Escolar Documentos
Profissional Documentos
Cultura Documentos
UNIFAL-MG - Alfenas
Maio/2023
Sumário
1 Matrizes 1
1.1 Definição e Tipos Especiais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Tipos Especiais de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Operações com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.1 Soma de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.2 Multiplicação de uma Matriz por um Escalar . . . . . . . . . . . . . . . . 12
1.2.3 Somatório . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.4 Multiplicação de matrizes. . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.4 Transposição de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.4.1 Exercícios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.5 Sistemas de Equações Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.5.1 Método do Escalonamento para a Solução de Sistemas Lineares . . . . . . 40
1.6 Operações Elementares com Linhas . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.6.1 Definições . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.7 Determinante e Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
1.8 Matriz Adjunta e Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
1.8.1 Processo Prático para Inversão de Matrizes . . . . . . . . . . . . . . . . . 54
1.8.2 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
1.9 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
i
ii SUMÁRIO
2 Vetores 61
2.1 Segmentos Orientados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.2 Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.3 Operação com Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3 Espaço Vetorial 75
3.1 Definições . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.1.1 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.1.2 Algumas Propriedades Importantes . . . . . . . . . . . . . . . . . . . . . 82
3.1.3 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.2 Combinação Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.3 Dependência e Independência Linear . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.3.1 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.4 Base de um Espaço Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.4.1 Alguns Resultados Importantes . . . . . . . . . . . . . . . . . . . . . . . 96
3.4.2 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.5 Mudança de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3.5.1 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
4 Produtos 121
4.1 Vetores em R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
4.1.1 Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
4.2 Vetores em R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.3 Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.4 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
4.5 Produto Misto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
5 Retas 141
5.1 Equações da reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
5.1.1 Equação vetorial da reta . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
5.1.2 Equação paramétrica da reta . . . . . . . . . . . . . . . . . . . . . . . . . 143
5.1.3 Reta definida por dois pontos . . . . . . . . . . . . . . . . . . . . . . . . . 144
5.1.4 Equação Reduzida da Reta . . . . . . . . . . . . . . . . . . . . . . . . . . 145
5.1.5 Equações simétricas da reta . . . . . . . . . . . . . . . . . . . . . . . . . 148
SUMÁRIO iii
5.1.6 Retas paralelas aos eixos coordenados e aos planos coordenados . . . . . . 150
5.2 Ângulos de duas retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
5.2.1 Condição de paralelismo de duas retas . . . . . . . . . . . . . . . . . . . . 154
5.2.2 Condição de ortogonalidade de duas retas . . . . . . . . . . . . . . . . . . 154
5.2.3 Condição de Coplanaridade de Duas Retas . . . . . . . . . . . . . . . . . 155
5.3 Intersecção de duas retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
5.4 Ponto que divide segmento de reta . . . . . . . . . . . . . . . . . . . . . . . . . . 161
5.4.1 Ponto que divide um segmento de reta numa razão dada . . . . . . . . . . 161
5.4.2 Ponto que divide um segmento de reta ao meio . . . . . . . . . . . . . . . 162
5.5 Posição relativa de duas retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
6 Plano 167
6.1 Equações do Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
6.1.1 Equação geral do plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
6.1.2 Determinação de um plano . . . . . . . . . . . . . . . . . . . . . . . . . . 170
6.1.3 Equações Paramétricas do Plano . . . . . . . . . . . . . . . . . . . . . . . 176
6.2 Ângulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
6.2.1 Ângulo Entre Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
6.2.2 Ângulo de uma reta com um plano . . . . . . . . . . . . . . . . . . . . . . 178
6.2.3 Interseção de uma reta com um plano . . . . . . . . . . . . . . . . . . . . 180
6.2.4 Interseção do plano com os eixos e os planos coordenados . . . . . . . . . 180
7 Distâncias 183
7.1 Distância entre Dois Pontos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
7.2 Distância de um Ponto a uma Reta . . . . . . . . . . . . . . . . . . . . . . . . . . 184
7.3 Distâncias enre duas retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
7.4 Distância de um Ponto a um Plano . . . . . . . . . . . . . . . . . . . . . . . . . . 189
7.5 Distância entre Dois Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
7.6 Distância entre uma Reta a um Plano . . . . . . . . . . . . . . . . . . . . . . . . . 193
8 Cônicas 195
8.1 Parábola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
8.1.1 Equações de Parábolas em Posição Padrão . . . . . . . . . . . . . . . . . . 196
8.1.2 Equações de Elipses em Posição Padrão . . . . . . . . . . . . . . . . . . . 198
iv SUMÁRIO
1
Matrizes
Diariamente encontrarmos informações organizadas em tabelas com linhas e colunas, de tal modo
que conseguimos consultar rapidamente seus dados e analisá-los mais facilmente. Essas tabelas
são conhecidas como matrizes. as quais propiciam consultas rápidas de seus dados e uma análise
facilitada dos mesmos. Estas tabelas são objetos matemáticos conhecidos como matrizes. Observe
o exemplo a seguir, referente aos dados de COVID-19 no Brasil até o dia 19 de maio de 2021.
1
2 Capítulo 1 — Matrizes
Isso facilitaria a manipulação dos dados. Além disso, quando vamos analisar a situação atual e
realizar previsões é essa a forma que utilizamos nos cálculos. Assim, o estudo de matrizes é muito
importante na formação de um biotecnólogo.
A i-ésima linha de A é h i
ai1 ai2 . . . ain ,
para j = 1, 2, . . . , n.
Diremos que aij ou [A]ij é o elemento ou a entrada de posição i, j da matriz A.
Denotamos por m × n a dimensão, ou o tipo, da matriz. Nesta notação fica subentendido que a
matriz possui um formato com m linhas e n colunas.
Indicamos o conjuntos de todas as matrizes do tipo m × n, cujas entradas são números reais, por
Mm×n (R). No caso em que m = n, denotamos simplesmente por Mn (R).
1.1 Definição e Tipos Especiais 3
Outras notações:
! " #
5 8 1 5 9
, , [8]
0 1 9 58 0
3×2
Definição 1.2 (Elementos Correspondentes). Dadas duas matrizes A = [aij ] e B = [bij ], do mesmo
tipo m × n, os elementos que ocupam, respectivamente, a mesma posição nas duas matrizes serão
denominados elementos correspondentes.
" # " #
−1 5 0 4 3 6
Exemplo 1.1. Se A = e B = , então os elementos
7 27 −3 −8 7 7
2×3 2×3
a23 = −3 e b23 = 7 são elementos correspondentes.
Definição 1.3 (Igualdade de Matrizes). Duas matrizes Am×n = [aij ]m×n e Br×s = [bij ]r×s são
iguais, A = B se m = r, n = s, aij = bij .
" # " #
a b 4 −1 4 −1
Exemplo 1.2. Considerando = temos que a = −1, b = 4
2 −1 c 2 −1 1
2×3 2×3
e c = 1.
Definição 1.4 (Matriz Quadrada). Diremos que a matriz Am×n é uma matriz quadrada se m = n.
Neste caso, diremos que A é uma matriz de ordem n.
" #
3 0
Exemplo 1.3. A matriz A = é uma matriz quadrada de ordem 2, enquanto que a
2 −1
2×2
0 −7 4
matriz B = 3 11 −2
é uma matriz quadrada de ordem 3.
5 0 1
3×3
Definição 1.5 (Matriz Nula). Diremos que uma matriz é nula quando todas as suas entradas forem
nulas. Neste caso a matriz é denotada por O.
4 Capítulo 1 — Matrizes
" #
0 0 0
Exemplo 1.4. A matriz O2×3 = é uma matriz nula, o mesmo acontecendo com a
0 0 0
0 0 0
O3×3 = 0 0 0
.
0 0 0
3×3
Definição 1.6 (Matriz Coluna). Diremos que uma matriz é uma matriz coluna se ela possuir uma
única coluna.
0
Exemplo 1.5. A matriz A3×1 = 2 é uma matriz coluna, do mesmo modo que
−4
7
11
B4×1 =
−9 também é uma matriz coluna.
4
4×1
Definição 1.7 (Matriz Linha). Diremos que uma matriz é uma matriz linha se ela possuir uma
única linha.
h i
Exemplo 1.6. A matriz A1×3 = 0 −7 74 é uma matriz linha, do mesmo modo que
h i
B1×4 = −8 1 12 9 também é uma matriz linha.
4×1
Definição 1.8. Se A = [aij ] for uma matriz quadrada de ordem n, então os elementos aii ,ou
seja, i = j, compõem a diagonal principal da matriz. Enquanto que os elementos aij tais que
i + j = n + 1 formam a diagonal secundária de A.
-2 1 7
Exemplo 1.7. Tomemos A = −3 0 6 , os elementos a11 = −2, a22 = 0 e a33 = 11
−3 3 11
formam a diagonal principal da matriz A, enquanto os elementos a13 = 7, a22 = 0 e a31 = −3
compõem a diagonal secundária da mesma matriz.
Definição 1.9 (Matriz Diagonal). Diremos que a A = [aij ], quadrada de ordem n, é uma matriz
diagonal se aij = 0 para todo i ̸= j, ou seja, numa matriz diagonal todos os elementos que não
pertencem à diagonal principal são nulos.
1.1 Definição e Tipos Especiais 5
3
4
0 0 " #
0 0
Exemplo 1.8. As matrizes A = 0 −2 0 e O2×2 = são matrizes diagonais.
0 0
0 0 4
Definição 1.10 (Matriz Identidade). Diremos que a matriz diagonal A = [aij ] de ordem n, é a
matriz identidade se aij = 1 para todo i = j, ou seja, numa matriz identidade todos os elementos
que não pertencem à diagonal principal são nulos e todos os membros da diagonal principal são 1.
1 0 0 " #
1 0
Exemplo 1.9. As matrizes I3 = 0 1 0 e I2 = 0 1 são exemplos de matriz identidade.
0 0 1
Definição 1.11 (Matriz Triangular Superior). Diremos que uma matriz quadrada de ordem n, com
n ≥ 2, é uma matriz triangular superior se todos os elementos abaixo da diagonal principal são
nulos, isto é, aij = 0 para i > j.
3 a b −6 0 0 1 0 0
Exemplo 1.10. As matrizes A = 0 7 0 , B = 0
2 0 , I3 = 0 1 0 e
0 0 c 0 0 11 0 0 1
" #
0 0
O2 = são matrizes triangulares superiores.
0 0
Definição 1.12 (Matriz Triangular Inferior). Diremos que uma matriz quadrada de ordem n, com
n ≥ 2, é uma matriz triangular inferior se todos os elementos acima da diagonal principal são
nulos, isto é, aij = 0 para i < j.
8 0 0 −6 0 0 1 0 0
Exemplo 1.11. As matrizes A = x z 0 , B = 0
2 0 , I3 = 0 1 0 e
y 0 8 0 0 11 0 0 1
" #
0 0
O2 = são matrizes triangulares inferiores.
0 0
1.1.2 Exercícios
1. Associe:
6 Capítulo 1 — Matrizes
( ) Matriz quadrada cuja diagonal principal atua como um espelho pois os elementos são
refletidos a partir desta.
( ) Matriz quadrada cujos elementos abaixo da diagonal principal são todos nulos.
( ) Todos os seus elementos são nulos.
( ) Matriz quadrada cuja diagonal principal é formada apenas por 1 e fora da diagonal
principal apresenta apenas zeros.
( ) Possui apenas uma linha.
( ) Apenas a diagonal principal pode apresentar números diferentes de zero.
( ) Possui o mesmo número de linhas e colunas.
( ) Matriz quadrada cujos elementos acima da diagonal principal são todos nulos.
( ) Possui apenas uma coluna.
5. Determine, em cada um dos itens abaixo, o valor de x, y e z (quando for o caso) de modo a
tornar verdadeiras as igualdades:
" # " #
x + 4y 9
(a) =
x − 2y −3
" # " #
x 2 1 2
(b) =
4 y 4 2
" # " #
x2 y 1 −1
(c) =
x y2 −1 1
" # " #
x+2 3 5 3
(d) =
5 y−2 5 2y + 4
" # " #
2x + 3y z + 3 11 8
(e) =
x − 4y 2z − 3 −11 7
aij = i · j
é dada por:
" #
2 4 6
(a)
1 2 3
" #
1 2 6
(b)
2 4 12
8 Capítulo 1 — Matrizes
" #
1 2 3
(c)
2 4 6
" #
1 1 1
(d)
1 2 3
" #
−2 −4 −6
(e)
−1 −2 −3
é uma transferência entre bancos distintos. Esta é a matriz obtida para essa análise:
0 2 0 2 2
0 0 2 1 0
A= 1 2 0 1 1 .
0 2 2 0 0
3 0 1 1 0
Com base nessas informações, o banco que transferiu a maior quantia via TED é o banco
(a) 1. (b) 2. (c) 3. (d) 4. (e) 5
9. (ENEM-2019.) Um professor aplica, durante os cinco dias úteis de uma semana, testes com
quatro questões de múltipla escolha a cinco alunos. Os resultados foram representados na
matriz.
3 2 0 1 2
3 2 4 1 2
A= 2 2 2 3 2 .
3 2 4 1 0
0 2 0 4 4
(a) segunda-feira.
(b) terça-feira.
(c) quarta-feira.
(d) quinta-feira.
(e) sexta-feira.
10 Capítulo 1 — Matrizes
Exemplo 1.12.
0 1 0 3 4 5 3 5 5
3 2 1 + 1 −3 2 = 4 −1 3
6 7 0 −7 0 1 −1 7 1
Definição 1.14 (Matriz Oposta). Seja A = [aij ] ∈ Mm×n (R). Definimos a matriz oposta de A
como sendo −A = [−aij ].
3 4 5 −3 −4 −5
Exemplo 1.13. Se A =
1 −3 2
, então −A = −1
3 −2
.
−7 0 1 7 0 −1
Proposição 1.1 (Propriedades). A soma de matrizes goza de algumas propriedades, dentre as quais
podemos destacar:
1. A + B = B + A (comutativa)
2. A + (B + C) = (A + B) + C. (associativa)
1. Como vale a propriedade comutativa da adição de números reais (∗), segue que
A + B = [aij ] + [bij ]
= [aij + bij ]
(∗)
= [bij + aij ]
= [bij ] + [aij ]
= B + A.
2. Como vale a propriedade associativa da adição de números reais (•), segue que
3. Notemos que
A + O = [aij ] + [0]
= [aij + 0]
= [aij ] = A.
4. Observemos que
A + (−A) = [aij ] + [−aij ]
= [aij + (−aij )]
= [0]
= O.
Exemplo 1.14.
" # " # " #
5 −2 · 5 −10
−2 = =
−3 −2 · (−3) 6
Proposição 1.2. A Multiplicação de uma matriz por um escalar possui algumas propriedades,
dentre elas podemos destacar:
3. 0.A = O
5. 1.A = A
3. Notemos que
0 · A = 0 · [aij ] = [0 · aij ] = [0] = O.
4. Como vale a propriedade associativa do produto de números reais (⊕), temos que
α · (β · A) = α · (β · [aij ])
= α · [β · aij ]
= [α · (β · aij )]
⊕
= [(α · β) · aij ]
= (α · β) · [aij ]
= (α · β) · A.
5. Observemos que
1 · A = 1 · [aij ] = [1 · aij ] = [aij ] = A.
1.2.3 Somatório
No estudo de matrizes, utilizamos somas de um grande número de termos. Para exprimir tais
somas de maneira resumida, é conveniente usar a notação de somatório (Σ).
n
X
Definição 1.17 (Somatório). Dada uma coleção de números {a1 , a2 , . . . , an }, o símbolo ai
i=1
representa o seu somatório, isto é,
n
X
ai = a1 + a2 + . . . + an .
i=1
14 Capítulo 1 — Matrizes
A letra grega Σ (sigma) indica uma soma. O símbolo ai representa o termo de posição i da coleção.
A letra i é o índice, ou variável, do somatório e os números 1 e n indicam os valores extremos da
variável que está sendo somada.
4
X
Exemplo 1.15. Para obter o valor de i2 (i − 3), basta substituir i sucessivamente pelos valores
i=1
1, 2, 3 e 4 e somar os resultados.
4
X
i2 (i − 3) =
2
(1) · (1 − 3)2 + (2)2 · (2 − 3)2 + (3)2 · (3 − 3)2 + (4)2 · (4 − 3)2
i=1
= (−2) + (−4) + 0 + 16
= 10.
Xn
Exemplo 1.16. . . + }c = n · c.
c = |c + .{z
i=1 n-vezes
3
X 2k 0 1 2 3
2 2 2 2 4 16
Exemplo 1.17. = + + + =1+1+ +2= .
k=0
k+1 1 2 3 4 3 3
A seguir, apresentamos dois resultados que são úteis nas demonstrações de certas propriedades
de matrizes que abordaremos em breve.
Proposição 1.3. Suponhamos que n seja um inteiro positivo arbitrário e que {a1 , . . . , an } e {b1 , . . . , bn }
sejam conjuntos de números. Então:
n n
! n
!
X X X
1. (ai + bi ) = ai + bi .
i=1 i=1 i=1
n n
!
X X
2. c · ai = c · ai .
i=1 i=1
n n
! n
!
X X X
3. (ai − bi ) = ai − bi .
i=1 i=1 i=1
Demonstração:
1. Notemos que
n
X
(ai + bi ) = (a1 + b1 ) + (a2 + b2 ) + . . . + (an + bn )
i=1
= (a1 + a2 + . . . an ) + (b1 + b2 + . . . + bn )
n
! n
!
X X
= ai + bi .
i=1 i=1
1.2 Operações com Matrizes 15
n n
!
X X
2. c · ai = c · a1 + . . . + c · an = c · · · (a1 + . . . + an ) = c · ai .
i=1 i=1
3. E, finalmente,
n
X
(ai − bi ) = (a1 − b1 ) + (a2 − b2 ) + . . . + (an − bn )
i=1
= (a1 + a2 + . . . + an ) − (b1 + b2 + . . . + bn )
n
! n
!
X X
= ai − bi .
i=1 i=1
Proposição 1.4. Suponhamos que m e n sejam inteiros positivos arbitrários e que {a1 , . . . , an } e
{b1 , . . . , bn } sejam conjuntos de números. Então
m
! n
! m n
! n m
!
X X X X X X
ai · bj = ai · b j = ai · b j .
i=1 j=1 i=1 j=1 j=1 i=1
m n
! n
! n
!
X X X X
ai · b j = a1 · b j + ... + am · bj
i=1 j=1 j=1 j=1
m n
!
X X P P
n n
ai · b j = a1 · + . . . + am ·
j=1 bj j=1 bj
i=1 j=1 !
X n
= (a1 + . . . + am ) bj
j=1
m
! n
!
X X
= ai · bj .
i=1 j=1
n m
! m
! m
!
X X X X
ai · b j = ai · b 1 + ... + ai · b n
j=1 i=1 i=1 i=1
16 Capítulo 1 — Matrizes
Portanto, ! ! ! !
m
X n
X m
X n
X n
X m
X
ai · bj = ai · b j = ai · b j .
i=1 j=1 i=1 j=1 j=1 i=1
Observação 1.1. A Proposição 1.4 nos diz que a ordem em que desenvolvemos cada somatório
não influencia o resultado final. Deste modo, podemos resumir este resultado do seguinte modo:
m
! n
! m Xn n X m
X X X X
ai · bj = ai · b j = ai · b j .
i=1 j=1 i=1 j=1 j=1 i=1
2 X
X 3
Exemplo 1.18. Obtenha o valor de 2i(3 + j).
i=1 j=1
Resolução: Pela Proposição 1.4 temos que
2 X 3 2
! 3
!
X X X
2i(3 + j) = 2i · 3 + j = (2 + 4) · (4 + 5 + 6) = 6 · 15 = 90.
i=1 j=1 i=1 j=1
Exemplo 1.19. Duas panificadora (A) e (B) fazem parte de uma rede de franquias na qual são
produzidos três tipos de pães: o pão francês, o pão italiano e o pão de leite. As vendas diárias
destas panificadoras são estimadas de acordo com a matriz de vendas V2×3 = [vij ], sendo que as
linhas apresentam os dados das vendas de cada franqueado e as colunas fornecem os dados de cada
tipo de pão.
1.2 Operações com Matrizes 17
Lembrando que para converter mililitros para litros e gramas para quilogramas, basta apenas
dividir o valor por 1000, podemos reescrever a tabela acima usando as unidades kg e l.
Panific. Água (l) Óleo (l) Sal (kg) Açúcar (kg) Farinha (kg) Leite (l) Fermento (kg) Mel (l)
Sendo T2×8 = [tij ], observamos que cada entrada tij é obtida através do seguinte modo:
multiplica-se, termo a termo, os elementos da linha i da primeira matriz (V ) pelos elementos
da coluna j da segunda matriz (P ), em seguida, soma-se o resultados dos produtos obtidos. Por
exemplo, para determinar a quantidade de mel utilizada diariamente pela panificadora A na pro-
dução de seus pães, devemos encontrar o elemento t18 da matriz T. Neste caso, multiplicamos os
elementos da primeira linha de V pelos elementos da oitava coluna de P e somamos os resultados:
As operações realizadas para encontrar cada elemento tij da matriz T2×8 sugerem a seguinte
definição geral para o produto de matrizes.
Definição 1.18. Sejam A = [aij ]m×p e B = [bij ]p×n duas matrizes. O produto de A por B,
denotado por AB, é definido como sendo a matriz C = [cij ]m×n , de modo que
p
X
cij = ai1 b1j + . . . + aip bpj = aik bkj ,
k=1
Observação 1.2.
(a) Tal como ocorreu no Exemplo 1.19, cada elemento cij é o resultado obtido da soma envol-
vendo os produtos dos elementos da linha i da matriz A, pelos elementos da coluna j da
matriz B.
(b) Para que se possa realizar o produto A · B, é necessário que o número de colunas de A seja
igual ao número de linhas de B.
(c) A matriz produto A · B possui o número de linha igual ao da matriz A e o número de colunas
igual ao da matriz B.
1 −1 " #
2 1
Exemplo 1.20. Se A =
0 4 eB = , então determine A · B e B · A, caso
0 4
5 3 2×2
3×2
existam.
Resolução: A primeira coisa que devemos observar é a ordem das matrizes: A3×2 e B2×2 . Como
o número de colunas da matriz A é igual ao número de linhas da matriz B, então existe o produto
de A por B e ele será da forma A · B = C3×2 = [cij ]. Assim,
1 −1 " # c11 c12
2 1
0 4 · = c21 c22
.
0 4
5 3 2×2 c31 c32
3×2 3×2
Como cada elemento cij é o resultado obtido da soma envolvendo os produtos dos elementos da
linha i da matriz A, pelos elementos da coluna j da matriz B, temos:
1.2 Operações com Matrizes 19
1 −1 " #
2 1
•
0 ·
4
0 4
⇒ c11 = 1 · 2 + (−1) · 0 = 2.
5 3
1 −1 " #
2 1
•
0 ·
4
0 4
⇒ c12 = 1 · 1 + (−1) · 4 = 3.
5 3
1 −1 " #
2 1
•
0 ·
4
0 4
⇒ c21 = 0 · 2 + 4 · 0 = 0.
5 3
1 −1 " #
2 1
•
0 ·
4
0 4
⇒ c22 = 0 · 1 + 4 · 4 = 16.
5 3
1 −1 " #
2 1
•
0 ·
4
0 4
⇒ c31 = 5 · 2 + 3 · 0 = 10.
5 3
1 −1 " #
2 1
0 4 · 0 4 ⇒ c32 = 5 · 1 + 3 · 4 = 17.
•
5 3
Portanto,
1 −1 " # 2 3
2 1
A·B =
0 ·
4 =
0 .
16
0 4
5 3 10 17
Por outro lado, não existe o produto B2×2 · A3×2 , uma vez que o número de colunas da matriz B é
diferente do número de linhas da matriz A.
" # 1 2
9 10 −1
Exemplo 1.21. Se A = eB = 5 8
, então determine A · B e B · A,
3 4 3
2×3 −5 7
3×2
caso existam.
Resolução: Devemos começar comparando o número de colunas da primeira matriz, com o número
20 Capítulo 1 — Matrizes
Com um procedimento análogo ao realizado no Exemplo 1.20 para obter o produto matricial,
encontramos:
" # 1 2 " #
9 10 −1 64 91
A2×3 · B3×2 = . 5 8 = = C2×2
3 4 3 8 59
2×3 −5 7 2×2
3×2
e
1 2 " # 15 18 5
9 10 −1
B3×2 · A2×3 = 5 8 · =
69 19 82 = D3×3 .
