Escolar Documentos
Profissional Documentos
Cultura Documentos
GEOMETRIA ANALÍTICA
E ÁLGEBRA LINEAR
MISSÃO
VISÃO
EDITORIAL
Seja bem-vindo!
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:
LISTA DE FIGURAS
LISTA DE QUADROS
SUMÁRIO
CONCLUSÃO 32
CONCLUSÃO 52
CONCLUSÃO 78
CONCLUSÃO
100
CONCLUSÃO 118
CONCLUSÃO 140
REFERÊNCIAS 141
ICONOGRAFIA
ATENÇÃO ATIVIDADES DE
APRENDIZAGEM
PARA SABER
SAIBA MAIS
ONDE PESQUISAR CURIOSIDADES
LEITURA COMPLEMENTAR
DICAS
GLOSSÁRIO QUESTÕES
MÍDIAS
ÁUDIOS
INTEGRADAS
ANOTAÇÕES CITAÇÕES
EXEMPLOS DOWNLOADS
UNIDADE 1
OBJETIVO
Ao final desta
unidade,
esperamos
que possa:
> Calcular as
coordenadas do
ponto médio de um
segmento de reta.
• 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.
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.
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.
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).
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:
N = {0,1,2,3,4,5,6,…}
N* = {1,2,3,4,5,6,…}
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
• 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.
Neste caso, podemos dizer que os números reais são todos os números racionais e os
irracionais.
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.
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.
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!
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.
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.
Onde:
dP1R = x2 – x1
dRP2 = y1 – y2
Substituindo essas distâncias conhecidas a partir das coordenadas dos pontos, temos:
d = ( x2 − x1 ) 2 + ( y1 − y2 ) 2
Vamos aplicar essa fórmula? Segue então um exercício resolvido.
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
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.
Viu só como é fácil? Nós apenas aplicamos as coordenadas dos pontos à fórmula.
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.
Acompanhe a resolução.
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
Vamos continuar.
Cálculo da hipotenusa:
d AC = [( x − (−1)]2 + (2 − 1) 2 = ( x + 1) 2 + 1 = x 2 + 2 x + 2
(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
6x = 36
x=6
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.
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
xM – x1 = x2 – xM
xM + xM = x1 + x2
2xM = x1 + x2
xM = x1 + x2 / 2
MR = yM – y1
P1S = y1 – yM
yM – y1 = y1 – yM
yM + yM = y1 + y2
2yM = y1 + y2
yM = y1 + y2 / 2
x + x y + y2
M 1 2, 1
2 2
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
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.
UNIDADE 2
OBJETIVO
Ao final desta
unidade,
esperamos
que possa:
Como vimos, a reta é considerada uma curva, quando se observa a definição ampla
de curva. Qual seria essa definição?
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.
a) b)
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.
PN = y - y1
P1N = x - x1
P2M = y2 - y1
P1M = x2 - x1
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”.
∆y = y2 - y1 ou ∆y = y1 – y2
∆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.
∆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
∆y y2 − y1 8
= = =4
∆x x2 − x1 2
ou
∆y y1 − y2 −8
= = =4
∆x x1 − x2 −2
y − y1
=a
x − x1
y - y1 = a (x – x1)
Agora vamos trabalhar essa equação para encontrarmos a equação reduzida da reta.
Vejamos:
y - y1 = a (x – x1)
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”.
2.
y = ax + b
y + 5 = 2 (x + 2)
y = 2x + 4 - 5
y = 2x - 1
y + 3 = 2(x + 1)
E a forma reduzida:
y = 2x - 1
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).
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.
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?
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.
a) b)
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.
E quando o ângulo α for diferente de 0º e 90º? Neste caso, podemos ter retas crescen-
tes ou 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).
a) b)
∆y 6 − 2
a= = =2
∆c 3 − 1
a > 0, logo a reta é crescente.
∆y 2 − (−1)
a= = = −1
∆x −2 − 1
a < 0, logo a reta é decrescente.
∆y 1−1
a= = =0
∆x 1 − (−2)
∆y −2 − 1
a= = =
∆x 1 − 1
a = 0, logo a reta é horizontal.
Agora vamos estudar duas retas no mesmo plano cartesiano. Elas podem ser parale-
las, perpendiculares ou apenas se cruzarem em um ponto de interseção.
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).
a) b)
a1a2 = -1
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.
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
y - y1 = a (x – x1)
y – 3 = 3 (x – 1)
y = 3x
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.
