Um Curso de Geometria Analítica e Álgebra Linear

U M C URSO DE G EOMETRIA A NALTICA E
l
ita
LGEBRA L INEAR
Reginaldo J. Santos
Departamento de Matemtica-ICEx
ig
Universidade Federal de Minas Gerais
http://www.mat.ufmg.br/regi
D
ia
p
Imprensa Universitria da UFMG - Belo Horizonte

Julho 2014
l
Um Curso de Geometria Analtica e lgebra Linear
Copyright
c 2017 by Reginaldo J. Santos (2017.4.5)
ita
Nenhuma parte desta publicao poder ser reproduzida por qualquer meio sem a prvia autorizao, por
escrito, do autor.
Editor, Coordenador de Reviso, Supervisor de Produo, Capa e Ilustraes:

Reginaldo J. Santos
ig
ISBN 85-7470-006-1
Ficha Catalogrfica
S237u
Santos, Reginaldo J.
D
Um Curso de Geometria Analtica e lgebra Linear / Reginaldo J. Santos
- Belo Horizonte: Imprensa Universitria da UFMG, 2017.
ia
1. lgebra Linear 2. Geometria Analtica I. Ttulo
CDD: 512.5
516.3
p
l
ita
S UMRIO
ig
A PRESENTAO vii
1 M ATRIZES E S ISTEMAS L INEARES 1
D
1.1 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Operaes com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Propriedades da lgebra Matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.3 Aplicao: Cadeias de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Apndice I: Notao de Somatrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
ia
1.2 Sistemas de Equaes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.2.1 Mtodo de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.2.2 Matrizes Equivalentes por Linhas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.2.3 Sistemas Lineares Homogneos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
p
1.2.5 Matrizes Elementares (opcional) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2 I NVERSO DE M ATRIZES E D ETERMINANTES 69
2.1 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.1.1 Propriedades da Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.1.2 Matrizes Elementares e Inverso (opcional) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
iv Sumrio
l
2.1.3 Mtodo para Inverso de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.1.4 Aplicao: Interpolao Polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
ita
2.1.5 Aplicao: Criptografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
2.2 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
2.2.1 Propriedades do Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
2.2.2 Matrizes Elementares e o Determinante (opcional) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
ig
Apndice II: Demonstrao do Teorema 2.11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
3 V ETORES NO P LANO E NO E SPAO 130
3.1 Soma de Vetores e Multiplicao por Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
3.2 Produto Escalar e Projeo Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
D
3.2.1 Norma e Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
3.2.2 Projeo Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
3.3 Produtos Vetorial e Misto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
3.3.1 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
3.3.2 Produto Misto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
ia
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
Apndice III: Demonstrao do item (e) do Teorema 3.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
4 R ETAS E P LANOS 206
p
4.1 Equaes do Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206

4.1.1 Equao Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
4.1.2 Equaes Paramtricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
4.2 Equaes da Reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
4.2.1 Equaes Paramtricas e Equao Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
4.2.2 Equaes na Forma Simtrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
Um Curso de Geometria Analtica e lgebra Linear GoBack GoForward Julho 2014

Sumrio v
l
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
4.3 ngulos e Distncias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
ita
4.3.1 ngulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
4.3.2 Distncias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
5 E SPAOS Rn 278
5.1 Independncia Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
5.1.1 Os Espaos Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
ig
5.1.2 Combinao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
5.1.3 Independncia Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
5.1.4 Posies Relativas de Retas e Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
5.2 Subespaos, Base e Dimenso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
D
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
Apndice IV: Outros Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
5.3 Produto Escalar em Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
5.3.1 Produto Interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
5.3.2 Bases Ortogonais e Ortonormais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356
ia
5.4 Mudana de Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359
5.4.1 Rotao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368
5.4.2 Translao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 370
5.4.3 Aplicao: Computao Grfica - Projeo Ortogrfica . . . . . . . . . . . . . . . . . . . . . . . . . . 371
p
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
6 D IAGONALIZAO 384
6.1 Diagonalizao de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
6.1.1 Motivao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
6.1.2 Autovalores e Autovetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 386
6.1.3 Diagonalizao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 396
Julho 2014 GoBack GoForward Reginaldo J. Santos

vi Sumrio
l
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 409
ita
6.2 Diagonalizao de Matrizes Simtricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 415
6.2.1 Motivao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 415
6.2.2 Matrizes Ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 417
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 423
Apndice V: Autovalores Complexos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426
6.3 Aplicao: Identificao de Cnicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 430
6.3.1 Elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 430
ig
6.3.2 Hiprbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 440
6.3.3 Parbola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 448
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 465
R ESPOSTAS DOS E XERCCIOS 486
D
B IBLIOGRAFIA 643
NDICE A LFABTICO 647
ia
p

l
ita
A PRESENTAO
ig
Este texto cobre o material para um curso de um semestre de Geometria Analtica e lgebra Linear ministrado
nos primeiros semestres para estudantes da rea de Cincias Exatas. O texto pode, mas no necessrio, ser
acompanhado de um programa como o M ATLABr ou o Maxima.
D
O contedo dividido em seis captulos. O Captulo 1 trata das matrizes e sistemas lineares. Aqui todas as
propriedades da lgebra matricial so demonstradas. A resoluo de sistemas lineares feita usando somente
o mtodo de Gauss-Jordan (transformando a matriz at que ela esteja na forma escalonada reduzida). Este
mtodo requer mais trabalho do que o mtodo de Gauss (transformando a matriz, apenas, at que ela esteja na
forma escalonada). Ele foi o escolhido, por que tambm usado no estudo da inverso de matrizes no Cap-
tulo 2. Neste Captulo tambm estudado o determinante, que definido usando cofatores. As demonstraes
ia
dos resultados deste captulo podem ser, a critrio do leitor, feitas somente para matrizes 3 3.
O Captulo 3 trata de vetores no plano e no espao. Os vetores so definidos de forma geomtrica, assim
como a soma e a multiplicao por escalar. So provadas algumas propriedades geometricamente. Depois so
introduzidos sistemas de coordenadas de forma natural sem a necessidade da definio de base. Os produtos
p
escalar e vetorial so definidos tambm geometricamente. O Captulo 4 trata de retas e planos no espao. So
estudados ngulos e distncias entre retas e planos.
O Captulo 5 cobre a teoria dos espaos Rn . O conceito de dependncia e independncia linear intro-
duzido de forma algbrica, acompanhado da interpretao geomtrica para os casos de R2 e R3 . Aqui so
estudadas as posies relativas de retas e planos como uma aplicao do conceito de dependncia linear. So
M ATLAB r marca registrada de The Mathworks, Inc.
viii Sumrio
l
tambm tratados os conceitos de geradores e de base de subespaos. So abordados tambm o produto escalar
e bases ortonormais. O Captulo terminado com mudana de coordenadas, preparando para o Captulo de
ita
diagonalizao.
O Captulo 6 traz um estudo da diagonalizao de matrizes em geral e diagonalizao de matrizes simtri-
cas atravs de uma matriz ortogonal. feita uma aplicao ao estudo das sees cnicas.
Os exerccios esto agrupados em trs classes. Os Exerccios Numricos, que contm exerccios que so
resolvidos fazendo clculos, que podem ser realizados sem a ajuda de um computador ou de uma mquina de
calcular. Os Exerccios Tericos, que contm exerccios que requerem demonstraes. Alguns so simples,
outros so mais complexos. Os mais difceis complementam a teoria e geralmente so acompanhados de suges-
ig
tes. Os Exerccios usando o M ATLABr , que contm exerccios para serem resolvidos usando o M ATLABr
ou outro software. Os comandos necessrios a resoluo destes exerccios so tambm fornecidos juntamente
com uma explicao rpida do uso. Os exerccios numricos so imprescindveis, enquanto a resoluo dos
outros, depende do nvel e dos objetivos pretendidos para o curso.
O M ATLABr um software destinado a fazer clculos com matrizes (M ATLABr = MATrix LABoratory).
D
Os comandos do M ATLABr so muito prximos da forma como escrevemos expresses algbricas, tornando
mais simples o seu uso. Podem ser incorporados s funes pr-definidas, pacotes de funes para tarefas es-
pecficas. Um pacote chamado gaal com funes que so direcionadas para o estudo de Geometria Analtica
e lgebra Linear pode ser obtido na web na pgina do autor, assim como um texto com uma introduo ao
M ATLABr e instrues de como instalar o pacote gaal. O M ATLABr no um software gratuito, embora antes
ia
a verso estudante vinha grtis ao se comprar o guia do usurio. O Maxima um programa de computao al-
gbrica gratuito. Ambos podem ser usados como ferramenta auxiliar na aprendizagem de Geometria Analtica
e lgebra Linear. Na pgina do autor na web podem ser encontrados pacotes de funes para estes programas
alm de links para as pginas do Maxima e vrias pginas interativas que podem auxiliar na aprendizagem.
No fim de cada captulo temos um Teste do Captulo para que o aluno possa avaliar os seus conhecimen-
p
tos. Os Exerccios Numricos e os Exerccios usando o M ATLABr esto resolvidos aps o ltimo captulo.
Gostaria de agradecer aos professores que colaboraram apresentando correes, crticas e sugestes, entre
eles Joana Darc A. S. da Cruz, Francisco Dutenhefner, Jorge Sabatucci, Seme Gebara, Alexandre Washington,
Vivaldo R. Filho, Hamilton P. Bueno, Paulo A. F. Machado, Helder C. Rodrigues, Nikolai A. Goussevskii, Is-
rael Vainsencher, Leopoldo G. Fernandes, Rodney J. Biezuner, Wilson D. Barbosa, Flaviana A. Ribeiro, Cristina
Marques, Rogrio S. Mol, Denise Burgarelli, Paulo C. de Lima, Jos Barbosa Gomes, Francisco Satuf, Viktor

Apresentao ix
l
Beckkert, Moacir G. dos Anjos, Daniel C. de Morais Filho, Michel Spira, Dan Avritzer, Maria Laura M. Go-
mes, Armando Neves, Maria Cristina C. Ferreira, Kennedy Pedroso, Marcelo de O. Terra Cunha e Marcelo D.
ita
Marchesin.
Histrico
Julho 2014 Algumas correes. As sees Produtos de Vetores e Retas e Planos foram divididas. Foram
acrescentados exerccios em algumas sees. Um deles a demonstrao da Lei dos Cossenos. As solu-
ig
es dos Exerccios Numricos, com exceo das sees 4.3, 6.2 e 6.3, foram reescritas e agora no usam
o M ATLABr .
Maro 2012 Algumas correes. Vrias figuras foram refeitas. Foram acrescentados o exerccio 6.3.16 sobre a
propriedade refletora da elipse e o exerccio 6.3.17 sobre a propriedade refletora da hiprbole.
D
Julho 2007, 2009 e 2010 Algumas correes. As respostas de alguns exerccios foram reescritas. Mudana na
formatao do texto. Vrias figuras foram refeitas.
Maro 2007 Vrias figuras foram refeitas e outras acrescentadas. Foram reescritos o Exemplo 3.12 e o Corol-
rio 3.10. Na seo 5.2 um exemplo foi reescrito e acrescentado mais um. Os Exemplos 5.25 e 5.26 foram
ia
reescritos, saram do apndice e voltaram ao texto normal. A seo 5.4 Mudana de Coordenadas foi re-
escrita e acrescentada uma aplicao computao grfica. Foram acrescentados dois exerccios na seo
Matrizes, um em Inverso de Matrizes, um em seo Determinantes, dois em Produto de Vetores,
um em Subespaos, um em Produto Escalar em Rn , trs em Mudana de Coordenadas, quatro em
Diagonalizao de Matrizes e um em Diagonalizao de Matrizes Simtricas. Foram corrigidos alguns
p
erros.
Julho 2006 Foi acrescentado o Exemplo 2.16 na pgina 113. A seo Produtos de Vetores foi reescrita. Foi
acrescentado um exerccio na seo 4.2. O Captulo 5 foi reescrito. Foram corrigidos alguns erros.
Maro 2006 A Seo 1.1 de Matrizes e a Seo 2.2 de Determinantes foram reescritas. Na seo 1.2 o Teo-
rema 1.4 voltou a ser que toda matriz equivalente por linhas a uma nica matriz na forma escalonada

x Apresentao
l
reduzida. Foram acrescentados vrios exerccios aos Captulos 3 e 4. O Captulo 5 foi reescrito. Foram
acrescentados exerccios tericos seo Aplicao Cnicas.
ita
Julho 2004 Foram acrescentadas aplicaes criptografia (Exemplo na pgina 91) e a cadeias de Markov
(Exemplos 1.9 na pgina 16, 1.16 na pgina 49 e 6.8 na pgina 404). Foi acrescentado um exerccio na
seo 1.1. O Teorema 1.4 agora contm as propriedades da relao ser equivalente por linhas com a
demonstrao. O que antes era Exemplo 1.14 passou para o lugar do Exemplo 1.10. O Exemplo 2.5 foi
modificado. No Captulo 3 foram acrescentados 2 exerccios na seo 3.1, 1 exerccio na seo 3.2. No
Captulo 4 a seo 4.1 foi reescrita e foram acrescentados 2 exerccios. O Captulo 5 foi reescrito. Foi
ig
includa no Apndice III da seo 5.2. a demonstrao de que a forma escalonada reduzida de uma
matriz nica. A seo Diagonalizao de Matrizes ganhou mais um exerccio terico.
Setembro 2003 Foi acrescentada a regra de Cramer na seo Determinantes (Exemplo 2.20). A seo Subes-
paos, Base e Dimenso foi reescrita. Foi acrescentado um apndice a esta seo com Outros resultados.
A Proposio 5.15 da seo Produto Escalar em Rn foi reescrita. A seo Diagonalizao de Matrizes
D
ganhou mais dois exerccios tericos. A seo Diagonalizao de Matrizes Simtricas ganhou um apn-
dice sobre Autovalores Complexos.
Novembro 2002 Vrias correes incluindo respostas de exerccios. A seo Subespaos, Base e Dimenso
ganhou mais um exemplo e um exerccio. A seo Diagonalizao de Matrizes Simtricas ganhou mais
um exemplo.
ia
Julho 2001 Reviso completa no texto. Novos exerccios nas sees Matrizes e Sistemas Lineares. As sees
Subespaos e Base e Dimenso tornaram-se uma s. A seo Mudana de Coordenadas passou do
Captulo 6 para o Captulo 5.
p
Julho 2000 Criado a partir do texto Geometria Analtica e lgebra Linear para ser usado numa disciplina de
Geometria Analtica e lgebra Linear.

Apresentao xi
l
ita
Sugesto de Cronograma
ig
Captulo 1 8 aulas
Captulo 2 8 aulas
D
Captulo 3
Captulo 4
8 aulas
8 aulas
ia
Captulo 5 12 (16) aulas
p
Captulo 6 12 aulas
Total 56 (60) aulas

p
ia
D
ig
ita
l
l
ita
1
ig
M ATRIZES E S ISTEMAS L INEARES
1.1 Matrizes D
ia
Uma matriz A, m n (m por n), uma tabela de mn nmeros dispostos em m linhas
e n colunas

a11 a12 . . . a1n
p
a21 a22 . . . a2n

A= . .. .

.. ... .
am1 am2 . . . amn
A i-sima linha de A

ai1 ai2 ... ain ,
2 Matrizes e Sistemas Lineares
l
para i = 1, . . . , m e a j-sima coluna de A
ita

a1j
a2j
,

..
.
amj
para j = 1, . . . , n. Usamos tambm a notao A = ( aij )mn . Dizemos que aij ou [ A]ij
ig
o elemento ou a entrada de posio i, j da matriz A.
Se m = n, dizemos que A uma matriz quadrada de ordem n e os elementos
a11 , a22 , . . . , ann formam a diagonal (principal) de A.
Exemplo 1.1. Considere as seguintes matrizes:
A=

1
3
2
4

, B=

D
2 1
0 3

, C=

1
2
3
4
0
2

,
ia

1
D= 1 3 2 , E= 4 eF= 3 .
3
p
As matrizes A e B so 2 2. A matriz C 2 3, D 1 3, E 3 1 e F 1 1.
De acordo com a notao que introduzimos, exemplos de elementos de algumas das
matrizes dadas acima so a12 = 2, c23 = 2, e21 = 4, [ A]22 = 4, [ D ]12 = 3.
Uma matriz que s possui uma linha chamada matriz linha, e uma matriz que
s possui uma coluna chamada matriz coluna, No Exemplo 1.1 a matriz D uma

1.1 Matrizes 3
l
matriz linha e a matriz E uma matriz coluna. Matrizes linha e matrizes coluna so
chamadas de vetores. O motivo ficar claro na Seo 5.1 na pgina 278.
ita
Dizemos que duas matrizes so iguais se elas tm o mesmo tamanho e os ele-
mentos correspondentes so iguais, ou seja, A = ( aij )mn e B = (bij ) pq so iguais
se m = p, n = q e aij = bij para i = 1, . . . , m e j = 1, . . . , n.
Vamos definir operaes matriciais anlogas s operaes com nmeros e pro-

var propriedades que so vlidas para essas operaes. Veremos, mais tarde, que
ig
um sistema de equaes lineares pode ser escrito em termos de uma nica equao
matricial.
Vamos, agora, introduzir as operaes matriciais.
1.1.1
D
Operaes com Matrizes
ia
Definio 1.1. A soma de duas matrizes de mesmo tamanho A = ( aij )mn e B = (bij )mn definida como
sendo a matriz m n
p
C = A+B
obtida somando-se os elementos correspondentes de A e B, ou seja,
cij = aij + bij ,
para i = 1, . . . , m e j = 1, . . . , n. Escrevemos tambm [ A + B]ij = aij + bij .

l
ita
Exemplo 1.2. Considere as matrizes:

1 2 3 2 1 5
A= , B=
ig
3 4 0 0 3 4
Se chamamos de C a soma das duas matrizes A e B, ento

1 + (2) 2 + 1 3 + 5 1 3 2
C = A+B = =
3+0 4 + 3 0 + (4) 3 7 4
D
ia
Definio 1.2. A multiplicao de uma matriz A = ( aij )mn por um escalar (nmero) definida pela matriz
mn
B = A
obtida multiplicando-se cada elemento da matriz A pelo escalar , ou seja,
p
bij = aij ,
para i = 1, . . . , m e j = 1, . . . , n. Escrevemos tambm [A]ij = aij . Dizemos que a matriz B um mltiplo

escalar da matriz A.

1.1 Matrizes 5
l
ita

2 1
Exemplo 1.3. O produto da matriz A = 0 3 pelo escalar 3 dado por
5 4

(3)(2) (3) 1 6 3
ig
3 A = (3) 0 (3) 3 = 0 9 .
(3) 5 (3)(4) 15 12
D
Definio 1.3. O produto de duas matrizes, tais que o nmero de colunas da primeira matriz igual ao
nmero de linhas da segunda, A = ( aij )m p e B = (bij ) pn definido pela matriz m n
ia
C = AB
obtida da seguinte forma:

p
cij = ai1 b1j + ai2 b2j + . . . + aip b pj , (1.1)
para i = 1, . . . , m e j = 1, . . . , n. Escrevemos tambm [ AB]ij = ai1 b1j + ai2 b2j + . . . + aip b pj .

l
A equao (1.1) est dizendo que o elemento i, j do produto igual soma dos pro-
dutos dos elementos da i-sima linha de A pelos elementos correspondentes da j-
ita
sima coluna de B.
a11 a12 . . . a1p

.. .. b b 1j b
c11 ... c1n 11 . . . . . . 1n

. ... .
.. .. b21
... b2j ... b2n

= ai1 ai2 . . . aip ..

. cij .
... .. ... ..
. . .

cm1 ... cmn .
. .
.

. . . . . .

. ... . b b
p1 b pn
ig
pj

am1 am2 ... amp
A equao (1.1) pode ser escrita de forma compacta usando a notao de somatrio.
p
aik bkj
D
[ AB]ij = ai1 b1j + ai2 b2j + . . . + aip b pj =
k =1
p
e dizemos somatrio de k variando de 1 a p de aik bkj . O smbolo significa que
k =1
estamos fazendo uma soma em que o ndice k est variando de k = 1 at k = p.
ia
Algumas propriedades da notao de somatrio esto explicadas no Apndice I na
pgina 28.
p
Exemplo 1.4. Considere as matrizes:

2 1 0
1 2 3
A= , B= 0 3 0 .
3 4 0
5 4 0

1.1 Matrizes 7
l
Se chamamos de C o produto das duas matrizes A e B, ento
ita

1 (2) + 2 0 + (3) 5 1 1 + 2 3 + (3) (4) 0 17 19 0
C = AB = = .
3 (2) + 4 0 + 0 5 3 1 + 4 3 + 0 (4) 0 6 15 0
Observao. No exemplo anterior o produto BA no est definido (por qu?). Entretanto, mesmo quando ele
ig
est definido, BA pode no ser igual AB, ou seja, o produto de matrizes no comutativo, como mostra o
exemplo seguinte.
D

1 2 2 1
Exemplo 1.5. Sejam A = 3 4
eB=
0 3
. Ento,

2 7 1 0
AB = e BA = .
6 15 9 12
ia
Vamos ver no prximo exemplo como as matrizes podem ser usadas para descrever
quantitativamente um processo de produo.
p
Exemplo 1.6. Uma indstria produz trs produtos, X, Y e Z, utilizando dois tipos
de insumo, A e B. Para a manufatura de cada kg de X so utilizados 1 grama do
insumo A e 2 gramas do insumo B; para cada kg de Y, 1 grama de insumo A e 1
grama de insumo B e, para cada kg de Z, 1 grama de A e 4 gramas de B. Usando

l
matrizes podemos determinar quantos gramas dos insumos A e B so necessrios
na produo de x kg do produto X, y kg do produto Y e z kg do produto Z.
ita
X Y Z

x kg de X produzidos
gramas de A/kg 1 1 1
= A X= y kg de Y produzidos
gramas de B/kg 2 1 4
z kg de Z produzidos

x+y+z gramas de A usados
ig
AX =
2x + y + 4z gramas de B usados
D
Definio 1.4. A transposta de uma matriz A = ( aij )mn definida pela matriz n m
B = At
ia
obtida trocando-se as linhas com as colunas, ou seja,
bij = a ji ,
para i = 1, . . . , n e j = 1, . . . , m. Escrevemos tambm [ At ]ij = a ji .

p

1.1 Matrizes 9
Exemplo 1.7. As transpostas das matrizes
l
ita

1 2 2 1 1 3 0
A= , B= e C= so
3 4 0 3 2 4 2

1 2
1 3 2 0
At = , Bt = e Ct = 3 4 .
2 4 1 3
0 2
ig
A seguir, mostraremos as propriedades que so vlidas para a lgebra matricial.
Vrias propriedades so semelhantes quelas que so vlidas para os nmeros reais,
mas deve-se tomar cuidado com as diferenas.
Uma propriedade importante que vlida para os nmeros reais, mas no v-
D
lida para as matrizes a comutatividade do produto, como foi mostrado no Exemplo
1.5.
Por ser compacta, usaremos a notao de somatrio na demonstrao de vrias
propriedades. Algumas propriedades desta notao esto explicadas no Apndice I
na pgina 28.
ia
1.1.2 Propriedades da lgebra Matricial
p
Teorema 1.1. Sejam A, B e C matrizes com tamanhos apropriados, e escalares. So vlidas as seguintes propriedades
para as operaes matriciais:
(a) (comutatividade) A + B = B + A;

l
(b) (associatividade) A + ( B + C ) = ( A + B) + C;
ita
(c) (elemento neutro) A matriz 0, m n, definida por [0]ij = 0, para i = 1, . . . , m, j = 1, . . . , n tal que
A + 0 = A,
para toda matriz A, m n. A matriz 0 chamada matriz nula m n.

(d) (elemento simtrico) Para cada matriz A, existe uma nica matriz A, definida por [ A]ij = aij tal que
ig
A + ( A) = 0.
(e) (associatividade) ( A) = () A;
D
(f) (distributividade) ( + ) A = A + A;
(g) (distributividade) ( A + B) = A + B;
(h) (associatividade) A( BC ) = ( AB)C;
(i) (elemento neutro) Para cada inteiro positivo p a matriz, p p,
ia

1 0 ... 0
0 1 ... 0
Ip = . .. ,

.. ..
. .
0 0 ... 1
p
chamada matriz identidade tal que
A In = Im A = A, para toda matriz A = ( aij )mn .
(j) (distributividade) A( B + C ) = AB + AC e ( B + C ) A = BA + CA;

1.1 Matrizes 11
l
(k) ( AB) = (A) B = A(B);
ita
(l) ( At )t = A;
(m) ( A + B)t = At + Bt ;
(n) (A)t = At ;
(o) ( AB)t = Bt At ;
ig
Demonstrao. Para provar as igualdades acima, devemos mostrar que os elemen-
D
tos da matriz do lado esquerdo so iguais aos elementos correspondentes da matriz
do lado direito. Sero usadas vrias propriedades dos nmeros sem cit-las explici-
tamente.
(a) [ A + B]ij = aij + bij = bij + aij = [ B + A]ij ;
(b) [ A + ( B + C )]ij = aij + [ B + C ]ij = aij + (bij + cij ) = ( aij + bij ) + cij =
ia
= [ A + B]ij + cij = [( A + B) + C ]ij ;
(c) Seja X uma matriz m n tal que
A+X = A (1.2)
p
para qualquer matriz A, m n. Comparando os elementos correspondentes,

temos que
aij + xij = aij ,
ou seja, xij = 0, para i = 1 . . . , m e j = 1 . . . , n. Portanto, a nica matriz que
satisfaz (1.2) a matriz em que todos os seus elementos so iguais a zero. De-
notamos a matriz X por 0.

l
(d) Dada uma matriz A, m n, seja X uma matriz m n, tal que
A + X = 0 . (1.3)
ita
Comparando os elementos correspondentes, temos que
aij + xij = 0 ,
ou seja, xij = aij , para i = 1 . . . , m e j = 1 . . . , n. Portanto, a nica matriz que
satisfaz (1.3) a matriz em que todos os seus elementos so iguais aos simtricos
ig
dos elementos de A. Denotamos a matriz X por A.
(e) [( A)]ij = [ A]ij = ( aij ) = () aij = [() A]ij .
(f) [( + ) A]ij = ( + ) aij = (aij ) + ( aij ) = [A]ij + [ A]ij = [A + A]ij .
(g) [( A + B)]ij = [ A + B]ij = ( aij + bij ) = aij + bij = [A]ij + [B]ij
D
= [A + B]ij .
(h) A demonstrao deste item a mais trabalhosa. Sejam A, B e C matrizes m p,
p q e q n respectivamente. A notao de somatrio aqui pode ser muito til,
pelo fato de ser compacta.
p p q p q
aik ( bkl clj ) = aik (bkl clj ) =
ia
[ A( BC )]ij = aik [ BC ]kj =
k =1 k =1 l =1 k =1 l =1
p q q p q p
= (aik bkl )clj = (aik bkl )clj = ( aik bkl )clj =
k =1 l =1 l =1 k =1 l =1 k =1
p
q
= [ AB]il clj = [( AB)C]ij .
l =1
(i) Podemos escrever a matriz identidade em termos do delta de Kronecker que

definido por
1, se i = j
ij =
0, se i 6= j

1.1 Matrizes 13
l
como [ In ]ij = ij . Assim,
ita
n n
[ AIn ]ij = aik [ In ]kj = aik kj = aij .
k =1 k =1
A outra igualdade anloga.

p p p
(j) [ A ( B + C )] ij = aik [ B + C ]kj = aik (bkj + ckj ) = (aik bkj + aik ckj ) =
k =1 k =1 k =1
p p
= aik bkj + aik ckj = [ AB]ij + [ AC]ij = [ AB + AC]ij .
ig
k =1 k =1
A outra igualdade inteiramente anloga a anterior e deixamos como exerccio.

p p
(k) [( AB)]ij = aik bkj = (aik )bkj = [(A) B]ij e
D
k =1 k =1
p p
[( AB)]ij = aik bkj = aik (bkj ) = [ A(B)]ij .
k =1 k =1
(l) [( At )t ]ij = [ At ] ji = aij .
(m) [( A + B)t ]ij = [ A + B] ji = a ji + b ji = [ At ]ij + [ Bt ]ij .
ia
(n) [(A)t ]ij = [A] ji = a ji = [ At ]ij = [At ]ij .
p p p
(o) [( AB)t ]ij = [ AB] ji = a jk bki = [ At ]kj [ Bt ]ik = [ Bt ]ik [ At ]kj = [ Bt At ]ij .
k =1 k =1 k =1
p
A diferena entre duas matrizes de mesmo tamanho A e B definida por
A B = A + ( B),
ou seja, a soma da matriz A com a simtrica da matriz B.

l
Sejam A uma matriz n n e p um inteiro positivo. Definimos a potncia p de A,
por A p = |A .{z
. . A}. E para p = 0, definimos A0 = In .
ita
p vezes
Exemplo 1.8. Vamos verificar se para matrizes A e B, quadradas, vale a igualdade

( A + B)( A B) = A2 B2 . (1.4)
ig
Usando a propriedade (i) do teorema anterior obtemos
( A + B)( A B) = ( A + B) A + ( A + B)( B)
= AA + BA AB BB = A2 + BA AB B2
tomarmos duas matrizes que no comutem entre si. Sejam

D
Assim, ( A + B)( A B) = A2 B2 se, e somente se, BA AB = 0, ou seja, se, e
somente se, AB = BA. Como o produto de matrizes no comutativo, a concluso
que a igualdade (1.4), no vale para matrizes em geral. Como contra-exemplo basta

ia
0 0 1 0
A= e B= .
1 1 1 0
Para estas matrizes

1 0 1 0 0 0 1 0
p
2 2
A+B = , AB = , A =A= , B =B= .
2 1 0 1 1 1 1 0
Assim,
1 0 1 0
( A + B)( A B) = 6= = A2 B2 .
2 1 0 1

1.1 Matrizes 15
1.1.3 Aplicao: Cadeias de Markov
l
Vamos supor que uma populao dividida em trs estados (por exemplo: ricos,
ita
classe mdia e pobres) e que em cada unidade de tempo a probabilidade de mudana
de um estado para outro seja constante no tempo, s dependa dos estados. Este
processo chamado cadeia de Markov.
Seja tij a probabilidade de mudana do estado j para o estado i em uma unidade
de tempo (gerao). Tome cuidado com a ordem dos ndices. A matriz
ig
1 2
3
t11 t12 t13
1
T = t21 t22 t23
2
t31 t32 t33
3
D
chamada matriz de transio. A distribuio da populao inicial entre os trs
estados pode ser descrita pela seguinte matriz:

p1 est no estado 1
P0 = p2 est no estado 2
p3 est no estado 3
ia
A matriz P0 caracteriza a distribuio inicial da populao entre os trs estados e
chamada vetor de estado. Aps uma unidade de tempo a populao estar dividida
entre os trs estados da seguinte forma

t11 p1 + t12 p2 + t13 p3 estar no estado 1
p
P1 = t21 p1 + t22 p2 + t23 p3 estar no estado 2

t31 p1 + t32 p2 + t33 p3 estar no estado 3
Lembre-se que tij a probabilidade de mudana do estado j para o estado i. Assim,

o vetor de estado aps uma unidade de tempo dada pelo produto de matrizes:
P1 = TP0 .

l
Exemplo 1.9. Vamos considerar a matriz de transio
ita

1 2
3
1 1
2 4 0
1
1 1 1 (1.5)
T =

2 2 2

2
0 1 1
3
4 2
e o vetor de estados inicial
ig
1
3 est no estado 1
P0 = 1 est no estado 2 (1.6)
3
1 est no estado 3
3
que representa uma populao dividida de forma que 1/3 da populao est em
D
cada estado.
Aps uma unidade de tempo a matriz de estado ser dada por
1 1 1 1
2 4 0 3 4
P1 = TP0 = 21 1 1 1 = 1

2 2 3 2
1 1 1 1
ia
0 4 2 3 4
Como estamos assumindo que em cada unidade de tempo a matriz de transio a

mesma, ento aps k unidades de tempo a populao estar dividida entre os trs
estados segundo a matriz de estado
p
Pk = TPk1 = T 2 Pk2 = = T k P0
Assim, a matriz T k d a transio entre k unidades de tempo.
Veremos na Seo 6.1 na pgina 384 como calcular rapidamente potncias k de
matrizes e assim como determinar a distribuio da populao aps k unidades de
tempo para k um inteiro positivo qualquer.

1.1 Matrizes 17
Exerccios Numricos (respostas na pgina 486)
l
1.1.1. Considere as seguintes matrizes
ita

6 4 0 6 9 9
2 0 0 4 6 9 7
A= , B= ,C = , D = 1 1 4 , E = 1 0 4
6 7 2 8 7 3 2
6 0 6 6 0 1
Se for possvel calcule:
ig
(a) AB BA,
(b) 2C D,
(c) (2D t 3Et )t ,
(d) D2 DE.
1.1.3. Considere as seguintes matrizes

3 2 1

D
1.1.2. Conhecendo-se somente os produtos AB e AC, como podemos calcular A( B + C ), Bt At , C t At e ( ABA)C?
2 1

2 1 1

d1 0 0

ia
A= ,B = 2 0 C = 0 1 1 , D = 0 d2 0 ,
1 2 1
0 3 1 0 1 0 0 d3

1 0 0
E1 = 0 , E2 = 1 , E3 = 0 .
p
0 0 1
Verifique que:
(a) AB diferente de BA.

(b) AEj a j-sima coluna de A, para j = 1, 2, 3 e Eit B a i-sima linha de B, para i = 1, 2, 3 (o caso geral
est no Exerccio 1.1.16 na pgina 23).


2 1 1
l
(c) CD = [ d1 C1 d2 C2 d3 C3 ], em que C1 = 0 , C2 = 1 e C3 = 1 , so as colunas de C
ita
1 0 1
(o caso geral est no Exerccio 1.1.17 (a) na pgina 24).

d1 C1
(d) DC = d2 C2 , em que C1 = 2 1 1 , C2 = 0 1 1 e C3 = 1 0 1 so as
d3 C3
linhas de C (o caso geral est no Exerccio 1.1.17 (b) na pgina 24).
ig

2 1
(e) Escrevendo B em termos das suas colunas, B = [ B1 B2 ], em que B1 = 2 e B2 = 0 , o
0 3
produto AB pode ser escrito como AB = A [ B1 B2 ] = [ AB1 AB2 ] (o caso geral est no Exerccio
1.1.18 (a) na pgina 25).
D

(f) escrevendo A em termos das suas A1 = 3 2 1 e A2 = 1 2 1 , o produto
linhas,
A1 A1 B
AB pode ser escrito como AB = B= (o caso geral est no Exerccio 1.1.18 (b) na
A2 A2 B
pgina 25).
ia
1.1.4. Sejam

x
1 3 0
A= e X = y .
0 4 2
z
p
Verifique que xA1 + yA2 + zA3 = AX, em que A j a j-sima coluna de A, para j = 1, 2, 3 (o caso geral
est no Exerccio 1.1.19 na pgina 25).
1.1.5. Encontre um valor de x tal que ABt = 0, em que

A= x 4 2 e B= 2 3 5 .

1.1 Matrizes 19
" #
1
l
1 y
1.1.6. Mostre que as matrizes A = , em que y uma nmero real no nulo, verificam a equao
y 1
ita
X 2 = 2X.

0 1
1.1.7. Mostre que se A e B so matrizes que comutam com a matriz M = , ento AB = BA.
1 0
1.1.8. (a) Determine todas as matrizes A, 2 2, diagonais (os elementos que esto fora da diagonal so iguais
a zero) que comutam com toda matriz B, 2 2, ou seja, tais que AB = BA, para toda matriz B, 2 2.
ig
(b) Determine todas as matrizes A, 2 2, que comutam com toda matriz B, 2 2, ou seja, tais que
AB = BA, para toda matriz B, 2 2.
1.1.9. Verifique que A3 = 0, para

0 1 0
D
A= 0 0 1 .
0 0 0
O caso geral est no Exerccio 1.1.29 na pgina 27.
1.1.10. Em uma cadeia de Markov considere a matriz de transio

ia

1 2
3
1 1
3 3 0
1
2 1 2 (1.7)
T = 2

3 3 3
1 1
3
p
0 3 3
e o vetor de estados inicial 1
3 est no estado 1
P0 = 1 est no estado 2 (1.8)
3
1 est no estado 3
3
que representa uma populao dividida de forma que 1/3 da populao est em cada estado.

l
Aps uma unidade de tempo qual ser a matriz de estado?
ita
Exerccios usando o M ATLABr
Uma vez inicializado o M ATLABr , aparecer na janela de comandos um prompt ou EDU. O prompt
significa que o M ATLABr est esperando um comando. Todo comando deve ser finalizado teclando-se
Enter. Comandos que foram dados anteriormente podem ser obtidos novamente usando as teclas e .
ig
Enquanto se estiver escrevendo um comando, este pode ser corrigido usando as teclas , , Delete e
Backspace. O M ATLABr faz diferena entre letras maisculas e minsculas.
No M ATLABr , pode-se obter ajuda sobre qualquer comando ou funo. O comando
help
D
(sem o prompt ) mostra uma listagem de todos os pacotes disponveis. Ajuda sobre um pacote especfico
ou sobre um comando ou funo especfica pode ser obtida com o comando
help nome,
(sem a vrgula e sem o prompt ) em que nome pode ser o nome de um pacote ou o nome de um comando
ou funo.
Alm dos comandos e funes pr-definidas, escrevemos um pacote chamado gaal com funes es-
ia
pecficas para a aprendizagem de Geometria Analtica e lgebra Linear. Este pacote pode ser obtido
gratuitamente atravs da internet no endereo http://www.mat.ufmg.br/regi, assim como um texto
com uma introduo ao M ATLABr e instrues de como instalar o pacote gaal. Depois deste pacote
ser devidamente instalado, o comando help gaal no prompt do M ATLABr d informaes sobre este
p
pacote.
Mais informaes sobre as capacidades do M ATLABr podem ser obtidas em [4, 27].
Vamos descrever aqui alguns comandos que podem ser usados para a manipulao de matrizes. Outros
comandos sero introduzidos a medida que forem necessrios.
syms x y z diz ao M ATLABr que as variveis x y e z so simblicas.

1.1 Matrizes 21
l
A=[a11,a12,...,a1n;a21,a22,...; ...,amn] cria uma matriz, m por n, usando os elementos a11,
a12, ..., amn e a armazena numa varivel de nome A. Por exemplo, A=[1,2,3;4,5,6] cria a matriz
ita
1 2 3
A= ;
4 5 6
I=eye(n) cria a matriz identidade n por n e a armazena numa varivel I;
O=zeros(n) ou O=zeros(m,n) cria a matriz nula n por n ou m por n, respectivamente, e a armazena
numa varivel O;
A+B a soma de A e B, A-B a diferena A menos B,
ig
A*B o produto de A por B, num*A o produto do escalar num por A,
A. a transposta de A, Ak a potncia A elevado a k.
A(:,j) a coluna j da matriz A, A(i,:) a linha i da matriz A.
diag([d1,...,dn]) cria uma matriz diagonal, cujos elementos da diagonal so iguais aos elementos
D
da matriz [d1,...,dn], ou seja, so d1,...,dn.
A=sym(A) converte a matriz A numa matriz em que os elementos so armazenados no formato simb-
lico. A funo numeric faz o processo inverso.
solve(expr) determina a soluo da equao expr=0. Por exemplo,
solve(x^2-4) determina as solues da equao x2 4 = 0;
ia
Comando do pacote GAAL:
A=randi(n) ou A=randi(m,n) cria uma matriz n por n ou m por n, respectivamente, com elementos
inteiros aleatrios entre 5 e 5.
1.1.11. Use o M ATLABr para calcular alguns membros da sequncia A, A2 , . . . , Ak , . . ., para
p
1 12
1 1

(a) A = ; (b) A = 2 3 .
0 31 0 15
A sequncia parece estar convergindo para alguma matriz? Se estiver, para qual?
1.1.12. Calcule as potncias das matrizes dadas a seguir e encontre experimentalmente (por tentativa!) o menor
inteiro k > 1 tal que (use o comando A=sym(A) depois de armazenar a matriz na varivel A):


0 0 1
l
(a) Ak = I3 , em que A = 1 0 0 .
ita
0 1 0

0 1 0 0
1 0 0 0
(b) Ak = I4 , em que A =

.
0 0 0 1
0 0 1 0

0 1 0 0
ig
0 0 1 0
(c) Ak = 0, em que A =

.
0 0 0 1
0 0 0 0
1.1.13. Vamos fazer um experimento no M ATLABr para tentar ter uma ideia do quo comum encontrar ma-
D
trizes cujo produto comuta. No prompt do M ATLABr digite a seguinte linha:
c=0; for n=1:1000,A=randi(3);B=randi(3);if(A*B==B*A),c=c+1;end,end,c
(no esquea das vrgulas e pontos e vrgulas!). O que esta linha est mandando o M ATLABr fazer o
seguinte:
Criar um contador c e atribuir a ele o valor zero.
ia
Atribuir s variveis A e B, 1000 matrizes 3 3 com entradas inteiras e aleatrias entre 5 e 5.
Se AB=BA, ou seja, A e B comutarem, ento o contador c acrescido de 1.
No final o valor existente na varivel c escrito.
p
Qual a concluso que voc tira do valor obtido na varivel c?

1.1.14. Faa um experimento semelhante ao anterior, mas para o caso em que cada uma das matrizes diagonal,
isto , os elementos que esto fora da diagonal so iguais a zero. Use a seta para cima para obter
novamente a linha digitada e edite a linha no prompt do M ATLABr de forma a obter algo semelhante
linha:
c=0; for n=1:1000,A=diag(randi(1,3));B=diag(randi(1,3));if( ....

1.1 Matrizes 23
l
1.1.15. Faa um experimento semelhante ao anterior, mas para o caso em que uma das matrizes diagonal. Use
ita
a seta para cima para obter novamente a linha digitada e edite a linha no prompt do M ATLABr de
forma a obter a seguinte linha:
c=0; for n=1:1000,A=diag(randi(1,3));B=randi(3);if(A*B==B*A),c=c+1;A,B,end,end,c
Aqui so impressas as matrizes A e B quando elas comutarem. Qual a concluso que voc tira deste
experimento? Qual a probabilidade de um tal par de matrizes comutarem?
ig
Exerccios Tericos

1 0 0

0

1

0

0 0 ..
1.1.16. Sejam E1 = , E2 = ,. . . , En = matrizes n 1.

D
.. .. .
. . 0
0 0 1
(a) Mostre que se
a11 a12 ... a1n
a21 a22 ... a2n
ia

A=

.. ..
. ... .
am1 am2 ... amn
uma matriz m n, ento AEj igual coluna j da matriz A.
p
(b) Mostre que se

b11 b12 . . . b1m
b21 b22 . . . b2m
B= . ,

..
.. ... .
bn1 bn2 ... bnm
uma matriz n m ento Eit B igual linha i da matriz B.

l
1.1.17. Seja
1 0 ... 0
ita
0 2 ... 0
D=

.. .. ..
. . .
0 ... 0 n
uma matriz diagonal n n, isto , os elementos que esto fora da diagonal so iguais a zero. Seja

a11 a12 . . . a1n
ig
a21 a22 . . . a2n
A= . .. .

.. ... .
an1 an2 ... ann
(a) Mostre que o produto AD obtido da matriz A multiplicando-se cada coluna j por j , ou seja, se
D

a1j
A = [ A1 A2 . . . An ], em que A j = ... a coluna j de A, ento

anj
AD = [ 1 A1 2 A2 . . . n An ].
ia
que o produto DA obtido da matriz A multiplicando-se cada linha i por i , ou seja, se
(b) Mostre
A1
A2
A = . , em que Ai = [ ai1 . . . ain ] a linha i de A, ento

..
p
An

1 A1
2 A2
DA = .

..
.
n An

1.1 Matrizes 25
l
1.1.18. Sejam A e B matrizes m p e p n, respectivamente.

ita
b1j
(a) Mostre que a j-sima coluna do produto AB igual ao produto ABj , em que Bj = ... a

b pj
j-sima coluna de B, ou seja, se B = [ B1 . . . Bn ], ento
AB = A[ B1 . . . Bn ] = [ AB1 . . . ABn ];
ig
(b) Mostre que a i-sima linha do produto AB igual ao produto Ai B, em que Ai = [ ai1 . . . aip ] a

A1
A2
i-sima linha de A, ou seja, se A = . , ento

..
D
Am

A1 A1 B
A2 A2 B
AB = . B = . .

.. ..
ia
Am Am B

x1
..
1.1.19. Seja A uma matriz m n e X = . uma matriz n 1. Prove que
xn
p
n
AX = xj Aj, em que A j a j-sima coluna de A. (Sugesto: Desenvolva o lado direito e che-
j =1
gue ao lado esquerdo.)
1.1.20. (a) Mostre que se A uma matriz m n tal que AX = 0, para toda matriz X, n 1, ento A = 0.
(Sugesto: use o Exerccio 16 na pgina 23.)

l
(b) Sejam B e C matrizes m n, tais BX = CX, para todo X, n 1. Mostre que B = C. (Sugesto: use o
item anterior.)
ita
1.1.21. Mostre que a matriz identidade In a nica matriz tal que A In = In A = A para qualquer matriz A,
n n. (Sugesto: Seja Jn uma matriz tal que A Jn = Jn A = A. Mostre que Jn = In .)
1.1.22. Se AB = BA e p um inteiro positivo, mostre que ( AB) p = A p B p .
1.1.23. Sejam A, B e C matrizes n n.
ig
(a) ( A + B)2 = A2 + 2AB + B2 ? E se AB = BA? Justifique.
(b) ( AB)C = C ( AB)? E se AC = CA e BC = CB? Justifique.
(Sugesto: Veja o Exemplo 1.8 na pgina 14.)
D
1.1.24. (a) Se A e B so duas matrizes tais que AB = 0, ento A = 0 ou B = 0? Justifique.
(b) Se AB = 0, ento BA = 0? Justifique.
(c) Se A uma matriz tal que A2 = 0, ento A = 0? Justifique.
1.1.25. Dizemos que uma matriz A, n n, simtrica se At = A e anti-simtrica se At = A.

ia
(a) Mostre que se A simtrica, ento aij = a ji , para i, j = 1, . . . n e que se A anti-simtrica, ento
aij = a ji , para i, j = 1, . . . n. Portanto, os elementos da diagonal principal de uma matriz anti-
simtrica so iguais a zero.
(b) Mostre que se A e B so simtricas, ento A + B e A so simtricas, para todo escalar .
p
(c) Mostre que se A e B so simtricas, ento AB simtrica se, e somente se, AB = BA.
(d) Mostre que se A e B so anti-simtricas, ento A + B e A so anti-simtricas, para todo escalar .
(e) Mostre que para toda matriz A, n n, A + At simtrica e A At anti-simtrica.
(f) Mostre que toda matriz quadrada A pode ser escrita como a soma de uma matriz simtrica e uma
anti-simtrica. (Sugesto: Observe o resultado da soma de A + At com A At .)

1.1 Matrizes 27
l
1.1.26. Para matrizes quadradas A = ( aij )nn definimos o trao de A como sendo a soma dos elementos da
n
aii .
ita
diagonal (principal) de A, ou seja, tr( A) =
i =1
(a) Mostre que tr( A + B) = tr( A) + tr( B).

(b) Mostre que tr(A) = tr( A).
(c) Mostre que tr( At ) = tr( A).
(d) Mostre que tr( AB) = tr( BA). (Sugesto: Prove inicialmente para matrizes 2 2.)
ig
1.1.27. Seja A uma matriz n n. Mostre que se AAt = 0, ento A = 0. (Sugesto: use o trao.) E se a matriz A
for m n, com m 6= n?
1.1.28. J vimos que o produto de matrizes no comutativo. Entretanto, certos conjuntos de matrizes so
D
comutativos. Mostre que:
(a) Se D1 e D2 so matrizes diagonais n n, ento D1 D2 = D2 D1 .
(b) Se A uma matriz n n e
B = a0 In + a1 A + a2 A2 + . . . + ak Ak ,
em que a0 , . . . , ak so escalares, ento AB = BA.
ia
1.1.29. Uma matriz A chamada nilpotente se Ak = 0, para algum inteiro positivo k. Verifique que a matriz

0 1 0 0
0 0 1 0
p

A = ... ... . . . . . . ... ,

0 0 0 1
0 0 0 0 nn
nilpotente.

Apndice I: Notao de Somatrio
l
So vlidas algumas propriedades para a notao de somatrio:
ita
(a) O ndice do somatrio uma varivel muda que pode ser substituda por qual-
quer letra:
n n
fi = f j .
i =1 j =1
(b) O somatrio de uma soma pode ser escrito como uma soma de dois somatrios:
ig
n n n
( f i + gi ) = f i + gi .
i =1 i =1 i =1
Pois,
D
n
( f i + g i ) = ( f 1 + g1 ) + . . . + ( f n + g n ) =
i =1
n n
= ( f 1 + . . . + f n ) + ( g1 + . . . + g n ) = f i + gi .
i =1 i =1
ia
Aqui foram aplicadas as propriedades associativa e comutativa da soma de n-
meros.
(c) Se no termo geral do somatrio aparece um produto, em que um fator no de-
pende do ndice do somatrio, ento este fator pode sair do somatrio:
p
n n
f i gk = gk f i .
i =1 i =1
Pois,
n n
f i gk = f 1 gk + . . . + f n gk = gk ( f 1 + . . . + f n ) = gk fi .
i =1 i =1

1.1 Matrizes 29
l
Aqui foram aplicadas as propriedades distributiva e comutativa do produto em
relao a soma de nmeros.
ita
(d) Num somatrio duplo, a ordem dos somatrios pode ser trocada:
n m m n
fij = fij .
i =1 j =1 j =1 i =1
Pois,
ig
n m n
fij = ( fi1 + . . . + fim ) =
i =1 j =1 i =1
= ( f 11 + . . . + f 1m ) + . . . + ( f n1 + . . . + f nm ) =
D
= ( f 11 + . . . + f n1 ) + . . . + ( f 1m + . . . + f nm ) =
m m n
= ( f1j + . . . + f nj ) = fij .
j =1 j =1 i =1
Aqui foram aplicadas as propriedades comutativa e associativa da soma de n-

meros.
ia
p

1.2 Sistemas de Equaes Lineares
l
ita
Muitos problemas em vrias reas da Cincia recaem na soluo de sistemas li-
neares. Vamos ver como a lgebra matricial pode simplificar o estudo dos sistemas
lineares.
Uma equao linear em n variveis x1 , x2 , . . . , xn uma equao da forma

a1 x1 + a2 x2 + . . . + a n x n = b ,
ig
em que a1 , a2 , . . . , an e b so constantes reais;
Um sistema de equaes lineares ou simplesmente sistema linear um conjunto

de equaes lineares, ou seja, um conjunto de equaes da forma
D

a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 +

... + a2n xn = b2
.. .. .

. . = ..
am1 x1 + am2 x2 + ... + amn xn = bm

em que aij e bk so constantes reais, para i, k = 1, . . . , m e j = 1, . . . , n.

ia
Usando o produto de matrizes que definimos na seo anterior, o sistema linear
acima pode ser escrito como uma equao matricial
A X = B,
p
em que

a11 a12 ... a1n x1 b1
a21 a22 ... a2n x2 b2
A= , X= e B= .

.. .. .. ..
. ... . . .
am1 am2 ... amn xn bm

1.2 Sistemas de Equaes Lineares 31

s1
l
s2
ita
Uma soluo de um sistema linear uma matriz S = tal que as equaes

..
.
sn
do sistema so satisfeitas quando substitumos x1 = s1 , x2 = s2 , . . . , xn = sn . O
conjunto de todas as solues do sistema chamado conjunto soluo ou soluo
geral do sistema. A matriz A chamada matriz do sistema linear.
ig
Exemplo 1.10. O sistema linear de duas equaes e duas incgnitas

x + 2y = 1
D
2x + y = 0
pode ser escrito como

1 2 x 1
= .
2 1 y 0
A soluo (geral) do sistema acima x = 1/3 e y = 2/3 (verifique!) ou
ia
1
3
X= 2 .
3
p
Uma forma de resolver um sistema linear substituir o sistema inicial por outro que
tenha o mesmo conjunto soluo do primeiro, mas que seja mais fcil de resolver. O
outro sistema obtido depois de aplicar sucessivamente uma srie de operaes, que
no alteram a soluo do sistema, sobre as equaes. As operaes que so usadas
so:
Trocar a posio de duas equaes do sistema;

l
Multiplicar uma equao por um escalar diferente de zero;
Somar a uma equao outra equao multiplicada por um escalar.
ita
Estas operaes so chamadas de operaes elementares. Quando aplicamos
operaes elementares sobre as equaes de um sistema linear somente os coeficien-
tes do sistema so alterados, assim podemos aplicar as operaes sobre a matriz de
coeficientes do sistema, que chamamos de matriz aumentada, ou seja, a matriz

a11 a12 ... a1n b1
ig
a21 a22 ... a2n b2
[ A | B] = . .. .

..
.. ... . .
am1 am2 ... amn bm
D
ia
p

l
ita
Definio 1.5. Uma operao elementar sobre as linhas de uma matriz uma das seguintes operaes:
(a) Trocar a posio de duas linhas da matriz;
(b) Multiplicar uma linha da matriz por um escalar diferente de zero;
ig
(c) Somar a uma linha da matriz um mltiplo escalar de outra linha.
D
O prximo teorema garante que ao aplicarmos operaes elementares s equaes
de um sistema o conjunto soluo no alterado.
ia
Teorema 1.2. Se dois sistemas lineares AX = B e CX = D, so tais que a matriz aumentada [C | D] obtida de [ A | B]
aplicando-se uma operao elementar, ento os dois sistemas possuem as mesmas solues.
p
Demonstrao. A demonstrao deste teorema segue-se de duas observaes:

(a) Se X soluo de um sistema, ento X tambm soluo do sistema obtido
aplicando-se uma operao elementar sobre suas equaes (verifique!).

l
(b) Se o sistema CX = D, obtido de AX = B aplicando-se uma operao elemen-
tar s suas equaes (ou equivalentemente s linhas da sua matriz aumentada),
ita
ento o sistema AX = B tambm pode ser obtido de CX = D aplicando-se
uma operao elementar s suas equaes, pois cada operao elementar pos-
sui uma operao elementar inversa do mesmo tipo, que desfaz o que a anterior
fez (verifique!).
Pela observao (b), AX = B e CX = D podem ser obtidos um do outro aplicando-
se uma operao elementar sobre as suas equaes. E pela observao (a), os dois
ig
possuem as mesmas solues.
Dois sistemas que possuem o mesmo conjunto soluo so chamados sistemas equi-
valentes. Portanto, segue-se do Teorema 1.2 que aplicando-se operaes elementares
s equaes de um sistema linear obtemos sistemas equivalentes.
1.2.1
D
Mtodo de Gauss-Jordan
O mtodo que vamos usar para resolver sistemas lineares consiste na aplicao
de operaes elementares s linhas da matriz aumentada do sistema at que obte-
ia
nhamos uma matriz numa forma em que o sistema associado a esta matriz seja de
fcil resoluo.
Vamos procurar obter uma matriz numa forma em que todas as linhas no nulas
possuam como primeiro elemento no nulo (chamado piv) o nmero 1 . Alm
disso, se uma coluna contm um piv, ento todos os seus outros elementos tero
p
que ser iguais a zero. Vamos ver no exemplo seguinte como conseguimos isso. Neste
exemplo veremos como a partir do faturamento e do gasto com insumos podemos
determinar quanto foi produzido de cada produto manufaturado em uma indstria.

Exemplo 1.11. Uma indstria produz trs produtos, X, Y e Z, utilizando dois tipos de
l
insumo, A e B. Para a manufatura de cada kg de X so utilizados 1 grama do insumo
ita
A e 2 gramas do insumo B; para cada kg de Y, 1 grama de insumo A e 1 grama de
insumo B e, para cada kg de Z, 1 grama de A e 4 gramas de B. O preo de venda do
kg de cada um dos produtos X, Y e Z R$ 2,00, R$ 3,00 e R$ 5,00, respectivamente.
Com a venda de toda a produo de X, Y e Z manufaturada com 1 kg de A e 2 kg de
B, essa indstria arrecadou R$ 2500,00. Vamos determinar quantos kg de cada um
dos produtos X, Y e Z foram vendidos. Como vimos no Exemplo 1.6 na pgina 7,
usando matrizes o esquema de produo pode ser descrito da seguinte forma:
ig
X Y Z

gramas de A/kg 1 1 1 x kg de X produzidos
gramas de B/kg 2 1 4 = A X= y kg de Y produzidos
preo/kg 2 3 5 z kg de Z produzidos
D

x+y+z 1000 gramas de A usados
AX = 2x + y + 4z = 2000 gramas de B usados
2x + 3y + 5z 2500 arrecadao
Assim, precisamos resolver o sistema linear
ia

x + y + z = 1000
2x + y + 4z = 2000
2x + 3y + 5z = 2500

p
cuja matriz aumentada

1 1 1 1000
2 1 4 2000
2 3 5 2500
1a. eliminao:

Vamos procurar para piv da 1a. linha um elemento no nulo da primeira coluna no
l
nula (se for o caso, podemos usar a troca de linhas para traz-lo para a primeira
ita
linha). Como o primeiro elemento da primeira coluna igual 1 ele ser o primeiro
piv. Agora, precisamos zerar os outros elementos da 1a. coluna, que a coluna
do piv, para isto, adicionamos 2a. linha, 2 vezes a 1a. linha e adicionamos 3a.
linha, tambm, 2 vezes a 1a. linha.

1 1 1 1000
a a a
21 . linha + 2 . linha 2 . linha
0 1 2 0

21a. linha + 3a. linha 3a. linha

ig
0 1 3 500
2a. eliminao:
Olhamos para a sub-matriz obtida eliminando-se a 1a. linha. Escolhemos para piv
um elemento diferente de zero na 1a. coluna no nula desta sub-matriz. Vamos esco-
D
lher o elemento de posio 2,2. Como temos que fazer o piv igual um, vamos
multiplicar a 2a. linha por 1.

1 1 1 1000
12a. linha 2a. linha 0 1 2 0
0 1 3 500
ia
Agora, precisamos zerar os outros elementos da 2a. coluna, que a coluna do piv,
para isto, somamos 1a. linha, 1 vezes a 2a. e somamos 3a. linha, tambm, 1 vezes
a 2a. .

p
a a a 1 0 3 1000
12 linha + 1 linha 1 linha
. . .
0 1 2 0
0 0 5 500
3a. eliminao:
Olhamos para a sub-matriz obtida eliminando-se a 1a. e a 2a. linha. Escolhemos para
piv um elemento diferente de zero na 1a. coluna no nula desta sub-matriz. Temos

l
de escolher o elemento de posio 3,3 e como temos de fazer o piv igual 1,
vamos multiplicar a 3a. linha por 1/5.
ita

1 0 3 1000
1 a. a.
5 3 linha 3 linha
0 1 2 0
0 0 1 100
para isto, somamos 1a. linha, 3 vezes a 3a. e somamos 2a. linha, 2 vezes a 3a. .
ig

1 0 0 700
33a. linha + 1a. linha 1a. linha 0 1 0 200
0 0 1 100
D
Portanto, o sistema dado equivalente ao sistema

x = 700
y = 200
z = 100

ia
que possui soluo geral dada por

x 700
X = y = 200 .
z 100
p
Portanto, foram vendidos 700 kg do produto X, 200 kg do produto Y e 100 kg do

produto Z.
A ltima matriz que obtivemos no exemplo anterior est na forma que chamamos
de escalonada reduzida.

l
ita
Definio 1.6. Uma matriz A = ( aij )mn est na forma escalonada reduzida quando satisfaz as seguintes
condies:
(a) Todas as linhas nulas (formadas inteiramente por zeros) ocorrem abaixo das linhas no nulas;
(b) O piv (1o. elemento no nulo de uma linha) de cada linha no nula igual 1;
ig
(c) O piv de cada linha no nula ocorre direita do piv da linha anterior.
(d) Se uma coluna contm um piv, ento todos os seus outros elementos so iguais a zero.
D
Se uma matriz satisfaz as propriedades (a) e (c), mas no necessariamente (b) e (d),
dizemos que ela est na forma escalonada.
ia
Exemplo 1.12. As matrizes

1 0 0 1 3 0 2
p
0 1 0 e 0 0 1 3
0 0 1 0 0 0 0
so escalonadas reduzidas, enquanto

1 1 1 1 3 1 5
0 1 2 e 0 0 5 15
0 0 5 0 0 0 0

l
so escalonadas, mas no so escalonadas reduzidas.
ita
Este mtodo de resoluo de sistemas, que consiste em aplicar operaes elemen-
tares s linhas da matriz aumentada at que a matriz do sistema esteja na forma
escalonada reduzida, conhecido como mtodo de Gauss-Jordan.
ig
Exemplo 1.13. Considere o seguinte sistema

x + 3y + 13z = 9
y + 5z = 2
2y 10z = 8

D
A sua matriz aumentada

1 3 13 9
0 1 5 2
0 2 10 8
ia
1a. eliminao:
Como o piv da 1a. linha igual 1 e os outros elementos da 1a. coluna so iguais a
zero, no h nada o que fazer na 1a. eliminao.

1 3 13 9
p
0 1 5 2

0 2 10 8
2a. eliminao:
Olhamos para submatriz obtida eliminando-se a 1a. linha. Escolhemos para piv um
elemento no nulo da 1a. coluna no nula da submatriz. Escolhemos o elemento de

l
posio 2,2. Como ele igual 1, precisamos, agora, zerar os outros elementos da
coluna do piv. Para isto somamos 1a. linha, 3 vezes a 2a. e somamos 3a. linha, 2
ita
vezes a 2a. .

0 0 0 4
Portanto, o sistema dado equivalente ao sistema
ig

x 2z = 3
y + 5z = 2
0 = 4

D
que no possui soluo.
Em geral, um sistema linear no tem soluo se, e somente se, a ltima linha no nula da forma escalonada
0 ], com b0 6 = 0.
reduzida da sua matriz aumentada for da forma [ 0 . . . 0 | bm m
ia
Exemplo 1.14. Considere o seguinte sistema

3z 9w = 6
5x + 15y 10z + 40w = 45
p
x + 3y z + 5w = 7

A sua matriz aumentada

0 0 3 9 6
5 15 10 40 45

1 3 1 5 7

1a. eliminao:
l
Como temos que fazer o piv igual um, escolhemos para piv o elemento de
ita
posio 3,1. Precisamos coloc-lo na primeira linha, para isto, trocamos a 3a. linha
com a 1a. .

a a

1 3 1 5 7
1 linha 4 linha
. .
5 15 10 40 45
0 0 3 9 6
ig
para isto, adicionamos 2a. linha, 5 vezes a 1a. .

1 3 1 5 7
D
0 0 5 15 10

0 0 3 9 6
2a. eliminao:
Olhamos para a sub-matriz obtida eliminando-se a 1a. linha. Escolhemos para piv
um elemento diferente de zero na 1a. coluna no nula desta sub-matriz. Escolhemos
ia
o elemento de posio 2,3. Como temos que fazer o piv igual 1, multiplicamos a
2a. linha por 1/5.

1 3 1 5 7
(1/5)2a. linha 2a. linha 0 0 1 3 2
0 0 3 9 6
p
para isto, adicionamos 1a. linha a 2a. e 3a. linha, 3 vezes a 2a. .

1 3 0 2 5
2a. linha + 1a. linha 1a. linha 0 0 1 3 2
0 0 0 0 0

l
Esta matriz escalonada reduzida. Portanto, o sistema dado equivalente ao sistema
seguinte
ita

x + 3y + 2w = 5
z 3w = 2.
A matriz deste sistema possui duas colunas sem pivs. As variveis que no
esto associadas a pivs podem ser consideradas variveis livres, isto , podem as-
ig
sumir valores arbitrrios. Neste exemplo as variveis y e w no esto associadas a
pivs e podem ser consideradas variveis livres. Sejam w = e y = . As variveis
associadas aos pivs tero os seus valores dependentes das variveis livres,
z = 2 + 3, x = 5 2 3.
D
Assim, a soluo geral do sistema

x 5 2 3
y
X=
z =
, para todos os valores de e reais.
2 + 3
ia
w
Em geral, se o sistema linear tiver soluo e a forma escalonada reduzida da matriz

aumentada possuir colunas sem pivs, as variveis que no esto associadas a pivs
p
podem ser consideradas variveis livres, isto , podem assumir valores arbitrrios.
As variveis associadas aos pivs tero os seus valores dependentes das variveis
livres.
Lembramos que o sistema linear no tem soluo se a ltima linha no nula

da forma escalonada reduzida da matriz aumentada do sistema for da forma
0 ], com b0 6 = 0, como no Exemplo 1.13 na pgina 39.
[ 0 . . . 0 | bm m

l
ita
Observao. Para se encontrar a soluo de um sistema linear no necessrio transformar a matriz aumentada
do sistema na sua forma escalonada reduzida, mas se a matriz est nesta forma, o sistema associado o mais
simples possvel. Um outro mtodo de resolver sistemas lineares consiste em, atravs da aplicao de opera-
es elementares matriz aumentada do sistema, se chegar a uma matriz que somente escalonada (isto ,
uma matriz que satisfaz as condies (a) e (c), mas no necessariamente (b) e (d) da Definio 1.6). Este mtodo
conhecido como mtodo de Gauss.
ig
O prximo resultado mostra que um sistema linear que tenha mais de uma soluo
no pode ter um nmero finito de solues.
D
Proposio 1.3. Sejam A uma matriz m n e B uma matriz m 1. Se o sistema linear A X = B possui duas solues
distintas X0 6= X1 , ento ele tem infinitas solues.
ia
Demonstrao. Seja
X = (1 ) X0 + X1 , para R.
p
Vamos mostrar que X soluo do sistema A X = B, para qualquer R. Para

isto vamos mostrar que A X = B.
Aplicando as propriedades (i), (j) das operaes matriciais (Teorema 1.1 na pgina
9) obtemos
A X = A[(1 ) X0 + X1 ] = A(1 ) X0 + AX1 = (1 ) A X0 + A X1

l
Como X0 e X1 so solues de A X = B, ento A X0 = B e A X1 = B, portanto
ita
A X = (1 ) B + B = [(1 ) + ] B = B,
pela propriedade (f) do Teorema 1.1.

Assim, o sistema A X = B tem infinitas solues, pois para todo valor de R,
X soluo e X X0 = ( 0 )( X1 X0 ), ou seja, X 6= X0 , para 6= 0 .
Observe que na demonstrao, para = 0, ento X = X0 , para = 1, ento X = X1 , para = 1/2,
ig
ento X = 12 X0 + 12 X1 , para = 3, ento X = 2X0 + 3X1 e para = 2, ento X = 3X0 2X1 .
No Exemplo 3.4 na pgina 151 temos uma interpretao geomtrica desta demonstrao.
D
Para resolver sistemas lineares vimos aplicando operaes elementares matriz au-
mentada do sistema linear. Isto pode ser feito com quaisquer matrizes.
1.2.2 Matrizes Equivalentes por Linhas

ia
p
Definio 1.7. Uma matriz A = ( aij )mn equivalente por linhas a uma matriz B = (bij )mn , se B pode ser
obtida de A aplicando-se uma sequncia de operaes elementares sobre as suas linhas.

Exemplo 1.15. Observando os Exemplos 1.11, 1.14 e 1.13, vemos que as matrizes
l
ita

1 1 1 0 0 3 9 1 3 13
2 1 4 , 5 15 10 40 , 0 1 5
2 3 5 1 3 1 5 0 2 10
so equivalentes por linhas s matrizes

1 0 0 1 3 0 2 1 0 2
ig
0 1 0 , 0 0 1 3 , 0 1 5 ,
0 0 1 0 0 0 0 0 0 0
respectivamente. Matrizes estas que so escalonadas reduzidas.

Cuidado: elas so equivalentes por linhas, no so iguais!
D
A relao ser equivalente por linhas satisfaz as seguintes propriedades, cuja veri-
ficao deixamos como exerccio para o leitor:
Toda matriz equivalente por linhas a ela mesma (reflexividade);
Se A equivalente por linhas a B, ento B equivalente por linhas a A (sime-
ia
tria);
Se A equivalente por linhas a B e B equivalente por linhas a C, ento A
equivalente por linhas a C (transitividade).
Toda matriz equivalente por linhas a uma matriz na forma escalonada reduzida
p
e a demonstrao, que omitiremos, pode ser feita da mesma maneira que fizemos no
caso particular das matrizes aumentadas dos Exemplos 1.11, 1.14 e 1.13. No Teorema
5.15 na pgina 339 mostramos que essa matriz escalonada reduzida a nica matriz
na forma escalonada reduzida equivalente a A.

l
ita
Teorema 1.4. Toda matriz A = ( aij )mn equivalente por linhas a uma nica matriz escalonada reduzida
R = (rij )mn .
ig
O prximo resultado ser usado para provar alguns resultados no captulo de inver-
so de matrizes.
D
Proposio 1.5. Seja R uma matriz n n, na forma escalonada reduzida. Se R 6= In , ento R tem uma linha nula.
ia
p
Demonstrao. Observe que o piv de uma linha i est sempre numa coluna j com
j i. Portanto, ou a ltima linha de R nula ou o piv da linha n est na posio
n, n. Mas, neste caso todas as linhas anteriores so no nulas e os pivs de cada linha
i est na coluna i, ou seja, R = In .

1.2.3 Sistemas Lineares Homogneos
l
Um sistema linear da forma
ita

a11 x1 + a12 x2 + ... + a1n xn = 0
a21 x1 + a22 x2

+ ... + a2n xn = 0
.. .. . (1.9)

. . = ..
am1 x1 + am2 x2 + ... + amn xn = 0

chamado sistema homogneo. O sistema (1.9) pode ser escrito como A X = 0.
ig

x1 0
x2 0
Todo sistema homogneo admite pelo menos a soluo X = . = . cha-

.. ..
xn 0
D
mada de soluo trivial. Portanto, todo sistema homogneo tem soluo. Alm
disso ou tem somente a soluo trivial ou tem infinitas solues.
Observao. Para resolver um sistema linear homogneo A X = 0, basta escalonarmos a matriz A do sistema,
j que sob a ao de uma operao elementar a coluna de zeros no alterada. Mas, preciso ficar atento
ia
quando se escreve o sistema linear associado matriz resultante das operaes elementares, para se levar em
considerao esta coluna de zeros que no vimos escrevendo.
p
Teorema 1.6. Se A = ( aij )mn , tal que m < n, ento o sistema homogneo AX = 0 tem soluo diferente da soluo
trivial, ou seja, todo sistema homogneo com menos equaes do que incgnitas tem infinitas solues.

l
Demonstrao. Como o sistema tem menos equaes do que incgnitas (m < n), o
ita
nmero de linhas no nulas r da forma escalonada reduzida da matriz aumentada do
sistema tambm tal que r < n. Assim, temos r pivs e n r variveis (incgnitas)
livres, que podem assumir todos os valores reais. Logo, o sistema admite soluo
no trivial e portanto infinitas solues.
ig
O conjunto soluo de um sistema linear homogneo satisfaz duas propriedades
interessantes. Estas propriedades tero um papel decisivo no estudo de subespaos
de Rn na Seo 5.2 na pgina 308.
Proposio 1.7. Seja A = ( aij )mn .

D
ia
(a) Se X e Y so solues do sistema homogneo, AX = 0, ento X + Y tambm o .
(b) Se X soluo do sistema homogneo, AX = 0, ento X tambm o .
p

Demonstrao. (a) Se X e Y so solues do sistema homogneo AX = 0, ento
l
AX = 0 e AY = 0 e portanto X + Y tambm soluo, pois
ita
A( X + Y ) = AX + AY = 0 + 0 = 0;
(b) Se X soluo do sistema homogneo AX = 0, ento X tambm o , pois
A(X ) = AX = 0 = 0.

ig
Estas propriedades no so vlidas para sistemas lineares em geral. Por exemplo,
considere o sistema linear A X = B, em que A = [1] e B = [1]. A soluo deste
sistema X = [1]. Mas, X + X = 2 X = 2, no soluo do sistema.
D
Exemplo 1.16. Vamos retomar a cadeia de Markov do Exemplo 1.9 na pgina 16.
ia
de um estado para outro seja constante no tempo, s dependa dos estados.
de tempo (gerao). A matriz de transio dada por
p
1 2
3
t11 t12 t13
1
T = t21 t22 t23
2
t31 t32 t33
3
Vamos considerar a matriz de transio

l

1 2
3
ita
1 1
2 4 0
1
1 1 1
T = 2

2 2 2
0 1 1
3
4 2
Vamos descobrir qual distribuio inicial da populao entre os trs estados per-
manece inalterada, gerao aps gerao. Ou seja, vamos determinar um vetor de
estado P tal que
ig
TP = P ou TP = I3 P ou ( T I3 ) P = 0.
Assim, precisamos resolver o sistema linear homogneo
1 1
2x + 4y
= 0
D
( T I3 ) X = 0 1 1 1
2x 2y + 2z = 0
1 1
4y 2z = 0

cuja matriz aumentada

12 1

4 0 0
1
12 1
0

ia
2 2
1
0 4 12 0
1a. eliminao:
21

1 0 0
p
1
21a. linha 2a. linha 21 1
0

2 2
1
0 4 12 0
12

1 0 0
21 1a. linha + 2a. linha 2a. linha 0 14 1
0

2
1
0 4 21 0

2a. eliminao:
l
12

1 0 0
ita
42a. linha 2a. linha 0 1 2 0
1
0 4 21 0

1 a. a. a. 1 0 1 0
2 2 linha + 1 linha 1 linha 0 1 2 0
41 2a. linha + 3a. linha 3a. linha 0 0 0 0
ig
Portanto, o sistema dado equivalente ao sistema seguinte

x z = 0
y 2z = 0
D
Seja z = . Ento y = 2 e x = . Assim, a soluo geral do sistema

p1 1
X = p2 = 2 , para todo R.
p3 1
ia
Tomando a soluo tal que p1 + p2 + p3 = 1 obtemos que se a populao inicial for
distribuda de forma que p1 = 1/4 da populao esteja no estado 1, p2 = 1/2 da
populao esteja no estado 2 e p3 = 1/4, esteja no estado 3, ento esta distribuio
permanecer constante gerao aps gerao.
p
1.2.5 Matrizes Elementares (opcional)

l
Definio 1.8. Uma matriz elementar n n uma matriz obtida da matriz identidade In aplicando-se uma, e
ita
somente uma, operao elementar.
Vamos denotar por Eij a matriz elementar obtida trocando-se a linha i com a linha
j da matriz In , Ei () a matriz elementar obtida multiplicando-se a linha i da matriz
ig
In pelo escalar 6= 0 e Ei,j () a matriz elementar obtida da matriz In , somando-se
linha j, vezes a linha i.
0

1 0
..
1 0 0

0 .
D
0 ...

1

0 ... 1
i

1

.. . . .

Ei,j = . .. , Ei () = i

.
j 1

1 ... 0

.

1 .. 0

..
ia
0 0 1

. 0
0 0 1

1 0 0
..
p

0 .

1 i

e Ei,j () =
.. ..
. .
j

... 1

..
. 0
0 0 1

l
Exemplo 1.17. As matrizes seguintes so as matrizes elementares 2 2:
ita

0 1 0 1 0
E1,2 = E2,1 = , E1 () = , E2 () = , com 6= 0,
1 0 0 1 0

1 0 1
E1,2 () = e E2,1 () = .
1 0 1
ig

1 0 0
0 1 0
Sejam E1 = , E2 = ,. . . , En = matrizes m 1.

.. .. ..
. . .
0 0 1
D
As matrizes elementares podem ser escritas em termos das matrizes Ei como
E1t E1t

.. E1t
..
. .
t
Ej ..
Eit

i . i

..

= ...
ia
t

Ei,j , Ei i
Ei () = e Ei,j () =

t . t

Et j
. E + E j

i .. j i
. t ..
.. Em

.
Em t t
Em
p
Aplicar uma operao elementar em uma matriz, corresponde a multiplicar a matriz

esquerda por uma matriz elementar, como mostra o resultado a seguir.

l
ita
Teorema 1.8. Sejam E uma matriz elementar m m e A uma matriz qualquer m n. Ento, EA igual matriz
obtida aplicando-se na matriz A a mesma operao elementar que originou E.
ig
Demonstrao. Como a i-sima linha de um produto de matrizes BA igual Bi A,
em que Bi a i-sima linha da matriz B (Exerccio 1.1.18 (b) na pgina 25) e Eit A = Ai ,
em que Ai a linha i da matriz A (Exerccio 16 (b) na pgina 23), ento:
D
E1t
t
E1 A A1

.. .. ..
. . .
t t
Ej Ej A Aj
i i i

= ...
.
Ei,j A = .. A = ...

j j Ai j

Et Et A
ia
i i
. . .
.. .. .

.
Emt t A
Em Am
p
E1t
t
E1 A A1
.. .. ..
. . .
t A = Et A

Ei () A = i
E i i
i
Ai i
=
. .. .
.. ..

.
Emt t A
Em Am

l
E1t E1t A A1

ita
.. .. ..
. . .
Eit Eit A

i

i
Ai i

.. .. ..

Ei,j () A = A= =

t . t . .

j E + E j j
t
E A + Et A

A j + Ai
j i j i
.. .. ..
ig
. . .
t
Em t A
Em Am
D
Assim, aplicar uma sequncia de operaes elementares em uma matriz, corres-
ponde a multiplicar a matriz esquerda por um produto de matrizes elementares.
Exemplo 1.18. Quando usamos o mtodo de Gauss-Jordan para resolver o sistema

ia
do Exemplo 1.11 na pgina 35, aplicamos uma sequncia de operaes elementares
na matriz aumentada do sistema. Isto corresponde a multiplicar a matriz aumentada

1 1 1 1000
[ A | B ] = 2 1 4 2000
p
2 3 5 2500
esquerda pelas matrizes elementares

1 0 0 1 0 0
E1,2 (2) = 2 1 0 , E1,3 (2) = 0 1 0 ,
0 0 1 2 0 1


1 0 0 1 1 0 1 0 0
l
E2 (1) = 0 1 0 , E2,1 (1) = 0 1 0 , E2,3 (1) = 0 1 0
ita
0 0 1 0 0 1 0 1 1

1 0 0 1 0 3 1 0 0
E3 ( 15 ) = 0 1 0 , E3,1 (3) = 0 1 0 , E3,2 (2) = 0 1 2 ,
0 0 51 0 0 1 0 0 1
ou seja,
ig

1 0 0 700
E3,2 (2) E3,1 (3) E3 ( 51 ) E2,3 (1) E2,1 (1) E2 (1) E1,3 (2) E1,2 (2) [ A | B ] = 0 1 0 200 .
0 0 1 100
D
ia
p

l
ita
1.2.1. Quais das seguintes matrizes esto na forma escalonada reduzida:

1 0 0 0 3 0 1 0 0 4
A = 0 0 1 0 4 , B= 0 0 1 0 5 ,
0 0 0 1 2 0 0 0 1 2
1 0 0 0 3 0 0 0 0 0
ig
0 0 1 0 0 0 0 1 2 4
C= 0 0 0 1 2 ,
D= .
0 0 0 1 0
0 0 0 0 0 0 0 0 0 0
1.2.2. Em cada item suponha que a matriz aumentada de um sistema foi transformada usando operaes ele-
D
mentares na matriz escalonada reduzida dada. Resolva o sistema correspondente.

