Você está na página 1de 65

INSTITUTO SUPERIOR DOM BOSCO

MÓDULO: ÁLGEBRA APLICADA

Maputo, 2017
Conteúdo

1 INTRODUÇÃO 1

2 MATRIZES E DETERMINANTES 2
2.1 Tipos de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Operações Sobre Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2.1 Igualdade de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2.2 Adição de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2.3 Produto duma Matriz por um Escalar . . . . . . . . . . . . . . . . . . . 6
2.2.4 Produto de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Operaçõs Elementares Sobre Linhas . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4 Matrizes Inversı́veis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.5 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.5.1 Determinantes para Matrizes de orden n ≤ 3 . . . . . . . . . . . . . . . . 11
2.5.2 Menor e Cofactor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5.3 Teorema de Lapalce: Determinates para Matrizes de orden n ≥ 2 . . . . 13
2.5.4 Matriz Adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.5.5 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.6 Exercı́cios: Matrizes e Determinantes . . . . . . . . . . . . . . . . . . . . . . . . 17

3 SISTEMA DAS EQUAÇÕES LINEARES 22


3.1 Sistema das Equações Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.1.1 Representação na Forma Matricial . . . . . . . . . . . . . . . . . . . . . 24
3.1.2 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.1.3 Teorema de Kroneker-Cappelli . . . . . . . . . . . . . . . . . . . . . . . . 26
3.1.4 Método de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2 Exercı́cios: Sistema das Equações Lineares . . . . . . . . . . . . . . . . . . . . . 30

4 ÁLGEBRA VECTORIAL 35
4.1 Expressão Cartesiana de um Vector . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.2 Operações Sobre Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

i
4.2.1 Multiplicação Por um Escalar . . . . . . . . . . . . . . . . . . . . . . . . 36
4.2.1.1 Propriedades: Multiplicação Por um Escalar . . . . . . . . . . . 36
4.2.2 Adição de Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2.2.1 Propriedades de Adição de Vectores . . . . . . . . . . . . . . . 37
4.2.3 Subtração de Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2.4 Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2.5 Produto Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.2.6 Produto Misto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.3 Exercı́cios: Álgebra Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

5 ESPAÇOS E SUBESPAÇOS VECTORIAIS 46


5.1 Espaço Vectorial Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.2 Dependencia e Independencia Linear. Subespaços. Base e Dimensão . . . . . . . 47
5.3 Exercı́cios: Espaços e Subespaços Vectoriais . . . . . . . . . . . . . . . . . . . . 50

6 NÚMEROS COMPLEXOS 52
6.1 Números Complexos C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.1.1 Representação de um Número Complexo . . . . . . . . . . . . . . . . . . 52
6.1.2 Fórmula Algebrica de Um Número Complexo . . . . . . . . . . . . . . . 53
6.1.3 Igualdade De Números Complexos . . . . . . . . . . . . . . . . . . . . . 53
6.1.4 Oposto de Número Complexo . . . . . . . . . . . . . . . . . . . . . . . . 53
6.1.5 Conjugado de Número Complexo . . . . . . . . . . . . . . . . . . . . . . 53
6.1.6 Operações Sobre Números Complexos . . . . . . . . . . . . . . . . . . . . 54
6.1.7 Módulo de um Número Complexo . . . . . . . . . . . . . . . . . . . . . . 54
6.2 Transformação da Forma Algebrica para a Forma Polar . . . . . . . . . . . . . . 55
6.2.1 Operações de Números Complexos na Forma Polar (Trigonométrica) . . . 55
6.2.2 Fórmula de Moivre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6.3 Transformção das Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6.3.1 Coordenadas Polares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6.3.2 Coordenadas Cilindricas . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6.3.3 Coordenadas Esféricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
6.4 Exercı́cios: Números Complexos . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

Bibliografia 62

ii
Capı́tulo 1

INTRODUÇÃO

A Álgebra Aplicada como é tratada neste Instituto é uma combinação da Álgebra Linear e Ge-
ometria Analı́tica, que tornaram-se nas últimas décadas, uma das principais bases da formação
matemática de enginheiros de várias especialidades, de informáticos, de economistas, de fı́sicos,
de matemáticos, de quı́micos e até de têcnicos superiores de algumas áreas de saúde, devido às
inúmeras aplicações na modelação de problemas, quer na natureza técnica, quer na natureza
social.
O objectivo principal da disciplina é ajudar os estudantes a dominar os conceitos e habilidades
básicos que usarão mais tarde em suas carreiras. Os tópicos escolhidos seguem as recomendações
de acordo com as necessidades do Curriculum Study em consenso de muitos campos dos cursos
de electricidade e mecânica que se usa Álgebra Linear e Geometria Analı́tica no ISDB.
Assim, no tema 1 temos matrizes e determinantes, tema 2 sistema de equações lineares, tema 3
estudaremos àlgebra vectorial, como por exemplo operações sobre vectores, o tema 4 de espaços
e subespaços vectoriais teremos uma abordagem básica de um espaço vectorial, dependência li-
near e conceito de base e, no tema 5 teremos os números complexos, uma introdução de números
complexos na forma algébrica, número imaginário, operações sobre números complexos, assim
como o número complexo na forma polar e, sua transformação para outras coordenadas. Em
todos os temas aparece exemplos que dá um suporte referencial teórico para melhor entender-lo
e, no final de cada tema temos um conjunto de exercı́cios que, de forma independente (ou em
conjunto) o estudante poderá aprimorar seus conhecimentos. Em anexo poderemos encontrar
como este módulo poderá ser ministrado a distância ou mesmo presêncial.
O eleborador1 espera que este módulo seja muito importante para seu utilizador, que ajude a
alcançar seus objectivos e, é claro, regista a gratidão, ainda que previamente, por quaisquer
observações ou comentários, na esperança de que juntos podemos fazer deste módulo, no melhor
para muitos.

1
Victor Santos (Msc. Matemática Aplicada).

1
Capı́tulo 2

MATRIZES E DETERMINANTES

Definição 2.1. Matriz- é uma tabela rectangular disposto de m linhas (horizontais) e n colunas
(verticais). Denota-se por Am×n = (aij )m×n , onde m×n (lê-se emi por eni) é a ordem da matriz
e ij ∈ N. aij são chamados elementos da matriz, para i = 1, 2, 3, ..., m e j = 1, 2, 3, ..., n.
 
a a12 . . . a1n
 11 
a
 21 a22 . . . a2n  
 
 . . . . . . 
Am×n =  .
. (2.1)
 . . . . . 
 
 . . . . . . 
 
am1 am2 . . . amn
h i
Exemplo 2.1. A = 10 −3 −5 −7 0 . A matriz dada é uma matriz de uma linha e 5
colunas. Chama-se também matriz linha, uma vez que é uma matriz com uma linha. (matriz
de ordem 1 × 5).

 
10
 
−3
 
Exemplo 2.2. B = −5 . A matriz B é uma matriz de 5 linhas e 1 coluna. Chama-se
 
 
−7
 
0
também de matriz coluna, uma vez que é uma matriz de uma coluna. (Matriz de ordem 5 × 1.)

 
−3 4 2 3
 
Exemplo 2.3. C =   1 0 −7  . A matriz C é uma matriz de ordem 3×4, e o elemento
5
9 15 −6 3
que se encontra na segunda linha e terceira coluna é -7, i.é C2×3 = −7.

2
2.1 Tipos de Matrizes
 
c
 1
c 
 2
 
 . 
 . .
Definição 2.2. Matriz Coluna- A matriz, chama-se matriz coluna se a ordem for m×1,  
 
 
 . 
 
cm
h i
Definição 2.3. Matriz Linha- c1 c2 . . . cn a matriz de ordem 1 × n chama-se matriz
linha.

Definição 2.4. Matriz quadrada- Chama-se matriz quadrada a matriz cujo o numero de linhas
é igual ao numero de colunas.
 
a11 a12 . . . a1n
 
a
 21 a22 . . . . 

 
 . . . . . . 
An×n =
 .
. (2.2)
 . . . . . 

 
 . . . . . . 
 
an1 an2 . . . ann

Numa matriz quadrada de ordem n, A = (aij )n×n , os elementos aij em que i = j constituiem
a diagonal principal.

Definição 2.5. Matriz Diagonal- A matriz quadrada de ordem n em que os elementos aij = 0
para i 6= j é chamada matriz diagonal.

 
4 0 0
 
Exemplo 2.4. D = 
0 3 0.

0 0 1

Aqui, os elementos d12 = d13 = d21 = d23 = d31 = d32 = 0, nestes elementos o i 6= j.
Nos elementos da diagonal principal temos i = j, isto é, d11 = 4, d22 = 3 e d33 = 1.

Definição 2.6. Traço da Matriz- Seja a matriz definida A = (aij )n×n pelos seus elementos,
denomina-se traço da matriz, a soma dos elementos da diagonal principal a11 + a22 + ... = ann
e denomina-se de tr(A).

3
 
8 9 −1
 
Exemplo 2.5. Seja a matriz quadrada M =  6 4 −5  . A matriz M é de ordem 3 × 3

−2 2 2
ou ordem 3. Diagonal principal com os elementos 8;4;2 e traço da matriz designado por
tr(A) = 8 + 4 + 2 = 14.

Definição 2.7. Matriz nula- É aquela matriz em que todos os elementos sãos iguais a zero.

Definição 2.8. Matriz Identidade ou Unidade- A matriz diagonal, de qualquer ordem em que
os elementos da sua diagonal principal são iguais a 1, é chamada de matriz identidade.

 
1 0 0
 
Exemplo 2.6. I3 = 
0 1 0 . Aqui temos matriz identidade de ordem 3×3 ou simplesmente

0 0 1
de ordem 3.

Definição 2.9. Matriz Transposta- Chama-se matriz transposta At , a matriz obtida trocando
ordenadamente suas linhas por colunas (ou suas colunas por linhas).

" # " #
a b a c h i
Exemplo 2.7. A = ; sua transposta é At = . Para a matriz B = 3 2 −1 7 ;
c d b d
 
3
 
2
sua transposta é B t = 
−1 .

 
7

Definição 2.10. Matriz Simétrica- Uma matriz quadrada A definida por seus elementos A =
aij , chama-se matriz simétrica se A = At ou se aij = aji .

 
43 −1
 
Exemplo 2.8.   3 2 0  ; temos uma matriz simétrica visto que a12 = a21 = 3; a31 =

−1 0 5
a13 = −1 e a23 = a32 = 0.

Definição 2.11. Matriz Triangular Superior e Inferior- A matriz quadrada A que tem os ele-
mentos aij = 0 para i > j, chama-se matriz matriz triangular superior. Com aij = 0 para

4
i < j temos matriz triangular inferior.

   
1 −3 1 1 0 0
   
Exemplo 2.9. A =   0 4 −7  , B = −3 4 0 . A matriz A é triangular superior
  
0 0 4 1 −7 7
enquanto a matriz B é triangular inferior.

2.2 Operações Sobre Matrizes

2.2.1 Igualdade de Matrizes


Definição 2.12. Duas matrizes A = (aij )m×n e B = (bij )m×n são iguais quando aij = bij .

" # " #
1 −3 1 −3
Exemplo 2.10. A = , B = . As duas matrizes sãos iguais visto que têm
7 −4 7 −4
mesmos elementos.

As matrizes são iguais se elas tiverem a mesma ordem e se os elementos correspondentes a


essas matrizes forem iguais.

2.2.2 Adição de Matrizes


Definição 2.13. Dada duas matrizes A = (aij )m×n e B = (bij )m×n chama-se soma A + B, a
matriz C = (cij )m×n tal que cij = aij + bij .

" # " #
2 −1 1 2
Exemplo 2.11. Sejam as matrizes A = e B = a soma A + B = C =
0 4 −1 0
" # " #
2+1 (−1) + 2 3 1
=
0 + (−1) 4+0 −1 4

Teorema 2.1. A adição da matriz m × n tem suas propriedades:

1) (A + B) + C = A + (B + C)

2) A + B = B + A

5
3) ∃O : O + A = A
0 0
4) ∃A : A + A = O
0
A matriz A define se como matriz oposta, uma matriz que contém todos os elementos,
correspondentes nas mesmas posições, simétricos à matriz A. Na última linha do teorema 2.1
identificamos que há simetria entre os elementos respondentes nas mesmas posições nas duas
matrizes.

   
a b −a −b
0
   
Exemplo 2.12. A =  c
 −d . A matriz oposta a matriz A será A =  −c d 
 
 pois a
−e f e −f
 
0 0
0
 
soma A + A = O. Onde O =0 0  é uma matriz nula.

0 0

2.2.3 Produto duma Matriz por um Escalar


Definição 2.14. Dado um numero k e uma matriz A; A = aij definida pelos seus elementos
chama-se Produto k × A a matriz B tal que B = (bij )m×n = k.(aij )m×n .

" #
1 −3
Exemplo 2.13. Dada a matriz A = ; e k = 5 ∈ R.
7 −4
" # " #
1 −15 5 −15
O produto k.A = 5. = = B.
35 −20 35 −20

2.2.4 Produto de Matrizes


Definição 2.15. Dadas as matrizes A = (aij )m×n e B = (bij )n×p chama-se produto A.B a
n
X
matriz C = (cij )m×p tal que cik = ai1 b1k + ai2 .b2k + ai3 b3k + ... + ain bnk = aij .bjk para todo
j=1
i ∈ {1; 2; ...; m} todo k ∈ {1; 2; ...; p}.

