Unicesumar - Geometria Analítica

GEOMETRIA
ANALÍTICA E
ÁLGEBRA LINEAR
Professor Me. Alexandre Shuji Suguimoto

Professor Me. Anderson Leandro Zulin
Revisor Técnico (gabarito detalhado): Profa. Esp. Nelidy Motizuki
GRADUAÇÃO
Unicesumar
Reitor
Wilson de Matos Silva
Vice-Reitor
Wilson de Matos Silva Filho
Pró-Reitor de Administração
Wilson de Matos Silva Filho
Pró-Reitor de EAD
Willian Victor Kendrick de Matos Silva
Presidente da Mantenedora
Cláudio Ferdinandi
NEAD - Núcleo de Educação a Distância

Direção Operacional de Ensino
Kátia Coelho
Direção de Planejamento de Ensino
Fabrício Lazilha
Direção de Operações
Chrystiano Mincoff
Direção de Mercado
Hilton Pereira
Direção de Polos Próprios
James Prestes
Direção de Desenvolvimento
Dayane Almeida
Direção de Relacionamento
Alessandra Baron
Gerência de Produção de Conteúdo
Juliano de Souza
Supervisão do Núcleo de Produção de
Materiais
Nádila de Almeida Toledo
Coordenador de Conteúdo
Ivnna Gurniski de Oliveira
Design Educacional
Yasminn Zagonel
Iconografia
Amanda Peçanha dos Santos
Ana Carolina Martins Prado
C397 CENTRO UNIVERSITÁRIO DE MARINGÁ. Núcleo de Educação
Projeto Gráfico
a Distância; SUGUIMOTO, Alexandre Shuji; ZULIN, Anderson
Leandro. Jaime de Marchi Junior
José Jhonny Coelho
Geometria Analítica e Álgebra Linear. Alexandre Shuji Sugui- Arte Capa
moto; Anderson Leandro Zulin.
Maringá-Pr.: UniCesumar, 2016. André Morais de Freitas
318 p. Editoração
“Graduação - EaD”. Matheus Felipe Davi

1. Geometria. 2. Analítica . 3. Álgebra 4. EaD. I. Título. Revisão Textual
Gabriel Bruno Martins
CDD - 22 ed. 510
CIP - NBR 12899 - AACR/2
Ficha catalográfica elaborada pelo bibliotecário

João Vivaldo de Souza - CRB-8 - 6828
Viver e trabalhar em uma sociedade global é um
grande desafio para todos os cidadãos. A busca
por tecnologia, informação, conhecimento de
qualidade, novas habilidades para liderança e so-
lução de problemas com eficiência tornou-se uma
questão de sobrevivência no mundo do trabalho.
Cada um de nós tem uma grande responsabilida-
de: as escolhas que fizermos por nós e pelos nos-
sos farão grande diferença no futuro.
Com essa visão, o Centro Universitário Cesumar
assume o compromisso de democratizar o conhe-
cimento por meio de alta tecnologia e contribuir
para o futuro dos brasileiros.
No cumprimento de sua missão – “promover a
educação de qualidade nas diferentes áreas do
conhecimento, formando profissionais cidadãos
que contribuam para o desenvolvimento de uma
sociedade justa e solidária” –, o Centro Universi-
tário Cesumar busca a integração do ensino-pes-
quisa-extensão com as demandas institucionais
e sociais; a realização de uma prática acadêmica
que contribua para o desenvolvimento da consci-
ência social e política e, por fim, a democratização
do conhecimento acadêmico com a articulação e
a integração com a sociedade.
Diante disso, o Centro Universitário Cesumar al-
meja ser reconhecido como uma instituição uni-
versitária de referência regional e nacional pela
qualidade e compromisso do corpo docente;
aquisição de competências institucionais para
o desenvolvimento de linhas de pesquisa; con-
solidação da extensão universitária; qualidade
da oferta dos ensinos presencial e a distância;
bem-estar e satisfação da comunidade interna;
qualidade da gestão acadêmica e administrati-
va; compromisso social de inclusão; processos de
cooperação e parceria com o mundo do trabalho,
como também pelo compromisso e relaciona-
mento permanente com os egressos, incentivan-
do a educação continuada.
Seja bem-vindo(a), caro(a) acadêmico(a)! Você está
iniciando um processo de transformação, pois quando
investimos em nossa formação, seja ela pessoal ou
profissional, nos transformamos e, consequentemente,
Diretoria de
transformamos também a sociedade na qual estamos
Planejamento de Ensino
inseridos. De que forma o fazemos? Criando oportu-
nidades e/ou estabelecendo mudanças capazes de
alcançar um nível de desenvolvimento compatível com
os desafios que surgem no mundo contemporâneo.
O Centro Universitário Cesumar mediante o Núcleo de
Educação a Distância, o(a) acompanhará durante todo
Diretoria Operacional
este processo, pois conforme Freire (1996): “Os homens
de Ensino
se educam juntos, na transformação do mundo”.
Os materiais produzidos oferecem linguagem dialógica
e encontram-se integrados à proposta pedagógica, con-
tribuindo no processo educacional, complementando
sua formação profissional, desenvolvendo competên-
cias e habilidades, e aplicando conceitos teóricos em
situação de realidade, de maneira a inseri-lo no mercado
de trabalho. Ou seja, estes materiais têm como principal
objetivo “provocar uma aproximação entre você e o
conteúdo”, desta forma possibilita o desenvolvimento
da autonomia em busca dos conhecimentos necessá-
rios para a sua formação pessoal e profissional.
Portanto, nossa distância nesse processo de cresci-
mento e construção do conhecimento deve ser apenas
geográfica. Utilize os diversos recursos pedagógicos
que o Centro Universitário Cesumar lhe possibilita. Ou
seja, acesse regularmente o AVA – Ambiente Virtual de
Aprendizagem, interaja nos fóruns e enquetes, assista
às aulas ao vivo e participe das discussões. Além dis-
so, lembre-se que existe uma equipe de professores
e tutores que se encontra disponível para sanar suas
dúvidas e auxiliá-lo(a) em seu processo de aprendiza-
gem, possibilitando-lhe trilhar com tranquilidade e
segurança sua trajetória acadêmica.
AUTORES

Possui Licenciatura em Matemática pela UEM - Universidade Estadual de
Maringá (2003), Especialização em Métodos e Técnicas de Ensino pela
UTFPR - Universidade Tecnológica Federal do Paraná (2012), Mestrado em
Matemática pela UEM - Universidade Estadual de Maringá (2013). Atuou na
rede Municipal de Ensino de Maringá de 2005 ate 2012 como professor de
Matemática de 5a a 8a série do Ensino Fundamental e desde 2005 atua como
professor de Matemática da Rede Estadual de Ensino do Paraná.

Possui Licenciatura em Matemática pela FAFIMAN - Fundação Centro
Universitário de Mandaguari (2001), Especialização em Educação Matemática
pela FAFIPA - Faculdade Estadual de Educação, Ciência e Letras de Paranavaí
(2003), Especialização em Educação Profissional e de Jovens e Adultos pela
Faculdade Maringá (2006), Mestrado em Matemática pela UEM - Universidade
Estadual de Maringá (2013). É professor de Matemática da Educação Básica
da rede pública de ensino do Estado do Paraná, professor de Matemática nas
disciplinas de Cálculo, Álgebra Linear e Geometria Analítica nos cursos de
Engenharia Civil, Elétrica e Ciência da Computação em cursos de Graduação.
APRESENTAÇÃO
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR

3
Seja bem-vindo(a)!
SEJA BEM-VINDO(A)!
Prezado(a) acadêmico(a), sou professor Alexandre Suguimoto e é com muita satisfação que
apresento este livro sobre Geometria Analı́tica e Álgebra Linear. Espero que este material possa
contribuir em seu aprendizado e que sirva para enriquecer seus conhecimentos referentes a dois
pilares da matemática e das ciências exatas, que são a Geometria Analı́tica e a Álgebra Linear. O
presente livro está organizado da seguinte maneira, as duas primeiras unidades tratam de conceitos
de Geometria Analı́tica de minha autoria e as outras três unidades abordam conceitos sobre Álgebra
Linear, escritas pelo professor Anderson Leandro Zulin e revisadas por mim e pela nossa equipe
de mediadores da EaD.
Na unidade I, é apresentado o conceito formal de vetores com suas operações (adição, sub-
tração e multiplicação por escalar), também é apresentado o conceito de conjuntos linearmente
dependentes e linearmente independentes, apesar de conceitos aparentemente simples, esses cons-
tituem a base da Álgebra Linear. Ainda nessa unidade, damos continuidade ao estudo dos vetores,
particularmente na operação de multiplicação de vetores, muito útil no cálculo de áreas e volumes,
fundamentais para dedução de algumas fórmulas. Posteriormente, são deduzidas as equações da
reta, plano, fórmulas das distâncias e ângulos. E, para finalizar o estudo da Geometria Analı́-
tica, na unidade II são apresentados os estudos das cônicas e quádricas, com teorias de extrema
importância para o estudo do Cálculo Vetorial.
Na sequência, são apresentados os conceitos especı́ficos da Álgebra Linear, a saber, Matrizes

e Sistemas Lineares, Espaços Vetoriais e as Transformações Lineares.
Ao escrever e reorganizar este livro, procurei apresentar as definições e conceitos, com

exemplos e, sempre que possı́vel, com auxı́lio de figuras, de maneira a facilitar a compreensão dos
assuntos abordados. Para os mais interessados, muitos conteúdos podem ser aprofundados mais
detalhadamente em livros de cálculo com geometria analı́tica e álgebra linear aplicada.
Para todos(as) os(as) cursistas, desejo-lhes um ótimo estudo, com muita garra, dedicação
e, consequentemente, muito sucesso.
APRESENTAÇÃO
09
SUMÁRIO
UNIDADE I
VETORES, MULTIPLICAÇÃO DE VETORES, RETAS E PLANOS
15 Introdução
16 Vetores
21 Operação com Vetores
26 Dependência e Independência Linear
29 Expressão Analítica de um Vetor
37 Multiplicação de Vetores
51 Sistemas de Coordenadas
53 O Plano
62 A Reta
69 Posições Relativas
82 Considerações Finais
90 Referências
91 Gabarito
10
SUMÁRIO
UNIDADE II
CÔNICAS E QUÁDRICAS
95 Introdução
96 Elipse
112 Hipérbole
121 Parábola
129 Quádricas
131 Elipsoide
135 Hipérboloide de Uma Folha
138 Hipérboloide de Duas Folhas
142 Paraboloide Elíptico
145 Paraboloide Hiperbólico
149 Superfície Cônica
152 Superfície Cilíndrica
162 Referências
163 Gabarito
11
SUMÁRIO
UNIDADE III
MATRIZES, DETERMINANTES E SISTEMAS DE EQUAÇÕES

LINEARES
171 Introdução
172 Matrizes
176 Operações com Matrizes
183 Matriz Inversa
191 Determinante
202 Sistemas de Equações Lineares
208 Resolução de Sistemas Equações Lineares
229 Referências
230 Gabarito
UNIDADE IV
ESPAÇOS VETORIAIS
235 Introdução
236 Vetores
243 Espaço Vetorial
248 Subespaço Vetorial
252 Combinação Linear
255 Dependência e Independência Linear

12
SUMÁRIO
259 Base
264 Dimensão
274 Referências
275 Gabarito
UNIDADE V
PRODUTO INTERNO, TRANSFORMAÇÕES LINEARES, AUTOVALORES E

AUTOVETORES
279 Introdução
280 Produto Interno
290 Transformações Lineares
292 Núcleo e Imagem de Uma Transformação Linear
294 Autovalores e Autovetores
298 Polinômio Característico
317 Gabarito
318 CONCLUSÃO
I
VETORES, MULTIPLICAÇÃO
UNIDADE
DE VETORES, RETAS E
PLANOS
Objetivos de Aprendizagem
■■ Definir o conceito matemático de vetores com as operações usuais.
■■ Reconhecer conjuntos linearmente dependentes e independentes.
■■ Definir os conceitos de multiplicação de vetores (produto escalar e
vetorial).
■■ Determinar e reconhecer as equações dos planos e das retas.
■■ Identificar as posições relativas entre planos, retas, bem como
calcular ângulos e distâncias.
Plano de Estudo
A seguir, apresentam-se os tópicos que você estudará nesta unidade:
■■ Vetores
■■ Operação com vetores
■■ Dependência e independência linear
■■ Expressão analítica de um vetor
■■ Multiplicação de vetores
■■ Sistema de coordenadas
■■ O Plano
■■ A Reta
■■ Posições relativas
15
INTRODUÇÃO
INTRODUÇÃO
Prezado(a) leitor(a), você provavelmente já tem algum conhecimento sobre vetor, com suas
caracterı́sticas, que são: módulo, direção e sentido. Também deve ter efetuado algumas operações
com vetores no Ensino Médio, principalmente na disciplina de fı́sica, ao obter, por exemplo, a
força resultante que atua num determinado corpo que se encontra sob a ação de mais de uma
força aplicada sobre esse corpo. Entretanto, o conceito sobre vetores são apresentados de maneira
intuitiva, sem seguir um critério rigoroso em sua definição.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Nesta unidade, vamos introduzir o conceito formal de vetores, como conjunto de segmentos
orientados, com suas operações de adição, subtração, multiplicação por escalar e suas propriedades
que possibilitam definir um Espaço Vetorial, esse último sendo a base para o estudo da disciplina
de Álgebra Linear. Apresentaremos o conceito de conjuntos linearmente dependentes e conjuntos
linearmente independentes, conceitos esses de extrema importância para podermos definir o plano
cartesiano e também o espaço euclidiano tridimensional. Para finalizar esta unidade, estudaremos
os vetores em sua expressão analı́tica, ou seja, por meio de coordenadas, possibilitando realizar
operações algébricas, seja no plano R2 ou no espaço R3 .
A aplicação dos conceitos envolvendo os vetores é de extrema importância nos mais va-
riados ramos de conhecimento, principalmente nas Ciências Exatas, a saber: nas Engenharias,
Arquitetura, Astronomia, Ciências da Computação, Quı́mica e, particularmente, na Fı́sica e na
Matemática. É importante ter ciência de que a Geometria Analı́tica é um fundamento básico
para as áreas mais modernas da geometria, tais como geometria algébrica, diferencial, discreta e
computacional.
Na sequência, faremos um estudo sobre as retas e planos, cujas representações matemáticas

são equações lineares, ou seja, equações de 1o grau nas variáveis x, y e z. Todas as fórmulas que
apresentaremos serão feitas por dedução partindo dos conceitos vistos anteriormente sobre vetores.
Em nossos estudos sobre Geometria Analı́tica vamos considerar espaços euclidianos, como a reta
real, plano cartesiano e os espaços em terceira dimensão, cujos eixos são mutuamente perpendicu-
lares.
Introdução
16 UNIDADE I
VETORES
VETORES
Segmentos Orientados
Algumas grandezas fı́sicas ao serem medidas necessitam apenas do valor numérico seguido
da unidade de medida, por exemplo: a massa, o comprimento, a área e o volume são chamadas de
grandezas escalares. No entanto, existem outras grandezas que precisam de mais informações além
das citadas anteriormente, como, por exemplo a força aplicada, o campo elétrico, a aceleração e a
velocidade. Assim, vamos formalizar esses conceitos. Seja r uma reta horizontal, marquemos nessa
reta um ponto O, que chamaremos de origem, o lado direito indicaremos de sentido positivo e o
contrário de sentido negativo. Considere dois pontos distintos A e B dessa reta suporte.
Figura 1 − Reta orientada
O segmento orientado AB é determinado pelos pontos com origem em A e extremidade

em B.
Figura 2 − Sentido positiva
O segmento BA é o segmento oposto ao AB.
Figura 3 − Sentido negativo
Adotando uma unidade de comprimento, podemos associar ao segmento AB um número

real positivo, que chamaremos de comprimento ou módulo do segmento AB.

17
Figura 4 − Módulo
No caso em que os pontos A e B são coincidentes, ou seja, A = B, chamamos AB de

segmento nulo, em que |AB| = AB = 0.
Figura 5 − Segmento nulo

Direção e Sentido
Sejam r e s retas paralelas, dizemos que os segmentos AB e CD têm a mesma direção,

se esses segmentos estão em retas paralelas ou estão situadas sobre uma mesma reta suporte.
Agora, dois segmentos orientados têm o mesmo sentido quando eles “apontam” para o mesmo
lado. Note que, para compararmos o sentido de dois segmentos, é necessário que eles tenham a
mesma direção.
Figura 6 − Mesmo sentido Figura 7 − Sentidos opostos
Vetores
18 UNIDADE I
Segmentos Equipolentes
Dizemos que dois segmentos são equipolentes quando têm:
I) o mesmo módulo.
II) a mesma direção.
III) o mesmo sentido.
Geometricamente, os segmentos AB e CD são equipolentes quando:
Figura 10 − paralelogramo Figura 11 − colineares Figura 12 − coincidentes
Usaremos a seguinte notação AB ∼ CD para indicarmos equipolência. É fácil de verificar

algumas propriedades de equipolência:
I) Reflexiva: AB ∼ AB, todo segmento é equipolente a si mesmo.

II) Simétrica: Se AB ∼ CD, então CD ∼ AB.
III) Transitiva: Se AB ∼ CD e CD ∼ EF , então AB ∼ EF .
No caso de segmentos equipolentes, como as três propriedades são verificadas, dizemos que
equipolência é uma relação de equivalência.

19
Vetor
Dizemos que o vetor determinado por um segmento orientado AB é o conjunto de todos

segmentos orientados equipolentes a ele.
Figura 13 − Vetores
Esse conjunto pode ser denotado da forma:
v = {XY ; XY ∼ AB}.
−→
Outras notações para vetores são AB e B − A. Chama-se norma ou comprimento de um vetor v
e indicaremos por v um número real t tal que v = |t|.
É importante destacar que as caracterı́sticas de um vetor v são as mesmas em qualquer um

de seus representantes, isto é, o módulo, a direção e o sentido. Note que, se AB é um segmento
orientado e P é um ponto qualquer, então, existe um único ponto Q, tal que AB ∼ P Q. Em
−→
particular, dado um vetor AB é sempre possı́vel obter segmentos equipolentes a AB com origem
em qualquer ponto do plano ou espaço, onde acharmos mais conveniente.
−→ −−→
Igualdade de Vetores: dois vetores AB e CD são iguais, se AB ∼ CD.
Vetor Nulo: o vetor nulo é o vetor determinado por segmento nulo e indicado por 0.
−→ −→
Vetores Opostos ou Simétricos: dado um vetor v = AB, o vetor BA é chamado de vetor
−→ −→
oposto (ou simétrico), denotado por BA = −AB.
Vetor Unitário: dizemos que v é um vetor unitário, quando sua norma é igual a 1, ou seja,
v = 1.
Vetores
20 UNIDADE I
10
Vetores Colineares: u e v são colineares quando têm a mesma direção, ou seja, podemos tomar
representantes desses vetores sobre a mesma reta suporte ou situadas em retas paralelas.
Vetores Coplanares: dois ou mais vetores são coplanares quando possuem representantes num
−−→ −→ −→
mesmo plano. Na figura 18 os vetores u, v e w
são coplanares, em que u = AD, v = AB e w
= AC.
Figura 18 − Vetores coplanares
Note que dois vetores são sempre coplanares.

21
11
11
Nesta unidade definimos dois conceitos matemático: segmento orientado e também vetor.
Nesta unidade definimos dois conceitos matemático: segmento orientado e também vetor.
Assim, dados dois pontos A e B, reflita sobre a diferença entre o segmento orientado AB e o
Assim,−dados
→ dois pontos A e B, reflita sobre a diferença entre o segmento orientado AB e o
vetor AB.
−→
vetor AB.
OPERAÇÃO COM VETORES

OPERAÇÃO COM VETORES
OPERAÇÃO COM VETORES
Adição de Vetores
Adição de Vetores
Sejam u e v dois vetores, definimos por vetor soma desses vetores e indicaremos por
Sejam u e v dois vetores, definimos por vetor soma desses vetores e indicaremos por
s = u + v ao vetor como indicado na figura 20:
s = u + v ao vetor como indicado na figura 20:
Figura 19 − Vetores Figura 20 − Soma de vetores

Figura 19
−→ −−→ − Vetores Figura 20 − Soma de vetores
Assim, se AB e BC são representantes dos vetores u e v , respectivamente, temos
−→ −−→
Assim, se AB e BC são representantes dos vetores u e v , respectivamente, temos
s = u + v
s = u + v
−→ −→ −−→
AC = AB + BC.
−→ −→ −−→
AC = AB + BC.
Isto é, o vetor soma s tem origem na origem do vetor u e extremidade na extremidade vetor v , em
Isto é, o vetor soma s tem origem na origem do vetor u e extremidade na extremidade vetor v , em
que a origem do vetor v é a extremidade do vetor u.
que a origem do vetor v é a extremidade do vetor u.
Operação com Vetores

22 UNIDADE I
12
Propriedades
I) Comutativa: u + v = v + u.
II) Associativa: (u + v ) + w
= u + (v + w).

III) Existência do vetor nulo 0, assim, para todo v existe 0, tal que v + 0 = 0 + v = v .
IV) Para todo vetor v existe o vetor −v , tal que v + (−v ) = 0.
Vamos demonstrar a propriedade (I) com auxı́lio da figura 21. Dados u e v , considere o paralelo-
−→ −−→ −−→ −−→
gramo ABCD, em que u = AB = DC e v = AD = BC.
Figura 21 − Regra do paralelogramo
−→ −−→ −→ −−→ −−→ −→

Temos u +v = AB + BC = AC, por outro lado, v +u = AD + DC = AC, logo u +v = v +u,
como querı́amos demonstrar. Essa propriedade pode nos auxiliar geometricamente para obtermos
o vetor soma, conhecido como Regra do Paralelogramo, para tanto, procedemos da seguinte
−→ −−→
maneira: marcamos os vetores com origem em comum (no ponto A), isto é, u = AB e v = AD,
depois traçamos duas retas paralelas aos segmentos AB e AD, cuja interseção nos dá um ponto
−→
C, assim, o vetor soma é aquele com origem no ponto A e extremidade em C, isto é, AC.
No caso da adição de três ou mais vetores, temos uma regra bastante útil, que é a Regra
do Polı́gono Fechado. Por exemplo, dados os vetores u, v e w,
o vetor soma s tem origem na
origem do primeiro vetor com extremidade na extremidade do último vetor.

23
13
Figura 22 Figura 23
Assim, para n vetores o vetor soma fecha o polı́gonos, formando um polı́gono com n + 1 lados.
Figura 24
Diferença de Vetores
Definimos por diferença entre os vetores u por v , isto é u − v , o vetor d como sendo a soma
d = u + (−v ), ou seja, u − v = u + (−v ).
Figura 25 Figura 26

24 UNIDADE I
14
Multiplicação de um Vetor por um Escalar (Produto por Escalar)
Seja v um vetor não nulo e k um número real (escalar), chama-se produto de um número
real k pelo vetor v o vetor p = kv , cuja direção é a mesma do vetor v . Se k > 0, o sentido é o
mesmo que de v .
Figura 27 − com k = 1 Figura 28 − com k > 1 Figura 29 − com 0 < k < 1
Agora, se k é negativo, o sentido é oposto.
Figura 32 − com
Figura 30 − com k = −1 Figura 31 − com k < −1 −1 < k < 0
Observe que se kv = 0, então k = 0 ou v = 0.
1
obtenha o vetor s = 2u − v + w.
Exemplo 1: Dados os vetores u, v e w,
3
Figura 33 Figura 34

25
15
Exemplo 2: Sejam ABCD vértices de um paralelogramo, M , N , O e P pontos médios dos

−→ −−→
segmentos AB, BC, CD e DA respectivamente, escreva em termos de AP e AM os vetores:
−→
a) AC
−−→
b) N A
−→ −−→ −−→ Figura 35 −−→ −−→ −→

a) AC = AD + DC b) N A = N P + P A
−→ −−→ −→ −→ −→
= AP + P D + AB = BA − AP
−→ −→ −−→ −−→ −−→ −−→ −→
= AP + AP + AM + M B = BM + M A − AP
−→ −−→ −−→ −−→ −→
= 2AP + AM + AM = 2M A − AP
−→ −−→ −−→ −→
= 2AP + 2AM = −2AM − AP
Até o momento, apresentamos os vetores, a adição e a subtração de vetores, bem como a

multiplicação de um vetor por um número real, particularmente em sua caracterı́stica geométrica
(módulo, direção e sentido). Porém precisamos definir um vetor de acordo com sua posição, seja
no plano ou mesmo no espaço tridimensional. Isso nos motiva a definir os vetores de maneira
analı́tica, ou seja, por meio de coordenadas, porém para definirmos o plano cartesiano ou R2 , bem
como o espaço R3 , é necessário apresentar o conceito de dependência e independência linear que
será visto na próxima sessão.

26 UNIDADE I
16
DEPENDÊNCIA E INDEPENDÊNCIA
DEPENDÊNCIA E INDEPEND ÊNCIA LINEARLINEAR
−→ −−→
Sejam u e v vetores com representantes P A e P B, respectivamente, analisemos as seguintes
−→ −−→
situações: primeiramente, se P A e P B estão sobre uma mesma reta r, então, existe um escalar
−−→ −→
k ∈ R, tal que P B = k P A. Nesse caso, dizemos que o conjunto {u, v } é linearmente dependente
LD ou que os vetores u e v são múltiplos um do outro, ou ainda que v é combinação linear de
−→ −−→
u − em particular, dizemos que os vetores P A e P B geram uma reta, na verdade, basta um vetor
−→
não nulo P A para gerar toda reta.
Figura 36 − Vetores LD Figura 37 − Vetores LI
−→ −−→ −→ −−→
Agora, se P A e P B não estão sobre uma mesma reta, então P A e P B determinam um
plano π, nesse caso, dizemos que {u, v } formam um conjunto linearmente independente LI.
Assim, qualquer vetor w ∈ π pode ser escrito como combinação linear dos vetores u e v , ou seja,
−→ −→ −→ −−→
= P C, com C ∈ π, então devem existir escalares a e b reais, tais que P C = aP A + bP B e,
se w
−→ −−→
portanto, os vetores P A e P B geram um plano, os números a e b são as coordenadas do vetor w
em termos dos vetores u e v .
Figura 38 − Combinação linear

27
17
Considere agora três vetores {u, v , w}.

Dizemos que esse conjunto é linearmente dependente,
se eles possuem representantes num mesmo plano, ou são colineares, assim, esses vetores geram um
plano ou uma reta. Agora, se o conjunto {u, v , w}
é LI, então, esses vetores são não coplanares,
logo, dado qualquer ponto M do espaço e tomando P como ponto de origem comum aos vetores
−−→
u, v , w,
existem escalares a, b e c, tais que o vetor P M = au + bv + cw.
Ou seja, qualquer vetor
do espaço pode ser escrito como combinação linear desses três vetores LI, portanto, esse conjunto
−→ −−→ −→
gera o espaço. Assim, sejam u, v e w
vetores com representantes P A, P B e P C, a seguir, podemos
observar as seguintes situações:
Figura 39 − Vetores LD Figura 40 − Vetores LI

−−→
Podemos ver na figura 41 a interpretação geométrica do vetor P M em termos de u, v e w.

Figura 41 − Vetores LI
Um conjunto com três ou mais vetores num plano é sempre LD. Informalmente, um vetor
deve gerar a reta para ser LI, dois vetores devem gerar um plano para ser LI e três vetores devem
gerar o espaço para ser LI, caso contrário, serão LD. O conjunto vazio {} é LI e qualquer conjunto
que contenha o vetor 0 é LD.
Dependência e Independência Linear

28 UNIDADE I
18
Quando estamos considerando apenas a reta R, cada ponto dessa reta está associado a um
número real, se o número é positivo o ponto que o representa está situado à direita da origem
(ou ponto zero), por outro lado, quando o número é negativo, o ponto está à esquerda da origem.
Nesse sentido, cada número real ou ponto da reta R pode ser representado por um vetor. Como
a reta é unidimensional, logo, todos esses vetores têm a mesma direção, podendo “apontar” para
esquerda ou para direita. Note que o vetor v = 1 pode gerar o eixo x, pois qualquer número (ou
vetor) da reta é múltiplo de 1 (ou combinação linear do vetor v = 1), mais ainda, na verdade
qualquer vetor não nulo pode gerar a reta real. Já o plano cartesiano pode ser gerado pelos
vetores i = (1, 0) e j = (0, 1), ou seja, o conjunto {(1, 0), (0, 1)}. Mas qualquer outro par de
vetores não nulos LI pode gerar um plano, analogamente, o conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
é um conjunto que gera o espaço, porém qualquer outro conjunto formado por três vetores LI
pode gerar o espaço, esses três conjuntos são chamados de base canônica (da reta, do plano
e do espaço euclidiano) e serão estudados mais detalhadamente na unidade IV, que trata da
Álgebra Linear. Os conjuntos {(1, 0), (0, 1)} e {(1, 0, 0), (0, 1, 0), (0, 0, 1)} são chamados de base
canônica para R2 e R3 , respectivamente.
Acesse o link e veja detalhadamente:
<http://wp.ufpel.edu.br/nucleomatceng/files/2012/07/Vetores-no-R2-e-no-R32.pdf>
Fonte: o autor.

29
19
EXPRESSÃO ANALÍTICA
EXPRESSÃO ANAL DE
ÍTICA DE UM UM VETOR
VETOR
Vetores no plano R2
Considere a base canônica para o plano, cada ponto (par ordenado) (x, y) associa-se a um
vetor v = (x, y) e, reciprocamente, cada vetor do plano pode ser associado a um par ordenado.
Igualdade: dois vetores u = (x1 , y1 ) e v = (x2 , y2 ) são iguais se x1 = x2 e y1 = y2 .
Soma: u + v = (x1 + x2 , y1 + y2 ).
Multiplicação por escalar: dados k ∈ R e v ∈ R2 definimos kv = (kx2 , ky2 ).
Notação: v = (x, y) = (x, 0) + (0, y) = x(1, 0) + y(0, 1) = xi + yj

Observe que, dados A e B em R2 , temos:
−→ −→ −−→
AB = AO + OB
−→ −→ −−→
AB = −OA + OB
−→
AB = −(xA , yA ) + (xB , yB )
−→
AB = (xB − xA , yB − yA ).
Figura 42
Portanto, o vetor definido por dois pontos no plano é:
−→
AB = (xB − xA , yB − yA )
−→
AB = B − A
−→ −→
AB = OP .
De maneira análoga, definimos as operações citadas anteriormente para vetores no espaço.
Expressão Analítica de um Vetor

30 UNIDADE I
20
Vetores no espaço R3
Considere a base canônica para R3 , cada ponto (terno ordenado) (x, y, z) do espaço euclidi-
ano associa-se a um vetor v = (x, y, z) e, reciprocamente, cada vetor do espaço pode ser associado
a um terno ordenado.
Igualdade: dois vetores u = (x1 , y1 , z1 ) e v = (x2 , y2 , z2 ) são iguais se x1 = x2 , y1 = y2 e z1 = z2 .
Soma: u + v = (x1 + x2 , y1 + y2 , z1 + z2 ).
Multiplicação por escalar: dados k ∈ R e v ∈ R3 definimos kv = (kx2 , ky2 , kz2 ).
Notação: v = (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1) = xi + yj + zk.
−→ −→
Dados A e B em R3 , AB = B − A = (xB − xA , yB − yA , zB − zA ) = OP , em que P corresponde
ao ponto P (xB − xA , yB − yA , zB − zA ).
Figura 43
Partindo das definições anteriores, é possı́vel demonstrar as propriedades a seguir, isto é,
para quaisquer vetores u, v , w
e números reais a e b, temos:
I) u + v = v + u
II) (u + v ) + w
= u + (v + w)

III) u + 0 = u
= 0
IV) u + (−u)
V) a(bv ) = (ab)v
VI) (a + b)u = au + bu
VII) a(u + v ) = au + av
VIII) 1v = v

31
21
−→
Exemplo 3: Sejam A = 3 e B = 5 dois pontos da reta real (eixo x) R, definimos o vetor AB
como sendo o vetor v = B − A, ou seja, v = 5 − 3 = 2, por outro lado, seu oposto é o vetor
−→
u = BA = A − B = 3 − 5 = −2. A norma de v = u = |5 − 3| = 2. Note que, se C = 2 e
−→ −→
O = 0 (origem da reta), o vetor AB = OC = 2.
−→
Exemplo 4: Dados dois pontos A e B no plano cartesiano, definimos o vetor AB como sendo o
vetor v = B − A, em termos de coordenadas cartesianas por v = (xB − xA , yB − yA ). A norma

do vetor é dada por v = (xA − xB )2 + (yA − yB )2 (Teorema de Pitágoras). Por exemplo, se
−→ √
A(1, 2) e B(5, 5), então, temos v = AB = (5 − 1, 5 − 2) = (4, 3), em que v = 42 + 32 = 5.
−→ −→
Observe que, se C(4, 3) e O(0, 0) é a origem do plano cartesiano, então, AB = OC.
−→ −→
Figura 44 − Marque o ponto C(4, 3), depois o vetor OC e compare com AB
Exemplo 5: Considere o eixo real (reta x ou R), marque os pontos A = 2, B = 3 e C = 5 e

determine a posição do ponto Xi para cada item, em que i = a, b, c, d.
d
−→ −−→
a) AB = CXa
−−→ −−→
b) BC = AXb
−−→ −−→
c) BC = Xc A
−→ −−→
d) CA = AXd

32 UNIDADE I
22
a) b) c) d)
−→ −−→ −−→ −−→ −−→ −−→ −→ −−→
AB = CXa BC = AXb BC = Xc A CA = AXd
B − A = Xa − C C − B = Xb − A C − B = A − Xc A − C = Xd − A
3 − 2 = Xa − 5 5 − 3 = Xb − 2 5 − 3 = 2 − Xc 2 − 5 = Xd − 2
1 + 5 = Xa 2 = Xb − 2 2 = 2 − X2 2 + 2 − 5 = Xd
∴ Xa = 6 ∴ Xb = 4 ∴ Xc = 0 ∴ Xd = −1
Vetores no Espaço
−→
Exemplo 6: Sejam A e B dois pontos no espaço, definimos o vetor AB como sendo o vetor
v = B − A, cujas coordenadas são v = (xB − xA , yB − yA , zB − zA ). A norma do vetor é dada por

v = (xA − xB )2 + (yA − yB )2 + (zA − zB )2 . Por exemplo, se A(−3, −2, 1) e B(2, 4, 3), temos
−→ −→ √ √
v = AB = (2 − (−3), 4 − (−2), 3 − 1) = (5, 6, 2) e v = AB = 52 + 62 + 22 = 65.
Figura 45
Exemplo 7: Sejam A(−1, 2, 3), B(3, 0, −1) e C(2, 1, 1) pontos de R3 , determine X, Y , Z e T de

maneira que:
−→ −−→
a) AB = CX
−−→ −−→
b) CB = Y C
−→ −→
c) AC = −AZ
−−→ −→
d) BC = T B

33
23
a) b)
−→ −−→ −−→ −−→
AB = CX CB = Y C
B−A=X −C B−C =C −Y
(3, 0, −1) − (−1, 2, 3) = X − (2, 1, 1) (3, 0, −1) − (2, 1, 1) = (2, 1, 1) − Y
(3, 0, −1) + (1, −2, −3) + (2, 1, 1) = X Y = (2, 1, 1) + (2, 1, 1) − (3, 0, −1)
∴ X = (6, −1 − 3) ∴ Y = (1, 2, 3)
c) d)
−→ −→ −−→ −→
AC = −AZ BC = T B
C − A = −(Z − A) C −B =B−T
(2, 1, 1) − (−1, 2, 3) = −Z + (−1, 2, 3) (2, 1, 1) − (3, 0, −1) = (3, 0, −1) − T
Z = (−1, 2, 3) + (−1, 2, 3) − (2, 1, 1) T = (3, 0, −1) + (3, 0, −1) − (2, 1, 1)
∴ Z = (−4, 3, 5) ∴ T = (4, −1 − 3)
Exemplo 8: Sejam A(1, 1), B(−2, 0) e C(−3, −2) pontos do plano cartesiano (R2 ), determine as
coordenadas do ponto Xi em que i =, a, b, c, d.
Figura 46
−→ −−→
a) BA = CXa
−→ −−→
b) CA = BXb
−−→ −−→
c) BC = AXc
−→ −−→
d) CA = AXd

34 UNIDADE I
24
a) b)
−→ −−→ −→ −−→
BA = CXa CA = BXb
A − B = Xa − C A − C = Xb − B
(1, 1) − (−2, 0) = Xa − (−3, −2) (1, 1) − (−3, −2) = Xb − (−2, 0)
(1, 1) + (2, 0) + (−3, −2) = Xa (1, 1) + (3, 2) + (−2, 0) = Xb
Xa = (1 + 2 − 3, 1 + 0 − 2) Xb = (1 + 3 − 2, 1 + 2 + 0)
∴ Xa = (0, −1) ∴ Xb = (2, 3)
c) d)
−−→ −−→ −→ −−→
BC = AXc CA = AXd
C − B = Xc − A A − C = Xd − A
(−3, −2) − (−2, 0) = Xc − (1, 1) (1, 1) − (−3, −2) = Xd − (1, 1)
(−3, −2) − (−2, 0) + (1, 1) = Xc (1, 1) + (3, 2) + (1, 1) = Xd
Xc = (−3 + 2 + 1, −2 + 0 + 1) Xd = (1 + 3 + 1, 1 + 2 + 1)
∴ Xc = (0, −1) ∴ Xd = (5, 4)
Exemplo 9: Dados os vetores u = (1, 3), v = (1, 2) e w

= 2v , determine:
a) s = u + w

s = u + w

= (1, 3) + 2(1, 2)
= (1, 3) + (2, 4)
= (3, 7)
b) Mostre que os vetores s e t = (6, 14) são linearmente dependentes.

Sabemos que s e t são LD se existir k ∈ R, tal que s = kt. Assim, vamos tentar calcular k
de maneira que a igualdade de vetores seja verificada, ou seja
(3, 7) = k(6, 14)
(3, 7) = (6k, 14k)
da igualdade de vetores
6k = 3 e 14k = 7
1 1
k= ek=
2 2
portanto, s e t são LD.

35
25
Exemplo 10: Sejam u = (1, 1, 1) e v = (1, 0, 2) vetores de R3 .

a) Mostre que u e v é LI.
Suponhamos, por absurdo, que u e v sejam LD, isto é, existe k ∈ R tal que
u = kv
(1, 1, 1) = k(1, 0, 2)
(1, 1, 1) = (k.1, k.0, k.2)

(1, 1, 1) = (k, 0, 2k)
1
ou seja k = 1, 0 = 1 e k = , absurdo, logo u e v são LI.
2
b) Mostre que o vetor w

= (5, 3, 7) pode ser escrito como combinação linear dos vetores u e v .
Devemos mostrar que existem números a e b tais que w

= au + bv . De fato, temos
w
= au + bv
(5, 3, 7) = a(1, 1, 1) + b(1, 0, 2)
(5, 3, 7) = (a.1, a.1, a.1) + (b.1, b.0, b.2)
(5, 3, 7) = (a, a, a) + (b, 0, 2b)
(5, 3, 7) = (a + b, a, a + 2b).
Da igualdade de vetores obtemos o seguinte sistema:





 a+b = 5

 a = 3



 a + 2b = 7
cuja solução é a = 3 e b = 2, ou seja (5, 3, 7) = 3(1, 1, 1) + 2(1, 0, 2) e, portanto, w

= 3u + 2v .

36 UNIDADE I
26
Caros(as) cursistas, o GeoGebra é um software, gratuito, disponı́vel para todas plataformas

(Windows, Linux, Android etc.). A qualidade e quantidade de recursos disponı́veis nesse apli-
cativo é impressionante. Assim, sugiro que utilizem sempre que possı́vel, de maneira a auxiliá-
los(as), sanar dúvidas. Tentem fazer com que esse programa faça parte de seus estudos, não
apenas na Geometria Analı́tica, mas também nas outras disciplinas. O GeoGebra é um aplica-
tivo indispensável para quem cursa as disciplinas das ciências exatas. Na web existem inúmeros
materiais de apoio, desde apostilas, tutoriais, vı́deos, até comunidades destinadas ao uso dele.
Veja mais em: <http://www.geogebra.org/>
Fonte: o autor.

37
27
MULTIPLICAÇÃO DE VETORES
MULTIPLICAÇÃO DE VETORES
Nas séries iniciais do Ensino Fundamental, aprendemos a multiplicar dois números, por
exemplo, 3 × 5 = 15, em que o número 15 é chamado de produto, 3 é o primeiro fator e o número
5 é o segundo fator. Nesse caso, a multiplicação é uma operação que vem simplificar a soma de
parcelas iguais, isto é 5 + 5 + 5 = 3 × 5 = 15. Uma outra multiplicação é definida no Ensino Médio,
particularmente no estudo das Matrizes, isto é, dadas duas matrizes Amp e Bpn , a multiplicação
da matriz Amp pela matriz Bpn é uma matriz Cmn e denotada por Amp × Bpn = Cmn , perceba que,
na matemática, dado um conjunto (números naturais, racionais, reais, complexos, polinômios,

matrizes, funções etc.) é natural tentar definir, primeiramente, a operação da adição/subtração
e, depois, a operação da multiplicação. Quando isso é possı́vel, tal conjunto com essas operações
torna-se um objeto de estudo bem interessante, com propriedades muitas vezes semelhantes ao
estudado com os números reais.
Apresentaremos, nesta unidade, duas definições para multiplicação de vetores, a saber, o

produto interno (produto escalar) e, também, o produto vetorial (produto externo). O produto
interno é uma função binária que associa a cada par de vetores um número real (escalar), enquanto
o produto vetorial é uma função que associa a cada par de vetores um outro vetor.
O conceito de produto interno e produto vetorial é de extrema importância para o estudo

do cálculo vetorial, bem como nas aplicações relacionadas à fı́sica clássica, mecânica e eletromagne-
tismo. Existem muitos estudos que tentam justificar a origem das definições dessas duas operações,
no entanto, ficaremos restritos apenas a defini-los e aplicá-los conforme objetivo do curso.
Produto Interno
Vamos definir uma operação denominada de produto interno, também conhecido por pro-
duto escalar (não confunda com o produto por escalar). Essa operação associa a cada par de
vetores um número real, mas, para definir tal operação, primeiramente, precisamos de dois concei-
tos relacionados aos vetores: o primeiro é ângulo formado por dois vetores e o segundo é a norma
(módulo) ou comprimento de um vetor. Assim, sejam u e v vetores não nulos com representantes
−→ −−→
P A e P B.
Multiplicação de Vetores
38 UNIDADE I
28
−→ −−→
Dados os vetores u e v com representantes u = P A e v = P B, definimos o número θ como
sendo o ângulo entre u e v a menor medida em radianos (ou graus) formada pelos segmentos P A
e P B, em que 0 ≤ θ ≤ π ou em graus 0o ≤ θ ≤ 180o .
Figura 47
A norma de um vetor é um número real positivo t, denotado por v = t que corresponde
à distância entre os ponto P e B. Além disso, note que v = 0 se, e somente se, u = 0. Agora,
vamos relembrar como calcular a norma de um vetor.
−→
Exemplo 11: Na reta real (eixo x), se A = 5 e B = 8, o vetor v = AB = 8 − 5 = 3 e
−→
AB = v = 3, lembrando que dado um segmento AB sempre existe um ponto P tal que o
segmento AB ∼ OP em que O é a origem (ou ponto zero), então, em termos de coordenadas, o
valor 3 corresponde à distância do ponto P até a origem O.
Figura 48
−→
No plano cartesiano R2 , dados A(xA , yA ) e B(xB , yB ), se v = AB, a norma do vetor v é a
distância entre os pontos A e B, denotando v = (a, b) em que a = xB − xA e b = yB − yA temos
−→
AB = (xB − xA )2 + (yB − yA )2
√
v = a2 + b2 .
Analogamente, se A(xA , yA , zA ) e B(xB , yB , zB ) são pontos do R3 , pondo v = (a, b, c) em

39
29
que a = xB − xA , b = yB − yA e c = zB − zA , então
−→
AB = (xB − xA )2 + (yB − yA )2 + (zB − zA )2
√
v = a2 + b2 + c2 .
Definimos como Produto Interno (ou Produto Escalar) dos vetores u por v ao número
real dado por 

 0, se u = 0 ou v = 0
u.v = .

 u.v. cos θ
Observe que se u e v são vetores não nulos, u.v = 0 se, e somente se, θ = 90o . Nesse caso,
dizemos que u e v são ortogonais (“perpendiculares”).
A definição anterior exige que conheçamos o ângulo θ para calcular o produto interno, no
entanto, apresentaremos um resultado interessante para calcular o produto interno sem conhecer
o ângulo θ, que é o próximo teorema. Esse resultado é válido para bases ortonormais. Faremos a
demonstração desse resultado para R3 . Assim, dizemos que o conjunto {a, b, c} é uma base orto-
normal se:
I) a.b = a.c = b.c = 0, isto é, a, b e c são ortogonais entre si.
II) a = b = c = 1.
Em particular, vimos que a base ortonormal {i, j, k} é conhecida como base canônica de R3 , em
que i = (1, 0, 0), j = (0, 1, 0) e k = (0, 0, 1).
Teorema: se {i, j, k} é uma base ortonormal canônica e u = (x1 , y1 , z1 ) e v = (x2 , y2 , z2 ), então
u.v = x1 x2 + y1 y2 + z1 z2 .
e

u = x21 + y12 + z12 .
Demonstração:
40 UNIDADE I
30
30
Note primeiro que i2 = i.i. cos 0o = 1 e i.j = i.j cos 90o = 0, logo,
Note primeiro que i2 = i.i. cos 0o = 1 e i.j = i.j cos 90o = 0, logo,
u.v = (x1i + y1j + z1k).(x2i + y2j + z2k)
u.v = 2 y1j + z1k).(x2i + z2k)
= (x
x11xi2+
i + x1 y2 ij + x1 z2iky+
2 j y+ 2 2
1 x2 j i + y1 y2 j + y1 z2 j k + z1 x2 k i + z1 y2 k j + z1 z2 k
= 2 x1 y2ij + x1 z2ik + y1 x2ji + y1 y2j 2 + y1 z2jk + z1 x2ki + z1 y2kj + z1 z2k 2

= xx11xx22i.1 +
+ x1 y2 .0 + x1 z2 .0 + y1 x2 .0 + y1 y2 .1 + y1 z2 .0 + z1 x2 .0 + z1 y2 .0 + z1 z2 .1
=
= xx11xx22.1++y1xy12y+
2 .0z1
+z2x. 1 z2 .0 + y1 x2 .0 + y1 y2 .1 + y1 z2 .0 + z1 x2 .0 + z1 y2 .0 + z1 z2 .1
= x 1 x 2 + y1 y 2 + z 1 z 2 .
Além disso, se v = u, temos
Além disso, se v = u, temos
u.u = u.u. cos 0 = x21 + y12 + z12
u.u = u.u. cos 0 = x21 + y12 + z12
e, portanto,

e, portanto, u = x21 + y12 + z12 .

u = x21 + y12 + z12 .
De maneira análoga, a partir da definição de produto interno u.v = uv . cos θ, podemos
mostrarDeque
maneira análoga,
o resultado a partir
é válido na da R, ou seja
retadefinição de produto interno
u.v = x1 .x 2 , em
u u
.v =
que =u
x1 ve.vcos
=x e em R2
θ,2 ,podemos
mostrar
também que o resultado
é válido que u.vé =
válido
x1 .x2na 1 .y2 ,R,
+ yreta sejau u=.v(x=1 ,xy11.x
emouque ) 2e, vem
= que ). x1 e v = x2 , e em R2
(x2 , uy2=
também é válido que u.v = x1 .x2 + y1 .y2 , em que u = (x1 , y1 ) e v = (x2 , y2 ).
É possı́vel definir produto interno como no resultado do teorema anterior, ou seja, por definição,
É
o possı́vel
produto definir
internoproduto
é u.v = interno
x1 .x2 +como
y1 .y2 (em R2 , por exemplo)
no resultado do teorema
e uanterior,
.v = x1 .xou
2+seja,
y1 .y2por 3
+ zdefinição,
1 .z2 (R ),
1 .y2 (em R
2 3
oe produto interno é u.vobtém-se
como consequência = x1 .x2 +
o yresultado v, por
u. = uexemplo)
v . coseθ.u.Alguns
v = x1 .xlivros
2 + y1 .y 2 + za
usam 1 .znotação
2 (R ),
e<como
u, v >consequência
para indicar obtém-se resultado u.v = uv . cos θ. Alguns livros usam a notação
o produtoo interno.
< u, vsaber
Para > para indicar
mais, o produto
acesse: interno.
<http://www.sato.prof.ufu.br/LeisKepler/node4.html>
Para
Fonte:saber mais, acesse: <http://www.sato.prof.ufu.br/LeisKepler/node4.html>
o autor.
Fonte: o autor.

41
31
Propriedades
I) u.v = v .u
II) k(u.v ) = (ku).v ; ∀x ∈ R
III) u.(v + w)
= u.v + u.w

Vamos mostrar a propriedade do item (I). Sejam u = (x1 , y1 , z1 ) e v = (x2 , y2 , z2 ) vetores em R3 ,

temos
u.v = x1 x2 + y1 y2 + z1 z2
= x2 x1 + y2 y1 + z2 z1 (a multiplicação nos reais é comutativa)

= v .u
Exemplo 12: Determine o produto interno entre os vetores:

a) u = (1, 3) e v = (2, 5).
Temos
u.v = (1, 3).(2, 5)
= 1.2 + 3.5
= 2 + 15
= 17
b) u = (1, −2, 4) e v = (−3, −1, 2)

u.v = (1, −2, 4).(−3, −1, 2)
= 1.(−3) + (−2).(−1) + 4.2
= −3 + 2 + 8
=7
c) a = 2i − j + 3k e b = i + k
a.b = (2, −1, 3).(1, 0, 1)
= 2.1 + (−1).0 + 3.1
=2+0+3
=5
42 UNIDADE I
32
−→ −→
Exemplo 13: Sejam A(3, 1), B(5, 3) e C(0, 4), mostre que os vetores AB e AC são ortogonais.
Dois vetores são ortogonais se o ângulo formado por eles é igual a 90o , como cos 90o = 0, então
−→ −→ −→ −→
devemos ter AB.AC = 0. Assim, temos AB = (5−3, 3−1) = (2, 2) e AC = (0−3, 4−1) = (−3, 3),
logo,
−→ −→
AB.AC = 2.(−3) + 2.3 = −6 + 6 = 0
Exemplo 14: Determine a norma dos vetores:

a) u = (−3, 5)
Temos que a norma de um vetor é dada por
√ √
u = (−3)2 + 52 = 9 + 25 = 34
√
b) v = ( 2, 0, −3)
Em R3 , temos
√ √ √
v = ( 2)2 + 02 + (−3)2 = 2 + 0 + 9 = 11
Exemplo 15: Se u = (1, 1, 4) e v = (−1, 2, 2), determine o ângulo formado por esses vetores.
Seja θ o ângulo formado pelos vetores u e v , como u.v = uv cos θ, logo,
u.v
cosθ = (∗).
uv
√ √ √
Assim, temos u.v = 1.(−1) + 1.2 + 4.2 = −1 + 2 + 8 = 9, u = 12 + 12 + 42 = 18 = 3 2
√
e v = (−1)2 + 22 + 22 = 1 + 4 + 4 = 3, logo, substituindo em (∗) os resultados obtidos
evidenciam que √
9 1 2
cos θ = √ =√ =
3 2.3 2 2
e como 0 < θ < 180o , então θ = 45o .
Perceba que tomamos dois vetores u e v em R3 e, a partir de suas coordenadas, obtivemos

o ângulo formado por eles sem mesmo ter que desenhá-los.

