Escolar Documentos
Profissional Documentos
Cultura Documentos
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
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
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.
" # " #
1 −3 1 −3
Exemplo 2.10. A = , B = . As duas matrizes sãos iguais visto que têm
7 −4 7 −4
mesmos elementos.
" # " #
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
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
" #
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
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
1) Permutação de linhas;
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.
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:
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|.
" #
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
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.
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
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
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
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.
" # " #
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
Calcule
(a) A + B − C; (b) (A + B) + C; (c) A − (B + C)
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
" # " #
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.
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
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
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
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
21
Capı́tulo 3
Exemplo 3.1. - 13x1 + 4x2 − 5x3 − 2x4 = 5. Temos uma equação linear com 4 incôgnitas
(variáveis).
Exemplo 3.2. -
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 3.5. 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
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.
24
2. Cada elemento P ivot a partir da 2a linha está à direita do pivot da linha anterior;
−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
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
26
3. Se r[A] < r[M ] então o sistema é incompatı́vel(não tem soluções).
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
a) solução única;
b) nenhuma solução;
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.
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
∅.
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.
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
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.
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.
Resposta: k = 5.
−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;
~ ...
~
~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.
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)
Se m, n ∈ R e ~v ; w
~ vectores.
3) m(~v + w)
~ = m~v + m~v ; (distribuitiva)
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 :
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 .
1) ~u + ~v = ~v + ~u, Comutatividade.
37
2) ~u + (~v + w)
~ = (~u + ~v ) + w,
~ associatividade.
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 .
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 .
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:
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.
2) ~a.~b = ~b.~a;
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 )
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.
~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:
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.
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
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.
e
Vp
Vt = (4.5)
6
onde Vp − volume do paralelopipedo e Vt − volume do tetraedro;
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).
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 .
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
A1. ∀u; v; w ∈ V, (u + v) + w = u + (v + w)
46
M4. ∀ ∈ V ; 1.u = u.
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:
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):
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).
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.
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).
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
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.
52
6.1.2 Fórmula Algebrica de Um Número Complexo
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 ).
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.
ou
z n = |z|2 (cos nθ + i sin nθ) (6.3)
∀n ∈ N.
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
−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
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
√ π
Logo Q = (ρ; θ; ϕ) = ( 2; 0; ).
4
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
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)).
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
60
19) Ache as soluções da equação z 4 = 1.
21) Ache a equação cartesiana da curva representada pela equação polar r = 2a cos θ.
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.
[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