5 y = 50
y = 10
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.
tg (α ) − tg (θ )
tg ( β ) = tg (α − θ ) =
1 + tg (α )tg (θ )
a1 − a2
tg ( β ) =
1 + a1a2
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).
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?
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
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.
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.
UNIDADE 3
OBJETIVO
Ao final desta
unidade,
esperamos
que possa:
> Calcular a
determinante de
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).
1 ≤ i ≤ n(linhas )
1 ≤ j ≤ p (colunas )
Algumas observações sobre as matrizes:
b. a matriz segue a seguinte ordem: as linhas são consideradas de cima para baixo,
e as colunas, da esquerda para a direita.
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
Fonte: Elaborado pela autora, 2018.
Existem algumas características das matrizes que as classificam como especiais. Va-
mos agora estudá-las.
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:
0 2 4
K 3 = 3 6 −3
3 7 −1
Quais são as características dessa matriz? Vejamos:
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
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]
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
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
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
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
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.
São as matrizes quadradas em que aij = aji. Nesse caso, quando a matriz for igual à sua
transposta, essas serão matrizes simétricas.
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.
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
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.
A = B ⇔ aij = bij
Agora que conhecemos as características das matrizes especiais, vamos estudar suas
operações.
É interessante observar que qualquer que seja a operação que se faça a uma matriz,
o resultado sempre será outra matriz.
As propriedades para a operação de adição entre matrizes do mesmo tipo podem ser
consultadas a seguir:
• Associativa: (A + K) + R = A + (K + R).
• Comutativa: A + K = K + A.
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.
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
Exemplo:
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
• 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 .
• Associativa: (A . K) . W = A . (K.W).
Temos de ter atenção redobrada para a multiplicação entre matrizes, uma vez que as
seguintes propriedades não são aplicadas:
• 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.
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
a21 = 2ª linha e 1ª coluna = 4.1 + 1.3 = 4 + 3 = 7
a22 = 2ª linha e 2ª coluna = 4.2 + 1.4 = 8 + 4 = 12
2 3
1 2 3
A = 0 1 eB=
−1 4 3 x 2 −2 0 4 2 x 3 , determine:
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
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
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
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.
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
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
1 2 −3
Considere a matriz A = 0 1 2 , vamos determinar: M11,
−1 −2 2
M32 e M23.
1 2
M 11 = = 1.2 − ( 2. − 2 ) = 6
−2 2
1 −3
M 32 = = 1.2 − ( −3.0 ) = 2
0 2
1 2
M 23 = = 1. − 2 − ( 2. − 1) = 0
−1 −2
3.4.2 COFATOR
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
em que ∑
i =1
é o somatório das entradas i, variando de 1 até m e Cij que o cofator ij.
2 3 −4
Laplace: A3 = −2 1 2
0 5 6
Definindo o determinante de A3:
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
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!
2 3 4 −1
0 0 2 0
Laplace: A 4 = .
3 −1 1 1
−1 0 2 3
2 3 −1
2+3
det A4 = 0 + 0 + 2(−1) 3 −1 1
−1 0 3
D
C23
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
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?
Dessa forma, vamos aplicar a regra de Sarrus para o cálculo da determinante, consi-
derando a matriz A de ordem 3:
DetA3 = − ( a13 a22 a31 + a11a23 a32 + a12 a21a33 ) + ( a11a22 a33 + a12 a23 a31 + a13 a21a32 )
2 3 −1
de Sarrus: A3 = 4 1 2.
−3 2 1
2 3 −1 2 3
A3 = 4 1 2 4 1
−3 2 1 -3 2
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
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:
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.
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
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
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.
2 -1 0 1
0 0 1 2
A4 =
1 0 -1 0
0 1 1 0
−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.
UNIDADE 4
OBJETIVO
Ao final desta
unidade,
esperamos
que possa:
> Identificar as
características das
equações lineares;
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!
Uma equação é denominada equação linear quando possuir a forma geral descrita
a seguir:
a1 x1 + a2 x2 +a3 x3 + ... + an xn = b
• 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;
• 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-
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:
-x + y - 5z = -3 Equação linear.
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:
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:
• Sem solução: nesse caso o sistema é impossível, já que não encontrarmos va-
lores das variáveis que atendam à igualdade.
Agora vamos estudar a regra de Cramer para solucionar sistemas de equações linea-
res.
b1 a12 … a1n
b a22 a2 n
Ax1 = 2
bn am 2 amn
det Ax1
x1 =
det A
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:
2 1
A=
3 −3
Vamos calcular o seu determinante:
7 1 2 7
Ax1 = Ax 2 =
6 −3 3 6
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).