3 4 3
−5 7 2×3 −24 −22 26
3×2 3×3
Observação 1.3. O Exemplo 1.21 nos mostra que o produto de matrizes não é uma operação
comutativa, ou seja, existem casos em que A · B ̸= B · A.
Exemplo 1.22. Ao contrário do que ocorre com os números reais, podem existir matrizes não
nulas cujo produto resulta numa
" matriz
# nula. " # " #
1 0 3 0 0 0
De fato, considerando A = ,B = eC = , observamos que
2 0 5 0 1 0
2×2 2×2 2×2
" # " #
0 0 0 0
A·C = e B·C = .
0 0 0 0
Observação 1.4. O Exemplo 1.22 nos mostra ainda que não vale a lei do cancelamento para o
produto de matrizes, pois temos casos em que A · C = B · C, com C ̸= O, mas A ̸= B.
3. (A · B) · C = A · (B · C); (associativa)
1.2 Operações com Matrizes 21
6. (λ · A) · B = A · (λ · B) = λ · (A · B).
Demonstração:
1. Sejam A = [aij ]m×r , B = [bij ]r×n e C = [cij ]r×n . Vamos considerar, também:
ai1 · (b1j + c1j ) + . . . + air · (brj + crj ) = ai1 · b1j + ai1 · c1j + . . . + air · brj + air · crj
= (ai1 · b1j + . . . + air · brj ) + (ai1 · c1j + . . . + air · crj )
r
! r
!
X X
= aik · bkj + aik · ckj
k=1 k=1
= uij + tij .
Portanto,
2. Sejam B = [bij ]m×r , C = [cij ]m×r e A = [aij ]r×n . Vamos considerar, também:
Por outro lado, temos que (B + C) · A = ([bij ] + [cij ]) · [aij ] = [bij + cij ] · [aij ].
O elemento que ocupa a linha i e a coluna j, do produto acima, é dado por:
(bi1 + ci1 ) · a1j + . . . + (bir + cir ) · arj = bi1 · a1j + ci1 · a1j + . . . + bir · arj + cir · arj
= (bi1 · a1j + . . . + bir · arj ) + (ci1 · a1j + . . . + cir · arj )
r
! r
!
X X
= bik · akj + cik · akj
k=1 k=1
= uij + tij
Portanto,
3. Sejam A = [aij ]m×r , B = [bij ]r×s e C = [cij ]s×n . Vamos considerar, também:
Na última igualdade, usamos a Proposição 1.3 (2). Como cβj independe da variável α, esta
constante pode ser inserida no somatório.
Por outro lado, o elemento que ocupa a linha i e a coluna j no produto A · (B · C) é dado
por: !
r
X r
X s
X
ai1 · t1j + . . . + air · trj = aiα · tαj = aiα · bαβ · cβj
α=1 α=1 β=1
Como aiα não depende da variável β, na última igualdade foi possível inseri-lo no somatório,
conforme o resultado da Proposição 1.3 (2).
Finalmente, segue da Proposição 1.4 que as expressões dadas pelas Equações (1.1) e (1.2)
são iguais.
Portanto,
(A · B) · C = A · (B · C).
(
1, se i = j,
4. Sejam A = [aij ]m×n e In = [δij ], a matriz identidade de ordem n, com δij = .
0, se i ̸= j.
Fazendo o produto A · In , obtemos que o elemento que ocupa a linha i e a coluna j, cij , é
dado por
cij = ai1 · δ1j + . . . + ain · δnj
e, como δij = 0, se i ̸= j, segue que
Sabemos que (λA) · B = [λ · aij ] · [bij ], então o elemento que ocupa a linha i e a coluna j
deste produto, é dado por:
r
X
(λ · ai1 ) · b1j + . . . + (λ · air ) · brj = (λ · aik ) · bkj
k=1
Logo,
(λ · A) · B = [λuij ] = λ · [uij ] = λ · (A · B).
Por outro lado, temos que A · (λ · B) = [aij ] · [λ · bij ]. Assim, o elemento que ocupa a linha
i e a coluna j, cij deste produto é dado por:
r
X r
X
cij = ai1 · (λ · b1j ) + . . . + air · (λ · brj ) = aik · (λ · bkj ) = λ · aik · bkj
k=1 k=1
Assim,
A · (λ · B) = [λ · uij ] = λ · [uij ] = λ · (A · B).
Portanto, (λ · A) · B = λ · (A · B) = A · (λ · B).
Teorema 1.1 (Unicidade da identidade). A matriz identidade de ordem n é a única tal que
In · A = A = A · In , para todo A ∈ Mn (R).
1.2 Operações com Matrizes 25
Demonstração: Suponhamos que exista uma matriz J ∈ Mn (R), tal que A · J = A = J · A, para
todo A ∈ Mn (R). Segue de nossa hipótese e do Corolário 1.1 que
1. Ar · As = Ar+s ;
2. (Ar )s = Ar·s .
Demonstração: Fixados A e r como no enunciado, usaremos indução finita sobre s para mostrar
os resultados.
26 Capítulo 1 — Matrizes
Ar · As = Ar+s .
Temos que
Ar · As+1 = Ar · (As · A) = (Ar · As ) · A
(Ar )s = Ar·s .
Temos que
(Ar )s+1 = (Ar )s · Ar ,
Definição 1.20 (Traço de uma matriz). Seja A = [aij ] ∈ Mn (R). O traço da matriz A, denotada
por tr(A), é a soma dos elementos da diagonal principal, isto é,
n
X
tr(A) = a11 + . . . + ann = aii .
i=1
8 0 0
Exemplo 1.25. Considerando A =
0 −5 0 , temos que tr(A) = 8 + (−5) + 1 = 4.
0 0 1
2. tr(λ · A) = λ · tr(A).
1. Como
A + B = [aij ] + [bij ] = [aij + bij ],
então n
X
tr(A + B) = (aii + bii )
i=1
e, pela Proposição 1.3 (1), segue que
n
X n
X
tr(A + B) = aii + bii = tr(A) + tr(B).
i=1 i=1
2. Como
λ · A = λ · [aij ] = [λ · aij ],
segue que
n
X
tr(λ · A) = (λ · aii ) =
i=1
que, pela Proposição 1.3 (2) nos leva a
n
!
X
tr(λ · A) = λ · aii = λ · tr(A).
i=1
3. Sejam A · B = C = [cij ]n×n e B · A = U = [uij ]n×n . Os elementos cij e uij são da forma:
n
X
cij = ai1 · b1j + . . . + ain · bnj = aik · bkj .
k=1
n
X
uij = bi1 · a1j + . . . + bin · anj = bik · akj .
k=1
Assim, !
n
X n
X n
X
tr(A · B) = c11 + . . . + cnn = cii = aik · bki .
i=1 i=1 k=1
Agora, como ! !
n
X n
X n
X n
X
aik · bki = aik · bki ,
i=1 k=1 k=1 i=1
1.3 Exercícios
1. Se a for um número real e A for uma matriz do tipo m × n, o produto de a por A:
(a) existe
(e) n.d.a.
(a) AB − BA
(b) 2C − D
(c) (2Dt − 3E t )t
(d) D2 − DE
" # " # " #
−1 8 −5 7 8 0 0 4 2
3. Dadas as matrizes A = ,B = eC = , obtenha a
−3 0 2 1 0 2 8 0 6
matriz A − B + C.
30 Capítulo 1 — Matrizes
" #
8 0 −3
4. Obtenha a matriz X tal que X + A − 2B = O2×3 , sendo A = ,
12 −1 6
" #
6 −1 2
B= e O2×3 uma matriz nula.
7 5 8
" # " # " #
a 2 4 b 6 8
5. Encontre os valores de a, b, c e d sabendo que + =
2 1 −1 0 c d
" # " #
x2 x − y 16 5
=
x x+z 4 3
2 0 1 −1 1 0
7. Sendo A =
1 3 5
, B =
e I3 a matriz identidade de ordem 3,
4 1 3
−3 4 7 2 0 6
calcule:
(a) A + 2 · B.
(b) 2A − B.
(c) I3 − (A + B).
(a) AB ̸= BA
(b) AEj é a j-ésima coluna de A, para j = 1, 2, 3 e Eit B é a i-ésima linha de B, para
i = 1, 2, 3.
1.3 Exercícios 31
são as colunas de C.
d1 C 1
(d) DC = d2 C2
, em que
d3 C3
h i h i h i
C1 = −2 5 8 , C2 = −6 7 −4 , C3 = 3 4 −5
são as linhas de C.
9. Sabendo que:
h i h i
A= x 4 −2 e B= 2 −3 5
14. (ENEM-2012.) Um aluno registrou as notas bimestrais de algumas de suas disciplinas numa
tabela. Ele observou que as entradas numéricas da tabela formavam uma matriz 4 × 4, e
que e que poderia calcular as médias anuais dessas disciplinas usando produto de matrizes.
Todas as provas possuíam o mesmo peso, e a tabela que ele conseguiu é mostrada a seguir.
Para obter essas médias, ele multiplicou a matriz obtida a partir da tabela por
h i
1 1
(a) 2 2 2 2 . 1 1
h i
(b) 14 14 41 14 .
1
1
(c)
1 .
1
1
2
1
2
(d)
1
.
2
1
2
1
4
1
4
(e)
1
.
4
1
4
" # " #
1 2 0
15. Dadas as matrizes A = eB = , obtenha a matriz X tal que A · X = B.
0 1 −5
16. Considere as matrizes: A = [aij ] de tipo 4 × 7, definida por aij = 2j − i; B = [bij ], de tipo
7 × 9, definida por bij = i − 2 e C = A · B. Encontre o elemento c46 .
" # 1 2
1 2 0
, obter A · B.
17. Sendo A = eB = 2 −1
−3 1 2
1
2
4
" # " # " #
1 2 2 0 1 3
18. Sendo A = ,B = eC = , obter a matriz A2 · B + C.
−1 0 1 1 4 3
1.3 Exercícios 33
" #
h i 0 1 h i
19. Sendo 0 3 · =a· 1 −2 , obtenha o número a.
−2 4
" #
−2 3
20. (VUNESP - 2012, adaptada.) Dada a matriz A = , a matriz A15 será dada por:
−1 2
(a) I2 .
(b) A.
(c) A2 .
(d) A3 .
(e) A4 .
(a) uma rotação de P em 180º no sentido horário, e com centro em (0, 0).
(b) uma rotação de P em 90º no sentido anti-horário, e com centro em (0, 0).
(c) simétrico de P , em relação ao eixo horizontal x.
(d) simétrico de P , em relação ao eixo vertical y.
(e) uma rotação de P em 90º no sentido horário, e com centro em (0, 0).
1
1
22. Verifique que a matriz A = y , com y ̸= 0, é uma solução da equação matricial
y 1
2
X = 2X.
" # 100
0 1 X
23. Considere a matriz A = . Determine a matriz B = Ak .
−1 0 k=1
(a) 33 .
34 Capítulo 1 — Matrizes
(b) 52 .
(c) 43 .
(d) 25 .
(e) 26 .
" # " #
1 5 0 2
25. Se A = eB = , então obtenha o valor de:
9 3 −1 4
Definição 1.21 (Matriz Transposta). Suponhamos que A = [aij ]m×n ∈ Mm×n (R) seja uma matriz.
Definimos a matriz transposta de A, denotada por At (ou A′ ), a matriz At = [aij ]n×m ∈ Mn×m (R),
tal que aij = aji , para todo 1 ≤ i ≤ n e para todo 1 ≤ j ≤ m.
Observação 1.5. Note que, de acordo com a lei de formação apresentada na Definição ??, as
linhas da matriz A correspondem às colunas da matriz At e vice-versa.
1 8 3 h i −2
Exemplo 1.26. Consideremos A = 4 0 6 , B = 5 7 −8
eC = 0
,
1×3
0 1 −10 3
3×3 3×1
então suas respectivas matrizes transpostas são dadas por:
1 4 0 5 h i
t
t
t
A = 8 0 1 , B = 7
e C = −2 0 3
1×3
3 6 −10 −8
3×3 3×1
Proposição 1.8. Sejam A e B matrizes com entradas reais e λ ∈ R. Então valem as seguintes
propriedades:
1. (A + B)t = At + B t ;
1.4 Transposição de Matrizes 35
2. (λ · A)t = λ · At ;
3. (A · B)t = B t · At ;
4. (At )t = A;
Demonstração:
1. Sejam A = [aij ]m×n e B = [bij ]m×n . Então At = [aij ]n×m e B t = [bij ]n×m , com aij = aji , e
bij = bji .
Considerando
A + B = [aij + bij ] = [uij ]m×n = U,
Portanto, (A + B)t = [uij ]n×m = [aij + bij ]n×m = [aij ]n×m + [bij ]n×m = At + B t .
Sendo λ · A = [λ · aij ] = [uij ]m×n = U , então (λ · A)t = U t = [uij ]n×m , com uij = uji .
Portanto,
(λ · A)t = U t = [uij ]n×m = [uji ]n×m = [λ · aji ]n×m = λ · [aji ]n×m = λ[aij ]n×m = λAt .
3. Sejam A = [aij ]m×r e B = [bij ]r×n . Considerando A · B = C = [cij ]m×n , sabemos que cada
cij é da forma:
r
X
cij = ai1 · b1j + . . . + air · brj = aik · bkj .
k=1
Assim, At = [aij ]r×m , com aij = aji , B t = [bij ]n×r , com bij = bji e C t = [cij ]n×m , com
cij = cji .
36 Capítulo 1 — Matrizes
Definição 1.22. Uma matriz A ∈ Mn (R) recebe o nome de matriz simétrica, se At = A, isto é,
se aij = aji e de matriz antissimétrica, se At = −A, ou seja, se aij = −aji .
Demonstração:
Sejam A = [aij ] ∈ Mn (R) e λ ∈ R. Logo, At = [aij ] ∈ Mn (R), com aij = aji .
Logo,
B t = [bij ] = [bji ] = [aji + aij ] = [aij + aji ] = [bij ] = B.
Como B = B t , segue que B é uma matriz simétrica e o resultado segue.
Logo,
B t = [bij ] = [bji ] = [aji − aij ] = [−(aij − aji )] = −[aij − aji ] = −[bij ] = −B.
B t = λ · A = B,
Corolário 1.2. Se A ∈ Mn (R), então A se escreve de maneira única como soma de uma matriz
simétrica e de uma matriz antissimétrica.
Demonstração:
Existência: Seja A ∈ Mn (R), uma matriz arbitrária. Então, segue da Proposição 1.9, itens (1) e
1
(4), que as matrizes A + At e 2
· (A + At ) são simétricas.
Também como consequência da Proposição 1.9, itens (2) e (5), temos que as matrizes A−At
1
e 2
· (A − At ) são antissimétricas. Por fim, note que
1 1
A= · (A + At ) + · (A − At ) .
|2 {z } |2 {z }
simétrica antissimétrica
Unicidade: Suponha que A = B1 + B2 , de modo que B1 seja uma matriz simétrica e B2 seja uma
matriz antissimétrica, ou seja, B1t = B1 e B2t = −B2 .
Assim,
A = B1 + B2 e (1.5)
At = B1t + B2t = B1 − B2 . (1.6)
1
Somando as Equações 1.5 e 1.6, obtemos A + At = 2 · B1 , ou seja B1 = 2
· (A + At ).
Substituindo este B1 encontrado na Equação 1.5, encontramos:
1
A= 2
· (A + At ) + B2 ,
1
A= 2
· A + 12 · At + B2 ,
A − · A − 12 · At = B2 ,
1
2
1
2
· A − 12 · At = B2 ,
1
2
· (A − At ) = B2 .
1.4 Transposição de Matrizes 39
Portanto,
A = B1 + B2
1 1
A = · (A + At ) + · (A − At )
|2 {z } |2 {z }
simétrica antissimétrica
1.4.1 Exercícios.
" # " #
1 3 2 2 1
1. Sendo A = eB = . Encontre At · B.
−1 0 4 −1 0
são as colunas
deC.
d1 C 1
(c) DC =
d 2 C 2
, em que
d3 C3
h i h i h i
C1 = −2 5 8 , C2 = −6 7 −4 , C3 = 3 4 −5
são as linhas de C.
h i h i
6. Sabendo que A = x 4 −2 e B = 2 −3 5 , então determine o valor de x tal que
A · B t = O.
" # " #
1 0 cos(θ) sen(θ)
7. Sejam D = eP = . Sabendo-se que A = P t · D · P ,
0 −1 −sen(θ) cos(θ)
calcule:
(a) D2 .
(b) P · P t .
(c) A2 .
x1 + 2x2 + x3 = 7 (1′ ) 1 2 1 7
0x1 − x2 + 3x3 = 15 (2′ ) ou 0 −1 3
15
0x − 9x − 2x = −10 (3′ )
0 −9 −2 −10
1 2 3
1.6 Operações Elementares com Linhas 41
′′
x1 + 2x2 + x3 = 7 (1 ) 1 2 1 7
′′
0x1 + x2 − 3x3 = −15 (2 ) ou 0 1 −3 −15
0x − 9x − 2x = −10 (3′′ )
0 −9 −2 −10
1 2 3
x1 + 0x2 − 5x3 = −23
(1′′′ ) 1 0 −5 −23
0x1 + x2 − 3x3 = −15 (2′′′ ) ou 0 1 −3 −15
0x + 0x + 25x = 125 (3′′′ )
0 0 25 125
1 2 3
1
4o Passo: Tornamos o coeficiente de x3 na equação (3′′′ ) igual a 1. L3 → L3
25
x1 + 0x2 − 5x3 = −23 1 0 −5 −23
0x1 + x2 − 3x3 = −15 ou 0 1 −3 −15
0x1 + 0x2 + x3 = 5 0 0 1 5
isto é:
x1 = 2
x2 = 0
x =5
3
1. Multiplicar uma linha (equação) por um escalar não nulo k (Li → kLi )
4. Substituir a i-ésima linha por k vezes a j-ésima linha + a i-ésima linha (Li → Li + kLj ) .
No exemplo:
x2 + 3x3 = 5 (1)
x1 + 3x2 + x3 = 2 (2)
2x + 4x − 3x = 1 (3)
1 2 3
1o Passo: Permutar as equações (1) e (2) de modo a obter o coeficiente de x1 diferente de zero na
1a equação.
Definição 1.23. Diremos que uma matriz B é linha equivalente a uma matriz A se B for obtida
de A através de um número finito de operações elementares sobre as linhas de A.
Observação 1.6. Se B for a matriz ampliada de um sistema e A for linha equivalente a B então A
será a matriz ampliada de um sistema equivalente ao dado por B (isto é, tem as mesmas soluções).
Exemplo 1.30.
( ( (
2x1 + x2 = 5 2x1 + x2 = 5 2x1 + x2 = 5
(a) (b) (c)
x1 − 3x2 = 6 6x1 + 3x2 = 10 6x1 + 3x2 = 15
Resolução:
1 5
1 5
1 5
1
! !
2 1 5 1 2 2 2 2 → 1 2 2 → 1 0 3
(a) → →
7 7
1 −3 6 1 −3 6 0 − 0 1 −1 0 1 −1
2 2
Portanto o sistema é possível e determinado e sua solução é
(
x1 = 3
x2 = −1
! 1 5 1 5
2 1 5 1 2 2 1 2 2
(b) → →
6 3 10 6 3 10 0 0 −5
Portanto, temos um sistema impossível.
1.6 Operações Elementares com Linhas 43
! 1 5 1 5
2 1 5 1 2 2 1 2 2
(c) → →
6 3 15 6 3 15 0 0 0
Portanto temos um sistema possível e indeterminado cuja solução é
x2 = 5 − 2x1 .
Resolução:
L2 → L2 + (−2) L1
L3 → L3 + (−1) L1
2 −1 3 1 4 2 1 4 2 1
2 −1 3 L4 → L4 + (−4) L1 0 9 1 L2 → 9 L2
1 4 2 L1 ↔L2
1 −5 1 −→ −→ 0 9 1 −→
1 −5 1
4 7 7 4 7 7 0 9 1
L1 → −4L2 + L1
14
1 4 2 L3 → −9L2 + L3 1 0
9 14
0 1 1
L4 → 9L2 + L4 0 1
1 x1 =
→ −→
9
9 →
9
x =1
0 9 1 0 0 0
2
9
0 9 1 0 0 0
1.6.1 Definições
Definição 1.24. Um sistema de equações lineares com m-equações a n-incógnitas é um conjunto
de equações lineares do tipo:
a11 x1 + a12 x2 + ... + a1n xn = b1
a x + a22 x2 + ... + a2n xn = b2
21 1
(1)
...
... ... ... ... ... ... ... ...
am1 x1 + am2 x2 + ... + amn xn = bm
44 Capítulo 1 — Matrizes
isto é, A.X = B onde A é a matriz dos coeficientes, X é a matriz das incógnitas e B é a matriz
dos termos independentes.
A Matriz
a11 a12 . . . a1n b1
a21 a22 . . . a2n b2
... ...
é chamada matriz ampliada do sistema dado
... ... ...
am1 am2 . . . amn bm
Definição 1.25. Uma matriz Am×n é dita linha reduzida à forma escada se
(a) O primeiro termo não nulo de uma linha não nula é 1 (um).
(b) Cada coluna que contém o primeiro elemento não nulo de alguma linha tem todos os outros
elementos iguais a zero.
(c) Toda linha nula ocorre abaixo das linhas não nulas.
(d) Se as linhas L1 , L2 , . . . , Lr são as linhas não nulas e o primeiro elemento não nulo da linha
i ocorre na coluna Ki então K1 < K2 < . . . < Kr . (escada).
Exemplo 1.32.
0 1 −3 0 2
0 0
L1 → K1 = 2
0 1 3
L2 → K2 = 4
0 0 0 0 0
Teorema 1.2. Toda matriz Am×n é linha equivalente a uma única matriz linha reduzida a forma
escada.
Definição 1.26. Dada a matriz Am×n seja Bm×n a matriz linha reduzida à forma escada equivalente
a A. O posto de A, denotado por p, é o número de linhas não nulas de B.
1.6 Operações Elementares com Linhas 45
Exemplo 1.33. Considere um sistema de três equações a quatro incógnitas cuja matriz ampliada
admite a seguinte matriz linha reduzida a forma escada:
0 1 −3 0 2 (
0 0 0 1 3 ⇔
x2 − 3x3 =2
x4 = 3
0 0 0 0 0
Neste caso pa = 2, pc = 2 e nc = 2 onde pa (pc ) é o posto da matriz ampliada (posto da matriz
dos coeficientes) e nc é a nulidade da matriz dos coeficientes.
Observe então que pa nos dá o número de equações independentes do sistema e nc nos dá o
número de variáveis livres do sistema (grau de liberdade).
No exemplo acima a solução do sistema é:
Logo x1 e x3 são variáveis livres (ou variáveis independentes) e x2 e x4 são variáveis de-
pendentes. Como só temos duas equações independentes (pa = 2) então só podemos achar duas
incógnitas (x2 e x4 ) .
Observe que pc ≤ pa e se pc < pa então o sistema é impossível (S.I.) .
" #
1 0 7 −1
(c) ⇒ p a = pc = 2 < n = 3 ⇒ S.P.I. Note que aqui
0 1 3 −8
temos infinitas soluções com 1 grau de liberdade (nc = 1) .
De fato a solução é:
x1 = −1 − 7x3 e x2 = −8 − 3x3
1 0 0 2
(d)
0 1 0 3
⇒ pa = pc = 2 < n = 3 ⇒ S.P.I.
0 0 0 0
Note que aqui temos infinitas soluções com 1 grau de liberdade (nc = 1) .
De fato a solução é: x1 = 2, x2 = 3, x3 é qualquer número real.
É claro também que no sistema homogêneo, se o número de incógnitas é maior que o número
de equações então teremos variáveis livres e portanto teremos infinitas soluções.
Observação 1.8. Um erro bastante comum é quando dado um sistema de três incógnitas chegamos
a (
x1 − 2x2 =0
x 2 − x3 = 4
e damos a “solução”: x1 = 2x2 , x2 = 4 + x3 (duas variáveis livres).
Ora, é um erro de interpretação pois o sistema tem duas equações independentes
(pa = pc = 2) e n = 3 incógnitas. Logo devemos achar p = 2 variáveis em função das (n − p) = 1
variável livre. Por outro lado, fomos “induzidos” a este erro por não completarmos o escalona-
mento. (
x1 − 2x3 = 8
x2 − x3 = 4
e a solução é: x1 = 8 + 2x3 ; x2 = 4 + x3 .
