Geometria Analitica 1

Geometria Analítica
Profa. Angela Leite Moreno

Prof. José Carlos de Souza Júnior.
Profa. Andréa Cardoso.
Profa. Angela Leite Moreno.

Material Didático sobre

Profa. Angela Leite Moreno
Departamento de Matemática
Instituto de Ciências Exatas
Universidade Federal de Alfenas.
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
8.1.3 Equações de Hipérboles em Posição Padrão . . . . . . . . . . . . . . . . . 200
9 Respostas dos exercícios propostos. 205

C APÍTULO
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.
Tabela 1.1: Síntese de casos, óbitos, incidência e mortalidade no Brasil

Região Casos Óbitos Incidência/100mil hab. Mortalidade/100mil hab
Sul 3.019.951 66.711 10074,6 222,5
Centro-Oeste 1.637.100 41.383 10045,4 253,9
Norte 1.568.022 40.119 8507,5 217,7
Nordeste 3.682.644 90.695 6452,7 158,9
Sudeste 5.904.338 202.783 6681,3 229,5
Brasil 15.812.055 441.691 7524,3 210,2
Fonte: Painel Coronavírus, https://covid.saude.gov.br/.
1
2 Capítulo 1 — Matrizes
Observe que poderíamos representar esses dados da seguinte forma:

 
3.019.951 66.711 10074, 6 222, 5
 
 1.637.100 41.383 10045, 4 253, 9 
 
A =  1.568.022 40.119 8507, 5 217, 7 
 
 
 3.682.644 90.695 6452, 7 158, 9 
 
5.904.338 202.783 6681, 3 229, 5
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.
1.1 Definição e Tipos Especiais

Definição 1.1. Matriz é uma tabela de m · n elementos dispostos em m linhas e n colunas.
 
a11 a12 . . . a1n
 
 a21 a22 . . . a2n 
 = Am × n = [aij ]m×n
 
 . .. .. ..
 .. . . . 
  ↑ ↑no colunas
am1 am2 . . . amn no linhas
A i-ésima linha de A é h i
ai1 ai2 . . . ain ,
para i = 1, 2, . . . , m. A j-ésima coluna de A é

 
a
 1j 
 a2j 
,
 
 .
 .. 
 
aiJ
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.
1.1.1 Tipos Especiais de Matrizes

Em alguns momentos do curso, precisaremos que as matrizes sejam de um tipo específico para
que a teoria seja válida. Assim, existe uma classificação em relação ao tipo de matrizes. Veremos
algumas:
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.
" #
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.
 
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
Um exemplo importante de matrize diagonal é a matriz identidade:
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:
(I) Matriz Quadrada (II) Matriz Linha

(III) Matriz Coluna (IV) Matriz Diagonal
(V) Matriz Triangular Superior (VI) Matriz Triangular Inferior
(VII) Matriz Nula (VIII) Matriz Identidade
(XI) Matriz Simétrica
( ) 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.
2. Considere as seguintes matrizes

" # " # " # " #
1 7 x−1 0 3x + 4y 5 1 −7
A= , B= , C= , D= .
2 5 0 3 0 x−3 2 5
Classifique em verdadeira (V) ou falsa (F) as afirmações:
(a) ( ) A é matriz quadrada

(b) ( ) C é matriz retangular
(c) ( ) A é igual a D
(d) ( ) D ̸= A.
(e) ( ) B é matriz diagonal
(f) ( ) C não é matriz diagonal
(g) ( ) C não pode ser a matriz nula
3. Determine x, y e z, para que a matriz seguinte seja matriz diagonal:

 
2x + 1 x z+3
 
A=  0 x−y y−2  
0 0 x+y+z
4. Determine r, s, t e u, para que a matriz seguinte seja matriz diagonal:

 
r + 2u 2r + s 0
 
A =  3r − 9 4r + s 3t + u 


0 6t − 24 s + 3t
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
6. (PUC) A matriz A de ordem 2 × 3 definida por
aij = i · j
é dada por:
" #
2 4 6
(a)
1 2 3
" #
1 2 6
(b)
2 4 12
" #
1 2 3
(c)
2 4 6
" #
1 1 1
(d)
1 2 3
" #
−2 −4 −6
(e)
−1 −2 −3
7. (UFBA) A matriz 2 × 3, com:

(
2i − j, se i ̸= j
aij =
i + j, se i = j
 
2 0
 
(a) 
 −3 4 

−1 1
 
2 3
 
(b) 
 0 4 

1 1
 
2 3
 
(c) 
 0 4 

−1 1
" #
2 0 −1
(d)
3 4 1
" #
2 0 −1
(e)
−3 4 1
8. (ENEM-2018.) A Transferência Eletrônica Disponível (TED) é uma transação financeira

de valores entre diferentes bancos. Um economista decide analisar os valores enviados por
meio de TEDs entre cinco bancos (1, 2, 3, 4 e 5) durante um mês. Para isso, ele dispõe esses
valores em uma matriz A = [aij ], em que 1 ≤ i ≤ 5 e 1 ≤ j ≤ 5, e o elemento aij corres-
ponde ao total proveniente das operações feitas via TED, em milhão de real, transferidos do
banco i para o banco j durante o mês. Observe que os elementos aii = 0, uma vez que TED
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
Nessa matriz os elementos das linhas de 1 a 5 representam as quantidades de questões acer-

tadas pelos alunos Ana, Bruno, Carlos, Denis e Érica, respectivamente, enquanto que as
colunas de 1 a 5 indicam os dias da semana, de segunda-feira a sexta-feira, respectivamente,
em que os testes foram aplicados.
O teste que apresentou maior quantidade de acertos foi o aplicado na
(a) segunda-feira.
(b) terça-feira.
(c) quarta-feira.
(d) quinta-feira.
(e) sexta-feira.
1.2 Operações com Matrizes
1.2.1 Soma de Matrizes

Definição 1.13 (Soma de Matrizes). Suponhamos que Am×n = [aij ]m×n e Bm×n = [bij ]m×n sejam
matrizes de mesma ordem. Definimos a soma das matrizes A e B por:
A + B = [aij + bij ]m×n .
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
A adição de matrizes possui propriedades semelhantes às da adição de números reais, como

podemos ver a seguir.
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)
3. A+ O= A onde O é a matriz nula. (Elemento Neutro)
4. A + (−A) = 0. (Elemento Oposto)
Demonstração: Suponhamos que A = [aij ] , B = [bij ] e C = [cij ] ∈ Mm×n (R).

1.2 Operações com Matrizes 11
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
A + (B + C) = [aij ] + ([bij ] + [cij ])

= [aij ] + [bij + cij ]
= [aij + (bij + cij )]
(•)
= [(aij + bij ) + cij ]
= [aij + bij ] + [cij ]
= + ([aij ] + [bij ]) + [cij ]
= (A + B) + C.
3. Notemos que
A + O = [aij ] + [0]
= [aij + 0]
= [aij ] = A.
4. Observemos que
A + (−A) = [aij ] + [−aij ]
= [aij + (−aij )]
= [0]
= O.
Definição 1.15 (Diferença de matrizes.). Se A, B ∈ Mm×n (R), então definimos a diferença A − B

como sendo:
A − B = A + (−B).
1.2.2 Multiplicação de uma Matriz por um Escalar

Definição 1.16 (Multiplicação de uma Matriz por um Escalar). Suponhamos que A = [aij ]m×n
seja uma matriz e que k um número real. Então definimos a multiplicação da matriz A pelo escalar
k da seguinte forma:
k.A = [kaij ]m×n .
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:
1. α (A + B) = kA + kB (distributiva em relação a soma de matrizes)
2. (α + β) A = αA + βA (distributiva em relação a soma de escalares)
3. 0.A = O
4. α (βA) = (αβ) A (associativa)
5. 1.A = A
Demonstração: Sejam A = [aij ], B = [bij ] ∈ Mm×n (R) e α, β ∈ R.
1. Utilizando a propriedade distributiva da multiplicação em relação à adição de números reais

(∗), temos que
α · (A + B) = α · ([aij ] + [bij ])
= α · [aij + bij ]
= [α · (aij + bij )]
(∗)
= [α · aij + α · bij ]
= [α · aij ] + [α · bij ]
= α · [aij ] + α · [bij ]
=α·A+α·B
2. Utilizando a propriedade distributiva da multiplicação em relação à adição de números reais

(•), temos que
(α + β) · A = (α + β) · [aij ]
= [(α + β) · aij ]
(•)
= [α · aij + β · aij ]
= [α · aij ] + [β · aij ]
= α · [aij ] + β · [aij ]
=α·A+β·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
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
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
Demonstração: Notemos que
m n
! n
! n
!
X X X X
ai · b j = a1 · b j + ... + am · bj
i=1 j=1 j=1 j=1
e, pela Proposição 1.3 (2), segue que
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
Do mesmo modo, como
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
e, utilizando a Proposição 1.3 (2), segue que

n m
! m
! m
!
X X X X
ai · b j = ai · b 1 + . . . + ai · bn
j=1 i=1 i=1 i=1
m
!
X
= ai (b1 + . . . + bn )
i=1
m
! n
!
X X
= ai · bj .
i=1 j=1
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
1.2.4 Multiplicação de matrizes.

A seguir, apresentamos um exemplo que visa motivar a definição de uma ferramenta matemática
importante conhecida como produto de matrizes.
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.
Panificadora Pão francês Pão italiano Pão de leite

V2×3 : A 507 53 210
B 380 75 405
Para a fabricação de 1 kg de cada um desses pães utiliza-se os seguintes ingredientes, conforme

a matriz de produtos P3×8 = [pij ], na qual as linhas representam o tipo de cada pão e as colunas a
quantidades dos ingredientes utilizados.
Pão Água Óleo Sal Açúcar Farinha Leite Fermento Mel

Francês 375 ml 15 ml 10 g 7g 480 g 0 20 g 0
P3×8 :
Italiano 0 45 ml 14 g 0 600 g 415 ml 20 g 50 ml
Leite 0 15 ml 10 g 20 g 600 g 375 ml 30 g 0
Podemos representar a quantidade diária de ingredientes utilizados em cada franquia de pani-

ficação através da matriz total de ingredientes T2×8 , na qual as linhas representam as panificadores
e as colunas correspondem aos ingredientes utilizados.
Panific. Água Óleo Sal Açúcar Farinha Leite Fermento Mel
A 190125 ml 13140 ml 7912 g 7749 g 401160 g 100745 ml 17500 g 2650 ml
B 142500 ml 15150 ml 8900 g 10760 g 470400 g 18300 ml 21250 g 3750 ml
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)
T2×8 : A 190,13 13,140 7,91 7,75 401,16 100,75 17,5 2,65

B 142,5 15,15 8,9 10,76 470,4 183 21,25 3,75
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:
t18 = 507 · (0) + 53 · (50) + 210 · (0) = 2650 ml = 2, 65 l.
De um modo geral, para todo 1 ≤ i ≤ 2 e 1 ≤ j ≤ 8, temos:
tij = vi1 · p1j + vi2 · p2j + vi3 · p3j .

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
para todo 1 ≤ i ≤ m e para todo 1 ≤ j ≤ n.
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 −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
de linhas da segunda matriz, concluímos que existem os seguintes produtos:
A2×3 · B3×2 = C2×2

e
B3×2 · A2×3 = D3×3 .
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.
Proposição 1.5 (Propriedades da multiplicação de matrizes). Sejam A, B e C matrizes tais que a

operação produto esteja definida e λ ∈ R. Então valem as seguintes propriedades:
1. A · (B + C) = A · B + A · B; (distributiva à esquerda da multiplicação em relação à adição)
2. (B + C) · A = B · A + C · A; (distributiva à direita da multiplicação em relação à adição)
3. (A · B) · C = A · (B · C); (associativa)
4. Am×n · In = A; (identidade à direita)
5. Im · Am×n = A; (identidade à esquerda)
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:
A · B = U = [uij ]m×n e A · C = T = [tij ]m×n .
Os elementos uij e tij são da forma:

r
X
uij = ai1 · b1j + . . . + air · brj = aik · bkj .
k=1
Xr
tij = ai1 · c1j + . . . + air · crj = aik · ckj .
k=1
Por outro lado, temos que
A · (B + C) = [aij ] · ([bij ] + [cij ]) = [aij ] · [bij + cij ] .
O elemento que ocupa a linha i e a coluna j, do produto acima, é dado por:
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,
A · (B + C) = [aij ] · [bij + cij ] = [uij + tij ] = [uij ] + [tij ] = A · B + A · C.
2. Sejam B = [bij ]m×r , C = [cij ]m×r e A = [aij ]r×n . Vamos considerar, também:
B · A = U = [uij ]m×n e C · A = T = [tij ]m×n .


r
X
uij = bi1 · a1j + . . . + bir · arj = bik · akj .
k=1
Xr
tij = ci1 · a1j + . . . + cir · arj = cik · akj .
k=1
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,
(B + C) · A = [bij + cij ] · [aij ] = [uij + tij ] = [uij ] + [tij ] = B · A + C · A.
3. Sejam A = [aij ]m×r , B = [bij ]r×s e C = [cij ]s×n . Vamos considerar, também:
A · B = U = [uij ]m×s e B · C = T = [tij ]r×n .

r
X
uij = ai1 · b1j + . . . + air · brj = aiα · bαj .
α=1
s
X
tij = bi1 · c1j + . . . + bis · csj = biβ · cβj .
β=1
Fazendo o produto (A · B) · C, obtemos que o elemento que ocupa a linha i e a coluna j é

dado por:
s s r
!
X X X
ui1 · c1j + . . . + uis · csj = uiβ · cβj = aiα · bαβ · cβj
β=1 β=1 α=1
3e, pela Proposição 1.3 (2), segue que

s r
!
X X
ui1 · c1j + . . . + uis · csj = aiα · bαβ · cβj . (1.1)
β=1 α=1
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
e, novamente pela Proposição 1.3 (2), segue que

r s
!
X X
ai1 · t1j + . . . + air · trj = aiα · bαβ · cβj . (1.2)
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
cij = aij · δjj = aij · 1 = aij .
Portanto, Am×n · In = Am×n .

(
1, se i = j,
5. Sejam Im = [δij ], a matriz identidade de ordem m, com δij = e
0, se i ̸= j.
A = [aij ]m×n .
Fazendo o produto Im · A, como δij = 0, se i ̸= j, obtemos que o elemento que ocupa a
linha i e a coluna j é dado por
δi1 · a1j + . . . + δim · amj = δii · aij = 1 · aij = aij .
Portanto, Im · Am×n = Am×n .

6. Sejam A = [aij ]m×r , B = [bij ]r×n e λ ∈ R. Considerando A · B = U = [uij ]m×n , temos

que os elementos uij são do tipo:
r
X
uij = ai1 · b1j + . . . + air · brj = aik · bkj .
k=1
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

r
X r
X
(λ · ai1 ) · b1j + . . . + (λ · air ) · brj = λ · (aik · bkj ) = λ · aik · bkj = λ · uij .
k=1 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

r
X
cij = λ · aik · bkj = λ · uij .
k=1
Assim,
A · (λ · B) = [λ · uij ] = λ · [uij ] = λ · (A · B).
Portanto, (λ · A) · B = λ · (A · B) = A · (λ · B).
Corolário 1.1. Se A ∈ Mn (R), então A · In = A = In · A.
Demonstração: Segue diretamente dos itens 4 e 5 da Proposição 1.5.
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).
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
A · J = A, para todo A ∈ Mn (R), (1.3)
In · B = B, para todo B ∈ Mn (R). (1.4)
Em particular, fazendo A = In em (1.3) e B = J em (1.4), obtemos:

)
In · J = In .
⇒ J = In ,
In · J = J.
o que mostra o resultado.
Definição 1.19 (Potência de matriz). Dado A ∈ Mn (R) e k ∈ N, definimos recursivamente as

potências de A do seguinte modo:
(i) A0 = In , sendo In a matriz identidade de ordem n;
(ii) Ak = Ak−1 · A, para k ≥ 1.

" #
1 1
Exemplo 1.23. Sendo A = , determine A2 , A3 e A4 .
0 1
Resolução: Segue da Definição 1.19 que:

" # " # " #
1 1 1 1 1 2
• A2 = A2−1 · A = A · A = · = .
0 1 0 1 0 1
" # " # " #
1 2 1 1 1 3
• A3 = A2 · A = · = .
0 1 0 1 0 1
" # " # " #
1 3 1 1 1 4
• A4 = A3 · A = · = .
0 1 0 1 0 1
Proposição 1.6. Sejam A ∈ Mn (R) e r, s inteiros não negativos. Então,
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.
1. Segue da Definição 1.19 que Ar · A1 = Ar · A = Ar+1 .
2. Agora, suponhamos, por Hipótese de Indução, que
Ar · As = Ar+s .
Temos que
Ar · As+1 = Ar · (As · A) = (Ar · As ) · A
segue, pela Hipótese de Indução, que
Ar · As+1 = Ar+s · A = Ar+s+1 .
Portanto, pelo Princípio da Indução Finita, a propriedade é válida.
3. Segue da Definição 1.19 que
(Ar )1 = (Ar )0 · Ar = In · Ar = Ar = Ar·1 .
Agora, suponhamos, por Hipótese de Indução, que
(Ar )s = Ar·s .
Temos que
(Ar )s+1 = (Ar )s · Ar ,
daí, usando a Hipótese de Indução, obtemos que
(Ar )s+1 = Ar·s · Ar = Ar·s+r = Ar·(s+1) .
Portanto, pelo Princípio da Indução Finita, a propriedade é válida.

" #
0 −1
Exemplo 1.24. Seja A = . Determine A483 .
1 0
Segue da Definição 1.19 que:

" #
1 0
• A0 = = I2 .
0 1
" #
0 −1
• A1 = A = .
1 0
" # " # " #

0 −1 0 −1 −1 0
• A2 = A · A = · = .
1 0 1 0 0 −1
" # " # " #
−1 0 0 −1 0 1
• A3 = A2 · A = · = .
0 −1 1 0 −1 0
" # " # " #
0 1 0 −1 1 0
• A4 = A3 · A = · = = I2 .
−1 0 1 0 0 1
Assim, usando a Proposição 1.6, obtemos

120
A483 = A(4·120+3) = A4·120 · A3 = A4 · A3 = (I2 )120 · A3 = I2 · A3 = A3
" #
0 1
Portanto, A483 = .
−1 0
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
Proposição 1.7. Sejam A, B ∈ Mn (R) e λ ∈ R, então são válidas as seguintes propriedades:
1. tr(A + B) = tr(A) + tr(B).
2. tr(λ · A) = λ · tr(A).
3. tr(A · B) = tr(B · A).

n
X
Demonstração: Sejam A = [aij ], B = [bij ] ∈ Mn (R) e λ ∈ R. Então tr(A) = aii e
i=1
n
X
tr(B) = bii .
i=1
1. Como
A + B = [aij ] + [bij ] = [aij + bij ],
então n
X
tr(A + B) = (aii + bii )
i=1
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
Por outro lado, temos

n n n
!
X X X
tr(B · A) = u11 + . . . + unn = uii = bik · aki .
i=1 i=1 k=1
Nesta última igualdade, renomeando a letra i para k e vice-versa, obtemos:

n n
! n n
!
X X X X
tr(B · A) = bki · aik = aik · bki .
k=1 i=1 k=1 i=1
1.3 Exercícios 29
Agora, como ! !
n
X n
X n
X n
X
aik · bki = aik · bki ,
i=1 k=1 k=1 i=1
podemos concluir que tr(A · B) = tr(B · A).
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
(b) é igual a am+n
(c) não existe
(d) depende do valor de a
(e) n.d.a.
2. Considere as seguintes matrizes:

" # " # " #
3 0 0 1 −2 5 8
A= , B= , C= ,
1 5 −7 4 −6 7 −4
   
−3 2 0 −1 2 7
   
D=
 ,
2 2 8  E=
 −1 5 −3 

−3 0 3 −6 0 −7
se for possível, calcule:
(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.
" #
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
6. Calcule x, y e z de modo que se tenha:
" # " #
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).

