Geometria Algebra

UNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ
CENTRO DE CIÊCIAS EXATAS

DEPARTAMENTO DE MATEMÁTICA
CLEVERSON GONÇALVES DOS SANTOS
Geometria Analı́tica e Álgebra Linear
Foz do Iguaçu - PR
2010
CLEVERSON GONÇALVES DOS SANTOS

Curso de Ciências da Computação
UNIOESTE - Campus de Foz do Iguaçu
PTI- Parque Tecnológico de Itaipu.
Cleverson Gonçalves dos Santos.
Foz do Iguaçu - PR
2010
ii
Sumário
1 Vetores 1
1.1 Operações com Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Dependência e Independência Linear de Vetores . . . . . . . . . . . . . . 5
1.2.1 Vetores em R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2 Vetores em R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Produto de Vetores 13
2.1 Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.1 Ângulo entre dois Vetores . . . . . . . . . . . . . . . . . . . . . . 17
2.1.2 Projeção de Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.3 Ângulos Diretores e Co-senos Diretores de um Vetor . . . . . . . . 20
2.2 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3 Produto Misto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4 Duplo Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3 Retas, Planos e Distâncias 33
3.1 Equações da Reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.1.1 Equações Paramétricas da Reta . . . . . . . . . . . . . . . . . . . 34
iii
3.1.2 Equações Simétricas da Reta . . . . . . . . . . . . . . . . . . . . . 35
3.1.3 Equações Reduzidas da Reta . . . . . . . . . . . . . . . . . . . . . 37
3.2 Estudo da Reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2.1 Ângulos de duas Retas . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2.2 Condição de Coplanaridade de Duas Retas . . . . . . . . . . . . . 41
3.2.3 Posição Relativa de Duas Retas . . . . . . . . . . . . . . . . . . . 42
3.3 Equação do Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.4 Estudo do Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.4.1 Planos Paralelos aos Eixos e/ou Planos Coordenados . . . . . . . 48
3.4.2 Equações Paramétricas do Plano . . . . . . . . . . . . . . . . . . 49
3.4.3 Ângulo de Dois Planos . . . . . . . . . . . . . . . . . . . . . . . . 50
3.4.4 Ângulo de uma Reta com um Plano . . . . . . . . . . . . . . . . . 51
3.5 Distâncias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.5.1 Distância de um Ponto e uma Reta . . . . . . . . . . . . . . . . . 51
3.5.2 Distância Entre Duas Retas . . . . . . . . . . . . . . . . . . . . . 52
3.5.3 Distância de um Ponto a um Plano . . . . . . . . . . . . . . . . . 54
3.5.4 Distância Entre dois Planos . . . . . . . . . . . . . . . . . . . . . 56
3.5.5 Distância de uma Reta a um Plano . . . . . . . . . . . . . . . . . 57
4 Cônicas 59
4.1 Parábola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.1.1 Equação da Parábola . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.2 Elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.2.1 Equação da Elipse . . . . . . . . . . . . . . . . . . . . . . . . . . 65
iv
4.3 Hipérbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.3.1 Equação da Hipérbole . . . . . . . . . . . . . . . . . . . . . . . . 69
4.4 Rotação e Roto-translação dos eixos Coordenados . . . . . . . . . . . . . . . 75
4.5 Cônicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.5.1 Classificação das Cônicas . . . . . . . . . . . . . . . . . . . . . . . 86
5 Superfı́cies Quádricas 92
5.1 Elipsóide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.2 Hiperbolóide de Uma Folha . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.3 Hiperbolóide de Duas Folhas . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.4 Parabolóide Elı́ptico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
5.5 Parabolóide Hiperbólico . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6 Matrizes e Determinantes 98
6.1 Operações com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6.2 Operações Elementares entre Matrizes . . . . . . . . . . . . . . . . . . . 107
6.3 Inversa de uma Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.4 Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.4.1 Propriedades do Determinante . . . . . . . . . . . . . . . . . . . . 121
6.5 Posto de uma Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
Exercı́cios 136
7 Sistemas de Equações Lineares 142
7.1 Sistemas de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
v
Exercı́cios 152
8 Espaços Vetoriais 155
8.1 Subespaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
8.2 Combinação Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
8.3 Base e Dimensão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
8.4 Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
8.5 Processo Prático Para Determinação de Base . . . . . . . . . . . . . . . . 187
Exercı́cios 191
9 Transformações Lineares 196
Bibliografia 200
vi
Capı́tulo 1
Vetores
As grandezas que será vista aqui serão grandezas vetoriais, conhecemos bem
as grandezas escalares, contudo, essas grandezas não são suficientes para representar
todos os fenômenos fı́sicos, para as grandezas vetoriais precisamos dar a direção, a in-
tensidade (ou módulo) e o sentido, para isso iniciamos o conceito de segmento orientado.
Seja r uma reta, dizemos que a reta é orientada quando fixamos em r um

sentido de percurso e, consideramos positivo tal sentido e indicamos por uma seta. O
sentido oposto é negativo.
Definição 1.1. Dados um par ordenado de pontos (A, B), dizemos que A é a origem
do segmento e B a extremidade. Então o segmento orientado de origem A e extremidade
B será representado por AB e, geometricamente, indicado por uma seta.
Um segmento é dito nulo quando a origem e a extremidade coincidem.

Segmento Orientado Se AB é um segmento orientado, então o segmento orientado BA
é o oposto de AB.
.... ....
.......H .......H
...
.......
.......
.
...
..
...
.......
.......
.
...
..
B Fixada uma unidade de comprimento, a cada segmento orientado
....... .......
....... r ....... AB
...
...
.........
•...
...
......... pode-se associar um número real não negativo, que é a medida
A
do segmento em relação aquela unidade.
A medida do segmento orientado é o seu módulo ou intensidade. Indicamos
por AB o comprimento do segmento.
Segmento Unitário
u
Naturalmente, o segmento nulo tem comprimento zero e, ainda
| |
|
• | | | I
AB = BA.
A 4u.c B
Definição 1.2. Dois segmentos não nulos AB e CD tem a mesma direção se as retas
suportes desses segmento são paralelas. E são coincidentes se estão na mesma reta
1
suporte. Suponha que os segmentos AB e CD tenham a mesma direção:
a) Se as retas suportes de AB e CD são distintas, dizemos que AB e CD tem o mesmo
sentido caso os segmentos AC e BD tenham intersecção vazia. Caso AC ∩ BD 6= ∅,
dizemos que AB e CD tem sentidos contrários.
b) Se as retas suportes de AB e CD coincidem, tome A0 B 0 tal que A0 não perteça a reta
suporte de AB com A0 B 0 na mesma direção e sentido de AB. Então dizemos que AB e
CD tem o mesmo sentido se A0 B 0 e CD tem o mesmo sentido, caso contrário, dizemos
que AB e CD tem sentido contrários.
...
.....
.. .....
..... ..... ..... .....
..
......
. ...
...
...
.H
..
......
. ..... .....
.. ......... .. .
B ......................................................... ............ D ..... .....
......
. .
......
....... ... .
. ..
.....H .....
.....
B........ ...
.....
.
.......
. ..
.. H
..
..... . .......•
......... ....
.....
. .
.....
. ..... ... ......... ......... C
.
...
.....
.
.....
.
...
...
...... .. .. .... ........... .
...
.
..... .....
..... .... .. ......... ....
.....
..... ..... ..... .. ................. .....
..... ..... ..... ... .....
.
. .
. ..... ............ .....
A......•
.
..
..................
.
.....
.
.
.
....... ... ........... . ..
......
............. ..... .
... ....... ... .. .
....
..... ............. .......... ............... .. .....
.....
.....
.......•
...
.. A..• .......... .. .....
..
. .
.. .... .....
.
.... .
.... C ...
...... ..
. ........
.
..... .. ......
..... ....
..... .....ND
M esmo Sentido
Sentido Contrário
Definição 1.3. Dizemos que dois segmentos orientados AB e CD são equipolentes

quando tem a mesma direção, o mesmo sentido e o mesmo comprimento.
Representamos a equipolência dos segmentos AB e CD por AB ∼ CD.
Proposição 1.4. Propriedades de equipolência. Sejam AB, CD e EF segmentos ori-

entados. Então
i) AB ∼ AB (Reflexiva)
ii) Se AB ∼ CD então CD ∼ AB (Simétrica)
iii) Se AB ∼ CD e CD ∼ EF então AB ∼ EF (Transitiva)
iv) Dado um segmento orientado AB e um ponto C, existe um único ponto D tal que
AB ∼ CD.
Definição 1.5. Um vetor determinado por um segmento AB é o conjunto de todos os

segmentos orientados equipolentes a AB.
Se indicarmos com →
−
v este conjunto, simbolicamente poderemos escrever
→
−
v = {XY ; XY ∼ AB}.
2
−→
O vetor determinado por AB é indicado por AB ou B − A ou →
−
v.
Com a oriegem do espaço, podemos visualizar um representante de um vetor

e, se considerarmos todos os infinitos segmentos orientados de origem comum, estaremos
caracterizando, através de representantes, a totalidade de vetores do espaço.
As caracterı́sticas de um vetor →
−
v são as mesmas de qualquer um de seus
representantes, isto é, o módulo, a direção e o sentido do vetor são o módulo, a direção
e o sentido de qualquer um de seus representantes.
Vamos indicar o módulo de um vetor →

−
v por k→
−
v k. Caso k→
−
v k = 1 diremos
que o vetor é unitário.
−→ −−→
Dois vetores AB e CD são iguais se, e somente se AB ∼ CD. Ainda os
→
−
segmentos nulos, determinam um único vetor, chamado vetor nulo, indicado por 0 .
−→ −→ −→ −→
Dado um vetor →
−
v = AB, o vetor BA é o oposto de AB e se indica por −AB
ou −→
−
v.
Definição 1.6. O versor de um vetor não nulo →

−
v é o vetor unitário de mesma direção
e mesmo sentido de →−v
Sejam os vetores →
−
v e→
−
u . Dizemos que esses vetores são colineares se estiverem
na mesma reta, ou seja, pertencem a mesma reta ou a retas paralelas.
Se no mı́nimo três vetrores →

−
w, →
−
v e→
−
u pertencerem ao mesmo plano π. Dize-
mos que esses vetores são coplanares.
Note que quaisquer dois vetores são sempre coplanares.
1.1 Operações com Vetores
Sejam →
−
v e→
−
u representados pelos segmentos orientados AB e BC. Os pontos
A e C determinam um vetor →
−
s que definamos por soma de → −
v e→−
u , isto é, →
−
s =→
−
v +→
−
u.
As propriedades da soma de vetores são listadas abaixo:
3
Soma: Visão geométrica Propriedades:
B
J ..
.........
i) Comutativa: → −v +→ −
u =→ −u +→−v.
ii) Associativa: ( v + u ) + w = →
→
− →
− →
− −v + (→
−
v +→ −
.... ........
→
−u ....
.
.. .....
.....
..... w ).
. ..... → −
→
−
iii) Existe um só vetor nulo 0 tal que para todo vetor → −
...
. .....v
.....
...
.
...
A •..........
.....
..... v se tem
.....
.....
.....
.....
..
...... →
− →
− →
− →
− →
−
→
− s =→ − u +→ −. .
v....................
... v + 0 = v = 0 + v.
J
N
C
iv) qualquer que seja o vetor → −v , existe um só vetor −→−
v (vetor oposto de →
−
v ) tal que
→
− →
−
v + (−→ − v ) = 0 = −→ −v +→−v.
→
−
A diferença entre dois vetores →
−
v e→
−
u é dado pelo vetor d , representado por
→
−
d =→
−
v −→
−
u , ao vetor →
−v + (−→−
u ).
visão geométrica Consideremos o paralelogramo ABCD e os segmentos orientados
AB e AC respectivamente. Note que a soma → −
s = → −
v +→ −
B.
..→
−
J. ..
.. ...................
.. .... .→
. −
...... −
v −....→
u,
→
− .. d =
...
v.....
..
..
.u
....... .........
.........
.........D →
− −→ →− −→
..
..
..
..
.. ................ ..H
....... onde v = AB e u = AC é representado pelo segmentoAD e a
..
. .... .. →
− s =...→ − +→
− →
−
diferença d = →
−
v −→ −
. .. .. .. .. v u
. ..........
. .
.
..
•................
A
.
...........
...........
...........
..
..
.... ...
.
.. u é representado pelo segmento orientado
→
− .
..
u .................... ... .. .
.............
N
C
. CB.
Outra operação com vetor é o produto de vetor por um escalar real. Dado
→
−
um vetor →
−v 6= 0 e um número real k 6= 0, chama-se produto do número real k pelo
vetor →
−
v o vetor →
−
p = k.→
−v , tal que
a) Módulo: k→ −
p k = |k|.k→
−
vk
b) Direção: A mesma de → −
v
c) Sentido: O mesmo de →
−
v se k > 0, e oposto a →
−
v se k < 0.
→
− 1 → →
−
v
→
− →
−
O versor de um vetor v 6= 0 é o vetor unitário u = → − →
−
. v ou u = → .
−
kvk −
kvk
→
− k→− k→
−

→
− v vk vk
Note que k u k = →

−
= → − = → − =1
kvk kk v kk kvk
Propriedades: Se →
−
v e→−
u são vetores e α e β são reais. Então
i) α.(β.→
−v ) = (α.β).→
−
v (associativa)
ii) (α + β).→−
v = α.→−
v + β.→−
v iii) α.(→
−
v +→ −
u ) = α.→−
v + α.→−u (distributiva em relação a
soma)
iv) 1.→
−
v =→
−
v
Exemplo 1. Seja o paralelogramo ABCD e os segmentos orientados AB e AD, sendo

M e N pontos médios dos lados DC e AB, respectivamente. Resolva
−→ −−→ −→ −−→ −→ −−→ −→ −−→
i) AB + AD ii) BA + DA iii) AB + DM iv) AC − BC
4
−−→ −−→ −−→ −−→ −−→ −−→ −−→ −−→
v) BM + N C vi) M D + M B vii) AN + BC viii) BM − 12 DC
Resolução: Consideramos o paralelogramoABCD
−→ −−→ −→ −→ −−→ −−→ −−→ −→
Paralelogramo ABCD i) AB + AD = AC ii) BA + DA = CD + DA = CA
D
J .........
... ... .................
−→ −−→ 3 −−→ −→ −−→ −→ −−→ −→
..
... ..
..
.......M
..•
......... iii) AB + DM = 2
DC iv) AC − BC = AC + CB = AB
...
.
.
...
..
..
..
...........
.........
.....
.. ..
•C
. − −→ −−
→ −
−→ −−→ −−→ −−→ −−→ −−→
..
...
................
......
..
.. ............
..
.... .
..
. v) BM + N C = 2BC vi)M D + M B = M D + DN = M N
.
..
.
•................
. .. ..
..
..
−−→ −−→ −−→ −−→ −−→ −−→ −−→ −−→
viii) BM − 12 DC = BM + M D = BD
........... ..
A ...........
..•
...........
.
N ............... ... ..
..
.. ..
.. vii) AN + BC = AM
........... . ..
......N
B
Exemplo 2. Seja o hexágono ABCDEF e os segmentos orientados CB, F C, HD, AE,

AC, CD e AG. Resolva
−→ −→ −−→ −→ −→ −→ −−→ −→ −−→ −→ −−→
i) CF + AG + HD ii) AC + AE − AG − HD iii) AG + HD + 12 F C + CD
Resolução: Consideramos o hexágono ABCDEF e os pontos G, H e O.
−→ −→ −−→ −→ −−→ −→ −→ −−→
hexágono ABCDEF
...........................................
i) CF + AG + HD = CF + OD = CF + F E = CE
..... .............
........... ......C
B .........................................................................J
......J ..............
.... . ..H ..
....... .. .. .....
..... ...
..... .
...
. .... ..... ..... .......
. ..
... .... −→ −→ −→ −−→ −→ −−→ −→ −→ −−→ −−→
...
..
....
.......
.......
.
.....
...
...
...
.... ... ....
... ... ii) AC + AE − AG − HD = AC + BD + OA = AC + BD + CB =
....
...
.... . .... ........
.....
... ..
... ...
... ... −−→
...
... ............
..............
....... ...
. .
.
..
..
.
.. ... ..
... ...
.....
......
AD
. . .
..
A•..............
. IG .•O
. H• J
I .
... ....... .
.. ...D
..
...
...
.........
....... ...
.
..
...
. −→ −−→ −→ −−→ −→ −−→ −→ −−→
...
...
...
.......
....... ....
.........
..
.. ...... ...
...
...
iii) AG + HD + 21 F C + CD = AG + HD + 12 F C + OE =
...
....
.... ...
.
... .............
. .......
....
.
..
... −→ −−→ −→ −→ −−→ −−→ −−→
....
..... .....
....... ..
..........
.•
.......
.......
....... ........
.............
.... AG + HD + F E = AG + HD + GH = AD
.. .... J
...
F ................................................................... E
1.2 Dependência e Independência Linear de Vetores
Dado um vetor →
−
v , queremos escrever →
−
v da seguinte forma
→
−
v = α1 →
−
v1 + α2 →
−
v2 + · · · + αn →
−
vn ,
onde α1 , α2 , · · · , αn são números reais. Para isso definamos o que segue.
Definição 1.7. Sejam →

−
v1 , →
−
v2 , · · · , →
−
vn vetores e α1 , α2 , · · · , αn números reais.
Chamaremos combinação linear dos vetores → −
v1 , →−
v2 , · · · , →
−
vn com coeficientes reais
α1 , α2 , · · · , αn ao vetor
→
−
v = α1 →
−
v1 + α2 →
−
v2 + · · · + αn →
−
vn .
Se →
−
v é uma combinação linear dos vetores →
−
v1 , →
−
v2 , · · · , →
−
vn , dizemos também
que →
−
v é gerado por →
−
v1 , →
−
v2 , · · · , →
−
vn .
5
→
−
Note que o vetor nulo 0 é gerado por →
−
v1 , →
−
v2 , · · · , →
−
vn quaisquer que sejam
estes vetores, pois
→
−
0 = α1 →
−
v1 + α2 →
−
v2 + · · · + αn →
−
vn = 0.→
−
v1 + 0.→
−
v2 + · · · + 0.→
−
vn .
Para evitar o golpe baixo na forma de escrever o vetor nulo, vamos definir
a questão de dependência e independência linear de vetores. Queremos com isso impor
quando os vetores →−
v , →−
v , ··· , →
−
v forem linearmente independentes que a maneira de 1 2 n
escrever cada vetor do espaço como combinação linear seja única, assim para o vetor nulo,
quando tais vetores forem linearmente independentes todos os escalares deverão ser nulos,
quando tal independência não ocorrer, deverá existir escalares não nulos satisfazendo a
igualdade.
Definição 1.8. Uma sequência de vetores →

−
v1 , →
−
v2 , · · · , →
−
vn é dito linearmente depen-
dente (LD) se, e somente se existir escalares α1 , α2 , · · · , αn não todos nulos tais que
→
−
0 = α1 →
−
v1 + α2 →
−
v2 + · · · + αn →
−
vn .
Caso contrário, se a única solução para equação acima for a trivial, ou seja,
α1 = α2 = · · · = αn = 0
então a sequência de vetores →

−
v1 , →
−
v2 , · · · , →
−
vn é dita linearmente independente (LI).
1.2.1 Vetores em R2
Dados dois vetores →

−
v1 e →
−
v2 , não colineares, qualquer vetor →
−
v (coplanar com
→
−
v1 e →−v2 ) pode ser decomposto segundo as direções de → −v1 e →
−
v2 .
Vetores no R2 Para isso basta escrever → −v como uma combinação linear
.
G.
•
........
.. .........
→
− →
−
dos vetores v e v , ou seja,
. ..
..
. ......C
......
•
1 2
.. ......
. .. ...... −
......v→
BJ.. ......2
..
.
..
.
..→
.
. ......
......
...... D
......
→
−
v = α1 →
−
v1 + α2 →
−
v2 .
.. −
v N.........
. 1 ......
..
. ......
......
A• ... ......
.. ......
No caso em que →
−
v tem a mesma direção de →
−
v1 ou →
−
. ......
... ......
.
.
.
.
.
..
.
..
.
.
..
..
...
...
...
..
...
..
..
..
...
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.......
.....
......
......
......
......
......
......
......
......
..
..
.....
......
......
......
......
......
......
......
......
......
. ..
...............................I
.F
v2 , então
E• →− −
→ −
→
v = α1 v1 + α2 v2
→
−
v não pode ser a diagonal de um paralelogramo e, portanto, α1 ou α2 deve ser igual a
6
−→ − −−→ − −→
zero. Na figura consideramos →
−
v1 = AB, →
v2 = CD e →
v = EF . É sempre possı́vel fechar
o triângulo.
Se →
−
v for representado por
→
−
v = α1 →
−
v 1 + α2 →
−
v2
o par de vetores →
−
v1 e →
−v2 , não colineares forma uma base no plano. Ainda qualquer
conjunto de vetores {→
−
u , →−
u } de vetores não colineares constituem uma base no plano.
1 2
Os números α1 e α2 são chamados componentes ou coordenadas de →

−
v em relação a base
{→
−
v , →
1
−
v }. 2
Note que o conjunto {→

−
v1 , →
−
v2 } é ordenado.
O vetor α1 →
−
v1 é chamado projeção de →
−
v sobre →
−
v1 segundo a direção de →
−
v2 . De
forma análoga o vetor α →
−v é chamado projeção de →
2 2
−
v sobre →−
v segundo a direção de → −
v . 2 1
Definição 1.9. Uma base {→−

e1 , →
−
e2 } é dita ortonormal se os seus vetores forem ortogonais
e unitários, isto é, →
−
e ⊥→
−
e (lê-se →
1
−
e ortogonal à →
2
−
e ) e k→
1
−
e k = k→ −
e k=1 2 1 2
base .no
....
R2 Existem infinitas bases ortonormais no plano xy, paticularmente
y
a base canônica representada por segmentos orientados com a
origem O = (0, 0) e extremidade (1, 0) e (0, 1). Estes vetores
→
− → −
→
− →
− →
− são simbólicamente representados por i e j , respectivamente e
(0, 1) N j →− v = α1 . i + α2 . j →
− →
−
.......
.......
.......
.
...
H
..
a base { i , j }.
.
.......
.......
. →
− →
− →
− →
−
.......
.
...
.......
..
. →
−
i Assim, se v = α1 i + α 2 j , o vetor α 1 i é a projeção ortogonal
..
.. ..
→
− →
− →
−
de v sobre i e α2 j é a projeção ortogonal de →
→
− −
• I ..
(1, 0) x v sobre j .
→
− → −
Seja { i , j } a base canônica. Nestas condições, a cada vetor → −v do plano
pode-se associar um par (x, y) de números reias que são suas componentes na base dada,
por esta razão define-se.
Um vetor no plano é um par ordenado (x, y) de números reais e se representa
→
−
v = (x, y)
que é a expressão analı́tica de →

−
v.
A primeira componente x é chamada abscissa e a segunda y é a ordenada.
7
Exemplo 3. Escreva o → −v em sua forma analı́tica, onde:
→
− →
− →
− →
− →
− →
− →
− → −
a) →
−
v =5 i −3j b) →
−v = −3 i + 8 j c) →
−v = 15 i − 35 j d) →
−
v = i + j.
Resolução: a) →
−v = (5, −3), b) →
−
v = (−3, 8) , c) → −
v = 51 , − 35 e d) →
−

v = (1, 1).
→
− →
−
Note que i = (1, 0) e j = (0, 1).
Desta forma o plano pode ser encarado como um conjunto de pontos ou um

conjunto de vetores.
Sejam →
−
u = (x1 , y1 ), →
−
v = (x2 , y2 ) e α ∈ R. Definimos:
a) →
−u +→ −v = (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 )
b) α.→
−u = α.(x1 , y1 ) = (α.x1 , α.y1 )
c) (x1 , y1 ) = →
−
u =→ −
v = (x2 , y2 ) se, e somente se x1 = x2 e y1 = y2
Exemplo 4. Sejam os vetores →

−
u = (5, 2) e →
−
v = (1, 3). Calcule →
−
u +→
−
v , 2→
−
u . Faça a
representação no plano.
Vetores
→
−
u +→ −
v = (5, 2) + (1, 3) = (5 + 1, 2 + 3) = (6, 5)
y
.....
→
−
..H... →−
............. u + v
→
− 2 u = 2.(5, 2) = (2.5, 2.2) = (10, 4)
....... ..... .
. ... ......... .......... ...
.. ..... ..
....... .....
....... ..... ..
....... .....
.....
........ H
....... ..... .. ........ 2→ −
. ....... . ......... u
....... ... .
.
.. .
......
... ..
.........
... . ... . .
...
.
.
. ......... ... ..... .. .
...
........
.
J
..→
. − ....... .. .
...
...
......
...
v ..
..... .. ......
..... ........
... .....
. .........
... ..... .. .............
.. ..
...... ..
..
...
.
H.........
. ... .... →
.
.. −
... ..... ............ u
... ..... ...........
..... ...........
... ..... ..........
... ........
. . ..... .........
... .......
.. ........
........
... ........ ..............
... ....................
................... ....
.
x
Muitas vezes um vetor é representado por um segmento que não parte da

−→
origem do sistema coordenado. Seja o vetor AB de origem A(x1 , y1 ) e extremidade
B(x2 , y2 ), note ainda que a origem O(0, 0) do plano com os pontos A e B formam
−→ −−→
segmentos orientados OA e OB respectivamente, cujas expressões analı́ticas são
−→ −−→
OA = (x1 , y1 ) e OB = (x2 , y2 ).
Por outro lado, do triângulo OAB, vem
−→ −→ −−→ −→ −−→ −→
OA + AB = OB, donde AB = OB − OA.
8
−→
Portanto, AB = (x2 , y2 ) − (x1 , y1 ) = (x2 − x1 , y2 − y1 )
−→
Razão pela qual escrevemos AB = B − A.
Exemplo 5. Sejam os pontos A(2, 3) e B(4, 2) e C(1, 3). Determine D(x, y) de modo
−−→ −→
que CD = 31 AB.
Resolução: Primeiramente, determinemos os vetores
−−→
CD = D − C = (x, y) − (1, 3) = (x − 1, y − 3)
−→
AB = B − A = (4, 2) − (2, 3) = (2, −1).
Logo, (x − 1, y − 3) = 13 (2, −1) = 2

− 13 .

3
,
Da igualdade de vetores
2 1
x−1= e y−3=−
3 3
5
e y = 83 . Portanto, D 5 8

Das equações acima, obtemos x = 3
,
3 3
.
1.2.2 Vetores em R3
Todas as considerações feitas até aqui para vetores no R2 podem ser realizadas
no espaço tridimensional de forma análoga.
Basta considerarmos qualquer conjunto {→ −

v1 , →
−
v2 , →
−
v3 } de três vetores não
coplanares, tal conjunto forma uma base, ou seja, todo vetor →−v do espaço é combinação
linear de {→
−
v1 , →
−
v2 , →
−
v3 } então tal conjunto é (L.I) e gera o espaço tridimensional, assim
sempre existem α1 , α2 e α3 escalares reais tal que
→
−
v = α1 .→
−
v1 + α2 .→
−
v2 + α3 →
−
v3 .
→
− → − → − →
−
A base canônica em R3 é representado por { i , j , k }, onde i = (1, 0, 0),
→
− →
−
j = (0, 1, 0) e k = (0, 0, 1).
→
−
A reta com a direção do vetor i é o eixo dos x denominada abscissas, a reta
→
−
com a direção do vetor j é o eixo dos y denominada ordenadas, a reta com a direção
→
−
do vetor k é o eixo dos z denominada cotas.
9
Os três eixos são chamados eixos coordenados. Cada dupla de eixos deter-
mina um plano coordenado, ou seja, os plano xy, xz e o plano yz.
Espaço Tridimensional A cada ponto P do espaço vai corresponder uma terna (x, y, z)
z
de números reais, chamadas coordenadas de P , denominadas abs-
..
...
....
.
cissa, ordenada e cota respectivamente.
...
.....
.
...
O espaço tridimensional é subdividido em 8 partes. Definiremos
→
−N ..
k ....
...
como:
...
...
....
..
1o Octante são os pontos (x, y, z) tais que x ≥ 0, y ≥ 0 e z ≥ 0.
....
..
...
2o Octante são os pontos (x, y, z) tais que x ≤ 0, y ≥ 0 e z ≥ 0.
.. ................... x
.......
....... .... .....................
....................
....... .. .......
....
.................•
........
.............
.
.......
.......
.......
....... .......
. ..
..
...
..
..
..
.
...
..
..
.
...
..
...H
.
..
→
−
i 3o Octante são os pontos (x, y, z) tais que x ≤ 0, y ≤ 0 e z ≥ 0.
.... ...............
...
..
...
.......
.......
J ...... 4o Octante são os pontos (x, y, z) tais que x ≥ 0, y ≤ 0 e z ≥ 0.
....
− ............
→
.
...
..
j y
Faça z ≤ 0 nos casos acima do 1o para o 4o , para os demais.
→
− →
− →
−
Consideremos o vetor → −
v = x i + y j + z k , onde x, y e z são componentes
→
− → − → −
de →
−
v na base { i , j , k }. Então o vetor →
−
v é a diagonal de um paralelepı́pedo e sua
expressão analı́tica é dada por
→
−
v = (x, y, z)
Localização do Ponto As operações se estende de maneira análoga. Assim, se

z →
−v = (x1 , y1 , z1 ) e →
−
u = (x2 , y2 , z2 ) são vetores e α é um
...
...
...
.... número real, temos
...
..
...
....
→
−v +→ −
u = (x1 , y1 , z1 ) + (x2 , y2 , z2 )
.... ....
....
.. ....
....
→
−N .
.
....
.. (x,
.......................................................................................................................
y, z) = (x1 + x2 , y1 + y2 , z1 + z2 )
z k ... .
.... .
.. .... . .
......H
............... ..
.
..
→
−
α v = α(x1 , y1 , z1 ) = (αx1 , αy1 , αz1 )
.. ............... ..
.... .
(x1 , y1 , z1 ) = →
− v = →−
. . .. →
− →
− . →
−
→
−N . .→−.v... =.......x ..
i + y ...j +zk
k .. ..
.
.
.. .....
.
...
.
.
..........
.
........... x ..
..
u = (x2 , y2 , z2 ) se, e somente se
... .....
..
.
.....
. .... ..
...
...
...
... .... ....
.
.....
.
..
.
..
...........
.. .. .
.......... ..
.. x1 = x2 , y1 = y2 e z1 = z2 .
... ........ ............H→
. .. .−
.........
.
...
..
. ..
.
.................H ..
→
− x i .......... . ..
. .
. ..
........ ..
........
........ .. .........................
. i ............. .
........ ... ...................... . .. . ........ ...
.... ..
.....
...................................................................
...• .
..... ... ...........→ . . −
.
w
.
→−
........ = x i + y j + 0 k.......
.. ........
→
−........
. ....
........ ...→
− .........H
.... ..
.. .. .. .
.
.
.
. .. ... .
..
.. . Se A(x1 , y1 , z1 ) e B(x2 , y2 , z2 ) são dois pontos no espaço,
........ ... ..........
........
.
....
..
...........
.......
−J..................................
→
.
............
então
... j N..........
..
... − ...................
→ −−→
yj ........
........
.. y AB = B −A = (x2 , y2 , z2 )−(x1 , y1 , z1 ) = (x2 −x1 , y2 −y1 , z2 −z1 )
Exemplo 6. Sejam →
−
v1 = (x1 , y1 ), →
−
v2 = (x2 , y2 ) e →
−
v3 = (x3 , y3 ) vetores em R2 não
nulos. Mostre que:
i) →
−v1 = (x1 , y1 ) é (L.I).
ii) Se →
−v1 = (x1 , y1 ), → −
v2 = (x2 , y2 ) não colineares, então são é (L.I).
iii) →
−
v = (x , y ), → −
v = (x , y ) e → −
v = (x , y ) é (L.D).
1 1 1 2 2 2 3 3 3
Dê exemplos de vetores como acima.

Resolução:
10
→
−
i) Seja α1 um número real, devemos mostrar que se α1 →
−
v1 = α1 (x1 , y1 ) = 0 então
α1 = 0.
→
−
Note que (α1 x1 , α1 y1 ) = α1 (x1 , y1 ) = 0 então α1 x1 = 0 e α1 y1 = 0, contudo
x1 6= 0 ou y1 6= 0, por hipótese, logo devemos ter α1 = 0.
ii) Por hipótese →−
v1 e →
−v2 são não colineares, logo para todo número real β2 não nulo
implica que →−
v 6= β →
1
−
v . Suponhamos agora que
2 2
→
−
α1 →
−
v1 + α2 →
−
v2 = 0 .
α2 −
v1 = − →
Se α1 6= 0 então →
− v2 = β2 → −
v2 , o que é um absurdo, pela nossa
α1
→
−
hipótese, assim α1 = 0, donde α2 →
−
v2 = α1 →
−
v1 + α2 →
−
v2 = 0 . Como → −
v2 é não nulo, exata-
mente como no item i) devemos ter α2 = 0.
Portanto, qualquer conjunto de vetores não colineares em R2 e (L.I).

iii) Note que se →
−
v1 = (x1 , y1 ), →
−
v2 = (x2 , y2 ) são não colineares, como já vimos é (L.I).
Seja →−
v = (x , y ) um terceiro vetor e suponhamos que
3 3 3
→
−
α1 →
−
v1 + α2 →
−
v2 + α3 →
−
v3 = 0 . (?)
α2 − α1 −
Se α3 6= 0, então →
−v3 = − → v2 − → v1 para todo α3 6= 0 e, portanto, →
−v3 é
α3 α3
escrito como combinação linear dos demais vetores, pertencendo a diagonal principal do
paralelogramo determinado pelos vetores →−
v e→ −
v , existindo assim pelo menos um escalar
1 2
não nulo satisfazendo a definição.
Logo, existe pelo menos uma solução não trivial para satisfazer a equação (?).
Sejam →
−
v1 = (2, 1), →
−
v2 = (1, 3) e →
−
v3 = (7, 9). Cada vetor sozinho é (L.I),
cada dois vetores é (L.I) e os três vetores juntos é (L.D).
Exemplo 7. Sejam → −
v1 = (x1 , y1 , z1 ), →−
v2 = (x2 , y2 , z2 ), →
−
v3 = (x3 , y3 , z3 ) e
→
−
v4 = (x4 , y4 , z4 ) vetores em R3 não nulos. Então:
i) →
−
v = (x , y , z ) é (L.I).
1 1 1 1
ii) Se →
−
v1 = (x1 , y1 , z1 ), →
−
v2 = (x2 , y2 , z2 ) não colineares, então é (L.I).
11
iii) →
−
v1 = (x1 , y1 , z1 ), →
−
v2 = (x2 , y2 , z2 ) e →
−
v3 = (x3 , y3 , z3 ) não coplanares, então é
(L.I).
iv) →
−
v1 = (x1 , y1 , z1 ), →
−
v2 = (x2 , y2 , z2 ), →
−
v3 = (x3 , y3 , z3 ) e →
−
v4 = (x4 , y4 , z4 ) é (L.D).
Exemplo 8. Considere o triângulo ABC e os segmentos orientados AB, AC e CB.

Sejam D, E e F os pontos médios de CB, AB e AC respectivamente. Mostre que
−−→ 1 −→
i) F D = AB. O que você pode dizer dos demais segmentos paralelos.
2
−−→ −−→ −−→ −→ −→
ii) Determine BF , AD e CE em função de AB e AC.
Triângulo ABC Resolução:
−→ −→C
.•
−−→ −→
...........
i) Note que 2F C = AC e 2CD = AB. Somando membro
...
... .............
... .......
...
.
...
.
−→ −−→ −→ −→ .......
.......
.......
F..• .
.
a membro as igualdades, tem 2(F C + CD) = AC + AB,
...
.. .......
.......
......D
•..........
.
.
...
.
...
−−→ −→ −−→ 1 −→ .......
.......
.......
.......
.
...
...
.
...
ou seja, 2F D = AB, segue daı́ que F D = AB. .......
.......
.......
. 2
•.......................................................................................•
A
E
..
...............................................................................................•
.
B
−−→ −→ −→
ii) Primeiro faremos BF em função de AB e AC. Note que
−−→ −→ −→
BF = AF + BA.
−→ −→ −→ −→
Por outro lado, 2AF = AC e BA = −AB, substituindo na igualdade acima,
temos
−−→ 1 −→ −→
BF = AC − AB.
2
−−→ −→ −→
Agora AD em função de AB e AC. Note que
−−→ −−→ −→
AD = BD + AB e
−−→ −−→ −→ −→
2BD = BC = BA + AC.
Assim,
−−→ 1 −→ −→ −→ 1 −→ 1 −→
AD = (BA + AC) + AB = AC + AB.
2 2 2
−−→ 1 −→ −→
Finalmente, CE = AB − AC, essa afirmação fica a cargo do leitor.
2
12
Capı́tulo 2
Produto de Vetores
Até o momento pouco aprofundamos no estudo de vetores, contudo, outras

relações importantes serão a partir de agora estudadas.
2.1 Produto Escalar
Definição 2.1. Chama-se produto escalar (ou produto interno usual) de dois vetores
→
− →
− →
− →
− →
− →
− →
− →
−
u = x1 i + y1 j + z1 k e v = x2 i + y2 j + z2 k
e se representa por →
−
u .→
−
v e/ou h→
−
u, →
−
v i ao número real dado por
→
−
u .→
−
v = x1 .x2 + y1 .y2 + z1 .z2 = h→
−
u, →
−
vi
→
− →
− →
− − →
− − →
→ −
Exemplo 9. Sejam →−
u =2 i −4j +8k e → v = 3 i − 2 j + k . Calcule →
−
u .→
−
v.
Resolução: →
−
u .→
−
v = x1 .x2 + y1 .y2 + z1 .z2 = 2.3 + (−4).(−2) + 8.1 = 22
Exemplo 10. Sejam os vetores → −

u = (3, α, −2) e → −
v = (α, 4, 3) e os pontos
−→
A(3, −1, 2) e B(2, 4, −1). Determine o valor de α tal que →
−
u .(→
−
v + BA) = 7.
−→
Resolução: Determinemos o vetor BA = A−B = (3, −1, 2)−(2, 4, −1) = (1, −5, 3).
Assim,
−→
7 = →
−
u .(→
−
v + BA) = (3, α, −2).((α, 4, 3) + (1, −5, 3))
= (3, α, −2).(α + 1, −1, 6) = 3.α + 3 − α − 12 = 2.α − 9
e, portanto, 7 = 2.α − 9 se, e somente se α = 8
13
→
− →
− →
−
Definição 2.2. O módulo de um vetor → −
v = x i + y j + z k = (x, y, z), representado
por k→
−
v k é o número real não negativo
√
k→
−
vk= → −v .→
− p p
v = (x, y, z).(x, y, z) = x2 + y 2 + z 2
Módulo em R3 Para compreender melhor a definição acima, consideremos

→
− →
− − →
− − →
− →
−
u1 = x i e → v1 = y j e → s1 = →−
u1 + →−
z
...
...
v1 = x i + y j . Tais
...
....
.. vetores formam um triângulo retângulo no plano xy. Do
...
... .... →
− →
−
....
..
....
....
....
....
teorema de Pitágoras e do fato que temos k i k = k j k = 1,
. ....
.
→−N
z k ...
...................................................................................................................(x,
.
.
......H
............. ..
...
y, z)
temos
k→
−s1 k2 = k→
−
u1 k2 + k→
−
.... . .
............
.
v1 k2 = x2 + y 2
. . ..
... . . .
.. ....... . ..
... ... = . . .→
. − →
− .. →
−
→
−N .
.. .→−.v ......
..... x i + y ..j
. +zk
k .. .
. ....
→ = z→ −
..
..... x ..
Seja ainda, − k que forma com → −

.. .. .
... .
..
...... ... .......... ..
..
...... ........
..
.... ...........
..... ...............
.
.............
. ..
.. w 1 s1 um triângulo
retângulo no espaço, considerando v = s + −
→
− →
− →. Temos
... ...
... ....... ...........H→
. −
........
.
..
........
........
.
.
.
.
. .
...
.
. ...
.
..... ...........H
................ →
−... x i ..........
i
..
..........
.... .
..
.. 1 1 w
........ .... .............................. ........
............ ...
.
..................................................................... . .
.
...........•
. . ............→
.
.
.
.− →− ..........
→
−.
. ..
......... ...... .....→
−
.........................H
.. .. .
. .. .
k→
−
v k2 = k→
−
s1 k2 + k−
→k2 = x2 + y 2 + z 2
.
....... .
. .w
........ = x i + y j + 0 k.........
...... . .............. . ...
... ........
....
..
w 1
...........
→ J ........
.
− ...................... ...
. ..
.........
...
j N..........
.. − ...................
→
yj ........
k→
− p ........
.. y
ou, equivalentemente v k = x2 + y 2 + z 2 .
Exemplo 11. Calcule o módulo de → −
v = (3, 2, −1).
√ √
Resolução: k→
− p p
v k = x2 + y 2 + z 2 = 32 + 22 + (−1)2 = 9 + 4 + 1 = 14
−→
O módulo de um vetor AB é o comprimento do segmento AB, entre os pontos
A e B tal comprimento determina uma distância, assim podemos definir.
Definição 2.3. A distância entre os pontos A(x1 , y1 , z1 ) e B(x2 , y2 , z2 ) é definida

como
−→
d = kABk = kB − Ak = k(x2 − x1 , y2 − y1 , z2 − z1 )k
e, portanto
p
d= (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2
√
Exemplo 12. Sabendo que a distância entre os pontos A(1, 4, 2) e B(2, 6, m) é 30.
Determine m.
−→
Resolução: AB = (2, 6, m) − (1, 4, 2) = (1, 2, m − 2). Assim,
√ −→ p √
30 = d = kABk = 1 + 4 + (m − 2)2 = m2 − 4m + 9
Logo,
√
( 30)2 = m2 − 4m + 9 ou, equivalentemente m2 − 4m − 21 = 0
14
4 ± 10
Por Baskára temos m = , portanto m1 = 7 ou m2 = −3. Segue dai
2
que B(2, 6, 7) ou B(2, 6, −3)
Sejam →
−
v e→
−
u dois vetores, então se as retas suportes de →
−
v e→
−
u são paralelas,
então os vetores são paralelos, em outras palavras tais vetores são colineares. Portanto,
existe k um número real tal que
→
−
v = k→
−
u,
ou seja, →
−
v = (x1 , y1 , z1 ) = k(x2 , y2 , z2 ) = k →
−
u.
Da igualdade de vetores, temos
x1 = kx2 , y1 = ky2 e z1 = kz2 .
Logo, uma condição de paralelismo entre dois vetores →

−
v e→
−
u é
x1 y1 z1
k= = =
x2 y2 z2
Exemplo 13. Diga se os vetores →

−
v = (−4, 6, −8) e →
−
u = (−20, 30, −40) são paralelos.
Resolução:
1 1−
v = (−4, 6, −8) = (−20, 30, −40) = →
Sim, pois →
− u
5 5
Exemplo 14. Determine os valores de m e n para que sejam paralelos os vetores →

−
v =
(m + 2, 4, 2) e →
−
u = (7, 5, 2n + 2).
Resolução: Pela condição de paralelismo devemos ter
m+2 4 2
= = .
7 5 2n + 2
18
Logo, 5m + 10 = 28 e 8n + 8 = 10. Resolvendo as equações m =
5
2 1
en= = .
8 4
Exemplo 15. Dê as expressões das coordenadas do ponto médio do segmento de reta de
extremidade A(x1 , y1 , z1 ) e B(x2 , y2 , z2 ).
15
−−→ −−→
Resolução: O ponto médio M é tal que AM = M B. Seja M (x, y, z) o ponto médio a
ser encontrado. Então
−−→ −−→
(x − x1 , y − y1 , z − z1 ) = AM = M B = (x2 − x, y2 − y, z2 − z)
Da igualdade de vetores, obtemos
x2 + x1 y2 + y1 z2 + z1
x= , y= e z=
2 2 2
As propriedades do produto escalar será enunciada a seguir como uma proposição,

a qual é facilmente demonstrável, sendo um bom exercı́cio
Proposição 2.4. Para quaisquer que sejam os vetores →

−
u = (x1 , y1 , z1 ) →
−
v = (x2 , y2 , z2 )
e→
−
w = (x , y , z ) e m ∈ R. Temos
3 3 3
→
−
i) →
−u .→
−u ≥0 e →
−
u .→
−
u = 0 se, e só se →
−
u = 0 = (0, 0, 0) (Positividade).
ii) →
−u .→
−v =→
−
v .→
−
u (comutativa)
iii) →
−
u .(→
−v +→ −
w) = →
−
u .→
−v +→
−
u .→
−
w (distributiva)
iv) (m.→−u ).→
−
v = m.(→
−u .→
−v)=→
−u .(m.→
−
v)
v) →
−
u .→
−
u = k→
−
u k2 .
Exercı́cio 1. Sejam →
−
u = (1, 2, 3) →
−
v = (−1, 2, −1) e →
−
w = (2, −1, 1) e m = 2.
Calcule
a)→
−
u .→
−
u b) →
−
u .→
−
v =→
−
v .→
−
u c) →
−
u .(→
−
v +→
−
w) = →
−
u .→
−
v +→
−
u .→
−
w d) (m.→
−
u ).→
−
v = m.(→
−
u .→
−
v)
Respostas: a) 14 b) 0 c) 3 d) 0
Exemplo 16. Mostre que

a) k→
−
u +→
−
v k2 = k→
−
u k2 + k→
−
v k2 + 2.→
−
u .→
−
v
b) k→
−
u −→
−
v k2 = k→
−
u k2 + k→
−
v k2 − 2.→
−
u .→
−
v
Resolução: Vamos mostrar o item b) o a) é análogo.
Seja →
−
w =→
−
v −→
−
u , então k→
−
v −→
−
u k2 = k→
−
w k2 = →
−
w .→
−
w = (→
−
v −→
−
u )(→
−
v −→
−
u ).
Ainda, usando a distributiva, comutativa e a propriedade v) temos
(→
−
v −→
−
u )(→
−
v −→
−
u)=→
−
v .(→
−
v −→
−
u)−→
−
u .(→
−
v −→
−
u ) = k→
−
v k2 + k→
−
u k2 − 2→
−
u .→
−
v.
16
Portanto, k→
−
u −→
−
v k2 = k→
−
u k2 + k→
−
v k2 − 2.→
−
u .→
−
v
2.1.1 Ângulo entre dois Vetores

