Geometria Analítica e Álgebra Linear

Geometria Analítica e Álgebra Linear
GEOMETRIA ANALÍTICA
E ÁLGEBRA LINEAR
FACULDADE CAPIXABA DA SERRA/EAD

Credenciada pela portaria MEC nº 767, de 22/06/2017, Publicada no D.O.U em 23/06/2017
SUMÁRIO 1
GRUPO A Faculdade Multivix está presente de norte a sul

do Estado do Espírito Santo, com unidades em
MULTIVIX Cachoeiro de Itapemirim, Cariacica, Castelo, Nova
Venécia, São Mateus, Serra, Vila Velha e Vitória.
Desde 1999 atua no mercado capixaba, des-
tacando-se pela oferta de cursos de gradua-
ção, técnico, pós-graduação e extensão, com
qualidade nas quatro áreas do conhecimen-
to: Agrárias, Exatas, Humanas e Saúde, sem-
pre primando pela qualidade de seu ensino
e pela formação de profissionais com cons-
ciência cidadã para o mercado de trabalho.
Atualmente, a Multivix está entre o seleto

grupo de Instituições de Ensino Superior que
possuem conceito de excelência junto ao
Ministério da Educação (MEC). Das 2109 institui-
ções avaliadas no Brasil, apenas 15% conquistaram
notas 4 e 5, que são consideradas conceitos
de excelência em ensino.
Estes resultados acadêmicos colocam

todas as unidades da Multivix entre as
melhores do Estado do Espírito Santo e
entre as 50 melhores do país.
MISSÃO
Formar profissionais com consciência cida-

dã para o mercado de trabalho, com ele-
vado padrão de qualidade, sempre mantendo a
credibilidade, segurança e modernidade, visando
à satisfação dos clientes e colaboradores.
VISÃO
Ser uma Instituição de Ensino Superior reconheci-

da nacionalmente como referência em qualidade
educacional.

2 SUMÁRIO
EDITORIAL
FACULDADE CAPIXABA DA SERRA • MULTIVIX
Diretor Executivo Revisão de Língua Portuguesa

Tadeu Antônio de Oliveira Penina Leandro Siqueira Lima
Diretora Acadêmica Revisão Técnica

Eliene Maria Gava Ferrão Penina Alexandra Oliveira
Alessandro Ventorin
Diretor Administrativo Financeiro Graziela Vieira Carneiro
Fernando Bom Costalonga
Design Editorial e Controle de Produção de Conteúdo
Diretor Geral Carina Sabadim Veloso
Helber Barcellos da Costa Maico Pagani Roncatto
Ednilson José Roncatto
Diretor da Educação a Distância Aline Ximenes Fragoso
Pedro Cunha Genivaldo Félix Soares
Conselho Editorial Multivix Educação a Distância

Eliene Maria Gava Ferrão Penina (presidente Gestão Acadêmica - Coord. Didático Pedagógico
do Conselho Editorial) Gestão Acadêmica - Coord. Didático Semipresencial
Kessya Penitente Fabiano Costalonga Gestão de Materiais Pedagógicos e Metodologia
Carina Sabadim Veloso Direção EaD
Patrícia de Oliveira Penina Coordenação Acadêmica EaD
Roberta Caldas Simões
BIBLIOTECA MULTIVIX (Dados de publicação na fonte)
Lopes, Ketnes Ermelinda Guimarães.

Geometria Analítica e Álgebra Linear / Ketnes Ermelinda Guimarães Lopes. – Serra: Multivix, 2018.
Catalogação: Biblioteca Central Anisio Teixeira – Multivix Serra

2018 • Proibida a reprodução total ou parcial. Os infratores serão processados na forma da lei.
As imagens e ilustrações utilizadas nesta apostila foram obtidas no site: http://br.freepik.com

SUMÁRIO 3
APRESENTAÇÃO Aluno (a) Multivix,
DA DIREÇÃO Estamos muito felizes por você agora fazer parte

do maior grupo educacional de Ensino Superior do
EXECUTIVA Espírito Santo e principalmente por ter escolhido a

Multivix para fazer parte da sua trajetória profissional.
A Faculdade Multivix possui unidades em Cachoei-

ro de Itapemirim, Cariacica, Castelo, Nova Venécia,
São Mateus, Serra, Vila Velha e Vitória. Desde 1999,
no mercado capixaba, destaca-se pela oferta de
cursos de graduação, pós-graduação e extensão
de qualidade nas quatro áreas do conhecimento:
Agrárias, Exatas, Humanas e Saúde, tanto na mo-
dalidade presencial quanto a distância.
Além da qualidade de ensino já comprova-

da pelo MEC, que coloca todas as unidades do
Grupo Multivix como parte do seleto grupo das
Instituições de Ensino Superior de excelência no
Brasil, contando com sete unidades do Grupo en-
tre as 100 melhores do País, a Multivix preocupa-
-se bastante com o contexto da realidade local e
com o desenvolvimento do país. E para isso, pro-
cura fazer a sua parte, investindo em projetos so-
ciais, ambientais e na promoção de oportunida-
des para os que sonham em fazer uma faculdade
de qualidade mas que precisam superar alguns
obstáculos.
Prof. Tadeu Antônio de Oliveira Penina
Diretor Executivo do Grupo Multivix Buscamos a cada dia cumprir nossa missão que é:
“Formar profissionais com consciência cidadã para o
mercado de trabalho, com elevado padrão de quali-
dade, sempre mantendo a credibilidade, segurança
e modernidade, visando à satisfação dos clientes e
colaboradores.”
Entendemos que a educação de qualidade sempre

foi a melhor resposta para um país crescer. Para a
Multivix, educar é mais que ensinar. É transformar o
mundo à sua volta.
Seja bem-vindo!

4 SUMÁRIO
APRESENTAÇÃO DA DISCIPLINA
Caro (a) aluno (a), seja bem-vindo à disciplina de Geometria Analítica e Álgebra Li-
near. O objetivo da disciplina é conduzi-lo gradativamente na compreensão dos
fundamentos, aplicações e procedimentos da geometria analítica. Você conseguirá
identificar e solucionar situações e problemas passíveis de serem resolvidos a partir
dos conhecimentos adquiridos nesta disciplina. De uma maneira geral, será capaz de
calcular distâncias, identificar ângulos, resolver e discutir sistemas de equações linea-
res, operar com matrizes, conhecer e operar com vetores no plano e no espaço, além
de conhecer os diferentes tipos de transformações lineares do plano. A disciplina de
geometria analítica contém conteúdo básico para sua formação acadêmica, e será
sempre requisitado ao longo de seu curso. Para o desenvolvimento satisfatório da
disciplina, você deverá seguir adequadamente o cronograma proposto, participando
efetivamente das aulas, através da presença em fóruns de discussão e da leitura dos
materiais disponibilizados, inclusive os complementares.
Objetivos da disciplina
Esperamos que, até o final da disciplina, você:
• Aplique o raciocínio geométrico, que faz o aluno solucionar problema de posi-

cionamento, deslocamento, aplicando os elementos de direção e sentido, de
ângulo, de paralelismo, de perpendicularismo e informações básicas para a
elaboração de sistema de coordenadas cartesianas.
• Apreenda a utilização do conceito de vetores no espaço na solução de proble-

mas.
• Aplique as operações com vetores, através do cálculo do produto escalar, do

produto vetorial e misto, assim como aplicar seus preceitos geométricos.
• Opere com matrizes, além de calcular seus determinantes e identificar suas

propriedades.
• Aplique sistemas de equações lineares, através de diferentes métodos.

SUMÁRIO 5
LISTA DE FIGURAS
>>FIGURA 1 - Coordenadas de pontos: latitude e longitude 15

>>FIGURA 2 - Diferentes sistemas de referência 16
>>FIGURA 3 - Uma parábola - y = x2 -4x +3 17
>>FIGURA 4 - Plano Cartesiano 18
>>FIGURA 5 - Quadrantes do Plano Cartesiano 21
>>FIGURA 6 - Pontos localizados no Plano Cartesiano 22
>>FIGURA 7 - Distância entre dois pontos 24
>>FIGURA 8 - Triangulo retângulo 25
>>FIGURA 9 - Ponto médio de um segmento de reta 29
>>FIGURA 10 - Triângulos congruentes 30
>>FIGURA 11 - Construção geométrica para a
definição da equação de uma reta 35
>>FIGURA 12 - Coeficientes de uma reta 40
>>FIGURA 13 - Reta horizontal e reta vertical 41
>>FIGURA 14 - Reta crescente e reta descrescente 42
>>FIGURA 15 - Reta que une os pontos P1 (1,2) e P2 (3,6) 43
>>FIGURA 16 - Reta que une os pontos P1 (1,-1) e P2 (-2,2) 44
>>FIGURA 17 - Reta que une os pontos P1 (1,1) e P2 (-2,1) 45
>>FIGURA 18 - Reta que une os pontos P1 (1,1) e P2 (-2,1) 45
>>FIGURA 19 - Retas paralelas e perpendiculares 46
>>FIGURA 20 - Ângulo entre duas retas 49
>>FIGURA 21 - Distância do P (x0,y0) à reta de equação ax + by + c = 0 51
>>FIGURA 22 - Segmentos de reta orientados 102

>>FIGURA 23 - Representação do vetor v = (5,4) 104
 
>>FIGURA 24 - Adição dos vetores v e u . 105
>>FIGURA 25 - Adição entre vetores 105
>>FIGURA 26 - Adição entre vetores no espaço dimensional R3. 106

>>FIGURA 27 - O ângulo formado entre dois vetores v e w 109
>>FIGURA 28 - Triângulo equilátero de vértices A, B e C. 109

6 SUMÁRIO
>>FIGURA 29 - Representação do cálculo do módulo do vetor 110

>>FIGURA 30 - Regra da mão direita 112
>>FIGURA 31 - Vetores unitários em R3. 113

>>FIGURA 32 - Significado geométrico do produto vetorial v x w . 115
>>FIGURA 33 - Espaço vetorial R2 (x, y) e subespaço próprio K 129
>>FIGURA 34 - E
spaço vetorial R3 (x, y, z) e
subespaço próprio K, Q e W 131

SUMÁRIO 7
LISTA DE QUADROS
>>QUADRO 1 - Exemplos de matrizes 55

>>QUADRO 2 - Considerações sobre os segmentos orientados 103
>>QUADRO 3 - Propriedades da adição de vetores 106
>>QUADRO 4 - P
ropriedades da multiplicação de um vetor
por um escalar 107
>>QUADRO 5 - Propriedades do produto vetorial 112

8 SUMÁRIO
SUMÁRIO
UNIDADE 1 1 DISTÂNCIA ENTRE DOIS PONTOS E COORDENADAS DO PONTO MÉDIO 14

1.1 ESPAÇOS DIMENSIONAIS 14
1.1.1 SISTEMAS DE REFERÊNCIA R2 15
1.1.2 O SISTEMA DE COORDENADAS RETANGULARES 18

1.2 DISTÂNCIA ENTRE DOIS PONTOS 23
1.3 COORDENADAS DO PONTO MÉDIO (XM, YM) 28
CONCLUSÃO 32
UNIDADE 2 2 ESTUDO DAS RETAS NO PLANO 34

2.1 EQUAÇÃO DA RETA 34
2.2 ESTUDO DO COEFICIENTE ANGULAR E COEFICIENTE LINEAR 40
2.3 RETAS HORIZONTAIS E VERTICAIS 41
2.4 RETAS CRESCENTES E DECRESCENTES 42
2.5 RETAS PARALELAS E PERPENDICULARES 46
2.6 INTERSEÇÃO DE RETAS 48
2.7 ÂNGULO ENTRE DUAS RETAS 49
2.8 DISTÂNCIA DE UM PONTO A UMA RETA 50
CONCLUSÃO 52
UNIDADE 3 3 ÁLGEBRA DAS MATRIZES E DETERMINANTES 54

3.1 CONCEITUANDO MATRIZES 54
3.2 MATRIZES ESPECIAIS 55
3.2.1 MATRIZ QUADRADA 56
3.2.2 MATRIZ NULA 57
3.2.3 MATRIZ LINHA 57
3.2.4 MATRIZ COLUNA 57
3.2.5 MATRIZ DIAGONAL 58
3.2.6 MATRIZ IDENTIDADE 58
3.2.7 MATRIZ TRANSPOSTA 58
3.2.8 MATRIZ SIMÉTRICA 59
3.2.9 MATRIZ OPOSTA 59

SUMÁRIO 9
3.2.10 MATRIZES IGUAIS 60

3.3 ÁLGEBRA DAS MATRIZES 60
3.3.1 SOMA DE MATRIZES 60
3.3.2 DIFERENÇAS DE MATRIZES 61
3.3.3 MULTIPLICAÇÃO DE UMA MATRIZ POR UM ESCALAR 62
3.3.4 3.4 MULTIPLICAÇÃO DE MATRIZES 62
3.3.5 MATRIZ INVERSA 65
3.4 DETERMINANTES DE UMA MATRIZ 67
3.4.1 MENOR COMPLEMENTAR 68
3.4.2 COFATOR 69
3.4.3 TEOREMA DE LAPLACE 70
3.4.4 REGRA DE SARRUS 73
3.4.5 PROPRIEDADES DOS DETERMINANTES 76
3.4.6 REGRA DE CHIÓ 77
CONCLUSÃO 78
UNIDADE 4 4 SISTEMAS DE EQUAÇÕES LINEARES 80

4.1 CONCEITO DE EQUAÇÕES LINEARES 80
4.2 CONCEITO DE SISTEMAS DE EQUAÇÕES LINEARES 81
4.3 REGRA DE CRAMER 83
4.4 MÉTODO DE GAUSS OU ESCALONAMENTO 91
CONCLUSÃO
100
UNIDADE 5 5 VETORES E PRODUTO VETORIAL 102

5.1 CONCEITO DE VETOR 102
5.2 ADIÇÃO DE VETORES 104
5.3 MULTIPLICAÇÃO DE UM VETOR POR UM ESCALAR 107
5.4 PRODUTO ESCALAR 108
5.5 CÁLCULO DO MÓDULO DE UM VETOR 110
5.6 PRODUTO VETORIAL 111
5.6.1 VETORES EM FUNÇÃO DE UMA BASE ORTONORMAL 113

10 SUMÁRIO
5.6.2 CÁLCULO DO PRODUTO VETORIAL 114
CONCLUSÃO 118
UNIDADE 6 6 ESPAÇOS VETORIAIS E TRANSFORMAÇÃO LINEAR 120

6.1 ESPAÇOS VETORIAIS REAIS 120
6.1.1 DEFINIÇÃO DE ESPAÇOS VETORIAIS 121
6.1.2 PROPRIEDADES DOS ESPAÇOS VETORIAIS 122
6.1.3 SUBESPAÇOS VETORIAIS 127
6.1.4 COMBINAÇÃO LINEAR 131
6.1.5 INDEPENDÊNCIA, BASE E DIMENSÃO 134
6.1.5.1 BASE PARA UM ESPAÇO VETORIAL 136
6.1.5.2 DIMENSÃO DE UM ESPAÇO VETORIAL 137
6.2 TRANSFORMAÇÃO LINEAR 137
CONCLUSÃO 140
REFERÊNCIAS 141

SUMÁRIO 11
ICONOGRAFIA
ATENÇÃO ATIVIDADES DE
APRENDIZAGEM
PARA SABER
SAIBA MAIS
ONDE PESQUISAR CURIOSIDADES
LEITURA COMPLEMENTAR
DICAS
GLOSSÁRIO QUESTÕES
MÍDIAS
ÁUDIOS
INTEGRADAS
ANOTAÇÕES CITAÇÕES
EXEMPLOS DOWNLOADS

12 SUMÁRIO
UNIDADE 1
OBJETIVO
Ao final desta
unidade,
esperamos
que possa:
> Definir os espaços

dimensionais e os
sistemas de referências,
especialmente o Plano
Cartesiano.
> Calcular as distâncias

entre dois pontos
no plano, através da
aplicação de fórmulas
deduzidas.
> Calcular as
coordenadas do
ponto médio de um
segmento de reta.

SUMÁRIO 13
1 DISTÂNCIA ENTRE DOIS

PONTOS E COORDENADAS
DO PONTO MÉDIO
Nesta unidade, iniciaremos nosso estudo com o cálculo da distância entre dois pontos
no plano, além do estudo sobre as coordenadas do ponto médio de um segmento de
reta. E então, está pronto(a)? Podemos começar? Bons estudos e boa aprendizagem!
1.1 ESPAÇOS DIMENSIONAIS
Com o objetivo de melhor interpretar e resolver problemas em Geometria Analítica

e Álgebra Linear, inicialmente devemos identificar qual o espaço dimensional nossos
dados estão inseridos. Temos os possíveis espaços dimensionais:
• Espaço dimensional R: esse sistema é formado pela reta real. Neste caso, te-
mos apenas uma única dimensão. A reta representa os números reais, com-
posta por infinitos pontos, sendo que cada ponto corresponde a um único
número real.
• Espaço dimensional R2: esse sistema é composto pelo plano. Neste caso, te-
mos duas dimensões. No plano, os pontos são definidos por um par coordena-
do de números reais e as equações das curvas possuem duas variáveis, comu-
mente representadas pelas variáveis x e y.
Como bem lembra Lehmann (1998), em um sistema linear de coordenadas

com pontos restringidos a se situarem sobre uma única reta, é evidente que
estamos extremamente limitados em nossa investigação analítica das pro-
priedades geométricas. Por exemplo, é impossível estudar as propriedades
de pontos de uma circunferência. A fim de estender a utilização do método
analítico, consideremos agora um sistema de coordenadas na qual um ponto
pode se mover livremente para todas as posições em um plano. É o chamado
sistema bidimensional, característico da geometria analítica plana.

14 SUMÁRIO
Espaço dimensional R3: esse sistema é composto pelo espaço. Neste caso, temos três
dimensões. No espaço os pontos são representados por um terno de números reais
e as equações das curvas possuem três variáveis, comumente representadas pelas
variáveis x, y e z.
Podemos ter as informações em qualquer dimensão, conhecida

como Rn, no entanto, nossos estudos serão aplicados principal-
mente na dimensão R2.
1.1.1 SISTEMAS DE REFERÊNCIA R2
Para utilizarmos as ferramentas da geometria analítica da melhor forma possível, é

necessário sabermos com exatidão os pontos no espaço dimensional (R2). Já vimos
que os pontos são definidos a partir de um par coordenado de números reais, e para
definirmos com exatidão sua localização em um plano, é necessário termos um siste-
ma de referência. Mas o que seria um sistema de referência?
Um sistema de referência é formado por um determinado referencial e por um prin-

cípio que define como os pontos serão representados em relação a este referencial.
Por exemplo, as coordenadas de latitude e longitude, que tanto estudamos em Geo-
grafia, representam um referencial. A figura 1 ilustra esse sistema de referências.
FIGURA 1 - COORDENADAS DE PONTOS: LATITUDE E LONGITUDE
Fonte: SHUTTERSTOCK, 2018.

SUMÁRIO 15
Devemos compreender que existem diferentes sistemas de referência que são fre-
quentemente utilizados na geometria analítica, como por exemplo: Sistema de Coor-
denadas Retangulares, conhecido como Plano Cartesiano, o Sistema de Coordenadas
Polares e os de Coordenadas Esféricas. As imagens apresentadas na Figura 2 mos-
tram exemplos de imagens criadas nos Sistemas de Coordenadas Polares e Esféricas.
FIGURA 2 - DIFERENTES SISTEMAS DE REFERÊNCIA
Os Sistemas de Coordenadas Retangulares e o de Coordenadas Polares são os mais

utilizados na geometria analítica. Eles são usados para posicionar pontos em um pla-
no, assim como para definir equações das curvas planas.

16 SUMÁRIO
Na verdade, podemos criar sistemas de referência de acordo

com nossas necessidades, bastando para isso, definir um refe-
rencial e uma regra para a localização dos pontos no plano.
É importante lembrarmos que, além dos pontos, podemos também representar as

equações das curvas planas em um sistema de coordenadas. Mas o que seriam cur-
vas planas? De forma bem simples, podemos conceituar curvas planas como sendo
aquelas formadas por um conjunto de pontos definidos a partir de uma regra, e sua
equação define essa regra de forma matemática.
Vejamos: podemos estudar as curvas planas por meio de equações escritas em rela-
ção a um sistema de referência. Observe o exemplo apresentado na Figura 3.
A curva é representada pela equação y = x2 -4x +3 que a define de acordo com o sis-
tema de referência, que nesse caso é o Sistema de Coordenadas Retangulares (Plano
Cartesiano).
FIGURA 3 - UMA PARÁBOLA - Y = X2 -4X +3
Fonte: Elaborada pela autora, 2018.

SUMÁRIO 17
Todas as curvas possuem uma equação bem definida em relação a um sistema de

referência. Desta forma, ao trocarmos o sistema de referência alteramos também a
equação da curva. Devemos perceber, que uma curva pode possuir uma equação
mais simples, em relação a um determinado sistema de referência, por esse motivo,
existem vários sistemas, para escolha do mais apropriado para cada caso.
1.1.2 O SISTEMA DE COORDENADAS RETANGULARES
Vamos agora, falar especificamente sobre o sistema de coordenadas retangulares.