1 2 −1
A = 3 −4 5
1 1 1
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
Logo:
1 2 −1
A = 3 −4 5
1 1 1
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
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).
Como temos pelo menos um dos determinantes de Ax1, Ax2 e Ax3 diferentes de
zero, podemos afirmar que o sistema impossível, não apresentando solução.
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.
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.
• Primeira etapa: escolhemos a primeira equação como aquela que possui coe-
ficiente não nulo referente à primeira incógnita.
• 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.
2 x − 4y − 3z = 8
-3x + 6 y + 8 z = − 5
x- 3y − 2z = 6
x- 3y − 2z = 6
-3x + 6 y + 8 z = − 5
2 x − 4y − 3z = 8
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
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
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
x – 3y - 2z = 6
x=1
x + 2y + z =1
2 x + y − 3z = 4
3 x + 3 y − 2 z = 0
Inicialmente vamos escalonar o sistema:
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
Agora, vamos para a terceira etapa:
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
x + 3 y + 2z = 1
−2 x + y + z = −2
− x + 4 y + 3 z = −1
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
Agora, vamos para a terceira etapa:
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.
UNIDADE 5
OBJETIVO
Ao final desta
unidade,
esperamos
que possa:
> Interpretar
algebricamente um
vetor;
5 VETORES E PRODUTO
VETORIAL
Olá aluno (a), seja bem-vindo (a) a esta nova fase de edificação do seu aprendizado!
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.
E então, está pronto (a)? Podemos começar? Bons estudos e boa aprendizagem!
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 .
Segmento AB Segmento BA
• Sentido: está associado a orientação do vetor. Para cada direção, temos dois
sentidos: leste/oeste, norte/sul, positivo/negativo etc.
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.
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)
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 .
FIGURA 24 - ADIÇÃO DOS VETORES v E u.
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)
PROPRIEDADES APLICAÇÃO
Comutativa a+b =
Associativa ( )
a+b +c = a+ b+c ( )
Elemento oposto a+b =
Elemento neutro a + 0 = + 0+a +=a
Considere o vetor v = (-2, 1, 3), no espaço R3. Calcule 2 v .
2 v = (-4, 2, 6)
PROPRIEDADES APLICAÇÃO
Distributiva do escalar em relação à soma de ve-
tores
( )
k a + b = k a + kb
Considere os vetores v = (-2, u
1, 3) e = (6, -2, -4), no espaço R .
3
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?
Onde:
| v |= módulo do vetor v ;
| w |= módulo do vetor w e
θ é o ângulo entre v e w .
FIGURA 27 - O ÂNGULO FORMADO ENTRE DOIS VETORES vEw
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
Então para dois vetores perpendiculares, o produto escalar entre eles é igual a mul-
tiplicação de seus módulos.
| v | = 12 + 22 + 32 = 14
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.
Considere o vetor v = (-2, 4, 0). Calcule o seu comprimento.
| v | = (−2) 2 + 42 + 02 = 25 = 5
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 .
PROPRIEDADES APLICAÇÃO
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
Mas como podemos calcular o produto vetorial? Antes de verificarmos esse cálculo,
vamos introduzir o conceito de vetores em função de uma base ortonormal.
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.
Agora, estamos preparados para entender como se calcula o produto vetorial. Vamos lá?
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 .
( ) (
= 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 .
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.
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
| v x w | = a 2 + b2 + c2
| v x w | = 22 + 82 + (−7) 2
| v x w | = 117
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
| v x w | = a 2 + b2 + c2
| v x w | = 02 + 02 + (−8) 2
| v x w | = 64 = 8
Fácil, não é mesmo?
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.
UNIDADE 6
OBJETIVO
Ao final desta
unidade,
esperamos
que possa:
> Descrever
vetoreslinearmente
dependentes e
independentes;
6 ESPAÇOS VETORIAIS E
TRANSFORMAÇÃO LINEAR
Olá aluno (a), seja bem-vindo (a) a esta nova fase de edificação do seu aprendizado!
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.
E então, está pronto (a)? Podemos começar? Bons estudos e boa aprendizagem!
5
−4
vetor em R
3
7
[5] vetor em R1
a. Associativa da adição: (u + v) + w = u + (v + w)
b. Comutativa: u + v = v + u
g. α.(β.v) = (α.β).v
h. 1.v = v
Dessa forma, para que um conjunto de vetores possa ser considerado um espaço ve-
torial é preciso que ele atenda a esses oito axiomas.