1 0 0 7 8 1 0 0 0 6
(a) 0 1 0 3 2 ; (c) 0 1 0 0 3 ;
0 0 1 1 5 0 0 1 1 2

1 6 0 0 3 2 1 7 0 0 8 3
0 0 1 0 4 7 0 0 1 0 6 5
ia
(b)
0
; (d) .
0 0 1 5 8 0 0 0 1 3 9
0 0 0 0 0 0 0 0 0 0 0 0
1.2.3. Resolva, usando o mtodo de Gauss-Jordan, os seguintes sistemas:

p

x1 + x2 + 2x3 = 8
(a) x1 2x2 + 3x3 = 1 ;
3x1 7x2 + 4x3 = 10

2x1 + 2x2 + 2x3 = 0
(b) 2x1 + 5x2 + 2x3 = 1 ;
8x1 + x2 + 4x3 = 1



2x2 + 3x3 = 1
l

(c) 3x1 + 6x2 3x3 = 2 .
ita
6x1 + 6x2 + 3x3 = 5

1.2.4. Os sistemas lineares seguintes possuem a mesma matriz A. Resolva-os usando o mtodo de Gauss-
Jordan. Observe que os dois sistemas podem ser resolvidos ao mesmo tempo escalonando a matriz
aumentada [ A | B1 | B2 ].

x1 2x2 + x3 = 1 x1 2x2 + x3 = 2
(a) 2x1 5x2 + x3 = 2 ; (b) 2x1 5x2 + x3 = 1 .
ig
3x1 7x2 + 2x3 = 1 3x1 7x2 + 2x3 = 2

1 0 5 x
1.2.5. Sejam A = 1 1 1 e X = y .
0 1 4 z
D
(a) Encontre a soluo geral do sistema AX = 4X.
(b) Encontre a soluo geral do sistema AX = 2X.
1.2.6. Para cada sistema linear dado, encontre todos os valores de a para os quais o sistema no tem soluo,
tem soluo nica e tem infinitas solues:
ia

x + 2y 3z = 4
(a) 3x y + 5z = 2 ;
4x + y + ( a2 14)z = a + 2

x + y + z = 2
p
(b) 2x + 3y + 2z = 5 .
2x + 3y + ( a2 1)z = a + 1

1.2.7. Uma indstria produz trs produtos, X, Y e Z, utilizando dois tipos de insumo, A e B. Para a manufatura
de cada kg de X so utilizados 2 gramas do insumo A e 1 grama do insumo B; para cada kg de Y, 1 grama
de insumo A e 3 gramas de insumo B e, para cada kg de Z, 3 gramas de A e 5 gramas de B. O preo de
venda do kg de cada um dos produtos X, Y e Z R$ 3,00, R$ 2,00 e R$ 4,00, respectivamente. Com a venda

l
de toda a produo de X, Y e Z manufaturada com 1,9 kg de A e 2,4 kg de B, essa indstria arrecadou
R$ 2900,00. Determine quantos kg de cada um dos produtos X, Y e Z foram vendidos. (Sugesto: veja o
ita
Exemplo 1.11 na pgina 35.)
ig
D
ia
p
1.2.8. Determine os coeficientes a, b, c e d da funo polinomial p( x ) = ax3 + bx2 + cx + d, cujo grfico passa
pelos pontos P1 = (0, 10), P2 = (1, 7), P3 = (3, 11) e P4 = (4, 14).

30
l
y
ita
20
ig
10
D x
ia
10
p
20
30
2 1 0 1 2 3 4 5

1.2.9. Determine coeficientes a, b e c da equao do crculo, x2 + y2 + ax + by + c = 0, que passa pelos pontos
l
P1 = (2, 7), P2 = (4, 5) e P3 = (4, 3).
ita
ig
D
ia
p

l
8
ita
6
ig
4
D
2
0
ia
x
2
p
6 4 2 0 2 4 6 8

l
1.2.10. Encontre condies sobre os bi s para que cada um dos sistemas seja consistente (isto , tenha soluo):

x1 2x2 + 5x3 = b1 x1 2x2 x3 = b1
ita

(a) 4x1 5x2 + 8x3 = b2 ; (b) 4x1 + 5x2 + 2x3 = b2 .
3x1 + 3x2 3x3 = b3 4x1 + 7x2 + 4x3 = b3

1.2.11. (Relativo sub-seo 1.2.5) Considere a matriz

0 1 7 8
A= 1 3 3 8 .
ig
2 5 1 8
Encontre matrizes elementares E, F, G e H tais que R = EFGH A uma matriz escalonada reduzida.
(Sugesto: veja o Exemplo 1.18 na pgina 55.)
D
1.2.12. Resolva, usando o mtodo de Gauss-Jordan, os seguintes sistemas:

x1 + 2x2 3x4 + x5 = 2
x1 + 2x2 + x3 3x4 + x5 + 2x6 = 3

(a) ;

x1 + 2x2 3x4 + 2x5 + x6 = 4
3x1 + 6x2 + x3 9x4 + 4x5 + 3x6 = 9

ia

x1 + 3x2 2x3 + 2x5 = 0
2x1 + 6x2 5x3 2x4 + 4x5 3x6 = 1

(b) ;

5x3 + 10x4 + 15x6 = 5
2x1 + 6x2 + 8x4 + 4x5 + 18x6 = 6

p

1 1 1 1
1 3 2 a
1.2.13. Considere a matriz A = 2 2 a 2 a 2 3 a 1 . Determine o conjunto soluo do sistema

3 a+2 3 2a+1
AX = B, em que B = [ 4 3 1 6 ]t , para todos os valores de a.
1.2.14. Resolva os sistemas lineares cujas matrizes aumentadas so:


1 2 3 1 8
l
(a) 1 3 0 1 7 ;

1 2 3 0
ita
1 0 2 1 3 1 1 1 0
(c)
;
1 1 2 0

1 1 3 3 0
(b) 0 2 1 3 3 ; 1 3 3 0
1 0 2 1 1
1.2.15. Numa cadeia de Markov considere a matriz de transio
ig

1 2
3
1 1
3 3 0
1
2 1 2 (1.10)
T = 2

3 3 3
0 1 1
3
3 3
D
Determine qual distribuio inicial da populao tal que com o passar do tempo ela permanece inalte-
rada entre os trs estados (A, B e C), ou seja, determine o vetor de estados P tal que TP = P.

ia
Comandos do M ATLABr :
A=[A1,...,An] cria uma matriz A formada pelas matrizes, definidas anteriormente, A1, ..., An co-
locadas uma ao lado da outra;
expr=subs(expr,x,num) substitui na expresso expr a varivel x por num.
p
p=poly2sym([an,...,a0],x) armazena na varivel p o polinmio an x n + . . . + a0 .

clf limpa a figura ativa.
Comandos do pacote GAAL:
B=opel(alpha,i,A) ou oe(alpha,i,A)faz a operao elementar
alphalinha i ==> linha i da matriz A e armazena a matriz resultante em B.

l
B=opel(alpha,i,j,A) ou oe(alpha,i,j,A) faz a operao elementar
alphalinha i + linha j ==> linha j da matriz A e armazena em B.
ita
B=opel(A,i,j) ou oe(A,i,j) faz a troca da linha i com a linha j da matriz A e armazena a matriz
resultante em B.
B=escalona(A) calcula passo a passo a forma escalonada reduzida da matriz A e armazena a matriz
resultante na varivel B.
matvand(P,k) obtm a matriz de Vandermonde de ordem k, se P=[x1;...;xn] e a matriz de Vander-
monde generalizada no caso em que P=[x1,y1;...;xn,yn].
ig
po([x1,y1;x2,y2;...xk,yk]) desenha os pontos (x1,y1),...,(xk,yk).
plotf1(f,[a,b]) desenha o grfico da funo dada pela expresso simblica f no intervalo [a,b].
plotci(f,[a,b],[c,d]) desenha o grfico da curva dada implicitamente pela expresso f(x,y)=0 na
regio do plano [a,b]x[c,d].
D
p=poly2sym2([a,b,c,d,e,f],x,y) armazena na varivel p o polinmio em duas variveis
ax2 + bxy + cy2 + dx + ey + f .
eixos desenha os eixos coordenados.
1.2.16. (a) Use o comando P=randi(4,2), para gerar 4 pontos com entradas inteiras e aleatrias entre 5 e 5.
Os pontos esto armazenados nas linhas da matriz P.
ia
(b) Use o M ATLABr para tentar encontrar os coeficientes a, b, c e d da funo polinomial
p( x ) = ax3 + bx2 + cx + d cujo grfico passa pelos pontos dados pelas linhas da matriz P. A matriz
A=matvand(P(:,1),3) pode ser til na soluo deste problema, assim como a matriz B=P(:,2). Se
no conseguiu, repita o passo anterior. Por que pode no ser possvel?
p
(c) Desenhe os pontos e o grfico do polinmio com os comandos

clf, po(P), syms x, p=poly2sym(R(:,5),x), plotf1(p,[-5,5]), em que R forma escalonada re-
duzida da matriz [A,B].
(d) Desenhe os eixos coordenados com o comando eixos.
1.2.17. (a) Use o comando P=randi(5,2), para gerar 5 pontos com entradas inteiras e aleatrias entre 5 e 5.
Os pontos esto armazenados nas linhas da matriz P.

(b) Use o M ATLABr para tentar encontrar os coeficientes a, b, c, d, e e f da cnica, curva de equao
l
ax2 + bxy + cy2 + dx + ey + f = 0, cujo grfico passa pelos pontos cujas coordenadas so dadas
ita
pelas linhas da matriz P. A matriz A=matvand(P,2) pode ser til na soluo deste problema. Se no
conseguiu, repita o passo anterior. Por que pode no ser possvel?
(c) Desenhe os pontos e a cnica com os comandos
clf, po(P), syms x y, p=poly2sym2([-R(:,6);1],x,y), plotci(p,[-5,5],[-5,5]), em que R a
forma escalonada reduzida da matriz A.
(d) Desenhe os eixos coordenados com o comando eixos.
ig
Exerccios Tericos
1.2.18. Mostre que toda operao elementar possui inversa, do mesmo tipo, ou seja, para cada operao elemen-
tar existe uma outra operao elementar do mesmo tipo que desfaz o que a operao anterior fez.
1.2.19. Prove que:
D
(a) Toda matriz equivalente por linhas a ela mesma (reflexividade);
(b) Se A equivalente por linhas a B, ento B equivalente por linhas a A (simetria);
ia
(c) Se A equivalente por linhas a B e B equivalente por linhas a C, ento A equivalente por linhas
a C (transitividade).
1.2.20. (a) Sejam X1 e X2 solues do sistema homogneo A X = 0. Mostre que X1 + X2 soluo, para
quaisquer escalares e . (Sugesto: veja o Exemplo 1.7.)
p
(b) Sejam X1 e X2 solues do sistema A X = B. Mostre que se X1 + X2 soluo, para quaisquer

escalares e , ento B = 0. (Sugesto: faa = = 0.)
1.2.21. Sejam A uma matriz m n e B 6= 0 uma matriz m 1.
(a) Mostre que se X1 uma soluo do sistema AX = B e Y1 uma soluo do sistema homogneo
associado AX = 0, ento X1 + Y1 soluo de AX = B.

l
(b) Seja X0 soluo particular do sistema AX = B. Mostre que toda soluo X do sistema AX = B, pode
ser escrita como X = X0 + Y, em que Y uma soluo do sistema homogneo associado, AX = 0.
ita
Assim, a soluo geral do sistema AX = B a soma de uma soluo particular de AX = B com a
soluo geral do sistema homogneo associado AX = 0. (Sugesto: Escreva X = X0 + ( X X0 ) e
mostre que X X0 soluo do sistema homogneo AX = 0.)
ig
D
ia
p

Teste do Captulo
l
ita
1. Para o sistema linear dado, encontre todos os valores de a para os quais o sistema no tem soluo, tem
soluo nica e tem infinitas solues:

x + 2y + z = 3
x + y z = 2
x + y + ( a2 5) z = a

ig
2. Se possvel, encontre os valores de x, y e z tais que:

1 2 3 40 16 x 1 0 0
D
2 5 3 13 5 y = 0 1 0
1 0 8 5 2 z 0 0 1
3. Sejam
1 0 cos sen
ia
D= . e P= .
0 1 sen cos
Sabendo-se que A = Pt DP, calcule D2 , PPt e A2 .
4. Responda Verdadeiro ou Falso, justificando:

p
(a) Se A2 = 2A4 , ento ( In + A2 )( In 2A2 ) = In ;

(b) Se A = Pt DP, onde D uma matriz diagonal, ento At = A;
(c) Se D uma matriz diagonal, ento DA = AD, para toda matriz A, n n;
(d) Se B = AAt , ento B = Bt .
(e) Se B e A so tais que A = At e B = Bt , ento C = AB, tal que C t = C.

l
ita
2
ig
I NVERSO DE M ATRIZES E
D ETERMINANTES
2.1 D
Matriz Inversa
ia
Todo nmero real a, no nulo, possui um inverso (multiplicativo), ou seja, existe
um nmero b, tal que a b = b a = 1. Este nmero nico e o denotamos por a1 .
Apesar da lgebra matricial ser semelhante lgebra dos nmeros reais, nem todas
p
as matrizes A no nulas possuem inversa, ou seja, nem sempre existe uma matriz B
tal que A B = B A = In . De incio, para que os produtos AB e BA estejam definidos
e sejam iguais preciso que as matrizes A e B sejam quadradas. Portanto, somente
as matrizes quadradas podem ter inversa, o que j diferencia do caso dos nmeros
reais, pois todo nmero no nulo tem inverso. Mesmo entre as matrizes quadradas,
muitas no possuem inversa, apesar do conjunto das que no tem inversa ser bem
menor do que o conjunto das que tem (Exerccio 2.2.10 na pgina 122).
70 Inverso de Matrizes e Determinantes
l
ita
Definio 2.1. Uma matriz quadrada A = ( aij )nn invertvel ou no singular, se existe uma matriz
B = (bij )nn tal que
A B = B A = In , (2.1)
em que In a matriz identidade. A matriz B chamada de inversa de A. Se A no tem inversa, dizemos que
ig
A no invertvel ou singular.
Exemplo 2.1. Considere as matrizes
A=

2 1
0 3

e B=
D
1/2 1/6
0 1/3

.
ia
A matriz B a inversa da matriz A, pois A B = B A = I2 .
p
Teorema 2.1. Se uma matriz A = ( aij )nn possui inversa, ento a inversa nica.

2.1 A Inversa de uma Matriz 71
Demonstrao. Suponhamos que B e C sejam inversas de A. Ento,
l
AB = BA = In = AC = CA
ita
e assim,
B = B In = B( AC ) = ( BA)C = In C = C .

Denotamos a inversa de A, quando ela existe, por A1 . Devemos chamar ateno

para o fato de que o ndice superior 1, aqui, no significa uma potncia, to pouco
ig
uma diviso. Assim, como no caso da transposta, em que At significa a transposta
de A, aqui, A1 significa a inversa de A.
D
2.1.1 Propriedades da Inversa
Teorema 2.2. (a) Se A invertvel, ento A1 tambm o e

ia
( A 1 ) 1 = A ;
(b) Se A = ( aij )nn e B = (bij )nn so matrizes invertveis, ento AB invertvel e

p
( AB)1 = B1 A1 ;
(c) Se A = ( aij )nn invertvel, ento At tambm invertvel e
( A t ) 1 = ( A 1 ) t .

l
Demonstrao. Se queremos mostrar que uma matriz a inversa de uma outra, te-
ita
mos que mostrar que os produtos das duas matrizes so iguais matriz identidade.
(a) Uma matriz B a inversa de A1 se
A1 B = BA1 = In .
Mas, como A1 a inversa de A, ento
ig
AA1 = A1 A = In .
Como a inversa nica, ento B = A a inversa de A1 , ou seja, ( A1 )1 = A.

(b) Temos que mostrar que a inversa de AB B1 A1 , ou seja, mostrar que os
D
produtos ( AB)( B1 A1 ) e ( B1 A1 )( AB) so iguais matriz identidade. Mas,
pelas propriedades (h) e (i) do Teorema 1.1 na pgina 9:
( AB)( B1 A1 ) = A( BB1 ) A1 = AIn A1 = AA1 = In ,

1 1 1 1 1 1
(B A )( AB) = B (A A) B = B In B = B B = In .
ia
(c) Queremos mostrar que a inversa de At ( A1 )t . Pela propriedade (o) do Teo-
rema 1.1 na pgina 9:
At ( A1 )t = ( A1 A)t = Int = In ,
p
1 t t 1 t
(A ) A = ( AA ) = Int = In .

O teorema seguinte, cuja demonstrao ser apresentada na Subseo 2.1.2, garante
que basta verificarmos uma das duas igualdades em (2.1) para sabermos se uma
matriz a inversa de outra.

l
ita
Teorema 2.3. Sejam A e B matrizes n n.
(a) Se BA = In , ento AB = In ;
(b) Se AB = In , ento BA = In ;
ig
Assim, para verificar que uma matriz A invertvel, quando temos uma matriz B
D
que candidata a inversa de A, basta fazer um dos produtos AB ou BA e verificar se
igual In . O prximo exemplo ilustra este fato.
ia
Exemplo 2.2. Seja A = ( aij )nn uma matriz tal que A3 = 0 (A pode no ser a matriz
nula!). Vamos mostrar que a inversa de In A In + A + A2 . Para provar isto,
devemos multiplicar a matriz In A, pela matriz que possivelmente seja a inversa
dela, aqui I + A + A2 , e verificar se o produto das duas igual matriz identidade
p
In .
( In A)( In + A + A2 ) = In ( In + A + A2 ) A( In + A + A2 ) = In + A + A2 A A2 A3 = In .
Aqui foram usadas as propriedades (i) e (j) do Teorema 1.1 na pgina 9.

2.1.2 Matrizes Elementares e Inverso (opcional)
l
As matrizes elementares tm um papel importante no estudo da inverso de ma-
ita
trizes e da soluo de sistemas lineares.
Proposio 2.4. Toda matriz elementar invertvel e sua inversa tambm uma matriz elementar. Usando a notao
introduzida na pgina 52, temos:
ig
1
(a) Ei,j = Ej,i = Ei,j ;
(b) Ei ()1 = Ei (1/), para 6= 0;
D
(c) Ei,j ()1 = Ei,j ().
Demonstrao. Seja E uma matriz elementar. Esta matriz obtida de In aplicando-

ia
se uma operao elementar. Seja F a matriz elementar correspondente a operao
que transforma E de volta em In . Agora, pelo Teorema 1.8 na pgina 54, temos que
F E = E F = In . Portanto, F a inversa de E.
p
Teorema 2.5. Seja A uma matriz n n. As seguintes afirmaes so equivalentes:

(a) Existe uma matriz B, n n, tal que BA = In .

l
(b) A matriz A equivalente por linhas matriz identidade In .
ita
(c) A matriz A invertvel.
Demonstrao. (a)(b) Se BA = In , ento o sistema A X = 0 tem somente a so-

luo trivial, pois X = In X = BAX = B 0 = 0. Isto implica que a matriz
ig
A equivalente por linhas matriz identidade In , pois caso contrrio a forma
escalonada reduzida de A teria uma linha nula (Proposio 1.5 na pgina 46).
(b)(c) A matriz A ser equivalente por linhas In significa, pelo Teorema 1.8 na
pgina 54, que existem matrizes elementares E1 , . . . , Ek , tais que
D
Ek . . . E1 A = In (2.2)
1 1
( E1 . . . Ek ) Ek . . . E1 A = E11 . . . Ek1
A = E11 . . . Ek1 . (2.3)
Aqui, usamos o fato de que as matrizes elementares so invertveis (Proposio
2.4). Portanto, A invertvel como o produto de matrizes invertveis.
ia
(c)(a) Claramente.

Se A invertvel, ento multiplicando-se ambos os membros de (2.2) direita por

A1 obtemos
p
Ek . . . E1 In = A1 .
Assim, a mesma sequncia de operaes elementares que transforma a matriz A na
matriz identidade In transforma tambm In em A1 .
A demonstrao do Teorema 2.3 na pgina 73, agora, uma simples consequncia

do Teorema anterior.

Demonstrao do Teorema 2.3. (a) Vamos mostrar que se BA = In , ento A in-
l
vertvel e B = A1 . Se BA = In , ento pelo Teorema 2.5, A invertvel e
ita
B = BIn = BAA1 = In A1 = A1 . Logo, AB = BA = In .
(b) Se AB = In , ento pelo item anterior B invertvel e B1 = A. Portanto,
BA = AB = In .

ig
Segue da demonstrao, do Teorema 2.5 (equao (2.3)) o resultado seguinte.
D
Teorema 2.6. Uma matriz A invertvel se, e somente se, ela um produto de matrizes elementares.
ia
Exemplo 2.3. Vamos escrever a matriz A do Exemplo 2.5 na pgina 80 como o pro-
duto de matrizes elementares. Quando encontramos a inversa da matriz A, apli-
camos uma sequncia de operaes elementares em [ A | I3 ] at que encontramos
a matriz [ I3 | A1 ]. Como as operaes so por linha, esta mesma sequncia de
operaes elementares transforma A em In . Isto corresponde a multiplicar a matriz
p

1 1 1
A = 2 1 4 esquerda pelas matrizes elementares
2 3 5

1 0 0 1 0 0
E1,2 (2) = 2 1 0 , E1,3 (2) = 0 1 0 ,
0 0 1 2 0 1


1 0 0 1 1 0 1 0 0
l
E2 (1) = 0 1 0 , E2,1 (1) = 0 1 0 , E2,3 (1) = 0 1 0
ita
0 0 1 0 0 1 0 1 1

1 0 0 1 0 3 1 0 0
E3 ( 15 ) = 0 1 0 , E3,1 (3) = 0 1 0 , E3,2 (2) = 0 1 2 ,
0 0 51 0 0 1 0 0 1
ou seja,
E3,2 (2) E3,1 (3) E3 ( 15 ) E2,3 (1) E2,1 (1) E2 (1) E1,3 (2) E1,2 (2) A = I3 .
ig
Multiplicando esquerda pelas inversas das matrizes elementares correspondentes
obtemos
A = E1,2 (2) E1,3 (2) E2 (1) E2,1 (1) E2,3 (1) E3 (5) E3,1 (3) E3,2 (2).
2.1.3
D
Mtodo para Inverso de Matrizes
O exemplo seguinte mostra, para matrizes 2 2, no somente uma forma de
descobrir se uma matriz A tem inversa mas tambm, como encontrar a inversa, no
caso em que ela exista. Ou seja, escalonamos a matriz [ A | I2 ] e encontramos a sua
ia
forma escalonada reduzida [ R | S]. Se R = I2 , ento a matriz A invertvel e a
inversa A1 = S. Caso contrrio, a matriz A no invertvel.

a b x y
p
Exemplo 2.4. Seja A = c d

. Devemos procurar uma matriz B =
z w
tal
que AB = I2 , ou seja,

ax + bz = 1
cx + dz = 0

ay + bw = 0
cy + dw = 1


l
Este sistema pode ser desacoplado em dois sistemas independentes que possuem a
mesma matriz, que a matriz A. Podemos resolv-los simultaneamente. Para isto,
ita
basta escalonarmos a matriz aumentada

a b 1 0
= [ A | I2 ].
c d 0 1
Os dois sistemas tm soluo nica se, e somente

se, a forma
escalonada reduzida
1 0 s t
da matriz [ A | I2 ] for da forma [ I2 | S ] = (verifique, observando o
0 1 u v
ig
que acontece se a forma escalonada reduzida da matriz A no for igual I2 ). Neste
caso, x = s, z = u e y = t, w = v, ou seja, a matriz A possuir inversa,

s t
A 1 = B = S = .
u v
D
Para os leitores da Subseo 2.1.2 o prximo teorema uma simples consequncia do
Teorema 2.5 na pgina 74. Entretanto a demonstrao que daremos a seguir fornece
um mtodo para encontrar a inversa de uma matriz, se ela existir.
ia
Teorema 2.7. Uma matriz A, n n, invertvel se, e somente se, A equivalente por linhas matriz identidade In .
p
Demonstrao. Pelo Teorema 2.3 na pgina 73, para verificarmos se uma matriz A,
n n, invertvel, basta verificarmos se existe uma matriz B, tal que
A B = In . (2.4)

l
Vamos denotar as colunas de B por X1 , X2 , . . . , Xn , ou seja, B = [ X1 . . . Xn ], em que

x11 x12 x1n
ita
x21 x22 x2n
X1 = . , X2 = . , . . . , X n = .

.. .. ..
xn1 xn2 xnn
e as colunas da matriz identidade In , por E1 , E2 , . . . , En , ou seja, In = [ E1 . . . En ], em
que
ig

1 0 0
0 1 0
E1 = . , E2 = . , . . . , En = . .

.. .. ..
0 0 1
D
Assim, a equao (2.4) pode ser escrita como
A [ X1 . . . Xn ] = [ AX1 . . . AXn ] = [ E1 . . . En ],
pois a j-sima coluna do produto AB igual A vezes a j-sima coluna da matriz B
(Exerccio 18 na pgina 25). Analisando coluna a coluna a equao anterior vemos
que encontrar B equivalente a resolver n sistemas lineares
ia
A X j = Ej para j = 1 . . . , n.
Cada um dos sistemas pode ser resolvido usando o mtodo de Gauss-Jordan. Para
isso, formaramos as matrizes aumentadas [ A | E1 ], [ A | E2 ], . . . , [ A | En ]. Entre-
tanto, como as matrizes dos sistemas so todas iguais A, podemos resolver todos
p
os sistemas simultaneamente (como no Exerccio 1.2.4 na pgina 58) formando a ma-

triz n 2n
[ A | E1 E2 . . . En ] = [ A | In ].
Transformando [ A | In ] na sua forma escalonada reduzida, que vamos denotar por
[ R | S ], vamos chegar a duas situaes possveis: ou a matriz R a matriz identi-
dade, ou no .

l
Se R = In , ento a forma escalonada reduzida da matriz [ A | In ] da
forma [ In | S ]. Se escrevemos a matriz S em termos das suas colunas
ita
S = [ S1 S2 . . . Sn ], ento as solues dos sistemas A X j = Ej so X j = S j e
assim B = S tal que A B = In e pelo Teorema 2.3 na pgina 73 A invertvel.
Se R 6= In , ento a matriz A no equivalente por linhas matriz identidade
In . Ento, pela Proposio 1.5 na pgina 46 a matriz R tem uma linha nula. O
que implica que cada um dos sistemas A X j = Ej ou no tem soluo nica ou
no tem soluo. Isto implica que a matriz A no tem inversa, pois as colunas
ig
da (nica) inversa seriam X j , para j = 1, . . . n.
Observao. Da demonstrao do Teorema 2.7 obtemos no somente uma forma de descobrir se uma matriz A
D
tem inversa mas tambm, como encontrar a inversa, no caso em que ela exista. Ou seja, escalonamos a matriz
[ A | In ] e encontramos a sua forma escalonada reduzida [ R | S]. Se R = In , ento a matriz A invertvel e a
inversa A1 = S. Caso contrrio, a matriz A no invertvel. Vejamos os exemplos seguintes.
ia
Exemplo 2.5. Vamos encontrar, se existir, a inversa de

1 1 1
A= 2 1 4
p
2 3 5
1a. eliminao:

1 1 1 1 0 0
21a. linha + 2a. linha 2a. linha 0 1 2 2 1 0
0 1 3 2 0 1

2a. eliminao:
l
ita

1 1 1 1 0 0
12a. linha 2a. linha 0 1 2 2 1 0
0 1 3 2 0 1

ig
0 0 5 4 1 1
3a. eliminao:

1 0 3 1 1 0
1 a.
5 3 linha 3a. linha 2 2 1
D
0 1 0
0 0 1 45 1
5
1
5
7 2
35

1 0 0 5 5
33a. linha + 1a. linha 1a. linha 2
0 1 0 35 2

23a. linha + 2a. linha 2a. linha 5 5
0 0 1 45 1 1
ia
5 5
Assim, a matriz [ A | I3 ] equivalente por linhas matriz acima, que da forma

[ I3 | S], portanto a matriz A invertvel e a sua inversa a matriz S, ou seja,
p
7 2 3
5 5 5
A1 = 25 53 2
5 .

45 1
5
1
5

Exemplo 2.6. Vamos determinar, se existir, a inversa da matriz
l
ita

1 2 3
A= 1 1 2 .
0 1 1
Para isso devemos escalonar a matriz aumentada

1 2 3 1 0 0
ig
[ A | I3 ] = 1 1 2 0 1 0
0 1 1 0 0 1
1a. eliminao:
D

1 2 3 1 0 0
0 1 1 0 0 1
2a. eliminao:
ia

1 2 3 1 0 0
12a. linha 2a. linha 0 1 1 1 1 0
0 1 1 0 0 1

1 0 1 1 2 0
p

0 0 0 1 1 1
Assim, a matriz [ A | I3 ] equivalente por linhas matriz acima, que da forma

[ R | S], com R 6= I3 . Assim, a matriz A no equivalente por linhas matriz identi-
dade e portanto no invertvel.

l
Se um sistema linear A X = B tem o nmero de equaes igual ao nmero de
incgnitas, ento o conhecimento da inversa da matriz do sistema, A1 , reduz o
ita
problema de resolver o sistema a simplesmente fazer um produto de matrizes, como
est enunciado no prximo teorema.
ig
Teorema 2.8. Seja A uma matriz n n.
(a) O sistema associado AX = B tem soluo nica se, e somente se, A invertvel. Neste caso a soluo X = A1 B;
D
(b) O sistema homogneo A X = 0 tem soluo no trivial se, e somente se, A singular (no invertvel).
Demonstrao. (a) Se a matriz A invertvel, ento multiplicando A X = B por

A1 esquerda em ambos os membros obtemos
ia
A 1 ( A X ) = A 1 B
( A 1 A ) X = A 1 B
A 1 B
p
In X =
X = A1 B.
Aqui foram usadas as propriedades (h) e (i) do Teorema 1.1 na pgina 9. Por-
tanto, X = A1 B a nica soluo do sistema A X = B. Por outro lado, se o
sistema A X = B possui soluo nica, ento a forma escalonada reduzida da
matriz aumentada do sistema [ A | B] da forma [ R | S], em que R = In . Pois a

l
matriz A quadrada e caso R fosse diferente da identidade possuiria uma linha
de zeros (Proposio 1.5 na pgina 46) o que levaria a que o sistema A X = B ou
ita
no tivesse soluo ou tivesse infinitas solues. Logo, a matriz A equivalente
por linhas matriz identidade o que pelo Teorema 2.7 na pgina 78 implica que
A invertvel.
(b) Todo sistema homogneo possui pelo menos a soluo trivial. Pelo item ante-
rior, esta ser a nica soluo se, e somente se, A invertvel.
ig
Vamos ver no prximo exemplo que se conhecemos a inversa de uma matriz,
ento a produo de uma indstria em vrios perodos pode ser obtida apenas
multiplicando-se a inversa por matrizes colunas que contenham a arrecadao e as
D
quantidades dos insumos utilizados em cada perodo.
Exemplo 2.7. Uma indstria produz trs produtos, X, Y e Z, utilizando dois tipos de
ia
insumo, A e B. Para a manufatura de cada kg de X so utilizados 1 grama do insumo
A e 2 gramas do insumo B; para cada kg de Y, 1 grama de insumo A e 1 grama de
insumo B e, para cada kg de Z, 1 grama de A e 4 gramas de B. O preo de venda do
kg de cada um dos produtos X, Y e Z R$ 2,00, R$ 3,00 e R$ 5,00, respectivamente.
p
Como vimos no Exemplo 1.6 na pgina 7, usando matrizes o esquema de produo

pode ser descrito da seguinte forma:
X Y Z
gramas de A/kg 1 1 1 x kg de X produzidos
gramas de B/kg 2 1 4 = A X= y kg de Y produzidos
preo/kg 2 3 5 z kg de Z produzidos


x+y+z gramas de A usados
l
AX = 2x + y + 4z gramas de B usados
ita
2x + 3y + 5z arrecadao
No Exemplo 2.5 na pgina 80 determinamos a inversa da matriz

1 1 1
A= 2 1 4
2 3 5
ig
que
7 2
35

5 5 73 2
1
A 1 = 2
53 2
= 2 3 2 .

5 5 5
45 1
5
1
5
4 1 1
D
Sabendo-se a inversa da matriz A podemos saber a produo da indstria sempre
que soubermos quanto foi gasto do insumo A, do insumo B e a arrecadao.
(a) Se em um perodo com a venda de toda a produo de X, Y e Z manufaturada
com 1 kg de A e 2 kg de B, essa indstria arrecadou R$ 2500, 00, ento para
determinar quantos kg de cada um dos produtos X, Y e Z foram vendidos sim-
ia
plesmente multiplicamos A1 pela matriz

1000 gramas de A usados
B = 2000 gramas de B usados
2500 arrecadao
p
ou seja,

kg de X produzidos

x

7 2 3 1000 700
1 1
kg de Y produzidos y =X=A B = 2 3 2 2000 = 200

5
kg de Z produzidos z 4 1 1 2500 100
Portanto, foram produzidos 700 kg do produto X, 200 kg de Y e 100 kg de Z.

l
(b) Se em outro perodo com a venda de toda a produo de X, Y e Z manufatu-
rada com 1 kg de A e 2, 1 kg de B, essa indstria arrecadou R$ 2900, 00, ento
ita
para determinar quantos kg de cada um dos produtos X, Y e Z foram vendidos
simplesmente multiplicamos A1 pela matriz

1000 gramas de A usados
B = 2100 gramas de B usados
2900 arrecadao
ig
ou seja,

kg de X produzidos

x
7 23 1000 500
1 1
kg de Y produzidos y =X =A B = 2 3 2 2100 = 300

5
kg de Z produzidos z 4 1 1 2900 200
D
Portanto, foram produzidos 500 kg do produto X, 300 kg de Y e 200 kg de Z.
Vamos mostrar a recproca do item (b) do Teorema 2.2 na pgina 71. Este resultado
ia
ser til na demonstrao de que o determinante do produto de matrizes o produto
dos determinantes (Subseo 2.2.2 na pgina 117).
p
Proposio 2.9. Se A e B so matrizes n n, com AB invertvel, ento A e B so invertveis.

Demonstrao. Considere o sistema ( AB) X = 0. Se B no fosse invertvel, ento
l
existiria X 6= 0, tal que B X = 0 (Teorema 2.8 na pgina 83). Multiplicando-se por
ita
A, teramos AB X = 0, o que, novamente pelo Teorema 2.8 na pgina 83, contradiz o
fato de AB ser invertvel. Portanto, B invertvel. Agora, se B e AB so invertveis,
ento A tambm invertvel, pois A = ( AB) B1 , que o produto de duas matrizes
invertveis.
ig
D
ia
p

2.1.4 Aplicao: Interpolao Polinomial
l
ita
Sejam P1 = ( x1 , y1 ), . . . , Pn = ( xn , yn ), com x1 , . . . , xn nmeros distintos. Consi-
dere o problema de encontrar um polinmio de grau n 1
ig
p ( x ) = a n 1 x n 1 + a n 2 x n 2 + + a 1 x + a 0 ,
D
que interpola os dados, no sentido de que p( xi ) = yi , para i = 1, . . . , n.
Por exemplo, se os pontos so
ia
P1 = (0, 10), P2 = (1, 7), P3 = (3, 11), P4 = (4, 14)
p
ento o problema consiste em encontrar um polinmio de grau 3 que interpola os

pontos dados (veja o Exerccio 1.2.8 na pgina 59).

30
l
y
ita
20
10
ig
0
x
10
20 D
ia
30
2 1 0 1 2 3 4 5
p
Vamos mostrar que existe, um e somente um, polinmio de grau no mximo igual
n 1, que interpola n pontos, com abscissas distintas. Substituindo os pontos no

l
polinmio p( x ), obtemos um sistema linear AX = B, em que
ita
x1n1 x1n2

a n 1 y1 ... x1 1
a n 2 y2 x2n1 x2n2 ... x2 1
X= , B= e A= .

.. .. .. .. ..
. . . . .
a0 yn xnn1 xnn2 ... xn 1
A matriz A chamada matriz de Vandermonde.
ig
Vamos mostrar que AX = B tem somente uma soluo. Pelo Teorema 2.8 na
pgina 83, um sistema de n equaes e n incgnitas AX = B tem soluo nica se, e
somente se, o sistema homogneo associado, AX = 0, tem somente a soluo trivial.
X = [ an1 a0 ] soluo do sistema homogneo se, e somente se, o polinmio
de grau n 1, p( x ) = an1 x n1 + + a0 , se anula em n pontos distintos. O que
D
implica que o polinmio p( x ) o polinmio com todos os seus coeficientes iguais a
zero. Portanto, o sistema homogneo A X = 0 tem somente a soluo trivial. Isto
prova que existe, um e somente um, polinmio de grau no mximo igual n 1,
que interpola n pontos, com abscissas distintas.
Assim, a soluo do sistema linear X = A1 B. Como a matriz A depende
apenas das abscissas dos pontos, tendo calculado a matriz A1 podemos determinar
ia
rapidamente os polinmios que interpolam vrios conjuntos de pontos, desde que
os pontos de todos os conjuntos tenham as mesmas abscissas dos pontos do conjunto
inicial.
p

2.1.5 Aplicao: Criptografia
l
ita
a b c d e f g h i j k l m n
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
o p q r s t u v w x y z
15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
A B C D E
30 31 32 33 34 35 36 37 38 39 40 41 42 43 44
ig
F G H I J K L M N O P Q R S T
45 46 47 48 49 50 51 52 53 54 55 56 57 58 59
U V W X Y Z
60 61 62 63 64 65 66 67 68 69 70 71 72 73 74
D
0 1 2 3 4 5 6 7 8 9 :
75 76 77 78 79 80 81 82 83 84 85 86 87 88 89
; < = > ? @ ! " # $ % & ( )
90 91 92 93 94 95 96 97 98 99 100 101 102 103 104
* + , - . / [ \ ] _ { | }
ia
105 106 107 108 109 110 111 112 113 114 115 116 117
Tabela 2.1. Tabela de converso de caracteres em nmeros
Vamos transformar uma mensagem em uma matriz da seguinte forma. Vamos

p
quebrar a mensagem em pedaos de tamanho 3 e cada pedao ser convertido em

uma matriz coluna usando a Tabela 2.1 de converso entre caracteres e nmeros.
Considere a seguinte mensagem criptografada
1ydobbr,? (2.5)
Quebrando a mensagem criptografada em pedaos de tamanho 3 e convertendo

l
cada pedao para uma coluna de nmeros usando a Tabela 2.1 obtemos a matriz
ita

80 15 18
Y = 25 2 107
4 2 94
Sabendo-se que esta mensagem foi criptografada fazendo o produto da mensagem

inicial pela matriz
1 1 0
ig
M= 0 1 1
0 0 1
ento
X = M 1 Y
D
ser a mensagem inicial convertida para nmeros, ou seja,

1 1 1 80 15 18 59 15 5
X = M 1 Y = 0 1 1 25 2 107 = 21 0 13
0 0 1 4 2 94 4 2 94
ia
Convertendo para texto usando novamente a Tabela 2.1 obtemos que a mensagem
que foi criptografada
Tudo bem? (2.6)
p

ita
1
2.1.1. Seja A uma matriz 3 3. Suponha que X = 2 soluo do sistema homogneo A X = 0. A matriz
3
A singular ou no? Justifique.
2.1.2. Se possvel, encontre as inversas das seguintes matrizes:

1 2 3 1 2 3
ig
(a) 1 1 2 ; (d) 0 2 3 ;
0 1 2 1 2 4

1 2 2 1 2 3
(b) 1 3 1 ; (e) 1 1 2 ;
1 3 2 0 1 1
D

1 1 1 1 1 1 1 1
1 2 1 2 1 3 1 2
(c)
1 1
; (f)
;
2 1 1 2 1 1
1 3 3 2 5 9 1 6
ia

1 1 0
2.1.3. Encontre todos os valores de a para os quais a matriz A = 1 0 0 tem inversa.
1 2 a
2.1.4. Se
p

1 3 2 1 2 5
A = e B = ,
1 3 3 2
encontre ( A B)1 .

2 3 5
2.1.5. Resolva o sistema A X = B, se A1 = eB= .
4 1 3

l
2.1.6. Seja
1 1
A= .
ita
4 1
mostraremos no Exemplo 6.6 na pgina 403 que

1 1 3 0
P= e D=
2 2 0 1
so tais que
ig
A = PDP1 .
Determine Ak , para k = 1, 2, 3, . . .
2.1.7. (Relativo Subseo 2.1.2) Encontre matrizes elementares E1 , . . . , Ek tais que A = E1 . . . Ek , para
D

1 2 3
A = 2 1 2 .
0 1 2

0 3 0
ia
2.1.8. (a) Para A = 0 0 2 , calcule A2 , A3 .
0 0 0
3 1 = I + A + A 2 ,
(b) Sabendo-se que se uma matriz que A = 0, ento ( In A)
quadrada A tal n
1 3 0
p
calcule a inversa da matriz B = 0 1 2 .

0 0 1


l
M=[A,B] atribui matriz M a matriz obtida colocando lado a lado as matrizes A e B.
ita
M=A(:,k:l) atribui matriz M a submatriz da matriz A obtida da coluna l coluna k da matriz A.

B=opel(alpha,i,A) ou B=oe(alpha,i,A)faz a operao elementar
ig
alpha*linha i ==> linha i da matriz A e armazena a matriz resultante em B.
B=opel(alpha,i,j,A) ou B=oe(alpha,i,j,A) faz a operao elementar
alpha*linha i + linha j ==> linha j da matriz A e armazena a matriz resultante na varivel B.
B=opel(A,i,j) ou B=oe(A,i,j) faz a troca da linha i com a linha j da matriz A e armazena a matriz
D
B=escalona(A) calcula passo a passo a forma escalonada reduzida da matriz A e armazena a matriz
2.1.9. O pacote GAAL contm alguns arquivos com mensagens criptografadas e uma chave para decifr-las. Use
os comandos a seguir para ler dos arquivos e atribuir s variveis correspondentes, uma mensagem crip-
tografada e a uma chave para decifr-la.
ia
menc=lerarq(c:/matlab/toolbox/gaal/menc1.txt)
key=lerarq(c:/matlab/toolbox/gaal/key.txt)
Com estes comandos foram lidos os arquivos menc1.txt e key.txt e atribudos os resultados s variveis
menc e key respectivamente. Para converter a mensagem criptografada e a chave para matrizes numri-
p
cas use os comandos do pacote gaal:

y=char2num(menc), M=char2num(key)
Sabendo-se que a mensagem criptografada (convertida para nmeros), y, foi originalmente obtida
multiplicando-se a matriz M pela mensagem original (convertida para nmeros), x, determine x. Des-
cubra a mensagem usando o comando do pacote gaal, num2char(x), que converte a matriz para texto.
Decifre as mensagens que esto nos arquivos menc2.txt e menc3.txt. Como deve ser a matriz M para
que ela possa ser uma matriz chave na criptografia?

Exerccios Tericos
l

a b
ita
2.1.10. (a) Mostre que a matriz A = invertvel se, e somente se, ad bc 6= 0 e neste caso a inversa
c d
dada por
1 1 d b
A = .
ad bc c a
(Sugesto: encontre a forma escalonada reduzida da matriz [ A | I2 ], para a 6= 0 e para a = 0.)
ig
(b) Mostre que se ad bc 6= 0, ento o sistema linear

ax + by = g
cx + dy = h
tem como soluo
D
gd bh ah gc
x= , y=
ad bc ad bc
Sugesto para os prximos 4 exerccios: Para verificar que uma matriz B a inversa de uma matriz A,
basta fazer um dos produtos AB ou BA e verificar que igual In .
ia
2.1.11. Se A uma matriz n n e Ak = 0, para k um inteiro positivo, mostre que
( In A)1 = In + A + A2 + . . . + Ak1 .
p
2.1.12. Seja A uma matriz diagonal, isto , os elementos que esto fora da diagonal so iguais a zero (aij = 0,
para i 6= j). Se aii 6= 0, para i = 1, . . . , n, mostre que A invertvel e a sua inversa tambm uma matriz
diagonal com elementos na diagonal dados por 1/a11 , 1/a22 , . . . , 1/ann .
2.1.13. Sejam A e B matrizes quadradas. Mostre que se A + B e A forem invertveis, ento
( A + B)1 = A1 ( In + BA1 )1 .

l
2.1.14. Seja Jn a matriz n n, cujas entradas so iguais a 1. Mostre que se n > 1, ento
ita
1
( In Jn )1 = In Jn .
n1
(Sugesto: observe que Jn2 = nJn .)

2.1.15. Mostre que se B uma matriz invertvel, ento AB1 = B1 A se, e somente se, AB = BA. (Sugesto:
multiplique a equao AB = BA por B1 .)
ig
2.1.16. Mostre que se A uma matriz invertvel, ento A + B e In + BA1 so ambas invertveis ou ambas no
invertveis. (Sugesto: multiplique A + B por A1 .)
2.1.17. Sejam A e B matrizes n n. Mostre que se B no invertvel, ento AB tambm no o .
D
2.1.18. Mostre que se A e B so matrizes n n, invertveis, ento A e B so equivalentes por linhas.
2.1.19. Sejam A uma matriz m n e B uma matriz n m, com n < m. Mostre que AB no invertvel. (Sugesto:
Mostre que o sistema ( AB) X = 0 tem soluo no trivial.)
ia
p

2.2 Determinantes
l
ita
Vamos inicialmente definir o determinante de matrizes 1 1. Para cada matriz
A = [ a] definimos o determinante de A, indicado por det( A), por det( A) = a.
Vamos, agora, definir o determinante de matrizes 2 2 e a partir da definir para
matrizes de ordem maior. A cada matriz A, 2 2, associamos um nmero real,
denominado determinante de A, por:

a11 a12
= a11 a22 a12 a21 .
ig
det( A) = det
a21 a22
Para definir o determinante de matrizes quadradas maiores, precisamos definir o

que so os menores de uma matriz. Dada uma matriz A = ( aij )nn , o menor do ele-
mento aij , denotado por Aij , a submatriz (n 1) (n 1) de A obtida eliminando-
D
se a i-sima linha e a j-sima coluna de A, que tem o seguinte aspecto:
j
a11 ... ... a1n

.. ..
. .

ia

Aij = a ij i

.. ..
. .

p

an1 ... ... ann


2.2 Determinantes 99
Exemplo 2.8. Para uma matriz A = ( aij )33 ,
ita
a11 a12 a13

a11 a12

A23 = a21 a22 a23 =

a31 a32
a31 a32 a33

Agora, vamos definir os cofatores de uma matriz quadrada A = ( aij )33 . O cofator do elemento aij ,
denotado por aij , definido por
ig
aij = (1)i+ j det( Aij ),
ou seja, o cofator aij , do elemento aij igual mais ou menos o determinante do menor Aij , sendo o mais e o
menos determinados pela seguinte disposio:

+ +
D
+
+ +
Exemplo 2.9. Para uma matriz A = ( aij )33 ,

ia

a11 a12 a13

a11 a12

a23 = (1)2+3 det( A23 ) = det a21 a22 a23 = det = a31 a12 a11 a32

a31 a32

a31 a32 a33

p
Vamos, agora, definir o determinante de uma matriz 3 3. Se

a11 a12 a13
A= a ,

a a 21 22 23
a31 a32 a33

ento, o determinante de A igual soma dos produtos dos elementos da 1a. linha
l
pelos seus cofatores.
ita
det( A) = a11 a11 + a12 a12 + a13 a13

a22 a23 a21 a23 a21 a22
= a11 det a12 det + a13 det
a32 a33 a31 a33 a31 a32
= a11 ( a22 a33 a32 a23 ) a12 ( a21 a33 a31 a23 ) + a13 ( a21 a32 a31 a22 ).
ig
Da mesma forma que definimos o determinante de matrizes 3 3 usando o de-
terminante de matrizes 2 2, podemos definir o determinante de matrizes n n su-
pondo que sabemos como calcular o determinante de matrizes (n 1) (n 1). Para
isso, vamos estender a definio de cofatores para matrizes quadradas A = ( aij )nn .
D
O cofator do elemento aij , denotado por aij , definido por
aij = (1)i+ j det( Aij ),
ou seja, o cofator aij , do elemento aij igual mais ou menos o determinante do

menor Aij , sendo o mais e o menos determinados pela seguinte disposio:
ia

+ + ...

+ + ...

+ + ...
.. .. ..

p
.. ..
. . . . .

l
Definio 2.2. Seja A = ( aij )nn . O determinante de A, denotado por det( A), definido por
ita
n
det( A) = a11 a11 + a12 a12 + . . . + a1n a1n = a1j a1j , (2.7)
j =1
em que a1j = (1)1+ j det( A1j ) o cofator do elemento a1j . A expresso (2.8) chamada desenvolvimento ou
expanso em cofatores do determinante de A em termos da 1a. linha.
ig
Exemplo 2.10. Seja

0 0
D0 3

ia
A=
1 2 3 4 .

1 3 2 5
2 1 2 0
Desenvolvendo-se o determinante de A em cofatores, obtemos

p
det( A) = 0a11 + 0a12 + 0a13 + (3) a14 ,

1 2 3
a14 = (1)1+4 det( B), em que B= .

1 3 2
2 1 2

l
Mas o det( B) tambm pode ser calculado usando cofatores,
ita
det( B) = 1b11 + 2b12 + 3b13
= 1(1)1+1 det( B11 ) + 2(1)1+2 det( B12 ) + 3(1)1+3 det( B13 )

3 2 1 2 1 3
= det 2 det + 3 det
1 2 2 2 2 1
= 8 2 (2) + 3 (7) = 25
ig
Portanto,
det( A) = (3)(1)5 det( B) = 75.
D
Exemplo 2.11. Usando a definio de determinante, vamos mostrar que o determi-
nante de uma matriz triangular inferior (isto , os elementos situados acima da dia-
gonal principal so iguais a zero) o produto dos elementos da diagonal principal.
Vamos mostrar inicialmente para matrizes 3 3. Seja
ia

a11 0 0
A=

a21 a22 0
a31 a32 a33
p

a22 0
det( A) = a11 det = a11 a22 a33 .
a32 a33
Vamos supor termos provado que para qualquer matriz (n 1) (n 1) triangular

inferior, o determinante o produto dos elementos da diagonal principal. Ento

l
vamos provar que isto tambm vale para matrizes n n. Seja
ita

a11 0 ... ... 0

..
A=
a21 a22 0 .

.. ..
. . 0
an1 ... ann
ig

a22 0 ... ... 0
..
a32 a33 0 .
D
det( A) = a11 det
.
= a11 a22 . . . ann ,
.. ..
. 0
an2 ... ann
pois o determinante acima de uma matriz (n 1) (n 1) triangular inferior. Em

particular, para a matriz identidade, In ,
ia
det( In ) = 1.
p
2.2.1 Propriedades do Determinante
Vamos provar uma propriedade do determinante que usada para provar vrias
outras propriedades. Para isso vamos escrever a matriz A = ( aij )nn em termos das

l
suas linhas
A1
ita
..

.

A k 1

Ak
A= ,

A k +1

.
..

An
ig
em que Ai a linha i da matriz A, ou seja, Ai = [ ai1 ai2 . . . ain ]. Se a linha Ak
escrita na forma Ak = X + Y, em que X = [ x1 . . . xn ], Y = [ y1 . . . yn ] e e
so escalares, dizemos que a linha Ak combinao linear de X e Y. Se a linha Ak
combinao linear de X e Y, ento o determinante pode ser decomposto como no
D
resultado seguinte.
Teorema 2.10. Seja A = ( aij )nn escrita em termos das suas linhas, denotadas por Ai , ou seja,
ia
Ai = [ ai1 ai2 . . . ain ]. Se para algum k, a linha Ak = X + Y, em que X = [ x1 . . . xn ],
Y = [ y1 . . . yn ] e e so escalares, ento:

A1 A1 A1
.. .. ..
. . .
p

A k 1 A k 1 A k 1

det
X + Y = det X

+ det Y

.

A k +1 A k +1 A k +1

.. . .
.. ..

.
An An An

l
Aqui, Ak = X + Y = [ x1 + y1 . . . xn + yn ].
ita
Demonstrao. Vamos provar aqui somente para k = 1. Para k > 1 demons-
trado no Apndice II na pgina 124. Se A1 = X + Y, em que X = [ x1 . . . xn ],
Y = [ y1 . . . yn ] e e so escalares, ento:
ig

X + Y
A2 n
det = (1)1+ j (x j + y j ) det( A1j )

..
. j =1
D
An
n n
= x j det( A1j ) + y j det( A1j )
j =1 j =1

X Y
A2 A2
= det + det .
ia

.. ..
. .
An An
p

l
Exemplo 2.12. O clculo do determinante da matriz a seguir pode ser feito da se-
ita
guinte forma:

cos t sen t cos t sen t cos t sen t
det = 2 det + 3 det =3
2 cos t 3 sen t 2 sen t + 3 cos t cos t sen t sen t cos t
Pela definio de determinante, o determinante deve ser calculado fazendo-se o de-
ig
senvolvimento em cofatores segundo a 1a. linha. O prximo resultado, que no va-
mos provar neste momento (Apndice II na pgina 124), afirma que o determinante
pode ser calculado fazendo-se o desenvolvimento em cofatores segundo qualquer li-
nha ou qualquer coluna.
D
Teorema 2.11. Seja A uma matriz n n. O determinante de A pode ser calculado fazendo-se o desenvolvimento em
cofatores segundo qualquer linha ou qualquer coluna.
ia
n
det( A) = ai1 ai1 + ai2 ai2 + . . . + ain ain = aij aij , para i = 1, . . . , n, (2.8)
j =1
n
= a1j a1j + a2j a2j + . . . + anj anj = aij aij , para j = 1, . . . , n, (2.9)
p
i =1
em que aij = (1)i+ j det( Aij ) o cofator do elemento aij . A expresso (2.8) chamada desenvolvimento em co-
fatores do determinante de A em termos da i-sima linha e (2.9) chamada desenvolvimento em cofatores do
determinante de A em termos da j-sima coluna.

l
ita
Temos a seguinte consequncia deste resultado.
ig
Corolrio 2.12. Seja A uma matriz n n. Se A possui duas linhas iguais, ento det( A) = 0.
D
Demonstrao. O resultado claramente verdadeiro para matrizes 2 2. Supondo
que o resultado seja verdadeiro para matrizes (n 1) (n 1), vamos provar que
ele verdadeiro para matrizes n n. Suponhamos que as linhas k e l sejam iguais,
para k 6= l. Desenvolvendo o determinante de A em termos de uma linha i, com
i 6= k, l, obtemos
ia
n n
det( A) = aij aij = (1)i+ j aij det( Aij ).
j =1 j =1
Mas, cada Aij uma matriz (n 1) (n 1) com duas linhas iguais. Como estamos
p
supondo que o resultado seja verdadeiro para estas matrizes, ento det( Aij ) = 0.
Isto implica que det( A) = 0.
No prximo resultado mostramos como varia o determinante de uma matriz quando

aplicamos operaes elementares sobre suas linhas.

l
ita
(a) Se B obtida de A multiplicando-se uma linha por um escalar , ento
det( B) = det( A) ;
ig
(b) Se B resulta de A pela troca da posio de duas linhas k 6= l, ento
det( B) = det( A) ;
(c) Se B obtida de A substituindo-se a linha l por ela somada a um mltiplo escalar de uma linha k, k 6= l, ento
D det( B) = det( A) .
ia
Demonstrao. (a) Segue diretamente do Teorema 2.10 na pgina 104.
(b) Sejam

A1 A1
.. ..
p
. .

Ak Al

A = ... e B = ... .

Al Ak

. .
.. ..
An An

l
Agora, pelo Teorema 2.10 na pgina 104 e o Corolrio 2.12, temos que
ita

A1 A1 A1 A1 A1
.. .. .. .. ..

. .

.

.
.

Ak + Al Ak Ak Al Al

0 = det
.. .. ..
= det . + det . + det
.. + det ..
.
.
.

Ak + Al Ak Al Ak Al

.. . . .. .
ig
.. .. .

. . .
An An An An An
= 0 + det( A) + det( B) + 0.
Portanto, det( A) = det( B).
D
(c) Novamente, pelo Teorema 2.10 na pgina 104, temos que

A1 A1 A1 A1
.. .. .. ..

.

.

.

.
Ak Ak Ak Ak
ia

det
.. .. ..
= det . + det . = det
.. .
.
.
Al + Ak Al Ak Al

.. .
..
.
..
..
. .
An An An An
p

l
Exemplo 2.13. Vamos calcular o determinante da matriz
ita

0 1 5
A= 3 6 9
2 6 1
usando operaes elementares para transform-la numa matriz triangular superior
e aplicando o Teorema 2.13.
ig

3 6 9
det( A) = det 0 1 5 1a. linha 2a. linha
2 6 1
1 2 3
= 3 det 0 1 5 1/31a. linha 1a. linha
D
2 6 1
1 2 3
= 3 det 0 1 5 21a. linha+3a. linha 3a. linha
0 10 5
1 2 3
= 3 det 0 1 5 102a. linha+3a. linha 3a. linha
ia
0 0 55
= (3)(55) = 165
Quando multiplicamos uma linha de uma matriz por um escalar (neste caso
p
= 1/3) o determinante da nova matriz igual multiplicado pelo determi-

nante da matriz anterior. Mas o que estamos calculando aqui o determinante da
matriz anterior, por isso ele igual 1/ (neste caso 1/ = 3) multiplicado pelo
determinante da matriz nova.
Para se calcular o determinante de uma matriz n n pela expanso em cofatores, pre-

cisamos fazer n produtos e calcular n determinantes de matrizes (n 1) (n 1),

l
que por sua vez vai precisar de n 1 produtos e assim por diante. Portanto, ao todo
so necessrios da ordem de n! produtos. Para se calcular o determinante de uma
ita
matriz 20 20, necessrio se realizar 20! 1018 produtos. Os computadores pes-
soais realizam da ordem de 108 produtos por segundo. Portanto, um computador
pessoal precisaria de cerca de 1010 segundos ou 103 anos para calcular o determi-
nante de uma matriz 20 20 usando a expanso em cofatores. Entretanto usando o
mtodo apresentado no exemplo anterior para o clculo do determinante, necess-
rio apenas da ordem de n3 produtos. Ou seja, para calcular o determinante de uma
matriz 20 20 usando o mtodo apresentado no exemplo anterior um computador
ig
pessoal gasta muito menos de um segundo.
A seguir estabelecemos duas propriedades do determinante que sero demons-
tradas somente na Subseo 2.2.2 na pgina 117.

D
ia
(a) O determinante do produto de A por B igual ao produto dos seus determinantes,
det( AB) = det( A) det( B) .
(b) Os determinantes de A e de sua transposta At so iguais,

p
det( A) = det( At ) ;

l
Observao. Como o determinante de uma matriz igual ao determinante da sua transposta (Teorema 2.14 (b)),
segue-se que todas as propriedades que se referem a linhas so vlidas com relao s colunas.
ita
Exemplo 2.14. Seja A = ( aij )nn . Vamos mostrar que se A invertvel, ento
1
det( A1 ) = .
det( A)
ig
Como A A1 = In , aplicando-se o determinante a ambos os membros desta igual-
dade e usando o Teorema 2.14, obtemos
det( A) det( A1 ) = det( In ).
gular inferior!). Logo, det( A1 ) =

det( A)
.
D
Mas, det( In ) = 1 (Exemplo 2.11 na pgina 102, a matriz identidade tambm trian-
1
ia
Exemplo 2.15. Se uma matriz quadrada tal que A2 = A1 , ento vamos mostrar
que det( A) = 1. Aplicando-se o determinante a ambos os membros da igualdade
acima, e usando novamente o Teorema 2.14 e o resultado do exemplo anterior, obte-
mos
1
p
(det( A))2 = .
det( A)
Logo, (det( A))3 = 1. Portanto, det( A) = 1.
O resultado seguinte caracteriza em termos do determinante as matrizes invertveis

e os sistemas lineares homogneos que possuem soluo no trivial.

l
ita
Teorema 2.15. Seja A uma matriz n n.
(a) A matriz A invertvel se, e somente se, det( A) 6= 0.
(b) O sistema homogneo AX = 0 tem soluo no trivial se, e somente se, det( A) = 0.
ig
Demonstrao. (a) Seja R a forma escalonada reduzida da matriz A.
D
A demonstrao deste item segue-se de trs observaes:
Pelo Teorema 2.13 na pgina 108, det( A) 6= 0 se, e somente se, det( R) 6= 0.
Pela Proposio 1.5 da pgina 46, ou R = In ou a matriz R tem uma linha
nula. Assim, det( A) 6= 0 se, e somente se, R = In .
Pelo Teorema 2.7 na pgina 78, R = In se, e somente se, A invertvel.
ia
(b) Pelo Teorema 2.8 na pgina 83, o sistema homogneo AX = 0 tem soluo no
trivial se, e somente se, a matriz A no invertvel. E pelo item anterior, a
matriz A no invertvel se, e somente se, det( A) = 0.

p
Exemplo 2.16. Considere a matriz

2 2 2
A= 0 2 0 .
0 1 3

l
(a) Determinar os valores de R tais que existe X = y 6= 0 que satisfaz
ita
z
AX = X.
(b) Para
cada um dos valores de encontrados no item anterior determinar todos
x
X = y tais que AX = X.
z
ig
Soluo:
(a) Como a matriz identidade I3 o elemento neutro do produto, ento
AX = X AX = I3 X.
Subtraindo-se I3 X obtemos
AX I3 X = 0
D
( A I3 ) X = 0.
Agora, este sistema homogneo tem soluo no trivial (X 6= 0) se, e somente

ia
se,
det( A I3 ) = 0.
Mas
2 2 2
p
det 0 2 0 = ( 2)2 ( 3) = 0
0 1 3
se, e somentese, = 2 ou = 3. Assim, somente para = 2 e = 3 existem

x
vetores X = y 6= 0 tais que AX = X.
z

l
(b) Para = 2:
ita

0 2 2 x 0
2y + 2z = 0
( A 2I3 ) X = 0 0 0 0 y = 0

y + z = 0
0 1 1 z 0

x
que tem soluo o conjunto dos X = y = , para todos os valores
z
de , R.
ig
Para = 3:

1 2 2 x 0 x + 2y + 2z = 0
( A 3I3 ) X = 0 0 1 0 y = 0 y = 0
0 1 0 z 0 y = 0
D

x 2
que tem soluo o conjunto dos X = y = 0 , para todos os valores
z
de R.
ia

a b
Exemplo 2.17. A matriz A = c d
invertvel se, e somente se,
det( A) = ad bc 6= 0.
p
Neste caso a inversa de A dada por

1 1 d b
A = ,
det( A) c a
como pode ser verificado multiplicando-se a candidata a inversa pela matriz A. Isto
tambm foi mostrado no Exerccio 2.1.10 na pgina 96.

l
Observe que este exemplo fornece uma regra para se encontrar a inversa de uma
matriz 2 2: troca-se a posio dos elementos da diagonal principal, troca-se o sinal
ita
dos outros elementos e divide-se todos os elementos pelo determinante de A.
Exemplo 2.18. Considere o sistema linear de 2 equaes e 2 incgnitas

ax + by = g
cx + dy = h
ig
A matriz deste sistema
a b
A= .
c d
Se det( A) 6= 0, ento a soluo do sistema
D

g b
det
1 d b g 1 dg bh 1 h d
X = A 1 B =

= =
det( A) c a h det( A) cg + ah det( A) a g
det
c h
ou seja,
g b a g
ia
det det
h d c h
x= , y=
a b a b
det det
c d c d
esta a chamada Regra de Cramer para sistemas de 2 equaes e 2 incgnitas.
p
Pode-se mostrar (ver por exemplo [32] ou [33]), que para sistemas de n equaes
e n incgnitas vlida a Regra de Cramer dada a seguir.
Se o sistema linear AX = B tal que a matriz A n n e invertvel, ento a
soluo do sistema dada por
det( A1 ) det( A2 ) det( An )
x1 = , x2 = , . . . , xn = ,
det( A) det( A) det( A)

l
em que A j a matriz que se obtm de A substituindo-se a sua j-sima coluna por B,
para j = 1, . . . , n.
ita
Existem sistemas AX = B de n equaes e n incgnitas, com n > 2, em que
det( A) = det( A1 ) = = det( An ) = 0
e o sistema no tem soluo. Por exemplo o sistema

x + 2y + 3z = 1
ig
2x + 4y + 6z = 3
3x + 6y + 9z = 2

tal que
det( A) = det( A1 ) = det( A2 ) = det( A3 ) = 0,
D
mas ele no tem soluo (verifique!).
2.2.2 Matrizes Elementares e o Determinante (opcional)

Relembramos que uma matriz elementar uma matriz que se obtm aplicando-
ia
se uma operao elementar na matriz identidade. Assim, aplicando-se o Teorema
2.13 na pgina 108 obtemos o resultado seguinte.
p
Proposio 2.16. (a) Se Ei,j a matriz elementar obtida trocando-se as linhas i e j da matriz identidade, ento
det( Ei,j ) = 1.
(b) Se Ei () a matriz elementar obtida da matriz identidade, multiplicando-se a linha i por , ento det( Ei ()) = .

l
(c) Se Ei,j () a matriz elementar obtida da matriz identidade, somando-se linha j, vezes a linha i, ento
ita
det( Ei,j ()) = 1.
Lembramos tambm que uma matriz invertvel se, e somente se, ela o produto
ig
de matrizes elementares (Teorema 2.6 na pgina 76). Alm disso, o resultado da
aplicao de uma operao elementar em uma matriz o mesmo que multiplicar a
matriz esquerda pela matriz elementar correspondente.
Usando matrizes elementares podemos provar o Teorema 2.14 na pgina 111.
Demonstrao do Teorema 2.14.
D
(a) Queremos provar que det( AB) = det( A) det( B). Vamos dividir a demonstrao
deste item em trs casos:
Caso 1: Se A = E uma matriz elementar. Este caso segue-se diretamente da propo-
ia
sio anterior e do Teorema 2.13 na pgina 108.
Caso 2: Se A invertvel, ento pelo Teorema 2.6 na pgina 76 ela o produto de
matrizes elementares, A = E1 . . . Ek . Aplicando-se o caso anterior sucessivas vezes,
obtemos
p
det( AB) = det( E1 ) . . . det( Ek ) det( B) = det( E1 . . . Ek ) det( B) = det( A) det( B).
Caso 3: Se A singular, pela Proposio 2.9 na pgina 86, AB tambm singular.

Logo,
det( AB) = 0 = 0 det( B) = det( A) det( B).

(b) Queremos provar que det( A) = det( At ). Vamos dividir a demonstrao deste
l
item em dois casos.
ita
Caso 1: Se A uma matriz invertvel, pelo Teorema 2.6 na pgina 76 ela o produto
de matrizes elementares, A = E1 . . . Ek . fcil ver que se E uma matriz elementar,
ento det( E) = det( Et ) (verifique!). Assim,
det( At ) = det( Ekt ) . . . det( E1t ) = det( Ek ) . . . det( E1 ) = det( E1 . . . Ek ) = det( A).
ig
Caso 2: Se A no invertvel, ento At tambm no o , pois caso contrrio, pelo
Teorema 2.2 na pgina 71, tambm A = ( At )t seria invertvel. Assim, neste caso,
det( At ) = 0 = det( A).

2.2.1. Se det( A) = 3, encontre D
ia
(a) det( A2 ); (b) det( A3 ); (c) det( A1 ); (d) det( At );
2.2.2. Se A e B so matrizes n n tais que det( A) = 2 e det( B) = 3, calcule det( At B1 ).
2.2.3. Seja A = ( aij )33 tal que det( A) = 3. Calcule o determinante das matrizes a seguir:
p

a11 a12 a13 + a12 a11 + a12 a11 a12 a13
(a) a21 a22 a23 + a22 (b) a21 + a22 a21 a22 a23
a31 a32 a33 + a32 a31 + a32 a31 a32 a33
2.2.4. Calcule o determinante das matrizes a seguir:

rt
tert

e cos t sen t
(a) (b)
rert (1 + rt)ert cos t sen t sen t + cos t

l
2.2.5. Calcule o determinante de cada uma das matrizes seguintes usando operaes elementares para
transform-las em matrizes triangulares superiores.
ita

1 2 3 1 2 1 3 1
5 9 6 3 1 0 1 1
(a)
1
(b) .
2 6 2 0 2 1 0
2 8 6 1 0 1 2 3
2.2.6. Determine todos os valores de para os quais det( A In ) = 0, em que
ig

0 1 2 1 0 0
(a) A = 0 0 3 (b) A = 1 3 0

0 0 0

3 2 2
2 2 3 2 2 3
(c) A = 0 3 2
D
(d) A = 1 2 1
0 1 2 2 2 1

x1
2.2.7. Determine os valores de R tais que existe X = ... 6= 0 que satisfaz AX = X.

xn
ia

2 0 0 2 3 0
(a) A = 3 1 0 ; (b) A = 0 1 0 ;
0 4 3 0 0 2

1 2 3 4 2 2 3 4
p
0 1 3 2 0 2 3 2
(c) A =
0
; (d) A = .
0 3 3 0 0 1 1
0 0 0 2 0 0 0 1
2.2.8. Para as matrizes do exerccio anterior, e os valores de encontrados, encontre a soluo geral do sistema
AX = X, ou equivalentemente, do sistema homogneo ( A In ) X = 0.

l
2.2.9. Considere a seguinte matriz
0 1 5 3
ita
2 2 4 0
A=
1

2 4 0
2 4 4 2

x
y
z 6= 0 que satisfaz AX = X.
(a) Determine os valores de R tais que existe X =
ig
w
(b) Para os valores de encontrados na questo anterior, encontre a soluo geral do sistema
AX = X.
D
ia
p

l
ita
det(A) calcula o determinante da matriz A.
Comando do pacote GAAL:
detopelp(A) calcula o determinante de A aplicando operaes elementares at que a matriz esteja na
forma triangular superior.
ig
2.2.10. Vamos fazer um experimento no M ATLABr para tentar ter uma ideia do quo comum encontrar ma-
trizes invertveis. No prompt do M ATLABr digite a seguinte linha:
c=0; for n=1:1000,A=randi(2);if(det(A)=0),c=c+1;end,end,c
(no esquea das vrgulas e pontos e vrgulas!). O que esta linha est mandando o M ATLABr fazer o
D
seguinte:
Criar um contador c e atribuir a ele o valor zero.
Atribuir varivel A, 1000 matrizes 2 2 com entradas inteiras aleatrias entre 5 e 5.
Se det(A) 6= 0, ento o contador c acrescido de 1.
ia
No final o valor existente na varivel c escrito.
Exerccios Tericos
p
2.2.11. Mostre que se det( AB) = 0, ento ou A singular ou B singular.

2.2.12. O determinante de AB igual ao determinante de BA? Justifique.
2.2.13. Mostre que se A uma matriz no singular tal que A2 = A, ento det( A) = 1.
2.2.14. Mostre que se Ak = 0, para algum k inteiro positivo, ento A singular.

2.2.15. Mostre que se At = A1 , ento det( A) = 1;
l
2.2.16. Mostre que se um escalar e A uma matriz n n, ento det(A) = n det( A).
ita
2.2.17. Mostre que A, n n, invertvel se, e somente se, At A invertvel.
2.2.18. Sejam A e P matrizes n n, sendo P invertvel. Mostre que det( P1 AP) = det( A).
2.2.19. Mostre que se uma matriz A = ( aij )nn triangular superior, (isto , os elementos situados abaixo da
diagonal so iguais a zero) ento det( A) = a11 a22 . . . ann .
ig

a b
2.2.20. (a) Mostre que se A = , ento det( A) = 0 se, e somente se, uma linha mltiplo escalar da
c d
outra. E se A for uma matriz n n?
(b) Mostre que se uma linha Ai de uma matriz A = ( aij )nn , tal que Ai = Ak + Al , para e
D
escalares e i 6= k, l, ento det( A) = 0.
(c) Mostre que se uma linha Ai de uma matriz A = ( aij )nn , tal que Ai = k Ak , para 1 , . . . , k
k 6 =i
escalares, ento det( A) = 0.
2.2.21. Mostre que o determinante de Vandermonde dado por

ia
x12 x1n1

1 x1 ...
1 x2 x22 ... x2n1
Vn = det = ( x i x j ).

.. .. ..
. . . i> j
p
1 xn xn2 ... xnn1
A expresso direita significa o produto de todos os termos xi x j tais que i > j e i, j = 1, . . . , n.

(Sugesto: Mostre primeiro que V3 = ( x3 x2 )( x2 x1 )( x3 x1 ). Suponha que o resultado verdadeiro
para matrizes de Vandermonde de ordem n 1, mostre que o resultado verdadeiro para matrizes de
Vandermonde de ordem n. Faa as seguintes operaes nas colunas da matriz, x1 Ci1 + Ci Ci , para
i = n, . . . , 2. Obtenha Vn = ( xn x1 ) . . . ( x2 x1 )Vn1 .)

l
2.2.22. Sejam A, B e D matrizes p p, p (n p) e (n p) (n p), respectivamente. Mostre que
ita

A B
det = det( A) det( D ).
0 D
(Sugesto: O resultado claramente verdadeiro para n = 2. Suponha que o resultado seja verdadeiro
para matrizes de ordem n 1. Desenvolva o determinante da matriz em termos da 1a. coluna, escreva
o resultado em termos de determinantes de ordem n 1 e mostre que o resultado verdadeiro para
matrizes de ordem n.)
ig
2.2.23. Dado um polinmio
p(t) = (1)n (tn + an1 tn1 + + a0 )
Verifique que a matriz
D

0 1 0 0

0 0 1 0

A=
.. .. .. .. ..

,
. . . . .

0 0 0 1
a 0 a 1 a 2 a n 1 nn
ia
tal que det( A tIn ) = p(t). Esta matriz chamada matriz companheira do polinmio p(t). (Sugesto:
verifique para n = 2 e depois supondo que seja verdade para matrizes (n 1) (n 1) mostre que
verdade para matrizes n n expandindo em cofatores em relao a primeira coluna)
p
Apndice II: Demonstrao do Teorema 2.11 na pgina 106

Demonstrao do Teorema 2.10 na pgina 104 para k > 1. Deixamos como exerc-
cio para o leitor a verificao de que para matrizes 2 2 o resultado verdadeiro.
Supondo que o resultado seja verdadeiro para matrizes (n 1) (n 1), vamos

l
provar para matrizes n n. Sejam
ita

A1 A1 A1
.. .. ..

.

.

.

A k 1 A k 1 A k 1

X + Y
A= X
B= Y
C=
, e .

A k +1 A k +1 A k +1

.. . .
.. ..

.
ig

An An An
Suponha que k = 2, . . . , n. As matrizes A1j , B1j e C1j s diferem na (k 1)-sima

linha (lembre-se que a primeira linha retirada!). Alm disso, a (k 1)-sima linha
de A1j igual vezes a linha correspondente de B1j mais vezes a linha cor-
D
respondente de C1j (esta a relao que vale para a k-sima linha de A). Como
estamos supondo o resultado verdadeiro para matrizes (n 1) (n 1), ento
det( A1j ) = det( B1j ) + det(C1j ). Assim,
n
det( A) = (1)1+ j a1j det( A1j )
ia
j =1
n
(1)1+ j a1j

= det( B1j ) + det(C1j )
j =1
n n
p
= (1)1+ j b1j det( B1j ) + (1)1+ j c1j det(C1j )

j =1 j =1
= det( B) + det(C ),
pois a1j = b1j = c1j , para j = 1, . . . , n.

l
ita
Lema 2.17. Sejam E1 = [ 1 0 . . . 0 ], E2 = [ 0 1 0 . . . 0 ], . . . , En = [ 0 . . . 0 1 ]. Se A uma matriz n n, cuja i-sima
linha igual Ek , para algum k (1 k n), ento
det( A) = (1)i+k det( Aik ).
ig
D
Demonstrao. fcil ver que para matrizes 2 2 o lema verdadeiro. Suponha
que ele seja verdadeiro para matrizes (n 1) (n 1) e vamos provar que ele
verdadeiro para matrizes n n. Podemos supor que 1 < i n.
Seja Bj a matriz (n 2) (n 2) obtida de A eliminando-se as linhas 1 e i e as
ia
colunas j e k, para 1 j n.
Para j < k, a matriz A1j uma matriz (n 1) (n 1) cuja (i 1)-sima li-
nha igual Ek1 . Para j > k, a matriz A1j uma matriz (n 1) (n 1) cuja
(i 1)-sima linha igual Ek . Como estamos supondo o lema verdadeiro para
p
estas matrizes e como pelo Teorema 2.10 na pgina 104 se uma matriz tem uma linha
nula o seu determinante igual zero, ento det( A1k ) = 0, segue-se que
(1)(i1)+(k1) det( Bj )

se j < k,
det( A1j ) = 0 se j = k, (2.10)
(1)(i1)+k det( Bj ) se j > k.


l
Usando (2.10), obtemos
n
ita
det( A) = (1)1+ j a1j det( Aij )
j =1
n n
= (1)1+ j a1j (1)(i1)+(k1) det( Bj ) + (1)1+ j a1j (1)(i1)+k det( Bj )
j<k j>k
Por outro lado, temos que
ig
" #
n n
(1) i +k
det( Aik ) = (1) i +k
(1) 1+ j
a1j det( Bj ) + (1) 1+( j1)
a1j det( Bj )
j<k j>k
simples a verificao de que as duas expresses acima so iguais.
Demonstrao do Teorema 2.11 na pgina 106.
D
Pelo Teorema 2.14 na pgina 111 basta provarmos o resultado para o desenvolvi-
mento em termos das linhas de A. Sejam
E1 = [ 1 0 . . . 0 ], E2 = [ 0 1 0 . . . 0 ], . . . , En = [ 0 . . . 0 1 ].
ia
Observe que a linha i de A pode ser escrita como
n
Ai = aij Ej .
j =1
p
Seja Bj a matriz obtida de A substituindo-se a linha i por Ej . Pelo Teorema 2.10 na

pgina 104 e o Lema 2.17 segue-se que
n n
det( A) = aij det( Bj ) = (1)i+ j aij det( Aij ).
j =1 j =1

Teste do Captulo
l
ita
1. Calcule o determinante da matriz seguinte usando operaes elementares para transform-la em uma
matriz triangular superior.
1 3 9 7
2 3 2 5

0 3 4 1
ig
4 6 9 1
2. Se possvel, encontre a inversa da seguinte matriz:
D

1 0 0 2
0 1 0 0

0 0 1 0
2 0 0 2
ia
3. Encontre todos os valores de para os quais a matriz A I4 tem inversa, em que
p

2 0 0 0
2 0 0 0
A= 1 2

1 0
3 2 1 2
4. Responda Verdadeiro ou Falso, justificando:

(a) Se A2 = 2A4 , ento ( I + A2 )1 = I 2A2 ;
l
(b) Se At = A2 e A no singular, ento determinante de A -1;
ita
(c) Se B = AAt A1 , ento det( A) = det( B).
(d) det( A + B) = det A + det B
ig
D
ia
p

l
ita
3
ig
V ETORES NO P LANO E NO E SPAO
D
Muitas grandezas fsicas, como velocidade, fora, deslocamento e impulso, para se-
rem completamente identificadas, precisam, alm da magnitude, da direo e do
sentido. Estas grandezas so chamadas grandezas vetoriais ou simplesmente veto-
ia
res.
Geometricamente, vetores so representados por segmentos (de retas) orienta-
dos (segmentos de retas com um sentido de percurso) no plano ou no espao. A
ponta da seta do segmento orientado chamada ponto final ou extremidade e o
p
outro ponto extremo chamado de ponto inicial ou origem do segmento orientado.

Segmentos orientados com mesma direo, mesmo sentido e mesmo compri-
mento representam o mesmo vetor. A direo, o sentido e o comprimento do vetor
so definidos como sendo a direo, o sentido e o comprimento de qualquer um dos
segmentos orientados que o representam.
Este fato anlogo ao que ocorre com os nmeros racionais e as fraes. Duas
fraes representam o mesmo nmero racional se o numerador e o denominador de
131
l
ita
ig
D
ia
p
Figura 3.1. Segmentos orientados representando o mesmo vetor

132 Vetores no Plano e no Espao
l
cada uma delas estiverem na mesma proporo. Por exemplo, as fraes 1/2, 2/4
e 3/6 representam o mesmo nmero racional. A definio de igualdade de vetores
ita
tambm anloga a igualdade de nmeros racionais. Dois nmeros racionais a/b e
c/d so iguais, quando ad = bc. Dizemos que dois vetores so iguais se eles possuem
o mesmo comprimento, a mesma direo e o mesmo sentido.
Na Figura 3.1 temos 4 segmentos orientados, com origens em pontos diferentes,
que representam o mesmo vetor, ou seja, so considerados como vetores iguais, pois
possuem a mesma direo, mesmo sentido e o mesmo comprimento.
Se o ponto inicial de um representante de um vetor V A e o ponto final B,
ig
ento escrevemos

q
AB
*

B
V = AB
q
D

A
3.1 Soma de Vetores e Multiplicao por Escalar

A soma, V + W, de dois vetores V e W determinada da seguinte forma:
ia
tome um segmento orientado que representa V;
tome um segmento orientado que representa W, com origem na extremidade
de V;
o vetor V + W representado pelo segmento orientado que vai da origem de V
p
at a extremidade de W.

3.1 Soma de Vetores e Multiplicao por Escalar 133
l
ita
ig
W
W
V U
W +U
W
D
+
V
W
V
+
+
V V
W
V +U
W)
(V + U)
(W +
W V+
ia
Figura 3.2. V + W = W + V Figura 3.3. V + (W + U ) = (V + W ) + U
p

l
Da Figura 3.2, deduzimos que a soma de vetores comutativa, ou seja,
ita
V + W = W + V, (3.1)
para quaisquer vetores V e W. Observamos tambm que a soma V + W est na

diagonal do paralelogramo determinado por V e W, quando esto representados
com a mesma origem.
Da Figura 3.3, deduzimos que a soma de vetores associativa, ou seja,
V + (W + U ) = (V + W ) + U, (3.2)
ig
para quaisquer vetores V, W e U.
O vetor que tem a sua origem coincidindo com a sua extremidade chamado
vetor nulo e denotado por 0. Segue ento, que
D
V + 0 = 0 + V = V, (3.3)
para todo vetor V.