1.6 Operações Elementares com Linhas 47
Resolução:
L2 → −5L1 + L2
−4 3 2 1 −1 2 1 −1 2
L1 →L1 +L2 L3 → −2L1 + L3
5
−4 0
−→ 5 −4 0
−→ 0
1 −→
−10
2 −1 k 2 −1 k 0 1 k−4
L1 → L2 + L1
1 0 −8
L3 → −L2 + L3
−→ 0 1 −10
0 0 k+6
O sistema é possível se, e somente se, k + 6 = 0 ⇔ k = −6
Notação Matricial
" # x " #
1 6 −8
y = 1
2 6 −4 0
z
48 Capítulo 1 — Matrizes
! !
1 6 −8 1 1 6 −8 1 1 6 −8 1 1 0 4 −1
→ → 1 → 1
2 6 −4 0 0 −6 12 −2 0 1 −2 0 1 −2
3 3
Portanto
x + 4z = −1
1
y − 2z =
3
1
Solução x = −1 − 4z e y = + 2z.
3
Escreva a solução na forma matricial.
Resolução: ! !
1 6 −8 0 1 0 4 0
→ ... →
2 6 −4 0 0 1 −2 0
ou
x −4
y = z 2
(z ∈ R)
z 1
1
(c) Verifique que x = −1, y = , z = 0 é uma solução de (a) .
3
Observe então que a solução de (a) é a soma da solução de (b) com uma solução particular de
(a). Este resultado vale em geral:
Exercício 1.2 ((MAPOFEI - 75)). Determinar o polinômio do 3o grau que se anula para x = 1 e
que dividido por x + 1, x − 2 e x + 2 dá restos iguais a 6.
1.7 Determinante e Matriz Inversa 49
Definição 1.29. Aij é a matriz quadrada que se obtém eliminando a i-ésima linha e a j-ésima
coluna então o cofator do elemento aij é o número.
Definição 1.30. Dada a matriz An×n , seja i uma linha qualquer. Então
det (A) = a11 a22 a33 + a21 a32 a13 + a12 a23 a31 −
−a31 a22 a13 − a32 a23 a11 − a21 a12 a33
P.1. Se todos os elementos de uma linha (ou de uma coluna) de uma matriz A forem nulos então
det (A) = 0;
50 Capítulo 1 — Matrizes
P.3. Se multiplicarmos uma linha (coluna) por uma constante k o determinante fica multiplicado
por esta constante k;
P.5. Se uma matriz A tem duas linhas iguais então det (A) = 0;
P.7. O determinante de A não se altera se somarmos a uma linha uma outra linha multiplicada por
uma constante (Li → Li + kLj ) ;
P.9. A soma dos produtos dos elementos de uma linha pelos cofatores correspondentes de outra
linha é igual a zero, isto é:
n
X
aik ∆jk = 0 (i ̸= j) .
k=1
Observação 1.11. A Definição 1.30 e a P.9. podem ser reunidas numa única fórmula:
n
(
X 1 se i = j
aik ∆jk = (δij ) det A onde δij =
k=1 0 se i ̸= j
Observação 1.12. Pela Observação 1.10 todas as propriedades anteriores permanecem válidas se
no enunciado trocarmos a palavra linha por coluna.
Exemplo 1.40.
1 2 0 3 1 0 0 3 1 0 0 0
3 8 1 5 c2 →−2c1 +c2 3 2 1 5 c4 →−3c1 +c4 3 2 1 −4
= −→ = = −→ =
−1 2 1 −3 −1 4 1 −3 −1 4 1 0
0 4 2 2 0 4 2 2 0 4 2 2
2 1 −4
2
Calculando o determinante pela 1a linha = 1 (−1) 4 1 0
4 2 2
Ainda mais,
5 0 0
A.adjA =
0 5 0
0 0 5
ou seja, A. (adjA) = (det A) .I3 .
52 Capítulo 1 — Matrizes
Demonstração: (n = 3)
a11 a12 a13 ∆11 ∆21 ∆31 c11 c12 c13
A.adjA =
a 21 a 22 a 23
∆12 ∆22 ∆32 = c21 c22 c23
a31 a32 a33 ∆13 ∆23 ∆33 c31 c32 c33
Definição 1.32. A inversa de uma matriz An×n é uma matriz Bn×n (se existir) tal que A.B = In e
B.A = In .
Notação: B = A−1 .
" # " #
1 2 a b
Exemplo 1.42. Seja A = eB =
2 3 c d
" # " # " #
1 2 a b 1 0
A.B = I2 ⇒ =
2 3 c d 0 1
" # " #
a + 2c b + 2d 1 0
=
2a + 3c 2b + 3d 0 1
Assim, ( (
a + 2c = 1 b + 2d = 0
e
2a + 3c = 0 2b + 3d = 1
Resolvendo os sistemas:
" #
a = −3; b=2 −3 2
e B=
c = 2; d = −1 2 −1
" # " #
1 2 a b
Exemplo 1.43. Seja A = eB =
3 6 c d
Analogamente, " # " # " #
1 2 a b 1 0
A.B = I2 ⇒ =
3 6 c d 0 1
e chegamos aos sistemas
( (
a + 2c = 1 b + 2d = 0
e
3a + 6c = 0 3b + 6d = 1
Teorema 1.5. Uma matriz quadrada A admite inversa se, e somente se, det (A) ̸= 0.
Neste caso
1 1
(a) det (A−1 ) = e (b) A−1 = (A)
det A det A
O item (b) nos fornece um novo método de calcular a inversa de uma matriz.
Demonstração:
(⇒) Se existe A−1 tal que A.A−1 = I então (det A) . (det A−1 ) = 1.
1
Logo det A ̸= 0 e det (A−1 ) = .
det A
(⇐) Usando o teorema 1:
A. (adjA) = (det A) I
1
B=
det A
Observação 1.17. Se An×n e Bn×n são matrizes inversíveis então A.B é inversível e
(A.B)−1 = B −1 A−1 .
De fato,
(AB) B −1 .A−1 = A BB −1 A−1 = A.I.A−1 = AA−1 = I
1 1 1
−1 1
Exemplo 1.44. Dada a matriz A =
3 5
4 e usando A = det A adjA temos
−2 −1 −2
−6 1 −1
1
A−1 =
−2 0 −1 .
−1
7 −1 2
1 5 1
1 5 1
1 0 − 0
2 2 2 1 0 2 2
−
2
0
1 3 1
0 → 0 1 1
→
0 1 −
3 1 →
2 2 2 2 − 0
2 2
1 7 1
0 0 − − 1 0 0 1 7 −1 −2
2 2 2
1.8 Matriz Adjunta e Matriz Inversa 55
1 0 0 6 −1 1
→ 0 1 0 2 0 1
0 1 −7 −2
0
1
| {z } | {z }
I(∗) A−1
1 2 4
Como 3 1 2 = −5 ̸= 0 teremos, pela regra de Cramer:
1 −1 −1
0 2 4 1 0 4 1 2 0
0 1 2 3 0 2 3 1 0
5 −1 −1 1 5 −1 1 −1 5
x= = 0; y= = −10; z= = −5
−5 −5 −5
Caso Particular
Assim, se An×n Xn×1 = Bn×1 e det(A)̸= 0 temos pela regra de Cramer: S.P.D. (solução única).
Considere agora o sistema homogêneo
det (A) = 0.
x + 2y + 3z = 0
Exemplo 1.46. Resolva o sistema: 2x + y + 3z = 0 .
3x + 3y + 6z = 0
Escreva a solução na forma matricial.
Qual é a posição relativa desses 3 planos?
1.9 Exercícios
x1 + 3x2 + 2x3 + 3x4 − 7x5 = 14
1. Resolva o sistema linear 2x1 + 6x2 + x3 − 2x4 + 5x5 = −2 .
x + 3x − x
+ 2x = −1
1 2 3 5
Escreva a solução na forma matricial.
1.9 Exercícios 57
2. Resolva os sistemas:
x + 3y + z = 0
(
x + 2y + z + t = 1
(a) 2x + 6y + 2z = 0 (b)
−x − 3y − z = 0
x + 3y − z + 2t = 3
3. Resolva os sistemas abaixo e diga qual é a posição relativa dos três planos em cada sistema:
x − y + z = 1
x + y + z = 1 x+y+z =6
(1) 2x − 2y + 2z = 2 (2) 2x + 2y + 2z = 2 (3) 2x − z = −1
3x − 3y + 3z = 3
z=0 x − y + 2z = 5
x+y+z =0 2x − 3y + 2z = 2
(4) x+y+z =1 (5) 3x − 2y + 4z = 2
x+y+z =2 4x − y + 6z = 3
Observação 1.18. A regra de Cramer (para resolver sistemas lineares n × n) só pode ser
aplicada no caso em que o determinante da matriz dos coeficientes é não nulo; ou seja, é a
situação em que os três planos se interceptam num ponto (sistema 3 × 3) e o sistema tem
solução única.
Entretanto vários livros afirmam erroneamente que um sistema que tem nulos todos os de-
terminantes da regra de Cramer é indeterminado. (Basta ver o exercício (4) acima). Esta
regra vale no caso de sistemas homogêneos).
Veja então que o método de escalonamento, além de ser mais geral, evita as confusões acima.
4. Discuta os sistemas:
mx + 2y = 0 x+y =1 2x + ky − z = 0
(1) 3x − y = −2 (2) 2x + y = 2 (3) 3x − y + 2z = 0
x+y =0
3y = a x + 2y − 7z = 0
1 1 1
5. Determine a tal que a matriz
2 1 2 seja inversível.
1 2 a
58 Capítulo 1 — Matrizes
6. Seja A = (aij )n×n uma matriz de ordem n. Definimos o traço de A, tr (A), por tr (A) =
Xn
aii .
i=1
" #
3 1
Calcule tr
4 −7
Prove que tr (A.B) = tr (B.A) (B de ordem n)
tr (A.B) = tr (A) .tr (B)?
tr (A) = tr (A−1 )?
tr (A) = tr (A′ )? (A′ transposta de A)
Observação 1.19. O que podemos dizer da solução de (∗) conhecendo-se o valor de det (A)
e p (A) .
9. Dadas as matrizes An×n e Bn×n , diga se são verdadeiras ou falsas as afirmações abaixo.
Justifique.
det (AB) = det (BA) d) det (A2 ) = [det A]2
det (A′ ) = det (A) e) det (Aij ) < det (A)
det (2A) = 2 det (A)
(a) S.P.
(b) S.P.I. com 1 grau de liberdade
(c) S.P.I. com 2 graus de liberdade
−x + 2y + kz = 1
15. No sistema kx + 4y − 4z = 2 determine k tal que tenhamos:
2x + y + z = −2k
60 Capítulo 1 — Matrizes
(a) S.P.I.
(b) S.I.
2
Vetores
61
62 Capítulo 2 — Vetores
Definição 2.2 (Segmento Orientado). Diremos que AB é um segmento orientado determinado por
A e B. Aqui, A é denominado de origem do segmento, enquanto que B é denominado extremidade
do segmento. Geometricamente,
Podemos observar que o segmento orientado AB é diferente do segmento orientado BA, a não
quer que A = B, pois, caso contrário, o primeiro tem origem A e extremidade B, enquanto que o
segundo tem origem B e extremidade A.
Definição 2.3. Sejam AB e CD segmentos orientados. Diremos que AB coincide com CD, e
denotamos por AB = CD, se e somente se, A = C e B = D.
Definição 2.4 (Segmento Nulo). Denominamos de segmento nulo o segmento cuja origem coin-
cide com a extremidade.
Definição 2.5 (Segmentos Opostos). Seja AB um segmento orientado. Diremos que o segmento
orientado BA é oposto de AB. Geometricamente,
2.1 Segmentos Orientados 63
Definição 2.6 (Medida de um Segmento). Fixada uma unidade de comprimento, a cada segmento
orientado pode-se associar um número real, não negativo, que é a medida do segmento em relação
a esta unidade de comprimento. A medida do segmento orientado é o seu comprimento ou seu
módulo.
Notação: O comprimento do segmento AB é indicado por AB.
Daí AE = 5u
Definição 2.7 (Direção e Sentido). Dois segmentos orientados não nulos AB e CD têm a mesma
direção se as retas suportes desses segmentos são paralelas ou coincidentes.
Observação 2.3. Só podemos comparar os sentidos de dois segmentos orientados se eles tiverem
a mesma direção, isto é, se eles tiverem retas suporte paralelas.
64 Capítulo 2 — Vetores
Observação 2.5. Se os segmentos AB e CD não pertencerem a mesma reta, para que AB seja
equipolente a CD é necessário que AB//CD e AC//BD, isto é, ABCD debe ser um paralelo-
gramo.
(a) AB ∼ AB . (Reflexiva)
(d) Dado um segmento orientado AB e um ponto C existe um único ponto D tal que AB ∼ CD.
(Transporte)
Observação 2.7. Os itens (a), (b) e (c) do teorema anterior nos diz que que a equipolência é uma
relação de equivalência.
2.2 Vetores 65
2.2 Vetores
Definição 2.9 (Vetor). Seja AB um segmento orientado. Diremos que o vetor determinado por
AB é conjunto formado por todos os segmentos orientados equipolentes a AB.
A figura abaixo ilustra o mesmo vetor ⃗v iniciando a partir de alguns pontos do plano.
Definição 2.11 (Vetor Nulo). Todos os segmentos nulos determinam um único vetor, denominado
vetor nulo ou vetor zero, que é indicado por ⃗0.
→ → →
Definição 2.12 (Vetores Opostos). Dado um vetor AB= ⃗v , o vetor BA é o oposto do vetor AB e
e indicado por −⃗v .
Definição 2.13 (Vetor Unitário). Diremos que um vetor ⃗v é unitário quando |⃗v | = 1.
66 Capítulo 2 — Vetores
Definição 2.14 (Versor). Seja ⃗v um vetor não nulo. Definimos o versor do vetor ⃗v como sendo o
vetor unitário de mesma direção e sentido de ⃗v .
Exemplo 2.3. Seja ⃗u = um vetor de módulo 5, isto é, |⃗u| = 5. Observe a figura: temos que
|⃗u1 | = 1 e |⃗u2 | = 1, assim ⃗u1 e ⃗u2 são vetores unitários, entretanto apenas ⃗u1 é versor de ⃗u, pois ⃗u1
tem a mesma direção e o mesmo sentido de ⃗u.
Definição 2.15 (Vetores Colineares). Dados dois vetores ⃗v e ⃗u, diremos que eles são colineares se
tiverem a mesma direção.
Observação 2.9. Dois vetores ⃗u e ⃗v são sempre coplanares, quaisquer que sejam eles.
De fato, podemos sempre tomar um ponto no espaço e, com origem nele (neste ponto), imaginar
dois representantes de ⃗u e de ⃗v , pertencendo a um plano π que passa por este ponto.
Agora, três vetores podem ser ou não coplanares.
→ →
Dados dois vetores ⃗u =AB e ⃗v =AC. Após construirmos o paralelogramo ABCD:
→
temos que a soma ⃗s = ⃗u + ⃗v é representada por AD (uma diagonal), e que a diferença d⃗ = ⃗u − ⃗v
→
é representada por CD (outra diagonal).
2.3 Operação com Vetores 69
→ →
Observação 2.10. Sejam ⃗u =AB e ⃗v =AC, então
→ → →
⃗u − ⃗v =AB − AC= (B − A) − (C − A) = B − A − C + A = B − C =CB .
A1 Comutativa:
⃗u + ⃗v = ⃗v + ⃗u
A2 Associativa:
(⃗u + ⃗v ) + w
⃗ = ⃗u + (⃗v + w)
⃗
A3 Existência de Elemento Neutro: Existe um só vetor ⃗0 tal que para todo vetor ⃗v temos que:
⃗v + ⃗0 = ⃗0 + ⃗v = ⃗v .
A4 Existência do Elemento Oposto: Qualquer que seja o vetor ⃗v , existe um só vetor −⃗v (vetor
oposto de ⃗v ) tal que
⃗v + (−⃗v ) = −⃗v + ⃗v = ⃗0.
Resolução: Para que possamos visualizar melhor cada um dos vetores, vamos representá-los a
partir da origem:
daí
⃗t = ⃗u − ⃗v + w
⃗
= (−2, 6) − (3, 3) + (−2, −3)
= (−2, 6) + (−3, −3) + (−2, −3)
= (−2 − 3 − 2, 6 − 3 − 3)
= (−7, 0)
Como já sabemos somar vetores, imagine que, dado o vetor ⃗u = (3, 2), tenhamos que calcular
3⃗u. Com as operações que já definimos, teríamos que fazer o seguinte:
Geometricamente temos:
Imagine se nós precisássemos calcular 119 · ⃗u, já pensou como seria difícil somarmos cada um
dos vetores ⃗u? Para facilitar nossa vida, vamos definir a multiplicação de um vetor por escalar
(número real), do seguinte modo:
Definição 2.18 (Multiplicação de um vetor por escalar). Seja ⃗v um vetor não nulo e α um número
real não nulo. Diremos que w
⃗ = α⃗v é o produto do número real α pelo vetor ⃗v o vetor definido da
seguinte forma:
72 Capítulo 2 — Vetores
1. |w|
⃗ = |a|.|⃗v |;
2. A direção de w
⃗ é a mesma de ⃗v , ou seja, w
⃗ é paralelo a ⃗v ;
3. O sentido de w
⃗ é o mesmo de ⃗v se α > 0 e contrário se α < 0.
1 ⃗v
Quando α ̸= 0, o produto ⃗v se indica simplesmente por . Note que, no caso em que
α α
⃗v
⃗v ̸= ⃗0, o versor de ⃗v será .
|⃗v |
2.3 Operação com Vetores 73
Note que o versor de ⃗u é o vetor ⃗u1 , pois além de ter norma 1, ele tem a mesma direção e o
mesmo sentido de ⃗u. Apesar de ⃗u2 ter norma 1 e mesma direção de ⃗u, ele possui sentido oposto,
assim não pode ser versor de ⃗u.
Teorema 2.3. Suponhamos que ⃗u e ⃗v sejam vetores não nulos e que α e β sejam números reais
não nulos. Então valem as seguintes propriedades:
(M4) 1⃗v = ⃗v .
Definição 2.19 (Espaço Vetorial). Seja V um conjunto não-vazio. Um conjunto V munido de duas
operações satisfazendo as propriedades A1, A2, A3, A4, M 1, M 2, M 3, M 4 é denominado um
espaço vetorial.
C APÍTULO
3
Espaço Vetorial
3.1 Definições
Definição 3.1 (Espaço Vetorial). Seja K um corpo. Um espaço vetorial (ou linear) é um conjunto
V , não vazio, e cujos elementos são chamados de vetores, no qual estão definidas duas operações
+e·
+: V ×V → V ·: K×V → V
(⃗u, ⃗v ) 7→ ⃗u + ⃗v (α, ⃗v ) 7→ α · ⃗v
satisfazendo as seguintes propriedades:
A.1 A soma entre vetores é comutativa, ou seja, para quaisquer ⃗u, ⃗v ∈ V temos que
⃗u + ⃗v = ⃗v + ⃗u.
⃗ ∈ V temos que
A.2 A soma entre vetores é associativa, ou seja, para quaisquer ⃗u, ⃗v , w
⃗u + (⃗v + w)
⃗ = (⃗u + ⃗v ) + w.
⃗
75
76 Capítulo 3 — Espaço Vetorial
para todo ⃗v ∈ V .
A.4 Existência de elemento oposto, ou seja, para cada ⃗v ∈ V , existe um elemento −⃗v ∈ V ,
denominado elemento oposto de ⃗v , tal que
⃗v + (−⃗v ) = 0.
M.1 A multiplicação por escalares é associativa, ou seja, para quaisquer α, β ∈ K e para todo
⃗v ∈ V , temos que
α(β⃗v ) = (αβ)⃗v .
M.2 O escalar 1 é o elemento neutro da multiplicação por escalar, ou seja, para todo ⃗v ∈ V ,
temos que
1⃗v = ⃗v .
(M.3) Distributiva em relação à soma de vetores, ou seja, para todo α ∈ K e para quaisquer ⃗u, ⃗v ∈
V temos que
α (⃗u + ⃗v ) = α⃗v + α⃗v
(M.4) Distributiva em relação à soma de escalares, ou seja, para quaisquer α, β ∈ K e para todo
⃗v ∈ V , temos que
(α + β)⃗v = α⃗v + β⃗v .
Observação 3.1.
• Se substituirmos R por C então V será dito espaço vetorial complexo. Na realidade podemos
substituir R por qualquer corpo K.
• Observe também que o conjunto V é “fechado” com relação às operações de soma de vetores
e multiplicação de escalar por vetor, isto é, se ⃗u, ⃗v ∈ V e α ∈ R, então
⃗u + ⃗v ∈ V e α⃗v ∈ V.
Exemplo 3.1. Note que o conjunto dos números reais juntamente com a soma e a multiplicação
usuais naturalmente satisfaz as condições da Definição 3.1 e, com isso, (R, +, ·) é um espaço
vetorial.
3.1 Definições 77
+: R3 × R3 → R3 ·: R × R3 → R3
((x1 , y1 , z1 ) , (x2 , y2 , z2 )) 7→ (x1 + x2 , y1 + y2 , z1 + z2 ) (α, (x, y, z)) 7→ (αx, αy, αz)
Então, para quaisquer (x, y), (x1 , y1 , z1 ) , (x2 , y2 , z2 ) , (x3 , y3 , z3 ) ∈ R3 e para quaisquer α, β ∈ R
temos que:
= (x2 + x1 , y2 + y1 , z2 + z1 )
= (x2 , y2 , z2 ) + (x1 , y1 , z1 ) .
Portanto a soma entre vetores é comutativa.
(x, y, z) + (0, 0) = (x + 0, y + 0, z + 0)
= (x, y, z),
A.4 Seja (x, y, z) ∈ R3 , então existe o vetor (−x, −y, −z) ∈ R3 , tal que
1 · (x, y, z) = (1 · x, 1 · y, 1 · z)
= (x, y, z),
(α + β) (x, y, z) = ((α + β) x, (α + β) y, (α + β) z)
= (αx + βx, αy + βy, αz + βz)
= (αx, αy, αz) + (βx, βy, βz)
= α (x, y, z) + β (x, y, z) ,
ou seja, vale a distributiva em relação à soma de escalares.
Exercício 3.1. Prove que o R2 com as operações adição e multiplicação por escalar usuais é um
espaço vetorial real.
3.1 Definições 79
Exemplo 3.3. Consideremos o conjunto das matrizes de ordem n × n com coeficientes reais, ou
seja, Mn×n (R), e consideremos sobre este conjunto as seguintes operações
A.3 Notemos que existe O ∈ Mn×n (R), com oij = 0, para todo i, j = 1, 2, . . . n, tal que
A + O = [aij ] + [0]
= [aij + 0]
= [aij ]
= A,
80 Capítulo 3 — Espaço Vetorial
para qualquer matriz A = [aij ] ∈ Mn×n (R). Portanto existe a matriz nula que é o elemento
neutro em Mn×n (R).
A.4 Tomando A = [aij ] ∈ Mn×n (R), então existe a matriz −A = [−aij ] ∈ Mn×n (R), tal que
Logo toda matriz A = [aij ] ∈ Mn×n (R), admite matriz oposta que é dada por −A =
[−aij ] ∈ Mn×n (R).
α(βA) = α (β [aij ])
= α [βaij ]
= [α (βaij )]
= [(αβ) aij ]
= (αβ) [aij ]
= (αβ)A.
1 · A = 1 · [aij ]
= [1 · aij ]
= [aij ]
=A
⃗u − ⃗v = ⃗u + (−⃗v ) .
3.1.1 Exercícios
1. Seja V = R2 .
a(x1 , y1 ) = (ax1 , 0)
2. Seja V = R2 . Mostre que V não é um espaço vetorial em relação a nenhum dos dois pares
de operações sobre V :
(a) U = {(x, y, z) : y = 1}
(b) V = {(x, y, z) : y = 0}
(c) W = {(x, y, z) : z = x2 }
U × V = {(u, v) : u ∈ U e v ∈ V }
(−α) · ⃗u = −α · ⃗u = α · (−⃗u) .
(α − β) · ⃗v = α · ⃗v − β · ⃗v
α · (⃗u − ⃗v ) = α · ⃗u − α · ⃗v .
Demonstração:
então
⃗0 (∆) S1 (∗)
= ⃗0 + ⃗0′ = ⃗0′ + ⃗0 = ⃗0′ .
