Gaal

Universidade Federal de São João del-Rei
Geometria Analı́tica
   
a11 0 0 ... 0 a11 · · · a1j · · · a1n
 a21 a22 0 ... 0   .. ... .. ... .. 
......
   . . . 

T = a31 a32 a33 ... 0 


A =  ai1 · · · aij · · · ain 

 .. .. .. ... ..   . ... .. ... .. 
 . . . .   .. . . 
an1 an2 an3 . . . ann an1 · · · anj · · · ann
z
v'2 = v2 -c v'1 e y
v2
′ −1
β β
[T ] ′ = [T ]
β β v
W u
p([B]αα ) = O
. . det[T − λI] = 0
c v'1 v1 = v'1
x u +v
Álgebra Linear
L2 T (~v ) = λ~v ,
z

 L .. .. −1

 a11 x1 + a12 x2 + . . . + a1n xn = b1 1 A . I =⇒ I . A

 a21 x1 + a22 x2 + . . . + a2n xn = b2
.. .. ... .. .. y  

 . . . . λ1 0 0
[C]ββ =  0 λ1 0 

 a x + a x + ... + a x = b
m1 1 m2 2 mn n m
x 0 0 λ2
T :V →W
DEFIM
Departamento de Fı́sica e Matemática
Denis Gouvêa Ladeira
2 de março de 2018
Sumário
1 Matrizes 3
1.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Adição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Multiplicação por escalar . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Transposição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Multiplicação de matrizes . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6 Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6.2 O método de Laplace . . . . . . . . . . . . . . . . . . . . . . . 13
1.6.3 O método de operações elementares com linhas . . . . . . . . 16
1.6.4 Combinando o método de Laplace com o método de operações
elementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.7 Inversão de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.7.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.7.2 Inversão de matrizes via cálculo da matriz adjunta . . . . . . 21
1.7.3 Inversão de matrizes via método de matrizes elementares . . . 22
2 Sistemas de equações lineares 30

2.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2 O método de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . 31
2.3 A regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.4 Considerações sobre inexistência ou existência de soluções em siste-
mas de n equações e n incógnitas . . . . . . . . . . . . . . . . . . . . 40
3 Vetores 42
3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2 Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.3 Multiplicação por escalar . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4 Soma de vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.5 Produto escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.5.1 Projeção escalar e projeção vetorial do vetor ~b sobre ~a . . . . 53
1
3.6 Produto vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4 Retas, planos e superfı́cies quádricas 61

4.1 Retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.2 Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.3 Considerações sobre inexistência ou existência de soluções em siste-
mas de n equações e n incógnitas . . . . . . . . . . . . . . . . . . . . 73
4.4 Cilindros e superfı́cies quádricas . . . . . . . . . . . . . . . . . . . . . 76
4.4.1 Introdução: elipses, hipérboles e parábolas . . . . . . . . . . . 76
4.4.2 Cilindros e superfı́cies quádricas . . . . . . . . . . . . . . . . . 77
5 Espaços vetoriais 87
5.1 Espaços vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.2 Subespaços vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.3 Combinação linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.4 Base de um espaço vetorial . . . . . . . . . . . . . . . . . . . . . . . . 106
5.5 Mudança de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.6 Ortogonalização de vetores: o método de Gram-Schmidt . . . . . . . 121
6 Transformações lineares, autovalores e autovetores 127

6.1 Transformações lineares . . . . . . . . . . . . . . . . . . . . . . . . . 127
6.2 Autovalores e autovetores . . . . . . . . . . . . . . . . . . . . . . . . 130
6.3 Polinômio caracterı́stico . . . . . . . . . . . . . . . . . . . . . . . . . 132
6.4 Diagonalização de operadores . . . . . . . . . . . . . . . . . . . . . . 141
6.5 Polinômio minimal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
7 Formas lineares, bilineares e quadráticas 155

7.1 Formas lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
7.2 Formas bilineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
7.3 Formas quadráticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
8 Elementos de geometria 160

8.1 Relações trigonométricas . . . . . . . . . . . . . . . . . . . . . . . . . 160
2
Capı́tulo 1
Matrizes
1.1 Introdução
Matrizes são objetos matemáticos formados por m · n elementos dispostos em m
linhas e n colunas da seguinte forma
 
a11 a12 a13 . . . a1n

 a21 a22 a23 . . . a2n 


A= a31 a32 a33 . . . a3n 
.
 .. .. .. ... .. 
 . . . . 
am1 am2 am3 . . . amn
Consideraremos os casos em que os elementos aij são números inteiros, racionais

ou reais. O número de linhas e colunas define a ordem m × n da matriz, e dizemos
que a matriz é m por n.
• Outras notações comumente usadas para representar uma matriz como a acima:
A, A e Am×n .
• Cada um dos números aij é chamado de elemento da matriz e também podem

ser representados pela notação [A]ij .
• Se todos os elementos de uma matriz são nulos, então a matriz é chamada de

matriz nula e podemos representá-la pelo sı́mbolo O.
• Se uma matriz possui o número de linhas igual ao número de colunas, então

esta matriz é chamada de matriz quadrada.
3
• Uma matriz quadrada particularmente importante é a Identidade, I, em que
[I]ij = 1 se i = j e [I]ij = 0 se i 6= j, ou seja, os elementos da diagonal são
iguais a um e os demais elementos são iguais a zero.
 
1 0 0 ... 0

 0 1 0 ... 0 


I= 0 0 1 ... 0 
.
 .. .. .. ... .. 
 . . . . 
0 0 0 ... 1
• Matrizes triangulares superiores são matrizes quadradas cujos elementos

abaixo da diagonal são nulos. Similarmente, matrizes triangulares infe-
riores são matrizes quadradas cujos elementos acima da diagonal são nulos.
As matrizes T s e T i abaixo são exemplos de matrizes triangulares superior e
inferior, respectivamente.
   
a11 a12 a13 . . . a1n a11 0 0 ... 0

 0 a22 a23 . . . a2n 


 a21 a22 0 ... 0 


Ts =  0 0 a33 . . . a3n 
,

Ti =  a31 a32 a33 ... 0 
.
 .. .. .. . . . ..   .. .. .. ... .. 
 . . . .   . . . . 
0 0 0 . . . ann an1 an2 an3 . . . ann
• Matriz coluna é uma matriz de m linhas e uma coluna.
• Matriz linha é uma matriz de n colunas e uma linha.
• Diagonal é o conjunto de elementos aii em matrizes quadradas.
Operações com matrizes
1.2 Adição
Se A e B são matrizes de mesma ordem, então
A + B = C em que cij = aij + bij .
Exemplo:
4

π 5 9 2 7 −4 2 + π 12 5
Sejam A = eB = . Logo A+B = C = .
1 0 −3 5 9 2 6 9 −1
Propriedades da adição:
• Comutativa: A + B = B + A.
• Associativa: A + (B + C) = (A + B) + C.
• A + O = A, em que O é a matriz nula.
Demonstração
 da propriedade comutativa:   
a11 a12 · · · a1n b11 b12 · · · b1n
 a21 a22 · · · a2n   b21 b22 · · · b2n 
   
Sejam A =  .. .. ... ..  e B =  .. .. ... .. . Portanto
 . . .   . . . 
am1 am2 · · · amn bm1 bm2 · · · bmn
   
a11 a12 · · · a1n b11 b12 · · · b1n
 a21 a22 · · · a2n   b21 b22 · · · b2n 
   
A + B =  .. .. . . ..  +  .. .. . . .. 
 . . . .   . . . . 
am1 am2 · · · amn bm1 bm2 · · · bmn
 
a11 + b11 a12 + b12 · · · a1n + b1n
 a21 + b21 a22 + b22 · · · a2n + b2n 
 
=  .. .. . . .. 
 . . . . 
am1 + bm1 am2 + bm2 · · · amn + bmn
 
b11 + a11 b12 + a12 · · · b1n + a1n
 b21 + a21 b22 + a22 · · · b2n + a2n 
 
=  .. .. . . .. 
 . . . . 
bm1 + am1 bm2 + am2 · · · bmn + amn
   
b11 b12 · · · b1n a11 a12 · · · a1n
 b21 b22 · · · b2n   a21 a22 · · · a2n 
   
=  .. .. . . ..  +  .. .. . . .. 
 . . . .   . . . . 
bm1 bm2 · · · bmn am1 am2 · · · amn
A+B = B+A
Exercı́cio:
Demonstre a propriedade associativa A + (B + C) = (A + B) + C considerando
A, B e C matrizes m × n.
5
1.3 Multiplicação por escalar
Definição:
Seja A uma matriz e k um escalar. A multiplicação por escalar kA é uma matriz
B, ou seja, B = kA, em que bij = kaij .
Exemplos:
1)   
−2 −4 −1 −2
1
5 12  =  5/2 6 
2
2 −7 1 −7/2
2)
5 8 −9 5 8 −9
Seja A = e k = −2. Portanto kA = −2A = −2 =
−1 π 3 −1 π 3
−10 −16 18
.
2 −2π −6
Propriedades da multiplicação por escalar:

• k(A + B) = kA + kB.
• (k1 + k2 )A = k1 A + k2 A.
• 0 · A = O.
• k1 (k2 A) = (k1 k2 )A.
Exemplo:
         
2 5 1 3 2 5 2 5 1 3
 3 −1  + 2  7 5  − 3  3 −1  = (1 − 3)  3 −1  + 2  7 5  =
| {z }
1 7 2 4 1 7 =−2 1 7 2 4
     
−4 −10 2 6 −2 −4
 −6 2 + 14
  10 =
  8 12 .
−2 −14 4 8 2 −6
Exercı́cios:
1) Demonstre as propriedades
 da
 multiplicação
 por escalar.
  
1 2 3 2 4 6 −3 9 12
2) Sabendo que A =  3 2 1 , B =  8 −2 0  e C =  6 −3 6 ,
2 3 1 −6 10 4 3 9 −3
1 1 1 1
calcule: a) A + 2B + 3C, b) A + 3B + C, c) 2A − B + C e d) A + B − C.
3 2 2 3
6
1.4 Transposição
A matriz transposta de A, representada pelo sı́mbolo At , é a matriz cujas linhas
são as colunas de A e as colunas de At são as linhas de A. Em outras palavras, os
elementos de B = At são dados pela expressão bij = aji ∀ i, j.
Exemplo: 

π e
π 0 c
Sabendo que A =  0 1  temos que At = B = .
e 1 h
c h
Exercı́cio:  
3 6
6 4 8
Sabendo que A = e que B =  9 2 , calcule, caso seja possı́vel:
0 1 2
6 9
1 1 1 1
a) A + B t , b) At + B, c) A + B t e d) At + B t . Justifique quando o cálculo
2 3 2 3
não for possı́vel.
Propriedades transposição:
• (At )t = A.
• (A + B)t = At + B t .
• (kA)t = kAt .
Demonstração da propriedade (A + B)t = At + B t :
   
a11 a12 a13 . . . a1n b11 b12 b13 . . . b1n

 a21 a22 a23 . . . a2n  
  b21 b22 b23 . . . b2n 

A+B

= a31 a32 a33 . . . a3n  
+ b31 b32 b33 . . . b3n 

 .. .. .. ... ..   .. .. .. ... .. 
 . . . .   . . . . 
am1 am2 am3 . . . amn bm1 bm2 bm3 . . . bmn
 
a11 + b11 a12 + b12 a13 + b13 ... a1n + b1n
 a21 + b21 a22 + b22 a23 + b23 ... a2n + b2n 
 
=  a31 + b31 a32 + b32 a33 + b33 ... a3n + b3n
 

 .. .. .. ... .. 
 . . . . 
am1 + bm1 am2 + bm2 am3 + bm3 . . . amn + bmn
7
 
a11 + b11 a21 + b21 a31 + b31 . . . am1 + bm1

 a12 + b12 a22 + b22 a32 + b32 . . . am2 + bm2 

(A + B)t

= a13 + b13 a23 + b23 a33 + b33 . . . am3 + bm3 

 .. .. .. ... .. 
 . . . . 
a1n + b1n a2n + b2n a3n + b3n . . . amn + bmn
   
a11 a21 a31 . . . am1 b11 b21 b31 . . . bm1

 a12 a22 a32 . . . am2   b12
  b22 b32 . . . bm2 


= a13 a23 a33 . . . am3   +  b13
 b23 b33 . . . bm3 

 .. .. .. . . ..   .. .. .. ... .. 
 . . . . .   . . . . 
a1n a2n a3n . . . amn b1n b2n b3n . . . bmn
(A + B)t = At + B t
Exemplo:     t
5 0 −15 1 0 −3
Dada a matriz A =  10 −20 30  temos que At = 5  2 −4 6  =
−25 15 45 −5 3 9
 t    
1 0 −3 1 2 −5 5 10 −25
5  2 −4 6  = 5  0 −4 3 = 0 −20 15 .
−5 3 9 −3 6 9 −15 30 45
Exercı́cios:
1) Demonstre as propriedades: a) (At ) t
= A e b) (kA)t = kAt .
1 2
2 4 6 3 0 6
2) Sabendo que A = ,B = 3 4 eC = , calcule, caso
8 2 0 9 6 3
5 6
1 1 1 1
seja, possı́vel: a) A+ B t + C, b) At + B + C t , c) (A+ C)t + B e d) At + B t + C t .
2 3 2 3
Justifique quando o cálculo não for possı́vel.
Definição:
Matriz simétrica
Uma matriz A é simétrica se, e somente se, A = At .
Exemplo:    
4 5 7 4 5 7
Seja M =  5 8 3 . Como M t =  5 8 3  = M , então a matriz M dada
7 3 9 7 3 9
é simétrica.
Exercı́cio:
8
     
3 7 8 1 3 2 2 3
Dadas as matrizes A =  4 13 2 , B =  3 7 4  e C =  4 2 , deter-
5 6 4 2 4 8 0 1
mine se são simétricas as matrizes a) A, b) B, c) 2C, d) 3B e e) A + 2B.
1.5 Multiplicação de matrizes

Se o número de colunas da matriz A é igual ao número de linhas da coluna B então
podemos definir o produto AB, cujo resultado é uma nova matriz C com o número
de linhas da matriz da A e o número de colunas da matriz B.
O elemento cij da matriz C = AB é obtido combinando a i-ésima linha de A =
 
a11 a12 · · · a1p  
 ... .. ... ..  b11 · · · b1j · · · b1n
 . .   b21 · · · b2j · · · b2n 
   
 ai1 ai2 · · · aip  com a j-ésima coluna de B =  .. . . .. . . .. 
 . .. ... ..   . . . . . 
 .. . . bp1 · · · bpj · · · bpn
am1 am2 · · · amp
de acordo com a expressão
cij = ai1 b1j + ai2 b2j + . . . + aip bpj .
Exemplo:  
3 2
−1 −3 8
Sejam A = e B =  1 5 . Calcule AB, BA e mostre que
2 4 −7
4 6
AB 6= BA
 
3 2
−1 −3 8  1 5 
AB =
2 4 −7
4 6

(−1) · 3 + (−3) · 1 + 8 · 4 (−1) · 2 + (−3) · 5 + 8 · 6
=
2 · 3 + 4 · 1 + (−7) · 4 2 · 2 + 4 · 5 + (−7) · 6

26 31
=
−18 −18
9
 
3 2
−1 −3 8
BA =  1 5 
2 4 −7
4 6
 
3 · (−1) + 2 · 2 3 · (−3) + 2 · 4 3 · 8 + 2 · (−7)
=  1 · (−1) + 5 · 2 1 · (−3) + 5 · 4 1 · 8 + 5 · (−7) 
4 · (−1) + 6 · 2 4 · (−3) + 6 · 4 4 · 8 + 6 · (−7)
 
1 −1 10
=  9 17 −27 
8 12 −10
Comparando os resultados observamos que AB 6= BA.
Exercı́cio:
1 2 −3 2 3 0 2
Dadas as matrizes A = , B = , C = , D =
   3 4   1 −4  −1 2 4
3 2 1 4 3 1 −3 2 3 1
 0 1 2 , E = 2 −1 1 e F =
    2 0 −1 3  calcule, caso seja
−3 2 −4 0 −2 3 2 −2 1 0
possı́vel: a) AB, b) BA, c) CD, d) DC, e) DE, f) ED, g) EF , h)F G. Justifique
quando a multiplicação não é possı́vel.
Propriedades da multiplicação:
• AI = A.
• IA = A.
• Distributiva à esquerda: A(B + C) = AB + AC.
• Distributiva à direita: (A + B)C = AC + BC.
• Associativa: (AB)C = A(BC).
• (AB)t = B t At .
• A · O = O.
• O · A = O.
• Em geral a multiplicação de matrizes não é comutativa, ou seja, AB 6= BA.
Portanto a ordem em que aparecem as matrizes nas propriedades acima apre-
sentadas é importante.
Obs.:
10
– Nos casos especı́ficos em que AB = BA dizemos que A e B são comuta-
tivas.
– O produto de duas matrizes A e B pode resultar na matriz nula mesmo

−2 −1 1
quando A 6= O e B 6= O. Por exemplo, sejam A =  −1 −2 −1  e
  1 −1 −2
1 −1 1
B =  −1 1 −1 . Daı́ temos
1 −1 1
    
−2 −1 1 1 −1 1 0 0 0
AB =  −1 −2 −1   −1 1 −1  =  0 0 0  = O.
1 −1 −2 1 −1 1 0 0 0
Exercı́cios:
1) Em que situação AI = IA = A?     
3 0 0 1 3 2 2 0 0
2) Dadas as matrizes A =  0 7 0 , B =  0 4 0  e C =  0 4 0 
0 0 4 2 0 4 0 0 5
calcule: a) A + BC, b) AC − (AC)t . c) Mostre que A(BC) = (AB)C e que
A(B + C) = AB + AC. d) Identifique quais matrizes são comutativas.
3) Dadas as matrizes
 
−3 4
1 3 2 1
A= , B= , C =  1 2 ,
2 4 3 2
0 1
   
2 1 3 0 1 2
1 2 −1
D= , E =  1 3 2  , F  −1 3 −5  ,
2 3 2
3 2 1 2 −4 3
se possı́vel calcule, caso contrário justifique: a) A · B − B · A, b) B + C, c) 2C + 12 B t

d) CD − DC, e) C − D, f) DC t , g) (E 2 − 3F )t .
4) Sabendo que os elementos
aij da matriz A2×2 são dados pela fórmula aij =
2 7
i2 − j 3 e que X − A = determine a matriz X.
5 8
4 −3 14 −3
5) Sabendo que X2×2 = determine a matriz X2×2 . Res-
2 1 −6 17
posta: x11 = 2, x12 = 3, x21 = −4, x22 = 5.
11

2 2 7 18
6) Dada uma matriz B, seja B = B·B. Sabendo que B = , determine
6 19
2 3
a matriz B. Resposta: B = .
1 4
7) Dadas duas matrizes A e B discuta a afirmação (A − B)2 = A2 − 2AB + B 2 .
1.6 Determinante
1.6.1 Introdução
Dada uma matriz quadrada A o determinante, representado por det A ou |A|, é um
escalar obtido dos elementos da matriz A.
• Para matrizes 1 × 1 o determinante tem o valor do único elemento.
A = [a11 ], det A = a11
• Para matrizes 2 × 2 o determinante pode ser calculado pela regra mnemônica

abaixo

a a
det A2×2 = 11 12 = a11 a22 − a12 a21
a21 a22
• Para matrizes 3 × 3 o determinante pode ser calculado pela regra mnemônica

abaixo

a11 a12 a13

det A3×3 = a21 a22 a23
a31 a32 a33
det A3×3 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31 − a11 a23 a32 − a12 a21 a33
• Para matrizes de ordem superior a 3 × 3 devemos utilizar um ou ambos os

procedimentos a seguir.
Métodos para cálculo de determinantes
12
1.6.2 O método de Laplace
Definições:
• Matriz menor de A
A matriz menor de A é representada pelo sı́mbolo Ãij e obtida da matriz A
ao retirar a i−ésima linha e a j−ésima coluna.
• Cofator de aij
O cofator de aij , denotado pelo sı́mbolo ãij , é o determinante do menor Ãij
com um sinal que depende de i e j, e definido pela expressão
ãij = (−1)i+j det(Ãij ).
• O método de Laplace
O método de Laplace para cálculo do determinantes consiste em escolher qual-
quer linha i (ou coluna j) para fixar e variar as colunas j (ou linhas i) ao longo
de tal linha (coluna) de forma a somar o produto aij · ãij com j = 1, . . . , n (ou
com i = 1, . . . , n), ou seja,
 
a11 · · · a1j · · · a1n
 ... ... ..
.
... .. 
. 

 
A =  ai1 · · · aij · · · ain 
 . ... .. ... .. 
 .. . . 
an1 · · · anj · · · ann
n
X
det A = aij · ãij , caso tenhamos escolhido fixar a linha i de A, ou
j=1
Xn
det A = aij · ãij , caso tenhamos escolhido fixar a coluna j de A.
i=1
Note que o método de Laplace consiste em substituir o cálculo do determinante

de uma matriz n × n pelo cálculo dos determinantes de n matrizes de ordem
n − 1 × n − 1. Aplicando novamente o método de Laplace teremos de calcular
determinantes de matrizes n−2×n−2. Aplicando recorrentemente o método de
Laplace obtemos, sucessivamente, determinantes de matrizes de ordem menor
que o das matrizes do estágio anterior. O valor do determinante desejado, ao
final deste procedimento, é reduzido ao cálculo de determinantes de matrizes
1 × 1.
13
Exemplo:  
3 2 1 0
 4 3 2 1 
Use o método de Laplace para calcular o determinante da matriz A = 
 0

3 0 1 
1 0 2 3
 
3 2 1 0
 4 3 2 1 
det A = det   0 3 0 1  = a31 ã31 + a32 ã32 + a33 ã33 + a34 ã34

1 0 2 3
   
2 1 0 3 1 0
= 0(−1)3+1 det  3 2 1  + 3(−1)3+2 det  4 2 1  +
0 2 3 1 2 3
   
3 2 0 3 2 1
+0(−1)3+3 det  4 3 1  + 1(−1)3+4 det  4 3 2 
1 0 3 1 0 2
   
3 1 0 3 2 1
= −3 det 4 2 1 − det 4 3 2 
  
1 2 3 1 0 2
| {z } | {z }
=Ã32 ≡B =Ã34 ≡C
= −3(b13 b̃13 + b23 b̃23 + b33 b̃33 ) − (c12 c̃12 + c22 c̃22 + c32 c̃32 )

1+3 4 2 2+3 3 1 3+3 3 1
= −3 0(−1) det + 1(−1) det + 3(−1) det −
1 2 1 2 4 2

1+2 4 2 2+2 3 1 3+2 3 1
− 2(−1) det + 3(−1) det + 0(−1) det
1 2 1 2 4 2
= −3[0 − (3 · 2 − 1 · 1) + 3(3 · 2 − 1 · 4)] − [−2(4 · 2 − 2 · 1) + 3(3 · 2 − 1 · 1) + 0]
= −3(−5 + 6) − (−12 + 15) = −3 − 3
det A = −6
Exercı́cio:  
1 −1 5
Use o método de Laplace para calcular o determinante das matrizes A =  4 7 −2 ,
−2 3 −5
 
    1 0 1 0 1
2 3 2 0 1 −3 1 0  2 −1
 1 −3 0 0 −2 2 
1   2 −1 0 −2   
B=   ,C=   eD= 0 3 0 0 0 .
2 1 0 1  3 0 1 −1   0

2 −2 0 3 
0 2 2 −3 0 2 −2 3
1 0 1 0 4
(Respostas: det A = 77, det B = −28, det C = 46 e det D = 36.)
14
Propriedades dos determinantes: Parte 1
• Se a matriz A tem pelo menos uma linha linha e/ou coluna nula, então det A =
0.
Demonstração:
Basta escolher a linha ou coluna com elementos iguais a zero e aplicar o método
de Laplace. Assim temos o zero multiplicando cada cofator, e uma soma de
zeros é zero.
• O determinante de matrizes triangulares (superiores ou inferiores) é dado pelo
produto de seus elementos da diagonal.
Demonstração:
 
a11 0 0 ... 0
 a
 21 a22 0 . . . 0 

|A| = det  31 a32 a33 . . . 0 
 a 
 .. .. .. . . . 
 . . . . .. 
an1 an2 an3 . . . ann
 
a22 0 0 ... 0
 a
 32 a33 0 ... 0 
= a11 (−1)1+1 det  .

.. .. ... .. 
| {z }  .. . . . 
=1
 
a33 0 0 ... 0
 a
 43 a44 0 ... 0 
= a11 · a22 (−1)1+1 det  .

.. .. ... ..  = ...
| {z }  .. . . . 
=1
 
an−1 n−1 0
|{z}
1+1
= a11 · a22 · a33 . . . an−2 n−2 · (−1) det  =an−1 n

an n−1 ann
= a11 · a22 · a33 . . . ann
Yn
= aii .
i=1
Como a transposta de uma matriz triangular inferior é uma matriz triangular

superior, B = At , e como |A| = |At |, então o determinante da matriz triangular
superior B também é ! dado pelo produto dos elementos da diagonal, |B| =
Yn Yn
|A| = bii = aii .
i=1 i=1
15
1.6.3 O método de operações elementares com linhas
• Multiplicando uma linha da matriz A por uma constante c obtemos uma matriz
B cujo determinante é |B| = c|A|.
• Trocando duas linhas de A de posição obtemos uma nova matriz B cujo de-
terminante é |B| = −|A|.
• Substituindo uma linha por ela mesma somada a um múltiplo escalar de outra
linha obtemos uma matriz B cujo determinante é igual ao determinante de A,
i.e., |B| = |A|.
Para que o determinante de A fique inalterado devemos, ao utilizar a primeira
operação elementar acima, dividir o determinante pela mesma constante c utilizada
na multiplicação de uma das linhas. Pelo mesmo motivo, ao utilizar a segunda
operação elementar acima, devemos multiplicar o determinante por −1.
Vimos que o determinante de matrizes triangulares é dado pelo produto dos

elementos da diagonal. Então o determinante de uma matriz pode ser calculado
utilizando as operações elementares com linhas de tal forma a transformar a ma-
triz original em uma matriz triangular, cujo determinante é o mesmo da matriz
originalmente dada.
Exemplo:  
2 1 −1 −2
 1 3 −2 1 
Calcule o determinante da matriz A = 
 −3 2
 utilizando operações
1 1 
−1 2 3 −2
elementares com linhas até obter uma matriz triangular.
   
2 1 −1 −2 1 3 −2 1
 1 3 −2 1   2 1 −1 −2 
det A = det 
 −3
 = − det  
2 1 1   −3 2 1 1 
−1 2 3 −2 −1 2 3 −2
L1 ↔ L2 L2 → L2 − 2L1
   
1 3 −2 1 1 3 −2 1
 0 −5 3 −4   0 −5 3 −4 
det A = − det 
 −3
 = − det  
2 1 1   0 11 −5 4 
−1 2 3 −2 −1 2 3 −2
L3 → L3 + 3L1 L4 → L4 + L1
16
 
1

3 −2 1
 1 3 −2 1
 0 −5  0 −5 3 −4 
3 −4   
det A = − det 
 0 11 −5
 = − det  0 11 −5 4 
4 
0 5 1 −1 0 0 4 −5
1
L4 → L4 + L2 L2 → − L2
5
   
1 3 −2 1 1 3 −2 1
 0 1 −3/5 4/5   0 1 −3/5 4/5 
det A = −(−5) det   = 5 det  
 0 11 −5 4   0 0 −5 + 5 4 − 44
33
5

0 0 4 −5 0 0 4 −5
L3 → L3 − 11L2
 
1 3 −2 1 
1 3 −2 1

 0 1 −3/5 4/5 
  8  0 1 −3/5 4/5 
det A = 5 det  0 0 8/5 −24/5  = 5 · 5 det 
 0 0

1 −3 
0 0 4 −5 0 0 4 −5
5
L3 → L3 L4 → L4 − 4L3
8
 
1 3 −2 1
 0 1 −3/5 4/5 
det A = 8 det 
 0
 = 8(1 · 1 · 1 · 7)
0 1 −3 
0 0 0 7
det A = 56
Exercı́cio:
Calcule o determinante das matrizes abaixo usando operações elementares com
linhas até obter matrizes triangulares.   
  2 3 1 −1 0 2 1 3
2 −3 4  4 −5 2
, c) C =  −3 0 1
1   2 
a) A =  −3 2 3 , b) B =  2
,
3 1 −2   3 5 4 −1 
5 3 −1
4 5 1 −3 2 3 1 1
 
  3 1 5 7 8
1 3 5 7  0
 0 2 4 6   3 4 5 8 
d) D =  , e) E =  1 3 3 4 4 
 1 2 3 4   
 5 4 3 1 2 
4 5 6 7
2 −4 0 1 0
17
Resposta: det A = −134, det B = 22, det C = −26, det D = 0, det E = 12.
1.6.4 Combinando o método de Laplace com o método de

operações elementares
O determinante de matrizes pode ser calculado de forma bastante eficiente ao com-
binar o método de operações elementares com linhas e o método de Laplace.
Exemplo:
Calcule o determinante da matriz abaixo combinando
 o uso de operações
 ele-
2 1 −1 −2
 1 3 −2 1 
mentares com linhas e o método de Laplace. A = 
 −3 2
.
1 1 
−1 2 3 −2
   
2 1 −1 −2 0 −5 3 −4
 1 3 −2 1   1 3 −2 1 
det A = det 
 −3 2
 = det  
1 1   0 11 −5 4 
−1 2 3 −2 0 5 1 −1
L1 → L1 − 2L2
L3 → L3 + 3L2
L4 → L4 + L2
det A = a11 ã11 + a21 ã21 + a31 ã31 + a41 ã41

|{z} |{z} |{z} |{z}
=0 =1 =0 =0
   
−5 3 −4 6 −2 0
det A = 1(−1)2+1 det  11 −5 4  = − det  11 −5 4 
5 1 −1 5 1 −1
L1 → L1 + L2 L2 → L2 + 4L3
 
6 −2 0
det A = det  31 −1 0  = −( b13 b̃13 + b23 b̃23 + b33 b̃33 )
|{z} |{z} |{z}
5 1 −1 =0 =0 =−1
18

3+3 6 −2
det A = −(−1)(−1) det = −6 + 62
31 −1
det A = 56
Exercı́cio:
Calcule o determinante das matrizes abaixo combinando o uso de operações
elementares com linhas com o método de Laplace reduzindo a ordem da matriz
original até obter matrizes de ordem 2× 2.   
  2 3 5 1 1 3 1 2
1 −2 3  1 2 4 −5  , c) C =  2 1 2 1 ,
 
a) A =  3 1 4 , b) B =  3 −5 2 1   3 2 2 3 
−4 5 −1
1 3 −2 4 2 1 3 2
 
  1 −2 1 −3 1
3 −4 1 −3  1
 3 2 3 2 1 
1 4 1  
, e) E =  −5

d) D =   2 1 3 2 −2  .
7 1 8  
 3 2 1 2 3 
−5 4 0 1
−1 1 −1 1 −1
Resposta: det A = 62, det B = −485, det C = 11, det D = 42, det E = 48.
Propriedades dos determinantes: Parte 2
• Se duas linhas ou duas colunas de A são iguais, então det A = 0.

Demonstração:
Como duas linhas são iguais, então a troca destas linhas não afeta o determi-
nante. Além disso, a troca de duas linhas inverte o sinal do determinante. Ou
seja det A = − det A. Portanto det A = 0.
• det A = det At .
• A tı́tulo de regra, em geral det(A + B) 6= det A + det B.
• det(AB) = det A · det B.
19
•
   
a11 ... a1n a11 . . . a1n
 .. ... ..   .. . . . .. 
 . .   . . 
   
det  α xj1 + β yj1 . . . α xjn + β yjn  = α det  xj1 . . . xjn  +
 .. ... ..   . .
 .. . . ... 

 . . 
an1 ... ann an1 . . . ann
 
a11 . . . a1n
 .. . . . .. 
 . . 
 
+β det  yj1 . . . yjn 
 . .
. . ... 

 ..
an1 . . . ann
1.7 Inversão de matrizes

1.7.1 Introdução
Definição:
Uma matriz A é invertı́vel (ou não singular), se existe B tal que AB = BA =
I. Neste caso a matriz B é chamada de inversa de A e denotada por B = A−1 .
Obs.:
• O ı́ndice superior não indica uma potência, nem uma divisão.
Definições:
Matriz dos cofatores
A matriz dos cofatores de A, denotada pelo sı́mbolo Ã, é uma matriz quadrada
de mesma ordem que a matriz A cujos elementos são os cofatores dos elementos de
A, i.e,
Ã = [ãij ]n×n .
Matriz adjunta
A matriz adjunta de A é a transposta da matriz dos cofatores de A e representada
pela notação
adj A = Ãt .
Exercı́cio:
20
 
3 −4 1
Calcule a matriz adjunta de cada uma das matrizes a seguir: a) A =  2 −3 2 ,
1 0 1
 
    1 4 1 −2
−1 2 3 −2 0 4  2 −3 −4 1 
b) B =  3 −1 2 , c) C =
  3 −5 1 , d) D =   −1
.
3 1 −2 
2 3 −1 −3 3 2
   2 3 −4 0
−3 4 −5 −5 11 7
Resposta: a) adj A =  0 2 −4 , b) adj B =
  7 −5 11 , c)
3 −4 −1 11 7 −5
 
  33 8 −29 −7
−13 12 20  −2 −16 −6 14 
adj C =  −9 8 14 , d) adj D =   15 −8 −19 −9 .

