Escolar Documentos
Profissional Documentos
Cultura Documentos
Exercicioseexamesresolvidos PDF
Exercicioseexamesresolvidos PDF
Rui Albuquerque
rpa@dmat.uevora.pt
Departamento de Matemática da Universidade de Évora
Rua Romão Ramalho, 59, 7000-671 Évora, Portugal
10 de Maio de 2009
— Primeira versão —
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 2
Rui Albuquerque
Lisboa, 10 de Maio de 2009
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 3
1. Seja (A, +, ·) um anel. Mostre primeiro que 0+0 = 0 e depois que a·0 = 0, ∀a ∈ A.
3. Resolva o sistema
2u + v + x − z = 0
3u + 2v − x − z = 0
(1)
2u + x − 2z = u
3x − v − 2z = 0
pelo método da matriz ampliada. Diga qual é a matriz do sistema, a sua carac-
terı́stica, a caracterı́stica da matriz ampliada e o grau de indeterminação.
Descreva o conjunto de soluções, se existir, na forma mais simples que consiga.
[ ]
a b
4. Diga qual a condição para a matriz ter caracterı́stica 1. Pode supôr
c d
desde já a 6= 0.
5. Escreva a condição sobre uma matriz 2 × 2 para que seja complexa, isto é,
[ ][ ] [ ][ ]
x y 0 1 0 1 x y
= .
z w −1 0 −1 0 z w
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 4
ambas de ordem n.
i) Calcule DA.
ii) Mostre que D tem inversa sse di 6= 0, ∀1 ≤ i ≤ n. Calcule a inversa.
3. Resolva o sistema
x − y + 2u + v = 0
3u + 2v − x − y = 0
(2)
2u + x = 2y + u
3x = v + 2y
pelo método da matriz ampliada. Diga qual é a matriz do sistema, a sua carac-
terı́stica, a caracterı́stica da matriz ampliada e o grau de indeterminação.
Descreva o conjunto de soluções, se existir, na forma mais simples que puder.
1 2 1
4. Diga qual a condição para a matriz 0 1 1 ter caracterı́stica 2.
1 c d
5. Fazendo as contas,
[ ][ ] [ ][ ] [ ] [ ]
x y 0 1 0 1 x y −y x z w
= ⇔ = .
z w −1 0 −1 0 z w −w z −x −y
Ou seja, x = w, z = −y.
2. i) DA =
d1 0 0 a11 a12 a1n d1 a11 d1 a12 d1 a1n
0 d2 a21 a22 d2 a21 d2 a22
.. .. = .. .
. . .
0 dn an1 ann dn an1 dn ann
ii) Para D ter inversa deve existir uma matriz A tal que DA = 1n . Da equação
d1 a11 d1 a12 d1 a1n 1 0 0
d2 a21 d2 a22 0 1 0
.
= .
. . . .
dn an1 dn ann 0 1
resulta que di aii = 1, ∀i, e que todos os di aij = 0 sempre que i 6= j.
Existe solução se, e só se, todos os di forem não nulos. Teremos então
1
aii = , aij = 0, ∀i 6= j.
di
A inversa de D será a matriz A seguinte:
−1
d1 0 0
0 d2 −1
−1
A=D = . .
. .
0 dn −1
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 7
4. A matriz tem, pelo menos, caracterı́stica 2. Para esta ser mesmo 2, temos de
conseguir anular a última linha. Usando o método de Gauss para triangularizar
a matriz, vem:
1 2 1 1 2 1 1 2 1
L3 −L1 L3 −(c−2)L2
0 1 1 −−−−→ 0 1 1 −−−−−−−→ 0 1 1 .
1 c d 0 c−2 d−1 0 0 d−1−c+2
4. Resolva o sistema em x, y, z, v
x−y+v =z
2v − x − y = 0
x = 2y + v
Resolução do 2o Teste
] [
[ ] C
1. A matriz A B está em Mn,p+q . A matriz está em Mp+q,l . Podemos
D
então multiplicá-las. O resultado desse produto aparece em Mn,l , tal como os
produtos AC e BD.