A definição dada garante a existência do produto A.B, somente se o número de colunas de


A for igual ao numero de linhas de B, pois A é de ordem m × n e B ordem n × p.
O produto A.B é uma matriz que tem o número de linhas de A e o número de colunas de B,
logo C = A.B é do tipo m × p.

6
 
" 4 #
1 2 3  
Exemplo 2.14. . Dada as matrizes A = e B = 0

0 −1 6 
1
 
" # 4 " #
1 2 3   7
O produto A.B = .0 = .
0 −1 6   6
2×3 1 2×1
3×1

Para efectuar esta multiplicação da matriz A e matriz B temos que começar com a primeira
linha da matriz A, com os elementos 1, 2, 3 adicionando as multiplições com os elementos 4, 0, 1
que constituem a coluna da matriz B, da forma:
1 × 4 + 2 × 0 + 3 × 1 = 7. Faremos o mesmo a segunda linha da matriz A com a coluna da
matriz B da forma: 0 × 4 + (−1) × 0 + 6 × 1 = 6.

 
1 4 " #
  1 3
Exemplo 2.15. . Considere as matrizes C =  0 −2 e D = 5 −2 .

−1 3
Como a ordem da matriz C é 3 × 2 e da matriz D é 2 × 2, decorre que existe o produto C.D
uma vez que o número de colunas da matriz C é igual ao número de linhas da matriz D. Assim
teremos o produto da forma:
     
1 4 " # 1.1 + 4.5 −5
1.3 + 4.(−2) 20
  1 3    
C.D = 
 0 −2.
 5 −2 = 0.1 + (−2).5 0.3 + (−2).(−2) = −10 4  .
   
−1 3 (−1).1 + 3.5 (−1).3 + 3.(−2) 7 −9

2.3 Operaçõs Elementares Sobre Linhas


Denomina se operações elementares sobre linhas de uma matriz as seguintes:

1) Permutação de linhas;

2) Multiplicação de todos elementos de uma linha por um escalar não nulo;

3) Substituição dos elementos de uma linha pela soma deles com elementos correspondentes
de outra linha previamente multiplicado por um escalar não nulo.

 
2 4 6
 
Exemplo 2.16. : Dada a matriz A = 3 5 6

 . Aplique as operações elementares na matriz.
4 2 1

7
     
2 4 6 1 2 3 1 2 3
0 0
     
A = 3 5 6 ∼ (1/2.l1 = l1 ) ∼ 3 5 6 ∼ ((−3).l1 + l2 = l2 ) ∼ 0 −1 −3
    
 ∼
4 2 1 4 2 1 4 2 1
   
1 2 3 1 2 3
0 0
   
((−4)l1 + l3 = L3 ) ∼   0 −1 3  ∼ ((−6)l2 + l3 = l3 ) ∼ 0 −1 3  ∼ ((−1/19)l3 =
  
0 −6 −1 0 0 −19
     
1 2 3 1 0 −3 1 0 −3
0 0 0
     
l3 ) ∼ 0 −1 3 ∼ (2.l2 + l1 = l1 ) ∼ 0 −1 3  ∼ ((−1)l2 = l2 ) ∼ 0 1 3 
    
 ∼
0 0 1 0 0 1 0 0 1
 
1 0 0
0
 
(3.l3 + l1 = l1 ) ∼  0 1 0 . A última matriz chama se matriz reduzida a forma escalonada à

0 0 1
escada.
0
• l1 significa primeira linha e l1 significa nova primeira linha para a matriz seguinte equi-
0
valente a anterior. (1/2.l1 = l1 ) significa que multiplicamos a primeira linha por 1/2.
0
• ((−3).l1 + l2 = l2 ) significa que multiplicamos a primeira linha por −3 e adicionamos aos
elementos da segunda linha e obtemos a nova segunda linha para a matriz seguinte.
0
• ((−4)l1 + l3 = L3 ) significa que multiplicamos a primeira linha por −4 e adicionamos aos
elementos da terceira linha e obtemos a nova terceira linha para a matriz seguinte.
0
• ((−6)l2 + l3 = l3 ) significa que multiplicamos a segunda linha por −6 e adicionamos aos
elementos da terceira linha e obtemos a nova terceira linha para a matriz seguinte.
0
• ((−1/19)l3 = l3 ) significa que multiplicamos a terceira linha por −1/19 e obtemos a
amova terceira linha para a matriz seguinte.
0
• (2.l2 + l1 = l1 ) significa que multiplicamos a segunda linha por 2 e adicionamos aos
elementos da primeira linha e obtemos a nova primeira linha para a matriz seguinte.
0
• ((−1)l2 = l2 ) significa que multiplicamos por −1 a segunda linha e obtemos a nova
segunda linha para a matriz seguinte.
0
• (3.l3 + l1 = l1 ) significa que multiplicamos por 3 a terceira linha e adicionamos aos
elementos da primeira linha e obtemos a nova primeira linha para a matriz seguinte.

Definição 2.16. Sejam A e B, duas matrizes m × n, diz que B é linha equivalente a uma
única matriz A, quando B pode ser obtida de A por meio de uma sequencia finita de operações
elementares sobre as linhas de A.

8
Definição 2.17. Toda a matriz A de ordem m × n é linha equivalente a uma única matriz
linha reduzida escalonada.

Exercı́cio 2.3.1. : Reduza as matrizes abaixo a forma reduzida escalonada


     
1 1
3 6 3 −4
1 0 1 3 −2 " #
      1 −4
A=
1 0 −1 1 B = −4 1 −6 C = 2 1 −4 3  D = 0 2 .
    
0 1 2 2 1 2 −5 2 3 −2 −1

2.4 Matrizes Inversı́veis


Definição 2.18. Seja A uma matriz quadrada de ordem n. Diremos que A é a matriz in-
versı́vel se existir uma matriz B da mesma orden n tal que A.B = B.A = In .

Definição 2.19. Se A é inversı́vel, diremos que A é uma matriz não-singular, caso seja não
inversı́vel diremos singular.

Teorema 2.2. Se A é inversı́vel, então é única a matriz B tal que A.B = B.A = In .
Prova:
Adimitimos que exista uma matriz C tal que A.C = C.A = In . Assim temos:

C = In .C = (B.A).C = B.(A.C) = B.In = B.

Assim provamos que se existe a matriz inversa, então ela é única.

Definição 2.20. Dada uma matriz inversı́vel A, chama-se inversa de A a matriz A−1 (que é
única) tal que A.A−1 = A−1 .A = In

" # " #
1 3 7 −3
Exemplo 2.17. : A matriz A = é inversı́vel e A−1 = , pois A.A−1 =
2 7 −2 1
" # " # " # "
# " # " #
1 3 7 −3 1 0 7 −3 1 3 1 0
. = = I2 . e A−1 .A = . = = I2 .
2 7 −2 1 0 1 −2 1 2 7 0 1
" #
3 7
Exemplo 2.18. : Qual a inversa da matriz A = .
5 11
Resolução:

9
Já sabemos que se existe a inversa de uma matriz dada, então essa matriz
" será
# única e terá a
a b
mesma ordem que a matriz dada. Seja a inversa de A da forma A−1 = . Vamos obter
c d
os elementos desta matriz inversa.
" # " # " # " # " #
a b 3 7 1 0 3.a + 5.b 7.a + 11.b 1 0
A−1 .A = I2 = . = ⇐⇒ = .
c d 5 11 0 1 3.c + 5.d 7.c + 11.d 0 1

Pela definição da igualdade de matrizes 3.a + 5.b = 1, 7.a + 11.b = 0, 3.c + 5.d = 0 e
11 7
7.c + 11.d = 1. A partir das duas primeiras equações teremos a = − e b = e a partir das
2 2
5 3
duas últimas equações teremos c = e d = − .
2 2
11 7
 

 2 2 
−1
Assim obtemos a matriz inversa da matriz A da forma A =  .
 
 5 3

2 2

Teorema 2.3. Se An é inversı́vel, então existe uma sequência finita de operações elementares
que torna An igual a matriz identidade (In ). Estas mesmas sequências de operações aplicadas
ao mesmo tempo em An e em In transformam In em A−1 .

 
1 1 0
 
Exemplo 2.19. : Encontre a matriz inversa de A = 0 1 1

 , caso seja possivel.
1 0 2
Solução:
   
1 1 0 | 1 0 0 1 1 0 | 1 0 0
 ((−1).l1 + l3 = l30 ) 0 1 1 | 0 1 0 (l1 − l2 = l10 )
   
A|I3 = 
0 1 1 | 0 1 0  
1 0 2 | 0 0 1 1 −1 2 | −1 0 1

   
1 0 −1 | 1 −1 0 1 0 −1 | 1 −1 0
0 0
    1
0 1
 1 | 0 1 0 (l2 + l3 = l3 ) 0 1 1 | 0
  1 0  ( 3 .l3 = l3 )
0 −1 2 | −1 0 1 0 0 3 | −1 1 1

   
1 0 −1 | 1 −1 0 1 0 0 | 32 − 23 31
 (l3 + l1 = l10 ) 0 1 1 | 0  (−l3 + l2 = l20 )
   
0 1 1 | 0 1 0 1 0
   
1 1 1 1 1 1
0 0 1 | −3 3 3 0 0 1 | −3 3 3

10
 
2 2 2
1 0 0 | 3 −3 3
 
0 1 0 | 1 − 2 − 1  = I3 |A−1 .
 3 3 3
1 1 1
0 0 1 | −3 3 3
2 2 2
 

 3 3 3 
 
 
 1 2 1
 
Assim concluimos que A é inversı́vel e a a sua inversa é A−1 = − − .
 3 3 3
 
 
 1 1 1 

3 3 3

2.5 Determinantes
Definição 2.21. Toda a matriz quadrada onde aij ∈ R, esta associada a um elemento de R
chamado determinante de A usualmente representa-se por det(A) ou |A|.

2.5.1 Determinantes para Matrizes de orden n ≤ 3


1) Se a matriz A tem ordem n = 1, o determinante é o unico elemento de A i.é, |A| = a11 ;

2) Se a matriz A é de ordem n = 2, o determinante é o produto dos elementos da diagonal


principal, subtraindo pelo produto dos elementos da diagonal secundária. i.é,:
" #
a11 a12 a
11 a 12

A= ; det(A) = |A| = = a11 .a22 − a21 .a12 .

a21 a22 a21 a22

" #
3 −1
Exemplo 2.20. - Seja A = . Determine o determinante de A.
4 2

3 −1
det(A) = = 3.2 − 4.(−1) = 10.

4 2

3) Se a matriz A é de ordem n = 3. Usaremos


 a regra de Sarrus que consiste:
a11 a12 a13
 
Seja dada a matriz de ordem 3 A =   a 21 a 22 a 23
 ; o determinante desta matriz

a31 a32 a33

a11 a12 a13 | a11 a12


det(A) = a21 a22 a23 | a22 a23 = a11 .a22 .a33 +a12 .a23 .a31 +a13 .a21 .a32 −(a31 .a22 .a13 +
a31 a32 a33 | a31 a32

a32 .a23 .a11 + a33 .a21 .a12 ).

11
 
1 2 4
 
Exemplo 2.21. - Calcule o determinante da matriz A = 5 2 1 

 . O determinante
1 2 −1

1 2 4 | 1 2


det(A) = 5 2 1 | 5 2 = [1.2.(−1)] + (2.1.1) + (4.5.2) − [1.2.4 + 2.1.1 + (−1).5.2] =
1 2 −1 | 1 2

−2 + 2 + 40 − (8 + 2 − 10) = 40.

2.5.2 Menor e Cofactor

Definição 2.22. Seja A uma matriz quadrada de ordem n, designemos por Mij a sub-matriz
quadrada de ordem n − 1. (Mij )n−1 é obtida pela eliminação da linha i e da coluna j na matriz
A.

Definição 2.23. Chama-se menor relativo do elemento aij da matriz o determinante det(Mij ) =
|Mij | (ou menor complementar do elemento aij ).

 
2 −3 4
 
Exemplo 2.22. - Dada matriz A =   1 −2 3  . Determine o menor relativo do elemento

5 2 4
a31 . " #
−3 4 −3 4
Na matriz dada o elemento a31 = 5 então M31 = e det(M31 ) = = −9+8 = −1

−2 3 −2 3

Definição 2.24. Consideremos uma matriz de ordem n ≥ 2; seja aij um elemento de A.


definimos complemento algébrico do elemento aij (ou cofactor de aij ) e indicamos por Aij ,
como sendo o número resultante do produto (−1)i+j .|Mij |. i.é,

Aij = (−1)i+j .|Mij |. (2.3)

Exemplo 2.23. - Do exemplo anterior o cofactor do elemento a31 é: A31 = (−1)3+1 .|M31 | =
(−1)4 .(−1) = 1.(−1) = −1.

12
2.5.3 Teorema de Lapalce: Determinates para Matrizes de orden
n≥2
Teorema 2.4. O determinante da matriz A = [aij ] é igual a soma dos produtos obtidos mul-
tiplicando os elementos de qualquer linha (coluna) pelos seus respectivos cofactores. i,é.
n
X
|A| = ai1 Ai1 + ai2 Ai2 + ... + ain Ain = aij Aij (2.4)
j=1

ou n
X
|A| = a1j A1j + a2j A2j + ... + anj Anj = aij Aij . (2.5)
i=1

As fórmulas acima são chamadas desenvolvimento de Laplace do determinante de A, (Teorema


de Laplace). Estas fórmulas são aplicadas para calcular o determinante da matriz de ordem
n ≥ 2.