−6 6 10
−12 −32 −36 20
Teorema
A · adj A = det A I.
Métodos para cálculo de matrizes inversas
1.7.2 Inversão de matrizes via cálculo da matriz adjunta

A · adj A
Do teorema acima temos que I = . Como A·A−1 = A−1 ·A = I, então
det A
adj A
A−1 = .
det A
Condição necessária e suficiente para a existência da inversa:
det A 6= 0.
Exercı́cio:
Calcule a inversa das matrizes a seguir, caso exista. Confira sua resposta quando
a inversa existir e justifique sua resposta quando a inversa não existir.  a) A = 
      2 −1 0 1
1 −1 2 3 1 1 −1 0 2  1 −2
 2 2 0 
1 −1 , b) B =  1 3 −1  c) C =  1 −2 1 , d) D =   0
.
1 2 −2 
2 −2 2 4 −3 1 2 −6 5
2 0 −2 1
21
   
0 1/3 1/6 0 1/5 1/5
−1
Resposta: a) A = 1 1/3
 −5/6, b) B −1 = 1/4 1/20 −1/5, c)
1 0 −1/2 3/4 −13/20 −2/5
 
1/4 0 1/4 1/4
 5/4 −1 1/4 −3/4
det C = 0, d) D−1 = 
9/8 −1/2
.
1/8 −7/8
7/4 −1 −1/4 −5/4
1.7.3 Inversão de matrizes via método de matrizes elemen-

tares
Antes de apresentar o método de inversão de matrizes via matrizes elementares pre-
cisamos definir o que são matrizes elementares, e para definir matrizes elementares
precisamos definir as operações elementares com linhas.
Definição:
Operações elementares com linhas
i) Substituir uma linha por ela mesma multiplicada por um escalar diferente de
zero, e.g., L3 → 2L3 .
ii) Substituir uma linha pela mesma linha somada a um múltiplo de outra, e.g.,
L3 → L3 + 5L2 .
iii) Permutar linhas da matriz, e.g., L2 ↔ L1 .
Definição:
Matriz elementar
Matriz elementar é a matriz obtida da identidade através de operação elementar
com linhas.
Teorema
Se A é uma matriz, o resultado da aplicação de uma operação elementar com as
linhas de A é o mesmo que o resultado do produto (matriz elementar E obtida de I
com a mesma operação)·(A).
Exemplo:  
3 2 −1
Considere a matriz A =  5 −1 3 
2 1 3
• Observe que a operação elementar com linhas L3 → 2L3 na matriz A cor-

responde à mesma operação elementar L3 → 2L3 aplicada na I vezes A, ou
22
seja,     
3 2 −1 1 0 0 3 2 −1
 5 −1 3  =  0 1 0   5 −1 3 .
4 2 6 0 0 2 2 1 3
• Observe que a operação elementar com linhas L1 → L1 + 3L3 na matriz A

corresponde à mesma operação elementar L1 → L1 + 3L3 aplicada na I vezes
A, ou seja,
    
9 5 8 1 0 3 3 2 −1
 5 −1 3  =  0 1 0   5 −1 3 .
2 1 3 0 0 1 2 1 3
• Observe que a operação elementar com linhas L1 ↔ L2 na matriz A corres-

ponde à mesma operação elementar L1 ↔ L2 aplicada na I vezes A, ou seja,
    
5 −1 3 0 1 0 3 2 −1
 3 2 −1  =  1 0 0   5 −1 3 .
2 1 3 0 0 1 2 1 3
O teorema acima é interessante pois garante que podemos sucessivamente mul-

tiplicar matrizes elementares com A até obtermos a matriz identidade. Quando
encontramos a matriz elementar cujo produto com A é a identidade temos encon-
trado a matriz inversa A−1 . Para isso, vejamos algumas definições.
Definição:
Matrizes escalonadas
Uma matriz está na forma escalonada quando satisfaz as condições
(a) Todas as linhas nulas ocorrem abaixo das não nulas.
(b) O pivô (1o elemento não nulo da linha) de cada linha não nula ocorre a direita
do pivô da linha anterior.
Exemplos:
   
1 3 5 1 3 1 −5
 0 2 1   0 0 −5 13 
0 0 5 0 0 0 0
Definição:
Matrizes escalonadas reduzidas (ou matrizes linha reduzidas à forma
escala)
23
Uma matriz é escalonada reduzida quando, além de ser escalonada, satisfazer
as condições
(a) Os pivôs são iguais a 1.
(b) A coluna do pivô possui apenas o pivô como elemento não nulo.
Exemplos:
   
1 0 0 1 5 0 3
 0 1 0   0 0 1 −5 
0 0 1 0 0 0 0
Teorema
Se A é uma matriz inversı́vel, sua forma escalonada reduzida é a identidade I.
Além disso A é dada por um produto de matrizes elementares.
Obs.:
• Se a forma escalonada reduzida não for a matriz identidade, então a matriz A

não tem inversa.
• O inverso desse teorema fornece um método de inversão de matrizes:
Teorema
Se uma matriz A pode ser reduzida à matriz identidade por uma sequência
de operações elementares com linhas, então A é inversı́vel e A−1 é obtida de I
aplicando a mesma sequência de operações elementares.
Em outras palavras, multiplicamos matrizes elementares com A até obtermos a

I.
I = Ek · Ek−1 · . . . · E2 · E1 A
| {z }
≡A−1
Portanto
Ek · Ek−1 · . . . · E2 · E1 = A−1 .
Pelo teorema acima, uma técnica para cálculo da matriz inversa consiste em
fazer, simultaneamente, operações elementares em A e em I até que A torne-se I e,
consequentemente, I torna-se A−1 .
O diagrama abaixo ilustra o procedimento:
24

. .. −1
A .. I =⇒
|{z} I .A .
Operações
elementares
Portanto o processo de inversão de matrizes utilizando o método de matrizes
elementares consiste em:
i) criar uma matriz de n linhas e 2n colunas em que as primeiras n colunas corres-

pondem às n colunas da matriz que se deseja inverter e as n últimas colunas
são formadas pela matriz identidade de ordem n, e
ii) Realizar operações ementares com linhas nesta matriz de ordem n × 2n até
que as n primeiras colunas se tornem uma matriz escalonada reduzida. a)
Caso essas n primeiras colunas sejam a identidade I, as n últimas colunas,
portanto, formam a matriz inversa. b) Caso as n primeiras colunas não sejam
a identidade, então a matriz A não tem inversa.
Exemplo:  
3 5 −2
1) Calcule, caso seja possı́vel, a inversa das matrizes dadas: a) A =  4 2 −4 ,
−1 3 2
   
0 1 0 −1 −2 1 2 −1
 1 0 1 −2   1 3 1 −2 
b) B = 
 0 2 −1
, c) C =  .
0   3 2 −1 −2 
3 1 −1 0 1 1 −1 2
Solução do item a):

   
3 5 −2 1 0 0 −1 3 2 0 0 1
 4 2 −4 0 1 0  ⇒  4 2 −4 0 1 0  ⇒
−1 3 2 0 0 1 3 5 −2 1 0 0
L3 ↔ L1 L1 → −L1



1 −3 −2 0 0 −1 1 −3 −2
 0 0 −1
 4  0 14 4 0 1 4  ⇒
2 −4 0 1 0  ⇒
3 5 −2 1 0 0 0 14 4 1 0 3
1
L2 → L2 − 4L1 L2 → L2
L → L − 3L 14
3 3 1
25
   
1 −3 −2 0 0 −1 1 0 −8/7 0 3/14 −1/7
 0 1 2/7 0 1/14 2/7  ⇒  0 1 2/7 0 1/14 2/7 
0 14 4 1 0 3 0 0 0 1 −1 −1
L1 → L1 + 3L2
L3 → L3 − 14L2
Como do lado esquerdo encontramos uma matriz escalonada reduzida que não é
a identidade, a matriz A dada não possui inversa. (E, consequentemente, det A = 0.)
Solução do item b):

   
0 1 0 −1 1 0 0 0 1 0 1 −2 0 1 0 0
 1 0 1 −2 0 1 0 0 
  0 1 0 −1 1 0 0 0 

 0 ⇒   ⇒
2 −1 0 0 0 1 0   0 2 −1 0 0 0 1 0 
3 1 −1 0 0 0 0 1 3 1 −1 0 0 0 0 1
L1 ↔ L2 L4 → L4 − 3L1
   
1 0 1 −2 0 1 0 0 1 0 1 −2 0 1 0 0
 0 1 0 −1 1 0 0 0   0 1 0 −1 1 0 0 0 
  ⇒   ⇒
 0 2 −1 0 0 0 1 0   0 0 −1 2 −2 0 1 0 
0 1 −4 6 0 −3 0 1 0 0 −4 7 −1 −3 0 1
L3 → L3 − 2L2 L3 → −L3
L4 → L4 − L2
   
1 0 1 −2 0 1 0 0 1 0 0 0 −2 1 1 0
 0 1 0 −1 1 0 0 0 
  0 1 0 −1 1 0 0 0 

 0 ⇒   ⇒
0 1 −2 2 0 −1 0   0 0 1 −2 2 0 −1 0 
0 0 −4 7 −1 −3 0 1 0 0 0 −1 7 −3 −4 1
L1 → L1 − L3 L4 → −L4
L4 → L4 + 4L3
   
1 0 0 0 −2 1 1 0 1 0 0 0 −2 1 1 0
 0 1 0 −1 1 0 0 0 
  0 1 0 0 −6 3 4 −1 

 0 ⇒   .
0 1 −2 2 0 −1 0   0 0 1 0 −12 6 7 −2 
0 0 0 1 −7 3 4 −1 0 0 0 1 −7 3 4 −1
L2 → L2 + L4
L3 → L3 + 2L4
26
Aplicando operações elementares simultaneamente em B e I obtemos de B uma
matriz escalonada reduzida que é a matriz identidade. Portanto as operações ele-
mentares em I resultaram na B −1 .
 
−2 1 1 0
 −6 3 4 −1 
B −1 = 
 −12 6 7 −2  .

−7 3 4 −1
Solução do item c):
   
−2 1 2 −1 1 0 0 0 1 1 −1 2 0 0 0 1
 1 3 1 −2 0 1 0 0 
  1 3 1 −2 0 1 0 0 

 3 ⇒   ⇒
2 −1 −2 0 0 1 0   3 2 −1 −2 0 0 1 0 
1 1 −1 2 0 0 0 1 −2 1 2 −1 1 0 0 0
L1 ↔ L4 L2 → L2 − L1
L3 → L3 − 3L1
L4 → L4 + 2L1
 
1 1 −1 2 0 0 0 1 
1 1 −1 2 0 0 0 1

 0 2 2 −4 0 1 0 −1   0
  1 1 −2 0 1/2 0 −1/2 
 0 −1 2 −8 0 0 1 −3  ⇒ 
 0 −1 2 −8 0 0 1 −3 
 ⇒
0 3 0 3 1 0 0 2 0 3 0 3 1 0 0 2
L1 → L1 − L2
1
L2 → L2 L3 → L3 + L2
2 L4 → L4 − 3L2
 
1 0 −2 4 0 −1/2 0 3/2 
1 0 −2 4 0 −1/2 0 3/2

 0 1 1 −2 0 1/2 0 −1/2 
   0 1 1 −2 0 1/2 0 −1/2 
 0 0 3 −10 0 1/2 1 −7/2  ⇒ 
 0 0 1 −10/3 0
 ⇒
1/6 1/3 −7/6 
0 0 −3 9 1 −3/2 0 7/2 0 0 −3 9 1 −3/2 0 7/2
L1 → L1 + 2L3
1
L3 → L3 L2 → L2 − L3
3 L4 → L4 + 3L3
27
 
1 0 0 −8/3 0 −1/6 2/3 −5/6
 0 1 0 4/3 0 1/3 −1/3 2/3 
  ⇒
 0 0 1 −10/3 0 1/6 1/3 −7/6 
0 0 0 −1 1 −1 1 0
L4 → −L4
   
1 0 0 −8/3 0 −1/6 2/3 −5/6 1 0 0 0 −8/3 5/2 −2 −5/6
 0 1 0 4/3 0 1/3 −1/3 2/3 
  0 1 0 0 4/3 −1 1 2/3 
 ⇒  
 0 0 1 −10/3 0 1/6 1/3 −7/6   0 0 1 0 −10/3 7/2 −3 −7/6 
0 0 0 1 −1 1 −1 0 0 0 0 1 −1 1 −1 0
8
L1 → L1 + L4
3
4
L2 → L2 − L4
3
10
L3 → L3 + L4
3
Como a forma escalonada reduzida de C é a identidade então C tem inversa, que
é dada por
 
−8/3 5/2 −2 −5/6
 4/3 −1 1 2/3 
C −1 = 
 −10/3 7/2 −3 −7/6 

−1 1 −1 0
Exercı́cio:  
3 2 1
Determine, caso seja possı́vel, a inversa das matrizes a) A =  2 1 2 , b)
3 2 3
   
  1 3 −2 −1 2 0 −2 0
−1 3 −2  2 1 −3
, d) D =  2 −1
1   0 2 
B=  3 2 −1 , c) C =   1 4
, e)
1 2   1 0 −1 2 
1 3 −2
−1 1 2 1 0 0 −1 3
28
 
1 0 1 0 0

 0 1 0 1 0 
E=  −2 0 0 0 1 .

 0 2 0 −1 0 
1 −2 0 0 0   
1/2 2 −3/2 −1/2 0 1/2
Resposta: a) A−1 =  0 −3 2 , b) B −1 =  5/2 2 −7/2 , c)
−1/2 0 1/2 7/2 3 −11/2
   
−5/12 −1/2 5/6 −19/12 −1/4 0 3/2 −1
 1/4 0 0 1/4 , d) D−1 =  −1 −1
  4 −2
C −1 =  −1/4 −1/2 1/2
, e)
−3/4  −3/4 0 3/2 −1
−1/6 1/2 −1/6 2/3 −1/4 0 1/2 0
 
0 2/3 0 2/3 1
0 1/3 0 1/3 0
 
E −1 = 
 1 −2/3 0 −2/3 −1 .

0 2/3 0 −1/3 0 
0 4/3 1 4/3 2
29
Capı́tulo 2
Sistemas de equações lineares
2.1 Introdução
Um sistema de equações lineares é formado por um conjunto de m equações lineares
em n incógnitas e representado da seguinte forma


 a11 x1 + a12 x2 + . . . + a1n xn = b1

 a21 x1 + a22 x2 + . . . + a2n xn = b2
.. .. ... .. ..


 . . . .
 a x + am2 x2 + . . . + amn xn = bm
m1 1
Note que o sistema linear acima pode ser escrito em forma matricial da seguinte
forma
    
a11 a12 . . . a1n x1 b1

 a21 a22 . . . a2n 
 x2  
  b2 

 .. .. ... ..  .. = .. 
 . . .  .   . 
am1 am2 . . . amn xn bm
| {z } | {z } | {z }
≡A ≡X ≡B
AX = B
Definição:
• A matriz A definida acima é chamada de matriz dos coeficientes do sistema.
• A matriz X acima é chamada de matriz das incógnitas.
30
• Os sistemas para os quais B é uma matriz nula são chamados de sistemas
homogêneos.
• A matriz formada pela matriz dos coeficientes e pela matriz B é chamada de
matriz ampliada.
   
s1 x1

 s2  
  x2 

O objetivo é determinar a solução S =  .. = ..  do sistema. Para isso
 .   . 
sn xn
escrevemos o sistema na forma de matriz ampliada conforme ilustrado abaixo
  

 a11 x1 + a12 x2 + . . . + a1n xn = b1 a11 a12 . . . a1n b1

 a21 x1 + a22 x2 + . . . + a2n xn = b2  a21 a22 . . . a2n
 b2 

.. .. ... .. .. ⇒  .. .. . . .. .. 

 . . . .  . . . . . 

 a x +
m1 1 am2 x2 + . . . + amn xn = bm am1 am2 . . . amn bm
| {z }
Matriz dos coeficientes: A
| {z }
Matriz ampliada.
e realizamos, sucessivamente, operações elementares com linhas, as quais são defi-
nidas a seguir, na matriz ampliada até obtermos uma matriz escalonada reduzida.
Esse procedimento é conhecido como método de Gauss-Jordan.
2.2 O método de Gauss-Jordan

O método de Gauss-Jordan consiste em realizar, sucessivamente, operações elemen-
tares na matriz ampliada até colocá-la na forma escalonada reduzida.
Definição:
Operações elementares com linhas para escalonar matrizes (resolver siste-
mas):
i) Substituir uma linha por ela mesma multiplicada por um escalar diferente de
zero, e.g., L3 → 2L3 .
ii) Substituir uma linha por ela mesma somada a um múltiplo de outra, e.g.,
L3 → L3 + L2 .
iii) Permutar linhas, e.g., L2 ↔ L1 .
Note que cada operação elementar definida acima corresponde a uma operação
equivalente no sistema de equações. Além disso, as operações ementares são
reversı́veis.
31
Teorema
Operações elementares com linhas substituem o sistema original por um sistema
equivalente, i.e., um sistema com a mesma solução do sistema original.
Definições:
• Posto
Posto é o número p de linhas não nulas da matriz escalonada reduzida.
• Nulidade
A nulidade é dada por n − p, onde n é o número de colunas da matriz.
Um sistema pode ter solução única, infinitas soluções ou ser impossı́vel de ser
resolvido, i.e, sem solução. O teorema a seguir declara sob que circunstâncias cada
uma destas situações ocorre.
Teorema
Dado um sistema de equações lineares sejam
1) Ac a matriz dos coeficientes na forma escalonada reduzida,
2) Aa a matriz ampliada na forma escalonada reduzida,
3) n o número de colunas de Ac ,
4) pa o posto de Aa e
5) pc o posto de Ac .
Então:
• Existe pelo menos uma solução se, e somente se, pa = pc . Neste caso pa =
pc = p, e
1. se p = n, então a solução é única.
2. se p < n, então p incógnitas são escritas em termos das outras g = n − p
incógnitas e o sistema apresenta infinitas soluções.
Definição:
A quantidade g = n − p no teorema acima é chamada de grau de liberdade
do sistema.
Exemplos:
1) Resolva, caso seja possı́vel, o sistema de equações lineares abaixo.


 2w − y + z = −1

−w + x + 2y − z = 1
 4w + 2x − y = 1


−w − x + z = 0
32
Variáveis: w, x, y, z.
   
2 0 −1 1 −1 −1 −1 0 1 0
 −1 1 2 −1 1   −1 1 2 −1 1 
  ⇒   ⇒
 4 2 −1 0 1   4 2 −1 0 1 
−1 −1 0 1 0 2 0 −1 1 −1
L1 ↔ L4 L1 ↔ −L1
 0

  1 1 0 −1 0
1 1 0 −1 0 
 0 1 
 −1 2 2 −2 1 
1 2 −1 1 
  0

 ⇒ 
 0
 ⇒
 4 2 −1 0 1   −2 −1 4 1 

2 0 −1 1 −1  0 
L2 → L2 + L1 0 −2 −1 3 −1
L3 → L3 − 4L1 L1 → L1 − 12 L2
L4 → L4 − 2L1 L3 → L3 + L2
L4 → L4 + L2
L2 → 12 L2
 0

  1 0 0 2 3/2
1 0 −1 0 −1/2 
 0 

 0 1 1 −1 1/2   0 1 0 −3 −3/2 
  ⇒  0
 ⇒
 0 0 1 2 2   
 0 0 1 2 2 
0 0 1 1 0  1 
L1 → L1 + L3 0 0 0 −1 −2
L2 → L2 − L3 L1 → L1 + 2L4
L4 → L4 − L3 L2 → L2 − 3L4
L3 → L3 + 2L4
 L4 → −L4
 
1 0 0 0 −5/2  1w + 0x + 0y + 0z = −5/2

 0 
1 0 0 9/2  0w + 1x + 0y + 0z = 9/2

 0 ⇒
0 1 0 −2  
 0w + 0x + 1y + 0z = −2

0 0 0 1 2 0w + 0x + 0y + 1z = 2
33
 
 
w −5/2
 x   9/2 
 y  =  −2 
Solução: X =    
z 2
Como pa = pc = 3 = p e n = 3, temos p = n e a solução é única.


 2x1 + x2 + x3 − x5 = 2
x1 − x3 − x4 − x5 = 0

x2 + x3 − 2x4 = 1
Variáveis: x1 , x2 , x3 , x4 , x5 .
   
2 1 1 0 −1 2 1 0 −1 −1 −1 0
 1 0 −1 −1 −1 0  ⇒  2 1 1 0 −1 2  ⇒
0 1 1 −2 0 1 0 1 1 −2 0 1
L1 ↔ L2 L2 → L2 − 2L1
   
1 0 −1 −1 −1 0 1 0 −1 −1 −1 0
 0 1 3 2 1 2  ⇒  0 1 3 2 1 2  ⇒
0 1 1 −2 0 1 0 0 −2 −4 −1 −1
L3 → L3 − L2 L3 → − 21 L3
   
1 0 −1 −1 −1 0 1 0 0 1 −1/2 1/2
 0 1 3 2 1 2  ⇒  0 1 0 −4 −1/2 1/2  ⇒
0 0 1 2 1/2 1/2 0 0 1 2 1/2 1/2
L1 → L1 + L3
L2 → L2 − 3L3 
1 1


 1x1 + 0x2 + 0x3 + 1x4 − x5 =
 


 2 2

1 0 0 1 −1/2 1/2 

 0 1 0 −4 −1/2 1/2  ⇒ 1 1
0x2 + 1x2 + 0x3 − 4x4 − x5 =
0 0 1 2 1/2 1/2


 2 2



 0x1 + 0x2 + 1x3 + 2x4 + 1 x5 = 1


2 2
Como pa = 3, pc = 3, pa = pc = p, então existe pelo menos uma solução para o
sistema dado.
Como n = 5 e p < n, então p = 3 incógnitas são escritas em termos das
g = n − p = 5 − 3 = 2 outras incógnitas e o sistema tem infinitas soluções.
34
Como g = 2 temos 2 graus de liberdade. Sejam x4 = α ∈ R e x5 = β ∈ R estes
graus de liberdade. Assim as infinitas soluções do sistema linear dado são dadas
por:  
1 1
−α+ β
 2 2 
 
   
x1  + 4α + 1 β 
 1 
 x2   2 2 
   
X=  x 3
=
  1
 , α, β ∈ R.

 x4   1 
 − 2α − β 
x5  2 2 
 
 
 α 
β
Ou, explicitando
   os graus
 de liberdade:
  
x1 1/2 −1 1/2
 x2   1/2   4   1/2 
       
X=  x 3
 =  1/2  + α  −2  + β  −1/2 
      
 x4   0   1   0 
x5 0 0 1

 y + 3z = 2
x + 2z = 1

x + y + 5z = 4
     
0 1 3 2 1 0 2 1 1 0 2 1
 1 0 2 1  ⇒  0 1 3 2  ⇒  0 1 3 2  ⇒
1 1 5 4 1 1 5 4 0 1 3 3
L1 ↔ L2 L3 → L3 − L1 L3 → L3 − L2
   
1 0 2 1 1 0 2 0
 0 1 3 2  ⇒  0 1 3 0 
0 0 0 1 0 0 0 1
L1 → L1 − L3
L2 → L2 − 2L3
pa = 3, pc = 2. Como pa 6= pc , o sistema não tem solução. Podemos também
verificar que a matriz ampliada escalonada reduzida encontrada acima corresponde
ao seguinte sistema equivalente ao original:
35

 x + 0y + 2z = 1
0x + 1y + 3z = 2

0x + 0y + 0z = 1 (!!!), 0 = 1: Sistema impossı́vel.
Exercı́cio:
Use o método de Gauss-Jordan para resolver os seguintes sistemas lineares. De-
termine se é possı́vel encontrar soluções por meio dos valores de pa , pc e n. Caso
exista solução, expresse-a em 
forma matricial. 
 2x + y − z = 0  3x + 2z = 1  4x1 + 7x2 − 8x3 = 8
a) x + y − z = 1 , b) −x + 2y + z = 0 , c) x1 + 3x2 − 3x3 = 3 ,
  
−x + z = −1  −2x + y = −1 −x1 + 2x2 − x3 = 1
  −x1 + x2 − 2x3 + x4 = 2 
 3x + 2y + 8z = −4 
  x2 + 5x3 − 2x4 = 1
−2x1 + x2 − x3 − 2x4 = 1
d) x + y + 5z = −2 , e) , f) x1 + 2x2 − 2x4 = 0 ,
  −x1 − x2 + 2x3 − x4 = 0 
x − 2z = 2 
 2x1 − 2x3 + x4 = −1
 2x1 + x2 − 3x3 + x4 = −1
 2x1 − x2 + x3 − 2x4 + x5 = −1
g) x2 − x3 + 2x4 − 2x5 = 0 .

x1 + x3 − x4 − x5 =  1        
x −1 x 1 x1
Resposta: a) S =  y  =  0 , b) S =  y  =  1  c) X =  x2  =
z −2 z −1 x3
   
    x1 −1
3/5 3/5
 4/5  + α  4/5  , α ∈ R, d) Não existe solução, e) X =  x2  =  1/3 ,
   
 x3   0 
0 1
x4 2/3
   
      x1 −1/2
x1 −1/3 −1/3  x2   3/2 
 x2   1/6   7/6     
f) X =   =   + α , g) X =  x3  =  3/2  +
 x3   1/6   1/6     
 x4   0 
x4 0 1
x5 0
   
0 1/2
 −1   5/2 
   
α 1  + β  1/2  , α, β ∈ R..
  
 1   0 
0 1
36
2.3 A regra de Cramer
Vamos estudar agora um método de solução de sistemas escritos na forma de n
equações e n incógnitas, quando a matriz dos coeficientes possui inversa.

 a11 x1 + . . . + a1n xn = b1

.. ... .. ..
 . . .
 a x + ... + a x = b
n1 1 nn n n
que, na forma matricial é escrita como
    
a11 . . . a1n x1 b1
 .. . . .  ..  =  .. 
 . . ..   .   . 
an1 . . . ann xn bn
AX = B
Se A tem inversa, ou seja, se det A 6= 0, então
(AX) = (B)
A−1 (AX) = A−1 (B)
IX = A−1 (B)
X = A−1 B
adj A
X= B
det A
Ãt
X= B,
det A
ou seja,
    
x1 ã11 . . . ãn1 b1
 ..  1  .. . . .  .. 
 . =  . . ..   . 
det A
xn ã1n . . . ãnn bn
Assim, cada incógnita é dada por
37
b1 ã11 + b2 ã21 + . . . + bn ãn1
x1 =
det A
..
.
b1 ã1i + b2 ã2i + . . . + bn ãni
xi =
det A
..
.
b1 ã1n + b2 ã2n + . . . + bn ãnn
xn =
det A
Observando as expressões acima com cuidado percebe-se que cada numerador é
o determinante de uma matriz que corresponde à matriz A em que a coluna i é
substituı́da pela matriz B:
 
a11 . . . a1 i−1 b1 a1 i+1 . . . a1n
det  ... . . . .. .. .. . . . .. 

. . . . 
an1 . . . an i−1 bn an i+1 . . . ann
xi =
det A
det Ai
xi =
det A
em que Ai é a matriz obtida substituindo a i−ésima coluna de A pela matriz coluna
B.
Vantagem da regra de Cramer: fornece a fórmula explı́cita da solução do
sistema linear de n equações e n incógnitas.
Desvantagens da regra de Cramer: i) número muito elevado de operações,
computacionalmente caro, perdendo de longe para o método de linha-redução à
forma escalonada reduzida estudado anteriormente e ii) aplica-se apenas a sistemas
de n equações e n incógnitas.
Exemplo: 
 2x − z = 1
Use a regra de Cramer para resolver o sistema linear x+y+z =0 .

     x − y + 2z = −1
2 0 −1 x 1
 1 det Ai
1 1   y  =  0  , xi =
det A
1 −1 2 z −1
| {z } | {z } | {z }
=A =X =B
38
 
2 0 −1
det A = det  1 1 1  = a12 ã12 + a22 ã22 + a32 ã32
1 −1 2

2+2 2 −1 3+2 2 −1
= 0 + 1 · (−1) det − 1 · (−1) det =4+1+2+1
1 2 1 4
det A = 8
 
1 0 −1
det A1 = det  0 1 1  = a11 ã11 + a12 ã12 + a13 ã13
−1 −1 2

1+1 1 1 1+3 0 1
= 1 · (−1) det + 0 − 1 · (−1) det =2+1−1
−1 2 −1 −1
det A1 = 2
 
2 1 −1
det A2 = det  1 0 1  = a21 ã21 + a22 ã22 + a23 ã23
1 −1 2

2+1 1 −1 2+3 2 1
= 1 · (−1) det + 0 + 1 · (−1) det
−1 2 1 −1
= −(2 − 1) − (−2 − 1) = −1 + 3
det A2 = 2
 
2 0 1
det A3 = det  1 1 0  = a21 ã21 + a22 ã22 + a23 ã23
1 −1 −1

2+1 0 1 2+2 2 1
= 1 · (−1) det + 1 · (−1) det = −1 + (−2 − 1)
−1 −1 1 −1
det A3 = −4
det Ai det A1 2 1 det A2 2 1 det A3 4 1
xi = : x= = = , y= = = , z= =− =−
det A det A 8 4 det A 8 4 det
 A 8 2
x 1/4
Portanto a solução do sistema dado é S =  y  =  1/4 .
z −1/2
39
2.4 Considerações sobre inexistência ou existência
de soluções em sistemas de n equações e n
incógnitas
Uma consequência do método de Cramer é que sistemas de n equações e n incógnitas
em que a matriz dos coeficientes tem determinante não nulo possuem solução única.
Esta solução é a) a trivial se o sistema é homogêneo ou b) não trivial se o sistema
for não homogêneo. Contudo, se o determinante da matriz dos coeficientes é nulo,
temos dois cenários possı́veis: um em que o sistema não tem solução e outro em que
o sistema tem infinitas soluções. Na seção 4.3 apresentamos argumentos geométricos
para justificar estes cenários.
Exercı́cios:
1) Use a regra de Cramer para
 calcular a solução 
dos sistemas lineares a seguir:
 2x + z = −1  x + y − 3z = 1  x − y − 2z = 1
a) x−y+z =0 , b) 2x + z = −1 , c) x−y−z =2 ,
  
 −x − y + 2z = −1 x + y − z = 0 x + y + 2z = 3
 2x1 − x3 − x4 = 1


x1 − x2 + 2x4 = 2
d) .

 x2 − x3 = 3

3x1 + x4 = 4        
x 0 x −1/4
Resposta: a) S =  y  =  −1 , b) S =  y  =  −1/4 , c) S =
z −1 z −1/2
   
    x1 4/5
x 2  x2   2 
 y  =  −1 , d) X = 
 x3  =  −1 .
  
z 1
x4 8/5
2) Resolva os sistemas de equações lineares abaixo usando o processo de operações

elementares por linhas até que a matriz ampliada fique na forma escalonada reduzida
(formaescada).    
 3 x − 2 y + 4 z = 8 x 2
a) 2 x + 3 y + 2 z = 17 Resposta: S =  y  =  3 .

 x + y + z = 7 z  2 
 3 a + 6 b + 9 c = 12 a 2
b) − b + 2 c = −1 Resposta: S =  b  =  1 .

2 a + 4 b + 8 c = 8 c 0
40
  
x1 1/3
3 x1 − 3 x2 + x3 = 0
c) Resposta: X =  x2  =  1/3  +
2 x1 + x2 − x3 = 1
  x3 0
2/9
α 5/9  , α ∈ R.

1
   
x 7/6
2 x + 4 y + 3 z + 2 t = 1  y   −1/3 
d) Resposta: S =   z =
  +
6 x + 3 y + 9 z + 3 t = 6 0 
t 0
   
−3/2 −1/3
 0 

 −1/3  , α, β ∈ R..
 
α + β
 1   0 
0 1

2 −1 4 7
e) A2×2 · = Resposta: a11 = 1, a12 = 2, a21 = 2, a22 = 3.
1 4 7 10
41
Capı́tulo 3
Vetores
3.1 Introdução
Pontos no espaço R3
z
z0
Um ponto P no espaço1 R3 é representado pela P
notação P (x0 , y0 , z0 ) onde x0 ,
y0 e z0 são as coordenadas
z0
do ponto. Geometricamente, o ponto P é
y0
x0 y
representado como na figura ao lado.
Exercı́cios:
1) Represente graficamente os pontos a) P (2, 3, 2), b) Q(1, −2, 4), c) R(−2, −3, 3)
e d) S = (3, 2, −2).
2) Represente graficamente o triângulo cujos vértices são os pontos P (0, 0, 0),
Q(1, 1, 1) e R(3, 3, −3).
3) Faça um esboço do plano que passa pelos pontos P (3, 0, 0), Q(0, 4, 0) e R(0, 0, 2).
Distância entre dois pontos
42
z
z0
P(x0,y0,z0) z1
d Q(x1,y1,z1)
p
d= (x1 − x0 )2 + (y1 − y0 )2 + (z1 − z0 )2 .
y0 y1
x1 y
x0
Exercı́cio:
Dados os pontos P (2, 3, 2), Q(1, −2, 4), R(−2, −3, 3) e S = (3, 2, −2), determine
a distância entre a) P e Q, b) P e R, c) P e S, d) Q e R, e) Q e S, e f) R e S.
Considerando r = d e tomando o conjunto de todos os pontos possı́veis equidis-

tantes ao ponto P temos uma esfera centrada no ponto P :
Equação da esfera: r2 = (x − x0 )2 + (y − y0 )2 + (z − z0 )2 .
Exercı́cios:
1) Determine a equação da esfera
a) de raio 3 centrada no ponto P (1, −1, 0).
b) de raio 4 centrada no ponto P (2, 3, −1).
2) Mostre que as equações a seguir são equações da esfera e esboce o gráfico de
cada uma: a) x2 +y 2 +z 2 −2x−4y +4z +5 = 0, b) x2 +y 2 +z 2 +6x−2y −4z +13 = 0,
c) x2 + y 2 + z 2 + 2x − 4y + 6z + 5 = 0.
3) Esboce a região do espaço R3 que satisfaz a desigualdade 4 ≤ (x − 1)2 + (y −
2)2 + (z − 1)2 ≤ 9.
43
3.2 Vetores
Vetores são quantidades caracterizadas por módulo (ou intensidade, ou magnitude, ou
tamanho), direção e sentido, e são representados em termos de suas componentes na
direção de um conjunto de eixos ordenados. No sistema cartesiano tridimensional, um
vetor ~a é representado pela notação
~a = a1 ı̂ + a2 ̂ + a3 k̂
ou, equivalentemente,
~a = ha1 , a2 , a3 i, z
em que a1 , a2 , a3 ∈ R são as componentes de ~a
na direção dos eixos x, y, z, respectivamente,
a3
e ı̂, ̂, k̂ são vetores de tamanho unitário orientados
no sentido crescente dos eixos ordenados x, y, z, a
respectivamente, i.e., a3
k^ a2
ı̂ = 1ı̂ + 0̂ + 0k̂,
î ĵ y
̂ = 0ı̂ + 1̂ + 0k̂ e a1
k̂ = 0ı̂ + 0̂ + 1k̂.
Mais adiante nos aprofundaremos no estudo dos x
vetores, quando estudarmos espaços vetoriais.
Por enquanto convém dizer que ı̂, ̂ e k̂
são os vetores que formam a base canônica do espaço R3 .
A figura ao lado ilustra estes elementos.
z
z0
P(x0,y0,z0) Dados dois pontos P (x0 , y0 , z0 ) e
a Q(x1 , y1 , z1 ) no espaço, definimos o
z1
Q(x1,y1,z1) vetor ~a que tem inı́cio em P e
y0 y1 fim em Q pelo segmento de reta
−→
x1 y orientado P Q, i.e.,
x0 −→
~a = P Q = (x1 − x0 ) ı̂ + (y1 − y0 ) ̂ + (z1 − z0 ) k̂.
| {z } | {z } | {z }
=a1 =a2 =a3
x
44
z
Além disso, dois vetores ~a e ~b

são iguais se ambos possuem o mesmo módulo, a
a mesma direção e o mesmo sentido, independente b
da localização de tais vetores no espaço. y
x a=b
Exercı́cios:
1) Dados os pontos P (2, 3, 1), Q(−1, 2, 1) e R(3, 1, −2) determine os segmento
−→ −→ −→
de reta orientado a) ~a = P Q, b) ~b = QP e c) ~c = P R.
2) Considerando os os vetores ~a, ~b e ~c obtidos no exercı́cio anterior, esboce:
a) ~a, ~b e ~c no mesmo espaço considerando a origem como ponto inicial,
b) ~a, ~b e ~c no mesmo espaço considerando S(2, −2, 1) como ponto inicial.
3) Use o item a) do exercı́cio 2) acima para esboçar um plano paralelo aos vetores
~a e ~c.
Módulo, ou norma, de um vetor

O módulo, também chamado de norma, de um vetor ~a = a1 ı̂ + a2 ̂ + a3 k̂ é o seu
tamanho, ou comprimento, dado por 2
q
|~a| = a = a21 + a22 + a23
Vetores unitários
Um vetor unitário é um vetor que tem tamanho (módulo) igual a um. Seja n̂~a
um vetor unitário que aponta na direção do vetor ~a. Portanto
~a
n̂~a = .
|~a|
Exercı́cio:
Calcule o unitário√de cada vetor:
a) ~a = 3ı̂ − 2̂ − 3k̂,
b) ~b = −5ı̂ + 3̂ − 2k̂,
2
A definição é análoga para espaços com dimensões diferentes.
45
c) o segmento de reta orientado que sai do ponto P (−1, 2, 3) e vai até o ponto
Q(2, −3, −1).
Ângulos de direção
y Considerando um vetor ~a = a1 ı̂ + a2 ̂ no espaço R2 ,
o ângulo de direção α deste vetor é definido como
o ângulo medido a partir da porção positiva do eixo
a2 x no sentido anti-horário até o vetor ~a, como ilustra a
a figura ao lado. Desta forma o ângulo de direção
é uma medida positiva no intervalo 0 ≤ α < 2π.
α . Utilizando trigonometria elementar obtemos
a2
a1 x a1 = |~a| cos α, a2 = |~a| sen α, tan α = .
a1
Exemplo: √
Calcule o ângulo de direçãoq do vetor ~v = −2ı̂ − 12̂
√ √
v1 = −2, v2 = − 12, |~v | = (−2)+ (− 12)2 = 4
Como v1 < 0 e v2 < 0, então o vetor ~v está no 3o quadrante e seu ângulo α de
3π
direção, portanto, está no intervalo π < α < .
2
v1 2 1
cos α = =− =−
|~v | 4√ 2 √ √ √
v2 12 4·3 2 3 3
sen α = =− =− =− =−
|~v | 4 4 4 2
π/6 √π/4 √π/3
Lembrando que sen √1/2 √2/2 3/2 e sabendo que | sen α| > | cos α|
cos 3/2 2/2 1/2
π 4π
temos, portanto, α = π + = .
3 3
Exercı́cios: √
1)√Calcule o ângulo de direção dos vetores a) ~a = −4ı̂ + 4̂, b) ~b = 3ı̂ + 3̂ e c)
~c = 4 3ı̂ − 12̂.
Resposta: a) α = (π/2) + (π/4) = 3π/4, b) α = π/6, c) α = (3π/2) + (π/6) =
5π/3.
2) Determine :
a) o vetor ~u com módulo 4 e ângulo de direção 11π/6,
b) o vetor ~v com módulo 9 e ângulo de direção 3π/7 e
c) o vetor w~ com módulo
√ 8 e ângulo de direção 7π/6. √
Resposta: a) ~u = 2 3ı̂ − 2̂, b) ~v = 9 cos(3π/7)ı̂ + 9 sen (3π/7)̂, c) w
~ = −4 3ı̂ −
4̂.
46
z
a3
Considerando um vetor ~a = a1 ı̂ + a2 ̂ + a3 k̂
no espaço R3 , define-se três ângulos de direção
γ a
como os três ângulos que têm a menor medida
não-negativa α, β e γ a partir da porção positiva α β
dos eixos positivos x, y e z, respectivamente, .
a2 y
até o vetor, como ilustra a figura ao lado.
Portando α, β e γ estão no intervalo [0, π]. a1
x
Observando a figura acima e tomando o plano formado
Plano a × y
pelo vetor ~a e o eixo y obtemos a figura ao lado.
Utilizando trigonometria elementar temos que
a a2 = |~a| cos β.
Obtemos relações análogas tomando os planos formados
pelo vetor ~a e o eixo x, por ~a e o eixo z.
β
. Assim, obtemos as relações
a1 a2 a3
a2 y cos α = , cos β = , cos γ = .
|~a| |~a| |~a|
Os ângulos α, β e γ acima são chamados de ângulos diretores e o co-seno
destes ângulos são chamados de co-senos diretores. Para o caso de um vetor em
R3 temos
a21 a22 a23

cos2 α + cos2 β + cos2 γ = + +
|~a|2 |~a|2 |~a|2
a2 + a22 + a23
= 1
|~a|2
|~a|2
=
|~a|2
cos2 α + cos2 β + cos2 γ = 1
Exercı́cio:
Calculep os co-senos diretores √ do vetor ~v = 5ı̂ − 3̂ + 2k̂.
2 2
|~v | = 5 + (−3) + 2 = 38 2
cos α = |~vv1| = √538 , cos β = |~vv2| = − √338 , cos γ = |~vv3| = √238
Ângulo entre vetores
47
Definição: z
Sejam ~a e ~b vetores não nulos. O ângulo θ entre
~a e ~b é a menor medida positiva entre estes vetores.
b
A figura ao lado ilustra o ângulo entre dois vetores. θ a
Obs.:
• O ângulo θ entre dois vetores está no y
intervalo [0, π].
• Se θ = 0 ou θ = π, então os vetores ~a x
e ~b são paralelos.
Operações com vetores
3.3 Multiplicação por escalar

