1 Fase Geometria Analítica Álgebra Linear

GEOMETRIA
ANALÍTICA E
ÁLGEBRA LINEAR
Professora Me. Ivnna Gurniski

Professor Esp. Fernando Marcussi
Professor Me. Anderson Leandro Zulin
Professor Me. Alexandre Shuji Suguimoto
GRADUAÇÃO
Unicesumar
Reitor
Wilson de Matos Silva
Vice-Reitor
Wilson de Matos Silva Filho
Pró-Reitor de Administração
Wilson de Matos Silva Filho
Pró-Reitor de EAD
Willian Victor Kendrick de Matos Silva
Presidente da Mantenedora
Cláudio Ferdinandi
NEAD - Núcleo de Educação a Distância

Direção de Operações
Chrystiano Mincoff
Direção de Mercado
Hilton Pereira
Direção de Polos Próprios
James Prestes
Direção de Desenvolvimento
Dayane Almeida
Direção de Relacionamento
Alessandra Baron
Direção Pedagógica
Kátia Coelho
Supervisão do Núcleo de Produção de
Materiais
Nalva Aparecida da Rosa Moura
Design Educacional
Yasminn Zagonel
Projeto Gráfico
Jaime de Marchi Junior
José Jhonny Coelho
Editoração
Humberto Garcia da Silva
C397 CENTRO UNIVERSITÁRIO DE MARINGÁ. Núcleo de Educação a
Distância:
Revisão Textual
Geometria Analítica e Álgebra Linear. Alexandre Shuji Jaquelina Kutsunugi
Suguimoto; Anderson Leandro Zulin; Fernando Marcussi; Ivnna
Gurniski.
Maringá - PR, 2015.
262 p.
“Graduação - EaD”.

1. Geometria 2. Álgebra Linear . 3. Matemática 4. EaD. I. Título.
CDD - 22 ed. 512

CIP - NBR 12899 - AACR/2
Ficha catalográfica elaborada pelo bibliotecário

João Vivaldo de Souza - CRB-8 - 6828
Viver e trabalhar em uma sociedade global é um
grande desafio para todos os cidadãos. A busca
por tecnologia, informação, conhecimento de
qualidade, novas habilidades para liderança e so-
lução de problemas com eficiência tornou-se uma
questão de sobrevivência no mundo do trabalho.
Cada um de nós tem uma grande responsabilida-
de: as escolhas que fizermos por nós e pelos nos-
sos farão grande diferença no futuro.
Com essa visão, o Centro Universitário Cesumar
assume o compromisso de democratizar o conhe-
cimento por meio de alta tecnologia e contribuir
para o futuro dos brasileiros.
No cumprimento de sua missão – “promover a
educação de qualidade nas diferentes áreas do
conhecimento, formando profissionais cidadãos
que contribuam para o desenvolvimento de uma
sociedade justa e solidária” –, o Centro Universi-
tário Cesumar busca a integração do ensino-pes-
quisa-extensão com as demandas institucionais
e sociais; a realização de uma prática acadêmica
que contribua para o desenvolvimento da consci-
ência social e política e, por fim, a democratização
do conhecimento acadêmico com a articulação e
a integração com a sociedade.
Diante disso, o Centro Universitário Cesumar al-
meja ser reconhecido como uma instituição uni-
versitária de referência regional e nacional pela
qualidade e compromisso do corpo docente;
aquisição de competências institucionais para
o desenvolvimento de linhas de pesquisa; con-
solidação da extensão universitária; qualidade
da oferta dos ensinos presencial e a distância;
bem-estar e satisfação da comunidade interna;
qualidade da gestão acadêmica e administrati-
va; compromisso social de inclusão; processos de
cooperação e parceria com o mundo do trabalho,
como também pelo compromisso e relaciona-
mento permanente com os egressos, incentivan-
do a educação continuada.
Seja bem-vindo(a), caro(a) acadêmico(a)! Você está
iniciando um processo de transformação, pois quan-
do investimos em nossa formação, seja ela pessoal
ou profissional, nos transformamos e, consequente-
mente, transformamos também a sociedade na qual
estamos inseridos. De que forma o fazemos? Criando
oportunidades e/ou estabelecendo mudanças capa-
zes de alcançar um nível de desenvolvimento compa-
tível com os desafios que surgem no mundo contem-
porâneo.
O Centro Universitário Cesumar mediante o Núcleo de
Educação a Distância, o(a) acompanhará durante todo
este processo, pois conforme Freire (1996): “Os homens
se educam juntos, na transformação do mundo”.
Os materiais produzidos oferecem linguagem dialó-
gica e encontram-se integrados à proposta pedagó-
gica, contribuindo no processo educacional, comple-
mentando sua formação profissional, desenvolvendo
competências e habilidades, e aplicando conceitos
teóricos em situação de realidade, de maneira a inse-
ri-lo no mercado de trabalho. Ou seja, estes materiais
têm como principal objetivo “provocar uma aproxi-
mação entre você e o conteúdo”, desta forma possi-
bilita o desenvolvimento da autonomia em busca dos
conhecimentos necessários para a sua formação pes-
soal e profissional.
Portanto, nossa distância nesse processo de cres-
cimento e construção do conhecimento deve ser
apenas geográfica. Utilize os diversos recursos peda-
gógicos que o Centro Universitário Cesumar lhe possi-
bilita. Ou seja, acesse regularmente o AVA – Ambiente
Virtual de Aprendizagem, interaja nos fóruns e en-
quetes, assista às aulas ao vivo e participe das discus-
sões. Além disso, lembre-se que existe uma equipe de
professores e tutores que se encontra disponível para
sanar suas dúvidas e auxiliá-lo(a) em seu processo de
aprendizagem, possibilitando-lhe trilhar com tranqui-
lidade e segurança sua trajetória acadêmica.
AUTORES

Mestre em Ensino de Ciência e Educação Matemática pela Universidade Estadual
de Londrina, especialista em Docência do Ensino Superior pela Unicesumar e
graduada em Matemática pela Universidade Estadual de Maringá. Com ampla
experiência como docente nos ensinos fundamental, médio e superior, foi
professora do Colégio Objetivo e dos cursos de graduação da Unicesumar
na modalidade presencial e a distância ministrando as disciplinas de Cálculo,
Álgebra Linear e Geometria Analítica, Estatística e Matemática Discreta. Atuou
também como coordenadora dos cursos de nivelamento de Matemática para os
graduandos de engenharia do ensino presencial.

Possui graduação em Matemática (licenciatura) pela Universidade Estadual
de Maringá (2003), especialização em Métodos e Técnicas de Ensino pela
Universidade Tecnológica Federal do Paraná (2012) e mestrado (Profmat) pela
Universidade Estadual de Maringá (2013). Tem experiência na área de Divulgação
Científica, com ênfase em Assessoria Pedagógica para utilização dos Recursos
Tecnológicos.

Possui graduação em Ciências com Habilitação em Matemática pela Faculdade
de Filosofia Ciências e Letras de Mandaguari (2001), Especialização em Educação
Matemática pela Faculdade Estadual de Educação Ciências e Letras de Paranavaí
(2003), Especialização em Educação de Jovens e Adultos e Educação Profissional
pelo Instituto Paranaense de Ensino (2008) e Mestrado Profissional em Matemática
pela Universidade Estadual de Maringá - UEM (2013).
Professor Esp. Fernando Marcussi

Possui graduação em Matemática pela Universidade Estadual de Maringá (2010)
e Especialização em Auditoria e Controladoria pelo Centro Universitário Cesumar
(2014). Atualmente é Tutor Mediador do Centro Universitário Cesumar e Professor
da União de Faculdades Metropolitanas de Maringá. Tem experiência na área de
Administração, com ênfase em Matemática Aplicada, Cálculo, com ênfase em
Arquitetura e Gestão Ambiental, e Matemática Financeira.
APRESENTAÇÃO
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
APRESENTAÇÃO
SEJA BEM-VINDO(A)!
SEJA BEM VINDO(A)!
Convidamos você a viajar pelo universo da Álgebra Linear e da Geometria Analı́tica. Este livro aborda os
dois assuntos organizados em cinco unidades que foram originadas a partir dos livros de Álgebra Linear,
de autoria do Professor Mestre Anderson Leandro Zulin, e Geometria Analı́tica, de autoria do Professor
Alexandre Shuji Suguimoto. Essa organização foi realizada pela Professora Ivnna Gurniski, graduada
em Matemática pela Universidade Estadual de Maringá, especialista em Docência no Ensino Superior
pela Unicesumar e mestre em Ensino de Ciência e Educação Matemática pela Universidade Estadual de
Londrina, e pelo Professor Fernando Marcussi, graduado em Matemática pela Universidade Estadual de
Maringá e especialista em Auditoria e Controladoria pela Unicesumar. Também denominada Geometria
de Coordenadas e Geometria Cartesiana, a Geometria Analı́tica é o estudo da Geometria por meio de
um sistema de coordenadas e dos princı́pios da Álgebra e da Análise. Ou seja, é a área da Matemática
em que são utilizados métodos e sı́mbolos algébricos para representar e resolver problemas geométricos!
É por meio dos conceitos da Geometria Analı́tica que podemos estabelecer uma correspondência entre
as equações algébricas e as curvas geométricas. A primeira unidade apresenta uma visão geral sobre o
conceito de vetores no plano e no espaço, fazendo o tratamento geométrico e algébrico desse conceito.
Nessa mesma unidade, definimos espaço vetorial e apresentamos conceitos que emergem dessa definição.
Na segunda unidade, apresentamos as equações da reta, equações do plano, cálculo de distância, ângulo
e posições relativas no sistema de coordenadas R3 . A terceira unidade é destinada ao estudo das cônicas
e das quádricas definidas a partir dos conceitos abordados nas unidades anteriores. Na quarta unidade,
apresentamos o estudo das matrizes, determinantes e sistemas de equações lineares. Vale salientar a
importância desse estudo para a solução de problemas práticos na área da Engenharia e na Pesquisa Ope-
racional em que a teoria das matrizes e os sistemas lineares são largamente utilizados. Na quinta e última
unidade, introduzimos o conceito de transformações lineares e autovalores e autovetores. Esperamos que
sua viagem por este universo seja bastante agradável e proveitosa, afinal a Matemática é uma atividade
humana, “inerente ao saber humano, praticada com espontaneidade, resultante de seu ambiente sociocul-
tural e determinada consequentemente pela realidade na qual o indivı́duo está inserido” (D’ AMBROSIO,
1996).

09
SUMÁRIO
UNIDADE I
VETORES E ESPAÇOS VETORIAIS
15 Introdução
16 Vetores
20 Operação com Vetores
24 Dependência e Independência Linear
26 Expressão Analítica de um Vetor (R2 e R3)
46 Espaço Vetorial
50 Subespaço Vetorial
54 Combinação Linear
56 Base de um Espaço Vetorial
60 Dimensão
65 Considerações Finais
UNIDADE II
RETAS E PLANOS
77 Introdução
77 Sistema de Coordenadas
79 Plano no Espaço
88 Reta no Espaço
98 Distâncias

SUMÁRIO
UNIDADE III
CÔNICAS E QUÁDRICAS
113 Introdução
114 A Elipse
128 A Hipérbole
137 A Parábola
146 Elipsoide
150 Hiperboloide de uma folha
153 Hiperboloide de duas folhas
157 Paraboloide Elíptico
160 Paraboloide Hiperbólico
164 Superfície Cônica
167 Superfície Cilíndrica
UNIDADE IV
MATRIZES, DETERMINANTES E SISTEMAS LINEARES
179 Introdução
181 Matrizes
183 Igualdade de matrizes
184 Operações com matrizes
198 Permutação
11
SUMÁRIO
200 Determinante
207 Sistemas de equações lineares
212 Resolução de sistemas lineares por escalonamento
UNIDADE V
TRANSFORMAÇÕES, AUTOVALORES E AUTOVETORES
229 Introdução
230 Transformações Lineares
232 Núcleo e Imagem de uma Transformação Linear
234 Autovalores e Autovetores
238 Polinômio Característico
249 Conclusão
251 Referências
252 Gabarito
VETORES E ESPAÇOS
I
UNIDADE
VETORIAIS
Objetivos de Aprendizagem
■■ Definir o conceito matemático de vetores como conjunto de
segmentos orientados.
■■ Apresentar as operações com vetores.
■■ Definir e identificar conjuntos linearmente dependentes e
independentes.
■■ Apresentar o conceito de base ortonormal e base canônica.
■■ Definir Espaço e Subespaço Vetorial.
■■ Estudar subespaço gerado e conjunto gerador de um subespaço
vetorial.
■■ Definir base e dimensão de um espaço vetorial.
Plano de Estudo
A seguir, apresentam-se os tópicos que você estudará nesta unidade:
■■ Vetores
■■ Operação com Vetores
■■ Dependência e Independência Linear
■■ Expressão Analítica de um Vetor (R2 e R3)
■■ Multiplicação de Vetores
■■ Espaço Vetorial
■■ Subespaço Vetorial
■■ Combinação Linear
■■ Base de um Espaço Vetorial
■■ Dimensão
15
INTRODUÇÃO
INTRODUÇÃO
Prezado(a) leitor(a), você provavelmente já tEM algum conhecimento sobre vetor, com suas caracterı́s-
ticas, que são: módulo, direção e sentido. Também deve ter efetuado algumas operações com vetores,
principalmente na disciplina de fı́sica, ao obter, por exemplo, a força resultante que atua num determinado
corpo que se encontra sob a ação de mais de uma força aplicada sobre esse corpo. Entretanto, no Ensino
Médio, os vetores são apresentados de maneira intuitiva, sem seguir um critério rigoroso em sua definição.
Nesta unidade, vamos introduzir o conceito formal de vetores, como conjunto de segmentos orientados,
com suas operações e propriedades que possibilitam definir, posteriormente, um Espaço Vetorial, esse
último sendo a base para o estudo da disciplina de Álgebra Linear. Apresentaremos o conceito de conjun-
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
tos linearmente dependentes, conjuntos linearmente independentes, a multiplicação de vetores (produto

escalar, vetorial e misto) sempre com enfoque em seus aspectos geométricos no plano R2 ou no espaço R3 .
Posteriormente, formalizaremos o conceito de Espaço Vetorial, isto é, conjuntos que também gozam das
mesmas propriedades dos vetores, a saber: os conjuntos de matrizes de mesma ordem, isto é, M3,2 (R),
M2,4 (R), Mm,n (R), o conjunto dos polinômios com coeficientes reais, de grau menor ou igual a n, esses
exemplos e outros que não mencionamos aqui, que possuem as mesmas estrutura algébricas.
As aplicações dos conceitos envolvendo os vetores e espaços vetoriais são de extrema importância nos
mais variados ramos de conhecimento, a saber: na Engenharia, nas Ciências Exatas e, particularmente,
na Fı́sica e na Matemática. É importante ter ciência de que a Geometria Analı́tica e a Álgebra Linear
são fundamentos básicos para as áreas mais modernas da geometria, tais como geometria algébrica, dife-
rencial, discreta e computacional.
Introdução
I
VETORES
VETORES
Segmentos Orientados
Algumas grandezas fı́sicas, ao serem medidas, necessitam apenas do valor numérico seguido da unidade
de medida, por exemplo: a massa, o comprimento, a área e o volume; essas são chamadas de grandezas
escalares. No entanto, existem outras grandezas que precisam de mais informações além das citadas
anteriormente, por exemplo, a força aplicada, o campo elétrico, a aceleração, a velocidade. Assim, vamos
formalizar esses conceitos. Seja r uma reta horizontal, marquemos nessa reta um ponto O, que chamaremos
de origem, o lado direito indicaremos de sentido positivo e o contrário de sentido negativo, tomando dois
pontos distintos A e B dessa reta suporte.
O segmento orientado AB é determinado pelos pontos com origem em A e extremidade em B.
O segmento BA é o segmento oposto ao AB.
Adotando uma unidade de comprimento, podemos associar ao segmento AB um número real positivo,
que chamaremos de comprimento ou módulo do segmento AB.
No caso em que A = B, chamamos de segmento nulo, em que |AB| = AB = 0.
Direção e Sentido
Sejam r e s retas paralelas, dizemos que os segmentos AB e CD têm a mesma direção, se esses segmentos
estão em retas paralelas ou estão situadas sobre uma mesma reta suporte. Agora, dois segmentos
orientados têm o mesmo sentido quando eles apontam para o mesmo lado. Note que, para compararmos
o sentido de dois segmentos, é necessário que eles tenham a mesma direção.

17
Mesmo sentido Sentidos opostos Mesmo sentido Sentidos opostos
Segmentos Equipolentes
Dizemos que dois segmentos são equipolentes quando têm:

i) O mesmo módulo.
ii) A mesma direção.

ii) O mesmo sentido.
Geometricamente, os segmentos AB e CD são equipolentes quando:
AB e CD estão sobre uma

ABCD é um paralelogramo mesma reta Seus pontos coincidem
Usaremos a seguinte notação AB ∼ CD para indicarmos equipolência. É fácil de verificar algumas pro-
priedades de equipolência:
i) Reflexiva: AB ∼ AB, todo segmento é equipolente a si mesmo.
ii) Simétrica: Se AB ∼ CD, então CD ∼ AB.
iii) Transitiva: Se AB ∼ CD e CD ∼ EF , então AB ∼ EF .
Como as três propriedades são verificadas, dizemos que equipolência é uma relação de equivalência.
Vetor
Dizemos que o vetor determinado por um segmento orientado AB é o conjunto de todos os segmentos
orientados equipolentes a ele.
Vetores
I
E denotaremos esse conjunto por:

�v = {XY ; XY ∼ AB}.
−−→
Outras notações para vetores são AB e B − A. Chama-se norma ou comprimento de um vetor �v e
indicaremos por ��v � um número real t tal que ��v � = |t|.
As caracterı́sticas de um vetor �v são as mesmas em qualquer um de seus representantes, isto é: o módulo, a
direção e o sentido. Note que, se AB é um segmento orientado e P é um ponto qualquer, então, existe um
−−→
único ponto Q, tal que AB ∼ P Q. Em particular, dado um vetor AB é sempre possı́vel obter segmentos
equipolentes a AB com origem onde acharmos mais conveniente.
−−→ −−→
Igualdade de Vetores: dois vetores AB e CD são iguais, se AB ∼ CD.
−→ −−→ −−→
Vetor Nulo: o vetor nulo é o vetor determinado por segmentos nulos, isto é, AA = BB = CC = ... e é
indicado por �0.
−−→ −−→
Vetores Opostos ou Simétricos: dado um vetor �v = AB, o vetor BA é chamado de vetor oposto (ou
−−→ −−→
simétrico), denotado por BA = −AB.
Vetor Unitário: dizemos que �v é um vetor unitário, quando sua norma é igual a 1, ou seja ��v � = 1.
Vetores Colineares: dois vetores �u e �v são colineares quando têm a mesma direção, ou seja, seus
representantes estão sobre a mesma reta, ou situadas em retas paralelas.
Mesmo sentido Sentidos opostos Mesmo sentido Sentidos opostos

19
Vetores Coplanares: dois ou mais vetores são coplanares quando possuem representantes num mesmo
Vetores Coplanares: dois ou mais vetores são coplanares quando possuem −−→ representantes
−−→ num mesmo
−→
Vetores Coplanares:
plano. Na doisosou
figura abaixo, mais vetores
vetores �são
�u, �v e w sãocoplanares quando
coplanares, em quepossuem
�u = AD,representantes
→�v = AB
−− −−→e w
�= num−mesmo
AC.
→
plano. Na figura abaixo, os vetores �u, �v e w� são coplanares, em que �u−−
=
→AD, �v−− =
→ AB e w �−→
= AC.
plano. Na figura abaixo, os vetores �u, �v e w� são coplanares, em que �u = AD, �v = AB e w � = AC.
Note que dois vetores são sempre coplanares.

Nesta unidade, definimos dois conceitos matemático: segmento orientado e também vetor. Assim,
Nesta unidade, definimos dois conceitos matemático: segmento orientado e também vetor. −−→ Assim,
Nesta
dadosunidade, definimos
dois pontos dois
A e B, conceitos
reflita sobre matemático: segmento
a diferença entre orientado
o segmento e também
orientado AB e ovetor. Assim,
vetor AB.
−−→
dados dois pontos A e B, reflita sobre a diferença entre o segmento orientado AB e o vetor
−−→ AB.
dados dois pontos A e B, reflita sobre a diferença entre o segmento orientado AB e o vetor AB.
Vetores e Escalares são grandezas distintas, verifique essas diferenças no link disponı́vel em:
Vetores e Escalares são grandezas distintas, verifique essas diferenças no link disponı́vel em:
Vetores e Escalares são grandezas distintas, verifique essas diferenças no link disponı́vel
<http://www.fundacaolemann.org.br/khanportugues/ciencias/fisica/movimento em:
unidimensional/intro
<http://www.fundacaolemann.org.br/khanportugues/ciencias/fisica/movimento unidimensional/intro
<http://www.fundacaolemann.org.br/khanportugues/ciencias/fisica/movimento
ducao a vetores e escalares parte 1>. unidimensional/intro
ducao a vetores e escalares parte 1>.
ducao a vetores e escalares parte 1>.
Vetores
I
OPERAÇÃO COM
OPERAÇÃO COM VETORES
VETORES
Adição de Vetores
Sejam �u e �v dois vetores, definimos por vetor soma desses vetores e indicaremos por �s = �u + �v ao vetor
como indicado na figura abaixo:
−−→ −−→
Assim, se AB e BC são representantes dos vetores �u e �v , respectivamente, temos
�s = �u + �v
−→ −−→ −−→
AC = AB + BC
isto é, o vetor soma �s tem origem na origem do vetor �u e extremidade na extremidade vetor �v , em que a
origem do vetor �v é a extremidade do vetor �u.
Propriedades
i) Comutativa: �u + �v = �v + �u.
ii) Associativa: (�u + �v ) + w
� = �u + (�v + w).
�
iii) Existência do vetor nulo �0, assim, para todo �v existe �0, tal que �v + �0 = �0 + �v = �v .
iv) Para todo vetor �v existe o vetor −�v , tal que �v + (−�v ) = �0.
Vamos demonstrar a propriedade (i) com auxı́lio da figura a seguir. Dados �u e �v , considere o paralelogramo
−−→ −−→ −−→ −−→
ABCD, em que �u = AB = DC e �v = AD = BC.

21
−−→ −−→ −→ −−→ −−→ −→

Temos �u + �v = AB + BC = AC, por outro lado, �v + �u = AD + DC = AC, logo �u + �v = �v + �u, como
querı́amos demonstrar. Essa propriedade pode nos auxiliar geometricamente a obtermos o vetor soma,
conhecido como Regra do Paralelogramo, para tanto, procedemos da seguinte maneira: marcamos os
−−→ −−→
vetores �u = AB e �v = AD, depois traçamos duas retas paralelas aos segmentos AB e AD, cuja interseção
−→
é um ponto C, em que o vetor soma é o vetor AC.
No caso da adição de três ou mais vetores, temos uma regra bastante útil, que é a Regra do Polı́gono
Fechado. Por exemplo, dados os vetores �u, �v e w,
� o vetor soma �s tem origem na origem do primeiro
vetor com extremidade na extremidade do último vetor.
Ou seja, para n vetores o vetor soma fecha o polı́gono, formando um polı́gono com n + 1 lados.
Diferença de Vetores: definimos por diferença entre os vetores �u por �v , isto é �u − �v , o vetor d� como
sendo a soma d� = �u + (−�v ), ou seja, �u − �v = �u + (−�v ).
Operação com Vetores

I
Multiplicação de um Vetor por um Escalar (Produto por escalar)
Seja �v um vetor não nulo e k um número real (escalar), chama-se produto de um número real k pelo
vetor �v o vetor p� = k�v , cuja direção é a mesma do vetor �v . Se k > 0, o sentido é o mesmo que de �v
k=1 k>1 0<k<1
Agora, se k é negativo, o sentido é oposto.
k = −1 k < −1 −1 < k < 0

Observe que se k�v = �0, então k = 0 ou �v = �0.
1
� obtenha o vetor �s = 2�u − �v + w.
Exemplo 1: Dados os vetores �u, �v e w, �
3

23
Exemplo 2: Sejam ABCD vértices de um paralelogramo, M , N , O e P pontos médios dos segmentos

−→ −−→
AB, BC, CD e DA, respectivamente, escreva em termos dos vetores AP e AM os vetores:
−→
a) AC
−−→
b) N A
−→ −−→ −−→ −−→ −−→ −→

a) AC = AD + DC b) N A = N P + P A
−→ −−→ −−→ −−→ −→
= AP + P D + AB = BA − AP
−→ −→ −−→ −−→ −−→ −−→ −→
= AP + AP + AM + M B = BM + M A − AP
−→ −−→ −−→ −−→ −→
= 2AP + AM + AM = 2M A − AP
−→ −−→ −−→ −→
= 2AP + 2AM = −2AM − AP
Até o momento, apresentamos os vetores, a adição e subtração de vetores, bem como a multiplicação
de um vetor por um número real, particularmente em sua caracterı́stica geométrica (módulo, direção
e sentido). No entanto, precisamos definir os vetores analiticamente, ou seja, por meio de coordena-
das, mas, para definirmos o plano cartesiano, bem como o espaço R3 , esse último nosso principal objetivo,
é necessário apresentar o conceito de dependência e independência linear que será visto na próxima sessão.
Operação com Vetores

I
DEPENDÊNCIA
DEPENDÊNCIA E E INDEPENDÊNCIA
INDEPEND LINEAR
ÊNCIA LINEAR
−→ −−→
Sejam �u e �v vetores com representantes P A e P B, respectivamente. Analisemos as seguintes situações:
−→ −−→
primeiramente, se P A e P B estão sobre uma mesma reta r, então, existe um escalar k ∈ R, tal que
−−→ −→
P B = k P A, nesse caso, dizemos que o conjunto {�u, �v } é Linearmente Dependente LD, ou que os
vetores −
→
u e− →v são múltiplos um do outro, ou ainda que −
→
v é Combinação Linear de −
→
u , em particular,
−→ −−→ −→
dizemos que os vetores P A e P B geram uma reta, na verdade, basta um vetor não nulo P A para gerar
toda reta.
Vetores LD Vetores LI
−→ −−→ −→ −−→
Agora, se P A e P B não estão sobre uma mesma reta, então P A e P B determinam um plano π, nesse
caso, dizemos que {�u, �v } formam um conjunto Linearmente Independente LI. Assim, qualquer vetor
� ∈ π pode ser escrito como combinação linear dos vetores �u e �v , ou seja , se C pertence ao plano π
w
−−→ −−→ −→ −−→ −→
em que w� = P C, existem escalares a e b reais tais que P C = aP A + bP B e, portanto, os vetores P A e
−−→
P B geram um plano, os números a e b são as coordenadas do vetor w� em termos dos vetores �u e �v .
Considere agora 3 vetores {�u, �v , w},

� dizemos que esse conjunto é linearmente dependente se eles possuem

25
representantes num mesmo plano, ou são colineares, assim, esses vetores geram um plano ou uma reta.
Agora, se o conjunto {�u, �v , w}
� é LI, então, esses vetores são não coplanares, logo, dado qualquer ponto M
do espaço e tomando P como ponto de origem comum aos vetores �u, �v , w,� existem escalares a, b e c tais
−−→
que o vetor P M = a�u +b�v +cw,
� ou seja, qualquer vetor do espaço pode ser escrito como combinação linear
desses três vetores LI, portanto, esse conjunto gera o espaço. Sejam �u, �v e w
� vetores com representantes
−→ −−→ −−→
P A, P B e P C, abaixo, podemos observar as seguintes situações:
Um conjunto com três ou mais vetores num plano é sempre LD. Informalmente, um vetor deve gerar a
reta para ser LI, já dois vetores devem gerar um plano para ser LI e três vetores devem gerar o espaço
para ser LI, caso contrário, serão LD. O conjunto vazio {} é linearmente independente e qualquer conjunto
que contenha o vetor �0 é LD.
Dependência e Independência Linear

I
EXPRESSÃO ANALÍTICA
ÍTICA DEDE
UMUM VETOR
(R e(R
R2 )E R3) 2 3
EXPRESSÃO ANAL VETOR
Vetores no plano R2
Fixada uma base ortonormal para o plano, cada ponto (par ordenado) (x, y) associa-se a um vetor �v =
(x, y) e, reciprocamente, cada vetor do plano pode ser associado a um par ordenado. Notação: �v =
(x, y) = x(1, 0) + y(0, 1) = x�i + y�j.
Igualdade: dois vetores �u = (x1 , y1 ) e �v = (x2 , y2 ) são iguais se x1 = x2 e y1 = y2 .
Soma: �u + �v = (x1 + x2 , y1 + y2 ).
Multiplicação por escalar: dados k ∈ R e �v ∈ R2 definimos k�v = (kx2 , ky2 ).
Dados A e B em R2 , temos:
−−→ −→ −−→
AB = AO + OB
−−→ −→ −−→
AB = −OA + OB
−−→
AB = −(xA , yA ) + (xB , yB )
−−→
AB = (xB − xA , yB − yA )
Portanto, o vetor definido por dois pontos no plano é:
−−→
AB = (xB − xA , yB − yA )
−−→
AB = B − A
−−→ −−→
AB = OP .

27
De maneira análoga, definimos as operações citadas anteriormente para vetores no espaço.
Vetores no espaço R3
Fixada uma base ortonormal para R3 , cada ponto (terno ordenado) (x, y, z) do espaço euclidiano associa-se
a um vetor �v = (x, y, z) e, reciprocamente, cada vetor do espaço pode ser associado a um terno ordenado.
Notação: �v = (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1) = x�i + y�j + z�k.
Igualdade: dois vetores �u = (x1 , y1 , z1 ) e �v = (x2 , y2 , z2 ) são iguais se x1 = x2 , y1 = y2 e z1 = z2 .
Soma: �u + �v = (x1 + x2 , y1 + y2 , z1 + z2 ).
Multiplicação por escalar: dados k ∈ R e �v ∈ R3 , definimos k�v = (kx2 , ky2 , kz2 ).
−−→ −−→
Dados A e B em R3 , AB = B − A = (xB − xA , yB − yA , zB − zA ) = OP , em que P corresponde ao ponto
P (xB − xA , yB − yA , zB − zA ).
Partindo das definições acima, é possı́vel demonstrar as propriedades a seguir, isto é, para quaisquer ve-
tores �u, �v , w
� e números reais a e b temos:
i) �u + �v = �v + �u
ii) (�u + �v ) + w
� = �u + (�v + w)
�
iii) �u + �0 = �u
� = �0
iv) �u + (−u)
v) a(b�v ) = (ab)�v
vi) (a + b)�u = a�u + b�v
vii) a(�u + �v ) = a�u + a�v
viii) 1�v = �v
Expressão Analítica de um Vetor (R2 e R3)

I
−−→
Exemplo 3: Sejam A = 3 e B = 5 dois pontos da reta real (eixo x) R. Definimos o vetor AB como sendo o
−−→
vetor �v = B −A, ou seja, �v = 5−3 = 2, por outro lado, seu oposto é o vetor �u = BA = A−B = 3−5 = −2.
−−→ −−→
A norma de ��v � = ��u� = |5 − 3| = 2. Note que, se C = 2 e O = 0 (origem da reta), o vetor AB = OC = 2.
−−→
Exemplo 4: Dados dois pontos A e B no plano cartesiano, definimos o vetor AB como sendo o vetor
�v = B − A, em termos de coordenadas cartesianas por �v = (xB − xA , yB − yA ). A norma do vetor é dada

por ��v � = (xA − xB )2 + (yA − yB )2 (Teorema de Pitágoras). Por exemplo, se A(1, 2) e B(5, 5), então,
−−→ √
temos �v = AB = (5 − 1, 5 − 2) = (4, 3), em que ��v � = 42 + 32 = 5. Observe que, se C(4, 3) e O(0, 0) é
−−→ −−→
a origem do plano cartesiano, temos AB = OC.
−−→ −−→
Marque o ponto C(4, 3), depois o vetor OC e compare com AB.
Exemplo 5: Considere o eixo real (reta x ou R), marque os pontos A = 2, B = 3 e C = 5, determine a

posição do ponto Xi para cada item, em que i = a, b, c, d.
−−→ −−→
a) AB = CXa
−−→ −−→
b) BC = AXb
−−→ −−→
c) BC = Xc A
−→ −−→
d) CA = AXd

29
a) b) c) d)
−−→ −−→ −−→ −−→ −−→ −−→ −→ −−→
AB = CXa BC = AXb BC = Xc A CA = AXd
B − A = Xa − C C − B = Xb − A C − B = A − Xc A − C = Xd − A
3 − 2 = Xa − 5 5 − 3 = Xb − 2 5 − 3 = 2 − Xc 2 − 5 = Xd − 2
1 + 5 = Xa 2 = Xb − 2 2 = 2 − X2 2 + 2 − 5 = Xd
∴ Xa = 6 ∴ Xb = 4 ∴ Xc = 0 ∴ Xd = −1
−−→
Exemplo 6: Sejam A e B dois pontos no espaço, definimos o vetor AB como sendo o vetor �v =
B − A, cujas coordenadas são �v = (xB − xA , yB − yA , zB − zA ). A norma do vetor é dada por ��v � =

−−→
(xA − xB )2 + (yA − yB )2 + (zA − zB )2 . Por exemplo, se A(−3, −2, 1) e B(2, 4, 3), temos �v = AB =
−−→ √ √
(2 − (−3), 4 − (−2), 3 − 1) = (5, 6, 2) e ��v � = �AB� = 52 + 62 + 22 = 65.
Exemplo 7: Sejam A(−1, 2, 3), B(3, 0, −1) e C(2, 1, 1) pontos de R3 . Determine X, Y , Z e T de maneira
que:
−−→ −−→
a) AB = CX
−−→ −−→
b) CB = Y C
−→ −→
c) AC = −AZ
−−→ −→
d) BC = T B

I
a) b)
−−→ −−→ −−→ −−→
AB = CX CB = Y C
B−A=X −C B−C =C −Y
(3, 0, −1) − (−1, 2, 3) = X − (2, 1, 1) (3, 0, −1) − (2, 1, 1) = (2, 1, 1) − y
(3, 0, −1) + (1, −2, −3) + (2, 1, 1) = X y = (2, 1, 1) + (2, 1, 1) − (3, 0, −1)
∴ X = (6, −1 − 3) ∴ Xb = (1, 2, 3)
c) d)
−→ −→ −−→ −→
AC = −AZ BC = T B
C − A = −(Z − A) C −B =B−T
(2, 1, 1) − (−1, 2, 3) = −Z + (−1, 2, 3) (2, 1, 1) − (3, 0, −1) = (3, 0, −1) − T
Z = (−1, 2, 3) + (−1, 2, 3) − (2, 1, 1) T = (3, 0, −1) + (3, 0, −1) − (2, 1,
∴ Z = (−4, 3, 5) ∴ T = (4, −1 − 3)
Exemplo 8: Sejam A(1, 1), B(−2, 0) e C(−3, −2) pontos do plano cartesiano (R2 ). Determine as coor-
denadas do ponto Xi em que i =, a, b, c, d.
−−→ −−→
a) BA = CXa
−→ −−→
b) CA = BXb
−−→ −−→
c) BC = AXc
−→ −−→
d) CA = AXd

31
a) b)
−−→ −−→ −→ −−→
BA = CXa CA = BXb
A − B = Xa − C A − C = Xb − B
(1, 1) − (−2, 0) = Xa − (−3, −2) (1, 1) − (−3, −2) = Xb − (−2, 0)
(1, 1) + (2, 0) + (−3, −2) = Xa (1, 1) + (3, 2) + (−2, 0) = Xb
Xa = (1 + 2 − 3, 1 + 0 − 2) Xb = (1 + 3 − 2, 1 + 2 + 0)
∴ Xa = (0, −1) ∴ Xb = (2, 3)
c) d)
−−→ −−→ −→ −−→
BC = AXc CA = AXd
C − B = Xc − A A − C = Xd − A
(−3, −2) − (−2, 0) = Xc − (1, 1) (1, 1) − (−3, −2) = Xd − (1, 1)
(−3, −2) − (−2, 0) + (1, 1) = Xc (1, 1) + (3, 2) + (1, 1) = Xd

Xc = (−3 + 2 + 1, −2 + 0 + 1) Xd = (1 + 3 + 1, 1 + 2 + 1)
∴ Xc = (0, −1) ∴ Xd = (5, 4)
Exemplo 9: Dados os vetores �u = (1, 3), �v = (1, 2) e w

� = 2�v , determine:
a) �s = �u + w
�
�s = �u + w
�
= (1, 3) + 2(1, 2)
= (1, 3) + (2, 4)
= (3, 7)
b) Mostre que os vetores �s e �t = (6, 14) são linearmente dependentes.
Sabemos que �s e �t são LD se existir k ∈ R, tal que �s = k�t. Assim, vamos tentar calcular k de maneira
que a igualdade de vetores seja verificada, ou seja
(3, 7) = k(6, 14)
(3, 7) = (6k, 14k)
da igualdade de vetores
6k = 3 e 14k = 7
1 1
k= ek=
2 2
portanto, �s e �t são LD.

I
Exemplo 10: Sejam �u = (1, 1, 1) e �v = (1, 0, 2) vetores de R3 .

a) Mostre que �u e �v é LI.
Suponhamos, por absurdo, que �u e �v sejam LD, isto é, existe k ∈ R tal que
�u = k�v
(1, 1, 1) = k(1, 0, 2)
(1, 1, 1) = (k.1, 0, k.2)
(1, 1, 1) = (k, 0, 2k)
1
ou seja, k = 1, 0 = 1 e k = , absurdo, logo �u e �v são LI.
2
b) Mostre que o vetor w

� = (5, 3, 7) pode ser escrito como combinação linear dos vetores �u e �v .
Devemos mostrar que existem números a e b tais que w

� = a�u + b�v . De fato, temos
w
� = a�u + b�v
(5, 3, 7) = a(1, 1, 1) + b(1, 0, 2)
(5, 3, 7) = (a.1, a.1, a.1) + (b.1, b.0, b.2)
(5, 3, 7) = (a, a, a) + (b, 0, 2b)
(5, 3, 7) = (a + b, a, a + 2b).
Da igualdade de vetores, obtemos o seguinte sistema:

⎧
⎪
⎪ a+b = 5
⎪
⎪
⎨
⎪ a = 3
⎪
⎪
⎪
⎩
a + 2b = 7
cuja solução é a = 3 e b = 2, ou seja, (5, 3, 7) = 3(1, 1, 1) + 2(1, 0, 2) e, portanto, w

� = 3�u + 2�v .

33
Caros(as) cursistas, o GeoGebra é um software que é gratuito, disponı́vel para todas as plataformas
Caros(as) cursistas, o GeoGebra é um software que é gratuito, disponı́vel para todas as plataformas
(windows, linux, android etc). A qualidade e quantidade de recursos disponı́veis nesse aplicativo é
(windows, linux, android etc). A qualidade e quantidade de recursos disponı́veis nesse aplicativo é
impressionante. Assim, sugiro que utilizem sempre que possı́vel, de maneira a auxiliá-los(as), sanar
impressionante. Assim, sugiro que utilizem sempre que possı́vel, de maneira a auxiliá-los(as), sanar
dúvidas, tentem fazer com que esse programa faça parte de seus estudos, não apenas na Geometria
dúvidas, tentem fazer com que esse programa faça parte de seus estudos, não apenas na Geometria
Analı́tica, mas também nas outras disciplinas. O GeoGebra é um aplicativo indispensável, todo
Analı́tica, mas também nas outras disciplinas. O GeoGebra é um aplicativo indispensável, todo
professor de Matemática deveria conhecê-lo, existem inúmeros materiais de apoio disponı́veis na web,
professor de Matemática deveria conhecê-lo, existem inúmeros materiais de apoio disponı́veis na web,
desde apostilas, tutoriais, vı́deos, até comunidades destinadas ao uso dele. Acesse:
desde apostilas, tutoriais, vı́deos, até comunidades destinadas ao uso dele. Acesse:
<http://www.geogebra.org/>
<http://www.geogebra.org/>
Fonte: o autor
Fonte: o autor
MULTIPLICAÇÃO DE
MULTIPLICAÇÃO DE VETORES
VETORES
MULTIPLICAÇÃO DE VETORES
Nas séries iniciais do Ensino Fundamental, aprendemos a multiplicar dois números, por exemplo, 3 × 5 =
Nas séries iniciais do Ensino Fundamental, aprendemos a multiplicar dois números, por exemplo, 3 × 5 =
15, o número 15 é chamado de produto, 3 é o primeiro fator e o número 5 é o segundo fator, nesse caso, a
15, o número 15 é chamado de produto, 3 é o primeiro fator e o número 5 é o segundo fator, nesse caso, a
multiplicação é uma operação que vem simplificar a soma de parcelas iguais, isto é, 5 + 5 + 5 = 3 × 5 = 15.
multiplicação é uma operação que vem simplificar a soma de parcelas iguais, isto é, 5 + 5 + 5 = 3 × 5 = 15.
Uma outra multiplicação é definida no Ensino Médio, particularmente no estudo das Matrizes, isto é, dadas
Uma outra multiplicação é definida no Ensino Médio, particularmente no estudo das Matrizes, isto é, dadas
duas matrizes Amp e Bpn , a multiplicação da matriz Amp pela matriz Bpn é uma matriz Cmn e denotada
duas matrizes Amp e Bpn , a multiplicação da matriz Amp pela matriz Bpn é uma matriz Cmn e denotada
por Amp × Bpn = Cmn . Perceba que, na matemática, dado um conjunto (números naturais, racionais,
por Amp × Bpn = Cmn . Perceba que, na matemática, dado um conjunto (números naturais, racionais,
reais, complexos, polinômios, matrizes, funções etc.) é natural tentar definir, primeiramente, a operação
reais, complexos, polinômios, matrizes, funções etc.) é natural tentar definir, primeiramente, a operação
da adição/subtração e, depois, a operação da multiplicação, quando isso é possı́vel, tal conjunto com essas
da adição/subtração e, depois, a operação da multiplicação, quando isso é possı́vel, tal conjunto com essas
operações torna-se um objeto de estudo bem interessante, com propriedades muitas vezes semelhantes ao
operações torna-se um objeto de estudo bem interessante, com propriedades muitas vezes semelhantes ao
estudado com os números reais.
estudado com os números reais.
Apresentaremos, nesta unidade, duas definições para multiplicação de vetores, a saber, o produto interno
Apresentaremos, nesta unidade, duas definições para multiplicação de vetores, a saber, o produto interno
(produto escalar) e, também, o produto vetorial (produto externo). O produto interno é uma função
(produto escalar) e, também, o produto vetorial (produto externo). O produto interno é uma função
binária que associa a cada par de vetores um número real (escalar), enquanto o produto vetorial é uma
binária que associa a cada par de vetores um número real (escalar), enquanto o produto vetorial é uma
função que associa a cada par de vetores um outro vetor.
função que associa a cada par de vetores um outro vetor.
O conceito de produto interno e produto vetorial é de extrema importância para o estudo do cálculo
O conceito de produto interno e produto vetorial é de extrema importância para o estudo do cálculo
vetorial, bem como nas aplicações relacionadas à fı́sica clássica, mecânica e eletromagnetismo. Existem
vetorial, bem como nas aplicações relacionadas à fı́sica clássica, mecânica e eletromagnetismo. Existem
Multiplicação de Vetores
I
muitos estudos que tentam justificar a origem das definições dessas duas operações, no entanto, ficaremos
restritos apenas a defini-los e aplicá-los conforme objetivo do curso.
Produto Interno
Vamos definir uma operação denominada de produto interno, também conhecido por produto escalar
(não confunda com produto por escalar visto na unidade anterior), essa operação associa a cada par de
vetores um número real, mas, para definir tal operação, primeiramente, precisamos de dois conceitos
relacionados aos vetores, o primeiro é o ângulo formado por dois vetores e o segundo é a norma (módulo)
−→ −−→
ou comprimento de um vetor. Assim, sejam �u e �v vetores não nulos com representantes P A e P B.
Definimos o número θ como sendo o ângulo (�u, �v ) medida em radianos (ou graus) no sentido anti-horário
(positivo) com medida 0 ≤ θ ≤ π ou em graus 0o ≤ θ ≤ 180o , assim, o ângulo (�v , �u) no sentido horário é
um ângulo negativo. A norma de um vetor é um número real t denotado por ��v � = |t| que corresponde a
distância entre os pontos P e B. Na unidade anterior, vimos como calcular a norma de um vetor, vamos
relembrar.
−−→
Exemplo 1: Na reta real (eixo x), se A = 5 e B = 8, o vetor �v = B − A = 8 − 5 = 3 e �AB� = ��v � = 3,
lembrando que dado um segmento AB sempre existe um ponto P tal que o segmento AB ∼ OP em que
O é a origem (ou ponto zero), então, em termos de coordenadas, o valor 3 corresponde a distância do P
a origem O.
−−→
No plano cartesiano R2 , dados A(xA , yA ) e B(xB , yB ), se �v = AB, a norma do vetor �v é a distância entre

35
os pontos A e B, pondo �v = (a, b) em que a = xB − xA e b = yB − yA temos
−−→ �
�AB� = (xB − xA )2 + (yB − yA )2
�
��v � = a2 + b2
Analogamente, se A(xA , yA , zA ) e B(xB , yB , zB ) são pontos do R3 , pondo �v = (a, b, c) em que a = xB −xA ,

b = yB − yA e c = zB − zA , então
−−→ �
�AB� = (xB − xA )2 + (yB − yA )2 + (zB − zA )2
�
��v � = a 2 + b2 + c 2
Definimos como Produto Interno (ou Produto Escalar) dos vetores �u por �v ao número real dado por:
⎧
⎪
⎨ 0, se �u = �0 ou �v = �0
�u.�v =
⎪
⎩ �u�.�v�. cos θ
Observe que se �u e �v são vetores não nulos, �u.�v = �0 se, e somente se, θ = 90o , nesse caso, dizemos que �u
e �v são ortogonais (perpendiculares).
A definição anterior exige que conheçamos o ângulo θ para calcular o produto interno, no entanto, vamos
verificar um resultado interessante para calcular o produto interno sem conhecer o ângulo θ. Esse resul-
tado é válido para bases ortonormais. Faremos a demonstração desse resultado para R3 . Assim, dizemos
que o conjunto {�a, �b, �c} é uma base ortonormal se:
i) �a.�b = �a.�c = �b.�c = 0, isto é, �a, �b e �c são ortogonais entre si.
ii) ��a� = ��b� = ��c� = 1.
Em particular, a base ortonormal {�i, �j, �k} é conhecida como base canônica de R3 , em que �i = (1, 0, 0),
�j = (0, 1, 0) e �k = (0, 0, 1).
Teorema: se {�i, �j, �k} é uma base ortonormal e �u = (x1 , y1 , z1 ) e �v = (x2 , y2 , z2 ), então
�u.�v = x1 x2 + y1 y2 + z1 z2 .
e
�
��u� = x21 + y12 + z12 .
I
De fato,
De fato,
De fato,
�u.�v = (x1�i + y1�j + z1�k).(x2�i + y2�j + z2�k)
�u.�v = (x1�i�+�2y1�j�+ z1��k).(x � y2�j + z2�k)
�� + x212i�zi+�i�ky+ �i + y1 y2�j 2 + y1 z2�j�k + z1 x2�k�i + z1 y2�k�j + z1 z2�k 2
� 1 xz22�j�k)
�u.�v = x(x11xi2+i y+1 jx+
1 y2zi1jk).(x 2+ 2 jy+
= x1 x2 i�2+ x1 y2 i�j�+ x1 z2 i�k�+ y1 x2 j�i�+ y1 y2�j�22+ y1 z2�j��k�+ z1 x2�k��i�+ z1 y2�k��j�+ z1 z2�k�22
�2 � � ��
= x1 x2 .1 i + x1 y2 .0 ij + x1 z2 .0 ik ++ yy11xx22.0
j i+ + yy11yy22.1
j ++yy11zz22.0j k++z1zx1 x
2 .0
2 k+
i +z1zy12y.0
2 k+ j+z1 z21.1
z2 k
= x1 x2 .1 + x1 y2 .0 + x1 z2 .0 + y1 x2 .0 + y1 y2 .1 + y1 z2 .0 + z1 x2 .0 + z1 y2 .0 + z1 z2 .1
= x1 x2 .1 ++ y1xy12y+
2 .0z1+z2x. 1 z2 .0 + y1 x2 .0 + y1 y2 .1 + y1 z2 .0 + z1 x2 .0 + z1 y2 .0 + z1 z2 .1
= x 1 x 2 + y 1 y 2 + z1 z2 .
= x 1 x 2 + y 1 y 2 + z1 z 2 .
Além disso, pondo �v = �u, temos
�u.�u = ��u�.��u�. cos 0 = x21 + y12 + z12
�u.�u = ��u�.��u�. cos 0 = x212+ y122+ z122
�u.�u = ��u�.��u�. cos 0 = x1 + y1 + z1
e, portanto,

e, portanto, ��u� = x21 + y12 + z12 .
e, portanto,

��u� = x212+ y122+ z122.
��u� = x1 + y1 + z1 .
De maneira análoga, a partir da definição de produto interno �u.�v = ��u��v �. cos θ, podemos mostrar
De maneira análoga, a partir da definiçãoou sejade produto
= x1 .xinterno �u.�v �u==��u xu��evv�.
�v�.cos θ, ,podemos mostrar
que o resultado
De maneira é válido
análoga, na reta
a partir da R, definição �u.�
de vproduto , em que
2interno �u.�v = �� 1�� =
cosxθ, e também
2 podemos em R2
mostrar
que
�que o resultado
u.�v =o xresultado é válido na reta R, ou seja �
u .�
v = , y2x).1 .x2 , em que �u = x1 e �v = x2 , e também emRR2
x 1 .x 2 , em que �
u = x 1 e �
v = x 2 , e também em 2
1 .x2 + y1 .y , em que
é 2válido na �ureta
= (xR, 1 , you1) e �v =�u(x
seja .�v 2=
�u.�v = x1 .x2 + y1 .y2 , em que �u = (x1 , y1 ) e �v = (x2 , y2 ).
�u.�v = x1 .x2 + y1 .y2 , em que �u = (x1 , y1 ) e �v = (x2 , y2 ).
É possı́vel definir produto interno como no resultado do Teorema anterior, ou seja, por definição, o
Éproduto
possı́velinterno
definiréproduto
.�v = x1interno como noRresultado do Teorema
2 , por exemplo) e �u.�v =anterior,
x1 .x2 + you .yseja,
+ z1por definição, o
3 ), e como
É possı́vel definir �uproduto .x 2 + y1 .ycomo
interno 2 (emno resultado do Teorema anterior, ou
1 2seja, .z2 (R
por definição, o
produto internoobtém-se
consequência é �u.�v = xo .x2 + y1 .y2�u(em
1resultado .�v = R��u2,��
2 por
v exemplo)
�. cos θ. e �u.�v livros
Alguns = x1 .xusam
2 + y1a.y2notação
+ z1 .z2 < 3
(R�u3),
, �
v e>como
para
produto interno é �u.�v = x1 .x2 + y1 .y2 (em R , por exemplo) e �u.�v = x1 .x2 + y1 .y2 + z1 .z2 (R ), e como
consequência
indicar obtém-se
o produto
consequência interno.
obtém-se Acesse: �u�u.�v.�v==��
o resultado
o resultado
u��v �. cos θ. Alguns livros usam a notação < �u, �v > para
��u��v �. cos θ. Alguns livros usam a notação < �u, �v > para
indicar o produto interno. Acesse:
<http://www.sato.prof.ufu.br/LeisKepler/node4.html>
indicar o produto interno. Acesse:
Fonte: o autor
Fonte: o autor
Fonte: o autor
Propriedades:
Propriedades:
Propriedades:
i) �u.�v = �v .�u;
i)ii)�u.�v= .�v�v)�v.�u.�;
i) �uk(�
.�vu= =u;(k�u).�v ; ∀x ∈ R
ii)
iii) k(�
�uu.(�
.�vv) + v ; ∀x �u∈.w
= �(k�u=).��u R
ii) k(� u.� v ) =w) (k�u).�v.�v; +
∀x ∈�R
iii) �u.(�v + w) � = �u.�v + �u.w �
iii) �u.(�vmostrar
Vamos + w) � =a�u.� v + �u.w
�
propriedade do item (i). Sejam �u = (x1 , y1 , z1 ) e �v = (x2 , y2 , z2 ) vetores em R3 , temos:
Vamos mostrar a propriedade do item (i). Sejam �u = (x1 , y1 , z1 ) e �v = (x2 , y2 , z2 ) vetores em R33, temos:
Vamos mostrar a propriedade do item (i). Sejam �u = (x1 , y1 , z1 ) e �v = (x2 , y2 , z2 ) vetores em R , temos:

37
�u.�v = x1 x2 + y1 y2 + z1 z2
= x2 x1 + y2 y1 + z2 z1 (a multiplicação nos reais é comutativa)
= �v .�u
Exemplo 2: Determine o produto interno entre os vetores:

a) �u = (1, 3) e �v = (2, 5).
Temos
�u.�v = (1, 3).(2, 5)
= 1.2 + 3.5
= 2 + 15
= 17
b) �u = (1, −2, 4) e �v = (−3, −1, 2)
�u.�v = (1, −2, 4).(−3, −1, 2)
= 1.(−3) + (−2).(−1) + 4.2
= −3 + 2 + 8
=7
c) �a = 2�i − �j + 3�k e �b = �i + �k
�a.�b = (2, −1, 3).(1, 0, 1)
= 2.1 + (−1).0 + 3.1
=2+0+3
=5
−−→ −→
Exemplo 3: Sejam A(3, 1), B(5, 3) e C(0, 4), mostre que os vetores AB e AC são ortogonais.
Dois vetores são ortogonais se o ângulo formado por eles é igual a 90o , como cos 90o = 0, então devemos
−−→ −→ −−→ −→
ter AB.AC = 0. Assim, temos AB = (5 − 3, 3 − 1) = (2, 2) e AC = (0 − 3, 4 − 1) = (−3, 3), logo
−−→ −→
AB.AC = 2.(−3) + 2.3 = −6 + 6 = 0
I
Exemplo 4: Determine a norma dos vetores:

a) �u = (−3, 5)
Temos que a norma de um vetor é dada por
√
��u� = (−3)2 + 52 = 9 + 25
portanto,
√
��u� = 34
√
b) �v = ( 2, 0, −3)
Em R3 temos
√
√ √
��v � = ( 2)2 + 02 + (−3)2 = 2 + 0 + 9 = 11
Exemplo 5: Se �u = (1, 1, 4) e �v = (−1, 2, 2), determine o ângulo formado por esses vetores.
Seja θ o ângulo formado pelos vetores �u e �v , como �u.�v = ��u��v � cos θ, logo
�u.�v
cosθ = (∗)
��u��v �
√ √ √
Assim, temos �u.�v = 1.(−1) + 1.2 + 4.2 = −1 + 2 + 8 = 9, ��u� = 12 + 12 + 42 = 18 = 3 2 e
√
��v � = (−1)2 + 22 + 22 = 1 + 4 + 4 = 3, logo, substituindo em (∗) os resultados obtidos resultam que
√
9 1 2
cos θ = √ =√ =
3 2.3 2 2
como 0 < θ < 180o , então θ = 45o .
Perceba que tomamos dois vetores �u e �v em R3 e, a partir de suas coordenadas, obtivemos o ângulo
formado por eles sem mesmo ter que desenhá-los.