Exemplo 2.24. - Aplicando o desenvolvimento de Laplace, calcule o determinante da matriz


 
1 3 4
 
5 2 −4 .
A= 
1 4 2

2 −4 5 −4
Pelo desenvolvimento de Laplace teremos; det(A) = 1.(−1)1+1 + 3(−1)1+2 +

4 2 1 2

5 2
4.(−1)1+3 = 1(4 + 16) − 3(10 + 4) + 4(20 − 2) = 50.

1 4
Para o cálculo deste determinante, usamos o desenvolvimento da primeira linha.

2.5.4 Matriz Adjunta


Definição 2.25. Seja uma matriz quadrada de ordem n, Aij o cofactor de aij e A∗ a matriz
dos cofactores de A. Chamaremos de matriz adjunta de A e indicaremos por A a transposta
de A∗ , i.é; (A∗ )t = A.
 
1 0 2
 
Exemplo 2.25. - Determine a matriz adjunta de A =   2 1 3.

3 1 0
Primeiro calculemos os cofactores dos elementos a partir da igualdade (2.3) :

1 3
A11 = (−1)2 = −3. Obtemos a partir da eliminação da primeira linha e primeira co-

1 0
luna na matriz dada, onde o expoente 2 vem da soma de 1 que significa primeira linha e 1 que

13
significa primeira
coluna.
2 3
A12 = (−1)3 = 9. Obtemos a partir da eliminação da primeira linha e segunda coluna na

3 0
matriz dada, onde o expoente 3 vem da soma de 1 que significa primeira linha e 2 que significa
segunda coluna.

2 1
A13 = (−1)4 = −1. Obtemos a partir da eliminação da primeira linha e terceira coluna

3 1
na matriz dada, onde o expoente 4 vem da soma de 1 que significa primeira linha e 3 que
significa terceira
coluna.

0 2
A21 = (−1)3 = 2. Obtemos a partir da eliminação da segunda linha e primeira coluna na

1 0
matriz dada, onde o expoente 3 vem da soma de 2 que significa segunda linha e 1 que significa
primeira coluna.

1 2
A22 = (−1)4 = −6. Obtemos a partir da eliminação da segunda linha e segunda coluna

3 0
na matriz dada, onde o expoente 4 vem da soma de 2 que significa segunda linha e 2 que
significa segunda
coluna.

1 0
A23 = (−1)5 = −1. Obtemos a partir da eliminação da segunda linha e terceira coluna

3 1
na matriz dada, onde o expoente 5 vem da soma de 2 que significa segunda linha e 3 que
significa terceira
coluna.

0 2
A31 = (−1)4 = −2. Obtemos a partir da eliminação da terceira linha e primeira coluna

1 3
na matriz dada, onde o expoente 4 vem da soma de 3 que significa terceira linha e 1 que
significa primeira
coluna.
1 2
A32 = (−1)5 = 1. Obtemos a partir da eliminação da terceira linha e segunda coluna na

2 3
matriz dada, onde o expoente 5 vem da soma de 3 que significa terceira linha e 2 que significa
segunda coluna.

1 0
A33 = (−1)6 = 1. Obtemos a partir da eliminação da terceira linha e terceira coluna na

2 1
matriz dada, onde o expoente 6 vem da soma de 3 que significa terceira linha e 3 que significa
terceira coluna.  
−3 9 −1

 
Logo teremos A =  2 −6 −1

 , que é formada pelos cofactores e a matriz adjunta é dada
−2 1 1
 
−3 2 −2
 
da forma A = (A∗ )t = 
 9 −6 1 .

−1 −1 1

Teorema 2.5. Se A é uma matriz quadrada de ordem n e det(A) 6= 0, então a inversa de A

14
é dada por
1
A−1 = A. (2.6)
det(A)
Exemplo 2.26. - Do exemplo anterior teremos det(A) = −5 e a sua inversa teremos
   
−3 2 −2 3/5 −2/5 2/5
−1 1    
A =  9 −6 1  = −9/5 6/5 −1/5.
−5   
−1 −1 1 1/5 1/5 −1/5
Teorema 2.6. O posto ou rank de uma matriz A é igual ao número de linhas não nulas da
matriz escalonda a partir de A e designa-se por P (A) ou r(A).
   
1 0 2 1 0 2
   
Exemplo 2.27. - Dada a matriz A =  . Escalonando teremos A = 2 1 3 ∼
2 1 3
  
3 1 0 3 1 0
 
1 0 2
 
... ∼ 0 1 −1

 , então P (A) = r(A) = 3.
1 0 1

2.5.5 Propriedades
P1 . Seja A e At então det(A) = det(At );

P2 . Seja A uma matriz quadrada. se A tem uma linha(coluna) de zeros, então det(A) = 0.



3 1 4
 
Exemplo 2.28. - A matriz A = 0 0 0

 tem o seu determinante igual a zero ou
a b c
det(A) = 0.

P3 . Seja A matriz quadrada. se A tem duas linhas (colunas) identicas, então det(A) = 0.
 
a b c
 
Exemplo 2.29. - A matriz B =   2 5 7  tem duas linhas identicas logo o det(B) = 0.

a b c

P4 . Seja A uma matriz quadrada. Se A é triangular, então det(A) é produto dos elementos
da diagonal principal. em particular det(In ) = 1.
 
3 0 0
 
Exemplo 2.30. - O determinante de C =   2 5 0 é igual a 15, que é o resultado do

4 3 1
produto dos elemntos da diagonal princiapl;

15
P5 . Se uam matriz A de ordem n ≥ 2 tem duas filas paralelas (duas linhas ou duas colunas)
formadas por elementos respectivemente proporcionais; então det(A) = 0.
 
1 2x x
 
Exemplo 2.31. - A matriz D = 2 2y y 

 tem o seu determinante iguala a zero
3 2z z

P6 . Seja B uma matriz obtida da multiplicação de uma linha (coluna) de A por um escalar
k. Então det(B) = k.det(A).
 
7 14 49
 
Exemplo 2.32. - A matriz B = 3 5 2  foi obtida da multiplicação da primeira
 
0 2 7
 
1 2 7
 
linha por 7 na matriz A = 
3 5 2 . Assim o det(B) = 7.det(A).
0 2 7

16
2.6 Exercı́cios: Matrizes e Determinantes
 
3 8 −2 0
 
7 3 1 1
 
1) . Seja: M =  0 4 5 0 ;
 
 
9 3 7 3
 
12 1 −7 0
(a) Qual é a ordem de M?
(b) Escreva os elementos da segunda linha
(c) Escreva os elementos da quarta coluna.

2) (a) Quantos elementos há numa matriz 1 × 1?


(b) Quantos elementos há numa matriz 3 × 5?
(c) Quantos elementos há numa matriz m × n?
(d) Quantos elmentos há numa matriz r × r?

" # " #
x+y m−n 8 6
3) Sendo as matrizes A = ;B = ; achar os valores de x, m, n
x − 2y 3m + n −1 10
para que se tenha A = B

4) Escreva a matriz cujos os elementos


  são asoma dos
 elementos correspondentes das ma-
−2 1 6 0
   
trizes A e B , onde : A = 
 3 4  ; B =  3 4
  
6 0 −2 1
" # " # " #
3 5 8 0 −5 −8 0 1 7
5) Dados A = ;B = ;C = .
−1 0 1/2 1 0 3 0 1/2 −9

Calcule
(a) A + B − C; (b) (A + B) + C; (c) A − (B + C)

" # " # " #


2 −5 1 1 −2 −3 0 1 −2
6) Sejam A = ;B = ;C =
3 0 −4 0 −1 5 1 −1 −1
Calcule 3A + 4B − 2C .

" # " # " #


x y x 6 4 x+y
7) Encontre x, y, z e w se 3 = +
z w −1 2w z+w 3

17
8) Demonstre que: Se A e B são matrizes do tipo m×n e k é um número então k(A+B) =
kA + kB

   
" # " # 2 −3 0 1 2
1 −1 2 4  0 −3   
9) Sejam A = ;B = ;C =  5 −1 −4 2  ; D = −1
0 3 4 −1 −2 3    
−1 0 0 3 3
Encontre se existe: A + B; A + C; 3A − 4B; AB; AC; BC; CD; A ; A C; B A; B t C;
t t t

Dt At ; Dt D; DDt .

 
c d
 1 1
c d 
" # " #  2 2
 
3 0 a1 a2 a3 ...an . .
10) Sejam A = ;B = ;C = 
 
0 3 b1 b2 b3 ...bn . .

 
. .
 
cn dn
Calcule AB; CA; BC

11) Se D é uma matriz diagonal então Dt =?

" # " #
2 5 x−y x+y
12) Sendo as matrizes A = ;B = . Calcule x, y de modo que
12 −1 2y − 5 −1
A = Bt.

   
x+y 4 −2 5 4 −2
   
 3 2z 3  3 2 3
13) Sejam as matrizes A = 

;B =  0
  .
 0 4 x − y   4 −1

−6 z − t t −6 −3 1

Se At = B t , determine x, y, z e t.

14) Sejam as matrizes A e B, da mesma orden m × n. Demonstre que: (A − B)t = At − B t .

2
15) Mostre
" que# a equação
" #x − 5x " + 4I2 =#0 é satisfeita por cada uma das seguintes matrizes:
1 0 4 0 3 −2
(a) , (b) , (c) .
0 1 0 4 −1 2

18
16) Determine
 quais das seguintes 
matrizes
 são simétricas,
 explique
 porquê:
  
1 2 2 −3 7 0 2 3 3 1 6 0 −1 3
         
(a) 2 1 ; (b)  3
   2 −5 ; (c) −2 0 2 ; (d) 1 5
    5 ; (e) 1 2 2
 
.
5 4 −7 5 2 3 −2 0 1 5 7 3 2 0

17) Calcule os determinantes seguintes:


1 2 3 2 0 1

3 −2 a − b a sin t cos t

(a) ; (b) ;( c) ; t ∈ R; (d) 4 −2 3 ; (e) 4 2 −3 ;

4 5 a a + b − cos t sin t
5 −1

2 5 3 1

2 5 −3 −2
2 0 1 1 0 0 x y x + y


−2 −3 2 −5
(f) 3 2 −3 ; (g) 3 2 −4 ; (h) y
x+y x ; (i) ; (j)
1 3 −2 2
1 −3 5

4 1 3 x + y x y
−1 −6 4 3

3 1 1 1
" #

1 3 1 1 tgα −1

1 ; (i) , α ∈ R.
1 3 1 1 tgα

1 1 1 3

18) Usando as propriedades dos determinantes demonstre que:



a b ax + bx + c a b c


(a) d e dx + ey + f = d e f ;

g h gx + hy + i g h i

a + bx a − bx c a b c



(b) d + ex d − ex f = −2x d e f

g + hx g − hx i

g h i

19) Determine os valores de k, x e t para os quais:



k k x − 2 −3 t − 5 7
(a) = 0; (b) = 0; c) = 0.


4 2k −4 x − 1 −1 t + 3

20) Encontre os valores de t para os quais os determinantes seguintes são iguais a zero:

t − 2 1 3 t − 1 3 −3 t + 3 −1 1


(a) 1 t + 1 −2 ; (b) −3 t + 5 −3 ; (c) 7 t−5 1
t − 4 −6 t − 4 −6 t + 2

0 0 6 6

19
21) Calcule os determinantes:

a 55 66 77 0 0 0 2 1 1 1 1
m 5 5


0 b 33 44 0 0 3 9 1 1 + a 1 1
(a)
; (b) ; (c) ; (d) m m 5
0 0 c 22 0 5 7 8 1 1 1+b 1


m m m
0 0 0 d 1 9 4 8 1 1 1 1 + c

22) Desenvolvendo segundo


a 3a linha, calcule o seguinte determinante:
1
0 −1 −1

0 −1 −1 1

a b c d


−1 −1 1 0
R: 3a − b + 2c + d

a
23) Desenvolvendo
segundo a 4 coluna, calcule o seguinte determinante:
1 1 1 x


1 2 1 y
1 1 2 z .



1 1 1 t
R: −x − y − z + 4t


6 8 5


24) Dada a matriz 1 2 4 determine: (a)cof(6);cof(2);cof(-1);cof(4).
0 −1 9

25) Encontre a inversa de cada matriz seguinte:


     
" # " # −1 2 −3 2 1 1 1 3 4
3 2 2 −3      
(a) ; (b) ; (c)  2 1 0  ; (d) 0 2 1  ; (e)  3 −1 6 ;
7 5 1 3      
4 −2 5 5 2 −3 −1 5 1

26) Mostre que a matriz A é inversı́vel se e so se At é inversı́vel e (At )−1 = (A−1 )t


 
a1 0 ... 0
 
 0 a2 ... 0
Em que condição a matriz diagonal A = 
 ... ...
 ; é inversı́vel e qual é sua
 ... ... 

0 0 ... an
inversa.

20
27) Ache a matriz X sabendo:
" # " # " # " #
4 −1 2 1 1 1 5
(a) .X = ; (b) .X =
2 3 1 2 3 −2 6
       
1 1 0 1 −1 2 1 2 2 1 1 1
       
(c) 
1 1 1 = 0 0 1 .X (d) X. 3
    1 0 =
 
0 1 1

0 2 1 3 1 4 1 1 1 0 0 1
 
1 1 1 1
 
1 1 1 2
28) Determine a condição sobre a e b para que a matriz A = 
1
 seja inversı́vel.
 1 a 1

1 b 1 1

29) Ache o posto ou rank de cada matriz,


   
1 2 −1 2 2 2 3 −2 5 1
   
A=
2 4 1 −2 3  ; B = 3 −1 2
 0 4 ;

3 6 2 −6 5 4 −5 6 −5 7
     
1 3 −1 2 0 1 3 −2 2 9
     
0 11 −5 3 ; D = 0 4 −1 3  ; E = 0 −3 .
   