43
33
33
No Ensino Fundamental, é ensinada a regra dos sinais para multiplicação, isto é, negativo com
negativo dá positivo, positivo com negativo dá negativo etc. Observe alguns vetores na reta
R,Noverifique
Ensino Fundamental, é ensinada
quais os possı́veis ângulosa formados
regra dos por
sinais para
eles multiplicação,
e, utilizando isto é, negativo
a definição com
de produto
negativotente
interno, dá positivo,
explicar apositivo com
regra dos negativo dá negativo etc. Observe alguns vetores na reta
sinais.
R, verifique quais os possı́veis ângulos formados por eles e, utilizando a definição de produto
interno, tente explicar a regra dos sinais.
Produto Vetorial
Produto Vetorial
Vimos na seção anterior que o produto interno associa cada par de vetores a um número
real. Veremos agora uma operação chamada de Produto Vetorial (ou Produto Externo) que, a
cada parVimos na seção
ordenado anterior
de vetores (u, que o espaço,
v ) no produtoassocia-se
interno associa cada par
a um vetor de vetores
indicado por ua×um
v . número
real. Veremos agora uma operação chamada de Produto Vetorial (ou Produto Externo) que, a
Definição: Dados dois
cada par ordenado vetores(
de vetores u ,=
v ) (x
no1 , espaço,
y1 , z1 ) eassocia-se
v = (x2 , ya2 ,um
z2 ),vetor
nessa indicado
ordem, o por u × v .vetorial
produto
de u por v denotado por u × v resulta em um vetor com as seguintes propriedades:
I)Definição: Dados
u × v = dois vetores
u, v )|. u = (x1 , y1 , z1 ) e v = (x2 , y2 , z2 ), nessa ordem, o produto vetorial
u.v .|sen(
deuu×por
II) v évperpendicular
denotado porao u × v resulta
plano empor
gerado umuvetor
e v . com as seguintes propriedades:
I)
III) Ou × v =
sentido u.
do v .|sen(
vetor u × vu,pode
v )|. ser indicado pela regra da mão direita.
Isto u ×
II) é, v é perpendicular
suponhamos que u eao
v plano geradoum
determinam porplano
u e v .horizontal, como na figura a seguir:
III) O sentido do vetor u × v pode ser indicado pela regra da mão direita.
Isto é, suponhamos que u e v determinam um plano horizontal, como na figura a seguir:
Figura 49
Figura 49
44 UNIDADE I
34
Com a mão direita, indicamos por u (dedo indicador), v (dedo médio) e u ×v (o polegar estendido),
esse último indica o sentido do vetor u×v . Por outro lado, o produto v ×u tem-se v (dedo indicador),
u (dedo médio) e v × u (polegar) aponta para o sentido oposto ao anterior, ou seja, u ×v = −v × u.
O item (I) indica que a norma do produto vetorial corresponde à área do paralelogramo ABCD.
Figura 50
As coordenadas do produto vetorial podem ser obtidas com auxı́lio do cálculo simbólico de um
“determinante”. Ou seja, se u = (x1 , y1 , z1 ) e v = (x2 , y2 , z2 ), o produto vetorial u × v é dado por

i j k

y1 z1 x z
1 1
x y
1 1
u × v = x1 y1 z1 = i − j + k
y2 z2
x z

x y

2 2 2 2
x2 y2 z 2
ou, ainda,  

y z x z x y
 1 1 1 1 1 1 
u × v =  ,− ,  .

y2 z 2 x2 z 2 x2 y2
Portanto, em termos de coordenadas, temos
u × v = (y1 z2 − y2 z1 , −(x1 z2 − x2 z1 ), x1 y2 − x2 y1 ) .
Propriedades
I) u × u = 0, ∀ u.
II) u × v = −v × u.
III) u × (v + w)
= u × v + u × w.

IV) (mu) × v = m(u × v ).

45
35
V) u × v = 0 se, e somente se, um dos vetores é nulo, ou u e v são colineares (paralelos).

VI) O vetor u × v é ortogonal aos vetores u e v .
Vamos provar a propriedade (II) utilizando as propriedades dos determinantes, isto é,
quando trocamos de posição duas linhas, seu determinante muda o sinal, ou seja

i j k i j k

u × v = x 1 y1
z1 = −
x 2 y2 z2 = −v × u.

x2 y2 z2 x1 y1 z1
Exemplo 16: Sejam u = (2, 1, 1) e v = (−1, 0, 2) vetores de R3 , calcule o produto vetorial entre
esses vetores.
Sabemos que

i j k

2 1 2 1
1 1
u × v = 2 1 1 = i − j + k
0 2
−1 2 −1 0
−1 0 2
u × v = 2i − (4 + 1)j + k = (2, −5, 1).
Geometricamente temos
Figura 51
46 UNIDADE I
36
Exemplo
36 17: Calcule a área do paralelogramo determinada pelos vetores u = (2, 1, 1) e v =
(−1, 0, 2).
Exemplo
Sabemos que17: Calcule
a área a área do paralelogramo
do paralelogramo é dada por determinada pelos vetores u = (2, 1, 1) e v =
(−1, 0, 2).
Sabemos que a área do paralelogramo é dada
A = por
u × v
A = u × v
e do exemplo 16, temos u × v = (2, −5, 1), logo,

e do exemplo 16, temos u × v = (2, −5,
A =1), logo,
22 + (−5)2 + 12
√
AA== 224 + 25 +21+ 12
+ (−5)
√
A√
= 30.
A = 4 + 25 + 1
√
A= 30.
Vimos que o produto interno pode ser definido na reta R, no plano R2 , no espaço R3 , no entanto,
o produto vetorial é por definição um vetor do espaço R3 . Qual a parte da definição que garante
Vimos que o produto interno pode ser definido na reta R, no plano R2 , no espaço R3 , no entanto,
isso?
o produto vetorial é por definição um vetor do espaço R3 . Qual a parte da definição que garante
isso?

47
37
Produto Misto
Para definirmos o Produto Misto, lembremos que o cálculo do produto interno está associado
a um número real, enquanto o produto vetorial nos dá um vetor. O termo misto indica que esse
produto envolverá os dois tipos de multiplicação.
Definição: Sejam u = (x1 , y1 , z1 ), v = (x2 , y2 , z2 ) e w

= (x3 , y3 , z3 ) vetores no espaço, o produto
misto é uma operação que a cada terno ordenado associa-se a um número real denotado por
= (u × v ).w.
[u, v , w]
A interpretação geométrica é que o módulo do produto misto corresponde ao volume do

paralelepı́pedo definido pelos vetores u, v e w.

|[u, v , w]|
= u × v .w.|
cos(u × v , w)|.

Observe o paralelepı́pedo ABCDEF GH definido pelos vetores u, v e w,

como na figura 52.
Figura 52
Assim, u × v corresponde à área do paralelogramo ABCE e w.|

cos(θ)| é a altura no parale-
lepı́pedo, em que θ = (u × v , w).
Pensando ainda em termos de volume, note que se os vetores u,
v e w
são coplanares, então, o volume do sólido se degenera, ou seja, seu volume é igual a zero.
Utilizando o mesmo raciocı́nio, podemos dizer que os pontos ABCD estão no mesmo plano quando
o produto misto também é igual a zero.
48 UNIDADE I
38
Uma forma prática de calcular o produto misto é utilizando o determinante a seguir

x1 y 1 z 1

= x2 y2 z2 .
[u, v , w]

x3 y3 z 3
Para verificar a validade dessa igualdade, temos
= (y1 z2 − y2 z1 , −(x1 z2 − x2 z1 ), x1 y2 − x2 y1 ) .(x3 , y3 , z3 )

(u × v ) .w
= x3 (y1 z2 − y2 z1 ) − y3 (x1 z2 − x2 z1 ) + z3 (x1 y2 − x2 y1 ),
(u × v ) .w
ou seja,

x 1 y1 z 1

= x2 y2 z2 .
(u × v ) .w

x3 y3 z 3
Portanto,

x1 y1 z 1

= x2 y2 z2 .
[u, v , w]

x3 y3 z 3
Exemplo 18: Mostre que os vetores u = (−1, −3, −1), v = (2, 3, −1) e w
= (−1, 0, 2) são
coplanares (LD). Os vetores u, v e w
são coplanares se [u, v , w]
= 0, assim, temos

−1 −3 −1

= 2
[u, v , w] 3 −1 = −1(6 − 0) + 3(4 − 1) − 1(0 + 3) = −6 + 9 − 3 = 0.

−1 0 2
Exemplo 19: Verifique se os pontos A(0, 0, 2), B(1, 0, 0), C(−1, −3, 1) e D(−2, −3, 3) estão situ-
ados no mesmo plano.
−→ −→ −−→
Os pontos dados são coplanares se os vetores AB, AC e AD forem coplanares, da definição de

49
39
produto misto, temos

1−0 0−0 0 − 2

−→ −→ −−→
[AB, AC, AD] = −1 − 0 −3 − 0 1 − 2

−2 − 0 −3 − 0 3 − 2

1 0 −2

= −1 −3 −1

−2 −3 1
= 1(−3 − 3) − 0(−1 − 2) − 2(+3 − 6)
= 1(−6) − 0(−3) − 2(−3)
= −6 + 6
= 0.
−→ −→ −−→
Portanto, como [AB, AC, AD] = 0, segue que os pontos dados são coplanares.
Exemplo 20: Determine o volume do paralelepı́pedo que tem um dos vértices no ponto A(0, 0, 0)
e três vértices adjacentes B(0, 2, 0), C(4, 0, 0) e D(0, 0, 2).

0−0 2 − 0 0 − 0

−→ −→ −−→
[AB, AC, AD] = 4−0 0 − 0 0 − 0

0−0 0−0 2−0

0 2 0

= 4 0 0

0 0 2
= 0(0 − 0) − 2(8 − 0) + 0(0 − 0)
= 0.0 − 2.8 + 0.0
= −16
−→ −→ −−→

[AB, AC, AD] = 16
50 UNIDADE I
40
40
Uma propriedade interessante do produto misto é que, dados u, v e w,

esses vetores são coplana-
res se [u, v , w]
= 0, ou seja, esses três vetores formam um conjunto LD. Agora, se [u, v , w] = 0,
Uma propriedade
então, o conjunto interessante do produto misto
é LI (não coplanares). é que,dados
Portanto, dados três
u, v evetores
w,
essesnovetores sãopodemos
espaço, coplana-
res se [use
verificar , v ,eles
w]
= 0, LI
são ou ou
seja,
LDesses três vetores
analisando formam
o valor um conjunto
do produto = 0,
misto. LD. Agora, se [u, v , w]
então, o conjunto é LI (não coplanares). Portanto, dados três vetores no espaço, podemos
Fonte: o autor.
verificar se eles são LI ou LD analisando o valor do produto misto.
Fonte: o autor.
Plano Cartesiano
Plano Cartesiano
A Geometria Analı́tica, também conhecida como geometria das coordenadas, baseia-se no
estudo da geometria com a utilização da Álgebra. Indı́cios históricos apontam que seus estudos
A Geometria
iniciaram-se Analı́tica, também
com o matemático conhecida
francês René como geometria
Descartes das criador
(1596-1650), coordenadas, baseia-se
do sistema no
de co-
estudo da cartesianas
ordenadas geometria com a utilização
ou plano da Álgebra.
cartesiano. Indı́cios
Ele conseguiu históricos
estabelecer apontam
relações quea geometria
entre seus estudos
e
iniciaram-se com o matemático francês René Descartes (1596-1650), criador do sistema
a álgebra ao analisar o ponto, distâncias, retas e circunferências no plano cartesiano por meio de de co-
ordenadas
suas cartesianas ou plano cartesiano. Ele conseguiu estabelecer relações entre a geometria e
coordenadas.
a álgebra ao analisar o ponto, distâncias, retas e circunferências no plano cartesiano por meio de
Vamos estudar, agora, as equações da reta, equações do plano, cálculo de distância, ângulo
suas coordenadas.
e posições relativas no sistema de coordenadas R3 .
Vamos estudar, agora, as equações da reta, equações do plano, cálculo de distância, ângulo
Lembremos de alguns fatos importantes relacionados à geometria no plano xy, por exemplo,
e posições relativas no sistema de coordenadas R3 .
por dois pontos distintos passa uma única reta, ou seja, para obtermos a equação de uma reta
precisamosLembremos
de dois de algunsequivalentemente,
pontos, fatos importantes dada
relacionados à geometria
a inclinação noeplano
da reta xy, pordoexemplo,
um ponto plano,
por dois
existe umapontos distintos
única reta passapor
que passa uma única
esse reta,
ponto comouessa
seja, para obtermos
inclinação. Fazendoa equação
analogia de
ao uma reta
exemplo
precisamos
anterior, de doisR3pontos,
no espaço equivalentemente,
, para definirmos a equaçãodada a inclinação
de uma da retadeedois
reta, precisamos um pontos
ponto distintos,
do plano,
existe
ou uma única reta
equivalentemente dequeum passa
pontopor esse
e um ponto
vetor, com
esse essa inclinação.
último nos fornece Fazendo
a direçãoanalogia
da reta, ao
da exemplo
mesma
anterior, no espaço R 3
, para definirmos a equação de uma reta, precisamos de dois pontos
forma que o coeficiente angular no plano. Agora, para definirmos a equação de um plano no espaço distintos,
Rou
3 equivalentemente de um ponto e um vetor, esse último nos fornece a direção da reta, da mesma
precisamos de três pontos distintos (não colineares), isto equivale a dois vetores linearmente
forma que o coeficiente
independentes e mais um angular
pontono plano.
por onde Agora, para definirmos
deve passar a equação
o plano. É importantede um plano noaespaço
se atentar esses
R3 precisamos de três pontos distintos (não colineares), isto equivale a dois vetores linearmente
independentes e mais um ponto por onde deve passar o plano. É importante se atentar a esses

51
41
detalhes, pois podem auxiliá-los na compreensão e dedução das fórmulas e resolução dos problemas.
Apesar da importância da dedução das fórmulas, esperamos que o leitor tenha domı́nio em
aplicá-las na resolução dos problemas propostos.
SISTEMAS DE COORDENADAS
SISTEMAS DE COORDENADAS
Seja O um ponto do espaço que chamaremos de origem, tomemos os segmentos OA, OB

−→ −−→ −→
e OC unitários e ortogonais entre si. Os vetores i = OA, j = OB e k = OC representam uma
base ortonormal que chamaremos de Sistema Ortogonal de coordenadas de R3 . Indicaremos por

OX, OY e OZ as retas que contêm os segmentos OA, OB e OC respectivamente, ou apenas eixos
x, y e z (eixos coordenadas). O plano que contém os eixos x e y recebe o nome de plano xy, x
e z de plano xz e y e z de plano yz. Cada ponto P do espaço corresponde a um único segmento
−→
orientado OP com origem em O. Esse segmento determina um único vetor v = OP que se escreve
como combinação linear dos vetores i, j e k
v = xi + yj + zk
ou simplesmente
v = (x, y, z).
Assim, podemos representar cada ponto P do espaço por meio do terno ordenado de coordenadas
cartesianas P = (x, y, z) ou P (x, y, z). Reciprocamente, cada terno ordenado (x, y, z) corresponde
−→
a um único ponto P do espaço, tal que OP = xi + yj + k = (x, y, z).
Portanto, a grosso modo podemos associar cada ponto P (x, y, z) do espaço a um vetor
v = (x, y, z), apesar de ponto e vetor serem entidades distintas, ambos são representados por um
terno ordenado.
Sistemas de Coordenadas
52 UNIDADE I
42
Distância entre 2 pontos
Vamos deduzir a fórmula da distância entre dois pontos no espaço. Sejam A(xA , yA , zA ),
B(xB , yB , zB ) e O(0, 0, 0) pontos de R3 .
Figura 53
−→
Denotemos a distância entre os pontos A e B por d(A, B), assim temos d(A, B) = AB, como
−→ −−→ −→
AB = BO + OA
−−→ −→
= −OB + OA
= −(xB − 0, yB − 0, zB − 0) + (xA − 0, yA − 0, zA − 0)
= (xA − xB , yA − yB , zA − zB )
segue que
−→
AB = (xA − xB )2 + (yA − yB )2 + (zA − zB )2
e, portanto,

d(A, B) = (xA − xB )2 + (yA − yB )2 + (zA − zB )2

53
43
O PLANO
O PLANO
Equações do plano definidas por 3 pontos
Equações Paramétricas
Vamos determinar uma equação do plano definido por 3 pontos. Sejam A(xA , yA , zA ),
B(xB , yB , zB ) e C(xC , yC , zC ) pontos não colineares e π o plano que contém esses pontos. Assim,
−→ −→
se P (x, y, z) é um ponto genérico, vamos encontrar condições para que P ∈ π. Como AB, AC são
−→ −→ −→ −→
LI, logo, P ∈ π se existem escalares a e b tais que AP = aAB + bAC, ou seja, AP é combinação
−→ −→
linear dos vetores AB e AC.
Figura 54
−→ −→ −→
Como AP = AO + OP , segue que
−→ −→ −→ −→
AO + OP = aAB + bAC
−→ −→ −→ −→
OP = −AO + aAB + bAC
−→ −→ −→ −→
OP = OA + aAB + bAC
(x, y, z) = (xA , yA , zA ) + a(xB − xA , yB − yA , zB − zA ) + b(xC − xA , yC − yA , zC − zA )
(x, y, z) = (xA + a(xB − xA ) + b(xC − xA ), yA + a(yB − yA ) + b(yC − yA ), zA + a(zB − zA ) + b(zC − zA )).
O Plano
54 UNIDADE I
44
Da igualdade de vetores, temos





 x = xA + a(xB − xA ) + b(xC − xA )

 y = yA + a(yB − yA ) + b(yC − yA ).



 z = z + a(z − z ) + b(z − z )
A B A C A
Essas são as equações paramétricas do plano π, os números a e b são os parâmetros do ponto

P (x, y, z). Assim, para cada ponto P do plano existe um par ordenado (a, b) associado a ele e,
reciprocamente, cada par ordenado (a, b) corresponde a um ponto P do plano.
Exemplo 21: Sejam A(1, 2, 3), B(−1, 0, 1) e C(3, 1, 5) pontos de R3 . Determine as equações
paramétricas do plano que passa por esses 3 pontos e verifique se os pontos D(−1, 0, 1) e E(3, 1, 0)
pertencem a esse plano.
Temos:
xA = 1, xB = −1 e xC = 3
yA = 2, yB = 0 e yC = 1
zA = 3, zB = 1 e zC = 5
em que, substituindo, obtemos





 x = 1 + a(−1 − 1) + b(3 − 1)

 y = 2 + a(0 − 2) + b(1 − 2) .



 z = 3 + a(1 − 3) + b(5 − 3)
Portanto, as equações paramétricas são





 x = 1 − 2a + 2b

 y = 2 − 2a − b .



 z = 3 − 2a + 2b
Agora, vamos verificar se o ponto D(−1, 0, 1) pertence ao plano. Para tanto, substituı́mos as
coordenadas do ponto nas equações paramétricas e obtemos o seguinte sistema de três equações e

55
45
duas incógnitas: 



 −1 = 1 − 2a + 2b

 0 = 2 − 2a − b.



 1 = 3 − 2a + 2b
Equivalentemente 



 −2 = −2a + 2b

 −2 = −2a − b



 −2 = −2a + 2b
cuja solução é o par ordenado (a, b) = (1, 0) e, portanto, o ponto D(−1, 0, 1) pertence ao plano.
Por outro lado, para o ponto E(3, 1, 0), obtemos o seguinte sistema




 3 = 1 − 2a + 2b

 1 = 2 − 2a − b ,



 0 = 3 − 2a + 2b
ou seja, 



 2 = −2a + 2b

 −1 = −2a − b ,



 −3 = −2a + 2b
que não admite solução. Logo, como não existe um par ordenado que é solução do sistema anterior,
concluı́mos que esse ponto E não pertence ao plano.
O Plano
56 UNIDADE I
47
46
Equação Cartesiana do plano
Vamos obter agora uma outra equação do plano definida por 3 pontos. Se os pontos A, B,
→ −→ −→
C e P são coplanares, então, o conjunto {−
AP , AB, AC} é LD, logo, do produto misto temos
Figura 55
→ −→ −→
[−
AP , AB, AC] = 0.
−→ −→
Pondo AB = (a1 , b1 , c1 ), AC = (a2 , b2 , c2 ) em que a1 = xB − xA , b1 = yB − yA , c1 = zB − zA ,
a2 = xC − xA , b2 = yC − yA e c2 = zC − zA , segue que

x − xA y − yA z − zA

a c1 = 0
1 b1

a2 b2 c2
(x − xA )(b1 c2 − c1 b2 ) + (y − yA )(a2 c1 − a1 c2 ) + (z − zA )(a1 b2 − b1 a2 ) = 0
chamando de a = b1 c2 − c1 b2 , b = a2 c1 − a1 c2 e c = a1 b2 − b1 a2
(x − xA )a + (y − yA )b + (z − zA )c = 0
ax + by + cz − (axA + byA + czA ) = 0.
Pondo d = −(axA + byA + czA ) obtemos
ax + by + cz + d = 0
que é a equação geral ou cartesiana do plano.
Exemplo 22: Determine a equação geral do plano π que passa pelos pontos A(1, 0, 2), B(−1, 2, 0)
e C(0, 1, −2).
Seja π o plano que passa pelos pontos A(1, 0, 2), B(−1, 2, 0) e C(0, 1, −2), considere P (x, y, z)
−→ −→ −→
um ponto genérico desse plano. Assim, AP = (x−1, y, z−2), AB = (−2, 2, −2) e AC = (−1, 1, −4)
e do produto misto, temos

x−1 y z−2

−2 2 −2 = 0


−1 1 −4
(x − 1)(−8 + 2) − y(+8 − 2) + (z − 2)(−2 + 2) = 0
(x − 1).(−6) − y(+6) + (z − 2).0 = 0
−6x + 6 − 6y = 0
−6x − 6y + 6 = 0
essa última é a equação geral do plano.
Equação Normal do Plano
Dizemos que um vetor n é normal (perpendicular) a um plano π se ele é perpendicular a

todos vetores desse plano. Assim, seja n = (a, b, c) um vetor normal a um plano π e A(xA , yA , zA )
−→
um ponto desse plano, logo um ponto P (x, y, z) pertence a π se AP é perpendicular ao vetor n,
isso ocorre se
−→
n.AP = 0 (equação normal do plano)
Figura 56

57
48
segue que
(a, b, c).(x − xA , y − yA , z − zA ) = 0
a(x − xA ) + b(y − yA ) + c(z − zA ) = 0
Pondo d = −(axA + byA + czA ) obtemos
ax + by + cz + d = 0.
Assim, acabamos de verificar que é possı́vel obter a equação de um plano, dados um vetor normal a
ele e um ponto desse plano. Note também que, dada uma equação de um plano ax+by +cz +d = 0,
o vetor n = (a, c, b) é um vetor normal a esse plano.
Observe que fixado um vetor n = (a, b, c) todo plano com equação ax + by + cz + d = 0 é

perpendicular ao vetor n, particularmente, para cada valor d ∈ R obtemos um plano ortogonal ao
vetor dado, em que esses planos são todos paralelos entre si. Lembre-se que dada uma equação
do 1o grau y = ax + b, fixando o coeficiente angular a e percorrendo todos valores reais para o
coeficiente linear b obtemos uma famı́lia de retas paralelas “varrendo” todo plano xy, o mesmo
ocorre com a equação ax + by + cz + d = 0, ao variarmos todos valores d percorremos todo espaço
R3 com planos paralelos entre si.
Exemplo 23: Determine a equação do plano que passa pelo ponto A(1, −1, 3), sendo n = (1, −1, 2)
um vetor normal a esse plano.
Vimos que se n = (1, −1, 2) é um vetor normal ao plano de equação ax + by + cz + d = 0,

sendo a = 1, b = −1 e c = 2, ao substituirmos, obtemos
1x − 1y + 2z + d = 0.
Como A(1, −1, 3) é um ponto desse plano, devemos ter
1.(1) − 1.(−1) + 2.3 + d = 0
O Plano
58 UNIDADE I
49
1+1+6+d=0
d = −8.
Portanto, a equação é do plano com vetor normal n = (1, −1, 2) e que passa pelo ponto A(1, −1, 3)
é
x − y + 2z − 8 = 0.
Equações do plano determinado por 2 vetores e 1 ponto
Equações paramétricas
Sejam A(xA , yA , zA ), u = (a1 , b1 , c1 ) e v = (a2 , b2 , c2 ) vetores não nulos. Tomemos os pontos

−→ −→
B e C, tais que os vetores AB e AC sejam representantes (ou diretores) dos vetores u e v .
Figura 57
−→ −→
Assim, se AB e AC são vetores LI, então, existe um plano π que contém os segmentos AB
−→
e AC, logo, se P (x, y, z) ∈ π o vetor AP pode ser escrito como combinação linear dos vetores u e
v , isto é, existem escalares p e q tais que
−→
AP = pu + qv
−→ −→
AO + OP = pu + qv
−→ −→
−OA + OP = pu + qv
−→ −→
OP = OA + pu + qv
(x, y, z) = (xA , yA , zA ) + p(a1 , b1 , c1 ) + q(a2 , b2 , c2 )
(x, y, z) = (xA + pa1 + qa2 , yA + pb1 + qb2 , zA + pc1 + qc2 ).

59
50
Da igualdade de vetores temos 




 x = xA + pa1 + qa2

 y = yA + pb1 + qb2



 z = z + pc + qc
A 1 2
que são as equações paramétricas do plano que passa pelo ponto dado A e tem vetores diretores u
e v . Cada ponto P está associado a um par de parâmetros (p, q) e, reciprocamente, cada par (p, q)
associa-se a um ponto P do espaço, por exemplo, o par (0, 0) associa o ponto P = A.
Exemplo 24: Determine as equações paramétricas do plano π que passa pelo ponto A(1, −1, 0) e
é paralelo aos vetores u = (1, −3, 7) e v = (−5, 2, 4).
As equações paramétricas do plano π são dadas pelo sistema





 x = 1 + p(1) + q(−5)

 y = −1 + p(−3) + q(2)



 z = 0 + p(7) + q(4)
e, portanto, obtemos




 x = 1 + p − 5q

 y = −1 − 3p + 2q.



 z = 7p + 4q
Equação geral
Figura 58
O Plano
60 UNIDADE I
51
Para obtermos a equação cartesiana (ou geral) do plano determinada por 2 vetores e 1
ponto, lembremos que u × v é ortogonal ao plano π, isto é
−→
AP .(u × v ) = 0

x − x A y − y A z − zA

a b1 c1 =0
1

a2 b2 c2
(x − xA )(b1 c2 − c1 b2 ) + (y − yA )(a2 c1 − a1 c2 ) + (z − zA )(a1 b2 − b1 a2 ) = 0.
Chamando de a = b1 c2 − c1 b2 , b = a2 c1 − a1 c2 e c = a1 b2 − b1 a2
(x − xA )a + (y − yA )b + (z − zA )c = 0
Pondo d = −(axA + byA + czA ), obtemos
ax + by + cz + d = 0.
Exemplo 25: Obtenha a equação cartesiana do plano π que passa pelo ponto A(2, 1, −3) e é
paralelo aos vetores u = (1, 3, 0) e v = (−2, 5, 1).
Se P (x, y, z) ∈ π, temos

x−2 y−1 z+3

1 3 0 =0

−2 5 1
em que, desenvolvendo,
(x − 2).(3 − 0) − (y − 1).(1 − 0) + (z + 3).(5 + 6) = 0

61
52
(x − 2).3 − (y − 1).1 + (z + 3).11 = 0
3x − 6 − y + 1 + 11z + 33 = 0
3x − y + 11z + 28 = 0.
Ângulos entre planos

Sejam π1 e π2 planos com equações a1 x + b1 y + c1 z + d1 = 0 e a2 x + b2 y + c2 z + d2 = 0,

respectivamente. Os vetores �n1 = (a1 , b1 , c1 ) e �n2 = (a2 , b2 , c2 ) são vetores perpendiculares aos
planos π1 e π2 , respectivamente. Utilizando as propriedades da geometria espacial, é possı́vel
verificar que o ângulo θ formado por esses dois planos é o mesmo ângulo formado pelos vetores
normais. Assim, do produto interno temos
�n1 .�n2 = ��n1 ��n2 � cos θ
e, portanto,
|�n1 .�n2 |
cos θ = ,
��n1 ��n2 �
π
com 0 ≤ θ ≤ .
2
Exemplo 26: Sejam π1 e π2 planos determinados pelas equações 2x+3y−z+2 = 0 e x−y+4z = 0,

determine o ângulo formados por esses planos.
Sabemos que os vetores normais aos planos dados são �n1 = (2, 3, −1) e �n2 = (1, −1, 4),
segue que
n�1 .n�2 = 2.1 + 3.(−1) − 1.(4)
=2−3−4
= −5,
além disso, temos

√ √
��n1 � = 4+9+1= 14
O Plano
62 UNIDADE I
53
e
√ √
n2 = 1 + 1 + 16 = 18,
como
|n1 .n2 |
cos θ = ,
n1 n2
substituindo, obtemos
| − 5|
cos θ = √ √ ,
14. 18
racionalizando, segue que √
5 7
cos θ =
42
cos θ ∼
= 0, 3149
arccos(cos θ) ∼
= arccos 0, 3149.
Portanto
θ∼
= 71, 64o .
A RETA
A RETA
Equação de uma Reta
Sabemos que dados dois pontos distintos P1 (x1 , y1 , z1 ) e P2 (x2 , y2 , z2 ) existe uma única reta
que passa por esses pontos. Seja P (x, y, z) um ponto dessa reta que chamaremos de r, assim, temos
−−→ −−→
um conjunto {P1 P , P1 P2 } Linearmente Dependente, isto é, existe um λ ∈ R tal que
−−→ −−→
P1 P = λP1 P2
−−→
P − P1 = λP1 P2
−−→
P = P1 + λP1 P2 equação vetorial
(x, y, z) = (x1 , y1 , z1 ) + λ(x2 − x1 , y2 − y1 , z2 − z1 )
(x, y, z) = (x1 + λ(x2 − x1 ), y1 + λ(y2 − y1 ), z1 + λ(z2 − z1 ))

63
54
ou seja, 



 x = x1 + λ(x2 − x1 )

y = y1 + λ(y2 − y1 ) equações paramétricas da reta r.




 z = z + λ(z − z )
1 2 1
Figura 59
É interessante observar que se λ = 0, P = P1 , se λ = 1, temos P = P2 e, para 0 < λ < 1, P

está no segmento entre P1 e P2 , se λ > 1 ou λ < 0, então P está na reta r, mas fora do segmento
P1 P2 . Note que se P1 P2 é paralelo ao plano yz, então, x = x1 = x2 , se P1 P2 é paralelo xz, então
y = y1 = y2 e, da mesma forma, se P1 P2 é paralelo ao plano xy, então z = z1 = z2 . Agora, se P1 P2
não é paralelo a nenhum desses planos, temos a seguinte relação
x − x1 y − y1 z − z1
λ= = = (∗)
x2 − x1 y2 − y1 z2 − z1
que são as equações simétricas da reta. A relação anterior nos dá a condição para que três
pontos estejam alinhados, ou seja, os pontos P , P1 e P2 estão alinhados se as razões indicadas em
(∗) são iguais a uma constante.
Particularmente, se uma reta r passa pelos pontos P1 (x1 , y1 , z1 ) e P (x, y, z) e tem direção
A Reta
64 UNIDADE I
55
do vetor v = (a, b, c), então temos:





 x = x1 + λa

y = y1 + λb equações paramétricas da reta r




 z = z + λc
1
e supondo que abc = 0, temos
x − x1 y − y1 z − z1
= = equações simétricas da reta r.
a b c
Agora, partindo destas últimas equações, temos
x − x1 y − y1 x − x1 z − z1
= =
a b a c
a(y − y1 ) = b(x − x1 ) a(z − z1 ) = c(x − x1 )
.. ..
. .
b b c c
y = x − x 1 + y1 z = x − x1 + z 1
a a a a
fazendo fazendo
b b c c
m= e n = − x 1 + y1 p= e q = − x1 + z 1
a a a a
obtemos obtemos
y = mx + n z = px + q
Essas últimas são as equações reduzidas da reta.
Exemplo 27: Determine a equação paramétrica da reta que passa pelos pontos P1 (1, 2, 0) e
P2 (−1, 3, 5).
Seja r a reta determinada pelos pontos P1 e P2 , assim se P (x, y, z) ∈ r, temos
−−→
P = P 1 + λP 1 P 2
(x, y, z) = (1, 2, 0) + λ(−1 − 1, 3 − 2, 5)
(x, y, z) = (1, 2, 0) + λ(−2, 1, 5)

65
56
portanto, 



 x = 1 − 2λ

 y = 2+λ .



 z = 5λ
Exemplo 28: Mostre que os pontos A(−2, 2, 5), B(2, 0, 3) e C(0, 1, 4) estão alinhados.
Seja r a reta que passa pelos pontos A, B e P (x, y, z), temos
−→
P = B + λAB
(x, y, z) = (2, 0, 3) + λ(2 + 2, 0 − 2, 3 − 5)
(x, y, z) = (2, 0, 3) + λ(4, −2, −2)
(x, y, z) = (2 + 4λ, −2λ, 3 − 2λ),
isto é, 



 x = 2 + 4λ

y = −2λ ,




 z = 3 − 2λ
logo, as equações simétricas são dadas por
x−2 y −z + 3
=− = = λ.
4 2 2
Vamos verificar se o ponto C(0, 1, 4) pertence a reta r, logo, temos
0−2 1 −4 + 3 1
=− = = − = λ.
4 2 2 2
Como a identidade anterior é verificada, concluı́mos que os pontos A, B e C estão alinhados.
A Reta
66 UNIDADE I
57
Equação da reta perpendicular a um plano passando por um ponto dado
Seja π um plano cuja equação é ax + by + cz + d = 0 e A(xA , yA , zA ) um ponto do espaço,

vamos obter a equação da reta r que passa pelo ponto A perpendicular ao plano dado. Como o
vetor n = (a, b, c) é perpendicular a π, logo, a reta procurada é paralela ao vetor n. Assim, se
P (x, y, z) ∈ r, existe λ ∈ R tal que
−→
AP = λn
(x, y, z) − (xA , yA , zA ) = λ(a, b, c)
(x, y, z) = (xA , yA , zA ) + λ(a, b, c)
(x, y, z) = (xA + λa, yA + λb, zA + λc),
logo, as equações paramétricas são





 x = xA + aλ

 y = yA + bλ .



 z = z + cλ
A
Exemplo 29: Seja π um plano com equação 3x+2y−5z+4 = 0. Obtenha as equações paramétricas
da reta perpendicular ao plano π e que passa pelo ponto A(−1, 2, 7).
Seja r uma reta perpendicular ao plano π e que passa pelo ponto A(−1, 2, 7), o vetor
n = (3, 2, −5) é normal ao plano π, substituindo diretamente na fórmula anterior, obtemos as
equações paramétricas 



 x = −1 + 3λ

 y = 2 + 2λ .



 z = 7 − 5λ

67
58
Equação da reta pertencente a interseção de dois planos
Sejam π1 e π2 dois planos com equações a1 x + b1 y + c1 z + d1 = 0 e a2 x + b2 y + c2 z + d2 = 0

e vetores normais n1 = (a1 , b1 , c1 ) e n2 = (a2 , b2 , c2 ), respectivamente, note que se π1 e π2 não são
paralelos (ou coincidentes), então, a interseção desses planos é uma reta r, vimos que toda reta de
um plano é ortogonal ao vetor normal, logo, r é ortogonal a ambos vetores normais. Além disso, o
vetor n1 × n2 também é ortogonal aos vetores n1 e n2 , ou seja, n1 × n2 tem a mesma direção que
r e, portanto, são paralelos. Assim, se A(xA , yA , zA ) é um ponto de r (fixado) e P (x, y, z) é um
ponto genérico de r, temos
−→
AP = λ(n1 × n2 ) para algum λ real,
mas

i j k

n1 × n2 = a1 b1 c1

a2 b2 c2
n1 × n2 = (b1 c2 − b2 c1 )i − (a1 c2 − a2 c1 )j + (a1 b2 − a2 b1 )k
n1 × n2 = (b1 c2 − b2 c1 , a2 c1 − a1 c2 , a1 b2 − a2 b1 ),
segue que
−→
AP = λ(b1 c2 − b2 c1 , a2 c1 − a1 c2 , a1 b2 − a2 b1 )
(x, y, z) = (xA , yA , zA ) + λ(b1 c2 − b2 c1 , a2 c1 − a1 c2 , a1 b2 − a2 b1 )
e, portanto, obtemos 



 x = xA + λ(b1 c2 − b2 c1 )

 y = yA + λ(a2 c1 − a1 c2 ) ,



 z = z + λ(a b − a b )
A 1 2 2 1
que são as equações paramétricas da reta r passando pelo ponto A.
A Reta
68 UNIDADE I
59
59
Quando
Quando resolvemos
resolvemos um
um sistema
sistema de
de três
três equações
equações com
com três
três incógnitas,
incógnitas, aa solução
solução (caso
(caso exista)
exista) éé
um
um ponto
ponto da
da interseção
interseção desses
desses três
três planos.
planos.
Acesse
Acesse oo link
link ee verifique
verifique todas
todas possibilidades:
possibilidades:
<http://pt.slideshare.net/luanadavila/luana-14123718>
<http://pt.slideshare.net/luanadavila/luana-14123718>
Fonte:
Fonte: oo autor.
autor.
Exemplo
Exemplo 30:
30: Sejam
Sejam ππ11 ee ππ22 planos
planos com
com equações
equações xx + 2z −
+ 2z − 88 =
= 00 ee xx + 4y −
+ 4y − 2z
2z +
+ 44 =
= 0,
0, encontre
encontre
as
as equações
equações paramétricas
paramétricas da
da interseção
desses planos.
planos.
Os
Os vetores
vetores normais
normais aos
aos planos
planos são
são nn
11 =
= (1,
(1,0,
0,2)
2) ee nn22 =
= (1, 4,−2),
(1,4, −2), como 11 ×
como nn × nn
22 éé paralelo
paralelo
aa interseção
desses planos,
planos, logo,
logo, temos
temos

i j k

i j k

nn11 ×
n = 00 22
× n22 = 11

11 −2
44 −2
nn11 × − 8) − j(−2 − 0) = (−8, 4, 4).

× nn22 = i(0 − 8) − j(−2 −
= i(0 − 2)
2) +
+ k(4
k(4 − 0) = (−8, 4, 4).
Agora,
Agora, vamos
vamos obter
obter um
um ponto
ponto da
da interseção,
interseção, particularmente
particularmente para
para xx =
= 0,
0, temos
temos





 2z 2z −− 88 =
= 00 ,
 ,


 4y4y −− 2z
2z == −4
−4
segue
segue que
que zz =
= 44 e,
e, substituindo,
obtemos
4y −
4y − 2.4 = −4
2.4 = −4
4y −
4y = −4
− 88 = −4
4y
4y =
= 44

69
60
y = 1.
Logo, um ponto da interseção é um ponto A(0, 1, 4). Assim, se P (x, y, z) ∈ π1 ∩ π2 , temos
−→
AP = λ(n1 × n2 )
P = A + λ(n1 × n2 )
(x, y, z) = (0, 1, 4) + λ(−8, 4, 4)

(x, y, z) = (0, 1, 4) + (−8λ, 4λ, 4λ)
(x, y, z) = (0 − 8λ, 1 + 4λ, 4 + 4λ).
Portanto, as equações paramétricas da reta procurada são





 x = −8λ

 y = 1 + 4λ .



 z = 4 + 4λ
POSIÇÕES RELATIVAS
POSIÇÕES RELATIVAS
Planos Paralelos
Se π1 e π2 são planos paralelos, com n1 e n2 seus vetores normais, então, n1 e n2 são
múltiplos (paralelos), isto é, existe λ tal que
n1 = λn2
(a1 , b1 , c1 ) = λ(a2 , b2 , c2 )
(a1 , b1 , c1 ) = (λa2 , λb2 , λc2 ).
Portanto, dois planos são paralelos quando a igualdade a seguir é verificada
a1 b1 c1
λ= = = .
a2 b2 c2
Posições Relativas
70 UNIDADE I
61
Exemplo 31: Mostre que os planos π1 e π2 determinados pelas equações 15x − 12y + 6z + 9 = 0
e 5x − 4y + 2z + 7 = 0 são paralelos.
De fato, sejam n1 = (15, −12, 6) e n2 = (5, −4, 2) vetores normais aos planos π1 e π2 ,
devemos exibir um λ ∈ R tal que
n1 = λn2 ,
(15, −12, 6) = λ(5, −4, 2),
segue que
(15, −12, 6) = (5λ, −4λ, 2λ),
logo,
15 −12 6
= = = λ.
5 −4 2
Portanto, tomando λ = 3, obtemos n1 = 3n2 , o que mostra que π1 e π2 são paralelos.
Planos Perpendiculares
Se os planos π1 e π2 são perpendiculares, então, do produto interno devemos ter
n1 .n2 = 0.
Exemplo 32: Sejam π1 e π2 planos com equações 3x − 4y − 3z + 7 = 0 e x + z − 4 = 0. Mostre

que esses planos são perpendiculares.
Temos que n1 = (3, −4, −3) e n2 = (1, 0, 1) são vetores normais aos planos dados, logo, do
produto interno temos
n1 .n2 = 3.1 − 4.0 − 3.1
n1 .n2 = 3 − 0 − 3
n1 .n2 = 0
portanto, π1 e π2 são perpendiculares.

71
62
Ângulos entre duas retas
Sejam r1 e r2 duas retas do espaço, existem três possibilidades:

• r1 é paralela à r2 (ou coincidentes).
• r1 é concorrente à r2 (um ponto em comum).
• r1 é reversa à r2 .
Retas paralelas
No caso em que r1 é paralela à r2 dizemos que o ângulo formado é igual a zero. Assim,
considere u = (a1 , b1 , c1 ) e v = (a2 , b2 , c2 ) vetores diretores das retas r1 e r2 , respectivamente, para

verificar que essas retas são paralelas, basta exibir λ ∈ R tal que
u = λv
(a1 , b1 , c1 ) = λ(a2 , b2 , c2 )
(a1 , b1 , c1 ) = (λa2 , λb2 , λc2 )
ou, equivalentemente,
a1 b1 c1
λ= = = .
a2 b2 c2
Exemplo 33: Seja r1 a reta que passa pelos pontos O(0, 0, 0) e A(1, 1, 1), r2 a reta que passa pelos
pontos B(0, 0, 2) e C(2, 2, 4), mostre que essas retas são paralelas.
−→ −−→
De fato, temos v1 = OA = (1, 1, 1) tem direção da reta r1 e v2 = BC = (2, 2, 2) tem direção
da reta r2 , logo, da condição de paralelismo, temos
1 1 1
λ= = = ,
2 2 2
o que mostra que as retas r1 e r2 são paralelas ou coincidentes. Agora, vamos verificar se o ponto
A pertence a reta r2 . Note que as equações paramétricas de r2 são




 x = 2t

y = 2t t∈R




 z = 2 + 2t
72 UNIDADE I
63
e substituindo as coordenadas do ponto A obtemos





 1 = 2t

1 = 2t ,




 1 = 2 + 2t
1 1
ou seja, t = e t = − , o que é um absurdo. Assim, A ∈
/ r2 e, portanto, r1 é paralela (não
2 2
coincidente) a r2 .
Retas concorrentes e reversas
Quando r1 é concorrente à r2 , o ângulo θ entre essas retas é o menor entre os quatro ângulos
formados no ponto em comum. Caso r1 e r2 sejam reversas, marcamos um ponto P , por exemplo,
sobre a reta r1 e traçamos uma reta r3 paralela a r2 , passando por esse ponto, o ângulo formado
pelas retas r1 e r3 é o ângulo entre as retas r1 e r2 .
Figura 60 Figura 61
Assim, se v1 e v2 são vetores diretores de r1 e r2 , então, o ângulo formado por essas retas é
tal que
cos θ = | cos(v1 , v2 )|
|v1 .v2 |
cos θ = .
v1 v2

73
64
Exemplo 34: Sejam r1 e r2 retas definidas pelas equações a seguir



 x =7+λ x+1 y−5 z+9
r1 : y =λ e r2 : = = .

 −2 1 1
z = 13 − 2λ
Calcule o ângulo formado pelas retas r1 e r2 .
Seja θ o ângulo formado por r1 e r2 com direções v1 = (1, 1, −2) e v2 = (−2, 1, 1), logo
|v1 .v2 |
cos θ =
v1 .v2
|1.(−2) + 1.1 + (−2).1|
cos θ =
12 + 12 + (−2)2 . (−2)2 + 12 + 12
| − 2 + 1 − 2|
cos θ = √ √
1 + 1 + 4. 4 + 1 + 1
3
cos θ =
6
1
cos θ = ,
2
portanto, θ = 60o .
Retas ortogonais
Sejam r1 e r2 duas retas com direção dos vetores u = (a1 , b1 , c1 ) e v = (a2 , b2 , c2 ), respecti-
vamente, dizemos que r1 é ortogonal à r2 (formam um ângulo de 90o ), quando
u.v = 0.
Exemplo 35: Considere as retas definidas por



 x =1+λ x y−1 z+7
r1 : y =3−λ e r2 : = = .

 1 4 1
z = 4 + 3λ
Mostre que essas retas são ortogonais.
74 UNIDADE I
65
As retas r1 e r2 possuem direção dos vetores v1 = (1, −1, 3) e v2 = (1, 4, 1), respectivamente.
Logo, do produto interno segue que
v1 .v2 = 1.1 − 1.4 + 3.1
v1 .v2 = 1 − 4 + 3
v1 .v2 = 0,
o que mostra que essas retas são ortogonais.
Distância de um ponto a um plano
Sejam π um plano definido pela equação ax + by + cz + d = 0 e P0 (x0 , y0 , z0 ) um ponto

qualquer de R3 , tracemos uma reta perpendicular, passando por P0 , obtendo um ponto A no plano
π. Tomemos um ponto P (x, y, z) em π.
Figura 62
Assim, a distância d do ponto P0 ao plano π é
−−→
d(P0 , π) = AP0
−−→ −−→ −−→
d(P0 , π) = P0 P | cos(P0 A, P0 P )|
−−→ −−→ −−→ −−→
AP0 P0 P | cos(P0 A, P0 P )|
d(P0 , π) = −−−→ (∗)
AP0
note que n = (a, b, c) é normal ao plano π, logo, existe λ real tal que
−−→
AP0 = λn

75
66
−−→
AP0 = |λ|(a, b, c) (∗∗)
−−→ √
AP0 = |λ| a2 + b2 + c2 (∗ ∗ ∗)
Combinando (∗), (∗∗) e (∗ ∗ ∗) segue que
−−→ −−→
|AP .P P |
d(P0 , π) = √ 0 0
|λ| a2 + b2 + c2
|λ(a, b, c).(x − x0 , y − y0 , z − z0 )|
d(P0 , π) = √
|λ| a2 + b2 + c2
| − λ(ax0 + by0 + cz0 − ax − by − cz)|
d(P0 , π) = √
|λ| a2 + b2 + c2
|λ||(ax0 + by0 + cz0 − ax − by − cz)|
d(P0 , π) = √ .
|λ| a2 + b2 + c2
Como d = −(ax + by + cz), obtemos
|ax0 + by0 + cz0 + d|

d(P0 , π) = √ .
a2 + b2 + c2
Exemplo 36: Seja π o plano definido pela equação 3x − 2y + z − 1 = 0, calcule a distância entre
o plano π ao ponto P0 (1, 0, 1).
Temos que a = 3, b = −2 e c = 1, além disso, x0 = 1, y0 = 0 e z0 = 1, substituindo na

fórmula anterior segue que
|3.(1) − 2.(0) + 1.(1) − 1|

d(P0 , π) =
32 + (−2)2 + (1)2
3−0+1−1
= √
9+4+1
3
=√
14
√
3 14
= .
14
√
3 14
Portanto, a distância entre o plano π ao ponto P0 é igual a .
14
76 UNIDADE I
67
Distância de um ponto a uma reta
Seja r uma reta determinada pelo ponto P1 (x1 , y1 , z1 ) com direção do vetor v = (a, b, c).
Dado um ponto P0 , vamos determinar a distância d do ponto P0 até a reta r. Note que os vetores
−−→
v e P1 P0 determinam um paralelogramo cuja altura corresponde a distância d de P0 até a reta r.
Figura 63
Sabemos que a área do paralelogramo é dada pela norma do produto vetorial
−−→
A = P1 P0 × v
por outro lado, a área também é obtida por
A = v .d
−−→
logo, v .d = P1 P0 × v , ou seja,
−−→
P1 P0 × v
d(P0 , r) =
v
que é a fórmula da distância entre o ponto P0 até a reta r.

77
68
Exemplo 37: Dados P0 (1, −1, 2) e r uma reta definida por
x y−2 z+5
r: = = ,
3 2 1
calcule a distância entre o ponto P0 e a reta r.
Primeiramente, precisamos de um ponto da reta r. Assim, para x = 0 temos que y = 2 e

z = −5, desse modo, P1 (0, 2, −5) ∈ r. A direção da reta r é dada pelo vetor v = (3, 2, 1).
Sabemos que

i j k

−−→
P1 P0 × v = 1 − 0 −1 − 2 2 + 5

3 2 1
−−→
P1 P0 × v = (−17, 20, 11),
logo,
(−17)2 + 202 + 112
d(P0 , r) = √
3 2 + 22 + 12
√
289 + 400 + 121
d(P0 , r) = √
9+4+1
√
9 35
d(P0 , r) = .
7
Distância entre duas retas
Dadas duas retas quaisquer, existem três possibilidades: são concorrentes, nesse caso, a dis-
tância entre elas é zero; são paralelas, nesse caso, a distância é constante ou as retas são reversas.
Retas paralelas
Sejam r e s duas retas paralelas, tomemos um ponto P0 sobre s, nesse caso, basta calcular
a distância entre uma reta e um ponto, como visto anteriormente, isto é, se P0 ∈ s, então
d(s, r) = d(P0 , r).
78 UNIDADE I
69
Figura 64
Exemplo 38: Considere as retas definidas pelas equações a seguir



 x = 1 + 6λ x−1 y z−2
s: y = −1 − 12λ e r: = = ,

 2 −4 1
z = 3 + 3λ
calcule a distância entre elas.
Os vetores diretores das retas s e r são, respectivamente, vs = (6, −12, 3) e vr = (2, −4, 1),
como vs = 3vr , logo, r é paralelo à s, além disso, P0 (1, −1, 3) ∈ s e P1 (1, 0, 2) ∈ r. Lembremos que
d(s, r) = d(P0 , r)
−−→
P1 P0 × vr
d(s, r) = (∗).
vr
Assim, temos:

i j k

−−→
P1 P0 × vr = 0 −1 1 = i(−1 + 4) − j(0 − 2) + k(0 + 2) = (3, 2, 2)

2 −4 1
e, substituindo em (∗), segue que

√ √ √
3 2 + 22 + 22 9+4+4 357 ∼
d(s, r) = =√ = = 0, 8997.
22 + (−4)2 + 12 4 + 16 + 1 21

70
79
70
É comum ouvirmos a expressão perpendicular e outras vezes ortogonal. Qual a diferença entre
retas perpendiculares e retas ortogonais?
É comum ouvirmos a expressão perpendicular e outras vezes ortogonal. Qual a diferença entre
retas perpendiculares e retas ortogonais?
Retas reversas
Considere r e s duas retas reversas, em que r é definida pelo vetor u = (a1 , b1 , c1 ) e

Retas reversas −−→

P1 (x1 , y1 , z1 ), s definida pelo vetor v = (a2 , b2 , c2 ) e P2 (x2 , y2 , z2 ). Os vetores u, v e P1 P2 defi-
nem Considere r e s duas
um paralelepı́pedo retas dreversas,
de altura = d(r, s),emcujoquevolume
r é definida
é dado porpeloV vetor
= u ×
u v=.d,
(a1 , b1 , c1 ) e
−−→
P1 (x1 , y1 , z1 ), s definida pelo vetor v = (a2 , b2 , c2 ) e P2 (x2 , y2 , z2 ). Os vetores u, v e P1 P2 defi-
nem um paralelepı́pedo de altura d = d(r, s), cujo volume é dado por V = u × v .d,
Figura 65
Figura 65
por outro lado, do produto misto temos
−−→
por outro lado, do produto misto temos V = |[u, v , P1 P2 ]|.
−−→
Combinando as duas fórmulas, segue que
V = |[u, v , P1 P2 ]|.
−−→
u × v .d = |[u, v , P1 P2 ]|
Combinando as duas fórmulas, segue que
−−→
u × v .d = |[u, v , P1 P2 ]|
80 UNIDADE I
71
e, portanto, a distância entre as retas é dada por
−−→
|[u, v , P1 P2 ]|
d(r, s) = .
u × v
Exemplo 39: Sejam r e s retas definidas pelas equações


 x = 3λ
x+2 y−3 z
r: = = e s: y =λ .
5 3 1 

z = 3 − 5λ
Determine a distância entre essas retas.
As retas r e s passam pelos pontos P1 (−2, 3, 0) e P2 (0, 0, 3) e têm direção dos vetores
u = (5, 3, 1) e v = (3, 1, −5), respectivamente, além disso, essas retas não são paralelas, pois não
5 3 1
existe λ tal que u = λv , ou seja, = = . Agora, do produto vetorial temos
3 1 −5

k
i j

u × v = 5 3 1 = i(−15 − 1) − j(−25 − 3) + k(5 − 9) = (−16, 28, −4)

3 1 −5
logo,

u × v = (−16)2 + 282 + (−4)2
√
= 256 + 784 + 16
√
= 1056
√
= 4 66.