   
" # 0 1 −2 5 8
3 0 4    
A= , B =  −7 4 

, C =  −6 7 −4 

1 5 3 
7 3 3 4 −5
       
d1 0 0 1 0 0
       
D=
 0 d 2 0 ,
 E1 = 
 0 ,
 E2 = 
 1 ,
 E3 = 
 0 

0 0 d3 0 0 1
Verifique que:
(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
(c) CD = [d1 C1 d2 C2 d3 C3 ], em que

     
−2 5 8
     
C1 = 
 6  , C2 =  7
  ,
 C3 = 
 −4 

3 4 5
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
Determine o valor de x tal que AB t = 0.
10. Mostre que a matriz

1
 
1
A= y ,
y 1
em que y é um número real não nulo, verificam a equação X 2 = 2X.
" # " #
1 0 cosθ senθ
11. Sejam D = eP = . Sabendo-se que A = P t DP , calcule,
0 −1 −senθ cosθ
D 2 , P P t e A2 .
12. Se possível, encontre as inversas das seguintes matrizes:

   
    1 1 1 1 1 1 1 1
1 2 3 1 2 3    
     1 2 −1 2   1 3 1 2 
 1 1 2  (b) 0 2 3  (c) 1 −1 2
(a)       (d) 
 1 2 −1 1

1  
0 1 2 1 2 4
   
1 3 3 2 5 9 1 6
" # " #
3 2 2 5
13. Se A−1 = e B −1 = encontre (A · B)−1
1 3 3 −2
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 .
21. (VUNESP-2016.) Um ponto P ," de coordenadas

# (x, y) do plano cartesiano
" # ortogonal, é
x x
representado pela matriz coluna , assim como a matriz coluna representa, no
y y
plano cartesiano ortogonal, o ponto P de coordenadas (x, y).
" # " #
0 −1 x
Sendo assim, o resultado da multiplicação matricial · é uma matriz coluna
1 0 y
que, no plano cartesiano ortogonal, necessariamente representa um ponto que é
(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
24. O traço da matriz A = [aij ]3×3 , tal que aij = j i , é:
(a) 33 .
(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
tr(3 · (A + B)) + tr(A · B) − 2 · tr(A) − tr(2 · B) − tr(B · A).
1.4 Transposição de Matrizes

Nesta seção, apresentamos um conceito matricial muito usado na resolução de problemas, conhe-
cido como transposição de matrizes, juntamente com seus principais resultados.
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.
Também se utiliza A′ para denotar a transposta de A.
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;
desde que as operações acima indicadas estejam definidas.
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,
temos (A + B)t = U t = [uij ]n×m , com uij = uji . Deste modo,
uij = uji = aji + bji = aij + bij .
Portanto, (A + B)t = [uij ]n×m = [aij + bij ]n×m = [aij ]n×m + [bij ]n×m = At + B t .
2. Sejam A = [aij ]m×n e λ ∈ R. Então At = [aij ]n×m , com aij = aji .
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 .
Considerando B t · At = D = [dij ]n×m , temos que cada elemento dij é da forma:
dij = bi1 · a1j + . . . + bir · arj

= b1i · aj1 + . . . + bri · ajr
= aj1 · b1i + . . . + ajr · bri
Xr
= ajk · bki
k=1
= cji .
Portanto, B t · At = [dij ]n×m = [cji ]n×m = [cij ]n×m = C t = (A · B)t .

t
4. Se A = [aij ]m×n , então At = [aij ]n×m , com aij = aji . Além disso, At

= aij m×n , com
aij = aji .
Como aij = aji e aji = aij , concluímos que:
(At )t = aij m×n = [aji ]m×n = [aij ]m×n = A.

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 .
Exemplo 1.27. As seguintes matrizes são exemplos de matrizes simétricas:

     
" # 8 0 1 1 0 0 0 0 0
2 3      
A= , B= 0 9 10  , I3 =  0 1 0  e O3 =  .
0 0 0 
3 5     
1 10 6 0 0 1 0 0 0
Exemplo 1.28. As seguintes matrizes são exemplos de matrizes antissimétricas:

     
" # 6 2 0 1 0 0 0 0 0
1 4      
A= , B=  −2 0 −7  , I3 =  0 1 0  e O3 =  0 0 0
    .
−4 3 
0 7 9 0 0 1 0 0 0
Proposição 1.9. Sejam A ∈ Mn (R) e λ ∈ R. São válidas as seguintes propriedades:
1. A + At é uma matriz simétrica;
2. A · At é uma matriz simétrica;

3. A − At é uma matriz antissimétrica;
4. Se A é uma matriz simétrica, então λ · A também é uma matriz simétrica;
5. Se A é uma matriz antissimétrica, então λ · A também é uma matriz antissimétrica.
Demonstração:
Sejam A = [aij ] ∈ Mn (R) e λ ∈ R. Logo, At = [aij ] ∈ Mn (R), com aij = aji .
1. Considerando A + At = B = [bij ], temos que cada bij é da forma:
bij = aij + aij = 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.
2. Considerando A · At = B = [bij ], temos que cada bij é da forma:

n
X n
X
bij = ai1 · a1j + . . . + ain · anj = aik · akj = aik · ajk .
k=1 k=1
Logo, " # " #

n
X n
X
B t = [bij ] = [bji ] = ajk · aik = aik · ajk = [bij ] = B.
k=1 k=1
t
Como B = B , segue que B é uma matriz simétrica e o resultado segue.
3. Considerando A − At = B = [bij ], temos que cada bij é da forma:
bij = aij − aij = aij − aji .
Logo,
B t = [bij ] = [bji ] = [aji − aij ] = [−(aij − aji )] = −[aij − aji ] = −[bij ] = −B.
Como B t = −B, segue que B é uma matriz antissimétrica e o resultado segue.
4. Considerando λ · A = B = [bij ], então temos que bij = λ · aij . Como
B t = [bij ] = [bji ] = [λ · aji ] = λ · [aji ] = λ · [aij ] = λ · At
e, como A é simétrica, segue que
B t = λ · A = B,
então B é uma matriz simétrica e o resultado segue.

5. Considerando λ · A = B = [bij ], então temos que bij = λ · aij .

Como
B t = [bij ] = [bji ] = [λ · aji ] = λ · [aji ] = λ · [aij ] = λ · At
e, como A é antissimétrica, segue que
B t = λ · (−A) = −(λ · A) = −B,
então B é uma matriz antissimétrica e o resultado segue.
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 .
Portanto,
A = B1 + B2
1 1
A = · (A + At ) + · (A − At )
|2 {z } |2 {z }
1.4.1 Exercícios.
" # " #
1 3 2 2 1
1. Sendo A = eB = . Encontre At · B.
−1 0 4 −1 0
2. Encontre a matriz A ∈ M2 (R), tal que A = 3 · At .

 
5 y − 1 −2
 
2  é simétrica, então determine o valor de y − x.
3. Se a matriz 
 11 − y 8 x 
x 4 3
 
1 3 2
 
4. Decomponha a matriz A =   −5 0 4  numa soma de uma matriz simétrica com uma

6 8 7
matriz antissimétrica.

   
" # 0 1 −2 5 8
3 0 4    
A= B= ,
−7 4  , C =  −6 7 −4 
1 5 3    
7 3 3 4 −5
       
d1 0 0 1 0 0
       
D=
  , E1 =  0  , E2 =  1  , E3 =  0 
0 d2 0       
0 0 d3 0 0 1
Verifique que:
(a) 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.
(b) CD = [d1 C1 d2 C2 d3 C3 ], em que
     
−2 5 8
     
C1 = 
 −6  , C2 =  7
  ,
 C3 = 
 −4 

3 4 −5
são as colunas
 deC.
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 .
1.5 Sistemas de Equações Lineares
1.5.1 Método do Escalonamento para a Solução de Sistemas Linea-

res
  
 x1 + 2x2 + x3 = 7

 (1a ) 1 2 1 7 chamada Matriz
 
Exemplo 1.29. 2x1 + 3x2 − x3 = −1 (2a ) A=
 2 3 −1 −1 
 A : Ampliada do

 4x − x + 2x = 18 (3a )

4 −1 2 18 Sistema Dado
1 2 3
1o Passo: Eliminamos x1 das equações (2a ) e (3a )

(1a ) × (−2) + (2a ) obtendo nova equação (2′ ) ou L2 → L2 + (−2) L1
(1a ) × (−4) + (3a ) obtendo nova equação (3′ ) ou L3 → L3 + (−4) L1
  


 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
2o Passo: Tornamos o coeficiente de x2 na equação (2′ ) igual a 1 . Para isto multiplicamos a

equação (2′ ) por −1. (L2 → −1L2 ).
  
′′


 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
3o Passo: Eliminamos x2 das equações (1′′ ) e (3′′ ), isto é, L1 → −2L2 + L1 , L3 → 9L2 + L3
  
 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
5o Passo: Eliminamos x3 das 2a e 1a equações do sistema

  
 x1 + 0x2 + 0x3 = 2 1 0 0 2


 
0x1 + x2 + 0x3 = 0 ou  0 1 0 0 
 


 0x + 0x + x = 5 0 0 1 5
1 2 3
isto é: 
 x1 = 2


x2 = 0


 x =5
3
1.6 Operações Elementares com Linhas

Analogamente, podemos definir operações elementares com colunas.
1. Multiplicar uma linha (equação) por um escalar não nulo k (Li → kLi )
2. Adicionar uma linha (equação) a outra (Li → Li + Lj )

3. Permutar duas linhas (equações) (Li ↔ Lj )
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 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 .
Represente geometricamente as retas (a) , (b) e (c) no plano x1 x2 .



 2x1 − x2 = 3


 x + 4x = 2
1 2
Exemplo 1.31. (quatro retas no plano x1 x2 )


 x1 − 5x2 = 1

4x1 + 7x2 = 7

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

Os números aij , 1 ≤ i ≤ m, 1 ≤ j ≤ n (R ou C) são chamados de coeficientes e os números

bi , 1 ≤ i ≤ m, de termos independentes.
O sistema (1) na notação matricial fica:
     
a11 a12 . . . a1n x1 b1
   
x2 b2
 
 a21 a22 . . . a2n     
=
   
.. ..
    
 ... ... ... ...
. .
    
     
am1 am2 . . . amn xn bm
m×n n×1 m×1
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.
A nulidade é diferença entre as colunas de A e o posto de A.
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:
x2 = 2 + 3x3 , x4 = 3, x1 é qualquer número real.
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.) .
Teorema 1.3. Um sistema linear de m-equações a n-incógnitas admite solução ⇔ pc = pa . Ainda

mais
(i) Se pa = pc = n a solução é única (S.P.D.).
(ii) Se pa = pc < n então achamos p-incógnitas em função das (n − p) incógnitas restantes. (

S.P.I.) (infinitas soluções).
Exemplo 1.34. Analisando os sistemas cujas matrizes ampliadas possuem, respectivamente, as

seguintes matrizes linha reduzida à forma escada.
  
1 0 0 7  x1 = 7


 
 0 1 0 −4 
(a)   ⇒ x2 = −4 ⇒ S.P.D.

0 0 1 −10  x = −10

3
 
1 0 3 40
 
(b)  0 1 8 −7 

 ⇒ pc = 2 < pa = 3 ⇒ S.I.
0 0 0 1
Note que a última equação é 0.x1 + 0x2 + 0x3 = 1
" #
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.
Escreva a solução na forma matricial.
Definição 1.27. Um sistema linear de m-equações a n-incógnitas é dito homogêneo quando bi =

0, 1 ≤ i ≤ m, (os termos independentes são nulos).
Observação 1.7. Um sistema homogêneo nunca é impossível (pa = pc sempre) pois

x1 = x2 = . . . = xn = 0
é sempre solução do sistema (chamada solução trivial).
Assim no sistema homogêneo só temos dois casos a considerar, ou ele é S.P.D. (única solução que
neste caso é a solução trivial) ou é S.P.I. (infinitas soluções).
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 .
Exemplo 1.35. Determine k para que o sistema ao lado admita solução.


 −4x + 3y = 2


5x − 4y = 0

2x − y = k


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
Exemplo 1.36. Resolva o sistema homogêneo:


 x + 2y + 3z = 0


2x + y + 3z =0


 3x + 2y + z =0
   
1 2 3 0 1 0 0 0
   
 2 1 3 0  → ... →  0 1 0 0  x=y=z=0
   
3 2 1 0 0 0 1 0
Assim temos a solução trivial.
Exemplo 1.37. (a) Resolva o sistema

(
x + 6y − 8z = 1
2x + 6y − 4z = 0
Notação Matricial  
" # x " #
1 6 −8  
 y = 1
2 6 −4   0
z
! !    
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
(b) Resolva o sistema homogêneo associado a

(
x + 6y + 8z = 0
2x + 6y − 4z = 0
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 1.1. 1. Mostre que se X0 é solução de AX = 0 e X1 é solução de AX = B então

X0 + X1 é solução de AX = B.
2. Seja X2 uma solução particular de AX = B. Mostre que se X1 é solução de AX = B então

X1 = X2 + X3 onde X3 é solução de AX = 0. (Basta tomar X3 = X1 − X2 ).
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
1.7 Determinante e Matriz Inversa

Definição 1.28. Considere a matriz A1×1 = [a11 ]. Então det (A) = a11 .
Notação: det (A) = |A| .
Considere agora uma matriz An×n (matriz quadrada).
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.
∆ij = (−1)i+j |Aij |
Definição 1.30. Dada a matriz An×n , seja i uma linha qualquer. Então
det (A) = ai1 ∆i1 + ai2 ∆i2 + . . . + ain ∆in

Xn
= aik ∆ik
k=1
Esta definição é conhecida como “desenvolvimento de Laplace".
Observação 1.9. A Definição 1.30 acima não depende da linha i escolhida.

X
Observação 1.10. det (A) = k = 1n akj ∆kj (isto é, a definição coincide se escolhermos uma
coluna j qualquer).
" #
a11 a12
Exemplo 1.38. Considere a matriz A2×2 = . Assim ∆11 = a22 e ∆12 = −a21 .
a21 a22
Escolhendo a linha 1 temos det (A) = a11 a22 − a12 a21 .
 
a11 a12 a13
 
Exemplo 1.39. Considere a matriz A3×3 =  a21 a22 a23
  . Verifique que

a31 a32 a33
det (A) = a11 a22 a33 + a21 a32 a13 + a12 a23 a31 −
−a31 a22 a13 − a32 a23 a11 − a21 a12 a33
Proposição 1.10. Devemos relembrar algumas propriedades dos determinantes:
P.1. Se todos os elementos de uma linha (ou de uma coluna) de uma matriz A forem nulos então
det (A) = 0;
P.2. det (A) = det (A′ ) (A′ é a transposta de A);
P.3. Se multiplicarmos uma linha (coluna) por uma constante k o determinante fica multiplicado
por esta constante k;
P.4. Trocando de posição duas linhas o determinante muda de sinal;
P.5. Se uma matriz A tem duas linhas iguais então det (A) = 0;
a11 ... a1n a11 . . . a1n a11 . . . a1n

... ... ... ... ... ... ... ... ...
P.6. bi1 + ci1 . . . bin + cin = bi1 . . . bin + ci1 . . . cin .
... ... ... ... ... ... ... ... ...
an1 ... ann an1 . . . ann an1 . . . ann
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.8. O determinante do produto de duas matrizes é o produto dos determinantes:
det (A.B) = (det A) . (det B) .
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
δij é o símbolo de Kronecker.
Observação 1.12. Pela Observação 1.10 todas as propriedades anteriores permanecem válidas se
no enunciado trocarmos a palavra linha por coluna.
Observação 1.13. A P.7 é importante na rapidez do cálculo de um determinante.

1.8 Matriz Adjunta e Matriz Inversa 51
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
1.8 Matriz Adjunta e Matriz Inversa

Definição 1.31. Dada uma matriz quadrada A, chamaremos de matriz adjunta de A à transposta
da matriz dos cofatores de A.
 
2 1 −2
 
Exemplo 1.41. Seja A =  0 1 1 

 (det A = 5)
3 0 −2
Calculando os cofatores correspondentes:
∆11 = −2 ∆12 = 3 ∆13 = −3

∆21 = 2 ∆22 = 2 ∆23 = −2
∆31 = −3 ∆32 = −2 ∆33 = 2
 
−2 3 −3
 
A matriz dos cofatores A será: A = 
 2 2  e assim
3 
3 −2 2
 
−2 2 3
′  
adjA = A , isto é, adjA =  3 2 −2
 

−3 3 2
Ainda mais,  
5 0 0
 
A.adjA = 
 0 5 0 

0 0 5
ou seja, A. (adjA) = (det A) .I3 .
Este resultado vale para toda matriz quadrada An×n .

′
Teorema 1.4. A. A = A.adjA = (det A) In
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
Usando a Definição 1.30 e a P.9. temos:
c11 = a11 ∆11 + a12 ∆12 + a13 ∆13 = det A

P.9.
c12 = a11 ∆21 + a12 ∆22 + a13 ∆23 = 0
e assim por diante: cii = det A e cij = 0 se i ̸= j.
Observação 1.14. Também (adjA) .A = (det A) In .
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
Também B.A = I2 (Verifique!).

" # " #
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
logo A não admite inversa.
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
e como det A ̸= 0 temos

1
A. .adjA = I.
det A
Logo, pela Observação 6,
1
A−1 = adjA.
det A
Observação 1.15. Se A admite inversa ela é única. Com efeito:
(a) Sejam AB = I e AC = I, logo
AB = AC ⇒ A−1 (AB) = A−1 (AC) ⇒ (AA−1 )B = (AA−1 )C ⇒ B = C
(b) Sejam BA = I e CA = I, logo
BA = CA ⇒ (BA)A−1 = (CA)A−1 ⇒ B(AA−1 ) = C(AA−1 ) ⇒ B = C

Observação 1.16. Se AB = I, então a matriz A admite inversa e BA = I, isto é, basta verificar

uma das condições para a inversa de uma matriz. Como A.B = I temos que det A ̸= 0, daí pelo
Teorema 1.5 segue que A é invertível e, pela Observação 1.15 temos que
1
B=
det A
e, pela O7bservação 1.14 segue que B.A = I.
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
1.8.1 Processo Prático para Inversão de Matrizes

 
 
  1 1 1 1 0 0
 1 1 1 1 0 0  1 1 1 1 0 0
 
3 1

 0 1 1

−
    
 3 5 4 0 1 0  →  0 2 1 −3 1 0  → 0 
→
     2 2 2 
 −2 −1 −2 0
 
0 1  0 1 0 2 0 1

| {z }| {z } 0 1 0 2 0 1
A I
 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 0 0 6 −1 1 

 
→  0 1 0 2 0 1 

 
0 1 −7 −2 
 0 
 1
| {z } | {z }
I(∗) A−1
(∗) Se não conseguirmos I então A não é inversível.
1.8.2 Regra de Cramer

Considere o sistema linear de n equações a n incógnitas.
An×n .Xn×1 = Bn×1 e suponhamos que det (A) ̸= 0.
Como A admite inversa teremos:
A−1 (AX) = A−1 B ⇒ A−1 A X = A−1 B

isto é, X = A−1 B ou, na forma matricial:

     
x1 ∆11 ∆21 . . . ∆n1 b1
    
 x2  1

 ∆12 ∆22 . . . ∆n2   b2 
 . =
    
..

 ..  det (A) 
 
   ... ... ... ...   
 . 

xn ∆1n ∆2n . . . ∆nn bn
Logo, para 1 ≤ i ≤ n, temos:
a11 a12 . . . b1 . . . a1n

a21 a22 . . . b2 . . . a2n
... ... ... ... ... ...
b1 ∆1i + b2 ∆2i + . . . + bn ∆ni an1 an2 . . . bn . . . ann
xi = =
det A det A

 x + 2y + 4z = 0


Exemplo 1.45. Resolva o sistema 3x + y + 2z = 0 .

x−y−z =5


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
AX = 0 tal que det (A) ̸= 0
Pela regra de Cramer temos que X = 0 (isto é, x1 = x2 = . . . = xn = 0) é a única solução do

sistema, chamada solução trivial.
Como nos sistemas homogêneos só temos as duas possibilidades S.P.D. (solução única) ou
S.P.I. (infinitas soluções) teremos:
(a) Se det (A) ̸= 0, então x1 = x2 = . . . = xn = 0 .
(b) Se det (A) = 0, então temos infinitas soluções.

