5 foi reescrito. Foi includa no Ap endice III da
sec ao 5.2. a demonstrac ao de que a forma escalonada reduzida de uma matriz e unica. A
sec ao Diagonalizac ao de Matrizes ganhou mais um exerccio te orico.
Setembro 2003 Foi acrescentada a regra de Cramer na sec ao Determinantes (Exemplo 2.20). A
sec ao Subespacos, Base e Dimens ao foi reescrita. Foi acrescentado um ap endice a esta
sec ao com Outros resultados. A Proposic ao 5.15 da sec ao 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
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

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
, . . . ,
formam a diagonal (principal) de .

Exemplo 1.1. Considere as seguintes matrizes:
=
_
1 2
3 4
_
, =
_
2 1
0 3
_
, =
_
1 3 0
2 4 2
_
,
=
_
1 3 2
, =
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

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 [ +]
.
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 = (
por um escalar (n umero) e denida

pela matriz
=
obtida multiplicando-se cada elemento da matriz pelo escalar , ou seja,
,
para = 1, . . . , e = 1, . . . , . Escrevemos tamb em []
. Dizemos que a matriz e

um m ultiplo escalar da matriz .

1.1 Matrizes 5
Exemplo 1.3. O produto da matriz =
2 1
0 3
5 4
pelo escalar 3 e dado por

3 =
(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 = (
e denido pela matriz

=
obtida da seguinte forma:
=
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 .
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
e dizemos somat orio de variando de 1 a de
. 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
.

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
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 = (
e denida pela matriz

=
obtida trocando-se as linhas com as colunas, ou seja,
,
para = 1, . . . , e = 1, . . . , . Escrevemos tamb em [
.

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) + ( +) = ( +) +;
(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
= , para toda matriz = (
.

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, para = 1 . . . , e = 1 . . . , . Portanto, a unica matriz que satisfaz (1.2) e

a matriz em que todos os seus elementos s ao iguais a zero. Denotamos a matriz por

0.
(d) Dada uma matriz , , seja uma matriz , tal que
+ =

0 . (1.3)
Comparando os elementos correspondentes, temos que
= 0 ,
ou seja,
, para = 1 . . . , e = 1 . . . , . Portanto, a unica matriz que satisfaz

(1.3) e a matriz em que todos os seus elementos s ao iguais aos sim etricos dos elementos de
. Denotamos a matriz por .
(e) [()]
= []
= (
) = ()
= [()]
.
(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
[]
= [()]
.

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) [( +)
= [ +]
= [
+ [
.
(n) [()
= []
= [
= [
.
(o) [()
= []
=1
=1
[
=1
[
= [
A diferenc a entre duas matrizes de mesmo tamanho e e denida por

= + (),
ou seja, e a soma da matriz com a sim etrica da matriz .
Sejamuma matriz e um inteiro positivo. Denimos a pot encia de , por
= . . .
. .
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

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
a probabilidade de mudanca do estado para o estado em uma unidade de tempo

(gerac ao). Tome cuidado com a ordem dos ndices. A matriz
=
1 2 3
11

12

13
21

22

23
31

32

33
1
2
3
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
e a probabilidade de mudanca do estado para o estado . Assim o vetor de estado

ap os uma unidade de tempo e dada pelo produto de matrizes:
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)

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
d a a transic ao entre unidades de tempo.

Veremos na Sec ao 6.1 na p agina 382 como calcular rapidamente pot encias de matrizes e assim
como determinar a distribuic ao da populac ao ap os unidades de tempo para um inteiro positivo
qualquer.
Exerccios Num ericos (respostas na p agina 475)
1.1.1. Considere as seguintes matrizes
=
_
2 0
6 7
_
, =
_
0 4
2 8
_
, =
_
6 9 7
7 3 2
_
=
6 4 0
1 1 4
6 0 6
, =
6 9 9
1 0 4
6 0 1
Se for possvel calcule:

(a) ,
(b) 2 ,
(c) (2
,
(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:

1.1 Matrizes 19
(a) e diferente de .
(b)
e a - esima coluna de , para = 1, 2, 3 e
e a - esima linha de , para

= 1, 2, 3 (o caso geral est a no Exerccio 1.1.16 na p agina 25).
(c) = [
1
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
s ao as linhas de (o caso geral est a no Exerccio 1.1.17 (b) na

p agina 26).
(e) Escrevendo em termos das suas colunas, = [
1

2
], em que
1
=
2
2
0
2
=
1
0
3
, o produto pode ser escrito como = [

1

2
] = [
1

2
]
(o caso geral est a no Exerccio 1.1.18 (a) na p agina 27).
(f) escrevendo em termos das suas linhas,
1
=
_
3 2 1
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).
1.1.4. Sejam
=
_
1 3 0
0 4 2
_
e =
.
Verique que
1
+
2
+
3
= , em que
e a - esima coluna de , para = 1, 2, 3

(o caso geral est a no Exerccio 1.1.19 na p agina 28).
1.1.5. Encontre um valor de tal 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.

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
Uma vez inicializado o MATLAB
, aparecer a na janela de comandos um prompt >> ou EDU>>.

O prompt signica que o MATLAB
est a esperando um comando. Todo comando deve ser

nalizado teclando-se Enter. Comandos que foram dados anteriormente podem ser obtidos
novamente usando as teclas e . Enquanto se estiver escrevendo um comando, este pode
ser corrigido usando as teclas , , Delete e Backspace. O MATLAB
faz diferenca entre

letras mai usculas e min usculas.
No MATLAB
, pode-se obter ajuda sobre qualquer comando ou func ao. O comando

>> help
(sem o prompt >>) mostra uma listagem de todos os pacotes disponveis. Ajuda sobre um
pacote especco ou sobre um comando ou func ao especca pode ser obtida com o comando
>> help nome,
(sem a vrgula e sem o prompt >>) em que nome pode ser o nome de um pacote ou o nome de
um comando ou func ao.
Al em dos comandos e func oes pr e-denidas, escrevemos um pacote chamado gaal
com func oes especcas para a aprendizagem de Geometria Analtica e

Algebra Li-
near. Este pacote pode ser obtido gratuitamente atrav es da internet no endereco
http://www.mat.ufmg.br/regi, assim como um texto com uma introduc ao ao MATLAB
e
instruc oes de como instalar o pacote gaal. Depois deste pacote ser devidamente instalado, o
comando help gaal no prompt do MATLAB
d a informac oes sobre este pacote.

Mais informac oes sobre as capacidades do MATLAB
podem ser obtidas em [4, 28].

Vamos descrever aqui alguns comandos que podem ser usados para a manipulac ao de matri-
zes. Outros comandos ser ao introduzidos a medida que forem necess arios.
>> syms x y z diz ao MATLAB
que as vari aveis x y e z s ao simb olicas.

>> A=[a11,a12,...,a1n;a21,a22,...; ...,amn] cria uma matriz, por , usando os
elementos a11, a12, ..., amn e a armazena numa vari avel de nome A. Por exemplo, >>
A=[1,2,3;4,5,6] cria a matriz =
_
1 2 3
4 5 6
_
;
>> I=eye(n) cria a matriz identidade por e a armazena numa vari avel I;
>> O=zeros(n) ou >> O=zeros(m,n) cria a matriz nula por ou por , respectivamente,
e a armazena numa vari avel O;
>> A+B e a soma de A e B,
>> A*B e o produto de A por B,
>> A. e a transposta de A,
>> A-B e a diferenca A menos B,
>> num*A e o produto do escalar num por A,
>> Ak e a pot encia A elevado a .
>> A(:,j) e a coluna da matriz A, >> A(i,:) e a linha da matriz A.
>> diag([d1,...,dn]) cria uma matriz diagonal, cujos elementos da diagonal s ao iguais aos
elementos da matriz [d1,...,dn], ou seja, s ao d1,...,dn.
>> A=sym(A) converte a matriz A numa matriz em que os elementos s ao armazenados no
formato simb olico. A func ao numeric faz o processo inverso.

1.1 Matrizes 23
>> solve(expr) determina a soluc ao da equac ao expr=0. Por exemplo,
>> solve(x2-4) determina as soluc oes da equac ao
2
4 = 0;
Comando do pacote GAAL:
>> A=randi(n) ou >> A=randi(m,n) cria uma matriz n por n ou m por n, respectivamente,
com elementos inteiros aleat orios entre 5 e 5.
1.1.10. Use o MATLAB
para calcular alguns membros da seq u encia ,

2
, . . . ,
, . . ., 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
;
(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
para tentar ter uma id eia do qu ao comum e encontrar

matrizes cujo produto comuta. No prompt do MATLAB
digite a seguinte linha:

>> c=0; for n=1:1000,A=randi(3);B=randi(3);if(A*B==B*A),c=c+1;end,end,c
(n ao esqueca das vrgulas e pontos e vrgulas!). O que esta linha est a mandando o 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( ....

1.1 Matrizes 25
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
de forma a obter a seguinte linha:

>> c=0; for n=1:1000,A=diag(randi(1,3));B=randi(3);if(A*B==B*A),c=c+1;A,B,end,end,c
Aqui s ao impressas as matrizes A e B quando elas comutarem. Qual a conclus ao que voc e tira
deste experimento? Qual a probabilidade de um tal par de matrizes comutarem?
para resolver os Exerccios Num ericos.

Exerccios Te oricos
1.1.16. Sejam
1
=
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
. . .
e uma matriz , ent ao
e igual ` a coluna da matriz .

(b) Mostre que se
=
11

12
. . .
1
21

22
. . .
2
.
.
. . . .
.
.
.
1

2
. . .
,
e uma matriz ent ao
e igual ` a linha da matriz .

1.1.17. Seja
=
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
. . .
].

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
.
.
.
e a - esima coluna de , ou seja, se = [

1
. . .
], ent ao
= [
1
. . .
] = [
1
. . .
];
(b) Mostre que a - esima linha do produto e igual ao produto
, em que
=
[
1
. . .
] e a - esima linha de , ou seja, se =
2
.
.
.
, ent ao
=
2
.
.
.
.
.
.
.
1.1.19. Seja uma matriz e =
1
.
.
.
uma matriz 1. Prove que

=
=1
, em que
e a - esima coluna de . (Sugest ao: Desenvolva o lado direito e

chegue ao lado esquerdo.)
1.1.20. (a) Mostre que se e uma matriz tal que =

0, para toda matriz , 1, ent ao
=

0. (Sugest ao: use o Exerccio 16 na p agina 25.)
(b) Sejam e matrizes , tais = , para todo , 1. Mostre que = .
(Sugest ao: use o item anterior.)
1.1.21. Mostre que a matriz identidade
e a unica matriz tal que
= para qualquer
matriz , . (Sugest ao: Seja
uma matriz tal que
= . Mostre que
.)

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
, para , = 1, . . . e que se e anti-

sim etrica, ent ao
, para , = 1, . . . . Portanto, os elementos da diagonal

principal de uma matriz anti-sim etrica s ao iguais a zero.
(b) Mostre que se e s ao sim etricas, ent ao + e s ao sim etricas, para todo escalar
.
(c) Mostre que se e s ao sim etricas, ent ao e sim etrica se, e somente se, = .
(d) Mostre que se e s ao anti-sim etricas, ent ao + e s ao anti-sim etricas, para todo
escalar .
(e) Mostre que para toda matriz , , +
e sim etrica e
e anti-sim etrica.
(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 = (
denimos o trac o de como sendo a soma dos ele-

mentos da diagonal (principal) de , ou seja, tr() =
=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 = .

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.
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
. Aqui foram aplicadas as

propriedades distributiva e comutativa do produto em relac ao a soma de n umeros.

1.1 Matrizes 33
(d) Num somat orio duplo, a ordem dos somat orios pode ser trocada:
=1
=1
=1
=1
.
Pois,
=1
=1
=1
(
1
+. . . +
) = (
11
+. . . +
1
) +. . . +(
1
+. . . +
) = (
11
+. . . +
1
) +. . . + (
1
+. . . +
) =
=1
(
1
+. . . +
) =
=1
=1
. Aqui foram aplicadas as

propriedades comutativa e associativa da soma de n umeros.
1.2 Sistemas de Equac oes Lineares
Muitos problemas em v arias areas da Ci encia recaem na soluc ao de sistemas lineares. Vamos
ver como a algebra matricial pode simplicar o estudo dos sistemas lineares.
Uma equac ao linear em vari aveis
1
,
2
, . . . ,
e uma equac ao da forma
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
s ao constantes reais, para , = 1, . . . , e = 1, . . . , .

Usando o produto de matrizes que denimos na sec ao anterior, o sistema linear acima pode ser
escrito como uma equac ao matricial
= ,

1.2 Sistemas de Equac oes Lineares 35
em que
=
11

12
. . .
1
21

22
. . .
2
.
.
. . . .
.
.
.
1

2
. . .
, =
2
.
.
.
e =
2
.
.
.
.
Uma soluc ao de um sistema linear e uma matriz =
2
.
.
.
tal que as equac oes do sistema s ao

satisfeitas quando substitumos
1
=
1
,
2
=
2
, . . . ,
. O conjunto de todas as soluc oes do

sistema e chamado conjunto soluc ao ou soluc ao geral do sistema. A matriz e chamada matriz
do sistema linear.
Exemplo 1.10. O sistema linear de duas equac oes e duas inc ognitas
_
+ 2 = 1
2 + = 0
pode ser escrito como
_
1 2
2 1
_ _

_
=
_
1
0
_
.
A soluc ao (geral) do sistema acima e = 1/3 e = 2/3 (verique!) ou
=
_

1
3
2
3
_
.
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
. . .
.

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!).
(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.

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
a
.
eliminac ao:
Vamos procurar para piv o da 1
a
.
linha um elemento n ao nulo da primeira coluna n ao nula (se for o caso,
podemos usar a troca de linhas para traz e-lo para a primeira linha). Como o primeiro elemento da
primeira coluna e igual a 1 ele ser a o primeiro piv o. Agora, precisamos zerar os outros elementos da
1
a
.
coluna, que e a coluna do piv o, para isto, adicionamos ` a 2
a
.
linha, 2 vezes a 1
a
.
linha e adicionamos
` a 3
a
.
linha, tamb em, 2 vezes a 1
a
.
linha.
21
a
.
linha + 2
a
.
linha 2
a
.
linha
21
a
.
linha + 3
a
.
linha 3
a
.
linha
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
Agora, precisamos zerar os outros elementos da 2

a
.
coluna, que e a coluna do piv o, para isto, soma-
mos ` a 1
a
.
linha, 1 vezes a 2
a
.
e somamos ` a 3
a
.
linha, tamb em, 1 vezes a 2
a
.
.
12
a
.
linha + 1
a
.
linha 1
a
.
linha
12
a
.
linha + 3
a
.
linha 3
a
.
linha
1 0 3 1000
0 1 2 0
0 0 5 500
3
a
.
eliminac ao:

a
.
e a 2
a
.
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

a
.
coluna, que e a coluna do piv o, para isto, soma-
mos ` a 1
a
.
linha, 3 vezes a 3
a
.
e somamos ` a 2
a
.
linha, 2 vezes a 2
a
.
.
33
a
.
linha + 1
a
.
linha 1
a
.
linha
23
a
.
linha + 2
a
.
linha 2
a
.
linha
1 0 0 700
0 1 0 200
0 0 1 100
Portanto o sistema dado e equivalente ao sistema
= 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.
A ultima matriz que obtivemos no exemplo anterior est a na forma que chamamos de escalonada
reduzida.
Denic ao 1.6. Uma matriz = (
est a na forma escalonada reduzida quando satisfaz as

seguintes condic oes:
(a) Todas as linhas nulas (formadas inteiramente por zeros) ocorrem abaixo das linhas n ao nulas;
(b) O piv o (1
o
.
elemento n ao nulo de uma linha) de cada linha n ao nula e igual a 1;
(c) O piv o de cada linha n ao nula ocorre ` a direita do piv o da linha anterior.
(d) Se uma coluna cont em um piv o, ent ao todos os seus outros elementos s ao iguais a zero.
Se uma matriz satisfaz as propriedades (a) e (c), mas n ao necessariamente (b) e (d), dizemos que
ela est a na forma escalonada.
Exemplo 1.12. As matrizes
1 0 0
0 1 0
0 0 1
1 3 0 2
0 0 1 3
0 0 0 0

s ao escalonadas reduzidas, enquanto
1 1 1
0 1 2
0 0 5
1 3 1 5
0 0 5 15
0 0 0 0
s ao escalonadas, mas n ao s ao escalonadas reduzidas.

Este m etodo de resoluc ao de sistemas, que consiste em aplicar operac oes elementares ` as linhas
da matriz aumentada at e que a matriz do sistema esteja na forma escalonada reduzida, e conhecido
como m etodo de Gauss-Jordan.
Exemplo 1.13. Considere o seguinte sistema
+ 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

2
a
.
eliminac ao:
Olhamos para submatriz obtida eliminando-se a 1
a
.
linha. Escolhemos para piv o um elemento n ao
nulo da 1
a
.
coluna n ao nula da submatriz. Escolhemos o elemento de posic ao 2,2. Como ele e igual a
1, precisamos, agora, zerar os outros elementos da coluna do piv o. Para isto somamos ` a 1
a
.
linha,
3 vezes a 2
a
.
e somamos ` a 3
a
.
linha, 2 vezes a 2
a
.
.
32
a
.
linha + 1
a
.
linha 1
a
.
linha
22
a
.
linha + 3
a
.
linha 3
a
.
linha
1 0 2 3
0 1 5 2
0 0 0 4
Portanto o sistema dado e equivalente ao sistema
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

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

a
.
coluna, que e a coluna do piv o, para isto, adici-
onamos ` a 2
a
.
linha, 5 vezes a 1
a
.
.
51
a
.
linha + 2
a
.
linha 2
a
.
linha
1 3 1 5 7
0 0 5 15 10
0 0 3 9 6
2
a
.
eliminac ao:
a
.
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.
(1/5)2
a
.
linha 2
a
.
linha
1 3 1 5 7
0 0 1 3 2
0 0 3 9 6

a
.
coluna, que e a coluna do piv o, para isto, adici-
onamos ` a 1
a
.
linha a 2
a
.
e ` a 3
a
.
linha, 3 vezes a 2
a
.
.
2
a
.
linha + 1
a
.
linha 1
a
.
linha
32
a
.
linha + 3
a
.
linha 3
a
.
linha
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
para todos os valores de e reais.


Em geral, se o sistema linear tiver soluc ao e a forma escalonada reduzida da matriz aumentada
possuir 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. As vari aveis associadas aos piv os ter ao
os seus valores dependentes das vari aveis livres.
Lembramos que o sistema linear n ao tem soluc ao se a ultima linha n ao nula da forma escalonada
reduzida da matriz aumentada do sistema for da forma [ 0 . . . 0
], 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.
Demonstrac ao. Seja
= (1 )
0
+
1
, para .
Vamos mostrar que
e soluc ao do sistema = , para qualquer . Para isto 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 =
. Observe que para = 0,
=
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.

1.2.2 Matrizes Equivalentes por Linhas
Denic ao 1.7. Uma matriz = (
e equivalente por linhas a 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
s ao equivalentes por linhas ` as matrizes
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);
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 = (
e equivalente por linhas a uma unica matriz escalonada

reduzida = (
.
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, =
.

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
chamada de soluc ao trivial.

Portanto, todo sistema homog eneo tem soluc ao. Al em disso ou tem somente a soluc ao trivial ou tem
innitas soluc oes
Observac ao. Para resolver um sistema linear homog eneo =

0, basta escalonarmos a matriz
do sistema, j a que sob a ac ao de uma operac ao elementar a coluna de zeros n ao e alterada. Mas, e
preciso car atento quando se escreve o sistema linear associado ` a matriz resultante das operac oes
elementares, para se levar em considerac ao esta coluna de zeros que n ao vimos escrevendo.
Teorema 1.6. Se = (
, e tal que < , ent ao o sistema homog eneo =

0 tem soluc ao
diferente da soluc ao trivial, ou seja, todo sistema homog eneo com menos equac oes do que inc ognitas
tem innitas soluc oes.
Demonstrac ao. Como o sistema tem menos equac oes do que inc ognitas ( < ), o n umero de
linhas n ao nulas da forma escalonada reduzida da matriz aumentada do sistema tamb em e tal que
< . Assim, temos piv os e vari aveis (inc ognitas) livres, que podem assumir todos os valores
reais. Logo, o sistema admite soluc ao n ao trivial e portanto innitas soluc oes.
O conjunto soluc ao de um sistema linear homog eneo satisfaz duas propriedades interessantes.
Estas propriedades ter ao um papel decisivo no estudo de subespacos de
na Sec ao 5.2 na p agina

308.
Proposic ao 1.7. Seja = (
.
(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.

Estas propriedades n ao s ao v alidas para sistemas lineares em geral. Por exemplo, considere o
sistema linear = , em que = [1] e = [1]. A soluc ao deste sistema e = [1]. Mas,
+ = 2 = 2, n ao e soluc ao do sistema.
Exemplo 1.16. 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

(gerac ao). A matriz de transic ao e dada por
=
1 2 3
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.
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
2
2
a
.
linha + 1
a
.
linha 1
a
.
linha
1
4
2
a
.
linha + 3
a
.
linha 3
a
.
linha
1 0 1 0
0 1 2 0
0 0 0 0
Portanto o sistema dado e equivalente ao sistema seguinte

_
= 0
2 = 0
Seja = . Ent ao = 2 e = . Assim, a soluc ao geral do sistema e
=
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.
Vamos denotar por
a matriz elementar obtida trocando-se a linha com a linha da matriz
() a matriz elementar obtida multiplicando-se a linha da matriz
pelo escalar = 0 e
,
()
a matriz elementar obtida da matriz
, somando-se ` a linha , vezes a linha .
,
=
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
Exemplo 1.17. As matrizes seguintes s ao as matrizes elementares 2 2:
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
_
.

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 .
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
` a esquerda pelas matrizes elementares
1,2
(2) =
1 0 0
2 1 0
0 0 1
,
1,3
(2) =
1 0 0
0 1 0
2 0 1
,
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
.

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
;
(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
;

(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).
2 1 0 1 2 3 4 5
30
20
10
0
10
20
30
x
y

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).
6 4 2 0 2 4 6 8
4
2
0
2
4
6
8
x
y

1.2.10. Encontre condic oes sobre os
s para que cada um dos sistemas seja consistente (isto e,

tenha soluc ao):
(a)
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
;
1.2.13. Considere a matriz =
1 1 1 1
1 3 2
2 2 2 2 3 1
3 + 2 3 2 + 1
. Determine o conjunto soluc ao do

sistema = , em que = [ 4 3 1 6 ]
, para todos os valores de .

1.2.14. Resolva os sistemas lineares cujas matrizes aumentadas s ao:
(a)
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
;
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.