Para qualquer vetor V, o simtrico de V, denotado por V, o vetor que tem
mesmo comprimento, mesma direo e sentido contrrio ao de V. Segue ento, que
V + (V ) = 0. (3.4)
ia
Definimos a diferena W menos V, por
W V = W + (V ).
p
Segue desta definio, de (3.1), (3.2), (3.4) e de (3.3) que
W + (V W ) = (V W ) + W = V + (W + W ) = V + 0 = V.
Assim, a diferena V W um vetor que somado a W d V, portanto ele vai da

extremidade de W at a extremidade de V, desde que V e W estejam representados
por segmentos orientados com a mesma origem.

l
ita
ig
V W
D
V V V W
W W W
ia
Figura 3.4. A diferena V W
p

l
A multiplicao de um vetor V por um escalar , V, determinada pelo vetor que
possui as seguintes caractersticas:
ita
(a) o vetor nulo, se = 0 ou V = 0,
(b) caso contrrio,
i. tem comprimento || vezes o comprimento de V,
ii. a direo a mesma de V (neste caso, dizemos que eles so paralelos),
iii. tem o mesmo sentido de V, se > 0 e
ig
tem o sentido contrrio ao de V, se < 0.
As propriedades da multiplicao por escalar sero apresentadas mais a frente.
Se W = V, dizemos que W um mltiplo escalar de V. fcil ver que dois vetores
no nulos so paralelos (ou colineares) se, e somente se, um um mltiplo escalar
do outro.
D
ia
p

l
ita
ig
V
3V
2V
D 1
2V
ia
Figura 3.5. Multiplicao de vetor por escalar
p

l
As operaes com vetores podem ser definidas utilizando um sistema de coorde-
nadas retangulares ou cartesianas. Em primeiro lugar, vamos considerar os vetores
ita
no plano.
Seja V um vetor no plano. Definimos as componentes de V como sendo as co-
ordenadas (v1 , v2 ) do ponto final do representante de V que tem ponto inicial na
origem. Vamos identificar o vetor com as suas componentes e vamos escrever sim-
plesmente
V = ( v1 , v2 ).
ig
D
ia
p

l
ita
y y
ig
V = ( v1 , v2 ) P = ( x, y)
v2 y

D
OP
v1 O x
O x x
ia
Figura 3.6. As componentes do vetor V no Figura 3.7. As coordenadas de P so iguais as

plano componentes de OP
p

l
Assim, as coordenadas de um ponto P so iguais as componentes do vetor OP, que
vai da origem do sistema de coordenadas ao ponto P. Em particular, o vetor nulo,
ita
0 = (0, 0). Em termos das componentes, podemos realizar facilmente as operaes:
soma de vetores e multiplicao de vetor por escalar.
Como ilustrado na Figura 3.8, a soma de dois vetores V = (v1 , v2 ) e
W = (w1 , w2 ) dada por
V + W = ( v 1 + w1 , v 2 + w2 ) ;
ig
Como ilustrado na Figura 3.9, a multiplicao de um vetor V = (v1 , v2 ) por um
escalar dada por
D
V = ( v1 , v2 ).
ia
p

l
ita
y
ig
y
V +W v2
v2+w2 V
V
v2
v2
D
V
w2
W
x
v1 v1
v1 w1 v 1 + w1 x
ia
Figura 3.9. A multiplicao de vetor por escalar
Figura 3.8. A soma de dois vetores no plano
no plano
p

l
Definimos as componentes de um vetor no espao de forma anloga a que fizemos
com vetores no plano. Vamos inicialmente introduzir um sistema de coordenadas
ita
retangulares no espao. Para isto, escolhemos um ponto como origem O e como ei-
xos coordenados, trs retas orientadas (com sentido de percurso definido), passando
pela origem, perpendiculares entre si, sendo uma delas vertical orientada para cima.
Estes sero os eixos x, y e z. O eixo z o eixo vertical. Os eixos x e y so horizontais
e satisfazem a seguinte propriedade. Suponha que giramos o eixo x pelo menor n-
gulo at que coincida com o eixo y. Se os dedos da mo direita apontam na direo
do semieixo x positivo de forma que o semieixo y positivo esteja do lado da palma
ig
da mo, ento o polegar aponta no sentido do semieixo z positivo. Cada par de ei-
xos determina um plano chamado de plano coordenado. Portanto, os trs planos
coordenados so: xy, yz e xz.
A cada ponto P no espao associamos um terno de nmeros ( x, y, z), chamado
de coordenadas do ponto P como segue.
D
Trace uma reta paralela ao eixo z, passando por P;
A interseo da reta paralela ao eixo z, passando por P, com o plano xy o
ponto P0 . As coordenadas de P0 , ( x, y), no sistema de coordenadas xy so as
duas primeiras coordenadas de P.
A terceira coordenada igual ao comprimento do segmento PP0 , se P estiver
ia
acima do plano xy e ao comprimento do segmento PP0 com o sinal negativo, se
P estiver abaixo do plano xy.
p

l
ita
z z
ig
z
D
P = ( x, y, z) P = ( x, y, z)
x y x y
ia
x P0 y x y
Figura 3.10. As coordenadas de um ponto no espao
p

l
As coordenadas de um ponto P so determinadas tambm da maneira dada a seguir.
Passe trs planos por P paralelos aos planos coordenados.
ita
A interseo do plano paralelo ao plano xy, passando por P, com o eixo z de-
termina a coordenada z.
A interseo do plano paralelo ao plano xz, passando por P, com o eixo y de-
termina a coordenada y
A interseo do plano paralelo ao plano yz, passando por P, com o eixo x de-
ig
termina a coordenada x.
Agora, estamos prontos para utilizarmos um sistema de coordenadas cartesianas
tambm nas operaes de vetores no espao. Seja V um vetor no espao. Como no
caso de vetores do plano, definimos as componentes de V como sendo as coordena-
das (v1 , v2 , v3 ) do ponto final do representante de V que tem ponto inicial na origem.
D
Tambm identificamos o vetor com as suas componentes e vamos escrever
V = ( v1 , v2 , v3 ).
ia
p

l
ita
z z
ig
v3 z
V = ( v1 , v2 , v3 ) P = ( x, y, z)
D

OP
v1 v2 x y
O
x y x y
ia
Figura 3.11. As componentes de um vetor no Figura 3.12. As coordenadas de P so iguais as

espao componentes de OP
p

l
Assim, as coordenadas de um ponto P so iguais as componentes do vetor OP que
vai da origem do sistema de coordenadas ao ponto P. Em particular, o vetor nulo,
ita
0 = (0, 0, 0). Assim, como fizemos para vetores no plano, para vetores no espao
a soma de vetores e a multiplicao de vetor por escalar podem ser realizadas em
termos das componentes.
Se V = (v1 , v2 , v3 ) e W = (w1 , w2 , w3 ), ento a adio de V com W dada por
ig
V + W = ( v 1 + w1 , v 2 + w2 , v 3 + w3 ) ;
Se V = (v1 , v2 , v3 ) e um escalar, ento a multiplicao de V por dada por
D
V = ( v1 , v2 , v3 ).
ia
Exemplo 3.1. Se V = (1, 2, 3), W = (2, 4, 1), ento
V + W = (1 + 2, 2 + 4, 3 + (1)) = (3, 2, 2), 3V = (3 1, 3 (2), 3 3) = (3, 6, 9).
p
Quando um vetor V est representado por um segmento orientado com ponto ini-
cial fora da origem (Figura 3.13), digamos em P = ( x1 , y1 , z1 ), e ponto final em
Q = ( x2 , y2 , z2 ), ento as componentes do vetor V so dadas por

V = PQ=OQ OP= ( x2 x1 , y2 y1 , z2 z1 ).

l
Portanto, as componentes de V so obtidas subtraindo-se as coordenadas do
ponto Q (extremidade) das do ponto P (origem). O mesmo se aplica a vetores no
ita
plano.
Exemplo 3.2. As componentes do vetor V que tem um representante com ponto

inicial P = (5/2, 1, 2) e ponto final Q = (0, 5/2, 5/2) so dadas por
ig

V = PQ= (0 5/2, 5/2 1, 5/2 2) = (5/2, 3/2, 1/2).
D
Observao. O vetor livre, ele no tem posio fixa, ao contrrio do ponto e do segmento orientado. Por
exemplo, o vetor V = (5/2, 3/2, 1/2), no exemplo acima, estava representado por um segmento orientado
com a origem no ponto P = (5/2, 1, 2). Mas, poderia ser representado por um segmento orientado cujo ponto
inicial poderia estar em qualquer outro ponto.
ia
Um vetor no espao V = (v1 , v2 , v3 ) pode tambm ser escrito na notao matricial
como uma matriz linha ou como uma matriz coluna:

v1
V = v2 ou V = v1 v2 v3 .
p
v3
Estas notaes podem ser justificadas pelo fato de que as operaes matriciais

v1 w1 v 1 + w1 v1 v1
V + W = v2 + w2 = v2 + w2 , V = v2 = v2
v3 w3 v 3 + w3 v3 v3

l
ou
ita

V +W = v1 v2 v3+ w1 w2 w3 = v 1 + w1 v 2 + w2 v 3 + w3 ,

V = v1 v2 v3 = v1 v2 v3
produzem os mesmos resultados que as operaes vetoriais
V + W = ( v 1 , v 2 , v 3 ) + ( w1 , w2 , w3 ) = ( v 1 + w1 , v 2 + w2 , v 3 + w3 ) ,
ig
V = (v1 , v2 , v3 ) = (v1 , v2 , v3 ).
O mesmo vale, naturalmente, para vetores no plano.
No teorema seguinte enunciamos as propriedades mais importantes da soma de
D
vetores e multiplicao de vetores por escalar.
ia
p

l
ita
Teorema 3.1. Sejam U, V e W vetores e e escalares. So vlidas as seguintes propriedades:
(a) U + V = V + U; (e) ( U ) = ()U;
(b) (U + V ) + W = U + (V + W ); (f) (U + V ) = U + V;
ig
(c) U + 0 = U; (g) ( + )U = U + U;
(d) U + (U ) = 0; (h) 1U = U.
1.1 na pgina 9).

D
Demonstrao. Segue diretamente das propriedades da lgebra matricial (Teorema

ia
p
Exemplo 3.3. Seja um tringulo ABC e sejam M e N os pontos mdios de AC e BC,

respectivamente. Vamos provar que MN paralelo a AB e tem comprimento igual
metade do comprimento de AB.
Devemos provar que
1
MN = AB .
2

l
ita
C
ig
M N
D
ia
A B
p
Agora, a partir da figura acima temos que

MN = MC + CN .

l
Como M ponto mdio de AC e N ponto mdio de BC, ento
ita
1 1
MC = AC e CN = CB .
2 2
Logo,
1 1 1 1
MN = AC + CB= ( AC + CB) = AB .
ig
2 2 2 2
ver CX como combinao linear de CA e CB, isto , como uma soma de mltiplos

Exemplo 3.4. Dados quatro pontos A, B, C e X tais que AX = AB, vamos escre-

ia
escalares de CA e CB.

Como AX = AB, ento os vetores AX e AB so paralelos e portanto o ponto X
s pode estar na reta definida por A e B. Vamos desenh-lo entre A e B, mas isto no
representar nenhuma restrio, como veremos a seguir.
O vetor que vai de C para X, pode ser escrito como uma soma de um vetor que
p
vai de C para A com um vetor que vai de A para X,

CX =CA + AX .

l
B
ita
ig
X
C D
ia
A
p

Agora, por hiptese AX = AB, o que implica que CX =CA + AB.

Mas, AB=CB CA, portanto CX =CA +(CB CA). Logo,

CX = (1 ) CA + CB .
Observe que:

l
Se = 0, ento CX =CA.

ita
Se = 1, ento CX =CB.

1
Se = 1/2, ento CX = 2 CA + 21 CB.

2
Se = 1/3, ento CX = 3 CA + 31 CB.
Se 0 1, ento X pertence ao segmento AB, enquanto que se < 0 ou
> 1, ento X pertence a um dos prolongamentos do segmento AB.
ig
Exemplo 3.5. Vamos mostrar, usando vetores, que o ponto mdio de um segmento
D
que une os pontos A = ( x1 , y1 , z1 ) e B = ( x2 , y2 , z2 )

x1 + x2 y1 + y2 z1 + z2
M= , , .
2 2 2

1
O ponto M o ponto mdio de AB se, e somente se, AM = 2 AB. Ento, apli-
ia

cando o exemplo anterior (com o ponto C sendo a origem O), OM = 12 OA + 21 OB.
Como as coordenadas de um ponto so iguais as componentes do vetor que vai da

origem at aquele ponto, segue-se que OM = 12 ( x1 , y1 , z1 ) + 12 ( x2 , y2 , z2 ) e
p

x1 + x2 y1 + y2 z1 + z2
M= , , .
2 2 2

ita
3.1.1. Determine o ponto C tal que AC = 2 AB sendo A = (0, 2) e B = (1, 0).
3.1.2. Uma reta no plano tem equao y = 2x + 1. Determine um vetor paralelo a esta reta.
3.1.3. Determine uma equao para a reta no plano que paralela ao vetor V = (2, 3) e passa pelo ponto
P0 = (1, 2).
3.1.4. Determine o vetor X, tal que 3X 2V = 15( X U ).
ig

6X 2Y = U
3.1.5. Determine os vetores X e Y tais que
3X + Y = U+V
3.1.6. Determine as coordenadas da extremidade do segmento orientado que representa o vetor V = (3, 0, 3),
D
sabendo-se que sua origem est no ponto P = (2, 3, 5).
3.1.7. Quais so as coordenadas do ponto P0 , simtrico do ponto P = (1, 0, 3) em relao ao ponto

M = (1, 2, 1)? (Sugesto: o ponto P0 tal que o vetor MP0 = MP)
3.1.8. Verifique se os pontos dados a seguir so colineares, isto , pertencem a uma mesma reta:
ia
(a) A = (5, 1, 3), B = (0, 3, 4) e C = (0, 3, 5);
(b) A = (1, 1, 3), B = (4, 2, 3) e C = (14, 4, 15);
3.1.9. Dados os pontos A = (1, 2, 3), B = (5, 2, 1) e C = (4, 0, 1). Determine o ponto D tal que A, B, C
e D sejam vrtices consecutivos de um paralelogramo.
p
3.1.10. Verifique se o vetor U combinao linear (soma de mltiplos escalares) de V e W:

(a) V = (9, 12, 6), W = (1, 7, 1) e U = (4, 6, 2);
(b) V = (5, 4, 3), W = (2, 1, 1) e U = (3, 4, 1);
3.1.11. Verifique se um paralelogramo o quadriltero de vrtices (no necessariamente consecutivos)

l
(a) A = (4, 1, 1), B = (9, 4, 2), C = (4, 3, 4) e D = (4, 21, 14)
(b) A = (4, 1, 1), B = (9, 4, 2), C = (4, 3, 4) e D = (9, 0, 5)
ita
3.1.12. Quais dos seguintes vetores so paralelos U = (6, 4, 2), V = (9, 6, 3), W = (15, 10, 5).
3.1.13. Considere os pontos A = (3, 0, 4), B = (3, 1, 0) e C = (1, 4, 3).
(a) Determine os pontos mdios, M e N, dos segmentos AC e BC, respectivamente.

(b) Verifique que
ig
1
MN = AB .
2
(c) Determine o ponto D de forma que A, B, D e C sejam vrtices consecutivos de um paralelogramo.
D
V=[v1,v2,v3] cria um vetor V, usando as componentes numricas v1, v2, v3. Por exemplo
V=[1,2,3] cria o vetor V = (1, 2, 3);
V+W a soma de V e W; V-W a diferena V menos W; num*V o produto do vetor V pelo escalar num;
ia
subs(expr,x,num) substitui x por num na expresso expr;
solve(expr) determina a soluo da equao expr=0;
Comandos grficos do pacote GAAL:

p
desvet(P,V) desenha o vetor V com origem no ponto P e desvet(V) desenha o vetor V com origem
no ponto O = (0, 0, 0).
po([P1;P2;...;Pn]) desenha os pontos P1, P2, ..., Pn.
lineseg(P1,P2,cor) desenha o segmento de reta P1P2. tex(P,texto) coloca o texto no
ponto P.
axiss reescala os eixos com a mesma escala. eixos desenha os eixos coordenados.

l
box desenha uma caixa em volta da figura.
ita
rota faz uma rotao em torno do eixo z.
zoom3(fator) amplifica a regio pelo fator.
3.1.14. Coloque em duas variveis V e W dois vetores do plano ou do espao a seu critrio
ig
(a) Use a funo ilsvw(V,W) para visualizar a soma dos dois vetores.
(b) Coloque em uma varivel a um nmero e use a funo ilav(a,V) para visualizar a multiplicao
do vetor V pelo escalar a.
Exerccios Tericos
D
ia
3.1.15. Demonstre que o segmento que une os pontos mdios dos lados no paralelos de um trapzio paralelo
s bases, e sua medida a mdia aritmtica das medidas das bases. (Sugesto: mostre que
1
MN = ( AB + DC )
p
2

e depois conclua que MN um mltiplo escalar de AB. Revise o Exemplo 3.3 na pgina 149)

l
D C
ita
ig
M N
D
ia
A B
p
3.1.16. Demonstre que as diagonais de um paralelogramo se cortam ao meio. (Sugesto: Sejam M e N os pontos

mdios das duas diagonais do paralelogramo. Mostre que o vetor MN = 0, ento conclua que M = N.)

l
D
ita
ig
M N
A D B
ia
3.1.17. Considere o tringulo ABC e sejam M o ponto mdio de BC, N o ponto mdio de AC e P o ponto mdio
p
de AB. Mostre que as medianas (os segmentos AM, BN e CP) se cortam num mesmo ponto que divide

2
as medianas na proporo 2/3 e 1/3. (Sugesto: Sejam G, H e I os pontos definidos por AG = 3 AM,

2 2
BH = 3 BN e CI = 3 CP. Mostre que GH = 0, GI = 0, conclua que G = H = I.)

l
C
ita
ig
N
H G M
A D I
ia
P B
p
3.1.18. Sejam A, B e C pontos quaisquer com A 6= B. Prove que:

(a) Um ponto X pertence a reta determinada por A e B ( AX = AB) se, e somente se,

CX = CA + CB, com + = 1.

l
(b) Um ponto X pertence ao interior do segmento AB ( AX = AB, com 0 < < 1) se, e somente se,
ita

CX = CA + CB, com > 0, > 0 e + = 1.
ig

(c) Um ponto X um ponto interior ao tringulo ABC ( A0 X = A0 B0 , com 0 < < 1, em que A0 um
ponto interior ao segmento AC e B0 interior ao segmento CB) se, e somente se,
D
CX = CA + CB, com > 0, > 0 e + < 1.
ia
p

l
B
ita
ig
C D
ia
A
p
3.1.19. Mostre que se V = 0, ento = 0 ou V = 0.

3.1.20. Se U = V, ento U = V ? E se 6= 0 ?
3.1.21. Se V = V, ento = ? E se V 6= 0 ?

3.2 Produto Escalar e Projeo Ortogonal
l
ita
3.2.1 Norma e Produto Escalar
J vimos que o comprimento de um vetor V definido como sendo o compri-
mento de qualquer um dos segmentos orientados que o representam. O compri-
mento do vetor V tambm chamado de norma de V e denotado(a) por ||V ||.
Segue do Teorema de Pitgoras que a norma de um vetor pode ser calculada usando
as suas componentes, por
ig
q
||V || = v21 + v22 ,
no caso em que V = (v1 , v2 ) um vetor no plano, e por
D
q
||V || = v21 + v22 + v23 ,
no caso em que V = (v1 , v2 , v3 ) um vetor no espao (verifique usando as Figuras

3.14 e 3.15).
ia
p

3.2 Produto Escalar e Projeo Ortogonal 163
l
ita
V Q
ig
O
x y
D
Figura 3.13. V = PQ=OQ OP
y
ia
V = ( v1 , v2 , v3 )
V = ( v1 , v2 )
||
| |V
| v2 |
| v3 |
p
|
|v 1
| v1 | x |v2
|
Figura 3.14. A norma de um vetor V no plano Figura 3.15. A norma de um vetor V no espao

l
Um vetor de norma igual 1 chamado vetor unitrio.
ita
A distncia entre dois pontos P = ( x1 , y1 , z1 ) e Q = ( x2 , y2 , z2 ) igual norma

do vetor PQ (Figura 3.13 na pgina 163). Como

PQ=OQ OP= ( x2 x1 , y2 y1 , z2 z1 ),
ento a distncia de P a Q dada por
ig
p
dist( P, Q) = || PQ || = ( x2 x1 )2 + ( y2 y1 )2 + ( z2 z1 )2 .
Analogamente, a distncia entre dois pontos P = ( x1 , y1 ) e Q = ( x2 , y2 ) no
D

plano igual norma do vetor PQ, que dada por
p
dist( P, Q) = || PQ || = ( x2 x1 )2 + ( y2 y1 )2 .
ia
Exemplo 3.6. A norma do vetor V = (1, 2, 3)
p
q
||V || = 12 + (2)2 + 32 = 14.
A distncia entre os pontos P = (2, 3, 1) e Q = (1, 4, 5)

q
dist( P, Q) = || PQ || = ||(1 2, 4 (3), 5 1)|| = ||(3, 7, 4)|| = (3)2 + 72 + 42 = 74.

l
Se V = (v1 , v2 , v3 ) e um escalar, ento da definio da multiplicao de vetor por
escalar e da norma de um vetor segue-se que
ita
q q
||V || = ||(v1 , v2 , v3 )|| = (v1 )2 + (v2 )2 + (v3 )2 = 2 (v21 + v22 + v23 ),
ou seja,
||V || = || ||V ||. (3.5)
ig
Dado um vetor V no nulo, o vetor

1
U= V.
||V ||
D
um vetor unitrio na direo de V, pois por (3.5), temos que

1
||U || = ||V || = 1.
||V ||
Exemplo 3.7. Um vetor unitrio na direo do vetor V = (1, 2, 3) o vetor

ia
2

1 1 1 3
U= V= (1, 2, 3) = ( , , ).
||V || 14 14 14 14
p
O ngulo entre dois vetores no nulos, V e W, definido pelo ngulo determinado

por V e W que satisfaz 0 , quando eles esto representados com a mesma
origem (Figura 3.16).
Quando o ngulo entre dois vetores V e W reto ( = 90o), ou um deles o
vetor nulo, dizemos que os vetores V e W so ortogonais ou perpendiculares entre
si.

l
Vamos definir, agora, um produto entre dois vetores, cujo resultado um escalar.
Por isso ele chamado produto escalar. Este produto tem aplicao, por exemplo,
ita
em Fsica: o trabalho realizado por uma fora o produto escalar do vetor fora pelo
vetor deslocamento, quando a fora aplicada constante.
O produto escalar ou interno de dois vetores V e W definido por

0, se V ou W o vetor nulo,
V W =
||V || ||W || cos ,
ig
caso contrrio,
em que o ngulo entre eles.
Quando os vetores so dados em termos das suas componentes no sabemos
D
diretamente o ngulo entre eles. Por isso, precisamos de uma forma de calcular o
produto escalar que no necessite do ngulo entre os vetores.
Se V e W so dois vetores no nulos e o ngulo entre eles, ento pela Lei dos
Cossenos (ver Exerccio 3.2.10 na pgina 176),
ia
||V W ||2 = ||V ||2 + ||W ||2 2||V || ||W || cos .
Assim,
p
1
V W = ||V || ||W || cos = ||V ||2 + ||W ||2 ||V W ||2 . (3.6)
2
J temos, ento, uma frmula para calcular o produto escalar que no depende
diretamente do ngulo entre eles. Substituindo-se as coordenadas dos vetores em
(3.6) obtemos uma expresso mais simples para o clculo do produto interno.

l
ita
V
ig

W W
Figura 3.16. ngulo entre dois vetores, agudo ( esquerda) e obtuso ( direita)
D V
ia
V V
W
V
W
p

W W
Figura 3.17. Tringulo formado por representantes de V, W e V W. esquerda o ngulo entre V e W agudo
e direita obtuso.

l
Se V = (v1 , v2 , v3 ) e W = (w1 , w2 , w3 ) so vetores no espao, ento substituindo-
se
ita
||V ||2 = v21 + v22 + v23 , ||W ||2 = w12 + w22 + w32
e
||V W ||2 = (v1 w1 )2 + (v2 w2 )2 + (v3 w3 )2
em (3.6) os termos v2i e wi2 so cancelados e obtemos
V W = v 1 w1 + v 2 w2 + v 3 w3 .
ig
D
Teorema 3.2. O produto escalar ou interno, V W, entre dois vetores dado por
V W = v 1 w1 + v 2 w2 ,
se V = (v1 , v2 ) e W = (w1 , w2 ) so vetores no plano e por
V W = v 1 w1 + v 2 w2 + v 3 w3 ,
ia
se V = (v1 , v2 , v3 ) e W = (w1 , w2 , w3 ) so vetores no espao.
p
Exemplo 3.8. Sejam V = (0, 1, 0) e W = (2, 2, 3). O produto escalar de V por W

dado por
V W = v 1 w1 + v 2 w2 + v 3 w3 = 0 2 + 1 2 + 0 3 = 2 .

l
Podemos usar o Teorema 3.2 para determinar o ngulo entre dois vetores no nulos,
V e W. O cosseno do ngulo entre V e W , ento, dado por
ita
V W
cos = .
||V || ||W ||
Se V e W so vetores no nulos e o ngulo entre eles, ento

(a) agudo (0 < 90o ) se, e somente se, V W > 0,
ig
(b) reto ( = 90o ) se, e somente se, V W = 0 e
(c) obtuso (90o < 180o ) se, e somente se, V W < 0.
D
Exemplo 3.9. Vamos determinar o ngulo entre uma diagonal de um cubo e uma de
suas arestas. Sejam V1 = (1, 0, 0), V2 = (0, 1, 0) e V3 = (0, 0, 1) (Figura 3.18). Uma
diagonal do cubo representada pelo vetor D dado por
ia
D = V1 + V2 + V3 = (1, 1, 1) .
Ento o ngulo entre D e V1 satisfaz

p
D V1 1.1 + 0.1 + 0.1 1

cos = = =
|| D ||||V1 || 2 2 2 2 2 2
( 1 + 1 + 1 )( 1 + 0 + 0 ) 3
ou seja,
1
= arccos( ) 54o .
3

l
ita
Teorema 3.3. Sejam U, V e W vetores e um escalar. So vlidas as seguintes propriedades:
(a) (comutatividade) U V = V U ;
(b) (distributividade) U (V + W ) = U V + U W;
ig
(c) (associatividade) (U V ) = (U ) V = U (V );
(d) V V = ||V ||2 0, para todo V e V V = 0 se, e somente se, V = 0.
D
Demonstrao. Sejam U = (u1 , u2 , u3 ), V = (v1 , v2 , v3 ) e W = (w1 , w2 , w3 ).
(a) U V = u1 v1 + u2 v2 + u3 v3 = v1 u1 + v2 u2 + v3 u3 = V U;
(b) U (V + W ) = (u1 , u2 , u3 ) (v1 + w1 , v2 + w2 , v3 + w3 ) =
ia
= u 1 ( v 1 + w1 ) + u 2 ( v 2 + w2 ) + u 3 ( v 3 + w3 ) =
= ( u 1 v 1 + u 1 w1 ) + ( u 2 v 2 + u 2 w2 ) + ( u 3 v 3 + u 3 w3 ) =
= (u1 v1 + u2 v2 + u3 v3 ) + (u1 w1 + u2 w2 + u3 w3 ) = U V + U W;
(c) (U V ) = (u1 v1 + u2 v2 + u3 v3 ) = (u1 )v1 + (u2 )v2 + (u3 )v3 = (U ) V;
p
(d) V V = ||V ||2 uma soma de quadrados, por isso sempre maior ou igual
zero e zero se, e somente se, todas as parcelas so iguais a zero.

3.2.2 Projeo Ortogonal
l
ita
Dados dois vetores V e W a projeo ortogonal de V sobre W denotada por
projW V
o vetor que paralelo a W tal que V projW V seja ortogonal a W (Figura 3.19).
ig
D
ia
p

l
ita
(0, 0, 1)
(1, 1, 1)
ig

(1, 0, 0)
(0, 1, 0)
D
Figura 3.18. ngulo entre a diagonal de um cubo e uma de suas arestas
ia
V
V projW V
V projW V
V
p
projW V W projW V W
Figura 3.19. Projeo ortogonal do vetor V sobre o vetor W

l
ita
Proposio 3.4. Seja W um vetor no nulo. Ento, a projeo ortogonal de um vetor V em W dada por
V W

projW V = W.
||W ||2
ig
Demonstrao. Sejam V1 = projW V e V2 = V projW V. Como V1 paralelo a W,
ento
D
V1 = W. (3.7)
Assim,
V2 = V W .
Multiplicando-se escalarmente V2 por W e usando o Teorema 3.3 (d) obtemos
ia
V2 W = (V W ) W = V W ||W ||2 . (3.8)
Mas, V2 ortogonal a W, ento V2 W = 0. Portanto, de (3.8) obtemos
V W
p
= .
||W ||2
Substituindo este valor de na equao (3.7) segue-se o resultado.

Exemplo 3.10. Sejam V = (2, 1, 3) e W = (4, 1, 2). Vamos encontrar dois vetores
l
V1 e V2 tais que V = V1 + V2 , V1 paralelo a W e V2 perpendicular a W (Figura 3.19).
ita
Temos que
V W = 2 4 + (1)(1) + 3 2 = 15
||W ||2 = 42 + (1)2 + 22 = 21 .
V W)

15 20 5 10
V1 = projW V = 2
W = (4, 1, 2) = ( , , )
||W || 21 7 7 7
ig
20 5 10 6 2 11
V2 = V V1 = (2, 1, 3) ( , , ) = ( , , ) .
7 7 7 7 7 7
D
ia
p

l
3.2.1. Determine a equao da reta no plano que perpendicular ao vetor N = (2, 3) e passa pelo ponto
ita
P0 = (1, 1).
3.2.2. Seja O = (0, 0, 0). Qual o lugar geomtrico dos pontos P = ( x, y, z) tais que

|| OP ||2 = 4? Qual figura representada pela equao x2 + y2 = 4?
3.2.3. Sejam V = (1, 2, 3) e W = (2, 1, 2). Determine vetores unitrios paralelos aos vetores
ig
(a) V + W. (b) V W. (c) 2V 3W.
3.2.4. Determine o valor de x para o qual os vetores V = ( x, 3, 4) e W = (3, 1, 2) so perpendiculares.
3.2.5. Demonstre que no existe x tal que os vetores V = ( x, 2, 4) e W = ( x, 2, 3) so perpendiculares.
D
3.2.6. Ache o ngulo entre os seguintes pares de vetores:
(a) (2, 1, 0) e (0, 1, 1); (b) (1, 1, 1) e (0, 2 2); (c) (3, 3, 0) e (2, 1, 2).
3.2.7. Decomponha W = (1, 3, 2) como a soma de dois vetores W1 e W2 , com W1 paralelo ao vetor (0, 1, 3) e
W2 ortogonal a este ltimo. (Sugesto: revise o Exemplo 3.10 na pgina 174)
ia
3.2.8. Ache o vetor unitrio da bissetriz do ngulo entre os vetores V = (2, 2, 1) e W = (6, 2, 3). (Sugesto:
observe que a soma de dois vetores est na direo da bissetriz se, e somente se, os dois tiverem o
mesmo comprimento. Portanto, tome mltiplos escalares de V e W de forma que eles tenham o mesmo
comprimento e tome o vetor unitrio na direo da soma deles.)
p

Comandos numricos do pacote GAAL:
no(V) calcula a norma do vetor V.
pe(V,W) calcula o produto escalar do vetor V pelo vetor W.

l
no ponto O = (0, 0, 0).
ita
lineseg(P1,P2,cor) desenha o segmento de reta P1P2.
axiss reescala os eixos com a mesma escala.
ig
tex(P,texto) coloca o texto no ponto P.
D
3.2.9. Coloque em duas variveis V e W dois vetores bi-dimensionais ou tri-dimensionais a seu critrio.
(a) Use a funo ilproj(W,V) para visualizar a projeo de V em W.
Exerccios Tericos
3.2.10. Sejam V e W dois vetores no nulos, o ngulo entre eles e W1 = projW V.
ia
(a) Usando somente o Teorema de Pitgoras mostre que
||V ||2 = ||W1 ||2 + ||V W1 ||2 e ||V W ||2 = ||V W1 ||2 + ||W W1 ||2 .
p

(b) Mostre que ||W W1 || = ||W || ||V || cos .
(c) Usando somente os itens anteriores prove a Lei dos Cossenos:
||V W ||2 = ||V ||2 + ||W ||2 2||V || ||W || cos .
3.2.11. Mostre que em um tringulo issceles a mediana relativa base perpendicular base.

l
3.2.12. Mostre que o ngulo inscrito em uma semicircunferncia reto.

ita
Sugesto para os prximos 2 exerccios: Considere o paralelogramo ABCD. Seja U = AB e V = AD.
Observe que as diagonais do paralelogramo so U + V e U V.
3.2.13. Mostre que se as diagonais de um paralelogramo so perpendiculares, ento ele um losango.
3.2.14. Mostre que se as diagonais de um paralelogramo tm o mesmo comprimento, ento ele um retngulo.
3.2.15. Se V W = V U e V 6= 0, ento W = U?
ig
3.2.16. Mostre que se V ortogonal a W1 e W2 , ento V ortogonal a 1 W1 + 2 W2 .
3.2.17. Demonstre que as diagonais de um losango so perpendiculares. (Sugesto: mostre que

AC BD = 0, usando o fato de que AB= DC e || AB || = || BC ||.)
D
3.2.18. Sejam V um vetor no nulo no espao e , e os ngulos que V forma com os vetores
~i = (1, 0, 0),~j = (0, 1, 0) e ~k = (0, 0, 1), respectivamente. Demonstre que
cos2 + cos2 + cos2 = 1 .

ia
V ~i V ~j V ~k
(Sugesto: cos = , cos = e cos = )
||V ||||~i || ||V ||||~j|| ||V ||||~k||
3.2.19. Demonstre que, se V e W so vetores quaisquer, ento:
(a) V W = 14 ||V + W ||2 ||V W ||2 ;

p
1
(b) ||V ||2 + ||W ||2 = ||V + W ||2 + ||V W ||2 .
2
(Sugesto: desenvolva os segundos membros das igualdades acima observando que
||V + W ||2 = (V + W ) (V + W ) e ||V W ||2 = (V W ) (V W ))
3.2.20. Demonstre que se V e W so vetores quaisquer, ento:

l
(a) |V W | ||V || ||W ||;
(b) ||V + W || ||V || + ||W ||; (Sugesto: mostre que ||V + W ||2 = (V + W ) (V + W ) (||V || + ||W ||)2 ,
ita
usando o item anterior)

(c) ||V || ||W || ||V W ||. (Sugesto: defina U = V W e aplique o item anterior a U e W)

3.2.21. Sejam U1 , U2 e U3 trs vetores unitrios mutuamente ortogonais. Se A = [ U1 U2 U3 ] uma matriz

3 3 cujas colunas so os vetores U1 , U2 e U3 , ento A invertvel e A1 = At . (Sugesto: mostre que
At A = I3 .)
ig
3.3 Produtos Vetorial e Misto
3.3.1
D
Produto Vetorial
Vamos, agora, definir um produto entre dois vetores, cujo resultado um vetor.
Por isso, ele chamado produto vetorial. Este produto tem aplicao, por exemplo,
em Fsica: a fora exercida sobre uma partcula com carga unitria mergulhada num
ia
campo magntico uniforme o produto vetorial do vetor velocidade da partcula
pelo vetor campo magntico.
p

3.3 Produtos Vetorial e Misto 179
l
ita
V
V
V W1
V
V
V W1
W
W

W1 W W1 W
ig
Figura 3.20. Tringulos formados por representantes de V, W e V W, de V, W1 e V W1 e V W1 , V W e
W W1 , em que W1 = projW V. esquerda o ngulo entre V e W agudo e direita obtuso.
D
W
h = ||W || sen
||
ia | |W
V
||V ||
Figura 3.21. rea de um paralelogramo determinado por dois vetores

l
Sejam V e W dois vetores no espao. Definimos o produto vetorial, V W, como sendo o vetor com as
seguintes caractersticas:
ita
(a) Tem comprimento dado numericamente por
||V W || = ||V || ||W || sen ,
ou seja, a norma de V W numericamente igual rea do paralelogramo determinado por V e W.

(b) Tem direo perpendicular a V e a W.
ig
(c) Tem o sentido dado pela regra da mo direita (Figura 3.22): Se o ngulo entre V e W , giramos o
vetor V de um ngulo at que coincida com W e acompanhamos este movimento com os dedos da mo
direita, ento o polegar vai apontar no sentido de V W.
D
ia
p

l
ita
VxW
ig
V

D
W
V
WxV
ia
Figura 3.22. Regra da mo direita
p

l
Da forma como definimos o produto vetorial difcil o seu clculo, mas as proprie-
dades que apresentaremos a seguir possibilitaro obter uma frmula para o produto
ita
vetorial em termos das componentes dos vetores.
ig
Teorema 3.5. Sejam U, V e W vetores no espao e um escalar. So vlidas as seguintes propriedades:
(a) V W = (W V ) (anti-comutatividade).
(b) V W = 0 se, e somente se, V = W ou W = V.
D
(c) (V W ) V = (V W ) W = 0.
(d) (V W ) = (V ) W = V (W ).
(e) V (W + U ) = V W + V U e (V + W ) U = V U + W U (Distributividade em relao a soma de
vetores).
ia
Demonstrao. (a) Pela definio do produto vetorial V W e W V tm o
p
mesmo comprimento e a mesma direo. Alm disso trocando-se V por W

troca-se o sentido de V W (Figura 3.22).
(b) ||V W || = 0 se, e somente se, um deles o vetor nulo ou sen = 0, em que
o ngulo entre V e W, ou seja, V e W so paralelos. Assim, V W = 0 se, e
somente se, V = W ou W = V.
(c) Segue-se imediatamente da definio do produto vetorial.

l
(d) Segue-se facilmente da definio do produto vetorial, por isso deixamos como
exerccio para o leitor.
ita
(e) Este item ser demonstrado no Apndice III na pgina 203.

ig
D
ia
p

l
Os vetores cannicos
ita
~i = (1, 0, 0), ~j = (0, 1, 0) e ~k = (0, 0, 1)
so vetores unitrios (de norma igual um) paralelos aos eixos coordenados. Todo
vetor
V = ( v1 , v2 , v3 )
pode ser escrito como uma soma de mltiplos escalares de~i,~j e~k (combinao linear),
ig
pois
V = ( v1 , v2 , v3 ) = (v1 , 0, 0) + (0, v2 , 0) + (0, 0, v3 ) =

= v1 (1, 0, 0) + v2 (0, 1, 0) + v3 (0, 0, 1) =
= v1~i + v2 ~j + v3 ~k. (3.9)
D
ia
p

l
ita
ig
v3~k
V = ( v1 , v2 , v3 )
D
~k
~i ~j
v2~j
v1~i
ia
Figura 3.23. Vetores ~i, ~j e ~k Figura 3.24. V = v1~i + v2~j + v3~k
p

l
Da definio de produto vetorial podemos obter facilmente as seguintes relaes:
ita
~i ~i = 0, ~j ~j = 0, ~k ~k = 0,
~i ~j = ~k, ~j ~k = ~i, ~k ~i = ~j,
~j ~i = ~k, ~k ~j = ~i, ~i ~k = ~j.
ig
Agora, estamos prontos para obter uma frmula que d o produto vetorial de dois
vetores em termos das suas componentes.
D
Teorema 3.6. Sejam V = (v1 , v2 , v3 ) e W = (w1 , w2 , w3 ) vetores no espao. Ento o produto vetorial V W dado
ia
por
v2 v3 v1 v3 v1 v2
V W = det , det , det . (3.10)
w2 w3 w1 w3 w1 w2
p
Demonstrao. De (3.9) segue-se que podemos escrever
V = v1~i + v2 ~j + v3 ~k e W = w1~i + w2 ~j + w3 ~k.

l
Assim, pela distributividade do produto vetorial em relao a soma, temos que
ita
V W = (v1~i + v2 ~j + v3 ~k) (w1~i + w2 ~j + w3 ~k)
= v1 w1 (~i ~i ) + v1 w2 (~i ~j) + v1 w3 (~i ~k) +
+ v2 w1 (~j ~i ) + v2 w2 (~j ~j) + v2 w3 (~j ~k) +
+ v3 w1 (~k ~i ) + v3 w2 (~k ~j) + v3 w3 (~k ~k)
= (v2 w3 v3 w2 )~i + (v3 w1 v1 w3 )~j + (v1 w2 v2 w1 )~k
ig

v2 v3 ~ v1 v3 ~ v1 v2 ~
= det i det j + det k
w2 w3 w1 w3 w1 w2

v2 v3 v1 v3 v1 v2
= det , det , det .
w2 w3 w1 w3 w1 w2
D

Para obter as componentes do produto vetorial V W procedemos como se segue:

Escreva a matriz:
V v1 v2 v3
ia
= ;
W w1 w2 w3
Para calcular a primeira componente de V W, elimine a primeira coluna da

matriz acima e calcule o determinante da sub-matriz resultante. A segunda
p
componente obtida, eliminando-se a segunda coluna e calculando-se o deter-

minante da sub-matriz resultante com o sinal trocado. A terceira obtida como
a primeira, mas eliminando-se a terceira coluna.

Exemplo 3.11. Sejam V = ~i + 2~j 2~k e W = 3~i + ~k. Vamos determinar o produto
l
vetorial V W. Como
ita

V 1 2 2
= ,
W 3 0 1
ento

2 2 1 2 1 2
V W = det , det , det = (2, 7, 6) .
0 1 3 1 3 0
ig
Usando os vetores ~i,~j e ~k o produto vetorial V W, pode ser escrito em termos do determinante
~i ~j ~k

v2 v3 ~ v1 v3 ~ v1 v2 ~
V W = det v1 v2 v3 = det i det j + det k.
D
w2 w3 w1 w3 w1 w2
w1 w2 w3
ia
p

l
ita
ig
D
Q
R
ia
p
Figura 3.25. rea do tringulo PQR

l
Exemplo 3.12. Vamos calcular a rea do tringulo PQR em que (Figura 3.25)
ita
P = (3, 2, 0), Q = (0, 4, 3) e R = (1, 0, 2).
Sejam

V = RP= (3 1, 2 0, 0 2) = (2, 2, 2)
ig

W = RQ= (0 1, 4 0, 3 2) = (1, 4, 1) .
Ento,
V W = (10, 0, 10) = 10(1, 0, 1).
D
A rea do tringulo PQR a metade da rea do paralelogramo com lados deter-
minados por V e W. Assim,
1
rea = ||V W || = 5 2.
2
ia
3.3.2 Produto Misto
p
O produto (V W ) U chamado produto misto de U, V e W. O resultado

abaixo mostra como calcular o produto misto usando as componentes dos vetores.

l
Teorema 3.7. Sejam U = u1~i + u2~j + u3~k, V = v1~i + v2~j + v3~k e W = w1~i + w2~j + w3~k. Ento,
ita

v1 v2 v3
(V W ) U = det w1 w2 w3 .
u1 u2 u3
ig
Demonstrao. Segue do Teorema 3.2 na pgina 168, do Teorema 3.6 na pgina 186
e da definio de determinante de uma matriz que
D

v2 v3 v1 v3 v1 v2
(V W ) U = (u1 , u2 , u3 ) det , det , det
w2 w3 w1 w3 w1 w2

v2 v3 v1 v3 v1 v2
= u1 det u2 det + u3 det
w2 w3 w1 w3 w1 w2

v1 v2 v3
= det w1 w2 w3 .
ia
u1 u2 u3
p
Exemplo 3.13. O produto misto dos vetores U = 2~i ~j + 3~k, V = ~i + 4~j + ~k e

W = 5~i + ~j 2~k

v1 v2 v3 1 4 1
(V W ) U = det w1 w2 w3 = det 5 1 2 = 84.
u1 u2 u3 2 1 3

l
ita
Teorema 3.8. Dados trs vetores no espao, U, V e W,
|(V W ) U |
numericamente igual ao volume do paraleleppedo determinado por U, V e W.
ig
Demonstrao. O volume do paraleleppedo determinado por U, V e W igual ao
D
produto da rea da base pela altura, ou seja, pela definio do produto vetorial, o
volume dado por
Volume = ||V W || h .
Mas, como vemos na Figura 3.26 a altura h = ||U ||| cos |, o que implica que
Volume = ||V W || ||U ||| cos | = |(V W ) U | .

ia

p
Exemplo 3.14. Sejam V = 4~i, W = 2~i + 5~j e U = 3~i + 3~j + 4~k. O volume do para-
leleppedo com um vrtice na origem e arestas determinadas por U, V e W dado
por
4 0 0
volume = |(V W ) U | = | det 2 5 0 | = |80| = 80 .
3 3 4

l
ita
ig
V W
D
h = ||U || | cos |
W

ia
V
Figura 3.26. Volume do paraleleppedo determinado por V, W e U

p

l
ita
ig
U
D
V W
ia
Figura 3.27. Paraleleppedo determinado por U, V e W do Exemplo 3.14
p

l
Segue imediatamente do Teorema 3.7 e do Teorema 3.8 um critrio para saber se trs
vetores so paralelos a um mesmo plano.
ita
Corolrio 3.9. Sejam U = u1~i + u2~j + u3~k, V = v1~i + v2~j + v3~k e W = w1~i + w2~j + w3~k. Estes vetores so
ig
coplanares (isto , so paralelos a um mesmo plano) se, e somente se,

v1 v2 v3
(V W ) U = det w1 w2 w3 = 0 .
u1 u2 u3
D
Exemplo 3.15. Vamos verificar que os pontos P = (0, 1, 1), Q = (1, 0, 2),
ia
R = (1, 2, 0) e S = (2, 2, 2) so coplanares, isto , pertencem a um mesmo
plano. Com estes pontos podemos construir os vetores

PQ= (1 0, 0 1, 2 1) = (1, 1, 1),
p

PR= (1 0, 2 1, 0 1) = (1, 3, 1) e

PS = (2 0, 2 1, 2 1) = (2, 1, 3)
Os pontos P, Q, R e S pertencem a um mesmo plano se, e somente se, os vetores

PQ, PR e PS so coplanares. E isto acontece se, e somente se, o produto misto deles

l
igual zero.
1 3 1
ita
( PR PS ) PQ= det 2 1 3 = 0.
1 1 1
Assim, P, Q, R e S so coplanares.
O resultado a seguir ser usado no prximo captulo para deduzir as equaes para-
ig
mtricas do plano.
D
Corolrio 3.10. Sejam U, V e W vetores coplanares no nulos no espao.
(a) Ento a equao vetorial
xU + yV + zW = 0
tem soluo no trivial, em que x, y e z so escalares.
ia
(b) Ento um dos vetores U, V ou W combinao linear (soma de mltiplos escalares) dos outros dois.
(c) Se V e W so no paralelos, ento U combinao linear de V e W.
p
Demonstrao. (a) Seja A a matriz cujas colunas so U, V e W escritos como veto-

res colunas. A equao xU + yV + zW = 0 equivalente ao sistema AX = 0.
Se U, V e W so coplanares, ento
det( A) = det( At ) = (U V ) W = 0.

l
Logo a equao xU + yV + zW = 0 tem soluo no trivial.
(b) Pelo item anterior a equao xU + yV + zW = 0 possui soluo no trivial. Mas,
ita
se isto acontece, ento um dos escalares x ou y ou z pode ser diferente de zero.
Se x 6= 0, ento U = (y/x )V + (z/x )W, ou seja, o vetor U combinao
linear de V e W. De forma semelhante, se y 6= 0, ento V combinao linear
de U e W e se z 6= 0, ento W combinao linear de U e V.
(c) Como U, V e W so coplanares, ento a equao xU + yV + zW = 0 possui
soluo no trivial com x 6= 0. Pois, caso contrrio yV + zW = 0 com y ou z
ig
no simultaneamente nulos o que implicaria que V e W seriam paralelos (por
que?). Logo U = (y/x )V + (z/x )W.

Exemplo 3.16. Considere os vetores

D
U = PQ= (1, 1, 1),

ia
V = PR= (1, 3, 1) e

W = PS = (2, 1, 3)
do Exemplo 3.15 na pgina 195. A equao
p
xU + yV + zW = 0
equivalente ao sistema

x + y 2z = 0
x 3y + z = 0
x y 3z = 0


l
Escalonando a matriz do sistema obtemos

1 1 2 1 1 2 1 1 2
ita
1 3 1 0 2 1 0 2 1
1 1 3 0 2 1 0 0 0
A ltima matriz corresponde ao sistema

x + y 2z = 0
ig
2y z = 0
Assim,
5
U V + W = 0.
2 2
D
Logo
5 1
W = U + V.
2 2
Verifique que realmente vale esta relao entre os vetores U, V e W.
ia
p

l
3.3.1. Verifique se os seguintes pontos pertencem a um mesmo plano:
ita
(a) A = (2, 2, 1), B = (3, 1, 2), C = (2, 3, 0) e D = (2, 3, 2);
(b) A = (2, 0, 2), B = (3, 2, 0), C = (0, 2, 1) e D = (10, 2, 1);
3.3.2. Calcule o volume do paraleleppedo que tem um dos vrtices no ponto A = (2, 1, 6) e os trs vrtices
adjacentes nos pontos B = (4, 1, 3), C = (1, 3, 2) e D = (1, 2, 1).
ig
3.3.3. Calcule a rea do paralelogramo em que trs vrtices consecutivos so A = (1, 0, 1), B = (2, 1, 3) e
C = (3, 2, 4).
3.3.4. Calcule a rea do tringulo com vrtices A = (1, 2, 1), B = (3, 0, 4) e C = (5, 1, 3).

3.3.5. Ache X tal que X (~i +~k) = 2(~i + ~j ~k ) e || X || = 6.
D

3.3.6. Sabe-se que o vetor X ortogonal a ~i + ~j e a ~i +~k, tem norma 3 e sendo o ngulo entre X e ~j, tem-se
cos > 0. Ache X.
3.3.7. Mostre que A = (3, 0, 2), B = (4, 3, 0) e C = (8, 1, 1) so vrtices de um tringulo retngulo. Em qual
dos vrtices est o ngulo reto?
ia
3.3.8. Considere dois vetores V e W tais que ||V || = 5, ||W || = 2 e o ngulo entre V e W 60 . Determine,
como combinao linear de V e W (xV + yW):
(a) Um vetor X tal que X V = 20 e X W = 5
p
(b) Um vetor X tal que X V = 0 e X W = 12.

V=[v1,v2,v3] cria um vetor V, usando as componentes numricas v1, v2, v3. Por exemplo
V=[1,2,3] cria o vetor V = (1, 2, 3);

l
subs(expr,x,num) substitui x por num na expresso expr;
solve(expr) determina a soluo da equao expr=0;
ita
Comandos numricos do pacote GAAL:
V=randi(1,3) cria um vetor aleatrio com componentes inteiras;
pv(V,W) calcula o produto vetorial do vetor V pelo vetor W.
ig
no ponto O = (0, 0, 0).
D
lineseg(P1,P2,cor) desenha o segmento de reta P1P2.
axiss reescala os eixos com a mesma escala.
ia
tex(P,texto) coloca o texto no ponto P.
p
3.3.9. Coloque em duas variveis V e W dois vetores bi-dimensionais ou tri-dimensionais a seu critrio.
(a) Use a funo ilvijk(V) para visualizar o vetor V como uma soma de mltiplos escalares (combina-
o linear) dos vetores ~i, ~j e ~k.
(b) Use a funo ilpv(V,W) para visualizar o produto vetorial V W.

Exerccios Tericos
l
ita
3.3.10. O produto vetorial associativo? Justifique a sua resposta. (Sugesto: experimente com os vetores ~i, ~j, ~k)
3.3.11. Se V W = V U e V 6= 0, ento W = U?
3.3.12. Demonstre que se V e W so vetores quaisquer no espao, ento
||V W || ||V || ||W ||.
ig
3.3.13. Se U, V e W so vetores no espao, prove que |U (V W )| ||U || ||V || ||W ||. (Sugesto: use o Teorema
3.2 na pgina 168 e o exerccio anterior)
3.3.14. Mostre que U (V W ) = V (W U ) = W (U V ). (Sugesto: use as propriedades do determinante)
D
3.3.15. Mostre que
(a) (U1 + U2 ) (V W ) = U1 (V W ) + U2 (V W );
(b) U [(V1 + V2 ) W ] = U (V1 W ) + U (V2 W );
(c) U [V (W1 + W2 )] = U (V W1 ) + U (V W2).
ia
(d) U (V W ) = U [(V + U + W ) W ].
(Sugesto: use as propriedades dos produtos escalar e vetorial)
3.3.16. Prove a identidade de Lagrange
p
||V W ||2 = ||V ||2 ||W ||2 (V W )2 .
3.3.17. Mostre que a rea do tringulo com vrtices ( xi , yi ), para i = 1, 2, 3 igual | det( A)|/2, em que

x1 y1 1
A = x2 y2 1 .
x3 y3 1

(Sugesto: Marque os pontos P1 = ( x1 , y1 , 1), P2 = ( x2 , y2 , 1), P3 = ( x3 , y3 , 1) e P10 = ( x1 , y1 , 0). O volume
l

do paraleleppedo determinado por P1 , P2 , P3 e P10 dado por | P1 P10 P1 P2 P1 P3 |. Mas, a altura
ita
deste paraleleppedo igual 1. Assim, o seu volume igual rea da base que o paralelogramo

determinado por P1 , P2 e P3 . Observe que OP10 , P1 P2 e P1 P3 so paralelos ao plano xy.)
3.3.18. Sejam U1 , U2 e U3 trs vetores unitrios mutuamente ortogonais. Se A = [ U1 U2 U3 ] uma matriz
3 3 cujas colunas so os vetores U1 , U2 e U3 , ento A invertvel e A1 = At . (Sugesto: mostre que
At A = I3 .)
ig
3.3.19. Sejam U = (u1 , u2 , u3 ), V = (v1 , v2 , v3 ) e W = (w1 , w2 , w3 ). Prove a frmula seguinte para o produto
vetorial duplo
U (V W ) = (U W )V (U V )W,
seguindo os seguintes passos:
D
(a) Prove que
U (~i ~j) = (U ~j)~i (U ~i )~j

U (~j ~k) = (U ~k)~j (U ~j)~k
U (~k ~i ) = (U ~i )~k (U ~k)~i
ia
(b) Prove usando o item anterior e as propriedades do produto vetorial que
U (V ~i ) = (U ~i )V (U V )~i
U (V ~j) = (U ~j)V (U V )~j
p
U (V ~k) = (U ~k)V (U V )~k

(c) Prove agora o caso geral usando o item anterior e as propriedades do produto vetorial.
3.3.20. (a) Prove que
[ A ( B C )] + [ B (C A)] + [C ( A B)] = 0
(Sugesto: use o exerccio anterior).

l
(b) Mostre que se ( A C ) B = 0, ento
ita
A ( B C ) = ( A B) C,
ou seja, o produto vetorial , neste caso, associativo.
Apndice III: Demonstrao do item (e) do Teorema 3.5 na pgina 182
ig
Vamos dividir a demonstrao da distributividade do produto vetorial em relao a
soma
V (W + U ) = V W + V U e (V + W ) U = V U + W U
D
da seguinte forma:
(a) (V W ) U > 0 se, e somente se, V, W e U satisfazem a regra da mo direita,

isto , se o ngulo entre V e W , giramos o vetor V de um ngulo at
que coincida com W e acompanhamos este movimento com os dedos da mo
direita, ento o polegar vai apontar no sentido de U.
ia
(b) (V W ) U = V (W U ), ou seja, pode-se trocar os sinais e em
(V W ) U.
(c) V (W + U ) = V W + V U e (V + W ) U = V U + W U.
p
Provemos, agora, os trs itens acima.

(a) Como vemos na Figura 3.26 na pgina 193 V, W e U satisfazem a regra da mo
direita se, e somente se, 0 < < /2, ou seja, cos > 0, em que o ngulo
entre V W e U. Como, (V W ) U = ||V W ||||U || cos , ento V, W e U
satisfazem a regra da mo direita se, e somente se, (V W ) U > 0.

l
(b) Como o produto escalar comutativo, pelo Teorema 3.8 na pgina 192,
ita
|(V W ) U | = |V (W U )|.
Agora, pelo item (a), temos que
(V W ) U e V (W U )
tm o mesmo sinal, pois V, W e U satisfazem a regra da mo direita se, e so-

mente se, W, U e V tambm satisfazem.
ig
(c) Vamos provar a primeira igualdade e deixamos como exerccio para o leitor a
demonstrao da segunda. Vamos mostrar que o vetor
Y = V (W + U ) V W V U
D
o vetor nulo. Para isso, vamos mostrar que para qualquer vetor X no espao
X Y = 0.
Pela distributividade do produto escalar, Teorema 3.3 item (b) na pgina 170,
temos que
ia
X Y = X V (W + U ) X ( V W ) X ( V U ) .
Pelo item (b), temos que
XY = ( X V ) (W + U ) ( X V ) W ( X V ) U
p
= ( X V ) (W + U ) ( X V ) (W + U ) = 0
Assim, X Y = 0, para todo vetor X, em particular para X = Y, temos que
Y Y = ||Y ||2 = 0. Portanto, Y = 0, ou seja,
V (W + U ) = V W + V U.

Teste do Captulo
l
ita
1. Mostre que os pontos A = (4, 0, 1), B = (5, 1, 3), C = (3, 2, 5), D = (2, 1, 3) so vrtices de um paralelo-
gramo. Calcule a sua rea.
ig
2. Dado o tringulo de vrtices A = (0, 1, 1), B = (2, 0, 1) e C = (1, 2, 0), determine a medida da altura
relativa ao lado BC.
D
3. Sejam U e V vetores no espao, com V 6= 0.
(a) Determine o nmero , tal que U V seja ortogonal a V.
(b) Mostre que (U + V ) (U V ) = 2V U.
ia
4. Determine x para que A = ( x, 1, 2), B = (2, 2, 3), C = (5, 1, 1) e D = (3, 2, 2) sejam coplanares.
p

l
ita
4
R ETAS E P LANOS
ig
4.1
4.1.1
D
Equaes do Plano
Equao Geral
ia
No plano a equao geral de uma reta ax + by + c = 0. No espao um plano o
conjunto dos pontos P = ( x, y, z) que satisfazem a equao
ax + by + cz + d = 0, para a, b, c, d R,
que chamada equao geral do plano.
p
Existe uma analogia entre uma reta no plano e um plano no espao. No plano,
a equao de uma reta determinada se forem dados sua inclinao e um de seus
pontos.
No espao, a inclinao de um plano caracterizada por um vetor perpendicular
a ele, chamado vetor normal ao plano e a equao de um plano determinada se
so dados um vetor normal e um de seus pontos.
4.1 Equaes do Plano 207
l
ita
ig
N = ( a, b, c)
D
P0 = ( x0 , y0 , z0 )
P = ( x, y, z)
ia
Figura 4.1. Plano perpendicular a N = ( a, b, c) e que passa por P0 = ( x0 , y0 , z0 )
p

208 Retas e Planos
l
ita
Proposio 4.1. A equao geral de um plano que passa por um ponto P0 = ( x0 , y0 , z0 ) e tem vetor normal
N = ( a, b, c)
ax + by + cz + d = 0 , (4.1)
em que d = ( ax0 + by0 + cz0 ).
ig
Demonstrao. Um ponto P = ( x, y, z) pertence ao plano se, e somente se, o vetor
P0 P for perpendicular ao vetor N, ou seja,
D
N P0 P= 0 .
Como, P0 P= ( x x0 , y y0 , z z0 ), a equao (4.2) pode ser reescrita como

(4.2)
ia
a( x x0 ) + b(y y0 ) + c(z z0 ) = 0,
ou seja,
ax + by + cz ( ax0 + by0 + cz0 ) = 0 .

p

l
ita
z
ig
z z
dc
x
da
y x
D db
y x y
ia
Figura 4.2. Planos ax + d = 0, by + d = 0 e cz + d = 0
p

210 Retas e Planos
l
ita
ig
z z z
dc dc
x
db
y
x
D
da
y
x
da db
y
ia
Figura 4.3. Planos by + cz + d = 0, ax + cz + d = 0 e ax + by + d = 0
p

l
ita
ig
z z z

y
ax = 0
0
+ 0,
+ ,
=
cz
by =
cz
=
D
0

y 0, = 0
ax = 0 x = + cz
+ ,
cz by

=
0

0
z = by =
y=
ax +
a x 0,
+b
z=
y y y
0,
x x x

ia 0
Figura 4.4. Planos ax + by + cz = 0

p

212 Retas e Planos
l
ita
z
ig
z
dc

y
x
by = 0
+c ,
D
z=
0
da db
y =0
,
x
z=0
y
ax +b
x
ia

Figura 4.5. Planos ax + by + cz = 0 e ax + by + cz + d = 0

p

l
Exemplo 4.1. Vamos encontrar a equao do plano que passa pelo ponto
ita
P0 = (1, 2, 2) e perpendicular ao vetor N = (2, 1, 2). Da Proposio 4.1,
a equao do plano da forma
ax + by + cz + d = 0 ,
em que os coeficientes de x, y e z so as componentes do vetor normal, ou seja, a = 2,

b = 1 e c = 2. Assim, a equao de da forma
ig
2x y + 2z + d = 0 .
Para determinar o coeficiente d, ao invs de usarmos a Proposio 4.1, vamos usar o

fato de que P0 = (1, 2, 2) pertence a . Mas, o ponto P0 pertence a se, e somente
D
se, as suas coordenadas satisfazem a equao de , ou seja,
2 1 1 (2) + 2 (2) + d = 0 .
Logo, d = 2 + 2 4 = 0. Substituindo-se d = 0 na equao anterior do plano

obtemos que a equao do plano
ia
2x y + 2z = 0 .
p

214 Retas e Planos
l
ita
z
ig
2
D
2
4
ia
y
x
Figura 4.6. Plano 2x y + 2z = 0

p

l
No plano, a equao de uma reta determinada se forem dados dois pontos da
reta. Analogamente, no espao, a equao de um plano determinada se so dados
ita
trs pontos P1 , P2 e P3 no colineares (isto , no pertencentes a uma mesma reta).

Com os trs pontos podemos formar os vetores P1 P2 e P1 P3 (Figura 4.7).
ig
D
ia
p

216 Retas e Planos
l
ita
ig

N = P1 P2 P1 P3
P3 = ( x3 , y3 , z3 )
D
P1 = ( x1 , y1 , z1 )

P = ( x, y, z)
P2 = ( x2 , y2 , z2 )
ia
Figura 4.7. Plano que passa por trs pontos
p

l
ita
z
ig
D
1/4
1/2
1/2
ia
y
x
Figura 4.8. Plano 2x + 2y + 4z 1 = 0

p

218 Retas e Planos
l
Exemplo 4.2. Vamos encontrar a equao do plano que passa pelos pontos
ita
P1 = ( 21 , 0, 0), P2 = (0, 12 , 0) e P3 = (0, 21 , 12 ). Com os trs pontos podemos for-

mar os vetores P1 P2 e P1 P3 . O vetor
1 1 1 1 1 1 1 1
N = P1 P2 P1 P3 = ( , , 0) ( , , ) = ( , , )
2 2 2 2 2 4 4 2
um vetor normal ao plano. Assim, a equao do plano da forma
ig
1 1 1
x + y + z + d = 0,
4 4 2
em que os coeficientes de x, y e z so as componentes do vetor N. Para determinar
o coeficiente d, vamos usar o fato de que o ponto P1 = ( 21 , 0, 0) pertence ao plano
. Mas, o ponto P1 pertence a se, e somente se, as suas coordenadas satisfazem a
D
equao de , ou seja,
1 1 1 1
+ 0+ 0+ d = 0.
4 2 4 2
Logo, d = 81 . Finalmente, uma equao do plano
1 1 1 1
ia
x+ y+ z = 0
4 4 2 8
ou multiplicando por 8, obtemos
2x + 2y + 4z 1 = 0.
p
Alternativamente, podemos encontrar a equao do plano da seguinte forma.

Como vimos anteriormente (Corolrio 3.9 na pgina 195), trs vetores, P1 P P1 P2 e
P1 P3 , so coplanares se, e somente se, o produto misto entre eles zero. Assim, um
ponto P = ( x, y, z) pertence a se, e somente se,

P1 P ( P1 P2 P1 P3 ) = 0 .

l
Mas,

ita
1
P1 P = ( x , y, z)
2
1 1
P1 P2 = ( , , 0)
2 2
1 1 1
P1 P3 = ( , , ).
2 2 2
ig
Ento,
x 12

y z
1 1 1 1
det 12 1
2 0 = (x ) + y + z
4 2 4 2
12 12 1
2
D
e assim a equao do plano dada por
1 1 1 1
x + y + z = 0.
4 4 2 8
ou multiplicando por 8,
2x + 2y + 4z 1 = 0
ia
A equao do plano tambm determinada se ao invs de serem dados trs pontos,
forem dados um ponto P1 do plano e dois vetores paralelos ao plano, V = (v1 , v2 , v3 )
e W = (w1 , w2 , w3 ), desde que eles sejam no paralelos. Ou ainda se forem dados
p
dois pontos P1 e P2 do plano e um vetor paralelo ao plano V = (v1 , v2 , v3 ), j que

neste caso podemos formar o vetor W = P1 P2 = (w1 , w2 , w3 ) que tambm paralelo
ao plano.
Nestes casos temos novamente pelo menos duas maneiras de encontrarmos a
equao do plano. Uma delas observando que o vetor N = V W um vetor
normal ao plano. Desta forma temos um ponto do plano e um vetor normal ao

220 Retas e Planos
l
plano. A outra observando que temos trs vetores paralelos ao plano:

P1 P= ( x x1 , y y1 , z z1 ), V e W.
ita
Como vimos anteriormente (Corolrio 3.9 na pgina 195), os trs vetores so co-
planares se, e somente se, o produto misto entre eles zero, ou seja,

x x1 y y1 z z1
P1 P (V W ) = det v1 v2 v3 = 0 . (4.3)
w1 w2 w3
ig
Assim, um ponto P = ( x, y, z) pertence ao plano que passa pelo ponto
P1 = ( x1 , y1 , z1 ) e paralelo aos vetores V = (v1 , v2 , v3 ) e W = (w1 , w2 , w3 ) (no
paralelos) se, e somente se, a equao (4.3) verdadeira.
D
Observao. No faz sentido dizer que um vetor pertence a um plano. Pois, por um lado, um plano um
conjunto de pontos e por outro, os vetores so livres, podem ser colocados em qualquer ponto. O correto
dizer que um vetor paralelo a um plano.
ia
4.1.2 Equaes Paramtricas
Alm da equao geral do plano podemos tambm caracterizar os pontos de
um plano da seguinte forma. Considere um plano , um ponto P0 = ( x0 , y0 , z0 )
p
pertencente a e dois vetores V = (v1 , v2 , v3 ) e W = (w1 , w2 , w3 ) no colinea-

res, paralelos a . Um ponto P = ( x, y, z) pertence a se, e somente se, o vetor

P0 P= ( x x0 , y y0 , z z0 ) uma combinao linear de V e W (Corolrio 3.10 na
pgina 196), ou seja, se existem escalares t e s tais que

P0 P= tV + sW. (4.4)

l
Escrevendo em termos de componentes (4.4) pode ser escrito como
ita
( x x0 , y y0 , z z0 ) = (tv1 + sw1 , tv2 + sw2 , tv3 + sw3 ).
Logo um ponto P = ( x, y, z) pertence a se, e somente se, satisfaz as equaes

x = x 0 + v 1 t + w1 s
y = y 0 + v 2 t + w2 s para t, s R.
z = z 0 + v 3 t + w3 s

ig
Estas equaes so chamadas equaes paramtricas do plano.
Exemplo 4.3. Podemos obter equaes paramtricas do plano do Exemplo 4.2 na
D
pgina 218 usando o fato de que ele passa pelo ponto P1 = (1/2, 0, 0) e paralelo

aos vetores P1 P2 = (1/2, 1/2, 0), P1 P3 = (1/2, 1/2, 1/2). Assim,
1 1 1

x = 2 2t 2s

y = 12 t 12 s para t, s R.

ia
z = 12 s

Exemplo 4.4. Para encontrarmos as equaes paramtricas do plano do Exemplo 4.1

p
na pgina 213 podemos resolver a equao geral do plano 2x + 2y + 4z 1 = 0.

Podemos proceder como no caso de sistemas lineares e considerar as variveis y e z
livres: z = t e y = s. Assim, x = 12 2 t s e portanto
x = 12 2 t s

y = s para t, s R.
z = t


222 Retas e Planos
l
so equaes paramtricas do plano. Destas equaes obtemos que os vetores
V1 = (2, 0, 1) e V2 = (1, 1, 0) so paralelos ao plano.
ita
ig
4.1.1. Faa um esboo dos seguintes planos:
(a) 2x + 3y + 5z 1 = 0 (e) 3x + 2y 1 = 0
(b) x 2y + 4z = 0 (f) 5y 2 = 0
D
(c) 3y + 2z 1 = 0 (g) 3z 2 = 0
(d) 2x + 3z 1 = 0 (h) 2x 1 = 0
4.1.2. Ache a equao do plano paralelo ao plano 2x y + 5z 3 = 0 e que passa por P = (1, 2, 1).
4.1.3. Encontre a equao do plano que passa pelo ponto P = (2, 1, 0) e perpendicular aos planos
ia
x + 2y 3z + 2 = 0 e 2x y + 4z 1 = 0.
4.1.4. Encontrar a equao do plano que passa pelos pontos P = (1, 0, 0) e Q = (1, 0, 1) e perpendicular ao
plano y = z.
p
4.1.5. Sejam P = (4, 1, 1) e r : ( x, y, z) = (2 + t, 4 t, 1 + 2t).
(a) Mostre que P 6 r;

(b) Obtenha uma equao geral do plano determinado por r e P.
4.1.6. Dados os planos 1 : x y + z + 1 = 0 e 2 : x + y z 1 = 0, determine o plano que contm 1 2

e ortogonal ao vetor (1, 1, 1).

l
4.1.7. Dados os planos 1 : x + y z = 0 e 2 : 2x y + 3z 1 = 0. Ache a equao do plano que passa por
A = (1, 0, 1) e contm 1 2 .
ita
Exerccio Terico
4.1.8. Seja ax + by + cz + d = 0 a equao de um plano com abcd 6= 0.
(a) Determine a interseo de com os eixos;
(b) Se P1 = ( p1 , 0, 0), P2 = (0, p2 , 0) e P3 = (0, 0, p3 ) so as intersees de com os eixos, a equao de
ig
pode ser posta sob a forma
x y z
+ + = 1.
p1 p2 p3
D
ia
p

224 Retas e Planos
4.2 Equaes da Reta
l
ita
4.2.1 Equaes Paramtricas e Equao Vetorial
ig
D
ia
p

4.2 Equaes da Reta 225
l
ita
ig
z z
r r

OP
P = ( x, y, z)
D

P0 P
V = ( a, b, c)
P0 = ( x0 , y0 , z0 ) OP0 V
x y x y
ia
Figura 4.9. Reta paralela ao vetor V = ( a, b, c)
p

226 Retas e Planos
l
Vamos supor que uma reta r seja paralela a um vetor V = ( a, b, c) no nulo e que
passe por um ponto P0 = ( x0 , y0 , z0 ). Um ponto P = ( x, y, z) pertence a reta r se, e
ita

somente se, o vetor P0 P paralelo ao vetor V, isto , se o vetor P0 P um mltiplo
escalar de V, ou seja,

P0 P= t V . (4.5)
Em termos de componentes, a equao (4.5) pode ser escrita como
( x x0 , y y0 , z z0 ) = (ta, tb, tc).
ig
Logo, x x0 = t a, y y0 = t b e z z0 = t c.
Ou seja, a reta r pode ser descrita como sendo o conjunto dos pontos P = ( x, y, z)
tais que

x = x0 + t a
D
y = y0 + t b, para t R. (4.6)
z = z0 + t c

As equaes (4.6), chamadas equaes paramtricas da reta, so de uma reta r que

passa por um ponto P0 = ( x0 , y0 , z0 ) e paralela ao vetor V = ( a, b, c), chamado
vetor diretor da reta r.
ia
O parmetro t nas equaes (4.6) pode ser interpretado como o instante de tempo,
se o ponto P = ( x, y, z) descreve o movimento de uma partcula em movimento
retilneo uniforme com vetor velocidade V = ( a, b, c). Observe que
para t = 1, temos que P = ( x, y, z) = ( x0 + a, y0 + b, z0 + c),
p
para t = 2, temos que P = ( x, y, z) = ( x0 + 2a, y0 + 2b, z0 + 2c)

e assim por diante.
As equaes (4.6), podem ser reescritas como

( x, y, z) = ( x0 + at, y0 + bt, z0 + ct),
que chamada equao vetorial da reta r.

l
ita
z
ig
z0
a D y0
ia
x y
p
Figura 4.10. Reta ( x, y, z) = ( x0 + at, y0 , z0 )

228 Retas e Planos
l
ita
z
ig
z0
x0
D b
ia
x y
p
Figura 4.11. Reta ( x, y, z) = ( x0 , y0 + bt, z0 )

l
ita
z
ig
c
x0
D y0
ia
x y
p
Figura 4.12. Reta ( x, y, z) = ( x0 , y0 , z0 + ct)

230 Retas e Planos
l
ita
z
ig
z0
D
ia
x y
p
Figura 4.13. Reta ( x, y, z) = ( x0 + at, y0 + bt, z0 )

l
ita
z
ig
x0
D
ia
x y
p
Figura 4.14. Reta ( x, y, z) = ( x0 , y0 + bt, z0 + ct)

232 Retas e Planos
l
ita
z
ig
D y0
ia
x y
p
Figura 4.15. Reta ( x, y, z) = ( x0 + at, y0 , z0 + ct)

l
ita
z
ig
D
c
b
a
ia
x y
p
Figura 4.16. Reta ( x, y, z) = ( at, bt, ct)

234 Retas e Planos
l
ita
z
ig
D
ia
x y
p
Figura 4.17. Reta ( x, y, z)=( x0+at, y0+bt, z0+ct)

l
ita
Observao. No faz sentido dizer que o vetor est contido na reta. Por um lado, a reta um conjunto de pontos
e por outro um vetor no tem posio fixa.
Exemplo 4.5. As equaes paramtricas da reta que passa por P0 = (3, 3/2, 4) e
ig
paralela ao vetor V = (6, 1, 4) so

x = 3 6 t
r: 3 para t R
y = 2 +t
z = 4 + 4t

D
Podemos encontrar a interseo da reta r com os planos coordenados xy, yz e
xz. A equao do plano xy z = 0, do plano yz x = 0 e do plano xz y = 0.
Substituindo z = 0 nas equaes de r, obtemos t = 1, x = 3 e y = 1/2, ou seja,
o ponto de interseo de r com o plano xy
ia
1
( x, y, z) = (3, , 0).
2
De forma anloga obtemos
o ponto de interseo de r com o plano yz
p
( x, y, z) = (0, 1, 2),
o ponto de interseo de r com o plano xz
( x, y, z) = (6, 0, 2).

236 Retas e Planos
l
ita
ig
D
ia
Figura 4.18. Reta que passa pelo ponto P0 = (3, 3/2, 4) paralela ao vetor V = (6, 1, 4)
p

4.2.2 Equaes na Forma Simtrica
l
ita
Se todas componentes do vetor diretor da reta r so no nulos, podemos resolver
cada equao em (4.6) para t e igualar os resultados obtendo o que chamamos de
equaes na forma simtrica de r:
x x0 y y0 z z0
= = .
a b c
ig
No Exemplo 4.5 as equaes de r na forma simtrica so:
x+3 y 3/2 z4
= = .
6 1 4
pontos P1 = (3, 0, 2) e P2 = (0, 3, 3). O vetor

D
Exemplo 4.6. Vamos encontrar as equaes paramtricas da reta r que passa pelos
P1 P2 = (0 3, 3 0, 3 2) = (3, 3, 1)
ia
paralelo a r e o ponto P1 = (3, 0, 2) pertence a r. Portanto, as equaes paramtricas
de r so
x = 33t
y = 3t para t R.
p
z = 2+t

Exemplo 4.7. Vamos encontrar as equaes paramtricas da reta r, interseo dos

planos
1 : 2x + y + 4z 4 = 0
2 : 2x y + 2z = 0.

238 Retas e Planos
l
Vetores normais destes planos so
ita
N1 = (2, 1, 4) e N2 = (2, 1, 2) .
A reta r est contida em ambos os planos, portanto perpendicular a ambos os veto-

res normais. Assim, a reta r paralela ao produto vetorial N1 N2 (Teorema 3.5 (c)
na pgina 182).

1 4 2 4 2 1
N1 N2 = det , det , det = (6, 4, 4) .
ig
1 2 2 2 2 1
Assim, V = N1 N2 = (6, 4, 4) um vetor diretor de r. Agora, precisamos encon-

trar um ponto da reta r. Este ponto uma soluo particular do sistema

2x + y + 4z 4 = 0
D
(4.7)
2x y + 2z =0
Para encontrar uma soluo particular do sistema, atribumos um valor a uma das
incgnitas (neste exemplo podemos fazer x = 0) e resolvemos o sistema obtido, que
de duas equaes e duas incgnitas
ia

y + 4z 4 = 0
y + 2z =0
Obtemos ento, y = 4/3 e z = 2/3, ou seja, o ponto P0 = (0, 4/3, 2/3) um ponto
da reta r, pois uma soluo particular do sistema (4.7). Assim, as equaes para-
p
mtricas de r so
x = 6t
y = 4/3 + 4t para todo t R. (4.8)
z = 2/3 4t

Alternativamente, podemos encontrar as equaes paramtricas de r determi-

nando a soluo geral do sistema (4.7). Para isto devemos escalonar a matriz do

l
sistema (4.7):
2 1 4 4
ita
2 1 2 0
Precisamos zerar o outro elemento da 1a. coluna, que a coluna do piv, para isto,
adicionamos 2a. linha, menos a 1a. linha.

a a a 2 1 4 4
-1 linha + 2 linha 2 linha
. . .
0 2 2 4
ig
Agora, j podemos obter facilmente a soluo geral do sistema dado, j que ele

2x + y + 4z = 4
D
2y 2z = 4
A varivel z uma varivel livre. Podemos dar a ela um valor arbitrrio, digamos t,
para t R qualquer. Assim, a soluo geral do sistema dado
x = 1 23 t

y = 2 t para todo t R. (4.9)

ia
z = t

Estas equaes so diferentes das equaes (4.8), mas representam a mesma reta,
pois os vetores diretores obtidos das duas equaes so paralelos e o ponto P0 =
(1, 2, 0) satisfaz tambm as equaes (4.9). Poderamos dizer tambm que (4.8) e
p
(4.9) representam retas coincidentes.
O prximo exemplo mostra como encontrar a equao da reta que perpendicular a

duas retas.

240 Retas e Planos
Exemplo 4.8. Achar as equaes da reta r3 que intercepta as retas
l

x = 1 + 2t
ita
r1 : y = 1 + t, para todo t R
z = 0

e
y4
r2 : x 2 = e z=3
2
e perpendicular a ambas.
ig
Um ponto qualquer da reta r1 descrito por Pr1 = (1 + 2t, 1 + t, 0) e um ponto
qualquer da reta r2 da forma Pr2 = (2 + s, 4 + 2s, 3). Aqui necessrio o uso de um

parmetro diferente para a reta r2 . O vetor Pr1 Pr2 = (3 + s 2t, 3 + 2s t, 3) liga
um ponto qualquer de r1 a um ponto qualquer de r2 . Vamos determinar t e s tais

D
que o vetor Pr1 Pr2 seja perpendicular ao vetor diretor V1 = (2, 1, 0) de r1 e ao vetor
diretor V2 = (1, 2, 0) de r2 , ou seja, temos que resolver o sistema
(
Pr1 Pr2 V1 = 9 + 4s 5t = 0

Pr1 Pr2 V2 = 9 + 5s 4t = 0
ia
A soluo deste sistema t = 1, s = 1. Logo Pr1 = (1, 2, 0), Pr2 = (1, 2, 3) e

V3 = Pr1 Pr2 = (0, 0, 3). Assim, as equaes paramtricas da reta procurada so

x = 1
r3 : y = 2, para todo t R.
p
z = 3t

Esta soluo usou o fato de que as retas so reversas, isto , elas no so paralelas,
mas tambm no se interceptam. Como seria a soluo se elas se interceptassem? Por
exemplo se a reta r2 fosse dada por
y4
r2 : x 2 = e z=0?
2

l
4.2.1. Faa um esboo das retas dadas a seguir:
ita
3 1
(a) ( x, y, z) = (3 + 3t, t, 4 2t) (e) ( x, y, z) = (2 + 2t, 3 + t, 3)
2 2
3 (f) ( x, y, z) = (1, 2, 2 + 2t)
(b) ( x, y, z) = (2t, t, t)
2 (g) ( x, y, z) = (1, 2 + 2t, 3)
(c) ( x, y, z) = (1 + t, 2, 3 + 2t) (h) ( x, y, z) = (2 + 2t, 2, 3)
(d) ( x, y, z) = (1, 2 + 2t, 52 + 32 t)
ig
4.2.2. Determine a interseo da reta que passa pela origem e tem vetor diretor V = ~i + 2~j + ~k com o plano
2x + y + z = 5.
4.2.3. Verifique se as retas r : ( x, y, z) = (9t, 1 + 6t, 2 + 3t) e s : ( x, y, z) = (1 + 2t, 3 + t, 1) se interceptam e
D
em caso afirmativo determine a interseo. (Sugesto: a questo se as trajetrias se cortam e no se as
partculas se chocam, ou seja, elas no precisam estar num ponto no mesmo instante.)
4.2.4. Dadas as retas

x2 y
r: = =z e s : x2 = y = z,
2 2
obtenha uma equao geral para o plano determinado por r e s.
ia
4.2.5. Sejam P = (4, 1, 1) e r : ( x, y, z) = (2 + t, 4 t, 1 + 2t).
(a) Mostre que P 6 r;

p
(b) Obtenha uma equao geral do plano determinado por r e P.
4.2.6. Quais dos seguintes pares de planos se cortam segundo uma reta?
(a) x + 2y 3z 4 = 0 e x 4y + 2z + 1 = 0;
(b) 2x y + 4z + 3 = 0 e 4x 2y + 8z = 0;
(c) x y = 0 e x + z = 0.