A multiplicação de um vetor por um escalar resulta em um novo vetor em que cada
componente é multiplicada por este escalar. Seja ~a = a1 ı̂ + a2 ̂ + a3 k̂ um vetor em
R3 e c ∈ R um escalar. Assim
c~a = ~b = ca1 ı̂ + ca2 ̂ + ca3 k̂.3
O vetor c~a possui a mesma direção de ~a de tal forma que ~b = c~

a é paralelo ao
vetor ~a. Além disso,
• Se c > 1, então o vetor c~a é maior que ~a e ambos têm o mesmo sentido.
• Se 0 < c < 1, então o vetor c~a é menor que ~a e ambos têm o mesmo sentido.
• Se −1 < c < 0, então o vetor c~a é menor que ~a e tem sentido oposto ao de ~a.
• Se c = −1, então o vetor c~a tem o mesmo módulo que ~a e tem sentido oposto
ao de ~a.
• Se c < −1, então o vetor c~a é maior que ~a e tem sentido oposto ao de ~a.
Portanto o ângulo entre o vetor ~b = c~a e o vetor ~a é θ = 0 quando c > 0, e o

ângulo entre ~b e ~a é θ = π quando c < 0.
Exercı́cios:
3
48
Dados os vetores ~a = 2ı̂ − 3̂ + 2k̂, ~b = −3ı̂ + 9̂ + 6k̂, ~c = ı̂ + ̂ − k̂, calcule a)
1
2~a, b) ~b, c) −~a, d) −3~c.
3
2) Considerando os vetores do exercı́cio anterior, represente geometricamente os
1
vetores a) ~a e 2~a, b) ~b e ~b, c) ~a e −~a, d) ~c e −3~c.
3
3) Determine o valor de r para o qual os vetores ~a = 5ı̂ + 2̂ e ~b = rı̂ + 3̂ são
paralelos. Resposta: r = 15/2.
3.4 Soma de vetores

Dados os vetores ~a e ~b, a soma ~a +~b resulta num outro vetor em que cada componente
é obtida pela soma das componentes correspondentes de ~a e ~b. Ou seja, se ~a =
a1 ı̂ + a2 ̂ + a3 k̂ e ~b = b1 ı̂ + b2 ̂ + b3 k̂, então
~a + ~b = ~c = (a1 + b1 )ı̂ + (a2 + b2 )̂ + (a3 + b3 )k̂.4
O vetor −~b, chamado de vetor oposto de ~b, corresponde ao vetor ~b multiplicado

pelo escalar −1. Desta forma a operação ~a − ~b corresponde à soma do vetor ~a com
o oposto de ~b, i.e.,
~a − ~b = ~a + (−~b) = (a1 − b1 )ı̂ + (a2 − b2 )̂ + (a3 − b3 )k̂.
z z
a +b
b
a a
y
a - b
-b y Geometricamente, a soma de vetores
pode ser feita utilizando a regra
x x
do triângulo ou a regra do
a +b paralelogramo, conforme imagem
z z
ao lado. Note que os vetores
~a e ~b são os mesmos nos quatro
b
a
gráficos.
a
y
a -b y
x x
-b
4
49
Propriedades
Sejam ~a, ~b, ~c vetores quaisquer e d, e ∈ R escalares. Assim temos as propriedades:
Comutativa: ~a + ~b = ~b + ~a
Associativa: ~a + (~b + ~c) = (~a + ~b) + ~c
Identidade aditiva: ~a + ~0 = ~a
Existência do oposto: ~a + (−~a) = ~0
Associativa: (de)~a = d(e~a)
Distributiva: d(~a + ~b) = d~a + d~b
Distributiva: (d + e)~a = d~a + e~a
Identidade da multiplicação por escalar: 1(~a) = ~a
Exercı́cios:
1) Demonstre as propriedades da adição acima enunciadas.
2) Dados os vetores ~a = 2ı̂ + 3̂, ~b = ı̂ − 2̂ e ~c = −3ı̂ + 6̂, calcule e represente
1 1
geometricamente as operações a seguir: a) ~a + ~b, b) ~b − ~c, c) ~c − ~a, d) ~a + ~c,
3 2
3) Considerando os vetores ~a, ~b e ~c do exercı́cio acima, calcule a) ~a + 2~b + ~c, b)
2(~a + ~b) − (~b + ~c), c) 3~b − ~b, d) 5~a + 2(~b − 2~a).
4) Dados os vetores ~a = −3ı̂ + 2̂ + 3k̂, ~b = ı̂ − ̂ − k̂ e ~c = 2ı̂ + 4̂ − 2k̂, calcule
e represente geometricamente as operações a seguir: a) ~a + ~b, b) ~c − ~b, c) 2~c − ~a, d)
~b + 1 ~c.
2
5) Considerando os vetores ~a, ~b e ~c do exercı́cio acima, calcule a) 2(~a + 3~c) − ~b,
1
b) 4(~c − ~b) + 2(~a − 2~c), c) 3(~b + ~a) − (~c + ~b), d) ~a + 2(~c − ~b − ~a).
2
3.5 Produto escalar

O produto escalar, também chamado de produto interno, entre dois vetores ~a =
a1 ı̂ + a2 ̂ + a3 k̂ e ~b = b1 ı̂ + b2 ̂ + b3 k̂ tem como resultado um número escalar. O
produto escalar entre ~a e ~b tem a notação ~a · ~b, sendo definido como a soma do
produto das componentes de ~a e ~b, ou seja,
~a · ~b = a1 b1 + a2 b2 + a3 b3 . 5
Propriedades
Sejam ~a, ~b, ~c vetores e d ∈ R um escalar. Assim temos as seguintes propriedades:
5
50
Comutativa: ~a · ~b = ~b · ~a
Associativa: ~a · (~b + ~c) = ~a · ~b + ~a · ~c
Associativa: d(~a · ~b) = (d~a) · ~b
~0 · ~a = 0
~a · ~a = ~a 2 = |~a|2
Exercı́cios:
1) Demonstre as propriedades do produto escalar enunciadas acima.
2) Dados os vetores ~a = 4ı̂ − 2̂, ~b = −2ı̂ + ̂ e ~c = 3ı̂ + 2̂ calcule a) ~a · ~b, b)
~a · (2~b + ~c), c) ~c · (~a + 2~b).
3) Dados os vetores ~a = 3ı̂ − 1̂ + 2k̂, ~b = ı̂ + 2̂ − 3k̂ e ~c = 2ı̂ − 2̂ + k̂ calcule a)
~a · (~b − ~v ), b) (~c + 2~a) · ~a, c) ~c · (~a + ~c) − ~a · (~c − ~b).
4) O trabalho W realizado por uma força F~ constante é dado por W = F~ · d, ~
em que é o deslocamento do corpo sobre o qual a força realiza trabalho. Sabendo
que F~ = 2ı̂ + 3̂ − 2k̂ e que o corpo deslocou em linha reta do ponto P (2, 4, 3) para
o ponto Q(−1, 2, 5), calcule o trabalho realizado pela força.
Teorema
Se ~a e ~b são vetores não-nulos e θ é o ângulo entre ~a e ~b, então
~a · ~b = |~a||~b| cos θ.
Demonstração:
z
Sejam ~a = a1 ı̂ + a2 ̂ + a3 k̂
b3
e ~a = a1 ı̂ + a2 ̂ + a3 k̂.
P
Da figura ao lado temos b
−→ a3
P Q = ~a − ~b = (a1 − b1 )ı̂ + (a2 − b2 )̂ + (a3 − b3 )k̂ a Q
θ
|~a − ~b|2 = (a1 − b1 )2 + (a2 − b2 )2 + (a3 − b3 )2
Aplicando a lei dos co-senos no triângulo formado b2 a2
− → a1 y
pelos vetores ~a, ~b e P Q (seção 8) temos:
|P~Q|2 = |~a| + |~b|2 − 2|~a||~b| cos θ b1
|~a − ~b|2 = |~a| + |~b|2 − 2|~a||~b| cos θ x
(a1 − b1 )2 + (a2 − b2 )2 + (a3 − b3 )2 = a21 + a22 + a23 + b21 + b22 + b23 − 2|~a||~b| cos θ
a21 −2a1 b1 +b21 +a22 −2a2 b2 +b22 +a23 −2a3 b3 +b23 = a21 +a22 +a23 +b21 +b22 +b23 −2|~a||~b| cos θ
−2(a1 b1 + a2 b2 + a3 b3 ) = −2|~a||~b| cos θ
~a · ~b = |~a||~b| cos θ
51
Completando a demonstração.
Vetores perpendiculares
Dois vetores, ~a e ~b, são perpendiculares, ou ortogonais, se θ = π/2. Neste caso
cos θ = 0 e temos, do teorema acima, que ~a · ~b = 0. Reciprocamente, se ~a · ~b = 0,
então ~a e ~b são perpendiculares
Vetores paralelos
Dois vetores, ~a e ~b, são paralelos, se θ = 0 ou θ = π. Portanto se cos θ = −1 ou
cos θ = 1, então ~a e ~b são paralelos.
Exercı́cios:
1) Dados os vetores ~a = 2ı̂ − ̂ − 4k̂, ~b = −ı̂ + 2̂ + 2k̂, ~c = 6ı̂ + 2̂ + 11k̂ e
d~ = 12ı̂ − 7̂ + 3k̂, calcule o co-seno do ângulo entre a) ~a e ~b, b) ~b e ~c, c) ~a e d.
~
2) Determine se os vetores são perpendiculares, paralelos ou nenhum dos dois
usando o co-seno do ângulo entre eles. √ √
√ a) ~
u =
√ 2ı̂ + 3̂
√ − 4 k̂ e ~
v =
√ −7ı̂ + 22̂ + 13 k̂, b) ~
a = 2ı̂
√ + 4̂ + 3k̂ e ~b =
2
2 3ı̂ + 4 6̂ + 3 2k̂, c) ~r1 = 3ı̂ − 2̂ + k̂ e ~r2 = −ı̂ + √3 ̂ + 3k̂.
Resposta: a) perpendicular: √ cos θ = 0, b) paralelo: cos θ = 1, c) nem paralelo,
nem perpendicular: cos θ = − 2/4.
3) Calcule o trabalho realizado por uma força F~ constante de módulo |F~ | = 64N
aplicada a um corpo que desloca-se horizontalmente da posição x = 5m até a posição
x = 15m sabendo que o ângulo entre F~ e o vetor ı̂ é de π/6.
4) Determine, em cada caso, se o triângulo formado pelos vértices P , Q e R são
ou não retângulos:
a) P (1, 0, 2), Q(2, 4, 0) e R(2, 0, 2),
b) P (3, −2, 1), Q(2, 1, 5) e R(3, 2, 4).
52
3.5.1 Projeção escalar e projeção vetorial do vetor ~b sobre
~a
Sendo θ o ângulo entre os vetores ~a e ~b, a projeção
escalar de ~b sobre ~a, denotada por b~a , é a componente
do vetor ~b na direção do vetor ~a. Portanto, por b
trigonometria, temos da figura ao lado que b~a = |~b| cos θ.
E usando o teorema acima temos a
~a · ~b θ
.
b~a = |~b| cos θ = b
a
|~a|
A projeção vetorial de ~b sobre ~a, denotada por

~b~a , é o vetor com módulo b~a , dado pela expressão b
a
acima, que aponta na ! direção do vetor ~a, ou seja,
~
~b~a = b~a ~a = ~a · b ~a.
|~a| |~a|2
Exercı́cio:
Determine a) a projeção escalar e a projeção vetorial de ~a = 2ı̂ + 3̂ − 5k̂ sobre
o vetor ~b = ı̂ + 2̂ + 3k̂, b) a projeção escalar e a projeção vetorial de ~b sobre ~a.
3.6 Produto vetorial

O produto vetorial entre os vetores ~a e ~b, denotado por ~a × ~b, é uma operação cujo
resultado é um vetor, ou seja, ~a × ~b = ~c. O produto vetorial ~a × ~b entre os vetores
~a = a1 ı̂ + a2 ̂ + a3 k̂ e ~b = b1 ı̂ + b2 ̂ + b3 k̂ é definido pela expressão abaixo
 
ı̂ ̂ k̂
~a × ~b = det  a1 a2 a3  = (a2 b3 − a3 b2 )ı̂ + (a3 b1 − a1 b3 )̂ + (a1 b2 − a2 b1 )k̂
b1 b2 b3
Propriedades
• Se ~a e ~b não são nulos e nem paralelos, o vetor ~c = ~a × ~b possui orientação
perpendicular a ambos ~a e ~b.
Demonstração:
Da definição temos ~c = ~a × ~b = (a2 b3 − a3 b2 )ı̂ + (a3 b1 − a1 b3 )̂ + (a1 b2 − a2 b1 )k̂.
Como ~c · ~a = (a2 b3 − a3 b2 )a1 + (a3 b1 − a1 b3 )a2 + (a1 b2 − a2 b1 )a3 = 0 e ~c · ~b =
53
(a2 b3 − a3 b2 )b1 + (a3 b1 − a1 b3 )b2 + (a1 b2 − a2 b1 )b3 = 0, então fica concluı́da a
demonstração da propriedade acima.
Obs.: Note que se ~a e ~b são não-nulos

e nem paralelos, então estes vetores a ×b
definem um plano. Assim o produto
vetorial ~a × ~b forma um vetor
perpendicular ao plano definido pelos b
vetores ~a e ~b, como ilustra
a
a figura ao lado.
.
• Se o vetor ~a é paralelo ao vetor ~b, então o produto vetorial entre ~a e ~b é zero,
~c = ~a × ~b = ~0.
Demonstração:
Se ~a é paralelo ao vetor ~b, então ~b = α~a = αa1 ı̂ + αa2 ̂ + αa3 k̂. Assim

ı̂ ̂ k̂ ı̂ ̂ k̂ ı̂ ̂ k̂

~a ×~b = a1 a2 a3 = a1 a2 a3 = α a1 a2 a3 = 0ı̂+0̂+0k̂ =
b1 b2 b3 αa1 αa2 αa3 a1 a2 a3
~0, concluindo a demonstração.
• ~a × ~b = −~b × ~a.
Demonstração:

ı̂ ̂ k̂ ı̂ ̂ k̂

~a×~b = a1 a2 a3 = − b1 b2 b3 = −~b×~a, concluindo a demonstração.

b1 b2 b3 a1 a2 a3
• O produto vetorial não é associativo, i.e., dados os vetores ~a, ~b e ~c temos que
~a × (~b × ~c) 6= (~a × ~b) × ~c.
Exemplo:
Temos ̂ × (̂ × k̂) = ̂ × ı̂ = −k̂ e (̂ × ̂) × k̂ = ~0 × k̂ = ~0, de onde nitidamente
temos ̂ × (̂ × k̂) 6= (̂ × ̂) × k̂.
Dados os vetores ~a, ~b e ~c, e um escalar d temos
• ~a × (~b + ~c) = ~a × ~b + ~a × ~c.

Demonstração: Por conta do leitor.
54
• d(~a × b) = (d~a) × b = ~a × (d~b) = (~a × ~b)d.
Teorema: Produto triplo escalar
~a · ~b × ~c = ~a × ~b · ~c.
Obs.: Não faz sentido realizar o produto escalar antes do produto vetorial.
Demonstração:
h i
~
~a · b × ~c = ~a · (b2 c3 − b3 c2 )ı̂ + (b3 c1 − b1 c3 )̂ + (b1 c2 − b2 c1 )k̂
= a1 (b2 c3 −b3 c2 ) + a2 (b3 c1 −b1 c3 ) + a3 (b1 c2 −b2 c1 )
|{z} |{z} |{z} |{z} |{z} |{z}
··· ·· · ··· ·· ·
= (a2 b3 − a3 b2 )c1 + (a3 b1 − a1 b3 )c2 + (a1 b2 − a2 b1 )c3
= [(a2 b3 − a3 b2 )ı̂ + (a3 b1 − a1 b3 )̂ + (a1 b2 − a2 b1 )k̂] · [c1 ı̂ + c2 ̂ + c3 k̂]
~a · ~b × ~c = ~a × ~b · ~c
Aplicando repetidamente o teorema acima temos:


~a · ~b × ~c = 

~ 
~a × b · ~c = 

 i.e.,

~
~c · ~a × b = aplicando novamente o teorema:

~a × ~b · ~c = ~b × ~c · ~a = ~c × ~a · ~b,
~c × ~a · ~b = 
 ou

~b · ~c × ~a = aplicando novamente o teorema: 

 ~a · (~b × ~c) = ~b · (~c × ~a) = ~c · (~a × ~b).

~b × ~c · ~a, 
Além disso, sendo ~a = a1 ı̂ + a2 ̂ + a3 k̂, ~b = b1 ı̂ + b2 ̂ + b3 k̂ e ~c = c1 ı̂ + c2 ̂ + c3 k̂

temos que o produto triplo escalar ~a · ~b × ~c é dado por
 
a1 a2 a3
~a · ~b × ~c = det  b1 b2 b3 
c1 c2 c3
Teorema: Produto triplo vetorial (Regra bac-cab)
~a × (~b × ~c) = ~b(~a · ~c) − ~c(~a · ~b)

55
Exercı́cio:
~b = 2ı̂ + 4̂ − 2k̂, ~c = −ı̂ + ̂ − 3k̂, d~ =
√ Dados os√vetores ~a =√3ı̂ − 2̂√+ 2k̂, √
2ı̂ − 3̂ + 3k̂ e ~e = 2 3ı̂ − 3 6̂ + 3 2k̂, calcule usando as propriedades e os
teoremas do produto vetorial sempre que possı́vel:
a) ~a × ~b, ~c × d, ~ ~b × ~a.
b) ~a × (~b × ~c), (~a × ~b) × ~c.
c) (~b + 2~c) × ~a, (~c − 2d) ~ × d.
~
d) d~ × ~e.
e) Qual é a justificativa para o resultado do item d)?
f) Dois vetores perpendiculares a ~c × d.~
g) ~b · ~c, ~a · d,
~ ~c · d.
~
~ ~ ~
h) ~a × ~c · d, b × b · d. ~
i) d~ × (~a × ~c), ~c × (~b × d).
~
Produto vetorial entre os vetores ı̂, ̂ e k̂

î
O produto vetorial entre ı̂, ̂ e k̂ pode ser agilizado
tendo em mente a seguinte regra mnemônica.
k ^
Em um cı́rculo escreve-se os vetores ı̂, ̂ e k̂, como
ilustra a figura ao lado. Se o produto vetorial entre
dois vetores ocorre percorrendo o cı́rculo no sentido ĵ
anti-horário, então o resultado será o terceiro vetor,
ou seja,
ı̂ × ̂ = k̂, ̂ × k̂ = ı̂ e k̂ × ı̂ = ̂.
Se o produto vetorial entre dois vetores ocorre percorrendo o cı́rculo no sentido
horário, então o resultado será o oposto do terceiro vetor, ou seja,
̂ × ı̂ = −k̂, k̂ × ̂ = −ı̂ e ı̂ × k̂ = −̂.
Desta forma o produto vetorial pode ser calculado utilizando as propriedades,

sem necessidade de montar uma matriz para calcular o determinante.
Exemplo:
Sejam ~a = 2ı̂ − 5̂ + 3k̂, ~b = 5ı̂ + 2̂ − 2k̂ e ~c = −3ı̂ − 3̂ + 2k̂. Calcule (~a + ~b) × ~c
usando propriedades do produto vetorial.
56
(~a + ~b) × ~c = ~a × ~c + ~b × ~c
= (2ı̂ − 5̂ + 3k̂) × (−3ı̂ − 3̂ + 2k̂) + (5ı̂ + 2̂ − 2k̂) × (−3ı̂ − 3̂ + 2k̂)
= 2(−3) ı̂ × ı̂ +2(−3) ı̂ × ̂ +2(2) ı̂ × k̂ +
|{z} |{z} | {z }
=~0 =k̂ =−̂
+(−5)(−3) ̂ × ı̂ +(−5)(−3) ̂ × ̂ +(−5)2 ̂ × k̂ +

|{z} |{z} | {z }
=−k̂ =~0 =ı̂
+3(−3) k̂ × ı̂ +3(−3) k̂ × ̂ +3(2) k̂ × k̂ +

| {z } | {z } | {z }
=̂ =−ı̂ ~0
+5(−3)ı̂ × ı̂ + 5(−3)ı̂ × ̂ + 5(2)ı̂ × k̂ +

+2(−3)̂ × ı̂ + 2(−3)̂ × ̂ + 2(2)̂ × k̂ +
+(−2)(−3)k̂ × ı̂ + (−2)(−3)k̂ × ̂ + (−2)(2)k̂ × k̂
= −6k̂ −4̂ −15k̂ −10ı̂ −9̂ |{z}
+9ı̂ −15k̂ −10̂ |{z} +4ı̂ +6̂ −6ı̂
+6k̂ |{z}
|{z} |{z} | {z } | {z } |{z} | {z } | {z } |{z} |{z}
... .. ... . .. . ... .. ... . .. .
= −3ı̂ − 17̂ − 30k̂
Teorema:
Dados os vetores ~a e ~b com ângulo θ entre eles temos
|~a × ~b| = |~a||~b| sen θ.
Demonstração:
|~a × ~b|2 = (a2 b3 − a3 b2 )2 + (a3 b1 − a1 b3 )2 + (a1 b2 − a2 b1 )2

= a22 b23 − 2a2 a3 b2 b3 + a23 b22 + a23 b21 − 2a1 a3 b1 b3 + a21 b23 + a21 b22 − 2a1 a2 b1 b2 + a22 b21
somando a21 b21 + a22 b22 + a23 b23 − a21 b21 − a22 b22 − a23 b23 = 0 . . .
= (a21 + a22 + a23 )(b21 + b22 + b23 ) − (a1 b1 + a2 b2 + a3 b3 )2
= |~a|2 |~b|2 − (~a · ~b)2 , lembrando que ~a · ~b = |~a||~b| cos θ :
= |~a|2 |~b|2 − (|~a||~b| cos θ)2
= |~a|2 |~b|2 (1 − cos2 θ)
= |~a|2 |~b|2 sen 2 θ
|~a × ~b| = |~a||~b| sen θ, concluindo a demonstração.
Interpretação geométrica do teorema
57
Os vetores ~a e ~b formam os lados de um
paralelogramo, como podemos ver na figura
|a | ao lado. Usando trigonometria temos que
|b | a altura h do paralelogramo é dada por
h = |~b| sen θ. Portanto a área A
do paralelogramo formado pelos vetores ~a
h
b e ~b é dada por A = |~a|h,
ou seja,
θ
.
a
A = |~a||~b| sen θ.
Pelo teorema acima,
A = |~a × ~b| = |~a||~b| sen θ.
Interpretação geométrica do produto triplo escalar

Se ~a, ~b e ~c são três
vetores não-nulos e não-coplanares, então
estes vetores formam as arestas de um
paralelepı́pedo, como ilustra a figura ao lado.
O volume do paralelepı́pedo é dado pelo produto
da área de sua base pela sua altura h.
A sua base é um paralelogramo e o n
~ ~
valor de sua área é A = |~a × b| = |~a||b| sen θ. c
Seja α o ângulo entre o vetor ~c e
.
um vetor ~n normal (perpendicular) ao α h b

h
plano definido pelos vetores ~a e ~b.

.
Lembrando que ~a × ~b é perpendicular

a este plano, façamos ~n = ~a × ~b. a
Observando a figura ao lado e usando
trigonometria temos que a altura do
paralelepı́pedo é h = |~c| cos α. Lembrando
do teorema que diz que ~a · ~b = |~a||~b| cos θ,
em que θ é o ângulo entre ~a e ~b, temos
~n · ~c = |~n||~c| cos α
= |~n|h
= |~a × ~b|h = Ah = V (volume do paralelepı́pedo)
(~a × ~b) · ~c = V
V = ~a × ~b · ~c,
ou seja, o produto triplo escalar está relacionado com o volume do paralelepı́pedo em
que três de suas arestas são os vetores não-coplanares ~a, ~b e ~c. Para evitar possı́veis
58
valores negativos no produto triplo escalar escrevemos
V = |~a × ~b · ~c|.
Exercı́cios:
1) Calcule o a área do paralelogramo com vértices em P (2, 0, −1), Q(0, 2, 2),
R(2, 4, −1) e S(0, 6, 2).
2) Dados os pontos V (2, 4, 3), P (3, 6, 4), Q(−5, 5, 5) e R(1, 2, 8) calcule o volume
do paralelepı́pedo com um dos vértices em V de onde saem as arestas V P , V Q e
V R.
3) Calcule a área do triângulo com vértices em A, B e C sendo que:
a) A(3, 2, 5), B(1, 5, 7) e C(4, 8, 2),
b) A(3, 2, 1), B(−2, 3, 2) e C(4, 5, −7).
4) Determine um vetor não nulo perpendicular ao plano que contém os pontos
A, B e C sendo:
a) A(3, 7, 2), B(8, 5, 1) e C(2, 1, −3),
b) A(2, 5, −2), B(3, 1, 2) e C(4, 3, 1).
5) Em mecânica o torque ~τ realizado por uma força F~ aplicada em um ponto P
com vetor posição dado por ~r é dado por ~τ = ~r × F~ .
a) Sendo F~ = (2ı̂ − 3̂ + k̂)N e ~r = (3ı̂ − ̂ − 2k̂)m, mostre que o vetor torque é
perpendicular aos vetores F~ e ~r.
b) Uma porca será girada pela aplicação de
F
uma força F~ na extremidade de uma θ
chave cujo cabo tem comprimento d conforme r
ilustra a figura ao lado. Para qual valor
de θ o torque é máximo? Para quais
d
valores de θ o torque é mı́nimo?
Calcule o torque para o caso em que θ = π/3.
59
6) Em eletromagnetismo uma carga elétrica q em movimento num campo
magnético B ~ descreve uma trajetória curvilı́nea devido à
ação de uma força dada pela expressão F~ = q~v × B.
~
Considere o caso particular em que o campo magnético é constante, homogêneo e
dado por B ~ = B0 k̂, e que o movimento da carga elétrica ocorra no plano xy.
Desta forma o movimento da carga q descreve um cı́rculo
z B de raio R com velocidade v = ωR, em que ω
é a velocidade angular da partı́cula carregada.
A figura ao lado ilustra o fenômeno para B0 > 0.
a) Calcule o módulo da força que atua sobre a carga q.
b) Qual é o ângulo formado entre os vetores ~v e F~ ?
c) Considerando que q > 0 e B0 > 0, para onde
aponta o vetor F~ ?
r y d) Qual é o ângulo formado entre os vetores ~r e F~ ?
q e) Qual o torque realizado pela força F~ sobre a carga q?
f) Qual é o trabalho realiza por F~ durante uma revolução
v de 2π da partı́cula em sua trajetória circular?
x
60
Capı́tulo 4
Retas, planos e superfı́cies

quádricas
4.1 Retas
Por dois pontos P0 e Q quaisquer passamos uma
P0P reta L. A figura à esquerda ilustra um situação tı́pica.
L −−→
z P Seja ~v = P0 Q um vetor definido pelo segmento de
.
Q reta orientado que liga o ponto P0 ao ponto Q.

v = P0Q Desta forma ~v é paralelo à reta L. Seja ~r0 o vetor
.
r(t) que especifica a posição do ponto P0 e seja ~r(t) o

.
P0 vetor que especifica a posição de um ponto P

r0 y qualquer sobre a reta L, em que o escalar t
representa um parâmetro real. Note que o segmento
−−→ −−→
x de reta orientado P0 P é paralelo a ~v = P0 Q, ou seja,
−−→
podemos escrever P0 P = t~v . Como podemos notar pela
figura à direita, geometricamente temos que os vetores
−−→ P0P
~r0 , ~r(t) e o segmento de reta orientado P0 P se
−−→
relacionam pela expressão ~r0 + P0 P = ~r(t), ou seja, r(t)
a equação da reta é dada por
r0
~r(t) = ~r0 + t~v , t ∈ R.
Esta equação é chamada de equação vetorial da reta.

−−→
Sabendo que o vetor ~v = P0 Q é escrito como ~v = aı̂ + b̂ + ck̂, podemos separar
a equação vetorial da reta em três funções componentes, dadas por
x(t) = x0 + at, y(t) = y0 + bt, z(t) = z0 + ct,
61
em que x0 , y0 e z0 são as componentes do vetor ~r0 = x0 ı̂ + y0 ̂ + z0 k̂. As equações
acima são chamadas de equações paramétricas da reta.
Se as componentes a, b e c do vetor ~v paralelo à reta são diferentes de zero,

x − x0 y − y0 z − z0
temos das equações paramétricas t = , t= , t= . Como estas
a b c
três equações devem ser satisfeitas simultaneamente para cada valor do parâmetro
t temos
x − x0 y − y0 z − z0
= = .
a b c
As equações acima são chamadas de equações simétricas da reta.
Se uma componente a, b ou c do vetor ~v paralelo à reta é igual a zero, e.g., b = 0,
então as equações simétricas desta reta são dadas por
x − x0 z − z0
= , y = y0 ,
a c
e a reta pertence ao plano vertical y = y0 .
Exemplo:
Dados os pontos P (1, 2, 3) e Q(3, 1, 2) determine:
a) a equação vetorial,
b) as equações paramétricas e
c) as equações simétricas
da reta que passa por P e Q.
a) Seja O(0, 0, 0) o ponto que representa a origem. Assim
−→
~r0 = OP = ı̂ + 2̂ + 3k̂
−→
~v = P Q = 2ı̂ − ̂ − k̂
~r(t) = ~r0 + t~v , t ∈ R
~r(t) = ı̂ + 2̂ + 3k̂ + t(2ı̂ − ̂ − k̂)
~r(t) = (1 + 2t)ı̂ + (2 − t)̂ + (3 − t)k̂, t ∈ R.
b) Como ~r0 = x0 ı̂ + y0 ̂ + z0 k̂ = ı̂ + 2̂ + 3k̂ e ~v = aı̂ + b̂ + ck̂ = 2ı̂ − ̂ − k̂, temos
 
 x(t) = x0 + at  x(t) = 1 + 2t
y(t) = y0 + bt ⇒ y(t) = 2 − t , t ∈ R
 
z(t) = z0 + ct z(t) = 3 − t
c)
x − x0 y − y0 z − z0
= = ,
a b c
x−1 y−2 z−3
= = .
2 −1 −1
62
Diferentemente do caso das retas até agora discutidas, em determinados casos é
necessário lidarmos com segmentos de reta, ou seja, retas que têm uma
extremidade em um ponto P0 e outra extremidade
z = 0
v P Q em um ponto Q, como ilustra a figura ao lado. Seja
.
Q ~r0 = x0 ı̂ + y0 ̂ + z0 k̂ o vetor que especifica a posição
do ponto inicial P0 (x0 , y0 , z0 ) do segmento de reta e,
L semelhantemente, seja ~r1 o vetor que especifica a
r1
.
posição da extremidade final Q. Da equação vetorial

P0 da reta que obtemos anteriormente temos, para t = 0,
r0 y ~r(0) = ~r0 , ou seja, a posição da extremidade inicial P0 .
Fazendo t = 1 na equação vetorial da reta temos,
observe geometricamente na figura ao lado,
x
~r(1) = ~r0 + ~v = ~r1 , que corresponde à posição da
extremidade final do segmento de reta. Para valores de t entre 0 e 1 temos pontos
intermediários sobre o segmento de reta. Desta última expressão obtemos ~v = ~r1 − ~r0 .
Substituindo este resultado na equação vetorial da reta e sabendo que para o segmento
de reta o parâmetro t varia no intervalo [0, 1], temos ~r(t) = r~0 + t(~r1 − ~r0 ), 0 ≤ t ≤ 1,
ou seja,
~r(t) = (1 − t)~
r0 + t~r1 , 0 ≤ t ≤ 1.
Esta função vetorial é chamada de equação do segmento de reta.
Exemplo:
Determine a equação do segmento de reta que tem como extremos os pontos
P (1, 2, 3) e Q(3, 1, 2).
Seja O(0, 0, 0). Assim
−→
~r0 = OP = ı̂ + 2̂ + 3k̂
−→
~r1 = OQ = 3ı̂ + ̂ + 2k̂
~r(t) = (1 − t)~
r0 + t~r1 , 0 ≤ t ≤ 1.
~r(t) = (1 − t)(ı̂ + 2̂ + 3k̂) + t(3ı̂ + ̂ + 2k̂)
~r(t) = (1 + 2t)ı̂ + (2 − t)̂ + (3 − t)k̂, 0 ≤ t ≤ 1.
Definições:
• Duas retas são reversas se elas não se interceptam e não são paralelas.
• Duas retas são concorrentes se elas não são paralelas mas se interceptam em
um ponto.
63
Exemplo:
Considere a reta L1 que passa pelos pontos M (1, 2, 3) e N (3, 1, 2) e a reta L2
que passa pelos pontos P (2, 0, 1) e Q(3, 0, 1). Determine se estas retas são paralelas,
concorrentes ou reversas. Caso sejam concorrentes, determine o ponto de interseção
de L1 com L2 e o ângulo entre L1 e L2 .
Seja O = (0, 0, 0). Assim
i) L1 : ~r(t) = ~r0 + t~v ii) L2 : ~q(s) = ~q0 + sw
~
−−→ −→
~r0 = OM = ı̂ + 2̂ + 3k̂ ~q0 = OP = 2ı̂ + 0̂ + k̂
−−→ −→
~v = M N = 2ı̂ − ̂ − k̂ w
~ = P Q = ı̂ + 0̂ + 0k̂
~r(t) = ı̂ + 2̂ + 3k̂ + t(2ı̂ − ̂ − k̂) ~q(s) = 2ı̂ + 0̂ + k̂ + s(ı̂ + 0̂ + 0k̂)
~r(t) = (1 + 2t)ı̂ + (2 − t)̂ + (3 − t)k̂ ~q(s) = (2 + s)ı̂ + 0̂ + k̂
Como podemos notar L1 e L2 não podem ser paralelas pois ~v 6= αw. ~
Se L1 e L2 são concorrentes, então existem valores de s e t para os quais temos
~r(t) = ~q(s),
ou seja,

 1 + 2t = 2 + s
2−t=0

3−t=1
Das duas últimas expressões temos t = 2. Este resultado na primeira expressão

fornece s = 3.
Desta forma, o vetor que especifica a posição do ponto de interseção é ~r(2) =
5ı̂ + 0̂ + k̂ ou ~q(3) = 5ı̂ + 0̂ + k̂.
Logo as retas L1 e L2 são concorrentes. Sendo I o ponto de interseção e sabendo
−→
que OI = ~r(2) = ~q(3) temos I(5, 0, 1).
Sabendo que as retas L1 e L2 são concorrentes, o ângulo entre L1 e L2 é dado
pelo ângulo θ entre os vetores ~v e w, ~ ou seja,
~v · w
~ = |~v ||w|
~ cos θ
~v · w ~=√2 + 0 + 0 = √
2
|~v | = √4 + 1 + 1 = 6
√ |w|
~ = 1+0+0=1
~v · w
~ 2 6
cos θ = =√ √
|~v ||w|
~√ ! 6 6
6
θ = arccos
3
64
Obs.: Se os pontos M e N , P e Q fossem tais que resultassem num sistema de
três equações nas duas incógnitas s e t (como o exemplo acima) sem solução, então
as retas L1 e L2 seriam reversas.
Exercı́cios:
1) Dados os pontos P (2, 1, −2) e Q(1, −1, 2) determine:
a) a equação vetorial da reta que passa por P e Q,
b) as equações simétricas da reta que passa por P e Q,
c) a equação do segmento de reta que inicia em P e termina em Q.
2) Dados o ponto P (−1, 2, 4) e o vetor ~v = 3ı̂ − 2̂ + 0k̂, determine as equações
simétricas da reta que é paralela a ~v e passa por P .
3) Considere a reta L1 que passa pelos pontos M e N e a reta L2 que passa pelos
pontos P e Q. Em cada caso determine se estas retas são paralelas, concorrentes ou
reversas. Caso sejam concorrentes, determine o ponto de interseção de L1 com L2
e o ângulo entre L1 e L2 . Caso sejam paralelas, determine se L1 e L2 são ou não
coincidentes.
a) M (3, 5, 1) e N (4, 3, 7), P (5, 2, −1) e Q(−8, 2, 3).
b) M (4, 3, −2) e N (2, 5, 8), P (3, 7, −5) e Q(11/2, 6, −43/2).
c) M (2, 3, −2) e N (3, 5, 1), P (4, 2, 3) e Q(1, −4, −6).
d) M (3, 2, −4) e N (11, 4, 2), P (15, 5, 5) e Q(19, 6, 8).
344
Resposta: a) Reversas, b) Concorrentes, I(−2, 9, 28), θ = arccos − √ √ ,
108 1110
c) Paralelas não coincidentes. d) Paralelas coincidentes.
65
4.2 Planos
Um plano é uma superfı́cie cuja equação é obtida obtida a partir de um qualquer um de
seus pontos, digamos P0 (x0 , y0 , z0 ), e qualquer um vetor perpendicular ao plano,
chamado vetor normal, ~n = aı̂ + b̂ + ck̂. Com estas informações, os demais pontos
P (x, y, z) do plano ficam determinados, conforme apresentado a seguir.
A figura ao lado ilustra um vetor normal ~n ao plano,
um ponto P0 , cuja posição é dada pelo segmento de reta z
−−→
orientado OP0 que sai da origem O(0, 0, 0) e vai até o
−−→ n
ponto P0 , i.e., ~r0 = OP0 = x0 ı̂ + y0 ̂ + z0 k̂ e,
semelhantemente, um ponto P arbitrário, cujo vetor r0 P0
..
−→
.
posição é dado por ~r = OP = xı̂ + y̂ + z k̂. Note que o
−−→
segmento de reta orientado P0 P se relaciona com ~r0 e ~r y
−−→ −−→ r
pela expressão ~r0 + P0 P = ~r, i.e., P0 P = ~r − ~r0 , e que
este segmento de reta orientado é paralelo ao plano.
.
−−→ P
Portanto temos P0 P · ~n = 0, i.e., x
(~r − ~r0 ) · ~n = 0.
A igualdade acima é chamada de equação do plano. Desta expressão temos

[(x − x0 )ı̂ + (y − y0 )̂ + (z − z0 )k̂] · (aı̂ + b̂ + ck̂) = 0, ou seja,
a(x − x0 ) + b(y − y0 ) + c(z − z0 ) = 0.
Esta expressão, equivalente à anterior, é também conhecida como equação do plano.