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.
(b) Use o MATLAB
para tentar encontrar os coecientes , , e da func ao polinomial

() =
3
+
2
+ + cujo gr aco passa pelos pontos dados pelas linhas da matriz
P. A matriz A=matvand(P(:,1),3) pode ser util na soluc ao deste problema, assim como
a matriz B=P(:,2). Se n ao conseguiu, repita o passo anterior. Por que pode n ao ser
possvel?
(c) Desenhe os pontos e o gr aco do polin omio com os comandos
clf, po(P), syms x, p=poly2sym(R(:,5),x), plotf1(p,[-5,5]), em que R e forma
escalonada reduzida da matriz [A,B].
(d) Desenhe os eixos coordenados com o comando eixos.
1.2.16. (a) Use o comando P=randi(5,2), para gerar 5 pontos com entradas inteiras e aleat orias
entre 5 e 5. Os pontos est ao armazenados nas linhas da matriz P.
(b) Use o MATLAB
para tentar encontrar os coecientes , , , , e da c onica, curva de

equac ao
2
+ +
2
+ + + = 0, cujo gr aco passa pelos pontos cujas
coordenadas s ao dadas pelas linhas da matriz P. A matriz A=matvand(P,2) pode ser util
na soluc ao deste problema. Se n ao conseguiu, repita o passo anterior. Por que pode n ao
ser possvel?
(c) Desenhe os pontos e a c onica com os comandos
clf, po(P), syms x y, p=poly2sym2([-R(:,6);1],x,y),
plotci(p,[-5,5],[-5,5]), em que R e a forma escalonada reduzida da matriz
A.
(d) Desenhe os eixos coordenados com o comando eixos.
e resolva os Exerccios Num ericos a partir do Exerccio 1.2.3.


Exerccios Te oricos
1.2.18. Mostre que toda operac ao elementar possui inversa, do mesmo tipo, ou seja, para cada
operac ao elementar existe uma outra operac ao elementar do mesmo tipo que desfaz o que
a operac ao anterior fez.
1.2.19. Prove que:
(a) Toda matriz e equivalente por linhas a ela mesma (reexividade);
(b) Se e equivalente por linhas a , ent ao e equivalente por linhas a (simetria);
(c) Se e equivalente por linhas a e e equivalente por linhas a , ent ao e equivalente
por linhas a (transitividade).
1.2.20. (a) Sejam
1
e
2
soluc oes do sistema homog eneo =

0. Mostre que
1
+
2
e
soluc ao, para quaisquer escalares e . (Sugest ao: veja o Exemplo 1.7.)
(b) Sejam
1
e
2
soluc oes do sistema = . Mostre que se
1
+
2
e soluc ao,
para quaisquer escalares e , ent ao =

0. (Sugest ao: faca = = 0.)
1.2.21. Sejam uma matriz e =

0 uma matriz 1.
(a) Mostre que se
1
e uma soluc ao do sistema = e
1
e uma soluc ao do sistema
homog eneo associado =

0, ent ao
1
+
1
e soluc ao de = .
(b) Seja
0
soluc ao particular do sistema = . Mostre que toda soluc ao do sistema
= , pode ser escrita como =
0
+ , em que e uma soluc ao do sistema
homog eneo associado, =

0. Assim, a soluc ao geral do sistema = e a soma
de uma soluc ao particular de = com a soluc ao geral do sistema homog eneo
associado =

0. (Sugest ao: Escreva =
0
+ (
0
) e mostre que
0
e
soluc ao do sistema homog eneo =

0.)

Teste do Captulo
1. Para o 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:
+ 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:
(a) Se
2
= 2
4
, ent ao (
+
2
)(
2
2
) =
;
(b) Se =
, onde e uma matriz diagonal, ent ao
= ;
(c) Se e uma matriz diagonal, ent ao = , para toda matriz , ;
(d) Se =
, ent ao =
.
(e) Se e s ao tais que =
e =
, ent ao = , e tal que
= .

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 = =
. De incio, para que os produtos

e estejam denidos e sejam iguais e preciso que as matrizes e sejam quadradas. Portanto,
somente as matrizes quadradas podem ter inversa, o que j a diferencia do caso dos n umeros reais,
pois todo n umero n ao nulo tem inverso. Mesmo entre as matrizes quadradas, muitas n ao possuem
inversa, apesar do conjunto das que n ao tem inversa ser bem menor do que o conjunto das que tem
(Exerccio 2.2.9 na p agina 130).
75
76 Invers ao de Matrizes e Determinantes
Denic ao 2.1. Uma matriz quadrada = (
e invertvel ou n ao singular, se existe uma

matriz = (
tal que
= =
, (2.1)
em que
e a matriz identidade. A matriz e chamada de inversa de . Se n ao tem inversa,

dizemos que e n ao invertvel ou singular.
Exemplo 2.1. Considere as matrizes
=
_
2 1
0 3
_
e =
_
1/2 1/6
0 1/3
_
.
A matriz e a inversa da matriz , pois = =
2
.
Teorema 2.1. Se uma matriz = (
possui inversa, ent ao a inversa e unica.

Demonstrac ao. Suponhamos que e sejam inversas de . Ent ao, = =
= =
e assim,
=
= () = () =
= .

2.1 A Inversa de uma Matriz 77
Denotamos a inversa de , quando ela existe, por
1
. Devemos chamar atenc ao para o fato de
que o ndice superior 1, aqui, n ao signica uma pot encia, t ao pouco uma divis ao. Assim como no
caso da transposta, em que
signica a transposta de , aqui,

1
signica a inversa de .
2.1.1 Propriedades da Inversa
Teorema 2.2. (a) Se e invertvel, ent ao
1
tamb em o e e
(
1
)
1
= ;
(b) Se = (
e = (
s ao matrizes invertveis, ent ao e invertvel e

()
1
=
1
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.
(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
)
. Pela propriedade (o) do Teorema 1.1 na

p agina 9:
(
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.

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 = (
uma matriz tal que

3
=

0 ( pode n ao ser a matriz nula!). Vamos
mostrar que a inversa de
++
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.
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
aplicando-se uma operac ao

elementar. Seja a matriz elementar correspondente a operac ao que transforma de volta em
.
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
.

(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
signica, pelo Teorema 1.8 na p agina 57, que

existem matrizes elementares
1
, . . . ,
, 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.
Se e invertvel, ent ao multiplicando-se ambos os membros de (2.2) ` a direita por

1
obtemos
. . .
1
=
1
.
Assim, a mesma seq u encia de operac oes elementares que transforma a matriz na matriz identidade
transforma tamb em
em
1
.
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 =
, ent ao pelo Teorema 2.5, e invertvel e =
=
1
=
1
=
1
. Logo, = =
.
(b) Se =
, ent ao pelo item anterior e invertvel e

1
= . Portanto = =
Segue da demonstrac ao, do Teorema 2.5 (equac ao (2.3)) o resultado seguinte.

Teorema 2.6. Uma matriz e invertvel se, e somente se, ela e um produto de matrizes elementares.
Exemplo 2.3. Vamos escrever a matriz do Exemplo 2.5 na p agina 87 como o produto de matrizes
elementares. Quando encontramos a inversa da matriz , aplicamos uma seq u encia de operac oes
elementares em [
3
] at e que encontramos a matriz [
3

1
]. Como as operac oes s ao por linha,
esta mesma seq u encia de operac oes elementares transforma em
. Isto corresponde a multiplicar

a matriz =
1 1 1
2 1 4
2 3 5
` a esquerda pelas matrizes elementares
1,2
(2) =
1 0 0
2 1 0
0 0 1
,
1,3
(2) =
1 0 0
0 1 0
2 0 1
,

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.
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
.

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
.
.
.
e as colunas da matriz identidade
, 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 . . . , .
Cada um dos sistemas pode ser resolvido usando o m etodo de Gauss-Jordan. Para isso, formaramos
as matrizes aumentadas [
1
], [
2
], . . . , [
]. Entretanto, como as matrizes dos sistemas

s ao todas iguais ` a , podemos resolver todos os sistemas simultaneamente formando a matriz 2
[
1
2
. . .
] = [
].
Transformando [
] na sua forma escalonada reduzida, que vamos denotar por [ ], vamos

chegar a duas situac oes possveis: ou a matriz e a matriz identidade, ou n ao e.
Se =
, ent ao a forma escalonada reduzida da matriz [
] e da forma [
]. Se
escrevemos a matriz em termos das suas colunas = [
1
2
. . .
], ent ao as soluc oes dos

sistemas
s ao
e assim = e tal que =
e pelo Teorema 2.3 na

p agina 79 e invertvel.
Se =
, ent ao a matriz n ao e equivalente por linhas ` a matriz identidade
. Ent ao, pela

Proposic ao 1.5 na p agina 50 a matriz tem uma linha nula. O que implica que cada um dos
sistemas
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 [
] e encontramos a sua forma escalonada reduzida [ ]. Se

=
, ent ao a matriz e invertvel e a inversa

1
= . Caso contr ario, a matriz n ao e invertvel.
Vejamos os exemplos seguintes.

Exemplo 2.5. Vamos encontrar, se existir, a inversa de
=
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

33
a
.
linha + 1
a
.
linha 1
a
.
linha
23
a
.
linha + 2
a
.
linha 2
a
.
linha
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:

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.
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
e a unica soluc ao do sistema = . Por outro lado, se o sistema = possui soluc ao

unica, ent ao a forma escalonada reduzida da matriz aumentada do sistema [ ] e da forma
[ ], em que =
. Pois a matriz e quadrada e caso fosse diferente da identidade

possuiria uma linha de zeros (Proposic ao 1.5 na p agina 50) o que levaria a que o sistema
= ou n ao tivesse soluc ao ou tivesse innitas soluc oes. Logo, a matriz e equivalente
por linhas ` a matriz identidade o que pelo Teorema 2.7 na p agina 84 implica que e invertvel.

(b) Todo sistema homog eneo possui pelo menos a soluc ao trivial. Pelo item anterior, esta ser a a
unica soluc ao se, e somente se, e invertvel.
Vamos ver no pr oximo exemplo que se conhecemos a inversa de uma matriz, ent ao a produc ao
de uma ind ustria em v arios perodos pode ser obtida apenas multiplicando-se a inversa por matrizes
colunas que contenham a arrecadac ao e as quantidades dos insumos utilizados em cada perodo.
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. 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
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

que e
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
Portanto, foram produzidos 700 kg do produto X, 200 kg de Y e 100 kg de Z.

(b) Se em outro perodo com a venda de toda a produc ao de X, Y e Z manufaturada com 1 kg de
A e 2, 1 kg de B, essa ind ustria arrecadou R$ 2900, 00, ent ao para determinar quantos kg de

cada um dos produtos X, Y e Z foram vendidos simplesmente multiplicamos
1
pela matriz
=
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
Portanto, foram produzidos 500 kg do produto X, 300 kg de Y e 200 kg de Z.

Vamos mostrar a recproca do item (b) do Teorema 2.2 na p agina 77. Este resultado ser a util
na demonstrac ao de que o determinante do produto de matrizes e o produto dos determinantes
(Subsec ao 2.2.2 na p agina 126).
Proposic ao 2.9. Se e s ao matrizes , com invertvel, ent ao e s ao invertveis.
Demonstrac ao. Considere o sistema () =

0. Se n ao fosse invertvel, ent ao existiria =

0,
tal que =

0 (Teorema 2.8 na p agina 90). Multiplicando-se por , teramos =

0, o que,
novamente pelo Teorema 2.8 na p agina 90, contradiz o fato de ser invertvel. Portanto, e
invertvel. Agora, se e s ao invertveis, ent ao tamb em e invertvel, pois = ()
1
, que
e o produto de duas matrizes invertveis.
2.1.4 Aplicac ao: Interpolac ao Polinomial
Sejam
1
= (
1
,
1
), . . . ,
= (
), com
1
, . . . ,
n umeros distintos. Considere o pro-

blema de encontrar um polin omio de grau 1
() =
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).

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
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.

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
ser a a mensagem inicial convertida para n umeros, ou seja,

=
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)
2.1.1. Seja uma matriz 3 3. Suponha que =
1
2
3
e soluc ao do sistema homog eneo

=

0. A matriz e singular ou n ao? Justique.
2.1.2. Se possvel, encontre as inversas das seguintes matrizes:
(a)
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
_
,

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
.
Comandos do MATLAB
:
>> M=[A,B] atribui ` a matriz M a matriz obtida colocando lado a lado as matrizes A e B.
>> M=A(:,k:l) atribui ` a matriz M a submatriz da matriz A obtida da coluna l ` a coluna k da
matriz A.
>> 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-
>> B=escalona(A) calcula passo a passo a forma escalonada reduzida da matriz A e arma-
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

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
_
+ =
+ =
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
= 0, para = 1, . . . , , mostre que e invertvel e a sua inversa

e tamb em uma matriz diagonal com elementos na diagonal dados por 1/
11
, 1/
22
, . . . , 1/
.
2.1.13. Sejam e matrizes quadradas. Mostre que se + e forem invertveis, ent ao
( +)
1
=
1
(
+
1
)
1
.
2.1.14. Seja
a matriz , cujas entradas s ao iguais a 1. Mostre que se > 1, ent ao

(
)
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
.)

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.)
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

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
, e a submatriz ( 1) ( 1) de obtida eliminando-se a - esima linha e a - esima coluna

de , que tem o seguinte aspecto:
11
. . .
. . .
1
.
.
.
.
.
.
.
.
.
.
.
.
1
. . .
. . .

Exemplo 2.8. Para uma matriz = (
)
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
e igual a mais ou menos o determinante do menor

, sendo
o mais e o menos determinados pela seguinte disposic ao:
+ +
+
+ +
Exemplo 2.9. Para uma matriz = (
)
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

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
e igual a mais ou menos o determinante do menor

, sendo
o mais e o menos determinados pela seguinte disposic ao:
+ + . . .
+ + . . .
+ + . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Denic ao 2.2. Seja = (
. O determinante de , denotado por det(), e denido por

det() =
11

11
+
12

12
+. . . +
1

1
=
=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
.

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

det() =
11
det
_

22
0
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
. . .

det() =
11
det
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.

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 = (
em termos das suas linhas

=
1
.
.
.
+1
.
.
.
,
em que
e a linha da matriz , ou seja,
= [
1
2
. . .
]. Se a linha
e escrita na forma
= + , em que = [
1
. . .
], = [
1
. . .
] e e s ao escalares, dizemos que

a linha
e combinac ao linear de e . Se a linha
e combinac ao linear de e , ent ao o

determinante pode ser decomposto como no resultado seguinte.
Teorema 2.10. Seja = (
escrita em termos das suas linhas, denotadas por
, ou seja,
= [
1
2
. . .
]. Se para algum , a linha
= + , em que = [
1
. . .
],
= [
1
. . .
] e e s ao escalares, ent ao:

det
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,

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
(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
. A express ao (2.8) e chamada desen-

volvimento em cofatores do determinante de em termos da - esima linha e (2.9) e chamada
desenvolvimento em cofatores do determinante de em termos da - esima coluna.

Temos a seguinte conseq u encia deste resultado.
Corol ario 2.12. Seja uma matriz . Se possui duas linhas iguais, ent ao det() = 0.
Demonstrac ao. O resultado e claramente verdadeiro para matrizes 2 2. Supondo que o resultado
seja verdadeiro para matrizes ( 1) ( 1), vamos provar que ele e verdadeiro para matrizes
. Suponhamos que as linhas e sejam iguais, para = . Desenvolvendo o determinante de
em termos de uma linha , com = , , obtemos
det() =
=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(

) = 0. Isto implica que det() = 0.

No pr oximo resultado mostramos como varia o determinante de uma matriz quando aplicamos
operac oes elementares sobre suas linhas.
(a) Se e obtida de multiplicando-se uma linha por um escalar , ent ao
det() = det() ;
(b) Se resulta de pela troca da posic ao de duas linhas = , ent ao
det() = det() ;
(c) Se e obtida de substituindo-se a linha por ela somada a um m ultiplo escalar de uma linha
, = , ent ao
det() = det() .
Demonstrac ao. (a) Segue diretamente do Teorema 2.10 na p agina 111.
(b) Sejam
=
1
.
.
.
.
.
.
.
.
.
e =
1
.
.
.
.
.
.
.
.
.
.

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
.
.
.
.
.
.
.
.
.

Exemplo 2.13. Vamos calcular o determinante da matriz
=
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.

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.
(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(
) ;
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 = (
. Vamos mostrar que se e invertvel, ent ao

det(
1
) =
1
det()
.
Como
1
=
, aplicando-se o determinante a ambos os membros desta igualdade e usando

o Teorema 2.14, obtemos
det() det(
1
) = det(
).
Mas, det(
) = 1 (Exemplo 2.11 na p agina 109, a matriz identidade tamb em e triangular inferior!).

Logo, det(
1
) =
1
det()
.
Exemplo 2.15. Se uma matriz quadrada e tal que
2
=
1
, ent ao vamos mostrar que det() =
1. Aplicando-se o determinante a ambos os membros da igualdade acima, e usando novamente o
Teorema 2.14 e o resultado do exemplo anterior, obtemos
(det())
2
=
1
det()
.
Logo, (det())
3
= 1. Portanto, det() = 1.

O resultado seguinte caracteriza em termos do determinante as matrizes invertveis e os sistemas
lineares homog eneos que possuem soluc ao n ao trivial.
Teorema 2.15. Seja uma matriz .
(a) A matriz e invertvel se, e somente se, det() = 0.
(b) O sistema homog eneo =

0 tem soluc ao n ao trivial se, e somente se, det() = 0.
Demonstrac ao. (a) Seja a forma escalonada reduzida da matriz .
A demonstrac ao deste item segue-se de tr es observac oes:
Pelo Teorema 2.13 na p agina 115, det() = 0 se, e somente se, det() = 0.
Pela Proposic ao 1.5 da p agina 50, ou =
ou a matriz tem uma linha nula. Assim,

det() = 0 se, e somente se, =
.
Pelo Teorema 2.7 na p agina 84, =
se, e somente se, e invertvel.

(b) Pelo Teorema 2.8 na p agina 90, o sistema homog eneo =

0 tem soluc ao n ao trivial se, e
somente se, a matriz n ao e invertvel. E pelo item anterior, a matriz e n ao invertvel se, e
somente se, det() = 0.

Exemplo 2.16. Considere a matriz
=
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.

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 =
, para todos os valores de , .

Para = 3:
(3
3
) =

0
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
, para todos os valores de .

Exemplo 2.17. A matriz =
_

_
e invertvel se, e somente se, det() = = 0. Neste
caso a inversa de e dada por
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
_

_

ou seja,
=
det
_

_
det
_

_, =
det
_

_
det
_

_
esta e a chamada Regra de Cramer para sistemas de 2 equac oes e 2 inc ognitas.
Pode-se mostrar (ver por exemplo [32] ou [33]), que para sistemas de equac oes e inc ognitas
e v alida a Regra de Cramer dada a seguir.
Se o sistema linear = e tal que a matriz e e invertvel, ent ao a soluc ao do sistema
e dada por
1
=
det(
1
)
det()
,
2
=
det(
2
)
det()
, . . . ,
=
det(
)
det()
,
em que
e a matriz que se obt em de substituindo-se a sua - esima coluna por , para =

1, . . . , .
Existem sistemas = de equac oes e inc ognitas, com > 2, em que det() =
det(
1
) = = det(
) = 0 e o sistema n ao tem soluc ao. Por exemplo o sistema
+ 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!).
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
() e a matriz elementar obtida da matriz identidade, multiplicando-se a linha por ,

ent ao det(
()) = .
(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.

(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
. . .
. Aplicando-se o caso anterior sucessivas vezes, obtemos

det() = det(
1
) . . . det(
) det() = det(
1
. . .
) det() = det() det().

Caso 3: Se e singular, pela Proposic ao 2.9 na p agina 93, tamb em e singular. Logo,
det() = 0 = 0 det() = det() det().
(b) Queremos provar que det() = det(
). Vamos dividir a demonstrac ao deste item em dois

casos.
Caso 1: Se e uma matriz invertvel, pelo Teorema 2.6 na p agina 82 ela e o produto de matrizes
elementares, =
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
tamb em n ao o e, pois caso contr ario, pelo Teorema 2.2 na

p agina 77, tamb em = (
seria invertvel. Assim neste caso, det(
) = 0 = det().
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
2.2.4. Calcule o determinante das matrizes a seguir:

(a)
_

(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

(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
2.2.7. Determine os valores de tais que existe =
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.
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
para tentar ter uma id eia do qu ao comum e encontrar

matrizes invertveis. No prompt do MATLAB
digite a seguinte linha:

>> c=0; for n=1:1000,A=randi(2);if(det(A)=0),c=c+1;end,end,c
(n ao esqueca das vrgulas e pontos e vrgulas!). O que esta linha est a mandando o 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.
2.2.10. Resolva, com o MATLAB
, os Exerccios Num ericos a partir do Exerccio 4.

Exerccios Te oricos

2.2.11. Mostre que se det() = 0, ent ao ou e singular ou e singular.
2.2.12. O determinante de e igual ao determinante de ? Justique.
2.2.13. Mostre que se e uma matriz n ao singular tal que
2
= , ent ao det() = 1.
2.2.14. Mostre que se
=

0, para algum inteiro positivo, ent ao e singular.
=
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 = (
e triangular superior, (isto e, os elementos situados

abaixo da diagonal s ao iguais a zero) ent ao det() =
11
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
, . . . ,
escalares, ent ao det() = 0.

2.2.21. Mostre que o determinante de Vandermonde e dado por
= 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
tais que > e , =

1, . . . , . (Sugest ao: Mostre primeiro que
3
= (
3

2
)(
2

1
)(
3

1
). Suponha que o
resultado e verdadeiro para matrizes de Vandermonde de ordem 1, mostre que o resultado
e verdadeiro para matrizes de Vandermonde de ordem . Faca as seguintes operac oes nas
colunas da matriz,
1
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
)

Verique que a matriz
=
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
0

1

2

1
,
e tal que det(
) = (). 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)
Ap endice II: Demonstrac ao do Teorema 2.11 na p agina 114
Demonstrac ao do Teorema 2.10 na p agina 111 para > 1. Deixamos como exerccio para o leitor
a vericac ao de que para matrizes 2 2 o resultado e verdadeiro. Supondo que o resultado seja
verdadeiro para matrizes ( 1) ( 1), vamos provar para matrizes . Sejam
=
1
.
.
.
1
+
+1
.
.
.
, =
1
.
.
.
+1
.
.
.
e =
1
.
.
.
+1
.
.
.
.
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
, para algum (1 ), ent ao

det() = (1)
+
det(

).

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
a matriz ( 2) ( 2) obtida de eliminando-se as linhas 1 e e as colunas e ,

para 1 .
Para < , a matriz

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(
)
_
E simples a vericac ao de que as duas express oes acima s ao iguais.

Demonstrac ao do Teorema 2.11 na p agina 114.
Pelo Teorema 2.14 na p agina 119 basta provarmos o resultado para o desenvolvimento em termos
das linhas de . Sejam
1
= [1 0 . . . 0],
2
= [0 1 0 . . . 0], . . . ,
= [0 . . . 0 1]. Observe que a

linha de pode ser escrita como
=1
. Seja
a matriz obtida de substituindo-se a

linha por
. Pelo Teorema 2.10 na p agina 111 e o Lema 2.17 segue-se que

det() =
=1
det(
) =
=1
(1)
+
det(

).