242 Retas e Planos
l
4.2.7. Encontre as equaes da reta que passa pelo ponto Q = (1, 2, 1) e perpendicular ao plano x y + 2z
1 = 0.
ita
4.2.8. Ache equaes da reta que passa pelo ponto P = (1, 0, 1) e paralela aos planos 2x + 3y + z + 1 = 0 e
x y + z = 0.
4.2.9. Seja r a reta determinada pela interseo dos planos x + y z = 0 e 2x y + 3z 1 = 0. Ache a equao
do plano que passa por A = (1, 0, 1) e contm a reta r.
4.2.10. Sejam r e s retas reversas passando por A = (0, 1, 0) e B = (1, 1, 0) e por C = (3, 1, 4) e D =
ig
(1, 2, 7), respectivamente. Obtenha uma equao da reta concorrente com r e s e paralela ao vetor
V = (1, 5, 1).
4.2.11. (a) Mostre que os planos 2x y + z = 0 e x + 2y z = 1 se interceptam segundo uma reta r;
(b) Ache equaes da reta que passa pelo ponto A = (1, 0, 1) e intercepta a reta r ortogonalmente.
plano que contm estas duas retas.
D
4.2.12. Considere as retas ( x, y, z) = t(1, 2, 3) e ( x, y, z) = (0, 1, 2) + s(2, 4, 6). Encontre a equao geral do
4.2.13. Determine as equaes paramtricas da reta interseo dos planos:

(a) x + 2y 3z 4 = 0 e x 4y + 2z + 1 = 0;
ia
(b) x y = 0 e x + z = 0.
4.2.14. Considere o plano : 2x + 2y z = 0.
(a) Determine as retas r, interseo do plano com o plano yz, s, interseo do plano com o plano xz
p
e t, interseo do plano com o plano z = 2. Desenhe um esboo do plano mostrando as retas r,

s e t.
(b) Determine o volume do tetraedro determinado pelo plano , os planos coordenados xz e yz e o
plano z = 2. (Sugesto: este volume igual a 1/6 do volume do paraleleppedo determinado por

OA, OB e OC, em que O = (0, 0, 0), A o ponto interseo do eixo z com o plano z = 2, B a
interseo das retas r e t e C a interseo das retas s e t.)

l
(c) Determine a rea da face do tetraedro contida no plano .
(d) Determine a altura do tetraedro relativa a face contida no plano . (Sugesto: a reta ortogonal ao
ita
plano que passa pelo ponto A intercepta o plano num ponto P de forma que a altura procurada

igual || AP ||)
4.2.15. Ache as equaes da reta que intercepta as retas r1 e r2 e perpendicular a ambas.
(a)
x = 1+t
ig
r1 : y = 2 + 3t, para t R
z = 4t

e
y1 z+2
r2 : x + 1 = = .
D
2 3
(b)
x = 1 + t
r1 : y = 2 + 3t, para t R
z = 4t

e
ia
y4 z3
r2 : x = = .
2 3
p

lin(P,V) desenha a reta que passa por P com direo V.
lin(P1,V1,P2,V2) desenha retas que passam por P1, P2, direes V1, V2.

244 Retas e Planos
l
poline(P1,P2,V2) desenha ponto P2 e reta passando por P2 com direo V2.
lineplan(P1,V1,P2,N2) desenha reta passando por P1 com direo V1 e plano passando por P2 com
ita
normal N2.
4.2.16. Digite no prompt demog22, (sem a vrgula!). Esta funo demonstra as funes grficas para visualizao
de retas e planos.
ig
D
ia
p

4.3. ngulos e Distncias 245
l
4.3 ngulos e Distncias
ita
4.3.1 ngulos
ngulo entre Retas
Com duas retas no espao pode ocorrer um dos seguintes casos:
(a) As retas se interceptam em um ponto, ou seja, so concorrentes;
ig
(b) As retas so paralelas (ou coincidentes);
(c) As retas so reversas, isto , no so paralelas mas tambm no se interceptam.
Se as retas se interceptam, ento elas determinam quatro ngulos, dois a dois
opostos pelo vrtice. O ngulo entre elas definido como sendo o menor destes
D
ngulos.
Se as retas r1 e r2 so reversas, ento por um ponto P de r1 passa um reta r20 que
paralela a r2 . O ngulo entre r1 e r2 definido como sendo o ngulo entre r1 e r20
(Figura 4.24).
Se as retas so paralelas o ngulo entre elas igual zero.
Em qualquer dos casos, se V1 e V2 so vetores paralelos a r1 e r2 respectivamente,
ia
ento o cosseno do ngulo entre elas
cos(r1 , r2 ) = | cos | ,
em que o ngulo entre V1 e V2 .

p
Lembrando que da definio de produto escalar (Definio na pgina 166), po-

demos encontrar o cosseno do ngulo entre dois vetores, ou seja,
V1 V2
cos = .
||V1 || ||V2 ||
Isto prova o resultado seguinte.

246 Retas e Planos
l
ita
Proposio 4.2. Sejam duas retas

x = x1 + t a1 x = x2 + t a2
r1 : y = y1 + t b1 r2 : y = y2 + t b2 para todo t R.
z = z1 + t c1 z = z2 + t c2

ig
O cosseno do ngulo entre r1 e r2
|V1 V2 |
cos(r1 , r2 ) = | cos | = ,
||V1 || ||V2 ||
em que V1 = ( a1 , b1 , c1 ) e V2 = ( a2 , b2 , c2 ).
Exemplo 4.9. Encontrar o ngulo entre a reta D

ia

x + y z + 1 = 0
r1 :
2x y + z = 0
e a reta
x = 2t
p
r2 : y = 1t para todo t R.
z = 2+3t

Vamos encontrar vetores paralelos a estas retas. A reta r1 dada como a interse-
o de dois planos, portanto o produto vetorial dos vetores normais dos dois planos
paralelo a r1 .
N1 = (1, 1, 1),

4.3 ngulos e Distncias 247
l
N2 = (2, 1, 1),

1 1 1 1 1 1
ita
V1 = N1 N2 = det , det , det = (0, 3, 3)
1 1 2 1 2 1
paralelo a r1 e V2 = (2, 1, 3) paralelo a r2 . Assim,
|V1 V2 | |0 2 + (3)(1) + (3) 3|
cos(r1 , r2 ) = = p
||V1 || ||V2 ||
p
02 + (3)2 + (3)2 22 + (1)2 + 32
| 6| 1
ig
= = .
18 14 7
Portanto, o ngulo entre r1 e r2
1
arccos ( ) 67o .
D
7
ngulo entre Planos

Sejam 1 e 2 dois planos com vetores normais N1 = ( a1 , b1 , c1 ) e N2 =
ia
( a2 , b2 , c2 ), respectivamente. O ngulo entre 1 e 2 definido como o ngulo en-
tre duas retas perpendiculares a eles. Como toda reta perpendicular a 1 tem N1
como vetor diretor e toda reta perpendicular a 2 tem N2 como vetor diretor, ento
o cosseno do ngulo entre eles dado por
p
cos(1 , 2 ) = | cos | ,
em que o ngulo entre os vetores normais N1 e N2 de 1 e 2 , respectivamente
(Figura 4.25).
| N1 N2 |
Portanto, o cosseno do ngulo entre 1 e 2 cos(1 , 2 ) = . O que
|| N1 || || N2 ||
prova o resultado seguinte.

248 Retas e Planos
l
ita
Proposio 4.3. Sejam dois planos
1 : a1 x + b1 y + c1 z + d1 = 0,
2 : a2 x + b2 y + c2 z + d2 = 0.
ig
O cosseno do ngulo entre 1 e 2
| N1 N2 |
cos(1 , 2 ) = ,
|| N1 || || N2 ||
em que N1 = ( a1 , b1 , c1 ) e N2 = ( a2 , b2 , c2 ) so os vetores normais de 1 e 2 , respectivamente.
D
ia
p

l
ita
ig
P2
D
P1
r
ia
Figura 4.19. Reta que passa pelos pontos P1 = (3, 0, 2) e P2 = (0, 3, 3)
p

250 Retas e Planos
l
z
ita
ig
D
1
ia
2
4
p
y
x
Figura 4.20. 1 : 2x + y + 4z 4 = 0

l
z
ita
ig
5/2
5/2
D
ia
5
y
x
p
Figura 4.21. 2 : 2x y + 2z = 0

252 Retas e Planos
l
z
ita
ig
5/2
5/2 2
D 1
ia
4
5
y
x
p
Figura 4.22. 1 , 2 e 1 2

l
z z z
ita
3 3
3/2 1 3/22
3 3 3 3 3
6 6
x y x y x y
ig
Figura 4.23. Retas r1 , r2 e r3 do Exemplo 4.8
D r2
r20
ia
V2
p
x P V1 y
r1
Figura 4.24. O ngulo entre duas retas reversas r1 e r2

254 Retas e Planos
l
ita
N1
N2
ig

D
2

1
ia
Figura 4.25. ngulo entre dois planos
p

l
Dois planos 1 e 2 ou so paralelos ou se cortam segundo um reta. Eles so parale-
los se, e somente se, os vetores normais de 1 e 2 , so paralelos, ou seja, um vetor
ita
um mltiplo escalar do outro. Assim, e 2 so paralelos se, e somente se, o ngulo
entre eles igual zero.
ig
Exemplo 4.10. Determinar o ngulo entre os planos cujas equaes so
1 : x+y+z = 0,
2 : x y z = 0.
D
Os vetores normais a estes planos so os vetores cujas componentes so os coefi-
cientes de x, y e z nas equaes dos planos, ou seja,
N1 = (1, 1, 1) e N2 = (1, 1, 1) .
Assim, o cosseno do ngulo entre 1 e 2

ia
| N1 N2 | 1 1
cos(1 , 2 ) = = = .
|| N1 || || N2 || 3 3 3
p
Portanto, o ngulo entre eles
1
arccos ( ) 70o .
3

256 Retas e Planos
4.3.2 Distncias
l
ita
Distncia de Um Ponto a Um Plano
Sejam P0 = ( x0 , y0 , z0 ) um ponto qualquer e : ax + by + cz + d = 0 um plano.
A distncia de P0 a definida como sendo a distncia de P0 at o ponto de mais
prximo de P0 .

Dado um ponto P1 = ( x1 , y1 , z1 ) de , podemos decompor o vetor P1 P0 em duas
parcelas, uma na direo do vetor normal de , N = ( a, b, c) e outra perpendicular
ig

a ele. A componente na direo do vetor N a projeo ortogonal de P1 P0 em N.
Como vemos na Figura 4.26, a distncia de P0 a igual norma da projeo, ou
seja,

dist( P0 , ) = ||proj N P1 P0 || .
D
Mas, pela Proposio 3.4 na pgina 173, temos que

P1 P0 N |
P1 P0 N |
||proj N P1 P0 || =
|| N ||2
N = .

|| N ||
ia
O que prova o resultado seguinte.
p

l
ita
P0 = ( x0 , y0 , z0 )
ig
dist( P0 , )
proj N P1 P0
N = ( a, b, c)

D P1 = ( x1 , y1 , z1 )
ia
Figura 4.26. Distncia de um ponto P0 = ( x0 , y0 , z0 ) a um plano
p

258 Retas e Planos
l
ita
Proposio 4.4. Sejam P0 = ( x0 , y0 , z0 ) um ponto qualquer e : ax + by + cz + d = 0 um plano. A distncia de P0
a dada por

| P P N|
dist( P0 , ) = ||proj N P1 P0 || = 1 0 ,
|| N ||
ig
em que N = ( a, b, c) e P1 = ( x1 , y1 , z1 ) um ponto de (isto , um ponto que satisfaz a equao de ).
D
Exemplo 4.11. Calcular a distncia entre o ponto P0 = (1, 2, 3) ao plano
: x 2y + z 1 = 0.
Fazendo z = 0 e y = 0 na equao de , obtemos x = 1. Assim, o ponto P1 =

(1, 0, 0) pertence a .
ia

P1 P0 = (1 1, 2 0, 3 0) = (0, 2, 3)
e
N = (1, 2, 1) .
p
Assim,

| P P N| |0 1 + 2(2) + 3 1| | 1| 1
dist( P0 , ) = ||proj N P1 P0 || = 1 0 = p = = .
|| N || 2 2
1 + (2) + 1 2 6 6

Distncia de Um Ponto a Uma Reta
l
Sejam P0 = ( x0 , y0 , z0 ) um ponto qualquer e r uma reta. A distncia de P0 a r
ita
definida como a distncia de P0 ao ponto de r mais prximo de P0 .

Dado um ponto qualquer P1 = ( x1 , y1 , z1 ) de r podemos decompor o vetor P1 P0
em duas parcelas, uma na direo do vetor diretor V de r e outra perpendicular a ele.

A componente na direo do vetor V a projeo ortogonal de P1 P0 em V. Como
vemos na Figura 4.27,
ig

(dist( P0 , r ))2 + ||projV P1 P0 ||2 = || P1 P0 ||2 ,
ou seja,

(dist( P0 , r ))2 = || P1 P0 ||2 ||projV P1 P0 ||2 . (4.10)
D
ia
p

260 Retas e Planos
l
ita
P0 = ( x0 , y0 , z0 )
ig
D
dist( P0 , r )

r P1 = ( x1 , y1 , z1 ) projV P1 P0 V = ( a, b, c)
ia
Figura 4.27. Distncia de um ponto P0 = ( x0 , y0 , z0 ) a uma reta r
p

l
Mas, pela Proposio 3.4 na pgina 173, temos que
2
ita
( P1 P0 V )2

P P0 V
2
1
||projV P1 P0 || =

2
V =
.
||V || ||V ||2
Substituindo esta expresso em (4.10) e usando a definio do produto escalar na

pgina 166 e da norma do produto vetorial na pgina 180 obtemos

( P1 P0 V )2 || P1 P0 ||2 ||V ||2 ( P1 P0 V )2
ig
(dist( P0 , r ))2 = || P1 P0 ||2 2
=
||V || ||V ||2

|| P1 P0 ||2 ||V ||2 || P1 P0 ||2 ||V ||2 cos2
=
||V ||2

D
|| P1 P0 ||2 ||V ||2 sen2 || P1 P0 V ||2
= = .
||V ||2 ||V ||2
Isto prova o resultado seguinte.
ia
Proposio 4.5. Sejam P0 = ( x0 , y0 , z0 ) um ponto qualquer e

x = x1 + t a
r : y = y1 + t b para todo t R
p
z = z1 + t c

uma reta. A distncia de P0 a r dada por

|| P1 P0 V ||
dist( P0 , r ) = .
||V ||

262 Retas e Planos
l
em que V = ( a, b, c) um vetor diretor e P1 = ( x1 , y1 , z1 ) um ponto da reta r.
ita
Exemplo 4.12. Calcular a distncia do ponto P0 = (1, 1, 2) reta
ig

x = 1+2t
r : y = t para todo t R.
z = 23t

D
Um vetor diretor da reta r V = (2, 1, 3) e um ponto de r P1 = (1, 0, 2). Assim,

P1 P0 = (1 1, 1 0, 2 2) = (0, 1, 0) ,

P1 P0 V = (3, 0, 2) ,
ia

|| P1 P0 V || = 13 e ||V || = 14 .
Portanto,
r
|| P1 P0 V || 13
dist( P0 , r ) = = .
p
||V || 14

l
ita
2
P2
ig
dist(1 , 2 )
proj N1 P1 P2

N1
1
D
ia
P1
p
Figura 4.28. Distncia entre dois planos

264 Retas e Planos
Distncia entre Dois Planos
l
Sejam dois planos 1 e 2 quaisquer. A distncia entre 1 e 2 definida como a
ita
menor distncia entre dois pontos, um de 1 e outro de 2 .
Se os seus vetores normais no so paralelos, ento os planos so concorrentes
e neste caso a distncia entre eles igual zero. Se os seus vetores normais so
paralelos, ento os planos so paralelos (ou coincidentes) e a distncia entre 1 e 2
igual distncia entre um ponto de um deles, por exemplo P2 de 2 , e o ponto de
1 , mais prximo de P2 (Figura 4.28). Mas, esta distncia igual distncia de P2 a
ig
1 . Vamos ver isto em um exemplo.
Exemplo 4.13. Os planos 1 : x + 2y 2z 3 = 0 e 2 : 2x + 4y 4z 7 = 0
D
so paralelos, pois os seus vetores normais N1 = (1, 2, 2) e N2 = (2, 4, 4) so
paralelos (um mltiplo escalar do outro). Vamos encontrar a distncia entre eles.
Vamos encontrar dois pontos quaisquer de cada um deles. Fazendo z = 0 e y = 0
em ambas as equaes obtemos x1 = 3 e x2 = 7/2. Assim, P1 = (3, 0, 0) pertence a
1 e P2 = (7/2, 0, 0) pertence a 2 . Portanto, pela Proposio 4.4 temos que

ia
| P P N |
dist(1 , 2 ) = dist(1 , P2 ) = || = 1 2 1
||proj N1 P1 P2
|| N1 ||
|(7/2 3, 0 0, 0 0) (1, 2, 2)| |(1/2) 1 + 0 2 + 0(2)| 1
= p = = .
12 + 22 + (2)2 9 6
p
Distncia entre Duas Retas

Sejam r1 e r2 duas retas quaisquer. A distncia entre r1 e r2 definida como a
menor distncia entre dois pontos, um de r1 e outro de r2 .

l
ita
P2
ig
r2
dist(r1 , r2 )
r1
D
projV P1 P2
1
V1
ia
P1
Figura 4.29. Distncia entre duas retas paralelas

p

266 Retas e Planos
l
Para calcular a distncia entre duas retas, vamos dividir em dois casos:
(a) Se os vetores diretores so paralelos, ento as retas r1 e r2 so paralelas (ou
ita
coincidentes). Neste caso, a distncia entre elas igual distncia entre um
ponto de r2 e a reta r1 , ou vice-versa, entre um ponto de r1 e a reta r2 (Figura
4.29). Assim, pela Proposio 4.5 na pgina 261, temos que

|| P1 P2 V2 ||
dist(r1 , r2 ) = dist( P1 , r2 ) = , (4.11)
||V2 ||
ig
em que P1 e P2 so pontos de r1 e r2 e V1 e V2 so vetores diretores de r1 e r2 ,
respectivamente.
D
ia
p

l
ita
ig
r2
V2
P2
dist(r1 , r2 )
V1 V2
r1
D P1
V1
ia
Figura 4.30. Distncia entre duas retas reversas
p

268 Retas e Planos
l
(b) Se os vetores diretores no so paralelos, ento elas so reversas ou concorren-
tes. Os dois casos podem ser resolvidos da mesma forma. Estas retas definem
ita
dois planos paralelos (que podem ser coincidentes, no caso em que elas so con-
correntes). Um o plano que contm r1 e paralelo a r2 , vamos cham-lo de
1 . O outro, contm r2 e paralelo a r1 , 2 . O vetor N = V1 V2 , normal (ou
perpendicular) a ambos os planos, em que V1 e V2 so os vetores diretores de r1
e r2 respectivamente. Assim, a distncia entre as retas igual distncia entre
estes dois planos (Figura 4.30), ou seja,
ig

| P1 P2 N | | P P (V1 V2 )|
dist(r1 , r2 ) = dist(1 , 2 ) = dist(1 , P2 ) = = 1 2 ,
|| N || ||V1 V2 ||
(4.12)
em que P1 e P2 so pontos de r1 e r2 e V1 e V2 so vetores diretores de r1 e
D
r2 , respectivamente. Observe que se as retas so concorrentes a distncia entre

elas zero, pois os vetores P1 P2 , V1 e V2 so coplanares e P1 P2 (V1 V2 ) = 0
(Corolrio 3.9 na pgina 195).
Exemplo 4.14. Vamos determinar a distncia entre as retas

ia
x1 y+1 z2
r1 : = = .
4 2 6
e
p

x = 1+2t
r2 : y = t para todo t R.
z = 23t

As retas so paralelas, pois seus vetores diretores V1 = (4, 2, 6) e V2 =

(2, 1, 3) (Exemplo 4.5 na pgina 235) so paralelos (um um mltiplo escalar do
outro, ou ainda as componentes correspondentes so proporcionais). Alm disso,

l
o ponto P1 = (1, 1, 2) pertence reta r1 . Como dissemos acima, a distncia de r1
a r2 igual distncia entre um ponto de r2 e a reta r1 (Figura 4.29). Assim, pela
ita
Proposio 4.5 na pgina 261, temos que
r
|| P1 P2 V2 || 13
dist(r1 , r2 ) = dist( P1 , r2 ) = = .
||V2 || 14
As contas so as mesmas do Exemplo 4.12 na pgina 262.
ig
Exemplo 4.15. Determinar a distncia entre as retas
D
x+1 y1
r1 : = = z.
3 2
e
x = t
r2 : y = 2t para todo t R.
= 1t
ia
z

As retas r1 e r2 so paralelas aos vetores V1 = (3, 2, 1) e V2 = (1, 2, 1) e passam

pelos pontos P1 = (1, 1, 0) e P2 = (0, 0, 1), respectivamente. As retas no so
paralelas, pois seus vetores diretores no so paralelos (observe que a 1a. componente
de V1 3 vezes a 1a. componente de V2 , mas as 2a. s componentes so iguais). Logo,
p

P1 P2 = (0 (1), 0 1, 1 0) = (1, 1, 1) .
Um vetor perpendicular a ambas as retas
N = V1 V2 = (4, 4, 4) .

270 Retas e Planos
l
Este vetor normal aos planos 1 (que contm r1 e paralelo a r2 ) e 2 (que contm
r2 e paralelo a r1 ) (veja a Figura 4.30). Assim,
ita

| P1 P2 N |
dist(r1 , r2 ) = dist(1 , 2 ) = dist(1 , P2 ) =
|| N ||
|1(4) + (1) 4 + 1 4| | 4| 1
= p = = .
2
(4) + 4 + 42 2 4 3 3
ig
D
ia
p

l
4.3.1. Considere os vetores V = ~i + 3~j + 2~k, W = 2~i ~j + ~k e U = ~i 2~j. Seja um plano paralelo aos vetores
ita
W e U e r uma reta perpendicular ao plano . Ache a projeo ortogonal do vetor V sobre a reta r, ou
seja, a projeo ortogonal de V sobre o vetor diretor da reta r.
4.3.2. Encontrar o ngulo entre o plano 2x y + z = 0 e o plano que passa pelo ponto P = (1, 2, 3) e perpen-
dicular ao vetor ~i 2~j +~k.
4.3.3. Seja 1 o plano que passa pelos pontos A = (1, 1, 1), B = (1, 0, 1), C = (1, 1, 0) e 2 o plano que passa
ig
pelos pontos P = (0, 0, 1) e Q = (0, 0, 0) e paralelo ao vetor ~i + ~j. Ache o ngulo entre 1 e 2 .
4.3.4. Ache todas as retas que passam pelo ponto (1, 2, 3) e que formam ngulos de 45o e 60o com os eixos x
e y respectivamente.
D
4.3.5. Obtenha os vrtices B e C do tringulo equiltero ABC, sendo A = (1, 1, 0) e sabendo que o lado BC est

contido na reta r : ( x, y, z) = t (0, 1, 1). (Sugesto: Determine os pontos Pr da reta r tais que Pr A faz
ngulo de 60o e 120o com o vetor diretor da reta r)
4.3.6. Seja o plano que passa pela origem e perpendicular reta que une os pontos A = (1, 0, 0) e B =
(0, 1, 0). Encontre a distncia do ponto C = (1, 0, 1) ao plano .
ia
4.3.7. Seja r1 a reta que passa pelos pontos A = (1, 0, 0) e B = (0, 2, 0), e r2 a reta
y3 z4
x2 = = .
2 3
(a) Encontre as equaes da reta perpendicular s retas r1 e r2 ;
p
(b) Calcule a distncia entre r1 e r2 .

4.3.8. Dados A = (0, 2, 1), r : X = (0, 2, 2) + t (1,
1, 2), ache os pontos de r que distam 3 de A. A distncia
do ponto A reta r maior, menor ou igual 3? Por que?
4.3.9. Dada a reta r : X = (1, 0, 0) + t (1, 1, 1) e os pontos A = (1, 1, 1) e B = (0, 0, 1), ache o ponto de r
equidistante de A e B.

272 Retas e Planos
l
4.3.10. Encontre a equao do lugar geomtrico dos pontos equidistantes de A = (1, 1, 2) e B = (4, 3, 1). Este
plano passa pelo ponto mdio de AB? Ele perpendicular ao segmento AB?
ita

4.3.11. Ache as equaes dos planos que so perpendiculares ao vetor (2, 2, 2) e que distam 3 do ponto (1, 1, 1).
4.3.12. Determine os planos que contm a reta

x 2y + 2z = 0
r :
3x 5y + 7z = 0
ig
e formam com o plano 1 : x + z = 0 um ngulo de 60o .
4.3.13. (a) Verifique que a reta r : ( x, y, z) = (1, 0, 1) + t(1, 1, 0) paralela ao plano
: x + y + z = 0.
D
(b) Calcule a distncia de r a .
(c) Existem retas contidas no plano , que so reversas reta r e distam 2 desta?
4.3.14. (a) Determine a equao do plano 1 que passa por A = (10/3, 1, 1), B = (1, 9/2, 1) e
C = (1, 1, 5/6).
(b) Determine a equao do plano 2 que passa por D = (1, 4, 1), E = (3/2, 1, 10) e paralelo ao
ia
eixo z.
(c) Escreva equaes paramtricas para a reta r interseo dos planos 1 e 2 .
(d) Faa um esboo dos planos 1 , 2 e da reta r no primeiro octante.
(e) Qual o ngulo entre os planos 1 e 2 ?
p

(f) Qual o ponto P de 1 que est mais prximo da origem? (Sugesto: este ponto tal que OP
ortogonal ao plano 1 .)
(g) Qual a rea do tringulo ABC?
Exerccios Tericos
l
4.3.15. Prove que o lugar geomtrico dos pontos do espao que equidistam de dois pontos distintos
A = ( x1 , y1 , z1 ) e B = ( x2 , y2 , z2 ) um plano que passa pelo ponto mdio do segmento AB e per-
ita
pendicular a ele. Esse plano chamado plano mediador do segmento AB.
4.3.16. Mostre que a distncia de um ponto P0 = ( x0 , y0 , z0 ) a um plano : ax + by + cz + d = 0
| ax0 + by0 + cz0 + d|

dist( P0 , ) = .
a2 + b2 + c2
ig
4.3.17. Mostre que a distncia entre dois planos paralelos 1 : ax + by + cz + d1 = 0 e 2 : ax + by + cz + d2 = 0

| d2 d1 |
dist(1 , 2 ) = .
a2 + b2 + c2
D
4.3.18. Mostre que a distncia entre duas retas no paralelas r1 : ( x, y, z) = ( x1 + ta1 , y1 + tb1 , z1 + tc1 ) e
r2 : ( x, y, z) = ( x2 + ta2 , y2 + tb2 , z2 + tc2 )

x2 x1 y2 y1 z2 z1
det
a1 b1 c1

a2 b2 c2
ia
s 2 2 2
b1 c1 a1 c1 a1 b1
det + det + det
b2 c2 a2 c2 a2 b2
p

274 Retas e Planos
l
ita
r
ig

D
ia
Figura 4.31. Reta e plano concorrentes
p

l
4.3.19. O ngulo entre uma reta r que tem vetor diretor V = ( ar , br , cr ) e um plano que tem vetor normal
N = ( a , b , c ) definido pelo complementar do ngulo entre uma reta perpendicular ao plano e a
ita
reta r. Mostre que
|N V|
sen(r, ) = .
|| N ||||V ||
4.3.20. A distncia entre uma reta r que passa por um ponto P0 = ( x0 , y0 , z0 ) e tem vetor diretor V = ( ar , br , cr )
e um plano : a x + b y + c z + d = 0 definida como a menor distncia entre dois pontos um de
r e outro de . Se o vetor diretor da reta r, V = ( ar , br , cr ), no ortogonal ao vetor normal do plano
ig
, N = ( a , b , c ), ento a reta e o plano so concorrentes e a distncia entre eles igual zero, caso
contrrio a distncia igual distncia de uma ponto da reta r ao plano . Mostre que
| a x 0 + b y 0 + c z 0 + d |

p , se V N = 0
a2 + b 2 + c2

D
dist(r, ) =

0, caso contrrio

ia
p

276 Retas e Planos
Teste do Captulo
l
ita
1. Ache os pontos do plano : y = x que equidistam dos pontos A = (1, 1, 0) e B = (0, 1, 1).
ig
2. Determine m, n R para que a reta ( x, y, z) = (n, 2, 0) + t(2, m, m) esteja contida no plano
: x 3y + z = 1.
3.
D
(a) Encontre a equao do plano que passa pelos pontos A = (0, 0, 1), B = (0, 1, 0) e C = (1, 0, 1).
(b) Encontre a distncia da origem ao plano .
ia
4. (a) Mostre que os planos x y = 0 e y z = 1 se interceptam segundo uma reta r.
(b) Ache a equao do plano que passa pelo ponto A = (1, 0, 1) e perpendicular reta r.
p

l
ita
r
ig

D
ia
Figura 4.32. Reta e plano paralelos
p

l
ita
5
ig
E SPAOS Rn
5.1
D
Independncia Linear
J vimos que os vetores no plano so identificados com pares ordenados de nmeros
ia
reais e que vetores no espao so identificados com ternos ordenados de nmeros re-
ais. Muito do que estudamos sobre vetores no plano e no espao pode ser estendido
para n-uplas de nmeros reais, em que n pode ser um nmero inteiro positivo.
p
5.1.1 Os Espaos Rn
5.1 Independncia Linear 279
l
Definio 5.1. Para cada inteiro positivo n, o espao (vetorial) Rn definido pelo conjunto de todas as n-uplas
ita
ordenadas X = ( x1 , . . . , xn ) de nmeros reais.
ig
O conjunto R1 simplesmente o conjunto dos nmeros reais. O conjunto R2 o
conjunto dos pares de nmeros reais e o R3 o conjunto dos ternos de nmeros
reais.
No R3 o terno de nmeros ( x1 , x2 , x3 ) pode ser interpretado geometricamente
de duas maneiras: pode ser visto como um ponto, neste caso x1 , x2 e x3 so as co-
D
ordenadas do ponto (Figura 5.1), ou como um vetor, neste caso x1 , x2 e x3 so as
componentes do vetor (Figura 5.2). Tambm no Rn uma n-upla pode ser pensada
como um vetor ou como um ponto. Por exemplo, a quntupla X = (1, 2, 3, 5, 4)
pode ser pensada como um ponto no R5 , quando consideramos X como um ele-
mento do conjunto R5 , ou como um vetor do R5 , quando fazemos operaes com X,
como as que iremos definir adiante. Vamos chamar os elementos do Rn de pontos
ia
ou de vetores dependendo da situao.
Dois vetores V = (v1 , . . . , vn ) e W = (w1 , . . . , wn ) no Rn so considerados iguais
se v1 = w1 , . . . , vn = wn . As operaes de soma de vetores e multiplicao de vetor
por escalar no Rn so definidas de maneira anloga ao que fizemos no plano e no
p
espao.

280 Espaos Rn
l
Definio 5.2. (a) A soma de dois vetores V = (v1 , . . . , vn ) e W = (w1 , . . . , wn ) de Rn definida por
ita
V + W = ( v 1 + w1 , . . . , v n + w n ) ; (5.1)
(b) A multiplicao de um vetor V = (v1 , . . . , vn ) do Rn por um escalar definida por
V = ( v1 , . . . , v n ). (5.2)
ig
D
O vetor nulo de Rn denotado por 0 e definido por 0 = (0, . . . , 0). Se
V = (v1 , . . . , vn ) um vetor do Rn , ento o simtrico de V denotado por V
e definido por V = (v1 , . . . , vn ). A diferena de dois vetores no Rn definida
por V W = V + (W ). Se V e W so vetores do Rn tais que W = V, para algum
escalar , ento dizemos que W um mltiplo escalar de V.
Um vetor V = (v1 , . . . , vn ) de Rn pode tambm ser escrito na notao matricial
ia
como uma matriz linha ou como uma matriz coluna:

v1
V = ... ou V = v1 . . . vn .

p
vn
Estas notaes podem ser justificadas pelo fato de que as operaes matriciais

v1 w1 v 1 + w1 v1 v1
V + W = ... + ... = .. . .
, V = .. = ..

.
vn wn vn + wn vn vn

l
ou
ita

V +W = v1 ... v n + w1 . . . w n = v 1 + w1 . . . vn + wn ,

V = v1 . . . vn = v1 . . . vn
produzem os mesmos resultados que as operaes vetoriais
V + W = ( v 1 , . . . , v n ) + ( w1 , . . . , w n ) = ( v 1 + w1 , . . . , v n + w n )
ig
V = (v1 , . . . , vn ) = (v1 , . . . , vn ).
No teorema seguinte enunciamos as propriedades mais importantes da soma de
vetores e multiplicao de vetores por escalar no Rn .
D
Teorema 5.1. Sejam U = (u1 , . . . , un ), V = (v1 , . . . , vn ) e W = (w1 , . . . , wn ) vetores de Rn e e escalares. So
vlidas as seguintes propriedades:
ia
(a) U + V = V + U; (e) ( U ) = ()U;
(b) (U + V ) + W = U + (V + W ); (f) (U + V ) = U + V;
(c) U + 0 = U; (g) ( + )U = U + U;
p
(d) U + (U ) = 0; (h) 1U = U.
Demonstrao. Segue diretamente das propriedades da lgebra matricial (Teorema

1.1 na pgina 9).

282 Espaos Rn
l
O conceito de vetores pode ser generalizado ainda mais. Um conjunto no vazio
onde esto definidas as operaes de soma e multiplicao por escalar chamado
ita
espao vetorial se satisfaz as oito propriedades do Teorema 5.1 (ver por exemplo
[31]).
5.1.2 Combinao Linear

Uma combinao linear de vetores V1 , . . . , Vk , simplesmente uma soma de ml-
ig
tiplos escalares de V1 , . . . , Vk .
D
Definio 5.3. Um vetor V Rn uma combinao linear dos vetores V1 , . . . , Vk Rn , se existem escalares
x1 , . . . , xk que satisfazem a equao
x1 V1 + x2 V2 + . . . + xk Vk = V
ou seja, se a equao vetorial (5.3) possui soluo. Neste caso, dizemos tambm que V pode ser escrito como
(5.3)
ia
uma combinao linear de V1 , . . . , Vk .
p
Se k = 1, ento a equao (5.3) se reduz a x1 V1 = V, ou seja, V uma combinao

linear de V1 se, e somente se, V um mltiplo escalar de V1 .

Exemplo 5.1. Sejam V1 = (1, 0, 0) e V2 = (1, 1, 0), vetores de R3 . O vetor V = (2, 3, 2)
l
no uma combinao linear de V1 e V2 , pois a equao
ita
x1 V1 + x2 V2 = V, (5.4)
que pode ser escrita como
x1 (1, 0, 0) + x2 (1, 1, 0) = (2, 3, 2),
ou ainda,
ig
( x1 + x2 , x2 , 0) = (2, 3, 2),
x1 + x2 = 2
x2 = 3
D
0 = 2

que no possui soluo.
Exemplo 5.2. O vetor V = (2, 3, 0) uma combinao linear de V1 = (1, 0, 0) e

V2 = (1, 1, 0), pois a equao
ia
x1 V1 + x2 V2 = V (5.5)
ou
x1 (1, 0, 0) + x2 (1, 1, 0) = (2, 3, 0)
ou ainda,
p
( x1 + x2 , x2 , 0) = (2, 3, 0),
x1 + x2 = 2
x2 = 3
0 = 0

que possui soluo.

284 Espaos Rn
l
Exemplo 5.3. O vetor nulo 0 sempre combinao linear de quaisquer vetores
ita
V1 , . . . , Vk , pois
0 = 0V1 + . . . + 0Vk .
Exemplo 5.4. Todo vetor V = ( a, b, c) de R3 uma combinao linear de
ig
~i = (1, 0, 0), ~j = (0, 1, 0) e ~k = (0, 0, 1).
Pois,
( a, b, c) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1) = a~i + b~j + c~k.
D
ia
p

l
ita
z
ig
z
z z
( x, y, z) ( x, y, z)
x
x y
y
D x
x y
y
ia
Figura 5.1. Ponto ( x, y, z) R3 Figura 5.2. Vetor ( x, y, z) R3
p

286 Espaos Rn
l
ita
z z
ig
D
V = (2, 3, 2)
V1 = (1, 0, 0) V1 = (1, 0, 0)
V2 = (1, 1, 0) V2 = (1, 1, 0)
x y x y
ia
V = (2, 3, 0)
Figura 5.3. O vetor V no combinao linear de Figura 5.4. O vetor V combinao linear de V1 e
V1 e V2 V2
p

l
ita
ig
v3~k
V = ( v1 , v2 , v3 )
D
~k
~i ~j
v2~j
v1~i
ia
Figura 5.5. Vetores ~i, ~j e ~k Figura 5.6. V = v1~i + v2~j + v3~k
p

288 Espaos Rn
l
Para verificarmos se um vetor B combinao linear de um conjunto de vetores
{ A1 , . . . , An }, escrevemos a equao vetorial
ita
x1 A1 + x2 A2 + . . . + x n A n = B , (5.6)
e verificamos se ela tem soluo. Se A1 , . . . , An so vetores de Rm , a equao (5.6),

pode ser escrita como

a11 a1n b1
ig
x1 ... + . . . + xn ... = ...

am1 amn bm
que equivalente ao sistema linear
D
AX = B,
em que as colunas de A so os vetores Ai escritos como matrizes colunas, ou seja,

x1
..
A = [ A1 . . . An ] e X = . . Isto prova o seguinte resultado.
xn
ia
p
Proposio 5.2. Sejam A uma matriz m n e B uma matriz m 1. O vetor B combinao linear das colunas de A
se, e somente se, o sistema AX = B tem soluo.

5.1.3 Independncia Linear
l
ita
Definio 5.4. Dizemos que um conjunto S = {V1 , . . . , Vk } de vetores de Rn linearmente independente (LI)
se a equao vetorial
x1 V1 + x2 V2 + . . . + xk Vk = 0 (5.7)
ig
s possui a soluo trivial, ou seja, se a nica forma de escrever o vetor nulo como combinao linear dos
vetores V1 , . . . , Vk aquela em que todos os escalares so iguais a zero. Caso contrrio, isto , se (5.7) possui
soluo no trivial, dizemos que o conjunto S linearmente dependente (LD).
D
Exemplo 5.5. Um conjunto finito de vetores de Rn que contm o vetor nulo LD,
pois se {V1 , . . . , Vk } tal que Vj = 0, para algum j, ento
0V1 + . . . + 0Vj1 + 1Vj + 0Vj+1 + . . . + 0Vk = 0.

ia
Exemplo 5.6. Um conjunto formado por um nico vetor, {V1 }, no nulo LI, pois
x1 V1 = 0 equivalente a x1 = 0 ou V1 = 0. Mas, V1 6= 0; portanto x1 = 0.
p
Exemplo 5.7. Se {V1 , . . . , Vk } um conjunto de vetores LD, ento qualquer conjunto

finito de vetores que contenha V1 , . . . , Vk tambm LD, pois a equao
x1 V1 + . . . + xk Vk + 0 W1 + . . . + 0 Wm = 0
admite soluo no trivial.

290 Espaos Rn
Exemplo 5.8. Um conjunto formado por dois vetores de Rn , {V1 , V2 } LD se, e
l
somente se, a equao x1 V1 + x2 V2 = 0 possui soluo no trivial. Mas se isto acon-
ita
tece, ento um dos escalares x1 ou x2 pode ser diferente de zero. Se x1 6= 0, ento
V1 = ( x2 /x1 )V2 e se x2 6= 0, ento V2 = ( x1 /x2 )V1 . Ou seja, se {V1 , V2 } LD,
ento um dos vetores mltiplo escalar do outro.
Reciprocamente, se um vetor mltiplo escalar do outro, digamos se V1 = V2 ,
ento 1 V1 V2 = 0 e assim eles so LD. Portanto, podemos dizer que dois vetores
so LD se, e somente se, um um mltiplo escalar do outro.
Por exemplo, o conjunto S = {V1 , V2 }, em que V1 = (1, 0, 1) e V2 = (0, 1, 1), LI,
ig
pois um vetor no mltiplo escalar do outro.
D
ia
p

l
ita
ig
V2 V1
D
V1
V2
ia
Figura 5.7. Dois vetores linearmente dependen- Figura 5.8. Dois vetores linearmente independen-
tes tes
p

292 Espaos Rn
l
ita
ig
V2
V1
D
V3
V3 V2
V1
ia
Figura 5.9. Trs vetores linearmente dependentes Figura 5.10. Trs vetores linearmente dependen-
(paralelos) tes (dois paralelos)
p

l
ita
ig
V3
V1 V1
V3
D
V2 V2
ia
Figura 5.11. Trs vetores linearmente dependen- Figura 5.12. Trs vetores linearmente indepen-
tes (coplanares) dentes
p

294 Espaos Rn
l
Exemplo 5.9. Um conjunto formado por trs vetores de Rn , {V1 , V2 , V3 } LD se, e
ita
somente se, a equao x1 V1 + x2 V2 + x3 V3 = 0 possui soluo no trivial. Mas se
isto acontece, ento um dos escalares x1 ou x2 ou x3 pode ser diferente de zero. Se
x1 6= 0, ento V1 = ( x2 /x1 )V2 + ( x3 /x1 )V3 , ou seja, o vetor V1 combinao
linear de V2 e V3 . De forma semelhante, se x2 6= 0, ento V2 combinao linear de
V1 e V3 e se x3 6= 0, ento V3 combinao linear de V1 e V2 . Assim, se trs vetores
V1 , V2 e V3 do Rn so LD, ento um deles uma combinao linear dos outros dois,
ou seja, um deles uma soma de mltiplos escalares dos outros dois. No R3 temos
ig
que se trs vetores no nulos so LD, ento ou os trs so paralelos (Figura 5.9), ou
dois deles so paralelos (Figura 5.10) ou os trs so coplanares, isto , so paralelos
a um mesmo plano (Figura 5.11).
Reciprocamente, se um vetor uma combinao linear dos outros dois, digamos
se V1 = V2 + V3 , ento 1 V1 V2 V3 = 0 e assim eles so LD. Portanto, po-
D
demos dizer que trs vetores so LD se, e somente se, um deles uma combinao
linear dos outros dois. No R3 , se trs vetores so LI, ento eles no so coplanares
(Figura 5.12).
Exemplo 5.10. Vamos mostrar que os vetores

ia
E1 = (1, 0, . . . , 0), E2 = (0, 1, 0, . . . , 0), . . . , En = (0, . . . , 0, 1)
so LI. Em particular os vetores ~i = (1, 0, 0), ~j = (0, 1, 0) e ~k = (0, 0, 1) so LI. A
equao
x1 E1 + . . . + xn En = 0
p
pode ser escrita como
x1 (1, 0, . . . , 0) + . . . + xn (0, . . . , 0, 1) = (0, . . . , 0) .
Logo, ( x1 , . . . , xn ) = (0, . . . , 0), que equivalente ao sistema
x1 = 0, . . . , xn = 0 .

l
Para descobrir se um conjunto de vetores { A1 , . . . , An } LI, precisamos saber se a
equao vetorial
ita
x1 A1 + x2 A2 + . . . + xn An = 0 (5.8)
tem somente a soluo trivial. Se A1 , . . . , An so vetores de Rm , a equao (5.8), pode
ser escrita como

a11 a1n 0
x1 ... + . . . + xn ... = ...

ig
am1 amn 0
que equivalente ao sistema linear homogneo AX = 0, em que as colunas de A so

x1
os vetores Ai escritos como matrizes colunas, ou seja, A = [ A1 . . . An ] e X = ... .

D
xn
Isto prova o seguinte resultado.
ia
Proposio 5.3. Seja A uma matriz m n.
(a) As colunas de A so LI se, e somente se, o sistema AX = 0 tem somente a soluo trivial.
(b) Se m = n, ento as colunas de A so LI se, e somente se,
p
det( A) 6= 0.

296 Espaos Rn
Trs ou mais vetores no R2 , assim como quatro ou mais vetores no R3 e mais de n
l
vetores no Rn so sempre LD. Pois, nestes casos, o problema de verificar se eles so
ita
ou no LI leva a um sistema linear homogneo com mais incgnitas do que equaes,
que pelo Teorema 1.6 na pgina 47 tem sempre soluo no trivial.
ig
Corolrio 5.4. Em Rn um conjunto com mais de n vetores LD.
D
Exemplo 5.11. Considere os vetores V1 = (1, 0, 1), V2 = (0, 1, 1) e V3 = (1, 1, 1) de
R3 . Para sabermos se eles so LI ou LD, escrevemos a equao
x1 V1 + x2 V2 + x3 V3 = 0.
ia
Esta equao vetorial equivalente ao sistema linear AX = 0, em que

1 0 1
A = [ V1 V2 V3 ] = 0 1 1 .
p
1 1 1
Escalonando a matriz [ A | 0 ] podemos obter a sua forma escalonada reduzida

1 0 0 0
[ R |0 ] = 0 1 0 0 .
0 0 1 0

l
Conclumos, ento que o sistema A X = 0 possui somente a soluo trivial
ita
x1 = x2 = x3 = 0.
Portanto, os vetores V1 , V2 e V3 so LI.
Exemplo 5.12. Sejam V1 = (1, 2, 5), V2 = (7, 1, 5) e V3 = (1, 1, 1) vetores de R3 .
ig
Para sabermos se eles so LI ou LD, escrevemos a equao
x1 V1 + x2 V2 + x3 V3 = 0. (5.9)
Esta equao vetorial equivalente ao sistema linear AX = 0, em que
D

1 7 1
A = [ V1 V2 V3 ] = 2 1 1 .
5 5 1
A matriz [ A | 0 ] equivalente por linhas matriz escalonada reduzida

1 0 2/5 0
ia
[ R | 0 ] = 0 1 1/5 0 . (5.10)
0 0 0 0
Assim, a varivel x3 pode ser uma varivel livre que pode, portanto, assumir qual-
quer valor. Conclumos que o sistema A X = 0 e a equao vetorial (5.9) tm soluo
p
no trivial. Portanto, V1 , V2 e V3 so LD.
A expresso linearmente dependente sugere que os vetores dependam uns dos

outros em algum sentido. O teorema seguinte mostra que este realmente o caso.

298 Espaos Rn
l
ita
Teorema 5.5. Um conjunto S = {V1 , . . . , Vk } (k > 1) de vetores LD se, e somente se, pelo menos um dos vetores, Vj ,
for combinao linear dos outros vetores de S .
Demonstrao. Vamos dividir a demonstrao em duas partes:
ig
(a) Se Vj uma combinao linear dos demais vetores do conjunto S , isto , se
existem escalares 1 , . . . , j1 , j+1 , . . . , k tais que
1 V1 + . . . + j1 Vj1 + j+1 Vj+1 + . . . + k Vk = Vj ,
D
ento somando-se Vj a ambos os membros ficamos com
1 V1 + . . . + j1 Vj1 Vj + j+1 Vj+1 + . . . + k Vk = 0. (5.11)
Isto implica que a equao x1 V1 + . . . + xk Vk = 0 admite soluo no trivial,

pois o coeficiente de Vj em (5.11) 1. Portanto, S LD.
ia
(b) Se S LD, ento a equao
x1 V1 + x2 V2 + . . . + xk Vk = 0 (5.12)
admite soluo no trivial, o que significa que pelo menos um x j diferente
de zero. Ento, multiplicando-se a equao (5.12) por 1/x j e subtraindo-se
p
( xx1 )V1 + . . . + ( xxk )Vk obtemos

j j
! ! ! !
x1 x j 1 x j +1 xk
Vj = V1 . . . Vj1 Vj+1 . . . Vk .
xj xj xj xj
Portanto, um vetor Vj combinao linear dos outros vetores de S .

l
ita
Observao. Na demonstrao da segunda parte, vemos que o vetor, cujo escalar na combinao linear, puder
ser diferente de zero, pode ser escrito como combinao linear dos outros.
Exemplo 5.13. Sejam V1 = (1, 2, 5), V2 = (7, 1, 5) e V3 = (1, 1, 1) vetores do R3 .

Vamos escrever um dos vetores como combinao linear dos outros dois. Vimos no
Exemplo 5.12 que estes vetores so LD. De (5.10) segue-se que
ig
x1 V1 + x2 V2 + x3 V3 = 0
se, e somente se, x1 = (2/5), x2 = (1/5) e x3 = , para todo R.
Substituindo-se os valores de x1 , x2 e x3 na equao acima, ficamos com
D
(2/5)V1 (1/5)V2 + V3 = 0
Tomando-se = 1, obtemos
(2/5)V1 (1/5)V2 + V3 = 0
multiplicando-se por 5 e somando-se 2V1 + 5V3 , temos que V2 = 2V1 + 5V3 . Ob-
ia
serve que, neste exemplo, qualquer dos vetores pode ser escrito como combinao
linear dos outros. O prximo exemplo mostra que isto nem sempre acontece.
p
Exemplo 5.14. Sejam V1 = (2, 2, 2), V2 = (3, 3/2, 0) e V3 = (2, 1, 0).

{V1 , V2 , V3 } LD (xV1 + yV2 + zV3 = 0 x = 0, y = 2, z = 3, para R,
verifique!), mas V1 no combinao linear de V2 e V3 (Figura 5.10 na pgina 292).

300 Espaos Rn
5.1.4 Posies Relativas de Retas e Planos
l
ita
Posies Relativas de Duas Retas
Vamos estudar a posio relativa de duas retas, usando a dependncia linear de
vetores. Sejam r1 : ( x, y, z) = ( x1 + ta1 , y1 + tb1 , z1 + tc1 ) e
r2 : ( x, y, z) = ( x2 + ta2 , y2 + tb2 , z2 + tc2 ) as equaes de duas retas.
(a) Se os vetores diretores V1 = ( a1 , b1 , c1 ) e V2 = ( a2 , b2 , c2 ) so LD, ento as retas
so paralelas ou coincidentes. Alm de paralelas, elas so coincidentes, se um
ig
ponto de uma delas pertence a outra, por exemplo se P1 = ( x1 , y1 , z1 ) pertence
a r2 ou se P2 = ( x2 , y2 , z2 ) pertence a r1 . Ou ainda,

(i) Se V1 e P1 P2 ou V2 e P1 P2 so LD (com V1 e V2 LD), ento elas so coinci-
dentes.
D

(ii) Se V1 e P1 P2 ou V2 e P1 P2 so LI (com V1 e V2 LD), ento elas so paralelas
distintas.
(b) Se os vetores diretores V1 = ( a1 , b1 , c1 ) e V2 = ( a2 , b2 , c2 ) so LI, ento as retas
so reversas ou concorrentes.

(i) Se P1 P2 , V1 e V2 so LD (com V1 e V2 LI), ento as retas so concorrentes.
ia

(ii) Se P1 P2 , V1 e V2 so LI, ento as retas so reversas (Figura 5.13).
p

l
ita
ig
r2
V2
P2
V1 V2
r1
D P1
V1
ia
Figura 5.13. Duas retas reversas
p

302 Espaos Rn
Posies Relativas de Dois Planos
l
Vamos estudar a posio relativa dos dois planos usando a dependncia linear
ita
de vetores. Sejam 1 : a1 x + b1 y + c1 z + d1 = 0 e 2 : a2 x + b2 y + c2 z + d2 = 0 as
equaes de dois planos.
(a) Se os vetores normais N1 = ( a1 , b1 , c1 ) e N2 = ( a2 , b2 , c2 ) so LD, ento os pla-
nos so paralelos distintos ou coincidentes. Alm de paralelos, eles so coinci-
dentes se, e somente se, todo ponto que satisfaz a equao de um deles, satisfaz
tambm a equao do outro. Ou ainda,
ig
(i) Se os vetores ( a1 , b1 , c1 , d1 ) e ( a2 , b2 , c2 , d2 ) so LD, ento as equaes so
proporcionais e os planos so coincidentes.
(ii) Se os vetores ( a1 , b1 , c1 , d1 ) e ( a2 , b2 , c2 , d2 ) so LI (com N1 e N2 LD), ento
os planos so paralelos distintos (Figura 5.15).
D
(b) Se os vetores normais N1 = ( a1 , b1 , c1 ) e N2 = ( a2 , b2 , c2 ) so LI, ento os planos
so concorrentes (Figura 5.14).
ia
p

l
ita
1
ig
D 2
ia
Figura 5.15. Dois planos paralelos
Figura 5.14. Dois planos que se interceptam se-
gundo uma reta
p

304 Espaos Rn
Posies Relativas de Reta e Plano
l
Vamos estudar a posio relativa de uma reta e um plano usando a dependncia
ita
linear de vetores. Sejam r : ( x, y, z) = ( x1 + ta1 , y1 + tb1 , z1 + tc1 ) a equao de uma
reta e um plano que passa pelo ponto P2 = ( x2 , y2 , z2 ) e paralelo aos vetores
V2 = ( a2 , b2 , c2 ) e V3 = ( a3 , b3 , c3 ).
(a) Se o vetor diretor da reta r, V1 = ( a1 , b1 , c1 ), os vetores paralelos ao plano ,
V2 = ( a2 , b2 , c2 ) e V3 = ( a3 , b3 , c3 ) so LD, ento a reta e o plano so paralelos
ou a reta est contida no plano. A reta est contida no plano se alm dos vetores
ig
V1 , V2 e V3 forem LD, um ponto da reta pertence ao plano, por exemplo, se
P1 = ( x1 , y1 , z1 ) pertence a . Ou ainda,
(i) Se V1 = ( a1 , b1 , c1 ), V2 = ( a2 , b2 , c2 ) e V3 = ( a3 , b3 , c3 ) so LD e

V2 = ( a2 , b2 , c2 ), V3 = ( a3 , b3 , c3 ) e P1 P2 tambm so LD, ento a reta
D
est contida no plano.
(ii) Se V1 = ( a1 , b1 , c1 ), V2 = ( a2 , b2 , c2 ), V3 = ( a3 , b3 , c3 ) so LD, mas

V2 = ( a2 , b2 , c2 ), V3 = ( a3 , b3 , c3 ) e P1 P2 so LI, ento a reta paralela
ao plano, mas no est contida nele.
(b) Se V1 = ( a1 , b1 , c1 ), V2 = ( a2 , b2 , c2 ), V3 = ( a3 , b3 , c3 ) so LI, ento a reta
ia
concorrente ao plano.
p

l
ita
r
ig
r
D

ia
Figura 5.16. Reta e plano concorrentes
Figura 5.17. Reta e plano paralelos
p

306 Espaos Rn
l
5.1.1. Quais dos seguintes vetores so combinao linear de V1 = (5, 3, 1), V2 = (0, 4, 3) e V3 = (10, 18, 7)?
ita
(a) (10, 2, 5); (c) (2, 1, 1);
(b) (10, 2, 8); (d) (1, 2, 3).
5.1.2. Os vetores V1 = (5, 3, 1), V2 = (0, 4, 3) e V3 = (10, 18, 7) do exerccio anterior so LD ou LI? Caso
sejam LD escreva um deles como combinao linear dos outros.
ig
5.1.3. Quais dos seguintes conjuntos de vetores so linearmente dependentes?
(a) {(1, 1, 2), (1, 0, 0), (4, 6, 12)}; (c) {(1, 1, 1), (2, 3, 1), (3, 1, 2)};
(b) {(1, 2, 3), (2, 4, 6)}; (d) {(4, 2, 1), (6, 5, 5), (2, 1, 3)}.
5.1.4. Para quais valores de o conjunto de vetores {(3, 1, 0), (2 + 2, 2, 0)} LD?
D
5.1.5. Suponha que {V1 , V2 , V3 } um conjunto linearmente independente de vetores de Rn . Responda se
{W1 , W2 , W3 } linearmente dependente ou independente nos seguintes casos:
(a) W1 = V1 + V2 , W2 = V1 + V3 e W3 = V2 + V3 ;
(b) W1 = V1 , W2 = V1 + V3 e W3 = V1 + V2 + V3 .
ia
5.1.6. Sejam r1 : ( x, y, z) = (1 + 2t, t, 2 + 3t) e r2 : ( x, y, z) = (t, 1 + mt, 1 + 2mt) duas retas.
(a) Determine m para que as retas sejam coplanares (no sejam reversas).
(b) Para o valor de m encontrado, determine a posio relativa entre r1 e r2 .
p
(c) Determine a equao do plano determinado por r1 e r2 .
5.1.7. Sejam a reta r : ( x, y, z) = (1, 1, 1) + (2t, mt, t) e o plano paralelo aos vetores V1 = (1, 2, 0) e V2 = (1, 0, 1)
passando pela origem. Determine o valor de m para que a reta seja paralela ao plano. Para o valor de m
encontrado a reta est contida no plano?
5.1.8. Considere os seguintes vetores V1 = (1, 1, 0, 2), V2 = (2, 4, 2, 6) e V3 = (1, 3, 2, 4).

l
(a) Entre os vetores V4 = (3, 1, 2, 4), V5 = (2, 1, 1, 3) e V6 = (4, 3, 2, 2), quais so combi-
nao linear de V1 , V2 e V3 ? Para os que so combinao linear de V1 , V2 e V3 escreva a combinao
ita
linear.
(b) Os vetores V1 , V2 e V3 so LD ou LI? Caso sejam LD escreva um deles como combinao linear dos
outros.
Exerccios Tericos
5.1.9. Seja A uma matriz n n. Mostre que det( A) = 0 se, e somente se, uma de suas colunas combinao
ig
linear das outras.
5.1.10. Suponha que {V1 , V2 , . . . , Vn } um conjunto de vetores de Rn linearmente independente. Mostre que
se A uma matriz n n no singular, ento { AV1 , AV2 , . . . , AVn } tambm um conjunto linearmente
independente.
D
5.1.11. Se os vetores no nulos U, V e W so LD, ento W uma combinao linear de U e V?
ia
p

308 Espaos Rn
5.2 Subespaos, Base e Dimenso
l
ita
Sejam A uma matriz m n e W Rn o conjunto soluo do sistema linear homo-
gneo AX = 0. J vimos na Proposio 1.7 na pgina 48 que o conjunto W satisfaz
as seguintes propriedades:
(a) Se X e Y pertencem a W, ento X + Y tambm pertence a W.

(b) Se X pertence a W, ento X tambm pertence a W para todo escalar .
ig
Revise como foi feita a demonstrao dos itens (a) e (b) acima na Proposio 1.7
na pgina 48. Assim, se X e Y so solues de um sistema homogneo, ento X + Y
e X tambm o so. Portanto, combinaes lineares de solues de AX = 0 so
tambm solues de AX = 0.
D
O conjunto soluo de um sistema homogneo AX = 0 chamado de espao
soluo do sistema homogneo AX = 0. Ele se comporta como se fosse um espao,
no sentido de que fazendo soma de vetores do conjunto ou multiplicando vetores do
conjunto por escalar no samos dele.
Um subconjunto no vazio de Rn que satisfaz as propriedades (a) e (b) acima
chamado de subespao de Rn . Com relao as operaes de soma e multiplicao
ia
por escalar podemos viver nele sem termos que sair. Assim, o espao soluo do
sistema homogneo AX = 0 um subespao de Rn . Vale tambm a recproca, todo
subespao o espao soluo de um sistema homogneo (Exerccio 5.2.18 na pgina
331).
p

5.2 Subespaos Base e Dimenso 309
l
ita
ig
X1 + X2 X
X1
D
X
X2
ia
Figura 5.18. Soma de vetores do plano Figura 5.19. Multiplicao de vetor por escalar do
ax + by + cz = 0 plano ax + by + cz = 0
p

310 Espaos Rn
l
ita
ig
X1 + X2
X
X2
D
X1
X
ia
Figura 5.20. Soma de vetores da reta Figura 5.21. Multiplicao de vetor por escalar da
( x, y, z) = ( at, bt, ct) reta ( x, y, z) = ( at, bt, ct)
p

l
Exemplo 5.15. Os exemplos triviais de subespaos de Rn so o subespao formado
ita
somente pelo vetor nulo, W = {0} e W = Rn . Mas cuidado, o R2 no subespao
de R3 , pois o R2 (conjunto de pares de nmeros reais) no um subconjunto do R3
(conjunto de ternos de nmeros reais). O plano
W = {( x, y, z) R3 | z = 0} um subespao de R3 mas ele no o R2 .
Exemplo 5.16. Considere o sistema linear
ig

a1 x + b1 y + c1 z = 0
a x + b2 y + c2 z = 0
2
a3 x + b3 y + c3 z = 0
D
Cada equao deste sistema representada por um plano que passa pela origem. O
conjunto soluo um subespao de R3 e a interseo dos planos definidos pelas
equaes, podendo ser:
(a) Somente um ponto que a origem.
(b) Uma reta que passa pela origem.
ia
(c) Um plano que passa pela origem.
Vamos escrever toda soluo do sistema linear homogneo AX = 0 como uma com-
p
binao linear de um nmero finito de vetores V1 , . . . , Vk que so tambm soluo do

sistema.

312 Espaos Rn
Exemplo 5.17. Considere o sistema linear homogneo AX = 0, em que
l
ita

1 1 0 0 1
A = 2 2 1 1 1 .
1 1 1 1 0
Escalonando a matriz aumentada do sistema acima, obtemos a matriz escalonada

reduzida
1 1 0 0 1 0
ig
0 0 1 1 1 0 .
0 0 0 0 0 0
E assim a soluo geral do sistema pode ser escrita como
x1 = , x2 = , x3 = + , x4 = x5 =
D
para todos os valores de , , R, ou seja, o conjunto soluo do sistema AX = 0
W = {( x1 , x2 , x3 , x4 , x5 ) = ( , , + , , ) | , , R} .
Agora, um elemento qualquer de W pode ser escrito como uma combinao linear
ia
de vetores de W:
( , , + , , ) = (, 0, , 0, ) + (0, 0, , , 0) + (, , 0, 0, 0)
= (1, 0, 1, 0, 1) + (0, 0, 1, 1, 0) + (1, 1, 0, 0, 0)
p
Assim, todo vetor de W pode ser escrito como combinao linear dos vetores
V1 = (1, 0, 1, 0, 1), V2 = (0, 0, 1, 1, 0) e V3 = (1, 1, 0, 0, 0)
pertencentes a W (V1 obtido fazendo-se = 1 e = = 0, V2 fazendo-se = = 0
e = 1 e V3 fazendo-se = = 0 e = 1).
Neste caso dizemos que V1 = (1, 0, 1, 0, 1), V2 = (0, 0, 1, 1, 0) e V3 =
(1, 1, 0, 0, 0) geram o subespao W. Em geral temos a seguinte definio.

l
ita
Definio 5.5. Seja W um subespao de Rn (por exemplo, o espao soluo de um sistema linear homogneo
AX = 0). Dizemos que os vetores V1 , . . . , Vk pertencentes a W, geram W ou que {V1 , . . . , Vk } um conjunto
de geradores de W, se qualquer vetor de W combinao linear de V1 , . . . , Vk . Dizemos tambm que W o
subespao gerado por V1 , . . . , Vk .
ig
Uma questo importante encontrar o maior nmero possvel de vetores linear-
D
mente independentes em um subespao. O resultado a seguir responde a esta ques-
to.
ia
Teorema 5.6. Seja W subespao de Rn (por exemplo, o espao soluo de um sistema linear homogneo AX = 0). Seja
{V1 , . . . , Vm } um conjunto de vetores de W
p
(a) linearmente independente (LI),

(b) que gera W (ou seja, todo vetor X de W combinao linear de V1 , . . . , Vm ).
Ento, um conjunto com mais de m vetores em W linearmente dependente (LD).

314 Espaos Rn
l
Demonstrao. Seja {W1 , . . . , Wp } um subconjunto de W, com p > m. Vamos
ita
mostrar que {W1 , . . . , Wp } LD. Vamos considerar a combinao linear nula de
W1 , . . . , Wp
x1 W1 + x2 W2 + . . . + x p Wp = 0. (5.13)
Como qualquer elemento de W pode ser escrito como combinao linear de
V1 , . . . , Vm , em particular,
ig
m
Wj = b1j V1 + b2j V2 + . . . + bmj Vm = bij Vi , para j = 1, . . . , p . (5.14)
i =1
Assim, substituindo (5.14) em (5.13) e agrupando os termos que contm Vi , para
D
i = 1, . . . , m, obtemos
(b11 x1 + . . . + b1p x p )V1 + . . . + (bm1 x1 + . . . + bmp x p )Vm = 0. (5.15)
Como {V1 , . . . , Vm } LI, ento os escalares na equao (5.15) so iguais a zero. Isto
leva ao sistema linear
BX = 0,
ia
em que B = (bij )m p . Mas, este um sistema homogneo que tem mais incgnitas
do que equaes, portanto possui soluo no trivial, (Teorema 1.6 na pgina 47),
como queramos provar.
p
O resultado anterior mostra que se podemos escrever todo elemento do subespao

W como uma combinao linear de vetores V1 , . . . , Vm LI pertencentes a W, ento m
o maior nmero possvel de vetores LI em W.
No Exemplo 5.17 os vetores
V1 = (1, 0, 1, 0, 1), V2 = (0, 0, 1, 1, 0) e V3 = (1, 1, 0, 0, 0)

l
geram W. Alm disso de
ita
(1, 0, 1, 0, 1) + (0, 0, 1, 1, 0) + (1, 1, 0, 0, 0) = ( , , + , , )
segue-se que V1 , V2 e V3 so LI (por que?)

Assim, pelo Teorema 5.6 no podemos obter um nmero maior de vetores, em W,
LI. Neste caso dizemos que {V1 , V2 , V3 } uma base de W. Em geral temos a seguinte
definio.
ig
D
Definio 5.6. Seja W um subespao de Rn (por exemplo, o espao soluo de um sistema linear homogneo
AX = 0). Dizemos que um subconjunto {V1 , . . . , Vk } de W uma base de W, se
(a) {V1 , . . . , Vk } um conjunto de geradores de W (ou seja, todo vetor de W combinao linear de
V1 , . . . , Vk ) e
ia
(b) {V1 , . . . , Vk } LI.
p
Exemplo 5.18. Os vetores

E1 = (1, 0, . . . , 0), E2 = (0, 1, 0, . . . , 0), . . . , En = (0, . . . , 0, 1)
formam uma base do Rn . Pois, um vetor qualquer do Rn da forma V = ( a1 , . . . , an )

316 Espaos Rn
l
e pode ser escrito como uma soma de vetores, sendo um vetor para cada parmetro
e cada vetor dependendo apenas de um parmetro, obtendo
ita
V = ( a1 , . . . , a n ) = ( a1 , 0, . . . , 0) + (0, a2 , 0, . . . , 0) + . . . + (0, . . . , 0, an )
= a1 (1, 0, . . . , 0) + a2 (0, 1, 0, . . . , 0) + . . . + an (0, . . . , 0, 1).
Assim, os vetores E1 = (1, 0, . . . , 0), E2 = (0, 1, 0, . . . , 0), . . . , En = (0, . . . , 0, 1) geram

o Rn . Vimos no Exemplo 5.10 na pgina 294 que E1 , E2 , . . . En so LI. Esses vetores
formam a chamada base cannica de Rn . No caso do R3 , E1 = ~i, E2 = ~j e E3 = ~k.
ig
D
ia
p

l
ita
ig
V1 V = ( a, b, c)
D
V2
ia
Figura 5.22. V1 e V2 que formam uma base para o Figura 5.23. Vetor V = ( a, b, c) que base para a reta
plano ( x, y, z) = t( a, b, c)
p

318 Espaos Rn
l
Exemplo 5.19. Seja W = {( x, y, z) = t( a, b, c) | t R} uma reta que passa pela
ita
origem. Como o vetor diretor V = ( a, b, c) no nulo e gera a reta, ento {V } uma
base de W.
Exemplo 5.20. Seja W = {( x, y, z) R3 | ax + by + cz = 0} um plano que passa pela

origem. Vamos supor que a 6= 0. Um ponto ( x, y, z) satisfaz a equao
ig
ax + by + cz = 0 se, e somente se,
1
z = , y = , x = (c + b), para todos , R.
a
c b
D
Assim, o plano W pode ser descrito como W = {( , , ) | , R}.
a a
Assim, todo vetor de W pode ser escrito como uma soma de vetores, sendo um para
cada parmetro, obtendo
c b c b c b
( , , ) = ( , 0, ) + ( , , 0) = ( , 0, 1) + ( , 1, 0).
a a a a a a
ia
Assim, todo vetor de W pode ser escrito como uma combinao linear dos vetores
V1 = ( ac , 0, 1) e V2 = ( ba , 1, 0) pertencentes a W (V1 obtido fazendo-se = 1 e
= 0 e V2 , fazendo-se = 0 e = 1). Portanto, V1 = ( ac , 0, 1) e V2 = ( ba , 1, 0) ge-
ram o plano W. Como V1 e V2 so LI, pois um no mltiplo escalar do outro, ento
p
{V1 , V2 } uma base do plano W. Deixamos como exerccio para o leitor encontrar
uma base de W para o caso em que b 6= 0 e tambm para o caso em que c 6= 0.
Segue do Teorema 5.6 na pgina 313 que se W 6= {0} um subespao, ento qualquer
base de W tem o mesmo nmero de elementos e este o maior nmero de vetores LI
que podemos ter em W. O nmero de elementos de qualquer uma das bases de W
chamado de dimenso de W. Se W = {0} dizemos que W tem dimenso igual 0.

l
Exemplo 5.21. A dimenso do Rn n, pois como foi mostrado no Exemplo 5.18 na
ita
pgina 315,
E1 = (1, 0, . . . , 0), E2 = (0, 1, 0, . . . , 0), . . . , En = (0, . . . , 0, 1)
formam uma base do Rn .
ig
Exemplo 5.22. Pelo Exemplo 5.19 na pgina 318 uma reta que passa pela origem tem
dimenso 1 e pelo Exemplo 5.20 na pgina 318 um plano que passa pela origem tem
dimenso 2.
D
Vamos mostrar a seguir que se a dimenso de um subespao W m > 0, ento basta
conseguirmos m vetores LI em W, que teremos uma base.
ia
Teorema 5.7. Seja W um subespao de dimenso m > 0. Se m vetores, V1 , . . . , Vm W, so LI, ento eles geram o
subespao W e portanto formam uma base de W.
p
Demonstrao. Sejam V1 , . . . , Vm vetores LI e seja V um vetor qualquer do subespao

W. Vamos mostrar que V combinao linear de V1 , . . . , Vm . Considere a equao
vetorial
x1 V1 + x2 V2 + . . . + xm Vm + xm+1 V = 0 (5.16)

320 Espaos Rn
l
Pelo Teorema 5.6 na pgina 313, V1 , . . . , Vm , V so LD, pois so m + 1 vetores em um
subespao de dimenso m. Ento a equao (5.16) admite soluo no trivial, ou seja,
ita
pelo menos um xi 6= 0. Mas, xm+1 6= 0, pois caso contrrio, V1 , . . . , Vm seriam LD.
1
Ento, multiplicando-se a equao (5.16) por e subtraindo-se
x m +1
x1 x2 xm
V + V2 + . . . + Vm ,
x m +1 1 x m +1 x m +1
obtemos
x1 xm
V= V1 . . . Vm .
ig
x m +1 x m +1

Dos resultados anteriores, vemos que se a dimenso de um subespao, W, m > 0,
D
ento basta conseguirmos m vetores LI em W, que teremos uma base (Teorema 5.7)
e no podemos conseguir mais do que m vetores LI (Teorema 5.6 na pgina 313).
Exemplo 5.23. Do Teorema 5.7 segue-se que n vetores LI do Rn formam uma base
ia
de Rn . Por exemplo, 3 vetores LI do R3 formam uma base de R3 .
p

l
ita
ig
D
ia
p
Figura 5.24. O subespao W do Exemplo 5.24

322 Espaos Rn
l
ita
ig
D
ia
p
Figura 5.25. O subespao V do Exemplo 5.24

l
ita
ig
D
ia
p
Figura 5.26. Os subespaos W, V e V W do Exemplo 5.24

324 Espaos Rn
l
Exemplo 5.24. Sejam W o plano x + y + z = 0 e V o plano 4x 2y + z = 0. As-
ita
sim, o plano W tem vetor normal N1 = (1, 1, 1) e o plano V tem vetor normal
N2 = (4, 2, 1). A interseo W V a reta cujo vetor diretor
V = N1 N2 = (3, 3, 6) (revise o Exemplo 4.7 na pgina 237) e que passa pela
origem. Assim, a reta que a interseo, V W, tem equao ( x, y, z) = t(3, 3, 6),
para todo t R. Portanto, o vetor V = (3, 3, 6) gera a interseo V W. Como um
vetor no nulo LI, o conjunto {V = (3, 3, 6)} uma base da reta que a interseo
V W.
ig
Alternativamente, podemos encontrar as equaes paramtricas da reta V W,
interseo dos planos determinando a soluo geral do sistema (5.17)
W : x + y + z = 0,
(5.17)
V : 4x 2y + z = 0 .

1
4
1 1
2 1
D
Para isto devemos escalonar a matriz do sistema (5.17):
0
0

ia
Precisamos zerar o outro elemento da 1a. coluna, que a coluna do piv, para isto,
adicionamos 2a. linha, 4 vezes a 1a. linha.

a a a 1 1 1 0
41 linha + 2 linha 2 linha
. . .
0 6 3 0
p
Agora, j podemos obter facilmente a soluo geral do sistema dado, j que ele

x + y + z = 0
6y 3z = 0
A varivel z uma varivel livre. Podemos dar a ela um valor arbitrrio, digamos t,

l
para t R qualquer. Assim, a soluo geral do sistema (5.17)
x = 12 t

ita
y = 12 t para todo t R.
z = t

A reta que a interseo, V W, tem equao ( x, y, z) = t(1/2, 1/2, 1), para todo
t R (revise o Exemplo 4.7 na pgina 237). Portanto, o vetor V = (1/2, 1/2, 1)
gera a interseo V W. Como um vetor no nulo LI, o conjunto
ig
{V = (1/2, 1/2, 1)} uma base do subespao que a reta interseo de V com
W.
Observao. Como no exemplo anterior, em geral, o espao soluo de um sistema linear homogneo pode
ser visto como uma interseo de subespaos que so as solues de sistemas formados por subconjuntos de
D
equaes do sistema inicial.
Exemplo 5.25. Considere o subespao W = {( a + c, b + c, a + b + 2c) | a, b, c R}

de R3 . Vamos encontrar um conjunto de geradores e uma base para W.
ia
Qualquer elemento V de W pode ser escrito como uma soma de vetores, sendo
um vetor para cada parmetro e cada vetor dependendo apenas de um parmetro,
obtendo
V = ( a + c, b + c, a + b + 2c) = ( a, 0, a) + (0, b, b) + (c, c, 2c)
p
= a(1, 0, 1) + b(0, 1, 1) + c(1, 1, 2).

Logo, definindo V1 = (1, 0, 1), V2 = (0, 1, 1) e V3 = (1, 1, 2), temos que {V1 , V2 , V3 }
gera W. Para sabermos se {V1 , V2 , V3 } base de W, precisamos verificar se V1 , V2 e
V3 so LI. Para isto temos que saber se a equao vetorial
xV1 + yV2 + zV3 = 0 (5.18)

326 Espaos Rn
l
ou equivalentemente,
ita
A X = 0, em que A = [ V1 V2 V3 ]
s possui a soluo trivial. Escalonando a matriz A, obtemos

1 0 1
R = 0 1 1 .
0 0 0
ig
Logo 5.18 tem soluo no trivial. Assim, os vetores V1 , V2 e V3 so LD. A soluo
de (5.18) dada por x = , y = e z = , para todo R. Substituindo-se esta
soluo em (5.18) obtemos
V1 V2 + V3 = 0
D
Tomando-se = 1 obtemos V3 = V2 + V1 . Assim, o vetor V3 pode ser descartado
na gerao de W, pois ele combinao linear dos outros dois. Logo, apenas V1 e
V2 so suficientes para gerar W. Como alm disso, os vetores V1 e V2 so tais que
um no mltiplo escalar do outro, ento eles so LI e portanto {V1 , V2 } uma base
de W. Observe que a mesma relao que vale entre as colunas de R vale entre as
ia
colunas de A (por que?).
Exemplo 5.26. Considere os vetores V1 = (1, 1, 0, 3) e V2 = (3, 3, 2, 1) linear-

mente independentes de R4 . Vamos encontrar vetores V3 e V4 tais que {V1 , V2 , V3 , V4 }
p
formam uma base de R4 . Escalonando a matriz cujas linhas so os vetores V1 e V2 ,

1 1 0 3 1 1 0 3
A= , obtemos R =
3 3 2 1 0 0 1 4
Vamos inserir linhas que so vetores da base cannica na matriz R at conseguir

uma matriz 4 4 triangular superior com os elementos da diagonal diferentes de

l
zero. Neste caso acrescentando as linhas V3 = [ 0 1 0 0 ] e V4 = [ 0 0 0 1 ] em
posies adequadas obtemos a matriz
ita

1 1 0 3
0 1 0 0
R =
0

0 1 4
0 0 0 1
Vamos verificar que V1 , V2 , V3 e V4 so LI.
ig
x1 V1 + x2 V2 + x3 V3 + x4 V4 = 0
equivalente ao sistema linear
CX = 0, em que C = [ V1 V2 V3 V4 ].
D
Mas como det( R) 6= 0, ento det(C ) 6= 0, pelo Teorema 2.13 na pgina 108, pois
R pode ser obtida de C t aplicando-se operaes elementares. Logo {V1 , V2 , V3 , V4 }
LI. Como a dimenso do R4 igual 4 , ento pelo Teorema 5.7 na pgina 319,
{V1 , V2 , V3 , V4 } uma base de R4 .
ia
p

328 Espaos Rn
l
5.2.1. Encontre um conjunto de geradores para o espao soluo do sistema homogneo AX = 0, em que
ita

1 0 1 0 1 1 2 1
(a) A = 1 2 3 1 ; (b) A = 2 3 6 2 .
2 1 3 1 2 1 2 2
5.2.2. Para as matrizes A dadas, encontre os valores de tais que o sistema AX = X tem soluo no trivial
e para estes valores de , encontre uma base para o espao soluo:
ig

0 0 1 1 2 2 0
(a) A = 1 0 3 ; 1 2 1 0
(d) A = 1 1 2 0 .

0 1 3

2 2 3 4
0 0 0 1

0 2 3 2 2 3 0
D
(b) A = ;
0 0 1 1 (e) A = 0 1 0 ;
0 0 0 1 0 0 2

1 1 2 2 3 0
(c) A = 1 2 1 ; (f) A = 0 2 0 ;
0 1 1 0 0 2
ia
5.2.3. Determine uma base para a reta interseo dos planos x 7y + 5z = 0 e 3x y + z = 0.
5.2.4. Sejam V1 = (4, 2, 3), V2 = (2, 1, 2) e V3 = (2, 1, 0).
(a) Mostre que V1 , V2 e V3 so LD.

p
(b) Mostre que V1 e V2 so LI.