Esse sistema tem como referência duas retas (x e y), denominadas como eixos coor-
denados, infinitos e perpendiculares entre si. O eixo x é comumente chamado de
eixo das abscissas (eixo horizontal) e o eixo y, o eixo das ordenadas (eixo vertical). Tem-
-se para cada eixo uma escala, geralmente definidas igualmente, tendo sua origem
na interseção das retas. A figura 4 mostra o Sistema de Coordenadas Retangulares.
FIGURA 4 - PLANO CARTESIANO

18 SUMÁRIO
Você deve ter observado que os números reais estão representados tanto no eixo x
quanto no eixo y.
Já que estamos falando de números reais, vale a pena lembrarmos seu conceito! O
conjunto dos números reais contém:
• O conjunto dos números naturais: composto pelos números que resultem de

uma contagem de unidades. O conjunto dos números naturais é representa-
do pela letra N maiúsculo e estes números são expressos por algarismos. Este
conjunto pode ser escrito por:
N = {0,1,2,3,4,5,6,…}
Observa-se que o conjunto dos números naturais não nulos é representado

por N*.
N* = {1,2,3,4,5,6,…}
• O conjunto dos números inteiros: definimos o conjunto dos números inteiros

como aquele que reúne o conjunto dos números naturais e o conjunto dos
seus opostos. Claro que não podemos nos esquecer de incluir o zero. Este
conjunto é representado pela letra Z (letra inicial da palavra alemã Zalen, que
significa número). Este conjunto pode ser escrito por:
Z = {…,-4,-3,-2,-1,0,1,2,3,4,…}
• O conjunto dos números racionais: são todos os números que podemos es-
crevê-los de forma fracionária. Desta forma, faz parte do conjunto dos núme-
ros racionais todos aqueles números que podem ser escritos como a/b , onde a
e b são números inteiros, sendo que b deve ser diferente de zero, uma vez que
não temos divisão por zero. Observamos então, que os números racionais po-
dem ser obtidos através da razão (em latim: ratio = razão = divisão = quociente)
entre dois números inteiros, razão pela qual, o conjunto de todos os números
racionais é representado pela letra Q. Assim, é comum encontrarmos na lite-
ratura a notação:
a 
Q =  | a ∈ Z ; b ∈ Z*
b 

SUMÁRIO 19
- O número 5 ∈ Q, já que pode ser representado por uma

fração 5/1.
- O número 2/3 ∈ Q, já que é uma fração.
• O conjunto dos números irracionais: são os números que não podem ser obti-
dos pela divisão de dois números inteiros, ou seja, são números reais, mas não
racionais. São representados pela letra I.
- O número √2 ∈ I, já que não pode ser representado por

uma fração. (√2 = 288
/144 + quase)
- O número √3 ∈ I, já que não pode ser representado por
uma fração.
Neste caso, podemos dizer que os números reais são todos os números racionais e os
irracionais.
Curiosidade: Se os números não são números reais, eles podem

ser números imaginários ou complexos.
Exemplo: √(-1), esse número não pertence aos números reais,

uma vez que dentro desse conjunto, não temos raiz quadrada de número
negativo. No entanto, esse número faz parte do conjunto dos números com-
plexos, que não será tratado dentro de nossa disciplina.
Voltando a figura 4, observamos que todos os números reais estão representados,

tanto no eixo x quanto no eixo y.
Vamos observar agora algumas informações importantes sobre o sistema de coorde-

nadas retangulares. Analise a figura 4 para verificar tais informações, certo?
• O número zero encontra-se na interseção dos eixos, e é chamado de origem

do sistema.

20 SUMÁRIO
• O eixo horizontal é o eixo das abscissas, representado pela letra x.
• O eixo vertical é o eixo das ordenadas, representa¬do pela letra y.
• Os dois eixos dividem o plano em quatro regiões, denominadas quadrantes

(SANTOS E FERREIRA, 2014). Os quadrantes são distribuídos no sentido anti-
-horário, sendo o primeiro quadrante definido pelos números positivos do eixo
x e eixo y. A figura 5 apresenta o sinal do número em cada quadrante.
FIGURA 5 - QUADRANTES DO PLANO CARTESIANO
Vimos então, que o sistema de coordenadas retangulares é um sistema de referência

de um plano. Dessa forma, qualquer ponto pertencente ao plano poderá ser localiza-
do, medindo-se a distância orientada de um ponto aos eixos coordenados, sem nos
esquecermos de que devemos considerar o sinal negativo dos números.

SUMÁRIO 21
Assim, observamos que a distância do ponto ao eixo y será o valor de sua abscissa
e a distância do ponto ao eixo x será o valor de sua ordenada. Esta característica irá
conferir ao ponto um par ordenado de números reais do tipo P (x, y). Este é o prin-
cípio adotado para a localização de pontos em um plano em relação ao sistema de
coordenadas retangulares.
Curiosidade: O sistema de coordenadas retangulares é também

conhecido como Sistema Cartesiano ou Plano Cartesiano. Isso
se dá devido a uma homenagem dada a René Descartes (1596-
1650), filósofo e matemático francês, considerado o pai da Geo-
metria Analítica, cujo nome em Latim era Renatus Cartesius. Desta forma,
passaremos a chamar esse sistema de Plano Cartesiano.
Para finalizar este assunto dê uma olhada na figura 6. Veja como são representados os
pontos (-4,3), (-2,5), (-4,-2), (-2,-4), (3,-2), (3,2), e (5,4) no Sistema Cartesiano.
FIGURA 6 - PONTOS LOCALIZADOS NO PLANO CARTESIANO
Fonte: SHUTTERSTOCK (2018)

22 SUMÁRIO
Fácil, não é mesmo?
Agora, vamos nos aprofundar um pouco mais no estudo da Geometria Analítica. Você
verá como se calcula a distância entre dois pontos utilizando a álgebra. Está anima-
do(a)? Então vamos lá!
1.2 DISTÂNCIA ENTRE DOIS PONTOS
Quando queremos calcular a menor distância entre dois pontos do plano, nós deve-
mos utilizar as ferramentas da álgebra. Nesse caso, devemos desenvolver uma técni-
ca, ou fórmula, que calcule essa distância para quaisquer pontos do plano.
Devemos conseguir aplicar essa fórmula para cálculo da distân-

cia de qualquer ponto do plano, para tanto utilizaremos pontos
de coordenadas genéricas, podendo estar localizados em qual-
quer um dos quadrantes. O que pretendemos é, com a fórmula,
calcular a distância entre estes pontos genéricos, e dessa forma calcular a
distância entre dois pontos específicos quaisquer do plano.ra a localização
dos pontos no plano.
Só relembrando que, para calcularmos a distância entre dois pontos, inicialmente

precisamos definir o plano de referência, que no nosso caso será o Plano Cartesiano.
Para iniciarmos, observe a figura 7, que nos apresenta dois pontos de coordenadas
genéricas, localizados em algum lugar do Plano Cartesiano. Em seguida, observe
como a fórmula para calcular a distância entre estes dois pontos será definida. Segui-
remos passo a passo, para facilitar o seu raciocínio.

SUMÁRIO 23
FIGURA 7 - DISTÂNCIA ENTRE DOIS PONTOS
Fonte: Elaborado pela autora, 2018.
A menor distância entre dois pontos é calculada a partir do segmento de

reta que os une!
Como calcular a distância entre os pontos P1 e P2?
Na figura 7 temos as seguintes informações:
• O ponto P1 possui coordenadas x1 e y1.
• A menor distância entre os dois pontos é igual ao comprimento do segmento

de reta que une os pontos P1 e P2.
• Para definirmos a fórmula genérica da distância de P1 a P2, vamos marcar no

plano cartesiano um ponto auxiliar que chamaremos de R, conforme apresen-
tado na figura 7. O ponto R possui coordenadas x1 e y2.
• O triângulo P1RP2 é retângulo, ou seja, possui um ângulo reto, ou ângulo de

90º, pois o segmento P1R é perpendicular ao segmento RP2.

24 SUMÁRIO
Você se lembra do Teorema de Pitágoras, aplicado a todos os triângulos retân-

gulos? Vamos dar uma parada em nosso cálculo de distâncias para relembrar esse
teorema.
Observe a figura 8 que mostra um triângulo ABC retângulo em A. O lado oposto ao

ângulo reto é chamado de hipotenusa, enquanto os outros dois são chamados cate-
tos.
FIGURA 8 - TRIANGULO RETÂNGULO
Fonte: Elaborado pela autora.
Em todo triângulo retângulo, o quadrado da medida da hipote-

nusa é igual à soma dos quadrados das medidas dos catetos!
Depois de lembrarmos o Teorema de Pitágoras, vamos agora retornar à definição da

fórmula de cálculo da distância dos pontos P1 e P2.
Vamos observar então o triângulo P1RP2 e aplicarmos o teorema de Pitágoras:
(dP1P2)2 = (dP1R)2 + (dRP2)2
Onde:
dP1P2 = distância de P1 e P2 (hipotenusa do triângulo P1RP2);
dP1R = distância de P1 e R (cateto do triângulo P1RP2);
dRP2 = distância de R e P2 (cateto do triângulo P1RP2);

SUMÁRIO 25
Observando a figura 7, vemos que:
dP1R = x2 – x1
dRP2 = y1 – y2
Substituindo essas distâncias conhecidas a partir das coordenadas dos pontos, temos:
(dP1 P2 ) 2 = (dP1 R ) 2 + (dRP2 ) 2

(dP1 P2 ) 2 = ( x2 − x1 ) 2 + ( y1 − y2 ) 2
dP1 P2 = ( x2 − x1 ) 2 + ( y1 − y2 ) 2
Como P1 e P2 são pontos genéricos do sistema cartesiano, podemos escrever a fór-

mula para cálculo da distância de quaisquer dois pontos do plano cartesiano, como:
d = ( x2 − x1 ) 2 + ( y1 − y2 ) 2
Vamos aplicar essa fórmula? Segue então um exercício resolvido.
Qual o perímetro do triângulo ABC que possui os seguintes

dados:
A (-1, 1), B (4, 13) e C (-1, 13)?
Para resolver este problema, temos que nos lembrar que o perímetro de
um triângulo é a soma do comprimento de seus lados. Neste caso, vamos
aplicar a fórmula que acabamos de definir, considerando as três arestas do
triângulo. Acompanhe a resolução: x1
d AB = [4 − (−1)]2 + (1 − 13) 2 = 25 + 144 = 169 = 13

d AC = [−1 − (−1)]2 + (13 − 1) 2 = 0 + 144 = 144 = 12
d BC = (−1 − 4) 2 + (13 − 13) 2 = 25 + 0 = 25 = 5
Logo, o perímetro será igual a soma das suas três arestas. O valor encontra-
do é de 30 u.c. Onde u.c. é a unidade de comprimento, podendo ser em
metro, quilômetro ou outra unidade qualquer dos pontos dados.

26 SUMÁRIO
Viu só como é fácil? Nós apenas aplicamos as coordenadas dos pontos à fórmula.
Vamos fazer outro exemplo?
Imagine que temos três pontos e os ligamos em um triângulo.

Conhecemos as coordenadas de dois desses pontos A (-1,1) e
B (2, 5) e apenas a ordenada do ponto C. Nesse caso, podemos
representar o ponto C como (x, 2), já que a abscissa do ponto
C não é conhecida.
Com as informações disponibilizadas, você consegue achar o valor da abs-

cissa do ponto C se fosse informado que o triângulo é retângulo em B?
Claro que sim, para o triângulo ser retângulo em B, sabemos que os seg-
mentos de retas que ligam os pontos A e B e os pontos B e C representam
os catetos, uma vez que ajudam a formar o ângulo reto. E o segmento de
reta que une os pontos A e C representa a hipotenusa, uma vez que não
participa da formação do ângulo reto.
Desta forma, basta aplicar a fórmula de cálculo de distância para encon-

trarmos os valores da hipotenusa e catetos.
Acompanhe a resolução.
Cálculo dos catetos:
d AB = [2 − (−1)]2 + (5 − 1) 2 = 9 + 16 = 25 = 5
d BC = ( x − 2) 2 + [2 − (5)]2 = ( x − 2) 2 + 9 = x 2 − 4 x + 13
Observe que, como não conhecemos a abscissa do ponto C, ela aparece

na fórmula como x. Portanto, para o cateto representado pela distância do
ponto B ao ponto C, temos uma expressão ainda dependente do valor da
abscissa do ponto C.
Vamos continuar.
Cálculo da hipotenusa:
d AC = [( x − (−1)]2 + (2 − 1) 2 = ( x + 1) 2 + 1 = x 2 + 2 x + 2

SUMÁRIO 27
Agora, aplicando o Teorema de Pitágoras, temos:
(d AC ) 2 = (d AB ) 2 + (d BC ) 2
( ( x 2 + 2 x + 2) 2 = 52 + ( x 2 − 4 x + 13) 2
x 2 + 2 x + 2 = 25 + x 2 − 4 x + 13
Resolvendo, chegamos a seguinte equação:
6x = 36
x=6
Portanto, para que o triângulo ABC seja retângulo em B é necessário que

a abscissa do Ponto C seja igual a 6.
Muito bem, a partir de agora daremos continuidade ao nosso estudo de Geometria

Analítica através do estudo das coordenadas do ponto médio.
Por falar nisso, você sabe o que é ponto médio?
1.3 COORDENADAS DO PONTO MÉDIO (XM, YM)
Vamos lá! Um segmento de reta une dois pontos, que são seus extremos. Assim, o
Ponto Médio de um segmento de reta, é o ponto que a divide ao meio, em duas par-
tes congruentes, ou seja, de mesma medida.
As coordenadas do ponto médio podem ser definidas a partir da dedução de uma fór-
mula, que utiliza para o cálculo pontos genéricos localizados no Sistema Cartesiano.

28 SUMÁRIO
Analise a Figura 9 e fique atento ao processo de desenvolvimento:
FIGURA 9 - PONTO MÉDIO DE UM SEGMENTO DE RETA
• O ponto médio do segmento de reta que une P1 e P2 é representado pelo pon-

to M, de coordenadas xM e yM.
• Para definirmos a fórmula genérica das coordenadas do ponto médio do seg-

mento de reta que une P1 a P2, vamos marcar no plano cartesiano dois pontos
auxiliar: R e S, conforme apresentado na figura 10. O ponto R possui coordena-
das xM e y2 e o ponto S possui coordenadas x1 e yM.
• Observa-se na Figura 10 a formação de dois triângulos retângulos P1SM e

MRP2, que são triângulos congruentes.

SUMÁRIO 29
FIGURA 10 - TRIÂNGULOS CONGRUENTES
Isso ocorre pois ambos são triângulos retângulos, com segmento P2M e MP1
iguais. Assim, podemos concluir que os catetos MS e P2R possuem a mesma
medida. Desta forma, temos:
MS = xM – x1
P2R = x2 – xM
Igualando os dois catetos, temos:
xM – x1 = x2 – xM
xM + xM = x1 + x2
2xM = x1 + x2
xM = x1 + x2 / 2
• De maneira análoga encontramos a ordenada do ponto médio, ao observa-

mos que os catetos P1S e MR possuem medidas iguais.

30 SUMÁRIO
Desta forma temos:
MR = yM – y1
P1S = y1 – yM
Igualando os dois catetos, temos:
yM – y1 = y1 – yM
yM + yM = y1 + y2
2yM = y1 + y2
yM = y1 + y2 / 2
Observamos que o valor da coordenada x do ponto médio de um segmento de reta

é calculada a partir da metade da soma das abscissas dos pontos extremos do seg-
mento, e o valor da coordenada y do ponto médio é calculada a partir da metade da
soma das ordenadas dos pontos extremos. Dessa forma, calculamos o ponto médio
através da seguinte fórmula:
 x + x y + y2 
M 1 2, 1 
 2 2 
Vamos aplicar essa fórmula? Segue então um exercício resolvido.
Vamos calcular a distância da origem do sistema cartesiano

ao ponto médio do segmento de extremos A(–2,–7) e B(–6,1).
Primeiramente, vamos calcular o ponto médio do segmento

de reta que une os pontos A e B.
x1 + x2 −2 + (−6)
xm = = = −4
2 2
y + y2 −7 + 1
ym = 1 = = −3
2 2
Logo, o ponto médio é M (-4, -3). Agora, basta calcular a distância da origem
do sistema cartesiano, ponto (0,0) ao ponto médio. Acompanhe a resolução.
d = (−4 − 0) 2 + (−3 + 0) 2 = 16 + 9 = 25 = 5

SUMÁRIO 31
Fácil, não é mesmo? Recomendo que leia sobre o assunto no

livro Geometria Analítica dos autores Fabiano José dos Santos e
Silvimar Fábio Ferreira. Bons estudos!
CONCLUSÃO
Nesta unidade você estudou como deduzir as fórmulas para o cálculo da distância
entre dois pontos, e verificou, também, como se obtém o ponto médio de um seg-
mento de reta. Vimos diversos exemplos de aplicação das formulações apresentadas.
Espero que tenha gostado.

32 SUMÁRIO
UNIDADE 2
OBJETIVO
Ao final desta
unidade,
esperamos
que possa:
> Apreender sobre as

características de
uma reta, definindo-a
matematicamente.
> Aplicar os cálculos do

coeficiente angular de
uma reta.
> Calcular a equação

de uma reta em suas
diferentes formas.
> Definir as características

de paralelismo e
perpendicularismo
entre retas.
> Aplicar os cálculos de

distância de um ponto
a uma reta.

SUMÁRIO 33
2 ESTUDO DAS RETAS NO

PLANO
Nesta unidade, você estudará definições da reta no plano, aprenderá sobre coeficien-
te angular, coeficiente linear e as etapas para a determinação da equação de uma
reta. Você perceberá que as equações de retas podem ser representadas em formas
diferentes e compreenderá algumas características dessa importante curva. É isso
mesmo! A reta é considerada uma curva, quando se observa a definição ampla de
curva. E então, está pronto? Podemos começar? Bons estudos e boa aprendizagem!
2.1 EQUAÇÃO DA RETA
Como vimos, a reta é considerada uma curva, quando se observa a definição ampla
de curva. Qual seria essa definição?
Uma curva plana é o lugar geométrico de todos aqueles pon-

tos, e somente daqueles pontos, que satisfazem uma ou mais
condições geométricas dadas (SANTOS e FERREIRA, 2014).
De forma simples, podemos dizer que toda curva possui uma equação que a define,
tendo um conjunto de pontos que obedecem a essa regra.
Vamos considerar a reta formada pelos pontos P1 (x1,y1) e P2 (x2,y2), conforme apre-
sentado na figura 1(a). Temos também outro ponto qualquer P (x,y), que se encontra
sobre essa reta. Para que o ponto P pertença à reta, é preciso que os pontos A, B e P
sejam colineares, conforme apresentado na figura 1(b). Mas o que são pontos colinea-
res? De forma simplificada, dizemos que pontos colineares são aqueles que perten-
cem a uma mesma reta.

34 SUMÁRIO
FIGURA 11 - CONSTRUÇÃO GEOMÉTRICA PARA A DEFINIÇÃO DA EQUAÇÃO DE UMA RETA
a) b)
a. Reta pelos pontos P1 e P2
b. Reta pelos pontos P1, P2 e P
Considerando dois pontos auxiliares M (x2,y1) e N (x,y1), observamos que tal condi-
ção de alinhamento é satisfeita se os triângulos P1P2M e P1PN forem semelhantes.
Lembramos que para dois triângulos serem semelhantes, uma das condições é que
todos os seus lados possuam uma mesma proporcionalidade. Nesse caso, podemos
escrever:
PN P2 M
=
P1 N PM
1
Lê-se PN está para P1N, assim como P2M está para P1M.
A partir da análise da figura 1(b), temos:
PN = y - y1
P1N = x - x1
P2M = y2 - y1

SUMÁRIO 35
P1M = x2 - x1
Substituindo esses dados na formulação acima, temos:
1. y − y1 y2 − y1
=
x − x1 x2 − x1
y2 − y1
Na equação 1, observamos que a razão é um valor constante, já que que (x1,y1)
x2 − x1
e (x2,y2) são coordenadas de dois pontos conhecidos da reta, isto é, x1, y1, x2 e y2 não
são variáveis, e sim números conhecidos. Tal constante, denominamos de coeficiente
angular da reta e de agora em diante vamos denotá-lo pela letra “a”.
E a outra razão presente na equação 1? A razão y − y1 não é

x − x1
uma constante, já que x e y são coordenadas de pontos distin-
tos do plano cartesiano, logo x e y são valores que não conhe-
cemos, sendo, portanto, valores incógnitos.
Bem, retornando aos estudos do coeficiente angular.
O coeficiente angular é facilmente encontrado dividindo a variação das ordenadas

(∆y) dos pontos conhecidos da reta pela variação de suas abscissas (∆x).
A variação das ordenadas pode ser escrita como:
∆y = y2 - y1 ou ∆y = y1 – y2
Enquanto a variação das abscissas é:
∆x = x2 - x1 ou ∆x = x1 – x2
É importante observar que não importa qual das formas escolhemos para calcular a
variação das coordenadas, desde que as duas variações, tanto das ordenadas quanto
das abscissas, sejam semelhantes.