Teste do Captulo
1. Calcule o determinante da matriz seguinte usando operac oes elementares para transform a-la
em uma matriz triangular superior.
1 3 9 7
2 3 2 5
0 3 4 1
4 6 9 1
2. Se possvel, encontre a inversa da seguinte matriz:
1 0 0 2
0 1 0 0
0 0 1 0
2 0 0 2
3. Encontre todos os valores de para os quais a matriz

4
tem inversa, em que
=
2 0 0 0
2 0 0 0
1 2 1 0
3 2 1 2

4. Responda Verdadeiro ou Falso, justicando:
(a) Se
2
= 2
4
, ent ao ( +
2
)
1
= 2
2
;
(b) Se
=
2
e e n ao singular, ent ao determinante de e -1;
(c) Se =
1
, ent ao det() = det().
(d) det( +) = det + det

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

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
=
3.1 Soma de Vetores e Multiplicac ao por Escalar

A soma, +, de dois vetores e e determinada da seguinte forma:
tome um segmento orientado que representa ;
tome um segmento orientado que representa , com origem na extremidade de ;
o vetor + e representado pelo segmento orientado que vai da origem de at e a extremi-
dade de .
Da Figura 3.2, deduzimos que a soma de vetores e comutativa, ou seja,
+ = +, (3.1)
Figura 3.2: + = +
+
(
)
(
)
+
Figura 3.3: + ( +) = ( +) +

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:
(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.


Figura 3.4: A diferenca
2
3
1
2
Figura 3.5: Multiplicac ao de vetor por escalar

x
y
= (
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

Como ilustrado na Figura 3.8, a soma de dois vetores = (
1
,
2
) e = (
1
,
2
) e dada por
+ = (
1
+
1
,
2
+
2
);
Como ilustrado na Figura 3.9, a multiplicac ao de um vetor = (
1
,
2
) por um escalar e
dada por
= (
1
,
2
).
Denimos as componentes de um vetor no espac o de forma an aloga a que zemos com vetores
no plano. Vamos inicialmente introduzir um sistema de coordenadas retangulares no espac o. Para
isto, escolhemos um ponto como origem e como eixos coordenados, tr es retas orientadas (com
sentido de percurso denido), passando pela origem, perpendiculares entre si, sendo uma delas
vertical orientada para cima. Estes ser ao os eixos , e . O eixo e o eixo vertical. Os eixos
e s ao horizontais e satisfazem a seguinte propriedade. Suponha que giramos o eixo pelo menor
angulo at e que coincida com o eixo . Se os dedos da m ao direita apontam na direc ao do semi-
eixo positivo de forma que o semi-eixo positivo esteja do lado da palma da m ao, ent ao o polegar
aponta no sentido do semi-eixo positivo. Cada par de eixos determina um plano chamado de plano
coordenado. Portanto os tr es planos coordenados s ao: , e .
A cada ponto no espaco associamos um terno de n umeros (, , ), chamado de coordenadas
do ponto como segue.
Trace uma reta paralela ao eixo , passando por ;
A intersec ao da reta paralela ao eixo , passando por , com o plano e o ponto
. As
coordenadas de
, (, ), no sistema de coordenadas s ao as duas primeiras coordenadas

de .
x
y
2
+
2
1

1

1
+
1
+
Figura 3.8: A soma de dois vetores no
plano
x
y
1

1
Figura 3.9: A multiplicac ao de vetor por es-

calar no plano

A terceira coordenada e igual ao comprimento do segmento
, se estiver acima do plano

e ao comprimento do segmento
com o sinal negativo, se estiver abaixo do plano .

As coordenadas de um ponto s ao determinadas tamb em da maneira dada a seguir.
Passe tr es planos por paralelos aos planos coordenados.
A intersec ao do plano paralelo ao plano , passando por , com o eixo determina a coorde-
nada .
nada
nada .
Agora, estamos prontos para utilizarmos um sistema de coordenadas cartesianas tamb em nas
operac oes de vetores no espaco. Seja um vetor no espaco. Como no caso de vetores do plano,
denimos as componentes de como sendo as coordenadas (
1
,
2
,
3
) do ponto nal do repre-
sentante de que tem ponto inicial na origem. Tamb em vamos identicar o vetor com as suas
componentes e vamos escrever simplesmente
= (
1
,
2
,
3
).
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, 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.
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.

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
=
= (0 5/2, 5/2 1, 5/2 2) = (5/2, 3/2, 1/2).

Observac ao. O vetor e livre, ele n ao tem posic ao xa, ao contr ario do ponto e do segmento orien-
tado. Por exemplo, o vetor = (5/2, 3/2, 1/2), no exemplo acima, estava representado por um
segmento orientado com a origem no ponto = (5/2, 1, 2). Mas, poderia ser representado por um
segmento orientado cujo ponto inicial poderia estar em qualquer outro ponto.
Um vetor no espaco = (
1
,
2
,
3
) pode tamb em ser escrito na notac ao matricial como uma
matriz linha ou como uma matriz coluna:
=
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
,
=
_

1

2

3
=
_

1

2

3
produzem os mesmos resultados que as operac oes vetoriais

+ = (
1
,
2
,
3
) + (
1
,
2
,
3
) = (
1
+
1
,
2
+
2
,
3
+
3
),
= (
1
,
2
,
3
) = (
1
,
2
,
3
).
O mesmo vale, naturalmente, para vetores no plano.
No teorema seguinte enunciamos as propriedades mais importantes da soma de vetores e
multiplicac ao de vetores por escalar.
Teorema 3.1. Sejam , e vetores 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).

Exemplo 3.3. Seja um tri angulo e sejam e os pontos m edios de e , respectiva-
mente. Vamos provar que e paralelo a e tem comprimento igual a metade do comprimento
de .
Devemos provar que
=
1
2
.
A
B
C
M
N
Agora, a partir da gura acima temos que
.

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
, isto e, como uma soma de m ultiplos escalares de
.
Como
, ent ao os vetores
s ao paralelos e portanto o ponto s o pode estar

na reta denida por e . Vamos desenh a-lo entre e , mas isto n ao vai representar nenhuma
restric ao.
O vetor que vai de para , pode ser escrito como uma soma de um vetor que vai de para
com um vetor que vai de para ,
.
A
B
C
X
Agora, por hip otese
, o que implica que
.
Mas,
, portanto
+(
). Logo,
= (1 )
.

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
. Ent ao, aplicando o exemplo

anterior (com o ponto sendo a origem ),
=
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
_
.
3.1.1. Determine o ponto tal que
= 2
sendo = (0, 2) e = (1, 0).

3.1.2. Uma reta no plano tem equac ao = 2 + 1. Determine um vetor paralelo a esta reta.
3.1.3. Determine uma equac ao para a reta no plano que e paralela ao vetor = (2, 3) e passa pelo
ponto
0
= (1, 2).
3.1.4. Determine o vetor , tal que 3 2 = 15( ).
3.1.5. Determine os vetores e tais que
_
6 2 =
3 + = +
3.1.6. Determine as coordenadas da extremidade do segmento orientado que representa o vetor =
(3, 0, 3), sabendo-se que sua origem est a no ponto = (2, 3, 5).
3.1.7. Quais s ao as coordenadas do ponto
, sim etrico do ponto = (1, 0, 3) em relac ao ao ponto

= (1, 2, 1)? (Sugest ao: o ponto
e tal que o vetor
)
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.

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).
>> 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).
>> 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.
para resolver os Exerccios Num ericos a partir do Exerccio 1.3.

Exerccios Te oricos
3.1.15. Demonstre que o segmento que une os pontos m edios dos lados n ao paralelos de um trap ezio
e paralelo ` as bases, e sua medida e a m edia aritm etica das medidas das bases. (Sugest ao:
mostre que
=
1
2
(
) e depois conclua que
e um m ultiplo escalar de
.
Revise o Exemplo 3.3 na p agina 153)

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 = .)
A
B
C
M
N
D

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 = = .)
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 (
) se, e somente se,
, com + = 1.

(b) Um ponto pertence ao interior do segmento (
, com 0 < < 1) se, e

somente se,
, com > 0, > 0 e + = 1.

(c) Um ponto e um ponto interior ao tri angulo (
, com 0 < < 1,

em que
e um ponto interior ao segmento e
e interior ao segmento ) se, e

somente se,
, com > 0, > 0 e + < 1.

A
B
C
3.1.19. Mostre que se =

0, ent ao = 0 ou =

0.
3.1.20. Se = , ent ao = ? E se = 0 ?
3.1.21. Se = , ent ao = ? E se =

0 ?

x y
z
= (, , )

x y
z
= (, , )

Figura 3.10: As coordenadas de um ponto no espaco

x y
z
= (
1
,
2
,
3
)
3
Figura 3.11: As componentes de um vetor
no espaco
x y
z
= (, , )
Figura 3.12: As coordenadas de s ao

iguais as componentes de

x y
z
Figura 3.13: =

3.2 Produtos de Vetores
3.2.1 Norma e Produto Escalar
J a vimos que o comprimento de um vetor e denido como sendo o comprimento de qualquer
um dos segmentos orientados que o representam. O comprimento do vetor tamb em e chamado
de norma de e e denotado(a) por . Segue do Teorema de Pit agoras que a norma de um vetor
pode ser calculada usando as suas componentes, por
=
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
(Figura 3.13 na p agina 169). Como
= (
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
, que e dada por

dist(, ) =
(
2
1
)
2
+ (
2
1
)
2
.

3.2 Produtos de Vetores 171
x
y
= (
1
,
2
)
Figura 3.14: A norma de um vetor no

plano
x y
z
= (
1
,
2
,
3
)
2
1
Figura 3.15: A norma de um vetor no

espaco
Exemplo 3.6. A norma do vetor = (1, 2, 3) e
=
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.

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.
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.

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.
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

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
) =
+ ;
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

(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
seja ortogonal a (Figura 3.19).

p
r
o
j
proj
p
r
o
j
proj

Figura 3.19: Projec ao ortogonal do vetor sobre o vetor

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.
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 .


s
e
n
Figura 3.20:

Area de um paralelogramo determinado por dois vetores
(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 .

V x W
W x V
V
W
V
W
Figura 3.21: Regra da m ao direita
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 = .

(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.
Os vetores can onicos
= (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
(combinac ao linear), pois

= (
1
,
2
,
3
) = (
1
, 0, 0) + (0,
2
, 0) + (0, 0,
3
) =
=
1
(1, 0, 0) +
2
(0, 1, 0) +
3
(0, 0, 1) =
=
1
+
2
+
3
. (3.9)
x y
z
Figura 3.22: Vetores
x y
z
= (
1
,
2
,
3
)
Figura 3.23: =
1
+
2
+
3

Da denic ao de produto vetorial podemos obter facilmente as seguintes relac oes:
=

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
.
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
__
Para obter as componentes do produto vetorial procedemos como segue:

Escreva a matriz:
_

_
=
_

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.

Exemplo 3.11. Sejam =
+2
e = 3
. Vamos determinar o produto vetorial .

Como
_

_
=
_
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
o produto vetorial , pode ser escrito em termos do determinante

= det
1

2

3
1

2

3
= det
_

2

3
2

3
_
det
_

1

3
1

3
_
+ det
_

1

2
1

2
_
.
Figura 3.24:

Area do tri angulo

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
.
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
Exemplo 3.13. O produto misto dos vetores = 2
+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 .

c
o
s
Figura 3.25: Volume do paraleleppedo determinado por , e

Demonstrac ao. O volume do paraleleppedo determinado por , e e igual ao produto da area
da base pela altura, ou seja, pela denic ao do produto vetorial, o volume e dado por
Volume = .
Mas, como vemos na Figura 3.25 a altura e = cos , o que implica que
Volume = cos = ( ) .
Exemplo 3.14. Sejam = 4
, = 2
+ 5
e = 3
+ 3
+ 4
. O volume do paraleleppedo com

um v ertice na origem e arestas determinadas por , e e dado por
volume = ( ) = det
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.


Figura 3.26: Paraleleppedo determinado por , e do Exemplo 3.14

Corol ario 3.9. Sejam =
1
+
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.

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 .
(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 = (/) + (/).
Exemplo 3.16. Considere os vetores

=
= (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

A ultima matriz corresponde ao sistema
_
+ 2 = 0
2 = 0
Assim
5
2

2
+ =

0.
Logo
=
5
2

1
2
.
Verique que realmente vale esta relac ao entre os vetores , e .
3.2.1. Determine a equac ao da reta no plano que e perpendicular ao vetor = (2, 3) e passa pelo
ponto
0
= (1, 1).
3.2.2. Seja = (0, 0, 0). Qual o lugar geom etrico dos pontos = (, , ) tais que

2
= 4?
Qual gura e representada pela equac ao
2
+
2
= 4?
3.2.3. Sejam =
+ 2
e = 2
. Determine vetores unit arios paralelos aos vetores

(a) +; (b) ; (c) 2 3.
3.2.4. Determine o valor de para o qual os vetores =
+ 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
como a soma de dois vetores

1
e
2
, com
1
paralelo ao
vetor
+ 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.)

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
3 e sendo o angulo entre

e
, tem-se cos > 0. Ache .

3.2.15. Mostre que = (3, 0, 2), = (4, 3, 0) e = (8, 1, 1) s ao v ertices de um tri angulo ret angulo.
Em qual dos v ertices est a o angulo reto?
3.2.16. Considere dois vetores e tais que = 5, = 2 e o angulo entre e e 60
.
Determine, como combinac ao linear de e ( +):
(a) Um vetor tal que = 20 e = 5
(b) Um vetor tal que =

0 e = 12.
>> subs(expr,x,num) substitui x por num na express ao expr;
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.
>> 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.

>> 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 .
para resolver os Exerccios Num ericos

Exerccios Te oricos
3.2.20. Mostre que em um tri angulo is osceles a mediana relativa ` a base e perpendicular ` a base.
3.2.21. Mostre que o angulo inscrito em uma semicircunfer encia e reto.
Sugest ao para os pr oximos 2 exerccios: Considere o paralelogramo . Seja =
e =
. Observe que as diagonais do paralelogramo s ao + e .

3.2.22. Mostre que se as diagonais de um paralelogramo s ao perpendiculares ent ao ele e um losango.
3.2.23. Mostre que se as diagonais de um paralelogramo t em o mesmo comprimento ent ao ele e um
ret angulo.
3.2.24. Se = e =

0, ent ao = ?
3.2.25. Mostre que se e ortogonal a
1
e
2
, ent ao e ortogonal a
1
1
+
2
2
.
3.2.26. Demonstre que as diagonais de um losango s ao perpendiculares. (Sugest ao: mostre que
= 0, usando o fato de que
.)
3.2.27. Sejam um vetor n ao nulo no espaco e , e os angulos que forma com os vetores
, respectivamente. Demonstre que

cos
2
+ cos
2
+ cos
2
= 1 .
(Sugest ao: cos =

, 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
= ( ) ( ))

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
( );
(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 (
), para = 1, 2, 3 e igual a det()/2, em

que
=
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
.)

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
(
) = (
) = (
) = (
(b) Prove usando o item anterior e as propriedades do produto vetorial 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.
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 ( )

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, ( +) = + .
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.

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.

4.1 Equac oes de Retas e Planos 215
= (, , )
0
= (
0
,
0
,
0
)
= (, , )
Figura 4.1: Plano perpendicular a = (, , ) e que passa por

0
= (
0
,
0
,
0
)
216 Retas e Planos
Proposic ao 4.1. A equac ao geral de um plano que passa por um ponto
0
= (
0
,
0
,
0
) e tem
vetor normal = (, , ) e
+ + + = 0 , (4.1)
em que = (
0
+
0
+
0
).
Demonstrac ao. Um ponto = (, , ) pertence ao plano se, e somente se, o vetor
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 ,

x
y
z
x
y
z
x
y
z
Figura 4.2: Planos = 0, + = 0 e + = 0

x
y
z
x
y
z
x
y
z
Figura 4.3: Planos + + = 0, + + = 0 e + + = 0

218 Retas e Planos
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
Figura 4.5: Planos + + = 0 e + + + = 0


x
y
z
2
4
2
Figura 4.6: Plano 2 + 2 = 0
220 Retas e Planos
em que os coecientes de , e s ao as componentes do vetor normal, ou seja, = 2, = 1 e
= 2. Assim, a equac ao de e da forma
2 + 2 + = 0 .
Para determinar o coeciente , ao inv es de usarmos a Proposic ao 4.1, vamos usar o fato de que
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).

1
= (
1
,
1
,
1
)
=
2
= (
2
,
2
,
2
)
3
= (
3
,
3
,
3
)
= (, , )
Figura 4.7: Plano que passa por tr es pontos

222 Retas e Planos
x
y
z
1/2
1/2
1/4
Figura 4.8: Plano 2 + 2 + 4 1 = 0

Exemplo 4.2. Vamos encontrar a equac ao do plano que passa pelos pontos
1
= (
1
2
, 0, 0),
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 .
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
e assim a equac ao do plano e dada por

1
4
+
1
4
+
1
2

1
8
= 0.
ou multiplicando por 8,
2 + 2 + 4 1 = 0
A equac ao do plano tamb em e determinada se ao inv es de serem dados tr es pontos, forem dados
um ponto
1
do plano e dois vetores paralelos ao plano, = (
1
,
2
,
3
) e = (
1
,
2
,
3
), desde
que eles sejam n ao colineares. Ou ainda se forem dados dois pontos
1
e
2
do plano e um vetor pa-
ralelo ao plano = (
1
,
2
,
3
), j a que neste caso podemos formar o vetor =
2
= (
1
,
2
,
3
)
que e tamb em paralelo ao plano.

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
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 , .

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.
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

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 .
230 Retas e Planos
x y
z
= (, , )
0
= (
0
,
0
,
0
)
= (, , )
x y
z
Figura 4.9: Reta paralela ao vetor = (, , )

y
z
x

0
0
y
z
x
0
y
z
x
Figura 4.10: Retas (, , ) = (

0
+,
0
,
0
), (, , ) = (
0
,
0
+,
0
) e (, , ) = (
0
,
0
,
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
+)
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).

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)
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 .

x y
z
3
2
3
3
Figura 4.14: Reta que passa pelos pontos

1
= (3, 0, 2) e
2
= (0, 3, 3)
236 Retas e Planos
Figura 4.15:
1
: 2 + + 4 4 = 0

Figura 4.16:
2
: 2 + 2 = 0
238 Retas e Planos
Figura 4.17:
1
,
2
e
1

2

Exemplo 4.7. Vamos encontrar as equac oes param etricas da reta , intersec ao dos planos
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
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)

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
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 ?
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:

(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 .
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).

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
, em que = (0, 0, 0), e o ponto intersec ao do eixo z

com o plano = 2, e a intersec ao das retas e e e a intersec ao das retas e .)
(c) Determine a area da face do tetraedro contida no plano .
(d) Determine a altura do tetraedro relativa a face contida no plano . (Sugest ao: a reta
ortogonal ao plano que passa pelo ponto intercepta o plano num ponto de forma
que a altura procurada e igual a
)
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
.
>> 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;

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.
>> 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.
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.

Exerccio Te orico
4.1.23. Seja + + + = 0 a equac ao de um plano com = 0.
(a) Determine a intersec ao de com os eixos;
(b) Se
1
= (
1
, 0, 0),
2
= (0,
2
, 0) e
3
= (0, 0,
3
) s ao as intersec oes de com os eixos,
a equac ao de pode ser posta sob a forma
1
+

2
+

3
= 1 .

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
250 Retas e Planos
4.2

Angulos e Dist ancias
4.2.1

Angulos
Angulo entre Retas

Com duas retas no espaco pode ocorrer um dos seguintes casos:
(a) As retas se interceptam em um ponto, ou seja, s ao concorrentes;
(b) As retas s ao paralelas (ou coincidentes);
(c) As retas s ao reversas, isto e, n ao s ao paralelas mas tamb em n ao se interceptam.
Se as retas se interceptam, ent ao elas determinam quatro angulos, dois a dois opostos pelo
v ertice. O angulo entre elas e denido como sendo o menor destes angulos.
Se as retas
1
e
2
s ao reversas, ent ao por um ponto de
1
passa um reta
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
.

4.2

Angulos e Dist ancias 251
y
z
x
Figura 4.19: O

Angulo entre duas retas reversas
1
e
2
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 .

4.2

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
.
Angulo entre Planos

Sejam
1
e
2
dois planos com vetores normais
1
= (
1
,
1
,
1
) e
2
= (
2
,
2
,
2
), respecti-
vamente. O angulo entre
1
e
2
e denido como o angulo entre duas retas perpendiculares a eles.
254 Retas e Planos
Como toda reta perpendicular a
1
tem
1
como vetor diretor e toda reta perpendicular a
2
tem
2
como vetor diretor, ent ao o cosseno do angulo entre eles e dado por
cos(
1
,
2
) = cos ,
em que e o angulo entre os vetores normais
1
e
2
de
1
e
2
, respectivamente (Figura 4.20).
Portanto, o cosseno do angulo entre
1
e
2
e cos(
1
,
2
) =

1

2
1

2
. O que prova o resultado

seguinte.
Proposic ao 4.3. Sejam dois planos
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.

4.2

Figura 4.20:

Angulo entre dois planos
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

4.2

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 ).
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

4.2

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
,
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.
0
= (
0
,
0
,
0
) um ponto qualquer e
:
=
1
+
=
1
+
=
1
+
para todo

4.2

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
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
.

4.2

2
d
i
s
t
(
1
,
2
)
p
r
o
j
2
Figura 4.23: Dist ancia entre dois planos
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

4.2

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).
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 .

4.2

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
.
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

4.2

1

2
1
d
i
s
t
(
1
,
2
)
Figura 4.25: Dist ancia entre duas retas reversas
270 Retas e Planos
4.2.1. Considere os vetores =
+3
+2
, = 2
e =
. Seja um plano paralelo

aos vetores e e uma reta perpendicular ao plano . Ache a projec ao ortogonal do vetor
sobre a reta , ou seja, a projec ao ortogonal de sobre o vetor diretor da reta .
4.2.2. Encontrar o angulo entre o plano 2 + = 0 e o plano que passa pelo ponto = (1, 2, 3)
e e perpendicular ao vetor
.
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
da reta tais que
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
.

4.2

(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?
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 Te oricos
4.2.16. Prove que o lugar geom etrico dos pontos do espaco que eq uidistam de dois pontos distintos
= (
1
,
1
,
1
) e = (
2
,
2
,
2
) e um plano que passa pelo ponto m edio do segmento e
e perpendicular a ele. Esse plano e chamado plano mediador do segmento .
4.2.17. Mostre que a dist ancia de um ponto
0
= (
0
,
0
,
0
) a um plano : + + + = 0 e
dist(
0
, ) =

0
+
0
+
0
+
2
+
2
+
2
.