81
72
Além disso,

5 3 1

−−→
[u, v , P1 P2 ] = 3 1 −5

2 −3 3
= 5.(3 − 15) − 3.(9 + 10) + 1.(−9 − 2)
= 5.(−12) − 3.(19) − 11
= −60 − 57 − 11
= −128,
como −−−→
|[u, v , P1 , P2 ]|
d(r, s) =
u × v
segue que √ √ √
| − 128| 32 66 32. 66 16 66 ∼
d(r, s) = √ = √ .√ = = = 3, 94.
4 66 66 66 66 33
Portanto, a distância entre as retas r e s, mede aproximadamente 3, 94 unidades de comprimento.
82 UNIDADE I
73
CONSIDERAÇÕES FINAIS
CONSIDERAÇÕES FINAIS
Vimos nesta unidade o conceito de vetores com as operações usuais na forma analı́tica
e suas representações no plano e no espaço tridimensional. Na sequência, definimos o produto
interno, também conhecido por produto escalar, uma operação que associa a cada par de vetores
um número real. Quando o produto interno é positivo, significa que o ângulo formado por esses
vetores é agudo, enquanto que, quando o resultado é um número negativo, significa que o ângulo é
obtuso. Enfim, quando o produto interno é igual a zero, significa que esses vetores são ortogonais.
Com relação ao produto vetorial, podemos verificar, de acordo com a definição, que o
produto vetorial associa a cada par de vetores um outro vetor ortogonal a ambos vetores iniciais,
cuja direção e sentido podem ser obtidos pela regra da mão direita. Essa operação, assim como na
multiplicação das matrizes, não é comutativa. Uma aplicação prática é que a norma (comprimento)
do produto vetorial corresponde à área do paralelogramo formado a partir desses vetores. Isso
significa que, quando o produto vetorial é igual ao vetor nulo, esses vetores são paralelos ou
colineares, ou seja, o paralelogramo se degenera em um segmento de reta e, portanto, esses vetores
são linearmente dependentes.
Combinando esse par de operações, obtemos uma outra operação chamada de produto
misto, cujo resultado, assim como no produto escalar, é um número real. Além disso, o módulo
do produto misto corresponde ao volume do paralelepı́pedo formado a partir desses três vetores.
Desse último fato, podemos dar uma condição para que três vetores sejam coplanares, isto é, basta
que o produto misto se anule, pois o sólido se degenera, uma vez que sua altura é igual a zero − o
que significa que esses três vetores são linearmente dependentes.
Ao final desta unidade, a partir da equação vetorial da reta e vimos como determinar as
equações (paramétricas, simétricas e reduzida) que representam retas; as equações (paramétricas,
cartesiana e normal) que representam os planos; as posições relativas entre: plano e plano, plano e
reta, reta e reta; vimos também como calcular ângulos e distâncias. É interessante perceber que em
vários momentos tivemos que recorrer aos conceitos vistos no inı́cio da unidade, a saber: conjunto
de vetores LD e LI; combinação linear; produto interno; produto vetorial; produto misto. Esses
conceitos foram fundamentais nas deduções das equações do plano, da reta, nas fórmulas para o
cálculo das distâncias e dos ângulos. Até o momento, tratamos apenas de equações lineares, já na
próxima unidade veremos outro tipos de equações e suas representações geométricas.

83
76
Atividade de Estudo
1) Sejam A(1, 1, 1), B(2, 0, 1), C(−1, 1, 3), determine:
−→ −→
a) AB + AC =
−→ −−→
b) BA − BC =
−→ −−→
c) 3BA − 4BC =
−→ −→
d) −CA − 5BA =
−→
e) AB =
−→
f) AC =
−→ −→
g) AB + AC =
−→ −→
h) AB + AC =
2) Dados os vetores u, v e w,

determine:
Figura 66
a) u + v
b) 2u − v
c) −v + w

d) u + v + w

e) −u − v − w

1 1
f) u + v − w
3 6
84
77
3) Considere o paralelogramo a seguir:
Figura 67
em que M , N , O e P são pontos médios dos segmentos AB, BC, CD e DA, respectivamente.
Escreva em termos dos vetores u e v os vetores a seguir:
−→
a) AO
−−→
b) DN
−−→
c) DB
−−→
d) ON
4) Verifique se os pontos estão alinhados.

a) A(−1, 3), B(1, 0) e C(2, 2)
b) A(−1, 3), B(1, 0) e D(3, −3)
5) Sejam u = (−1, 2, 1) e v = (0, 1, 3):

a) Mostre que o conjunto {u, v } é LI.
b) Escreva w
= (−2, 7, 11) como combinação linear dos vetores u e v .
6) Sejam u = (3, 0, −6) e v = (−1, 0, 2):

a) Verifique se esses vetores são LI ou LD.
1 2
b) Determine o vetor x tal que u = v + x.
3 5
7) Sejam u = (1, 1, 0) e v = (−2, 3, 0) vetores do R3 , obtenha o ângulo formado por esses vetores.
85
78
8) Mostre que os vetores u = (−1, 2, 3) e v = (−2, −4, 2) são ortogonais.
9) Dados os vetores a = (3, 4, −4) e b = (2, 2, 0), obtenha o produto vetorial entre esses vetores.
10) Calcule a área do paralelogramo com vértices consecutivos nos pontos A(0, −1, 2), B(3, 1, 2) e
C(−1, 0, 3).
11) Considere o triângulo com vértices A(0, −2, 0), B(0, 0, 2) e C(2, 0, 0):
a) Mostre que esse triângulo é equilátero.
b) Calcule a área do triângulo ABC.
12) Dados os vetores u = (1, 2, 3), v = (−1, 3, 0) e w

= (2, 5, 1), calcule o volume do paralelepı́pedo
determinado por esses três vetores.
13) Sejam A(1, 0, 2), B(2, −1, 1), C(3, 2, 1) e D(4, 5, 1) pontos de R3 , mostre que esses pontos estão
sobre um mesmo plano.
14) Sejam A(1, −2, 3), B(2, 4, −1) e C(0, 1, 4) pontos de R3 :
a) Determine as equações paramétricas do plano π que passa por esses pontos.

b) Verifique se o ponto E(2, 1, 0) pertence ao plano π.
c) Mostre que o ponto F (1, 1, 1) não pertence ao plano π.
d) Calcule a distância entre o ponto A e B.
15) Calcule a equação geral do plano π que passa pelos pontos A(1, −3, 5), B(0, 1, −4) e C(−1, 2, 0).
16) Encontrar a equação do plano que passa pelo ponto A(3, 2, 0) e é perpendicular ao vetor
n = (−1, 3, 2).
17) Calcule o ângulo formado pelos planos 3x + 4y = 0 e x − 4y + 5z − 2 = 0.

86
79
18) Sejam A(2, −1, 3) e B(7, 0, −2), determine as equações paramétricas da reta que passa por
esses pontos.
19) Seja π o plano definido pela equação −x + 2y = 7, determine a equação da reta perpendicular
a esse plano e que passa pelo ponto A(1, 2, 5).
20) Considere as retas



 x =6−λ x−2 y+1 z
r1 : y = 5 + 3λ e r2 : = =

 2 −6 4
z = −2λ
Mostre que essas retas são paralelas.

87
74
LEITURA COMPLEMENTAR
Sistemas Equações e interseção de planos
Prezado(a) leitor(a), vamos apresentar uma interpretação geométrica referente à solução de

um sistema de equações com três equação e três incógnitas. Iniciamos fazendo uma análise na
seguinte situação, por exemplo, quando resolvemos uma equação 3x + 8 = 20, sua solução é um
ponto da reta, isto é, x = 4, assim, essa é a única solução do nosso “sistema” formado por uma
equação e uma incógnita. Quando temos uma equação com duas variáveis, por exemplo: x+y = 10,
existem infinitos valores de x e y que satisfazem a igualdade, na verdade, esse conjunto de pares
ordenados (x, y) descreve uma reta no plano cartesiano, no entanto, se tivéssemos outra reta, por

 x + y = 10
exemplo x − y = 4, formarı́amos um sistema com duas equações e duas incógnitas .

 x−y =4
No plano cartesiano, essas equações representam duas retas, lembremos que a posição relativa entre
duas retas no plano é: paralelas, coincidentes ou um único ponto. Em nosso exemplo, temos uma
única solução cuja representação no plano é um ponto com coordenadas (7; 3) e geometricamente
corresponde a interseção das duas retas. No caso em que as retas são paralelas, dizemos que o
sistema é impossı́vel, ou seja, a interseção entre as retas é um conjunto vazio. Porém, quando as
retas são coincidentes, dizemos que o sistema é possı́vel e indeterminado, pois existem infinitas
soluções, na realidade, geometricamente, o conjunto solução é a própria reta e, portanto, infinitos
pares ordenados.
Agora, quando temos um sistema com duas equações e três incógnitas R3 , geometricamente,
temos dois planos, cujas posições relativas podem ser: planos paralelos, cuja interseção é um con-
junto vazio, logo, o sistema é impossı́vel; planos coincidentes, nesse caso, temos infinitas soluções,
pois qualquer ponto do plano é solução do sistema, ou seja, o sistema possı́vel e indeterminado com
infinitas soluções; uma reta, aqui também temos infinitas soluções, pois qualquer ponto da reta é
solução do sistema.
Para finalizar, quando temos um sistema formado por três equações e três incógnitas, re-
solver esse sistema é tentar obter a interseção de três planos, cujas possibilidades são: um único
ponto, sistema possı́vel e determinado com solução única; uma reta, nesse caso, o sistema é possı́vel
e indeterminado com infinitas soluções; um plano, sistema possı́vel e indeterminado com infinitas
88
75
soluções; conjunto vazio, nessa situação, o sistema é impossı́vel, ou nenhuma solução. Portanto,
quando estiver resolvendo um sistema de equações, lembre-se que você está tentando obter a in-
terseção entre planos (ou retas) e isso nem sempre é possı́vel.
Fonte: o autor.
MATERIAL COMPLEMENTAR
No aplicativo GeoGebra, é possível definir um vetor ao ser dado dois pontos, além disso, é
possível efetuar as operações usuais com vetores, adição, produto por escalar e também efetuar
as multiplicações dos vetores (Produto Escalar e Produto Vetorial). Acesse o link e veja a dica
para obter as multiplicações de vetores.
<http://forum.geogebra.org/viewtopic.php?f=19&t=24153>
A multiplicação de vetores tem ampla aplicação no ramo da física, a saber as Equações de

Maxwell.
<https://www.youtube.com/watch?v=WoZ8kCGQZEE>
Material Complementar
90
REFERÊNCIAS 81
Referências
BOLDRINI, J. M. et al. Álgebra linear. 3. ed. São Paulo: Harper & Row do Brasil, 1980.
BOULOS, P.; CAMARGO, I. Geometria analı́tica: um tratamento vetorial. São Paulo: Makron
Books do Brasil, 1987.
CALLIOLI, C. A. et al. Álgebra linear e aplicações. 6. ed. São Paulo: Atual, 1990.
SANTOS, N. M. Vetores e matrizes. 4. ed. Rio de Janeiro: LTC - Livros Técnicos e Cientı́ficos
Editora S.A., 1985.
STEINBRUCH, A.; WINTERLE, P. Geometria analı́tica. 2. ed. São Paulo: McGraw-Hill,

1987.
91
82
REFERÊNCIAS
GABARITO
GABARITO
Unidade I
1) √
a) (−1, −1, 2) e) 2
√
b) (2, 0, −2) f) 2 2
√
c) (9, −1, −8) g) 3 2
√
d) (3, −5, 2) h) 6
2)
REFERÊNCIAS
GABARITO
83
3) 4)
a) 2u + v a) A, B e C não estão alinhados
b) − u + 2v b) A, B e D estão alinhados
c) − 2u + 2v
d) − u + v
5) 6) 7) √
a) {u, v } é LI a) {u, v } é LD 26
θ = arccos
26
b) w
= 2u + 3v b) x = (7/5, 0, −14/5)
8) 9) 10)
−→ −→ √
u.v = 0 (8, −8, −2) A = ||AB × AC|| = 38
11) 12) 13)

−→ −−→ −→ √
a) AB = BC = AC = 2 2 V = 28 A, B, C e D são coplanares,
−→ −→ −−→
−→ −−→ pois [AB, AC, AD] = 0
||AB × BC|| √
b) = =2 3
2
14) 15) 17) √


 25x + 13y + 3z = 1 13 42

 x=1+a−b θ = arccos − ≈ 113o
 210
a) y = −2 + 6a + 3b




 z = 3 − 4a + b 16)
−x + 3y + 2z = 3
b) E ∈ π, tome a = 2/3 e
b = −1/3
c) F ∈
/π
√
d) d(A, B) = 53
18)
 19)
 20)

 
 Mostre que v1 = (−1, 3, −2)

 x = 2 + 5λ 
 x=1−λ
 
y = −1 + λ y = 2 + 2λ e v2 = (2, −6, 4) são paralelos

 


 

 z = 3 − 5λ  z=5 ou LD e que A1 (6, 5, 0) ∈
/ r2
II
UNIDADE
■■ Entender o conceito de cônicas como interseção do plano com o
cone.
■■ Compreender as cônicas como o lugar geométrico dos pontos que
satisfazem uma certa condição.
■■ Identificar equações das cônicas e seus elementos gráficos no plano
cartesiano.
■■ Identificar equações das superfícies quádricas e representá-las no
sistema de coordenadas tridimensional.
Plano de Estudo
■■ Elipse
■■ Hipérbole
■■ Parábola
■■ Quádricas
■■ Elipsoide
■■ Hiperboloide de uma folha
■■ Hiperboloide de duas folhas
■■ Paraboloide Elíptico
■■ Paraboloide Hiperbólico
■■ Superfície Cônica
■■ Superfície Cilíndrica
II
95
85
INTRODUÇÃO
INTRODUÇÃO
Na unidade anterior, estudamos as equações da reta e do plano que são equações lineares,
isto é, equações do 1o grau. No inı́cio desta unidade, vamos estudar equações do 2o grau em x
e y no plano cartesiano, os gráficos dessas equações descrevem curvas no plano xy, são elas: a
elipse; a circunferência; a hipérbole; a parábola. Tais curvas são obtidas por meio da interseção de
um cone com um plano e, dependendo da disposição desses dois elementos, é possı́vel obter essas
curvas, justificando a nomenclatura de secção cônica. Essas curvas já eram conhecidas, admiradas
e estudadas desde a Antiguidade, por exemplo, o filósofo e astrônomo Johannes Kepler (1571 -
1630) foi quem deduziu que as órbitas planetárias eram elı́pticas e não circulares, como se pensava
na época. Já Apolônio de Perga (262 a.C - 194 a.C), matemático e astrônomo grego, dedicou parte
de sua vida ao estudo das cônicas, dando uma contribuição ı́mpar para a matemática com sua
obra “As cônicas”. Conhecer e identificar uma secção cônica, sua equação e sua curva com seus
elementos é o primeiro objetivo desta unidade.
Na sequência, estudaremos superfı́cies cujas equações são de segundo grau nas variáveis x,
y e z, cujos gráficos são conjuntos de pontos do espaço tridimensional conhecidos como superfı́cies
quádricas, são elas: elipsoide; esfera; hiperboloide de uma folha; hiperboloide de duas folhas;
paraboloide elı́ptico; paraboloide hiperbólico; superfı́cie cônica; superfı́cie cilı́ndrica. Ter pleno
domı́nio do conteúdo da unidade anterior é fundamental para estudar essas superfı́cies.
Desenvolveremos nosso estudo sob a seguinte perspectiva: dada uma equação de uma su-
perfı́cie quádrica, vamos analisar as curvas (ou traços) obtidas pela interseção de planos (con-
venientemente escolhidos) com a quádrica, de uma maneira geral, a escolha do plano se dará
preferencialmente com os planos coordenados, ou seja, planos xy, xz e yz, esses planos são obtidos
tomando z = 0, y = 0 e x = 0, respectivamente. No entanto, teremos casos em que esses planos
não interceptarão a superfı́cie dada. Em situações como essa, será necessário fazer uma análise
mais criteriosa para decidir como obter os traços da superfı́cie num plano conveniente. E a partir
dos traços obtidos nos três planos, será possı́vel desenhar a superfı́cie.
O que pretendemos aqui é que dada uma equação, o(a) cursista consiga identificar de qual
superfı́cie estamos tratando e que procure, na medida do possı́vel, desenhar seu gráfico, pois re-
conhecer essas superfı́cies e suas equações é de extrema importância no futuro estudo do cálculo
vetorial.
Introdução
96 UNIDADE II
86
ELIPSE
ELIPSE
Figura 1
Sejam F1 e F2 dois pontos do plano xy, cuja distância entre eles é igual à 2c. Seja também
a um número real positivo com 2a > 2c, ao conjunto de pontos P (x, y) do plano xy, tais que
d(P, F1 ) + d(P, F2 ) = 2a, com a > c,
damos o nome de elipse. Assim, uma elipse é o lugar geométrico dos pontos P (x, y) no plano
cartesiano, cuja soma das distâncias a dois pontos fixos desse plano é uma constante. A elipse é
obtida por meio da interseção entre o plano e o cone, em que o plano deve ser inclinado em relação
ao eixo do cone, mas não paralelo à sua geratriz.
Figura 2
97
87
Os pontos F1 e F2 são os focos da elipse e o ponto médio do segmento F1 F2 é o centro C

da elipse. O segmento A1 A2 é chamado de eixo maior (contém os focos) e a distância 2c entre
F1 e F2 é chamada de distância focal.
Figura 3
O segmento B1 B2 é o eixo menor e é perpendicular ao segmento A1 A2 . Os pontos A1 , A2 ,

c
B1 e B2 são os vértices e o número e = é chamado de excentricidade da elipse. Note que, do
a
Teorema de Pitágoras, temos a2 = b2 + c2
Figura 4
e 0 < e < 1, pois c < a.
Elipse
98 UNIDADE II
88
1o Caso: O eixo maior está sobre o eixo x com centro na origem (0, 0).
Considere a elipse com foco F1 (−c, 0) e F2 (c, 0), se P (x, y) é um ponto da elipse, temos:
Figura 5
d(P, F1 ) + d(P, F2 ) = 2a
−−→ −−→
||F1 P || + ||F2 P || = 2a

(x + c)2 + (y − 0)2 + (x − c)2 + (y − 0)2 = 2a

(x + c)2 + y 2 = 2a − (x − c)2 + y 2

(x + c)2 + y 2 = 4a2 − 4a (x − c)2 + y 2 + (x − c)2 + y 2

x2 + 2xc + c2 + y 2 = 4a2 − 4a (x − c)2 + y 2 + x2 − 2xc + c2 + y 2

4a (x − c)2 + y 2 = 4a2 − 4xc

a (x − c)2 + y 2 = a2 − xc
a2 (x2 − 2xc + c2 + y 2 ) = a4 − 2a2 xc + x2 c2
a2 x2 − 2a2 xc + a2 c2 + a2 y 2 = a4 − 2a2 xc + x2 c2
a2 x2 − x2 c2 + a2 y 2 = a4 − a2 c2
x2 (a2 − c2 ) + a2 y 2 = a2 (a2 − c2 )
99
89
como a2 = b2 + c2 , segue que

x2 b2 + a2 y 2 = a2 b2
e, dividindo ambos os lados da igualdade por a2 b2 , obtemos
x2 y 2
+ 2 = 1.
a2 b
Essa última é chamada de equação reduzida da elipse.

2o Caso: O eixo maior está sobre o eixo y com centro na origem (0, 0).
Sejam F1 (0, −c) e F2 (0, c) os focos da elipse,
Figura 6 Figura 7
utilizando o raciocı́nio do caso anterior, podemos deduzir a equação
x2 y 2
+ 2 = 1.
b2 a
Como a, b e c são constantes reais positivas, é interessante observar que sendo a2 = b2 + c2 ,

logo, a2 > b2 e, portanto, a > b, isso significa que o eixo maior será aquele cujo denominador é
maior.
Elipse
100 UNIDADE II
90
Exemplo 1: Esboce o gráfico da elipse cuja equação é 9x2 + 16y 2 = 144 e obtenha seus elementos,
isto é, os focos, seus vértices, seus eixos, a distância focal, centro e a excentricidade.
Temos:
9x2 + 16y 2 = 144
9x2 16y 2 144
+ = .
144 144 144
Simplificando, obtemos
x2 y 2
+ =1
16 9
x2 y 2
+ = 1,
42 32
para x = 0, temos y = ±3, ou seja, os pontos (0, −3) e (0, 3) são pontos da elipse. Para y = 0,
temos x = ±4, isto é, (−4, 0) e (4, 0) também são pontos da elipse. Além disso, como 16 > 9,
segue que o eixo maior está sobre o eixo x em que a = 4 e b = 3. Vamos obter, agora, os focos
dessa elipse, cujo centro está na origem C(0, 0). Assim, temos:
42 = 32 + c2
√
c = 7.
√ √ √
Portanto, seus focos são F1 (− 7, 0), F2 ( 7, 0) com distância focal d(F1 , F2 ) = 2 7, eixo maior
com extremidades em A1 (−4, 0) e A2 (4, 0) e tamanho d(A1 , A2 ) = 8, eixo menor com extremidades
√
c 7
em B1 (0, −3) e B2 (0, 3) e tamanho d(B1 , B2 ) = 6. Segue que e = , logo, e = , ou seja,
a 4
∼
e = 0, 66. Graficamente, temos:
Figura 8
101
91
Exemplo 2: Considere a equação da elipse 49x2 + 4y 2 − 196 = 0, obtenha seus elementos e

construa seu gráfico.
Temos:
49x2 + 4y 2 = 196
49x2 4y 2 196
+ =
196 196 196
x2 y 2
+ =1
4 49
x2 y 2
+ .
22 72
Como 49 > 4, logo, o eixo maior está sobre o eixo y, em que a = 7 e b = 2. De Pitágoras, temos
72 = 22 + c2
√
c = 3 5.
Para x = 0, temos y = ±7, logo, os vértices do eixo maior são A1 (0, −7) e A2 (0, 7), para y = 0
√
temos x = ±2, assim, os vértices do eixo menor são B1 (−2, 0) e B2 (2, 0). Os focos√ são F1 (0, −3 5)
√ √ 3 5∼
e F2 (0, 3 5), cuja distância focal é d(F1 , F2 ) = 6 5 e sua excentricidade é e = = 0, 96.
7
Figura 9
Elipse
102 UNIDADE II
92
92
O que acontece com o formato de uma elipse cujos focos são coincidentes?
O que acontece com o formato de uma elipse cujos focos são coincidentes?
x2 y2 2
Exemplo 3: Dada a equação +x =y1,
2 obtenha seus elementos e construa seu gráfico.
25 25+
Exemplo 3: Dada a equação = 1, obtenha seus elementos e construa seu gráfico.
25 25
Aqui, temos 25=25, logo a = b = 5 e sendo a2 = 2b2 + c22 , segue que c = 0. Assim,
Aqui, temos 25=25, logo a = b = 5 e sendo a = b + c2 , segue que c = 0. Assim,
F1 (0, 0) = F2 (0, 0) = C(0, 0), ou seja, a elipse se reduz a uma circunferência de raio igual a 5.
F1 (0, 0) = F2 (0, 0) = C(0, 0), ou seja, a elipse se reduz a uma circunferência de raio igual a 5.
Figura 10 Figura 11
Figura 10 Figura 11
c 0
Note que a excentricidade e = = c = 0, 0 ou seja, a circunferência é um caso particular
Note que a excentricidade ae = 5 = = 0, ou seja, a circunferência é um caso particular
a quanto
da elipse cuja excentricidade é nula, assim, 5 menor a excentricidade, menor a distância
da elipse cuja excentricidade é nula, assim, quanto menor a excentricidade, menor a distância
focal e mais “semelhante” a uma circunferência se torna a elipse. Por outro lado, quanto maior
focal e mais “semelhante” a uma circunferência se torna a elipse. Por outro lado, quanto maior
a excentricidade, isto é, mais próximo do valor 1, mais “achatada” fica a elipse, ou seja, ela se
a excentricidade, isto é, mais próximo do valor 1, mais “achatada” fica a elipse, ou seja, ela se
aproxima do eixo maior.
aproxima do eixo maior.
103
93
Exemplo 4: Obtenha o gráfico e a equação da elipse com centro na origem C(0, 0), sabendo-se
que um de seus focos é F (3, 0) e a medida do eixo maior é igual a 8.
Temos:
Figura 12
Como um de seus focos é (3, 0) e o centro é C(0, 0), pela simetria, o outro foco é (−3, 0) e
o eixo maior está sobre o eixo x, em que c = 3. Além disso, a elipse tem equação do tipo
x2 y 2
+ 2 = 1.
a2 b
Sendo a medida do eixo maior igual a 8, temos 2a = 8, logo a = 4. Como a2 = b2 + c2 , segue que
√
42 = b2 + 32 , ou seja, b = 7. Portanto, a equação é
x2 y2
2
+ √ =1
4 ( 7)2
ou melhor
x2 y 2
+ = 1,
16 7
√ √ 3
e seus elementos são A1 (−4, 0), A2 (4, 0), B1 (0, − 7) e B2 (0, 7), cuja excentricidade é e = =
4
0, 75.
Figura 13
Elipse
104 UNIDADE II
94
94
Um cone pode ser obtido a partir de duas retas concorrentes, por exemplo, fixada uma reta r
Um cone pode ser obtido a partir de duas retas concorrentes, por exemplo, fixada uma reta r
(eixo), fixamos um ponto P em r, traçamos uma reta g passando por P , ao rotacionarmos g
(eixo), fixamos um ponto P em r, traçamos uma reta g passando por P , ao rotacionarmos g
em torno da reta r, mantendo fixo o ângulo entre elas, obtemos um cone, em que g é chamada
em torno da reta r, mantendo fixo o ângulo entre elas, obtemos um cone, em que g é chamada
de geratriz desse cone.
de geratriz desse cone.
Veja mais em:
Veja mais em:
<http://brasilescola.uol.com.br/matematica/cone.htm>
<http://brasilescola.uol.com.br/matematica/cone.htm>
Fonte: o autor.
Fonte: o autor.
Elipse com centro fora da origem do sistema cartesiano

Elipse com centro fora da origem do sistema cartesiano
1o Caso: Eixo maior paralelo ao eixo x.

1o Caso: Eixo maior paralelo ao eixo x.
Vamos deduzir a equação da elipse partindo da definição de lugar geométrico, a dedução
Vamos deduzir a equação da elipse partindo da definição de lugar geométrico, a dedução
para os outros casos que veremos mais adiante é análogo a este. Sejam C(h, k) o centro e P (x, y)
para os outros casos que veremos mais adiante é análogo a este. Sejam C(h, k) o centro e P (x, y)
um ponto genérico dessa elipse, com focos F1 (h − c, k) e F2 (h + c, k), temos:
um ponto genérico dessa elipse, com focos F1 (h − c, k) e F2 (h + c, k), temos:
Figura 14
Figura 14
105
95
d(P, F1 ) + d(P, F2 ) = 2a

[x − (h − c)]2 + (y − k)2 + [x − (h + c)]2 + (y − k)2 = 2a

[x − (h − c)]2 + (y − k)2 = 2a − [x − (h + c)]2 + (y − k)2

[x − (h − c)]2 + (y − k)2 = 4a2 − 4a [x − (h + c)]2 + (y − k)2 + [x − (h + c)]2 + (y − k)2

x2 −2x(h−c)+(h−c)2 +(y−k)2 = 4a2 −4a [x − (h + c)]2 + (y − k)2 +x2 −2x(h+c)+(h+c)2 +(y−k)2

−2xh + 2xc + h2 − 2hc + c2 = 4a2 − 4a [x − (h + c)]2 + (y − k)2 − 2xh − 2xc + h2 + 2hc + c2

4a [x − (h + c)]2 + (y − k)2 = 4a2 − 4xc + 4hc

a [x − (h + c)]2 + (y − k)2 = a2 − xc + hc
a2 ([x − (h + c)]2 + (y − k)2 ) = a4 − a2 xc + a2 hc − a2 xc + x2 c2 − xhc2 + a2 hc − hxc2 + h2 c2
a2 [x2 −2x(h+c)+(h+c)2 +y 2 −2yk +k 2 ] = a4 −a2 xc+a2 hc−a2 xc+x2 c2 −xhc2 +a2 hc−hxc2 +h2 c2
a2 (x2 −2xh−2xc+h2 +2hc+c2 +y 2 −2yk+k 2 ) = a4 −a2 xc+a2 hc−a2 xc+x2 c2 −xhc2 +a2 hc−hxc2 +h2 c2
a2 x2 −2a2 xh−2a2 xc+a2 h2 +2a2 hc+a2 c2 +a2 y 2 −2a2 yk+a2 k 2 = a4 −2a2 xc+2a2 hc+x2 c2 −2xhc2 +h2 c2
a2 x2 − 2a2 xh + a2 h2 + a2 c2 + a2 y 2 − 2a2 yk + a2 k 2 = a4 + x2 c2 − 2xhc2 + h2 c2
(x2 − 2xh + h2 )(a2 − c2 ) + a2 (y 2 − 2yk + k 2 ) = a2 (a2 − c2 )
(x − h)2 (a2 − c2 ) + a2 (y − k)2 = a2 (a2 − c2 )
b2 (x − h)2 + a2 (y − k)2 = a2 b2 .
Dividindo ambos os lados por a2 b2 , obtemos
(x − h)2 (y − k)2
+ = 1,
a2 b2
que é equação reduzida da elipse com centro em C(h, k) e eixo maior paralelo ao eixo x. Observe
que seus vértices são A1 (h − a, k), A2 (h + a, k), B1 (h, k − b) e B2 (h, k + b). Note que, se h = k = 0
temos C(0, 0).
Elipse
106 UNIDADE II
96
(x + 1)2 (y − 3)2
Exemplo 5: Esboce o gráfico da elipse cuja equação é dada por + = 1.
4 1
Como 4>1, então, o eixo maior é paralelo ao eixo x, seu centro é C(−1, 3), para obtermos
seus vértices podemos substituir por y = 3 e obtemos x = −3 ou x = 1, analogamente, para x = −1,
temos y = 2 ou y = 4, logo, seus vértices são A1 (−3, 3), A2 (1, 3), B1 (−1, 2) e B2 (−1, 4). Uma outra
forma para obtermos seus vértices é observando o seguinte, como 4 > 1, então, a = 2 e b = 1 e sendo
o eixo maior paralelo ao eixo x, partindo do centro C(−1, 3), segue que A1 (−1 − 2, 3) = A1 (−3, 3),
A2 (−1 + 2, 3) = A2 (1, 3), B(−1, 3 − 1) = B1 (−1, 2) e B2 (−1, 3 +√1) = B2 (−1, 4). Além disso, temos
√ 3 √
22 = 12 + c2 , ou seja, c = 3, portanto, a excentricidade é e = e seus focos são F1 (−1 − 3, 3)
√ 2
e F2 (−1 + 3, 3).
Figura 15
Exemplo 6: Dada a equação 4x2 + 9y 2 − 8x − 36y + 4 = 0, obtenha a equação reduzida, seu

centro, os vértices e seus focos.
Temos:
4x2 + 9y 2 − 8x − 36y + 4 = 0
4x2 − 8x + 9y 2 − 36y + 4 = 0
4(x2 − 2x) + 9(y 2 − 4y) + 4 = 0,
107
97
completando quadrado, segue que
4(x2 − 2x + 1 − 1) + 9(y 2 − 4y + 4 − 4) + 4 = 0
4[(x − 1)2 − 1] + 9[(y − 2)2 − 4] + 4 = 0
4(x − 1)2 − 4 + 9(y − 2)2 − 36 + 4 = 0

4(x − 1)2 9(y − 2)2 36
+ =
36 36 36
(x − 1)2 (y − 2)2
+ =1
9 4
(x − 1)2 (y − 2)2
+ = 1.
32 22
Como 9>4, então, seu eixo maior é paralelo ao eixo x cujo centro é C(1, 2), além disso,
√
temos a = 3 e b = 2, logo, c = 5. Segue que A1 (1 − 3, 2) = A1 (−2, 2), A2 (1 + 3, 2) = A2 (4, 2),
√ √
B1 (1, 2 − 2) = B1 (1, 0), B2 (1, 2 + 2) = B2 (1, 4), F1 (1 − 5, 2) e F2 (1 + 5, 2).
Figura 16
Elipse
108 UNIDADE II
98
2o Caso: Eixo maior paralelo ao eixo y.
A equação da elipse com centro em C(h, k) é dada por
(x − h)2 (y − k)2
+ =1
b2 a2
e pode ser deduzida de forma análoga ao caso anterior,
Figura 17
em que seus vértices são A1 (h, k − a), A2 (h, k + a), B1 (h − b, k) e B2 (h + b, k).
Exemplo 7: Construa uma elipse com centro C(2, 3), com eixo maior medindo 10 unidades,
paralelo ao eixo y, eixo menor medindo 8 unidades e obtenha também sua equação reduzida.
O eixo maior tem medida igual a 10, logo, 2a = 10 e 2b = 8, ou seja, a = 5, b = 4 e,

consequentemente, c = 3; segue que a equação reduzida é:
(x − 2)2 (y − 3)2
+ = 1.
42 52
Como seu centro é C(2, 3) e o eixo maior é paralelo ao eixo y, então, seus vértices são A1 (2, 3−5) =
109
99
A1 (2, −2), A2 (2, 3 + 5) = A2 (2, 8), B1 (2 − 4, 3) = B1 (−2, 3), B2 (2 + 4, 3) = B2 (6, 3) e seus focos
são F1 (2, 3 − 3) = (2, 0) e F (2, 3 + 3) = F (2, 6).
Figura 18
Exemplo 8: Determine o centro, os vértices, os focos e a excentricidade da elipse de equação
25x2 + 9y 2 + 50x − 36y − 164 = 0.
A equação pode ser reescrita por
25x2 + 50x + 9y 2 − 36y − 164 = 0
25(x2 + 2x) + 9(y 2 − 4y) − 164 = 0
25(x2 + 2x + 1 − 1) + 9(y 2 − 4y + 4 − 4) − 164 = 0
25[(x + 1)2 − 1] + 9[(y − 2)2 − 4] − 164 = 0
25(x + 1)2 − 25 + 9(y − 2)2 − 36 − 164 = 0
Elipse
110 UNIDADE II
100
25(x + 1)2 9(y − 2)2 225

+ =
225 225 225
(x + 1)2 (y − 2)2
+ =1
9 25
portanto,
(x − (−1))2 (y − 2)2
+ = 1.
32 52
Assim, temos a = 5 e b = 3, logo, c = 4, além disso, seu centro é C(−1, 2), seus vértices são
A1 (−1, −3), A2 (−1, 7), B1 (−4, 2) e B2 (2, 2), seus focos são F1 (−1, −2), F2 (−1, 6) e a excentricidade
4
é e = = 0, 8.
5
Figura 19
111
101
101
Uma elipse pode ser obtida utilizando-se uma madeira plana, dois pregos, um barbante e um
Uma elipse pode ser obtida utilizando-se uma madeira plana, dois pregos, um barbante e um
lápis. Os dois pregos devem ser fixados na madeira (nos focos) e o barbante amarrado em
lápis. Os dois pregos devem ser fixados na madeira (nos focos) e o barbante amarrado em
ambos os pregos com medida superior a distância entre eles; com um lápis esticando o barbante
ambos os pregos com medida superior a distância entre eles; com um lápis esticando o barbante
se obtém o traço que nos dá a elipse.
se obtém o traço que nos dá a elipse.
Assista também ao vı́deo sobre a mesa de bilhar elı́ptica:
Assista também ao vı́deo sobre a mesa de bilhar elı́ptica:
<https://www.youtube.com/watch?v=NGiMw4dI8fk>
<https://www.youtube.com/watch?v=NGiMw4dI8fk>
Fonte: o autor.
Fonte: o autor.
Figura 20
Figura 20
Elipse
112 UNIDADE II
102
HIPÉRBOLE
HIPÉRBOLE
Figura 21
Sejam F1 e F2 dois pontos do plano com d(F1 , F2 ) = 2c, ao conjunto dos pontos P (x, y) tais
que o módulo da diferença entre d(P, F1 ) e d(P, F2 ) é constante, damos o nome de hipérbole, isto
é, se a é um número real positivo tal que 2a < 2c, a hipérbole é o conjunto dos pontos que satisfaz
|d(P, F1 ) − d(P, F2 )| = 2a.
Figura 22
Os pontos F1 e F2 são os focos e d(F1 , F2 ) = 2c é a distância focal, o centro C da hipérbole

é o ponto médio do segmento F1 e F2 , os ponto A1 e A2 são os vértices em que d(A1 , A2 ) = 2a, o
eixo real é o segmento A1 A2 . O eixo imaginário é o segmento B1 B2 , com d(B1 , B2 ) = 2b, além
disso, o segmento B1 B2 é perpendicular ao segmento A1 A2 no ponto C.
113
103
Figura 23
c
Chamamos de excentricidade ao número e = ; temos também a seguinte relação c2 = a2 +b2
a
e sendo c > a, logo, e > 1.
Considere o retângulo M N OP , cujos pontos A1 , A2 , B1 e B2 são pontos médios dos seg-

mentos M N , OP , N O e M P , respectivamente. As retas r e s que passam pelos segmentos M O e
N P são chamadas de assı́ntotas da hipérbole. Essas retas têm as propriedades de, à medida que
os pontos da hipérbole se afastam do foco, eles se aproximam cada vez mais de uma dessas retas,
b b
porém nunca tocam a reta. Observe também, lembrando da trigonometria, que as razões e −
a a
correspondem às inclinações das retas s e r, respectivamente.
Figura 24
Geometricamente, a hipérbole pode ser obtida por meio da interseção do plano com o cone,
em que o plano deve ser paralelo ao eixo do cone.
Hipérbole
114 UNIDADE II
104
Hipérbole com centro na origem do plano cartesiano
1o caso: Eixo real sobre o eixo x.
Seja P (x, y) um ponto da hipérbole com centro C(0, 0) e focos F1 (−c, 0) e F2 (c, 0),
Figura 25
temos
|d(F1 , P ) − d(F2 , P )| = 2a

| (x + c)2 + (y − 0)2 − (x − c)2 + (y − 0)2 | = 2a

(x + c)2 + y 2 − (x − c)2 + y 2 = ±2a.
Utilizando o mesmo processo da elipse, obtemos
(c2 − a2 )x2 − a2 y 2 = a2 (c2 − a2 )
como c2 = a2 + b2 , logo
b2 x2 − a2 y 2 = a2 b2
dividindo ambos os lados por a2 b2 , chegamos ao resultado
x2 y 2
− 2 =1
a2 b
b
que é a equação reduzida da hipérbole com vértices A1 (−a, 0), A2 (a, 0) e assı́ntotas y = ± x
a
(equação da reta passando pela origem).
115
105
2o Caso: Eixo real sobre o eixo y.
Partindo da definição da hipérbole
|d(F1 , P ) − d(F2 , P )| = 2a,
podemos deduzir de maneira análoga à equação
y 2 x2
− 2 =1
a2 b
que é ela a equação da hipérbole com focos F1 (0, −c), F2 (0, c), vértices A1 (0, a), A2 (0, −a) e
a
assı́ntotas y = ± x, em que c2 = a2 + b2 .
b
Figura 26
x2 y 2
Exemplo 9: Obtenha o gráfico da hipérbole, cuja equação reduzida é − = 1, e seus elementos
25 16
(centro, focos, vértices, excentricidade e as assı́ntotas).
x2 y 2
A equação é do tipo − = 1, logo, a = 5 e o eixo real está sobre o eixo x em que b = 4,
a2 √ b 2
como c2 = a2 + b2 , então, c = 41. Para y = 0, temos x = ±5, logo, A1 (−5, 0) e A2 (5, 0) são os
vértices da hipérbole. Note que para x = 0 a equação y 2 = −16 não admite solução no conjunto
dos números reais, ou seja, a hipérbole não intercepta o eixo y, segue
√que o centro da hipérbole é
√ √ 41
C(0, 0), seus focos são F1 (− 41, 0), F2 ( 41, 0), excentricidade e = = 1, 28 e suas assı́ntotas
5
4 4
são retas que passam pela origem e cujas equações são y = x e y = − x.
5 5
Hipérbole
116 UNIDADE II
106
Figura 27
Exemplo 10: Dada a equação 4y 2 − 9x2 = 36, obtenha os elementos e o gráfico dessa hipérbole.
Temos
4y 2 − 9x2 = 36
4y 2 9x2 36
− =
36 36 36
y 2 x2
− 2 = 1.
32 2
Essa última equação nos indica que o eixo real está sobre o eixo y, assim a = 3, b = 2 e lembrando
√ √ √
que c2 = a2 + b2 , logo, c = 13, segue que seus focos são F1 (0, − 13) e F2 (0, 13). Pondo x = 0,
3
obtemos y = ±3, ou seja, seus vértices são A1 (0, −3) e A2 (0, 3). Suas assı́ntotas são y = ± x e a
√ 2
13 ∼
excentricidade e = = 1, 20.
3
Figura 28
117
107
Equação da hipérbole com centro fora da origem do sistema cartesiano
1o Caso: Eixo real paralelo ao eixo x.
De maneira análoga ao caso da elipse, podemos deduzir a equação da hipérbole com centro
C(h, k), focos F1 (h − c, k), F2 (h + c, k) e vértices A1 (h − a, k) e A2 (h + a, k).
(x − h)2 (y − k)2
− =1
a2 b2
Figura 29
2o Caso: Eixo real paralelo ao eixo y.
Nesse caso, temos C(h, k), F1 (h, k − c), F2 (h, k + c), A1 (h, k − a), A2 (h, k + a) e a equação
é dada por
(y − k)2 (x − h)2
− = 1.
a2 b2
Figura 30
Hipérbole
118 UNIDADE II
108
Exemplo 11: Obtenha a equação da hipérbole, sabendo-se que seus vértices são A1 (0, 3), A2 (2, 3)
e um dos seus focos é F (3, 3).
A1 A2 e é paralelo ao eixo x; o centro C é o ponto médio do segmento

O eixo realé o segmento
0+2 3+3
A1 A2 , ou seja, C , = C(1, 3), segue que c = d(C, F ) = (1 − 3)2 + (3 − 3)2 = 2.
2 2
Figura 31
√
Além disso, a = d(C, A1 ) = (0 − 1)2 + (3 − 3)2 = 1, como c2 = a2 + b2 , logo, b = 3, portanto,
(x − 1)2 (y − 3)2
− √ =1
12 ( 3)2
(y − 3)2
(x − 1)2 − =1
3
e, desenvolvendo, obtemos:
3x2 − y 2 − 6x + 6y − 9 = 0.
Figura 32
119
109
Exemplo 12: Dada a equação da hipérbole 16x2 − 9y 2 + 64x − 54y + 127 = 0, obtenha o centro,
os vértices, os focos, seu gráfico, a excentricidade e suas assı́ntotas.
Temos:
16x2 − 9y 2 + 64x − 54y + 127 = 0
16(x2 + 4x) − 9(y 2 + 6y) + 127 = 0
16(x2 + 4x + 4 − 4) − 9(y 2 + 6y + 9 − 9) + 127 = 0
16[(x + 2)2 − 4] − 9[(y + 3)2 − 9] + 127 = 0

16(x + 2)2 − 64 − 9(y + 3)2 + 81 + 127 = 0
16(x + 2)2 − 9(y + 3)2 = −144

16(x + 2)2 9(y + 3)2 −144
− =
−144 −144 −144
(x + 2)2 (y + 3)2
− + =1
9 16
(y + 3)2 (x + 2)2
− = 1.
42 32
Assim, o centro é C(−2, −3), o eixo real é paralelo ao eixo y, a = 4 e b = 3, sendo c2 = a2 + b2 ,
logo, c = 5. Segue que seus focos são F1 (−2, −3 − 5) = F1 (−2, −8), F2 (−2, −3 + 5) = F2 (−2, 2) e
seus vértices são A1 (−2, −3 − 4) = A1 (−2, −7) e A2 (−2, −3 + 4) = A2 (−2, 1). Seu gráfico é
Figura 33
Hipérbole
120 UNIDADE II
110
c 5
e sua excentricidade e = = = 1, 25, suas assı́ntotas são retas do tipo y = mx + k, ou seja,
a 4
y = ±mx + k
a
y =± x+k
b
4
y = ± x + k.
3
4
O ponto C(−2, −3) pertence às assı́ntotas, logo, para y = x + k1 temos
3
4
−3 = (−2) + k1 ,
3
ou seja,
1
k1 = −
3
4 1 4
e, portanto, uma das retas é y = x − . Analogamente, para y = − x + k2 , temos
3 3 3
4
−3 = − (−2) + k2 .
3
17 4 17
Segue que k2 = − e, portanto, a outra assı́ntota é y = − x − .
3 3 3
Figura 34
121
111
PARÁBOLA
PARÁBOLA
Figura 35
Sejam d uma reta e F um ponto não pertencente à d, ambos no plano xy, uma parábola é
o conjunto dos pontos P (x, y) no plano que são equidistantes do ponto F e da reta d, o ponto F
é chamado de foco e d é a diretriz da parábola.
Figura 36
Ou seja, se P (x, y) é um ponto da parábola, então,
d(P, F ) = d(P, d).
O eixo da parábola é a reta que passa pelo foco e é perpendicular à diretriz; a interseção entre seu
eixo com a parábola é um ponto chamado de vértice e denotado por V .
Parábola
122 UNIDADE II
112
Geometricamente, a parábola é obtida a partir da interseção de um plano com um cone, em

que o plano é paralelo a geratriz desse cone.
Parábola com vértice na Origem do Sistema Cartesiano
1o Caso: Eixo da parábola é o próprio eixo y.

p
Seja P (x, y) um ponto da parábola com foco F (0, ), diretriz d e D um ponto da reta d,
2
Figura 37
assim, temos
d(F, P ) = d(D, P )

p 2 p 2
(x − 0)2 + y − = (x − x)2 + y + ;
2 2
elevando ambos os lados ao quadrado
2 2
p 2 p 2
x2 + y− = y+
2 2
p 2 p 2
x2 + y − = y+
2 2
p2 p2
x2 + y 2 − yp + = y 2 + py +
4 4
x2 = 2py.
Essa é a equação reduzida da parábola com vértice na origem do plano cartesiano e eixo da pará-
bola coincidindo com o eixo y. Note que como x2 ≥ 0, logo, 2py deve ser positivo, o que significa
123
113
que y e p devem ter o mesmo sinal. Em particular, se p > 0 a concavidade é voltada para cima,
por outro lado, se p < 0 a parábola tem concavidade voltada para baixo.
Figura 38 Figura 39
2o Caso: Eixo da parábola é o eixo x.

p
Seja P (x, y) um ponto da parábola com foco F ,0 e diretriz d, usando o raciocı́nio
2
anterior, chegamos na equação
y 2 = 2px.
Figura 40 Figura 41
Quando p > 0, a concavidade é voltada para direita e, se p < 0, a concavidade é voltada para
esquerda.
Parábola
124 UNIDADE II
114
Exemplo 13: Dada a equação x2 = 6y, obtenha o foco, a diretriz e seu gráfico.
Sabemos que x2 = 2py, logo, 2p = 6, ou seja, p = 3, segue que a parábola tem

concavidade

3
voltada para cima. Como seu vértice é V (0, 0), temos seu foco com coordenadas F 0, , sua
2
3 3 3
diretriz é y = − . Além disso, se y = e temos x2 = 6. , logo, x = ±3. Portanto, os pontos
2 2 2
3 3
−3, e 3, também são pontos da parábola.
2 2
Figura 42
Exemplo 14: Dada a equação y 2 = −20x, obtenha seu gráfico, o foco e a diretriz da parábola.
A equação é do tipo y 2 = 2px, logo, 2p = −20, ou seja, p = −10, portanto, a concavidade

10
é voltada para esquerda. Como seu vértice é V (0, 0), logo, seu foco é F (0 − , 0) = (−5, 0) e a
2
10
diretriz é x = 0 + = 5.
2
Figura 43
125
115
Parábola com vértice fora da origem do sistema cartesiano
1o Caso: Parábola com eixo paralelo ao eixo y.
Seja V (h, k) o vértice da parábola, partindo da definição d(P, F ) = d(P, d), é fácil de deduzir
sua equação, que é dada por
(x − h)2 = 2p(y − k).
Figura 44
x2
Exemplo 15: Esboce o gráfico da parábola cuja equação é y = − − x indicando seus elementos.
4
Temos:
x2
+ x = −y
4
x2 + 4x = −4y
x2 + 4x + 4 − 4 = −4y
(x + 2)2 − 4 = −4y
(x + 2)2 = −4y + 4
(x + 2)2 = −4(y − 1)
(x + 2)2 = 2(−2)(y − 1).
Assim, h = −2 e k = 1, logo, V (−2, 1), além disso, como p = −2, segue que a concavidade é
voltada para baixo e seu eixo é paralelo ao eixo y com foco F (−2, 1 − 1) = F (−2, 0) e diretriz
Parábola
126 UNIDADE II
116
y = 1 + 1 = 2. É interessante observar que a equação reduzida nos fornece as coordenadas do

vértice, bem como para onde a concavidade está voltada.
Dizemos que x é raiz da equação y = ax2 + bx + c = 0, se a(x )2 + bx + c = 0. Assim,

vamos obter as raı́zes (caso existam) dessa equação, ou seja, devemos obter valores de x tais que
y=0
x2
− −x=0
4
x2
+x=0
4
x2 + 4x = 0
x2 + 4x + 4 − 4 = 0
(x + 2)2 = 4
√
x+2=± 4
x = −2 ± 2,
logo, as raı́zes são x = 0 e x = −4. Portanto, os pontos (−4, 0) e (0, 0) pertencem à parábola.
Figura 45
127
117
2o Caso: O eixo da parábola é paralelo ao eixo x.
Seja V (h, k) o vértice da parábola, sua equação é dada por
(y − k)2 = 2p(x − h).