39
No
NoEnsino
EnsinoFundamental,
Fundamental,ééensinada
ensinadaaaregra
regrados
dossinais
sinaispara
paramultiplicação,
multiplicação,isto
istoé,é,negativo
negativocom
comnegativo
negativo
dá
dápositivo,
positivo,positivo
positivocom
comnegativo
negativodá
dánegativo
negativoetc.
etc. Observe
Observealguns
algunsvetores
vetoresna retaR,
nareta R,verifique
verifiquequais
quais
osospossı́veis
possı́veisângulos
ângulosformados
formadospor
poreles
elese,e,utilizando
utilizandoaadefinição
definiçãode
deproduto
produtointerno,
interno,tente
tenteexplicar
explicaraa
regra
regrados
dossinais.
sinais.
Produto
ProdutoVetorial
Vetorial
Vimos,
Vimos,na
naseção
seçãoanterior,
anterior,que
queooproduto
produtointerno
internoassocia
associacada
cadapar
parde
devetores
vetoresaaum
umnúmero
númeroreal.
real.Veremos
Veremos
agora
agorauma
umaoperação
operaçãochamada
chamadade
deProduto
ProdutoVetorial
Vetorial(ou
(ouProduto
ProdutoExterno)
Externo)que,
que,aacada
cadapar
parordenado
ordenadode
de
vetores
vetores(�u
(�u, �,v�v) )no
noespaço,
espaço,associa-se
associa-seum
umvetor
vetorindicado por�u�u××�v�v. .
indicadopor
Definição:
Definição: Dados
Dadosdois
doisvetores
vetores�u�u==(x
(x1 1, ,yy1 1, ,zz1 1) )ee�v�v==(x
(x2 2, ,yy2 2, ,zz2 2),),nessa
nessaordem,
ordem,ooproduto
produtovetorial
vetorialde
de�u�u
por
por�v�vdenotado por�u�u××�v�vresulta
denotadopor resultaem
emum
umvetor
vetorcom
comasasseguintes
seguintespropriedades:
propriedades:
i)i)��
uu××�v�v��==��
�� uu�.��
�� vv�.|sen(�
�.�� uu, �,v�v)|;
�.|sen(� )|;
ii)�u�u××�v�vééperpendicular
ii) perpendicularao
aoplano
planogerado
geradopor
por�u�uee�v�v; ;
iii)
iii)OOsentido
sentidodo vetor�u�u××�v�vpode
dovetor podeser
serindicado
indicadopela
pelaregra
regrada
damão
mãodireita.
direita. Isto
Istoé,é,suponhamos
suponhamosque
que�u�uee�v�v
determinam
determinamum
umplano
planohorizontal,
horizontal,como
comona
nafigura
figuraaaseguir:
seguir:
Com
Comaamão
mãodireita,
direita,indicamos
indicamospor
por�u�u(dedo
(dedoindicador),
indicador),�v�v(dedo médio)ee�u�u××�v�v(o(opolegar
(dedomédio) polegarextendido),
extendido),esse
esse
último
últimoindica
indicaoosentido
sentidodo vetor�u�u×�
dovetor vv. .Por
×� Poroutro
outrolado, produto�v�v××�u�utem-se
lado,ooproduto tem-se�v�v(dedo
(dedoindicador),
indicador),�u�u(dedo
(dedo
médio)ee�v�v××�u�u(polegar)
médio) (polegar)aponta
apontapara
paraoosentido
sentidooposto
opostoao
aoanterior,
anterior,ou seja,�u�u××�v�v==−�
ouseja, vv××�u�u. .
−�
OOitem
item(i)
(i)indica
indicaque
queaanorma
normado
doproduto
produtovetorial
vetorialcorresponde
correspondeààárea
áreado
doparalelogramo
paralelogramoABCD.
ABCD.
I
As coordenadas do produto vetorial podem ser obtidas com auxı́lio do cálculo simbólico de um “determi-
nante”. Ou seja, se �u = (x1 , y1 , z1 ) e �v = (x2 , y2 , z2 ), o produto vetorial �u × �v é dado por
� �
� �
� �i �j �k � ��
�
�
�
�
�
�
�
�
�
� � �
� � � y1 z1 �� x1 z1 �
� �
� x 1 y1 �
� ��
�u × �v = �� x1 y1
�=�
z1 � � � �
i − � � �
j + � �k
� � � y z ��
� x2 z2 �
� �
� x 2 y2 �
� � 2 2
� x 2 y2 z2 �
ou ainda ⎛� � � � � �⎞
� � � � � �
� � � x1 z1 � � x1 y1 �
⎜� y1 z1 � � � � �⎟
�u × �v = ⎝� �,−� �,� �⎠
� � � � � �
� y2 z2 � � x 2 z2 � � x 2 y 2 �
portanto, em termos de coordenadas temos
�u × �v = (y1 z2 − y2 z1 , −(x1 z2 − x2 z1 ), x1 y2 − x2 y1 ) .
Propriedades:
i) �u × �u = �0, ∀ �u
ii) �u × �v = −�v × �u
iii) �u × (�v + w)
� = �u × �v + �u × w
�
iv) (m�u) × �v = m(�u × �v )
v) �u × �v = �0 se, e somente se, um dos vetores é nulo, ou u e v são colineares (paralelos)
vi) O vetor �u × �v é ortogonal aos vetores �u e �v .
Vamos provar a propriedade (ii) utilizando as propriedades dos determinantes, isto é, quando trocamos

41
de posição duas linhas, seu determinante muda o sinal, ou seja

�i �j �k �i �j �k

�u × �v = x1 y1 z1 = − x2 y2 z2 = −�v × �u

x2 y2 z2 x1 y1 z1
Exemplo 6: Sejam �u = (2, 1, 1) e �v = (−1, 0, 2) vetores de R3 , calcule o produto vetorial entre esses
vetores.
Sabemos que

�i �j �k

1 1 2 1 2 1
� � �
�u × �v = 2 1 1 = i − j + k
0 2
−1 2

−1 0

−1 0 2
�u × �v = 2�i − (4 + 1)�j + �k = (2, −5, 1)
Geometricamente, temos
I
Exemplo 7: Calcule a área do paralelogramo determinada pelos vetores �u = (2, 1, 1) e �v = (−1, 0, 2).
Exemplo
Exemplo 7: Calcule a área dodo
paralelogramo determinada pelos vetores �u = (2, 1, 1) e �v = (−1, 0, 2).
Sabemos que7:a área
Calcule a área
do paralelogramoparalelogramo
é dada por:determinada pelos vetores �u = (2, 1, 1) e �v = (−1, 0, 2).
Sabemos que
Sabemos a área dodoparalelogramo é dada por:
Exemplo 7:que a área
Calcule paralelogramo
a área é dada
do paralelogramo por:
determinada pelos vetores �u = (2, 1, 1) e �v = (−1, 0, 2).
A = ��u × �v �
Sabemos que a área do paralelogramo é dada por:
AA==��u��
×
u×�v ��v �
e do item anterior temos A = ��u × �v �

e do item anterior temos
e do item anterior temos A = 22 + (−5)2 + 12
AA== 222+2 (−5) +
2 2
2 1 2
e do item anterior temos √ + (−5) + 1
A= √4 + 25 + 1
A =A =22 +4√(−5) 2 + 12
A= + 2525
4√+ ++ 11
A = √30
√
A = A 4=+ 25√+ 1
A = 3030
√
A = 30
Vimos que o produto interno pode ser definido na reta R, no plano R2 , no espaço R3 , no entanto, o
3 . R, planoRda
Vimos 2 , no espaço R3 , no entanto, o
Vimosque
produto queo oproduto
vetorial produto interno
internopode
é por definição
serserdefinido
pode
um vetor definidonanareta
do espaço Rreta R,nonoaplano
Qual parte R2 ,definição queR garante
no espaço 3 , no entanto, o
isso?
produto vetorial é por definição um vetor dodo
espaço R . 3Qual
3 a parte dadadefinição que garante isso?
produto
Vimos que ovetorial
produto é por definição
interno pode um
ser vetor
definido na reta RR,. no
espaço Qual
planoa parte
R2 , no definição
espaço R3que
, nogarante
entanto,isso?
o
produto vetorial é por definição um vetor do espaço R3 . Qual a parte da definição que garante isso?
No aplicativo GeoGebra, é possı́vel definir um vetor dados dois pontos, além disso, é possı́vel efetuar
NoNoaplicativo
aplicativoGeoGebra,
GeoGebra, é possı́vel definir
é possı́vel definir umumvetor dados
vetor dadosdois
doispontos,
pontos,além
alémdisso,
disso,é possı́vel
é possı́velefetuar
efetuar
as operações usuais com vetores, adição, produto por escalar, e também efetuar as multiplicações dos
asas
operações usuais
operações com
usuais comvetores,
vetores,adição, produto
adição, produtopor escalar,
por escalar,e também
e também efetuar
efetuaras multiplicações
as multiplicações dos
vetores
No (Produto
aplicativo Escalaréepossı́vel
GeoGebra, Produtodefinir
Vetorial). Acesse
um vetor o linkdois
dados e veja a dica
pontos, paradisso,
além obteré as efetuardos
multiplicações
possı́vel
vetores (Produto Escalar e Produto Vetorial). Acesse o link e veja a dica para obter asasmultiplicações
devetores
as vetores.(Produto
operações Escalar
usuais com e Produto
vetores, Vetorial).
adição, produto Acesse o link
por escalar, eetambém
veja a dica para
efetuar asobter multiplicações
multiplicações dos
dede
vetores.
vetores.
vetores (Produto Escalar e Produto Vetorial). Acesse o link e veja a dica para obter as multiplicações
<http://forum.geogebra.org/viewtopic.php?f=19&t=24153>
de vetores.
Acesso em: 12 dez. 2014.
Acesso
Acessoem:em:1212
dez.
dez.2014.
2014.
Acesso em: 12 dez. 2014.
Produto Misto
Produto
ProdutoMistoMisto
Para definirmos o Produto Misto, lembremos que o cálculo do produto interno está associado a um número
Para
Produto
Para definirmos
Mistoo Produto
definirmos o Produto Misto, lembremos
Misto, lembremos que o cálculo
que oO do produto
cálculo interno está associado a um número
real, enquanto o produto vetorial nos dá um vetor. termodo produto
misto interno
indica que está
esse associado a um número
produto envolverá os
real, enquanto o produto vetorial nos dá um vetor. O termo misto indica que esse produto envolverá os
Para definirmos o Produto Misto, lembremos que o cálculo do produto interno está associado a um número os
real,
dois enquanto
tipos de o produto
multiplicação. vetorial nos dá um vetor. O termo misto indica que esse produto envolverá
dois
doistipos dede
tipos multiplicação.
real, enquanto omultiplicação.
produto vetorial nos dá um vetor. O termo misto indica que esse produto envolverá os
dois tipos de multiplicação.

43
Definição: Sejam �u = (x1 , y1 , z1 ), �v = (x2 , y2 , z2 ) e w

� = (x3 , y3 , z3 ) vetores no espaço, o produto misto
é uma operação que a cada terno ordenado associa-se a um número real denotado por
� = (�u × �v ).w.
[�u, �v , w] �
A interpretação geométrica é que o módulo do produto misto corresponde ao volume do paralelepı́pedo

definido pelos vetores �u, �v e w.
�
|[�u, �v , w]|
� = ��u × �v �.�w�.|
� cos(�u × �v , w)|
�
Observe o paralelepı́pedo ABCDEF GH definido pelos vetores �u, �v e w,

� como na figura abaixo:
Assim, ��u × �v � corresponde à área do paralelogramo ABCE e �w�.|

� cos(θ)| é a altura no paralelepı́pedo,
em que θ = (�u × �v ), w.
� Pensando ainda em termos de volume, note que se os vetores �u, �v e w
� são
coplanares, então, o volume do sólido se degenera, ou seja, seu volume é igual a zero. Utilizando o mesmo
raciocı́nio, podemos dizer que os pontos ABCD estão no mesmo plano se o produto misto também é igual
a zero.
Uma forma prática de calcular o produto misto é utilizando o determinante a seguir

x1 y1 z1

� = x2 y2 z2 .
[�u, �v , w]

x3 y3 z3
Vamos verificar a validade dessa igualdade, temos:
(�u × �v ) .w
� = (y1 z2 − y2 z1 , −(x1 z2 − x2 z1 ), x1 y2 − x2 y1 ) .(x3 , y3 , z3 )
� = x3 (y1 z2 − y2 z1 ) − y3 (x1 z2 − x2 z1 ) + z3 (x1 y2 − x2 y1 )

(�u × �v ) .w
I
ou seja,

x1 y1 z1

� = x2 y2 z2
(�u × �v ) .w

x3 y3 z3
portanto,

x1 y 1 z 1

� = x2 y2 z2
[�u, �v , w]

x 3 y 3 z3
Exemplo 8: Mostre que os vetores �u = (−1, −3, −1), �v = (2, 3, −1) e w

� = (−1, 0, 2) são coplanares (LD).
Os vetores �u, �v e w
� são coplanares se [�u, �v , w]
� = 0, assim temos:

−1 −3 −1

� = 2
[�u, �v , w]
3 −1 = −1(6 − 0) + 3(4 − 1) − 1(0 + 3) = −6 + 9 − 3 = 0.

−1 0 2
Exemplo 9: Verifique se os pontos A(0, 0, 2), B(1, 0, 0), C(−1, −3, 1) e D(−2, −3, 3) estão situados no
mesmo plano.
−−→ −→ −−→
Os pontos dados são coplanares se os vetores AB, AC e AD forem coplanares, da definição de produto
misto, temos:

1−0 0 − 0− 0 − 2

−−→ −→ −−→
[AB, AC, AD] = −1 − 0 −3 − 0 1 − 2

−2 − 0 −3 − 0 3 − 2

1 0 −2

= −1 −3 −1

−2 −3 1
= 1(−3 − 3) − 0(−1 − 2) − 2(+3 − 6)
=0
−−→ −→ −−→
portanto, como [AB, AC, AD] = 0, segue que os pontos dados são coplanares.

45
Exemplo 10: Determine o volume do paralelepı́pedo que tem um dos vértices no ponto A(0, 0, 0) e três
vértices adjacentes
Exemplo 10: 10: B(0, 2,
Determine o 0), C(4, do
volume 0, 0) e D(0, 0, 2). que tem um dos vértices no ponto A(0, 0, 0) e três
paralelepı́pedo
Exemplo Determine o volume do paralelepı́pedo que tem um dos vértices no ponto A(0, 0, 0) e três
vértices adjacentes
vértices B(0,B(0,
adjacentes 2, 0),
2, C(4, 0, 0)0,e0)D(0,
0), C(4, 0, 2).
e D(0, 0, 2).

0−0 2−0 0−0

−−→ −→ −−→
[AB, AC, AD] = 0 4− 0 20 0−− 0 00 0−− 0 0
− 00 − 20 − 00 −
−−→−− −→ − −
→
[AB, → −AD]
AC, → −−→= =4 0− −0 0 0 0−−0 0 0 2−−0 0
[AB, AC, AD] 4 − 0 0 − 0 0 −
0

0 − 0 0 − 0 2 − 0
0 0 2− 00 0 − 0 2 − 0

= 0 4 2 0 0 0
0 2 0

= =4 0 0 0 0 2
4 0 0

= 0(0
0 0−0 0)20 − 2(8
2 − 0) + 0(0 − 0)
==0(0 − 0)−−0)2(8
−16
= 0(0 − 0)−+0)0(0
− 2(8 − 0)− 0)
+ 0(0
−−→ −→ −−→
= −16
[AB, AC, AD] = = 16−16
−−→
−− −
→→−−−→−−
→ →
[AB, AC,AC,
[AB, = 16
AD]AD] = 16
A multiplicação de vetores tem ampla aplicação no ramo da fı́sica, a saber as Equações de Maxwell.
A<https://www.youtube.com/watch?v=WoZ8kCGQZEE>
multiplicação de vetores
A multiplicação temtem
de vetores ampla aplicação
ampla no ramo
aplicação da fı́sica,
no ramo a saber
da fı́sica, as Equações
a saber de Maxwell.
as Equações de Maxwell.
<https://www.youtube.com/watch?v=WoZ8kCGQZEE>
<https://www.youtube.com/watch?v=WoZ8kCGQZEE>
Uma propriedade interessante do produto misto é que, dados �u, �v e w,

� esses vetores são coplanares
se [�upropriedade
Uma , �v , w]
� = 0, ou seja, essesdo
interessante três vetoresmisto
formam um dados
conjunto
�u, �vLD. �Agora, se [�u, �v , w] � �=coplanares
0, então, o
Uma propriedade interessante produto
do produto mistoé que,
é que, dados �u,e �vw,
e esses
w, vetores
� esses vetores são são coplanares
seconjunto
[�u
se, �v[�u
, w] é LI
,��v ,=w]
(nãoseja,
� 0,=ou
coplanares).
esses
0, ou seja, esses
Portanto,
trêstrês
vetores dados três
formam
vetores formam
vetores noLD.
um um
conjunto espaço,
conjunto LD.
podemos
Agora, se [�u
Agora,
verificar
se, �v[�u ,��v ,�=
, w] se eles são
� 0,�=então,
w] o o
0, então,
LI ou LD
conjunto analisando
é LI o valor doPortanto,
produto misto.
conjunto é (não coplanares).
LI (não coplanares). dados
Portanto, trêstrês
dados vetores no espaço,
vetores podemos
no espaço, verificar
podemos se eles
verificar são são
se eles
LIFonte:
ou
LI LD analisando
ouoLDautor o valor
analisando do produto
o valor misto.
do produto misto.
Fonte: o autor
Fonte: o autor
I
ESPAÇO VETORIAL
ESPAÇO VETORIAL
Definição: (Espaço Vetorial): Considere um conjunto V no qual estão definidas duas operações: uma
adição, que a cada par de elementos u e v de V associa um elemento u + v de V , chamado soma de u e v,
e uma multiplicação por escalar, que a cada número real α e a cada elemento v de V associa um elemento
αv de V , chamado produto de α por v. Dizemos que o conjunto V munido dessas operações é um espaço
vetorial real se são satisfeitas as seguintes condições para u, v e w de V e para α e β reais:
i) u + v = v + u - comutatividade.
ii) u + (v + w) = (u + v) + w - associatividade.
iii) Existe 0 ∈ V tal que u + O = u - existência de elemento neutro da adição.
iv) Para cada v ∈ V , existe um elemento de V , o qual denotamos de −v tal que v +(−v) = 0 - existência
do oposto.
v) α(βv) = (αβ)v - associatividade.
vi) (α + β)v = αv + βv - distributividade.
vii) α(u + v) = αu + αv - distributividade.
viii) 1 · u = u.
Além dos exemplos de espaços vetoriais citados na introdução desta unidade, vamos listar a seguir alguns
exemplos de conjuntos que são e outros que não são espaços vetoriais.
Exemplo 1: O conjunto V = {(x, y)|x, y ∈ R} com adição definida como segue
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , 0)
e multiplicação por escalares como no R2 , isto é, para cada α ∈ R, temos
α(x, y) = (αx, αy)
não é espaço vetorial sobre R, pois verifiquemos a propriedade (iii).
(iii) Dados u = (x1 , x2 ) e 0 = (0, 0) temos u + 0 = (x1 , x2 ) + (0, 0) = (x1 + 0, 0) = (x1 , 0) �= u.

47
Exemplo 2: O conjunto W = {(x, 2x, 3x); x ∈ R} com as operações usuais é um espaço vetorial.
Verifiquemos as oito propriedades.
Sejam u = (a, 2a, 3a), v = (b, 2b, 3b), w = (c, 2c, 3c) com u, v, w ∈ R e α, β ∈ R, assim
(i) u + v = (a, 2a, 3a) + (b, 2b, 3b)
= (a + b, 2a + 2b, 3a + 3b)
= (b + a, 2b + 2a, 3b + 3a)
= (b, 2b, 3b) + (a, 2a, 3a)
= v+u
(ii) u + (v + w) = (a, 2a, 3a) + [(b, 2b, 3b) + (c, 2c, 3c)]
= (a, 2a, 3a) + (b + c, 2b + 2c, 3b + 3c)
= (a + b + c, 2a + 2b + 2c, 3a + 3b + 3c)
= (a + b, 2a + 2b, 3a + 3b) + (c, 2c, 3c)
= [(a, 2a, 3a) + (b, 2b, 3b)] + (c, 2c, 3c)
= (u + v) + w
(iii) u + 0 = (a, 2a, 3a) + (0, 0, 0)
= (a + 0, 2a + 0, 3a + 0)
= (a, 2a, 3a)
= u
(iv) u + (−u) = (a, 2a, 3a) + (−a, −2a, −3a)
= (a − a, 2a − 2a, 3a − 3a)
= (0, 0, 0)
= 0
(v) α(βv) = α(β(b, 2b, 3b))
= α(βb, β2b, β3b)
= (αβb, αβ2b, αβ3b)
= αβ(b, 2b, 3b)
= (αβ)v
Espaço Vetorial
I
(vi) (α + β)v = (α + β)(b, 2b, 3b)
= ((α + β)b, (α + β)2b, (α + β)3b)
= (αb + βb, α2b + β2b, α3b + β3b)
= (αb, α2b, α3b) + (βb, β2b, β3b)
= α(b, 2b, 3b) + β(b, 2b, 3b)
= αv + βv
(vii) α(u + v) = α[(a, 2a, 3a) + (b, 2b, 3b)]
= α(a + b, 2a + 2b, 3a + 3b)
= (α(a + b), α(2a + 2b), α(3a + 3b))
= (αa + αb, α2a + α2b, α3a + α3b)
= (αa, α2a, α3a) + (αb, α2b, α3b)
= α(a, 2a, 3a) + α(b, 2b, 3b)
= αu + αv
(viii) 1 · u = 1(a, 2a, 3a)
= (1 · a, 1 · 2a, 1 · 3a)
= (a, 2a, 3a)
= u
Exemplo 3: Seja X um conjunto não vazio qualquer. Seja F (X, R) o conjunto das funções reais,
f : X → R. Para f e g funções reais de F (X, R) e α um escalar, definimos a soma f + g por
(f + g)(x) = f (x) + g(x), para todo x ∈ R
e a multiplicação de f pelo escalar α por
(αf )(x) = αf (x) para todo x ∈ R.
Vamos mostrar que o conjunto F (X, R) é um espaço vetorial sobre R.
Sejam f, g, h ∈ F (X, R) e α, β escalares. Assim:

49
(i) (f + g)(x) = f (x) + g(x)
= g(x) + f (x)
= (g + f )(x)
(ii) [f + (g + h)(x)] = f (x) + (g + h)(x)
= f (x) + g(x) + h(x)
= [f (x) + g(x)] + h(x)
= (f + g)(x) + h(x)
= [(f + g)(x) + h](x)

(iii) Seja 0 a função identicamente nula, assim:
(f + 0)(x) = f (x) + 0(x)
= f (x)
(iv) Dada a função f definimos a função −f por (−f )(x) = −f (x), para todo x ∈ R, logo:
[f + (−f )](x) = f (x) + (−f )(x)
= f (x) − f (x)
= 0
= 0(x)
(v) [α(βf )](x) = α(βf )(x)
= α(βf (x))
= (αβ)f (x)
= [(αβ)f ](x)
(vi) [(α + β)f ](x) = (α + β)f (x)
= αf (x) + βf (x)
= (αf )(x) + (βf )(x)
= [αf + βf ](x)
Espaço Vetorial
I
(vii) [α(f + g)](x) = α(f + g)(x)

SUBESPAÇO= VETORIAL
α(f (x) + g(x))
= αf (x) + αg(x)
= (αf )(x) + (αg)(x)
= [αf + αg](x)
(viii) (1 · f )(x) = 1 · f (x)
= f (x)
Observemos que os elementos de um espaço vetorial são chamados vetores. O elemento neutro da soma
→
−
é chamado vetor nulo e denotado por 0 ou 0 . Note que, segundo essa convenção, vetores podem ser
polinômios, matrizes etc; e o sı́mbolo 0 será usado também para matrizes nulas, n-uplas de zeros etc.
SUBESPAÇO VETORIAL
Sejam V um espaço vetorial e W um subconjunto não vazio de V . Dizemos que W é um subespaço vetorial
de V , ou simplesmente um subespaço de V , se W , com as operações de adição em V e de multiplicação
de vetores de V por escalares, é um espaço vetorial.
No entanto, não precisamos provar todas as propriedades de espaço vetorial. Como o subconjunto W é
parte de V , o qual é, por definição, espaço vetorial, basta observarmos as condições necessárias para que
um subconjunto W seja um subespaço vetorial na definição seguinte.
Definição: Sejam V um espaço vetorial e W um subconjunto não vazio de V . Então, W é um subespaço

de V se, e somente se, as seguintes condições são satisfeitas:
i) Se u, v ∈ W , então u + v ∈ W .
ii) Se a ∈ R e u ∈ W , então au ∈ W .
Exemplo 1: Seja V um espaço vetorial. Então o conjunto {0}, constituı́do apenas do vetor nulo, e
também todo o espaço V são subespaços de V . O conjunto {0} é chamado de espaço vetorial nulo.
De fato, é claro que {0} �= ∅. Além disso, dados dois elementos de {0}, a soma deles pertence a {0}
(o único elemento que existe para considerarmos é 0), e o produto de um número real qualquer por um
elemento de {0} resulta no vetor nulo, pertencendo, portanto, a {0}.

51
Para verificar que V é subespaço vetorial de V , basta aplicar diretamente a definição de subespaço vetorial
e observar que V ∩ V é obviamente um espaço vetorial com respeito às mesmas operações. Por serem os
subespaços mais simples do espaço vetorial V , {0} e V são chamados subespaços triviais de V .
Exemplo 2: Seja V = Rn e sejam i1 , i2 , . . . , ir números naturais tais que 0 < i1 < i2 < · · · < ir n. O
conjunto
W = {(x1 , x2 , . . . , xn ); xir = xi2 = · · · = xir = 0}
é um subespaço vetorial de Rn . Em particular, W1 = {(0, y, z); y, z ∈ R} e W2 = {(0, y, 0); y ∈ R} são

subespaços vetoriais de R3 .
Exemplo 3: Seja S = {(x, 2x); x ∈ R}. O conjunto S é um subespaço vetorial de R2 .

De fato, S �= ∅, porque (0, 0) ∈ S, basta considerar x = 0.
Seja u ∈ S e v ∈ S, digamos u = (x, 2x) e v = (y, 2y), com x, y ∈ R. Logo, temos que:
u + v = (x, 2x) + (y, 2y) = (x + y, 2x + 2y) = (x + y, 2(x + y))
Assim, obtemos que u + v ∈ S

Se α ∈ R e u = (x, 2x) ∈ S, então:
αu = α(x, 2x) = (αx, α2x) = (αx, 2(αx)) ∈ S
Exemplo 4: Seja o espaço vetorial V = M (n, n), conjunto das matrizes quadradas de ordem n, o
subconjunto W das matrizes triangulares superiores é um subespaço vetorial pois a soma de matrizes
triangulares superiores ainda é uma matriz triangular superior, assim como o produto de uma matriz
triangular superior por um escalar.
Exemplo 5: Sejam o espaço vetorial V = R2 e o subconjunto W = {(x, x2 ); x ∈ R}. W não é um

subespaço vetorial, pois, se escolhermos u = (1, 1) e v = (2, 4), temos:
u + v = (3, 5) �∈ W
Exemplo 6: Sejam E um espaço vetorial e v ∈ E um vetor não-nulo. O conjunto F = {αv; α ∈ R} de

todos os múltiplos de v é um subespaço vetorial de E, chamado a reta que passa pela origem e contém v.
Subespaço Vetorial
I
Exemplo 7: Os chamados vetores canônicos
e1 = (1, 0, 0, . . . , 0),
e2 = (0, 1, 0, . . . , 0),
..
.
en = (0, 0, 0, . . . , 1)
constituem um conjunto de geradores do espaço Rn . De fato, dado v = (x1 , x2 , . . . , xn ) ∈ Rn , tem-se

v = x1 e1 + x2 e2 + · · · + xn en . É fácil ver que o conjunto de todas as combinações lineares que se podem
formar com vetores retirados de um subconjunto X de um espaço vetorial E é, de fato, um subespaço
vetorial.
Exemplo 8: Considere todos os vetores em R2 cujos componentes sejam positivos ou nulos. Esse sub-
conjunto é o primeiro quadrante do plano xy e as coordenadas satisfazem x 0 e y 0. Esse conjunto
não é um subespaço, mesmo que ele contenha zero e que a soma nos deixe dentro do subconjunto. A
segunda condição para que um subconjunto seja subespaço vetorial é violada, pois, se o escalar for −1 e
o vetor for v = (1, 1), teremos:
−1v = −1(1, 1) = (−1, −1)
o qual não pertence ao primeiro quadrante.
Exemplo 9: O conjunto W = {(x, y, z) ∈ R3 ; x ∈ Z} não é um subespaço vetorial. De fato, se tomarmos

um α ∈ {R − Q} e um vetor u = (x, y, z) com x ∈ Z temos, na segunda condição de subespaço vetorial:
i) αu = α(x, y, z) = (αx, αy, αz) como o produto αx �∈ Z temos que αu �∈ W .
Exemplo 10: O conjunto w = {(x, y, z) ∈ R3 ; x − 3z = 0} é um subespaço vetorial, pois podemos

verificar claramente que esse conjunto é diferente de vazio. Por outro lado, temos:
i) Dados u = (3z1 , y1 , z1 ) e v = (3z2 , y2 , z2 ) com u, v ∈ W temos:
u + v = (3z1 , y1 , z1 ) + (3z2 , y2 , z2 )
= (3z1 + 3z2 , y1 + y2 , z1 + z2 )
= (3(z1 + z2 ), y1 + y2 , z1 + z2 ) ∈ W
ii) Dado α ∈ R e u = (3z, y, z), temos:

53
αu = α(3z, y, z)
= (α3z, αy, αz)
= (3αz, αy, αz) ∈ W
Portanto, pelo exposto, temos que o conjunto W é um subespaço do R3 .
Operações com Subespaços
Como espaços vetoriais são conjuntos, um questionamento pertinente seria sobre a união e a interseção de
conjuntos. Será que essas operações preservam a propriedade de espaço vetorial? Ao longo desta subseção,
teremos material para responder a essa pergunta.
Exemplo 1: Sejam os conjuntos U = {(x, y) ∈ R2 ; x + y = 0} e W = {(x, y) ∈ R2 ; x − y = 0}. É de

fácil verificação que esses conjuntos são subespaços do R2 , mas o conjunto U ∪ W não é subespaço do R2 ,
pois, se tomarmos u = (1, 1) ∈ U ∪ W e w = (1, −1) ∈ U ∪ W , obtemos u + w = (2, 0) �∈ U ∪ W .
Esse exemplo mostra que a união de dois subespaços de um espaço vetorial V não é necessariamente um
subespaço de V . O próximo teorema mostra que a interseção de subespaços é sempre um subespaço.
Teorema: A interseção de dois subespaços de um espaço vetorial V é um subespaço de V .

Prova: Sejam U e W subespaços de V . Para verificarmos que U ∩ W é também um subespaço de V ,
primeiramente note que U ∩ W é um subconjunto não vazio de V , pois 0 ∈ U e 0 ∈ W , já que ambos
U e W são subespaços de V . Agora, tomemos a ∈ R e u, v ∈ U ∩ W . Como u, v ∈ U e u, v ∈ W , se-
gue que u+av ∈ U e u+av ∈ W (mostre), ou seja, u+av ∈ U ∩W . Segue que U ∩W é um subespaço de V .
Exemplo 2: Seja o espaço vetorial V = R3 e os planos Π1 e Π2 . Temos que a interseção Π1 ∩ Π2 , que é

uma reta, também será subespaço do R3 .
Exemplo 3: Seja o espaço vetorial V = R3 e as retas r1 e r2 que passam pela origem. Logo temos
r1 ∩ r2 = {0} e r1 ∪ r2 é o feixe formado pelas duas retas, que não é subespaço vetorial de R3 .
Um problema surge nesse momento. Quando consideramos a união de subespaços e se tomarmos um

vetor de cada subespaço, a soma desses vetores pode não pertencer à união. Com isso temos a definição
seguinte.
Definição: Dados U e W subespaços de um espaço vetorial V , definimos a soma de U e W , denotada

por U + W , como o conjunto
U + W = {u + w; u ∈ U e w ∈ W }
Subespaço Vetorial
I
Exemplo 3: Sejam os mesmos conjuntos U e W definidos no exemplo 17. Temos que U + W = R2 , e,

COMBINAÇÃO LINEAR
consequentemente, U + W é um subespaço de R . De fato, se (x, y) ∈ R , então:
2 2
� � � �
x−y y−x x+y x+y
(x, y) = , + ,
2 2 2 2
isto é, todo elemento de R2 se escreve como a soma de um elemento de U e um elemento de W .
Teorema: A soma de dois subespaços U e W de um espaço vetorial V é um subespaço de V .

A prova desse teorema fica como exercı́cio para o(a) leitor(a).
COMBINAÇÃO LINEAR
Seja o espaço vetorial V e sejam os vetores v1 , v2 , . . . , vn ∈ V . Um vetor v ∈ V poderá ser escrito como
combinação linear dos vetores v1 , v2 , . . . , vn , se existirem números reais a1 , a2 , . . . , an tal que se tenha:
v = a1 v 1 + a 2 v 2 + · · · + an v n
Exemplo 1: O vetor v = (8, 3, 11) do R3 é uma combinação linear dos vetores u1 = (−1, 2, 3), u2 =
(4, 0, 1) e u3 = (2, 1, −2). Para verificarmos essa afirmação, temos que encontrar números reais a1 , a2 e
a3 para que tenhamos
v = a1 u 1 + a 2 u 2 + a 3 u 3
ou ainda
(8, 3, 11) = a1 (−1, 2, 3) + a2 (4, 0, 1) + a3 (2, 1, −2)
e esta equação equivale ao sistema ⎧

⎪
⎪ −a1 + 4a2 + 2a3 = 8
⎪
⎪
⎨
⎪ 2a1 + a3 = 3
⎪
⎪
⎪
⎩
3a1 + a2 − 2a3 = 11
escalonando, obtemos ⎧
⎪
⎪ −a1 + 4a2 + 2a3 = 8
⎪
⎪
⎨
⎪ 8a2 + 5a3 = 19
⎪
⎪
⎪
⎩
−33a3 = 33

55
com isso, encontramos facilmente os valores a1 = 2, a2 = 3 e a3 = −1. Portanto, temos
v = 2u1 + 3u2 − u3 .
Uma vez fixados vetores u1 , u2 , . . . , un pertencentes ao espaço vetorial V , o conjunto W de todas as

combinações lineares de u1 , u2 , . . . , un é um subespaço vetorial. Chamaremos o conjunto W de subespaço
gerado por u1 , u2 , . . . , un o qual denotamos por
W = [u1 , u2 , . . . , un ]
Exemplo 2: O espaço gerado pelo vetor u = (2, −1, 1) em R3 é o conjunto W = {α(2, −1, 1); α ∈ R} já
que uma combinação linear de u é um múltiplo escalar de u.
Exemplo 3: Se v1 , v2 ∈ R3 são tais que βv1 �= v2 para todo β ∈ R, então [v1 , v2 ] será o plano que passa
pela origem e contém v1 e v2 .
Exemplo 4: O subespaço de R3 gerado pelos vetores u1 = (1, 2, 0), u2 = (3, 0, 1) e u3 = (2, −2, 1) é o
plano de equação 2x−y −6z = 0. Note que os vetores dados satisfazem a equação obtida para o subespaço
gerado por eles.
Vimos que, dado um conjunto de vetores de um espaço vetorial V , o conjunto de todas as suas combina-
ções lineares é um subespaço vetorial de V . Será que todo subespaço S de V é gerado por um conjunto
de vetores? A resposta para essa pergunta é sim. A verificação fica a cargo do(a) leitor(a).
Em seguida, listamos alguns exemplos sobre esse questionamento.
Exemplo 5: Seja o conjunto S = {(x, 2x); x ∈ R}. Note que todos os elementos de S são da forma
(x, 2x) = x(1, 2). Variando o valor de x, obtemos diversos elementos do conjunto S. Ora, x(1, 2) é a
expressão de uma combinação linear de (1, 2), portanto, todos os elementos de S são combinações lineares
de (1, 2).
Exemplo 6: Seja S = {(x, x + y, y); x, y ∈ R}. Temos que todos os elementos de S são da forma
(x, x + y, y), mas podemos escrever essa forma de outra maneira, como segue
(x, x + y, y) = (x, x, 0) + (0, y, y) = x(1, 1, 0) + y(0, 1, 1)
Combinação Linear
I
isto é, os elementos do conjunto S são combinações lineares dos vetores (1, 1, 0) e (0, 1, 1). Podemos
BASE DE UM ESPAÇO VETORIAL
escrever então S = [(1, 1, 0), (0, 1, 1)].
Exemplo 7: Agora, seja S = {(x, y, z); x + y − z = 0}. Nesse caso, para encontrarmos os geradores,
observemos que, na igualdade x + y − z = 0, obtemos z = x + y, assim, todo elemento de S tem a forma
(x, y, x + y). Prosseguindo do mesmo modo que no exemplo anterior, temos
(x, y, x + y) = (x, 0, x) + (0, y, y) = x(1, 0, 1) + y(0, 1, 1)

portanto, teremos
S = [(1, 0, 1), (0, 1, 1)]
BASE DE UM ESPAÇO VETORIAL
Vamos introduzir nesta seção dois conceitos essenciais no estudo de Espaços Vetoriais: Base e Dimensão.
Com esses dois conceitos, podemos esclarecer as estruturas desses espaços.
BASES
Definição: Seja α = {v1 , v2 , . . . , vn } um conjunto ordenado de vetores de um espaço vetorial V . Dizemos

que α é uma base de V se as seguintes condições são verificadas:
i) α é LI
ii) V = [α]
Vimos na seção anterior que a base canônica α = {e1 , e2 , e3 } com e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1)
é LI. Esse conjunto também gera R3 , pois qualquer vetor de R3 pode ser representado como combinação
linear da base canônica, isto é, seja u = (x, y, z) ∈ R3 , temos que u = xe1 + ye2 + ze3 .
Exemplo 1: Sejam
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 1 0 ⎥ ⎢ 0 1 ⎥ ⎢ 0 0 ⎥ ⎢ 0 0 ⎥
M1 = ⎣ ⎦ , M2 = ⎣ ⎦ , M3 = ⎣ ⎦ , M4 = ⎣ ⎦.
0 0 0 0 1 0 0 1
O conjunto α = {M1 , M2 , M3 , M4 } é uma base de M (2, 2), isto é, o espaço vetorial das matrizes quadradas
de ordem 2. De fato, basta observamos que o conjunto α gera o espaço M (2, 2), isto é, dado um vetor
qualquer ⎡ ⎤
⎢ x y ⎥
M =⎣ ⎦
z w

57
em M (2, 2), verificamos facilmente que
M = xM1 + yM2 + zM3 + wM4 .
Agora, precisamos mostrar que o conjunto α é LI. Com efeito, seja a equação
a 1 M1 + a 2 M2 + a 3 M3 + a 4 M4 = 0
ou ainda ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 1 0 ⎥ ⎢ 0 1 ⎥ ⎢ 0 0 ⎥ ⎢ 0 0 ⎥ ⎢ 0 0 ⎥
a1 ⎣ ⎦ + a2 ⎣ ⎦ + a3 ⎣ ⎦ + a4 ⎣ ⎦=⎣ ⎦
0 0 0 0 1 0 0 1 0 0
essa igualdade só ocorre se, e somente se a1 = a2 = a3 = a4 = 0, portanto, o conjunto α é LI.
Exemplo 2: O conjunto {(0, 1), (0, 3)} não é uma base de R2 , pois é um conjunto LD. De fato, podemos
observar, por exemplo, se u = (0, 1) e v = (0, 3), temos que v = 3u, isto é, são múltiplos, ou ainda, um é
combinação linear do outro.
Exemplo 3: Vamos encontrar uma base do espaço solução do seguinte sistema:

⎧
⎪
⎪ x−y−z−t=0
⎪
⎪
⎨
⎪ 2x + y + t = 0
⎪
⎪
⎪
⎩
z−t=0
Em primeiro lugar, vamos obter o conjunto solução deste sistema escalonando-o, isto é:
⎧ ⎧
⎪
⎪ x − y − z − t = 0 ⎪
⎪ x−y−z−t=0
⎪
⎪ ⎪
⎪
⎨ ⎨
2x + y + t = 0 ⇒
⎪
⎪ ⎪ 3y + 2z + 3t = 0
⎪
⎪
⎪ ⎪
⎪
⎩ ⎩
z−t=0 z−t=0
Logo, uma solução do sistema é o conjunto:

��
t 5t
α= , − , t, t ; t ∈ R .
3 3
Podemos escrever ainda: � � � �

1 5
α= t , − , 1, 1 ; t ∈ R .
3 3
� �
1 5
Assim, temos que o espaço solução do sistema em questão é gerado pelo vetor , − , 1, 1 , isto é, se S
3 3
Base de um Espaço Vetorial

I
é o espaço, temos que

1 5
S= , − , 1, 1
3 3
Agora, basta mostrar que este conjunto é LI. De fato, dado um α ∈ R, temos

1 5
α , − , 1, 1 = (0, 0, 0, 0)
3 3
cuja igualdade será verdadeira se, e somente se, α = 0.
Exemplo 4: Encontremos uma base do subespaço W do R4 em que W = {(x, y, z, t) ∈ R4 ; x − y =

y e x − 3y + t = 0}. Seja (x, y, z, t) ∈ W com x = 2y e t = 3y − x = 3y − 2y = y, logo:
(x, y, z, t) = (2y, y, z, y)
= (2y, y, 0, y) + (0, 0, z, 0)
= y(2, 1, 0, 1) + z(0, 0, 1, 0)
Segue que W = [(2, 1, 0, 1), (0, 0, 1, 0)]. O próximo passo é mostrar que esse conjunto é LI. De fato, sejam
α, β ∈ R, tal que
α(2, 1, 0, 1) + β(0, 0, 1, 0) = (0, 0, 0, 0)
ou ainda
(2α, α, 0, α) + (0, 0, β, 0) = (0, 0, 0, 0)
e ,com isso, obtemos α = β = 0.
Teorema: Sejam v1 , v2 , . . . , vn vetores não nulos que geram um espaço vetorial V . Então, dentre esses
vetores podemos extrair uma base de V .
Teorema: Sejam um espaço vetorial V gerado por um conjunto finito de vetores v1 , v2 , . . . , vn . Então,
qualquer conjunto com mais de n vetores é, necessariamente, LD (e, portanto, qualquer conjunto LI tem
no máximo n vetores).
A demonstração desses teoremas você encontrará no livro: Álgebra Linear do Boldrini.
Uma consequência desses teoremas é que qualquer base de um espaço vetorial tem sempre o mesmo
número de elementos. Esse número é chamado dimensão de V , e denotado por dimV , é o que veremos
na próxima subseção.
Teorema: Dada uma base β = {v1 , v2 , . . . , vn } de um espaço vetorial V , cada vetor de V é escrito de
maneira única como combinação linear de v1 , v2 , . . . , vn .

59
Definição: Seja β = {v1 , v2 , . . . , vn } base de V e v ∈ V em que v = a1 v1 + a2 v2 + . . . + an vn . Denotamos

estes números a1 , . . . , an de coordenadas de v em relação à base β e escrevemos
⎡ ⎤
⎢ a1 ⎥
⎢ . ⎥
[v]β = ⎢ ⎥
⎢ .. ⎥
⎣ ⎦
an
Exemplo 5: Sejam o espaço vetorial R2 e a base β = {(1, 1), (0, 1)}. Tomando o vetor v = (2, 6), temos
que v = 2(1, 1) + 4(0, 1), então: ⎡ ⎤
⎢ 2 ⎥
[v]β = ⎣ ⎦
Em geral, se tivermos um vetor u = (x, y) ∈ R2 , as coordenadas de u em relação à base β será

⎡ ⎤
⎢ x ⎥
[u]β = ⎣ ⎦
y−x
⎡ ⎤
⎢ 1 ⎥
Exemplo 6: Seja a base β = {(1, 1), (0, 2)} do R2 . Sejam u, v ∈ R2 . Se [u]β = ⎣ ⎦, vamos determinar
3
u. Se v = (2, 5), vamos determinar [v]β .
⎡ ⎤
⎢ 1 ⎥
Vamos resolver a primeira parte. Como [u]β = ⎣ ⎦, então u = 1(1, 1) + 3(0, 2) = (1, 1) + (0, 6) = (1, 7).
3
⎡ ⎤
⎢ v1 ⎥
Agora, se v = (2, 5) e [v]β = ⎣ ⎦, então
v2
(2, 5) = v1 (1, 1) + v2 (0, 2)
isto é
(2, 5) = (v1 , v1 + 2v2 )
o que resulta em ⎧
⎪
⎨ v1 = 2
⎪
⎩ v + 2v = 5 ⇒ 2 + 2v = 5 ⇒ v = 3/2
1 2 2 2
Base de um Espaço Vetorial

I
DIMENSÃO
⎡
2
⎤
⎢ ⎥
Portanto, [v]β = ⎣ ⎦
3/2
Exemplo 7: Seja β = {2, 1 − t, 1 + t + t2 } uma base de P 2 [t], o espaço dos polinômios em uma variável
de grau 2. Vamos determinar as coordenadas de u = t2 − 1 na base β.
⎡ ⎤
⎢ u 1 ⎥
⎢ ⎥
Se β = {b1 , b2 , b3 } e [u]β = ⎢ ⎥
⎢ u2 ⎥ então
⎣ ⎦
u3
u = u1 b1 + u2 b2 + u3 b3
isto é
t2 − 1 = u1 (2) + u2 (1 − t) + u3 (1 + t + t2 )
o que resulta
t2 − 1 = 2u1 + u2 − tu2 + u3 + tu3 + t2 u3
ou ainda
t2 − 1 = 2u1 + u2 + u3 + (−u2 + u3 )t + u3 t2
Comparando os coeficientes, obtemos:

⎧ ⎧
⎪
⎪ 2u1 + u2 + u3 = −1 ⎪
⎪ u1 = −3/2
⎪
⎪ ⎪
⎪
⎨ ⎨
−u2 + u3 = 0 , o que nos fornece u2 = 1
⎪
⎪ ⎪
⎪
⎪
⎪ ⎪
⎪
⎩ ⎩
u3 = 1 u3 = 1
⎡ ⎤
⎢ 3/2 ⎥
⎢ ⎥
Portanto, [u]β = ⎢
⎢ 1 ⎥
⎥
⎣ ⎦
1
DIMENSÃO
O número de elementos de uma base de um espaço vetorial V de dimensão finita é chamado de dimensão
de V e denotado por dimV . Se V é um espaço vetorial nulo, então convencionamos dimV = 0.
Exemplo 1: Os espaços vetoriais Rn e M (m, n) são espaços vetoriais de dimensão finita. A dimensão de
Rn é n, já que a base canônica de Rn tem n elementos (ver Exemplo 13). Por essa razão, Rn é chamado

61
de espaço n-dimensional. Os espaço vetoriais R2 e R3 são chamados usualmente de espaços bidimensional

e tridimensional, respectivamente. Já a dimensão de M (m, n) é m · n, já que a base canônica de M (m, n)
é formada por m · n matrizes distintas, cada uma das quais possuindo uma única entrada igual a 1 e todas
as demais entradas iguais a 0, ordenadas de forma semelhante ao que foi visto no Exemplo 35, que foi o
caso de M (2, 2).
Exemplo 2: Os monômios 1, x, x2 , . . . , xn constituem uma base do espaço vetorial Pn , dos polinômios de

grau n, logo, Pn tem dimensão finita e dimPn = n + 1.
Teorema: Qualquer conjunto de vetores LI de um espaço vetorial V de dimensão finita pode ser com-
pletado de modo a formar uma base de V .
Em consequência desse teorema, temos que se dimV = n, qualquer conjunto de n vetores LI formará
uma base de V . A justificativa dessa consequência é simples. Se não formasse uma base, poderı́amos,
pelo teorema anterior, completar o conjunto até formá-la e dessa forma terı́amos uma base com mais do
que n vetores em V , o que é absurdo.
Exemplo 3: A dimensão de qualquer subespaço W do R3 só poderá ser 0, 1, 2 ou 3. Portanto, temos

que se dimW = 0, então S = {0} é a origem; se dimW = 1, então W é uma reta que passa pela origem;
se dimW = 2, então W é o plano que passa pela origem; se dimW = 3, então W = R3 .
Exemplo 4: O conjunto W = {(2, 1), (−1, 3)} é uma base do R2 . De fato, pelo processo prático, temos
⎡ ⎤ ⎡ ⎤
⎢ 2 1 ⎥ ⎢ 2 1 ⎥
⎣ ⎦⇒⎣ ⎦
−1 3 0 7
logo, o conjunto W é LI e dimW = 2. Podemos também verificar que o conjunto S = {(2, 1), (0, 7)}
também é uma base do R2 . Se quisermos ainda verificar se realmente o conjunto S, por exemplo, gera o
espaço R2 , basta observarmos que se (x, y) ∈ R2 com
(x, y) = a(2, 1) + b(0, 7)
x 2y − x
tomando a = e b = , teremos o desejado. Isto é, tomando os valores de a e b descritos
2 14
anteriormente, temos que qualquer conjunto do R2 pode ser escrito como combinação linear dos elementos
do conjunto S.
Exemplo 5: Sejam os vetores v1 = (1, −1, 1, 2) e v2 = (−1, 1, −1, 0). Vamos completar o conjunto
{v1 , v2 }, de modo a formar uma base do R4 . Como dimR4 = 4, uma base terá quatro vetores LI. Logo,
faltam dois vetores. Basta escolhermos dois vetores de R4 os quais não sejam combinação linear dos vetores
Dimensão
I
v1 e v2 . Essa tarefa é fácil, dos infinitos vetores existentes, podemos escolher, por exemplo, v3 = (0, 0, 1, 1)
e v4 = (0, 1, 1, 1). Com isso, o(a) leitor(a) pode verificar que o conjunto {v1 , v2 , v3 , v4 } é LI e, portanto,
{(1, −1, 1, 2), (−1, 1, −1, 0), (0, 0, 1, 1), (0, 1, 1, 1)}
é uma base de R4 .
Teorema: Se U e W são subespaços de um espaço vetorial V que tem dimensão finita, então dimU
dimV e dimW dimV . Além disso,
dim(U + W ) = dimU + dimW − dim(U ∩ W )
Exemplo 6: Sejam U e W os seguintes subespaços do R3 :
U = {(x, y, z); x = z}
W = {(x, y, z); x + y + z = 0}
Vamos encontrar uma base e a dimensão dos conjuntos U + W e U ∩ W .