−→ − −→
Sejam →
−
u e→
−
v vetores não nulos tais que →
−
u = OP e →
v = OQ, onde O é a
origem, P e Q são pontos no espaço. Esses vetores tem um ângulo θ entre eles.
Se o espaço for unidimensional, então os vetores →

−
u e→
−
v são necessariamente
paralelos e, somente duas possibilidades podem ocorrer.
a) Os vetores →−
u e→−
v tem o mesmo sentido e, neste caso o ângulo entre eles é zero.
b) Os vetores →−u e→−
v tem sentido contrários e, neste caso o ângulo entre eles é π ou,
equivalentemente 180o .
Se o espaço for bidimensional ou tridimensional o menor ângulo formado pe-

los vetores →
−u e→−v pode variar de 0 (zero) à π (180 graus), ou seja, 0 ≤ θ ≤ π.
Ângulo entre Vetores
→
− − →
−
→
− u.. P
......H
Proposição 2.5. Seja →− 6 0, →
u = 6 0 e θ o ângulo entre os
v =
vetores →
−
u e→−
.........
.........
........
..
.............. v . Então
.........
.........
.........
................
.
.......
O•................. ...... θ
.........
.
........
→
−
u .→
−
v = k→
−
u k.k→
−
v k cos(θ)
........
........
........
........
........
........
........
........
........
........ → −
......v
De fato, pela Lei dos co-senos ao triângulo OP Q temos
.N
..
Q
k→
−
u −→
−
v k2 = k→
−
u k2 + k→
−
v k2 − 2k→
−
u kk→
−
v k cos(θ)
Por outro lado, já vimos que
k→
−
u −→
−
v k2 = k→
−
u k2 + k→
−
v k2 − 2→
−
u→−
v.
Logo,
k→
−
u k2 + k→
−
v k2 − 2→
−
u→−
v = k→
−
u k2 + k→
−
v k2 − 2k→
−
u kk→
−
v k cos(θ),
ou seja,
→
−
u .→
−
v = k→
−
u k.k→
−
v k cos(θ)
Observações:
a) Se →
−
u .→
−
v > 0, então cos(θ) > 0, neste caso 0 ≤ θ < 90o , ou seja, um ângulo agudo.
17
b) Se →
−
u .→
−
v < 0, então cos(θ) < 0, neste caso 90o < θ ≤ 180o , ou seja, um ângulo obtuso
ou raso.
c) Se →
−
u .→
−
v = 0, então cos(θ) = 0, neste caso θ = 90o , ou seja, um ângulo reto.
d) Segue que
→
−u .→
−v
cos(θ) = → .
k u k.k→
− −vk
Definição 2.6. Dois vetores → −u e→ −v não nulos são ortogonais se, e somente se o produto
escalar entre eles é nulo, isto é, se →
−
u .→
−
v =0
Exemplo 17. Calcule o ângulo entre os vetores.

a) →
−
u = (2, 1, 3) e →
−
v = (−1, 3, 2) b) → −
u = (2, 3, −2) e →
−
v = (−1, 2, 2).
Resoução: Usando o item d) da observação acima, temos
(2, 1, 3).(−1, 3, 2) −2 + 3 + 6 7 1
cos(θ) = = √ √ = = .
k(2, 1, 3)k.k(−1, 3, 2)k 14 14 14 2
π
Portanto, θ = ou, equivalentemente 60 graus.
3
b)
(2, 3, −2).(−1, 2, 2) −2 + 6 − 4
cos(θ) = = √ √ = 0.
k(2, 3, −2)k.k(−1, 2, 2)k 17 9
π
Portanto, θ = e os vetores são ortogonais.
2
Exemplo 18. Determine um vetor ortogonal aos vetores →
−
u = (2, −1, 2) e →
−
v =
(1, 0, −1).
Resolução: Seja →
−
w = (x, y, z) o vetor a ser encontrado. Queremos que
→
−
w .→
−
u =0 e →
−
w .→
−
v = 0.
Assim,
0 = (x, y, z).(2, −1, 2) = 2x − y + 2z e 0 = (x, y, z).(1, 0, −1) = x − z
Das equações acima, temos x = z e y = 3x + z, ou seja, y = 4z.
Portanto, os vetores ortogonais a →

−
u e→
−
v são da forma
→
−
w = (z, 4z, z) = z(1, 4, 1).
18
Note que os vetores →
−
w, →
−
u e→
−
v são ortogonais entre si, ou seja, dois a dois
ortogonais, ou seja, são não coplanares.
2.1.2 Projeção de Vetores
Sejam →−u e→−v vetores não nulos e θ o ângulo formado entre eles. Queremos
calcular um vetor →
−w que represente a projeção de →
−u sobre →−v , ou seja, determinar uma
constante real λ tal que →
−w = λ.→
−v.
Projeção de um Vetor
→
−
Podemos ter duas situações, θ um ângulo agudo ou
u
......
..
..H
......
→
−u
.....
obtuso.
...... H ....
...... .....
.
......
......
.
...
....... .....
.....
.....
.....
Do triângulo retângulo temos
...... ..... .......................θ
...... ..... ....... .....
............
. ...... ...
k→
−
..
.. ..... ...
...... ..... θ ..... ...
•.... ..•
I I J . I
wk
k→
−
w k = k→
−
O →
−
v →
−
w →
−
w O →
−
v
| cos(θ)| = →
− então v k.| cos(θ)|.
kvk
Contudo, →
−
v e→
−
w têm a mesma direção, ou seja, são paralelos, donde →
−
w = λ.→
−
v
para algum λ real. Então
k→
−
w k = kλ.→
−
v k = |λ|.k→
−
v k,
ou seja,
1 1 k→
−u .→
−
vk 1 k→−
u .→
−
vk
|λ| = k→
−
w k. →
− = k→
−u k.| cos(θ)|. →
− = k→−
u k. →
− →
− . →
− = .
kvk kvk k u k.k v k k v k k v k.k→
→
− −
vk
Logo,
→−u .→
− →
−
u .→
−

v v →
−
então →
− 2
→
−
.v = → − →
− .→
−v w = λ.→
−
v →
−
w =
kvk v.v
Exemplo 19. Determine o vetor projeção de →
−
u sobre → −
v.
a) →
−
u = (4, 3, 2) e →
−
v = (0, 1, −1) b)→
−u = (−1, 2, 1) e →
−
v = (3, −2, 2)
c)→
−
u = (1, 2, −1) e →
−v = (−1, 2, 1)
Resolução:
→ −u .→
−
v

(4, 3, 2).(0, 1, −1)

→
−
a) w = .→−
v = .(0, 1, −1) = 0, 1
, − 1

→
−
k v k2 k(0, 1, −1)k2 2 2
→
−u .→
−
v (−1, 2, 1).(3, −2, 2)
b) →
− →
− .(3, −2, 2) = − 15 10
− 10

w = .v = , ,
k→
−v k2 k(3, −2, 2)k2 9 9 9
→
−u .→
−
v (1, 2, −1).(−1, 2, 1)
c) →
− →− 1 2 1

w = →
− . v = .(−1, 2, 1) = − 3
, 3
, 3
k v k2 k(−1, 2, 1)k2
19
→
− → − → −
Exemplo 20. Seja →−
u = (x, y, z) e os vetores i , j e k . Calcule o vetor projeção de
→
−
u sobre cada um dos vetores canônicos.
Resolução: Fica a cargo!do leitor efetuar os calculos.
→
− →
− →
− →
− !
→
− →
− u. i →
− →
− −
→ = proj− →
− u.j →
− →
−
wi = proj−
→. u =
i − 2 .i =xi,
→ w j →. u =
j →
− .j =yj e
kik k j k2
→
− →
−!
−
→ →
− u.k →
− →
−
wk = proj−→. u =
k − 2 .k =zk
→
kkk
→
− →
− →
− →
− → − → −
Se →
−u = 2 i + 5 j + 3 k , então a projeção sobre i , j e k são os vetores
→
− → − →
−
2 i , 5 j e 3 k respectivamente.
2.1.3 Ângulos Diretores e Co-senos Diretores de um Vetor

→
− →
− →
−
Seja o vetor →
−
v =x i +y j +zk.
Os ângulos diretores de →
−
v são os ângulos α, β e γ que →−v forma com os
→
− → − → −
vetores i , j e k respectivamente. Os co-senos diretores de →
−v são os co-senos de seus
ângulos diretores, isto é, cos(α), cos(β) e cos(γ) dados por:
→
− →
−
v.i (x, y, z).(1, 0, 0) x
cos(α) = →
− − = p 2
→ =p
2
x + y + z .12 x + y2 + z2
2
k v kk i k
→
− →
−
v.j (x, y, z).(0, 1, 0) y
cos(β) = → →
− = =
k−
p p
v kk j k x2 + y 2 + z 2 .1 x2 + y 2 + z 2
→
− →
−
v.k (x, y, z).(0, 0, 1) z
cos(γ) = − = p 2
→ =p
→
−
k v kk k k 2
x + y + z .12 x + y2 + z2
2
Note que se o vetor →

−v = (x, y, z) tiver uma de suas componentes nula, ou
seja, se x = 0, ou y = 0 ou z = 0, então o vetor →
−
v é ortogonal ao eixo correspondente.
Exemplo 21. Calcule os co-senos diretores e os ângulos diretores do vetor →

−
v = 2, − 23 , 1 .

7
Resolução: Primeiramente, k→
−
v k = 2, − 23 , 1 = (Verifique!).
3
Logo,
x 2 6
cos(α) = p = 7 = ≈ 0, 8571 e α ≈ 31o ∼
= 0.54109 rad
2 2
x +y +z 2
3
7
20
y −2 2
cos(β) = p = 7 3 = − ≈ −0, 28571 e β ≈ 107o ∼
= 1.866 rad
x2 + y 2 + z 2 3
7
z 1 3
cos(γ) = p = 7 = ≈ 0, 428571 e γ ≈ 65o ∼
= 1.134 rad
x2 + y 2 + z 2 3
7
Propriedades:
a) Seja →
−
v = (x, y, z). O versor de →
−v é o vetor unitário →
−
u dado por
→
−v (x, y, z)

x y z

→
−u = → = = , − , → = (cos(α), cos(β), cos(γ)).
k−vk k→
−vk k→
−v k k→ v k k− vk
b) Como o versor tem módulo 1, segue que, 1 = k→

−
u k = k(cos(α), cos(β), cos(γ))k.
Logo,
cos2 (α) + cos2 (β) + cos2 (γ) = 1.
− →
→ −
Exemplo 22. Um vetor → −
v forma com os vetores j e k ângulos de 120o e 60o respec-
tivamente. Determine →
−
v sabendo que k→
−
vk=4.
Resolução: Seja →
−
v = (x, y, z). Então
1 y y
− = cos(120o ) = cos(β) = p = então y = −2
2 x2 + y 2 + z 2 4
1 z z
= cos(60o ) = cos(γ) = p = então z = 2.
2 x2 + y 2 + z 2 4
Por outro lado,

√
4 = k→
− p p
v k = x2 + y 2 + z 2 = x2 + (−2)2 + 22 = x2 + 8.
√ √ √
Portanto, x = ±2 2 e →
−
v = (2 2, −2, 2) ou →
−
v = (−2 2, −2, 2).
Tudo que foi feito até aqui para vetores em R3 pode ser feito para vetores em
R2 , bastando para isso não considerar a cota z. Essas considerações ficam a cargo do
leitor.
2.2 Produto Vetorial

→
− →
− →
− − →
− →
− →
−
Dados os vetores →
−
u = x1 i + y1 j + z1 k e →
v = x2 i + y2 j + z2 k .
21
Definição 2.7. Chama-se produto vetorial dos vetores →
−
u e→
−
v , e se representa por →
−
u ×→
−
v
ao vetor
→
− →
− →
− →
−
u ×→
−
v = (y1 z2 − z1 y2 ) i − (x1 z2 − z1 x2 ) j + (x1 y2 − y1 x2 ) k
Da definição acima, podemos ver o vetor dado pelo produto vetorial na forma
de determinante de segunda ordem

x1 y1 →
−
→
− →
− y z →− x1 z1 →
−
u × v = 1 1 i −
x2 z2 j + x2 y2 k

y2 z2
Ou como um determinante de terceira ordem

→
−i → − → −
j k
→
−
u ×→−
v = x1 y1 z1
x y z
2 2 2
Muita vezes usamos a notação →

−
u ∧→
−
v para indicar o produto vetorial e lê-se
→
−
u vetorial →
−
v
Exemplo 23. Determine o produto vetorial →

−
u por →
−
v e→
−
v por →
−
u , onde
→
− →
− →
− →
− →
− →
− → − →
−
u =3 i +4j −2k e v =− i + j +3k.
Resolução: Usaremos o determinante de terceira ordem.

→
−i →− → −
j k →
− →
− →
− →
− →
− →
− →
− →
− →
−
→
− →
−
u × v = 3 4 −2 = 12 i + 2 j + 3 k − (−2 i + 9 j − 4 k ) = 14 i − 7 j + 7 k

−1 1 3
e
→ − →
−i → −
j k
→
− →
− →
−
→
−
v ∧→
− = −2→
− →
− →
− →
− →
− →
−

u = −1 1 3 i + 9 j − 4 k − (12 i + 2 j + 3 k ) = −14 i + 7 j − 7 k
3 4 −2
Podemos observar do exemplo acima que →

−
u ×→
−
v 6= →
−
v ×→
−
u , ou seja, não vale
a propriedade comutativa.
Note ainda que →

−
u ×→
−
v = (14, −7, 7) = −(−14, 7, −7) = −→
−
v ×→
−
u
22
Proposição 2.8. As seguintes propriedades do produto vetorial são verificadas
i) →
−
u ∧→
−
u = 0 para todo vetor → −
u
ii) →
−u ∧→−v = −→ −
v ∧→−u para todo vetor →−
u e→ −
v
iii) →
−u ∧ (→−
v +→ −w) = →
−u ∧→ −
v +→ −u ∧→−
w para todo vetor →
−
u, →
−v e→
−w
iv) (m→ −
u)∧→ −v = m(→ −
u ∧→ −
v ) para todo vetor →
−
u, →
−v e m uma constante real.
v) →−
u ∧→ −v = 0 se, e somente se um do vetores é nulo ou se →
−u e→
−v são colineares
vi) →−
u ∧→ −v é ortogonal simultâneamente aos vetores →
−
u e→−
v.
Demonstração: Vamos mostrar a propriedade vi). Sejam →

−
u = (x1 , y1 , z1 ) e
→
−
v = (x , y , z )
2 2 2

→
− →
− →
− y1 z1 x1 z1 x1 y1
u .( u × v ) = (x1 , y1 , z1 )
, −
,
y2 z2 x2 z2 x2 y2

y1 z1 x1 z1 x1 y 1
= x − y + z
y2 z2 1 x2 z2 1 x2 y2 1

= x1 y1 z2 − x1 z1 y2 − y1 x1 z2 + y1 z1 x2 + z1 x1 y2 − z1 y1 x2 = 0
De modo análogo para →

−
v .(→
−
u ×→
−
v ).
Para as demais propriedades, aplicar as propriedades de determinantes . 2
Exemplo 24. Determine um vetor →−w que seja ortogonal simultaneamente aos vetores
→
−
u e→
−v dados por →
−
u = (2, −1, 3) e →
−
v = (1, −1, −1).
Resolução: Basta tomarmos →
−
w =→ −
u ∧→
−
v ou →
−
w =→−
v ∧→−
u.
→ − →
−i → −
j k →
− − →
→ −
→
−w =→−
u ∧→−
v = 2 −1 3 = 4 i + 5 j − k
1 −1 −1
Exemplo 25. Mostre que as seguintes afirmações são verdadeiras.

a) k→
−
u ∧→
−
v k2 = k→
−
u k2 k→
−
v k2 − (→
−
u .→
−
v )2 .
b) Se →
− 6 0e→
u = − 6 0 e se θ é o ângulo entre os vetores →
v = −
u e→
−
v então
k→
−
u ∧→
−
v k = k→
−
u kk→
−
u ksen(θ)
23
c) O produto vetorial não é associativo, ou seja, →
−
u ∧ (→
−
v ∧→
−
w ) 6= (→
−
u ∧→
−
v)∧→
−
w.
Resolução: O item a) será dado a idéia a conclusão fica como exercı́cio.
Seja →
−
u = (x1 , y1 , z1 ) e →
−
v = (x2 , y2 , z2 ). Então
→
− →
− →
−
k→
−
u ∧→
−
v k2 = k(y1 z2 − z1 y2 ) i − (x1 z2 − z1 x2 ) j + (x1 y2 − y1 x2 ) k k2
(?)
2 2 2
= (y1 z2 − z1 y2 ) + (x1 z2 − z1 x2 ) + (x1 y2 − y1 x2 )
Por outro lado,
k→
−
u k2 k→
−
v k2 = (x21 + y12 + z12 ).(x22 + y22 + z22 ) e (→
−
u .→
−
v )2 = (x1 x2 + y1 y2 + z1 z2 )2 .
Dessas duas últimas igualdades, efetuando as operações
(x21 + y12 + z12 ).(x22 + y22 + z22 ) − (x1 x2 + y1 y2 + z1 z2 )2
conclui-se a igualdade (?).

b) Pelo item a) temos
k→
−
u ∧→
−
v k2 = k→
−
u k2 k→
−
v k2 − (→
−
u .→
−
v )2 = k→
−
u k2 k→
−
v k2 − k→
−
u k2 k→
−
v k2 cos2 (θ)
= k→
−
u k2 k→
−
v k2 (1 − cos2 (θ)) = k→
−
u k2 k→
−
v k2 sen2 (θ).
Como 0 ≤ θ ≤ π temos que sen(θ) ≥ 0 e, portanto, k→ −

u ∧→−
v k = k→
−
u kk→
−
u ksen(θ).
c) Se a igualdade fosse verdadeira deveria ocorrer para todos os vetores →
−
u, →
−
v e→−
w . Con-
sidere →
−
u = (1, 0, 1), →
−
v = (1, 1, 0) e →
−
w = (0, 1, 1) e faça o produto vetorial para
verificar que
→
−
u ∧ (→
−
v ∧→
−
w ) = (−1, 0, −1) 6= (0, 1, −1) = (→
−
u ∧→
−
v)∧→
−
w.
Paralelogramo ABCD Geometricamente, o módulo do produto vetorial dos vetores

C
.•
.
D
..•
.
→
− →
−
u e v mede a área do paralelogramo ABCD determinado pelos
...... ....
..... ....
−→ − −→
vetores →−
u = AB e →
→
− ..... ....
v.......... .
....
..
......
.....
... h ....
....
....
v = AC. Observe o paralelogramo ao lado,
.
...... ......... .....
.
.
....
•...
. ... θ
.
.
....
•... então
ÁreaABCD = k→
− h = k→
−
A →
−
u B
u kh, mas v ksen(θ).
Logo, a área do paralelogramo é
ÁreaABCD = k→
−
u kk→
−
v ksen(θ) = k→
−
u ∧→
−
v k.
24
Exemplo 26. Calcule a área do triângulo de vértices A(−2, 1, 1), B(2, 4, 3) e
C(−1, 4, 2).
−→ −→
Resolução: Calculamos a área do paralelogramo determinado pelo vetores AB e AC,
tomando a metade da área calculada temos a área do triângulo. Assim,
1 −→ −→ 1
A∆ = kAB ∧ ACk = k(4, 3, 2) ∧ (1, 3, 1)k
2 2
→ − →
−i → −
1 j k
1p 1√
= = (−3) 2 + (−2)2 + 92 = 94
4 3 2
2 1 3 1 2
2
Exemplo 27. Sejam os pontos A(2, 4, −1), B(−1, 0, −1) e C(6, 1, 4).
a) Mostre que o triângulo ABC é retângulo em A.
b) Calcule a medida da projeção do cateto AB sobre a hipotenusa BC.
c) Determinar o pé da altura do triângulo relativa ao vértice A.
−→ −→
Resolução: a) Devemos mostrar que os vetores AB e AC são ortogonais. De fato,
−→ −→
AB.AC = (−3, −4, 0).(4, −3, 5) = −12 + 12 + 0 = 0.
Isso mostra que os vetores são ortogonais.

−→ −−→
b) Calcular a projeção do vetor BA sobre BC. Onde
−→ −−→
BA = (3, 4, 0) = →
−
u e BC = (7, 1, 5) = →
−
v.
Logo,

→
− (3, 4, 0).(7, 1, 5) 25 1
proj−
v u =
→ .(7, 1, 5) = (7, 1, 5) = (7, 1, 5).
(7, 1, 5).(7, 1, 5) 75 3
5√

→
− 1
Ainda, proj−→v u = (7, 1, 5) =
3.
3 3
c) Seja D(x, y, z) o pé da altura ao vértice A. Pelo item b)
−−→ →
− 1
BD = proj−
v u = (7, 1, 5).
→
3
−−→
Por outro lado, BD = (x, y, z) − (−1, 0, −1) = (x + 1, y, z + 1).
25
Da igualdade de vetores, temos
7 1 5
x+1= , y= e z+1= .
3 3 3
4 1 2

Portanto, D(x, y, z) = , ,
3 3 3
.
Exemplo 28. Dados os vetores →

−
u, →
−
v e→
−
w não nulos tais que →
−
u ∧→
−
v =→
−
u ∧→
−
w.
Então será verdade que →

−
v =→
−
w.
Resolução: Em geral a igualdade não é verificada.
Se →
−
u ∧→
−
v =→
−
u ∧→
−
w se, e somente se →
−
u ∧ (→
−
v −→
−
w ) = 0. Logo, →
−
u e→
−
v −→
−
w
são vetores colineares e, portanto, existe uma constantes real λ tal que
→
−
u = λ(→
−
v −→
−
w ).
Assim, a igualdade →
−
v =→
−
w pode não ocorrer.
Considere →
−
u = (3, 0, 0), →
−
v = (2, 0, 0) e →
−
w = (1, 0, 0).
Note que os pares {→ −

u, →
−v } e {→
−
u, →
−
w } são L.D e, assim →
−
u ∧→
−
v =0=→
−
u ∧→
−
w,
mas →
−
v = (2, 0, 0) 6= (1, 0, 0) = →
−
w.
Considere →
−
u = (1, 1, 1), →
−
v = (1, 0, 1) e →
−
w = (0, −1, 0).
Note que os pares {→−u, →

−
v } e {→
−
u, →
−
w } são L.I e, →
−
u ∧→
−
v = →
−
u ∧→
−
w , mas
→
−
v = (1, 0, 1) 6= (0, −1, 0) = →
−
w.
2.3 Produto Misto

→
− →
− →
− − →
− →
− →
−
Dados os vetores →
−
u = x1 i + y1 j + z1 k , →
v = x2 i + y2 j + z2 k e
→
− →
− →
− →
−
w = x3 i + y3 j + z3 k .
Definição 2.9. Chama-se produto misto dos vetores →

−
u, →
−
v e→
−
w o número real dado por
→
−
u .(→
−
v ∧→
−
w ).
Indica-se o produto misto por (→

−
u, →
−
v, →
−
w ).
26
Como,
→
− →− →−
i j k y z → −

x2 z2 →
−

x2 y2 →
−
→
− →
−
v ∧ w = 2 2
x2 y2 z2 = y z i − x z j + x y k
3 3 3 3 3 3
x3 y3 z3
Fazendo o produto escalar por →−

u , vem

→
− →
− →
− y2 z2 x2 z2 x2 y 2
u .( v ∧ w ) = x − y + z .
y3 z3 1 x3 z3 1 x3 y3 1
Donde podemos escrever

x1 y1 z1
(→
−
u, →
−
v, →
−
w ) = x2 y2 z2 .
x3 y3 z3
Exemplo 29. Calcule o produto misto entre os vetores
→
− →
− − →
→ − − →
− →
− →
− →
− − →
→ −
u =2 i +4j + k, →
v =− i +2j +3k e →
−
w = −3 i + 2 j − k .
Resolução: Calcuando o determinante

2 4 1
→
− →
− →
−
( u , v , w ) = −1 2

3 = −4 − 36 − 2 + 6 − 12 − 4 = −52
−3 2 −1
Proposição 2.10. Sejam → − u, →
−
v e→
−
w vetores. Então
i) (→
−
u, →
−
v, →
−
w ) = 0 se, e somente se, um deles é nulo, dois deles são colineares ou os
três são coplanares.
ii) O produto misto independe da ordem circular dos vetores, ou seja,
(→
−
u, →
−
v, →
−
w ) = (→
−
v, →
−
w, →
−
u ) = (→
−
w, →
−
u, →
−
v)
Ordem Circular
.............................................. ...........
No entanto, o produto misto muda de sinal quando se trocam as
.... ...
→
− .................................................. ............
...
.........
v.....•
..
....... .....
.. ..
..... ....
posições de dois vetores consecutivos, isto é,
..... .... ....
... ... ..
... ... ...
.. ... ...
(→
−
u, →
−
v, →
−
w ) = −(→
−
v, →
−
u, →
−
. ... ....
.... ... ..
...
....
... •
...
.
...→
−
w)
... .... u
.
... .
.
... .
..
(→
− →
− →
−
w ) = −(→
− →
− →
−
... .
.... ..
...
.....
.....
........
• ........... .
.
.....
........
..... u, v, u, w, v)
→
− ............................
. ..
..
..
..
.
w
(→
−
u, →
−
v, →
−
w ) = −(→
−
w, →
−
v, →
−
u ).
Consequência da propriedade de determinantes pela permutação linhas.
iii) (→
−
u, →
−v, →
−
w +→ −r ) = (→−
u, →
−v, →
−
w ) + (→
−
u, →
−v, →
−r)
iv) (→−
u, →
−
v , m→
−w ) = (→−
u , m→−
v, →
−w ) = (m→
−u, →
−
v, →−
w ) = m(→
−u, →−
v, →−
w ).
Onde m é uma constante real arbitrária.
27
Exemplo 30. Verifique se os vetores são coplanares
a) →
−
u = (2, −1, 1), →
−
v = (1, 1, −1) e →
−w = (1, −2, 1).
b) →
−
u = (−1, −1, −3), → −v = (−1, 0, −2) e → −w = (−3, −1, −7).
Resolução: Vamos →
− → − → −
verificar se ( u , v , w ) = 0.
2 −1 1
→
− →
− →
−
a) ( u , v , w ) = 1
1 −1 = 2 + 1 − 2 − 1 − 4 + 1 = −3.
1 −2 1
Logo, os vetores não são
coplanares.
−1 −1 −3
b) (→
−
u, →
−
v, →
−
w ) = −1 0 −2 = 0 − 6 − 3 − 0 + 2 + 7 = 0.
−3 −1 −7
Como cada um dos vetores é não nulo e também não são dois a dois colineares,
devem ser coplanares.
Vamos fazer uma interpretação geométrica do módulo do produto misto. O

produto misto →
−
u .(→
−
v ∧→ −
w ) é igual, em módulo ao volume do paralelepı́pedo de arestas
−−→ − −→ − −→
determinadas pelos vetores →
−
u = AD, → v = AB e → w = AC.
Interpretação geométrica Lembre-se que o volume do paralelepı́pedo é
→
−
v ∧. → −
w
N ...............
.
...
.... D.................
..............
.........
......... ... ......................
...
..
...........
...........
V = (área da base) × (altura) = Ab × h.
...............• .. .......
.. .→ .
.− ............
............ .... ........... ...
... ...u ........ ...
.................. ...
.. ... ..
Já vimos que Ab = k→ −v ∧→ −

... ... ... .............. ...
... ... ... ...
h ..... θ.....
... ... ...
.... ....
..
... ...
....
w k, e sendo θ o ângulo entre os
.. ...
vetores u e v ∧ w , com →
→
− →
− →
− −v ∧→ −
.. .. ..
... ...
... ... →
−
... ..
.. ..
.. ...
...
..
..
w perpendicular a base, a
........ .
........•....C
. . .
.
.... ..w ............. ...
...........
...... .................
•.......................... ...
.
. ............
... ............
.........•
..
............... altura do paralelepı́pedo é dada por
...
............. .
. .......
.
A ............ .... ......................
• ..........
h = k→
−
→
−
v B
u k| cos(θ)|.
Logo, o volume do paralelepı́pedo é
V = k→
−
v ∧→
−
w kk→
−
u k| cos(θ)|.
Por outro lado
→
−
u .(→
−
v ∧→
−
w ) = k→
−
v ∧→
−
w kk→
−
u k cos(θ)
e, consequentemente
|→
−
u .(→
−
v ∧→
−
w )| = k→
−
v ∧→
−
w kk→
−
u k| cos(θ)|.
Assim,
28
V = k→
−
v ∧→
−
w kk→
−
u k| cos(θ)| = |→
−
u .(→
−
v ∧→
−
w )| = |(→
−
u, →
−
v, →
−
w )|
Todo paralelepı́pedo é equivalente a dois prismas triangulares iguais. Como

todo prisma triângular equivale a três pirâmides (que no caso são tetraedros) de base e
altura equivalente a base e altura do prisma, o volume de cada uma dessas pirâmides é
1
do volume do paralelepı́pedo.
6
Sendo A, B, C e D quatro pontos do espaço, não situados num mesmo plano,
e três a três não colineares, as arestas do paralelepı́pedo são determinados pelos vetores
−→ −→ −−→
AB, AC e AD e, portanto, o volume do tetraedro ABCD é
1 −→ −→ −−→
V = (AB, AC, AD) .
6
Exemplo 31. Sejam →

−
u = (x, 2, 1), →
−
v = (1, x − 2, 0) e →
−
w = (2, 1, 1).
Calcular o valor de x sabendo que o valor do volume do paralelepı́pedo deter-

minado pelos vetores →
−
u, →
−v e→ −
w é dado por 11 − 2x u.v (unidades de volume). Qual é
de fato o volume do paralelepı́pedo?
Resolução: O volume é dado por V = |(→
−
u, →
−
v, →
−
w )|.
Como,

x 2 1
→
− →
− →
−
( u , v , w ) = 1 x − 2 0 = x2 − 4x + 3.
2 1 1
Logo, 11 − 2x = V = |(→
−
u, →
−
v, →
−
w )| = |x2 − 4x + 3|.
Da definição de módulo devemos ter 11−2x > 0 valendo as igualdades abaixo.
x2 − 4x + 3 = 11 − 2x ou − x2 + 4x − 3 = 11 − 2x
equivalentemente,
x2 − 2x − 8 = 0 ou − x2 + 6x − 14 = 0.
29
A segunda equação não possui raizes reais (verifique!), já a primeira equação
tem como raizes x1 = 4 e x2 = −2 (verifique!).
O paralelepı́pedo determinado por →

−
u = (4, 2, 1) e →
−
v = (1, 2, 0) e →
−
w =
(2, 2, 1) tem volume correspondente a 3 u.v
O paralelepı́pedo determinado por →

−
u = (−2, 2, 1) e →
−
v = (1, −4, 0) e
→
−
w = (2, 2, 1) tem volume correspondente a 15 u.v
2.4 Duplo Produto Vetorial
Vamos achar uma expressão para (→

−
u ∧→
−
v)∧→
−
w , onde →
−
u = (x1 , y1 , z1 ),
→
−
v = (x2 , y2 , z2 ) e →
−
w = (x3 , y3 , z3 ).
Suponhamos que os vetores → −u e→

−v sejam linearmente independentes. Como
→
−
u ∧→ −
v é ortogonal à →
−
u e→−v , ainda (→
−
u ∧→−v)∧→ −w é ortogonal à →
−
u ∧→ −
v então o plano
determinado por →−
u e→ −v tem →
−u ∧→−v como vetor ortogonal, logo o vetor (→
−
u ∧→
−v )∧ →
−
w deve
pertencer a este mesmo plano, pois caso contrário o plano determinado por (→
−
u ∧→
−
v )∧→
−
w
e →
−
u teria →−
u ∧→ −
v como vetor ortogonal. Dois planos distintos possuindo um mesmo
vetor ortogonal em R3 não é possı́vel.
Sendo {→
−
u, →
−
v } L.I, existem α e β escalares reais tais que
(→
−
u ∧→
−
v)∧→
−
w = α→
−
u + β→
−
v.
Para determinarmos α e β escolhemos uma base ortonormal {→

−
e1 , →
−
e2 , →
−
e3 }
com →
−
e1 paralelo a →
−
u e→
−
e2 coplanar com →
−
u e→−v . Então
→
−
u = x1 →
−
e1 , →
−
v = x2 →
−
e1 + y2 →
−
e2 e →
−
w = x3 →
−
e1 + y3 →
−
e2 + z3 →
−
e3 .
Ainda,
→
−
e1 →
−
e2 →−
e3
→
− →
−
u ∧ v = x1 0 0 = x1 y2 →
−
e3
x2 y 2 0
30
e →
−
e1 →
−
e2 →
−

e3
→
− →
− →
−
( u ∧ v ) ∧ w = 0 0 x1 y 2 = −x1 y2 y3 →
−
e 1 + x1 y 2 x3 →
−
e2 .

x3 y3 z3
Comparando,
(αx1 + βx2 )→
−
e1 + βy2 →
−
e2 = αx1 →
−
e1 + β(x2 →
−
e1 + y2 →
−
e2 ) = α→
−
u + β→
−
v
= (→
−
u ∧→
−
v)∧→
−
w = −x1 y2 y3 →
−
e1 + x1 y2 x3 →
−
e2 .
Logo,
αx1 + βx2 = −x1 y2 y3 e βy2 = x1 y2 x3 .
Como y2 6= 0, então da segunda equação β = x1 x3 , substituindo na primeira

equação e do fato que x1 6= 0, resulta
αx1 = −βx2 − x1 y2 y3 = −x1 x3 x2 − x1 y2 y3 = x1 (−x3 x2 − y2 y3 ),
ou seja, α = −x3 x2 − y2 y3 .
Note que −→
−
v .→
−
w =αe→
−
u .→
−
w = β (Verifique!). Portanto,
(→
−
u ∧→
−
v)∧→
−
w = α→
−
u + β→
−
v = (−→
−
v .→
−
w )→
−
u + (→
−
u .→
−
w )→
−
v = (→
−
u .→
−
w ).→
−
v − (→
−
v .→
−
w ).→
−
u.
Pode-se mostrar que
→
−
u ∧ (→
−
v ∧→
−
w ) = (→
−
u .→
−
w ).→
−
v − (→
−
u .→
−
v ).→
−
w.
Quando {→
−
v, →
−
u } é L.D as equações são também válidas, fica a critério do
leitor a prova.
Exemplo 32. Mostre que

→
−

→
−
→
−
u→−
w →
−
u t
(→
−
u ∧→
−
v ).(→
−
w ∧ t)= →
−

→
−
v→−
w →
−
v t
→
−
Resolução: Lembre-se →
−u .(→
−
v ∧→−
w ) = (→
−u ∧→
−
v ).→
−
w . Pondo →
−
w ∧ t =→ −p , então
→
− →
−
(→
−
u ∧→ −
v ).(→
−
w ∧ t ) = (→−
u ∧→−
v ).→
−
p = → −u .(→
−
v ∧→−
p)=→ −u .(→
−
v ∧ (→
−w ∧ t ))
→
− − →
−
= →
−
u .((→
−
v . t )→
w − (→
−
v .→
−
w) t )
→
− →
− − →
= (→
−
u .→
−
w )(→
−
v . t ) − (→
−
u . t )(→
v .−
w ).
31
Que pode ser escrito como
→
−

→
−
→
−
u→−
w →
−
u t
→
− →
− →
−
( u ∧ v ).( w ∧ t ) = →
−

→
−
v→−
w →
−
v t
Exemplo 33. Sejam →− u e→−

v vetores. Mostre que
a) k→
−
u ∧→
−
v k2 ≤ k→
−
u k2 .k→
−
u k2
b) k→
−
u ∧→
−
v k = k→
−
u k.k→
−
u k se, e somente se →
−
u ⊥→
−
v.
Resolução: Verifiquemos a)

→
−
u .→
−
u →
−
u .→
−
v
k→
−
u ∧→
− →
− →
− →
− →
−
v k2 = ( u ∧ v )( u ∧ v ) =
→
− →
− →
− →
−
v.u v.v

= k→
−
u k2 .k→
−
v k2 − (→
−
u .→
−
v )2 ≤ k→
−
u k2 .k→
−
v k2
b) Se k→
−
u ∧→ −
v k = k→ −u k.k→
−v k então k→ −
u ∧→
−
v k2 = k→
−
u k2 .k→
−
v k2 . Pelo item a) vimos que
k→
−u ∧→−
v k2 = k→
−u k2 .k→
−v k2 − (→
−u .→
−
v )2 .
Das afirmações temos que (→

−
u .→
−
v )2 = 0, ou seja, →
−
u .→
−
v = 0 e, portanto, são
ortogonais.
Note que, k→
−u ∧→−
v k2 = k→−
u k2 .k→
−
v k2 − (→
−
u .→
−
v )2 = k→
−
u k2 .k→
−
v k2 , pois os vetores
são ortogonais, portanto, k→
−
u ∧→ −
v k = k→
−u k.k→−
v k.
32
Capı́tulo 3
Retas, Planos e Distâncias
Um dos pontos de estudo da geometria analı́tica é o estudo de retas, planos

e distâncias.
3.1 Equações da Reta
Seja r uma reta que passa pelo ponto A e tem direção de um vetor →
−
v não
nulo. Para que um ponto P do espaço pertença a reta r, é necessário e suficiente que os
−→ −
vetores AP e →v sejam colineares, isto é, existe uma constante k real tal que
−→
AP = k.→
−
v ou P − A = k.→
−
v.
visão geométrica Temos assim que

x ..
.............................
..............................
.................r
P = A + k.→ −v.
......
Sendo P (x, y, z), A(x1 , y1 , z1 ) e →

−
......
......
......
......
......
...... z..
... .y
v = (a, b, c). Escrevemos
...... .....
...... ... .....
......
......
...
. ..
......
.
...... ... ....
... .....
.
..
... .
......
......
......
......
...
...
. .
......
.
.....
..... (x, y, z) = (x1 , y1 , z1 ) + k.(a, b, c)
...... . .
..
.. ...
. ...... .... .........
. . .
→
− H .................................................. .......................
v ..... .................
.
. .
...
...
...
As equações acima são denominadas equações vetoriais da
....
..... ....
.
.... ..
.... ..
...
... . ...
reta.
...
...
. .
...
.
→
−
O vetor v = (a, b, c) é chamado vetor diretor da reta r e k é denominado
parâmetro.
Note que uma reta no espaço fica determinada por um ponto a ela pertencente
e um vetor diretor e, ainda qualquer vetor paralelo ao vetor diretor é também um vetor
diretor.
Exemplo 34. Determine a equação vetorial da reta r que passa pelo ponto A(3, 4, 7) e
33
tem a direção do vetor →
−
v = (−3, 1, −2).
Resolução: Seja P (x, y, z) um ponto qualquer da reta, então
(x, y, z) = (3, 4, 7) + k.(−3, 1, −2)
ou ainda, (x, y, z) = (3 − 3k, 4 + k, 7 − 2k)
3.1.1 Equações Paramétricas da Reta

→
− → − → − →
− → − → −
Seja 0 a origem do espaço e B = { i , j , k } uma base, então (0, i , j , k ) o
sistema de coordenadas, P (x, y, z) e A(x1 , y1 , z1 ) um ponto genérico e um ponto dado,
→
− →
− →
−
respectivamente da reta r e →
−
v = a i + b j + c k um vetor diretor de r.
Da equação vetorial
(x, y, z) = (x1 , y1 , z1 ) + k.(a, b, c)
vem 
 x = x1 + ak
y = y1 + bk (?)
z = z1 + ck

→
−
As equações em (?) nas quais a, b e c não são todos nulos (→
− 6 0 ), são
v =
chamadas equações paramétricas da reta r, em relação ao sistema de coordenadas fixada.
Exemplo 35. Determine as equações paramétricas da reta r, que passa pelo ponto
A(−1, 2, 2) paralela ao vetor →
−
v = (3, −1, 2)
Resolução: O vetor diretor é →
−
v = (3, −1, 2). Logo,

 x = −1 + 3k
y = 2−k
z = −2 + 2k

Para obter um ponto nesta reta, basta atribuir um valor para k. Em particular
se k = 2, vem x = 5, y = 0 e z = 2. Note que A(−1, 2, 2) é um ponto da reta, e neste
caso k = 0.
34
Exemplo 36. Encontre a equação da reta que passa pelos pontos A(x1 , y1 , z1 ) e
B(x2 , y2 , z2 ).
Resolução: Precisssamos encontrar um vetor diretor →
−
v . Como a reta passa pelos pon-
−→
tos A e B, podemos considerar o vetor →
−
v = AB. Assim,
→
− −→
v = AB = B − A = (x2 , y2 , z2 ) − (x1 , y1 , z1 ) = (x2 − x1 , y2 − y1 , z2 − z1 )
e a equação vetorial passando por A é dada por
(x, y, z) = (x1 , y1 , z1 ) + k(x2 − x1 , y2 − y1 , z2 − z1 ),
e a equação paramétrica passando por A é dada por


 x = x1 + (x2 − x1 )k
y = y1 + (y2 − y1 )k
z = z1 + (z2 − z1 )k

Considere neste caso A(2, 3, 4) e B(6, 2, 1), e as equações passando por A

são dadas por
(x, y, z) = (2, 3, 4) + k(4, −1, −3)
e 
 x = 2 + 4k
y = y1 − k
z = z1 − 3k

Quais seriam as equações passando por B, elas representam a mesma reta?
3.1.2 Equações Simétricas da Reta
Das equações paramétricas se a.b.c 6= 0, vem
x − x1 y − y1 z − z1
k= , k= e k= .
a b c
Logo,
x − x1 y − y1 z − z1
k= = = .
a b c
São chamadas equações simétricas ou normais da reta que passa por A(x1 , y1 , z1 )
na direção do vetor →
−
v = (a, b, c).
35
Exemplo 37. Determine as equações simétricas da reta passando por A(5, 1, 2) e tem
a direção do vetor →
−
v = (3, −4, 2).
Resolução:
x−5 1−y z−2
= = .
3 4 2
Exemplo 38. Sejam A(x1 , y1 , z1 ) e B(x2 , y2 , z2 ) dois pontos, tais que x2 − x1 6= 0,

y2 − y1 6= 0 e z2 − z1 6= 0. Determine a equação simétrica da reta passando pelo ponto A
ou B.
Resolução: O vetor diretor é dado por
→
− −→
v = AB = B − A = (x2 , y2 , z2 ) − (x1 , y1 , z1 ) = (x2 − x1 , y2 − y1 , z2 − z1 ).
Logo,
x − x1 y − y1 z − z1 x − x2 y − y2 z − z2
= = ou = = .
x2 − x1 y2 − y1 z2 − z1 x 2 − x1 y2 − y1 z2 − z1
são as equações simétricas passando por A ou por B respectivamente.
Dados três pontos A, B e C podem ocorrer dos pontos estarem em uma mesma
reta, neste caso dizemos que os pontos estão alinhados. Busquemos uma condição para
o alinhamento de três pontos. Sejam A(x1 , y1 , z1 ), B(x2 , y2 , z2 ) e C(x3 , y3 , z3 ), para
−→ −→
que eles estejam em uma mesma reta, então os vetores AB e AC devem ser colineares,
−→ −→
isto é, existir um número real λ tal que AB = λ.AC, ou seja,
x2 − x1 y2 − y1 z2 − z1
= = .
x3 − x1 y3 − y1 z3 − z1
Exemplo 39. Sejam os pontos A(2, 3, −1), B(−1, 0, −4) e C(3, 4, 0). Tais pontos
estão alinhados.
Resolução: Basta verificarmos a condição de alinhamento, ou seja,
−1 − 2 0−3 −4 + 1
= = = −3
3−2 4−3 0+1
portanto, os pontos estão alinhados.
36
Exemplo 40. São dadas as equações
2x + 2 2−y
= =z−2
4 3
a) A equação acima representa uma reta r?
b) Elas são equações na forma simétrica de r? Caso não sejam, passe para forma
simétrica.
c) Exiba um ponto e um vetor diretor de r.
Resolução: Notemos que,
x+1 2x + 2 y−2 2−y z−2
= , = e =z−2
2 4 −3 3 1
a) Sim, a equações representam uma reta r.
b) Não, contudo podemos passar na forma simétrica como:
x+1 y−2 z−2
= =
2 −3 1
c) A reta r passa por A(−1, 2, 2) e tem como vetor diretor →
−
v = (2, −3, 1).
3.1.3 Equações Reduzidas da Reta
Sejam as equações de uma reta r na forma simétrica, dada por

x − x1 y − y1 z − z1
= = .
a b c
x − x1 y − y1 x − x1 z − z1
Então, = e = , das igualdades temos
a b a c
b b c c
y = x + y 1 − x1 e z = x + z1 − x1
a a a a
b b c c
Pondo, m = , n = y1 − x1 , p = e q = z1 − x1 , obtemos as seguintes
a a a a
equações 
 y = mx + n
(?)
z = px + q

A equação (?) é chamada equação na forma reduzida da reta r.
Na equação acima deixamos y e z em função de x, contudo, qualquer duas

das coordenadas podem ficar em função da outra.
37
Exemplo 41. Estabeleça as equações reduzidas de r passando pelos pontos A(3, 2, 1) e
B(5, −1, 3).
−→
Resolução: Seja AB o vetor diretor de r, então →
−
v = (2, −3, 2). Assim,
x−3 y−2 z−1

= = .
2 −3 2
x−3 y−2 x−3 z−1

Dessas equações, vem = e = .
2 −3 2 2
Logo,
3 13

 y = − x+

2 2

z = x−2

Qual seria a equação se a reta passase por B?
Das equações reduzidas


 y = mx + n
z = px + q

podemos obter
x y−n z−q
= = ,
1 m p
comparando com a equação simétrica
x − x1 y − y1 z − z1
= = .
a b c
Verifica-se que as equações reduzidas representam a reta que passa pelo ponto
N (0, n, q) e tem a direção do vetor →
−v = (1, m, p).
Exemplo 42. Sejam as equações reduzidas da reta r


 y = 3x − 2
z = −2x + 5

Determine o vetor diretor e um ponto pelo qual a reta passa.