Sejam A = [aij ], B = [bik ], C = [cjt ], D = [dkt ]. A entrada (i, t) do produto
vem então a ser:
[ ][ ] [ p
∑ ∑q ] [∑ p ] [∑q ]
cjt
aij bik = aij cjt + bik dkt = aij cjt + bik dkt
dkt j=1 k=1 j=1 k=1
σ = (16359)(2487) = (19)(15)(13)(16)(27)(28)(24).
é um subespaço vectorial de V .
ii) Descreva o subespaço de R3 gerado por (1, 1, 1), (1, 1, 0), (0, 0, 1) e calcule a
sua dimensão.
iii) Mostre que, em dimensão finita, uma base de V é um conjunto minimal de
geradores.
f ∗ U = {v ∈ V : f (v) ∈ U }
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 12
é um subespaço vectorial de V .
ii) f é injectiva sse Nuc f = {0}.
iii) f é injectiva sse f transforma vectores linearmente independentes em vec-
tores linearmente independentes.
iv) f é sobrejectiva sse o espaço gerado por f (B) é igual a W , ou seja hf (B)i =
W , para qualquer base B de V .
v) f é bijectiva sse transforma uma base de V numa base de W .
12. Represente as aplicações lineares da alı́nea anterior pelas suas matrizes nas bases
{(1, 1, 0), (0, 2, 1), (3, 0, 1)} de R3 e {(0, 1), (2, 0)} de R2 .
1
Nota: este exercı́cio não retira qualquer importância ao conceito geral de espaço vectorial de
dim finita, como noção objectiva e independente de referenciais.
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 13
Admitindo aquelas bases, descreva as três aplicações lineares cujas matrizes são:
[ ] [ √ ] 0 −1
2 3 2 0 − 2
A= B= √ C = 3 4 .
3 4 0 2 4
1 0
[ ] [ ] [ ] [ ]
±b a a b a c ∓a + a ± b a ∓ b + c
∓ + = = 0.
±d c c d b d ±d ∓ c + b c ∓ d + d
2. i) Este é um exercı́cio importante, que mostra que a matemática às vezes “nem
de papel e lápis” precisa.
Vejamos: é claro que ao somarmos duas combinações lineares finitas de ele-
mentos de S obtemos uma combinação linear finita de vectores de S. E se
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 15
é possı́vel e determinado.
iii) Esta frase está justificada no Prontuário de ALGA.
7. Se somarmos duas sucessões (convergentes), digamos (xn )n∈N e (yn )n∈N , ou mul-
tiplicarmos uma sucessão por um escalar λ ∈ R, então obtemos uma sucessão
(convergente) — é uma consequência imediata da definição e do que se entende
por soma de sucessões e, no caso das convergentes, uma consequência do con-
ceito de limite. Portanto o subespaço l∞ é subespaço vectorial real do espaço
vectorial de todas as sucessões. Também sabemos da Análise que
lim(xn + λyn ) = lim xn + λ lim yn .
O que se afirma a seguir no enunciado é que o subespaço das sucessões con-
vergentes para 0, ou seja o núcleo de lim, contém um subespaço ainda menor:
∑
o daquelas sucessões xn cujas respectivas séries Sn = ni=1 xi convergem. De-
signemos este subespaço por S. Com efeito, sabe-se que Sn convergir implica
lim xn = 0.
E S é mesmo um subespaço próprio: por exemplo, recordemos que a série de
Dirichlet de termo xn = n1 não converge.
As sucessões xk = (0, 0, . . . , 0, 1, 0, 0, . . .) que tomam o valor 0 em todas as
ordens excepto k, onde valem 1, são linearmente independentes2 . Claro que
xk ∈ S. Logo este espaço vectorial tem dimensão infinita (provámos que uma
sua base será, no mı́nimo, enumerável).
11. i) Qualquer forma do tipo f (x, y) = ax+by com a, b constantes, é uma aplicação
linear:
No caso da aplicação dada, só temos de acrescentar que uma aplicação para Rk
é linear sse as suas k componentes são, cada uma delas, lineares.
ii) g não é linear por ter uma parte quadrática.
iii) Temos
∂g
(x, y, z) = (4x, 3).