4.2

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 que tem vetor

normal = (
) e denido pelo complementar do angulo entre uma reta perpendicular

ao plano e a reta . Mostre que
sen(, ) =

.
4.2.21. A dist ancia entre uma reta que passa por um ponto
0
= (
0
,
0
,
0
) e tem vetor diretor
= (
) e um plano :
= 0 e denida como a menor dist ancia

entre dois pontos um de e outro de . Se o vetor diretor da reta , = (
), n ao e
ortogonal ao vetor normal do plano , = (
), ent ao a reta e o plano s ao concorrentes

274 Retas e Planos
Figura 4.26: Reta e plano concorrentes


4.2

e a dist ancia entre eles e igual a zero, caso contr ario a dist ancia e igual a dist ancia de uma ponto
da reta ao plano . Mostre que
dist(, ) =
0
+
0
+
0
+
+
2
+
2
, se = 0
0, caso contr ario
276 Retas e Planos
Figura 4.27: Reta e plano paralelos


4.2

Teste do Captulo
1. Ache os pontos do plano : = que eq uidistam dos pontos = (1, 1, 0) e = (0, 1, 1).
2. Determine , para que a reta (, , ) = (, 2, 0) + (2, , ) esteja contida no plano
: 3 + = 1.
3. (a) Encontre a equac ao do plano que passa pelos pontos = (0, 0, 1), = (0, 1, 0) e
= (1, 0, 1).
(b) Encontre a dist ancia da origem ao plano .
4. (a) Mostre que os planos = 0 e = 1 se interceptam segundo uma reta .
(b) Ache a equac ao do plano que passa pelo ponto = (1, 0, 1) e e perpendicular ` a reta .
Captulo 5
Espac os
5.1 Independ encia Linear

J a vimos que os vetores no plano s ao identicados com pares ordenados de n umeros reais e
que vetores no espaco s ao identicados com ternos ordenados de n umeros reais. Muito do que
estudamos sobre vetores no plano e no espaco pode ser estendido para - uplas de n umeros reais,
em que pode ser um n umero inteiro positivo.
5.1.1 Os Espac os
278
5.1 Independ encia Linear 279
Denic ao 5.1. Para cada inteiro positivo , o espac o (vetorial)
e denido pelo conjunto de todas

as - uplas ordenadas = (
1
, . . . ,
) 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
de pontos ou de vetores dependendo da

situac ao.
Dois vetores = (
1
, . . . ,
) e = (
1
, . . . ,
) no
s ao considerados iguais se
1
=
1
, . . . ,
. As operac oes de soma de vetores e multiplicac ao de vetor por escalar

no
s ao denidas de maneira an aloga ao que zemos no plano e no espaco.

Denic ao 5.2. (a) A soma de dois vetores = (
1
, . . . ,
) e = (
1
, . . . ,
) de
e denida
por
+ = (
1
+
1
, . . . ,
); (5.1)
280 Espac os
x y
z
(, , )

Figura 5.1: Ponto (, , )

3
x y
z
(, , )
Figura 5.2: Vetor (, , )

3

(b) A multiplicac ao de um vetor = (
1
, . . . ,
) do
por um escalar e denida por

= (
1
, . . . ,
). (5.2)
O vetor nulo de
e denotado por

0 e e denido por

0 = (0, . . . , 0). Se = (
1
, . . . ,
) e um
vetor do
, ent ao o sim etrico de e denotado por e e denido por = (

1
, . . . ,
). A
diferenc a de dois vetores no
e denida por = + (). Se e s ao vetores do
tais que = , para algum escalar , ent ao dizemos que e um m ultiplo escalar de .
Um vetor = (
1
, . . . ,
) de
pode tamb em ser escrito na notac ao matricial como uma matriz

linha ou como uma matriz coluna:
=
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
. . .

282 Espac os
produzem os mesmos resultados que as operac oes vetoriais

+ = (
1
, . . . ,
) + (
1
, . . . ,
) = (
1
+
1
, . . . ,
)
= (
1
, . . . ,
) = (
1
, . . . ,
).

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
, . . . ,
, e simplesmente uma soma de m ultiplos escalares

de
1
, . . . ,
.
284 Espac os
Denic ao 5.3. Um vetor
e uma combinac ao linear dos vetores

1
, . . . ,
, se existem
escalares
1
, . . . ,
que satisfazem a equac ao
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
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),
1
+
2
= 2
2
= 3
0 = 2
que n ao possui soluc ao.

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
286 Espac os
Exemplo 5.2. O vetor = (2, 3, 0) e uma combinac ao linear de

1
= (1, 0, 0) e
2
= (1, 1, 0), pois
a equac ao
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),
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) =
.

x y
z
Figura 5.5: Vetores
x y
z
= (, , )
Figura 5.6: = (, , ) =

288 Espac os
Para vericarmos se um vetor e combinac ao linear de um conjunto de vetores {

1
, . . . ,
},
escrevemos a equac ao vetorial
1
+
2
2
+. . . +
= , (5.6)
e vericamos se ela tem soluc ao. Se
1
, . . . ,
s ao vetores de
, a equac ao (5.6), pode ser escrita

como
11
.
.
.
+. . . +
1
.
.
.
1
.
.
.
que e equivalente ao sistema linear

= ,
em que as colunas de s ao os vetores
escritos como matrizes colunas, ou seja, = [

1
. . .
]
e =
1
.
.
.
. Isto prova o seguinte resultado.

Proposic ao 5.2. Sejam uma matriz e uma matriz 1. O vetor e combinac ao linear
das colunas de se, e somente se, o sistema = tem soluc ao.

5.1.3 Independ encia Linear
Denic ao 5.4. Dizemos que um conjunto = {
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
que cont em o vetor nulo e L.D., pois se

{
1
, . . . ,
} 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
, . . . ,
} e um conjunto de vetores L.D., ent ao qualquer conjunto nito de veto-

res que contenha
1
, . . . ,
e tamb em L.D., pois a equac ao
1
+. . . +
+ 0
1
+. . . + 0
=

0
admite soluc ao n ao trivial.
290 Espac os
Exemplo 5.8. Um conjunto formado por dois vetores de
, {
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
1
e
3
e se
3
= 0, ent ao
3
1
e
2
. Assim,
se tr es vetores
1
,
2
e
3
do
s ao L.D., ent ao um deles e uma combinac ao linear dos outros dois,

ou seja, em deles e uma soma de m ultiplos escalares dos outros dois. No
3
temos que se tr es
vetores n ao nulos s ao L.D., ent ao ou os tr es s ao paralelos (Figura 5.9), ou dois deles s ao paralelos
(Figura 5.10) ou os tr es s ao coplanares, isto e, s ao paralelos a um mesmo plano (Figura 5.11).
Reciprocamente, se um vetor e uma combinac ao linear dos outros dois, digamos se
1
=
2
+
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).

x
y
z
2
Figura 5.7: Dois vetores linearmente depen-
dentes
x
y
z
2
Figura 5.8: Dois vetores linearmente inde-
pendentes
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)

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
294 Espac os
Exemplo 5.10. Vamos mostrar que os vetores

1
= (1, 0, . . . , 0),
2
= (0, 1, 0, . . . , 0), . . . ,
=
(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
, . . . ,
) = (0, . . . , 0), que e equivalente ao sistema
1
= 0, . . . ,
= 0 .
Para descobrir se um conjunto de vetores {
1
, . . . ,
} e L.I. precisamos saber se a equac ao

vetorial
1
+
2
2
+. . . +
=

0 (5.8)
tem somente a soluc ao trivial. Se
1
, . . . ,
s ao vetores de
, a equac ao (5.8), pode ser escrita

como
11
.
.
.
+. . . +
1
.
.
.
0
.
.
.
0
que e equivalente ao sistema linear homog eneo =

0, em que as colunas de s ao os vetores
escritos como matrizes colunas, ou seja, = [

1
. . .
] e =
1
.
.
.
. Isto prova o seguinte

resultado.

Proposic ao 5.3. Seja uma matriz .
(a) As colunas de s ao linearmente independentes se, e somente se, o sistema =

0 tem
somente a soluc ao trivial.
(b) Se = , ent ao as colunas de s ao linearmente independentes se, e somente se,
det() = 0.
Tr es ou mais vetores no
2
, assim como quatro ou mais vetores no
3
e mais de vetores no
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
um conjunto com mais de vetores e L.D.

296 Espac os

1
= (1, 0, 1),
2
= (0, 1, 1) e
3
= (1, 1, 1) de
3
. Para
sabermos se eles s ao L.I. ou L.D. escrevemos a equac ao
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 ] podemos obter a sua forma escalonada reduzida

[
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
.

A matriz [
0 ] e equivalente por linhas ` a matriz escalonada reduzida

[
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
, . . . ,
} ( > 1) de vetores e linearmente dependente (L.D.) se,

e somente se, pelo menos um dos vetores,
, for combinac ao linear dos outros vetores de .

Demonstrac ao. Vamos dividir a demonstrac ao em duas partes:
(a) Se
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
+. . . +
,
298 Espac os
ent ao somando-se
a ambos os membros camos com
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
em (5.11) e 1. Portanto, e L.D.

(b) Se e L.D., ent ao a equac ao
1
+
2
2
+. . . +
=

0 (5.12)
admite soluc ao n ao trivial, o que signica que pelo menos um
e diferente de zero. Ent ao,

multiplicando-se a equac ao (5.12) por 1/
e subtraindo-se (
)
1
+. . . + (
obtemos
=
_
1
. . .
_
+1
+1
. . .
_
.
Portanto, um vetor
e combinac ao linear dos outros vetores de .

Observac ao. Na demonstrac ao da segunda parte, vemos que o vetor, cujo escalar na combinac ao
linear, puder ser diferente de zero, pode ser escrito como combinac ao linear dos outros.

Exemplo 5.13. Sejam
1
= (1, 2, 5),
2
= (7, 1, 5) e
3
= (1, 1, 1) vetores do
3
. Vamos
escrever um dos vetores como combinac ao linear dos outros dois. Vimos no Exemplo 5.12 que estes
vetores s ao L.D. De (5.10) segue-se que
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
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,

(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.
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.

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
.
304 Espac os
5.1.7. Sejam a reta : (, , ) = (1, 1, 1) + (2, , ) e o plano paralelo aos vetores

1
= (1, 2, 0)
e
2
= (1, 0, 1) passando pela origem. Determine o valor de para que a reta seja paralela
ao plano. Para o valor de encontrado a reta est a contida no plano?
Exerccio usando o MATLAB
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
linearmente independente. Mos-

tre que se e uma matriz n ao singular, ent ao {
1
,
2
, . . . ,
} 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 ?

1

2
1
Figura 5.13: Duas retas reversas
306 Espac os
2
Figura 5.14: Dois planos que se interceptam
segundo uma reta
2
Figura 5.15: Dois planos paralelos

Figura 5.16: Reta e plano concorrentes
Figura 5.17: Reta e plano paralelos

308 Espac os
5.2 Subespac os, Base e Dimens ao

Sejam uma matriz e
o conjunto soluc ao do sistema linear homog eneo =

0.
J a vimos na Proposic ao 1.7 na p agina 52 que o conjunto satisfaz as seguintes propriedades:
(a) Se e pertencem a , ent ao + tamb em pertence a .
(b) Se pertence a , ent ao tamb em pertence a para todo escalar .
Revise como foi feita a demonstrac ao dos itens (a) e (b) acima na Proposic ao 1.7 na p agina 52.
Assim, se e s ao soluc oes de um sistema homog eneo, ent ao + e tamb em o s ao.
Portanto, combinac oes lineares de soluc oes de =

0 s ao tamb em soluc oes de =

0.
O conjunto soluc ao de um sistema homog eneo =

0 e chamado de espac o soluc ao do
sistema homog eneo =

0. Ele se comporta como se fosse um espaco, no sentido de que
fazendo soma de vetores do conjunto ou multiplicando vetores do conjunto por escalar n ao samos
dele.
Um subconjunto n ao vazio de
que satisfaz as propriedades (a) e (b) acima e chamado de

subespac o de
. 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
s ao o subespaco formado somente

pelo vetor nulo, = {
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
.

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
Figura 5.19: Multiplicac ao de vetor por es-

calar do plano + + = 0
310 Espac os
x
y
z
1
+
2
Figura 5.20: Soma de vetores da reta
(, , ) = (, , )
x
y
z
Figura 5.21: Multiplicac ao de vetor por es-

calar da reta (, , ) = (, , )

Exemplo 5.16. Considere o sistema linear
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
, . . . ,
que s ao tamb em soluc ao do sistema.

Exemplo 5.17. 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
.
312 Espac os
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)
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
(por exemplo, o espaco soluc ao de um sistema linear

homog eneo =

0). Dizemos que os vetores
1
, . . . ,
pertencentes a , geram ou que

{
1
, . . . ,
} e um conjunto de geradores de , se qualquer vetor de e combinac ao linear de
1
, . . . ,
. Dizemos tamb em que e o subespac o gerado por

1
, . . . ,
.

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
(por exemplo, o espaco soluc ao de um sistema linear ho-

mog eneo =

0). Seja {
1
, . . . ,
} 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
, . . . ,
} um subconjunto de , com > . Vamos mostrar que

{
1
, . . . ,
} e L.D. Vamos considerar a combinac ao linear nula de

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)
314 Espac os
Assim, substituindo (5.14) em (5.13) e agrupando os termos que cont em
, para = 1, . . . , ,
obtemos
(
11
1
+. . . +
1
)
1
+. . . + (
1
1
+. . . +
=

0. (5.15)
Como {
1
, . . . ,
} e L.I., ent ao os escalares na equac ao (5.15) s ao iguais a zero. Isto leva ao

sistema linear
=

0,
emque = (
. 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
, . . . ,
L.I. pertencentes a , ent ao e o maior n umero possvel

de vetores L.I. em .
No Exemplo 5.17 os vetores
1
= (1, 0, 1, 0, 1),
2
= (0, 0, 1, 1, 0) e
3
= (1, 1, 0, 0, 0)
geram . Al em disso de
(1, 0, 1, 0, 1) +(0, 0, 1, 1, 0) +(1, 1, 0, 0, 0) = ( , , +, , )
segue-se que
1
,
2
e
3
s ao L.I. (por que?)
Assim pelo Teorema 5.6 n ao podemos obter um n umero maior de vetores em L.I. Neste caso
dizemos que {
1
,
2
,
3
} e uma base de . Em geral temos a seguinte denic ao.
Denic ao 5.6. Seja um subespaco de
(por exemplo, o espaco soluc ao de um sistema linear

homog eneo =

0). Dizemos que um subconjunto {
1
, . . . ,
} de e uma base de , se

(a) {
1
, . . . ,
} e um conjunto de geradores de (ou seja, todo vetor de e combinac ao linear

de
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
. Pois, um vetor qualquer do
e da forma = (
1
, . . . ,
) e 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
= (
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
, . . .
s ao L.I. Esses vetores formam a chamada

base can onica de
. 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 .
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 (, , ) = (, , )

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
( +), para todos , .

Assim, o plano pode ser descrito como = {(
, , ) , }. Assim, todo vetor

de pode ser escrito como uma soma de vetores, sendo um para cada par ametro, obtendo
(
, , ) = (
, 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, 0) geram o plano . Como

1
e
2
s ao L.I.,
pois um n ao e m ultiplo escalar do outro, ent ao {
1
,
2
} e uma base do plano . Deixamos como
exerccio para o leitor encontrar uma base de para o caso em que = 0 e tamb em para o caso em
que = 0.
Segue do Teorema 5.6 na p agina 313 que se = {
0} e um subespaco, ent ao qualquer base de

tem o mesmo n umero de elementos e este e o maior n umero de vetores L.I. que podemos ter em
. O n umero de elementos de qualquer uma das bases de e chamado de dimens ao de . Se
= {
0} dizemos que tem dimens ao igual a 0.

Exemplo 5.21. A dimens ao do
e , pois como foi mostrado no Exemplo 5.18 na p agina 315,
1
= (1, 0, . . . , 0),
2
= (0, 1, 0, . . . , 0), . . . ,
= (0, . . . , 0, 1) formam uma base do
.
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.

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 .
1
, . . . ,
vetores L.I. e seja um vetor qualquer do subespaco . Vamos

mostrar que e combinac ao linear de
1
, . . . ,
. Considere a equac ao vetorial
1
+
2
2
+. . . +
+
+1
=

0 (5.16)
Pelo Teorema 5.6 na p agina 313,
1
, . . . ,
, s ao L.D., pois s ao + 1 vetores em um subespaco

de dimens ao . Ent ao a equac ao (5.16) admite soluc ao n ao trivial, ou seja, pelo menos um
= 0.
Mas,
+1
= 0, pois caso contr ario,
1
, . . . ,
seriam L.D. Ent ao, multiplicando-se a equac ao (5.16)

por 1/
+1
e subtraindo (
1
/
+1
)
1
+ (
2
/
+1
)
2
+. . . + (
/
+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
formam uma base de
. Por
exemplo, 3 vetores L.I. do
3
formam uma base de
3
.
320 Espac os
Figura 5.24: O subespaco do Exemplo 5.24


Figura 5.25: O subespaco do Exemplo 5.24
322 Espac os
Figura 5.26: Os subespacos , e do Exemplo 5.24


Exemplo 5.24. Sejam o plano + + = 0 e o plano 4 2 + = 0. Assim, o plano tem
vetor normal
1
= (1, 1, 1) e o plano tem vetor normal
2
= (4, 2, 1). A intersec ao e a
reta cujo vetor diretor e =
1
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
324 Espac os
qualquer. Assim, a soluc ao geral do sistema (5.17) e
=
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)

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?).
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
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
Vamos vericar que

1
,
2
,
3
e
4
s ao L.I.
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
aplicando-se operac oes elementares. Logo {

1
,
2
,
3
,
4
} e L.I. Como a dimens ao do
4
e
igual a 4 , ent ao pelo Teorema 5.7 na p agina 319, {
1
,
2
,
3
,
4
} e uma base de
4
.

5.2.1. Encontre um conjunto de geradores para o espaco soluc ao do sistema homog eneo =

0,
em que
(a) =
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.
328 Espac os
(b) Mostre que

1
e
2
s ao L.I.
(c) Qual a dimens ao do subespaco gerado por
1
,
2
e
3
, ou seja, do conjunto das
combinac oes lineares de
1
,
2
e
3
.
(d) Descreva geometricamente o subespaco gerado por
1
,
2
e
3
5.2.5. Dados
1
= (2, 1, 3) e
2
= (2, 6, 4):
(a) Os vetores
1
e
2
geram o
3
? Justique.
(b) Seja
3
um terceiro vetor do
3
. Quais as condic oes sobre
3
, para que {
1
,
2
,
3
} seja
uma base de
3
?
(c) Encontre um vetor
3
que complete junto com
1
e
2
uma base do
3
.
5.2.6. Seja o plano + 2 + 4 = 0. Obtenha uma base {
1
,
2
,
3
} de
3
tal que
1
e
2
pertencam a .
5.2.7. Considere os seguintes subespacos de
3
:
= [(1, 2, 3), (1, 3, 4)] e = [(1, 2, 1), (0, 1, 1)].
Encontre as equac oes param etricas da reta e uma base para o subespaco .
A notac ao [
1
,
2
] signica o subespaco gerado por
1
e
2
, ou seja, o conjunto de todas as
combinac oes lineares de
1
e
2
.
5.2.8. Seja = {(3 + 4 4, 2 4 6, 2 4 + 2) , , } um subespaco de
3
.
(a) Determine um conjunto de geradores para .

(b) Determine uma base para .
5.2.9. Dados
1
= (3, 5, 2, 1) e
2
= (1, 2, 1, 2):
(a) Os vetores
1
e
2
geram o
4
? Justique.
(b) Sejam
3
e
4
vetores do
4
. Quais as condic oes sobre
3
e
4
para que {
1
,
2
,
3
,
4
}
seja uma base de
4
?
(c) Encontre vetores
3
e
4
que complete junto com
1
e
2
uma base do
4
.
5.2.10. D e exemplo de:
(a) Tr es vetores:
1
,
2
e
3
, sendo {
1
} L.I., {
2
,
3
} L.I.,
2
e
3
n ao s ao m ultiplos de
1
e
{
1
,
2
,
3
} L.D.
(b) Quatro vetores:
1
,
2
,
3
e
4
, sendo {
1
,
2
} L.I., {
3
,
4
} L.I.,
3
e
4
n ao s ao
1
e
2
e {
1
,
2
,
3
,
4
} L.D.
Exerccio usando o MATLAB
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.)
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
. Mostre que o conjunto dos vetores da forma + e um

subespaco 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
. Ou seja, mostre que o

conjunto
() = {
= , para algum
}
e um subespaco de
.

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
, . . . ,
} uma base de . Dena a matriz =

[
1
. . .
, com
1
, . . . ,
escritos como matrizes colunas. Sejam
o espaco
soluc ao do sistema homog eneo =

0 e {
1
, . . . ,
} uma base de
. Dena a ma-
triz = [
1
. . .
, com
1
, . . . ,
escritos como matrizes colunas. Mostre que e o

espaco soluc ao do sistema homog eneo =

0, ou seja,
= {
=

0}.
5.2.19. Sejamuma matriz e uma matriz 1. Seja
0
uma soluc ao (particular) do sistema
linear = . Mostre que se {
1
, . . . ,
} e uma base para o espaco soluc ao do sistema

homog eneo =

0, ent ao toda soluc ao de = pode ser escrita na forma
=
0
+
1
1
+. . . +
,
em que
1
, . . . ,
s ao escalares. (Sugest ao: use o Exerccio 1.2.21 na p agina 71)

5.2.20. Mostre que a dimens ao do subespaco gerado pelas linhas de uma matriz escalonada reduzida
e igual a dimens ao do subespaco gerado pelas suas colunas.
332 Espac os
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.)

Ap endice IV: Outros Resultados
Teorema 5.8. Um subconjunto {
1
,
2
, . . . ,
} de um subespaco e uma base para se, e

somente se, todo vetor de e escrito de maneira unica como combinac ao linear de
1
,
2
, . . . ,
.
Demonstrac ao. Em primeiro lugar, suponha que todo vetor de e escrito de maneira unica
como combinac ao linear de
1
, . . . ,
. Vamos mostrar que {

1
,
2
, . . . ,
} e uma base de .
Como todo vetor e escrito como combinac ao linear de
1
, . . . ,
, basta mostrarmos que

1
, . . . ,
s ao L.I. Considere a equac ao
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
, . . . ,
s ao linearmente independentes. Portanto,

{
1
,
2
, . . . ,
} e base de .
Suponha, agora, que {
1
,
2
, . . . ,
} e base de . Seja um vetor qualquer de . Se
1
+. . . +
= =
1
1
+. . . +
,
ent ao
(
1
1
)
1
+. . . + (
=

0.
334 Espac os
Como
1
, . . . ,
formam uma base de , ent ao eles s ao L.I., o que implica que

1
=
1
, . . . ,
. Portanto, todo vetor de e escrito de maneira unica como combinac ao linear de

1
, . . . ,
Teorema 5.9. Se = {
1
, . . . ,
} e um conjunto de vetores que gera um subespaco , ou seja,

= [] = [
1
, . . . ,
], ent ao existe um subconjunto de que e base de .