Em primeiro lugar, verifiquemos que, se (x, y, z) ∈ U com x = z, temos
(x, y, x) = (x, 0, x) + (0, y, 0)
= x(1, 0, 1) + y(0, 1, 0)
assim U = [(1, 0, 1), (0, 1, 0)], pois se analisarmos a matriz

⎡ ⎤
⎢ 1 0 1 ⎥
⎣ ⎦
0 1 0
temos, pelo processo prático, que esses vetores são LI. Logo, dimU = 2.
Vamos verificar agora (x, y, z) ∈ W com x + y + z = 0, ou ainda, z = −x − y, assim
(x, y, −x − y) = (x, 0, −x) + (0, y, −y)
= x(1, 0, −1) + y(0, 1, −1)
Da mesma forma que U , temos que W = [(1, 0, −1), (0, 1, −1)] e dimW = 2.

63
Como visto antes, temos que
U + W = [(1, 0, 1), (0, 1, 0), (1, 0, −1), (0, 1, −1)]
e pelo processo prático

⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 1 0 1 ⎥ ⎢ 1 0 1 ⎥ ⎢ 1 0 1 ⎥ ⎢ 1 0 1 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 0 1 0 ⎥ ⎢ 0 1 0 ⎥ ⎢ 0 1 0 ⎥ ⎢ 0 1 0 ⎥
⎢ ⎥∼⎢ ⎥∼⎢ ⎥∼⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 1 0 −1 ⎥ ⎢ 0 0 −2 ⎥ ⎢ 0 0 −2 ⎥ ⎢ 0 0 −2 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦
0 1 −1 0 1 −1 0 0 −1 0 0 0
O processo realizado acima foi o escalonamento. Podemos destacar a última linha nula e ,assim,
U + W = [(1, 0, 1), (0, 1, 0), (0, 0, −2)]
e dim(U + W ) = 3.
Pelo Teorema 7, temos

dim(U + W ) = dimU + dimW − dim(U ∩ W ),
isto é,
3 = 2 + 2 − dim(U ∩ W )
logo, dim(U ∩ W ) = 1.
Para exibirmos uma base de U ∩ W , tomamos (x, y, z) ∈ U ∩ W com x = z e x + y + x = 0 ou ainda

y = −2x, assim
(x, −2x, x) = x(1, −2, 1)
Portanto, U ∩ W = [(1, −2, 1)].
Exemplo 7: Vamos obter uma base e a dimensão do subespaço U do R4 gerado pelos vetores
{(1, 1, 0, −2), (2, 0, −1, −1), (0, 1, −2, 1), (1, 1, 1, −3)}.
Montamos a matriz M dos vetores anteriores e utilizamos o processo prático (reduzi-la por escalonamento):
Dimensão
I
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 1 1 0 −2 ⎥ ⎢ 1 1 0 −2 ⎥ ⎢ 1 1 0 −2 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 2 0 −1 −1 ⎥ ⎢ 0 −2 −1 3 ⎥ ⎢ 0 −2 −1 3 ⎥
M =⎢
⎢
⎥∼⎢
⎥ ⎢
⎥∼⎢
⎥ ⎢
⎥
⎥
⎢ 0 1 −2 1 ⎥ ⎢ 0 1 −2 1 ⎥ ⎢ 0 0 −5 5 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦
1 1 1 −3 0 0 1 −1 0 0 1 −1
⎡ ⎤
⎢ 1 1 0 −2 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 −2 −1 3 ⎥
∼⎢
⎢
⎥
⎥
⎢ 0 0 −5 5 ⎥
⎢ ⎥
⎣ ⎦
0 0 0 0
Vemos que o subespaço U tem base {(1, 1, 0, −2), (0, −2, −1, 3), (0, 0, −5, 5)} e dimU = 3.
Exemplo 8: Sendo W e U subespaço do R4 de dimensão 3, qual a dimensão de U + W se o conjunto

{(1, 2, 1, 0), (−1, 1, 0, 1), (1, 5, 2, 1)} forma um sistema de geradores de W ∩ U ?
Para respondermos essa pergunta, vamos, em primeiro lugar, escrever os vetores do conjunto acima em
forma de matriz e reduzi-la:
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 1 2 1 0 ⎥ ⎢ 1 2 1 0 ⎥ ⎢ 1 2 1 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥∼⎢ ⎥ ⎢ ⎥
⎢ −1 1 0 1 ⎥ ⎢ 0 3 1 1 ⎥∼⎢ 0 3 1 1 ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦
1 5 2 1 0 3 1 1 0 0 0 0
Temos que W ∩ U = [(1, 2, 1, 0), (0, 3, 1, 1)] e dim(W ∩ U ) = 2. Logo, como
dim(W + U ) = dimW + dimU − dim(W ∩ U )
segue
dim(W + U ) = 3 + 3 − 2 = 4

65
CONSIDERAÇÕES FINAIS
CONSIDERAÇÕES FINAIS
Nesta unidade, apresentamos o conceito de segmentos orientados: o módulo, a direção e o sentido. Pos-
teriormente, definimos um vetor como conjunto de segmentos equipolentes, é interessante perceber que
um segmento orientado AB é um conjunto de pontos com origem em A e extremidade em B, en-
−−→
quanto um vetor AB é um conjunto de segmentos orientados equipolentes a AB, portanto, segmento
orientado e vetor são objetos matemáticos distintos.
Definimos também as operações com vetores: a adição e a diferença entre vetores, a regra do paralelo-
gramo e a regra do polı́gono fechado; a multiplicação de um número real por um vetor, que, nesse caso,
pode alterar o sentido e o tamanho do vetor, mas preservando a direção; a norma de um vetor como
comprimento do vetor; a igualdade de vetores. Sempre com o cuidado em ilustrar geometricamente cada
caso. Verificamos quando um conjunto formado por vetores é linearmente dependente ou linearmente in-
dependente, bem como a noção de combinação linear entre vetores. Na sequência, vimos as multiplicações
dos vetores, o produto interno, o produto vetorial e o produto misto.
Finalizando a unidade, vimos a definição de espaço vetorial, bem como a de subespaço vetorial, o qual
trata-se de subconjuntos de espaços vetoriais que são, por si mesmos, espaços vetoriais também, consi-
derando as mesmas operações definidas no espaço que os contém. Vimos que, para comprovar que um
subconjunto de um espaço vetorial é um subespaço, basta verificar três condições: ser não vazio, ser fe-
chado para as operações de adição e multiplicação por número real. Outro ponto abordado foi a forma de
determinar um subespaço gerado por um conjunto de vetores. Nesse caso, escrevemos um vetor genérico
do espaço como combinação linear dos vetores geradores. Estudamos também as condições para que um
conjunto seja linearmente independente (LI) ou linearmente dependente (LD). Com isso, obtemos que um
conjunto B gerador de um subespaço W e linearmente independente é uma base de W . As bases são
conjuntos geradores mı́nimos para um subespaço, no sentido de que, se um conjunto tem mais elementos
que uma base, então, ele é (LD), e se tem menos elementos que uma base de W , então, não gera W .
Considerações Finais
LEITURA COMPLEMENTAR
Equações de Maxwell
Prezado(a) aluno(a), apenas para exemplificar, apresentamos aqui uma das mais notáveis aplicações
relacionadas ao estudo dos vetores, que são as Equações de Maxwell, em suas equações, aparecem as
multiplicações de vetores: o produto interno e o produto vetorial. Nosso objetivo não é ensinar as teorias
da fı́sica, tampouco explicar o que cada sı́mbolo representa, mas apenas explicitar suas equações formadas
por vetores com as operações definidas neste material.
James Clerck Maxwell (1831 - 1879), fı́sico e matemático escocês, é certamente um dos mais brilhantes
fı́sicos de todos os tempos, devido aos seus estudos sobre eletromagnetismo. Partindo das teorias de
Gauss, Ampére e Faraday, Maxwell conseguiu reunir um conjunto formado por quatro equações capaz de
descrever todos os fenômenos eletromagnéticos. As contribuições de seus estudos para fı́sica são compa-
radas as de Isaac Newton e Albert Einsten.
Fonte: o autor.
Equação 1: Lei de Gauss: “O fluxo do campo elétrico através de uma superfı́cie fechada no vácuo é
igual à soma das cargas internas à superfı́cie dividida pela permissividade elétrica do vácuo”
− −
→ → 1
∇. E = ρ
�0
Equação 2: Lei de Gauss para o magnetismo: “O fluxo magnético resultante no interior de uma
superfı́cie fechada é zero”
− −
→ →
∇. B = 0
Equação 3: Lei de Faraday: “A variação do fluxo do campo magnético gera um campo elétrico”
− −
→ → ∂− →
∇×E =− B
∂t
Equação 4: Lei de Ampère-Maxwell: “Uma corrente elétrica de intensidade i ou a variação de fluxo

do campo elétrico pode dar origem a um campo magnético”
− −
→ → ∂− →
∇ × B = μ0�j + μ0 �0 E
∂t
67
ATIVIDADE DE AUTOESTUDO
1. Considere o eixo real (reta x). Se A = 7, B = 11, C = 2, D = −1 e O = 0 é a origem da reta, então,

determine para cada caso o valor de X, de modo que:
−−→ −−→ −−→ −−→ −−→ −−→

a) AB = OX e) AB = XC i) AB = CX
−−→ −−→ −−→ −−→ −−→ −−→
b) BA = OX f ) BA = CX j) BA = DX
−−→ −−→ −−→ −−→ −→ −−→
c) AB = XO g) BA = XC k) AA = XD
−−→ −−→ −−→ −−→ −−→ −−→
d) BA = OX h) AB = DX l) OO = CX
2. Marque no plano cartesiano os seguintes pontos A(4, 2), B(7, 5), C(4, 4) E(−2, −2), H(−3, 3) e
O(0, 0). Determine as coordenadas para os pontos D, F , G, I, J, K, L e M , de forma que:
−−→ −−→ −→ −→
a) AB = CD e) AO = HI
−→ −−→ −→ −−→
b) AC = EF f ) OA = HJ
−−→ −−→ −−→ −→ −→ −→
c) CB = OG g) HC = −LE (Dica: − LE = EL)
−→ −−→ −−→ −−→
d) CA = BK h) − OC = M A
3. Dados os pontos A = 1, B = 3, C = 6, D = −2 e O = 0 sobre a reta R, obtenha:
−−→ −−→ −−→

a) AB h) AB + DA
−−→ −−→ −−→
b) BA i) AB + BC
−−→ −−→ −−→
c) − AB j) OB + AD
−−→ −−→ −−→
d) − BA k) AB − CB
−−→ −−→ −−→
e) CD l) 2AB − 2DA
−−→ −−→ −−→
f ) − DC m) CD − AB
1 −
− → −−→ 2 −−→ 1 −−→
g) OC − DO n) OB + OD
3 3 2
4. Sejam A(1, 2), B(2, 2), C(2, 1) e D(1, 1) vértices de um quadrado, determine:
−−→ −−→ −→ −−→

a) AD + DC = g) −AC − BD =
−−→ −−→ −−→ −−→
b) AB + DC = h) 2DB − 2DA =
−−→ −−→ −−→
c) DA + BC = i) �AD� =
−−→ −−→ −→
d) DC − BA = j) �AC� =
−−→ −−→ −→ −−→
e) AD − BC = k) �AC + DB� =
−→ −−→ −→ −−→
f) AC + DB = l) �AC� + �DB� =
69
5. Sejam A(1, 1, 1), B(2, 0, 1), C(−1, 1, 3), determine:

−−→ −→
a) AB + AC =
−−→ −−→
b) BA − BC =
−−→ −−→
c) 3BA − 4BC =
−→ −−→
d) −CA − 5BA =
−−→
e) �AB� =
−→
f) �AC� =
−−→ −→
g) �AB� + �AC� =
−−→ −→
h) �AB + AC� =
6. Dados os vetores �u, �v e w,

� determine:
a) �u + �v
b) 2�u − �v
c) −�v + w
�
d) �u + �v + w
�
e) −�u − �v − w
�
1 1
f) �u + �v − w �
3 6
7. Considere o paralelogramo abaixo:
em que M , N , O e P são pontos médios dos segmentos AB, BC, CD e DA, respectivamente.
Escreva em termos dos vetores �u e �v os vetores a seguir:
−→
a) AO
−−→
b) DN
−−→
c) DB
−−→
d) ON
� = (−4, −1), calcule os valores de a e b, de maneira

8. Dados os vetores �u = (−1, 2) e �v = (−5, 1) e w
que w
� = a�u + b�v , ou seja, escreva w
� como combinação linear dos vetores �u e �v .
9. Verifique se �u = (−2, 3, −4) e �v = (−4, 6, 8) são paralelos (LD).
10. Determine a e b, de modo que �u = (a + 1, 3, 1) e �v = (4, 2, 2b − 1) sejam paralelos.
11. Verifique se os pontos estão alinhados.

a) A(−1, 3), B(1, 0) e C(2, 2)
b) A(−1, 3), B(1, 0) e D(3, −3)
12. Sejam �u = (−1, 2, 1) e �v = (0, 1, 3):

a) Mostre que o conjunto {�u, �v } é LI.
b) Escreva w
� = (−2, 7, 11) como combinação linear dos vetores �u e �v .
13. Sejam �u = (3, 0, −6) e �v = (−1, 0, 2):

a) Verifique se esses vetores são LI ou LD.
1 2
b) Determine o vetor �x tal que �u = �v + �x.
3 5
14. Verifique se os pontos são colineares:

a) A(−1, −5, 0), B(2, 1, 3) e C(−2, −7, −1)
b) A(2, 1, −1), B(3, −1, 0) e C(1, 0, 4)
−−→ −−→ −−→

15. Dado um triângulo ABC com medianas AD, BE e CF . Mostre que AD + BE + CF = �0.
71
16. Considere um hexágono regular ABCDEF com centro no ponto O.
−−→ −→ −−→ −→ −→ −→
Mostre que AB + AC + AD + AE + AF = 6AO.
17. Verifique, em cada caso, se o conjunto W é um subespaço vetorial de R2 :
a) W = {(x, y); x + y = 0};
b) W = {(x, y); x + y = 1};
c) W = {(x, y); x2 = y};
d) W = {(x, y); −x + 3y = 0}.
18. Verifique, em cada caso, se o conjunto W é um subespaço vetorial de R3 :
a) W = {(x, y, z); x = 0};
b) W = {(x, y, z); x + y + z 0};
c) W = {(x, y, z); z = 3x − 2y};
d) W = {(x, 2x, x); x ∈ R};
e) W = {(4x, y, y − x); x, y ∈ R}.
19. Verifique, em cada caso, se o conjunto W é um subespaço vetorial de M (3, 3):
a) W = {[aij ]; a11 + a22 + a33 = 0}
b) W = {[aij ]; aij = aji para todo i 1, j 3}
c) W = {[aij ]; aij = 0 se i �= j}.
20. Verifique, em cada caso, se o conjunto W é um subespaço vetorial de R[x]:
a) W = {p(x) = a + bx + cx2 ; a, b, c ∈ Z}
b) W = {p(x) = a + bx + cx2 ; a = c = 0}
c) W = {p(x) = a + bx + cx2 ; c = a + b}
21. Determine, em cada caso, uma base e a dimensão de V , W , V + W e V ∩ W :
a) V = {(x, y, z)R3 ; x = y} e W = {(x, y, z) ∈ R3 ; x = y = z}
b) V = {[aij ]2×2 ; a11 = a22 e a12 = a21 } e W = {[aij ]2×2 ; a11 = a21 e a12 = a22 }
c) V = {(x, y, −x − 3y); x, y ∈ R} e W = {(0, 0, z); z ∈ R}
d) V = {(x, y, z, w) ∈ R4 ; x + 2y − w = 0} e W = {(x, x, x, x); x ∈ R}
e) V = {(x, x, x); x ∈ R} e W = {(0, 0, z); z ∈ R}
22. Considere o espaço vetorial R[x]. Determine se os polinômios f (x) = x3 + 4x2 − 2x + 3, g(x) =
x3 + 6x2 − x + 4 e h(x) = 2x3 + 8x2 − 8x + 7 são linearmente dependentes.
23. Verifique, em cada caso, se o conjunto de vetores de R3 indicado é linearmente dependente:
a) {(2, −1, 4), (−4, 10, 2)};
b) {(−3, 0, 4), (5, −1, 2), (1, 1, 3)};
c) {(1, 0, 2), (3, 1, 5), (−1, 2, 1), (4, 0, 1)}.
24. Para quais valores reais de a os vetores v1 = (a, −1, −1), v2 = (−1, a, −1) e v3 = (−1; −1; a) formam
um conjunto linearmente dependente em R3 ?
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 1 1 ⎥ ⎢ 0 1 ⎥ ⎢ 0 0 ⎥ ⎢ 0 0 ⎥
25. Determine se as matrizes A = ⎣ ⎦, B = ⎣ ⎦, C = ⎣ ⎦ e D = ⎣ ⎦
0 0 1 0 −1 −1 0 −1
formam uma base de M (2, 2).
26. Considere o subespaço de R4 S = [(1, 1, −2, 4), (1, 1, −1, 2), (1, 4, −4, 8), ]
a) O vetor (2/3, 1, −1, 2) pertence a S?
b) O vetor (0, 0, 1, 1) pertence a S?

⎧⎡ ⎤ ⎫
⎪
⎨ 2a a + 2b ⎪
⎬
⎢ ⎥
27. Seja W o subespaço de M (2, 2) definido por W = ⎣ ⎦ : a, b ∈ R
⎪
⎩ 0 a−b ⎪
⎭
⎡ ⎤ ⎡ ⎤
⎢ 0 −2 ⎥ ⎢ 0 2 ⎥
a) ⎣ ⎦ ∈ W? b) ⎣ ⎦ ∈ W?
0 1 3 1
28. Sejam os vetores u = (2, −3, 2) e v = (−1, 2, 4) em R3 .
a) Escreva o vetor w = (7, −11, 2) como combinação linear de u e v.
b) Para que valores de k o vetor (−8, 14, k) é combinação linear de u e v?

73
c) Determine uma condição entre a, b e c para que o vetor (a, b, c) seja uma combinação linear de u
e v.
29. Determinar o subespaço de R4 gerado pelos vetores u = (2, −1, 1, 4), v = (3, 3, −3, 6) e w =
(0, 4, −4, 0).
30. Quais dos seguintes conjuntos de vetores do R4 são LD?
a) (2, 1, 0, 0), (1, 0, 2, 1), (−1, 2, 0, 1)
b) (0, 1, 0, −1), (1, 1, 1, 1), (−1, 2, 0, 1), (1, 2, 1, 0)
c) (1, −1, 0, 0), (0, 1, 0, 0), (0, 0, 1, −1), (1, 2, 1, −2)
d) (1, 1, 2, 4), (1, −1, −4, 2), (0, −1, −3, 1), (2, 1, 1, 5)
31. Calcule o produto interno �u por �v .
a) �u = 2 e �v = 3
b) �u = −2 e �v = 3
c) �u = −2 e �v = −3
d) �u = (1, 2) e �v = (3, 4)
e) �u = (1, 2) e �v = (2, −1)
f) �u = (1, 2) e �v = (2, −1)
g) �u = (1, 1) e �v = (−1, 2)
h) �u = (1, 1) e �v = (−4, 1)
i) �u = (−2, −1) e �v (−1, −2)
j) �u = (−4, −1) e �v = (4, 1)
k) �u = (1, 1, 1) e �v = (2, −1, 3)
l) �u = (−2, 3, 5) e �v = (4, 1, 1)
m) �u = (0, −1, 3) e �v = (3, 4, −2)
32. Sejam �a = (−1, 2) e �b = (−3, 1) vetores do R2 , obtenha o ângulo formado por esses vetores.
33. Sejam �u = (1, 1, 0) e �v = (−2, 3, 0) vetores do R3 , obtenha o ângulo formado por esses vetores.
34. Mostre que os vetores �u = (−1, 2, 3) e �v = (−2, −4, 2) são ortogonais.
35. Se �u = (1, 3) e �v = (−2, m), determine:

a) O valor de m de forma que �u e �v formem um ângulo de 45o .
b) Um vetor w � = −30.
� paralelo ao vetor �u tal que �u.w
5 −−→ −−→
36. Sejam A(1, 2, 3), B(2, 2, ), C(2, 3, 5) e D(1, 0, 3), mostre que os vetores AB e CD são ortogonais.
2
37. Dados os vetores �a = (3, 4, −4) e �b = (2, 2, 0), obtenha o produto vetorial entre esses vetores.
38. Calcule a área do paralelogramo com vértices consecutivos nos pontos A(0, −1, 2), B(3, 1, 2) e
C(−1, 0, 3).
39. Considere o triângulo com vértices A(0, −2, 0), B(0, 0, 2) e C(2, 0, 0):
a) Mostre que esse triângulo é equilátero.
b) Calcule a área do triângulo ABC.
40. Sejam �u = (1, −2, 3) e �v = (3, −1, 2), obtenha um vetor unitário perpendicular a �u e �v .
41. Dados os vetores �u = (−2, 1, 2), �v = (1, −1, 1) e w

� = (1, 1, 1), calcule:
a) [�u, �v , w]
�
b) [�v , �u, w]
�
c) [w,
� �u, �v ]
42. Obtenha o produto misto [�a, �b, �c] para:

a) �a = (1, −2, 0), �b = (−1, 3, 1) e �c = (2, 1, 3)
b) �a = 3�i + 2�j − �k, �b = 2�j e �c = �k + �j
43. Dados os vetores �u = (1, 2, 3), �v = (−1, 3, 0) e w

� = (2, 5, 1), calcule o volume do paralelepı́pedo
determinado por esses três vetores.
44. Obtenha o volume do paralelepı́pedo que tem um dos vértices no ponto A(1, 1, 1) e três adjacentes
B(2, 1, 1), C(1, 2, 1) e D(1, 1, 2).
45. Mostre que os vetores �u = (−1, −3, −1), �v = (−1, 0 − 1) e w

� = (2, 6, 2) são coplanares.
46. Sejam A(1, 0, 2), B(2, −1, 1), C(3, 2, 1) e D(4, 5, 1) pontos de R3 . Mostre que esses pontos estão
sobre um mesmo plano.
II
UNIDADE
RETAS E PLANOS
■■ Reconhecer e determinar equações do plano.
■■ Reconhecer e determinar equações da reta.
■■ Identificar as posições relativas entre planos.
■■ Identificar as posições relativas entre retas.
■■ Calcular distâncias.
Plano de Estudo
■■ Sistema de Coordenadas
■■ Plano no Espaço
■■ Reta no Espaço
■■ Distâncias
77
INTRODUÇÃO
INTRODUÇÃO
SISTEMA DE COORDENADAS
A Geometria Analı́tica, também conhecida como geometria das coordenadas, baseia-se no estudo da
geometria com a utilização da Álgebra, indı́cios históricos apontam que seus estudos iniciaram com o
matemático francês René Descartes (1596-1650), criador do sistema de coordenadas cartesianas ou
plano cartesiano, ele conseguiu estabelecer relações entre a geometria e a álgebra ao analisar o ponto,
distâncias, retas e circunferências no plano cartesiano por meio de suas coordenadas.
Nesta unidade, vamos estudar as equações da reta, equações do plano, cálculo de distância, ângulo e
posições relativas no sistema de coordenadas R3 .
Vamos lembrar de alguns fatos importantes relacionados à geometria no plano xy, por exemplo, por dois
pontos distintos passa uma única reta, ou seja, para obtermos a equação de uma reta, precisamos de dois
pontos, equivalentemente, dada a inclinação da reta e um ponto do plano, existe uma única reta que passa
por esse ponto com essa inclinação. Fazendo analogia ao exemplo anterior, no espaço R3 , para definirmos
a equação de uma reta, precisamos de dois pontos distintos, ou equivalentemente de um ponto e um vetor,
esse último nos fornece a direção da reta, da mesma forma que o coeficiente angular no plano. Agora, para
definirmos a equação de um plano no espaço R3 , precisamos de três pontos distintos, mais ainda, esses
três pontos devem ser não colineares, ou equivalentemente, para obtermos a equação do plano, precisamos
de dois vetores linearmente independentes e mais um ponto por onde deve passar o plano. É importante
se atentar a esses detalhes, pois podem auxiliá-los na compreensão e dedução das fórmulas e resolução
dos problemas.
Apesar da importância da dedução das fórmulas, esperamos que o leitor tenha domı́nio em aplicá-las na
resolução dos problemas propostos.
SISTEMA DE COORDENADAS
Seja O um ponto do espaço que chamaremos de origem, tomemos os segmentos OA, OB e OC unitários
−→ −−→ −−→
e ortogonais entre si. Os vetores �i = OA, �j = OB e �k = OC representam uma base ortonormal que
chamaremos de Sistema Ortogonal de coordenadas de R3 . Indicaremos por OX, OY e OZ as retas
que contém os pontos OA, OB e OC respectivamente, ou apenas eixos x, y e z (eixos coordenadas). O
plano que contém os eixos x e y recebe o nome de plano xy, x e z de plano xz e y e z de plano yz. A
cada ponto P do espaço, corresponde um único segmento orientado OP com origem em O, esse segmento
Introdução
II
−−→
determina um único vetor �v = OP que se escreve como combinação linear dos vetores �i, �j e �k
�v = x�i + y�j + z�k
ou simplesmente
�v = (x, y, z).
Assim, podemos representar cada ponto P do espaço por meio do terno ordenado de coordenadas carte-
sianas P = (x, y, z) ou P (x, y, z). Reciprocamente, cada terno ordenado (x, y, z) corresponde a um único
−−→
ponto P do espaço, tal que OP = x�i + y�y + �z = (x, y, z).
Distância entre Dois pontos
Vamos deduzir a fórmula da distância entre dois pontos no espaço. Sejam A(xA , yA , zA ), B(xB , yB , zB ) e
O(0, 0, 0) pontos de R3 .
�
Denotemos a distância entre os pontos A e B por d(A, B), assim temos d(A, B) = �AB�, como
−−→ −−→ −→
AB = BO + OA
−−→ −→
= −OB + OA
= −(xB − 0, yB − 0, zB − 0) + (xA − 0, yA − 0, zA − 0)
= (xA − xB , yA − yB , zA − zB )
RETAS E PLANOS
79
segue que
PLANO NO ESPAÇO
−−→
�AB� = (x A − xB )2 + (yA − yB )2 + (zA − zB )2
e, portanto,

d(A, B) = (xA − xB )2 + (yA − yB )2 + (zA − zB )2
PLANO NO ESPAÇO
Equações do plano definidas por 3 pontos
Equações Paramétricas
Vamos determinar uma equação do plano definido por 3 pontos. Sejam A(xA , yA , zA ), B(xB , yB , zB ) e
C(xC , yC , zC ) pontos não colineares e π o plano que contém esses pontos, assim, se um ponto genérico
−−→ −→
P (x, y, z) pertence ao plano π, vamos encontrar condições para que P ∈ π. Como AB, AC são LI, logo,
−→ −−→ −→ −→
P ∈ π se existem escalares a e b tais que AP = aAB + bAC, ou seja, AP é combinação linear dos vetores
−−→ −→
AB e AC.
−→ −→ −−→
Como AP = AO + OP , segue que
−→ −−→ −−→ −→
AO + OP = aAB + bAC
−−→ −→ −−→ −→
OP = −AO + aAB + bAC
−−→ −→ −−→ −→
OP = OA + aAB + bAC
−−→ −→ −−→ −→
OP = OA + aAB + bAC
(x, y, z) = (xA , yA , zA ) + a(xB − xA , yB − yA , zB − zA ) + b(xC − xA , yC − yA , zC − zA )
(x, y, z) = (xA + a(xB − xA ) + b(xC − xA ), yA + a(yB − yA ) + b(yC − yA ), zA + a(zB − zA ) + b(zC − zA
Plano no Espaço
II
Da igualdade de vetores temos

⎧
⎪
⎪ x = xA + a(xB − xA ) + b(xC − xA )
⎪
⎪
⎨
⎪ y = yA + a(yB − yA ) + b(yC − yA ).
⎪
⎪
⎪
⎩
z = zA + a(zB − zA ) + b(zC − zA )
Essas são as equações paramétricas do plano π, os números a e b são os parâmetros do ponto P (x, y, z).
Assim, para cada ponto P do plano existe um par ordenado (a, b) associado a ele e, reciprocamente, cada
par ordenado (a, b) corresponde a um ponto P do plano.
Exemplo 1: Sejam A(1, 2, 3), B(−1, 0, 1) e C(3, 1, 5) pontos de R3 . Determine as equações paramétricas
do plano que passa por esses 3 pontos e verifique se os pontos D(−1, 0, 1) e E(3, 1, 0) pertencem a este
plano.
Temos:
xA = 1, xB = −1 e xC = 3
yA = 2, yB = 0 e yC = 1
zA = 3, zB = 1 e zC = 5
substituindo, obtemos ⎧
⎪
⎪ x = 1 + a(−1 − 1) + b(3 − 1)
⎪
⎪
⎨
⎪ y = 2 + a(0 − 2) + b(1 − 2)
⎪
⎪
⎪
⎩
z = 3 + a(1 − 3) + b(5 − 3)
portanto, as equações paramétricas são

⎧
⎪
⎪ x = 1 − 2a + 2b
⎪
⎪
⎨
⎪ y = 2 − 2a − b
⎪
⎪
⎪
⎩
z = 3 − 2a + 2b
Agora, vamos verificar se o ponto D(−1, 0, 1) pertence ao plano, para tanto, substituı́mos as coordenadas
do ponto nas equações paramétricas e obtemos o seguinte sistema de três equações e duas incógnitas:
⎧
⎪
⎪ −1 = 1 − 2a + 2b
⎪
⎪
⎨
⎪ 0 = 2 − 2a − b.
⎪
⎪
⎪
⎩
1 = 3 − 2a + 2b
RETAS E PLANOS
81
Equivalentemente ⎧
⎪
⎪ −2 = −2a + 2b
⎪
⎪
⎨
⎪ −2 = −2a − b
⎪
⎪
⎪
⎩
−2 = −2a + 2b
cuja solução é o par ordenado (a, b) = (1, 0) e, portanto, o ponto D(−1, 0, 1) pertence ao plano. Por outro
lado, para o ponto E(3, 1, 0), obtemos o seguinte sistema
⎧
⎪
⎪ 3 = 1 − 2a + 2b
⎪
⎪
⎨
⎪ 1 = 2 − 2a − b
⎪
⎪
⎪
⎩
0 = 3 − 2a + 2b
ou seja, ⎧
⎪
⎪ 2 = −2a + 2b
⎪
⎪
⎨
⎪ −1 = −2a − b
⎪
⎪
⎪
⎩
−3 = −2a + 2b
que não admite solução. Logo, como não existe um par ordenado que é solução do sistema anterior,
concluı́mos que esse ponto E não pertence ao plano.
Equação Cartesiana do plano
Vamos obter agora uma outra equação do plano definida por 3 pontos, se os pontos A, B, C e P são
−→ −−→ −→
coplanares, então, o conjunto {AP , AB, AC} é LD, logo, do produto misto temos
−→ −−→ −→
[AP , AB, AC] = 0
Plano no Espaço
II
−−→ −→
Pondo AB = (a1 , b1 , c1 ), AC = (a2 , b2 , c2 ) em que a1 = xB −xA , b1 = yB −yA , c1 = zB −zA , a2 = xC −xA ,
b2 = yC − yA e c2 = zC − zA , segue que

x − xA y − y A z − zA

=0
a1 b1 c1

a2 b2 c2
(x − xA )(b1 c2 − c1 b2 ) + (y − yA )(a2 c1 − a1 c2 ) + (z − zA )(a1 b2 − b1 a2 ) = 0
chamando de a = b1 c2 − c1 b2 , b = a2 c1 − a1 c2 e c = a1 b2 − b1 a2
(x − xA )a + (y − yA )b + (z − zA )c = 0
ax + by + cz − (axA + byA + czA ) = 0
Pondo d = −(axA + byA + czA ), obtemos
ax + by + cz + d = 0
que é a equação geral ou cartesiana do plano.
Exemplo 2: Determine a equação geral do plano π que passa pelos pontos A(1, 0, 2), B(−1, 2, 0) e
C(0, 1, −2).
Seja π o plano que passa pelos pontos A(1, 0, 2), B(−1, 2, 0) e C(0, 1, −2), considere P (x, y, z) um ponto
−→ −−→ −→
genérico desse plano. Assim, AP = (x − 1, y, z − 2), AB = (−2, 2, −2) e AC = (−1, 1, −4) e do produto
misto temos

x−1 y z−2

−2 2 −2 = 0

−1 1 −4
(x − 1)(−8 + 2) − y(+8 − 2) + (z − 2)(−2 + 2) = 0
(x − 1).(−6) − y(+6) + (z − 2).0 = 0
−6x + 6 − 6y = 0
−6x − 6y + 6 = 0
RETAS E PLANOS
83
essa última é a equação geral do plano.
Equação Normal do plano
Dizemos que um vetor �n é normal (perpendicular) a um plano π se ele é perpendicular a todos os vetores
desse plano. Assim, seja �n = (a, b, c) um vetor normal a um plano π e A(xA , yA , zA ) um ponto desse
−→
plano, logo, um ponto P (x, y, z) pertence a π se AP é perpendicular ao vetor �n, isso ocorre se
−→
�n.AP = 0 (equação normal do plano)
segue que
(a, b, c).(x − xA , y − yA , z − zA ) = 0
a(x − xA ) + b(y − yA ) + c(z − zA ) = 0
ax + by + cz − (axA + byA + czA ) = 0.
Pondo d = −(axA + byA + czA ) obtemos
ax + by + cz + d = 0.
Assim, acabamos de verificar que é possı́vel obter a equação de um plano, dados um vetor normal a ele e
um ponto desse plano, note também que, dada uma equação de um plano ax + by + cz + d = 0, o vetor
�n = (a, c, b) é um vetor normal a esse plano.
Observe que fixado um vetor �n = (a, b, c) todo plano com equação ax + by + cz + d = 0 é perpendicular
ao vetor �n, particularmente, para cada valor d ∈ R obtemos um plano ortogonal ao vetor dado, em que
esses planos são todos paralelos entre si. Lembre-se que dada uma equação do 1o grau y = ax + b, fixando
o coeficiente angular a e percorrendo todos valores reais para o coeficiente linear b, obtemos uma famı́lia
de retas paralelas “varrendo” todo plano xy, o mesmo ocorre com a equação ax + by + cz + d = 0, ao
variarmos todos os valores d, percorremos todo espaço R3 .
Acesse o link abaixo e veja a determinação de um vetor normal a partir de sua equação do plano:
<https://pt.khanacademy.org/math/linear-algebra/vectors and spaces/dot cross products/v/normal-

Plano no Espaço
vector-from-plane-equation>.
II

Exemplo 3: Determine a equação do plano que passa pelo ponto A(1, −1, 3), sendo �n = (1, −1, 2) um
Exemplo 3: Determine a equação do plano que passa pelo ponto A(1, −1, 3), sendo �n = (1, −1, 2) um
vetor normal a esse plano.
vetor normal a esse plano.
Vimos que se �n = (1, −1, 2) é um vetor normal ao plano de equação ax + by + cz + d = 0, sendo a = 1,
Vimos que se �n = (1, −1, 2) é um vetor normal ao plano de equação ax + by + cz + d = 0, sendo a = 1,
b = −1 e c = 2, ao substituirmos, obtemos:
b = −1 e c = 2, ao substituirmos, obtemos:
1x − 1y + 2z + d = 0
1x − 1y + 2z + d = 0
como A(1, −1, 3) é um ponto desse plano, devemos ter

como A(1, −1, 3) é um ponto desse plano, devemos ter
1.(1) − 1.(−1) + 2.3 + d = 0

1.(1) − 1.(−1) + 2.3 + d = 0
1+1+6+d=0
1+1+6+d=0
d = −8.
d = −8.
Portanto, a equação é do plano com vetor normal �n = (1, −1, 2) e que passa pelo ponto A(1, −1, 3) é
Portanto, a equação é do plano com vetor normal �n = (1, −1, 2) e que passa pelo ponto A(1, −1, 3) é
x − y + 2z − 8 = 0.
x − y + 2z − 8 = 0.
RETAS E PLANOS
85
Equação do plano determinado por 2 vetores e 1 ponto
Equações Paramétricas
Sejam A(xA , yA , zA ), �u = (a1 , b1 , c1 ) e �v = (a2 , b2 , c2 ) vetores não nulos. Tomemos os pontos B e C, tais
−−→ −→
que os vetores AB e AC sejam representantes (ou diretores) dos vetores �u e �v .
−−→ −→
Assim, se AB e AC são vetores LI, então, existe um plano π que contém os segmentos AB e AC, logo,
−→
se P (x, y, z) ∈ π o vetor AP pode ser escrito como combinação linear dos vetores �u e �v , isto é, existem
escalares p e q tais que
−→
AP = p�u + q�v
−→ −−→
AO + OP = p�u + q�v
−→ −−→
−OA + OP = p�u + q�v
−−→ −→
OP = OA + p�u + q�v
(x, y, z) = (xA , yA , zA ) + p(a1 , b1 , c1 ) + q(a2 , b2 , c2 )
(x, y, z) = (xA + pa1 + qa2 , yA + pb1 + qb2 , zA + pc1 + qc2 )
Da igualdade de vetores temos ⎧

⎪
⎪ x = xA + pa1 + qa2
⎪
⎪
⎨
⎪ y = yA + pb1 + qb2
⎪
⎪
⎪
⎩
z = zA + pc1 + qc2
que são as equações paramétricas do plano que passa pelo ponto dado A e tem vetores diretores �u e �v .
Cada ponto P está associado a um par de parâmetros (p, q) e, reciprocamente, cada par (p, q) associa-se
a um ponto P do espaço, por exemplo, o par (0, 0) associa o ponto P = A.
Exemplo 4: Determine as equações paramétricas do plano π que passa pelo ponto A(1, −1, 0) e é paralelo
Sistema de Coordenadas
II
aos vetores �u = (1, −3, 7) e �v = (−5, 2, 4).
As equações paramétricas do plano π são dadas pelo sistema

⎧
⎪
⎪ x = 1 + p(1) + q(−5)
⎪
⎪
⎨
⎪ y = −1 + p(−3) + q(2)
⎪
⎪
⎪
⎩
z = 0 + p(7) + q(4)
e, portanto, obtemos
⎧
⎪
⎪ x = 1 + p − 5q
⎪
⎪
⎨
⎪ y = −1 − 3p + 2q.
⎪
⎪
⎪
⎩
z = 7p + 4q
Equação Geral
Agora, para obtermos a equação cartesiana (ou geral) do plano determinada por 2 vetores e 1 ponto,
lembremos que �u × �v é ortogonal ao plano π, isto é
−→
AP .(�u × �v ) = 0
� �
� �
� x − x A y − y A z − zA �
� �
� �
� �=0
� a1 b1 c1 �
� �
� �
� a2 b2 c2 �
(x − xA )(b1 c2 − c1 b2 ) + (y − yA )(a2 c1 − a1 c2 ) + (z − zA )(a1 b2 − b1 a2 ) = 0.
RETAS E PLANOS
87
Chamando de a = b1 c2 − c1 b2 , b = a2 c1 − a1 c2 e c = a1 b2 − b1 a2
(x − xA )a + (y − yA )b + (z − zA )c = 0
ax + by + cz − (axA + byA + czA ) = 0.
Pondo d = −(axA + byA + czA ), obtemos
ax + by + cz + d = 0.
Exemplo 5: Obtenha a equação cartesiana do plano π que passa pelo ponto A(2, 1, −3) e é paralela aos
vetores �u = (1, 3, 0) e �v = (−2, 5, 1).
Se P (x, y, z) ∈ π, temos

x−2 y−1 z+3

=0
1 3 0

−2 5 1
desenvolvendo, segue que
(x − 2).(3 − 0) − (y − 1).(1 − 0) + (z + 3).(5 + 6) = 0
(x − 2).3 − (y − 1).1 + (z + 3).11
3x − 6 − y + 1 + 11z + 33 = 0
3x − y + 11z + 28 = 0.
Ângulos entre dois planos
Sejam π1 e π2 planos com equações a1 x+b1 y +c1 z +d1 = 0 e a2 x+b2 y +c2 z +d2 = 0, respectivamente. Os
vetores �n1 = (a1 , b1 , c1 ) e �n2 = (a2 , b2 , c2 ) são vetores perpendiculares aos planos π1 e π2 , respectivamente.
Utilizando as propriedades da geometria espacial, é possı́vel verificar que o ângulo θ formado por esses
dois planos é o mesmo ângulo formado pelos vetores normais. Assim, do produto interno temos
�n1 .�n2 = ��n1 ��n2 � cos θ
Sistema de Coordenadas
II
e, portanto,
RETA NO ESPAÇO cos θ =
|�n1 .�n2 |
, com 0 ≤ θ ≤
θ
��n1 ��n2 � 2
Exemplo 6: Sejam π1 e π2 planos determinados pelas equações 2x + 3y − z + 2 = 0 e x − y + 4z = 0,

determine o ângulo formados por esses planos.
Sabemos que os vetores normais aos planos dados são �n1 = (2, 3, −1) e �n2 = (1, −1, 4), segue que
n�1 .n�2 = 2.1 + 3.(−1) − 1.(4)
=2−3−4
= −5,
√ √ √ √
além disso, temos ��n1 � = 4 + 9 + 1 = 14 e ��n2 � = 1 + 1 + 16 = 18, como
�n1 .�n2
cos θ =
�n�1 ��n2 �
substituindo, obtemos
−5
cos θ = √ √
14. 18
√
−5 7

cos θ =
42
cos θ ∼
= 0, 3149
arccos(cos θ) ∼
= arccos 0, 3149
θ∼
= 71, 64o .
RETA NO ESPAÇO
EQUAÇÃO DE UMA RETA
Sabemos que dados dois pontos distintos P1 (x1 , y1 , z1 ) e P2 (x2 , y2 , z2 ) existe uma única reta que passa
por esses pontos. Seja P (x, y, z) um ponto dessa reta que chamaremos der, assim, temos um conjunto
RETAS E PLANOS
89
−−→ −−−→
{P1 P , P1 P2 } Linearmente Dependente, isto é, existe um λ ∈ R tal que
−−→ −−−→
P1 P = λP1 P2
−−→ −−→ −−−→
P1 O + OP = λP1 P2
−−→
OP = λ(x2 − x1 , y2 − y1 , z2 − z1 ) + (x1 , y1 , z1 )
(x, y, z) = (x1 + λ(x2 − x1 ), y1 + λ(y2 − y1 ), z1 + λ(z2 − z1 )
ou seja, ⎧
⎪
⎪ x = x1 + λ(x2 − x1 )
⎪
⎪
⎨
y = y1 + λ(y2 − y1 ) equações paramétricas da reta r.
⎪
⎪
⎪
⎪
⎩
z = z1 + λ(z2 − z1 )
É interessante observar que se λ = 0, P = P1 , se λ = 1, temos P = P2 e, para 0 < λ < 1, P está no

segmento entre P1 e P2 , se λ > 1 ou λ < 0 P está na reta r, mas fora do segmento P1 P2 . Note que se P1 P
é paralelo ao plano yz, então, x = x1 = x2 , se P1 P é paralelo xz, então y = y1 = y2 e, da mesma forma,
se P1 P é paralelo a z = z1 = z2 , se P1 P não é paralelo a nenhum desses planos, temos a seguinte relação
x − x1 y − y1 z − z1
λ= = =
x2 − x1 y 2 − y1 z2 − z1
que são as equações simétricas da reta. A relação acima nos dá a condição para que três pontos estejam
alinhados, ou seja, os pontos P , P1 e P2 estão alinhados se as razões acima são iguais a uma constante.
Particularmente, se uma reta r passa pelos pontos P1 (x1 , y1 , z1 ) e P (x, y, z) e tem direção do vetor
Reta no Espaço
II
�v = (a, b, c), então temos:
⎧
⎪
⎪ x = x1 + λa
⎪
⎪
⎨
y = y1 + λb equações paramétricas da reta r
⎪
⎪
⎪
⎪
⎩
z = z1 + λc
e supondo que abc �= 0, temos
x − x1 y − y1 z − z1
= = equações simétricas da reta r.
a b c
Exemplo 7: Determine a equação paramétrica da reta que passa pelos pontos P1 (1, 2, 0) e P2 (−1, 3, 5).
Seja r a reta determinada pelos pontos P1 e P2 , assim, se P (x, y, z) ∈ r, temos
−−−→
P = P1 + λP1 P2
(x, y, z) = (1, 2, 0) + λ(−1 − 1, 3 − 2, 5)
(x, y, z) = (1, 2, 0) + λ(−2, 1, 5)
portanto, ⎧
⎪
⎪ x = 1 − 2λ
⎪
⎪
⎨
⎪ y = 2+λ .
⎪
⎪
⎪
⎩
z = 5λ
Exemplo 8: Mostre que os pontos A(−2, 2, 5), B(2, 0, 3) e C(0, 1, 4) estão alinhados.
Seja r a reta que passa pelos pontos A, B e P (x, y, z), assim temos
−−→
P = B + λAB
(x, y, z) = (2, 0, 3) + λ(2 + 2, 0 − 2, 3 − 5)
(x, y, z) = (2, 0, 3) + λ(4, −2, −2)
(x, y, z) = (2 + 4λ, −2λ, 3 − 2λ)
isto é, ⎧
⎪
⎪ x = 2 + 4λ
⎪
⎪
⎨
⎪ y = −2λ
⎪
⎪
⎪
⎩
z = 3 − 2λ
RETAS E PLANOS
91
logo, as equações simétricas são dadas por
x−2 y −z + 3
=− = = λ.
4 2 2
Vamos verificar se o ponto C(0, 1, 4) pertence a reta r, logo, temos
0−2 1 −4 + 3 1
=− = =− =λ
4 2 2 2
como a identidade acima é verificada, concluı́mos que os pontos A, B e C estão alinhados.
Equação da reta perpendicular a um plano passando por um ponto dado

Seja π um plano cuja equação é ax + by + cz + d = 0 e A(xA , yA , zA ) um ponto do espaço, vamos obter

a equação da reta r que passa pelo ponto A perpendicular ao plano dado. Como o vetor �n = (a, b, c) é
perpendicular a π, logo, a reta procurada é paralela ao vetor �n. Assim, se P (x, y, z) ∈ r, existe λ ∈ R tal
que
−→
AP = λ�n
(x, y, z) − (xA , yA , zA ) = λ(a, b, c)
(x, y, z) = (xA , yA , zA ) + λ(a, b, c)
logo, as equações paramétricas são ⎧

⎪
⎪ x = xA + aλ
⎪
⎪
⎨
⎪ y = yA + bλ
⎪
⎪
⎪
⎩
z = zA + cλ
Exemplo 9: Seja π um plano com equação 3x + 2y − 5z + 4 = 0. Obtenha as equações paramétricas da

reta perpendicular ao plano π e que passa pelo ponto A(−1, 2, 7).
Seja r uma reta perpendicular ao plano π e que passa pelo ponto A(−1, 2, 7), o vetor �n = (3, 2, −5) é
normal ao plano π, substituindo diretamente na fórmula anterior, obtemos as equações paramétricas
⎧
⎪
⎪ x = −1 + 3λ
⎪
⎪
⎨
⎪ y = 2 + 2λ
⎪
⎪
⎪
⎩
z = 7 − 5λ
Equação da reta pertencente a interseção de dois planos
Reta no Espaço
II
Sejam π1 e π2 dois planos com equações a1 x + b1 y + c1 z + d = 0 e a2 x + b2 y + c2 z + d = 0 e vetores

normais �n1 = (a1 , b1 , c1 ) e �n2 = (a2 , b2 , c2 ), respectivamente, note que se π1 e π2 não são paralelos (ou
coincidentes), então, a interseção desses planos é uma reta r, vimos que toda reta de um plano é ortogonal
ao vetor normal, logo, r é ortogonal a ambos vetores normais. Além disso, o vetor �n1 × �n2 também é
ortogonal aos vetores n1 e n2 , ou seja, �n1 × �n2 tem a mesma direção que r e, portanto, são paralelos.
Assim, se A(xA , yA , zA ) é um ponto de r (fixado) e P (x, y, z) é um ponto genérico de r, temos
−→
AP = λn�1 × n�2 para algum λ real
mas � �
� �
� �i �j �k �
� �
� �
n�1 × n�2 = �� a1 b 1
�
c1 �
� �
� �
� a 2 b2 c2 �
n�1 × n�2 = (b1 c2 − b2 c1 )�i − (a1 c2 − a2 c1 )�j + (a1 b2 − a2 b1 )�k
n�1 × n�2 = (b1 c2 − b2 c1 , a2 c1 − a1 c2 , a1 b2 − a2 b1 )
segue que
−→
AP = λ(b1 c2 − b2 c1 , a2 c1 − a1 c2 , a1 b2 − a2 b1 )
(x, y, z) = (xA , yA , zA ) + λ(b1 c2 − b2 c1 , a2 c1 − a1 c2 , a1 b2 − a2 b1 )
e, portanto, obtemos ⎧
⎪
⎪ x = xA + λ(b1 c2 − b2 c1 )
⎪
⎪
⎨
⎪ y = yA + λ(a2 c1 − a1 c2 ) .
⎪
⎪
⎪
⎩
z = zA + λ(a1 b2 − a2 b1 )
que são as equações paramétricas da reta r passando pelo ponto A.
RETAS E PLANOS
93
Quando
Quandoresolvemos
resolvemosum
umsistema
sistemadedetrês
trêsequações
equaçõescom
comtrês
trêsincógnitas,
incógnitas,a asolução
solução(caso
(casoexista)
exista)é éum
um
ponto interseçãodesses
pontodadainterseção dessestrês
trêsplanos.
planos.Acesse
Acesseo olink
linke everifique
verifiquetodas
todaspossibilidades:
possibilidades:
<http://pt.slideshare.net/luanadavila/luana-14123718>.
<http://pt.slideshare.net/luanadavila/luana-14123718>.
Exemplo
Exemplo10:
10:Sejam
Sejamπ1π1e eπ2π2planos
planoscom equaçõesx x++2z2z−−8 8==0 0e ex x++4y4y−−2z2z++4 4==0.0.Encontre
comequações Encontreasas
equações
equaçõesparamétricas
paramétricasdadainterseção
interseçãodesses
dessesplanos.
planos.
OsOsvetores
vetoresnormais
normaisaos
aosplanos sãon�1n�1==(1,(1,
planossão 0,0,
2)2)e e�n2�n2==(1,(1, −2),
4,4, comon�1n�×
−2),como n� �2é éparalelo
1 × 2n paraleloa ainterseção
interseção
desses
dessesplanos,
planos,logo,
logo,temos
temos ��
��
� ��i �i �j �j �k �k � �
��
��
��
�n1�n× �
n
× �
n
2 = =
� 1 0 2 � �
1 2
�� 1 0 2 � �
��
� �1 4 −2 � �
1 4 −2 �
�n1�n× �i(0
�n n2== �j(−2
�i(0−−8)8)−− �k(4
�j(−2−−2)2)++ �k(4−−0)0)
1 × 2�
�n1�n× �n n2==(−8,
1 × 2� (−8,4,4,
4).4).
Agora,
Agora,vamos
vamosobter
obterum
umponto
pontodadainterseção,
interseção,particularmente
particularmentepara
parax x==0,0,temos
temos
⎧⎧
⎪
⎨⎪
⎨ 2z2z−−8 8 ==0 0
⎪
⎩⎪
⎩4y4y−−2z2z ==−4
−4
segue
segueque
quez z==4 4e,e,substituindo,
substituindo,obtemos
obtemos
4y4y−−2.4
2.4==−4
−4
4y4y−−8 8==−4
−4
4y4y==4 4
y y==1 1
logo,
logo,um
umponto
pontodadainterseção
interseçãoé éum
umponto
pontoA(0,
A(0,1,1,
4).4).Assim,
Assim,seseP P
(x, z)z)∈ ∈π1π∩
y,y,
(x, π , temos
1 ∩ 2π2 , temos
−→
−→= λ(�n × �n )
AP
AP = λ(�1n1 × 2�
n2 )
Reta no Espaço
II
(x, y, z) = A + λ(�n1 × �n2 )
(x, y, z) = (0, 1, 4) + λ(−8, 4, 4).
Portanto, as equações paramétricas da reta procurada são