(c) Qual a dimenso do subespao gerado por V1 , V2 e V3 , ou seja, do conjunto das combinaes lineares
de V1 , V2 e V3 .
(d) Descreva geometricamente o subespao gerado por V1 , V2 e V3
5.2.5. Dados V1 = (2, 1, 3) e V2 = (2, 6, 4):

(a) Os vetores V1 e V2 geram o R3 ? Justifique.
l
(b) Seja V3 um terceiro vetor do R3 . Quais as condies sobre V3 , para que {V1 , V2 , V3 } seja uma base de
ita
R3 ?
(c) Encontre um vetor V3 que complete junto com V1 e V2 uma base do R3 .
5.2.6. Seja W o plano x + 2y + 4z = 0. Obtenha uma base {V1 , V2 , V3 } de R3 tal que V1 e V2 pertenam a W.
5.2.7. Considere os seguintes subespaos de R3 :
ig
V = [(1, 2, 3), (1, 3, 4)] e W = [(1, 2, 1), (0, 1, 1)].
Encontre as equaes paramtricas da reta V W e uma base para o subespao V W. A notao [V1 , V2 ]
significa o subespao gerado por V1 e V2 , ou seja, o conjunto de todas as combinaes lineares de V1 e V2 .
5.2.8. Seja V = {(3a + 4b 4c, 2a 4b 6c, 2a 4b + 2c) | a, b, c R} um subespao de R3 .
(b) Determine uma base para V.
D
(a) Determine um conjunto de geradores para V.
5.2.9. Dados V1 = (3, 5, 2, 1) e V2 = (1, 2, 1, 2):

ia
(a) Os vetores V1 e V2 geram o R4 ? Justifique.
(b) Sejam V3 e V4 vetores do R4 . Quais as condies sobre V3 e V4 para que {V1 , V2 , V3 , V4 } seja uma
base de R4 ?
(c) Encontre vetores V3 e V4 que complete junto com V1 e V2 uma base do R4 .
p
5.2.10. D exemplo de:
(a) Trs vetores: V1 , V2 e V3 , sendo {V1 } LI, {V2 , V3 } LI, V2 e V3 no so mltiplos de V1 e {V1 , V2 , V3 }
LD.
(b) Quatro vetores: V1 , V2 , V3 e V4 , sendo {V1 , V2 } LI, {V3 , V4 } LI, V3 e V4 no so combinao linear de
V1 e V2 e {V1 , V2 , V3 , V4 } LD.

330 Espaos Rn
l
ita

0 1 5 3
2 2 4 0
A=

1 2 4 0
2 4 4 2
(a) Determine os valores de R tais que o sistema AX = X tem soluo no trivial.
ig
(b) Para cada valor de encontrado no item anterior, encontre uma base para o espao soluo.
D
Exerccios Tericos
5.2.12. Seja A uma matriz m n. Mostre que se o conjunto soluo do sistema linear AX = B um subespao,
ento B = 0, ou seja, o sistema linear homogneo. (Sugesto: se X soluo de AX = B, ento Y = 0 X
tambm o .)
ia
5.2.13. Determine uma base para o plano ax + by + cz = 0 no caso em que b 6= 0 e no caso em que c 6= 0.
p
5.2.14. Sejam V e W vetores do Rn . Mostre que o conjunto dos vetores da forma V + W um subespao do
Rn .
5.2.15. Mostre que se uma reta em R2 ou em R3 no passa pela origem, ento ela no um subespao. (Sugesto:
se ela fosse um subespao, ento ...)

5
y
l
ita
4
ig
0
x
1
2 1 0 1 2 3 4
5.2.16. Sejam A uma matriz m n e B uma matriz m 1. Mostre que o conjunto dos vetores B para os quais o
D
sistema A X = B tem soluo um subespao de Rm . Ou seja, mostre que o conjunto
I( A) = { B Rm | B = A X, para algum X Rn }
um subespao de Rm .
ia
5.2.17. Sejam W1 e W2 dois subespaos.
(a) Mostre que W1 W2 um subespao.
(b) Mostre que W1 W2 um subespao se, e somente se, W1 W2 ou W2 W1 .
(c) Definimos a soma dos subespaos W1 e W2 por
p
W1 + W2 = {V1 + V2 | V1 W1 e V2 W2 }.
Mostre que W1 + W2 um subespao que contm W1 e W2 .

5.2.18. Sejam W um subespao de Rn e {W1 , . . . , Wk } uma base de W. Defina a matriz B = [ W1 . . . Wk ]t , com
W1 , . . . , Wk escritos como matrizes colunas. Sejam W o espao soluo do sistema homogneo BX = 0

332 Espaos Rn
e {V1 , . . . , Vp } uma base de W . Defina a matriz A = [ V1 . . . Vp ]t , com V1 , . . . , Vp escritos como matrizes
l
colunas. Mostre que W o espao soluo do sistema homogneo AX = 0, ou seja,
ita
W = { X R p | AX = 0}.
5.2.19. Sejam A uma matriz m n e B uma matriz m 1. Seja X0 uma soluo (particular) do sistema linear
A X = B. Mostre que se {V1 , . . . , Vk } uma base para o espao soluo do sistema homogneo AX = 0,
ento toda soluo de A X = B pode ser escrita na forma
ig
X = X0 + 1 V1 + . . . + k Vk ,
em que 1 , . . . , k so escalares. (Sugesto: use o Exerccio 1.2.21 na pgina 66)

5.2.20. Mostre que a dimenso do subespao gerado pelas linhas de uma matriz escalonada reduzida igual
D
dimenso do subespao gerado pelas suas colunas.
5.2.21. Mostre que a dimenso do subespao gerado pelas linhas de uma matriz igual dimenso do subespao
gerado pelas suas colunas. (Sugesto: Considere a forma escalonada reduzida da matriz A e use o
exerccio anterior.)
ia
p

l
ita
Apndice IV: Outros Resultados
ig
Teorema 5.8. Um subconjunto {V1 , V2 , . . . , Vm } de um subespao W uma base para W se, e somente se, todo vetor X
de W escrito de maneira nica como combinao linear de V1 , V2 , . . . , Vm .
D
Demonstrao. Em primeiro lugar, suponha que todo vetor X de W escrito
de maneira nica como combinao linear de V1 , . . . , Vm . Vamos mostrar que
{V1 , V2 , . . . , Vm } uma base de W. Como todo vetor escrito como combinao
linear de V1 , . . . , Vm , basta mostrarmos que V1 , . . . , Vm so LI. Considere a equao
ia
x1 V1 + . . . + xm Vm = 0.
Como todo vetor escrito de maneira nica como combinao linear de V1 , . . . , Vm ,

em particular temos que para X = 0,
p
x1 V1 + . . . + xm Vm = 0 = 0V1 + . . . + 0Vm ,
o que implica que x1 = 0, . . . , xm = 0, ou seja, V1 , . . . , Vm so linearmente indepen-

dentes. Portanto, {V1 , V2 , . . . , Vm } base de W.
Suponha, agora, que {V1 , V2 , . . . , Vm } base de W. Seja X um vetor qualquer de
W. Se
x1 V1 + . . . + xm Vm = X = y1 V1 + . . . + ym Vm ,

334 Espaos Rn
l
ento
( x1 y1 )V1 + . . . + ( xm ym )Vm = 0.
ita
Como V1 , . . . , Vm formam uma base de W, ento eles so LI, o que implica que x1 =
y1 , . . . , xm = ym . Portanto, todo vetor X de W escrito de maneira nica como
combinao linear de V1 , . . . , Vm .
ig
Teorema 5.9. Se S = {V1 , . . . , Vk } um conjunto de vetores que gera um subespao W, ou seja,
W = [S] = [V1 , . . . , Vk ], ento existe um subconjunto de S que base de W.
D
Demonstrao. Se S LI, ento S uma base de W. Caso contrrio, S LD e pelo
Teorema 5.5 na pgina 298, um dos vetores de S combinao linear dos outros. As-
ia
sim, o subconjunto de S obtido retirando-se este vetor continua gerando W. Se esse
subconjunto for LI, temos uma base para W, caso contrrio, continuamos retirando
vetores do subconjunto at obtermos um subconjunto LI e a neste caso temos uma
base para W.
p
Vamos mostrar que se a dimenso de um subespao W m, ento m vetores que

geram o subespao, W, formam uma base (Corolrio 5.10) e que no podemos ter
menos que m vetores gerando o subespao (Corolrio 5.11).
So simples as demonstraes dos seguintes corolrios, as quais deixamos como
exerccio.

l
ita
Corolrio 5.10. Em um subespao, W, de dimenso m > 0, m vetores que geram o subespao, so LI e portanto formam
uma base.
ig
D
Corolrio 5.11. Em um subespao, W, de dimenso m > 0, um conjunto com menos de m vetores no gera o subespao.
ia
p
Teorema 5.12. Se R = {V1 , . . . , Vk } um conjunto de vetores LI em um subespao W de Rn , ento o conjunto R pode

ser completado at formar uma base de W, ou seja, existe um conjunto S = {V1 , . . . , Vk , Vk+1 . . . , Vm } (R S ), que
uma base de W.

336 Espaos Rn
Demonstrao. Se {V1 , . . . , Vk } gera W, ento {V1 , . . . , Vk } uma base de W. Caso
l
contrrio, seja Vk+1 um vetor que pertence a W, mas no pertence ao subespao ge-
ita
rado por {V1 , . . . , Vk }. Ento, o conjunto {V1 , . . . , Vk , Vk+1 } LI, pois caso contrrio
x1 V1 + . . . + xk+1 Vk+1 = 0, implicaria que xk+1 6= 0 (por que?) e assim, Vk+1 se-
ria combinao linear de V1 , . . . , Vk , ou seja, Vk+1 pertenceria ao subespao Wk . Se
{V1 , . . . , Vk+1 } gera W, ento {V1 , . . . , Vk+1 } uma base de W. Caso contrrio, o
mesmo argumento repetido para o subespao gerado por {V1 , . . . , Vk , Vk+1 }.
Pelo Corolrio 5.4 na pgina 296 este processo tem que parar, ou seja,
existe um inteiro positivo m n tal que {V1 , . . . , Vk , Vk+1 , . . . , Vm } LI, mas
ig
{V1 , . . . , Vk , Vk+1 , . . . , Vm , V } LD, para qualquer vetor V de W. O que implica
que V combinao linear de {V1 , . . . , Vk , Vk+1 , . . . , Vm } (por que?). Portanto,
{V1 , . . . , Vk , Vk+1 , . . . , Vm } uma base de W.
D
ia
p

l
ita
Corolrio 5.13. Todo subespao de Rn diferente do subespao trivial {0} tem uma base e a sua dimenso menor ou
igual n.
ig
Os prximos resultados so aplicaes dos resultados anteriores s matrizes.
D
Proposio 5.14. Sejam A e B matrizes m n equivalentes por linhas. Sejam A1 , . . . , An as colunas 1, . . . , n, respec-
tivamente, da matriz A e B1 , . . . , Bn as colunas 1, . . . , n, respectivamente, da matriz B.
(a) Bj1 , . . . , Bjk so LI se, e somente se, A j1 , . . . , A jk tambm o so.

ia
(b) Se existem escalares j1 , . . . , jk tais que
Ak = j1 A j1 + + jk A jk ,
p
ento
Bk = j1 Bj1 + + jk Bjk ,
(c) O subespao gerado pelas linhas de A igual ao subespao gerado pelas linhas de B.

338 Espaos Rn
l
Demonstrao. Se B equivalente por linhas a A, ento B pode ser obtida de A
ita
aplicando-se uma sequncia de operaes elementares. Aplicar uma operao ele-
mentar a uma matriz corresponde a multiplicar a matriz esquerda por uma matriz
invertvel (Teorema 1.8 na pgina 54). Seja M o produto das matrizes invertveis cor-
respondentes s operaes elementares aplicadas na matriz A para se obter a matriz
B. Ento M invertvel e B = MA.
(a) Vamos supor que Bj1 , . . . , Bjk so LI e vamos mostrar que A j1 , . . . , A jk tambm o
ig
so. Se
x j1 A j1 + + x jk A jk = 0,
ento multiplicando-se esquerda pela matriz M obtemos
x j1 MA j1 + + x jk MA jk = 0.
D
Como MA j = Bj , para j = 1, . . . , n (Exerccio 1.1.18 (a) na pgina 25), ento
x j1 Bj1 + + x jk Bjk = 0.
Assim, se Bj1 , . . . , Bjk so LI, ento x j1 = . . . = x jk = 0. O que implica que
A j1 , . . . , A jk tambm so LI.
ia
Trocando-se B por A o argumento acima mostra que se A j1 , . . . , A jk so LI, ento
Bj1 , . . . , Bjk tambm o so.
(b) Sejam j1 , . . . , jk escalares tais que
Ak = j1 A j1 + + jk A jk ,
p
ento multiplicando-se esquerda pela matriz M obtemos

MAk = j1 MA j1 + + jk MA jk .
Como MA j = Bj , para j = 1, . . . , n (Exerccio 1.1.18 (a) na pgina 25), ento
Bk = j1 Bj1 + + jk Bjk .

l
(c) A matriz B obtida de A aplicando-se uma sequncia de operaes elementares
s linhas de A. Assim, toda linha de B uma combinao linear das linhas
ita
de A. Logo, o espao gerado pelas linhas de B est contido no espao gerado
pelas linhas de A. Como toda operao elementar tem uma operao elementar
inversa, o argumento anterior tambm mostra que o espao gerado pelas linhas
de A est contido no espao gerado pelas linhas de B. Portanto, eles so iguais.

ig
Vamos agora provar a unicidade da forma escalonada reduzida.
D
Teorema 5.15. Se R = (rij )mn e S = (sij )mn so matrizes escalonadas reduzidas equivalentes por linhas a uma
matriz A = ( aij )mn , ento R = S.
ia
Demonstrao. Sejam S e R matrizes escalonadas reduzidas equivalentes a A. Sejam
R1 , . . . , Rn as colunas de R e S1 , . . . , Sn as colunas de S. Seja r o nmero de linhas no
p
nulas de R. Sejam j1 , . . . , jr as colunas onde ocorrem os pivs das linhas 1, . . . , r,

respectivamente, da matriz R. Ento R e S so equivalentes por linha, ou seja, existe
uma sequncia de operaes elementares que podemos aplicar em R para chegar a S
e uma outra sequncia de operaes elementares que podemos aplicar a S e chegar
a R.
Assim, como as colunas 1, . . . , j1 1 de R so nulas o mesmo vale para as colunas
1, . . . , j1 1 de S. Logo o piv da 1a. linha de S ocorre numa coluna maior ou igual

340 Espaos Rn
l
j1 . Trocando-se R por S e usando este argumento chegamos a concluso que R j1 = S j1
e assim R1 = S1 , . . . , R j1 = S j1 .
ita
Vamos supor que R1 = S1 , . . . , R jk = S jk e vamos mostrar que
R jk +1 = S jk +1 , . . . , R jk+1 = S jk+1 , se k < r ou
R jr +1 = S jr +1 , . . . , Rn = Sn , se k = r.
Observe que para j = jk + 1, . . . , jk+1 1, se k < r, ou para j = jr + 1, . . . , n, se
ig
k = r, temos que
R j = (r1j , . . . , rkj , 0, . . . , 0) = r1j R j1 + . . . + rkj R jk ,
o que implica pela Proposio 5.14 (b) na pgina 337 que
D
S j = r1j S j1 + . . . + rkj S jk .
Mas por hiptese R j1 = S j1 , . . . , R jk = S jk , ento,
S j = r1j R j1 + . . . + rkj R jk = R j ,
ia
para j = jk + 1, . . . , jk+1 1, se k < r ou para j = jr + 1, . . . , n, se k = r.
Logo, se k < r, o piv da (k + 1)-sima linha de S ocorre numa coluna maior
ou igual jk+1 . Trocando-se R por S e usando o argumento anterior chegamos a
concluso que R jk+1 = S jk+1 e assim R1 = S1 , . . . , R jr = S jr . E se k = r, ento
p
R 1 = S1 , . . . , R n = S n .
Portanto, R = S.

5.3. Produto Escalar em Rn 341
5.3 Produto Escalar em Rn
l
ita
5.3.1 Produto Interno
Vimos que podemos estender a soma e a multiplicao de vetores por escalar para
o Rn . Podemos estender tambm os conceitos de produto escalar e ortogonalidade.
ig
Definio 5.7. (a) Definimos o produto escalar ou interno de dois vetores X = ( x1 , . . . , x n ) Rn e
D
Y = (y1 , . . . , yn ) Rn por
n
X Y = x1 y1 + x2 y2 + . . . + x n y n = xi yi .
i =1
(b) Definimos a norma de um vetor X = ( x1 , . . . , xn ) Rn por

ia
s
q n
|| X || = XX = x12 + . . . + xn2 = xi2 .
i =1
p

342 Espaos Rn
l
Escrevendo os vetores como matrizes colunas, o produto interno de dois vetores
ita

x1 y1
X = ... e Y = ...

xn yn
pode ser escrito em termos do produto de matrizes como
X Y = X t Y.
ig
Exemplo 5.27. Sejam V = (1, 2, 4, 3, 5) e W = (5, 3, 1, 2, 1) vetores do R5 . O
D
produto escalar entre V e W dado por
V W = (1)(5) + (2)(3) + (4)(1) + (3)(2) + (5)(1) = 6.
As normas de V e W so dadas por

ia
q
||V || = 12 + (2)2 + 42 + 32 + 52 = 55,
q
||W || = 52 + 32 + (1)2 + (2)2 + 12 = 40.
p
So vlidas as seguintes propriedades para o produto escalar e a norma de vetores

de Rn .

5.3 Produto Escalar em Rn 343
l
ita
Proposio 5.16. Se X, Y e Z so vetores de Rn e um escalar, ento
(a) X Y = Y X (comutatividade);
(b) X (Y + Z ) = X Y + X Z (distributividade em relao soma);
(c) (X ) Y = ( X Y ) = X (Y );
ig
(d) X X = || X ||2 0 e || X || = 0 se, e somente se, X = 0;
(e) ||X || = || || X ||;
(f) | X Y | || X ||||Y || (desigualdade de Cauchy-Schwarz);
D
(g) || X + Y || || X || + ||Y || (desigualdade triangular).
ia
Demonstrao. Sejam X, Y, Z Rn e R. Usando o fato de que se os vetores so
escritos como matrizes colunas, ento o produto escalar pode ser escrito como o pro-
duto de matrizes, X Y = X t Y, e as propriedades da lgebra matricial (Teorema 1.1
na pgina 9), temos que
p
(a) X Y = x1 y1 + + xn yn = y1 x1 + + yn xn = Y X.
(b) X (Y + Z ) = X t (Y + Z ) = X t Y + X t Z = X Y + X Z.
(c) ( X Y ) = ( X t Y ) = (X t )Y = (X )t Y = (X ) Y. A outra igualdade
inteiramente anloga.
(d) X X uma soma de quadrados, por isso sempre maior ou igual zero e
zero se, e somente se, todas as parcelas so iguais a zero.

344 Espaos Rn
(e) ||X ||2 = (x1 )2 + + (xn )2 = 2 ( x12 + + xn2 ) = 2 || X ||2 . Tomando a raiz
l
quadrada, segue-se o resultado.
ita
(f) A norma de X + Y maior ou igual zero, para qualquer real. Assim,
0 ||X + Y ||2 = (X + Y ) (X + Y ) = (|| X ||2 )2 + (2X Y ) + ||Y ||2 ,
para qualquer real. Logo, o discriminante deste trinmio tem que ser menor
ou igual zero. Ou seja, = 4( X Y )2 4|| X ||2 ||Y ||2 0. Logo,
| X Y | || X || ||Y ||.
ig
(g) Pelo item anterior temos que
|| X + Y ||2 = ( X + Y ) ( X + Y ) = || X ||2 + 2X Y + ||Y ||2

|| X ||2 + 2| X Y | + ||Y ||2
D
|| X ||2 + 2|| X ||||Y || + ||Y ||2 = (|| X || + ||Y ||)2 .
Tomando a raiz quadrada, segue-se o resultado.

ia
Dizemos que dois vetores X e Y so ortogonais se X Y = 0. As propriedades do
produto escalar permitem introduzir o conceito de bases ortogonais no Rn . Antes
temos o seguinte resultado.
p
Proposio 5.17. Se V1 , . . . , Vk so vetores no nulos de Rn ortogonais, isto , Vi Vj = 0, para i 6= j, ento

l
(a) O conjunto {V1 , . . . , Vk } LI.
ita
k
V Vi
(b) Se V = i Vi , ento i = ||Vi ||2
.
i =1
ig
Demonstrao. (a) Considere a equao vetorial
x1 V1 + . . . + xk Vk = 0 . (5.19)
Fazendo o produto escalar de ambos os membros de (5.19) com Vi , i = 1, . . . , k
D
e aplicando as propriedades do produto escalar, obtemos
x1 (V1 Vi ) + . . . + xi (Vi Vi ) + . . . + xk (Vk Vi ) = 0 . (5.20)
Mas, Vi Vj = 0, se i 6= j. Assim, de (5.20) obtemos que

ia
xi ||Vi ||2 = 0 .
Mas, como Vi 6= 0, ento ||Vi || 6= 0 e xi = 0, para i = 1 . . . , k.

(b) Seja
k
p
V= i Vi . (5.21)
i =1
Fazendo o produto escalar de V com Vj , para j = 1, . . . , k, obtemos que

!
k k
i Vi i Vi Vj = j ||Vj ||2 .

V Vj = Vj =
i =1 i =1

346 Espaos Rn
l
Assim,
V Vj
j = , para j = 1, . . . , k.
ita
||Vj ||2

Observe que o item (a) uma consequncia imediata do item (b).
ig
Definimos a projeo ortogonal de um vetor V sobre um vetor no nulo W, por
V W

projW V = W.
||W ||2
D
Observe que a projeo ortogonal de um vetor V sobre um vetor no nulo W
um mltiplo escalar do vetor W. Alm disso temos o seguinte resultado.
ia
p

l
ita
Proposio 5.18. Seja W Rn um vetor no nulo. Ento, V projW V ortogonal a W, para qualquer vetor V Rn .
Demonstrao. Precisamos calcular o produto escalar de W com V projW V:
ig
V W

(V projW V ) W = V W W W = 0.
||W ||2
Portanto, V projW V ortogonal a W.

D
O prximo resultado uma generalizao da Proposio 5.18.
ia
p
Proposio 5.19. Sejam W1 , W2 , . . . , Wk vetores no nulos de Rn , ortogonais entre si, ento para qualquer vetor V,
V projW1 V . . . projWk V
ortogonal a Wi , para i = 1, . . . , k.

348 Espaos Rn
l
Demonstrao. Vamos calcular o produto interno de V projW1 V . . . projWk V
ita
com Wj , para j = 1, . . . , k.
! !
k k V Wj
V Wi

V projWi V Wj = V Wj Wi Wj = V Wj Wj Wj = 0,
i =1 i =1
||Wi ||2 ||Wj ||2
pois Wi Wj = 0, se i 6= j e Wj Wj = ||Wj ||2 .
ig

D
ia
p

l
ita
V
V projW V
V projW V
V
projW V W projW V W
ig
Figura 5.27. Projeo ortogonal do vetor V sobre o vetor W
D V
V projW V projW V
2
ia
1
W1
W2
projW V
1
p
projW V
2
projW V + projW V
1 2
Figura 5.28. V projW1 V projW2 V ortogonal a W1 e a W2

350 Espaos Rn
l
ita
Vamos mostrar no prximo exemplo como encontrar no conjunto soluo do sistema
linear homogneo AX = 0 um conjunto com o maior nmero possvel de vetores
unitrios (com norma igual 1) ortogonais.
ig
Exemplo 5.28. Considere o sistema linear homogneo AX = 0, em que

1 1 0 0 1
A = 2 2 1 1 1 .
1 1 1 1 0
Escalonando a matriz aumentada do sistema
reduzida
1 1 0
0 0 1 1
0 0 0
0
0 D acima, obtemos a matriz escalonada
1 0

1 0 .
0 0
ia
E assim a soluo geral do sistema pode ser escrita como
x1 = , x2 = , x3 = + , x4 = x5 =
para todos os valores de , , R, ou seja, o conjunto soluo do sistema AX = 0
W = {( x1 , x2 , x3 , x4 , x5 ) = ( , , + , , ) | , , R} .
Agora, um elemento qualquer de W pode ser escrito como uma combinao linear
de vetores de W:
( , , + , , ) = (, 0, , 0, ) + (0, 0, , , 0) + (, , 0, 0, 0)
= (1, 0, 1, 0, 1) + (0, 0, 1, 1, 0) + (1, 1, 0, 0, 0)

l
Assim, todo vetor de W pode ser escrito como combinao linear dos vetores
V1 = (1, 0, 1, 0, 1), V2 = (0, 0, 1, 1, 0) e V3 = (1, 1, 0, 0, 0)
ita
pertencentes a W (V1 obtido fazendo-se = 1 e = = 0, V2 fazendo-se = = 0
e = 1 e V3 fazendo-se = = 0 e = 1). Alm disso segue da equao anterior
que V1 , V2 e V3 so LI. Logo {V1 , V2 , V3 } uma base de W.
Vamos, agora, encontrar uma base ortonormal para W. Para isso vamos aplicar a
Proposio 5.18 na pgina 347.
W1 = V1 = (1, 0, 1, 0, 1);
ig
1 1
W2 = V2 projW1 V2 = (0, 0, 1, 1, 0) + (1, 0, 1, 0, 1) = (1, 0, 2, 3, 1)
3 3
1 1
W3 = V3 projW1 V3 projW2 V3 = (1, 1, 0, 0, 0) (1, 0, 1, 0, 1) (1, 0, 2, 3, 1)
3 15
D
1
= (3, 5, 1, 1, 2)
5
Agora, vamos dividir cada vetor pela sua norma para obtermos vetores de norma
igual 1 (unitrios).

1 1 1 1
ia
U1 = W1 = ( , 0, , 0, )
||W1 || 3 3 3

1 1 2 3 1
U2 = W2 = ( , 0, , , )
||W2 || 15 15 15 15

1 3 5 1 1 1
p
U3 = W3 = ( , , , , )
||W3 || 2 10 2 10 2 10 2 10 10
5.3.2 Bases Ortogonais e Ortonormais

352 Espaos Rn
l
ita
Definio 5.8. Seja {V1 , . . . , Vk } uma base de um subespao de Rn .
(a) Dizemos que {V1 , . . . , Vk } uma base ortogonal, se Vi Vj = 0, para i 6= j, ou seja, se quaisquer dois
vetores da base so ortogonais;
(b) Dizemos que {V1 , . . . , Vk } uma base ortonormal, se alm de ser uma base ortogonal, ||Vi || = 1, ou seja,
ig
o vetor Vi unitrio, para i = 1, . . . m.
D
Exemplo 5.29. A base cannica de Rn , que formada pelos vetores
E1 = (1, 0, . . . , 0), E2 = (0, 1, 0, . . . , 0), ... En = (0, . . . , 0, 1)
ia
uma base ortonormal de Rn .
Exemplo 5.30. No Exemplo 5.28, {W1 , W2 , W3 } uma base ortogonal de W e

p
{U1 , U2 , U3 } uma base ortonormal de W.
O resultado a seguir mostra que o procedimento usado no Exemplo 5.28 conhecido

como processo de ortogonalizao de Gram-Schmidt pode ser aplicado a qualquer
subespao de Rn . Nas Figuras 5.29 e 5.30 vemos como isto possvel no caso em que
o subespao o R3 , j que o R3 subespao dele mesmo.

l
ita
ig
W3 =
V3 projW V3
1
projW V3
2
V3 V3
W1 = V1
W2 =
V2 projW V2
1
D projW V3
W1 W2
projW V3
2
ia
projW V2 V2 1
1
projW V3 + projW V3
1 2
Figura 5.29. W1 = V1 e W2 = V2 projW1 V2 Figura 5.30. W3 = V3 projW1 V3 projW2 V3

p

354 Espaos Rn
l
ita
Teorema 5.20 (Gram-Schmidt). Seja {V1 , . . . , Vk } uma base de um subespao W de Rn . Ento, existe uma base
{U1 , . . . , Uk } de W que ortonormal e tal que o subespao gerado por U1 , . . . , Uj igual ao subespao gerado por
V1 , . . . , Vj para j = 1, . . . , k.
ig
Demonstrao. (a) Sejam
W1
W2
W3
=
=
=
...
V1 ,
V2 projW1 V2 ,
D
V3 projW1 V3 projW2 V3 ,
ia
Wk = Vk projW1 Vk projW2 Vk . . . projWk1 Vk .
Pela Proposio 5.18, segue-se que W2 ortogonal a W1 e W2 6= 0, pois V1 e V2

so LI Assim, W1 e W2 formam uma base ortogonal do subespao gerado por
p
V1 e V2 . Agora, supondo que W1 , . . . , Wk1 seja uma base ortogonal do subes-

pao gerado por V1 , . . . , Vk1 , segue-se da Proposio 5.19, que Wk ortogonal
a W1 , . . . , Wk1 . Wk 6= 0, pois caso contrrio, Vk pertenceria ao subespao ge-
rado por W1 , . . . , Wk1 que igual ao subespao gerado por V1 , . . . , Vk1 e assim
V1 , . . . , Vk seriam LD Como W1 , . . . , Wk so ortogonais no nulos, pela Proposi-
o 5.17 na pgina 344, eles so LI e portanto formam uma base do subespao
W.

l
(b) Sejam, agora
ita

1 1 1
U1 = W1 , U2 = W2 , ..., Uk = Wk .
||W1 || ||W2 || ||Wk ||
Assim, {U1 , . . . , Uk } uma base ortonormal para o subespao W.

ig
D
ia
p

356 Espaos Rn
l
5.3.1. Sejam X = (1, 1, 2) e Y = ( a, 1, 2). Para quais valores de a, X e Y so ortogonais?
ita

5.3.2. Sejam X = (1/ 2, 0, 1/ 2) e Y = ( a, 1/ 2, b). Para quais valores de a e b, o conjunto { X, Y }
ortonormal?
5.3.3. Encontre uma base ortonormal para o plano x + y + z = 0.
5.3.4. Encontre um subconjunto com o maior nmero possvel de vetores ortonormais no subespao dos vetores
ig
( a, b, c, d) R4 tais que a b 2c + d = 0.
5.3.5. Encontre um subconjunto com o maior nmero possvel de vetores ortonormais no conjunto soluo do
sistema homogneo
x + y z + w = 0
D

2x + y + 2z w = 0

4x + y + 8z 5w = 0
x + y 7z + 5w = 0.

5.3.6. Considere as retas ( x, y, z) = t(1, 2, 3) e ( x, y, z) = (0, 1, 2) + s(2, 4, 6) em R3 . Encontre a equao geral

do plano que contm estas duas retas e ache um subconjunto com o maior nmero possvel de vetores
ia
ortonormais neste plano.
5.3.7. Use o processo de ortogonalizao de Gram-Schmidt para encontrar uma base ortonormal para o subes-
pao de R4 que tem como base {(1, 1, 1, 0), (0, 2, 0, 1), (1, 0, 0, 1)}.
p
5.3.8. Aplique o processo de ortogonalizao de Gram-Schmidt para obter uma base ortonormal de R3 a partir
da base {(1, 1, 1), (0, 1, 1), (1, 2, 3)}.

5.3.9. Ache as equaes dos planos em R3 ortogonais ao vetor (2, 2, 2), que distam 3 do ponto (1, 1, 1). Estes
planos so subespaos de R3 ? Caso afirmativo, encontre base(s) ortonormal(is) para ele(s).
Exerccios Tericos
l
5.3.10. Mostre que se V ortogonal a W, ento V ortogonal a W, para todo escalar .
ita
5.3.11. Mostre que se V ortogonal a W1 , . . . , Wk , ento V ortogonal a qualquer combinao linear de
W1 , . . . , Wk .
5.3.12. Sejam X, Y e Z vetores de Rn . Prove que se X Y = X Z, ento Y Z ortogonal a X.
5.3.13. Mostre que se W1 , . . . , Wk so vetores no nulos ortogonais entre si e X = 1 W1 + . . . + k Wk , ento

X = projW1 X + . . . + projWk X.
ig
5.3.14. Sejam V1 , . . . , Vk vetores linearmente dependentes. Mostre que, aplicando-se o processo de ortogonaliza-
o de Gram-Schmidt aos vetores V1 , . . . , Vk , se obtm um vetor Wi que nulo, para algum i = 1, . . . , k.
(Sugesto: Seja Vi o primeiro vetor tal que Vi [V1 , . . . , Vi1 ] = [W1 , . . . , Wi1 ] e use o exerccio anterior.)
5.3.15. Seja S = {W1 , . . . , Wk } uma base ortogonal de um subespao W de Rn . Mostre que um todo vetor V de
D
W pode ser escrito como
V W1 V W2 V Wk
V= W + W2 + . . . + W.
||W1 ||2 1 ||W2 ||2 ||Wk ||2 k
V Wi
(Sugesto: escreva V = x1 W1 + . . . + xk Wk , faa o produto escalar de V com Wi e conclua que xi = ,
ia
||Wi ||2
para i = 1, . . . , k.)
5.3.16. Mostre que o conjunto de todos os vetores do Rn ortogonais a um dado vetor V = ( a1 , . . . , an ),
W = { X = ( x1 , . . . , xn ) Rn | X V = 0} um subespao de Rn .
p
5.3.17. Demonstre que, se V e W so vetores quaisquer de Rn , ento:
(a) V W = 41 [||V + W ||2 ||V W ||2 ] (identidade polar);

(b) ||V + W ||2 + ||V W ||2 = 2(||V ||2 + ||W ||2 ) (lei do paralelogramo).

358 Espaos Rn
l
(Sugesto: desenvolva os segundos membros das igualdades acima observando que
||V + W ||2 = (V + W ) (V + W ) e ||V W ||2 = (V W ) (V W ))
ita
5.3.18. Seja {U1 , . . . , Un } uma base ortonormal de Rn . Se A = [ U1 . . . Un ] uma matriz n n cujas colunas
so os vetores U1 , . . . , Un , ento A invertvel e A1 = At . (Sugesto: mostre que At A = In .)
5.3.19. Mostre que o ngulo entre dois vetores no nulos X = ( x1 , . . . , xn ) e Y = (y1 , . . . , yn ) de Rn , que
definido como sendo o nmero real entre 0 e tal que
XY
cos = ,
ig
|| X || ||Y ||
est bem definido, ou seja, que existe um tal nmero real e nico. (Sugesto: mostre, usando a
desigualdade de Cauchy-Schwarz, que
XY
1 1.)
|| X || ||Y ||
W , ou seja,
D
5.3.20. Seja W um subespao de Rn . Mostre que o conjunto de todos os vetores ortogonais a todos os vetores de
W um subespao de Rn . Este subespao chamado de complemento ortogonal de W e denotado por
W = { X Rn | X Y = 0, para todo Y W}.

5.3.21. Mostre que todo subespao W de Rn o espao soluo de um sistema linear homogneo. (Sugesto:
ia
seja {W1 , . . . , Wk } uma base de W tome A = [ W1 . . . Wk ]t .)
5.3.22. Embora no exista o produto vetorial de dois vetores em Rn , para n > 3, podemos definir o produto
vetorial de n 1 vetores, V1 = (v11 , . . . , v1n ), . . . , Vn1 = (v(n1)1 , . . . , v(n1)n ) como
p

V1 V2 Vn1 = (1)n+1 det(vij ) j6=1 , (1)n+2 det(vij ) j6=2 , . . . , (1)2n det(vij ) j6=n .
Mostre que:
(a) V1 V2 Vn1 ortogonal a V1 , . . . , Vn1 .
(b) (V1 V2 Vn1 ) = V1 Vi Vn1

5.4. Mudana de Coordenadas 359
5.4 Mudana de Coordenadas
l
ita
ig
D
ia
p

360 Espaos Rn
l
ita
ig
z~k U3
P = ( x, y, z)
D
O0 U2
U1
x~i y~j
ia
Figura 5.32. Dois sistemas de coordenadas orto-
Figura 5.31. OP= x~i + y~j + z~k
gonais {O,~i,~j,~k } e {O0 , U1 , U2 , U3 }
p

5.4 Mudana de Coordenadas 361
l
Se as coordenadas de um ponto P no espao so ( x, y, z), ento as componentes do

vetor OP tambm so ( x, y, z) e ento podemos escrever
ita

OP = ( x, y, z) = ( x, 0, 0) + (0, y, 0) + (0, 0, z)
= x (1, 0, 0) + y(0, y, 0) + z(0, 0, 1) = x~i + y~j + z~k,
em que ~i = (1, 0, 0), ~j = (0, 1, 0) e ~k = (0, 0, 1). Ou seja, as coordenadas de um ponto

P so iguais aos escalares que aparecem ao escrevermos OP como uma combinao
ig
linear dos vetores cannicos. Assim, o ponto O = (0, 0, 0) e os vetores ~i, ~j e ~k deter-
minam um sistema de coordenadas ortogonal, {O,~i,~j,~k}. Para resolver alguns pro-
blemas geomtricos necessrio usarmos um segundo sistema de coordenadas or-
togonal determinado por uma origem O0 e por 3vetores U1 , U2 e U3 ortonormais de
R3 . Por exemplo, se O0 = (2, 3/2, 3/2), U1 = ( 3/2, 1/2, 0), U2 = (1/2, 3/2, 0)
D
e U3 = (0, 0, 1) = ~k, ento {O0 , U1 , U2 , U3 } determina um novo sistema de coorde-
nadas: aquele com origem no ponto O0 , cujos eixos x 0 , y0 e z0 so retas que passam
por O0 orientadas com os sentidos e direes de U1 , U2 e U3 , respectivamente (Figura
5.32).
As coordenadas de um ponto P no sistema de coordenadas {O0 , U1 , U2 , U3 } de-

ia
finido como sendo os escalares que aparecem ao escrevermos O0 P como combinao
linear dos vetores U1 , U2 e U3 , ou seja, se

O0 P= x 0 U1 + y0 U2 + z0 U3 ,
p
ento as coordenadas de P no sistema {O0 , U1 , U2 , U3 } so dadas por

0
x
[ P]{O0 ,U1 ,U2 ,U3 } = y0 .
z0
Em geral, um sistema de coordenadas (no necessariamente ortogonal) definido por um ponto O0 e trs vetores V , V e V LI de R3
1 2 3
(no necessariamente ortonormais) (veja o Exerccio 5.4.9 na pgina 381).

362 Espaos Rn
l
Vamos considerar inicialmente o caso em que O = O0 . Assim, se OP= ( x, y, z),

ento x 0 U1 + y0 U2 + z0 U3 =OP equivalente ao sistema linear
ita
0
x x
QX 0 = X, em que Q = [ U1 U2 U3 ], X 0 = y0 , X = y .
z0 z
Como a matriz Q invertvel (por que?) a soluo dada por
ig
X 0 = Q1 X.
Mas, como U1 , U2 e U3 formam uma base ortonormal de R3 , ento

U1t
t
U1 U1 U1t U2 U1t U3

U1 U1 U1 U2 U1 U3
Qt Q = U2t [ U1 U2 U3 ] = U2t U1 U2t U2 U2t U3 = U2 U1 U2 U2 U2 U3 = I3
D
U3t U3t U1 U3t U2 U3t U3 U3 U1 U3 U2 U3 U3
Assim, a matriz Q = [ U1 U2 U3 ] invertvel e Q1 = Qt . Desta forma as coordena-
das de um ponto P no espao em relao ao sistema {O, U1 , U2 , U3 }, x 0 , y0 e z0 esto
unicamente determinados e
0
ia

x x
[ P]{O,U1 ,U2 ,U3 } = Qt [ P]{O,~i,~j,~k} ou y0 = Qt y .
z0 z
Tambm no plano temos o mesmo tipo de situao que tratada de forma intei-
p
ramente anloga. As coordenadas de um ponto P no plano em relao a um sistema

de coordenadas {O0 , U1 , U2 }, em que U1 e U2 so vetores que formam uma base or-
tonormal do R2 , definido como sendo os escalares que aparecem ao escrevermos

O0 P como combinao linear de U1 e U2 , ou seja, se

O0 P= x 0 U1 + y0 U2 ,

ento as coordenadas de P no sistema {O0 , U1 , U2 } so dadas por
l
ita
0
x
[ P]{O0 ,U1 ,U2 } = .
y0
As coordenadas de um ponto P no plano em relao ao sistema {O, U1 , U2 , U3 }

esto bem definidas, ou seja, x 0 e y0 esto unicamente determinados e so dados por
0
x x
[ P]{O,U1 ,U2 } = Qt [ P]{O,E1 ,E2 } ou = Q t
,
ig
y0 y
em que E1 = (1, 0) e E2 = (0, 1). Observe que, tanto no caso do plano quanto no caso
do espao, a matriz Q satisfaz, Q1 = Qt . Uma matriz que satisfaz esta propriedade
chamada matriz ortogonal.
Exemplo5.31. Considere o sistema de

D 0
coordenadas no plano em que O = O e
U1 = ( 3/2, 1/2) e U2 = (1/2, 3/2). Se P = (2, 4), vamos determinar as
coordenadas de P em relao ao novo sistema de coordenadas.
ia

3/2 1/2
Q = [ U1 U2 ] = .
1/2 3/2
Assim, as coordenadas de P em relao ao novo sistema de coordenadas so da-
p
das por
t
2 U1 2 3/2 1/2 2 + 3
2
[ P]{O,U1 ,U2} = Qt = = = .
4 U2t 4 1/2 3/2 4 2 31

364 Espaos Rn
l
ita
y
ig
y
P
y
x
D
0
0 x
y E2
U1
U2
x x
E1
ia
Figura 5.33. Coordenadas de um ponto P em dois sistemas
p

l
Exemplo 5.32. Considere o mesmo sistema de coordenadas do exemplo anterior,
ita
mas agora seja P = ( x, y) um ponto qualquer do plano. Vamos determinar as
coordenadas de P em relao ao novo sistema de coordenadas.
As coordenadas de P em relao ao novo sistema de coordenadas so dadas por

U1t

x x 3/2 1/2 x + y)/2
( 3 x
[ P]{O,U1 ,U2} = Qt = = = .
y U2t y 1/2 3/2 y ( x + 3 y)/2
ig
Exemplo 5.33. Vamos agora considerar um problema inverso queles apresentados
D
nos exemplos anteriores. Suponha que sejam vlidas as seguintes equaes
1 x 0 2 y0
(
x= +
5 5 ,
y= 2 x 0 1 y0
5 5
ou equivalentemente
ia
1 2
" #
x0

x 5 5
=
y 2 1 y0
5 5
x0

entre as coordenadas de um ponto P em relao a um sistema de coordenadas
p
y0
x
{O, U1 , U2 } e as coordenadas de P, , em relao ao sistema de coordenadas
y
original
{O, E1 = (1, 0), E2 = (0, 1)}.
Queremos determinar quais so os vetores U1 e U2 .

366 Espaos Rn

1 0
l
Os vetores U1 e U2 da nova base possuem coordenadas e , respecti-
0 1
ita
vamente, em relao ao novo sistema de coordenadas, {O, U1 , U2 }. Pois,
U1 = 1 U1 + 0 U2 e U2 = 0 U1 + 1 U2 . Queremos saber quais as coordenadas destes
vetores em relao ao sistema de coordenadas original, {O, E1 = (1, 0), E2 = (0, 1)}.
Logo,
" 1
2

# " 1 #
5 5 1 5
U1 = =
2 1 0 2
ig
5 5 5
" 1
2
# " 2 #
5 5 0 5
U2 = =
2 1 1 1
5 5 5
1 2
" #
D
Ou seja, U1 e U2 so as colunas da matriz Q = 5 5 .
2 1
5 5
ia
p

l
ita
y y
ig
E2 x
cos
U1
U2
sen
D

sen
E1 x
cos
ia
Figura 5.34. Rotao de um ngulo
p

368 Espaos Rn
5.4.1 Rotao
l
Suponha que o novo sistema de coordenadas {O, U1 , U2 } seja obtido do sistema
ita
original {O, E1 = (1, 0), E2 = (0, 1)} por uma rotao de um ngulo . Observando
a Figura 5.34, obtemos
U1 = (cos , sen )
U2 = (sen , cos )
seja P = ( x, y) um ponto qualquer do plano. Vamos determinar as coordenadas de
P em relao ao novo sistema de coordenadas.
ig
A matriz
cos sen
Q = [ U1 U2 ] = = R
sen cos
chamada matriz de rotao.
D
As coordenadas de P em relao ao novo sistema de coordenadas so dadas por
0
x t x cos sen x
= R = .
y0 y sen cos y
O sistema de coordenadas que aparece nos dois primeiros exemplos desta seo
ia
podem ser obtidos por uma rotao de um ngulo = /6 em relao ao sistema
original.
p

l
ita
y
ig
P
y0
y
D
O0
x0
x
ia
x x
O
Figura 5.35. Coordenadas de um ponto P em dois sistemas (translao)

p

370 Espaos Rn
5.4.2 Translao
l
Vamos considerar, agora, o caso em que O0 6= O, ou seja, em que ocorre uma
ita
translao dos eixos coordenados.
Observando a Figura 5.35, obtemos

O0 P=OP OO0 . (5.22)

Assim, se OO0 = (h, k ), ento
ig

O0 P= ( x 0 , y0 ) = ( x, y) (h, k ) = ( x h, y k)
Logo, as coordenadas de P em relao ao novo sistema so dadas por
D
0
x xh
[ P]{O0 ,E1 ,E2 } = = . (5.23)
y0 yk
O eixo x0 tem equao y0 = 0, ou seja, y = k e o eixo y0 , x 0 = 0, ou seja, x = h.

ia
p

5.4.3 Aplicao: Computao Grfica - Projeo Ortogrfica
l
Esta projeo usada para fazer desenhos de objetos tridimensionais no papel
ita
ou na tela do computador. Com esta projeo os pontos no espao so projetados
ortogonalmente ao plano do desenho.
Para encontrar a projeo de um ponto P podemos encontrar as coordenadas de P
em relao ao sistema S 0 = {O0 , U1 , U2 , U3 } e tomar as duas primeiras coordenadas.
Como a projeo em qualquer plano paralelo ao plano do desenho fornece as
mesmas coordenadas podemos supor que O0 = O, ou seja, que os dois sistemas tm
ig
a mesma origem.
A relao entre as coordenadas de um ponto nos dois sistemas
S 0 = {O, U1 , U2 , U3 } e S = {O,~i,~j,~k}
D
dada por
X 0 = Qt X, em que Q = [ U1 U2 U3 ]
Vamos encontrar os vetores U1 , U2 e U3 em funo dos ngulos e . O vetor U1
paralelo ao plano xy e perpendicular ao vetor (cos , sen , 0), ou seja,
U1 = ( sen , cos , 0).

ia
p

372 Espaos Rn
l
ita
y0
ig
x0
D
ia
p
Figura 5.36. Projeo ortogrfica de um cubo

l
ita
ig
U2
U1
D
~k U3
O0

~j
~i

ia
p
Figura 5.37. sistemas de coordenadas relacionados projeo ortogrfica

374 Espaos Rn
l
ita
U2
~k
ig
U1

U3
D ~j
ia
(cos , sen , 0)
~i
p
Figura 5.38. Bases relacionadas projeo ortogrfica

l
ita
~j ~k
U2
(cos , sen , 0)
ig
U1 U3
~i (cos , sen , 0)
D
ia
p
Figura 5.39. Relao entre os vetores das bases {U1 , U2 , U3 } e {~i,~j,~k}

376 Espaos Rn
Os vetores U2 e U3 esto no plano definido por ~k e (cos , sen , 0).
l
ita
U2 = cos (cos , sen , 0) + sen ~k = ( cos cos , cos sen , sen )
U3 = cos ~k + sen (cos , sen , 0) = (sen cos , sen sen , cos )
Assim, a relao entre as coordenadas de um ponto nos dois sistemas
S 0 = {O, U1 , U2 , U3 } e S = {O,~i,~j,~k}
ig
dada por
x0

sen cos 0 x
y0 = cos cos cos sen sen y
z0 sen cos sen sen cos z

x0
y0
D
e a projeo dada por

=

sen
cos cos
cos
cos sen
0
sen

x

y .
z
ia
Por exemplo para = 30 e = 60 temos que
#
x x
"
3
0 1

x 2 2
0 0.50 0.87 0
= y y .
y0

0.43 0.25 0.87
p
43 14 2
3
z z
Usando esta projeo os vetores ~i, ~j e ~k so desenhados como na figura abaixo.

l
ita
1
0.8
0.6
ig
0.4
0.2
D
0
0.2
0.4
ia
0.6
0.8
p
1
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
Figura 5.40. Vetores ~i, ~j e ~k desenhados usando projeo ortogrfica

378 Espaos Rn
l
Experimente desenhar o cubo que tem a origem O = (0, 0, 0) como um dos vrti-
ces e como vrtices adjacentes origem (1, 0, 0), (0, 1, 0) e (0, 0, 1). Observe que no
ita
necessrio calcular a projeo dos outros pontos (por que?)
ig
D
ia
p

l
5.4.1. Encontre as coordenadas do ponto P com relao ao sistema de coordenadas S , nos seguintes casos:
ita

(a) S = {O, (1/ 2, 1/ 2), (1/ 2, 1/ 2)} e P = (1, 3);

(b) S = {O, (1/ 2, 1/ 2, 0), (0, 0, 1), (1/ 2, 1/ 2, 0)} e P = (2, 1, 2);
5.4.2. Encontre o ponto P, se as coordenadas de P em relao ao sistema de coordenadas S , [ P]S , so:
ig

2
(a) [ P]S = , em que S = {O, (1/ 2, 1/ 2), (1/ 2, 1/ 2)}.
1

1
(b) [ P]S = 1 , em que S = {O, (0, 1/ 2, 1/ 2), (1, 0, 0), (0, 1/ 2, 1/ 2)}.
D
2

x
5.4.3. Sejam [ P]R = y as coordenadas de um ponto P em relao ao sistema de coordenadas
z
0
x
ia
R = {O,~i,~j,~k} e [ P]S = y0 , em relao ao sistema de coordenadas S = {O, U1 , U2 , U3 }. Suponha
z0
que temos a seguinte relao:
0
x 1 0 0 x
p

y = 0
1/2 3/2 y0 .
z 0 3/2 1/2 z0
Quais so os vetores U1 , U2 e U3 ?

3
5.4.4. Determine qual a rotao do plano em que as coordenadas do ponto P = ( 3, 1) so .
1

380 Espaos Rn
l
5.4.5. Considere o plano : 3x 3y + 2z = 0.
ita
(a) Determine uma base ortonormal para o plano em que o primeiro vetor esteja no plano xy.
(b) Complete a base encontrada para se obter uma base ortonormal {U1 , U2 , U3 } de R3 .
(c) Determine as coordenadas dos vetores ~i, ~j e ~k no sistema {O, U1 , U2 , U3 }.
5.4.6. Considere dois sistemas de coordenadas R = {O,~i,~j,~k} e S = {O,~i, U2 , U3 }, em que o sistema S obtido
do sistema R por uma rotao do ngulo em torno do eixo x. Determine a relao entre as coordenadas,
( x 0 , y0 , z0 ), em relao ao sistema S e ( x, y, z), em relao ao sistema R
ig
D
ia
p

Exerccios Tericos
l
ita
5.4.7. Mostre que
(a) R1 R2 = R1 +2 .
(b) R 1
= R .
5.4.8. Seja B uma matriz quadrada 2 2.

(a) Verifique que R B a matriz obtida girando as colunas de B de .
ig
(b) Verifique que BR a matriz obtida girando as linhas de B de .
(c) Quais as condies sobre B e para que R B = BR . D um exemplo.
5.4.9. Definimos coordenadas de pontos no espao em relao a um sistema de coordenadas determinado por
um ponto O0 e trs vetores V1 , V2 e V3 LI no necessariamente ortonormais do R3 da mesma forma como
D
fizemos quando os vetores formam uma base ortonormal. As coordenadas de um ponto P no sistema de

coordenadas {O0 , V1 , V2 , V3 } definido como sendo os escalares que aparecem ao escrevermos O0 P como
combinao linear dos vetores V1 , V2 e V3 , ou seja, se

O0 P= x 0 V1 + y0 V2 + z0 V3 ,
ia
ento as coordenadas de P no sistema {O0 , V1 , V2 , V3 } so dadas por
0
x
[ P]{O0 ,V1 ,V2 ,V3 } = y0 .
p
z0

Assim, se O0 P= ( x, y, z), ento x 0 V1 + y0 V2 + z0 V3 =O0 P pode ser escrito como
0
x x
[ V1 V2 V3 ] y0 = y
z0 z

382 Espaos Rn
l
(a) Mostre que a matriz Q = [ V1 V2 V3 ] invertvel.
(b) Mostre que as coordenadas de um ponto P no espao em relao ao sistema {O0 , V1 , V2 , V3 } esto
ita
bem definidas, ou seja, x 0 , y0 e z0 esto unicamente determinados e so dados por
0
x x
[ P]{O0 ,V1 ,V2 ,V3 } = y0 = Q1 y = Q1 [ P]{O0 ,~i,~j,~k} .
z0 z
ig
D
ia
p

Teste do Captulo
l
ita
1. Sejam S1 e S2 subconjuntos finitos do Rn tais que S1 seja um subconjunto de S2 (S1 6= S2 ). Se S2
linearmente dependente, ento:
(a) S1 pode ser linearmente dependente? Em caso afirmativo d um exemplo.

(b) S1 pode ser linearmente independente? Em caso afirmativo d um exemplo.
ig
2. Encontre os valores de tais que o sistema homogneo ( A I3 ) X = 0 tem soluo no trivial e para
D
estes valores de , encontre um subconjunto de vetores ortonormais no conjunto soluo, para a matriz

0 0 0
A= 0 2 2
0 2 2
ia

3
3. Considere o vetor U1 = ( 21 , 2 ).
(a) Escolha U2 de forma que S = {U1 , U2 } seja base ortonormal do R2 . Mostre que S base.
p

(b) Considere P = ( 3, 3). Escreva P como combinao linear dos elementos de S .
(c) Determine [ P]{O,S} , as coordenadas de P em relao ao sistema de coordenadas determinado pela
origem O e pela base S .

l
ita
6
ig
D IAGONALIZAO
6.1
D
Diagonalizao de Matrizes
ia
6.1.1 Motivao
Certos processos so descritos em cada estgio por uma matriz A quadrada e em k
estgios pela potncia k da matriz A, Ak , em que k um nmero inteiro positivo.
Suponha que desejamos saber a matriz que corresponde a k estgios, para k um
p
inteiro positivo qualquer. Se a matriz A diagonal,
1k

1 0 ... 0 0 ... 0
0 2 ... 0 0 2k ... 0
A= , ento Ak = .

.. .. .. .. .. ..
. . . . . .
0 ... 0 n 0 ... 0 kn
6.1 Diagonalizao de Matrizes 385
l
Se a matriz A no diagonal, mas existe uma matriz P tal que
ita

1 0 ... 0
0 2 ... 0
A = PDP1 , em que D= ,

.. .. ..
. . .
0 ... 0 n
ento
A2 = ( PDP1 )( PDP1 ) = PD ( P1 P) DP1 = PD2 P1 .
ig
Agora, supondo que Ak1 = PD k1 P1 , temos que
Ak = Ak1 A = ( PDP1 )k1 ( PDP1 )

= ( PD k1 P1 )( PDP1 ) = PD k1 ( P1 P) DP1
D
k
1 0 ... 0
0 k ... 0
2
= PD k P1 = P .
1
.. P .

.. ..
. .
0 . . . 0 kn
ia
Assim, podemos facilmente encontrar a k-sima potncia de A.
Exemplo 6.1. Seja

p

1 1
A= .
4 1
mostraremos no Exemplo 6.6 na pgina 403 que

1 1 3 0
P= e D=
2 2 0 1

386 Diagonalizao
l
so tais que
A = PDP1 .
ita
Assim,
k 1
k k 1 1
1 3 0 1 1
A = PD P =
2
2 0 (1)k 2 2
3k (1)k 1 2 1

=
2 3k 2(1)k 4 2 1
ig
k k (1) 3k
k

1 2(3 + (1) )
=
4 4((1)k 3k ) 2(3k + (1)k )
D
Vamos descobrir, a seguir, como podemos determinar matrizes P e D, quando elas
existem, tais que A = PDP1 , ou multiplicando esquerda por P1 e direita por
P, D = P1 AP, com D sendo uma matriz diagonal. Chamamos diagonalizao ao
processo de encontrar as matrizes P e D.
ia
6.1.2 Autovalores e Autovetores
p
Definio 6.1. Dizemos que uma matriz A, n n, diagonalizvel, se existem matrizes P e D tais que
A = PDP1 , ou equivalentemente, D = P1 AP, em que D uma matriz diagonal.

l
ita
Exemplo 6.2. Toda matriz diagonal

1 0 ... 0
0 2 ... 0
A=

.. .. ..
.
ig
. .
0 ... 0 n
diagonalizvel, pois
A = ( In )1 AIn .
matriz P tal que

D
Vamos supor inicialmente que a matriz A seja diagonalizvel. Ento existe uma
P1 AP = D , (6.1)
ia
em que D uma matriz diagonal. Vamos procurar tirar concluses sobre as matrizes
P e D.
Multiplicando esquerda por P ambos os membros da equao anterior, obtemos
AP = PD . (6.2)
p
Sejam
1 0 ... 0
0 2 ... 0
D= e P = V1 V2 ... Vn ,

.. .. ..
. . .
0 ... 0 n

388 Diagonalizao
l
em que Vj a coluna j de P. Por um lado

AP = A V1 V2 . . . Vn = AV1 AV2 ... AVn
ita
(Exerccio 1.1.18 na pgina 25) e por outro lado

1 0 . . . 0
0 2 . . . 0

PD = V1 V2 . . . Vn . = 1 V1 2 V2 ... n Vn

.. ..
.. . .
ig
0 ... 0 n
(Exerccio 1.1.17 na pgina 25) Assim, (6.2) pode ser reescrita como,

AV1 AV2 . . . AVn = 1 V1 2 V2 . . . n Vn .
Logo,
D
AVj = j Vj ,
para j = 1, . . . n. Ou seja, as colunas de P, Vj , e os elementos da diagonal de D, j ,
satisfazem a equao
AX = X,
em que e X so incgnitas. Isto motiva a seguinte definio.
ia
Definio 6.2.Seja A uma matriz n n. Um nmero real chamado autovalor (real) de A, se existe um vetor
v1
p
..
no nulo V = . de Rn , tal que
vn
AV = V . (6.3)
Um vetor no nulo que satisfaa (6.3), chamado de autovetor de A.

l
ita
*
AV = V
*V
*V
V AV = V q
* * AV = V
q

q

O

O O
ig
>1 0<<1 <0
Observe que, usando o fato de que a matriz identidade

1 0 ... 0
0 1 ... 0
D

In = .

.. ..
..

. .
0 ... 0 1
tal que In V = V, a equao (6.3) pode ser escrita como

ia
AV = In V
ou
( A In )V = 0 . (6.4)
Como os autovetores so vetores no nulos, os autovalores so os valores de , para os quais o sistema
p
( A In ) X = 0 tem soluo no trivial. Mas, este sistema homogneo tem soluo no trivial se, e somente
se, det( A In ) = 0 (Teorema 2.15 na pgina 113). Assim, temos um mtodo para encontrar os autovalores e
os autovetores de uma matriz A.

390 Diagonalizao
l
ita
Proposio 6.1. Seja A uma matriz n n.
(a) Os autovalores (reais) de A so as razes reais do polinmio
p(t) = det( A t In ) (6.5)
ig
(b) Para cada autovalor , os autovetores associados a so os vetores no nulos da soluo do sistema
( A In ) X = 0 . (6.6)
D
ia
Definio 6.3. Seja A uma matriz n n. O polinmio
p(t) = det( A t In ) (6.7)
chamado polinmio caracterstico de A.

p

Exemplo 6.3. Vamos determinar os autovalores e autovetores da matriz
l

1 1
ita
A=
4 1
Para esta matriz o polinmio caracterstico

1 t 1
p(t) = det( A tI2 ) = det = (1 t)2 4 = t2 2t 3 .
4 1 t
ig
Como os autovalores de A so as razes de p(t), ento os autovalores de A so 1 = 3
e 2 = 1.
Agora, vamos determinar os autovetores associados aos autovalores 1 = 3 e
2 = 1. Para isto vamos resolver os sistemas ( A 1 I2 ) X = 0 e ( A 2 I2 ) X = 0.
( A 1 I2 ) X = 0

2 1
4 2
cuja soluo geral

x
y

=

0
0

W1 = {(, 2) | R}. D
ou

2x y = 0
4x 2y = 0
ia
que o conjunto de todos os autovetores associados a 1 = 3 acrescentado o vetor
nulo. Agora,
( A 2 I2 ) X = 0

2 1 x 0
=
4 2 y 0
cuja soluo geral
W2 = {(, 2) | R},
nulo.

392 Diagonalizao
l
Para determinarmos os autovalores de uma matriz A precisamos determinar as ra-
zes reais do seu polinmio caracterstico, que tem a forma
ita
p(t) = (1)n tn + an1 tn1 + . . . + a1 t + a0 . (por que?) Um resultado sobre polin-
mios que muitas vezes til, o seguinte
ig
Proposio 6.2. Se a0 , a1 , . . . , an1 so inteiros, ento as razes racionais (se existirem) de
p(t) = (1)n tn + an1 tn1 + . . . + a1 t + a0 .
D
so nmeros inteiros e divisores do coeficiente do termo de grau zero a0 .
r
Demonstrao. Seja raiz de p(t), com r e s inteiros primos entre si, ento
ia
s
rn r n 1 r
(1)n n
+ a n 1 n 1 + + a 1 + a 0 = 0 (6.8)
s s s
p
multiplicando-se por sn obtemos
(1)n r n = an1 r n1 s a1 rsn1 a0 sn = s( an1 r n1 + + a1 rsn2 + a0 sn1 ).
Como r e s so primos entre si, ento s = 1. Substituindo-se s = 1 na equao (6.8)

obtemos
(1)n r n + an1 r n1 + + a1 r = a0

l
colocando-se r em evidncia obtemos
ita
r [(1)n r n1 + an1 r n2 + + a1 ] = a0 ,
o que prova o que queramos.
ig
Por exemplo, se p(t) = t3 + 6t2 11t + 6, ento as possveis razes racionais so
1, 2, 3 e 6. Substituindo estes valores de t em p(t), vemos que p(1) = 0, ou
seja, 1 uma raiz de p(t). Dividindo p(t) por t 1, obtemos
D p(t)
t1
= t2 + 5t 6,
ou seja, p(t) = (t 1)(t2 + 5t 6). Como as razes de t2 + 5t 6 so 2 e 3, ento

as razes de p(t), so 1, 2 e 3.
ia
p
Exemplo 6.4. Vamos determinar os autovalores e autovetores da matriz

4 2 2
A= 2 4 2
2 2 4

394 Diagonalizao
l
Para esta matriz o polinmio caracterstico
ita

4t 2 2
p(t) = det( A t I3 ) = det 2 4t 2
2 2 4t

4t 2 2 2 2 4t
= (4 t) det 2 det + 2 det
2 4t 2 4t 2 2
ig

4t 2 2 2
= (4 t) det 4 det
2 4t 2 4t
= (4 t)[(4 t)2 4] 8(2 t) = t3 + 12t2 36t + 32
D
Como no fatoramos o polinmio caracterstico (neste caso at possvel!), sabemos
que se ele tem razes racionais, ento elas so nmeros inteiros e so divisores de 32,
ou seja, podem ser 1, 2, 4, 8, 16, 32. Substituindo-se t = 1 obtemos
p(1) = 1 + 12 36 + 32 > 0, p(1) = 1 + 12 + 36 + 32 > 0.

ia
Substituindo-se t = 2 obtemos p(2) = 0. Dividindo-se p(t) por t 2 obtemos
p
p(t)
= t2 + 10t 16
t2
ou seja, p(t) = (t 2)(t2 + 10t 16) = (t 2)2 (8 t). Portanto, os autovalores de

A so 1 = 2 e 2 = 8.
Alternativamente, poderamos calcular o polinmio caracterstico aplicando ope-

l
raes elementares na matriz A tI3 :

4t 2 2
ita
p(t) = det( A t I3 ) = det 2 4t 2
2 2 4t
t2 4

2 4t 2 1 1
= det 4 t 2 2 = 2 det (t 4) 2 2
2 2 4t 2 2 ( t 4)
t2 4
ig

1 1 "
( t 6) ( t 2)
#
= 2 det 0 ( t 6 ) ( t 2 ) = 2 det 2 t 2
t2
2 t2 ( t 2)
0 t2 ( t 2)
t 6
2 1
= 2(t 2)2 det = (t 2)2 (t 8).
1 1
2 2 2
D
Agora, vamos determinar os autovetores associados aos autovalores 1 e 2 . Para
isto vamos resolver os sistemas ( A 1 I3 ) X = 0 e ( A 2 I3 ) X = 0. Como

x
( A 1 I3 ) X = 0 2 2 2 y = 0

0

ia
2 2 2 z 0
A forma escalonada reduzida da matriz aumentada do sistema

1 1 1 0
0 0 0 0
p
0 0 0 0
Assim, a soluo geral do sistema ( A 1 I3 ) X = 0
W1 = {( , , ) | , R} ,
nulo.

396 Diagonalizao
l
Com relao ao autovalor 2 = 8, o sistema ( A 2 I3 ) X = 0
ita

4 2 2 x 0
2 4 2 y = 0
2 2 4 z 0

1 0 1 0
ig
0 1 1 0
0 0 0 0
Assim, a soluo geral do sistema ( A 2 I3 ) X = 0
D
W2 = {(, , ) | R}.
Para cada autovalor , o conjunto dos autovetores associados a ele acrescentado o

vetor nulo o conjunto soluo do sistema linear homogneo ( A In ) X = 0 e
chamado de autoespao associado ao autovalor .
ia
6.1.3 Diagonalizao
Vamos enunciar e demonstrar o resultado principal deste captulo. J vimos que
se uma matriz A diagonalizvel, ento as colunas da matriz P, que faz a diagona-
p
lizao, so autovetores associados a autovalores, que por sua vez so elementos da

matriz diagonal D. Como a matriz P invertvel, estes n autovetores so LI. Vamos
mostrar, a seguir, que se a matriz A tem n autovetores LI, ento ela diagonalizvel.

l
6 6
y y
ita
4 W2 4
2 2 W = (1, 2)
0 0
x x
2 2 V = (1, 2)
AW
ig
4 4
W1
AV
6 6
6 4 2 0 2 4 6 6 4 2 0 2 4 6
Figura 6.1. Autovetores associados a 1 = 3 e a 2 = 1 da matriz do Exemplo 6.3
D
W2
z
y
4
4
ia
4
x
p
-4
W1
Figura 6.2. Autoespaos do Exemplo 6.4

398 Diagonalizao
l
Teorema 6.3. Seja A uma matriz n n que tem n autovetores LI, V1 , . . . , Vn associados a 1 , . . . , n , respectivamente.
ita
Ento as matrizes
1 0 ... 0
0 2 ... 0
P= V1 V2 ... Vn e D= .. .. .

..
. . .
0 ... 0 n
so tais que
ig
A = PDP1 ,
ou seja, A diagonalizvel. Reciprocamente, se A diagonalizvel, ento ela possui n autovetores linearmente indepen-
dentes.

D
Demonstrao. Suponha que V1 , . . . , Vn so n autovetores linearmente independen-
tes associados a 1 , . . . , n , respectivamente. Vamos definir as matrizes
1 0 . . . 0

ia
0 2 . . . 0
P = V1 V2 . . . Vn e D= . .. .

.. ..
. .
0 . . . 0 n
Como AVj = j Vj , para j = 1, . . . , n, ento
p

AP = A V1 V2 . . . Vn = AV1 AV2 ... AVn

1 0 ... 0
0 2 ... 0
= 1 V1 2 V2 ... n Vn = V1 V2 ... Vn = PD.

.. .. ..
. . .
0 ... 0 n

l
Como V1 , . . . , Vn so LI, a matriz P invertvel. Assim, multiplicando a equao
anterior por P1 direita obtemos
ita
A = PDP1 .
Ou seja, a matriz A diagonalizvel.

Vamos, agora, provar que se A diagonalizvel, ento ela possui n autovetores
LI. Se a matriz A diagonalizvel, ento existe uma matriz P tal que
ig
A = PDP1 , (6.9)
em que D uma matriz diagonal. Multiplicando direita por P ambos os membros

da equao anterior, obtemos
AP = PD . (6.10)
D
Sejam
1 0 ... 0
0 2 ... 0
D= e P = V1 V2 ... Vn ,

.. .. ..
. . .
0 ... 0 n
ia
em que Vj a coluna j de P. Usando as definies de P e D temos que

AP = A V1 V2 ... Vn = AV1 AV2 ... AVn
p

1 0 ... 0
0 2 ... 0
PD = V1 V2 ... Vn = 1 V1 2 V2 ... n Vn

.. .. ..
. . .
0 ... 0 n
Assim, de (6.10) segue-se que
AVj = j Vj ,

400 Diagonalizao
l
para j = 1, . . . n. Como a matriz P invertvel, pela Proposio 5.3 na pgina 295, os
autovetores V1 , . . . , Vn so LI.
ita

Assim, se uma matriz A diagonalizvel e A = PDP1 , ento os autovalores de A

formam a diagonal de D e n autovetores linearmente independentes associados aos
autovalores formam as colunas de P.
ig
O resultado que vem a seguir, garante que se conseguirmos para cada autovalor,
autovetores LI, ento ao juntarmos todos os autovetores obtidos, eles continuaro
sendo LI.
(k)
D
Proposio 6.4. Seja A uma matriz n n. Se V1(1) , . . . , Vn(11) so autovetores LI associados a 1 , V1(2) , . . . , Vn(22) so
(k)
autovetores LI associados a 2 , . . ., V1 , . . . , Vnk so autovetores LI associados a k , com 1 , . . . , k distintos, ento
ia
(1) (1) (k) (k)
{V1 , . . . , Vn1 , . . . , V1 , . . . , Vnk } um conjunto LI.
p
Demonstrao. Vamos demonstrar apenas para o caso em que temos dois autovalo-
(1) (1)
res diferentes. O caso geral inteiramente anlogo. Sejam V1 , . . . , Vn1 autovetores
(2) (2)
LI associados a 1 e V1 , . . . , Vn2 autovetores LI associados a 2 . Precisamos mos-
trar que a nica soluo da equao
(1) (1) (1) (1) (2) (2) (2) (2)
x1 V1 + . . . + xk Vn1 + x1 V1 + . . . + xk2 Vn2 = 0 (6.11)
1

l
a soluo trivial. Multiplicando a equao (6.11) por A e usando o fato de que os
( j)
Vi so autovetores, obtemos
ita
(1) (1) (1) (1) (2) (2) (2) (2)
x1 1 V1 + . . . + xn1 1 Vn1 + x1 2 V1 + . . . + xn2 2 Vn2 = 0 (6.12)
Multiplicando a equao (6.11) por 1 , obtemos
(1) (1) (1) (1) (2) (2) (2) (2)

x1 1 V1 + . . . + xn1 1 Vn1 + x1 1 V1 + . . . + xn2 1 Vn2 = 0 . (6.13)
ig
Subtraindo a equao (6.12) da equao (6.13), obtemos
(2) (2) (2) (2)

x1 (2 1 )V1 + . . . + xn2 (2 1 )Vn2 = 0 .
D
(2) (2) (2) (2)
Como V1 , . . . , Vn2 so LI, temos que x1 = . . . = xn2 = 0. Agora, multiplicando a
equao (6.11) por 2 e subtraindo da equao (6.13) obtemos
(1) (1) (1) (1)

x1 (2 1 )V1 + . . . + xn1 (2 1 )Vn1 = 0 .
(1) (1) (1) (1)

ia
Como V1 , . . . , Vn1 so LI, temos que x1 = . . . = xn1 = 0. O que prova que todos
os autovetores juntos so LI.

p

4 2 2
A= 2 4 2
2 2 4

402 Diagonalizao
l
J vimos no Exemplo 6.4 na pgina 393 que seu polinmio caracterstico
p(t) = (t 2)(t2 + 10t 16) = (t 2)2 (8 t), os seus autovalores so 1 = 2 e
ita
2 = 8 e os autoespaos correspondentes so
W1 = {( , , ) | , R},
W2 = {(, , ) | R},
respectivamente. Vamos encontrar, para cada autoespao, o maior nmero possvel
de autovetores LI, ou seja, vamos encontrar uma base para cada autoespao. E o
ig
teorema anterior garante que se juntarmos todos estes autovetores eles vo continuar
sendo LI.
Para W1 , temos que
( , , ) = (1, 0, 1) + (1, 1, 0).
D
Assim, os vetores V1 = (1, 0, 1) e V2 = (1, 1, 0) geram W1 . Como alm disso, eles
so LI (um no mltiplo escalar do outro), ento eles formam uma base para W1 .
Assim, no podemos ter um nmero maior de autovetores LI associados a 1 = 2
(Teorema 5.6 na pgina 313).
Para W2 , temos que o conjunto {V3 = (1, 1, 1)} uma base para W2 , pois como
ia
(, , ) = (1, 1, 1),
V3 gera W2 e um vetor no nulo LI. Assim, no podemos ter um nmero maior de

autovetores LI associados a 2 = 8 (Teorema 5.6 na pgina 313).
p
Como V1 e V2 so autovetores LI associados a 1 e V3 um autovetor LI associado

a 2 , ento pela Proposio 6.4 na pgina 400 os autovetores juntos V1 , V2 e V3 so
LI. Assim, a matriz A diagonalizvel e as matrizes

1 0 0 2 0 0 1 1 1
D = 0 1 0 = 0 2 0 e P = [ V1 V2 V3 ] = 0 1 1
0 0 2 0 0 8 1 0 1

l
so tais que
A = PDP1 .
ita

1 1
A=
4 1
ig
J vimos no Exemplo 6.3 na pgina 391 que o seu polinmio caracterstico p(t) =
det( A t I2 ) = t2 2t 3, que os seus autovalores so 1 = 3 e 2 = 1 e que os
autoespaos correspondentes so
W1 = {(, 2) | R} e W2 = {(, 2) | R},
D
respectivamente.
Para 1 = 3, temos que {V1 = (1, 2)} uma base de W1 . Assim, no podemos
ter mais autovetores LI associados a 1 . De forma anloga para 2 = 1, {V2 =
(1, 2)} um conjunto com o maior nmero possvel de autovetores LI associados a
2 . Assim, a matriz A diagonalizvel e as matrizes
ia

1 1 1 0 3 0
P = [ V1 V2 ] = e D= =
2 2 0 2 0 1
so tais que D = P1 AP.

p

0 1
A=
0 0

404 Diagonalizao
O seu polinmio caracterstico p(t) = det( A t I2 ) = t2 , assim A possui um nico
l
autovalor: 1 = 0. Agora, vamos determinar os autovetores associados ao autovalor
ita
1 = 0. Para isto vamos resolver o sistema ( A 1 I2 ) X = 0. Como

0 1
A 1 I2 = A = ,
0 0
ento ( A 1 I2 ) X = 0

0 1 x 0
ig
=
0 0 y 0
ou
y = 0
0 = 0
D
cuja soluo geral
W1 = {(, 0) | R} = {(1, 0) | R} .
que o autoespao correspondente a 1 = 0. Assim, para 1 = 0, temos que {V1 =

(1, 0)} um subconjunto LI de V1 . Pelo Teorema 5.6 na pgina 313 no podemos ter
ia
um nmero maior de autovetores LI associados a 1 e como s temos um autovalor
no podemos ter mais autovetores LI. Portanto, pelo Teorema 6.3 na pgina 398, a
matriz A no diagonalizvel, ou seja, no existem matrizes P e D tais que
A = PDP1 .
p
Exemplo 6.8. Vamos retomar a cadeia de Markov do Exemplo 1.9 na pgina 16.

l
de um estado para outro seja constante no tempo, s dependa dos estados.
ita
de tempo (gerao). A matriz de transio dada por
1 2
3
t11 t12 t13
1
T = t21 t22 t23
2
t31 t32 t33
3
ig
Vamos considerar a matriz de transio

1 2
3
1 1
2 4 0
1
D
1 1 1
T = 2

2 2 2
0 1 1
3
4 2
Vamos calcular potncias k de T, para k um inteiro positivo qualquer. Para isto
vamos diagonalizar a matriz T. Para isso precisamos determinar seus os autovalores
e autovetores. Para esta matriz o polinmio caracterstico
ia
1 1
2 t 4 0
p(t) = det( T t I3 ) = det 12 1
2 t
1

2
1 1
0 4 2 t
p
1 1 1 1

1 t 2
12 2 2
= ( t) det 1 1 det
2 4 2 t 4 0 12 t

1 1 1 1 1
= ( t ) ( t )2 ( t)
2 2 8 8 2
3 1 3 1 1
= t3 + t2 t = t(t2 + t ) = t(t 1)(t )
2 2 2 2 2

406 Diagonalizao
l
Portanto, os autovalores de T so 1 = 0, 2 = 1/2 e 3 = 1. Agora, vamos determi-
nar os autovetores associados aos autovalores 1 , 2 e 3 . Para isto vamos resolver
ita
os sistemas ( T 1 I3 ) X = 0, ( T 2 I3 ) X = 0 e ( T 3 I3 ) X = 0. Como
1 1
2 4 0 x 0
( T 1 I3 ) X = TX = 0 12 21 12 y = 0

0 1 1 z 0
4 2
ig

1 0 1 0
0 1 2 0
0 0 0 0
Assim, a soluo geral do sistema ( T 1 I3 ) X = 0
D
W1 = {(, 2, ) | R} ,
nulo. O conjunto {V1 = (1, 2, 1)} uma base para W1 , pois como
(, 2, ) = (1, 2, 1),
ia
V1 gera W1 e um vetor no nulo LI.
Com relao ao autovalor 2 = 1/2, o sistema ( T 2 I3 ) X = 0
0 14 0 x 0

1
2 0 21 y = 0
p
0 1 0 z 0
4

1 0 1 0
0 1 0 0
0 0 0 0

l
W2 = {(, 0, ) | R}.
ita
O conjunto {V2 = (1, 0, 1)} uma base para W2 , pois como (, 0, ) = (1, 0, 1), V3
gera W2 e um vetor no nulo LI.
Com relao ao autovalor 3 = 1, o sistema ( T 3 I3 ) X = 0
1 1
2 4 0 x 0
1
2 12 1 y = 0
ig
2
0 1
1 z 0
4 2

1 0 1 0
D
0 1 2 0
0 0 0 0
W3 = {(, 2, ) | R} ,
ia
nulo. O conjunto {V1 = (1, 2, 1)} uma base para W1 , pois como
(, 2, ) = (1, 2, 1),
V1 gera W1 e um vetor no nulo LI.
p
Como V1 , V2 e V3 so autovetores associados a 1 , 2 e 3 , respectivamente, ento

pela Proposio 6.4 na pgina 400 os autovetores juntos V1 , V2 e V3 so LI. Assim, a
matriz A diagonalizvel e as matrizes

1 0 0 0 0 0 1 1 1
D = 0 2 0 = 0 21 0 e Q = [ V1 V2 V3 ] = 2 0 2
0 0 3 0 0 1 1 1 1

408 Diagonalizao
l
so tais que
D = Q1 TQ ou T = QDQ1 .
ita
Assim,
1
14 1

1
1 1 0 0 0 4 4
Tk = QD k Q1 = 2 0 2 0 ( 12 )k 0 21 0 1

2
1 1 1 0 0 1 1 1 1
4 4 4
ig
1
+ ( 21 )k+1 1 1 1 k +1

4 4 4 (2)
=
1 1 1
2 2 2
1 1 k +1 1 1
4 (2) 4 4 + ( 12 )k+1
Esta a matriz que d a transio entre k unidades de tempo (geraes).
D
ia
p

l
ita
6.1.1. Ache o polinmio caracterstico, os autovalores e os autovetores de cada matriz:

1 1 1 1
(a) (b)
1 1 2 4
0 1 2 1 0 0
(c) 0 0 3 (d) 1 3 0
0 0 0 3 2 2
2 2
ig
3 2 2 3
(e) 0 3 2 (f) 1 2 1
0 1 2 2 2 1
6.1.2. Ache bases para os auto-espaos associados a cada autovalor
D

2 0 0 2 3 0
(a) 3 1 0 (b) 0 1 0
0 4 3 0 0 2

1 2 3 4 2 2 3 4
0 1 3 2 0 2 3 2
(c)
0
(d)
0 3 3 0 0 1 1
ia

0 0 0 2 0 0 0 1
6.1.3. Verifique quais das matrizes so diagonalizveis:

1 4 1 0
p
(a) (b)
1 2 2 1

1 1 2 1 2 3
(c) 4 0 4 (d) 0 1 2
1 1 4 0 0 2
6.1.4. Ache para cada matriz A, se possvel, uma matriz no-singular P tal que P1 AP seja diagonal:

410 Diagonalizao

1 1 2 4 2 3
l
(a) 0 1 0 (b) 2 1 2
ita

0 1 3

1 2 0

1 2 3 3 2 1
(c) 0 1 0 (d) 0 2 0
2 1 2 0 0 0
6.1.5. Sabendo-se que V1 = (4, 4, 1), V2 = (5, 4, 1) e V3 = (5, 3, 1) so autovetores da matriz
ig
31 56 20

3
A = 23 16 16

3
16 16 11
6
D
(a) Sem obter o polinmio caracterstico determine os autovalores correspondentes a estes autovetores.
(b) A matriz diagonalizvel? Justifique?
6.1.6. D exemplo de:
(a) Uma matriz que no tem autovalor (real) (Sugesto: use o Exerccio 27 na pgina 413).
ia
(b) Uma matriz que tem um autovalor (real) e no diagonalizvel (em Rn ).
(c) Uma matriz que tem dois autovalores (reais) e no diagonalizvel (em Rn ).