Esta expressão pode ainda ser escrita como
ax + by + cz + d = 0,
em que d = −ax0 − by0 − cz0 .

z
.
P0 Para determinar o vetor normal ~n é suficiente

A conhecermos três pontos não colineares.
Sejam estes pontos P0 (x0 , y0 , z0 ), A(x1 , y1 , z1 )
.
y e B(x2 , y2 , z2 ), como ilustra a figura ao lado.

.
B
x
66
A partir destes três pontos define-se dois vetores, ~a z n
e ~b, a partir de segmentos de reta orientados.
Por exemplo,
−−→
..
P0 A ≡ ~a = (x1 − x0 )ı̂ + (y1 − y0 )̂ + (z1 − z0 )k̂ e P0
−−→ ~ a
P0 B ≡ b = (x2 − x0 )ı̂ + (y2 − y0 )̂ + (z2 − z0 )k̂. A b
.
Note que os vetores ~a e ~b são paralelos ao plano. y
Assim o vetor ~n = ~a × ~b é normal ao plano em
.
questão. Uma vez calculado este produto vetorial, B
temos o vetor normal ~n = aı̂ + b̂ + ck̂. x
Obs.: Note que:
1. Para um vetor normal fixo ~n = aı̂+b̂+ck̂, diferentes valores de d correspondem

a planos paralelos entre si.
2. Existem infinitos vetores perpendiculares a um plano. Todos eles fornecem a

mesma equação do plano.
3. Existem infinitos pontos no plano. Qualquer um deles pode ser usado como
ponto P0 (x0 , y0 , z0 ).
Exemplo:
Obtenha a equação do plano que contém os pontos A(2, 4, 5), B(−3, 1, 7) e
C(5, 6, 2).
−→ ~ −→ = 3ı̂ + 2̂ − 3k̂,
~a ≡ AB = −5ı̂ −  3̂ + 2k̂, b ≡ AC 
ı̂ ̂ k̂
~n ≡ ~a ×~b = det  −5 −3 2  = (9−4)ı̂+(6−15)̂+(−10+9)k̂ = 5ı̂−9̂− k̂
3 2 −3
a(x − x0 ) + b(y − y0 ) + c(z − z0 ) = 0. Usando as coordenadas x0 , y0 e z0 do ponto
A:
5(x − 2) − 9(y − 4) − (z − 5) = 0
Exercı́cios:
1) Determine o plano que contém os pontos P , Q e R abaixo.
a) P (1, 2, 3), Q(3, 2, 1) e R(2, 1, 0),
b) P (4, −2, −1), Q(−1, −2, 1) e R(0, 2, −1),
c) P (2, −2, 1), Q(1, −1, 0) e R(−1, 0, −2),
2) Determine o ponto de interseção entre o plano e a reta dados:
a) 2x − 3y + 2z − 1 = 0 e ~r(t) = (1 − t)ı̂ + 2(1 + t)̂ − (+3 + 2t)k̂,
b) −x + 2y − z + 4 = 0 e ~r(t) = (−3 + t)ı̂ + t̂ + (2 − t)k̂
67
Esboço de planos
Os planos mais simples de serem esboçados são aqueles que são paralelos aos
planos xy (também chamado de plano z = 0), yz (ou x = 0) e xz (ou y = 0).
z Por exemplo, se a = 0, b = 0 e c 6= 0, então o
vetor ~n perpendicular a este plano é
paralelo ao eixo z. Da equação do plano temos
que z = z0 /c, sujo gráfico é um plano paralelo
ao plano z = 0 (ou xy). O gráfico deste plano
especı́fico pode estar acima do plano z = 0 ou
abaixo dele, dependendo se z0 /c > 0 ou z0 /c < 0,
y
respectivamente. A figura ao lado ilustra a
superfı́cie de um plano paralelo ao plano
x z = 0 e acima deste.
Exercı́cio:
Esboce os planos a) 2x + 6 = 0, b) −3y + 10 = 0, c) −4z − 8 = 0.
Na sequência temos os casos em que uma das componentes de ~n é nula e as

demais são não-nulas. Nestes casos temos planos paralelos aos eixos x, y ou z.
Por exemplo, se a = 0, b 6= 0 e c 6= 0, da z
equação do plano temos
by + cz + d = 0 ⇒ by + cz = −d,
d b
ou seja, z = − − y, tendo em mente que
c c
x é todo real e d/c, b/c são constantes. y
Neste caso temos um plano paralelo ao eixo x que
intercepta o plano yz (x = 0). A figura ao lado
inclui a linha que representa a interseção do plano
em questão com o plano xy. Note que o vetor x
normal ao plano é perpendicular ao eixo x.
Exercı́cio:
Esboce os planos dados por a) (x − 2) + 2(y + 3) = 0, b) 2(x + 1) − (z − 1) = 0,
c) 3y − 2z + 1 = 0.
De forma mais geral, um plano pode ser esboçado determinando três de seus
pontos ou de duas retas nele contidas.
68
z Por exemplo, podemos fazer x = 0, y = 0 na equação
do plano para obter z = −d/c. Com isto temos o
P1
. primeiro ponto P1 (0, 0, −d/c). Semelhantemente
podemos fazer x = 0, z = 0 obtendo y = −d/b e,
consequentemente, temos o segundo ponto
P2 P2 (0, −d/b, 0). Por fim, fazendo y = 0 e z = 0 na
P3
. y equação do plano obtemos x = −d/a e o terceiro
.
ponto P3 (−d/a, 0, 0). Ligando estes três pontos, como
ilustra a figura ao lado, temos um triângulo, e o
x plano desejado é aquele que contém este triângulo.
Exercı́cio:
Esboce os planos dados por a) 2(x+2)−(y−1)+(z−2) = 0, b) 2x+y−3z−4 = 0,
c) −3x + 2y − z = −2.
Para esboçar o plano usando duas retas nele contidas basta termos em mente o fato de
que a interseção deste plano com um outro plano qualquer é uma reta. Assim podemos,
por exemplo, escolher a interseção do plano em questão com o plano yz. Desta forma,
d b
fazendo x = 0 na equação do plano obtemos a reta L1 dada por z = − − y, contida
c c
no plano x = 0. Naturalmente isso é possı́vel se a componente c do vetor normal não for
nula. Semelhantemente, podemos escolher
y = 0 e obter da equação do plano a reta L2
d a z
dada por z = − − x, localizada no plano
c c
y = 0. A reta L2 corresponde à interseção do plano
desejado com o plano xz. Assim o plano L1
cujo esboço desejamos é aquele que contém estas duas L2
retas. A figura ao lado ilustra este procedimento e
ainda inclui uma terceira reta, L3 , obtida de forma y
análoga às outras duas, fazendo z = 0 na equação L3
do plano (L3 é a interseção do plano em questão com o
d a x
plano xy) e obtendo y = − − x, para b 6= 0.
b b
Exercı́cio:
Esboce os planos dados por a) −(x − 1) − 2(y + 2) + 2(z + 1) = 0, b) −4x + 2y −
2z + 6 = 0, c) x − 3y + 2z = 4.
Ângulo entre dois planos
69
n1
Seja ~n1 o vetor normal a um plano e ~n2
n2 θ
o vetor normal a um outro plano.
O ângulo entre dois planos é definido como o
..
ângulo entre seus vetores normais, ou seja, o
.. θ ângulo θ entre ~n1 e ~n2 . A figura ao lado ajuda
a compreender geometricamente esta definição.
Exemplo:
Determine o ângulo entre os planos dados por 2x−y+z−2 = 0 e 4x+2y−3z+4 =
0. Caso não sejam paralelos, determine a equação da reta L formada pela interseção
destes planos.
Os vetores normais a cada plano são ~n1 = 2ı̂ − ̂ + k̂ e ~n2 = 4ı̂ + 2̂ − 3k̂. Notamos
que ~n1 6= α~n2 , α ∈ R. Portanto ~n1 e ~n2 não são paralelos e, consequente, os planos
dados não são paralelos. O ângulo θ entre os planos é dado por
~n1 · ~n2 = |~n1 ||~n2 | cos θ
√ √
8 − 2 − 3 = 4 + 1 + 1 16 + 4 + 9 cos θ
√ √
3 = 6 29cos θ
3
θ = arccos √ √
6 29
Dois planos não paralelos se interceptam e, na interseção, estes planos compar-
tilham um conjunto de pontos que formam uma reta. Vamos resolver este problema
de duas formas.
Primeira solução:
Sabemos que conhecidos dois pontos podemos obter a equação da reta que passa
por estes pontos. Assim sendo, se conhecermos dois pontos que pertencem à in-
terseção dos planos dados, obtemos a equação da reta L desejada.
i) fazendo x = 0 nas equações dos planos que foram dadas obtemos

−y + z = 2 −1 1 2 1 −1 −2
⇒ ⇒ ⇒
2y − 3z = −4 2 −3 −4 2 −3 −4
L1 → −L1 L2 → L2 − 2L1

1 −1 −2 1 0 −2 y = −2
⇒ ⇒ ⇒
0 −1 0 0 1 0 z=0
L1 → L1 − L2
L2 → −L2
Desta forma sabemos que o ponto P1 (0, −2, 0) pertence à reta L de interseção
dos planos dados.
70
De forma semelhante, obtemos um segundo ponto P2 pertencente à reta L de
interseção:
ii) fazendo y = 0 nas equações dos planos que foram dadas obtemos

2x + z = 2 2 1 2 2 1 2
⇒ ⇒ ⇒
4x − 3z = −4 4 −3 −4 0 −5 −8
L2 → L2 − 2L1 1
L2 → − L2
5

2 1 2 2 0 2/5 1 0 1/5 x = 1/5
⇒ ⇒ ⇒ ⇒
0 1 8/5 0 1 8/5 0 1 6/5 z = 8/5
L1 → L1 − L2 1
L1 → L1
2
Determinamos,
assim, um segundo ponto sobre a reta de interseção dos planos:
1 8
P2 , 0, .
5 5
A partir de P1 e P2 construı́mos a reta L de interseção dos planos dados:
~r(t) = ~r0 + t~v , t ∈ R.
−−→ −−→ 1 8
Seja O(0, 0, 0). E sejam ~r0 = OP1 = 0ı̂ − 2̂ + 0k̂, ~v = P1 P2 = ı̂ + 2̂ + k̂.
5 5
Como ~v pode ser qualquer vetor paralelo à reta, utilizemos ~v = ı̂ + 10̂ + 8k̂. Assim
a reta L de interseção entre os planos dados é dada por
~r(t) = = 0ı̂ − 2̂ + 0k̂ + t(ı̂ + 10̂ + 8k̂)
~r(t) = tı̂ + (−2 + 10t)̂ + 8tk̂, t ∈ R.
Segunda solução:
Tendo em mente que a reta L de interseção entre os planos dados é perpendicular
a ambos os vetores normais aos planos ~n1 e ~n2 , podemos utilizar como vetor ~v
paralelo à reta L o vetor
 dado por 
ı̂ ̂ k̂
~v = ~n1 × ~n2 = det  2 −1 1  = (3 − 2)ı̂ + (4 + 6)̂ + (4 + 4)k̂ = ı̂ + 10̂ + 8k̂.
4 2 −3
Assim, conhecendo um ponto da reta, por exemplo o ponto P1 obtido na primeira
solução, e o vetor paralelo à reta dado pela expressão acima, obtemos a equação da
reta L de interseção entre os planos dados:
~r(t) = tı̂ + (−2 + 10t)̂ + 8tk̂, t ∈ R.
Exercı́cios:
71
1) Determine o ângulo entre os planos 4(x + 1) − (y − 2) + 2(z − 1) = 0 e
−(x − 2) + 4(y + 1) + (z − 1) = 0. Se os planos não forem paralelos, determine a
equação da reta de interseção entre estes planos.
2) Determine o plano que passa pelo ponto P (1, 2, 3) e que é perpendicular aos
planos 2x − 3y + z = −2 e −x + 2y − 6 = 0.
Distância entre um ponto e um plano

Seja ax + by + cz + d um plano, P (x1 , y1 , z1 ) um ponto qualquer (de sua escolha) neste
−→
plano e Q(x2 , y2 , z2 ) um ponto dado em R3 . Seja ~v = P Q o segmento de reta orientado
que liga o ponto P ao ponto Q, como ilustra a figura
ao lado. Seja ~n o vetor perpendicular ao plano n Q
.
que forma o menor ângulo θ com o vetor ~v .
Lembrando que ~a · ~b = |~a||~b| cos θ, onde θ é o
.
v = PQ l
ângulo entre ~a e ~b, temos ~n · ~v = |~n||~v | cos θ.
Note que distância l entre o ponto Q e o plano é θ
.
a projeção escalar v~n do vetor ~v sobre o vetor ~n,
~n · ~v P
.
ou seja, l = v~n = |~v | cos θ = . Para não
|~n|
precisar se importar com a orientação do vetor ~n, escrevemos
−→
|~n · ~v | |~n · P Q|
l= = .
|~n| |~n|
Exemplo:
Calcule a distância entre os planos 2x − 2y + z − 3 = 0 e −6x + 6y − 3z + 2 = 0.
Primeiro note que os vetores normais de cada plano, dados por ~n1 = 2ı̂ − 2̂ + k̂ e
~n2 = −6ı̂ + 6̂ − 3k̂, são paralelos, pois ~n2 = −3~n1 . Portanto os planos são paralelos.
Assim, para determinarmos a distância entre os dois planos basta escolher um
ponto sobre cada plano e usar a fórmula da distância entre planos apresentada acima.
Tomemos x = 0 e y = 0 na equação do primeiro plano. Temos assim que z = 3
e, consequentemente, o ponto P (0, 0, 3) que pertence ao primeiro plano.
Semelhantemente, tomemos y = 0 e z = 0 na equação do segundo plano, forne-
cendo x = 1/3. Assim temos o ponto Q(1/3, 0, 0) que pertence ao segundo plano.
−→
Temos assim o segmento de reta orientado P Q = (1/3)ı̂ + 0̂ − 3k̂.
Note que na fórmula da distância entre um ponto e um plano apresentada acima
−→
é indiferente
√ usarmos ~n1 ou ~n2 . Usemos ~n1 . Assim ~n1 · P Q = 2/3 + 0 − 3 = −7/3 e
|~n1 | = 4 + 4 + 1 = 3. Temos, portanto, que a distância l entre os planos dados é
−→
|~n1 · P Q| 7
l= = .
|~n1 | 9
Exercı́cios:
72
1) Calcule a distância entre o ponto e o plano dado:
a) Q(1, 2, 3), 2(x − 2) − (y + 3) + 2(z − 3) = 0.
b) P (3, 1, −2), 3x + 2y − 4z = 0.
2) Calcule a distância entre os planos dados, caso sejam paralelos.
a) 4x − 2y + 6z = 2, 2(x − 1) − (y + 2) + 3(z − 2) = 0.
b) √
x + y + 2z − √ 3 = 0, −12x √− 12y −√24z = 10.
√ √
c) 2x + y + 3z + 1 = 0, 2 3x + 6y + 3 2z + 6 = 0.
3) Considere a reta L1 que passa pelos pontos M (3, 5, 1) e N (4, 3, 7) e a reta L2
que passa pelos pontos P (5, 2, −1) e Q(−8, 2, 3). Sabendo que L1 e L2 são reversas,
calcule a distância entre estas retas.
4.3 Considerações sobre inexistência ou existência

de soluções em sistemas de n equações e n
incógnitas
Agora que conhecemos as equações da reta e do plano, vamos discutir as observações
apresentadas na seção 2.4 a respeito da inexistência ou existência de soluções para
sistemas de equações lineares cuja matriz dos coeficientes possui determinante nulo.
Uma consequência do método de Cramer é que sistemas de n equações e n
incógnitas em que a matriz dos coeficientes tem determinante não nulo possuem
solução única. Contudo, se o determinante da matriz dos coeficientes é nulo, temos
dois cenários possı́veis: um em que o sistema não tem solução e outro em que o
sistema tem infinitas soluções.
Para ilustrar este fato consideremos inicialmente um sistema de duas equações e
duas incógnitas. Depois generalizaremos este resultado.
Consideremos o sistema de duas equações e duas incógnitas

a11 x + a12 y = b1
a21 x + a22 y = b2
Cada equação acima pode sergeometricamente interpretada por uma reta no

a11 a12
plano xy. Seja A = a matriz dos coeficientes. Analisemos quatro
a21 a22
cenários mais relevantes e gerais separadamente.
73
y
det A=0
∄ solução
i) Se as duas retas são paralelas, então a matriz dos
coeficientes tem uma linha que é múltiplo da outra e,
consequentemente o determinante desta matriz é zero.
Se b1 6= b2 , então o sistema é não homogêneo e não
x
possui solução, como ilustra a figura à esquerda.
y
det A=0
ii) Se as duas retas são paralelas, como já discutido, ∃ inﬁnitas
o determinante da matriz dos coeficientes é nulo. soluções
Mas se b1 = b2 6= 0, então o sistema é não
homogêneo e possui infinitas soluções, como ilustra
x
a figura à direita.
iii) Se as duas retas não são paralelas, então o

determinante da matriz dos coeficientes é
diferente de zero. Se b1 6= 0 ou b2 6= 0, então
o sistema é não homogêneo e apresenta solução
x única não trivial, como ilustra a figura à esquerda.
u
det A≠0
∃
solução
y det A≠0
Solução
trivial
iv) Se as duas retas não são paralelas, então o
determinante da matriz dos coeficientes é
diferente de zero. Se b1 = b2 = 0, então o sistema
é homogêneo e apresenta solução única que é a trivial,
como ilustra a figura à direita. x
O raciocı́nio apresentado acima pode ser estendido a sistemas de três equações

e três incógnitas, em que a matriz A dos coeficientes é 3 × 3. Geometricamente as
três equações correspondem a três planos. Vamos fazer analogia com cada um dos
quatro casos acima.
74
O primeiro caso corresponde à situação em que dois destes planos são paralelos e
não coincidentes. O determinante da matriz dos coeficientes é zero, pois uma linha
é múltipla de outra, e o sistema não tem solução, independente do terceiro plano.
O segundo caso corresponde à situação em que dois planos são paralelos e coin-
cidentes. Neste caso temos det A = 0 e infinitas soluções para qualquer que seja o
terceiro plano.
O terceiro caso ocorre quando os planos não são paralelos entre si e pelo menos
um dos três planos não passa pela origem. Temos assim det A 6= 0 e o sistema tem
uma única solução, que é o ponto em comum aos três planos.
O quarto caso ocorre quando os três planos não são paralelos e todos passam
pela origem. Neste caso det A 6= 0 e a solução única é a trivial (x, y, z) = (0, 0, 0).
Estendendo o raciocı́nio a sistemas de n equações e n incógnitas, a matriz A dos

coeficientes é n × n e teremos, geometricamente, n hiperplanos no espaço Rn . A
existência ou inexistência de soluções é determinada analogamente aos casos anteri-
ores:
• Se dois hiperplanos são paralelos e não coincidentes, det A = 0 e não existe

solução para o sistema.
• Se dois hiperplanos são paralelos e coincidentes, então det A = 0 e existem

infinitas soluções para o sistema, para quaisquer que sejam os n − 2 demais
hiperplanos.
• Se os n hiperplanos não são paralelos e pelo menos um deles não passa pela
origem, então o sistema de equações é não homogêneo, det A 6= 0 e o sistema
possui solução única.
• Se os n hiperplanos não são paralelos e todos eles passam pela origem, então o
sistema de equações é homogêneo, det A 6= 0 e o sistema possui solução única
que é a trivial.
Resumindo:
• Um sistema de n equações e n incógnitas cujo determinante da matriz dos

coeficientes é diferente de zero possui solução única. Esta solução é a) a trivial
se o sistema é homogêneo ou b) não trivial se o sistema for não homogêneo.
Este resultado já era previsto como consequência da regra de Cramer.
• Um sistema de n equações e n incógnitas cujo determinante da matriz dos

coeficientes é igual a zero possui infinitas soluções ou não possui solução.
75
4.4 Cilindros e superfı́cies quádricas
4.4.1 Introdução: elipses, hipérboles e parábolas
Representação de alguns gráficos em R2
A figura à direita ilustra uma elipse descrita pela
x2 y 2 y
equação 2 + 2 = 1, em que a > 0 e b > 0 são os
a b b
semi-eixos da elipse. Como podemos notar, o
gráfico de uma elipse é uma curva fechada. A
elipse da figura ao lado está centrada na origem, a x
a
no ponto de coordenadas (x, y) = (0, 0). Uma
elipse com centro em um ponto de coordenadas b
(x, y) = (x0 , y0 ) é descrita pela equação
(x − x0 )2 (y − y0 )2
+ = 1.
a2 b2
Para o caso particular em que a = b = r

esta última expressão torna-se
y 2r
(x − x0 )2 + (y − y0 )2 = r2 ,
y0
que é a equação do cı́rculo de raio r com
x0 x
centro em (x, y) = (x0 , y0 ) como ilustra a
figura à esquerda.
76
A figura à direita ilustra o gráfico de uma hipérbole,
y
descrita pela equação
x2 y 2
− 2 = 1,
a2 b a a x
em que a > 0, b > 0. O gráfico das hipérboles é
formado por duas partes e, diferentemente das
elipses, são figuras abertas. Os valores |x| = a correspondem a y = 0 e fornecem os
y pontos de máxima aproximação de cada parte da curva ao
eixo y. A figura à esquerda ilustra o gráfico de outra
hipérbole que, neste caso, é descrita pela equação
y 2 x2
b − 2 = 1,
b2 a
x
De forma semelhante ao caso anterior, os valores |y| = b
b
estão associados a x = 0. Desta forma as coordenadas
(x, y) = (0, b) e (x, y) = (0, −b) estão associadas aos pontos
de máxima aproximação da cada parte da curva ao eixo x.
A figura ao lado ilustra o gráfico de uma parábola, y

descrita pela equação y = ax2 + bx + c. Para a
parábola desta figura sabemos que:
i) a > 0, pois a concavidade está voltada para cima;
ii) b < 0, pois as coordenadas do vértice (ponto por
onde passa oeixo de simetriada parábola), dadas
b 4ac − 2a
por (x, y) = − , , nos fornecem um
2a 4a
x
valor positivo de x e
iii) c > 0, pois y(0) = c > 0.
4.4.2 Cilindros e superfı́cies quádricas

Superfı́cies quádricas são superfı́cies cujas equações possuem termos quadráticos em
suas variáveis. Vejamos alguns casos.
77
No espaço R3 a equação
(x − x0 )2 (y − y0 )2
+ =1
a2 b2
z
forma uma superfı́cie chamada cilindro elı́ptico. Os
valores de z que devemos utilizar na equação acima são
todos os reais e o cilindro está centrado num eixo paralelo
ao z e que passa pelo ponto (x0 , y0 , 0). O nome cilindro
elı́ptico se deve ao fato de os cortes transversais desta
y0 superfı́cie serem elipses. A figura ao lado ilustra o gráfico
x0 y de um cilindro elı́ptico. No caso particular para o qual
a = b = r a equação acima torna-se
x
(x − x0 )2 + (y − y0 )2 = r2 ,
que é a equação do cilindro circular ou simplesmente

equação do cilindro.
Exercı́cio:
z2
Esboce o gráfico dos cilindros descritos pelas equações a) (y − 1)2 + = 1, b)
4
x2 + z 2 = 9.
z
Vimos que em R2 a equação y = ax2 + bx + c descreve uma
parábola. No espaço R3 os valores de z a serem utilizados
na expressão
y = ax2 + bx + c
são todos os reais, formando a superfı́cie chamada cilindro y

parabólico. A figura ao lado ilustra um exemplo de tal
superfı́cie.
x
Exercı́cio:
Esboce a superfı́cie dos cilindros parabólicos dados pelas equações a) z = −y 2 ,
b) z = −y 2 + 1, c) x = y 2 + 1.
Cortes para identificar e esboçar superfı́cies quádricas

Um corte em uma superfı́cie é, essencialmente, a interseção desta superfı́cie com
um plano. Aqui nos restringiremos a cortes em que a superfı́cie intercepta planos
78
paralelos aos planos yz, xz e xy, ou seja, consideraremos a interseção da superfı́cie
com os planos x = k, y = k e z = k em que k é uma constante real.
Comecemos pela equação
z2 x2 y 2
= + 2. (4.1)
c2 a2 b
Os cortes x = k correspondem a intercessões da superfı́cie em questão com planos
paralelos ao plano yz. Fazendo x = k na expressão acima temos
z2 y2 k2 z2 y2
− = ⇒ − = 1.
c2 b2 a2 (ck/a)2 (bk/a)2
z z2 y2
Definindo c1 = ck/a e b1 = bk/a temos − 2 = 1,
c21 b1
que é a equação da hipérbole. Assim, para cada valor
x = k temos uma hipérbole. Além disso, à medida que
2 2
y x = k aumenta, a distância entre as duas partes de cada
hipérbole aumenta. A figura ao lado ilustra hipérboles
x para diferentes cortes x = k, cujos planos são apresentados
na cor cinza. Duas destas hipérboles correspondem a k > 0
e duas hipérboles correspondem a k < 0.
Fazendo cortes y = k na superfı́cie descrita pela equação (4.1) obtemos
z 2 x2 k2
− =
c2 a2 b2
Definindo c2 = ck/b e a1 = ak/b a equação acima torna-se
z 2 x2
− 2 = 1,
c22 a1
ou seja, os cortes paralelos ao plano xz também são hipérboles. Para cada y = k

temos uma hipérbole e a representação gráfica destas hipérboles é semelhante à
apresentada para x = k.
Fazendo z = k na equação (4.1) obtemos
k2 x2 y 2 x2 y2
= + ⇒ + =1
c2 a2 b2 (ak/c)2 (bk/c)2
que é uma equação da elipse.
79
z
Assim, para cada valor z = k temos um plano paralelo ao

xy cortando a superfı́cie descrita pela equação (4.1) e cada
corte é uma elipse. Além disso, aumentando o valor de y
z 2 = k 2 temos elipses cada vez maiores, como ilustra
a figura ao lado. x
z Reunindo as informações obtidas pelos cortes x = k, y = k e

z = k concluı́mos que o gráfico da superfı́cie descrita pela
equação
z2 x2 y 2
= + 2
y c2 a2 b
x é o apresentado na figura ao lado e o nome desta superfı́cie é
cone elı́ptico. Note que a figura inclui dois cortes x = k e
cortes z = k apresentados anteriormente.
Consideremos agora a equação
z x2 y 2
= 2+ 2 (4.2)
c a b
z k2 y2 ck 2 c
Fazendo cortes x = k obtemos = 2 + 2 ⇒ z = 2 + 2 y 2 . Podemos
c a b a b
definir c1 = ck 2 /a2 e c2 = c/b2 para obter z = c1 + c2 y 2 que é a equação de uma
parábola. Assim, para cada valor x = k obtemos uma parábola, localizada em um
plano paralelo ao plano yz, com concavidade para cima quando c > 0 (c2 > 0) ou
concavidade para baixo quando c < 0 (c2 < 0).
80
Similarmente, fazendo cortes y = k obtemos da z
c ck 2
equação (4.2) que z = 2 x2 + 2 , que é a equação
a b
da parábola. Como no caso anterior, cada corte
y = k corresponde a uma parábola localizada num
plano paralelo ao plano xz. A figura ao lado ilustra
as parábolas resultantes de cinco cortes na
superfı́cie definida pela equação (4.2) e os respectivos
planos y = k na cor cinza. Consideramos c > 0, como y
no corte anterior. À medida que y 2 = k 2
aumenta a parábola torna-se cada vez mais distante do
eixo y. Os cortes x = k discutidos a pouco, ao longo do
x
eixo x, são parábolas semelhantes às apresentadas ao lado.
z
Fazendo cortes z = k na superfı́cie descrita pela equação (4.2)

k x2 y 2 x2 y2
obtemos = 2 + 2 ⇒ 2 + 2 = 1 que corresponde
c a b ka /c kb /c
a uma elipse para cada valor z = k. Considerando c > 0,
como nos cortes anteriores, então z = k > 0 e aumentando o
valor de k aumentamos os semi-eixos das elipses. A figura ao
lado ilustra quatro planos z = k e os respectivos cortes.
x
z
O resumo desta discussão sobre os cortes da superfı́cie
descrita pela equação
z x2 y 2
= 2+ 2
c a b
é ilustrado na figura ao lado. Esta superfı́cie, cujos cortes

são parábolas ou elipses, é chamada de paraboloide elı́ptico. y
x
81
Consideremos agora a superfı́cie descrita pela equação
x2 y 2 z 2
+ 2 + 2 =1 (4.3)
a2 b c
y2 z2 √ √
Os cortes x = k fornecem + = 1, em que b ≡ (b/a) a 2 − k 2 e c ≡ (c/a) a2 − k 2 .
1 1
b21 c21
Ou seja, cada corte x = k fornece uma elipse. Note que os semi-eixos das elipses
diminuem ao aumentar x2 = k 2 . Semelhantemente, os cortes y = k
x2 z2
fornecem 2 2 + = 1, ou seja, cada corte y = k é uma elipse
a (b − k 2 )/b2 c2 (b2 − k 2 )/b2
z paralela ao plano xz. Fazendo z = k na equação (4.3) obtemos
x2 y2
+ = 1, ou seja, cortes paralelos
a2 (c2 − k 2 )/c2 b2 (c2 − k 2 )/c2 √
ao plano√ xy fornecem elipses com semi-eixos a 2 ≡ a c2 − k 2 /c e
b2 = b c2 − k 2 /c. Note que, analogamente aos cortes
anteriores, aumentar o valor z 2 = k 2 resulta em diminuir
y os semi-eixos das elipses. Todos os cortes são elipses e a
superfı́cie dada pela equação (4.3) é chamada elipsoide. A
x figura à esquerda ilustra tal superfı́cie.
Note que o caso particular em que a = b = c = r a equação (4.3) torna-se em
x2 + y 2 + z 2 = r 2
que é a equação da esfera de raio r centrada na origem.

Procedendo de maneira análoga classificamos outras superfı́cies quádricas. A
tabela abaixo apresenta algumas equações quádricas e a superfı́cie correspondente.
É útil memorizar a correspondência entre a forma da equação e sua superfı́cie.
Elipsoide Esfera
x2
y2 z2 x + y 2 + z 2 = r2
2
+ + 2 =1 z
a2 b2 c
z
c
b y
y
a
x x
82
Cilindro elı́ptico Paraboloide elı́ptico
x2 y 2 z x2 y 2
+ 2 =1 = 2+ 2
a2 b c a b
z z
c>0
y
y
x x
Cilindro parabólico Cone elı́ptico
z = ax2 + bx + c z2 x2 y 2
z = + 2
c2 a2 b
z
a>0
b<0
c>0
y y
x
x
Cilindro hiperbólico Hiperboloide elı́ptico de uma folha

y 2 x2 x2 y 2 z 2
− 2 =1 + 2 − 2 =1
b2 a a2 b c
z
z
y y
x
x
83
Paraboloide hiperbólico Hiperboloide elı́ptico de duas folhas
z x2 y 2 x2 y 2 z 2
= 2− 2 − 2 − 2 + 2 =1
c a b a b c
z z
y
y
c>0 x
x
Exemplos:
z2
1) −x2 + y 2 + =1
4
• x = k: cortes paralelos ao plano yz.
z2 z2 y2 z2
−k 2 + y 2 + = 1, y 2 + = 1 + k2, √ + √ = 1: Elipses
4 4 ( 1 + k 2 )2 (2 1 + k 2 )2
paralelas ao eixo yz. Note que na direção k̂ o semi-eixo das elipses são o dobro
do semi-eixo na direção ̂. Além disso, aumentando o valor x2 = k 2 temos
elipses cada vez maiores.
• y = k: cortes paralelos ao plano xz.

z2 z2 z2 x2
−x2 + k 2 + = 1, − x2 = 1 − k 2 , − = 1: hipérboles
4 4 4(1 − k 2 ) 1 − k2
paralelas ao plano xz.
• z = k: cortes paralelos ao plano xy.

k2 k2 y2 x2
−x2 + y 2 + = 1, −x2 + y 2 = 1 − , − : hipérboles
4 4 1 − k 2 /4 1 − k 2 /4
paralelas ao plano xy.
84
z
Portanto a equação dada é a de um

hiperboloide elı́ptico de uma folha
y
centrado no eixo x. A figura ao
lado ilustra o esboço da superfı́cie.
y z2
2) = x2 +
4 4
Note que a equação dada pode ser escrita na forma y = 4x2 + z 2 , ou seja,
x2 z2
y= +
(1/2)2 12
Note também que y ≥ 0.
• x = k: cortes paralelos ao plano yz.

y = z 2 + 4k 2 : parábolas paralelas ao plano yz.
• z = k: cortes paralelos ao plano xy.

y = 4x2 + k 2 : parábolas paralelas ao plano xy.
• y = k: cortes paralelos ao plano xz.