Resolução: Como vimos o vetor diretor e m ponto pelo qual a reta passa são dados por
→
−
v = (1, 3, −2) e N (0, −2, 5) respectivamente.
38
Exercı́cio 2. Sejam as equações reduzidas da reta r

 x = 3y − 2
z = −2y + 5

Determine o vetor diretor e um ponto pelo qual a reta passa.
3.2 Estudo da Reta
3.2.1 Ângulos de duas Retas
Seja a reta r1 que passa pelo ponto A1 (x1 , y1 , z1 ) e tem a direção de um

vetor →
−
v1 = (a1 , b1 , c1 ) e r2 que passa pelo ponto A2 (x2 , y2 , z2 ) e tem a direção de um
vetor →
−
v2 = (a2 , b2 , c2 ).
Chama-se ângulo de duas retas r1 e r2 o menor ângulo de um vetor diretor

de r1 e um vetor diretor de r2 . Logo, sendo θ este ângulo tem-se.
Representação geométrica
r1..
..
.. |→
−
v1 .→
−
v2 | π
.. cos(θ) = → , com 0 ≤ θ ≤
k v1 k.k→
− −
..
J ..−
.. v1
.
..
→
.
..
v2 k 2
........
.. ....... r2
. .......
..... ........
.............θ...........H
.
α..................... ............. v2
...−
→ ou em coordenadas
.. .........
.................
.
...
......... ...
.....
.......
.
...
.......
..
..
..
|a1 .a2 + b1 .b2 + c1 .c2 | π
.
...
..
........
.......
.
... .. cos(θ) = p 2 p , com 0 ≤ θ ≤ .
..
..
..
a1 + b21 + c21 . a22 + b22 + c22 2
...
.
..
..
Note que o ângulo entre os vetores diretores pode não ser θ, mas α como ilustra
a figura ao lado, contudo, α = π − θ e cos(α) = cos(π − θ) = cos(π) cos(θ) = − cos(θ),
isso justifique a presença do módulo na equação acima.
Exemplo 43. Calcular o ângulo entre as retas

 
 x =  x 2 + 4t = 3 − 2t
r1 = y = r2 = z −1 + t = 1−t
z = y t = 2 + 3t
 
Resolução: Os vetores diretores de r1 e r2 são −

v→
r1 = (4, 1, 1) e −
v→
r2 = (−2, 3, −1).
Assim,
√
|(4, 1, 1).(−2, 3, −1)| | − 8 + 3 − 1| 6 7
cos(θ) = = √ √ = √ = .
k(4, 1, 1)k.k(−2, 3, −1)k 18. 14 6 7 7
39
Portanto, θ ≈ 67, 79o ≡ 1, 1832 rad
Exemplo 44. Calcule o ângulo entre as retas

x−2 y+2 z+1 y = −3z + 1
r1 : = = r2 =
4 2 2 x = −2z + 3
Resolução: Os vetores diretores de r1 e r2 são −

v→ −
→
r1 = (4, 2, 2) e vr2 = (−2, −3, 1).
Assim,
√
|(4, 2, 2).(−2, −3, 1)| | − 8 − 6 + 2| 12 3 21
cos(θ) = = √ √ = √ = .
k(4, 2, 2)k.k(−2, −3, 1)k 24. 14 4 21 21
Portanto, θ ≈ 49, 10o ≡ 0, 7932 rad
Observações: Sejam as retas r1 e r2 duas retas, então tais retas são paralelas
se os vetores diretores −
v→ −
→
r1 = (a1 , b1 , c1 ) e vr2 = (a2 , b2 , c2 ) são paralelos, ou seja,
a1 b1 c1
= = .
a2 b2 c2
As retas são ortogonais se −

v→ −
→
r1 .vr2 = 0, ou seja,
a1 .a2 + b1 .b2 + c1 .c2 = 0
Vale ressaltar a diferença entre os termos retas ortogonais e retas perpen-

diculares. Retas ortogonais podem ser concorrentes ou reversas, enquanto que retas
perpendiculares são obrigatoriamente concorrentes.
Exemplo 45. Sejam as retas
r1 : (x, y, z) = (2, 1, 1) + t(−3, 2, 1) e r2 : (x, y, z) = (1, 0, 1) + t(0, −1, 2)
Verifique se são ortogonais. Verifique também se são perpendiculares.

Resolução: Note que −v→ = (−3, 2, 1) e −
r1 v→ = (0, −1, 2). Temos ainda,
r2
(−3, 2, 1).(0, −1, 2) = 0 − 2 + 2 = 0,
portanto, r1 e r2 são ortogonais.
40
Para que as retas sejam perpendiculares deve existir t0 tal que r1 em t0 e r2
em t0 produz o mesmo ponto, assim
(2, 1, 1) + t(−3, 2, 1) = (1, 0, 1) + t(0, −1, 2)
donde
(1, 1, 0) = t(3, −3, 1).
Da igualdade acima, vemos que não existe t0 tal que os vetores sejam parale-
los, portanto, as retas não são concorrentes, não sendo assim, perpendiculares.
3.2.2 Condição de Coplanaridade de Duas Retas
Coplanaridade Seja r1 uma reta que passa por um ponto A(x1 , y1 , z1 ) e tem a
.r1
...
...
direção de um vetor → −
v1 = (a1 , b1 , c1 ), e a reta r2 , que passa por um
ponto B(x2 , y2 , z2 ) e tem a direção de um vetor → −
. ....
..
...
...
... v2 = (a2 , b2 , c2 ),
....... .r2
...
... →
− →
− − →
→ ......
−
v 1J ..
...
...
são coplanares se os vetores v1 , v2 e AB forem coplanares, isto é, se
.. .
.
−→
for nulo o produto misto (→ −
v1 , →
−
.. .
... ...
... ...
..
...
... .
.
...
...
v2 , AB), ou seja,
A....... ..
...
H...
... .....
J...−→
... ......... ... v
... ... 2
..... .
.

.....
..... .
...
. a 1 b 1 c 1

..... .....
..... ...
..... →
− →
− −→
...
.....•
. B ( v1 , v2 , AB) = a2 b2 c2 =0
...

....
.
... x2 − x1 y2 − y1 z2 − z1
.
...
Exemplo 46. Determine se as retas

x+1 y−1 z−3
r1 : = = e r2 : (x, y, z) = (1, −3, 2) + k(2, −1, 2)
3 2 1
são coplanares.
Resolução: O vetor diretor de r1 é − v→
r1 = (3, 2, 1) passando pelo ponto A(−1, 1, 3),
e o vetor diretor de r2 é − v→
r2 = (2, −1, 2) passando pelo ponto B(1, −3, 2), assim
−→
AB = (2, −4, −1). Logo,

3 2 1
→
− →
− −→
( v1 , v2 , AB) = 2 −1
2 = 3 + 8 − 8 + 2 + 24 + 4 = 33.
2 −4 −1
Portanto, as retas não são coplanares.
41
Exemplo 47. Para que valor de p verifica-se a coplanaridade das retas

 x = 2 − 3t
y = px + 2
r1 : e r2 : y = −1 + t
z = 3x − 1
z = 1 − 2t

Resolução: O vetor diretor de r1 é −

v→
r1 = (1, p, 3) e passa por A(0, 2, −1) e o vetor
−→
diretor de r2 é −
v→
r2 = (−3, 1, −2) e passa por B(2, −1, 1). Logo, AB = (2, −3, 2) e

1 p 3
→
− →
− −→
0 = ( v1 , v2 , AB) = −3 1 −2 = 2 − 4p + 27 − 6 − 6 + 6p = 17 + 2p.
2 −3 2
17
Segue, que para p = − = −8, 5 as retas são coplanares.
2
3.2.3 Posição Relativa de Duas Retas
Duas retas r1 e r2 no espaço, podem ser:
(a) Coplanares, isto é, situados no mesmo plano. Nesta situação, podem ocorrer:
(I) As retas serem concorrentes: r1 ∩ r2 = {p}, onde p é o ponto de intersecção

das retas r1 e r2 .
(II) Paralelas: r1 ∩ r2 = ∅. ( Quando r1 e r2 são coincidentes, é um caso particular

de paralelismo.)
(b) Reversas, isto é, não situadas no mesmo plano, e ocorre que r1 ∩ r2 = ∅.
Sejam r1 e r2 duas retas com −

v→ −
→
r1 e vr2 os vetores diretores respectivos, e
passando pelos pontos A e B respectivamente.
(a) Se r1 e r2 forem paralelas, serão coplanares, isto é,

−→
(→
−
v1 , →
−
v2 , AB) = 0.
(b) Se r1 e r2 não forem paralelas, a igualdade

−→
(→
−
v1 , →
−
v2 , AB) = 0
exprime a condição de concorrência dessas retas.
42
−→
(c) Se (→
−
v1 , →
−
v2 , AB) 6= 0 as retas r1 e r2 são reversas.
Exemplo 48. Estude a posição relativa entre as retas

y = −3x + 2 x+1 y−2 z+1
r1 : e r2 : = =
z = 2x − 3 2 −1 2
Resolução: O vetor diretor de r1 é −v→

r1 = (1, −3, 2) e passa pelo ponto A(0, 2, −3)
e o vetor diretor de r2 é −v→

r2 = (2, −1, 2) e passa pelo ponto B(−1, 2, −1). Logo,
−→
AB = (−1, 0, 2) e

1 −3 2
−→
(→
−
v1 , →
−
v2 , AB) = 2 −1 2 = −2 + 6 − 2 + 12 = 14,
−1 0 2
portanto, as retas são reversas.
Exemplo 49. Estude a posição relativa entre as retas


 x = 1 − 3t
y = 4x − 6
r1 : e r2 : y = 2 − 12t
z = −x
z = 3t


v→
r1 = (1, 4, −1) e passa pelo ponto A(0, −6, 0)
e o vetor diretor de r2 é −
v→
r2 = (−3, −12, 3) e passa pelo ponto B(1, 2, 0). Note que
−
v→ = (−3, −12, 3) = −3(1, 4, −1) = −3− v→.
r2 r1
Logo, as retas r1 e r2 são paralelas, tais retas não são coincidentes, pois os
pontos A e B não são pontos da mesma reta por exemplo.
Note que duas retas r1 e r2 coplanares e não paralelas são concorrentes, neste
caso existe A(x0 , y0 , z0 ) que pertence a ambas as retas simultaneamente.
Sejam as retas r1 e r2 , não paralelas, com as direções dos vetores −

v→
r1 =
(a1 , b1 , c1 ) e −
v→
r2 = (a2 , b2 , c2 ) respectivamente. Qualquer reta r, simultaneamente
ortogonal à r e r , terá um vetor diretor paralelo ou igual ao vetor −

1 2 v→ ∧ −
r1 v→.
r2
Nas condições dadas, uma reta r ortogonal a r1 e r2 estará bem definida

quando se conhece um de seus pontos.
43
Exemplo 50. Encontre uma equação de reta tal que r passa pelo ponto A(1, −2, 1) e
é ortogonal as retas

 x = 2 − 3t
z = 2y − 1
r1 : e r2 : z = 1−t
x = y+2
y = 2+t

Resolução: Os vetores diretores das retas são −

v→ −
→
r1 = (1, 1, 2) e vr2 = (−3, 1, −1)
respectivamente. E,
→
−i →− →−
j k →
− → − → − → − → − → − →
− → − → −
−
v→ ∧−→ =
r1 vr2 1 1 2 = − i −6 j + k −2 i + j +3 k = −3 i −5 j +4 k = (−3, −5, 4).
−3 1 −1
Logo,
r : (x, y, z) = (1, −2, 1) + k(−3, −5, 4)
é uma equação de reta ortogonal a r1 e r2 simultaneamente, passando pelo ponto A(1, −2, 1).
3.3 Equação do Plano
Denotaremos por π um plano. Seja A(x1 , y1 , z1 ) um ponto pertencente a

→
− →
− →
−
um plano π e →
−
n = a. i + b j + c k com →
−
n 6= (0, 0, 0).
Definição 3.1. O plano π é definido como o conjunto de todos os pontos P (x, y, z) do

−→
espaço tais que o vetor AP é ortogonal a →
−
n . O ponto P pertence a π se, e somente se
→
− −→
n .AP = 0
o vetor →
−
n é chamado vetor normal do plano π (e/ou ortogonal).
Da definição acima, sendo P (x, y, z) um ponto genérico, A(x1 , y1 , z1 ) um

→
− →
− →
−
ponto dado do plano e → −
n = a. i + b j + c k o vetor normal do plano, então
−→
0=→ −n .AP = (a, b, c).(x − x1 , y − y1 , z − z1 ) = ax − ax1 + by − by1 + cz − cz1
= ax + by + cz − (ax1 + by1 + cz1 ) = ax + by + cz + d

onde d = −(ax1 + by1 + cz1 ).
Portanto, ax + by + cz + d = 0 é denominada equação geral do plano.
44
Exemplo 51. Encontre a equação de um plano que é paralelo aos vetores →
−
v1 = (1, 2, 3)
e→
−
v = (−1, 1, 1) passando pelo ponto A(2, 1, −1).
2
Resolução: Como →−v1 e →

−
v2 são não colineares, podemos encontrar um vetor ortogonal a
→
−
v1 e →
−
v2 dado pelo produto vetorial dos dois vetores. Assim,
→
−i → − → −
j k →
− →
− →
−
→
−
n =→ −
v1 ∧ →
−
v2 = 1 2 3 = − i − 4 j + 3 k .
−1 1 1
Logo,
−→
0=→
−
n .AP = (−1, −4, 3).(x − 2, y − 1, z + 1) = −x + 2 − 4y + 4 + 3z + 3
= −x − 4y + 3z + 9
Observação. Na equação ax + by + cz + d = 0 um vetor normal é dado pelos

coeficientes de x, y e z, ou seja, →
−
n = (a, b, c).
Note ainda que qualquer múltiplo de →

−
n é também um vetor normal ao plano,
ou seja, →
−
p = k→
−n com k 6= 0.
As condições a seguir possibilitam determinar um plano, ou seja, possibilita

encontrar um vetor normal.
(i) Passa por um ponto A e é paralelo a dois vetores →

−
v1 e →
−
v2 não colineares. Assim
→
−
n =→ −
v ∧→ −
v .
1 2
−→
(ii) Passa por dois pontos A e B e é paralelo a um vetor →
−
v não colinear ao vetor AB.
−→
Neste caso, →
−
n =→ −
v ∧ AB.
−→ −→
(iii) Passa por três pontos A, B e C não colineares. Temos assim, →
−
n = AB ∧ AC.
(iv) Contém duas retas r1 e r2 concorrentes. Neste caso →

−
n =→
−
v1 ∧ →
−
v2 , sendo →
−
v1 e →
−
v2 os
vetores diretores das retas respectivamente. E qualquer ponto de uma das retas.
−→
(v) Contém duas retas r1 e r2 paralelas. Para este caso →
−
n = →
−
v ∧ AB, sendo →
−
v o
vetor diretor de uma das retas e A um ponto de r1 e B um ponto de r2 .
45
−→
(vi) Contém uma reta e um ponto não pertencente a reta. Assim →
−
n =→
−
v ∧ AB, sendo
→
−
v o vetor diretor da reta e A um ponto de r.
Exemplo 52. Determine a equação do plano que passa pelo ponto A(1, 2, 2) e contém
a reta 
 x = 2−t
r: y = 1 + 2t
z = 3−t

Resolução: Note que A 6∈ r, pois para t = 1 a ordenada y = 3 e não 2. Seja B(1, 3, 2)

−→ −→
um ponto da reta, então BA = (0, 1, 0) e →−n =→ −v ∧ AB = (1, 0, −1). Logo,
−→
0=→
−
n .AP = (1, 0, −1).(x − 1, y − 2, z − 2) = x − 1 − z + 2 = −x − z + 1
Na definição para a equação geral do plano é necessário um vetor normal

→
−
n que é obtido por dois vetores base desse plano, ou seja, dois vetores não colineares
pertencentes ao plano.
Seja A(x0 , y0 , z0 ) um ponto do plano e que é paralelo aos vetores → −

v1 =
(x1 , y1 , z1 ) e →
−
v2 = (x2 , y2 , z2 ) não colineares, se P (x, y, z) é um ponto qualquer do
−→ − →
plano, os vetores AP , → v e−
1 v são coplanares e, portanto, o produto misto deles é nulo,
2
−→ − →
isto é, (AP , →
v1 , −
v2 ) = 0, ou seja,

x − x0 y − y0 z − z0
−→ → − →
−
0 = (AP , v1 , v2 ) = x1 y1 z1

x2 y2 z2
isto é,
y1 z1 x1 z1 x1 y 1
(x − x0 )
+ (y − y0 )
(z − z0 )
=0
y2 z2 x2 z2 x2 y 2
ou ainda,
(x − x0 )[y1 z2 − y2 z1 ] + (y − y0 )[x1 z2 − x2 z1 ] + (z − z0 )[x1 y2 − x2 y1 ] = 0
portanto,
ax + by + cz + d = 0
onde, a = y1 z2 − y2 z1 , b = x1 z2 − x2 z1 , c = x1 y2 − x2 y1 e d = −x0 a − y0 b − z0 b.
46
Exemplo 53. Encontre a equação geral do plano que contém as retas

 x = 1 − 2t
y = 2x − 1
r1 : e r2 : y = −4t
z = −3x + 2
z = −3 + 6t


v→
r1 = (1, 2, −3) e passa pelo ponto A(0, −1, 2).
A reta r2 tem como vetor diretor −

v→
r2 = (−2, −4, 6) e passa pelo ponto A(1, 0, −3).
Note que as retas r1 e r2 são paraleles (vetores diretores colineares) e não são
coincidentes, pois os pontos A e B são pontos exclusivos das retas respectivas.
−→
Os vetores bases são −
v→
r1 = (1, 2, −3) e AB = (1, 1, −5) para o ponto fixo
A desse plano (ou ponto B) e P (x, y, z) um ponto genérico. Assim,

x y+1 z−2
−→ − −→
0 = (AP , →

v1 , AB) = 1 2 −3 = −7x + 2y − z + 4
1 1 −5
ou
x−1 y z+3
−−→ − −→
0 = (BP , →

v1 , AB) = 1 2 −3 = −7x + 2y − z + 4
1 1 −5
3.4 Estudo do Plano
Da equação geral do plano
ax + by + cz + d = 0
na qual a, b e c não são todos nulos, temos que →

−
n = (a, b, c) é o vetor normal do plano
π.
Se o plano ax + by + cz + d = 0 passa pela origem então d = 0, pois
0 = a0 + b0 + c0 + d = d.
Assim a equação fica
ax + by + cz = 0
e representa a equação de um plano passando pela origem.
47
3.4.1 Planos Paralelos aos Eixos e/ou Planos Coordenados
Se apenas uma das componentes do vetor →

−
n = (a, b, c) é nula, o vetor é
ortogonal a um dos eixos coordenados, e, portanto, o plano π é paralelo ao mesmo eixo.
(i) Se a = 0, →
−
n = (0, b, c) ⊥ 0x, portanto, π//0x.
A equação geral dos planos paralelos ao eixo 0x é by + cz + d = 0.
(ii) Os planos paralelos ao eixo 0y tem equação na forma ax + cz + d = 0
(iii) Os plano paralelos ao eixo 0z tem equação na forma ax + by + d = 0
Observe que a variável ausente nas equações acima indica que o plano é
paralelo ao eixo desta variável.
Se duas das componentes do vetor normal →

−
n = (a, b, c) são nulas, →
−
n é
→
− →
− →
−
colinear a um dos vetores i = (1, 0, 0) ou j = (0, 1, 0) ou k = (0, 0, 1), e,
portanto, o plano π é paralelo ao plano dos outros dois vetores.
→
−
(i) Se a = b = 0, →
−
n = (0, 0, c) = c k , portanto, π//x0y.
A equação geral dos planos paralelos ao plano x0y é cz + d = 0 com c 6= 0, ou seja,

d
z=− .
c
São plano cuja equação são da forma z = k, k uma constante real.
(ii) Os planos paralelos ao plano x0z tem equação na forma y = k
(iii) Os plano paralelos ao plano y0z tem equação na forma x = k
Exemplo 54. Encontre a equação do plano que contém o ponto A(1, 2, 1) e a reta

x = 2
r:
y = 3
Resolução: A reta passa pelo ponto B(2, 3, 0) e tem a direção do vetor →

−
v = (0, 0, 1).
−→
Os vetores base são →
−
v e AB = (1, 1, −1). Sendo A (ou B) um ponto fixo desse plano
48
e P (x, y, z) um ponto genérico, deve-se ter

x−1 y−2 z−1
−→ → − −→
=y−2−x+1=y−x−1
0 = (AP , v AB) = 0 0 1
1 1 −1
Trata-se de um plano paralelo ao eixo 0z e, portanto, perpendicular ao eixo

x0y.
3.4.2 Equações Paramétricas do Plano
Seja A(x0 , y0 , z0 ) um ponto de um plano π, →

−
u = (a1 , b1 , c1 ) e →
−
v =
(a2 , b2 , c2 ) dois vetores não colineares. Um ponto P (x, y, z) pertence ao plano π
que passa por A e é paralelo aos vetores → −u e→
−
v se, e somente se, existem números reais
t e k tais que
−→
AP = t→
−
u + k→
−
v
ou ainda,
(x − x0 , y − y0 , z − z0 ) = t.(a1 , b1 , c1 ) + k.(a2 , b2 , c2 ).
Donde, 
 x = x 0 + a1 t + a2 k
y = y 0 + b1 t + b2 k
z = z0 + c1 t + c2 k

são as equações paramétricas do plano com parâmetros t e k.
Exemplo 55. Encontre as equações paramétricas do plano que passa pelo ponto A(2, 1, 3)
e é paralelo aos vetores →
−
u = (−2 − 2, 1) e →
−
v = (1, 2, −1).
Resolução: 
 x = 2 − 2t + k
y = 1 − 2t + 2k
z = 3+t−k

Para encontrar um ponto deste plano basta atribuir valores a t e k. Se t = 1

e k = 2 por exemplo o ponto B(2, 3, 2) é um ponto do plano.
49
3.4.3 Ângulo de Dois Planos
Sejam os planos
π 1 : a1 x + b 1 y + c 1 z + d 1 = 0
e
π 2 : a2 x + b 2 y + c 2 z + d 2 = 0
Os vetores →
−
n1 = (a1 , b1 , c1 ) e →
−
n2 = (a2 , b2 , c2 ) são os vetores normais de π1
e π2 respectivamente.
Definição 3.2. Chama-se ângulo de dois planos π1 e π2 o menor ângulo que um vetor
normal de π1 forma com um vetor normal de π2 . Sendo θ este ângulo, tem-se
|→
−
n1 .→
−
n2 | π
cos(θ) = →
− →
− , com 0 ≤ θ ≤
kn k.kn k1 2 2
ou em coordenadas
|a1 .a2 + b1 .b2 + c1 .c2 | π
cos(θ) = p 2 p , com 0≤θ≤
a1 + b21 + c21 . a22 + b22 + c22 2
Note ainda que se π1 //π2 (são paralelos) então os vetores normais → −

n1 =
(a1 , b1 , c1 ) e →
−
n2 = (a2 , b2 , c2 ) repectivos, são também paralelos, e neste caso,
a1 b1 c1
= =
a2 b2 c2
a condição de paralelismo entre dois planos.
a1 b1 c1 d1
Se ocorrer = = = , os planos π1 e π2 são coincidentes.
a2 b2 c2 d2
Ainda, dois planos são ortogonais se seus vetores normais são ortogonais.
Exemplo 56. Determine o ângulo entre os planos
π1 : x − 3y + 2z − 4 = 0 e π2 : 2x + y − z + 3 = 0
Resolução: Como →
−
n1 = (1, −3, 2) e →
−
n2 = (2, 1, −1) os vetores normais de π1 e π2
respectivamente. Então
√
|1.2 − 3.1 − 2.1| 3 21
cos(θ) = √ √ = √ = .
1+9+4 4+1+1 2 21 14
Logo, θ ≈ 70, 8933o ≡ 1, 2373 rad.
50
3.4.4 Ângulo de uma Reta com um Plano
Seja uma reta r com a direção do vetor →

−
v e um plano π com →
−
n seu vetor
normal.
O ângulo φ da reta r com o plano π é o complemento do ângulo θ que r forma

com uma reta normal ao plano.
π
Como θ + φ = segue, cos(θ) = sen(φ), então
2
|→
−
v .→
−
n| π
sen(φ) = → − →
− , com 0 ≤ θ ≤ .
k v k.k n k 2
Segue da equação acima que se r//π então →

−
v ⊥→
−
n e se r ⊥ π então →
−
v //→
−
n.
Exemplo 57. Calcule o ângulo da reta com o plano dados por


 x = 1 − 3t
r: y = 2t e π : x + y − 2 = 0.
z = 2+t

Resolução: A reta tem a direção de →

−v = (−3, 2, 1) e →
−
n = (1, 1, 0) é o vetor normal
de π. Assim,
√
|(−3, 2, 1).(1, 1, 0)| | − 3 + 2| 7
sen(φ) = = √ √ = .
k(−3, 2, 1)k.k(1, 1, 0)k 14. 2 14
Portanto, φ ≈ 10, 89o ≡ 0, 1901 rad
3.5 Distâncias
Já vimos que a distância entre dois pontos A(x1 , y1 , z1 ) e B(x2 , y2 , z2 ) é o

−→
módulo do vetor AB, isto é,
−→ p
d(A, B) = kABk = (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2 .
3.5.1 Distância de um Ponto e uma Reta
Seja uma reta r definida por um ponto A(x1 , y1 , z1 ) e pelo seu vetor diretor
→
−
v = (a, b, c) e seja B(x0 , y0 , z0 ) um ponto qualquer do espaço.
51
−→
Os vetores →
−
v e AB determinam um paralelogramo cuja altura corresponde
à distância d de B a r que pretendemos calcular.
Distância Ponto-Reta Como a área Ap do paralelogramo é dada pelo produto da base
B(x0 , y0 , z0 )
J..
...
..
...
pela altura, temos
Ap = k→
−
... ...
...
...
...
.
... .
..
...
...
. v kd.
... ...
.. d ...
... ...
... −→
Já vimos que Ap = k→
−
... ..
.
... ...
.
•..
. ...
...
I
v
v ∧ ABk.
A(x1 , y1 , z1 )
Logo,
−→
−→ k→
−
v ∧ ABk
k→
−
v ∧ ABk = k→
−
v kd então d(B, r) = .
k→
−
vk
Exemplo 58. Calcular a distância do ponto A(1, 0, 2) a reta
r : (x, y, z) = (−1, 3, 4) + t(2, 1, 1).
Resolução: A reta r passa pelo ponto B(−1, 3, 4) com vetor diretor →

−v = (2, 1, 1).
−→
Ainda, BA = (2, −3, −2). Logo,
√
k(2, 1, 1) ∧ (2, −3, −2)k k(1, 6, −8)k 101
d(A, r) = = = √ u.c
k(2, 1, 1)k k(2, 1, 1)k 6
3.5.2 Distância Entre Duas Retas
Sejam r e s duas retas não concorrentes, pois sendo concorrentes a distância

d(r, s) = 0 por definição.
Se r e s são paralelas, então a distância de um ponto B(x0 , y0 , z0 ) de uma

das retas a outra, determina a distância entre as retas r e s, ou seja,
d(r, s) = d(B, s) B ∈ r ou d(r, s) = d(B, r) B ∈ s.
Neste caso o cálculo de distância entre retas paralelas se reduz ao caso de

distância entre ponto e reta.
Consideremos duas retas reversas r e s, a reta r passa por A(x1 , y1 , z1 ) e

tem como vetor diretor →
−
vr = (a1 , b1 , c1 ) e s passa por B(x2 , y2 , z2 ) e tem como vetor
52
diretor →
−
vs = (a2 , b2 , c2 ).
−→
Distância Reta-Reta Os vetores →−
vr , →
−
vs e AB = (x2 −x1 , y2 −y1 , z2 −z1 ) determinam um
−
→∧v
v r . s
−
→ paralelepı́pedo. A base do paralelepı́pedo é definida pelos vetores
N
....
.
... B
→...................................................
−
v
.........
.... s ..
..s .
...........
...........
→
−
vr e →−
vs e a altura corresponde à distância d entre as retas r e s,
......................
...............• ... ..........
. .. .. ...... ..
............ .. ........... ..
.. ..
... ...
............. ..........
. ....... ................. ...
... ...
.... ....
... ........
.... ...
...
....
porque a reta s é paralela ao plano de base de paralelepı́pedo.
.. . .. .. ..
d .... ..... ... ... ... Já vimos que o volume do paralelepı́pedo, é dado pelo módulo do
.. .. ... ... ...
.... .... .... .... ....
.. .. → ........ ..... ..
... ...
......
−
v
...........
.......•...................
...s ............
...
...
produto misto, ou seja
........................... .... ............ ....
...........
•..................... .. ...•
.. ...........
.
r............................ ..... ........................ −→
V = |(→
−
vr , →
−
A
.........
→•
−
v vs , AB)|.
r
Ainda, tal volume é dado pelo produto da área da base pela altura, e como
já sabemos a área da base é o módulo do produto vetorial entre os vetores diretores, ou
seja,
V = Ab .d = k→
−
vr ∧ →
−
vs k.d.
Das duas afirmações, temos

−→
−→ |(→
−
vr , →
−
vs , AB)|
k→
−
vr ∧ →
−
vs k.d = |(→
−
vr , →
−
vs , AB)| ou d(r, s) = .
k→
−vr ∧ →−
vs k
Exemplo 59. Calcule a distância entre as retas


 x = −4 − 4t
y = 3x + 2
r1 : e r2 : y = 2 − 12t
z = 3x
z = −12t

Resolução: Um vetor diretor de r1 é −

v→
r1 = (1, 3, 3) e um vetor diretor de r2 é
−
v→ = (−4, −12, −12). Note que
r2
−
v→ −
→
r2 = (−4, −12, −12) = −4(1, 3, 3) = −4vr1 .
Segue que os vetores diretores são paralelos, consequentemente as retas são

paralelas. Seja A(0, 2, 0) um ponto de r1 e r2 passando por B(−4, 2, 0) com vetor
diretor −
v→
r2 = (−4, −12, −12).
Assim,
→
−i →
− →
−
−→ j k →
− →
−
−
→
vr2 ∧ AB = −4 −12 −12 = 48 j − 48 k .
−4 0 0
53
Logo,
−→ √ √
k−
v→
r2 ∧ ABk k(0, 48, −48)k 48 2 12 2
d(r1 , r2 ) = d(A, r2 ) = = = √ = √ u.c
k−v→
r2 k k(−4, −12, −12)k 4 19 19
Exemplo 60. Calcule a distância entre as retas
(
y = 2
y = 2x − 1
r1 : z−2 e r2 :
x−1 = z = x+1
3
Resolução: Um vetor diretor de r1 é − v→
r1 = (1, 0, 3) e um vetor diretor de r2 é
−
v→ = (1, 2, 1). Notes que as retas não são paralelas, a reta r passa por A(1, 2, 2) e r
r2 1 2
passa por B(0, −1, 1). Assim,

→
− →− →
−
i j k →
− →
− →
−
−
→ −
→
vr1 ∧ vr2 = 1 0 3 = −6 i + 2 j + 2 k .
1 2 1
e
1 0 3
−
→ −
→ −→
= −2 − 9 + 6 + 3 = −2.
(vr1 , vr2 , AB) = 1
2 1
−1 −3 −1
Logo,
→ −→ √
|(−
v→ −
r1 , vr2 , AB)| | − 2| 2 11
d(r1 , r2 ) = −→ −
→ =p =√ = u.c
kvr1 ∧ vr2 k 2 2
(−6) + 2 + 2 2 44 11
3.5.3 Distância de um Ponto a um Plano
Dados A(x0 , y0 , z0 ) um ponto e π : ax + by + cz + d = 0 um plano, tal que

A 6∈ π.
Distância Ponto-Plano
z
Considere P o pé da perpendicular conduzida por
A(x0 , y0 , z0 ) sobre o plano π e Q(x, y, z) um ponto qual-
quer do plano.
... →
O vetor normal → −
I −
.. n ... n = (a, b, c) de π tem a mesma direção
...
−→ −→ −→ −→
de P A ou AP . (P A = λ→ −n ou AP = λ→ −
...
A ...
•........... ...
... n ).
... .....
... ......
... .......
...
... −→
...
...
...
.....
...... ....
....... ...
..
Projetando ortogonalmente o vetor AQ sobre o vetor nor-
... .. . .........
...
...
...
.....
.......
... .......
... ......
mal do plano, temos
... ... .....
... ... .....
.....
... ... .....
−→
−→ → −
... . .....
... ... .
...............................................................................................π
.
n .AQ →
.−
.............
.. . . . . . . . .
...... .....................................................................Q
. . •. .......................
.......
.............................P .......• ..........................................................................
.
proj−
n AQ =
→ n
.....
k→
−
...
y ......................................................................... ...................
. ..... .
..
...........................................................
n k2
....... ..............................
...
. . ......
x ......
54
Então
−→
−→ |→
−
n .AQ|
kproj−
n AQk =
→
k→
−
nk
Por outro lado,
−→ −→ −→
d(A, π) = kAP k = kP Ak = kλ→
−
n k = kproj−
n AQk.
→
Assim,
−→
|→
−
n .AQ|
d(A, π) = .
k→
−
nk
Em coordenadas a equação acima se escreve,

−→
|→
−
n .AQ| |(x − x0 , y − y0 , z − z0 ).(a, b, c)|
d(A, π) = →
− = √
knk a2 + b 2 + c 2
|(x − x0 )a + (y − y0 )b + (z − z0 )c|
= √
a2 + b 2 + c 2
| − (ax0 + by0 + cz0 ) + (ax + by + cz)|

= √
a2 + b 2 + c 2
|(ax0 + by0 + cz0 ) − (ax + by + cz)| |ax0 + by0 + cz0 + d|

= √ = √
2
a +b +c2 2 a2 + b 2 + c 2
Portanto,
|ax0 + by0 + cz0 + d|
d(A, π) = √ .
a2 + b 2 + c 2
Observe que, basta substituirmos as coordenadas de A na equação do plano,

o módulo do resultado quocientado pelo módulo do vetor normal equivale a distância do
ponto ao plano.
Exemplo 61. Calcule a distância do ponto A(2, 1, 3) ao plano
π : 2x − 3y + z + 1 = 0
Resolução: Um vetor normal do plano é →

−
n = (2, −3, 1). Assim
|2.2 − 3.1 + 1.3 + 1| 5

d(A, π) = p = √ . u.c
22 + (−3)2 + 12 14
55
Exemplo 62. Calcule a distância do ponto A(0, 4, 3) ao plano
π : 3y + 4z + 1 = 0
Resolução: Um vetor normal do plano é →

−
n = (0, 3, 4). Assim
|0.0 + 3.4 + 4.3 + 1| 25

d(A, π) = √ = √ = 5. u.c
2
0 +3 +42 2 25
3.5.4 Distância Entre dois Planos
Seja π1 e π2 dois planos distintos, a distância d(π1 , π2 ) quando π1 é paralelo

a π2 se reduz ao cálculo da distância de um ponto a um plano, ou seja,
d(π1 , π2 ) = d(P, π2 ) = d(Q, π1 ) com P ∈ π1 ou Q ∈ π2 .
Caso π1 e π2 não sejam paralelos a distância será considerada nula.
Exemplo 63. Calcular a distância entre os planos
4
π1 : 3x − 4y + 12z + 2 = 0 e π2 : x − y + 4z + 8 = 0
3
Resolução: Os vetores normais são −

n→ −→ 4

π1 = (3, −4, 12) e nπ2 = 1, − 3 , 4 dos planos
π1 e π2 respectivamente.
Um ponto de π2 é A(0, 0, −2). Assim,
|3.0 − 6.0 + 12.(−2) + 2| 22 22

d(A, π) = p =√ = . u.c
32 + (−4)2 + 122 169 13
Observemos, como π1 é paralelo a π2 , então seus vetores normais são paralelos,

ou seja,
−
n→ −→
π1 = (a1 , b1 , c1 ) = λ(a2 , b2 , c2 ) = nπ2 .
Das equações dos planos
π1 : a1 x + b1 y + c1 z + d1 = 0 e π2 : a2 x + b2 y + c2 z + d2 = 0.
56
Vem,
π1 : 0 = a1 x + b1 y + c1 z + d1 = λa2 x + λb2 y + λc2 z + d1
= λ(a2 x + b2 y + c2 z + d2 ) + d1 − λd2
Se B(x0 , y0 , z0 ) ∈ π2 segue que λ(a2 x0 + b2 y0 + c2 z0 + d2 ) = 0. Então

|d1 − λd2 | |d2 − βd1 |
d(A, π1 ) = p 2 ; A ∈ π2 ou d(A, π2 ) = p 2 ; A ∈ π1 .
a1 + b21 + c21 a2 + b22 + c22
Onde λ ou β são as constantes de paralelismo entre os vetores normais dos

planos.
Exemplo 64. Calcular a distância entre os planos
π1 : 4y + 2z + 12 = 0 e π2 : 2y + z + 18 = 0
Resolução: Os vetores normais são −

n→ −→
π1 = (0, 4, 2) e nπ2 = (0, 2, 1) dos planos π1 e
π2 respectivamente.
Note que
− 1
n→ −→
π1 = (0, 4, 2) = 2(0, 2, 1) = nπ2 ou −
n→ −→
π2 = (0, 2, 1) = (0, 4, 2) = nπ1 .
2
Assim,
|d1 − λd2 | |12 − 2.18| 24 12
d(π2 , π1 ) = d(A, π1 ) = p 2 = √ = √ =√
a1 + b21 + c21 02 + 42 + 22 20 5
ou
|d2 − βd1 | 18 − 1 .12 12
2
d(π1 , π2 ) = d(A, π2 ) = p 2 2 2
=√ =√
a2 + b 2 + c 2 2 2
0 +2 +1 2 5
3.5.5 Distância de uma Reta a um Plano
Seja r uma reta e π um plano, se a reta r não for paralela ao plano π então
a distância da reta ao plano é nula, ou seja, d(r, π) = 0.
No caso em que a reta é paralela ao plano π a distância se reduz ao cálculo

de distânica de um ponto ao plano, isto é,
d(r, π) = d(A, π), com A ∈ r.
57
Exemplo 65. Determine a distância entre

y = 2x − 3
r: e π : −x − y + 3z + 4 = 0
z = x+2
Resolução: Um vetor diretor da reta r é →

−
vr = (2, 1, 1) e um vetor normal ao plano π
é −
→ = (−1, −1, 3). Como
n π
→
−
v r .−
→ = (2, 1, 1).(−1, −1, 3) = 0
nπ
segue que π e r são paralelos.
Um ponto da reta é A(0, −3, 2). Logo,
|(−1).0 + (−1).(−3) + 3.2 + 4| |3 + 6 + 4| 13

d(A, π) = p = √ =√
2 2
(−1) + (−1) + 3 2 11 11
Exemplo 66. Determine a distância entre

y = x−5
r: e π : −2x + 2z + 2 = 0
z = x−3
Resolução: Um vetor diretor da reta r é →

−
vr = (1, 1, 1) e um vetor normal ao plano π
é −
→ = (−2, 0, 2). Como
n π
→
−
vr .−
→ = (1, 1, 1).(−2, 0, 2) = 0
n π
segue que π e r são paralelos.
Um ponto da reta é A(0, −5, −3). Logo,
|(−2).0 + 0.(−5) + 2.(−3) + 2| | − 6 + 2| 4 2 √

d(A, π) = p = √ = √ =√ = 2
(−2)2 + 02 + 22 8 2 2 2
58
Capı́tulo 4
Cônicas
A equação da cincunferência, onde descreve o lugar geométrico de todos

os pontos que distam uma medida r (denominada raio) de um ponto 0(x, y) (denomi-
nado origem) já é bem conhecida. Como veremos tal equação é um caso particular de
uma elipse. Neste capı́tulo veremos equações que satisfazem propriedades semelhantes a
cincunferência.
4.1 Parábola
Definição 4.1. Consideremos num plano π um ponto F e uma reta r, F 6∈ r, fixos. O

conjunto de todos os pontos de π equidistantes de F e r se dá o nome de parábola.
Parábolas Sendo P 0 (x, y) o pé da perpendicular em relação a

....
....
....
...
...
....
P (x, y) doplano sobre a reta r, de acordo com a definição,
.... F.• ...
.... ....P (x, y)
• .....
.....
..... ... .....
........
..... .........
..... .....
..
.....
.
..•
.
(x, y) pertence à parábola se, e somente se
...... . ...
....... ........ .....
..................
..•
.......... .
..........•
.............
.......................
.............•
−→
V d(P, F ) = d(P, P 0 ) ou kP F k = kP P 0 k.
• • • • • r
P 0 (x, y)
Assim posto, consideramos elementos da parábola:
......
.........
P 0 (x, y) •
....
. .
........
....•
.......... P (x, y)
Foco: é o ponto F .
....... .
...... ...
•
.....
.....
.•
......
..
Diretriz: é a reta r.
..
... ..
..... ..
....
.........
..
.. Eixo: é a reta que passa pelo foco e é perpendicular a diretiz.
... ..
...
..
..
..
..
. ..
.
Vértice: é o ponto V de intersecção da parábola com o seu
.. .
• ...
• .. V
..
..
•...
..F
..
eixo.
... ..
... ..
... ..
... ..
....
.... ..
..... ..
•
.....
.....
......
•.......
.......
..
..
..
4.1.1 Equação da Parábola
....... ...
....... .
..........
........
• •.........
.........
..
Consideramos o plano xy com o sistema cartesiano or-
r
togonal.
59
Primeiramente, o vértice está na origem e o eixo da parábola é o eixo dos y.
Seja P (x, y) um ponto qualquer da parábola de foco F 0, β2 . Então

Parábolas com eixo dos y

y
x − 0, y − β = x − x, y + β

....
.... ..
....
2 2
.... ....

....
.... F 0, β .
..
.
....
..... • 2 ...•
.... P (x, y)
.....
s 2 s
..... ..... 2
.....
......

....... ..
..
....... β β
........ .
........
...........
............................................... x x2 + y − = y+
2 2
r • •
P 0 x, − β
x2 = 2βy. 2
Esta é a equação reduzida da parábola de vértice na origem tendo como eixo

o eixo dos y.
Notemos que x2 ≥ 0 para todo x ∈ R. Assim os sinais de β e y são sempre

iguais.
Se β > 0 então y > 0 e a curva (e/ou concavidde) é voltada para cima.
Se β < 0 então y < 0 e a curva (e/ou concavidde) é voltada para baixo.
Caso o eixo da parábola fosse considerado como o eixo dos x, de modo análogo
feito anteriormente chegarı́amos

2 β
y = 2βx com foco F ,0 .
2
Se β > 0 então x > 0 e a curva (e/ou concavidde) é voltada para direita.
Se β < 0 então x < 0 e a curva (e/ou concavidde) é voltada para esquerda.
Exemplo 67. Determine o foco, o vértice, a equação da diretriz das parábolas
x2 = 4y e y 2 = −6x.
Faça um esboço do gráfico.

Esboço Gráfico......
... .
Resolução: Seja a parábola x2 = 4y.
... y ...
...
...
...
... ....
.
...
.. Tal equação é da forma x2 = 2βy. Assim 2β = 4 se, e
... ...
...
...
....
....
.... .
....
...
.... somente se β = 2.
.
....
O foco para essa parábola é F 0, β2 = F 0, 22 = F (0, 1).
....