C=
2 −5 7 −1
 3 1 
0 0 2
 1
  
4 1 1 5 0 5 −3 4 5 6

21
Capı́tulo 3

SISTEMA DAS EQUAÇÕES


LINEARES

3.1 Sistema das Equações Lineares


Definição 3.1. Dados os números reais a11 ; a12 ; ...; a1n ; b n ≥ 1, chamaremos de equação
linear das incôgnitas x1 ; x2 ; ...; xn , toda a equação do tipo

a11 x1 + a12 x2 + ... + a1n = b (3.1)

onde a11 ; a12 ; ...; a1n chamaremos de coeficientes e b é o termo independente.

Exemplo 3.1. - 13x1 + 4x2 − 5x3 − 2x4 = 5. Temos uma equação linear com 4 incôgnitas
(variáveis).

Exemplo 3.2. -

1) 13x21 + 4x2 − 5x3 = 0



2) 0x1 − x2 − x3 = 5

As equações acima não são lineares, pois na primeira equação encontramos o termo x21 onde
mostra que é obtido através do produto x1 × x1 = x21 . Na segunda equação temos uma raiz
√ 1/2
quadrada, isto é, x2 = x2 que também é um termo não linear.

Definição 3.2. Diremos que a sequencia ou n−upla, ordenada de números reais (x1 ; x2 ; ...; xn ) ∈
R é uma solução de números reais para a equação a11 x1 + a12 x2 + ... + a1n xn = b.

22
Definição 3.3. Um sistema de equações com n incôgnitas (m; n ≥ 0) é o conjunto de m-
equações lineares, cada uma com n incôgnitas consideradas simultaneamente.

Definição 3.4. Dado um sistema de m equações e n incôgnitas da forma:




 a11 x1 + a12 x2 + ... + a1n xn = b1


 a x + a x + ... + a x = b
21 1 22 2 2n n 2
(S) = (3.2)


 ...........................................

am1 x1 + am2 x2 + ... + amn xn = bm

Com aij ; bi ∈ R, (i = 1; 2; ...; m. j = 1; 2; ...; n).


Chamaremos matriz completa (ou matriz ampliada) do sistema ao quadro
 
a11 a12 ... a1n | b1
 
 a21 a22 ... a2n | b2 

 ...
 (3.3)
 ... ... ... ... ... 

am1 am2 ... amm | bm

Definição 3.5. Chamaremos matriz dos coeficientes (matriz simples) do sistema ao quadro
 
a11 a12 ... a1n
 
 a21 a22 ... a2n 

 ...
 (3.4)
 ... ... ...  
am1 am2 ... amn
Definição 3.6. Chamaremos matriz das incôgnitas a matriz da forma
 
x
 1
x 
 2
 
.
 
. (3.5)
 
 
.
 
xn

e, a matriz dos termos livres ou independentes, a matriz da forma


 
b
 1
b 
 2
 
 b3 
 . (3.6)
.
 
 
.
 
bn

23
3.1.1 Representação na Forma Matricial
Um sistema de m equações e n incôgnitas (S) pode se representar abreviamente na forma
matricial Ax = b sendo;  
a11 a12 ... a1n
 
 a21 a22 ... a2n 
A=
 ...
 (3.7)
 ... ... ... 

am1 am2 ... amn
 
x
 1
x 
 2
 
.
x=.
 (3.8)
 
 
.
 
xn
e  
b
 1
b 
 2
 
.
 . .
b=  (3.9)
 
 
.
 
bn

Definição 3.7. Chamaremos solução do sistema (S) uma sequencia de numeros reais (α1 ; α2 ; ...; αn ),
tal que substituindo cada xj (j = 1; 2; ...; n) pelo respectivo valor αj , as m equações do sistema
se transformam em igualdades verdadeiras.

Definição 3.8. O sistema (S) chamaremos possivel se tiver pelo menos uma solução, e impossivel
no caso contrário.
Um sistema possivel diremos determinado se tiver uma só solução e indeterminado se tiver
mais que uma solução.

Definição 3.9. Dois sistemas de equações com mesmo número de incôgnitas e equações, dire-
mos Equivalente quando tiverem exactamente as mesmas soluções.

Teorema 3.1. Forma escalonada (Forma de Echelon) da matriz.


Uma matriz encontra-se escalonada se:

1. Todas as linhas não nulas estão acima das nulas;

24
2. Cada elemento P ivot a partir da 2a linha está à direita do pivot da linha anterior;

3. Todos os elementos da coluna abaixo do pivot são nulos.





 x+y−z =1
Exemplo 3.3. - Dado o sitema 2x − y + 2z + 2w = 0 Escalone obedecendo o teorema

 −x + 2y − 3z + w = 1

3.1
Resolução:
   
1 1 −1 | 11 1 1 −1 1 | 1
    0
!
 2 −1 2 2 | 0 ∼ (l4 = l1 + l40 ) ∼ 2 −1 2 2 | 0 l2 = 2l1 − l2

  ∼ ∼
0
3
 0 1 3 | 1 3 0
 1 3 | 1  l3 = 3l1 − l3
−1 2 −3 −1 | 1 0 3 −4 0 | 2
   
1 1 −1 1 | 1 1 1 −1 1 | 1
  0
!  
0 3 −4 0 | 2 l3 = l2 = l3 0 3 −4 0 | 2
 ∼ (l20 = l2 /3)
0 3 −4 0 | 2 ∼ l = l = l0 ∼
 
  4 3 4
0 0 0
 0 | 2

0 3 −4 0 | 2 0 0 0 0 | 2
 
1 1 −1 1 | 1
 
0 1 −4/3 0 | 2/3
∼  . Assim esta última matriz está na forma escalona por linhas.
0 0 0 0 | 0  
0 0 0 0 | 0


 −2x + y + z = 1


Exemplo 3.4. - Resolver o sistema 4x + 2y − 3z = 0

 −2x − 3y + 5z = 5

Resolução;
   
−2 1 1 | 1 ! 1 −1/2 −1/2 | −1/2
  l1 = −l1 /2   0
4 2 −3 | 0 4 2 −3 | 0  (l3 = l1 = l3 )
  l3 = −l3 /2  
−2 −3 5 | 5 1 3/2 −5/2 | −5/2

   
1 −1/2 −1/2 | −1/2 1 −1/2 −1/2 | −1/2
 (l2 = 4l1 − l20 ) 0 −4
   
4 2 2 −3 0 1 | −2  (l2 = l2 /2)
   
0 −2 2 | 2 0 −2 2 | 2

25
   
1 −1/2 −1/2 | −1/2 1 −1/2 −1/2 | −1/2
  0  
0
 2 −1/2 | 1  (l
 3 = l2 + l3 ) 
0 2 −1/2 | 1 .

0 −2 2 | 2 0 0 3/2 | 3

 x = 3/2


Assim teremos a solução do sistema da forma y=2


 z=2

3.1.2 Regra de Cramer


Teorema 3.2. Regra de Cramer:
6 0).
O sistema (S) tem solução única se e somente se o determinante é diferente de zero (|A| =
Neste caso a solução (única) calcula-se pelas fórmulas
M1 M2 Mn
x1 = ; x2 = ; .... xn = . (3.10)
M M M
Exemplo 3.5. - Resolva usando regra de Cramer

 2x + y − z = 3


x+y+z =1

 x − 2y − 3z = 4

Resolução:
       
2 1 −1 3 1 −1 2 3 −1 2 1 3
       
Seja A = 
1 1 1  Ax = 1 1
  1  Ay = 1 1 1  Az = 1 1 1 .
    
1 −2 −3 4 −2 −3 1 4 −3 1 −2 4
10
M= |A| = 5 6= 0. M1 = |Ax | = 10; M2 = |Ay | = −5 e M3 = |Az | = 0 então x = = 2;
5
−5 0
y= = −1 e z = = 0.
5 5
Logo temos a solução da forma x = 2; y = −1; z = 0

3.1.3 Teorema de Kroneker-Cappelli


Teorema 3.3. (Kroneker-Capelli)
Seja dado o sistema (S) onde A é matriz dos coeficientes e M matriz alargada ou ampliada;

1. Se r[A] = r[M ] = n; (n é o número das incognitas) então o sistema é determinado(solução


única);

2. Se r[A] = r[M ] < n então o sistema é indeterminado(tem infinidade de soluções);

26
3. Se r[A] < r[M ] então o sistema é incompatı́vel(não tem soluções).

Exemplo 3.6. - Dado o sistema (3.11), determinar os valores de a e b, de modo que:

a) o sistema seja determinado;

b) o sistema seja incompatı́vel;

b) o sistema seja indeterminado;



 x

 − y + z = b
5x − 8y + 9z = 3 (3.11)

 2x − 2y + az = −1

Resolução:
Reduzimos
 o sistema à forma
 escalonada  
1 −1 1 | b ! 1 −1 1 | b
  −5L1 + L2 → L2  
M = 5 −8 9 | 3  ∼
  ∼ 0 −3
 4 .
| −5b + 3
−2L1 + L3 → L3
2 −2 a | −1 0 0 a − 2 | −2b − 1

(a) Para que o sistema seja determinado: r(A) = r(M ) = n = 3, onde (n− é o número
das incógnitas), temos a − 2 6= 2 e b ∈ R.
(b) Para que o sistema seja incompatı́vel: r(A) < r(M ), temos

a − 2 = 0 ∧ −2b − 1 6= 0

a = 2 ∧ −2b 6= 1
1
a = 2 ∧ b 6= −
2
(c) Para que o sistema seja indeterminado: r(A) = r(M ) = 2 < n = 3, temos

a − 2 = 0 ∧ −2b − 10

a = 2 ∧ −2b = 1
1
a=2∧b=− .
2

Exemplo 3.7. - Determinar os valores de k, de modo que o sistema seguinte tenha:

a) solução única;

b) nenhuma solução;

b) uma infinidade de soluções.

27

 x

 + y − z = 1
2x + 3y + kz = 3 (3.12)


 x + ky + 3z = 2

Resolução:
Reduzimos o sistema à forma escalonada
   
1 1 −1 | 1 ! 1 1 −1 | 1
  −2L1 + L2 → L2  
M =2 3 k | 3∼ ∼0 1 k + 2 | 1∼
  −L1 + L3 → L3  
1 k 3 | 2 0 k−1 4 | 1

 
   1 1 −1 | 1
  
∼ −(k − 1)L2 + L3 → L3 ∼ 
0 1 k + 2 | 1  ∼ −L3 → L3 ∼

2
0 0 6−k−k | 2−k

   
1 1 −1 | 1 1 1 −1 | 1
   
∼0 1 k + 2 | 1  = 0 1 k + 2 | 1 
   
0 0 k2 + k − 6 | k − 2 0 0 (k − 2)(k + 3) | k − 2

(a) Para que tenha solução única: r(A) = r(M ) = n = 3, onde (n− é o número das incógnitas),
temos k 6= 2 e k 6= −3.
(b) Para que não tenha nenhuma solução: r(A) < r(M ), temos k = −3.
(c) Para que tenha infinidade das soluções: r(A) = r(M ) = 2 < n = 3, temos k = 2.

3.1.4 Método de Gauss

Teorema 3.4. Método de Gauss


O método consiste no seguinte.

• Utilizando as operações elementares, reduzir o sistema dado a forma escalonada;

• Escolher as incognitas principais e as variaveis livres se existirem;

• Fazer o processo de retrosubstituição (expressar as incôgnitas principais) através de vari-


aveis livres.

28


 2x + 2y − 3z − 2t = 11


 x + y − 2z − t = 5
Exemplo 3.8. - Resolva o sistema:


 3x + 3y − 6z − 4t = 17

5x + 5y − 9z − 6t = 28

Resolução:
   
2 2 −3 −2 | 11 1 1 −2 −1 | 5
   
1 1 −2 −1 | 5 
 ∼ ... ∼ 0
 0 1 0 | 1
M = .
3
 3 −6 −4 | 17

0
 0 0 −1 | 2
5 5 −9 −6 | 28 0 0 0 0 | 0

Da última matriz temos r(A) = r(M ) = 3(número de linhas não nulas) enquanto n = 4(número
de variáveis), então o sistema tem muitas soluções(por apresentar a matriz escalonada o número
das linhas não nulas menor que número das variáveis). 
 x + y − 2z − t = 5


Rescrevendo o sistema a partir da última matriz escalonada, temos z=1

−t = 2


onde x; z; t são incôgnitas principais, porque começam as equações da matriz escalonada e, y
é incôgnita livre, por isso expressamos as variáveis principais em função da variavel livre.


 x=5−m


 z=1
Assim é a solução do sistema dado.


 t = −2

y=m∈R

29
3.2 Exercı́cios: Sistema das Equações Lineares
1) Resolver os sistemas:
(
3x − 5y = 4
(a)
2x + 7y = −10
(
3y − 4x = 1
(b)
3x + 4y = 18
(
2x − 3y = 6
(c)
4x − 6y = 5
( √
x−y 3=1
(d) √ √
x 3 − 3y = 3
(
ax + by = c
(e)
bx − ay = d
( √ √
x 5 − 5y = 5
(f) √
x − 5y = 5

√ ac + bd bc − ad
Respostas(a) (16, 7) (b)(2, 3) (c)∅ (d)1 + y 3, y ∈ R (e)x = 2 ; y = (f)
a + b2 a2 + b 2
∅.

2) Determinar o valor de a e b de modo que o sistema seginte tenha:

(a) solução única;

(b) nenhuma solução;

(c) infinidades de soluções.