Figura 46
Exemplo 16: Determine a equação da parábola cuja diretriz é x = 1 e tem foco no ponto F (5, 2).
Figura 47
Parábola
128 UNIDADE II
118
Sabemos que a diretriz é x = 1, logo, o eixo da parábola é paralelo ao eixo x e passa pelos

5+1 2+2
pontos F (5, 2) e A(1, 2). Como seu vértice é o ponto médio do segmento AF , logo, V , =
2 2
(3, 2), ou seja, h = 3 e k = 2. Note que, como o foco está à direita do vértice, então, a concavidade
é voltada para direita, o que significa que p é positivo. Além disso, temos
p = d(A, F )

p= (5 − 1)2 + (2 − 2)2
p=4
que substituindo na equação seguinte
(y − k)2 = 2p(x − h)
segue que
(y − 2)2 = 2.(4)(x − 3)
y 2 − 4y + 4 = 8x − 24
y 2 − 4y − 8x + 28 = 0
é a equação da parábola.
Figura 48
129
119
QUÁDRICAS
QUÁDRICAS
Na unidade I, estudamos as equações lineares em x, y e z cujos gráficos eram planos no

espaço tridimensional. No inı́cio desta unidade estudamos equações de segundo grau apenas em
x e y, exclusivamente no plano cartesiano. Agora, estudaremos superfı́cies cujas equações são de
segundo grau nas variáveis x, y e z, cujos gráficos são conjuntos de pontos do espaço tridimensional
conhecidos como superfı́cies quádricas, são elas: elipsoide; hiperboloide de uma folha; hiperboloide
de duas folhas; paraboloide elı́ptico; paraboloide hiperbólico; superfı́cie cônica; superfı́cie cilı́ndrica.
Saber identificar uma cônica é fundamental para estudar essas superfı́cies.
Desenvolveremos nosso estudo sob a seguinte perspectiva: dada uma equação de uma super-
fı́cie quádrica, vamos analisar as curvas (ou traços) obtidas pela interseção de planos (conveniente-
mente escolhidos) com a quádrica. De maneira geral, a escolha do plano se dará preferencialmente
com os planos coordenados, ou seja, planos xy, xz e yz. Esses planos são obtidos tomando z = 0,
y = 0 e x = 0, respectivamente. No entanto, teremos casos em que esses planos não interceptarão
a superfı́cie dada, em situações como essa, será necessário fazer uma análise mais criteriosa para
decidir como obter os traços da superfı́cie num plano conveniente. E a partir dos traços obtidos
nos três planos, será possı́vel desenhar a superfı́cie. Apesar da dificuldade em fazer um desenho
de uma superfı́cie tridimensional numa folha de papel, veremos que basta observar a equação para
sabermos de qual superfı́cie estamos tratando, ou seja, cada quádrica tem uma equação particular,
assim como a reta, a parábola e a elipse no plano.
Portanto, o que pretendemos aqui é que dada uma equação, o(a) cursista consiga identificar
de qual superfı́cie estamos tratando e que procure, na medida do possı́vel, desenhar seu gráfico,
pois, reconhecer essas superfı́cies e suas equações é de extrema importância no futuro estudo do
cálculo vetorial.
Quádricas
130 UNIDADE II
120
Superfı́cies Quádricas
Uma equação do 2o grau com três variáveis x, y e z tem a seguinte forma
ax2 + by 2 + cz 2 + 2dxy + 2exz + 2f yz + mx + ny + pz + q = 0
com pelo menos uma das constante a, b, c, d, e ou f não nula (ela representa uma superfı́cie
quádrica). Quando essa superfı́cie for cortada por algum plano paralelo aos planos das coorde-
nadas (x, y ou z igual a uma constante), sua interseção será uma curva cônica, como veremos nos
próximos exemplos. Por meio de uma mudança de coordenadas (rotação e/ou translação), essa
equação pode assumir uma das seguintes formas:
Ax2 + By 2 + Cz 2 = D (quádrica centrada)
ou 



 Ax2 + By 2 + Cz = 0

Ax2 + By + Cz 2 = 0 (quádrica não centrada)




 Ax + By 2 + Cz 2 = 0
que são os casos que abordaremos nesta unidade.
Superfı́cies Quádricas Centradas
A equação a seguir
x2 y 2 z 2
± ± 2 ± 2 =1
a2 b c
é chamada de forma canônica (ou padrão) de uma superfı́cie quádrica centrada. De acordo com a
combinação dos sinais, existem três possibilidades, a saber:
• Três sinais positivos (elipsoide).
• Dois sinais positivos e um negativo (hiperboloide de uma folha).
• Um sinal positivo e dois negativos (hiperboloide de duas folhas).
• Três sinais negativos (nesse caso não existe superfı́cie).
131
121
ELIPSOIDE
ELIPSOIDE
Figura 49
Considere a equação
x2 y 2 z 2
+ 2 + 2 =1
a2 b c
em que a, b e c são constantes reais positivas. Ao conjunto de pontos P (x, y, z) que satisfazem
essa equação damos o nome de elipsoide. Note, primeiramente, que se P (x, y, z) é um ponto da
superfı́cie, então o ponto P (−x, −y, −z) também pertence à superfı́cie, pois satisfaz a equação
dada, ou seja, a superfı́cie é simétrica em relação à origem. Além disso, o ponto P (−x, y, z)
também pertence à superfı́cie, logo, a superfı́cie é simétrica em relação ao plano yz − a mesma
simetria ocorre com relação aos planos xy e xz −. Agora, para z = 0, o plano xy corta a superfı́cie
segundo o traço de uma elipse de equação
x2 y 2
+ 2 = 1, z = 0.
a2 b
Figura 50
Para y = 0, temos uma elipse no plano xz e também para x = 0 outra elipse no plano yz.
Figura 51 Figura 52
Elipsoide
132 UNIDADE II
122
Figura 53
Em particular, se a = b = c, temos
x2 y 2 z 2
+ + =1
a2 a2 a2
que representa uma superfı́cie esférica com raio r = a cuja equação é dada por
x 2 + y 2 + z 2 = a2 .
Figura 54
Se pelo menos dois valores de a, b ou c são iguais, dizemos que o elipsoide é de revolução. Quando
o centro do elipsoide é o ponto C(h, k, l) com eixos paralelos aos eixos coordenados, sua equação
tem forma
(x − h)2 (y − k)2 (z − l)2
+ + = 1.
a2 b2 c2
133
123
x2 y 2 z 2
Exemplo 17: Obtenha a superfı́cie do elipsoide cuja equação é + + = 1.
4 9 1
2
x y2
No plano xy, isto é, quando z = 0, temos uma elipse cuja equação é + = 1, analo-
4 9
x2 z2 y2 z2
gamente, nos planos xz e yz obtemos as equações + =1e + = 1 que também são
4 1 9 1
elipses, assim, graficamente, temos um elipsoide cujo gráfico é representado pela figura a seguir.
Figura 55
(x − 1)2 (y − 1)2 (z − 1)2

Exemplo 18: Verifique se a equação + + = 1 representa um elipsoide.
9 25 9
(x − 1)2 (y − 1)2
A superfı́cie tem centro C(1, 1, 1), suas equações são + = 1 no plano z = 1,
9 25
(x − 1)2 (z − 1)2 (y − 1)2 (z − 1)2
+ = 1 no plano y = 1 e + = 1 no plano x = 1, note também
9 9 25 9
que a = c = 3, portanto, a superfı́cie é um elipsoide de revolução.
Figura 56
Elipsoide
134 UNIDADE II
124
As pesquisas na área de Educação Matemática promovem reflexões sobre como a forma tradici-
onal de ensino pode ser inovada por meio de estratégias diferenciadas, que visem a uma melhor
qualidade no processo de ensinoaprendizagem da Matemática.
A nossa prática profissional, com estudantes da Licenciatura em Matemática e cursos de En-
genharias, revelou o quanto é difı́cil trabalhar os tópicos planos, cilindros e quádricas nas dis-
ciplinas Geometria Analı́tica ou Cálculo Diferencial e Integral, seja por reduzida carga horária
para esses conteúdos, seja pela dificuldade que os estudantes têm na visualização geométrica
no espaço tridimensional ou, na relação entre questões visuais e analı́ticas.
As dificuldades dos estudantes nos tópicos de geometria perpassam toda a educação básica, che-
gando ao ensino superior. Essa deficiência é evidenciada por vários pesquisadores em Educação
Matemática, tais como Lorenzato (1995), Dante (1988) e Pavanello (1993). Essa defasagem gera
dificuldades de aprendizagem, principalmente na disciplina Geometria Analı́tica e em tópicos
do Cálculo Diferencial e Integral.
Parte extraı́da do artigo disponı́vel em:
<http://www.scielo.br/scielo.php?script=sci arttext&pid=S0103-636X2013000300011>
Fonte: Mota e Laudares (2013, on-line)1 .
135
125
HIPÉRBOLOIDE DE UMA
HIPERBOLOIDE DE UMA FOLHA
FOLHA
Figura 57
Considere a equação
x2 y 2 z 2
+ 2 − 2 =1
a2 b c
com a, b e c termos positivos. Quando dois sinais são positivos e um negativo, a superfı́cie é
chamada de hiperboloide de uma folha. Em relação à equação anterior, o hiperboloide está ao
x2 y 2
longo do eixo z. O plano xy intercepta a superfı́cie segundo uma elipse de equação 2 + 2 = 1,
a b
Figura 58
x2 z 2 y2 z2
já nos planos xz e yz temos as equações 2
− 2 = 1 e 2 − 2 = 1 que representam hipérboles.
a c b c
Figura 59 Figura 60
Hipérboloide de Uma Folha

136 UNIDADE II
126
Figura 61
Quando a = b, o hiperboloide é de revolução e pode ser obtido pela rotação de uma hipérbole em
torno do eixo z.
As outras formas de hiperboloide de uma folha são:
x2 y 2 z 2
− 2 + 2 = 1 ao longo do eixo y
a2 b c
e
x2 y 2 z 2
− + 2 + 2 = 1 ao longo do eixo x.
a2 b c
Figura 62 Figura 63
137
127
x2 y 2 z2
Exemplo 19: Obter o gráfico da superfı́cie cuja equação é+ − = 1.
9 4 16
2 2
x y
No plano z = 0, temos uma elipse de equação 2 + 2 = 1,
3 2
Figura 64
x2 z 2 y2 z2
nos planos y = 0 e x = 0 temos hipérboles de equações − 2 =1e 2 − 2 =1
32 4 2 4
Figura 65 Figura 66
e graficamente
Figura 67
Hipérboloide de Uma Folha

138 UNIDADE II
128
HIPÉRBOLOIDE
HIPERBOLOIDE DE DE DUAS
DUAS FOLHAS
FOLHAS
Figura 68
A superfı́cie com equação

x2 y 2 z 2
− + 2 − 2 =1
a2 b c
é chamada de hiperboloide de duas folhas ao longo do eixo y, em que a, b e c são constantes
reais positivas.
Nos planos xy e yz, temos as equações
x2 y 2 y2 z2
− 2
+ 2 =1e 2 − 2 =1
a b b c
que representam duas hipérboles.
Figura 69 Figura 70
139
129
Graficamente, temos
Figura 71
Observe que quando y = 0 o plano xz não intercepta a superfı́cie, mais ainda, para qualquer
plano y = k, com −b < k < b, não há ocorrência de interceptação na superfı́cie. Por outro lado,
para qualquer valor de y = k com k > b ou k < −b, a interseção entre o plano e a superfı́cie é
uma elipse, particularmente, se a = c, a elipse é uma circunferência. Portanto, o hiperboloide é de
revolução e pode ser obtido rotacionando uma hipérbole em torno do eixo real y.
As outras formas canônicas dessa superfı́cie são:
x2 y 2 z 2
− 2 − 2 = 1 ao longo do eixo x
a2 b c
e
x2 y 2 z 2
− − 2 + 2 = 1 ao longo do eixo z.
a2 b c
Figura 72 Figura 73
Hipérboloide de Duas Folhas

140 UNIDADE II
130
x2 y 2 z 2
Exemplo 20: Dada a equação − + − = 1, obtenha seus gráficos nos planos coordenados
4 16 25
e sua superfı́cie.
A superfı́cie é um hiperboloide de duas folhas ao longo do eixo y. Nos planos x = 0 e z = 0,

y2 z2 x2 y 2
temos, respectivamente, hipérboles com equações 2 − 2 = 1 e − 2 + 2 = 1, cujos gráficos são:
4 5 2 4
Figura 74 Figura 75
Assim, a superfı́cie pode ser representada conforme o gráfico a seguir.
Figura 76
Observe que para valores y = k, com |k| > 4, os planos y = k interceptam a superfı́cie segundo
uma elipse de equação
x2 z 2 k2
2
+ 2 = − 1.
2 5 16
x2 z2
Por exemplo, para k = 5, temos uma elipse cuja equação é 2 + 2 = 1.
3 15
2 4
141
131
Superfı́cies Quádricas Não Centradas
As equações




 Ax2 + By 2 + Cz = 0

 Ax2 + By + Cz 2 = 0



 Ax + By 2 + Cz 2 = 0
podem ser reescritas em uma das seguintes formas
x2 y 2
± ± 2 = cz,
a2 b
x2 z 2
± ± 2 = by
a2 c
ou
y2 z2
± ± 2 = ax
b2 c
que são chamadas de forma canônica da superfı́cie quádrica. De acordo com as combinações dos
sinais nos coeficientes do segundo grau, é possı́vel ter dois tipos de superfı́cie:
• Sinais iguais (Paraboloide Elı́ptico).

• Sinais contrários (Paraboloide Hiperbólico).
Hipérboloide de Duas Folhas

142 UNIDADE II
132
PARABOLOIDE ELÍPTICO
PARABOLOIDE ELÍPTICO
Figura 77
A equação
x2 y 2
+ 2 = cz
a2 b
representa uma superfı́cie quádrica denominada de paraboloide elı́ptico ao longo do eixo z.
x2 y 2
Para o plano z = 0, temos a equação + 2 = 0, logo, x = 0 e y = 0, ou seja, a origem
a2 b
(0, 0, 0) é o único do plano xy. Supondo que c seja uma constante positiva, nos planos xz e yz,
temos as equações x2 = a2 cz e y 2 = b2 cz cujos gráficos são parábolas.
Figura 78 Figura 79
143
133
Graficamente, temos
Figura 80
Quando c > 0 e k é uma constante positiva, o plano z = k intercepta essa superfı́cie segundo
uma elipse
x2 y2
+ = 1.
a2 ck b2 ck
Em particular, se a = b, a elipse é uma circunferência e, portanto, a superfı́cie é um paraboloide
de revolução e pode ser obtido rotacionando uma parábola em torno do eixo z. Quando k < 0, o
plano z = k não intercepta a superfı́cie.
Por outro lado, se c é uma constante negativa, a superfı́cie está abaixo do plano xy, ou seja,
está na região z ≤ 0.
Figura 81
Paraboloide Elíptico
144 UNIDADE II
134
As outras duas possibilidades de paraboloide elı́ptico são
x2 z 2
+ 2 = by ao longo do eixo y
a2 c
e
y2 z2
+ 2 = ax ao longo do eixo x.
b2 c
Figura 82 Figura 83
2 2
x y
Exemplo 21: Considere a equação + = 2z, obtenha seus gráficos nos planos xz, yz e depois
4 9
sua superfı́cie.
A equação dada representa um paraboloide elı́ptico na parte positiva ao longo do eixo z.

Assim, nos planos xz e yz temos, respectivamente, as seguintes equações x2 = 8z e y 2 = 18z, cujos
gráficos são parábolas com vértice na origem. Particularmente, no plano z = 2 temos a seguinte
x2 y 2
elipse 2 + 2 = 1. Assim, o gráfico fica representado como na figura 84.
4 6
Figura 84
145
135
PARABOLOIDE HIPERBÓLICO
PARABOLOIDE HIPERBÓLICO
Figura 85
Uma superfı́cie com equação

x2 y 2
− + 2 = cz
a2 b
é chamada de paraboloide hiperbólico ao longo do eixo z, também conhecida por sela de cavalo.
No plano xy, temos

x2 y 2
− + 2 = 0,
a2 b
logo,
b
y=± x
a
e, portanto, o plano xy corta a superfı́cie segundo duas retas.
Figura 86
Paraboloide Hiperbólico
146 UNIDADE II
136
Os planos xz e yz interceptam a superfı́cie segundo parábolas com equações
x2 = −ca2 z e y 2 = cb2 z,
cujas concavidades estão voltadas para sentidos opostos. Assim, supondo c uma constante positiva,
temos os seguintes gráficos expostos nas figuras 87 e 88.
Figura 87 Figura 88
Sua superfı́cie pode ser representada pela figura a seguir.
Figura 89
Se k = 0, o plano z = k corta a superfı́cie segundo uma hipérbole. Em particular, se k > 0,

o eixo focal é o eixo y e a hipérbole está situada num plano acima do plano xy. Por outro lado, se
k < 0, o eixo focal é o eixo x e está situado abaixo do plano xy.
147
137
As outras formas de paraboloide hiperbólico podem ser representadas pelas equações
z 2 x2
− 2 = by ao longo do eixo y
c2 a
e
z2 y2
− 2 = ax ao longo do eixo x.
c2 b
Figura 90 Figura 91
Exemplo 22: Obtenha os traços nos planos coordenados e depois a superfı́cie da quádrica cuja
x2 y 2
equação é − + = 3z.
4 1
De acordo com a equação, temos um paraboloide hiperbólico ao longo do eixo z. Assim,
nos planos yz e xz, temos parábolas cujas equações são y 2 = 3z e x2 = −12z, respectivamente.
Figura 92 Figura 93
Paraboloide Hiperbólico
148 UNIDADE II
138
x x
No plano xy, temos duas retas cujas equações são y = e y = − . Particularmente, no
2 2
x2 y 2
plano z = 3, temos uma hipérbole com equação − + = 1.
36 9
Figura 94 Figura 95
Portanto, obtemos o gráfico a seguir.
Figura 96
149
139
SUPERFÍCIE CÔNICA
SUPERFÍCIE CÔNICA
Figura 97
A superfı́cie com equação

x2 y 2 z 2
+ 2 − 2 =0
a2 b c
é denominada de cone quádrico ao longo do eixo z. A interseção do plano z = 0 com essa
superfı́cie é o ponto (0, 0, 0), chamado de vértice do cone. Nos planos xz e yz temos duas retas
x y
em cada plano, são elas z = ± e z = ± .
a b
Figura 98 Figura 99
Superfície Cônica
150 UNIDADE II
140
Graficamente, temos:
Figura 100
Agora, se k = 0, o plano z = k é uma elipse. Em particular, quando a = b temos

x
circunferências e, portanto, o cone é de revolução e pode ser gerado pela rotação da reta z = em
a
torno do eixo z, essa reta é chamada de geratriz no cone.
x2 y 2 z 2 x2 y2 z2
As outras formas de cone são − 2
+ 2 + 2 = 0 ao longo do eixo x e 2 − 2 + 2 = 0
a b c a b c
ao longo do eixo y, cujas superfı́cies estão representadas a seguir.
Figura 101 Figura 102
151
141
Exemplo 23: Considerando a equação 9x2 + 4y 2 = z 2 , obtenha suas interseções nos planos xz e
yz, depois sua superfı́cie.
A equação dada pode ser reescrita na seguinte forma
x2 y2
2 + = z2
(1/3) (1/2)2
e representa um cone ao longo do eixo z. Nos planos xz e yz, temos retas com equações z = ±3x
e z = ±2y.
Figura 103 Figura 104

x2 y 2
Na interseção do plano z = 6 com a superfı́cie, temos uma elipse de equação + = 1.
4 9
Portanto, seu gráfico pode ser representado conforme superfı́cie a seguir.
Figura 105
Superfície Cônica
152 UNIDADE II
142
SUPERFÍCIE CILÍNDRICA
SUPERFÍCIE CIL ÍNDRICA
Figura 106 − Superfı́cies cilı́ndricas
Seja C uma curva num plano π e t uma reta fixada que corta esse plano, uma superfı́cie
cilı́ndrica é a superfı́cie gerada por uma reta r que se move ao longo da curva C e é paralela à
reta t. A reta r é chamada de geratriz do cilindro descrito pela diretriz C.
Figura 107
Vamos considerar apenas as superfı́cies cilı́ndricas cuja diretriz seja uma curva situada em
um dos planos xy, xz ou yz e que a geratriz seja paralela a um dos eixos x, y ou z. Assim, se C é
uma curva cônica, o cilindro é quádrico, ou seja, podemos ter um cilindro circular, cilindro elı́ptico,
cilindro parabólico ou um cilindro hiperbólico conforme a curva C. É interessante observar que
dada a equação de uma superfı́cie cilı́ndrica, essa equação não tem uma das variáveis, justamente
suas geratrizes são paralelas ao eixo dessa variável, como veremos nos próximos exemplos.
153
143
143
Exemplo 24: Dada a equação x2 = 6y, obtenha a superfı́cie cilı́ndrica dessa quádrica.
Exemplo 24: Dada a equação x2 = 6y, obtenha a superfı́cie cilı́ndrica dessa quádrica.
Primeiramente, note que a equação não tem a variável z, ou seja, em qualquer plano z = k
Primeiramente, note que a equação não tem a variável z, ou seja, em qualquer plano z = k
temos a mesma equação da parábola x2 = 6y, cuja representação é a mesma que no plano xy.
temos a mesma equação da parábola x2 = 6y, cuja representação é a mesma que no plano xy.
Figura 108
Figura 108
Assim, temos a superfı́cie que é um cilindro parabólico.

Assim, temos a superfı́cie que é um cilindro parabólico.
Figura 109
Figura 109
É possı́vel ter uma superfı́cie quádrica com apenas uma incógnita? Por exemplo x2 = k, em
É possı́vel ter uma superfı́cie quádrica com apenas uma incógnita? Por exemplo x2 = k, em
que k é uma constante positiva. Qual superfı́cie é essa?
que k é uma constante positiva. Qual superfı́cie é essa?
Superfície Cilíndrica
154 UNIDADE II
144
144 x2
Exemplo 25: Obter o gráfico da superfı́cie cuja equação é z 2 + = 1.
42
x
Exemplo
Como25: nãoObter o gráfico
aparece da superfı́cie
a variável cuja superfı́cie
y, temos uma z2 +
equação écilı́ndrica=ao1.longo do eixo y, no plano
4
zx, a equação representa
Como não apareceum elipse. Portanto,
a variável sua superfı́cie
y, temos uma superfı́cie pode ser representada
cilı́ndrica de acordo
ao longo do eixo com
y, no plano
azx,
figura a seguir.
a equação representa um elipse. Portanto, sua superfı́cie pode ser representada de acordo com
a figura a seguir.
Figura 110
Figura 110
Sistema Cartesiano Tridimensional
Usualmente, quando Tridimensional

Sistema Cartesiano se representa o sistema cartesiano tridimensional, coloca-se os eixos dis-
postos da seguinte
Usualmente, maneira:
quando o eixo yo esistema
se representa o eixo cartesiano
z, perpendiculares entre si,coloca-se
tridimensional, gerando os
o plano da
eixos dis-
folha de da
postos caderno e, omaneira:
seguinte eixo x, perpendicular a este
o eixo y e o eixo z, plano. Por esse motivo,
perpendiculares entre si,égerando
comum, opara nós,
plano da
professores, ouvirmos
folha de caderno e, o queixa
eixo x, dos alunos quando,
perpendicular a estepor conveniência,
plano. invertemos
Por esse motivo, essa ordem,
é comum, ao
para nós,
fazermos o esboço
professores, de uma
ouvirmos superfı́cie.
queixa Bem,quando,
dos alunos então vamos esclarecer o motivo
por conveniência, pelo essa
invertemos qual ordem,
podemosao
fazer essa mudança
fazermos de uma
o esboço de ordem nos eixosBem,
superfı́cie. cartesianos. Lembramos
então vamos que,
esclarecer no espaço,
o motivo pelonão
qualé podemos
possı́vel
estabelecermos o “para
fazer essa mudança cima” enos
de ordem o “para baixo”, então
eixos cartesianos. imagine utilizarmos
Lembramos cabosnão
que, no espaço, de évassoura
possı́vel
para representar oos“para
estabelecermos eixos cima”
e paraenos auxiliar
o “para em nossa
baixo”, entãoafirmação, coları́amos em
imagine utilizarmos cada
cabos deum deles
vassoura
um papel
para com as denominações:
representar os eixos e para “eixo x”, “eixo
nos auxiliar emy” e “eixo
nossa z”. Depois
afirmação, disso, poderı́amos
coları́amos em cada umdispor
deles
essa construção
um papel com as emdenominações:
um ponto da “eixo
sala ex”,
então
“eixovocê
y” epoderia
“eixo z”.caminhar em volta
Depois disso, dela obtendo
poderı́amos dispor
diferentes perspectivas
essa construção em umdeponto
visão.daÉ sala
isso eque acontece
então quando mudamos
você poderia caminhar aemordem
volta dos
delaeixos, ou
obtendo
seja, o que perspectivas
diferentes estamos fazendo é umaÉmudança
de visão. isso que de perspectiva
acontece quandodo mudamos
observador.
a ordem dos eixos, ou
Fonte:
seja, oOliveira (2015).
que estamos fazendo é uma mudança de perspectiva do observador.
Fonte: Oliveira (2015).
155
145
Nesta unidade, finalizamos nossos estudos da Geometria Analı́tica com as superfı́cies quádri-
cas. Vimos que para a construção de seus gráficos, primeiramente, escolhemos planos convenientes
de maneira a obter a interseção entre o plano e a superfı́cie analisada, obtendo o que chamamos
de traço. Obviamente que quanto maior número de traços, mais fácil fica para descrever a super-
fı́cie estudada. A primeira quádrica que vimos foi o elipsoide com centro na origem do sistema
cartesiano, verificamos que seus traços nos planos coordenados são sempre elı́pticos e que a esfera
é um caso particular do elipsoide, em que seus traços nos planos são circunferências. A forma do
elipsoide está presente no formato dos planetas, em balões, na natureza (alguns vegetais), na bola
de futebol americano e em algumas construções de engenharia devido a sua beleza.
A segunda superfı́cie estudada foi o hiperboloide de uma folha com centro na origem, cujos
traços nos planos correspondem a duas hipérboles e no outro plano uma elipse; logo depois fizemos
o estudo do hiperboloide de duas folhas, cujos traços também eram: duas hipérboles e o outro
traço com forma elı́ptica. Essas superfı́cies estão presentes em muitas construções devido a sua
beleza arquitetônica. Na sequência, vimos o paraboloide elı́ptico cujos traços eram duas parábolas
e uma elipse e, posteriormente, o paraboloide hiperbólico, em que seus traços eram duas retas num
plano e nos outros planos parábolas − sendo uma parábola com concavidade voltada para baixo
e a outra no outro plano com concavidade voltada para cima, tendo as duas parábolas seus eixos
em comum.
Fizemos também um estudo sobre a superfı́cies cônica, em que suas interseções eram duas
retas em cada um dos dois planos coordenados e uma elipse no terceiro plano. E, finalizando,
vimos as superfı́cies cilı́ndricas, cuja equação tinha a ausência de uma das variáveis e, portanto,
uma curva no plano determinado pelas variáveis existentes, curva essa que dava caracterı́stica da
superfı́cie cilı́ndrica.
Espero que o(a) leitor(a) tenha percebido que apesar do grande número de tipos de super-
fı́cies, existem duas formas de identificar uma quádrica, uma seria obtendo seus traços nos planos
e a outra seria decorando os vários tipos de equações quádricas.
Considerações Finais
156
146
Sistematização das Cônicas
Apolônio de Perga (262 a.C. - 194 a.C) foi um matemático e astrônomo grego que estudou
com sucessores de Euclides e mais tarde veio a ensinar. Apelidado de Épsilon e também conhecido
como “O Grande Geômetra” foi, provavelmente, um dos maiores e mais originais matemáticos no
ramo da geometria pura, dedicando grande parte de sua vida aos estudos das cônicas.
Sua principal obra, intitulada de “Cônicas”, era composta por oito livros dos quais sete
sobreviveram. Tal obra teve uma grande importância para a matemática devido ao seu avançado
e rigoroso nı́vel de escrita, sendo comparada à magnı́fica obra “Os Elementos”, de Euclides. Os
quatro primeiros livros tratam das propriedades básicas relacionadas às cônicas, afirmava que de
um único cone pode ser obtido três tipos de secções cônicas: a parábola, a elipse e a hipérbole;
nos livros 5 a 7 mostrou como obter retas tangentes e normais às cônicas, quais poderiam ser
desenhadas a partir de um ponto, apresentou a igualdade e semelhança entre as cônicas e fez um
rigoroso estudo dos diâmetros conjugados. Na verdade, são inúmeras as contribuições contidas
nessa obra ı́mpar.
Uma das principais teorias presentes em seus livros teve grande aplicação muitos séculos
depois, particularmente no ramo da astronomia, na qual afirmava-se que as órbitas planetárias
descreviam curvas cujas formas eram elı́pticas, e não circulares, como se acreditavam na época.
Suas teorias, até então puramente matemáticas, auxiliaram grandes pensadores nas descrições de
fenômenos fı́sicos, até chegar a formulação da lei da gravitação universal − essa última por Isaac
Newton (1680) −. Portanto, não tem como discutir a importância das suas contribuições tanto
para matemática quanto para a fı́sica.
Caso queira obter mais informações sobre Apolônio de Perga e sua obra “As Cônicas”, acesse:
<http://www.geometriaanalitica.com.br/artigos/apolonio-de-perga.html>
Fonte: o autor.
157
147
Atividade de Estudo
1) Dada a equação 4x2 + 9y 2 = 36 de uma cônica, determine as coordenadas dos seus vértices e
focos, calcule sua excentricidade e construa seu gráfico.
2) Obtenha a equação, as coordenadas dos seus focos e a excentricidade da elipse a seguir.
Figura 111
3) Numa elipse com centro na origem C(0, 0), um dos seus focos tem coordenadas F (0, 8) e eixo
menor medindo 30 unidades. Obtenha a equação e o gráfico dessa elipse.
4) Dada a equação 9x2 + 25y 2 + 108x + 200y + 499 = 0, obtenha a equação reduzida, seu centro,
seus vértices e seus focos.
x2 y 2
5) Dada a equação − = 1, obtenha os vértices, os focos, as assı́ntotas e a excentricidade da
9 4
hipérbole.
6) Considerando a equação −4x2 + y 2 − 4 = 0, determine os elementos dessa hipérbole e construa

seus gráfico.
7) Obtenha a equação da hipérbole cujos focos são F1 (−1, −3), F2 (5, −3), A1 (0, −3) e A2 (4, −3),
seu gráfico e sua excentricidade.
158
148
8) Dada a equação da hipérbole x2 − 3y 2 + 2x + 18y = 23, obtenha seu centro, seus vértices, seus
focos, seu gráfico, sua excentricidade e suas assı́ntotas.
9) Considere a equação x2 = −10y, obtenha o foco, a diretriz e o gráfico dessa parábola.
10) Uma parábola com vértice na origem tem foco F (0, 4) e concavidade voltada para cima, obte-
nha sua equação e sua diretriz.
11) Dada a equação x2 − 6x − 4y = −5, obtenha seu vértice, seu foco, a diretriz e o gráfico dessa
parábola.
12) Dada a equação y 2 + 10x + 2y = 54, obtenha seu vértice, seu foco, a diretriz e o gráfico dessa
parábola.
Identifique a quádrica em cada atividade a seguir.
13) Dada a equação

x2 y 2 z2
+ + =1
9 16 25
obtenha seus traços, isto é, a interseção da superfı́cies com os planos coordenados xy, xz e yz.
14) Esboce os gráficos das superfı́cies quádricas das seguintes equações:

x2 y 2 z 2
a) x2 + y 2 + z 2 = 36 b) + + =1
4 4 9
15) Para cada equação, obtenha os traços nos planos coordenados e esboce o gráfico de sua super-
fı́cie:
x2 y 2 z 2
a) + − =1 b) y 2 + z 2 = 1 + x2
2 4 9
x2 z 2
16) Considere a equação − − + y 2 = 1, obtenha a interseção nos planos coordenados e depois
9 4
159
149
sua superfı́cie.
17) Construa o gráfico de cada quádrica:

y2 z2
a) x2 + 4y 2 = 12z b) + = 2x
9 4
x2 y 2 z
18) Dada a equação − + = , construa seu gráfico obtendo os traços nos planos coordenados.
16 9 4
19) Represente o gráfico de cada equação:

y2 z2
a) x2 + y 2 = 9z 2 b) −x2 + + =0
25 9
20) Para cada caso a seguir, obtenha a superfı́cie cilı́ndrica:
a) x2 = −14y c) y − x = 0 e) x2 − 4y 2 = 16
z 2 x2
b) z 2 = 4y d) + =1 f) x2 + y 2 = 49
9 4
Verifique o que acontece com a elipse em função do valor da excentricidade. Acesse:

<www.profcardy.com/cardicas/excentricidade.php>
Alexandria
AMENÁBAR, Alejandro
Ano: 2009
Sinopse: “Alexandria” é um filme espanhol muito interessante
dirigido por Amenábar. Nesta obra, é relatada a vida da filósofa
Hipática, que viveu entre os anos de 355 e 415 no Egito, e que aborda
conceitos filosóficos, astronômicos, religiosos e da matemática.
Aprofunde seus conhecimentos sobre a parábola:

<http://www.gestaoescolar.diaadia.pr.gov.br/arquivos/File/producoes_pde/artigo_mirtes_tamy_
gomes_machado.pdf>
A Fórmula de Bháskara pode ser deduzida utilizando a ideia do exemplo 15 dessa unidade.
Acesse: <http://www.brasilescola.com/matematica/demonstracao-formula-bhaskara.htm> e
confira.
Atualmente, existem vários softwares disponíveis na web que constroem gráficos tridimensionais.
Um programa fácil de utilizar, com gráficos de ótima qualidade e que pode auxiliar o estudo
das quádricas é o Autograph, disponível em:
<http://www.autograph-maths.com/download/>
Conheçam outros aplicativos que podem auxiliá-los em seus estudos:

- Maple <http://www.maplesoft.com/>.
- Winplot <http://math.exeter.edu/rparris>.
- Cabri <http://www.cabri.com/>.
162
152 REFERÊNCIAS
Referências
BOULOS, P.; CAMARGO, I. Geometria analı́tica: um tratamento vetorial. São Paulo: Makron
Books do Brasil, 1987.
SANTOS, N. M. Vetores e matrizes. 4. ed. Rio de Janeiro: LTC - Livros Técnicos e Cientı́ficos
Editora S.A., 1985.
STEINBRUCH, A.; WINTERLE, P. Geometria analı́tica. 2. ed. São Paulo: McGraw-Hill,

1987.
Referências Online
#REFERÊNCIAS ON-LINE#
1 - <http://www.scielo.br/scielo.php?script=sci arttext&pid=S0103-636X2013000300011>. Acesso
em: 04 jan. 2016.
#REFERÊNCIAS ON-LINE#
163
REFERÊNCIAS
GABARITO
153
GABARITO
Unidade II
1) 2)
x2 y2
+ =1
289 64
15
F1 (−15, 0), F2 (15, 0) e e =
17
A1 (−3, 0), A2 (3, 0), B1 (0, −2),√ B2 (0, 2),

√ √ 5
F1 (− 5, 0), F2 ( 5, 0), e e =
3
3) 4)
x2 y2 (x + 6)2 (y + 4)2
2
+ 2 =1 + =1
17 15 25 9
C(−6, −4), A1 (−11, −4), A2 (−1, −4),
B1 (−6, −7), B2 (−6, −1), F1 (−10, −4)
e F2 (−2, −4)
5)
A1 (−3, 0), A2 (3, 0), B1 (0, −2), B2 (0, 2),
√ √
F1 (− 13, 0) e F1 ( 13, 0)
2 2
Assı́ntotas: y1 = x e y2 = − x, excentrici-
√ 3 3
13
dade: e =
3
GABARITO
154
6) 7)
(x − 2)2 (y + 3)2 3
− =1ee=
4 5 2
A1 (0, −2), A2 (0, 2), B1 (−1, 0),

√ √
B2 (1, 0), F1 (0, − 5), F2 (0, 5) √
5
Assı́ntotas: y1 = 2x, y2 = −2x e e =
2
8)
Gráfico do exercı́cio 8
(y − 3)2 (x + 1)2
− √ =1
12 ( 3)2
A1 (−1, 2), A2 (−1, 4),
√ √
B1 (−1 − 3, 3), B2 (−1 + 3, 3),
F1 (−1, 1) e F2 (−1, 5)
Assı́ntotas
√ √
3 9+ 3
y1 = x+
3 3
e √ √
3 9− 3
y2 = − x+
3 3
Excentricidade: e = 2
165
GABARITO
155
9) 10)

5 5
Foco: F 0, − e diretriz: y = Equação: x2 = 16y e diretriz: y = −4
2 2
11) 12)
Vértice: V (3, −1), diretriz: y = −2 e foco:

F (3, 0)
55
Vértice: V , −1 , diretriz: x = 8 e foco:
10
F (3, −1)
13) Elipsoide
GABARITO
156
14)
a) Esfera de raio 6 b) Elipsoide de revolução
15)
a) Hiperboloide de uma folha ao longo do b) Hiperboloide de uma folha ao longo do
eixo z eixo x
167
GABARITO
157
16)
Hipérbole Hipérbole Hiperboloide de duas folhas
17)
a) Paraboloide elı́ptico ao longo de eixo z b) Paraboloide elı́ptico ao longo do eixo x
18) Traços
GABARITO
158
18) 19)
Paraboloide hiperbólico a) Cone circular ao longo do b) Cone elı́ptico ao longo do
eixo z eixo x
20)
a) Cilindro parabólico ao longo b) Cilindro parabólico ao longo c) Plano
do eixo z do eixo x
d) Cilindro elı́ptico ao longo do e) Cilindro hiperbólico ao longo f ) Cilindro circular ao longo do

eixo y do eixo z eixo z
III
MATRIZES, DETERMINANTES
UNIDADE
E SISTEMAS DE EQUAÇÕES
LINEARES
■■ Reconhecer matrizes reais.
■■ Realizar as operações com matrizes.
■■ Associar uma matriz com um sistema de equações lienares.
■■ Calcular o determinante de uma matriz.
■■ Classicar e resolver sistemas de equações lineares.
Plano de Estudo
■■ Matrizes
■■ Operações com matrizes
■■ Matriz inversa
■■ Determinante
■■ Sistemas de equações lineares
■■ Resolução de sistemas de equações lineares
171
160
INTRODUÇÃO
INTRODUÇÃO
Prezado(as) alunos(as), nas duas primeiras unidades abordamos assuntos referente à Ge-
ometria Analı́tica, agora, iniciamos o estudo da Álgebra Linear, disciplina essa cujos conceitos
são inspirados nas caracterı́sticas geométricas vistas na unidade I. Apesar da relação entre essas
duas disciplinas, na álgebra linear os aspectos geométricos não são mais prioridades. Na verdade,
suas definições e propriedades herdadas dos conjuntos vetores são estendidas a outros conjuntos,
chamados espaços vetoriais que veremos na unidade IV.
Começamos o estudo desta unidade inserindo o conceito de conjunto matrizes, definindo as

operações sobre esse conjunto cujas propriedades (associativa, comutativa e distributiva) se asse-
melham aos dos números reais, bem como as propriedade dos vetores. Além disso, apresentaremos
algumas matrizes especiais, tais como matriz nula, matriz oposta, matriz identidade, matriz trian-
gular, matriz quadrada e matriz inversa − veremos que cada uma delas tem sua importância no
estudo desse conjunto −. Ainda sobre matrizes, definiremos de maneira formal o conceito de de-
terminante de uma matriz quadrada e verificaremos algumas propriedades algébricas interessantes
acerca dos determinantes.
Na sequência, é definido o conceito de sistema de equações lineares. Apresentaremos al-

gumas técnicas (escalonamento e cramer) para resolução de um sistema de equações lineares e,
principalmente, abordaremos teorias que nos permitem identificar se um determinado sistema ad-
mite ou não solução − caso admita, verificar se a solução é única ou infinita −.
Apesar da ordem dos conteúdos desta unidade estarem conforme expostos nos parágrafos
anteriores, na prática não é bem assim que acontece, mas essa ordem sistematizada, facilita a
compreensão de cada assunto abordado. Na realidade, a ordem é a seguinte, dada uma situação-
problema cuja modelagem matemática nos fornece um sistema de equações lineares − a partir
desse sistema de equações −, construir uma tabela numérica (denominada de matriz) e, por meio
de técnicas convenientes, fica sendo possı́vel obter um conjunto solução para o sistema, se existir,
é claro. Mas enfim, dado um sistema linear equações, resolver esse sistema é o objetivo principal
desta unidade, pois é um pré-requisito para unidade V.
Introdução
172 UNIDADE III
161
MATRIZES
MATRIZES
Uma matriz A de ordem m por n é uma tabela formada por termos numéricos dispostos
ordenadamente denotada conforme tabela a seguir
 
 a11 a12 · · · a1n 
 
 
 a21 a22 · · · a2n 
A = [aij ]m×n =
 .
 .
 .. .. ... .. 
. . 
 
 
am1 am2 · · · amn
m×n
Os ı́ndices i e j representam a linha e a coluna, respectivamente, em que cada elemento da matriz

se encontra, isto é, indicam a posição de cada elemento na matriz. O ı́ndice m × n representa a
ordem da matriz: “m linhas por n colunas”.
Os elementos de uma matriz podem ser outros objetos (não necessariamente só números).
Por exemplo, podemos ter nas matrizes números complexos, polinômios, funções, outras matrizes
etc. Podemos representar as matrizes por colchetes: [ ], parênteses: ( ) ou até duas barras:
. Neste livro, representaremos as matrizes por colchetes. A seguir, temos alguns exemplos de
matrizes.
 
√
 3 2 π 
• Uma matriz 2 × 3 : A =  
3
−5 4
0
 
 1 2 −3 
 
• Uma matriz 3 × 3 : B = 
 −4 5 8 

 
0 9 0

25
• Uma matriz 1 × 4 : C = −1 log 2 sen1o
3
 
 i 
 
• Uma matriz 4 × 1 : C = 
 π 

 
e

173
162
Tipo de Matrizes
Matriz Nula
Trata-se de uma matriz de qualquer ordem cujos seus elementos são todos nulos, isto é,
aij = 0 para todo i e j.

  0 0
 
 0 0 0   
Exemplo 1: A =   B= 0 0 0 C= 
 0 0 
0 0 0  
0 0
Matriz Quadrada
É aquela que apresenta o número de linhas igual ao número de colunas, isto é, seja a
matriz A = [aij ]m×n temos m = n. Neste caso, com respeito à ordem da matriz, podemos dizer
simplesmente matriz de ordem m.
Exemplo 2:
• Matriz de ordem 1: A = [−6]

 
 −2 3 
• Matriz de ordem 2: B =  
1 5
 
 −5 0 2 
 
• Matriz de ordem 3: C = 
 3 1 −9 

 
2, 5 5 3
Matriz Linha
É aquela que apresenta uma única linha.

Exemplo 3:

√
A = 2 −1 3 5 B= 3 1
0 −7 −2 D= 5 0
2
Matrizes
174 UNIDADE III
163
Matriz Coluna
É aquela que apresenta uma única coluna.

 
 
   0 
 
   −2 
 −3   2   
Exemplo 4: A =   
B=  C=  D=
  −1  1
5  −3   
 
  2
5
Matriz Diagonal
É uma matriz quadrada cujos elementos que não estão na diagonal são todos nulos (iguais
a zero), isto é, aij = 0 se i = j para todo i e j.
 
 
 5 0 0 
 −3 0   
Exemplo 5: A =   B=  0 4 0 
0 2  
0 0 −1
Nas matrizes diagonais, temos uma que é especial. Mostraremos essa matriz logo a seguir.
Matriz Identidade
É uma matriz quadrada cujos elementos são definidos como segue.


 1, se i = j
aij = para todo i, j

 0, se i = j
Isto é,
 
 1 0 0 0 ··· 0 
 
 0 1
 0 0 ··· 0  
 
 
 0 0 1 0 ··· 0 
A = [aij ]n×n = 
 
 0 0
 0 1 ··· 0  
 
 .. .. .. .. . . .. 
 . . . . . . 
 
0 0 0 0 0 1
n×n

175
164
Matriz Simétrica
Trata-se de uma matriz quadrada, em que aij = aji .

 
  −2 1 
 5
 2 5   
Exemplo 6: A =   B=  −2 4 3 
5 3  
1 3 −1
Matriz Triangular Superior
É uma matriz quadrada, na qual os elementos abaixo da diagonal são nulos, isto é, aij = 0
sempre que i > j.

 
 
 1 −3 −2 −1 
 
 −3 2 1   
   0 2 3 7 
Exemplo 7: A =  
 0 −1 −5 

B= 

   0 0 −2 5 
 
0 0 4  
0 0 0 9
Matriz Triangular Inferior
Trata-se de uma matriz quadrada cujos elementos acima da diagonal são nulos, isto é,
aij = 0 sempre que i < j.
 
 
 1 0 0
0 
 
 −3 0 0   
   4 2 0 0 
Exemplo 8: A =  
 4 −1 0  B=



   3 1 −2 0 
 
3 2 5  
−7 2 7 9
Igualdade De Matrizes
Definição 1: Considere duas matrizes, A = [aij ]m×n e B = [bij ]v×u . A matriz A será igual a
matriz B, A = B, quando a ordem de ambas for a mesma (m = v), (n = u) e seus elementos
correspondentes são iguais, ou seja, elementos que ocupam a mesma posição (linha e coluna) na
matriz A e B serão iguais, isto é, aij = bij para todo i e j.
Matrizes
176 UNIDADE III
165
   
√ o
 sen 30 49
  7 1/2 
   
Exemplo 9: A matriz A = 
 −3/4 −5  
 é igual a matriz B =  −0, 75 −5 .

   √ 0 
0 1 log 1 π
   
2
 2x − y w − 3z   −4 0 
Exemplo 10: Considerando as matrizes C =  eD= , determine
3y 5w − 7 12 3
os valores de x, y, z e w tal que as matrizes C e D sejam iguais.
Solução: Pela definição 1 devemos ter:
2x − y = −4 (I)
w2 − 3z = 0 (II)
3y = 12 (III)
5w − 7 = 3 (IV )
De (III) obtemos y = 4 e substituindo esse valor em (I) temos x = 0. Em (IV ) obtemos

4
w = 2 e trocando esse valor em (II) teremos z = .
3
OPERAÇÕES COM
OPERAÇÕES COM MATRIZES
MATRIZES
Transposição
Seja a matriz A = [aij ]m×n , definimos a matriz transposta de A, uma nova matriz B =
[bij]n×m cujas suas linhas são as colunas de A, isto é, bij = aji e será denotada por At .
 
 
 −1 2 
  −1 6 4
Exemplo 11: Se A =  , então At = 


.
 6 0 
  2 0 −3
4 −3

177
166
   
 6 1 −8   6 1 −8 
   
Exemplo 12: Se B = 
 1 −3 2 
 , então B t
=  
 1 −3 2 .
   
−8 2 0 −8 2 0
Note que neste exemplo a transposta não se modificou. Basta voltarmos na seção Tipos de
Matrizes que vamos verificar que se trata de uma matriz simétrica. Esta e outras propriedades
serão listadas em seguida.
Propriedade 1: Sejam as matrizes A = [aij ] e B = [bij ] de mesma ordem, assim:
I) At = A se, e somente se, a matriz A é simétrica.

t
II) At = A, isto é, a transposta da transposta de A é a própria matriz A.
III) (A + B)t = At + B t .
t
IV) k · A = k · At .
Adição
Sejam as Matrizes A = [aij ] e B = [bij ] de mesma ordem, definimos uma nova matriz,
denotada por A + B, como sendo
A + B = [aij + bij ]
com a mesma ordem das matrizes A e B. Em outras palavras, note que para somarmos duas ou
mais matrizes basta somarmos os elementos correspondentes.
   
 1 0 2   −5 2 4 
   
Exemplo 13: Dados A = 
 −5 4 −3  e B =  
 −3 7 8 , obtenha a soma A + B.
   
7 2 −1 11 9 2
       
 1 0 2   −5 2 4   1 + (−5) 0 + 2 2 + 4   −4 2 6 
       
 −5 4 −3  +  −3  =   =  
   7 8   −5 + (−3) 4 + 7 −3 + 8   −8 11 5 
       
7 2 −1 11 9 2 7 + 11 2 + 9 −1 + 2 18 11 1
Operações com Matrizes

178 UNIDADE III
167
Multiplicação por escalar
Seja a matriz A = [aij ]m×n e k ∈ R um escalar, o produto de k pela matriz A é definido

como sendo
k · A = [k · aij ]m×n .
Em outras palavras, para multiplicar um escalar k por uma matriz basta efetuarmos o produto de
k por todos os elementos dessa matriz.
 
 −2 5 17 
 
Exemplo 14: Seja k = 3 e A =   11 −3 3
, então,

 
9 2 10
 
 3(−2) 3(5) 3(17) 
 
k·A=3·A=
 3(11) 3(−3) 3(3)


 
3(9) 3(2) 3(10)
 
 −6 15 51 
 
k·A=3·A= 
 33 −9 9  .
 
27 6 30
Sabendo multiplicar um escalar por uma matriz, podemos falar da diferença entre matrizes. Note
que se pretendemos, dadas duas matrizes A e B de mesma ordem, efetuar a diferença entre essas
matrizes, basta proceder da seguinte forma:

A−B =A+ −B ;
Em que a matriz −B corresponde à matriz oposta de B, ou seja, −B pode ser interpretado como
sendo o produto do número −1 pela matriz B.
Agora, em relação à adição de matrizes e multiplicação por escalar, devemos observar as

propriedades que seguem.

179
168
Propriedade 2: Dadas as matrizes A = [aij ]m×n , B = [bij ]m×n , C = [cij ]m×n , todas de mesma
ordem e escalares µ e κ, temos
I) A + (B + C) = (A + B) + C - associatividade.
II) A + B = B + A - comutatividade.
III) A + 0m×n = A - existência do elemento neutro da adição. Note que 0m×n representa a matriz
nula de ordem m × n.

IV) A + − A = 0m×n .
V) µ(A + B) = µA + µB - distributividade.
VI) (µ + κ)A = µA + κA.
VII) (µκ)B = µ(κB).
VIII) 1 · A = A.
IX) 0 · A = 0m×n - note que neste caso o 0 é um escalar.
É interessante observar que essas propriedades com essas operações também são verificadas
para o conjunto de vetores, bem como para o conjunto dos números reais. Veremos mais adiante
que conjuntos que satisfazem essas propriedades são chamados de espaços vetoriais.
Multiplicação de Matrizes
Para começar, vamos analisar o seguinte exemplo.
Na tabela a seguir, estão registradas as notas bimestrais de 5 alunos de uma determinada

instituição superior na disciplina de Cálculo, do curso de Matemática.
Primeiro Bimestre Segundo Bimestre Terceiro Bimestre Quarto Bimestre
Aluno A 2,5 5,6 6,1 6,0
Aluno B 2,0 3,5 3,7 5,5
Aluno C 8,0 6,8 7,5 9,0
Aluno D 6,0 6,1 5,5 6,7
Aluno E 4,0 5,0 7,0 7,5

180 UNIDADE III
169
Vamos considerar que o primeiro, o segundo, o terceiro e o quarto bimestre tenham, respec-
tivamente, pesos valendo 1, 2, 3 e 4 (a nota do primeiro bimestre multiplicada por 1, a do segundo
por 2 e assim por diante). A média final de cada aluno será calculada da seguinte maneira:
2, 5 · 1 + 5, 6 · 2 + 6, 1 · 3 + 6, 0 · 4 1 2 3 4
Aluno A: = 2, 5 · + 5, 6 · + 6, 1 · + 6, 0 · = 5, 6
10 10 10 10 10
2, 0 · 1 + 3, 5 · 2 + 3, 7 · 3 + 5, 5 · 4 1 2 3 4
Aluno B: = 2, 0 · + 3, 5 · + 3, 7 · + 5, 5 · = 4, 2
10 10 10 10 10
8, 0 · 1 + 6, 8 · 2 + 7, 5 · 3 + 9, 0 · 4 1 2 3 4
Aluno C: = 8, 0 · + 6, 8 · + 7, 5 · + 9, 0 · = 8, 0
10 10 10 10 10
6, 0 · 1 + 6, 1 · 2 + 5, 5 · 3 + 6, 7 · 4 1 2 3 4
Aluno D: = 6, 0 · + 6, 1 · + 5, 5 · + 6, 7 · = 6, 2
10 10 10 10 10
4, 0 · 1 + 5, 0 · 2 + 7, 0 · 3 + 7, 5 · 4 1 2 3 4
Aluno E: = 4, 0 · + 5, 0 · + 7, 0 · + 7, 5 · = 6, 5
10 10 10 10 10
Estas operações podem ser representadas por matrizes. Podemos construir uma matriz N
contendo as notas de cada aluno, isto é,
 
 2, 5 5, 6 6, 1 6, 0 
 
 
 2, 0 3, 5 3, 7 5, 5 
 
 
 8, 0 6, 8 7, 5 9, 0  .
 