Assim, num sistema homogêneo, para que tenhamos soluções diferentes da trivial, devemos ter
det (A) = 0.

 x + 2y + 3z = 0


Exemplo 1.46. Resolva o sistema: 2x + y + 3z = 0 .


 3x + 3y + 6z = 0
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
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
Escreva as soluções na forma matricial!

Qual é a posição relativa dos planos em (a) .
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
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)
7. Escalone e discuta o sistema abaixo em função de a:


 x + y − az = 0


ax + y − z = 2 − a

 x + ay − z = −a

Use a regra de Cramer para discutir o sistema acima.
8. Considere o sistema linear homogêneo
(∗) An×n Xn×1 = On×1
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)
10. Calcule y no sistema

2x − y

x + 2y

 = =1
−3t − 1 z − 2t

x − 2z 3t − 1
= =2


t−y 2z − y

1.9 Exercícios 59
11. Resolva os sistemas

2 2 1


 − − = −1


 x y z
 (
 1

1 1 xsena − y cos a = − cos (2a)
(a) + + =0 (b)
 x y z x cos a + ysena = sen (2a)


 3 2 1
 x− + =4


y z

12. Discuta os sistemas

(
ax + 3y = 0
(a)
2x + ay = 4
(
x−y =2
(b)
2x + ay = b

 x+y+z =0


(c) x − y + mz = 2

 mx + 2y + z = −1


 x + my + z = 0


(d) x+y+z =0


 mx + y + z = 0
 
1 m −1
 
13. Determine m tal que p (A) = 2 onde A = 
 2 .
m 2m 
−1 2 1



 x+y+z =1
14. No sistema x + a2 y + z = a2 determine a e b tal que tenhamos:

 2x + 2y + (3 − a) z = b2

(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

(a) S.P.I.
(b) S.I.
16. Determine a tal que sejam equivalentes os sistemas:

( (
x=1 ax + y = a + 1
e
y=1 x+y =2
17. Resolva os sistemas:


x y z
 2 .2 .2 = 8


(a) 3x .3z = 39 .9y

 125.5x = 5z


 log2 (x + y + z) = 0


(b) logy (x + z) = 1

 log 5 + log x = log (y − z)

3 3 3
18. Determine o polinômio p (x), de grau 4, tal que p (x) = p (1 − x)

C APÍTULO
2
Vetores
2.1 Segmentos Orientados

Definição 2.1 (Reta Orientada - Eixo). Diremos que r é uma reta orientada quando se fixa nela um
sentido de percurso, considerando positivo e indicado por uma seta.
Figura 2.1: Reta Orientada
O sentido oposto é o negativo. Uma reta orientada é denominada eixo.
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,
Figura 2.2: Segmento Orientado
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.
Figura 2.3: Segmento Orientado Coincidente
Definição 2.4 (Segmento Nulo). Denominamos de segmento nulo o segmento cuja origem coin-
cide com a extremidade.
Figura 2.4: Segmento Nulo
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
Figura 2.5: Segmentos Opostos
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.
Exemplo 2.1. Fixada a unidade de comprimento u :, temos
Daí AE = 5u
Observação 2.1. Os segmentos nulos tem comprimento igual a zero.
Observação 2.2. Temos que AB = BA.
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.
Figura 2.6: Segmentos Paralelos
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.
Observação 2.4. Dois segmentos orientados opostos têm sentidos contrários.
Definição 2.8 (Segmentos Equipolentes). Dois segmentos orientados AB e CD são equipolentes

quando tiverem a mesma direção, o mesmo sentido e o mesmo módulo.
Notação: AB ∼ CD.
Exemplo 2.2. Observe alguns exemplos de segmentos equipolentes.
Figura 2.7: Segmentos Equipolentes
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.
Observação 2.6. Dois segmentos nulos serão sempre equipolentes.
Teorema 2.1 (Propriedades da Equipolência). Sejam AB, CD e EF segmentos orientados. Então

valem as seguintes propriedades:
(a) AB ∼ AB . (Reflexiva)
(b) Se AB ∼ CD então CD ∼ AB. (Simétrica)
(c) Se AB ∼ CD e CD ∼ EF então AB ∼ EF . (Transitiva)
(d) Dado um segmento orientado AB e um ponto C existe um único ponto D tal que AB ∼ CD.
(Transporte)
(e) Se AB ∼ CD então BA ∼ DC.
(f) Se AB ∼ CD então AC ∼ BD.
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.
Figura 2.8: Vetor ⃗v

Note que todas as representações acima correspondem ao mesmo vetor ⃗v .
Indicando por ⃗v este conjunto podemos escrever:
⃗v = {XY : XY ∼ AB}
em que XY é um segmento qualquer do conjunto.
→
Notação: O vetor determinado por AB é indicado por AB ou B − A ou ⃗v .
→
Observação 2.8. O mesmo vetor AB é determinado por uma infinidade de segmentos orientados,
chamados representantes desse vetor e todos são equipolentes entre si.
O módulo de ⃗v é indicado por |⃗v |.
→ → → →
Definição 2.10 (Vetores Iguais). Sejam AB e CD dois vetores. Diremos que AB e CD são iguais
se, e somente se, AB ∼ CD.
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.
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.
Figura 2.9: Vetores Colineares
Definição 2.16 (Vetores Coplanares). Sejam ⃗u, ⃗v e w

⃗ vetores não nulos. Diremos que eles são
coplanares se possuírem representantes AB, CD e EF pertencentes a um mesmo plano π.
2.3 Operação com Vetores 67
Figura 2.10: Vetores Coplanares
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.
Figura 2.11: Vetores Coplanares (à esquerda) e Vetores Não Coplanares (à direita)
2.3 Operação com Vetores

Definição 2.17 (Adição de Vetores). Dados os vetores ⃗u e ⃗v abaixo
temos que ⃗s = ⃗u + ⃗v é a soma do vetor ⃗u com o vetor ⃗v .
Denomina-se a diferença de dois vetores ⃗u e ⃗v , denotado por ⃗u − ⃗v , ao vetor ⃗u + (−⃗v ).
→ →
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).
→ →
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 .
Teorema 2.2 (Propriedades da Adição). Sejam ⃗u, ⃗v e w

⃗ vetores quaisquer. Então:
A1 Comutativa:
⃗u + ⃗v = ⃗v + ⃗u
Figura 2.12: Comutatividade entre Vetores
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.
Exemplo 2.4. Dados os vetores ⃗u, ⃗v e w, ⃗ de acordo com a figura:

a seguir, construa o vetor: ⃗t = ⃗u − ⃗v + w.
⃗
Resolução: Para que possamos visualizar melhor cada um dos vetores, vamos representá-los a
partir da origem:
Agora, faremos as operações na ordem em que elas aparecem:

Analiticamente teríamos:
⃗u = (−2, 6) ⃗v = (3, 3) ⃗ = (−2, −3)

w
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:
3⃗u = ⃗u + ⃗u + ⃗u = (3, 2) + (3, 2) + (3, 2) = (3 + 3 + 3, 2 + 2 + 2) = (9, 6)
Não seria mais fácil se fizéssemos:
3⃗u = 3 · (3, 2) = (3 · 3, 3 · 2) = (9, 6)
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:
Figura 2.13: Multiplicação por Escalar
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.
Se α = 0 ou ⃗v = ⃗0 então o produto é, por definição, o vetor nulo.

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 |
Exemplo 2.5. Considere o vetor ⃗u = (4, −3). Determine o seu versor.

Resolução: Sabemos que
p √ √
|⃗u| = 42 + (−3)2 = 16 + 9 = 25 = 5
Assim, o versor ⃗v de ⃗u é dado por:

⃗u 1 4 3
⃗v = = (4, −3) = ,− .
|⃗u| 5 5 5
Logo temos a seguinte figura:
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:
(M1) α(β⃗v ) = (αβ)⃗v ;
(M2) α(⃗u + ⃗v ) = α⃗u + α⃗v ;
(M3) (α + β)⃗v = α⃗v + β⃗v ;
(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.
⃗
A.3 Existência de elemento neutro, ou seja, existe um elemento ⃗0 ∈ X, chamado elemento

neutro de V , tal que
⃗v + ⃗0 = ⃗v ,
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.
• Os elementos de V são vetores enquanto que os números reais de escalares.
• 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
Exemplo 3.2. Consideremos o plano R3 e definamos as seguintes operações
+: 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:
S.1 Notemos que

(x1 , y1 , z1 ) + (x2 , y, z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 )
= (x2 + x1 , y2 + y1 , z2 + z1 )
= (x2 , y2 , z2 ) + (x1 , y1 , z1 ) .
Portanto a soma entre vetores é comutativa.
A.2 Temos que
(x1 , y1 , z1 ) + ((x2 , y2 , z2 ) + (x3 , y3 , z3 )) = (x1 , y1 , z1 ) + (x2 + x3 , y2 + y3 , z2 + z3 )

= (x1 + (x2 + x3 ) , y1 + (y2 + y3 ) , z1 + (z2 + z3 ))
= ((x1 + x2 ) + x3 , (y1 + y2 ) + y3 , (z1 + z2 ) + z3 )
= (x1 + x2 , y1 + y, z1 + z2 ) + (x3 , y3 , z3 )
= ((x1 , y1 , z1 ) + (x2 , y2 , z2 )) + (x3 , y3 , z3 ) .
Logo a soma entre vetores é associativa.
A.3 Observemos que, existe (0, 0) ∈ R3 tal que
(x, y, z) + (0, 0) = (x + 0, y + 0, z + 0)
= (x, y, z),
para todo (x, y, z) ∈ R3 . Portanto existe um elemento neutro em R3 .
A.4 Seja (x, y, z) ∈ R3 , então existe o vetor (−x, −y, −z) ∈ R3 , tal que
(x, y, z) + (−x, −y, −z) = (x − x, x − y, z − z)

= (0, 0, 0).
Logo todo vetor de R3 possui elemento oposto.

M.1 Notemos que

α(β(x, y, z)) = α(βx, βy, βz)
= (α(βx), α(βy).α(βz))
= ((αβ)x, (αβ)y, (αβ)z)
= (αβ)(x, y, z).
Portanto, a multiplicação por escalares é associativa.
M.2 Seja (x, , zy) ∈ R3 , como 1 ∈ R, temos que
1 · (x, y, z) = (1 · x, 1 · y, 1 · z)
= (x, y, z),
ou seja, o escalar 1 é o elemento neutro da multiplicação por escalar.
M.3 Notemos que
α ((x1 , y1 , z1 ) + (x2 , y2 , z2 )) = α (x1 + x2 , y1 + y2 , z1 + z2 )

= (α (x1 + x2 ) , α (y1 + y2 ) , α (z1 + z2 ))
= (αx1 + αx2 , αy1 + αy2 , αz1 + αz2 )
= (αx1 , αy1 , αz1 ) + (αx2 , αy2 , αz2 )
= α (x1 , y1 , z1 ) + α (x2 , y2 , z2 ) .
Portanto, vale a distributiva em relação à soma de vetores.
M.4 Notemos que
(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.
Portanto (R3 , +, ·) é um espaço vetorial.
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
+ : Mn×n (R) × Mn×n (R) → Mn×n (R)

(A, B) 7→ A + B = [aij ] + [bij ] = [aij + bij ]
e
· : R × Mn×n (R) → Mn×n (R)
(α, A) 7→ α · A = α [aij ] = [αaij ]
Assim, tomemos A = [aij ] , B = [bij ] , C = [cij ] ∈ Mn×n (R) e α, β ∈ R.
A.1 Notemos que

A + B = [aij ] + [bij ]
= [aij + bij ]
= [bij + aij ] .
= [bij ] + [aij ]
=B+A
Portanto a soma entre matrizes é comutativa.
A.2 Aqui temos que

A + (B + C) = [aij ] + ([bij ] + [cij ])
= [aij ] + [bij + cij ]
= [aij + (bij + cij )]
= [(aij + bij ) + cij ] .

= [aij + bij ] + [cij ]
= ([aij ] + [bij ]) + [cij ]
= (A + B) + C.
Logo a soma entre matrizes é associativa.
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,
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
A + (−A) = [aij ] + [−aij ]

= [aij + (−aij )]
= [0]
= O.
Logo toda matriz A = [aij ] ∈ Mn×n (R), admite matriz oposta que é dada por −A =
[−aij ] ∈ Mn×n (R).
M.1 Notemos que
α(βA) = α (β [aij ])
= α [βaij ]
= [α (βaij )]
= [(αβ) aij ]
= (αβ) [aij ]
= (αβ)A.
Portanto, a multiplicação por escalares é associativa.
M.2 Temos que
1 · A = 1 · [aij ]
= [1 · aij ]
= [aij ]
=A
para toda matriz A = [aij ] ∈ Mn×n (R).
Logo, o escalar 1 é o elemento neutro da multiplicação de uma matriz por um escalar.

3.1 Definições 81
M.3 Notemos que

α (A + B) = α ([aij ] + [bij ])
= α [aij + bij ]
= [α (aij + bij )]
= [αaij + αbij ]
= [αaij ] + [αbij ]
= α [aij ] + α [bij ]
= αA + αB
Portanto, vale a distributiva em relação à soma de matrizes.
M.4 Observemos que

(α + β) A = (α + β) [aij ]
= [(α + β) aij ]
= [αaij + βaij ]
= [αaij ] + [βaij ]
= α [aij ] + β [aij ]
= αA + βA
ou seja, vale a distributiva em relação à soma de escalares.
Portanto (Mn×n (R), +, ·) é um espaço vetorial.
Nosso objetivo é estudar apenas os espaços vetoriais R2 e R3 .
Definição 3.2. Definimos a diferença entre os vetores ⃗u e ⃗v por:
⃗u − ⃗v = ⃗u + (−⃗v ) .
3.1.1 Exercícios
1. Seja V = R2 .
(a) Se definamos a adição sobre V por:
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , 0)
e a multiplicação por escalar dada por:
a(x1 , y1 ) = (ax1 , ay1 ),

para todo a ∈ R. Nestas condições V é um espaço vetorial sobre R? Justifique.

(b) Agora, se considerarmos a adição sobre V por:
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ),
e a multiplicação por escalar dada por:
a(x1 , y1 ) = (ax1 , 0)
para todo a ∈ R. Nestas condições V é um espaço vetorial sobre R? Justifique.
2. Seja V = R2 . Mostre que V não é um espaço vetorial em relação a nenhum dos dois pares
de operações sobre V :
(a) (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) e a(x1 , y1 ) = (x1 , ay1 )

(b) (x1 , y1 ) + (x2 , y2 ) = (x1 , y1 ) e a(x1 , y1 ) = (ax1 , ay1 )
3. Verifique se os subconjuntos de R3 a seguir são espaços vetoriais com a adição e a multipli-

cação por escalar definidas em R3 :
(a) U = {(x, y, z) : y = 1}
(b) V = {(x, y, z) : y = 0}
(c) W = {(x, y, z) : z = x2 }
4. Suponhamos que U e V sejam espaços vetoriais sobre R. Mostre que
U × V = {(u, v) : u ∈ U e v ∈ V }
é um espaço vetorial sobre R com as seguintes operações
(i) (u1 , v1 ) + (u2 , v2 ) = (u1 + u2 , v1 + v2 )

(ii) α(u1 , v1 ) = (αu1 , αv2 )
3.1.2 Algumas Propriedades Importantes

Teorema 3.1. Suponhamos que V seja um espaço vetorial real, que ⃗u ∈ V e α ∈ R.
P.1 O vetor nulo é único.

3.1 Definições 83
P.2 O elemento oposto é único.
P.3 Para todo α ∈ R, temos que α · ⃗0 = ⃗0.
P.4 0 · ⃗u = ⃗0, para todo ⃗u ∈ V .
P.5 Se α · ⃗u = ⃗0 então α = 0 ou ⃗u = ⃗0.
P.6 Para quaisquer ⃗u ∈ V e α ∈ R temos que
(−α) · ⃗u = −α · ⃗u = α · (−⃗u) .
P.7 Para quaisquer α, β ∈ R e ⃗v ∈ V temos que
(α − β) · ⃗v = α · ⃗v − β · ⃗v
P.8 Para quaisquer α ∈ R e ⃗u, ⃗v ∈ V temos que
α · (⃗u − ⃗v ) = α · ⃗u − α · ⃗v .
Demonstração:
P.1 Suponhamos que existam dois vetores nulos, ou seja, que
(∗) ⃗0 é vetor nulo e

(∆) ⃗0′ é vetor nulo,
então
⃗0 (∆) S1 (∗)
= ⃗0 + ⃗0′ = ⃗0′ + ⃗0 = ⃗0′ .
Portanto o vetor nulo é único.
P.2 Consideremos ⃗u ∈ V e suponhamos que
(∗) ⃗v é o elemento oposto de ⃗u e

(∆) ⃗v ′ é o elemento oposto de ⃗u,
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.
P.3 Seja α ∈ R, então

A.3
⃗ ⃗
α·0 = α 0+0⃗
M.3
= α · ⃗0 + α · ⃗0
Agora, somando −α · ⃗0 a ambos os membros da igualdade, segue que
⃗0 = α · ⃗0,
ou seja, α · ⃗0 = ⃗0, para qualquer α ∈ R.
P.4 Notemos que

0 · ⃗u = (0 + 0) · ⃗u
M.4
= 0 · ⃗u + 0 · ⃗u
Somando −0 · ⃗u a ambos os membros da igualdade, segue que
⃗0 = 0 · ⃗u,
assim, 0 · ⃗u = ⃗0, para todo ⃗u ∈ V .
P.5 Consideremos α ∈ R e ⃗u ∈ V tais que α · ⃗u = ⃗0.
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
o que nos leva a ⃗u = ⃗0.
P.6 Notemos que

⃗0 = 0 · ⃗u
= (α + (−α)) · ⃗u
= α · ⃗u + (−α) · ⃗u
Agora, somando −α · ⃗u em ambos os lados da igualdade obtemos
−α · ⃗u = (−α) · ⃗u.
3.1 Definições 85
Além disso,
α · (⃗u + (−⃗u)) = α · ⃗0 = ⃗0,
daí,
α · ⃗u + α · (−⃗u) = ⃗0
o que nos leva a

α · (−⃗u) = −α · ⃗u
P.7 Sejam α, β ∈ R e ⃗v ∈ V , então
(α − β) · ⃗v = (α + (−β)) · ⃗v
M.4
= α · ⃗v + (−β) · ⃗v
P.6
= α · ⃗v − β · ⃗v
P.8 Sejam α ∈ R e ⃗u, ⃗v ∈ V , então
α · (⃗u − ⃗v ) = α · (⃗u + (−⃗v ))

M.3
= α · ⃗u + α · (−⃗v )
P.6
= α · ⃗u − α · ⃗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)
(
(x1 , y1 ) + (x2 , y2 ) = (x2 , y2 )
(f)
λ(x, y) = (λ2 x, λ2 y)
2. Considere V como a união do segundo e terceiro quadrantes do plano xy, ou seja,
V = (x, y) ∈ R2 : x · y ≤ 0 .

Verifique se V é um espaço vetorial com as operações

+: V ×V → V ·: V ×V → V
((x1 , y1 ), (x2 , y2 )) 7→ (x1 + x2 , y1 + y2 ) (λ, (x, y)) 7→ (λx, λy)
3. No espaço vetorial R3 , consideremos os vetores:
⃗u = (1, 2, 1) , ⃗v = (0, 1, 2) , w
⃗ = (1, 1, 0) .
(a) Calcule 2⃗u + ⃗v − 3w.