4x2 z 2 x2 z2
k = 4x2 +z 2 , ou seja, + = 1, √ + √ = 1: Elipses paralelas ao
k k ( k/2)2 ( k)2
plano xz. Note que o semi-eixo na direção k̂ é o dobro do semi-eixo na direção
ı̂. Além disso, aumentando o valor√z = k√temos elipses cada vez maiores e que
este crescimento é proporcional a z = k.
Portanto a equação dada é a de um

paraboloide elı́ptico centrado no
eixo y. A figura ao lado ilustra
o esboço da superfı́cie. y
x
Exercı́cio:
85
Use cortes para identificar cada superfı́cie quádrica dada. Faça o esboço de cada
uma delas.
y2 z2
a) −x2 + + =1
9 4
b) −x2 + y 2 − z 2 = 1
c) x = −y 2 − 4z 2
d) z = x2 + y 2
e) z = −x2 − y 2
f) z = −x2 − y 2 + 4
g) y 2 = 4x2 + z 2
x2 z2
h) + y2 + =1
4 9
86
Capı́tulo 5
Espaços vetoriais
5.1 Espaços vetoriais

Definição:
Um espaço vetorial é um conjunto V não vazio com duas operações: Soma e
multiplicação por escalar tais que, para quaisquer ~u, ~v , w
~ ∈ V e a, b ∈ R, satisfaz
as propriedades
i) ~u + ~v = ~v + ~u.
ii) (~u + ~v ) + w
~ = ~u + (~v + w).
~
iii) Vetor nulo: ∃ 0 ∈ V tal que ~u + ~0 = ~u.
~
iv) ∃ − u ∈ V tal que ~u + (−~u) = ~0.
v) a(~u + ~v ) = a~u + a~v .
vi) (a + b)~v = a~v + b~v .
vii) (ab)~v = a(b~v ).
viii) 1~u = ~u
Exemplos
1) Vamos mostrar que o conjunto abaixo é um espaço vetorial.
V = Rn = {hx1 , x2 , . . . , xn i : xi ∈ R}.
Sejam ~u = hu1 , u2 , . . . , un i, ~v = hv1 , v2 , . . . , vn i, w
~ = hw1 , w2 , . . . , wn i, a, b ∈ R.
Primeira observação: Este conjunto é não vazio. Um elemento deste conjunto é,
por exemplo, o h0, 0, . . . , 0i.
87
i) ~u + ~v = hu1 + v1 , u2 + v2 , . . . , un + vn i = hv1 + u1 , v2 + u2 , . . . , vn + un i = ~v + ~u
ii) (~u + ~v ) + w
~ = hu1 + v1 , u2 + v2 , . . . , un + vn i + hw1 , w2 , . . . , wn i
= hu1 + v1 + w1 , u2 + v2 + w2 , . . . , un + vn + wn i
= hu1 , u2 , . . . , un i + hv1 + w1 , v2 + w2 , . . . , vn + wn i
= ~u + (~v + w). ~
iii) ~0 = h0, 0, . . . , 0i. A cargo do leitor.
iv) A cargo do leitor.
v) A cargo do leitor.
vi) A cargo do leitor.
vii) (ab)~u = h(ab)u1 , (ab)u2 , . . . , (ab)un i = ha(bu1 ), a(bu2 ), . . . , a(bun )i
= ahbu1 , bu2 , . . . , bun i = a(b~u).
viii) A cargo do leitor.
2) Seja Pn o conjunto dos polinômios de grau n (f (x) = an xn + . . . + a3 x3 +

a2 x2 + a1 x + a0 ). Vamos mostrar que o conjunto V = Pn é um espaço vetorial.
Sejam = un xn +. . .+u3 x3 +u2 x2 +u1 x+u0 , v = vn xn +. . .+v3 x3 +v2 x2 +v1 x+v0 ,
w = wn xn + . . . + w3 x3 + w2 x2 + w1 x + w0 e a, b ∈ R.
Primeira observação: Este conjunto é não vazio. Um elemento deste conjunto,
por exemplo, é o f (x) = 0xn + . . . + 0x3 + 0x2 + 0x + 0.
Propriedade i):
u + v = (un + vn )xn + . . . + (u3 + v3 )x3 + (u2 + v2 )x2 + (u1 + v1 )x + u0 + v0
= (vn + un )xn + . . . + (v3 + u3 )x3 + (v2 + u2 )x2 + (v1 + u1 )x + v0 + u0
= (vn xn + . . . + v3 x3 + v2 x2 + v1 x + v0 )+
+(un xn + . . . + u3 x3 + u2 x2 + u1 x + u0 )
= v + u.
Propriedade ii):
(u + v) + w = (un + vn )xn + . . . + (u3 + v3 )x3 + (u2 + v2 )x2 + (u1 + v1 )x+
+(u0 + v0 )+
+wn xn + . . . + w3 x3 + w2 x2 + w1 x + w0
= (un + vn + wn )xn + . . . + (u3 + v3 + w3 )x3 + (u2 + v2 + w2 )x2 +
+(u1 + v1 + w1 )x + u0 + v0 + w0
= un x n + . . . + u 3 x 3 + u2 x 2 + u1 x + u 0
+(vn + wn )xn + . . . + (v3 + w3 )x3 + (v2 + w2 )x2 + (v1 + w1 )x+
+(v0 + w0 )
= u + (v + w).
Propriedade iii): A cargo do leitor.
Propriedade iv): A cargo do leitor.
Propriedade v):
88
a(u + v) = a(un + vn )xn + . . . + a(u3 + v3 )x3 + a(u2 + v2 )x2 + a(u1 + v1 )x+
+a(u0 + v0 )
= (aun + avn )xn + . . . + (au3 + av3 )x3 + (au2 + av2 )x2 +
+(au1 + av1 )x + (au0 + av0 )
= aun xn + . . . + au3 x3 + au2 x2 + au1 x + au0 +
+avn xn + . . . + av3 x3 + av2 x2 + av1 x + av0
= au + av
Propriedade vi): A cargo do leitor.
Propriedade vii): A cargo do leitor.
Propriedade viii): A cargo do leitor.
3) Seja M (m, n) o conjunto de todas as matrizes m × n. Vamos mostrar que este

conjunto, V = M (m, n), é um espaço vetorial.
  

 m 11 m 12 . . . m 1n 


 m21 m22 . . . m2n  

 
V =  .. .. ... ..  : m ij ∈ R

  . . .  


 m 

m1 m m2 . . . m mn
   
u11 u12 . . . u1n v11 v12 . . . v1n
 u21 u22 . . . u2n   v21 v22 . . . v2n 
   
Sejam u =  .. .. ... ..  , v =  .. .. ... ..  ,
 . . .   . . . 
um1 um2 . . . umn vm1 vm2 . . . vmn
 
w11 w12 . . . w1n
 w21 w22 . . . w2n 
 
w =  .. .. . . ..  e a, b ∈ R
 . . . . 
wm1 wm2 . . . wmn
Primeira observação: Assim como os dois exemplos anteriores, este conjunto é
não vazio. Cite um exemplo.
Propriedade i):
89
 
u11 + v11 u12 + v12 ... u1n + v1n

 u21 + v21 u22 + v22 ... u2n + v2n 

u+v = .. .. ... .. 
 . . . 
um1 + vm1 um2 + vm2 . . . umn + vmn
 
v11 + u11 v12 + u12 ... v1n + u1n

 v21 + u21 v22 + u22 ... v2n + u2n 

= .. .. ... .. 
 . . . 
vm1 + um1 vm2 + um2 . . . vmn + umn
   
v11 v12 . . . v1n u11 u12 . . . u1n

 v21 v22 . . . v2n  
  u21 u22 . . . u2n 

= .. .. ... .. + .. .. ... .. 
 . . .   . . . 
vm1 vm2 . . . vmn um1 um2 . . . umn
= v + u.
Propriedade ii): A cargo do leitor.
Propriedade iii): A cargo do leitor.
Propriedade iv): A cargo do leitor.
Propriedade v): A cargo do leitor.
Propriedade vi):
90
 
(a + b)u11 (a + b)u12 . . . (a + b)u1n

 (a + b)u21 (a + b)u22 . . . (a + b)u2n 

(a + b)u =  .. .. ... .. 
 . . . 
(a + b)um1 (a + b)um2 . . . (a + b)umn
 
au11 + bu11 au12 + bu12 ... au1n + bu1n

 au21 + bu21 au22 + bu22 ... au2n + bu2n 

= .. .. ... .. 
 . . . 
aum1 + bum1 aum2 + bum2 . . . aumn + bumn
   
au11 au12 . . . au1n bu11 bu12 . . . bu1n

 au21 au22 . . . au2n  
  bu21 bu22 . . . bu2n 

= .. .. ... .. + .. .. ... .. 
 . . .   . . . 
aum1 aum2 . . . aumn bum1 bum2 . . . bumn
   
u11 u12 . . . u1n u11 u12 . . . u1n

 u21 u22 . . . u2n 


 u21 u22 . . . u2n 

= a .. .. ... ..  + b .. .. ... .. 
 . . .   . . . 
um1 um2 . . . umn um1 um2 . . . umn
= au + bu.
Propriedade vii): A cargo do leitor.
Propriedade viii): A cargo do leitor.
5.2 Subespaços vetoriais

Um subespaço vetorial W do espaço vetorial V é um espaço vetorial tal que W ⊂ V .
Portanto W satisfaz automaticamente as oito propriedades dos espaços vetoriais. O
subespaço vetorial W é definido da seguinte forma.
Definição:
Dado um espaço vetorial V , um subconjunto W , não vazio, será subespaço ve-
torial de V se
i) para quaisquer ~u, ~v ∈ W tivermos ~u + ~v ∈ W ,
ii) para qualquer a ∈ R e qualquer ~u ∈ W tivermos a~u ∈ W .
Desta definição temos as seguintes observações:
• A condição garante que a existência do vetor nulo ~u = ~0 (quando a = 0) no
91
subespaço W de V .
• Todo espaço vetorial V admite pelo menos dois subespaços: o conjunto for-
mado pelo vetor nulo (que obviamente satisfaz as condições i) e ii)) e o conjunto
formado pelo próprio espaço vetorial V . Esses dois subespaços são chamados
de subespaços vetoriais triviais.
• Garantindo que i) a soma de vetores em W esteja em W e que ii) a mul-

tiplicação de escalar por um vetor em W também esteja em W , garantimos
que
– V é um espaço vetorial o que significa que V obedece as propriedades de

i) a viii) dos espaços vetoriais (apresentadas na aula anterior). Portanto
o subespaço vetorial W ⊂ V é um espaço vetorial e também obedece as
propriedades de i) a viii) dos espaços vetoriais.
– o subespaço vetorial W é um subconjunto fechado em relação à soma
de vetores e multiplicação por escalar.
Obs.: Para mostrar que o conjunto W ∈ V não é subespaço vetorial basta

mostrar que uma das duas condições apresentadas na definição não é satisfeita.
Mostrar que para determinados ~u, ~v ∈ W tem-se ~u + ~v ∈ / W é suficiente para provar
que W não é subespaço vetorial. Mas o contrário não é verdade. Mostrar que
~u + ~v ∈ W para vetores especı́ficos ~u e ~v não prova que W é subespaço vetorial. A
definição tem que ser satisfeita para todos ~u, ~v ∈ W e a ∈ R.
Exemplos:
1)
Um plano em R3 que passa pela origem: ax + by + cz + d = 0, com d = 0,
x, y, z ∈ R.
Sejam V = R3 e W o conjunto de todos os pontos do plano ax + by + cz = 0.
Da equação do plano temos, para c 6= 0, z = −(ax + by)/c. Daı́ temos
i)
~u = x1 ı̂ + y1 ̂ − (ax1 + by1 )/ck̂ ∈ W,
~v = x2 ı̂ + y2 ̂ − (ax2 + by2 )/ck̂ ∈ W,
~u + ~v = (x1 + x2 )ı̂ + (y1 + y2 )̂ − a(x1 +x2 )+b(y
c
1 +y2 )
k̂.
Definindo x3 = x1 + x2 , y3 = y1 + y2 e z3 = z1 + z2 temos
~u + ~v = (x3 )ı̂ + (y3 )̂ − a(x3 )+b(y
c
3)
k̂ ∈ W,
ou seja, a soma de dois vetores arbitrários de W pertence a W .
ii)
Seja α ∈ R. Assim
α~u = αx1 ı̂ + αy1 ̂ − (aαx1 + bαy1 )/ck̂.
Definindo x4 = αx1 , y4 = αy1 e z4 = αz1 , temos
92
α~u = x4 ı̂ + y4 ̂ − (ax4 + by4 )/ck̂ ∈ W ,
ou seja, um escalar arbitrário multiplicando um vetor arbitrário de W pertence
a W.
Logo o conjunto W n formado por todos os pontos de um plano
o que passa pela
origem, dado por W = wx ı̂ + wy ̂ + wz k̂ : awx + bwy + cwz = 0 é um subespaço
vetorial de V = R3 .
As figuras abaixo ilustram casos especı́ficos do cálculo algébrico feito acima.
z z
W W
u +v αu
α>1
v u
u
y y
x x
2)
Um plano em R3 que não passa pela origem: ax + by + cz + d = 0, com d 6= 0,
x, y, z ∈ R.
Sejam V = R3 e W o conjunto de todos os pontos do plano ax + by + cz + d = 0.
Da equação do plano temos, para c 6= 0, z = −(ax + by + d)/c. Daı́ temos
i)
~u = x1 ı̂ + y1 ̂ − (ax1 + by1 + d)/ck̂ ∈ W,
~v = x2 ı̂ + y2 ̂ − (ax2 + by2 + d)/ck̂ ∈ W,
~u + ~v = (x1 + x2 )ı̂ + (y1 + y2 )̂ − a(x1 +x2 )+b(yc
1 +y2 )+2d
k̂.
Definindo x3 = x1 + x2 , y3 = y1 + y2 e z3 = z1 + z2 temos
~u + ~v = (x3 )ı̂ + (y3 )̂ − a(x3 )+b(y
c
3 )+2d
k̂ ∈
/ W,
ou seja, a soma de dois vetoresn arbitrários de W não pertence a W . o
Portanto o conjunto W = wx ı̂ + wy ̂ + wz k̂ : awx + bwy + cwz + d = 0 com d 6= 0
não é um subespaço vetorial de V = R3 .
Note que:
i) dados ~u, ~v ∈ W temos ~u + ~v ∈
/ W . E, não obstante,
ii) a~u ∈ ~
/ W (inclusive 0 ∈
/ W ).
As figuras abaixo ilustram o fato de o conjunto W dado não ser um subespaço
espaço vetorial.
93
z z
W W
v y y
u +v
u
αu
u
x x
3)
y2 z2
Um paraboloide que toca a origem em (x, y, z) = (0, 0, 0): x = + .
4 1
2
w
Sejam V = R3 e W = w1 ı̂ + w2 ̂ + w3 k̂ : w1 = 2 + w32 .
4
As figuras abaixo ilustram o conjunto W . Como podemos notar, estas figuras
sugerem que W não satisfaz as condições de espaço vetorial.
z z
y y
v
W u W u
au, a >1
x u +v x
Vamos verificar algebricamente se W , de fato, não é um subespaço vetorial.
02
• Para (y, z) = (0, 1) temos da equação do paraboloide que x = + 12 =
4
1. Definimos assim o ponto P (1, 0, 1) que está localizado na superfı́cie do
−→
paraboloide dado1 . Seja ~u = OP = ı̂ + 0̂ + k̂ ∈ W o vetor posição associado
ao P da superfı́cie do paraboloide.
02
• Semelhantemente, para (y, z) = (0, −1) temos que x = + (−1)2 = 1. Assim
4
definimos o ponto Q(1, 0, −1) localizado na superfı́cie do paraboloide. Seja
1
A princı́pio é arbitrária a escolha. Você pode definir um par (x, y) e isolar o z na equação do
paraboloide, ou um par (y, z) e isolar o x, ou definir um par (x, z) e isolar o y. O ideal é fazer as
escolhas mais simples.
94
−→
~v = OQ = ı̂ + 0̂ − k̂ ∈ W o vetor associado ao ponto Q localizado na
superfı́cie do paraboloide.
02
• Portanto ~u + ~v = 2ı̂ + 0̂ + 0k̂. Para (y, z) = (0, 0) temos que x = + 02 = 0.
4
Note que o vetor soma ~u + ~v = 2ı̂ + 0̂ + 0k̂ não está associado ao ponto
de coordenadas (x, y, z) = (0, 0, 0) do paraboloide2 . Portanto, apesar de ~u =
ı̂ + 0̂ + k̂ ∈ W e ~v = ı̂ + 0̂ − k̂ ∈ W , a soma ~u + ~v ∈/ W . Isso nos leva ao
veredito:

w22 2
O conjunto W = w1 ı̂ + w2 ̂ + w3 k̂ : w1 = + w3 não é um subespaço
4
4)
Sabemos que o sistema linear3

 x + y + z = 0
2x + y − 2z = 0

3x + 2y − z = 0
pode ser escrito na forma matricial
    
1 1 1 x 0
 2 1 −2   y  =  0 .
3 2 −1 z 0
| {z } | {z } | {z }
=A =S =B
 
x
É comum chamarmos a matriz coluna y  de vetor solução do sistema.

z
4
Seja V = M(3,  1) o conjunto
  de todas
  matrizes-coluna
as    de 3 linhas .
 w1 1 1 1 x 0 
Seja W =  w2  :  2 1 −2   y  =  0  o conjunto de todos os
 
w3 3 2 −1 z 0
vetores solução do sistema e seja a ∈ R.
2
√
Ou, se você preferir, para (x, y) = (2, 0) temos
√ z = ± 2 e o vetor soma ~u + ~v = 2ı̂ + 0̂ + 0k̂
não corresponde aos pontos (x, y, z) = (2, 0, ± 2).
3
A tı́tulo de curiosidade,
  este sistema
 homogêneo possui infinitas soluções, representadas ma-
x 3
tricialmente por  y  = α  −4  com α ∈ R.
z 1
4
Na aula passada mostramos que o conjunto das matrizes M (m, n) comporta-se como um espaço
vetorial.
95
Vamos determinar
  se W é ou não
 um subespaço vetorial de V .
x1 x2
Sejam u =  y1  e v =  y2  vetores solução do sistema. Portanto u, v ∈ W .
z1 z2
i)
     
1 1 1 x1 x2
A(u + v) =  2 1 −2   y1  +  y2 
3 2 −1 z1 z2
           
1 1 1 x1 1 1 1 x2 0 0 0
=  2 1 −2   y1 + 2 1 −2
    y2 = 0 + 0 = 0 
     
3 2 −1 z1 3 2 −1 z2 0 0 0
| {z } | {z }
=Au=B =Av=B
A(u + v) = B
Ou seja, a soma de duas soluções quaisquer, u + v, também é solução do sistema.
ii)
      
1 1 1 x1 1 1 1 x1
A(au) =  2 1 −2  a  y1  = a  2 1 −2   y1 
3 2 −1 z1 3 2 −1 z1
| {z }
A(au)=B
   
0 0
= a 0 = 0  ∀a∈R
  
0 0
A(au) = B.
Ou seja, a multiplicação por escalar au também é solução do sistema.
Satisfeitas as condições i) e ii) temos, portanto que o conjunto W de todos os
vetores solução do sistema dado é um subespaço vetorial de V (lembrando que V é
o espaço de todas as matrizes colunas de três linhas).
5) Dado o sistema linear não-homogêneo5

 2x1 + 3x2 − x3 = 2
x1 + x2 − 4x3 = 2

x1 + 2x2 + x3 = 0
   
x1 11
5
Este sistema possui infinitas soluções representadas matricialmente por  x2  = α  −7  +
x3 1
 
4
 −2  .
0
96
temos que
    
2 3 −1 x1 2
 1 1 −4   x2 = 2 
 
1 2 1 x3 0
| {z }| {z } | {z }
≡A ≡X ≡B
Semelhantemente ao exemplo anterior,seja  V  = M(3, 1) o conjunto

  de 
todas as 
 w1 2 3 −1 w1 2 
matrizes-coluna de três linhas, e seja W =  w2 :  1 1 −4   w2 = 2 
 
 
w3 1 2 1 w3 0
(forma compacta W = {w : Aw = B}).
Vamos verificar
 se  W é ou não um subespaço vetorial de V .
u1 v1
Sejam u =  u2  e v =  v2  soluções quaisquer do sistema, ou seja Au = B
u3 v3
e Av = B. Portanto u, v ∈ W . E seja a ∈ R.
i)
       
2 3 −1 u1 v1 4
A(u + v) =  1 1 −4    u2 + v 2
    = Au + Av = B + B = 4 

1 2 1 u3 v3 0
 
2
A(u + v) 6=  2 
0
Ou seja, a soma de duas soluções do sistema não é solução do sistema. Em outras

palavras, a soma u + v está fora do conjunto W de soluções.
Portanto W não é um subespaço vetorial de V .
ii)

2a
A(au) = a(AU ) = aB =  2a 
0
 
2
A(au) 6=  2  para a 6= 1,
0
ou seja, au ∈
/ W para a 6= 1. Portanto W não é um subespaço vetorial de V .
Obs.:
97
• Se uma das condições não for satisfeita, a outra nem precisa ser avaliada.
6)
Seja V = M (n, n) o conjunto de todas as matrizes quadradas. Seja W =
Mts (n, n) o conjunto
 de todas as matrizes  triangulares  superiores. 
u11 u12 . . . u1n v11 v12 . . . v1n
 0 u22 . . . u2n   0 v22 . . . v2n 
   
Sejam u =  .. .. . . ..  ∈ W , v =  .. .. . . ..  ∈ W e
 . . . .   . . . . 
0 0 . . . unn 0 0 . . . vnn
a ∈ R.  
u11 + v11 u12 + v12 . . . u1n + v1n

 0 u22 + v22 . . . u2n + v2n  
i) u + v =  .. .. . . .. ∈W
 . . . . 
0 0 . . . unn + vnn
 
au11 au12 . . . au1n
 0 au22 . . . au2n 
 
ii) au =  .. .. . . ..  ∈ W ∀ a ∈ R.
 . . . . 
0 0 . . . aunn
Portanto o conjunto W de todas as matrizes triangulares superiores comportam-
se como um subespaço vetorial do espaço vetorial V = M (n, n) de todas as matrizes
quadradas.
Obs.: Idem para o conjunto de todas as matrizes triangulares inferiores.
Exercı́cios:
1) Determine se os conjuntos W formados
a) pela reta y = ax,
b) pela reta y = ax + b,
c) pela parábola y = x2 ,
d) pela parábola y = x2 − 1,
x2
e) pela elipse + y2 = 1
4
são ou não são subespaços vetoriais de V = R2 .
2) Determine se os conjuntos W formados
a) pela esfera x2 + y 2 + z 2 = 4,
b) pelo hiperboloide elı́ptico de duas folhas x2 − 4y 2 − 9z 2 = 1,
c) pelo plano 2x + 3y − 2z + 1 = 0,
d) pelo plano −3x + 2y + z = 0,
são ou não são subespaços vetoriais de V = R3 .
98
3) Determine se o conjunto W = M (n, n) formado por todas as matrizes quadra-
das é ou não um subespaço vetorial do espaço V = M (i, j), i, j ≥ n, das matrizes
de i linhas e j colunas.
4) Determine se o conjunto W das matrizes diagonais é um subespaço das ma-
trizes quadradas.
5) Determine se o conjunto W = {hw1 , w2 , w3 , w4 i ∈ R4 ; 2w1 +w2 = 0 e w3 −w4 =
0} é subespaço de V = R4 .
Interseção de subespaços
Teorema
Se W1 e W2 são subespaços vetoriais de V , então a interseção W1 ∩ W2 é um
subespaço vetorial de V .
Demonstração:
W1 ∩ W2 não é um conjunto vazio, pois ambos W1 e W2 possuem pelo menos o
vetor nulo.
Sejam ~u, ~v ∈ W1 ∩ W2 .
i) Como ~u + ~v ∈ W1 e ~u + ~v ∈ W2 , então ~u + ~v ∈ W1 ∩ W2 .
ii) Como a~u ∈ W1 e a~u ∈ W2 , então a~u ∈ W1 ∩ W2 .
Portanto W1 ∩ W2 é um subespaço vetorial de V , concluindo a demonstração.
Exemplos:
1) Seja V = M (n, n) o conjunto de todas as das matrizes n × n, seja W1 o
conjunto das matrizes triangulares superiores e seja W2 o conjunto das matrizes
triangulares inferiores. O conjunto W1 ∩ W2 é, portanto, o conjunto das matrizes
diagonais.
2) Dois planos, conjuntos
n W1 e W2 , respectivamente,
o que se interceptam no eixo
y: Portanto W1 ∩ W2 = 0ı̂ + y̂ + 0k̂ : y ∈ R .
União de subespaços vetoriais

Definição:
A união dos subespaços vetoriais W1 e W2 , denotada por W1 ∪ W2 , é o conjunto
formado pelos vetores de W1 e pelos vetores de W2 .
Exemplo:
99
z
Considere os conjuntos W1 e W2 formados,
respectivamente, por dois planos que se W2
W1
interceptam na origem do espaço vetorial
V = R3 . O conjunto W1 ∪ W2 é
formado pelos infinitos vetores que tocam a
superfı́cie de cada um dos dois planos. y
A figura ao lado ilustra grosseiramente a ideia.
x
Obs.:
• A união de dois subespaços vetoriais de V nem sempre forma um subespaço

vetorial de V .
Exemplos:
1) Consideremos o caso dos planos que se interceptam na origem, descrito no
exemplo acima.
z Sejam ~u ∈ W1 (e, portanto, ~u ∈ W1 ∪ W2 ),
~v ∈ W2 (e, portanto, ~v ∈ W1 ∪ W2 ).
W2
W1
i) ~u + ~v ∈
/ W1 ∪ W2 ,
ii) a~u ∈ W1 ∪ W2 ,
ou seja, satisfaz a segunda condição mas não
x y satisfaz a primeira. Portanto W1 ∪ W2 não
v é subespaço vetorial de V = R3 .
u
A figura ao lado ilustra a violação da primeira
u +v condição de subespaço vetorial.
2) Seja W1 o conjunto formado por um plano que passa pela origem e W2 o
conjunto formado por uma reta que passa pela origem e está localizada na superfı́cie
deste plano. Neste caso temos W1 ∪ W2 = W1 e, portanto, W1 ∪ W2 é um subespaço
Soma de subespaços vetoriais
Teorema
Se W1 e W2 são subespaços vetoriais de V , então o conjunto formado pela soma
de todos os vetores de W1 com todos os vetores de W2 , dado por
W = W1 + W2 = {w
~ =w
~1 + w
~2 : w
~ 1 ∈ W1 e w
~ 2 ∈ W2 } ,
100
é um subespaço vetorial de V .
Demonstração:
Sejam w ~ 1, w~ 1′ ∈ W1 , w ~ 2′ ∈ W2 e a ∈ R. Temos assim ~u = w
~ 2, w ~1 + w ~ 2 ∈ W1 + W2
′ ′
e ~v = w ~1 + w ~ 2 ∈ W1 + W2 .
i) ~u + ~v = (w ~ 1′ ) + (w
~1 + w ~2 + w ~ 2′ ). Como w
~1 + w~ 1′ ∈ W1 w
~2 + w ~ 2′ ∈ W2 , então
~u + ~v ∈ W1 + W2 .
ii) a~u = a(w ~1 + w~ 2 ) = aw ~ 1 + aw ~ 2 . Como aw~ 1 ∈ W 1 e aw~ 2 ∈ W2 , então a~u ∈
W1 + W2 .
Portanto W1 + W2 é um subespaço vetorial de V , completando a demonstração.
Exemplos:
1) Duas retas, L1 e L2 , não paralelas que passam pela origem em R3 .
Sejam W1 e W2 os conjuntos de todos os L2
z
vetores possı́veis sobre L1 e L2 ,
respectivamente. Assim W = W1 + W2 representa o L
1
conjunto de todos os vetores obtidos pela soma
dos vetores de W1 com os de W2 . Assim
y
W = W1 + W2 forma um plano que passa pela origem
no qual as retas L1 e L2 estão localizadas.
A figura ao lado ilustra alguns destes infinitos x
vetores e, em cor cinza, uma parte do plano formado
por estes vetores.
2)
Sejam W1 ⊂ R3 o conjunto de vetores que

definem cada ponto de um plano que passa pela
origem e W2 ⊂ R3 o conjunto de vetores sobre
uma reta que passa pela origem contida no
plano definido por W1 . Neste caso
W = W1 + W2 = W1 , pois os vetores de W2 já
estão incluı́dos em W1 . A figura ao lado
ilustra um destes casos.
3)

a 0 0 c a c
Se W1 = e W2 = , então W1 + W2 = = M (2, 2)
b 0 0 d b d
Soma direta
Definição:
101
Se W1 ∩ W2 = {~0}, então W1 + W2 é chamado soma direta de W1 com W2 e
denotado por W1 + W2 = W1 ⊕ W2 .
Exemplos:
Os exemplos 1) e 3) acima são casos de soma direta.
5.3 Combinação linear

Definição:
Se V é um espaço vetorial real (ou complexo), se ~v1 , ~v2 , . . . , ~vn ∈ V e a1 , a2 , . . . , an ∈
R (ou C), então o vetor
~v = a1~v1 + a2~v2 + · · · + an~vn ∈ V
é chamado de combinação linear de ~v1 , ~v2 , . . . , ~vn .
Subespaço gerado
Definição:
Uma vez especificados os vetores ~v1 , ~v2 · · · , ~vn em V , o conjunto de todas as
combinações lineares destes vetores é chamado de subespaço gerado e pertence a
V . O subespaço gerado é um subespaço vetorial6 W de V , representado da seguinte
forma
W = [~v1 , ~v2 , . . . , ~vn ] = {~v ∈ V : ~v = a1~v1 + a2~v2 + · · · + an~vn , ai ∈ R, i = 1, 2, . . . , n} .
O subespaço gerado W é o menor subespaço de V no sentido de que se W ′ é um

subespaço vetorial de V formado pelas combinações lineares de ~v1 , ~v2 , . . . , ~vn ∈ V ,
então W ′ ⊃ W , pois W = {~v ∈ V : ~v = a1~v1 + a2~v2 + · · · + an~vn , ai ∈ R, i = 1, 2, . . . , n}
e W ′ = {~v ∈ V : ~v = b1~v1 + b2~v2 + · · · + bn~vn , bi ∈ R, i = 1, 2, . . . , n}.
Exemplos:
1)
6
Sejam ~u = a1~v1 + a2~v2 + · · · + an~vn ∈ W , ~v = b1~v1 + b2~v2 + · · · + bn~vn ∈ W e c ∈ R. Temos que
~u + ~v = (a1 + b1 )~v1 + (a2 + b2 )~v2 + · · · + (an + bn )~vn ∈ W e c~u = ca1~v1 + ca2~v2 + · · · + can~vn ∈ W .
Portanto W é um subespaço vetorial de V .
102
Seja V = R3 e sejam ~v1 , ~v2 ∈ V
tais que ~v2 6= α~v1 ∀ α ∈ R,
(i.e., ~v1 não é combinação linear de
~v2 ) então o subespaço gerado de
todas as combinações lineares de ~v1 e
~v2 é o plano que passa pela origem e
contém ~v1 e ~v2 , e representado por
W = [~v1 , ~v2 ]. A figura ao lado
ilustra um caso tı́pico deste exemplo
onde são apresentadas duas, das
infinitas, combinações lineares
~v = a1~v1 + a2~v2 obtidas a partir de
~v1 e ~v2 para dois valores de a1
(a1 > 1 e a1 < 0) e a2 > 1.
O exemplo acima mostra que qualquer vetor ~v no plano em R3 que contém

~v1 ∈ R3 e ~v2 ∈ R3 é uma combinação linear de ~v1 e ~v2 .
2)
Se V = R3 , ~v1 = ı̂ + 0̂ + 0k̂ ∈ V , ~v2 = 0ı̂ + 1̂ + 0k̂ ∈ V e ~v3 = 0ı̂ + 0̂ + 1k̂ ∈ V ,
então W = [~v1 , ~v2 , ~v3 ] é o conjunto de todos os vetores em V = R3 , pois cada
elemento de W é uma combinação linear ~v = x~v1 + y~v2 + z~v3 = xı̂ + y̂ + z k̂ com
x, y, z ∈ R.
3)
Seja V = M (3, 3) o conjunto formado por todas as matrizes  quadradas  3×
1 0 0 0 0 0
3. E sejam v1 , v2 , v3 ∈ V tais que v1 =  0 0 0  , v2 =  0 1 0  , v3 =
  0 0 0 0 0 0
0 0 0
 0 0 0 .
0 0 1  
1 0 0
Cada combinação linear de v1 , v2 e v3 é dada por a1 v1 +a2 v2 +a3 v3 = a1  0 0 0 +
      0 0 0
0 0 0 0 0 0 a1 0 0
a2  0 1 0  + a3  0 0 0  =  0 a2 0  .
0 0 0 0 0 1 0 0 a3
Ou seja, cada combinação linear de v1 , v2 e v3 é uma matriz diagonal 3 × 3.
O conjunto de todas as combinações lineares possı́veis de v1 , v2 e v3 é dado pelo
103
subespaço gerado W = [v1 , v2 , v3 ],
 i.e., o conjunto
 de todas as matrizes
 diagonais
 a1 0 0 
3 × 3, e representado por W =  0 a2 0  : a1 , a2 , a3 ∈ R .
 
0 0 a3
Dependência e independência linear

Definição:
Seja V um espaço vetorial e sejam ~v1 , . . . , ~vn ∈ V . Os vetores ~v1 , . . . , ~vn são
linearmente independentes (LI)7 se
a1~v1 + a2~v2 + · · · + an~vn = ~0
implica necessariamente em a1 = a2 = · · · = an = 0. Se algum ai 6= 0, então os

vetores ~v1 , . . . , ~vn são linearmente dependentes (LD)8 .
Teorema
O conjunto {~v1 , . . . , ~vn } é LD se, e somente se, um desses vetores for uma com-
binação linear dos outros.
Demonstração:
Seja vj uma combinação linear dos outros n − 1 vetores:
a1~v1 + a2~v2 + · · · + aj ~vj + · · · + an~vn = ~0

aj ~vj = −a1~v1 − a2~v2 − · · · − aj−1~vj−1 − aj+1~vj+1 − an~vn .
Portanto {~v1 , . . . , ~vn } é LD.