 
 6, 0 6, 1 5, 5 6, 7 
 
 
4, 0 5, 0 7, 0 7, 5
da mesma forma, podemos construir uma matriz P com os valores dos pesos de cada bimestre, isto
é,  
 1/10 
 
 
 2/10 
 
 
 3/10 
 
 
4/10

181
170
e efetuar a seguinte operação

 
1 2 3 4
 2, 5 · 10
+ 5, 6 · 10
+ 6, 1 · 10
+ 6, 0 · 10 
 
 
 
     
  
 2, 0 · 1 2 3 4


 2, 5 5, 6 6, 1 6, 0   10
+ 3, 5 · 10
+ 3, 7 · 10
+ 5, 5 · 10   5, 6 
   1/10     
      
 2, 0 3, 5 3, 7 5, 5       4, 2 
       
   2/10
=   
 8, 0 6, 8 7, 5 9, 0  ·   8, 0 · 1
+ 6, 8 · 2
+ 7, 5 · 3
+ 9, 0 · 4 = 8, 0  .
     10 10 10 10   
   3/10     
 6, 0 6, 1 5, 5 6, 7      6, 2 
      
  4/10    
 1 2 3 4 
4, 0 5, 0 7, 0 7, 5  6, 0 · + 6, 1 · + 5, 5 · + 6, 7 ·  6, 5
 10 10 10 10 
 
 
 
 
1 2 3 4
4, 0 · 10
+ 5, 0 · 10
+ 7, 0 · 10
+ 7, 5 · 10
O que fizemos: tomamos duas matrizes tais que o número de termos em cada linha da
primeira é igual ao número de termos de cada coluna da segunda, ou seja, o número de colunas da
primeira coincide com o número de linhas da segunda.
Definição 2: Sejam as matrizes A = [aij ]m×n e B = [bij ]n×s , a matriz produto de A por B é a
Matriz A · B = [cij ]m×s tal que:
n

cij = aik · bkj com i = {1, 2, . . . , m} e j = {1, 2, . . . , s}.
k=1
   
 1 3   2 0 −4 
Exemplo 15: Sejam as matrizes A =  eB= , como a ordem da
2 −1 5 −2 6
matriz A é 2 × 2 e da matriz B é 2 × 3, pela definição, podemos realizar o produto A · B resultando

em uma matriz de ordem 2 × 3. Por outro lado, o produto B · A não está definido, pois o número de
colunas de B é diferente do número de linhas de A. O produto é sempre realizado tomando-se cada
linha da matriz A (primeira matriz na ordem do produto) por cada coluna da matriz B (segunda
matriz na ordem do produto). Em outras palavras, podemos dizer que o produto de matrizes é
“linha por coluna”. Então, vamos ao produto.

182 UNIDADE III
171
171
     
 1 3  2 0 −4   1(2) + 3(5) 1(0) + 3(−2) 1(−4) + 3(6) 
A · B =  ·  =  
 21 −1
3   52 −2
0 6
−4   2(2)
1(2)−+1(5)
3(5) 2(0)
1(0)−+1(−2)
3(−2) 2(−4)
1(−4)−+1(6)
3(6) 
A·B =  ·  =  
2 −1 5 −2 6 2(2) − 1(5) 2(0) − 1(−2) 2(−4) − 1(6) .
 
 17 −6 14  .
=  .
−1 17 2−6 −1414 
=  .
−1 2 −14
Note nesse exemplo que uma maneira de não nos perdermos na multiplicação é colocarmos
elementos do nesse
Note produto em alguma
exemplo posição
que uma maneiraque de
nãonão
seja a dele
nos e encontrarmos
perdermos uma matriz
na multiplicação errada.
é colocarmos
Assim, basta
elementos doobservarmos
produto em qual linha
alguma da primeira
posição que nãomatriz
seja aestá
delesendo multiplicada
e encontrarmos pormatriz
uma qual coluna
errada.
da segunda
Assim, matriz.
basta No exemplo
observarmos qual anterior,
linha da multiplicamos
primeira matriz a segunda
está sendo linha de A pela por
multiplicada terceira
qualcoluna
coluna
de B e encontramos o elemento que estará na posição c23 , isto é, c 23 = −14.
da segunda matriz. No exemplo anterior, multiplicamos a segunda linha de A pela terceira coluna
Propriedade 3: Sejam
de B e encontramos A, B e Cque
o elemento matrizes, sempre
estará na quecos
posição 23 , produtos
isto é, c23e=somas
−14. envolvidos estiverem
bem definidos, temos
Propriedade 3: Sejam A, B e C matrizes, sempre que os produtos e somas envolvidos estiverem
I)bem
(AB)C = A(BC)
definidos, - associatividade.
temos
II)
I) A(B
(AB)C+ C) = AB +- AC
= A(BC) - distributividade à esquerda.
associatividade.
III)
II) (A
A(B++B)C
C) =
= AC
AB +
+ BC
AC -- distributividade
distributividade àà esquerda.
direita.
IV)
III)k(AB) = (kA)B,
(A + B)C = AC em
+ BC ∈ R.
que- kdistributividade à direita.
V) A · 0 = 0, em que 0 é a matriz
IV) k(AB) = (kA)B, em que k ∈ R. nula.
t t t
VI) A · 0 ==0,Bem
V) (AB) A que
. 0 é a matriz nula.
VI) (AB)t = B t At .
Reflita por que em geral, as propriedade dos produtos notáveis não são válidas para o produto
das matrizes,
Reflita a saber,
por que em geral, as propriedade dos produtos notáveis não são válidas para o produto
I)das + B)2 = A
(Amatrizes, 2
+ 2AB + B 2 .
a saber,
2 = A2 − B 22.
I) (A −
II) + B)(A
B)2 =+AB)
+ 2AB + B .
II) (A − B)(A + B) = A2 − B 2 .

183
172
MATRIZ INVERSA
MATRIZ INVERSA
Definição 3: Seja A = [aij ]n×n uma matriz quadrada, dizemos que essa matriz admite inversa se,
e somente se, existe uma matriz B = [bij ]n×n tal que:
A · B = B · A = In .
em que In é a matriz identidade de ordem n. A matriz B será a inversa da matriz A e a denotamos

por A−1 , isto é, B = A−1 .
   
 2 −3   1/14 3/14 
Exemplo 16: A matriz A =   admite como inversa a matriz A−1 =  ,
4 1 −2/7 1/7
pois:
 
    1
−2 3 1  
 2· 14
−3· 7
2· 14
−3· 7 
 2 −3   1/14 3/14     1 0 
A · A−1 = · =

=
 .
4 1 −2/7 1/7   0 1
1
−2 3 1
4· 14
+1· 7
4· 14
+1· 7
 
 −2 5 
Exemplo 17: Calcule a matriz inversa da matriz A =  , caso exista.
3 9
 A admite inversa se existir uma matriz B tal que A · B = I2 .

Solução: Pela definição3, a matriz
 x 1 x2 
Suponhamos que B =   seja a matriz procurada, logo,
x3 x4
     
 −2 5   x1 x2   1 0 
A·B = · = 
3 9 x3 x4 0 1
e, efetuando o produto das matrizes A e B, chegamos na seguinte igualdade

   
 −2x1 + 5x3 −2x2 + 5x4   1 0 
 = .
3x1 + 9x3 3x2 + 9x4 0 1
Matriz Inversa
184 UNIDADE III
173
Desta igualdade obtemos os seguintes sistemas:

 

 −2x + 5x = 1 
 −2x + 5x = 0
1 3 2 4
I e II

 

3x1 + 9x3 = 0 3x2 + 9x4 = 1
3 1
Solucionando o sistema (I), chegamos a x1 = − e x3 = . Já com o sistema (II), obtemos
11 11
5 2
x2 = e x4 = .
33 33
Portanto, a matriz A admite inversa e sua inversa é a matriz:
 
 −3/11 5/33 
B = A−1 = .
1/11 2/33
O exemplo anterior nos mostrou que, ao tentar inverter uma matriz quadrada de ordem
2, chegamos a dois sistemas com duas equações e duas incógnitas cuja resolução é bem simples.
Agora, se tentarmos inverter uma matriz quadrada de ordem 3 com essa técnica, vamos obter
três sistemas com três equações e três incógnitas cada um, totalizando 9 incógnitas. Assim, se
tentarmos inverter matrizes quadradas de ordem superior a 3, o trabalho que terı́amos que realizar
seria imenso. Nesse sentido, o próximo passo é estabelecer uma técnica melhor para inversão
matrizes quadradas de ordem qualquer.

185
174
A seguir, listamos o que vamos denominar de operações elementares de matrizes. Na prá-

tica, uma matriz está associada a um sistema de equações que veremos mais adiante, e essas
operações elementares não interferem no conjunto solução do sistema de equações, por isso pode-
mos utilizá-las, pois ao fazermos essas operações, obtemos matrizes ou sistemas equivalentes, isto
é, com as mesmas soluções.
Operações Elementares:
I) Permutar duas filas (o termo fila indica linha ou coluna).
II) Multiplicar uma fila por um número real não nulo.

III) Somar a uma fila outra fila multiplicada por número real não nulo.
 
 −2 5 1 
 
Exemplo 18: Vamos aplicar algumas operações elementares às linhas da matriz A = 
 3 0 8 
.
 
7 −6 9
I) Permutando a linha 1 com a linha 3 (podemos usar a seguinte notação: L1 ↔ L2 ), obtemos a
matriz:  
 7 −6 9 
 
 3 0 8 
 .
 
−2 5 1
II) Multiplicando a linha 2 por 4 (L2 → 4L2 ), temos:

 
 −2 5 1 
 
 12 0 32  .
 
 
7 −6 9
III) Transformando a linha 3 com a soma da linha 1 com o dobro da linha 3 (L3 → L1 + 2L3 ),
obtemos:  
 −2 5 1 
 
 3 0 8 .
 
 
12 −7 19
Matriz Inversa
186 UNIDADE III
175
Matrizes Equivalentes
Propriedade 4: Dadas as matrizes A e B, de mesma ordem, a matriz A será equivalente à B,

representado por A ∼ B, se for possı́vel, por meio de uma sucessão finita de operações elementares
em A, obtermos a matriz B.
Teorema 1: Seja a matriz A = [aij ]n×n , ela admite inversa se, e somente se, A ∼ In . Se A é
inversı́vel, a mesma sucessão de operações elementares que transformam A em In , convertem In na
inversa de A. A demonstração deste teorema o leitor pode encontrar em Callioli (1990).
Método Prático
Para determinarmos a inversa de uma matriz A (quando existir), basta seguirmos os se-
guintes passos:
I) Ao lado da matriz A colocamos a matriz identidade com a mesma ordem de A, separada por
uma linha tracejada.
II) Transforma-se, por meio de operações elementares, a matriz A na matriz In , aplicando-se,
simultaneamente, à matriz In , colocada ao lado da matriz A, as mesmas operações elementares.
 
 −2 1 3 
 
Exemplo 19: Vamos determinar a inversa da matriz A =  
 4 2 5  seguindo os passos des-
 
−3 0 1
critos anteriormente.
Solução:  
 −2 1 3 | 1 0 0 
 
 4 2 5 | 0 1 0  L2 → L2 + 2L1
 
 
−3 0 1 | 0 0 1
 
 −2 1 3 | 1 0 0 
 
 0 4 11 | 2 1 0  L3 → 2L3 − 3L1
 
 
−3 0 1 | 0 0 1

187
176
 
 −2 1 3 | 1 0 0 
 
 0 4 11 | 2 1 0 
  L1 → 4L1 − L2
 
0 −3 −7 | −3 0 2
 
 −8 0 1 | 2 −1 0 
 
 0 1 0 
 4 11 | 2  L3 → 3L2 + 4L3
 
0 −3 −7 | −3 0 2
 
 −8 0 1 | 2 −1 0 
 
 0 4 11 | 2 1 0 
  L1 → 5L1 − L3
 
0 0 5 | −6 3 8
 
 −40 0 0 | 16 −8 −8 
 
 0 4 11 | 2 0 
 1  L2 → 5L2 − 11L3
 
0 0 5 | −6 3 8
 
 −40 0 0 | 16 −8 −8 
 
 0 20 0 | 76 −28 −88  L1 → − 1 L1
  40
 
0 0 5 | −6 3 8
 
 1 0 0 | −16/40 8/40 8/40 
  1
 0 20 0 | −28 −88 
 76  L2 → 20 L2
 
0 0 5 | −6 3 8
 
 1 0 0 | −16/40 8/40 8/40 
 
 0 1 0 | 76/20 −28/20 −88/20  L3 → 1 L3
  5
 
0 0 5 | −6 3 8
Matriz Inversa
188 UNIDADE III
177
 
 1 0 0 | −16/40 8/40 8/40 
 
 0 1 0 | 76/20 −28/20 −88/20 
 
 
0 0 1 | −6/5 3/5 8/5
ou equivalente a:  
 1 0 0 | −2/5 1/5 1/5 
 
 0 1 0 | 19/5 −7/5 −22/5  .
 
 
0 0 1 | −6/5 3/5 8/5
 
 −2/5 1/5 1/5 
 
Portanto, temos A −1
=  19/5 −7/5 −22/5 

.
 
−6/5 3/5 8/5
Mais à frente veremos um outro método para calcularmos a inversa de uma matriz bem
como determinar se ela existe por meio do determinante. No próximo exemplo, vamos verificar
que existem matrizes quadradas que não admitem inversa.


 1 2 −3 
 
Exemplo 20: Vamos determinar a inversa da matriz B =  
 2 4 6 . Solução:
 
3 6 5
 
 1 2 −3 | 1 0 0 
 
 2 4 6 | 0 1 0  L2 → L2 − 2L1
 
 
3 6 5 | 0 0 1
 
 1 2 −3 | 1 0 0 
 
 0 0 12 | −2 1 0  L3 → L3 − 3L1
 
 
3 6 5 | 0 0 1

189
178
 
 1 2 −3 | 1 0 0 
 
 0 0 12 | −2 1 0  L1 → 4L1 + L2
 
 
0 0 14 | −3 0 1
 
 4 8 0 | 2 1 0 
 
 0 0 12 | −2 1 0  L3 → 6L3 − 7L2
 
 
0 0 14 | −3 0 1
 
 4 8 0 | 2 1 0 
 
 0 0 12 | −2 1 0  .
 
 
0 0 0 | −4 −7 6
Podemos perceber que, se continuarmos a tentar transformar a matriz B na matriz identi-

dade, não conseguiremos. Por exemplo, um próximo passo seria anular o número 8 (que se encontra
na primeira linha e segunda coluna), mas os elementos das outras linhas que pertencem a mesma
coluna do número 8 são nulos, ou seja, não há a possibilidade por meio de operações elementares
de anular este número. Portanto, a matriz B não admite inversa.
A seguir, listamos algumas propriedades da inversa de uma matriz.
Propriedade 5: Sejam as matrizes A = [aij ]n×n e B = [bij ]n×n inversı́veis, isto é, ambas admitem
inversa, temos:
−1
I) (A−1 ) = A.
II) O produto A · B é inversı́vel e (A · B)−1 = B −1 · A−1 .
−1 t
III) (At ) = (A−1 ) .
Matriz Inversa
190 UNIDADE III
179
O link abaixo é um aplicativo da web com o qual você poderá manipular matrizes identificando
conceitos, poderá ainda interpretar matrizes bem como utilizá-las na resolução de problemas.
<http://www.igm.mat.br/mpd/a linear/mpd1.htm >
Neste outro link, você encontrará uma sugestão para aula sobre cálculo de Matriz inversa,
Conhecimento de Criptografia e como as Matrizes são utilizadas para criptografar mensagens
e construir de mensagens criptografadas.
<http://portaldoprofessor.mec.gov.br/fichaTecnicaAula.htmlaula=45417>
Fonte: o autor.

191
180
DETERMINANTE
DETERMINANTE
Toda matriz quadrada de ordem n pode ser associada a um número (sendo real ou com-
plexo), o qual chamaremos de Determinante. A ideia sobre os determinantes surgiu na Antiga
China. Muitos séculos depois dos chineses, um matemático japonês, Seki Kowa (1642-1708), de-
senvolveu, em 1683, alguns trabalhos sobre os determinantes, com base em tabelas numéricas.
No Ocidente, a primeira referência ao método dos determinantes é atribuı́da ao matemático

alemão G. W. Leibniz, em 1693. Em 1750, Cramer (1704-1752) reinventa os determinantes e fica
conhecido por isso até hoje. Alguns anos mais tarde, P. S. Laplace (1749-1827) apresenta estudos
sobre algumas propriedades dos determinantes e J. L. Lagrange (1736-1813) aplica a teoria dos
determinantes no cálculo da área de um triângulo e no volume de um tetraedro.
Mas o termo determinante toma um significado somente com Cauchy (1789-1857), em 1812,
quando, perante o instituto francês, lê uma vasta memória sobre o assunto. Em 1815, Cauchy viria
a aplicar a linguagem dos determinantes em várias situações.
A teoria dos determinantes tem importantes aplicações: na computação (programação), na

determinação da matriz inversa, na resolução de alguns tipos de sistemas lineares, entre outros.
Antes de calcularmos o determinante de uma matriz, devemos conhecer um pouco da teo-

ria que se esconde por trás dos cálculos práticos do determinante. Não vamos nos aprofundar nos
estudos dessa teoria, os mais curiosos podem pesquisar sobre o assunto em livros de Álgebra Linear.
Permutações
Definição 4: Seja V = {1, . . . , n} o conjunto de todos os inteiros de 1 a n, obedecendo a uma

ordem (crescente). Uma outra ordem {i1 , . . . , in } dos elementos do conjunto V é chamado de
permutação.
Determinante
192 UNIDADE III
181
Exemplo 21: Considere T = {1, 2, 3, 4, 5}. Então, 42531 é uma permutação de T , que corresponde
à função f : T → T definida por:
f (1) = 4; f (2) = 2; f (3) = 5; f (4) = 3; f (5) = 1.
Podemos representar o conjunto T de 24 maneiras possı́veis, pois 4 · 3 · 2 · 1 = 24, esse cálculo

se deve ao princı́pio multiplicativo da análise combinatória. Podemos ainda dizer que temos 24
permutações do conjunto T .
De uma forma geral, dado um conjunto S contendo n elementos, temos:
n(n − 1)(n − 2) · · · 2 · 1
permutações possı́veis para esse conjunto. Denotaremos por Sn as permutações de S. A expressão

anterior é representada por n! (lê-se: n fatorial ou fatorial de n). Assim:
0! = 1
1! = 1
2! = 2 · 1 = 2
3! = 3 · 2 · 1 = 6
4! = 4 · 3 · 2 · 1 = 24
..
.
n! = n(n − 1)(n − 2) · · · 2 · 1
Exemplo 22: Seja R = {3, 5, 6}. Então, R3 tem 3! = 3 · 2 · 1 = 6 permutações do conjunto R. A

saber:
356, 365, 536, 563, 635, 653
Uma permutação i1 , . . . , in do conjunto S = {1, . . . , n} tem uma inversão se um inteiro is precede

um inteiro menor ir . Uma permutação é denominada par (respectivamente ı́mpar) se o número
total de inversão é par (respectivamente ı́mpar).

193
182
Exemplo 23: Seja S = (1 2 3), com relação à permutação, temos:
• (1 3 2) é ı́mpar, pois o 3 está antes do 2 (uma inversão).
• (3 1 2) é par, pois o 3 está antes do 2 e do 1 (duas inversões).
n! n!
Generalizando, se n 2, então Sn terá permutações pares e permutações ı́mpares.
2 2
No exemplo anterior, temos 6 permutações possı́veis, sendo 3 pares e 3 ı́mpares. De fato:
 

 


 (1 2 3) → 0 
 (1 3 2) → 1
 
pares (2 3 1) → 2 ı́mpares (2 1 3) → 1

 


 

 (3 1 2) → 2  (3 2 1) → 3
Apresentamos agora um sı́mbolo muito usado em matemática e áreas afins, pois vamos usá-

lo para definir o determinante de uma matriz. A letra ou caractere sigma ( ) é a décima oitava
letra do alfabeto grego e corresponde ao nosso S e será usada como sı́mbolo de um somatório.
Consideremos a seguinte soma:
12 + 22 + 32 + 42 + 52 + 62 + 72 + 82 + 92 + 102 .

Podemos representar essa soma por meio do sı́mbolo da seguinte maneira:
10

k2.
k=1
Lê-se: somatório de k 2 quando k varia de 1 até 10. A letra k é chamada de ı́ndice da soma (ou do
somatório) e pode ser substituı́da por qualquer outra (que não intervenha na soma), por exemplo:
i, j, l, m, n, p, etc. Diz–se, assim, que k é um ı́ndice mudo.
Exemplo 24:
6

2i2 = 2(32 ) + 2(42 ) + 2(52 ) + 2(62 ) = 172
i=3
Exemplo 25:
5

k = 1 + 2 + 3 + 4 + 5 = 15
k=1
Determinante
194 UNIDADE III
183
Definição 5: Seja A = [aij ]n×n uma matriz quadrada de ordem n, definimos o determinante de
A, denotado por detA ou |A| o número real dado por:

detA = (−1)J a1j1 a2j2 · · · anjn .
ρ
em que J = J(j1 , j2 , . . . , jn ) é o número de inversões da permutação (j1 j2 . . . jn ) e ρ indica que a

soma é estendida a todas as n! permutações de (1 2 . . . n).
Exemplo 26: Considere a matriz A = [a11 ]. Vemos que A tem ordem 1, logo S1 = (1) tem uma
única permutação, isto é, 1! = 1. Como o número de inversões é zero, o sinal do determinante é
positivo. Logo detA = a11 .
 
 a11 a12 
Exemplo 27: Seja a matriz A =   uma matriz de ordem 2, então, para calcular o
a21 a22
detA escrevemos os termos da matriz na forma:
a 1 a2 e a1 a2
Os espaços vazios serão preenchidos por todos os elementos de S2 = (1 2). Temos que (2 1) é uma
permutação par (número de inversões é zero) e (2 1) é uma permutação ı́mpar (uma inversão).
Assim o termo a11 a22 tem sinal positivo e o termo a12 a21 tem sinal negativo, logo,
detA = a11 a22 − a12 a21 .
Por simplicidade ou até comodidade, costuma-se dizer que o determinante de uma matriz
de ordem 2 é a diferença entre o produto dos termos da diagonal principal pelo produto dos termos
da diagonal secundária.
 
 −5 4 
Exemplo 28: Calcular o determinante da matriz A =  .
2 3
Solução: detA = −5(3) − 4(2) = −15 − 8 = −23.
 
 −3 −2 
Exemplo 29: Calcular o determinante da matriz B =  .
7 −4
Solução: detB = −3(−4) − (−2)(7) = 12 + 14 = 26.

195
184
Agora vamos ver como é efetuado o cálculo do determinante de ordem 3, seguindo a Definição
2.
 
a a
 11 12 13 a
 
Exemplo 30: Seja a matriz A =  
 a21 a22 a23 , temos uma matriz de ordem 3. Logo, para
 
a31 a32 a33
calcularmos o determinante, escrevemos os seis (3! = 6) termos da matriz.
a1 a2 a3 a1 a2 a3 a1 a2 a3
a1 a2 a3 a1 a2 a3 a1 a2 a3
Os espaços vazios serão preenchidos por todos os elementos de S3 . Antes de preenchermos os

espaços vazios, vamos analisar as permutações em uma tabela para uma melhor compreensão.
Principal Permutação Inversões Classe Sinal
123 123 0 par +
123 132 1 ı́mpar −
123 312 2 par +
123 213 1 ı́mpar −
123 231 2 par +
123 321 3 ı́mpar −
Com isso, temos:

detA = +a11 a22 a33 − a11 a23 a32 + a13 a21 a32
−a12 a21 a33 + a12 a23 a31 − a13 a22 a31
Podemos ainda escrever, como segue:
detA = (a11 a22 a33 + a13 a21 a32 + a12 a23 a31 )
−(a11 a23 a32 + a12 a21 a33 + a13 a22 a31 )
Determinante
196 UNIDADE III
185
Regra de Sarrus
Uma regra prática para calcular o determinante de uma matriz A de ordem 3 é dada a
seguir:
1. Repita as duas primeiras colunas ao lado direito da matriz A.
2. Multiplicam-se os elementos da diagonal principal e, na mesma direção da diagonal principal,

multiplicam-se os elementos das outras duas filas à sua direita.
3. Multiplicam-se os elementos da diagonal secundária e, na mesma direção, os elementos das
outras duas filas à sua direita.
4. O determinante da matriz é a diferença entre os produtos obtidos em (2) e (3).
Isto é:
Figura 1
Logo, temos que detA = I − II. Essa técnica é conhecida como Regra de Sarrus, muito útil
para cacular determinantes de matrizes de ordem 3 × 3.

197
186
 
 −1 2 0 
 
Exemplo 31: Vamos calcular o determinante da matriz A =  
 5 3 −4  por meio da Regra
 
7 1 −6
de Sarrus.
Solução: Primeiramente, repetimos as duas primeiras colunas ao lado direito da matriz.

 
 −1 2 0  −1 2
 
 5 3 −4  5 3
 
 
7 1 −6 7 1
Depois, multiplicamos as diagonais:
Figura 2
Portanto, temos que detA = −38 − (−56) = −38 + 56 = 18.
Agora, para matrizes quadradas de ordem maior ou igual a 4, não é válida a Regra de Sar-
rus. Logo, temos que definir outros métodos para calcularmos o determinante de qualquer matriz
quadrada.
Desenvolvimento de Laplace
Vimos que dada uma matriz de ordem 3, seu determinante é obtido por:
detA = a11 a22 a33 − a11 a23 a32 + a13 a21 a32 − a12 a21 a33 + a12 a23 a31 − a13 a22 a31 .
De uma outra forma, temos que:
detA = a11 (a22 a33 − a23 a32 ) − a21 (a12 a33 − a13 a32 ) + a31 (a12 a23 − a13 a22 ).
Determinante
198 UNIDADE III
187
Ou ainda

a a a
22 a23 12 a13 12 a13
detA = a11 − a21 + a31 .

a32 a33 a32 a33 a22 a23
Podemos observar que o determinante de uma matriz quadrada de ordem 3 pode ser expresso
em função de matrizes quadradas de ordem 2. No caso anterior, repare que escolhemos a primeira
coluna para calcularmos o determinante. Mas podemos fazê-lo em qualquer fila da matriz. Com
relação a essa última igualdade, podemos escrever:

detA = a11 A11 − a21 A21 + a31 A31 .

Em que Aij é o determinante da matriz que sobra extraindo-se a i-ésima linha e a j-ésima coluna.
Vamos definir agora o cofator de cada elemento de uma matriz. O cofator é dado como
segue:

∆ij = (−1)i+j Aij .
Logo, podemos ter a seguinte igualdade:
detA = a11 ∆11 + a21 ∆21 + a31 ∆31 .
De uma forma geral, temos que, dada uma matriz A = [aij ]n×n pelo desenvolvimento de
Laplace, o determinante da matriz A é calculado pela fórmula
n

detA = aij ∆ij .
i=1
Observe que, nessa fórmula, o determinante foi desenvolvido pela j-ésima coluna. Da mesma
forma, podemos desenvolver o determinante utilizando uma determinada linha.

199
188
 
 −1 0 5 
 
Exemplo 32: Vamos calcular o determinante da matriz A =   2 −2 3 .

 
1 2 4
Solução: Vamos escolher uma fila (linha ou coluna) que possui um ou mais zeros (isso facilitará
nossos cálculos), como, por exemplo, a primeira linha. Assim temos:
detA = −1 · ∆11 + 0 · ∆12 + 5 · ∆13
= −1 · ∆11 + 5 · ∆13

−2 3 2 −2
1+1 1+3
= −1 · (−1) · + 5 · (−1) ·

2 4 1 2
= −1(1)(−14) + 5(1)(6)
= 44
 
 1 −2 0 1 
 
 
 −2 5 17 9 
Exemplo 33: Determinar o determinante da matriz B = 

.

 0 2 −3 0 
 
 
1 2 3 4
Solução: Escolhendo a terceira linha, obtemos:
detB = 0 · ∆31 + 2 · ∆32 − 3 · ∆33 + 0 · ∆34
= 2 · ∆32 − 3 · ∆33

1 0 1 1 −2 1

= 2(−1)3+2 −2 17 9 − 3(−1)3+3 −2 5 9

1 3 4 1 2 4
= 2(−1)5 (18) − 3(−1)6 (−41)
= −36 + 123
= 87
Determinante
200 UNIDADE III
189
Propriedade 6: Propriedades dos Determinantes
P1 . O determinante de uma matriz é único, ou seja, não importa qual método se utilize para
calcular o determinante, ele terá o mesmo valor.
P2 . Dada a matriz A = [aij ]n×n , temos que detA = detAt .
P3 . Se uma matriz quadrada A possuir uma fila nula, então detA = 0.
P4 . O determinante de uma matriz triangular é igual ao produto dos elementos da diagonal prin-
cipal.
P5 . Se multiplicamos uma fila de uma matriz quadrada A por β, obtemos outra matriz B tal que
detB = βdetA.
P6 . Se permutamos duas filas de uma matriz quadrada A, temos detA = −detA.
P7 . Se uma matriz quadrada A possuir duas filas iguais, ou proporcionais, temos detA = 0.
P8 . Considere a matriz A = [aij ]n×n , se, por meio de operações elementares, somamos a uma linha
(ou coluna) de A um múltiplo de outra linha (ou coluna) de A e transformando esta matriz
em outra matriz B = [bij ]n×n , temos que detA = detB.
P9 . Teorema 2 (Binet): Se A e B são matrizes de ordem n, então, det(A · B) = detA · detB.
1
P10 . Se a matriz A admite inversa, então detA−1 = .
detA
Vamos demonstrar esta propriedade. Como A admite inversa, logo A · A−1 = In , além disso,
detIn = 1. Pela propriedade P9 , temos det(A.A−1 ) = detA · detA−1 = detIn = 1 e, portanto
1
detA−1 = .
detA
A propriedade P10 nos fornece um resultado muito importante, isto é, se A admite inversa,
então detA = 0. A recı́proca também é verdadeira, ou seja, se detA = 0, então A admite inversa.
Assim, antes de tentar calcular a matriz inversa, verifique primeiro seu determinante, ou seja, se
detA = 0, então A não admite inversa. As propriedades P4 , P5 , P6 e P8 podem facilitar os cálculos
do determinante de uma matriz. Vejamos o exemplo a seguir.

201
190
 
 0 1 5 
 
Exemplo 34: Vamos calcular o determinante da matriz A = 
 3 −6 9
.

 
2 6 1
Solução: Permutando a primeira linha com a segunda, temos:
 
 3 −6 9 
 
detA = −det 
 0 1 5 

 
2 6 1
ou ainda  
 1 −2 3 
 
detA = −3det  
 0 1 5 .
 
2 6 1
Fazendo a seguinte operação na linha 3 (L3 ), L3 = −2L1 + L3 , obtemos:

 
 1 −2 3 
 
detA = −3det 
 0 1 5 .

 
0 10 −5
Agora, na linha 3, fazemos L3 = −10L2 + L3 , e:

 
 1 −2 3 
 
detA = −3det 
 0 1 5 .

 
0 0 −55
Assim:
detA = −3(−55) = 165.
Observe que nesse exemplo o objetivo final foi transformar a matriz original em uma ma-
triz triangular, cujo cálculo do determinante é direto; basta multiplicar os elementos da diagonal
principal, sempre se baseando nas propriedades dos determinantes para que não ocorram erros.
Determinante
202 UNIDADE III
191
SISTEMAS DE EQUAÇÕES LINEARES

SISTEMAS DE EQUAÇÕES LINEARES
Muitos problemas em várias áreas da ciência recaem na solução de sistemas de equações

lineares. Vamos ver como a álgebra matricial pode simplificar o estudo desses sistemas.
Definição 6: Equação Linear: Uma equação linear nas variáveis x1 , x2 , x3 , . . . , xn , isto é, em
várias variáveis, é uma equação da forma:
a1 x1 + a2 x2 + a3 x3 + . . . + an xn = b,
em que a1 , a2 , a3 , . . . , an−1 e an são constantes reais denominados coeficientes da equação linear e

b é o termo independente.
Exemplo 35: São equações lineares:
• 2x1 − x3 + 8x4 − x5 = 3
• x + y − 3z = −8
• a+b−c+d=0
Exemplo 36: São equações não lineares:
• 2x2 − 5x + 7 = 0
• −3xy + yz − y 3 = −3
√
• x − 3 + 2y = 1
2
• − 3w + 7y = 0
x
Dizemos que uma sequência ordenada de números reais (β1 , β2 , β3 , . . . , βn ) é solução da

equação a1 x1 + a2 x2 + a3 x3 + . . . + an xn = b quando a expressão a1 β1 + a2 β2 + a3 β3 + . . . + an βn = b
for verdadeira.

203
192
Exemplo 37: A 5-upla (0, −1, 2, −3, 1) é solução para da equação
2x1 − x2 + 4x3 − x4 − 3x5 = 9,
pois
2(0) − (−1) + 4(2) − (−3) − 3(1) = 0 + 1 + 8 + 3 − 3 = 9.
No entanto, podemos ter outras soluções para equação, por exemplo, a 5-upla (0, −1, 2, 0, 0)
é solução, pois 2(0) − (−1) + 4(2) − 0 − 3(0) = 0 + 1 + 8 − 0 − 0 = 9. Se continuarmos a investigação
para encontrar outras soluções para esta equação, vamos perceber que não terá fim. Isto é, uma
equação linear em várias variáveis admite infinitas soluções.
Definição 7: Sistemas de Equações Lineares: Um conjunto de m equações lineares nas variáveis

x1 , x2 , . . . , xn é dito sistema de equações lineares ou simplesmente sistema linear, de m equações e
n variáveis (incógnitas). Simbolicamente representada por:




 a11 x1 + a12 x2 + . . . + a1n xn = b1




 a x + a22 x2 + . . . + a2n xn = b2
21 1

 .. .. .. .

 . + . + ... + . = ..




 am1 x1 + am2 x2 + . . . + amn xn = bm
Exemplo 38: São sistemas de equações lineares:



 x + x = 20
1 2
•

 2x1 − x2 = 7




 2x − y + 5z = 0

• x − 4y + z = −1




 −3x + y + 2z = −6


 2a − 3b + c + 5d = 1
•

 a + b + c − d = −2
Sistemas de Equações Lineares

204 UNIDADE III
193
Resolver um sistema de equações lineares é determinar o conjunto formado por todas as

soluções, chamado conjunto-solução do sistema. Assim, uma solução do sistema é solução de cada
equação linear que o compõe. E, para resolvermos um sistema linear, devemos encontrar uma
n-upla ordenada de números reais que satisfazem simultaneamente todas as equações do sistema,
porém isso nem sempre é possı́vel. Com relação ao conjunto solução de um sistema, pode ocorrer
uma e somente uma, das três possibilidades abaixo:
• Sistema Possı́vel e Determinado (SPD) é aquele que possui uma única solução.
• Sistema Possı́vel e Indeterminado (SPI) é aquele que possui infinitas soluções.
• Sistema Impossı́vel (SI) é aquele que não admite solução, isto é nenhuma solução.
Exemplo 39: Nos sistemas a seguir, sem a utilização de regras para solução, vemos que:


 x + y = 10
• O sistema possui uma única solução, a saber, o par (7, 3). Logo, classificamos

 2x − y = 11
esse sistema como SPD.


 2x − 3y = 1
• O sistema possui infinitas soluções. Os pares (−1, −1), (1/2, 0) (0, −1/3)

 4x − 6y = 2
são algumas de suas soluções. Assim, classificamos esse sistema como SPI.


 3x + 4y = 1
• O sistema não admite solução, logo, temos um sistema SI.

 6x + 8y = 11
Geometricamente, quando o sistema linear é formado por duas equações com duas variáveis
em x e y, isto é, no plano cartesiano, estamos lidando com retas e suas posições relativas. No
caso SPD, essas retas se interceptam em um único ponto, enquanto que no SPI as duas retas são
coincidentes e finalmente. No caso SI, significa que essas retas são paralelas e não coincidentes, ou
seja, não têm ponto em comum.
Veremos a seguir um tipo de sistema linear de equações particulares que sempre terão
solução, isto é, podendo ser SPD ou SPI.

205
194
Sistemas Lineares Homogêneos
Dizemos que um sistema linear é homogêneo quando os termos independentes (b1 , b2 , . . . , bn )

são todos nulos, isto é, b1 = b2 = . . . = bn = 0.
Exemplo 40: A seguir, listamos alguns exemplos de sistemas lineares homogêneos:



 2x + x = 0
1 2
•

 x1 − 5x2 = 0




 x+y+z =0

• 2x − y + 3z = 0




 x − 2y − 4z = 0


 3w − w + 7x = 0
1 2 3
•

 w1 − 2w2 + 4w3 = 0




 2x + y = 0

• x−y =0




 −x + 4y = 0


 x+y+z−w =0
•

 x−y−z+w =0
Note que um sistema linear homogêneo com n incógnitas sempre admite a solução (0, 0, 0, . . . , 0)
com n elementos, a qual é chamada de solução trivial. Por exemplo, no caso de sistemas homo-
gêneos nas variáveis x e y, as retas que representam suas equações sempre passam pela origem,
ou seja, pelo ponto (0, 0). Portanto, um sistema linear homogêneo poderá ter infinitas soluções ou
apenas a solução trivial.

206 UNIDADE III
195
Matrizes Associadas a Um Sistema Linear
Dado um sistema linear com m equações e n incógnitas





 a11 x1 + a12 x2 + . . . + a1n xn = b1




 a x + a22 x2 + . . . + a2n xn = b2
21 1

 ... .. .. .

 + . + ... + . = ..




 am1 x1 + am2 x2 + . . . + amn xn = bm
podemos destacar as seguintes matrizes
     
 a11 a12 . . . a1n   x1   b1 
     
     
 a21 a22 . . . a2n   x2   b2 
A=
 .
 X=  e B= ,
 .. .. ..   ..   .. 
 . ... . 


 . 


 . 

     
am1 am2 . . . amn xn bm
em que a matriz A é chamada matriz dos coeficientes, a matriz B é a matriz dos termos indepen-
dentes e a matriz X é a matriz das incógnitas.
Com a notação de matrizes, podemos escrever o sistema linear da seguinte forma:

     
 a11 a12 . . . a1n   x1   b1 
     
     
 a21 a22 . . . a2n   x2   b2 
 · = .
 . .. ..   ..   .. 
 .. . ... .   .   . 
     
     
am1 am2 . . . amn xn bm
E mais, podemos ainda representar um sistema linear por meio da matriz ampliada (ou aumentada),

207
196
a qual nos ajudará na resolução de sistemas lineares. Isto é:

 
 a11 a12 . . . a1n b1 
 
 
 a21 a22 . . . a2n b2 
 .
 . .. .. 
 .. . ... . 
 
 
am1 am2 . . . amn bm
Exemplo 41: Dado o sistema linear





 x + 4y + 3z = 1

 2x + 5y + 4z = 4



 x − 3y − 2z = 5
temos a forma matricial    

 x + 4y + 3z   1 
   
 2x + 5y + 4z  =  4 
   
   
x − 3y − 2z 5
em forma de produto de matrizes

     
 1 4 3 x
    1 
     
 2 5 4 · y = 4 
     
     
1 −3 −2 z 5
e, em termos de matriz ampliada, temos:

 
 1 4 3 1 
 
 2 5 4 4 .
 
 
1 −3 −2 5
Assim, o sistema dado pode ser representado por essa matriz ampliada. Na realidade, todo
sistema linear de equações pode ser representado por uma matriz ampliada e, reciprocamente, cada
matriz ampliada pode ser representada por um um sistema linear de equações.

208 UNIDADE III
197
RESOLUÇÃO DE SISTEMAS EQUAÇÕES LINEARES

RESOLUÇÃO DE SISTEMAS EQUAÇÕES LINEARES
Dado um sistema linear S, podemos realizar modificações nesse sistema utilizando as opera-
ções elementares descritas anteriormente. Assim, se um sistema linear S1 for obtido de um sistema
linear S por meio de um número finito de operações elementares, dizemos que S1 é equivalente a
S. Sistemas equivalentes possuem o mesmo conjunto solução. E será dessa maneira que vamos
conhecer o primeiro método de resolução de sistemas lineares.
Para resolução de um sistema linear, primeiramente escrevemos o sistema na forma de ma-
triz ampliada e depois utilizamos o processo de escalonamento. Mas o que vem a ser esse processo?
Vamos para algumas definições que respondam essa pergunta.
Definição 8: (Forma Escalonada) Diz-se que uma matriz está (na forma) escalonada (matriz
triangular superior) se:
I) O elemento que ocupa a primeira linha e primeira coluna não for nulo, isto é, a11 = 0.
II) O número de zeros no inı́cio de cada linha aumenta estritamente de uma linha.
para outra exceto se a linha é toda nula.
III) As linhas nulas, caso existam, forem as últimas da matriz.
Para escrevermos uma matriz na forma escalonada, basta utilizarmos as operações elemen-
tares.
Exemplo 42: A matriz a seguir é um exemplo de matriz escalonada.

 
 4 −7 0 8 3 
 
 0 3 0 −2 −1 
 
 
0 0 −2 7 2
Observe que abaixo do termo 4 só tem termos nulo e, da mesma forma, abaixo do número
3 também só tem um zero.

209
198
Exemplo 43: Matriz não escalonada:

 
 4 −7 0 −14 4 
 
 3 0 4 0 −1  .
 
 
0 0 0 −13 6
Observemos o sistema a seguir: 




 2x + y − z = 3

(∗) 3y + z = −1 .




 2z = 4
Em termos de matriz ampliada, temos

 
 2 1 −1 3 
 
 0 3 1 −1  .
 
 
0 0 2 4
Podemos observar que essa matriz está na forma escalonada. E, para resolver o sistema,
basta encontrarmos o valor de z na última equação, isto é, como 2z = 4, logo, z = 2; substituindo
este valor na segunda equação, obtemos que 3y + 2 = −1, ou seja, y = −1. Assim, encontrado os
valores de x e de y, substituı́mos esses valores no resultado da primeira equação (2x − 1 − 2 = 3)
e, isolando nossa incógnita, concluı́mos que x = 3. Portanto, o conjunto solução do sistema (∗) é
o terno ordenado (3, −1, 2).
É importante ressaltar que para resolver o sistema, podemos escalonar diretamente no sis-
tema de equações, ou seja, sem ter que montar a matriz ampliada, pois essa matriz, é apenas uma
tabela formada pelos seus coeficientes.




 x + 2y − 3z = 2

Exemplo 44: Vamos resolver o sistema linear −x + 5y − z = 1 .




 2x + 3y − 5z = 0
Resolução de Sistemas Equações Lineares

210 UNIDADE III
199
Solução: Escrevendo esse sistema linear em termos de matriz ampliada, obtemos:

 
 1 2 −3 2 
 
 −1 5 −1 1 .
 
 
2 3 −5 0
Acompanhe a sequência de operações elementares que aplicaremos para escalonar a matriz

ampliada.    
 1 2 −3 2   1 2 −3 2 
  L2 → L2 + L1  
 −1 5 −1 1  ⇒ 
   0 7 −4 3 
  L3 → L3 − 2L1  
2 3 −5 0 0 −1 1 −4
   
 1 2 −3 2   1 2 −3 2 
   
⇒
 0 7 −4 3
 L → 7L + L
 3 3 2
⇒
 0 7 −4 3
.

   
0 −1 1 −4 0 0 3 −25
Com isso, obtemos o sistema linear





 x + 2y − 3z = 2 (I)

 7y − 4z = 3 (II) .



 3z = −25 (III)
25
Em (III) obtemos z = − , substituindo esse valor para z em (II), temos:
3

25 100 91 91 13
7y − 4 − =3 ⇒ 7y + =3 ⇒ 7y = − ⇒ y=− =− .
3 3 3 21 3
Agora, com os valores de y e z definidos, substituı́mos esses valores em (I):

13 25 26 75 49 43
x+2 − −3 − =2 ⇒ x− + =2 ⇒ x+ =2 ⇒ x=− .
3 3 3 3 3 3
43 13 25
Portanto, o sistema em questão é SPD, cuja solução é o terno (− , − , − ).
3 3 3

211
200




 x + 2y − 3z = −1

Exemplo 45: Vamos agora resolver o sistema linear −3x + y − 2z = −7 .




 5x + 3y − 4z = 2
Solução: Em termos de matriz ampliada, temos:
 
 1 2 −3 −1 
 
 −3 1 −2 −7  .
 
 
5 3 −4 2
Escalonando:
   
 1 2 −3 −1   1 2 −3 −1 
  L → L2 + 3L1  
 −3 1 −2 −7  2 ⇒  0 7 −11 −10 
   
  L3 → L3 − 5L1  
5 3 −4 2 0 −7 11 7
   
 1 2 −3 −1   1 2 −3 −1 
   
⇒ 
 0 7 −11 −10  L3 → L3 + L2 ⇒  
 0 7 −11 −10  .
   
0 −7 11 7 0 0 0 −3
Assim, teremos o sistema linear a seguir, equivalente ao sistema em questão:





 x + 2y − 3z = −1

 7y − 11z = −10 .



 0 = −3
Observe que chegamos ao resultado 0 = −3, o que é um absurdo. Portanto, se trata de um sistema
impossı́vel (SI), cuja solução é um conjunto vazio, isto é, S = ∅.
No caso de equações lineares nas variáveis x, y e z, a representação geométrica de cada

equação corresponde a um plano no espaço e o conjunto solução é a interseção entre esses planos.
Assim, quando temos SPD a interseção desses planos é um único ponto (única solução), enquanto
que no SPI a interseção pode ser uma reta ou uma plano (infinitas soluções) e, para finalizar, no
caso SI, esses planos não têm ponto em comum.

212 UNIDADE III
201




 x + 2y − 3z = 1

Exemplo 46: Vamos resolver o sistema 2x + 5y − 8z = 4 .




 3x + 8y − 13z = 7
Solução: Em termos de matriz ampliada, temos:

 
 1 2 −3 1 
 
 2 5 −8 4  ,
 
 
3 8 −13 7
escalonando, temos
   
 1 2 −3 1   1 2 −3 1 
  L2 → L2 − 2L1  
 2 5 −8 4  ⇒ ,
   0 1 −2 2 
  L3 → L3 − 3L1  
3 8 −13 7 0 2 −4 4
segue que    
 1 2 −3 1   1 2 −3 1 
   
⇒  
 0 1 −2 2  L3 → L3 − 2L2 ⇒  0 1 −2 2
,

   
0 2 −4 4 0 0 0 0
isto é, 

 x + 2y − 3z = 1
.

 y − 2z = 2
Neste exemplo, temos infinitas soluções (SPI). Assim, tomando z = t, obtemos y = 2 + 2t

e x = −3 − t. Ainda podemos escrever a solução geral deste sistema como sendo o conjunto
{(−3 − t, 2 + 2t, t); t ∈ R}; essas três expressões que aparecem em cada coordenada correspondem
às equações paramétricas de uma reta com parâmetro t, ou seja, a interseção entre esses dois planos
determinada pelas duas equações resulta numa reta.

213
202
Regra de Cramer
Vamos apresentar uma técnica para resolução de sistemas cuja matriz dos coeficientes é
quadrada, isto é, o número de linhas é igual ao número de colunas. Ou seja, essa técnica é válida
para resolver sistemas lineares quando o número de equações é o mesmo que o número de incógnitas.
Considere o sistema 

 a x+a y =b
11 12 1
.

 a21 x + a22 y = b2
Podemos representá-lo por      

 a11 a12   x   b1 
 .  =  .
a21 a22 y b2
     
 a11 a12   x   b1 
Assim, se A =  , X =   e B =   , temos
a21 a22 y b2
AX = B.
Suponhamos que A tenha inversa, isto é, que detA = 0, segue que
A−1 .AX = A−1 .B
(A−1 .A)X = A−1 B
I2 .X = A−1 B
X = A−1 B
   −1  
 x   a11 a12   b1 
 =  . 
y a21 a22 b2
     
 x  1  ∆11 ∆21   b1 
 =  . 
detA
y ∆12 ∆22 b2

214 UNIDADE III
203
 
 b1 ∆11 + b2 ∆21

 detA 
 
 x   
 = 
 
y  b1 ∆12 + b2 ∆22 
detA
   
  b1 a12  
 det   
 
 b2 a22 
   
 detA 
 
 x   
 = .
   
y  
 

  a11 b1  

det   

 a21 b2 
detA
Dessa última igualdade concluı́mos que o conjunto solução do sistema é dado por
   
 b1 a12   a11 b1 
det   det  
b2 a22 a21 b2
x=   ey=  .
 a11 a12   a11 a12 
det   det  
a21 a22 a21 a22


 3x + y = 5
Exemplo 47: Resolva o sistema pela Regra de Cramer.

 x − 2y = −3
     
 3 1   5 1   3 5 
Sejam A =  , Ax =   e Ay =  ,
1 −2 −3 −2 1 −3
detAx −7 detAy −14

logo, detA = −7, detAx = −7 e detAy = −14. Assim, x = = =1ey = = = 2.
detA −7 detA −7
Portanto, o conjunto solução é o par ordenado (1, 2).
Esse exemplo serviu apenas de ilustração, pois na prática essa Regra é mais utilizada em
matrizes de ordem 3 ou superior.

215
204
De modo análogo ao visto anteriormente, podemos deduzir a Regra de Cramer para um

sistema com 3 equações e 3 incógnitas. Assim, considere o sistema




 a11 x + a12 y + a13 z = b1

 a21 x + a22 y + a23 z = b2 ,



 a x+a y+a z =b
31 32 33 3
     
 a 11 a12 a 13   b 1 a12 a 13   a11 b1 a13 
     

se denotarmos por A =  a21 a22 a23 , Ax =  b2 a22 a23 , Ay = 
  
 a21 b2 a23 
 e
     
a31 a32 a33 b3 a32 a33 a31 b3 a33
 
 a11 a12 b1 
 
Az =  
 a21 a22 b2 . Supondo que a matriz A possua inversa, isto é, que detA = 0, então seu
 
a31 a32 b3
detAx detAy detAz
conjunto solução é dado por x = , y= ez= .
detA detA detA




 x+y+z =6

Exemplo 48: Resolva o sistema 2x + y + z = 7 .




 3x + 2y = 7
       
 1 1 1   6 1 1   1 6 1   1 1 6 
       
Temos que A = 

 , A =  
2 1 1  x  7 1 1  y  2 7 1 , A =   e A z =  
 2 1 7 .
       