∂x
Esta aplicação não é linear porque tem uma componente constante e a única
aplicação constante que é linear é a aplicação nula.
iv) f ◦ g(x, y, z) não é linear por ter uma parte quadrática.
v) h é claramente linear, representando um dos possı́veis mergulhos de R2 em
R3 .
vi) g ◦ h(y, z) = g(0, y, z) = (z, 0) também é fácil de ver que é linear.
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 18
12. i) Temos f (0, 1) = (1, 1, −1) = a(1, 1, 0) + b(0, 2, 1) + c(3, 0, 1). Há que resolver
este sistema de equações lineares, o que dá: (a, b, c) = ( 11 5
, −3
5
, −2
5
). Convirá
aliás resolver o sistema para qualquer vector: (x, y, z) = a(1, 1, 0) + b(0, 2, 1) +
c(3, 0, 1) ⇔
1
(a, b, c) = (2x + 3y − 6z, −x + y + 3z, x − y + 2z). (F)
5
Agora para f (2, 0) = (2, 6, 2) = 2(1, 1, 0)+2(0, 2, 1), resolvido o sistema. Assim,
denotando por B e B 0 as respectivas bases dadas de R3 e de R2 , temos
11
2
5
M = M (f, B, B 0 ) = − 53 2
− 25 0
— repare-se que a ordem como se dispõem os coeficientes na matriz é aquela
que nos permite
[ ]depois calcular a imagem de cada vector α(0, 1) + β(2, 0) pelo
α
produto M .
β
Vejamos agora o caso de h. Temos h(0, 1) = (0, 0, 1) = − 65 (1, 1, 0) + 53 (0, 2, 1) +
2
5
(3, 0, 1) e ainda h(2, 0) = (0, 2, 0) = 56 (1, 1, 0)+ 25 (0, 2, 1)− 52 (3, 0, 1). Finalmente
g ◦ h, que também é linear, verifica g ◦ h(0, 1) = (1, 0) = 21 (2, 0), g ◦ h(2, 0) = 0.
Donde,
− 65 56 [ ]
0 0
M (h, B, B 0 ) = 35 5
2
, M (g ◦ h, B 0 , B0 ) = 1 .
0
2
5
−5 2 2
A segunda parte desta questão pede-nos para encontrar o termo geral de uma
aplicação linear, dada a sua matriz nas bases fixadas. Sendo fA a aplicação
respeitante à matriz A, temos fA (1, 0) = 12 fA (2, 0) = 3(0, 1) + 4(2, 0) = (8, 3) e
fA (0, 1) = 2(0, 1) + 3(2, 0) = (6, 2). Então
fA (x, y) = xfA (1, 0) + yfA (0, 1) = (8x + 6y, 3x + 2y).
Para a matriz B, a respectiva aplicação fB verifica fB (1, 1, 0) = 2(0, 1) =
√ √ √
(0, 2), fB (0, 2, 1) = 2(2, 0) = (2 2, 0) e fB (3, 0, 1) = − 2(0, 1) + 4(2, 0) =
√
(8, − 2). Agora, por (F), vemos que (x, y, z) = 15 (2x + 3y − 6z)(1, 1, 0) +
1
5
(−x + y + 3z)(0, 2, 1) + 51 (x − y + 2z)(3, 0, 1). Donde
fB (x, y, z) =
1 √ √
= ((2x + 3y − 6z)(0, 2) + (−x + y + 3z)(2 2, 0) + (x − y + 2z)(8, − 2))
5(
1 √ √ √
= (8 − 2 2)x + (2 2 − 8)y + (6 2 + 16)z,
5
)
√ √ √
(4 − 2)x + (6 + 2)y − (12 + 2 2)z .
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 19
Tr G0 = Tr (P GP −1 ) = Tr (P −1 P G) = Tr G.
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 20
da base canónica (1, 0), (0, 1) de R2 para a base (1, 1), (1, 0) de R2 .
Justique os cálculos.