Portanto o vetor nulo é único.
então
⃗u + ⃗v = ⃗0 e ⃗u + ⃗v ′ = ⃗0
Assim
A.3 (∆) A.1 (∗) A.3
⃗v = ⃗v + ⃗0 = ⃗v + ⃗u + ⃗v ′ = ⃗u + ⃗v + ⃗v ′ = ⃗0 + ⃗v ′ = ⃗v ′ .
Portanto o vetor oposto de ⃗u é único e, a partir de agora, será denotado por −⃗u.
84 Capítulo 3 — Espaço Vetorial
⃗0 = α · ⃗0,
⃗0 = 0 · ⃗u,
Se α ̸= 0, então existe α−1 e, multiplicando ambos os membros da igualdade por α−1 temos
que
α−1 · (α · ⃗u) = α−1 · ⃗0
daí
α−1 α · ⃗u = ⃗0
ou melhor,
1 · ⃗u = ⃗0
−α · ⃗u = (−α) · ⃗u.
3.1 Definições 85
Além disso,
α · (⃗u + (−⃗u)) = α · ⃗0 = ⃗0,
daí,
α · ⃗u + α · (−⃗u) = ⃗0
(α − β) · ⃗v = (α + (−β)) · ⃗v
M.4
= α · ⃗v + (−β) · ⃗v
P.6
= α · ⃗v − β · ⃗v
3.1.3 Exercícios
1. Explique o porquê as operações + : R2 × R2 → R2 e · : R × R2 → R2 não fazem de R2 um
espaço vetorial.
(
(x1 , y1 ) + (x2 , y2 ) = (0, y1 + y2 , 0)
(a)
λ(x, y) = (λx, λy)
(
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 )
(b)
λ(x, y) = (λx, y)
(
(x1 , y1 ) + (x2 , y2 ) = (x1 − 2y1 , −3x1 + y1 )
(c)
λ(x, y) = (−2λx, 3λy)
(
(x1 , y1 ) + (x2 , y2 ) = (x2 , y2 )
(d)
λ(x, y) = (λx, λy)
(
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 )
(e)
λ(x, y) = (0, λy)
86 Capítulo 3 — Espaço Vetorial
(
(x1 , y1 ) + (x2 , y2 ) = (x2 , y2 )
(f)
λ(x, y) = (λ2 x, λ2 y)
V = (x, y) ∈ R2 : x · y ≤ 0 .
⃗u = (1, 2, 1) , ⃗v = (0, 1, 2) , w
⃗ = (1, 1, 0) .
5. Em R2 consideremos os vetores:
O conjunto de todas as combinações lineares possíveis de ⃗v1 , . . . , ⃗vn será indicado por
[⃗v1 , ⃗v2 , . . . , ⃗vn ] , isto é,
Exemplo 3.4. O vetor ⃗u = (1, 0, 1) é uma combinação linear dos vetores ⃗v = (1, 0, 0) e
w
⃗ = (1, 1, 0) e p⃗ = (1, 1, 1)
De fato,
⃗u = α⃗v + β w
⃗ + γ⃗p
= (1, 0, 0) + β(1, 1, 0) + γ(1, 1, 1)
⇔ (1, 0, 1) = (α, 0, 0) + (β, β, 0) + (γ, γ, γ)
⇔ (1, 0, 1) = (α + β + γ, β + γ, γ)
α+β+γ = 1 α = 1
⇔ β+γ = 0 ⇔ β = −1
γ = 1 γ = 1
Portanto,
⃗u = ⃗v − w
⃗ + p⃗.
Exemplo 3.5. Seja V = R3 e ⃗v ∈ V, ⃗v ̸= ⃗0. Assim [⃗v ] = {α⃗v : α ∈ R} é a reta que passa pela
origem e contém o vetor ⃗v .
Exemplo 3.6. Seja V = R3 , ⃗v1 , ⃗v2 ∈ V não colineares (⃗v1 ̸= α⃗v2 para todo α ∈ R). Neste caso
Exemplo 3.8. Suponhamos que V seja um espaço vetorial e que ⃗v1 , ⃗v2 , ⃗v3 ∈ V . Se ⃗v3 ∈ [⃗v1 , ⃗v2 ]
então [⃗v1 , ⃗v2 , ⃗v3 ] = [⃗v1 , ⃗v2 ].
Demonstração: Suponhamos que V seja um espaço vetorial e que ⃗v1 , ⃗v2 , ⃗v3 ∈ V . Suponhamos
ainda que ⃗v3 ∈ [⃗v1 , ⃗v2 ], logo existem α, β ∈ R tais que
⃗v = α1⃗v1 + α2⃗v2
3.3 Dependência e Independência Linear 89
daí
⃗v = α1⃗v1 + α2⃗v2 + 0⃗v3
Assim, ⃗v ∈ [⃗v1 , ⃗v2 , ⃗v3 ] e, portanto [⃗v1 , ⃗v2 ] ⊂ [⃗v1 , ⃗v2 , ⃗v3 ].
Logo, [⃗v1 , ⃗v2 , ⃗v3 ] = [⃗v1 , ⃗v2 ].
Exemplo 3.9. Sejam V = R2 , ⃗v1 = (1, 0) , ⃗v2 = (0, 1) . Então V = [⃗v1 , ⃗v2 ] pois dado (x, y) ∈ R2
temos (x, y) = x (1, 0) + y (0, 1). Portanto,
Exemplo 3.10. Sejam V = R2 e S = {⃗e1 , ⃗e2 }, Assim, para todo (x, y) ∈ R2 , temos que
Portanto, V = ⟨S⟩
Além disso, ⃗v1 = (1, 0) , ⃗v2 = (0, 1) . Então V = [⃗v1 , ⃗v2 ] pois dado (x, y) ∈ R2 temos
(x, y) = x (1, 0) + y (0, 1). Portanto,
Observação 3.3. A Definição 3.4 nos diz que os vetores ⃗v1 , . . . , ⃗vn são linearmente independentes
se a única combinação linear possível de ⃗v1 , . . . , ⃗vn dando o vetor nulo é quando todos os αi = 0,
i = 1, . . . , n. Se α1⃗v1 +α2⃗v2 +. . .+αn⃗vn = 0 e existe algum αi ̸= 0 então os vetores ⃗v1 , ⃗v2 , . . . , ⃗vn
são ditos linearmente dependentes (L.D.).
90 Capítulo 3 — Espaço Vetorial
Teorema 3.2. Suponhamos que V seja espaço vetorial e que ⃗v1 , ⃗v2 , . . . , ⃗vn ∈ V . Então {⃗v1 , ⃗v2 , . . . , ⃗vn }
será linearmente dependente se, e somente se, um desses vetores for combinação linear dos outros.
Demonstração: Suponhamos que V seja espaço vetorial e que ⃗v1 , ⃗v2 , . . . , ⃗vn ∈ V .
(⇒) Suponhamos que {⃗v1 , ⃗v2 , . . . , ⃗vn } seja linearmente dependente, então, se
como αn ̸= 0, obtemos
α1 α2 αn−1
⃗v1 − ⃗v2 − · · · −
⃗vn = − ⃗vn−1 ,
αn αn αn
ou seja, pelo menos um dos vetores de {⃗v1 , ⃗v2 , . . . , ⃗vn } é combinação linear dos outros.
(⇐) Suponhamos que um dos vetores de {⃗v1 , ⃗v2 , . . . , ⃗vn } seja combinação linear dos outros, diga-
mos ⃗vn , então
⃗vn = α1⃗v1 + α2⃗v2 + · · · + αn−1⃗vn−1
daí
α1⃗v1 + α2⃗v2 + · · · + αn−1⃗vn−1 − ⃗vn = 0,
Exemplo 3.11. Todo conjunto que contém o vetor nulo é linearmente dependente.
n o
Resolução: Consideremos o conjunto ⃗v1 , ⃗v2 , . . . , ⃗vn , ⃗0 , então
ou seja, o 0 é combinação linear dos outros vetores do conjunto, portanto {⃗v1 , ⃗v2 , . . . , ⃗vn , 0}
é L.D.
Exemplo 3.12. Sejam V = R3 , ⃗v1 , ⃗v2 , ⃗v3 ∈ V não nulos. Então, pelo Teorema 3.2 temos que
Com efeito, se
α(1, 0) + β(0, 1) = (0, 0)
então
(α, β) = (0, 0)
então
(α, β, λ) = (0, 0, 0)
ou seja,
1 1 1 0 1 1 1 0 1 0 0 0 1 0 0 0
1 2 2 0 ←→ 0 1 1 0 ←→ 0 1 1 0 ←→ 0 1 0 0
1 2 3 0 0 1 2 0 0 0 1 0 0 0 1 0
Mas, e se o observador não for tão atento ou o resultado não for tão óbvio, como mostrar
que é L.D.? Simples, podemos fazer do mesmo modo que fazemos para provar que é L.I.,
vejamos o que acontece neste caso: Se α(1, 1, 1) + β(1, 2, 2) + λ(2, 3, 3) = (0, 0, 0), então
ou seja,
1 1 2 0 1 1 2 0 1 0 1 0
1 2 3 0 ←→ 0 1 1 0 ←→ 0 1 1 0
1 2 3 0 0 1 1 0 0 0 0 0
o que nos leva a
α+λ=0 α = −λ
⇒
β+λ=0 β = −λ
Exemplo 3.15. Seja V = R2 . Conjunto {(1, −1) , (1, 0) , (0, 1)} é L.D. pois,
0 = ⃗v − ⃗v
= (α1⃗u1 + . . . + αn⃗un ) − (β1⃗u1 + . . . + βn⃗un )
= (α1 − β1 )⃗u1 + . . . + (αn − βn )⃗un
Como S é LI,
αi − βi = 0 ⇔ αi = βi = 0, ∀i
3.3 Dependência e Independência Linear 93
3.3.1 Exercícios
1. Explique, em cada item, porque os vetores abaixo são linearmente dependentes:
(f) {(−2, 0, 1), (3, 2, 5), (6, −1, 1), (7, 0, −2)} em R3
(g) {(3, 8, 7, −3), (1, 5, 3, −1), (2, −1, 2, 6), (1, 4, 0, 3)} em R4
(i) {(0, 3, −3, −6), (−2, 0, 0, −6), (0, −4, −2, −2), (0, −8, 4, −4)} em R4
(j) {(3, 0, −3, 6), (0, 2, 3, 1), (0, −2, −2, 0), (−2, 1, 2, 1)} em R4
⃗ = (4, −1, 2)
(b) ⃗u = (−6, 7, 2), ⃗v = (3, 2, 4) e w
5. Para quais valores de m temos que o conjunto {(1, 3, 5), (2, m + 1, 10)} é L.I.?
6. Considere os vetores
em R4 .
(b) Expresse cada vetor como uma combinação linear dos outros dois.
10. Sejam ⃗v1 , ⃗v2 , ⃗v3 ∈ V tais que {⃗v1 , ⃗v2 } é L.I. Mostre que, se ⃗v3 ∈
/ [⃗v1 , ⃗v2 ] então {⃗v1 , ⃗v2 , ⃗v3 }
será L.I.
i) V = ⟨B⟩
Observação 3.5. Para verificar a condição (2) basta provar que V ⊂ [⃗v1 , ⃗v2 , . . . , ⃗vn ] pois a inclusão
contrária é óbvia. Para isto, basta lembrarmos que [⃗v1 , ⃗v2 , . . . , ⃗vn ] é um subconjunto de V.
3.4 Base de um Espaço Vetorial 95
Exemplo 3.16. Seja V = R2 , ⃗e1 = (1, 0), ⃗e2 = (0, 1). Então {⃗e1 , ⃗e2 } é base de V . Esta base é
chamada de base canônica de R2 .
De fato,
1. Se α1 (1, 0) + α2 (0, 1) = (0, 0) então
(α1 , 0) + (0, α2 ) = (0, 0)
daí
(α1 , α2 ) = (0, 0)
e, portanto, α1 = α2 = 0.
2. Agora, tomando (x, y) ∈ R2 temos que, se
(x, y) = α1 (1, 0) + α2 (0, 1) ,
então
(α1 , α2 ) = (x, y),
o que nos leva a α1 = x e α2 = y. Portanto [(1, 0), (0, 1)] = R2 .
Exemplo 3.17. V = R2 , ⃗v1 = (1, 1), ⃗v2 (0, 1), {⃗v1 , ⃗v2 } é base de V .
Com efeito.
1. Se α1 (1, 1) + α2 (0, 1) = (0, 0) então
(α1 , α1 ) + (0, α2 ) = (0, 0)
daí
(α1 , α1 + α2 ) = (0, 0)
o que nos leva ao seguinte sistema
(
α1 = 0
α1 + α2 = 0
cuja solução é α1 = α2 = 0. Portanto {⃗v1 , ⃗v2 } é linearmente independente.
Exemplo 3.18. Sejam V = R3 , ⃗e1 = (1, 0, 0) , ⃗e2 = (0, 1, 0), ⃗e3 = (0, 0, 1). Assim {⃗e1 , ⃗e2 , ⃗e3 } é
uma base de R3 , chamada base canônica de R3 , pois
Exemplo 3.19. O conjunto {(1, 0, 0) , (0, 1, 0)} não é base de R3 pois não satisfaz a condição (2) .
(Verifique!)
Demonstração: Suponhamos que V seja um espaço vetorial e que ⃗v1 , ⃗v2 , . . . , ⃗vn são vetores não
nulos que geram V , isto é, [⃗v1 , ⃗v2 , . . . , vn ] = V.
Note que:
• Agora, se {⃗v1 , ⃗v2 , . . . , ⃗vn } for L.D. então, pelo Teorema 3.2, um deles, por exemplo ⃗vn , é
combinação linear dos demais. Daí
V = [⃗v1 , ⃗v2 , . . . , ⃗vn ] = [⃗v1 , ⃗v2 , . . . , ⃗vn−1 ] .
• Agora, se {⃗v1 , ⃗v2 , . . . , ⃗vn−1 } for L.D. então, pelo Teorema 3.2, um deles, por exemplo ⃗vn−1 ,
é combinação linear dos demais. Daí
V = [⃗v1 , ⃗v2 , . . . , ⃗vn−1 ] = [⃗v1 , ⃗v2 , . . . , ⃗vn−2 ] .
Como V tem dimensão finita, esse processo se repete um número finito de vezes. Portanto, conse-
guimos extrair uma base.
Teorema 3.4. Suponhamos que V seja um espaço vetorial. Se [⃗v1 , ⃗v2 , . . . , ⃗vn ] = V e
w
⃗ 1, w ⃗ m ∈ V são L.I., então m ≤ n, isto é, se [⃗v1 , ⃗v2 , . . . , ⃗vn ] = V, w
⃗ 2, . . . , w ⃗ 1, w ⃗m ∈ V , e
⃗ 2, . . . , w
m > n então w
⃗ 1, . . . , w
⃗ m é L.D. Em outras palavras: se [⃗v1 , . . . , ⃗vn ] = V então qualquer conjunto
com mais de n vetores é L.D.
3.4 Base de um Espaço Vetorial 97
Demonstração: Suponhamos que V seja um espaço vetorial, que [⃗v1 , ⃗v2 , . . . , ⃗vn ] = V e que
w
⃗ 1, w ⃗ m ∈ V são L.I. Como [⃗v1 , ⃗v2 , . . . , ⃗vn ] = V podemos extrair uma base de
⃗ 2, . . . , w
{⃗v1 , ⃗v2 , . . . , ⃗vn }, digamos que {⃗v1 , ⃗v2 , . . . , ⃗vr } seja uma base de V , com r ≤ n. Daí, como
w
⃗ 1, w ⃗ m ∈ V existem a11 , a12 , . . . , a1r , a21 , a22 , . . . , a2r , . . . , am1 , am2 , . . . , amr ∈ R tais
⃗ 2, . . . , w
que
a11⃗v1 + a12⃗v2 + . . . + a1r⃗vr = w
⃗1
a ⃗v + a ⃗v + . . . + a ⃗v = w ⃗2
21 1 22 2 2r r
(∗)
······························
am1⃗v1 + am2⃗v2 + . . . + amr⃗vr = w ⃗m
Tomemos então α1 w
⃗ 1 + α2 w ⃗ m = 0, como r ≤ n ≤ m, existe pelo menos um αi ̸= 0.
⃗ 2 + . . . + αm w
Substituindo cada w
⃗ i por (∗) temos que
(α1 a11 + α2 a21 + · · · + αm am1 ) ⃗v1 + (α1 a12 + α2 a22 + · · · + αm am2 ) ⃗v2 + . . . +
+ . . . + (α1 a1r + α2 a2r + . . . + αm amr ) ⃗vr = 0
como {⃗v1 , ⃗v2 , . . . , ⃗vr } é uma base de V , é L.I., daí
α1 a11 + α2 a21 + · · · + αm am1 = 0
α a + α a + ··· + α a = 0
1 12 2 22 m m2
······························
α1 a1r + α2 a2r + · · · + αm amr = 0
Corolário 3.1. Qualquer base de um espaço vetorial V tem sempre o mesmo número de elementos.
Este número é chamado dimensão de V e denotado por dim V.
98 Capítulo 3 — Espaço Vetorial
• Agora, do fato de [w
⃗ 1, w ⃗ m ] = V e de {⃗v1 , ⃗v2 , . . . , ⃗vn } ser L.I, pelo Teorema 3.4
⃗ 2, . . . , w
segue que n ≤ m.
Portanto m = n.
Exemplo 3.20. • V = R2 B1 = {(1, 0) , (0, 1)} e B2 = {(1, 1) , (0, 2)} são bases de V
2
portanto dim R = 2.
Teorema 3.5. Qualquer conjunto de vetores L.I. de um espaço vetorial V de dimensão finita pode
ser completado de modo a formar uma base de V.
Demonstração: Suponhamos que V seja um espaço vetorial com dimensão n, isto é, que dim V =
n. Suponhamos que ⃗v1 , . . . , ⃗vr sejam L.I., então, pelo Teorema 3.4, segue que r ≤ n. Daí, temos
duas opções
Corolário 3.2. Se dim V = n então qualquer conjunto de n vetores L.I. será uma base.
Demonstração: Caso contrário poderíamos completá-lo de modo a formar uma base e dessa forma
teríamos uma base com mais de n vetores. Absurdo!!!
3.4 Base de um Espaço Vetorial 99
Observação 3.6. Dada uma matriz Am×n você pode considerar as m linhas como vetores de Rn
e o subespaço V , de Rn , gerado por estes m vetores. A partir de A obtenha a matriz B, linha
reduzida a forma escada e considere o subespaço W gerado por estes m vetores de B. Como B é
obtida de A por operações do tipo Li → Li + kLj ou Li → kLi , com k ̸= 0, então pela ?? temos
que V = W . Os vetores de W (linhas não nulas) são L.I. e portanto formam uma base de W .
Deste modo você tem um processo prático e rápido de achar base de subespaços de Rn .
V = (x, y, z) ∈ R3 : x + y − z = 0 W = (x, y, z) ∈ R3 : x = y .
Resolução:
V = {(x, y, z) : z = x + y}
= {(x, y, x + y) : x, y ∈ R}
= {x (1, 0, 1) + y (0, 1, 1) : x, y ∈ R}
= [(1, 0, 1) , (0, 1, 1)]
e, como estes vetores são L.I. pois
o que nos leva a α = β = 0. Portanto {(1, 0, 1) , (0, 1, 1)} é L.I. e, assim B1 = {(1, 0, 1) , (0, 1, 1)}
é base de V .
W = (x, y, z) ∈ R3 : x = y .
Teorema 3.6. Suponhamos que V seja um espaço vetorial. Se B = {⃗v1 , ⃗v2 , . . . , ⃗vn } for uma base
de V então cada vetor v ∈ V é escrito de maneira única como combinação linear de ⃗v1 , ⃗v2 , . . . , ⃗vn .
Demonstração: Suponhamos que V seja um espaço vetorial e que B = {⃗v1 , ⃗v2 , . . . , ⃗vn } seja uma
base de V . Tomemos v ∈ V e suponhamos que existam α1 , α2 , . . . , αn , β1 , β2 , . . . , βn ∈ R tais
que
v = α1⃗v1 + α2⃗v2 + . . . + αn⃗vn e v = β1⃗v1 + β2⃗v2 + . . . + βn⃗vn .
100 Capítulo 3 — Espaço Vetorial
Assim, como v = v
Portanto
(α1 − β1 ) ⃗v1 + (α2 − β2 ) ⃗v2 + . . . + (αn − βn ) ⃗vn = 0.
Como B = {⃗v1 , ⃗v2 , . . . , ⃗vn } é uma base de V , temos que {⃗v1 , ⃗v2 , . . . , ⃗vn } é L.I., daí
α1 − β1 = 0, α2 − β2 = 0, ... αn − βn = 0.
Logo
α 1 = β1 , α2 = β2 , ... αn = βn .
Portanto a representação é única.
Exemplo 3.22. Suponhamos que V = R2 e consideremos a base canônica B = {(1, 0) , (0, 1)}.
Então
" #
4
• v = (4, 3) = 4 (1, 0) + 3 (0, 1) ⇒ [(4, 3)]B =
3
" #
x
• v = (x, y) = x (1, 0) + y (0, 1) ⇒ [(x, y)]B =
y
Assim " #
4
[(4, 3)]B1 = .
−1
3.4 Base de um Espaço Vetorial 101
" #
4
Reciprocamente, dada a base B1 = {(1, 1) , (0, 1)} e se [v]B1 = então
−1
Assim, se
v = (x, y) = α1 (1, 1) + α2 (0, 1) ⇒ α1 = x; α2 = y − x
então " #
x
[(x, y)]B1 = .
y−x
Observação 3.7. Note que a ordem dos elementos da base também influi nas coordenadas.
Com efeito, ao considerarmos o espaço vetorial V = R2 e suas bases C1 = {(1, 0) , (0, 1)} e
C2 = {(0, 1) (1, 0)} podemos observar que
" # " #
4 3
[(4, 3)]C1 = e [(4, 3)]C2 =
3 4
Dado v = (x, y) ∈ R2
" #
x
(x, y) = x(1, 0) + y(0, 1) =
y
C1
" #
y
(x, y) = x(1, 0) + y(0, 1) = y(0, 1) + x(1, 0) =
x
C2
Portanto, a partir de agora vamos considerar que a base ordenada, respeitando a ordem os elemen-
tos aparecem.
102 Capítulo 3 — Espaço Vetorial
ou seja,
(1, −1, 2) = (α, 0, α) + (0, β, β) + (0, λ, 2λ)
= (α, β + λ, α + β + 2λ)
Logo devemos resolver o seguinte sistema
α=1
α =1
β = −1
β +λ = −1 ⇒ 5
λ=
4
α +β +2λ = 2
γ = −1
2
Portanto
1
−1
[(1, −1, 2, 0)]B = 5
4
1
−
2
(i) à base canônica B = {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)}
(ii) à base B1 = {(1, 0, 0, 0), (1, 1, 0, 0), (1, 0, −1, 0), (1, 0, 0, −1)}
Resolução:
daí,
α +β +γ +λ = 1
+β =2
−γ =0
−λ = 1
Portanto,
0
3
2
1 + 2t + t B1 =
0
−1
(a) B = {1 − i, 1 + i}
(b) B1 = {1, i}
1 − 2i = α(1 − i) + β(1 + i)
= α − αi + β + βi
= (α + β) + (−α + β) i
[1 − 2i]B = 2 .
1
−
2
(b) Como queremos a representação do vetor 1 − 2i em relação à base B1 = {1, i}, devemos
escrevê-lo como combinação linear dos vetores desta base, assim:
1 − 2i = α(1) + β(i)
= α + βi
Portanto
1
[1 − 2i]B1 = .
−2
3.4.2 Exercícios
1. Determine uma base a dimensão do subespaço W de R4 , onde
W = {(x, y, z, t) ∈ R4 : x − y = z e x − 3y + t = 0}
3.4 Base de um Espaço Vetorial 105
3. Sabendo que U e W são subespaços de R4 , ambos com dimensão 3, que dimensão pode
ter U + W sabendo que os vetores (1, 2, 1, 0), (−1, 1, 0, 1) e (1, 5, 2, 1) é um sistema de
geradores de W ∩ U ?
u = {(x, y, z, t) ∈ R4 : x − y = 0 e x + 2y + t = 0}
5. Mostre que os vetores (1, 0, 0, 0), (1, 1, 0, 0), (1, 0, −1, 0), (1, −1, −1, −1) formam uma base
de R4 .