..... .....
.....
...... F•(0, 1) ...........
....... ..
..
...
.......... ..
....................................... ...
.
x
60
Esboço Gráfico
y....
O vértice é a origem V (0, 0), portanto a equação da diretriz é y = −1.
.......
.......
.......
......
......
.....
Seja a parábola y 2 = −6x.
.....
.....
....
....
Tal equação é da forma y 2 = 2βx. Assim 2β = −6 se, e somente se
...
...
..
...
...
β = −3.
O foco para essa parábola é F β2 , 0 = F −3
.

• ......
F − 2 , 0 .... x 3 .
2
, 0 .
..
...
.
..
...
O vértice é a origem V (0, 0), portanto a equação da diretriz é x = 23 .
....
....
...
......
..
....... Os gráficos e os pontos de foco estão apresentados ao lado.
......
.......
.......
.......
Exemplo 68. Encontre a equação da parábola de vértice V (0, 0) passando pelo ponto
P (3, 2) e concavidade voltada para direita.
Resolução: A equação é da forma y 2 = 2βx. Como P (3, 2) pertence a parábola
devemos ter
22 = 2β.3
2
Logo, β = , o que significa que a concavidade é voltada para direita. Por-
3
tanto,
2 4
y 2 = 2. .x = x ou 3y 2 = 4x.
3 3
Seja um ponto O0 (h, k) arbitrário no plano xOy. Vamos introduzir um novo

sistema x0 O0 y 0 tal que os eixos O0 x0 e O0 y 0 tenham as mesmas unidade de medida, a
mesma direção e o mesmo sentido dos eixos Ox e Oy.
Tome um ponto P qualquer do plano tal que suas coordenadas são:

x e y em relação ao sistema xOy.
x0 e y 0 em relação ao sistema x0 O0 y 0 .
Sistema de
y..
Coordenadas
.....
Então
y0
N
• x = x0 +h e y = y 0 +k ou x0 = x−h e y 0 = y−k.
 •P (x, y)
Que são as fórmulas de translação para mudar as coorde-


•







nadas de um sistema para outro.



y= • • • I x0
O 0 (h, k)

Tal procedimento visa modificar a forma de equações.



 


 
k=


Por exemplo, seja a equação:


 


....
.
O| x
2
x0 = 8y 0 x0 O 0 y 0
{z }
| =h
=x
{z } no sistema
Consideramos O0 (2, 4) no sistema xOy, da fórmula de translação concluı́mos
61
x0 = x − 2 e y 0 = y − 4, então
(x − 2)2 = 8(y − 4) no sistema xOy
ou ainda,
x2 − 4x + 36 = 8y no sistema xOy
Reciprocamente, se
x2 − 4x + 36 = 8y (?)
é a equação no sistema xOy, a mesma equação no sistema x0 O0 y 0 é
2
x0 = 8y 0 .
De fato, de x = x0 + 2 e y = y 0 + 4, substituindo esses valores em (?), obtemos
2 2
0 = (x0 + 2)2 − 4(x0 + 2) − 8(y 0 + 4) + 36 = x0 + 4x0 + 4 − 4x0 − 8 − 8y 0 − 32 + 36 = x0 − 8y 0 .
2
Logo, x0 = 8y 0 .
Mediante uma adequada translação de eixos, a equação no sistema xOy

transforma-se numa equação bem mais simples no sistema x0 O0 y 0 , e ambas com o mesmo
gráfico.
Seja uma parábola de vértice V (h, k) e eixo paralelo ao eixo dos y, sendo
h e k coordenadas de V em relação ao sistema xOy e P (x, y) um ponto qualquer da
parábola.
Consideramos um novo sistema x0 O0 y 0 com a origem em O0 em V , então pelo

que já foi visto a equação da parábola no sistema x0 O0 y 0 é
2
x0 = 2βy 0 .
Mas, x0 = x − h e y 0 = y − k e daı́
(x − h)2 = 2β(y − k).
62
que é a forma padrão da equação de uma parábola de vértice V (h, k) e eixo paralelo ao
eixo dos y.
Ainda, a equação
(y − k)2 = 2β(x − h).
é a forma padrão da equação de uma parábola de vértice V (h, k) e eixo paralelo ao eixo
dos x.
As equações acima podem ser ainda reescritas como
x2 − 2hx + h2 = 2βy − 2βk ou y 2 − 2ky + k 2 = 2βx − 2βh.
Exemplo 69. Determinar a equação da parábola de vértice V (2, 1), sabendo que y = 2
é a equação de sua diretriz.
Resolução: Como o eixo da parábola é paralelo ao eixo dos y então a equação é da
forma
2
x0 = 2βy 0 , ou seja, (x − h)2 = 2β(y − k) (?)
Sendo o vértice V (2, 1) e a diretriz da parábola y = 2 implica em foco F (2, 0),

pois d(V, rd ) = 1 = d(F, V ), onde rd é a reta diretriz.
Vamos determinar o foco F 0 (x0 , y 0 ) da parábola no sistema x0 O0 y 0 , para então

encontrarmos o valor de β, lembremos que F 0 0, β2 .

Como x0 = x − 2, y 0 = y − 1 e F (2, 0), então x0 = 0 e y 0 = −1, consequente-

β
mente 2
= −1 e, portanto, β = −2.
Assim, h = 2, k = 1 e β = −2, substituindo em (?) vem
(x − 2)2 = 2(−2)(y − 1) ou x2 − 4x = −4y
Exemplo 70. Determine o vértice, o foco e a equação da dirtriz da parábola
y 2 − 4y + 2x + 2 = 0.
Resolução: Tal equação é da forma (y − k)2 = 2β(x − h).
63
Notemos que (y − 2)2 = y 2 − 4y + 4, então
(y − 2)2 = y 2 − 4y + 4 = −2x + 2 = −2(x − 1)
uma vez que y 2 − 4y + 2 = −2x.
Logo,
y 0 = y − 2, x0 = x − 1 e 2β = −2
Concluı́mos assim, que V (1, 2) é o vértice da parábola, F (0, 2) é o foco da

parábola, pois o F 0 (−1, 0).
A equação da diretriz é x = 2, pois d(V, rd ) = 1 = d(V, F ).
Podemos ainda, atravéz de uma rotação nos eixos coordenados, escrever a

equação de uma parábola, contudo nesse novo sistema o gráfico da parábola é alterado,
quando sobreposto um sistema no outro, mas quando visto em separados representam
equivalência entre os gráficos.
4.2 Elipse
É o lugar geométrico dos pontos de um plano cuja soma das distâncias a dois
pontos fixos desse plano é constante.
Elipse
................
.................................................•
P .
....................
Definição 4.2. Seja um plano π, e considemos dois pontos
.......... ...... .... ................
........ ......
........
....
............
......
...........
...
...
...
.......
......
.....
....
distintos F1 e F2 , tal que a distância d(F1 , F2 ) = 2c. Seja a
..... .......... ...
. ....
.
...
.
...
... ........ ......... ...
....
...
...
...
...
...
um número real tal que a > c.
.... ..... ..... .... ...
...
....
... F1•... .... ....... .
....
....
.F2
...•
...
.
...
O conjunto de todos os ponto P do plano π tais que
... ...
. . ..
.. ... .
.
...
... ... ...... ..
... .... .. .. .
...... ..
...
....
...
...
......
......
.....
...
...
... −−→ −−→
....
....
......
.......
........
...
...
...
. ......
.............
.......
.
.....
....... d(P, F1 ) + d(P, F2 ) = 2a ou kP F1 k + kP F2 k = 2a
......... ..... .......... ........
................... ..........
......................... ...................................
..•
0 ............
P
Elementos da Elipse é denominado elipse.
B
.....2
.......................• ...............................
.................. ..............
............ ...........
..........
.
................
........
......
.....
.....
Isso posto, denominamos elementos da elipse.
..... ....
. ....
..
.
....
.
...
...
...
Focos: são os pontos F1 e F2 .
.... ...
...
A1•...
...
F •1 •
C
F •2 •
..
..A2 2b
..
Distância Focal: é a distância 2c entre os focos.
... .
...
...
...
....
2c ...
....
. Centro: é o ponto médio C do segmento F1 F2 .
.....
..... .....
.....
......
.......
..........
............. .....
...........
.
..
.. ...... Eixo Maior: é o segmento A1 A2 de comprimento 2a (o seg-
.................... ..............
...................................
...................•
B1 mento A1 A2 contém os focos e os seus extremos pertencem a
2a
elipse.
64
Eixo Menor: é o segmento B1 B2 de comprimento 2b (B1 B2 ⊥ A1 A2 no seu ponto médio).
Vértices: são os pontos A1 , A2 , B1 e B2 .
c
Excentricidade: é o número e dado por e = . Como c < a tem-se 0 < e < 1.
a
Ainda em toda elipse vale a relação a2 = b2 + c2 .
4.2.1 Equação da Elipse
Consideremos o sistema xOy ortogonal, suponhamos ainda que o eixo maior

da elipse esteja sobre o eixo dos x e o centro seja a origem.
Seja P (x, y) um ponto qualquer de uma elipse de focos F1 (−c, 0) e F2 (c, 0).
Da definição de elipse temos
−−→ −−→
d(P, F1 ) + d(P, F2 ) = 2a ou kF1 P k + kF2 P k = 2a
Logo,
p p
(x + c)2 + y 2 + (x − c)2 + y 2 = 2a
p p
x2 + y 2 + 2xc + c2 = 2a − x2 + y 2 − 2xc + c2
p 2 p 2
2 2
x + y + 2xc + c 2 2 2
= 2a − x + y − 2xc + c 2
p
x2 + y 2 + 2xc + c2 = 4a2 − 4a x2 + y 2 − 2xc + c2 + x2 + y 2 − 2xc + c2
p
4a x2 + y 2 − 2xc + c2 = 4a2 − 4xc
a2 (x2 + y 2 − 2xc + c2 ) = (a2 − xc)2
a2 (x2 + y 2 − 2xc + c2 ) = a4 − 2a2 xc + x2 c2
(a2 − c2 )x2 + a2 y 2 = a4 − a2 c2 = a2 (a2 − c2 )
b 2 x 2 + a2 y 2 = a2 b 2
Dividindo ambos os membros por a2 b2 da equação acima, obtemos
x2 y 2
+ 2 =1 (??)
a2 b
65
A equação (??) é a equação reduzida da elipse de centro na origem e eixo
maior no eixo dos x.
De forma análoga a equação
x2 y 2
+ 2 =1
b2 a
é a equação reduzida da elipse de centro na origem e eixo maior no eixo dos y.
Na equação reduzida da elipse, consideramos sempre que dos denominadores

o número a2 é o maior dos denominadores, ainda o número a é a medida do semi-eixo
maior e, esse eixo maior está no eixo do qual a2 é denominador.
Exemplo 71. Considere as equações da elipse.
x2 y 2 x2 y 2
+ =1 e + =1
16 9 25 49
Em quais dos eixos coordenados está o eixo maior da elipse. Qual a medida
do semi-eixo menor da elipse.
Resolução: Para a primeira equação notemos que 16 > 9, então o eixo maior da elipse
está sobre o eixo dos x. A medida do semi-eixo menor é o valor de b, como b2 = 9, segue
que a medida é 3 u.c.
Para a segunda equação o eixo maior da elipse está sobre o eixo dos y, uma
vez que 49 > 25, ainda a medida do semi-eixo menor é 5 u.c.
Exemplo 72. Seja a elipse 16x2 + 36y 2 = 576, determine:

a) A medida dos semi-eixos da elipse. b) A excentricidade. c) Os focos da elipse.
d) Quais dos eixos coordenados está o eixo menor. e) Um esboço do gráfico.
Resolução: Considerando a equação 16x2 + 36y 2 = 576 então
2
x2
Gráfico Elipse 36...
+ y16 = 1
.................
y. .
............
.....................................
............................• .......... ............ x2 y 2
.. .......
.
..........
..........
........
....... + = 1.
....
.....
.... . .....
.....
.... 36 16
.... ...
...
...
. ...
...
...
a) O eixo maior da elipse tem medida 2a da equação acima
... ...
2
F2 ... temos que a = 36, concluı́mos que o o semi-eixo maior tem
•.... • • • .....
....x
...
...
F1
.
... ..
...
....
.....
..... .....
...
.
.
.
..
.
medida 6 u.c.
....... ......
.......
........
..........
............
................. ...........
................ O eixo menor da elipse tem medida 2b da equação acima temos
............................................................................
•
que b2 = 16, concluı́mos que o o semi-eixo menor tem medida
4 u.c.
66
c
b) A excentrididade é dada por e = , como c2 = a2 − b2 = 36 − 16 = 20 e c > 0 con-
√ a
√ 5
cluı́mos que c = 2 5 e e = .
3
c) Os focos da elipse são pontos do eixo maior da elipse o qual está sobre o eixo dos x,
√ √
segue daı́ que os focos são F1 −2 5, 0 e F2 2 5, 0 .
d) O eixo menor está sobre o eixo dos y.
Exemplo 73. Encontre a equação da elipse de centro na origem e que tem um foco no
ponto (0, 4) e a medida do eixo menor é 6.
Resolução: Como a elipse tem foco no eixo dos y temos que a equação da elipse é da
forma
x2 y 2
+ 2 =1
b2 a
Como o eixo menor mede 6 u.c então 2b = 6 e, assim b = 3.
Do ponto de foco temos que c = 4 e como a2 = b2 + c2 = 32 + 42 = 25,

concluı́mos que a = 5, portanto a equação da elipse é dada por
x2 y 2
+ =1
9 25
Assim como feito em parábolas, pode ocorrer que o centro da elipse não esteja
na origem, usando a fórmula translação de eixo, quando o centro da elipse é C(h, k) e
os eixos da elipse são paralelos aos eixos coordenados, as equações se tornam
(x − h)2 (y − k)2 (x − h)2 (y − k)2
+ =1 ou + = 1.
a2 b2 b2 a2
Exemplo 74. Uma elipse cujo eixo maior é paralelo ao eixo dos x, tem centro em
2
C(3, −1), excentricidade e = e eixo menor de medida 6 u.c. Qual a equação da
3
elipse.
Resolução: Como o eixo maior é paralelo ao eixo dos x, a equação da elipse é da forma
(x − h)2 (y − k)2
+ =1
a2 b2
Como o eixo menor mede 6 u.c, devemos ter b = 3, ainda da excentricidade

2 c
e= = , então 3c = 2a.
3 a
67
Ainda 2
4a2

2 2 2 2 2a
a =b +c =b + =9+ ,
3 9
√
9 5
portanto, a = .
5
Daı́,
(x − 3)2 (y + 1)2 5(x − 3)2 (y + 1)2

1 = √ 2 + = + .
9 5 9 81 9
5
4.3 Hipérbole
O lugar geométrico dos pontos de um plano cuja diferença das distâncias,

em módulo de dois pontos fixos desse plano é constante, será chamado de hipérbole.
Hipérbole
......
......
...... ......
......
.
Definição 4.3. Sejam dois ponto F1 e F2 distintos num
...... ......
...... .......
......
......
......
...... .....
.....
......
...
.
plano π tal que d(F1 , F2 ) = 2c. Seja um número real a
..... ......
.....
.....
....
....
.... ....
....
.....
tal que a < c.
.... ...
....
P
.........
•
..... ..............
. ... ............ .
...............
...
. O conjunto de todos os pontos P do plano tais que
• .. .... ......• .
F1 ..... ... F
... 2
....
..... ...
..... −−→ −−→
....
....
....
.... ....
....
....
.....
|d(P, F1 )−d(P, F2 )| = 2a ou | kF1 P k+kF2 P k | = 2a
.... ......
..
...... ......
......
.......
. ......
........ ......
.... ......
.
..............
. ...
. ......
......
......
....
chama-se hipérbole.
....
Considese a reta que passa por F1 e F2 e sejam A1 e A2 os pontos de inter-

secção da hipérbole com esta reta. Seja outra reta perpendicular a esta reta passando
pelo ponto médio C do segmento F1 F2 .
Estudo da Hipérbole A hipérbole é uma curva simétrica em relação a
....
....
....
....P1
•....
.......
P2........
. ..
.•
estas duas retas, como também em relação ao ponto C,
........ .. .
....
.........
........
........ B.1 ...
....
.... ou seja, se P1 é um ponto da hipérbole, existem P2 , P3 e
... ..... J 2a •....
...
I ...
... ... ...
... .....
... ....
... ....
...
...
...
... ...
...
.. P4 tais que
... .... ... ..
... .... ....c .
... .... ...
... ...
... .... b ..
.... ... ..
...
...
...
...
....
....
....
....
...
... ....
.... ..
... .
. i) P4 é simétrico de P1 em relação a reta que passa por
F1 . .... a ....• .
..... F2
• • ...
....A1
•...
C ........
....
A2.....
...
•
F1 e F2 .
... .... ...
J ... .. .
.... ... I
2c .... ...
... ....
.... .....
....
... .... ...
.... ...
.... ..
ii) P2 é simétrico de P1 em relação a reta perpendicular
... .... ...
...
.
..
.....
...
•
.... ...
.... ....
.... ...
........
a reta que passa por F1 e F2 e pelo ponto médio do
.. . B2 ........
...
•
..
.
...
. ...
. . .......
.......
....
•...
segmento F1 F2 .
.. P
...
. ..
. 4 P3 ........
... ....
..
. ....
... ....
.
..
..... ....
.. iii) P3 é simétrico de P1 em relação ao ponto C.
68
Da simetria temos d(A1 , F1 ) = d(A2 , F2 ) e, por definição d(A1 , A2 ) = 2a.
Os elementos da hipérbole são:

Focos: são os pontos F1 e F2 .
Distância Focal: é a distância 2c entre os focos.
Vértices: são os pontos A1 e A2 .
Eixo real ou transverso: é o segmento A1 A2 de comprimento 2a.
Eixo imaginário ou conjugado: é o segmento B1 B2 de comprimento 2b.
O valor b é definido por
c 2 = a2 + b 2
onde a, b e c são as medidas dos lados do triângulo retângulo B1 CA2 .

c
Excentricidade da hipérbole: é o valor dado por e = .
a
Ângulo de abertura: é o ângulo entre a reta que passa por P1 e P3 com a reta que passa
por P4 e P2 , em relação aos focos.
Seja P (x, y) um ponto do plano, definiremos que P 1 (x, y) = x, ou seja,

P 1 (x, y) é a projeção ortogonal sobre o eixo dos x e, P 2 (x, y) = y, ou seja, P 2 (x, y) é
a projeção ortogonal sobre o eixo dos y.
Observemos a figura (Estudo da Hipérbole) e, sejam os pontos (A12 , B12 ) e

(A11 , B22 ) e seja r a reta que passa por esses dois pontos, considere ainda os pontos
(A11 , B12 ) e (A22 , B22 ) e seja s a reta que passa por esses dois pontos. As retas r e s
são chamadas assı́ntotas da hipérbole, são retas das quais a hipérbole se aproxima cada
vez mais à medida que os pontos se afastam dos focos, a tendência é que a hipérbole
tangencie suas assı́ntotas no infinito.
4.3.1 Equação da Hipérbole
Consideramos que o eixo real da hipérbole esteja sobre o eixo coordenado dos
x. Seja P (x, y) um ponto qualquer da hipérbole de focos F1 (−c, c) e F2 (c, 0). Temos
69
assim que
p p
| d(P, F1 ) − d(P, F2 ) | = 2a 2 2 2 2
ou (x + c) + y − (x − c) + y = 2a.

De modo análogo feito para a equação da elipse, podemos simplificar a equação

acima, para chegarmos em
x2 y 2
− 2 =1 (?)
a2 b
lembre-se que c2 = a2 + b2 .
A equação (?) é a equação reduzida da hipérbole de centro na origem e eixo

real sobre o eixo dos x.
Quando o eixo real da hipérbole está sobre o eixo dos y os focos são F1 (0, −c)
e F2 (0, c). Então
y 2 x2
− 2 =1 (??)
a2 b
a equação (??) é a equação reduzida da hipérbole de centro na origem e eixo real sobre
o eixo dos y.
Exemplo 75. Sejam as equações.
12x2 − 6y 2 − 72 = 0 e 16y 2 − 25x2 = 400
Tais equações representam uma hipérbole. No caso afirmativo determine.

a) Sobre qual eixo coordenado está o eixo real da hipérbole.
b) A medida dos semi-eixos. c) Os vértices d) Os focos
e) A excentricidade f ) As equações das assı́ntotas g) Um esboço do gráfico.
x2 y2 x2 y 2
Hipérbole − =1 Solução: Seja a equação 12x2 −6y 2 −72 = 0 então − = 1.
...
6 12
......
y 6 12
...
...
... ...
...
..
... a) O eixo real da hipérbole está sobre o eixo dos x.
... ..
... ...
...
...
... ...
...
... b) As medidas dos eixos da hipérbole são 2a e 2b, da equação
... ...
...
...
...
... ...
...
..
acima temos que a2 = 6 e b2 = √ 12, portanto segue daı́ que o
... ...
...
...
...
...
... ...
...
.
semi-eixo real tem√ medida√ a = 6 e o semi-eixo imaginário
... ...
...
...
...
....
..
...
tem medida b = 12 = 2 3.
• •
... .....
• • ...
F1 ...A
.... 1
A2... ..
...
F2 x c) Para determinarmos os vértices, fazemos
√ y = 0√na equação
... ...
...
...
.. ...
...
...
...
da hipérbole, e os vértices são A1 − 6, 0 e A2 6, 0 .
..
d) Os√Focos, lembre-se que c2 =√a2 + b2 = 6 +√
. ...
...
...
... ...
...
...
...
12 = 18, portanto
..
. ...
...
...
... ...
...
...
c = 3 2, e os focos são F1 (−3 2, 0) e F2 (3 2, 0).
... ...
..... ...
...
... ...
... ...
... .
70
√
c 3 2 √
e) A excentricidade é dada por e = = √ = 3.
a 6 √ √ √ √
f ) As equações das assı́ntotas. Seja (A12 , B12 ) = 6, 2 3 e (A11 , B22 ) = − 6, −2 3 .
Então o coeficiente ângular da reta que passa por esses dois pontos é
√ √ √ √
y2 − y1 −2 3 − 2 3 4 3 2.3 2 √
m= = √ √ = √ = = 2
x2 − x1 − 6− 6 2 6 6
√
Então uma assı́ntota é dada por y= 2x.
√
Pela simetria dos pontos a outra assı́ntota é dada por y = − 2x.
Note que ambas equações passam pela origem.

y2 x2 y2 x2
Hipérbole − =1 Seja a equação 16y 2 − 25x2 = 400 então − = 1.
....
....
16
y...
25
....
..
..
25 16
....
....
....
....
....
....
....
.... a) O eixo real da hipérbole está sobre o eixo dos y.
.... .....
.
....
....
....
....
.
....
.....
......
b) As medidas dos eixos da hipérbole são 2a e 2b, da equação
..... .....
.....
......
.......
....... •F1 ............
.........
.
.....
acima temos que a2 = 25 e b2 = 16, portanto segue daı́ que o
........ .
............... ......................
....•......
A1 semi-eixo real tem medida a = 5 e o semi-eixo imaginário tem
medida b = 4.
.... c) Para determinarmos os vértices, fazemos x = 0 na equação
.
x
da hipérbole, e os vértices são A1 (0, 5) e A2 (0, −5).

.................•....A
...........2
..........
d) Os
√ Focos, lembre-se que c2 = a√ 2
+b2 = 25+16√= 41, portanto
....
......... .......
..
.....
.....
......
....... •F2
.......
......
......
.....
.....
c = 41, e os focos são F1 (0, − 41) e F√2 (0, 41).
.
..... ....
....
.
....... ....
.....
.... c 41
....
....
.... ....
....
.. e) A excentricidade é dada por e = = .
a 5
1 2 1 2
f ) As equações das assı́ntotas. Seja (B2 , A1 ) = (4, 5) e (B1 , A2 ) = (−4, −5). Então o
coeficiente ângular da reta que passa por esses dois pontos é
y2 − y1 −5 − 5 10 5
m= = = =
x2 − x1 −4 − 4 8 4
5
Então uma assı́ntota é dada por y = x.
4
5
Pela simetria dos pontos a outra assı́ntota é dada por y = − x.
4
Consideramos uma hipérbole de centro C(h, k) e seja P (x, y) um ponto

qualquer. Como
x2 y 2
− 2 =1
a2 b
é a equação da hipérbole de centro C(0, 0) e eixo real da hipérbole sobre o eixo dos
x, quando o eixo real da hipérbole for paralelo ao eixo dos x e centro C(h, k), então a
71
equação passa a ser
(x − h)2 (y − k)2
− =1
a2 b2
se o eixo real da hipérbole for paralelo ao eixo dos y e centro C(h, k), então a equação
da hipérbole passa a ser
(y − k)2 (x − h)2
− = 1.
a2 b2
Para eixo real da hipérbole paralelo ao eixo dos x, temos
F1 (h − c, k), F2 (h + c, k), A1 (h − a, k), A2 (h + a, k), B1 (h, b + k) e B2 (h, b − k).
Para eixo real da hipérbole paralelo ao eixo dos y, temos
F1 (h, k + c), F2 (h, k − c), A1 (h, a + k), A2 (h, k − a), B1 (h − b, k) e B2 (h + b, k).
(x − 3)2 (y − 4)2 (x − 2)2

Hipérbole − (y − 1)2 = 1 Hipérbole − =1
....... 4....... .......
9 4
....... y ..... y ...
....... ..... .....
....... ..... .....
.......
....... ......
.....
..... ..
......
...... ...... ..... .
.....
.
...... ...... ..... .....
...... ...... ..... .....
...... ........
. ......
...... ......
...... V1 B1 V2 .....
. ...... ......
...... ..... ...... ...
..
...... • • • ...... ........ •F1.............
...... ...... ...................................
.....
..... ..
....... V1 • • • V2
..... .. A1
..... .....
.... ....
... ...
... ...
... ..
.
... ..
• • .. • ..... •
•
F1 .....A1 C A2 ..... F2 B1• • •B2
... ...
.... C
...
. .....
....
..... .....
.....
..... .....
..... ......
..
....... ...... ...
...... • • • ...... ....
...... ...... x V3 • ....A
.............• ..........2 • V4
...... V3 B2 V4 ...... ..........
...........
...... ...... ........ •F2 ............
...
......... ......
...... ....... .....
....... ...... .......
.
......
...... ..
...... ....... .
.....
.
.. ..... x
....... ..... .....
....... .. .....
............. ..
.
.
...
.
. .....
..
...... .... .....
...... ..... .....
....... ..... .....
.....
..... .....
..
......
. .....
.....
..
....
. .....
..
.... ....
..
..
Exemplo 76. Sejam as equações

i) 4y 2 − 32y − 9x2 + 36x − 8 = 0
ii) x2 − 6x − 4y 2 + 8y + 1 = 0. Determine
a) O centro b) Localização do eixo real da hipérbole c) Os vértices d) Os Focos
e) As equações de assı́ntotas da hipérbole.
Resolução: Seja a equação 4y 2 − 32y − 9x2 + 36x − 8 = 0. Então
8 = 4y 2 − 32y − 9x2 + 36x = 4(y 2 − 8y) − 9(x2 − 4x)
= 4(y 2 − 8y + 16) − 9(x2 − 4x + 4) − 64 + 36
= 4(y − 4)2 − 9(x − 2)2 − 28
72
(y − 4)2 (x − 2)2
Logo, 36 = 4(y − 4)2 − 9(x − 2)2 e, portanto, − = 1.
9 4
a) O centro da hipérbole é C(2, 4).
b) O eixo real da hipérbole é paralelo ao eixo dos y passando pelo centro da hipérbole
C(2, 4).
c) Os vértices são dados pondo x = 2 na equação da hipérbole, feito isso obtemos que
y = 7 e y = 1.
Assim, A1 (2, 7) e A2 (2, 1).
Ou ainda, como h = 2, k = 4, a = 3 e b = 2, pode-se usar
A1 (h, k + a) = A1 (2, 4 + 3) = A1 (2, 7) e A2 (h, k − a) = A2 (2, 4 − 3) = A2 (2, 1)
√
d) Os focos, lembre-se que c2 = a2 + b2 = 9 + 4 = 13, portanto c = 13, assim
√ √
F1 (h, k + c) = F1 (2, 4 + 13) e F2 (h, k − c) = F2 (2, 4 − 13)
e) As equações de assı́ntotas.
Seja o retângulo de vértices V1 (B11 , A21 ), V2 (B21 , A21 ), V3 (B11 , A22 ) e V4 (B21 , A22 ),
então uma assı́ntota passa pelos vértices V1 (B11 , A21 ) e V4 (B21 , A22 ) e a outra passa pelos
vértices V2 (B21 , A21 ) e V3 (B11 , A22 ).
Como,
B1 (h − b, k) = B1 (2 − 2, 4) = B1 (0, 4) e B2 (h + b, k) = B2 (2 + 2, 4) = B2 (4, 4),
segue que
V1 (B11 , A21 ) = V1 (0, 7) e V4 (B21 , A22 ) = V4 (4, 1)
e a equação da reta passando por esses dois pontos é
3 3
y − 7 = − (x − 0) então y =− x+7
2 2
A outra assı́ntota passa por
V2 (B21 , A21 ) = V2 (4, 7) e V3 (B11 , A22 ) = V3 (0, 1)
73
3 3
y − 1 = (x − 0) então y = x + 1.
2 2
Seja a equação x2 − 6x − 4y 2 + 8y + 1 = 0. Então
−1 = x2 − 6x − 4y 2 + 8y = (x2 − 6x) − 4(y 2 − 2y)
= (x2 − 6x + 9) − 4(y 2 − 2y + 1) − 9 + 4
= (x − 3)2 − 4(y − 1)2 − 5
(x − 3)2
Logo, 4 = (x − 3)2 − 4(y − 1)2 e, portanto, − (y − 1)2 = 1.
4
a) O centro da hipérbole é C(3, 1).
b) O eixo real da hipérbole é paralelo ao eixo dos x passando pelo centro da hipérbole
C(3, 1).
c) Os vértices são dados pondo y = 1 na equação da hipérbole, feito isso obtemos que
x = 1 e x = 5.
Assim, A1 (1, 1) e A2 (5, 1).
Ou ainda, como h = 3, k = 1, a = 2 e b = 1, pode-se usar
A1 (h − a, k) = A1 (3 − 2, 1) = A1 (1, 1) e A2 (h + a, k) = A2 (3 + 2, 1) = A2 (5, 1)
√
d) Os focos, lembre-se que c2 = a2 + b2 = 4 + 1 = 5, portanto c = 5, assim
√ √
F1 (h − c, k) = F1 (3 − 5, 1) e F2 (h + c, k) = F2 (3 + 5, 1)
e) As equações de assı́ntotas.
Seja o retângulo de vértices V1 (A11 , B12 ), V2 (A12 , B12 ), V3 (A11 , B22 ) e V4 (A12 , B22 ),
então uma assı́ntota passa pelos vértices V1 (A11 , B12 ) e V4 (A12 , B22 ) e a outra passa pelos
vértices V2 (A12 , B12 ) e V3 (A11 , B22 ).
Como,
B1 (h, k + b) = B1 (3, 1 + 1) = B1 (3, 2) e B2 (h, k − b) = B2 (3, 1 − 1) = B2 (3, 0),
74
segue que
V1 (A11 , B12 ) = V1 (1, 2) e V4 (A12 , B22 ) = V4 (5, 0)
1 1 5
y = − (x − 5) = − x +
2 2 2
A outra assı́ntota passa por
V2 (A12 , B12 ) = V2 (5, 2) e V3 (A11 , B22 ) = V3 (1, 0)
1 1 1
y = (x − 1) = x − .
2 2 2
4.4 Rotação e Roto-translação dos eixos Coordenados
Dado o sistema de eixos xOy de origem O(0, 0), já vimos como transformar
em um novo sistema x0 O0 y 0 de origem O(h, k) no sistema xOy, de modo que o eixo x0 seja
paralelo ao eixo x e o eixo y 0 seja paralelo ao eixo y. Veremos agora como transformar
o sistema xOy de origem O(0, 0) num sistema x? Oy ? de origem O(0, 0) no sistema
xOy, contudo, esses eixos não são paralelos aos eixos coordenados no sistema xOy, esta
transformação é a rotação dos eixos, ainda uma combinação de rotação com translação
tansforma em um sistam com origem em O(h, k) com eixos não paralelos aos eixos
coordenados, e a essa transformação denomina-se roto-translação dos eixos coordenados.
Sistema xOy Sistema. x? Oy ? (Rotação) Sistema x? O? y ? (Roto-Translação)
y..... . ...
y ?.......
...
y.... .
.
y ?........ y
.... ....
....
... ..... ?
... ..... x ....
... ...... ....
x? .....
... ...... .... .......
... ..
...... ....
.... .......
... .
...... .... ..
.......
... ...... .... .
.....
.
... ..... .... ......
... ...... .... .......
...
....... .... ......
...
...θ ...... .... .
.......
........... ........... .... . .
...
... ....... .... .......
... . θ ... ....θ ......
.......... . ............ .............
... ......
.
......
..
.. .
...
...
.
x ...............θ
.•
.
..... .O(h,
..
. .. k)
.
. . ...... .......
x. .....
......
......
. ...
...
...
......
.......
....... ....
....
...... ... .
... ....
...... ... ..... . ....
.
..... ... ...... .... ...
.
..
.
.
.....
.
.
....
.
..
. ...
...
...
... ...
..
......
......
....... ....
....
....
.
x
.
.... .. .
..... ...
Para fazermos uma rotação nos eixos coordenados. Consideramos os sistemas
xOy e x? Oy ?
75
− →
→ − →
− →
−
e seja { e?1 , e?2 } uma base em x? Oy ? , ainda sendo e?1 e e?2 vetores do plano, existem
escalares reias a11 , a21 , a12 e a22 tais que
→
−? →
−?
e1 = a11 →
−
e1 + a21 →
−
e2 e e2 = a12 →
−
e1 + a22 →
−
e2
onde {→
−
e1 , →
−
e2 } é uma base no sistema xOy.
−→
Seja P (x, y) e O(h, k) dois pontos do plano, então o vetor OP pode ser
− →
→ −
escrito como combinação de { e?1 , e?2 }, ou seja,
−→ →
− →
−
OP = x? e?1 + y ? e?2
ou ainda
→
− →
−
(x, y) = (h, k) + x? e?1 + y ? e?2 (4.1)
Seja θ a medida do ângulo de rotação (considerando positivo o sentido anti-

horário) que transforma o sistema xOy no sitema x? Oy ? .
− →
→ −
Sendo { e?1 , e?2 } uma base em x? Oy ? temos
→
−?
e1 = cos(θ)→
−
e1 + sen(θ)→
−
e2
→
−?
e2 = −sen(θ)→
−
e1 + cos(θ)→
−
e2
Neste caso a origem é comum, ou seja, O(0, 0) de (4.1), vem
(x, y) = (0, 0) + x? (cos(θ)→

−
e1 + sen(θ)→
−
e2 ) + y ? (−sen(θ)→
−
e1 + cos(θ)→
−
e2 )
= (x? cos(θ) − y ? sen(θ))→

−
e1 + (x? sen(θ) + y ? cos(θ))→
−
e2
Donde,
  ?
 x = x? cos(θ) − y ? sen(θ)  x = x cos(θ) + ysen(θ)
e
y = x? sen(θ) + y ? cos(θ) y ? = −xsen(θ) + y cos(θ)
 
são as fórmulas de rotação dos eixos coordenados.
Para a roto-translação a origem O(h, k), e de (4.1), vem
→
− →
−
(x, y) = (h, k) + x? e?1 + y ? e?2
76
E efetuando as operações, obtemos
  ?
 x = h + x? cos(θ) − y ? sen(θ)  x = (x − h) cos(θ) + (y − k)sen(θ)
e
y = k + x? sen(θ) + y ? cos(θ)
 ?
y = −(x − h)sen(θ) + (y − k) cos(θ)

são as fórmulas de roto-translação dos eixos.
As operações de translação, rotação e roto-translação é utilizada para fazer

algumas simplificações na equação da forma
Ax2 + Bxy + Cy 2 + Dx + Ey + F = 0.
Como vimos, a translação simplificou algumas equações da forma
Ax2 + Cy 2 + Dx + Ey + F = 0
para as formas da parábola, elipse e/ou hipébole, para o qual o produto misto xy não
aparecia na expressão.
Exemplo 77. Seja a equação
4x2 − 24xy + 11y 2 + 56x − 58y + 95 = 0.
representa:
a) Parábola b) Elipse c) Hipérbole d) N.D.A (Nenhuma das Alternativas).
Resolução: Na equação aparece parcelas de fatores lineares x e y, bem como fatores
não lineares com o produto xy.
Para eliminar os fatores lineares, devemos fazer uma translação, escolhendo

de forma adequada um ponto C(h, k). Onde
x = x0 + h e y = y0 + k
substituindo na equação temos
4(x0 + h)2 − 24(x0 + h)(y 0 + k) + 11(y 0 + k)2 + 56(x0 + h) − 58(y 0 + k) + 95 = 0
77
desenvolvendo os binômios e agrupando, obtemos a equação
2 2
4x0 − 24x0 y 0 + 11y 0 + (−24k + 8h + 56)x0 + (22k − 24h − 58)y 0 + G(h, k) = 0
onde G(h, k) = 4h2 − 24hk + 11k 2 + 56h − 58k + 95
Para eliminar o fator linear x0 e y 0 devemos impor
−24k + 8h + 56 = 0
22k − 24h − 58 = 0
2 11
Resolvendo o sistema acima, encontramos h = − ek= .
5 5
Calculando
2 2
2 11 2 2 11 11 2 11
G(h, k) = G − , =4 − − 24 − + 11 + 56 − − 58 + 95 = 20.
5 5 5 5 5 5 5 5
E a equação em termos de x0 e y 0 se torna
2 2
4x0 − 24x0 y 0 + 11y 0 + 20 = 0. (??)
Devemos agora fazer uma rotação para eliminar o termo de produto x0 y 0 que
aparece na equação. Para isso pomos
 0
 x = x? cos(θ) − y ? sen(θ)
y 0 = x? sen(θ) + y ? cos(θ)

substituindo na equação (??), vem

2
4 x? cos(θ) − y ? sen(θ) − 24 x? cos(θ) − y ? sen(θ) x? sen(θ) + y ? cos(θ) +
2
+11 x? sen(θ) + y ? cos(θ) + 20 = 0
E obtemos,
2 2
(A0 )x? + (B 0 )x? y ? + (C 0 )y ? + 20 = 0 (? ? ?)
onde
A0 = 4 cos2 (θ) − 24 cos(θ)sen(θ) + 11sen2 (θ)
78
C 0 = 4sen2 (θ) + 24 cos(θ)sen(θ) + 11 cos2 (θ)
B 0 = −8 cos(θ)sen(θ) − 24 cos2 (θ) + 24sen2 (θ) + 22 cos(θ)sen(θ).
Portanto, para eliminar o fator x? y ? , devemos encontrar θ tal que B 0 = 0, ou

seja,
0 = −8 cos(θ)sen(θ) − 24 cos2 (θ) + 24sen2 (θ) + 22 cos(θ)sen(θ) = 7sen(2θ) − 24 cos(2θ)
Logo, qualquer θ satisfazendo
24
tan (2θ) =
7
é suficiente para nosso propósito.
Em graus temos 2θ ≈ 73, 739o no primeiro quadrante, ou 2θ ≈ 253, 739o no

terceiro quadrante e, portanto, em radianos temos que θ ≈ 0, 643501 rad ou θ ≈ 2, 21429.
Calculando os coeficientes A0 e C 0 , para esses valores de θ, obtemos
A0 = −5, C 0 = 20 para θ = 0, 643501 rad ou A0 = 20, C 0 = −5 para θ = 2, 21429
Substituindo esses valores de A0 e C 0 em (? ? ?), chegamos à
2 2 2 2
−5x? + 20y ? + 20 = 0 ou 20x? − 5y ? + 20 = 0
respectivamente.
Equivalentemente, temos
2 2
x? 2 y? 2
− y? = 1 ou − x? = 1
4 4
que representam uma equação de hipérbole.
Vamos dar condições para o processo de roto-translação. Seja a equação da

forma
Ax2 + Bxy + Cy 2 + Dx + Ey + F = 0. (4.2)
79
Para eliminar os termos lineares, após uma translação, transformamos a
equação (4.2) na forma
2 2
Ax0 + Bx0 y 0 + Cy 0 + F = 0. (4.3)
Tal que o ponto (h, k) deve ser descoberto com o uso da fórmula de translação
x = x0 + h e y = y 0 + k que substituido em (4.2) obtemos a equação
2 2
Ax0 + Bx0 y 0 + Cy 0 + (Bk + 2Ah + D)x0 + (2Ck + Bh + E)y 0 + G(h, k) = 0
onde G(h, k) = Ah2 + Bhk + Ck 2 + Dh + Ek + F
Para determinarmos h e k, para excluir os fatores lineares, devemos impor

Bk + 2Ah + D = 0
(4.4)
2Ck + Bh + E = 0
Se o determinante

B 2A

= B 2 − 4AC

2C B
for diferente de zero, então existe uma única solução (h, k) que satisfaz o sistema (4.4).
Se for nulo, podem existem infinitas soluções ou pode não existir nenhuma solução. Nesta
situação, é impossı́vel eliminar os termos lineares.
Os coeficientes da equação (4.3) não se alteram, ou seja, são invariantes por

translação, contudo, o termo independente, é obtido calculando
F = G(h, k) = Ah2 + Bhk + Ck 2 + Dh + Ek + F
Considerando a equação (4.2), para eliminar o produto misto xy, devemos

determinar um ângulo θ de rotação que transforma a equação (4.2) numa equação da
forma
2 2
A 0 x? + C 0 y ? + D 0 x? + E 0 y ? + F 0 (4.5)
onde
x = x? cos(θ) − y ? sen(θ)
y = x? sen(θ) + y ? cos(θ)
80
que transforma a equação (4.2) numa equação da forma
2 2
A0 x? + B 0 x? y ? + C 0 y ? + D0 x? + E 0 y ? + F 0 (4.6)
onde os coeficientes são dados por

B
A0 = A cos2 (θ) + sen(2θ) + Csen2 (θ) D0 = D cos(θ) + Esen(θ)
2
B 0 = (C − A)sen(2θ) + B cos(2θ) E 0 = E cos(θ) − Dsen(θ)
B F0 = F.
C 0 = Asen2 (θ) − sen(2θ) + C cos2 (θ)
2
Para que (4.5) ocorra devemos ı́mpor em (4.6) que B 0 = 0, ou seja,
B 0 = (C − A)sen(2θ) + B cos(2θ) = 0
Note que B 6= 0, pois caso contrário o termo de produto xy não apareceria

na equação (4.2), sendo assim.
π 3π
Se C = A então cos(2θ) = 0 e, portanto, θ = ou θ = .
4 4
Se A 6= C então qualquer θ satisfazendo a equação
B
tan(2θ) =
A−C
serve.
Os coeficientes A0 e C 0 são raizes da equação

A−λ B
2 B2
= (A − λ)(C − λ) − =0 (4.7)

4

B
C −λ
2

e, ainda a equação acima possui sempre raizes reais. (Verifique as afirmações!).
A escolha de qual das raizes é A0 e qual é C 0 , depende da escolha de θ, que

está vinculado as condições
B A−C
tan(2θ) = e cos(2θ) = .
A−C A0 − C 0
De fato, A0 é raiz da equação (4.7), quando escolhido θ tal que B 0 = 0.
81
π 3π
Primeiro caso, A = C, então θ =
ou θ =
4 4
1 1 1
Neste caso, A0 = (A + B + C) = (2A + B) ou A0 = (A − B + C) =
2 2 2
1
(2A − B).
2
B2 B2
Como, (A − λ)(C − λ) − = (A − λ)2 − , vem
4 4
2 2
B2 B2 B2

2 1 2A − 2A ± B
(A − λ) − = A − (2A ± B) − = − = 0.
4 2 4 2 4
Portanto, A0 é uma raiz.

sen(2θ) B
Segundo caso, A 6= C então tan(2θ) = = , desta equação
cos(2θ) A−C
tiramos que
B 4 cos2 (2θ)
= B 2 sen2 (2θ) e B 2 cos2 (2θ) = (A − C)2 sen2 (2θ)
(A − C)2
Assim,

B 1 + cos(2θ) B 1 − cos(2θ)
A0 = A cos2 (θ) + sen(2θ) + Csen2 (θ) = A + sen(2θ) + C
2 2 2 2
B2

A C cos(2θ) sen(2θ) 1 cos(2θ)
= + + A+B − C = (A + C) + A−C +
2 2 2 cos(2θ) 2 2 A−C
B2 B2
Note que, (A − λ)(C − λ) − = AC − (A + C)λ + λ2 −
4 4
Então,
B2

1 cos(2θ)
0 = AC − (A + C) (A + C) + A−C +
2 2 A−C
2
B2 B2

1 cos(2θ)
+ (A + C) + A−C + −
2 2 A−C 4
(A + C)2 B2 (A + C)2

cos(2θ)
= AC − − (A + C) A − C + +
2 2 A−C 4
2
B2 cos2 (2θ) B2 B2

cos(2θ)
+ (A + C) A − C + + A−C + −
2 A−C 4 A−C 4
(A + C)2 cos2 (2θ) B 2 cos2 (2θ) B 2 sen2 (2θ) B 2