⃗
⃗u + ⃗x ⃗x − ⃗v
(b) Determine ⃗x ∈ R3 tal que − = vecw.
2 3
(c) Existem a, b ∈ R tais que ⃗u = a⃗v + bw?
⃗
4. No espaço vetorial R3 , sejam dados os vetores
⃗u = (1, 0, −1), ⃗v = (0, 1, −1), w

⃗ = (0, 1, 2).
(a) Calcule 2⃗u + 3⃗v − 4w.

⃗
(b) Existe k ∈ R tal que ⃗u = k⃗v + w?
⃗
(c) Existem k1 , k2 ∈ R tais que ⃗u = k1⃗v + k2 w
⃗?
5. Em R2 consideremos os vetores:
⃗u = (1, 1), ⃗v = (3, −2), ⃗ = (3, −2).

w
(a) Determine ⃗x ∈ R2 tal que

⃗x + ⃗u ⃗v + ⃗x
+ = w.
⃗
2 3
(b) Determine ⃗x, ⃗y , ⃗z ∈ R2 tais que

 ⃗x + ⃗y + ⃗z = ⃗u


2⃗x − ⃗y + ⃗z = ⃗v .

 ⃗x + ⃗y − 2⃗z = w

⃗
3.2 Combinação Linear 87
3.2 Combinação Linear

Definição 3.3. Seja V um espaço vetorial real, ⃗v1 , ⃗v2 , . . . , ⃗vn ∈ V e α1 , α2 , . . . , αn ∈ R. Então
o vetor ⃗v = α1⃗v1 + α2⃗v2 + . . . αn⃗vn é um elemento de V que chamaremos combinação linear de
⃗v1 , . . . , ⃗vn .
O conjunto de todas as combinações lineares possíveis de ⃗v1 , . . . , ⃗vn será indicado por
[⃗v1 , ⃗v2 , . . . , ⃗vn ] , isto é,
[⃗v1 , ⃗v2 , . . . , ⃗vn ] = {α1⃗v1 + α2⃗v2 + . . . + αn⃗vn : αi ∈ R, i = 1, . . . , n}
Observação 3.2. Notemos que:
• O vetor nulo está neste conjunto, bastando tomar todos os αi = 0.
• Cada um dos vetores vi , com i = 1, . . . , n, também pertencem ao conjunto gerado.

De fato, para verificarmos isso basta tomar αi = 1 e αj = 0, para j ̸= i.
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
[⃗v1 , ⃗v2 ] = {α1⃗v1 + α2⃗v2 : α1 , α2 ∈ R}

é o plano que passa pela origem e contém os vetores ⃗v1 e ⃗v2 .

Assim, se ⃗v1 = (1, 0, 0) ∈ R3 e ⃗v2 = (0, 1, 0) ∈ R3 então
[(1, 0, 0)] = {α (1, 0, 0) : α ∈ R}

= {(α, 0, 0) : α ∈ R}
= eixo x ⊂ R3
e
[(1, 0, 0) , (0, 1, 0)] = {x (1, 0, 0) + y (0, 1, 0) : x, y ∈ R}
= {(x, 0, 0) + (0, y, 0) : x, y ∈ R}
= {(x, y, 0) : x, y ∈ R}
= plano xy ⊂ R3
Exemplo 3.7. Seja V = R3 e W = {(x, y, 0) : x, y ∈ R} “plano xy". Assim
W = {x (1, 0, 0) + y (0, 1, 0) : x, y ∈ R} = [(1, 0, 0) , (0, 1, 0)]
isto é, W é gerado pelos vetores (1, 0, 0) e (0, 1, 0).
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
⃗v3 = α⃗v1 + β⃗v2 .
(⊂) Seja ⃗v ∈ [⃗v1 , ⃗v2 , ⃗v3 ], então existem α1 , α2 , α3 ∈ R tais que
⃗v = α1⃗v1 + α2⃗v2 + α3⃗v3

= α1⃗v1 + α2⃗v2 + α3 (α⃗v1 + β⃗v2 )
= α1⃗v1 + α2⃗v2 + α3 α⃗v1 + α3 β⃗v2
= (α1⃗v1 + α3 α⃗v1 ) + (α2⃗v2 + α3 β⃗v2 )
= (α1 + α3 α) ⃗v1 + (α2 + α3 β) ⃗v2 ∈ [⃗v1 , ⃗v2 ]
Portanto [⃗v1 , ⃗v2 , ⃗v3 ] ⊂ [⃗v1 , ⃗v2 ] .

(⊃) Seja v ∈ [⃗v1 , ⃗v2 ], então existem α1 , α2 ∈ 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,
[(1, 0) , (0, 1)] = R2 .
Exemplo 3.10. Sejam V = R2 e S = {⃗e1 , ⃗e2 }, Assim, para todo (x, y) ∈ R2 , temos que
(x, y) = x(1, 0) + y(0, 1) = xe1 + ye2
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,
[(1, 0) , (0, 1)] = R2 .
Exercício 3.2. Considere o subespaço de R4 :
S = [(1, 1, −1) , (1, 2, −2) , (1, 4, −4)]

2
Os vetores ⃗v1 = , 1, −1 e ⃗v2 = (2, 0, −1) estão em S?
3
3.3 Dependência e Independência Linear

Definição 3.4. Suponhamos que V seja um espaço vetorial e que ⃗v1 , ⃗v2 , . . . , ⃗vn ∈ V . Diremos
que o conjunto {⃗v1 , ⃗v2 , . . . , ⃗vn } é linearmente independente (L.I.), ou que os vetores ⃗v1 , . . . , ⃗vn são
linearmente independentes, se
α1⃗v1 + α2⃗v2 + . . . + αn⃗vn = 0 ⇒ α1 = α2 = . . . = αn = 0.
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.).
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
α1⃗v1 + α2⃗v2 + · · · + αn⃗vn = 0
existe pelo menos um αi ̸= 0, suponhamos que seja αn , daí
αn⃗vn = −α1⃗v1 − α2⃗v2 − · · · − αn−1⃗vn−1
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,
ou seja, αn = −1 ̸= 0, portanto {⃗v1 , ⃗v2 , . . . , ⃗vn } é L.I.
Exemplo 3.11. Todo conjunto que contém o vetor nulo é linearmente dependente.
n o
Resolução: Consideremos o conjunto ⃗v1 , ⃗v2 , . . . , ⃗vn , ⃗0 , então
0 = 0⃗v1 + 0⃗v2 + · · · + 0⃗vn ,
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
⃗v1 e ⃗v2 estiverem na mesma reta que

{⃗v1 , ⃗v2 } é linearmente dependente ⇔
passa pela origem, isto é, ⃗v1 = λ⃗v2 .
⃗v1 , ⃗v2 e ⃗v3 estiverem no mesmo

{⃗v1 , ⃗v2 , ⃗v3 } é linearmente dependente ⇔
plano que passa pela origem.
Exemplo 3.13. Sejam V = R2 , e1 = (1, 0) , e2 = (0, 1). O conjunto {e1 , e2 } é L.I.
Com efeito, se
α(1, 0) + β(0, 1) = (0, 0)
então
(α, β) = (0, 0)
o que nos leva a α = β = 0. Portanto {e1 , e2 } é L.I.
Exemplo 3.14. Consideremos V = R3 .
(a) Se e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) . então {e1 , e2 , e3 } é L.I.

De fato, se
α(1, 0, 0) + β(0, 1, 0) + λ(0, 0, 1) = (0, 0, 0)
então
(α, β, λ) = (0, 0, 0)
o que nos leva a α = β = λ = 0. Portanto {e1 , e2 , e3 } é L.I.
(b) {(1, 1, 1) , (1, 2, 2) , (1, 2, 3)} é L.I.

Com efeito, se α(1, 1, 1) + β(1, 2, 2) + λ(1, 2, 3) = (0, 0, 0), então
(0, 0, 0) = (α, α, α) + (β, 2β, 2β) + (λ, 2λ, 3λ)

= (α + β + λ, α + 2β + 2λ, α + 2β + 3λ)
Assim, precisamos resolver o seguinte sistema:



 α +β +λ = 0

α +2β +2λ = 0


α +2β +3λ = 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
o que nos leva a α = β = λ = 0. Portanto {(1, 1, 1) , (1, 2, 2) , (1, 2, 3)} é L.I.

(c) {(1, 1, 1) , (1, 2, 2) , (2, 3, 3)} é L.D.

De fato, podemos observar diretamente que
(2, 3, 3) = (1, 1, 1) + (1, 2, 2).
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
(0, 0, 0) = (α, α, α) + (β, 2β, 2β) + (2λ, 3λ, 3λ)

= (α + β + 2λ, α + 2β + 3λ, α + 2β + 3λ)
Assim, precisamos resolver o seguinte sistema:



 α +β +2λ = 0

α +2β +3λ = 0


α +2β +3λ = 0

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
Portanto {(1, 1, 1) , (1, 2, 2) , (2, 3, 3)} é L.D.
Exemplo 3.15. Seja V = R2 . Conjunto {(1, −1) , (1, 0) , (0, 1)} é L.D. pois,
(1, −1) = 1(1, 0) − 1(0, 1).
Observação 3.4. Suponhamos que ⃗v = β1⃗u1 + . . . + βn⃗un então
0 = ⃗v − ⃗v
= (α1⃗u1 + . . . + αn⃗un ) − (β1⃗u1 + . . . + βn⃗un )
= (α1 − β1 )⃗u1 + . . . + (αn − βn )⃗un
Como S é LI,
αi − βi = 0 ⇔ αi = βi = 0, ∀i
3.3.1 Exercícios
1. Explique, em cada item, porque os vetores abaixo são linearmente dependentes:
(a) u = (8, 6, −10) e v = (−4, −3, 5) em R3 .
(b) u = (6, −2), v = (4, −7) e w = (−4, −5) em R3 .
(c) ⃗u = (3, −4, −2) e ⃗v = (−6, 8, 4) em R3 .
2. Verifique quais dos seguintes conjuntos são linearmente dependentes:
(a) {(1, 1), (2, 2)}.em R2
(b) {(4, −1, 2), (−4, 10, 2)} em R3
(c) {(8, −1, 3), (4, 0, 1)} em R3
(d) {(−3, 0, 4), (5, −1, 2), (1, 1, 3)} em R3
(e) {(1, 1, 1), (1, 0, 1), (1, 0, −2)} em R3
(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
(h) {(0, 0, 2, 2), (3, 3, 0, 0), (1, 1, 0, −1)} 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
3. Suponha que ⃗u, ⃗v e w ⃗ 3 com pontos iniciais na origem. Em cada item,

⃗ sejam vetores em R
determine se os três vetores estão num plano:
(a) ⃗u = (2, −2, 0), ⃗v = (6, 1, 4) e w

⃗ = (2, 0, −4)
⃗ = (4, −1, 2)
(b) ⃗u = (−6, 7, 2), ⃗v = (3, 2, 4) e w
⃗ sejam vetores em R3 com pontos iniciais na origem. Em cada item,

4. Suponha que ⃗u, ⃗v e w
determine se os três vetores estão numa mesma reta:
(a) ⃗u = (−1, 2, 3), ⃗v = (2, −4, −6) e w

⃗ = (−3, 6, 0)
(b) ⃗u = (2, −1, 4), ⃗v = (4, 2, 3) e w

⃗ = (2, 7, −6)
⃗ = (−2, −3, −4)

(c) ⃗u = (4, 6, 8), ⃗v = (2, 3, 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
⃗u = (0, 3, 1, −1), ⃗v = (6, 0, 5, 1), ⃗ = (4, −7, 1, 3)

w
em R4 .
(a) Mostre que ⃗u, ⃗v e w

⃗ são linearmente dependentes.
(b) Expresse cada vetor como uma combinação linear dos outros dois.
7. Mostre que se {⃗u, ⃗v , w}

⃗ for linearmente independente então {⃗u}, {⃗v }, {w},
⃗ {⃗u, ⃗v }, {⃗v , w}
⃗ e
{⃗u, w}
⃗ também são linearmente independentes.
8. Mostre que se {⃗u, ⃗v , w} ⃗ ⃗t} também é linearmente

⃗ for linearmente dependente então {⃗u, ⃗v , w,
dependente, qualquer que seja ⃗t.
⃗ temos que os vetores ⃗u − ⃗v , w

9. Mostre que, para quaisquer vetores ⃗u, ⃗v e w ⃗ − ⃗u e ⃗v − w
⃗ são
linearmente dependentes.
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.
11. Exprima o vetor ⃗x = 1 − 3t − 10t2 , como combinação linear dos vetores
⃗u = (1, 0, 0) p2⃗u = (1, −1, 0), w

⃗ = (2, 3t, 5).
⃗ forma uma base para R3 ?

O conjunto {⃗u, ⃗v , w}
3.4 Base de um Espaço Vetorial

Definição 3.5. Seja V um espaço vetorial, uma base B de V é um subconjunto tal que
i) V = ⟨B⟩
ii) B é linearmente independente.
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.
2. Agora, tomando (x, y) ∈ R2 queremos encontrar α1 , α2 ∈ R tais que

(x, y) = α1 (1, 1) + α2 (0, 1)
daí
(x, y) = (α1 , α1 + +α2 )
o que nos leva ao seguinte sistema
(
α1 = x
α1 + α2 = y
cuja solução é α1 = x e α2 = y − x. Logo [⃗v1 , ⃗v2 ] = R2 .
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
1. {⃗e1 , ⃗e2 , ⃗e3 } é linearmente independente.
2. [⃗e1 , ⃗e2 , ⃗e3 ] = R3 .
Exemplo 3.19. O conjunto {(1, 0, 0) , (0, 1, 0)} não é base de R3 pois não satisfaz a condição (2) .
(Verifique!)
3.4.1 Alguns Resultados Importantes

Teorema 3.3. Suponhamos que V seja um espaço vetorial. Se ⃗v1 , ⃗v2 , . . . , ⃗vn forem vetores não
nulos que geram V , isto é, [⃗v1 , ⃗v2 , . . . , ⃗vn ] = V, então dentre estes vetores podemos extrair uma
base.
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:
• Se {⃗v1 , ⃗v2 , . . . , ⃗vn } for L.I. então já temos uma base.
• 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 ] .
• Se {⃗v1 , ⃗v2 , . . . , ⃗vn−1 } for L.I. então já temos uma base.
• 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.
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 (a11⃗v1 + a12⃗v2 + . . . + a1r⃗vr ) + α2 (a21⃗v1 + a22⃗v2 + . . . + a2r⃗vr ) + . . . +

+ . . . + αm (am1⃗v1 + am2⃗v2 + . . . + amr⃗vr ) = 0
(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

que podemos reescrever do seguinte modo:



 a11 α1 + a21 α2 + · · · + am1 αm = 0


 a α + a α + ··· + a α = 0
12 1 22 2 m2 m


 ······························

a1r α1 + a2r α2 + · · · + amr αm = 0

Assim, chegamos a um sistema homogêneo com r equações e m incógnitas, com m ≥ n ≥ r, o

que nos leva a um S.P.I. Donde segue o resultado.
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.
Demonstração: Suponhamos que B = {⃗v1 , ⃗v2 , . . . , ⃗vn } e B∞ = {w

⃗ 1, w ⃗ m } sejam bases de
⃗ 2, . . . , w
V . Então
• Como [⃗v1 , ⃗v2 , . . . , ⃗vn ] = V e {w

⃗ 1, w ⃗ m } é L.I, pelo Teorema 3.4 segue que m ≤ n.
⃗ 2, . . . , w
• 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.
• V = R3 , B = {(1, 0, 0) , (0, 1, 0) , (0, 0, 1)} é base de R3 , portanto dim R3 = 3.
Neste curso só estudaremos espaços vetoriais de dimensão finita.
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
• [⃗v1 , ⃗v2 , . . . , ⃗vr ] = V e o teorema está provado, com r = n.
• Caso contrário, existe ⃗vr+1 ∈ V tal que ⃗vr+1 ∈

/ [⃗v1 , . . . , ⃗vr ], daí pelo Exercício 3 da primeira
lista segue que {⃗v1,⃗v2 , . . . , ⃗vr , ⃗vr+1 } é L.I.
Daí, se [⃗v1 , . . . , ⃗vr , ⃗vr+1 ] = V , o teorema está provado com r + 1 = n.
• Caso contrário, existirá ⃗vr+2 ∈ V tal que ⃗vr+2 ∈

/ [⃗v1 , . . . , ⃗vr , ⃗vr+1 ] e, novamente usando o
Exercício 3 da primeira lista, segue que {⃗v1 , ⃗v2 , . . . , ⃗vr , ⃗vr+1 , ⃗vr+2 } é L.I. Como a dimensão
de V é finita, o processo termina após um número finito de passos pois pelo Teorema 3.4
não podemos ter mais do que n-vetores L.I.
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!!!
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 .
Exemplo 3.21. Consideremos
V = (x, y, z) ∈ R3 : x + y − z = 0 W = (x, y, z) ∈ R3 : x = y .

Determine uma base de V e W.
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
(0, 0, 0) = α (1, 0, 1) + β (0, 1, 1)

= (α, 0, α) + (0, β, β)
= (α, β, α + β) ,
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 .
Exercício 3.3. Determine uma base de W, em que W é dado por
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 .
Assim, como v = v
α1⃗v1 + α2⃗v2 + . . . + αn⃗vn = β1⃗v1 + β2⃗v2 + . . . + βn⃗vn ,
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.
Definição 3.6. Chamaremos os números α1 , α2 , . . . , αn de coordenadas de v em relação à base B

e denotaremos por [v]B . Assim
 
α1
 
 α2 
v = α1⃗v1 + α2⃗v2 + . . . + αn⃗vn ⇔ [v]B =  .
 
..

 . 

αn
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
Agora ao considerarmos a base B1 = {(1, 1) , (0, 1)} temos que
v = (4, 3) = α1 (1, 1) + α2 (0, 1) ⇒ α1 = 4; α2 = −1
Assim " #
4
[(4, 3)]B1 = .
−1
" #
4
Reciprocamente, dada a base B1 = {(1, 1) , (0, 1)} e se [v]B1 = então
−1
v = 4 (1, 1) + (−1) (0, 1) = (4, 3) .
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.
Exemplo 3.23. Determine as coordenadas do vetor (1, −1, 2) em relação à base:
B = {(1, 0, 1) , (0, 1, 1) , (0, 1, 2)}
Resolução: Queremos encontrar α, β, λ ∈ R tais que
(1, −1, 2) = α (1, 0, 1) + β (0, 1, 1) + λ (0, 1, 2) ,
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
Exemplo 3.24. Determine as coordenadas do polinômio (1, 2, 0, 1) ∈ R4 em relação:
(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:
(i) Notemos que, como
(1, 2, 0, 1) = α(1, 0, 0, 0) + β(0, 1, 0, 0) + γ(0, 0, 1, 0) + λ(0, 0, 0, 1)

(alpha, β, γ, +λ)
implica em α = 1, β = 2, γ = 0 e λ1. Assim

 
1
 
 2 
[(1, 2, 0, 1)]B =  
 0 
 
1
(ii) Notemos que
(1, 2, 0, 1) = α(1, 0, 0, 0) + β(1, 1, 0, 0) + γ(1, 0, −1, 0) + λ(1, 0, 0, −1)

= (α, 0, 0, 0) + (β, β, 0, 0) + (γ, 0, −γ, 0) + (λ, 0, 0, −λ)
= (α + β + γ + λ, β, −γ, −λ)
daí, 

 α +β +γ +λ = 1


 +β =2


 −γ =0

−λ = 1

que, resolvendo nos dá



 λ = −1


 γ=0


 β=2

α = 1 − β − γ − λ = 1 − 2 − 0 − (−1) = 0

Portanto,  
0
 
3
 2 
1 + 2t + t B1 = 
 0


 
−1
Exemplo 3.25. Determine as coordenadas do vetor 1 − 2i ∈ C em relação às seguintes bases de

C sobre R:
(a) B = {1 − i, 1 + i}
(b) B1 = {1, i}
Resolução: Consideremos o vetor 1 − 2i ∈ C.