(1, −5, −4, 2) , (1, 1, −1, 5) , (2, −4, −5, 7) , (1, −7, −5, 1) .
9. Considere W = [(1, 1, 0), (0, −1, 1), (1, 1, 1)]. W = R3 ? Por quê?
Determine as coordenadas do vetor v = (x, y) nos itens em que for encontrada uma base.
(e) {(0, −1, 2), (2, 1, 3), (−1, 0, 1), (4, −1, −2)}
Determine as coordenadas do vetor v = (x, y, z) nos itens em que for encontrada uma base.
B1 = {(2, 3, −1, 0) , (1, −1, 0, −2) , (−3, −2, 1, −1) , (3, −7, −2, 5)} .
15. Mostre que os vetores ⃗v1 = (1, 1, 1), ⃗v2 = (1, 2, 3), ⃗v3 = (3, 0, 2) e ⃗v4 = (2, −1, 1) geram
R3 . Determine uma base entre estes vetores.
16. Determine
( a base e a dimensão dos seguintes sistemas
( lineares:
x+y+z+w−t=0 4x + 3y − z + t = 0
(a) (b)
x − y − z + 2w − t = 0 x − y + 2z − t = 0
17. Fazendo o mínimo de necessário de contas, verifique quais dos seguintes conjuntos é uma
base de R4 ?
B1 = {(3, 0), (0, 2)} B2 = {(1, 2), (2, 1)} B= {(1, 0), (0, 1)} B2 = {(0, 1), (1, 0)}
20. Considere no espaço vetorial R3 a base B1 = {(1, 0, 0), (0, 1, 0), (1, −1, 1)}. Determine o
vetor coordenada dos seguintes vetores em relação à esta base:
⃗v1 = (2, −3, 4), ⃗v2 = (3, 5, 6), ⃗v3 = (1, −1, 1) ⃗v = (x, y, z)
21. Considere {3, 2x, −x2 } base de P2 (R). Determine o vetor coordenada de q(x) = 6−4x+3x2
e p(x) = ax2 + bx + c em relação à esta base.
22. Considere os vetores ⃗v1 = (1, 0, −1), ⃗v2 = (1, 2, 1) e ⃗v3 = (0, −1, 0) em R3 .
23. Determine uma base e a dimensão para cada um dos seguintes subespaços vetoriais de R3 :
24. Determine uma base e a dimensão para cada um dos seguintes subespaços vetoriais de R4 :
(a) {(a, b, c, d) ∈ R4 : b = a + c e d = c}
(b) {(a, b, c, d) ∈ R4 : b = a + c}
(c) {(a, b, c, d) ∈ R4 : c = a − 3b e d = 0}
(d) {(a, b, c, d) ∈ R4 : a + d = b + c}
(e) {(a, b, c, d) ∈ R4 : c = a + b e d = a}
25. Determine uma base e a dimensão para o espaço solução dos sistemas:
x + 2y − 2z − t = 0
(a) 2x + 4y + z + t = 0
x + 2y + 3z + 2t = 0
x + 2y − z + 3t = 0
(b) 2x − 2y + z − t = 0
4x + 3y − z + 5t = 0
x − 2y − z = 0
(c) 2x + y + 3z = 0
x + 3y + 4z = 0
2x + 2y
− 3z = 0
(d) x − y +− z = 0
3x + 2y + z = 0
3.4 Base de um Espaço Vetorial 109
x + 2y − 2z + t = 0
(e) 2x + 2y − 4z + 2t = 0
x + 2y + z = 0
(a) Que condições devemos impor sobre a,, b e c para que W seja subespaço vetorial de
R3 ?
(b) Nas condições determinadas em (a) encontre uma base para W .
(c) Existe alguma relação entre a dimensão de W e o grau de liberdade do sistema? Seria
este resultado válido para qualquer sistema homogêneo?
27. Sejam U = [(1, 0, 0)] e W = [(1, 1, 0), (0, 1, 1)] subespaços de R3 . Mostre que
3
R = U ⊕ W.
W1 = (x.y.z.t) ∈ R4 : x = t e y = z
W1 = (x.y.z.t) ∈ R4 : x = z e y = t
(c) W1 + W2 = M2 (R)?
(a) U = {(x, y) ∈ R2 : x − 2y = 0}
(c) V = R4 , U = {(1, 0, 0, 0), (1, −1, 0, 1)} e W = {(1, 1, −1, 0), (1, −1, −1, 0), (0, 0, 0, 1)}.
(d) V = R4 , U = {(x, y, z, t) ∈ R4 : y − t = 0 e x + y = 0} e
W = {(x, y, z, t) ∈ R4 : x + 2y − z = 0 e 3x + 2z − t = 0}.
(e) V = R4 , U = {(x, y, z, t) ∈ R4 : 3x + y − t = 0, x = y e z = 0} e
W = {(x, y, z, t) ∈ R4 : x + z = 0}.
(c) B gera R3 ?
3.5 Mudança de Base 111
(d) Determine a forma geral dos vetores ⃗u ∈ [(1, 1, 0), (1, 0, −1)].
34. Mostre que B = {(1, 1, 0, 0) , (1, 1, 0, 0) , (0, 0, 1, 1) , (1, 0, 1, 1) , (1, 1, 0, 1)} é uma base
para R4 .
35. Considere o conjunto B = {(1, 0, 0), (1, −1, 0), (−1, 0, 1)}
W1 = {(x.y.z.t) ∈ R4 : x + y − 2z = 0 e y − z + t = 0}
W2 = {(x.y.z.t) ∈ R4 : 2x − 3y + t = 0 e y = 2}
(b) Para cada um dos subespaços encontrados no item anterior, determine uma base e a
dimensão.
(c) Determine uma base a a dimensão dos espaços soma e intersecção dos subespaços
encontrados no item (a).
e
(2) ⃗v = γ1 w
⃗ 1 + γ2 w
⃗ 2 + . . . + γn w
⃗n
112 Capítulo 3 — Espaço Vetorial
Queremos relacionar as coordenadas de v em relação à base B1 [⃗v ]B1 com as coordenadas de ⃗v
em relação à base B2 [⃗v ]B2 , isto é,
α1 γ1
α2 γ2
= (?)
.. ..
.
.
αn γn
ou na notação matricial:
α1 a11 a21 . . . an1 γ1
α2 a12 a22 . . . an2 γ2
=
.. .. .. .. ..
..
.
. . . .
.
αn a1n a2n . . . ann γn
3.5 Mudança de Base 113
e denotaremos
[⃗v ]B1 = [I]BB21 [⃗v ]B2
[I]BB21 é denominada matriz de mudança da base B2 para a base B1 (é a transposta da matriz dos
coeficientes em (∗)).
De modo análogo
[⃗v ]B2 = [I]BB12 [⃗v ]B1
onde [I]BB12 é obtida escrevendo, como em (∗), os ⃗ui (vetores da base B1 ) em função dos w
⃗ j (vetores
da base B2 ) e tomando a transposta da matriz dos coeficientes.
Exemplo 3.26. Sejam B1 = {(2, −1) , (3, 4)} e B2 = {(1, 0) , (0, 1)} bases de R2 . Queremos
determinar [I]BB21 e [I]BB12 .
(a) Para isso, primeiramente precisamos escrever os vetores de B2 como combinação linear dos
vetores de B1 , ou seja,
cuja solução é
4 1 3 2
a11 = , a12 = , a21 = − , a22 =
11 11 11 11
Com isso temos que
4 3
−
[(1, 0)]B1 = 11 e [(0, 1)]B1 = 11
1 2
11 11
e, assim 4 3
−
[I]BB21 = 11 11 .
1 2
11 11
114 Capítulo 3 — Espaço Vetorial
(b) Agora, precisamos escrever os vetores de B2 como combinação linear dos vetores de B2 , ou
seja,
⃗v1 = (2, −1) = a11 (1, 0) + a12 (0, 1)
⃗v2 = (3, 4) = a21 (1, 0) + a22 (0, 1)
que nos levam a
a11 = 2 a21 = 3
e
a12 = −1 a22 = 4
e, assim " #
2 3
[I]BB12 = .
−1 4
Agora, o que acontece se pegarmos um vetor, por exemplo, v = (5, −8) ∈ R2 e escrevermos eles
nestas bases?
Observe que, na base B2 o trabalho é simples pois
" #
5
[(5, −8)]B2 = .
−8
Agora, ao pensarmos na base B1 , com os conhecimentos que temos até aqui, precisaríamos resolver
novamente o sistema. Entretanto, podemos utilizar a matriz mudança de base que já determinamos
para isso. Assim
4 3 "
−
# " #
5 4
[(5, −8)]B1 = [I]BB12 [v]B2 = 11 11 =
1 2
−8 −1
11 11
Lembre-se que poderíamos ter feito diretamente:
Resolução:
(
e1 = cos θf1 − sen θf2
e2 = sen θf1 + cos θf2
" #
1 −1
[I]BB12 = .
0 1
Calcule [I]BB21 .
3.5.1 Exercícios
1. Considere as bases B = {⃗a, ⃗b, ⃗c} e B1 = {f⃗1 , f⃗2 , f3 }, onde f⃗1 = ⃗a + ⃗c, f⃗2 = ⃗b − 2⃗c e
f⃗3 = ⃗b + ⃗c.
(a) Escreva a matriz de mudança da base B para a base B1 e da base B1 para a base B.
6. Sejam B = {⃗e1 , ⃗e2 , ⃗e3 } e B ′ = {f⃗1 , f⃗2 , f⃗3 } duas bases tais que f⃗1 = 2⃗e1 − ⃗e3 , f⃗2 = ⃗e2 + 2⃗e3 ,
f⃗3 = 7⃗e3 . Exprima o vetor ⃗u = ⃗e1 + ⃗e2 + ⃗e3 na base B ′ .
7. Sejam B = {⃗a1 , ⃗a2 , ⃗a3 } e B ′ = {⃗b1 , ⃗b2 , ⃗b3 } duas bases tais que ⃗b1 = ⃗a1 − 2⃗a2 + ⃗a3 ,
⃗b2 = ⃗a2 − 3⃗a3 , ⃗b3 = −⃗a1 + ⃗a2 . Escreva a matriz de mudança da base B ′ para a base B.
Expresse ⃗a1 , ⃗a2 e ⃗a3 na base B ′ .
3.5 Mudança de Base 117
⃗ uma base. Verifique se existe uma base B ′ = {⃗a, ⃗b, ⃗c} tal que
8. Seja B = {⃗u, ⃗v , w}
⃗a = (−1, 0, 1)B , ⃗b = (1, 2, −2)B , ⃗c = (1/2, 1, 1/2)B . Caso exista, exprima os vetores
de B em termos dos vetores de B ′ .
√
9. Sejam B = {⃗e1 , ⃗e2 , ⃗e3 }, B1 = {f⃗1 , f⃗2 , f⃗3 } e B2 = {⃗g1 , ⃗g2 , ⃗g3 } bases tais que 2⃗e1 = 3f⃗1 −f⃗3 ,
√
2⃗e2 = f⃗1 + 3f⃗3 , ⃗e3 = f⃗2 , ⃗g1 = ⃗e1 + ⃗e2 + ⃗e3 , ⃗g2 = ⃗e1 + ⃗e2 e ⃗g3 = ⃗e1 . Escreva todas as
matrizes de mudança de base envolvendo B, B1 e B2 .
Determine a, b e c, sabendo que (0, 1, 2)B = (−1, 2, 0)B′ e que a matriz [I]BB′ é dada por
10.
1 a 1
2 b 0 .
2 c −1
11. Escreva a matriz de mudança da base B = {⃗e1 , ⃗e2 , ⃗e3 } para a base B ′ = {f⃗1 , f⃗2 , f⃗3 } e
exprima o vetor ⃗u = −4f⃗1 + f⃗2 − f⃗3 em função de ⃗e1 , ⃗e2 , ⃗e3 , sabendo que f⃗1 = (−3, 1, 1)B ,
f⃗2 = (1, −2, 1)B e f⃗3 = (1, 2, 0)B .
14. Suponhamos que B1 = {(−1, 2), (2, 3)} seja uma base de R.
(a) Determine a matriz mudança de base da base canônica B = {⃗e1 , ⃗e2 } para B1 .
" #
−2 4
(b) Se B2 = {⃗u, ⃗v } for outra base de R2 cuja mudança de base é [I]BB2 = ,
−5 1
determine ⃗u e ⃗v .
118 Capítulo 3 — Espaço Vetorial
16. Determine se (1, 1, 1), (1, 2, 3) e (2, −1, 1) formam uma base para o espaço vetorial R3 . Se
formar uma base, considere B1 como a base formada por estes vetores e
B2 = {(1, 2, 0), (1, 3, 2), (0, 1, 3)}, determine a matriz mudança da base B1 para B2 e a
matriz mudança da base B2 para B1 .
B1 = {(1, 1, 0), (0, 1, 2), (0, 1, 1)} B2 = {(1, 0, 1), (1, 1, 0), (0, 1, 1)}.
B1 = {(1, 0, 1), (1, 1, 2), (1, 2, 4)} B2 = {(1, 2, 1), (1, 3, 4), (2, 5, 6)}
(a) Determine as coordenadas do vetor ⃗u = (−4, 7) em relação a cada uma das bases.
(b) Determine as coordenadas do vetor ⃗v = (x, y) em relação a cada uma das bases.
(c) Determine todas as matrizes mudança de base possíveis.
U = (, y, z, t) ∈ R4 : x − y − z = 0
B1 = {(−3, 0, −3), (−3, 2, −1), (1, 6, −1)}, B1 = {(−6, −6, 0), (−2, −6, 4), (−2, −3, 7)}
22. Suponhamos que B1 = {(−1, 0, −2), (2, 1, 2), (1, 1, 3)} e B2 = {(1, 1, 1), (1, 2, 3)e(1, 4, 9)}
sejam bases de R3 . Determine:
(a) [v]B1 (b) [v]B2 (c) [M ]BB21 (d) [M ]BB12
Mostre que [M ]BB21 · [M ]BB12 = I3 .
Determine:
(a) [⃗v ]B1 (b) [⃗v ]B2 (c) [M ]BB21 (d) [M ]BB12
Mostre que [M ]BB21 · [M ]BB12 = I3 .
120 Capítulo 3 — Espaço Vetorial
B1 = {(1, 2, 1), (−1, 1, 1), (2, 3, 1)} B2 = {(1, 2, −1), (2, 3, 1), (1, 1, 1)}
B1 = {(1, 3, 2), (1, 1, −1), (1, 2, 1)} B2 = {(1, 1, 1), (1, 2, −1), (2, 3, 1), }
4
Produtos
4.1 Vetores em R2
Definição 4.1. Dois vetores ⃗u = (x1 , y1 ) e ⃗v = (x2 , y2 ) são iguais se, e somente se, x1 = x2 e
y1 = y2 .
Definição 4.2 (Condição de Paralelismo). Dados dois vetores ⃗u = (x1 , y1 ) e ⃗v = (x2 , y2 ), diremos
que eles são colineares ou paralelos se existir uma constante k tal que ⃗u = k⃗v .
Observação 4.1. Note que, para dois vetores ⃗u = (x1 , y1 ) e ⃗v = (x2 , y2 ) serem paralelos é
necessário que:
(
x1 = kx2
(x1 , y1 ) = k(x2 , y2 ) ⇒ (x1 , y1 ) = (kx2 , ky2 ) ⇒
y1 = ky2
x1 y1
= = k.
x2 y2
121
122 Capítulo 4 — Produtos
(m · ⃗u) • ⃗v = m · (⃗u • ⃗v ) = ⃗u • (m · ⃗v ) .
6. ⃗u • ⃗u = |⃗u|2 .
Observação 4.2 (Módulo de um Vetor). Também podemos utilizar o produto escalar para definir
o módulo de um vetor ⃗v = (x, y):
√ p
|⃗v | = ⃗u • ⃗u = x2 + y 2
obtemos
1 2 1
⃗u = √ (2, −1) = √ , −√
5 5 5
4.2 Vetores em R3 123
Note que
s 2 2 r
5 √
r r
2 1 4 1 4+1
|⃗u| = √ + −√ = + = = = 1 = 1.
5 5 5 5 5 5
Observação 4.4 (Distância entre Dois Pontos). Sejam A (x1 , y1 ) e B (x2 , y2 ), também definimos
a distância entre A e B por:
→
d = AB = |B − A| = |(x2 , y2 ) − (x1 , y1 )| = |(x2 − x1 , y2 − y1 )|
daí q
d = (x2 − x1 )2 + (y2 − y1 )2 .
4.2 Vetores em R3
Definição 4.4. Dois vetores ⃗u = (x1 , y1 , z1 ) e ⃗v = (x2 , y2 , z2 ) são iguais se, e somente se,
x1 = x2 y1 = y2 z1 = z2 .
⃗u = 2⃗i − 2⃗j + ⃗k
= 2(1, 0, 0) − 2(0, 1, 0) + (0, 0, 1)
1.
= (2, 0, 0) + (0, −2, 0) + (0, 0, 1)
= (2, −2, 1)
124 Capítulo 4 — Produtos
2. ⃗v = ⃗i − ⃗j = (1, −1, 0)
4. p⃗ = 4⃗k = (0, 0, 4)
Observação 4.5. Diremos que o espaço tem três dimensões ou que ele é tridimensional, por que
qualquer uma de suas bases tem três valores e, portanto o número de componentes de um vetor é
três.
Exemplo 4.2. Considere os vetores ⃗u = (−1, 3, 2) e ⃗v = (2, −6, −4) são paralelos?
Exemplo 4.3. Considerando os vetores ⃗u = 3⃗i − 5⃗j + 8⃗k, ⃗v = 4⃗i − 2⃗j − ⃗k, ⃗v = ⃗v = ⃗i + ⃗j + ⃗k,
temos que:
⃗u • ⃗v = (3, −5, 8) • (4, −2, −1)
= 3 · 4 + (−5) · (−2) + 8 · (−1)
1.
= 12 + 10 − 8
= 14
⃗u • w
⃗ = (3, −5, 8) • (1, 1, 1)
= 3 · 1 + (−5) · 1 + 8 · 1
2.
=3−5+8
=6
⃗v • w
⃗ = (4, −2, −1) • (1, 1, 1)
= 4 · 1 + (−2) · 1 + (−1) · 1
3.
=4−2−1
=1
Teorema 4.2 (Propriedades do Produto Escalar). Considere os vetores ⃗u = (x1 , y1 ), ⃗v = (x2 , y2 )
⃗ = (x3 , y3 ), e o escalar m ∈ R. Então
ew
(m · ⃗u) • ⃗v = m · (⃗u • ⃗v ) = ⃗u • (m · ⃗v ) .
6. ⃗u • ⃗u = |⃗u|2 .
Observação 4.7 (Módulo de um Vetor). Também podemos utilizar o produto escalar para definir
o módulo de um vetor ⃗v = (x, y):
√ p
|⃗v | = ⃗u • ⃗u = x2 + y 2
126 Capítulo 4 — Produtos
Observação 4.8 (Versor de um vetor). Consideremos o vetor ⃗v = (2, −1, −2). Se chamarmos de
⃗u o seu versor, temos que:
⃗v
⃗u =
|⃗v |
e, como
p √ √
|⃗v | = 22 + (−1)2 + (−2)2 = 4 + 1 + 4 = 9 = 3
obtemos
1 2 1 2
⃗u = (2, −1, −2) = ,− ,−
3 3 3 3
Note que
s
2 2 r
9 √
r r
2 1 2 4 1 4 4+1+4
|⃗u| = + − + − = + + = = = 1 = 1.
3 3 3 9 9 9 9 9
Observação 4.9 (Distância entre Dois Pontos). Sejam A (x1 , y1 , z1 ) e B (x2 , y2 , z2 ), também defi-
nimos a distância entre A e B por:
→
d = AB
= |B − A|
= |(x2 , y2 , z2 ) − (x1 , y1 , z1 )|
= |(x2 − x1 , y2 − y1 , z2 − z1 )|
daí q
d= (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2
e, como
⃗u • ⃗v = (1, 1, 4) • (3, 5, 4) = 1 · 3 + 1 · 5 + 4 · 4 = 3 + 5 + 16 = 24
e
√ √ √
|⃗u| = |(1, 1, 4)| = 12 + 12 + 42 = 1 + 1 + 8 = 10
e
√ √ √
|⃗v | = |(3, 5, 4)| = 32 + 52 + 42 = 9 + 25 + 16 = 50
daí
24 24 24 12
cos(θ) = √ √ =√ = √ = √
10 · 50 500 10 5 5 5
Portanto
12
θ = arccos √ .
5 5
12
Note que, como não temos o valor do ângulo cujo cosseno dá √ , aplicamos a função arccos
5 5
e chegamos ao valor do ângulo. (Fica assim mesmo.)
→
Exemplo 4.6. Sabendo que o vetor ⃗v = (2, 1, −1) forma um ângulo de 60◦ com o vetor AB
determinado pelos pontos A(3, 1, −2) e B(4, 0, m). Calcule o valor de m.
e
→ p √ √
AB = 12 + (−1)2 + (m + 2)2 = 1 + 1 + m2 + 4m + 4 = m2 + 4m + 6
128 Capítulo 4 — Produtos
1
juntamente com o fato do cos 60◦ = , segue que
2
⃗u • ⃗v
cos(θ) =
|⃗u| · |⃗v |
nos leva a
1 −m − 1
=√ √
2 6 m2 + 4m + 6
daí, elevando ambos os lados da igualdade ao quadrado temos que:
m2 + 2m + 1
1
=
2 6(m2 + 4m + 6)
assim
1 m2 + 2m + 1
=
4 6m2 + 24m + 36
1 · 6m2 + 24m + 36 = 4 · m2 + 2m + 1
2 (m + 4)2 = 0
Portanto m = −4.
Exemplo 4.7. Prove que o triângulo de vértices A(2, 3, 1), B(2, 1, −1) e C(2, 2, −2) é um triân-
gulo retângulo.
Resolução: Como não sabemos em que vértice o triangulo ABC é retângulo, precisaremos encon-
trar todos os vetores que forma os lados do triângulo:
→
AB= B − A = (2, 1, −1) − (2, 3, 1) = (2 − 2, 1 − 3, −1 − 1) = (0, −2, −2)
→
BC= C − B = (2, 2, −2) − (2, 1, −1) = (2 − 2, 2 − 1, −2 − (−1)) = (0, 1, −1)
→
AC= C − A = (2, 2, −2) − (2, 3, 1) = (2 − 2, 2 − 3, −2 − 1) = (0, −1, −3)
Agora, vamos calcular o produto escalar entre os vetores até encontrar um que dê zero, pois quando
o cosseno é nulo, temos que o ângulo entre os vetores é 90◦ , assim comecemos:
→ →
AB • BC= (0, −2, −2) • (0, 1, −1) = 0 · 0 + (−2) · 1 + (−2) · (−1) = 0 − 2 + 2 = 0
que sorte!, de cara encontramos dois vetores cujo produto escalar é nulo, logo o triângulo ABC é
retângulo em B.
4.3 Produto Escalar 129
Exemplo 4.8. Determine o vetor que seja ortogonal aos vetores ⃗u = (1, −1, 0) e ⃗v = (1, 0, 1).
daí
x−y =0 x+z =0
Portanto
y=x z = −x
Note que temos um Sistema Possível e Indeterminado, ou seja, para cada x ∈ R fixado temos um
valor para y e para z. É claro que não queremos x = y = z = 0 (solução trivial) pois o vetor
nulo é sempre ortogonal a qualquer outro vetor. Assim, tomamos x = 1 (mais fácil de trabalhar) e
chegamos em:
x=1 y=1 z = −1
ou seja, o vetor (1, 1, −1) é ortogonal aos vetores ⃗u e ⃗v . Resolveremos novamente este problema
mais à frente usando o conceito de produto vetorial.
y 0
cos (β) = → = √ =0
AB 3 2
√ √
−3z 1 1 2 2
cos (γ) = → = √ = − √ = − √ · √ = −
AB 3 2 2 2 2 2
Portanto √ √
2 2
cos (α) = cos (β) = 0 cos (γ) = −
2 2
Como já conhecemos os valores dos cossenos diretores, podemos calcular os ângulos diretores:
√
2 π
cos (α) = ⇒ α = 45◦ =
2 4
π
cos (β) = 0 ⇒ β = 90◦ =
2
√
2 3π
cos (γ) = − ⇒ γ = 135◦ =
2 4
Definição 4.9 (Projeção de Vetor). Definimos a projeção do vetor ⃗u sobre o vetor ⃗v por
⃗u • ⃗v
⃗v ⃗
u= · ⃗v .
|⃗v |2
Exemplo 4.10. Determinar o vetor projeção do vetor ⃗u = (2, 3, 4) sobre o vetor ⃗v = (1, −1, 0).