5 3
p
0 1
2 2 4 0
A=
1

2 4 0
2 4 4 2
(a) Determine os autovalores da matriz A.

(b) Para cada autovalor da matriz A encontre os autovetores correspondentes.

l
(c) Se possvel, diagonalize a matriz A, ou seja, determine uma matriz P e uma matriz diagonal D tais
que A = PDP1 .
ita
A=[a11,a12,...,a1n;a21,a22,...; ...,amn] cria uma matriz, m por n, usando os elementos a11,
a12, ..., amn e a armazena numa varivel A;
ig
[P,D]=eig(A) determina matrizes P e D (diagonal) tais que AP=PD.
inv(A) calcula a inversa da matriz A.
A=sym(A) converte a matriz A numa matriz em que os elementos so armazenados no formato simblico.
A funo numeric faz o processo inverso.
D
A=randi(n) ou A=randi(m,n) cria uma matriz n por n ou m por n, respectivamente, com elementos
inteiros aleatrios.
escalona(A) calcula passo a passo a forma reduzida escalonada da matriz A.
ia
6.1.8. Defina as matrizes B=sym(randi(2)) e A=[B-B,zeros(2,1);zeros(1,2),randi]. A matriz A diago-
nalizvel? Por que?
6.1.9. Defina as matrizes L=[eye(2),zeros(2,1);randi(1,2),0] e A=sym(L*L). Determine o polinmio ca-
racterstico de A, os autovalores e um conjunto de autovetores linearmente independentes com o maior
p
nmero possvel de vetores. Encontre matrizes P e D (diagonal) tais que inv(P)*A*P=D, se possvel. Veri-
fique o resultado. Use o comando [P,D]=eig(A) e compare com as matrizes que voc encontrou.
6.1.10. Defina a=randi,b=randi e A=sym([2*a,a-b,a-b;0,a+b,b-a;0,b-a,a+b]). Determine o polinmio ca-
racterstico de A, os autovalores e um conjunto de autovetores linearmente independentes com o maior
nmero possvel de vetores. Encontre matrizes P e D (diagonal) tais que inv(P)*A*P=D, se possvel. Veri-
fique o resultado. Use o comando [P,D]=eig(A) e compare com as matrizes que voc encontrou.

412 Diagonalizao
Exerccios Tericos
l
6.1.11. Dizemos que uma matriz B, n n, semelhante a uma matriz A, n n, se existir uma matriz P no
ita
singular tal que B = P1 AP. Demonstre:
(a) A semelhante a A;
(b) Se A semelhante a B, ento B semelhante a A;
(c) Se A semelhante a B e B semelhante a C, ento A semelhante a C.
ig
6.1.12. Seja um autovalor (fixo) de A. Demonstre que o conjunto formado por todos os autovetores de A
associados a , juntamente com o vetor nulo, um subespao de Rn . Este subespao chamado de au-
toespao associado a . Em outras palavras, combinao linear de autovetores associados a um mesmo
autovalor um autovetor associado a esse mesmo autovalor.
D
6.1.13. Demonstre que se A e B so semelhantes, ento possuem os mesmos polinmios caractersticos e por-
tanto os mesmos autovalores.
6.1.14. Demonstre que se A uma matriz triangular superior, ento os autovalores de A so os elementos da
diagonal principal de A.
6.1.15. Demonstre que A e At possuem os mesmos autovalores. O que podemos dizer sobre os autovetores de
ia
A e At ?
6.1.16. Seja um autovalor de A com autovetor associado X. Demonstre que k um autovalor de Ak = A . . . A
associado a X, em que k um inteiro positivo.
6.1.17. Uma matriz A chamada nilpotente se Ak = 0, para algum inteiro positivo k. Reveja o Exerccio 1.1.29
p
na pgina 27. Demonstre que se A nilpotente, ento o nico autovalor de A 0. (Sugesto: use o
exerccio anterior)
6.1.18. Seja A uma matriz n n.
(a) Mostre que o determinante de A o produto de todas as razes do polinmio caracterstico de A;
(Sugesto: p(t) = det( A t In ) = (1)n (t 1 ) . . . (t n ).)

l
(b) Mostre que A singular se, e somente se, 0 for um autovalor de A.
ita
6.1.19. Seja um autovalor da matriz no-singular A com autovetor associado X. Mostre que 1/ um auto-
valor de A1 com autovetor associado X.

a b
6.1.20. Seja A = . Ache condies necessrias e suficientes para que A seja diagonalizvel.
c d
6.1.21. Se V e W so autovetores associados a um autovalor , ento W projV W tambm um autovetor
ig
associado a ? E se V e W forem autovetores associados a autovalores diferentes?
6.1.22. Sejam A e B matrizes n n. Mostre que AB e BA possuem os mesmos autovalores. (Sugesto: Separe em
dois casos: = 0 e 6= 0. No segundo caso, mostre que se V autovetor de AB, ento BV autovetor
D
de BA.)
6.1.23. Seja A uma matriz n n diagonalizvel. Mostre que o trao de A igual soma das razes do seu
polinmio caracterstico, incluindo as multiplicidades. (Sugesto: use o fato de que tr( AB) = tr( BA).)
6.1.24. Suponha que duas matrizes n n A e B so tais que B = A, para um escalar 6= 0. Mostre que se
ia
autovalor de uma matriz A, ento autovalor de B.
6.1.25. Seja A uma matriz n n com n autovalores diferentes. Mostre que A diagonalizvel.
(a) Mostre que se V autovetor de A, ento V autovetor de Ak . Com qual autovalor?

p
6.1.26.
(b) E se V autovetor de Ak , ento V autovetor de A? (Sugesto: veja o que acontece com uma matriz
nilpotente)
6.1.27. Dado um polinmio

p(t) = (1)n (tn + an1 tn1 + + a0 )

414 Diagonalizao
l
Verifique que a matriz
0 1 0 0
ita

0 0 1 0

A=
.. .. .. .. ..

,
. . . . .

0 0 0 1
a0 a1 a2 a n 1 nn
tal que o seu polinmio caracterstico p(t). Esta matriz chamada matriz companheira do polinmio
p(t). (Sugesto: verifique para n = 2 e depois supondo que seja verdade para matrizes (n 1) (n 1)
ig
mostre que verdade para matrizes n n expandindo em cofatores em relao a primeira coluna)
D
ia
p

6.2. Diagonalizao de Matrizes Simtricas 415
6.2 Diagonalizao de Matrizes Simtricas
l
ita
6.2.1 Motivao
O problema da identificao de uma cnica (curva no plano descrita por uma
equao de 2o. grau em x e y) atravs da sua equao facilmente resolvido se a
equao no possui um termo em que aparece o produto xy. Mas, ao contrrio, se
aparece este termo misto, temos que fazer uma mudana de coordenadas de forma
que nas novas coordenadas ele no aparea. Vejamos o exemplo seguinte.
ig
Exemplo 6.9. Considere o problema de identificar uma cnica representada pela
D
equao
3x2 + 2xy + 3y2 = 4 . (6.14)
Usando matrizes, esta equao pode ser escrita como

x
ia
[3x + y x + 3y] =4
y
ou
3 1 x
[ x y] =4
1 3 y
p
ou ainda,
X t AX = 4 , (6.15)
em que

3 1 x
A= e X= .
1 3 y

416 Diagonalizao
l
Como veremos adiante (Exemplo 6.11 na pgina 421), podemos escrever
A = PDPt
ita
em que
1 1
" #
2 2 2 0
P= eD= .
1 1 0 4
2 2
Assim, a equao (6.15) pode ser escrita como
ig
( X t P) D ( Pt X ) = ( Pt X )t D ( Pt X ) = 4 .
Se fazemos a mudana de variveis (ou de coordenadas) X = PX 0 , ento como Pt P =

I2 , a equao (6.15) se transforma em
ou
[x0 y0 ]
X 0t DX 0 = 4

2
0
0
4
D

x0
y0

=4
ia
que pode ser reescrita como,
2x 02 + 4y02 = 4 ,
ou dividindo por 4, como
x 02 y 02
p
+ =1
2 1
que a equao da elipse mostrada na Figura 6.3. Veremos na prxima seo como
traar esta elipse.
A matriz P, tem a propriedade de que a sua inversa simplesmente a sua transposta,
P1 = Pt . Uma matriz que satisfaz esta propriedade chamada de matriz ortogonal.
O que possibilitou a identificao da cnica, no exemplo anterior, foi o fato de que

6.2 Diagonalizao de Matrizes Simtricas 417
l
a matriz A diagonalizvel atravs de uma matriz ortogonal P. Ou seja, existe uma
matriz P tal que A = PDP1 e P1 = Pt .
ita
J vimos que nem toda matriz diagonalizvel (Exemplo 6.7 na pgina 403).
Vamos ver que se uma matriz A simtrica, ento ela diagonalizvel, isto , existe
uma matriz diagonal D e uma matriz invertvel P tal que A = PDP1 . Alm disso,
para matrizes simtricas, existe uma matriz P tal que A = PDPt . Isto porque existe
uma matriz ortogonal P que faz a diagonalizao, ou seja, que tem a propriedade
P1 = Pt . Em algumas aplicaes a diagonalizao com uma tal matriz necessria,
como por exemplo na identificao de cnicas.
ig
Vamos em primeiro lugar, caracterizar as matrizes ortogonais.
6.2.2 Matrizes Ortogonais
D
Uma matriz P tal que P1 = Pt chamada de matriz ortogonal.
Proposio 6.5. Uma matriz P ortogonal se, e somente se, as suas colunas formam um conjunto ortonormal de vetores.
ia
Demonstrao. Vamos escrever P = [U1 . . . Un ]. Ou seja, U1 , . . . , Un so as colunas
p
de P. A inversa de P Pt se, e somente se, Pt P = In . Mas,

t
U1 U1 U1t U2 . . . U1t Un

t
U1 U t U1 U t U2 . . . U2t Un
Pt P = ... [U1 . . . Un ] =
2 2
.. .. ..
. . .
Unt

t t
Un U1 Un U2 . . . Unt Un

418 Diagonalizao
Logo, Pt P = In se, e somente se, Uit Uj = Ui Uj = 0 para i 6= j e Uit Ui = Ui Ui = 1
l
para i = 1, . . . n. Ou seja, Pt P = In se, e somente se, U1 , . . . , Un so ortonormais.
ita
Vamos supor que uma matriz A diagonalizvel atravs de uma matriz ortogonal,
ou seja, que existe uma matriz P tal que D = Pt AP uma matriz diagonal. Como a
matriz P uma matriz cujas colunas so autovetores de A, deduzimos da proposio
anterior que uma matriz A diagonalizvel atravs de uma matriz ortogonal se, e
somente se, ela possui um conjunto ortonormal de autovetores. Como veremos, as
ig
matrizes simtricas possuem esta caracterstica.
D
Proposio 6.6. Para uma matriz A simtrica, os autovetores associados a autovalores diferentes so ortogonais.
Demonstrao. Sejam V1 e V2 autovetores de A associados aos autovalores 1 e 2 ,

ia
respectivamente, com 1 6= 2 . Ento, AV1 = 1 V1 e AV2 = 2 V2 .
Agora, se escrevemos os vetores como matrizes colunas, o produto escalar sim-
plesmente o produto matricial da transposta da primeira matriz pela segunda. As-
sim,
p
AV1 V2 = ( AV1 )t V2 = V1t At V2 = V1 At V2 . (6.16)

Como A simtrica At = A e como V1 e V2 so autovetores de A, temos de (6.16)
que
1 V1 V2 = 2 V1 V2
ou
(1 2 )V1 V2 = 0 .

l
Como 1 6= 2 , conclumos que V1 V2 = 0, ou seja, V1 , V2 so ortogonais.

ita
Como autovetores associados a autovalores diferentes j so ortogonais, para diago-
nalizarmos uma matriz simtrica A atravs de uma matriz P ortogonal, precisamos
encontrar, para cada autovalor, autovetores ortonormais associados a eles. Para isso,
podemos aplicar a Proposio 5.18 ou a Proposio 5.19 na pgina 347 a cada con-
junto de autovetores LI associados a cada um dos autovalores.
ig

4 2 2
D
A= 2 4 2
2 2 4
Esta a matriz do Exemplo 6.5 na pgina 401. Para esta matriz o polinmio caracte-
rstico
p(t) = det( A t I3 ) = (t 2)2 (8 t)
ia
Portanto, os autovalores de A so 1 = 2 e 2 = 8.
Os autovetores associados aos autovalores 1 = 2 e 2 = 8 so as solues de
( A 1 I3 ) X = 0 e ( A 2 I3 ) X = 0 respectivamente.
A forma escalonada reduzida de
p

2 2 2 1 1 1
A 2I3 = 2 2 2 0 0 0 .
2 2 2 0 0 0
Portanto, o autoespao associado a 1 = 2
W1 = {( , , ) | , R}.

420 Diagonalizao
l
Agora, ( , , ) = (1, 0, 1) + (1, 1, 0). Assim, os vetores V1 = (1, 0, 1) e
V2 = (1, 1, 0) geram W1 . Como alm disso, eles so LI (um no mltiplo escalar
ita
do outro), ento eles formam uma base para W1 .
Vamos encontrar dois autovetores ortonormais associados a 1 = 2. Para isso
vamos usar a Proposio 5.18 na pgina 347.
W1 = V1 = (1, 0, 1), W2 = V2 projW1 V2 = (1/2, 1, 1/2),

1 1 1 1 1 2 1
U1 = W1 = , 0, , U2 = W2 = , , .
||W1 || ||W2 ||
ig
2 2 6 6 6
Com relao ao autovalor 2 = 8, a forma escalonada reduzida da matriz

4 2 2 1 0 1
A 8I3 = 2 4 2 0 1 1 .
2 2 4 0 0 0
D
Assim, o autoespao associado a 2 = 8
W2 = {(, , ) | R}.
O conjunto {V3 = (1, 1, 1)} uma base para W2 , pois como (, , ) = (1, 1, 1), V3
gera W2 e um vetor no nulo LI. Assim, o vetor
ia

1

U3 = V3 = (1/ 3, 1/ 3, 1/ 3)
||V3 ||
forma uma base ortonormal para W2 . Como a matriz A simtrica, autovetores
associados a autovalores diferentes so ortogonais. Portanto, U1 , U2 e U3 so orto-
p
normais e assim as matrizes

1 1 1
2 0 0

2 6 3
2 1 e D = 0 2 0

P = [U1 U2 U3 ] = 0
6 3
1 1 1 0 0 8
2 6 3
so tais que A = PDPt .

l

3 1
Exemplo 6.11. Considere a matriz A = . O seu polinmio caracterstico
ita
1 3
p(t) = det( A t I2 ) = t2 6t + 8 = (t 2)(t 4).
Portanto, os autovalores de A so 1 = 2 e 2 = 4. Os autovetores associados aos

autovalores 1 = 2 e 2 = 4 so as solues de ( A 1 I2 ) X = 0 e ( A 2 I2 ) X = 0
respectivamente.
ig
A soluo geral do sistema ( A 2I2 ) X = 0 o autoespao
W1 = {(, ) | R}.
Como (, ) = (1, 1), ento V1 = (1, 1) gera W1 e como um vetor no nulo

LI, {V1 } uma base de W1 . Assim,
D

1 1 1
U1 = = ,
||W1 || 2 2
uma base ortonormal de W1 .
Para determinar os autovetores associados a autovalor 2 = 4 no precisamos
ia
resolver outro sistema linear. Como a matriz A simtrica, pela Proposio 6.6 na
pgina 418, autovetores associados a autovalores distintos so ortogonais. Logo o
autoespao associado a 2 = 4 dado por
W2 = {(1, 1) | R}.
p
O vetor V2 = (1, 1) gera W2 e como um vetor no nulo LI, {V2 } uma base de W2 .

1 1 1
U2 = = ,
||W2 || 2 2
uma base ortonormal de W2 .

422 Diagonalizao
l
Como a matriz A simtrica, autovetores associados a autovalores diferentes so
ortogonais. Portanto,
ita
1 1
" #
2 2 2 0
P= eD= .
1 1 0 4
2 2
so tais que A = PDPt .
ig
Observe que se uma matriz A diagonalizvel com uma matriz ortogonal, ou seja,
se A = PDPt , com D diagonal e P ortogonal, ento
At = ( PDPt )t = ( Pt )t D t Pt = PDPt = A,
D
ou seja, a matriz A tem que ser simtrica.
O prximo resultado, que est demonstrado no Apndice V na pgina 426, ga-
rante que toda matriz simtrica diagonalizvel atravs de uma matriz ortogonal,
ou seja, o procedimento seguido nos dois exemplos anteriores sempre funciona para
matrizes simtricas e somente para elas.
ia
Teorema 6.7. Se A uma matriz simtrica, ento ela diagonalizvel com uma matriz ortogonal, ou seja, existe uma
matriz ortogonal P e uma matriz diagonal D tal que
p
A = PDPt .

l
6.2.1. Diagonalize cada matriz dada A por meio de uma matriz ortogonal, ou seja, ache uma matriz ortogonal
ita
P tal que Pt AP seja diagonal:

2 2 2 1
(a) (b)
2 2 1 2
0 0 1 0 0 0
(c) 0 0 0 (d) 0 2 2
1 0 0 0 2 2
ig

1 1 0 2 1 1
(e) 1 1 0 (f) 1 2 1
0 0 1 1 1 2

1 2 0 0 0 0 0 0
2 1 0 0 0 0 0 0
D
(g) 0 0 1 2
(h) 0 0 0 1

0 0 2 1 0 0 1 0
6.2.2. Seja A uma matriz simtrica. Sabendo-se que
V1 = (0, 2, 2, 1) e V2 = (2, 1, 2, 3)
ia
so autovetores de A associados a 1 = 2 e
V3 = (2, 0, 1, 2) e V4 = (3, 2, 1, 2)
so autovetores associados a 2 = 4 determine, se possvel, uma matriz P e uma matriz diagonal D tais
p
que A = PDPt .
Exerccios Tericos
6.2.3. Mostre que se A uma matriz ortogonal, ento det( A) = 1.
6.2.4. Mostre que se A e B so matrizes ortogonais, ento AB ortogonal.

424 Diagonalizao

cos sen
l
6.2.5. (a) Verifique se a matriz ortogonal;
sen cos
ita
(b) Mostre que X = ( x, y) ortogonal a V = ( a, b) 6= 0 com || X || = ||V || se, e somente se, X = (b, a)
ou X = (b, a).
(c) Mostre que se A uma matriz ortogonal 2 2, ento existe um nmero real tal que

cos sen cos sen
A= ou A= .
sen cos sen cos
ig
A primeira matriz, tem determinante igual 1, a matriz de rotao (veja a Subseo 5.4.1 na pgina
368). Observe que a segunda matriz alm de ortogonal simtrica.
(Sugesto: Comece com uma matriz ( aij )22 e use o fato de que as colunas so ortonormais. Uma
das equaes ser a211 + a221 = 1. Faa a11 = cos e a21 = sen . Use o item anterior.)
D
6.2.6. Mostre que se uma matriz A diagonalizvel por uma matriz ortogonal (isto , existem P e D, com
P1 = Pt e D diagonal, tais que A = PDPt ), ento A uma matriz simtrica.
6.2.7. Dizemos que uma matriz simtrica A, n n, (definida) positiva se X t AX > 0, para todo X Rn , X 6= 0,
X escrito como matriz coluna. Mostre que so equivalentes as seguintes afirmaes:
ia
(a) A matriz A definida positiva.
(b) A simtrica e todos os autovalores de A so positivos.
(c) Existe uma matriz definida positiva B tal que A = B2 . A matriz B chamada a raiz quadrada de A.
p
(Sugesto: Mostre que (a)(b)(c)(a). Na parte (b)(c) faa primeiro o caso em que A uma matriz
diagonal)
6.2.8. Seja A uma matriz invertvel n n. Mostre que existe uma matriz simtrica definida positiva P e uma
matriz ortogonal U, tal que A = PU. Esta decomposio nica chamada de decomposio polar de A.
(Sugesto: Sejam P = ( AAt )1/2 e U = P1 A. Mostre que UU t = In .)

l
6.2.9. Seja A uma matriz n n. Para k = 1, . . . , n, seja Ak a submatriz obtida de A eliminando-se as ltimas
n k linhas e colunas. Ak chamada submatriz principal de A de ordem k. Mostre que se A uma
ita
matriz simtrica definida positiva n n, ento
(a) A no singular;
(b) det( A) > 0;
(c) as submatrizes principais A1 , . . . , An so todas definidas positivas. (Sugesto: considere vetores Xk
tais que os ltimos n k elementos so nulos.)
ig
D
ia
p

426 Diagonalizao
Apndice V: Autovalores Complexos
l
ita
Vamos provar que toda matriz simtrica diagonalizvel atravs de uma matriz
ortogonal. Para isto, precisamos trabalhar com matrizes cujas entradas so nmeros
complexos. Vamos chamar o conjunto das matrizes m n cujas entradas so nme-
ros complexos de Mmn (C).
Para uma matriz A = ( aij ) Mmn (C), definimos o conjugado da matriz A,
denotado por A como sendo a matriz B = (bij ) Mmn (C) dada por bij = aij , em
ig
que, se aij = ij + i ij , ento aij = ij i ij .
Para as matrizes de Mmn (C) alm das propriedades que j foram demonstradas
no Teorema 1.1 na pgina 9 so vlidas as seguintes propriedades, cuja demonstra-
o deixamos a cargo do leitor:
(p) Se A Mmp (C) e B M pn (C), ento
D
(q) Se A Mmn (C) e C, ento
AB = A B.
A = B.
ia
p
Proposio 6.8. Seja A uma matriz n n com entradas reais. Se Z Mn1 (C), um autovetor de A associado a um
autovalor complexo = + i com 6= 0, ou seja, se AZ = Z, ento Z tambm um autovetor de A associado a
= i.

Demonstrao.
l
AZ = A Z = ( AZ ) = Z = Z.
ita

ig
Teorema 6.9. Toda matriz simtrica, cujas entradas so nmeros reais, possui autovalor real.
Demonstrao. Seja A uma matriz simtrica, cujas entradas so nmeros reais. Va-
D
mos mostrar que as razes do seu polinmio caracterstico so reais. Seja uma raiz
do polinmio caracterstico de A. Ento o sistema linear ( A In ) Z = 0 tem soluo
no trivial Z Mn1 (C). O que implica que
AZ = Z.
ia
Como A uma matriz cujas entradas so nmeros reais, pela Proposio 6.8 temos
que AZ = Z. Por um lado,
n
t t t
Z AZ = Z Z = Z Z = |zi |2 .
p
i =1
Por outro lado

n
t t t
Z AZ = Z At Z = ( AZ )t Z = Z Z = |zi |2 .
i =1
Logo, = , ou seja, um nmero real.

428 Diagonalizao
l
Demonstrao do Teorema 6.7 na pgina 422. O resultado obvio se n = 1. Vamos su-
por que o resultado seja verdadeiro para matrizes (n 1) (n 1) e vamos pro-
ita
var que ele verdadeiro para matrizes n n. Pelo Teorema 6.9 a matriz A tem
um autovalor 1 . Isto significa que existem autovetores associados a 1 . Seja V1
um autovetor de norma igual 1 associado a 1 . Sejam V2 , . . . , Vn vetores tais que
{V1 , . . . , Vn } uma base ortonormal de Rn (isto pode ser conseguido aplicando-se o
processo de ortogonalizao de Gram-Schmidt a uma base de Rn que contenha V1 .)
Seja P1 = [ V1 . . . Vn ]. Como AV1 = 1 V1 e AV2 , . . . , AVn so combinaes lineares
de V1 , . . . , Vn , temos que
ig
AP1 = [ AV1 . . . AVn ] = [ V1 . . . Vn ] M = P1 M, (6.17)

1 . . .

0. . Multiplicando-se esquerda (6.17) por P1t
D

em que M =

..

B
0

obtemos M = P1t AP1 . Mas, Mt = ( P1t AP1 )t = P1t At P1 = P1t AP1 = M, ou seja, a
matriz M simtrica. Portanto,

1 0 . . . 0
ia

0

M = .

.
. B

0

p
com B uma matriz simtrica (n 1) (n 1). Como estamos supondo o resultado

verdadeiro para matrizes (n 1) (n 1), ento existe uma matriz
ortogonal P2 ,
1 0 . . . 0

t 0
(n 1) (n 1), tal que D2 = P2 B P2 diagonal. Seja P2 = .. .

. P2
0


l
Seja P = P1 P2 . P ortogonal (verifique!) e pela equao (6.17)
ita

1 0 . . . 0

0

AP = ( AP1 ) P2 = P1 MP2 = P1 .

..

B P2
0

Mas, B P2 = P2 D2 e assim,
ig

0 ... 0

1
0

AP = P1 P2 .. = PD,

. D2

0

D

0 ... 0

1

0. . Multiplicando-se direita por Pt obtemos o

em que D =

..
D2

0
ia
resultado.
p

430 Diagonalizao
6.3 Aplicao: Identificao de Cnicas
l
ita
Uma cnica no plano definida como o conjunto dos pontos P = ( x, y) que
satisfazem a equao
ax2 + bxy + cy2 + dx + ey + f = 0,
em que a, b, c, d, e e f so nmeros reais, com a, b e c no simultaneamente nulos.

Vamos estudar a elipse, a hiprbole e a parbola, que so chamadas cnicas no de-
ig
generadas. As outras que incluem um nico ponto e um par de retas so chamadas
cnicas degeneradas. Como veremos adiante as cnicas no degeneradas podem
ser obtidas da interseo de um cone circular com um plano.
Dizemos que a equao de uma cnica no degenerada est na forma padro se
ela tem uma das formas dadas na Figura 6.19 na pgina 458.
D
Nesta seo veremos como a diagonalizao de matrizes simtricas pode ser
usada na identificao das cnicas cujas equaes no esto na forma padro. An-
tes, porem, vamos definir as cnicas como conjunto de pontos que satisfazem certas
propriedades e determinar as equaes na forma padro.
ia
6.3.1 Elipse
p

6.3 Aplicao: Identificao de Cnicas 431
l
ita
y
y
ig
E2
W2
D
E1 x
W1
ia
x
Figura 6.3. Elipse do Exemplo 6.9

p

432 Diagonalizao
l
ita
W2
ig
D
ia
W1
Figura 6.4. Autoespaos do Exemplo 6.10

p

l
ita
ig
P
D
F1 F2
ia
Figura 6.5. Elipse que o conjunto dos pontos P tais que dist( P, F1 ) + dist( P, F2 ) = 2a
p

434 Diagonalizao
l
ita
Definio 6.4. A elipse o conjunto dos pontos P no plano tais que a soma das distncias de P a dois pontos
fixos F1 e F2 (focos) constante, ou seja, se dist( F1 , F2 ) = 2c, ento a elipse o conjunto dos pontos P tais que
dist( P, F1 ) + dist( P, F2 ) = 2a,
ig
em que a > c.
D
Uma elipse pode ser desenhada se fixarmos as extremidades de um barbante de
comprimento 2a nos focos e esticarmos o barbante com uma caneta. Movimentando-
se a caneta, mantendo o barbante esticado, a elipse ser traada (Figura 6.5).
ia
p

l
ita
Proposio 6.10. (a) A equao da elipse cujos focos so F1 = (c, 0) e F2 = (c, 0)
x2 y2
+ = 1, (6.18)
a2 b2
ig
(b) A equao da elipse cujos focos so F1 = (0, c) e F2 = (0, c)
x2 y2
+ = 1. (6.19)
b2 a2
D

Em ambos os casos b = a2 c2 .
ia
p

436 Diagonalizao
l
ita
y y
A2
ig
F2
B2
a
c
b a
A1 A2 B1 B2
D
F1 c F2 x b x
B1
A1 = ( a, 0) A2 = ( a, 0) A1 = (0, a) F1 A2 = (0, a)
ia
B1 = (b, 0) B2 = (b, 0) B1 = (b, 0) B2 = (b, 0)
F1 = (c, 0) F2 = (c, 0) F1 = (0, c) A1 F2 = (0, c)
Figura 6.6. Elipse com focos nos pontos Figura 6.7. Elipse com focos nos pontos
F1 = (c, 0) e F2 = (c, 0) F1 = (0, c) e F2 = (0, c)
p

Demonstrao.
l
(a) Vamos provar que se P = ( x, y) pertence a elipse, ento ele satisfaz (6.18) e
ita
deixamos para o leitor, como exerccio, a demonstrao da recproca. A elipse
o conjunto dos pontos P = ( x, y) tais que
dist( P, F1 ) + dist( P, F2 ) = 2a,
ou seja,

ig
|| F1 P || + || F1 P || = 2a,
que neste caso
q q
( x + c )2 + y2 + ( x c)2 + y2 = 2a
ou q
( x + c)2 + y2 = 2a
Elevando ao quadrado e simplificando, temos

D q
( x c )2 + y2 .
ia
q
a ( x c)2 + y2 = a2 cx.
Elevando novamente ao quadrado e simplificando, temos

p
( a2 c2 ) x 2 + a2 y2 = a2 ( a2 c2 )

Como a > c, ento a2 c2 > 0. Assim, podemos definir b = a2 c2 e dividir
e equao acima por a2 b2 = a2 ( a2 c2 ), obtendo (6.18).
(b) Trocando-se x por y no item anterior obtemos o resultado.


438 Diagonalizao
l
Nas Figuras 6.6 e 6.7, os pontos A1 , A2 , B1 e B2 so chamados vrtices da elipse. Os
segmentos A1 A2 e B1 B2 so chamados eixos da elipse.
ita
c
A excentricidade da elipse o nmero e = . Como, c < a, a excentricidade de
a
uma elipse um nmero real no negativo menor que 1. Observe que se F1 = F2 ,
ento a elipse reduz-se ao crculo de raio a. Alm disso, como c = 0, ento e = 0.
Assim, um crculo uma elipse de excentricidade nula.
A elipse a curva que se obtm seccionando-se um cone com um plano que no
passa pelo vrtice, no paralelo a uma reta geratriz (reta que gira em torno do
ig
eixo do cone de forma a ger-lo) e que corta apenas uma das folhas da superfcie (a
demonstrao deste fato est no Exerccio 6.3.18 na pgina 480).
A elipse tem a propriedade de refletir os raios vindos de um dos focos na direo
do outro foco (a demonstrao deste fato est no Exerccio 6.3.16 na pgina 473). Este
fato usado na construo de espelhos para dentistas e para escaneres.
D
Os planetas possuem rbitas elpticas em torno do Sol, assim como os satlites
em torno dos planetas. A excentricidade da rbita da Terra em torno do Sol 0,017.
Da Lua em volta da Terra 0,055. Netuno o planeta, cuja rbita, tem a menor ex-
centricidade do sistema solar, que 0,005. Mercrio tem a rbita de maior, e 0,206.
Triton, que a maior lua de Netuno o corpo, cuja rbita tem a menor excentrici-
dade do sistema solar, que de 0,00002. O cometa Halley tem uma rbita elptica em
ia
torno do sol com excentricidade 0,967. O coliseu de Roma tem a base elptica com
eixo maior igual 94 metros e eixo menor igual 78 metros.
p

l
ita
ig
D
ia
p
Figura 6.8. Elipse obtida seccionando-se um cone com um plano

440 Diagonalizao
6.3.2 Hiprbole
l
ita
ig
D
ia
p

l
ita
ig
P
D
F1 F2
ia
Figura 6.9. Hiprbole que o conjunto dos pontos P = ( x, y) tais que | dist( P, F1 ) dist( P, F2 )| = 2a
p

442 Diagonalizao
l
ita
Definio 6.5. A hiprbole o conjunto dos pontos P no plano tais que o mdulo da diferena entre as dis-
tncias de P a dois pontos fixos F1 e F2 (focos) constante, ou seja, se dist( F1 , F2 ) = 2c, ento a hiprbole o
conjunto dos pontos P tais que
| dist( P, F1 ) dist( P, F2 )| = 2a,
ig
em que a < c.
D
Podemos desenhar uma parte de um ramo de uma hiprbole da seguinte forma. Fi-
xamos uma extremidade de uma rgua em um dos focos, fixamos uma extremidade
ia
de um barbante (de comprimento igual ao comprimento da rgua menos 2a) na ou-
tra ponta da rgua e a outra extremidade do barbante no outro foco. Esticamos o
barbante com uma caneta de forma que ela fique encostada na rgua. Girando-se a
rgua em torno do foco no qual ela foi fixada, mantendo o barbante esticado com
a caneta encostada na rgua, uma parte de um ramo da hiprbole ser traada (Fi-
p
gura 6.9).

l
ita
y y
y= ba x y= bx
a
ig
y = ba x F2 y = ba x
A2 b
c a
b c
A1 A2
D
a
F1 F2 x x
A1
F1
A1 = ( a, 0) A2 = ( a, 0) A1 = (0, a) A2 = (0, a)
ia
F1 = (c, 0) F2 = (c, 0) F1 = (0, c) F2 = (0, c)
Figura 6.10. Hiprbole com focos nos pontos Figura 6.11. Hiprbole com focos nos pontos
F1 = (c, 0) e F2 = (c, 0) F1 = (0, c) e F2 = (0, c)
p

444 Diagonalizao
l
ita
Proposio 6.11. (a) A equao da hiprbole cujos focos so F1 = (c, 0) e F2 = (c, 0)
x2 y2
2
2 =1 (6.20)
a b
e das assntotas (retas para onde a curva se aproxima, quando x ) so
ig
b
y = x,
a
(b) A equao da hiprbole cujos focos so F1 = (0, c) e F2 = (0, c)
e das assntotas so
D y2
a2

x2
b2
a
=1
x = y.
(6.21)
ia
b

Em ambos os casos b = c2 a2 .
p
Demonstrao.
(a) Vamos provar que se P = ( x, y) uma ponto da hiprbole ento ele satisfaz
(6.20) e deixamos para o leitor, como exerccio, a demonstrao da recproca. A
hiprbole o conjunto dos pontos P = ( x, y) tais que
dist( P, F1 ) dist( P, F2 ) = 2a,

l
ou seja,

|| F1 P || || F2 P || = 2a,
ita
que neste caso
q q
( x + c )2 + y2 ( x c)2 + y2 = 2a
ou q q
( x + c)2 + y2 = 2a + ( x c )2 + y2 .
ig
Elevando ao quadrado e simplificando, temos
q
a ( x c)2 + y2 = a2 cx.
D
Elevando novamente ao quadrado e simplificando, temos
( a2 c2 ) x 2 + a2 y2 = a2 ( a2 c2 )

Como a < c, ento c2 a2 > 0. Assim, podemos definir b = c2 a2 e dividir
e equao acima por a2 b2 = a2 ( a2 c2 ), obtendo (6.20).
ia
A equao (6.20) pode ser reescrita como
2
b2 2 a2

2 2 x
y =b 1 = 2x 1 2 .
a2 a x
p
a2
Para x muito grande, prximo de 0 e a equao se aproxima de
x2
b2 2 b
y2 = x y = x.
a2 a

446 Diagonalizao
l

ita
Nas Figuras 6.10 e 6.11, os pontos A1 e A2 so chamados vrtices da hiprbole. A
c
excentricidade da hiprbole o nmero e = . Como, c > a, a excentricidade de
ig
a
uma hiprbole um nmero real maior que 1.
A hiprbole a curva que se obtm seccionando-se um cone com um plano que
no passa pelo vrtice, no paralelo a uma reta geratriz e que corta as duas folhas
da superfcie (a demonstrao deste fato est no Exerccio 6.3.18 na pgina 480).
D
A hiprbole tem a propriedade de refletir os raios vindos na direo de um dos
focos na direo do outro foco (a demonstrao deste fato est no Exerccio 6.3.17
na pgina 476). Este fato usado na construo de espelhos para telescpios e para
mquinas fotogrficas.
O cometa C/1980 E1 tinha um perodo orbital aproximado de 7,1 milhes de anos
antes da passagem pelo perilio em 1982, mas um encontro com Jpiter tornou a sua
ia
rbita a mais excntrica observada at agora (1,057) de todos os cometas. esperado
que este cometa no volte mais ao sistema solar.
p

l
ita
ig
D
ia
p
Figura 6.12. Hiprbole obtida seccionando-se um cone com um plano

448 Diagonalizao
6.3.3 Parbola
l
ita
ig
D
ia
p

l
ita
ig
D F
P
ia
Figura 6.13. Parbola que o conjunto dos pontos P = ( x, y) tais que dist( P, F ) = dist( P, r )
p

450 Diagonalizao
l
ita
Definio 6.6. Uma parbola o conjunto dos pontos P no plano equidistantes de uma reta r (diretriz) e de
um ponto F (foco), no pertencente a r, ou seja, a parbola o conjunto dos pontos P tais que
dist( P, F ) = dist( P, r ).
ig
Podemos desenhar uma parte da parbola da seguinte forma. Colocamos um es-
D
quadro com um lado cateto encostado na reta diretriz, fixamos uma extremidade de
um barbante (de comprimento igual ao lado cateto do esquadro perpendicular reta
diretriz) no foco, a outra extremidade na ponta do esquadro oposta ao lado que est
encostado na reta diretriz. Esticamos o barbante com a caneta de forma que ela fi-
que encostada no lado do esquadro perpendicular reta diretriz. Deslizando-se o
esquadro na direo da reta diretriz mantendo o lado encostado nela, uma parte da
ia
parbola traada (Figura 6.13).
p

l
ita
y y
ig
r : x = p
P0 F
D
x
F = (0, p)
P0 = (0, 0) x
F = ( p, 0) r : y = p
ia
P0 = (0, 0)
Figura 6.14. Parbola com foco no ponto F = ( p, 0) e Figura 6.15. Parbola com foco no ponto F = (0, p) e
p>0 p>0
p

452 Diagonalizao
l
ita
y y
r : y = p
r : x = p
ig
P0
x
F
F P0
D
x
F = ( p, 0) F = (0, p)
ia
P0 = (0, 0) P0 = (0, 0)
Figura 6.16. Parbola com foco no ponto F = ( p, 0) e Figura 6.17. Parbola com foco no ponto F = (0, p) e
p<0 p<0
p

l
ita
Proposio 6.12. (a) A equao da parbola com foco F = ( p, 0) e reta diretriz r : x = p
y2 = 4px, (6.22)
ig
(b) A equao da parbola com foco F = (0, p) e reta diretriz r : y = p
x2 = 4py. (6.23)
D
ia
p

454 Diagonalizao
Demonstrao.
l
(a) Vamos provar que se P = ( x, y) pertence a parbola, ento ele satisfaz (6.22) e
ita
deixamos para o leitor, como exerccio, a demonstrao da recproca. A par-
bola o conjunto dos pontos P = ( x, y) tais que
dist( P, F ) = dist( P, r ),
que neste caso q
ig
( x p )2 + y2 = | x + p |,
Elevando ao quadrado e simplificando, obtemos (6.22).

D
ia
Nas Figuras 6.14, 6.15, 6.16 e 6.17, o ponto P0 o ponto da parbola mais prximo
da reta diretriz e chamado de vrtice da parbola. A parbola a curva que se
obtm seccionando-se um cone por um plano paralelo a uma reta geratriz do cone
conforme a Figura 6.18 na pgina 455 (ver Exerccio 6.3.18 na pgina 480).
A parbola tem a propriedade de refletir os raios vindos do foco na direo do
p
seu eixo (a demonstrao deste fato est no Exerccio 6.3.15 na pgina 467). Este
fato usado na construo de faris e lanternas. Tambm, naturalmente, reflete na
direo do foco os raios que incidem paralelos ao eixo de simetria, fato usado na
construo de antenas receptoras.

l
ita
ig
D
ia
p
Figura 6.18. Parbola obtida seccionando-se um cone com um plano

456 Diagonalizao
l
Vamos resumir numa tabela as cnicas no degeneradas e suas equaes na
forma padro.
ita
ig
D
ia
p

l
x2 y2 y2 x2
ita
2
+ 2 = 1, a > b Elipse 2
+ 2 = 1, a > b
a by a by
(0, a)
(b, 0)
( a, 0) ( a, 0) (b, 0) (b, 0)
ig
x x
(b, 0)
(0, a)
x2
2
y2
2 =1
a y b
D Hiprbole
y2
2
x2
2 =1
a y b
y
x
b
=
a
=

y
b
x
=
ia
a
a
x
=
a
y
b
x
(0, a)
( a,0) ( a, 0)
x x
(0, a)
p

458 Diagonalizao
l
ita
y2 = 4px, p > 0 Parbola x2 = 4py, p > 0
y y
r : x = p
ig
x
r : y = p
y2 = 4px, p < 0
y
D x2 = 4py, p < 0
r : y = p
y
r : x = p
x
ia
x
p
Figura 6.19. Cnicas no degeneradas com equaes na forma padro

l
Vamos ver, agora, como a diagonalizao de matrizes simtricas pode ser usada na
identificao das cnicas cujas equaes no esto na forma padro. Vamos estudar
ita
alguns exemplos.
Exemplo 6.12. Considere a cnica C cuja equao

5x2 4xy + 8y2 36 = 0.
ig
Esta equao pode ser escrita como
X t AX 36 = 0 , (6.24)
D
em que
5 2 x
A= e X= .
2 8 y
O polinmio caracterstico de A

5 2
p() = det( A I2 ) = det = 2 13 + 36 .
ia
2 8
Logo, os autovalores de A so 1 = 4 e 2 = 9. Os autovetores associados a 1 = 4

so as solues no nulas do sistema
p
( A 4I2 ) X = 0
ou
1 2 x 0
= ,
2 4 y 0
cuja soluo
W1 = {(2, ) | R} .

460 Diagonalizao
Assim, V1 = (2, 1) uma base para W1 , pois gera V1 e LI. E W1 = ||V = ( 2 , 1 )
l
1
V1 || 5 5
uma base ortonormal para W1 .
ita
No precisamos resolver outro sistema linear para encontrar os autovetores as-
sociados a 2 = 9. Como a matriz A simtrica, pela Proposio 6.6 na pgina 418,
autovetores associados a autovalores distintos so ortogonais. Assim, o autoespao
associado a 2 = 9 dado por
W2 = {(1, 2) | R}.
ig
Logo V2 = (1, 2) uma base para V2 , pois gera V2 e LI. E
W2 = ||V 2
V2 ||
= ( 1 , 2 )
5 5
uma base ortonormal para W2 . Portanto,
A = PDPt
em que,
e
D=

D
4
0
"
0
9

2 1
#
ia

P = [W1 W2 ] = 5 5 .
1 2
5 5
Pelo Exerccio 6.2.5 na pgina 424 a matriz P uma matriz de rotao.

Substituindo-se A = PDPt na equao (6.24) obtemos
p
X t PDPt X 36 = 0.
x0

Substituindo-se X = PX 0 , ou equivalentemente, X0 = Pt X, em que X0 = na
y0
equao (6.24), obtemos
X 0t DX 0 36 = 0,

l
ou
4x 02 + 9y02 36 = 0,
ita
ou ainda
x 02 y 02
+ =1 (6.25)
9 4
que a equao de uma elipse cujo esboo mostrado na Figura 6.20. Para fazer o
esboo do grfico, em primeiro lugar temos que traar os eixos x0 e y0 . O eixo x0
obtido fazendo y0 = 0 na equao
ig
" 2 1
#

x0

0 x 5 5
X = PX ou =
y 1 2 y0
5 5
e o eixo y0 obtido fazendo x 0 = 0. Assim, eixo x0

passa pela
origem,
paralelo e pos-
1
D
sui o mesmo sentido do vetor W1 , que tem coordenadas em relao ao sistema
0
1
de coordenadas x0 y0 . Ou seja, W1 = P , que a primeira coluna de P. O eixo y0
0
passa
pela origem, paralelo e possui o mesmo sentido de W2 que tem coordenadas

0 0 0 0
em relao ao sistema de coordenadas x y . Ou seja, W2 = P , que a
ia
1 1
segunda coluna de P. Depois, a partir da equao (6.25), verificamos na Figura 6.19
na pgina 458 a forma da curva em relao aos eixos x0 e y0 .
p
Exemplo 6.13. Considere a cnica cuja equao dada por

20 80
5x2 4xy + 8y2 + x y + 4 = 0 .
5 5
Esta equao pode ser escrita como
X t AX + KX + 4 = 0 , (6.26)

462 Diagonalizao
l
em que
5 2 h
20
80
i
A= e K= .
ita
2 8 5 5
A matriz A a mesma do exemplo anterior. Assim, temos que
A = PDPt
em que,
1
ig
2
" #

4 0 5 5
D= , e P = [W1 W2 ] = .
0 9 1 2
5 5
Substituindo-se A = PDPt na equao (6.26) obtemos
D
X t PDPt X + KX + 4 = 0.
0
x
Substituindo-se X = PX 0 ou X 0 = Pt X, em que X 0 = .
y0
X 0t DX 0 + KPX 0 + 4 = 0,
ia
ou
4x 02 + 9y02 8x 0 36y0 + 4 = 0 .
ou ainda,
4( x 02 2x 0 ) + 9(y02 4y0 ) + 4 = 0
p
Completando-se os quadrados, obtemos
4[( x 02 2x 0 + 1) 1] + 9[(y02 4y0 + 4) 4] + 4 = 0
ou
4( x 0 1)2 + 9(y0 2)2 36 = 0.

l
Fazendo-se mais uma mudana de variveis
ita
x 00 = x0 1 e (6.27)
00
y = y0 2 (6.28)
obtemos
4x 002 + 9y002 36 = 0
ig
ou
x 002 y002
+ =1 (6.29)
9 4
que a equao de uma elipse cujo esboo mostrado na Figura 6.21. Antes de fazer
o esboo do grfico temos que traar os eixos x00 e y00 , que por sua vez so translaes
D

0 0 0 1
dos eixos x e y . O eixo x tem a direo e o sentido do vetor W1 = P (a
0
0
primeira coluna de P). O eixo y0 tem a direo e o sentido do vetor W2 = P
1
(a segunda coluna de P). O eixo x00 tem equao y00 = 0. Usando a equao (6.27)
obtemos y0 = 2. O eixo y00 tem equao x 00 = 0. Usando a equao (6.28) obtemos
ia
x 0 = 1. Depois, a partir da equao (6.29), verificamos na Figura 6.19 na pgina 458
a forma da curva em relao aos eixos x00 e y00 .
p
Os exemplos anteriores so casos particulares do prximo teorema, cuja demonstra-

o feita da mesma forma que fizemos com os exemplos e por isso deixamos para
o leitor a tarefa de escrev-la.

464 Diagonalizao
l
Teorema 6.13. Considere a equao
ita
ax2 + bxy + cy2 + dx + ey + f = 0, (6.30)
com a, b, c, d, e, f R, sendo a, b e c no simultaneamente nulos. Ento existe um sistema de coordenadas ortogonal x0 y0 ,

em que a equao (6.30) tem a forma
1 x 02 + 2 y 02 + d 0 x 0 + e 0 y 0 + f = 0 ,
ig
em que 1 , 2 so os autovalores de
a b/2
A= .
b/2 c
Mais ainda,
D
X = PX 0 ,
x0

x
em que X 0 = ,X = e P uma matriz ortogonal (P1 = Pt ).
y0 y
ia
p

l
ita
Identificar a cnica, achar a equao no ltimo sistema de coordenadas utilizado e fazer um esboo do grfico.
6.3.1. 9x2 4xy + 6y2 = 30;
6.3.2. 3x2 8xy 12y2 + 81 = 0;
ig
6.3.3. 2x2 4xy y2 = 24;
6.3.4. 21x2 + 6xy + 13y2 132 = 0;
6.3.5. 4x2 20xy + 25y2 15x 6y = 0;
D

6.3.6. 9x2 + y2 + 6xy 10 10x + 10 10y + 90 = 0;

6.3.7. 5x2 + 5y2 6xy 30 2x + 18 2y + 82 = 0;

6.3.8. 5x2 + 12xy 12 13x = 36;

ia
6.3.9. 6x2 + 9y2 4xy 4 5x 18 5y = 5;

6.3.10. x2 y2 + 2 3xy + 6x = 0;

6.3.11. 8x2 + 8y2 16xy + 33 2x 31 2y + 70 = 0;
p
6.3.12. x2 6xy 7y2 + 10x + 2y + 9 = 0;

466 Diagonalizao
l
[P,D]=diagonal(A) diagonaliza a matriz A, de forma que AP=PD, em que D uma matriz diagonal e P
uma matriz ortogonal.
ita
subst(expr,[x;y],[a;b]) substitui na expresso expr as variveis x,y por a,b, respectivamente.
x2 y2
elipse(a,b) desenha a elipse a2
+ b2
= 1.
x 02 y 02
elipse(a,b,[U1 U2]) desenha a elipse a2
+ b2
= 1, em que x 0 e y0 so as coordenadas em relao
base ortonormal U1 e U2.
002 y002
ig
elipse(a,b,[U1 U2],X0) desenha a elipse xa2 + b2 = 1, em que x 00 e y00 so as coordenadas em
relao ao sistema de coordenadas determinado pela base ortonormal U1 e U2 e pelo ponto X0.
x2 y2
hiperbx(a,b) desenha a hiprbole a2
b2
= 1.
x 02 y 02
hiperbx(a,b,[U1 U2]) desenha a hiprbole = 1, em que x 0 e y0 so as coordenadas em
D
a2 b2
relao base ortonormal U1 e U2.
002 y002
hiperbx(a,b,[U1 U2],X0) desenha a hiprbole xa2 b2 = 1, em que x 00 e y00 so as coordenadas em
y2 x2
hiperby(a,b) desenha a hiprbole a2
b2
= 1.
ia
y 02 x 02
hiperby(a,b,[U1 U2]) desenha a hiprbole a2
b2
= 1, em que x 0 e y0 so as coordenadas em
relao base ortonormal U1 e U2.
y002 002
hiperby(a,b,[U1 U2],X0) desenha a hiprbole a2 xb2 = 1, em que x 00 e y00 so as coordenadas em
p
parabx(p) desenha a parbola y2 = 4px.
parabx(p,[U1 U2]) desenha a parbola y02 = 4px 0 , em que x 0 e y0 so as coordenadas em relao
parabx(p,[U1 U2],X0) desenha a parbola y002 = 4px 00 , em que x 00 e y00 so as coordenadas em relao
ao sistema de coordenadas determinado pela base ortonormal U1 e U2 e por X0.

paraby(p) desenha a parbola x2 = 4py.
l
paraby(p,[U1 U2]) desenha a parbola x 02 = 4py0 , em que x 0 e y0 so as coordenadas em relao
ita
paraby(p,[U1 U2],X0) desenha a parbola x 002 = 4py00 , em que x 00 e y00 so as coordenadas em relao
ao sistema de coordenadas determinado pela base ortonormal U1 e U2 e por X0.
ig
6.3.13. Use o M ATLABr para resolver os Exerccios Numricos
Exerccios Tericos
D
6.3.14. (a) Verifique que com o procedimento abaixo realmente desenhamos uma parte de um ramo de uma
hiprbole. Fixamos uma extremidade de uma rgua em um dos focos, fixamos uma extremidade de
um barbante (de comprimento igual ao comprimento da rgua menos 2a) na outra ponta da rgua e
a outra extremidade do barbante no outro foco. Esticamos o barbante com uma caneta de forma que
ela fique encostada na rgua. Girando-se a rgua em torno do foco no qual ela foi fixada, mantendo
o barbante esticado com a caneta encostada na rgua, uma parte de um ramo da hiprbole ser
ia
traada (Figura 6.9 na pgina 441).
(b) Verifique que com o procedimento abaixo realmente desenhamos uma parte de um ramo de uma
parbola. Colocamos um esquadro com um lado cateto encostado na reta diretriz, fixamos uma ex-
tremidade de um barbante (de comprimento igual ao lado cateto do esquadro perpendicular reta
p
diretriz) no foco, a outra extremidade na ponta do esquadro oposta ao lado que est encostado na
reta diretriz. Esticamos o barbante com a caneta de forma que ela fique encostada no lado do esqua-
dro perpendicular reta diretriz. Deslizando-se o esquadro na direo da reta diretriz mantendo o
lado encostado nela uma parte da parbola traada (Figura 6.13 na pgina 449).
6.3.15. Mostre que um espelho parablico reflete na mesma direo do seu eixo de simetria os raios que incidem
vindos do foco, seguindo os seguintes passos:

468 Diagonalizao
(a) Considere a parbola y2 = 4px. Use o fato de que a inclinao da reta tangente parabola no ponto
l
y2 dy 2p
P = ( 4p0 , y0 ) tan() = dx = y0 . Mostre que a reta tangente parabola no ponto P intercepta o eixo
ita
x no ponto Q = ( x0 , 0).
(b) Mostre que d( Q, F ) = d( F, P), em que F = ( p, 0). Logo o tringulo QFP issceles e assim, o ngulo
de incidncia do raio que incide em P vindo do foco, 2 , igual ao ngulo de reflexo do raio que
parte de P na mesma direo do eixo de simetria, 1 . Portanto, o raio que vem de F e se reflete em
P necessariamente segue paralelo ao eixo de simetria da parbola (veja a Figura 6.22).
ig
D
ia
p

l
ita
4
y
y
ig
2
x
1
W2 W1
D
0
x
3
ia
4
4 3 2 1 0 1 2 3 4

p

470 Diagonalizao
l
ita
7
y
ig
y"
4
x"
y
D
3
2
x
1
W2 W1
0
x
ia
1
4 3 2 1 0 1 2 3 4

p

l
ita
y
ig
P 1
y0
D
Q F x0 x
ia
Figura 6.22. Espelho parablico refletindo na direo do seu eixo de simetria os raios vindos do foco.
p

472 Diagonalizao
l
ita
ig
D
ia
Figura 6.23. Espelho parablico refletindo, na direo Figura 6.24. Espelho parablico refletindo na direo
do foco, os raios que incidem paralelos ao seu eixo do seu eixo os raios originrios do foco
p

l
6.3.16. Mostre que um espelho elptico, reflete na direo de um foco, os raios que incidem na elipse vindo do
outro foco, seguindo os seguintes passos:
ita
x2 y2
(a) Considere a elipse + = 1. Usando o fato de que um ponto da elipse pode ser escrito na
a2 b2
forma P = ( a cos t, b sen t), para t [0, 2 ) e que a inclinao da reta tangente elipse neste ponto
dy b cos t
= , mostre que a equao da reta tangente elipse em P
dx a sen t
ig
b cos t
y = b sen t ( x a cos t), para t 6= 0, ,
a sen t
e que a equao da reta que passa por F2 e paralela ao raio que passa por F1 depois de ser refletido
em P
b sen t
D
y= ( x c ).
c + a cos t
(b) Mostre que a interseo da reta tangente elipse que passa por P e a reta que passa por F2 e
paralela ao raio que passa por F1 depois de ser refletido em P o ponto
a(c sen2 t + a cos t + c) b sen t( a c cos t)

P1 = ,
ia
a + c cos t a + c cos t
(c) Mostre que dist( P, F2 ) = dist( P1 , F2 ) = a c cos t. Logo o tringulo PF2 P1 issceles e assim o
ngulo de reflexo do raio que passa por F1 depois de ser refletido em P, 1 , e o ngulo de incidncia
do raio que se reflete em P vindo de F2 , 2 , so iguais. Portanto, o raio que vem de F2 e se reflete em
p
P necessariamente passa por F1 (veja a Figura 6.25).

474 Diagonalizao
l
ita
y
ig
P = ( a cos(t), b sen(t))
1
2
1 P1
D
F1 = (c, 0) F2 = (c, 0) x
ia
Figura 6.25. Elipse refletindo, na direo de um foco, os raios que incidem na elipse vindo do outro foco
p

l
ita
ig
D
ia
Figura 6.26. Espelho elptico refletindo, na direo de um foco, os raios que incidem vindo do outro foco
p

476 Diagonalizao
l
6.3.17. Mostre que um espelho hiperblico, reflete na direo de um foco, os raios que incidem na hiprbole na
direo do outro foco, seguindo os seguintes passos:
ita
x 2 y2
(a) Considere a hiprbole 2 = 1. Usando o fato de que um ponto do ramo esquerdo da hiprbole
a2 b
pode ser escrito na forma P = ( a sec t, b tan t), para t (/2, /2) e que a inclinao da reta
dy b
tangente hiprbole neste ponto = , mostre que a equao da reta tangente hiprbole
dx a sen t
em P
b
ig
y = b tan t ( x + a sec t), para t 6= 0,
a sen t
e que a equao da reta que passa por F2 e paralela ao raio que incide na direo de F1 e se reflete
em P
b tan t
y= ( x c ).
D
c a sec t
(b) Mostre que a interseo da reta tangente hiprbole que passa por P e a reta que passa por F2 e
paralela ao raio que incide na direo de F1 e se reflete em P o ponto
a(2c cos2 t a cos t c) b sen t( a cos t + c)

P1 = ,
cos t( a cos t c) cos t( a cos t c)
ia
(c) Mostre que dist( P, F2 ) = dist( P1 , F2 ) = a + c sec t. Logo o tringulo PF2 P1 issceles e assim o
ngulo de incidncia do raio que incide na direo de F1 e se reflete em P, 1 , e o ngulo de reflexo
do raio que se reflete em P na direo de F2 , 2 , so iguais. Portanto, o raio que incide na direo de
F1 e se reflete em P necessariamente passa por F2 (veja as Figuras 6.27 e 6.28)
p

l
ita
y
ig
1
P = ( a sec t, b tan t)
2
F2 = (c, 0)
D
F1 = (c, 0)
x
P1
ia
Figura 6.27. Hiprbole refletindo, na direo de um foco, os raios que incidem na hiprbole na direo do outro
foco
p

478 Diagonalizao
l
ita
y
ig
2 1
P = ( a sec t, b tan t)
1 2 F2 = (c, 0)
D
F1 = (c, 0)
x
P1
ia
Figura 6.28. Hiprbole refletindo, na direo de um foco, os raios que incidem na hiprbole na direo do outro
foco
p

l
ita
ig
D
ia
Figura 6.29. Espelho maior parablico refletindo na direo do foco, em seguida os raios so refletidos por um
espelho hiperblico na direo do outro foco da hiprbole
p

480 Diagonalizao
l
6.3.18. Mostre que a interseo de um cone circular com plano que no passa pelo seu vrtice uma cnica
seguindo os seguintes passos:
ita
(a) Considere dois sistemas de coordenadas R = {O,~i,~j,~k} e S = {O,~i, U2 , U3 }, em que o sistema S
obtido do sistema R por uma rotao de ngulo em torno do eixo x. Mostre que vlida a seguinte
relao entre as coordenadas, ( x 0 , y0 , z0 ), em relao ao sistema S e ( x, y, z), em relao ao sistema R
0
x 1 0 0 x x
y0 = 0 cos sen y = (cos )y + (sen )z .
ig
z 0 0 sen cos z (sen )y + (cos )z
(b) Mostre que o cone circular de equao

2 2 2
x 0 + y0 = z0
D
no sistema S , tem equao
x2 + (cos 2 )y2 + (2 sen 2 )yz (cos 2 )z2 = 0
no sistema R.
(c) Mostre que a interseo do cone com o plano z = 1 a cnica no plano de equao
ia
x2 + (cos 2 )y2 + (2 sen 2 )y = cos 2
(d) Mostre que se = 4 , ento a cnica a parbola no plano de equao
x2 2y = 0.
p
(e) Mostre que se 6= 4 , ento a cnica no plano tem equao
x2 (y + tan 2 )2
+ = 1,
sec 2 sec2 2
que uma elipse se | | <
4 e uma hiprbole se
4 < | |
2.

l
6.3.19. Demonstre o Teorema 6.13 na pgina 464.
6.3.20. Seja C o conjunto dos pontos do plano que satisfazem a equao
ita
ax2 + bxy + cy2 + dx + ey + f = 0,
com a, b, c, d, e, f R, sendo a, b e c no simultaneamente nulos. Consideremos a matriz

a b/2
A= .
ig
b/2 c
Sejam e os autovalores de A.
(a) Mostre que = ac b2 /4.
(b) Mostre que se b2 4ac < 0, ento C uma elipse, um ponto ou o conjunto vazio.
D
(c) Mostre que se b2 4ac > 0, ento C uma hiprbole, ou um par de retas concorrentes.
(d) Mostre que se b2 4ac = 0, ento C uma parbola, um par de retas paralelas, uma reta ou o
conjunto vazio.
ia
p

482 Diagonalizao
l
ita
z
z
ig
y
U3
U3 U2
D
U2 y
U1 U1
x= x=
ia
Figura 6.30. Elipse interseo do cone circular com Figura 6.31. Parbola interseo do cone circular com
um plano um plano
p

l
ita
y=
ig
z
x=
D
ia
Figura 6.32. Hiprbole interseo do cone circular com um plano
p

484 Diagonalizao
Teste do Captulo
l
ita
1. (a) Encontre matrizes P e D tais que
D = Pt AP,
em que
8 8
A= .
ig
8 8
(b) Identificar a cnica, achar a equao no ltimo sistema de coordenadas utilizado e fazer um esboo
do grfico.
8x2 + 8y2 16xy + 33 2x 31 2y + 70 = 0
(a)
a b
3b c

D
2. Verifique quais das matrizes seguintes so diagonalizveis:

(b)

a
b
b
a

ia

1 0
3. (a) Seja D = . Calcule D10 .
0 1
p
(b) Sabendo-se que A = P1 DP, calcule A10 .
4. Diga se verdadeiro ou falso cada item abaixo, justificando.

(a) Se A uma matriz 2 2 com somente 1 autovalor, ento A no diagonalizvel;

l
(b) Se V e W so autovetores associados a um autovalor , ento W projV W tambm um autovetor
associado a .
ita
(c) Se A no singular, ento 0 no autovalor de A;
(d) As matrizes A e A2 possuem os mesmos autovetores;
ig
D
ia
p

l
ita
R ESPOSTAS DOS E XERCCIOS
ig
1.1. Matrizes (pgina 17)
1.1.1. (a)
D

24 20
58 24
(b) No possvel pois C 2 3 e D 3 3.

(c)
30 19 27
" #
(2D t 3Et )t = 2D 3E = 5 2 20
6 0 15
ia
(d)
80 34 22
" #
D2 DE = D ( D E) = 10 4 45
72 30 12
p
No item (c) foram usadas as propriedades (l) e (n) do Teorema 1.1 e no item (d) foi usada a propriedade (i).
1.1.2. A( B + C ) = AB + AC pela propriedade (b), Bt At = ( AB)t e C t At = ( AC )t pela propriedade (o) e ( ABA)C = ( AB)( AC ) pela
propriedade (h) do Teorema 1.1.
1.1.3. (a)
7 2 3
" #
2 6 6 4 2
AB = 6 4 , BA =
3 6 3
Captulo 1. Matrizes e Sistemas Lineares 487
l
(b)
3 2 1
AE1 = 1 , AE2 = 2 , AE3 = 1
ita
E1t B = [2 1] , E2t B = [2 0] , E3t B = [0 3]
(c)
2 d1 d2 d3
" #
CD = 0 d2 d3 = [ d1 C1 d2 C2 d3 C3 ]
d1 0 d3
ig
(d)
2 d1 d1 d1 d1 C1
" # " #
DC = 0 d2 d2 = d2 C2
d3 0 d3 d3 C3
(e)
2 6
D
AB = 6 4 = [ AB1 AB2 ]
(f)

2 6 A1 B
AB = 6 4 = A2 B
ia
1.1.4.
x 3 y 0 x3y
xA1 + yA2 + zA3 = 0 + 4 y + 2 z = 4 y 2 z = AX
1.1.5.
ABt = 2x 22 = 0
p
x = 11
1.1.6.
2

2
A2 = y
2y 2
2

2 y
2A =
2y 2

488 Respostas dos Exerccios
l
1.1.7. Sejam

x y 0 1
A= z , M =
ita
w 1 0

z y xw
AM MA = xw z + y = 0
se, e somente se,

w = x, z = y.
Ou seja, uma matriz A comuta com a matriz M (AM = MA) se, e somente se, so vlidas as seguintes relaes entre os seus
ig
elementos:
a22 = a11 e a21 = a12 .
Assim,

x y a b
A = y x . e B = b a , para quaisquer x, y, a, b,
D
so tais que AM = MA e BM = MB.

axby ay+bx axby ay+bx
AB = a y b x axby , BA = a y b x axby
Logo, AB = BA.
ia

x 0 a b
1.1.8. (a) Sejam A = 0 y eB= c d .

ax bx ax by
AB = c y dy = BA = cx dy
p
se, e somente se, yb = xb, para todo b. Em particular para b = 1, obtemos que y = x. Assim, a matriz A que alm de ser
diagonal tem que ter os elementos da diagonal iguais.

x y a b cy+ax dy+bx bz+ax ay+bw
(b) Sejam A = z w eB= c d . AB = a z + c w b z + d w = BA = d z + c x c y + d w .
Comparando os elementos de posio 1,1 obtemos que cy = bz, para todos os valores de b e c. Em particular para b = 0 e
c = 1, obtemos que y = 0 e para b = 1 e c = 0, obtemos que z = 0. Ou seja, a matriz A tem que ser diagonal. Assim, pelo
item anterior temos que a matriz A tem que ser diagonal com os elementos da diagonal iguais.

l
1.1.9.
0 0 1
" #
A2 = 0 0 0
ita
0 0 0
0 0 0
" #
A3 = 0 0 0
0 0 0
1.1.10. (a) >> A=[1,1/2;0,1/3]

A =
1.0000 0.5000
0 0.3333
ig
>> A^2,A^3,A^4,A^5
ans =
1.0000 0.6667
0 0.1111
ans =
1.0000 0.7222
0 0.0370
D
ans =
1.0000 0.7407
0 0.0123
ans =
1.0000 0.7469
0 0.0041
>> A^6,A^7,A^8,A^9
ans =
1.0000 0.7490
ia
0 0.0014
ans =
1.0000 0.7497
0 0.0005
ans =
1.0000 0.7499
0 0.0002
p
ans =
1.0000 0.7500
0 0.0001
1 0.75
A sequncia parece estar convergindo para a matriz 0 0 .
(b) >> A=[1/2,1/3;0,-1/5]

A =
0.5000 0.3333
0 -0.2000

l
>> A^2,A^3,A^4,A^5
ans =
0.2500 0.1000
ita
0 0.0400
ans =
0.1250 0.0633
0 -0.0080
ans =
0.0625 0.0290
0 0.0016
ans =
0.0312 0.0150
0 -0.0003
ig
>> A^6,A^7,A^8,A^9
ans =
0.0156 0.0074
0 0.0001
ans =
0.0078 0.0037
0 0.0000
D
ans =
0.0039 0.0019
0 0.0000
ans =
0.0020 0.0009
0 0.0000
0 0
A sequncia parece estar convergindo para a matriz nula 0 0 .
ia
1.1.11. (a) >> A=[0,0,1;1,0,0;0,1,0];
>> A=sym(A)
[ 0, 0, 1]
[ 1, 0, 0]
[ 0, 1, 0]
>> A^2
p
[ 0, 1, 0]
[ 0, 0, 1]
[ 1, 0, 0]
>> A^3
[ 1, 0, 0]
[ 0, 1, 0]
[ 0, 0, 1]
Para k = 3, Ak = I3 .
(b) >> A=[0,1,0,0;-1,0,0,0;0,0,0,1;...

l
0,0,1,0];
>> A=sym(A)
[ 0, 1, 0, 0]
ita
[ -1, 0, 0, 0]
[ 0, 0, 0, 1]
[ 0, 0, 1, 0]
>> A^2
[ -1, 0, 0, 0]
[ 0, -1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
>> A^3
[ 0, -1, 0, 0]
ig
[ 1, 0, 0, 0]
[ 0, 0, 0, 1]
[ 0, 0, 1, 0]
>> A^4
[ 1, 0, 0, 0]
[ 0, 1, 0, 0]
[ 0, 0, 1, 0]
D
[ 0, 0, 0, 1]
Para k = 4, Ak = I4 .
(c) >> A=[0,1,0,0;0,0,1,0;0,0,0,1;0,0,0,0];
>> A=sym(A)
[ 0, 1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
ia
>> A^2
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
>> A^3
[ 0, 0, 0, 1]
p
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
>> A^4
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
Para k = 4, Ak = 0.

l
1.1.12. Conclumos que muito raro encontrar matrizes cujo produto comute.
ita
1.1.13. Conclumos que matrizes diagonais em geral comutam. Pode-se mostrar que elas sempre comutam (Exerccio 28 na pgina 27).
1.1.14. Se a matriz A for diagonal, ento o produto comuta, se os elementos da diagonal de A so iguais. (ver Exerccio 17 na pgina 24).
A probabilidade de um tal par de matrizes comute aproximadamente igual probabilidade de que a primeira matriz tenha os
elementos da sua diagonal iguais, ou seja, 11/113 = 1/112 1%.
1.2. Sistemas Lineares (pgina 57)
ig
1.2.1. As matrizes que esto na forma escalonada reduzida so A e C.

x 8 + 7
y 2 3
1.2.2. (a) X = z = 5 , R.
w
D
x1 2 3 + 6

x2
(b) X x3 =
= 7 4 , , R.
x4 8 5

x5

x 6
y 3
(c) X = z = 2 , R.

w
ia

x1 3 + 8 7

x 2
(d) X x3 =
= 5 6 , , R.
x4 9 3

x5
p
1.2.3. (a) 1a. eliminao:

linha 2 --> linha 2 + (1)*linha 1
linha 3 --> linha 3 + (-3)*linha 1
1 1 2 8
" #
0 1 5 9
0 10 2 14
2a. eliminao:
linha 2 --> -1*linha 2

1 1 2 8
" #
l
0 1 5 9
0 10 2 14
ita
1 0 7 17
" #
0 1 5 9
0 0 52 104
3a. eliminao:
linha 3 --> -(1/52)*linha 3
ig
1 0 7 17
" #
0 1 5 9
0 0 1 2
1 0 0 3
" #
D
0 1 0 1
0 0 1 2
x1 3
" # " #
X= x2 = 1 .
x3 2
(b) 1a. eliminao:

ia
linha 1 --> (1/2)*linha 1
1 1 1 0
" #
2 5 2 1
8 1 4 1
p
1 1 1 0
" #
0 7 4 1
0 7 4 1
2a. eliminao:
1 1 1 0
" #
4 1
0 1 7 7
0 7 4 1

l
ita

3
1 0 7 17
0 4 1
1 7 7

0 0 0 0

x1 17 37
" #
X= x2 = 1 4 , R.
7 7
x3
ig
(c) 1a. eliminao:
linha 2<--> linha 1
3 6 3 2
" #
0 2 3 1
6 6 3 5
D
1 32
" #
1 2
0 2 3 1
6 6 3 5
1 23
" #
1 2
0 2 3 1
0 6 9 9
ia
2a. eliminao:
linha 2 --> -(1/2)*linha 2

1 2 1 23
0 1 32 12
0 6 9 9
p


1
1 0 2 3
0 1 32 12
0 0 0 6
O sistema no tem soluo!

l
1.2.4. 1a. eliminao:
ita
1 2 1 1 2
" #
0 1 1 4 5
0 1 1 4 4
2a. eliminao:
1 2 1 1 2
" #
ig
0 1 1 4 5
0 1 1 4 4

D
1 0 3 9 12
" #
0 1 1 4 5
0 0 0 0 1
3a. eliminao:
ia
1 0 3 9 0
" #
0 1 1 4 0
0 0 0 0 1
x1 9 3
" # " #
(a) X = x2 = 4 , R.
x3
p
(b) O sistema no tem soluo!
1.2.5.
AX = X AX = I3 X ( A I3 ) X = 0
(a)
5 0 5
" #
A + 4I3 = 1 5 1 .
0 1 0

l
1a. eliminao:
linha 2<--> linha 1
ita
1 5 1
" #
5 0 5
0 1 0
1 5 1
" #
0 25 0
0 1 0
2a. eliminao:
ig
linha 3<--> linha 2
1 5 1
" #
0 1 0
0 25 0
D
1 0 1
" #
0 1 0
0 0 0
x
" # " #
X= y = 0 , R.
z
ia
(b)
1 0 5
" #
A 2I3 = 1 1 1
0 1 6
1a. eliminao:
p

1 0 5
" #
1 1 1
0 1 6
1 0 5
" #
0 1 6
0 1 6

l
2a. eliminao:
ita
1 0 5
" #
0 1 6
0 1 6
1 0 5
" #
0 1 6
0 0 0
x 5
" # " #
ig
X= y = 6 , R.
z
1 2 3 4
" #
0 7 14 10
D
0 7 a2 2 a 14
2a. eliminao:
linha 2 --> -(1/7)*linha 2
3

1 2 4
10
0 1 2 7

0 7 a2 2 a 14
ia
8

1 0 1 7
10
0 1 2 7

0 0 a2 16 a4
p
i. Se a2 16 = 0 e a 4 = 0, ento o sistema tem infinitas solues. Neste caso, a = 4;

ii. Se a2 16 = 0 e a 4 6= 0, ento o sistema no tem soluo. Neste caso, a = 4;
iii. Se a2 16 6= 0, ento o sistema tem soluo nica. Neste caso, a 6= 4;
(b) 1a. eliminao:
1 1 1 2
" #
0 1 0 1
0 1 a2 3 a 3

l
2a. eliminao:
ita
1 0 1 1
" #
0 1 0 1
0 0 a2 3 a4
i. Se a2 3 = 0 e a 4 = 0, ento o sistema tem infinitas solues. Este caso no pode ocorrer;

ii. Se a2 3 = 0 e a 4 6= 0, ento o sistema no tem soluo. Neste caso, a = 3;

iii. Se a2 3 6= 0, ento o sistema tem soluo nica. Neste caso, a 6= 3;
ig
1.2.7.
"X Y Z#
gramas de A/kg 2 1 3
gramas de B/kg 1 3 5
preo/kg 3 2 4
x kg de X 1900 gramas de A
" # " #
D
y kg de Y 2400 gramas de B
z kg de Z 2900 arrecadao
2 1 3 x 1900
" #" # " #
1 3 5 y = 2400
3 2 4 z 2900
Vamos escalonar a matriz aumentada do sistema
ia
2 1 3 1900
" #
1 3 5 2400
3 2 4 2900
1a. eliminao:
linha 2<--> linha 1
p
1 3 5 2400
" #
2 1 3 1900
3 2 4 2900


l
1 3 5 2400
" #
0 5 7 2900
ita
0 7 11 4300
2a. eliminao:
linha 2 --> -(1/5)*linha 2
1 3 5 2400
" #
7
0 1 5 580
ig
0 7 11 4300

D
4

1 0 5 660
0 7
1 5 580
0 0 65 240
3a. eliminao:
linha 3 --> -(5/6)*linha 3
ia

4
1 0 5 660
0 7
1 5 580
0 0 1 200
p
linha 1 --> linha 1 + (-4/5)*linha 3

1 0 0 500
" #
0 1 0 300
0 0 1 200
Foram vendidos 500 kg do produto X, 300 kg do produto Y e 200 kg do produto Z.

l
1.2.8. Substituindo
os pontos na funo obtemos:
d = 10
a + b + c + d = 7

ita
27a +
9b + 3c + d = 11 .
64a + 16b + 4c + d = 14
1a. eliminao:
linha 2<--> 1

1 1 1 1 7
ig
0 0 0 1 10
27 9 3 1 11
64 16 4 1 14

D

1 1 1 1 7
0 0 0 1 10
0 18 24 26 200
0 48 60 63 462
2a. eliminao:
linha 3<--> 2
ia

1 1 1 1 7
0 18 24 26 200
0 0 0 1 10
0 48 60 63 462
p
linha 2 --> -(1/18)*linha 2
1 1 1 1 7

0 4 13 100
1 3 9 9

0 0 0 1 10
0 48 60 63 462


13 49 37

1 0
l
9
0 4 13 100
1 3 9 9

0 0 0 1 10
ita
19 214
0 0 4 3 3
3a. eliminao:
linha 4<--> 3
13 49 37

1 0 9
0 4 13 100
1 3 9 9

0 19 214
0 4
ig
3 3
0 0 0 1 10
13 49 37

1 0 9
0 4 13 100
1
D

3 9 9
0 19 107
0 1 12 6

0 0 0 1 10
linha 1 --> linha 1 + (1/3)*linha 3

1 11

1 0 0 12 6
ia
0
1 0 23 38
3
0 19 107
0 1 12 6
0 0 0 1 10
4a. eliminao:
p


1 0 0 0 1
0 1 0 0 6
0 0 1 0 2
0 0 0 1 10
Assim, os coeficientes so a = 1, b = 6, c = 2 e d = 10 e o polinmio p( x ) = x3 6x2 + 2x + 10.

l
1.2.9. Substituindo
os pontos na equao do crculo obtemos:
2a + 7b + c = [(2)2 + 72 ] = 53
ita
4a + 5b + c = [(4)2 + 52 ] = 41 .
4a 3b + c = [42 + 32 ] = 25

1a. eliminao:
linha 1 --> -(1/2)*linha 1
27 12 53
" #
1 2
4 5 1 41
4 3 1 25
ig
72 12 53
" #
1 2
0 9 1 65
D
0 11 3 131
2a. eliminao:
linha 2 --> -(1/9)*linha 2

1 72 12 53
2
1
0 1 9 65
9

0 11 3 131
ia
19 11

1 0 9
1
65
p
0 1
9 9
16
0 0 9 464
9
3a. eliminao:
linha 3 --> (9/16)*linha 3

1 0 19 11
9
1
0 1 9 65
9

0 0 1 29

l
ita
1 0 0 2
" #
0 1 0 4
0 0 1 29
Os coeficientes so a = 2, b = 4 e c = 29 e a equao do crculo x2 + y2 2x 4y 29 = 0.

ig
1 2 5 b1
" #
0 3 12 b2 4 b1
0 3 12 b3 + 3 b1
2a. eliminao:
D

1 2 5 b1
b2 4 b1
0 1 4 3
0 3 12 b3 + 3 b1
2 b2 5 b1

1 0 3 3
b2 4 b1
ia
0 1 4 3

0 0 0 b3 + b2 b1
O sistema consistente se, e somente se, b3 b1 + b2 = 0.