= AC − + (A − C)2 + + −
4 4 2 4 4
(A + C)2 cos2 (2θ) B 2 cos2 (2θ) B 2 B2

= AC − + (A − C)2 + + −
4 4 4 4 4
82
(A + C)2 cos2 (2θ) sen2 (2θ)
= AC − + (A − C)2 + (A − C)2
4 4 4
(A + C)2 (A + C)2 AC A2 C 2 AC A2 C 2
= AC − + = − − − + + =0
4 4 2 2 2 2 2 2
Exemplo 78. A equação
6x2 − 4xy + 3y 2 + 1 = 0
representa uma:
a) Parábola b) Elipse c) Hipérbole d) N.D.A.
Resolução: Como os fatores lineares não aparecem, basta fazermos uma rotação para
eliminar o termo misto xy. Vamos então determinar as raizes da equação
B2
(A − λ)(C − λ) − = 0,
4
onde 6x2 − 4xy + 3y 2 + 0x + 0y + 1 = 0.
(−4)2
0 = (6 − λ)(3 − λ) − = λ2 − 9λ + 14
4
cujas raizes são λ1 = 7 e λ2 = 2
Se A0 = 7 e C 0 = 2, 2θ está no quarto quadrante, pois
−4 4 6−3 3
tan(2θ) = =− e cos(2θ) = = .
6−3 3 7−2 5
Se A0 = 2 e C 0 = 7, 2θ está no segundo quadrante, pois
−4 4 6−3 3
tan(2θ) = =− e cos(2θ) = =− .
6−3 3 2−7 5
Após uma rotação apropriada, a equação se torna
7x2 + 2y 2 + 1 = 0 ou 2x2 + 7y 2 + 1 = 0
Em ambos os casos são somas de números positivos, tal equação não tem
solução, portatno, nenhuma das alternativas estão corretas, pois o conjunto é vazio.
83
Exemplo 79. A equação
4x2 − 4xy + 8y 2 − 5 = 0
representa uma:
a) Parábola b) Elipse c) Hipérbole d) N.D.A.
Resolução: Como os fatores lineares não aparecem, basta fazermos uma rotação para
eliminar o termo misto xy. Vamos então determinar as raizes da equação
B2
(A − λ)(C − λ) − = 0,
4
onde 4x2 − 4xy + 8y 2 + 0x + 0y − 5 = 0.
(−4)2
0 = (4 − λ)(8 − λ) − = λ2 − 12λ + 28
4
√
Temos ∆ = 144 − 4.1.28 = 144 − 112 = 32 e, as raizes são λ1 = 6 + 2 2 e
√
λ2 = 6 − 2 2
√ √
Se A0 = 6 + 2 2 e C 0 = 6 − 2 2, 2θ está no terceiro quadrante, pois
√
−4 4−8 1 2
tan(2θ) = =1 e cos(2θ) = √ √ = −√ = − .
4−8 6+2 2−6+2 2 2 2
√ √
Se A0 = 6 − 2 2 e C 0 = 6 + 2 2, 2θ está no primeiro quadrante, pois
√
−4 4−8 1 2
tan(2θ) = =1 e cos(2θ) = √ √ =√ = .
4−8 6−2 2−6−2 2 2 2
Após uma rotação apropriada, a equação se torna
√ √ √ √
(6 + 2 2)x2 + (6 − 2 2)y 2 − 5 = 0 ou (6 − 2 2)x2 + (6 + 2 2)y 2 − 5 = 0
ou equivalentemente
√ √ √ √
(6 + 2 2) 2 (6 − 2 2) 2 (6 − 2 2) 2 (6 + 2 2) 2
x + y =1 ou x + y =1
5 5 5 5
Em ambos os casos representa uma elipse.
84
4.5 Cônicas
As curvas da parábola, da elipse e hipérbole são exemplos de cônicas.
Definição 4.4. Dado um plano π um sistema ortogonal de coordenadas, e dada a equação
G(x, y) = Ax2 + Bxy + Cy 2 + Dx + Ey + F = 0
com A2 + B 2 + C 2 6= 0, chama-se cônica ao conjunto dos pontos P (x, y) de π tais que

a equação G(x, y) seja verificada.
Da definição acima pode se provar que o conjunto solução da equação é

1) Conjunto vazio. 4) Uma reta. 7) Parábola.
2) Reunião de duas retas paralelas. 5) Um único ponto. 8) Elipse.
3) Reunião de duas retas concorrentes. 6) Circunferência. 9) Hipérbole.
E, pode-se classificar a cônica, usando apenas os seus coeficientes A, B e C,

ou seja,
Se B 2 − 4AC = 0, a cônica só pode ser: Vazio, reta, reunião de duas retas
paralelas ou uma Parábola. Neste caso dizemos que a cônica é do tipo Parabólico.
Se B 2 − 4AC < 0, a cônica só pode ser: Vazio, um ponto, uma circunferência
ou uma Elipse. Neste caso dizemos que a cônica é do tipo Eliptico.
Se B 2 − 4AC > 0, a cônica só pode ser: É necessariamente reunião de duas

retas concorrentes ou de uma Hipérbole. Neste caso dizemos que a cônica é do tipo
Hiperbólico.
As equações de uma parábola, elipse, hipérbole e circunferência já é bem

conhecida, para os outros cinco casos, podemos considerar por exemplo:
1) O conjunto vazio: G(x, y) = Ax2 + Cy 2 + 1 = 0, com A e C positivos.
2) Reunião de duas retas paralelas: G(x, y) = (x+y)(x+y+1) = x2 +2xy+y 2 +x+y = 0
3) Reunião de duas retas concorrentes: G(x, y) = (x + y)(x − y) = x2 − y 2 = 0
4) Uma reta: G(x, y) = (αx + βy)2 = α2 x2 + 2αβxy + β 2 y 2 = Ax2 + Bxy + Cy 2 = 0
5) Um ponto: G(x, y) = Ax2 + Cy 2 = 0, A e C com o mesmo sinal.
85
4.5.1 Classificação das Cônicas
Fixado um sistema ortogonal em R2 e, dada a equação
G(x, y) = Ax2 + Bxy + Cy 2 + Dx + Ey + F = 0 com (A2 + B 2 + C 2 6= 0) (4.8)
podemos reescrever a equação sob a forma matricial
A 21 B 12 D
  
x
  
 1 1
 
G(x, y) = x y 1   2 B C 2
E  y  = 0
 
  
1 1
2
D 2E F 1
E, definimos a seguinte matriz associada a equação
A 12 B 12 D
 
 
 1 1

M =  2B C 2E


 
1
2
D 12 E F
e os números
1

A B
2
= − B − 4AC
2
∆1 = A + C, ∆2 = e ∆3 = det(M )
1B
4
2
C
Considerando a roto-translação
x = h + u cos(θ) − vsen(θ)
(4.9)
y = k + usen(θ) + v cos(θ)
substituindo na equação (4.8)

2
G(u, v) = A h + u cos(θ) − vsen(θ) + B h + u cos(θ) − vsen(θ) k + usen(θ) + v cos(θ)
2
+ C k + usen(θ) + v cos(θ) + D h + u cos(θ) − vsen(θ)

+ E k + usen(θ) + v cos(θ) + F = 0
que se torna
G(u, v) = au2 + buv + cv 2 + dx + ev + f = 0 (4.10)
86
onde,
B
a = A cos2 (θ) + B cos(θ)sen(θ) + Csen2 (θ) = A cos2 (θ) + sen(2θ) + Csen2 (θ)
2
b = (C − A)sen(2θ) + B cos(2θ)
B
c = Asen2 (θ) − B cos(θ)sen(θ) + C cos2 (θ) = Asen2 (θ) − sen(2θ) + C cos2 (θ)
2
d = (2Ah + Bk + D) cos(θ) + (2Ck + Bh + E)sen(θ)
e = (2Ck + Bh + E) cos(θ) − (2Ah + Bk + D)sen(θ)
f = Ah2 + Bhk + Ck 2 + Dh + Ek + F .
Associamos à equação (4.10) a seguinte matriz

a 21 b 12 d
 
 
 1 1 

m =  2b c 2e 

 
1 1
2
d 2e f
e os números correspondentes
1

a b 2
= − b − 4ac
2
δ1 = a + c, δ2 = e δ3 = det(m)
1b
4
2
c
Temos assim que

B B
δ1 = a + c = A cos2 (θ) + sen(2θ) + Csen2 (θ) + Asen2 (θ) − sen(2θ) + C cos2 (θ)
2 2
= A(cos2 (θ) + sen2 (θ)) + C(cos2 (θ) + sen2 (θ)) = A + C = ∆1
Note ainda que,

2 B 2 2 B 2
a.c = A cos (θ) + sen(2θ) + Csen (θ) Asen (θ) − sen(2θ) + C cos (θ)
2 2
B 2 sen2 (2θ) AB cos(2θ)sen(2θ)

= (A2 + C 2 ) cos2 (θ)sen2 (θ) − −
4 2
BC cos(2θ)sen(2θ)
+ + AC(cos4 (θ) + sen4 (θ))
2
B 2 sen2 (2θ) B(C − A) cos(2θ)sen(2θ))

= (A2 + C 2 ) cos2 (θ)sen2 (θ) − +
4 2
+ AC(cos2 (θ) + sen2 (θ))2 − 2AC cos2 (θ)sen2 (θ)
(C − A)2 sen2 (2θ) B 2 sen2 (2θ) B(C − A) cos(2θ)sen(2θ)

= − + + AC
4 4 2
87
e 2
b2 = (C − A)sen(2θ) + B cos(2θ)
= (C − A)2 sen2 (2θ) + 2B(C − A) cos(2θ)sen(2θ) + B 2 cos2 (2θ)
Portanto,
b2 − 4ac B 2 − 4AC
δ2 = − =− = ∆2
4 4
O sistema linear (4.9) pode ser escrito na forma matricial

       
x cos(θ) −sen(θ) h u u
       
       
 y  =  sen(θ) cos(θ) k  .  v  = T  v 
       
       
1 0 0 1 1 1
Note que o determinante da matriz T é um, bem como o da sua transposta.
Proposição 4.5. Os números δ3 = ∆3 , ou seja, são invariantes por roto-translação.
Demonstração: Tanto a equação (4.8) como a equação (4.10) são escritas sob a forma
matricial
   
x u
G(x, y) = x y 1 .M.  y  e G(u, v) = u v 1 .m.  v 
1 1

Mas, x y 1 = u v 1 Tt
E a equação (4.10) pode ser então reescrita na forma

 
u
G(u, v) = u v 1 T t .M.T  v 

Assim, das duas forma de representação para G(u, v), temos que
 
h i u
t

u v 1 m − T MT  v =0
1
para todo u e v.
88
Portanto, m = T t M T e, concluı́mos assim,
δ3 = det(m) = det(T t M T ) = det(T t ). det(M ). det(T ) = det(M ) = ∆3 .
Como querı́amos mostrar. 2
Teorema 4.6. Consideremos a forma cônica
G(x, y) = Ax2 + Bxy + Cy 2 + Dx + Ey + F = 0 com (A2 + B 2 + C 2 6= 0)
então
I) Se ∆2 6= 0, existe um sistema ortogonal, em relação ao qual a cônica se torna
2 2
G(x, y) = Ax2 + Cy 2 + F = 0 com (A + C 6= 0)
II) Se ∆2 = 0, então
a) Se ∆3 6= 0, existe um sistema ortogonal, em relação ao qual a cônica se torna
G(x, y) = Ax2 + Ey = 0 com A 6= 0 e E 6= 0
ou
G(x, y) = Cy 2 + Dx = 0 com C 6= 0 e D 6= 0
b) Se ∆3 = 0, existe um sistema ortogonal, em relação ao qual a cônica se torna
G(x, y) = Ax2 + F = 0 com A 6= 0
ou
G(x, y) = Cy 2 + F = 0 com C 6= 0.
Demonstração: Provamos primeiramente I). Como ∆2 6= 0, podemos fazer uma

translação para eliminar os termos de primeiro grau e, em seguida fazemos uma rotação,
pois sempre é possı́vel, para eliminar o termo misto xy, e o sistema de roto-translação é
ortogonal, obtendo uma equação como no enunciado.
89
II) Sendo ∆2 = 0, efetuamos uma rotação para eliminar o termo misto, para
obtermos uma equação na forma
au2 + cv 2 + du + ev + f = 0
Neste caso a matriz m associada a equação é
a 0 21 d
 
 
 1 

m=  0 c e
2 
 
1 1
2
d 2e f
e, os números correspondentes δ1 = a + c e 0 = ∆2 = δ2 = ac, então a = 0 ou c = 0, não

podendo ser ambos nulos (Porquê?)
Reescrevendo a equação, vem
au2 + du + ev + f = 0 ou cv 2 + du + ev + f = 0
ae2 cd2
Note que ∆3 = δ3 = − ou ∆3 = δ3 = − .
4 4
6 0, devemos ter a 6= 0 e e 6= 0 ou c 6= 0 e d 6= 0.
a) Como ∆3 =
d f d2
Se a 6= 0 e e 6= 0 faça uma translação pondo u = x − ev=y− + 2
2a e 4a e

d
0 = au2 + du + ev + f = a u2 + u + ev + f
a
2 2 !
2d d d
= a u2 + u + − + ev + f
2a 2a 2a
2
d2

d
= a u+ + ev + f − = Ax + Ey
2a 4a2
f e2 e
Se c 6= 0 e d 6= 0 faça uma translação pondo u = x − + 2 ev=y−
d 4c d 2c
b) Como ∆3 = 0, devemos ter a 6= 0 e e = 0 ou c 6= 0 e d = 0 e,
au2 + du + f = 0 ou cv 2 + ev + f = 0
90
d
Se a 6= 0 e e = 0, faça a translação u = x − ev=y
2a
2
d2

2 d
0 = au + du + f = a u + + f − 2 = Ax + F
2a 4a
e
Se c 6= 0 e d = 0, faça a translação v = y − eu=x
2c
e 2 e2
0 = cv 2 + ev + f = c v + + f − 2 = Cy + F
2c 4c
Como se pretendia mostrar. 2
Algumas considerações, obtemos por roto-translação a equação
2 2
G(x, y) = Ax2 + Cy 2 + F = 0 com (A + C 6= 0)
com a hipótese de que ∆2 6= 0, ou seja, B 2 − 4AC 6= 0.

2
Como B 2 − 4AC = B − 4A.C = −4A.C.
Se −4A.C > 0 então A e C tem sinais opostos.
Se F > 0 ou F < 0 a equação é uma hipérbole.
Se F = 0 a equação é reunião de duas retas concorrentes.
Se −4A.C < 0 então A e C são ambos positivos.
Se F > 0 o conjunto é vazio.
Se F < 0 trata-se de uma elipse ou uma cincunferência.
Se F = 0 é um único ponto.
O caso em que ∆2 = 0 fica a cargo do leitor a classificação da cônica.
91
Capı́tulo 5
Superfı́cies Quádricas
A equação de grau 2 nas variáveis x, y e z tem a forma
Ax2 + By 2 + Cz 2 + Dxy + Exz + F yz + Gx + Hy + Iz + J = 0 (5.1)
Definição 5.1. Chama-se quádrica ao conjunto dos pontos P (x, y, z) em R3 tais que
Ax2 + By 2 + Cz 2 + Dxy + Exz + F yz + Gx + Hy + Iz + J = 0
onde, A, B, C, D, E, F , G, H, I e J são números reais e pelo menos um dos coeficientes

A, B, C, D, E ou F é não nulo.
Se uma superfı́cie quádrica é dada pela equação (5.1) for cortada pelos planos
coordenados ou por planos paralelos a eles, a curva de intersecção será uma cônica.
Após uma mudança de coordenadas (rotação e/ou translação), podemos re-

escrever a equação (5.1) em uma das formas
i) Ax2 + By 2 + Cz 2 = D iii) Ax2 + By + Cz 2 = 0
ii) Ax2 + By 2 + Cz = 0 iv) Ax + By 2 + Cz 2 = 0
A equação i) é centrada na origem, as equações ii), iii) e iv) são não centradas.
5.1 Elipsóide
Um subconjunto S de R3 é um elipsóide centrado na origem se existir um

sistema ortogonal de coordenadas e números a, b e c positivos tais que
x2 y 2 z 2

S = P (x, y, z); + 2 + 2 =1
a2 b c
92
Note que, a intersecção de S com os planos coordenados é uma elipse.
Ainda, a intersecção de S com o plano z = k é dada por

 2
y2 z2
 2
x x y2 k2
 2+ 2 + 2 = 1
  2 + 2 = 1− 2

a b c ou seja, a b c

 

z = k, z = k,
Na intersecção acima, pode ocorrer.

k2
Elipsóide Ser não vazia, para isso 1 − ≥ 0, ou seja, −c ≤ k ≤ c.
z c2
Se k = ±c, a intersecção se reduz a um ponto, I(0, 0, c) ou
......
.... .....
........
.........................................
.
.
.
.. ..... ..........
.
.....
I(0, 0, −c).
.. .. ...
..... .....
..
.
.
..
..
.
.
..
.
.
..
.. ...
...
.
..
...
....
....
....
Se −c < k < c, a intersecção é uma elipse.
. . . .
..
..
...
...
... .....................
.
.
.
. x
...............................................................
.
.
.. ..
..
.
...
...
... Se pelo menos dois dos valores a, b e c são iguais, o elipsóide
. .
. .... .......................
. ..
.
......................... . .. . . .......... ...
.. ... ..
...................
....
...
.................. .
.
.
.
................... ... ..
.. ...
..
.
. ..
........ ..
......
...
é de revolução. Por exemplo, seja a elipse
...... . ... .
. .................................... ...
.. .... .. ... .. .................. ........
.. ........... .. .... ....................
... ............ .. . .
..
. .
.. .
... y
. .........
y2 z2
............... .... .
... ......................... .. ....... ...
... . ........................................................ .
... ....... . ..
...
...
..
..
..
.
.
..
.
..
.
.
+ 2 = 1; x=0
...
...
...
.....
..
..
..
.
...
..
.
...
...
. ...
..
..
b2 c
..... ... ...
.....
...... ....
. .. ....
....... ... .... ....
.....
........
..............
.
.
....... ...... . .. . . ....
...
...
. então gerando a elipse do plano yOz em torno do eixo dos y
obtemos o elipsóide de equação
x2 y 2 z 2
+ 2 + 2 =1
c2 b c
A interpretação da intersecção de S com os planos x = k e y = k também

são elipses, e podem ser pensadas de forma semelhante.
Exemplo 80. Seja a elipse

x2 z 2
+ =1
9 4
obtenha o elipsóide de revolução, girando a elipse em torno do eixo dos x e em torno do
eixo dos z.
Resolução: Os elipsóides são
x2 y 2 z 2 x2 y 2 z 2
+ + =1 e + + =1
9 4 4 9 9 4
em torno dos eixos dos x e z respectivamente.
Se a = b = c, a equação do elipsóide se torna
x 2 + y 2 + z 2 = a2
93
que representa uma superfı́cie esférica centrada na origem C(0, 0, 0).
Se o centro do elipsóide é o ponto (h, k, l) e seus eixos são paralelos aos eixos
coordenados, a equação se torna
(x − h)2 (y − k)2 (z − l)2
+ + =1
a2 b2 c2
obtida por uma translação dos eixos.
A superfı́cie esférica assume a forma
(x − h)2 + (y − k)2 + (z − l)2 = a2
5.2 Hiperbolóide de Uma Folha
Um subconjunto S de R3 é um hiperbolóide de uma folha centrado na origem

se existir um sistema ortogonal de coordenadas e números a, b e c positivos, tais que
x2 y 2 z 2

S1 = P (x, y, z); + 2 − 2 =1
a2 b c
x2 y 2 z 2

S2 = P (x, y, z); − 2 + 2 =1
a2 b c
x2 y 2 z 2

S3 = P (x, y, z); − 2 + 2 + 2 = 1
a b c
Desta forma, temos que S1 está ao longo do eixo dos z, S2 ao longo do eixo
dos y e S3 ao longo do eixo dos x.
A intersecção de S1 com um plano z = k é dada por

 2
y2 z2
 2
x x y2 k2
 2+ 2 − 2 = 1
  2 + 2 = 1+ 2


 

z = k, z = k,
Tal intersecção é uma elipse.
A intersecção de S1 com um plano y = k é dada por

 2
y2 z2
 2
x x z2 k2
 2+ 2 − 2 = 1
  2 − 2 = 1− 2


 

y = k, y = k,
94
Em tal intersecção pode ocorrer:
k
Hiperbolóide de Uma Folha Se < 1, isto é, −b < k < b, a intersecção é uma
b
....................................z
..
.. .
... ..
............ .................
...........
............
........
hipérbole contida no plano y = k, com segmento focal paralelo
.... .... .. .........
..
... ...
.... ..
.... ..
....... .
..
.
..
.
.....
....
.... ao eixo Ox.
.......
........ ..
...
..
..
. k
.. ..............
... .. ...............
.
. .. ......................
...... ... ... .
.
.
................................
. .
....
.
Se > 1, isto é, k < −b ou k > b, a intersecção é uma
......... ... .. .. b
...
.........
......... .... ............................
.................. .. ................. .. ....... . .
.
.
................ .
.. ..
.x
...
.
..
.............. ...
.... .... ...................
......
...
... ....................... ..... ..............
............... ..
. hipérbole contida no plano y = k, com segmento focal paralelo
...... ... ..................... .... ......
... ....... .. ....... ........... ... ...
.. ..............................
.
.
.. ...... . ....................................................................
... ....... ....
.
. ......... .......
.
... ... ...........
. ao eixo Oz.
...
...
.
...
............................................................
... ...
... .. y
......... k
.....
..
...... .
...
................ ... ..
.............. ..
.
. .
.
Se = 1, isto é, k = −b ou k = b, a intersecção é um
.... ... ...........
...... b
... ... .. .....
.. .....
.... .
..... .. .. ....
.....
...... ....
..........
.
.
............
.
... ...
.. ..
.. ..
.
par de retas concorretes.
................. .. ....
.............................................................
Considerações semelhantes podem ser feitas para S2 e S3 .
5.3 Hiperbolóide de Duas Folhas
Um subconjunto S de R3 é um hiperbolóide de duas folhas centrado na

origem se existir um sistema ortogonal de coordenadas e números a, b e c positivos, tais
que
x2 y 2 z 2

S1 = P (x, y, z); − 2 + 2 − 2 =1
a b c
x2 y 2 z 2

S2 = P (x, y, z); − 2 − 2 + 2 =1
a b c
x2 y 2 z 2

S3 = P (x, y, z); + 2 − 2 − 2 =1
a b c
Desta forma, temos que S1 está ao longo do eixo dos y, S2 ao longo do eixo
dos z e S3 ao longo do eixo dos x.
A intersecção de S1 com um plano y = k é dada por
x2 y 2 z 2
 2
x z2 k2

 − 2+ 2 − 2 = 1
  2 + 2 = 2 −1

a b c ou seja, a c b

 

y = k, y = k,
A intersecção de S1 com os planos z = k ou x = k são hipérboles.
x2 y 2 z 2
 2
y z2 k2

 − 2+ 2 − 2 = 1
  2 − 2 = 2 +1

a b c ou seja, b c a

 

x = k, x = k,
95
Hiperbolóide de Duas Folha Em tal intersecção com y = k pode
ocorrer:
k
z ..
.............................
Ser não vazia, para isso ≥ 1, ou seja, k ≤ −b ou k ≥ b.
....
.....
.
.. ...
.. ......
...
b
... ..
...
..
.. ..
..
.. ...
..
.. k2
...
... ...
.
..
.
...
..
... Note que 2 − 1 ≥ 0, para a equação da elipse.
.... ...
....... ... ........
. y ...
..
... b
...... ... .
.....
. .
....................... ....
...... ...... .
.
.
. ......
.
.
... .... .......
..
........ ........ ... ..
..
..
.
Se k = ±b a intersecção se reduz ao ponto I(0, k, 0).
. . ... ...
........ ....... ... ......... . . . ..
. ....
...
..
... ........ .......
... .... ....... .
... .... ....... ........ ... .... .
...........
. . .. .... .......
................... .. .... ................. ....
.
. .. .. .
..
.
.
Se k > b ou k < −b a intersecção é uma elipse.
. .. .... ............... .... ... ..
.. ... .. ..... ...... ........
. ...... ........ ..
............................................................. ..
........................ ........ ... ....
...... ........
...... ..... .....
... . ... .
...
.............................. ...
... .... .... .
...... ..... ... ......
..
..
.. ......
...... .. .
.. .. ..
.. .... .....
x A intersecção de S1 com o plano x = k são hipérboles com
.. .......... ..
... ..... ..
.. ..
...
..
... ......
.. .....
... ..
segmento focal paralelo ao eixo dos y, o mesmo ocorrendo com a
... ... ..
...
...
....
.... ....
..
..
. ..
..
..
intersecção de S1 com o plano z = k.
..... .. ...
.
......... ....
.. ..................... Considerações semelhantes podem ser feitas para S2 e S3 .
5.4 Parabolóide Elı́ptico
Um subconjunto S de R3 é um parabolóide elı́ptico se existir um sistema

ortogonal de coordenadas e números a, b positivos e c não nulo tais que
x2 y 2

S1 = P (x, y, z); cz = 2 + 2
a b
y2 z2

S2 = P (x, y, z); cx = 2 + 2
a b
x2 z 2

S3 = P (x, y, z); cy = 2 + 2
a b
Desta forma, temos que S1 está ao longo do eixo dos z, S2 ao longo do eixo
dos x e S3 ao longo do eixo dos y.
Parabolóide Elı́ptico A intersecção de S1 com o plano xOz e yOz são
z parábolas, com o plano xOy é o ponto (0, 0, 0)
..
...
...
..
..
Se c > 0, S1 está situada inteiramente acima do plano
..
...
... ..
..
..
..
.. ..
..
..
..
xOy e, para todo z = k tal que k > 0 a intersecção de S1 com
... .. ..
. ...
...
..
.
..
.. ..............
.. ...................
................ .
...
. . . . . .
... .... .. . . .. . ..
..
...................... .
.........
.. ............ ....
.
... o plano z = k é uma elipse.
.. ... ... ..
.. .. ... .....
.. .. ..
....
..
..... ....
......... ..
... ..
..
..
..
.
.
...
..
..
..
.
.
.
.
.
. .
.. ....
...........
.
..
Se c < 0, S1 está situada inteiramente abaixo do plano
... .................. .. .. .. ............ ...
.. ............................................................................. .... ....
...
... ... ...
.. ... ....
..
.. .
.. .
..
.
.. ...
xoy e, para todo z = k tal que k < 0 a intersecção de S1 com
.. .. . ................................................. .. ..
.. ..
.. .. ............... ....
... ........ ..
. .
..... .. ..
... .. ...
. .
..
..
.
... .
.
.
...
.
.. .
..
... .....................
. .
. .
.. .....
.. o plano z = k é uma elipse.
............... .. ... .. ..........
. .. ..
... ..................................................................................
... .....
.... ......
..
... .. .. .....
. ... .....
.
. . . Considerações semelhantes podem serem feitas para S2
... ... ... ........
..................
.... ....
.... .....
.... ... .. ... ... .......
.... .... .... .... ... ...........................
x
.........
...
e S3 .
..................
.................. ............ ... .........................
.. .
. . .
........................... ...................
...........................
......... ..................
......... ..................
.........
.........
......... y
..................
.
96
5.5 Parabolóide Hiperbólico
Um subconjunto S de R3 é um parabolóide hiperbólico se existir um sistema

ortogonal de coordenadas e números a, b positivos e c não nulo tais que
y 2 x2

S1 = P (x, y, z); cz = 2 − 2
b a
z2 y2

S2 = P (x, y, z); cx = 2 − 2
b a
z 2 x2

S3 = P (x, y, z); cy = 2 − 2
b a
Pode-se ainda trocar os sinais do lado direito das equações em S1 , S2 e S3 .

O gráfico abaixo é conhecido como sela. Parabolóide Hiperbólico
...
...
...
.
.
.......
. ...
.. ....
z
..........
.
.. ... .... .......
.. .... ... .... .....
...
........
........ z ... ..
..
..
...
.
.......
.
..
....
..
...
. ...
...
........ . .
.. ... .................. ....... ...
..
..
.......
......... ... .
.. ... .. ........ . .. . . . .
. ..
. .
. . .. .. . ... ...... ..... .. ....
... .....
... ......
. ...
...
.
.... ....
.
... .....
...... ..... ... ..
.
.
. .
.
.
.... .. .
.
... ....
... .. . .
... ..... ... ... ..
. .
..
......
....... ... .... ... ... ......... ... . .. .....
... ... ... .. .. ..... ....... ..... .. ..... ............. ...
... ...
.... ...
.... ...
...
...
.. ...
.
.
..
. ..
....
.
...
.. .....
.. ......
....... ..
.. ... ........... ........
.. ... ...
...........................................................................................
......... ..........................
....... .... .... ......................................................
... ...... .. y ...
.... .... .... .. ..

.
.
.
. ...
..
...... ..
..... ..
. . . .
.. .... ... . ..
. .. .. ..
.......... .... .......................... ....
. ..
... ..... ..... .. . ..... . . .. .
..... .... .............................................................. . . . . .. .... ... . ..
.... ...... .. . ... ......... ..
. ........... . . . . .. . . .
......................................... ... .................... .. .. ...............................................................................................................................................................................................................................
... ..... .. . . ... .. .. .. ................................................................... ... .................. ... ...
... ......... ........................... ... ... .
................................................................................................. ................ .... .................. .....
. . ...
..... .......... ..... . .. ... . . . ..
... ... ............. .. .. . ..... ... ... ..... ..
.... ....... . ..
.. ..... ...
... .. .... ........................... .. ..................................................................................................
........... .
. .
.... .
.
......... ... ...
......... .. ..... .
.
... ......
.. .........
. . ..
...
..
...
....
....
.... ..
.
...
.
.
.
.. .
. .
...... .........
.
.. ........... .... ........................................ ..
...
...
.
..
.
x .
.. ...
........ ...
.. .......... ... ..... ... ...
..
... ... .......
... ... ..
...
......... ...
x ...
...
...
... .... ....
.. .... ...
.. ....
..... ...
......
........
.............................
... ... .......... ....
.. ... ....
...
..
..
...
...
..
..
..
..
...
... ...
...
...
.... .. ....... ... .. .. ... . ..
....... ....... .. ... ... .. ... ...
.... ... .... .. .. .....
...
y .... ...
.... ..
..... ..
........
...
...
...
... . . ..
.
...... .
... ... .
........ .
.................................
As intersecções com os planos z = k, x = k e y = k ficam a cargo do leitor.

Note que em cada situação podem ocorrer, parábolas com concavidade para baixo, para
cima e/ou hipérboles, parábolas voltada para direita e para esquerda, para frente ou
para tráz, e as hipérboles.
97
Capı́tulo 6
Matrizes e Determinantes
Chamamos de matriz uma tabela de elementos dispostos em linhas e colunas.
Exemplo 81. Consideramos a tabela
Aluno A Aluno B Aluno C

Nota Matemática 70 80 85
Nota Fı́sica 75 90 75
Nota Quimica 80 65 80
E, abstraindo seu significado de linhas e colunas, temos a matriz nota, que

denotaremos por N .  
70 80 85
N =  75 90 75 
80 65 80
Representamos uma matriz de m linhas e n colunas por

 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
Am×n =  .. ..  = (aij )m×n
 
.. ..
 . . . . 
am1 am2 · · · amn
e, denotamos por
Mm×n (R) = { matrizes reais de ordem m × n}
Mn×n (R) = { matrizes reais de ordem n × n}
A = (aij ); 1 ≤ i ≤ m, 1 ≤ j ≤ n
Para localizar o elemento da matriz, dizemos a linha e a coluna (nesta ordem)

em que ele está.
98
Exemplo 82. Seja  
2 1
A=  4 5 
6 7
determine os elementos a12 , a21 e a ordem da matriz.
Resolução: O elemento da primeira linha e segunda coluna é a12 = 1 e o elemento da
segunda linha e primeira coluna é a21 = 4. A ordem da matriz A é 3 × 2
Definição 6.1. Duas matrizes Am×n = (aij )m×n e Br×s = (bkl )r×s são iguais, ou seja,
A = B, se elas tem o mesmo número de linhas (m = r) e colunas (n = s) e, ainda todos
os seus elementos correspondentes são iguais, isto é, aij = bij para todo 1 ≤ i ≤ m e
1≤j≤n
Exemplo 83. Determine quais das matrizes abaixo são iguais.

   
2 1 2 1
2 1
A=  4 5 , B = e C= 4 5 
0 1
6 7 6 7
Resolução: Pela definição A = C e, ainda A 6= B e B 6= C.
Definição 6.2. Dizemos que uma matriz é:

a) Quadrada, quando o número de linas é igual ao número de colunas
b) Nula, quando todos os seus elementos são nulos, ou seja, aij = 0 para todo 1 ≤ i ≤ m
e 1 ≤ j ≤ n.
c) Coluna, quando possui uma única coluna, neste caso n = 1.
d) Linha, quando possui uma única linha, neste caso m = 1.
e) Diagonal, é a matriz quadrada (m = n) onde aij = 0 para i 6= j, isto é, os elementos
que não estão na “diagonal” são todos nulos.
f ) Identidade, quando é uma matriz diagonal, onde aii = 1 para todo i.
g) Triangular superior, quando é uma matriz quadrada onde todos os elementos abaixo
da diagonal são todos nulos, isto é, aij = 0 para i > j.
h) Triangular inferior, quando é uma matriz quadrada onde todos os elementos acima
da diagonal são todos nulos, isto é, aij = 0 para i < j.
i) Simétrica, é uma matriz quadrada onde aij = aji para 1 ≤ i ≤ n e 1 ≤ j ≤ n.
j) Anti-simétrca, é uma matriz quadrada tal que aij = −aji para 1 ≤ i ≤ n e 1 ≤ j ≤ n.
99
6.1 Operações com Matrizes
As operações de adição entre matrizes, multiplicação por um escalar e mul-

tiplicação entre matrizes serão nossos propositos a partir de agora.
Suponhamos que as notas dos alunos nos dois primeiros bimestres sejam dadas
pelas tabelas, abaixo

e
e, portanto, a soma das notas nesses dois bimestres é representada na tabela abaixo

isso motiva a seguinte definição.
Definição 6.3. Sejam as matrizes de mesma ordem Am×n = (aij ) e Bm×n = (bij ), a
adição A com B, que denotaremos por A + B é uma matriz m × n, cujos elementos são
somas dos elementos correspondentes de A e de B, isto é,
A + B = (aij + bij ) = cij = C
A proposição a seguir é facilmente demostrável.
Proposição 6.4. Dadas as matrizes A, B C de mesma ordem m × n, temos

i) A + B = B + A (comutatividade)
ii) A + (B + C) = (A + B) + C (associatividade)
iii) A + O = A, existência do elemento neutro da adição, e tal elemento é a matriz nula,
100
denotada por O de mesma ordem.
iv) A + (−A) = O, existência do elemento oposto de A, denotado por −A.
O produto de uma matriz por escalar é definida também de maneira simples.
Definição 6.5. Seja a matriz A = (aij )m×n e α um escalar real, o produto de α por A
é uma matriz de ordem m × n dada por
αA = α(aij ) = (αaij )m×n .
Também podemos mostrar que a propriedades a seguir são verificadas.
Proposição 6.6. Dadas as matrizes A e B de mesma ordem m × n e os números reais

α e β, temos
i) α(A + B) = αA + βB ii) (α + β)A = αA + βA iii) α(βA) = (α.β)A
iv) 0.A = O, isto é, se multiplicarmos a número zero por qualquer matriz, o resultado é
a matriz nula.
Antes de definirmos o produto entre matrizes, vejamos uma motivação, con-

sideramos a seguinte situação. Suponhamos que em quilos o consumo dos grãos de feijão,
arroz e soja nas regiões sul, norte e nordeste seja dada pela tabela abaixo.
Feijão Arroz Soja

Região Sul 300 200 400
Região Norte 400 300 500
Região Nordeste 500 400 600
Em cada uma dessas regiões o preço do quilo em reais é dado pelas tabelas
abaixo.
Região Sul Região Norte Região Nordeste

Preço Feijão 1,50 2,00 3,00
Preço Arroz 2,00 3,00 1,50
Preço Soja 4,00 5,00 3,00
Preço Feijão Preço Arroz Preço Soja
Região Sul 1,50 2,00 4,00
e/ou
Região Norte 2,00 3,00 5,00
Região Nordeste 3,00 1,50 3,00
101
Queremos uma tabela que represente o gasto em reais nessas regiões, ou seja,
considerar a quantidade consumida em quilos de cada região pelo preço praticado em
cada região.
Considerando o consumo em quilos da rigião sul pelo preço praticado na

região sul, temos que o gasto é
300.1, 50 + 200.2, 00 + 400.4, 00 = 2450

região norte, temos que o gasto é
300.2, 00 + 200.3, 00 + 400.5, 00 = 3200

região nordeste, temos que o gasto é
300.3, 00 + 200.1, 50 + 400.3, 00 = 2400
Seguindo com esse processo consumo e preço obtemos a tabela.
Preço Sul Preço Norte Preço Nordeste

Consumo Região Sul 2450 3200 2400
Consumo Região Norte 3200 4200 3150
Consumo Região Nordeste 3950 4200 3900
Observe que o primeiro elemento dessa tabela, foi gerado pelo produto dos
elementos da primeira linha da tabela consumo com os elementos da primeira coluna
(e/ou linha) da tabela preço dos respectivos grãos e somando-os.
O valor correspondente a segunda linha e terceira coluna da tabela gasto foi

gerado pelo produto dos elementos da segunda linha da tabela consumo com os elementos
da terceira coluna (e/ou linha) da tabela preço dos respectivos grãos e somando-os.
Assim, um elemento da tabela gasto localizado numa determinada linha/coluna,

pode ser visto como o produto dos elementos linha/coluna de somas respectivas, onde
102
os elementos da linha estão na tabela consumo e os elementos da coluna estão na tabela
preço. E, não vistos como elemento linha/linha.
Essa motivação nos leva a seguinte definição.
Definição 6.7. Sejam as matrizes A = (aij )m×n e B = (bjk )n×p . Definimos
A.B = C = (cik )m×p ,
onde
n
X
cik = aij bjk = ai1 b1k + ai2 b2k + ai3 b3k + · · · + ain bnk .
j=1
Observação: Só podemos efetuar produto entre duas matrizes Am×n e Bl×p se
o número de colunas da primeira for igual o número de linhas da segunda, isto é, n = l.
Denotamos a matriz identidade pela letra maiúscula I.
Proposição 6.8. Sejam A, B e C matrizes, e supondo que tais produtos seja possı́veis,
então
i) AB 6= BA ii) A.I = I.A = A iii) A(B + C) = AB + AC
iv) (A + B).C = AC + BC v) (AB)C = A(BC)
vi) AB = O se, e somente se A = O ou B = O.
Demonstração: Se AB = BA, tal igualdade deveria ocorrer para quaisquer matrizes

A e B. Tome
1 1 1 0
A= e B=
0 1 1 1
Portanto, o produto AB e BA são dados por

2 1 1 1
A.B = e BA =
1 1 1 2
ii) Seja    
a11 a12 ··· a1n 1 0 ··· 0
 a21 a22 ··· a2n   0 1 ··· 0 
A= e I=
   
.. .. .. ..  .... . . .. 
 . . . .   . . . . 
am1 am2 · · · amn 0 0 ··· 1
103
É fácil ver que A.I = I.A = A.
iii) Seja A = (aij )m×n e B = (bjs )n×p , C = (cjs )n×p , AB = fik , AC = gik e (B + C) = dij .
Então n n
X X
A(B + C) = eik = aij djk = aij (bjk + cjk )
j=1 j=1
n
X n
X
= aij bjk + aij cjk = fik + gik = AB + AC
j=1 j=1
iv) É análogo ao anteior.

v) Sejam A = (aij )m×n e B = (bjk )n×q , C = (ckr )q×p . Então
n
X
AB = eik = aij bjk ordem m × q
j=1
e
q
X
BC = fjr = bjk ckr ordem n × p
k=1
Logo,
q
X q X
X n q
X
(AB)C = gir = eik ckr = aij bjk ckr = (ai1 b1k ckr + · · · + ain bnk ckr )
k=1 k=1 j=1 k=1
q
X q
X n
X q
X n
X
= ai1 b1k ckr + · · · + ain bnk ckr = aij bjk ckr = aij fjr = A(BC)
k=1 k=1 j=1 k=1 j=1
Portanto, (AB)C = A(BC). 2
Exemplo 84. Calcule o produto entre as matrizes

1 2 2
A= , B= e C= 2 1 2
1 1 3
Resolução: Calculando temos

8 16 8 16 1 2 4 2 4
(AB).C = 2 1 2 = = = A(BC).
5 10 5 10 1 1 6 3 6
Exemplo 85. Os pesticidas são aplicados nas plantas a fim de eliminar os insetos
daninhos. Parte dos pesticidas são absolvidos pelas plantas, assim quando os animais
104
herbı́voros se alimentas das plantas que recebem os pesticidas, absolvem também os pes-
ticidas.
Para determinar a quantidade de pesticida absolvido por um animal herbı́voro,

procedemos como segue. Suponhamos três plantas e quatro pesticida. Representamos por
aij a quantidade de pesticida i (em miligramas) que foi absolvido pela planta j. Temos
assim a seguinte matriz
Planta 1 Planta 2 Planta 3  

2 4 1
2 4 1 Pesticida 1  3 2 2 
3 2 2 Pesticida 2 assim, A = 
 4

1 3 
4 1 3 Pesticida 3
2 3 4
2 3 4 Pesticida 4
Suponha agora que temos 4 animais herbı́voros e que bij representa o número
de plantas do tipo i que um animal herbı́voro do tipo j como por mês. Essa informação
é dada na tabela
Herbı́voro 1
Herbı́voro 2 Herbı́voro 3 Herbı́voro 4
20 12 13 21 Planta 1
21 15 14 12 Planta 2
25 16 18 18 Planta 3
 
20 12 13 21
Pondo, B =  21 15 14 12 .
25 16 18 18
Represente uma matriz que determine a quantidade de pesticida do tipo i
absolvida por um herbı́voro do tipo j.
Resolução: Consideremos em AB a entrada cij . Tal elemento representa a quantidade
de pesticida do tipo i absolvida por um herbı́voro do tipo j. Assim
   
2 4 1   149 100 100 108
 3 20 12 13 21
2 2  
  152 98 103 123 
A.B =   4 . 21 15 14 12  =  
1 3   176 111 120 150 
25 16 18 18
2 3 4 203 103 140 150
Assim, se considerarmos o pesticida i = 3 e o herbı́voro j = 4, a quantidade

deste pesticida absovida por este herbı́voro será de 150 miligramas. Caso tenhamos
animais carnı́voros que comem herbı́voros, podemos repetir o processo para saber quanto
de cada pesticida foi absolvido por cada animal carnı́voro.
105
Definição 6.9. Dada uma matriz A = (aij )m×n a transposta de A, denotada por At , é
uma matriz n × m tal que
At = (bji ), onde bji = aij .
A definição acima diz, entre outras palavas que as linhas de A passam a ser
as colunas de At .
Note que se A é uma matriz quadrada, e se At = A ou At = −A, então a

matriz A é simétrica ou anti-simétrica respectivamente.
Exemplo 86. Sejam as matrizes

   
2 1 3 0 6 1
A= 1 3 1  e B =  −6 0 3 
3 1 5 −1 −3 0
determine At e B t e conclua que uma é simétrica e a outra é anti-simétrica.
Resolução: At = A e B t = −B.
Proposição 6.10. Sejam A e B duas matrizes de mesma ordem, α um número real.

Sejam ainda C e D duas matrizes para o qual o produto CD seja possı́vel. Então
i) (A + B)t = At + B t ii) (αA)t = αAt iii) (At )t = A iv) (CD)t = Dt C t
Demonstração: Vamos mostrar os item i) e iv), os demais ficam a cargo do leitor.

i) Seja A = (aij ) e B = (bij ) então At = (cji ) = (aij ) e B t = (dji ) = (bij ).
Ainda, pondo (A + B) = (eij ) temos que (A + B)t = (fji ) = (eij ).
Logo,
(A + B)t = fji = eij = aij + bij = cji + dji = At + B t .
iv) Seja C = (cij ) e D = (djs ) então C t = (aji ) = (cij ) e Dt = (bsj ) = (djs ).

n
X n
X
t t
Ainda, pondo CD = eik = cij djk e, ainda D C = fik = bkj aji .
j=1 j=1
Logo,
n
X n
X n
X
CD = eik = cij djk = aji bkj = bkj aji = fik = Dt C t
j=1 j=1 j=1
106
Portanto, (A + B)t = At + B t e (CD)t = Dt .C t , como demonstrado. 2
6.2 Operações Elementares entre Matrizes
São definidas três operações elementares sobre as linhas de uma matriz.

i) Permutar uma linha com outra, ou seja, tomando a Li linha e troca com a Lj linha e,
denotamos por Li → Lj .
   
a11 a12 ··· a1n a11 a12 ··· a1n
 a21 a22 ··· a2n   a21 a22 ··· a2n 
 .. .. .. .. .. ..
   
 . . ··· . . . ··· .
  
  
 ai1 ai2 ··· ain   aj1 aj2 ··· ajn
   

 . .. .. ∼ . .. .. 
 .. . ··· .   .. . ··· . 
   
 a
 j1 a j2 ··· ajn   a
  i1 a i2 ··· ain 

 . .. ..   . .. ..
 ..   ..