Vice-versa: Se {~v1 , . . . , ~vn } é LD, então um aj 6= 0. Assim
a1~v1 + a2~v2 + · · · + aj ~vj + · · · + an~vn = ~0

a1 a2 aj−1 aj+1 an
~vj = − ~v1 − ~v2 − · · · − ~vj−1 − ~vj+1 − ~vn .
aj aj aj aj aj
Portanto ~vj é combinação linear dos outros n − 1 vetores. Isso completa a demons-
tração.
Exemplos
1)
V = R3 e sejam ~v1 , ~v2 ∈ V .
O conjunto {~v1 , ~v2 } é LD se, e somente se, ~v1 e ~v2 são vetores que estão na mesma
reta que passa pela origem, pois ~v2 = α~v1 .
7
Ou, equivalentemente, o conjunto {~v1 , . . . , ~vn } é linearmente independente (LI)
8
Ou o conjunto {~v1 , . . . , ~vn } é linearmente dependente (LD)
104
2)
V = R3 e sejam ~v1 , ~v2 , ~v3 ∈ V .
O conjunto {~v1 , ~v2 , ~v3 } é linearmente dependente se e somente se ~v1 , ~v2 e ~v3
estiverem num mesmo plano que passa pela origem, pois ~v3 = α~v1 + β~v2
3)  
2 0 0
Considerando o exemplo 3) anterior temos que a matriz v4 =  0 1 0  é a
0 0 0
combinação linear 2v1 + v2 . Portando v4 é LD de v1 , v2 , v3 .
4)
V = R3
Os vetores ı̂ = h1, 0, 0i ∈ V , ̂ = h0, 1, 0i ∈ V , k̂ = h0, 0, 1i ∈ V são LI pois a
igualdade a1 ı̂ + a2 ̂ + a3 k̂ = ~0 = 0ı̂ + 0̂ + 0k̂ implica, necessariamente, em a1 = a2 =
a3 = 0.
5)
Seja V = R2 . Determine se o conjunto {~v1 , ~v2 , ~v3 } = {2ı̂ + 3̂, ı̂ − ̂, 0ı̂ + ̂} é LI
ou LD.
a1~v1 + a2~v2 + a3~v3 = ~0

a1 (2ı̂ + 3̂) + a2 (ı̂ − ̂) + a3 (0ı̂ + ̂) = 0ı̂ + 0̂
(2a1 + a2 )ı̂ + (3a1 − a2 + a3 )̂ = 0ı̂ + 0̂,
ou seja,

2a1 + a2 = 0 2 1 0 0 1 1/2 0 0
⇒ ⇒ ⇒
3a1 − a2 + a3 = 0 3 −1 1 0 3 −1 1 0
L1 → (1/2)L1 L2 → L2 − 3L1

1 1/2 0 0 1 1/2 0 0 1 0 1/5 0
⇒ ⇒ ⇒ ⇒
0 −5/2 1 0 0 1 −2/5 0 0 1 −2/5 0
L2 → −(2/5)L2 L1 → L1 − (1/2)L2
 1
 a1 = − 5 α


⇒ 2
 a 2 = α


 5
a3 = α ∈ R
Como a1 , a2 , a3 não necessariamente são zero, então os vetores ~v1 , ~v2 e ~v3 que
foram dados são LD.
Sabendo que os vetores dados são LD, podemos explorar um pouco mais este
exemplo. Pelo último teorema visto sabemos que um dos vetores pode ser escrito
105
como combinação linear dos outros. De fato
2ı̂ + 3̂ = 2(ı̂ − ̂) + 5(0ı̂ + ̂), i.e., ~v1 = 2~v2 + 5~v3 .
5.4 Base de um espaço vetorial

A base β de um espaço vetorial V é qualquer conjunto com o mı́nimo possı́vel de
vetores em termos do qual qualquer outro vetor de V pode ser escrito como uma
combinação linear dos vetores deste conjunto β. Portanto
Definição
Um conjunto {~v1 , . . . , ~vn } de V é uma base de V se:
i) {~v1 , . . . , ~vn } é LI e
ii) [~v1 , . . . , ~vn ] = V (i.e., ~v1 , . . . , ~vn geram o espaço V por meio de todas as
combinações lineares possı́veis de ~v1 , . . . , ~vn ).
Obs.:
• Existem infinitas bases possı́veis para um espaço vetorial.
• Existem espaços com base infinita, como por exemplo os espaços de funções.
Exemplos:
1) Seja V = R2 . Mostre que o conjunto {~v1 , ~v2 } = {ı̂, ̂} é base de V = R2 .
i) São LI pois
a1~v1 + a2~v2 = ~0
a1 ı̂ + a2 ̂ = 0ı̂ + 0̂
Ou seja, necessariamente a1 = a2 = 0.
ii) [ı̂, ̂] = R2 , pois em termos de ı̂ e ̂ temos ~v = xı̂ + y̂ ∈ R2 . Considerando

todo x, y ∈ R temos o conjunto de todas as combinações lineares possı́veis de ı̂ e ̂
em R2 .
Portanto o conjunto β = {ı̂, ̂} é base de V = R2 .
Esta base β = {ı̂, ̂} é chamada de base canônica do espaço vetorial R2 .
2) Os vetores ~v1 = h2, 0i e ~v2 = h1, −1i formam uma base de R2 ?
106
i)
a1~v1 + a2~v2 = ~0
a1 h2, 0i + a2 h1, −1i = ~0
h2a1 , 0i + ha2 , −a2 i = ~0
h2a1 + a2 , −a2 i = h0, 0i
2a1 + a2 = 0 a2 = 0
a1 = 0
Como a1 e a2 são necessariamente zero, então ~v1 e ~v2 são LI.
ii)9
1
xı̂ + y̂ = (x + y)~v1 − y~v2 (combinação linear)
2
1
xı̂ + y̂ = (x + y)(2ı̂ + 0̂) − y(ı̂ − ̂) ∀ x, y ∈ R.
2
Logo [2ı̂ + 0̂, ı̂ − ̂] = R2 .
Como foram satisfeitas as duas condições, então os vetores ~v1 = h2, 0i e ~v2 =
h1, −1i formam uma base de R2 , dada por β = {2ı̂ + 0̂, ı̂ − ̂}.
3) ~v1 = ı̂ + ̂ e ~v2 = 4ı̂ + 4̂.

i) De imediato percebemos que ~v1 e ~v2 são LD, pois ~v2 = 4v~1 , ou seja, ~v2 é uma
combinação linear de ~v1 .
a1~v1 + a2~v2 = ~0
a1 (ı̂ + ̂) + a2 (4ı̂ + 4̂) = 0ı̂ + 0̂
(a1 + 4a2 )ı̂ + (a1 + 4a2 )̂ = 0ı̂ + 0̂
a1 + 4a2 = 0
a1 + 4a2 = 0 a1 = −4a2
Ou seja, a1 e a2 não necessariamente iguais a zero. Assim ~v1 e ~v2 são LD e, portanto,
não formam uma base de R2 .
4) Seja V = R3 e {~v1 , ~v2 , ~v3 } = {ı̂, ̂, k̂}.
i)
a1 ı̂ + a2 ̂ + a3 k̂ = ~0 = 0ı̂ + 0̂ + 0k̂
Implica necessariamente em a1 = a2 = a3 = 0.
9
A combinação linear em questão pode ser obtida fazendo xı̂ + y̂ = a~v1 +
b~
v
2 = a(2ı̂ + 0̂) + b(ı̂ − ̂) = (2a + b)ı̂ − b̂ que gera o sistema linear
2a + b = x 2a − y = x a = (x + y)/2
⇒ ⇒ . Portanto xı̂ + y̂ = x+y
2 ~v1 − y~v2 .
−b = y b = −y b = −y
107
Logo o conjunto {ı̂, ̂, k̂} é LI.
ii) [ı̂, ̂, k̂] = R3 , pois em termos de ı̂, ̂ e k̂ temos hx, y, zi = xı̂ + y̂ + z k̂.
Considerando todo x, y, z ∈ R temos o conjunto de todos os vetores possı́veis em R3
(qualquer vetor em R3 pode ser escrito como combinação linear de ı̂, ̂ e k̂).
O conjunto β = {ı̂, ̂, k̂} é uma base do espaço vetorial V = R3 e chamado de
base canônica de R3 .
5)
̂ e k̂ são LI, mas não formam uma base de R3 pois não é possı́vel escrever todos
os vetores de R3 como combinações lineares de apenas ̂ e k̂.
[̂, k̂] 6= R3 .
Obs.:
• Qualquer par de vetores não nulos e não paralelos forma uma base do espaço
vetorial R2 .
• Qualquer trio de vetores não nulos e não coplanares forma uma base do espaço
vetorial R3 .
6) Seja V = M (2, 2) o conjunto de todas as matrizes 2 × 2.
Base canônica das matrizes 2 × 2:

1 0 0 1 0 0 0 0
v1 = , v2 = , v3 = , v4 = , pois
0 0 0 0 1 0 0 1
i)

0 0
av1 + bv2 + cv3 + dv4 =
0 0

a b 0 0
= implica necessariamente em a = b = c = d = 0.
c d 0 0
{v1 , v2 , v3 , v4 } é LI.
ii)

x y
= xv1 + yv2 + zv3 + wv4 ∀ x, y, z, w ∈ R.
z w
Considerando todos os valores de x, y, z e w temos que [v1 , v2 , v3 , v4 ] = M (2, 2).

Portanto o conjunto {v1 , v2 , v3 , v4 } é uma base de V = M (2, 2).
Teorema
108
Se ~v1 , · · · , ~vn são vetores não nulos que geram um espaço vetorial V , ou seja,
[~v1 , · · · , ~vn ] = V , então existe uma base para V entre os vetores ~v1 , · · · , ~vn .
Demonstração:
Note que ~v1 , · · · , ~vn podem ser LI ou LD.
• Caso sejam LI, então já estão satisfeitas ambas as condições i) {~v1 , · · · , ~vn } é
LI e ii) [~v1 , · · · , ~vn ] = V e, portanto, ~v1 , · · · , ~vn já são uma base de V .
• Caso sejam LD, então a condição x1~v1 + · · · + xn~vn = ~0 é satisfeita para algum
xj 6= 0 e, portanto,
x1 xn
~vj = − ~v1 − · · · − ~vn .
xj xj
Os n − 1 vetores restantes ~v1 , · · · , ~vj−1 , ~vj+1 , · · · , ~vn podem ser LI ou LD.
– Se são LI, então estão satisfeitas ambas as condições i) {~v1 , · · · , ~vj−1 , ~vj+1 , · · · , ~vn }
é LI e ii) [~v1 , · · · , ~vj−1 , ~vj+1 , · · · , ~vn ] = V . Portanto os n − 1 vetores
~v1 , · · · , ~vj−1 , ~vj+1 , · · · , ~vn formam uma base de V .
– Se são LD, então exite xk 6= 0 e ~vk pode ser escrito como combinação
linear dos n − 2 demais vetores.
• O processo é repetido até que restem apenas vetores LI, condição i).
• Dos n vetores originais que geram o espaço vetorial V temos que m podem
ser escritos como combinação linear dos n − m vetores restantes. Portanto
os n − m vetores restantes geram V , condição ii). Ou seja, os n − m vetores
restantes são uma base de V .
Portanto entre os n vetores ~v1 , · · · , ~vn que geram V temos a base de V , com-
pletando a demonstração do teorema.
Teorema
Se V é um espaço vetorial gerado por n vetores ~v1 , . . . , ~vn (LI ou LD), i.e.,
V = [~v1 , . . . , ~vn ], então qualquer conjunto de m vetores w
~ 1, . . . , w
~ m ∈ V , com m > n,
é necessariamente LD.
Demonstração:
109
A base de V tem r ≤ n vetores. Seja ela ~v1 , . . . , ~vr . Então os m vetores
w
~ 1, . . . , w
~ m podem ser escritos como combinações lineares dessa base.
w
~ 1 = a11~v1 + · · · + a1r~vr
w
~ 2 = a21~v1 + · · · + a2r~vr
...
w
~ m = am1~v1 + · · · + amr~vr
A dependência ou independência linear do conjunto de vetores w
~ 1, . . . , w
~ m é
determinada pelos valores de x1 , . . . , xm na relação
x1 w
~ 1 + x2 w ~ m = ~0.
~ 2 + · · · + xm w
Combinando esta equação com as m equações acima desta temos
x1 (a11~v1 + · · · + a1r~vr ) + x2 (a21~v1 + · · · + a2r~vr ) + · · · + xm (am1~v1 + · · · + amr~vr ) = ~0

Rearranjando
(a11 x1 + a21 x2 + · · · + am1 xm )~v1 + (a12 x1 + a22 x2 + · · · + am2 xm )~v2 + · · · +
+(a1r x1 + a2r x2 + · · · + amr xm )~vr = ~0
Como ~v1 , . . . , ~vr são LI, então cada termo entre parênteses é zero:
a11 x1 + a21 x2 + · · · + am1 xm = 0
a12 x1 + a22 x2 + · · · + am2 xm = 0
...
a1r x1 + a2r x2 + · · · + amr xm = 0
que é um sistema de r equações e m incógnitas
  com r <m (pois r ≤ n < m). Este
x1 0
 x2   0 
   
sistema admite solução não trivial X =  ..  6=  ..  (ou seja, algum xi 6= 0).
 .   . 
xm 0
Portanto o conjunto {w ~ 1, . . . , w
~ m }, m > n, é LD, concluindo a demonstração.
Deste teorema temos o seguinte corolário:
Corolário
Qualquer base de um espaço vetorial tem o mesmo número de elementos. Este
número é chamado de dimensão de V e denotado por dim V .
Demonstração:
110
• Sejam ~v1 , . . . , ~vn e w
~ 1, . . . , w
~ m duas bases de V .
• ~v1 , . . . , ~vn geram V e, pelo teorema anterior, para que w
~ 1, . . . , w
~ m não sejam
LD a desigualdade m ≤ n deve ser satisfeita.
• Semelhantemente w ~ 1, . . . , w
~ m geram V e, pelo teorema anterior, para que
~v1 , . . . , ~vn não sejam LD a desigualdade n ≤ m deve ser satisfeita.
• Portanto qualquer base tem o mesmo número de elementos, ou seja, m = n.
Exemplo:
• A dimensão do espaço dos exemplos 1) e 2) anteriores é dim V = 2.
• A dimensão do espaço do exemplo 4) anterior é dim V = 3.
• A dimensão do espaço do exemplo 6) anterior é dim V = 4.
Teorema
Qualquer conjunto de vetores LI de um espaço vetorial V de dimensão finita
pode ser completado de modo a formar uma base de V .
Corolário
Se dim V = n, então qualquer conjunto de n vetores em V LI formam uma base
de V .
Teorema
Se U e W são subespaços vetoriais de um mesmo espaço V que tem dimensão
finita, então dim U ≤ dim V e dim W ≤ dim V . Além disso dim(U + W ) = dim U +
dim W − dim(U ∩ W ).
Exemplo:
Seja V = R3 e sejam W1 , W2 subespaços vetoriais de V dados por W1 = {xı̂ +
y̂ + z k̂ : 2x − y + z = 0} e W2 = {xı̂ + y̂ + z k̂ : y + z = 0}.
Como W1 e W2 são conjuntos de vetores que estão localizados nas superfı́cies de
planos que passam pela origem, então são suficientes dois vetores não nulos LI para
gerar cada um destes subespaços.
111
• Considerando a restrição de W1 , 2x − y + z = 0, temos
– Para x = 0 e y = 1: z = 1. Portanto ~v1 = 0ı̂ + ̂ + k̂ ∈ W1 .

– Para x = 1 e y = 0: z = −2 Portanto ~v2 = 1ı̂ + 0̂ − 2k̂ ∈ W1 .
– Como ~v2 6= a~v1 , então ~v1 e ~v2 são LI e formam uma base de W1 .
– Desta forma temos que W1 = [~v1 , ~v2 ] = [0ı̂ + ̂ + k̂, 1ı̂ + 0̂ − 2k̂].
• Considerando a restrição de W2 , y + z = 0, temos
– Para x = 0 e y = 1: z = −1. Portanto w

~ 1 = 0ı̂ + ̂ − k̂ ∈ W2 .
– Para x = 1 e y = 0: z = 0 Portanto w
~ 2 = ı̂ + 0̂ + 0k̂ ∈ W2 .
– Como w
~ 2 6= aw
~ 1 , então w
~1 e w
~ 2 são LI e formam uma base de W2 .
– Desta forma temos que W2 = [w
~ 1, w
~ 2 ] = [0ı̂ + ̂ − k̂, ı̂ + 0̂ + 0k̂].
Assim temos:
• W1 ∪ W2 = [0ı̂ + ̂ + k̂, 1ı̂ + 0̂ − 2k̂] ∪ [0ı̂ + ̂ − k̂, 1ı̂ + 0̂ + 0k̂].
• W1 + W2 = [0ı̂ + ̂ + k̂, 1ı̂ + 0̂ − 2k̂, 0ı̂ + ̂ − k̂, 1ı̂ + 0̂ + 0k̂].
• Note que w~1 e w ~ 2 pertencem a um plano diferente daquele a que pertencem ~v1
e ~v2 . Esta informação junto com as informações acima de que ~v1 e ~v2 são LI,
ew ~1 e w~ 2 são LI, temos que quaisquer três destes quatro vetores são LI e que
qualquer um dos quatro vetores pode ser escrito como combinação linear dos
outros três. Vamos fazer a combinação linear de ~v1 , ~v2 , w
~ 1, w
~ 2 , mesmo sabendo
que três destes vetores já seriam suficientes para gerar um vetor em R3 .
α(0ı̂ + ̂ + k̂) + β(1ı̂ + 0̂ − 2k̂) + γ(0ı̂ + ̂ − k̂) + δ(1ı̂ + 0̂ + 0k̂) = xı̂ + y̂ + z k̂
(β + δ)ı̂ + (α + γ)̂ + (α − 2β − γ)k̂ = xı̂ + y̂ + z k̂
    
 β+δ =x 0 1 0 1 x 1 0 1 0 y
α+γ =y ⇒  1 0 1 0 y  ⇒  0 1 0 1 x  ⇒

α − 2β − γ = z 1 −2 −1 0 z 1 −2 −1 0 z
L1 ↔ L2 L3 → L3 − L1
   
1 0 1 0 y 1 0 1 0 y
⇒  0 1 0 1 x  ⇒  0 1 0 1 x  ⇒
0 −2 −2 0 z − y 0 0 −2 2 z − y + 2x
L3 → L3 + 2L2 L3 → −(1/2)L3
112
   
1 0 1 0 y 1 0 0 1 y + (2x − y + z)/2
⇒  0 1 0 1 x  ⇒  0 1 0 1 x  ⇒
0 0 1 −1 −(2x − y + z)/2 0 0 1 −1 −(2x − y + z)/2
L1 → L1 − L3 L1 → L1 − L3


 α = −ψ + y + (2x − y + z)/2 = −ψ + (2x + y + z)/2

β = −ψ + x
⇒

 γ = ψ − (2x − y + z)/2

δ=ψ∈R
Estas infinitas soluções possı́veis com ψ é consequência de estarmos utilizando
quatro vetores de R3 quando são suficientes três vetores LI (não coplanares).
Considerando todas as combinações lineares possı́veis de ~v1 , ~v2 , w
~1 e w
~ 2 temos
W1 + W2 = R3 .
• W1 ∩ W2 = {xı̂ + y̂ + z k̂ : 2x − y + z = 0 e y + z = 0}, i.e., o conjunto W1 ∩ W2

é formado por todos os vetores que pertencem à interseção dos dois planos
dados.
Da restrição do conjunto W1 ∩W2 temos z = −y e 2x−y+z = 0: 2x−y−y = 0,
i.e., x = y.
Assim, para x = 1: y = 1 e z = −1 temos ~u = ı̂ + ̂ − k̂ ∈ W1 ∩ W2 .
Portanto W1 ∩ W2 = [~u] = [ı̂ + ̂ − k̂].
• Como dim(W1 ∩ W2 ) = 1, dim W1 = 2 e dim W2 = 2, então
dim R3 = dim W1 + dim W2 − dim(W1 ∩ W2 ) = 3
Teorema
Dada uma base β = {~v1 , ~v2 , . . . , ~vn } de V , então cada vetor de V é escrito como
combinação linear de ~v1 , ~v2 , . . . , ~vn de forma única.
Definição
Sejam β = {~v1 , ~v2 , . . . , ~vn } base de V e ~v ∈ V onde ~v = a1~v1 + · · · + an~vn . Os
números a1 , . . . , an são chamados de coordenadas de ~v em relação à base β. Estas
113
coordenadas são denotadas por
 
a1
[~v ]β =  ...  .
 
an
Obs.: Note na definição acima que ao trocar os vetores ~vi s de posição dentro
da base β então as coordenadas de ~v também trocam de posição. Por esta razão
subentende-se que a base seja ordenada, i.e., os vetores aparecem na ordem em que
aparecem em β, exceto quando for mencionado diferente.
Exemplo:
Sejam V = R2 e ~v ∈ V dado por ~v = 3ı̂ + 5̂.
a) Considerando a base canônica β1 = {ı̂, ̂} de V = R2 , temos
~v = 3ı̂ +5̂ =
3h1, 0i + 5h0, 1i
3
[~v ]β1 =
5
b) Considerando a base β2 = {h2, 0i, h1, −1i} de V = R2 , temos
~v = h3, 5i = ah2, 0i + bh1, −1i.

Ou seja,
(2a + b)ı̂ − b̂ = 3ı̂ + 5̂

2a + b = 3 2a = 3 + 5, a = 4
⇒
−b = 5 b = −5
Portanto
~v = 3ı̂ + 5̂ = 4(2ı̂ + 0̂) − 5(ı̂ − ̂)

4
[~v ]β2 =
−5
114
5.5 Mudança de base
z
Já vimos como representar algumas superfı́cies quádricas.
A figura à esquerda ilustra uma delas, o hiperboloide
elı́ptico de duas folhas, representado pela expressão
x2 y 2 z 2
− 2 − 2 + 2 = 1,
a b c
y razão pela qual o eixo de simetria é o eixo z.
x Vimos que para centrar um hiperboloide de duas folhas
em torno do eixo x ou y basta trocar o sinal positivo
de lugar com a primeira ou a segunda fração,
respectivamente. No entanto, imagine a situação em
que o hiperboloide de duas folhas seja centrado em um z' z
outro eixo de simetria, como ilustra a figura à direita.
Cada ponto sobre a superfı́cie pode ser especificado por
um vetor ~v . Usando a base canônica β ′ = {ı̂, ̂, k̂} do .
espaço R3 a equação de tal superfı́cie não é simpática x v
como a equação apresentada acima. Mas podemos y'
definir uma base apropriada β ′ = {~u1 , ~u2 , ~u3 } do espaço R3 x'
na qual o eixo de simetria da superfı́cie coincida com
um dos vetores desta base, tornando simples a equação y
de tal superfı́cie.
Vamos, portanto, descrever a forma pela qual relacionamos as coordenadas de um

vetor ~v na nova base (novo referencial) em termos da antiga base (antigo referencial).
Sejam β = {~u1 , . . . , ~un } e β ′ = {w
~ 1, . . . , w
~ n } bases ordenadas de um espaço
vetorial V . Assim
~v = x1~u1 + · · · + xn~un
~v = x′1 w
~ 1 + · · · + x′n w
~n
e as coordenadas de ~v em relação a cada base

   
x′1 x1
[v]β ′ =  ...  e [v]β =  .. 
  
. 
x′n xn
115
Em termos da base β cada elemento da base β ′ é dado por
w
~ 1 = a11~u1 + a21~u2 + · · · + an1~un
w
~ 2 = a12~u1 + a22~u2 + · · · + an2~un
···
w
~ n = a1n~u1 + a2n~u2 + · · · + ann~un
Em termos dessa base β ′ o vetor em questão é escrito como
~v = x′1 w
~ 1 + · · · + x′n w
~n
′
= x1 (a11~u1 + a21~u2 + · · · + an1~un )
+x′2 (a12~u1 + a22~u2 + · · · + an2~un )
+···
+x′n (a1n~u1 + a2n~u2 + · · · + ann~un )
Rearranjando escrevemos ~v em termos da base β :
~v = (a11 x′1 + a12 x′2 + · · · + a1n x′n ) ~u1 +
| {z }
= x1
+ (a21 x′1 + a22 x′2 + · · · + a2n x′n ) ~u2 +
| {z }
= x2
+··· +
+ (an1 x′1 + an2 x′2 + · · · + ann x′n ) ~un ,
| {z }
= xn
ou seja,
      
 x1 = a11 x′1 + a12 x′2 + · · · + a1n x′n x1 a11 · · · a1n x′1


x2 = a21 x′1 + a22 x′2 + · · · + a2n x′n

 x2 


 a21 · · · a2n 


 x′2 

⇒  ..  = .. ... ..   .. 

 ···  .   . .   . 

xn = an1 x′1 + an2 x′2 + · · · + ann x′n xn an1 · · · ann x′n
| {z } | {z } | {z }
Coord. β′ Coord.
≡ [T ]
novas β antig.
β′
[~v ]β = [T ] [~v ]β ′ .
β
′
A matriz [T ]ββ é chamada de matriz de mudança da base β ′ para a base β.
Resumindo, o processo de mudança de base consiste de cinco passos:
• 1o : Escolher qualquer base conhecida β ′ = {w ~ 1, . . . , w
~ n } e definir qual base é
desejada β = {~u1 , . . . , ~un } (base nova).
116
• 2o : Escrevemos cada elemento da base conhecida β ′ como combinação linear
da base nova β.
• 3o : Expressar cada vetor a ser transformado, ~v , como combinação linear da

base conhecida β ′ : ~v = x′1 w
~ 1 + · · · + x′n w
~ n.
• 4o : Substituı́mos os elementos do segundo passo no terceiro passo e rearranja-

mos os termos de forma que ~v seja expresso em termos da base nova β.
• 5o : Cada componente xi (coordenada na nova base) de ~v é escrita em termos

das componentes x′j (coordenadas da base conhecida) e tem a forma xi =
n
X β′
aji x′j . Na forma compacta, [~v ]β = [T ] [~v ]β ′ .
β
j=1
Obs.:
• O processo inverso, i.e. sair da base β para a base β ′ , resulta em [~v ]β ′ =

β
[T ] ′ [~v ]β .
β
•
Como então
β′
X = AX ′ [~v ]β = [T ] [~v ]β ′
β
A−1 X = A−1 AX ′
A−1 X = IX ′
−1
′ −1 β′
X =A X [~v ]β ′ = [T ] [~v ]β ,
β
ou seja,
−1
β β′
[T ] ′ = [T ] .
β β
β β′
• As matrizes [T ] ′ e [T ]β são inversı́veis: Demonstrar.
β
Exemplos:
1)
Mudança da base canônica β ′ = {ı̂, ̂} para a base β = {h2, 0i, h1, −1i} = {2ı̂ +
0̂, ı̂ − ̂}.
1o :
117
Base conhecida: β ′ = {w ~ 1, w
~ 2 } = {ı̂, ̂} = {h1, 0i, h0, 1i}.
Base nova: β = {~u1 , ~u2 } = {h2, 0i, h1, −1i}.
2o :
w
~1 = a11~u1 + a21~u2 = a11 h2, 0i + a21 h1, −1i
h1, 0i = h2a11 + a21 , −a21 i
w
~2 = a12~u1 + a22~u2 = a12 h2, 0i + a22 h1, −1i
h0, 1i = h2a12 + a22 , −a22 i

2a11 + a21 = 1 2a12 + a22 = 0
e
−a21 =0 −a22 =1
a21 = 0 a22 = −1
1 1
a11 = a12 =
2 2
1
~ 1 = ı̂ = ~u1 + 0~u2
w
2
1
w
~ 2 = ̂ = ~u1 − ~u2
2
3o :
~v = x′ w
~ 1 + y′w
~2
4o :

′ 1 1
~v = x ~u1 + y ′ ( ~u1 − ~u2 )
2 2
1 ′
= (x + y ′ ) ~u1 −y ′ ~u2
2
| {z } |{z}
=x =y
5o :
1   1 1  
x = (x′ + y ′ ) x x′
2  = 2 2  
 
′
y = −y ′ y 0 −1 y
118
Consideremos o caso particular em que ~v = h3, 5i (o mesmo da aula passada).
x′ = 3 e y ′ = 5.
1
x = (3 + 5) = 4 e y = −5
2
Na base β ′ : ~v = 3ı̂ + 5̂ = 3h1, 0i + 5h0, 1i (= 3w
~ 1 + 5w~2 ).

3
[~v ]β ′ = .
5
Na base β: ~v = 4~u1 − 5~u2 = 4h2, 0i − 5h1, −1i.

4
[~v ]β = .
−5
2)
y'
y
θ x
Matriz de rotação em R2 :
ĵ
û1
û2 θ
x'
î
1o :
Base conhecida: β ′ = {ı̂, ̂}.
Com relação à nova base:
• Vamos definir û1 como o vetor que aponta na direção crescente da nova coorde-
nada x e û2 como o vetor que aponta na direção crescente da nova coordenada
y.
• Deseja-se que cada elemento da base nova seja unitário: |û1 | = 1 e |û2 | = 1.
• Base nova: β = {û1 , û2 }.
2o :
Este passo consiste em escrever cada vetor da base β ′ = {ı̂, ̂} como combinações
lineares dos vetores da base nova β = {û1 , û2 }, i.e.,
ı̂ = a11 û1 + a21 û2 e
̂ = a12 û1 + a22 û2 .
119
A figura à esquerda ilustra o vetor ı̂ como combinação
linear de û1 e û2 . Como podemos observar, o vetor
a11 û1 é a projeção vetorial de ı̂ sobre o vetor û1 , i.e.,
û1
û1 a11 û1 = |ı̂| cos θ = cos θ û1 .
| {z } |û1 |
a11û1
. proj. esc.
Portanto
θ
î a11 = cos θ.
θ Similarmente, o vetor a21 û2 é a projeção vetorial
a12û2 de ı̂ sobre o vetor −û2 , i.e.,
.
−û2
a21 û2 = |ı̂| sen θ = − sen θ û2 .
| {z } | − û2 |
proj. esc.
-û2 Portanto
a21 = − sen θ.
O mesmo raciocı́nio é aplicado para determinar

a12 e a22 na combinação linear ̂ = a12 û1 + a22 û2 .
A figura à direita ilustra esta combinação linear.
Como podemos observar, a12 û1 é a projeção
vetorial de ̂ sobre û1 , i.e., ĵ
û1 û2
a12 û1 = |̂| sen θ = sen θ û1 .
| {z } |û1 | θ
.
proj. esc.
Portanto û1
a12 = sen θ. a22û2 .
Similarmente, a22 û2 é a projeção θ
vetorial de ̂ sobre û2 , ou seja, a21û1
û2
a22 û2 = |̂| cos θ = cos θ û2 .
| {z } |û2 |
proj. esc.
Portanto
a22 = cos θ.
Resumindo:
ı̂ = a11 û1 + a21 û2 = cos θ û1 − sen θ û2 ,
̂ = a12 û1 + a22 û2 = sen θ û1 + cos θ û2 .
3o e 4o :
~v = x′ ı̂ + y ′ ̂
= x′ (cos θ û1 − sen θ û2 ) + y ′ ( sen θ û1 + cos θ û2 )
= (cos θ x′ + sen θ y ′ )û1 + (− sen θ x′ + cos θ y ′ )û2
120
5o :
′
x = cos θ x′ + sen θ y ′ x cos θ sen θ x
=
y = − sen θ x′ + cos θ y ′ y − sen θ cos θ y′
| {z } | {z } | {z }
Coord. ≡ R(θ) Coord.
rotac. orig.
β′
A matriz [T ] = R(θ) é chamada de matriz de rotação.
β
Consideremos o caso em que ~v = ı̂+ ̂ e que a transformação envolva uma rotação

π
de θ = rad no sentido anti-horário.
4
x′ = 1, y ′ = 1.
√ √
x √ 2/2 √ 2/2 1
=
y − 2/2 2/2 1
√ √
x= 2, y = 0: ~v = 2û1 + 0û2 .
5.6 Ortogonalização de vetores: o método de Gram-

Schmidt
Considere dois vetores não paralelos ~v1 e ~v2 . Usando estes vetores podemos construir
um conjunto de vetores {~v1′ , ~v2′ } em que ~v1′ é perpendicular a ~v2′ .
Começamos definindo ~v1′ = ~v1 . Existe um valor c ∈ R tal que o vetor ~v2′ =
~v2 − c~v1 = ~v2 − c~v1′ é perpendicular a ~v1′ = ~v1 , i.e.,
~v1′ · ~v2′ = 0
~v1′ · (~v2 − c~v1′ ) = 0
~v1′ · ~v2 − c~v1′ · ~v1′ = 0
c~v1′ · ~v1′ = ~v1′ · ~v2
~v ′ · ~v2
c = 1′ ′
~v1 · ~v1
121
=
Este procedimento é ilustrado na figura à direita. v'2 v2 -c v'1
Como podemos observar, o vetor c~v1′ é v2
a projeção vetorial do vetor ~v2 sobre o vetor
~v1′ = c~v1 , i.e., ′
~v1′ · ~v2 ~v1′ ~v2 · ~v1
′
~v1′ .
c~v1 =
| {z }
|~v1′ | |~v1′ |
=
~v1′ · ~v1′ . .
proj. esc. c v'1 v1 = v'1
Desta forma obtemos os vetores ortogonais:
~v1′ = ~v1

~v2′ · ~v1
~v2′ = ~v2 − ~v1′ .
~v1′ · ~v1′
Se β = {~v1 , ~v2 } é uma base de R2 , então o conjunto γ = {~v1′ , ~v2′ } é uma base
ortogonal de R2 . É frequente os casos em que se deseja uma base ortogonal onde os
vetores são normalizados, i.e., unitários. Portanto define-se
~v1′ ~v2′
û1 = e û 2 = .
|~v1′ | |~v2′ |
Assim o conjunto η = {û1 , û2 } é uma base ortonormal de R2 .
Exemplos:
1) Vimos que β = {2ı̂ + 0̂, ı̂ − ̂} é uma base do espaço vetorial R2 . Vamos a
partir desta base criar uma base ortonormal para R2 .
~v1 = 2ı̂ + 0̂, ~v2 = ı̂ − ̂
Usando o processo de ortogonalização de Gram-Schmidt temos:
~v1′ = ~v1 = 2ı̂ + 0̂

′ ~v2 · ~v1′ ′ (ı̂ − ̂) · (ı̂ + 0̂)
~v2 = ~v2 − ~v1 = (ı̂ − ̂) − (ı̂ + 0̂) =
~v1′ · ~v1′ (ı̂ + 0̂) · (ı̂ + 0̂)

1
= (ı̂ − ̂) − (ı̂ + 0̂)
1
~v2′ = 0ı̂ − ̂
A base formada por ~v1′ e ~v2′ é ortogonal mas não é normalizada. Normalizando
~v1′ 2ı̂ + 0̂

û1 = ′
=√ = ı̂ + 0̂
|~v1 | 22 + 02
~v ′ 0ı̂ − ̂
û2 = 2′ = p = 0ı̂ − ̂
|~v2 | 0 + (−1)2
2
122
Assim o conjunto η = {û1 , û2 } = {ı̂ + 0̂, 0ı̂ − ̂} é uma base ortonormal de R2 .
2) Consideremos a base β = {3ı̂ + 1̂, −ı̂ + 4̂} de R2 .
~v1 = 3ı̂ + 1̂, ~v2 = −ı̂ + 4̂
~v1′ = ~v2 = 3ı̂ + 1̂

′ ~v2 · ~v1′
~v2 = ~v2 − ~v1′
~v1′ · ~v1′

(−ı̂ + 4̂) · (3ı̂ + 1̂)
= (−ı̂ + 4̂) − (3ı̂ + 1̂)
(3ı̂ + 1̂) · (3ı̂ + 1̂)

−3 + 4
= (−ı̂ + 4̂) − (3ı̂ + 1̂)
32 + 12
1 1
= (−10ı̂ + 40̂) − (3ı̂ + 1̂)
10 10
1
~v2′ = (−13ı̂ + 39̂)
10
~v1′ 3ı̂ + 1̂ 1

û1 = ′
=√ = √ (3ı̂ + 1̂)
|~v1 | 32 + 12 10
′
~v (−13ı̂ + 39̂)/10 −13ı̂ + 39̂ 1
û2 = 2′ = p = √ = √ (−13ı̂ + 39̂)
|~v2 | (−13)2 + (39)2 /10 1690 13 10

1 1
Portanto o conjunto η = {û1 , û2 } = √ (3ı̂ + 1̂), √ (−13ı̂ + 39̂) é uma
10 13 10
base ortonormal de R2 .
O procedimento descrito acima pode ser generalizado para ortogonalizar qualquer

conjunto n vetores LI que formam uma base β = {~v1 , ~v2 , . . . , ~vn } do espaço vetorial
Rn . Por exemplo, vamos agora encontrar um vetor ~v3′ que é perpendicular a ambos
~v1′ e ~v2′ . Seguindo o raciocı́nio anterior, queremos encontrar os escalares d e e na
equação ~v3′ = ~v3 − d~v1′ − e~v2′ tais que ~v3′ · ~v1′ = 0 e ~v3′ · ~v2′ = 0. Segue assim
~v3′ · ~v1′ = 0 ~v3′ · ~v2′ = 0

(~v3 − e~v2′ − d~v1′ ) · ~v1′ = 0 (~v3 − e~v2′ − d~v1′ ) · ~v2′ = 0
~v3 · ~v1′ − e ~v2′ · ~v1′ −d~v1′ · ~v1′ = 0 ~v3 · ~v2′ − e~v2′ · ~v2′ − d ~v1′ · ~v2′ = 0
| {z } | {z }
=0 =0
d~v1′ · ~v1′ = ~v3 · ~v1′ e~v2′ · ~v2′ = ~v3 · ~v2′
~v3 · ~v ′ ~v3 · ~v ′
d = ′ 1′ e = ′ 2′
~v1 · ~v1 ~v2 · ~v2
123
Portanto
~v3′ = ~v3 − e~v2′ − d~v1′

′ ~v3 · ~v2′ ′ ~v3 · ~v1′
~v3 = ~v3 − ~v2 − ~v1′ .
~v2′ · ~v2′ ~v1′ · ~v1′
Repetindo o processo novamente e novamente obtemos
′

~vn · ~vn−1 ~vn · ~v2′ ~vn · ~v1′
~vn′ = ~vn − ′ ′
′
~vn−1 − ··· − ~v2′ − ~v1′ .
~vn−1 · ~vn−1 ~v2′ · ~v2′ ~v1′ · ~v1′
Esse processo de ortogonalização é conhecido como método de Gram-Schmidt.