36 SUMÁRIO
Imagine que queremos calcular o coeficiente angular da reta

formada por dois pontos conhecidos: A (-4,-3) e B (-2,5). Consi-
derando as coordenadas do ponto A como sendo x1 e y1 e as
do ponto B como A x2 e y2, temos as seguintes variações das
ordenadas e abscissas:
∆y = y2 - y1 = 5 – (-3) = 8 ou ∆y = y1 – y2 = -3 – (5) = -8
∆x = x2 - x1 = -2 – (-4) = 2 ou ∆x = x1 – x2 = -4 – (-2) = -2
Verificamos que as variações podem apresentar valores diferentes, de

acordo com a ordem que escolhemos para calculá-las. No entanto, a razão
entre a variação das ordenadas (∆y) pela variação de suas abscissas (∆x)
deve ser sempre igual. Assim temos:
∆y y2 − y1 8
= = =4
∆x x2 − x1 2
ou
∆y y1 − y2 −8
= = =4
∆x x1 − x2 −2
Nesse exemplo, podemos então dizer que o coeficiente angular da reta

que liga os pontos A (-4,-3) e B (-2,5) é igual a 4.
Para encontrarmos a equação da reta na forma ponto-coeficiente angular, basta

substituirmos o valor do coeficiente angular na equação 1:
y − y1
=a
x − x1
Organizando a equação, temos:
y - y1 = a (x – x1)

SUMÁRIO 37
Essa equação é conhecida como a equação da reta na forma ponto-coeficiente an-

gular.
Agora vamos trabalhar essa equação para encontrarmos a equação reduzida da reta.
Vejamos:
y - y1 = a (x – x1)
Se isolarmos y nessa equação, obtemos:
y = ax – ax1 + y1
Podemos observar que o termo “– ax1 + y1” é constante, uma vez que conhecemos as
coordenadas do ponto P1 (x1,y1) e o valor do coeficiente angular, já que também te-
mos as coordenadas do ponto P2 (x2,y2). Essa constante é conhecida como coeficiente
linear da reta e será representada pela letra “b”.
Podemos reescrever a equação como:
2.
y = ax + b
A equação 2 é denominada equação reduzida da reta. Nessa equação, o “a” é o coe-

ficiente angular, e “b”, o coeficiente linear.
Fique atento! Para considerarmos o “a” como coeficiente an-

gular e o “b” como coeficiente linear, necessariamente o y da
equação deve estar isolado.

38 SUMÁRIO
Vamos aplicar esse conhecimento em um exemplo?
Imagine que queremos encontrar a equação da reta definida

pelos pontos (-1,-3) e (-2,-5).
O primeiro passo é determinarmos o seu coeficiente angular:

∆y −5 − (−3) ∆y −3 − (−5)
a= = ou poderia ser calculado como a = = = 2.
∆x −2 − (−1) ∆x −1 − (−2)
A seguir, podemos usar qualquer um dos dois pontos para encontrarmos

a equação na forma ponto coeficiente. Vamos escolher o ponto (-2,-5). As-
sim, temos:
y + 5 = 2 (x + 2)
Em seguida, devemos isolar a variável y para encontrarmos a equação re-

duzida:
y = 2x + 4 - 5
y = 2x - 1
Se tivéssemos utilizado o ponto (-1,-3) no lugar do ponto (-2,-5), encontra-

ríamos a mesma equação reduzida. Observe o desenvolvimento:
y + 3 = 2(x + 1)
E a forma reduzida:
y = 2x - 1
Podemos observar que a equação da reta em sua forma reduzida é única,

independentemente de qual ponto é usado para escrever a equação.
Quando dizemos que y = 2x - 1 é a equação definida para uma reta, isso

quer dizer que qualquer ponto da reta tem coordenadas que satisfazem
sua equação.
Sendo assim, podemos dizer que o ponto (2,3) pertence a essa reta? Sim, já
que se substituirmos as coordenadas do ponto na equação, ela é satisfeita
(3 = 2.2 - 1).
Já o ponto (-3,-9) não pertence a essa reta, já que substituindo as coorde-

nadas do ponto na equação, ela não é satisfeita (-9 = 2.-3 - 1).

SUMÁRIO 39
Temos também a equação geral da reta, que é expressa por:
Ax + By + C = 0, na qual o valor de A, B e C são constantes reais

e A e B não são ao mesmo tempo nulos.
No exemplo, a equação geral da reta seria: 2x – y -1 = 0.
2.2 ESTUDO DO COEFICIENTE ANGULAR E

COEFICIENTE LINEAR
Vamos observar a figura 2 para apreendermos de forma geométrica o significado dos

coeficientes angular e linear. A figura mostra a reta que une os pontos P1 (x1,y1) e P2
(x2,y2).
FIGURA 12 - COEFICIENTES DE UMA RETA
Para encontrarmos o valor do coeficiente linear, basta fazermos x = 0 na equação da

reta (equação 2), então obtemos y = b. O que isso significa?
Significa que o ponto (0,b) pertence à reta e que o coeficiente linear é a ordenada do
ponto em que a reta intercepta o eixo y.

40 SUMÁRIO
Já para encontrarmos o coeficiente angular da reta, vamos observar o ângulo α, for-

mado pela reta e pelo eixo das abscissas no sentido positivo (sentido anti-horário).
Denominamos esse ângulo de inclinação da reta. Podemos observar que o coefi-
ciente angular da reta é o valor da tangente dessa inclinação. A tangente calcula-se
dividindo o valor do cateto oposto ao ângulo (∆y) pelo cateto adjacente ao ângulo
(∆x). Nesse caso, temos:
a = tg α = ∆y/∆x
De acordo com o valor do coeficiente angular da reta, somos capazes de dizer se ela
é horizontal, vertical, crescente ou decrescente. Vamos estudar as retas horizontais e
verticais?
2.3 RETAS HORIZONTAIS E VERTICAIS
Muito bem, se uma reta for horizontal, conforme apresentado na figura 3(a), então
sua inclinação é nula e, consequentemente, seu coeficiente angular é zero, pois tg (0)
= 0. Nesse caso, a equação reduzida da reta (y = ax +b) se reduz a y = b.
Dessa forma, toda equação da forma y = constante é equação de uma reta horizontal.
FIGURA 13 - RETA HORIZONTAL E RETA VERTICAL
a) b)
a. Reta horizontal: α =0, a = 0
b. Reta vertical: α =90º, a ∄


SUMÁRIO 41
Se uma reta for vertical, conforme apresentado na figura 3(b), então sua inclinação é
de 90° e, consequentemente, seu coeficiente angular não existe, pois tg (90°) ∄. Nesse
caso, sua equação é da forma x = constante.
Assim, toda equação da forma x = constante é equação de uma reta vertical.
E quando o ângulo α for diferente de 0º e 90º? Neste caso, podemos ter retas crescen-
tes ou decrescentes!
2.4 RETAS CRESCENTES E DECRESCENTES
Se o ângulo α formado entre a reta e o eixo das abscissas no sentido positivo estiver
variando no intervalo de ]0, 90º[ (o ângulo varia no intervalo de 0 a 90º, excluindo os
valores de extremidade), conforme exemplificado na figura 4(a), dizemos que a reta
é crescente. O valor das tangentes dos ângulos neste intervalo é positivo, logo seus
coeficientes angulares também são positivos (a>0).
FIGURA 14 - RETA CRESCENTE E RETA DESCRESCENTE
a) b)
a. Reta crescente: 0 < α < 90º, a > 0
b. Reta decrescente: 90º < α < 180º, a > 0

Já quando temos o ângulo α no intervalo de ]90º, 180º[, conforme ilustrado na figura

4(b), dizemos que a reta é decrescente. O valor das tangentes dos ângulos neste in-
tervalo é negativo, logo seus coeficientes angulares também são negativos (a<0).

42 SUMÁRIO
Vamos então relembrar:
a > 0, temos retas crescentes (0 < α < 90º).
a < 0, temos retas decrescentes (90º < α < 180º).
a = 0, temos retas horizontais.
Quando o a não existe, temos retas verticais.
Vamos fazer alguns exemplos?
Calcule o coeficiente angular das retas abaixo, classifique-as

quanto ao seu coeficiente angular e desenhe seu gráfico.
a) Reta que passa pelos pontos P1 (1,2) e P2 (3,6).
Cálculo do coeficiente angular:
∆y 6 − 2
a= = =2
∆c 3 − 1
a > 0, logo a reta é crescente.
A figura 5 mostra o gráfico da reta que une os pontos P1 (1,2) e P2 (3,6).
FIGURA 15 - RETA QUE UNE OS PONTOS P1 (1,2) E P2 (3,6)

SUMÁRIO 43
b) Reta que passa pelos pontos P1 (1,-1) e P2 (-2,2)
∆y 2 − (−1)
a= = = −1
∆x −2 − 1
a < 0, logo a reta é decrescente.
A figura 6 mostra o gráfico da reta que une os pontos P1 (1,-1) e P2 (-2,2).
FIGURA 16 - RETA QUE UNE OS PONTOS P1 (1,-1) E P2 (-2,2)
c) Reta que passa pelos pontos P1 (1,1) e P2 (-2,1).
∆y 1−1
a= = =0
∆x 1 − (−2)
a=0, logo a reta é horizontal.
A figura 7 mostra o gráfico da reta que une os pontos P1 (1,1) e P2 (-2,1).

44 SUMÁRIO
FIGURA 17 - RETA QUE UNE OS PONTOS P1 (1,1) E P2 (-2,1)
d) Reta que passa pelos pontos P1 (1,1) e P2 (-2,1).
∆y −2 − 1
a= = =
∆x 1 − 1
a = 0, logo a reta é horizontal.
A figura 8 mostra o gráfico da reta que une os pontos P1 (1,1) e P2 (-2,1).
FIGURA 18 - RETA QUE UNE OS PONTOS P1 (1,1) E P2 (-2,1)

SUMÁRIO 45
Você entendeu o exercício? Alguma dúvida?
Agora vamos estudar duas retas no mesmo plano cartesiano. Elas podem ser parale-
las, perpendiculares ou apenas se cruzarem em um ponto de interseção.
2.5 RETAS PARALELAS E PERPENDICULARES
Para que duas retas sejam paralelas, é necessário que atendam a uma condição: duas
retas serão paralelas se formarem o mesmo ângulo com o eixo das abscissas, tendo,
portanto, os coeficientes angulares iguais. A figura 9(a) mostra duas retas paralelas.
Observe que para as retas serem paralelas, elas devem possuir coeficientes lineares
diferentes, porque senão seriam retas coincidentes (SANTOS e FERRIERA, 2014).
FIGURA 19 - RETAS PARALELAS E PERPENDICULARES
a) b)
a. Retas paralelas a1=a2 = tgα
b. Retas perpendiculares a1a2 = -1

Já a condição de perpendicularismo nos diz que duas retas são perpendiculares

quando o produto de seus coeficientes angulares é igual a -1 (SANTOS e FERRIERA,
2014). Observando a figura 9(b), podemos dizer que as retas são perpendiculares se,
e somente se, os coeficientes angulares a1 e a2 obedecerem à equação:
a1a2 = -1

46 SUMÁRIO
Por exemplo, se uma reta possui coeficiente angular igual a 2, então o coeficiente
angular de qualquer reta perpendicular a ela é igual a -1/2.
Para entender melhor a dedução da condição de perpendicula-

rismo entre duas retas, consulte o livro “Geometria analítica”, de
Fabiano José dos Santos e Silvimar Ferreira, disponível na Biblio-
teca Virtual.
Vamos resolver um exemplo?
Vamos lá! Determine a equação da reta perpendicular à reta x

+ 3y = 4, que passa pelo ponto P (1,3).
A reta dada tem coeficiente angular igual a -1/3, já que, isolan-

do a variável y, temos:
1 4
y =− x+
3 3
A condição de perpendicularismo implica que o coeficiente angular da
reta procurada satisfaz:
 1
a  −  = −1 ∴ a = 3
 3
Assim, a equação da reta procurada é:
y - y1 = a (x – x1)
y – 3 = 3 (x – 1)
y = 3x
Muito bem! E como podemos encontrar o ponto de interseção entre duas

retas?

SUMÁRIO 47
2.6 INTERSEÇÃO DE RETAS
Duas retas do plano se encontram em um ponto de interseção comum às duas retas.

Para encontramos esse ponto, basta resolvermos um sistema que englobe as equa-
ções das duas retas.
Vamos resolver um exemplo:
Encontre o ponto de interseção entre as retas 2y – 5x = -80 e 3y

+ 5x = 130.
Para encontrarmos esse ponto, basta resolvermos o seguinte

sistema:
2 y − 5 x = −80

3 y + 5 x = 130
Para resolvermos um sistema de equações, basta usarmos o método da
substituição ou método da adição.
Nesse caso, vamos usar o método da adição. Somando as duas equações,

temos:
5 y = 50
y = 10
Substituindo o valor de y em qualquer das duas equações, encontraremos

o valor de x.
Vamos substituir na primeira equação:
2y – 5x = -80
20 – 5x = -80
x = 20
Logo, o ponto de interseção às duas retas é (10,20) que é um ponto que faz
parte das duas retas, ou seja, atende a ambas as equações.

48 SUMÁRIO
Agora vamos estudar sobre o ângulo formado entre as duas retas.
2.7 ÂNGULO ENTRE DUAS RETAS
Considere duas retas de equações y = a1x + b1 e y = a2x + b2, que se interceptam no

ponto I, conforme mostra a figura 10.
FIGURA 20 - ÂNGULO ENTRE DUAS RETAS
O ângulo β formado pelas retas é encontrado por meio de β = α – θ, sendo α e θ os ân-

gulos formados pelas retas e o eixo positivo das abscissas (LEHMANN, 1998).
Se considerarmos a fórmula de cálculo da tangente, temos:
tg (α ) − tg (θ )
tg ( β ) = tg (α − θ ) =
1 + tg (α )tg (θ )
Como sabemos que tg (α) = a1 e tg (θ) = a2, temos:
a1 − a2
tg ( β ) =
1 + a1a2

SUMÁRIO 49
Sabemos que quando temos duas retas paralelas, seus coeficientes angulares são
iguais, logo o numerador da equação de tg(β) seria igual a zero, o que levaria a tan-
gente do ângulo igual a zero. Nesse caso, o ângulo β seria igual a zero. Se considerar-
mos as retas perpendiculares, o denominador da equação de tg(β) seria igual a zero, o
que levaria a não existência da tg(β), logo o ângulo β seria igual a 90º (KOHMAN,2010).
Vamos fazer um exemplo: imagine duas retas y = 2x + 1 e y = x

+2. Vamos encontrar o ângulo formado entre elas. O coeficien-
te angular da primeira reta é a1 = 2 e da segunda reta é a2 = 1.
Substituindo na fórmula do cálculo da tangente, temos:
2 −1 1
tg( β ) = = ∴ β = 18, 4º
1 + 2(1) 3
Estamos quase no fim de nossa unidade! Mas antes vamos calcular a dis-
tância de um ponto a uma reta. Podemos começar?
2.8 DISTÂNCIA DE UM PONTO A UMA RETA
Em alguns casos de aplicação da geometria analítica, nos deparamos com a necessi-

dade de calcularmos a distância de um ponto a uma reta.
É fácil observarmos que a distância de um ponto qualquer a uma reta horizontal é

calculada a partir do valor absoluto da diferença entre as ordenadas y. Agora, se pre-
tendemos calcular a distância de um ponto qualquer a uma reta vertical, considera-
mos o valor absoluto da diferença entre as abscissas.
Mas se a reta não é paralela a nenhum dos eixos coordenados, o cálculo da distância
de um ponto genérico do plano P (x0,y0) à reta de equação ax + by + c = 0 (dPr) deve
ser realizado por meio da seguinte formulação:
| axo + by 0 + c |
d Pr =
a 2 + b2

50 SUMÁRIO
Verificamos esse problema na figura 11. Você deve observar que essa distância é a
menor distância do ponto à reta, o que nos leva ao comprimento do segmento de
reta que une o ponto à reta, sendo esse segmento perpendicular à reta.
FIGURA 21 - DISTÂNCIA DO P (X0,Y0) À RETA DE EQUAÇÃO AX + BY + C = 0
Vamos agora resolver um exemplo?
Qual a distância do ponto A(1,2) à reta definida por B(5,7) e

C(-1,-1)?
Inicialmente, vamos definir a equação da reta calculando seu

coeficiente angular:
∆y −1 − 7 −8 4
a= = = = =
∆x −1 − 5 −6 3
Em seguida, aplicamos o coeficiente angular e um ponto qualquer da reta
na equação da reta. Vamos escolher o ponto (5,7). Assim, temos:
y - 7 = 4/3 (x - 5)
Logo, temos:
3 y − 21 = 4 x − 20
a = 4

4 x − 3 y + 1 = 0 b = −3
c = 1

Vamos agora aplicar esses valores na fórmula da distância de um ponto
(1,2) à reta:
| 4(1) − 3(2) + 1 |
d Pr =
42 + (−3) 2
| −1 | 1
d Pr = =
5 5

SUMÁRIO 51
CONCLUSÃO
Nesta unidade, você estudou as definições da reta no plano, aprendeu sobre coe-
ficiente angular, coeficiente linear e as etapas para a determinação da equação de
uma reta. Você percebeu que as equações de retas podem ser representadas em
formas diferentes e compreendeu algumas características dessa importante curva.
Espero que você tenha tido sucesso em seu aprendizado, principalmente na aplica-
ção desse conhecimento adquirido na solução dos exercícios propostos.

52 SUMÁRIO
UNIDADE 3
OBJETIVO
Ao final desta
unidade,
esperamos
que possa:
> Descrever uma matriz e

identifique as matrizes
especiais.
> Aplicar operações

com matrizes:
soma, subtração,
multiplicação por um
escalar, multiplicação
entre matrizes,
igualdade entre
matrizes e matriz
inversa.
> Calcular a
determinante de
matrizes.

SUMÁRIO 53
3 ÁLGEBRA DAS MATRIZES E

DETERMINANTES
Nesta unidade, você aprenderá sobre as matrizes, suas diferentes formas e carac-
terísticas. Também estudará sobre as operações algébricas das matrizes, tais como:
soma, subtração, multiplicação por um escalar, multiplicação entre matrizes e deter-
minação da matriz inversa. Além disso, você aprenderá os métodos para o cálculo de
determinantes de matrizes. E então, está pronto? Podemos começar? Bons estudos
e boa aprendizagem!
3.1 CONCEITUANDO MATRIZES
Uma matriz é, geralmente, representada por uma letra em maiúsculo e suas entra-
das, ou elementos, como também podem ser chamados. Estes são indicados pela
mesma letra, em minúsculo, seguidas de duas informações: a primeira indica a linha
e a segunda indica a coluna em que o parâmetro está posicionado (SANTOS e FER-
REIRA, 2014).
De forma geral, a matriz A pode ser apresentada como a seguir:
 a11 a12 a13 a1n 

a 
 21 a22 a23 a2 n 
A =  a31 a32 a33 a3n 
 
 
a 
 m1 am 2 am 3 amn 
Chamamos essa matriz de A, de ordem n x p, em que o “n” identifica a quantidade de
linhas e o “p” identifica a quantidade de colunas, sendo escrito simplesmente A(nxp)
(STEINBRUCH e LIPSON, 2004). Se n é igual a p, costuma-se escrever, por exemplo,
A4, se a ordem da matriz for 4x4. Na matriz, observamos os diversos elementos aij, em
que i mostra a linha, e j, a coluna. Como exemplo, observamos o elemento a23 (i = 2
e j = 3), que se localiza na terceira linha e na segunda coluna. Como nomenclatura,

54 SUMÁRIO
chamamos essa matriz de A = (aij)nxp em que:
1 ≤ i ≤ n(linhas )

1 ≤ j ≤ p (colunas )
Algumas observações sobre as matrizes:
a. são geralmente escritas em colchetes, parênteses ou barras verticais;
b. a matriz segue a seguinte ordem: as linhas são consideradas de cima para baixo,
e as colunas, da esquerda para a direita.
O quadro 1 apresenta alguns exemplos de matrizes e sua ordem.
QUADRO 1 - EXEMPLOS DE MATRIZES
EXEMPLOS MATRIZES ORDEM DA MATRIZ
1 −2 3 
K=
4 2 
Exemplo 1: matriz 2 x 3
0
 4 0
Exemplo 2: W=  matriz 2 x 2
 −1 1 
3 −2 5
1 0 2
Exemplo 3 G= 0 4 3 matriz 4 x 3
1
−1 −6
2
3.2 MATRIZES ESPECIAIS
Existem algumas características das matrizes que as classificam como especiais. Va-
mos agora estudá-las.

SUMÁRIO 55
3.2.1 MATRIZ QUADRADA
São as matrizes que apresentam o número das linhas iguais ao número das colunas.
Nesse caso, temos n = p, então dizemos que a matriz possui ordem igual a n.
 5 6 4 0

0 

A2 x 2 =  B3 =  0 −1 3
 −2 −1 2
 − 9 3 
No primeiro exemplo, a matriz possui duas linhas e duas colunas (ordem = 2), já no
segundo exemplo, a matriz possui três linhas e três colunas (ordem = 3).
Quando estudamos a matriz quadrada, percebemos que ela possui duas diagonais:
• Diagonal principal: entradas da matriz, em que i = j.
• Diagonal secundária: entradas da matriz, em que i + j = n + 1, sendo n a ordem

da matriz.
Vamos observar a seguinte matriz:
0 2 4
 
K 3 =  3 6 −3 
 3 7 −1 
 
Quais são as características dessa matriz? Vejamos:
• A matriz é quadrada, de três linhas e três colunas (ordem = 3).
• As entradas da diagonal conhecida como principal da matriz K são: 0, 6 e –1.
• As entradas da diagonal conhecida como secundária da matriz K são: 4, 6 e 3.
• a22 = 6. Esse elemento é encontrado na segunda linha e segunda coluna de K

e pertence tanto à diagonal principal quanto à secundária, uma vez que aten-
de às condições i=j (segunda linha = segunda coluna) e i + j = n + 1 (segunda
linha + segunda coluna = ordem 3+1).