" √ #
3x 5 − ay = 1
6x − 4y = b

Resposta (a)a 6= −2; (b)a = −2, b 6= 2; (c)a = −2, b = 2.

3) Determinar o valor de a, de modo que o sistema homogéneo tenha uma solução não nula.
(
13x + 2y = 0
5x + ay = 0

Resposta a = 10/13.

4) Resolver utilizando a regra de Cramer:

30

 2x − 5y + 2z = 7


(a) x + 2y − 4z = 3

 3x − 4y − 6z = 5


 2z + 3 = y + 3x


(b) x − 3z = 2y + 1

 3y + z = 2 − 2x


 x + 2y + z = 4


(c) 3x − 5y + 3z = 1

 2x + 7y − z = 8


 x1 + x2 + 2x3 = −1


(d) 2x1 − x2 + 2x3 = −4

 4x + x + 4x = −2

1 2 3

 x+y+z =a


(e) x−y+z =b

 x+y−z =c



 x1 + 2x2 + 3x3 − 2x4 = 6


 2x − x − 2x − 3x = 8
1 2 3 4
(f)


 3x1 + 2x2 − x3 + 2x4 = 4

2x1 − 3x2 + 2x3 + x4 = −8

Respostas: (a)(5, 1, 1) (b)4 = 0(não podemos aplicar a regra de Cramer); (c)(1, 1, 1);
b+c a−b a−c
(d)(1, 2, −2); (e)x = ,y = ,z = ; (f)(1, 2, −1, −2).
2 2 2
5) Reduzir à forma escalonada e achar o posto da matriz:

 
1 2 3 2
 
(a) A = 
2 3 5 1;

1 3 4 5
 
2 −2 2 1
 
(b) A = 
−3 6 0 −1;

1 −7 10 2
 
3 4 5 6 7
 
4 5 6 7 8
 
(c) A =  5 6 7 8 9  ;
 
 
10 11 12 13 14
 
15 16 17 18 19

31
 
2 −4 3 1 0
 
1 −2 1 −4 2
(d) A =  .
0
 −1 1 −3 −1

4 −7 4 −4 5

Respostas: (a) r(A) = 2; (b) r(A) = 3; (c) r(A) = 2; (d) r(A) = 3.

6) Resolver os sistemas utilizando o método de Gauss:



 x − 2y + 4z = 2


(a) 2x − 3y + 5z = 3

 3x − 4y + 6y = 7


 x − 2y − 3z − 2s + 4t = 1


(b) 2x + 5y − 8z − s + 6t = 4

 x + 4y − 7z + 5s + 2t = 8


 x + 2y − z = 3


(c) x + 3y + z = 5


 3x + 8y + 4z = 17

 2x − y − 3z = 11


(d) 3x − 2y + 2z = 5

 5x − 3y − z = 16


 2x + 3y − 2z = 5


(e) x − 2y + 3z = 2

 4x − y + 4z = 1


 x + 2y + 3z = 3


(f) 2x + 3y + 8z = 4


 3x + 2y + 17z = 1

7) Determinar os valores de a e b de modo que:

(a) o sistema é determinado;

(b) o sistema é incompatı́vel;

(c) o sistema é indeterminado.



 3x − 2y + z = b


5x − 8y + 9z = 3

 2x + y + az = −1

32
Respostas: a)a 6= −3; b)a = −3, b 6= 1/3; c)a = −3, b = 1/3.

8) Que condição deve impor-se a a, b.c para que o seguinte sistema tenha uma solução?

 x + 2y − 3z = a


2x + 6y − 11z = b

 x − 2y + 7z = c

Resposta: c + 2b − 5a = 0.

9) Resolver os sistemas utilizando o método de Gauss



 2x + 3y = 3


(a) x − 2y = 5


 3x + 2y = 7

 x + 2y − 3y + 2t = 2


(b) 2x + 5y − 8z + 6t = 5

 3x + y − 5z + 2t = 4


 x + 2y − z + 3t = 3


(c) 2x + 4y + 4z + 3t = 9

 3x + 6y − z + 8t = 10



 x + 2y + 2z = 2


 3x − 2y − z = 5
(d)


 2x − 5y + 3z = −4

x + 4y + 6z = 0


 x + 5y + 4z − 13t = 3


(e) 3x − y + 2z + 5t = 2

 2x + 2y + 3z − 4t = 1



 x1 + x2 − 3x3 = 1


 2x + x − 2x = 1
1 2 3
(f)


 x1 + x2 + x3 = 3

x1 + 2x2 − 3x3 = 1

10) Determinar os valores de k de modo que o seguinte sistema homogéneo tenha uma solução
não nula.

33



 3x − 2y + z = 0
kx − 14y + 15z = 0

x + 2y − 3z = 0

Resposta: k = 5.

11) Deterinar o valor de k de modo que o seguinte sistema seja:


(a) determinado; (b) incompatı́vel; (c) indeterminado.

 kx + y + z = 1


x + ky + z = 1


 x + y + kz = 1

Resposta: a)k 6= 1 e k 6= −2; b)k = −2 c)k = 1.

12) Determinar o valor de k de modo que o sistema seja compatı́vel





 2x1 − x2 + x3 + x4 = 1
x1 + 2x2 − x3 + 4x4 = 2

 x + 7x − 4x + 11x = k

1 2 3 4

Resposta: k = 5.

13) Investigar os sistemas e resolver se forem compatı́veis.




 5x1 − 3x2 + 2x3 + 4x4 = 3


 4x − 2x + 3x + 7x = 1
1 2 3 4
(a)
 8x1 − 6x2 − x3 − 5x4 = 9



7x1 − 3x2 + 7x3 + 17x4 = k



 3x1 + 2x2 + 5x3 + 4x4 = 3


 2x + 3x + 6x + 8x = 5
1 2 3 4
(b)


 x1 − 6x2 − 9x3 − 20x4 = −11

4x1 + x2 + 4x3 + kx4 = 2

−5x3 − 13x4 − 3
Respostas: (a)Se k 6= 0 então é incompatı́vel. Se k = 0 então x1 = ; x2 =
2
−7x3 − 19x4 − 7
; x3 ; x4 ∈ R
2
4−k 9k − 16 8x3
(b) Se k = 0 então é incompatı́vel. Se k 6= 0 então x1 = ; x2 = − ; x4 =
5k 5k 5
1
; x3 ∈ R.
k

34
Capı́tulo 4

ÁLGEBRA VECTORIAL

Definição 4.1. Vector é um terno constituido por uma direcção, um sentido e um número não
negativo.
Notação: Pode ser representado de seguinte forma: ~a; ~b; ~v ; w;
~ ...

Dois pontos (origem e extremidade)

~
~v = AB ~v /B
A

Definição 4.2. Módulo de um vector é um número não negativo que indica o comprimento do
vector.

A
~a / B
|~a| = 3
~b
Ao B
|~b| = 3

Definição 4.3. Vector nulo é o vector de direcção e sentido arbitrários e módulo igual a zero.

Exemplo 4.1. ~o = (0; 0; 0) |~o| = 0.

4.1 Expressão Cartesiana de um Vector


Seja x; y; z um sistema cartesiano ortogonal. Convenciona-se e representa-se por ~i; ~j; ~k os vec-
tores dos eixos cartesianos ortogonais x; y; z

35
zO

~k ?P
~
u
~j
o / y
~i
x
x
~i = (1; 0; 0); ~j = (0; 1; 0); ~k = (0; 0; 1). Então o vector −→
OP = ~u = x~i + y~j + z~k que é a ex-
pressão cartesiana de um vector.

Definição 4.4. Dado o vector com as suas coordenadas ~a = (ax ; ay ; az ) podemos achar o
módulo do vector a partir da igualdade
q
|~a| = a2x + a2y + a2z (4.1)

4.2 Operações Sobre Vectores

4.2.1 Multiplicação Por um Escalar


Definição 4.5. Seja k um escalar e ~v um vector, o produto do vector ~v e um número real k
é um vector representado por k~v tal que:

1) k > 0 então |k~v | = k|~v |

2) k < 0 então |k~v | = −k|~v |.

4.2.1.1 Propriedades: Multiplicação Por um Escalar

Se m, n ∈ R e ~v ; w
~ vectores.

1) m(n~v ) = n(m~v ) = (nm)~v ; (associativa)

2) (m + n)~v = m~v + n~v ; (distribuitiva)

3) m(~v + w)
~ = m~v + m~v ; (distribuitiva)

4) Se ~v = (x; y; z) então m~v = (mx; my; mz);

Exemplo 4.2. - Seja ~v = (1; 2; 1) e m = 2. m~v = 2~v = 2(1; 2; −1) = (2; 4; −2).

36
4.2.2 Adição de Vectores
Dados os vectores ~u e ~v pode se obter a soma ~u +~v (que é também vector) seguindo os seguintes
passos:

1) Regra de triangulo.
Fixa se o ponto A do plano, considere-se o ponto B = A + ~u; considera-se a seguir o
~ é o vector resultante que é −
ponto C = B + ~v e o vector AC

AC = ~u + ~v :

Figura 4.1: Regra do triangulo

2) Regra do paralelogramo
−→
Fixa-se o ponto A que é a origem dos 2 vectores, de modo que os vectores ~u = AB e
−→
~v = AC formem um paralelogramo. A diagonal maior com origem em A é a soma de
vectores ~u + ~v .

Figura 4.2: Regra do paralelogramo

4.2.2.1 Propriedades de Adição de Vectores

1) ~u + ~v = ~v + ~u, Comutatividade.

37
2) ~u + (~v + w)
~ = (~u + ~v ) + w,
~ associatividade.

3) ~u + ~o = ~u, elemento neutro

4) ~u + (−~u) = ~o, elemento oposto.

Nota 4.1. - Sejam dados os vectores com suas coordenadas ~u = (x1 ; y1 ; z1 ) e x2 ; y~2 ; z2 a soma
p
~u + ~v = (x1 + x2 ; y1 + y2 ; z1 + z2 ) e |~u + ~v | = (x1 + x2 )2 + (y1 + y2 )2 + (z1 + z2 )2 .

4.2.3 Subtração de Vectores


Dados vectores ~u e ~v ; defina-se ~u − ~v como sendo vector que se obtem adicionando do ~u o
oposto de ~v , i.é; ~u − ~v = ~u + (−~v ) = w.
~

Figura 4.3: subtração de vectores

Definição 4.6. Condição de Paralelismo de 2 Vectores - Dois vectores não nulos ~u e ~v . São
paralelos se e só se existir um escalar k tal que o ~u = k~v .

Exemplo 4.3. - Sejam ~u = (1; 2) e ~v = (−2; −4).


Resolução: Para se obter o vector ~v = (−2; −4) deve-se multiplicar por k = 2 o vector
~u = (1; 2). Então, estes vectores são paralelos.

Definição 4.7. Condição de Complanaridade de 2 Vectores - O vector ~v é complanar aos


vectores ~u e w~ (não nulos
e não entre si) se e só se existirem k1 ∈ R e k2 ∈ R tal
paralelos
~u x1 y1 z1


que ~v = k1~u + k2 w
~ ou ~v = x2 y2 z2 = 0.

w ~ x3 y3 z3

38
4.2.4 Produto Escalar
Definição 4.8. Sejam dados 2 vectores ~a e ~b não nulos, o produto escalar de dois vectores não
nulos é igual:

1) ~a.~b = |~a||~b|. cos α onde α = (~a, ~b);

2) Se ~a = 0 ou ~b = 0 então ~a.~b = 0;

3) Se ~a e ~b são perpendiculares ou formam um angulo de 900 temos ~a.~b = 0 porque cos 900 =
0.

Nota 4.2. : Algumas Igualdades


~a.~b √
1) cos α = 2) |~a| = ~a~a; 3) |~a|2 = ~a~a.
|~a||~b|

Teorema 4.1. Sejam ~a; ~b e ~c quaisquer vectores e α ∈ R.

1) ~a.(~b + ~c) = ~a.~b + ~a.~c;

2) ~a.~b = ~b.~a;

3) ~a(α.~b) = (α.~a)~b = α(~a.~b);

4) ~a.~a ≥ 0; ~a.~a = 0 ⇔ ~a = 0.

Definição 4.9. Sejam dados os vectores com suas coordenadas ~a = (ax ; ay ; az ) e ~b = (bx ; by ; bz )

~a.~b = ax .bx + ay .by + az .bz (4.2)

Exemplo 4.4. - Calcule o produto escalar dos vectores ~a = (−1; 2; 2) e ~b = (3; 0; 4).
Pela fórmula (4.2) temos ~a.~b = −1.3 + 2.0 + 2.4 = 5.

Exemplo 4.5. - Qual o ângulo formado pelos vectores do exercı́cio anterior.


A partir da primeira igualdade da definição 4.8 temos ~a.~b = |~a||~b|. cos α. Deduzindo teremos
~a.~b
cos α = .
|~a||~b|
Vejamos que, primeiro temos que calcular os módulos dos vectores dados, para tal temos que
usar a fórmula (4.1)
√ √ √
|~a| = (−1)2 + 22 + 22 = 9 = 3 e |~b| = 32 + 02 + 42 = 25 = 5.
p

~a.~b 5 1
Assim obtemos cos α = = = , então o ângulo formado pelos vectores dados é
|~a||~b| 3.5 3
α = arccos(1/3).