Resumindo, dada uma base β = {~v1 , ~v2 , · · · , ~vn } de Rn obtemos uma base ortogonal
γ = {~v1′ , ~v2′ , · · · , ~vn′ } de Rn cujos vetores são dados por
~v1′ = ~v1
~v2 · ~v1′
~v2′ = ~v2 − ′ ′
~v1′
~v1 · ~v1′
′ ~v3 · ~v2 ′ ~v3 · ~v1′
~v3 = ~v3 − ~v2 − ~v1′
~v2′ · ~v2′ ~v1′ · ~v1′
..
.
′
′
~vn · ~vn−1 ′ ~vn · ~v2′ ′ ~vn · ~v1′
~vn = ~vn − ′ ′
~vn−1 − · · · − ~v2 − ~v1′ .
~vn−1 · ~vn−1 ~v2′ · ~v2′ ~v1′ · ~v1′
Normalizando cada um destes vetores

~v1′ ~v2′ ~vn′
û1 = , û 2 = , · · · , ûn = ,
|~v1′ | |~v2′ | |~vn′ |
obtemos uma base ortonormal η = {û1 , û2 , · · · , ûn } para o espaço vetorial Rn .
Exemplo:
Considere a base β = {ı̂ + 0̂ − 2k̂, ı̂ − ̂ + k̂, 0ı̂ + ̂ + k̂} de R3 .
~v1 = ı̂ + 0̂ − 2k̂, ~v2 = ı̂ − ̂ + k̂, ~v3 = 0ı̂ + ̂ + k̂.
124
~v1′ = ı̂ + 0̂ − 2k̂

′ ~v2 · ~v1′
~v2 = ~v2 − ~v1′
~v1′ · ~v1′
!
(ı̂ − ̂ + k̂) · (ı̂ + 0̂ − 2k̂)
= (ı̂ − ̂ + k̂) − (ı̂ + 0̂ − 2k̂)
(ı̂ + 0̂ − 2k̂) · (ı̂ + 0̂ − 2k̂)

1−0−2
= (ı̂ − ̂ + k̂) − (ı̂ + 0̂ − 2k̂)
12 + 02 + (−2)2
1 1 1
= (ı̂ − ̂ + k̂) + (ı̂ + 0̂ − 2k̂) = (5ı̂ − 5̂ + 5k̂) + (ı̂ + 0̂ − 2k̂)
5 5 5
1
~v2′ = (6ı̂ − 5̂ + 3k̂)
5
~v3 · ~v2′ ~v3 · ~v1′
~v3′ = ~v3 − ′ ′
′
~v2 − ′ ′
~v1′
~v2 · ~v2 ~v1 · ~v1
!
(0ı̂ + ̂ + k̂) · ((6ı̂ − 5̂ + 3k̂)/5) (6ı̂ − 5̂ + 3k̂)
= (0ı̂ + ̂ + k̂) −
(6ı̂ − 5̂ + 3k̂) · (6ı̂ − 5̂ + 3k̂)/25 5
!
(0ı̂ + ̂ + k̂) · (ı̂ + 0̂ − 2k̂)
− (ı̂ + 0̂ − 2k̂)
(ı̂ + 0̂ − 2k̂) · (ı̂ + 0̂ − 2k̂)

0−5+3 0+0−2
= (0ı̂ + ̂ + k̂) − (6ı̂ − 5̂ + 3k̂) − (ı̂ + 0̂ − 2k̂)
36 + 25 + 9 1+4
2 2
= (0ı̂ + ̂ + k̂) + (6ı̂ − 5̂ + 3k̂) + (ı̂ + 0̂ − 2k̂)
70 5
1 2
= (0ı̂ + ̂ + k̂) + (6ı̂ − 5̂ + 3k̂) + (ı̂ + 0̂ − 2k̂)
35 5
(0ı̂ + 35̂ + 35k̂) + (6ı̂ − 5̂ + 3k̂) + 2(7ı̂ + 0̂ − 14k̂) 1
= = (20ı̂ + 30̂ + 10k̂)
35 35
10
~v3′ = (2ı̂ + 3̂ + k̂)
35
~v1′ 1
û1 = ′ = √ (ı̂ + 0̂ − 2k̂)
|~v| 5
~v2′ (6ı̂ − 5̂ + 3k̂)/5 1
û2 = ′
= √ = √ (6ı̂ − 5̂ + 3k̂)
|~v2 | 36 + 25 + 9/5 70
~v3′ 10(2ı̂ + 3̂ + k̂)/35 1
û3 = ′
= √ = √ (2ı̂ + 3̂ + k̂)
|~v3 | 10 4 + 9 + 1/35 14
125
n A partir da base β dada temos, assim, a base ortonormal o η = {û1 , û2 , û3 } =
1 1 1
√ (ı̂ + 0̂ − 2k̂), √ (6ı̂ − 5̂ + 3k̂), √ (2ı̂ + 3̂ + k̂) .
5 70 14
126
Capı́tulo 6
Transformações lineares,
autovalores e autovetores
Definição:
Seja ~v = hv1 , v2 , . . . , vn i ∈ Rn . Usaremos a notação ~v = (v1 , v2 , . . . , vn ) para
representar o vetor ~v na forma de matriz de n linhas e uma coluna, i.e.,
 
v1
 v2 
 
~v = (v1 , v2 , . . . , vn ) =  ..  .
 . 
vn
6.1 Transformações lineares

Definição:
Sejam U e V espaços vetoriais, e sejam ~r, ~s ∈ U e k ∈ R. Uma transformação
linear é uma função T : U → V que satisfaz as condições
i) T (~r + ~s) = T (~r) + T (~s) e
ii) T (k~r) = kT (~r).
Exemplos:
1) Transformação identidade: TI : Rn → Rn tal que TI (~v ) = ~v ∀ ~v ∈ Rn .
Considerando a base canônica α = {h1, 0, . . . , 0i, h0, 1, . . . , 0i, . . . h0, 0 . . . , 1i} te-
mos
    
1 0 ... 0 v1 v1
 0 1 . . . 0   v2   v2 
    
TI (~v ) =  .. .. . . ..   ..  =  .. 
 . . . .  .   . 
0 0 ... 1 vn vn
| {z }
=[TI ]α
α
127
A matriz [TI ]αα acima é a matriz da transformação TI na base canônica α.
Sejam ~r, ~s ∈ V e k ∈ R
i)
        
1 0 ... 0 r1 s1 1 0 ... 0 r1 + s 1
 0 1 . . . 0   r2   s2   0 1 . . . 0   r2 + s2 
        
TI (~r + ~s) =  .. .. . . ..   ..  +  ..  =  .. .. . . ..   .. =
 . . . .   .   .   . . . .  . 
0 0 ... 1 rn sn 0 0 ... 1 rn + s n
 
r1 + s 1
 r2 + s 2 
 
=  .. 
 . 
rn + s n
         
r1 s1 1 0 ... 0 r1 1 0 ... 0 s1
 r2   s 2   0 1 . . . 0   r2   0 1 . . . 0   s 2 
         
=  ..  +  ..  =  .. .. . . ..   ..  +  .. .. . . ..   .. 
 .   .   . . . .  .   . . . .  . 
rn sn 0 0 ... 1 rn 0 0 ... 1 sn
= TI (~r) + TI (~s)
      
1 0 ... 0 r1 1
0 ... 0 r1
 0 1 ... 0 r2 0
1 ... 0    r2 
     
    
ii) TI (k~r) =  .. .. . . ..  k  =
.. k  .. . . ..   ..  = kTI (~r).
..
 . . . .   .  . . . .  . 
0 0 ... 1 rn 0 0 ... 1 rn
2
2) Reflexão com relação ao eixo y: Sejam V = R e T = ry a transformação
linear ry : V → V definida por ry~v = ry (xı̂ + y̂) = (xı̂ − y̂). Na base canônica
α = {ı̂, ̂} temos

−1 0 x −x
ry (~v ) = = .
0 1 y y
| {z }
=[ry ]α
α
Semelhantemente ao exemplo anterior, a matriz [ry ]αα é a matriz associada à

transformação linear ry (~v ) representada na base canônica α.
Sejam ~r, ~s ∈ V e k ∈ R
−1 0 r1 s1 −r1 −s1
i) ry (~r +~s) = + = + = ry (~r) + ry~s,
0 1 r2 s2 r2 s2
−1 0 r1 −1 0 r1 −r1
ii) ry (k~r) = k =k =k = kry (~r).
0 1 r2 0 1 r2 r2
3) Considere a transformação linear T : R4 → R4 definida por T (x1 , x2 , x3 , x4 ) =
(2x1 + x2 − 3x3 + 5x4 , x1 − x3 , −2x2 + x3 − x4 , x1 − 3x4 ).
128
Na base canônica α = {h1, 0, 0, 0i, h0, 1, 0, 0i, h0, 0, 1, 0i, h0, 0, 0, 1i} temos, por-
tanto     
2 1 −3 5 x1 2x1 + x2 − 3x3 + 5x4
 1 0 −1 0   x2  =  x1 − x3
   
 
 0 −2 1 −1   x3   −2x2 + x3 − x4 
1 0 0 −3 x4 x1 − 3x4
| {z } | {z } | {z }
=[T ]α
α =~v =T (~v )
Em que [T ]αα
é a representação matricial da transformação na base canônica α.
4) Considere a transformação linear T : R3 → R4 definida por T (x, y, z) = (−x+
y −z, 2x+y, 3y −2z, x−y +2z). Em termos da base α1 = {h1, 0, 0i, h0, 1, 0i, h0, 0, 1i}
de R3 e da base α2 = {h1, 0, 0, 0i, h0, 1, 0, 0i, h0, 0, 1, 0i, h0, 0, 0, 1i} de R4 temos
   
−1 1 −1   −x + y − z
 2 x
 1 0 
  y  =  2x + y 
 
 0 3 −2   3y − 2z 
z
1 −1 2 | {z } x − y + 2z
| {z } = ~v | {z }
= Dαα21 = T (~v )
Vetores fixos
Dependendo da transformação T podemos encontrar vetores ~v que permanecem
inalterados sob uma transformação T : V → V , ou seja,
T (~v ) = ~v .
Estes vetores que permanecem inalterados pela transformação T são chamados de
vetores fixos.
No caso da transformação identidade todos os vetores ~v ∈ Rn são fixos, pois
TI (~v ) = ~v , como demonstrado no exemplo 1) acima.
No exemplo 2) acima vimos, para o caso V = R2 , que a reflexão com relação ao
−1 0
eixo y é dada pela matriz T = ry = pois, dado ~v = xı̂ + y̂ ∈ R2 temos
0 1
ry~v = −xı̂ + y̂,
ou seja,
−1 0 x −x
=
0 1 y y
Portanto ~v é um vetor fixo se xı̂ + y̂ = −xı̂ + y̂, ou seja, x = 0. Temos, assim,
que os vetores fixos da transformação ry é todo vetor paralelo ao eixo y, ou seja,
~v = 0ı̂ + y̂.
129
6.2 Autovalores e autovetores
Dado um espaço vetorial V e dada uma transformação linear T (V ) → V , conside-
remos a situação em que desejamos encontrar um vetor ~v ∈ V e um escalar λ ∈ R
que satisfazem a transformação
T (~v ) = λ~v ,
ou seja, T (~v ) é paralelo ao vetor ~v .
O vetor ~v = ~0 sempre satisfaz esta última relação. Contudo o interesse é en-
contrar vetores ~v 6= ~0 que satisfaçam a equação acima. O escalar λ é chamado de
autovalor ou valor caracterı́stico da transformação T e o vetor ~v é chamado de
autovetor ou vetor caracterı́stico de T .
De agora em diante a transformação linear que leva de um espaço vetorial V no
próprio espaço vetorial V , T : V → V , será chamada de operador linear.
Definição:
Seja T : V → V um operador linear. Se existirem ~v ∈ V com ~v 6= ~0 e λ ∈ R que
satisfazem a relação T~v = λ~v , então λ é autovalor do operador T e ~v é autovetor de
T associado a λ.
Exemplo:
1)
Seja V = R3 e T um operador que leva o espaço vetorial  V a ele mesmo,
 ou seja,
3 0 0
T : R3 → R3 , de tal forma que T (~v ) = 3~v . Portanto T =  0 3 0 , pois
0 0 3
      
3 0 0 x 3x x
 0 3 0   y  =  3y  = 3  y 
0 0 3 z 3z z
Desta forma o autovalor λ é 3 e qualquer vetor ~v = xı̂+y̂+z k̂ 6= ~0 é um autovetor
de T associado ao autovalor λ = 3. O operador linear dado é uma transformação
que gera um novo vetor onde é preservada a direção e o sentido do vetor original e
que faz com que o novo vetor tenha módulo três vezes maior que o módulo do vetor
original.
Teorema
Dada uma transformação linear T : V → V e um autovetor ~v de T associado ao
autovalor λ, então qualquer vetor w
~ = α~v , com α 6= 0 real, é também autovetor de
T associado a λ.
Demonstração:
130
Como ~v é um autovetor de T associado a λ, então
T~v = λ~v
multiplicando ambos os membros da equação acima por α 6= 0 obtemos
αT~v = αλ~v
como α é um escalar então

T αv
~ = λαv
~
Definindo w
~ ≡ α~v temos
Tw
~ = λw
~
Portanto w~ = α~v é também um autovetor de T associado ao autovalor λ, concluindo
a demonstração.
Pelo teorema acima qualquer vetor paralelo ao autovetor ~v de T associado ao
autovalor λ é também um autovetor de T associado a λ.
Como podemos notar, o conjunto de autovetores do operador linear T : V → V

associados a um determinado λ juntamente com o vetor ~0 formam um subespaço
vetorial de V . Portanto o conjunto de vetores Vλ = {~v ∈ V : T (~v ) = λ~v } é um
subespaço vetorial de V . Isto nos leva à seguinte definição.
Definição:
O conjunto Vλ = {~v ∈ V : T (~v ) = λ~v } é um subespaço vetorial de V e recebe o
nome subespaço associado ao autovalor λ.
Definição:
Dada uma matriz quadrada A de ordem n, o autovalor e autovetor de A são
o autovalor λ ∈ R e o autovetor ~v ∈ V = Rn do operador linear TA : Rn → Rn
associado a λ tais que A~v = λ~v com ~v 6= 0.
Exemplo:  
1 1 0
Considere a matriz A =  2 0 2 
2 1 1
Sabemos que esta matriz está associada ao operador linear TA (x, y, z) = (x +
y, 2x + 2z, 2x + y + z) na base canônica α = {ı̂, ̂, k̂}.
Note que, dado o vetor ~v1 = ı̂ − 2̂ + 0k̂ temos
    
1 1 0 1 −1
A(~v1 ) =  2 0 2   −2  =  2  = −~v1
2 1 1 0 0
131
Portanto ~v1 = ı̂ − 2̂ + 0k̂ é um autovetor do operador linear definido pela matriz
A e está associado ao autovalor λ1 = −1.
Exercı́cio:
Considerando o operador linear definido pela matriz A do exemplo acima, mostre
que:
a) ~v2 = ı̂ − ̂ − k̂ é um autovetor associado ao autovalor λ2 = 0 e
b) ~v3 = ı̂ + 2̂ + 2k̂ é um autovetor associado ao autovalor λ3 = 3.
Como visto até agora, o cálculo dos autovalores e autovetores foi feito usando
simplesmente a relação T (~v ) = λ~v para cada caso. Na próxima seção apresentamos
um método sistemático para tal cálculo.
6.3 Polinômio caracterı́stico

Como vimos anteriormente, os autovalores λ e os autovetores ~v são, respectivamente,
os escalares e os vetores que satisfazem a relação T (~v ) = λ~v . Desta relação temos
T (~v ) = λI~v ou [T − λI]~v = O.
Se det[T − λI] 6= 0 sabemos, pelo método de Cramer, que a solução do sistema
[T − λI]~v = O é única, dada por ~v = ~0. Como os autovetores que são soluções de
[T − λI]~v = O pelos quais procuramos são ~v 6= ~0, então os autovalores λ devem
satisfazer a condição1
det[T − λI] = 0.
O desenvolvimento do determinante na equação acima nos leva a um polinômio
em λ cujas raı́zes são os autovalores procurados. Este polinômio decorrente da
equação acima é chamado polinômio caracterı́stico.
Exemplos:
1) Determine os autovalores e os autovetores do operador linear A : R2 → R2
definido por A(x, y) = (2x + y, x + 2y).
Na base canônica
α = {ı̂, ̂, k̂} o operador A é representado matricialmente por
2 1
[A]αα =
1 2

2 1 λ 0 2−λ 1
det([A]αα − λI) = det − = det = 0.
1 2 0 λ 1 2−λ
1
Veja as seções 2.4 e 4.3.
132
(2 − λ)(2 − λ) − 1 = 0
λ2 − 4λ +√3 = 0 : Polinômio caracterı́stico.
4 ± 16 − 12
λ=
2
λ1 = 1, λ2 = 3 : Autovalores.
i) λ1 = 1.
[A]αα~v = λ1~v

2 1 x x
=1
1 2 y y

2x + y = x x+y =0
⇒
x + 2y = y x+y =0
Do sistema acima obtemos y = −x. Portanto os autovetores associados ao
autovalor λ1 = 1 são dados por ~v = xı̂ + y̂ = xı̂ − x̂ = x(ı̂ − ̂), x ∈ R, i.e, são
vetores paralelos ao autovetor ~v1 = ı̂ − ̂ e, portanto, pertencem ao subespaço gerado
[ı̂ − ̂].
ii) λ2 = 3.
[A]α~v = λ ~v
α 2
2 1 x x
=3
1 2 y y

2x + y = 3x −x + y = 0
⇒
x + 2y = 3y x−y =0
Do sistema acima temos y = x. Portanto os autovetores associados ao autovalor
λ2 = 3 são dados por ~v = xı̂ + y̂ = xı̂ + x̂ = x(ı̂ + ̂). Portanto os autovetores são
paralelos ao autovetor ~v2 = ı̂ + ̂, ou seja, pertencem ao subespaço gerado [ı̂ + ̂].
2) Determine os autovalores e os autovetores do operador linear B : R3 → R3
definido por B(x, y, z) = (x + 2y + z, 2x + y + z, x + y + 2z).
Em termos da base canônica α = {ı̂, ̂, k̂} de R3 o operador linear B é represen-
tado matricialmente
 por

1 2 1
[B]αα =  2 1 1 
1 1 2
     
 1 2 1 λ 0 0  1−λ 2 1
det([B]αα −λI) = det  2 1 1  −  0 λ 0  = det  2 1−λ 1  = 0.
 
1 1 2 0 0 λ 1 1 2−λ
133
(1 − λ)(1 − λ)(2 − λ) + 2 + 2 − (1 − λ) − 4(2 − λ) − (1 − λ) = 0
(1 − 2λ + λ2 )(2 − λ) + 4 + λ − 1 − 8 + 4λ − 1 + λ = 0
2 − λ − 4λ + 2λ2 + 2λ2 − λ3 − 6 + 6λ = 0
−λ3 + 4λ2 + λ − 4 = 0 : Polinômio caracterı́stico.
λ1 = −1, λ2 = 1, λ3 = 4 : Autovalores.
i) λ1 = −1.
[B]α~v = λ1~v
 α    
1 2 1 x x
 2 1 1   y  = −1  y 
1 1 2 z z
 
 x + 2y + z = −x  2x + 2y + z = 0
2x + y + z = −y ⇒ 2x + 2y + z = 0
 
x + y + 2z = −z x + y + 3z = 0
     
2 2 1 0 0 0 0 0 1 1 3 0
Matriz ampliada:  2 2 1 0  ⇒  2 2 1 0  ⇒  2 2 1 0  ⇒
1 1 3 0 1 1 3 0 0 0 0 0
L1 → L1 − L2 L1 ↔ L3 L2 → L2 − 2L1
 
1 1 3 0 
1 1 3 0

 0 0 −5 0 
⇒  0 0 1 0 
0 0 0 0 0 0 0 0
1
L2 → − L2
5
Temos, portanto, z = 0 e x + y + 3z = 0, ou seja, y = −x e z = 0. Portanto
os autovetores associados ao autovalor λ1 = −1 são dados por ~v = xı̂ + y̂ + z k̂ =
xı̂ − x̂ + 0k̂, x ∈ R, i.e., são paralelos ao autovetor ~v1 = ı̂ − ̂ + 0k̂ e, portanto,
pertencem ao subespaço gerado [ı̂ − ̂ + 0k̂].
ii) λ2 = 1.
134
[B]α~v = λ2~v
 α    
1 2 1 x x
 2 1 1  y  = 1 y 
1 1 2 z z
 
 x + 2y + z = x  2y + z = 0
2x + y + z = y ⇒ 2x + z = 0
 
x + y + 2z = z x+y+z =0
     
0 2 1 0 1 1 1 0 1 1 1 0
Matriz ampliada:  2 0 1 0  ⇒  2 0 1 0  ⇒  0 −2 −1 0  ⇒
1 1 1 0 0 2 1 0 0 2 1 0
L1 ↔ L3 L2 → L2 − 2L1 L3 → L3 + L2
 
1 1 1 0 
1 1 1 0
 
1 0 1/2 0

 0 −2 −1 0 
⇒  0 1 1/2 0  ⇒  0 1 1/2 0 
0 0 0 0 0 0 0 0 0 0 0 0
1
L2 → − L2 L1 → L1 − L2
2
Temos, portanto, y + z/2 = 0 e x + z/2 = 0, z ∈ R, ou seja, x = −z/2, y = −z/2
e z ∈ R. Portanto os autovetores associados ao autovalor λ2 = 1 são dados por
~v = xı̂ + y̂ + z k̂ = −(z/2)ı̂ − (z/2)̂ + z k̂ = −(z/2)(ı̂ + ̂ − 2k̂), ou seja, são paralelos
ao autovetor ~v1 = ı̂ + ̂ − 2k̂ e pertencem ao subespaço gerado [ı̂ + ̂ − 2k̂].
iii) λ3 = 4.
[B]α~v = λ3~v
 α    
1 2 1 x x
 2 1 1  y  = 4 y 
1 1 2 z z
 
 x + 2y + z = 4x  −3x + 2y + z = 0
2x + y + z = 4y ⇒ 2x − 3y + z = 0
 
x + y + 2z = 4z x + y − 2z = 0
   
−3 2 1 0 1 1 −2 0
Matriz ampliada:  2 −3 1 0  ⇒  2 −3 1 0  ⇒
1 1 −2 0 −3 2 1 0
L1 ↔ L3 L2 → L2 − 2L1
L3 → L3 + 3L1
135
 
1 1 −2 0 
1 1 −2 0
 
1 0 −1 0

 0 −5 5 0  ⇒  0 1 −1 0  ⇒  0 1 −1 0 
⇒
0 5 −5 0 0 0 0 0 0 0 0 0
L3 → L3 + L2 L1 → L1 − L2
1
L2 → − L2
5
Temos, portanto, y − z = 0, x − z = 0 e z ∈ R, ou seja, x = z, y = z e
z ∈ R. Portanto os autovetores associados ao autovalor λ3 = 4 são dados por
~v = xı̂ + y̂ + z k̂ = zı̂ + z̂ + z k̂, i.e., são paralelos ao autovetor ~v3 = ı̂ + ̂ + k̂ e
pertencem ao subespaço gerado [ı̂ + ̂ + k̂].
Exercı́cio:
Determine os autovalores e os autovetores dos operadores dados abaixo.
a) A(x, y) = (3x + 2y, x + 4y), b) B(x, y, x) = (x + 2y, 2x + z, x + 2y), c)
C(x, y, z) = (x + z, y + z, x + y).
Resposta:
a) Autovalores: λ1 = 2, λ2 = 5, com autovetores: ~v1 = ı̂ − (1/2)̂, ~v2 = ı̂ + ̂,
respectivamente.
b) Autovalores: λ1 = −2, λ2 = 0, λ3 = 3, com autovetores: ~v1 = ı̂ − (3/2)̂ + k̂,
~v2 = ı̂ − (1/2)̂ − 2k̂, ~v3 = ı̂ + ̂ + k̂, respectivamente.
c) Autovalores: λ1 = −1, λ2 = 1, λ3 = 2, com autovetores: ~v1 = ı̂ + ̂ − 2k̂,
~v2 = ı̂ − ̂ + 0k̂, ~v3 = ı̂ + ̂ + k̂, respectivamente.
Definição:
A multiplicidade algébrica de um autovalor λ é o número n de vezes que λ aparece
como raiz no polinômio caracterı́stico. Diz-se ainda que a multiplicidade geométrica
de λ é m quando o subespaço gerado a partir de todos os autovetores possı́veis deste
autovalor λ tem dimensão m.
Exemplos:
1) Calcule os autovalores e autovetores do operador linear T (x, y, z) = (4x, 2x +
y + 2z, 2x + 4z) determinando a multiplicidade algébrica e geométrica de cada au-
tovalor.
Em termos da base canônica α = {ı̂, ̂, k̂} o operador T é representado pela
matriz  
4 0 0
[T ]αα =  2 1 2 
2 0 4
136
det([T ]αα − λI) = 0
     
 4 0 0 λ 0 0  4−λ 0 0
det  2 1 2  −  0 λ 0  = det  2 1−λ 2 =0
 
2 0 4 0 0 λ 2 0 4−λ
(4 − λ)(1 − λ)(4 − λ) = 0
(4 − λ)2 (1 − λ) = 0 : Polinômio caracterı́stico.
λ1 = 1, λ2 = 4 : Autovalores.
λ1 : Multiplicidade algébrica 1.
λ2 : Multiplicidade algébrica 2.
i) λ1 = 1
[T ]α~v = λ1~v
 α    
4 0 0 x x
 2 1 2  y  = 1 y 
2 0 4 z z
 
 4x = x  3x = 0
2x + y + 2z = y ⇒ 2x + 2z = 0
 
2x + 4z = z 2x + 3z = 0
Do sistema acima temos x = 0, 2x + 2z = 0 e 2x + 3z = 0, ou seja, x = 0,
z = 0 e y ∈ R. Portanto os autovetores associados ao autovalor λ1 = 1 são ~v =
0ı̂ + y̂ + 0k̂ = y(0ı̂ + ̂ + 0k̂), isto é, são paralelos ao autovetor ~v1 = 0ı̂ + ̂ + 0k̂ e
pertencem ao subespaço gerado [0ı̂ + ̂ + 0k̂]. Como o subespaço gerado [0ı̂ + ̂ + 0k̂]
tem dimensão igual a um, então a multiplicidade geométrica do autovalor λ1 = 1 é
igual a um. Resumindo, o autovalor λ1 = 1 tem multiplicidade algébrica igual a um
e multiplicidade geométrica igual a um.
ii) λ2 = 4
[T ]αα~v = λ2~v
    
4 0 0 x x
 2 1 2  y  = 4 y 
2 0 4 z z
 
 4x = 4x  0=0
2x + y + 2z = 4y ⇒ 2x − 3y + 2z = 0
 
2x + 4z = 4z 2x = 0
137
Do sistema acima temos x = 0, −3y + 2z = 0, ou seja, x = 0, z = 3y/2 e
y ∈ R. Portanto os autovetores associados ao autovalor λ2 = 4 são ~v = 0ı̂ + y̂ +
(3y/2)k̂, isto é, são paralelos ao autovetor ~v2 = 0ı̂ + ̂ + (3/2)k̂ e pertencem ao
subespaço gerado [0ı̂ + ̂ + (3/2)k̂]. Como o subespaço gerado [0ı̂ + ̂ + (3/2)k̂] tem
dimensão igual a um, então a multiplicidade geométrica do autovalor λ2 = 4 é igual
a um. Resumindo, o autovalor λ2 = 4 possui multiplicidade algébrica igual a 2 e
multiplicidade geométrica igual a 1.
2) Calcule os autovalores e autovetores do operador linear H(x, y, z) = (y −z, x+
z, −x + y) determinando a multiplicidade algébrica e geométrica de cada autovalor.
Em termos da base canônica α = {ı̂, ̂, k̂} o operador H é matricialmente repre-
sentado por 
0 1 −1
[H]αα =  1 0 1 
−1 1 0
det([H]αα − λI) = 0
     
 0 1 −1 λ 0 0  −λ 1 −1
det  1 0 1  −  0 λ 0  = det  1 −λ 1 =0
 
−1 1 0 0 0 λ −1 1 −λ
138
−λ3 − 1 − 1 + λ + λ + λ = 0
−λ3 + 3λ − 2 = 0 : Polinômio caracterı́stico.
λ1 = −2, λ2 = 1 : Autovalores.
Como o polinômio p(λ) = −λ3 + 3λ − 2 é de terceiro grau e tem duas raı́zes

distintas, λ1 = −2 e λ2 = 1, então a terceira raiz é repetida. Neste caso a
raiz repetida é aquela para a qual a derivada p′ (λ) se anula.
Temos p′ (λ) = −3λ2 + 3 e p′ (λ1 ) = −3(−2)2 + 3 6= 0. Portanto λ1 = −2 tem
multiplicidade algébrica igual a 1. Logo, neste caso, λ2 = 1 necessariamente
deve ter multiplicidade algébria igual a 2. Testando temos p′ (λ2 ) = −3(1)2 + 3 = 0,
confirmando a multiplicidade algébrica igual a dois de λ2 = 1.
A figura à direita ilustra o gráfico 20 3
p(λ)=−λ +3λ−2
do polinômio p(λ) onde podemos 15 y=0
visualizar a multiplicidade algébrica λ1
10 λ2
p(λ)
igual a 1 do autovalor λ1 = −2 e
a multiplicidade algébrica igual a 2 do 5
autovalor λ2 = 1. 0
-5
-3 -2 -1 0 1 2
λ
i) λ1 = −2
[H]α~v = λ1~v
 α    
0 1 −1 x x
 1 0 1  y  = −2  y 
−1 1 0 z z
 
 y − z = −2x  2x + y − z = 0
x + z = −2y ⇒ x + 2y + z = 0
 
−x + y = −2z −x + y + 2z = 0
   
2 1 −1 0 1 2 1 0
Matriz ampliada:  1 2 1 0  ⇒  2 1 −1 0  ⇒
−1 1 2 0 −1 1 2 0
L2 ↔ L1 L2 → L2 − 2L1
L3 → L3 + L1
139
     
1 2 1 0 1 2 1 0 1 0 −1 0
⇒  0 −3 −3 0  ⇒  0 1 1 0  ⇒  0 1 1 0 
0 3 3 0 0 0 0 0 0 0 0 0
L3 → L3 + L2 L 1 → L 1 − 2L 2
1
L2 → − L2
3
Temos portanto x − z = 0, y + z = 0, z ∈ R, ou seja, x = z, y = −z e z ∈ R.
Portanto os autovetores associados ao autovalor λ1 = −2 são ~v = xı̂ + y̂ + z k̂ =
zı̂ − z̂ + z k̂, i.e., são paralelos ao autovetor ~v1 = ı̂ − ̂ + k̂ e pertencem ao subespaço
gerado [ı̂−̂+ k̂]. Como a dimensão do subespaço gerado [ı̂−̂+ k̂] é igual a um, então
o autovalor λ1 = −2 tem multiplicidade geométrica igual a 1. Portanto o autovalor
λ1 = −2 tem multiplicidade algébrica igual a 1 e multiplicidade geométrica igual a
1.
ii) λ2 = 1
[H]α~v = λ2~v
 α    
0 1 −1 x x
 1 0 1  y  = 1 y 
−1 1 0 z z
 
 y−z =x  −x + y − z = 0
x+z =y ⇒ x−y+z =0
 
−x + y = z −x + y − z = 0
   
−1 1 −1 0 1 −1 1 0
Matriz ampliada:  1 −1 1 0  ⇒  −1 1 −1 0  ⇒
−1 1 −1 0 −1 1 −1 0
L2 ↔ L1 L2 → L2 + L1
  L3 → L3 + L1
1 −1 1 0
⇒  0 0 0 0 
0 0 0 0
Temos, portanto, x − y + z = 0, ou seja, z = y − x, x, y ∈ R. Portanto os
autovetores associados ao autovalor λ2 = 1 são dados por ~v = xı̂ + y̂ + z k̂ =
xı̂ + y̂ + (y − x)k̂. Note que estes autovetores podem ser escritos como ~v = (xı̂ +
0̂ − xk̂) + (0ı̂ + y̂ + y k̂) = x(ı̂ + 0̂ − k̂) + y(0ı̂ + ̂ + k̂), x, y ∈ R, i.e. são combinações
lineares dos vetores LI ~u1 = ı̂ + 0̂ − k̂ e ~u2 = 0ı̂ + ̂ + k̂ e, portanto, os autovetores
140
associados a λ2 = 1 pertencem ao subespaço gerado [ı̂ + 0̂ − k̂, 0ı̂ + ̂ + k̂]. Como a
dimensão do subespaço gerado é 2, então a multiplicidade geométrica do autovalor
λ2 = 1 é igual a 2. Resumindo, o autovalor λ2 = 1 tem multiplicidade algébrica
igual a 2 e multiplicidade geométrica igual a 2.
Obs.: Note que se a multiplicidade algébrica de um autovalor é igual a um,

então a multiplicidade geométrica deste autovalor é necessariamente igual a um.
6.4 Diagonalização de operadores

Um operador linear T associado a uma matriz é diagonalizável se existe uma matriz
invertı́vel S tal que S −1 T S é uma matriz diagonal. Uma das vantagens de se traba-
lhar com operadores diagonalizados é a facilidade na manipulação algébrica de tais
operadores. Se um operador linear T : V → V é diagonalizável, existe uma base
de um espaço vetorial V em termos da qual o operador T é representado por uma
matriz diagonal.
Teorema
Autovetores associados a autovalores distintos são linearmente independentes.
Demonstração
...
...completando a demonstração.
...
Como consequência deste teorema temos o seguinte corolário:
Corolário
Se um operador linear T possui n autovalores distintos e se o espaço vetorial V
tem dimensão n, então estes n autovetores podem ser utilizados como uma base β
para o espaço V .
Por outro lado, o teorema nada afirma a respeito de autovalores iguais. Como
veremos, nesses casos podemos ou não construir uma base β para o espaço vetorial
V utilizando os autovetores associados aos autovalores de T .
Definição:
Dizemos que um operador linear T : V → V é diagonalizável se existe uma base
β de V cujos elementos são os autovetores de T .
Nosso objetivo é construir uma base β de autovetores e, caso possı́vel, obter a
141
representação do operador linear T nesta base que, como veremos, é uma matriz
diagonal formada pelos autovalores.
Exemplos:
1) Consideremos a transformação linear dada pelo operador A : R3 → R3 tal que
A(x, y, z) = (2x + y + 2z, 2x + 4y + 2z, x + 2y + z).
Na base canônica
 α ={ı̂, ̂, k̂} a representação do operador linear A é dada pela
2 1 2
matriz [A]αα =  2 4 2  .
1 2 1
Cálculo dos autovalores: det([A]αα − λI) = 0:
     
2 1 2 1 0 0 2−λ 1 2
det  2 4 2  − λ  0 1 0  = det  2 4−λ 2 
1 2 1 0 0 1 1 2 1−λ
= (2 − λ)(4 − λ)(1 − λ) + 2 + 8 − 2(4 − λ) − 2(1 − λ) − 4(2 − λ)
= (2 − λ)(4 − 4λ − λ + λ2 ) + 10 − 8 + 2λ − 2 + 2λ − 8 + 4λ
= (2 − λ)(4 − 5λ + λ2 ) + 8λ − 8 = 8 − 10λ + 2λ2 − 4λ + 5λ2 − λ3 + 8λ − 8
= −λ3 + 7λ2 − 6λ
= λ(−λ2 + 7λ − 6) = 0
Autovalores: λ1 = 0, λ2 = 1, λ3 = 6.
Cálculo dos autovetores: A(~v ) = λ~v :
i)
 λ1 = 0       
2 1 2 x x 0
 2 4 2   y  = λ1  y  =  0 
|{z}
1 2 1 z =0 z 0
    
 2x + y + 2z = 0 2 1 2 0 1 2 1 0
2x + 4y + 2z = 0 ⇒  2 4 2 0  ⇒  0 3 0 0  ⇒

x + 2y + z = 0 1 2 1 0 2 1 2 0
L2 → L2 − L1 L3 → L3 − 2L1
L1 ↔ L3 L2 → (1/3)L2
   
1 2 1 0 1 0 1 0
x+z =0 x = −z
⇒  0 1 0 0  ⇒  0 1 0 0  ⇒ ⇒
y=0 y=0
0 −3 0 0 0 0 0 0
L1 → L1 − 2L2
L3 → L3 + 3L2
142
Autovetores associados a λ1 = 0: ~v = xı̂ + y̂ + z k̂ = xı̂ + 0̂ − xk̂, x ∈ R. Ou
seja, são múltiplos escalares de ~v1 = ı̂ + 0̂ − k̂.
ii)
 λ2 = 1       
2 1 2 x x x
 2 4 2   y  = λ2  y  =  y 
|{z}
1 2 1 z =1 z z
   
 2x + y + 2z = x  x + y + 2z = 0 1 1 2 0
2x + 4y + 2z = y ⇒ 2x + 3y + 2z = 0 ⇒  2 3 2 0  ⇒
 
x + 2y + z = z x + 2y = 0 1 2 0 0
L2 → L2 − 2L1
L1 → L1 − L3
     
0 −1 2 0 1 2 0 0 1 0 4 0
⇒  0 1 −2 0  ⇒  0 1 −2 0  ⇒  0 1 −2 0  ⇒
1 2 0 0 0 −1 2 0 0 0 0 0
L1 ↔ L3 L1 → L1 − 2L2
L3 → L3 + L2
x + 4z = 0 x = −4z
⇒ ⇒
y − 2z = 0 y = 2z
Autovetores associados a λ2 = 1: ~v = xı̂ + y̂ + z k̂ = −4zı̂ + 2z̂ + z k̂, z ∈ R, ou
seja, são múltiplos de ~v2 = −4ı̂ + 2̂ + k̂.
iii)
 λ3 = 6       
2 1 2 x x 6x
 2 4 2   y  = λ3  y  =  6y 
|{z}
1 2 1 z =6 z 6z
   