3 2 0 7 2 0 3 7 0 3 2 7
Utilizando a Regra Sarrus ou o desenvolvimento de Laplace, podemos obter os determinantes

de cada uma dessas matrizes, a saber, detA = 2, detAx = 2, detAy = 4 e detAz = 6. Logo, pela
Regra de Cramer obtemos que
detAx 2 detAy 4 detAz 6

x= = = 1, y = = =2ez= = = 3.
detA 2 detA 2 detA 2
Portanto, a solução do sistema é (1, 2, 3).

216 UNIDADE III
205
Agora, vamos generalizar a Regra de Cramer. Assim, dado um sistema linear com n-
equações e n-incógnitas 



 a11 x1 + ... + a1n xn = b1

.. .. ,
 . .



 a x + ... + a x = b
n1 1 nn n n
 
 a11 . . . a1n 
 .. . . .  = 0, então, o conjunto solução é obtido calculando as seguintes
supondo que det 
 . . .. 
 
an1 . . . ann
razões    

 b1 a12 . . . a1n 


 a11 b1 . . . a1n 

   
   

det
.. .. .. 


det
.. .. .. 

 . . .   . . . 
   
   
   
bn an2 . . . ann an1 bn . . . ann
x1 =  , x2 =  , assim sucessivamente, ou seja,

 a11 a12 . . . a1n 


 a11 a12 . . . a1n 

   
   

det
.. .. .. 


det
.. .. .. 

 . . .   . . . 
   
   
   
an1 an2 . . . ann an1 an2 . . . ann
generalizando concluı́mos que

 
 a 11 . . . b 1 . . . a 1n 
 . .. 
det 
 . . . 
 
an1 . . . bn . . . ann
xi =   com i = 1, 2, . . . , n.
a
 11 12 a . . . a 1n 
 . . 
det 
 . . .
. ...  
 
an1 an2 . . . ann
Denotando por A a matriz dos coeficientes do sistema e Ai a matriz cuja i-ésima coluna é
formada pelos termos independentes, com i = 1, 2, . . . , n, temos os seguintes resultados:
• Se detA = 0, então temos um SPD.
• Se detA = 0 e detA1 = detA2 = · · · = detAn = 0, então temos um SPI.
• Se detA = 0 e detAk = 0 para algum k entre 1 e n, então temos um SI.

217
206
Posto e Nulidade
Vamos apresentar agora uma técnica que permite resolver (ou discutir) sistemas de equações
lineares que não sejam necessariamente aqueles cujo número de equações coincida com o número
de incógnitas, como visto anteriormente. Para tanto, precisaremos definir alguns conceitos.
Forma Escada
Definição 9: Uma matriz de ordem m × n é linha reduzida à forma escada se:

I) o 1o elemento não nulo de uma linha não nula é 1.
II) cada coluna que contém o 1o elemento não nulo de alguma linha tem todos os seus outros iguais
a zero.
III) toda linha nula ocorre abaixo de todas as linhas não nulas.
IV) se as linhas 1, . . . , r são as linhas não nulas, e se o primeiro elemento não nulo da linha i ocorre
na coluna ki então k1 < k2 < · · · < kr , isto é, forma uma “escada”.
Exemplo 49:
 
 1 0 7 0 
 
 
 0 1 0 0 
a) 

 não está na forma escada, pois acima do número 1 da terceira linha não poderia

 0 0 1 0 
 
 
0 0 0 0
estar o 7. Mas para transformá-la basta multiplicar a terceira linha por −7 e somar o resultado
com a primeira, isto é, L1 → L1 − 7L3 .
 
 1 0 0 
 
b) 
 0 0 1  não está na forma escada, pois o primeiro elemento não nulo da segunda coluna

 
0 1 0
ocorre na terceira coluna, enquanto que o primeiro elemento não nulo da terceira coluna ocorre na
segunda coluna. Para deixá-la na forma escada, basta trocar as posições entre a segunda e terceira
linha, isto é, L2 ↔ L3 .

218 UNIDADE III
207
 
 0 1 0 
 
c) 
 0 0 0  não está na forma escada, pois temos uma linha não nula abaixo de uma linha nula,

 
0 0 1
assim, para transformá-la numa matriz reduzida à forma escada, basta permutar as duas últimas
linhas, ou seja, L2 ↔ L3 .
 
 1 0 0 0 
d)   não está na forma escada, mas basta dividir a segunda linha por 3 que se torna
0 0 3 0
1
reduzida à forma escada, isto é, L2 → L2 .
3
 
 0 1 2 0 1 
 
e) 
 0 0 0 1 5
 está na forma escada.

 
0 0 0 0 0
 
 1 0 0 0 0 
 
 
 0 1 0 3 0 
f) 

 está na forma escada.

 0 0 0 0 1 
 
 
0 0 0 0 0
Definição 10: Dada uma matriz Am×n , seja Bm×n a matriz linha reduzida à forma escada equi-
valente a Am×n :
I) o posto da matriz A, denotado por p, é o número de linhas não nulas da matriz B
II) a nulidade de A é o número n − p
 
 1 1 1 6 
 
Exemplo 50: Dada a matriz A = 
 2 1 1 7  , obtenha o posto e a nulidade dessa matriz.

 
3 2 0 7

219
208
Vamos utilizar as operações elementares para obter uma matriz na forma escada, isto é,
     
 1 1 1 6   1 1 1 6   1 1 1 6 
     
 2 1 1 7  →  0 −1 −1 −5 → 0 1 1 5 →
     
     
3 2 0 7 0 −1 −3 −11 0 1 3 11
     
 1 0 0 1   1 0 0 1   1 0 0 1 
     
 0 1 1 5 → 0 1 1 5 → 0 1 0 2 .
     
     
0 0 2 6 0 0 1 3 0 0 1 3
Nesse exemplo, o posto da matriz é p = 3 e a nulidade é n − p = 4 − 3 = 1. Na sequência,

vamos dar sentido para o cálculo do posto da matriz.
Teorema 3: Considere um sistema S com m equações e n incógnitas, sejam pA o posto da matriz

ampliada e pC o posto da matriz dos coeficientes:
I) O sistema S admite solução se, e somente se, pA = pC , isto é, o número de linhas não nulas da
matriz ampliada é o mesmo que o número de linhas não nulas da matriz dos coeficientes.
II) Se pA = pC = p e n = p, isto é, o número de linhas não nulas coincide com o número de
incógnitas, então o sistema possui única solução (SPD).
III) Se pA = pC = p e p < n, isto é, o número de linhas não nulas é menor que número de incógnitas,
então o sistema possui infinitas soluções (SPI). Neste caso, a diferença n − p é chamada de grau de
liberdade e significa que o conjunto solução pode ser expresso em função de n − p variáveis.
OBS: contrapondo o item (I), se pA = pC , então o sistema não tem solução (SI).
Esse teorema nos dá indı́cios de que, num sistema em que o número de equações é o mesmo
que o número de incógnitas, a chance desse sistema ter única solução grande. Agora, quando o
número de incógnitas é maior que o número de equações, provavelmente esse sistema terá infinitas
soluções. Por outro lado, quando o número de equações supera o de incógnitas, a probabilidade
desse sistema não ter solução aumenta. Mas são apenas indı́cios, é correto fazer os cálculos, como
veremos nos exemplos a seguir.

220 UNIDADE III
209
Exemplo 51: Discuta e resolva quando possı́vel os seguintes sistemas de equações lineares.

 


 x+y+z =6

  


 x + y + z = 6  

  x+y+z =6  2x + y + z = 7
a) 2x + y + z = 7 b) c) x + y + z = 6 d)

 
 2x + y + z = 7 
 3x + 2y = 7

 

 3x + 2y = 7 



 x+y−z =6
a) Lembremos que a matriz ampliada é formada pela matriz dos coeficientes acrescida de uma
coluna formada pelos termos independentes.
       
 1 1 1 6   1 1 1 6   1 1 1 6   1 1 1 6 
       
 2 1 1 7  →  0 −1 −1 −5 → 0 1 1 5 → 0 1 1 5 
       
       
3 2 0 7 0 −1 −3 −11 0 1 3 11 0 0 2 6
   
 1 1 1 6   1 0 0 1 
   
 0 1 1 5  →  0 1 0 2  . Assim pA = pC = 3 e n = 3, logo, temos um SPD. Segue que
   
   
0 0 1 3 0 0 1 3
 

 


 1x + 0y + 0z = 1 
 x=1
 
 0x + 1y + 0z = 2 →  y = 2 .

 


 0x + 0y + 1z = 3 
 z=3
Portanto, o conjunto solução é S = (1, 2, 3).
       
 1 1 1 6   1 1 1 6   1 1 1 6   1 0 0 1 
b) Temos  → → → , assim,
2 1 1 7 0 −1 −1 −5 0 1 1 5 0 1 1 5
pA = pC = 2 e n = 3, logo, temos um SPI com n − p = 1 (grau de liberdade). Segue que

  

 1x + 0y + 0z = 1 
 x=1 
 x=1
→ → .

 0x + 1y + 1z = 5 
 y+z =5 
 y =5−z
Portanto, o conjunto solução é S = {(1, 5 − z, z); z ∈ R}. Esse conjunto solução também
pode ser escrito em função da variável y, ou seja S = {(1, y, 5 − y); y ∈ R}.

221
210

c) x+y+z =6
Este exemplo é apenas para ilustrar o conjunto solução com grau de liberdade 2. A matriz
escada é a própria matriz ampliada, isto é

1 1 1 6 .
Assim, pA = pC = 1, como n = 3, então temos SPI com grau de liberdade n − p = 2, ou seja,

podemos escrever o conjunto solução em função de duas variável. Segue que x + y + z = 6, logo,
x = 6 − y − z e, portanto, o conjunto solução é S = {(6 − y − z, y, z)}. Existem mais duas formas

para escrever o conjunto solução, em termo de x e y ou em termos de x e z.




 x+y+z =6




 2x + y + z = 7
d)



 3x + 2y = 7




 x+y−z =6
Temos
       
 1 1 1 6   1 1 1 6   1 1 1 6   1 0 0 1 
       
       
 2 1 1 7   0 −1 −1 −5   0 1 1 5   0 1 1 5 
 → → → 
       
 3 2 0 7   0 −1 −3 −11   0 1 3 11   0 0 2 6 
       
       
1 1 −1 6 0 0 −2 0 0 0 2 0 0 0 2 0
     
 1 0 0 1   1 0 0 1   1 0 0 1 
     
     
 0 1 1 5   0 1 0 2   0 1 0 2 
 → → . Note que pA = 4, mas pC = 3,
     
 0 0 1 3   0 0 1 3   0 0 1 3 
     
     
0 0 1 0 0 0 0 −3 0 0 0 1
como pA = pC , então o sistema é impossı́vel SI e, portanto, não admite solução. Observe que se
tentássemos resolver o sistema, terı́amos o seguinte resultado, x = 1, y = 2, z = 3 e 0 = 1 (o que
é um absurdo). Portanto, a solução é um conjunto vazio, isto é, S = ∅.

222 UNIDADE III
211
Nesta unidade, iniciamos nossos estudos sobre as matrizes com as operações de adição e
multiplicação. Na sequência definimos o determinante de uma matriz utilizando o conceito de
permutação, expondo algumas técnicas que facilitam o seu cálculo. Aproveitamos para apresentar
as propriedades dos determinantes e, com o uso de quatro delas, pudemos facilitar o cálculo de
determinantes. É interessante perceber que, apesar da ordem em que foram apresentados os
conteúdos, na prática, várias situações-problema, como na Fı́sica, na Quı́mica, nas Engenharias
e na própria Matemática, recaem em sistema de equações lineares − e esses sistemas podem ser
representados por tabelas numéricas denominadas matrizes, cuja estrutura é muito semelhante ao
dos números reais, bem como dos vetores −. Além disso, cada matriz quadrada está associada a
um número chamado de determinante e tal número nos permite resolver e/ou discutir sobre seu
conjunto solução; o valor do determinante também nos dá condições para saber se uma matriz
admite ou não matriz inversa.
Estudamos o método de escalonamento para resolver e classificar sistemas lineares. Trata-

se de um método seguro, que “revela” a estrutura do sistema, explicitando as redundâncias ou
incongruências das equações. Após o escalonamento, as equações que não acrescentam informação
ao sistema têm seus termos todos anulados e aquelas que são incompatı́veis com as demais se
transformam numa sentença matemática falsa (algo como 0 = a, com a diferente de zero).
Apresentamos também outras técnicas para resolver um sistema de equações lineares; a

Regra de Cramer, para sistema cujo número de equações coincide com o número de incógnitas; e o
conceito de posto e nulidade de um sistema, que permite resolver ou discutir sobre qualquer tipo
de sistema de equações lineares.
O(A) leitor(a) perceberá, nas próximas unidades, como é importante conhecer toda essa
teoria que envolve resolução e discussão de sistemas equações lineares. Caberá a cada um decidir
se utilizará a regra de Cramer, o posto ou nulidade, escalonamento, enfim, independente da técnica,
o objetivo é que se consiga de alguma forma, uma vez identificado um sistema de equações lineares,
exibir o conjunto solução, caso exista.

223
213
ATIVIDADE DE ESTUDO
   
 x+y 9   30 9 
1) Sejam as matrizes A =  eB= , calcule os valores de x e y para
−2 x − y −2 16
que se tenha A = B.


 i − 3j se i < j
2) Obtenha a transposta da matriz A = [aij ]3×2 tal que aij =

 2i + 2j se i j
       
 1 8   0 −5   7 3   0 9 
3) Dadas as matrizes A =  , B =  , C =  eD= , cal-
−3 6 4 2 −2 4 11 1
cule:
a) A + B
b) B + C − A
c) 2A − C + 5D − B
d) (A + B) − (C + D)
 
  5 −2 −4  
 
 2 1 −3     1 2 
4) Dadas as matrizes A =  , B = 
 0 3 2 
eC= , calcule:
0 2 5   −3 4
1 7 11
a) A · B
b) C · A · B
 
 −7 0 
5) Dada a matriz A =  , escreva a matriz B tal que se tenha A + B = 02 , em que 02 é
2 −5
a matriz nula de ordem 2.
   
 −1 2   0 3 −4 
6) Sejam as matrizes A =  eB= , determine
5 4 1 −7 6
a) A · B
b) B · A
224
214
7) Verifique em cada caso se a matriz B é a inversa da matriz A.

   
 5/39 −2/39   7 2 
a) B =  eA= 
2/39 7/39 −2 5
   
 0 1   −3 4 
b) B =  eA= 
1/4 1/12 9 0
8) Encontre a inversa de cada matriz a seguir, caso exista.

 
 5 3 
a) A =  
4 2
 
 2 −3 
b) B =  
1 3
 
 −2 6 
c) C =  
3 −9
 
 1 1 1 
 
d) D = 
 0 1 2 

 
1 2 4
 
 1 2 1 
 
e) E = 
 3 5 2 

 
−1 4 7
 
 −3 0 1 
 
f) F = 
 2 2 −1 

 
1 4 9
9) Calcule os determinantes das seguintes matrizes.

       
 2 6   5 1   −2 8   4 9 
a) A =   b) B =   c) C =   d) D =  
4 1 3 −2 −5 −3 1 −3
225
215
   
  2 1 1 3 −2 −4
   
 a+b a     
e) E =   f) F =  
 0 5 −2  g) G = 
 2 5 −1 

b a+b    
1 −3 4 0 6 1
 
 
 2 −3 1 7 
 
 −2 −1 4   
   −2 3 0 4 
h) H =  
 6 −3 −2 

i) I =  

   −1 5 4 −3 
 
4 1 2  
2 4 −5 0
 
 3 0 0 0 0 
 
 
 15 13 0 0 0 
 
 
j) J =  −5 π −3 0 0 
 
 
 7 √5 √7 0 0 
 
 
1 2 −3 8 −1
 
 x 1 2x 
 
10) Dada a matriz A =  
 0 1 0 , seu determinante é negativo sempre que:
 
3 7 x
a) −6 < x < 0
b) 0 < x < 6
c) x < 0
d) x > 6
e) −6 < x < 6
11) Resolva os sistemas de equações lineares a seguir.

   

   
 x+y−z =1
 2x + 3y = 1  4x − 2y = 5  2x − 4 = 3y 
a) b) c) d) 2x + 2y − 2z = 2

 5x + 7y = 3 
 −6x + 3y = 1 
 5y − x = 5 



 5x + 5y − 5z = 7
226
216
  

 
 


 2x − y = −7 
 2x + y − z = −6 
 3x − y + z = 0
  
e) −3x + 4y = 13 f) x − y + 3z = 21 g) x + y − 2z = 0

 
 


 
 

 x + 2y = −1  3x + 2z = 15  5x − 3y + 4z = 0
12) Obtenha o posto das matrizes (ampliada e dos coeficientes), classifique o sistema como SPD,
SPI ou SI e exiba o conjunto solução,caso exista. 
 
 

 
 −x + y − z = 5 
 x+y−z =1
 x+y+z =7  
a) b) 2x + y = 1 c) 2x + y − 4z = 5

 x + y − z = 10 
 


 

 x + y + z = −3  3x + 2y − 5z = 2
  

 
 


 x+y−z =1 
 x+y =9 
 x + y − z + t = 12
  
d) 2x + y − 4z = 5 e) x−y =5 f) x − y + z − t = 10

 
 


 
 

 3x + 2y − 5z = 6  2x − y = 13  −x − 3y + 3z − 3t = −14
13) Considere o seguinte sistema de equações lineares:





 x + y − kz = 0

 x+y−z =2−k



 x + ky − z = −k
Discuta o sistema em função da constante k.

227
212
Matrizes e algumas aplicações
Os sistemas de equações lineares e as matrizes têm vasta aplicação em várias situações-

problema, principalmente nas áreas de Engenharia. Dentre vários exemplo práticos, podemos
citar: a obtenção da frequência natural de um eixo traseiro em carro, devido a inúmeros fatores
e variáveis que influenciam no desgaste e causando um alto custo financeiro. Nesse sentido, uma
aplicação matemática bem simples, mas eficaz, é o Método das Matrizes de Transferência que
auxilia nos cálculos a fim de minimizar o custo.
Além disso, temos também outras aplicações, como, por exemplo, em projetos de estruturas
composta por vigas metálicas, que exigem a resolução de um sistema de equações lineares, no qual
o número de equações e variáveis cresce na medida em que se torna mais complexa a estrutura.
Situações como essas, podem ser representadas por sistemas de equações nas quais são analisados
a singularidade da matriz dos coeficientes do sistema e a matriz coluna das forças externas, cujo
objetivo é encontrar a matriz coluna das forças que atuam sobre as vigas.
Outra aplicação é o Método dos Elementos Finitos, com grande aplicação em problemas
de Engenharia, especialmente em problemas de Engenharia Civil e Mecânica, nas quais utilizam-
se de sistemas lineares com inúmeras variáveis, que são resolvidos com auxı́lio computacional,
trabalhando-se com as matrizes dos sistemas.
As matrizes já eram conhecidas, estudadas e apreciadas pelos matemáticos desde XVIII,
devido a sua estrutura algébrica e sua estrita relação com os sistemas lineares, no entanto, com o
desenvolvimento da matemática, suas aplicações têm se tornado bem mais ampla.
Para saber mais sore a matrizes e algumas aplicações, acesse o link:

<http://wwwp.fc.unesp.br/∼lfcruz/AL CAP 01.pdf>
Fonte: o autor.
Aqui você encontrará algumas formas de operações com matrizes com auxílio de um software.
<http://portaldoprofessor.mec.gov.br/chaTecnicaAula.html?aula=1675>
Aqui você encontrará um aplicativo que servirá no emprego dos conceitos de Matrizes na
resolução de Quadrados Mágicos.
<http://www.jogosboole.com.br/tutoriais_mostra.asp?id=19>
No link você tem um pouco da história das matrizes, produto de matrizes e sistemas lineares.
É um material disponível no portal do professor que será de grande valia.
<http://portal.mec.gov.br/seb/arquivos/pdf/EnsMed/expensmat3_1_2.pdf.>
229
218
REFERÊNCIAS
Referências
ANTON, H.; RORRES, C. Álgebra linear com aplicações. Porto Alegre: Bookman, 2008.
HOFFMAN, K.; KUNZE, R. Álgebra linear. Traduzido por Adalberto P. Bergamasco. São
Paulo: Polı́gono, 1970.
LIMA, E. L. Álgebra linear. 8. ed. Rio de Janeiro: Impa, 2009.
LIPSCHUTZ, S. Álgebra linear. 4. ed. Traduzido por Dr. Carlos Ivo Doering. Porto Alegre:
Bookman, 2011. Tradução da 4. ed. norte-americana - All Tasks. (coleção Schaum)
STEINBRUCH, A.; WINTERLE, P. Álgebra linear. 2. ed. São Paulo: Makron Books, 1987.
STRANG, G. Álgebra linear e suas aplicações. São Paulo: Cengage Learning, 2013. Tradução
da 4. ed. norte-americana - All Tasks.
219
GABARITO
GABARITO
Unidade III
1) 3)    
x = 23 e y = 7  1 3   −5 63 
a)   c)  
1 8 47 11
2)    
 
 6 −10   −6 −9 
 4 6 8  b)   d)  
At =  
5 0 −8 3
−5 8 10
4)   5)
  6)  
 7 −22 −39   −7 0   2 −17 16 
a)     a)  
5 41 59 −2 5 4 −13 4
 
 17 60 79  b) não existe
b)  
−1 230 353
7) 8) 8)
a) sim b)   e)  
b) não é inversa  1/3 1/3   −27/2 5 1/2 
B −1 =   
−1/9 2/9 E −1 = 
 23/2 −4 −1/2 
 
8)
c) não existe −17/2 3 1/2
a)  
f)  
 −1 3/2 
A−1 =   d) −11/30 −1/5 1/30
   
2 −5/2  
 0 −2 1  F −1 = 
 19/60 14/30 1/60 
   
D −1
=
 2 3 −2 

  −1/10 −1/5 1/10
−1 −1 1
9)
a) −22 e) a2 + ab + b2 i) −1099
b) −13 f ) 21 j) 0
c) 46 g) −11
d) −21 h) 100
231
GABARITO
220
10) 11)
−2z + 15 7z − 48
0<x<6 a) S = {(2, −1)} d) S = ∅ f) S = , ,z ;z ∈ R
3 3
b) S = ∅ e) S = ∅
z 7z
c) S = {(5, 2)} g) S = , ,z ;z ∈ R
4 4
12)
a) pA = pC = 2 e n = 3 (SPI) d) pA = pC = 2 e n = 3 (SPI)
S = {(3z + 4, −2z − 3, z) ; z ∈ R}
−2y + 17 3
S= , y, − ;y ∈ R
2 2
e) pA = 3 e pC = 2 (SI)
b) pA = pC = 3 = n (SPD)
S=∅
S = {(0, 1, −4)}
f ) pA = pC = 2 e n = 4 (SPI)
c) pA = 3 e pC = 2 (SI)
S = {(11, z − t, z, t) ; z e t ∈ R}
S=∅
13)
Verifique quando o determinante é nulo, conclua que se k = 1 o sistema é do tipo SPD, mas se
k = 1 o caso é SPI.
IV
UNIDADE
ESPAÇOS VETORIAIS
■■ Definir espaços vetoriais.
■■ Identificar subespaços vetoriais.
■■ Obter conjuntos que geram um espaço vetorial.
■■ Definir base de um espaço vetorial.
■■ Apresentar o conceito de dimensão de um espaço vetorial.
Plano de Estudo
■■ Vetores
■■ Espaço vetorial
■■ Subespaço vetorial
■■ Combinação linear
■■ Dependência e independência linear
■■ Base
■■ Dimensão
235
222
INTRODUÇÃO
INTRODUÇÃO
Vimos na unidade I o conceito de vetores com as operações de adição e multiplicação
por escalar além de várias propriedades já conhecidas dos números reais. Essas propriedades ou
caracterı́sticas dos vetores, seja no plano ou no espaço, não são exclusividades desses conjuntos, na
verdade, existem outros conjuntos com as mesmas propriedades. Nesta unidade apresentaremos
alguns conjuntos que têm a mesma estrutura algébrica que as dos vetores, chamados de Espaços
Vetoriais; apresentaremos também as condições para que um determinado conjunto munido de
algumas operações possa ser considerado um espaço vetorial.
Seja um conjunto E no qual podemos somar seus elementos e multiplicar esses elementos
por números reais, e que a soma e a multiplicação resultem em subconjuntos ainda pertencentes à
E. Consideremos ainda que essas operações gozem das propriedades de soma e multiplicação dos
números reais, a saber, comutatividade; associatividade; distributividade; existência do elemento
neutro da adição; existência do oposto; existência do elemento neutro da multiplicação.
É possı́vel exibir, encontrar ou até mesmo definir vários conjuntos que gozam dessas pro-
priedades (ou axiomas). Vamos citar alguns exemplos já bem familiarizados por vocês, como os
conjuntos R, R2 e R3 , são os mais simples e conhecidos; os conjuntos de matrizes de mesma ordem,
isto é, M3,2 (R), M2,4 (R), Mm,n (R); o conjunto dos polinômios com coeficientes reais, de grau menor
ou igual a n, E = Pn ; entre outros. Todos esses casos (e outros que não mencionamos aqui), que
possuem uma mesma estrutura, são denotados como espaços vetoriais. Veremos também que diver-
sas vezes o objeto de interesse não é exatamente o espaço vetorial, mas sim um subconjunto dele,
denominado de subespaço vetorial. Para finalizar os estudos desta unidade, definiremos o conceito
de base para um espaço vetorial, bem como o conceito de dimensão de um espaço vetorial.
Introdução
236 UNIDADE IV
223
VETORES
VETORES
A noção de vetor pode ser motivada ou por uma lista de números e ı́ndices ou por meio
de certos objetos da Fı́sica. Os vetores do plano e do espaço são representados por segmentos
orientados. Todos os segmentos que possuem mesma direção, mesmo sentido e mesmo tamanho
(comprimento) representam um mesmo vetor. Por exemplo, vejamos a lista de alguns segmentos
orientados a seguir.
Figura 1 − Segmentos Equipolentes
Podemos perceber que todos são seguimentos equipolentes, isto é, têm mesma direção, sen-
−→
tido e comprimento. Ou ainda, todos são cópias idênticas do vetor v = AB. Esse fato é análogo
ao que ocorre com os números racionais e as frações. Duas frações representam o mesmo número
racional se o numerador e o denominador de cada uma delas estiverem na mesma proporção. Por
exemplo, as frações 25 , 20
8 6
e 15 representam o mesmo número racional.
−→
Ao escrever v = AB, estamos considerando que o vetor é determinado pelo segmento orientado
AB de origem em A e extremidade em B.
Vetores no plano
Consideremos, inicialmente, o plano cartesiano, o qual consiste em um sistema de coor-

denadas representadas em um par de retas orientadas e ortogonais. Escolhida uma unidade de
comprimento, um ponto P do plano pode ser representado como o par (x, y) de números reais, isto
é, suas coordenadas.
ESPAÇOS VETORIAIS
237
224
Figura 2 − Ponto P localizado no Plano cartesiano
−→
Dados dois pontos P e Q do plano, podemos considerar o segmento de reta orientado P Q,
−→
com ponto inicial P e ponto final Q. O segmento orientado P Q é um representante do vetor v .
Figura 3 − Representação de vetor no plano
Podemos escolher um representante para o vetor v com origem no ponto (0, 0). Com isso,
temos uma correspondência biunı́voca entre pontos do plano e vetores. Ou seja, cada ponto P (x, y)
−→
do plano é associado a um único vetor v = OP , em que O = (0, 0) e reciprocamente cada vetor do
plano pode estar associado a um único ponto P (x, y).
Soma de vetores e Multiplicação por escalar
Sejam u e v vetores do plano, definimos a soma v + u da seguinte forma:
• Tome um segmento orientado que representa v .
• Tome um segmento orientado que representa u, com origem na extremidade de v .
• O vetor v +u é representado pelo segmento orientado que vai da origem de v até a extremidade
de u.
Vetores
238 UNIDADE IV
225
Figura 4 − Soma de vetores
Podemos usar a chamada regra do paralelogramo.
Figura 5 − Regra do Paralelogramo
Para qualquer vetor v , o simétrico de v , denotado por −v , é o vetor que tem mesmo
comprimento, mesma direção e sentido contrário ao de v .
Figura 6 − Vetores Opostos
Dados os vetores u e v , definimos a diferença de u por v como sendo a soma do vetor u com
o vetor −v , isto é:
u − v = u + (−v ).
Assim, geometricamente, a diferença de vetores pode ser representada conforme figura a seguir.
Figura 7 − Diferença de Vetores
ESPAÇOS VETORIAIS
239
226
Para definirmos a soma de vetores em termos de coordenadas, vamos analisar a figura a

seguir, na qual indicamos os vetores u e v e o vetor soma u + v .
Figura 8
−→ −→
Pelo gráfico, podemos perceber que os segmentos orientados OP e QR são equipolentes.
Assim obtemos, por meio de análise geométrica, que:
a − x2 = x1 − 0 e b − y1 = y2 − 0.
Então,
a = x1 + x2 e b = y 1 + y2 .
Portanto, se u = (x1 , y1 ) e v = (x2 , y2 ) temos que a soma do vetor u com o vetor v é definida como
segue:
u + v = (x1 + x2 , y1 + y2 ).
Propriedade 1: (Propriedades da adição): Dados os vetores u, v e w,

temos:
I) (u + v ) + w
= u + (v + w)
- associativa.
II) u + v = v + u - comutativa.
→
−
III) Existe um único vetor nulo, indicado por 0 , tal que para todo vetor v tem-se:
→
−
v + 0 = v
Vetores
240 UNIDADE IV
227
IV) Para todo vetor v , existe um único vetor −v , simétrico a ele (ou oposto) tal que:
→
−
v + (−v ) = 0
Exemplo 1: Sejam os vetores u = (1, −3) e v = (2, 5), temos que
u + v = (1 + 2, −3 + 5) = (3, 2) e
u − v = u + (−v ) = (1, −3) + (−2, −5) = (1 − 2, −3 − 5) = (−1, −8).
A multiplicação de um vetor v por um escalar α, indicado por αv , será definida como segue.


 −
→

 0 , se α = 0.

αv = α vezes o comprimento de v , com mesma direção e sentido de v se α > 0.




 α vezes o comprimento de v , com mesma direção e sentido contrário de v se α < 0.
Figura 9 − Multiplicação de vetor por escalar
Em termos de coordenadas, temos que se v = (x, y) e w

= λv , então w
= (λx, λy).
Propriedade 2: (Propriedades da multiplicação por um escalar): Sejam u e v vetores quaisquer

e α e β números reais, são válidos os seguintes resultados:
I) α(βu) = (αβ)u.
II) (α + β)u = αu + βu.
III) α(u + v ) = αu + αv .
IV) 1 · u = u.
Prova do item (I), temos α(βu) = α(β(x, y)) = α(βx, βy) = (αβx, αβy) = (αβ)(x, y) = (αβ)u.
ESPAÇOS VETORIAIS
241
228
Exemplo 2: Considere u = (3, −2) um vetor do plano cartesiano e α ∈ R.
Se α = 4, temos

4u = 4 · 3, 4 · (−2) = (12, −8)
Se α = −2, temos

−2u = − 2 · 3, −2 · (−2) = (−6, 4)
1
Se α = , temos
3
1 1 1 2
u = · 3, · (−2) = 1, −
3 3 3 3
Vetores no Espaço
Inicialmente introduziremos um sistema de coordenadas retangulares no espaço. Para isso,

escolhemos um ponto como origem, o qual denotamos por O, e, como eixos coordenados, três
retas orientadas que se interceptam no ponto O, ortogonais entre si. A cada ponto P do espaço
associamos um terno ordenado de números (x1 , y1 , z1 ), chamado de coordenadas do ponto P , como
exposto a seguir..
Figura 10 − Representação de um ponto P no espaço
Como no caso dos vetores no plano, definimos as componentes de um vetor v como sendo
as coordenadas (x1 , y1 , z1 ) do ponto final do representante de v que tem ponto inicial na origem.
Escrevemos simplesmente:
v = (x1 , y1 , z1 )
Vetores
242 UNIDADE IV
229
Figura 11 − Representação de vetor no espaço
Assim como fizemos para vetores no plano, a soma de dois vetores e o produto de um vetor
por um escalar (número real) também são definidas da mesma forma, isto é,
se u = (x1 , y1 , z1 ) e v = (x2 , y2 , z2 ), então a soma u + v é dada por
u + v = (x1 + x2 , y1 + y2 , z1 + z2 )
e
se u = (x1 , y1 , z1 ) e α ∈ R, então o produto αu é dado por
αu = (αx1 , αy1 , αz1 ).
As propriedades de soma de dois vetores e multiplicação de vetor por um escalar, descritas

para vetores no plano, continuam valendo para vetores no espaço.
Exemplo 3: Sejam os vetores u = (1, −3, 2) e v = (4, 2, 1), vamos determinar u + v , v − u e 3u.
a) u + v = (1 + 4, −3 + 2, 2 + 1) = (5, −1, 3)
b) v − u = v + (−u) = (4 − 1, 2 + 3, 1 − 2) = (3, 5, −1)
c) 3u = (3 · 1, 3 · (−3), 3 · 2) = (3, −9, 6)
ESPAÇOS VETORIAIS
243
230
ESPAÇO VETORIAL
ESPAÇO VETORIAL
Definição 1: (Espaço Vetorial): Considere um conjunto V no qual estão definidas duas operações:
uma adição, que a cada par de elementos u e v de V associa um elemento u + v de V , chamada
soma de u com v e uma multiplicação por escalar, que a cada número real α e a cada elemento
v de V associa um elemento αv de V , chamado produto de α por v. Dizemos que o conjunto V
munido dessas operações é um espaço vetorial real se são satisfeitas as seguintes condições, para
u, v e w de V e para α e β reais:
I) u + v = v + u - comutatividade.
II) u + (v + w) = (u + v) + w - associatividade.
III) Existe 0 ∈ V tal que u + 0 = u - existência de elemento neutro da adição.
IV) Para cada v ∈ V , existe um elemento de V , o qual denotamos de −v tal que v + (−v) = 0 -
existência do oposto.
V) α(βv) = (αβ)v - associatividade.
VI) (α + β)v = αv + βv - distributividade.
VII) α(u + v) = αu + αv - distributividade.
VIII) 1 · u = u.
Os vetores no plano cartesiano, bem como vetores no espaço tridimensional, como visto
anteriormente, formam um espaço vetorial, o conjunto dos números reais também é uma espaço
vetorial. Existem vários conjuntos que têm as mesmas caracterı́sticas dos vetores no plano ou no
espaço, tais conjuntos têm grande aplicação na matemática. Na sequência vamos listar alguns
exemplos de conjuntos que são e outros que não são espaços vetoriais. Para saber se um conjunto
é um espaço vetorial, é necessário verificar todos os 8 itens da definição 1, mas se um deles não for
satisfeito, então não será um espaço vetorial.
Espaço Vetorial
244 UNIDADE IV
231
Exemplo 4: Verifique se o conjunto V = {(x, y)|x, y ∈ R} é um espaço vetorial sobre R. Com a

adição definida, como segue
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , 0),
e multiplicação por escalar, como no R2 , isto é, para cada α ∈ R, temos
α(x, y) = (αx, αy).
Vamos tentar verificar cada item do (I) ao (VIII), no entanto, se algum item não for satis-
feito, podemos parar. Assim, sejam u = (x1 , y1 ), v = (x2 , y2 ) e w = (x3 , y3 ).
I) u + v = (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , 0) = (∗), por outro lado, temos
v + u = (x2 , y2 ) + (x1 , y1 ) = (x2 + x1 , 0) = (x1 + x2 , 0) = (∗), logo o item (I) é verificado.
II) u + (v + w) = (x1 , y1 ) + [(x2 , y2 ) + (x3 , y3 )] = (x1 , y1 ) + (x2 + x3 , 0) = (x1 + x2 + x3 , 0) = (∗∗),

além disso,
(u + v) + w = [(x1 , y1 ) + (x2 , y2 )] + (x3 , y3 ) = (x1 + x2 , 0) + (x3 , y3 ) = (x1 + x2 + x3 , 0) = (∗∗), assim
u + (v + w) = (u + v) + w.
III) u + O = (x1 , y1 ) + (0, 0) = (x1 + 0, 0) = (x1 , 0) = u, ou seja, não existe o elemento neutro tal
que u + O = u. Como esse item não é verificado logo o conjunto V não é um espaço vetorial.
Exemplo 5: O conjunto W = {(x, 2x, 3x); x ∈ R} com as operações usuais é um espaço vetorial.
Sejam u = (a, 2a, 3a), v = (b, 2b, 3b), w = (c, 2c, 3c) com u, v, w ∈ R3 e α, β ∈ R, assim
I) u + v = (a, 2a, 3a) + (b, 2b, 3b)
= (a + b, 2a + 2b, 3a + 3b)
= (b + a, 2b + 2a, 3b + 3a)
= (b, 2b, 3b) + (a, 2a, 3a)
= v+u
ESPAÇOS VETORIAIS
245
232
II) u + (v + w) = (a, 2a, 3a) + [(b, 2b, 3b) + (c, 2c, 3c)]
= (a, 2a, 3a) + (b + c, 2b + 2c, 3b + 3c)
= (a + b + c, 2a + 2b + 2c, 3a + 3b + 3c)
= (a + b, 2a + 2b, 3a + 3b) + (c, 2c, 3c)
= [(a, 2a, 3a) + (b, 2b, 3b)] + (c, 2c, 3c)
= (u + v) + w
III) u + 0 = (a, 2a, 3a) + (0, 0, 0)
= (a + 0, 2a + 0, 3a + 0)
= (a, 2a, 3a)
= u
IV) u + (−u) = (a, 2a, 3a) + (−a, −2a, −3a)
= (a − a, 2a − 2a, 3a − 3a)
= (0, 0, 0)
= 0
V) α(βv) = α(β(b, 2b, 3b))
= α(βb, β2b, β3b)
= (αβb, αβ2b, αβ3b)
= αβ(b, 2b, 3b)
= (αβ)v
VI) (α + β)v = (α + β)(b, 2b, 3b)
= ((α + β)b, (α + β)2b, (α + β)3b)
= (αb + βb, α2b + β2b, α3b + β3b)
= (αb, α2b, α3b) + (βb, β2b, β3b)
= α(b, 2b, 3b) + β(b, 2b, 3b)
= αv + βv
Espaço Vetorial
246 UNIDADE IV
233
VII) α(u + v) = α[(a, 2a, 3a) + (b, 2b, 3b)]
= α(a + b, 2a + 2b, 3a + 3b)
= (α(a + b), α(2a + 2b), α(3a + 3b))
= (αa + αb, α2a + α2b, α3a + α3b)
= (αa, α2a, α3a) + (αb, α2b, α3b)
= α(a, 2a, 3a) + α(b, 2b, 3b)
= αu + αv
VIII) 1 · u = 1(a, 2a, 3a)
= (1 · a, 1 · 2a, 1 · 3a)
= (a, 2a, 3a)
= u
  

 0 a 

 
Exemplo 6: Verifique se o conjunto A =   ∈ M2×2 ; a, b ∈ R com as operações usuais

 b 0 

é um espaço vetorial.
     
 0 a1   0 a2   0 a3 
Sejam A1 =  , A2 =   e A3 =   matrizes pertencentes a A, α, β e γ
b1 0 b2 0 b3 0
números reais.
         
 0 a1   0 a2   0 + 0 a1 + a2   0 + 0 a2 + a1   0 a2 
I) A1 +A2 =  + = = = +
b1 0 b2 0 b 1 + b2 0 + 0 b 2 + b1 0 + 0 b2 0
 
 0 a1 
  = A2 + A1
b1 0
         
 0 a1   0 a2   0 a3   0 + 0 a1 + a2   0 a3 
II) (A1 +A2 )+A3 =  + + = + 
b1 0 b2 0 b3 0 b 1 + b2 0 + 0 b3 0
     
 0 + 0 + 0 a1 + a2 + a3   0 a1   0 + 0 a2 + a3 
=  = +  = A1 +(A2 +A3 )
b 1 + b 2 + b3 0+0+0 b1 0 b 2 + b3 0 + 0
ESPAÇOS VETORIAIS
247
234
   
 0 a1   0 0 
III) Dada a matriz A1 =  , tome O =   e obtemos que
b1 0 0 0
       
 0 a1   0 0   0 + 0 a 1 + 0   0 a1 
A1 + O =  + = =  = A1
b1 0 0 0 b1 + 0 0 + 0 b1 0
   
 0 a1   0 a1 
IV) Dada a matriz A1 =  , basta tomar −A1 =   e obtemos
b1 0 −b1 0
       
 0 a1   0 −a1   0+0 a1 + (−a1 )   0 a 1 − a1 

A1 + (−A1 ) =  + = = 
b1 0 −b1 0 b1 + (−b1 ) 0+0 b1 − b1 0 + 0
 
 0 0 
= =O
0 0
       
 0 a1   (αβ)0 (αβ)a1   αβ0 αβa1   β0 βa1 
V) (αβ)A1 = (αβ)  = =  = α 
b1 0 (αβ)b1 (αβ)0 αβb1 αβ0 βb1 β0
    
 β0 βa1    0 a1 
= α   = α β   = α(βA1 )
βb1 β0 b1 0
     
 0 a1   (α + β)0 (α + β)a1   α0 + β0 αa1 + βa1 
VI) (α + β)A1 = (α + β)  = = 
b1 0 (α + β)b1 (α + β)0 αb1 + βb1 α0 + β0
       
 α0 αa1   β0 βa1   0 a1   0 a1 
= +  = α +β  = αA1 + βA1
αb1 α0 βb1 β0 b1 0 b1 0
       
 0 a1   0 a2   0 + 0 a1 + a2   α(0 + 0) α(a1 + a2 ) 
VII) α(A1 +A2 ) = α  +  = α  = 
b1 0 b2 0 b 1 + b2 0 + 0 α(b1 + b2 ) α(0 + 0)
         
 α0 + α0 αa1 + αa2   α0 αa1   α0 αa2   0 a1   0 a2 
= = +  = α +α  
αb1 + αb2 α0 + α0 αb1 α0 αb2 α0 b1 0 b2 0
= αA1 + αA2
Espaço Vetorial
248 UNIDADE IV
235
     
 0 a1   1.0 1.a1   0 a1 
VIII) 1.A1 = 1.  = =  = A1
b1 0 1.b1 1.0 b1 0
Portanto, como os 8 itens estão satisfeitos, concluı́mos que o conjunto A é um espaço
vetorial.
Os elementos de um espaço vetorial são chamados vetores. O elemento neutro da soma é

→
−
chamado vetor nulo e denotado por 0 ou 0 . Veremos mais adiante que vetores podem ser polinô-
mios, matrizes, funções, etc.
SUBESPAÇO VETORIAL
SUBESPAÇO VETORIAL
Sejam V um espaço vetorial e W um subconjunto não vazio de V , dizemos que W é um
subespaço vetorial de V , ou simplesmente um subespaço de V , se W , com as operações de adição
em V e de multiplicação de vetores de V por escalares, é um espaço vetorial.
No entanto, não precisamos provar todas as propriedades de espaço vetorial. Como o sub-
conjunto W é parte de V o qual é, por definição, espaço vetorial, basta observarmos as condições
necessárias para que um subconjunto W seja um subespaço vetorial na definição seguinte.
Definição 2: Sejam V um espaço vetorial e W um subconjunto não vazio de V . Então, W é um

subespaço de V se, e somente se, as seguintes condições são satisfeitas:
I) Se u, v ∈ W , então u + v ∈ W .
II) Se a ∈ R e u ∈ W , então au ∈ W .
Exemplo 7: Seja V um espaço vetorial, então o conjunto {0}, constituı́do apenas do vetor nulo,
e também todo o espaço V são subespaços de V . O conjunto {0} é chamado de espaço vetorial
nulo.
De fato, é claro que {0} = ∅. Além disso, dados dois elementos de {0}, a soma deles
pertence a {0} (o único elemento que existe para considerarmos é 0) e o produto de um número
real qualquer por um elemento de {0} resulta no vetor nulo, pertencendo, portanto, a {0}.
ESPAÇOS VETORIAIS
249
236
Para verificar que V é subespaço vetorial de V , basta aplicar diretamente a definição de

subespaço vetorial e observar que V ∩ V é obviamente um espaço vetorial com respeito às mesmas
operações. Por serem os subespaços mais simples do espaço vetorial V , {0} e V são chamados
subespaços triviais de V .
Exemplo 8: Seja V = Rn e sejam i1 , i2 , . . . , ir números naturais tais que 0 < i1 < i2 < · · · < ir
n, o conjunto
W = {(x1 , x2 , . . . , xn ); xir = xi2 = · · · = xir = 0}
é um subespaço vetorial de Rn . Em particular, W1 = {(0, y, z); y, z ∈ R} e W2 = {(0, y, 0); y ∈ R}

são subespaços vetoriais de R3 .
Exemplo 9: Considere S = {(x, 2x); x ∈ R}. O conjunto S é um subespaço vetorial de R2 .

De fato, S = ∅, porque para (0, 0) ∈ S basta considerar x = 0.
Seja u ∈ S e v ∈ S, digamos u = (x, 2x) e v = (y, 2y), com x, y ∈ R, temos que
u + v = (x, 2x) + (y, 2y) = (x + y, 2x + 2y) = (x + y, 2(x + y)).
Assim, obtemos que u + v ∈ S.

Se α ∈ R e u = (x, 2x) ∈ S, então:
αu = α(x, 2x) = (αx, α2x) = (αx, 2(αx)) ∈ S.
Exemplo 10: Considere o espaço vetorial V = M (n, n) formado pelo conjunto das matrizes
quadradas de ordem n; o subconjunto W das matrizes triangulares superiores é um subespaço
vetorial, pois a soma de matrizes triangulares superiores ainda é uma matriz triangular superior,
assim como o produto de uma matriz triangular superior por um escalar.
Exemplo 11: Considere o espaço vetorial V = R2 e o subconjunto W = {(x, x2 ); x ∈ R}. W não

é um subespaço vetorial, pois se escolhermos u = (1, 1) e v = (2, 4), temos
u + v = (3, 5) ∈ W.
Exemplo 12: Sejam E um espaço vetorial e v ∈ E um vetor não nulo, o conjunto F = {αv; α ∈ R}
de todos os múltiplos de v é um subespaço vetorial de E, chamado a reta que passa pela origem e
contém v.
Subespaço Vetorial
250 UNIDADE IV
237
Exemplo 13: Os chamados vetores canônicos
e1 = (1, 0, 0, . . . , 0),
e2 = (0, 1, 0, . . . , 0),
..
.
en = (0, 0, 0, . . . , 1)
constituem um conjunto de geradores do espaço Rn . De fato, dado v = (x1 , x2 , . . . , xn ) ∈ Rn ,

tem-se v = x1 e1 + x2 e2 + · · · + xn en . É fácil ver que o conjunto de todas as combinações lineares
que se podem formar com vetores retirados de um subconjunto X de um espaço vetorial E é, de
fato, um subespaço vetorial.
Exemplo 14: Considere todos os vetores em R2 cujos componentes sejam positivos ou nulos.
Esse subconjunto é o primeiro quadrante do plano xy e as coordenadas satisfazem x 0 e y 0.
Tal conjunto não é um subespaço, mesmo que ele contenha zero e que a soma nos deixe dentro
do subconjunto. A segunda condição para que um subconjunto seja subespaço vetorial é violada,
pois, se o escalar for −1 e o vetor for v = (1, 1), teremos
−1v = −1(1, 1) = (−1, −1),
o qual não pertence ao primeiro quadrante.
Exemplo 15: O conjunto W = {(x, y, z) ∈ R3 ; x ∈ Z} não é um subespaço vetorial. De fato, se

tomarmos um α ∈ {R − Q} e um vetor u = (x, y, z) com x ∈ Z temos, na segunda condição de
subespaço vetorial,
I) αu = α(x, y, z) = (αx, αy, αz) como o produto αx ∈ Z, temos que αu ∈ W .
Exemplo 16: O conjunto w = {(x, y, z) ∈ R3 ; x − 3z = 0} é um subespaço vetorial, pois podemos

verificar claramente que esse conjunto é diferente de vazio. Por outro lado, temos
I) Dados u = (3z1 , y1 , z1 ) e v = (3z2 , y2 , z2 ) com u, v ∈ W , temos
u + v = (3z1 , y1 , z1 ) + (3z2 , y2 , z2 )
= (3z1 + 3z2 , y1 + y2 , z1 + z2 )
= (3(z1 + z2 ), y1 + y2 , z1 + z2 ) ∈ W
ESPAÇOS VETORIAIS
251
238
II) Dado α ∈ R e u = (3z, y, z), temos:
αu = α(3z, y, z)
= (α3z, αy, αz)
= (3αz, αy, αz) ∈ W
Portanto, pelo exposto, temos que o conjunto W é um subespaço do R3 .
Operações com subespaços

Como espaços vetoriais são conjuntos, um questionamento pertinente seria sobre a união e
a interseção de conjuntos. Será que essas operações preservam a propriedade de espaço vetorial?
Ao longo desta subseção, teremos material para responder a essa pergunta.
Exemplo 17: Considere os conjuntos U = {(x, y) ∈ R2 ; x+y = 0} e W = {(x, y) ∈ R2 ; x−y = 0}.

É de fácil verificação que esses conjuntos são subespaços do R2 , mas o conjunto U ∪ W não é
subespaço do R2 . Pois, se tomarmos u = (1, 1) ∈ U ∪ W e w = (1, −1) ∈ U ∪ W obtemos
u + w = (2, 0) ∈ U ∪ W .
Esse exemplo mostra que a união de dois subespaços de um espaço vetorial V não é ne-
cessariamente um subespaço de V . O próximo teorema mostra que a interseção de subespaços é
sempre um subespaço.
Teorema 1: A interseção de dois subespaços de um espaço vetorial V é um subespaço de V .