56 SUMÁRIO
3.2.2 MATRIZ NULA
São as matrizes que apresentam todas as suas entradas nulas. Nesse caso, aij é zero
para todas as linhas e colunas.
0 0 0  0
A2 x 3 =  K 3x1 = 0 
0 0 0  0 
3.2.3 MATRIZ LINHA
São as matrizes que possuem apenas uma linha. Nesse caso, são todas as matrizes
do tipo 1 x n.
A1x 4 = ( 4 7 −3 1) A1 x 3 = [ 2 3 53]
3.2.4 MATRIZ COLUNA
São as matrizes que possuem apenas uma coluna. Nesse caso, são todas as matrizes
do tipo m x 1.
 −4  4
5
B3 x1 =  1  B4 x1 =  
7 
 0   
0

SUMÁRIO 57
3.2.5 MATRIZ DIAGONAL
São as matrizes quadradas nas quais somente as entradas da diagonal principal são
não nulas. Nesse caso, todas as entradas não pertencentes à diagonal principal são
nulas. Dessa forma, podemos dizer que aij= 0 para i ≠ j.
7 0   −8 0 0 
A2 =   K3 x3
 
=  0 −4 0 
0 6  0 0 −2 
 
3.2.6 MATRIZ IDENTIDADE
São as matrizes quadradas, nas quais as entradas da diagonal principal são unitárias
e todas as demais entradas são nulas. A matriz identidade, também chamada de
matriz unitária, é escrita como, na qual o valor n aponta a ordem da matriz. Para esse
tipo de matriz, temos aij = 1 para i = j e aij= 0 para i ≠ j.
1 0  1 0 0
I2 =   I3x3
 
= 0 1 0
 0 1  0 0 1
 
3.2.7 MATRIZ TRANSPOSTA
A matriz transposta de uma matriz B, por exemplo, é a matriz elaborada partindo das
entradas de A, em que se trocam as informações de linhas e colunas. A notação da
matriz transposta nesse caso seria Bt.
 2 −1 
 2 3 0
Tendo B =  B t = 3 −2  .
 , então sua transposta é
 −1 −2 1  0 1

58 SUMÁRIO
Observe que a matriz B possui ordem m x p, sua transposta Bt será do tipo p x m. As en-
tradas da primeira linha de B são iguais às entradas da primeira coluna de Bt, enquanto
as entradas da segunda linha de B são iguais às entradas da segunda coluna de Bt.
3.2.8 MATRIZ SIMÉTRICA
São as matrizes quadradas em que aij = aji. Nesse caso, quando a matriz for igual à sua
transposta, essas serão matrizes simétricas.
Considerando as duas matrizes:
2 3 1 2 3 1
   
A =  3 2 4 B =  3 2 4
1 4 5 1 4 5
 3 x 3  3 x 3
Podemos dizer que são matrizes simétricas, uma vez que B é transposta de A.
3.2.9 MATRIZ OPOSTA
Dizemos que uma matriz é oposta de outra (por exemplo, de A), quando as suas en-
tradas são as mesmas de A, com sinais trocados. A notação desse tipo de matriz é – A.
 −5 0 5 0
Se A =  − A =  −9 1 
, então .
9 -1  

SUMÁRIO 59
3.2.10 MATRIZES IGUAIS
São matrizes iguais aquelas em que as entradas na mesma posição possuem valores
iguais.
 −2 5   −2 c
Se a matriz A =  B = 1 3
 é igual à matriz ,
 1 b 
tem-se que c = 5 e b = 3.
Nesse caso, temos:
A = B ⇔ aij = bij
Agora que conhecemos as características das matrizes especiais, vamos estudar suas
operações.
3.3 ÁLGEBRA DAS MATRIZES
É interessante observar que qualquer que seja a operação que se faça a uma matriz,
o resultado sempre será outra matriz.
3.3.1 SOMA DE MATRIZES
Vamos considerar as matrizes A e K de mesmo tamanho (n x p). A adição de A e K, de-

notada por A + K, é a matriz obtida somando-se as entradas de A e K. Dessa forma, se
A + K = R, temos que as entradas de R serão dadas por rij = aij + bij para todas as linhas
e colunas.
As propriedades para a operação de adição entre matrizes do mesmo tipo podem ser
consultadas a seguir:

60 SUMÁRIO
• Associativa: (A + K) + R = A + (K + R).
• Comutativa: A + K = K + A.
• Elemento neutro: A + W = W + A = A, na qual W é uma matriz nula de m linhas

e n colunas.
• Elemento oposto: B + (-B) = (-B) + B = W.
Exemplo 1:
1 4   2 −1  1 + 2 4 + ( −1)   3 3
0 7  + 0 2 = = 
     0 + 0 7 + 2  0 9 
Exemplo 2:
2 3 0  3 1 1  2 + 3 3 +1 0 + 1  5 4 1 
0 + = =
 1 −1  1 -1 2  0 + 1 1 + ( −1) −1 + 2  1 0 1
Observe que, para somarmos duas matrizes, basta somarmos os seus ele-
mentos de mesma posição.
3.3.2 DIFERENÇAS DE MATRIZES
Sejam duas matrizes A= [aij]mxn e B = [bij]mxn de mesmo tamanho m x n. A diferença

de A e B, denotada por A – B, é a matriz obtida somando-se as entradas de A com as
entradas de matriz oposta de B.
Exemplo:
3 0  1 2 3 0   −1 -2   3 − 1 0 − 2   2 −2 
4 − = + = =
 −7  0 -2   4 −7   0 2   4 + 0 −7 + 2   4 −5

SUMÁRIO 61
3.3.3 MULTIPLICAÇÃO DE UMA MATRIZ POR UM

ESCALAR
O produto da matriz A, do tipo m x n, por um escalar k (kA), é a matriz C do tipo m x

n, obtida pelo produto de cada entrada de A pelo escalar k. Nesse caso, escrevemos
C = kA, em que cada entrada cij é tal que cij = kaij.
Para a operação de multiplicação de matriz do tipo m x n por um escalar, temos as

seguintes propriedades:
• Associativa: k1 . ( k2.A) = (k1. k2).A.
• Distributiva: k . (A+B) = k.A + k.B.
• Distributiva: (k1 + k2) . A = k1 . A + k2 . A.
• Elemento neutro: k.A = A, para k = 1, ou seja: 1.A = A.
• Quando o escalar é zero: 0⋅A = 0, em que o primeiro “0” é um escalar e o segun-

do é uma matriz nula.
Exemplo:
 2 7   3.2 3.7   6 21

3.   =  = 
 −1 0   3. ( −1) 3. 0   −3 0 
Agora vamos estudar a multiplicação entre matrizes. Fique atento!
3.3.4 3.4 MULTIPLICAÇÃO DE MATRIZES
O procedimento para o cálculo da multiplicação entre matrizes não é análogo à mul-

tiplicação por um escalar. Dessa forma, o produto entre matrizes não é feito por meio
da multiplicação dos seus respectivos elementos.

62 SUMÁRIO
Dessa maneira, a multiplicação das matrizes A = [aij]mxp pela B = [bij]pxn tem como re-
sultado a matriz C = [cij]mxn. As entradas cij são encontradas por meio da soma entre
a multiplicação das entradas das linhas de A pelas entradas das colunas de B. Dessa
forma, só será possível a multiplicação entre A e B se a quantidade das colunas de A
(p) for igual à quantidade das linhas de B (p). Nesse caso, temos:
Am x p e Bp x n ⇒ ( A.B )m x n
Observe que a matriz resultante do produto A e B possui a quantidade das linhas de

A e a mesma quantidade das colunas de B. Dessa forma, temos:
• Se A3 x 2 e B2 x 5 ⇒ ( A.B )3 x 5 .
• Se
A4 x 1 e B2 x 3 ⇒ não existe produto, uma vez que a quantidade das colunas
de A é diferente da quantidade das linhas de B.
• Se A4 x 2 e B2 x 1 ⇒ ( A.B )4 x 1 .
Na operação de multiplicação entre matrizes as seguintes propriedades são válidas:
• Associativa: (A . K) . W = A . (K.W).
• Distributiva: A . (K+W) = A . K + A . W ou (A+K) . W = A . W + K . W.
• Elemento neutro: K.In = In.K = K; em que In é a matriz identidade de ordem n.
Temos de ter atenção redobrada para a multiplicação entre matrizes, uma vez que as
seguintes propriedades não são aplicadas:
• Comutativa: em geral, A.C ≠ C.A.
• Tendo uma matriz nula Omxn como resultado de uma multiplicação entre ma-
trizes, isso não implica que uma das matrizes seja nula, ou seja, se A.B = Omxn,
não implica que A = Omxn ou B = Omxn.

SUMÁRIO 63
 2 3 1 2 
Se A=  e B = 3 4  , calcule A.B e B.A e faça uma
 4 1  
comparação dos resultados.
 2 3 1 2 
A.B =   . 3 4 
 4 1   
a11 = 1ª linha e 1ª coluna = 2.1 + 3.3 = 2 + 9 = 11
a12 = 1ª linha e 2ª coluna = 2.2 + 3.4 =4 + 12 = 16
Dessa forma, temos:
 2 3 1 2   2.1 + 3.3 2.2 + 3.4   2 + 9 4 + 12  11 16 

A.B =   .  = = = 
 4 1 2 x 2 3 4  2 x 2  4.1 + 1.3 4.2 + 1.4   4 + 3 8 + 4   7 12  2 x 2
1 2   2 3 1.2 + 2.4 1.3 + 2.1  2 + 8 3 + 2  10 5 

B. A =   .  = = = 
3 4  2 x 2  4 1 2 x 2 3.2 + 4.4 3.3 + 4.1 6 + 16 9 + 4   22 13 2 x 2
Observe que os resultados encontrados em A.B ≠ B.A. Nesse caso, para a

multiplicação de matrizes, a propriedade comutativa não se observa.

64 SUMÁRIO
Calcule A.B e B.A com os seguintes dados
 2 3
 1 2 3
A =  0 1  eB= 
 −1 4  3 x 2  −2 0 4  2 x 3 , determine:
 2 3  2.1 + 3.(−2) 2.2 + 3.0 2.3 + 3.4 

   1 2 3 
AB =  0 1  .  =  0.1 + 1.(−2) 0.2 + 1.0 0.3 + 1.4 
−2 0 4  2 x 3
 −1 4  3 x 2   −1.1 + 4.(−2) −1.2 + 4.0 −1.3 + 4.4  3 x 3
 2 + (−6) 4+0 6 + 12   −4 4 18

=  0 + (−2) 0+0 0+4   
=  −2 0 4 
 −1 + (−8) −2 + 0 −3 + 16  3 x 3  −9 −2 13 3 x 3
 2 3
 1 2 3   1.2 + 2.0 + 3.(−1) 1.(3) + 2.(1) + 3.(4) 
BA=    0 1  = 
 −2 0 4  2 x 3  −1 4   −2.(2) + 0.(0) + 4.(−1) −2.(3) + 0.(1) + 4.4  2 x 2
 3 x 2
 2 + 0 + (−3) 3 + 2 + 12   −1 17 
=  = 
 −4 + 0 + (−4) −6 + 0 + 16  2 x 2  −8 10  2 x 2
Novamente, observamos que A.B ≠ B.A.
Agora vamos estudar a matriz inversa! Podemos começar?
3.3.5 MATRIZ INVERSA
A matriz inversa da matriz quadrada A de ordem n é encontrada por meio de uma

matriz B, tal que o produto encontrado entre elas seja uma matriz identidade de
ordem n. Dessa forma, dizemos que B é a inversa de A e é representada por A−1. Você
deve recordar que a matriz identidade de ordem n (In) é uma matriz em que as en-
tradas de sua diagonal principal são iguais a 1, são unitárias, e as demais entradas são
iguais a 0. Dessa forma, temos:
A.A−1 = A−1.A = In.

SUMÁRIO 65
Observe que, se a matriz inversa de A existir, esta deve ser de mesma ordem de A.
 1 2
Encontre a matriz inversa da matriz A =   .
 −2 1  2 x 2
Primeira etapa da solução: consideramos a condição: A.A−1 = In e determi-

namos A−1:
 1 2 a b  1 0
A.A −1 = I n . ⇒   .   =  ⇒
 −2 1  2 x 2  c d  2 x 2 0 1  2 x 2
 1.a + 2.c 1.b + 2.d  1 0
⇒ = ⇒

 −2.a + 1.c -2.b + 1.d  2 x 2 0 1  2 x 2
 a + 2c b + 2d  1 0 
⇒ =
 −2a + c

-2b + d  2 x 2 0 1  2 x 2
Considerando que as matrizes são iguais e resolvendo o sistema de equa-

ções, temos:
 2  1
 a + 2c = 1 (-2)  c = 5  b + 2d = 0 (-2)  d = 5
 ⇒  ⇒
−2a + c = 0 ↵ ⊕ a=1 −2b + d = 1 ↵ ⊕  b=−2
 5  5
1 −2 
a b  5 5
Dessa forma, temos: A =  −1
 =
c d 2 x 2  2 1 
 5 5 2 x 2
1 −2 
5 5
Logo, A é inversa de A e pode ser representada por: A = 
−1
-1
.
2 1 
 5 5 2 x 2
Apesar de muitos cálculos, encontrar a matriz inversa não é difícil, não é

mesmo?
Agora vamos dar mais um passo importante na construção do conhecimento e estu-

dar os determinantes de uma matriz. Vamos lá?

66 SUMÁRIO
3.4 DETERMINANTES DE UMA MATRIZ
Podemos definir determinante como um número relacionado a uma matriz quadrada.
Antes de aprendermos a calcular um determinante, vamos conhecer algumas infor-

mações necessárias para auxiliar na melhor compreensão do tema.
• Ordem de um determinante: chama-se ordem do determinante a ordem da

matriz a que o mesmo corresponde. Assim, se a matriz é de ordem 4, o deter-
minante também terá ordem 4.
• A notação do determinante da matriz A é det A.
• O valor do determinante de uma matriz qualquer é sempre um número real.
Vamos começar? Iniciaremos com o cálculo da determinante de matrizes que pos-

suem apenas uma linha e uma coluna (ordem = 1).
Dada uma matriz quadrada de ordem igual a um, por exemplo, a matriz A = [a11], o
determinante da matriz A será igual à entrada a11.
Exemplo 1: A1 = [10] ⇒ det A1 = 10
Exemplo 2: A1 = [ −3] ⇒ det A1 = −3
Fácil, não é mesmo? E a determinante de matrizes de ordem igual a dois?
 a11 a12 
Imagine a matriz A =  . O seu determinante é encontrado a partir de:
 a21 a22 
a a12 
det A =  11 = a a − ( a12 a21 )
 a21 a22  11 22
Dessa forma, temos:
det A = a11a22 − ( a12 a21 )

SUMÁRIO 67
Vamos fazer um exemplo?
2 3
Sendo A =   , então:
5 4
2 3
det A = = 2 ⋅ 4 − 3 ⋅ 5 = 8 − 15 = −7 logo, temos: det A = -7.
5 4
Observe a notação utilizada para o determinante! Também podemos usar

barras verticais.
O determinante de uma matriz de ordem igual a dois é calcu-

lado por meio da diferença entre a multiplicação das entradas
dos elementos da diagonal principal e a multiplicação das en-
tradas da diagonal secundária.
Para nos auxiliar no cálculo dos determinantes de matrizes de ordem di-

ferente de 1 ou 2, vamos conhecer alguns conceitos importantes: menor
complementar e cofator.
3.4.1 MENOR COMPLEMENTAR
Considere a matriz quadrada An de ordem n ≥ 2 e aij um elemento qualquer dessa

matriz. Denominamos de menor complementar do elemento aij, denotado por Mij,
como sendo o determinante da matriz que se obtém eliminando a linha i e também
a coluna j que passam por aij.

68 SUMÁRIO
 1 2 −3
Considere a matriz A =  0 1 2  , vamos determinar: M11,
 −1 −2 2 
M32 e M23.
Cálculo de M11: determinante obtido quando se elimina a primeira linha

e a primeira coluna de A.
 1 2
M 11 =   = 1.2 − ( 2. − 2 ) = 6
 −2 2 
Cálculo de M32: determinante obtido quando se retira a terceira linha e a

segunda coluna de A.
1 −3
M 32 =   = 1.2 − ( −3.0 ) = 2
0 2 
Cálculo de M23: determinante obtido quando se retira a segunda linha e

a terceira coluna de A.
1 2
M 23 =   = 1. − 2 − ( 2. − 1) = 0
 −1 −2 
3.4.2 COFATOR
Sendo a matriz quadrada An de ordem n ≥ 2 e aij um elemento qualquer dessa matriz,

denominamos de cofator ou complemento algébrico do elemento aij, denotado por
Cij, como sendo: Cij = (-1)i+j. Mij.

SUMÁRIO 69
 1 2 −3
Sendo a matriz A =  0 1 2  , vamos determinar: C22, C13 e C31.
 −1 −2 2 
Cálculo de C22:
1 −3
( −1) ( −1) = 1.[1.2 − ( −3. − 1)] = −1
2+ 2 4
C22 = .M 22 =
−1 2
Cálculo de C13:
0 1
( −1) ( −1) = 1.[0.2 − (1. − 1)] = 1
1+ 3 4
C13 = .M13 =
−1 2
Cálculo de C23:
1 2
( −1) ( −1) = −1.[1. − 2 − ( 2. − 1)] = 0
2+3 5
C23 = .M 23 =
−1 −2
Com esses conhecimentos, podemos calcular a determinante de qual-

quer ordem!
3.4.3 TEOREMA DE LAPLACE
O teorema de Laplace é um método que nos auxilia a encontrar o determinante de

uma matriz quadrada de ordem n (KOLMAN, 2010). Seja uma matriz An, de ordem n
≥ 2, seu determinante pode ser calculado por meio da adição dos produtos das en-
tradas de uma fila qualquer (linha ou coluna) pelos seus respectivos cofatores. Nesse
caso, temos:
m
det A = ∑ aij Cij
i =1
m
em que ∑
i =1
é o somatório das entradas i, variando de 1 até m e Cij que o cofator ij.

70 SUMÁRIO
Encontre o determinante da matriz A3 utilizandoo teorema de
2 3 −4
Laplace: A3 = −2 1 2
0 5 6
Definindo o determinante de A3:
Inicialmente, escolhemos a linha ou coluna que vamos trabalhar. Vamos

aplicar o teorema de Laplace na linha 3. Nesse caso, temos:
3 −4 2 −4 2 3
det A3 = 0 (-1)3+3 5) (-1)3+ 2
+ ( + 6 (-1)3+3
a31 1 2 −2 2 −2 1
a32 a33
A31 ( cofator 31) CofatorA32 ( cofator 32 ) CofatorA33 ( cofator 33)
2 -4 2 3
det A3 = 0 − 5 +6
-2 2 −2 1
det A3 = -5(4 − 8) + 6(2 + 6) = -5(-4) + 6(8) = 20 + 48 = 68
Logo, o determinante da matriz A3 é igual a 68.
Você agora poderia escolher outra linha ou coluna (como a coluna 1) para
aplicar o teorema de Laplace. O seu resultado deve ser igual a 68!
É sempre interessante escolhermos a fila que apresenta mais números ze-

ros, uma vez que anula o termo ao ser multiplicado pelo cofator.

SUMÁRIO 71
Encontre o determinante de A4 utilizando o teorema de
2 3 4 −1
0 0 2 0
Laplace: A 4 = .
3 −1 1 1
−1 0 2 3
Definindo o determinante de A3:
Inicialmente, escolhemos a linha ou coluna que vamos trabalhar. Vamos

aplicar o teorema de Laplace na segunda linha, já que esta apresenta três
elementos iguais a zero. Nesse caso, temos:
2 3 −1
2+3
det A4 = 0 + 0 + 2(−1) 3 −1 1
−1 0 3

D
C23
Agora vamos calcular a determinante da matriz C23 por meio do teorema

de Laplace na segunda coluna (temos um dos elementos nulo). Assim,
obtemos:
3 1 2 −1
C23 = 3(-1)1+ 2 + −1(−1) 2+ 2 +0
-1 3 −1 3
C23 = −3(9 + 1) − 1(6
6 − 1) = −30 − 5 = −35
Substituindo o valor encontrado na equação do determinante de A4, temos:
2 3 −1
2+3
det A4 = 0 + 0 + 2(−1) 3 −1 1
−1 0 3

D
C23
det A 4 = − 2 ( 35 ) = − 70
O que achou do exercício? Fácil, não é mesmo? Agora vamos estudar outro
método para o cálculo de determinantes: o dispositivo prático de Sarrus.
Podemos começar?