. ··· . . ··· . 
am1 am2 ··· amn am1 am2 ··· amn
onde a linha Li foi trocada pela linha Lj e vice versa.
ii) Multiplicação da i-ésima linha por um escalar não nulo k e, denotamos por Li → kLi .
a11 a12 · · · a1n a11 a12 · · · a1n
   
 a21 a22 · · · a2n   a21 a22 · · · a2n 
 . .. ..   . .. .. 

 .
 . . ··· .   .. . ··· . 

∼
 ai1 ai2 · · · ain   kai1 kai2 · · · kain 
 
 . .. ..   . .. .. 
 .. . ··· .   .. . ··· . 
am1 am2 · · · amn am1 am2 · · · amn
onde a linha Li foi multiplicada pela constante k.
iii) Substituição da i-ésima linha pela i-ésima linha mais k vezes a j-ésima linha e, deno-
tamos por Li → Li + kLj .
   
a11 a12 · · · a1n a11 a12 ··· a1n
 a21 a22 · · · a2n   a21 a22 ··· a2n 
 .. .. .. .. .. ..
   
 . . ··· . . . ··· .
  
  
 ai1 ai2 · · · ain   ai1 + kaj1 ai2 + kaj2 ··· ain + kajn
   

 . .. .. ∼ .. .. .. 
 .. . ··· .   . . ··· . 
   
 a
 j1 a j2 · · · a jn
 
  a j1 a j2 ··· ajn 

 . .. .. .. .. ..
 ..
  
. ··· .   . . ··· . 
am1 am2 · · · amn am1 am2 ··· amn
onde a linha Li foi substituida pela soma dada por Li + kLj .
107
Exemplo 87. Seja a matriz  
2 1 4
A= 1 0 5 
3 −1 6
faça as seguintes operações, seguindo os passos dados.
i) Primeiro, L2 → L1 ii) Segundo, L2 → L2 − 2L1 e L3 → L3 − 3L1
1
iii) Terceiro, L3 → L3 + L2 iv) quarto, L3 → − L3
15
Resolução Seguindo os passos acima temos
     
2 1 4 1 0 5 L2 →L2 −2L1 1 0 5
L2 →L1 L3 →L3 −3L1
 1 0 5  ∼  2 1 4  ∼  0 1 −6 
3 −1 6 3 −1 6 0 −1 −9
   
1 0 5 1
L3 →− 15 L3
1 0 5
L3 →L3 +L2
∼  0 1 −6  ∼  0 1 −6 
0 0 −15 0 0 1
o que completa os passos.
Definição 6.11. Uma matriz m × n é linha reduzida à forma escada se.

i) O primeiro elemento não nulo de uma linha não nula é 1.
ii) Cada coluna que contém o primeiro elemento não nulo de alguma linha tem todos os
seus outros elementos iguais a zero.
iii) Toda linha nula ocorre abaixo de todas as linhas não nulas.
iv) Se as linhas 1, 2, · · · , r são linhas não nulas e, se o primeiro elemento não nulo da
linha i ocorre na coluna ki , então k1 < k2 < · · · < kr
Exemplo 88. Dada a matriz

 
1 2 1 0
A =  0 1 −1 1 
0 0 1 0
verifique se a matriz A está na forma escada.
Resolução Todas a linhas são não nulas e, os seus primeiros elementos não nulos é 1,
então a primeira condição está satisfeirta. Cada coluna que contém o primeiro elemento
não nulo de alguma linha tem todos os seus outros elementos iguais a zero. Note que a
coluna 4 não contém o primeiro elemento não nulo de nenhuma das linhas e, assim a
segunda condição está satisfeita. Não ocorre linhas nulas nessa matriz.
108
O primeiro elemento não nulo da linha 1, ocorre na coluna k1 = 1. O primeiro
elemento não nulo da coluna 2 ocorre na coluna k2 = 2. O primeiro elemento não nulo
da linha 3 ocorre na coluna k3 = 3, donde k1 = 1 < 2 = k2 < 3 = k3 e a quarta condição
está verificada.
Segue do visto acima que, a matriz A está na forma escada.
Exemplo 89. Dada a matriz

 
1 2 3 4
 0 0 1 2 
A=
 0

1 0 1 
0 0 0 1
verifique se a matriz A está na forma escada.
Resolução Os itens i), ii) e iii) da definição estão satisfeitos.
O primeiro elemento não nulo da linha 1, ocorre na coluna k1 = 1. O primeiro

elemento não nulo da linha 2 ocorre na coluna k2 = 3. O primeiro elemento não nulo
da linha 3 ocorre na coluna k3 = 2. O primeiro elemento não nulo da linha 4 ocorre na
coluna k4 = 4, assim k1 = 1 < 3 = k2 , mas k2 = 3 > 2 = k3 e a quarta condição não
está verificada.
Segue do visto acima que, a matriz A não está na forma escada.
Note que fazendo uma permutação da linha 3 com a linha 2, deixamos a

matriz na forma escada.
Definição 6.12. Se A e B são matrizes de ordem m × n, dizemos que B é linha equiva-

lente de A, se B for obtida de A através de um número finito de operações elementares
sobre as linhas de A. Notação A ∼ B.
Exemplo 90. Sejam as matrizes

   
2 1 4 1 0 5
A= 1 0 5  e B =  0 1 −6 
3 −1 6 0 0 1
mostre que B é linha equivalente de A.
Resolução Já vimos no exemplo 87 que B foi obtida de A por um número finito de
operações elementares e, portanto, B é linha equivalente de A.
109
Teorema 6.13. Toda matriz Am×n é linha equivalente a uma única matriz linha reduzida
a forma escada.
Demonstração: É sempre possı́vel colacar uma matriz na forma escada através de um

número finito de operações elementares sobre as linhas (Pense nisso).
Se A ∼ M e A ∼ N , onde M e N são duas matrizes linhas reduzidas a forma

escada, e do fato que as operações elementares são reversı́veis isto significa que M será
equivalente a N e, portanto M = N . 2
Exemplo 91. Determine a matriz na forma escada da matriz

 
3 4 0 −1
 2 3 −1 2 
A=  0 2 2

0 
1 1 4 1
Resolução: Seguindo os passos

Permutar as linhas
i) L1 → L4 e L2 → L3 , ii) L2 → L4
Prossiga com os passos

i)L2 → L2 − 3L1 e L3 → L3 − 2L1 , ii) L3 → L3 − L2 e L4 → L4 − 2L2 ,
1 1 39
iii) L3 → L3 e L4 → L4 , iv) L4 → L4 − L3 e v) L4 → − L4 para obter
3 26 20
   
3 4 0 −1 1 1 4 1
 2 3 −1 2   0 1 −12 −2 
A= ∼ 2  = B

 0 2 2 0   0 0 1 3
1 1 4 1 0 0 0 1
e, portanto, A é linha equivalente a matriz B na forma escada.
6.3 Inversa de uma Matriz
Nosso objeto é dada uma matriz A determinar uma matriz B de modo que
A.B = I e B.A = I
110
A motivação para isso segue do fato que, se A ∈ Mm×n (R) e b ∈ Mm×1 (R)
duas matrizes dadas e a equação
Ax = b
onde x é uma matriz a ser determinada em Mn×1 (R).
Se existir uma matriz B tal que B.A = I, poderemos determinar x, ou seja,

x = B.b.
Definição 6.14. Seja A = (aij )m×n uma matriz real, dizemos que a matriz B = (bji )n×m
é uma inversa a direita de A se
Am×n .Bn×m = Im×m
e dizemos que a matriz C = (cji )n×m é uma inversa a esquerda de A se
Cn×m Am×n = In×n
Proposição 6.15. Se A é uma matriz que possui inversa a esquerda e a direita, então
as inversas são iguais.
Demonstração: Sejam B e C as inversas a direita e a esquerda de A respectivamente,

então
Cn×m = Cn×m .Im×m = Cn×m .Am×n .Bn×m = In×n .Bn×m = Bn×m
o que mostra a igualdade entre as matrizes. 2
Definição 6.16. Seja A uma matriz quadrada , dizemos que A é inversı́vel se existir
uma matriz, que denotaremos por A−1 , tal que
A−1 .A = I = A.A−1
onde, A−1 denota a matriz inversa de A.
Proposição 6.17. Se A é uma matriz inversı́vel, então a inversa de A é única.
111
Demonstração: Suponhamos que B e C sejam duas inversas para A, então
C = C.I = C.(A.B) = (C.A).B = I.B = B
isto é, as inversas são iguais. 2
Mais adiante poderemos mostrar que se uma matriz A possui inversa a es-
querda e a direita então A é quadrada, inversı́vel e suas inversas são iguais.
Proposição 6.18. Sejam A e B duas matrizes inversı́veis, então

i) A.B é inversı́vel e sua inversa é B −1 .A−1 = (A.B)−1
ii) At é inversı́vel e sua inversa é (A−1 )t = (At )−1 .
Demonstração: Como A e B são inversı́veis existem A−1 e B −1 , assim
(A.B).(B −1 .A−1 ) = A.(B.B −1 ).A−1 = A.I.A−1 = A.A−1 = I = (B −1 .A−1 ).(A.B)
e, portanto, AB é inversı́vel e sua inversa é (A.B)−1 , como a inversa é única segue que
B −1 .A−1 = (A.B)−1 .
Agora,
(A−1 )t .At = (A.A−1 )t = (I)t = I = At .(A−1 )t
logo, At é inversı́vel e sua inversa é (At )−1 e, assim (A−1 )t = (At )−1 . 2
Consideramos as matrizes quadradas

 
1 0 . . . . 0 0
 
a11 a12 ··· a1n
 0 ... . a21 a22 ··· a2n
 
. . . . 0   
.. .. ..
   
 . . 1i 0 · · · 0 . .  
 . . ··· .


. . . ..
 
ai1 ai2 ··· ain
 
 . . 0 . . . . 
   
I= .. . .  e A= .. .. .. 
 . .
 . . . 0 . .  

 . . ··· . 

 . . 0 ··· 0 1
j . .  
 aj1 aj2 ··· ajn 

.. .. ..
 
.
 

 0 . . . . . . 
. 0   . . ··· . 
0 0 . . . . 0 1 an1 an2 · · · ann
Denotamos por 1i e 1j os elementos que se encontram na i-ésima e j-ésima

linha respectivamente.
112
Permutar duas linhas na matriz A, é igual permutar as mesmas linhas na
matriz identidade e multiplicar por A, ou seja,
 
1 0 . . . . . 0 0
··· ···
   
 ..  a11 a12 a1n a11 a12 a1n
 0 . . . . . . . 0   a21 a22 ··· a2n   a21 a22 ··· a2n 
  
 . . 0 ··· 0 1j . . .   .. .. ..
 
  .. .. ..


.. . . ··· . . . ··· .
  
 ..     

 . . . . . 0 . . .  
  ai1 ai2 ··· ain
 
  aj1 aj2 ··· ajn


 .. .. . .. .. ..  =  ..
 
.. ..

. . 0 . . . . . .

. . ··· .   . . ··· .
   
  
. . 1i 0 ··· 0 . .
  
aj1 aj2 ··· ajn   ai1 ai2 ··· ain
   
  
. . . . . . 1 . .
  
   .. .. ..   . .. ..
  ..

. . ··· . . ··· .
  
..
  
 0 . . . . . . . 0 
an1 an2 ··· ann an1 an2 ··· ann
0 0 . . . . . 0 1
Multiplicar uma linha i por uma constante k em A é igual multiplicar a matriz

ki I (matriz identidade multiplicada por k na mesma linha) por A, ou seja,
    
1 . . . . 0 a11 a12 ··· a1n a11 a12 ··· a1n
 ..  a21 a22 ··· a2n   a21 a22 ··· a2n 

 0 . . . . 0 
 .. .. ..
 
  .. .. ..



 . ki 0 . . 
 . . ··· .  
= . . ··· . 


 . . 0 1 .   ai1
 ai2 ··· ain   kai1
  kai2 ··· kain 

..  . .. ..   . .. ..
0   ..   ..
 
 0 . . . . . ··· . . ··· . 
0 . . . . 1 an1 an2 ··· ann an1 an2 ··· ann
E por fim, somar uma linha i mais uma linha j préviamente multiplicada
por uma constante k não nula é o mesmo que em I somarmos a linha i com a linha j
préviamente multiplicada por k e fazer o produto com a matriz A, isso resulta em
1 0 . . . . 0 0 a11 a12 ··· a1n
   
a11 a12 ··· a1n
 
 ..   a21 a22 ··· a2n

  a21 a22 ··· a2n  
. . . .

 0 . . . . . 0    
 
. . .   . . .
 . . 1i 0 ··· kj . . 
. . .   . . ··· .
···
   
  . . .   
. .

ai1 ai2 ··· ain
   
 .    . 
 . . 0 . . . . .    ai1 + kaj1 ai2 + kaj2 . ain + kajn 
. . . =
   

. ..
 . . .  
. . .


.
 . . ··· .  
. . .


. . . . . 0 . .
 
. . ··· .

···

  aj1 aj2 ajn   
. . 0 ··· 0 1j . . aj1 aj2 ··· ajn
    
   
  . . .   
 .  . . .   . . . 
 .  . . ··· .   . . . 
 0 . . . . . . 0   . . ··· . 
an1 an2 ··· ann
0 0 . . . . 0 1 an1 an2 ··· ann
Definição 6.19. Uma matriz elementar é uma matriz obtida a partir da identidade,
através da aplicação de uma operação elementar com linhas.
Consideramos a seguinte matriz elementar

1 0 . . . . 0 0 1 0 . . . . 0 0
   
 ..   .. 

 0 . . . . . . 0 


 0 . . . . . . 0 


 . . 1i 0 ··· kj . . 


 . . 1i 0 ··· −kj . . 

.. ..
   
   
. . 0 . . . . . . . 0 . . . . .
E −1
   
E=  então = 
 .. ..   .. .. 
. .
   
 . . . . 0 . .   . . . . 0 . . 
··· ···

. . 0 0 1j . .
 
. . 0 0 1j . .

   
   
 ..   .. 
 0 . . . . . . 0   0 . . . . . . 0 
0 0 . . . . 0 1 0 0 . . . . 0 1
113
Assim, se E é uma matriz elementar, então E é inversı́vel e sua inversa E −1
é dada pela matriz que corresponde a operação elementar inversa feita para determinar
E. Verifique isso para os demais casos.
Teorema 6.20. Uma matriz quadrada A é inversı́vel se, e somente se In ∼ A. A

sequência de operações elementares que transforma A em In , transforma In em A−1 .
Ainda A−1 é o produto de um número finito de matrizes elementares.
Demonstração: Se In ∼ A então A é inversı́vel. Da hipótese temos que após um

número finito de operações elementares In é linha equivalente de A
Seja E1 uma matriz elementar, então existe A1 tal que E1 .A = A1 . Repetimos

os processo para A1 , então sendo E2 uma matriz elementar, obtemos E2 .A1 = A2 . No
passo k − 1, temos Ek−1 Ak−2 = Ak−1 . Para o passo k, podemos supor que Ak = I, então
Ek .Ak−1 = Ak = I. Logo
E1 A = A1
E2 A1 = A2
E3 A2 = A3
E4 A3 = A4
.. .. ..
. . .
Ek−1 Ak−2 = Ak−1
Ek Ak−1 = Ak = I
Desta forma, obetmos
I = (Ek .Ek−1 . · · · .E2 .E1 ).A
Da equação acima temos que A = E1−1 E2−1 . · · · .Ek−1

−1
Ek−1 , pois as matrizes
elementares são todas inversı́veis, portanto, A é inversı́vel uma vez que é produto de
matrizes inversı́veis.
Segue que A−1 = Ek .Ek−1 . · · · .E2 .E1 , como querı́amos provar.
Se A é inversı́vel, pode se mostrar que a matriz na forma escada reduzida R

é a identidade.
114
Basta observar que
R = (Ek .Ek−1 . · · · .E2 .E1 ).A
após um número finito de operações elementares. Ainda as equações
Ax = 0 e Rx = 0 são equivalentes
Como A é inversı́vel, temos x = A−1 0 = 0 é a única solução, logo a única

possibilidade para R satisfazendo x = 0 é a identidade. 2
Uma ilustração de como usar o teorema acima será posta no exemplo a seguir.
Exemplo 92. Verifique que a matriz

 
1 1 0
A= 0 1 1 
1 0 2
é inversı́vel e determine sua inversa.

Resolução: Usamos o teorema acima pondo
  
1 1 0 1 0 0
 0 1 1  0 1 0 
1 0 2 0 0 1
| {z }| {z }
=A =I
Ao fazermos operações elementares em A, faremos simultâneamente em I.

Assim,
     
1 1 0 1 0 0 1 1 0 1 0 0
L3 →L3 −L1
 0 1 1  0 1 0  ∼  0 1 1  0 1 0 
1 0 2 0 0 1 0 −1 2 −1 0 1
     
1 1 0 1 0 0 L3 → 13 L3
1 1 0 1 0 0
L3 →L3 +L2
∼  0 1 1  0 1 0  ∼  0 1 1  0 1 0 
0 0 3 −1 1 1 0 0 1 − 13 13 13
     2 2 1

1 1 0 1 0 0 1 0 0 3
− 3 3
L2 →L2 −L3 L1 →L1 −L2
∼  0 1 0   1 2 −1  ∼  0 1 0  1 2
− 13 
3 3 3 3 3
0 0 1 − 13 13 1
3
0 0 1 − 13 1
3
1
3
115
Portanto,
2
− 23 1
 
3 3
 
−1
 1 2

A =
 3 3
− 13 

 
− 13 1
3
1
3
Como vimos A é inversı́vel.
Exemplo 93. Verifique se

3 2
A=
9 6
é inversı́vel.
Resolução: Usando novamente o teorema, temos
1 32
1
3 2 1 0 L1 → 31 L1 0
∼ 3
9 6 0 1 9 6 0 1
1 32 1

L2 →L2 −9L1 0
∼ 3
0 0 −3 1
Portanto, não é possı́vel transformar A na identidade de ordem 2, com um

número finito de operações elementares, assim A não é inversı́vel.
Exemplo 94. Verifique que a matriz

 
1 0 0
A= 0 1 1 
1 0 1
é inversı́vel e determine sua inversa.
Resolução: Usando o teorema pomos
     
1 0 0 1 0 0 1 0 0 1 0 0
L →L −L
 0 1 1  0 1 0  3 ∼3 1  0 1 1  0 1 0 
1 0 1 0 0 1 0 0 1 −1 0 1
  
1 0 0 1 0 0
L2 →L2 −L3
∼  0 1 0   1 1 −1 
0 0 1 −1 0 1
Portanto,  
1 0 0
A−1 =  1 1 −1 
−1 0 1
Como vimos A é inversı́vel.
116
6.4 Determinante
Consideramos a equação
Ax = b
então se A for uma matriz inversı́vel podemos determinar x de modo único, e neste caso
temos que x = A−1 b.
Se uma matriz A é inversı́vel então existe A−1 tal que A.A−1 = I.
Consideramos a matriz

α β a b
A2×2 = e A−1
2×2 = .
γ λ c d
Então

1 0 a b α β
= A−1
2×2 A2×2 = . .
0 1 c d γ λ
Desta forma temos

α.a + γ.b = 1 α.c + γ.d = 0
e
β.a + λ.b = 0 β.c + λ.d = 1
ou equivalentemente, (Note que se β = 0 então λ 6= 0 6= d, pois λ.d = 1)
β.α.a + β.γ.b = β β.α.c + β.γ.d = 0
e
β.α.a + λ.α.b = 0 β.α.c + λ.α.d = α
Subtraı́mos a primeira equação da segunda em cada uma das equações acima

e, obtemos
b(β.γ − α.λ) = β e d(β.γ − α.λ) = −α
Se β.γ − α.λ 6= 0, determinamos de modo único b e d, consequentemente a e

c. Assim se A é inversı́vel então β.γ − α.λ 6= 0. Tal número é denominado determinante
de A que denotamos por

α β
det(A) = = α.λ − β.γ
γ λ
117
Nosso objetivo e generalizar o conceito de determinantes para ordem maior,
verificando a propriedade acima.
Definição 6.21. Dado um conjunto Nn = {1, 2, 3, · · · , n}. Uma permutação de Nn é

uma bijeção
σ : Nn −→ Nn
n 7−→ σ(n)
que representamos por

1 2 3 ··· n−1 n
σ(1) σ(2) σ(3) · · · σ(n − 1) σ(n)
Exemplo 95. Seja N2 = {1, 2}, determine todas as permutações possı́veis para N2 .
Resolução: Existem 2 permutações possı́veis

σ1 : N2 −→ N2 1 2
dada por = (1 2)
n 7−→ σ1 (n) σ1 (1) = 1 σ1 (2) = 2
e

σ2 : N2 −→ N2 1 2
dada por = (2 1)
n 7−→ σ2 (n) σ2 (1) = 2 σ2 (2) = 1
( A notaçãp (1 2) indica que o um vai no dois e o dois vai no um e a notação

(2 1) diz que o dois vai no um e o um vai no dois).
Exemplo 96. Seja N3 = {1, 2, 3}, determine todas as permutações possı́veis para N3 .
Resolução: São 6 possı́veis permutações.

σ1 : N3 −→ N3 1 2 3
dada por σ1 = = (1)(2)(3)
n 7−→ σ1 (n) 1 2 3

σ2 : N3 −→ N3 1 2 3
dada por σ2 = = (1)(2 3)
n 7−→ σ2 (n) 1 3 2

σ3 : N3 −→ N3 1 2 3
dada por σ3 = = (1 3)(2)
n 7−→ σ1 (n) 3 2 1

σ4 : N3 −→ N3 1 2 3
dada por σ4 = = (1 2)(3)
n 7−→ σ4 (n) 2 1 3

σ5 : N3 −→ N3 1 2 3
dada por σ5 = = (1 2 3)
n 7−→ σ1 (n) 2 3 1

σ6 : N3 −→ N3 1 2 3
dada por σ6 = = (1 3 2)
n 7−→ σ6 (n) 3 1 2
118
De modo geral o número de permutações num conjunto Nn = {1, 2, · · · , n}
é n! = n.(n − 1).(n − 2). · · · .3.2.1
Definição 6.22. Dada uma permutação

1 2 3 ··· n−1 n
σ=
σ(1) σ(2) σ(3) · · · σ(n − 1) σ(n)
do conjunto Nn .
Seja r o número de pares ordenados (i, j) com 1 ≤ i < j ≤ n tais que

σ(i) > σ(j).
Chama-se sinal da permutação, e indicado por sgn(σ) o número inteiro tal

que 
 1 se r é par
sgn(σ) = (−1)r =
−1 se r é ı́mpar

Exemplo 97. Sejam N2 e N3 . Estude o sinal das permutações nesses conjuntos.

Resolução: Para N2 temos que existem 2 permutações possı́veis σ1 e σ2 . Ainda em N2
existe somente um par ordenado (i, j) para o qual 1 ≤ i < j ≤ 2, ou seja, somente o
par (1, 2).
Conforme exemplo 95 σ1 (1) = 1 < 2 = σ1 (2), portanto, não há nenhum par
ordenado satisfazendo a condição da definição, logo sgn(σ1 ) = 1
Conforme exemplo 95 σ2 (1) = 2 > 1 = σ2 (2), portanto, existe um par orde-

nado satisfazendo a condição da definição, logo sgn(σ2 ) = −1
Para N3 temos que existem 6 permutações possı́veis, conforme exemplo 96.

Ainda em N3 existem três pares ordenado (i, j) para o qual 1 ≤ i < j ≤ 3, são eles
(1, 2), (1, 3) e (2, 3). Assim para
σ1 = (1)(2)(3), r = 0 então sgn(σ1 ) = 1, σ2 = (1)(2 3), r = 1 então sgn(σ2 ) = −1,
σ3 = (1 3)(2), r = 3 então sgn(σ3 ) = −1, σ4 = (1 2)(3), r = 2 então sgn(σ4 ) = 1,
σ5 = (1 2 3), r = 2 então sgn(σ5 ) = 1, σ6 = (1 3 2), r = 3 então sgn(σ6 ) = −1.
Definição 6.23. Seja A = (aij )n×n uma matriz quadrada, chama-se determinante da
119
matriz A, que denotaremos por det(A) ao número real dado por
n!
X
det(A) = sgn(σk )a1σk (1) .a2σk (2) . · · · .a(n−1)σk (n−1) .anσk (n)
k=1
Observe que no somatório da definição, estamos percorrendo todas as per-

mutações possı́veis no conjunto Nn . Ainda em cada parcela do somatório existe apenas
um elemento de cada linha e um elemento de cada coluna da matriz A.
Exemplo 98. Sejam

 
a11 a12 a13
a11 a12
A= e B =  a21 a22 a23  .
a21 a22
a31 a32 a33
Verifique que o determinante coincide com a noção de determinante que você

já conhece do ensino de formação básica.
Resolução: Desenvolvendo o somatório, temos
2!
X
det(A) = sgn(σk )a1σk (1) .a2σk (2) = sgn(σ1 )a1σ1 (1) .a2σ1 (2) + sgn(σ2 )a1σ2 (1) .a2σ2 (2)
k=1
= a11 .a22 − a12 .a21
Para N3 , temos 3! = 6 e,
6
X
det(A) = sgn(σk )a1σk (1) .a2σk (2) .a3σk (3) = sgn(σ1 )a1σ1 (1) .a2σ1 (2) .a3σ1 (3)
k=1
+ sgn(σ2 )a1σ2 (1) .a2σ2 (2) .a3σ2 (3) + sgn(σ3 )a1σ3 (1) .a2σ3 (2) .a3σ3 (3)
+ sgn(σ4 )a1σ4 (1) .a2σ4 (2) .a3σ4 (3) + sgn(σ5 )a1σ5 (1) .a2σ5 (2) .a3σ5 (3)
+ sgn(σ6 )a1σ6 (1) .a2σ6 (2) .a3σ6 (3)
= a11 .a22 .a33 − a11 .a23 .a32 − a13 .a22 .a31 + a12 .a21 .a33 + a12 .a23 .a31 − a13 .a21 .a32 .
Usando o exemplo 97 para conclir o resultado.

a11 a12 · · · a1n
 0 a22 · · · a2n 
A=
 
.. . . . . .
. ..

 . . 
0 · · · 0 ann
120
uma matriz quadrada triangular superior. Então det(A) = a11 .a22 .a33 . · · · .ann .
Resolução: Da definição de determinante cada parcela do somatório tem um e, somente
um elemento de cada linha e coluna. Os elementos da diagonal principal fazem parte de
uma das parcelas do somatório, e para as demais parcelas sempre aparecerá um elemento
nulo.
Ainda, para todo par ordenado (i, j) tal que i < j, a permutação identidade
σ(i) = i < j = σ(j) e, portanto r = 0 e o sinal da permutação é 1. Donde segue o
desejado.
6.4.1 Propriedades do Determinante
As propriedades de determinantes que veremos torna o cálculo de determi-

nante menos laborioso que o uso da definição.
Teorema 6.24. Ao permutarmos duas linhas de uma matriz muda-se o sinal do deter-
minante, ou seja, se
a11 a12 · · · a1n a11 a12 · · · a1n

   
 ... ..
.
..
.
..
.   ... ..
.
..
.
..
. 
   

 ap1 .. .. 
 aj1 ..
 . .
.. ajn

 . . apn 
 


A =  ... .. .. .. e B =  ... .. .. ..
   
. . .  . . . 
.. .. .. ..
   
 aj1 . . ajn  ap1 . . apn
   
 
 . .. .. ..   . . .. .. 
 .. . . .   .. .. . . 
an1 · · · · · · ann an1 · · · · · · ann
temos que det(B) = − det(A), onde p < j.
Demonstração: Seja σk uma permutação

1 ··· p ··· j ··· n
σk =
σk (1) · · · σk (p) · · · σk (j) · · · σk (n)
Logo,
n!
X
det(A) = sgn(σk )a1σk (1) · · · apσk (p) . · · · .ajσk (j) . · · · .anσk (n) .
k=1
121
Definimos, 
 σk (p) se l = j
ϕk (l) = σk (j) se l = p
σk (l) se l 6= {p, j}

assim,

1 ··· p p+1 ··· j−1 j ··· n
ϕk =
σk (1) · · · σk (j) σk (p + 1) · · · σk (j − 1) σk (p) · · · σk (n)
Portanto,
n!
X
det(B) = sgn(ϕk )a1σk (1) · · · apσk (j) . · · · .ajσk (p) . · · · .anσk (n) .
k=1
Seja r o número de pares ordenados (α, β) tal que 1 ≤ α < β ≤ n com

σk (α) > σk (β), então sgn(σk ) = (−1)r .
Vamos calcular o sinal de ϕk a partir de σk . Para isso, basta efetuarmos

2(j − p) − 1 permutações em σk , ou seja, para que σk (j) ocupe a posição p na permutação
ϕk são necessárias j − p permutações, e quando isso ocorrer σk (p) estará na posição p + 1,
logo para que σk (p) ocupe a posição j na permutação ϕk , são necessárias j − (p + 1)
permutações.
Logo, o total de permutações necessária para que σk torne ϕk são necessária

2(j − p) − 1 permutações.
Para todo s = 1, 2, · · · , j − p, temos que j − s < j.
Se σk (j −s) > σk (j) temos ϕk (j −s) = σk (j −s) > σk (j) = ϕ(p), mas p < j −s
para todo s 6= j − p, logo para ϕk são excluidos j − p − 1 pares ordenados em relação a
σk . Se σk (j − s) < σk (j) temos ϕk (j − s) = σk (j − s) < σk (j) = ϕ(p), mas p < j − s
para todo s 6= j − p, logo para ϕk são incluı́dos j − p − 1 pares ordenados em relação a
σk . Se s = j − p, é excluı́do e/ou incluı́do um par ordenado nas mesmas condições acima
(Verifique isso!).
Para todo l = 1, 2, 3, · · · , j − p − 1, temos que p < j − l.
Segue as mesmas considerações do caso anterior.
122
Seja r0 o número de pares ordenados excluı́dos entre as 2(j−p)−1 permutações
do tipo j − s < j tal que σk (j − s) > σk (j), e r00 o número de pares ordenados incluı́dos
entre as 2(j − p) − 1 permutações do tipo j − s < j tal que σk (j − s) < σk (j). Note que
para cada permutação se exclui ou inclui um par ordenado, deste fato temos 2(j −p)−1 =
r0 + r00 .
Seja n o número de pares ordenados (α, β) tal que 1 ≤ α < β ≤ n com

ϕk (α) > ϕk (β), então n = r + r0 + r00 = r + 2(j − p) − 1 = r + m, onde m é um número
ı́mpar. Assim
n!
X
det(B) = sgn(ϕk )a1σk (1) · · · apσk (j) . · · · .ajσk (p) . · · · .anσk (n)
k=1
n!
X
= (−1)r+m a1σk (1) · · · apσk (j) . · · · .ajσk (p) . · · · .anσk (n)
k=1
n!
X
= − (−1)r a1σk (1) · · · apσk (j) . · · · .ajσk (p) . · · · .anσk (n)
k=1
n!
X
= − sgn(σk )a1σk (1) · · · apσk (j) . · · · .ajσk (p) . · · · .anσk (n) = − det(A)
k=1
Como querı́amos provar. 2
Vamos indicar a i-ésima linha de uma matriz de orden n por
Ai = (ai1 ai2 · · · ain )
e desta forma podemos representar uma matriz como uma sequência de vetores linhas,
assim
A = (A1 , A2 , · · · , An−1 , An )t
Proposição 6.25. As seguintes propriedades para o determinantes são verdadeiras.

0
i) Se A = (A1 , A2 , · · · , Ak + Ak , · · · An )t então
0
det(A) = det((A1 , · · · , Ak + Ak , · · · , An )t )
0
= det((A1 , · · · , Ak , · · · , An )t ) + det((A1 , · · · , Ak , · · · , An )t ).
123
ii) Se A = (A1 , A2 , R.Ak · · · , An )t , R uma constante qualquer. então
det(A) = det((A1 , A2 , RAk , · · · , An )t ) = R det((A1 , A2 , Ak , · · · , An )t )
iii) Se duas linhas de uma matriz A forem iguais, ou seja, Ak = Aj então o det(A) = 0.
iv) Se somarmos uma linha com outra previamente multiplicada por uma constante o de-
terminante da nova matriz não se altera, ou seja, se B = (A1 , · · · , B k , Ak+1 , · · · , An )t ,
onde B k = Ak + RAj onde Ak e Aj são linhas da matriz
A = (A1 , · · · , Ak , · · · , Aj , · · · , An )t temos det(B) = det(A).
v) det(A) = det(At ).
Demonstração: A prova para os itens i), ii) são exercı́cios.

iii) Seja det(A) = d do teorema 6.24 temos que ao permutarmos as linhas Ak com as
linhas Aj obtemos uma matriz A0 e det(A0 ) = −d. Por outro lado como as linhas são
iguais A0 = A.
Assim det(A) = d = − det(A0 ) = − det(A), portanto, det(A) = 0.

iv) Seja B = (A1 , · · · , B k , Ak+1 , · · · , An )t = (A1 , · · · , Ak + RAj , Ak+1 , · · · , An )t ,
sem perda de generalidade k < j, temos
det(B) = det((A1 , · · · , Ak + RAj , · · · , An )t )
= det((A1 , · · · , Ak , · · · , An )t ) + det((A1 , · · · , RAj , · · · , Aj , · · · , An )t )
= det(A) + R det((A1 , · · · , Aj , · · · , Aj , · · · , An )t ) = det(A)
v) Note que se σ : Nn −→ Nn é uma permutação de sinal (−1)r então a inversa σ −1 tem

o mesmo sinal de σ. Se A = (aij ) temos que At = (bji ) tal que bji = aij . Então
n!
X
det(A) = sgn(σk )a1σk (1) · · · ajσk (j) .. · · · .anσk (n)
k=1
n!
X
= sgn(σk )bσk (1)1 · · · .bσk (j)j . · · · .bσk (n)n = det(At )
k=1
Da propriedade v), tudo que foi feito para linhas são validas para colunas. 2
124
1 3 −1 1
 2 2 1 −1 
A=
 1

1 2 1 
1 −1 1 1
calcule o determinante da matriz A.
Resolução: Basta reescrever A após um número finito de operações elementares como
uma matriz triangular superior, ou seja,
   
1 3 −1 1 L2 −→L2 −2L1 1 3 −1 1
L3 −→L2 −L1
 2 2 1 −1  L4 −→L4 −L1  0 −4 3 −3 
A=   1
 ∼ 
 0 −2

1 2 1  3 0 
1 −1 1 1 0 −4 2 0
   
1L
L3 −→L3 − 2
1 3 −1 1 1 3 −1 1
2
L4 −→L4 −L2  0 −4 3 −3  L4 −→L4 + 23 L3  0 −4 3 −3 
∼ 
 0 3

3  ∼  3

3 
0 2 2
 0 0 2 2
0 0 −1 3 0 0 0 4
Logo,
3
det(A) = det(A0 ) = 1.(−4). .4 = −24
2
0 1 3 1
 1 1 2 1 
A=
 0

1 0 2 
0 0 1 0
calcule o determinante da matriz A.
Resolução: Basta reescrever A após um número finito de operações elementares como
uma matriz triangular superior, ou seja,
     
0 1 3 1 1 1 2 1 1 1 2 1
 1 1 2 1   0 1 3 1
L −→L   L4 −→L3  0 1 3 1 
  2∼ 1  ∼  
 0 1 0 2   0 1 0 2   0 0 1 0 
0 0 1 0 0 0 1 0 0 1 0 2
   
1 1 2 1 1 1 2 1
L4 −→L4 −L2  0 1 3 1  L4 −→L4 +3L3  0 1 3 1 
∼ 
 0
 ∼  
0 1 0   0 0 1 0 
0 0 −3 1 0 0 0 1
Note que, houve duas permutações de linhas, assim o sinal não muda e, por-
tanto, det(A) = 1.
125
Exemplo 102. Seja E uma matriz elementar. Então
det(E) = 1, det(E) = −1 ou det(E) = k.
onde k é uma constante que multiplica a matriz identidade.

Resolução: Basta notar pelas propriedades de determinantes que.
No primeiro caso E é obtido da matriz identidade fazendo Li = Li + kLj , e

neste caso o determinante não se altera em relação a identidade.
No segundo caso, E foi obtido da identidade permutando as linhas i com a

linha j e, neste caso o sinal muda em relação ao determinante da identidade.
No último caso, E é obtido da identidade multiplicando a linha i pela cons-

tante k e, por fim este determinante é k vezes o determinante da identidade.
Exemplo 103. Calcule o determinante de uma matriz B, onde B é obtida de A por

uma operação elementar.
Resolução: Seja E uma matriz elementar tal que E.A = B
Temos três casos a considerar, permutação de linhas, multiplicação de uma

linha por uma constante k, ou a soma de uma linha por uma outra previamente multi-
plicada por uma constante k. Em cada um dos casos temos
det(B) = − det(A), det(B) = k det(A) ou det(B) = det(A)
Para todos os casos vale
det(E.A) = det(B) = det(E). det(A).
O determinante do produto de E por uma matriz A é igual ao determinante

de E pelo determinante de A.
Teorema 6.26. Se A é uma matriz inversı́vel então det(A) 6= 0.
Demonstração: Seja A−1 a inversa de A. Então A−1 .A = I.
126
Já vimos que A−1 é igual ao produto finito de matrizes elementares, ou seja,
A−1 = Ek .Ek−1 . · · · .E2 .E1 o mesmo valendo para a matriz A. Desta forma, temos
1 = det(I) = det(A−1 .A) = det(Ek .Ek−1 . · · · .E2 .E1 .A)
= det(Ek ). det(Ek−1 . · · · .E2 .E1 .A)

.. ..
. .
= det(Ek ). · · · . det(E2 ). det(E1 ). det(A))
= det(Ek ). det(Ek−1 ). · · · . det(E2 .E1 ). det(A))

.. ..
. .
= det(Ek . · · · E2 .E1 ). det(A)) = det(A−1 ) det(A).
1
Portanto, neste caso temos det(A) 6= 0 e, ainda det(A−1 ) = . 2
det(A)
Do teorema acima concluı́mos que se det(A) = 0 então A não é inversı́vel.

Veremos que se det(A) 6= 0 então A é inversı́vel, usaremos este fato para provar a
proposição a seguir.
Proposição 6.27. Sejam A e B matrizes quadradas então
det(A.B) = det(A). det(B)
Demonstração: Se A ou B não são inversı́veis então A.B não é inversı́vel.
Assim, det(A.B) = 0 = det(A). det(B).
Por outro lado, se A e B são inversı́veis, então AB é inversı́vel. Sendo A in-

versı́vel existe um número finito de matrizes elementares tais que A = Ek .Ek−1 . · · · .E2 .E1 .
Logo,
det(AB) = det(Ek .Ek−1 . · · · .E2 .E1 .B) = det(Ek ). det(Ek−1 . · · · .E2 .E1 .B)
.. ..
. .
= det(Ek ). · · · . det(E2 ). det(E1 ). det(B))
= det(Ek ). det(Ek−1 ). · · · . det(E2 .E1 ). det(B))

.. ..
. .
= det(Ek . · · · E2 .E1 ). det(B)) = det(A) det(B).
Portanto, det(AB) = det(A) det(B). 2
127
Seja Nn = {1, 2, 3, · · · , n} e Ψ =: { O conjunto das permutações de Nn }.
Então fixado um indice j, 1 ≤ j ≤ n, podemos particionar Ψ em n classes disjuntas.
Ψ1 := {σk ∈ Ψ; σk (1) = j}, Ψ2 := {σk ∈ Ψ; σk (2) = j}

.. ..
. .
Ψn−1 := {σk ∈ Ψ; σk (n − 1) = j}, Ψn := {σk ∈ Ψ; σk (n) = j}
n
[ n
\
Então Ψ= Ψi e Ψi = ∅.
i=1 i=1
n
\
Suponha que Ψi 6= ∅, então existem i0 6= i1 tais que σk (i0 ) = j = σk (i1 ),
i=1
da injetividade de σk devemos ter i0 = i1 , o que é um absurdo.
Em cada uma das partições existem (n − 1)! permutações. Decorere das

considerações acima que
n!
X
det(A) = sgn(σk )a1σk (1) · · · .apσk (p) . · · · .anσk (n)
k=1
X X
= sgn(σk )a1j .a2σk (2) . · · · .anσk (n) + sgn(σk )a1σk (1) .a2j . · · · .anσk (n) + · · ·
σk ∈Ψ1 σk ∈Ψ2
= a1j ∆1j + a2j ∆2j + · · · + an−1j ∆n−1j + anj ∆nj
onde, para todo i = 1, 2, 3, · · · , n − 1, n

X
∆ij = sgn(σk )a1σk (1) . · · · .ai−1σk (i−1) ai+1σk (i+1) . · · · .anσk (n)
σk ∈Ψi
Portanto,
n
X
det(A) = aij ∆ij
i=1
Consideramos as matrizes
   
a11 a12 · · · a1n a11 a12 ··· a1n
 .. .. ..   .. .. .. 
 . . ··· .   . . ··· . 
 ap1 ap2 · · · apn   ap1 ap2 · · · apn 
   
 . .. ..   . .. .. 
.
 ..
A= . ··· .  e B=
 . . ··· . 
 a · · · ajn   aj aj j 
· · · apn 
 j1 aj2   p1 p2
 . .. .. ..   . .. .. 
 .. . . .   .. . ··· . 
an1 · · · · · · ann an1 · · · · · · ann
128
Temos que
n
X n
X
0 = det(B) = api ∆pi = api ∆ji
p=1 p=1
pois, como a linha j de B é igual a linha p de A, obtemos

X
∆pi = sgn(σk )a1σk (1) . · · · .ap−1σk (p−1) ap+1σk (p+1) . · · · .anσk (n) = ∆ji
σk ∈Ψp
Definição 6.28. O número ∆ij é chamado de cofator do elemento aij da matriz A.
Definição 6.29. Sejam ∆ij os cofatores da matriz A, denotamos por Cof (A) a matriz
dos cofatores, ou seja,
 
∆11 ∆12 · · · ∆1n
 .. .. .. 
Cof (A) = (∆ij )n×n = . . ··· . 
∆n1 ∆n2 · · · ∆nn
A matriz adjunta de A que denotamos por Adj(A) é a transposta da matriz

dos cofatores de A, ou seja,
 
∆11 ∆21 · · · ∆n1
 .. .. .. 
Adj(A) = (Cof (A))t = (∆ji )n×n = . . ··· . 
∆1n ∆2n · · · ∆nn
Estamos em condições de provar nossa afirmação.
Teorema 6.30. Se det(A) 6= 0 então A é uma matriz inversı́vel. Neste caso temos
A.(Adj(A)) = det(A).In .
Demonstração: Notemos que o produto de A pela sua matriz adjunta é

 n n 
X X
a ∆ · · · a1i ∆ni
  
a11 a12 · · · a1n ∆11 ∆21 · · · ∆n1  1i 1i 
 a21 a22 · · · a2n   ∆12 ∆22 · · · ∆n2   i=1 i=1 
 
=
  .. .. .. 
 .. .. ..   .. .. ..  . . . 
 . . ··· .   . . ··· .  
 X n Xn


an1 · · · · · · ann ∆1n ∆2n · · · ∆nn 
ani ∆1i · · · ani ∆ni

i=1 i=1
129
n
X
Lembre-se que aki ∆ji = 0 para todo k 6= j. Assim, cada um dos elementos
i=1
da diagonal principal do produto é o det(A) e os demais são nulos e, portanto,
A.(Adj(A)) = det(A).In .
Adj(A)
Por hipótese det(A) 6= 0, então A. = In .
det(A)
Análogamente mostra-se que (Adj(A)).A = det(A).In , ou seja, A é inversı́vel.
Adj(A)
Da unicidade da inversa, concluı́mos que A−1 = . 2
det(A)
Seja A uma matriz de ordem n os cofatores de A é obtido pelo determinante

da submatriz de A de ordem (n − 1) afetado pelo sinal (−1)i+j , onde de A foi eliminada
a i-ésima linha e a j-ésima coluna.
Recorde-se que
X
∆ij = sgn(σk )a1σk (1) . · · · .ai−1σk (i−1) ai+1σk (i+1) . · · · .anσk (n)
σk ∈Ψi
Se i = 1 e j = 1, não existe nenhum par ordenado (1, β) com 1 < β para o

qual σk (1) = 1 > σ(β). Portanto, o sinal das (n − 1)! permutações não se alteram em
relação as n! permutações, ou seja, (−1)2 = (−1)i+j .
Se i = 1 e j = 2, existe um par ordenado (1, β) com 1 < β para o qual

σk (1) = 2 > σ(β) = 1. Portanto, o sinal das (n − 1)! permutações se alteram em
relação as n! permutações, desta forma devemos multiplicar tal determinante por −1 =
(−1)1+2 = (−1)i+j .
Se i = 1 e j = 3, existem dois pares ordenado (1, β) com 1 < β para o qual

σk (1) = 3 > σ(β) = 1, 2. Portanto, o sinal das (n − 1)! permutações não se alteram
em relação as n! permutações, desta forma devemos multiplicar tal determinante por
1 = (−1)1+3 = (−1)i+j .
Raciocinando de modo semelhantes para quais quer que sejam i e j verificamos

que o sinal é afetado por (−1)i+j .
130
Seja A uma matriz de ordem n, denotamos por Aij a submatriz de A, onde a
i-ésima linha e a j-ésima coluna foram retiradas. Então,
∆ij = (−1)i+j det(Aij ).