(a) Como queremos a representação do vetor 1 − 2i em relação à base B = {1 − i, 1 + i},

devemos escrevê-lo como combinação linear dos vetores desta base, assim:
1 − 2i = α(1 − i) + β(1 + i)
= α − αi + β + βi
= (α + β) + (−α + β) i
Deste modo chegamos ao seguinte sistema:

3
 
 α+β =1  α=

⇒ 2
 −α + β = −2  β = −1

2
Portanto  3 
[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
Deste modo chegamos ao seguinte sistema:


 α =1
 β = −2
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}
2. Considere W como sendo o subespaço do exercício anterior e U o subespaço de R4 gerado

por (1, 2, 1, 3) e (3, 1, −1, 4), determine uma base e a dimensão de U + W e U ∩ W .
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 ?
4. Determine uma base e a dimensão do seguinte subespaço de R4
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 .
6. Seja V = R4 e seja W o subespaço gerado por
(1, −5, −4, 2) , (1, 1, −1, 5) , (2, −4, −5, 7) , (1, −7, −5, 1) .
Determine uma base e a dimensão de W .
7. Considere o subespaço W de R4 tal que:
W = [(1, −1, 0, 0), (0, 0, 1, 1), (−2, 2, 1, 1), (1, 0, 0, 0)].
(a) O vetor (−2, −3, 2, 2) ∈ W ? Justifique.

(b) Exiba uma base para W . Qual é a dimensão?
(c) W = R4 ? Por quê?
8. Consideremos os subespaços U = {(x, y, z) ∈ R3 : x = 0} e V = [(1, 2, 0), (3, 1, 2)] de

R3 . Determine uma base e a dimensão dos espaços U , V e U + V . Usando o teorema da
dimensão, ou seja, que dim(U ∩ V ) = dim(U ) + dim(V ) − dim(U + V ). Determine um
vetor não nulo neste espaço e conclua que o fato deste espaço ter dimensão 1 garante que
este vetor gera U ∩ V .
9. Considere W = [(1, 1, 0), (0, −1, 1), (1, 1, 1)]. W = R3 ? Por quê?
10. Verifique quais dos seguintes conjuntos forma uma base de R2 :
(a) {(1, 2), (−1, 3)}

(b) {(3, −6), (−4, 8)}
(c) {(0, 0), (2, 3)}
(d) {(3, −1), (2, 3)}
(e) {(1, k), (k, 4)}
(f) {(2, −1), (−3, 2)}
Determine as coordenadas do vetor v = (x, y) nos itens em que for encontrada uma base.
11. Verifique quais dos seguintes conjuntos forma uma base de R3 :
(a) {(1, 1, −1), (2, −1, 0), (3, 2, 0)}
(b) {(1, 0, 1), (0, −1, 2), (−2, 1, −4)}
(c) {(2, 1, −1), (−1, 0, 1), (0, 0, 1)}
(d) {(1, 2, 3), (4, 1, 2)}
(e) {(0, −1, 2), (2, 1, 3), (−1, 0, 1), (4, −1, −2)}
(f) {(−4, 1, 2), (1, −3, 1)}
(g) {(2, 0, 0), (1, −1, 0), (1, 0, 1)}
(h) {(1, 1, 1), (0, 1, 1), (0, 0, 1)}
(i) {(1, 1, 0), (0, 1, −1), (1, 2, −1)}
Determine as coordenadas do vetor v = (x, y, z) nos itens em que for encontrada uma base.
12. Mostre que B1 é uma base de R4 , em que
B1 = {(2, 3, −1, 0) , (1, −1, 0, −2) , (−3, −2, 1, −1) , (3, −7, −2, 5)} .
13. Mostre que B1 é uma base de R4 , em que
B1 = {(1, 1, 0, 0), (0, 0, 1, 1), (1, 0, 0, 3), (0, 0, 0, 5)}
14. Verifique se o conjunto A é uma base de (R)4 . Justifique.
A = {(0, 0, 0, 1), (3, −1, 2, 0), (−1, 4, −3, 1)}

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 ?
(a) {(1, 2, 3, 0), (6, 0, 0, 1), (6, 8, 6, 4), (1, 2, 1, 1)}

(b) {(1, 0, −1, 0)(0, 1, 0, −1), (0, 0, 1, −1)}
(c) {(0, 2, 1, 0), (0, 0, 5, 3), (0, 1, 0, 1), (0, 0, 0, 4)}
(d) B1 = {(1, 1, 0, 1), (12, 11, 13, −7), (17, 9, 19, 0), (−13, 0, 5, 7), (5, 2, 1, −32)}
(e) B2 = {(−1, 3, 0, 5), (0, 7, 11, 0), (−27, 0, 13, −9)}
(f) B2 = {(3, 5, 2), (0, 0, 0, 0), (0, 7, 7, 0), (−7, 17t, 0, 11)}
Importante: Tente usar a teoria e fazer o mínimo possível de contas.
18. Determine uma base do subespaço W de R4 , em que
W = [(1, −1, 0, 0), (−2, 2, 2, 1), (−1, 1, 2, 1), (0, 0, 4, 2)
19. Determine o vetor coordenada de ⃗v = (x, y) e ⃗u = (6, 2) em relação às seguintes bases:
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 .
(a) Mostre que B1 = {⃗v1 , ⃗v2 , ⃗v3 } é uma base de R3 .

(b) Escreva os vetores e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1) como combinação

linear dos vetores da base B1 .
23. Determine uma base e a dimensão para cada um dos seguintes subespaços vetoriais de R3 :
(a) {(x, y, z) ∈ R3 : y = 3x}

(b) {(x, y, z) ∈ R3 : y = 5x e z = 0}
(c) {(x, y, z) ∈ R3 : x + y = 0}
(d) {(x, y, z) ∈ R3 : x = 3y e z = −y}
(e) {(x, y, z) ∈ R3 : 2x − y + 3z = 0}
(f) {(x, y, z) ∈ R3 : z = 0}
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

 x + 2y − 2z + t = 0


(e) 2x + 2y − 4z + 2t = 0


 x + 2y + z = 0
26. Considere o sistema linear


2
 2x1 + 4x −

 6x3 = a
(∗) x1 − x2 + 4x3 = b

6x2 − 14x3 = c


Seja = {(x, y, z) ∈ R3 : (x, y, z) é solução de (∗)}. Isto é, W é o conjunto solução do

sistema.
(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.
28. Considere os subespaços de R4 :
W1 = {(x.y.z.t) ∈ R4 : x + y = 0 e z − t = 0}, W2 = {(x.y.z.t) ∈ R4 : x − y − z + t = 0}.
(a) Exiba uma base para W1 ∩ W2 .

(b) Exiba uma base para W1 + W2 .
(c) W1 + W2 = R4 ?
29. Considere os seguintes subespaços de M2×2 (R):
W1 = (x.y.z.t) ∈ R4 : x = t e y = z

W1 = (x.y.z.t) ∈ R4 : x = z e y = t

(a) Determine uma base para W1 ∩ W2 .

(b) Exiba uma base para W1 + W2 .
(c) W1 + W2 = M2 (R)?
30. Dado o espaço U = {(x, y, z) ∈ R3 : x + 2y + z = 0} determine um espaço vetorial W

tal que U ⊕ W = R3 . Dê exemplos de dois subespaços de dimensão dois de R3 tais que
U + W = R3 . A soma é direta?
31. Determine a base e a dimensão de cada um dos seguintes subespaços:
(a) U = {(x, y) ∈ R2 : x − 2y = 0}
(b) U = {(x, y, z) ∈ R3 : x + y − 2z = 0}.
(c) [(1, −1, 1), (1, 1, −3), (0, −1, 1)]
(d) U = {(x, y, z) ∈ R3 : x + 2y + z = 0 e x − 3y + 2z = 0}.
(e) [(1, 4, −2, 3), (3, −6, 0, 3), (−3, 4, 2, 1)]
(f) U = {(x, y, z, w) ∈ R4 : x + y + z − w = 0 e x + 2y + 2z = 0}.
32. Considere os seguintes subespaços U e W de V e determine uma base de

(i)U (ii) W (iii) U + W (iv) U ∩ W
(a) V = R4 , U = {(0, 1, −1, 1) , (1, 0, 1, 0) , (1, 1, 0, −1)} e

W = {(0, 1, 0, 0) , (1, 0, 0, 0) , (1, −1, 0, 0)}.
(b) V = R4 , U = {(0, 1, −1, 1), (1, 0, 1, 0), (1, −2, 0, 1)} e

W = {(0, −1, 0, 0), (1, 0, 0, 0), (1, −2, −1, 1)}.
(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}.
33. Considere em R3 o seguinte conjunto B = {(1, 1, 0), (1, 0, −1)}.
(a) Mostre que o vetor ⃗u = (0, 1, 1) é combinação linear dos elementos de B.
⃗ = (0, 1, 0) é combinação linear dos elementos de B.

(b) Mostre que o vetor w
(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)}
(a) Expresse o vetor ⃗u = (1, 1, 1) como combinação linear dos vetores de B.
(b) Prove que B é uma base de R3 .
(c) Determine [⃗v ]B .

h it
⃗ ∈ R3 tal que [w]
(d) Determine w ⃗B= 2 −1 1 .
36. Considere os seguintes conjuntos de R4 :
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}
W3 = [(0, 1, −1, 1) , (1, 0, 1, 0) , (1, 1, 0, −1) , (4, 2, 2, −2)]
(a) Quais dos conjuntos são subespaços de R4 ? Justifique.
(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).
(d) A soma é direta? Justifique.
3.5 Mudança de Base

Suponhamos que B1 = {⃗u1 , ⃗u2 , . . . , ⃗un } e B2 = {w
⃗ 1, w ⃗ n } sejam bases ordenadas de um
⃗ 2, . . . , w
espaço vetorial V. Dado o vetor ⃗v ∈ V podemos escrevê-lo como
(1) ⃗v = α1⃗u1 + α2⃗u2 + . . . + αn⃗un
e
(2) ⃗v = γ1 w
⃗ 1 + γ2 w
⃗ 2 + . . . + γn w
⃗n

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
Como B1 é base de V então podemos escrever os w

⃗ i , i = 1, . . . , n ∈ B2 como combinação
linear de ⃗uj , isto é,


 w
⃗ 1 = a11⃗u1 + a12⃗u2 + . . . + a1n⃗un


 w
⃗ 2 = a21⃗u1 + a22⃗u2 + . . . + a2n⃗un
(∗)


 ..................

w
⃗ n = an1⃗u1 + an2⃗u2 + . . . + ann⃗un

Substituindo (∗) em (2) obtemos
⃗v = γ1 (a11⃗u1 + . . . + a1n⃗un ) + γ2 (a21⃗u1 + . . . + a2n⃗un ) + . . . + γn (an1⃗u1 + . . . + ann + ⃗un )
Agrupando os termos em ⃗u1 , ⃗u2 , . . . , ⃗un obtemos
⃗v = (a11 γ1 + a21 γ2 + . . . + an1 γn ) ⃗u1 +

+ (a12 γ1 + a22 γ2 + . . . + an2 γn ) ⃗u2 +
+... + (a1n γ1 + a2n γ2 + . . . + ann γn ) ⃗un
e de (1), como as coordenadas de ⃗v em relação a uma base são únicas, temos



 α1 = a11 γ1 + a21 γ2 + . . . + an1 γn


 α = a γ + a γ + ... + a γ
2 12 1 22 2 n2 n


 ..................

αn = a1n γ1 + a2n γ2 + . . . + ann γn

ou na notação matricial:
     
α1 a11 a21 . . . an1 γ1
     
 α2   a12 a22 . . . an2   γ2 
=
     
 .. .. .. .. ..  
 .. 

 .  
  . . . .  
 . 

αn a1n a2n . . . ann γn
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,
⃗ 1 = (1, 0) = a11 (2, −1) + a12 (3, 4)

w
⃗ 2 = (0, 1) = a21 (2, −1) + a22 (3, 4)
w
Observe que isso nos leva a dois sistemas a serem resolvidos:

 
 2a11 + 3a12 = 1  2a21 + 3a22 = 0
e
 −a11 + 4a12 = 0  −a21 + 4a22 = 1
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
(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
Com isso temos que

" # " #
2 3
[(2, −1)]B2 = e [(3, 4)]B2 =
−1 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:
(5, −8) = α1 (2, −1) + α2 (3, 4) ⇒ α1 = 4; α2 = −1
A fórmula de mudançade base

será importante mais adiante.
−1
Propriedade [I]BB12 = [I]BB21
Exemplo 3.27. Consideremos em R2 a base canônica B1 = {e1 , e2 } e a base B2 = {f1 , f2 } obtida

da base B1 pela notação de um ângulo θ (sentido anti-horário). Seja v ∈ R2 .
" # " #
y1 x1
(a) Se [v]B2 = calcule [v]B1 = (v = y1 f1 + y2 f2 = x1 e1 + x2 e2 )
y2 x2
" # " #
x1 y1
(b) Se [v]B1 = calcule [v]B2 =
x2 y2
Resolução:
(a) [v]B1 = [I]BB21 [v]B2

(
f1 = cos θe1 + sen θe2
f2 = −sen θe1 + cos θe2
" # " # " #

x1 cos θ −sen θ y1
=
x2 sen θ cos θ y2
(b) [v]B2 = [I]BB12 [v]B1
(
e1 = cos θf1 − sen θf2
e2 = sen θf1 + cos θf2
Portanto, " # " # " #

y1 cos θ sen θ x1
=
y2 −sen θ cos θ x2
Exemplo 3: Qual é a matriz de mudança da base B1 = {1, t} para a base B2 = {1, 1 + t} em
P1 (R) .
Resolução:
1 = α1 .1 + α2 (1 + t) ⇒ 1 + 0t = (α1 + α2 ) + α2 t
t = γ1 .1 + γ2 (1 + t) ⇒ 0 + 1t = (γ1 + γ2 ) + γ2 t
Pelo Princípio da Igualdade de Polinômios temos que
( (
α1 + α2 = 1 α1 = 1 γ1 + γ2 = 0 γ1 = −1
α2 = 0 α2 = 0 γ2 = 1 γ2 = 1
" #
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.
(b) Calcule as coordenadas de ⃗u = [(1, 1, 3)]B em relação à base B.
2. Sejam B = {⃗e1 , ⃗e2 , ⃗e3 } e B ′ = {⃗u, ⃗v , w}

⃗ duas bases.Sabendo que (1,
 0, 1)B = (1, 2, 1)B′ e
−1 1 x
′
 
que a matriz de mudança da base B para a base B é   2 −1 y . Determine x, y, z.

2 0 z
3. Sejam B = {⃗e1 , ⃗e2 , ⃗e3 } e B ′ = {⃗u, ⃗v , w}

⃗ duas bases. Sabendo que [⃗v ]B= (−2, 1, 7) e que

x −8 1
′
 
[⃗v ]B′ = (3, −2, 1), e que a matriz de mudança da base B para a base B é  −2 y −1 

.
−2 3 z
Determine x, y, z.
4. Considere as bases B = {⃗a, ⃗b, ⃗c} e B ′ = {⃗u, ⃗v , w}.

⃗ Suponha que ⃗u = (2, 1, 0)B , ⃗v =
⃗ = (0, 1, −2)B e que ⃗a = −2⃗u + 3⃗v − w.
(1, 1, 2)B , w ⃗ Expresse o vetor a em função dos
vetores da base B ′ . Escreva a matriz de mudança da base B para a base B ′ .
5. Considere as bases B = {⃗a, ⃗b, ⃗c} e B ′ = {⃗u, ⃗v , w}.

⃗ Suponha que ⃗u = (1, −1, −1)B , ⃗v =
⃗ = (3, 0, 1)B e que [⃗a]B = −2⃗u + ⃗v − 7w.
(0, 2, 3)B , w ⃗ Determine as matrizes mudança de
base de B para a base B ′ e da base B ′ 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 ′ .
⃗ 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 .
12. Considere as duas bases a seguir de R2 :
B1 = {(1, 2), (3, 5)} B2 = {(1, 0), (0, 1)}
Determine a matriz mudança da base B1 para B2 e a matriz mudança da base B2 para B1 .

Seja ⃗v = (x, y), encontre [⃗v ]B1 e [v]B2 .
13. Seja v = (x, y, z) um vetor qualquer. Considere as duas bases a seguir de R2 :
B1 = {(1, −3), (3, −8)} B2 = {(2, 3), (4, 5)}
(a) Determine [v]B1 e [⃗v ]B2 .

(b) Determine a matriz mudança da base B1 para B2 .
(c) Determine e a matriz mudança da base B2 para B1 .
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 .
15. Considere as duas bases a seguir de R2 :
B1 = {(1, −2), (3, −4)} B2 = {(1, 3), (3, 8)}
(a) Encontre as coordenadas de um vetor arbitrário ⃗v = (x, y) em relação à base B1 .

(c) Encontre as coordenadas de um vetor arbitrário ⃗v = (x, y) em relação à base B2 .
(d) Determine a matriz mudança da base B2 para B1 .
−1
(e) Verifique que [I]BB21 = [I]BB12 .
(f) Mostre que [I]BB21 [⃗v ]B2 = [⃗v ]B1 , para qualquer vetor ⃗v = (x, y).
(g) Mostre que [I]BB12 [⃗v ]B1 = [⃗v ]B2 , para qualquer vetor ⃗v = (x, y).
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 .
17. Seja ⃗v = (x, y, z) um vetor qualquer. Considere as duas bases a seguir de R3 :
B1 = {(1, 1, 0), (0, 1, 2), (0, 1, 1)} B2 = {(1, 0, 1), (1, 1, 0), (0, 1, 1)}.

18. Seja ⃗v = (x, y, z) um vetor qualquer. Considere as duas bases a seguir de R3 :
B1 = {(1, 0, 1), (1, 1, 2), (1, 2, 4)} B2 = {(1, 2, 1), (1, 3, 4), (2, 5, 6)}

√ √
19. Sejam B = {(1, 0), (0, 1)}, B1 = {(−1, 1), (1, 1)}, B2 = {( 3, 1), ( 3, −1)},
B4 = {(2, 0), (0, 2)}, B5 = {(−1, 0), (1, 1)}, B6 = {(−1, −1), (0, −1)}, B7 = {(1, 0), (0, 2)}.
(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.
20. Considere o seguinte subespaço vetorial de R4 :
U = (, y, z, t) ∈ R4 : x − y − z = 0

(a) Mostre que os seguintes subconjuntos de M2 (R) são bases de U :
B1 = {(1, 1, 0, 0) , (1, 0, 1, 0) , (0, 0, 0, 1)} ,
B2 = {(1, 0, 1, 0) , (0, −1, 1, 0) , (0, 0, 0, 1)}
(b) Determine a matriz mudança de base de B1 para B2 e de B2 para B1 .

(c) Determine uma base B3 tal que a matriz mudança de base de B3 para B1 seja:
 
1 1 0
 
 0 0 2 .
 
0 3 1
21. Considere as seguintes bases de R3 :
B1 = {(−3, 0, −3), (−3, 2, −1), (1, 6, −1)}, B1 = {(−6, −6, 0), (−2, −6, 4), (−2, −3, 7)}
Determine [I]BB21 e [I]BB12 .
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 .
B1 = {(−1, 1, 0, 0) , (1, 1, 0, 0) , (0, 0, 1, 0) , (0, 0, 0, 1)}
B1 = {(−1, 1, 0, 0) , (1, 1, 0, 0) , (0, 0, 1, 0) , (0, 0, 0, 1)}
Determine:
(a) [⃗v ]B1 (b) [⃗v ]B2 (c) [M ]BB21 (d) [M ]BB12
Mostre que [M ]BB21 · [M ]BB12 = I3 .
B1 = {(1, 2, 1), (−1, 1, 1), (2, 3, 1)} B2 = {(1, 2, −1), (2, 3, 1), (1, 1, 1)}
(a) Determine [(x, y, z)]B1 .