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 21
Solução
1. Para encontrar uma base do subespaço gerado por aqueles vectores, basta en-
contrar entre eles um s.l.i. (sistma de vectores linearmente independende) que
não possa ser extendido. Ora a caracterı́stica da matriz
1 2 3 −2 1 2 3 −2 1 2 3 −2
0 1 −3 1 −→ 0 1 −3 1 −→ 0 1 −3 1
1 4 −3 0 0 2 −6 2 0 0 0 0
2. Tem-se f (1, 0) = (3, 2) = 2(1, 1) + 1(1, 0), f (0, 1) = (0, 3) = 3(1, 1) − 3(1, 0).
Então a matriz de f da primeira base para a segunda é
[ ]
2 1
M (f, B1 , B2 ) =
3 −3
(λf + g)(u + αv) = (λf )(u + αv) + g(u + αv) = λ(f (u + αv)) + g(u) + αg(v)
= λf (u) + λαf (v) + g(u) + αg(v) = (λf + g)(u) + α(λf + g)(v).
Justique os cálculos.
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 23
Verificação:
3 −2 3 −3 8 −15 −1 0 0
1 3 3 −1 3 −6 = 0 −1 0
0 2 1 2 −6 11 0 0 −1
como querı́amos.
1 2 0
2) Pondo os vectores em matriz, tem-se 5 −2 1 = 12+4−3+32 6= 0. Logo a
2 3 −6
caracterı́stica r = 3, ou seja, há 3 linhas linearmente independentes. Quem diz linhas,
diz vectores. Sendo 3 vectores l.i. num espaço de dimensão 3, claro que formam uma
base.
Para escrever (2, 0, 0) como combinação linear dos ui , resolve-se
(2, 0, 0) = λ1 u1 + λ2 u2 + λ3 u3
ou seja
λ1 + 5λ2 + 2λ3 = 2
λ1 + 32λ3 = 2
9λ3 + 64λ3 = 4
λ3 =
4
73
2λ1 − 2λ2 + 3λ3 = 0 2λ1 − 9λ3 = 0 λ1 = 29 λ3 λ1 = 18
.
λ − 6λ = 0
λ = 6λ
——
λ =
73
24
2 3 2 3 2 73
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 24
λ1 f (v1 ) + · · · + λn f (vn ) = 0 F.
a u e v. Resolvemos o sistema:
{ {
h(a, b, c), (1, −1, −1)i = 0 a−b−c=0
.
h(a, b, c), (4, 3, 0)i = 0 4a + 3b = 0
h(a, b, c), (x, y, z) − (x0 , y 0 , z 0 )i = h(a, b, c), (x, y, z)i − h(a, b, c), (x0 , y 0 , z 0 )i = d − d = 0
mostra logo que (3, −4, 7) é ortogonal ao plano. (Isto bastava como resposta.)
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 26
Justique os cálculos.
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 27
Na alı́nea 2.iii) queria-se pedir, de facto, para calcular o coseno do ângulo e não o
ângulo.
gf = g ◦ f, f h = f ◦ h, etc.
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 28
(pelo exercı́cio 1). Logo os 4 vectores são linearmente independentes. Sendo parte de
uma base, num espaço de dimensão 4, só podem ser uma base (todas têm o mesmo
número de vectores).
ii) Queremos
x2 = −1, x3 = 0 e x4 = 0.
ii) Uma matriz diz-se ortogonal se AAT = 1n . Mostre que o produto de duas
matrizes ortogonais é uma matriz ortogonal e prove que det A = ±1.
iii) Mostre que [ ]
cos t −sen t
Rt =
sen t cos t
é ortogonal.
iv) Escreva a aplicação linear f (x, y) de R2 → R2 da qual Rt é a matriz na base
canónica B0 . Interprete num pequeno desenho de um gráfico x, y.
2. i) O que entende pela caracterı́stica de linha r de uma matriz? Qual a relação com
a caracterı́stica de coluna?
3 k 1
ii) Considerando a matriz B = 4 1 k , encontre k ∈ R de tal forma que
7 −k 5
r(B) < 3.
iii) Admita k = 2; encontre os valores próprios de B.
iv) Ainda com k = 2, encontre um dos vectores próprios de B.
i) diga quais são aplicações lineares e justifique a resposta nas que não são.
ii) Para as aplicações lineares, encontre as matrizes na base B1 = {(1, 1), (1, 0)}.
iii) Para as aplicações lineares, calcule a matriz da função inversa, na mesma
base, se existir.
iv) Para as aplicações lineares, encontre os valores próprios.