 2x + y + 2z = 6x  −4x + y + 2z = 0 −4 1 2 0
2x + 4y + 2z = 6y ⇒ 2x − 2y + 2z = 0 ⇒  2 −2 2 0  ⇒
 
x + 2y + z = 6z x + 2y − 5z = 0 1 2 −5 0
L1 ↔ L2
     
2 −2 2 0 0 −6 12 0 0 1 −2 0
 −4 1 2 0  ⇒  0 9 −18 0  ⇒  0 1 −2 0  ⇒
1 2 −5 0 1 2 −5 0 1 2 −5 0
L1 → L1 − 2L3 L1 → (−1/6)L1 L1 ↔ L3
L2 → L2 + 4L3 L2 → (1/9)L2
143
   
1 2 −5 0 1 0 −1 0
 0 1 −2 0  ⇒  0 1 −2 0  ⇒ x − z = 0 x=z
⇒
y − 2z = 0 y = 2z
0 1 −2 0 0 0 0 0
L1 → L1 − 2L2
L3 → L3 − L2
Portanto os autovetores associados a λ3 = 6 são ~v = xı̂ + y̂ + z k̂ = zı̂ + 2z̂ + z k̂,
ou seja, são paralelos ao vetor ~v3 = ı̂ + 2̂ + k̂.
Como os autovetores ~v1 , ~v2 e ~v3 de A são LI, então formam uma base β de R3 ,
dada por β = {~v1 , ~v2 , ~v3 } = {ı̂ + 0̂ − k̂, −4ı̂ + 2̂ + k̂, ı̂ + 2̂ + k̂}.
Como A(~v ) = λ~v , temos:
A(~v1 ) = λ1~v1 = λ1~v1 + 0~v2 + 0~v3

A(~v2 ) = λ2~v2 = 0~v1 + λ2~v2 + 0~v3
A(~v3 ) = λ3~v3 = 0~v1 + 0~v2 + λ3~v3
Portanto, na base β, temos

   
λ1 0 0 0 0 0
[A]ββ =  0 λ2 0  =  0 1 0  ,
0 0 λ3 0 0 6
ou seja, na base β dos autovetores, o operador linear A é representado por uma
matriz diagonal cujos elementos da diagonal são os autovalores.
2) Considere a operação linear B : R3 → R3 dada por B(x, y, z) = (y + 2z, 4x +
4z, 2x + y). Escreva, caso seja possı́vel, o operador linear B na base de seus autove-
tores.
Na basecanônica α = {ı̂, ̂, k̂} o operador dado é representado pela matriz
0 1 2
[B]αα =  4 0 4 
2 1 0
Autovalores: det(Bαα − λI) = 0:
     
 0 1 2 1 0 0  −λ 1 2
det(Bαα − λI) = det  4 0 4  − λ  0 1 0  = det  4 −λ 4 
 
2 1 0 0 0 1 2 1 −λ
= −λ3 + 8 + 8 + 4λ + 4λ + 4λ
= −λ3 + 12λ + 16 = 0
Autovalores: λ1 = −2 e λ2 = 4.
144
Autovetores: B(~v ) = λ~v .
i) λ1 = −2
B(~v ) = λ1~v
       
0 1 2 x x −2x  y + 2z = −2x
 4 0 4   y  = −2  y  =  −2y  ⇒ 4x + 4z = −2y ⇒

2 1 0 z z −2z 2x + y = −2z
    
 2x + y + 2z = 0 2 1 2 0 2 1 2 0
⇒ 4x + 2y + 4z = 0 ⇒  4 2 4 0  ⇒  2 1 2 0  ⇒

2x + y + 2z = 0 2 1 2 0 0 0 0 0
L2 → (1/2)L2 L2 → L2 − L1
L3 → L3 − L1
   
2 1 2 0 1 1/2 1 0
1
⇒  0 0 0 0  ⇒  0 0 0 0  ⇒ x+ y+z =0 ⇒
0 0 0 0 0 0 0 0 2
L1 → (1/2)L1
1
⇒ z = −x − y
2
Portanto
os autovetores
associados ao autovalor λ1 = −2 são ~v = xı̂ + y̂ + z k̂ =
1
xı̂+y̂+ −x − y k̂, x, y ∈ R. Note que estes autovetores podem ser escritos como
2
1 1
~v = (xı̂ + 0̂ − xk̂) + 0ı̂ + y̂ − y k̂ , ou seja, ~v = x(ı̂ + 0̂ − k̂) + y 0ı̂ + ̂ − k̂ ,
2 2
ou seja, os autovetores associados a λ1 = −2 são combinações lineares dos vetores
1
LI dados por ~v1 = ı̂ + 0̂ − k̂ e ~v2 = 0ı̂ + ̂ − k̂. ou seja, pertencem ao subespaço
2
1
gerado [v1 , v2 ] = ı̂ + 0̂ − k̂, 0ı̂ + ̂ − k̂ .
2
ii) λ2 = 4
B(~v ) = λ2~v
       
0 1 2 x x 4x  y + 2z = 4x
 4 0 4   y  = 4  y  =  4y  ⇒ 4x + 4z = 4y ⇒

2 1 0 z z 4z 2x + y = 4z
145
    
 −4x + y + 2z = 0 −4 1 2 0 −4 1 2 0
⇒ 4x − 4y + 4z = 0 ⇒  4 −4 4 0  ⇒  1 −1 1 0  ⇒

2x + y − 4z = 0 2 1 −4 0 2 1 −4 0
L2 → (1/4)L2 L1 ↔ L2
     
1 −1 1 0 1 −1 1 0 1 −1 1 0
⇒  −4 1 2 0  ⇒  0 −3 6 0  ⇒  0 1 −2 0  ⇒
2 1 −4 0 0 3 −6 0 0 0 0 0
L2 → L2 + 4L1 L3 → L3 + L2 L1 → L1 + L2
 3L → L 3 − 2L
1 L 2 → (−1/3)L 2
1 0 −1 0
x−z =0 x=z
⇒  0 1 −2 0  ⇒ ⇒
y − 2z = 0 y = 2z
0 0 0 0
Portanto os autovetores associados ao autovalor λ2 = 4 são ~v = xı̂ + y̂ + z k̂ =
zı̂ + 2z̂ + z k̂, z ∈ R, ou seja, são combinações lineares do vetor ~u = ı̂ + 2̂ + k̂, i.e.,
pertencem ao subespaço gerado [~u] = [ı̂ + 2̂ + k̂].
1
Como ~v1 = ı̂ + 0̂ − k̂, ~v2 = 0ı̂ + ̂ − k̂ e ~u = ı̂ + 2̂ + k̂ são LI, estes autovetores
2
formam uma base de R3 dada por β = {~v1 , ~v2 , ~u}. Em termos desta base o operador
linear dado tem a seguinte representação matricial
 
−2 0 0
[B]ββ =  0 −2 0  .
0 0 4
3)
Considere a operação linear C : R3 → R3 dada por C(x, y, z) = (2x + 2z, 2x +
4y − 2z, x − 2y + z). Escreva, caso seja possı́vel, o operador C na base de seus
autovetores.
Na base canônica α = {ı̂, ̂, k̂} o operador C é dado por
 
2 0 2
[C]αα =  2 4 −2  .
1 −2 1
Autovalores: det([C]αα − λI) = 0:

   
2 0 2 1 0 0
det([C]αα − λI) = det  2 4 −2  − λ  0 1 0  = 0
1 −2 1 0 0 1
146
 
2−λ 0 2
= det  2 4 − λ −2  = 0
1 −2 1 − λ
= (2 − λ)(4 − λ)(1 − λ) + 0 − 8 − 2(4 − λ) − 4(2 − λ) − 0 = 0
= (8 − 2λ − 4λ + λ2 )(1 − λ) − 8 − 8 + 2λ − 8 + 4λ = 0
= 8 − 2λ − 4λ + λ2 − 8λ + 2λ2 + 4λ2 − λ3 − 24 + 6λ = 0
= −λ3 + 7λ2 − 8λ − 16 = 0,
ou seja, os autovalores são λ1 = −1 e λ2 = 4.

Autovetores: [C]αα (~v ) = λ~v :
i) λ1 = −1.
[C]α (~v ) = λ1~v

 α       
2 0 2 x x −x  2x + 2z = −x
 2 4 −2   y  = −  y  =  −y  ⇒ 2x + 4y − 2z = −y ⇒

1 −2 1 z z −z x − 2y + z = −z
    
 3x + 2z = 0 3 0 2 0 1 −2 2 0
⇒ 2x + 5y − 2z = 0 ⇒  2 5 −2 0  ⇒  2 5 −2 0  ⇒

x − 2y + 2z = 0 1 −2 2 0 3 0 2 0
L1 ↔ L3 L2 → L2 − 2L1
L3 → L3 − 3L1
     
1 −2 2 0 1 −2 2 0 1 0 2/3 0
⇒  0 9 −6 0  ⇒  0 1 −2/3 0  ⇒  0 1 −2/3 0  ⇒
0 6 −4 0 0 3 −2 0 0 0 0 0
L2 → (1/9)L2 L1 → L1 + 2L2
 L3 → (1/2)L3 L3 → L3 − 3L2
 x = −2α/3
⇒ y = 2α/3

z=α∈R
2 2
Portanto os autovetores associados ao autovalor λ1 = −1 são ~v = − αı̂ + α̂ +
3 3
2 2
αk̂, α ∈ R, ou seja, são combinações lineares do vetor ~v1 = − ı̂ + ̂ + k̂, i.e.,
3 3
2 2
pertencem ao subespaço gerado [~v1 ] = − ı̂ + ̂ + k̂ .
3 3
ii) λ2 = 4.
147
[C]α (~v ) = λ2~v
 α       
2 0 2 x x 4x  2x + 2z = 4x
 2 4 −2   y  = 4  y  =  4y  ⇒ 2x + 4y − 2z = 4y ⇒

1 −2 1 z z 4z x − 2y + z = 4z
    
 −2x + 2z = 0 −2 0 2 0 0 0 0 0
⇒ 2x − 2z = 0 ⇒=  2 0 −2 0  ⇒  2 0 −2 0  ⇒

x − 2y − 3z = 0 1 −2 −3 0 1 −2 −3 0
L1 → L1 + L2 L1 ↔ L3
     
1 −2 −3 0 1 −2 −3 0 1 −2 −3 0
⇒  2 0 −2 0  ⇒  0 4 4 0  ⇒  0 1 1 0  ⇒
0 0 0 0 0 0 0 0 0 0 0 0
L
 2 → L 2 − 2L 1
  L 2 → (1/4)L 2 L 1 → L 1 + 2L2
1 0 −1 0  x=β
⇒  0 1 1 0  ⇒ y = −β

0 0 0 0 z = β ∈ R,
i.e., os autovalores são ~v = βı̂ − β̂ + β k̂, β ∈ R, ou seja, são combinações lineares
de ~v2 = ı̂ − ̂ + k̂.
Note que os autovetores obtidos para cada autovalor formam o conjunto {v~1 , ~v2 } =
2 2
− ı̂ + ̂ + k̂, ı̂ − ̂ + k̂ que, apesar de ser LI, possui apenas dois vetores e, con-
3 3
sequentemente, não é uma base de R3 . Portanto não existe uma base na qual o
operador C dado é diagonal.
Exercı́cio:
Considere os operadores lineares definidos abaixo. Determine os autovalores,
autovetores e conclua se existe uma base de V em termos da qual a representação
matricial do operador é diagonal. Caso exista, escreva esta base e a representação
do operador nesta base.
a) V = R3 , A : V → V tal que A(x, y, z) = (−2x+y−2z, −2x+4y−2z, x+2y+z).
b) V = R3 , B : R3 → R3 tal que B(x, y, z) = (2x−y+2z, −2x+4y−2z, x−2y+z).
c) X : R3 → R3 tal que X(x, y, z) = (2x − 2y + 2z, 2x + 4y + 2z, x + 2y + z).
d) Y : R3 → R3 tal que Y (x, y, z) = (2x + 2z, 2x + 4y − 2z, x − 2y + z).
e) N : R3 → R3 tal que N (x, y, z) = (x + 2y + z, −3x − 3z, 3x − 2y + 3z).
f) P : R3 → R3 tal que P (x, y, z) = (−x + 2y − z, 3x + 3z, 3x − 2y + 3z).
g) Q : R3 → R3 tal que Q(x, y, z) = (y + 2z, 4x + 4z, 2x + y).
h) S : R3 → R3 tal que S(x, y, z) = (x + y + 3z, −2y, 3x + y + z).
148
i) L : R3 → R3 tal que L(x, y, z) = (−x − y + 3z, 2y, 3x + y − z).
j) D : R4 → R4 tal que D(x, y, z, t) = (2z, 2y + t, 2x, y + 2t).
k) E : R4 → R4 tal que E(x, y, z, t) = (2x + y, −y + t, 2x, y − t).
l) F : R4 → R4 tal que F (x, y, z, t) = (2x + y, −y, 2x, −t).
m) G : R3 → R3 tal que G(x, y, z) = (−4x + 2y − 4z, 2x + 2z, 4x − 2y + 4z).
Resposta parcial:
1 7
a) Sim. λ1 = 0, λ2 = 1, λ3 = 2. β = ı̂ + 0̂ − k̂, ı̂ − ̂ − k̂, ı̂ − 2̂ − 3k̂ .
2 4
1 1
b) Sim. λ1 = 0, λ2 = 1, λ3 = 6. β = ı̂ + 0̂ − k̂, ı̂ + ̂ − k̂, ı̂ − 2̂ + k̂ .
2 4
1
c) Sim. λ1 = 0, λ2 = 3, λ3 = 4. β = ı̂ + 0̂ − k̂, ı̂ − ̂ − k̂, ı̂ − 2̂ − k̂ .
2
d) Não. λ 1 = −1,
2 λ = 4. Multiplicidade algébrica 1 e 2, respectivamente.
3
ı̂ − ̂ − k̂, ı̂ − ̂ + k̂ .
2
n e) Não. λ1 = 0, λo2 = 4. Multiplicidade algébrica 2 e 1, respectivamente.
ı̂ + 0̂ − k̂, ı̂ + 6̂ − 9k̂ .
f) Não. λ1 = 0, λ 2 = 2. Multiplicidade algébrica 2 e 1, respectivamente.
3
ı̂ + 0̂ − k̂, ı̂ + ̂ + 0k̂ .
2
g) Sim.
1 −2, λ2 = 4. Multiplicidade
λ = algébrica 2 e 1, respectivamente.
1
β = ı̂ + 0̂ − k̂, 0ı̂ + ̂ − k̂, ı̂ + 2̂ + k̂ .
2
h) Sim.
λ 1 = −2, λ 2 = 4. Multiplicidade algébrica 2 e 1, respectivamente.
1
β = ı̂ + 0̂ − k̂, 0ı̂ + ̂ − k̂, ı̂ + 0̂ + k̂ .
3
i) Sim.
λ1 = −4, λ2 = 2. Multiplicidade algébrica 1 e 2, respectivamente.
1
β = ı̂ + 0̂ − k̂, ı̂ + 0̂ + k̂, 0ı̂ + ̂ + k̂ .
3
j) Sim. λ1 = −2, λ2 = 1, λ3 = 2, λ4 = 3.
β = {h1, 0, −1, 0i, h0, 1, 0, −1i, h1, 0, 1, 0i, h0, 1, 0, 1i}.
k) Não. λ1 = −2, λ2 = 0, λ3 = 2. Multiplicidade algébrica 1, 2 e 1, respectiva-
mente.
{h1, −4, −1, 4i, h0, 0, 1, 0i, h1, 0, 1, 0i}.
l) Sim. λ1 = −1, λ2 = 0, λ3 = 2. Multiplicidade algébrica 2, 1 e 1, respectiva-
mente.
{h1, −3, −2, 0i, h0, 0, 0, 1i, h0,n0, 1, 0i, h1, o
0, 1, 0i}.
m) Não. λ1 = λ2 = λ3 = 0. ı̂ + 0̂ − k̂ .
149
6.5 Polinômio minimal
Na seção anterior vimos como determinar se um operador T é diagonalizável ou
não mostrando que V possui ou não uma base β formada por apenas autovetores.
Ainda na seção anterior, vimos que de dim V = n e, coincidentemente, o operador
T possui n autovalores distintos, então necessariamente temos n autovetores de T
que são LI e, portanto, estes n autovetores formam uma base de V . Para o caso em
que autovalores se repetem, no entanto, vimos que podemos ou não ter uma base de
V formada por autovetores.
Nesta seção apresentamos um método que permite determinar se o operador T
é ou não diagonalizável sem a necessidade de verificar a existência de uma base de
V formada por autovetores de T . Para isto vamos definir o polinômio minimal, que
é um polinômio m(x) de grau mı́nimo tal que m(T ) = O.
Definição:
Sejam p(x) um polinômio de grau n, i.e., p(x) = an xn + an−1 xn−1 + . . . + a2 x2 +
a1 x + a0 , e A uma matriz quadrada. Então p(A) é a matriz
p(A) = an An + an−1 An−1 + . . . + a2 A2 + a1 A + a0 I.
Definição:
Sejam p(x) um polinômio e A uma matriz quadrada. Se p(A) = O dizemos que
o polinômio anula a matriz A.
Exemplo:
2
 Considere ospolinômios p(x) = x + x − 2 e q(x) = 3x + 2, e a matriz A =
−1 −1 1
 −1 −1 −1  .
1 −1 −1
Aplicando p(x) à matriz A obtemos
     
−1 −1 1 −1 −1 1 −1 −1 1
p(A) = A2 + A − 2I =  −1 −1 −1  ·  −1 −1 −1  +  −1 −1 −1 
1 −1 −1 1 −1 −1 1 −1 −1
 
1 0 0
−2 0 1 0  =

0 0 1
       
3 1 −1 −1 −1 1 2 0 0 0 0 0
=  1 3 1  +  −1 −1 −1  −  0 2 0  =  0 0 0 
−1 1 3 1 −1 −1 0 0 2 0 0 0
p(A) = O,
150
i.e., o polinônio p(x) anula a matriz A.
Aplicando q(x) à matriz A obtemos
     
−1 −1 1 1 0 0 −1 −3 3
q(A) = 3A + 2I = 3  −1 −1 −1  + 2  0 1 0  =  −3 −1 −3 
1 −1 −1 0 0 1 3 −3 −1
q(A) 6= O.
Portanto q(x) não anula a matriz A.
Definição:
Seja A uma matriz quadrada. O polinômio
m(x) = xm + am−1 xm−1 + . . . + a2 x2 + a1 x + a0
é o polinômio minimal quando são satisfeitas as condições:

i) m(A) = O e
ii) m(x) é o polinômio de menor grau entre os polinômios que anulam A.
Obs.: Note que o coeficiente associado à potência de maior grau de m(x) é
am = 1.
Teorema:
Sejam V um espaço vetorial de dimensão n, T um operador linear T : V → V e
α uma base qualquer de V . Então o operador T é diagonalizável se, e somente se,
o polinômio minimal de [T ]αα é da forma
m(x) = (x − λ1 )(x − λ2 ) · . . . · (x − λm ),
com λ1 , λ2 , . . . , λm distintos.
Obs.: Note que o número m de autovalores distintos não necessariamente é igual
à dimensão n do espaço vetorial V .
Teorema: (Teorema de Cayley-Hamilton)

Sejam T : V → T um operador linear, α uma base de V e p(x) o polinômio
caracterı́stico de T . Então
p ([T ]αα ) = O.
Obs.: O teorema acima indica que o polinômio caracterı́stico p(x) é um can-
didato a polinômio minimal, uma vez que satisfaz a condição i da definição de
polinômio minimal.
Teorema:
151
As raı́zes do polinômio minimal são as mesmas raı́zes distintas do polinômio
caracterı́stico.
Combinando os dois teoremas acima temos um método de encontrar o polinômio

minimal de T : O polinômio minimal deve ter grau menor que ou no máximo igual ao
grau do polinômio caracterı́stico e deve ter as mesmas raı́zes. Tendo isto em mente,
os três últimos teoremas garantem que o operador T é diagonalizável se, e somente
se, o polinômio minimal de T é m(x) = (x − λ1 ) · . . . · (x − λm ), λi 6= λj para i 6= j.
Isto nos leva ao próximo teorema.
Teorema:
Sejam λ1 , λ2 , . . . , λm autovalores distintos do operador linear T . Então T é dia-
gonalizável se, e somente se, o polinômio
m(x) = (x − λ1 ) · (x − λ2 ) · . . . · (x − λm )
anular a matriz de T .
Exemplos:
1) Determine se o operador A : R3 → R3 definido por A(x1 , x2 , x3 ) = (2x1 −
2x2 , 2x1 + 6x2 − 4x3 , x1 + x2 ) é ou não diagonalizável.
Seja α = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} = {ı̂, ̂, k̂} a base de V = R3 adotada. Em
termos desta base o operador dado é escrito como
 
2 −2 0
[A]αα =  2 6 −4  .
1 1 0
Cálculo dos autovalores: det([A]αα − λI) = 0:
   
2 −2 0 1 0 0
det([A]αα − λI) = det  2 6 −4  − λ  0 1 0  = 0
1 1 0 0 0 1
 
2 − λ −2 0
det([A]αα − λI) = det  2 6 − λ −4  = −λ(2 − λ)(6 − λ) + 8 − 4λ + 4(2 − λ) = 0
1 1 −λ
= −λ(12 − 2λ − 6λ + λ2 ) + 8 − 4λ + 8 − 4λ = 0
= −12λ + 2λ2 + 6λ2 − λ3 − 8λ + 16 = 0
= −λ3 + 8λ2 − 20λ + 16 = 0,
ou seja, λ1 = 2 e λ2 = 4.
152
Portanto o polinômio candidato a polinômio minimal é da forma:
m(x) = (x − λ1 )(x − λ2 ) = (x − 2)(x − 4)

Aplicando este polinômio ao operador dado temos:
m([A]αα ) = ([A]αα − 2I)([A]αα − 4I)

        
2 −2 0 1 0 0 2 −2 0 1 0 0
=  2 6 −4  − 2  0 1 0   ·  2 6 −4  − 4  0 1 0 
1 1 0 0 0 1 1 1 0 0 0 1
     
0 −2 0 −2 −2 0 −4 −4 8
=  2 4 −4 ·   2 2 −4 =  0 0 −32 
1 1 −2 1 1 −4 −2 −2 4
m([A]αα ) 6= O
Portanto o operador dado não é diagonalizável.

2) Determine se o operador B : R3 → R3 definido por B(x, y, z) = (2x − y +
z, −x + 2y − z, x − y + 2z) é ou não diagonalizável.
Sejaα = {ı̂, ̂, k̂} a base adotada de V = R3 . Em termos desta base temos
2 −1 1
α
[B]α = −1
 2 −1 
1 −1 2
Cálculo dos autovalores: det([B]αα − λI):
   
2 −1 1 1 0 0
det([B]αα − λI) = det  −1 2 −1  − λ  0 1 0  = 0
1 −1 2 0 0 1
 
2 − λ −1 1
= det  −1 2 − λ −1  = 0
1 −1 2 − λ
= (2 − λ)3 + 1 + 1 − (2 − λ) − (2 − λ) − (2 − λ) = 0
= (4 − 4λ + λ2 )(2 − λ) + 2 − 3(2 − λ) = 0
= 8 − 8λ + 2λ2 − 4λ + 4λ2 − λ3 + 2 − 6 + 3λ = 0
= −λ3 + 6λ2 − 9λ + 4 = 0,
ou seja, λ1 = 1 e λ2 = 4. Portanto o polinômio candidato a minimal é dado por
m(x) = (x − 1)(x − 4).
Aplicando este polinômio ao operador dado obtemos:
153
m([B]αα ) = (B − 1I)(B − 4I)
       
2 −1 1 1 0 0 2 −1 1 1 0 0
=  −1 2 −1  − 1  0 1 0  ·  −1 2 −1  − 4  0 1 0 
1 −1 2 0 0 1 1 −1 2 0 0 1
     
1 −1 1 2 −1 1 0 0 0
=  −1 1 −1 · −1
  −2 −1 = 0
  0 0 
1 −1 1 1 −1 −2 0 0 0
α
m([B]α ) = O.
Portanto m(x) é o polinômio minimal de [B]αα e o operador B dado é diagona-

lizável, i.e., existe uma base β de V = R3 , formada pelos autovetores de [B]αα , tal
que B tenha representação diagonal. Como o polinômio caracterı́stico é de terceiro
grau e temos duas raı́zes distintas, λ1 = 1 e λ2 = 4, então a terceira raiz é repetida.
Portanto a raiz repetida é aquela para a qual a derivada do polinômio caracterı́stico
se anula. Como p(λ) = −λ3 + 6λ2 − 9λ + 4, p′ (λ) = −3λ2 + 12λ − 9. Testanto a
primeira raiz (autovalor) λ1 = 1 temos p′ (λ1 ) − p′ (1) = −3 + 12 − 9 = 0. Portanto
o autovalor λ1 = 1 tem multiplicidade algébrica igual a 2 e o autovalor λ2 = 4 tem
multiplicidade algébrica igual a 1. Portanto existe uma base β na qual o operador
B dado tem representação matricial diagonal dada por
   
λ1 0 0 1 0 0
[B]ββ =  0 λ1 0  =  0 1 0 
0 0 λ2 0 0 4
Exercı́cio:
Resolva o exercı́cio do final da seção anterior utilizando o conceito de polinômio
minimal para determinar se cada operador é diagonalizável sem calcular os autove-
tores.
154
Capı́tulo 7
Formas lineares, bilineares e

quadráticas
7.1 Formas lineares

Definição:
Seja V um espaço vetorial real. Uma forma linear é uma transformação L :
V → R tal que, dado ~v ∈ V , é definida por L(~v ) = (l), com l ∈ R.
Uma forma linear L : V → R é matricialmente representada em termos da base

α = {~v1 , ~v2 , · · · , ~vn } de V e da base β = {~r} de R da seguinte maneira.
[L]αβ ([~v ]α ) = [L(~v )]β

 
x1

 x2 

[ l1 l2 · · · ln ]  ..  = [L(~v )]β
| {z } . 
= [L]αβ xn
| {z }
= [~v ]α
em que [L(~v )]β é uma matriz 1 × 1.
Exemplos:
2
1) Seja A
: R → R definida por A(x, y) = (x + 2y).
x
[ 1 2 ] = [x + 2y]
y
2) Seja B : R3 → R definida por B(x, y, z) = (3x + y − 2z).
155
 
x
[ 3 1 −2 ]  y  = [3x + y − 2z]
z
7.2 Formas bilineares

Definição:
Seja V um espaço vetorial real. Uma forma bilinear é uma aplicação B :
V × V → R tais que, dados ~v , w
~ ∈ V , é definida por B(~v , w)
~ = (b) com b ∈ R e
satisfaz as condições:
i) Fixado w,
~
• B(~v1 + ~v2 , w)
~ = B(~v1 , w)
~ + B(~v2 , w)
~ e
• B(α~v , w)
~ = αB(~v , w).
~
ii) Fixado ~v ,
• B(~v , w
~1 + w
~ 2 ) = B(~v , w
~ 1 ) + B(~v , w
~ 2) e
• B(~v , αw)
~ = αB(~v , w).
~
Matricialmente uma forma bilinear é representada em termos da base canônica

α de V e da base β de R da seguinte maneira
~ = [~v ]tα [B]αα [w]

B(~v , w) ~ α = [B(~v , w)]
~ β
  
b11 b12 · · · b1n y1
 b21 b22 · · · b2n   y2 
  
x
[ 1 2 x · · · x n ]  .. .. . . ..   ..  = [B(~v , w)]
~ β,
| {z } . . . .  . 
= [~v ]tα bn1 bn2 · · · bnn yn
| {z } | {z }
= [B]αα = [w]
~α
em que [B(~v , w)]

~ β é uma matriz 1 × 1, ou seja, B(~v , w)
~ ∈ R.
Exemplos:
Definição:
Seja V um espaço vetorial real. Uma forma bilinear B : V × V → R é simétrica
se B(~v , w)
~ = B(w,
~ ~v ) ∀ ~v , w
~ ∈V.
156
Exemplos:
1)
Sejam ~v1 = x1 ı̂+x2 ̂ ∈ R2 e ~v2 = y1 ı̂+y2 ̂ ∈ R2 . A forma bilinear B : R2 ×R2 → R
definida por B(~v1 , ~v2 ) = −x2 y2 + x1 y2 + x2 y1 + 2x1 y1 é simétrica pois B(~v2 , ~v1 ) =
−y2 x2 + y1 x2 + y2 x1 + 2y1 x1 = B(~v1 , ~v2 )
2)
Sejam ~v1 = x1 ı̂+x2 ̂ ∈ R2 e ~v2 = y1 ı̂+y2 ̂ ∈ R2 . A forma bilinear B : R2 ×R2 → R
definida por
B(~v1 , ~v2 ) = 2x1 y1 + 3x1 y2 + x2 y1 − x2 y2
não é simétrica pois
B(~v2 , ~v1 ) = 2y1 x1 + 3y1 x2 + y2 x1 − y2 x2 6= B(~v1 , ~v2 ).
Teorema
Seja V um espaço vetorial real. Uma forma bilinear B : V × V → R é simétrica
se, e somente se, [B]αα é uma matriz simétrica.
Exemplo:
Considere ~v1 = x1 ı̂ + x2 ̂ + x3 k̂ ∈ R3 e ~v2 = y1 ı̂ + y2 ̂ + y3 k̂ ∈ R3 . A forma bilinear
B : R3 × R3 → R definida por
B(~v1 , ~v2 ) = 2x1 y1 + x1 y2 − 4x1 y3 + x2 y1 − 3x2 y2 − 4x3 y1 + 3x3 y2 + 3x2 y3 − 2x3 y3
é simétrica pois
  
2 1 −4 y1
B(~v1 , ~v2 ) = [~v1 ]tα [B]αα [~v2 ]α = [ x1 x2 x3 ]  1 −3 3   y2  ,
−4 3 −2 y3
| {z }
= [B]αα
onde verificamos que [B]αα é uma matriz simétrica.
7.3 Formas quadráticas

Definição:
Sejam V um espaço vetorial real e B : V × V → R uma forma bilinear simétrica.
Uma forma quadrática é uma função Q : V → R definida por Q(~v ) = B(~v , ~v ),
i.e.,
Q(~v ) = [~v ]tα [B]αα [~v ]α .
157
Exemplos:
1) Caso V = R2 genérico: Q(~v ) = ax2 + bxy + cy 2 .

a b/2 x
Q(~v ) = [ x y ] .
b/2 c y
2) Sejam V = R2 e a forma quadrática Q : R2 → R definida por Q(~v ) =
2x2 − 6xy − y 2 .

2 −3 x
Q(~v ) = [ x y ]
−3 −1 y
3) Caso V = R3 genérico: Q(~v ) = ax2 + by 2 + cz 2 + dxy + eyz + f xz.
  
a d/2 f /2 x
Q(~v ) = [ x y z ]  d/2 b e/2   y  .
f /2 e/2 c z
4) Sejam V = R3 e a forma quadrática Q : R3 → R definida por Q(~v ) =
−x2 − 3yz + z 2 + 2xy + 4xz + 2y 2 .
  
−1 1 2 x
Q(~v ) = [ x y z ]  1 2 −3/2   y .
2 −3/2 1 z
Bases ortonormais; pg. 230

Processo de ortogonalização de Gram-Schmidt; pg. 230
Diagonalização de matrizes simétricas; pg. 277
Esfera centrada no ponto P (x0 , y0 , z0 )
158
fazer exercı́cios na forma das pgs. 719 e 720 do Stewart 2.
exercı́cios de trabalho (produto escalar)
159
Capı́tulo 8
Elementos de geometria
8.1 Relações trigonométricas

)
α
c
b
)β
a γ )
Lei dos senos:
a b c
= =
sen α sen β sen γ
Lei dos co-senos:
a2 = b2 + c2 − 2bc cos α
b2 = a2 + c2 − 2ac cos β
c2 = a2 + b2 − 2ab cos γ
sen 2 θ + cos2 θ = 1
sec2 θ − tan2 θ = 1
csc2 θ − cot2 θ = 1
sen (α ± β) = sen (α) cos(β) ± sen (β) cos(α)
160
cos(α ± β) = cos(α) cos(β) ∓ sen (α) sen (β)
tan(α) ± tan(β)
tan(α ± β) =
1 ∓ tan(α) tan(β)
sen (2θ) = 2 sen (θ) cos(θ)
cos(2θ) = cos2 (θ) − sen 2 (θ)
2 tan(θ)
tan(2θ) =
1 − tan2 (θ)

α±β α∓β
sen α ± sen β = 2 sen cos
2 2

α+β α−β
cos α + cos β = 2 cos cos
2 2

α+β α−β
cos α − cos β = −2 sen sen
2 2
sen (α ± β)
tan α ± tan β =
cos α cos β
sen (α ± β)
cot α ± cot β = ±
sen α sen β
1
sen α sen β = [cos(α − β) − cos(α + β)]
2
1
cos α cos β = [cos(α − β) + cos(α + β)]
2
1
sen α cos β = [ sen (α + β) + sen (α − β)]
2
Bibliografia
Boldrini, Costa, Figueiredo, Wetzler, Álgebra Linear, 3ed., Harbra.
Stewart, Cálculo, Vol. 2, Cengage Learning.
161

Gaal

Enviado por

Dados do documento

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

Gaal

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade Federal de São João del-Rei

2 Sistemas de equações lineares 30

4 Retas, planos e superfı́cies quádricas 61

6 Transformações lineares, autovalores e autovetores 127

7 Formas lineares, bilineares e quadráticas 155

8 Elementos de geometria 160

Consideraremos os casos em que os elementos aij são números inteiros, racionais

• Cada um dos números aij é chamado de elemento da matriz e também podem

• Se todos os elementos de uma matriz são nulos, então a matriz é chamada de

• Se uma matriz possui o número de linhas igual ao número de colunas, então

• Matrizes triangulares superiores são matrizes quadradas cujos elementos

• Matriz coluna é uma matriz de m linhas e uma coluna.

• Matriz linha é uma matriz de n colunas e uma linha.

• Diagonal é o conjunto de elementos aii em matrizes quadradas.

Operações com matrizes

A + B = C em que cij = aij + bij .

Propriedades da multiplicação por escalar:

Demonstração da propriedade (A + B)t = At + B t :

1.5 Multiplicação de matrizes

cij = ai1 b1j + ai2 b2j + . . . + aip bpj .

Comparando os resultados observamos que AB 6= BA.

se possı́vel calcule, caso contrário justifique: a) A · B − B · A, b) B + C, c) 2C + 12 B t

• Para matrizes 1 × 1 o determinante tem o valor do único elemento.

A = [a11 ], det A = a11

• Para matrizes 2 × 2 o determinante pode ser calculado pela regra mnemônica

• Para matrizes 3 × 3 o determinante pode ser calculado pela regra mnemônica

• Para matrizes de ordem superior a 3 × 3 devemos utilizar um ou ambos os

Métodos para cálculo de determinantes

ãij = (−1)i+j det(Ãij ).

Note que o método de Laplace consiste em substituir o cálculo do determinante

Como a transposta de uma matriz triangular inferior é uma matriz triangular

Vimos que o determinante de matrizes triangulares é dado pelo produto dos

1.6.4 Combinando o método de Laplace com o método de

det A = a11 ã11 + a21 ã21 + a31 ã31 + a41 ã41

Propriedades dos determinantes: Parte 2

• Se duas linhas ou duas colunas de A são iguais, então det A = 0.

• A tı́tulo de regra, em geral det(A + B) 6= det A + det B.

• det(AB) = det A · det B.

1.7 Inversão de matrizes

• O ı́ndice superior não indica uma potência, nem uma divisão.

1.7.2 Inversão de matrizes via cálculo da matriz adjunta

1.7.3 Inversão de matrizes via método de matrizes elemen-

• Observe que a operação elementar com linhas L3 → 2L3 na matriz A cor-

• Observe que a operação elementar com linhas L1 → L1 + 3L3 na matriz A

• Observe que a operação elementar com linhas L1 ↔ L2 na matriz A corres-

O teorema acima é interessante pois garante que podemos sucessivamente mul-

• Se a forma escalonada reduzida não for a matriz identidade, então a matriz A

• O inverso desse teorema fornece um método de inversão de matrizes:

Em outras palavras, multiplicamos matrizes elementares com A até obtermos a

i) criar uma matriz de n linhas e 2n colunas em que as primeiras n colunas corres-

Solução do item a):

Solução do item b):

Solução do item c):

Sistemas de equações lineares

• A matriz A definida acima é chamada de matriz dos coeficientes do sistema.

• A matriz X acima é chamada de matriz das incógnitas.

2.2 O método de Gauss-Jordan

2) Resolva, caso seja possı́vel, o sistema de equações lineares abaixo.

que, na forma matricial é escrita como

Se A tem inversa, ou seja, se det A 6= 0, então

Assim, cada incógnita é dada por

2) Resolva os sistemas de equações lineares abaixo usando o processo de operações

Distância entre dois pontos

Considerando r = d e tomando o conjunto de todos os pontos possı́veis equidis-

Cada equação acima pode sergeometricamente interpretada por uma reta no