Resolução: Como
⃗u • ⃗v
⃗v ⃗
u = · ⃗v .
|⃗v |2
e, como
e
2
|⃗v |2 = |(1, −1, 0)|2 =
p
12 + (−1)2 + 02 = 1 + 1 + 0 = 2
4.3 Produto Escalar 131
Portanto
⃗u • ⃗v
⃗v ⃗
u = · ⃗v
|⃗v |2
−1
= · (1, −1, 0)
2
1 1
= − , ,0
2 2
Logo
1 1
⃗v ⃗
u = − , ,0
2 2
Exemplo 4.11. Considere os pontos A(1, 2, −1), B(−1, 0, −1) e C(2, 1, 2).
Resolução:
→ →
1. Para que o triângulo ABC seja retângulo em A é necessário que os vetores AB e BC formem
→ → →
um ângulo de 90◦ , para isto, é preciso que AB • AC= 0, assim calculando os vetores AB e
→
AC:
→
AB= B − A = (−1, 0, −1) − (1, 2, −1) = (−1 − 1, 0 − 2, −1 + 1) = (−2, −2, 0)
→
AC= C − A = (2, 1, 2) − (1, 2, −1) = (2 − 1, 1 − 2, 2 + 1) = (1, −1, 3)
daí
→ →
AB • AC= (−2, −2, 0) • (1, −1, 3) = −2 + 2 + 0 = 0
e, como
→ →
BA • BC= (2, 2, 0) • (3, 1, 3) = 2 · 3 + 2 · 1 + 0 · 3 = 6 + 2 + 0 = 8
e
→ 2 √ 2
BC = |(3, 1, 3)|2 = 32 + 12 + 32 = 9 + 1 + 9 = 19
Portanto
→ →
→ BA • BC →
→ BC = → 2
· BC
BA
BC
8
= · (3, 1, 3)
19
24 8 24
= , ,
19 19 19
Logo
→ 24 8 24
→ BC= , , .
BA 19 19 19
daí
→ 24 8 24
→ BC = , ,
BA
s19 19 19
2 2 2
24 8 24
= + +
19 19 19
r
576 64 576
= + +
361 361 361
r √
1216 22 · 2 · 157
= = √
361 361
√
2 304
=
19
3. Devemos calcular a medida do segmento AH: Para isto, considere H, como sendo o pé da
altura relativa ao vértice A.
→ →
Como BH= → BA E
BC
→
BH= H − B = (x, y, z) − (−1, 0, −1) = (x + 1, y, z + 1)
4.4 Produto Vetorial 133
Como
→ 24 8 24
→ BC= , ,
BA 19 19 19
Então
24 5
x+1= ⇔x=
19 19
8
(x + 1, y, z + 1) = ⇐⇒ y=
19
z + 1 = 24 ⇔ z = 5
19 19
Portanto
5 8 5
H , , .
19 19 19
⃗i ⃗j ⃗k
⃗u × ⃗v = x1 y1 z1
x2 y2 z2
O produto vetorial do vetor ⃗u pelo vetor ⃗v também é indicado por ⃗u ∧ ⃗v , e lemos: “⃗u vetorial ⃗v ”.
⃗i ⃗j ⃗k ⃗i ⃗j
⃗u × ⃗v = x1 y1 z1 x1 y1
x2 y2 z2 x2 y2
daí
⃗u × ⃗v = y1 z2⃗i + z1 x2⃗j + x1 y2⃗k − x2 y1⃗k − z2 x1⃗j − y2 z1⃗i
= (y1 z2 − y2 z1 )⃗i + (z1 x2 − z2 x1 ) ⃗j + (x1 y2 − x2 y1 ) ⃗k
Portanto
⃗u × ⃗v = (y1 z2 − y2 z1 , z1 x2 − z2 x1 , x1 y2 − x2 y1 )
Exemplo 4.12. Calcule o produto vetoriaç dos vetores ⃗u = 5⃗i + 4⃗j + 3⃗k e ⃗v = ⃗i + ⃗k.
134 Capítulo 4 — Produtos
daí
⃗i ⃗j ⃗k ⃗i ⃗j ⃗k ⃗i ⃗j
⃗u×⃗v = x1 y1 z1 = 5 4 3 5 4 = 4⃗i+3⃗j+0⃗k−4⃗k−5⃗j−0⃗i = 4⃗i−2⃗j−4⃗k = (4, −2, −4)
x2 y2 z2 1 0 1 1 0
Portanto
⃗u × ⃗v = (4, −2, −4)
⃗i ⃗j ⃗k ⃗i ⃗j ⃗k ⃗i ⃗j
⃗v ×⃗u = x2 y2 z2 = 1 0 1 1 0 = 0⃗i+5⃗j+4⃗k−0⃗k−3⃗j−4⃗i = −4⃗i+2⃗j+4⃗k = (−4, 2, 4)
x1 y1 z1 5 4 3 5 4
Portanto
⃗v × ⃗u = (−4, 2, 4)
⃗u × ⃗v = −⃗v × ⃗u
1. ⃗u × ⃗u = ⃗0.
2. ⃗u × ⃗v = −⃗v × ⃗u.
⃗u × (⃗v + w)
⃗ = ⃗u × ⃗v + ⃗u × w.
⃗
m · (⃗u × ⃗v ) = (m · ⃗u) × ⃗v .
4.4 Produto Vetorial 135
5. ⃗u × ⃗v = ⃗0 se, e somente se, um dos vetores for o vetor nulo ou se ⃗u e ⃗v forem colineares.
7. Se ⃗u e ⃗v forem ambos vetores não nulos, então o seno do ângulo θ entre ⃗u e ⃗v é dado por:
|⃗u × ⃗v |
sen (θ) =
= |⃗u| · |⃗v |
⃗u × (⃗v × w)
⃗ ̸= (⃗u × ⃗v ) × w.
⃗
Voltando ao exemplo:
Exemplo 4.14. Determine o vetor que seja ortogonal aos vetores ⃗u = (1, −1, 0) e ⃗v = (1, 0, 1).
⃗i ⃗j ⃗k ⃗i ⃗j ⃗k ⃗i ⃗j
p⃗ = ⃗u×⃗v = x1 y1 z1 = 1 −1 0 1 −1 = −⃗i+0⃗j+0⃗k+⃗k−⃗j−0⃗i = −⃗i−⃗j+⃗k = (−1, −1, 1)
x2 y2 z2 1 0 1 1 0
Portanto
p⃗ = (−1, −1, 1)
Exemplo 4.15. Determine um vetor unitário que seja simultaneamente ortogonal aos vetores ⃗u =
(2, −6, 3) e ⃗v = (4, 3, 1).
136 Capítulo 4 — Produtos
⃗i ⃗j ⃗k ⃗i ⃗j
p⃗ = ⃗u×⃗v = 2 −6 3 2 −6 = −6⃗i+12⃗j+6⃗k−(−24)⃗k−2⃗j−9⃗i = −15⃗i+10⃗j+30⃗k = (−15, 10, 30)
4 3 1 4 3
Portanto
p⃗ = (−15, 10, 30)
Mas
p √ √
|⃗p| = |⃗u × ⃗v | = (−15)2 + (10)2 + (30)2 = 225 + 100 + 900 = 1225 = 35
Teorema 4.4 (Área do Paralelogramo). Considere o paralelogramo cujos vértices são os pontos A,
→ →
B, C e D. Sejam ⃗u =AB e ⃗v =AD então a área do paralelogramo, A(ABCD), será dada por:
A(ABCD) = |⃗u × ⃗v |
Apenas para efeito de visualização, segue uma ilustração de como funciona este teorema no
plano:
Exemplo 4.16. Dados os vetores ⃗u = (1, 2, −1) e ⃗v = (0, −1, 3), calcule a área do paralelogramo
determinado pelos vetores 3⃗u e ⃗v − ⃗u.
4.4 Produto Vetorial 137
e
⃗v − ⃗u = (0, −1, 3) − (1, 2, −1) = (0 − 1, −1 − 2, 3 − (−1)) = (−1, −3, 4)
Utilizando o teorema anterior temos que: para calcular a área do paralelogramo determinado pelos
vetores 3⃗u e ⃗v − ⃗u, basta calcularmos o módulo do produto vetorial:
⃗i ⃗j ⃗k ⃗i ⃗j
3⃗u×(⃗v −⃗u) = 3 6 −3 3 6 = (24−9)⃗i+(3−12)⃗j+(−9+6)⃗k = 15⃗i−9⃗j−3⃗k = (15, −9, −3)
−1 −3 3 −1 −3
Portanto
p √ √ √
A = |(15, −9, −3)| = (15)2 + (−9)2 + (−3)2 = 225 + 81 + 9 = 315 = 3 35
Exemplo 4.17. Calcular a área do triângulo de vértices A(1, −2, 1), B(2, −1, 4) e C(−1, −3, 3).
Resolução: Como queremos calcular a área do triângulo, podemos verificar o comprimento da
base e, depois de calcular a altura, dividirmos por 2. Entretanto este processo é muito demorado
quando estamos trabalhando com vetores do espaço. Assim, ao invés de calcularmos a área do tri-
ângulo diretamente, vamos calcular a área do paralelogramo primeiramente, utilizando o conceito
de produto vetorial, para em seguida dividi-la por 2, obtendo assim a área do triângulo procurado.
Deste modo:
→
AB= B − A = (2, −1, 4) − (1, −2, 1) = (2 − 1, −1 − (−2), 4 − 1) = (1, 1, 3)
e
→
AC= C − A = (−1, −3, 3) − (1, −2, 1) = (−1 − 1, −3 − (−2), 3 − 1) = (−2, −1, 2)
daí
⃗i ⃗j ⃗k ⃗i ⃗j
→ →
AB × AC= 1 1 3 1 1 = (2+3)⃗i+(−6−2)⃗j+(−1+2)⃗k = 5⃗i−8⃗j+⃗k = (5, −8, 1)
−2 −1 2 −2 −1
Portanto
p √ √ √
A = |(5, −8, 1)| = (5)2 + (−8)2 + (1)2 = 25 + 64 + 1 = 90 = 3 10
Portanto √
3 10
Area(ABC) =
2
138 Capítulo 4 — Produtos
⃗u • (⃗v × w)
⃗ = (⃗u, ⃗v , w)
⃗
x1 y1 z1
⃗u × ⃗v = x2 y2 z2
x3 y3 z3
1. (⃗u, ⃗v , w)
⃗ = 0, se:
(⃗u, ⃗v , w)
⃗ = (w,
⃗ ⃗u, ⃗v ) = (⃗v , w,
⃗ ⃗u)
Entretanto, o produto misto muda de sinal quando se trocam as posições de dois vetores
consecutivos, isto é:
⃗ = − (⃗v , ⃗u, w)
(⃗u, ⃗v , w) ⃗
3. (⃗u, ⃗v , w
⃗ + p⃗) = (⃗u, ⃗v , w)
⃗ + (⃗u, ⃗v , p⃗)
4. (m · ⃗u, ⃗v , w)
⃗ = (⃗u, m · ⃗v , w) ⃗ = m3 · (⃗u, ⃗v , w)
⃗ = (⃗u, ⃗v , m · w) ⃗
Resolução: Para verificarmos se três vetores são coplanares, basta que verifiquemos se seu produto
misto é nulo, assim
3 −1 4
(⃗u, ⃗v , w)
⃗ = 1 0 −1 = 0 + 2 − 4 − 0 − 0 − 3 = −5 ̸= 0
2 −1 0
Exemplo 4.19. Qual deve ser o valor de m para que os vetores ⃗a = (m, 2, −1), ⃗b = (1, −1, 3) e
⃗c = (0, −2, 4) sejam coplanares?
Resolução: Para que três vetores sejam coplanares é necessário que seu produto misto seja nulo,
assim
m 2 −1
⃗a, ⃗b, ⃗c = 1 −1 3 =0
0 −2 4
Assim
−4m + 0 + 2 − 0 + 6m − 8 = 0
daí
2m − 6 = 0
Exemplo 4.20. Verifique se os pontos A(1, 2, 4), B(−1, 0, −2), C(0, 2, 2) e C(−2, 1, −3) estão
no mesmo plano.
Se estes três vetores forem coplanares, então os pontos A, B, C e D pertencem a um mesmo plano.
Calculemos então
−2 −2 −6
→ → →
AB, AC, AD = −1 0 −2 = 0 − 12 − 6 + 0 + 4 + 2 = −12 ̸= 0
−3 −1 −1
→ → →
Assim os pontos não são coplanares pois AB, AC, AD ̸= 0.
Teorema 4.6 (Volume do Paralelepípedo). Considere o paralelepípedo gerado pelos vetores ⃗u, ⃗v e
w
⃗
V (ABCD) = |(⃗u, ⃗v , w)|
⃗
Exemplo 4.21. Voltando ao último exemplo, temos que o volume do paralelepípedo gerado pelos
→ → →
vetores AB, AC, AD é
V = | − 12| = 12u.v.
C APÍTULO
5
Retas
daí
P − A = t · ⃗v
Portanto
P = A + t · ⃗v
esta última equação é conhecida como equação vetorial da reta e também pode ser expressa como
141
142 Capítulo 5 — Retas
Definição 5.1 (Equação vetorial da reta). A equação vetorial da reta r é P = A + t⃗v ou (x, y, z) =
(x1 , y1 , z1 ) + t(a, b, c). O vetor ⃗v = (a, b, c) é chamado vetor diretor da reta r e t é denominado
parâmetro. A cada valor de t corresponde a um ponto particular P ∈ r. Quando p varia de −∞ a
∞, o ponto P descreve a reta.
Exemplo 5.1. Determinar a equação r que passa pelo ponto A(−5, 3, 0) e tem a direção do vetor
⃗v = 2⃗i − ⃗j + 2⃗k.
Resolução: Seja P um ponto qualquer da reta r, pela definição anterior temos que:
P = A + t · ⃗v
ou seja,
(x, y, z) = (−5, 3, 0) + t(2, −1, 2)
□
Note que, quando t varia de −∞ a +∞, P descreve a reta r. Por exemplo, para t = 2, temos
que
(x, y, z) = (−5, 3, 0) + 2(2, −1, 2)
= (−5, 3, 0) + (4, −2, 4)
= (−1, 1, 4)
Logo o ponto P (−1, 1, 4) é um ponto da reta r. Como podemos substituir t por qualquer número
real que encontraremos infinitos pontos da reta, segue que a reta tem infinitos pontos.
Agora, vamos pensar o contrário, ou seja, será que cada ponto P da reta corresponde a um nú-
mero real t? Vejamos, já sabemos que o ponto (−1, 1, 4) é um ponto da reta, note que substituindo
5.1 Equações da reta 143
obtemos
−5 + 2t = −1
(−1, 1, 4) = (−5 + 2t, 3 − t, 0 + 2t) ⇒ 3−t =1
2t =4
Portanto chegamos a t = 2.
P = A + t · ⃗v
ou ainda,
(x, y, z) = (x1 , y1 , z1 ) + t(a, b, c)
= (x1 , y1 , z1 ) + (at, bt, ct)
= (x1 + at, y1 + bt, z1 + ct)
nas quais a, b e c não são todos nulos, são denominadas equações paramétricas da reta r quando t
varia de −∞ a +∞.
144 Capítulo 5 — Retas
Exemplo 5.2. As equações paramétricas da reta r que passa pelo ponto A(−1, 2, 1) e é paralela ao
vetor ⃗v = (2, 1, −2) são:
x = −1 + 2t,
r: y = 2 + t,
z = 1 − 2t
Para cada t fixado, obtemos um ponto desta reta, assim tomando t = 3, obtemos o ponto
x = −1 + 2 · 3 = −1 + 9 = 8,
r: y = 2 + 3 = 5,
z = 1 − 2 · 3 = 1 − 6 = −5
não é nem necessário calcularmos o valor de t para a terceira equação pois já podemos ver que os
valores para a primeira equação e para a segunda equação são diferentes. Portanto este ponto não
pertence a reta r.
Exemplo 5.3. Determinar as equações reduzidas da reta r que passa pelos pontos A(2, 1, −3) e
B(4, 0, −2), nas variável x.
Além disso,
b −1
• m= =
a 2
b −1
• n = − x1 + y1 = − ·2+1=1+1=2
a 2
c 1
• p= =
a 2
c 1
• q = − x1 + z1 = − · 2 − 3 = −1 − 3 = −4
a 2
146 Capítulo 5 — Retas
Assim,
y = −1x + 2
r: 2
1
z = x−4
2
Resolução 2: Uma outra forma de se resolver este exercício é, primeiro encontrar as equações
paramétricas da reta. Para isto fazemos:
→
AB = B − A
= (4, 0, −2) − (2, 1, −3)
= (4 − 2, 0 − 1, −2 − (−3))
= (2, −1, 1)
daí, podemos escolher qualquer um dos pontos acima. Agora, eu escolho o A, e obtemos
x = 2 + 2t
r: y =1−t
z = −3 + t
Agora, é só isolar o t na equação da variável em que estamos querendo encontrar a equação redu-
zida. Como aqui queremos em x, temos que
x = 2 + 2t
2t = x − 2
x−2
t=
2
1
t= x−1
2
Para encontrarmos a equação basta substituirmos o valor de t nas duas outras equações:
y =1−t
1
z = −3 + t
=1− x−1
2 1
= −3 + x − 1
1 2
=1− +1 1
2 = x−4
1 2
=− x+2
2
Portanto as equações reduzidas da reta r são:
y = −1x + 2
r: 2
1
z = x−4
2
5.1 Equações da reta 147
(2) Podemos também representar uma reta r qualquer utilizando as variáveis independentes y ou
z, isto é:
( (
x = −2y + 4 x = 2z + 8
ou
z = −y − 2 y = −z + 2
pode-se obter
y = mx + n e z = px + q
y − n = mx z − q = px
y−n z−q
x= x=
m p
Das equações simétricas da reta que passam pelo ponto A(x1 , y1 , z1 ) e tem direção do vetor
⃗v = (a, b, c) (a.b.c ̸= 0) temos:
x − x1 y − y1 z − z1
= = . (5.1)
a b c
y−n z−q
Sendo x = ex= segue que
m p
y−n z−q
x= = . (5.2)
m p
representam a reta que passa pelo ponto N (0, n, q) e tem direção do vetor ⃗v = (1, m, p).
148 Capítulo 5 — Retas
Exemplo 5.5. Determine as equações reduzidas da reta r que passa pelo ponto A(3, 1, −2) e tem
direção do vetor ⃗v = (1, −2, 2).
• x=2·0+π =π
√
• z =− 2·0+5=5
Assim temos
x=π y=0 z=5
2º caso: Duas das componentes de ⃗v são nulas. Neste caso, o vetor ⃗v tem a mesma direção de
um dos vetores ⃗i = (1, 0, 0), ⃗j = (0, 1, 0) ou ⃗k = (0, 0, 1) e, portanto, a reta r é paralela ao eixo
que tem a um dos eixos ordenados - depende de quem é a posição não nula do vetor ⃗v . Observemos
os três casos possíveis:
(a) Se a e b forem nulos, isto é, se ⃗v = (0, 0, c), então teremos que ⃗v será paralelo ao vetor ⃗k,
portanto a reta r será paralela ao eixo Oz e suas equações serão:
x = x1
r: y = y1
z = z + ct
1
(b) Se b e c forem nulos, isto é, se ⃗v = (a, 0, 0), então teremos que ⃗v será paralelo ao vetor ⃗i,
portanto a reta r será paralela ao eixo Ox e suas equações serão:
x = x1 + at
r: y = y1
z=z
1
(c) Se a e c forem nulos, isto é, se ⃗v = (0, b, 0), então teremos que ⃗v será paralelo ao vetor ⃗j,
portanto a reta r será paralela ao eixo Oy e suas equações serão:
x = x1
r: y = y1 = bt
z=z
1
152 Capítulo 5 — Retas
Definição 5.6 (Ângulo entre duas retas). Chama-se ângulo de duas retas r1 e r2 o menor ângulo
de um vetor diretor de r1 e de um vetor diretor de r2 . Logo, sendo θ o ângulo entre r1 e r2 tem-se
que:
|⃗v1 • ⃗v2 |
cos(θ) = ,
|⃗v1 | · |⃗v2 |
com 0 ≤ θ ≤ π2 .
Observação 5.3. Note que, a equação na definição anterior pode ser escrita da seguinte forma:
|a1 a2 + b1 b2 + c1 c2 |
cos(θ) = p p .
a21 + b21 + c21 · a22 + b22 + c22
com 0 ≤ θ ≤ π2 .
Resolução: Extraindo o vetor diretor de r1 temos ⃗v1 = (−1, −1, 2) e o vetor diretor de r2 , ⃗v2 =
(2, −1, −1). Como
⃗v1 • ⃗v2 = (−1, −1, 2) • (2, −1, −1)
= −1 · 2 + (−1) · (−1) + 2 · (−1)
= −2 + 1 − 2
= −3
e
|⃗v1 | = |(−1, −1, 2)| |⃗v2 | = |(2, −1, −1)|
p p
= (−1)2 + (−1)2 + 22 = 22 + (−1)2 + (−1)2
√ √
= 1+1+4 = 4+1+1
√ √
= 6 = 6
Portanto
|⃗v1 • ⃗v2 |
cos(θ) =
|⃗v1 | · |⃗v2 |
| − 3|
=√ √
6 6
3
=
6
1
=
2
Logo o ângulo entre as retas r1 e r2 é de θ = 60◦ . □
Portanto
|⃗v1 • ⃗v2 |
cos(θ) =
|⃗v1 | · |⃗v2 |
|1|
=√ √
5 2
1
=√
10
1
Logo o ângulo entre as retas r1 e r2 é de θ = arccos √ (O resultado fica assim pois este não é
10
um dos ângulos especiais). □
são paralelas.
Resolução: Observe que os vetores diretores de r1 e r2 são ⃗v1 = (−3, 3, 2) e ⃗v2 = (6, −6, −4).
Como (6, −6, −4) = −2 · (−3, 3, 2), ou seja, ⃗v2 = −2 · ⃗v1 , temos que ⃗v1 e ⃗v2 são paralelos.
Portanto r1 e r2 são retas paralelas. □
Resolução: Observe que os vetores diretores de r1 e r2 são ⃗v1 = (6, 7, 8) e ⃗v2 = (4, 0, −3). Como
Segue que ⃗v1 e ⃗v2 são perpendiculares. Portanto r1 e r2 são retas perpendiculares. □
sejam ortogonais.
Resolução: Um vetor diretor de r é ⃗u = (1, m, −1) e um vetor diretor de s é ⃗v = (2, −1, 5).
Para que r e s sejam perpendiculares é necessário que ⃗u e ⃗v sejam perpendiculares, ou seja, que
⃗u • ⃗v = 0 Como
segue que m = −3. Portanto para que r e s sejam perpendiculares é necessário que m = −3. □
Definição 5.9 (Condição de coplanaridade de duas retas). A reta r1 que passa pelo ponto A1 =
(x1 , y1 , z1 ) e tem vetor diretor ⃗v1 = (a1 , b1 , c1 ) e a reta r2 que passa pelo ponto A2 = (x2 , y2 , z2 )
e tem vetor diretor ⃗v2 = (a2 , b2 , c2 ) são coplanares se os vetores ⃗v1 , ⃗v2 e A1⃗A2 forem coplanares,
isto é, se for nulo o produto misto (⃗v1 , ⃗v2 , A1⃗A2 ):
a1 b1 c1
(⃗v1 , ⃗v2 , A1⃗A2 ) = a2 b2 c2 =0
x1 − x1 y2 − y1 z2 − z1
156 Capítulo 5 — Retas
sejam coplanares.
Resolução: Note que, para obtermos um ponto de r basta fazermos x = 0, assim A1 (0, −2, 1), e,
como a equação da reta r é a equação reduzida com variável independente x, temos que seu vetor
diretor é ⃗v1 = (1, m, −1). Já para a reta s, por tratar-se da equação paramétrica podemos fazer
t = 0 e obtemos o ponto A2 (1, 2, 1) observemos que o vetor diretor de s é dado por ⃗v2 = (2, −1, 5).