72 SUMÁRIO
3.4.4 REGRA DE SARRUS
A regra de Sarrus é um dispositivo prático para o cálculo de determinantes de terceira

ordem. Para tanto, precisamos seguir as seguintes etapas:
1. Repetir as duas primeiras colunas da matriz ao lado da terceira coluna;
2. Calcular a soma entre a multiplicação das entradas da diagonal principal e tam-

bém as duas multiplicações obtidas com as entradas das paralelas a essa diago-
nal. O sinal positivo antecede essa adição;
3. Calcular a soma entre a multiplicação das entradas da diagonal secundária e

também as duas multiplicações obtidas com as entradas das paralelas a essa
diagonal. O sinal negativo antecede essa adição.
Dessa forma, vamos aplicar a regra de Sarrus para o cálculo da determinante, consi-
derando a matriz A de ordem 3:
a11 a12 a13

A3 = a21 a22 a23
a31 a32 a33
Inicialmente, repetimos as duas primeiras colunas ao lado da terceira coluna:
a11 a12 a13 a11 a12

A3 = a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
Depois, calculamos a soma entre a multiplicação das entradas da diagonal principal
e as duas multiplicações obtidas com as entradas das paralelas a essa diagonal. O
sinal positivo antecede essa adição:
= + ( a11a22 a33 + a12 a23 a31 + a13 a21a32 )
Em seguida, calculamos a soma entre a multiplicação das entradas da diagonal se-

cundária e as duas multiplicações obtidas com as entradas das paralelas a essa dia-
gonal. O sinal negativo antecede essa adição:
= − ( a13 a22 a31 + a11a23 a32 + a12 a21a33 )

SUMÁRIO 73
Para o cálculo da determinante usando a regra de Sarrus, basta somarmos os resul-

tados. Assim, temos:
DetA3 = − ( a13 a22 a31 + a11a23 a32 + a12 a21a33 ) + ( a11a22 a33 + a12 a23 a31 + a13 a21a32 )
Faça o cálculo dessa determinante utilizando o teorema de

Laplace. Você verá que encontrará o mesmo valor.
Você não deve se esquecer de que esse dispositivo só se aplica

ao cálculo de determinantes de terceira ordem!
Encontre o determinante da matriz A3 utilizando o dispositivo
2 3 −1
de Sarrus: A3 = 4 1 2.
−3 2 1
O primeiro passo é repetir as duas primeiras colunas da matriz ao lado da

terceira coluna:
2 3 −1 2 3
A3 = 4 1 2 4 1
−3 2 1 -3 2
Depois, devemos proceder com os cálculos, conforme apresentado a se-

guir:
detA3 = [(2.1.1) + (3.2.-3) + (-1.4.2)] – [(-1.1.-3) + (2.2.2) + (3.4.1)] = -47

74 SUMÁRIO
Encontre o determinante da matriz A4:

2 -1 0 1
0 0 1 2
A4 =
1 0 -1 0
0 1 1 0
Como a matriz é de ordem 4, não podemos aplicar o dispositivo prático de

Sarrus. Então calculamos o determinante por meio do teorema de Lapace.
Inicialmente, escolhemos uma fila para aplicarmos o teorema. Vamos esco-

lher a coluna 1, visto apresentar dois elementos neutros. Diante disso, temos:
0 1 2 −1 0 1
1+1 3+1
detA 4 = 2(−1) 0 -1 0 + 0 + 1(−1) 0 1 2 +0
1 1 0 1 1 0

C11 ''
C31
Procedendo ao cálculo do determinante de C11 e C31 por meio da regra de

Sarrus, temos:
Determinante de C11:
0 1 2 0 1
C11 = 0 -1 0 0 -1
1 1 0 1 1
detC11 = ( 0. − 1.0 ) + (1.0.1) + ( 2.0.1) ( 2. − 1.1) + ( 0.0.1) + (1.0.0 )  = 2
Determinante de C31:
-1 0 1 -1 0
C31 = 0 1 2 0 1
1 1 0 1 1
detC31 = ( −1.1.0 ) + ( 0.2.1) + (1.0.1)  (1.1.1) + ( −1.2.1) + ( 0.0.0 )  = 1
Logo, temos:
detA 4 = 2(−1)1+1 (2) + 0 + 1(−1)3+1 (1) + 0

det A 4 = 4 + 1 = 5

SUMÁRIO 75
3.4.5 PROPRIEDADES DOS DETERMINANTES
Vamos estudar algumas das principais propriedades dos determinantes que nos au-
xiliam no cálculo de seu determinante.
Propriedade 1: o determinante de uma matriz é nulo quando esta tem uma linha ou
coluna com elementos nulos.
Propriedade 2: o determinante de uma matriz é nulo quando esta tem duas filas
(linhas ou colunas) paralelas, com elementos iguais.
Propriedade 3: o determinante de uma matriz é nulo quando esta tem duas filas
(linhas ou colunas) paralelas, com elementos proporcionais.
Propriedade 4: o determinante de uma matriz é igual ao determinante de sua trans-

posta.
Propriedade 5: se multiplicarmos todas as entradas de uma linha ou coluna de uma

matriz por um escalar, o seu determinante também fica multiplicado por esse mes-
mo escalar.
Propriedade 6: se modificarmos as localizações de linhas ou colunas paralelas, o sinal

do determinante dessa matriz se altera.
Propriedade 7: considere uma matriz com as entradas localizadas na parte superior

ou inferior da diagonal principal, todas iguais a zero, o valor do determinante dessa
matriz será igual à multiplicação das entradas dessa diagonal.
Propriedade 8 (teorema de Binet): o valor do determinante de um produto de

duas matrizes é igual à multiplicação de seus determinantes (|AnBn| = |An| |Bn|).
Essa propriedade não se aplica à adição dos determinantes de duas matrizes,
logo |Na + Bn| ≠ |An| + |Bn|.
Propriedade 8 (teorema de Jacobi): somando-se a uma linha ou coluna de uma

determinada matriz An uma outra fila paralela, anteriormente multiplicada por uma
constante, obteremos uma nova matriz Bn, tal que DetA = DetB. Segue um exemplo
desse teorema. O cálculo da determinante foi realizado por meio do aplicativo práti-
co de Sarrus (LEHMANN,1998):

76 SUMÁRIO
1 2 3
2 1 2 = (1.1.3 + 2.2.2 + 2.4.3) − (3.1.2. + 2.2.3 + 2.4.1) = 35 − 26 = 9
2 4 3
Se substituirmos a primeira coluna pelo valor da adição da primeira coluna e o dobro

da segunda coluna, temos:

C1 + 2C2
1+ 2 ⋅ 2 2 3 5 2 3
2 + 1 ⋅ 2 1 2 = 4 1 2 = (5.1.3 + 2.2.110 + 4.4.3) − (3.1.10 + 2.4.5 + 4.2.3) = 9
2 + 4 ⋅ 2 4 3 10 4 3
3.4.6 REGRA DE CHIÓ
A regra de Chió é outra que facilita encontrar o determinante de uma matriz quadra-
da. Essa regra busca mudar a ordem da matriz para uma ordem menor de determi-
nante igual, facilitando, assim, os cálculos.
Encontre o determinante de A4 do exemplo anterior

2 -1 0 1
0 0 1 2
A4 =
1 0 -1 0
0 1 1 0
por meio da aplicação da regra de Chió.
Primeiramente, escolhemos uma coluna qualquer da matriz, preferivel-

mente uma que apresente mais vezes o número zero e, se possível, que
contenha o número 1. Assim, considerando essa entrada, eliminamos a li-
nha e a coluna em que se encontra. No exemplo, vamos escolher a coluna 1.

SUMÁRIO 77
2 -1 0 1
0 0 1 2
A4 =
1 0 -1 0
0 1 1 0
O próximo passo é subtrair do elemento que restou a multiplicação dos ele-

mentos retirados (linha e coluna).
−1 − (0.2) 0 − (−1.2) 1 − (2.0) −1 2 1

0 − (0.0) 1 − (−1.0) 2 − (0.0) = 0 1 2
1 − (0.0) 1 − (−1.00) 0 − (0.0) 1 1 0
Agora vamos multiplicar o determinante da nova matriz (encontrada a

partir da aplicação do dispositivo de Sarrus) por , em que i indica a linha e
j indica a coluna que foi retirada (terceira linha e primeira coluna).
−1 2 1
det A4 = (−1) 3+1
0 1 2 = (−1) 4 ⋅ ( 0 + 4 + 0 − 1 + 2 + 0 )
1 1 0
det A4 = 5
Agora, é preciso que você faça uma consulta nas referencias bibliográficas
da unidade para o desenvolvimento de mais exemplos.
CONCLUSÃO
Chegamos ao final de nossa unidade. Nesta unidade, você aprendeu sobre as ma-
trizes, suas diferentes formas e características. Também estudou sobre as operações
algébricas das matrizes, tais como: soma, subtração, multiplicação por um escalar,
multiplicação entre matrizes e cálculo de matriz inversa. Além disso, você aprendeu
os métodos para o cálculo de determinantes de matrizes. Espero que você tenha
tido sucesso em seu aprendizado, principalmente na aplicação desse conhecimento
adquirido na solução dos exercícios propostos.

78 SUMÁRIO
UNIDADE 4
OBJETIVO
Ao final desta
unidade,
esperamos
que possa:
> Identificar as
características das
equações lineares;
> Identicar um sistema

de equações lineares;
> Aplicar as regras de

Cramer na solução de
sistemas de equações
lineares;
> Aplicar a teoria de

Gauss/escalonamento
na solução de sistemas
de equações lineares.

SUMÁRIO 79
4 SISTEMAS DE EQUAÇÕES
LINEARES
Olá aluno (a), seja bem-vindo (a) a esta nova fase de edificação do seu aprendizado!
Nessa unidade, você aprenderá sobre os sistemas de equações lineares. Inicialmente
estudará o conceito de equação linear e de sistemas de equações lineares. Posterior-
mente você aprenderá as principais técnicas para resolver esses sistemas: regra de
Cramer e técnica de Gauss/escalonamento.
E então, está pronto (a)? Podemos começar? Bons estudos e boa aprendizagem!
4.1 CONCEITO DE EQUAÇÕES LINEARES
Uma equação é denominada equação linear quando possuir a forma geral descrita
a seguir:
a1 x1 + a2 x2 +a3 x3 + ... + an xn = b
Os componentes dessa equação podem ser entendidos como:
• x1, x2, x3, ... , xn: variáveis da equação, ou seja, representam as incógnitas, aqueles
valores que não conhecemos;
• a1, a2, a3, ...an: coeficientes das incógnitas x1, x2, x3, ... , xn;
• Coeficiente b: considerado o termo independente da equação, sendo o resul-

tado numérico da equação linear. Observamos que o número b não é uma
variável, e sim uma constante, pertencente ao conjunto dos números reais. Se
b for nulo, dizemos que a equação linear é homogênea.
• O que se busca ao resolver uma equação linear é os valores de x1, x2, x3, ... , xn
que satisfaçam essa igualdade, ou seja, que as operações do lado esquerdo da
equação (x1, x2, x3, ... , xn) resultem no valor do lado direito da equação (b).
Observe que as incógnitas das equações lineares podem ser descritas por qualquer
letra, sempre em grau um e estão acompanhadas de um coeficiente (a1, a2, a3, ...an) Es-

80 SUMÁRIO
sas variáveis nunca podem estar multiplicadas por outra variável ou se apresentarem
com grau diferente de um. Você pode encontrar alguns exemplos de equações que
não são consideradas equação lineares e sim equações não lineares. Observe esses
exemplos:
2x1 + 3x2 +5x3 = 0 Equação linear homogênea.
-x + y - 5z = -3 Equação linear.
2xz + 3w + 5z = 5 Equação não linear. Observem que nesse exemplo a va-

riável x está multiplicada pela variável z, o que a classifica como não linear.
2x3 + 4w + 5z = 5 Equação não linear. A variável x está em grau três, o que a

classifica como não linear.
-x + y - 5z +3t= 10 Equação linear.
2x1/2 + 4wt + 5z = 5 Equação não linear. A variável x está elevada a um nume-

ro diferente de um, além da variável w está multiplicada pela variável t, o
que a classifica como não linear.
4.2 CONCEITO DE SISTEMAS DE EQUAÇÕES

LINEARES
Um sistema linear de equações que possuem “m” equações e “n” incógnitas é um

conjunto de equações que podem ser representadas da seguinte forma:
a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1

a x + a x + a x + + a x = b
 21 1 22 2 23 3 2n n 2


am1 x1 + am 2 x2 + am 3 x3 + + amn xn = bm

SUMÁRIO 81
Para solucionar esse sistema, podemos utilizar os recursos das matrizes. Nesse caso, o
sistema pode ser escrito em sua forma matricial, como apresentado a seguir:
 a11 a12 a1n   x1   b1 

a a a   x  b 
 21 22 2 n . 2  =  2 
     
     
a a a xn  bn 
m
1 m2
mn 
A X B
Nesse caso, para resolvermos esse sistema temos que resolver a equação A.X = B,
onde A é a matriz dos coeficientes, chamada também de matriz ampliada do siste-
ma, X é a matriz das incógnitas e B a matriz dos termos independentes.
Você perceberá que ao resolver um sistema de equações lineares podemos ter três
diferentes possibilidades de solução:
• Única solução: nesse caso dizemos que o sistema é possível e determinado. Ao

resolvê-lo, encontra-se um único valor para as variáveis do sistema.
• Infinitas soluções: nesse caso o sistema é possível e indeterminado, ou seja,

encontram-se infinitas soluções para as variáveis.
• Sem solução: nesse caso o sistema é impossível, já que não encontrarmos va-
lores das variáveis que atendam à igualdade.
Sugiro que busque nas referências de nossa unidade, exem-

plos das possibilidades de solução de um sistema de equação
linear.
Agora vamos estudar a regra de Cramer para solucionar sistemas de equações linea-
res.

82 SUMÁRIO
4.3 REGRA DE CRAMER
A regra de Cramer é um método que nos auxilia a resolver um sistema de equações

lineares.
Seja o sistema dado por:
a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1

a x + a x + a x + + a x = b
 21 1 22 2 23 3 2n n 2


A regra consiste em elaborarmos algumas matrizes. A primeira matriz será a matriz A

dos coeficientes das variáveis:
 a11 a12 a1n 

a a22 a2 n 
A =  21
 
 
 am1 am 2 amn 
A partir da matriz A determinamos matriz Ax1, substituindo a coluna dos coeficientes

de x1 (a11, a21, a31, ...am1) pela coluna referente aos valores de b, ou seja dos termos in-
dependentes (b1, b2, b3, ...bn). Assim temos:
 b1 a12 … a1n 
b a22 a2 n 
Ax1 =  2
 
 
bn am 2 amn 
Pela regra de Cramer, temos:
det Ax1
x1 =
det A

SUMÁRIO 83
De forma análoga podemos definir os valores das outras incógnitas, a partir da matriz
Ax1, Axn:
 a11 b1 … a1n 
a b2 a2 n 
Ax2 =  21
 
 
 am1 bn amn 
det Ax2
x2 =
det A
 a11 a12 … b1 
a a22 b2 
Axn =  21
 
 
 am1 am 2 bn 
det Axn
xn =
det A
Se o sistema de equações lineares for do tipo possível e determinado, as seguintes
condições são observadas:
• A matriz A gerada é quadrada, ou seja, o número de linhas é igual ao número

de colunas;
• O determinante da matriz A é diferente de zero. Caso contrário, o sistema

pode ser possível e indeterminado, nesse caso com infinitas soluções ou pode
se tratar de um sistema impossível, que não possui solução. Para definirmos
qual sistema se trata temos que calcular as determinantes de todas as matri-
zes Ax1, Ax2, Axn. Se todos os determinantes forem iguais a zero, trata-se de um
sistema com infinitas soluções. Se pelo menos um dos determinantes forem
diferente de zero, trata-se de um sistema sem solução.

84 SUMÁRIO
Vamos ver alguns exemplos?
Encontre a solução do sistema de equações lineares através

da regra de Cramer:
2 x + y = 7

3 x − 3 y = 6
Inicialmente vamos elaborar a matriz A (dos coeficientes das variáveis):
2 1 
A= 
 3 −3
Vamos calcular o seu determinante:
det A = (2.-3) – (1.3) = -6 - 3 = - 9
Observamos que a matriz A é uma matriz quadrada de ordem 2 e sua de-

terminante é diferente de zero. Logo, podemos afirmar que se trata de um
sistema possível e determinado, com uma única solução.
Em seguida, criamos as matrizes Ax1 e Ax2, substituindo os coeficientes das

variáveis x1 e x2 pelos valores de b, respectivamente:
7 1  2 7
Ax1 =   Ax 2 =  
 6 −3 3 6
Calculando os determinantes, temos:
det Ax1 = (7.-3) – (1.6) = -21 - 6 = - 27
det Ax2 = (2.6) – (7.3) = 12 - 21 = - 9
Logo:
det Ax1 −27
x1 = = =3
det A −9
det Ax 2 −9
x2 = = =1
det A −9
Logo, a solução do sistema de equações lineares é (3, 1).

SUMÁRIO 85
Encontre a solução do sistema de equações lineares através da

regra de Cramer:
 x1 + 2 x2 − x3 = 0

3 x1 − 4 x2 + 5 x3 = 10
x + x + x = 1
 1 2 3
1 2 −1
A = 3 −4 5 
1 1 1 
det A = [(1.-4.1) + (2.5.1) + (3.1.-1) – [(-1.-4.1) + (5.1.1) + (3.2.1)] = - 4 + 10 – 3 – 4

– 5 – 6 det A = -12

Em seguida, criamos as matrizes Ax1, Ax2 e Ax3, substituindo os coeficientes

das variáveis x1, x2 e x3 pelos valores de b, respectivamente:
 0 2 −1 1 0 −1 1 2 0 
Ax1 = 10 −4 5  Ax 2 = 3 10 5  Ax 3 = 3 −4 10 
 1 1 1  1 1 1  1 1 1 
det Ax1 = [(0.-4.1) + (2.5.1) + (10.1.-1) – [(-1.-4.1) + (5.1.0) + (10.2.1)] = -24
det Ax2 = [(1.10.1) + (0.5.1) + (3.1.-1) – [(-1.10.1) + (5.1.1) + (3.0.1)] = 12
det Ax3 = [(1.-4.1) + (2.10.1) + (3.1.0) – [(0.-4.1) + (10.1.1) + (3.2.1)] = 0

86 SUMÁRIO
Logo:
det Ax1 −24

x1 = = =2
det A −12
det Ax 2 12
x2 = = = −1
det A −12
det Ax 3 0
x3 = = =0
det A −12
Logo, a solução do sistema de equações lineares é (2, -1, 0).
Vamos a mais um exemplo.

regra de Cramer:
 x1 + 2 x2 − x3 = 0

3 x1 − 4 x2 + 5 x3 = 0
x + x + x = 0
 1 2 3
1 2 −1
A = 3 −4 5 
1 1 1 
det A = [(1.-4.1) + (2.5.1) + (3.1.-1) – [(-1.-4.1) + (5.1.1) + (3.2.1)] = - 4 + 10 – 3 – 4

– 5 – 6 det A = -12


SUMÁRIO 87
Em seguida, criamos as matrizes Ax1, Ax2 e Ax3, substituindo os coeficientes

das variáveis x1, x2 e x3 pelos valores de b, respectivamente:
0 2 −1 1 0 −1 1 2 0 
Ax1 = 0 −4 5  Ax 2 = 3 0 5  Ax 3 = 3 −44 0 
0 1 1  1 0 1  1 1 0 
det Ax1 = [(0.-4.1) + (2.5.0) + (0.1.-1) – [(-1.-4.0) + (5.1.0) + (0.2.1)] = 0
det Ax2 = [(1.0.1) + (0.5.1) + (3.0.-1) – [(-1.0.1) + (5.0.1) + (3.0.1)] = 0
det Ax3 = [(1.-4.0) + (2.0.1) + (3.2.0) – [(0.-4.1) + (0.1.1) + (3.2.0)] = 0
Observamos que as matrizes Ax1, Ax2 e Ax3 possuem uma coluna com
todos os elementos iguais a zero, logo sua determinante também é igual
a zero, conforme verificamos em nossos cálculos.
Logo:
det Ax1 0
x1 = = =0
det A −12
det Ax 2 0
x2 = = =0
det A −12
det Ax 3 0
x3 = = =0
det A −12
Logo, a solução do sistema de equações lineares é (0, 0, 0).
Observe que esse sistema é homogêneo (todos os termos independentes são iguais a
zero). Nesse caso, dizemos que o sistema possui uma única solução e ela é chamada
de solução trivial (0, 0, 0).

88 SUMÁRIO

regra de Cramer:
 x + 2y + z =1

2 x + y − 3z = 4
3 x + 3 y − 2 z = 0

1 2 1 
A =  2 1 −3
 3 3 −2 
det A = [(1.1.-2) + (2.-3.3) + (2.3.1) – [(1.1.3) + (-3.3.1) + (2.2.-2)] = - 2 - 18 + 6 –

3 + 9 +8 det A = 0
Observamos que a matriz A é uma matriz quadrada de ordem 3 e sua

determinante é igual a zero. Logo, podemos afirmar que se trata de um
sistema possível indeterminado ou um sistema impossível. Para verificar-
mos qual sistema se trata, temos que calcular as matrizes Ax1, Ax2 e Ax3, e
verificarmos os valores de suas determinantes. Se todos os determinantes
forem iguais a zero, trata-se de um sistema possível indeterminado. Se
pelo menos um dos determinantes forem diferente de zero, trata-se de
um sistema impossível.
1 2 1  1 1 1  1 2 1 
Ax1 =  4 1 −3 Ax 2 =  2 4 −3 Ax 3 =  2 1 4 
 0 3 −2   3 0 −2   3 3 0 
det Ax1 = [(1.1.-2) + (2.-3.0) + (4.3.1) – [(1.1.0) + (-3.3.1) + (4.2.-2)] = 35
det Ax2 = [(1.4.-2) + (1.-3.3) + (2.0.1) – [(1.4.3) + (-3.0.1) + (2.1.-2)] = -25
det Ax3 = [(1.1.0) + (2.4.3) + (2.3.1) – [(1.1.3) + (3.4.1) + (2.2.0)] = 15
Como temos pelo menos um dos determinantes de Ax1, Ax2 e Ax3 diferentes de
zero, podemos afirmar que o sistema impossível, não apresentando solução.