(b) Determine [(x, y, z)]B2 .
(c) Determine a matriz mudança de base de B1 para B2 .
(d) Determine a matriz mudança de base de B2 para B1 .
 
2 2 3
 
(e) Determine uma base B3 tal que a matriz mudança de base de B3 para B1 seja 
 .
3 −1 2 
−1 5 2
 
2 2 3
 
(f) Determine uma base B4 tal que a matriz mudança de base de B2 para B4 seja 
 .
3 −1 2 
−1 5 2
B1 = {(1, 3, 2), (1, 1, −1), (1, 2, 1)} B2 = {(1, 1, 1), (1, 2, −1), (2, 3, 1), }
(a) Determine [(x, y, z)]B1 .

(b) Determine [(x, y, z)]B2 .
(c) Determine a matriz mudança de base de B1 para B2 .
(d) Determine a matriz mudança de base de B2 para B1 .
 
1 −1 2
 
(e) Determine uma base B3 tal que a matriz mudança de base de B1 para B3 seja 
 2 .
1 3 
1 1 1
C APÍTULO
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
deste modo, se não tivermos nenhuma coordenada nula, devemos ter:
x1 y1
= = k.
x2 y2
121
122 Capítulo 4 — Produtos
4.1.1 Produto Escalar

Definição 4.3 (Produto Escalar). Definimos o produto escalar (ou produto interno) de dois vetores
⃗u = (x1 , y1 ) e ⃗v = (x2 , y2 ), representado por ⃗u •⃗v , como sendo o número real ⃗u •⃗v = x1 ·x2 +y1 ·y2 .
O produto escalar também é indicado por ⟨⃗u, ⃗v ⟩ e lemos ’⃗u escalar ⃗v .
Teorema 4.1 (Propriedades do Produto Escalar). Considere os vetores ⃗u = (x1 , y1 ), ⃗v = (x2 , y2 )

⃗ = (x3 , y3 ), e o escalar m ∈ R. Então
ew
1. ⃗u • ⃗u > 0, sempre que ⃗u ̸= ⃗0.
2. ⃗u • ⃗u = 0 se, e somente se, ⃗u = ⃗0.
3. Vale a comutativa, isto é:

⃗u • ⃗v = ⃗v • ⃗u.
4. Vale a distributiva, isto é:

⃗u • (⃗v + w)
⃗ = ⃗u • ⃗v + ⃗u • w.
⃗
5. Associatividade da seguinte forma:
(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
Observação 4.3 (Versor de um vetor). Consideremos o vetor ⃗v = (2, −1). Se chamarmos de ⃗u o

seu versor, temos que:
⃗v
⃗u =
|⃗v |
e, como
p √ √
|⃗v | = 22 + (−1)2 = 4 + 1 = 5
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 .
Definimos o ângulo entre dois vetores ⃗u e ⃗v por

⃗u • ⃗v
cos(θ) =
|⃗u| · |⃗v |
Ângulos Diretores e Cossenos Diretores de um vetor Consideremos o vetor ⃗v = x⃗i+y⃗j. Os ân-

gulos diretores de ⃗v são os ângulos α e β que o vetor ⃗v forma com os vetores ⃗i e ⃗j, respectivamente.
Assim, os cossenos diretores desse vetor serão dados por:
x y
cos(α) = cos(β) =
|⃗v | |⃗v |
Definimos a projeção do vetor ⃗u sobre o vetor ⃗v por

⃗u • ⃗v
⃗v ⃗
u= · ⃗v
|⃗v |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 .
Exemplo 4.1. Observe que:
⃗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)
2. ⃗v = ⃗i − ⃗j = (1, −1, 0)
⃗ = 2⃗j − ⃗k = (0, 2, −1)

3. w
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.
Definição 4.5 (Condição de Paralelismo). Dados dois vetores ⃗u = (x1 , y1 , z1 ) e ⃗v = (x2 , y2 , z2 ),

diremos que eles são colineares ou paralelos se existir uma constante k tal que ⃗u = k⃗v .
Observação 4.6. Do mesmo modo, se ⃗u e ⃗v forem vetores de R3 , ⃗u = (x1 , y1 , z1 ) e ⃗v = (x2 , y2 , z2 ),

para que eles sejam paralelos é necessário que:

 x1 = kx2


(x1 , y1 , z1 ) = k(x2 , y2 , z2 ) ⇒ (x1 , y1 , z1 ) = (kx2 , ky2 , kz2 ) ⇒ y1 = ky2


 z = kz
1 2
deste modo, se não tivermos nenhuma coordenada nula, devemos ter:

x1 y1 z1
= = = k.
x2 y2 z2
Exemplo 4.2. Considere os vetores ⃗u = (−1, 3, 2) e ⃗v = (2, −6, −4) são paralelos?
Resolução: Note que

−1 3 2 1
= = =−
2 −6 −4 2
1
assim, temos que k = − , ou seja
2
1
⃗u = − ⃗v .
2
4.3 Produto Escalar

Definição 4.6 (Produto Escalar). Definimos o produto escalar (ou produto interno) de dois vetores
⃗u = (x1 , y1 , z1 ) e ⃗v = (x2 , y2 , z2 ), representado por ⃗u • ⃗v , como sendo o número real ⃗u • ⃗v =
x1 · x2 + y1 · y2 + z1 · z2 . O produto escalar também é indicado por ⟨⃗u, ⃗v ⟩ e lemos ’⃗u escalar ⃗v .
4.3 Produto Escalar 125
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
1. ⃗u • ⃗u > 0, sempre que ⃗u ̸= ⃗0.
2. ⃗u • ⃗u = 0 se, e somente se, ⃗u = ⃗0.
3. Vale a comutativa, isto é:

⃗u • ⃗v = ⃗v • ⃗u.

⃗u • (⃗v + w)
⃗ = ⃗u • ⃗v + ⃗u • w.
⃗
(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
Exemplo 4.4. Seja ⃗v = (π, 1, −2) então

p
|⃗v | = (π)2 + (1)2 + (−2)2
√
= π2 + 1 + 4
√
= π2 + 5
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
Definição 4.7. Definimos o ângulo entre dois vetores ⃗u e ⃗v por

⃗u • ⃗v
cos(θ) = .
|⃗u| · |⃗v |
Exemplo 4.5. Calcular o ângulo entre os vetores ⃗u = (1, 1, 4) e ⃗v = (3, 5, 4).
Resolução: Temos que

⃗u • ⃗v
cos(θ) =
|⃗u| · |⃗v |
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.

→
AB = B − A
= (4, 0, m) − (3, 1, −2)
= (4 − 3, 0 − 1, m − (−2))
= (1, −1, m + 2)
Como
→
⃗v · AB = (2, 1, −1) • (1, −1, m + 2)
= 2 · 1 + 1 · (−1) + (−1) · (m + 2)
=2−1−m−2
= −m − 1
e
p √ √
|⃗v | = 22 + 12 + (−1)2 = 4+1+1= 6
e
→ p √ √
AB = 12 + (−1)2 + (m + 2)2 = 1 + 1 + m2 + 4m + 4 = m2 + 4m + 6
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

6m2 + 24m + 36 = 4m2 + 8m + 4

6m2 − 4m2 + 24m − 8m + 36 − 4 = 0
2m2 + 16m + 32 = 0
2 m2 + 8m + 16 = 0

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.
Exemplo 4.8. Determine o vetor que seja ortogonal aos vetores ⃗u = (1, −1, 0) e ⃗v = (1, 0, 1).
Resolução: Como queremos um vetor w

⃗ = (x, y, z) que seja ortogonal aos vetores ⃗u e ⃗v , devemos
ter:
⃗ • ⃗u = 0
w ⃗ • ⃗v = 0
w
Assim, devemos ter:
(x, y, z) • (1, −1, 0) = 0 (x, y, z) • (1, 0, 1) = 0
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.
Definição 4.8 (Ângulos Diretores e Cossenos Diretores de um vetor). Consideremos o vetor ⃗v =

x⃗i + y⃗j. Os ângulos diretores de ⃗v são os ângulos α, β e γ que o vetor ⃗v forma com os vetores ⃗i, ⃗j
e ⃗k, respectivamente. Assim, os cossenos diretores desse vetor serão dados por:
x y z
cos(α) = cos(β) = cos(γ) =
|⃗v | |⃗v | |⃗v |
Exemplo 4.9. Dados os pontos A(−1, 2, 2) e B(2, 2, −3), calcular os cossenos diretores e os
→
ângulos diretores do vetor AB.
→
Resolução: Note que o vetor AB é dado por:
→
AB= B − A = (2, 2, −1) − (−1, 2, 2) = (2 − (−1), 2 − 2, −1 − 2) = (3, 0, −3)
→
Para facilitar os cálculos, primeiramente calcularemos a norma do vetor AB:
→ p √ √ √
AB = |(3, 0, −3)| = 32 + 02 + (−3)2 = 9+0+9= 18 = 3 2
Agora, já podemos calcular os cossenos diretores:

√ √
3 x
1 1 2 2
cos (α) = → = √ = √ = √ · √ =
AB 3 2 2 2 2 2
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
⃗u • ⃗v = (2, 3, 4) • (1, −1, 0) = 2 · 1 + 3 · (−1) + 4 · 0 = 2 − 3 + 0 = −1
e
2
|⃗v |2 = |(1, −1, 0)|2 =
p
12 + (−1)2 + 02 = 1 + 1 + 0 = 2
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).
1. Mostre que o triângulo ABC é retângulo em A.
2. Calcule a medida da projeção do cateto AB sobre a hipotenusa BC.
3. Determinar o pé da altura do triângulo relativa ao vértice A.
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
Portanto o triângulo ABC é retângulo em A.
2. Para calcularmos a medida da projeção do cateto AB sobre a hipotenusa BC devemos fazer

Como  
→ →
→  BA • BC  →
→ BC=  → 2 
· BC .
BA
BC
→
Agora, como já sabemos que AB= (−2, −2, 0), segue que
→
BA= −(−2, −2, 0) = (2, 2, 0)
precisamos apenas calcular:

→
BC= C − B = (2, 1, 2) − (−1, 0, −1) = (2 − (−1), 1 − 0, 2 − (−1)) = (3, 1, 3)
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
4.4 Produto Vetorial

Para definirmos o produto vetorial entre vetores é necessário que os vetores pertençam a R3 .
Definição 4.10 (Produto Vetorial). Dados os vetores ⃗u = (x1 , y1 , z1 ) e ⃗v = (x2 , y2 , z2 ), represen-

tado por ⃗u × ⃗v , como sendo o vetor
⃗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 ”.
Observação 4.10. Segue diretamente da definição acima que: Note que
⃗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.
⃗u = 5⃗i + 4⃗j + 3⃗k = (5, 4, 3) ⃗v = ⃗i + ⃗k = (1, 0, 1)
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)
Exemplo 4.13. No exemplo anterior, se trocarmos a ordem dos vetores ⃗u e ⃗v , teremos
⃗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)
Deste modo, os vetores ⃗u × ⃗v e ⃗v × ⃗u são opostos, isto é,
⃗u × ⃗v = −⃗v × ⃗u
Assim o produto vetorial NÃO É comutativo.
Teorema 4.3 (Propriedades do Produto Vetorial). Considere os vetores ⃗u = (x1 , y1 , z1 ), ⃗v =

⃗ = (x3 , y3 , z3 ), e o escalar m ∈ R. Então
(x2 , y2 , z2 ) e w
1. ⃗u × ⃗u = ⃗0.
2. ⃗u × ⃗v = −⃗v × ⃗u.
⃗u × (⃗v + w)
⃗ = ⃗u × ⃗v + ⃗u × w.
⃗
m · (⃗u × ⃗v ) = (m · ⃗u) × ⃗v .
5. ⃗u × ⃗v = ⃗0 se, e somente se, um dos vetores for o vetor nulo ou se ⃗u e ⃗v forem colineares.
6. O vetor ⃗u × ⃗v é simultaneamente ortogonal aos vetores ⃗u e ⃗v .
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 |
8. O produto vetorial não é associativo! Em geral temos:
⃗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).
Resolução: Podemos determinar o vetor p⃗ = (x, y, z) , ortogonal aos vetores ⃗u e ⃗v , utilizando o

produto vetorial:
⃗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)
⃗ = (1, 1, −1), que é diferente

Observação 4.11. Note que anteriormente havíamos encontrado w
do vetor p⃗ = (−1, −1, 1) encontrado neste exercício. Isto ocorreu pois, no primeiro exemplo,
chegamos a um Sistema Possível e Indeterminado, ou seja, ele possuía infinitas soluções, isto é,
para cada valor de x tomado, obtínhamos valores diferentes para y e z. Um outro fato importante
é que todos os vetores simultaneamente perpendiculares aos vetores ⃗u e ⃗v devem ser paralelos ao
vetor ⃗u × ⃗v , ou seja, se ⃗q for um vetor perpendicular aos vetores ⃗u e ⃗v teremos, necessariamente,
que
⃗q = k (⃗u × ⃗v )
Exemplo 4.15. Determine um vetor unitário que seja simultaneamente ortogonal aos vetores ⃗u =
(2, −6, 3) e ⃗v = (4, 3, 1).
Resolução: Podemos determinar o vetor p⃗ = (x, y, z) , ortogonal aos vetores ⃗u e ⃗v , utilizando o

produto vetorial:
⃗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
Como queremos determinar o versor do vetor p⃗, queremos:

p⃗ 1 15 10 30 3 2 6
= (−15, 10, 30) = − , , = − , , .
|⃗p| 35 35 35 35 7 7 7
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:
Figura 4.1: Área do Paralelogramo
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.
3⃗u = 3(1, 2, −1) = (3 · 1, 3 · 2, 3 · (−1)) = (3, 6, −3)
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
4.5 Produto Misto

Como o produto misto depende do produto vetorial, também só se trabalha com vetores pertençam
a R3 .
Definição 4.11 (Produto Misto). Dados os vetores ⃗u = (x1 , y1 , z1 ), ⃗v = (x2 , y2 , z2 ) e w

⃗ =
(x3 , y3 , z3 ), tomados nesta ordem, definimos o produto misto dos vetores ⃗u, ⃗v e w,
⃗ ao número
real ⃗u • (⃗v × w).
⃗ Indicamos o produto misto por
⃗u • (⃗v × w)
⃗ = (⃗u, ⃗v , w)
⃗
Também podemos calcular o produto misto utilizando o seguinte determinante:
x1 y1 z1
⃗u × ⃗v = x2 y2 z2
x3 y3 z3
Teorema 4.5 (Propriedades do Produto Misto). Considere os vetores ⃗u = (x1 , y1 , z1 ), ⃗v = (x2 , y2 , z2 ),

⃗ = (x3 , y3 , z3 ) e p⃗ = (x4 , y4 , z4 ), e o escalar m ∈ R. Então
w
1. (⃗u, ⃗v , w)
⃗ = 0, se:
• um dos vetores for nulo;

• dois vetores forem colineares;
• três vetores forem coplanares.
2. O produto misto independe da ordem circular dos vetores, isto é:
(⃗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) ⃗
Exemplo 4.18. Verifique se os vetores ⃗u = (3, −1, 4), ⃗v = (1, 0, −1) e w

⃗ = (2, −1, 0) são
coplanares.
4.5 Produto Misto 139
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
Portanto os vetores ⃗u,

vecv e w
⃗ não são coplanares.
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
Portanto devemos ter m = 3 para que os vetores ⃗a,

vecb e ⃗c sejam coplanares.
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.
Resolução: Como queremos verificar se os pontos A, B, C e D são coplanares, podemos fixar um

ponto, por exemplo o ponto A e, a partir dele construir os vetores, isto é:
→
AB= B − A = (−1, 0, −2) − (1, 2, 4) = (−1 − 1, 0 − 2, −2 − 4) = (−2, −2, −6)
→
AC= C − A = (0, , 2, 2) − (1, 2, 4) = (0 − 1, 2 − 2, 2 − 4) = (−1, 0, −2)
→
AD= D − A = (−2, 1, −3) − (1, 2, 4) = (−2 − 1, 1 − 2, 3 − 4) = (−3, −1, −1)
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
5.1 Equações da reta
5.1.1 Equação vetorial da reta

Seja r uma reta que passa pelo ponto A(x1 , y1 , z1 ) e tem direção do vetor ⃗v = (a, b, c). Para que
−→
um ponto P (x, y, z) do espaço R3 pertença a reta r, é necessário e suficiente que os vetores AP e
⃗v sejam colineares, isto é, paralelos. Assim
−→ −→
⃗v = t · AP ou AP = t · ⃗v
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
(x, y, z) = (x1 , y1 , z1 ) + t(a, b, c)
Assim a seguinte definição:
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
este ponto na equação

(x, y, z) = (−5, 3, 0) + t(2, −1, 2)
obtemos

 −5 + 2t = −1


(−1, 1, 4) = (−5 + 2t, 3 − t, 0 + 2t) ⇒ 3−t =1


 2t =4
Portanto chegamos a t = 2.
5.1.2 Equação paramétrica da reta

Seja P (x, y, z) um ponto qualquer e A(x1 , y1 , z1 ) um ponto dado da reta r, e ⃗v = a⃗i + b⃗j + c⃗k um
vetor de mesma direção que r.
Da equação vetorial da reta r temos que
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)
Portanto temos que


 x = x1 + at,


r: y = y1 + bt,


 z = z + ct
1
Definição 5.2 (Equação paramétrica da reta). As equações r


 x = x1 + at,


r: y = y1 + bt,


 z = z + ct
1
nas quais a, b e c não são todos nulos, são denominadas equações paramétricas da reta r quando t
varia de −∞ a +∞.
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

Portanto o ponto Q(8, 5, −5) é um ponto da reta r.
Pergunta: Será que o ponto (0, 3, 4) pertence à reta r? Note que


 0 = −1 + 2t,


r: 3 = 2 + t,

 4 = 1 − 2t

para a primeira equação obtemos

1
t=
2
para a segunda:
t = −1
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.
5.1.3 Reta definida por dois pontos

Definição 5.3 (Reta Definida por Dois Pontos). A reta definida pelos pontos A = (x1 , y1 , z1 ) e
B = (x2 , y2 , z2 ) é a reta que passa pelo ponto A (ou B) e tem direção do vetor ⃗v = AB⃗ =
(x2 − x1 , y2 − y1 , z2 − z1 ).
5.1.4 Equação Reduzida da Reta

b
Definição 5.4 (Equação Reduzida da Reta). As equações y = mx+n e z = px+q em que m = ,
a
−b c −c
n= x1 + y 1 , p = e q = x1 + z1 são conhecidas como equações reduzidas da reta que
a a a
passa pelos pontos A = (x1 , y1 , z1 ) e tem direção do vetor ⃗v = (a, b, c).
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.
Resolução 1: Note que

→
AB= B − A = (4, 0, −2) − (2, 1, −3) = (4 − 2, 0 − 1, −2 − (−3)) = (2, −1, 1)
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
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
Observação 5.1. (1) Nas equações reduzidas da reta

(
y = mx + n
z = px + q
a variável x é chamada variável independente.
(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
(3) Das equações reduzidas

(
y = mx + n
z = px + q
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
Comparando (5.1) com (5.2) tem-se que as equações reduzidas

(
y = mx + n
z = px + q
representam a reta que passa pelo ponto N (0, n, q) e tem direção do vetor ⃗v = (1, m, p).
5.1.5 Equações simétricas da reta

Definição 5.5 (Equações simétricas da reta r). Sejam P = (x, y, z) um ponto qualquer e A =
(x1 , y1 , z1 ) um ponto conhecido da reta r e ⃗v = (a, b, c) um vetor diretor de r. Temos:
x − x1 y − y1 z − z1
= =
a b c
Exemplo 5.4. As equações simétricas da reta r que passa pelo ponto A(2, 1, −3) e tem direção do
vetor (2, −1, 1):

x−2 y−1 z − (−3)
= =
2 −1 1
Portanto as equações simétricas da reta r são:
x−2 y−1
= = z + 3.
2 −1
Observação 5.2. Uma outra forma de determinar as equações reduzidas de uma reta é utilizar a
equação simétrica. Veremos isto no próximo exemplo.
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).
Resolução: Note que as equações simetricas da reta r são:
x−3 y−1 z − (−2)