1 2 1
A= 0 1 2 
2 3 1
Calcule os cofatores da matriz A. O determinante pela primeira coluna e pela

segunda linha. Em caso de matriz inversı́vel, calcule a inversa.
Resolução: Calculando os cinco cofatores necessários para o cálculo do determinante.

2 1 2
1+1

∆11 = (−1) det(A11 ) = (−1) = −5
3 1

3 2 1
2+1

∆21 = (−1) det(A21 ) = (−1) =1
3 1

4 1 1
2+2

∆22 = (−1) det(A22 ) = (−1) = −1
2 1

5 1 2
2+3

∆23 = (−1) det(A21 ) = (−1) =1
2 3

4 2 1
3+1

∆31 = (−1) det(A21 ) = (−1) =3
1 2
Determinante pela primeira coluna.

3
X
det(A) = ai 1∆i1 = a11 ∆11 + a21 ∆21 + a31 ∆31 = 1.(−5) + 0.1 + 2.3 = 1
i=1
Determinante pela segunda linha.

3
X
det(A) = a2 i∆2i = a21 ∆21 + a22 ∆22 + a23 ∆23 = 0.1 + 1.(−1) + 2.1 = 1
i=1
Como det(A) 6= 0, a matriz é inversı́vel. Calculando os demais cofatores

3 0 2
1+2

∆12 = (−1) det(A12 ) = (−1) =4
2 1
131

1+3
0 1 4
∆13 = (−1) det(A13 ) = (−1) = −2
2 3

3+2 5
1 1
∆32 = (−1) det(A32 ) = (−1) = −2
0 2

6 1 2
3+3

∆33 = (−1) det(A33 ) = (−1) =1
0 1
 
−5 4 −2
Assim, Cof (A) =  1 −1 1 . Como det(A) = 1 temos
3 −2 1
 
−5 1 3
A−1 = Adj(A) = (Cof (A))t =  4 −1 −2 
−2 1 1
Exemplo 105. Seja

3 4
A=
1 5
Calcule os cofatores de A, seu determinate e obtenha sua inversa se possı́vel.
Resolução: Para os cofatores temos
∆11 = 5, ∆12 = −1, ∆21 = −4 e ∆22 = 3.
Determinante pela primeira linha.

2
X
det(A) = a1i ∆1i = a11 ∆11 + a12 ∆12 = 3.5 + 4(−1) = 3.5 − 4.1 = 15.4 = 11
i=1

5 −1
Assim, Cof (A) = . Como det(A) = 11 temos
−4 3
(Cof (A))t

−1 Adj(A) 1 5 −4
A = = =
det(A) det(A) 11 −1 3
Exemplo 106. Seja A uma matriz quadrada n × n tal que

Bp×p Dp×n−p
An×n =
On−p×p Cn−p×n−p
onde, On−p×p é a matriz nula de ordem n − p × p, e as matrizes B e C são matrizes

quadradas. Então o det(An×n ) = det(Bp×p ). det(Cn−p×n−p ).
Resolução: Vamos mostrar por indução na ordem de A.
132
Se n = 2 então a matriz A tem a forma

a11 a12
A2×2 =
0 a22
tal que B = a11 e C = a22 e, portanto,
det(A2×2 ) = a11 .a22 = det(B1×1 ). det(C1×1 ).
Se n = 3 a matriz A é uma das seguintes formas

   
a11 a12 a13 a11 a12 a13
A3×3 =  0 a22 a23  ou A3×3 =  a21 a22 a23 
0 a32 a33 0 0 a33

a22 a23 a11 a12
onde, B = a11 e C = ou B = e C = a33 em ambos os
a32 a33 a21 a22
casos temos
det(A3×3 ) = a11 .a22 a33 − a11 .a23 a32 = a11 .(a22 a33 − .a23 a32 ) = det(B1×1 ). det(C2×2 ).
ou
det(A3×3 ) = a11 .a22 a33 − a21 .a12 a33 = (a11 .a22 − a21 .a12 )a33 = det(B2×2 ). det(C1×1 ).
Suponha que o resultado seja válido para toda matiz de ordem n.
Vamos provar que vale para matriz de ordem n + 1, ou seja,

Bp×p Dp×n+1−p
An+1×n+1 = 0
On+1−p×p Cn+1−p×n+1−p
Note que an+1,1 = an+1,2 = · · · = an+1,p = 0, pois são elementos da última

linha da matriz nula On+1−p×p .
Eliminando a n+1-ésima linha e a p+i-ésima coluna de A com i = 1, 2, · · · , n+

0
1 − p, não alteramos a matriz Bp×p . Por outro lado a matriz Cn+1−p×n+1−p tem uma
linha e uma coluna eliminada. Feito isto construı́mos a partir de An+1×n+1 uma matriz
de orden n da forma
0

Bp×p Dp×n−p
An+1,j(n×n) = j = p + 1, p + 2, · · · , n + 1
On−p×p Cn+1,j(n−p×n−p)
133
Da hipótese de indução
det(An+1,j(n×n) ) = det(Bp×p ). det(Cn+1,j(n−p×n−p) )
Mas,
∆A,n+1,j = (−1)n+1+j det(An+1,j(n×n) )
n+1
X
e det(C 0 ) = an+1,j ∆C 0 ,n+1,j , onde
j=p+1
∆C 0 ,n+1,j = (−1)n+1+j det(Cn+1,j(n−p×n−p) ).
Logo,
n+1
X n+1
X n+1
X
det(An+1×n+1 ) = ai,j ∆A,i,j = an+1,j ∆A0 ,n+1,j = an+1,j ∆A,n+1,j
j=1 j=1 j=p+1
n+1
X
= an+1,j (−1)n+1+j det(An+1,j(n×n) )
j=1
n+1
X
= an+1,j (−1)n+1+j det(B). det(Cn+1,j(n−p×n−p) )
j=1
n+1
X
= det(B). an+1,j ∆C 0 ,n+1,j = det(B). det(C 0 )
j=1
ou seja, det(A) = det(B). det(C).
6.5 Posto de uma Matriz
Seja A uma matriz, como existe uma e somente uma matriz R reduzida
l
a forma escada linha equivalente a A, denotamos por (A ∼ R). Então Rt é coluna
c
equivalente a At , denotamos por (At ∼ Rt ).
De fato, suponha que S seja uma matriz reduzida a forma escada coluna
l c l
equivalente a At . Como A ∼ R e At ∼ S, temos A = (At )t ∼ (S)t = S t . Da unicidade
134
da matriz na forma escada reduzida linha equivalente temos, R = S t , ou seja, S = Rt ,
como havı́amos afirmado.
l c
De modo análogo se (At ∼ S) então (A ∼ S t )
Definição 6.31. Dada uma matriz Am×n seja Rm×n a matriz-linha reduzida a forma
escada linha equivalente de A.
O posto de A, denotado por p, é o número de linhas não nulas de Rm×n .
A nulidade de A é o número n − p.
O posto como definido acima é segundo linhas, podemos definir o posto se-
gundo colunas. Seja Sn×m a matriz-linha reduzida a forma escada linha equivalente de
At .
O posto de A, denotado por q, é o número de linhas não nulas de Sn×m .
Proposição 6.32. Para toda matriz A ∈ M(m×n) (R), o posto segundo linhas e o posto
segundo colunas são iguais.

2 −1 3
 1 4 2 
A= 
 1 −5 1 
4 16 8
determine o posto e a nulidade de A.
Resolução: Consideremos os passos a seguir.
     
2 −1 3 2 −1 3 1L
L2 −→L2 − 2 1
2 −1 3
 1 L3 −→L3 − 21 L1 9 1 
4 2 
 L4 −→L 4 −4L2
 1 4 2   0

 1 −5 1  ∼   ∼  2
9
2 
1 
 1 −5 1   0 −2 −2
4 16 8 0 0 0  0 0 0
1 3
 
2 −1 3 2L
L2 −→ 9 2
1 −2 2
9 1 
L3 −→L3 +L2  0 L1 −→ 21 L1  0 1 19 
∼ 
 0
2 2  ∼  
0 0   0 0 0 
0 0 0 0 0 0
ou, operando nas colunas de A, e não nas linhas de At tem-se
     
2 −1 3 3C
C3 −→C3 − 2 1
2 0 0 2 0 0
 1  C2 −→C2 + 21 C1  1 9 1  C −→C − 1 C 9
4 2 3 3 2  1 0 

 1 −5 1
 ∼  2
 1 − −1 
9
2  ∼ 9 
 1 −
2
9


2 2 2
0 
4 16 8 4 18 2 4 18 0
135
Portanto, p = 2 e a nulidade n − p = 3 − 2 = 1.

1 2 3 2
A= 1 3 −1 1 
−1 −2 −1 0
determine o posto e a nulidade de A.
Resolução: Ordem (m × n) = (3 × 4)
     
1 2 3 2 L3 −→L3 +L1 1 2 3 2 L3 −→ 12 L3
1 2 3 2
L −→L −L
 1 3 −1 1  2 ∼2 1  0 1 −4 −1  ∼  0 1 −4 −1 
−1 −2 −1 0 0 0 2 2 0 0 1 1
Logo, p = 3 e a nulidade n − p = 4 − 3 = 1.
Definição 6.33. Se A é uma matriz quadrada não inversı́vel, dizemos que A é singular.
Proposição 6.34. Seja A uma matriz quadrada de orden n. Se o posto de A é n então

A é não singular, ou seja, A é inversı́vel.
Demonstração: Se A tem posto n, a forma escada reduzida linha equivalente tem

todos os seus elementos da diagonal principal 1 e, abaixo da diagonal zero.
Após um número finito de operações elementares, podemos chegar a matriz

identidade linha equivalente.
Portanto A ∼ In . Então A é inversı́vel. 2

2 1 3
A= 1 2 1 
2 1 2
a matriz A é ou não singular?
Resolução: Usando o resultado acima, podemos verificar que o posto de A é 3, ainda
podemos calcular seu determinante e verificar que det(A) = −3. Em ambos os caso segue
que A é inversı́vel, logo não singular.
136
Exercı́cios
Então existem números reais a e b tais que B =

Exercı́cio 3. Sejam
a.A + b.I2

2 3 2 −2
A= e B= . Exercı́cio 10. Sejam as matrizes
1 5 1 −1
   
2 0 0 2 0 0
Calcule
A= 0 3 0  e B= 0 −1 0 .
a) A + B b) 2A − 3B c) 2(A − B) + 3(B − A)
0 0 5 0 0 3
d) (A + B)2 e) A.B f ) B.A
Calcule A.B e B.A. Generalize o resultado para
Exercı́cio 4. Sejam A e B duas matrizes para
matrizes diagonais.
as quais o produto A.B e B.A estejam definidas.
Qual a condição para que Exercı́cio 11. Dadas as matrizes
(A + B)2 = A2 + 2AB + B 2

2 1 3 −1 2 3
A= , B=
1 4 2 4 1 1
Exercı́cio 5. Sejam A e B duas matrizes

simétricas. Podemos afirmar que A.B = B.A. Se −1
A.B for também simétrica o que podemos dizes. C= 2  e D= 2 −1 .
Dê exemplos ilustrando as condições acima. 3
Exercı́cio 6. Para cada α ∈ R consideramos a Calcule

matriz a) A + B b) A.C c) B.C
d) C.D e) D.A f ) D.B.
cos(α) −sen(α)
Tα =
sen(α) cos(α) Exercı́cio 12. Encontre uma matriz linha re-
duzida à forma escada para cada uma das matrizes.
a) Calcule Tα .Tβ , e conclua que Tα .Tβ = Tα+β  
b) Calcule T−α , e conclua que T−α = (Tα )t 
1 3 4
 1 3 4
 2 −1 5 
A =  2 −1 5  , B =  
Exercı́cio 7. Determine uma matriz A ∈ M2 (R)  −1 2 −1 
−1 2 −1
tal que A 6= 0 e A.A = A2 = 0. 4 2 1
Exercı́cio 8. Se A e B são matrizes quadradas de

 
1 2 −1 4
orden n tais que A.B = O, então B.A é também e C= 3 −1 1 2 .
igual a matriz nula. Prove a afirmação ou de um −2 1 1 0
contra-exemplo.
Exercı́cio 13. É verdadeira ou falsa a afirmação.
Exercı́cio 9. Seja B uma matriz 2×2 que comuta ( ) Toda matriz a forma escada linha reduzida é
com a matriz triangular superior.

1 2
( ) Toda matriz é escrita como soma de matrizes
A= . com pelo menos uma linha não nula.
0 3
137
que B = P −1 AP . Mostre que det(A) = det(B)
Exercı́cio 14. Dada as matrizes
sendo A e B semelhantes.
 
  1 1 −1
1 −3 2 3 Exercı́cio 21. Considere o sistema
 2 1 −3 
A =  1 −2 1 3  e B =  
 1 2 1 
x + 6y − 8z = 1
1 −2 2 1
−1 1 −1 2x + 6y − 4z = 0
a) As matrizes A e B possuem inversas à esquerda que pode ser escrito sob a forma matricial
e à direita. Justifique sua resposta.
b) Se possı́vel encontre uma inversa à esquerda

x


e/ou à direita para A e B. 1 6 −8  1
y  =
c) As matrizes C e D é inversa para alguma das 2 6 −4 0
matrizes acima. Existem outras?. Quais você en- z
controu no item b)?    
x 1
1
− 16 − 23 a) Verifique que X =  y  =  − 13  é uma
 
 
2
0
−2 2 1
z 0
 
 −1 0 1   1 1

C=
  e D= 0 0 
0 −1 1  

3 3 
 solução para o sistema.
0 0 0 b) Resolva o sistema e verifique que toda solução
− 21 0 1
2
0
é da forma
Exercı́cio 15. Encontre uma inversa para as ma-      
trizes x −4 1
    X =  y  = λ  2  +  − 31 
1 −3 3 −3 2 3 z 1 0
A =  1 −2 3  , B =  −2 1 3 
1 −2 1 −2 2 1
 
−4
    c) Verifique que λ  2  é a solução do sis-
2 1 −3 1 2 −1 1
C= 1 2 1 , D= 2 1 −3  tema homogênio, associado ao sistema, ou seja,
−1 1 −1 1 2 −1 é solução de
Exercı́cio 16. Determine a matriz na forma es-
 
x
cada linha reduzida equivalente das matrizes A,B, 1 6 −8  0
y =
C e D do exercı́cio 15. 2 6 −4 0
z
Exercı́cio 17. Seja A uma matriz quadrada in- d) Conclua dos itens a), b) e c) que o conjunto
versı́vel. Mostre que A−1 é também inversı́vel e solução do sistema é dado pela soma do conjunto
que (A−1 )−1 = A. solução do sistema homogênio com uma solução
particular do sistema inicial.
Exercı́cio 18. Se A, B e C são matrizes in-
versı́veis de mesma ordem, determinar a mariz X Exercı́cio 22. Seja N4 = {1, 2, 3, 4} determine
de maneira que todas as permutações possı́veis para N4 . Estude o
sinal de cada uma dessas permutações.
A(B −1 X) = C −1 A.
Exercı́cio 23. Calcule o determinante das ma-
Considere como exemplo as matrizes A, B e C trizes.
dadas no exercı́cio 15.  
1 2 3 5  
Exercı́cio 19. Dada a matriz  3 3 2 1
1 0 2 
A=  , B= 3 5 6 
  0 0 −1 2 
1 0 0 0 0 2
0 0 3 4
A= 0 2 0 
0 0 −3  
3 2 1 4 2
3 5 6 2 −1
Calcule, A2 , A3 , · · · , An .
 
 
C=
 0 0 2 0 4 .

Exercı́cio 20. Dizemos que A e B são matrizes
 0 0 0 1 2 
semelhantes se existir uma matriz P inversı́vel tal 0 0 0 4 1
138
Exercı́cio 24. Uma maneira de codificar uma
 
0 0 2
mensagem é atravéz de multiplicação por matrizes. C= 1 1 −1 
Vamos associar as letras do alfabeto aos números,
segundo a correspondência. 1 1 0
0 1 2 3 4 5 6 7 8 9 10 11 12
seria possı́vel decodificar a mensagem que lhe foi
− A B C D E F G H I J L M enviada.
13 14 15 16 17 18 19 20 21 22 23 24 25
N O P Q R S T U V X Y W Z Exercı́cio 25. Seja
Suponhamos que a mensagem seja PUXA 
1 2 4

VIDA. Podemos associar a matriz 3 × 3 da forma A= 2 3 2 
  0 0 −1
P U X
 A − V 
Calcule o det(A − λI3 ), onde I3 é a matriz identi-
I D A dade.
que usando a correspondência numérica temos Exercı́cio 26. Seja uma matriz
 
15 20 23
 1 A = (A1 , · · · , Ai , · · · , Aj , · · · , An )
0 21 
9 4 1 tal que det(A) = 2. Considere ainda
Seja C uma matriz inversı́vel no caso 3 × 3, de- B = (A1 , · · · , Aj , · · · , Ai , · · · , An ),
nominada matriz chave, e fazendo o produto de M
pela matriz chave, ou seja, M.C = D. A matriz D C = (A1 , · · · , Ai + 2Aj , · · · , Aj , · · · , An )
é transmitida quem recebe a mensagem D decodi-
fica multiplicando D pela inversa de C, ou seja, e D = (A1 , · · · , 3Ai , · · · , 4Aj , · · · , An ). Calcule
M = (M.C).C −1 = D.C −1 . a) det(B) b) det(C) c) det(D).
a) Suponha que você tenha a matriz chave Pondo, M = (A1 , · · · , Ai0 , · · · , Aj , · · · , An ) tal
que det(M ) = −3 e seja
 
1 0 1
C =  −1 3 1  N = (A1 , · · · , 2Ai − Ai0 , · · · , Aj , · · · , An ).
0 1 1
Calcule.
e tenha recebido a mensagem i) det(N.C) ii) det(N.A) iii) det(N.B)
Exercı́cio 27. Seja A uma matriz de ordem n

 
−12 48 23
D =  −2 42 26  tal que A + At = 0. Mostre que det(A) =
1 42 29 (−1)n det(A).
O que acontece se n é ı́mpar. Que conclusões pode-
Qual é a mensagem recebida? se ter a respeito de A.
b) Suponha que sua matriz chave seja
  Exercı́cio 28. Seja A = (A1 , A2 , A3 ) uma ma-
2 1 0 0 triz de ordem 3 × 3. Sejam
 1 0 −1 1 
C=  0 1

B = (A1 − A2 , A2 + A3 , A3 + A1 ) e
1 1 
−1 0 0 3
C = (A1 − A2 − A3 , A2 − A1 − A3 , A3 − A1 − A2 ).
e tenha recebido a mensagem Calcule a) det(B) b) det(C)
 
13 27 0 78 Exercı́cio 29. Seja a matriz de ordem n + 1
 7 12 8 10 
D=  quadrada, dada por
 12 13 −1 48 
47 38 7 38 
1 a0 a20 · · · an−1 an0

0
 1 a1 a21 · · · an−1 an1 
1
Qual é a mensagem recebida? A= . .

.. .. ..

.. 
c) Se para o item a) sua matriz chave fosse .
 . . . . . . . 
1 an a2n · · · an−1
n ann
139
chamada matriz de Vandermonde.
Exercı́cio 33. Calcule o determinante das ma-
a) Mostre que
trizes
Y
det(A) = (aj − ai )
     
4 5 2 1 5 2 3 0 0
0≤i<j≤n A= 3 1 1 = 0 1 1 + 3 0 0 
Q 3 4 3 0 4 3 3 0 0
onde o sı́mbolo significa que devemos multiplicar
todos os números (aj −ai ) com os ı́ndices i e j sat- 
4 2 1 1

isfazendo a condição 0 ≤ i < j ≤ n. Por exemplo  −4 1 −7 3 
B = 
 5 2


1 a0 a20
 2 4 
A =  1 a1 a21  fica (a2 −a1 )(a2 −a0 )(a1 −a0 ) 7 1 4 2
1 a2 a22    
3 2 1 1 1 0 0 0
b) Mostre que se ai 6= aj para i 6= j então A é
 3 1 −7 3   −7 0 0 0 
= 
 3
+ 
inversı́vel. 2 2 4   2 0 0 0 
3 1 4 2 4 0 0 0
Exercı́cio 30. Usando o exercı́cio 29 Calcule o use sua criatividade.
determinante de b) Determine a matriz adjunta.
c) A matriz transposta.
 
2 10 50
A= 4 8 16  d) E se posssı́vel a matriz inversa.
3 27 243
Exercı́cio 34. Sabe-se que uma alimentação
Exercı́cio 31. Determine a matriz adjunta para diária equilibrada em vitaminas deve constar de
cada uma das matrizes 170 unidades de vitamina A, 180 unidades de
    vitamina B, 140 unidades de vitamina C, 180
1 1 −1 0 −1 2 unidades de vitamina D e 350 unidades de vita-
A =  2 −1 2 , B =  1 3 1  mina E.
3 2 1 2 1 2 Com o objetivo de descobrir como deverá ser uma
  refeição equlibrada, foram estudados cinco alimen-
1 −1 3 −1 tos. Fixada a mesma quantidade (1g) de cada ali-
1 2  −2 0 1 mento, determinou-se que:

C= , D= 
1 −1  −1 1 2 3  a) O alimento I tem 1 unidade de vitamina A, 10
2 0 4 2 unidades de vitamina B, 1 unidade de vitamina C,
b) Quando possı́vel determine a matriz inversa. 2 unidades de vitamina D e 2 unidades de vitam-
ina E.
Exercı́cio 32. Para cada uma das matrizes do e- b) O alimento II tem 9 unidade de vitamina A, 1
xercı́cio 31 calcule o seu posto. Calcule ainda o unidades de vitamina B, 0 unidade de vitamina C,
posto das matrizes 1 unidades de vitamina D e 1 unidades de vitam-
  ina E.
  2 −1 2 c) O alimento III tem 2 unidade de vitamina A,
1 3 2 −1  5 −1 2 
  2 unidades de vitamina B, 5 unidade de vitamina
A= 4 2 1 2 , B =   3 −1 3  C, 1 unidades de vitamina D e 2 unidades de vi-

1 −1 3 1  −1 4 2  tamina E.
−1 2 1 d) O alimento IV tem 1 unidade de vitamina A,
  1 unidades de vitamina B, 1 unidade de vitamina
−1 −2 −3 1 4 C, 2 unidades de vitamina D e 13 unidades de vi-
C= 1 2 −1 2 1  tamina E.
−3 2 −1 1 2 e) O alimento V tem 1 unidade de vitamina A, 1

1 −1 −2 0
 unidades de vitamina B, 1 unidade de vitamina C,
 2 −1 2 −1  9 unidades de vitamina D e 2 unidades de vitam-
  ina E.
 −1 −1
D= −1 0  Quantos gramas de cada um dos alimentos I, II,
 0 −2 2 1 
1 0 −1 2 III, IV e V devemos ingerir diariamente para que
nossa alimentação seja equilibrada?
140
Exercı́cio 35. Um fabricante produz dois tipos de Exercı́cio 37. Uma pesquisa mostra a dieta diária
produtos, T R, em cada uma de duas fábricas, X e entre adultos e crianças de ambos os sexo. A dis-
Y . Ao fabricar estes produtos, os poluentes dióxido tribuição dos participantes na pesquisa é dada pela
de enxofre, óxido nı́trico e material particulado são matriz
produzidos. As quantidades de pouentes produzidas
são dadas (em quilogramas) pela matriz Adulto
Criança

200 220 Sexo Masc.
A=
Dióxido Óxido M aterial 180 200 Sexo Femin.
de Enxof re Nı́trico P articuado
O número de gramas diário de proteı́nas, gorduras
500 200 300 P roduto T
A= e carboidrato consumidos pelas crianças e adultos
260 160 350 P roduto S
é dado por
Leis estaduais e federais exigem que estes poluentes
Proteı́na Gordura Carboidrato
sejam removidos. O custo diário da remoção de
25 23 28 Adulto
cada quilograma de poluente é dado (em dólares) B=
18 23 21 Criança
pela matriz
i) Quantas gramas de proteı́na são consumidas di-
Fábrica
 X Fábrica
 Y ariamente por homens, nesta pesquisa?
5 8 Dióxido de Enxofre
ii) Quantas gramas de gordura são consumidas di-
B= 7 6  Óxido Nı́trico
ariamente por mulhees?
9 7 Material Particulado
iii) Quantas gramas de carboitrato são consumidas
Qual o significado dos elementos do produto A.B? por crianças nesta pesquisa?
iv) Quantas gramas de proteı́na são consumidas
Exercı́cio 36. Uma empresa de material fo- por crianças feminina nesta pesquisa?
tográfico tem uma loja em cada uma das seguintes
cidades, Cascavel, Maringá e Curitiba. Uma Exercı́cio 38. Seja AB = AC. Suponha que
marca especı́fica de câmera está disponı́vel nos det(A) 6= 0, então A = C.
modelos automático, semi-automático e não au-
Exercı́cio 39. Mostre que, se A é inversı́vel,
tomático. Além disso, cada câmera tem uma
então Adj(A) é inversı́vel e
unidade de flash correspondente, sendo que uma
câmera normalmente é vendida juntamente com 1
essa unidade de flash. Os preços de venda das (Adj(A))−1 = A = Adj(A−1 )
det(A)
câmeras e unidades de flash são das (em reais)
pela matriz Exercı́cio 40. Seja A uma matriz em que todos
os seus elementos são números inteiros, tal que
Automática Semi Não det(A) = ±1. Então todos os elementos de A−1
automática automática
são números inteiros.
300 250 150 Câmera
A=
60 45 20 Unid. Flash Exercı́cio 41. Mostre que, se A é singular,
então Adj(A) é singular. [Sugestão, mostre que
O número de unidades do conjunto (câmera e A.Adj(A) = 0].
unidade de flash) disponı́vel em cada loja é dado
pela matriz Exercı́cio 42. Seja A uma matriz inversı́vel se
A2 = A, então det(A) = 1. Se A = A−1 , então
Cascavel
 Maringá Curitiba
 det(A) = ±1. Se At = A−1 , então det(A) = ±1.
230 250 150 Automática
B =  202 180 160  Semi-automát. Exercı́cio 43. Seja A uma matriz quadrada,
190 150 120 Não-automát. então det(Adj(A)) = [det(A)]n−1 .
i) Qual o valor total das câmeras na cidade de Exercı́cio 44. Seja um triângulo formado pelos
Maringá? pontos A(x0 , y0 ), B(x1 , y1 ) e C(x2 , y2 ). Mostre
ii) Qual o total das unidades de flash na cidade de que a área desse triângulo é
curitiba?  
iii) Qual o total das unidades de flash e câmera na x0 y0 1
1 1
cidade de Cascavel? AT = | det(A)| = det  x1 y1 1  
2 2
x2 y2 1
141
Capı́tulo 7
Sistemas de Equações Lineares
Os conceitos teóricos desenvolvidos em matrizes são úteis para o estudo de

sistemas de equações lineares.
Definição 7.1. Um sistema de equações lineares com m equações e n incógnitas reais

é um conjunto da forma


 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn

= b2
S := .. .. ..


 . . .
 a x + a x + ··· + a x = bm
m1 1 m2 2 mn n
onde os xi são as incógnitas, aij e bi são números reais.(A menos que se diga em
contrário)
Quando b1 = b2 = · · · = bm = 0, dizemos que o sistema é homogêneo.
Entenderemos por solução do sistema uma n-upla (y1 , y2 , · · · , yn ) que sat-

isfaz simultaneamente as equações lineares de S.
Dado um sistema de equações lineares a questão é saber se, existe solução e

em existindo se é única.
Quanto a possibilidade de ser solúvel e o número de soluções, os sistemas

lineares se classificam assim:

 Solução única → Compatı́vel e determinado
Admite solução
Mais de uma solução → Compatı́vel e indeterminado

Não admite solução { Incompatı́vel.
142
É claro que o sistema homogêneo é compatı́vel, pois admite a solução trivial,
ou seja, (y1 , y2 , · · · , yn ) = (0, 0, · · · , 0), satisfaz as equações do sistema.
Dado um sistema S, associamos a S a matriz

 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A =  ..
 
.. .. .. 
 . . . . 
am1 am2 · · · amn
denominada matriz dos coeficientes de S.
x = (x1 , x2 , · · · , xn )t
denominada matriz incógnita, ou vetor incógnita, e
b = (b1 , b2 , · · · , bm )t
a matriz dos termos independentes, ou vetor independente.
Com estas considerações podemos escrever S na forma matricial
Am×n .xn×1 = bm×1 ou simplesmenteA.x = b
Considerando a equação matricial acima, podemos fazer algumas observações.
Se Am×n possui inversa a esquerda então
xn×1 = Bn×m bm×1
Se A é quadrada e possui inversa, então
xm×1 = A−1
m×m bm×1
e xn×1 é determinado de modo único.
Destas observações podemos enunciar o seguinte resultado.
Teorema 7.2. Seja S um sistema de equações lineares com m equações e n incógnitas,

definindo por  
a11 a12 ··· a1n b1
 a21 a22 ··· a2n b2 
M =
 
.. .. .. .. .. 
 . . . . . 
am1 am2 · · · amn bm
143
a matriz ampliada associada a S temos.
i) O sistema S admite solução se, e somente se, o posto da matriz ampliada é igual ao
posto da matriz dos coeficientes.
ii) Se as duas matrizes (ampliada e dos coeficientes) tem o mesmo posto p e p = n, a
solução será única. (Compatı́vel e determinado)(Neste caso existe inversa a esquerda de
A).
iii) Se as duas matrizes tem o mesmo posto p e p < n, podemos escolher n−p incógnitas,
e as outras p incógnitas serão dadas em função destas. (Compatı́vel e indeterminado.)
Dizemos neste caso que o grau de liberdade do sistema é n − p.
Demonstração: Exercı́cio. 2
Teorema 7.3. Dois sistemas que possuem matrizes ampliadas equivalentes são equiva-
lentes.
O teorema anterior, diz que se (y1 , y2 , · · · , yn ) é solução de S1 é também

solução de S2 e reciprocamente.
Exemplo 110. Seja 


 x + y − z = 1



S= 2x − y + z = −2




3x + y − 2z = 3

Determine se possı́vel uma solução para S.

Resolução: Seja M a matriz ampliada de S.
 
1 1 −1 1
M =  2 −1 1 −2 
3 1 −2 3
Seguindo os passos, L2 −→ L2 − 2L1 e L3 −→ L3 − 3L1 e depois L3 −→

2
L3 − L2 , obtem a matriz
3
 
1 1 −1 1
M 00 =  0 −3 3 −4 
8
0 0 −1 3
144
Então o posto da matriz ampliada e o posto da matriz dos coeficientes são
iguais, ou seja, p = 3 = n.
Logo, S possui uma única solução. S é equivalente ao sistema



 x + y − z = 1




S1 = − 3y + 3z = −4


8


− z =


3
Uma solução de S1 é também uma solução de S, note que

4 8
−3, , −
3 3
é solução de S1 , consequentemente é solução de S.

 x + z = 3
S=
−x + y = 1


Resolução: A matriz ampliada de S é

1 0 1 3 L2 −→L2 +L1 1 0 1 3
M = ∼
−1 1 0 1 0 1 1 4
O posto de M é igual ao posto de A, p = 2 < 3 = n. O sistema é compativel

e indeterminado, o conjunto solução de S é
(x, 1 + x, 3 − x)
Note que deixamos duas incógnitas (y e z) em função de x


 x + y − z = 1




 2x − y + z = −2


S=
3x + y − 2z = 3








2x + 2y − 2z = 2

145
Resolução: Seja M a matriz ampliada de S.
 
1 1 −1 1
 2 −1 1 −2 
M = 
 3 1 −2 3 
2 2 −2 2
Seguindo os passos, L2 −→ L2 − 2L1 , L3 −→ L3 − 3L1 e L4 −→ L4 − 2L1 e

2
depois L3 −→ L3 − L2 , obtem a matriz
3
 
1 1 −1 1
 0 −3 3 −4 
M 00 =  
8 
 0 0 −1 3
0 0 0 0
Portanto, o posto de M é igual ao posto de A. p = 3 = n. O sistema é

compatı́vel e determinado.  
1 1 −1
 2 −1 1 
A= 
 3 1 −2 
2 2 −2
matriz dos coeficientes, então uma inversa a esquerda de A é
 1 1
0 13 1
  
3 3
0 0 0 6
   
 7 1   
B= −1 0  ou C =  0 1 −1 7 
 3 3   3 6 
   
5 2
3 3
−1 0 0 23 −1 5
6
Assim,
 1 1   1 1

3 3
0 0   0 3
0 6
 
  1   1
x 


  −2  x 


  −2 
7 1 1 7
 y =
 3 3
−1 0  . 
  3 
 ou  y  =  0
 3
−1 6
.
  3 

z   z  
5 2 2 2 5 2
3 3
−1 0 0 3
−1 6
Exemplo 113. O sistema não possui solução.



 x + y − z = 1




 2x − y + z = −2


S=
3x + y − 2z = 3








2x + 2y − 2z = 3.

146
Lema 7.4. Todo sistema homogêneo cujo número de incógnitas é maior do que o número
de equações admite uma solução não trivial.
Demonstração: Consideremos o sistema



 a11 x1 + a12 x2 + · · · + a1n xn = 0
 a21 x1 + a22 x2 + · · · + a2n xn

= 0
S := .. .. .. (S)


 . . .
 a x + a x + ··· + a x = 0
m1 1 m2 2 mn n
de m equações e n incógnitas, onde m < n. Primeiramente se m = 1 e n ≥ 2, temos

uma única equação
a11 x1 + a12 x2 + · · · + a1n xn = 0
com pelo menos um dos coeficientes a1i diferente de zero. Então a equação é equivalente
a
a11 a12 a1i−1 a1i+1 a1n
xi = − x1 + x2 + · · · + xi−1 + xi+1 + · · · + xn (?)
a1i a1i a1i a1i a1i
E uma solução da equação é (x1 , x2 , · · · , xi−1 , xi , xi+1 , · · · , xn ), com xi

dado por (?).
Suponha que o lema seja verdadeiro para um sistema com m − 1 equações,

podemos admitir que em (S) existe pelo menos um coeficiente não nulo, ou seja, aij 6= 0.
Então

am1 am2 ami−1 ami+1 amn
xi = − x1 + x2 + · · · + xi−1 + xi+1 + · · · + xn (∗∗)
ani ami ami ami ami
Substituindo este valor de xi em S, o sistema passa a ter m − 1 equações com

n − 1 incógnitas.
Pela hipótese de indução este novo sistema possui uma solução não trivial
(β1 , β2 , · · · , βi−1 , βi+1 , · · · βn ).
Pondo

am1 am2 ami−1 ami+1 amn
βi = − β1 + β2 + · · · + βi−1 + βi+1 + · · · βn
ani ami ami ami ami
então (β1 , β2 , · · · , βi−1 , βi , βi+1 , · · · βn ) é uma solução não trivial para S. 2
147
Exemplo 114. Seja
2x − 2y − z = 0
S :=
−x + 2y + z = 0
encontre uma solução não trivial para S, caso seja possı́vel.
Resolução: Como S possui 2 equações e 3 incógnitas,( 3 > 2 ), pelo lema anterior tal
sistema admite uma solução não trivial.
O conjunto solução de S é dado por
Csol = (0, y, −2y) = y(0, 1, −2).
Tome (0, 1, −2) uma das soluções não nula de S.
7.1 Sistemas de Cramer
Um sistema linear a dito de Cramer se a matriz dos coeficientes do sistema

S é quadrada e inversı́vel.
Definição 7.5. Um sistema de Cramer é um sistema linear de n equações e n incógnitas,

cuja matriz dos coeficientes é inversı́vel. Se
Ax = b
é de Cramer então
Ax = b se, e somente se x = A−1 b
Um sistema de Cramer é compatı́vel e determinado cuja solução é única, dada

por x = A−1 b, ainda um sistema homogêneo quadrado, cuja matriz dos coeficientes é
inversı́vel é de Cramer e sua única solução é a trivial x = 0.
Dado um sistema de Cramer, então
1
x = A−1 b = .(Adj(A)).b
det(A)
148
ou equivalentemente,
    
x1 ∆11 ∆21 ··· ∆n1 b1
 x2  1  ∆12 ∆22
 ··· ∆n2  b2 
 ..  = .  ..
   
.. .. ..
det(A)  .
 
 .  . ··· .  . 
xn ∆1n ∆2n ··· ∆nn bn
n
 
X
 ∆j1 bj 
 j=1 
 n 
 X 
∆j2 bj
 
1  
=  j=1 
det(A) 
 ..


 n .
 

 X 
 ∆jn bj 
j=1
n
X
onde o termo ∆jk bj é o determinante da matriz dos coeficientes substituida na coluna
j=1
k o vetor coluna b, ou seja,
 
a11 · · · a1k−1 b1 a1k+1 ··· a1n
 a21 · · · a2k−1 b2 a2k+1 ··· a2n 
Ak = 
 
.. .. .. .. .. 
 . ··· . . . ··· . 
an1 · · · ank−1 b1 ank+1 ··· ann
Portanto, determinamos cada xk resolvendo os determinantes
det(Ak )
xk = k = 1, 2, · · · , n
det(A)
Conhecida como regra de Cramer.
Exemplo 115. Utilize Cramer se possı́vel para encontrar uma solução para S

 4x − 2y − 4z = 10
S= 12x + 3y + 6z = 3
8x − y + z = 5

Resolução: É possı́vel, a solução é (1, 1, −2).
Exemplo 116. Um nutricionista está planejando uma refeição composta por três tipos
de alimentos α, β e γ. Sabe-se que cada grama do alimento α contém 3 unidades de
149
proteı́na, 5 unidades de gordura e 2 unidades de carboitrato. Cada grama do alimento β
contém 2 unidades de proteı́na, 1 unidades de gordura e 3 unidades de carboitrato. Cada
grama do alimento γ contém 4 unidades de proteı́na, 2 unidades de gordura e 2 unidades
de carboitrato.
Se a alimentação deve oferecer exatamente 28 unidades de proteı́na, 21 unidades

de gordura e 23 de carboitrato, quantas gramas de cada alimento devem ser utilizadas.
Resoluçõa: Sejam x, y e z a quantidade em gramas de cada alimento α, β e γ, respec-
tivamente. Para satisfazer a quantidade de proteı́na devemos ter
3x + 2y + 4z = 28.
Para satisfazer a quantidade de gordura devemos ter
5x + y + 2z = 21.
Para satisfazer a quantidade de carboitrato devemos ter
2x + 3y + 2z = 23.
Assim a solução sistema, dado por


 5x + y + 2z = 21
S= 3x + 2y + 4z = 28
2x + 3y + 2z = 23

é a solução do problema. Notemos que


 5x + y + 2z = 21
S1 = −7x + 0y + 0z = −14
−3x + 2y + 0z = 2

7
Tem a mesma solução de S. (Por quê?). Portanto, x = 2, y = 4 e z = 2
são
as quantidades em gramas de cada alimento, para satisfazer o desejado.
Exemplo 117. Um apostador ganhou um prêmio de R$ 34.000, 00 e, pretende invertir

esse dinheiro em três fundos de investimento. Sabe-se que ele depositou no segundo fundo
o dobro do primeiro. Os três fundos juntos pagam juros de 8%, 12% e 4% anulamente,
150
respectivamente, e rendem um total em juros de R$ 3120, 00 no final do primeiro ano.
Quantos foi investido em cada fundo.
Resolução: Sejam x, y e z a quantidade investida em cada fundo. Então x + y + z =
34.000.
Ainda, temos a informação que 2x = y, ou seja, 2x − y = 0. Ao final do

perı́odo de um ano de investimento, temos a seguinte equação
0, 08x + 0, 12y + 0, 04z = 3120.
Assim a solução sistema, dado por


 x + y + z = 34.000
S= 2x − y + 0z = 0
0, 08x + 0, 12y + 0, 04z = 3120

é a solução do problema. Notemos que


 x + y + z = 34.000
S1 = 2x − y + 0z = 0
0, 2x + 0y + 0z = 1760

tem a mesma solução de S (por quê?). O sistema tem uma única solução
dada por.    
x 8.800
 y  =  17.600 
z 7.600
Resolva os dois exemplos anteriores utilizando o método de Cramer.
Exemplo 118. Suponha que duas empresas R e S, produzam um determinado produto.

1 3
A cada ano, a empresa R mantém 4
de seus clientes, enquanto 4
passam a comprar em
4 1
S. A cada anos, S mantém 5
de seus clientes, enquanto 5
passa a comprar em R. Esta
informação pode ser exibida na seguinte tabela
R S
 R1 S
1
1 1 4 5
R
4 5
R assim, A =  
3 4
3 4 4 5
S
4 5
S
151
5
Quando a produção do primeiro produto começa, R tem 7
do mercado (O
2
mercado é igual ao número total de clientes), enquanto que S tem 7
do mercado.
 5 
7
Representamos a distribuição inicial do mercado por x0 =  .
2
7
a) Qual é a distribuição
do mercado após um ano?
a
b) Se x0 = . Quais os valores de a e b para que a distribuição de mercado seja
b
a mesma após um ano? Quando isso ocorre dizemos que a distribuição do mercado é
estável.
Resolução: Após um ano a distribuição do mercado será para o item a) o que segue
 1 1   5   5 2
  33 
4 5 7 28
+ 35 140
x1 = Ax0 =  .  =  = 
3 4 2 15 8 107
4 5 7 28
+ 35 140
33
Portanto, após um ano a empresa R tem 140
do mercado, enquanto S tem
107
140
.
b) Como R e S detemo mercado,
então
a+b = 1. Do fato da distribuição manter
a a
estável devemos ter A. = , ou seja,
b b
 1 1   1 1
4 5
 4a + 5
b = a
 . a = a então
3 4 b b 3 4
a + b = b

4 5 4 5
Devemos então resolver o sistema


 a + b = 1
3 1
a − b = 0.

4 5
4 15
Cuja solução é a = 19
eb= 19
.
Portanto, para que o mercado

 4 permaneça estável após um ano a distribuição
19
inicial do mercado deve ser x0 =  .
15
19
152
Exercı́cios
Exercı́cio 45. Resolva os sistemas abaixo. Exercı́cio 49. Dado o sistema


 
 x + y + 0z − t = 0
 x + 2y − z = 2 −x + 0y − 2z + 2t = −1

a) x − y + 3z = 1 
 0x + y + z − 2t = −2
2x − 2y + 5z = −1 x + 2y + 0z − 2t = 1
 
a) Calcule o posto da matriz ampliada.

 x + y + z = 1 b) Calcule o posto da matriz dos coeficientes.
b) x − y + z = −2 c) Qual a solução desse sistema, caso exista?

2x − y + 3z = 3 d) Considere um sistema homogêneo Ax = 0, onde
A é uma matriz quadrada. Que condições deve-

 x + 2y − z − t = 2 se impor sobre A para que o sistema admita uma

 x

 − y + 3z + 3t = −1 solução diferente da trivial (x = 0)?
c) 2x − 7y + 2z − 5t = 0
Exercı́cio 50. Dê um exemplo de um sistema li-
3x + y − 6z + t = −2


near, dado por Ax = b. Para o qual as condições


x − y + z − t = 4

a seguir sejam verificadas simultâneamente:
 a) Todos os elementos de A são não nulos.

 2x + 3y + z − t = 1 b) Tal sistema tem infinitas soluções.
−x − 2y − 3z + 2t = 8

d) c) Todas as soluções do sistema linear satisfazem

 2x − y + z − 6t = 5 x2 = −3.
x − 3y + 3z + 2t = −2

Exercı́cio 51. Dê um exemplo de um sistema li-
Exercı́cio 46. Determine os valores de m para near, dado por Ax = b. Para o qual o número de
os quais o sistema é determinado. soluções seja:

x + 2y − 2z − t = 1 a) Zero ou uma, dependendo de b.



2x − my − 2z − 3t = −1 b) Infinita para qualquer b.
2x − 2y − z − 5t = 9 c) Zero ou infinita, dependendo de b.



3x − y + z − mt = −2 d) Uma para todo b.
Exercı́cio 47. Determine os valores de k para Exercı́cio 52. Considere o sistema linear
os quais o sistema homogêneo tenha uma solução
3x + 2y = b
distinta da trivial.
4x + ay = 2

 2x − 4y + 2z = 0 Para cada item abaixo, pede-se a e b de modo que
x + 2y + kz = 0 i) O sistema tenha infinitas soluções.
2x − 3y + 5z = 0

ii) O sistema não tenha soluções
iii) O sistema tenha apenas uma solução.
Exercı́cio 48. Dado um sistema Ax = b. Justi-
fique que um sistema não pode ter exatamente 3 Exercı́cio 53. Seja S um sistema linear, tal que
soluções. para todo x tenhamos A.x = 0. Mostre que A = O.
153
Exercı́cio 54. Um funcionário tem 25 horas para Exercı́cio 59. Três empresas concorrentes R, S
entregar a seu encarregado três projetos. O pro- e T , de modo que o padrão de retenção d clientes
jeto 2 consumiu o triplo do tempo do projeto 1, e mudança de local de compra sejam dados pelas
o drobro do tempo do projeto 1 mais o quadrúplo informações da matriz onde
do tempo do projeto 3 precissou de 16 horas de
trabalho. Quanto tempo o funcionário gastou em  R
3
S
2
T 
2
cada projeto? 8 7 6 R
 
 3 3 3

Exercı́cio 55. Uma herança de R$ 54.000, 00 deve A=  S
 8 7 6 
ser dividida entre três fundos de investimento, com  
2 2 1
o segundo fundo recebendo três vezes mais que o 8 7 6
T
primeiro mais o valor do terceiro. Os três fun-
dos juntos pagam 8%, 9% e 12% anualmente, res- i)
 Se4 adistribuição de mercado inicial é de x0 =
pectivamente, e redem um total de juros de R $ 13
6851, 95. Quanto foi investido em cada fundo? 