(b) 1a. eliminao:
p

1 2 1 b1
" #
0 3 2 b2 + 4 b1
0 1 0 b3 + 4 b1
2a. eliminao:
linha 3<--> linha 2
1 2 1 b1
" #
0 1 0 b3 + 4 b1
0 3 2 b2 + 4 b1

l
1 2 1 b1
" #
ita
0 1 0 b3 4 b1
0 3 2 b2 + 4 b1

1 0 1 2 b3 7 b1
" #
0 1 0 b3 4 b1
0 0 2 3 b3 + b2 8 b1
ig
O sistema consistente para todos os valores reais de b1 , b2 e b3 .
1.2.11.
0 1 7 8
" #
1 3 3 8
2 5 1 8
1a. eliminao:
linha 2<--> linha 1
D "
1 3 3 8
#
ia
0 1 7 8
2 5 1 8

p
1 3 3 8
" #
0 1 7 8
0 1 7 8
2a. eliminao:

l
1 0 18 16
" #
0 1 7 8
ita
0 0 0 0
1 0 0 1 3 0
" # " #
E= 0 1 0 ,F = 0 1 0 ,
0 1 1 0 0 1
1 0 0 0 1 0
" # " #
G= 0 1 0 ,H = 1 0 0 .
2 0 1 0 0 1
ig
1.2.12. (a)

1 2 0 3 1 0 2
1 2 1 3 1 2 3
1 2 0 3 2 1 4
3 6 1 9 4 3 9
D
1a. eliminao:

1 2 0 3 1 0 2
ia
0 0 1 0 0 2 1
0 0 0 0 1 1 2
0 0 1 0 1 3 3
2a. eliminao:
p

1 2 0 3 1 0 2
0 0 1 0 0 2 1
0 0 0 0 1 1 2
0 0 0 0 1 1 2
3a. eliminao:

l

1 2 0 3 0 1 0
0 0 1 0 0 2 1
ita
0 0 0 0 1 1 2
0 0 0 0 0 0 0
x1 + 2x2 3x4 x6 = 0
(
x3 + 2x6 = 1
x5 + x6 = 2
X = [ + 3 2 1 2 2 ]t ,
, , R
(b)
ig

1 3 2 0 2 0 0
2 6 5 2 4 3 1
0 0 5 10 0 15 5
2 6 0 8 4 18 6
1a. eliminao:
D

1 3 2 0 2 0 0
0 0 1 2 0 3 1
0 0 5 10 0 15 5
0 0 4 8 0 18 6
2a. eliminao:
ia

1 3 2 0 2 0 0
0 0 1 2 0 3 1
0 0 5 10 0 15 5
0 0 4 8 0 18 6
p


1 3 0 4 2 6 2
0 0 1 2 0 3 1
0 0 0 0 0 0 0
0 0 0 0 0 6 2

l
3a. eliminao:
linha 4<--> linha 3
ita

1 3 0 4 2 6 2
0 0 1 2 0 3 1
0 0 0 0 0 6 2
0 0 0 0 0 0 0
ig
1 3 0 4 2 6 2

0 0 1 2 0 3 1
0 1
0 0 0 0 1 3
0 0 0 0 0 0 0

(
x1 + 3x2 + 4x4 + 2x5 D =0

1
0
0
0
3
0
0
0
0
1
0
0
4
2
0
0
2
0
0
0
0
0
1
0
0
0
1
3
0

ia
x3 + 2x4 =0
x6 = 31
X = [2 4 3 2 1/3]t ,
, , R
1.2.13.
p

1 1 1 1 4
1 3 2 a 3
2 2a2 a 2 3a1 1
3 a+2 3 2a+1 6
1a. eliminao:

l

1 1 1 1 4
0 2 3 a1 1
ita
0 2a4 a 4 3a3 7
0 a1 6 2a2 6
2a. eliminao:
1 1 1 1 4

a 1
23 1
ig
0 1 2 2
0 2a4 a 4 3a3 7
0 a1 6 2a2 6

linha 3 --> linha 3 + (4-2\,a)*linha 2
linha 4 --> linha 4 + (1-a)*linha 2

0

0
1
0
D 0
1
0
0
5
2
23
2 a 10
3 a15
2
2
a2 3
a 1
2
a2 + 6 a 5
a 62 a+5
9
2
21
a 9

a13
2

ia
Se a = 5, ento o sistema no tem soluo. Se a 6= 5, ento continuamos escalonando a matriz acima
3a. eliminao:
linha 3 --> 1/(2a-10)*linha 3
p
1 0 5
a2 3 9

2 2
a 1
0 1 32 2 12
a2 1 a 9

0 0 1 2 a10
3 a15 2
0 0 2 a 62 a+5 a13
2

linha 4 --> linha 4 + -(3a-15)/2*linha 3

l
3 a +1 13 a45

1 0 0 4 4 a20
a4 1 a17
ita
0 1 0
4 a20
0 0 1 a2 1 a 9

2 a10
a2 6 a +5
0 0 0 4 a4 1
Se a = 1, ento X = [2 , 1, 1, ]t R.
Se a 6= 1 e a 6= 5, ento continuamos escalonando a matriz acima
ig
4a. eliminao:
linha 4 --> 4/(a^2-6a+5)*linha 4
3 a +1 13 a45
1 0 0

4 4 a20
0 1 0 a4 1 a17
4 a20
a2 1 a 9
D

0 0 1 2 a10
0 0 0 1 a1 5
linha 1 --> linha 1 + -(3a+1)/4*linha 4

linha 2 --> linha 2 + (a-1)/4*linha 4
linha 3 --> linha 3 + (a-1)/2*linha 4
ia
4 a11
1 0 0 0

a 5
0
1 0 0 a4 5

0 0 1 0 a4 5
0 0 0 1 a1 5
p
Se a 6= 1 e a 6= 5, ento X = [ 4aa
5
11 4 4 1 t
a 5 a 5 a 5 ] .

1 2 3 1 8
" #
0 1 3 0 1
0 2 1 0 5

l
2a. eliminao:
ita
1 0 9 1 10
" #
0 1 3 0 1
0 0 7 0 7
3a. eliminao:
linha 3 --> -(1/7)*linha 3
ig
1 0 9 1 10
" #
0 1 3 0 1
0 0 1 0 1

D 1 0 0 1 1
" #
0 1 0 0 2
0 0 1 0 1
{(1 , 2, 1, ) | R}
ia
(b) 1a. eliminao:
1 1 3 3 0
" #
0 2 1 3 3
0 1 1 2 1
p
2a. eliminao:
linha 3<--> linha 2
1 1 3 3 0
" #
0 1 1 2 1
0 2 1 3 3

l
1 1 3 3 0
" #
0 1 1 2 1
ita
0 2 1 3 3

1 0 2 1 1
" #
0 1 1 2 1
0 0 1 1 1
ig
3a. eliminao:
1 0 2 1 1
" #
0 1 1 2 1
D
0 0 1 1 1

1 0 0 1 1
" #
0 1 0 1 2
0 0 1 1 1
ia
{(1 , 2 + , 1 + , ) | R}
(c) 1a. eliminao:

p

1 2 3
0 1 2
0 1 1
0 1 0
2a. eliminao:

l

1 2 3
0 1 2
ita
0 1 1
0 1 0


1 0 1
0 1 2
ig
0 0 1
0 0 2
3a. eliminao:
D

1 0 0
0 1 0
0 0 1
0 0 0
{(0, 0, 0)}
1.2.15. Vamos determinar um vetor de estado P tal que
ia
TP = P ou TP = I3 P ou ( T I3 ) P = 0.
Assim, precisamos resolver o sistema linear homogneo
2 1
3x

+ 3y = 0
p

( T I3 ) X = 0 2 2 2
3x 3y + 3z = 0

1 2

3y 3z = 0
Vamos escalonar a matriz do sistema homogneo que
23 1

3 0
2

3 32 2
3

1
0 3 23

l
1a. eliminao:
linha 1 --> -(3/2)*linha 1
ita
12

1 0
2 23 2
3 3
1
0 3 23
12

1 0
0 13 2
ig

3
1
0 3 23
2a. eliminao:

1 12 0
D
0 1 2
1
0 3 23

1 0 1
" #
0 1 2
ia
0 0 0
Portanto, o sistema dado equivalente ao sistema seguinte

x z = 0
y 2z = 0
p
Seja z = . Ento y = 2 e x = . Assim, a soluo geral do sistema
p1 1
" # " #
X= p2 = 2 , para todo R.
p3 1
Tomando a soluo tal que p1 + p2 + p3 = 1 obtemos que se a populao inicial for distribuda de forma que p1 = 1/4 da populao
esteja no estado 1, p2 = 1/2 da populao esteja no estado 2 e p3 = 1/4, esteja no estado 3, ento esta distribuio permanecer
constante.

l
1.2.16. >> P=randi(4,2)
P = 5 4
-3 3
ita
1 0
0 -5
>> A=matvand(P(:,1),3),B=P(:,2)
A =125 25 5 1
-27 9 -3 1
1 1 1 1
0 0 0 1
B = 4
3
0
ig
-5
>> R=escalona([A,B])
R = [ 1, 0, 0, 0, -163/480]
[ 0, 1, 0, 0, 99/80]
[ 0, 0, 1, 0, 1969/480]
[ 0, 0, 0, 1, -5]
D
>> p=poly2sym(R(:,5),x)
p = -163/480*x^3+99/80*x^2+1969/480*x-5
>> clf,po(P),syms x,plotf1(p,[-5,5])
>> eixos
ia
p
Pode no ser possvel encontrar o polinmio, se mais de um ponto tiver a mesma abscissa xi .

50
l
y
ita
40
30
ig
20
10
0 D
ia
x
10
5 4 3 2 1 0 1 2 3 4 5
p
Observao. A sua resposta pode ser diferente da que est aqui.
1.2.17. >> P=randi(5,2)

P = 3 2
-1 -3
1 -1
3 4
4 4

l
>> A=matvand(P,2)
A = 9 6 4 3 2 1
1 3 9 -1 -3 1
ita
1 -1 1 1 -1 1
9 12 16 3 4 1
16 16 16 4 4 1
>> R=escalona([A,zeros(5,1)])
R = [1, 0, 0, 0, 0, -35/8, 0]
[0, 1, 0, 0, 0, 45/8, 0]
[0, 0, 1, 0, 0, -2, 0]
[0, 0, 0, 1, 0, 65/8, 0]
[0, 0, 0, 0, 1, -39/8, 0]
ig
>> p=poly2sym2([-R(:,6);1],x,y)
p =35/8*x^2-45/8*x*y-65/8*x+1+2*y^2+39/8*y
>> clf,po(P),syms x y,
>> plotci(p,[-5,5],[-5,5])
>> eixos
D
ia
p

l
y
ita
4
ig
2
D
0
x
1
ia
2
3
2 1 0 1 2 3 4 5
p
Observao. A sua resposta pode ser diferente da que est aqui.
1.2.18. (a) A inversa da operao elementar de trocar duas linhas ela mesma.
(b) A inversa da operao elementar de multiplicar uma linha por um escalar, 6= 0, a operao de multiplicar a mesma linha
pelo escalar 1/.
(c) A inversa de somar linha k, vezes a linha l, somar linha k, vezes a linha l.

l
1.2.19. (a) Basta multiplicar qualquer linha da matriz pelo escalar 1.
(b) Pelo exerccio anterior cada operao elementar, e, tem uma operao elementar inversa, e1 , do mesmo tipo que desfaz o
ita
que a operao e fez. Se aplicando as operaes elementares e1 , . . . , ek na matriz A chegamos na matriz B, ento aplicando-se
as operaes elementares ek1 , . . . , e11 na matriz B chegamos na matriz A.
(c) Se aplicando as operaes elementares e1 , . . . , ek na matriz A chegamos na matriz B e aplicando as operaes elementares
ek+1 , . . . , el na matriz B chegamos na matriz C, ento aplicando-se as operaes elementares e1 , . . . , el na matriz A chegamos
na matriz C.
ig
D
ia
p

Captulo 2. Inverso de Matrizes e Determinantes 519
l
2.1. Matriz Inversa (pgina 93)
ita
2.1.1. A matriz singular, pois o sistema homogneo tem soluo no trivial (Teorema 2.5).
2.1.2. (a) Vamos escalonar a matriz aumentada

1 2 3 1 0 0
" #
[ A I3 ] = 1 1 2 0 1 0
0 1 2 0 0 1
1a. eliminao:
ig
1 2 3 1 0 0
" #
0 1 1 1 1 0
0 1 2 0 0 1
2a. eliminao:
1 2 3 1 0 0
" #
D
0 1 1 1 1 0
0 1 2 0 0 1
1 0 1 1 2 0
" #
0 1 1 1 1 0
0 0 1 1 1 1
ia
3a. eliminao:
1 0 0 0 1 1
" #
0 1 0 2 2 1
0 0 1 1 1 1
p
Logo, a matriz dada tem inversa e

0 1 1
" #
1 2 1
A = 2
1 1 1
(b) Vamos escalonar a matriz aumentada

1 2 2 1 0 0
" #
[ A I3 ] = 1 3 1 0 1 0
1 3 2 0 0 1

l
1a. eliminao:
ita
1 2 2 1 0 0
" #
0 1 1 1 1 0
0 1 0 1 0 1
2a. eliminao:
1 0 4 3 2 0
" #
0 1 1 1 1 0
ig
0 0 1 0 1 1
3a. eliminao:
1 0 0 3 2 4
" #
0 1 0 1 0 1
D
0 0 1 0 1 1
3 2 4
" #
A 1 = 1 0 1
0 1 1
(c) No preciso fazer.

ia
(d) Vamos escalonar a matriz aumentada
1 2 3 1 0 0
" #
[ A I3 ] = 0 2 3 0 1 0
1 2 4 0 0 1
1a. eliminao:
p
1 2 3 1 0 0
" #
0 2 3 0 1 0
0 0 1 1 0 1
2a. eliminao:
1 2 3 1 0 0
" #
3 1
0 1 2 0 2 0
0 0 1 1 0 1

l
1 0 0 1 1 0
" #
ita
3 1
0 1 2 0 2 0
0 0 1 1 0 1
3a. eliminao:
1 0 0 1 1 0
" #
3 1
0 1 0 2 2 32
0 0 1 1 0 1
ig
1 1 0
" #
A 1 = 3
2
1
2 32
1 0 1
(e) Vamos escalonar a matriz aumentada
D
1 2 3 1 0 0
" #
[ A I3 ] = 1 1 2 0 1 0
0 1 1 0 0 1
1a. eliminao:
1 2 3 1 0 0
" #
0 1 1 1 1 0
ia
0 1 1 0 0 1
2a. eliminao:
1 2 3 1 0 0
" #
0 1 1 1 1 0
p
0 1 1 0 0 1
1 0 1 1 2 0
" #
0 1 1 1 1 0
0 0 0 1 1 1
Logo, a matriz dada no tem inversa.

l
(f) Vamos escalonar a matriz aumentada

ita
1 1 1 1 1 0 0 0
1 3 1 2 0 1 0 0
[ A I4 ] = 1 2 1 1 0 0 1 0
5 9 1 6 0 0 0 1
1a. eliminao:
ig

1 1 1 1 1 0 0 0
0 2 0 1 1 1 0 0
0 1 2 0 1 0 1 0
0 4 4 1 5 0 0 1
2a. eliminao:
D
linha 3<--> linha 2

1 1 1 1 1 0 0 0
0 1 2 0 1 0 1 0
0 2 0 1 1 1 0 0
0 4 4 1 5 0 0 1

ia

1 0 3 1 2 0 1 0
0 1 2 0 1 0 1 0
0 0 4 1 1 1 2 0
p
0 0 4 1 1 0 4 1
3a. eliminao:
1 0 3 1 2 0 1 0

0 1 2 0 1 0 1 0
1 1 1
0 0 1 4 4 4 12 0
0 0 4 1 1 0 4 1

l
ita
1 5
43 1

1 0 0 4 4 2 0
1
0
1 0 2 12 1
2 0 0
1 1 1
0 0 1 4 4 4 21 0
0 0 0 0 2 1 2 1
Logo, a matriz no tem inversa.
ig
2.1.3. Vamos escalonar a matriz A
1a. eliminao:
D
1 1 0
" #
0 1 0
0 1 a
2a. eliminao:
1 1 0
" #
ia
0 1 0
0 1 a

p
1 0 0
" #
0 1 0
0 0 a
Logo, para valores de a diferentes de zero a matriz A tem inversa.
2.1.4.
11 19
( AB)1 = B1 A1 = 7 0

l
2.1.5.
19
A1 B = 23
ita
2.1.6.
Ak = PD k P1
k 1
1 1 3 0 1 1
= 2 2 2 2
0 (1)k
k k

3 (1) 1 2 1
=
ig
2 3 k 2(1) k
4 2 1
1 2(3k + (1)k ) (1)k 3k

= k k k k
4 4((1) 3 ) 2(3 + (1) )
2.1.7.
1 2 3 1 0 0
" #
D
2 1 2 0 1 0
0 1 2 0 0 1
1a. eliminao:
ia
1 2 3 1 0 0
" #
0 3 4 2 1 0
0 1 2 0 0 1
2a. eliminao:
linha 3<--> linha 2
p
1 2 3 1 0 0
" #
0 1 2 0 0 1
0 3 4 2 1 0


l
1 0 1 1 0 2
" #
0 1 2 0 0 1
ita
0 0 2 2 1 3
3a. eliminao:
1 0 1 1 0 2
" #
0 1 2 0 0 1
ig
1 3
0 0 1 1 2 2

D

1
1 0 0 0 2 12
0 1 0 2 1 2
1 3
0 0 1 1 2 2
1 0 0 1 0 0
" # " #
E1 = 2 1 0 , E2 = 0 0 1
0 0 1 0 1 0
ia
1 2 0 1 0 0
" # " #
E3 = 0 1 0 , E4 = 0 1 0
0 0 1 0 3 1
p
1 0 0 1 0 1 1 0 0
" # " # " #
E5 = 0 1 0 , E6 = 0 1 0 , E7 = 0 1 2
0 0 2 0 0 1 0 0 1
so tais que E1 E2 E3 E4 E5 E6 E7 = A.
2.1.8. (a)
0 0 6
" #
A2 = 0 0 0 , A3 = 0
0 0 0

l
(b)
1 3 6
" #
B1 = ( I3 A)1 = I3 + A + A2 = 0 1 2
ita
0 0 1
2.1.9. >> menc=lerarq(menc1.txt); key=lerarq(key.txt);

>> y=char2num(menc); M=char2num(key);
>> N=escalona([M,eye(3)])
>> N=N(:,6:10)
>> x=N*y;
>> num2char(x)
ans =
ig
Desejo boa sorte a todos que estudam lgebra Linear !
>> menc=lerarq(menc2.txt);
>> y=char2num(menc);
>> x=N*y;
>> num2char(x)
ans = Buda tinha este nome por que vivia setado!
Deve ser uma matriz com entradas entre 0 e 118 invertvel de forma que a sua inversa seja uma matriz com entradas inteiras.
2.2. Determinantes (pgina 119)
D
2.2.1. det( A2 ) = 9; det( A3 ) = 27; det( A1 ) = 1/3; det( At ) = 3.
2.2.2. det( At B1 ) = det( A)/ det( B) = 2/3.

ia
a11 a12 a13 + a12
" #
2.2.3. (a) det a21 a22 a23 + a22 =
" a31 a32 a33 +# a32
a11 a12 a13
det a21 a22 a23 +
" a31 a32 a33 #
p
a11 a12 a12

det a21 a22 a22 = det( A) + 0 = 3
a31 a32 a32
a11 + a12 a11 a12 a13
" #
(b) det a21 + a22 a21 a22 a23 =
" a31 + a32 a31 #a32 a33
a11 a11 a13
det a21 a21 a23 +
a31 a31 a33

a11 a12 a13

" #
l
det a21 a22 a23 +
" a31 a32 a33#
ita
a12 a11 a13
det a22 a21 a23 +
" a32 a31 a33
a12 a12 a13
#
det a22 a22 a23 = 2 det( A) = 6
a32 a32 a33
ert tert

2.2.4. (a) det rt rt =
re (1 + rt)e
ig

1 t
e2rt det r (1 + rt) = e2rt

cos t sen t cos t sen t
(b) det cos t sen t sen t + cos t = det cos t sen t +

cos t sen t
det sen t cos t =

D
1
0
det( A) = det 0
2
1
0
3
9
3
1
2
1

ia
0 12 0 1
2a. eliminao:

1 2 3 1
0 1 9 2
p
det( A) = det 0 0 3 1
0 0 108 23
3a. eliminao:
linha 3 --> -(1/3)*linha 3
1 2 3 1

0 1 9 2
det( A) = 3 det 1
0 0 1 3
0 0 108 23

l
1 2 3 1

ita
0 1 9 2
det( A) = 3 det 1
0 0 1 3
0 0 0 13
det( A) = 39.
(b) 1a. eliminao:
linha 2<--> linha 1
1 0 1 1
2 1 3 1
ig
det( A) = det 0 2 1 0
0 1 2 3

1 0 1 1
0 1 1 1
det( A) = det 0 2 1 0
D
0 1 2 3
2a. eliminao:

1 0 1 1
0 1 1 1
det( A) = det 0 0 1 2
ia
0 0 1 4
3a. eliminao:

1 0 1 1
0 1 1 1
det( A) = det 0 0 1 2
p
0 0 1 4

1 0 1 1
0 1 1 1
det( A) = det 0 0 1 2
0 0 0 6
det( A) = 6.

l
2.2.6. (a) Expandindo em cofatores em relao a 1a. coluna.
ita
1 2
" #
det 0 3 = 3 = 0 = 0.
0 0
(b) Expandindo em cofatores em relao a 1a. linha.
ig
1 0 0
" #
det 1 3 0
D
3 2 2
= ( 2) (1 ) (3 ) = 0
= 1 ou = 3 ou = 2.
(c) Expandindo em cofatores em relao a 1a. coluna.

ia
2 2 3
" #
p
det 0 3 2
0 1 2

3 2
= (2 ) det 1 2
= (2 )[(2 )(3 ) 2] = (2 )(2 5 + 4)
= ( 4) ( 2) ( 1) = 0
= 2 ou = 4 ou = 1.

l
(d)
ita
2 2 3
" #
det 1 2 1
2 2 1
1 2 1
" #
= det 2 2 3
2 2 1
1 2 1
" #
= det 0 2 (2 )2 1+
0 6 + 2 (1 + )
ig

2
= det 2 (2 ) 1+
6 + 2 (1 + )

2
= (1 + ) det 2 (2 ) 1
6 + 2 1
= ( 4) ( 2) ( + 1)
D
det( A I3 ) = 0 = 2 ou = 4 ou = 1.
2.2.7. AX = X AX = In X ( A In ) X = 0
( A In ) X = 0 tem soluo no trivial se, e somente se, det( A In ) = 0.
2 0 0
" #
(a) det 3 1 0 = 0 = 2 ou = 3 ou = 1.
ia

0 4 3
(b)
2 3 0
" #
det 0 1 0 = 0 = 2 ou = 1.
0 0 2
p
(c)

1 2 3 4
0 1 3 2
det 0 0 3 3
0 0 0 2
= ( 3) ( 2) ( 1) ( + 1) = 0
= 2 ou = 3 ou = 1 ou = 1.


2 2 3 4
l
0 2 3 2 2 2
(d) det 0 0 1 1 = ( 2) ( 1) = 0 = 2 ou = 1.
ita
0 0 0 1
2.2.8. (a) Para = "1: #

0
W1 = { | R}.

Para =
" 2:

#
W2 = { | R}.
ig
4
Para = 3:
0
" #
W3 = { 0 | R}.

(b) Para =
" 1:
3
#
D
W1 = { | R}.
0
Para =
" 2: #

W2 = { 0 | , R}.

(c) Para = 1:
W1 = {[ 0 0 ]t | R}.
ia
Para = 1:
W1 = {[ 0 0 0 ]t | R}.
Para = 2:
W2 = {[ 29 7 9 3 ]t | R}.
Para = 3:
W3 = {[ 9 3 4 0 ]t | R}.
p
(d) Para = 1:
W1 = {[ 3 3 0 ]t | R}.
Para = 2:
W2 = {[ 0 0 0 ]t | R}.
2.2.9. (a) AX = X AX = I4 X ( A I4 ) X = 0
( A I4 ) X = 0 tem soluo no trivial se, e somente se, det( A I4 ) = 0.

l

1 5 3
2 2 4 0
ita
det( A I4 ) = 1 2 4 0
2 4 4 2
1a. eliminao:
linha 3<--> linha 1

1 2 4 0
2 2 4 0
ig
det( A I4 ) = det 1 5 3
2 4 4 2
linha 1 --> -linha 1
D

1 2 4 0
2 2 4 0
det( A I4 ) = det 1 5 3
2 4 4 2

linha 3 --> linha 3 + (lambda)*linha 1
ia
1 2 4 0

0 2 42 0
det( A I4 ) = det 2
0 12 45 3
0 0 42 2
p
Expandindo-se em cofatores em relao a 1a. coluna obtemos
2 42 0
" #
det( A I4 ) = det 1 2 2 4 5 3
0 42 2
Expandindo-se em cofatores em relao a 1a. linha obtemos

l
det( A I4 )
ita

2
= (2 ) det 4 5 3
42 2

12 3
(4 2) det 0 2

2
= (2 ) det 4 5 3
42 2
ig

12 3
2 det 0 2

2
= (2 )2 det 4 5 3
2 1

1 2 3
2 det 0 1
D
= (2 )2 (2 1) = (2 )2 ( 1)( + 1)
Assim, det( A I4 ) = 0 se, e somente se, = 2 ou = 1 ou = 1.

(b) AX = X AX = I4 X ( A I4 ) X = 0
Para = 2 temos que resolver o sistema ( A 2I4 ) X = 0. Para isso vamos escalonar a matriz do sistema

2 1 5 3
ia
2 4 4 0
A 2I4 = 1 2 2 0
2 4 4 0
1a. eliminao:
linha 3<--> linha 1
p

1 2 2 0
2 4 4 0
2 1 5 3
2 4 4 0

1 2 2 0
2 4 4 0
2 1 5 3
2 4 4 0

l
ita

1 2 2 0
0 0 0 0
0 3 9 3
0 0 0 0
2a. eliminao:
linha 3<--> linha 2

1 2 2 0
0 3 9 3
ig
0 0 0 0
0 0 0 0
linha 2 --> -(1/3)*linha 2

1 2 2 0
0 1 3 1
0 0 0 0
D
0 0 0 0

1 0 4 2
0 1 3 1
0 0 0 0
0 0 0 0
ia
Fazendo w = e z = , temos que y = 3 e x = 2 4. Assim, a soluo do sistema AX = 2X

x 2 4
y 3
X= z = , , R.
w
p
Para = 1 temos que resolver o sistema ( A I4 ) X = 0. Para isso vamos escalonar a matriz do sistema

1 1 5 3
2 3 4 0
A I4 = 1 2 3 0
2 4 4 1
1a. eliminao:


1 1 5 3
l
2 3 4 0
1 2 3 0
ita
2 4 4 1


1 1 5 3
0 1 14 6
0 1 8 3
ig
0 2 14 5
2a. eliminao:

1 1 5 3
0 1 14 6
D
0 1 8 3
0 2 14 5


1 0 19 9
ia
0 1 14 6
0 0 6 3
0 0 14 7
3a. eliminao:
linha 3 --> -(1/6)*linha 3
p
1 0 19 9

0 1 14 6
0 1
0 1 2
0 0 14 7


12

1 0 0
l
0 1 0 1
1
0 0 1

ita
2
0 0 0 0
Fazendo w = 2, temos z = , y = 2 e x = . Assim, a soluo geral do sistema AX = X

x
y 2
X = z = , R.
w 2
ig
Para = 1 temos que resolver o sistema ( A + I4 ) X = 0. Para isso vamos escalonar a matriz do sistema

1 1 5 3
2 1 4 0
A + I4 = 1 2 5 0
2 4 4 3
D
1a. eliminao:

1 1 5 3
0 3 6 6
0 3 0 3
0 6 6 9
ia
2a. eliminao:
linha 2 --> -(1/3)*linha 2

1 1 5 3
0 1 2 2
0 3 0 3
p
0 6 6 9


1 0 3 1
0 1 2 2
0 0 6 3
0 0 6 3

l
3a. eliminao:
ita
1 0 3 1

0 1 2 2
0 1
0 1 2
0 0 6 3

1
ig

1 0 0 2
0 1 0 1
1
0 0 1

2
0 0 0 0
D

x
y 2
X = z = , R.
w 2
2.2.10. Conclumos que muito raro encontrar matrizes invertveis.

ia
p

l
3.1. Soma de Vetores e Multiplicao por Escalar (pgina 154)
ita

3.1.1. AB=OB OA= (1, 0) (0, 2) = (1, 2)

AC = 2(1, 2) = (2, 4)

OC =OA + AC = (0, 2) (2, 4) = (2, 2)
C = (2, 2).

3.1.2. Os pontos P1 = (0, 1) e P2 = (1, 3) so pontos da reta. Assim, o vetor V = P1 P2 = (1, 2) paralelo a reta.
ig
v2
3.1.3. A inclinao da reta a = v1 = 32 . Assim, uma equao da reta tem a forma y = 3
2x + b. Substituindo-se x = 1 e y = 2 obtemos
1 3 1
b= 2. Uma equao para a reta y = 2x + 2.
3.1.4. A equao 3X 2V = 15( X U ) equivalente a 3X 2V = 15X 15U. Somando-se 15X + 2V obtemos 15X + 3X = 2V 15U
1
ou 12X = 2V 15U multiplicando-se por 12 obtemos X = 54 U 61 V.
D
3.1.5. Multiplicando-se a segunda equao por 2 e somando-se a primeira, obtemos 12X = 3U + 2V ou X = 14 U + 16 V. Substituindo-se
X na primeira equao obtemos, 23 U + V 2Y = U ou 2Y = 12 U + V ou Y = 41 U + 12 V.

3.1.6. PQ= V

PQ=OQ OP

ia
OQ= PQ + OP= (3, 0, 3) + (2, 3, 5) = (5, 3, 8)
Q = (5, 3, 8).

3.1.7. MP=OP OM

OP0 =OM MP= (1, 4, 5)
p
P0 = (1, 4, 5).

3.1.8. (a) OA= (5, 1, 3), OB= (0, 3, 4), OC = (0, 3, 5)

AB=OB OA, AC =OC OA,

AB= (5, 2, 7), AC = (5, 2, 2)

Os pontos no so colineares, pois AC 6= AB.

Captulo 3. Vetores no Plano e no Espao 539
l
(b) OA= (1, 1, 3), OB= (4, 2, 3), OC = (14, 4, 15),

AB=OB OA, AC =OC OA,
ita

AB= (5, 1, 6), AC = (15, 3, 18)

Os pontos so colineares, pois AC = 3 AB.

3.1.9. OA= (1, 2, 3), OB= (5, 2, 1), OC = (4, 0, 1),

DC =OB OA, OD =OC DC
ig

DC = (6, 4, 2), OD = (10, 4, 3)
O ponto D = (10, 4, 3).
9x y = 4
(
3.1.10. (a) A equao xV + yW = U equivalente ao sistema 12x + 7y = 6 , cuja matriz aumentada a matriz que
D
6x + y = 2
tem colunas V, W e U.
9 1 4
" #
12 7 6
6 1 2
Escalonando obtemos
23
" #
1 0
ia
0 1 2
0 0 0
Assim, U = 2/3V 2W.

(b) Escalonando a matriz cujas colunas so V, W e U obtemos
p
35

1 0
0 8
1 3
0 0 20
3
Assim, U no combinao linear de V e W.

3.1.11. Para ser um paralelogramo um dos vetores AB, AC e AD tem que ser igual soma dos outros dois.

l
(a) OA= (4, 1, 1), OB= (9, 4, 2);

OC = (4, 3, 4); OD = (4, 21, 14);
ita

AC =OC OA= (0, 4, 3),

AB=OB OA= (5, 3, 1),

AD =OD OA= (0, 20, 15)
No um paralelogramo.
(b) Somente o vrtice D diferente.

OD = (9, 0, 5); AD =OD OA= (5, 1, 4)
ig
um paralelogramo de vrtices consecutivos A, B, D e C.
3.1.12. Resolvendo a equao vetorial U = xV obtemos que
2 2
U = (6, 4, 2) = (9, 6, 3) = V.
D
3 3
Fazendo o mesmo para U = xW obtemos que no existe soluo, logo somente os vetores U e V so paralelos.
A+C
3.1.13. (a) M = = (2, 2, 7/2),
2
B+C
N= = (2, 5/2, 3/2).
2
ia

(b) MN = (0, 1/2, 2), AB= (0, 1, 4). Logo,
1
MN = AB .
2

p
(c) V = AB= (0, 1, 4), W = AC = (2, 4, 1),

O ponto D tal que AD = V + W = (1, 5, 1)

AD =OD OA.

Logo, D =OD = AD + OA= (1, 5, 1).
3.2. Produto Escalar e Projeo Ortogonal (pgina 175)

l
3.2.1. Um ponto P = ( x, y) pertence a reta se, e somente se,

P0 P N = 0.
ita
ou seja, se, e somente se,
( x + 1, y 1) (2, 3) = 0
ou
2x + 3y 1 = 0
3.2.2. Uma esfera de raio igual 2. Se for no espao um cilindro de raio igual 2, se for no plano uma circunferncia de raio igual 2.
ig

3.2.3. Va = V +W
= 3 , 3 , 5 ,
||V +W ||
43 43 43

V W 1 1 1
Vb = ||V W ||
= 3,
3
,
3
,

2V 3W 4 1
Vc = ||2V 3W ||
= 17 ,
17
0
3.2.4. V W = 3x + 11 = 0 x = 11/3.
D
Para x = 11/3, V e W so perpendiculares.
3.2.5. V W = x2 + 8.
A equao x2 + 8 no tem soluo real. Logo, no existe x tal que os vetores V = ( x, 2, 4) e W = ( x, 2, 3) so perpendiculares.
3.2.6. Va = (2, 1, 0); Wa = (0, 1, 1); Vb = (1, 1, 1); Wb = (0, 2, 2); Vc = (3, 3, 0); Wc = (2, 1, 2)

ia
VaWa 1 VbWb VcWc
cos(Va, Wa) = ||Va ||||Wa||
= 10 5 2, cos(Vb, Wb) = ||Vb ||||Wb||
= 13 3 2, cos(Vc, Wc) = ||Vc ||||Wc||
= 12 2.

Logo, o ngulo entre Va e Wa arccos( 10/10) entre Vb e Wb arccos( 6/3) e entre Vc e Wc arccos( 2/2) = /4.
3.2.7. W = (1, 3, 2); V = (0, 1, 3);

W1 = projW V = ||VWW W = (0, 3/10, 9/10), W2 = W W1 = (1, 33/10, 11/10)
p
||2
3.2.8. V = (2, 2, 1); W = (6, 2, 3);

V W
X= ||V ||
+ ||W ||
= (32/21, 20/21, 2/21)
X 16
10
1

U= || X ||
= 357 17 21, 357 17 21, 357 17 21
3.3. Produtos Vetorial e Misto (pgina 199)

l
3.3.1. Os pontos so coplanares se, e somente se, ( AB AC ) AD = 0.

ita
(a) AB= (1, 1, 1), AC = (0, 1, 1), AD = (0, 1, 1),

( AB AC ) AD = 2.

(b) AB= (1, 2, 2), AC = (2, 2, 1), AD = (8, 2, 1),

( AB AC ) AD = 0.
No item (a) os pontos no so coplanares e no item (b) eles so coplanares.
ig

3.3.2. AB= (2, 0, 3), AC = (1, 2, 4), AD = (1, 1, 5), ( AB AC ) AD = 15.
O volume do paraleleppedo 15 unidades de vol.

3.3.3. A rea do paralelogramo || BA BC || = 2 unidades de rea.

D
3.3.4. A rea do tringulo || BA BC ||/2 = 101/2 unidades de rea.
3.3.5. X = ( x, y, z), V = (1, 0, 1), W = (2, 2, 2).

X V = (y, z x, y) = (2, 2, 2) || X ||2 = x2 + y2 + z2 = 6.
Resolvendo estas equaes obtemos x = 1, y = 2, z = 1.
Logo, X = (1, 2, 1).
ia
3.3.6. X = ( x, y, z), V = (1, 1, 0), W = (1, 0, 1), U = (0, 1, 0)
X V = x + y = 0, X W = z x = 0, || X ||2 = x2 + y2 + z2 = 3,
Resolvendo estas equaes obtemos x = 1, y = 1, z = 1 ou x = 1, y = 1, z = 1
Como X U = y tem que ser maior que zero, ento X = (1, 1, 1).
p

3.3.7. AB AC = 14, BA BC = 0, CA CB= 21.
Portanto, o ngulo reto est no vrtice B.
3.3.8. (a)
( xV + yW ) V = x ||V ||2 + yW V = 20
( xV + yW ) W = xV W + y||W ||2 = 5

l
25x + 5y = 20
5x + 4y = 5
ita
Resolvendo o sistema acima obtemos x = 11/15 e y = 1/3. Assim,
11 1
X= V + W.
15 3
(b)
( xV + yW ) V = yW V
ig
( xV + yW ) W = xV W + y||W ||2
yW V = = 0
2
xV W + y||W || = 5x + 4y = 12
D
Resolvendo o sistema acima obtemos x = 12/5 e y = 0. Assim,
12
X= V.
5
ia
p

l
4.1. Equaes do Plano (pgina 222)
4.1.1.
ita
1/5
ig
1/2 1/3
(a)
D
ia
(b)
p
1/2
1/3
(c)

Captulo 4. Retas e Planos 545
l
ita
1/3
1/2
ig
(d)
D 1/3 1/2
ia
(e)
p
2/5
(f)

l
ita
2/3
ig
(g)
D
(h)
1/2
ia
4.1.2. Como o novo plano paralelo ao plano 2x y + 5z 3 = 0, ento o vetor N = (2, 1, 5) tambm vetor normal do plano
procurado. Assim, a equao dele 2x y + 5z + d = 0. Para determinar d substitumos o ponto P = (1, 2, 1) na equao do
plano:
9 + d = 0 d = 9.
Assim, a equao do plano 2x y + 5z 9 = 0.
p
4.1.3. Os vetores normais dos outros planos, N1 = (1, 2, 3) e N2 = (2, 1, 4), so paralelos a ao plano procurado . Assim, o produto
vetorial N1 N2 um vetor normal a .
N1 N2 = (5, 10, 5).
Assim, a equao de 5x 10y 5z + d = 0. Para determinar d substitumos o ponto P = (2, 1, 0) na equao do plano:
0 = d.
Assim, a equao do plano 5x 10y 5z = 0.

l
4.1.4. Como o plano procurado passa pelos pontos P = (1, 0, 0) e Q = (1, 0, 1) e perpendicular ao plano y z = 0, ento os vetores

PQ= (0, 0, 1) e o vetor normal do plano y z = 0, N1 = (0, 1, 1) so paralelos ao plano procurado . Assim, o produto vetorial
ita

PQ N1 = (1, 0, 0) um vetor normal a . Assim, a equao de x + d = 0. Para determinar d substitumos o ponto
P = (1, 0, 0) na equao do plano, obtendo que a equao de x + 1 = 0.
4.1.5. O vetor N = (1, 1, 1) normal ao plano. A equao do plano ento x + y z + d = 0. Fazendo z = 0 nas equaes dos
planos 1 e 2 e resolvendo o sistema resultante, obtemos x = 0 e y = 1. Portanto, o ponto P = (0, 1, 0) pertence a 1 e a 2 .
Substituindo-se o ponto P = (0, 1, 0) na equao do plano x + y z + d = 0 obtemos que a equao procurada x y + z + 1 = 0.
ig
4.1.6. Escalonando o sistema formado pelas equaces dos dois planos obtemos
( x, y, z) = (1/3 2/3, 1/3 + 5/3, ), para R.
Os pontos P = (1/3, 1/3, 0) e Q = (1/3, 4/3, 1) so pontos da interseo e so tambm, portanto, pontos do plano procurado .
D

Os vetores AP e PQ so paralelos a . Assim, o produto vetorial AP PQ= (2, 0, 4/3) um vetor normal a . Substituindo-se
o ponto A, ou o ponto P ou o ponto Q na equao 2x 4/3z + d = 0 obtemos a equao do plano 6x + 4z 2 = 0.
4.2. Equaes da Reta (pgina 241)

ia
4.2.1.
z
p
V = (1, 3/2, 3)
x y
(a)

l
ita
V = (1, 3/2, 3)
ig
(b) x
D
V = (1, 0, 2)
y
ia
(c) x
z
p
V = (0, 2, 1)
(d) x y

l
ita
V = (2, 1, 0)
y
ig
(e) x
D
V = (0, 0, 2)
y
ia
(f) x
z
p
V = (0, 2, 0)
(g) x y

l
ita
V = (2, 0, 0)
ig
(h) x
4.2.2. A equao da reta ( x, y, z) = (t, 2t, t). Substituindo-se o ponto da reta na equao do plano obtemos o valor de t:
2t + 2t + t 5 = 0 t = 1.
Substituindo-se este valor de t nas equaes paramtricas da reta obtemos o ponto P = (1, 2, 1).
D
4.2.3. Um ponto da reta r da forma Pr = (9t, 1 + 6t, 2 + 3t) e um ponto da reta s da forma Ps = (1 + 2s, 3 + s, 1). As retas se cortam
se existem t e s tais que Pr = Ps , ou seja, se o sistema seguinte tem soluo
9t = 1 + 2s
(
1 + 6t = 3+s
2 + 3t = 1
ia
Escalonando a matriz do sistema:
9 2 1
" #
6 1 2
3 0 3
p
1a. eliminao:
29 1#
"
1 9
6 1 2
3 0 3

l
ita
29 1

1 9
0 1 4
3 3
2 8
0 3 3
2a. eliminao:
linha 2 --> 3*linha 2
ig

1 29 1
9
0 1 4
2 8
0 3 3
D
1 0 1
" #
0 1 4
0 0 0
Logo, a soluo do sistema t = 1 e s = 4. Substituindo-se ou t = 1 na equao da reta r ou s = 4 na equao da reta s obtemos o

ia
ponto da interseo P = (9, 7, 1).
4.2.4. Os vetores diretores das retas, V1 = (2, 2, 1) e V2 = (1, 1, 1), so paralelos ao plano procurado . Assim, o produto vetorial
V1 V2 = (1, 1, 0) um vetor normal a . Assim, a equao de x y + d = 0. Para determinar d substitumos o ponto
P1 = (2, 0, 0) da reta r na equao do plano:
2 + d = 0 d = 2.
p
Assim, a equao do plano x y 2 = 0.
4.2.5. (a) Substituindo-se o ponto P = (4, 1, 1) nas equaes da reta r obtemos valores diferentes de t:
4 = 2 + t t = 2,
1 = 4 t t = 3,
1 = 1 + 2t t = 1.
Logo no existe um valor de t tal que P = (2 + t, 4 t, 1 + 2t).

l
(b) O ponto Q = (2, 4, 1) um ponto do plano procurado. Assim, paralelo aos vetores PQ= (2, 3, 2) e o vetor diretor da

reta r, V = (1, 1, 2). Logo, o produto vetorial PQ V = (8, 6, 1) um vetor normal ao plano :
ita
8x + 6y z + d = 0
Substituindo-se o ponto P ou o ponto Q na equao de obtemos que a equao do plano 8x + 6y z 39 = 0.
4.2.6. (a) N1 = (1, 2, 3), N2 = (1, 4, 2).

V = N1 N2 = (8, 5, 6).
Os planos se interceptam segundo uma reta cujo vetor diretor V = (8, 5, 6).
ig
(b) N1 = (2, 1, 4), N2 = (4, 2, 8).
V = N1 N2 = (0, 0, 0)
Os planos so paralelos.
(c) N1 = (1, 1, 0), N2 = (1, 0, 1).
V = N1 N2 = (1, 1, 1)
D
Os planos se interceptam segundo uma reta cujo vetor diretor V = (1, 1, 1).
4.2.7. O vetor normal ao plano um vetor diretor da reta procurada. Assim, as equaes paramtricas de r so ( x, y, z) = (1 + t, 2 t, 1 +
2t).
4.2.8. O vetor diretor da reta procurada ortogonal ao mesmo tempo aos vetores normais dos dois planos, portanto o produto vetorial
deles um vetor diretor da reta procurada.
(2, 3, 1) (1, 1, 1) = (4, 1, 5)
ia
( x, y, z) = (1 + 4t, t, 1 5t).
4.2.9. Escalonando a matriz do sistema formado pelas equaes dos dois planos:

1 1 1 0
p
2 1 3 1
1a. eliminao:

1 1 1 0
0 3 5 1

l
2a. eliminao:
linha 2 --> -(1/3)*linha 2
ita
1

1 1 0
0 1 53 13
ig
2 1

1 0 3 3
0 1 53 13
A reta interseo dos planos ( x, y, z) = (1/3 2/3t, 1/3 + 5/3t, t). O vetor diretor V = (2/3, 5/3, 1) desta reta paralelo ao
plano procurado. O ponto P = (1/3, 1/3, 0) um ponto da reta e tambm portanto um ponto do plano procurado . O vetor

AP= (2/3, 1/3, 1) tambm um vetor paralelo a . Assim, o produto vetorial AP V = (2, 0, 4/3) um vetor normal a .
D
Substituindo-se o ponto A ou o ponto P na equao 2x 4/3z + d = 0 obtemos a equao do plano 6x + 4z 2 = 0.

4.2.10. BA= (1, 0, 0), CD = (2, 1, 3). Pr = (t, 1, 0) um ponto qualquer da reta r e Ps = (3 + 2s, 1 + s, 4 3s) um ponto qualquer da

reta s. Precisamos encontrar pontos Pr e Ps tais que Ps Pr = V, ou seja, precisamos encontrar t e s tais que (t 2s + 3, s, 3s + 4) =
(, 5, ).
Escalonando o sistema obtido igualando-se as componentes:
ia
1 2 1 3
" #
0 1 5 0
0 3 1 4
2a. eliminao:
p
1 2 1 3
" #
0 1 5 0
0 3 1 4


l
1 0 11 3
" #
0 1 5 0
ita
0 0 16 4
3a. eliminao:
linha 3 --> (1/16)*linha 3
1 0 11 3
" #
0 1 5 0
ig
0 0 1 14

D
23

1 0 0 4
0 1 0 54
0 0 1 14
Encontramos que t = 23/4, s = 5/4 e = 1/4. Substituindo-se ou t = 23/4 em Pr = (t, 1, 0) obtemos que a equao da
reta ( x, y, z) = (23/4 + t, 1 5t, t).
ia
4.2.11. (a) N1 = (2, 1, 1); N2 = (1, 2, 1). Os planos se interceptam segundo uma reta que tem vetor diretor V = N1 N2 = (1, 3, 5).
(b) Escalonando a matriz

2 1 1 0
1 2 1 1
p
1a. eliminao:
linha 2<--> linha 1

1 2 1 1
2 1 1 0

l

1 2 1 1
0 5 3 2
ita
2a. eliminao:
linha 2 --> -(1/5)*linha 2
1

1 2 1
0 1 35 2
5
ig
1 1

1 0 5 5
0 1 35 2
5

Um ponto qualquer da reta r Pr = (1/5 t, 2/5 + 3t, 5t). Vamos determinar o valor de t tal que APr seja perpendicular ao
D
vetor diretor da reta r.
>> syms t
>> Pr=[1/5-t,2/5+3*t,5*t];A=[1,0,1];
>> APr=Pr-A
APr = [ -4/5-t, 2/5+3*t, 5*t-1]
>> expr=pe(APr,[-1,3,5])
expr = -3+35*t
>> t=solve(expr)
ia
t = 3/35

Substituindo-se t = 3/35 em APr = (4/5 t, 2/5 + 3t, 5t 1), obtemos o vetor diretor da reta procurada e assim a equao
da reta ( x, y, z) = (1 (31/35)t, (23/35)t, 1 (4/7)t).
4.2.12. V1 = (1, 2, 3); P1 = (0, 0, 0); V2 = (2, 4, 6); P2 = (0, 1, 2); V1 V2 = (0, 0, 0) X = ( x, y, z);
p

1X
P x y z
" #
det V1 = det 1 2 3 = 7x 2y + z
0 1 2
P1 P2
Como o produto vetorial de V1 e V2 (os dois vetores diretores das retas) igual ao vetor nulo, ento as retas so paralelas. Neste

caso, os vetores V1 e P1 P2 so no colineares e paralelos ao plano procurado. Assim, 7x 2y + z = 0 a equao do plano.

l
4.2.13. (a) N1 = (1, 2, 3); N2 = (1, 4, 2);
V = N1 N2 = (8, 5, 6)
ita
Os planos se interceptam segundo uma reta cujo vetor diretor V = (8, 5, 6). Fazendo y = 0 nas equaes obtemos
um sistema de duas equaes e duas incgnitas cuja soluo x = 1, z = 1. Assim, P0 = (1, 0, 1) um ponto da reta e as
equaes paramtricas da reta so
x = 1 8t
(
y = 5t, para t R
z = 1 6t
(b) N1 = (1, 1, 0); N2 = (1, 0, 1); Os planos se interceptam segundo uma reta cujo vetor diretor V = N1 N2 = (1, 1, 1).
Claramente P0 = (0, 0, 0) um ponto da reta e as equaes paramtricas da reta so
ig
x = t
(
y = t, para t R
z = t
4.2.14. (a)
D
r : ( x, y, z) = t(0, 1, 2)
s : ( x, y, z) = t(1, 0, 2)
t : ( x, y, z) = (0, 1, 2) + s(1, 1, 0)
z
ia
p
x y
(b) A = (0, 0, 2), B = (0, 1, 2) e C = (1, 0, 2).

vol = 16 | OA (OB OC )|
0 0 2
" #
= | det 0 1 2 | = 62 = 13 .
1 0 2

l
(c) area = 12 || OB OC || = 21 ||(2, 2, 1)|| = 3
2
(d) A reta perpendicular ao plano que passa por A
ita
( x, y, z) = (0, 0, 2) + t(2, 2, 1) = (2t, 2t, 2 t).
A interseo desta reta com o plano obtida substituindo-se um ponto da reta na equao do plano:
4t + 4t (2 t) = 0 t = 2/9.
Logo, P = (4/9, 4/9, 16/9) e
ig
2 2
h = || AP || = ||(4/9, 4/9, 2/9)|| = ||(2, 2, 1)|| = .
9 3
4.2.15. (a) Um ponto qualquer da reta r1 descrito por Pr1 = (1 + t, 2 + 3t, 4t) e um ponto qualquer da reta r2 da forma Pr2 =
(1 + s, 1 + 2s, 2 + 3s). Aqui necessrio o uso de um parmetro diferente para a reta r2 . O vetor
D

Pr1 Pr2 = (s t, 1 + 2s 3t, 2 + 3s 4t)

liga um ponto qualquer de r1 a um ponto qualquer de r2 . Vamos determinar t e s tais que o vetor Pr1 Pr2 seja perpendicular
ao vetor diretor V1 = (1, 3, 4) de r1 e ao vetor diretor V2 = (1, 2, 3) de r2 , ou seja, temos que resolver o sistema
(
Pr1 Pr2 V1 = 11 + 19s 26t = 0
ia

Pr1 Pr2 V2 = 8 + 14s 19t = 0

A soluo deste sistema t = 2/3, s = 1/3. Logo Pr1 = (5/3, 0, 8/3), Pr2 = (4/3, 1/3, 3), Pr1 Pr2 =
(1/3, 1/3, 1/3) e V3 = (1, 1, 1) um vetor diretor da reta procurada. Assim as equaes paramtricas da reta procu-
rada so
p
x = 5/3 + t
(
r3 : y = t, para t R.
z = 8/3 t
(b) Um ponto qualquer da reta r1 descrito por Pr1 = (1 + t, 2 + 3t, 4t) e um ponto qualquer da reta r2 da forma Pr2 =
(s, 4 + 2s, 3 + 3s). Aqui necessrio o uso de um parmetro diferente para a reta r2 . O vetor

Pr1 Pr2 = (1 + s t, 2 + 2s 3t, 3 + 3s 4t)

l
liga um ponto qualquer de r1 a um ponto qualquer de r2 . Vamos determinar t e s tais que o vetor Pr1 Pr2 seja perpendicular
ao vetor diretor V1 = (1, 3, 4) de r1 e ao vetor diretor V2 = (1, 2, 3) de r2 , ou seja, temos que resolver o sistema
ita
(
Pr1 Pr2 V1 = 19 + 19s 26t = 0

Pr1 Pr2 V2 = 14 + 14s 19t = 0

A soluo deste sistema t = 0, s = 1. Logo Pr1 = (1, 2, 0), Pr2 = (1, 2, 0) e Pr1 Pr2 = (0, 0, 0). Neste caso o vetor Pr1 Pr2
no pode ser o vetor diretor da reta procurada. Vamos tomar como vetor diretor da reta procurada o vetor V3 = V1 V2 =
(1, 1, 1).
Assim, as equaes paramtricas da reta procurada so
ig
x = 1 + t
(
r3 : y = 2 + t, para t R.
z = t
4.3. ngulos e Distncias (pgina 271)
D
4.3.1. >> V=[1,3,2];W=[2,-1,1];U=[1,-2,0];
>> N=pv(W,U), projecao=(pe(V,N)/pe(N,N))*N
N = 2 1 -3 projecao = -1/7 -1/14 3/14
4.3.2. >> N1=[2,-1,1]; N2=[1,-2,1];
>> costh=pe(N1,N2)/(no(N1)*no(N2))
costh = 5/6
>> acos(5/6)*180/pi
ia
ans = 33.5573
O ngulo arccos(5/6) 33, 5o .
4.3.3. >> A=[1,1,1];B=[1,0,1];C=[1,1,0];
>> P=[0,0,1];Q=[0,0,0];V=[1,1,0];
>> N1=pv(B-A,C-A), N2=pv(Q-P,V),...
p
>> costh=pe(N1,N2)/(no(N1)*no(N2))
N1 = 1 0 0, N2 = 1 -1 0,
costh = 1/2*2^(1/2)

O ngulo arccos( 2/2) = 45o .
4.3.4. O vetor diretor da reta procurada V = ( a, b, c) faz ngulo de 45o com o vetor ~i e 60o com o vetor ~j. Podemos fixar arbitrariamente
a norma do vetor V. Por exemplo, podemos tomar o vetor V com norma igual 2.
V = ( a, b, c)

l
||V ||2 = a2 + b2 + c2 = 4

|V ~i
ita
2
= cos 45 = , | a| = 1
||V || 2
|V ~j 1
= cos 60 = , |b| = 1
||V || 2
Substituindo-se estes valores em a2 + b2 + c2 = 4:
ig
2 + 1 + c2 = 4, |c| = 1
o o
Assim, existem aparentemente, oito retas que passam pelo ponto P = (1, 2, 3) e fazem ngulo de 45 com o eixo x e 60 com o
eixo y. Elas so ( x, y, z) = (1, 2, 3) + t( 2, 1, 1). Na verdade existem
quatro retas (distintas), pois um vetor diretor e o seu
simtrico determinam a mesma reta. Elas so ( x, y, z) = (1, 2, 3) + t( 2, 1, 1).
D
4.3.5. >> syms t, A=[1,1,0]; V=[0,1,-1]; Pr=[0,t,-t];
>> PrA=A-Pr, expr1=pe(PrA,V)
PrA = [1, 1-t, t] expr1 = 1-2*t
expr2 = 2*(1-t+t^2)^(1/2)
>> expr2=no(PrA)*no(V)
>> solve((expr1/expr2)^2-1/4)
[0][1]
>> B=subs(Pr,t,0), C=subs(Pr,t,1)
ia
B = [0, 0, 0] C = [0, 1, -1]
4.3.6. >> A=[1,0,0]; B=[0,1,0]; C=[1,0,1]; O=[0,0,0];

>> N=B-A
-1 2 0
>> dist=abs(pe(N,C-O))/no(N)
dist =1/2^(1/2)
p

A distncia igual 1/ 2.
4.3.7. (a) >> syms t s

>> A=[1,0,0]; B=[0,2,0]; V2=[1,2,3]; P2=[2,3,4];
>> Pr1=A+t*(B-A), Pr2=P2+s*V2
Pr1 = [1-t, 2*t, 0] Pr2 = [2+s, 3+2*s, 4+3*s]
Pr2 = (1 t, 2t, 0) um ponto qualquer da reta r1 e Pr2 = (2 + s, 3 + 2s, 4 + 3s) um ponto qualquer da reta r2 . Devemos

determinar t e s tais que o vetor Pr1 Pr2 seja perpendicular aos vetores diretores de r1 e de r2 .

l
>> Pr1Pr2=Pr2-Pr1
Pr1Pr2 = [1+s+t, 3+2*s-2*t, 4+3*s]
>> expr1=pe(Pr1Pr2,B-A), expr2=pe(Pr1Pr2,V2)
ita
expr1 = 5+3*s-5*t expr2 = 19+14*s-3*t
>> S=solve(5+3*s-5*t,19+14*s-3*t)
>> S.t, S.s
t = 13/61, s = -80/61
>> Pr10=subs(Pr1,t,13/61),
Pr10 = [48/61, 26/61, 0]
>> Pr20=subs(Pr2,s,-80/61)
Pr20 = [42/61, 23/61, 4/61]
>> V=Pr20-Pr10, expr=Pr10+t*V
V = [-6/61, -3/61, 4/61]
ig
expr = [48/61-6/61*t, 26/61-3/61*t, 4/61*t]
A equao da reta ( x, y, z) = (48/61 (6/61)t, 26/61 (3/61)t, (4/61)t).

(b) A distncia entre r1 e r2 igual norma do vetor Pr1 Pr2 = (6/61, 3/61, 4/61) que igual 1/ 61.
4.3.8. >> A=[0,2,1]; Pr=[t,2-t,-2+2*t];

>> APr=Pr-A, dist=no(APr)
D
APr = [t, -t, -3+2*t]
dist = 3^(1/2)*(2*t^2+3-4*t)^(1/2)
>> solve(dist^2-3)
[1][1]
>> P=subs(Pr,t,1)
P = [1, 1, 0]
A distncia de A at a reta r igual 3.
4.3.9. >> syms t

ia
>> A=[1,1,1]; B=[0,0,1]; Pr=[1+t,t,t];
>> APr=Pr-A, BPr=Pr-B
APr = [t, -1+t, -1+t] BPr = [1+t, t, -1+t]
>> dist1q=pe(APr,APr), dist2q=pe(BPr,BPr)
dist1q = 3*t^2+2-4*t dist2q = 2+3*t^2
>> solve(dist1q-dist2q)
t=0
p
>> subs(Pr,t,0)
[1, 0, 0]
O ponto P = (1, 0, 0) equidistante de A e B.
4.3.10. >> A=[1,-1,2]; B=[4,3,1]; X=[x,y,z];

>> AX=X-A, BX=X-B,
AX = [x-1, y+1, z-2] BX = [x-4, y-3, z-1]
>> dist1q=pe(AX,AX), dist2q=pe(BX,BX)
dist1q = x^2-2*x+6+y^2+2*y+z^2-4*z
dist2q = x^2-8*x+26+y^2-6*y+z^2-2*z

l
>> expr=dist1q-dist2q
expr = 6*x-20+8*y-2*z
A equao do lugar geomtrico 6x + 8y 2z 20 = 0. Este plano passa pelo ponto mdio de AB, pois o ponto mdio de AB
ita

M =OM = 1/2(OA + OB) (Exerccio 1.18 na pgina 159) satisfaz a equao do plano. O plano perpendicular ao segmento AB,

pois N = (6, 8, 2) paralelo a AB= (3, 4, 1).
4.3.11. >> syms x y z d

>> expr1=2*x+2*y+2*z+d;
>> P1=[0,0,-d/2]; N=[2,2,2]; P=[1,1,1];
>> expr2=abs(pe(P-P1,N))/no(N)

expr2 = 1/6 |6 + d| 3
ig
>> solve(expr2-sqrt(3),d)
ans = [ 0][ -12]
Os planos 2x + 2y + 2z = 0 e 2x + 2y + 2z 12 = 0 satisfazem as condies do exerccio.
4.3.12. >> N2=[1,-2,2];N3=[3,-5,7];

>> V=pv(N2,N3)
D
V = -4 -1 1
N = ( a, b, c), N1 = (1, 0, 1)
| N N1 |
2|a+c2| 2

1
|| N |||| N1 ||
= cos(/3) = 2
a +b +c
|| N ||2 = 2 2 2
2 a +b +c = 2
NV

= 0 4a b + c = 0
ia
Da 1a. equao (usando a 2a. equao) segue que
| a + c| = 1 c = 1 a.
Da 3a. equao
b = c 4a = 1 5a,
p
Substituindo-se os valores de b e c encontrados na 2a. equao:
a2 + (1 5a)2 + (1 a)2 = 2,
27a2 = 12a, a = 0 ou a = 4/9.

N = (0, 1, 1) ou N = (4/9, 11/9, 5/9)
Os planos y + z = 0 e 4x 11y + 5z = 0 satisfazem as condies do exerccio

l
4.3.13. (a) N Vr = (1, 1, 1) (1, 1, 0) = 0
ita
(b) Tomando P = (0, 0, 0) e Pr = (1, 0, 1):

| Pr P N | |(1, 0, 1) (1, 1, 1)| 2
d(r, ) = = =
|| N || 3 3
(c) No. Pois se s uma reta reversa r contida em , ento
ig
2
d(r, s) = d(r, ) = < 2.
3
D

4.3.14. (a) AB= (7/3, 7/2, 0)

AC = (7/3, 2, 11/6)

AB AC = (77/12, 77/18, 77/6)

N1 = (36/77) AB AC = (3, 2, 6)
ia
A equao do plano 3x + 2y + 6z 6 = 0

(b) DE= (5/2, 5, 11)

DE ~k = (5, 5/2, 0)
p

N2 = (2/5) DE ~k = (2, 1, 0)
A equao do plano 2x + y 2 = 0

3 2 6 6 1 2/3 2 2 1 2/3 2 2 1 2/3 2 2 1 0 6 2
(c) 2 1 0 2 2 1 0 2 0 1/3 4 2 0 1 12 6 0 1 12 6
As equaes paramtricas da reta so ( x, y, z) = (2 + 6t, 6 12t, t).

l
(d)
z
ita
ig
y
x
D
| N1 N2 | 8
(e) cos(1 , 2 ) = || N1 |||| N2 ||
=
7 5

N1 OA 6
(f) OP= proj N1 OA= N
|| N1 ||2 1
= 49 (3, 2, 6)

77 539
(g) area = || AB AC ||/2 = ||(77/12, 77/18, 77/6)||/2 = 72 ||(3, 2, 6)|| = 72
ia
p

l
5.1. Independncia Linear (pgina 306)
ita
5.1.1. Podemos resolver os quatro sistemas de uma nica vez. Para isso vamos escalonar a matriz aumentada
5 0 10 10 10 2 1
" #
3 4 18 2 2 1 2
1 3 7 5 8 1 3
1a. eliminao:
linha 3<--> linha 1
ig
1 3 7 5 8 1 3
" #
3 4 18 2 2 1 2
5 0 10 10 10 2 1

D3 7 5 8 1 3
" #
0 13 39 13 26 2 11
0 15 45 15 30 7 16
2a. eliminao:
linha 2 --> (1/13)*linha 2
ia
1 3 7 5 8 1 3
" #
2 11
0 1 3 1 2 13 13
0 15 45 15 30 7 16

p
7 6
1 0 2 2 2 13 13
0 2 11
1 3 1 2 13 13
0 0 0 0 0 61
13 43
13
Assim, os vetores dos itens (a) e (b) so combinao linear de V1 , V2 e V3 , pois os sistemas [ V1 V2 V3 ] X = V, para os vetores V dos
itens (a) e (b) tm soluo, enquanto para os vetores dos itens (c) e (d) no tm soluo.

Captulo 5. Espaos Rn 565
l
5.1.2. Do escalonamento realizado no item anterior deduzimos que o sistema [ V1 V2 V3 ] X = 0 tem soluo no trivial. Logo, os vetores
V1 , V2 e V3 so LD. A soluo x = 2, y = 3 e z = . Escolhendo = 1 e substituindo os valores de x, y e z na equao
xV1 + yV2 + zV3 = 0 obtemos que V3 = 2V1 + 3V2 .
ita
5.1.3. Como os sistemas so homogneos basta escalonar a matriz do sistema e no a matriz aumentada
1 1 4
" #
1 0 6
2 0 12
(a) 1a. eliminao:
ig
1 1 4
" #
0 1 2
0 2 4
D
1a. eliminao:
1 1 4
" #
0 1 2
0 2 4

ia
1 0 6
" #
0 1 2
0 0 0
Logo, a equao x (1, 1, 2) + y(1, 0, 0) + z(4, 6, 12) = 0 admite soluo no trivial. Isto implica que os vetores do item (a) so
p
LD.
(b)
1 2
" #
2 4
3 6
1a. eliminao:

1 2
" #
l
0 0
0 0
ita
Logo, a equao x (1, 2, 3) + y(2, 4, 6) = 0 admite soluo no trivial. Isto implica que os vetores da item (b) so LD.
Observe que o segundo vetor 2 vezes o primeiro.
(c)
1 2 3
" #
1 3 1
1 1 2
1a. eliminao:
ig
1 2 3
" #
0 1 2
0 1 1
D
2a. eliminao:
1 0 7
" #
0 1 2
0 0 3
ia
3a. eliminao:
linha 3 --> -(1/3)*linha 3
1 0 7
" #
0 1 2
0 0 1
p

1 0 0
" #
0 1 0
0 0 1
Logo, a equao x (1, 1, 1) + y(2, 3, 1) + z(3, 1, 2) = 0 s admite a soluo trivial. Isto implica que os vetores do item (c) so
LI.

l
(d)
4 6 2
" #
2 5 1
ita
1 5 3
1a. eliminao:
linha 3<--> linha 1
1 5 3
" #
2 5 1
4 6 2
ig
1 5 3
" #
2 5 1
4 6 2

D
1 5 3
" #
0 5 5
0 14 14
2a. eliminao:
linha 2 --> -(1/5)*linha 2
1 5 3
" #
ia
0 1 1
0 14 14

1 0 2
" #
p
0 1 1
0 0 0
Logo, o sistema x (4, 2, 1) + y(2, 3, 1) + z(2, 1, 3) = 0 admite soluo no trivial. Isto implica que os vetores do item (d)
so LD.
5.1.4.
2 + 2
" #
3
1 2
0 0

l
1a. eliminao:
linha 2<--> linha 1
ita
1 2
" #
3 2 + 2
0 0
1 2
" #
0 2 4
ig
0 0
Para = 2 o conjunto de vetores LD.
5.1.5. (a) x1 W1 + x2 W2 + x3 W3 = x1 (V1 + V2 ) + x2 (V1 + V3 ) + x3 (V2 + V3 ) = ( x1 + x2 )V1 + ( x1 + x3 )V2 + ( x2 + x3 )V3 = 0. Como

V1 , V2 e V3 so por hiptese LI, os escalares que os esto multiplicando tm que ser iguais a zero. O que leva ao sistema
D
x1 + x2 = 0
(
x1 + x3 = 0
x2 + x3 = 0
1 1 0
" #
1 0 1
0 1 1
1a. eliminao:
ia
1 1 0
" #
0 1 1
0 1 1
2a. eliminao:
p
1 1 0
" #
0 1 1
0 1 1

1 0 1
" #
0 1 1
0 0 2

l
3a. eliminao:
ita
1 0 1
" #
0 1 1
0 0 1

1 0 0
" #
0 1 0
ig
0 0 1
Assim, o sistema e a equao vetorial inicial tm somente a soluo trivial x1 = x2 = x3 = 0. Portanto, os vetores W1 , W2 e
W3 so LI.
(b) x1 W1 + x2 W2 + x3 W3 = x1 V1 + x2 (V1 + V3 ) + x3 (V1 + V2 + V3 ) = ( x1 + x2 + x3 )V1 + x3 V2 + ( x2 + x3 )V3 = 0
Como V1 , V2 e V3 so por hiptese LI, os escalares que os esto multiplicando tm que ser iguais a zero. O que leva ao sistema
D
x1 + x2 + x3 = 0
(
x3 = 0
x2 + x3 = 0
Assim, o sistema e a equao vetorial inicial tm somente a soluo trivial x1 = x2 = x3 = 0. Portanto, os vetores W1 , W2 e
W3 so LI.
5.1.6. (a) P1 = (1, 0, 2); V1 = (2, 1, 3);

P2 = (0, 1,1); V2 = (1, m, 2m);
ia
V1
V2 = 9m + 6 = 0 m = 2/3
det
P1 P2
Para m = 2/3 as retas so coplanares.
(b) Para m = 2/3, os vetores diretores V1 = (2, 1, 3) e V2 = (1, 2/3, 4/3) so LI, pois um no mltiplo escalar do outro.
Portanto, as retas so concorrentes.
p
(c) N = V1 V2 = (2/3, 1/3, 1/3) Tomando como vetor normal 3N = (2, 1, 1) a equao do plano 2x y z + d = 0.
Para determinar d substitumos o ponto P1 = (1, 0, 2) na equao do plano 2x y z + d = 0 obtendo d = 0. Assim, a
equao do plano 2x y z = 0.
5.1.7. Precisamos determinar m para que os vetores W = (2, m, 1), V1 = (1, 2, 0) e V2 = (1, 0, 1) sejam LD.
W
" #
det V1 = 0 m = 2
V2

l
Para m = 2 a reta paralela ao plano. A reta est contida no plano se, e somente se, os vetores OP1 , V1 , V2 forem LD, em que
P1 = (1, 1, 1) um ponto da reta.
ita
P1
" #
det V1 = 1
V2
Logo, a reta no est contida no plano.
5.1.8. (a) Precisamos saber se as equaes vetoriais

xV1 + yV2 + zV3 = V4 ,
xV1 + yV2 + zV3 = V5
ig
e
xV1 + yV2 + zV3 = V6
tm soluo. Estas equaes so equivalentes a sistemas lineares. Podemos resolver os quatro sistemas de uma nica vez.
Para isso vamos escalonar a matriz aumentada

1 2 1 3 2 4
D
1 4 3 1 1 3
0 2 2 2 1 2
2 6 4 4 3 2
1a. eliminao:

1 2 1 3 2 4
1 4 3 1 1 3
ia
0 2 2 2 1 2
2 6 4 4 3 2

1 2 1 3 2 4
0 2 2 2 1 1
p
0 2 2 2 1 2
0 2 2 2 1 10
2a. eliminao:
linha 2 --> -1/2*linha 2
1 2 1 3 2 4

0 1 1 1 21 21
0 2 2 2 1 2
0 2 2 2 1 10

l
ita
1 0 1 5 3 5

0 1 1 1 12 12
0 0 0 0 0 1
0 0 0 0 0 9
3a. eliminao:linha 3 --> -1*linha 3
1 0 1 5 3 5

ig
0 1 1 1 12 21
0 0 0 0 0 1
0 0 0 0 0 9

D
1 0 1 5 3 0

0 1 1 1 12 0
0 0 0 0 0 1
0 0 0 0 0 0
Assim, os vetores V4 e V5 so combinao linear de V1 , V2 e V3 , pois os sistemas [ V1 V2 V3 ] X = V4 e [ V1 V2 V3 ] X = V5 , tm

soluo. Enquanto V6 no combinao linear de V1 , V2 e V3 , pois o sistema [ V1 V2 V3 ] X = V6 no tem soluo.
ia
Da matriz escalonada acima temos que a soluo da equao vetorial xV1 + yV2 + zV3 = V4 ,
x 5
" # " #
X = y = 1 + , R.
z
p
Tomando-se, por exemplo, = 0 obtemos que 5V1 + V2 = V4 .

Da matriz escalonada acima temos que a soluo da equao vetorial xV1 + yV2 + zV3 = V5 ,
x 3
" # " #
X = y = 1/2 + , R.
z
Tomando-se, por exemplo, = 0 obtemos que 3V1 (1/2)V2 = V5 .

l
(b) Da matriz escalonada do item anterior temos que xV1 + yV2 + zV3 = 0 equivalente ao sistema

ita
x + z = 0
y z = 0.
que tem soluo

x
" # " #
X = y = , R.
z
Ou seja, V1 + V2 + V3 = 0. Tomando-se por exemplo = 1 temos que V1 + V2 + V3 = 0. Logo, V1 = V2 + V3 , ou

V2 = V1 V3 , ou V3 = V1 V2 .
ig
5.2. Subespaos, Base e Dimenso (pgina 328)
5.2.1. (a) Vamos escalonar a matriz do sistema
1 0 1 0
" #
D
1 2 3 1
2 1 3 1
1a. eliminao:
1 0 1 0
" #
ia
0 2 2 1
0 1 1 1
2a. eliminao:
linha 3<--> linha 2
p
1 0 1 0
" #
0 1 1 1
0 2 2 1
1 0 1 0
" #
0 1 1 1
0 0 0 1

l
3a. eliminao:
ita
1 0 1 0
" #
0 1 1 1
0 0 0 1
1 0 1 0
" #
ig
0 1 1 0
0 0 0 1
Encontramos a forma reduzida escalonada da matriz A, que corresponde ao sistema homogneo
x1 + x3 = 0
(
x2 + x3 = 0
D
x4 = 0
Este sistema tem como soluo geral

W = {(, , , 0) | R} .
Agora, para qualquer elemento de W temos:
(, , , 0) = (1, 1, 1, 0) .
ia
Logo, {V = (1, 1, 1, 0)} gera W.
(b) Vamos escalonar a matriz do sistema
1 1 2 1
" #
2 3 6 2
p
2 1 2 2
1a. eliminao:
1 1 2 1
" #
0 1 2 0
0 3 6 0

l
2a. eliminao:
ita
1 0 0 1
" #
0 1 2 0
0 0 0 0
Encontramos a forma reduzida escalonada da matriz A, que corresponde ao sistema homogneo

x1 + x4 = 0
ig
x2 + 2x3 = 0

W = {(, 2, , ) | , R} .
D
(, 2, , ) =
= (, 0, 0, ) + (0, 2, , 0)
= (1, 0, 0, 1) + (0, 2, 1, 0) .
Logo, B = {V1 = (1, 0, 0, 1), V2 = (0, 2, 1, 0)} gera W.
5.2.2.
ia
AX = X AX = In X ( A In ) X = 0
( A In ) X = 0 tem soluo no trivial se, e somente se, det( A In ) = 0.

(a)
0 1
" #
p
det( A I3 ) = det 1 3 = ( 1)3

0 1 3
det( A I3 ) = 0 = 1.
Escalonando a matriz do sistema ( A I3 ) X = 0:
1 0 1
" #
1 1 3
0 1 2

l
1a. eliminao:
ita
1 0 1
" #
1 1 3
0 1 2
ig
1 0 1
" #
0 1 2
0 1 2
2a. eliminao:
D
1 0 1
" #
0 1 2
0 1 2

ia
1 0 1
" #
0 1 2
0 0 0

x1 x3 = 0
x2 + 2x3 = 0
p

W = {(, 2, ) | R} .
(, 2, ) = (1, 2, 1) .
Logo, B = {V = (1, 2, 1)} gera W. Como um conjunto formado por um nico vetor no nulo sempre LI, ento B base
para W.

l
(b)
ita
det( A I4 )

2 2 3 4
0 2 3 2
= det 0 0 1 1
0 0 0 1
= ( 2)2 ( 1)2
det( A I4 ) = 0 = 2 ou = 1.
ig
Para = 1, vamos escalonar a matriz do sistema ( A I4 ) X = 0:

1 2 3 4
0 1 3 2
0 0 0 1
0 0 0 0
D
2a. eliminao:

1 0 3 0
0 1 3 2
0 0 0 1
0 0 0 0
ia
3a. eliminao:

1 0 3 0
p
0 1 3 0
0 0 0 1
0 0 0 0
x1 3x3 = 0
(
x2 + 3x3 = 0
x4 = 0
W = {(3, 3, , 0) | R} .

l
ita
(3, 3, , 0) = (3, 3, 1, 0) .
Logo, B = {V = (3, 3, 1, 0)} gera W. Como um conjunto formado por um nico vetor no nulo sempre LI, ento B base
para W.