= =
1 −2 2
assim temos que
x−3 y−1 x−3 z − (−2)

= =
1 −2 1 2
1 · (y − 1) = (−2) · (x − 3) 1 · (z + 2) = 2 · (x − 3)
y − 1 = −2x + 6 z + 2 = 2x − 6
y = −2x + 6 + 1 z = 2x − 6 − 2
y = −2x + 7 z = 2x − 8
Portanto as equações reduzidas da reta r na variável x são:

(
y = −2x
r:
z = 2x − 8
Exemplo 5.6. Considere a reta (

x = 2y + π
r: √
z =− 2y+5
Note que, para determinarmos o vetor diretor ⃗v = (a, b, c), devemos primeiramente ver qual é a
variável independente. Neste caso, como nas duas equações acima do lado direito aparece o y,
temos que a variável independente é y, assim b = 1. Agora, observamos quem acompanha o y nas
duas equações.
• Como temos x = 2y + π, segue que a = 2 (pois quem acompanha a variável independente

é o 2), e esta equação diz respeito à primeira variável: x.
√ √
• Como temos z = − 2 y + 5, segue que a = − 2 (pois quem acompanha a variável
√
independente é o − 2). Esta equação diz respeito à terceira variável: z.
√
Portanto já temos o vetor diretor ⃗v = (2, 1, − 2).
Um outro dado importante numa reta é um ponto. Para determinarmos um ponto P (x1 , y1 , z1 )
pertencente à reta, podemos fazer o y igual a qualquer valor real. Como o número mais fácil de se
trabalhar é o zero, fazemos y = 0 daí
• x=2·0+π =π
√
• z =− 2·0+5=5
Assim temos
x=π y=0 z=5
Portanto o ponto P (π, 0, 5) é um ponto da reta r.
Exercício 5.1. Obtenha um ponto e o vetor diretor das seguintes retaas:

(
y = 2x − 3
1. r :
z = −4x + 5
(
x=y+1
2. r :
z = 2y − 4
(
x = −3 − z
3. r :
y = 3z + 1
5.1.6 Retas paralelas aos eixos coordenados e aos planos coorde-

nados
Até agora vimos apenas equações simétricas de uma reta r que passa por um ponto A(x1 , y1 , z1 ) e
tem a direção do vetor ⃗v = (a, b, c), com a · b · c ̸= 0, é dada por
x − x1 y − y1 z − z1
= =
a b c
Vamos então analisar alguns casos que fogem ao caso acima:

1º caso: Uma só das componentes de ⃗v é nula.
(a) Se a = 0, então teremos que ⃗v = (0, b, c) é perpendicular ao eixo Ox:


 x = x1
r: y − y1 z − z1
 =
b c
Assim, as coordenadas (x, y, z) de um ponto P qualquer na reta r variam somente y e z,
conservando-se x = x1 constante. Assim a reta r está num plano paralelo ao plano coorde-
nado yOz.
(b) Se b = 0, então teremos que ⃗v = (a, 0, c) é perpendicular ao eixo Oy:


 y = y1
r: x − x1 z − z1
 =
a c
Logo, as coordenadas (x, y, z) de um ponto P qualquer na reta r variam somente x e z,
conservando-se y = y1 constante. Assim a reta r está num plano paralelo ao plano coorde-
nado xOz.
(c) se c = 0, então teremos que ⃗v = (a, b, 0) é perpendicular ao eixo Oz:


 z = z1
r: x − x1 y − y1
 =
a b
Portanto, as coordenadas (x, y, z) de um ponto P qualquer na reta r variam somente x e
y, conservando-se z = z1 constante. Assim a reta r está num plano paralelo ao plano
coordenado yOz.
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
5.2 Ângulos de duas retas

Vamos considerar no espaço euclidiano R3 as retas r1 e r2 , sendo que r1 passa pelo ponto A1 (x1 , y1 , z1 )
e tem a mesma direção do vetor ⃗v1 = (a1 , b1 , c1 ) e r2 passa pelo ponto A2 (x2 , y2 , z2 ) e tem a mesma
direção do vetor ⃗v2 = (a2 , b2 , c2 ), indicados na figura:
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 .
Exemplo 5.7. Calcule o ângulo entre as retas


 x=2−t


x+3 y+5 z
r1 : y =3−t e r2 : = =

 2 −1 −1
 z = 8 + 2t
5.2 Ângulos de duas retas 153
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◦ . □
Exemplo 5.8. Calcule o ângulo entre as retas

 
 y = −1  x=5
r1 : x+2 z+2 e r2 : y−2 z
 =  =
2 −1 −1 −1
Resolução: Extraindo o vetor diretor de r1 temos ⃗v1 = (2, 0, −1) e o vetor diretor de r2 , ⃗v2 =
(0, −1, −1). Como
⃗v1 • ⃗v2 = (2, 0, −1) • (0, −1, −1)
= 2 · 0 + 0 · (−1) + (−1) · (−1)
=0+0+1
=1
e
|⃗v1 | = |(2, 0, −1)| |⃗v2 | = |(0, −1, −1)|
p p
= 22 + 02 + (−1)2 = 02 + (−1)2 + (−1)2
√ √
= 4+0+1 = 0+1+1
√ √
= 5 = 2
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). □
5.2.1 Condição de paralelismo de duas retas

Definição 5.7 (Condição de paralelismo de duas retas). A reta r1 que passa pelo ponto A1 =
(x1 , y1 , z1 ) e tem direção do vetor ⃗v1 = (a1 , b1 , c1 ) é paralela a reta r2 que passa pelo ponto
A2 = (x2 , y2 , z2 ) e tem direção do vetor ⃗v2 = (a2 , b2 , c2 ) se os vetores ⃗v1 e ⃗v2 forem paralelos, isto
é:
a1 b1 c1
⃗v1 = m · ⃗v2 , ou = = = m.
a2 b2 c2
Exemplo 5.9. Verifique se as retas
 
 x = 8 − 3t  x = −4 + 6t

 

r1 : y = −6 + 4t e r2 : y = 2 − 6t
 

 z = 2 + 2t  z = −3 − 4t

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. □
5.2.2 Condição de ortogonalidade de duas retas

Definição 5.8 (Condições de ortogonalidade de duas retas). A condição de ortogonalidade de duas
retas r1 e r2 é a mesma dos vetores ⃗v1 = (a1 , b1 , c1 ) e ⃗v2 = (a2 , b2 , c2 ) que definem as direções
dessas retas, isto é:
⃗v1 • ⃗v2 = 0.
5.2 Ângulos de duas retas 155
Exemplo 5.10. Verifique se as retas


x−1 y z + 11  y=6
r1 : = = e r2 : x+2 z−9
6 7 8  =
4 −3
são ortogonais.
Resolução: Observe que os vetores diretores de r1 e r2 são ⃗v1 = (6, 7, 8) e ⃗v2 = (4, 0, −3). Como
⃗v1 • ⃗v2 = (6, 7, 8) • (4, 0, −3) = 6 · 4 + 7 · 0 + 8 · (−3) = 24 + 0 − 24 = 0
Segue que ⃗v1 e ⃗v2 são perpendiculares. Portanto r1 e r2 são retas perpendiculares. □
Exemplo 5.11. Calcule o valor de m para que as retas


 x = 2t
( 

y = mx − 2
r: e s: y =2−t
z = −x 

 z = 1 + 5t
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
⃗u • ⃗v = (1, m, −1) • (2, −1, 5) = 1 · 2 + m · (−1) + (−1) · 5 = 2 − m − 5 = −m − 3
segue que m = −3. Portanto para que r e s sejam perpendiculares é necessário que m = −3. □
5.2.3 Condição de Coplanaridade de Duas Retas

A questão agora é verificar se duas retas pertencem ou não a um mesmo plano. Para isto temos a
seguinte definição:
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
Exemplo 5.12. Calcule o valor de m para que as retas


 x = 2t + 1
( 

y = mx − 2
r: e s: y =2−t
z = −x + 1 

 z = 1 + 5t
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
5.3 Intersecção de duas retas

Definição 5.10. [Intersecção de duas retas] Dadas as retas
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
sendo Po o ponto de interscção entre r1 e r2 . Então

x − x1 y − y1 z − z1 y − y1
= =
a1 b1 c1 b1
b1 x − b1 x1 = a1 y − a1 y1 b1 x − b1 z1 = c1 y − c1 y1
a1 a1 c1 c1
x= b1
y − y
b1 1
+ x1 z= b1
y − y
b1 1
+ z1
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)
Daí, as equações paramétricas da reta r são:


 x = 1 + 2t


r: y = 2 − 2t

 z = 1 − 2t

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

e queremos determinar o ponto em que elas se encontram devemos fazer
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
Assim temos o seguinte sistema
2µ −λ = 2
2µ −λ = 2
2µ +λ = 2 ⇒
2µ +λ = 2
2µ +λ = 2
Fazendo a segunda linha receber a soma das duas linhas temos
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

Portanto o ponto P (3, 0, −1) é o ponto de intersecção das retas r e s.
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

x−2 y−3 y 1+z

3. r : = =z e s:x= = .
2 3 3 2
4. r : P = (3, −1, 2) + λ(−2, 3, 1) e s : P = (9, −10, −1) + λ(4, −6, −2).
sectionReta ortogonal a duas 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

temos que os vetores diretores são
⃗v1 = (−1, 2, −3) ⃗v2 = (−3, 0, −1)

5.4 Ponto que divide segmento de reta 161
como precisamos do produto vetorial

⃗i ⃗j ⃗k
⃗v1 × ⃗v2 = −1 2 −3
−3 0 −1
⃗i ⃗j ⃗k ⃗i ⃗j
= −1 2 −3 −1 2
−3 0 −1 −3 0
= −2⃗i + 9⃗j + 0⃗k + 6⃗k − 0⃗i − 1⃗j
= −2⃗i + 8⃗j + 6⃗k
Portanto o vetor diretor da reta r é ⃗v = (−2, 8, 6), assim a equação vetorial da reta r é dada por:
(x, y, z) = (−2, 1, 3) + t(−2, 8, 6)
ou ainda, 
 x = −2 − 2t


y = 1 + 8t


 z = 3 + 6t
5.4 Ponto que divide segmento de reta
5.4.1 Ponto que divide um segmento de reta numa razão dada

Definição 5.12 (Ponto que divide um segmento de reta numa razão dada). Sejam os pontos P1 =
(x1 , y1 , z1 ) e P2 = (x2 , y2 , z2 ). Diz-se que um ponto P = (x, y, z) divide o segmento de reta P1 P2
na razão r se:
x1 − rx2 y1 − ry2 z1 − rz2
P (x, y, z) = P , , .
1−r 1−r 1−r
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
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
5.4.2 Ponto que divide um segmento de reta ao meio

Definição 5.13 (Ponto que divide um segmento de reta ao meio). Neste caso, deve-se ter r = −1.
Assim P⃗1 P = −P⃗2 P daí
x 1 + x2 y1 + y2 z1 + z2
x= , y= , z=
2 2 2
5.5 Posição relativa de duas retas

Duas retas r e s do plano R2 podem ser
5.5 Posição relativa de duas retas 163
• 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 paralelas (coincidentes ou distintas);
• r e s são concorrentes.
Observe que pelo que já vimos até aqui podemos dizer que
• r e s são reversas se, e somente se, r e s não forem coplanares, isto é:

→
⃗v1 , ⃗v2 , AB ̸= 0.
• r e s são paralelas, isto acontece quando ⃗v1 e ⃗v2 forem colineares, ou seja:
⃗v1 = α⃗v2 .
• r e s são concorrentes, isto acontece quando

→
⃗v1 , ⃗v2 , AB = 0 e ⃗v1 × ⃗v2 ̸= ⃗0
Exemplo 5.16. Qual a posição relativa das retas
r : P = (1, 2, 4) + t(0, 1, 3)
e s, onde s é dada por:
(a) s : P = (0, 1, 0) + t(1, 1, 1)
(b) s : P = (1, 3, 6) + t(0, 2, 7)

(
x+y+z =6
(c) s :
x − y − z = −4
Resolução: Como a reta r é dada por
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:
(a) Aqui a reta s é dada por

s : P = (0, 1, 0) + t(1, 1, 1),
assim temos que ⃗v2 = (1, 1, 1) e B(0, 1, 0). Note que:

→
AB = B − A
= (0, 1, 0) − (1, 2, 4)
= (0 − 1, 1 − 2, 0 − 4)
= (−1, −1, −3)
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.
(b) Aqui a reta s é dada por

s : P = (1, 3, 6) + t(0, 2, 7),
assim temos que ⃗v2 = (0, 2, 7) e B(1, 3, 6). Note que:

→
AB = B − A
= (1, 3, 7) − (1, 2, 4)
= (1 − 1, 3 − 2, 7 − 4)
= (0, 1, 3)
5.5 Posição relativa de duas retas 165
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
= 7⃗i + 0⃗j + 0⃗k − 0⃗k − 6⃗i − 0⃗j
= ⃗i ̸= ⃗0
Portanto as retas r e s são concorrentes.
(c) Neste exemplo temos que

(
x+y+z =6
s: ,
x − y − z = −4
assim para encontrarmos tanto o vetor quanto o ponto precisamos resolver o sistema:
( ( (
x +y +z = 6 x +y +z = 6 y +z = 4
s: ⇒ s: ⇒ s: .
x −y −z = −4 x = 2 x = 2
Assim a reta s é dada por

(
x=2
s:
z =4−y
Logo ⃗v2 = (0, 1, −1) e B(2, 0, 4). Note que:

→
AB= B − A = (2, 0, 4) − (1, 2, 4) = (2 − 1, 0 − 2, 4 − 4) = (1, −2, 0)
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
6.1 Equações do Plano
6.1.1 Equação geral do plano

Definição 6.1 (Equação geral do plano). Seja A1 = (x1 , y1 , z1 ) um ponto pertencente a um plano
π e ⃗n = (a, b, c), em que ⃗n ̸= ⃗0 um vetor normal (ortogonal) ao plano. O plano π pode ser definido
⃗ é ortogonal
como sendo o conjunto de todos os pontos P = (x, y, z) do espaço tais que o vetor AP
⃗ = 0.
a n. O ponto P ∈ π, se e somente se ⃗n • AP
167
168 Capítulo 6 — Plano
⃗ = 0 então ax + by + cz + d = 0, que é conhecida como equação geral

Observação 6.1. Se ⃗n • AP
ou cartesiana do plano π.
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 .
Observação 6.3. Se um plano π é dado, por exemplo, por: π : 3x + 2y − 4z + 5 = 0 um

de seus vetores normais é: ⃗n = (3, 2, −4). Este mesmo vetor ⃗n é também normal a qualquer
plano paralelo a π. Assim, todos os infinitos planos paralelos a π tem equação geral do tipo
:α : 3x + 2y − 4z + d = 0, d ∈ R e ⃗n = (3, 2, −4) na qual d é o elemento que diferencia um plano
do outro. O valor de d será identificado quando se conhece um ponto do plano.
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
Como A(3, 1, −4) pertence ao plano π, segue que

2 · 3 − 3 · 1 + (−4) + d = 0
6−3−4+d=0
d = 1.
Portanto a equação procurada é π : 2x − 3y + z + 1 = 0. □
Exemplo 6.3. Determine a equação geral do plano π que passa pelo ponto A(2, 1, −2) é perpen-
dicular a reta 
 x = −4 + 3t


r: y = 1 + 2t .


 z=t
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);
• Fazendo x = z = 0 obtemos y = 3, assim temos o ponto (0, 3, 0);
• Fazendo y = z = 0 obtemos x = 2, assim temos o ponto (2, 0, 0).

Portanto temos o seguinte esboço do plano π:
6.1.2 Determinação de um plano

Além de determinarmos um plano conhecendo-se apenas um de seus pontos e um vetor normal ao
plano, podemos ter ainda os seguintes casos:
(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 .
(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.
(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.
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
= ⃗i − 2⃗j − 3⃗k − ⃗k − 2⃗i − 3⃗j
= −⃗i − 5⃗j − 4⃗k
Portanto
⃗n = (−1, −5, −4)
Assim a equação geral do plano π é
−x − 5y − 4z + d = 0
Como o ponto A(1, −3, 4) pertence ao plano π, segue que
−1 − 5 · (−3) − 4 · 4 + d = 0
−1 + 15 − 16 + d = 0
d = 2.
Portanto a equação geral do plano π é
π : −x − 5y − 4z + 2 = 0.
□
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)
Como o vetor normal é paralelo ao vetor ⃗v1 × ⃗v2 , temos
⃗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
= −4⃗i − 2⃗j − 3⃗k − ⃗k − 2⃗i − 3⃗j
= −⃗i − 5⃗j − 4⃗k
Portanto
⃗n = (−1, −5, −4)
Assim a equação geral do plano π é
−x − 5y − 4z + d = 0
Como o ponto A(1, −3, 4) pertence ao plano π, segue que
−1 − 5 · (−3) − 4 · 4 + d = 0
−1 + 15 − 16 + d = 0
d = 2.
Portanto a equação geral do plano π é
π : −x − 5y − 4z + 2 = 0.
□
(
x=4
Exemplo 6.7. Determine a equação do plano que contém o ponto A(2, 2, −1) e a reta r : .
y=3
(
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.
Observação 6.5. A equação x = 2 pode representar:
1. Um ponto, se o universo for a reta R.
2. Uma reta, se o universo for o plano R2 .
3. Um plano, se o universo for o espaço R3 .