Demonstrac ao. Se e L.I., ent ao e uma base de . Caso contr ario, e L.D. e pelo Teorema
5.5 na p agina 297, um dos vetores de e combinac ao linear dos outros. Assim, o subconjunto de
obtido retirando-se este vetor continua gerando . Se esse subconjunto for L.I., temos uma base
para , caso contr ario, continuamos retirando vetores do subconjunto at e obtermos um subconjunto
L.I. e a neste caso temos uma base para .
Vamos mostrar que se a dimens ao de um subespaco e , ent ao vetores que geram o
subespaco, , formam uma base (Corol ario 5.10) e que n ao podemos ter menos que vetores
gerando o subespaco (Corol ario 5.11).
S ao simples as demonstrac oes dos seguintes corol arios, as quais deixamos como exerccio.
Corol ario 5.10. Em um subespaco, , de dimens ao > 0, vetores que geram o subespaco, s ao
L.I. e portanto formam uma base.

Corol ario 5.11. Em um subespaco, , de dimens ao > 0, um conjunto com menos de vetores
n ao gera o subespaco.
Teorema 5.12. Se = {
1
, . . . ,
} e um conjunto de vetores L.I. em um subespaco de
,
ent ao o conjunto pode ser completado at e formar uma base de , ou seja, existe um conjunto
= {
1
, . . . ,
,
+1
. . . ,
} ( ), que e uma base de .

Demonstrac ao. Se {
1
, . . . ,
} gera , ent ao {
1
, . . . ,
} e uma base de . Caso contr ario, seja
+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 .
336 Espac os
Corol ario 5.13. Todo subespaco de
diferente do subespaco trivial {
0} tem uma base e a sua

dimens ao e menor ou igual a .
Os pr oximos resultados s ao aplicac oes ` as matrizes.
Proposic ao 5.14. Sejame matrizes equivalentes por linhas. Sejam
1
, . . . ,
as colunas
1, . . . , , respectivamente, da matriz e
1
, . . . ,
as colunas 1, . . . , , respectivamente, da matriz

.
(a)
1
, . . . ,
s ao L.I. se, e somente se,
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 .

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
, . . . ,
s ao L.I. e vamos mostrar que
1
, . . . ,
tamb em o s ao. Se
1
+ +
=

0,
ent ao multiplicando-se ` a esquerda pela matriz obtemos
1
+ +
=

0.
Como
, para = 1, . . . , (Exerccio 1.1.18 (a) na p agina 27), ent ao
1
+ +
=

0.
Assim, se
1
, . . . ,
s ao L.I., ent ao
1
= . . . =
= 0. O que implica que
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
, . . . ,
escalares tais que
1
+ +
,
ent ao multiplicando-se ` a esquerda pela matriz obtemos
1
+ +
.
338 Espac os
Como
, para = 1, . . . , (Exerccio 1.1.18 (a) na p agina 27), ent ao
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.

Somente agora podemos provar a unicidade da forma escalonada reduzida.
Teorema 5.15. Se = (
e = (
s ao matrizes escalonadas reduzidas equivalentes

por linhas a uma matriz = (
, ent ao = .
Demonstrac ao. Sejam e matrizes escalonadas reduzidas equivalentes a . Sejam
1
, . . . ,
as colunas de e
1
, . . . ,
as colunas de . Seja o n umero de linhas n ao nulas de . Sejam
1
, . . . ,
as colunas onde ocorrem os piv os das linhas 1, . . . , , respectivamente, da matriz . Ent ao

e s ao equivalentes por linha, ou seja, existe uma seq u encia de operac oes elementares que po-
demos aplicar em para chegar a e uma outra seq u encia de operac oes elementares que podemos
aplicar a e chegar a .
Assim, como as colunas 1, . . . ,
1
1 de s ao nulas o mesmo vale para as colunas 1, . . . ,
1
1
de . Logo o piv o da 1
a
.
linha de ocorre numa coluna maior ou igual a
1
. Trocando-se por e
usando este argumento chegamos a conclus ao que
1
=
1
e assim
1
=
1
, . . . ,
1
=
1
.
Vamos supor que
1
=
1
, . . . ,
e vamos mostrar que
+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
+. . . +
,
340 Espac os
o que implica pela Proposic ao 5.14 (b) na p agina 336 que
=
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 = .

341
5.3.1 Produto Interno

Vimos que podemos estender a soma e a multiplicac ao de vetores por escalar para o
. 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
.
.
.

342 Espac os
pode ser escrito em termos do produto de matrizes como

=
.
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) () = ( ) = ( );

343
(d) =
2
0 e = 0 se, e somente se, =

0;
(e) = ;
(f) (desigualdade de Cauchy-Schwarz);
(g) + + (desigualdade triangular).
Demonstrac ao. Sejam, ,
e . Usando o fato de que se os vetores s ao escritos como

matrizes colunas, ent ao o produto escalar pode ser escrito como o produto de matrizes, =
,
e as propriedades da algebra matricial (Teorema 1.1 na p agina 9), temos que
(a) =
1
1
+ +
=
1
1
+ +
= .
(b) ( +) =
( +) =
= + .
(c) ( ) = (
) = (
) = ()
= () . A outra igualdade e inteiramente

an aloga.
(d) 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.
(e)
2
= (
1
)
2
+ + (
)
2
=
2
(
2
1
+ +
2
) =
2
2
. Tomando a raiz quadrada,
segue-se o resultado.
344 Espac os
(f) A norma de + e maior ou igual a zero, para qualquer real. Assim,

0 +
2
= ( + ) ( + ) = (
2
)
2
+ (2 ) +
2
,
para qualquer real. Logo, o discriminante deste trin omio tem que ser menor ou igual a zero.
Ou seja, = 4( )
2
4
2

2
0. Logo, .
(g) Pelo item anterior temos que
+
2
= ( + ) ( + ) =
2
+ 2 +
2

2
+ 2 +
2

2
+ 2 +
2
= ( + )
2
.
Tomando a raiz quadrada, segue-se o resultado.
Dizemos que dois vetores e s ao ortogonais se = 0. As propriedades do produto
escalar permitem introduzir o conceito de bases ortogonais no
. Antes temos o seguinte resultado.

Proposic ao 5.17. Se
1
, . . . ,
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
.

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,
= 0, se = . Assim, de (5.20) obtemos que
2
= 0 .
Mas, como
=

0, ent ao
= 0 e
= 0, para = 1 . . . , .
(b) Seja
=
=1
. (5.21)
Fazendo o produto escalar de com
, para = 1, . . . , , obtemos que

=
_

=1
=1
(
) =
2
.
Assim,
2
, para = 1, . . . , .

346 Espac os
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.

347
Proposic ao 5.18. Seja
um vetor n ao nulo. Ent ao, proj
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.
1
,
2
, . . . ,
vetores n ao nulos de
, ortogonais entre si, ent ao para

qualquer vetor , proj
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
.
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

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)
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
)

351
5.3.2 Bases Ortogonais e Ortonormais
Denic ao 5.8. Seja {
1
, . . . ,
} uma base de um subespaco de
.
(a) Dizemos que {
1
, . . . ,
} e uma base ortogonal, se
= 0, para = , ou seja, se
quaisquer dois vetores da base s ao ortogonais;
(b) Dizemos que {
1
, . . . ,
} e uma base ortonormal, se al em de ser uma base ortogonal,
= 1, ou seja, o vetor
e unit ario, para = 1, . . . .

Exemplo 5.29. A base can onica de
, que e formada pelos vetores
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.
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

353
Teorema 5.20. Seja {
1
, . . . ,
} uma base de um subespaco de
. Ent ao, existe uma base

{
1
, . . . ,
} de que e ortonormal e tal que o subespaco gerado por

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,
pertenceria ao subespaco gerado por

1
, . . . ,
1
que e igual ao subespaco gerado por
1
, . . . ,
1
e assim
1
, . . . ,
seriam L.D. Como

1
, . . . ,
s ao ortogonais n ao nulos, pela

Proposic ao 5.17 na p agina 344, eles s ao L.I. e portanto formam uma base do subespaco .
(b) Sejam, agora
1
=
_
1
1
,
2
=
_
1
2
, . . . ,
=
_
1
.
354 Espac os
Assim, {
1
, . . . ,
} e uma base ortonormal para o subespaco .

355
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/
2, ). Para quais valores de e , o conjunto

{, } e ortonormal?
5.3.3. Encontre uma base ortonormal para o plano + + = 0.
5.3.4. Encontre um subconjunto com o maior n umero possvel de vetores ortonormais no subespaco
dos vetores (, , , )
4
tais que 2 + = 0.
5.3.5. Encontre um subconjunto com o maior n umero possvel de vetores ortonormais no conjunto
soluc ao do sistema homog eneo
_
+ = 0
2 + + 2 = 0.
5.3.6. Considere as retas (, , ) = (1, 2, 3) e (, , ) = (0, 1, 2) + (2, 4, 6) em
3
. Encontre
a equac ao geral do plano que cont em estas duas retas e ache um subconjunto com o maior
n umero possvel de vetores ortonormais neste plano.
5.3.7. Use o processo de ortogonalizac ao de Gram-Schmidt para encontrar uma base ortonormal para
o subespaco de
4
que tem como base {(1, 1, 1, 0), (0, 2, 0, 1), (1, 0, 0, 1)}.
5.3.8. Aplique o processo de ortogonalizac ao de Gram-Schmidt para obter uma base ortonormal de
3
a partir da base {(1, 1, 1), (0, 1, 1), (1, 2, 3)}.
356 Espac os
5.3.9. Ache as equac oes dos planos em

3
ortogonais ao vetor (2, 2, 2), que distam

3 do ponto
(1, 1, 1). Estes planos s ao subespacos de
3
? Caso armativo, encontre base(s) ortonormal(is)
para ele(s).
Exerccios Te oricos
5.3.10. Mostre que se e ortogonal a , ent ao e ortogonal a , para todo escalar .
5.3.11. Mostre que se e ortogonal a
1
, . . . ,
, ent ao e ortogonal a qualquer combinac ao linear

de
1
, . . . ,
.
5.3.12. Sejam , e vetores de
. Prove que se = , ent ao e ortogonal a .

1
, . . . ,
s ao vetores n ao nulos ortogonais entre si e =

1
1
+. . .+
,
ent ao = proj
1
+. . . + proj
.
5.3.14. Sejam
1
, . . . ,
vetores linearmente dependentes. Mostre que, aplicando-se o processo de

ortogonalizac ao de Gram-Schmidt aos vetores
1
, . . . ,
, se obt em um vetor
que e nulo,
para algum = 1, . . . , . (Sugest ao: Seja
o primeiro vetor tal que
[
1
, . . . ,
1
] =
[
1
, . . . ,
1
] e use o exerccio anterior.)
5.3.15. Seja = {
1
, . . . ,
} uma base ortogonal de um subespaco de
. Mostre que um todo

vetor de pode ser escrito como
=

1
1
+

2
2
+. . . +

.
(Sugest ao: escreva =
1
1
+ . . . +
, faca o produto escalar de com
e conclua
que
2
, para = 1, . . . , .)

357
5.3.16. Mostre que o conjunto de todos os vetores do
ortogonais a um dado vetor = (

1
, . . . ,
),
= { = (
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
, . . . ,
} uma base ortonormal de
. Se = [
1
. . .
] e uma matriz
cujas colunas s ao os vetores
1
, . . . ,
, ent ao e invertvel e
1
=
. (Sugest ao: mostre

que
.)
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.)
358 Espac os
5.3.20. Seja um subespaco de
. Mostre que o conjunto de todos os vetores ortogonais a todos os

vetores de e um subespaco de
. Este subespaco e chamado de complemento ortogonal

de e denotado por
, ou seja,
= {
= 0, para todo }.
5.3.21. Mostre que todo subespaco de
e o espaco soluc ao de um sistema linear homog eneo.

(Sugest ao: seja {
1
, . . . ,
} uma base de
tome = [
1
. . .
.)
5.3.22. Embora n ao exista o produto vetorial de dois vetores em
, para > 3, podemos denir o

produto vetorial de 1 vetores,
1
= (
11
, . . . ,
1
), . . . ,
1
= (
(1)1
, . . . ,
(1)
)
como
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

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
tamb em s ao (, , ) e ent ao podemos escrever
= (, , ) = (, 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
como uma combinac ao linear dos vetores

can onicos. Assim, o ponto = (0, 0, 0) e os vetores
,

e

determinam um sistema de coor-
denadas ortogonal, {,
}. Para resolver alguns problemas geom etricos e necess ario usarmos

um segundo sistema de coordenadas ortogonal determinado por uma origem
e por 3 veto-
res
1
,
2
e
3
ortonormais de
3
.
Por exemplo, se
= (2, 3/2, 3/2),

1
= (
3/2, 1/2, 0),
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
s ao retas que passam por
orientadas com os sentidos e direc oes de

1
,
2
e
3
, respectivamente (Figura 5.32).
As coordenadas de um ponto no sistema de coordenadas {
,
1
,
2
,
3
} e denido como
sendo os escalares que aparecem ao escrevermos
como combinac ao linear dos vetores

1
,
2
e
3
, ou seja, se
1
+
2
+
3
,
Em geral, um sistema de coordenadas (n ao necessariamente ortogonal) e denido por um ponto
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).
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
}

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
=
e equivalente ao sistema linear
= , 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
=
. Desta forma as coordenadas de um ponto

no espaco em relac ao ao sistema {,
1
,
2
,
3
},
est ao unicamente determinados e

[]
{,
1
,
2
,
3
}
=
[]
{,
}
ou
.
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
como combinac ao linear de

1
e
2
, ou seja, se
1
+
2
,
,
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,
est ao unicamente determinados e s ao dados por

[]
{,
1
,
2
}
=
[]
{,
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
=
. Uma matriz que satisfaz esta propriedade e chamada matriz ortogonal.

Exemplo 5.31. Considere o sistema de coordenadas no plano em que
= e
1
= (
3/2, 1/2)
e
2
= (1/2,
3/2). Se = (2, 4), vamos determinar as coordenadas de em relac ao ao novo

sistema de coordenadas.
= [
1

2
] =
_
3/2 1/2
1/2
3/2
_
.

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
_
_

_
364 Espac os
x
y
x
y
Figura 5.33: Coordenadas de um ponto em dois sistemas


entre as coordenadas
_

_
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
366 Espac os
x
y
x
y
cos
s
e
n
c
o
s
sen
Figura 5.34: Rotac ao de um angulo

{,
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
_
=
e chamada matriz de rotac ao.

As coordenadas de em relac ao ao novo sistema de coordenadas s ao dadas por
_

_
=
_
=
_
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
= , ou seja, em que ocorre uma translac ao dos

eixos coordenados.
Observando a Figura 5.35, obtemos
. (5.22)
Assim, se
= (, ), ent ao
= (
) = (, ) (, ) = ( , )
368 Espac os
x
y
x
y
Figura 5.35: Coordenadas de um ponto em dois sistemas (translac ao)


Logo, as coordenadas de em relac ao ao novo sistema s ao dadas por
[]
{
,
1
,
2
}
=
_

_
=
_

_
. (5.23)
O eixo x
tem equac ao
= 0, ou seja, = e o eixo y
= 0, ou seja, = .
370 Espac os
5.4.3 Aplicac ao: Computac ao Gr aca - Projec ao Ortogr aca

Esta projec ao e usada para fazer desenhos de objetos tridimensionais no papel ou na tela do
computador. Com esta projec ao os pontos no espaco s ao projetados ortogonalmente ao plano do
desenho.
Para encontrar a projec ao de um ponto podemos encontrar as coordenadas de em relac ao
ao sistema
= {
,
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
= , ou seja, que os dois sistemas t em a mesma origem.

A relac ao entre as coordenadas de um ponto nos dois sistemas
= {,
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
e (cos , sen , 0).
2
= cos (cos , sen , 0) + sen
= (cos cos , cos sen , sen )
3
= cos
+ sen (cos , sen , 0) = (sen cos , sen sen , cos )

Assim a relac ao entre as coordenadas de um ponto nos dois sistemas
= {,
1
,
2
,
3
} e = {,
}

x
Figura 5.36: Projec ao ortogr aca de um cubo

372 Espac os
Figura 5.37: sistemas de coordenadas relacionados ` a projec ao ortogr aca


3
(cos , sen , 0)
Figura 5.38: Bases relacionadas ` a projec ao ortogr aca

374 Espac os
(cos , sen , 0)
3
(cos , sen , 0)
1
Figura 5.39: Relac ao entre os vetores das bases {
1
,
2
,
3
} e {
}

e dada por
sen cos 0
cos cos cos sen sen
sen cos sen sen cos
e a projec ao e dada por

_

_
=
_
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
s ao desenhados como na gura abaixo.

Experimente desenhar o cubo que tem a origem = (0, 0, 0) como um dos v ertices e como
v ertices adjacentes ` a origem (1, 0, 0), (0, 1, 0) e (0, 0, 1). Observe que n ao e necess ario calcular a
projec ao dos outros pontos (por que?)
376 Espac os
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1

1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
Figura 5.40: Vetores
desenhados usando projec ao ortogr aca


5.4.1. Encontre as coordenadas do ponto com relac ao ao sistema de coordenadas , nos seguintes
casos:
(a) = {, (1/
2, 1/
2), (1/
2, 1/
2)} e = (1, 3);

(b) = {, (1/
2, 1/
2, 0), (0, 0, 1), (1/
2, 1/
2, 0)} e = (2, 1, 2);

5.4.2. Encontre o ponto , se as coordenadas de em relac ao ao sistema de coordenadas , []
,
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, 0, 0), (0, 1/
2, 1/
2)};
5.4.3. Sejam []
as coordenadas de um ponto em relac ao ao sistema de coordenadas

= {,
} e []
, emrelac ao ao sistema de coordenadas = {,

1
,
2
,
3
}.
Suponha que temos a seguinte relac ao:
1 0 0
0 1/2
3/2
0
3/2 1/2
.
Quais s ao os vetores
1
,
2
e
3
?
378 Espac os
5.4.4. Determine qual a rotac ao do plano em que as coordenadas do ponto = (
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, (
), em relac ao ao sistema e (, , ), em relac ao ao

sistema

Exerccios Te oricos
5.4.7. Mostre que
(a)
2
=
1
+
2
.
(b)
1
.
5.4.8. Seja uma matriz quadrada 2 2.
(a) Verique que
e a matriz obtida girando as colunas de de .

(b) Verique que
e a matriz obtida girando as linhas de de .

(c) Quais as condic oes sobre e para 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
como combinac ao linear dos vetores

1
,
2
e
3
, ou seja, se
1
+
2
+
3
,
,
1
,
2
,
3
} s ao dadas por
[]
{
,
1
,
2
,
3
}
=
.
380 Espac os
Assim, se
= (, , ), ent ao
1
+
2
+
3
=
pode ser escrito como

[
1

2

3
]
(a) Mostre que a matriz = [

1
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,
est ao unicamente determinados

e s ao dados por
[]
{
,
1
,
2
,
3
}
=
=
1
=
1
[]
{
}
.

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 = (
3, 3). Escreva como combinac ao linear dos elementos de .

(c) Determine []
{,}
, as coordenadas de em relac ao ao sistema de coordenadas deter-
minado pela origem e pela base .
Captulo 6
Diagonalizac ao
6.1 Diagonalizac ao de Matrizes
6.1.1 Motivac ao
Certos processos s ao descritos em cada est agio por uma matriz quadrada e em est agios pela
pot encia da matriz ,
, em que e um n umero inteiro positivo. Suponha que desejamos saber a

382
6.1 Diagonalizac ao de Matrizes 383
matriz que corresponde a est agios, para um inteiro positivo qualquer. Se a matriz e diagonal,
=
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
.
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
.

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
e diagonaliz avel, pois

= (
)
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)
386 Diagonalizac ao
Sejam
=
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
e =
_

1

2
. . .
,
em que
e a coluna de . Por um lado

=
_

1

2
. . .
=
_

1

2
. . .
(Exerccio 1.1.18 na p agina 27) e por outro lado

=
_

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
= ,

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

388 Diagonalizac ao
e tal que
= , a equac ao (6.3) pode ser escrita como

=
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(
) = 0 (Teorema 2.15 na p agina 121). Assim temos um m etodo

para encontrar os autovalores e os autovetores de uma matriz .
Proposic ao 6.1. Seja uma matriz .
(a) Os autovalores (reais) de s ao as razes reais do polin omio
() = 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)

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
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
_
2
= {(, 2) },
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
.

Demonstrac ao. Seja

raiz de (), com e primos entre si, ent ao

(1)
+
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.
392 Diagonalizac ao
Exemplo 6.4. Vamos determinar os autovalores e autovetores da matriz
=
4 2 2
2 4 2
2 2 4
Para esta matriz o polin omio caracterstico e

() = det(
3
) = det
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

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
A forma escalonada reduzida da matriz aumentada do sistema e
1 1 1 0
0 0 0 0
0 0 0 0
Assim, a soluc ao geral do sistema (

1
3
) =

0 e
1
= {( , , ) , } ,
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

394 Diagonalizac ao
2
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
,

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
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
, . . . ,
s ao autovetores linearmente independentes associados

a
1
, . . . ,
, respectivamente. Vamos denir as matrizes

=
_

1

2
. . .
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
, . . . ,
s ao L.I., a matriz e invertvel. Assim, multiplicando a equac ao anterior por

1
` a
direita obtemos
=
1
.
Ou seja, a matriz e diagonaliz avel.

Vamos, agora, provar que se e diagonaliz avel, ent ao ela possui autovetores L.I. Se a matriz
e diagonaliz avel, ent ao existe uma matriz tal que
=
1
, (6.9)
em que e uma matriz diagonal. Multiplicando ` a direita por ambos os membros da equac ao
anterior, obtemos
= . (6.10)
Sejam
=
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
e =
_

1

2
. . .
,
em que
e a coluna de . Usando as denic oes de e temos que

=
_

1

2
. . .
=
_

1

2
. . .
=
_

1

2
. . .
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
=
_

1
1

2
2
. . .
Assim, de (6.10) segue-se que
,
para = 1, . . . . Como a matriz e invertvel, pela Proposic ao 5.3 na p agina 295, os autovetores
1
, . . . ,
s ao L.I.

398 Diagonalizac ao
Assim, se uma matriz e diagonaliz avel e =
1
, ent ao os autovalores de formam a
diagonal de e autovetores linearmente independentes associados aos autovalores formam as
colunas de .
O resultado que vem a seguir, garante que se conseguirmos para cada autovalor, autovetores L.I.,
ent ao ao juntarmos todos os autovetores obtidos, eles continuar ao sendo L.I.
Proposic ao 6.4. Seja uma matriz . Se
(1)
1
, . . . ,
(1)
1
s ao autovetores L.I. associados a
1
,
(2)
1
, . . . ,
(2)
2
2
, . . .,
()
1
, . . . ,
()
s ao autovetores L.I. associa-

dos a
, 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
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)

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.
=
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
= {(, , ) },
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
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
.