SUMÁRIO 89

regra de Cramer:
 x + 3 y + 2z = 1

−2 x + y + z = −2
− x + 4 y + 3 z = −1

 1 3 2
A =  −2 1 1 
 −1 4 3 
det A = [(1.1.3) + (3.1.-1) + (-2.4.2) – [(2.1.-1) + (4.1.1) + (-2.3.3)] = 3 - 3 - 16 + 2

- 4 + 18 det A = 0

terminante é igual a zero. Logo, podemos afirmar que se trata de um siste-
ma possível indeterminado ou um sistema impossível. Como vimos, para
verificarmos qual sistema se trata, temos que calcular as matrizes Ax1, Ax2 e
Ax3, e verificarmos os valores de suas determinantes. Se todos os determi-
nantes forem iguais a zero, trata-se de um sistema possível indeterminado.
Se pelo menos um dos determinantes forem diferente de zero, trata-se de
um sistema impossível.
 1 3 2  1 1 2 1 3 1
Ax1 =  −2 1 1  Ax 2 =  −2 −2 1  Ax 3 =  −2 1 −2 
 −1 4 3   −1 −1 3   −1 4 −1
det Ax1 = 0
det Ax2 = 0
det Ax3 = 0
Como todos os determinantes de Ax1, Ax2 e Ax3 são iguais a zero, podemos
afirmar que o sistema é possível e indeterminado, com infinitas soluções.

90 SUMÁRIO
Você deve entender que a regra de Cramer não pode ser aplicada em casos em te-
mos sistemas de equações lineares com número de equações diferentes do número
de incógnitas. Nesse caso, a matriz A não seria quadrada. Além do que, quando tra-
balhamos com a matriz A de ordem maior que três, a regra de Cramer passa a não
ser conveniente, uma vez que se torna muito trabalhosa.
Então vamos agora estudar o método de Gauss ou escalonamento que é uma técnica
que pode ser aplicada a sistemas com números de equações diferentes do número
de incógnitas. Além de ser aplicado também de forma mais simples, quando temos
mais de quatro incógnitas e equações.
4.4 MÉTODO DE GAUSS OU ESCALONAMENTO
Seja o sistema dado por:
a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1

a x + a x + a x + + a x = b
 21 1 22 2 23 3 2n n 2


Inicialmente precisamos escalonar o sistema de equações. Dizemos que um sistema

está escalonado quando reduzimos o sistema a outro sistema equivalente (que pos-
sui a mesma solução do sistema original) mais simples.
Para isso, vamos seguir alguns passos:
• Primeira etapa: escolhemos a primeira equação como aquela que possui coe-
ficiente não nulo referente à primeira incógnita.
• Segunda etapa: eliminamos todos os coeficientes da primeira incógnita nas

demais equações, a partir da segunda equação. Isso é feito transformando o
coeficiente da primeira incógnita como pivô.
• Terceira etapa: eliminamos todos os coeficientes da segunda incógnita a partir

da terceira equação.

SUMÁRIO 91
• Quarta etapa: repetimos esse procedimento até que o sistema se encontre es-
calonado. Dizemos que um sistema se encontra escalonado, quando ele apre-
senta apenas um coeficiente não nulo na última equação, e que o número de
coeficientes nulos aumentam de equação para equação.

técnica de Gauss:
2 x − 4y − 3z = 8

-3x + 6 y + 8 z = − 5
 x- 3y − 2z = 6

Inicialmente vamos escalonar o sistema, através das etapas estudadas acima:
Primeira etapa: escolhemos a primeira equação como aquela que possui

coeficiente não nulo referente à primeira incógnita.
Nesse caso, é interessante que o coeficiente seja igual a um para facilitar

nos cálculos.
Logo, vamos escolher a terceira equação: x – 3y - 2z = 6
E o coeficiente não nulo referente à primeira incógnita (x) é o 1.
Dessa forma, trocamos de posição a primeira e a terceira equação. Temos

então o sistema:
 x- 3y − 2z = 6

-3x + 6 y + 8 z = − 5
 2 x − 4y − 3z = 8


92 SUMÁRIO
Segunda etapa: eliminamos todos os coeficientes da primeira incógnita

nas demais equações.
Logo, precisamos excluir todos os coeficientes da variável x em todas as

demais equações.
Para eliminarmos o coeficiente de x na segunda equação, basta substi-

tuirmos os coeficientes da segunda equação por: coeficientes da primeira
equação multiplicados por 3 mais os coeficientes da segunda equação.
Assim conseguimos eliminar o coeficiente de x da segunda equação.
De forma matemática podemos dizer:
L2(nova) = (3) L1 + L2(antiga) +
onde: L2(nova) = corresponde a segunda equação do sistema, a ser calculada.
L1 = corresponde a primeira equação que foi escolhida como fixa;
L2(antiga) = corresponde a segunda equação do sistema, antes do cálculo da

L2(nova).
Logo, realizando os cálculos, temos:
 x- 3y − 2z = 6 .(3)  x- 3y − 2z = 6
 
-3x + 6 y + 8 z = − 5 ⇒ − 3 y + 2 z = 13
 2 x − 4y − 3z = 8  2 x − 4y − 3z = 8
 
Precisamos eliminar essa incógnita em todas as equações.
Assim, para eliminarmos o coeficiente de x na terceira equação, basta subs-

tituirmos os coeficientes da terceira equação por: coeficientes da primeira
equação multiplicados por – 2 mais os coeficientes da terceira equação.
Assim conseguimos eliminar o coeficiente de x da terceira equação.

SUMÁRIO 93
L3(nova) = (-2) L1 + L3(antiga) +
onde: L3(nova) = corresponde a terceira equação do sistema, a ser calculada.
L3(antiga) = corresponde a terceira equação do sistema, antes do cálculo da

L3(nova).

 x- 3y − 2z = 6 .(-2)  x- 3y − 2z = 6
 
 − 3 y + 2 z = 13 ⇒ − 3 y + 2 z = 13
 2 x − 4y − 3z = 8  2y + z = -4
 
Agora, vamos para a terceira etapa:
Terceira etapa: eliminamos todos os coeficientes da segunda incógnita a

partir da terceira equação.
Nesse caso, precisamos eliminar o coeficiente de y na terceira equação.

Para isso, devemos substituir os coeficientes da terceira equação por: coe-
ficientes da segunda equação multiplicados por 2/3 mais os coeficientes
da terceira equação. Assim conseguimos eliminar o coeficiente de y da
terceira equação.
L3(nova) = (2/3) L2 + L3(antiga) +
L2 = corresponde a segunda equação do sistema;

L3(nova).

94 SUMÁRIO
x- 3y − 2z = 6 
 
 x- 3y − 2z = 6
 2 
 − 3 y + 2 z = 13 .( ) ⇒  − 3 y + 2 z = 13
3
 3  7 14
 2y + z = -4  z=
 3 3
Perceba que o sistema se encontra escalonado, sendo possível resolvê-lo:
7 14 14
z= ⇒ z= ⇒z=2
3 3 7
Substituindo este valor na segunda equação do sistema, temos:
-3y + 2z =13
-3y = 9 → y = - 3
Agora, substituindo os valores de z = 2 e y = - 3 na primeira equação, encon-

tramos o valor de x:
x – 3y - 2z = 6
x=1
Assim, temos um sistema possível e determinado, tendo uma única solu-

ção, dada por (1, -3, 2).

técnica de Gauss:
 x + 2y + z =1

2 x + y − 3z = 4
3 x + 3 y − 2 z = 0

Inicialmente vamos escalonar o sistema:

SUMÁRIO 95

Nesse caso, é interessante que o coeficiente seja igual a um para facilitar

nos cálculos.
Logo, vamos escolher a primeira equação mesmo: x + 2y + z = 1.
Vamos então para a segunda etapa.


demais equações.
Para eliminarmos o coeficiente de x na segunda equação, substituimos os

coeficientes da segunda equação por: coeficientes da primeira equação
multiplicados por - 2 mais os coeficientes da segunda equação. Assim con-
seguimos eliminar o coeficiente de x da segunda equação.
L2(nova) = (-2) L1 + L2(antiga) +

L2(nova).

96 SUMÁRIO
 x + 2 y + z = 1.(−2)  x + 2 y + z = 1
 
2 x + y − 3z = 4 ⇒  -3y − 5 z = 2
3 x + 3 y − 2 z = 0 3 x + 3 y − 2 z = 0
 

Nesse caso, precisamos eliminar o coeficiente de y na terceira equação. Para

isso, substituirmos os coeficientes da terceira equação por: coeficientes da
segunda equação multiplicados por -1 mais os coeficientes da terceira equa-
ção. Assim conseguimos eliminar o coeficiente de y da terceira equação.
L3(nova) = (-1) L2 + L3(antiga) +

L3(nova).
 x + 2y + z =1  x + 2y + z =1
 
 − 3y − 5 z = 2 .(−1) ⇒  − 3y − 5 z = 2
 − 3 y − 5 z = −3  0 z = −5
 
Observe a terceira equação. Como não conseguimos encontrar nenhum

valor de z, que ao ser multiplicado por zero, dê como resultado -5, dizemos
que o sistema não tem solução, logo ele se classifica como um sistema
impossível.

SUMÁRIO 97

técnica de Gauss.
 x + 3 y + 2z = 1

−2 x + y + z = −2
− x + 4 y + 3 z = −1

Inicialmente vamos escalonar o sistema:

Logo, vamos escolher a primeira equação mesmo: x + 3y + 2z = 1.
Vamos então para a segunda etapa.


demais equações.
Para eliminarmos o coeficiente de x na segunda equação, basta substi-

tuirmos os coeficientes da segunda equação por: coeficientes da primeira
equação multiplicados por 2 mais os coeficientes da segunda equação.
Assim conseguimos eliminar o coeficiente de x da segunda equação.
L2(nova) = (2) L1 + L2(antiga) +

L2(nova).

98 SUMÁRIO
 x + 3 y + 2z = 1 .(1)  x + 3 y + 2z = 1
 
 7y + 5z = 0 ⇒ 7y + 5z = 0
− x + 4 y + 3 z = −1  7 y + 5z = 0
 

Nesse caso, precisamos eliminar o coeficiente de y na terceira equação.

Para isso, substituímos os coeficientes da terceira equação por: coeficien-
tes da segunda equação multiplicados por -1 mais os coeficientes da ter-
ceira equação. Assim conseguimos eliminar o coeficiente de y da terceira
equação.
L3(nova) = (-1) L2 + L3(antiga) +

L3(nova).

 x + 3 y + 2z = 1  x + 3 y + 2z = 1
 
 7y + 5z = 0 .(−1) ⇒  7y + 5z = 0
 7 y + 5z = 0  0z = 0
 
Observe a terceira equação. Qualquer valor de z atende a equação, uma
vez que qualquer número multiplicado por zero, o resultado será zero.
Nesse caso, dizemos que o sistema possui infinitas soluções, logo ele se
classifica como um sistema possível e indeterminado.

SUMÁRIO 99
Fácil, não é mesmo? Sugiro que você consulte as referências de nossa unidade para
ver mais exemplos. Bons estudos!
CONCLUSÃO
Caro (a) aluno (a), chegamos ao final de nossa unidade. Nesta unidade você estudou
você estudou o conceito de equação linear e de sistemas de equações lineares. Você
também aprendeu as principais técnicas para resolver esses sistemas: regra de Cra-
mer e técnica de Gauss/escalonamento. Espero que você tenha tido sucesso em seu
aprendizado, principalmente na aplicação deste conhecimento adquirido na solução
dos exercícios propostos.

100 SUMÁRIO
UNIDADE 5
OBJETIVO
Ao final desta
unidade,
esperamos
que possa:
> Identificar e traçar

graficamente um vetor;
> Interpretar
algebricamente um
vetor;
> Identificar o espaço

dimensional R³;
> Aplicar operações

envolvendo vetores no
espaço dimensional R³.

SUMÁRIO 101
5 VETORES E PRODUTO
VETORIAL
Nessa unidade, você aprenderá sobre os vetores. Inicialmente estudará o conceito de
vetor e como representá-lo gráfica e algebricamente. Posteriormente você aprenderá
a identificar o espaço dimensional R3 e como realizar as operações envolvendo veto-
res nesse espaço dimensional.
5.1 CONCEITO DE VETOR
O vetor é uma grandeza física definida a partir de seu módulo, direção e sentido. Ele
pode ser conceituado, sob o ponto de vista geométrico,
como um par ordenado de
pontos, no plano ou no espaço, que denotamos por AB . Devemos entender o vetor
como uma seta cujo ponto inicial
é A e o ponto final é B (Figura
1ª). Note que na Fi-
gura 1b temos o segmento BA , que é diferente do segmento AB .
FIGURA 22 - SEGMENTOS DE RETA ORIENTADOS

Segmento AB Segmento BA
Vamos estudar mais tarde, os vetores sob o ponto de vista al-

gébrico, o que nos permite estudar os vetores no espaço de
mais de três dimensões.

102 SUMÁRIO
Então, os vetores possuem três principais características:
• Módulo: é o comprimento do vetor. É sempre uma grandeza positiva associa-

da
ao valor numérico do vetor. Em geral é representado da seguinte forma:
| AB |
• Direção: está associada a direção da reta que contêm os segmento. Em re-

lação ao plano cartesiano, por exemplo, temos a direção nordeste, sudeste,
horizontal, vertical, etc.;
• Sentido: está associado a orientação do vetor. Para cada direção, temos dois
sentidos: leste/oeste, norte/sul, positivo/negativo etc.
Algumas considerações sobre os segmentos orientados se encontram apresentadas

no Quadro 1.
QUADRO 2 - CONSIDERAÇÕES SOBRE OS SEGMENTOS ORIENTADOS
SEGMENTOS DESCRIÇÃO REPRESENTAÇÃO

Quando sua origem coincide
Segmentos nulos AA com sua extremidade. O
Segmentos equipolentes Quando apresentam o mesmo

módulo, a mesma direção e o
| AB |~| CD | mesmo sentido.
Quando apresentam o mesmo

Segmentos opostos módulo e a mesma direção,
mas de sentido contrários.
Fonte: Elaborada pela autora, 2018.

O vetor determinado a partir do segmento orientado AB é

representado por AB v
ou por uma letra minúscula .
Sob a ótica da álgebra, os vetores no plano são definidos a partir de um par ordenado,
que são denominadas como as suas componentes. O ponto final do vetor é definido
a partir de suas componentes, desde que o ponto inicial do vetor esteja na origem do
sistema cartesiano.

SUMÁRIO 103

Vamos observar o seguinte exemplo. O vetor v = (5,4) em R2
por exemplo, tem seu ponto inicial na origem (0,0) e seu pon-
to final em (5,4). Nesse caso, suas componentes são 5 e 4.

FIGURA 23 - REPRESENTAÇÃO DO VETOR v = (5,4)
A adição de vetores e a multiplicação de vetores por escalares são duas

operações entre vetores que podem ser realizadas para quaisquer vetores,
mesmo eles estando em espaços de mais de três dimensões.
5.2 ADIÇÃO DE VETORES

 
Dados o vetores v = (v1, v2) e u = (u1, u2), definidos em R2 então a soma entre os dois
vetores é outro vetor de componentes:
 
v + u = (v + u , v + u )
1 1 2 2
 
v u
Considere os vetores = (-2, 1) e = (5, 3), a soma entre eles é
o vetor:
 
v + u = (3, 4)

Observe a figura 3, que mostra o vetor resultante da soma dos v
  vetores e
u . Note que se v é colocado na extremidade de u , então u + v é represen-
 
tado pelo segmento orientado do ponto inicial de u ao ponto final de v .

104 SUMÁRIO
 
FIGURA 24 - ADIÇÃO DOS VETORES v E u.
Fonte: Leon, 2017.
Uma forma de visualizar geometricamente a soma de dois vetores é atra-

vés da interpretação de vetores como forças. Nesse caso, utilizamos a regra
do paralelogramo. Graficamente, o vetor resultante da soma de dois veto-
res é a diagonal de um paralelogramo
 formado pelos vetores. Observe a
figura 4. Se tanto u v
quanto são colocados na origem do sistema carte-

siano, um paralelogramo é formado,
 e a diagonal do paralelogramo ( z )
representam a soma de u + v .
FIGURA 25 - ADIÇÃO ENTRE VETORES
Fonte: Leon, 2017.
Nessa interpretação, a soma de vetores corresponde à resul-

tante das forças.

SUMÁRIO 105
De forma similar, vetores no espaço R3 podem ser representados por segmentos

orientados no espaço 3D, conforme apresentada na figura 5. Note que em R3 os com-
ponentes dos vetores (x1, x2, x3) são três informações de eixos e não duas (x1, x2) como
no espaço R2.
FIGURA 26 - ADIÇÃO ENTRE VETORES NO ESPAÇO DIMENSIONAL R3.
 
Considere os vetores no espaço R3 v = (-2, 1, 3) e u = (5, 3, 1), a
soma entre eles é o vetor:
 
v + u = (3, 4, 4)
Para a operação de adição entre vetores, temos algumas propriedades,

conforme apresentada no quadro 2.
QUADRO 3 - PROPRIEDADES DA ADIÇÃO DE VETORES
PROPRIEDADES APLICAÇÃO
 
Comutativa a+b =
     
Associativa ( )
a+b +c = a+ b+c ( )
 
Elemento oposto a+b =

Elemento neutro a + 0 = + 0+a +=a
Fonte: Adaptado de Leon, 2017.

106 SUMÁRIO
5.3 MULTIPLICAÇÃO DE UM VETOR POR UM

ESCALAR

Considere v
um vetor não-nulo e k é um número real não-nulo, então o produto do
 
v
vetor pelo escalar k é o vetor k v definido por:
 
• k v tem a direção de v ;
  
• k v tem o mesmo sentido de v se k > 0 e sentido oposto ao de v se k < 0;
 
• k v tem comprimento |k| vezes o comprimento de . v
 
v
Nesse caso, se temos o vetor = (a, b) em R2 e o escalar k , então k v = (ka,kb).
 
Considere o vetor v = (-2, 1, 3), no espaço R3. Calcule 2 v .

2 v = (-4, 2, 6)
Para a operação de multiplicação entre um vetor e um escalar, temos algu-

mas propriedades, conforme apresentada no quadro 3.
QUADRO 4 - PROPRIEDADES DA MULTIPLICAÇÃO DE UM VETOR POR UM ESCALAR
   
Distributiva do escalar em relação à soma de ve-
tores
( )
k a + b = k a + kb
Distributiva do vetor em relação à soma dos es-

  
calares
a (k + w) = k a + wa
 
Emento neutro 1.a = a

SUMÁRIO 107
 
Considere os vetores v = (-2, u
1, 3) e = (6, -2, -4), no espaço R .
3
Encontre o valor do vetor w , através do cálculo da equação:
1
(
w = 4 v −u + u −v
2
)

w = 4(−6, −1, −1) + (3, −1, −2) − (−2,1, 3)

w = (−24, −4, −4) + (5, −2,1)

w = (−19, −6, −3)
Não devemos nos esquecer de que qualquer vetor multiplicado por k=0
será o vetor nulo e qualquer valor k ϵ R multiplicado pelo vetor nulo será o
vetor nulo.
Vamos ver agora uma operação importante entre os vetores. Você sabe o que é o
produto escalar?
5.4 PRODUTO ESCALAR


O produto escalar entre dois vetores v e w não nulos é um número real denotado

por v . w . Esse produto é definido pela expressão:
 
v . w = | v |.| w |.cosθ
Onde:
 
| v |= módulo do vetor v ;

| w |= módulo do vetor w e

θ é o ângulo entre v e w .
Observe a figura 5 que mostra o ângulo formado entre os dois vetores.

108 SUMÁRIO

FIGURA 27 - O ÂNGULO FORMADO ENTRE DOIS VETORES vEw
Vamos estudar um exemplo?
Considere os pontos A, B e C como os vértices de um triângulo

equilátero de lado igual a 10 (Figura 6). Calcule o produto es-

calar entre os segmentos AB e AC .
FIGURA 28 - TRIÂNGULO EQUILÁTERO DE VÉRTICES A, B E C.
Como se trata de um triângulo equilátero, todos os lados do triângulosão

iguais
a 10
e os ângulos internos são iguais a 60º. Para calcular o produto escalar AB . AC , vamos
aplicar a fórmula:

AB . AC = | AB |.| AC |.cosθ

SUMÁRIO 109

Nesse caso, o módulo de | AB | e | AC | é igual a 10 e o ângulo θ é de 60º. Logo, temos:

AB . AC = 10.10.cos60º

AB . AC = 50
Observe que se dois vetores são ortogonais ou perpendiculares, o ângulo formado

entre eles é 90º, logo temos:

AB . AC = | AB |.| AC |.cos90º
Como o cos90º é igual a 1, temos:

AB . AC = | AB |.| AC |
Então para dois vetores perpendiculares, o produto escalar entre eles é igual a mul-
tiplicação de seus módulos.
5.5 CÁLCULO DO MÓDULO DE UM VETOR

A norma ou módulo de um vetor ou o comprimento do vetor em qualquer espaço
dimensional é definido como a raiz quadrada não negativa da soma de seus compo-
nentes ao quadrado.