8. Se α.u = 0, implica em α = 0 ou u = 0;
10. Para u pertencente a V, para α pertencente ao conjunto dos números reais (R),
tem-se (-α).u = α.(-u) = - (α.u).
V= {(x, y) / x, y ∈ R}
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:
a) Associativa da adição: (u + v) + w =
b) Comutativa: u + v =
c) Elemento neutro: 0 + u =
(0 + x1, 0 + y1) =
(x1, y1) = u
(0, 0) = 0
e) α.(v + w) =
f) (α + β). v =
(α + β).(x2, y2) =
g) α.(β.v)
α.(2.(x2, y2)) =
α.(β.x2, β.y2) =
(α.β.x2, α.β.y2) =
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.
V= {(x, y) / x, y ∈ R}
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) =
b) (α + β). v =
(α + β).(x2, y2) =
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!
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.
É interessante observar que todo espaço V, desde que diferente de nulo (≠ {0}) possui,
pelo menos, dois subespaços, chamados de subespaços triviais:
• u e v pertencem a K;
• u + v pertencem a K e
Um vetor u será uma combinação linear dos vetores v1, v2,...,vr, se u puder ser escrito
na forma:
v1 = 5x2 − 3x + 2 e v2 = −2x2 + 5x − 8
u = k1v1 + k2v2
5 k1 − 2k2 = 14
−3 k1 + 5 k2 = 22
2 k1 − 8 k2 =-52
u = 6v1 + 8v2
Para que u seja combinação linear de v1, v2 e v3 é necessário que u seja es-
crito da seguinte forma:
2k1 + 2k 2 + 2k 3 = 4
4k1 + 2k 3 = 2
2k + 4k = 10
1 2
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.
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:
Portanto, se existirem outras soluções possíveis para se obter o vetor nulo, então dize-
mos que os vetores são linearmente dependentes.
k1(1, 0) + k2(0,1) =
k1+ k2 = 0 e 0,00001k2 = 0
k1- k2 = 0
k1= k2
Logo, temos infinitas soluções para se encontrar o vetor nulo. Nesse caso,
dizemos que os vetores são linearmente dependentes.
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.
Dessa forma, podemos definir que a base para um espaço vetorial é uma sequência
de vetores com duas importantes propriedades:
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.
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.
• Lemos T(v) como “T de v“, de modo semelhante à notação de f(x), que é lida
como “f de x”.
• As duas regras impostas para a transformação ser linear podem ser agrupadas
em uma única condição: T(αu + v) = αT(u) + T(v).
Vamos considerar os vetores u= (x1, y1) e v = (x2, y2) do espaço vetorial R2. A
primeira condição nos mostra que:
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) = 2x1 + 2x2 + 3y1 + 3y2 = (2x1 + 3y1) + (2x2 + 3y2)
T(x, y) = 2x + 3y
Vamos imaginar os vetores u = (x1, y1) e v = (x2, y2) do espaço vetorial R2. A
primeira condição nos mostra que:
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) = 2x1 + 2x2 + 3y1 + 3y2 + 6 = (2x1 + 3y1 +6) + (2x2 + 3y2)
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.
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.
KOLMAN, Bernard; HILL, David Ross. Introdução à álgebra linear com aplicações. 8. ed.
Rio de Janeiro: LTC, 2010.
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.
KOLMAN, Bernard; HILL, David Ross. Introdução à Álgebra Linear com Aplicações. 8ª edi-
ção. Rio de Janeiro: 2010.
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.
Rio de Janeiro: LTC, 1998.
KOLMAN, Bernard; HILL, David Ross. Introdução à Álgebra Linear com Aplicações. 8ª edi-
ção. Rio de Janeiro: 2010.
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.
LEON, Steven J. Álgebra Linear com Aplicações. 8ª edição. Rio de Janeiro: LTC, 2017.
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.
KOLMAN, Bernard; HILL, David Ross. Introdução à Álgebra Linear com Aplicações. 8ª edi-
ção. Rio de Janeiro: 2010.
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.
Rio de Janeiro: LTC, 1998.
LEON, Steven J. Álgebra Linear com Aplicações. 8ª edição. Rio de Janeiro: LTC, 2017.
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.
STRANG, Gilbert. Introdução à Álgebra Linear. 4ª Edição. Rio de Janeiro: LTC, 2013.
EAD.MU LTIVIX.EDU.BR
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 143