0 2 3 4
0 0 3 2
0 0 1 1
ig
0 0 0 1
1a. eliminao:
D
3

0 1 2 2
0 0 3 2
0 0 1 1
0 0 0 1
2a. eliminao:
linha 3<--> linha 2
ia
3

0 1 2 2
0
0
0 1 1
0 3 2
0 0 0 1

p
3

0 1 2 2
0
0
0 1 1
0 3 2
0 0 0 1
linha 1 --> linha 1 + -(3/2)*linha 2


l
7

0 1 0 2
0 0 1 1
ita
0 0 0 5
0 0 0 1
3a. eliminao:
linha 4<--> linha 3
7

0 1 0 2
0 0 1 1
ig
0 0 0 1
0 0 0 5
7

0 1 0 2
0 0 1 1
D
0 0 0 1
0 0 0 5


ia
0 1 0 0
0 0 1 0
0 0 0 1
0 0 0 0
x2 = 0
(
x3 = 0
p
x4 = 0
W = {(, 0, 0, 0) | R} .
(, 0, 0, 0) = (1, 0, 0, 0) .
Logo, B = {V = (1, 0, 0, 0)} gera W. Como um conjunto formado por um nico vetor no nulo sempre LI, ento B base
para W.

l
(c)
ita
det( A I3 )
1 1 2
" #
= det 1 2 1
0 1 1
= ( 2)( 1)( + 1)
det( A I3 ) = 0 = 2 ou = 1 ou = 1.
ig
2 1 2
" #
1 3 1
0 1 0
1a. eliminao:
linha 2<--> linha 1
D 1 3 1
" #
2 1 2
0 1 0
3 1
ia
1
" #
2 1 2
0 1 0
1 3 1
" #
p
0 7 0
0 1 0
2a. eliminao:
linha 3<--> linha 2
1 3 1
" #
0 1 0
0 7 0

l
ita
1 0 1
" #
0 1 0
0 0 0

x1 3x3 = 0
x2 = 0
ig
W = {(, 0, ) | R} .
(, 0, ) = (1, 0, 1) .
para W.
D
0 1 2
" #
1 1 1
0 1 2
1a. eliminao:
linha 2<--> linha 1
ia
1 1 1
" #
0 1 2
0 1 2
p
1 1 1
" #
0 1 2
0 1 2
2a. eliminao:

l
1 0 3
" #
0 1 2
ita
0 0 0

x1 3x3 = 0
x2 2x3 = 0

W = {(3, 2, ) | R} .
ig
(3, 2, ) = (3, 2, 1) .
para W.
1 2
D
1
" #
1 0 1
0 1 3
1a. eliminao:
1 1 2
" #
ia
1 0 1
0 1 3
1 1 2
" #
p
0 1 3
0 1 3
2a. eliminao:
1 1 2
" #
0 1 3
0 1 3

l
ita
1 0 1
" #
0 1 3
0 0 0

x1 x3 = 0
x2 3x3 = 0
ig
W = {(, 3, ) | R} .
(, 3, ) = (1, 3, 1) .
para W.
D
(d)
det( A I4 )

1 2 2 0
1 2 1 0
= det 1 1 2 0
0 0 0 1
ia
= ( 1)4
det( A I4 ) = 0 = 1.
p

2 2 2 0
1 1 1 0
1 1 1 0
0 0 0 0
1a. eliminao:
linha 2<--> linha 1

l

1 1 1 0
2 2 2 0
ita
1 1 1 0
0 0 0 0

1 1 1 0
2 2 2 0
ig
1 1 1 0
0 0 0 0

D

1 1 1 0
0 0 0 0
0 0 0 0
0 0 0 0
{ x1 x2 x3 = 0
ia
W = {( + , , , ) | , , R} .
p
( + , , , ) = (0, 0, 0, 1) + (1, 0, 1, 0) + (1, 1, 0, 0).
Logo, B = {V1 = (0, 0, 0, 1), V2 = (1, 0, 1, 0), V3 = ((1, 1, 0, 0)} gera W. Como
(0, 0, 0, 0) = ( + , , , )
= (0, 0, 0, 1) + (1, 0, 1, 0) + (1, 1, 0, 0)
implica que = = = 0, ento B base para W.

l
(e)
ita
det( A I3 )
2 3 0
" #
= det 0 1 0
0 0 2
= ( 2)2 ( 1)
det( A I3 ) = 0 = 2 ou = 1.
ig
Para = 1, o sistema ( A I3 ) X = 0

x1 + 3x2 = 0
x3 = 0
D
W = {(3, , 0) | R} .
(3, , 0) = (3, 1, 0) .
para W.
ia

3x2 = 0
x2 = 0

p
W = {(, 0, ) | , R} .
(, 0, ) = (1, 0, 0) + (0, 0, 1) .
Logo, B = {V1 = (1, 0, 0), V2 = (0, 0, 1)} gera W. Como um vetor no mltiplo escalar do outro, o conjunto B LI. Assim,
B base para W.

l
(f)
2 3 0
" #
det( A I3 ) = det 0 2 0 = ( 2)3
ita
0 0 2
det( A I3 ) = 0 = 2.
{ 3x2 = 0
ig
W = {(, 0, ) | , R} .
(, 0, ) = (1, 0, 0) + (0, 0, 1) .
D
Logo, B = {V1 = (1, 0, 0), V2 = (0, 0, 1)} gera W. Como um vetor no mltiplo escalar do outro, o conjunto B LI. Assim,
B base para W.
5.2.3. N1 = (1, 7, 5) N2 = (3, 1, 1) V = N1 N2 = (2, 14, 20)

A equao paramtrica da reta interseo dos dois subespaos ( x, y, z) = t(2, 14, 20), para todo t R. Assim, {V = (2, 14, 20)}
uma base para a reta.
ia
5.2.4. (a) Escalonando a matriz do sistema equivalente a xV1 + yV2 + zV3 = 0:
4 2 2
" #
2 1 1
3 2 0
1a. eliminao:
p
1
12
" #
1 2
2 1 1
3 2 0


l

1
1 2 12
0 0 0
ita
0 12 32
2a. eliminao:
linha 3<--> linha 2

1
1 2 12
0 12 2 3
ig
0 0 0
1
12
" #
1 2
0 1 3
D
0 0 0
1 0 2
" #
0 1 3
0 0 0
ia
Logo, os vetores V1 , V2 e V3 so LD, pois a equao xV1 + yV2 + zV3 = 0 admite soluo no trivial.
(b) Os vetores V1 e V2 so LI, pois um vetor no mltiplo escalar do outro.
(c) Do item (a) obtemos que a soluo de xV1 + yV2 + zV3 = 0 ( x, y, z) = (2, 3, ). Tomando = 1 obtemos 2V1 3V2 +
V3 = 0, ou seja, V3 = 2V1 + 3V2 . Logo, V3 no necessrio para gerar o subespao gerado por V1 , V2 e V3 . Como pelo item
anterior V1 e V2 so LI, ento V1 e V2 formam uma base para o subespao gerado por V1 , V2 e V3 e a dimenso 2.
p
(d) o plano que passa pela origem paralelo aos vetores V1 e V2 ou como V1 V2 = (1, 2, 0), ento este subespao um plano
que passa pela origem com vetor normal N = V1 V2 = (1, 2, 0), ou seja, o plano x 2y = 0.
5.2.5. (a) No, pois basta tomarmos um vetor que no est no subespao gerado por V1 e V2 (que um plano que passa pela origem),
que ele no ser combinao linear de V1 e V2 .
(b) Para que V1 , V2 e V3 formem uma base de R3 basta que V1 , V2 e V3 sejam LI. Para isso V3 = ( a, b, c) deve ser um vetor que
no seja combinao linear de V1 e V2 .

l
(c) Devemos acrescentar um vetor V3 que no seja combinao linear de V1 e V2 . Por exemplo V3 = (0, 0, 1). Como a dimenso
do R3 igual 3, ento pelo Teorema 5.7 na pgina 319 V3 = (0, 0, 1), tal que V1 , V2 e V3 formam uma base de R3 .
ita
5.2.6. Fazendo z = e y = na equao do plano obtemos que
x = 2 4.
Assim, os pontos do plano x + 2y + 4z = 0 so da forma
( x, y, z) = (2 4, , ), , R,
ig
ou seja, so da forma
( x, y, z) = (4, 0, 1) + (2, 1, 0) = V1 + V2 , R,
em que V1 = (4, 0, 1) e V2 = (2, 1, 0).
Assim, V1 e V2 formam uma base do plano W, pois so LI (um no mltiplo escalar do outro) e geram W (todo vetor de W
combinao linear deles).
D
Para estender V1 e V2 a uma base de R3 , precisamos acrescentar um vetor que no seja combinao linear de V1 e V2 . Uma maneira
de se conseguir isso tomar um vetor que no pertena ao plano, ou seja, um vetor ( a, b, c) tal que a + 2b + 4z 6= 0. Por exemplo
V3 = (1, 0, 0).
5.2.7. V1 = (1, 2, 3), V2 = (1, 3, 4)

N1 = V1 V2 = (1, 7, 5)
ia
V3 = (1, 2, 1); V4 = (0, 1, 1)
N2 = V3 V4 = (3, 1, 1)
V = N1 N2 = (2, 14, 20)
A reta interseo dos dois subespaos ( x, y, z) = t(2, 14, 20), para qualquer t R. Uma base para a reta {V = (2, 14, 20)}.
p
5.2.8. (a)
V = (3a + 4b 4c, 2a 4b 6c, 2a 4b + 2c)

= (3a, 2a, 2a) + (4b, 4b, 4b) + (4c, 6c, 2c)
= a(3, 2, 2) + b(4, 4, 4) + c(4, 6, 2).
Logo, definindo V1 = (3, 2, 2), V2 = (4, 4, 4) e V3 = (4, 6, 2), ento {V1 , V2 , V3 } gera V.

l
(b)
3 4 4
" #
2 4 6
ita
2 4 2
1a. eliminao:
4
43
" #
1 3
2 4 6
2 4 2
ig
4
43

1 3
0 20 10
3
D
3
0 43 32
2a. eliminao:
linha 2 --> -(3/20)*linha 2
4
43

1 3
0 1
1
ia

2
0 43 23

p
1 0 2
" #
1
0 1 2
0 0 0
A soluo de xV1 + yV2 + zV3 = 0 ( x, y, z) = (2, /2, ). Tomando = 2 obtemos 4V1 + V2 + 2V3 = 0. Ou seja,
V2 = 2V3 4V1 .
Assim, o vetor V2 pode ser descartado na gerao de V, pois ele combinao linear dos outros dois. Logo, apenas V1 e V3
so suficientes para gerar V. Como alm disso, os vetores V1 e V3 so tais que um no mltiplo escalar do outro, ento eles
so LI e portanto {V1 , V3 } uma base de V. Tambm {V1 , V2 } ou {V2 , V3 } so bases.

l
5.2.9. (a) No pois so necessrios 4 vetores LI para se obter uma base de R4 (Teorema 5.7 na pgina 319).
(b) V3 e V4 devem ser LI e no pertencerem ao subespao gerado por V1 e V2 .
ita
(c) Escalonando a matriz cujas linhas so V1 e V2 ,

3 5 2 1
A= 1 2 1 2 ,
obtemos
1 0 1 12
R= 0 1 1 7
ig
Acrescentando as linhas V3 = [ 0 0 1 0 ] e V4 = [ 0 0 0 1 ]:

1 0 1 12
0 1 1 7
R = 0 0 1 0
0 0 0 1
D
Vamos verificar que V1 , V2 , V3 e V4 so LI.
x1 V1 + x2 V2 + x3 V3 + x4 V4 = 0
equivalente ao sistema CX = 0, em que C = [ V1 V2 V3 V4 ]. Mas como det( R) 6= 0 ento det(C ) 6= 0, pelo Teorema 2.13 na
pgina 108, pois R pode ser obtida de C t aplicando-se operaes elementares. Logo {V1 , V2 , V3 , V4 } LI. Como a dimenso
do R4 igual 4 , ento pelo Teorema 5.7 na pgina 319 V1 , V2 , V3 , V4 formam uma base de R4 .
5.2.10. (a) Tome trs vetores no R3 coplanares e que quaisquer dois no so colineares.
ia
(b) Tome dois vetores no R3 no colineares. Tome mais dois vetores no colineares que no pertencem ao subespao gerado
pelos dois primeiros.
5.2.11. (a)
AX = X AX = I4 X ( A I4 ) X = 0
p

1 5 3
2 2 4 0
det( A I4 ) = 1 2 4 0
2 4 4 2
1a. eliminao:
linha 3<--> linha 1


1 2 4 0
l
2 2 4 0
det( A I4 ) = det 1 5 3
ita
2 4 4 2
ig

1 2 4 0
2 2 4 0
det( A I4 ) = det 1 5 3
2 4 4 2
D
ia
1 2 4 0

0 2 42 0
det( A I4 ) = det
0 12 2 4 5 3
0 0 42 2
p
2 42 0
" #
det( A I4 ) = det 1 2 2 45 3
0 42 2

l
ita
det( A I4 )

2
= (2 ) det 4 5 3
42 2

12 3
(4 2) det 0 2

2
= (2 ) det 4 5 3
42 2
ig

12 3
2 det 0 2

2
= (2 )2 det 4 5 3
2 1

1 2 3
2 det
D
0 1
= (2 )2 (2 1) = (2 )2 ( 1)( + 1)

(b) Para = 2 temos que resolver o sistema ( A 2I4 ) X = 0. Para isso vamos escalonar a matriz do sistema

2 1 5 3
ia
2 4 4 0
A 2I4 = 1 2 2 0
2 4 4 0
1a. eliminao:
linha 3<--> linha 1
p

1 2 2 0
2 4 4 0
2 1 5 3
2 4 4 0

1 2 2 0
2 4 4 0
2 1 5 3
2 4 4 0

l
ita

1 2 2 0
0 0 0 0
0 3 9 3
0 0 0 0
2a. eliminao:
linha 3<--> linha 2

1 2 2 0
ig
0 3 9 3
0 0 0 0
0 0 0 0
linha 2 --> -(1/3)*linha 2

1 2 2 0
0 1 3 1
D
0 0 0 0
0 0 0 0

1 0 4 2
0 1 3 1
0 0 0 0
0 0 0 0
ia

x 2 4
y 3
X= z =
w
p

2 4
1 3
= 0 + 1 , , R.
1 0
Assim, V1 = (2, 1, 0, 1) e V2 = (4, 3, 1, 0) formam uma base para o espao soluo do sistema homogneo ( A
2I4 ) X = 0, pois so LI(um no mltiplo escalar do outro) e geram o subespao.
Para = 1 temos que resolver o sistema ( A I4 ) X = 0. Para isso vamos escalonar a matriz do sistema

l

1 1 5 3
2 3 4 0
ita
A I4 = 1 2 3 0
2 4 4 1
1a. eliminao:

1 1 5 3
2 3 4 0
1 2 3 0
2 4 4 1
ig

1 1 5 3
0 1 14 6
D
0 1 8 3
0 2 14 5
2a. eliminao:

1 1 5 3
0 1 14 6
0 1 8 3
0 2 14 5
ia

1 0 19 9
0 1 14 6
p
0 0 6 3
0 0 14 7
3a. eliminao:
linha 3 --> -(1/6)*linha 3
1 0 19 9

0 1 14 6
0 1
0 1 2
0 0 14 7

l
ita
21

1 0 0
0 1 0 1
1
0 0 1

2
0 0 0 0
ig

x 1
y 2 2
X = z = = 1 , R.
w 2 2
Assim, o vetor V3 = (1, 2, 1, 2) forma uma base para o espao soluo do sistema homogneo ( A I4 ) X = 0, pois um vetor
no nulo LI e ele gera o subespao.
D
Para = 1 temos que resolver o sistema ( A + I4 ) X = 0. Para isso vamos escalonar a matriz do sistema

1 1 5 3
2 1 4 0
A + I4 = 1 2 5 0
2 4 4 3
ia
1a. eliminao:

1 1 5 3
0 3 6 6
p
0 3 0 3
0 6 6 9
2a. eliminao:
linha 2 --> -(1/3)*linha 2

1 1 5 3
0 1 2 2
0 3 0 3
0 6 6 9

l
ita

1 0 3 1
0 1 2 2
0 0 6 3
0 0 6 3
3a. eliminao:
ig
1 0 3 1

0 1 2 2
0 1
0 1 2
0 0 6 3
D
1
1 0 0 2
0 1 0 1
1
0 0 1

2
0 0 0 0
ia

x 1
y 2 2
X = z = = 1 , R.
w 2 2
p
Assim, o vetor V4 = (1, 2, 1, 2) forma uma base para o espao soluo do sistema homogneo ( A + I4 ) X = 0, pois um
vetor no nulo LI e ele gera o subespao.
5.3. Produto Escalar em Rn (pgina 356)
5.3.1. X Y = a 5 = 0 a = 5

l
5.3.2.
a b
XY = = 0
ita
2 2
1
||Y ||2 = b2 + a2 + =1
2
Logo, a = b = 1/2 ou a = b = 1/2.
5.3.3. O conjunto dado consiste dos vetores da forma:
ig
( , , ) = (, 0, ) + ( , , 0)
= (1, 0, 1) + (1, 1, 0)
V1 = (1, 0, 1), V2 = (1, 1, 0) W1 = V1 = (1, 0, 1); W2 = V2 projW1 V2 = (1/2, 1, 1/2);

12 1

U1 = W1 /||W1 || = 2, 0, 2
D
2
1
U2 = W2 /||W2 || = 16 3 2, 3 3 2, 16 3 2
5.3.4. O conjunto dado consiste dos vetores da forma:
( + 2 + , , , ) =
ia
(, 0, 0, ) + (2, 0, , 0) + (, , 0, 0) =
(1, 0, 0, 1) + (2, 0, 1, 0) + (1, 1, 0, 0)
V1 = (1, 0, 0, 1); V2 = (2, 0, 1, 0); V3 = (1, 1, 0, 0);

W1 = V1 = (1, 0, 0, 1); W2 = V2 projW1 V2 = (1, 0, 1, 1);
p
W3 = V3 projW1 V3 projW2 V3 = (1/6, 1, 1/3, 1/6);

12 1

U1 = W1 /||W1 || = 2, 0, 0, 2 2
1
1
1

U2 = W2 /||W2 || = 3 3, 0, 3 3, 3 3
1
1
1
1

U3 = W3 /||W3 || = 42 42, 7 42, 21 42, 42 42

l
5.3.5. Para encontrar o conjunto soluo do sistema homogneo vamos escalonar a matriz do sistema
ita

1 1 1 1
2 1 2 1
4 1 8 5
1 1 7 5
1a. eliminao:
ig

1 1 1 1
0 1 4 3
0 3 12 9
D
0 2 8 6
2a. eliminao:
ia

1 1 1 1
0 1 4 3
0 3 12 9
0 2 8 6
p


1 0 3 2
0 1 4 3
0 0 0 0
0 0 0 0

l
Temos duas variveis livres para as quais atribumos valores arbitrrios, z = e w = . Estas so as variveis que no esto
associadas a pivs. As outras variveis devem ser escritas em funo destas variveis: y = 4 3 e x = 3 + 2. Assim, a
soluo geral do sistema
ita

x 3 + 2 3 2
y 4 3 4 3
X = z = = 1 + 0
w 0 1
Logo, os vetores V1 = (3, 4, 1, 0) e V2 = (2, 3, 0, 1) geram o espao soluo do sistema homogneo. Como um vetor no
mltiplo escalar do outro, ento eles so LI e formam portanto uma base para o espao soluo. Vamos agora encontrar dois
vetores ortogonais que estejam no espao soluo.
ig
W1 = V1 = (3, 4, 1, 0) e
3 1 9
W2 = V2 projW1 V2 = ( , , 1, )
7 7 7
Agora, os vetores unitrios na direo de cada um deles
W1 2 3 1
U1 = = ( , , 0, ) e
D
||W1 || 14 14 14
W2 3 1 7 9
U2 = = ( , , , ).
||W2 || 2 35 2 35 2 5 2 35
5.3.6. V1 = (1, 2, 3); P1 = (0, 0, 0);

V2 = (2, 4, 6); P2 = (0, 1, 2);
V1 V2 = (0, 0, 0)
ia
Como o produto vetorial de V1 e V2 (os dois vetores diretores das retas) igual ao vetor nulo, ento as retas so paralelas. Neste

caso, os vetores V1 e P1 P2 so no colineares e paralelos ao plano procurado.
X = ( x, y, z);

p
P1 X x y z
" #
V
det 1 = det 1 2 3 = 7x 2y + z
0 1 2
P1 P2
Assim, 7x 2y + z = 0 a equao do plano, que passa pela origem, logo um subespao. Este subespao consiste dos vetores da
forma:
(, , 7 + 2) = (, 0, 7) + (0, , 2)
= (1, 0, 7) + (0, 1, 2)

l
V1 = (1, 0, 7); V2 = (0, 1, 2);
W1 = V1 = (1, 0, 7);
ita
W2 = V2 projW1 V2 = (7/25, 1, 1/25)
7

U1 = W1 /||W1 || = 1/10 2, 0, 10 2

7
U2 = W2 /||W2 || = 45 3, 5/9 3, 1/45 3
5.3.7. V1 = (1, 1, 1, 0); V2 = (0, 2, 0, 1); V3 = (1, 0, 0, 1);

W1 = V1 ; W2 = V2 projW1 V2 = (2/3, 4/3, 2/3, 1)
ig
W3 = V3 projW1 V3 projW2 V3
= (4/11, 3/11, 7/11, 6/11)
1 1 1

U1 = W1 /||W1 || = 3, 3, 3, 0
3 3 3
D
2 4 2 1

U2 = W2 /||W2 || = 33, 33, 33, 33
33 33 33 11
U3= W3 /||W3 ||
2
3
7
3

= 55 110, 110 110, 110 110, 55 110
5.3.8. V1 = (1, 1, 1); V2 = (0, 1, 1); V3 = (1, 2, 3);

ia
W1 = V1 ; W2 = V2 projW1 V2 = (2/3, 1/3, 1/3)
W3 = V3 projW1 V3 projW2 V3 = (0, 1/2, 1/2)
1
1

U1 = W1 /||W1 || = 3, 13 3 3 3, 3

p
U2 = W2 /||W2 || = 31 2 3, 16 2 3, 16 2 3

U3 = W3 /||W3 || = 0, 12 2, 12 2
5.3.9.

P1 P N |6 + d | 3
= = 3
|| N || 6
|6 + d| = 6 d = 0 ou d = 12

l
Logo, os planos 2x + 2y + 2z = 0 e 2x + 2y + 2z 12 = 0 satisfazem as condies do exerccio. Apenas o primeiro plano um
subespao. Este subespao consiste dos vetores da forma:
ita
(, , ) = (, 0, ) + (0, , )
= (1, 0, 1) + (0, 1, 1)
V1 = (1, 0, 1); V2 = (0, 1, 1);

W1 = V1 ; W2 = V2 projW1 V2 = (1/2, 1, 1/2)

U1 = W1 /||W1 || = 1/2 2, 0, 1/2 2
ig

U2 = W2 /||W2 || = 1/6 3 2, 1/3 3 2, 1/6 3 2 .
5.4. Mudana de Coordenadas (pgina 379)

5.4.1. (a) Resolvendo o sistema linear AX = B, em que
D
1 1
" #
1
A = [V1 V2 ] = 2 2
12 1
2
3
1 1
" #
2 2 1
A = [V1 V2 = , B=P= 3
12 1
2
obtemos as coordenadas de P em relao ao sistema S :
ia

2
X = At B = .
2 2
(b) Resolvendo o sistema linear AX = B, em que

p

1 0 1
2
" #
21 2
A = [V1 V2 V3 ] = 0 1 , B = P = 1
2 2 2
0 1 0
obtemos as coordenadas de P em relao ao sistema S :

3 2/2
X = At B = 2
2/2

l
5.4.2. (a)
12 1
" # " 1 #
2 2 2
1 = 3
ita
1 1
2 2 2
(b)

0 1 0 1
1
" #
1 0 1 1

2 2 1 = 2
12 0 1 2 3
2 2
ig
1 0 0
" # " # " #
5.4.3. As coordenadas de U1 , U2 e U3 em relao ao sistema S = {O, U1 , U2 , U3 } so dadas por 0 , 1 e 0 , respecti-
" 0 "0 1
1 0 0 1
# "
1
# 1 0 0 0
# "
0
#
vamente. Assim, U1 = 0 1/2 3/2 0 = 0 , U2 = 0 1/2 3/2 1 = 1/2 e
0 3/2 1/2 0 0 0 3/2 1/2 0 3/2
"
1 0 0 0
D
0
# " #

U3 = 0 1/2 3/2 0 = 3/2
0 3/2 1/2 1 1/2
5.4.4. Sejam a = cos e b = sen .

a b
3 = b+ 3 a = 3
b 1 a 3b a 1

ia
Resolvendo-se o sistema b + 3 a = 3 e 3 b a = 1 obtemos a = 1/2 e b = 3/2.
Logo, a rotao de arccos(1/2) = /3.

5.4.5. (a) Fazendo z = 0 obtemos 3x 3y = 0. Tomando x = 3, obtemos y = 3. Assim, podemos tomar como primeiro vetor da
base do plano.

p
V1 = ( 3, 3, 0).
Fazendo y = 0 obtemos 3x + 2z = 0. Tomando x = 2, obtemos z = 3. Assim, podemos tomar como segundo vetor da base
do plano
V2 = (2, 0, 3).
Agora vamos encontrar uma base ortogonal do plano

W1 = V1 = ( 3, 3, 0)

l
W2 = V2 projW1 V2

2 3
ita
= (2, 0, 3) ( 3, 3, 0)
12

3 3 1
= ( , , 3) = (3, 3, 6)
2 2 2

(b) Para completar a uma base ortogonal de R3 basta completarmos com o vetor normal do plano W3 = (3, 3, 2). Assim, a
base ortonormal do R3
1 1 3
U1 = ( 3, 3, 0) = ( , , 0)
ig
2 3 2 2

1 3 1 3
U2 = (3, 3, 6) = ( , , )
4 3 4 4 2

1 3 3 1
U3 = (3, 3, 2) = ( , , )
4 4 4 2
D
(c) Seja
Q = [ U1 U2 U3 ]
X = QX 0 X 0 = Qt X

1 3 3
[~i ]{O,U1 ,U2 ,U3 } = Qt [ 1 0 0 ]t = ( , , )
2 4 4
ia

3 1 3
[~j]{O,U1 ,U2 ,U3 } = Qt [ 0 1 0 ]t = ( , , )
2 4 4

3 1
[~k]{O,U1 ,U2 ,U3 } = Qt [ 0 0 1 ]t = (0, , )
2 2
p
5.4.6.
x0 1 0 0 x
" # " #" #
y0 = 0 cos sen y
z0 0 sen cos z

Captulo 6. Diagonalizao 603
l
6.1. Diagonalizao de Matrizes (pgina 409)
ita
6.1.1.

1 1 2
(a) det( A I2 ) = det 1 1 = 2 + = 0 = 0 ou = 2
Para = 0, a soluo do sistema ( A I2 ) X = 0
V0 = {(, ) | R}
ig
V2 = {(, ) | R}

1 1 2
(b) det( A I2 ) = det 2 4 = 6 5 + = 0 = 2 ou = 3
D
V2 = {(, ) | R}
V3 = {(, 2) | R}
ia
1 2
" #
(c) det( A I3 ) = det 0 3 = 3 = 0 = 0. Para = 0, a soluo do sistema ( A I3 ) X = 0
0 0
V0 = {(, 0, 0) | R}
p
(d)
1 0 0
" #
det( A I3 ) = det 1 3 0 = 0 = 2 ou = 1 ou = 3
3 2 2
V2 = {(0, 0, ) | R}

l
V1 = {(6, 3, 8) | R}
ita
V3 = {(0, 5, 2) | R}
(e)
2 2 3
" #
det( A I3 ) = det 0 3 2 = 0 = 1 ou = 2 ou = 4.
0 1 2
ig
V1 = {(, , ) | R}
V2 = {(, 0, 0) | R}
D
V4 = {(7, 4, 2) | R}
(f)
2 2 3
" #
det( A I3 ) = det 1 2 1 = 0 = 1 ou = 2 ou = 4.
2 2 1
ia
Para = 1, a soluo do sistema ( A I3 ) X = 0 V1 = {(, 0, ) | R},
Para = 2, a soluo do sistema ( A I3 ) X = 0 V2 = {(2, 3, 2) | R}
Para = 4, a soluo do sistema ( A I3 ) X = 0 V4 = {(8, 5, 2) | R}
6.1.2. (a)
2 0 0
" #
p
det( A I3 ) = det 3 1 0 = 0 = 1 ou = 2 ou = 3.
0 4 3
Para = 1, a soluo do sistema ( A I3 ) X = 0 V1 = {(0, , ) | R}. {(0, 1, 1)} base para V1 , pois gera V1
((0, , ) = (0, 1, 1)) e um vetor no nulo LI.
Para = 2, a soluo do sistema ( A I3 ) X = 0 V2 = {(, , 4) | R}. {(1, 1, 4)} base para V2 , pois gera V2
((, , 4) = (1, 1, 4)) e um vetor no nulo LI.
Para = 3, a soluo do sistema ( A I3 ) X = 0 V3 = {(0, 0, ) | R}. {(0, 0, 1)} base para V3 , pois gera V3
((0, 0, ) = (0, 0, 1)) e um vetor no nulo LI.

l
(b)
2 3 0
" #
det( A I3 ) = det 0 1 0 = 0 = 1 ou = 2.
ita
0 0 2
Para = 1, a soluo do sistema ( A I3 ) X = 0 V1 = {(3, , 0) | R}. {(3, 1, 0)} base para V1 , pois gera V1
((3, , 0) = (3, 1, 0)) e um vetor no nulo LI.
Para = 2, a soluo do sistema ( A I3 ) X = 0 V2 = {(, 0, ) | , R}. {V1 = (1, 0, 0), V2 = (0, 0, 1)} base para V2 ,
pois gera V2 ((, 0, ) = (1, 0, 0) + (0, 0, 1)) e LI (xV1 + yV2 = 0 se, e somente se, ( x, 0, y) = (0, 0, 0) ou x = 0 e y = 0).
(c)
ig

1 2 3 4
0 1 3 2
det( A I4 ) = det 0 0 3 3 = 0 = 1 ou = 1 ou = 2 ou = 3.
0 0 0 2
Para = 1, a soluo do sistema ( A I4 ) X = 0 V1 = {(, , 0, 0) | R}. {(1, 1, 0, 0)} base para V1 , pois gera
V1 ((, , 0, 0) = (1, 1, 0, 0)) e um vetor no nulo LI.
D
Para = 1, a soluo do sistema ( A I4 ) X = 0 V1 = {(, 0, 0, 0) | R}. {(1, 0, 0, 0)} base para V1 , pois gera V1
((, 0, 0, 0) = (1, 0, 0, 0)) e um vetor no nulo LI.
Para = 2, a soluo do sistema ( A I4 ) X = 0 V2 = {(29, 7, 9, 3) | R}. {(29, 7, 9, 3)} base para V2 ,
pois gera V2 ((29, 7, 9, 3) = (29, 7, 9, 3)) e um vetor no nulo LI.
Para = 3, a soluo do sistema ( A I4 ) X = 0 V3 = {(9, 3, 4, 0) | R}. {(9, 3, 4, 0)} base para V3 , pois gera V3
((9, 3, 4, 0) = (9, 3, 4, 0)) e um vetor no nulo LI.
(d)
ia

2 2 3 4
0 2 3 2
det( A I4 ) = det 0 0 1 1 = 0 = 1 ou = 2.
0 0 0 1
Para = 1, a soluo do sistema ( A I4 ) X = 0 V1 = {(3, 3, , 0) | R}. {(3, 3, 1, 0)} base para V1 , pois gera
V1 ((3, 3, , 0) = (3, 3, 1, 0)) e um vetor no nulo LI.
p
Para = 2, a soluo do sistema ( A I4 ) X = 0 V2 = {(, 0, 0, 0) | R}. {(1, 0, 0, 0)} base para V2 , pois gera V2
((, 0, 0, 0) = (1, 0, 0, 0)) e um vetor no nulo LI.
6.1.3. (a)
1 4
det( A I2 ) = det 1 2 = 0 = 3 ou = 2.
A matriz A possui dois autovalores diferentes, logo possui dois autovetores LI. A matriz A diagonalizvel pois, 2 2 e
possui dois autovetores LI.

l
(b)
1 0
det( A I2 ) = det 2 1 = 0 = 1.
ita
V1 = {(, 0) | R}
A matriz A no diagonalizvel pois, 2 2 e no possui dois autovetores LI.

(c)
1 1 2
" #
ig
det( A I3 ) = det 4 4 = 0 = 0 ou = 2 ou = 3.
1 1 4
A matriz A possui trs autovalores diferentes, logo possui trs autovetores LI. A matriz A diagonalizvel pois, 3 3 e
possui trs autovetores LI.
(d)
D
1 2 3
" #
det( A I3 ) = det 0 1 2 = 0 = 1 ou = 1 ou = 2.
0 0 2
A matriz A possui trs autovalores diferentes, logo possui trs autovetores LI. A matriz A diagonalizvel pois, 3 3 e
possui trs autovetores LI.
6.1.4. (a)
1 1 2
" #
ia
det( A I3 ) = det 0 1 0 = 0 = 1 ou = 3.
0 1 3
Para = 1, a soluo do sistema ( A I3 ) X = 0 V1 = {( , 2, ) | , R}. {(1, 0, 0), (0, 2, 1)} base para V1 , pois
gera V1 (( , 2, ) = (0, 2, 1) + (1, 0, 0)) e so LI (um vetor no mltiplo escalar do outro).
Para = 3, a soluo do sistema ( A I3 ) X = 0 V3 = {((, 0, ) | R}. {(1, 0, 1)} base para V3 , pois gera V3
p
((, 0, ) = (1, 0, 1)) e um vetor no nulo LI.
1 0 1 1 0 0
" # " #
P= 0 2 0 e D= 0 1 0
0 1 1 0 0 3
(b)
4 2 3
" #
det( A I3 ) = det 2 1 2 = 0 = 1 ou = 3.
1 2

l
Para = 1, a soluo do sistema ( A I3 ) X = 0 V1 = {(, 0, ) | R}. {(1, 0, 1)} base para V1 , pois gera V1
ita
Para = 2, a soluo do sistema ( A I3 ) X = 0 V2 = {(5, 2, 3) | R}. {(5, 2, 3)} base para V2 , pois gera
V2 ((5, 2, 3) = (5, 2, 3)) e um vetor no nulo LI.
A matriz no diagonalizvel pois s possui dois autovalores e cada um deles s possui um autovetor LI associado.
(c)
1 2 3
" #
det( A I3 ) = det 0 1 0 = 0 = 1 ou = 1 ou = 4.
2 1 2
ig
Para = 1, a soluo do sistema ( A I3 ) X = 0 V1 = {(3, 0, 2) | R}. {(3, 0, 2)} base para V1 , pois gera
V1 ((3, 0, 2) = (3, 0, 2)) e um vetor no nulo LI.
Para = 1, a soluo do sistema ( A I3 ) X = 0 V1 = {(, 6, 4) | R}. {(1, 6, 4)} base para V1 , pois gera V1
((, 6, 4) = (1, 6, 4)) e um vetor no nulo LI.
Para = 4, a soluo do sistema ( A I3 ) X = 0 V4 = {(, 0, ) | R}. {(1, 0, 1)} base para V4 , pois gera V4
D
3 1 1 1 0 0
" # " #
P= 0 6 0 e D= 0 1 0
2 4 1 0 0 4
(d)
3 2 1
" #
det( A I3 ) = det 0 2 0 = 0 = 0 ou = 2 ou = 3.
0 0
ia
Para = 2, a soluo do sistema ( A I3 ) X = 0 V2 = {(2, , 0) | R}. {(2, 1, 0)} base para V2 , pois gera V2
((2, , 0) = (2, 1, 0)) e um vetor no nulo LI.
p
1 2 1 0 0 0
" # " #
P= 0 1 0 e D= 0 2 0
3 0 0 0 0 3
6.1.5. (a) Se V autovetor de A ento AV = V, ou seja, AV um mltiplo escalar de V. Assim, conclumos que V1 autovetor
associado a 1 = 1/2, V2 autovetor associado a 2 = 1/3 e V3 autovetor associado a 3 = 1/2.

l
(b) V1 e V3 so autovetores associados a 1/2 e V2 associado a 1/3. Como {V1 , V3 } LI (um no mltiplo escalar do outro) e
ao juntarmos autovetores LI associados a diferentes autovalores eles continuam LI, ento a matriz A tem 3 autovetores LI.
Como ela 3 3, portanto diagonalizvel.
ita
6.1.6. (a)
0 1
, a 6= 0
a2 0
(b)
0 1
a2 2a
ig
(c)
0 1 0
" #
a2 2a 0
0 0 1
D
6.1.7. (a) Os autovalores da matriz A so os valores de tais que existe X 6= 0 tal que AX = X ou equivalentemente ( A I4 ) X = 0
tem soluo no trivial.

1 5 3
2 2 4 0
det( A I4 ) = 1 2 4 0
2 4 4 2
ia
1a. eliminao:
linha 3<--> linha 1

1 2 4 0
2 2 4 0
det( A I4 ) = det
p
1 5 3
2 4 4 2

1 2 4 0
2 2 4 0
det( A I4 ) = det 1 5 3
2 4 4 2

l
ita
1 2 4 0

0 2 42 0
det( A I4 ) = det
0 12 2 4 5 3
0 0 42 2
2 42 0
" #
ig
det( A I4 ) = det 1 2 2 45 3
0 42 2
D

2 3 (4 2) det 1 2 3
det( A I4 ) = (2 ) det 4 5 0 2
42 2

2 3 2 det 1 2 3
= (2 ) det 4 5 0 2
42 2

2 1 2 3
= (2 )2 det 4 5 3 2 det 0 1
2 1
= (2 )2 (2 1) = (2 )2 ( 1)( + 1)
ia
(b) Para 1 = 2 temos que resolver o sistema ( A 2I4 ) X = 0. Para isso vamos escalonar a matriz do sistema

2 1 5 3
2 4 4 0
p
A 2I4 = 1 2 2 0
2 4 4 0
1a. eliminao:
linha 3<--> linha 1

1 2 2 0
2 4 4 0
2 1 5 3
2 4 4 0

l

1 2 2 0
ita
2 4 4 0
2 1 5 3
2 4 4 0

1 2 2 0
0 0 0 0
ig
0 3 9 3
0 0 0 0
2a. eliminao:
linha 3<--> linha 2

1 2 2 0
0 3 9 3
D
0 0 0 0
0 0 0 0
linha 2 --> -(1/3)*linha 2

1 2 2 0
0 1 3 1
0 0 0 0
0 0 0 0
ia

1 0 4 2
0 1 3 1
0 0 0 0
0 0 0 0
p

x 2 4 2 4
y 3 1 3
X= z = = 0 + 1 , , R.
w 1 0
Assim, V1 = (2, 1, 0, 1) e V2 = (4, 3, 1, 0) formam uma base para o espao soluo do sistema homogneo ( A
2I4 ) X = 0, pois so LI(um no mltiplo escalar do outro) e geram o subespao.

l
Para 2 = 1 temos que resolver o sistema ( A I4 ) X = 0. Para isso vamos escalonar a matriz do sistema

1 5
ita
1 3
2 3 4 0
A I4 = 1 2 3 0
2 4 4 1
1a. eliminao:

1 1 5 3
2 3 4 0
ig
1 2 3 0
2 4 4 1

D

1 1 5 3
0 1 14 6
0 1 8 3
0 2 14 5
2a. eliminao:
ia

1 1 5 3
0 1 14 6
0 1 8 3
0 2 14 5

p

1 0 19 9
0 1 14 6
0 0 6 3
0 0 14 7
3a. eliminao:
linha 3 --> -(1/6)*linha 3

1 0 19 9

l
0 1 14 6
0 1
0 1 2
ita
0 0 14 7

12

1 0 0
0 1 0 1
1
0 0 1

2
ig
0 0 0 0

x 1
y 2 2
X = z = = 1 , R.
D
w 2 2
Assim, o vetor V3 = (1, 2, 1, 2) forma uma base para o espao soluo do sistema homogneo ( A I4 ) X = 0, pois um vetor
no nulo LI e ele gera o subespao.
Para 3 = 1 temos que resolver o sistema ( A + I4 ) X = 0. Para isso vamos escalonar a matriz do sistema

1 1 5 3
ia
2 1 4 0
A + I4 = 1 2 5 0
2 4 4 3
1a. eliminao:
p


1 1 5 3
0 3 6 6
0 3 0 3
0 6 6 9
2a. eliminao:
linha 2 --> -(1/3)*linha 2


1 1 5 3
l
0 1 2 2
0 3 0 3
ita
0 6 6 9


1 0 3 1
0 1 2 2
0 0 6 3
0 0 6 3
ig
3a. eliminao:
1 0 3 1

0 1 2 2
0 1
0 1 2
0 0 6 3
D
1
1 0 0 2
0 1 0 1
1
0 0 1

2
0 0 0 0
ia

x 1
y 2 2
X = z = = 1 , R.
w 2 2
p
Assim, o vetor V4 = (1, 2, 1, 2) forma uma base para o espao soluo do sistema homogneo ( A + I4 ) X = 0, pois um
vetor no nulo LI e ele gera o subespao.
(c) Pelo item anterior, a matriz A tem quatro autovetores LI e como ela 4 4, ento diagonalizvel e

2 4 1 1
1 3 2 2
P = [ V1 V2 V3 V4 ] = 0 1 1 1
1 0 2 2

l
e
1 0 0 0 2 0 0 0
0 1 0 0 0 2 0 0
ita
D=0 0 2 0 = 0 0 1 0
0 0 0 3 0 0 0 1
so tais que A = PDP1 .
6.1.8. >> B=randi(2), A=[B-B,zeros(2,1);zeros(1,2),randi]

B = 5 -1
3 0
A = 0 -4 0
ig
4 0 0
0 0 -3
>> syms x, p=det(A-x*eye(3)), solve(p)
p = -3*x^2-x^3-48-16*x
ans = [ -3][ 4*i][ -4*i]
>> escalona(A+3*eye(3))
ans =[ 1, 0, 0]
[ 0, 1, 0]
D
[ 0, 0, 0]
A matriz A no diagonalizvel pois ela s tem um autovalor e auto espao associado a este autovalor tem dimenso 2. Assim,
no possvel encontrar 3 autovetores LI.
6.1.9. >> L=[eye(2),zeros(2,1);randi(1,2),0]; A=L*L

A = 1 0 2
0 1 -2
2 -2 8
ia
>> syms x, p=det(A-x*eye(3)), solve(p)
p = -9*x+10*x^2-x^3
ans = [ 0][ 1][ 9]
>> escalona(A)
ans =[ 1, 0, 2]
[ 0, 1, -2]
[ 0, 0, 0]
p
O autoespao associado ao autovalor = 0

V0 = {(2, 2, ) | R}.
Assim, {V1 = (2, 2, 1)} um conjunto com o maior nmero possvel de autovetores LI associado a = 0.
>> escalona(A-eye(3))
ans =[ 1, -1, 0]
[ 0, 0, 1]
[ 0, 0, 0]

l
V1 = {(, , 0) | R}.
ita
>> escalona(A-9*eye(3))
ans =[ 1, 0, -1/4]
[ 0, 1, 1/4]
[ 0, 0, 0]

V9 = {(, , 4) | R}.
ig
>> V1=[-2,2,1];V2=[1,1,0];V3=[1,-1,4];
>> P=[V1,V2,V3], D=diag([0,1,9])
P = -2 1 1
2 1 -1
D
1 0 4
D = 0 0 0
0 1 0
0 0 9
>> inv(P)*A*P
ans = 0 0 0
0 1 0
0 0 9
>> [P,D]=eig(sym(A))
ia
P =[ -1, -2, 1]
[ 1, 2, 1]
[ -4, 1, 0]
D =[ 9, 0, 0]
[ 0, 0, 0]
[ 0, 0, 1]
p
Os elementos da diagonal da matriz D tm que ser os autovalores de A. As matrizes D podem diferir na ordem com que os
autovalores aparecem. As colunas de P so autovetores associados aos autovalores que aparecem nas colunas correspondentes de
D. Assim, fazendo uma reordenao das colunas das matrizes P e D de forma que as matrizes D sejam iguais, as colunas de uma
matriz P so mltiplos escalares das colunas correspondentes da outra matriz P.
6.2. Diagonalizao de Matrizes Simtricas (pgina 423)

6.2.1.

l
(a) >> A=[2,2;2,2];
>> B=A-x*eye(2)
[2-x, 2]
ita
[ 2, 2-x]
>> p=det(B)
p =-4*x+x^2
>> solve(p)
[0][4]
>> B0=subs(B,x,0) >> B4=subs(B,x,4)
[2, 2] [-2, 2]
[2, 2] [ 2, -2]
>> escalona(B0) >> escalona(B4)
ig
[1, 1] [1, -1]
[0, 0] [0, 0]
V0 = {(, ) | R}. {
V1 = (
1, 1)} base para pois gera V0 ((, ) = (1, 1)) e um vetor no nulo LI. Seja
V0 ,
W1 = (1/||V1 ||)V1 = (1/ 2, 1/ 2). {W1 = (1/ 2, 1/ 2)} base ortonormal de V0 .
V4 = {(, ) | R}. {V2 = (1, 1)} basepara
V4 , pois gera V4 ((, ) = (1, 1)) e um vetor no nulo LI. Seja

D

1/2 1/2 0 0
P= e D= 0 4
1/ 2 1/ 2
(b) >> A=[2,1;1,2];
>> B=A-x*eye(2)
[2-x, 1]
[ 1, 2-x]
>> p=det(B)
ia
p =3-4*x+x^2
>> solve(p)
[3][1]
[1, 1] [-1, 1]
[1, 1] [ 1, -1]
>> escalona(numeric(B1)) >> escalona(B3)
p
[1, 1] [1, -1]

[0, 0] [0, 0]
V1 = {(, ) | R}. {
V1 = (
1, 1)} base para pois gera V1 ((, ) = (1, 1)) e um vetor no nulo LI. Seja
V1 ,
V3 = {(, ) | R}. {V2 = (1, 1)} basepara
V3 , pois gera V3 ((, ) = (1, 1)) e um vetor no nulo LI. Seja

1/2 1/2 1 0
P= e D= 0 3
1/ 2 1/ 2

(c) >> A=[0,0,1;0,0,0;1,0,0];
l
>> B0=subs(B,x,0)
>> B=A-x*eye(3) [0, 0, 1]
[-x, 0, 1] [0, 0, 0]
ita
[ 0, -x, 0] [1, 0, 0]
[ 1, 0, -x] >> escalona(B0)
>> p=det(B) [1, 0, 0]
p =-x^3+x [0, 0, 1]
>> solve(p) [0, 0, 0]
[ 0][-1][ 1]
>> Bm1=subs(B,x,-1) >> B1=subs(B,x,1)
[1, 0, 1] [-1, 0, 1]
[0, 1, 0] [ 0, -1, 0]
[1, 0, 1] [ 1, 0, -1] V0 = {(0, , 0) | R}.
ig
>> escalona(Bm1) >> escalona(B1)
[1, 0, 1] [1, 0, -1]
[0, 1, 0] [0, 1, 0]
[0, 0, 0] [0, 0, 0]
{V1 = (0, 1, 0)} base para V0 , pois gera V0 ((0, , 0) = (0, 1, 0)) e um vetor no nulo LI. {V1 = (0, 1, 0)} base ortonormal
de V0 , pois ||V1 || = 1.
V1 = {(, 0, ) | R}. {V2 = ( 1, 0, 1)} base para V1 ,
pois geraV1 ((, 0, ) = (1, 0, 1)) e um vetor no nulo
D
LI. Seja W2 = (1/||V2 ||)V2 = (1/ 2, 0, 1/ 2). {W2 = (1/ 2, 0, 1/ 2)} base ortonormal de V1 .
V1 = {(, 0, ) | R}.{V3 = ( 1, 0, 1)} base para gera V1 ((, 0, ) = (1, 0, 1)) e um vetor no nulo LI. Seja
V1 , pois
W3 = (1/||V3 ||)V3 = (1/ 2, 0, 1/ 2). {W3 = (1/ 2, 0, 1/ 2)} base ortonormal de V1 .
Como a matriz A simtrica, autovetores associados a autovalores diferentes so ortogonais (Proposio 6.6 na pgina 418).
Portanto, {W1 , W2 , W3 } uma base ortonormal de autovetores de A.

1/ 2
ia
0 1/ 2 0 0 0
" #
P= 1 0 0
e D= 0 1 0
0 1/ 2 1/ 2 0 0 1
(d) >> A=[0,0,0;0,2,2;0,2,2]; >> escalona(B0)

>> B=A-x*eye(3) [0, 1, 1]
p
[-x, 0, 0] [0, 0, 0]
[ 0, 2-x, 2] [0, 0, 0]
[ 0, 2, 2-x] >> B4=subs(B,x,4)
>> p=det(B) [-4, 0, 0]
p =-x*(-4*x+x^2) [ 0, -2, 2]
>> solve(p) [ 0, 2, -2]
[0][0][4] >> escalona(B4)
>> B0=subs(B,x,0) [1, 0, 0]
[0, 0, 0] [0, 1, -1]
[0, 2, 2] [0, 0, 0]
[0, 2, 2]

l
V0 = {(, , ) | , R}. {V1 = (1, 0, 0), V2 = (0, 1, 1)} base para V0 , pois gera V0 ((, , ) = (1, 0, 0) +
(0, 1, 1)) e LI (xV1 + yV2 = 0 se, e somente se, ( x, y, y) = (0, 0, 0) ou x = 0 e y = 0). Sejam W1 =V1 , W 2 =
ita
V2 projW1 V2 = V2 0 = V2 . Sejam U1 = (1/||W1 ||)W1 = W1 = V1 = (1, 0, 0) e U2 = (1/||W2 ||)W2 = (0, 1/ 2, 1/ 2).

{U1 = (1, 0, 0), U2 = ((0, 1/ 2, 1/ 2)} base ortonormal de V0 .
V4 = {(0, , ) | R}. {V3 = (0,1, 1)} base para gera V4 ((0, , ) = (0, 1, 1)) e um vetor no nulo LI. Seja
V4 , pois
U3 = (1/||V3 ||)V3 = (0, 1/ 2, 1/ 2). {U3 = (0, 1/ 2, 1/ 2)} base ortonormal de V4 . Como a matriz A simtrica,
autovetores associados a autovalores diferentes so ortogonais (Proposio 6.6 na pgina 418). Portanto, {U1 , U2 , U3 } uma
base ortonormal de autovetores de A.

1 0 0
"
0 0 0
#
P = 0 1/2 1/2 e D= 0 0 0
ig
0 1/ 2 1/ 2 0 0 4
(e) >> A=[1,1,0;1,1,0;0,0,1]; >> B0=subs(B,x,0)

>> B=A-x*eye(3) [1, 1, 0]
[1-x, 1, 0] [1, 1, 0]
[ 1, 1-x, 0] [0, 0, 1]
[ 0, 0, 1-x]
D
>> escalona(B0)
>> p=det(B) [1, 1, 0]
p =-2*x+3*x^2-x^3 [0, 0, 1]
>> solve(p) [0, 0, 0]
[0][1][2]
[0, 1, 0] [-1, 1, 0]
[1, 0, 0] [ 1, -1, 0]
[0, 0, 0] [ 0, 0, -1]
>> escalona(B1) >> escalona(B2)
ia
[1, 0, 0] [1, -1, 0]
[0, 1, 0] [0, 0, 1]
[0, 0, 0] [0, 0, 0]
V0 = {(, , 0) | R}. {V1 = (1,1, 0)} base para V gera V0 ((, , 0) = (1, 1, 0)) e um vetor no nulo LI.
0 , pois
Seja U1 = (1/||V1 ||)V1 = (1/ 2, 1/ 2, 0). {U1 = (1/ 2, 1/ 2, 0)} base ortonormal de V0 .
V1 = {(0, 0, ) | R}. {V2 = (0, 0, 1)} base para V1 , pois gera V1 ((0, 0, ) = (0, 0, 1)) e um vetor no nulo LI. Seja
p
W2 = (1/||V2 ||)V2 = (0, 0, 1). {W2 = (0, 0, 1)} base ortonormal de V1 .

V2 = {(, , 0) | R}.{V3 =(1, 1, 0)} base para
V1 , pois gera V1 ((, , 0) = (1, 1, 0)) e um vetor no nulo LI. Seja
W3 = (1/||V3 ||)V3 = (1/ 2, 1/ 2, 0). {W3 = (1/ 2, 1/ 2, 0)} base ortonormal de V1 .
Portanto, {W1 , W2 , W3 } uma base ortonormal de autovetores de A.

1/2 0 1/2 0 0 0
" #
P = 1/ 2 0 1/ 2 e D= 0 1 0
0 1 0 0 0 2

(f) >> A=[2,1,1;1,2,1;1,1,2];
l
>> escalona(B1)
>> B=A-x*eye(3) [1, 1, 1]
[2-x, 1, 1] [0, 0, 0]
ita
[ 1, 2-x, 1] [0, 0, 0]
[ 1, 1, 2-x] >> B4=subst(B,x,4)
>> p=det(B) [-2, 1, 1]
p =4-9*x+6*x^2-x^3 [ 1, -2, 1]
>> solve(p) [ 1, 1, -2]
[4][1][1] >> escalona(B4)
>> B1=subs(B,x,1) [1, 0, -1]
[1, 1, 1] [0, 1, -1]
[1, 1, 1] [0, 0, 0]
[1, 1, 1]
ig
V1 = {( , , ) | , R}. {V1 = (1, 1, 0), V2 = (1, 0, 1)} base para V1 , pois gera V0 (( , , ) =
(1, 1, 0) + (1, 0, 1)) e LI(um vetor no mltiplo escalar do outro). Sejam W1 = V1 , W2 = V2 projW1 V2 = V2

(1/2, 1/2, 0) = (1/2, 1/2, 1). Sejam U1 = (1/||W1 ||)W1 = (1/ 2, 1/ 2, 0) e U2 = (1/||W2 ||)W2 = ( 16 , 16 , 36 ).
{U1 , U2 } base ortonormal de V1 .
D
V4 = {(, , ) | R}. {V3= (1,1, 1)} base para V4 , pois
gera (, , ) = (1, 1, 1)) e um vetor no nulo LI.
V4 (
Seja U3 = (1/||V3 ||)V3 = (1/ 3, 1/ 3, 1/ 3). {U3 = (1/ 3, 1/ 3, 1/ 3)} base ortonormal de V4 . Como a matriz
A simtrica, autovetores associados a autovalores diferentes so ortogonais (Proposio 6.6 na pgina 418). Portanto,
{U1 , U2 , U3 } uma base ortonormal de autovetores de A.

2/2 6/6 3/3 1 0 0
" #
ia
P= 2/2 6/6 e D= 0 1 0
3/3

0 6/3 3/3 0 0 4
p
(g) >> A=[1,2,0,0;2,1,0,0;0,0,1,2;0,0,2,1];

>> B=A-x*eye(4)
[1-x, 2, 0, 0]
[ 2, 1-x, 0, 0]
[ 0, 0, 1-x, 2]
[ 0, 0, 2, 1-x]
>> p=det(B)
p =9+12*x-2*x^2-4*x^3+x^4
>> solve(p)
[-1][-1][ 3][ 3]

>> Bm1=subs(B,x,-1) >> B3=subs(B,x,3)
l
[2, 2, 0, 0] [-2, 2, 0, 0]
[2, 2, 0, 0] [ 2, -2, 0, 0]
ita
[0, 0, 2, 2] [ 0, 0, -2, 2]
[0, 0, 2, 2] [ 0, 0, 2, -2]
>> escalona(Bm1) >> escalona(B3)
[1, 1, 0, 0] [1, -1, 0, 0]
[0, 0, 1, 1] [0, 0, 1, -1]
[0, 0, 0, 0] [0, 0, 0, 0]
[0, 0, 0, 0] [0, 0, 0, 0]
V1 = {(, , , ) | , R}. {V1 = (1, 1, 0, 0), V2 = (0, 0, 1, 1)} base para V1 , pois gera V1 ((, , , ) =
(1, 1, 0, 0) + (0, 0, 1, 1)) e LI(um vetor no mltiplo escalar do outro). Sejam W1 = V1 , W2 = V2 projW1 V2 =
ig

V2 0 = V2 . Sejam U1 = (1/||W1 ||)W1 = (1/ 2, 1/ 2, 0, 0) e U2 = (1/||W2 ||)W2 = (0, 0, 1/ 2, 1/ 2). {U1 , U2 }
base ortonormal de V1 .
V3 = {(, , , ) | , R}. {V3 = (1, 1, 0, 0), V4 = (0, 0, 1, 1)} base para V3 , pois gera V1 ((, , , ) = (1, 1, 0, 0) +
(0, 0, 1, 1)) e LI(um vetor no mltiplo escalar do outro). Sejam W3 = V3 , W4 = V4 projW3 V4 = V4 0 = V4 . Sejam

D
U3 = (1/||W3 ||)W3 = (1/ 2, 1/ 2, 0, 0) e U4 = (1/||W4 ||)W4 = (0, 0, 1/ 2, 1/ 2). {U1 , U2 } base ortonormal de V3 .
Portanto, {U1 , U2 , U3 , U4 } uma base ortonormal de autovetores de A.

1/2 0 1/2 0 1

0 0 0

1/ 2
0 1/ 2 0
0 1 0 0
ia
P= e D= 0 0 3 0
0 1/2 0 1/2
0 1/ 2 0 1/ 2 0 0 0 3
p
(h) >> A=[0,0,0,0;0,0,0,0;0,0,0,1;0,0,1,0]; >> B0=subs(B,x,0)

>> B=A-x*eye(4) [0, 0, 0, 0]
[-x, 0, 0, 0] [0, 0, 0, 0]
[ 0, -x, 0, 0] [0, 0, 0, 1]
[ 0, 0, -x, 1] [0, 0, 1, 0]
[ 0, 0, 1, -x] >> escalona(B0)
>> p=det(B) [0, 0, 1, 0]
p =x^2*(x^2-1) [0, 0, 0, 1]
>> solve(p) [0, 0, 0, 0]
[ 0][ 0][ 1][-1] [0, 0, 0, 0]

>> B1=subs(B,x,1)
l
>> Bm1=subs(B,x,-1) B1 =
[1, 0, 0, 0] [-1, 0, 0, 0]
[0, 1, 0, 0]
ita
[0, 0, 1, 1] [ 0, -1, 0, 0]
[0, 0, 1, 1] [ 0, 0, -1, 1]
>> escalona(Bm1) [ 0, 0, 1, -1]
[1, 0, 0, 0] >> escalona(B1)
[0, 1, 0, 0] [1, 0, 0, 0]
[0, 0, 1, 1] [0, 1, 0, 0]
[0, 0, 0, 0] [0, 0, 1, -1]
[0, 0, 0, 0]
V0 = {(, , 0, 0) | , R}. {V1 = (1, 0, 0, 0), V2 = (0, 1, 0, 0)} base para V0 , pois gera V1 ((, , 0, 0) = (1, 0, 0, 0) +
(0, 1, 0, 0)) e LI(um vetor no mltiplo escalar do outro). Claramente V1 V2 = 0 e possuem norma igual 1. Sejam
ig
U1 = V1 e U2 = V2 . {U1 , U2 } base ortonormal de V0 .
V1 = {(0, 0, , ) | R}. {V3 = (0, 0, 1, 1)} base
para V1 , pois geraV1 ((0, 0, , ) = (0, 0, 1, 1)) e um vetor no
nulo LI. Seja U3 = (1/||V3 ||)V3 = (0, 0, 1/ 2, 1/ 2). {U3 = (0, 0, 1/ 2, 1/ 2)} base ortonormal de V1 .
V1 = {(0, 0, , ) | R}. {V4 = (0, 0,1, 1)} base para V1 , pois 1 ((0, 0, , ) = (0, 0, 1, 1)) e um vetor no nulo
gera V
LI. Seja U4 = (1/||V4 ||)V4 = (0, 0, 1/ 2, 1/ 2). {U4 = (0, 0, 1/ 2, 1/ 2)} base ortonormal de V1 . Como a matriz
D
A simtrica, autovetores associados a autovalores diferentes so ortogonais (Proposio 6.6 na pgina 418). Portanto,
{U1 , U2 , U3 , U4 } uma base ortonormal de autovetores de A.
1 0 0 0

0 0 0 0
0 1 0 0 0 0 0 0
P= 0 0 1/2 1/2 e D= 0 0 1 0
0 0 1/ 2 1/ 2 0 0 0 1
ia
6.2.2. Como a matriz simtrica ela diagonalizvel. Alm disso, tambm por ser simtrica, autovetores associados a autovalores
diferentes so ortogonais. Assim, basta ortogonalizar dentro de cada autoespao.
>> W1=V1;
>> W2=V2-proj(W1,V2)
p
W2 = [ 2, -1, 0, 2]
>> W3=V3;
>> W4=V4-proj(W3,V4)
W4 = [ -1, -2, -2, 0]
>> U1=W1/no(W1)
U1 = [ 0, 2/3, -2/3, 1/3]
>> U2=W2/no(W2)
U2 = [ 2/3, -1/3, 0, 2/3]
>> U3=W3/no(W3)
U3 = [ -2/3, 0, 1/3, 2/3]

2/3

0 2/3 1/3 2 0 0 0
l
2/3 1/3 0 2/3 0 2 0 0
P = [ U1 U2 U3 U4 ] = 2/3 0 1/3 2/3 , D= 0 0 2 0
ita
1/3 2/3 2/3 0 0 0 0 4
6.3. Aplicao ao Estudo de Cnicas (pgina 465)
6.3.1. >> A=[9,-2;-2,6];

>> syms x y; X=[x;y];
>> expr=simplify(X.*A*X-30)
9 x2 4 xy + 6 y2 30
ig
>> [P,D]=diagonal(A)

5/5
2 5/5
P=
2 5/5 5/5
D=[5, 0]
[0,10]
>> syms x1 y1; X1=[x1;y1];
>> expr=subst(expr,X,P*X1)
5 x1 2 + 10 y1 2 30 D
ia
>> expr=expr/30
x1 2 /6 + y1 2 /3 1
p
>> elipse(sqrt(6),sqrt(3),P)
6.3.2. >> A=[3,-4;-4,-12];

>> expr=simplify(X.*A*X+81)
3 x2 8 xy 12 y2 + 81


17/17
4 17/17
l
P=
4 17/17 17/17
ita
D=[-13,0]
[ 0,4]
13 x1 2 + 4 y1 2 + 81
>> expr=expr/81
ig
13 2
81 x1 +
4
81 y1 2 + 1
>> hiperbx(9/sqrt(13),9/2,P)
D
6.3.3. >> A=[2,-2;-2,-1];
>> expr=simplify(X.*A*X+K*X+24)
2 x2 4 xy y2 + 24

5/5 2 5/5
P=
ia
2 5/5 1 5/5
D =[-2, 0]
[ 0, 3]
p
2 x1 2 + 3 y1 2 + 24
>> expr=expr/24
x1 2 /12 + y1 2 /8 + 1
>> hiperbx(sqrt(12),sqrt(8),P)

l
6.3.4. >> A=[21,3;3,13];
>> expr=simplify(X.*A*X-132)
ita
21 x2 + 6 xy + 13 y2 132

10/10 3 10/10
P=
3 10/10 10/10
ig
D=[12, 0]
[ 0,22]
12 x1 2 + 22 y1 2 132
D
>> expr=expr/132
x1 2 /11 + y1 2 /6 1
>> elipse(sqrt(11),sqrt(6),P)
ia
6.3.5. >> A=[4,-10;-10,25];
>> K=[-15,-6];
>> expr=simplify(X.*A*X+K*X)
4 x2 20 xy + 25 y2 15 x 6 y
p
5
2

29 29 29 29
P= 2 5
29 29 29 29
D =[0, 0]
[0, 29]

l
29 y1 2 3 29x1
ita
>> expr=expr/29
3

y1 2 29 29x1
>> parabx(3/(4*sqrt(29)),P)
ig
6.3.6. >> A=[9,3;3,1]; K=[-10*10^(1/2),10*10^(1/2)];

9 x2 + 6 xy + y2 10 10x + 10 10y + 90

D

10/10 3 10/10
P=
3 10/10 10/10
D =[0, 0]
[0, 10]
ia
10 y1 2 20 y1 40 x1 + 90
>> expr=subst(expr,y1,y2+1)
10 y2 2 + 80 40 x1
p
>> expr=subst(expr,x1,x2+2)
10 y2 2 40 x2
>> expr=expr/10
y2 2 4 x2

l
>> paraby(1,P,[2;1])
ita
6.3.7. >> A=[5,-3;-3,5];
>> K=[-30*(2)^(1/2),18*(2)^(1/2)];

5 x2 6 xy + 5 y2 30 2x + 18 2y + 82
ig

2/2 2/2
P=
2/2 2/2
D =[2, 0]
[0, 8]
D
2 x1 2 + 8 y1 2 12 x1 + 48 y1 + 82
>> X0=[3;-3];
>> expr=subst(expr,X1,X2+X0)
2 x2 2 8 + 8 y2 2
ia
>> expr=expr/8
x2 2 /4 1 + y2 2
p
>> elipse(2,1,P,X0)
6.3.8. >> A=[5,6;6,0];

>> K=[-12*(13)^(1/2),0];
>> expr=simplify(X.*A*X+K*X-36)

5 x2 + 12 xy 12 13x 36


2/ 13 3/13
l
P=
3/ 13 2/ 13
ita
D =[-4, 0]
[ 0, 9]
4 x1 2 + 9 y1 2 24 x1 36 y1 36
>> X0=[-3;2];
ig
4 x2 2 36 + 9 y2 2
>> expr=expr/36
x2 2 /9 1 + y2 2 /4
D
>> hiperby(2,3,P,X0)
6.3.9. >> A=[6,-2;-2,9];

>> K=[-4*5^(1/2),-18*5^(1/2)];
>> expr=simplify(X.*A*X+K*X-5)

6 x2 4 xy + 9 y2 4 5x 18 5y 5
ia

2/5 1/ 5
P=
1/ 5 2/ 5
p
D =[5, 0]
[0, 10]
5 x1 2 + 10 y1 2 26 x1 32 y1 5
>> X0=[26/10;32/20];

l
322
5 x2 2 5 + 10 y2 2
ita
>> expr=expr*5/322
25 25
322 x2 2 1 + 161 y2 2
>> elipse(sqrt(322)/5,sqrt(161)/5,P,X0)
6.3.10. >> A=[1,3^(1/2);3^(1/2),-1];
ig
>> K=[6,0];
>> expr=simplify(X.*A*X+K*X)

x2 + 2 xy 3 y2 + 6 x
D

3/2 1/2

P=
1/2 3/2
D =[ 2, 0]
[ 0,-2]

ia
2 x1 2 2 y1 2 + 3 3x1 3 y1
>> X0=[-3*3^(1/2)/4;-3/4];
2 x2 2 9/4 2 y2 2
p
>> expr=expr*4/9
8 8
9 x2 2 1 9 y2 2
>> hiperbx(3/sqrt(8),3/sqrt(8),P,X0)

l
6.3.11. >> A=[8,-8;-8,8];
>> K=[33*2^(1/2),-31*2^(1/2)];
ita

8 x2 16 xy + 8 y2 + 33 2x 31 2y + 70
" #
2/2 2/2
P=
2/2 2/2
ig
D =[0, 0]
[0, 16]
16 y1 2 + 2 x1 64 y1 + 70
D
>> expr=subst(expr,y1,y2+2)
16 y2 2 + 6 + 2 x1
>> expr=subst(expr,x1,x2-3)
16 y2 2 + 2 x2
ia
>> expr=expr/16
y2 2 + x2 /8
p
>> parabx(-1/32,P,[-3;2])
6.3.12. >> A=[1,-3;-3,-7];

>> K=[10,2];
x2 6 xy 7 y2 + 10 x + 2 y + 9

" #
1/ 10 3/ 10
l
P=
3/ 10 1/ 10
ita
D =[-8, 0]
[ 0, 2]
8
14

8 x1 2 + 2 y1 2 + 5 10x1 5 10y1 + 9
>> X0=[1/10^(1/2);7/10^(1/2)];
ig
8 x2 2 + 2 y2 2
>> hiperby(4,1,P,X0,d)
D
Esta uma cnica degenerada. A equao representa as duas retas y002 = 4x 002 , ou y00 = 2x 00 .
ia
p

l
ita
4
y
x
ig
3
D
1
0
x
1
ia
2
3
4 3 2 1 0 1 2 3
p

l
ita
8
y
ig
6
4 x
2 y
D
0
x
4
ia
6
8
8 6 4 2 0 2 4 6 8
p

l
ita
8
y
ig
6
2 y
D
0
x
4
ia
6
8
8 6 4 2 0 2 4 6 8
p

l
ita
4
y
ig
3
y
1
D
0
x
1
3
ia
4
5
4 3 2 1 0 1 x2 3 4 5
p

l
ita
2 y y
ig
1.5
1 x
0.5
D
0
x
0.5
1
ia
1.5
2
1 0.5 0 0.5 1 1.5 2 2.5 3
p

l
ita
4
y
ig
2 y
y"
0
x
D
2
6
x
ia
x"
8
10
6 4 2 0 2 4 6 8
p

l
ita
5
y
ig
4
x x"
2
y y"
1
D
0
x
1
3
ia
4
5
2 1 0 1 2 3 4 5 6 7 8
p

l
ita
10
y
ig
8
6
y"
D
4
2
y
0
x" x
ia
2
4 x
6 4 2 0 2 4 6
p

l
ita
y
7
ig
y"
6
5 x"
4
y
D
3
x
2
0
x
ia
1
2 1 0 1 2 3 4 5 6 7 8
p

l
ita
2
y
ig
y
1
x
y"
0
x
x"
D
1
2
ia
3
4
4 3 2 1 0 1 2
p

l
ita
y
4
ig
x" x
2
y
y"
0
x
D
2
6
ia
8
10 8 6 4 2 0 2 4
p

l
ita
y
ig
6
y"
x"
y
2
D
x
0
x
2
ia
4
8 6 4 2 0 2 4
p

l
ita
B IBLIOGRAFIA
ig
[1] Howard Anton e Chris Rorres: lgebra Linear com Aplicaes. Bookman, So Paulo, 8a. edio, 2001.
[2] Jos L. Boldrini, Sueli I. R. Costa, Vera L. Figueiredo e Henry G. Wetzler: lgebra Linear. Ed. Harbra Ltda.,
So Paulo, 3a. edio, 1986.
D
[3] Paulo Boulos e Ivan de C. e Oliveira: Geometria Analtica - um tratamento vetorial. Makron Books, So Paulo,
3a. edio, 2005.
[4] Frederico F. C., filho: Introduo ao MATLAB. Departamento de Cincia da Computao - UFMG, Belo
Horizonte, Fevereiro de 2000.
ia
[5] Carlos A. Callioli, Hygino H. Domingues e Roberto C. F. Costa: lgebra Linear e Aplicaes. Atual Editora,
So Paulo, 6a. edio, 1995.
[6] Adilson Goncalves e Rita M. L. de Souza: Introduo lgebra Linear. Edgard Blcher, Rio de Janeiro, 1977.
[7] Alsio de Caroli, Carlos A. Callioli e Miguel O. Feitosa: Matrizes, Vetores, Geometria Analtica. Nobel, So
p
Paulo, 1976.
[8] Joo Pitombeira de Carvalho: lgebra Linear - Introduo. Livros Tcnicos e Cientficos Editora S.A., Rio de
Janeiro, 2a. edio, 1977.
[9] John B. Fraleigh e Raymond A. Beauregard: Linear Algebra. Addison Wesley, Reading, Massachusetts,
3a. edio, 1995.
644 Bibliografia
l
[10] Stephen H. Friedberg, Arnold J. Insel e Lawrence E. Spence: Linear Algebra. Prentice Hall, Upper Saddle
River, New Jersey, 3a. edio, 1997.
ita
[11] Emlia Giraldes, Vitor H. Fernandes e Maria P. M Smith: Curso de lgebra Linear e Geometria Analtica. Mc
Graw Hill, Lisboa, 1995.
[12] G. H. Golub e C. F. Van Loan: Matrix Computations. Johns Hopkins U.P., Baltimore, 3a. edio, 1996.
[13] Stanley I. Grossman: Elementary Linear Algebra. Saunders College Publishing, New York, 5a. edio, 1994.
ig
[14] David R. Hill e David E. Zitarelli: Linear Algebra Labs with MATLAB. Macmillan Publishing Company,
New York, 1994.
[15] Morris W. Hirsch e Stephen Smale: Differential Equations, Dynamical Systems and Linear Algebra. Academic
Press, Inc., New York, 1974.
3a. edio, 1979.
D
[16] Kenneth Hoffman e Ray Kunze: lgebra Linear. Livros Tcnicos e Cientficos Ed. S.A., Rio de Janeiro,
[17] Bernard Kolman e David R. Hill: Introduo lgebra Linear com Aplicaes. LTC, Rio de Janeiro, 8a. edio,
2008.
ia
[18] Serge Lang: Introduction to Linear Algebra. Springer, New York, 2a. edio, 1986.
[19] Serge Lang: Linear Algebra. Springer Verlag, New York, 3a. edio, 1987.
[20] David C. Lay: lgebra Linear e suas Aplicaes. Livros Tcnicos e Cientficos Editora S.A., Rio de Janeiro,
p
2a. edio, 1999.
[21] Steven Leon, Eugene Herman e Richard Faulkenberry: ATLAST Computer Exercises for Linear Algebra. Pren-
tice Hall, Upper Saddle River, New Jersey, 1996.
[22] Steven J. Leon: lgebra Linear com Aplicaes. Livros Tcnicos e Cientficos Editora S.A., Rio de Janeiro,
5a. edio, 1998.

Bibliografia 645
l
[23] Elon L. Lima: Coordenadas no Espao. SBM, Rio de Janeiro, 1993.
[24] Elon L. Lima: lgebra Linear. IMPA, Rio de Janeiro, 2a. edio, 1996.
ita
[25] Elon L. Lima: Geometria Analtica e lgebra Linear. IMPA, Rio de Janeiro, 2008.
[26] Seymour Lipschutz: lgebra Linear. McGraw-Hill, So Paulo, 3a. edio, 1994.
[27] Mathworks Inc.: Student Edition of MATLAB Version 5 for Windows. Prentice Hall, Upper Saddle River,
New Jersey, 1997.
ig
[28] Carl D. Meyer: Matrix Analysis and Applied Linear Algebra. SIAM, Philadelphia, 2000.
[29] Ben Noble e James W. Daniel: Applied Linear Algebra. Prentice Hall, Upper Saddle River, New Jersey,
3a. edio, 1988.
D
[30] Nathan M. dos Santos: Vetores e Matrizes. Thomson, So Paulo, 4a. edio, 2007.
[31] Reginaldo J. Santos: lgebra Linear e Aplicaes. Imprensa Universitria da UFMG, Belo Horizonte, 2012.
[32] Reginaldo J. Santos: Introduo lgebra Linear. Imprensa Universitria da UFMG, Belo Horizonte, 2012.
[33] Reginaldo J. Santos: Matrizes Vetores e Geometria Analtica. Imprensa Universitria da UFMG, Belo Hori-
ia
zonte, 2012.
[34] Shayle R. Searle: Matrix Algebra Useful for Statistics. John Wiley and Sons, New York, 1982.
[35] Georgi E. Shilov: Linear Algebra. Dover Publications Inc., New York, 1977.
p
[36] Carl P. Simon e Lawrence Blume: Mathematics for Economists. W. W. Norton and Co. Inc., New York, 1994.
[37] Alfredo Steinbruch e Paulo Winterle: lgebra Linear. Makron Books, So Paulo, 2a. edio, 1987.
[38] Alfredo Steinbruch e Paulo Winterle: Geometria Analtica. Makron Books, So Paulo, 2a. edio, 1987.
[39] Gilbert Strang: Linear Algebra and its Applications. Harcourt Brace Jovanovich, Inc., Orlando, 3a. edio,
1988.

646 Bibliografia
l
[40] Gilbert Strang: Introduction to Linear Algebra. Wellesley-Cambridge Press, Wellesley, 1993.
ita
ig
D
ia
p

l
ita
NDICE A LFABTICO
ig
ngulo Cofator de um elemento, 99, 100
entre planos, 247 Combinao linear, 103, 151, 196, 282
entre reta e plano, 275 Complemento ortogonal, 358
entre retas, 245 Cnicas, 415, 430
D
entre vetores, 165 (no) degeneradas, 430
Assntota, 444 identificao de, 430, 459
Autoespao, 396 Conjugado de uma matriz, 426
Autovalor(es), 388
Autovetor(es), 388 Decomposio polar de uma matriz, 424
axiss, 155, 176, 200 Dependncia linear, 289
ia
Desigualdade de Cauchy-Schwarz, 343
Base Desigualdade triangular, 343
cannica, 316, 352 desvet, 155, 175, 200
de subespao, 315 det, 122
p
ortogonal, 352 Determinante, 98

ortonormal, 352 de Vandermonde, 123
box, 155, 176, 200 desenvolvimento em cofatores do, 101, 106
expanso em cofatores do, 101
Cadeia de Markov, 15, 404 propriedades do, 103
Crculo, 438 detopelp, 122
clf, 64 diag, 21
648 ndice Alfabtico
Rn , 278
l
diagonal, 465
Diagonalizao soluo, 308
ita
de matrizes, 386 vetoriais, 282
de matrizes simtricas, 415 Excentricidade
Dimenso, 318 da elipse, 438
Distncia da hiprbole, 446
de um ponto a um plano, 256 eye, 21
de um ponto a uma reta, 259
de uma reta a um plano, 275 Foco(s)
ig
entre dois planos, 264 da elipse, 434
entre dois pontos, 164 da Hiprbole, 442
entre duas retas, 264 da parbola, 450
eig, 411 Geradores, 313
D
Eixo(s) Gerar, 313
da elipse, 438 Gram-Schmidt (processo de ortogonalizao), 352
eixos, 65, 155, 176, 200 Grandezas vetoriais, 130
Elipse, 430
Hiprbole, 440
excentricidade da, 438
hiperbx, 466
elipse, 466
ia
hiperby, 466
Equao (equaes)
da reta, 224 Identidade de Lagrange, 201
geral do plano, 206 Identidade polar, 357
linear, 30 Identificao de cnicas, 430, 459
p
na forma simtrica da reta, 237 Independncia linear, 289

paramtricas da reta, 226 Interpolao polinomial, 88
paramtricas do plano, 220 inv, 411
vetorial da reta, 226
Escalar, 4 LD, 289
escalona, 65 Lei do paralelogramo, 357
Espao (espaos) Lei dos cossenos, 176

ndice Alfabtico 649
l
LI, 289 inversa de, 70
lin, 243 invertvel, 70
ita
lineplan, 244 linha, 2, 147, 280
lineseg, 155, 176, 200 linha de, 1
mltiplo escalar de, 4
Matriz (matrizes), 1 multiplicao por escalar, 4
(definida) positiva, 424 no invertvel, 70
escalonada, 38 nilpotente, 27, 412
escalonada reduzida, 37
ig
nula, 10
anti-simtrica, 26 ortogonal, 363, 417
aumentada, 32
potncia, 13
coluna, 2, 147, 280
produto de, 5
coluna de, 1
propriedades de, 9
companheira, 124, 413
D
quadrada, 2
conjugado de, 426
raiz quadrada de, 424
de rotao, 368, 424
semelhantes, 412
de transio, 15
de Vandermonde, 90 simtrica, 26
decomposio polar de, 424 singular, 70
determinante de, 98 soma de, 3
ia
diagonal, 23, 96 submatriz principal de, 424
diagonal (principal) de, 2 trao de, 27
diagonalizvel, 386 transposta de, 8
diferena entre, 13 triangular inferior, 102
triangular superior, 123
p
do sistema linear, 31
elementar, 51 matvand, 65
elemento de, 2 Menor de um elemento, 98
entrada de, 2 Mtodo de Gauss, 43
equivalente por linhas, 44 Mtodo de Gauss-Jordan, 39
identidade, 10 Mudana de coordenadas, 359
iguais, 3 Mltiplo escalar, 4, 136, 280

650 ndice Alfabtico
l
no, 175 Posies relativas
Norma de um vetor, 162, 341 de dois planos, 302
ita
Notao de somatrio, 6, 9, 28 de duas retas, 300
numeric, 21, 411 de plano e reta, 304
Processo de ortogonalizao de Gram-Schmidt, 352
oe, 64 Produto
opel, 64 vetorial em Rn , 358
Operao elementar, 32 escalar ou interno, 166, 341
propriedades do, 170
ig
Parbola, 448 misto, 190
parabx, 466 vetorial, 178
paraby, 466 propriedades do, 182
pe, 175 vetorial duplo, 202
Piv, 34 Projeo ortogonal, 171, 346
D
Plano (planos), 206 Projeo ortogrfica, 371
vetor normal do, 206 pv, 200
concorrentes, 302
equao geral do, 206 Raiz quadrada de uma matriz, 424
equaes paramtricas do, 220 randi, 21, 411
mediador, 273 Regra da mo direita, 180
ia
paralelos, 302 Regra de Cramer, 116
plotci, 65 Reta (retas), 224
plotf1, 65 concorrentes, 245
po, 155, 176, 200 diretriz da parbola, 450
p
Polinmio caracterstico, 390 equao vetorial da, 226

poline, 243 equaes na forma simtrica da, 237
poly2sym, 64 equaes paramtricas da, 226
poly2sym2, 65 geratriz do cone, 438
Pontos paralelas, 245
colineares, 154 reversas, 245
coplanares, 195 vetor diretor da, 226

ndice Alfabtico 651
l
rota, 156, 176, 200 tex, 155, 176, 200
Rotao, 368 Translao, 370
ita
Segmento (de reta) orientado, 130 Variveis livres, 42
Sistema de coordenadas, 361 Vrtice(s)
cartesianas, 138 da elipse, 438
retangulares, 138 da hiprbole, 446
retangulares no espao, 142 da parbola, 454
Sistema de equaes lineares, 30 Vetor (vetores), 2, 130, 279
ig
Sistema homogneo, 47 ngulo entre, 165
soluo trivial de, 47 cannicos, 184
Sistema(s) linear(es), 30 colineares, 136
conjunto soluo de, 31 combinao linear de, 282
consistente, 63 componentes de, 138, 142, 144, 147
D
equivalentes, 34 comprimento de, 162
homogneo, 47 coplanares, 195
soluo (geral) de, 31 de estado, 15
Soluo diferena de, 134, 280
geral de sistema linear, 31 geradores, 313
trivial de sistema homogneo, 47 iguais, 279
ia
solve, 21 independncia linear de, 289
Soma de subespaos, 331 linearmente (in)dependentes, 289
Subespao(s), 308 multiplicao por escalar, 136, 140, 146, 280
dimenso de, 318 mltiplo escalar, 136, 280
p
gerado por, 313 norma de, 162, 341

soma de, 331 normal ao plano, 206
Submatriz principal, 424 nulo, 134, 280
subs, 64 ortogonais, 165, 344
subst, 466 paralelos, 136
sym, 21, 411 produto escalar ou interno de, 166, 341
syms, 20 produto misto de, 190

652 ndice Alfabtico
l
produto vetorial de, 178
simtrico, 134, 280
ita
soma de, 132, 140, 146, 280
unitrio, 164, 352
unitrios, 351
zeros, 21
zoom3, 156, 176, 200
ig
D
ia
p

Um Curso de Geometria Analítica e Álgebra Linear

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Um Curso de Geometria Analítica e Álgebra Linear

Încărcat de

Drepturi de autor:

Formate disponibile

U M C URSO DE G EOMETRIA A NALTICA E

Imprensa Universitria da UFMG - Belo Horizonte

Editor, Coordenador de Reviso, Supervisor de Produo, Capa e Ilustraes:

1.2.5 Matrizes Elementares (opcional) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

4.1 Equaes do Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206

Um Curso de Geometria Analtica e lgebra Linear GoBack GoForward Julho 2014

Julho 2014 GoBack GoForward Reginaldo J. Santos

Um Curso de Geometria Analtica e lgebra Linear GoBack GoForward Julho 2014

Um Curso de Geometria Analtica e lgebra Linear GoBack GoForward Julho 2014

Julho 2014 GoBack GoForward Reginaldo J. Santos

Um Curso de Geometria Analtica e lgebra Linear GoBack GoForward Julho 2014

Total 56 (60) aulas

Julho 2014 GoBack GoForward Reginaldo J. Santos

a21 a22 . . . a2n

Exemplo 1.1. Considere as seguintes matrizes:

Um Curso de Geometria Analtica e lgebra Linear GoBack GoForward Julho 2014

Vamos definir operaes matriciais anlogas s operaes com nmeros e pro-

Vamos, agora, introduzir as operaes matriciais.

cij = aij + bij ,

para i = 1, . . . , m e j = 1, . . . , n. Escrevemos tambm [ A + B]ij = aij + bij .

Julho 2014 GoBack GoForward Reginaldo J. Santos

para i = 1, . . . , m e j = 1, . . . , n. Escrevemos tambm [A]ij = aij . Dizemos que a matriz B um mltiplo

Um Curso de Geometria Analtica e lgebra Linear GoBack GoForward Julho 2014

obtida da seguinte forma:

cij = ai1 b1j + ai2 b2j + . . . + aip b pj , (1.1)

para i = 1, . . . , m e j = 1, . . . , n. Escrevemos tambm [ AB]ij = ai1 b1j + ai2 b2j + . . . + aip b pj .

Julho 2014 GoBack GoForward Reginaldo J. Santos

Exemplo 1.4. Considere as matrizes:

Um Curso de Geometria Analtica e lgebra Linear GoBack GoForward Julho 2014

Julho 2014 GoBack GoForward Reginaldo J. Santos

para i = 1, . . . , n e j = 1, . . . , m. Escrevemos tambm [ At ]ij = a ji .

Um Curso de Geometria Analtica e lgebra Linear GoBack GoForward Julho 2014

Exemplo 1.7. As transpostas das matrizes

Julho 2014 GoBack GoForward Reginaldo J. Santos

para toda matriz A, m n. A matriz 0 chamada matriz nula m n.

chamada matriz identidade tal que

A In = Im A = A, para toda matriz A = ( aij )mn .

(j) (distributividade) A( B + C ) = AB + AC e ( B + C ) A = BA + CA;

Um Curso de Geometria Analtica e lgebra Linear GoBack GoForward Julho 2014

para qualquer matriz A, m n. Comparando os elementos correspondentes,

Julho 2014 GoBack GoForward Reginaldo J. Santos

(i) Podemos escrever a matriz identidade em termos do delta de Kronecker que

Um Curso de Geometria Analtica e lgebra Linear GoBack GoForward Julho 2014

A outra igualdade anloga.

A outra igualdade inteiramente anloga a anterior e deixamos como exerccio.

A diferena entre duas matrizes de mesmo tamanho A e B definida por

ou seja, a soma da matriz A com a simtrica da matriz B.

Julho 2014 GoBack GoForward Reginaldo J. Santos

Exemplo 1.8. Vamos verificar se para matrizes A e B, quadradas, vale a igualdade

tomarmos duas matrizes que no comutem entre si. Sejam

Para estas matrizes

Um Curso de Geometria Analtica e lgebra Linear GoBack GoForward Julho 2014

1.1.3 Aplicao: Cadeias de Markov

P1 = t21 p1 + t22 p2 + t23 p3 estar no estado 2

Lembre-se que tij a probabilidade de mudana do estado j para o estado i. Assim,

Julho 2014 GoBack GoForward Reginaldo J. Santos

Como estamos assumindo que em cada unidade de tempo a matriz de transio a

Um Curso de Geometria Analtica e lgebra Linear GoBack GoForward Julho 2014

Exerccios Numricos (respostas na pgina 486)

Se for possvel calcule:

1.1.3. Considere as seguintes matrizes

(a) AB diferente de BA.

Julho 2014 GoBack GoForward Reginaldo J. Santos

1.1.5. Encontre um valor de x tal que ABt = 0, em que

pode ser escrito como