é um subespaço vectorial de V .
iii) Verifique que Nuc f = U0 .
iv) Mostre que, se Nuc f = {0}, então det M (f, B, B) 6= 0.
3x − y = 4x − 3z = 1.
Exame de 26/1:
No exercı́cio 1)ii), supôr que tem duas matrizes ortogonais A e B, portanto também
BB T = 1n , e mostrar que AB satisfaz a mesma condição.
Exame de 29/1:
gf = g ◦ f.
(0,1)
f(0,1)=(−sen t , cos t)
f(1,0)=(cos t , sen t)
(1,0) x
P −1 é o inverso de P T .
T
iv) A matriz diz-nos que f (1, 0) = (cos t, sen t), f (0, 1) = (−sen t, cos t).
Então f (x, y) = f (x(1, 0)+y(0, 1)) = xf (1, 0)+yf (0, 1) = x(cos t, sen t)+y(−sen t, cos t) =
(x cos t − ysen t, xsen t + y cos t).
Mais ainda, f é uma rotação3 (ver figura 1).
2)i) A caracterı́stica de linha r de uma matriz é o número de linhas linearmente
independentes (linhas são entendidas como vectores de Rn ). É igual à caracterı́stica
de coluna, como se viu num teorema demonstrado na aula teórica.
ii) Para uma matriz quadrada A de ordem n, é sabido que
∑ ∑
A simetria hu, vi = i xi yi = i yi xi = hv, ui é simples.
5) O ponto (x, y, z) está na recta se (x, y, z) = (2, 3, 4) + (t, 0, 2t) = (2 + t, 3, 4 + 2t)
para algum t e, o mesmo ponto, está no plano se 4x − y − z = 2. Resolvendo, vem
4(2 + t) − 3 − (4 + 2t) = 2 ⇔ t = 21 . Donde o ponto de intersecção é ( 25 , 3, 5).
ver a inversa à esquerda faz-se o mesmo raciocı́nio, mas não é necessário uma vez que
se trata de matrizes quadradas4 ).
iii) Basta ver:
1 T T T 1 T µ 1
A−1 (A−1 )T = A (A ) = A A = 1 n = 1n .
µ2 µ2 µ2 µ
iv) Sejam a, b, c, d ∈ R tais que a2 + b2 = 1, c2 + d2 = 1. Então
a −bc bd a b 0
RRT = b ac −ad −bc ac d
0 d c bd −ad c
a2 + b2 c2 + b2 d2 ab − abc2 − abd2 −bcd + bdc 1 0 0
= ab − abc2 − abd2 b2 + a2 c2 + a2 d2 acd − adc = 0 1 0
−bcd + bcd acd − acd d2 + c2 0 0 1
duas rotações óbvias — ver exame anterior —, uma do plano x,y e outra do plano
y,z. Depois, o produto de ortogonais é ortogonal e assim se produz aquela aparente
confusão. Mais ainda, o espaço euclidiano, seja R2 , R3 ou Rn contém um GRUPO: o
grupo das matrizes ortogonais, que é o que generaliza o grupo das rotações do plano).
2)i) Só f é linear. Vejamos g e h com contra-exemplos:
√
g((0, 1) + (0, 1)) = g(0, 2) = (0, 2) 6= g(0, 1) + g(0, 1) = (0, 1) + (0, 1) = (0, 2)
√
h(x, y) = gf (x, y) = g(2x + 3y, 4x) = (0, 4x) também não é linear por razões
parecidas às do anterior.
ii) Queremos encontrar M (f, B1 , B1 ) = M . Então temos de calcular:
porque hu, vi = 0.
5) Encontremos um ponto P0 na recta: pode ser P0 = (0, −1, − 31 ), escolhido x = 0
e resolvidas as duas equações dadas. Agora outro ponto: P1 = (1, 2, 1), escolhido
x = 1. Então
r ≡ P0 + t(P1 − P0 ) = P0 + tu, t ∈ R.
u = (1, 3, 34 ) é o versor da recta, ou seja, a direcção quando pensamos em P0 como a
origem.