6.1.3 Equações Paramétricas do Plano

Definição 6.2 (Equações paramétricas do Plano). Sejam A = (x0 , y0 , zo ) um ponto do plano π e
⃗u = (a1 , b1 , c1 ) e ⃗v = (a2 , b2 , c2 ) dois vetores não colineares (ou seja, não paralelos). Um ponto
P = (x, y, z) ∈ π que passa por A e é paralelo aos vetores ⃗u e ⃗v se e somente se existem números
⃗ = h⃗u + t⃗v .
reais h e t tais que: AP

 x = xo + ha1 + ta2


π: y = yo + hb1 + tb2


 z = z + hc + tc
o 1 2
Observação 6.6. Quando t e h variam de −∞ a ∞, o ponto P percorre o plano π.
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

Note que, para h = 0 e t = 1 temos


 x=2−3·0+2·1=4


y =1−3·0+1=2 ⇒ P (4, 2, 1) ∈ π.

 z =3+0−2·1=1

Exemplo 6.9. Escreva as equações paramétricas do plano determinado pelos pontos
A(5, 7, −2), B(8, 2, −3), C(1, 2, 4).
Resolução: Note que, como

→
• ⃗u =AB= B − A = (8, 2, −3) − (5, 7, −2) = (8 − 5, 2 − 7, −3 − (−2)) = (3, −5, −1)
→
• ⃗v =AC= C − A = (1, 2, 4) − (5, 7, −2) = (1 − 5, 2 − 7, 4 − (−2)) = (−4, −5, 6)
Portanto as equações paramétricas do plano π são dadas por:


 x = 5 + 3h − 4t


π: y = 7 − 5h − 5t .

 z = −2 − h + 6

□
6.2 Ângulos 177
6.2 Ângulos
6.2.1 Ângulo Entre Planos

Definição 6.3 (Ângulo entre planos). Sendo π1 e π2 dois planos não paralelos, n⃗1 e n⃗2 seus vetores
normais respectivamente e θ o ângulo formado entre eles, então
|n⃗1 • n⃗2 |
cos(θ) =
|n⃗1 ||n⃗2 |
Exemplo 6.10. Determine o ângulo entre os planos
π1 : 2x − 3y + 5z − 8 = 0 e π2 : 3x + 2y + 5z − 4 = 0.
Resolução: Note que os vetores diretores de π1 e π2 são, respectivamente:
⃗n1 = (2, −3, 5) e ⃗n2 = (3, 2, 5)
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
□
Exemplo 6.11. Calcular os valores de m e n para que o plano
π : (2m − 1)x − 2y + nz − 3 = 0
seja paralelo ao plano

π2 : 4x + 4y − z = 0
Resolução: Note que os vetores diretores de π1 e π2 são, respectivamente:
⃗n1 = (2m − 1, −2, n) e ⃗n2 = (4, 4, −1)
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
6.2.2 Ângulo de uma reta com um plano

Definição 6.4 (Ângulo de uma reta com um plano). Seja uma reta r com direção do vetor ⃗v e um
plano π, sendo ⃗n um vetor normal. O ângulo ϕ entre a reta r e o plano π é o complemento do ângulo
θ que a reta r forma com uma reta normal ao plano. Como θ + ϕ = π2 , então cos(θ) = sen(θ)
|⃗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
(I) Se a reta r for paralela ao plano π então ⃗v e ⃗n serão perpendiculares.
(II) Se a reta r for perpendicular ao plano π então ⃗v e ⃗n serão paralelos.
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:
(i) o vetor diretor de ⃗v é ortogonal ao vetor ⃗n;
(ii) um ponto A pertencente a reta r também pertence ao plano π.
Definição 6.7 (Intersecção de dois planos). Vamos considerar os planos π1 e π2 . A intersecção de

dois planos não paralelos determina uma reta. As coordenadas de um ponto que pertence a reta
que estão na intersecção de π1 e π2 satisfazem simultaneamente as equações dos dois planos, ou
seja, estas coordenadas constituem uma solução do sistema formado por estes dois planos.
Vejamos como isto acontece no seguinte exemplo:
Exemplo 6.12. Determine a intersecção dos planos
π1 : 5x − 2y + z + 7 = 0 e π2 : 3x − 3y + z + 4 = 0.
Resolução: Note que temos o seguinte sistema de equações:

( (
5x − 2y + z + 7 = 0 L2←L1−L2 5x − 2y + z + 7 = 0
⇒
3x − 3y + z + 4 = 0 2x + y + 3 = 0
Agora já estamos em condições de isolar as variáveis y e depois substituir e encontrar z:
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
6.2.3 Interseção de uma reta com um plano

Definição 6.8 (Interseção de uma reta com um plano). Consideremos um plano π e uma reta r.
Para determinarmos o ponto de intersecção da reta com o plano, basta substituirmos as equações
da reta na equação do plano.
Para que possamos entender melhor como isso funciona, faremos o seguinte exemplo:
Exemplo 6.13. Determine o ponto de intersecção de r com π, onde:

(
y = 2x + 3
r: π : 3x + 5y − 2z − 4 = 0.
z = 3x − 4
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

Substituindo as duas primeiras equações na terceira, temos que
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). □
6.2.4 Interseção do plano com os eixos e os planos coordenados

Para entermos como isso funciona, recorreremos novamente a apresentação de um exemplo:
6.2 Ângulos 181
Exemplo 6.14. Consideremos o plano
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:
(I) Se quizermos determinar a intesecção do plano com o eixo x, devemos fazer y = z = 0,

assim chegamos a
2x − 6 = 0 ⇒ x=3
Portanto a intersecção do plano π com o eixo Ox é o ponto A(3, 0, 0)

(II) Se quizermos determinar a intesecção do plano com o eixo y, devemos fazer x = z = 0,
assim chegamos a
3y − 6 = 0 ⇒ y=2
Portanto a intersecção do plano π com o eixo Oy é o ponto B = (0, 2, 0)

(III) Se quizermos determinar a intesecção do plano com o eixo z, devemos fazer x = y =
0, assim chegamos a
z−6=0 ⇒ z=6
Portanto a intersecção do plano π com o eixo Oz é o ponto C = (0, 0, 6)
(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
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
7.1 Distância entre Dois Pontos

→
Definição 7.1. A distância d entre os pontos A(x1 , y1 , z1 ) e B(x2 , y2 , z2 ) é o módulo do vetor AB,
ou seja,
→ p
d(A, B) = AB = |B − A| = (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2 .
Exemplo 7.1. A distância entre os pontos A(5, 2, 3) e B(2, 0, 5) é
→
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
7.2 Distância de um Ponto a uma Reta

Seja r uma reta definida por um ponto P0 (x0 , y0 , z0 ) e pelo vetor diretor ⃗v = (a, b, c). Seja ainda
→
P (x1 , y1 , z1 ) um ponto qualquer do espaço R3 . Os vetores ⃗v e P0 P determinam um paralelogramo
cuja altura d é igual à distância entre o ponto P e a reta r.
Observação 7.1. A área de um paralelogramo é dada pelo produto vetorial

→
A = ⃗v × P0 P (7.1)
Sabemos também que a área de um paralelogramo pode ser dada por
A = |⃗v | · d (7.2)
Comparando as equações (7.1) e (7.2), segue que

→
|⃗v | · d = ⃗v × P0 P
Portanto
→
⃗v × P0 P
d=
|⃗v |
Exemplo 7.2. Calcule a distância do ponto P0 (2, 0, 7) à reta
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
= −20⃗i − 2⃗j + 4⃗k + 4⃗k − 2⃗i + 20⃗j
= −22⃗i + 18⃗j + 8⃗k
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
□
7.3 Distâncias enre duas retas

Para que possamos determinar a distância entre duas retas, precisaremos utilizar o conceito de
posição relativa de duas retas. Motivo: de acordo com a posição das retas a distância é calculada
de uma forma diferente. Assim dividiremos a definição de distância entre retas em casos:
Caso 1: As retas são concorrentes.

A distância d entre duas retas r e s concorrentes é nula.
Justificativa: Basta lembrarmos que retas concorrentes se intersepatam.
Caso 2: As retas são paralelas.
A distância d entre duas retas r e s paralelas é dada por
d(r, s) = d(P0 , s), P0 ∈ r,
ou
d(r, s) = d(P0 , r), P0 ∈ s.
Exemplo 7.3. Calcular a distância entre as retas


 x = −1 − 2t
( 

y = −2x + 3
r: e s: y = 1 + 4t
z = 2x 
 z = −3 − 4t

Resolução: Analisando as equações


 x = −1 − 2t
( 

y = −2x + 3
r: e s: y = 1 + 4t
z = 2x 
 z = −3 − 4t

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
= 6⃗i − 2⃗j − 2⃗k − 2⃗k + 4⃗i + 3⃗j
= 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 □
Caso 3: As retas r e s são reversas.

Suponhamos que as retas r e s sejam reversas. Além disso, sejam A(x1 , y1 , z1 ) um ponto
em r e ⃗u = (a1 , b1 , c1 ) seu vetor diretor e, B(x2 , y2 , z2 ) um ponto em S e V⃗ = (a2 , b2 , c2 ).
→
Note que os vetores ⃗u, ⃗v e AB não são coplanares, portanto definem um paralelepípedo
→
de volume ⃗u, ⃗v , AB cuja base é definida pelos vetores ⃗u e ⃗v e cuja altura corresponde à
distância entre as retas r e s, pois s é paralela ao plano da base do paralelepípedo. Como o
volume V de um paralelepípedo é dado pelo produto da área da base pela altura, temos que
V = |⃗u × ⃗v | · d
→
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

Resolução: Os dados que temos são:

( (
⃗u = (1, 0, −2) ⃗v = (0, 2, −1)
r: s:
A(−2, 1, 4) B(3, −1, 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
= 0⃗i + 0⃗j + 2⃗k − 0⃗k + 4⃗i + 1⃗j

= 4⃗i + ⃗j + 2⃗k
daí
|⃗u × ⃗v | = |(4, 1, 2)|
√
= 42 + 12 + 22
√
= 16 + 1 + 4
√
= 21
Portanto →
⃗u, ⃗v , AB
d(r, s) =
|⃗u × ⃗v |
|16|
=√
21
√
16 21
= .
21
□
7.4 Distância de um Ponto a um Plano

Sejam P0 (x0 , y0 , z0 ) um ponto no espaço R3 e π : ax+by +cz +d = 0 um plano. Sejam P (x, y, z)
um ponto qualquer de π e A o pé da perpendicular conduzida por P0 sobre o plano. Temos que
→ →
⃗n = (a, b, c) é paralelo ao vetor AP0 , ou seja ⃗n e AP0 tem a mesma direção.
Definição 7.2. A distância do ponto P0 ao plano π é

→
d(P0 , π) = AP0 .
→ →
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
segue dessas equações que
→
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
como P (x, y, z) ∈ π segue que ax + by + cz = −d, daí
ax0 + by0 + cz0 + d

d(P0 , π) = √
a2 + b2 + c2
Vamos então utilizar esta última fórmula, que é bem mais prática, para calcular as distâncias.
Exemplo 7.5. Calcular a distância do ponto P0 (−4, 2, 5) ao plano π : 2x + y + 2z + 8 = 0.
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
ax0 + by0 + cz0 + d

d(P0 , π) = √
a2 + b 2 + c 2
2 · (−4) + 1 · 2 + 2 · 5 + 8
= √
22 + 12 + 22
−8 + 2 + 10 + 8
= √
4+1+4
12
= √
9
12
=
3
= |4|
=4
Portanto d(P0 , π) = 4.
7.5 Distância entre Dois Planos

Definição 7.3. Dados dois planos paralelos π1 e π2 , a distância entre eles é a distância d entre eles
é a distância de um ponto qualquer de um dos planos ao outro.
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 .
Exemplo 7.6. Calcule a distância entre os planos
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.
Além disso, observando as equações dos planos
(
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
Caso tivéssemos escolhido fazer utilizar d(P2 , π1 ), teríamos:
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
7.6 Distância entre uma Reta a um Plano

Definição 7.4. Dada uma reta r paralela ao plano π, a distância d da reta r ao plano π é a distância
de um ponto P0 qualquer da reta r ao plano π, isto é,
d(r, π) = d(P0 , π), P0 ∈ r.
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.
A reta é chamada de diretriz da parábola e o ponto é chamado de foco. Uma parábola é

simétrica em relação à reta que passa pelo foco em ângulo reto com a diretriz. Esta reta, chamada
de eixo ou eixo de simetria da parábola, intersecta a parábola em um ponto chamado vértice.
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.
8.1.1 Equações de Parábolas em Posição Padrão
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)
onde D = (−p, y) é o pé perpendicular de P à diretriz. Assim

p p
d(P, F ) = (x − p)2 + y 2 e d(P, D) = (x + p)2
Substituindo na equação anterior temos

p p
(x − p)2 + y 2 = (x + p)2
elevando ambos os termos ao quadrado
(x − p)2 + y 2 = (x + p)2
daí
x2 − 2xp + p2 + y 2 = x2 + 2xp + p2
que nos leva a

y 2 = 4px
Uma técnica para esboçar parábolas

As parábolas podem ser esboçadas a partir de suas equações padrão usando quatro passos básicos:
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.
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 8.1. Esboce os gráficos das parábolas
(a) x2 = 12y (b) y 2 + 8x = 0
e mostre o foco e a diretriz de cada uma.
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).
8.1.2 Equações de Elipses em Posição Padrão

No estudo de elipses é tradicional detonar o comprimento do eixo maior por 2a, o comprimento
do eixo menor por 2b a distância entre os focos por 2c. O número a é chamado semi-eixo maior e
o número b, o semi-eixo menor.
Há uma relação básica entre os números a, b e c que pose ser obtida examinando a soma das
distâncias aos focos a partir de um ponto P na extremidade do eixo maior, e de um ponto Q na
extremidade do eixo Menor. Utilizando a definição de elipse, essas somas devem ser iguais, logo
obtemos
√
2 b2 + c2 = (a − c) + (a + c)
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.
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
Transpondo o segundo radical para o lado direito da igualdade, obtemos

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

p
(x + c)2 + y 2 = 4a2 − 4a (x − c)2 + y 2 + (x − c)2 + y 2
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 , 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).
8.1.3 Equações de Hipérboles em Posição Padrão

No estudo de hipérboles é tradicional detonar a distância entre os vértices por 2a, a distância entre
os focos por 2c e definir a quantidade padrão b como
√
b= c 2 − a2 (8.2)
Essa relação também pode ser expressa como

√
c= a2 + b 2 (8.3)
8.1 Parábola 201
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.
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
elevando ambos os termos ao quadrado obtemos

p p
(x + c)2 + y 2 + 2 (x + c)2 + y 2 (x − c)2 + y 2 + (x − c)2 + y 2 = 4a2
p
x2 + 2cx + c2 + y 2 + 2 [(x + c)2 + y 2 ][(x − c)2 + y 2 ] + x2 − 2cx + c2 + y 2 = 4a2
Transpondo o segundo radical para o lado direito da igualdade, obtemos

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

p
(x + c)2 + y 2 = 4a2 − 4a (x − c)2 + y 2 + (x − c)2 + y 2
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.)
Passo 3 Desenhe as assíntotas ao longo das diagonais da caixa.
Passo 4 Usando a caixa e as assíntotas como guia, esboce o gráfico da hipérbole.
Exemplo 8.5. Esboce os gráficos das hipérboles
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 ??.
1. A matriz A = [aij ] ∈ M2 (R) é dada por:

" #
3 4
(a) ;
5 6
" #
1 2
(b) ;
2 4
" #
1 −1
(c) .
−1 1
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.
7. Se A é simultaneamente uma matriz triangular superior e triangular inferior, então todo

elemento fora da diagonal de A deve ser nulo. Portanto, A é uma matriz diagonal.
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 }
 
" # 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
" # 0 " #
3 0 4   4
A · E3 = · 0  = , que corresponde à terceira coluna
1 5 3   3
2×3 1 3×1
3×1
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).
" #
−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
" # " # " # (

7c
2 −7 a b 0 0 2a − 7c = 0 ⇒ a = 2
(c) N = · = ⇒ . 7d
4 14 c d 0 0 2b − 7d = 0 ⇒ b = 2
" # " #
7c 7d
a b 2 2
Portanto, = . Como as a, b, c e d são números inteiros variando
c d c d
de 1 à 27, quatro soluções possíveis (existem mais) são:
" # " # " # " #
7 7 14 14 21 21 7 14
, , , .
2 2 4 4 6 6 2 4
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
6. Se e1 , . . . , ek são transformações elementares tais que (ek ◦ . . . ◦ e1 )(A) = B −1 , então

sabemos que existem matrizes elementares associadas a estas transformações de modo que
Ek · . . . · E1 · A = B −1 .
Assim,
Ek · . . . · E1 · (A · B) = (Ek · . . . · E1 · A) · B = B −1 · B = In .
Portanto, (ek ◦ . . . ◦ e1 )(A · B) = In .

" #
1 0
7. (a) .
0 1
(b) Como A ∼ I2 , então a matriz A é invertível.
(c) Uma possível resposta é:

" # " # " # " # " # " #
1 −1 1 0 1 0 0 1 1 0 1 0
· · · · · = A−1 .
0 1 0 − 21 −7 1 1 0 −1 1 0 2
8. Uma possível resposta é dada por A = F1 · F2 · F3 · F4 · F5 · F6 · F7 , sendo:

       
1 0 1 1 0 0 1 0 0 1 2 0
       
F1 =  0 1 0  , F2 =  2 1 0  , F3 =  0 1 0  , F4 =  0 1 0 
      
,
0 0 1 0 0 1 3 0 1 0 0 1
     
1 0 0 1 0 −6 1 0 0
     
F5 = 
 0 1 0  , F6 =  0 1
  0 
 , F7 =  0 1 3 .
 
0 2 1 0 0 1 0 0 1
Capítulo 2.
Seção ??.
1. (c).
2. (e).
3. (b), (d) e (e).

   
1 −1 2 1 −1 2 0
   
4. A =   3 1 −1 ;
 A:B=
 3 1 −1 0 
.
1 1 1 1 1 1 0
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

Geometria Analitica 1

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Geometria Analitica 1

Enviado por

Direitos autorais:

Formatos disponíveis

Geometria Analítica

Profa. Angela Leite Moreno

Profa. Angela Leite Moreno.

Material Didático sobre

8.1.3 Equações de Hipérboles em Posição Padrão . . . . . . . . . . . . . . . . . 200

9 Respostas dos exercícios propostos. 205

Tabela 1.1: Síntese de casos, óbitos, incidência e mortalidade no Brasil

Observe que poderíamos representar esses dados da seguinte forma:

1.1 Definição e Tipos Especiais

para i = 1, 2, . . . , m. A j-ésima coluna de A é

1.1.1 Tipos Especiais de Matrizes

Um exemplo importante de matrize diagonal é a matriz identidade:

(I) Matriz Quadrada (II) Matriz Linha

2. Considere as seguintes matrizes

Classifique em verdadeira (V) ou falsa (F) as afirmações:

(a) ( ) A é matriz quadrada

3. Determine x, y e z, para que a matriz seguinte seja matriz diagonal:

4. Determine r, s, t e u, para que a matriz seguinte seja matriz diagonal:

6. (PUC) A matriz A de ordem 2 × 3 definida por

7. (UFBA) A matriz 2 × 3, com:

8. (ENEM-2018.) A Transferência Eletrônica Disponível (TED) é uma transação financeira

Nessa matriz os elementos das linhas de 1 a 5 representam as quantidades de questões acer-

O teste que apresentou maior quantidade de acertos foi o aplicado na

1.2 Operações com Matrizes

1.2.1 Soma de Matrizes

A + B = [aij + bij ]m×n .

A adição de matrizes possui propriedades semelhantes às da adição de números reais, como

3. A+ O= A onde O é a matriz nula. (Elemento Neutro)

4. A + (−A) = 0. (Elemento Oposto)

Demonstração: Suponhamos que A = [aij ] , B = [bij ] e C = [cij ] ∈ Mm×n (R).

A + (B + C) = [aij ] + ([bij ] + [cij ])

Definição 1.15 (Diferença de matrizes.). Se A, B ∈ Mm×n (R), então definimos a diferença A − B

1.2.2 Multiplicação de uma Matriz por um Escalar

1. α (A + B) = kA + kB (distributiva em relação a soma de matrizes)

2. (α + β) A = αA + βA (distributiva em relação a soma de escalares)

4. α (βA) = (αβ) A (associativa)

Demonstração: Sejam A = [aij ], B = [bij ] ∈ Mm×n (R) e α, β ∈ R.

1. Utilizando a propriedade distributiva da multiplicação em relação à adição de números reais

2. Utilizando a propriedade distributiva da multiplicação em relação à adição de números reais

Demonstração: Notemos que

e, pela Proposição 1.3 (2), segue que

Do mesmo modo, como

e, utilizando a Proposição 1.3 (2), segue que

1.2.4 Multiplicação de matrizes.

Panificadora Pão francês Pão italiano Pão de leite

Para a fabricação de 1 kg de cada um desses pães utiliza-se os seguintes ingredientes, conforme

Pão Água Óleo Sal Açúcar Farinha Leite Fermento Mel

Podemos representar a quantidade diária de ingredientes utilizados em cada franquia de pani-

T2×8 : A 190,13 13,140 7,91 7,75 401,16 100,75 17,5 2,65

t18 = 507 · (0) + 53 · (50) + 210 · (0) = 2650 ml = 2, 65 l.

De um modo geral, para todo 1 ≤ i ≤ 2 e 1 ≤ j ≤ 8, temos:

tij = vi1 · p1j + vi2 · p2j + vi3 · p3j .

para todo 1 ≤ i ≤ m e para todo 1 ≤ j ≤ n.

de linhas da segunda matriz, concluímos que existem os seguintes produtos:

A2×3 · B3×2 = C2×2

Proposição 1.5 (Propriedades da multiplicação de matrizes). Sejam A, B e C matrizes tais que a

1. A · (B + C) = A · B + A · B; (distributiva à esquerda da multiplicação em relação à adição)

2. (B + C) · A = B · A + C · A; (distributiva à direita da multiplicação em relação à adição)

4. Am×n · In = A; (identidade à direita)

5. Im · Am×n = A; (identidade à esquerda)

A · B = U = [uij ]m×n e A · C = T = [tij ]m×n .

Os elementos uij e tij são da forma:

Por outro lado, temos que