39
4.2.5 Produto Vectorial
Definição 4.10. O produto vectorial de 2 vectores não nulos é um vector ~c tal que ~c = ~a × ~b
tal que:

1) |~c| = |~a × ~b| = |~a|.|~b|. sin α; onde α =< ~a,∧ ~b >

2) ~c ⊥ ~a; ~c ⊥ ~b, onde ~a, ~b e ~c é um terno direito (ordem ~a, ~b e ~c ).

3) ~a = ~o; ~b = ~o então ~a × ~b = ~c = ~o.

Nota 4.3. - O módulo do produto vectorial |~a × ~b| é igual a área do paralelogramo construido
pelos vectores ~a e ~b. Estes vectores devem ter mesma origem.
Se ~a~b então ~a × ~b = ~o.

Teorema 4.2. Seja ~a, ~b, ~c ∈ R3 e α ∈ R :

1) (~a × ~b) = −(~b × ~a);

2) ~a × (~b + ~c) = ~a × ~b + ~a × ~c;

3) α(~a × ~b) = (α~a) × ~b = ~a × (α~b).

Definição 4.11. Sejam dados os vectores com suas coordenadas, ~a = (ax ; ay ; az ) e ~b =


(bx ; by ; bz ). O produto vectorial poderá ser obtido pela fórmula

~ ~ ~
i j k
~a × ~b = ax ay az .

(4.3)

bx by bz

Exemplo 4.6. - Calcule o produto vectorial para estes 2 vectores ~a = (1; 2; 3) e ~b = (5; −1; −2).

~ ~
i j ~k
A partir da igualdade (4.3) temos ~a×~b = 1 2 3 = ~i.(−1)2 (2.(−2)−3.(−1))+(−1)3~j(1.(−2)−

5 −1 −2

5.3) + (−1)4~k(1.(−1) − 5.2) = −1~i + 10~j − 11~k = (−1; 10; −11).

Vejamos que para o cálculo deste determinante aplicamos o desenvolvimento de Laplace, usando
o desenvolvimento da primeira linha. Neste caso temos a obrigação de usar o desenvolvimento
da primeira linha uma vez que temos que apresentar os vectores directores ~i, ~j e ~k.

40
4.2.6 Produto Misto
Definição 4.12. Sejam dados 3 vectores ~a; ~b; ~c ∈ R3 . O produto (~a × ~b).~c chama-se produto
misto dos vectores dados e designam-se por ~a~b~c.

Nota 4.4. (~a × ~b).~c = ~a.(~b × ~c).

Teorema 4.3. Produto Misto

1) O módulo do produto misto |~a~b~c| é igual a volume do paralelopipedo construido pelos


vectores ~a; ~b; ~c. i.é:
Vp = |~a~b~c| = |(~a × ~b).~c| = |~a.(~b × ~c)| (4.4)

e
Vp
Vt = (4.5)
6
onde Vp − volume do paralelopipedo e Vt − volume do tetraedro;

2) Se o terno ~a~b~c é direito então Vp = |~a~b~c|;

3) Se o terno ~a~b~c é esquerdo então −Vp = |~a~b~c|.

Nota 4.5. - Os vectores ~a; ~b; ~c são complanares se e só se o produto misto (~a × ~b).~c = 0.

Teorema 4.4. Sejam dados os vectores com suas coordenadas; ~a = (ax ; ay ; az ) ~b = (bx ; by ; bz )
e ~c = (cx ; cy ; cz ); então
a a a

x y z
~a~b~c = bx by bz .

(4.6)

cx cy cz

Exemplo 4.7. - Seja os vectores ~a = (−1; 2; 1); ~b = (1; 1; 1) e ~c = (2; 1; 2). Calcule o volume
do tetraedro construido pelos vectores dados.
Resolução: A partir dos vectores dados, calculamos o produto misto com a fórmula (4.6) e,
usando desenvolvimento de Laplace para a segunda linha temos:

−1 2 1


~

~ab~c = 1 1 1 = 1.(−1)3 .(2.2 − 1.1) + 1.(−1)4 .(−1.2 − 2.1) + 1.(−1)5 (−1.1 − 2.2) = −2.


2 1 2

Calculando o módulo para este produto misto teremos |~a~b~c| = | − 2| = 2, que o volume
do paralelopı́pedo. E para o cálculo do volume do tetraedro aplicamos a fórmula (4.5), isto é;

Vp 2 1
Vt = = = .
6 6 3

41
Nota 4.6. : Para alguns exercı́cios deste capı́tulo procure os conceitos de bissetriz, mediana,
ortocentro e centro de gravidade.

42
4.3 Exercı́cios: Álgebra Vectorial
~ = ~b. Construir
~ = ~a, AC
1) Num triângulo ABC, |AB| = 3, |AC| = 4, |CB| = 5. Sejam AB
os vectores:
(a) 21 (~a + ~b) (b) − 12 (~a − ~b), (c) 12 (~b − ~a), (d) − 21 (~a + ~b).

2) Dado um triângulo ABC. Os pontos M e N dividem o lado AB em três partes iguais.


~ e −−→ −→ − −−→ → −
Achar os vectores CM CN , se CA = →
a , CB = b .


3) Utilizando as propriedades básicas das operações lineares, demonstrar que se →

a + b =


a +→ −c , então →

b =→
−c .

4) Utilizando as propriedades básicas das operações lineares, demonstrar que →



a +→

a = 2→

a.

− → − →
− →

5) Seja →

a ⊥ b , | b | = 12. Determinar |→

a + b | e |→

a − b |.

− →

6) Os vectores →

a e b formam um ângulo de 600 , |→

a | = 5, | b | = 8. Determinar os módulos

− − → −
de vectores →

a + b e →a − b.

− →
− →

7) Os vectores →

a , b formam o ângulo 1200 , |→

a | = 3, | b | = 5. Determinar |→

a + b| e


|→

a − b |.

8) Num triânulo ABC, o segmento AM é a bissetriz do ângulo BAC. O ponto M pertence


−→ → − −→ −
ao lado BC, AB = b , AC = →c.
−−→ →
− −
Expressar o vector AM através de b e →
c.

9) O ponto O é o centro de gravidade dum triângulo ABC. Demonstrar que;


−→ −−→ −→ → −
OA + OB + OC = O .

− − →

10) Seja →

a + b +→ c = 0, |→

a | = 3, | b | = 1, |→
−c | = 4.

− →

Calcular →

a . b + b .→
−c + →−c .→

a.

− →
− →
− → − →
− →
− →

11) Determinar o valor α para o qual os vectores →

a = α i −3 j +2 k e b = i +2 j −α k
são ortogonais.

12) Dados os vértices do triângulo ABC, achar o ângulo ABC e o perı́metro do triângulo,
√ √ √
se: (a) A(2, 2, 0), B(1, 1, 0), C(0, 0, 2); (b) A( 2, 0, 0), C(0, 0, 2).

13) Seja →

a = (4; −12; az ) e |→

a | = 13. Achar az .

14) Calcular os co-senos directores do vector →



a :

− →

(a) a = (12; −15; −16); (b) a = (3/13; 4/13; 12/13).

− − →

15) Os vectores →

a , b ,→c formam os ângulos de 600 dois a dois. |→

a | = 4, | b | = 2 e |→
−c | = 6.

− −
Achar |→
−a + b +→ c |.

43
16) Demonstrar que →−a ⊥→ −
p , onde:

− →

(a) →

p = b (→

a .→
−c ) − →−c (→
−a . b );

− −
→ −→ −

(b) →

p = b − a (−→
a
a.b)
2 .

17) Calcular os ângulos do triângulo ABC onde A(1, 2, 1), B(3, −1, 7), C(7, 4, −2).

18) →
−x //→

a = (6; −8; −7.5), |→

x | = 50, (→

x ,boz ) é um ângulo agudo. Achar as coordenadas do
vector →

x.


− →
− →
− →

19) Seja →

x ⊥ →−a = (2; 3; −1); →

x ⊥ b = (1; −2; 3) e →

x .(2 i − j + k ) = −6. Achar as
coordenadas do vector →
−x.


− →
− →
− →
− −
20) Seja →

a = (2; −1; 3), b = i − 3 j + 2 k , →
c = (3; 2; −4).

− →

Achar as coordenadas do vector x tal que →

− −x . b = −5, →
−x . b = −11, →

x .→
−c = 20.



21) Seja →

a = (1; −3; 4); b = (3; −4; 2); →
−c = (−1; 1; 4).

Calcular P r−


−a.
b +−

c


− →
− →

22) Seja |→

a | = 3, | b | = 26, |→

a × b | = 72. Achar →

a.b


− − →
− →
− −
23) Seja →

a + b +→
c = 0. Demonstrar que →

a × b = b ×→
c =→
−c × →

a.



24) Seja →

a = (3; −1; −2), b = (1; 2; −1). Calcular:

− →
− →
− −c − →
− →

(a) →

a × b ; (b) (2→

a + b ) × b ; (c) (2→ b ) × (2→

a + b ).

25) Dados os vértices do triângulo A(1, −1, 2), B(5, −6, 2) e C(1, 3, −1), calcular o compri-
mento da altura que passa pelo vértice B.


− → − − → →
− −
26) Demonstrar que se →

a × b + b ×→
c + −c × →

a = 0 então →

a , b ,→
c são complanares.


− −
27) Determinar o tipo de terno →

a , b ,→
c (dirito, esquerdo):

− →− →
− → →
− →
− → − → − →
− − →
− →
− → − →−
(a) a = k , b = i , c = j ; (b) a = i + j , b = j , →

− − →
− c = k (c) →

a = i + j, b =
←− → − − →
− →
− → − →− →
− → − − →

i − j ;→
c = j (d) → −a = i + j , b = i − j ,→ c = k.


−−
28) Verificar se os vectores →

a, b→c são complanares ou não:


(a) →
−a = (2, 3, −1) b = (1, −1, 3) →−c = (1, 9, −11);


(b) →
−a = (3, −2, 1) b = (2, 1, 2) →
−c = (3, −1, −2);


(c) →

a = (2, −1, 2) b = (1, 2, −3) → −c = (3, −4, 7).

29) A(2, 3, 1), B(4, 1, −2), C(6, 3, 7), D(−5, −4, 8) são vértices do tetraedro. Achar a altura
que passa pelo vértice D. Construir o tetraedro.

44
30) O volume do tetraedro ABCD é igual a 5; A(2, 1, −1), B(3, 0, 1), C(2, −1, 3). O vértice
D fica no eixo OY. Achar as coordenadas do ponto D.
Achar a altura do tetraedro ABCD que passa pelo vértice B, se:
(a) A(3; −2; 3), B(1; 0; 0), C(1; 0; 3), D(1; −2; 5);
(b) A(3; 2; 3), B(1; 4; 3), C(3; 4; 3), D(3; 4; 5).

− →
− − →

31) Calcular (→

a × b )× e →

a ×( b ×→
c ), onde →

a = (2, −3, 1), b = (−3, 1, 2) e →
−c = (1, 2, 3)

45
Capı́tulo 5

ESPAÇOS E SUBESPAÇOS
VECTORIAIS

5.1 Espaço Vectorial Linear


Definição 5.1. Seja R um conjunto dos numeros reais e V um conjunto não vazio com as
regras de adição e multiplicação por um escalar.
Isto é: ∀u; v ∈ V ∃! u + v ∈ V ∀u ∈ V, e ∀α ∈ R ∃!αu ∈ V. Então, V chama-se espaço
vectorial (linear) sobre R se se cumprem os axiomas seguintes:

A1. ∀u; v; w ∈ V, (u + v) + w = u + (v + w)

A2. ∃0 ∈ V u + 0 = u para todo u ∈ V

A3. ∀u ∈ V ∃ −u ∈ V tal que u + (−u) = 0;

A4. ∀u, v ∈ V, tal que u + v = v + u

M1. ∀α ∈ R, ∀u, v ∈ V tal que α(u + v) = αu + αv

M2. ∀α; β ∈ R, ∀u ∈ V tal que (α + β)u = αu + βu

M3. ∀α; β ∈ R, ∀u ∈ V tal que (αβ)u = α(βu)

46
M4. ∀ ∈ V ; 1.u = u.

5.2 Dependencia e Independencia Linear. Subespaços.


Base e Dimensão
Definição 5.2. Seja V um espaço vectorial um subconjuntos não-vazio W ⊆ V. Chama-se
subespaço de V se W é fechado em relação as operações lineares em V. Isto é: ∀w1 ; w2 ∈ W :
w1 + w2 ∈ W e ∀w ∈ W, ∀α ∈ R : αw ∈ W.

Exemplo 5.1. - Mostre que W = {(a; b; c) : a + b + c = 1} não é subespaço em R3 .


Resolução:
Seja w1 = (1; 0; 0) ∈ W e w2 = (1; 0; 0) ∈ W. A adição w1 +w2 = (1; 0; 0)+(1; 0; 0) = (2; 0; 0) 6∈
W. Logo W não é subespaço vectorial de R3 .

Exemplo 5.2. - Determine se W, é ou não um subespaço de R3 . W = {(a; b; c) : a ≤ b ≤ c}.


Resolução:
O conjunto W é formado por todos os vectores da forma (a; b; c) tal que a ≤ b ≤ c. Vejamos o
produto: seja w1 = (−2; 2; 3) ∈ W e α = −1 ∈ R assim α.w1 = −1.(−2; 2; 3) = (2; −2; −3) 6∈
W, uma vez que o produto obtido temos um vector onde a primeira coordenada 2 é maior que
as restantes coordenadas, contrariando assim a condição dada.

Definição 5.3. Sejam V um espaço vectorial e α1 ; α2 ; ...; αn ∈ R. Então a expressão α1 v1 +


α2 .v2 +...+αn .vn chama-se combinação linear dos vectores v1 ; v2 ; ...vn com coeficientes α1 ; α2 ; ...; αn .