⎧
⎪
⎪ x = −8λ
⎪
⎪
⎨
⎪ y = 1 + 4λ .
⎪
⎪
⎪
⎩
z = 4 + 4λ
Planos Paralelos
Se π1 e π2 são paralelos, então, �n1 e �n2 são múltiplos (paralelos), isto é, existe λ tal que
�n1 = λ�n2
(a1 , b1 , c1 ) = λ(a2 , b2 , c2 )
(a1 , b1 , c1 ) = (λa2 , λb2 , λc2 ).
Portanto, dois planos são paralelos quando a igualdade abaixo é verificada
a1 b1 c1
λ= = = .
a2 b2 c2
Exemplo 11: Mostre que os planos π1 e π2 determinados pelas equações 15x − 12y + 6z + 9 = 0 e
5x − 4y + 2z + 7 = 0 são paralelos.
De fato, sejam �n1 = (15, −12, 6) e �n2 = (5, −4, 2) vetores normais aos planos π1 e π2 , devemos exibir um
λ ∈ R tal que
�n1 = λ�n2
como
(15, −12, 6) = λ(5, −4, 2)
logo,
15 −12 6
= = = λ.
5 −4 2
Portanto, tomando λ = 3, obtemos �n1 = 3�n2 , o que mostra que π1 e π2 são paralelos.
RETAS E PLANOS
95
Planos Perpendiculares
Se os planos π1 e π2 são perpendiculares, então, do produto interno devemos ter
�n1 .�n2 = 0
Exemplo 12: Sejam π1 e π2 planos com equações 3x − 4y − 3z + 7 = 0 e x + z − 4 = 0. Mostre que esses

planos são perpendiculares.
Temos que �n1 = (3, −4, −3) e �n2 = (1, 0, 1) são vetores normais aos planos dados, logo, do produto interno
temos
�n1 .�n2 = 3.1 − 4.0 − 3.1
�n1 .�n2 = 3 − 0 − 3
�n1 .�n2 = 0
portanto, π1 e π2 são perpendiculares.
Ângulos entre duas retas
Sejam r1 e r2 duas retas do espaço, existem três possibilidades:

- r1 é paralela à r2 (ou coincidentes);
- r1 é concorrente à r2 (um ponto em comum);
- r1 é reversa à r2 .
Retas Paralelas
No caso em que r1 é paralela à r2 , dizemos que o ângulo formado é igual a zero. Assim, considere
�u = (a1 , b1 , c1 ) e �v = (a2 , b2 , c2 ) vetores diretores das retas r1 e r2 , respectivamente, para verificar que
essas retas são paralelas, basta exibir λ ∈ R tal que
�u = λ�v
(a1 , b1 , c1 ) = λ(a2 , b2 , c2 )
(a1 , b1 , c1 ) = (λa2 , λb2 , λc2 )
ou, equivalentemente,
a1 b1 c1
λ= = = .
a2 b2 c2
Reta no Espaço
II
Exemplo 13: Seja r1 a reta que passa pelos pontos O(0, 0, 0) e A(1, 1, 1), r2 a reta que passa pelos pontos
B(0, 0, 2) e C(2, 2, 4). Mostre que essas retas são paralelas.
−→ −−→
De fato, temos �v1 = OA = (1, 1, 1) tem direção da reta r1 e �v2 = BC = (2, 2, 2) tem direção da reta r2 ,
logo, da condição de paralelismo, temos
1 1 1
λ= = =
2 2 2
o que mostra que as retas r1 e r2 são paralelas.
Retas Concorrentes e Reversas
Quando r1 é concorrente à r2 , o ângulo θ entre essas retas é o menor entre os quatro ângulos formados
no ponto em comum, caso r1 e r2 sejam reversas, marcamos um ponto P , por exemplo, sobre a reta r1
e traçamos uma reta r3 paralela a r2 , passando por esse ponto, o ângulo formado pelas retas r1 e r3 é o
ângulo entre as retas r1 e r2 .
Assim, se �v1 e �v2 são vetores diretores de r1 e r2 , então, ângulo formado por essas retas é tal que:
cos θ = | cos(�v1 , �v2 )|
|�v1 .�v2 |
cos θ =
��v1 ��v2 �
Exemplo 14: Sejam r1 e r2 retas definidas por

⎧
⎪
⎨ x =7+λ x+1 y−5 z+9
r1 : y =λ e r2 : = = .
⎪
⎩ −2 1 1
z = 13 − 2λ
Calcule o ângulo formado pelas retas r1 e r2 .
Seja θ o ângulo formado por essas retas, as direções das retas r1 e r2 são dadas por �v1 = (1, 1, −2) e
�v2 = (−2, 1, 1), logo
RETAS E PLANOS
97
|�v1 .�v2 |
cos θ =
��v1 �.��v2 �
|1.(−2) + 1.1 + (−2).1|
cos θ = � �
11 + 12 + (−2)2 . (−2)2 + 12 + 12
| − 2 + 1 − 2|
cos θ = √ √
1 + 1 + 4. 4 + 1 + 1
3
cos θ =
6
1
cos θ =
2
portanto, θ = 60o .
Retas Ortogonais
Sejam r1 e r2 duas retas com direção dos vetores �u = (a1 , b1 , c1 ) e �v = (a2 , b2 , c2 ), respectivamente,
dizemos que r1 é ortogonal à r2 (formam um ângulo de 90o ), quando
�u.�v = 0.
Exemplo 15: Considere as retas definidas por

⎧
⎪
⎨ x =1+λ x y−1 z+7
r1 : y =3−λ e r2 : = = .
⎪
⎩ 1 4 1
z = 4 + 3λ
Mostre que essas retas são ortogonais.
As retas r1 e r2 possuem direção dos vetores v1 = (1, −1, 3) e v2 = (1, 4, 1), respectivamente. Logo, do
produto interno segue que
�v1 .�v2 = 1.1 − 1.4 + 3.1
=1−4+3
=0
o que mostra que essas retas são ortogonais.
Reta no Espaço
II
DISTÂNCIAS
DISTÂNCIAS
Distância de um ponto a um plano
Sejam π um plano definido pela equação ax + by + cz + d = 0 e P0 (x0 , y0 , z0 ) um ponto qualquer de R3 ,

tracemos uma reta perpendicular, passando por P0 , obtendo um ponto A no plano π. Tomemos um ponto
P (x, y, z) em π.
Assim, a distância d do ponto P0 ao plano π é
−−→
d(P0 , π) = �AP0 �
−−→ −−→ −−→
d(P0 , π) = �P0 P �| cos(P0 A, P0 P )|
−−→ −−→ −−→ −−→
�AP0 ��P0 P �| cos(P0 A, P0 P )|
d(P0 , π) = −−−→ (∗)
�AP0 �
note que �n = (a, b, c) é normal ao plano π, logo, existe λ real tal que
−−→
AP0 = λ�n
−−→
AP0 = |λ|(a, b, c) (∗∗)
−−→
�AP0 � = |λ| a2 + b2 + c2 (∗ ∗ ∗)
Combinando (∗), (∗∗) e (∗ ∗ ∗) segue que
−−→ −−→
|AP .P P |
d(P0 , π) = √ 0 0
|λ| a2 + b2 + c2
|λ(a, b, c).(x − x0 , y − y0 , z − z0 )|
d(P0 , π) = √
|λ| a2 + b2 + c2
| − λ(ax0 + by0 + cz0 − ax − by − cz)|
d(P0 , π) = √
|λ| a2 + b2 + c2
|λ||(ax0 + by0 + cz0 − ax − by − cz)|
d(P0 , π) = √ .
|λ| a2 + b2 + c2
RETAS E PLANOS
99
Como d = −(ax + by + cz), obtemos
|ax0 + by0 + cz0 + d|

d(P0 , π) = √ .
a 2 + b2 + c 2
Exemplo 16: Seja π o plano definido pela equação 3x − 2y + z − 1 = 0. Calcule a distância entre o plano
π ao ponto P0 = (1, 0, 1).
Temos que a = 3, b = −2 e c = 1, além disso, x0 = 1, y0 = 0 e z0 = 1, substituindo na fórmula anterior
segue que
|3.(1) − 2.(0) + 1.(1) − 1|

d(P0 , π) =
32 + (−2)2 + (1)2
3−0+1−1
= √
9+4+1
3
=√
14
√
3 14
= .
14
√
3 14
Portanto, a distância entre o plano π ao ponto P0 é igual a .
14
Distância de um ponto a uma reta
Considere uma reta r determinada por um ponto P1 (x1 , y1 , z1 ) com direção do vetor �v = (a, b, c), dado
−−−→
um ponto P0 , vamos determinar a distância d do ponto P0 até a reta r. Observe que os vetores �v e P1 P0
determinam um paralelogramo cuja altura corresponde a distância d de P0 até a reta r.
Distâncias
II
Sabemos que a área do paralelogramo é dada pela norma do produto vetorial
−−−→
A = �P1 P0 × �v �
por outro lado, a área também é obtida por
A = ��v �.d
−−−→
logo ��v �.d = �P1 P0 × �v �, ou seja,
−−−→
�P1 P0 × �v �
d(P0 , r) =
��v �
que é a fórmula da distância entre o ponto P0 até a reta r.
Exemplo 17: Dados P0 (1, −1, 2) e r uma reta definida por
x y−2 z+5
r: = = .
3 2 1
Calcule a distância entre o ponto P0 e a reta r.
Primeiramente, precisamos de um ponto da reta r, assim, para x = 0 temos que y = 2 e z = −5, desse
modo, P1 (0, 2, −5) ∈ r. A direção da reta r é dada pelo vetor �v = (3, 2, 1).
Sabemos que

�i �j �k

−−−→

P1 P0 × �v = 1 − 0 −1 − 2 2 + 5 = (−17, 20, 11),

3 2 1
logo,
(−17)2 + 202 + 112
d(P0 , r) = √
32 + 22 + 12
√
289 + 400 + 121
d(P0 , r) = √
9+4+1
√
9 35
d(P0 , r) = .
7
Distância entre duas retas
Dadas duas retas quaisquer, existem três possibilidades: são concorrentes, nesse caso, a distância entre
elas é zero, são paralelas, nesse caso, a distância é constante, ou as retas são reversas.
RETAS E PLANOS
101
Retas Paralelas
Sejam r e s duas retas paralelas, tomemos um ponto P0 sobre s, nesse caso, basta calcular a distância
entre uma reta e um ponto, como visto anteriormente, isto é, se P0 ∈ s, então
d(s, r) = d(P0 , r).

Exemplo 18: Considere as retas definidas pelas equações abaixo
⎧
⎪
⎨ x = 1 + 6λ x−1 y z−2
s: y = −1 − 12λ e r: = = .
⎪
⎩ 2 −4 1
z = 3 + 3λ
Calcule a distância entre elas.
Os vetores diretores das retas s e r são, respectivamente, vs = (6, −12, 3) e �vr = (2, −4, 1), como �vs = 3�vr ,
logo, r é paralelo à s, além disso, P0 (1, −1, 3) ∈ s e P1 (1, 0, 2) ∈ r. Lembremos que
d(s, r) = d(P0 , r)
−−−→
�P1 P0 × �v �
= (∗)
��v �
Distâncias
II
Assim, temos:

�i �j �k
Assim, temos:
−−−→
P1 P0 × �v = 0 −1 1

Assim, temos:
�i 2 �j−4 �k 1

−−−→
P1 P0 × �v == �i(−1
0 � −1 1 −
�
− 2) + �k(0 + 2)
i j k j(0
+� 4) �

−−−→ = (3,
P1 P0 × �v = 2 2, 2) 1
−4
0 −1 1

+ 4) − �j(0
= �i(−1 �
2 −4 1 − 2) + k(0 + 2)
e, substituindo em (∗), segue que
= (3, 2, 2)
= �i(−1 + 4) − �j(0 − 2) + �k(0 + 2)
√ √ √
32 + 22 + 22 9+4+4 357 ∼
e, substituindo em (∗),Psegue que
(s, r) = = (3, 2, 2)= √ = = 0, 8997.
22 + (−4)2 + 12 4 + 16 + 1 21
√
e, substituindo em (∗), segue que √ √
32 + 22 + 22 9+4+4 357 ∼
P (s, r) = =√ = = 0, 8997.
22√+ (−4)2 + 12 4 + 16 + 1 21
√ √
2 2
3 +2 +2 2 9+4+4 357 ∼
P (s, r) = =√ = = 0, 8997.
22 + (−4)2 + 12 4 + 16 + 1 21
É comum ouvirmos a expressão perpendicular e outras vezes ortogonal. Qual a diferença entre retas
perpendiculares e retas ortogonais?
perpendiculares e retas ortogonais?
perpendiculares
Retas Reversas e retas ortogonais?
Considere r e s duas retas reversas, em que r é definida pelo vetor �u = (a1 , b1 , c1 ) e P1 (x1 , y1 , z1 ) e s
Retas Reversas
definida pelo vetor �v = (a2 , b2 , c2 ) e P2 (x2 , y2 , z2 ).
−−−→
Considere
Os vetores r e�u,s�vduas
e P1retas reversas,
P2 definem umem que r é definida
paralelepı́pedo pelo vetor
de altura d = d(r, 1 , b1 ,volume
�u =s),(acujo c1 ) e P1é(xdado
1 , y1 ,por
z1 ) V
e s=
Retas Reversas
��u × �v �.d,
Considere r e s duas retas reversas, em que r é definida pelo vetor �u = (a1 , b1 , c1 ) e P1 (x1 , y1 , z1 ) e s
−−−→
Os vetores �u, �v e P1 P2 definem um paralelepı́pedo de altura d = d(r, s), cujo volume é dado por V =
��u × �v �.d, −−−→
Os vetores �u, �v e P1 P2 definem um paralelepı́pedo de altura d = d(r, s), cujo volume é dado por V =
��u × �v �.d,
RETAS E PLANOS
103
Por outro lado, do produto misto temos
−−−→
V = |[�u, �v , P1 P2 ]|.
Combinando as duas fórmulas, segue que
−−−→
��u × �v �.d = |[�u, �v , P1 P2 ]|
e, portanto, a distância entre as retas é dada por
−−−→
|[�u, �v , P1 P2 ]|
d(r, s) = .
��u × �v �
Exemplo 19: Sejam r e s retas definidas pelas equações

⎧
⎪
⎨ x = 3λ
x+2 y−3 z
r: = = e s: y =λ
5 3 1 ⎪
⎩
z = 3 − 5λ
Determine a distância entre essas retas.
As retas r e s passam pelos pontos P1 (−2, 3, 0) e P2 (0, 0, 3) e têm direção dos vetores �u = (5, 3, 1) e
�v = (3, 1, −5), respectivamente, além disso, essas retas não são paralelas, pois não existe λ tal que �u = λ�v ,
5 3 1
ou seja, �= �= . Agora, do produto vetorial temos
3 1 −5
� �
� �
� �i �j �k �
� �
� �
�u × �v = �� 5 3 1 �
�
� �
� �
� 3 1 −5 �
= �i(−15 − 1) − �j(−25 − 3) + �k(5 − 9)
= (−16, 28, −4)
Logo,
�
��u × �v � = (−16)2 + 282 + (−4)2
√
= 256 + 784 + 16
√
= 1056
√
= 4 66.
Distâncias
II
Além disso,

5 3 1

−−−→
[�u, �v , P1 P2 ] = 3 1 −5

2 −3 3
= 5.(3 − 15) − 3.(9 + 10) + 1.(−9 − 2)
= 5.(−12) − 3.(19) − 11
= −60 − 57 − 11
= −128.
Como
−−−→
|[�u, �v , P1 , P2 ]|
d(r, s) =
��u × �v �
Segue que
| − 128|
d(r, s) = √
4 66
√
32 66
= √ .√
66 66
√
32. 66
=
66
√
16 66
=
33
∼
= 3, 94.
RETAS E PLANOS
105
Prezado(a) aluno(a), nesta unidade, vimos como determinar as equações paramétricas e as equações simé-
tricas que representam retas e também as equações paramétricas, equação cartesiana e equação normal,
que representam um plano, verificamos as posições relativas entre: plano e plano, plano e reta, reta e
reta, vimos também como calcular ângulos e distâncias. É interessante perceber que em vários momentos
tivemos que recorrer aos conceitos da unidade anterior, a saber: conjunto de vetores linearmente de-
pendentes e independentes; combinação linear; produto interno; produto vetorial; produto misto. Esses
conceitos foram fundamentais nas deduções das equações do plano, da reta, nas fórmulas para o cálculo
das distâncias e dos ângulos.
Na disciplina de matemática, particularmente na educação básica, normalmente são apresentadas situações-

problema e, a partir daı́, é proposto um modelo matemático que consiga resolver o problema, no entanto,
existem situações ou certos conteúdos que só farão sentido num momento posterior, muitas vezes tornando
essa disciplina um pouco mais difı́cil ou menos atraente que as outras. Um exemplo clássico é o estudo
do cálculo algébrico, que se dá no 8o ano do ensino fundamental, com monômios e suas operações, ou
até mesmo os produtos notáveis, e que para o aluno faz pouco sentido saber esses conteúdos, porém ter
domı́nio do cálculo algébrico é de extrema importância para a sequência dos estudos nas próximas séries.
Portanto, podemos notar que todo estudo feito nesta unidade 2 está fundamentado na teoria da seção
anterior, que, num primeiro momento, poderia aparentar ter pouca utilidade ou aplicação.
Nesta unidade, vimos os conceitos da geometria analı́tica, as retas e os planos, na próxima unidade,
abordaremos dois outros assuntos também da geometria analı́tica, que são as curvas cônicas e as superfı́cies
quádricas, que, ao contrários das retas e planos que têm equações lineares, têm equações de grau dois,
como veremos.
Sistemas Equações e interseção de planos
Prezado(a) leitor(a), vamos apresentar uma interpretação geométrica referente à solução de um sistema
de equações com três equação e três incógnitas. Iniciamos fazendo uma análise na seguinte situação, por
exemplo, quando resolvemos uma equação 3x + 8 = 20, sua solução é um ponto da reta, isto é, x = 4,
assim, essa é a única solução do nosso “sistema” formado por uma equação e uma incógnita. Quando
temos uma equação com duas variáveis, por exemplo: x + y = 10, existem infinitos valores de x e y
que satisfazem a igualdade, na verdade, esse conjunto de pares ordenados (x, y) descreve uma reta no
plano cartesiano, no entanto, se tivéssemos
⎧ outra reta, por exemplo x − y = 4, formarı́amos um sistema
⎪
⎨ x + y = 10
com duas equações e duas incógnitas . No plano cartesiano, essas equações representam
⎪
⎩ x−y =4
duas retas, lembremos que a posição relativa entre duas retas no plano é: paralelas, coincidentes ou um
único ponto. Em nosso exemplo, temos uma única solução cuja representação no plano é um ponto com
coordenadas (7; 3) e geometricamente corresponde a interseção das duas retas. No caso em que as retas
são paralelas, dizemos que o sistema é impossı́vel, ou seja, a interseção entre as retas é um conjunto vazio.
Porém, quando as retas são coincidentes, dizemos que o sistema é possı́vel e indeterminado, pois existem
infinitas soluções, na realidade, geometricamente, o conjunto solução é a própria reta e, portanto, infinitos
pares ordenados.
Agora, quando temos um sistema com duas equações e três incógnitas R3 , geometricamente, temos dois
planos, cujas posições relativas podem ser: planos paralelos, cuja interseção é um conjunto vazio, logo,
o sistema é impossı́vel; planos coincidentes, nesse caso, temos infinitas soluções, pois qualquer ponto do
plano é solução do sistema, ou seja, o sistema possı́vel e indeterminado com infinitas soluções; uma reta,
aqui também temos infinitas soluções, pois qualquer ponto da reta é solução do sistema.
Para finalizar, quando temos um sistema formado por três equações e três incógnitas, resolver esse sistema
é tentar obter a interseção de três planos, cujas possibilidades são: um único ponto, sistema possı́vel e
determinado com solução única; uma reta, nesse caso, o sistema é possı́vel e indeterminado com infinitas
soluções; um plano, sistema possı́vel e indeterminado com infinitas soluções; conjunto vazio, nessa situação,
o sistema é impossı́vel, ou nenhuma solução. Portanto, quando estiver resolvendo um sistema de equações,
lembre-se de que você está tentando obter a interseção entre planos (ou retas) e isso nem sempre é possı́vel.
Fonte: o autor.
107
1. Sejam A(1, −2, 3), B(2, 4, −1) e C(0, 1, 4) pontos de R3 :
a) Determine as equações paramétricas do plano π que passa por esses pontos.

b) Verifique se o ponto E(2, 1, 0) pertence ao plano π.
c) Mostre que o ponto F (1, 1, 1) não pertence ao plano π.
d) Calcule a distância entre o ponto A e B.
2. Calcule a equação geral do plano π que passa pelos pontos A(1, −3, 5), B(0, 1, −4) e C(−1, 2, 0).
3. Encontrar a equação do plano que passa pelo ponto A(3, 2, 0) e é perpendicular ao vetor �n =
(−1, 3, 2).
4. Considere os vetores �u = (−3, 1, 2) e �v = (3, 0, −1). Determine a equação do plano que passa pelo
ponto A(1, −1, 5).
5. Dados os vetores �u = (−3, 1, 2) e �v = (3, 0, −1) e A(1, −1, 5), como no exercı́cio anterior, determine a
equação geral do plano que passa pelo ponto A e tem direção dos vetores �u e �v . Faça um comparativo
entre as equações paramétricas com a equação geral.
6. Calcule o ângulo formado pelos planos 3x + 4y = 0 e x − 4y + 5z − 2 = 0.
7. Sejam A(2, −1, 3) e B(7, 0, −2), determine as equações paramétricas da reta que passa por esses
pontos.
8. Dados os pontos A(3, 2, 4) e B(−1, 0, 2):
a) Obtenha as equações paramétricas da reta que passa por esses pontos e verifique se o ponto
C(7, 4, 6) pertence a reta.
b) Obtenha a equação da forma simétrica da reta que passa por esses pontos e verifique se o ponto
D(5, 3, 4)) pertence a reta.
9. Seja π o plano definido pela equação −x + 2y = 7, determine a equação da reta perpendicular a esse
plano e que passa pelo ponto A(1, 2, 5).
10. Dados os planos 2x − 4y + z = 11 e 3y + 5z = 9. Determine as equações paramétricas da interseção

desses planos.
11. Sejam π1 := x+2y −3z +4 = 0, π2 := 5x+20y +4z = 41z −10y −2x−28, π3 := −x+2y −z −10 =
x + 6y − 7z e π4 := 3x + 6y + 9z + 4 = 0, verifique em cada item: a posição relativa entre o plano
π1 com os outros planos, isto é, se são paralelos, coincidentes ou se sua interseção é uma reta:
a) π1 e π2
b) π1 e π3
c) π1 e π4
12. Seja π1 o plano definido por 5x − 2y + 4z − 13 = 0, determine o valor de k para que o plano π2 com
equação 6x + ky + 8z + 2 = 0 seja perpendicular ao plano π1 .
13. Considere as retas

⎧
⎪
⎨ x =6−λ x−2 y+1 z
r1 : y = 5 + 3λ e r2 : = =
⎪
⎩ 2 −6 4
z = −2λ
Mostre que essas retas são paralelas.

⎧
⎪
⎪ x = 2λ
⎪
⎪
⎨
14. Se r1 é a reta que passa pelos pontos A(1, 0, −2) e B(0, −3, 5) e r2 é definida por y = 11 − 3λ,
⎪
⎪
⎪
⎪
⎩
z = 2 + 5λ
calcule o ângulo formado por essas retas.
15. Considere a reta r1 que passa pelos pontos A(3, 2, −1) e B(4, 6, 1) e r2 a reta com equações simétricas
x−1 y+2 z+3
= = . Mostre que essas retas são ortogonais.
−2 −3 7
16. Calcule as distâncias entre o plano e o ponto em cada caso:
a) x + y + z + 1 = 0 e A(1, 1, 1)
b) 2x − y − 3z = 5 e B(1, 2, 0)
c) 3x + 4z − 7 = 0 e C(1, 0, 1)
d) −x − z + 1 = 0 e D(−1, −3, 5)
⎧
⎪
⎪ x = 3 + 2k
⎪
⎪
⎨
17. Seja r a reta com equações paramétricas r : y = 4 − 5k , determine a distância entre r e o
⎪
⎪
⎪
⎪
⎩
z = −1 + 3k
109
ponto P (−1, −3, 5).
18. Sejam r e s retas definidas por

⎧
⎪
⎨ x = 2 − 2λ x y+1 z−1
r: y = 1 + 3λ e s: = = .
⎪
⎩ 6 −9 −15
z = 5 + 5λ
Verifique a posição relativa entre essas retas e calcule a distância entre elas.
19. Sejam r e t duas retas definidas por

⎧
⎪
⎨ x=2
x+1 y z+7
s: = = e r: y = 3 + 2k .
−2 5 −3 ⎪
⎩
z = 5k
Calcule a distância entre s e t.

III
UNIDADE
■■ Entender o conceito de Cônicas como interseção do Plano com o Cone.
■■ Compreender as cônicas como o lugar geométrico dos pontos que
satisfazem uma certa condição.
■■ Identificar suas equações e seus elementos.
■■ Reconhecer superfícies quádricas.
■■ Identificar suas equações.
■■ Representá-los no sistema de coordenadas tridimensional.
Plano de Estudo
■■ A Elipse
■■ A Circunferência
■■ A Hipérbole
■■ A Parábola
■■ Elipsoide
■■ Hiperboloide de uma folha
■■ Hiperboloide de duas folhas
■■ Paraboloide Elíptico
■■ Paraboloide Hiperbólico
■■ Superfície Cônica
■■ Superfície Cilíndrica
113
INTRODUÇÃO
INTRODUÇÃO
Na unidade anterior, estudamos as equações da reta e do plano, que são equações lineares, isto é, equações
do 1o grau. Nesta unidade, vamos estudar, primeiramente, as equações do 2o grau em x e y no plano
cartesiano, os gráficos dessas equações descrevem curvas no plano xy, são elas: a elipse, a circunferência,
a hipérbole, a parábola. Tais curvas são obtidas por meio da interseção de um cone com um plano e,
dependendo da disposição desses dois elementos, é possı́vel obter essas curvas, justificando a nomenclatura
de secção cônica.
Essas curvas já eram conhecidas, admiradas e estudadas desde a antiguidade, por exemplo: Apolônio
de Perga (262 a.C - 194 a.C), matemático e astrônomo grego, dedicou parte de sua vida ao estudo das
cônicas, dando uma contribuição ı́mpar para a matemática com sua obra “As cônicas”. Já o filósofo e
astrônomo Johannes Kepler (1571 - 1630) foi quem deduziu que as órbitas planetárias eram elı́pticas e
não circulares, como se pensava na época.
Ainda nesta unidade, estudaremos as superfı́cies cujas equações são de segundo grau nas variáveis x, y e
z, cujos gráficos são conjuntos de pontos do espaço tridimensional conhecidos como superfı́cies quádricas,
são elas: elipsoide, esfera, hiperboloide de uma folha, hiperboloide de duas folhas, paraboloide elı́ptico,
paraboloide hiperbólico, superfı́cie cônica, superfı́cie cilı́ndrica. Desenvolveremos nosso estudo sob a se-
guinte perspectiva: dada uma equação de uma superfı́cie quádrica, vamos analisar as curvas (ou traços)
obtidas pela interseção de planos (convenientemente escolhidos) com a quádrica, de uma maneira geral,
a escolha do plano se dará preferencialmente com os planos coordenados, ou seja, planos xy, xz e yz,
esses planos são obtidos tomando z = 0, y = 0 e x = 0, respectivamente. No entanto, teremos casos em
que esses planos não interceptarão a superfı́cie dada, em situações como essa, será necessário fazer uma
análise mais criteriosa para decidir como obter os traços da superfı́cie num plano conveniente. A partir
dos traços obtidos nos três planos, será possı́vel desenhar a superfı́cie. Apesar da dificuldade em fazer
um desenho de uma superfı́cie tridimensional numa folha de papel, veremos que basta observar a equação
para sabermos de que superfı́cie estamos tratando, ou seja, cada quádrica tem uma equação particular,
assim como a reta, a parábola, a elipse no plano.
Portanto, o que pretendemos aqui é que dada uma equação, o cursista consiga identificar de qual super-
fı́cie estamos tratando e que procure, na medida do possı́vel, desenhar seu gráfico, pois reconhecer essas
superfı́cies e suas equações é de extrema importância no futuro estudo do cálculo vetorial.
Introdução
III
A ELIPSE
A ELIPSE
A ELIPSE
Sejam F1 e F2 dois pontos do plano xy, cuja distância entre eles é igual à 2c, ao conjunto de pontos
P (x, y) do plano xy tais que
Sejam F1 e F2 dois pontos do plano xy, cuja distância entre eles é igual à 2c, ao conjunto de pontos
d(P, F1 ) + d(P, F2 ) = 2a, em que a > c
P (x, y) do plano xy tais que
damos o nome de elipse. Assim, uma elipse é o lugar geométrico dos pontos P (x, y), cuja soma das
d(P, F1 ) + d(P, F2 ) = 2a, em que a > c
distâncias a dois pontos fixos é uma constante. A elipse é obtida por meio da interseção entre o plano e
o cone,o em
damos quede
nome o plano
elipse.deve ser inclinado
Assim, em relação
uma elipse é o lugarao geométrico
eixo do cone,
dosmas não paralelo
pontos P (x, y), àcuja
sua soma
geratriz.
das
distâncias a dois pontos fixos é uma constante. A elipse é obtida por meio da interseção entre o plano e
o cone, em que o plano deve ser inclinado em relação ao eixo do cone, mas não paralelo à sua geratriz.
Um cone pode ser obtido a partir de duas retas concorrentes, por exemplo, fixada uma reta r (eixo),
fixamos um ponto P em r, traçamos uma reta g passando por P , ao rotacionarmos g em torno da reta
r, mantendo
Um cone podefixo
ser oobtido
ângulo entre elas,
a partir obtemos
de duas retas um cone, em que
concorrentes, porgexemplo,
é chamada de geratriz
fixada uma retadesse cone.
r (eixo),
Ver: www.brasilescola/matematica/cone.htm
fixamos um ponto P em r, traçamos uma reta g passando por P , ao rotacionarmos g em torno da reta
r, mantendo fixo o ângulo entre elas, obtemos um cone, em que g é chamada de geratriz desse cone.
Ver: www.brasilescola/matematica/cone.htm
115
Os pontos F1 e F2 são focos da elipse e o ponto médio do segmento F1 F2 é o centro C da elipse. O

segmento A1 A2 é chamado de eixo maior (contém os focos), a distância 2c entre F1 e F2 é chamada de
distância focal.
O segmento B1 B2 é o eixo menor e é perpendicular ao segmento A1 A2 . Os pontos A1 , A2 , B1 e B2

c
são os vértices e o número e = é chamado de excentricidade da elipse. Note que, do Teorema de
a
Pitágoras, temos a2 = b2 + c2
e 0 < e < 1, pois c < a.
1o Caso: Eixo maior está sobre o eixo x com centro na origem O
Considere a elipse com foco F1 (−c, 0) e F2 (c, 0), se P (x, y) é um ponto da elipse, temos:
A Elipse
III
d(P, F1 ) + d(P, F2 ) = 2a
−−→ −−→
||F1 P || + ||F2 P || = 2a

(x + c)2 + (y − 0)2 + (x − c)2 + (y − 0)2 = 2a

(x + c)2 + y 2 = 2a − (x − c)2 + y 2

(x + c)2 + y 2 = 4a2 − 4a (x − c)2 + y 2 + (x − c)2 + y 2

x2 + 2xc + c2 + y 2 = 4a2 − 4a (x − c)2 + y 2 + x2 − 2xc + c2 + y 2

4a (x − c)2 + y 2 = 4a2 − 4xc

a (x − c)2 + y 2 = a2 − xc
a2 (x2 − 2xc + c2 + y 2 ) = a4 − 2a2 xc + x2 c2
a2 x2 − 2a2 xc + a2 c2 + a2 y 2 = a4 − 2a2 xc + x2 c2
a 2 x 2 − x 2 c 2 + a 2 y 2 = a4 − a 2 c 2
x2 (a2 − c2 ) + a2 y 2 = a2 (a2 − c2 )
como a2 = b2 + c2 , segue que x2 b2 + a2 y 2 = a2 b2 e, dividindo ambos os lados da igualdade por a2 b2 ,

obtemos:
x2 y 2
+ 2 =1
a2 b
essa última é chamada de equação reduzida da elipse.
117
2o Caso: Eixo maior está sobre o eixo y
Sejam F1 (0, −c) e F2 (0, c) os focos da elipse,

utilizando o raciocı́nio do caso anterior, podemos deduzir a equação
x2 y 2
+ 2 = 1.
b2 a
Como a, b e c são constantes reais positivas, é interessante observar que como a2 = b2 + c2 , logo, a2 > b2
e, portanto, a > b, isso significa que o eixo maior será aquele cujo denominador é maior.
Exemplo 1: Esboce o gráfico da elipse cuja equação é 9x2 + 16y 2 = 144 e obtenha seus elementos, isto
é, os focos, seus vértices, seus eixos, a distância focal, centro e a excentricidade.
Temos:
9x2 + 16y 2 = 144
9x2 16y 2
+ =1
144 144
3x2 4y 2
+ =1
48 36
x2 4y 2
+ =1
48 36
x2 y 2
+ =1
16 9
A Elipse
III
x2 y 2
+ 2 =1
42 3
para x = 0, temos y = ±3, ou seja, os pontos (0, −3) e (0, 3) são pontos da elipse. Para y = 0, temos
x = ±4, isto é, (−4, 0) e (4, 0) também são pontos da elipse. Além disso, como 16 > 9, segue que o eixo
maior está sobre o eixo x em que a = 4 e b = 3. Vamos obter agora os focos dessa elipse, cujo centro está
na origem C(0, 0), assim, temos:
a2 = b2 + c2
42 = 32 + c2
√
c = 7.
√ √ √
Portanto, seus focos são F1 (− 7, 0), F2 ( 7, 0) com distância focal d(F1 , F2 ) = 2 7, eixo maior com ex-
tremidades em A1 (−4, 0) e A2 (4, 0) e tamanho d(A1 , A2 ) = 8, eixo menor
√ com extremidades em B1 (0, −3)
c 7 ∼ 0, 66. Graficamente,
e B2 (0, 3) e tamanho d(B1 , B2 ) = 6. Segue que e = , logo, e = , ou seja, e =
a 4
temos:
Exemplo 2: Considere a equação da elipse 49x2 + 4y 2 − 196 = 0, obtenha seus elementos e construa seu
gráfico.
Temos:
49x2 + 4y 2 = 196
49x2 4y 2 196
+ =
196 196 196
x2 y2
+ =1
4 49
x2 y 2
+ 2.
22 7
119
Como 49 > 4, logo, o eixo maior está sobre o eixo y, em que a = 7 e b = 2. Assim, segue que
Como 49 > 4, logo, o eixo maior está sobrea2o = b2 +

eixo 2 que a = 7 e b = 2. Assim, segue que
y, cem
72 =a222=+b2c2+ c2
√
c =23 5.2
7 = 2 + c2
Para x = 0, temos y = ±7, logo, os vértices do eixo maior √ são A1 (0, −7) e A2 (0, 7), para y = 0 temos
c = 3 5. √ √
x = ±2, assim, os vértices do eixo menor são B1 (−2, 0) e B2 (2, 0). Os √ focos são F1 (0, −3 5) e F2 (0, 3 5),
y =, F±7, √ 3 A 5 1∼
(0,0,−7)
cujaPara x = 0,
distância temos
focal é d(F 1
logo, os vértices do eixo maior são
2 ) = 6 5 e sua excentricidade é e = = 96. e A2 (0, 7), para y = 0 temos
7 √ √
x = ±2, assim, os vértices do eixo menor são B1 (−2, 0) e B2 (2, 0). Os √ focos são F1 (0, −3 5) e F2 (0, 3 5),
√ 3 5∼
cuja distância focal é d(F1 , F2 ) = 6 5 e sua excentricidade é e = = 0, 96.
7
O que acontece com forma a de uma elipse cujos focos são coincidentes?
O que acontece com forma a de uma elipse cujos focos são coincidentes?
A Elipse
III
x2 y2
Exemplo 3: Um caso particular + = 1.
25 25
Aqui, temos 25=25, logo a = b = 5 e sendo a2 = b2 + c2 segue que c = 0, assim, F1 (0, 0) = F2 (0, 0) =
C(0, 0), ou seja, a elipse se reduz a uma circunferência de raio igual a 5.
c 0
Note que a excentricidade e = = = 0, ou seja, a circunferência é um caso particular da elipse cuja
a 5
excentricidade é nula, assim, quanto menor a excentricidade, menor a distância focal e mais “semelhante”
a uma circunferência se torna a elipse. Por outro lado, quanto maior a excentricidade, isto é, mais próximo
do valor 1, mais “achatada” fica a elipse, ou seja, ela se aproxima do eixo maior.
Exemplo 4: Obtenha o gráfico e a equação da elipse com centro na origem C(0, 0), sabendo-se que um
de seus focos é F (3, 0) e a medida do eixo maior é igual a 8.
Temos:
Como um de seus focos é (3, 0) e o centro é C(0, 0), pela simetria, o outro foco é (−3, 0) e o eixo maior
está sobre o eixo x, em que c = 3. Além disso, a elipse tem equação do tipo
x2 y 2
+ 2 = 1.
a2 b
121
Sendo a medida do eixo maior igual a 8, temos 2a = 8, logo a = 4. Mas

Sendo a medida do eixo maior igual a 8, temos 2a = 8, logo a = 4. Mas
a2 = b2 + c2
a2 = b2 + c2
segue que
segue que
42 = b2 + 32
42 = b2 + 32
16 = b2 + 9
16 = b2 + 9
√
b= √ 7.
b = 7.
Portanto, a equação é
Portanto, a equação é x2 y2
2 √ y2
+
42x +( √7)2
42 ( 7)2
ou melhor
ou melhor x2 y 2
+
2 2= 1,
16x +7 y = 1,
16
√ 7 √ 3
seus elementos são A1 (−4, 0), A2 (4, 0), B1 (0, − √ 7) e B(0, √ 7), cuja excentricidade é e = 3= 0, 75.
seus elementos são A1 (−4, 0), A2 (4, 0), B1 (0, − 7) e B(0, 7), cuja excentricidade é e =4 = 0, 75.
4
Verifique o que acontece com a elipse em função do valor da excentricidade. Acesse:

Verifique o que acontece com a elipse em função do valor da excentricidade. Acesse:
<www.profcardy.com/cardicas/excentricidade.php>.
<www.profcardy.com/cardicas/excentricidade.php>.
A Elipse
III
Elipse com centro fora da origem do sistema cartesiano
1o Caso: Eixo maior paralelo ao eixo x
Vamos deduzir a equação da elipse partindo da definição de lugar geométrico, a dedução para os outros
casos que veremos mais adiante é análoga a essa. Sejam C(h, k) o centro e P (x, y) um ponto genérico
dessa elipse com focos F1 (h − c, k) e F2 (h + c, k). Assim, temos:
d(P, F1 ) + d(P, F2 ) = 2a

[x − (h − c)]2 + (y − k)2 + [x − (h + c)]2 + (y − k)2 = 2a

[x − (h − c)]2 + (y − k)2 = 2a − [x − (h + c)]2 + (y − k)2

[x − (h − c)]2 + (y − k)2 = 4a2 − 4a [x − (h + c)]2 + (y − k)2 + [x − (h + c)]2 + (y − k)2

x2 −2x(h−c)+(h−c)2 +(y −k)2 = 4a2 −4a [x − (h + c)]2 + (y − k)2 +x2 −2x(h+c)+(h+c)2 +(y −k)2

−2xh + 2xc + h2 − 2hc + c2 = 4a2 − 4a [x − (h + c)]2 + (y − k)2 − 2xh − 2xc + h2 + 2hc + c2

4a [x − (h + c)]2 + (y − k)2 = 4a2 − 4xc + 4hc

a [x − (h + c)]2 + (y − k)2 = a2 − xc + hc
a2 ([x − (h + c)]2 + (y − k)2 ) = a4 − a2 xc + a2 hc − a2 xc + x2 c2 − xhc2 + a2 hc − hxc2 + h2 c2
a2 [x2 − 2x(h + c) + (h + c)2 + y 2 − 2yk + k 2 ] = a4 − a2 xc + a2 hc − a2 xc + x2 c2 = xhc2 + a2 hc − hxc2 + h2 c2
a2 (x2 −2xh−2xc+h2 +2hc+c2 +y 2 −2yk +k 2 ) = a4 −a2 xc+a2 hc−a2 xc+x2 c2 −xhc2 +a2 hc−hxc2 +h2 c2
a2 x2 −2a2 xh−2a2 xc+a2 h2 +2a2 hc+a2 c2 +a2 y 2 −2a2 yk +a2 k 2 = a4 −2a2 xc+2a2 hc+x2 c2 −2xhc2 +h2 c2
123
a2 x2 − 2a2 xh + a2 h2 + a2 c2 + a2 y 2 − 2a2 yk + a2 k 2 = a4 + x2 c2 − 2xhc2 + h2 c2
(x2 − 2xh + h2 )(a2 − c2 ) + a2 (y 2 − 2yk + k 2 ) = a2 (a2 − c2 )
(x − h)2 (a2 − c2 ) + a2 (y − k)2 = a2 (a2 − c2 )
b2 (x − h)2 + a2 (y − k)2 = a2 b2
e, dividindo ambos os lados por a2 b2 , obtemos:
(x − h)2 (y − k)2
+ =1
a2 b2
que é equação reduzida da elipse com centro em C(h, k) e eixo maior paralelo ao eixo x. Observe que seus
vértices são A1 (h − a, k), A2 (h + a, k), B1 (h, k − b) e B( h, k + b), note que, se h = k = 0, temos C(0, 0).
(x + 1)2 (y − 3)2
Exemplo 5: Esboce o gráfico da elipse cuja equação é dada por + = 1.
4 1
Como 4>1, então, o eixo maior é paralelo ao eixo x, seu centro é C(−1, 3), para obtermos seus vértices
podemos substituir por y = 3 e obtemos x = −3 ou x = 1, analogamente, para x = −1, temos y = 3 ou
y = 4, logo, seus vértices são A1 (−3, 3), A2 (1, 3), B1 (−1, 2) e B2 (−1, 4). Uma outra forma para obtermos
seus vértices é observando o seguinte: como 4 > 1, então, a = 2 e b = 1 e, sendo o eixo maior paralelo
ao eixo x, partindo do centro C(−1, 3), segue que A1 (−1 − 2, 3) = A1 (−3, 3), A2 (−1 + 2, 3) = A2 (1, 3),
2 2 2
√
B(−1, 3 − 1) = B1 (−1, 2) e B2 (−1,
√ 3 + 1) = B2 (−1, 4). Além disso, temos 2 = 1 + c , ou seja, c = 3,
3 √ √
portanto, a excentricidade é e = , seus focos são F1 (−1 − 3, 3) e F2 (−1 + 3, 3).
2
Exemplo 6: Dada a equação 4x2 + 9y 2 − 8x − 36y + 4 = 0, obtenha a equação reduzida, seu centro, os
vértices e seus focos.
A Elipse
III
Temos:
4x2 + 9y 2 − 8x − 36y + 4 = 0
4x2 − 8x + 9y 2 − 36y + 4 = 0
4(x2 − 2x) + 9(y 2 − 4y) + 4 = 0
completando quadrado, segue que
4(x2 − 2x + 1 − 1) + 9(y 2 − 4y + 4 − 4) + 4 = 0
4[(x − 1)2 − 1] + 9[(y − 2)2 − 4] + 4 = 0
4(x − 1)2 − 4 + 9(y − 2)2 − 36 + 4 = 0
4(x − 1)2 9(y − 2)2 36

+ =
36 36 36
(x − 1)2 (y − 2)2
+ =1
9 4
(x − 1)2 (y − 2)2
+ = 1.
32 22
Como 9>4, então, seu eixo maior é paralelo ao eixo x cujo centro é C(1, 2), além disso, temos a = 3 e
√
b = 2, logo, c = 5. Segue que A1 (1 − 3, 2) = A1 (−2, 2), A2 (1 + 3, 2) = A2 (4, 2), B1 (1, 2 − 2) = B1 (1, 0),
√ √
B2 (1, 2 + 2) = B2 (1, 4), F1 (1 − 5, 2) e F2 (1 + 5, 2).
2o Caso: Eixo maior paralelo ao eixo y
125
A equação da elipse com centro em C(h, k) é dada por
(x − h)2 (y − k)2
+ =1
b2 a2
e pode ser deduzida de forma análoga a anterior.

em que seus vértices são A1 (h, k − a), A2 (h, k + a), B1 (h − b, k) e B2 (h + b, k).
Exemplo 7: Construa uma elipse com centro C(2, 3), com eixo maior medindo 10 unidades, paralelo ao
eixo y, eixo menor medindo 8 unidades e obtenha também sua equação reduzida.
O eixo maior tem medida igual a 10, logo, 2a = 10 e 2b = 8, ou seja, a = 5, b = 4 e, consequentemente,

c = 3, segue que a equação reduzida é:
(x − 2)2 (y − 3)2
+ = 1.
42 52
Como seu centro é C(2, 3) e o eixo maior é paralelo ao eixo y, então, seus vértices são A1 (2, 3 − 5) =
A1 (2, −2), A2 (2, 3 + 5) = A2 (2, 8), B1 (2 − 4, 3) = B1 (−2, 3), B2 (2 + 4, 3) = B2 (6, 3) e seus focos são
F1 (2, 3 − 3) = (2, 0) e F (2, 3 + 3) = F (2, 6).
A Elipse
III
Exemplo 8: Determine o centro, os vértices, os focos e a excentricidade da elipse de equação
25x2 + 9y 2 + 50x − 36y − 164 = 0.
A equação pode ser reescrita por
25x2 + 50x + 9y 2 − 36y − 164 = 0
25(x2 + 2x) + 9(y 2 − 4y) − 164 = 0
25(x2 + 2x + 1 − 1) + 9(y 2 − 4y + 4 − 4) − 164 = 0
25[(x + 1)2 − 1] + 9[(y − 2)2 − 4] − 164 = 0
25(x + 1)2 − 25 + 9(y − 2)2 − 36 − 164 = 0
25(x + 1)2 9(y − 2)2 225

+ =
225 225 225
(x + 1)2 (y − 2)2
+ =1
9 25
portanto,
(x + 1)2 (y − 2)2
+ = 1.
32 52
Assim, temos a = 5 e b = 3, logo, c = 4, além disso, seu centro é C(−1, 2), seus vértices são A1 (−1, −3),
4
A2 (−1, 7), B1 (−4, 2) e B2 (2, 2), seus focos são F1 (−1, −2), F2 (−1, 6) e a excentricidade é e = = 0, 8.
5
127
Uma elipse pode ser obtida utilizando-se de uma madeira plana, dois pregos, um barbante e um lápis.
Os dois pregos devem ser fixados na madeira (nos focos) e o barbante amarrado em ambos os pregos
comUma elipse
medida pode ser
superior obtida utilizando-se
a distância de uma
entre eles, com um madeira plana, dois
lápis esticando pregos, se
o barbante umobtém
barbante e umque
o traço lápis.
Uma elipse pode ser obtida utilizando-se de uma madeira plana, dois pregos, um barbante e um lápis.
nos Os
dá dois pregos devem ser fixados na madeira (nos focos) e o barbante amarrado em ambos os pregos
a elipse.
Os dois pregos devem ser fixados na madeira (nos focos) e o barbante amarrado em ambos os pregos
com medida superior a distância entre eles, com um lápis esticando o barbante se obtém o traço que
com medida superior a distância entre eles, com um lápis esticando o barbante se obtém o traço que
nos dá a elipse.
nos dá a elipse.
A Elipse
III
A
A HIPÉRBOLE
HIPÉRBOLE
Sejam F1 e F2 dois pontos do plano com d(F1 , F2 ) = 2c, ao conjunto dos pontos P (x, y) tais que o módulo
da diferença entre d(P, F1 ) e d(P, F2 ) é uma constante, damos o nome de hipérbole, isto é, se a é um
número real positivo tal que 2a < 2c, a hipérbole é o conjunto dos pontos que satisfaz
|d(P, F1 ) − d(P, F2 )| = 2a.
Os pontos F1 e F2 são os focos e d(F1 , F2 ) = 2c é a distância focal, o centro C da hipérbole é o ponto

médio do segmento F1 e F2 , os pontos A1 e A2 são os vértices em que d(A1 , A2 ) = 2a, o eixo real é o
segmento A1 A2 . O eixo imaginário é o segmento B1 B2 , com d(B1 , B2 ) = 2b, além disso o segmento
B1 B2 é perpendicular ao segmento A1 A2 no ponto C.
129
c
Chamamos de excentricidade ao número e = , temos também a seguinte relação c2 = a2 + b2 e sendo
a
c > a, logo, e > 1.
Considere o retângulo M N OP , cujos pontos A1 , A2 , B1 e B2 são pontos médios dos segmentos M N ,

OP , N O e M P , respectivamente. As retas r e s que passam pelos segmentos M O e N P são chamadas
de assı́ntotas da hipérbole. Essas retas têm as propriedades de, à medida que os pontos da hipérbole se
afastam do foco, esses pontos se aproximam cada vez mais de uma dessas retas, porém nunca tocam a
b b
reta. Observe também, lembrando da trigonometria, que as razões e − correspondem às inclinações
a a
das retas s e r, respectivamente.
Geometricamente, a hipérbole pode ser obtida por meio da interseção do plano com o cone, em que o
plano deve ser paralelo ao eixo do cone.
A Hipérbole
III
Hipérbole com centro na origem do plano cartesiano
1o caso: Eixo real sobre o eixo x
Seja P (x, y) um ponto da hipérbole com centro C(0, 0) e focos F1 (−c, 0) e F2 (c, 0)
temos
|d(F1 , P ) − d(F2 , P )| = 2a

| (x + c)2 + (y − 0)2 − (x − c)2 + (y − 0)2 | = 2a

(x + c)2 + y 2 − (x − c)2 + y 2 = ±2a.
Utilizando o mesmo processo da elipse, obtemos
(c2 − a2 )x2 − a2 y 2 = a2 (c2 − a2 )
como c2 = a2 + b2 , logo
b2 x 2 − a 2 y 2 = a2 b 2
dividindo ambos os lados por a2 b2 , chegamos ao resultado
x2 y 2
− 2 =1
a2 b
b
que é a equação reduzida da hipérbole com vértices A1 (−a, 0), A2 (a, 0) e assı́ntotas y = ± x (equação
a
da reta passando pela origem).
2o Caso: Eixo real sobre o eixo y
131
Partindo da definição da hipérbole

|d(F1 , P ) − d(F2 , P )| = 2a
podemos deduzir de maneira análoga a equação
y 2 x2
− 2 = 1.
a2 b
que é a equação da hipérbole com focos F1 (0, −c), F2 (0, c), vértices A1 (0, a), A2 (0, −a) e assı́ntotas
a
y = ± x, em que c2 = a2 + b2 .
b
x2 y2
Exemplo 9: Obtenha o gráfico da hipérbole cuja equação reduzida é − = 1 e seus elementos
25 16
(centro, focos, vértices, excentricidade e as assı́ntotas).
x2 y2
A equação é do tipo − = 1, logo, a = 5 e o eixo real está sobre o eixo x em que b = 4, como
a2 √b2
2 2 2
c = a + b , então, c = 41. Para y = 0, temos x = ±5, logo, A1 (−5, 0) e A2 (5, 0) são os vértices
da hipérbole. Note que para x = 0 a equação y 2 = −16 não admite solução no conjunto dos números
reais, ou seja, a hipérbole não intercepta o eixo y,
√ segue que o centro da hipérbole é C(0, 0), seus focos
√ √ 41
são F1 (− 41, 0), F2 ( 41, 0), excentricidade e = = 1, 28 e suas assı́ntotas são retas que passam pela
5
4 4
origem e cujas equações são y = x e y = − x.
5 5
A Hipérbole
III
Exemplo 10: Dada a equação 4y 2 − 9x2 = 36, obtenha os elementos e o gráfico dessa hipérbole.
Temos
4y 2 − 9x2 = 36
4y 2 9x2 36
− =
36 36 36
y 2 x2
− 2 =1
32 2
essa última equação nos indica que o eixo real está sobre o eixo y, assim a = 3, b = 2 e lembrando que
√ √ √
c2 = a2 + b2 , logo, c = 13, segue que seus focos são F1 (0, − 13) e F2 (0, 13). Pondo x = 0, obtemos
3
y = ±3, ou seja, seus vértices são A1 (0, −3) e A2 (0, 3). Suas assı́ntotas são y = ± x e a excentricidade
√ 2
13 ∼
e= = 1, 20.
3
133
Equação da hipérbole com centro fora da origem do sistema cartesiano
1o Caso: Eixo real paralelo ao eixo x
De maneira análoga ao caso da elipse, podemos deduzir a equação da hipérbole com centro C(h, k), focos
F1 (h − c, k), F2 (h + c, k), vértices A1 (h − a, k) e A2 (h + a, k).
(x − h)2 (y − k)2
− =1
a2 b2
2o Caso: Eixo real paralelo ao eixo y
Nesse caso, temos C(h, k), F1 (h, k − c), F2 (h, k + c), A1 (h, k − a), A2 (h, k + a) e a equação é dada por
(y − k)2 (x − h)2
− = 1.
a2 b2
A Hipérbole
III
Exemplo 11: Obtenha a equação da hipérbole, sabendo-se que seus vértices são A1 (0, 3), A2 (2, 3) e um
dos seus focos é F (3, 3).
O eixo real A1 A2 e é paralelo ao eixo x, o centro C é o ponto médio do segmento A1 A2 , ou