Dessa forma, se v = (1,2,3) então seu comprimento será:

| v | = 12 + 22 + 32 = 14
A representação dessa definição, em R2, se encontra ilustrada na Figura 29.
FIGURA 29 - REPRESENTAÇÃO DO CÁLCULO DO MÓDULO DO VETOR

110 SUMÁRIO
 2 2

Assim, sendo o vetor v = (a, b) , então seu módulo | v | = a + b .
Então se o módulo de um vetor for igual a 1, significa que temos um vetor unitário.
Vamos fazer mais um exemplo?

Considere o vetor v = (-2, 4, 0). Calcule o seu comprimento.

| v | = (−2) 2 + 42 + 02 = 25 = 5
Muito bem! Agora vamos estudar os vetores especificamente no espaço dimensional

R3, através de uma operação especial para vetores nesse espaço, que é o produto ve-
torial.
5.6 PRODUTO VETORIAL

 
O produto vetorial é a multiplicação entre dois vetores v e w , denotado por v x w . O
resultado dessa multiplicação é um vetor, que possui o seu módulo associado geo-
metricamente, a uma área, uma vez que trabalhamos com duas dimensões.

Podemos então definir o produto vetorial entre dois vetores v e w , através das se-
guintes características:
 
• Direção: a direção v w v
do vetor x é sempre perpendicular tanto ao vetor ,
quanto ao vetor ; w

• Módulo: o módulo do vetor v x w é calculado através da seguinte formulação:
 
| x | = | |.| w |.senθ, sendo θ o ângulo formado entre eles.
v w v

• Sentido: o sentido do vetor x w se altera
v
 quando
a operação
 é invertida, se-
gundo a regra da mão direita, ou seja, se x v w w
=- x . v
Mas o que é a regra da mão direita?
A regra da mão direita é utilizada informalmente para encontrarmos o sentido do

SUMÁRIO 111

vetor v x w . Essa regra consiste na utilização dos dedos da mão direita da seguinte
maneira (FIGURA 30):

v
• O dedo indicador deverá seguir a direção e sentido do vetor (primeiro vetor);

• O dedo médio deverá seguir a direção e sentido vetor w (segundo vetor);

• O polegar indicará o sentido v w
 do vetor x , que necessariamente deve ser
perpendicular aos vetores v e w .
FIGURA 30 - REGRA DA MÃO DIREITA
Fonte: Shutterstock, 2018.
Na operação de produto vetorial, temos algumas propriedades, conforme apresenta-

da no quadro 4.
QUADRO 5 - PROPRIEDADES DO PRODUTO VETORIAL
   
Anticomutativa a xb =− b xa ( )
     
Distributiva com escalar ( )
k a x b = k a x b = a x (kb)
      
( )
c a + b = c x a + c x b ou
Distributiva com vetor       
( )
a +b c = a xc +b xc

112 SUMÁRIO
Mas como podemos calcular o produto vetorial? Antes de verificarmos esse cálculo,
vamos introduzir o conceito de vetores em função de uma base ortonormal.
5.6.1 VETORES EM FUNÇÃO DE UMA BASE

ORTONORMAL
Quando estudamos os vetores em R3 eles são também chamados de vetores espa-

ciais e são utilizados em muitas aplicações, especialmente em física. Na verdade es-
ses vetores possuem uma notação especial que é:
• i = (1, 0, 0) denota o vetor unitário na direção de x;
• j = (0, 1, 0) denota o vetor unitário na direção de y e
• k = (0, 0, 1) denota o vetor unitário na direção de z.
Observe a imagem da figura 9 que retrata esses três vetores.
FIGURA 31 - VETORES UNITÁRIOS EM R3.
Nesse sentido, uma base é chamada de base ortogonal se os seus vetores de dois em
dois forem ortogonais, ou seja, perpendiculares. E a base é chamada de ortonormal
se, além de ser ortogonal, os seus vetores são unitários, ou seja, de comprimento igual
a 1.

SUMÁRIO 113
Qualquer vetor no plano pode ser escrito

 em função desta base, também chamada
de base canônica. Considere o vetor v = (1,2 ,3). Este vetor escrito em função da base
   
canônica fica da seguinte forma: v = 1i + 2 j + 3k .
Agora, estamos preparados para entender como se calcula o produto vetorial. Vamos lá?
5.6.2 CÁLCULO DO PRODUTO VETORIAL

     
Considere os vetores v = a1i + a 2 j + a 3k e w = b1i + b 2 j + b 3k . O produto vetorial v x v
é o vetor:

v x w = ( a2b3 − a3b2 ) i + ( a3b1 − a1b3 ) j + ( a1b2 − a2b1 ) k

Uma forma de lembrar facilmente da fórmula para o cálculo de v x w é através da
utilização semelhante do cálculo do determinante de uma matriz quadrada de or-
dem 3 construída da seguinte forma:

i j k
 
v x w =  a1 a2 a3 
b b2 b3 
 1
Vale lembrar que não se trata de uma matriz, visto que pra se caracterizar como ma-
triz é preciso que todos os seus elementos sejam número reais. Estamos apenas
 uti-
lizando dessa ferramenta de forma informal para nos auxiliar no cálculo de v x w .
Considerando o arranjo em forma de matriz, o determinante seria expresso por:
     
( ) (
= a2b3 i + a3b1 j + a1b2 k − a2b1 k + a3b2 i + a1b3 j )
  
Colocando os vetores i , j e k em evidência, chegamos à formulação do produto

vetorial entre v e w .

114 SUMÁRIO
      
Considere o vetor v = 3 i -2 j-4 k e o vetor w = 2 i + j -5 k . Cal-
cule o produto vetorial v x w .

i j k
 
v x w =  3 −2 −4 
 2 1 −5
 

v x w = 10i − 8 j + 3k + 4k + 4i + 15 j

v x w = 14i + 7 j + 7 k

O significado geométrico do módulo do
 produto
vetorial | v x w | é a área do
paralelogramo formado pelos vetores v e w , conforme mostra a figura 32.

FIGURA 32 - SIGNIFICADO GEOMÉTRICO DO PRODUTO VETORIAL v X w.

SUMÁRIO 115
Calcule a área do paralelogramo formado pelos vetores:

     
v = 3 i + j + 2 k e o vetor w = 4 i - j .

A área do paralelogramo é igual ao módulo do produto vetorial v x w .
Logo temos:

i j k
 
v x w = 3 1 2
 4 −1 0 
 

v x w = 0i + 8 j − 3k − 4k + 2i + 0 j

v x w = 2i + 8 j − 7 k
Para o cálculo do módulo, usamos a formulação:

| v x w | = a 2 + b2 + c2

| v x w | = 22 + 82 + (−7) 2

| v x w | = 117
Você conseguiu entender a resolução? Vamos fazer mais um exemplo?

116 SUMÁRIO
Calcule a área do paralelogramo formado pelos vetores:

   
v = 3 i + 2 k e o vetor w = 4 i .

A área do paralelogramo é igual ao módulo do produto vetorial v x w.
Logo temos:

i j k
 
v x w = 3 2 0 
4 0 0 
 

v x w = 0i + 0 j + 0k − 8k + 0i + 0 j

v x w = −8k
Para o cálculo do módulo, usamos a formulação:

| v x w | = a 2 + b2 + c2

| v x w | = 02 + 02 + (−8) 2

| v x w | = 64 = 8

SUMÁRIO 117
Caro (a) aluno (a), sugiro a leitura do livro de autoria de Leon

(2017) para melhor entendimento das diferentes formas de po-
sicionamento. Bons estudos!
CONCLUSÃO
Caro (a) aluno (a), chegamos ao final de nossa unidade. Nesta unidade você aprendeu
sobre os vetores. Inicialmente estudou o conceito de vetor e como representá-lo grá-
fica e algebricamente. Posteriormente você aprendeu a identificar o espaço dimen-
sional R3 e como realizar as operações envolvendo vetores nesse espaço dimensional.
Espero que você tenha tido sucesso em seu aprendizado, principalmente na aplica-
ção deste conhecimento adquirido na solução dos exercícios propostos.

118 SUMÁRIO
UNIDADE 6
OBJETIVO
Ao final desta
unidade,
esperamos
que possa:
> Identificar um espaço

vetorial;
> Definir um subespaço

vetorial;
> Identificar uma

combinação linear;
> Descrever
vetoreslinearmente
dependentes e
independentes;
> Investigar uma

transformação linear.

SUMÁRIO 119
6 ESPAÇOS VETORIAIS E
TRANSFORMAÇÃO LINEAR
Nessa unidade, você aprenderá sobre os espaços vetoriais e a transformação linear.
Inicialmente estudará o conceito de subespaços, combinação linear, base e dimen-
são. Posteriormente você aprenderá sobre a transformação linear.
6.1 ESPAÇOS VETORIAIS REAIS
O conceito de espaço vetorial reporta aos conceitos de espaços dimensionais como

o R1, R2, R3 ..., Rn. O espaço vetorial consiste de todos os vetores-coluna (v) com n
componentes, de acordo com o espaço dimensional estudado. Denominamos os
espaços de R, porque os seus componentes são números reais. O espaço dimensional
R2 é representado usualmente pelo plano cartesiano xy, sendo assim os dois compo-
nentes do vetor-coluna v serão as coordenadas x e y do ponto correspondente. Assim,
os três componentes de um vetor-coluna v em R3 resultam em um ponto no espaço
tridimensional. Já o espaço unidimensional R1 é representado por um vetor-coluna
de apenas um componente e que representará no espaço uma reta.
O mais interessante na álgebra linear é que a mudança para n dimensões é realizada

de forma imediata. Imagine um vetor v no espaço dimensional R9. Para trabalharmos
algebricamente precisamos apenas dos seus nove componentes, apesar de sua geo-
metria não ser facilmente visualizada.
Podemos escrever os vetores-coluna v dos espaços dimensionais conforme nomen-

clatura padrão de vetor (entre colchetes, ou em uma linha, usando vírgulas e parên-
teses), conforme exemplificado a seguir.

120 SUMÁRIO
5
 −4 
  vetor em R
3
 7 
[5] vetor em R1
(1, 2, -4, 10, 8) vetor em R5
O espaço dimensional Rn é portanto, composto pelos vetores-

-coluna v com n componentes.
6.1.1 DEFINIÇÃO DE ESPAÇOS VETORIAIS
O espaço vetorial real é um conjunto V de vetores associado às regras de duas ope-

rações: soma de vetores (+) e multiplicação de um vetor por um escalar (.). Essas ope-
rações satisfazem as seguintes propriedades (também conhecidos como axiomas da
existência do espaço vetorial):
• Propriedade da adição: se u, v e w são quaisquer elementos de V, tem-se.
a. Associativa da adição: (u + v) + w = u + (v + w)
b. Comutativa: u + v = v + u
c. Elemento neutro: 0 + u = u + 0 = u. O vetor 0 é chamado de vetor nulo.
d. Elemento simétrico: u + (-u) = 0. O vetor -u é chamado de negativo de u.
• Propriedade da multiplicação por um escalar: se w e v são quaisquer elemen-

tos de V, e α e β são números reais quaisquer, tem-se.
e. α.(v + w) = α.v + α.w
f. (α + β). v = α.v + β.v
g. α.(β.v) = (α.β).v
h. 1.v = v

SUMÁRIO 121
Caso os escalares da “propriedade da multiplicação por um

escalar” for um número complexo, obtemos um espaço veto-
rial complexo e não real.
Dessa forma, para que um conjunto de vetores possa ser considerado um espaço ve-
torial é preciso que ele atenda a esses oito axiomas.
6.1.2 PROPRIEDADES DOS ESPAÇOS VETORIAIS
Os espaços vetoriais possuem dez propriedades, apresentadas a seguir:
1. No conjunto V existe um único vetor nulo (elemento neutro da adição);
2. Cada vetor u pertencente a V admite apenas um simétrico (−u) que também

pertence a V;
3. Para u, v e w pertencentes a V, se u + v = w + v, então u = w;
4. Para u pertencente a V, tem-se: −(−u) = u. Note que o oposto de −u é u;
5. Para u e w pertencentes a V, existe somente um x, tal que u + x = w;
6. Para u pertencente a V, tem-se: 0.u = 0;
7. Para α pertencente ao conjunto dos números reais (R), tem-se α.0 = 0;
8. Se α.u = 0, implica em α = 0 ou u = 0;
9. Para u pertencente a V, tem-se: -1.u = -u;
10. Para u pertencente a V, para α pertencente ao conjunto dos números reais (R),
tem-se (-α).u = α.(-u) = - (α.u).
Vamos avaliar se o conjunto V, definido no espaço R2:
V= {(x, y) / x, y ∈ R}

122 SUMÁRIO
É um espaço vetorial com as operações de adição e multiplicação por es-

calar definidas da seguinte maneira:
Adição: (x1, y1) + (x2 + y2) = (x1 + x2, y1 + y2)
Multiplicação: α.(x1, y1) = (α.x1, α.y1)
Essas operações são conhecidas como operações usuais. Para que esse
conjunto V seja um espaço vetorial é necessário o atendimento dos oito
axiomas apresentados acima.
Nesse sentido, faz-se necessário verificarmos todos eles, a partir dos vetores
genéricos:
u (x1, y1), v (x2, y2) e w (x3, y3) pertencentes ao conjunto V.
Começaremos então, pelos axiomas da adição:
a) Associativa da adição: (u + v) + w =
((x1, y1) + (x2, y2)) + (x3, y3) =
(x1 + x2, y1+ y2) + (x3, y3) =
((x1 + x2) + x3, (y1 + y2) + y3) =
(x1 + (x2 + x3), y1 + (y2 + y3)) =
(x1, y1) + (x2 + x3, y2 + y3) = u + (v + w)
Observe que o primeiro axioma é atendido, uma vez que: (u + v) + w = u +

(v + w)

SUMÁRIO 123
b) Comutativa: u + v =
((x1, y1) + (x2, y2)) =
(x1 + x2, y1+ y2) =
(x2 + x1, y2+ y1) =
(x2, y2) + (x1+ y1) = v + u
Observe que o segundo axioma é atendido, uma vez que: u + v = v + u
c) Elemento neutro: 0 + u =
Nesse caso o vetor nulo o espaço R2 é o (0,0), logo temos:
(0, 0) + (x1, y1) =
(0 + x1, 0 + y1) =
(x1, y1) = u
Note que o terceiro axioma é atendido, uma vez que 0 + u = u.
d) Elemento simétrico: u + (-u) =
Nesse caso, lembramos que o vetor -u é chamado de negativo de u,

logo temos:
((x1, y1) + (- x1, - y1)) =
(x1 - x1, y1 - y1) =
(0, 0) = 0
O quarto axioma também é satisfeito uma vez que a soma de u + (- u) re-

sultou em um vetor nulo.

124 SUMÁRIO
Agora vamos analisar os axiomas da multiplicação por um escalar. Lem-

bramos que esse escalar pertence ao conjunto dos números reais.
e) α.(v + w) =
α.((x2, y2) + (x3, y3)) =
α.(x2 + x3, y2 + y3) =
(α.(x2 + x3), α.(y2 + y3)) =
(α.x2 + α.x3, α.y2 + α.y3) =
(α.x2, α.y2) + (α.x3, α.y3) =
α.(x2, y2) + α.(x3, y3) = α.v + α.w
O quinto axioma, agora da multiplicação do vetor por um escalar, também

é atendido, uma vez que α.(v + w) = α.v + α.w.
Vamos avaliar o próximo axioma:
f) (α + β). v =
(α + β).(x2, y2) =
((α + β).x2, (α + β).y2) =
(α.x2 + β.x1, α.y2 + β.y2) =
(α.x2, α.y2) + (β.x2, β.y2) =
α.(x2, y2) + β.(x2, y2) = α.v + β.v
O sexto axioma também é atendido, uma vez que: α.v + β.v

SUMÁRIO 125
g) α.(β.v)
α.(2.(x2, y2)) =
α.(β.x2, β.y2) =
(α.β.x2, α.β.y2) =
α.β.(x2, y2) = (α.β).v
O sétimo axioma também é atendido, uma vez que: α.(β.v) = (α.β).v.
Agora vamos analisar a última propriedade dos espaços vetoriais.
i) 1.v =
1.(x2, y2) =
(1.x2, 1.y2) =
(x2, y2) = v
Ultimo axioma foi atendido. Logo, podemos dizer que o conjunto V defini-
do no espaço R2: V= {(x, y) / x, y ∈ R} é um espaço vetorial.
Vamos avaliar agora, se o conjunto V, definido no espaço R2:
V= {(x, y) / x, y ∈ R}
é um espaço vetorial com as operações de adição e multiplicação por es-

calar definidas da seguinte maneira:
Adição: (x1, y1) + (x2 + y2) = (x1 + x2, y1 + y2)
Multiplicação: α.(x1, y1) = (α.x1, y1)

126 SUMÁRIO
Observe que a operação de adição não precisa ser verificada uma vez que
é uma operação usual. E já demonstramos os cálculos no exemplo ante-
rior. Quanto à multiplicação, dois dos axiomas precisam ser verificados, já
que envolvem dois escalares:
a) α.(β.v)
α.(β.(x2, y2)) =
α.(β.x2, y2) =
(α.β.x2, y2) =
α.β.(x2, y2) = (α.β).v
O conjunto V atende a esse axioma.
b) (α + β). v =
(α + β).(x2, y2) =
((α + β).x2, y2) =
(α.x2 + β.x2, y2) =
(α.x2, y2) + (β.x2, 0) = α.v + β.(x2,0)
Perceba que esse axioma não é atendido, uma vez que: (α + β). v ≠ α.v + β.v.
Logo o conjunto V não é um espaço vetorial!
6.1.3 SUBESPAÇOS VETORIAIS
Podemos ter um espaço vetorial dentro de outro espaço vetorial. Nesse caso, o de-
nominamos de subespaço. O subespaço, portanto, é um subconjunto de um espaço
vetorial dado, sendo ele próprio um espaço vetorial em relação às mesmas operações
como aquelas em V.

SUMÁRIO 127
A definição de subespaço é a seguinte:
Sejam V um espaço vetorial e S um subconjunto não vazio de V. O subconjunto S é

um subespaço vetorial de V se forem satisfeitas as seguintes condições:
a. Axioma da adição: Para qualquer u e v pertencente ao subconjunto S:

u + v pertence a S
b. Axioma da multiplicação por um escalar: Para qualquer α pertencente ao con-

junto dos números reais R, e u pertencente ao subconjunto S, tem-se que α.u
pertence ao subconjunto S.
Assim, as oito propriedades exigidas e que devem ser satisfei-

tas no espaço vetorial maior, deverão também serem satisfei-
tas em todo subespaço.
É interessante observar que todo espaço V, desde que diferente de nulo (≠ {0}) possui,
pelo menos, dois subespaços, chamados de subespaços triviais:
• o conjunto {0}, chamado subespaço zero ou subespaço nulo; e
• o próprio espaço vetorial V.
Os demais subespaços são denominados subespaços próprios de V.
O menor subespaço S contém apenas um vetor, o vetor nulo.

Trata-se do “espaço zero dimensional”, que contém apenas o
ponto da origem. As duas regras são satisfeitas, já que a soma
0 + 0 está nesse espaço, assim como todos os múltiplos α0.
Esse é o menor espaço vetorial possível. Por outro lado, o maior subespaço
é todo o espaço original. Se temos o espaço original em R3, então os subes-
paços possíveis são: o próprio R3, qualquer plano através da origem, qual-
quer reta através da origem ou apenas a origem (o vetor nulo).