=
_
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
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
.
=
_
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
_
,
402 Diagonalizac ao
ent ao (
1
2
) =

0 e
_
0 1
0 0
_ _

_
=
_
0
0
_
ou
_
= 0
0 = 0
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
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

(gerac ao). A matriz de transic ao e dada por
=
1 2 3
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 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
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

1
3
) =

0 e
1
= {(, 2, ) } ,
1
= 0 acrescentado o vetor nulo. O conjunto
{
1
1
, pois como (, 2, ) = (1, 2, 1),
1
gera
1
e um
vetor n ao nulo e L.I.
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

2
3
) =

0 e
2
= {(, 0, ) }.
O conjunto {
2
2
, pois como (, 0, ) = (1, 0, 1),
3
gera
2
e um
vetor n ao nulo e L.I.
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
3
) =

0 e
3
= {(, 2, ) } ,
3
= 1 acrescentado o vetor nulo. O conjunto
{
1
1
, pois como (, 2, ) = (1, 2, 1),
1
gera
1
e um vetor n ao
nulo e L.I.
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
Esta e a matriz que d a a transic ao entre unidades de tempo (gerac oes).


6.1.1. Ache o polin omio caracterstico, os autovalores e os autovetores de cada matriz:
(a)
_
1 1
1 1
_
(b)
_
1 1
2 4
_
(c)
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
6.1.2. Ache bases para os auto-espacos associados a cada autovalor

(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
6.1.3. Verique quais das matrizes s ao diagonaliz aveis:

(a)
_
1 4
1 2
_
(b)
_
1 0
2 1
_
(c)
1 1 2
4 0 4
1 1 4
(d)
1 2 3
0 1 2
0 0 2

408 Diagonalizac ao
6.1.4. Ache para cada matriz , se possvel, uma matriz n ao-singular tal que
1
seja diagonal:
(a)
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
6.1.5. Sabendo-se que

1
= (4, 4, 1),
2
= (5, 4, 1) e
3
= (5, 3, 1) s ao autovetores da matriz
=
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
).

>> syms x y z diz ao MATLAB
que as vari aveis x, y e z s ao simb olicas;

>> A=[a11,a12,...,a1n;a21,a22,...; ...,amn] cria uma matriz, por , usando os
elementos a11, a12, ..., amn e a armazena numa vari avel A;
>> solve(expr) determina a soluc ao da equac ao expr=0. Por exemplo,
>> solve(x2-4) determina as soluc oes da equac ao
2
4 = 0;
>> subs(expr,x,num) substitui na express ao expr a vari avel x por num.
>> [P,D]=eig(A) determina matrizes P e D (diagonal) tais que AP=PD.
inv(A) calcula a inversa da matriz A.
A=sym(A) converte a matriz A numa matriz em que os elementos s ao armazenados no formato
simb olico. A func ao numeric faz o processo inverso.
>> A=randi(n) ou >> A=randi(m,n) cria uma matriz n por n ou m por n, respectivamente,
com elementos inteiros aleat orios.
>> escalona(A) calcula passo a passo a forma reduzida escalonada da matriz A.
6.1.7. Dena as matrizes B=sym(randi(2)) e A=[B-B,zeros(2,1);zeros(1,2),randi]. A ma-
triz A e diagonaliz avel? Por que?
6.1.8. Dena as matrizes L=[eye(2),zeros(2,1);randi(1,2),0] e A=sym(L*L). Determine o
polin omio caracterstico de A, os autovalores e um conjunto de autovetores linearmente inde-
pendentes com o maior n umero possvel de vetores. Encontre matrizes P e D (diagonal) tais que
410 Diagonalizac ao
inv(P)*A*P=D, se possvel. Verique o resultado. Use o comando [P,D]=eig(A) e compare
com as matrizes que voc e encontrou.
6.1.9. Dena a=randi,b=randi e A=sym([2*a,a-b,a-b;0,a+b,b-a;0,b-a,a+b]). Determine o
polin omio caracterstico de A, os autovalores e um conjunto de autovetores linearmente inde-
pendentes com o maior n umero possvel de vetores. Encontre matrizes P e D (diagonal) tais que
inv(P)*A*P=D, se possvel. Verique o resultado. Use o comando [P,D]=eig(A) e compare
6.1.10. Dena a=randi,b=randi e A=sym([a,0,b;2*b,a-b,2*b;b,0,a]). Determine o polin omio
caracterstico de A, os autovalores e um conjunto de autovetores linearmente independen-
tes com o maior n umero possvel de vetores. Encontre matrizes P e D (diagonal) tais que
A=P*D*inv(P), se possvel. Verique o resultado. Use o comando [P,D]=eig(A) e compare
Exerccios Te oricos
6.1.11. Dizemos que uma matriz , , e semelhante a uma matriz , , se existir uma matriz
n ao singular tal que =
1
. Demonstre:
(a) e semelhante a ;
(b) Se e semelhante a , ent ao e semelhante a ;
(c) Se e semelhante a e e semelhante a , ent ao e semelhante a .
6.1.12. Seja um autovalor (xo) de . Demonstre que o conjunto formado por todos os autovetores
de associados a , juntamente com o vetor nulo, e um subespaco de
. Este subespaco e
chamado de autoespac o associado a .

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
possuem os mesmos autovalores. O que podemos dizer sobre os

autovetores de e
?
6.1.16. Seja um autovalor de com autovetor associado . Demonstre que
e um autovalor de
= . . . associado a , em que e um inteiro positivo.

6.1.17. Uma matriz e chamada nilpotente se
=

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.
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
. Com qual autovalor?

(b) E se e autovetor de
, ent ao e autovetor de ? (Sugest ao: veja o que acontece

com uma matriz nilpotente)
6.1.27. Dado um polin omio
() = (1)
+
1
1
+ +
0
)

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)
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 =
_

_
.

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.
416 Diagonalizac ao
x
y
x
y
2
Figura 6.3: Elipse do Exemplo 6.9

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
=
. Em algumas aplicac oes a diagonalizac ao com uma tal matriz e

necess aria, como por exemplo na identicac ao de c onicas.
Vamos em primeiro lugar, caracterizar as matrizes ortogonais.
6.2.2 Matrizes Ortogonais
Uma matriz tal que
1
=
e chamada de matriz ortogonal.

Proposic ao 6.5. Uma matriz e ortogonal se, e somente se, as suas colunas formam um conjunto
ortonormal de vetores.
Demonstrac ao. Vamos escrever = [
1
. . .
]. Ou seja,
1
, . . . ,
s ao as colunas de . A
418 Diagonalizac ao
inversa de e
se, e somente se,
. Mas,
1
.
.
.
[
1
. . .
] =
2
. . .
2
. . .
.
.
.
.
.
.
.
.
.
2
. . .
Logo,
se, e somente se,
= 0 para = e
= 1 para
= 1, . . . . Ou seja,
se, e somente se,

1
, . . . ,
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 =
e uma matriz diagonal. Como a matriz e uma matriz cujas

colunas s ao autovetores de , deduzimos da proposic ao anterior que uma matriz e diagonaliz avel
atrav es de uma matriz ortogonal se, e somente se, ela possui um conjunto ortonormal de autovetores.
Como veremos, as matrizes sim etricas possuem esta caracterstica.
Proposic ao 6.6. Para uma matriz sim etrica, os autovetores associados a autovalores diferentes
s ao ortogonais.
1
e
2
autovetores de associados aos autovalores
1
e
2
, respectiva-
mente, com
1
=
2
. Ent ao,
1
=
1
1
e
2
=
2
2
.

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.
=
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 )
420 Diagonalizac ao
2
Figura 6.4: Autoespacos do Exemplo 6.10

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)
422 Diagonalizac ao
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
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

=
_
3 1
1 3
_
.
O seu polin omio caracterstico e
() = det(
2
) =
2
6 + 8 = ( 2)( 4).
Portanto os autovalores de s ao
1
= 2 e
2
= 4. Os autovetores associados aos autovalores
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
_
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
_
424 Diagonalizac ao
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
=
.

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
6.2.2. Seja uma matriz sim etrica. Sabendo-se que
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 =
.
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
=
e diagonal, tais que =
), ent ao e uma matriz sim etrica.

6.2.7. Dizemos que uma matriz sim etrica , , e (denida) positiva se
> 0, para todo

, =

0, escrito como matriz coluna. Mostre que s ao equivalentes as seguintes
armac oes:

(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
a submatriz obtida de eliminando-se as

ultimas linhas e colunas.
e chamada submatriz principal de de ordem . Mostre

que se e uma matriz sim etrica denida positiva , ent ao
(a) e n ao singular;
(b) det() > 0;
(c) as submatrizes principais
1
, . . . ,
s ao todas denidas positivas. (Sugest ao: considere

vetores
tais que os ultimos elementos s ao nulos.)

428 Diagonalizac ao
Ap endice V: Autovalores Complexos
Vamos provar que toda matriz sim etrica e diagonaliz avel atrav es de uma matriz ortogonal. Para
isto, precisamos trabalhar com matrizes cujas entradas s ao n umeros complexos. Vamos chamar o
conjunto das matrizes cujas entradas s ao n umeros complexos de
().
Para uma matriz = (
(), denimos o conjugado da matriz , denotado por

como sendo a matriz = (
() dada por
, em que, se
, ent ao

.
Para as matrizes de
() al em das propriedades que j a foram demonstradas no Teorema 1.1

na p agina 9 s ao v alidas as seguintes propriedades, cuja demonstrac ao deixamos a cargo do leitor:
(p) Se
() 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 = .

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.
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
, . . . ,
vetores tais que {

1
, . . . ,
} e uma base ortonormal de
(isto pode ser conseguido

aplicando-se o processo de ortogonalizac ao de Gram-Schmidt a uma base de
que contenha
1
.)
Seja
1
= [
1
. . .
]. Como
1
=
1
1
e
2
, . . . ,
s ao combinac oes lineares de

1
, . . . ,
,
temos que
1
= [
1
. . .
] = [
1
. . .
] =
1
, (6.17)
em que =
. . .
0
.
.
.
. Multiplicando-se ` a esquerda (6.17) por
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

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
. Multiplicando-se ` a esquerda por
obtemos o resultado.
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 > .

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
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).

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
.
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, )

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.
Nas Figuras 6.6 e 6.7, os pontos

1
,
2
,
1
e
2
s ao chamados v ertices da elipse. Os segmen-
tos
1
2
e
1
2
s ao chamados eixos da elipse.
A excentricidade da elipse e o n umero =

. Como, < , a excentricidade de uma elipse e um

n umero real n ao negativo menor que 1. Observe que se
1
=
2
, ent ao a elipse reduz-se ao crculo
de raio . Al em disso, como = 0, ent ao = 0. Assim, um crculo e uma elipse de excentricidade
nula.
A elipse e a curva que se obt em seccionando-se um cone com um plano que n ao passa pelo
v ertice, n ao e paralelo a uma reta geratriz (reta que gira em torno do eixo do cone de forma a ger a-
lo) e que corta apenas uma das folhas da superfcie (ver Exerccio 6.3.16 na p agina 466).
438 Diagonalizac ao
Figura 6.8: Elipse obtida seccionando-se um cone com um plano

6.3.2 Hip erbole
Denic ao 6.5. A hip erbole e o conjunto dos pontos no plano tais que o m odulo da diferenca entre
as dist ancias de a dois pontos xos
1
e
2
(focos) e constante, ou seja, se dist(
1
,
2
) = 2,
ent ao a hip erbole e o conjunto dos pontos tais que
dist(,
1
) dist(,
2
) = 2,
em que < .
Podemos desenhar uma parte de um ramo de uma hip erbole da seguinte forma. Fixamos uma
extremidade de uma r egua em um dos focos, xamos uma extremidade de um barbante (de compri-
mento igual ao comprimento da r egua menos 2) na outra ponta da r egua e a outra extremidade do
barbante no outro foco. Esticamos o barbante com uma caneta de forma que ela que encostada na
r egua. Girando-se a r egua em torno do foco no qual ela foi xada, mantendo o barbante esticado com
a caneta encostada na r egua, uma parte de um ramo da hip erbole ser a tracada (Figura 6.9).
Proposic ao 6.11. (a) A equac ao da hip erbole cujos focos s ao
1
= (, 0) e
2
= (, 0) e
2

2
2
= 1 (6.20)
440 Diagonalizac ao
1

2
Figura 6.9: Hip erbole que e o conjunto dos pontos = (, ) tais que dist(,
1
) dist(,
2
) =
2

x
y
1
=

1
= (, 0)
1
= (, 0)
2
= (, 0)
2
= (, 0)
Figura 6.10: Hip erbole com focos nos pontos
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, )
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

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
=
.

444 Diagonalizac ao
Nas Figuras 6.10 e 6.11, os pontos
1
e
2
s ao chamados v ertices da hip erbole. A excentrici-
dade da hip erbole e o n umero =

. Como, > , a excentricidade de uma hip erbole e um n umero

real maior que 1.
A hip erbole e a curva que se obt em seccionando-se um cone com um plano que n ao passa pelo
v ertice, n ao e paralelo a uma reta geratriz e que corta as duas folhas da superfcie (ver Exerccio
6.3.16 na p agina 466).

Figura 6.12: Hip erbole obtida seccionando-se um cone com um plano
446 Diagonalizac ao
6.3.3 Par abola
Denic ao 6.6. Uma par abola e o conjunto dos pontos no plano equidistantes de uma reta
(diretriz) e de um ponto (foco), n ao pertencente a , ou seja, a par abola e o conjunto dos pontos
tais que
dist(, ) = dist(, ).
Podemos desenhar uma parte da par abola da seguinte forma. Colocamos um esquadro com um
lado cateto encostado na reta diretriz, xamos uma extremidade de um barbante (de comprimento
igual ao lado cateto do esquadro perpendicular ` a reta diretriz) no foco, a outra extremidade na ponta
do esquadro oposta ao lado que est a encostado na reta diretriz. Esticamos o barbante com a caneta
de forma que ela que encostada no lado do esquadro perpendicular ` a reta diretriz. Deslizando-se o
esquadro na direc ao da reta diretriz mantendo o lado encostado nela uma parte da par abola e tracada
(Figura 6.13).
Proposic ao 6.12. (a) A equac ao da par abola com foco = (, 0) e reta diretriz : = e
2
= 4, (6.22)
(b) A equac ao da par abola com foco = (0, ) e reta diretriz : = e
2
= 4. (6.23)

Figura 6.13: Par abola que e o conjunto dos pontos = (, ) tais que dist(, ) = dist(, )
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, )
: =
(0, ) e > 0

x
y
= (, 0)
0
= (0, 0)
(, 0) e < 0
x
y
: =
= (0, )
0
= (0, 0)
(0, ) e < 0
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).
Nas Figuras 6.14, 6.15, 6.16 e 6.17, o ponto

0
e o ponto da par abola mais pr oximo da reta
diretriz e e chamado de v ertice da par abola. A par abola e a curva que se obt em seccionando-se um
cone por um plano paralelo a uma reta geratriz do cone conforme a Figura 6.18 na p agina 451 (ver
Exerccio 6.3.16 na p agina 466).
Vamos resumir numa tabela as c onicas n ao degeneradas e suas equac oes na forma padr ao.

Figura 6.18: Par abola obtida seccionando-se um cone com um plano
452 Diagonalizac ao
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
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, ) } .

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 =
na equac ao (6.24) obtemos
36 = 0.
Substituindo-se =
, ou equivalentemente,
, em que
=
_

_
na equac ao
(6.24), obtemos
36 = 0,
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
passa pela origem, e paralelo e possui o mesmo

sentido do vetor
1
, que tem coordenadas
_
1
0
_
em relac ao ao sistema de coordenadas x
. Ou
seja,
1
=
_
1
0
_
, que e a primeira coluna de . O eixo y
passa pela origem, e paralelo e possui o

mesmo sentido de
2
que tem coordenadas
_
0
1
_
em relac ao ao sistema de coordenadas x
. 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 .

4 3 2 1 0 1 2 3 4
4
3
2
1
0
1
2
3
4
x
y
x
y
2
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 =
na equac ao (6.26) obtemos
+ + 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

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
, que por sua vez s ao translac oes dos eixos x
e y
. O eixo x
tem a direc ao e o sentido do vetor

1
=
_
1
0
_
(a primeira coluna de ). O eixo y
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
= 0. Usando a equac ao (6.28) obtemos
= 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
.
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

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
, em que a equac ao (6.30) tem a forma
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
=
).
462 Diagonalizac ao
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;

6.3.12.
2
6 7
2
+ 10 + 2 + 9 = 0;

>> [P,D]=diagonal(A) diagonaliza a matriz A, de forma que AP=PD, em que D e uma matriz
diagonal e P e uma matriz ortogonal.
>> subst(expr,[x;y],[a;b]) substitui na express ao expr as vari aveis x,y por a,b, res-
pectivamente.
>> elipse(a,b) desenha a elipse

2
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.
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
>> 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
>> 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.

Exerccios Te oricos

6.3.14. (a) Verique que com o procedimento abaixo realmente desenhamos uma parte de um ramo
de uma hip erbole. Fixamos uma extremidade de uma r egua em um dos focos, xamos
uma extremidade de um barbante (de comprimento igual ao comprimento da r egua menos
2) na outra ponta da r egua e a outra extremidade do barbante no outro foco. Esticamos
o barbante com uma caneta de forma que ela que encostada na r egua. Girando-se a
r egua em torno do foco no qual ela foi xada, mantendo o barbante esticado com a caneta
encostada na r egua, uma parte de um ramo da hip erbole ser a tracada (Figura 6.9 na
p agina 440).
(b) Verique que com o procedimento abaixo realmente desenhamos uma parte de um ramo
de uma par abola. Colocamos um esquadro com um lado cateto encostado na reta di-
retriz, xamos uma extremidade de um barbante (de comprimento igual ao lado cateto
do esquadro perpendicular ` a reta diretriz) no foco, a outra extremidade na ponta do es-
quadro oposta ao lado que est a encostado na reta diretriz. Esticamos o barbante com a
caneta de forma que ela que encostada no lado do esquadro perpendicular ` a reta dire-
triz. Deslizando-se o esquadro na direc ao da reta diretriz mantendo o lado encostado nela
uma parte da par abola e tracada (Figura 6.13 na p agina 447).
6.3.15. Mostre que um espelho parab olico reete na direc ao do foco os raios que incidem paralelos ao
seu eixo de simetria seguindo os seguintes passos:
(a) Considere a par abola
2
= 4. Usando o fato de que a inclinac ao da reta tangente ` a
parabola no ponto = (
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
).
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

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.
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.

(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.
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

z
y=
x=
Figura 6.27: Hip erbole intersec ao do cone circular com um plano
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
.

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;
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
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];

>> 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
[ 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]

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 =
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

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
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]

[ 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]
>> 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 .

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]
[ 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, 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]
[ 1, 0, 0, 3]
[ 0, 1, 0, 1]
[ 0, 0, 1, 2]
=
3
1
2
.

(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]
[ 1, 1, 1, 0]
[ 0, 7, 4, 1]
[ 0, -7, -4, -1]
eliminacao 2:
[ 1, 1, 1, 0]
[ 0, 1, 4/7, 1/7]
[ 0, -7, -4, -1]
[ 1, 0, 3/7, -1/7]
[ 0, 1, 4/7, 1/7]
[ 0, 0, 0, 0]
=
1
7

3
7
1
7

4
7
, .
(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, 2, -1, -2/3]
[ 0, -2, 3, 1]
[ 6, 6, 3, 5]
[ 1, 2, -1, -2/3]
[ 0, -2, 3, 1]
[ 0, -6, 9, 9]
eliminacao 2:
[ 1, 2, -1, -2/3]
[ 0, 1, -3/2, -1/2]
[ 0, -6, 9, 9]
[ 1, 0, 2, 1/3]
[ 0, 1, -3/2, -1/2]
[ 0, 0, 0, 6]

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:
[ 1, -2, 1, 1, 2]
[ 0, -1, -1, -4, -5]
[ 0, -1, -1, -4, -4]
eliminacao 2:
[ 1, -2, 1, 1, 2]
[ 0, 1, 1, 4, 5]
[ 0, -1, -1, -4, -4]
[ 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!
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:
[ 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:
[ 1, 5, 1, 0]
[ 0, 1, 0, 0]
[ 0, -25, 0, 0]
(25)*linha 2 + linha 3 ==> linha 3
[ 1, 0, 1, 0]
[ 0, 1, 0, 0]
[ 0, 0, 0, 0]
=
, .

(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, 0, -5, 0]
[ 0, -1, 6, 0]
[ 0, 1, -6, 0]
eliminacao 2:
[ 1, 0, -5, 0]
[ 0, 1, -6, 0]
[ 0, 1, -6, 0]
[ 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];
>> escalona(A)
eliminacao 1:
[ 1, 2, -3, 4]
[ 0, -7, 14, -10]
[ 0, -7, a2-2, a-14]
eliminacao 2:
[ 1, 2, -3, 4]
[ 0, 1, -2, 10/7]
[ 0, -7, a2-2, a-14]
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:

[ 1, 1, 1, 2]
[ 0, 1, 0, 1]
[ 0, 1, a2-3, a-3]
eliminacao 2:
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
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:
[ 1, 3, 5, 2400]
[ 2, 1, 3, 1900]
[ 3, 2, 4, 2900]
[ 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]
[ 1, 0, 4/5, 660]
[ 0, 1, 7/5, 580]
[ 0, 0, -6/5, -240]

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
[ 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:
[ 1, 1, 1, -3]
[ 0, -18, -24, 60]
[ 0, -48, -60, 168]
eliminacao 2:
[ 1, 1, 1, -3]
[ 0, 1, 4/3, -10/3]
[ 0, -48, -60, 168]
[ 1, 0, -1/3, 1/3]
[ 0, 1, 4/3, -10/3]
[ 0, 0, 4, 8]
eliminacao 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.

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, -7/2, -1/2, 53/2]
[ -4, 5, 1, -41]
[ 4, -3, 1, -25]
[ 1, -7/2, -1/2, 53/2]
[ 0, -9, -1, 65]
[ 0, 11, 3, -131]
eliminacao 2:
[ 1, -7/2, -1/2, 53/2]
[ 0, 1, 1/9, -65/9]
[ 0, 11, 3, -131]
[ 1, 0, -1/9, 11/9]
[ 0, 1, 1/9, -65/9]
[ 0, 0, 16/9, -464/9]
eliminacao 3:
[ 1, 0, -1/9, 11/9]
[ 0, 1, 1/9, -65/9]
[ 0, 0, 1, -29]
-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:
[ 1, -2, 5, b1]
[ 0, 3, -12, b2-4*b1]
[ 0, -3, 12, b3+3*b1]
eliminacao 2:

[ 1, -2, 5, b1]
[ 0, 1, -4, 1/3*b2-4/3*b1]
[ 0, -3, 12, b3+3*b1]
[ 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:
[ 1, -2, -1, b1]
[ 0, -3, -2, b2+4*b1]
[ 0, -1, 0, b3+4*b1]
eliminacao 2:
[ 1, -2, -1, b1]
[ 0, -1, 0, b3+4*b1]
[ 0, -3, -2, b2+4*b1]
[ 1, -2, -1, b1]
[ 0, 1, 0, -b3-4*b1]
[ 0, -3, -2, b2+4*b1]
[ 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:
[ 1, 3, 3, 8]
[ 0, 1, 7, 8]
[ -2, -5, 1, -8]
[ 1, 3, 3, 8]
[ 0, 1, 7, 8]
[ 0, 1, 7, 8]
eliminacao 2:
[ 1, 0, -18, -16]
[ 0, 1, 7, 8]

[ 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 ]
,
, ,
(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)

>> 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, ) }
(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

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
.
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

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
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/.