é o segmento
0+2 3+3
seja, C , = C(1, 3), segue que c = d(C, F ) = (1 − 3)2 + (3 − 3)2 = 2.
2 2
√
Além disso, a = d(C, A1 ) = (0 − 1)2 + (3 − 3)2 = 1, como c2 = a2 + b2 logo b = 3, portanto,
(x − 1)2 (y − 3)2
− √ =1
12 ( 3)2
(y − 3)2
(x − 1)2 − =1
3
e, desenvolvendo, obtemos:
3x2 − y 2 − 6x + 6y − 9 = 0.
135
Exemplo 12: Dada a equação da hipérbole 16x2 − 9y 2 + 64x − 54y + 127 = 0, obtenha o centro, os
vértices, os focos, seu gráfico, a excentricidade e suas assı́ntotas.
Temos:
16x2 − 9y 2 + 64x − 54y + 127 = 0
16(x2 + 4x) − 9(y 2 + 6y) + 127 = 0
16(x2 + 4x + 4 − 4) − 9(y 2 + 6y + 9 − 9) + 127 = 0
16[(x + 2)2 − 4] − 9[(y + 3)2 − 9] + 127 = 0
16(x + 2)2 − 64 − 9(y + 3)2 + 81 + 127 = 0

16(x + 2)2 − 9(y + 3)2 = −144
16(x + 2)2 9(y + 3)2 −144

− =
−144 −144 −144
(x + 2)2 (y + 3)2
− + =1
9 16
(y + 3)2 (x + 2)2
− = 1.
42 32
Assim, o centro é C(−2, −3), o eixo real é paralelo ao eixo y, a = 4 e b = 3, sendo c2 = a2 + b2 , logo
c = 5. Segue que seus focos são F1 (−2, −3 − 5) = F1 (−2, −8), F2 (−2, −3 + 5) = F2 (−2, 2), seus vértices
são A1 (−2, −3 − 4) = A1 (−2, −7) e A2 (−2, −3 + 4) = A2 (−2, 1). Seu gráfico é
A Hipérbole
III
c 5
sua excentricidade e = = = 1, 25, suas assı́ntotas são retas do tipo y = mx + k, ou seja,
a 4
y = ±mx + k
a
y =± x+k
b
4
y =± x+k
3
4
o ponto C(−2, −3) pertence às assı́ntotas, logo, para y = x + k1 temos
3
4
−3 = (−2) + k1
3
ou seja,
1
k1 = −
3
4 1 4
e, portanto, uma das retas é y = x − . Analogamente, para y = − x + k2 , temos
3 3 3
4
−3 = − (−2) + k2
3
17 4 17
segue que k2 = − e, portanto, a outra assı́ntota é y = − x − .
3 3 3
137
A
A PARÁBOLA
PARÁBOLA
Sejam d uma reta e F um ponto não pertencente a d, ambos no plano xy, uma parábola é o conjunto dos
pontos P (x, y) no plano que são equidistantes do ponto F e da reta d, o ponto F é chamado de foco e d
é a diretriz da parábola.
Ou seja, se P (x, y) é um ponto da parábola, então,
d(P, F ) = d(P, d).
O eixo da parábola é a reta que passa pelo foco e é perpendicular a diretriz, a interseção entre seu eixo
com a parábola é um ponto chamado de vértice e denotado por V .
Geometricamente, a parábola é obtida a partir da interseção de um plano com um cone, em que o plano
é paralelo a geratriz desse cone.
A Parábola
III
Parábola com vértice na origem do sistema cartesiano
1o Caso: Eixo da parábola é o próprio eixo y

p
Seja P (x, y) um ponto da parábola com foco F (0, ), diretriz d e D um ponto da reta d,
2
assim, temos:
d(F, P ) = d(D, P )

p 2 p 2
(x − 0)2 + y − = (x − x)2 + y +
2 2
elevando ambos os lados ao quadrado
2 2
p 2 p 2
x2 + y − = y+
2 2
p 2 p 2
x2 + y − = y+
2 2
p2 p2
x2 + y 2 − yp + = y 2 + yp +
4 4
x2 = 2yp
essa é a equação reduzida da parábola com vértice na origem do plano cartesiano e eixo da parábola
coincidindo com o eixo y. Note que como x2 ≥ 0, logo, 2yp deve ser positivo, o que significa que y e p
devem ter o mesmo sinal. Em particular, se p > 0 a concavidade é voltada para cima, por outro lado, se
p < 0 a parábola tem concavidade voltada para baixo.
139
2o Caso: Eixo da parábola é o eixo x

2o Caso: Eixo da parábola é o eixo x
p
Seja P (x, y) um ponto da parábola com focoFp , 0 e diretriz d, usando o raciocı́nio anterior, chegamos
Seja P (x, y) um ponto da parábola com foco F , 02 e diretriz d, usando o raciocı́nio anterior, chegamos
2
na equação
na equação
y 2 = 2px.
y 2 = 2px.
Quando p > 0, a concavidade é voltada para direita e, se p < 0, a concavidade é voltada para esquerda.
Quando p > 0, a concavidade é voltada para direita e, se p < 0, a concavidade é voltada para esquerda.
Aprofunde seus conhecimentos sobre a parábola:

Aprofunde seus conhecimentos sobre a parábola:
<http://www.gestaoescolar.diaadia.pr.gov.br/arquivos/File/producoes pde/artigo mirtes tamy gomes
<http://www.gestaoescolar.diaadia.pr.gov.br/arquivos/File/producoes pde/artigo mirtes tamy gomes
machado.pdf>.
machado.pdf>.
A Parábola
III
Exemplo 13: Dada a equação x2 = 6y, obtenha o foco, a diretriz e seu gráfico.
Sabemos que x2 = 2py, logo, 2p = 6, ou seja, p = 3, segue que a parábola

tem concavidade voltada para
3 3
cima, como seu vértice é V (0, 0), temos seu foco com coordenadas F 0, , sua diretriz é y = − . Além
2 2
3
disso, se y = , temos
2
3
x2 = 6.
2
x = ±3

3 3
portanto, os pontos −3, e 3, também são pontos da parábola.
2 2
Exemplo 14: Dada a equação y 2 = −20x, obtenha seu gráfico, o foco e a diretriz da parábola.
A equação é do tipo y 2 = 2px, logo, 2p = −20, ou seja, p = −10, portanto, a concavidade é voltada para
10 10
esquerda. Como seu vértice é V (0, 0), logo, seu foco é F (0 − , 0) = (−5, 0) e a diretriz é x = 0 + = 5.
2 2
141
Parábola com vértice fora da origem do sistema cartesiano
1o Caso: Parábola com eixo paralelo ao eixo y
Seja V (h, k) o vértice da parábola, partindo da definição d(P, F ) = d(P, d), é fácil de deduzir sua equação,
que é dada por
(x − h)2 = 2p(y − k).
x2
Exemplo 15: Obtenha o vértice, o foco, a diretriz e o gráfico da parábola cuja equação é y = − − x.
4
Temos:
x2
+ x = −y
4
x2 + 4x = −4y
x2 + 4x + 4 − 4 = −4y
(x + 2)2 − 4 = −4y
(x + 2)2 = −4y + 4
(x + 2)2 = −4(y − 1)
(x + 2)2 = 2(−2)(y − 1)
assim, h = −2 e k = 1, logo, V (−2, 1), além disso, como p = −2, segue que a concavidade é voltada
para baixo e seu eixo é paralelo ao eixo y com foco F (−2, 1 − 1) = F (−2, 0) e diretriz y = 1 + 1 = 2. É
interessante observar que a equação reduzida nos fornece as coordenadas do vértice, bem como para onde
a concavidade está voltada.
A Parábola
III
Dizemos que x é raiz da equação y = ax2 + bx + c = 0, se a(x )2 + bx + c = 0. Assim, vamos obter as
raı́zes que
Dizemos (casoxexistam)
é raiz dadessa equação,
equação y = axou2 +
seja,
bx +devemos obter
c = 0, se a(xvalores
)2 + bxde
+xc tais
= 0.que
Assim, vamos obter as
raı́zes (caso existam) dessa equação, ou seja, devemos obter valores de x tais que
y=0
y =2 0
x
− −x=0
4
x2
− x− 2 x=0
4 +x=0
4
x2
+x=0
4 x2 + 4x = 0
x2 + 4x = 0
x2 + 4x + 4 − 4 = 0
x2 + 4x + 4 − 24 = 0
(x + 2) = 4
(x + 2)2 = 4 √
x+2=± 4
√
x+2=± 4
x = −2 ± 2
x = −2 ± 2
logo, as raı́zes são x = 0 e x = −4. Portanto, os pontos (−4, 0) e (0, 0) pertencem a parábola.
logo, as raı́zes são x = 0 e x = −4. Portanto, os pontos (−4, 0) e (0, 0) pertencem a parábola.
A Fórmula de Bháskara pode ser deduzida utilizando a ideia do exemplo anterior. Acesse:
A <http://www.brasilescola.com/matematica/demonstracao-formula-bhaskara.htm> e confira.
Fórmula de Bháskara pode ser deduzida utilizando a ideia do exemplo anterior. Acesse:
<http://www.brasilescola.com/matematica/demonstracao-formula-bhaskara.htm> e confira.
143
2o Caso: O eixo da parábola é paralelo ao eixo x
Seja V (h, k) o vértice da parábola, sua equação é dada por
(y − k)2 = 2p(x − h)
Exemplo 16: Determine a equação da parábola cuja diretriz é x = 1 e tem foco no ponto F (5, 2).
Sabemos que a diretriz é x = 1, logo, o eixo da parábola é paralelo ao eixo

x e passa pelos
pontos F (5, 2)
5+1 2+2
e A(1, 2), como seu vértice é o ponto médio do segmento AF , logo, V , = (3, 2), ou seja,
2 2
h = 3 e k = 2. Note que, como o foco está a direita do vértice, então, a concavidade é voltada para
A Parábola
III
direita, o que significa que p é positivo, além disso, temos:
p = d(A, F )

p= (5 − 1)2 + (2 − 2)2
p=4
e substituindo na equação abaixo

(y − k)2 = 2p(x − h)
segue que
(y − 2)2 = 2.(4)(x − 3)
y 2 − 4y + 4 = 8x − 24
y 2 − 4y − 8x + 28 = 0
é a equação da parábola.
145
Superfı́cies Quádricas
Uma equação do 2o grau com três variáveis x, y e z tem a seguinte forma:
ax2 + by 2 + cz 2 + 2dxy + 2exz + 2f yz + mx + ny + pz + q = 0
com pelo menos uma das constante a, b, c, d, e ou f não nula, ela representa uma superfı́cie quádrica.
Quando essa superfı́cie for cortada por algum plano paralelo aos planos das coordenadas (x, y ou z igual
a uma constante), sua interseção será uma curva cônica, como veremos nos próximos exemplos. Através
de uma mudança de coordenadas (rotação e/ou translação), essa equação pode assumir uma das seguintes
formas:
Ax2 + By 2 + Cz 2 = D (quádrica centrada)
ou ⎧
⎪
⎪ Ax2 + By 2 + Cz = 0
⎪
⎪
⎨
Ax2 + By + Cz 2 = 0 (quádrica não centrada)
⎪
⎪
⎪
⎪
⎩
Ax + By 2 + Cz 2 = 0
que são os casos que abordaremos nesta unidade.
Superfı́cies quádricas centradas
A equação
x2 y 2 z 2
± ± 2 ± 2 =1
a2 b c
é chamada de forma canônica (ou padrão) de uma superfı́cie quádrica centrada. De acordo com a combi-
nação dos sinais, existem três possibilidades, a saber:
- três sinais positivos (elipsoide);
- dois sinais positivos e um negativo (hiperboloide de uma folha);
- um sinal positivo e dois negativos (hiperboloide de duas folhas);
- três sinais negativos, nesse caso, não existe superfı́cie.
A Parábola
III
ELIPSOIDE
ELIPSOIDE
Considere a equação
x2 y 2 z 2
+ 2 + 2 =1
a2
b c
em que a, b e c são constantes reais positivas, ao conjunto de pontos P (x, y, z) que satisfazem essa equação
damos o nome de elipsoide. Note, primeiramente, que se P (x, y, z) é um ponto da superfı́cie, então o
ponto P (−x, −y, −z) também pertence a superfı́cie, pois satisfaz a equação dada, ou seja, a superfı́cie
é simétrica em relação a origem, além disso, o ponto P (−x, y, z) também pertence a superfı́cie, logo, a
superfı́cie é simétrica em relação ao plano yz, a mesma simetria ocorre com relação aos planos xy e xz.
Agora, para z = 0, o plano xy corta a superfı́cie segundo o traço de uma elipse de equação
x2 y 2
+ 2 = 1, z = 0.
a2 b
147
Analogamente, para y = 0, temos uma elipse no plano xz e também para x = 0 outra elipse no plano yz.
Em particular, se a = b = c, temos
x2 y 2 z 2
+ 2 + 2 =1
a2 a a
que representa uma superfı́cie esférica com raio r = a cuja equação é dada por
x2 + y 2 + z 2 = a2 .
Elipsoide
III
Se pelo menos dois valores de a, b ou c são iguais, dizemos que o elipsoide é de revolução. Quando o
centro do elipsoide é o ponto C(h, k, l) com eixos paralelos aos eixos coordenados, sua equação tem forma:
(x − h)2 (y − k)2 (z − l)2

+ + = 1.
a2 b2 c2
x2 y 2 z 2
Exemplo 1: Obtenha a superfı́cie do elipsoide cuja equação é + + = 1.
4 9 1
x2 y 2
No plano xy, isto é, quando z = 0, temos uma elipse cuja equação é + = 1, analogamente, nos planos
4 9
x 2 z 2 y 2 z 2
xz e yz obtemos as equações + =1e + = 1 que também são elipses, assim, graficamente,
4 1 9 1
temos um elipsoide cujo gráfico é representado pela figura abaixo:
(x − 1)2 (y − 1)2 (z − 1)2
Exemplo 2: Verifique que a equação + + = 1 representa um elipsoide.
9 25 9
(x − 1) 2 (y − 1)2 (x − 1)2
A superfı́cie tem centro C(1, 1, 1), suas equações são + = 1 no plano xy, +
9 25 9
(z − 1)2 (y − 1)2 (z − 1)2
= 1 no plano xz e + = 1 no plano yz, note também que a = c = 3, portanto,
9 25 9
a superfı́cie é um elipsoide de revolução.
149
Atualmente, existem vários softwares disponı́veis na web que constroem gráficos tridimensionais. Um
programa fácil de utilizar, com gráficos de ótima qualidade e que pode auxiliar o estudo das quádricas
Atualmente, existem vários softwares disponı́veis na web que constroem gráficos tridimensionais. Um
é o Autograph, disponı́vel em:
programa fácil de utilizar, com gráficos de ótima qualidade e que pode auxiliar o estudo das quádricas
<http://www.autograph-maths.com/download/>
é o Autograph, disponı́vel em:
<http://www.autograph-maths.com/download/>
As pesquisas na área de Educação Matemática promovem reflexões sobre como a forma tradicional de
ensino pode ser inovada por meio de estratégias diferenciadas, que visem a uma melhor qualidade no
As pesquisas na área de Educação Matemática promovem reflexões sobre como a forma tradicional de
processo de ensino-aprendizagem da Matemática.
ensino pode ser inovada por meio de estratégias diferenciadas, que visem a uma melhor qualidade no
A nossa prática profissional, com estudantes da Licenciatura em Matemática e cursos de Engenharias,
processo de ensino-aprendizagem da Matemática.
revelou o quanto é difı́cil trabalhar os tópicos planos, cilindros e quádricas nas disciplinas Geometria
A nossa prática profissional, com estudantes da Licenciatura em Matemática e cursos de Engenharias,
Analı́tica ou Cálculo Diferencial e Integral, seja por reduzida carga horária para esses conteúdos, seja
revelou o quanto é difı́cil trabalhar os tópicos planos, cilindros e quádricas nas disciplinas Geometria
pela dificuldade que os estudantes têm na visualização geométrica no espaço tridimensional ou na
Analı́tica ou Cálculo Diferencial e Integral, seja por reduzida carga horária para esses conteúdos, seja
relação entre questões visuais e analı́ticas.
pela dificuldade que os estudantes têm na visualização geométrica no espaço tridimensional ou na
As dificuldades dos estudantes nos tópicos de geometria perpassam toda a educação básica, chegando
relação entre questões visuais e analı́ticas.
ao ensino superior. Essa deficiência é evidenciada por vários pesquisadores em Educação Matemática,
As dificuldades dos estudantes nos tópicos de geometria perpassam toda a educação básica, chegando
tais como Lorenzato (1995), Dante (1988) e Pavanello (1993). Essa defasagem gera dificuldades de
ao ensino superior. Essa deficiência é evidenciada por vários pesquisadores em Educação Matemática,
aprendizagem, principalmente na disciplina Geometria Analı́tica e em tópicos do Cálculo Diferencial
tais como Lorenzato (1995), Dante (1988) e Pavanello (1993). Essa defasagem gera dificuldades de
e Integral.
aprendizagem, principalmente na disciplina Geometria Analı́tica e em tópicos do Cálculo Diferencial
e Integral.
Parte extraı́da do artigo disponı́vel em:
<http://www.scielo.br/scielo.php?pid=S0103-636X2013000300011&script=sci arttext>.
Parte extraı́da do artigo disponı́vel em:
Acesso em: 04 jan. 2015.
<http://www.scielo.br/scielo.php?pid=S0103-636X2013000300011&script=sci arttext>.
Acesso em: 04 jan. 2015.
Elipsoide
III
HIPERBOLOIDE DE UMA FOLHA

HIPERBOLOIDE DE UMA FOLHA
Considere a equação
x2 y 2 z 2
+ 2 − 2 =1
a2 b c
com a, b e c termos positivos, quando dois sinais são positivos e um negativo, a superfı́cie é chamada de
hiperboloide de uma folha, em relação a equação anterior, o hiperboloide está ao longo do eixo z. O
x2 y 2
plano xy intercepta a superfı́cie segundo uma elipse de equação 2 + 2 = 1,
a b
x2 z 2 y2 z2
já nos planos xz e yz temos as equações − 2 = 1 e 2 − 2 = 1 que representam hipérboles.
a2 c b c
151
Quando a = b, o hiperboloide é de revolução e pode ser obtido pela rotação de uma hipérbole em torno
do eixo z.
As outras formas de hiperboloide de uma folha são:
x2 y 2 z 2
− 2 + 2 = 1 ao longo do eixo y
a2 b c
e
x2 y 2 z 2
− + 2 + 2 = 1 ao longo do eixo. x
a2 b c
Hiperboloide de uma folha

III
x2 y 2 z2
Exemplo 3: Obter o gráfico da superfı́cie cuja equação é + − = 1.
9 4 16
x2 y 2
No plano z = 0, temos uma elipse de equação + 2,
32 2
x2 z 2 y2 z2
nos planos y = 0 e x = 0, temos hipérboles de equações − 2 =1e 2 − 2 =1
32 4 2 4
e graficamente
153
HIPERBOLOIDE DE DUAS FOLHAS

HIPERBOLOIDE DE DUAS FOLHAS
A superfı́cie com equação

x2 y 2 z 2
− + 2 − 2 =1
a2 b c
é chamada de hiperboloide de duas folhas ao longo do eixo y, em que a, b e c são constantes reais
positivas.
Nos planos xy e yz, temos as equações
x2 y 2 y2 z2
− + 2 =1e 2 − 2 =1
a2 b b c
que representam duas hipérboles
Hiperboloide de duas folhas

III
Graficamente, temos
Observe que quando y = 0 o plano xz não intercepta a superfı́cie, mais ainda, para qualquer plano y = k,
com −b < k < b, esses planos não interceptam a superfı́cie. Por outro lado, para qualquer valor de y = k
com k > b ou k < −b, a interseção entre o plano e a superfı́cie é uma elipse, particularmente, se a = c, a
elipse é uma circunferência, portanto, o hiperboloide é de revolução e pode ser obtido rotacionando uma
hipérbole em torno do eixo real y.
As outras formas canônicas dessa superfı́cie são:
x2 y 2 z 2
− 2 − 2 = 1 ao longo do eixo x
a2 b c
e
x2 y 2 z 2
− − 2 + 2 = 1 ao longo do eixo z.
a2 b c
155
x2 y2 z2
Exemplo 4: Dada a equação − + − = 1, obtenha seus gráficos nos planos coordenados e sua
4 16 25
superfı́cie.
A superfı́cie é um hiperboloide de duas folhas ao longo do eixo y. Nos planos x = 0 e z = 0, temos,

y2 z2 x2 y 2
respectivamente, hipérboles com equações 2 − 2 = 1 e − 2 + 2 = 1, cujos gráficos são:
4 5 2 4
Assim, a superfı́cie pode ser representada conforme o gráfico abaixo:
Observe que para valores y = k, com |k| > 4 os planos y = k interceptam a superfı́cie segundo uma elipse
de equação
x2 z 2 k2
+ 2 = −1
22 5 16
x2 z2
por exemplo, para k = 5, temos uma elipse cuja equação é 2 + 2 = 1.
3 15
2 4
Hiperboloide de duas folhas

III
Superfı́cies quádricas não centradas

Superfı́cies quádricas não centradas
As equações ⎧
As equações ⎧⎪
⎪ Ax 2 + By 2 + Cz = 0
⎪⎪
⎪
⎪⎪
⎨Ax2 + By 2 + Cz = 0
⎪
⎨
⎪ Ax2 + By + Cz 2 = 0
⎪⎪
⎪Ax2 + By + Cz 2 = 0
⎪⎪
⎪⎩ Ax + By 2 + Cz 2 = 0
⎪
⎩
Ax + By 2 + Cz 2 = 0
podem ser reescritas em uma das seguintes formas

podem ser reescritas em uma das seguintes formas
x2 y 2
x2 2 ±y 2 2 = cz,
±
± 2a± 2b = cz,
a b
x2 z 2
x2 2 ±z 2 2 = by
±
± 2a± 2c = by
a c
ou
ou
y2 z2
y 2 ±z 2 = ax
±
± 2b2± 2c2= ax
b c
que são chamadas de forma canônica da superfı́cie quádrica. De acordo com as combinações dos sinais
que são chamadas de forma canônica da superfı́cie quádrica. De acordo com as combinações dos sinais
nos coeficientes do segundo grau, é possı́vel ter dois tipos de superfı́cie:
nos coeficientes do segundo grau, é possı́vel ter dois tipos de superfı́cie:
- Sinais iguais (Paraboloide Elı́ptico).

- Sinais iguais (Paraboloide Elı́ptico).
- Sinais contrários (Paraboloide Hiperbólico).
- Sinais contrários (Paraboloide Hiperbólico).
Conheça outros aplicativos que podem auxiliá-lo(a) em seus estudos:

Conheça outros aplicativos que podem auxiliá-lo(a) em seus estudos:
- Maple <http://www.maplesoft.com/>.
- Maple <http://www.maplesoft.com/>.
- Winplot <http://math.exeter.edu/rparris>.
- Winplot <http://math.exeter.edu/rparris>.
- Cabri <http://www.cabri.com/>.
- Cabri <http://www.cabri.com/>.
157
PARABOLOIDE
PARABOLOIDE ELELÍPTICO
ÍPTICO
A equação
x2 y 2
+ 2 = cz
a2 b
representa uma superfı́cie quádrica denominada de paraboloide elı́ptico ao longo do eixo z.

x2 y2
Para o plano z = 0, temos a equação + 2 = 0, logo, x = 0 e y = 0, ou seja, a origem (0, 0, 0) é o
a2 b
único do plano xy. Supondo que c seja uma constante positiva, nos planos xz e yz, temos as equações
x2 = a2 cz e y 2 = b2 cz cujos gráficos são parábolas.
Paraboloide Elíptico
III
Graficamente, temos
Quando c > 0 e k é uma constante positiva, o plano z = k intercepta essa superfı́cie segundo uma elipse
x2 y2
+ =1
a2 ck b2 ck
em particular, se a = b, a elipse é uma circunferência e, portanto, a superfı́cie é um paraboloide de

revolução e pode ser obtido rotacionando uma parábola em torno do eixo z. Quando k < 0, o plano z = k
não intercepta a superfı́cie.
Por outro lado, se c é uma constante negativa, a superfı́cie está abaixo do plano xy, ou seja, está na região
z ≤ 0.
159
As outras duas possibilidades de paraboloide elı́ptico são
x2 z 2
+ 2 = by ao longo do eixo y
a2 c
e
y2 z2
+ 2 = ax ao longo do eixo x.
b2 c
x2 y2
Exemplo 5: Considere a equação + = 2z, obtenha seus gráficos nos planos xz, yz e depois sua
4 9
superfı́cie.
A equação dada representa um paraboloide elı́ptico na parte positiva ao longo do eixo z. Assim, nos
planos xz e yz temos, respectivamente, as seguintes equações x2 = 8z e y 2 = 18z, cujos gráficos são
x2 y2
parábolas com vértice na origem. Particularmente, no plano z = 2 temos a seguinte elipse 2 + 2 = 1,
4 6
assim, o gráfico fica representado da seguinte forma.
Paraboloide Elíptico
III
PARABOLOIDE HIPERBÓLICO
PARABOLOIDE HIPERB ÓLICO
Uma superfı́cie com equação
x2 y 2
− + 2 = cz
a2 b
é chamada de paraboloide hiperbólico ao longo do eixo z, também conhecida por sela de cavalo.
No plano xy, temos

x2 y 2
− + 2 =0
a2 b
logo,
b
y=± x
a
e, portanto, o plano xy corta a superfı́cie segundo duas retas.
161
Os planos xz e yz interceptam a superfı́cie segundo parábolas com equações
x2 = −ca2 z e y 2 = cb2 z
cujas concavidades estão voltadas para sentidos opostos. Assim, supondo c uma constante positiva, temos
os seguintes gráficos:
Sua superfı́cie pode ser representada pela figura abaixo:
Se k �= 0, o plano z = k corta a superfı́cie segundo uma hipérbole, em particulcar, se k > 0 o eixo focal é
o eixo y e a hipérbole está situada num plano acima do plano xy, por outro lado, se k < 0, o eixo focal é
o eixo x e está situado abaixo do plano xy.
Paraboloide Hiperbólico
III
As outras formas de paraboloide hiperbólico podem ser representadas pelas equações
z 2 x2
− 2 = by ao longo do eixo y
c2 a
e
z2 y2
− 2 = ax ao longo do eixo x
c2 b
Exemplo 6: Obtenha os traços nos planos coordenados e depois a superfı́cie da quádrica cuja equação é
x2 y 2
− + = 3z.
4 1
De acordo com a equação, temos um paraboloide hiperbólico ao longo do eixo z. Assim, nos planos yz e
xz, temos parábolas cujas equações são y 2 = 3z e x2 = −12z, respectivamente.
163
x x x . Particularmente, no plano z = 3,
NoNoplano
planoxy,
xy,temos
temosduasduasretas
retascujas
cujasequações sãoy y==x e ey y==−−
equaçõessão . Particularmente, no plano z = 3,
2 2 22 22
x 2x y 2y
temosuma
temos umahipérbole
hipérbolecom equação−− ++ ==
comequação 1.1.
3636 9 9
Portanto,obtemos
Portanto, obtemoso ográfico
gráficoabaixo:
abaixo:
Umsite
Um siteinteressante
interessantecom
commateriais
materiaissobre
sobregeometria
geometriaplana
planae espacial
e espacialé “O
é “OGeoGebra”,
GeoGebra”,nonolink
linka aseguir
seguir
temosum
temos umexemplo
exemplodede “Superfı́ciese Curvas
“Superfı́cies e CurvasParametrizadas”:
Parametrizadas”:
<http://ogeogebra.com.br/site/?p=468>.
<http://ogeogebra.com.br/site/?p=468>.
Paraboloide Hiperbólico
III
SUPERFÍCIE
SUPERFÍCIE CCÔNICA
ÔNICA
A superfı́cie com equação
x2 y 2 z 2
+ 2 − 2 =0
a2 b c
é denominada de cone quádrico ao longo do eixo z. A interseção do plano z = 0 com essa superfı́cie é
o ponto (0, 0, 0) chamado de vértice do cone. Nos planos xz e yz temos duas retas em cada plano, são
x y
elas z = ± e z = ± .
a b
165
Graficamente, temos:
Agora, se k �= 0, o plano z = k é uma elipse, em particular, quando a = b temos circunferências e,

x
portanto, o cone é de revolução e pode ser gerado pela rotação da reta z =
em torno do eixo z, essa
a
reta é chamada de geratriz no cone.
x2 y 2 z 2 x2 y 2 z 2
As outras formas de cone são − + + = 0 ao longo do eixo x e 2 − 2 + 2 = 0 ao longo do eixo
a 2 b2 c 2 a b c
y, cujas superfı́cies estão representadas abaixo.
Superfície Cônica
III
Exemplo 7: Considere a equação 9x2 + 4y 2 = z 2 , obtenha suas interseções nos planos xz e yz, depois
sua superfı́cie.
A equação dada pode ser reescrita na seguinte forma
x2 y2
+ = z2
(1/3)2 (1/2)2
e representa um cone ao longo do eixo z. Nos planos xz e yz, temos retas com equações z = ±3x e
z = ±2y.
x2 y 2
Na interseção do plano z = 6 com a superfı́cie, temos uma elipse de equação + = 1. Portanto, seu
4 9
gráfico pode ser representado conforme superfı́cie abaixo.
167
SUPERFÍCIE CILÍNDRICA
SUPERFÍCIE CILÍNDRICA
Seja C uma curva num plano π e t uma reta fixada que corta esse plano, uma superfı́cie cilı́ndrica é a
superfı́cie gerada por uma reta r que se move ao longo da curva C e é paralela a reta t, a reta r é chamada
de geratriz do cilindro descrito pela diretriz C.
Vamos considerar apenas as superfı́cies cilı́ndricas cuja diretriz seja uma curva situada em um dos planos
xy, xz ou yz e que a geratriz seja paralela a um dos eixos x, y ou z. Assim, se C é uma curva cônica, o
cilindro é quádrico, ou seja, podemos ter um cilindro circular, cilindro elı́ptico, cilindro parabólico ou um
cilindro hiperbólico conforme a curva C. É interessante observar que dada a equação de uma superfı́cie
cilı́ndrica, essa equação não tem uma das variáveis, justamente suas geratrizes são paralelas ao eixo dessa
Superfície Cilíndrica
III
variável, como veremos nos próximos exemplos.
Exemplo 8: Dada a equação x2 = 6y, obtenha a superfı́cie cilı́ndrica dessa quádrica.
Primeiramente, note que a equação não tem a variável z, ou seja, em qualquer plano z = k temos a mesma
equação da parábola x2 = 6y cuja representação é a mesma que no plano xy.
Assim, temos a superfı́cie que é um cilindro parabólico.
169
É possı́vel ter uma superfı́cie quádrica com apenas uma incógnita? Por exemplo, x2 = k, em que k é
uma constante positiva. Qual superfı́cie é essa?
x2
Exemplo 9: Obter o gráfico da superfı́cie cuja equação é z 2 + = 1.
4
Como não aparece a variável y, temos uma superfı́cie cilı́ndrica ao longo do eixo y, no plano zx, a equação
representa um elipse. Portanto, sua superfı́cie pode ser representada de acordo com a figura a seguir.
É possı́vel ter uma superfı́cie quádrica com apenas uma incógnita? Por exemplo, x2 = k, em que k é
uma constante positiva. Qual superfı́cie é essa?
x2
Exemplo 9: Obter o gráfico da superfı́cie cuja equação é z 2 + = 1.
4
Como não aparece a variável y, temos uma superfı́cie cilı́ndrica ao longo do eixo y, no plano zx, a equação
representa um elipse. Portanto, sua superfı́cie pode ser representada de acordo com a figura a seguir.
Usualmente, quando se representa o sistema cartesiano tridimensional, colocam-se os eixos dispostos

da seguinte maneira: o eixo y e o eixo z, perpendiculares entre si, gerando o plano da folha de caderno
e, o eixo x, perpendicular a este plano. Por esse motivo, é comum, para nós professores, ouvirmos
queixa dos alunos, quando, por conveniência, invertemos essa ordem, ao fazermos o esboço de uma
superfı́cie. Bem, então vamos esclarecer o motivo pelo qual podemos fazer essa mudança de ordem nos
eixos cartesianos. Lembramos que, no espaço, não é possı́vel estabelecermos o “para cima”e o “para
baixo”, então imagine utilizarmos cabos de vassoura para representar os eixos e, para auxiliar em nossa
Usualmente, quando se representa o sistema cartesiano tridimensional, colocam-se os eixos dispostos
afirmação, coları́amos em cada um deles um papel com as denominações: “eixo x”, “eixo y”e “eixo z”.
da seguinte maneira: o eixo y e o eixo z, perpendiculares entre si, gerando o plano da folha de caderno
Depois disso, poderı́amos dispor essa construção em um ponto da sala e, então, você poderia caminhar
e, o eixo x, perpendicular a este plano. Por esse motivo, é comum, para nós professores, ouvirmos
em volta dela obtendo diferentes perspectivas de visão. É isso que acontece quando mudamos a ordem
queixa dos alunos, quando, por conveniência, invertemos essa ordem, ao fazermos o esboço de uma
dos eixos, ou seja, o que estamos fazendo é uma mudança de perspectiva do observador.
superfı́cie. Bem, então vamos esclarecer o motivo pelo qual podemos fazer essa mudança de ordem nos
Fonte: Profa. Me. Ivnna Gurniski.
eixos cartesianos. Lembramos que, no espaço, não é possı́vel estabelecermos o “para cima”e o “para
baixo”, então imagine utilizarmos cabos de vassoura para representar os eixos e, para auxiliar em nossa
afirmação, coları́amos em cada um deles um papel com as denominações: “eixo x”, “eixo y”e “eixo z”.
Depois disso, poderı́amos dispor essa construção em um ponto da sala e, então, você poderia caminhar
em volta dela obtendo diferentes perspectivas de visão. É isso que acontece quando mudamos a ordem
dos eixos, ou seja, o que estamos fazendo é uma mudança de perspectiva do observador.
Fonte: Profa. Me. Ivnna Gurniski.
Introdução
III
Caro(a) cursista, nesta unidade, verificamos as possı́veis formas de equações de 2o grau em x e em y.

A primeira cônica que estudamos foi a elipse, que consiste no conjunto de pontos do plano cuja soma
das distâncias a dois pontos fixos é igual a uma constante, a partir dessa definição foi possı́vel deduzir a
equação que representa essa curva, conhecer seus elementos, isto é: seus focos, seus vértices, seu centro e
sua excentricidade. Vimos um caso particular da elipse que é a circunferência, cujos focos coincidem com
o seu centro e concluı́mos este estudo com casos em que a cônica tinha centro fora da origem do plano
cartesiano, porém com eixo maior paralelo a um dos eixos coordenados. A elipse aparece nas curvas que
descrevem as órbitas dos planetas, em estruturas de engenharia para aumentar a rigidez, bem como nas
mais belas arquiteturas. Posteriormente, estudamos a hipérbole que por definição é o conjunto de pontos
do plano cujo módulo da diferença das distâncias a dois pontos fixos é uma constante, a partir dessa
definição foi possı́vel deduzir a equação da hipérbole e apresentar seus elementos: seus focos, vértices, seu
centro, eixo real e eixo imaginário, sua excentricidade e suas assı́ntotas. Assim como na elipse, verificamos
os casos em que o centro não era a origem do sistema de coordenadas. A aplicação da hipérbole aparece na
construção de telescópios refletores, nas órbitas dos cometas, nas engenharias, devido as suas propriedades
fı́sicas e estéticas, e aparece nos gráficos de funções de vários ramos das ciências exatas. Ainda no plano
cartesiano, fizemos o estudo da parábola, que é o conjunto de pontos do plano cuja distância a um ponto
fixo e uma reta dada é uma constante, também partindo dessa definição foi possı́vel obter sua equação e
definir seus elementos, a saber: seu foco, sua diretriz, seu vértice e seu eixo. Sua aplicação está presente
nos faróis dos carros, fornos solares, antenas parabólicas, nas construções de pontes, proporcionando
estabilidade e economia.
Para finalizar esta unidade, apresentamos as superfı́cies quádricas, vimos que, para construção de seus
gráficos, primeiramente, escolhemos planos convenientes, de maneira a obter a interseção entre o plano e a
superfı́cie analisada, obtendo o que chamamos de traço. Obviamente que, quanto maior número de traços,
mais fácil fica para descrever a superfı́cie estudada. A primeira quádrica que vimos foi o elipsoide com
centro na origem do sistema cartesiano, verificamos que seus traços nos planos coordenados são sempre
elı́pticos e que a esfera é um caso particular do elipsoide, em que seus traços nos planos são circunferências.
A forma do elipsoide está presente no formato dos planetas, em balões, na natureza (alguns vegetais), na
bola de futebol americano e em algumas construções de engenharia devido a sua beleza.
A segunda superfı́cie estudada foi o hiperboloide de uma folha com centro na origem, cujos traços nos
planos correspondem a duas hipérboles e, no outro plano, uma elipse. Logo depois, fizemos o estudo
171
do hiperboloide de duas folhas, cujos traços também eram: duas hipérboles e o outro traço com forma
elı́ptica. Essas superfı́cies estão presentes em muitas construções devido a sua beleza arquitetônica. Na
sequência, vimos o paraboloide elı́ptico cujos traços eram duas parábolas e uma elipse e, posteriormente,
o paraboloide hiperbólico, em que seus traços eram duas retas num plano e nos outros planos parábolas,
sendo uma parábola com concavidade voltada para baixo e a outra no outro plano com concavidade
voltada para cima, tendo as duas parábolas seus eixos em comum.
Fizemos também um estudo sobre a superfı́cies cônicas, em que suas interseções eram duas retas em cada
um dos dois planos coordenados e uma elipse no terceiro plano. E, finalizando, vimos as superfı́cies cilı́n-
dricas, cuja equação tinha a ausência de uma das variáveis e, portanto, uma curva no plano determinado
pelas variáveis existentes, curva essa que dava caracterı́stica da superfı́cie cilı́ndrica.
Espero que o leitor tenha percebido que, apesar do grande número de tipos de superfı́cie, existem duas
formas de indentificar uma quádrica, uma seria obtendo seus traços nos planos e a outra seria decorando
os vários tipos de equações quádricas.
Introdução
Sistematização das Cônicas
Apolônio de Perga (262 a.C. - 194 a.C) foi um matemático e astrônomo grego, estudou com sucessores
de Euclides e, mais tarde, veio a ensinar. Apelidado de Épsilon e também conhecido como “O Grande
Geômetra”, foi, provavelmente, um dos maiores e mais originais matemáticos no ramo da geometria pura,
dedicando grande parte de sua vida aos estudos das cônicas.
Sua principal obra, intitulada de “Cônicas”, era composta por oito livros dos quais sete sobreviveram, tal
obra teve uma grande importância para a matemática devido ao seu avançado e rigoroso nı́vel de escrita,
sendo comparado a magnı́fica obra “Os Elementos”, de Euclides. Os quatro primeiros livros tratam das
propriedades básicas relacionadas às cônicas, afirmava que de um único cone pode ser obtido três tipos
de secções cônicas: a parábola, a elipse e a hipérbole, nos livros 5 a 7 mostrou como obter retas tangentes
e normais às cônicas, quais poderiam ser desenhadas a partir de um ponto, apresentou a igualdade e
semelhança entre as cônicas e fez um rigoroso estudo dos diâmetros conjugados, na verdade, são inúmeras
as contribuições contidas nessa obra ı́mpar.
Uma das principais teorias presentes em seus livros teve grande aplicação muitos séculos depois, particu-
larmente no ramo da astronomia, no qual se afirmava que as órbitas planetárias descreviam curvas cujas
formas eram elı́pticas, e não circulares, como se acreditavam na época. Suas teorias até então puramente
matemáticas auxiliaram grandes pensadores nas descrições de fenômenos fı́sicos, até chegar a formulação
da lei da gravitação universal, essa última por Isaac Newton (1680). Portanto, não tem como discutir a
importância das suas contribuições tanto para a matemática, quanto para a fı́sica.
Fonte: o autor.
173
Arquimedes e as Quádricas
Arquimedes (287 a.C. - 212 a.C) nasceu e foi morto em Siracusa, na ilha grega de Secı́lia (atualmente,
pertencente à Itália). Quando jovem, estudou em Alexandria, com os discı́pulos de Euclides, foi matemá-
tico, engenheiro, fı́sico, inventor e astrônomo. A genialidade de Arquimedes como fı́sico e matemático só
é comparável com Isaac Newton no séc. XVII. Como contribuição para matemática, deixou uma vasta e
original produção sobre geometria plana e espacial.
Em particular, para geometria espacial, há dois tratados que demonstram riquı́ssimas teorias em relação
aos sólidos de revolução, a saber: Conoides e Esferoides, que descrevem sólidos de revolução gerados por
elipses, parábolas e hipérboles em torno dos seus próprios eixos (conhecidas, atualmente, por quádricas
de revolução), Esfera e Cilindro, com demonstrações sobre o cálculo do volume e da área desses sólidos.
Arquimedes mostrou como calcular as áreas e volumes das superfı́cies obtidas por seções planas sobre a
esfera (calotas e segmentos) e sobre o cilindro, utilizando a técnica da exaustão precendente ao cálculo
infinitesimal.
Assim, o que, atualmente, denomina-se o estudo das quádricas, podemos dizer que se deve fundamen-
talmente aos estudos de Arquimedes, obviamente não podemos deixar de lembrar das contribuições de
Apolônio de Perga com seus livros sobre as cônicas.
A pedido de Arquimedes, foi gravada na lápide de seu túmulo a representação de uma esfera inscrita num
cilindro circular reto, ele tinha provado que o volume da esfera tinha 2/3 do volume do cilindro, bem
como a área da esfera tinha 2/3 da área total do cilindro, esses últimos fatos considerados por ele suas
maiores descobertas.
Fonte: o autor.
1. Dada a equação 4x2 + 9y 2 = 36, determine seus vértices, seus focos, a excentricidade e construa seu
gráfico.
2. Construa o gráfico da elipse 144x2 + 25y 2 − 3600 = 0 e obtenha sua excentricidade.
3. Obtenha a equação, as coordenadas dos seus focos e a excentricidade da elipse abaixo:
4. Numa elipse com centro na origem C(0, 0), um dos seus focos tem coordenadas F (0, 8) e eixo menor
medindo 30 unidades. Obtenha a equação e o gráfico dessa elipse.
(x − 2)2 (y + 1)2
5. Construa o gráfico da elipse + = 1 e determine as coordenadas dos seus focos.
4 1
6. Dada a equação 9x2 + 25y 2 + 108x + 200y + 499 = 0, obtenha a equação reduzida, seu centro, seus
vértices e seus focos.
7. Obtenha a equação da elipse cujo centro é C(−1, 1), sendo o eixo maior paralelo ao eixo y medindo
8 unidades e o eixo menor medindo 6 unidades.
8. Dada a equação 36x2 + 4y 2 − 72x + 16y − 92 = 0, determine o centro, os vértices, os focos e a

excentricidade dessa elipse.
x2 y2
9. Dada a equação − = 1, obtenha os vértices, os focos, a assı́ntotas e a excentricidade da
9 4
hipérbole.
10. Considere a equação −4x2 + y 2 − 4 = 0, determine os elementos dessa hipérbole e construa seu
gráfico.
11. Obtenha a equação da hipérbole cujos focos são F1 (−1, −3), F2 (5, −3), A1 (0, −3) e A2 (4, −3), seu
gráfico e sua excentricidade.
175
12. Dada a equação da hipérbole x2 − 3y 2 + 2x + 18y = 23, obtenha seu centro, seus vértices, seus focos,
seu gráfico, sua excentricidade e suas assı́ntotas.
13. Considere a equação x2 = −10y, obtenha o foco, a diretriz e o gráfico dessa parábola.
14. Uma parábola com vértice na origem tem foco F (0, 4) e concavidade voltada para cima, obtenha
sua equação e sua diretriz.
15. Dada a equação x2 − 6x − 4y = −5, obtenha seu vértice, seu foco, a diretriz e o gráfico dessa
parábola.
16. Dada a equação y 2 + 10x + 2y = 54, obtenha seu vértice, seu foco, a diretriz e o gráfico dessa
parábola.
Identifique a quádrica em cada atividade a seguir.
17. Dada a equação

x2 y2 z2
+ + =1
9 16 25
obtenha seus traços, isto é, a interseção da superfı́cies com os planos coordenados xy, xz e yz.
18. Esboce os gráficos das superfı́cies quádricas das seguintes equações:

x2 y 2 z 2
a) x2 + y 2 + z 2 = 36 b) + + =1
4 4 9
19. Para cada equação, obtenha os traços nos planos coordenados e esboce o gráfico de sua superfı́cie:
x2 y 2 z 2
a) + − =1 b) y 2 + z 2 = 1 + x2
2 4 9
x2 z 2
20. Considere a equação − − + y 2 = 1, obtenha a interseção nos planos coordenados e depois sua
9 4
superfı́cie.
21. Construa o gráfico de cada quádrica:

y2 z2
a) x2 + 4y 2 = 12z b) + = 2x
9 4
x2 y 2 z
22. Dada a equação − + = , construa seu gráfico obtendo os traços nos planos coordenados.
16 9 4
23. Represente o gráfico de cada equação:
y2 z2
a) x2 + y 2 = 9z 2 b) −x2 + + =0
25 9
24. Para cada caso abaixo, obtenha a superfı́cie cilı́ndrica:

z 2 x2
a) x2 = −14y d) + =1
9 4
b) z 2 = 4y 2 2
e) x − 4y = 16
c) y − x = 0 f) x2 + y 2 = 49
MATRIZES, DETERMINANTES
IV
UNIDADE
E SISTEMAS LINEARES
■■ Conhecer a definição de matrizes.
■■ Estudar os tipos de matrizes.
■■ Estabelecer a igualdade entre matrizes.
■■ Obter a matriz transposta de uma matriz dada.
■■ Obter a matriz soma de duas ou mais matrizes.
■■ Obter o produto de uma matriz por um número real.
■■ Reconhecer quando é possível multiplicar duas matrizes.
■■ Obter a matriz produto de duas matrizes.
■■ Aplicar as propriedades das operações nos álculos envolvendo
matrizes.
■■ Identificar matrizes inversíveis.
■■ Calcular o determinante de uma matriz quadrada.
■■ Resolver e classificar sistemas lineares, usando o método do
escalonamento.
Plano de Estudo
■■ Matrizes
■■ Tipos de matrizes
■■ Igualdade de matrizes
■■ Operações com matrizes
■■ Matriz inversa
■■ Permutação
■■ Determinante
■■ Sistemas de equações lineares
■■ Resolução de sistemas lineares por escalonamento
179
INTRODUÇÃO
INTRODUÇÃO
Com frequência, encontramos em jornais, revistas, televisão e em outros meios de comunicação tabelas
com objetos (na maioria das vezes, numéricos) organizados em forma de linhas e colunas. No estudo das
matrizes, vamos decifrar essa organização e, com isso, aumentar nossa capacidade de lidarmos com muitas
operações matemáticas ao mesmo tempo.
Vejamos, por exemplo, a tabela abaixo com as notas de cinco alunos do curso de Matemática de uma
Universidade nos quatro bimestres do ano de 2013.
ALUNO 1o BIMESTRE 2o BIMESTRE 3o BIMESTRE 4o BIMESTRE
Aluno 1 4,6 5,1 6,2 6,5
Aluno 2 8,5 8,0 6,1 9,5
Aluno 3 4,3 7,2 8,2 7,0
Aluno 4 10,0 9,3 9,2 9,4
Aluno 5 2,5 4,5 5,0 4,8
Assim, se quisermos calcular a média anual do aluno 2, basta somarmos os valores da segunda linha e
dividir essa soma por quatro. Agora, se a média procurada é a do terceiro bimestre, em relação aos cinco
alunos, basta somarmos os valores da terceira coluna e dividirmos essa soma por 5.
Se nessa tabela desconsiderarmos os significados das linhas e das colunas, teremos o que chamamos de
matriz, isto é,
⎡ ⎤
⎢ 4, 6 5, 1 6, 2 6, 5 ⎥
⎢ ⎥
⎢ ⎥
⎢ 8, 5 8, 0 6, 1 9, 5 ⎥
⎢ ⎥
⎢ ⎥
B=⎢
⎢ 4, 3
⎥
7, 2 8, 2 7, 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 10, 0 9, 3 9, 2 9, 4 ⎥
⎢ ⎥
⎣ ⎦
2, 5 4, 5 5, 0 4, 8
Cada nota representa um elemento dessa matriz e toda matriz é representada por uma letra maiúscula.
De forma geral, representamos uma matriz A como:
Introdução
IV
⎡ ⎤
⎢ a11 a12 · · · a1n ⎥
⎢ ⎥
⎢ ⎥
⎢ a21 a22 · · · a2n ⎥
A = [aij ]m×n =⎢
⎢ .
⎥
⎥
⎢ .. .. .. .. ⎥
⎢ . . . ⎥
⎣ ⎦
am1 am2 · · · amn
m×n
Em que os ı́ndices i e j representam a linha e a coluna, respectivamente, nas quais cada elemento da matriz
se encontra. Como se tivéssemos um código para localizar cada elemento na matriz, m × n representa a
ordem da matriz: “m linhas por n colunas”.
Na matriz B do exemplo anterior, temos uma matriz de ordem 5 × 4 (5 linhas por 4 colunas ou sim-
plesmente 5 por 4). A nota 9,2 encontra-se na linha 4 e coluna 3 e a denotamos por b43 = 9, 2. Outros
exemplos: b31 = 4, 3, b14 = 6, 5, b22 = 8, 0, b23 = 6, 1.
Os elementos de uma matriz podem ser outros objetos (não necessariamente só números). Por exemplo,
podemos ter nas matrizes números complexos, polinômios, funções, outras matrizes etc. Podemos repre-
sentar as matrizes por colchetes: [ ], parênteses: ( ) ou até duas barras: � �. Neste livro, representaremos
as matrizes por colchetes. A seguir, temos alguns exemplos de matrizes.
⎡ ⎤
√
⎢ 3 2 π ⎥
• Uma matriz 2 × 3 : A = ⎣ ⎦
3
−5 4 0
⎡ ⎤
⎢ 1 2 −3 ⎥
⎢ ⎥
• Uma matriz 3 × 3 : B = ⎢
⎢ −4 5 8 ⎥
⎥
⎣ ⎦
0 9 0
� �
• Uma matriz 1 × 4 : C = 25
−1 log 2 sen1o
3

181
MATRIZES
MATRIZES
Matriz Nula
Trata-se de uma matriz de qualquer ordem cujos seus elementos são todos nulos, isto é, aij = 0 para todo
i e j.
⎡ ⎤
⎡ ⎤
� � ⎢ 0 0 ⎥
⎢ 0 0 0 ⎥ ⎢ ⎥
Exemplo 1: A = ⎣ ⎦ B= 0 0 0 C=⎢ ⎥
⎢ 0 0 ⎥
0 0 0 ⎣ ⎦
0 0
Matriz Quadrada
É aquela que apresenta o número de linhas igual ao número de colunas, isto é, seja a matriz A = [aij ]m×n
temos m = n. Nesse caso, com respeito à ordem da matriz, podemos dizer simplesmente matriz de ordem
m.
Exemplo 2:
• Matriz de ordem 1: A = [−6]

⎡ ⎤
⎢ −2 3 ⎥
• Matriz de ordem 2: B = ⎣ ⎦
1 5
⎡ ⎤
⎢ −5 0 2 ⎥
⎢ ⎥
• Matriz de ordem 3: C = ⎢
⎢ 3 1 −9 ⎥
⎥
⎣ ⎦
2, 5 5 3
Matriz Linha
É aquela que apresenta

� uma única linha.
� � � � �
√
Exemplo 3: A = 2 −1 3 5 B = 3 1
0 −7 −2 D= 5 0
2
Matrizes
IV
Matriz Coluna
É aquela que apresenta uma única coluna.