Prova: Considere U e W subespaços de V . Para verificarmos que U ∩ W é também um subespaço
de V , primeiramente note que U ∩ W é um subconjunto não vazio de V , pois 0 ∈ U e 0 ∈ W ,
já que ambos U e W são subespaços de V . Agora, tomemos a ∈ R e u, v ∈ U ∩ W . Como
u, v ∈ U e u, v ∈ W , sendo U e W subespaços de V , segue que u + av ∈ U e u + av ∈ W , ou seja,
u + av ∈ U ∩ W . Segue que U ∩ W é um subespaço de V .
Exemplo 18: Considere o espaço vetorial V = R3 , Π1 e Π2 planos distintos passando pela origem.
Note que a interseção Π1 ∩ Π2 é uma reta que também é um subespaço de R3 .
Subespaço Vetorial
252 UNIDADE IV
239
Exemplo 19: Considere o espaço vetorial V = R3 e as retas concorrente r1 e r2 que passam pela
origem. Assim, r1 ∩ r2 = {0} é um subespaço vetorial de R3 , mas r1 ∪ r2 é o feixe formado pelas
duas retas, que não é subespaço vetorial de R3 .
Um problema surge neste momento. Quando consideramos a união de subespaços e se to-

marmos um vetor de cada subespaço, a soma desses vetores pode não pertencer à união. Com isso,
temos a definição seguinte.
Definição 3: Dados U e W subespaços de um espaço vetorial V , definimos a soma de U e W ,
denotada por U + W , como o conjunto
U + W = {u + w; u ∈ U e w ∈ W }.
Exemplo 20: Considere os mesmos conjuntos U e W definidos no exemplo 17. Temos que
U + W = R2 , e, consequentemente, U + W é um subespaço de R2 . De fato, se (x, y) ∈ R2 , então

x−y y−x x+y x+y
(x, y) = , + , ,
2 2 2 2
isto é, todo elemento de R2 se escreve como a soma de um elemento de U e um elemento de W .
Teorema 2: A soma de dois subespaços U e W de um espaço vetorial V é um subespaço de V .
A prova desse teorema fica como exercı́cio para o(a) leitor(a).
COMBINAÇÃO LINEAR
COMBINAÇÃO LINEAR
Considere o espaço vetorial V e os vetores v1 , v2 , . . . , vn ∈ V . Um vetor v ∈ V poderá ser

escrito como combinação linear dos vetores v1 , v2 , . . . , vn se existirem números reais a1 , a2 , . . . , an
tal que se tenha
v = a1 v1 + a2 v2 + · · · + an vn
ESPAÇOS VETORIAIS
253
240
Exemplo 21: O vetor v = (8, 3, 11) do R3 é uma combinação linear dos vetores u1 = (−1, 2, 3),
u2 = (4, 0, 1) e u3 = (2, 1, −2). Para verificarmos essa afirmação, temos que encontrar números
reais a1 , a2 e a3 para que tenhamos
v = a1 u1 + a2 u2 + a3 u3
ou ainda
(8, 3, 11) = a1 (−1, 2, 3) + a2 (4, 0, 1) + a3 (2, 1, −2)
e essa equação equivale ao sistema





 −a1 + 4a2 + 2a3 = 8

 2a1 + a3 = 3



 3a + a − 2a = 11
1 2 3
escalonando, obtemos 



 −a1 + 4a2 + 2a3 = 8

 8a2 + 5a3 = 19



 −33a3 = 33
e, com isso, encontramos facilmente os valores a1 = 2, a2 = 3 e a3 = −1. Portanto, temos
v = 2u1 + 3u2 − u3 .
Uma vez fixados vetores u1 , u2 , . . . , un pertencentes ao espaço vetorial V , o conjunto W de

todas as combinações lineares de u1 , u2 , . . . , un é um subespaço vetorial. Chamaremos o conjunto
W de subespaço gerado por u1 , u2 , . . . , un o qual denotamos por
W = [u1 , u2 , . . . , un ].
Exemplo 22: O espaço gerado pelo vetor u = (2, −1, 1) em R3 é o conjunto W = {α(2, −1, 1); α ∈
R} já que uma combinação linear de u é um múltiplo escalar de u.
Exemplo 23: Se v1 , v2 ∈ R3 são tais que βv1 = v2 para todo β ∈ R, então [v1 , v2 ] será o plano
que passa pela origem e contém v1 e v2 .
Combinação Linear
254 UNIDADE IV
241
Exemplo 24: O subespaço de R3 gerado pelos vetores u1 = (1, 2, 0), u2 = (3, 0, 1) e u3 = (2, −2, 1)
é o plano de equação 2x − y − 6z = 0. Note que os vetores dados satisfazem a equação obtida para
o subespaço gerado por eles.
Vimos que, dado um conjunto de vetores de um espaço vetorial V , o conjunto de todas as suas
combinações lineares é um subespaço vetorial de V . Será que todo subespaço S de V é gerado
por um conjunto de vetores? A resposta para essa pergunta é sim. Na sequência, listamos alguns
exemplos sobre esse questionamento.
Exemplo 25: Considere o conjunto S = {(x, 2x); x ∈ R}. Note que todos os elementos de S
são da forma (x, 2x) = x(1, 2). Variando o valor de x obtemos diversos elementos do conjunto
S. Ora, se x(1, 2) é a expressão de uma combinação linear de (1, 2), todos os elementos de S são
combinações lineares de (1, 2).
Exemplo 26: Considere S = {(x, x + y, y); x, y ∈ R}. Temos que todos os elementos de S são da
forma (x, x + y, y), mas podemos escrever essa forma de outra maneira, como segue
(x, x + y, y) = (x, x, 0) + (0, y, y) = x(1, 1, 0) + y(0, 1, 1).
Assim, os elementos do conjunto S são combinações lineares dos vetores (1, 1, 0) e (0, 1, 1). Podemos
escrever, então, S = [(1, 1, 0), (0, 1, 1)].
Exemplo 27: Agora, considerando S = {(x, y, z); x + y − z = 0}, para encontrarmos os geradores,
observemos que na igualdade x + y − z = 0 obtemos z = x + y. Assim todo elemento de S tem a
forma (x, y, x + y). Prosseguindo do mesmo modo que no exemplo anterior, temos
(x, y, x + y) = (x, 0, x) + (0, y, y) = x(1, 0, 1) + y(0, 1, 1).
Portanto, S é gerado pelos vetores (1, 0, 1) e (0, 1, 1), ou seja,
S = [(1, 0, 1), (0, 1, 1)].
ESPAÇOS VETORIAIS
255
242
DEPENDÊNCIA E INDEPENDÊNCIA LINEAR

DEPENDÊNCIA E INDEPENDÊNCIA LINEAR
Vimos na seção anterior que um conjunto finito de vetores α gera um dado espaço vetorial
V se cada vetor em V pode ser escrito como uma combinação linear dos vetores de α. Em geral,
pode haver mais de uma maneira de expressar um vetor em V como uma combinação linear de
vetores de um conjunto gerador.
Em um curso de Álgebra Linear, é essencial sabermos se um vetor é uma combinação li-

near de outros. Nesta seção, vamos estudar as condições com as quais cada vetor de um espaço
vetorial V só pode ser escrito exatamente de uma única maneira como combinação linear de um
conjunto gerador de vetores. Conjuntos geradores com essa propriedade desempenham um papel
fundamental no estudo de espaços vetoriais.
Definição 4: Seja V um espaço vetorial e v1 , v2 , . . . , vn vetores de V , dizemos que o conjunto

{v1 , v2 , . . . , vn } é linearmente independente (LI) ou que os vetores v1 , v2 , . . . , vn são LI, se a equação
a1 v1 + a2 v2 + · · · + an vn = 0
implica que a1 = a2 = · · · = an = 0. No caso em que exista algum ai = 0, dizemos que

{v1 , v2 , . . . , vn } é linearmente dependente (LD) ou que os vetores v1 , v2 , . . . , vn são LD.
De uma outra forma, para vetores linearmente dependentes (LD), temos a seguinte definição:
Definição 5: O conjunto de vetores {v1 , v2 , . . . , vn } é LD se, e somente se, um desses vetores for
uma combinação linear dos outros.
Exemplo 28: Os vetores canônicos e1 = (1, 0, . . . , 0), . . . e en = (0, . . . , 0, 1) em Rn são LI. De

fato, a equação a1 e1 + · · · + an en = 0 significa (a1 , . . . , an ) = (0, . . . , 0), logo a1 = · · · = an = 0.
Exemplo 29: Os monômios 1, x, . . . , xn em Pn (polinômios de grau n) são LI, pois a0 + a1 x +

· · · + an xn = p(x) é o vetor nulo em Pn somente quando p(x) é a função identicamente nula, isto
é, p(x) = 0 para todo x ∈ R. Isso obrigaria a ser a0 = · · · = an = 0, pois um polinômio não nulo
de grau k tem no máximo k raı́zes reais.

256 UNIDADE IV
243
Exemplo 30: Os vetores u = (1, 2, 3), v = (4, 5, 6) e w = (7, 8, 9) em R3 são LD. De fato, vamos
analisar a equação
a1 u + a2 v + a3 w = 0,
isto é,
a1 (1, 2, 3) + a2 (4, 5, 6) + a3 (7, 8, 9) = 0
ou ainda
(a1 , 2a1 , 3a1 ) + (4a2 , 5a2 , 6a2 ) + (7a3 , 8a3 , 9a3 ) = 0,
o que resulta no sistema 



 a1 + 4a2 + 7a3 = 0

 2a1 + 5a2 + 8a3 = 0



 3a + 6a + 9a = 0
1 2 3
escalonando, obtemos 



 a1 + 4a2 + 7a3 = 0

 a2 + 2a3 = 0



 0=0
o que implica que o sistema admite infinitas soluções, isto é, exitem valores para a1 , a2 e a3
diferentes de zero. Logo pela definição 4 temos que os vetores u, v e w são LD.
Um outro modo de verificar que esses vetores são LD é observar que w = 2v − u. Ou seja,
um dos vetores é combinação linear dos outros e a definição 5 nos diz que, quando isso acontece,
esses vetores são LD.
Lembremos que, dado um conjunto {v1 , v2 , ..., vn }, se todo vetor w ∈ W pode ser escrito como
combinação linear dos vetores v1 , v2 , ..., vn , então dizemos que o conjunto formado pelos vetores
v1 , v2 , ..., vn gera o espaço W . Notação W = [v1 , v2 , ..., vn ].
ESPAÇOS VETORIAIS
257
244
Exemplo 31: Se v1 = (2, −1, 0, 3), v2 = (1, 2, 5, −1) e v3 = (7, −1, 5, 8), então o conjunto de
vetores S = {v1 , v2 , v3 } é LD, pois v3 = 3v1 + v2 .
Exemplo 32: Considere o conjunto S = {v1 , v2 }, em que v1 = (1, 0, 1) e v2 = (0, 1, 1), é LI. De
fato, podemos verificar analisando o seguinte: seja α ∈ R tal que se tenha
v1 = αv2
ou ainda
(1, 0, 1) = (0, α, α)
e, com isso, obtemos

α = 1, α = 0 e 1 = 0,
o que é um absurdo. Com essa análise verificamos que esses vetores não são múltiplos, isto é, um
não é combinação linear do outro. Uma outra forma de verificar será mostrada a seguir. Considere
a equação
α1 v1 + α2 v2 = 0
e, com isso, obtemos

(α1 , 0, α1 ) + (0, α2 , α2 ) = 0
que resulta em
α1 = α2 = 0.
Logo, basta observarmos a definição de vetores no inı́cio da unidade.
Exemplo 33: Processo Prático: Considere o conjunto {(2, 1, 1, 0), (1, 0, 1, 2), (0, −1, 1, 4)} de
vetores contidos em R4 , verificaremos se eles são LD ou LI utilizando um processo prático. Primeiro,
formamos com esses vetores as linhas de uma matriz simbólica
 
 2 1 1 0 
 
 1 0 1 2 .
 
 
0 −1 1 4

258 UNIDADE IV
245
Em seguida, escalonamos essa matriz obtendo, por exemplo,

 
 1 0 1 2 
 
 0 1 −1 −4 
 
 
0 0 0 0
e, neste caso, como apareceu uma linha toda nula, dizemos que o conjunto dado é LD. Caso não
apareça linhas todas nulas após o escalonamento, dizemos que o conjunto será LI.
O exemplo anterior nos mostra uma técnica interessante. Uma forma mais rápida para verificar a
dependência de conjuntos de vetores. Isso será de suma importância para a próxima seção, onde
vamos definir Base. Com esse processo descrito no exemplo anterior, poderemos encontrar uma
Base com mais facilidade.
Exemplo 34: Vamos verificar se o conjunto {(1, x − 1, x2 + 2x + 1, x2 )} de P4 (R) é LD ou LI.

Sejam a, b, c, d ∈ R, temos
a + b(x − 1) + c(x2 + 2x + 1) + d(x2 ) = 0.
Desenvolvendo, obtemos
a + bx − b + cx2 + 2cx + c + dx2 = 0
ou ainda
(c + d)x2 + (b + 2c)x + a − b + c = 0
e pela identidade de polinômios, segue que





 c+d=0

b + 2c = 0 .




 a−b+c=0
Permutando as linhas e escalonando, obtemos





 a−b+c=0

 b+c=0 .



 c+d=0
ESPAÇOS VETORIAIS
259
246
Mas esse sistema de equações possui infinitas soluções. Uma solução geral para o sistema
pode ser o conjunto S = {(3d, 2d, −d, d); d ∈ R} e, portanto, o sistema possui solução além da
trivial (a = b = c = d = 0). Logo, o conjunto é LD.
BASE
BASE
Vamos introduzir nesta seção dois conceitos essenciais no estudo de Espaços Vetoriais: Base
e Dimensão. Com esses dois conceitos, podemos esclarecer as estruturas desses espaços.
Definição 6: Seja B = {v1 , v2 , . . . , vn } um conjunto ordenado de vetores de um espaço vetorial

V , dizemos que B é uma base de V se as seguintes condições são verificadas:
I) B é LI.
II) V = [v1 , v2 , . . . , vn ].
Assim, uma base deve ser formado por um conjunto LI e também deve gerar o espaço em questão.
Vimos na seção anterior que a base canônica α = {e1 , e2 , e3 } com e1 = (1, 0, 0), e2 =
(0, 1, 0) e e3 = (0, 0, 1) é LI. Esse conjunto também gera R3 , pois qualquer vetor de R3 pode ser
representado como combinação linear da base canônica, isto é, seja u = (x, y, z) ∈ R3 , temos que
u = xe1 + ye2 + ze3 .
Exemplo 35: Considere

       
 1 0   0 1   0 0   0 0 
M1 =   , M2 =   , M3 =   e M4 =  .
0 0 0 0 1 0 0 1
O conjunto α = {M1 , M2 , M3 , M4 } é uma base de M (2, 2), isto é, o espaço vetorial das matrizes
quadradas de ordem 2. De fato, basta observamos que o conjunto α gera o espaço M (2, 2), isto é,
dado um vetor qualquer  
 x y 
M = 
z w
Base
260 UNIDADE IV
247
em M (2, 2), verificamos facilmente que
M = xM1 + yM2 + zM3 + wM4 .
Agora precisamos mostrar que o conjunto α é LI. Com efeito, seja a equação
a1 M1 + a2 M2 + a3 M3 + a4 M4 = 0
ou ainda          
 1 0   0 1   0 0   0 0   0 0 
a1   + a2   + a3   + a4  = .
0 0 0 0 1 0 0 1 0 0
Essa igualdade só ocorre se, e somente se, a1 = a2 = a3 = a4 = 0, portanto, o conjunto α é LI.
Exemplo 36: O conjunto {(0, 1), (0, 3)} não é uma base de R2 , pois é um conjunto LD. De fato,
podemos observar, por exemplo, se u = (0, 1) e v = (0, 3), temos que v = 3u, isto é, são múltiplos,
ou ainda, um é combinação linear do outro.
Exemplo 37: Vamos encontrar uma base do espaço solução do seguinte sistema:




 x−y−z−t=0

2x + y + t = 0 .




 z−t=0
Em primeiro lugar, vamos obter o conjunto solução desse sistema escalonando-o, isto é:
 

 


 x − y − z − t = 0 
 x−y−z−t=0
 
2x + y + t = 0 ⇒ .

  3y + 2z + 3t = 0


 

 z−t=0  z−t=0
Logo, o conjunto solução do sistema é

t 5t
α= , − , t, t ; t ∈ R .
3 3
ESPAÇOS VETORIAIS
261
248
Podemos escrever, ainda,

1 5
α= t , − , 1, 1 ; t ∈ R .
3 3

1 5
Assim, temos que o espaço solução do sistema em questão é gerado pelo vetor , − , 1, 1 , isto
3 3
é, se S é o espaço, temos que
1 5
S= , − , 1, 1 .
3 3
Agora basta mostrar que esse conjunto é LI. De fato, dado um α ∈ R, temos

1 5
α , − , 1, 1 = (0, 0, 0, 0)
3 3
cuja igualdade será verdadeira se, e somente se, α = 0.

Isso era de seesperar, pois todo conjunto
1 5
formado por um único vetor não nulo é LI e, portanto, , − , 1, 1 é base.
3 3
Exemplo 38: Encontremos uma base do subespaço W do R4 em que W = {(x, y, z, t) ∈ R4 ; x−y =

y e x − 3y + t = 0}. Seja (x, y, z, t) ∈ W com x = 2y e t = 3y − x = 3y − 2y = y, logo:
(x, y, z, t) = (2y, y, z, y)
= (2y, y, 0, y) + (0, 0, z, 0)
= y(2, 1, 0, 1) + z(0, 0, 1, 0).
Segue que W = [(2, 1, 0, 1), (0, 0, 1, 0)], o próximo passo é mostrar que esse conjunto é LI. De fato,
sejam α, β ∈ R, tal que
α(2, 1, 0, 1) + β(0, 0, 1, 0) = (0, 0, 0, 0)
ou ainda
(2α, α, 0, α) + (0, 0, β, 0) = (0, 0, 0, 0)
e com isso obtemos α = β = 0.
Teorema 3: Sejam v1 , v2 , . . . , vn vetores não nulos que geram um espaço vetorial V , então, dentre
esses vetores podemos extrair uma base de V .
Base
262 UNIDADE IV
249
Teorema 4: Considere V um espaço vetorial gerado por um conjunto finito de vetores v1 , v2 , . . . , vn .

Então, qualquer conjunto com mais de n vetores é necessariamente LD e, portanto, qualquer con-
junto LI tem no máximo n vetores. As demonstrações desses teoremas podem ser encontradas em
Boldrini (1980).
Uma consequência desses teoremas é que qualquer base de um espaço vetorial finitamente
gerado tem sempre o mesmo número de elementos. Esse número é chamado dimensão de V (e é
denotado por dim V ), assunto abordado na próxima subseção.
Teorema 5: Dada uma base β = {v1 , v2 , . . . , vn } de um espaço vetorial V , cada vetor de V é
escrito de maneira única como combinação linear de v1 , v2 , . . . , vn .
Definição 7: Considere β = {v1 , v2 , . . . , vn } base de V e v ∈ V em que v = a1 v1 +a2 v2 +. . .+an vn .

Denotamos esses números a1 , . . . , an de coordenadas de v em relação à base β e escrevemos
 
 a1 
 .. 
[v]β = 
 . .

 
an
Exemplo 39: Considere o espaço vetorial R2 e a base β = {(1, 1), (0, 1)}. Tomando o vetor
v = (2, 6), temos que v = 2(1, 1) + 4(0, 1), então
 
 2 
[v]β =   .
4
Em geral, se tivermos um vetor u = (x, y) ∈ R2 , as coordenadas de u em relação à base β será

 
 x 
[u]β =  .
y−x
 
 1 
Exemplo 40: Considere a base β = {(1, 1), (0, 2)} do R2 . Sejam u, v ∈ R2 , se [u]β =  ,
3
vamos determinar u. Se v = (2, 5), vamos determinar [v]β .
ESPAÇOS VETORIAIS
263
250
 
 1 
Vamos resolver a primeira parte. Como [u]β =  , então u = 1(1, 1) + 3(0, 2) =
3
(1, 1) + (0, 6) = (1, 7).
 
 v1 
Agora, se v = (2, 5) e [v]β =  , então
v2
(2, 5) = v1 (1, 1) + v2 (0, 2),

isto é,
(2, 5) = (v1 , v1 + 2v2 ),
o que resulta em 

 v =2
1
.

 v1 + 2v2 = 5 ⇒ 2 + 2v2 = 5 ⇒ v2 = 3/2
 
 2 
Portanto, [v]β =  .
3/2
Exemplo 41: Seja β = {2, 1 − t, 1 + t + t2 } uma base de P 2 [t], o espaço dos polinômios em uma
variável de grau 2, vamos determinar as coordenadas de u = t2 − 1 na base β.
 
 u 1 
 
Se β = {b1 , b2 , b3 } e [u]β =  
 u2 , então
 
u3
u = u 1 b 1 + u2 b 2 + u3 b 3 ,
isto é,
t2 − 1 = u1 (2) + u2 (1 − t) + u3 (1 + t + t2 ).
O que resulta
t2 − 1 = 2u1 + u2 − tu2 + u3 + tu3 + t2 u3
ou ainda
t2 − 1 = 2u1 + u2 + u3 + (−u2 + u3 )t + u3 t2 .
Base
264 UNIDADE IV
251
Comparando os coeficientes, obtemos:

 

 


 2u1 + u2 + u 3 = −1 
 u1 = −3/2
 
 −u2 + u3 = 0 , o que nos fornece  u2 = 1 .

 


 
 u =1
u3 = 1 3
 
 3/2 
 
Portanto, [u]β = 
 1 .

 
1
DIMENSÃO
DIMENSÃO
O número de elementos de uma base de um espaço vetorial V de dimensão finita é chamado

de dimensão de V e denotado por dim V . Se V é um espaço vetorial nulo, então convencionamos
dim V = 0.
Exemplo 42: Os espaços vetoriais Rn e M (m, n) são espaços vetoriais de dimensão finita. A
dimensão de Rn é n, já que a base canônica de Rn tem n elementos (ver exemplo 13). Por
essa razão, Rn é chamado de espaço n-dimensional. Os espaço vetoriais R2 e R3 são chamados
usualmente de espaços bidimensional e tridimensional, respectivamente. Já a dimensão de M (m, n)
é m · n, já que a base canônica de M (m, n) é formada por m · n matrizes distintas, cada uma das
quais possuindo uma única entrada igual a 1 e todas as demais entradas iguais a 0, ordenadas de
forma semelhante ao que foi visto no exemplo 35, que foi o caso de M (2, 2).
Exemplo 43: Os monômios 1, x, x2 , . . . , xn constituem uma base do espaço vetorial Pn dos po-
linômios de grau n, logo, Pn tem dimensão finita e dim Pn = n + 1.
Teorema 6: Qualquer conjunto de vetores LI de um espaço vetorial V de dimensão finita pode

ser completado de modo a formar uma base de V .
Em consequência deste teorema, temos que se dim V = n, qualquer conjunto de n vetores

LI formará uma base de V . A justificativa dessa consequência é simples. Se não formasse uma
base, poderı́amos, pelo teorema anterior, completar o conjunto até formá-la e dessa forma terı́amos
uma base com mais do que n vetores em V , o que é absurdo.
ESPAÇOS VETORIAIS
265
252
Exemplo 44: A dimensão de qualquer subespaço W do R3 só poderá ser 0, 1, 2 ou 3. Portanto,

temos que se dim W = 0, então W = {0} é a origem; se dim W = 1, então W é uma reta que
passa pela origem; se dim W = 2, então W é o plano que passa pela origem; se dim W = 3, então
W = R3 .
Exemplo 45: O conjunto W = {(2, 1), (−1, 3)} é uma base do R2 . De fato, pelo processo prático,
temos    
 2 1   2 1 
 ⇒ ,
−1 3 0 7
logo, o conjunto W é LI e dim W = 2. Podemos também verificar que o conjunto S = {(2, 1), (0, 7)}
também é uma base do R2 . Se quisermos ainda verificar se realmente o conjunto S, por exemplo,
gera o espaço R2 , basta observarmos que se (x, y) ∈ R2 com
(x, y) = a(2, 1) + b(0, 7),
x 2y − x
tomando a = eb= , teremos o desejado. Isto é, tomando os valores de a e b descritos
2 14
anteriormente, temos que qualquer conjunto do R2 pode ser escrito como combinação linear dos
elementos do conjunto S.
Exemplo 46: Considere os vetores v1 = (1, −1, 1, 2) e v2 = (−1, 1, −1, 0). Vamos completar o
conjunto {v1 , v2 } de modo a formar uma base do R4 . Como dim R4 = 4, uma base terá quatro
vetores LI. Logo, faltam dois vetores. Basta escolhermos dois vetores de R4 os quais não sejam
combinação linear dos vetores v1 e v2 . Essa tarefa é fácil, dos infinitos vetores existentes, podemos
escolher, por exemplo, v3 = (0, 0, 1, 1) e v4 = (0, 1, 1, 1). Com isso, o(a) leitor(a) pode verificar que
o conjunto {v1 , v2 , v3 , v4 } é LI e, portanto,
{(1, −1, 1, 2), (−1, 1, −1, 0), (0, 0, 1, 1), (0, 1, 1, 1)}
é uma base de R4 .
Teorema 7: Se U e W são subespaços de um espaço vetorial V que tem dimensão finita, então
dim U dim V e dim W dim V . Além disso,
dim(U + W ) = dim U + dim W − dim(U ∩ W )
Dimensão
266 UNIDADE IV
253
Exemplo 47: Sejam U e W os seguintes subespaços do R3 , U = {(x, y, z); x = z} e W =

{(x, y, z); x + y + z = 0}.
Vamos encontrar uma base e a dimensão dos conjuntos U + W e U ∩ W .
Em primeiro lugar, verifiquemos que se (x, y, z) ∈ U com x = z, temos
(x, y, x) = (x, 0, x) + (0, y, 0)
= x(1, 0, 1) + y(0, 1, 0).
Assim U = [(1, 0, 1), (0, 1, 0)], pois se analisarmos a matriz
 
 1 0 1 
 
0 1 0
temos, pelo processo prático, que esses vetores são LI. Logo dim U = 2.
Vamos verificar, agora, (x, y, z) ∈ W com x + y + z = 0, ou ainda, z = −x − y, assim
(x, y, −x − y) = (x, 0, −x) + (0, y, −y)
= x(1, 0, −1) + y(0, 1, −1).
Da mesma forma que U , temos que W = [(1, 0, −1), (0, 1, −1)] e dim W = 2.
Como visto antes, temos que
U + W = [(1, 0, 1), (0, 1, 0), (1, 0, −1), (0, 1, −1)]
e pelo processo prático

       
 1 0 1   1 0 1   1 0 1   1 0 1 
       
       
 0 1 0   0 1 0   0 1 0   0 1 0 
 ∼ ∼ ∼ .
       
 1 0 −1   0 0 −2   0 0 −2   0 0 −2 
       
       
0 1 −1 0 1 −1 0 0 −1 0 0 0
O processo realizado anteriormente foi o escalonamento. Podemos descartar a última linha nula e
ESPAÇOS VETORIAIS
267
254
assim
U + W = [(1, 0, 1), (0, 1, 0), (0, 0, −2)]
e dim(U + W ) = 3. Além disso, pelo Teorema 7, temos
dim(U + W ) = dim U + dim W − dim(U ∩ W ),
isto é,
3 = 2 + 2 − dim(U ∩ W ),
logo, dim(U ∩ W ) = 1.
Para exibirmos uma base de U ∩ W , tomamos (x, y, z) ∈ U ∩ W com x = z e x + y + x = 0

ou ainda y = −2x, assim
(x, −2x, x) = x(1, −2, 1).
Portanto, U ∩ W = [(1, −2, 1)].
Exemplo 48: Vamos obter uma base e a dimensão do subespaço U do R4 gerado pelos vetores
{(1, 1, 0, −2), (2, 0, −1, −1), (0, 1, −2, 1), (1, 1, 1, −3)}.
Montamos a matriz M dos vetores anteriores e utilizamos o processo prático (reduzi-la por
escalonamento):
     
 1 1 0 −2   1 1 0 −2   1 1 0 −2 
     
     
 2 0 −1 −1   0 −2 −1 3   0 −2 −1 3 
M =

∼
 
∼
 


 0 1 −2 1   0 1 −2 1   0 0 −5 5 
     
     
1 1 1 −3 0 0 1 −1 0 0 1 −1
 
 1 1 0 −2 
 
 
 0 −2 −1 3 
∼

.

 0 0 −5 5 
 
 
0 0 0 0
Vemos que o subespaço U tem base {(1, 1, 0, −2), (0, −2, −1, 3), (0, 0, −5, 5)} e dim U = 3.
Dimensão
268 UNIDADE IV
255
Exemplo 49: Sendo W e U subespaço do R4 de dimensão 3, qual a dimensão de U + W se o

conjunto {(1, 2, 1, 0), (−1, 1, 0, 1), (1, 5, 2, 1)} forma um conjunto de geradores de W ∩ U ?
Para respondermos essa pergunta, vamos, em primeiro lugar, escrever esses vetores em forma
de matriz e reduzi-la:
     
 1 2 1 0   1 2 1 0   1 2 1 0 
     
 −1 1 0 1  ∼  0 3 1 1  ∼  0 3 1 1 .
     
     
1 5 2 1 0 3 1 1 0 0 0 0
Temos que W ∩ U = [(1, 2, 1, 0), (0, 3, 1, 1)] e dim(W ∩ U ) = 2. Logo, como
dim(W + U ) = dim W + dim U − dim(W ∩ U )
segue
dim(W + U ) = 3 + 3 − 2 = 4.
ESPAÇOS VETORIAIS
269
256
Nesta unidade, fizemos uma breve revisão sobre os vetores, com suas caracterı́sticas geo-
métricas e também com suas propriedades algébricas. Motivados pela estrutura do conjunto dos
vetores e as operações usuais, foi possı́vel apresentar a definição de espaço vetorial bem como a de
subespaço vetorial, o qual se trata de subconjuntos de espaços vetoriais que são, por si mesmos,
espaços vetoriais também, considerando as mesmas operações definidas no espaço que os contém.
Vimos que, para comprovar que um subconjunto de um espaço vetorial é um subespaço, basta
verificar três condições: ser não vazio, ser fechado para as operações de adição e multiplicação por
número real.
Além disso, outro ponto abordado nesta unidade foi a forma de determinar um subespaço
gerado por um conjunto de vetores. Nesse caso, escrevemos um vetor genérico do espaço como
combinação linear dos vetores geradores.
Estudamos também as condições para que um conjunto seja linearmente independente (LI)
ou linearmente dependente (LD). Diferente da forma que foi apresentada na unidade I, no qual
tratava esses conceito em sua essência geométrica, nesta unidade, o foco foi no aspecto algébrico.
Na sequência vimos que um conjunto B gerador de um subespaço W e linearmente independente
é por definição uma base de W . As bases são conjuntos geradores mı́nimos para um subespaço, no
sentido de que se um conjunto tem mais elementos que uma base, então ele é LD, e se tem menos
elementos que uma base de W , então não gera W . Esse número mı́nimo de vetores que compõe a
base é chamado de dimensão d espaço ou subespaço em questão. Além disso, vimos também que
qualquer conjunto LI de um espaço V , com dimensão finita, pode ser completado de maneira a se
tornar uma base para V .
Finalizando esta unidade, enunciamos um teorema de grande importância, pois serve de

“Prova Real”. O teorema garante que a dimensão da soma de subespaços é igual à soma das
dimensões desses subespaços, subtraı́da da dimensão da interseção dos subespaços, isto é, dim(U +
W ) = dim U + dim W − dim(U ∩ W ). Esse teorema é uma consequência direta da teoria dos
conjuntos e tem vasta aplicação nas diversas teorias envolvendo a matemática.
270
258
ATIVIDADE DE ESTUDO
Nos problemas de 1 a 4, verificar quais deles são espaços vetoriais; para aqueles que não
são, citar qual axioma que não se verifica.
1) R3 , (x1 , y1 , z1 ) + (x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 ) e k(x, y, z) = (0, 0, 0).
2) {(x, 2x, 3x); x ∈ R} com as operações usuais.
3) R2 , (a, b) + (c, d) = (a, b) e α(a, b) = (αa, αb).
4) R2 , (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) e α(x, y) = (α2 x, α2 y).
  

 0 a 

 
5) A =   ∈ M (2, 2); a, b ∈ R com as operações usuais.

 b 0 

6) Verifique, em cada caso, se o conjunto W é um subespaço vetorial de R2 :
a) W = {(x, y); x + y = 0}
b) W = {(x, y); x + y = 1}
c) W = {(x, y); x2 = y}
d) W = {(x, y); −x + 3y = 0}
7) Verifique, em cada caso, se o conjunto W é um subespaço vetorial de R[x]:
a) W = {p(x) = a + bx + cx2 ; a, b, c ∈ Z}
b) W = {p(x) = a + bx + cx2 ; a = c = 0}
c) W = {p(x) = a + bx + cx2 ; c = a + b}
8) Determine, em cada caso, uma base e a dimensão de V , W , V + W e V ∩ W :
a) V = {(x, y, z)R3 ; x = y} e W = {(x, y, z) ∈ R3 ; x = y = z}
b) V = {[aij ]2×2 ; a11 = a22 e a12 = a21 } e W = {[aij ]2×2 ; a11 = a21 e a12 = a22 }
c) V = {(x, y, −x − 3y); x, y ∈ R} e W = {(0, 0, z); z ∈ R}
d) V = {(x, y, z, w) ∈ R4 ; x + 2y − w = 0} e W = {(x, x, x, x); x ∈ R}

271
259
e) V = {(x, x, x); x ∈ R} e W = {(0, 0, z); z ∈ R}
9) Considere o espaço vetorial R[x]. Determine se os polinômios f (x) = x3 + 4x2 − 2x + 3,

g(x) = x3 + 6x2 − x + 4 e h(x) = 2x3 + 8x2 − 8x + 7 são linearmente dependentes.
10) Verifique, em cada caso, se o conjunto de vetores de R3 indicado é linearmente dependente:
a) {(2, −1, 4), (−4, 10, 2)}
b) {(−3, 0, 4), (5, −1, 2), (1, 1, 3)}
c) {(1, 0, 2), (3, 1, 5), (−1, 2, 1), (4, 0, 1)}
       
 1 1   0 1   0 0   0 0 
11) Determine se as matrizes A =  , B =  , C =  eD= 
0 0 1 0 −1 −1 0 −1
formam uma base de M (2, 2).
12) Considere os vetores u = (1, −1, 1, 4), v = (3, 3, −3, 6) e w = (0, 4, −4, 0). Seja W o subespaço
de R4 gerado pelos vetores {u, v, w}. Complete o conjunto W de modo a esse novo conjunto forme
uma base para R4 .
272
257
Mudanças de Coordenadas em Sistemas de Cores
Uma aplicação da Álgebra Linear e Geometria Analı́tica se dá na Computação Gráfica: o

espaço espectral de cores é um espaço vetorial com 3 dimensões formadas a partir de três cores
primárias. Diferentes sistemas de coordenadas, também conhecidos por sistemas de cores, são
considerados nesse espaço, de acordo com a aplicação ou o dispositivo de saı́da gráfica, como tela
do computador, impressora, saı́da VGA ou HDMI.
Em vários casos, é necessário passar de um sistema de coordenadas para outro, e isso é

feito utilizando uma matriz de mudança de coordenadas. Por exemplo, a matriz de mudança de
coordenadas do sistema RGB para o sistema XY Z é uma matriz 3 × 3 obtida quando se considera
a cor branca como um ponto fixo da transformação. Nessa aplicação, estão envolvidos conceitos
de espaços vetoriais vistos nesta unidade e também o conceito de transformações lineares, assunto
na próxima unidade.
O Artigo completo você pode encontrar em:
<http://www.mat.ufmg.br/gaal/aplicacoes/sistemas de coordenadas de cores.pdf>

Acesso em: 03 abr. 2016.
Fonte: o autor.
O Romance das Equações Algébricas - A história da Álgebra

Gilberto G. Garbi
Editora: Makron Books
Sinopse: A obra representa algo inovador no Brasil e há de exercer
duradoura influência nos métodos de ensino da Matemática em nosso
país. Sem duvida, trata-se de uma obra que será muito bem recebida
por professores, alunos e aficionados e está destinada a despertar em
muitos jovens vocações até então desconhecidas para uma ciência que,
ainda hoje, injustificadamente, costuma ser envolta em um manto de
mistério e encarada com infundado temor. Em poucas palavras, um
livro fascinante.
274
REFERÊNCIAS 261
Referências
275
262
REFERÊNCIAS
GABARITO
GABARITO
Unidade IV
1) Não é um espaço vetorial, pois o item (VIII) não é 5) A é um espaço vetorial.
verificado. 6) a) é subespaço vetorial de R2 .
2) O conjunto é uma espaço vetorial. b) não é subespaço vetorial de R2 .
3) Não é uma espaço vetorial, devido ao item (I). c) não é subespaço vetorial de R2 .
4) Não é um espaço vetorial, pois não satisfaz o d) é subespaço vetorial de R2 .
item (VI).
7) a) não é subespaço vetorial. b) é subespaço vetorial de R2 . c) é subespaço vetorial de R2 .
8) a) Base para V é {(1, 1, 0), (0, 0, 1)} e dim V = 2

Base para W é {(1, 1, 1)} e dim W = 1
Base para V + W é {(1, 1, 0), (0, 0, 1)} e dim(V + W ) = 2
Base para V ∩ W é {(1, 1, 1)} e dim(V ∩ W ) = 1
   
 
 1 0
   0 1 
b) Base para V é  ,  e dim V = 2
 
 0 1 1 0 
   
 
 1 0
   0 1 
Base para é W é  ,  com dim W = 2
 
 1 0 0 1 
     

 1 

 0   0 1   1 0 
Base para V + W é  , ,  com dim(V + W ) = 3

 0 
1 1 0 1 0 
 

 1 

 1 
Base para V ∩ W é   com dim(V ∩ W ) = 1

 1 

1
c) Base para V é {(1, 0, −1), (0, 1, −3)} e dim V = 2

Base para V + W é {(1, 0, −1), (0, 1, −3), (0, 0, 1)} e dim(V + W ) = 3
Base para V ∩ W é {} e dim(V ∩ W ) = 0
GABARITO
263
d) Base para V é {(−2, 1, 0, 0), (0, 0, 1, 0), (1, 0, 0, 1)} e dim V = 3

Base para W é {(1, 1, 1, 1)} e dim W = 1
Base para V + W é {(−2, 1, 0, 0), (0, 0, 1, 0), (1, 0, 0, 1), (1, 1, 1, 1)} e dim(V + W ) = 4
e) Base para V é
{(1, 1, 1)} e dim V = 1
Base para V + W é {(1, 1, 1), (0, 0, 1)} e dim(V + W ) = 2
9) 10) 11)
{f, g, h} é LI a) LI Basta verificar que esse con-
b) LI junto gera o espaço das matri-
c) LD zes M (2, 2) e também que é LI.
12) Verifique que esse conjunto é LI e complete com um vetor, por exemplo t = (0, 0, 0, 1).
V
PRODUTO INTERNO,
UNIDADE
TRANSFORMAÇÕES LINEARES,
AUTOVALORES E AUTOVETORES
■■ Definir o produto interno de maneira algébrica.
■■ Reconhecer conjuntos ortogonais e ortonormais.
■■ Definir os conceitos de transformação linear, núcleo e imagem.
■■ Compreender os conceitos de autovalor e autovetor.
■■ Compreender o conceito de polinômio característico de uma matriz e
de uma transformação linear.
Plano de Estudo
■■ Produto interno
■■ Transformações lineares
■■ Núcleo e imagem de uma transformação linear
■■ Autovalores e autovetores
■■ Polinômio característico
279
265
INTRODUÇÃO
INTRODUÇÃO
Na unidade I, definimos uma aplicação binária denominada de produto escalar (produto

interno), que associava a cada par de vetores um número real (u.v = ||u||.||v ||.cosθ), mas essa
definição só poderia ser aplicada nos seguintes espaços vetoriais: reta real (eixo x), plano cartesiano
e no espaço tridimensional (R3 ), uma vez que seu cálculo depende do valor do cosseno do ângulo
formado por esses vetores. No entanto, tal resultado poderia ser obtido facilmente por meio do
teorema que nos dava como resultado u.v = x1 x2 + y1 y2 + z1 z2 , ou seja, não dependia do ângulo θ.
Motivados pelo resultado do teorema citado anteriormente, nesta unidade que trata da
Álgebra Linear, apresentamos de maneira algébrica alguns axiomas para definir o produto interno
(que não depende do ângulo formado pelos vetores). Tal definição pode ser generalizada para
vetores de qualquer dimensão, por exemplo, para vetores de R4 (espaço vetorial no qual não temos
condições de medir ângulos). Assim, definiremos o produto interno que pode ser aplicado para
vetores de qualquer dimensão. Na verdade, quando os espaços considerados são espaços euclidianos,
o produto interno e o produto escalar são aplicações coincidentes, mas, como veremos, o produto
interno pode ser definido para qualquer espaço vetorial, seja das matrizes, dos polinômios, etc.
O(a) leitor(a) deve se lembrar do conteúdo “funções”, estudado no ensino médio, bem como
na disciplina de Cálculo I, assunto esse que, em sua essência, é uma aplicação (relação binária) que
para cada elemento x de um conjunto (chamado de domı́nio) associa-se um outro elemento y de
outro conjunto (contradomı́nio), e é denotado por y = f (x). Esse último é chamado de imagem
de x pela aplicação f . De maneira análoga, apresentaremos as “transformações lineares”, que são
aplicações que relacionam dois conjuntos, mas nesse caso, esses conjuntos são espaços vetoriais. E,
assim como no estudo das funções, abordaremos alguns casos especiais, a saber, conjuntos que são
associados ao vetor nulo (raı́zes das funções) e o conjunto imagem de uma transformação.
Para finalizar nosso estudo da Álgebra Linear, apresentaremos um conjunto especial cha-
mado de autovetores. Assim, dado um espaço vetorial V e uma transformação linear T , queremos
encontrar vetores v e escalares λ, tais que T (v ) = λv , o conjunto (caso exista) desses vetores é
chamado de autovetores e os valores λ são chamados de autovalores. Para tanto, recorremos ao
cálculo de raı́zes de um polinômio, conhecido como polinômio caracterı́stico, e, principalmente, de
uma análise minuciosa das soluções de sistemas de equações lineares, justificando o estudo realizado
na unidade III.
Introdução
280 UNIDADE V
266
PRODUTO INTERNO
PRODUTO INTERNO
Definição 1: Considere V um espaço vetorial. Um produto interno em V é uma função que a cada
par de vetores u e v em V associa um número real, denotado por u, v, que satisfaz as seguintes
propriedades.
Para quaisquer vetores u, v e w de V e qualquer número real k,
I) v, v 0.
II) v, v = 0 se, e somente se, v = 0.
III) v, u = u, v.
IV) u + v, w = u, w + v, w.
V) ku, v = ku, v.
Sejam u = (x1 , x2 , . . . , xn ) e v = (y1 , y2 , . . . , yn ) vetores em Rn . Definimos:
u, v = x1 y1 + x2 y2 + · · · + xn yn .
Definimos a norma de um vetor v de V , ou comprimento de v, denotado por v, como o

número real:

v = v, v.
Na unidade I obtivemos como resultado de um teorema que a norma de um vetor v = (x, y)

pode ser calculado por meio de v = x2 + y 2 , mas v, v = xx + yy = x2 + y 2 o que justifica a
igualdade anterior. Também valendo para o espaço R3 .
Quando v = 1, dizemos que v ∈ V é um vetor unitário. Todo vetor v = 0 se escreve como
v
v = vw e para que isto ocorra, w tem que ser um vetor unitário, basta colocar w = .
v
Observe o que, dado qualquer vetor v = 0, não unitário, se quisermos encontrar um vetor
1
unitário de mesma direção e sentido que v, basta multiplicarmos v por ; a esse processo
v
chamamos de normalização do vetor v.
PRODUTO INTERNO, TRANSFORMAÇÕES LINEARES, AUTOVALORES E AUTOVETORES

281
267
   
 u 1 u2   v 1 v2 
Exemplo 1: Em M2 (R), sendo u =  ev= , a relação u, v = u1 v1 + u2 v2 +
u3 u4 v3 v4
u3 v3 + u4 v4 é um produto interno (usual em M2 ).
   
 1 2   2 0 
Isto é, se tivermos u =  ev= , então
3 −4 −3 5
u, v = 1 · 2 + 2 · 0 + 3 · (−3) + (−4) · 5 = 2 + 0 − 9 − 20 = −27.
Exemplo 2: Dados p = a0 + a1 t + a2 t2 + a3 t3 e q = b0 + b1 t + b2 t2 + b3 t3 , a relação p, q =

a0 b0 + a1 b1 + a2 b2 + a3 b3 define um produto interno em P3 (usual em P3 ).
Ou seja, se tivermos p = 2 + 3t − t2 e q = 2t + t2 − 5t3 , então
p, q = 2 · 0 + 3 · 2 + (−1) · 1 + 0 · (−5) = 0 + 6 − 1 + 0 = 5.
Definição 2: Considere V um espaço vetorial com produto interno. Diz-se que dois vetores v e w
de V são ortogonais (em relação a esse produto interno) se v, w = 0. No caso em que v e w são
ortogonais, escrevemos v ⊥ w.
Propriedade 1: Vejamos as propriedades a seguir sobre vetores ortogonais.
I) 0 ⊥ v para todo v ∈ V .
II) v ⊥ w implica que w ⊥ v.
III) v ⊥ w para todo w ∈ V , então, v = 0.
IV) Se v1 ⊥ w e v2 ⊥ w, então (v1 + v2 ) ⊥ w.
V) Se v ⊥ w e λ é um escalar, então λv ⊥ w.
Quando trabalhamos no espaço R3 , em geral, é mais conveniente usarmos a base canônica

{i, j, k}, em que i = (1, 0, 0), j = (0, 1, 0) e k = (0, 0, 1). Isso se deve em grande parte à caracte-
rı́stica desses vetores serem dois a dois ortogonais.
Produto Interno
282 UNIDADE V
268
Definição 3: Dizemos que uma base {v1 , . . . , vn } de um espaço vetorial V é base ortogonal se
vi , vj = 0 para i = j, ou em outras palavras, se os vetores dessa base forem dois a dois ortogonais.
Existem vários exemplos de aplicações do produto interno, temos aplicações na Fı́sica, na

Estatı́stica, na verificação da honestidade de uma aposta, entre outros. Em Boldrini (1980) você
encontra vários desses exemplos. Vamos apresentar a seguir um exemplo interessante que trata da
veracidade do CPF (Cadastro de Pessoas Fı́sicas).
Exemplo 3: (Cálculo dos dı́gitos verificadores do CPF): No Brasil, cada pessoa fı́sica possui um
único e definitivo número de inscrição no CPF, que o identifica perante a secretaria da Receita
Federal. Tal número de inscrição é constituı́do de nove dı́gitos, agrupados de três em três, mais
dois dı́gitos verificadores. Por exemplo, 643.433.327 − 72.
Os dı́gitos verificadores têm por finalidade comprovar a validade do número do CPF infor-
mado. Tais dı́gitos são obtidos das seguintes operações envolvendo produto interno.
Cálculo do primeiro dı́gito verificador: Tomamos um vetor u ∈ R9 cujos componentes são os

dı́gitos que compõem o número do CPF na ordem dada. Para o CPF anterior, temos o vetor:
u = (6, 4, 3, 4, 3, 3, 3, 2, 7).
Determinamos o produto interno desse vetor com o vetor (padrão)
w1 = (10, 9, 8, 7, 6, 5, 4, 3, 2),
isto é,
u, w1 = 6(10) + 4(9) + 3(8) + 4(7) + 3(6) + 3(5) + 3(4) + 2(3) + 7(2) = 213.
A seguir, tomamos o resto da divisão inteira desse produto interno por 11. Se o resto dessa
divisão inteira é 0 ou 1, então o primeiro dı́gito verificador é 0. Caso contrário (resto entre 2 e 10),
o primeiro dı́gito verificador é dado por 11−resto.

283
269
Para o exemplo em questão, a divisão inteira de 213 por 11 resulta em quociente 19 e resto
4. Sendo assim, o primeiro dı́gito verificador é 11 − 4 = 7.
Cálculo do segundo dı́gito verificador: Tomamos um vetor v ∈ R10 , cujos nove primeiros
componentes são os dı́gitos que compõem o número do CPF na ordem dada e o último componente
é o primeiro dı́gito verificador encontrado. Para o exemplo em questão, temos:
v = (6, 4, 3, 4, 3, 3, 3, 2, 7, 7).
Determinamos o produto interno desse vetor com o vetor (padrão)
w2 = (11, 10, 9, 8, 7, 6, 5, 4, 3, 2),
isto é,
v, w2 = 6(11) + 4(10) + 3(9) + 4(8) + 3(7) + 3(6) + 3(5) + 2(4) + 7(3) + 7(2) = 262.
Em seguida, o procedimento é o mesmo para encontrar o segundo dı́gito. Dividindo 262 por 11,
obtemos quociente 23 e resto 9, então o segundo dı́gito é 11 − 9 = 2.
Ângulos entre vetores e Ortogonalidade
Vimos na unidade I, partindo dos conceitos geométricos dos vetores, que o produto interno
pode ser calculado por meio da equação
u, v = u · v · cos θ,
em que u e v são vetores e θ é o ângulo entre esses vetores.
Mas a igualdade anterior pode ser vista de uma outra forma, isto é,
u, v
cos θ = .
u · v
Essa última igualdade nos fornece uma maneira de calcularmos o ângulo entre vetores. E
Produto Interno
284 UNIDADE V
270
para que esse processo faça sentido, devemos assegurar que
u, v
−1 1
u · v
ou ainda
|u, v|
1.
u · v
O próximo teorema garante que isso sempre ocorre.
Teorema 1: (Desigualdade de Cauchy-Schwarz) Se u e v são vetores de um espaço com produto
interno V , então:
|u, v| u · v.
Prova:
Se u = 0, isto é, se u é o vetor nulo, a desigualdade é clara. Suponhamos, então, u = 0. Para
qualquer t ∈ R, temos que
tu + v, tu + v 0,
mas
tu + v, tu + v = tu, tu + v + v, tu + v
= tu + v, tu + tu + v, v
= tu, tu + v, tu + tu, v + v, v
= t2 u, u + tv, u + tu, v + v, v
= u, ut2 + 2u, vt + v, v.

Logo,
tu + v, tu + v = u, ut2 + 2u, vt + v, v 0.
Definamos p(t) = u, ut2 + 2u, vt + v, v, t ∈ R. Pelo que vimos anteriormente, p(t) é
uma função polinomial não negativa. Além disso, como o coeficiente do termo quadrático é não
negativo, segue que o discriminante ∆ de p(t) é um número real não positivo. Portanto
∆ = 4u, v2 − 4u, uu, v = 4u, v2 − 4u2 v2 0,
logo,
4u, v2 4u2 v2

285
271
ou
u, v2 u2 v2 .
Extraindo a raiz quadrada em ambos os lados da desigualdade, obtemos

u, v2 u2 v2
ou ainda
|u, v| u · v,
o que querı́amos provar.
Proposição 1: Se u e v são vetores em um espaço V com produto interno e se k ∈ R, então,
I) u 0.
II) u = 0 se, e somente se, u = 0.
III) ku = |k|u.
IV) u + v u + v (desigualdade triangular).
Exemplo 4: Considere o vetor v = (−2, 3) ∈ R2 . Temos que a norma do vetor v é dada por
√ √
v = (−2)2 + 32 = 4+9= 13
Exemplo 5: Considere o vetor u = (1, −2, −1) ∈ R3 . Temos que a norma do vetor u é dada por
√ √
u = 12 + (−2)2 + (−1)2 = 1+4+1= 6
 
 0 −1 
Exemplo 6: Seja o vetor w =   ∈ M2 (R) com produto interno definido no exemplo 1,
2 5
temos que a norma de w é definida com segue:
√ √
w = w, w = 02 + (−1)2 + 22 + 52 = 0 + 1 + 4 + 25 = 30
Produto Interno
286 UNIDADE V
272
Exemplo 7: Usando o produto interno de P3 , definido no exemplo 2, a norma do polinômio

p = 3 + 6t − 2t2 é
√ √
p = p, p = 32 + 62 + (−2)2 = 9 + 36 + 4 = 49 = 7
Agora que sabemos trabalhar com produto interno e norma de um vetor, podemos falar
mais sobre o ângulo entre vetores. Como já foi visto em disciplinas anteriores, ou até mesmo
no ensino médio, temos que cada número real λ ⊂ [−1, 1] corresponde a um único arco θ, onde
0 θ π, tal que cos θ = λ, conforme ilustra a figura 3.
Figura 3 − Ângulo entre vetores
E como já foi dito anteriormente, podemos definir o ângulo entre os vetores v e w
como
sendo θ tal que
v , w

cos θ = .
v w
Em R2 e R3 , θ é, de fato, o ângulo geométrico determinado pelos vetores v e w.

A fórmula
anterior fornece o cosseno do ângulo.
Exemplo 8: Vamos determinar o ângulo entres os vetores u = (1, 2, 0) e v = (−2, 2, 3). Primei-
ramente calculamos de forma separada, para uma certa organização, o produto interno dos dois e,
em seguida, a norma de cada um. Isto é,
u, v = 1(−2) + 2(2) + 0(3) = −2 + 4 + 0 = 2
√ √
u = 1+4+0= 5
√ √
v = 4+4+9= 17.