Assim
→
A1 A2 = (1, 2, 1) − (0, −2, 1) = (1 − 0, 2 − (−2), 1 − 1) = (1, 4, 0)
daí
1 m −1
(⃗v1 , ⃗v2 , A1⃗A2 ) = 2 −1 5
1 4 0
1 m −1 1 m
= 2 −1 5 2 −1
1 4 0 1 4
= 0 + 5m − 8 − 1 − 20 + 0
= 5m − 29
Como queremos que as retas r e s sejam coplanares, devemos ter (⃗v1 , ⃗v2 , A1⃗A2 ) = 0, ou seja
29
m= . □
5
x − x1 y − y1 z − z1 x − x2 y − y2 z − z2
r1 : = = e r2 : = =
a1 b1 c1 a2 b2 c2
5.3 Intersecção de duas retas 157
x − x2
Substituindo em r2 : = y − y2 b2 temos
a2
a1 a1
b1
y − b1
y 1 + x 1 − x2 y − y2
=
a2 b2
logo,
a1 b 2 a1 b 2 b2 b2
y = y2 + y− y 1 + x1 − x2
b 1 a2 b 1 a2 a2 a2
assim,
a1 b 2 a1 b 2 b2 b2
a2 − y = y2 − y + x1 − x2
b 1 a2 b 1 a2 a2 a2
e portanto,
a1 b2 b2 b2
y2 − b1 a2
y + x
a2 1
− x
a2 2
y=
a1 b2
a− a2 b2
Mas existe um jeito mais prático se de encontrar a intersecção de duas retas. Vejamos o seguinte
exemplo:
Exemplo 5.13. Seja r a reta determinada pelos pontos A(1, 2, 1) e B(3, 0, −1) e s : P = (3, 0, −1)+
t(1, 1, 1). Verifique se as retas r e s são concorrentes, caso sejam determine o ponto de intersecção.
Resolução: Primeiramente devemos determinar a equação paramétrica da reta r. Para isto deter-
minemos seu vetor diretor
→
AB= B − A = (3, 0, −1) − (1, 2, 1) = (3 − 1, 0 − 2, −1 − 1) = (2, −2, −2)
Como s : P = (3, 0, −1) + t(1, 1, 1) temos que o ponto C(3, 0, −1) pertence a s e que seu vetor
diretor é (1, 1, 1). Assim sua equação paramétrica é:
x=3+t
s: y=t
z = −1 + t
Finalmente, queremos determinar o ponto de intersecção das retas r e s cujas equações paramétri-
cas são:
x = 1 + 2t x=3+t
r: y = 2 − 2t s: y=t
z = 1 − 2t
z = −1 + t
Jeito errado se resolver: Considerando que as equações paramétricas das retas r e s são:
x = 1 + 2t x=3+t
r: y = 2 − 2t s: y=t
z = 1 − 2t
z = −1 + t
y = y z = z
x = x
2 − 2t = t 1 − 2t = −1 + t
1 + 2t = 3 + t
−t − 2t = −2 −t − 2t = −1 − 1
−t + 2t = 3 − 1
−3t = −2 −3t = −2
t = 2 2 2
t = t =
3 3
Observe que encontramos dois valores distintos para t, o que há de errado com isso? Isso quer
dizer que para que a coordenada x seja igual nas duas equações deveremos ter t = 2 e, para que as
2
outras duas coordenadas sejam iguais, devemos ter t = , ou seja, estes não são valores para que
3
as retas se interseptem!
Como fazemos então para determinar o ponto em que elas se interseptam? Primeiramente
devemos renomear o parâmetro. Chamaremos de µ o parâmetro de r e de λ o parâmetro de s.
Assim
x = 1 + 2µ x=3+λ
r: y = 2 − 2µ s: y=λ
z = 1 − 2µ
z = −1 + λ
5.3 Intersecção de duas retas 159
daí, como queremos determinar o valor do parâmetro para que as retas se interseptem queremos
x = x y = y z = z
1 + 2µ = 3 + λ 2 − 2µ = λ 1 − 2µ = −1 + λ
2µ − λ = 3 − 1 2 = λ + 2µ 2 = λ + 2µ
2µ − λ = 2 2µ + λ = 2 2µ + λ = 2
2µ −λ = 2
2µ −λ = 2
2µ +λ = 2 ⇒
2µ +λ = 2
2µ +λ = 2
2µ − λ = 2
(
2µ −λ = 2 4µ = 4 2·1−λ = 2
⇒ ⇒
4µ = 4 µ = 1 −λ = 0
λ = 0
Note que
x=1+2·1=1+2=3 x=3+0=3
r: y =2−2·1=2−2=0 s: y=0
z = 1 − 2 · 1 = 1 − 2 = −1
z = −1 + 0 = −1
Observação 5.4. Ao trabalharmos com equações paramétricas diferentes devemos formar um sis-
tema de equações com parâmetros diferentes.
Exercício 5.2. Verifique se as retas r e s são concorrentes e, caso sejam, encontre o ponto de
intersecção.
x=4+t x = 9 − 4t
1. r : y =1−t e s: y =2+t .
z =1+t z = 2 − 2t
x = −4t
2. r : y = 1 + 8t e s : x − 1 = y − 4 = z.
z = 1 − 2t
160 Capítulo 5 — Retas
Definição 5.11 (Reta ortogonal a duas retas). Sejam r1 e r2 retas não paralelas com respectivos
respectivos vetores diretores ⃗v1 = (a1 , b1 , c1 ) e ⃗v2 = (a2 , b2 , c2 ). Qualquer reta r, simultaneamente
ortogonal às retas r1 e r2 , terá um vetor diretor paralelo ou igual ao vetor ⃗v1 × ⃗v2 .
Exemplo 5.14. Determinar as equações da reta r que passa pelo ponto A(−2, 1, 3) e é ortogonal
às retas
x=2−t
y=2
r1 : y = 1 + 2t r2 : x−1 z
=
z = −3t −3 −1
Resolução: Primeiramente vamos determinar o vetor diretor da reta r para isto precisaremos dos
vetores diretores das retas r1 e r2 , para que possamos determinar o vetor diretor da reta r. Como
x=2−t
y=2
r1 : y = 1 + 2t r2 : x−1 z
=
z = −3t −3 −1
Portanto o vetor diretor da reta r é ⃗v = (−2, 8, 6), assim a equação vetorial da reta r é dada por:
ou ainda,
x = −2 − 2t
y = 1 + 8t
z = 3 + 6t
Exemplo 5.15. Dados os pontos P1 (2, 4, 1) e P2 (3, 0, 5) determine o ponto P (x, y, z) que divide
1
o segmento P1 P2 na razão r = − .
3
Resolução: Como o ponto que divide um segmento em uma razão dada é dado por:
x1 − r · x2 y1 − r · y2 z1 − r · z2
P (x, y, z) = P , ,
1−r 1−r 1−r
162 Capítulo 5 — Retas
Assim
2 − 13 · 3 4 − 31 · 0 1 − 31 · 5
P (x, y, z) = P , ,
1 − 13 1 − 13 1 − 31
2 − 1 4 3−5
3
=P 3−1 , 3−1 , 3−1
3 3 3
2
−3
1 4
=P 2, 2, 2
3 3 3
3 4 3 2 3
= P 1 · , · ,− ·
2 1 2 3 2
3
=P , 6, −1
2
3
Portanto o ponto procurado é P , 6, −1 . □
2
• paralelas distintas;
• paralelas coincidentes;
• concorrentes.
Já no espaço euclidiano R3 estas retas podemn estar em planos diferentes. Assim, ao estudarmos
a posição relativa de duares retas, temos as seguintes possibilidades:
• r e s são reversas, isto é, acontece quando não existe um plano que contém as retas r e s.
• r e s são concorrentes.
Observe que pelo que já vimos até aqui podemos dizer que
• r e s são paralelas, isto acontece quando ⃗v1 e ⃗v2 forem colineares, ou seja:
⃗v1 = α⃗v2 .
r : P = (1, 2, 4) + t(0, 1, 3)
r : P = (1, 2, 4) + t(0, 1, 3)
temos que v⃗1 = (0, 1, 3) e A(1, 2, 4). Agora vejamos o que acontece com s em cada um dos casos:
daí
0 1 3
→
⃗v1 , ⃗v2 , AB = 1 1 1
−1 −1 −3
0 1 3 0 1
= 1 1 1 1 1
−1 −1 −3 −1 −1
=0−1−3+3+3
=2
→
Como ⃗v1 , ⃗v2 , AB ̸= 0 segue que as retas não são coplanares, portanto r e s são reversas.
daí
0 1 3
→
⃗v1 , ⃗v2 , AB = 0 2 7
0 1 3
0 1 3 0 1
= 0 2 7 0 2
0 1 3 0 1
=0+0+0−0−0−0
=0
→
Como ⃗v1 , ⃗v2 , AB = 0 segue que as retas são coplanares, portanto r e s não são reversas.
Note que
⃗i ⃗j ⃗k
⃗v1 × ⃗v2 = 0 1 3
0 2 7
⃗i ⃗j ⃗k ⃗i ⃗j
= 0 1 3 0 1
0 2 7 0 2
= ⃗i ̸= ⃗0
Portanto as retas r e s são concorrentes.
daí
0 1 3 0 1 3 0 1
→
⃗v1 , ⃗v2 , AB = 0 1 −1 = 0 1 −1 0 1 = 0 − 1 + 0 − 3 − 0 − 0 = −2
1 −2 0 1 −2 0 1 −2
→
Como ⃗v1 , ⃗v2 , AB ̸= 0 segue que as retas não são coplanares, portanto r e s são reversas.
Será importante a posição relativa das retas quando tratarmos de distâncias no final deste tópico.
C APÍTULO
6
Plano
167
168 Capítulo 6 — Plano
Observação 6.2. Sendo ⃗n um vetor normal ao plano π, ele será ortogonal a qualquer vetor re-
presentado neste plano. Em particular ⃗v1 , ⃗v2 são vetores não colineares e, paralelos ao plano em
virtude de ⃗n ser ortogonal ao mesmo tempo a ⃗v1 e ⃗v2 , tem-se n = ⃗v1 × ⃗v2 .
Exemplo 6.1. Determine a equação geral do plano π que passa pelo ponto A(1, −1, 2) tendo como
vetor normal ⃗n = (3, 2, −4).
Resolução: Como o vetor normal é dado por ⃗n = (3, 2, −4), segue que a equação geral do plano
π é dada por
3x + 2y − 4z + d = 0
como sabemos que o ponto A(1, −1, 2) pertence ao plano, temos que
3 · 1 + 2 · (−1) − 4 · 2 + d = 0
3−2−8+d=0
d = 7.
Portanto o plano que passa pelo ponto A(1, −1, 2) que possui vetor normal ⃗n = (3, 2, −4) tem a
equação geral
π : 3x + 2y − 4z + 7 = 0.
Exemplo 6.2. Escreva a equação cartesiana do plano π que passa pelo ponto A(3, 1, −4) e é
paralelo ao plano
α : 2x − 3y + z − 6 = 0.
Resolução: Como π é paralelo a α segue que o vetor normal ao plano α é também um vetor normal
ao plano π, assim ⃗n = (2, −3, 1) e, a equação geral do plano π tem a forma
π : 2x − 3y + z + d = 0.
6.1 Equações do Plano 169
Resolução: Como π é perpendicular a reta r segue que o vetor diretor da reta r é um vetor normal
ao plano π. Como a equação da reta é
x = −4 + 3t
r: y = 1 + 2t ,
z=t
r tem vetor diretor ⃗v = (3, 2, 1), daí ⃗n = (3, 2, 1) e, a equação geral do plano π tem a forma
π : 3x + 2y + z + d = 0.
Como A(2, 1, −2) pertence ao plano π, segue que
π : 3 · 2 + 2 · 1 + (−2) + d = 0 ⇒ 6+2−2+d=0 ⇒ d = −6.
Portanto a equação procurada é π : 3x + 2y + z − 6 = 0. □
Um jeito de esboçarmos um plano é através do triângulo determinado por três pontos deste
plano. veremos como isso acontece no seguinte exemplo:
Exemplo 6.4. Esboce o plano π dado pela equação
π : 3x + 2y + z − 6 = 0
Resolução: Primeiramente devemos encontrar pontos deste plano. Quantos? Três, pois por três
pontos passa um único plano. Assim
• Fazendo x = y = 0 obtemos z = 6, assim temos o ponto (0, 0, 6);
(1) existe um único plano que passa por um ponto A e é paralelo a dois vetores, ⃗v1 e ⃗v2 , não
colineares. Neste caso n = ⃗v1 × ⃗v2 .
6.1 Equações do Plano 171
(2) existe um único plano que passa por dois pontos A e B e é paralelo a um vetor ⃗v , não colinear
⃗ Neste caso n = ⃗v × AB.
ao vetor AB. ⃗
(3) existe um único plano que passa por três pontos A, B e C, não em linha reta. Neste caso
n = AB⃗ × AC.
⃗
(4) existe um único plano que contém duas retas r1 e r2 concorrentes. Neste caso, n = ⃗v1 × ⃗v2 , ⃗v1
e ⃗v2 são vetores diretores de r1 e r2 respectivamente.
172 Capítulo 6 — Plano
(5) existe um único plano que contém duas retas paralelas, com A ∈ r1 e B ∈ r2 . Neste caso,
n = AB⃗ × ⃗v .
⃗
(6) existe um único plano que contém uma reta r e um ponto B ̸∈ r. Neste caso, n = ⃗v × AB,
sendo ⃗v um vetor diretor de r e A ∈ r.
6.1 Equações do Plano 173
Observação 6.4. Nos casos anteriores (determinação de um plano) sempre é determinado o vetor
normal do plano pelo produto vetorial de dois vetores representados no plano. Estes dois vetores
são chamados vetores base do plano.
Exemplo 6.5. Determinar a equação geral do plano π que passa pelo ponto A(1, −3, 4) e é paralelo
aos vetores ⃗v1 = (3, 1, −2) e ⃗v2 = (1, −1, 1).
Resolução: Primeiramente, como ⃗v1 = (3, 1, −2) e ⃗v2 = (1, −1, 1) são paralelos ao plano π,
temos que o vetor normal é paralelo ao vetor ⃗v1 × ⃗v2 , temos
⃗i ⃗j ⃗k
⃗v1 × ⃗v2 = 3 1 −2
1 −1 1
⃗i ⃗j ⃗k ⃗i ⃗j
= 3 1 −2 3 1
1 −1 1 1 −1
Portanto
⃗n = (−1, −5, −4)
−x − 5y − 4z + d = 0
−1 − 5 · (−3) − 4 · 4 + d = 0
−1 + 15 − 16 + d = 0
d = 2.
π : −x − 5y − 4z + 2 = 0.
□
174 Capítulo 6 — Plano
Exemplo 6.6. Determinar a equação geral do plano π que passa pelos pontos A(2, 1, −1), B(0, −1, 1)
e C(1, 2, 1).
Resolução: Como temos três pontos do plano, podemos determinar dois vetores base assim
→ →
AB = B − A AC = C − A
= (0, −1, 1) − (2, 1, −1) = (1, 2, 1) − (2, 1, −1)
= (0 − 2, −1 − 1, 1 − (−1)) = (1 − 2, 2 − 1, 1 − (−1))
= (−2, −2, 2) = (−1, 1, 2)
⃗i ⃗j ⃗k
⃗v1 × ⃗v2 = −2 −2 2
−1 1 2
⃗i ⃗j ⃗k ⃗i ⃗j
= −2 −2 2 −2 −2
−1 1 2 −1 1
Portanto
⃗n = (−1, −5, −4)
−x − 5y − 4z + d = 0
−1 − 5 · (−3) − 4 · 4 + d = 0
−1 + 15 − 16 + d = 0
d = 2.
π : −x − 5y − 4z + 2 = 0.
□
6.1 Equações do Plano 175
(
x=4
Exemplo 6.7. Determine a equação do plano que contém o ponto A(2, 2, −1) e a reta r : .
y=3
Resolução: Como a reta r é dada por
(
x=4
r:
y=3
segue que um vetor diretor de r é ⃗v = (0, 0, 1). Além disso, o ponto B(4, 3, 0) pertence a reta r.
Note que
→ →
AB = B − A BP = P − B
= (4, 3, 0) − (2, 2, −1) = (x, y, z) − (4, 3, 0)
= (4 − 2, 3 − 2, 0 − (−1)) = (x − 4, y − 3, z − 0)
= (2, 1, 1) = (x − 4, y − 3, z)
Daí
→ → 0 0 1
⃗v , AB, P B = 2 1 1
x−4 y−3 z
0 0 1 0 0
= 2 1 1 2 1
x−4 y−3 z x−4 y−3
= 0 + 0 + 2(y − 3) − 0 − 0 − (x − 4)
= 2y − 6 − x + 4
= −x + 2y − 2
→ →
Como queremos que estes vetores sejam coplanares, temos que ⃗v , AB, P B = 0, ou seja, a
equação do plano π é dada por
π : −x + 2y − 2 = 0.
Exemplo 6.8. As equações paramétricas do plano que passa pelo ponto A(2, 1, 3) e é pararelo aos
vetores ⃗u = (−3, −3, 1) e ⃗v = (2, 1, −2) são:
x = 2 − 3h + 2t
y = 1 − 3h + t
z = 3 + h − 2t
□
6.2 Ângulos 177
6.2 Ângulos
π1 : 2x − 3y + 5z − 8 = 0 e π2 : 3x + 2y + 5z − 4 = 0.
daí
⃗n1 • ⃗n2 = (2, −3, 5) • (3, 2, 5)
=2·3−3·2+5·5
= 6 − 6 + 25
= 25
e
|⃗n1 | = |(2, −3, 5)| |⃗n2 | = |(3, 2, 5)|
p √
= 22 + (−3)2 + 52 = 32 + 22 + 52
√ √
= 4 + 9 + 25 = 9 + 4 + 25
√ √
= 38 = 38
Portanto
⃗n1 • ⃗n2
cos(θ) =
|⃗n1 | · |⃗n2 |
25
=√ √
38 · 38
25
=
38
Logo
25
cos(θ) =
38
o que nos dá
25
θ = arccos .
38
□
178 Capítulo 6 — Plano
π : (2m − 1)x − 2y + nz − 3 = 0
Para que dois planos sejam paralelos é necessário que seus vetores diretores sejam paralelos,
lembre-se de que para que ⃗n1 seja paralelo a ⃗n2 é necessário que
2m − 1 −2 n
= =
4 4 −1
Agora, temos duas equações para resolver
2m − 1 −2 −2 n
= =
4 4 4 −1
2m − 1 = −2 4n = 2
1
2m = −1 n =
2
1
m = −
2
1 1
Portanto para que os plano π1 e π2 sejam paralelos é necessário que m = − e que n = . □
2 2
|⃗v • ⃗n|
sen (ϕ) = ,
|⃗v ||⃗n|
com 0 ≤ ϕ ≤ π2 .
Definição 6.5 (Condição de paralelismo e perpendicularismo entre reta e plano). Seja r uma reta
que tem vetor diretor ⃗v e um plano que tem vetor normal ⃗n. Podemos ter os casos:
6.2 Ângulos 179
Definição 6.6 (Condições para que uma reta esteja contida num plano). Uma reta r que tem um
vetor diretor ⃗v e um plano π que tem um vetor normal ⃗n se:
π1 : 5x − 2y + z + 7 = 0 e π2 : 3x − 3y + z + 4 = 0.
5x − 2y + z + 7 = 0
2x + y + 3 = 0 z = −5x + 2(−2x − 3) − 7
y = −2x − 3 z = −5x − 4x − 6 − 7
z = −9x − 13
(
y = −2x − 3
Logo, a intersecção entre os planos π1 e π2 é a reta r : . □
z = −9x − 13
180 Capítulo 6 — Plano
Para que possamos entender melhor como isso funciona, faremos o seguinte exemplo:
Resolução: Seja P (x, y, z) o ponto de intersecção de r com π. Assim suas coordenadas devem
satisfazer a equação do plano e a equação da reta, portanto temos o seguinte sistema:
y = 2x + 3
z = 3x − 4
3x + 5y − 2z − 9 = 0
3x + 5(2x + 3) − 2(3x − 4) − 9 = 0
3x + 10x + 15 − 6x + 8 − 9 = 0
7x + 14 = 0
7x = −14
x = −2
Daí
y = 2x + 3 z = 3x − 4
= 2 · (−2) + 3 = 3 · (−2) − 4
= −4 + 3 = −6 − 4
= −1 = −10
Portanto P (−2, −1, −10). □
π : 2x + 3y + z − 6 = 0.
(a) Para encontrar a intersecção do plano π com os eixos coordenados basta considerar duas coor-
denadas (x, y, z) iguais a zero. Assim:
(b) Para encontrar a interseção do plano π com os planos coordenados, basta fazer, na equação do
plano, uma variável igual a zero. Assim:
(I) Se quizermos encontrar a intersecção do plano π com o plano yOz devemos fazer x = 0.
Assim chegamos a
3y + z − 6 = 0 ⇒ z = −3y + 6
Portanto a equação da reta que representa a intersecção do plano π com o plano yOzé
dada por (
x=0
r: .
z = −3y + 6
(II) Se quizermos encontrar a intersecção do plano π com o plano xOz devemos fazer y = 0.
Assim chegamos a
2x + z − 6 = 0 ⇒ z = −2x + 6
182 Capítulo 6 — Plano
Portanto a equação da reta que representa a intersecção do plano π com o plano xOzé
dada por (
y=0
r: .
z = −2x + 6
(III) Se quizermos encontrar a intersecção do plano π com o plano xOy devemos fazer
z = 0. Assim chegamos a
2
2x + 3y − 6 = 0 ⇒ 3y = −2x + 6 ⇒ y =− y+2
3
Portanto a equação da reta que representa a intersecção do plano π com o plano xOyé
dada por
z=0
r: .
y = 2x + 2
3
Observação 6.7. Se um plano π : ax + by + cz + d = 0, não for paralelo a nenhum dos planos
coordenados, ou seja, se a ̸= 0, b ̸= 0 e c ̸= 0, e não passa pela origem, ou seja, d ̸= 0, então sua
equação pode ser representada na forma:
x y z
+ + = 1.
p q r
Esta equação é denominada equação segmentária do plano na qual (p, 0, 0), (0, q, 0) e (0, 0, r) são
os pontos onde π intercepta os eixos Ox , Oy e Oz , respectivamente.
C APÍTULO
7
Distâncias
→
d(A, B) = AB
= |(2, 0, 5) − (7, 2, 3)|
p
= (2 − 7)2 + (0 − 2)2 + (5 − 3)2
p
= (−5)2 + (−2)2 + (2)2
√
= 25 + 4 + 4
√
= 33
183
184 Capítulo 7 — Distâncias
A = |⃗v | · d (7.2)
Portanto
→
⃗v × P0 P
d=
|⃗v |
x y−2 z+3
r: = =
2 2 1
x y−2 z+3
r: = =
2 2 1
temos o seguinte ponto da reta: P (0, 2, −3), cujo vetor diretor é ⃗v = (2, 2, 1). Como precisamos
→
do vetor P0 P segue que
→
P 0 P = P − P0
= (0, 2, −3) − (2, 0, 7)
= (0 − 2, 2 − 0, −3 − 7)
= (−2, 2, −10)
7.3 Distâncias enre duas retas 185
→
Agora precisamos determinar ⃗v × P0 P e |⃗v |, que nos leva a
⃗i ⃗j ⃗k
→
⃗v × P0 P = 2 2 1
−2 2 −10
⃗i ⃗j ⃗k ⃗i ⃗j
= 2 2 1 2 2
−2 2 −10 −2 2
Assim
→ |⃗v | = |(2, 2, 1)|
⃗v × P0 P = |(−22, 18, 8)| √
= 22 + 22 + 12
√
p
= (−22)2 + 182 + 82
√ = 4+4+1
= 484 + 324 + 64 √
√ = 9
= 872
=3
Como →
⃗v × P0 P
d=
|⃗v |
Segue que √
872
d= .