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 38
∑n
5. Mostre que Tr : Mn,n → R, Tr A = i=1 aii , é uma aplicação linear.
Será que g : Mn,n → Mn,n , g(A) = ATr A, também é linear? Justifique.
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 39
iii) Tem-se xv1 + yv2 = yv1 + xv2 ⇔ x = y. Quer dizer, S = {(x, y) ∈ R2 : x = y},
ou seja S = h{(1, 1)}i.
3) Temos
5 −2 −1
A = 0 −2 5
3 0 −4
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 41
acrescido de L3 ↔ − 52 L3 . Donde
2 −2 −3
A−1 = 15
4
− 17
4
− 25
4
.
3
2
−2 −2
3 5
Verificação:
8 −8 −12 5 −2 −1 4 0 0
4A−1 A = 15 −17 −25 0 −2 5 = 0 4 0 = 4.13 ,
6 −6 −10 3 0 −4 0 0 4
está certo.
4) Seja e1 , e2 , e3 a base canónica de R3 ; todos sabemos que vectores são. Temos por
hipótese
ou seja, f (e3 ) = 0, f (2e1 + e3 ) = 2e1 + e3 , f (2e1 + 3e2 ) = 2e1 + 3e2 . Agora, por
linearidade, da segunda destas equações vem
1
2f (e1 ) + f (e3 ) = 2e1 + e3 ⇔ 2f (e1 ) = 2e1 + e3 ⇔ f (e1 ) = e1 + e3
2
e da terceira vem
1
2f (e1 ) + 3f (e2 ) = 2e1 + 3e2 ⇔ (2e1 + e3 ) + 3f (e2 ) = 2e1 + 3e2 ⇔ f (e2 ) = e2 − e3 .
3
Finalmente
Então
f (x, y, z) = α1 f (0, 0, 1) + α2 f (2, 0, 1) + α3 f (2, 3, 0)
= α1 .0 + α2 (2, 0, 1) + α3 (2, 3, 0)
(x y ) y
= − (2, 0, 1) + (2, 3, 0)
2 3 3
( 1 1 )
= x, y, x − y .
2 3
5) Sejam A1 , A2 ∈ Mn,n e µ ∈ R. Então, sendo Aq = [aqij ]i,j=1,...,n para q = 1, 2, vem
( ) ∑
n ∑ ∑
Tr A1 + µA2 = (a1ii + µa2ii ) = a1ii + µ a2ii = Tr A1 + µTr A2
i=1 i i
como querı́amos.
A aplicação g não é linear (porque aparece o argumento A numa expresão quadrática):
basta confirmar com um exemplo
g(5A) = 5A.Tr (5A) = 5A.5Tr A = 25ATr A 6= 5g(A).
6) Pelo teorema das dimensões (ver sugestão), sabemos que dim Rn = n = dim Nuc f +
dim Im f . Daqui se vê logo que dim Im f ≤ n. E como por hipótese n < m, terá de
ser Im f estritamente mais pequeno que Rm . Ou seja, f não cobre todo o espaço de
chegada. Isto mostra que f não é sobrejectiva.
7) Usando as propriedades conhecidas do produto interno, vem
ku + vk2 + ku − vk2 = hu + v, u + vi + hu − v, u − vi
= hu, ui + hu, vi + hv, ui + hv, vi +
hu, ui − hu, vi − hv, ui + hv, vi
= 2hu, ui + 2hv, vi
= 2kuk2 + 2kvk2 .
8) Um ponto (1 + t, 1, 1 + t), t ∈ R, da recta r está em π? Se e só se (1 + t) + 1 =
2 ⇔ t = 0. Sim, há solução. Logo há intersecção. No ponto (1, 1, 1), como se via
logo.
Terá mesmo de ser {(1, 1, 1)} = r ∩ π.
Albuquerque, Exercı́cios de Álgebra Linear e Geometria Analı́tica 43
Nota: há muitos mais livros de álgebra linear na secção M15 da biblioteca.