Definição 5.4. Sejam V um espaço vectorial e v1 ; v2 ; ...; vn ∈ V. O conjunto de todas as com-


binações lineares dos vectores v1 ; v2 ; ...; vn chama-se espaço gerado por v1 ; v2 ; ...; vn e designa-se
por < v1 ; v2 ; ...; vn > . < ∅ >= {0}.

Definição 5.5. Sejam V um espaço vectorial e v1 ; v2 ; ...; vn ∈ V. Diz-se que os vectores


v1 ; v2 ; ...; vn geram V se V =< v1 ; v2 ; ...; vn > .

Definição 5.6. Seja V um espaço vectorial. Os vectores v1 ; v2 ; ...; vn ∈ V chamam-se linear-


mente dependentes (LD), se existirem α1 ; α2 ; ...; αn ∈ R nem todos nulos tais que α1 v1 + α2 v2 +

47
... + αn vn = 0.
Caso contrário, os vectores v1 ; v2 ; ...; vn são linearmente independentes (LI), isto é: α1 v1 +
α2 v2 + ... + αn vn = 0 se e só se α1 = α2 = ... = αn = 0.

Exemplo 5.3. - Expressar v = (1; −2; 5) ∈ R3 , como uma combinação linear dos vectores
u1 = (1; −3; 2); u2 = (2; −4; −1) e u3 = (1; −5; 7).
Resolução: Suponhamos que: v = xu1 + yu2 + zu3 isto é: 


 x + 2y + z = 1
(1; −3; 2) = x(1; −3; 2)+y(2; −4; −1)+z(1; −5; 7) que nos leva ao sistema −3x − 4y + 5z = −2

2x − y + 7y = 5


   
1 2 1 | 1 1 2 1 | 1
   
Resolvendo este sistema: M =  −3 −4 −5 | 2 ∼ ... ∼ 0 2 −2 | 1  .
   
2 −1 7 | 5 0 0 0 | 11
r(A) = 2 6= r(M ) = 3.
O sistema é impossı́vel (não tem soluções). Assim v não é combinação linear de u1 ; u2 ; u3 .

Exemplo 5.4. - Determine se os vectores em R3 são ou não LD. u = (1; −2; 1) v = (2; 1; −1)
w = (7; −4; 1)
Resolução: Pela definição os vectores são LD se existirem x, y, z não todos nulos tal que
xu + yv + zw = 0. Isto é: 
 x + 2y + 7z = 0


x(1; −2; 1) + y(2; 1; −1) + z(7; −4; 1) = (0; 0; 0), que nos leva ao sistema −2x + y − 4z = 0

x−y+z =0


   
1 2 7 | 0 1 2 7 | 0
   
Resolvendo o sistema teremos: M = −2 1 −4 | 0 ∼ ... ∼ 0 5 10 | 0 .
   
1 −1 1 | 0 0 0 0 | 0
r(A) = r(M ) = 2 < 3.
O sistema é indeterminado (tem muitas soluções), logo u; v; w são linearmente dependentes.

Definição 5.7. Um conjunto ordenado B = {v1 ; v2 , ..., vn } de vectores é uma base de um espaço
vectorial V se:

1) v1 ; v2 ; v3 ; ...; vn forem L.I

2) V =< v1 ; v2 ; v3 ; ...; vn >

Exemplo 5.5. - Mostrar que B = {u1 = (2; 1); u2 = (1; −1)} é uma base de R2 .
Resolução:

48
1) u1 = (2; 1) ∈ R2 e u2 = (1; −1) ∈ R2 . {u1 ; u2 } ∈ R2 . Logo R2 =< u1 ; u2 > é gerado por
vectores u1 ; u2 .

2) u1 ; u2 são L.I? xu1 + yu2 = 0 isto é: x(2; 1) + y(1; −1) = (0; 0). Resolvendo o sistema
teremos:
" # " #
2 1 | 0 2 1 | 0
M= ∼ ... ∼ .
1 −1 | 0 0 −3/2 | 0
r(A) = r(M ) = 2. Assim temos um sistema determinado. x = 0 e y = 0 logo os vectores
u1 ; u2 são L.I.
De 1) e 2) temos B = {u1 = (2; 1); u2 = (1; 1)} é base em R2 .

Exemplo 5.6. - Diga quais os valores reais do parametro p, de modo que os seguintes vectores
(2; 0; 0); (p; 2; p) e (0; p; 2) formam uma base em R3 .
Resolução:
Para que os vectores formam uma base no espaço R3 :
1- O espaço vectorial R3 : é gerado pelos vectores dados; (cumpre-se), uma vez que temos 3
vectores e cada vector tem 3 coordenadas.
2- Os vectores devem ser L.I; (vejamos):

x(2; 0; 0) + y(p; 2; p) + z(0; p; 2) = (0; 0; 0). Escalonando a matriz


   
2 p 0 | 0 2 p 0 | 0
  p   
0 2 p | 0

M = 0 2 p | 0 ∼ − L2 + L3 → L3 ∼ 
  
2

 p2 
0 p 2 | 0 0 0 2− | 0
2
Para que os vectores sejam LI, o sistema anterior deve ter única solução, para tal r(M ) =
p2
r(A) = n = 3; pelo que 2 − 6= 0; onde p 6= ±2.
2

Logo para que os vectores sejam LI, o p 6= ±2 e assim com a condição 1, os vectores da-
dos formam uma base no espaço R3 para p 6= ±2.

49
5.3 Exercı́cios: Espaços e Subespaços Vectoriais
1) Seja V o conjunto de todos os pares ordenados (a, b) de números com as operações
seguintes:
Soma: (a, b) + (c, d) = (a + c, b + d);
produto: α(a, b) = (αa, b).
Mostre que V não é um espaço vectorial.

2) Seja V o conjunto de pares ordenados de números reais. Mostre que V não é um espaço
vectorial com adição e multiplicação por α ∈ R definidas por:
(a) (a, b) + (c, d) = (a + c, b + d) e α(a, b) = (a, αb);
(b) (a, b) + (c, d) = (a, b) e α(a, b) = (α2 a, α2 b);
(c) (a, b) + (c, d) = (ac, bd) e α(a, b) = (αa, αb);
(d) (a, b) + (c, d) = (a + c, b + d) e α(a, b) = (αa, 0).

3) Mostre que W = {(a, b, c) : a + b + c = 0} é um subespaço e R3 .

4) Determine se W é ou não um subespaço de R3 :


(a) W = {(a, b, c) : a = 2b};
(b) W = {(a, b, c) : a ≤ b ≤ c};
(c) W = {(a, b, c) : a = b = c};
(d) W = {(a, b, c) : a = b2 }.

5) Seja V o espaço vectorial de todas as funções reais de uma variável real. Mostre que W
é um subespaço de V em cada um dos seguintes casos:
(a) W -o conjunto de todas as funções pares;
(b) W -o conjunto de todas as funções contı́nuas;
(c) W -o conjunt de todas as funções deriváveis.

6) Mostre que o conjunto de todos os polinómios de grau n não é um subespaço do espaço


vectorial de todos os polinómios.

7) Determine se u e v são LD ou não:


(a) u = (2; 1), v = (1; 3); (b) u = (4; 6), v = (−2; −3)
(c) u = (3; −1), v = (−6; 2); (d) u = (2; 3; −1),
" v = (−1;# 3; 2);" #
1 2 3 2 4 6
(e) u = (4; 3; −1), v = (−8; −6; 2); (f) u = ,v = ;
0 2 −1 0 4 −2
" # " #
1 1 2 0 1 2
(g) u = ,v = ; (h) u = x4 − 3x2 − 6x + 4, v = x4 − x3 − x2 − 6x + 4;
2 1 0 2 1 1
(i) u = −x3 + 2x2 − 3x + 6, v = 2x3 − 4x2 + 6x − 12;
(j) u = 2x2 − 3x, v = −6x2 + 9x − 3.

50
8) Determine se os seguintes vectores em R3 são LD ou não:
(a) (1, −2, 1); (2, 1, −1); (7, −4, 1);
(b) (1, −3, 7); (2, 0, −6); (3, −1, −1); (2, 4, −5);
(c) (1, 2, −3); (1, −3, 2); (2, −1, 5);
(d) (2, −3, 7); (0, 0, 0); (3, −1, −4).

9) Seja V o espaço vectorial das matrizes da dimensão 2 × 2 sobre R. Determine se as


matrizes "A, B,#C são LD
" ou #não, onde:
" #
1 1 1 0 1 1
(a) A = , B= , C= ;
1 1 0 1 0 0
" # " # " #
1 2 3 −1 1 −5
(b) A = , B= , C= .
3 1 2 2 −4 0

10) Sejam V o espaço vectorial das matrizes da dimensão 2 × 3 sobre R. Determine se as


matrizes "A, B, C são#LD ou não;
" onde: # " #
1 −2 3 1 −1 4 3 −8 7
(a) A = , B= , C= ;
2 4 −1 4 5 −2 2 10 −1
" # " # " #
2 1 −1 1 1 −3 4 −1 2
(b) A = , B= , C= .
3 −2 4 −2 0 5 1 −2 −3

11) Seja V o espaço vectorial dos polinómios sobre R. Determine se u, v, w são LI ou LD


onde:
(a) u = x3 − 3x2 + 5x + 1, v = x3 − x2 + 8x + 2, w = 2x3 − 4x2 + 9x + 5;
(b) u = x3 + 4x2 − 2x + 3, v = x3 + 6x2 − x + 4, w = 3x3 + 8x2 − 8x + 7.

12) Sejam u, v, w -LI. Mostre que


u + v, u − v, u − 2v − w também são LI.

13) Determine se os seguintes vectores formam ou não uma base do espaço R3 .


(a) (1, 1, 1); (1, −1, 5); (b) (1, 2, 3); (1, 0, −1); (3, −1, 0); (2, 1, −2);
(c) (1, 1, 1); (1, 2, 3) : (2, −1, 1); (d) (1, 1, 2); (1, 2, 5); (5, 3, 4).

14) Achar as coordenadas do vector v em relação à base B = {u1 , u2 , u3 } :


(a) v = (10, −7, 1), u1 = (1, 2, −1), u2 = (−2, 3, 1), u3 = (3, −4, 2);
(b) v = (2, 8, 4), u1 = (1, 2, 1), u2 = (−1, 3, −1), u3 = (1, −4, 2);
(c) v = (8, 16, 3), u1 = (7, 9, 4), u1 = (−5, 3, 7), u3 = (−2, 5, 3).

15) Seja V o espaço vectorial dos polinómios de grau≤ 3. Achar as coordenadas do polinómio
u = 2x3 + x2 − 3x + 2 em relação à base B = {1, 1 − x, (1 − x)2 , (1 − x)3 }.

51
Capı́tulo 6

NÚMEROS COMPLEXOS

6.1 Números Complexos C


Neste capı́tulo daremos um breve historial nas operações das equações até chegarmos ao con-
junto complexo.

1) Seja conjunto N = {1; 2; 3; ...}, o conjunto dos números naturais.


Para x + y ∈ N ∀x; y ∈ N e para x.y ∈ N ∀ ∈ N.

Exemplo 6.1. - Na equação x + 4 = 2 a solução é x = −2 6∈ N. Assim surge os números


inteiros positivos e negativos incluindo o zero. O conjunto Z.

1
2) Z = {...; −3; −2; −1; 0; 1; 2; 3; ...}. Para a equação 2x = 1 temos x = 2
6∈ Z. Dai surge o
conjunto Q.

3) Q = { m
n
: m; n ∈ Z; n 6= 0}. Se x2 = 2 a solução é x = 2 ∈ R.

4) N ⊆ Z ⊆ Q ⊆ Q . Mas vejamos a solução da equação x2 + 2 = 1. x = −1 ∈ R, então

definamos −1 = i ∈ C. i− unidade imaginária.

Exemplo 6.2. - Resolvendo a equação, x2 + 2x + 10 = 0. Onde M= 4 − 4.10 = −36 < 0, para


√ √ p √ −2 ± 6i
M = −36 = 62 .(−1) = 6 −1 = 6i e x = ∈ C.
2

6.1.1 Representação de um Número Complexo


Seja z = x + iy onde x, y ∈ R.
x é parte real do número complexo z e representa-se por R(z) = x; y é parte imaginária do
número complexo z, e represenat-se por Im(z) = y.

52
6.1.2 Fórmula Algebrica de Um Número Complexo

Temos a fórmula álgebrica z = x + iy onde x, y ∈ R. Onde x = R(z) e y = Im(z).

Exemplo 6.3. - Para z = 2 − 3i temos 2 = R(z) e −3 = Im(z)

6.1.3 Igualdade De Números Complexos

Seja z1 = x1 + iy1 e z2 = x2 + iy2 . Temos igualdade de números complexos se z1 = z2 isto é;


quando x1 = x2 e y1 = y2 .

Exemplo 6.4. - Para z1 = 3 + i e z2 = 3 + i. Os números complexos são iguais z1 = z2 porque


Re(z1 ) = 3 = Re(z2 ) e Im(z1 ) = 1 = Im(z2 )

Exemplo 6.5. - Para z1 = 3 − i e z2 = 3 + 2i. Os números complexos não são iguais z1 6= z2


porque Im(z1 ) = −1 6= Im(z2 ) = 2.

6.1.4 Oposto de Número Complexo

Dado z = x + iy o seu oposto é −z = −(x + iy) = −x − iy.

Exemplo 6.6. - Para z = 3 − 2i o oposto é −z = −(3 − 2i) = −3 + 2i.