⎡ ⎤
0 ⎥ ⎡ ⎤
⎡ ⎤ ⎢
⎢ ⎥ −2
⎢ ⎥ ⎢ ⎥ � �
⎢ −3 ⎥ ⎢ 2 ⎥ ⎢ ⎥
Exemplo 4: A = ⎣ ⎦ B=⎢ ⎢
⎥
⎥ C=⎢ ⎥
⎢ −1 ⎥ D= 1
5 ⎢ −3 ⎥ ⎣ ⎦
⎢ ⎥
⎣ ⎦ 2
5
Matriz Diagonal
É uma matriz quadrada cujos elementos que não estão na diagonal são todos nulos (iguais a zero), isto é,
aij = 0 se i �= j para todo i e j.
⎡ ⎤
⎡ ⎤
⎢ 5 0 0 ⎥
⎢ −3 0 ⎥ ⎢ ⎥
Exemplo 5: A = ⎣ ⎦ B=⎢
⎢ 0 4 0
⎥
⎥
0 2 ⎣ ⎦
0 0 −1
Nas matrizes diagonais, temos uma que é especial. Mostraremos essa matriz logo abaixo.
Matriz Identidade
É uma matriz quadrada cujos elementos são definidos como segue.
⎧
⎪
⎨ 1, se i = j
aij = para todo i, j
⎪
⎩ 0, se i �= j
Isto é, ⎡ ⎤
⎢ 1 0 0 0 ··· 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 1 0 0 ··· 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 0
⎢ 1 0 ··· 0 ⎥ ⎥
A = [aij ]n×n =⎢ ⎥
⎢ ⎥
⎢ 0 0 0 1 ··· 0 ⎥
⎢ ⎥
⎢ . . ⎥
⎢ .. .. ... ... . . . ... ⎥
⎢ ⎥
⎣ ⎦
0 0 0 0 0 1
n×n

183
Matriz Simétrica
IGUALDADE DE MATRIZES
Trata-se de uma matriz quadrada em que aij = aji .
⎡ ⎤
⎡ ⎤ −2
⎢ 5 1 ⎥
⎢ 2 5 ⎥ ⎢ ⎥
Exemplo 6: A = ⎣ ⎦ B=⎢ ⎢ −2 4
⎥
3 ⎥
5 3 ⎣ ⎦
1 3 −1
Matriz Triangular Superior
É uma matriz quadrada em que os elementos abaixo da diagonal são nulos, isto é, aij = 0 sempre que
i > j.
⎡ ⎤
⎡ ⎤
⎢ 1 −3 −2 −1 ⎥
⎢ ⎥
⎢ −3 2 1 ⎥ ⎢ ⎥
⎢ ⎥ ⎢ 0 2 3 7 ⎥
Exemplo 7: A = ⎢ 0 −1 −5 ⎥
⎢
⎥
⎢
B=⎢ ⎥
⎥
⎣ ⎦ ⎢ 0 0 −2 5 ⎥
⎢ ⎥
0 0 4 ⎣ ⎦
0 0 0 9
Matriz Triangular Inferior
Trata-se de uma matriz quadrada cujos elementos acima da diagonal são nulos, isto é, aij = 0 sempre que
i < j.
⎡ ⎤
⎡ ⎤
⎢ 1 0 00 ⎥
⎢ ⎥
⎢ −3 0 0 ⎥ ⎢ ⎥
⎢ ⎥ ⎢ 4 2 0 0 ⎥
Exemplo 8: A = ⎢ ⎥
⎢ 4 −1 0 ⎥ B=⎢
⎢
⎥
⎥
⎣ ⎦ ⎢ 3 1 −2 0 ⎥
⎢ ⎥
3 2 5 ⎣ ⎦
−7 2 7 9
IGUALDADE DE MATRIZES
Definição 1: Sejam duas matrizes A = [aij ]m×n e B = [bij ]v×u . A matriz A será igual a matriz B,
A = B, quando a ordem de ambas for a mesma (m = v), (n = u) e seus elementos correspondentes iguais,
isto é, elementos que ocupam a mesma posição (linha e coluna) na matriz A e B serão iguais. Ou ainda
aij = bij para todo i e j.
Igualdade de matrizes
IV
OPERAÇÕES COM
⎡
√ MATRIZES
49 sin 30
⎤
o
⎡
7 1/2
⎤
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
Exemplo 9: A matriz A = ⎢ ⎥ é igual a matriz B = ⎢
⎢ −0, 75 −5
⎥
⎥
⎢ −3/4 −5 ⎥ ⎢ ⎥
⎣ ⎦ ⎣ �√ �0 ⎦
0 1 log 1 π
⎡ ⎤ ⎡ ⎤
2
⎢ 2x − y w − 3z ⎥ ⎢ −4 0 ⎥
Exemplo 10: Sejam as matrizes C = ⎣ ⎦eD=⎣ ⎦. Determinar os valores
3y 5w − 7 12 3
de x, y, z e w tal que as matrizes C e D sejam iguais.
Solução: Pela definição 1 devemos ter:
2x − y = −4 (I)
w2 − 3z = 0 (II)
3y = 12 (III)
5w − 7 = 3 (IV )
De (III) obtemos y = 4, e substituindo esse valor em (I), temos x = 0. Em (IV ) obtemos w = 2 e,

4
trocando esse valor em (II), teremos z = .
3
OPERAÇÕES COM MATRIZES
Transformação
Seja a matriz A = [aij ]m×n . Definimos uma nova matriz B = [bji]n×m como sendo a transposta da matriz
A, denotada por At . Note que, para obter a transposta de uma matriz A, basta escrever as linhas de A
como sendo as colunas da nova matriz, isto é, At (ou, equivalentemente, escrever as colunas de A como
as linhas da nova matriz).
⎡ ⎤
−1 2 ⎡ ⎤
⎢ ⎥
⎢ ⎥ ⎢ −1 6 4 ⎥
Exemplo 11: Se A = ⎢ ⎢ 6
⎥ t
0 ⎥ então A = ⎣ ⎦
⎣ ⎦ 2 0 −3
4 −3
⎡ ⎤ ⎡ ⎤
⎢ 6 1 −8 ⎥ ⎢ 6−8 ⎥1
⎢ ⎥ ⎢ ⎥
Exemplo 12: Se B = ⎢ ⎥
⎢ 1 −3 2 ⎥ então B = ⎢
t ⎢
1 −3 2 ⎥
⎥
⎣ ⎦ ⎣ ⎦
−8 2 0 −8 2 0
Note que nesse exemplo a transposta não se modificou. Basta voltarmos na seção Tipos de Matrizes que
vamos verificar que se trata de uma matriz simétrica. Essa e outras propriedades serão ditas em seguida.

185
Propriedade 1: Sejam as matrizes A = [aij ] e B = [bij ] de mesma ordem, assim:
i) At = A se, e somente se, a matriz A é simétrica.

� �t
ii) At , isto é, a transposta da transposta de A é a própria matriz A.
iii) (A + B)t = At + B t .
� �t
iv) k · A = k · At .
Adição
Sejam as Matrizes A = [aij ] e B = [bij ] de mesma ordem, definimos uma nova matriz, denotada por
A + B, como sendo:
A + B = [aij + bij ].
De mesma ordem das matrizes A e B. Em outras palavras, note que, para somarmos duas ou mais
matrizes, basta juntarmos os elementos correspondentes.
Exemplo 13: Observe a soma abaixo:

⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 1 0 2 ⎥ ⎢ −5 2 4 ⎥ ⎢ 1 + (−5) 0 + 2 2 + 4 ⎥ ⎢ −4 2 6 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥=⎢ ⎥
⎢ −5 4 −3 ⎥ + ⎢ −3 7 8 ⎥ = ⎢ −5 + (−3) 4 + 7 −3 + 8 ⎥ ⎢ −8 11 5 ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦
7 2 −1 11 9 2 7 + 11 2 + 9 −1 + 2 18 11 1
Multiplicação por Escalar
Seja a matriz A = [aij ]m×n e k ∈ R um escalar. O produto de k pela matriz A é definido como sendo:
k · A = [k · aij ]m×n .
Em outras palavras, para multiplicar um escalar k por uma matriz, basta efetuarmos o produto de k por
todos os elementos dessa matriz.
⎡ ⎤
⎢ −2 5 17 ⎥
⎢ ⎥
Exemplo 14: Seja o escalar k = 3 e a matriz A = ⎢ ⎥
⎢ 11 −3 3 ⎥. Então,
⎣ ⎦
9 2 10
⎡ ⎤ ⎡ ⎤
⎢ 3(−2) 3(5) 3(17) ⎥ ⎢ −6 15 51 ⎥
⎢ ⎥ ⎢ ⎥
k·A=3·A=⎢ ⎥ ⎢
⎢ 3(11) 3(−3) 3(3) ⎥ = ⎢ 33 −9 9
⎥
⎥
⎣ ⎦ ⎣ ⎦
3(9) 3(2) 3(10) 27 6 30
Operações com matrizes

IV
Sabendo multiplicar um escalar por uma matriz, podemos falar da diferença entre matrizes. Note que se
pretendemos, dadas duas matrizes A e B de mesma ordem, efetuar a diferença entre essas matrizes, basta
proceder da seguinte forma:

A−B =A+ −B .
Em que a matriz −B corresponde à matriz oposta de B, ou, em outras palavras, −B pode ser interpretado
como sendo o produto do número −1 pela matriz B.
Agora, em relação à adição de matrizes e multiplicação por escalar, devemos observar as propriedades que
seguem.
Propriedade 2: Dadas as matrizes A = [aij ]m×n , B = [bij ]m×n , C = [cij ]m×n , todas de mesma ordem e
escalares μ e κ, temos:
i) A + (B + C) = (A + B) + C - associatividade
ii) A + B = B + A - comutatividade
iii) A + 0m×n = A - existência do elemento neutro da adição. Note que 0m×n representa a matriz nula de
ordem m × n.

iv) A + − A = 0m×n
v) μ(A + B) = μA + μB - distributividade
vi) (μ + κ)A = μA + κA
vii) 0 · A = 0m×n - note que neste caso o 0 é um escalar.
viii) (μκ)B = μ(κB).
ix) 1 · A = A.

187
Multiplicação de Matrizes
Para começar, vamos analisar o seguinte exemplo:
Na tabela abaixo, estão registradas as notas bimestrais de 5 alunos de uma determinada instituição
superior na disciplina de Cálculo do curso de Matemática.
Primeiro Bimestre Segundo Bimestre Terceiro Bimestre Quarto Bimestre
Aluno A 2,5 5,6 6,1 6,0
Aluno B 2,0 3,5 3,7 5,5

Aluno C 8,0 6,8 7,5 9,0
Aluno D 6,0 6,1 5,5 6,7
Aluno E 4,0 5,0 7,0 7,5
Vamos considerar que primeiro, segundo, terceiro e quarto bimestre tenham, respectivamente, pesos va-
lendo 1, 2, 3 e 4 (a nota do primeiro bimestre multiplicada por 1, a do segundo por 2 e assim por diante).
A média final de cada aluno será calculada da seguinte maneira:
2, 5 · 1 + 5, 6 · 2 + 6, 1 · 3 + 6, 0 · 4 1 2 3 4
Aluno A: = 2, 5 · + 5, 6 · + 6, 1 · + 6, 0 · = 5, 6
10 10 10 10 10
2, 0 · 1 + 3, 5 · 2 + 3, 7 · 3 + 5, 5 · 4 1 2 3 4
Aluno B: = 2, 0 · + 3, 5 · + 3, 7 · + 5, 5 · = 4, 2
10 10 10 10 10
8, 0 · 1 + 6, 8 · 2 + 7, 5 · 3 + 9, 0 · 4 1 2 3 4
Aluno C: = 8, 0 · + 6, 8 · + 7, 5 · + 9, 0 · = 8, 0
10 10 10 10 10
6, 0 · 1 + 6, 1 · 2 + 5, 5 · 3 + 6, 7 · 4 1 2 3 4
Aluno D: = 6, 0 · + 6, 1 · + 5, 5 · + 6, 7 · = 6, 2
10 10 10 10 10
4, 0 · 1 + 5, 0 · 2 + 7, 0 · 3 + 7, 5 · 4 1 2 3 4
Aluno E: = 4, 0 · + 5, 0 · + 7, 0 · + 7, 5 · = 6, 5
10 10 10 10 10
Essas operações podem ser representadas por matrizes. Podemos construir uma matriz N contendo as

IV
notas de cada aluno, isto é, ⎡ ⎤

⎢ 2, 5 5, 6 6, 1 6, 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 2, 0 3, 5 3, 7 5, 5 ⎥
⎢ ⎥
⎢ ⎥
⎢ ⎥
⎢ 8, 0 6, 8 7, 5 9, 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 6, 0 6, 1 5, 5 6, 7 ⎥
⎢ ⎥
⎣ ⎦
4, 0 5, 0 7, 0 7, 5
da mesma forma, podemos construir uma matriz P com os valores dos pesos de cada bimestre, isto é,
⎡ ⎤
⎢ 1/10 ⎥
⎢ ⎥
⎢ ⎥
⎢ 2/10 ⎥
⎢ ⎥
⎢ ⎥
⎢ 3/10 ⎥
⎢ ⎥
⎣ ⎦
4/10
e efetuar a seguinte operação:

⎡ ⎤
1 2 3 4
⎢ 2, 5 · 10 + 5, 6 · 10 + 6, 1 · 10 + 6, 0 · 10 ⎥
⎢ ⎥
⎢ ⎥
⎢ ⎥
⎡ ⎤ ⎢ ⎥ ⎡ ⎤
⎢ ⎥
2, 5 5, 6 6, 1 6, 0 ⎥ ⎡ ⎤ ⎢ 2, 0 · 1
+ 3, 5 · 2
+ 3, 7 · 3
+ 5, 5 · 4 ⎥ 5, 6 ⎥
⎢ ⎢ 10 10 10 10 ⎥ ⎢
⎢ ⎥ 1/10 ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 2, 0 3, 5 3, 7 5, 5 ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ 4, 2 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ 2/10 ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥·⎢ ⎥=⎢ 1 2 3 4 ⎥=⎢ ⎥
⎢ 8, 0 6, 8 7, 5 9, 0 ⎥ ⎢ ⎥ ⎢ 8, 0 · 10 + 6, 8 · 10 + 7, 5 · 10 + 9, 0 · 10 ⎥ ⎢ 8, 0 ⎥
⎢ ⎥ ⎢ 3/10 ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 6, 0 6, 1 5, 5 6, 7 ⎥ ⎣ ⎦ ⎢ ⎥ ⎢ 6, 2 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ ⎦ 4/10 ⎢ ⎥ ⎣ ⎦
⎢ 1 2 3 4 ⎥
4, 0 5, 0 7, 0 7, 5 ⎢ 6, 0 · 10 + 6, 1 · 10 + 5, 5 · 10 + 6, 7 · 10 ⎥ 6, 5
⎢ ⎥
⎢ ⎥
⎢ ⎥
⎢ ⎥
⎣ ⎦
1 2 3 4
4, 0 · 10 + 5, 0 · 10 + 7, 0 · 10 + 7, 5 · 10
O que fizemos: tomamos duas matrizes tais que o número de termos em cada linha da primeira é igual
ao número de termos de cada coluna da segunda. Ou seja, o número de colunas da primeira coincide com
o número de linhas da segunda.

189
Definição 2: Sejam as matrizes A = [aij ]m×n e B = [bij ]n×s . A matriz produto de A por B é a Matriz
A · B = [cij ]m×s tal que:
�p
cij = k=1 aik · bkj com i = {1, 2, . . . , m} e j = {1, 2, . . . , n}
⎡ ⎤ ⎡ ⎤
⎢ 1 3 ⎥ ⎢ 2 0 −4 ⎥
Exemplo 15: Sejam as matrizes A = ⎣ ⎦eB=⎣ ⎦. Como a ordem da matriz A é
2 −1 5 −2 6
2 × 2 e da matriz B é 2 × 3, pela definição, podemos realizar o produto A · B, resultando em uma matriz de
ordem 2 × 3. Por outro lado, o produto B · A não está definido, pois o número de colunas de B é diferente
do número de linhas de A. O produto é sempre realizado tomando-se cada linha da matriz A (primeira
matriz na ordem do produto) por cada coluna da matriz B (segunda matriz na ordem do produto). Em
outras palavras, podemos dizer que o produto de matrizes é “linha por coluna”. Então vamos ao produto:
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 1 3 ⎥ ⎢ 2 0 −4 ⎥ ⎢ 1(2) + 3(5) 1(0) + 3(−2) 1(−4) + 3(6) ⎥
A·B = ⎣ ⎦·⎣ ⎦ = ⎣ ⎦
2 −1 5 −2 6 2(2) − 1(5) 2(0) − 1(−2) 2(−4) − 1(6)
⎡ ⎤
⎢ 17 −6 14 ⎥
= ⎣ ⎦
−1 2 −14
Note nesse exemplo que uma maneira de não nos perdermos na multiplicação é colocarmos elementos do
produto em alguma posição que não seja a dele e encontrarmos uma matriz errada. Basta observarmos
qual linha da primeira matriz está sendo multiplicada por qual coluna da segunda matriz. Por exemplo:
quando, no exemplo anterior, multiplicamos a segunda linha de A pela terceira coluna de B, encontramos
o elemento que estará na posição c23 , isto é, c23 = −14.
Propriedade 3: Sejam A, B e C matrizes. Sempre que os produtos e somas envolvidos estiverem bem
definidos, temos:
i) (AB)C = A(BC) - associatividade
ii) A(B + C) = AB + AC - distributividade à esquerda
iii) (A + B)C = AC + BC - distributividade à direita
iv) k(AB) = (kA)B, em que k ∈ R
v) A · 0 = 0, em que 0 é a matriz nula
vi) (AB)t = B t At

IV
Aqui, você encontrará uma sugestão de aula sobre operações com matrizes, a qual será útil na carreira
MATRIZ
de docente
Aqui, e INVERSA
tambémuma
você encontrará poderá auxiliá-lo
sugestão durante
de aula sobre os estudos com
operações da licenciatura.
matrizes, a qual será útil na carreira
de<http://portaldoprofessor.mec.gov.br/fichaTecnicaAula.html?aula=1675>
docente e também poderá auxiliá-lo durante os estudos da licenciatura.
<http://portaldoprofessor.mec.gov.br/fichaTecnicaAula.html?aula=1675>
MATRIZ INVERSA
MATRIZ INVERSA
Definição 3: Seja uma matriz A = [aij ]n×n . Dizemos que essa matriz admite inversa se, e somente se,
existe uma3:matriz
Definição B = matriz
Seja uma [bij ]n×nAtal
= que:
[aij ]n×n . Dizemos que essa matriz admite inversa se, e somente se,
existe uma matriz B = [bij ]n×n tal que:
A · B = B · A = In
A · B = B · A = In
em que In é a matriz identidade de ordem n. A matriz B será a inversa da matriz A e a denotamos de
A−1
em , isto
que = A−1identidade
In éé,aBmatriz . de ordem n. A matriz B será a inversa da matriz A e a denotamos de
⎡ ⎤ ⎡ ⎤
−1
A , isto é, B = A . −1
⎡ ⎢ 2 −3⎤ ⎥ −1 ⎡ ⎢ 1/14 3/14⎤ ⎥
Exemplo 16: A matriz A = ⎣ ⎦ admite como inversa a matriz A = ⎣ ⎦, pois:
⎢ 2 4 −31 ⎥ −1 ⎢ 1/14 −2/7 3/14
1/7⎥
Exemplo 16: A matriz A = ⎣ ⎦ admite como inversa a matriz A = ⎣ ⎦, pois:
4 1 ⎡ −2/7⎤ 1/7
⎡ ⎤ ⎡ ⎤ � �
2 · 141
− 3 · −2 2 · 143
− 3 · 17 ⎥ ⎡ ⎤
2 −3 1/14 3/14 ⎡⎢⎢
7 ⎤⎥ 1 0
⎢ ⎤⎥ ⎢ ⎤⎥ � −2 � ⎡⎢ ⎤⎥
A · A−1 =⎡ ⎣ ⎦⎡· ⎣ ⎦ =⎢ ⎢ 1
⎢2 · 14 − 3 · 7
3
2 · 14 − 3 · 17 ⎥ ⎥⎥=⎣ ⎦
⎢ 2 4 −3 1 ⎥ ⎢ 1/14
−2/7 3/14
1/7⎥ ⎢ ⎢ ⎣ ⎥ ⎦ ⎢ 1 0 0 1
⎥
A·A =⎣ −1 � � ⎥
⎦·⎣ ⎦ = ⎢ 4 · 1 + 1 · −2 4 · 3 + 1 · 1⎥ = ⎣ ⎦
⎣ 14 7 14 7⎦
4 1 −2/7 1/7 � −2 � 0 1
1 3 1
4 · 14 + 1 · 7 4 · 14 + 1 · 7
⎡ ⎤
⎢ −2 5⎤ ⎥
Exemplo 17: Caso exista, encontrar a inversa da matriz A =⎡ ⎣ ⎦.
⎢ −23 5 9⎥
Exemplo 17: Caso exista, encontrar a inversa da matriz A = ⎣ ⎦.
Solução: Pela⎡definição ⎤3, temos que existe uma Matriz B, inversa 9 A, se A · B = I2 . Então, tomemos
3 de
⎢ x1 x2⎤3,⎥temos que existe uma Matriz B, inversa de A, se A · B = I2 . Então, tomemos
Solução: Pela⎡definição
a matriz B = ⎣ ⎦ e, com isso, obtemos
⎢ x1x3 x2x4⎥
a matriz B = ⎣ ⎦ e, com isso, obtemos
x3 x4 ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ −2 5⎤ ⎥⎡ ⎢ x1 x2⎤ ⎥ ⎡ ⎢ 1 0⎤ ⎥
A · B =⎡ ⎣ ⎦·⎣ ⎦=⎣ ⎦
⎢ −23 5 9⎥ ⎢ x1x3 x2x4⎥ ⎢ 1 0 0 1⎥
A·B =⎣ ⎦·⎣ ⎦=⎣ ⎦
3 9 x3 x4 0 1

191
e, efetuando o produto das matrizes A e B, chegamos na seguinte igualdade

⎡ ⎤ ⎡ ⎤
⎢ −2x1 + 5x3 −2x2 + 5x4 ⎥ ⎢ 1 0 ⎥
⎣ ⎦=⎣ ⎦.
3x1 + 9x3 3x2 + 9x4 0 1
Dessa igualdade obtemos os seguintes sistemas:

⎧ ⎧
⎪
⎨ −2x1 + 5x3 = 1 ⎪
⎨ −2x2 + 5x4 = 0
(I) e (II)
⎪
⎩ ⎪
⎩
3x1 + 9x3 = 0 3x2 + 9x4 = 1
3 1 5
Solucionando o sistema (I), chegamos a x1 = − e x3 = . Já com o sistema (II), obtemos x2 = e
11 11 33
2
x4 = .
33
Portanto, a matriz A admite inversa e sua inversa é a matriz:
⎡ ⎤
⎢ −3/11 5/33 ⎥
B= A−1 =⎣ ⎦.
1/11 2/33
O exemplo anterior nos mostrou que, ao tentar inverter uma matriz quadrada de ordem 2, chegamos a
dois sistemas com duas equações e duas incógnitas cuja solução é um tanto quanto simples. Agora, se
tentarmos inverter uma matriz quadrada de ordem 3, vamos chegar a três sistemas com três equações e
três incógnitas cada um, em que o cálculo é um pouco mais demorado. Se tentarmos inverter matrizes
quadradas de ordem superior a 3, o trabalho que terı́amos que realizar seria imenso. Falando ainda de
sistemas 3 por 3 (três equações e três incógnitas), na próxima unidade, falaremos mais sobre como resolver
esses sistemas.
Nosso próximo passo agora é estabelecer uma técnica para inversão, ou tentativa de inversão, de matrizes
quadradas de qualquer ordem.
Matriz inversa
IV
Operações Elementares
A seguir, listamos o que vamos denominar de operações elementares de matrizes.
i) Permutar duas filas (o termo fila indica linha ou coluna).
ii) Multiplicar uma fila por um número real não nulo.
iii) Somar a uma fila outra fila multiplicada por número real não nulo.
⎡ ⎤
⎢ −2 5 1 ⎥
⎢ ⎥
Exemplo 18: Vamos aplicar algumas operações elementares às linhas da matriz A = ⎢
⎢ 3
⎥
0 8 ⎥.
⎣ ⎦
7 −6 9
1. Permutando a linha 1 com a linha 3 (podemos usar a seguinte notação: L1 ↔ L2 ), obtemos a matriz:
⎡ ⎤
⎢ 7 −6 9 ⎥
⎢ ⎥
⎢ ⎥
⎢ 3 0 8 ⎥.
⎣ ⎦
−2 5 1
2. Multiplicando a linha 2 por 4 (L2 → 4L2 ), temos:
⎡ ⎤
⎢ −2 5 1 ⎥
⎢ ⎥
⎢ ⎥
⎢ 12 0 32 ⎥ .
⎣ ⎦
7 −6 9
3. Transformando a linha 3 com a soma da linha 1 com o dobro da linha 3 (L3 → L1 + 2L3 ), obtemos:
⎡ ⎤
⎢ −2 5 1 ⎥
⎢ ⎥
⎢ ⎥.
⎢ 3 0 8 ⎥
⎣ ⎦
12 −7 19

193
Matrizes Equivalentes
Propriedade 4: Dadas as matrizes A e B, de mesma ordem, a matriz A será equivalente à B, repre-

sentado por A ∼ B, se for possı́vel, por meio de de uma sucessão finita de operações elementares em A,
obtermos a matriz B.
Teorema 1: Seja a matriz A = [aij ]n×n . A admite inversa se, e somente se, A ∼ In . Se A é inversı́vel, a
mesma sucessão de operações elementares que transformam A em In , transformam In na inversa de A.
A demonstração desse teorema o leitor pode encontrar em Callioli (1990).
Logo, para determinarmos a inversa de uma matriz A (quando existir), basta seguirmos os seguintes
passos:
1. Ao lado da matriz A colocamos a matriz identidade com a mesma ordem de A, separada por uma
linha tracejada.
2. Transforma-se, por meio de operações elementares, a matriz A na matriz In , aplicando-se, simulta-

neamente, à matriz In , colocada ao lado da matriz A, as mesmas operações elementares.
⎡ ⎤
⎢ −2 1 3 ⎥
⎢ ⎥
Exemplo 19: Vamos determinar a inversa da matriz A = ⎢ ⎢ 4 2
⎥
5 ⎥ seguindo os passos descritos
⎣ ⎦
−3 0 1
acima.
Solução:
⎡ ⎤
⎢ −2 1 3 | 1 0 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 4 2 5 | 0 1 0 ⎥ L2 → L2 + 2L1
⎣ ⎦
−3 0 1 | 0 0 1
⎡ ⎤
⎢ −2 1 3 | 1 0 0 ⎥
⎢ ⎥
⎢ ⎥ L3 → 2L3 − 3L1
⎢ 0 4 11 | 2 1 0 ⎥
⎣ ⎦
−3 0 1 | 0 0 1
⎡ ⎤
⎢ −2 1 3 | 1 0 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 4 11 | 2 1 0 ⎥ L1 → 4L1 − L2
⎣ ⎦
0 −3 −7 | −3 0 2
Matriz inversa
IV
⎡ ⎤
⎢ −8 0 1 | 2 −1 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 4 11 | 2 1 0 ⎥ L3 → 3L2 + 4L3
⎣ ⎦
0 −3 −7 | −3 0 2
⎡ ⎤
⎢ −8 0 1 | 2 −1 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 4 11 | 2 1 0 ⎥ L1 → 5L1 − L3
⎣ ⎦
0 0 5 | −6 3 8
⎡ ⎤
⎢ −40 0 0 | 16 −8 −8 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 4 11 | 2 1 0 ⎥ L2 → 5L2 − 11L3
⎣ ⎦
0 0 5 | −6 3 8
⎡ ⎤
⎢ −40 0 0 | 16 −8 −8 ⎥
⎢ ⎥ 1
⎢ ⎥
⎢ 0 20 0 | 76 −28 −88 ⎥ L1 → − 40 L1
⎣ ⎦
0 0 5 | −6 3 8
⎡ ⎤
⎢ 1 0 0 | −16/40 8/40 8/40 ⎥
⎢ ⎥ 1
⎢ ⎥
⎢ 0 20 0 | 76 −28 −88 ⎥ L2 → 20 L2
⎣ ⎦
0 0 5 | −6 3 8
⎡ ⎤
⎢ 1 0 0 | −16/40 8/40 8/40 ⎥
⎢ ⎥ 1
⎢ ⎥
⎢ 0 1 0 | 76/20 −28/20 −88/20 ⎥ L3 → 5 L3
⎣ ⎦
0 0 5 | −6 3 8
⎡ ⎤
⎢ 1 0 0 | −16/40 8/40 8/40 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 1 0 | 76/20 −28/20 −88/20 ⎥
⎣ ⎦
0 0 1 | −6/5 3/5 8/5

195
ou equivalente a:
⎡ ⎤
⎢ 1 0 0 | −2/5 1/5 1/5 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 1 0 | 19/5 −7/5 −22/5 ⎥
⎣ ⎦
0 0 1 | −6/5 3/5 8/5
⎡ ⎤
⎢ −2/5 1/5 1/5 ⎥
⎢ ⎥
Portanto, temos A−1 =⎢ ⎥
⎢ 19/5 −7/5 −22/5 ⎥
⎣ ⎦
−6/5 3/5 8/5
Mais à frente veremos um outro método para calcularmos a inversa de uma matriz bem como determinar
se ela existe por meio do determinante. No próximo exemplo, vamos verificar que existem matrizes qua-
dradas que não admitem inversa.
⎡ ⎤
⎢ 1 2 −3 ⎥
⎢ ⎥
Exemplo 20: Vamos determinar a inversa da matriz B = ⎢ ⎥
⎢ 2 4 6 ⎥. Solução:
⎣ ⎦
3 6 5
⎡ ⎤
⎢ 1 2 −3 | 1 0 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 2 4 6 | 0 1 0 ⎥ L2 → L2 − 2L1
⎣ ⎦
3 6 5 | 0 0 1
⎡ ⎤
⎢ 1 2 −3 | 1 0 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 0 12 | −2 1 0 ⎥ L3 → L3 − 3L1
⎣ ⎦
3 6 5 | 0 0 1
⎡ ⎤
⎢ 1 2 −3 | 1 0 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 0 12 | −2 1 0 ⎥ L1 → 4L1 + L2
⎣ ⎦
0 0 14 | −3 0 1
⎡ ⎤
⎢ 4 8 0 | 2 1 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 0 12 | −2 1 0 ⎥ L3 → 6L3 − 7L2
⎣ ⎦
0 0 14 | −3 0 1
Matriz inversa
IV
⎡ ⎤
⎡ 4 8 0 | 2 1 0 ⎥ ⎤
⎢
⎢ 4 8 0 | 2 1 0⎥
⎢
⎢ ⎥
⎥
⎢
⎢ 0 0 12 | −2 1 0 ⎥ ⎥
⎢
⎣ ⎥
⎦
⎢ 0 0 12 | −2 1 0 ⎥
⎣ 0 0 0 | −4 −7 6 ⎦
0 0 0 | −4 −7 6
Podemos perceber que, se continuarmos a tentar transformar a matriz B na matriz identidade, não con-
Podemos perceber que, se continuarmos a tentar transformar a matriz B na matriz identidade, não con-
seguiremos. Por exemplo, um próximo passo seria anular o número 8 (que se encontra na primeira linha
seguiremos. Por exemplo, um próximo passo seria anular o número 8 (que se encontra na primeira linha
e segunda coluna), mas os elementos das outras linhas que pertencem a mesma coluna do número 8 são
e segunda coluna), mas os elementos das outras linhas que pertencem a mesma coluna do número 8 são
nulos, ou seja, não há a possibilidade, por meio de operações elementares, de anular esse número. Por-
nulos, ou seja, não há a possibilidade, por meio de operações elementares, de anular esse número. Por-
tanto, a matriz B não admite inversa.
tanto, a matriz B não admite inversa.
A seguir, listamos algumas propriedades da inversa de uma matriz.
A seguir, listamos algumas propriedades da inversa de uma matriz.
Propriedade 5: Sejam as matrizes A = [aij ]n×n e B = [bij ]n×n inversı́veis, isto é, ambas admitem
Propriedade 5: Sejam as matrizes A = [aij ]n×n e B = [bij ]n×n inversı́veis, isto é, ambas admitem
inversa, temos:
inversa, temos:
� �−1
i) �A−1 � = A
−1
i) A−1 =A
ii) O produto A · B é inversı́vel e (A · B)−1 = B −1 · A−1
ii) O produto A · B é inversı́vel e (A · B)−1 = B −1 · A−1
� �−1 � �t
iii) �At � = �A−1 �
−1 t
iii) At = A−1
O link abaixo é um aplicativo da web com o qual você poderá manipular matrizes identificando
O link abaixo é um aplicativo da web com o qual você poderá manipular matrizes identificando
conceitos, poderá, ainda interpretar matrizes, bem como utilizá-las na resolução de problemas.
conceitos, poderá, ainda interpretar matrizes, bem como utilizá-las na resolução de problemas.
<http://www.igm.mat.br/mpd/a linear/mpd1.htm >.
<http://www.igm.mat.br/mpd/a linear/mpd1.htm >.
Neste outro link, como futuro(a) professor(a), você encontrará uma sugestão para aula sobre cálculo
Neste outro link, como futuro(a) professor(a), você encontrará uma sugestão para aula sobre cálculo
de Matriz inversa, Conhecimento de Criptografia e como as Matrizes são utilizadas para criptografar
de Matriz inversa, Conhecimento de Criptografia e como as Matrizes são utilizadas para criptografar
mensagens e construir mensagens criptografadas.
mensagens e construir mensagens criptografadas.
<http://portaldoprofessor.mec.gov.br/fichaTecnicaAula.htmlaula=45417>.
<http://portaldoprofessor.mec.gov.br/fichaTecnicaAula.htmlaula=45417>.

197
Aqui, você encontrará um aplicativo que servirá para o emprego dos conceitos de Matrizes na resolução
de Quadrados Mágicos:
<http://www.jogosboole.com.br/tutoriais mostra.asp?id=19>
Aqui, você encontrará um aplicativo que servirá para o emprego dos conceitos de Matrizes na resolução
de Quadrados Mágicos:
<http://www.jogosboole.com.br/tutoriais mostra.asp?id=19>
A Teoria dos Determinantes permite discutir sistemas de equações lineares, desde que o número de
equações seja igual ao número de incógnitas, isso nos auxilia, por exemplo, a analisar um sistema de
equações, antes de tentar obter o conjunto solução e que, em muitos casos, pode até não existir. Além
disso, é possı́vel obter a solução de um sistema, caso exista, com o uso da Regra de Cramer, que se
A Teoria dos Determinantes permite discutir sistemas de equações lineares, desde que o número de
baseia em cálculo de determinantes.
equações seja igual ao número de incógnitas, isso nos auxilia, por exemplo, a analisar um sistema de
Fonte:equações,
o autor. antes de tentar obter o conjunto solução e que, em muitos casos, pode até não existir. Além
disso, é possı́vel obter a solução de um sistema, caso exista, com o uso da Regra de Cramer, que se
baseia em cálculo de determinantes.
Fonte: o autor.
Matriz inversa
IV
PERMUTAÇÃO
PERMUTAÇÃO
Definição 1: Seja V = {1, . . . , n} o conjunto de todos os inteiros de 1 a n, obedecendo a uma ordem

(crescente). Uma outra ordem {i1 , . . . , in } dos elementos do conjunto V é chamada de permutação.
Exemplo 1: Considere T = {1, 2, 3, 4, 5}. Então, 42531 é uma permutação de T , que corresponde à
função f : T → T definida por:
f (1) = 4; f (2) = 2; f (3) = 5; f (4) = 3; f (5) = 1.
Podemos representar o conjunto T de 4 · 3 · 2 · 1 = 24 maneiras possı́veis. Esse cálculo se deve ao princı́pio
multiplicativo da análise combinatória. Podemos ainda dizer que temos 24 permutações do conjunto T .
De uma forma geral, dado um conjunto S contendo n elementos, temos:
n(n − 1)(n − 2) · · · 2 · 1
permutações possı́veis para esse conjunto. Denotaremos por Sn as permutações de S. A expressão acima
é representada por n! (lê-se: n fatorial ou fatorial de n). Assim:
1! = 1
2! = 2 · 1 = 2
3! = 3 · 2 · 1 = 6
4! = 4 · 3 · 2 · 1 = 24
..
.
n! = n(n − 1)(n − 2) · · · 2 · 1
Exemplo 2: Seja R = {3, 5, 6}. Então, R3 tem 3! = 3 · 2 · 1 = 6 permutações do conjunto R. A saber:
356, 365, 536, 563, 635, 653
Uma permutação i1 , . . . , in do conjunto S = {1, . . . , n} tem uma inversão se um inteiro is precede um

inteiro menor ir . Uma permutação é denominada par (ı́mpar) se o número total de inversão é par
(ı́mpar).

199
Exemplo 3: Seja S = {1, 4, 9}. Temos que a permutação:
• 194 é ı́mpar, pois o 9 está antes do 4 (uma inversão);
• 914 é par, pois o 9 está antes do 4 e do 1 (duas inversões).
n! n!
Podemos mostrar que se n 2, então, Sn terá permutações pares e permutações ı́mpares.
2 2
No exemplo anterior, temos 6 permutações possı́veis, sendo 3 pares e 3 ı́mpares. De fato:
⎧ ⎧
⎪
⎪ 149 → 0 ⎪
⎪ 194 → 1
⎪
⎪ ⎪
⎪
⎨ ⎨
pares 491 → 2 ı́mpares 419 → 1
⎪
⎪ ⎪
⎪
⎪
⎪ ⎪
⎪
⎩ ⎩
914 → 2 941 → 3
Vamos apresentar agora um sı́mbolo muito usado em matemática e áreas afins, pois vamos usá-lo para
�
definir o determinante de uma matriz. A letra ou caractere sigma ( ) é a décima oitava letra do alfabeto
�
grego e corresponde ao nosso S. A letra é usada na matemática como sı́mbolo de um somatório.
Consideremos a seguinte soma:
12 + 22 + 32 + 42 + 52 + 62 + 72 + 82 + 92 + 102 .
�
Podemos representar essa soma por meio do sı́mbolo da seguinte maneira:
10
�
k2
k=1
E podemos ler como segue: somatório de k 2 quando k varia de 1 até 10. A letra k é chamada de ı́ndice
da soma (ou do somatório) e pode ser substituı́da por qualquer outra (que não intervenha na soma), por
exemplo: i, j, l, m, n, p, etc. Diz–se, assim, que k é um ı́ndice mudo.
Exemplo 4:
6
�
2i2 = 2(32 ) + 2(42 ) + 2(52 ) + 2(62 ) = 172
i=3
Exemplo 5:
5
�
k = 1 + 2 + 3 + 4 + 5 = 15
k=1
Permutação
IV
DETERMINANTE
DETERMINANTE
Definição 2: Seja A = [aij ]n×n uma matriz quadrada de ordem n. Definimos o determinante de A,
denotado por detA ou |A| o número real dado por:
�
detA = (−1)J a1j1 a2j2 · · · anjn
ρ
em que J = J(j1 , j2 , . . . , jn ), é o número de inversões da permutação (j1 j2 . . . jn ) e ρ indica que a soma é

estendida a todas as n! permutações de (1 2 . . . n).
Exemplo 6: Seja a matriz A = [a11 ]. Vemos que A tem ordem 1, logo S1 tem uma única permutação,
isto é, 1! = 1. Como o número de inversões é zero, o sinal do determinante é positivo. Logo detA = a11 .
⎡ ⎤
⎢ a11 a12 ⎥
Exemplo 7: Seja a matriz A = ⎣ ⎦ uma matriz de ordem 2. Então, para calcular o detA,
a21 a22
escrevemos os termos da matriz na forma:
a1 a2 e a1 a 2
Os espaços vazios serão preenchidos por todos os elementos de S2 , que são 12 e 21, dado que S = {1, 2}.
Temos que 12 é uma permutação par (número de inversões é zero) e 21 é uma permutação ı́mpar (uma
inversão). Assim, o termo a11 a22 tem sinal positivo e o termo a12 a21 tem sinal negativo. Logo:
detA = a11 a22 − a12 a21
Por simplicidade, ou até comodidade, costuma-se dizer que o determinante de uma matriz de ordem 2
é a diferença entre o produto dos termos da diagonal principal pelo produto dos termos da diagonal
secundária.
⎡ ⎤
⎢ −5 4 ⎥
Exemplo 8: Calcular o determinante da matriz A = ⎣ ⎦
2 3
Solução: detA = −5(3) − 4(2) = −15 − 8 = −23
⎡ ⎤
⎢ −3 −2 ⎥
Exemplo 9: Calcular o determinante da matriz B = ⎣ ⎦
7 −4
Solução: detB = −3(−4) − (−2)(7) = 12 + 14 = 26

201
Agora, vamos ver como é efetuado o cálculo do determinante de ordem 3 seguindo a Definição 2.
⎡ ⎤
⎢ a11 a12 a13 ⎥
⎢ ⎥
Exemplo 10: Seja a matriz A = ⎢ ⎥
⎢ a21 a22 a23 ⎥. Temos uma matriz de ordem 3. Logo, para
⎣ ⎦
a31 a32 a33
calcularmos o determinante, escrevemos os seis (3! = 6) termos da matriz.
a1 a 2 a 3 a1 a2 a3 a1 a2 a3
a1 a2 a3 a1 a2 a3 a1 a2 a3
Os espaços vazios serão preenchidos por todos os elementos de S3 . Antes de preenchermos os espaços
vazios, vamos analisar as permutações em uma tabela para uma melhor compreensão.
Principal Permutação Inversões Classe Sinal
123 123 0 par +
123 132 1 ı́mpar −
123 312 2 par +
123 213 1 ı́mpar −
123 231 2 par +
123 321 3 ı́mpar −
Com isso, temos:

detA = +a11 a22 a33 − a11 a23 a32 + a13 a21 a32
−a12 a21 a33 + a12 a23 a31 − a13 a22 a31
Podemos ainda escrever como segue:
detA = (a11 a22 a33 + a13 a21 a32 + a12 a23 a31 )
−(a11 a23 a32 + a12 a21 a33 + a13 a22 a31 )
Determinante
IV
Uma regra prática para calcular o determinante de uma matriz A de ordem 3 é dada a seguir:
1. Repita as duas primeiras colunas ao lado direito da matriz A.
2. Multiplicam-se os elementos da diagonal principal e, na mesma direção da diagonal principal,

multiplicam-se os elementos das outras duas filas à sua direita.
3. Multiplicam-se os elementos da diagonal secundária e, na mesma direção, os elementos das outras

duas filas à sua direita.
4. O determinante da matriz é a diferença entre os produtos obtidos em (2) e (3).
Isto é:
Figura 1: Regra de Sarrus
Logo, temos que detA = I − II
Esta regra é conhecida como Regra de Sarrus.

⎡ ⎤
⎢ −1 2 0 ⎥
⎢ ⎥
Exemplo 11: Vamos calcular o determinante da matriz A = ⎢ ⎥
⎢ 5 3 −4 ⎥ através da Regra de Sarrus.
⎣ ⎦
7 1 −6
Solução: Primeiramente, repetimos as duas primeiras colunas ao lado direito da matriz.
⎡ ⎤
⎢ −1 2 0 ⎥ −1 2
⎢ ⎥
⎢ ⎥
⎢ 5 3 −4 ⎥ 5 3
⎣ ⎦
7 1 −6 7 1

203
Depois, multiplicamos as diagonais:
Portanto, temos que detA = −38 − (−56) = −38 + 56 = 18.
Só temos um problema, para matrizes quadradas de ordem 4, não podemos aplicar diretamente a Regra
de Sarrus. Logo, temos que definir outros métodos para calcularmos o determinante de qualquer matriz
quadrada.
Desenvolvimento de Laplace
Já vimos nesta unidade que:
detA = a11 a22 a33 − a11 a23 a32 + a13 a21 a32 − a12 a21 a33 + a12 a23 a31 − a13 a22 a31
De uma outra forma, temos que:
detA = a11 (a22 a33 − a23 a32 ) − a21 (a12 a33 − a13 a32 ) + a31 (a12 a23 − a13 a22 )
Ou ainda

a22 a23 a12 a13 a12 a13

detA = a11 − a21 + a31

a32 a33 a32 a33 a22 a23
Podemos observar que o determinante de uma matriz quadrada de ordem 3 pode ser expresso em função de
matrizes quadradas de ordem 2. No caso acima, repare que escolhemos a primeira coluna para calcularmos
o determinante. Mas podemos fazê-lo em qualquer fila da matriz. Com relação a esta última igualdade,
podemos escrever:

detA = a11 A11 − a21 A21 + a31 A31

Em que Aij é o determinante da matriz que sobra, extraindo-se a i-ésima linha e a j-ésima coluna.
Determinante
IV
Vamos definir agora o cofator de cada elemento de uma matriz. O cofator é dado como segue:
� �
Δij = (−1)i+j �Aij �
Logo, podemos ter a seguinte igualdade:
detA = a11 Δ11 + a21 Δ21 + a31 Δ31
De uma forma geral, temos que, dada uma matriz A = [aij ]n×n , pelo desenvolvimento de Laplace, o
determinante da matriz A é calculado pela fórmula
n
�
detA = aij Δij
i=1
Observe que, nessa fórmula, o determinante foi desenvolvido pela j-ésima coluna. Da mesma forma, po-
demos desenvolver o determinante utilizando uma determinada linha.
⎤ ⎡
⎢ −1 0 5 ⎥
⎢ ⎥
Exemplo 12: Vamos calcular o determinante da matriz A = ⎢ ⎥
⎢ 2 −2 3 ⎥.
⎣ ⎦
1 2 4
Solução: Se vamos escolher uma fila (linha ou coluna), basta observarmos que a primeira linha, por
exemplo, possui um zero. Possuir um ou mais zeros em um fila vai nos proporcionar uma quantidade
menor de cálculo. Isto é:
detA = −1 · Δ11 + 0 · Δ12 + 5 · Δ13
= −1 · Δ11 + 5 · Δ13
� � � �
� � � �
� −2 3 � � 2 −2 �
� � � �
= −1 · (−1)2 · � � + 5 · (−1)4 · � �
� � � �
� 2 4 � � 1 2 �
= −1(1)(−8 − 6) + 5(1)[4 − (−2)]
= −1(−14) + 5(6)
= 14 + 30
= 44

205
⎡ ⎤
⎢ 1 −2 0 1 ⎥
⎢ ⎥
⎢ ⎥
⎢ −2 5 17 9 ⎥
Exemplo 13: Determinar o determinante da matriz B = ⎢
⎢
⎥
⎥
⎢ 0 2 −3 0 ⎥
⎢ ⎥
⎣ ⎦
1 2 3 4
Solução: Escolhendo a terceira linha, obtemos:
detB = 0 · Δ31 + 2 · Δ32 − 3 · Δ33 + 0 · Δ34
= 2 · Δ32 − 3 · Δ33
� � � �
� � � �
� 1 0 1 �� 1 −2 1 �
� � �
� � � �
= 2(−1)5 �� −2 17 9 �� − 3(−1)6 �� −2 5 9 ��
� � � �
� � � �
� 1 3 4 � � 1 2 4 �
= 2(−1)(18) − 3(1)(−41)
= −36 + 123
= 87
Propriedade 1: Propriedades dos Determinantes
P1 . O determinante de uma matriz é único. Isto é, não importa qual caminho se utilize para calcular o
determinante, ele terá o mesmo valor.
P2 . Dada a matriz A = [aij ]n×n , temos que detA = detAt . Isto é, o determinante de uma matriz A é
igual ao determinante de sua transposta.
P3 . Se uma matriz quadrada A possuir uma fila nula, então detA = 0.
P4 . O determinante de uma matriz triangular é igual ao produto dos elementos da diagonal principal.
P5 . Se multiplicamos uma fila de uma matriz quadrada A por β, temos detA = βdetA.
P6 . Se permutamos duas filas de uma matriz quadrada A, temos detA = −detA.
P7 . Se uma matriz quadrada A possuir duas filas iguais, ou proporcionais, temos detA = 0.
Determinante
IV
P8 . Seja a matriz A = [aij ]n×n , se, por meio de operações elementares, somamos a uma linha (ou coluna)
de A um múltiplo de outra linha (ou coluna) de A e, transformando esta matriz em outra matriz
B = [bij ]n×n , temos que detA = detB.
P9 . Sejam as matrizes A = [aij ]n×n e B = [bij ]n×n . Logo, temos que det(A · B) = detA · detB. Essa
propriedade é conhecida como Teorema de Binet.
1
P10 . Seja uma matriz quadrada A. Se A admite inversa, então detA−1 = . Vamos demonstrar essa
detA
propriedade. Pela definição da inversa de uma matriz, temos que, se uma matriz quadrada A de
ordem n é inversı́vel, A · A−1 = In e temos também que detIn = 1, de fácil verificação. Logo,
� �
detIn = 1 é o mesmo que det A · A−1 = 1 e, pela propriedade P9 , obtemos detA · detA−1 = 1 ou
1
detA−1 = .
detA
A propriedade P10 nos fornece um resultado muito importante para o cálculo da inversa de uma matriz.
Analisando essa propriedade, vemos que, uma matriz admite inversa se, e somente se, o determinante
dessa matriz for diferente de zero. Isto é, seja a matriz A = [aij ]n×n , tem-se que:
A admite inversa ⇐⇒ detA �= 0
Estudando as propriedades P4 , P5 , P6 e P8 , conseguimos um novo método para se calcular o determinante

de uma matriz. Vejamos o exemplo a seguir:
⎡ ⎤
⎢ 0 1 5 ⎥
⎢ ⎥
Exemplo 14: Vamos calcular o determinante da matriz A = ⎢
⎢ 3 −6 9
⎥
⎥
⎣ ⎦
2 6 1
Solução: Permutando a primeira linha com a segunda, temos:
⎡ ⎤
⎢ 3 −6 9 ⎥
⎢ ⎥
detA = −det ⎢
⎢ 0 1 5 ⎥
⎥
⎣ ⎦
2 6 1
ou ainda ⎡ ⎤
⎢ 1 −2 3 ⎥
⎢ ⎥
detA = −3det ⎢
⎢ 0 1 5 ⎥
⎥
⎣ ⎦
2 6 1