287
273
Assim, substituindo na fórmula, obtemos
2 2
cos θ = √ √ = √ .
5 17 85
Logo, temos que

2
θ = arccos √ ≈ 1, 35 radianos ≈ 77, 47o .
85
Considerando u e v dois vetores não nulos de um espaço vetorial V com produto interno
e seja θ o ângulo entre eles, temos, pelo exposto até o momento, que cos θ = 0 se, e somente se,
u, v = 0. Equivalentemente, temos θ = 90o = π/2 se, e somente se, u, v = 0. Quando o ângulo
formado por dois vetores é de 90o ou π/2 rad (podemos falar ainda em ângulo reto), dizemos que
esses vetores são ortogonais.
Definição 4: Sejam v um vetor de V e W um subespaço de V , dizemos que v é ortogonal a W se

v é ortogonal a cada vetor de W . O conjunto de todos os vetores de V que são ortogonais a W é
chamado complemento ortogonal de W e é denotado por W ⊥ .
Exemplo 9: Considere R3 com produto interno usual e seja W o plano de equação cartesiana
x + y + z = 2.
O vetor u = (1, 1, 1) é ortogonal a W , pois u é um vetor normal a esse plano. Para determinarmos
W ⊥ , devemos encontrar um vetor v que seja ortogonal a todo vetor de W . Uma maneira fácil de
encontrar esse vetor, é observar que se o vetor u = (1, 1, 1) é ortogonal a W , temos que v = k(1, 1, 1)
também será, pois serão múltiplos. Logo, obtemos o vetor v = (k, k, k) ortogonal a todo vetor de
W , com k ∈ R. Portanto
W ⊥ = {(k, k, k); k ∈ R}.
Conjuntos Ortogonais
Um conjunto de vetores em V é chamado conjunto ortogonal se quaisquer dois vetores

distintos do conjunto são ortogonais.
Produto Interno
288 UNIDADE V
274
Exemplo 10: O conjunto {(1, 2, 1), (2, 1, −4), (3, −2, 1)} é um conjunto ortogonal em R3 com seu
produto interno usual.
Um conjunto ortogonal no qual cada vetor tem norma 1 é chamado conjunto ortonormal.
Se v é um vetor não nulo em um espaço com produto interno, segue, pelo visto nesta unidade, que
o vetor v−1 v tem norma 1. O processo de multiplicar um vetor não nulo pelo inverso de sua
norma para obter um vetor de norma 1 é chamado de normalização. Assim, um conjunto ortogonal
de vetores não nulos pode ser sempre transformado em um conjunto ortonormal, normalizando-se
cada um de seus vetores.
Proposição 2: Todo conjunto ortogonal de vetores não nulos de V é linearmente independente.
A recı́proca do resultado acima é obviamente falsa, pois, por exemplo, o conjunto {(1, 1), (0, 1)}
de vetores em R2 com o produto interno usual é linearmente independente, mas não é um conjunto
ortogonal.
Se α = {v1 , . . . , vn } é um conjunto ortogonal de vetores não nulos de V , segue da proposição

anterior que α é uma base de V . Uma base consistindo de vetores ortogonais é chamada base
ortogonal e uma base consistindo de vetores ortonormais é chamada base ortonormal.
Por exemplo, a base canônica de Rn com o produto interno usual é uma base ortonormal.
Vimos que se V é um espaço vetorial e α é uma base de V , então, em geral, é necessário

resolver um sistema linear a fim de escrever um vetor de V em termos da base α.
Bases ortogonais são importantes porque existe um procedimento padrão para se encontrar
as coordenadas de um vetor qualquer em relação a elas. Considerando V um espaço vetorial com
produto interno, α = {v1 , . . . , vn } uma base ortogonal de V e w um vetor qualquer de V , vamos,
então, calcular as coordenadas de w em relação a α. Sabendo que
w = x1 v1 + x2 v2 + . . . + xn vn
queremos determinar a i-ésima coordenada xi . Para isso, façamos o produto interno dos dois
membros da igualdade acima por vi , isto é,
w, vi = xi vi , vi .

289
275
o qual podemos escrever

w, vi
xi = .
vi , vi
Este número real é chamado de coeficiente de Fourier de w em relação a vi .
Exemplo 11: Considere V = R2 com produto interno usual e
α = {(2, 1), (−1, 2)}.

Observemos que α é uma base ortogonal, pois

(2, 1), (−1, 2) = 2(−1) + 1(2) = −2 + 2 = 0.

Vamos calcular (3, 2) α , isto é, quais são as coordenadas do vetor u = (3, 2) na base α.
Existem x1 e x2 tais que
(3, 2) = x1 (2, 1) + x2 (−1, 2).
Para encontrarmos x1 e x2 , podemos prosseguir resolvendo a igualdade por meio de sistemas de

equações. Seria uma forma de encontrarmos tais valores, o qual já foi feito neste livro. Mas vamos
utilizar o resultado encontrado anteriormente, o coeficiente de Fourier.
Por meio dele temos

(3, 2), (2, 1) 6+2 8
x1 = = =
(2, 1), (2, 1) 4+1 5
e
(3, 2), (−1, 2) −3 + 4 1
x2 = = = .
(−1, 2), (−1, 2) 1+4 5
Assim, obtemos
8 1
(3, 2) = (2, 1) + (−1, 2).
5 5
Portanto:  
 8/5 
(3, 2) α
= .
1/5
Produto Interno
290 UNIDADE V
276
TRANSFORMAÇÕES LINEARES
TRANSFORMAÇÕES LINEARES
As funções que a Álgebra Linear está interessada são as cujos domı́nios e contradomı́nios são
espaços vetoriais e que, além disso, preservam as operações de adição de vetores e de multiplicação
de um vetor por um escalar. Isto é, o conteúdo da definição a seguir.
Definição 5: Sejam V e W espaços vetoriais, uma transformação linear de V em W é uma função

T : V → W que possui as seguintes propriedades:
I) T (v1 + v2 ) = T (v1 ) + T (v2 ), para quaisquer v1 e v2 em V .
II) T (av) = aT (v), para quaisquer v em V e a em R.
Em consequência a essa definição, temos que as propriedades (I) e (II) são equivalentes à
seguinte propriedade
T (v1 + av2 ) = T (v1 ) + aT (v2 )
para quaisquer v1 e v2 em V e para qualquer a em R.
No caso em que V = W , uma transformação linear T : V → V também é chamada de

operador linear.
Exemplo 12: A função T : R2 → R, dada por T (x, y) = x + y, é uma transformação linear. De

fato, se v1 = (x1 , y1 ) ∈ R2 , v2 = (x2 , y2 ) ∈ R2 e a ∈ R, temos que
T (v1 + av2 ) = T (x1 + ax2 , y1 + ay2 )
= x1 + ax2 + y1 + ay2
= (x1 + y1 ) + a(x2 + y2 )
= T (v1 ) + aT (v2 ).
Portanto, T é uma transformação linear de R2 em R.

291
277
Exemplo 13: A função T : R3 → R2 , dada por T (x, y, z) = (x − y, y − z), é uma transformação

linear. De fato, se v1 = (x1 , y1 , z1 ) ∈ R3 , v2 = (x2 , y2 , z2 ) ∈ R3 e a ∈ R, temos que
T (v1 + av2 ) = T (x1 + ax2 , y1 + ay2 , z1 + az2 )
= (x1 + ax2 − (y1 + ay2 ), y1 + ay2 − (z1 + az2 ))
= ((x1 − y1 ) + a(x2 − y2 ), (y1 − z1 ) + a(y2 − z2 ))
= (x1 − y1 , y1 − z1 ) + a(x2 − y2 , y2 − z2 )
= T (x1 , y1 , z1 ) + aT (x2 , y2 , z2 )
= T (v1 ) + aT (v2 )
mostrando que T é uma transformação linear de R3 em R2 .
Exemplo 14: A função T : R → R, dada por T (x) = 7x, é uma transformação linear. De fato, se
x1 , x2 ∈ R, temos que
T (x1 + ax2 ) = 7(x1 + ax2 ) = 7x1 + a7x2 = T (x1 ) + aT (x2 ).
Exemplo 15: A função T : R2 → R2 , dada por T (x, y) = (x2 , y), não é uma transformação linear.
De fato, se tomarmos v1 = (1, 0), v2 = (2, −1) e a = 3 temos
T (v1 + av2 ) = T ((1, 0) + 3(2, −1))
= T ((1, 0) + (6, −3))
= T (7, −3)
= (49, −3)
e
T (v1 ) + aT (v2 ) = T (1, 0) + 3T (2, −1)
= (1, 0) + 3(4, −1)
= (1, 0) + (12, −3)
= (13, −3).
Logo, T (v1 + av2 ) = T (v1 ) + aT (v2 ).
Transformações Lineares
292 UNIDADE V
278
Teorema 2: Seja α = {v1 , . . . , vn } uma base de um espaço vetorial V ; sejam w1 , . . . , wn vetores

de um espaço vetorial W . Então, existe uma única transformação linear T : V → W tal que
T (vj ) = wj para todo 1 j n.
Exemplo 16: Para determinarmos a transformação linear T : R2 → R3 tal que T (1, 1) = (0, 2, 1)
e T (0, 2) = (1, 0, 1), devemos, pelo teorema 2, verificar que α = {(1, 1), (0, 2)} é uma base de R2 e
calcular as coordenadas de um vetor de R2 na base α. Ora, como α é linearmente independente e
dim R2 = 2, temos que α é uma base de R2 . Além disso, se (x, y) ∈ R2 , então,
(x, y) = a1 (1, 1) + a2 (0, 2)
y−x
e dessa igualdade obtemos a1 = x e a2 = , portanto,
2
y−x
T (x, y) = xT (1, 1) + T (0, 2)
2
y−x
= x(0, 2, 1) + (1, 0, 1)
2
y−x y−x
= (0, 2x, x) + , 0,
2 2
y−x x+y
= , 2x, .
2 2
NÚCLEO
NÚCLEO E E IMAGEM
IMAGEM DE UMA
DE UMA TRANSFORMAÇÃO
TRANSFORMAÇÃO LINEAR LINEAR
Definição 6: Considere T : V → U uma transformação linear. A imagem de T , denotada por

Im(T ) é o conjunto dos pontos imagem em U
Im(T ) = {u ∈ U ; T (v) = u para algum v ∈ V }.
O núcleo de T , denotado por N uc(T ) (ou Ker(T )), é o conjunto dos elementos em V , que são
transformados em 0 ∈ U
N uc(T ) = {v ∈ V ; T (v) = 0}.

293
279
Exemplo 17: Considere T : R4 → R3 a transformação linear definida por
T (x, y, s, t) = (x − y + s + t, x + 2s − t, x + y + 3s − 3t).
Para determinarmos N uc(T ), devemos obter o conjunto de vetores (x, y, s, t) em R4 tais que
T (x, y, s, t) = (x − y + s + t, x + 2s − t, x + y + 3s − 3t) = (0, 0, 0).
Equivalentemente, N uc(T ) é o conjunto solução do seguinte sistema linear:





 x−y+s+t=0

x + 2s − t = 0 .




 x + y + 3s − 3t = 0
Escalonando o sistema, obtemos 


 x−y+s+t=0
.

 y + s − 2t = 0
Pondo y = 2t − s conseguimos x = t − 2s. Portanto:
N uc(T ) = {(t − 2s, 2t − s, s, t); s, t ∈ R}.
Agora vamos encontrar Im(T ). Para isso, vejamos o que segue:
T (x, y, s, t) = (x − y + s + t, x + 2s − t, x + y + 3s − 3t)
= (x, x, x) + (−y, 0, y) + (s, 2s, 3s) + (t, −t, −3t)
= x(1, 1, 1) + y(−1, 0, 1) + s(1, 2, 3) + t(1, −1, −3).
Com isso, vemos que o conjunto {(1, 1, 1), (−1, 0, 1), (1, 2, 3), (1, −1, −3)} gera Im(T ). Mas, colo-
Núcleo e Imagem de Uma Transformação Linear

294 UNIDADE V
280
cando em forma de matriz e escalonando, obtemos

   
 1 1 1   1 1 1 
   
   
 −1 0 1   0 1 2 
 ⇒ .
   
 1 2 3   0 0 0 
   
   
1 −1 −3 0 0 0
Assim, {(1, 1, 1), (0, 1, 2)} é uma base de Im(T ), isto é,
Im(T ) = {(x, x + y, x + 2y); x, y ∈ R}.
Teorema 3: Seja V de dimensão finita e seja T : V → U uma transformação linear, então:
dim(V ) = dim(N uc(T )) + dim(Im(T )).
Agora, desenvolveremos os conceitos fundamentais de autovalor e autovetor de uma matriz.

Esses conceitos são de fundamental importância na Matemática pura e aplicada e aparecem em
situações muito mais gerais que as consideradas aqui. Os conceitos de autovalor e autovetor também
são usados no estudo das equações diferenciais e sistemas dinâmicos: eles fornecem informações
crı́ticas em projetos de Engenharia e surgem de forma natural em áreas como a Fı́sica e a Quı́mica.
Investigaremos a teoria de um único operador linear T num espaço vetorial V de dimensão

finita. Também associaremos certos polinômios a um operador T , isto é, seu polinômio carac-
terı́stico. Esses polinômios e suas raı́zes desempenham um papel importante na investigação de
T.
Dado um operador linear T : V → V , queremos determinar quais vetores seriam levados

neles mesmos por esse operador linear. Isto é, dado T : V → V , quais os vetores v ∈ V tais que
T (v) = v?

295
281
Exemplo 18: O operador T : R2 → R2 é definido por T (x, y) = (x, y) e também é conhecido

como Aplicação Identidade, que podemos simplesmente escrever I(x, y) = (x, y). Nesse caso, todo
R2 é fixo uma vez que I(x, y) = (x, y), para todo (x, y) ∈ R2 .
Exemplo 19: Considerando o operador Reflexão no eixo dos x, isto é, rx : R2 → R2 tal que
rx (x, y) = (x, −y), ou ainda em forma matricial, temos
     
 x   1 0   x 
  →   ·  .
y 0 −1 y
Geometricamente:
Figura 4 − Reflexão de um vetor u sobre o eixo x
Podemos notar, no exemplo anterior, que o vetor sobre o eixo dos x se manteve inalterado.
De fato, observemos o que segue:
     
 1 0   x   x 
  ·   =  .
0 −1 0 0
Ainda mais, podemos verificar

 que
 esses vetores são os únicos com essa propriedade, ou seja, se
 x 
procurarmos outros vetores   tais que
y
     
 1 0   x   x 
 · = 
0 −1 y y
Autovalores e Autovetores
296 UNIDADE V
282
obtemos o seguinte sistema de equações lineares para ser resolvido:



 x + 0y = x

 0x − y = y
ou ainda 

 x=x
;

 −y = y
e as únicas soluções desse sistema são vetores do tipo (x, 0), ou seja, são os vetores pertencentes
ao eixo dos x.
Autovalor de uma Transformação
Seja T : V → V um operador linear, um número real c será dito um autovalor de T se

existir um vetor não nulo v em V tal que: T (v) = cv. O vetor v é chamado de autovetor de T
associado a c.
Observemos que se v é um autovetor de um operador T associado a um autovalor c, então

todo múltiplo por escalar de v é também um autovetor de T associado a c. Mais ainda, se
A(c) = {v ∈ V ; T (v) = cv}, então A(c) é um subespaço vetorial de V chamado autoespaço de
T associado a c. Note que A(c) é formado pelo vetor nulo de V e por todos os autovetores de T
associados a c.
Exemplo 20: Considere T : R2 → R2 o operador linear dado por T (x, y) = (4x − y, 2x + y).
Queremos determinar c ∈ R e v = (x, y) ∈ R2 , não nulo, tais que T (x, y) = c(x, y), ou seja, tais
que (4x − y, 2x + y) = c(x, y). Equivalentemente, queremos determinar c ∈ R e v = (x, y) ∈ R2 ,
não nulo tais que 

 4x − y = cx
.

 2x + y = cy
Da primeira equação do sistema, isolamos y obtendo y = 4x − cx e substituı́mos esse

297
283
resultado na segunda equação, isto é,
2x + y = cy ⇒ 2x + 4x − cx = c(4x − cx)
⇒ 6x − cx = 4cx − c2 x
⇒ 6x − 5cx + c2 x = 0
⇒ x(6 − 5c + c2 ) = 0.
Essa última igualdade é satisfeita se x = 0 ou 6 − 5c + c2 = 0. Se x = 0 implica em y = 0, mas v

não é vetor nulo, logo, temos que resolver 6 − 5c + c2 = 0. Resolvendo essa equação, obtemos c = 2
ou c = 3. Portanto c = 2 e c = 3 são os autovalores de T . Vamos, agora, determinar os autovetores
de T associados a c = 2. Com o sistema que montamos no inı́cio desse exemplo, obtemos


 4x − y = 2x
,

 2x + y = 2y
o qual é equivalente à equação 2x − y = 0, cujo conjunto solução é dado por {(x, 2x); x ∈ R}.
Assim, os autovetores de T associados a c = 2 são os vetores da forma (x, 2x), com x ∈ R e x = 0.
Da mesma forma que fizemos para c = 2, vamos determinar os autovetores de T associados

a c = 3. Temos o seguinte sistema 

 4x − y = 3x
,

 2x + y = 3y
o qual é equivalente a equação x − y = 0, cujo conjunto solução é dado por {(x, x); x ∈ R}. Por-
tanto, os autovetores de T associados a c = 3 são os vetores da forma (x, x), com x ∈ R e x = 0.
Exemplo 21: Se I é matriz identidade de ordem n, então o único autovalor é c = 1. Qualquer

vetor não nulo v de Rn é um autovetor de I associado ao autovalor c = 1, pois
Iv = v = 1v.
Autovalores e Autovetores
298 UNIDADE V
284
Exemplo 22: Considere T : R2 → R2 o operador linear dado por T (x, y) = (−y, x). Se c ∈ R e
v = (x, y) ∈ R2 , v = 0, são tais que T (x, y) = c(x, y), então
(−y, x) = c(x, y),
equivalentemente, 

 cx = −y
,

 cy = x
donde obtemos a equação (c2 + 1)y = 0. Como c ∈ R, a equação (c2 + 1)y = 0 é satisfeita somente
quando y = 0. Mas se y = 0, implica x = 0, como v = 0, logo, concluı́mos que T não tem
autovalores nem autovetores.
POLINÔMIO CARACTERÍSTICO
POLINÔMIO CARACTERÍSTICO
Apresentaremos uma fórmula sistemática de calcular os autovalores de uma matriz quadrada

de ordem n. A cada matriz A ∈ Mn (R) associaremos um polinômio cuja propriedade de suas raı́zes
são exatamente os autovalores de A. Antes de apresentarmos formalmente esse polinômio, vejamos,
por meio de um exemplo, como ele surge naturalmente.
 
 1 1 
Exemplo 23: Vamos determinar os autovalores de A =   e seus respectivos autovetores
−2 4
associados.
Vejamos, queremos encontrar números reais λ e todos os vetores não nulos v = (x, y) ∈ R2
satisfazendo a equação
Av = λv,
ou seja,     
 1 1  x   x 
   = λ .
−2 4 y y

299
285
A qual podemos representar pelo seguinte sistema



 x + y = λx

 −2x + 4y = λy
ou ainda 

 (λ − 1)x − y = 0
.

 2x + (λ − 4)y = 0
E esse sistema é homogêneo de duas equações e duas incógnitas. Escalonando, obtemos



 (λ − 1)x − y = 0
 (λ − 1)(λ − 4) + 2y = 0

que terá solução não nula se, e somente se, (λ − 1)(λ − 4) + 2 = 0, o que é equivalente a
 
 λ − 1 −1 
det  =0
2 λ−4
ou, se preferir,

λ − 1 −1

= 0.

2 λ−4
Isto é, se, e somente se, o determinante da matriz associada ao sistema linear for nulo.
Simplificando a equação (λ − 1)(λ − 4) + 2 = 0, obtemos λ2 − 5λ + 6 = 0, ou ainda,

(λ − 2)(λ − 3) = 0 e, portanto, temos, para essa equação, λ = 2 e λ = 3. Logo, λ = 2 e λ = 3 são
os autovalores da matriz A.
Para encontrarmos os autovetores v = (x, y) ∈ R2 associados ao autovalor λ = 2, observemos

o sistema 

 x + y = 2x

 −2x + 4y = 2y
ou, equivalentemente, −x + y = 0. O que resulta na solução geral {(x, x); x ∈ R}. Portanto, os
vetores da forma (x, x) são os autovetores da matriz A associados ao autovalor λ = 2.
Polinômio Característico
300 UNIDADE V
286
De forma análoga, para encontrarmos os autovetores da matriz A associados ao autovalor

λ = 3, observemos o seguinte sistema


 x + y = 3x

 −2x + 4y = 3y
ou o mesmo que −2x + y = 0, cuja solução geral é dada por {(x, 2x); x ∈ R}. Portanto, os vetores
da forma (x, 2x) são os autovetores da matriz A associados ao autovalor λ = 3.
Notemos no exemplo anterior que o determinante transformou a equação matricial (λIn −
A)v = 0, que contém duas incógnitas, λ e v, na equação polinomial λ2 − 5λ + 6 = 0, que tem
uma variável só. Usaremos o processo apresentado nesse exemplo como o método padrão para
determinar os autovalores de uma matriz A ∈ Mn (R).
 
 −3 1 
Exemplo 24: Vamos verificar se os vetores u e v são autovetores de A, em que A =  ,
−5 3
   
 1   1 
u =   e v =  .
1 2
Para identificarmos se u é um autovetor de A, devemos verificar se existe um escalar λ ∈ R

tal que Au = λu. Temos
      
 −3 1   1   −2   1 
Au =    =   = −2   .
−5 3 1 −2 1
Assim, u = (1, 1) é um autovetor de A com autovalor correspondente λ = −2.
No caso do vetor v, temos

      
 −3 1   1   −1   1 
Av =    =   = λ   .
−5 3 2 1 2
Assim, não existe escalar λ ∈ R tal que Av = λv e, consequentemente, v = (1, 2) não é um auto-
vetor da matriz A.

301
287
Definição 7: Considere A uma matriz quadrada de ordem n. A matriz λIn − A, em que λ é

uma indeterminada, é chamada matriz caracterı́stica de A. O determinante dessa matriz é um
polinômio em λ, chamado polinômio caracterı́stico da matriz A e denotado por PA (λ).
Observação: Na definição, o polinômio caracterı́stico é PA (λ) = det(λIn − A), no entanto, ou-

tros livros adotam por definição o polinômio determinado por PA (λ) = det(A − λIn ), em ambas
situações, as raı́zes (autovalores) serão as mesmas, não interferindo no cálculo para os autoveto-
res. Apenas atente-se que, para matrizes de ordem ı́mpar, você poderá encontrar dois tipos de
polinômio caracterı́stico (opostos ou simétrico), dependendo de qual definição foi usada.
 
 4 −1 
Exemplo 25: Considere a matriz A =  . A matriz caracterı́stica de A é
3 1
 
 λ−4 1 
λI2 − A =  
−3 λ − 1
e o polinômio caracterı́stico de A é

λ−4 1

PA (λ) = = λ2 − 5λ + 7.

−3 λ − 1
 
 0 −1 
Exemplo 26: Consideremos a matriz A =  . A matriz caracterı́stica de A é a matriz
1 0
 
 λ 1 
 
−1 λ
e o polinônio caracterı́stico de A é
PA (λ) = λ2 + 1.
Podemos observar que as raı́zes do polinômio caracterı́stico encontrado no exemplo 24 são exa-
tamente os autovalores do exemplo 20. O mesmo ocorre com o exemplo 26 e 23. Esse resultado
não é por acaso. Acontece sempre, logo, podemos falar que as raı́zes não nulas do polinômio
302 UNIDADE V
288
caracterı́stico são de fato os autovalores do operador linear dado.

 
 0 0 0 
 
Exemplo 27: Dada a matriz A =   0 1 0 , obtenha seu polinômio caracterı́stico.
 
0 0 2
Temos
 
 λ 0 0 
 
P (λ) = det(λI3 − A) = det 
 0 λ−1 0  = λ3 − 3λ2 + 2λ,

 
0 0 λ−2
por outro lado, temos
 
 −λ 0 0 
 
P (λ) = det(A − λI3 ) = det 
 0 1−λ 0  = −λ3 + 3λ2 − 2λ.

 
0 0 2−λ
 
 0 1 
Exemplo 28: Dada a matriz A =   , obtenha seus autovalores e autovetores.
3 2
Temos que
     
 0 1   1 0   −λ 1 
P (λ) = det(A − λI2 ) = det   − λ  = det   = λ2 − 2λ − 3
3 2 0 1 3 2−λ
Autovalores (P (λ) = 0)
temos λ2 − 2λ − 3 = 0 se, e somente se, λ1 = 3 e λ2 = −1.
Autovetor
Para λ1 = 3, temos
Av = λv
     
 0 1   x   x 
 .  = 3 
3 2 y y

303
289
   
 y   3x 
 = .
3x + 2y 3y
Segue que  

 
 −3x + y = 0
y = 3x
→ → SPI → y = 3x.

 3x + 2y = 3y 
 0=0
Como v = (x, y), logo, v1 = (x, 3x) é o autovetor associado ao autovalor λ1 = 3, com x = 0.
Para λ2 = −1, temos

Av = λv
     
 0 1   x   x 
  .   = (−1).  
3 2 y y
   
 y   −x 
 = .
3x + 2y −y
Segue que  

 
 x+y =0
y = −x
→ → SPI → y = −x.

 3x + 2y = −y 
 0=0
Como v = (x, y), logo, v1 = (x, −x) é o autovetor associado ao autovalor λ2 = −1, com x = 0.
Observe que se T : R2 → R2 é uma transformação linear T (x, y) = (ax + by, cx + dy), a

matriz da transformação é  
 a b 
A= .
c d
Exemplo 29: Determine os autovalores e os autovetores da transformação linear T : R2 → R2

dada por T (x, y) = (y, 3x + 2y).
 
 0 1 
A matriz dessa transformação é dada por A =   que é a mesma do exemplo 28,
3 2
logo, os autovalores são λ1 = 3 e λ2 = −1 com seus autovetores v1 = (x, 3x) e v2 = (x, −x), x = 0.
304 UNIDADE V
290
Exemplo 30: Seja T : R3 → R3 uma transformação linear definida por
T (x, y, z) = (3x − 4z, 3y + 5z, −z),
determine:
I) A matriz da transformação.
II) Seus autovalores.
III) Seus autovetores.
Note que
T (x, y, z) = (3x − 4z, 3y + 5z, −z)
pode ser reescrita como
T (x, y, z) = (3x + 0y − 4z, 0x + 3y + 5z, 0x + 0y − 1z),
logo, a matriz da transformação é

 
 3 0 −4 
 
A= 
 0 3 5 .
 
0 0 −1
Seu polinômio caracterı́stico é dado por

 
 3−λ 0 −4 
 

P (λ) = det  0 3−λ 5  = (3 − λ).(3 − λ).(−1 − λ).

 
0 0 −1 − λ
Assim, seus autovalores são λ1 = 3 e λ2 = −1.
Para λ1 = 3, temos
     
 3 0 −4   x  x 
     
 0 3 5  .  y  = 3.  y 
     
     
0 0 −1 z z

305
291
   
 3x − 4z   3x 
   
 3y + 5z  =  3y  ,
   
   
−z 3z
logo,
 

 


 3x − 4z = 3x 
 −4z = 0
 
 3y + 5z = 3y →  5z = 0

 


 −z = 3z 
 −4z = 0
   
 0 0 −4 0   0 0 1 0 
   
 0 0 5 0  →  0 0 0 0 .
   
   
0 0 −4 0 0 0 0 0
Como pA = pC = 1, logo, o sistema possui solução, mas sendo n = 3 > 1 = p, temos um SPI
(infinitas soluções) com grau de liberdade n − p = 3 − 1 = 2 (variáveis livres). Assim,
  


 0 0 1 0  
 z=0
  
 0 0 0 0 → 0=0 .
  
  


 0=0
0 0 0 0
Portanto, seus autovetores são da forma v1 = (x, y, 0) com x = 0 ou y = 0.
Agora, para λ2 = −1, temos

     
 3 0 −4   x   x 
     
 0 3 5  .  y  = −1.  y 
     
     
0 0 −1 z z
   
 3x − 4z   −x 
   
 3y + 5z  =  −y  ,
   
   
−z −z
logo,
306 UNIDADE V
292
 

 


 3x − 4z = −x 
 4x − 4z = 0
 
 3y + 5z = −y →  4y + 5z = 0

 


 −z = −z 
 0=0
   
 4 0 −4 0   1 0 −1 0 
   
 0 4 5 0  →  0 1 5/4 0  .
   
   
0 0 0 0 0 0 0 0
Nesse sistema temos pA = pC = 2, mas sendo n = 3 > 2 = p, logo, o SPI (infinitas soluções) com
grau de liberdade n − p = 3 − 2 = 1. Assim,
   

 

 1 0 −1 0  
 x − z = 0 
 x=z
   
 0 1 5/4 0  → y + 5/4z = 0 →  y = −5/4z .
  
  
 


 

0 0 0 0 0=0 0=0
Portanto, v2 = (z, −5/4z, z), com z = 0 é o autovetor associado ao autovalor λ2 = −1.
Exemplo 31: Vamos determinar os autovalores e autovetores da matriz

 
 5 −2 1 2 
 
 
 0 3 −6 3 
A=

.

 0 0 5 −5 
 
 
0 0 0 0
Temos que o polinômio caracterı́stico dessa matriz é

λ−5 2 −1 −2

0 λ−3 6 −3
PA (λ) = det(λI4 − A) = = λ(λ − 3)(λ − 5)2 ,

0 0 λ − 5 5

0 0 0 λ

307
293
cujas raı́zes são 0, 3, 5 e 5. Portanto, os autovalores da matriz A são 0, 3, 5 e 5. Mas observemos

que os autovalores 0 e 3 têm multiplicidade algébrica 1, enquanto o autovalor 5 aparece com
multiplicidade algébrica 2. Vamos, agora, calcular os autovetores associados em cada caso.
Para o autovalor λ = 0, temos que os autovetores associados v = (x, y, z, w) satisfazem o sistema
linear
(0I4 − A)v = 0,
isto é,     
 −5 2 −1 −2   x   0 
    
    
 0 −3 6 −3   y   0 
  = 
    
 0 0 −5 5   z 
   
   0 
    
0 0 0 0 w 0
ou, ainda, 



 −5x + 2y − z − 2w = 0

 −3y + 6z − 3w = 0 ,



 −5z + 5w = 0
o qual possui como solução geral o conjunto {(−w/5, w, w, w)w ∈ R}. Portando, os autovetores

associados ao autovalor λ = 0 são da forma v = − w5 , w, w, w , com w ∈ R.
Analogamente, os autovetores associados ao autovalor λ = 3 satisfazem a seguinte equação
(3I4 − A)v = 0,
isto é,     
 −2 2 −1 −2   x   0 
    
    
 0 0 6 −3   y   0 
   =  ,
    
 0 0 −2 5   z   0 
    
    
0 0 0 3 w 0
cujas soluções são da forma v = (x, x, 0, 0), com x ∈ R.
Por final, vamos obter os autovetores da matriz A associados ao autovalor λ = 5 resolvendo
308 UNIDADE V
294
o seguinte sistema
(5I4 − A)v = 0,
isto é,     
 0 2 −1 −2   x   0 
    
    
 0 2 6 −3   y   0 
  = 
    
 0 0 0 5  z   0 
    
    
0 0 0 5 w 0
equivalente a     
 0 1 0 0  x   0 
    
    
 0 0 1 0  y   0 
  = 
    
 0 0 0 1   z   0 
    
    
0 0 0 0 w 0
de onde obtemos soluções da forma v = (x, 0, 0, 0), com x ∈ R.

309
295
Nesta unidade, definimos produto interno: uma importante relação definida em espaços
vetoriais, que associa um número real a cada par de vetores do espaço. A partir da definição de
produto interno, pudemos determinar a norma de um vetor e o ângulo definido por dois vetores.
Vimos, também, o conceito de ortogonalidade de vetores. Na sequência definimos uma função
especial chamada de Transformação Linear, o fato mais relevante é que podemos determinar uma
transformação linear a partir da sua aplicação nos vetores de uma base apenas. Assim, o número
de informações necessárias a respeito de uma transformação linear, para que a conheçamos com-
pletamente, é igual à dimensão do espaço vetorial no qual ela é definida. Isso é uma especificidade
das transformações lineares: nenhuma outra função permite uma manipulação tão simples. É por
essa qualidade, em particular, que as transformações lineares são, por excelência, as funções usadas
na computação em geral.
Vimos também conceitos importantes e essenciais para o estudo da Álgebra Linear. As

noções de autovetor e autovalor de uma transformação linear (ou matriz) são fundamentais, por
exemplo, em Fı́sica Atômica, porque os nı́veis de energia dos átomos e moléculas são dados por
autovalores de determinadas matrizes. Também o estudo dos fenômenos de vibração, análise de
estabilidade de um avião e muitos outros problemas de Fı́sica levam à procura de autovalores e
autovetores de matrizes. Autovalores e autovetores também são utilizados na resolução de sistemas
de equações diferenciais, e muitas situações fı́sicas são descritas por um sistema de equações dife-
renciais. Você terá conhecimento de equações diferenciais mais adiante no curso, nas disciplinas de
Cálculo. Outra aplicação importante desses conceitos é a classificação de cônicas e quádricas, nela,
autovalores e autovetores são usados para normalizar formas quadráticas. Mais especificamente,
elas são usadas para encontrar mudanças de referencial que permitem identificar quais as figuras
geométricas que representam certas equações no plano e no espaço.
Podemos ver que os conteúdos estudados neste curso são aplicados em diversas áreas da
ciência. Nos preocupamos em formalizar os conceitos matemáticos e sugerimos ao(à) leitor(a) que
na sequência de seus estudos, quando se deparar com situações-problema que recaia em situações
envolvendo a Álgebra Linear, lembre-se que existe todo um embasamento teórico para justificar e
resolvê-las quando possı́vel.
310
299
ATIVIDADE DE ESTUDO
1) Normalize cada um dos seguintes vetores no espaço euclidiano R3 :

a) u = (2, 1, −1)
b) v = (1/2, 2/3, −1/4)
2) Verifique em cada caso se T é uma transformação linear:

a) T : R3 → R2 definida por T (x, y, z) = (x, 3x − y)
b) T : R2 → R definida por T (x, y) = 5x − 2y
c) T : R2 → R2 definida por T (x, y) = (x + y, x − 1)
d) T : R2 → R2 definida por T (x, y) = (y, x2 )
3) Seja T : R3 → R3 dada por T (x, y, z) = (−z, x + y, z), obtenha uma base para:
a) N uc(T )
b) Im(T )
c) Conclua que dim N uc(T ) + dim Im(T ) = dim R3
4) Seja T : R2 → R a transformação linear para a qual T (1, 1) = 3 e T (0, 1) = −2, encontre

T (x, y), para (x, y) ∈ R2 .
5) Verifique se o vetor v ∈ V pertence ao núcleo da transformação linear T : V → W , em cada

caso:
a) V = R3 , W = R2 , T (x, y, z) = (x + y − z, 3y + z), v = (4, −1, 3)
b) V = R3 , W = R2 , T (x, y, z) = (x + y − z, 3y + z), v = (1, −1, 2)
   
 a11 a12   1 −3 
c) V = M2 (R), W = R, T   = a11 + a12 + 2a21 + 2a22 , v =  
a21 a22 5 2
   
 a11 a12   1 3 
d) V = M2 (R), W = R, T   = a11 + a12 + 2a21 + 2a22 , v =  
a21 a22 3 −5
6) Determine a dimensão e uma base para o núcleo, a dimensão e uma base da imagem da trans-
formação linear T : R3 → R2 dada por T (x, y, z) = (y − 2z, x − y − z).
311
300
7) Determine os autovalores e os autovetores das seguintes transformações lineares:
a) T : R2 → R2 dada por T (x, y) = (x + 2y, x)
b) T : R3 → R3 dada por T (x, y, z) = (x, −2x − y, 2x + y + 2z)
c) T : R2 → R2 dada por T (x, y) = (2x + y, 4x + 5y)
8) Determine os autovalores e os autovetores dos seguintes operadores cujas matrizes na base

canônica são:
 
 
   4 0 0 0 
 
 1 0 0   
 2 2     0 2 0 0 
a) A =   b) A =  
 −1 0 −2  c) A = 



2 2    0 0 2 0 
 
1 1 3  
0 −1 0 −3
312
296
A MATEMÁTICA DOS CÓDIGOS DE BARRAS

Um código de barras não é mais do que um número, assignado ao produto para sua identifi-
cação, escrito de forma a permitir uma leitura rápida no caixa. Imediatamente abaixo das barras,
aparece o mesmo número escrito em algaritmos correntes, de forma que o leitor humano também
possa ler o número.
Vamos fazer algumas considerações sobre a leitura de um código de barras: primeiro que
o desenho das barras é totalmente simétrico para a máquina, que o lê usando um feixe de luz
transversal, ao passá-lo “de ponta cabeça”, ela não deveria ler o número na ordem contrária? E, o
que é pior, o operador do caixa, ao digitar o número rapidamente, não poderia cometer um erro
fazendo com que paguemos por um produto muito mais caro do que aquele que estamos comprando?
Na verdade, isso não ocorre. Tanto quando lido numa ordem, como na ordem contrária, o código
sempre é interpretado de forma correta. Mais ainda, quando o operador comete algum erro de
digitação - e todos nós já vimos isso acontecer alguma vez - a máquina simplesmente emite um
som, para avisar que houve um erro.
Se observamos um código de barras, notamos imediatamente que ele é formado por listras
brancas e pretas alternadas, de espessura variável. Há, na verdade, quatro espessuras possı́veis
para essas listras, que podem ser classificadas como finas, médias, grossas ou muito grossas. Vamos
utilizar o sı́mbolo 0 para indicar uma listra branca fina, o sı́mbolo 00 para uma listra branca
média, 000 para uma listra branca grossa e 0000 para uma muito grossa. Da mesma forma,
vamos representar por 1, 11, 111 e 1111 uma listra preta fina, média, grossa ou muito grossa,
respectivamente. Assim, as primeiras quatro listras da figura (sem contar, é claro, as listras que
servem de limite e que aparecem mais compridas na figura), que são uma listra branca grossa, uma
preta média, uma branca fina e uma preta fina respectivamente, podem ser representadas pela
sequência 0001101.
Há dois tipos de códigos, o UPC-A e EAN-13. No código EAN há um dı́gito a cada código,
de modo a permitir a identificação do paı́s de origem do produto. Por exemplo, o código de barras
de todos os produtos produzidos no Brasil começa com a sequência 789, que é a que identifica o
paı́s.
313
297
A detecção de erros - aplicação
Para compreender como funciona o processo de detecção de erros, precisamos entender,

inicialmente, como se atribui a cada produto o dı́gito de verificação. Suponhamos que um de-
terminado produto está identificado, no sistema EAN-13, por uma dada sequência de dı́gitos
a1 a2 . . . a12 a13 . Como os primeiros dı́gitos identificam o paı́s de origem, o fabricante e o pro-
duto especı́fico, os primeiros doze dı́gitos da sequência estão determinados naturalmente por um
método padrão, a cargo de uma autoridade classificadora em cada paı́s. Denotaremos o décimo
terceiro dı́gito, de verificação, por x. Para facilitar nossa exposição, vamos escrever essa sequên-
cia como um vetor: α = (a1 , a2 , . . . , a11 , a12 , x). O sistema EAN-13 se utiliza de um vetor fixo,
que chamaremos vetor de pesos, que é w = (1, 3, 1, 3, 1, 3, 1, 3, 1, 3, 1, 3, 1). Calcula-se, então, o
“produto escalar” de ambos vetores: α, w = (a1 , . . . , a12 , x), (1, 3, 1, 3, 1, 3, 1, 3, 1, 3, 1, 3, 1) =
= a1 + 3a2 + a3 + 3a4 + a5 + 3a6 + a7 + 3a8 + a9 + 3a10 + a11 + 3a12 + x. Agora, o dı́gito de verificação
x se escolhe de forma tal que a soma anterior seja múltipla de 10, isto é, tal que α, w = 0(mod10).
Por exemplo, no caso do código da figura anterior, os números que indicam o paı́s de origem, o
fabricante e o produto são 789500026624. Vamos ver como foi determinado o dı́gito de verifi-
cação. Chamando esse dı́gito de x e fazendo o “produto escalar” com o vetor de pesos, temos:
7 + 3 × 8 + 9 + 3 × 5 + 0 + 3 × 0 + 0 + 3 × 2 + 6 + 3 × 6 + 2 + 3 × 4 + x = 99 + x. Consequentemente,
deve-se tomar x = 1.
Vejamos agora um exemplo de como funciona a detecção de erros. Um livro do autor

recebeu o código de barras 9781402002380. Suponhamos que, por um erro de digitação no quarto
dı́gito, esse número é transmitido como α = 9782402002380. Ao fazer a verificação de leitura, o
computador que recebeu a informação faz a operação α, w e obtém: 9 + 3 × 7 + 8 + 3 × 2 + 4 +
3 × 0 + 2 + 3 × 0 + 0 + 3 × 2 + 3 + 3 × 8 + 0 = 73. Como o resultado não é um múltiplo de 10, ele
avisa que foi cometido algum erro.
314
298
Assim, o sistema detecta todo erro de transposição cometido.
Leia o artigo na ı́ntegra em: <http://mat.ufg.br/bienal/2006/mini/polcino.pdf>.
Fonte: adaptado por Milies (2006, on-line)1 .

Este é um ótimo vídeo do professor Elon Lages Lima sobre o estudo de Matrizes. Além das opera
ções fundamentais de matrizes, Lima aborda algumas aplicações das matrizes. Tais aplicações
foram abordadas no decorrer deste livro. O vídeo enriquecerá bastante o assunto tratado.
<https://www.youtube.com/watch?v=eEbp3aKFoIA>.
O link a seguir nos dá acesso a uma página com vários exemplos de aplicações de Geometria
Analítica e Álgebra Linear às mais diversas áreas científicas e tecnológicas. Ela está aberta a
contribuições de professores, alunos, ex-alunos e profissionais.
<http://www.mat.ufmg.br/gaal/aplicacoes/aplicacoes.html>
REFERÊNCIAS 303
Referências
Referências On-line
#Referências on-line#
1 - <http://mat.ufg.br/bienal/2006/mini/polcino.pdf>. Acesso em: 23 jul. 2014.
#Referências on-line#
317
304
GABARITO
GABARITO
Unidade V
1) √ √ √ 2)
6 6 6 a) T é uma transformação linear
a) w = , ,
3 6 6
√ b) T é uma transformação linear
√ √
6 109 8 109 3 109 c) T não é uma transformação linear
b) w = , ,−
109 109 109
d) T não é uma transformação linear
3) 5) 6)
a) {(−1, 1, 0)} a) v ∈ nuc(T ) Base para o Núcleo: {(1, 2, 1)}
b) {(−1, 0, 1), (0, 1, 0)} b) v ∈
/ nuc(T ) dim N uc(T ) = 1
4) c) v ∈
/ nuc(T ) Base para Imagem: {(0, 1), (1, −1)}
T (x, y) = 5x − 2y d) v ∈ nuc(T ) dim Im(T ) = 2
7) 8)
a) λ1 = 2 e λ2 = −1 a) λ1 = 0, λ2 = 4 e v1 = (−y, y)
v1 = (2y, y) e v2 = (−y, y) com y = 0 v2 = (y, y) com y = 0
b) λ1 = 1, λ2 = −1, λ3 = 2, v1 = (−z, z, z), b) λ1 = 1, λ2 = 2, v1 = (−y − z, y, z) e
v2 = (0, −3z, z) e v3 = (0, 0, z) com z = 0 v2 = (0, −z, z) com y e z = 0
y
c) λ1 = 6, λ2 = 1, v1 = ,y c) λ1 = 4, λ2 = 2, λ3 = −3, v1 = (x, 0, z, 0),
4
e v2 = (−y, y) com y = 0 v2 = (0, −5t, z, t) e v3 = (0, 0, 0, t) com x ou
z = 0 e t = 0
302
CONCLUSÃO
CONCLUSÃO
Caro(a) leitor(a), escrever as unidades sobre Geometria Analı́tica foi um grande desafio,
visto a enorme responsabilidade, por se tratar de uma das bases da matemática do ensino superior,
e também de extrema importância para as mais diversas áreas de conhecimento, das ciências
exatas e engenharias. A proposta deste material foi apresentar a Geometria Analı́tica de maneira
construtiva, com muitos exemplos e ilustrações que pudessem facilitar a compreensão dos assuntos
abordados.
No inı́cio da unidade 1, fizemos um estudo bem detalhado com os vetores, sua interpretação
geométrica por meio de coordenadas, vimos o conceito de combinação linear, produto interno,
produto vetorial e produto misto. É importante saber que os conceitos sobre vetores e multiplicação
de vetores têm extrema importância para o ramo da Fı́sica, pois essas teorias auxiliam na descrição
de vários fenômenos fı́sicos, desde a mecânica clássica até o eletromagnetismo. No final da unidade
1, estudamos as retas e os planos, deduzimos várias equações, sempre partindo dos conceitos
estudados no inı́cio da unidade, mostrando, assim, a importância dos vetores com suas teorias.
Dando continuidade em nossos estudos, vimos as equações de grau dois com duas variáveis
no plano cartesiano e obtemos as curvas cônicas. E, para concluir, na unidade 2, sobre Geometria
Analı́tica, fizemos um estudo bem detalhado das superfı́cies quádricas, sendo essa última um dos
principais objetivos deste material.
Nas três última unidade, abordamos os conteúdos da Álgebra Linear, que dão sequência
nos estudos da Geometria Analı́tica, no entanto, com foco nas equações lineares, matrizes, com
sua estrutura algébrica “herdadas” dos vetores no plano e no espaço tridimensional. O estudo
desta área é muito importante em alguns cursos. Finalizamos nossos estudos com os autovalores
e autovetores, que podem ser usados para solucionar equações diferenciais que descrevem um
sistema, como ondas, molas e queda de objetos. A Álgebra Linear fornece uma base para cálculos
mais avançados. No decorrer deste livro, vocês puderam perceber que em quase todos os tópicos
discutidos, utilizamos Matrizes ou Sistemas de Equações Lineares. Podemos dizer que as Matrizes
são uns dos alicerces para o estudo da Álgebra Linear.
Espero que o livro apresentado aqui possa, de alguma maneira, ter contribuı́do para seu
aprendizado e, principalmente, tenha dado uma base sólida para continuidade dos seus estudos.

Unicesumar - Geometria Analítica

Enviado por

Direitos autorais:

Formatos disponíveis

Unicesumar - Geometria Analítica

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

Unicesumar - Geometria Analítica

Enviado por

Direitos autorais:

Formatos disponíveis

GEOMETRIA

Professor Me. Alexandre Shuji Suguimoto

NEAD - Núcleo de Educação a Distância

Ficha catalográfica elaborada pelo bibliotecário

Professor Me. Alexandre Shuji Suguimoto

Professor Me. Anderson Leandro Zulin

GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR

Na sequência, são apresentados os conceitos especı́ficos da Álgebra Linear, a saber, Matrizes

Ao escrever e reorganizar este livro, procurei apresentar as definições e conceitos, com

VETORES, MULTIPLICAÇÃO DE VETORES, RETAS E PLANOS

21 Operação com Vetores

26 Dependência e Independência Linear

29 Expressão Analítica de um Vetor

135 Hipérboloide de Uma Folha

138 Hipérboloide de Duas Folhas

142 Paraboloide Elíptico

145 Paraboloide Hiperbólico

149 Superfície Cônica

152 Superfície Cilíndrica

155 Considerações Finais

MATRIZES, DETERMINANTES E SISTEMAS DE EQUAÇÕES

176 Operações com Matrizes

183 Matriz Inversa

202 Sistemas de Equações Lineares

208 Resolução de Sistemas Equações Lineares

222 Considerações Finais

243 Espaço Vetorial

248 Subespaço Vetorial

252 Combinação Linear

255 Dependência e Independência Linear

269 Considerações Finais

PRODUTO INTERNO, TRANSFORMAÇÕES LINEARES, AUTOVALORES E

280 Produto Interno

290 Transformações Lineares

292 Núcleo e Imagem de Uma Transformação Linear

294 Autovalores e Autovetores

298 Polinômio Característico

309 Considerações Finais

Na sequência, faremos um estudo sobre as retas e planos, cujas representações matemáticas

Figura 1 − Reta orientada

O segmento orientado AB é determinado pelos pontos com origem em A e extremidade

Figura 2 − Sentido positiva

O segmento BA é o segmento oposto ao AB.

Figura 3 − Sentido negativo

Adotando uma unidade de comprimento, podemos associar ao segmento AB um número

VETORES, MULTIPLICAÇÃO DE VETORES, RETAS E PLANOS

No caso em que os pontos A e B são coincidentes, ou seja, A = B, chamamos AB de

Figura 5 − Segmento nulo

Sejam r e s retas paralelas, dizemos que os segmentos AB e CD têm a mesma direção,

Figura 6 − Mesmo sentido Figura 7 − Sentidos opostos

Figura 8 − Mesmo sentido Figura 9 − Sentidos opostos

Dizemos que dois segmentos são equipolentes quando têm:

Geometricamente, os segmentos AB e CD são equipolentes quando:

Usaremos a seguinte notação AB ∼ CD para indicarmos equipolência. É fácil de verificar

I) Reflexiva: AB ∼ AB, todo segmento é equipolente a si mesmo.

VETORES, MULTIPLICAÇÃO DE VETORES, RETAS E PLANOS

Dizemos que o vetor determinado por um segmento orientado AB é o conjunto de todos

Esse conjunto pode ser denotado da forma:

É importante destacar que as caracterı́sticas de um vetor v são as mesmas em qualquer um

21 Operação com Vetores

26 Dependência e Independência Linear

29 Expressão Analítica de um Vetor

135 Hipérboloide de Uma Folha

138 Hipérboloide de Duas Folhas

142 Paraboloide Elíptico

145 Paraboloide Hiperbólico

149 Superfície Cônica

152 Superfície Cilíndrica

155 Considerações Finais

176 Operações com Matrizes

183 Matriz Inversa

202 Sistemas de Equações Lineares

208 Resolução de Sistemas Equações Lineares

222 Considerações Finais

243 Espaço Vetorial

248 Subespaço Vetorial

252 Combinação Linear

255 Dependência e Independência Linear

269 Considerações Finais

280 Produto Interno

290 Transformações Lineares

292 Núcleo e Imagem de Uma Transformação Linear

294 Autovalores e Autovetores

298 Polinômio Característico

309 Considerações Finais

É importante destacar que as caracterı́sticas de um vetor v são as mesmas em qualquer um

Observe que se kv = 0, então k = 0 ou v = 0.

Considere agora três vetores {u, v , w}.

Notação: v = (x, y) = (x, 0) + (0, y) = x(1, 0) + y(0, 1) = xi + yj

Exemplo 9: Dados os vetores u = (1, 3), v = (1, 2) e w

b) Mostre que os vetores s e t = (6, 14) são linearmente dependentes.

Exemplo 10: Sejam u = (1, 1, 1) e v = (1, 0, 2) vetores de R3 .

Analogamente, se A(xA , yA , zA ) e B(xB , yB , zB ) são pontos do R3 , pondo v = (a, b, c) em

= 2 x1 y2ij + x1 z2ik + y1 x2ji + y1 y2j 2 + y1 z2jk + z1 x2ki + z1 y2kj + z1 z2k 2

Vamos mostrar a propriedade do item (I). Sejam u = (x1 , y1 , z1 ) e v = (x2 , y2 , z2 ) vetores em R3 ,

b) u = (1, −2, 4) e v = (−3, −1, 2)

Perceba que tomamos dois vetores u e v em R3 e, a partir de suas coordenadas, obtivemos