6.1.5 Conjugado de Número Complexo

Dado um número complexo z = x + iy. O conjugado de um número complexo representa-se


por z. Dado z = x + iy, o seu conjugado é z = x − yi.

Exemplo 6.7. - Dado z = −2 + 3i o z = −2 − 3i.

Exemplo 6.8. - Dado z = 4 − i o z = 4 + i.

53
6.1.6 Operações Sobre Números Complexos
1) Adição. Seja z1 = x1 + iy1 e z2 = x2 + iy2 a soma z1 + z2 = (x1 + iy1 ) + (x2 + iy2 ) =
(x1 + x2 ) + i(y1 + y2 ).

Exemplo 6.9. - Para z1 = 3 − 2i e z2 = i a soma z1 + z2 = (3 + 0) + (−2 + 1)i = 3 − i.

2) Multiplicação. Seja z1 = x1 +iy1 e z2 = x2 +iy2 o produto z. z2 = (x1 +iy1 ).(x2 +iy2 ) =


x1 .x2 + x1 y2 i + y1 x2 i + y1 y2 i2 = x1 x2 + (x1 y2 + y1 x2 )i − y1 y2 . Para i2 = −1.
z1 x1 + iy1 z1 .z2
3) Divisão Para z1 = x1 + iy1 e z2 = x2 + iy2 . A divisão = = =
z2 x2 + iy2 z2 .z2
(x1 + iy1 )(x2 − iy2 ) x1 x2 − x1 y2 i + x2 y1 i + y1 y2
= .
(x2 + iy2 )(x2 − iy2 ) x22 + y22

6.1.7 Módulo de um Número Complexo

Figura 6.1: Módulo de um número complexo

No plano complexo temos |z|2 = x2 + y 2 onde temos o módulo do número complexo


p
|z| = x2 + y 2 .
y x
Apartir das razões trigonométricas sin α = e cos α = igualando o |z| obtemos
|z| |z|
y x y
= que nos leva ao angulo α = arctan .
sin α cos α x

Exemplo 6.10. - Identifique a figura dada pela expressão:



|(1 + i)z − 2| ≤ 3 2.
Resolução: Seja z = x + iy,
(1 + i)(x + iy) − 2 = x + iy + xi − y − 2 = (x − y − 2) + (x + y)i, então |(1 + i)z − 2| =
p √
|(x − y − 2) + (x + y)i| = (x − y − 2)2 + (x + y)2 ≤ 3 2
(x − y − 2)2 + (x + y)2 ≤ 18 ⇔ x2 − xy − 2x − xy + y 2 + 2y − 2x + 2y + 4 + x2 + 2xy + y 2 ≤ 18

54
x2 +y 2 −2x+2y ≤ 7, ⇔ (x−1)2 +(y−1)2 ≤ 32 . Temos um cı́rculo de centro c(1; −1) e raio r = 3.

6.2 Transformação da Forma Algebrica para a Forma


Polar
Seja z = x + iy, para x = |z| cos α e y = |z| sin α obtemos

|z| cos α + |z| sin α = |z|(cos α + i sin α) = z (6.1)

. Que é a forma polar de um número complexo.

6.2.1 Operações de Números Complexos na Forma Polar (Trigo-


nométrica)
Sejam 2 números complexos z = |z|(cos θ + i sin θ) e w = |w|(cos φ + i sin φ) a multiplicação
z |z|
z.w = |z||w|[cos(θ + φ) + i sin(θ + φ)] e a divisão w
= |w|
= [cos(θ − φ) + i sin(θ − φ)]

6.2.2 Fórmula de Moivre


(cos θ + i sin θ)n = |z|n (cos nθ + i sin nθ) (6.2)

ou
z n = |z|2 (cos nθ + i sin nθ) (6.3)

∀n ∈ N.

Exemplo 6.11. - Escreva na forma x + iy os seguintes números:



a) (3i − 3)18
Resolução:
√ √
Seja z = x + iy onde para (3i − 3)18 o x = − 3 e y = 3.

y 3 √ π
= arctan √ = arctan(− 3) = −
θ = arctan
x − 3 3
5π p √ √ √
ou θ = e |z| = x2 + y 2 = 9 + 3 = 12 = 2 3.
3

Da fórmula z n = |z|n (cos nθ + i sin nθ) temos


√ √ 5π 5π
(3i − 3)18 = (2 3)18 (cos 18. + i sin 18. ) = (12)9 (cos 30π + i sin 30π) = 129 .
3 3
55
b) (−i)20
Resolução:
p
Para z = x + iy temos x = 0, y = −1 e |z| = (−1)2 + 02 = 1.

−1 π 3π
Para θ = arctan = arctan(−∞) = − ou θ = .
0 2 2
3π 3π
Então (−i)20 = 120 (cos 20. + i sin 20. ) = cos 30π + i sin 30π = 1.
2 2

6.3 Transformção das Coordenadas

6.3.1 Coordenadas Polares

Coordenadas cartesianas P (x; y). Para x = ρ cos θ e y = ρ sin θ onde ρ = |z|.


p
Coordenadas polares p(θ; ρ). Para θ = arctan xy e ρ = x2 + y 2 .

6.3.2 Coordenadas Cilindricas

3
Sejam cooredenadas cartesianas e coordenadas
 cilı́ndricas no espaço R
 x = ρ cos θ


Coordenadas cartesianas P (x; y; z). Para y = ρ sin θ


 z=z
 p


 ρ = x2 + y 2
Coordenadas Cilı́ndricas P (ρ; θ; z). Para θ = arctan xy


 z=z

Exemplo 6.12. - Dado o ponto P (1; 1; 3) em coordenadas cartesianas; passe para coordenadas
cilı́ndricas.
Resolução:
Para coordenadas cilı́ndricas temos o ponto P (r; θ; z), onde o z é o mesmo das coordenadas
cartesianas.

p √ √ 1 π
r= x2 + y 2 = 12 + 12 = 2 e θ = arctan =
√ π 1 4
Logo P (r; θ; z) = P ( 2; ; 3).
4

56
6.3.3 Coordenadas Esféricas
3
Sejam cooredenadas cartesianas e coordenadas
 esféricas no espaço R
 x = ρ sin φ cos θ


Coordenadas cartesianas P (x; y; z). Para y = ρ sin φ sin θ


 z = ρ cos φ
 p


 ρ = x2 + y 2 + z 2
Coordenadas cilı́ndricas P (ρ; φ; θ). Para θ = arctan xy

φ = arccos ρz

Exemplo 6.13. - Ache as coordenadas esféricas do ponto Q cuja as coordenadas cartesianas


são Q(1; 0; 1).
Resolução:
O ponto em coordenadas cartesianas tem coordenadas x = 1, y = 0 e z = 0. Em coordenadas
z
esféricas o ponto Q = (ρ; θ; ϕ), onde cos ϕ = , para
ρ
p √ √
ρ = x2 + y 2 + z 2 = 12 + 02 + 12 = 2,
z 1 π
então cos ϕ = = √ , onde ϕ = ; e
ρ 2 4
y 0
θ = arctan = arctan = arctan 0 = 0.
x 1

√ π
Logo Q = (ρ; θ; ϕ) = ( 2; 0; ).
4

Exemplo 6.14. - Esboce as curvas para θ ∈ [0; 2π]

1) r = a(1 − sin(θ)) para a > 0

2) r = cos(2.θ)
p
3) r = cos(2θ)

Resolução:

57
90
4
120 60

150 2 30

180 0

210 330

240 300

270

Figura 6.2: Curva polar para r = a(1 − sin(θ)) para a > 0 considerando a = 2.

90
1
120 60
0.8

0.6
150 30
0.4

0.2

180 0

210 330

240 300

270

Figura 6.3: Curva polar para r = cos(2θ)).

58
90
1
120 60
0.8

0.6
150 30
0.4

0.2

180 0

210 330

240 300

270

p
Figura 6.4: Curva polar para r = cos(2θ)).

6.4 Exercı́cios: Números Complexos


1
1) Simplifique: (a) (5 + 3i)(2 − 7i), (b) (4 − 3i)2 , (c) 3−4i
; (d) ( 2−7i
5+3i
); (e) i3 ; (f) i4 ; (g) i3 1;
1
(h) (1 + 2i)3 ; (i) ( 2−3i )2 .

2) Sejam z = 2 − 3i e w = 4 + 5i. Calcule


z
(a) z + w e zw ; (b) w
; (c) z e w; (d) |z| e |w|.

3) Demonstre que: para quaisquer números complexos z, w ∈ C,


(a) z + w = z + w, (b) zw = zw, (c) z = z.

4) Demonstre que: para quaisquer números complexos z, w ∈ C, |zw| = |z||w|.

5) Sejam u = (3 − 2i, 4i, 1 + 6i) e v = (5 + i, 2 − 3i, 5). Calcule:


(a) u + v, (b) 4iu, (c) (1 + i)v (d) (1 − 2i)u + (3 + i)v.

6) Calcule u.v e v.u, onde: (a) u = (1 − 2i, 3 + i), v = (4 + 2i, 5 − 6i);


(b) u = (3 − 2i, 4i, 1 + 6i), v = (5 + i, 2 − 3i, 7 + 7i).

7) Calcule ||u|| onde (a) u = (3 + 4i, 5 − 2i, 1 − 3i); (b) u = (4 − i, 2i, 3 + 2i, 1 − 5i).

8) Demonstre que para quaisquer vectores u, v ∈ Cn e qualquer escalar z ∈ C, (a) v.u = u.v
(b) (zu).v = z(u.v) (c) u.(z.w) = z(u.v).

59
9) Escreva na forma a + ib, onde a e b são reais;
(a) (1 + i)(2 + 3i)2 ; R: −17 + 7i
1+i
(b) 5+2i
; R: (7 + 3i)/29
 3  3
1+i 1−i
(c) 1−i
− 1+i ; R: −2i.

10) Ache
(a) Im(5 − i)(4 + i); R: 1
(b) Re[(1 + i)(1 − i) + i(1 + 2i)]; R: 0
3−4i
(c) 4+3i . R: 1.

11) Ache o número complexo com módulo igual a 1 e que satisfaz a igualdade |1 + iz| = 1.

R: ( 3 + i)/2.

12) Mostre que se z é um número complexo com módulo igual a 1, então 2z−1 = 1.

z−2

13) Mostre que para dois números complexos arbitrários z e w cumpre-se a igualdade

|z + w|2 + |z − w|2 = 2|z|2 + 2|w|2 .

14) Esboce as áreas e figuras dadas pelas expressões:


(a) |z − 1| = 2;
(b) |z + 2| > 3;

(c) |(1 + i)z − 4| < 2 2;
(d) Rez > 0;
(e) |Imz| ≤ 1;
(f) z 2 = −1.

15) Escreva os seguintes números complexos na forma polar:



(a) 1 − i; R: 2[cos(7π/4) + i sin(7π/4)]
(b) −7i; R: 7[cos(3π/2) + i sin(3π/2)]

1+i√3
(c) 1−i 3
. R: cos(2π/3) + i sin(2π/3).

16) Dados os números complexos z1 = 8[cos()2π/3+i sin(2π/3)] e z2 = 2[cos(π/6)−i sin(π/6)],


ache z1 z2 , z1 /z2 e z13 , apresentando os resultados na forma algébrica a+ib. R: z1 z2 = 16i,

z1 /z2 = −2 3 + 2i, z13 = 512.

z−1
17) Mostre que o conjunto de pontos z que satisfazem a igualdade z+1 = C, onde C é um
número real, forma um cı́rculo com centro no eixos dos x.

18) Escreva na forma a + ib os seguintes números:



(a) ( 3 + 3i)18 ; R: 129
(b) (i − 1)−11 . R: (1 − i)/64

60
19) Ache as soluções da equação z 4 = 1.

20) Escreva a equação da recta 2x − 3y = 5 como uma equação polar.

21) Ache a equação cartesiana da curva representada pela equação polar r = 2a cos θ.

22) Esboce a curva r = 2a cos(θ − θ0 ).

23) Esboce a curva r = a(1 − cos θ), onde a > 0.

24) Esboce as curvas polares:


(a) r = cos(2θ)
(b) r = sin(3θ)
(c) r2 = cos(2θ).

25) Dado o ponto (1, 1, 1) em coordenadas cartesianas, passe para coordenadas cilı́ndricas.

R: ( 2; π/4; 1).

26) Dado o ponto [2; π/2; −3] em coordenadas cilı́ndricas, passe para coordenadas cartesianas.
R: (0; 2; −3).

27) Ache as coordenadas cartesianas do ponto P que possui as coordenadas esféricas [2; π/3; π/2].

R: (1; 3; 0).

28) Ache as coordenadas esféricas do ponto Q cujas coordenadas cartesianas são (1; 1; 2).
R: (2; π/4; π/4).

61
Bibliografia

[1] S.Lipschutz. algebra linear. traduzido por Roberto Ribeiro Baldino. Editora Mcgraw-Hill
do Brazil, 2a edicão revisada.

[2] Nguyen Cong Hoan(2006). Alga e Optimização.DMI. UEM. Maputo.

[3] Likuto, Litvine, Reyes. Algebra linear e introdução à Análise Vectorial.

[4] R.A.Adams(2003) Calculus: a Complete Course. Fifht Edition, Addison Wesley Longman,
toronto.

[5] Boris Tanana (2001) Àgebra linear e geométria analı́tica. UEM. Maputo.

[6] Santos, Taison J. P (1998). Licenciatura Em Matemática. Àlgebra Linear. 1a Edição. FTC
& ead. Bahia. Brasil.

62