(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
, . . . ,
na matriz chegamos na matriz , ent ao aplicando-se as operac oes

elementares
1
, . . . ,
1
1
na matriz chegamos na matriz .
(c) Se aplicando as operac oes elementares
1
, . . . ,
na matriz chegamos na matriz

e aplicando as operac oes elementares
+1
, . . . ,
na matriz chegamos na matriz ,

ent ao aplicando-se as operac oes elementares
1
, . . . ,
na matriz chegamos na matriz

.
2.1. Matriz Inversa (p agina 98)
2.1.1. A matriz e singular, pois o sistema homog eneo tem soluc ao n ao trivial (Teorema 2.8 na p agina
90).
2.1.2. (a) >> A=[1,2,3;1,1,2;0,1,2];
>> B=[A,eye(3)];
>> escalona(B)
[1, 0, 0, 0, 1,-1]
[0, 1, 0, 2,-2,-1]
[0, 0, 1,-1, 1, 1]
(b) [1, 0, 0, 3, 2,-4]
[0, 1, 0,-1, 0, 1]
[0, 0, 1, 0,-1, 1]
(c) [1, 0, 0, 0, 7/3,-1/3,-1/3,-2/3]
[0, 1, 0, 0, 4/9,-1/9,-4/9, 1/9]
[0, 0, 1, 0,-1/9,-2/9, 1/9, 2/9]
[0, 0, 0, 1,-5/3, 2/3, 2/3, 1/3]
(d) [1, 0, 0, 1, -1, 0]
[0, 1, 0,3/2,1/2,-3/2]
[0, 0, 1, -1, 0, 1]
(e) [ 1 0 1 1 0 -2 ]
[ 0 1 1 0 0 1 ]
[ 0 0 0 -1 1 1 ]
Continua ? (s/n) n

Captulo 2. Invers ao de Matrizes e Determinantes 511
(f) [1, 0, 0,1/4, 5/4,-3/4, 1/2, 0]
[0, 1, 0,1/2,-1/2, 1/2, 0, 0]
[0, 0, 1,1/4, 1/4, 1/4,-1/2, 0]
[0, 0, 0, 0, -2, -1, -2, 1]
Continua ? (s/n) n
2.1.3. >> syms a
>> A=[1,1,0;1,0,0;1,2,a];
>> escalona(A)
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
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:
[ 1, 2, 3, 1, 0, 0]
[ 0, -3, -4, -2, 1, 0]
[ 0, 1, 2, 0, 0, 1]
eliminacao 2:
[ 1, 2, 3, 1, 0, 0]
[ 0, 1, 2, 0, 0, 1]
[ 0, -3, -4, -2, 1, 0]
[ 1, 0, -1, 1, 0, -2]

[ 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, 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)
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

(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];
>> detopelp(A)
eliminacao 1:
[ 1, -2, 3, 1]
[ 0, 1, -9, -2]
[ 0, 0, -3, -1]
[ 0, 12, 0, -1]
eliminacao 2:
[ 1, -2, 3, 1]
[ 0, 1, -9, -2]
[ 0, 0, -3, -1]
[ 0, 0, 108, 23]
eliminacao 3:
[ 1, -2, 3, 1]
[ 0, 1, -9, -2]
[ 0, 0, 1, 1/3]
[ 0, 0, 108, 23]
det(A) = -3*det(A)
[ 1, -2, 3, 1]
[ 0, 1, -9, -2]

[ 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:
[ 1, 0, 1, 1]
[ 2, 1, 3, 1]
[ 0, 2, 1, 0]
[ 0, 1, 2, 3]
det(A) = (-1)*det(A)
[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 2, 1, 0]
[ 0, 1, 2, 3]
eliminacao 2:
[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 0, -1, 2]
[ 0, 0, 1, 4]
eliminacao 3:
[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 0, 1, -2]
[ 0, 0, 1, 4]
det(A) = (-1)*(-1)*det(A)
[ 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]

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]
[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]

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]
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.

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];
>> 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).

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
tem que ser igual a soma dos outros

dois.
(a) >> OA=[4,-1,1];OB=[9,-4,2];
>> OC=[4,3,4];OD=[4,-21,-14];
>> AC=OC-OA
AC = 0 4 3
>> AB=OB-OA
AB = 5 -3 1
>> AD=OD-OA
AD = 0 -20 -15
N ao e um paralelogramo.
(b) Somente o v ertice e diferente.
>> OD=[9,0,5];
>> AD=OD-OA
AD = 5 1 4
E um paralelogramo de v ertices consecutivos , , e .

3.1.12. Resolvendo a equac ao vetorial = obtemos que
= (6, 4, 2) =
2
3
(9, 6, 3) =
2
3
.
Fazendo o mesmo para = obtemos que n ao existe soluc ao, logo somente os vetores
e s ao paralelos.
3.2. Produtos de Vetores (p agina 202)
3.2.1. Um ponto = (, ) pertence a reta se, e somente se,
0
= 0.
ou seja, se, e somente se,
( + 1, 1) (2, 3) = 0
ou
2 + 3 1 = 0

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)),...
>> 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(
10/10) entre e e arccos(
6/3) e 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
3.2.9. >> A=[2,2,1];B=[3,1,2];C=[2,3,0];D=[2,3,2];

>> M=[B-A;C-A;D-A], detM=det(M)
M = 1 -1 1
0 1 -1
0 1 1 detM=2
>> A=[2,0,2];B=[3,2,0];C=[0,2,1];D=[10,-2,1];
M = 1 2 -2
-2 2 -1
8 -2 -1 detM=0
No item (a) os pontos n ao s ao coplanares e no item (b) eles s ao coplanares.

3.2.10. >> A=[2,1,6];B=[4,1,3];C=[1,3,2];D=[1,2,1];
M = 2 0 -3
-1 2 -4
-1 1 -5 detM=-15
O volume do paraleleppedo e 15 unidades de vol.
3.2.11. >> A=[1,0,1];B=[2,1,3];C=[3,2,4];
>> V=pv(A-B,C-B), norma=no(V)
AD = 1 -1 0
norma=
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
101/2 unidades de area.

3.2.13. >> syms x y z
>> X=[x,y,z]; V=[1,0,1]; W=[2,2,-2];
>> expr1=pv(X,V)-W, expr2=pe(X,X)-6
expr1 = [ y-2, z-x-2, -y+2]
expr2 = x2+y2+z2-6
>> S=solve(expr1(1),expr1(2),expr1(3),expr2)
S = x: [2x1 sym] y: [2x1 sym] z: [2x1 sym]
>> S.x, S.y, S.z
ans =[ -1][ -1] ans =[ 2][ 2] ans =[ 1][ 1]
Logo, = (1, 2, 1).
3.2.14. >> X=[x,y,z]; V=[1,1,0]; W=[-1,0,1]; U=[0,1,0];
>> expr1=pe(X,V), expr2=pe(X,W),...
>> expr3=pe(X,X)-3, expr4=pe(X,U)
expr1=x+y,expr2=z-x,expr3=x2+y2+z2-3,expr4=y
>> solve(expr1,expr2,expr3)
S = x: [2x1 sym] y: [2x1 sym] z: [2x1 sym]
>> S.x, S.y, S.z
ans =[ -1][ 1] ans =[ 1][ -1] ans =[ -1][ 1]
Como tem que ser maior que zero, = (1, 1, 1).
3.2.15. >> A=[3,0,2];B=[4,3,0];C=[8,1,-1];
>> pe(B-A,C-A), pe(A-B,C-B), pe(A-C,B-C)
14,0,21
Portanto o angulo reto est a no v ertice .
3.2.16. (a)
( +) =
2
+ = 20
( +) = +
2
= 5
25 + 5 = 20
5 + 4 = 5

Resolvendo o sistema acima obtemos = 11/15 e = 1/3. Assim
=
11
15
+
1
3
.
(b)
( +) =
( +) = +
2
= =

0
+
2
= 5 + 4 = 12
Resolvendo o sistema acima obtemos = 12/5 e = 0. Assim
=
12
5
.
3.2.17.
3.2.18.
3.2.19.
3.2.20. Seja a base do tri angulo isosceles e o seu ponto m edio. Vamos mostrar que

= 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


2
=
2
2 +
2
Assim + = implica que = 0.
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

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
(f)
y
z
x
2/5
(g)
y
z
x
2/3
(h)
y
z
x
1/2
4.1.2.

(a)
y
z
x
= (3, 1/2, 2)
(b)
y
z
x
= (2, 1, 3/2)
(c)
y
z
x
= (1, 0, 2)
(d)
y
z
x
= (0, 2, 3/2)
(e)
y
z
x
= (2, 1, 0)
(f)
y
z
x
= (0, 0, 2)

(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
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
= (0, 0, 1) e o vetor normal do plano = 0,
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

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
= (9, 1 + 6, 2 + 3) e um ponto da reta e da forma
= (1 + 2, 3 + , 1). As retas se cortam se existem e tais que
, 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:
[ 1, -2/9, 1/9]
[ 6, -1, 2]
[ 3, 0, 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
[ 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
>> V1=[2,2,1]; V2=[1,1,1]; P1=[2,0,0];

>> 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
= (2, 3, 2) e o vetor diretor da reta , = (1, 1, 2). Logo, o produto vetorial
e um vetor normal ao plano :

>> P=[4,1,-1]; Q=[2,4,1]; V=[1,-1,2];
>> PQ=Q-P
PQ = [-2, 3, 2]
>> N=pv(PQ,V)
N = 8 6 -1
expr = 8*x-39+6*y-z
Substituindo-se o ponto ou o ponto na equac ao de obtemos que a equac ao do
plano e 8 + 6 39 = 0.
4.1.10. O vetor = (1, 1, 1) e normal ao plano. A equac ao do plano e ent ao + + = 0.
Fazendo = 0 nas equac oes dos planos
1
e
2
e resolvendo o sistema resultante, obtemos
= 0 e = 1. Portanto, o ponto = (0, 1, 0) pertence a
1
e a
2
. Substituindo-se o ponto
= (0, 1, 0) na equac ao do plano + + = 0 obtemos que a equac ao procurada e
+ + 1 = 0.
4.1.11. (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).
(b) >> N1=[2,-1,4]; N2=[4,-2,8]; V=pv(N1,N2)
V = 0 0 0
Os planos s ao paralelos.
(c) >> 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).

4.1.12. O vetor normal ao plano e um vetor diretor da reta procurada. Assim as equac oes param etricas
de s ao (, , ) = (1 +, 2 , 1 + 2).
4.1.13. O vetor diretor da reta procurada e ortogonal ao mesmo tempo aos vetores normais dos dois
planos, portanto o produto vetorial deles e um vetor diretor da reta procurada.
>> pv([2,3,1],[1,-1,1])
4 -1 -5
(, , ) = (1 + 4, , 1 5).
4.1.14. >> escalona([1,1,-1,0;2,-1,3,1])
1 0 2/3 1/3
0 1 -5/3 -1/3
A reta intersec ao dos planos e (, , ) = (1/3 2/3, 1/3 + 5/3, ). O vetor diretor =
(2/3, 5/3, 1) desta reta e paralelo ao plano procurado. O ponto = (1/3, 1/3, 0) e um
ponto da reta e e tamb em portanto um ponto do plano procurado . O vetor
e tamb em um
vetor paralelo a . Assim o produto vetorial
>> 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]
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
= (, 1, 0) e um ponto qualquer da reta e
= (3 +2, 1 +, 4 3) e um ponto qual-

quer da reta . Precisamos encontrar pontos
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, -2, -1, -3]
[ 0, 1, -5, 0]
[ 0, 3, 1, -4]
[ 1, 0, -11, -3]
[ 0, 1, -5, 0]

[ 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]
[ 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
= (, 1, 0) obtemos que a equac ao da reta e (, , ) = (23/4 +, 1 5, ).

4.1.16. (a) >> N1=[2,-1,1]; N2=[1,2,-1]; V=pv(N1,N2)
V = -1 3 5
Os planos se interceptam segundo uma reta que tem vetor diretor = (1, 3, 5).
(b) >> escalona([2,-1,1,0;1,2,-1,1])
[ 2, -1, 1, 0]
[ 1, 2, -1, 1]
eliminacao 1:
[ 1, 2, -1, 1]
[ 2, -1, 1, 0]
[ 1, 2, -1, 1]
[ 0, -5, 3, -2]
eliminacao 2:
(-1/5)*linha 2 ==> linha 2
[ 1, 2, -1, 1]
[ 0, 1, -3/5, 2/5]
[ 1, 0, 1/5, 1/5]
[ 0, 1, -3/5, 2/5]
Um ponto qualquer da reta e
= (1/5 , 2/5 + 3, 5). Vamos determinar o valor de

tal que
seja perpendicular ao vetor diretor da reta .

>> syms t
>> Pr=[1/5-t,2/5+3*t,5*t];A=[1,0,1];
>> APr=Pr-A
APr = [ -4/5-t, 2/5+3*t, 5*t-1]
>> expr=pe(APr,[-1,3,5])
expr = -3+35*t
>> t=solve(expr)
t = 3/35
Substituindo-se = 3/35 em
= (4/5 , 2/5 + 3, 5 1), obtemos o vetor diretor


da reta procurada e assim a equac ao da reta e (, , ) = (1 (31/35), (23/35), 1
(4/7)).
4.1.17. >> V1=[1,2,-3]; P1=[0,0,0];
>> V2=[2,4,-6]; P2=[0,1,2];
>> pv(V1,V2)
ans = 0 0 0
>> syms x y z; X=[x,y,z];
>> M=[X-P1;V1;P2-P1], expr=det(M)
M =[ x, y, z]
[ 1, 2, -3]
[ 0, 1, 2] expr = 7*x-2*y+z
Como o produto vetorial de
1
e
2
(os dois vetores diretores das retas) e igual ao vetor nulo,
ent ao as retas s ao paralelas. Neste caso, os vetores
1
e
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
(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)

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
.
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
2
. Vamos determinar e tais que
o vetor
2
1
= (1, 3, 4) de
1
e ao vetor diretor
2
= (1, 2, 3) de
2
_

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)

liga um ponto qualquer de
1
2
. Vamos determinar e tais que
o vetor
2
1
= (1, 3, 4) de
1
e ao vetor diretor
2
= (1, 2, 3) de
2
_

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
>> 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

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]
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)

>> 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
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(
) (Exerccio 1.18 na p agina 164)

satisfaz a equac ao do plano. O plano e perpendicular ao segmento , pois = (6, 8, 2) e
paralelo a
= (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

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.
4.2.14. (a)
= (7/3, 7/2, 0)
= (7/3, 2, 11/6)
= (77/12, 77/18, 77/6)
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)

y
z
x
(e) cos(
1
,
2
) =

1
=
8
7
5
(f)
= proj
=

1
1
=
6
49
(3, 2, 6)
(g) area =
/2 = (77/12, 77/18, 77/6)/2 =

77
72
(3, 2, 6) =
539
72
5.1. Independ encia Linear (p agina 303)
5.1.1. Podemos resolver os quatro sistemas de uma unica vez.
>> v1=[5,-3,1];v2=[0,4,3];v3=[-10,18,7];
>> va=[10,-2,5];vb=[10,2,8];vc=[-2,-1,1];
>> vd=[-1,2,3];
>> A=[v1;v2;v3;va;vb;vc;vd];
>> escalona(A)
[ 5, 0, -10, 10, 10, -2, -1]
[ -3, 4, 18, -2, 2, -1, 2]
[ 1, 3, 7, 5, 8, 1, 3]
eliminacao 1:
[ 1, 3, 7, 5, 8, 1, 3]
[ -3, 4, 18, -2, 2, -1, 2]
[ 5, 0, -10, 10, 10, -2, -1]
Continua ? (s/n) s
[ 1, 3, 7, 5, 8, 1, 3]
[ 0, 13, 39, 13, 26, 2, 11]
[ 0, -15, -45, -15, -30, -7, -16]
Continua ? (s/n) s
eliminacao 2:

Captulo 5. Espac os
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
[ 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
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)

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:
[ 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

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
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.

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
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 [
0], que corresponde ao sistema
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 .

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 [
0], que corresponde ao sistema

_

1
+
4
= 0
2
+ 2
3
= 0
= {(, 2, , ) , } .
(, 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];
>> 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
= {(, 2, ) } .
(, 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 .

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
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
= {(3, 3, , 0) } .
(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
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
= {(, 0, 0, 0) } .
(, 0, 0, 0) = (1, 0, 0, 0) .

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
= {(, 0, ) } .
(, 0, ) = (1, 0, 1) .
>> B1=subs(B,x,1)
0 1 -2
-1 1 1
0 1 -2
1 0 -3 0
0 1 -2 0
0 0 0 0
_

1
3
3
= 0
2
2
3
= 0
= {(3, 2, ) } .
(3, 2, ) = (3, 2, 1) .
>> B2=subs(B,x,2)

Captulo 5. Espac os
577
-1 1 -2
-1 0 1
0 1 -3
1 0 -1 0
0 1 -3 0
0 0 0 0
_

1

3
= 0
2
3
3
= 0
= {(, 3, ) } .
(, 3, ) = (1, 3, 1) .
(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]
[ -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:
[ -1, 1, 1, 0]
[ -2, 2, 2, 0]
[ -1, 1, 1, 0]
[ 0, 0, 0, 0]
[ 1, -1, -1, 0]
[ -2, 2, 2, 0]
[ -1, 1, 1, 0]
[ 0, 0, 0, 0]
[ 1, -1, -1, 0]
[ 0, 0, 0, 0]

Captulo 5. Espac os
579
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
_

1

2

3
= 0
= {( +, , , ) , , } .
( +, , , ) = (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)
B1 = [ 1, 3 ,0]
[ 0, 0, 0]
[ 0, 0, 1]
_

1
+ 3
2
= 0
3
= 0
= {(3, , 0) } .
(3, , 0) = (3, 1, 0) .
>> B2=subs(B,x,2)
B2 =[ 0, 3, 0]
[ 0, -1, 0]
[ 0, 0, 0]
_
3
2
= 0
2
= 0
= {(, 0, ) , } .

Captulo 5. Espac os
581
(, 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
= {(, 0, ) , } .
(, 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 .
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, 1/2, -1/2, 0]
[ 2, 1, -1, 0]
[ -3, -2, 0, 0]
[ 1, 1/2, -1/2, 0]
[ 0, 0, 0, 0]
[ 0, -1/2, -3/2, 0]
eliminacao 2:

Captulo 5. Espac os
583
[ 1, 1/2, -1/2, 0]
[ 0, -1/2, -3/2, 0]
[ 0, 0, 0, 0]
[ 1, 1/2, -1/2, 0]
[ 0, 1, 3, 0]
[ 0, 0, 0, 0]
[ 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
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).

Captulo 5. Espac os
585
Para estender
1
e
2
a uma base de
3
, precisamos acrescentar um vetor que n ao seja
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])
[ 3, 4, -4]
[ 2, -4, -6]
[ -2, -4, 2]
eliminacao 1:
[ 1, 4/3, -4/3]
[ 2, -4, -6]
[ -2, -4, 2]
[ 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 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

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
Vamos vericar que

1
,
2
,
3
e
4
s ao L.I.
1
+
2
2
+
3
3
+
4
4
=

0
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
aplicando-se operac oes elementares. Logo {

1
,
2
,
3
,
4
} e L.I. Como a dimens ao do
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)

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
= {(, 0, 0, 0) } .
(, 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)
[ 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
= {(2, 3, 0, 0) } .
(2, 3, 0, 0) = (2, 3, 0, 0) .
Logo, = { = (2, 3, 0, 0)} gera . Como um conjunto formado por um unico vetor n ao
>> B0=subs(B,x,0)
B0 =
[ -1, -2, 1, 1]
[ 0, 2, -2, -2]
[ 0, 0, -1, 2]
[ 0, 0, 0, 0]

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
= {(3, 3, 2, ) } .
(3, 3, 2, ) =
(3, 3, 2, 1) .
Logo, = { = (3, 3, 2, 1)} gera . Como um conjunto formado por um unico vetor n ao
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
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
5.3.4. O conjunto dado consiste dos vetores da forma:

( + 2 +, , , ) =
(, 0, 0, ) + (2, 0, , 0) + (, , 0, 0) =
(1, 0, 0, 1) +(2, 0, 1, 0) +(1, 1, 0, 0)

Captulo 5. Espac os
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
5.3.5. >> A=[1,1,-1,0;2,1,2,0];

>> escalona(A)
1 0 3 0
0 1 -4 0
_

1
+ 3
3
= 0
2
4
3
= 0
= {(3, 4, ) } .
(3, 4, ) = (3, 4, 1) .
Um conjunto formado por um unico vetor n ao nulo e sempre L.I.
>> v=[-3,4,1];
>> u=v/no(v)
=
_

3
26
26
2
13
26
1
26
26
5.3.6. >> V1=[1,2,-3]; P1=[0,0,0];

>> V2=[2,4,-6]; P2=[0,1,2];
>> pv(V1,V2)
ans = 0 0 0
>> syms x y z; X=[x,y,z];
>> M=[X-P1;V1;P2-P1], expr=det(M)
M =[ x, y, z]
[ 1, 2, -3]
[ 0, 1, 2] expr = 7*x-2*y+z
Como o produto vetorial de
1
e
2
(os dois vetores diretores das retas) e igual ao vetor nulo,
ent ao as retas s ao paralelas. Neste caso, os vetores
1
e
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)

Captulo 5. Espac os
595
1
=
_
1/10
2 0
7
10
2
=
_
7
45
3 5/9
3 1/45
5.3.7. >> v1=[1,1,-1,0];v2=[0,2,0,1];v3=[-1,0,0,1];

>> w1=v1; w2=v2-proj(w1,v2)
w2 = [-2/3, 4/3, 2/3, 1]
>> w3=v3-proj(w1,v3)-proj(w2,v3)
w3 = [-4/11, -3/11, -7/11, 6/11]
>> u1=w1/no(w1),u2=w2/no(w2),u3=w3/no(w3)
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
5.3.8. >> v1=[1,1,1];v2=[0,1,1];v3=[1,2,3];

>> w1=v1; w2=v2-proj(w1,v2)
w2 = [-2/3, 1/3, 1/3]
>> w3=v3-proj(w1,v3)-proj(w2,v3)
w3 = [0, -1/2, 1/2]
>> u1=w1/no(w1),u2=w2/no(w2),u3=w3/no(w3)
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
5.3.9. >> 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.
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)

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

5.4.2. (a) >> v1=sym([-1/sqrt(2),1/sqrt(2)]);
>> v2=sym([1/sqrt(2),1/sqrt(2)]);
>> v=2*v1+v2
_

2/2 3
2/2
(b) >> v1=sym([0,1/sqrt(2),-1/sqrt(2)]);

>> v2=sym([1,0,0]);
>> v3=sym([0,1/sqrt(2),1/sqrt(2)]);
>> v=-v1+v2+2*v3
v = 3 1 3
_
1
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
5.4.4. >> p=sym([sqrt(3),1]).; pr=sym([sqrt(3),-1]).;

>> A=[cos(th),-sin(th);sin(th),cos(th)];
>> expr=A*pr-p

Captulo 5. Espac os
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)
(b) Para completar a uma base ortogonal de
3
basta completarmos com o vetor normal do
plano
3
= (3,
3, 2). Assim a base ortonormal do

3
e
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

Captulo 6. Diagonalizac ao 601
6.1. Diagonalizac ao de Matrizes (p agina 407)
6.1.1.
(a) >> A=[1,1;1,1];
>> B=A-x*eye(2)
[1-x, 1]
[ 1, 1-x]
>> p=det(B)
p =-2*x+x2
>> solve(p)
[0][2]
>> B0=subs(B,x,0)
[1, 1]
[1, 1]
>> escalona(B0)
1 1
0 0
>> B2=subs(B,x,2)
[-1, 1]
[ 1, -1]
>> escalona(B2)
1 -1
0 0
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) }
(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]

>> 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)
>> 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)

>> 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)
>> 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)

>> 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) =
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)
>> 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]

>> 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)
>> 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.