207
Fazendo a seguinte operação na linha 3 (L3 ), L3 = −2L1 + L3 , obtemos:

SISTEMAS DE EQUAÇÕES LINEARES
⎡ ⎤
⎢ 1 −2 3 ⎥
⎢ ⎥
detA = −3det ⎢
⎢ 0 1 5
⎥
⎥
⎣ ⎦
0 10 −5
Agora, na linha 3, fazemos L3 = −10L2 + L3 , e:
⎡ ⎤
⎢ 1 −2 3 ⎥
⎢ ⎥
⎢
detA = −3det ⎢ 0 1 ⎥
5 ⎥
⎣ ⎦
0 0 −55
Assim:
detA = −3(−55) = 165
Observe que nesse exemplo o objetivo final foi transformar a matriz original em uma matriz triangular,
cujo cálculo do determinante é direto. Basta multiplicar os elementos da diagonal principal, sempre se
baseando nas propriedades dos determinantes para que não ocorram erros.
SISTEMAS DE EQUAÇÕES LINEARES
Muitos problemas em várias áreas da Ciência recaem na solução de sistemas de equações lineares. Vamos
ver como a álgebra matricial pode simplificar o estudo desses sistemas.
Definição 3: Equação Linear: Uma equação linear nas variáveis x1 , x2 , x3 , . . . , xn , isto é, em várias
variáveis, é uma equação da forma:
a 1 x1 + a 2 x 2 + a3 x3 + . . . + an xn = b
em que a1 , a2 , a3 , . . . , an e b são constantes reais denominados coeficientes da equação linear.
Sistemas de equações lineares

IV
Exemplo 15: São equações lineares:
• 2x1 − x3 + 8x4 − x5 = 3
• x + y − 3z = −8
• a+b−c+d=0
Exemplo 16: São equações não lineares:
• 2x2 − 5x + 7 = 0
• −3xy + yz − y 3 = −3
√
• x − 3 + 2y = 1
2
• − 3w + 7y = 0
x
Dizemos que uma sequência ordenada de números reais (β1 , β2 , β3 , . . . , βn ) é solução da equação a1 x1 +
a2 x2 + a3 x3 + . . . + an xn = b quando a expressão a1 β1 + a2 β2 + a3 β3 + . . . + an βn = b for verdadeira.
Exemplo 17: A sequência (0, −1, 2, −3, 1) é solução para equação
2x1 − x2 + 4x3 − x4 − 3x5 = 9
pois temos
2(0) − (−1) + 4(2) − (−3) − 3(1) = 0 + 1 + 8 + 3 − 3 = 9
Por outro lado, no exemplo 17, podemos ter outras soluções para equação. A saber, por exemplo, a
sequência (0, −1, 2, 0, 0) é solução, pois 2(0) − (−1) + 4(2) − 0 − 3(0) = 0 + 1 + 8 − 0 − 0 = 9. Se continu-
armos a investigação para encontrar outras soluções para essa equação, vamos perceber que não terá fim.
Isto é, uma equação linear em várias variáveis admite infinitas soluções.
Definição 4: Sistemas de Equações Lineares: Um conjunto de m equações lineares nas variáveis x1 , x2 , . . . ,

é dito sistema de equações lineares ou simplesmente sistema linear, de m equações e n variáveis (incógni-
tas). Isto é: ⎧
⎪
⎪
⎪
⎪ a11 x1 + a12 x2 + ... + a1n xn = b1
⎪
⎪
⎪
⎪
⎨ a21 x1 + a22 x2 + ... + a2n xn = b2
⎪
⎪ .. .. .. ..
⎪
⎪ . + . + ... + . = .
⎪
⎪
⎪
⎪
⎩ a x + am2 x2 + . . . + amn xn = bm
m1 1

209
Exemplo 18: São sistemas de equações lineares:

⎧
⎪
⎨ x1 + x2 = 20
•
⎪
⎩ 2x1 − x2 = 7
⎧
⎪
⎪ 2x − y + 5z = 0
⎪
⎪
⎨
• x − 4y + z = −1
⎪
⎪
⎪
⎪
⎩
−3x + y + 2z = −6
⎧
⎪
⎨ 2a − 3b + c + 5d = 1
•
⎪
⎩ a + b + c − d = −2
Resolver um sistema de equações lineares é determinar o conjunto formado por todas as soluções, chamado
conjunto-solução do sistema. Uma solução do sistema é solução de cada equação linear que o compõe. Ou
seja, para resolvermos um sistema linear, devemos encontrar uma sequência ordenada de números reais
que satisfazem, simultaneamente, todas as equações do sistema.
Mas um sistema linear pode não ter solução, isto é, temos três possibilidades para a solução de um sistema
linear:
• Sistema Possı́vel e Determinado (SPD) é aquele que possui uma única solução.
• Sistema Possı́vel e Indeterminado (SPI) é aquele que possui infinitas soluções.
• Sistema Impossı́vel (SI) é aquele que não admite solução.
Exemplo 19: Nos sistemas abaixo, sem a utilização de regras para solução, vemos que:
⎧
⎪
⎨ x + y = 10
• O sistema possui uma única solução, a saber o par (7, 3). Logo, classificamos esse
⎪
⎩ 2x − y = 11
sistema como SPD.
⎧
⎪
⎨ 2x − 3y = 1
• O sistema possui infinitas soluções. Os pares (−1, −1), (1/2, 0) (0, −1/3) são algu-
⎪
⎩ 4x − 6y = 2
mas de suas soluções. Assim, classificamos esse sistema como SPI.
⎧
⎪
⎨ 3x + 4y = 1
• O sistema não admite solução, logo, temos um sistema SI.
⎪
⎩ 6x + 8y = 11

IV
Sistemas Lineares Homogêneos
Dizemos que um sistema linear é homogêneo quando os termos independentes (b1 , b2 , . . . , bn ) são todos
nulos, isto é b1 = b2 = . . . = bn = 0.
Exemplo 20: A seguir, listamos alguns exemplos de sistemas lineares homogêneos:

⎧
⎪
⎨ 2x1 + x2 = 0
•
⎪
⎩ x1 − 5x2 = 0
⎧
⎪
⎪ x+y+z =0
⎪
⎪
⎨
• 2x − y + 3z = 0
⎪
⎪
⎪
⎪
⎩
x − 2y − 4z = 0
⎧
⎪
⎨ 3w1 − w2 + 7x3 = 0
•
⎪
⎩ w − 2w + 4w = 0
1 2 3
⎧
⎪
⎪ 2x + y = 0
⎪
⎪
⎨
• x−y =0
⎪
⎪
⎪
⎪
⎩
−x + 4y = 0
Podemos observar que todo sistema linear homogêneo com n incógnitas sempre admite a solução {0, 0, 0, . . . ,
com n elementos, a qual é chamada de solução trivial.
Matrizes associadas a um sistema linear
Dado um sistema linear com m equações e n incógnitas:

⎧
⎪
⎪
⎪
⎪ a11 x1 + a12 x2 + ... + a1n xn = b1
⎪
⎪
⎪
⎪
⎨ a21 x1 + a22 x2 + ... + a2n xn = b2
⎪
⎪ .. .. .. ..
⎪
⎪ . + . + ... + . = .
⎪
⎪
⎪
⎪
⎩ a x + am2 x2 + . . . + amn xn = bm
m1 1

211
podemos destacar as seguintes matrizes
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ a11 a12 ... a1n ⎥ ⎢ x1 ⎥ ⎢ b1 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ a21 a22 . . . a2n ⎥ ⎢ x2 ⎥ ⎢ b2 ⎥
A=⎢
⎢ .
⎥ X=⎢ ⎥ B=⎢ ⎥
⎢ .. .. .. ⎥ ⎢ .. ⎥ ⎢ .. ⎥
⎢ . ... . ⎥
⎥
⎢
⎢ . ⎥
⎥
⎢
⎢ . ⎥
⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦
am1 am2 . . . amn xn bm
em que a matriz A é chamada matriz dos coeficientes, a matriz B, matriz dos termos independentes e a
matriz X, matriz das incógnitas.
Com a notação de matrizes, podemos escrever o sistema linear da seguinte forma:

⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ a11 a12 ... a1n ⎥ ⎢ x1 ⎥ ⎢ b1 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ a21 a22 . . . a2n ⎥ ⎢ x2 ⎥ ⎢ b2 ⎥
⎢ ⎥·⎢ ⎥=⎢ ⎥
⎢ . .. .. ⎥ ⎢ .. ⎥ ⎢ .. ⎥
⎢ .. . ... . ⎥ ⎢ . ⎥ ⎢ . ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦
am1 am2 . . . amn xn bm
E mais, podemos ainda representar um sistema linear por meio da matriz ampliada (ou aumentada), a
qual nos ajudará na resolução de sistemas lineares. Isto é:
⎡ ⎤
⎢ a11 a12 ... a1n b1 ⎥
⎢ ⎥
⎢ ⎥
⎢ a21 a22 ... a2n b2 ⎥
⎢ ⎥
⎢ . .. .. ⎥
⎢ .. . ... . ⎥
⎢ ⎥
⎣ ⎦
am1 am2 . . . amn bm
Exemplo 21: Dado o sistema linear ⎧

⎪
⎪ x + 4y + 3z = 1
⎪
⎪
⎨
⎪ 2x + 5y + 4z = 4
⎪
⎪
⎪
⎩
x − 3y − 2z = 5
temos a forma matricial ⎡ ⎤ ⎡ ⎤ ⎡ ⎤

⎢ 1 4 3 ⎥ ⎢ x ⎥ ⎢ 1 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥·⎢ ⎥=⎢ ⎥
⎢ 2 5 4 ⎥ ⎢ y ⎥ ⎢ 4 ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦
1 −3 −2 z 5

IV
e, em termos de matriz ampliada, temos:

RESOLUÇÃO DE SISTEMAS
⎡
LINEARES
⎤
POR
ESCALONAMENTO ⎢ 1 4 3 1 ⎥
⎢ ⎥
⎢ ⎥
⎢ 2 5 4 4 ⎥
⎣ ⎦
1 −3 −2 5
RESOLUÇÃO DE SISTEMAS LINEARES POR ESCALONAMENTO
Dado um sistema linear S, podemos realizar modificações nesse sistema utilizando as operações elemen-
tares descritas nas operações elementares da Unidade I. Se um sistema linear S1 for obtido de um sistema
linear S por meio de um número finito de operações elementares, dizemos que S1 é equivalente a S.
Sistemas equivalentes possuem o mesmo conjunto solução. E será dessa maneira que vamos conhecer o
primeiro método de resolução de sistemas lineares.
Para resolução de um sistema linear, primeiramente, escrevemos o sistema na forma de matriz ampliada e,
depois, utilizamos o processo de escalonamento. Mas o que vem a ser esse processo? Vamos para algumas
definições para respondermos a essa pergunta.
Definição 5: (Forma Escalonada) Diz-se que uma matriz está (na forma) escalonada (matriz triangular
superior) se:
i) o elemento que ocupa a primeira linha e a primeira coluna não for nulo, isto é, a11 �= 0;
ii) o número de zeros no inı́cio de cada linha aumenta estritamente de uma linha para outra, exceto se
a linha é toda nula;
iii) as linhas nulas, caso existam, forem as últimas da matriz.
Para escrevermos uma matriz na forma escalonada, basta utilizarmos as operações elementares.
Exemplo 22: A matriz a seguir é um exemplo de matriz escalonada.
⎡ ⎤
⎢ 4 −7 0 8 3 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 3 0 −2 −1 ⎥
⎣ ⎦
0 0 −2 7 2

213
Exemplo 23: Matriz não escalonada:
⎡ ⎤
⎢ 4 −7 0 −14 4 ⎥
⎢ ⎥
⎢ ⎥
⎢ 3 0 4 0 −1 ⎥
⎣ ⎦
0 0 0 −13 6
Observemos o sistema a seguir: ⎧

⎪
⎪ 2x + y − z = 3
⎪
⎪
⎨
⎪ 3y + z = −1
⎪
⎪
⎪
⎩
2z = 4
Em termos de matriz ampliada, temos
⎡ ⎤
⎢ 2 1 −1 3 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 3 1 −1 ⎥
⎣ ⎦
0 0 2 4
Podemos observar, então, que essa matriz está na forma escalonada. E, para resolver o sistema, basta
encontrarmos o valor de z na última equação, isto é, 2z = 4 implica z = 2, e substituirmos este valor na
segunda, 3y + 2 = −1, implica y = −1. Encontrado os valores de x e de y, substituı́mos esses valores na
primeira equação e teremos 2x − 1 − 2 = 3 ou x = 3.
⎧
⎪
⎪
⎪ x + 2y − 3z = 2
⎪
⎨
Exemplo 24: Vamos resolver o sistema linear −x + 5y − z = 1
⎪
⎪
⎪
⎪
⎩
2x + 3y − 5z = 0
Solução: Escrevendo esse sistema linear em termos de matriz ampliada, obtemos:
⎡ ⎤
⎢ 1 2 −3 2 ⎥
⎢ ⎥
⎢ ⎥
⎢ −1 5 −1 1 ⎥
⎣ ⎦
2 3 −5 0
Resolução de sistemas lineares por escalonamento

IV
Acompanhe a sequência de operações elementares que aplicaremos para escalonar a matriz ampliada.
⎡ ⎤ ⎡ ⎤
⎢ 1 2 −3 2 ⎥ ⎢ 1 2 −3 2 ⎥
⎢ ⎥ L 2 → L2 + L 1 ⎢ ⎥
⎢ ⎥ ⇒⎢ ⎥
⎢ −1 5 −1 1 ⎥ ⎢ 0 7 −4 3 ⎥
⎣ ⎦ L3 → L3 − 2L1 ⎣ ⎦
2 3 −5 0 0 −1 1 −4
⎡ ⎤ ⎡ ⎤
⎢ 1 2 −3 2 ⎥ ⎢ 1 2 −3 2 ⎥
⎢ ⎥ ⎢ ⎥
⇒⎢
⎢ 0 7 −4 3
⎥
⎥ L3 → 7L3 + L2 ⇒⎢
⎢ 0 7 −4 3
⎥
⎥
⎣ ⎦ ⎣ ⎦
0 −1 1 −4 0 0 3 −25
Com isso, obtemos o sistema linear
⎧
⎪
⎪ x + 2y − 3z = 2 (I)
⎪
⎪
⎨
⎪ 7y − 4z = 3 (II)
⎪
⎪
⎪
⎩
3z = −25 (III)
25
Em (III), obtemos z = − . Substituindo esse valor para z em (II) temos:
3
� �
25 100 91 91 13
7y − 4 − =3 ⇒ 7y + =3 ⇒ 7y = − ⇒ y=− =−
3 3 3 21 3
Agora, com os valores de y e z definidos, substituı́mos esses valores em (I) e teremos:

� � � �
13 25 26 75 49 43
x+2 − −3 − =2 ⇒ x− + =2 ⇒ x+ =2 ⇒ x=−
3 3 3 3 3 3
Ou seja, o sistema em questão é SPD.

⎧
⎪
⎪ x + 2y − 3z = −1
⎪
⎪
⎨
Exemplo 25: Vamos agora resolver o sistema linear −3x + y − 2z = −7
⎪
⎪
⎪
⎪
⎩
5x + 3y − 4z = 2
Solução: Em termos de matriz ampliada, temos:
⎡ ⎤
⎢ 1 2 −3 −1 ⎥
⎢ ⎥
⎢ ⎥
⎢ −3 1 −2 −7 ⎥
⎣ ⎦
5 3 −4 2

215
Escalonando: ⎡ ⎤ ⎡ ⎤
⎢ 1 2 −3 −1 ⎥ ⎢ 1 2 −3 −1 ⎥
⎢ ⎥ L2 → L2 + 3L1 ⎢ ⎥
⎢ ⎥ ⇒⎢ ⎥
⎢ −3 1 −2 −7 ⎥ ⎢ 0 7 −11 −10 ⎥
⎣ ⎦ L3 → L3 − 5L1 ⎣ ⎦
5 3 −4 2 0 −7 11 7
⎡ ⎤ ⎡ ⎤
⎢ 1 2 −3 −1 ⎥ ⎢ 1 2 −3 −1 ⎥
⎢ ⎥ ⎢ ⎥
⇒⎢ ⎥ ⎢ ⎥
⎢ 0 7 −11 −10 ⎥ L3 → L3 + L2 ⇒ ⎢ 0 7 −11 −10 ⎥
⎣ ⎦ ⎣ ⎦
0 −7 11 7 0 0 0 −3
Assim, teremos o sistema linear a seguir, equivalente ao sistema em questão:

⎧
⎪
⎪ x + 2y − 3z = −1
⎪
⎪
⎨
⎪ 7y − 11z = −10
⎪
⎪
⎪
⎩
0 = −3
Observamos, então, que esse sistema não tem solução (SI), pois temos um absurdo em 0 = −3.
⎧
⎪
⎪ x + 2y − 3z = 1
⎪
⎪
⎨
Exemplo 26: Vamos resolver o sistema 2x + 5y − 8z = 4
⎪
⎪
⎪
⎪
⎩
3x + 8y − 13z = 7
Solução: Em termos de matriz ampliada, temos:
⎡ ⎤
⎢ 1 2 −3 1 ⎥
⎢ ⎥
⎢ ⎥
⎢ 2 5 −8 4 ⎥
⎣ ⎦
3 8 −13 7
Escalonando: ⎡ ⎤ ⎡ ⎤
⎢ 1 2 −3 1 ⎥ ⎢ 1 2 −3 1 ⎥
⎢ ⎥ L2 → L2 − 2L1 ⎢ ⎥
⎢
⎢ 2 5 −8 4 ⎥
⎥ ⇒⎢
⎢ 0 1 −2 2
⎥
⎥
⎣ ⎦ L3 → L3 − 3L1 ⎣ ⎦
3 8 −13 7 0 2 −4 4
⎡ ⎤ ⎡ ⎤
⎢ 1 2 −3 1 ⎥ ⎢ 1 2 −3 1 ⎥
⎢ ⎥ ⎢ ⎥
⇒ ⎢ 0 1 −2 2 ⎥ L3 → L3 − 2L2 ⇒ ⎢
⎢ ⎥
⎢ 0 1 −2 2
⎥
⎥
⎣ ⎦ ⎣ ⎦
0 2 −4 4 0 0 0 0
Resolução de sistemas lineares por escalonamento

IV
Isto é: ⎧
Isto é: ⎧ ⎪
⎨ + 2y − 3z = 1
⎨ x +x2y
⎪
− 3z = 1
⎪
⎪ ⎩
⎩ y − 2z = 2
y − 2z = 2
Têm-se infinitas soluções (SPI). Tomando z = t, obtemos y = 2+2t e x = −3−t. Ainda podemos escrever
Têm-se infinitas soluções (SPI). Tomando z = t, obtemos y = 2+2t e x = −3−t. Ainda podemos escrever
a solução geral desse sistema como sendo o conjunto {(−3 − t, 2 + 2t, t); t ∈ R}.
a solução geral desse sistema como sendo o conjunto {(−3 − t, 2 + 2t, t); t ∈ R}.
Existem outros métodos para resolução de sistemas lineares. Para isso, você, poderá consultar Boldrini
Existem outros métodos para resolução de sistemas lineares. Para isso, você, poderá consultar Boldrini
(1980) e Lima (2009), por exemplo.
(1980) e Lima (2009), por exemplo.
No link abaixo, você tem um pouco da história das matrizes, produto de matrizes e sistemas lineares.
No link abaixo, você tem um pouco da história das matrizes, produto de matrizes e sistemas lineares.
É um material disponı́vel no portal do professor que será de grande valia:
É um material disponı́vel no portal do professor que será de grande valia:
<http://portal.mec.gov.br/seb/arquivos/pdf/EnsMed/expensmat3 1 2.pdf.>.
<http://portal.mec.gov.br/seb/arquivos/pdf/EnsMed/expensmat3 1 2.pdf.>.
Aqui, você tem acesso a um modelo de aula sobre escrita, interpretação e resolução de um Sistema
Aqui, você tem acesso a um modelo de aula sobre escrita, interpretação e resolução de um Sistema
Linear.
Linear.
<http://portaldoprofessor.mec.gov.br/fichaTecnicaAula.html?aula=7204.>.
<http://portaldoprofessor.mec.gov.br/fichaTecnicaAula.html?aula=7204.>.
Neste outro link, você terá acesso a um exemplo de Sistema Linear em uma dieta alimentar e a
Neste outro link, você terá acesso a um exemplo de Sistema Linear em uma dieta alimentar e a
apresentação do método de Gauss para resolução:
apresentação do método de Gauss para resolução:
<http://portaldoprofessor.mec.gov.br/fichaTecnica.html?id=35371>.
<http://portaldoprofessor.mec.gov.br/fichaTecnica.html?id=35371>.

217
Nesta unidade, vimos o conceito de matriz e conhecemos seus tipos especiais. Aprendemos a comparar duas
matrizes, a identificar a matriz nula e a obter a oposta de uma matriz. Também vimos algumas matrizes
quadradas que se destacam por suas caracterı́sticas e que serão especialmente úteis no desenvolvimento da
teoria. Mostramos como obter a transposta de uma matriz e reconhecer matrizes simétricas. Aprendemos a
somar duas matrizes e a multiplicar uma matriz por um escalar, bem como a estudarmos as propriedades
das operações vistas. Definimos como multiplicar duas matrizes. Trata-se de uma operação que se
distingue das que vimos anteriormente, tanto pela maneira pouco intuitiva pela qual é definida quanto
pelo fato de não ser comutativa. Ela representa um papel muito importante no desenvolvimento de toda a
Álgebra Linear, permitindo, por exemplo, uma representação simples da composição de funções especiais,
as quais será estudado em outro módulo. Além disso, fomos apresentados às matrizes inversı́veis e vimos
que estas sempre comutam com suas matrizes inversas.
Recordamos a definição de determinante e vimos que não se trata de um método prático para calcular
determinantes de ordens altas. Verificamos as propriedades dos determinantes e, com o uso de quatro
delas, pudemos facilitar o cálculo de determinantes, aplicando operações elementares e “transformando” o
determinante original em um triangular. Tal método, chamado triangularização, permite que determinan-
tes de ordens altas sejam obtidos sem que tenhamos que recair numa sequência enorme de determinantes
de ordens menores a serem calculados.
Estudamos o método de escalonamento para resolver e classificar sistemas lineares. Trata-se de um método
seguro, que “revela” a estrutura do sistema, explicitando as redundâncias ou incongruências das equações.
Após o escalonamento, as equações que não acrescentam informação ao sistema têm seus termos todos
anulados e aquelas que são incompatı́veis com as demais se transformam numa sentença matemática falsa
(algo como 0 = a, com a diferente de zero).
Toda matriz quadrada de ordem n pode ser associada a um número (sendo real ou complexo), o qual deno-
minamos de Determinante, a ideia sobre os determinantes surgiu na antiga China. Muitos séculos depois
dos chineses, um matemático japonês, Seki Kowa (1642-1708), desenvolveu, em 1683, alguns trabalhos
sobre os determinantes, com base em tabelas numéricas.
No Ocidente, a primeira referência ao método dos determinantes é atribuı́da ao matemático alemão Gott-
fried Wilhelm Leibniz, em 1693. Em 1750, Gabriel Cramer reinventa os determinantes e fica conhecido
por isso até hoje. Alguns anos mais tarde, Pierre Simon Laplace apresenta estudos sobre algumas propri-
edades dos determinantes e Joseph-Louis Lagrange aplica a teoria dos determinantes no cálculo da área
de um triângulo e no volume de um tetraedro.
Mas o termo determinante toma um significado somente com Augustin-Louis Cauchy, em 1812, quando,
perante o instituto francês, lê uma vasta memória sobre o assunto. Em 1815, Cauchy viria a aplicar a
linguagem dos determinantes em várias situações.
A teoria dos determinantes tem importantes aplicações: na computação (programação), na determinação

da matriz inversa (o que nós vamos ver nesta unidade), na resolução de alguns tipos de sistemas lineares,
entre outros.
Dado um sistema de equações lineares, com n equações e n incógnitas, para obtermos uma solução desse
sistema, caso exista, uma técnica bem interessante é utilizar a Regra de Cramer, que se resume em cal-
cular determinantes de matriz associada ao sistema em questão, essa técnica é bem útil quando temos
matrizes quadradas. No entanto, é interessante ressaltar que, para matrizes de ordem 2x2, o cálculo do
determinante requer 2 multiplicações e 1 adição, quando a matriz tem ordem 3x3, efetuamos 9 multiplica-
ções e 5 adições, já para matrizes de ordem 4x4, são necessárias 40 multiplicações e 23 adições. Portanto,
podemos concluir que, para matrizes quadradas de ordem maior que 4, essa técnica não é a mais adequada.
Fonte: o autor.
219
1. Escreva a matriz A = [aij ]m×n em cada caso:
a) A = [aij ]2×3 tal que aij = 2i − j
b) B = [bij ]3×2 tal que bij = i2 + j

⎧
⎪
⎨ i + j se i = j
c) C = [cij ]3×3 tal que cij =
⎪
⎩ i − j se i �= j
⎡ ⎤ ⎡ ⎤
⎢ x+y 9 ⎥ ⎢ 30 9 ⎥
2. Sejam as matrizes A = ⎣ ⎦eB=⎣ ⎦. Calcule os valores de x e y para que
−2 x − y −2 16
se tenha A = B.
⎧
⎪
⎨ i − 3j se i < j
3. Obtenha a transposta da matriz A = [aij ]3×2 tal que aij =
⎪
⎩ 2i + 2j se i j
⎡ ⎤
⎢ −1 6 0 ⎥
⎢ ⎥
4. Determine os valores de w e t para que a matriz A = ⎢
⎢ w2 − 3 5
⎥
4 ⎥ seja simétrica.
⎣ ⎦
0 2w − 5t 7
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 1 8 ⎥ ⎢ 0 −5 ⎥ ⎢ 7 3 ⎥ ⎢ 0 9 ⎥
5. Dadas as matrizes A = ⎣ ⎦, B = ⎣ ⎦, C = ⎣ ⎦eD=⎣ ⎦, calcule:
−3 6 4 2 −2 4 11 1
a) A + B
b) B + C − A
c) 2A − C + 5D − B
d) (A + B) − (C + D)
⎡ ⎤
⎡ ⎤ ⎡ ⎤
⎢ 5 −2 −4 ⎥
⎢ 2 1 −3 ⎥ ⎢ ⎥ ⎢ 1 2 ⎥
6. Dadas as matrizes A = ⎣ ⎢
⎦, B = ⎢ 0 3 ⎥
2 ⎥eC=⎣ ⎦, calcule:
0 2 5 ⎣ ⎦ −3 4
1 7 11
a) A · B
b) C · A · B
⎡ ⎤
⎢ −7 0 ⎥
7. Dada a matriz A = ⎣ ⎦, escreva a matriz B tal que se tenha A + B = 02 , em que 02 é a
2 −5
matriz nula de ordem 2.
8. Sejam as matrizes A = [aij ]m×n e B = [bij ]m×n . Utilize as propriedades da tranposta de uma matriz
� �t
1 t 3
para simplificar a expressão 3(2At − B)t + 5 B − At + B .
5 5
9. Julgue as afirmações abaixo como verdadeira ou falsa, justificando sua resposta:
a) Se A e B são duas matrizes quadradas de mesma ordem, então
(A + B) · (A − B) = A2 − B 2
b) Se A é uma matriz triangular superior, então A2 também será uma matriz triangular superior.
c) A transposta de uma matriz triangular superior também é uma matriz triangular superior.
d) Se B é uma matriz quadrada de ordem n, então B + B t é simétrica.
e) Qualquer matriz quadrada com uma fila (linha ou coluna) nula admite inversa.
⎡ ⎤ ⎡ ⎤
⎢ −1 2 ⎥ ⎢ 0 3 −4 ⎥
10. Sejam as matrizes A = ⎣ ⎦eB=⎣ ⎦. Determine:
5 4 1 −7 6
a) A · B
b) B · A
11. Verifique em cada caso se a matriz B é a inversa da matriz A.

⎡ ⎤ ⎡ ⎤
⎢ 5/39 −2/39 ⎥ ⎢ 7 2 ⎥
a) B = ⎣ ⎦eA=⎣ ⎦
2/39 7/39 −2 5
⎡ ⎤ ⎡ ⎤
⎢ 0 1 ⎥ ⎢ −3 4 ⎥
b) B = ⎣ ⎦eA=⎣ ⎦
1/4 1/12 9 0
12. Encontre a inversa de cada matriz abaixo, caso exista:

⎡ ⎤
⎢ 5 3 ⎥
a) A = ⎣ ⎦
4 2
⎡ ⎤
⎢ 2 −3 ⎥
b) B = ⎣ ⎦
1 3
⎡ ⎤
⎢ −2 6 ⎥
c) C = ⎣ ⎦
3 −9
221
⎡ ⎤
⎢ 1 1 1 ⎥
⎢ ⎥
d) D = ⎢ ⎥
⎢ 0 1 2 ⎥
⎣ ⎦
1 2 4
⎡ ⎤
⎢ 1 2 1 ⎥
⎢ ⎥
e) E = ⎢
⎢ 3 5 2 ⎥
⎥
⎣ ⎦
−1 4 7
⎡ ⎤
⎢ −3 0 1 ⎥
⎢ ⎥
f) F = ⎢ ⎥
⎢ 2 2 −1 ⎥
⎣ ⎦
1 4 9
⎡ ⎤ ⎡ ⎤
⎢ x−4 ⎥
x ⎢ y −3 ⎥
13. Sabendo que a matriz B = ⎣ ⎦ é a inversa da matriz A = ⎣ ⎦, calcule o
x−5 1 −2 x
valor de x2 − y 2 .
⎡ ⎤
⎢ 1 1 1 ⎥
⎢ ⎥
14. Dada a matriz M = ⎢
⎢ x y z
⎥ mostre que detM = (x − y)(y − z)(z − x).
⎥
⎣ ⎦
x2 y 2 z 2
15. Calcule os determinantes das seguintes matrizes:

⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 2 6 ⎥ ⎢ 5 1 ⎥ ⎢ −2 8 ⎥ ⎢ 4 9 ⎥
a) A = ⎣ ⎦ b) B = ⎣ ⎦ c) C = ⎣ ⎦ d) D = ⎣ ⎦
4 1 3 −2 −5 −3 1 −3
⎡ ⎤ ⎡ ⎤
⎡ ⎤
⎢ 2 1 1 ⎥ ⎢ 3 −2 −4 ⎥
⎢ a+b a ⎥ ⎢ ⎥ ⎢ ⎥
e) E = ⎣ ⎦ f) F = ⎢ ⎥
⎢ 0 5 −2 ⎥ g) G = ⎢
⎢ 2 5 −1 ⎥
⎥
b a+b ⎣ ⎦ ⎣ ⎦
1 −3 4 0 6 1
⎡ ⎤
⎡ ⎤
⎢ 2 −3 1 7 ⎥
⎢ ⎥
⎢ −2 −1 4 ⎥ ⎢ ⎥
⎢ ⎥ ⎢ −2 3 0 4 ⎥
h) H = ⎢ ⎥
⎢ 6 −3 −2 ⎥ i) I = ⎢
⎢
⎥
⎥
⎣ ⎦ ⎢ −1 5 4 −3 ⎥
⎢ ⎥
4 1 2 ⎣ ⎦
2 4 −5 0
⎡ ⎤
⎢ 3 0 0 0 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 15 13 0 0 0 ⎥
⎢ ⎥
⎢ ⎥
j) J = ⎢
⎢ −5 π −3 0
⎥
0 ⎥
⎢ ⎥
⎢ √ √ ⎥
⎢ 7 5 7 0 0 ⎥
⎢ ⎥
⎣ ⎦
1 2 −3 8 −1
16. Sejam X, M e N matrizes tais que M XN = I, se M e N são matrizes inversı́veis, então podemos
afirmar que:
a) X = N M
b) X = M N
c) X = I
d) X = M −1 N −1
e) X = N −1 M −1
⎡ ⎤
⎢ x 1 2x ⎥
⎢ ⎥
17. Dada a matriz A = ⎢ ⎥
⎢ 0 1 0 ⎥ seu determinante é negativo sempre que:
⎣ ⎦
3 7 x
a) −6 < x < 0
b) 0 < x < 6
c) x < 0
d) x > 6
e) −6 < x < 6
18. Duas matrizes A e B são semelhantes se existe uma matriz M tal que A = M −1 BM . Mostre que,
se A e B são semelhantes, então detA = detB.
⎡ ⎤
⎢ 1 −2 ⎥
19. Dada uma matriz X = ⎣ ⎦, definimos como polinômio caracterı́stico de X o polinômio
0 3
p(λ) = det(X − I), em que I é a matriz identidade de ordem 2. Assim, o polinômio caracterı́stico
de X é:
a) λ2 − 3λ − 4
b) λ2 + 3λ − 4
223
c) λ2 + 4λ − 3
d) λ2 − 3λ + 4
e) λ2 − 4λ + 3
20. Se A é uma matriz quadrada de ordem 3 com detA = 7, então qual o valor de det(3A)?
21. Resolva os sistemas de equações lineares a seguir:
⎧
⎧ ⎧ ⎧ ⎪
⎪ x+y−z =1
⎪ ⎪ ⎪ ⎪
⎪
⎨ 2x + 3y = 1 ⎨ 4x − 2y = 5 ⎨ 2x − 4 = 3y ⎨
a) b) c) d) 2x + 2y − 2z = 2
⎪
⎩ 5x + 7y = 3 ⎪
⎩ −6x + 3y = 1 ⎪
⎩ 5y − x = 5 ⎪
⎪
⎪
⎪
⎩
5x + 5y − 5z = 7
⎧ ⎧ ⎧
⎪
⎪ 2x − y = −7 ⎪
⎪ 2x + y − z = −6 ⎪
⎪ 3x − y + z = 0
⎪
⎪ ⎪
⎪ ⎪
⎪
⎨ ⎨ ⎨
e) −3x + 4y = 13 f) x − y + 3z = 21 g) x + y − 2z = 0
⎪
⎪ ⎪
⎪ ⎪
⎪
⎪
⎪ ⎪
⎪ ⎪
⎪
⎩ ⎩ ⎩
x + 2y = −1 3x + 2z = 15 5x − 3y + 4z = 0
22. Considere o sistema ⎧

⎪
⎪ x+y =1
⎪
⎪
⎨
⎪ 2x + y = 2
⎪
⎪
⎪
⎩
5y = k
Determine o valor de k para que o sistema tenha solução única.
23. Considere o seguinte sistema de equações lineares:

⎧
⎪
⎪ x + y − kz = 0
⎪
⎪
⎨
⎪ kx + y − z = 2 − k
⎪
⎪
⎪
⎩
x + ky − z = −k
Discuta o sistema em função da constante k.

24. Determine os valores de k, para os quais o sistema é determinado.
⎧
⎪
⎪
⎪
⎪ x + 2y − 2z − t = 1
⎪
⎪
⎪
⎪
⎨ 2x − 2y − 2z − 3t = −1
⎪
⎪
⎪
⎪ 2x − 2y − z − 5t = 9
⎪
⎪
⎪
⎪
⎩ 3x − y + z − kt = 0
25. Dona Josefina confecciona tapetes artesanais de dois modelos, pentagonal e retangular. Num certo
mês, ela confeccionou 60 tapetes e teve um lucro lı́quido de R$ 500,00. Sabendo que cada tapete
retangular foi vendido por R$ 10,00 e cada tapete pentagonal por R$ 12,00 e que dona Josefina
gastou R$ 160,00 em materiais, quantos tapetes de cada modelo ela confeccionou nesse mês?
26. Dado o sistema de equações a seguir

⎧
⎪
⎪ x+y−z = 5
⎪
⎪
⎨
⎪ −2x − 2y + 2z = 12
⎪
⎪
⎪
⎩
x + y + z = −1
Podemos afirmar que:

a) O sistema é possı́vel e determinado com solução S=(4,3,2).
b) O sistema é possı́vel e determinado com solução S=(4,3,13).
c) O sistema é possı́vel e determinado com solução S=(4,3,-8).
d) O sistema é possı́vel e indeterminado.
e) O sistema é impossı́vel.
27. Dado um sistema de equações lineares, podemos representá-lo como produto de matrizes AX = B,
em que A é a matriz dos coeficientes, X é a matriz das incógnitas (solução) e B é a matriz dos
⎛ ⎞ ⎛ ⎞
⎜ 1 0 1 ⎟ ⎜ 1 ⎟
⎜ ⎟ ⎜ ⎟
termos independentes. Assim, se A é inversı́vel com A = ⎜
−1
⎜ 2 1
⎟
−1 ⎟ e B = ⎜
⎜ ⎟
0 ⎟, então a
⎝ ⎠ ⎝ ⎠
0 1 3 2
matriz X é igual a:
225
28. Considere o sistema ⎧

⎪
⎪ x − 2y + z = 4
⎪
⎪
⎨
⎪ 2x + y − z = 5
⎪
⎪
⎪
⎩
3x − y = 9
Podemos afirmar que o sistema é:

a) Possı́vel e determinado, com solução única (4, 1, 2).
b) Possı́vel e determinado, com solução única (0, −9, −14).
c) Possı́vel e indeterminado, com uma solução (4, 1, 2).
d) Possı́vel e indeterminado, com uma solução (3, 0, 1).
e) Impossı́vel.
29. Dado o sistema linear homogêneo

⎧
⎪
⎪ x+y+z = 0
⎪
⎪
⎨
⎪ 2x + ky + kz = 0
⎪
⎪
⎪
⎩
kx + z = 0
Analise o conjunto solução em função de k.

V
TRANSFORMAÇÕES,
UNIDADE
AUTOVALORES E
AUTOVETORES
■■ Compreender os conceitos de transformação linear.
■■ Definir o núcleo e a imagem de uma transformação linear.
■■ Compreender os conceitos de autovalor e autovetor.
■■ Reconhecer um escalar como autovalor de um operador linear e de
uma matriz.
■■ Reconhecer um vetor como autovetor de um operador linear e de
uma matriz.
■■ Compreender o conceito de polinômio característico de uma matriz.
■■ Compreender a relação entre as raízes do polinômio característico e
os autovalores de uma matriz.
■■ Obter autovalores a partir do polinômio característico.
■■ Observar que existem matrizes que não possuem autovalores nem
autovetores.
Plano de Estudo
■■ Transformações Lineares
■■ Núcleo e Imagem de uma Transformação Linear
■■ Autovalores e Autovetores
■■ Polinômio Característico
229
INTRODUÇÃO
INTRODUÇÃO
No Ensino Médio, aprendemos o conceito de funções, que é uma aplicação que, cada elemento de um
conjunto chamado domı́nio, associa-se a outro elemento de outro conjunto chamado contradomı́nio, de
um modo geral, esses elementos são números, as funções nas quais estamos interessados são aplicações
denominadas de transformações, cujos domı́nios e contradomı́nios são espaços vetoriais e que, além disso,
preservam as operações de adição de vetores e de multiplicação de um vetor por um escalar; quando
essas operações são satisfeitas, a aplicação é dita de transformação linear, como veremos nesta unidade.
Em particular, quando o domı́nio e o contradomı́nio coincidem, a transformação linear recebe o nome
de operador linear. Na Álgebra Abstrata, uma transformação linear é um homomorfismo dos espaços
vetoriais.
Para finalizar esta última unidade, desenvolveremos os conceitos fundamentais de autovalor e autovetor de
uma matriz. Esses conceitos são de fundamental importância na Matemática pura e aplicada e aparecem
em situações muito mais gerais que as consideradas aqui. Os conceitos de autovalor e autovetor também
são usados no estudo das equações diferenciais e sistemas dinâmicos: eles fornecem informações crı́ticas
em projetos de Engenharia e surgem de forma natural em áreas como a Fı́sica e a Quı́mica, por exemplo,
em Fı́sica Atômica, porque os nı́veis de energia dos átomos e moléculas são dados por autovalores de
determinadas matrizes, esse conceito também surge no estudo dos fenômenos de vibração, análise de
estabilidade de um avião e muitos outras situações envolvendo fenômenos fı́sicos de grandeza vetorial,
mostrando a importância da procura de autovalores e autovetores de uma matriz.
Investigaremos a teoria de um único operador linear T , num espaço vetorial V , de dimensão finita.
Também associaremos certos polinômios a um operador T , isto é, seu polinômio caracterı́stico. Esses
polinômios e suas raı́zes desempenham um papel importante na investigação de T .
Introdução
V
TRANSFORMAÇÕES LINEARES
TRANSFORMAÇÕES LINEARES
Definição: Sejam V e W espaços vetoriais. Uma transformação linear de V em W é uma função

T : V → W que possui as seguintes propriedades:
i) T (v1 + v2 ) = T (v1 ) + T (v2 ), para quaisquer v1 e v2 em V ;
ii) T (av) = aT (v), para quaisquer v em V e a em R.
Em consequência a essa definição, temos que as propriedades i e ii são equivalentes à seguinte propriedade
T (v1 + av2 ) = T (v1 ) + aT (v2 )
para quaisquer v1 e v2 em V e para qualquer a em R.
No caso em que V = W , uma transformação linear T : V → V é chamada também de operador linear.
Exemplo 1: A função T : R2 → R, dada por T (x, y) = x + y, é uma transformação linear. De fato, se

v1 = (x1 , y1 ) ∈ R2 , v2 = (x2 , y2 ) ∈ R2 e a ∈ R, temos que:
T (v1 + av2 ) = T (x1 + ax2 , y1 + ay2 )
= x1 + ax2 + y1 + ay2
= (x1 + y1 ) + a(x2 + y2 )
= T (v1 ) + aT (v2 )
Portanto, T é uma transformação linear de R2 em R.
Exemplo 2: A função T : R3 → R2 , dada por T (x, y, z) = (x − y, y − z), é uma transformação linear. De

fato, se v1 = (x1 , y1 , z1 ) ∈ R3 , v2 = (x2 , y2 , z2 ) ∈ R3 e a ∈ R, temos que:
T (v1 + av2 ) = T (x1 + ax2 , y1 + ay2 , z1 + az2 )
= (x1 + ax2 − (y1 + ay2 ), y1 + ay2 − (z1 + az2 ))
= ((x1 − y1 ) + a(x2 − y2 ), (y1 − z1 ) + a(y2 − z2 ))
= (x1 − y1 , y1 − z1 ) + a(x2 − y2 , y2 − z2 )
= T (v1 ) + aT (v2 )

231
mostrando que T é uma transformação linear de R3 em R2 .
Exemplo 3: A função T : R → R, dada por T (x) = 7x, é uma transformação linear. De fato, se
x1 , x2 ∈ R, temos que:
T (x1 + ax2 ) = 7(x1 + ax2 ) = 7x1 + a7x2 = T (x1 ) + aT (x2 )
Exemplo 4: A função T : R2 → R2 , dada por T (x, y) = (x2 , y), não é uma transformação linear. De
fato, se tomarmos v1 = (1, 0), v2 = (2, −1) e a = 3 temos:
T (v1 + av2 ) = T ((1, 0) + 3(2, −1))
= T ((1, 0) + (6, −3))
= T (7, −3)
= (49, −3)
e
T (v1 ) + aT (v2 ) = T (1, 0) + 3T (2, −1)
= (1, 0) + 3(4, −1)
= (1, 0) + (12, −3)
= (13, −3)
Logo, T (v1 + av2 ) �= T (v1 ) + aT (v2 ).
Teorema: Seja α = {v1 , . . . , vn } uma base de um espaço vetorial V . Sejam w1 , . . . , wn vetores de um

espaço vetorial W . Então, existe uma única transformação linear T : V → W tal que T (vj ) = wj para
todo 1 j n.
Transformações Lineares
V
Exemplo 5: Para determinarmos a transformação linear T : R2 → R3 tal que T (1, 1) = (0, 2, 1) e

NÚCLEO E IMAGEM DE UMA TRANSFORMAÇÃO
T (0, 2) = (1, 0, 1), devemos, pelo Teorema 2, verificar que α = {(1, 1), (0, 2)} é uma base de R e calcular
2
LINEAR
as coordenadas de um vetor de R na base α. Ora, como α é linearmente independente e dimR = 2,
2 2
temos que α é uma base de R2 . Além disso, se (x, y) ∈ R2 , então,
(x, y) = a1 (1, 1) + a2 (0, 2)
y−x
e dessa igualdade obtemos a1 = x e a2 = , portanto,
2
y−x
T (x, y) = xT (1, 1) + 2 T (0, 2)
y−x
= x(0, 2, 1) + 2 (1, 0, 1)
� y−x �
= (0, 2x, x) + 2 , 0, y−x 2
� x+y �
= y−x2 , 2x, 2
NÚCLEO E IMAGEM DE UMA TRANSFORMAÇÃO LINEAR
Definição: Seja T : V → U uma transformação linear. A imagem de T , escrita ImT , é o conjunto dos
pontos imagem em U
Im T = {u ∈ U ; T (v) = u para algum v ∈ V }
O núcleo de T , denotado por N uc T , é o conjunto dos elementos em V , que são transformados em 0 ∈ U
N uc T = {v ∈ V ; T (v) = 0}
Exemplo 6: Seja T : R4 → R3 a transformação linear definida por:
T (x, y, s, t) = (x − y + s + t, x + 2s − t, x + y + 3s − 3t)
Para determinarmos N uc T , devemos obter o conjunto de vetores (x, y, s, t) em R4 tais que:
T (x, y, s, t) = (x − y + s + t, x + 2s − t, x + y + 3s − 3t) = (0, 0, 0)
Equivalentemente, N uc T é o conjunto solução do seguinte sistema linear:

⎧
⎪
⎪
⎪ x−y+s+t=0
⎪
⎨
⎪ x + 2s − t = 0
⎪
⎪
⎪
⎩
x + y + 3s − 3t = 0

233
Escalonando o sistema, obtemos: ⎧

⎪
⎨ x−y+s+t=0
⎪
⎩
Escalonando o sistema, obtemos: y + s − 2t = 0
⎧
⎪
⎨ x−y+s+t=0
Pondo y = 2t − s conseguimos x = t − 2s. Portanto:
⎪
⎩ y + s − 2t = 0
N uc T = {(t − 2s, 2t − s, s, t); s, t ∈ R}
Pondo y = 2t − s conseguimos x = t − 2s. Portanto:
Agora, vamos encontrar Im T . Para isso, vejamos o que segue:
N uc T = {(t − 2s, 2t − s, s, t); s, t ∈ R}
T (x, y, s, t) = (x − y + s + t, x + 2s − t, x + y + 3s − 3t)
Agora, vamos encontrar Im T . Para isso, vejamos o que segue:
= (x, x, x) + (−y, 0, y) + (s, 2s, 3s) + (t, −t, −3t)
− y1,+1)s + y(−1,
T (x, y, s, t) == (xx(1, t, x + 0, −+
2s1) t, x + y2,+
s(1, +−
3)3s 3t)−1, −3)
t(1,
= {(1,
Com isso, vemos que o conjunto (x, 1,
x,1),
x) + (−y,
(−1, 0, y)
0, 1), (1,+2,(s,
3),2s,
(1,3s) (t, −t,gera
−1,+−3)} −3t)T . Mas, colocando em
x(1, 1, 1) + y(−1, 0, 1) + s(1, 2, 3) + t(1, −1, −3)

forma de matriz e escalonando, o= obtemos:
⎡ ⎤ ⎡ ⎤
Com isso, vemos que o conjunto {(1, 1, 1), (−1, 0, 1), (1, 2, 3), (1, −1, −3)} gera T . Mas, colocando em
⎢ 1 1 1 ⎥ ⎢ 1 1 1 ⎥
forma de matriz e escalonando, o obtemos:⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎢ −1 0 1 ⎥ ⎢ 0 1 2 ⎥
⎡⎢ ⎤⎥ ⇒⎡⎢ ⎤⎥
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎢⎢ 1 1 1 2 1 3 ⎥⎥ ⎢⎢1 0 1 0 1 0⎥⎥
⎢⎣ ⎥⎦ ⎢⎣ ⎥⎦
⎢ ⎥ ⎢ ⎥
⎢ −11 0−1 1−3⎥ ⎢ 0 0 1 0 2 0⎥
⎢ ⎥⇒⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎢ 1 ⎥
2 , 3isto⎥é, ⎢ ⎥
⎢ de ImT
Assim, {(1, 1, 1), (0, 1, 2)} é uma base ⎢ 0 0 0 ⎥
⎣ ⎦ ⎣ ⎦
1 −1 −3 0 0 0
Im T = {(x, x + y, x + 2y); x, y ∈ R}
Assim, {(1, 1, 1), (0, 1, 2)} é uma base de ImT , isto é,
Teorema: Seja V de dimensão finita e seja T : V → U uma transformação linear. Então:
Im T = {(x, x + y, x + 2y); x, y ∈ R}
dim V = dim(N uc T ) + dim(Im T )
Teorema: Seja V de dimensão finita e seja T : V → U uma transformação linear. Então:
dim V = dim(N uc T ) + dim(Im T )
O teorema que apresentamos é de grande utilidade, pois estabelece uma relação numérica entre a
dimensão do espaço vetorial no domı́nio, com as dimensões do núcleo e da imagem da transformação,
Oisto é, a dimensão

teorema do espaço V
que apresentamos é igual
é de à soma
grande das dimensões
utilidade, do núcleo
pois estabelece umacom a dimensão
relação da imagem.
numérica entre a
dimensão do espaço vetorial no domı́nio, com as dimensões do núcleo e da imagem da transformação,
isto é, a dimensão do espaço V é igual à soma das dimensões do núcleo com a dimensão da imagem.
Núcleo e Imagem de uma Transformação Linear

V
AUTOVALORES E AUTOVETORES
AUTOVALORES E AUTOVETORES
Dado um operador linear T : V → V , queremos determinar quais vetores seriam levados neles mesmos
por esse operador linear. Isto é, dado T : V → V , quais os vetores v ∈ V tais que T (v) = v?
Exemplo 1: Seja o operador T : R2 → R2 definido por T (x, y) = (x, y), também conhecido como Aplica-
ção Identidade, que podemos simplesmente escrever I(x, y) = (x, y). Nesse caso, todo R2 é fixo uma vez
que I(x, y) = (x, y), para todo (x, y) ∈ R2 .
Exemplo 2: Seja o operador Reflexão no eixo do x, isto é, rx : R2 → R2 tal que rx (x, y) = (x, −y) ou
ainda em forma matricial temos: ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ x ⎥ ⎢ 1 0 ⎥ ⎢ x ⎥
⎣ ⎦ �→ ⎣ ⎦·⎣ ⎦
y 0 −1 y
Geometricamente:
Figura 2: Reflexão de um vetor u sobre o eixo x
Podemos notar, no exemplo anterior, que o vetor sobre o eixo dos x se manteve inalterado. De fato,
observemos o que segue: ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 1 0 ⎥ ⎢ x ⎥ ⎢ x ⎥
⎣ ⎦·⎣ ⎦=⎣ ⎦
0 −1 0 0
Ainda mais, podemos

⎡ verificar
⎤ que esses vetores são os únicos com essa propriedade, ou seja, se procurar-
⎢ x ⎥
mos outros vetores ⎣ ⎦ tais que
y
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 1 0 ⎥ ⎢ x ⎥ ⎢ x ⎥
⎣ ⎦·⎣ ⎦=⎣ ⎦
0 −1 y y

235
obtemos o seguinte sistema de equações lineares para ser resolvido

⎧
⎪
⎨ x + 0y = x
⎪
⎩ 0x − y = y
ou ainda ⎧
⎪
⎨ x=x
⎪
⎩ −y = y
e as únicas soluções desse sistema são vetores do tipo (x, 0), ou seja, são os vetores pertencentes ao eixo
dos x.
Seja T : V → V um operador linear. Um número real c será dito um autovalor de T se existir um vetor
não nulo v em V tal que: T (v) = cv. O vetor v é chamado de autovetor de T associado a c.
Observemos que se v é um autovetor de um operador T associado a um autovalor c, então todo múltiplo

por escalar de v é também um autovetor de T associado a c. Mais ainda, se A(c) = {v ∈ V ; T (v) = cv},
então A(c) é um subespaço vetorial de V chamado autoespaço de T associado a c. Note que A(c) é
formado pelo vetor nulo de V e por todos os autovetores de T associados a c.
Exemplo 3: Seja T : R2 → R2 o operador linear dado por T (x, y) = (4x−y, 2x+y). Queremos determinar
c ∈ R e v = (x, y) ∈ R2 , não nulo, tais que T (x, y) = c(x, y), ou seja, tais que (4x − y, 2x + y) = c(x, y).
Equivalentemente, queremos determinar c ∈ R e v = (x, y) ∈ R2 , não nulo tais que
⎧
⎪
⎨ 4x − y = cx
⎪
⎩ 2x + y = cy
Da primeira equação do sistema acima, isolamos y, obtendo y = 4x − cx e substituı́mos esse resultado na

segunda equação, isto é,
2x + y = cx ⇒ 2x + 4x − cx = c(4x − cx)
⇒ 6x − cx = 4cx − c2 x
⇒ 6x − 5cx + c2 x = 0
⇒ x(6 − 5c + c2 ) = 0
Essa última igualdade é satisfeita se x = 0 ou 6 − 5c + c2 = 0. Se x = 0 implica em y = 0, mas v não é

vetor nulo. Logo, temos que resolver 6 − 5c + c2 = 0. Resolvendo essa equação, obtemos c = 2 ou c = 3.
Portanto, c = 2 e c = 3 são os autovalores de T . Vamos agora determinar os autovetores de T associados
Autovalores e Autovetores
V
a c = 2. Com o sistema que montamos no inı́cio desse exemplo, obtemos

⎧
⎪
⎨ 4x − y = 2x
⎪
⎩ 2x + y = 2y
o qual é equivalente à equação 2x − y = 0, cujo conjunto solução é dado por {(x, 2x); ∈ R}. Assim, os
autovetores de T associados a c = 2 são os vetores da forma (x, 2x), com x ∈ R e x �= 0.
Da mesma forma que fizemos para c = 2, vamos determinar os autovetores de T associados a c = 3.