128 SUMÁRIO
Vamos identificar quais são os subespaços triviais e próprios

de R2?
Os subespaços triviais do R2 são: o conjunto {(0, 0)} e o próprio

espaço vetorial R2. E os subespaços próprios do R2? Nesse caso, teremos
todas as retas que passam pela origem do sistema de referência xy. Ob-
serve a Figura 1. Nela temos o espaço vetorial R2. A reta K é um subespaço
vetorial, ou subespaço próprio de R2, já que:
• u e v pertencem a K;
• u + v pertencem a K e
• α.u pertence a K. Na imagem da figura 1, o valor de α é -2.
FIGURA 33 - ESPAÇO VETORIAL R2 (X, Y) E SUBESPAÇO PRÓPRIO K

SUMÁRIO 129
Imagine todos os vetores em R2 cujos componentes sejam ne-

gativos ou nulos. Nesse caso, esse subconjunto é o terceiro
quadrante do plano xy, já que as coordenadas atendem a x ≤
0 e y ≤ 0. Observe que não se trata de um subespaço, mesmo
que ele contenha o vetor zero (0,0) e que a soma de dois vetores, resulte
em um vetor dentro do subconjunto. Note que a regra da multiplicação
por um escalar é violada. Imagine se o escalar for –1 e o vetor for [-1 -1], o
múltiplo αv = [1 1] estará no primeiro quadrante e não no terceiro.
Mas e se incluirmos nesse subconjunto o primeiro quadrante? Nesse caso,

observamos que a regra da multiplicação por um escalar estará sendo
atendida, já que todo múltiplo αv estará nesse subconjunto. Entretanto, a
primeira regra não é atendida, já que o vetor resultante da soma entre dois
vetores pode não está nesse subconjunto. Veja: se somarmos os vetores [-1
-3] e [5 -2] o resultado será o vetor [4 -5] que está no quarto quadrante!
Logo, podemos concluir que o menor subespaço que contém o primeiro
quadrante do plano xy é o subespaço R2 inteiro.
Vamos ver outro exemplo?
E se temos o espaço original em R3, então quais serão os su-

bespaços triviais e próprios de R3? Os subespaços triviais são: o
vetor nulo {(0, 0, 0)} e o próprio espaço vetorial R3. E os subes-
paços próprios? Nesse caso, os subespaços serão compostos
por qualquer plano ou reta que passar pela origem do sistema de referên-
cia. Observe a figura 2. Nela temos o espaço vetorial R3. A reta K é um su-
bespaço vetorial, ou subespaço próprio de R3, assim como os planos Q e W,
que passam pela origem do sistema (0,0,0)

130 SUMÁRIO
FIGURA 34 - ESPAÇO VETORIAL R3 (X, Y, Z) E SUBESPAÇO PRÓPRIO K, Q E W
Vamos verificar se W é um subespaço vetorial de V, sedo V = R2

e W = {(x, y) ∈ R2 / y = 8 − 4x}.
Para tanto, precisamos verificar as duas regras:
Para qualquer u e v pertencente ao subconjunto W, o resultado de u + v

também deve pertencer a W. Imagine o vetor u [1 2] e v [2 0] pertencen-
tes a W. A soma entre eles será u + v = [3 2]. Temos então, que verificar
se esse vetor resultante da soma pertence ao subconjunto W. Verificamos
que não, uma vez que para x igual a 3, temos y igual -4. Logo, já podemos
afirmar que o subconjunto W não é subespaço de R2. Não sendo, portanto,
necessário verificar a segunda regra.
Vamos agora entender a definição de combinação linear.
6.1.4 COMBINAÇÃO LINEAR
Um vetor u será uma combinação linear dos vetores v1, v2,...,vr, se u puder ser escrito
na forma:
u = k1v1 + k2v2 + ... + krvr

SUMÁRIO 131
onde k1, k2, ..., kr são escalares.
Vamos ver um exemplo?
Vamos considerar o espaço vetorial P dos polinômios de grau

menor ou igual a 2. Queremos expressar o polinômio:
u = 14x2 + 22x − 52 como combinação linear dos polinômios:
v1 = 5x2 − 3x + 2 e v2 = −2x2 + 5x − 8
Para que u seja combinação linear de v1 e v2 é necessário que u seja escri-

to da seguinte forma:
u = k1v1 + k2v2
14x2 + 22x − 52 = k1(5x2 − 3x + 2) + k2(−2x2 + 5x − 8)

= (5 k1x2 − 3k1x + 2k1) + (−2 k2x2 + 5 k2x − 8 k2)
= 5 k1x2 − 3 k1x + 2 k1 - 2 k2x2 + 5 k2x − 8 k2
= (5 k1 − 2k2)x2 + (−3 k1 + 5 k2)x + (2 k1 − 8 k2)
Logo, igualando os coeficientes das variáveis aos termos do vetor u, as se-

guintes equações devem ser atendidas:
5 k1 − 2k2 = 14
−3 k1 + 5 k2 = 22
2 k1 − 8 k2 =-52
Chegamos a um sistema de equações lineares. Resolvendo-o encontra-

mos os valores de k1= 6 e k2 = 8.
Logo, u pode ser escrito da seguinte forma:
u = 6v1 + 8v2

132 SUMÁRIO
Vamos estudar outro exemplo.
Considere os vetores v1 = (2, 4, 2), v2 = (2, 0, 4) e v3 = (2, 2, 0) em

R3. Vamos encontrar a combinação linear de v1, v2 e v3 que re-
sulte no vetor u = (4, 2, 10).
Para que u seja combinação linear de v1, v2 e v3 é necessário que u seja es-
crito da seguinte forma:
u = k1v1 + k2v2 + k3v3
(4,2,10) = k1 (2, 4, 2) + k2 (2, 0, 4) + k3 (2, 2, 0)
(4,2,10) = (2k1, 4k1, 2k1) + (2k2, 0, 4k2) + (2k3, 2k3, 0)
(4,2,10) = (2k1 + 2k2 + 2k3, 4k1 + 2k3, 2k1 + 4k2)
Igualando os vetores, temos:
 2k1 + 2k 2 + 2k 3 = 4

 4k1 + 2k 3 = 2
 2k + 4k = 10
 1 2
Chegamos a um sistema de equações lineares. Vamos usar a técnica de

Gauss para resolvê-lo:
 2k1 + 2k 2 + 2k 3 = 4 (÷2)  k1 + k 2 + k 3 = 2 .(−4)  k1 + k 2 + k 3 = 2

  
 4k1 + 2k 3 = 2 ⇒  4k1 + 2k 3 = 2 ⇒ -4k 2 - 2k 3 = -6
 2k + 4k  
 1 2 = 10  2k1 + 4k 2 = 10  2k1 + 4k 2 = 10
 k1 + k 2 + k 3 = 2 .(−2)  k1 + k 2 + k 3 = 2  k1 + k 2 + k 3 = 2
  
 -4k 2 - 2k 3 = -6 ⇒ -4k 2 -2k 3 = -6 ..(−1) ⇒  -4k 2 -2k 3 = -6
 2k + 4k = 10  + 2k 2 - 2k 3 = 6  + 6k 2 = 12
 1 2  
Assim temos: k2 = 2, k3 = -1 e k1 = 1.
Logo, u pode ser escrito da seguinte forma: u = v1 + 2v2 – v3

SUMÁRIO 133
6.1.5 INDEPENDÊNCIA, BASE E DIMENSÃO
Podemos dizer que os vetores v1, v2 ..., vr são linearmente independente se a única
combinação linear possível entre eles, para se ter o vetor nulo como resultado, for
0v1 + 0v2 + ... 0vn. Assim, a solução da equação vetorial:
k1v1 + k2v2 + ... + krvr = 0
possui somente a solução trivial k1 = k2 = ... = kr = 0.
Portanto, se existirem outras soluções possíveis para se obter o vetor nulo, então dize-
mos que os vetores são linearmente dependentes.
Considere os vetores v1 = (1, 0) e v2 = (0, 1). Eles são linearmente

dependentes ou independentes?
Para definirmos se os vetores são dependentes ou indepen-

dentes devemos realizar a combinação linear entre eles:
k1(1, 0) + k2(0,1) =
(k1, 0) + (0, k2) = (k1, k2)
Dessa forma podemos dizer que os vetores v1 e v2 são linearmente inde-

pendentes, uma vez que para se ter o vetor nulo como resultado da com-
binação linear entre eles, tem-se que k1 = k2 = 0.
Dizemos que os vetores são linearmente dependentes.

134 SUMÁRIO
E os vetores v1 = (1, 0) e v2 = (1, 0,00001)?. Eles são linearmente

dependentes ou independentes?
Segue a combinação linear entre eles:
k1(1, 0) + k2(1, 0,00001) =
(k1, 0) + (k2, 0,00001k2) = (k1+ k2, 0,00001k2)
Dessa forma, para se ter o vetor nulo temos:
k1+ k2 = 0 e 0,00001k2 = 0
Podemos então dizer que os vetores v1 e v2 são linearmente independen-

tes, uma vez que para se ter o vetor nulo como resultado da combinação
linear entre eles, tem-se que k1 = k2 = 0.
Já os vetores v1 = (1, 1) e v2 = (-1, -1) são linearmente dependen-

tes. Vamos ver por quê?
Segue a combinação linear entre eles:
k1(1, 1) + k2(-1, -1) =
(k1, k1) + (-k2, -k2) = (k1 - k2, k1 - k2)
Dessa forma, para se ter o vetor nulo temos:
k1- k2 = 0
k1= k2
Logo, temos infinitas soluções para se encontrar o vetor nulo. Nesse caso,
dizemos que os vetores são linearmente dependentes.

SUMÁRIO 135
Em R2, quaisquer três vetores (a, b), (c, d) e (e, f) são dependen-
tes. Faça alguns testes para verificar essa afirmativa. Sugiro que
consulte o livro Introdução à Álgebra Linear de Gilbert Strang
de 2013, disponível na biblioteca virtual, para verificação de
outros exemplos.
Como podemos conceituar base de um espaço vetorial?
6.1.5.1 BASE PARA UM ESPAÇO VETORIAL
Para a geração do espaço, precisamos de um número suficiente de vetores indepen-

dentes. Procuramos então a “base” do espaço vetorial.
Dessa forma, podemos definir que a base para um espaço vetorial é uma sequência
de vetores com duas importantes propriedades:
• Os vetores da base são linearmente independentes e
• Os vetores da base geram todo o espaço. Ou seja, combinações lineares desses

vetores preenchem todo o espaço. Dessa forma, os vetores v1 = (1, 0) e v2 = (0, 1)
geram todo o espaço R2, uma vez que todo vetor nesse espaço é uma combi-
nação linear de v1 e v2. De forma análoga, temos os vetores v1 = (1, 0, 0), v2 = (0,
1, 0) e v3 = (0, 0, 1) que geram todo o espaço R3.
É importante entender, que nesse caso, qualquer vetor v no espaço é uma combina-
ção linear única dos vetores da base, pois são esses que geram o espaço.
Existe uma e somente uma forma de escrever v como uma

combinação dos vetores da base.
O número de vetores em toda base é a “dimensão” do espaço.

Vamos entender melhor esse conceito.

136 SUMÁRIO
6.1.5.2 DIMENSÃO DE UM ESPAÇO VETORIAL
Imagine um plano definido por x + 5y +2z = 0. Qual a dimensão desse plano? Para essa
definição é preciso encontrar uma base desse plano. Ou seja, precisamos encontrar
vetores que a partir de sua combinação linear são gerados quaisquer vetores nesse
plano. Determinamos, por exemplo, a base (−5, 1, 0) e (−2, 0, 1). Logo, a dimensão será
2 porque a base contém dois vetores.
6.2 TRANSFORMAÇÃO LINEAR
Uma transformação T possui o mesmo conceito de função. Em uma função temos:

uma entrada x (domínio da função) e uma saída f(x) (contradomínio da função). Na
transformação temos um vetor V de entrada e um vetor W de saída. Uma transfor-
mação T aloca uma saída W a cada vetor de entrada V. Nesse caso, todo o espaço V
é transformado no espaço W. Podemos então, entender a transformação, como uma
função que leva vetores de um espaço vetorial para outro espaço vetorial.
Denominamos a transformação como T: V → W, onde T é a

transformação de V em W, sendo V (um espaço vetorial) o do-
mínio e W (um espaço vetorial) o contradomínio.
Em outras palavras, T: V → W é uma função que define a mudança de um espaço ve-

torial V em outro espaço vetorial W. Essa transformação será chamada de transforma-
ção linear de V em W se, para quaisquer vetores u e v em V e qualquer escalar α valer:
I. T(u + v) = T(u) + T(v) e
II. T(αv) = αT(v).
Algumas observações importantes:
• A nomenclatura T: V → W nos indica que T aplica vetores do espaço vetorial V

em vetores do espaço vetorial W. Isso quer dizer que T é uma função com do-

SUMÁRIO 137
mínio V, contra domínio W, sendo a imagem um subconjunto de W.
• Lemos T(v) como “T de v“, de modo semelhante à notação de f(x), que é lida
como “f de x”.
• Quando V = W, temos a seguinte transformação linear T: V → V. Nesse caso es-

pecial, o domínio e contradomínio são o mesmo espaço vetorial V. Essa trans-
formação linear é denominada de operador linear de V.
• As duas regras impostas para a transformação ser linear podem ser agrupadas
em uma única condição: T(αu + v) = αT(u) + T(v).
Vamos ver alguns exemplos?
Imagine a seguinte transformação:
T: R2 → R, sendo T(x, y) = 2x + 3y. Essa transformação é linear?
Para respondermos a essa questão é preciso que as duas condições apre-

sentadas acima sejam satisfeitas.
Vamos considerar os vetores u= (x1, y1) e v = (x2, y2) do espaço vetorial R2. A
primeira condição nos mostra que:
I. T(u + v) = T(u) + T(v)
T(u + v) = T((x1, y1) + (x2, y2)) = T(x1 + x2, y1 + y2)
Como T(x, y) = 2x + 3y, vamos substituir x por “x1 + x2” e y por “y1 + y2”
T(x, y) = 2x + 3y
T(x1 + x2, y1 + y2) = 2(x1 + x2) + 3(y1 + y2)
T(x1 + x2, y1 + y2) = 2x1 + 2x2 + 3y1 + 3y2 = (2x1 + 3y1) + (2x2 + 3y2)
T(x1 + x2, y1 + y2) = T(x1, y1) + T(x2, y2)
T(u + v) = T(u) + T(v)

138 SUMÁRIO
Logo, a primeira condição é satisfeita para que essa transformação seja

linear.
Vamos agora verificar a segunda condição:
II. T(αv) = αT(v).
T(αv) = T(α(x1, y1)) = T(αx1, αy1)
Temos T(x, y) = 2x + 3y. Vamos substituir x por “αx1” e y por “αy1”
T(x, y) = 2x + 3y
T(αx1, αy1) = 2αx1 + 3αy1
T(αx1, αy1) = α(2x1 + 3y1)
T(αx1, αy1) = αT(x1, y1)
T(αx1, αy1) = αT(v)
Logo, a segunda condição também é satisfeita. Nesse caso, podemos afir-

mar que essa transformação do espaço vetorial R2 no espaço vetorial R é
uma transformação linear.
Vamos observar outro exemplo?
Considere a seguinte transformação:
T: R2 → R, sendo T(x, y) = 2x + 3y + 6. Essa transformação é linear?
Temos então que verificarmos as duas condições para que a transforma-

ção seja linear.

SUMÁRIO 139
Vamos imaginar os vetores u = (x1, y1) e v = (x2, y2) do espaço vetorial R2. A
primeira condição nos mostra que:
I. T(u + v) = T(u) + T(v)
T(u + v) = T((x1, y1) + (x2, y2)) = T(x1 + x2, y1 + y2)
Como T(x, y) = 2x + 3y + 6, vamos substituir x por “x1 + x2” e y por “y1 + y2”
T(x, y) = 2x + 3y + 6
T(x1 + x2, y1 + y2) = 2(x1 + x2) + 3(y1 + y2) + 6
T(x1 + x2, y1 + y2) = 2x1 + 2x2 + 3y1 + 3y2 + 6 = (2x1 + 3y1 +6) + (2x2 + 3y2)
T(x1 + x2, y1 + y2) = T(x1, y1) + 2x2 + 3y2
T(u + v) ≠ T(u) + 2x2 + 3y2
Logo, como a primeira condição não é satisfeita essa transformação não é

linear.
Caro (a) aluno (a), sugiro a leitura do livro Introdução à Álgebra

Linear de Gilbert Strang de 2013, disponível na biblioteca vir-
tual, para verificação de outros exemplos. Bons estudos!
CONCLUSÃO
Nessa unidade você aprendeu sobre os espaços vetoriais e a transformação linear. Ini-
cialmente estudará o conceito de subespaços, combinação linear, base e dimensão.
Posteriormente você aprenderá sobre a transformação linear. Espero que você tenha
tido sucesso em seu aprendizado, principalmente na aplicação deste conhecimento
adquirido na solução dos exercícios propostos.

140 SUMÁRIO
REFERÊNCIAS
SANTOS, Fabiano José dos; FERREIRA, Silvimar Fábio. Geometria Analítica. Porto Alegre:
Bookman, 2014.
KOLMAN, Bernard; HILL, David Ross. Introdução à Álgebra Linear com Aplicações. 8ª edi-
ção. Rio de Janeiro: 2010.
LEHMANN, Charles. Geometria Analítica. São Paulo: Globo, 1998.
KOLMAN, Bernard; HILL, David Ross. Introdução à álgebra linear com aplicações. 8. ed.
Rio de Janeiro: LTC, 2010.
LEHMANN, Charles. Geometria analítica. São Paulo: Globo, 1998.
SANTOS, Fabiano José dos; FERREIRA, Silvimar Fábio. Geometria analítica. Porto Alegre:
Bookman, 2014.
STEINBRUCH, Seymour e LIPSON Marc. Teoria e problemas de álgebra linear. Porto Ale-
gre: Bookman, 2004.
LAY, David C. Álgebra Linear e suas aplicações. 2ª edição. Rio de Janeiro: LTC, 1999.
LEON, Steven J.; IORIO, Valéria de Magalhães. Álgebra Linear com Aplicações. 4ª edição.

SUMÁRIO 141
LEON, Steven J. Álgebra Linear com Aplicações. 8ª edição. Rio de Janeiro: LTC, 2017.
Bookman, 2014.
STEINBRUCH, Seymour e LIPSON Marc. Teoria e problemas de Álgebra Linear. Porto Ale-
gre: Bookman, 2004.
LEON, Steven J. Álgebra Linear com Aplicações. 8ª edição. Rio de Janeiro: LTC, 2017.
Bookman, 2014.
STEINBRUCH, Seymour e LIPSON Marc. Teoria e problemas de Álgebra Linear. Porto Ale-
gre: Bookman, 2004.
STRANG, Gilbert. Introdução à Álgebra Linear. 4ª Edição. Rio de Janeiro: LTC, 2013.

142 SUMÁRIO
CONHEÇA TAMBÉM NOSSOS CURSOS DE PÓS-GRADUAÇÃO A DISTÂNCIA NAS ÁREAS DE:
SAÚDE • EDUCAÇÃO • DIREITO • GESTÃO E NEGÓCIOS
EAD.MU LTIVIX.EDU.BR
SUMÁRIO 143

Geometria Analítica e Álgebra Linear

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

Geometria Analítica e Álgebra Linear

Enviado por

Direitos autorais:

Formatos disponíveis

Geometria Analítica e Álgebra Linear

FACULDADE CAPIXABA DA SERRA/EAD

GRUPO A Faculdade Multivix está presente de norte a sul

Atualmente, a Multivix está entre o seleto

Estes resultados acadêmicos colocam

Formar profissionais com consciência cida-

Ser uma Instituição de Ensino Superior reconheci-

FACULDADE CAPIXABA DA SERRA/EAD

FACULDADE CAPIXABA DA SERRA • MULTIVIX

Diretor Executivo Revisão de Língua Portuguesa

Diretora Acadêmica Revisão Técnica

Conselho Editorial Multivix Educação a Distância

BIBLIOTECA MULTIVIX (Dados de publicação na fonte)

Lopes, Ketnes Ermelinda Guimarães.

Catalogação: Biblioteca Central Anisio Teixeira – Multivix Serra

As imagens e ilustrações utilizadas nesta apostila foram obtidas no site: http://br.freepik.com

FACULDADE CAPIXABA DA SERRA/EAD

APRESENTAÇÃO Aluno (a) Multivix,

DA DIREÇÃO Estamos muito felizes por você agora fazer parte

EXECUTIVA Espírito Santo e principalmente por ter escolhido a

A Faculdade Multivix possui unidades em Cachoei-

Além da qualidade de ensino já comprova-

Entendemos que a educação de qualidade sempre

FACULDADE CAPIXABA DA SERRA/EAD

• Aplique o raciocínio geométrico, que faz o aluno solucionar problema de posi-

• Apreenda a utilização do conceito de vetores no espaço na solução de proble-

• Aplique as operações com vetores, através do cálculo do produto escalar, do

• Opere com matrizes, além de calcular seus determinantes e identificar suas

• Aplique sistemas de equações lineares, através de diferentes métodos.

FACULDADE CAPIXABA DA SERRA/EAD

>>FIGURA 1 - Coordenadas de pontos: latitude e longitude 15

FACULDADE CAPIXABA DA SERRA/EAD

>>FIGURA 29 - Representação do cálculo do módulo do vetor 110

FACULDADE CAPIXABA DA SERRA/EAD

>>QUADRO 1 - Exemplos de matrizes 55

FACULDADE CAPIXABA DA SERRA/EAD

UNIDADE 1 1 DISTÂNCIA ENTRE DOIS PONTOS E COORDENADAS DO PONTO MÉDIO 14

1.1.2 O SISTEMA DE COORDENADAS RETANGULARES 18

UNIDADE 2 2 ESTUDO DAS RETAS NO PLANO 34

UNIDADE 3 3 ÁLGEBRA DAS MATRIZES E DETERMINANTES 54

FACULDADE CAPIXABA DA SERRA/EAD

3.2.10 MATRIZES IGUAIS 60

UNIDADE 4 4 SISTEMAS DE EQUAÇÕES LINEARES 80

UNIDADE 5 5 VETORES E PRODUTO VETORIAL 102

FACULDADE CAPIXABA DA SERRA/EAD

5.6.2 CÁLCULO DO PRODUTO VETORIAL 114

UNIDADE 6 6 ESPAÇOS VETORIAIS E TRANSFORMAÇÃO LINEAR 120

FACULDADE CAPIXABA DA SERRA/EAD

FACULDADE CAPIXABA DA SERRA/EAD

> Definir os espaços

> Calcular as distâncias

FACULDADE CAPIXABA DA SERRA/EAD

1 DISTÂNCIA ENTRE DOIS

1.1 ESPAÇOS DIMENSIONAIS

Com o objetivo de melhor interpretar e resolver problemas em Geometria Analítica

Como bem lembra Lehmann (1998), em um sistema linear de coordenadas

FACULDADE CAPIXABA DA SERRA/EAD

Podemos ter as informações em qualquer dimensão, conhecida

1.1.1 SISTEMAS DE REFERÊNCIA R2

Para utilizarmos as ferramentas da geometria analítica da melhor forma possível, é

Um sistema de referência é formado por um determinado referencial e por um prin-

FIGURA 1 - COORDENADAS DE PONTOS: LATITUDE E LONGITUDE

Fonte: SHUTTERSTOCK, 2018.

FACULDADE CAPIXABA DA SERRA/EAD