(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
>> 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]

>> 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
0 2 0
0 1 1
e =
1 0 0
0 1 0
0 0 3
(b) >> A=[4,2,3;2,1,2;-1,-2,0];

>> B=A-x*eye(3)
[4-x, 2, 3]
[ 2, 1-x, 2]
[ -1, -2, -x]
>> p=det(B)
p =-7*x+5*x2+3-x3
>> solve(p)
[3][1][1]
>> B1=subs(B,x,1)
[ 3, 2, 3]
[ 2, 0, 2]
[-1, -2, -1]
>> escalona(B1)
[1, 0, 1]
[0, 1, 0]
[0, 0, 0]
>> B3=subs(B,x,3)
[ 1, 2, 3]
[ 2, -2, 2]
[-1, -2, -3]
>> escalona(B3)
[1, 0, 5/3]
[0, 1, 2/3]
[0, 0, 0]
1
= {(, 0, ) }. {(1, 0, 1)} e base para
1
, pois gera
1
((, 0, ) =
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]

>> 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) =
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))
=
3 1 1
0 6 0
2 4 1
e =
1 0 0
0 1 0
0 0 4

(d) >> A=[3,-2,1;0,2,0;0,0,0];
>> B=A-x*eye(3)
[3-x, -2, 1]
[ 0, 2-x, 0]
[ 0, 0, -x]
>> p=det(B)
p =-(3-x)*(2-x)*x
>> solve(p)
[3][2][0]
>> B0=subs(B,x,0)
[3, -2, 1]
[0, 2, 0]
[0, 0, 0]
>> escalona(B0)
[1, 0, 1/3]
[0, 1, 0]
[0, 0, 0]
>> B2=subs(B,x,2)
[1, -2, 1]
[0, 0, 0]
[0, 0, -2]
>> escalona(B2)
[1, -2, 0]
[0, 0, 1]
[0, 0, 0]
>> B3=subs(B,x,3)
[0, -2, 1]
[0, -1, 0]
[0, 0, -3]
>> escalona(B3)
[0, 1, 0]
[0, 0, 1]
[0, 0, 0]
0
= {(, 0, 3) }. {(1, 0, 3)} e base para
0
, pois gera
0
((, 0, 3) =
2
= {(2, , 0) }. {(2, 1, 0)} e base para
2
, pois gera
2
((2, , 0) =
3
= {(, 0, 0) }. {(1, 0, 0)} e base para
3
, pois gera
3
((, 0, 0) = (1, 0, 0))

=
1 2 1
0 1 0
3 0 0
e =
0 0 0
0 2 0
0 0 3
6.1.5. >> B=randi(2), A=[B-B,zeros(2,1);zeros(1,2),randi]

B = 5 -1
3 0
A = 0 -4 0
4 0 0
0 0 -3
>> syms x, p=det(A-x*eye(3)), solve(p)
p = -3*x2-x3-48-16*x
ans = [ -3][ 4*i][ -4*i]
>> escalona(A+3*eye(3))
ans =[ 1, 0, 0]
[ 0, 1, 0]
[ 0, 0, 0]
A matriz n ao e diagonaliz avel pois ela s o tem um autovalor e auto espaco associado a este
autovalor tem dimens ao 2. Assim, n ao e possvel encontrar 3 autovetores L.I.
6.1.6. >> L=[eye(2),zeros(2,1);randi(1,2),0]; A=L*L
A = 1 0 2
0 1 -2
2 -2 8
>> syms x, p=det(A-x*eye(3)), solve(p)
p = -9*x+10*x2-x3
ans = [ 0][ 1][ 9]
>> escalona(A)
ans =[ 1, 0, 2]
[ 0, 1, -2]
[ 0, 0, 0]
O autoespaco associado ao autovalor = 0 e
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]
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))

ans =[ 1, 0, -1/4]
[ 0, 1, 1/4]
[ 0, 0, 0]
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]
[ -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
2
= 1/3 e
3
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

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/
2)} e base ortonormal de

0
.
4
= {(, ) }. {
2
4
, pois gera
4
((, ) =
2
= (1/
2
)
2
= (1/
2, 1/
2). {
2
=
(1/
2, 1/

4
.
=
_
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
, pois gera
1
((, ) =
1
= (1/
1
)
1
= (1/
2, 1/
2). {
1
=
(1/
2, 1/

1
.
3
= {(, ) }. {
2
3
, pois gera
3
((, ) =
2
= (1/
2
)
2
= (1/
2, 1/
2). {
2
=
(1/
2, 1/

3
.

=
_
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
.
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/

1
.
Como a matriz e sim etrica, autovetores associados a autovalores diferentes s ao orto-
gonais (Proposic ao 6.6 na p agina 418). Portanto, {
1
,
2
,
3
} e uma base ortonormal
de autovetores de .
=
0 1/
2 1/
2
1 0 0
0 1/
2 1/
e =
0 0 0
0 1 0
0 0 1
(d) >> A=[0,0,0;0,2,2;0,2,2];

>> B=A-x*eye(3)
[-x, 0, 0]
[ 0, 2-x, 2]
[ 0, 2, 2-x]
>> p=det(B)
p =-x*(-4*x+x2)
>> solve(p)
[0][0][4]
>> B0=subs(B,x,0)
[0, 0, 0]
[0, 2, 2]
[0, 2, 2]
>> escalona(B0)
[0, 1, 1]
[0, 0, 0]
[0, 0, 0]
>> B4=subs(B,x,4)
[-4, 0, 0]
[ 0, -2, 2]
[ 0, 2, -2]
>> escalona(B4)
[1, 0, 0]
[0, 1, -1]
[0, 0, 0]
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

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/

0
.
4
= {(0, , ) }. {
3
= (0, 1, 1)} e base para
4
, pois gera
4
((0, , ) =
3
= (1/
3
)
3
= (0, 1/
2, 1/
2).
{
3
= (0, 1/
2, 1/

4
. Como a matriz e sim etrica, au-
tovetores associados a autovalores diferentes s ao ortogonais (Proposic ao 6.6 na p agina
418). Portanto, {
1
,
2
,
3
} e uma base ortonormal de autovetores de .
=
1 0 0
0 1/
2 1/
2
0 1/
2 1/
e =
0 0 0
0 0 0
0 0 4
(e) >> A=[1,1,0;1,1,0;0,0,1];

>> B=A-x*eye(3)
[1-x, 1, 0]
[ 1, 1-x, 0]
[ 0, 0, 1-x]
>> p=det(B)
p =-2*x+3*x2-x3
>> solve(p)
[0][1][2]
>> B0=subs(B,x,0)
[1, 1, 0]
[1, 1, 0]
[0, 0, 1]
>> escalona(B0)
[1, 1, 0]
[0, 0, 1]
[0, 0, 0]
>> B1=subs(B,x,1)
[0, 1, 0]
[1, 0, 0]
[0, 0, 0]
>> escalona(B1)
[1, 0, 0]
[0, 1, 0]
[0, 0, 0]
>> B2=subs(B,x,2)
[-1, 1, 0]
[ 1, -1, 0]
[ 0, 0, -1]
>> escalona(B2)
[1, -1, 0]
[0, 0, 1]
[0, 0, 0]
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/
2, 0)} e base ortonormal de

0
.
1
= {(0, 0, ) }. {
2
= (0, 0, 1)} e base para
1
, pois gera
1
((0, 0, ) =
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) =
3
= (1/
3
)
3
= (1/
2, 1/
2, 0). {
3
=
(1/
2, 1/
2, 0)} e base ortonormal de

1
.
Como a matriz e sim etrica, autovetores associados a autovalores diferentes s ao orto-
gonais (Proposic ao 6.6 na p agina 418). Portanto, {
1
,
2
,
3
} e uma base ortonormal
de autovetores de .
=
1/
2 0 1/
2
1/
2 0 1/
2
0 1 0
e =
0 0 0
0 1 0
0 0 2

(f) >> A=[2,1,1;1,2,1;1,1,2];
>> B=A-x*eye(3)
[2-x, 1, 1]
[ 1, 2-x, 1]
[ 1, 1, 2-x]
>> p=det(B)
p =4-9*x+6*x2-x3
>> solve(p)
[4][1][1]
>> B1=subs(B,x,1)
[1, 1, 1]
[1, 1, 1]
[1, 1, 1]
>> escalona(B1)
[1, 1, 1]
[0, 0, 0]
[0, 0, 0]
>> B4=subst(B,x,4)
[-2, 1, 1]
[ 1, -2, 1]
[ 1, 1, -2]
>> escalona(B4)
[1, 0, -1]
[0, 1, -1]
[0, 0, 0]
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
((, , ) =
3
= (1/
3
)
3
= (1/
3, 1/
3, 1/
3).
{
3
= (1/
3, 1/
3, 1/

4
. Como a matriz e sim etrica,
autovetores associados a autovalores diferentes s ao ortogonais (Proposic ao 6.6 na p agina
418). Portanto, {
1
,
2
,
3
=
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
(g) >> A=[1,2,0,0;2,1,0,0;0,0,1,2;0,0,2,1];

>> B=A-x*eye(4)
[1-x, 2, 0, 0]
[ 2, 1-x, 0, 0]
[ 0, 0, 1-x, 2]
[ 0, 0, 2, 1-x]
>> p=det(B)
p =9+12*x-2*x2-4*x3+x4
>> solve(p)
[-1][-1][ 3][ 3]
>> Bm1=subs(B,x,-1)
[2, 2, 0, 0]
[2, 2, 0, 0]
[0, 0, 2, 2]
[0, 0, 2, 2]
>> escalona(Bm1)
[1, 1, 0, 0]
[0, 0, 1, 1]
[0, 0, 0, 0]
[0, 0, 0, 0]
>> B3=subs(B,x,3)
[-2, 2, 0, 0]
[ 2, -2, 0, 0]
[ 0, 0, -2, 2]
[ 0, 0, 2, -2]
>> escalona(B3)
[1, -1, 0, 0]
[0, 0, 1, -1]
[0, 0, 0, 0]
[0, 0, 0, 0]

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
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
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
=
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

(h) >> A=[0,0,0,0;0,0,0,0;0,0,0,1;0,0,1,0];
>> B=A-x*eye(4)
[-x, 0, 0, 0]
[ 0, -x, 0, 0]
[ 0, 0, -x, 1]
[ 0, 0, 1, -x]
>> p=det(B)
p =x2*(x2-1)
>> solve(p)
[ 0][ 0][ 1][-1]
>> B0=subs(B,x,0)
[0, 0, 0, 0]
[0, 0, 0, 0]
[0, 0, 0, 1]
[0, 0, 1, 0]
>> escalona(B0)
[0, 0, 1, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
[0, 0, 0, 0]
>> Bm1=subs(B,x,-1)
[1, 0, 0, 0]
[0, 1, 0, 0]
[0, 0, 1, 1]
[0, 0, 1, 1]
>> escalona(Bm1)
[1, 0, 0, 0]
[0, 1, 0, 0]
[0, 0, 1, 1]
[0, 0, 0, 0]
>> B1=subs(B,x,1)
B1 =
[-1, 0, 0, 0]
[ 0, -1, 0, 0]
[ 0, 0, -1, 1]
[ 0, 0, 1, -1]
>> escalona(B1)
[1, 0, 0, 0]
[0, 1, 0, 0]
[0, 0, 1, -1]
[0, 0, 0, 0]
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
0
.
1
= {(0, 0, , ) }. {
3
= (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
3
= (1/
3
)
3
=
(0, 0, 1/
2, 1/
2). {
3
= (0, 0, 1/
2, 1/

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
. Como a
matriz e sim etrica, autovetores associados 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 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]
>> 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
] =
0 2/3 2/3 1/3

2/3 1/3 0 2/3
2/3 0 1/3 2/3
1/3 2/3 2/3 0
, =
2 0 0 0
0 2 0 0
0 0 2 0
0 0 0 4
6.3. Aplicac ao ao Estudo de C onicas (p agina 462)

6.3.1. >> A=[9,-2;-2,6];
>> syms x y; X=[x;y];
>> expr=simplify(X.*A*X-30)
9
2
4 + 6
2
30
>> [P,D]=diagonal(A)
=
_
5/5 2
5/5
2
5/5
5/5
_
D=[5, 0]
[0,10]
>> syms x1 y1; X1=[x1;y1];
>> expr=subst(expr,X,P*X1)

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
=
_
17/17 4
17/17
4
17/17
17/17
_
D=[-13,0]
[ 0,4]
13
1
2
+ 4
1
2
+ 81
>> expr=expr/81
4 3 2 1 0 1 2 3
3
2
1
0
1
2
3
4
x
y
x
y

8 6 4 2 0 2 4 6 8
8
6
4
2
0
2
4
6
8
x
y
x
y
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
=
_
5/5 2
5/5
2
5/5 1
5/5
_
D =[-2, 0]
[ 0, 3]
2
1
2
+ 3
1
2
+ 24
>> expr=expr/24
1
2
/12 +
1
2
/8 + 1
>> hiperbx(sqrt(12),sqrt(8),P)

8 6 4 2 0 2 4 6 8
8
6
4
2
0
2
4
6
8
x
y
x
y
6.3.4. >> A=[21,3;3,13];
>> expr=simplify(X.*A*X-132)
21
2
+ 6 + 13
2
132
=
_
10/10 3
10/10
3
10/10
10/10
_
D=[12, 0]
[ 0,22]
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

4 3 2 1 0 1 2 3 4 5
5
4
3
2
1
0
1
2
3
4
x
y
x
y
=
_
5
29
29
2
29
29
2
29
29
5
29
29
_
D =[0, 0]
[0, 29]
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)];
9
2
+ 6 +
2
10
10 + 10
10 + 90
=
_
10/10 3
10/10
3
10/10
10/10
_

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
D =[0, 0]
[0, 10]
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)];
5
2
6 + 5
2
30
2 + 18
2 + 82

6 4 2 0 2 4 6 8
10
8
6
4
2
0
2
4
x
y
x"
y"
x
y
=
_
2/2
2/2
2/2
2/2
_
D =[2, 0]
[0, 8]
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

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
=
_
2/
13 3/
13
3/
13 2/
13
_
D =[-4, 0]
[ 0, 9]
4
1
2
+ 9
1
2
24
1
36
1
36
>> X0=[-3;2];
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

6 4 2 0 2 4 6
4
2
0
2
4
6
8
10
x
y
x"
y"
x
y
=
_
2/
5 1/
5
1/
5 2/
5
_
D =[5, 0]
[0, 10]
5
1
2
+ 10
1
2
26
1
32
1
5
>> X0=[26/10;32/20];
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

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
=
_
3/2 1/2
1/2
3/2
_
D =[ 2, 0]
[ 0,-2]
2
1
2
2
1
2
+ 3
3
1
3
1
>> X0=[-3*3(1/2)/4;-3/4];
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)];
8
2
16 + 8
2
+ 33
2 31
2 + 70

4 3 2 1 0 1 2
4
3
2
1
0
1
2
x
y
x"
y"
x
y
=
_
2/2
2/2
2/2
2/2
_
D =[0, 0]
[0, 16]
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])

10 8 6 4 2 0 2 4
8
6
4
2
0
2
4
x
y
x"
y"
x
y
6.3.12. >> A=[1,-3;-3,-7];
>> K=[10,2];
2
6 7
2
+ 10 + 2 + 9
=
_
1/
10 3/
10
3/
10 1/
10
_
D =[-8, 0]
[ 0, 2]
8
1
2
+ 2
1
2
+
8
5
10
1
14
5
10
1
+ 9
>> X0=[1/10(1/2);7/10(1/2)];
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
.

8 6 4 2 0 2 4
4
2
0
2
4
6
x
y
x"
y"
x
y
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
[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.
[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.

[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.
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.

Indice Alfab etico
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


da Hip erbole, 439
da par abola, 446
Geradores, 312
Gerar, 312
Gram-Schmidt (processo de ortogonalizac ao),
351
Grandezas vetoriais, 139
Hip erbole, 439
hiperbx, 463
hiperby, 463
Identidade de Lagrange, 208
Identidade polar, 357
Identicac ao de c onicas, 432, 454
Independ encia linear, 289
Interpolac ao polinomial, 94
inv, 409
Lei do paralelogramo, 357
lin, 247
lineplan, 247
lineseg, 160, 204
Matriz (matrizes), 1
(denida) positiva, 426
escalonada, 42
escalonada reduzida, 42
anti-sim etrica, 29
aumentada, 36
coluna, 2, 151, 281
coluna de, 1
companheira, 132, 412
conjugado de, 428
de rotac ao, 367, 426
de transic ao, 16
de Vandermonde, 96
decomposic ao polar de, 427
determinante de, 105
diagonal, 25, 102
diagonal (principal) de, 2
diagonaliz avel, 385
diferenca entre, 14
do sistema linear, 35
elementar, 55
elemento de, 2
entrada de, 2
equivalente por linhas, 49
identidade, 10
iguais, 3
inversa de, 76
invertvel, 76
linha, 2, 151, 281
664

Indice Alfab etico
linha de, 1
m ultiplo escalar de, 4
multiplicac ao por escalar, 4
n ao invertvel, 76
nilpotente, 31, 411
nula, 10
ortogonal, 362, 417
pot encia, 14
produto de, 5
propriedades de, 9
quadrada, 2
raiz quadrada de, 427
semelhantes, 410
sim etrica, 29
singular, 76
soma de, 3
submatriz principal de, 427
traco de, 30
transposta de, 8
triangular inferior, 109
triangular superior, 131
matvand, 69
Menor de um elemento, 105
M etodo de Gauss, 47
M etodo de Gauss-Jordan, 43
Mudanca de coordenadas, 359
M ultiplo escalar, 4, 144, 281
no, 204
Norma de um vetor, 170, 341
Notac ao de somat orio, 6, 9, 32
numeric, 22, 409
oe, 69
opel, 69
Operac ao elementar, 36
Par abola, 446
parabx, 464
paraby, 464
pe, 204
Piv o, 38
plan, 247
Plano (planos), 213
vetor normal do, 213
concorrentes, 300
equac ao geral do, 213
equac oes param etricas do, 225
mediador, 272
paralelos, 300
plotci, 69
plotf1, 69
po, 159, 204


Polin omio caracterstico, 389
poline, 247
poly2sym, 68
poly2sym2, 69
Pontos
colineares, 158
coplanares, 198
poplan, 247
Posic oes relativas
de dois planos, 300
de duas retas, 299
de plano e reta, 301
Processo de ortogonalizac ao de Gram-
Schmidt, 351
Produto
vetorial em
, 358
escalar ou interno, 173, 341
misto, 193
vetorial, 182
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
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


soma de, 141, 144, 149, 279
unit ario, 170, 351
unit arios, 350
zeros, 22
zoom3, 160, 205

Livro GA

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Livro GA

Enviado por

Direitos autorais:

Formatos disponíveis

UM CURSO DE

Indice Alfab etico 661

e marca registrada de The Mathworks, Inc.

ou outro software. Os comandos

e um software destinado a fazer c alculos com matrizes (MATLAB

s ao muito pr oximos da forma como escrevemos express oes

e instruc oes de como instalar o pacote

n ao e um software gratuito, embora antes a vers ao estudante vinha gr atis ao se

. Desta forma o leitor que n ao estiver interessado em usar o

, tr es na de Mudanca de Coordenadas, quatro na de Diagonalizac ao e

formam a diagonal (principal) de .

por um escalar (n umero) e denida

. Dizemos que a matriz e

pelo escalar 3 e dado por

e denido pela matriz

e dizemos somat orio de variando de 1 a de

e denida pela matriz

obtida trocando-se as linhas com as colunas, ou seja,

= , para toda matriz = (

= 0, para = 1 . . . , e = 1 . . . , . Portanto, a unica matriz que satisfaz (1.2) e

, para = 1 . . . , e = 1 . . . , . Portanto, a unica matriz que satisfaz

A diferenc a entre duas matrizes de mesmo tamanho e e denida por

a probabilidade de mudanca do estado para o estado em uma unidade de tempo

e a probabilidade de mudanca do estado para o estado . Assim o vetor de estado

d a a transic ao entre unidades de tempo.

Se for possvel calcule:

e a - esima coluna de , para = 1, 2, 3 e

e a - esima linha de , para

s ao as linhas de (o caso geral est a no Exerccio 1.1.17 (b) na

, o produto pode ser escrito como = [

e a - esima coluna de , para = 1, 2, 3

Uma vez inicializado o MATLAB

, aparecer a na janela de comandos um prompt >> ou EDU>>.

est a esperando um comando. Todo comando deve ser

faz diferenca entre

, pode-se obter ajuda sobre qualquer comando ou func ao. O comando

d a informac oes sobre este pacote.

podem ser obtidas em [4, 28].

que as vari aveis x y e z s ao simb olicas.

para calcular alguns membros da seq u encia ,

para tentar ter uma id eia do qu ao comum e encontrar

digite a seguinte linha:

de forma a obter a seguinte linha:

para resolver os Exerccios Num ericos.

e uma matriz , ent ao

e igual ` a coluna da matriz .

e igual ` a linha da matriz .

e a - esima coluna de , ou seja, se = [

] e a - esima linha de , ou seja, se =

uma matriz 1. Prove que

e a - esima coluna de . (Sugest ao: Desenvolva o lado direito e

e a unica matriz tal que

uma matriz tal que

, para , = 1, . . . e que se e anti-

, para , = 1, . . . . Portanto, os elementos da diagonal

denimos o trac o de como sendo a soma dos ele-

. Aqui foram aplicadas as

. Aqui foram aplicadas as

e uma equac ao da forma

s ao constantes reais, para , = 1, . . . , e = 1, . . . , .

tal que as equac oes do sistema s ao

. O conjunto de todas as soluc oes do

Julho 2009 Reginaldo J. Santos