Temos o seguinte sistema ⎧
⎪
⎨ 4x − y = 3x
⎪
⎩ 2x + y = 3y
o qual é equivalente a equação x − y = 0, cujo conjunto solução é dado por {(x, x); ∈ R}. Portanto, os
autovetores de T associados a c = 3 são os vetores da forma (x, x), com x ∈ R e x �= 0.
Exemplo 4: Se I é matriz identidade de ordem n, então o único autovalor é c = 1. Qualquer vetor não
nulo v de Rn é um autovetor de I associado ao autovalor c = 1, pois:
Iv = v = 1v
⎛ ⎞
⎜ −3 1 ⎟
Exemplo 5: Vamos verificar se os vetores u e v são autovetores de A, em que A = ⎝ ⎠,
−5 3
⎛ ⎞ ⎛ ⎞
⎜ 1 ⎟ ⎜ 1 ⎟
u = ⎝ ⎠ e v = ⎝ ⎠.
1 2
Para identificarmos se u é um autovetor de A, devemos verificar se existe um escalar λ ∈ R tal que:

Au = λu. Temos que ⎛ ⎞⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜ −3 1 ⎟ ⎜ 1 ⎟ ⎜ −2 ⎟ ⎜ 1 ⎟
Au = ⎝ ⎠⎝ ⎠ = ⎝ ⎠ = −2 ⎝ ⎠
−5 3 1 −2 1
Assim, u = (1, 1) é um autovetor de A com autovalor correspondente λ = −2.
No caso do vetor v, temos:

⎛ ⎞⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜ −3 1 ⎟ ⎜ 1 ⎟ ⎜ −1 ⎟ ⎜ 1 ⎟
Av = ⎝ ⎠⎝ ⎠ = ⎝ ⎠=� λ⎝ ⎠
−5 3 2 1 2

237
Assim, não existe escalar λ ∈ R tal que Av = λv e, consequentemente, v = (1, 2) não é um autovetor da
matriz A.
Assim, não existe

Exemplo 6: Sejaescalar ∈R
T : R2λ→ R2 tal que Av =linear
o operador λv e,dado
consequentemente, v = x).
por T (x, y) = (−y, (1, 2) c∈R
Se não é um
e v autovetor R2 ,
= (x, y) ∈ da
matriz
v �= 0,A.
são tais que T (x, y) = c(x, y), então
(−y, x) = c(x, y)
Exemplo 6: Seja T : R2 → R2 o operador linear dado por T (x, y) = (−y, x). Se c ∈ R e v = (x, y) ∈ R2 ,
v=� 0, são tais que T (x, y) = c(x, y), então
equivalentemente, ⎧
⎪
⎨ cx = −y
(−y, x) = c(x, y)
⎪
⎩ cy = x
equivalentemente, ⎧
donde obtemos a equação (c2 + 1)y = 0. Como c ∈ R, a equação (c2 + 1)y = 0 é satisfeita somente
⎪
⎨ cx = −y
quando y = 0. Mas se y = 0, implica x = 0. Mas v �= 0 logo concluı́mos que T não tem autovalores nem
⎪
⎩ cy = x
autovetores.
donde obtemos a equação (c2 + 1)y = 0. Como c ∈ R, a equação (c2 + 1)y = 0 é satisfeita somente
quando y = 0. Mas se y = 0, implica x = 0. Mas v �= 0 logo concluı́mos que T não tem autovalores nem
autovetores.
Em computação gráfica, os movimentos mais simples de imagens manipulados na tela dos computado-
res são, na verdade, multiplicação de matrizes que representam transformações lineares, por exemplo,
as reflexões, contrações e projeções.
Fonte:
Em o autor. gráfica, os movimentos mais simples de imagens manipulados na tela dos computado-
computação
res são, na verdade, multiplicação de matrizes que representam transformações lineares, por exemplo,
as reflexões, contrações e projeções.
Fonte: o autor.
Autovalores e Autovetores
V
POLINÔMIO CARACTERÍSTICO
POLINÔMIO CARACTER ÍSTICO
Apresentaremos uma fórmula sistemática de calcular os autovalores de uma matriz quadrada de ordem n.
A cada matriz A ∈ Mn (R) associaremos um polinômio cuja propriedade de suas raı́zes é exatamente os
autovalores de A. Antes de apresentarmos formalmente esse polinômio, vejamos, por meio de um exemplo,
como ele surge naturalmente.
⎛ ⎞
⎜ 1 1 ⎟
Exemplo 7: Vamos determinar os autovalores de A = ⎝ ⎠ e seus respectivos autovetores asso-
−2 4
ciados.
Vejamos, queremos encontrar números reais λ e todos os vetores não nulos v = (x, y) ∈ R2 satisfazendo a
equação
Av = λv
ou seja, ⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜ 1 1 ⎟⎜ x ⎟ ⎜ x ⎟
⎝ ⎠⎝ ⎠ = λ⎝ ⎠
−2 4 y y
A qual podemos representar pelo seguinte sistema

⎧
⎪
⎨ x + y = λx
⎪
⎩ −2x + 4y = λy
ou ainda ⎧
⎪
⎨ (λ − 1)x − y = 0
⎪
⎩ 2x + (λ − 4)y = 0
E esse sistema é homogêneo de duas equações e duas incógnitas. Escalonando, obtemos

⎧
⎪
⎨ (λ − 1)x − y = 0
⎩ �(λ − 1)(λ − 4) + 2�y = 0
⎪
e este terá solução não nula se, e somente se, (λ − 1)(λ − 4) + 2 = 0 o que é equivalente a
⎛ ⎞
⎜ λ − 1 −1 ⎟
det ⎝ ⎠=0
2 λ−4

239
ou se preferir � �
� �
� λ − 1 −1 �
� �
� �=0
� �
� 2 λ−4 �
Isto é, se, e somente se, o determinante da matriz associada ao sistema linear for nulo.
Simplificando a equação (λ − 1)(λ − 4) + 2 = 0, obtemos λ2 − 5λ + 6 = 0, ou ainda, (λ − 2)(λ − 3) = 0 e,

portanto, temos, para essa equação, λ = 2 e λ = 3. Logo, λ = 2 e λ = 3 são os autovalores da matriz A.
Para encontrarmos os autovetores v = (x, y) ∈ R2 associados ao autovalor λ = 2, observemos o sistema

⎧
⎪
⎨ x + y = 2x
⎪
⎩ −2x + 4y = 2y
ou, equivalentemente, −x + y = 0. O que resulta na solução geral {(x, x); x ∈ R}. Portanto, os vetores
da forma (x, x) são os autovetores da matriz A associados ao autovalor λ = 2.
De forma análoga, para encontrarmos os autovetores da matriz A associados ao autovalor λ = 3, obser-

vemos o seguinte sistema ⎧
⎪
⎨ x + y = 3x
⎪
⎩ −2x + 4y = 3y
ou, o mesmo que −2x + y = 0, cuja solução geral é dada por {(x, 2x); x ∈ R}. Portanto, os vetores da
forma (x, 2x) são os autovetores da matriz A associados ao autovalor λ = 3.
Notemos no exemplo anterior que o determinante transformou a equação matricial (λIn − A)v = 0, que
contém duas incógnitas, λ e v, na equação polinomial λ2 − 5λ + 6 = 0, que tem uma variável só. Usaremos
o processo apresentado nesse exemplo como o método padrão para determinar os autovalores de uma
matriz A ∈ Mn (R).
Definição 1: Seja A uma matriz quadrada de ordem n. A matriz λIn −A, em que λ é uma indeterminada,
é chamada matriz caracterı́stica de A. O determinante dessa matriz é um polinômio em λ, chamado
polinômio caracterı́stico da matriz A e denotado por PA (λ).
⎛ ⎞
⎜ 4 −1 ⎟
Exemplo 8: Seja a matriz A = ⎝ ⎠. A matriz caracterı́stica de A é
3 1
⎛ ⎞
⎜ λ−4 1 ⎟
λI2 − A = ⎝ ⎠
−3 λ − 1
Polinômio Característico
V
e o polinômio caracterı́stico de A é
� �
� �
� λ−4 1 �
� �
PA (λ) = � � = λ2 − 5λ + 7
� �
� −3 λ − 1 �
⎛ ⎞
⎜ 0 −1 ⎟
Exemplo 9: Consideremos a matriz A = ⎝ ⎠. A matriz caracterı́stica de A é a matriz
1 0
⎛ ⎞
⎜ λ 1 ⎟
⎝ ⎠
−1 λ
e o polinônio caracterı́stico de A é
PA (λ) = λ2 + 1
Podemos observar que as raı́zes do polinômio caracterı́stico encontradas no exemplo 7 são exatamente
os autovalores do exemplo 3. O mesmo ocorre com o exemplo 9 e 6. Esse resultado não é por acaso.
Acontece sempre, logo, podemos falar que as raı́zes não nulas do polinômio caracterı́stico são, de fato, os
autovalores do operador linear dado.
Exemplo 10: Vamos determinar os autovalores e autovetores da matriz

⎛ ⎞
⎜ 5 −2 1 2 ⎟
⎜ ⎟
⎜ ⎟
⎜ 0 3 −6 3 ⎟
⎜
A=⎜ ⎟
⎟
⎜ 0 0 5 −5 ⎟
⎜ ⎟
⎝ ⎠
0 0 0 0
Temos que o polinômio caracterı́stico dessa matriz é

� �
� �
� λ−5 2 −1 −2 ��
�
� �
� �
� 0 λ−3 6 −3 �
PA (λ) = det(λI4 − A) = �� = λ(λ − 3)(λ − 5)2
�
� 0 0 λ − 5 5 ��
�
� �
� �
� 0 0 0 λ �
Cujas raı́zes são 0, 3, 5 e 5. Portanto, os autovalores da matriz A são 0, 3, 5 e 5. Mas observemos que
os autovalores 0 e 3 têm multiplicidade algébrica 1, enquanto o autovalor 5 aparece com multiplicidade

241
algébrica 2. Vamos, agora, calcular os autovetores associados em cada caso.

Para o autovalor λ = 0, temos que os autovetores associados v = (x, y, z, w) satisfazem o sistema linear
(0I4 − A)v = 0
isto é, ⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜ −5 2 −1 −2 ⎟ ⎜ x ⎟ ⎜ 0 ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 0 −3 6 −3 ⎟ ⎜ y ⎟ ⎜ 0 ⎟
⎜ ⎟⎜ ⎟=⎜ ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 0 0 −5 5 ⎟ ⎜ ⎟ ⎜ 0 ⎟
⎜ ⎟⎜ z ⎟ ⎜ ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 0 0 0 w 0
ou ainda ⎧
⎪
⎪ −5x + 2y − z − 2w = 0
⎪
⎪
⎨
⎪ −3y + 6z − 3w = 0
⎪
⎪
⎪
⎩
−5z + 5w = 0
o qual possui como solução geral o conjunto {(−w/5, w, w, w)w ∈ R}. Portando, os autovetores associados
� �
ao autovalor λ = 0 são da forma v = − w5 , w, w, w , com w ∈ R.
Analogamente, os autovetores associados ao autovalor λ = 3 satisfazem a seguinte equação
(3I4 − A)v = 0
isto é, ⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜ −2 2 −1 −2 ⎟⎜ x ⎟ ⎜ 0 ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 0 0 6 −3 ⎟ ⎜ y ⎟ ⎜ 0 ⎟
⎜ ⎟⎜ ⎟=⎜ ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 0 0 −2 5 ⎟ ⎜ z ⎟ ⎜ 0 ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 0 0 3 w 0
cujas soluções são da forma v = (x, x, 0, 0), com x ∈ R.
Por fim, vamos obter os autovetores da matriz A associados ao autovalor λ = 5 resolvendo o seguinte
sistema
(5I4 − A)v = 0
Polinômio Característico
V
isto é ⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜ 0 2 −1 −2 ⎟ ⎜ x ⎟ ⎜ 0 ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 0 2 6 −3 ⎟ ⎜ y ⎟ ⎜ 0 ⎟
isto é ⎜⎛ ⎟ ⎜
⎞ ⎛ ⎟= ⎜ ⎟
⎜ ⎟⎜ ⎟ ⎞⎜ ⎛ ⎟ ⎞
⎜ 0 0 0 5 ⎟⎜ z ⎟ ⎜ 0 ⎟
⎜
⎝⎜ 0 2 −1 −2 ⎟⎜
⎠⎝⎟⎜ ⎟ x ⎟⎜ ⎜ ⎟ 0 ⎟
⎜ ⎟⎜ ⎠ ⎟⎝ ⎜ ⎠ ⎟
⎜0 0 0 5 ⎟⎜ w ⎟ ⎜ 0 ⎟
⎜ 0 2 6 −3 ⎟ ⎜ y ⎟ ⎜ 0 ⎟
⎜ ⎟⎜ ⎟=⎜ ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
equivalente a ⎜ ⎟⎜ ⎟ ⎜ 0 ⎟
⎛⎜ 0 0 0 ⎞5⎛ ⎟ ⎜⎞z ⎟ ⎛ ⎜ ⎞ ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 1
⎜ 0 0 0 ⎟5⎜0 0 x ⎟w ⎜ ⎟ 00
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 0 0 1 0 ⎟⎜ y ⎟ ⎜ 0 ⎟
equivalente a ⎜⎛ ⎟⎜ ⎞⎛ ⎟ ⎞⎜ ⎟
⎜ ⎟⎜ ⎟= ⎜ ⎛⎟ ⎞
⎜ 0 0 0 1 ⎟⎜ z ⎟ ⎜ 0 ⎟
⎜⎜ 0 1 0 ⎟ 0⎜ x
⎟
⎟⎜ ⎠ ⎟⎝ ⎜ ⎟⎜ 0 ⎟
⎝⎜ ⎠⎝ ⎟⎜ ⎟ ⎜⎠ ⎟
⎜
0 00 00 10 0 ⎟ ⎜⎟ ⎜ ⎟
w y ⎟ ⎜ ⎜
0 0 ⎟
⎜ ⎟
⎜ ⎟⎜ ⎟=⎜ ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
de onde obtemos soluções da forma v ⎜
= (x,
⎜ 0 0, ⎟ ⎜x z∈ R.
0 0,00),1com
⎟⎜
⎟ ⎜ 0 ⎟
⎟ ⎜ ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 0 0 0 w 0
de onde obtemos soluções da forma v = (x, 0, 0, 0), com x ∈ R.
Este é um ótimo vı́deo do professor Elon Lages Lima sobre o estudo de Matrizes. Além das opera-
ções fundamentais de matrizes, Elon aborda algumas aplicações das matrizes. Tais aplicações foram
abordadas no decorrer deste livro. O vı́deo enriquecerá bastante o assunto tratado neste livro.
Este é um ótimo vı́deo do professor Elon Lages Lima sobre o estudo de Matrizes. Além das opera-
<https://www.youtube.com/watch?v=eEbp3aKFoIA>.
ções fundamentais de matrizes, Elon aborda algumas aplicações das matrizes. Tais aplicações foram
abordadas no decorrer deste livro. O vı́deo enriquecerá bastante o assunto tratado neste livro.
<https://www.youtube.com/watch?v=eEbp3aKFoIA>.

243
Vimos nesta última unidade conceitos importantes e essenciais para o estudo da Álgebra Linear. Os con-
ceitos sobre autovalor e autovetor de uma transformação linear (ou matriz) são de extrema importância,
por exemplo, em Fı́sica Atômica, porque os nı́veis de energia dos átomos e moléculas são dados por auto-
valores de determinadas matrizes. Também o estudo dos fenômenos de vibração, análise de estabilidade
de um avião e muitos outros problemas de Fı́sica levam à procura de autovalores e autovetores de matri-
zes. Autovalores e autovetores também são utilizados na resolução de sistemas de equações diferenciais,
e muitas situações fı́sicas são descritas por um sistema de equações diferenciais. Você terá conhecimento
de equações diferenciais mais adiante no curso, nas disciplinas de Cálculo.
Apresentamos um procedimento bem prático e interessante para obter os autovalores e autovetores, que
foi utilizando o polinômio caracterı́stico, em que as raı́zes desse polinômio representavam os autovalores
associados à matriz da transformação linear.
Outra aplicação importante desses conceitos é a classificação de cônicas e quádricas. Conteúdos estes que
forão tratados na unidade III do livro. Nela, autovalores e autovetores são usados para normalizar formas
quadráticas. Mais especificamente, eles são usados para encontrar mudanças de referencial que permitem
identificar quais as figuras geométricas que representam certas equações no plano e no espaço.
Então, podemos ver que os conteúdos estudados neste curso são aplicados em diversas áreas da ciência.
Como o espaço para escrita deste livro foi limitado, concentramos-nos somente em conceitos e alguns
exemplos de aplicações conceituais. Cabe ao(à) leitor(a) curioso(a) buscar em outras bibliografias o
estudo mais aprofundado sobre Álgebra Linear.
A MATEMÁTICA DOS CÓDIGOS DE BARRAS
C. Polcinio Milies
Adaptado de Anderson Leandro Zulin
Um código de barras não é mais do que um número, assignado ao produto para sua identificação, escrito
de forma a permitir uma leitura rápida no caixa. Imediatamente abaixo das barras, aparece o mesmo
número escrito em algaritmos correntes, de forma que o leitor humano também possa ler o número.
Vamos fazer algumas considerações sobre a leitura de um código de barras: primeiro que o desenho das
barras é totalmente simétrico para a máquina, que o lê usando um feixe de luz transversal, ao passá-lo “de
ponta cabeça”, ela não deveria ler o número na ordem contrária? E, o que é pior, o operador do caixa, ao
digitar o número rapidamente, não poderia cometer um erro fazendo com que paguemos por um produto
muito mais caro do que aquele que estamos comprando? Na verdade, isso não ocorre. Tanto quando lido
numa ordem, como na ordem contrária, o código sempre é interpretado de forma correta. Mais ainda,
quando o operador comete algum erro de digitação - e todos nós já vimos isso acontecer alguma vez - a
máquina simplesmente emite um som, para avisar que houve um erro.
Se observamos um código de barras, notamos imediatamente que ele é formado por listras brancas e
pretas alternadas, de espessura variável. Há, na verdade, quatro espessuras possı́veis para essas listras,
que podem ser classificadas como finas, médias, grossas ou muito grossas. Vamos utilizar o sı́mbolo 0 para
indicar uma listra branca fina, o sı́mbolo 00 para uma listra branca média, 000 para uma listra branca
grossa e 0000 para uma muito grossa. Da mesma forma, vamos representar por 1, 11, 111 e 1111 uma
listra preta fina, média, grossa ou muito grossa, respectivamente. Assim, as primeiras quatro listras da
figura (sem contar, é claro as listras que servem de limite e que aparecem mais compridas na figura), que
são uma listra branca grossa, uma preta média, uma branca fina e uma preta fina respectivamente, podem
ser representadas pela sequência 0001101.
Há dois tipos de códigos o UPC-A e EAN-13. No código EAN há um dı́gito a cada código, de modo
a permitir a identificação do paı́s de origem do produto. Por exemplo, o código de barras de todos os
produtos produzidos no Brasil começa com a sequência 789, que é a que identifica o paı́s.
245
A detecção de erros - aplicação
Para compreender como funciona o processo de detecção de erros, precisamos entender, inicialmente, como
se atribui a cada produto o dı́gito de verificação. Suponhamos que um determinado produto está identi-
ficado, no sistema EAN-13, por uma dada sequência de dı́gitos a1 a2 . . . a12 a13 . Como os primeiros dı́gitos
identificam o paı́s de origem, o fabricante e o produto especı́fico, os primeiros doze dı́gitos da sequência
estão determinados naturalmente por um método padrão, a cargo de uma autoridade classificadora em
cada paı́s. Denotaremos o décimo terceiro dı́gito, de verificação, por x. Para facilitar nossa exposição,
vamos escrever esta sequência como um vetor: α = (a1 , a2 , . . . , a11 , a12 , x). O sistema EAN-13 se utiliza
de um vetor fixo, que chamaremos vetor de pesos que é: w = (1, 3, 1, 3, 1, 3, 1, 3, 1, 3, 1, 3, 1). Calcula-se,
então, o “produto escalar” de ambos vetores: �α, w� = �(a1 , . . . , a12 , x), (1, 3, 1, 3, 1, 3, 1, 3, 1, 3, 1, 3, 1)� =
= a1 + 3a2 + a3 + 3a4 + a5 + 3a6 + a7 + 3a8 + a9 + 3a10 + a11 + 3a12 + x. Agora, o dı́gito de ve-
rificação x se escolhe de forma tal que a soma acima seja múltipla de 10, isto é, tal que �α, w� =
0(mod10). Por exemplo, no caso do código da figura acima, os números que indicam o paı́s de ori-
gem, o fabricante e o produto são 789500026624. Vamos ver como foi determinado o dı́gito de ve-
rificação. Chamando este dı́gito de x e fazendo o “produto escalar” com o vetor de pesos, temos:
7 + 3 × 8 + 9 + 3 × 5 + 0 + 3 × 0 + 0 + 3 × 2 + 6 + 3 × 6 + 2 + 3 × 4 + x = 99 + x. Consequente-
mente, deve-se tomar x = 1.
Vejamos agora um exemplo de como funciona a detecção de erros. Um livro do autor recebeu o código
de barras 9781402002380. Suponhamos que, por um erro de digitação no quarto dı́gito, este número
é transmitido como α = 9782402002380. Ao fazer a verificação de leitura, o computador que recebeu a
informação faz a operação �α, w� e obtém: 9+3×7+8+3×2+4+3×0+2+3×0+0+3×2+3+3×8+0 = 73.
Como o resultado não é um múltiplo de 10, ele avisa que foi cometido algum erro.
Assim o sistema detecta todo erro de transposição cometido.
O artigo completo vocês podem encontrar em: <http://mat.ufg.br/bienal/2006/mini/polcino.pdf> Acesso

em: 23 jul. 2014.
ATIVIDADES DE AUTOESTUDO
1. Seja T : R3 → R3 uma transformação linear definida por T (x, y, z) = (y − z, −x, x), chama-se núcleo
da transformação T o conjunto dos pontos de R3 cuja imagem por T é nula. Assim, o núcleo de T
é o subespaço de R3 gerado por:
a) {(0, 0, 0)}
b) {(0, 1, 0)}
c) {(1, 0, −1)}
d) {(0, 1, 1)}
e) {(1, 0, 1), (0, 1, 0)}
2. Seja T : R2 → R a transformação linear para a qual T (1, 1) = 3 e T (0, 1) = −2. Encontre T (x, y),
para (x, y) ∈ R2 .
3. Verifique se o vetor v ∈ V pertence ao núcleo da transformação linear T : V → W , em cada caso:
(a) V = R3 , W = R2 , T (x, y) = (x + y − z, 3y + z), v = (4, −1, 3)
(b) V = R3 , W = R2 , T (x, y) = (x + y − z, 3y + z), v = (1, −1, 2)

⎛ ⎞ ⎡ ⎤
⎜ a11 a12 ⎟ ⎢ 1 −3 ⎥
(c) V = M2 (R), W = R, T ⎝ ⎠ = a11 + a12 + 2a21 + 2a22 , v = ⎣ ⎦
a21 a22 5 2
⎛ ⎞ ⎡ ⎤
⎜ a11 a12 ⎟ ⎢ 1 3 ⎥
(d) V = M2 (R), W = R, T ⎝ ⎠ = a11 + a12 + 2a21 + 2a22 , v = ⎣ ⎦
a21 a22 3 −5
4. Determine a dimensão e uma base do núcleo, a dimensão e uma base da imagem da transformação
linear T : R3 → R2 dada por T (x, y, z) = (y − 2z, x − y − z).
5. Determine os autovalores e os autovetores das seguintes transformações lineares:
a) T : R2 → R2 dada por T (x, y) = (x − y, x);
b) T : R3 → R3 dada por T (x, y, z) = (x, −2x − y, 2x + y + 2z);
c) T : R[x]2 → R[x]2 dada por T (ax2 + bx + c) = ax2 + cx + b;

⎛⎡ ⎤⎞ ⎡ ⎤
⎜⎢ a b ⎥⎟ ⎢ 2c a+c ⎥
d) T : M (2) → M (2) dada por T ⎝⎣ ⎦⎠ = ⎣ ⎦.
c d b − 2c d
247
6. Determine os autovalores e os autovetores dos seguintes operadores cujas matrizes na base canônica
são:
⎛ ⎞
⎛ ⎞
⎛ ⎞ ⎜ 4 0 2 0 ⎟
⎜ ⎟
⎜ 1 0 0 ⎟ ⎜ ⎟
⎜ 2 2 ⎟ ⎜ ⎟ ⎜ 0 2 0 0 ⎟
a) A = ⎝ ⎠ b) A = ⎜ ⎟
⎜ −1 0 −2 ⎟ c) A = ⎜
⎜
⎟
⎟
2 2 ⎝ ⎠ ⎜ 0 0 2 0 ⎟
⎜ ⎟
1 1 3 ⎝ ⎠
0 −1 0 0
7. Os autovalores de um operador linear T : R3 → R3 são λ1 = 1, λ2 = 2 e λ3 = −1, sendo v1 = (1, 1, 1),

v2 = (0, 1, 1) e v3 = (−1, 1, 0) os respectivos autovetores associados. Determine T (x, y, z).
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜ 1 ⎟ ⎜ 0 ⎟ ⎜ 0 0 ⎟
8. Verifique se v = ⎝ ⎠ e u = ⎝ ⎠ são autovetores da matriz A = ⎝ ⎠. Determine os
0 1 0 1
autovalores correspondentes.
⎛ ⎞ ⎛ ⎞
⎜ 1 ⎟ ⎜ −3 1 ⎟
9. Verifique se v = ⎝ ⎠ é autovetor da matriz A = ⎝ ⎠. Caso seja, determine o autovalor
4 −3 8
correspondente.
⎛ ⎞ ⎛ ⎞
⎜ 4 ⎟ ⎜ 3 7 9 ⎟
⎜ ⎟ ⎜ ⎟
10. Verifique se v = ⎜ ⎟ ⎜ ⎟
⎜ −3 ⎟ é autovetor da matriz A = ⎜ −4 −5 1 ⎟. Caso seja, determine o
⎝ ⎠ ⎝ ⎠
1 2 4 4
autovalor correspondente.
⎛ ⎞
⎜ 4 −1 6 ⎟
⎜ ⎟
11. Seja a matriz A = ⎜ ⎟
⎜ 2 1 6 ⎟. Verifique se λ = 2 é um autovalor de A.
⎝ ⎠
2 −1 8
12. Determine os valores de a, b, c, d, e e f de modo que v1 = (1, 1, 1), v2 = (1, 0, −1) e v3 = (1, −1, 0)
⎛ ⎞
⎜ 1 1 1 ⎟
⎜ ⎟
sejam autovetores da matriz A = ⎜ ⎜ a
⎟
b c ⎟ e os autovalores associados.
⎝ ⎠
d e f
MATERIAL COMPLEMENTAR
O Romance das Equações Algébricas – A história

da Álgebra
GARBI, Gillberto G.
Editora: Makron Books

Sinopse: Representa algo inovador no Brasil e há de exer-
cer duradoura influência nos métodos de ensino da Mate-
mática em nosso paı́s. Sem dúvida, trata-se de uma obra
que será muito bem recebida por professores, alunos e afi-
cionados e está destinada a despertar em muitos jovens
vocações até então desconhecidas para uma ciência que,
ainda hoje injustificadamente, costuma ser envolta em um
manto de mistério e encarada com infundado temor. Em poucas palavras, um livro fascinante.
249
CONCLUSÃO
CONCLUSÃO DO LIVRO
Caro(a) leitor(a), reunir as disciplinas Álgebra Linear e Geometria Analı́tica em único livro foi uma tarefa
bastante desafiadora, visto a enorme responsabilidade, por se tratar de dois pilares da matemática do
ensino superior, e também de extrema importância para as mais diversas áreas de conhecimento, das
ciências exatas e engenharias. A proposta inicial deste material foi apresentar a geometria analı́tica de
maneira construtiva, com muitos exemplos e ilustrações que pudessem facilitar a compreensão dos assuntos
abordados. Na unidade 1, iniciamos o estudo dos vetores, salientando os aspectos geométricos em sua
essência, para, depois, abordar os aspectos algébricos, e estendemos as definições e propriedade dos vetores
nos espaços euclidianos para outros conjuntos, permitindo, então, definir os espaços vetoriais, dando inı́cio
ao estudo da álgebra linear.
Na unidade 2, estudamos as retas e os planos, deduzimos várias equações, sempre partindo dos conceitos
estudados na unidade anterior, mostrando, assim, a importância dos vetores com suas teorias. Na unidade
seguinte, vimos as equações de grau dois com duas variáveis no plano cartesiano e obtemos as curvas
cônicas. Ainda na mesma unidade, fizemos um estudo bem detalhado das superfı́cies quádricas no espaço
tridimensional, sendo essa última um dos principais objetivos deste material, em se tratando de geometria
analı́tica.
Voltando ao estudo da álgebra linear, na unidade 4, fizemos o estudo das matrizes, dos determinantes e
dos sistemas lineares, conteúdos extremamente importantes para as engenharias e ciências exatas. En-
fim, concluı́mos nosso estudos com a unidade 5, na qual apresentamos as transformações lineares, os
autovalores, autovetores e o polinômio caracterı́stico.
Esperamos que o livro apresentado aqui possa, de alguma maneira, ter contribuı́do para seu aprendizado
e, principalmente, tenha dado uma base sólida para a continuidade dos seus estudos.
251
REFERÊNCIAS
BIBLIOGRAFIA
ANTON, H.; RORRES, C. Álgebra Linear com Aplicações. Porto Alegre: Bookman, 2008.
BOLDRINI, J. M., et al. Álgebra Linear. 3 ed. São Paulo: Harper & Row do Brasil, 1980.
BOULOS, P., CAMARGO, I. Geometria Analı́tica - um tratamento vetorial. São Paulo: Makron
Books do Brasil, 1987.
CALLIOLI, C. A., et al. Álgebra Linear e Aplicações. 6 ed. São Paulo: Atual, 1990.
D’ AMBROSIO, U. Da realidade à ação: reflexões sobre educação e matemática. 2. ed. São Paulo:
Sumus editorial, 1996.
HOFFMAN, K.; KUNZE, R. Álgebra Linear. Tradução: Adalberto P. Bergamasco, São Paulo: Polı́-
gono, 1970.
LIMA, E. L. Álgebra Linear. 8 ed. Rio de Janeiro: Impa, 2009.
LIPSCHUTZ, S. Álgebra Linear. 4 ed. Tradução Dr. Carlos Ivo Doering, coleção schaum. Porto
Alegre: Bookman, 2011.
SANTOS, N. M. Vetores e Matrizes. 4 ed. Rio de Janeiro: LTC - Livros Técnicos e Cientı́ficos Editora
S.A., 1985.
STEINBRUCH, A.; WINTERLE, P. Geometria Analı́tica. 2 ed. São Paulo: McGraw-Hill, 1987.
STEINBRUCH, A.; WINTERLE, P. Álgebra Linear. 2 ed. São Paulo: Makron Books, 1987.
STRANG, G. Álgebra Linear e suas Aplicações. Tradução da 4 ed norte-americana (All Tasks). São
Paulo: Cengage Learning, 2013.
GABARITO
GABARITO
UNIDADE I
1)
a) X = −4 e) X = −2 i) X = 6
b) X = 4 f ) X = −2 j) X = −3
c) X = 4 g) X = 2 l) X = −1
d) X = 4 h) X = 3 m) X = 2
2) 3)
a) D(7, 7) a) 2
b) F (−2, 0) b) − 2 h) − 1
c) D(3, 1) c) 4 i) 5
d) K(7, 3) d) 4 j) 0
e) I(−7, 1) e) − 8 k) 5
f ) J(1, 5) f) 8 l) − 2
g) L(5, −1) 4 m) − 10
g) n) 1
h) M (8, 6) 3
4) 5) 6)
a) (1, −1) a) (−1, −1, 2) Desenho de vetores
b) (2, 0) b) (2, 0, −2)
c) (0, 0) c) (9, −1, −8)
d) (2, 0) d) √(3, −5, 2)
e) (0, 0) e) √ 2
f ) (2, 0) f ) 2√ 2
g) (−1, 2) g) √3 2
h) (3, 0) h) 6
i) 1√
j) 2
k) 2√
l) 2 2
7) 8) 9)
a)�v + 2�u 1 7 �u e �v não são paralelos
(−4, 1) = (−1, 2) + (−5, 1)
b)2�v − �u 9 9
c)2(�v − �u)
d)�v − �u
253
GABARITO
10) 11) 12)

5
a=5eb= a) Não a) Tente mostrar por absurdo
6
b) Sim que �u e �v são LD.
b) w
� = 2(−1, 2, 1) + 3(0, 1, 3)
13) 14) 17)

a) LD a) Sim a) W é Subespaço de R2
7 14
b) �x = ( , 0, − ) b) Não b) W não é Subespaço de R2
5 5
c) W não é Subespaço de R2
d) W é Subespaço de R2
18) 19) 20)

a) W é Subespaço de R3 a) W é Subespaço de M (3, 3) a) W não é Subespaço de R[x]
b) W não é Subespaço de R3 b) W é Subespaço de M (3, 3) b) W é Subespaço de R[x]
c) W é Subespaço de R3 c) W é Subespaço de M (3, 3) c) W é Subespaço de R[x]
d) W é Subespaço de R3
e) W é Subespaço de R3
21)
a) Base V= {(1,1,0),(0,0,1)}, div V=2; c) Base V= {(1,0,-1),(0,1,-3)}, div V=2;
Base W= {(1,1,1)}, div W=1; Base W= {(0,0,1)}, div W=1;
Base V+W= {(1,1,0),(0,0,1)}, div W+V=2; Base V+W= {(1,0,-1),(0,1,-3),(0,0,1)}, div W+V=3;
Base V∩W= {(1,1,1)}, div V∩W=1. div V∩W=0, não temos base para V∩W.
⎧⎛ ⎞ ⎛ ⎞⎫
⎪
⎨ 1 0 ⎪
⎬
⎜ ⎟ ⎜ 0 1 ⎟
b) Base V= ⎝ ⎠,⎝ ⎠ , dim V=2;
⎪
⎩ 0 1 ⎪
1 0 ⎭
⎧⎛ ⎞ ⎛ ⎞⎫
⎪
⎨ 1 0 ⎪
⎬
⎜ ⎟ ⎜ 0 1 ⎟
Base W= ⎝ ⎠,⎝ ⎠ , dim W=2;
⎪
⎩ 1 0 ⎪
0 1 ⎭
⎧⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎫
⎪
⎨ 1 0 ⎪
⎬
⎜ ⎟ ⎜ 0 1 ⎟ ⎜ 1 0 ⎟
Base V+W= ⎝ ⎠,⎝ ⎠,⎝ ⎠ , dim V+W=3;
⎪
⎩ 0 1 ⎪
1 0 1 0 ⎭
⎧⎛ ⎞⎫
⎪
⎨ 1 1 ⎪ ⎬
⎜ ⎟
Base V∩W= ⎝ ⎠ , dim V∩W=1.
⎩ 1 1 ⎪
⎪ ⎭
GABARITO
d) Base V= {(1,0,0,1),(0,1,0,2),(0,0,1,0),(0,0,0,-1)}, div V=4

Base W= {(1,1,1,1)}, div V=1
Base V+W= {(1,0,0,1),(0,1,0,2),(0,0,1,0),(0,0,0,-1)}, div W+V=4
Não temos uma base para V∩W, div V∩W=1
e) Base V= {(1,1,1)}, div V=1

Base W= {(0,0,1)}, div V=1
Base V+W= {(1,1,1),(0,0,1)}, div W+V=2
Não temos uma base para V∩W, div V∩W=1
22) 23) 24)

São L.I. a) São L.I. São L.D.
b) São L.I.
c) São L.D.
25) 26) 27)⎡ ⎤

São uma base de M (2, 2) a) O vetor ( 23 , 1, −1, 2) ∈S ⎢ 0 −2 ⎥
a) ⎣ ⎦∈W
b) O vetor (0, 0, 1, 1) �∈ S 0 1
⎡ ⎤
⎢ 0 2 ⎥
b) ⎣ ⎦ �∈ W
3 1
28) 29)
a) (7, −11, 2) = 3 · (2, −3, 2) − 1 · (−1, 2, 4) S = {(x, −5x + y, 5x − y, 2x); x, y ∈ R}
b) k = -88
c) a = 2α1 − α2 , b = −3α1 + 2α2 e c = 2α1 + 4α2
30)
a) Não são L.D.
b) São L.D.
c) Não são L.D.
d) São L.D.
255
GABARITO
31)
a) 6 e) 0 i) 4
b) − 6 f) 0 j) − 17
c) 6 g) 1 k) 4
d) 11 h) − 3 l) 0
m) 10
32)
√ 33)
√ 34)
2 26
�u e �v são ortogonais
2 26
35) 36) 37)

a) m = −1 ou m = 4 Demonstração (8, −8, −2)
� = (−3, −9)
b) w
38) 39) 40)

√
√ √ √ √
38 a) 2 2 3 7 3 3
,− ,−
√ 15 15 3
b) 2 3
41) 42) 43)

a) 8 a) − 2 28
b) − 8 b) 6
c) 8
44) 45) 46)

1 Demonstração Demonstração
GABARITO
UNIDADE II
1) 2) 3)
⎧
⎪
⎪ x = 1+a−b 25x + 12y + 3z − 1 = 0 −x + 3y + 2z − 3 = 0
⎪
⎪
⎨
a) y = −2 + 6a + 3b
⎪
⎪
⎪
⎪
⎩
z = 3 − 4a + b
b) O ponto E(2, 1, 0) pertence ao

plano π.
c) O sistema não tem solução, logo
F (1, 1, 1) não pertence ao plano π.
√
d) 53
4) 5) 6) √
13 42
x + 9y − 3z + 23 = 0 equação geral: −x + 3y − 3z + 19 = 0 cos θ = →θ∼
= 66, 34o
210
equação paramétrica:
⎧
⎪
⎪ x = 1 − 3p + 3q
⎪
⎪
⎨
⎪ y = −1 + p
⎪
⎪
⎪
⎩
z = 5 + 2p − q
7) 8) b)
⎧ ⎧
⎪ ⎪ −x + 3 −y + 2 −z + 4
⎪
⎪ x = 2 + 5λ ⎪
⎪ x = 3 − 4λ = = =λ
⎪
⎨ ⎪
⎨ 4 2 2
y = −1 + λ a) y = 2 − 2λ
⎪
⎪ ⎪
⎪
⎪
⎪ ⎪
⎪
⎩ ⎩ O ponto D não pertence a reta.
z = 3 − 5λ z = 4 − 2λ
O ponto C pertence a reta.
9) 10)
⎧ ⎧
⎪
⎪ x = 1−λ ⎪
⎪ x = −23λ
⎪
⎪ ⎪
⎪
⎨ ⎨
⎪ y = 2 + 2λ ⎪ y = −2 − 10λ
⎪
⎪ ⎪
⎪
⎪
⎩ ⎪
⎩
z = 5 z = 3 + 6λ
11)
257
GABARITO
a) b) c)
Os planos não são paralelos, São paralelos. Não são paralelos e nem coinci-
nem coincidentes. dentes.
12) 13) 14) 15)

k = 31 demonstração θ = arccos(0, 8870) ∼
= 27, 5o demonstração
16) √ √ √
4 3 5 14 3 2
a) b) c) 0. d)
3 14 2
17)
√ 18) 19)
7 1406
r e s são paralelas d(s, r) ∼
= 2, 8948
38
d(r, s) = 3, 2571
UNIDADE III
1)
Vértices: A1 (−3, 0) , A2 (3, 0), B1 (0, 2) e B2 (0, −2)
√ √
Focos: F1 (− 5, 0) e √ F2 ( 5, 0)
5
Excentricidade: e =
3
√
119
2) e =
12
x2 y2 15 ∼
3) + 2 = 1, focos: F1 (0, −15) e F2 (0, 15), excentricidade: e = = 0, 88.
172 8 17
x2 y2
4) Equação: + √ = 1.
152 ( 161)2
√ √
5) Focos: F1 (2 − 3, −1) e F2 (2 + 3, 1)
(x + 6)2 (y + 4)2
6) Equação reduzida: 2
+ = 1, centro: C(−6, −4), vértices: A1 (−11, −4) , A2 (−1, −4),
5 32
B1 (−6, −7) e B2 (−6, −1), focos: F1 (−10, 5) e F2 (−2, 5)
GABARITO
(x + 1)2 (y − 1)2
7) Equação: + = 1.
32 42
√
8) Centro: C(1, −2), vértices: A1 (−1, −2), A2 (3, −2), B1 (1, −8) e B2 (1, 4), focos: F1 (1, −2 − 32) e
√
F2 (1, −2 + 32), excentricidade: e = √632 ∼
= 1, 1.
√ √
9) Vértices: A1 (0, −3) e A2 (0, 3), focos: F1 (0, − 13) e F2 (0, 13), assı́ntotas: y = 32 x e y = − 32 x, excen-
√
13 ∼
tricidade: e = = 1, 20.
3
√ √ 5
10) Vértices: A1 (0, −1) e A2 (0, 1), focos: F1 (0, − 5) e F2 (0, 5), excentricidade: e = ∼= 1, 12
2
(x − 2)2 (y + 3)2 3
11) Equação: − = 1 e excentricidade e = .
4 5 2
√ √
12) Centro: C(−1, −3), vértices: A1 (0, −3) e A2 (0, 3), focos: F1 (−1, −3
√ − 51) e F2 (−1, −3 + 51),
7, 14 3, 8 7, 14 3, 8 68
assı́ntotas: y = x− ey=− x− , excentricidade: e = √ ∼ = 1, 16.
4, 12 3 4, 12 3 51
13) Foco: F (0, 5/2) e diretriz: y = −5/2.
14) ) Equação x2 = 16y, diretriz: y = −4
15) Vértice: V (3, 1), foco: F (3, 0) e diretriz: y = 2.
16) Vértice: V (5, 5; 1), foco: F (3, −1) e diretriz: x = 8.
17) Elipsoide
18) a) Esfera b) Elipsoide de revolução
19) a) Hiperboloide de 1 folha (z) b) Hiperboloide de 1 folha (x)
20) Hiperboloide de 2 folhas (y)

259
GABARITO
21) a) Paraboloide elı́ptico (z) b) Paraboloide elı́ptico (x)
22) Paraboloide hiperbólico (z)
23) a) Superfı́cie cônica (z) b) Superfı́cie cônica (x)
24)
a) Cilindro parabólico (z)
b) Cilindro elı́ptico (y)
c) Cilindro parabólico (x)
d) Cilindro hiperbólico (z)
e) Planos (z)
f ) Cilindro circular (z)
UNIDADE IV
1)
⎡ ⎤ ⎡ ⎤
⎡ ⎤
⎢ 2 3 ⎥ ⎢ 2 −1 −2 ⎥
⎢ 1 0 −1 ⎥ ⎢ ⎥ ⎢ ⎥
a) A = ⎣ ⎦ b) A = ⎢
⎢ 5 6
⎥
⎥ c) A = ⎢
⎢ 1 4 −1 ⎥
⎥
3 2 1 ⎣ ⎦ ⎣ ⎦
10 11 2 1 6
2) 3) ⎡ ⎤ 4)
2
S = {x = 23, y = 7} ⎢ 4 6 8 ⎥ w=3et=
At = ⎣ ⎦ 5
−5 8 10
5) ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 1 3 ⎥ ⎢ 6 −10 ⎥ ⎢ −5 63 ⎥
a) A+B = ⎣ ⎦ b) B + C − A = ⎣ ⎦ c) 2A − C + 5D − B = ⎣ ⎦
1 8 5 0 47 11
⎡ ⎤
⎢ −6 −9 ⎥
d) (A + B) − (C + D) = ⎣ ⎦
−8 3
GABARITO
6) ⎡ ⎤ ⎡ ⎤
⎢ 7 −22 −39 ⎥ ⎢ 17 60 79 ⎥
a) A · B = ⎣ ⎦ b) (C · A) · B = ⎣ ⎦
5 41 59 −1 230 353
7) ⎡ ⎤ 8) 9)
⎢ 7 0 ⎥ =A+B a) A afirmação é FALSA

B=⎣ ⎦
−2 5 b) A afirmação é VERDADEIRA
c) A afirmação é FALSA
d) A afirmação é VERDADEIRA
e) A afirmação é FALSA
10) ⎡ ⎤ . 11)
⎢ 2 −17 16 ⎥ b) B ·A não está a) B é a inversa de A

a) A · B = ⎣ ⎦
4 −13 4 definida b) B não é a inversa de A
12) ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
3 1 1
⎢ −1 2 ⎥ ⎢ 3 3 ⎥ ⎢ −2 6 ⎥
a) A−1 =⎣ ⎦ b) B −1 = ⎣ ⎦ c) C −1 =⎣ ⎦
5
2 2 − 19 2
9 3 −9
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
27 1 11 1 1
⎢ 0 −2 1 ⎥ ⎢ −2 5 2 ⎥ ⎢ − 30 − 15 30 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
d) D−1 =⎢
⎢ 2
⎥
3 −2 ⎥ e) E −1 =⎢
⎢ 23 −4 − 12
⎥
⎥ f ) F −1 =⎢
⎢ 19 14 1 ⎥
⎥
⎣ ⎦ ⎣ 2 ⎦ ⎣ 60 30 60
⎦
−1 −1 1 − 17
2 3 1
2
1
− 10 − 15 1
10
13) 14) É verdadeiro.

x2 − y2 = 48
15) . 16) d) X = M −1 N −1 17) b)

a) -22 f ) 21 0<x<6
b) -13 g) -11
c) 46 h) 100
d) -21 i) -83
e) a2 + ab + b2 j) 0
261
GABARITO
18) 19) 20) 21)

É verdadeiro. e) λ2 − 4λ + 3 det(3 · A) = 189 a) S = (2, −1)
b) Não existe solução
c) S = (5, 2)
d) Não existe solução
e) Não existe solução
f ) Infinitas soluções
g) (0, 0, 0)
22) k = 0
23) Para k �= 1 e k �= 2 o sistema é possı́vel e determinado.

Para k = 1 e k = −2 o sistema é impossı́vel.
95
24) k = 3
25) S = (30, 30)
26) e) O sistema é impossı́vel.

⎛ ⎞
⎜ −4 ⎟
⎜ ⎟
27) X = ⎜⎜ 4 ⎟
⎟
⎝ ⎠
6
28) b) Possı́vel e determinado, com solução única (0,-9,-14).
29) Se k �= 2 o conjunto solução é dado por S = (0, 0, 0).

Se k = 2 o conjunto solução é da forma S = (3y, y, 2y).
UNIDADE V
1) 2) 3)
d) {0, 1, 1} T (x, y) = 5x − 2y a) v ∈ N uc T
b) v �∈ N uc T
c) v �∈ N uc T
d) v ∈ N uc T
4) Base = {(1, 0), (0, 1)} e dim(Im T ) = 2.

GABARITO
5)
a) Não temos autovalores para T e nem autovetores.
y
b) Autovalores = 1, 2 e -1; Autovetores = (x, −x, −x),(0, 0, z) e (0, y, − )
3
c) Autovalores = 1 e -1; Autovetores = a2 +⎡bx + b e ⎤ −b
bx ⎡ ⎤ ⎡ ⎤
⎢ 2c 3c ⎥ ⎢ −2c c ⎥ ⎢ −c 0 ⎥
d) Autovalores = 1, -1 e -2; Autovetores = ⎣ ⎦, ⎣ ⎦e⎣ ⎦
c d c 0 c 0
6)
a) Autovalores = 0 e 4; Autovetores = (x, −x) e (x, x)
y
b) Autovalores = 0 e 2; Autovetores = (−y − 2z, y, z) e (0, y, −y) e (0, y, − )
3
c) Autovalores = 0, 2 e 4; Autovetores = (0, 0, 0, w),(x, 0, 0, 0) e (−z, −2w, z, w)
7) T (x, y, z) = (x + 2y − 2z, −x − 2y + 4z, −x − y + 3z)
8) λ = 1
9) u não é autovetor de A.
10) λ = 0
11) λ = 2 é autovalor de A.
12) a = b = c = d = e = f = 1

1 Fase Geometria Analítica Álgebra Linear

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

1 Fase Geometria Analítica Álgebra Linear

Enviado por

Direitos autorais:

Formatos disponíveis

GEOMETRIA

Professora Me. Ivnna Gurniski

NEAD - Núcleo de Educação a Distância

CDD - 22 ed. 512

Ficha catalográfica elaborada pelo bibliotecário

Professora Me. Ivnna Gurniski

Professor Me. Alexandre Shuji Suguimoto

Professor Me. Anderson Leandro Zulin

Professor Esp. Fernando Marcussi

GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR

Professora Me. Ivnna Gurniski

VETORES E ESPAÇOS VETORIAIS

20 Operação com Vetores

24 Dependência e Independência Linear

26 Expressão Analítica de um Vetor (R2 e R3)

56 Base de um Espaço Vetorial

105 Considerações Finais

150 Hiperboloide de uma folha

153 Hiperboloide de duas folhas

157 Paraboloide Elíptico

160 Paraboloide Hiperbólico

164 Superfície Cônica

167 Superfície Cilíndrica

170 Considerações Finais

MATRIZES, DETERMINANTES E SISTEMAS LINEARES

183 Igualdade de matrizes

184 Operações com matrizes

207 Sistemas de equações lineares

212 Resolução de sistemas lineares por escalonamento

217 Considerações Finais

TRANSFORMAÇÕES, AUTOVALORES E AUTOVETORES

230 Transformações Lineares

232 Núcleo e Imagem de uma Transformação Linear

234 Autovalores e Autovetores

238 Polinômio Característico

243 Considerações Finais

tos linearmente dependentes, conjuntos linearmente independentes, a multiplicação de vetores (produto

O segmento BA é o segmento oposto ao AB.

No caso em que A = B, chamamos de segmento nulo, em que |AB| = AB = 0.

VETORES E ESPAÇOS VETORIAIS

Mesmo sentido Sentidos opostos Mesmo sentido Sentidos opostos

Dizemos que dois segmentos são equipolentes quando têm:

ii) A mesma direção.

AB e CD estão sobre uma

E denotaremos esse conjunto por:

Mesmo sentido Sentidos opostos Mesmo sentido Sentidos opostos

VETORES E ESPAÇOS VETORIAIS

Note que dois vetores são sempre coplanares.

VETORES E ESPAÇOS VETORIAIS

−−→ −−→ −→ −−→ −−→ −→

Operação com Vetores

Multiplicação de um Vetor por um Escalar (Produto por escalar)

k=1 k>1 0<k<1

k = −1 k < −1 −1 < k < 0

VETORES E ESPAÇOS VETORIAIS

Exemplo 2: Sejam ABCD vértices de um paralelogramo, M , N , O e P pontos médios dos segmentos

−→ −−→ −−→ −−→ −−→ −→

Operação com Vetores

Considere agora 3 vetores {�u, �v , w},

VETORES E ESPAÇOS VETORIAIS

Dependência e Independência Linear

Portanto, o vetor deﬁnido por dois pontos no plano é:

VETORES E ESPAÇOS VETORIAIS

20 Operação com Vetores

24 Dependência e Independência Linear

26 Expressão Analítica de um Vetor (R2 e R3)

56 Base de um Espaço Vetorial

105 Considerações Finais

150 Hiperboloide de uma folha

153 Hiperboloide de duas folhas

157 Paraboloide Elíptico

160 Paraboloide Hiperbólico

164 Superfície Cônica

167 Superfície Cilíndrica

170 Considerações Finais

183 Igualdade de matrizes

184 Operações com matrizes

207 Sistemas de equações lineares

212 Resolução de sistemas lineares por escalonamento

217 Considerações Finais

230 Transformações Lineares

232 Núcleo e Imagem de uma Transformação Linear

234 Autovalores e Autovetores

238 Polinômio Característico

243 Considerações Finais