3
□
ou
d(r, s) = d(P0 , r), P0 ∈ s.
temos em r
⃗u = (1, −2, 2) A(0, 3, 0)
e, em s:
⃗v = (−2, 4, −4) B(−1, 1, −3)
Observe que
⃗v = (−2, 2, −4) = −2(1, −2, 2) = −2⃗u
→
Portanto r e s são paralelas, daí precisamos do vetor AB:
→
AB = B − A
= (−1, 1, −3) − (0, 3, 0)
= (−1 − 0, 1 − 3, −3 − 0)
= (−1, −2, −3)
7.3 Distâncias enre duas retas 187
→
Agora precisamos determinar ⃗v × AB e |⃗v |, que nos leva a
⃗i ⃗j ⃗k
→
⃗u× AB = 1 −2 2
−1 −2 −3
⃗i ⃗j ⃗k ⃗i ⃗j
= 1 −2 2 1 −2
−1 −2 −3 −1 −2
= 10⃗i + ⃗j − 4⃗k
Assim
→
⃗u× AB = |(10, 1, −4)| |⃗u| = |(1, −2, 2)|
p
= 12 + (−2)2 + 22
p
= 102 + 12 + (−4)2
√ √
= 100 + 1 + 16 = 1+4+4
√ √
= 117 = 9
√
= 3 13 =3
Como →
⃗u× AB
d(r, s) =
|⃗u|
Segue que √
3 13
d(r, s) = .
3
√
Portanto d(r, s) = 13 □
V = |⃗u × ⃗v | · d
188 Capítulo 7 — Distâncias
→
e, como já dissemos V = ⃗u, ⃗v , AB , segue que
→
⃗u, ⃗v , AB = |⃗u × ⃗v | · d
ou melhor →
⃗u, ⃗v , AB
d(r, s) = .
|⃗u × ⃗v |
Exemplo 7.4. Calcule a distância entre as retas
x=3
y=1
r: z−4 e s: y = 2t − 1
x+2=
−2 = −t + 3
daí →
AB= B − A
= (3, −1, 3) − (−2, 1, 4)
= (3 − (−2), −1 − 1, 3 − 4)
= (5, −2, −1)
→
Agora verifiquemos se ⃗u, ⃗v e AB são coplanares. Para isto, calcularemos o produto misto:
1 0 −2
→
⃗u, ⃗v , AB = 0 2 −1
5 −2 −1
1 0 −2 1 0
= 0 2 −1 0 2
5 −2 −1 5 −2
= −2 + 0 + 0 + 20 − 2 − 0
= 16
→
Como ⃗u, ⃗v , AB ̸= 0 temos que estes vetores não são coplanares e, deste modo, as retas
r e s são reversas. Portanto para encontrarmos a distância entre r e s devemos utilizar a
7.4 Distância de um Ponto a um Plano 189
seguinte regra: →
⃗u, ⃗v , AB
d(r, s) = .
|⃗u × ⃗v |
a Assim, precisamos determinar o valor do produto vetorial
⃗i ⃗j ⃗k
⃗u × ⃗v = 1 0 −2
0 2 −1
⃗i ⃗j ⃗k ⃗i ⃗j
= 1 0 −2 1 0
0 2 −1 0 2
→ →
Observação 7.2. O vetor AP0 é a projeção do vetor P P0 na direção do vetor ⃗n, logo
→ → ⃗n
d(P0 , π) = AP0 = P P0 • .
|⃗n|
→
Como P P0 = (x0 − x, y0 − y, z0 − z) e
⃗n (a, b, c)
=√ |.
|⃗n| a2 + b 2 + c 2
→
d(P0 , π) = AP0
→ ⃗n
= P P0 •
|⃗n|
(a, b, c)
= (x0 − x, y0 − y, z0 − z) • √
a2 + b 2 + c 2
a(x0 − x) + b(y0 − y) + c(z0 − z)
= √
a2 + b 2 + c 2
ax0 − ax + by0 − by + cz0 − cz
= √
a2 + b 2 + c 2
ax0 + by0 + cz0 − ax − by − cz
= √
a2 + b 2 + c 2
Vamos então utilizar esta última fórmula, que é bem mais prática, para calcular as distâncias.
Resolução: Como
ax0 + by0 + cz0 + d
d(P0 , π) = √
a2 + b2 + c2
7.5 Distância entre Dois Planos 191
Além disso, temos que P0 (−4, 2, 5) e o vetor normal ao plano π é ⃗n = (2, 1, 2), segue que
Portanto d(P0 , π) = 4.
Observação 7.3. A distância entre dois planos é definida apenas quando os dois planos forem
paralelos pois, caso contrário, os planos seriam coincidentes ou se interseptariam, em ambos estes
casos a distância é nula.
Observação 7.4. A distância entre dois planos paralelos se reduz ao cálculo da distância de um
ponto π um plano e, portanto
(
d(P0 , π2 ), P0 ∈ π1 ,
d(π1 , π2 ) =
d(P0 , π1 ), P0 ∈ π2 .
π1 : 2x − 2y + z − 5 = 0 π2 : 4x − 4y + 2z + 14 = 0.
Resolução: Note que ⃗n1 = (2, −2, 1) e ⃗n2 = (4, −4, 2), ou seja, ⃗n1 = 2⃗n2 . Portanto π1 e π2 são
planos paralelos.
192 Capítulo 7 — Distâncias
(
d(P0 , π2 ), P0 ∈ π1 ,
d(π1 , π2 ) =
d(P0 , π1 ), P0 ∈ π2 .
temos que
( (
P1 (0, 0, 5) P2 (0, 0, −7)
π1 : π2 :
⃗n1 = (2, −2, 1) ⃗n2 = (4, −4, 2)
Observe que
d(π1 , π2 ) = d(P1 , π2 )
4 · 0 − 4 · 0 + 2 · 5 + 14
= p
42 + (−4)2 + 22
0 − 0 + 10 + 14
= √
16 + 16 + 4
24
= √
36
24
= √
6
=4
d(π1 , π2 ) = d(P2 , π1 )
2 · 0 − 2 · 0 + 1 · (−7) + (−5)
= p
22 + (−2)2 + 12
0−0−7−5
= √
4+4+1
12
= √
9
12
= √
3
=4
7.6 Distância entre uma Reta a um Plano 193
Observação 7.5. A distância de uma reta r a um plano é definida apenas quando a reta é paralela
ao plano pois, caso contrário, esta reta pertenceria ao plano ou interseptaria o plano, em ambos
estes casos a distância é nula.
C APÍTULO
8
Cônicas
8.1 Parábola
Definição 8.1. Uma parábola é o conjunto de todos os pontos do plano que são equidistantes de
uma reta fixada e de um ponto fixado que não está sobre a reta.
Definição 8.2. Uma elipse é o conjunto de todos os pontos do plano tais que a soma de suas
distâncias a dois pontos fixados é uma constante positiva dada, maior do que a distância entre os
dois pontos fixados.
Os dois pontos fixados são chamados de focos da elipse e o ponto médio do segmento que
ume os focos é chamado de centro. Para ajudar a visualizar uma elipse, imagine que as duas
pontas de um barbante estejam pregadas nos focos e que um lápis descreva uma curva mantendo
o barbante esticado. A curva resultante será uma elipse, uma vez que a soma das distância aos
focos é constante, pois é o comprimento do barbante. Note que se os focos coincidirem a elipse
195
196 Capítulo 8 — Cônicas
se reduz a um círculo. Para outras elipses que não sejam círculos, o segmento de reta através dos
focos com extremidades na elipse é chamado eixo maior e o segmento de reta através do centro
com extremidades na elipse, e perpendicular ao eixo maior, é chamado eixo menor. Os extremos
do eixo menor e do eixo maior são chamados de vértices.
Definição 8.3. Uma hipérbole é o conjunto de todos os pontos do plano tais que a diferença de
suas distância a dois pontos distintos fixados é uma constante positiva dada, menor que a distância
entre os dois pontos fixados.
Os dois pontos fixados são chamados de focos da hipérbole e o termos "diferença" usado na
definição deve ser entendido como a distância ao foco mais distante menos a distância ao foco
mais próximo. Como resultado, os pontos da hipérbole formam dois ramos, cada um dos quais
"está rodeando" o foco mais próximo. O ponto médio do segmento de reta que ume os focos é
chamado centro da hipérbole, a reta que passa pelos focos é chamada eixo focal e a reta que passa
pelo centro e é perpendicular ao eixo focal, é chamada eixo conjugado. A hipérbole intersecta o
eixo focal em dois pontos chamados vértices.
Associado com toda hipérbole existe um par de retas, chamadas assíntotas da hipérbole. Essas
retas cortam o centro da hipérbole e têm a propriedade que à medida que um ponto P move-se ao
longo da hipérbole afastando-se do centro, a distância vertical entre P e uma das assíntotas tende
a zero.
No estudo de parábolas é tradicional detonar a distância entre o foco e o vértice por p. O vér-
tice, é equidistante do foco e da diretriz, logo a distância entre o vértice e a diretriz também é p;
consequentemente, a distância entre o foco e a diretriz é 2p. A parábola passa por dois cantos
do retângulo que se estende do vértice para o foco ao longo do eixo de simetria e se estende 2p
unidades acima e 2p unidades abaixo do eixo de simetria.
A equação de uma parábola é mais simples se o vértice for a origem e se o eixo de simetria
estiver ao longo do eixo x ou y. As quatro possíveis orientações estão mostradas na figura abaixo.
Essas são chamadas de posições padrão de uma parábola, e as equações resultantes são chamadas
de equações padrão de uma parábola.
8.1 Parábola 197
Para ilustrar como foram obtidas as equações da figura acima, deduziremos a equação para a
parábola com foco (p, 0) e diretriz x = −p. Seja P (x, y) qualquer ponto sobre a parábola. Como
P é equidistante do foco e da diretriz, as distâncias d(P, F ) e d(P, D) são iguais, isto é
d(P, F ) = d(P, D)
(x − p)2 + y 2 = (x + p)2
daí
x2 − 2xp + p2 + y 2 = x2 + 2xp + p2
Passo 1 Determine se o eixo de simetria está ao longo do eixo x ou do eixo y. O eixo de simetria
estará ao longo do eixo x se a equação tiver um termo y 2 , e estará ao longo do eixo y se a
equação tiver um termo x2 .
Passo 2 Determine de que modo a parábola se abre. Se o eixo de simetria estiver ao longo do eixo x
então a parábola abre-se para a direita se os coeficientes de x forem positivos, e abre-se para
a esquerda se os coeficientes de x forem negativos. Se o eixo de simetria estiver ao longo do
eixo y então a parábola abre-se para cima se os coeficientes de y forem positivos, e abre-se
para baixo se os coeficientes de y forem negativos.
Passo 3 Determine o valor de p e desenhe uma caixa que se estenda p unidades a parir da origem ao
longo do eixo de simetria na direção em que a parábola se abre e se estenda 2p unidades,
para cada lado do eixo de simetria.
198 Capítulo 8 — Cônicas
Passo 4 Usando a caixa como guia, esboce a parábola de forma que seu vértice esteja na origem e
que ela passe pelos cantos da caixa.
Exemplo 8.2. Determine uma equação da parábola que seja simétrica em relação ao eixo y, tenha
vértice na origem e passe pelo ponto (5, 2).
logo
√
a= b2 − c 2 (8.1)
ou equivalentemente
√
c= a2 − b 2
A partir da equação (8.1), a distância de um foco até uma extremidade do eixo menor é a, o que
implica que para todos os pontos sobre a elipse a soma das distâncias aos focos é 2a.
Segue também de (8.1) que a ≥ b, com a igualdade valendo apenas quando c = 0. Geome-
tricamente isso significa que o eixo maior de uma elipse é pelo menos tão grande quando o eixo
menor e que os dois eixos têm o mesmo comprimento quando os focos coincidem, caso em que a
elipse é um círculo.
A equação de uma elipse é a mais simples de o seu centro estiver na origem e os focos estiverem
sobre o eixo x ou sobre o eixo y. As duas possíveis orientações são mostradas na figura abaixo.
8.1 Parábola 199
Essas são chamadas de posições padrão de uma elipse, e as equações resultantes são chamadas de
equações padrão de uma elipse.
Para ilustrar como foram obtidas as equações da figura acima, deduziremos a equação para a
elipse com os focos, F1 (x1 , y1 ) e F2 (x2 , y2 ), no eixo x. Seja P (x, y) qualquer ponto sobre a elipse.
Uma vez que a soma das distâncias de P até os focos é 2a temos que
d(P, F1 ) + d(P, F2 ) = 2a
logo
p p
(x + c)2 + y 2 + (x − c)2 + y 2 = 2a
e, simplificando,
p c
(x − c)2 + y 2 = a − x
a
Elevando ambos os termos ao quadrado novamente obtemos
c2 2
(x − c)2 + y 2 = a2 − 2cx + x
a2
ou seja,
c2 2
x2 − 2cx + c2 + y 2 = a2 − 2cx + x
a2
200 Capítulo 8 — Cônicas
e, simplificando,
x2 y2
+ =1
a2 a2 − c 2
e, como a2 − c2 = b2 , podemos reescrever
x2 y 2
+ 2 =1
a2 b
Uma técnica para esboçar elipses
As elipses podem ser esboçadas a partir de suas equações padrão usando três passos básicos:
Passo 1 Determine se o eixo maior está sobre o eixo x ou o eixo y. Isso pode ser verificado a partir
do tamanho dos denominadores da equação. Só lembrando que a2 > b2 (uma vez que a > b,
o eixo maior estará ao longo do eixo x se x2 tiver o maior denominador e estará de simetria
estará ao longo do eixo y se y 2 tiver o maior denominador. Se os denominadores forem
iguais, a elipse será um círculo.
Passo 2 Determine os valores de a e b e desenhe uma caixa que se estenda por a unidades para cada
lado a partir do centro ao longo do eixo maior, e por b unidades para cada lado a partir do
centro ao longo do eixo menor.
Passo 3 Usando a caixa como guia, esboce a elipse de modo que seu centro esteja na origem e que
ela toque os lados caixa onde esses lados intersectam os eixos coordenados.
Exemplo 8.3. Mostrando os focos de cada uma, esboce os gráficos das elipses
x2 y 2
(a) + =1 (b) x2 + 2y 2 = 4
9 16
Exemplo 8.4. Determine uma equação para a elipse com focos (0, ±2) e o eixo maior com extre-
mos (0, ±4).
As assíntotas passam pelos cantos de uma caixa que se estende b unidades para cada lado do centro
ao longo do eixo conjugado e por a unidades para cada lado do centro ao eixo focal. O número a
é chamado de semi-eixo focal da hipérbole e o número b é chamado de semi-eixo conjugado.
Se V for um vértice de uma hipérbole, então a distância de V até o foco mais distante menos a
distância de V até o foco mais próximo é
[(c − a) + 2a] − (c − a) = 2a
Desta forma, para todos os pontos da hipérbole a distância ao foco mais distante ao foco menos a
distância ao foco mais próximo é 2a.
A equação de uma hipérbole é a mais simples se o seu centro estiver na origem e os focos
estiverem sobre o eixo x ou o eixo y. As duas possíveis orientações são mostradas na figura
abaixo. Essas são chamadas de posições padrão de uma hipérbole, e as equações resultantes são
chamadas de equações padrão de uma hipérbole.
Para ilustrar como foram obtidas as equações da figura acima, deduziremos a equação para a
hipérbole com os focos, F1 (x1 , y1 ) e F2 (x2 , y2 ), no eixo x. Seja P (x, y) qualquer ponto sobre a
hipérbole. Arrumar
|d(P, F1 ) − d(P, F2 )| = 2a
logo
p p
| (x + c)2 + y 2 + (x − c)2 + y 2 | = 2a
202 Capítulo 8 — Cônicas
e, simplificando,
p c
(x − c)2 + y 2 = a − x
a
Elevando ambos os termos ao quadrado novamente obtemos
c2 2
(x − c)2 + y 2 = a2 − 2cx + x
a2
ou seja,
c2 2
x2 − 2cx + c2 + y 2 = a2 − 2cx + x
a2
e, simplificando,
x2 y2
+ =1
a2 a2 − c 2
e, como a2 − c2 = b2 ,
x2 y 2
− 2 =1
a2 b
Uma maneira rápida de encontrar assíntotas
Há uma dica que pode ser usada para evitar memorizar a equação das assíntotas de uma hi-
pérbole. Elas podem ser obtidas, quando necessárias substituindo o 1 pelo 0 no lado direito da
equação da hipérbole, e então resolvendo para y em termos de x. Por exemplo, para a hipérbole
x2 y 2
− 2 =1
a2 b
escreveríamos
x2 y 2
− 2 =0
a2 b
8.1 Parábola 203
daí
b2 2
y2 = x
a2
donde
b
y=± x
a
que são as equações das assíntotas.
Uma técnica para esboçar hipérbole
As hipérboles podem ser esboçadas a partir de suas equações padrão usando quatro passos básicos:
Passo 1 Determine se o eixo focal está sobre o eixo x ou o eixo y. Isso pode ser verificado a partir
da posição do sinal de menos da equação. O eixo focal estará ao longo do eixo x quando o
sinal de menos preceder o termo y 2 , e estará ao longo do eixo y quando o sinal de menos
preceder o termo x2 .
Passo 2 Determine os valores de a e b e desenhe uma caixa que se estenda por a unidades para cada
um dos dois lados do centro ao longo do eixo focal e por b unidades para cada um dos lados
do centro ao longo do eixo conjugado. (Os quadrados de a e b podem ser obtidos diretamente
da equação.)
x2 y 2
(a) − =1 (b) y 2 − y 2 = 1
4 9
4
Exemplo 8.6. Determine uma equação da hipérbole com vértices (0, ±8) e assíntotas y = ± x.
3
C APÍTULO
9
Respostas dos exercícios propostos.
Capítulo 1.
Seção ??.
2. (a).
a11 a12 3 4
3. A = a21 a22
= 2 6
.
a31 a32 3 3
3×2 3×2
4. (a).
205
206 Capítulo 9 — Respostas dos exercícios propostos.
5. a = 5 e b = 10.
6. x = 1 e y = 2.
Seção ??.
" #
−8 4 −3
1. A − B + C = .
4 0 6
" #
4 −2 7
2. X = .
2 11 10
3. a = 2, b = 6, c = 1 e d = 1.
4. x = 4, y = 1 e z = 1.
0 2 1
5. (a) A + 2 · B = 9 5 11 .
1 4 19
5 −1 2
(b) 2A − B = −2 5 7 .
−8 8 8
0 −1 −1
(c) I3 − (A + B) = −5 −3 −8
.
1 −4 −12
" #
−1 −2
6. (a) . As matrizes não comutam, pois AB − BA ̸= O2 .
−18 1
(b) A matriz 2C é do tipo 2 × 3, enquanto a matriz D é do tipo 3 × 3. Por serem de tipos
distintos, não é possível efetuar a operação de subtração.
12 −6 43
(c)
26 −6 88 .
15 0 51
7. (e).
207
" #
10
8. X = .
−5
9. c46 = 112.
" #
5 0
10. A · B = .
0 1
" #
1 5
11. A2 · B + C = .
0 1
12. a = −6.
13. (b).
14. (b).
" # " # " # " #
1 1 2 1
1 y
1 y
2 y
1 y
15. Note que A2 = · = =2· = 2 · A.
y 1 y 1 2y 2 y 1
" #
0 0
16. B = .
0 0
17. (d).
18. 8.
Seção 1.4.1.
3 1
1. At · B =
6 3 .
0 2
" #
0 0
2. A = .
0 0
3. y = 6, x = −2, logo y − x = 8.
1 −1 4 0 4 −2
4. A =
−1 0 6 + −4 0 −2 .
4 6 7 2 2 0
| {z } | {z }
simétrica antissimétrica
208 Capítulo 9 — Respostas dos exercícios propostos.
" # 1 " #
3 0 4 3
5. (a) A · E1 = · 0 = , o que corresponde à primeira coluna
1 5 3 1
2×3 0 3×1
3×1
da matriz A.
" # 0 " #
3 0 4 0
A · E2 = · 1 = , o que corresponde à segunda coluna
1 5 3 5
2×3 0 3×1
3×1
da matriz A.
" # 0 " #
3 0 4 4
A · E3 = · 0 = , que corresponde à terceira coluna
1 5 3 3
2×3 1 3×1
3×1
da matriz A.
h i 0 1 h i
t
E1 ·B = 1 0 0 · −7 4
= 0 1 , o que corresponde à primeira
1×3 1×2
7 3
3×2
linha da matriz B.
h i 0 1 h i
E2t · B = 0 1 0 · −7 4 = −7 4 , o que corresponde à
1×3 1×2
7 3
3×2
segunda linha da matriz B.
h i 0 1 h i
t
E3 · B = 0 0 1 · −7 4
= 7 3 , o que corresponde à terceira
1×3 1×2
7 3
3×2
linha da matriz
B.
−2 5 8 d1 0 0 −2d1 5d2 8d3
(b) C · D = −6 7 −4 · 0 d2 0 = −6d1 7d2 −4d3 .
3 4 −5 0 0 d3 3d1 4d2 −5d3
Note que:
−2 −2d1
d1 · C 1 = d1 ·
−6 = −6d1 , o que corresponde à primeira coluna da matriz
3 3d1
C · D.
5 5d2
d2 · C2 = d2 · 7
= 7d2 , o que corresponde à segunda coluna da matriz C · D.
4 4d2
209
8 8d3
d3 · C 3 = d3 ·
−4 = −4d3 , o que corresponde à terceira coluna da matriz
−5 −5d3
C · D.
d1 0 0 −2 5 8 −2d1 5d1 8d1
(c) D · C = 0 d2 0 · −6 7 −4 = −6d2 7d2 −4d2 .
0 0 d3 3 4 −5 3d3 4d3 −5d3
Note que:
h i h i
d1 · C1 = d1 · −2 5 8 = −2d1 5d1 8d1 , o que corresponde à primeira
linha da matriz D · C.
h i h i
d2 · C2 = d2 · −6 7 −4 = −6d2 7d2 −4d2 , o que corresponde à segunda
linha da matriz D · C.
h i h i
d3 · C3 = d3 · 3 4 −5 = 3d3 4d3 −5d3 , o que corresponde à terceira linha
da matriz D · C.
6. x = 11.
" #
1 0
7. (a) D2 = .
0 1
" #
1 0
(b) P · P t = .
0 1
" #
1 0
(c) A2 = .
0 1
Seção ??.
" #
−5 3
1. A é invertível e A−1 =
2 −1
" #
11 19
2. (A · B)−1 = .
7 0
3. (a).
4. (c).
5. (d).
210 Capítulo 9 — Respostas dos exercícios propostos.
" #
−3 −2
6. (B · A−1 )t = .
5 3
7. (a).
8. A matriz é ortogonal.
2
9. (a) a = e b = − 13 .
3
1
(b) X =
1 .
−4
Seção ??.
0 1 −1
1. (a) A ∼ I3 e A−1 =
2 −2 −1 .
−1 1 1
1 −1 0
(b) B ∼ I3 e B −1 =
2
3 1
2
− 3 .
2
−1 0 1
7 1 1 2
− − −
34 3
1
3
4
3
1
−1
9
− 9
− 9 9
(c) C ∼ I4 e C = −1 −2 1
.
2
9 9 9 9
5 2 2 1
−3 3 3 3
1 0 0 14
0 1 0 12
(d) D ∼
0 0 1 1 ̸= I4 . Portanto, a matriz D não é invertível.
4
0 0 0 0
2. (b).
" #
20 31 4
3. (a) N = .
35 43 5
" # " #
19 5 7 21 S E G U
(b) M = B · N = A−1 · N = ↔ . Portanto, a
14 4 1 27 N D A ∗
mensagem é: SEGUNDA.
211
Logo, quatro dentre as sequências possíveis são: GGBB, NNDD, UUFF e GNBD.
1 0 0 1 0 0
4. A = 2 1 0 e A−1 = −2 1 0 .
3 2 1 1 −2 1
" # " # " # " #
1 0 −1 0 1 0 −1 0
5. As possíveis soluções são: , , , ,
0 1 0 1 0 −1 0 −1
" p # " p #
1 − a212 a12 − 1 − a212 a12
p , p , com 0 < |a12 | ≤ 1.
a12 − 1 − a212 a12 1 − a212
Ek · . . . · E1 · A = B −1 .
Assim,
Ek · . . . · E1 · (A · B) = (Ek · . . . · E1 · A) · B = B −1 · B = In .
Capítulo 2.
Seção ??.
1. (c).
2. (e).
5. a = −1.
Referências Bibliográficas
[1.] BOLDRINI, JOSÉ LUIZ & outros Álgebra Linear. São Paulo, Harper & Row do Brasil, 1978.
[2.] CALLIOLI, CARLOS A. & outros Álgebra Linear e a Aplicações. São Paulo, Atual, 1983.
[3.] HOFFMAN, KENNETH & KUNZE, RAY ÁLinear. São Paulo, EDUSP/POLÍGONOS, 1971.
[4.] LIPSCHUTZ, SEYMOUR Álgebra Linear. São Paulo, McGraw-Hill do Brasil, 1974.
213