 3 . Determine a distribuição de mercado
 13 
Exercı́cio 56. Um fabricante produz reveladores  
6
de filme de 3 minutos, 7 minutos e 9 minutos. 13
Cada tonelada do revelador de 3 minutos precisa após um ano e após dois anos.
de 8 minutos no setor A e 32 minutos no setor B. ii) Qual é a distribuição inicial de mercado para
Cada tonelada do revelador de 7 minutos precisa que a distribuição seja estável após um ano e após
de 12 minutos no setor A e 15 minutos no setor B. dois anos?
Cada tonelada do revelador de 9 minutos precisa iii) Qual empresa ganharia a maior fatia do mer-
de 6 minutos no setor A e 12 minutos no setor B. cado em um longo perı́odo de tempo? Qual a por-
Se o setor A está disponı́vel 10 horas por dia e o centagem do mercado foi ganha, aproximadamente
setor B está disponı́vel 14 horas por dia. Quan- por esta empresa?
tas toneladas de cada tipo de revelador podem ser
produzidas tal que os setores não fiquem ociosos? Exercı́cio 60. Três empresas concorrentes R, S
e T de telecomunicações tem o padrão de retenção
Exercı́cio 57. Um estádio de futebol tem lugar de telespectadores e mudança de canal no horário
para 52.000 pessoas. Estudantes e crinças pagam nobre sejam dados pelas informações da matriz
R$ 10, 00 e R$ 5, 00 respectivamente, os demais
pagam R$ 20, 00. O estádio está com lotação  4R S T
4

máxima e a renda total é de R $ 775.000, 00. Ainda 10 0 10 R
o total da renda de estudantes e crianças foi de R
 
 1 4

 0
A=  S
$ 175.000, 00. Qual é o número de espectadores em 2 10 
cada uma de suas classes.
 
6 1 2
10 2 10
T
Exercı́cio 58. Um nutricionista está planejando
uma refeição composta por quatro alimentos A, i) Se a distribuição
 1demercado inicial no horário
B, C e D. Cada grama do alimento A contém 3
2 unidades de proteı́na, 3 unidades de gordura,
 
 1

5 unidades de carbodrato e 2 unidades de ferro. nobre é de x0 = 
 3
. Determine a distribuição

Cada grama do alimento B contém 4 unidades de
 
1
proteı́na, 1 unidades de gordura, 2 unidades de 3
carbodrato e 2 unidades de ferro. Cada grama de telespectadores após uma hora do horário nobre
do alimento C contém 3 unidades de proteı́na, 4 e após duas horas.
unidades de gordura, 2 unidades de carbodrato e ii) Qual é a distribuição inicial de telespectadores
1 unidades de ferro. Cada grama do alimento D para que a distribuição seja estável após a primeira
contém 2 unidades de proteı́na, 2 unidades de gor- hora do horário nobre?
dura, 3 unidades de carbodrato e 3 unidades de iii) Qual empresa ganharia a maior fatia do mer-
ferro. cado em um longo perı́odo de tempo? Qual a por-
Se a refeição deve oferecer exatamente 25 unidades centagem do mercado foi ganha, aproximadamente
de proteı́na, 26 unidades de gordura, 20 unidades por esta empresa?
de carboidrato e 14 unidades de ferro. Quantas
gramas de cada alimento devem ser utilizadas?
154
Capı́tulo 8
Espaços Vetoriais
No conjunto dos vetores da geometria analı́tica que denotaremos por V ,

definidos por segmentos orientados e no conjunto das matrizes Mm×n (R), a estrutura
algébrica definida nesses dois conjuntos possuem as mesmas propriedades, ou seja, as
operações de soma entre dois elementos do conjunto e o produto por um escalar. Isso
quer dizer que V e Mm×n (R) apresentam uma coincidência estrutural no que se refere a
um par importante de operações definidas sobre eles.
Vamos então estudar todos os conjuntos que apresentam a mesma estrutura

apresentada em V e Mm×n (R). Tais conjuntos serão denominados espaços vetoriais e
constituem os objetos de estudo da Álgebra Linear. Antes porém, começamos com a
seguinte definição
Definição 8.1. Um conjunto K é um corpo se em K puder definir duas operações,

denotadas por + (adição) e . (multiplicação), satisfazendo as seguintes propriedades:
Para a adição.
i) a + b = b + a, para todo a, b ∈ K (propriedade comutativa).
ii) a + (b + c) = (a + b) + c a, b, c ∈ K (propriedade associativa).
iii) Existe um elemento em K, denotado por 0 e chamado elemento neutro da adição,
que satisfaz para todo a ∈ K tem-se 0 + a = a + 0 = a.
iv) Para cada a ∈ K, existe um elemento em K, denotado por −a e chamado de oposto
de a (ou inverso aditivo de a) tal que a + (−a) = (−a) + a = 0
Para a multiplicação.
155
i) a.b = b.a, para todo a, b ∈ K (propriedade comutativa).
ii) a.(b.c) = (a.b).c a, b, c ∈ K (propriedade associativa).
iii) Existe um elemento em K, denotado por 1 e chamado elemento neutro da multi-
plicação, que satisfaz para todo a ∈ K, 1.a = a.1 = a.
iv) Para cada a ∈ K não nulo, existe um elemento em K, denotado por a−1 e chamado
de inverso multiplicativo de a tal que a.a−1 = a−1 .a = 1
Ainda, verifica-se a seguinte igualdade. Para todo a, b, c ∈ K, vale a pro-

priedade distributiva, ou seja, (a + b).c = a.c + b.c = c.a + c.b = c.(a + b)
Usualmente escrevemos ab em vez de a.b, quando não houver confusão.
São exemplos de corpos, o conjunto dos números racionais (Q), o conjunto

dos números reais ( R), o conjunto dos números complexos (C). O conjunto dos números
inteiros (Z) não é um um corpo, pois a propriedade iv) da multiplicação não é satisfeita.
Existem ainda outros corpos, mas para nós os três apresentados serão suficientes.
Definição 8.2. Dizemos que um conjunto V 6= ∅ é um espaço vetorial sobre K quando,

e somente quando.
V ×V −→ V
I) Existe uma adição de , satisfazendo as seguintes pro-
(u, v) 7−→ u + v
priedades.
i) u + v = v + u para todo u, v em V (Comutativa).
ii) u + (v + w) = (u + v) + w para todo u, v e w em V (Associativa).
iii) Existe em V um elemento neutro, que denotamos por 0V ou simplesmente por 0, ou
seja
∃ 0v ∈ V | v + 0v = v ∀ v ∈ V.
iv) Para todo elemento v ∈ V existe o oposto, que denotamos por (−v). Assim
∀ v ∈ V ∃ (−v) ∈ V | v + (−v) = 0v = (−v) + v.
K×V −→ V
II) Está definida uma multiplicação de chamada multi-
(α, v) 7−→ α.v
plicação por escalar, que satisfaz
156
i) α(β.v) = (αβ).v para todo v ∈ V e α, β ∈ K.
ii) (α + β).v = α.v + β.v para todo v ∈ V e α, β ∈ K.
iii) α(u + v) = α.u + α.v para todo u, v ∈ V e α ∈ K.
iv) 1.v = v para todo v ∈ V .
Exemplo 119. Os conjuntos
R, Rn , C, Cn , Mm×n (R)
são espaços vetoriais sobre R. Verifique as afirmações.
Note que vRn = (x1 , x2 , · · · , xn ) e 0Rn = (0, 0, · · · , 0) em Rn . Ainda,

vCn = (a1 + b1 i, a2 + b2 i, · · · , an + bn i) e 0Cn = (0 + 0i, 0 + 0i, · · · , 0 + 0i).
A operação de soma em Rn é,
vRn + uRn = (x1 , x2 , · · · , xn ) + (y1 , y2 , · · · , yn ) = (x1 + y1 , x2 + y2 , · · · , xn + yn )
em Cn
vCn + uCn = (a1 + b1 i, a2 + b2 i, · · · , an + bn i) + (c1 + d1 i, c2 + d2 i, · · · , cn + dn i)
= ((a1 + c1 ) + (b1 + d1 )i, · · · , (an + cn ) + (bn + dn )i).
Pense na multiplicação por escalar e, determine o elemento oposto. Quando

não houver confusão vV = v.
Exemplo 120. O conjunto dos polinômios reais de grau n, indicado por Pn (R) é um
espaço vetorial sobre R.
Resolução: Definamos o par de operações
Pn (R) × Pn (R) −→ Pn (R) R × Pn (R) −→ Pn (R)

e
(g(t), f (t)) 7−→ h(t) = g(t) + f (t) (α, f (t)) 7−→ q(t) = α.f (t)
Note que,
g(t) + f (t) = (a0 + a1 x + a2 x2 + · · · + an xn ) + (b0 + b1 x + b2 x2 + · · · + bn xn )
= (a0 + b0 ) + (a1 + b1 )x + (a2 + b2 )x2 + · · · + (an + bn )xn = h(t).
157
e
α.(f (t)) = α.(a0 + a1 x + a2 x2 + · · · + an xn ) = α.a0 + α.a1 x + α.a2 x2 + · · · + α.an xn .
Ainda,
n(t) = 0 + 0x + 0x2 + · · · + 0xn e − f (t) = −a0 − a1 x − a2 x2 − · · · − an xn
são os elementos nulo e oposto em Pn (R) respectivamente. A verificação dos axiomas de

espaço vetorial fica a cargo do leitor para as operações definidas acima.
Exemplo 121. (Patológico) Seja V = {u ∈ R | u > 0}. Definamos
V × V −→ V R × V −→ V
e
(u, v) 7−→ u ⊕ v = u.v (α, v) 7−→ α v = v α
As operações de adição ⊕ e multiplicação , fazem de V um espaço vetorial

sobre R.
Resolução: Precisamos verificar os oito axiomas para espaço vetorial. Primeiro para a
adição.
i) u ⊕ v = u.v = v.u = v ⊕ u.
ii) u ⊕ (v ⊕ w) = u ⊕ (v.w) = u.(v.w) = (u.v).w = (u ⊕ v).w = (u ⊕ v) ⊕ w
iii) 1 ⊕ v = 1.v = v = v.1 = v ⊕ 1. Portanto, o elemento neutro na soma em V é o
número real 1.
1 1 1 1
iv) u ⊕ = u. = 1 = .u = ⊕ u.
u u u u
A multiplicação por escalar.
i) α (β v) = α (v β ) = v β.α = (β.α) v = (α.β) v.
ii) (α + β) v = v α+β = v α .v β = v α ⊕ v β = α v ⊕ β v
iii) α (u ⊕ v) = α (u.v) = (u.v)α = uα .v α = uα ⊕ v α = α u ⊕ α v.
iv) 1 v = v 1 = v. Portanto, o elemento neutro na multiplicação em V é o número real
1.
Como os oito axiomas para espaço vetorial são verificados, as operações

definidas em V o fazem um espaço vetorial.
158
Seja V um espaço vetorial sobre K, então as seguintes propriedades são veri-
ficadas, como consequência dos oito axiomas de espaço vetorial.
P1 ) Para todo α um escalar temos, α.0v = 0v .
De fato, α.0v = α.(0v + 0v ) = α.0v + α.0v .
Somando o vetor −α.0v em ambos os membros acima, concluı́mos que
α.0v = 0v .
P2 ) Para todo v ∈ V temos 0.v = 0v .
De fato, 0.v = (0 + 0)v = 0.v + 0.v.
Somando o vetor −0.v em ambos os membros acima, concluı́mos que 0.v = 0v .

P3 ) Se α.v = 0v com α escalar e v ∈ V , então α = 0 ou v = 0v .
De fato, se α 6= 0 então existe α−1 ∈ R tal que α−1 .α = 1. Assim,
α−1 .(α.v) = α−1 .0v = 0v .
Portanto, v = 1.v = (α−1 .α).v = α−1 .(α.v) = 0v .

P4 ) Para todo α escalar e todo v ∈ V temos
(−α).v = α.(−v) = −(α.v).
Com efeito, α.v + (−α).v = (α + (−α)).v = 0.v = 0v
Por outro lado, α.v + (−(α.v)) = 0v .
Logo, α.v + (−α).v = α.v + (−(α.v)). Somando −α.v em ambos os membros

dessa última equação concluı́mos que (−α).v = −(α.v).
Ainda, α.v + α(−v) = α(v + (−v)) = α.0v = 0v . Então
α.v + (−α).v = α.v + α(−v)
E, novamente teremos (−α).v = α(−v) e, portanto,
(−α).v = α.(−v) = −(α.v).
159
A diferença entre dois vetores u e v de um espaço vetorial é assim definida
u − v = u + (−v)
As propriedades a seguir são verificadas e sua justificativa fica a cargo do

leitor.
P5 ) Sejam α, β ∈ K e u, ∈ V , então (α − β)u = α.u − β.u.
P6 ) Sejam α ∈ K e u, v ∈ V , então α.(u − v) = α.u − α.v.
P7 ) O vetor nulo de um espaço vetorial é único.
P8 ) O vetor oposto de um vetor u ∈ V existe e é único, denotado por (−u).
P9 ) Se u, v, w ∈ V e u + v = u + w então v = w. Vale a lei do cancelamento.
P10 ) Para cada vetor u ∈ V tem-se −(−u) = u.
8.1 Subespaços Vetoriais
Seja V um espaço vetorial e consideramos W ⊂ V um subconjunto não vazio

de V , pode ocorrer que as operações de V restrita à W sejam fechadas, ou seja, u+v ∈ W
e αu ∈ W sempre que u, v ∈ W . Então definamos.
Definição 8.3. Seja V um espaço vetorial sobre K e W ⊂ V um subconjunto não vazio

de V , dizemos que W é um subespaço vetorial de V se:
i) Para qualquer u, v ∈ W tivermos u + v ∈ W .
ii) Para qualquer escalar α e u ∈ W tivermos α.u ∈ W .
Segue da definição acima que se W é um subespaço então 0v ∈ W . De fato,

seja u ∈ W e 0 = α um escalar nulo. Da definição de subespaço vetorial devemos ter
0v = 0.u = α.u ∈ W
Proposição 8.4. Se W é um subespaço vetorial de um espaço vetorial V . Então W é

também um espaço vetorial.
Demonstração: Se u ∈ W então −u ∈ W . Basta tomar α = −1 no item ii) da

definição.
160
Portanto, existe o elemento nulo e o oposto em W . Os oito axiomas de espaço
vetorial são verificados pois, os mesmo são verificados em V que contém W . Donde W
é um espaço vetorial. 2
Exemplo 122. Todo espaço vetorial V admite pelo menos dois subespaços.
De fato, o próprio espaço vetorial V é um subespaço e o espaço W = {0}.

Tais subespaços são chamados subespaços triviais.
Exemplo 123. Seja W = {(x, y, z) ∈ R3 | x − y = 0}. Mostre que W é um subespaço

de R3 sobre R.
Resolução: Sejam u, v ∈ W então u = (x1 , y1 , z1 ) e v = (x2 , y2 , z2 ) tais que
x1 − y1 = 0 = x2 − y2 e α ∈ R. Logo,
u + v = (x1 , y1 , z1 ) + (x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 ) e
α.v = α.(x2 , y2 , z2 ) = (α.x2 , α.y2 , α.z2 )
Ainda, (x1 + x2 ) − (y1 + y2 ) = (x1 − y1 ) + (x2 − y2 ) = 0 + 0 = 0 e αx2 − αy2 =

α(x2 − y2 ) = α.0 = 0, segue daı́ que u + v ∈ W e α.v ∈ W .
Exemplo 124. Seja k uma constante não nula e W = {(x, y, z) ∈ R3 | x − y = k.}.

Mostre que W não é um subespaço de R3 sobre R.
Resolução: Sejam u, v ∈ W então u = (x1 , y1 , z1 ) e v = (x2 , y2 , z2 ) tais que
x1 − y1 = k = x2 − y2 . Logo,
u + v = (x1 , y1 , z1 ) + (x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 )
Ainda, (x1 + x2 ) − (y1 + y2 ) = (x1 − y1 ) + (x2 − y2 ) = k + k = 2k.
Portanto, u + v 6∈ W e, assim W não é subespaço de R3 . Note que 0 6∈ W .
Exemplo 125. Seja V = R3 e W = {(x, x2 , x3 ) |x ∈ R}. Mostre que W não é um

subespaço de V = R3 sobre R.
Resolução: Sejam u, v ∈ W não nulos, então u = (x, x2 , x3 ) e v = (y, y 2 , y 3 ). Assim,
u + v = (x, x2 , x3 ) + (y, y 2 , y 3 ) = (x + y, x2 + y 2 , x3 + y 3 ) 6= (x + y, (x + y)2 , (x + y)3 ).
161
Portanto, u + v 6∈ W , ou seja, W não é então subespaço de V .
Sempre que W ⊂ V for um subespaço de V devemos ter 0 ∈ W caso contrário,

podemos afirmar que W não é subespaço, contudo, pode ocorrer que W não seja subes-
paço de V , mas 0 ∈ W , como pode ser verificado no exemplo 125
Proposição 8.5. Sejam W e U dois subespaços vetoriais de um espaço V . Então W ∩U

é um subespaço vetorial de V .
Demonstração: Sejam u, v ∈ W ∩ U e α um escalar. Então u, v ∈ W e u, v ∈ U .

Do fato de W e U serem subespaços vetoriais temos que
u + v ∈ W, α.u ∈ W e u + v ∈ U, α.u ∈ U.
Portanto,
u+v ∈W ∩U e α.u ∈ W ∩ U,
ou seja, W ∩ U é um subespaço de V . 2
Exemplo 126. O conjunto das matrizes simétricas e anti-simétricas são subespaço ve-
torial de Mn (R) sobre R.
Resolução: Denotemos por Sn (R) o conjunto das matrizes quadradas simétricas e por
ASn (R) o conjunto das matrizes anti-simétricas.
Sejam A, B ∈ Sn (R) e α ∈ R um escalar real. Então A = At e B = B t .
Logo,
A + B = At + B t = (A + B)t e α.A = α.At = (α.A)t .
Portanto, Sn (R) é um subespaço de Mn (R).
Sejam A, B ∈ ASn (R) e α ∈ R um escalar real. Então A = −At e B = −B t .
Logo,
A+B = −At −B t = −(At +B t ) = −(A+B)t e α.A = α.(−At ) = −α.At = −(α.A)t .
162
Portanto, ASn (R) é um subespaço de Mn (R).
Ainda, Sn (R) ∩ ASn (R) = On (R) é um subespaço de Mn (R).
Sejam U e W subespaços vetoriais de um espaço vetorial V .
Definição 8.6. Indicaremos por U + W e chamaremos de soma de U com W o seguinte

subconjunto de V
U + W = {u + w | u ∈ U e w ∈ W }.
Note que U + W = W + U , U + {0} = U , U ⊂ W + U e W ⊂ W + U .
Proposição 8.7. Se U e W são subespaços vetoriais de V então U + W é também um

subespaço vetorial de V .
Demonstração: Note que U + W é não vazio, pois 0 ∈ U e 0 ∈ W , consequentemente

0 = 0 + 0 ∈ U + W.
Sejam v1 , v2 ∈ U + W e α um escalar. Então v1 = u1 + w1 e v2 = u2 + w2 ,

onde u1 , u2 ∈ U e w1 , w2 ∈ W .
Logo, u1 + u2 ∈ U e w1 + w2 ∈ W com também α.u1 ∈ U e α.w1 ∈ W e,

assim
v1 + v2 = (u1 + w1 ) + (u2 + w2 ) = (u1 + u2 ) + (w1 + w2 ) ∈ U + W e
αv1 = α(u1 + w1 ) = α.u1 + α.w1 ∈ U + W.
Portanto, U + W é um subespaço de V . 2
Definição 8.8. Sejam U e W subespaços de um espaço V . Tais que U ∩ W = {0}.
Neste caso, dizemos que U +W é soma direta dos subespaços U e W . Usamos

a seguinte notação U ⊕ W .
Se U e W são subespaços de V , tais que V = U ⊕ W , dizemos que U e W

são suplementares.
163
Exemplo 127. Seja V = R2 e consideremos U = {(x, 0) ∈ R2 | x ∈ R} e W =
{(0, y) ∈ R2 | y ∈ R}. Então R2 = V = U ⊕ W .
Resolução: Seja (x, y) = u ∈ R2 = V se, e somente se
(x, y) = (x, 0) + (0, y) ∈ U + W
Claramente a intersecção é nula.
Proposição 8.9. Sejam U e W subespaços vetoriais de um espaço vetorial V . Então

V = U ⊕W se, e somente se, cada vetor v ∈ V admite uma única decomposição v = u+w,
com u ∈ U e w ∈ W .
Demonstração: Seja V = U ⊕ W e suponhamos que para cada v ∈ V tenhamos
u1 + w1 = v = u2 + w2
tais que u1 , u2 ∈ U e w1 , w2 ∈ W . Logo,
u1 − u2 = w2 − w1 ∈ W e w2 − w1 = u1 − u2 ∈ U.
Então, u1 − u2 ∈ U ∩ W = {0} e w2 − w1 ∈ U ∩ W = {0}, donde u1 = u2 e

w1 = w2 .
Portanto, a decomposição é única.
Reciprocamente, se v ∈ V se escreve de modo único como uma decomposicão

v = u + w, u ∈ U e w ∈ W , então = U ⊕ W . Basta mostrarmos que U ∩ W = {0}.
De fato, suponhamos que exista t ∈ U ∩ W não nulo (t 6= 0). Então
v = u + w = (u + t) + (w − t) ∈ U + W
O que é um absurdo, pois por hipótese v se decompõe de modo único, desta

forma t = 0. O que prova o desejado. 2
164
Exemplo 128. Sejam M(n×n) (R) = V , U e W os subespaços de V tais que U é o
conjuntos das matrizes siméticas e W o conjuntos das matrizes anti-simétricas. Mostre
que V = U ⊕ W .
Resolução: Primeiramente, devemos mostrar que V = U + W .
De fato, para toda matriz M ∈ V temos que, A = M + M t é uma matriz

simétrica, pois
At = (M + M t )t = M t + M = M + M t = A.
Ainda B = M − M t é uma matriz anti-simétrica, pois
B t = (M − M t )t = M t − M = −M + M t = −(M − M t ) = −B.
1 1 1 1
Note que, M = (M + M t ) + (M − M t ) = A + B ∈ U + W .
2 2 2 2
Vamos mostrar agora que U ∩ W = {0}. Tome C ∈ U ∩ W então C t = C e
C t = −C então 2C = 0 e, portanto, C = 0.
Exemplo 129. Seja V = R3 e U = {(0, y, 0) |y ∈ R} e W = {(x, 0, z) |y, z ∈ R}.

Então V = U ⊕ W .
Resolução: Note que (x, y, z) = (0, y, 0) + (x, 0, z) ∈ U + W .
8.2 Combinação Linear
Seja V um espaço vetorial sobre K. Consideremos um subconjunto S =

{u1 , u2 , · · · , un } ⊂ V . E, indicamos por [S] o seguinte subconjunto de V a partir de S.
[S] = {v ∈ V |v = α1 u1 + α2 u2 + · · · + αn un , α1 , · · · , αn ∈ K}.
Exercı́cio 61. Mostre que [S] é um subespaço vetorial de V .
Definição 8.10. O subespaço [S] é chamado subespaço gerado por S.
Cada elemento de [S] é uma combinação linear de S ou combinação linear de

u1 , u2 , · · · , un . Usamos também a notação
[u1 , u2 , · · · , un ] = [S].
165
Dizemos que u1 , u2 , · · · , un geram [S], ou forma um sistema de geradores
de [S]. Ainda, [∅] = {0}.
No caso em que S ⊂ V for um conjunto infinito, definimos [S] como segue
[S] = {v ∈ V |v = α1 u1 + α2 u2 + · · · + αn un , α1 , · · · , αn ∈ K e u1 , · · · , un ∈ S}.
Em outras palavras, para cada v ∈ [S] temos que v é escrito como uma
combinação linear finita de elementos de S.
Proposição 8.11. O subespaço [S] = [u1 , u2 , · · · , un ] é o menor subespaço de V que

contém o conjunto de vetores {u1 , u2 , · · · , un }. No sentido de que se outro subespaço
W de V contém {u1 , u2 , · · · , un } então W ⊃ [S].
Demonstração: Suponha que exista um subespaço W tal que {u1 , u2 , · · · , un } ⊂ W .

n
X
Então para cada i = 1, 2, · · · , n temos αi .ui ∈ W com αi ∈ K.
i=1
Seja u ∈ [S], então

n
X
u = α1 u1 + α2 u2 + · · · + αn un = αi .ui ∈ W,
i=1
ou seja, W ⊃ [S]. 2
Segue imediatamente da definição 8.10 as seguintes conclusões.

a) S ⊂ [S], b) S1 ⊂ S2 ⊂ V então [S1 ] ⊂ [S2 ], c) [S1 ∪ S2 ] = [S1 ] + [S2 ].
Se S já for um subespaço então S = [S], ou ainda, [S] = [[S]]. (Verifique as

afirmações)
Os exemplos a seguir são considerados espaços vetoriais sobre R.
Exemplo 130. Seja V = R3 e considere u1 = (1, 0, 0), u2 = (0, 1, 0) e u3 = (0, 0, 1).

Então R3 = V = [u1 , u2 , u3 ].
Resolução: Seja (x, y, z) ∈ R3 se, e somente se
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1).
166
Exemplo 131. Determine um conjunto de geradores para V = M2 (R).
Resolução: Seja A ∈ M2 (R). Então

a11 a12 1 0 0 1 0 0 0 0
A= = a11 + a12 + a21 + a22
a21 a22 0 0 0 0 1 0 0 1

1 0 0 1 0 0 0 0
Portanto, S = , , , .
0 0 0 0 1 0 0 1
Exemplo 132. Ache um conjunto de geradores para as matrizes anti-simétricas de or-
dem 3 × 3.
Resolução: Seja A uma matriz anti-simétrica, então
       
0 a12 a13 0 1 0 0 0 1 0 0 0
 −a12 0 a23  = a12  −1 0 0  + a13  0 0 0  + a23  0 0 1 
−a13 −a23 0 0 0 0 −1 0 0 0 −1 0
     
 0 1 0 0 0 1 0 0 0 
Portanto, S =  −1 0 0  ,  0 0 0  ,  0 0 1  .
0 0 0 −1 0 0 0 −1 0
 
Exemplo 133. Determine um conjunto de geradores para V = Pn (R), espaço vetorial

dos polinômios de grau menor ou igual a n.
Resolução: Seja f (t) ∈ Pn (R), então f (t) = a0 + a1 x + a2 x2 + · · · + an−1 xn−1 + an xn ,
com ai ∈ R para todo i = 0, 1, 2, · · · , n.
Assim, S = {1, x, x2 , · · · , xn−1 , xn }.
Definição 8.12. Dizemos que um espaço vetorial V é finitamente gerado se existe S ⊂

V , S é finito de modo que V = [S].
Os exemplos anteriores são exemplos de espaços finitamente gerado.
Sejam X um conjunto qualquer não vazio e F(X, R) o conjunto de todas as

funções f : X → R. Definimos as seguintes operações em F(X, R).
Para f, g ∈ F(X, R) a soma f + g : X → R é dada por
(f + g)(x) = f (x) + g(x) para cada x ∈ X.
Para f ∈ F(X, R) e α ∈ R o produto α.f : X → R é dado por
(α.f )(x) = α.f (x) para cada x ∈ X.
167
Tais operações fazem de F(X, R) um espaço vetorial sobre R, podemos subs-
tituir R por (C ou K). A estrutura em F(X, K) para um K-espaço vetorial depende
essencialmente das operações e/ou estrutura em K.
O conjunto
C(R; R) := {f : R → R | f é contı́nua }
é um subonjunto de F(R, R). O conjuntos dos polinômios, denotado por P (R) é um

subconjunto de C(R; R). Logo, P (R) ⊂ C(R; R) ⊂ F(R, R).
O conjunto P (R) não é finitamente gerado.
De fato, seja S = {f1 , f2 , · · · , fn } ⊂ P (R), suponha que cada fi seja não

nulo e que fn seja o polinômio de maior grau, então
f = α1 f1 + α2 f2 + · · · + αn fn ∈ [S]
segue que o grau de f é menor ou igual a n, contudo, existem em P (R) polinômios de

grau maior que n. Segue que para qualquer conjunto S finito o subespaço [S] ⊂ P (R).
Consequentemente C(R; R) e F(R, R) não são finitamente gerado.
Ainda o conjunto dos números reais é um espaço vetorial finitamente gerado,

quando considerado sobre R e, um conjunto gerador finito é S = {1}. Por outro lado, R
quando considerado um espaço vetorial sobre Q não é finitamente gerado, um conjunto
gerador neste caso pode ser dado por S = (R \ Q) ∪ {1} tal conjunto é necessariamente
não enumerável.
8.3 Base e Dimensão
Nosso objetivo agora é mostrar que em todo espaço vetorial finitamente

gerado V existe um subconjunto finito B tal que todo elemento de V é combinação
linear de modo único desse conjunto. E todos os outros subconjuntos finito de V com
esta propriedade possuem o mesmo número de elementos. Isso irá permitir definir o
168
conceito de base, provaremos ainda que todo espaço finitamente gerado possui base,
na verdade todo espaço vetorial admiti uma base. Sempre que dizemos V um espaço
vetorial, estaremos admitindo que é sobre um corpo K qualquer, quando não indicaremos
o corpo.
Definição 8.13. Seja V um espaço vetorial, dizemos que um conjunto
B := {u1 , u2 , · · · , un } ⊂ V
é linearmente independente (L.I) se, e somente se a equação
α1 u1 + α2 u2 + · · · + αn un = 0
tiver uma única solução, ou seja, α1 = α2 = · · · = αn = 0.
Caso contrário, se existir pelo menos um αi não nulo satisfazendo a equação

então B é dito linearmente dependente (L.D). Se B = ∅, então B é (L.I).
Seja C := {v1 , v2 , · · · , vn } ⊂ V . C é um conjunto (L.D) se, e somente se

existir vi ∈ C tal que vi é uma combinação linear dos elementos de C \ {vi }.
De fato, sendo C um conjunto (L.D) existe um escalar αi 6= 0, tal que
α1 v1 + · · · + αi vi + · · · + αn vn = 0
então
α1 αi−1 αi+1 αn
vi = − v1 − · · · − vi−1 − vi+1 − · · · − vn
αi αi αi αi
ou seja, vi é uma combinação linear dos elementos de C \ {vi }.
Reciprocamente, temos que
vi = β1 v1 + · · · + βi−1 vi−1 + βi+1 vi+1 + · · · + βn vn
então
0 = β1 v1 + · · · + βi−1 vi−1 − vi + βi+1 vi+1 · · · + βn vn
com βi = −1 6= 0, donde segue que C é um conjunto (L.D).
169
Seja B := {u1 , u2 , · · · , un } ⊂ V um conjunto (L.I) então todo elemento de
V se escreve de modo único como uma combinação linear dos elementos de B.
Com efeito, seja v ∈ V tal que v = α1 u1 + · · · + αi ui + · · · + αn un e, também

v = β1 u1 + · · · + βi ui + · · · + βn un , então
0 = (α1 − β1 )u1 + (αi − βi )ui + · · · (αn − βn )un
Como B é (L.I), devemos ter αi − βi = 0 para todo i = 1, 2, · · · , n, ou seja,

αi = βi para todo i = 1, 2, · · · , n.
Observações: Todo conjunto contendo o vetor nulo é (L.D). Todo espaço

vetorial não nulo admiti um conjunto (L.I) não vazio. Todo subconjunto de um conjunto
(L.I) é um conjunto (L.I).
Exercı́cio 62. (Resolvido) Seja S = {v1 , · · · , vi , · · · , vn } e vi ∈ [S \ {vi }]. Então

[S] = [S \ {vi }].
Resolução: Como S \ {vi } ⊂ S, já vimos que [S \ {vi }] ⊂ [S].
Seja u ∈ [S], então u = α1 v1 + · · · + αi vi + · · · + αn vn . Como vi ∈ [S \ {vi }]
então vi = β1 v1 + · · · + βi−1 vi−1 + βi+1 vi+1 + · · · + βn vn . Logo,
u = α1 v1 + · · · + αi (β1 v1 + · · · + βi−1 vi−1 + βi+1 vi+1 + · · · + βn vn ) + · · · + βn vn
= (α1 + αi β1 )v1 + · · · + (αi−1 + αi βi−1 )vi−1 + (αi+1 + αi βi+1 )vi+1 + · · · + (αn + αi βn )vn .
Ou seja, u ∈ [S \{vi }] e, portanto [S] ⊂ [S \{vi }]. Concluı́mos das inclusões

que [S] = [S \ {vi }].
Do exercı́cio 62 podemos concluir que se V for um espaço finitamente gerado

e S = {v1 , · · · , vi , · · · , vn } for um conjunto gerador de V , podemos extrair de S
um subconjunto S1 tal que S1 gera V e ainda S1 é um conjunto (L.I). Ainda se V for
não nulo S1 é não vazio. Para isso basta excluir de S os vetores que são escritos como
combinação linear dos demais.
Um conjunto B ⊂ V pode ser linearmente dependente, quando considerarmos

V um espaço vetorial sobre K1 , contudo, pode ser linearmente independente quando
considerado V um espaço vetorial sobre K2 .
170
Exemplo 134. Seja B = {(2, 0), (i, 0), (0, 1), (0, i)} ⊂ C2 .
Mostre que B é linearmente dependente se C2 for considerado um espaço

vetorial sobre C.
Mostre que B é linearmente independente se C2 for considerado um espaço

vetorial sobre R.
Resolução: Consideramos a equação
(0 + 0i, 0 + 0i) = α(2, 0) + β(i, 0) + γ(0, 1) + λ(0, i)
Para o primeiro caso, devemos ter α, β, γ e λ números complexos. Neste

caso temos
(0 + 0i, 0 + 0i) = 1(2, 0) + 2i(i, 0) + 0(0, 1) + 0(0, i)
onde, α = 1 , β = 2i , γ = 0 = λ. E, portanto o conjunto é (L.D).
Para o segundo caso, α, β, γ e λ números reais. Logo
(0 + 0i, 0 + 0i) = (2α + βi, γ.1 + λ.i).
da igualdade de par ordenado e números complexos vem,


 2α + βi = 0 + 0i
então α = β = γ = λ = 0
γ.1 + λ.i = 0 + 0i

Exemplo 135. Seja B = {cos(x), sen(x)} é linearmente independente em C([0, 2π], R)

como um espaço vetorial sobre R.
Resolução: Devemos mostrar que se
α cos(x) + βsen(x) = 0 para algum x ∈ [0, 2π]
então α = 0 = β.
Suponha que para todo x ∈ [0, 2π] existam α e β não nulos tais que
α cos(x) + βsen(x) = 0.
π
Por outro lado, se x = 0 e x = implica que α = 0 = β, o que seria então
2
um absurdo. Portanto, B é (L.I).
171
Definição 8.14. Seja V um espaço vetorial. Dizemos que um subconjunto B de V é
uma base de V se,
i) B for um conjunto gerador de V , e
ii) B for linearmente independente.
Exemplo 136. O espaço vetorial nulo, ou seja, V = {0} tem uma base.
Resolução: Por defnição B = ∅ é (L.I) e ainda, [B] = {0} = V .
Exemplo 137. Seja V = Pn (R) como um espaço vetorial sobre R admiti uma base.
Resolução: Consideramos B = {1, x, x2 , · · · , xn }.
Seja p(t) ∈ Pn (R) então p(t) = a0 .1 + a1 .x + a2 .x2 + · · · + an .xn . Logo, B gera

Pn (R).
Ainda, se
a0 .1 + a1 .x + a2 .x2 + · · · + an .xn = 0.1 + 0.x + 0.x2 + · · · + 0.xn
da igualdade de polinômios devemos ter a0 = a1 = a2 = · · · = an = 0.
Portanto, B é (L.I) e, por definição B é uma base para Pn (R). Note ainda
que em B existem n + 1 elementos.
Exemplo 138. Seja V = C2 . Mostre que B = {(i, −i), (i, −1)} é uma base para V
considerando um espaço vetorial sobre C. Contudo, não é uma base quando considerado
um espaço vetorial sobre R.
Resolução: Seja u ∈ C2 , então u = (α + β.i, γ + λ.i). Queremos escrever u como uma
combinação linear de B, ou seja,
(α + β.i, γ + λ.i) = u = r.(i, −i) + s.(i, −1)
No primeiro caso r, s são números complexos. Então,
(α + β.i, γ + λ.i) = r.(i, −i) + s.(i, −1) = (a0 + b0 .i)(i, −i) + (a1 + b1 .i).(i, −1)
= (−b0 − b1 + (a0 + a1 ).i, b0 − a1 + (−a0 − b1 ).i)
172
E, da igualdade de pares ordenado e números complexos, temos

α = −b0 − b1  
β = a0 + a1 β + γ = a0 + b 0

⇒ ⇒ β + γ + α − λ = 2a0
γ = b 0 − a1   α − λ = a0 − b 0
λ = −a0 − b1

E, resolvendo o sistema, concluı́mos que
β+γ+α−λ β+γ−α+λ
a0 = , b0 = e
2 2
β−γ−α−λ β+γ+α+λ
a1 = , b1 = −
2 2
Substituindo em r e s os valores encontrado, segue que B gera C2 . Para

mostrar que B é (L.I), basta tomar α, β, γ e λ nulos em u e, obter a0 = b0 = a1 = b1 = 0.
Para o segundo caso r e s são números reais, então
(α + β.i, γ + λ.i) = r.(i, −i) + s.(i, −1) = (0 + (r + s).i, −s − r.i)
Então 
α = 0 

β = r+s

⇒ s = −γ e r = −λ
γ = −s 

λ = −r

O conjunto B continua (L.I), contudo, não gera todo C2 .
Exemplo 139. Seja V = R3 e B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} é uma base para
V , considerando como um espaço vetorial sobre R.
Resolução: Exercı́cio.
Proposição 8.15. Seja V um espaço vetorial finitamente gerado não nulo assuma que
B = {v1 , · · · , vn } seja um conjunto gerador de V . Então todo conjunto linearmente
independente de vetores em V tem no máximo n elementos.
Demonstração: Seja A = {u1 , · · · , um } ⊂ V com m > n. Devemos mostrar que A é

um conjunto (L.D).
173
De fato, como B é um conjunto gerador de V existe B1 ⊂ B tal que B1 é
uma base de V e B1 possui r ≤ n elementos.
De fato, seja C = {vn1 , · · · , vns } ⊂ B, de modo que cada vetor em C é

escrito como combinação linear dos elementos de B \ C, então B1 = B \ C, se s = n
então B1 = ∅ o que implicaria em V = {0} logo, 0 ≤ s < n.
Se B1 não fosse (L.I) existiria um vetor em B1 que seria escrito como com-
binação linear dos elementos de B \ C e, neste caso tal vetor estaria em C, o que é um
absurdo. Por outro lado [B1 ] = [B \ C] = [B] = V . ( ver exercı́cio 62)
Existem ainda escalares αij tais que para cada j = 1, 2, · · · , m tenhamos

r
X
uj = α1j vn1 + α2j vn2 + · · · + αnr j vnr = αij vni .
i=1
Sejam λj com j = 1, · · · , m escalares para os quais a equação
λ1 u1 + λ2 + u2 + · · · + λm um = 0
então devemos concluir que pelo menos um dos λj é não nulo. Note ainda que
m
X m
X r
X m X
X r
λ1 u1 + λ2 u2 + · · · + λm um = λj uj = λj αij vni = λj αij vni
j=1 j=1 i=1 j=1 i=1
m m r m
!
X X X X
= λj α1j vn1 + · · · + λj αnr j vnr = λj αij vni
j=1 j=1 i=1 j=1
m
X
Como B1 = {vn1 , · · · , vnr } é um conjunto (L.I) devemos ter λj αij = 0
j=1
para cada i = 1, · · · , r. Obtemos então o seguinte sistema homogêneo


 α11 λ1 + α12 λ2 + · · · + α1m λm = 0
 α21 λ1 + α22 λ2 + · · · + α2m λm = 0

? .. .. ..


 . . .
 α λ + α λ + ··· + α λ
r1 1 r2 2 rm m = 0
nas incógnitas λ1 , λ2 , · · · , λm e coeficientes αij . Como o número de equações é menor

que o de incógnitas m > n ≥ r, segue do lema 7.4 que o sistema ? possui uma solução
174
não trivial, isto é, existem escalares λj tais que
λ1 u1 + λ2 + u2 + · · · + λm um = 0
com λj não todos nulos, portanto, o conjunto A é (L.D). 2
Corolário 8.16. Seja V um espaço vetorial finitamente gerado não nulo. Então duas
bases quaisquer de V têm o mesmo número de elementos.
Demonstração: Sejam B e B 0 duas bases de V , então B e B 0 são finitos, pois são

(L.I). Do fato, que V possui um conjunto gerador finito. Digamos que possuem n e n0
elementos respectivamente.
Como B é um conjunto gerador de V e B 0 é um conjunto (L.I) então da

proposição 8.15 vem n0 ≤ n.
Por outro lado, B 0 é um conjunto gerador de V e B é um conjunto (L.I) então

da proposição 8.15 vem n ≤ n0 . Das desigualdades concluı́mos que n0 = n. 2
Definição 8.17. Seja V um espaço vetorial. Se V admite uma base finita, então
chamaremos de dimensão de V o número de elementos de tal base. Caso contrário
dizemos que a dimensão de V é infinita. Denotamos por dimK V não havendo confusão,
simplesmente por dimV .
Vimos que todo espaço finitamente gerado possui uma base, ainda toda base
em V deve possuir o mesmo número de elementes, esse número de elementos de uma
base é a dimensão do espaço.
Exemplo 140. Seja V = {0}. Então a dimensão de V é zero.

Resolução: De fato, B = ∅ por definição é (L.I) e gera V . Como a quantidade de
elementos em B é zero, nos resta que dimV = 0
Nos exemplos a seguir estaremos considerando V espaços vetorial sobre R.
175
Exemplo 141. Seja V = R. Então a dimensão de V é 1.
Resolução: De fato, B = {1} é um conjunto (L.I) e gera V . Como a quantidade de
elementos em B é 1, temos dimV = 1
Exemplo 142. Seja V = Rn . Então a dimensão de V é n.

Resolução: De fato,
B = {(1, 0, 0, · · · , 0), (0, 1, 0, · · · , 0), (0, 0, 1, · · · , 0), · · · , (0, 0, 0, · · · , 1)}
é um conjunto (L.I) e gera V . Como a quantidade de elementos em B é n, temos

dimV = n
Exemplo 143. Seja V = Pn (R). Então a dimensão de V é n + 1.

Resolução: De fato, B = {1, x, x2 , · · · , xn−1 , xn } é um conjunto (L.I) e gera V . Como
a quantidade de elementos em B é n + 1, temos dimV = n + 1
Exemplo 144. Seja V = Mm×n (R). Então a dimensão de V é n.m.

Resolução: De fato, seja B formado com matrizes dada por 1 o elemento da entrada
kl da matriz e zero para as demais, como a matriz possui m.n entradas, todas essas
matrizes formam B e assim B é um conjunto (L.I) e gera V . Como a quantidade de
elementos em B é m.n, temos dimV = m.n
Ainda,
dimC Cn = n, dimR Cn = 2n
dimC Mm×n (C) = m.n e dimR Mm×n (C) = 2m.n.
Exiba o conjunto B da base desses espaços vetoriais.
Corolário 8.18. Seja V um espaço vetorial de dimensão n ≥ 1 e seja B um subconjunto

de V com n elementos. Então as seguintes afirmações são equivalentes.
i) B é uma base ii) B é (L.I) iii) B é um conjunto gerador.
Demonstração: Evidentemente i)⇒ii) e i)⇒iii).
176
Vamos mostrar que ii)⇒iii). Suponha que B não gera V , então existe um
vetor v ∈ V tal que v não é escrito como combinação linear dos elementos de B. Então
B ∪ {v} é um conjunto (L.I), se tal conjunto gerar V então dimV = n + 1, o que seria
um absurdo, pois a dimV = n.
Agora mostremos que iii)⇒i). Para mostrar que B é base devemos mostrar
que gera e é (L.I). Basta mostrar então que é (L.I).
Suponha que B não seja (L.I), e suponha que vi ∈ B é um vetor escrito como
combinação linear dos demais vetores de B. Se, B \ {vi } for um conjunto (L.I) então
[B \ {vi }] = [B] = V e, neste caso a dimensão de V é n − 1, o que é um absurdo. 2
Exemplo 145. Seja V ⊂ M3×3 (R) um espaço vetorial sobre R, tal que dimV = 3.
Mostre que o conjunto
     
 0 1 0 0 0 0 1 0 1 
B =  0 1 0 ,  0 0 0 ,  1 0 1 
0 0 0 1 0 1 0 1 0
 
gera V .
Resolução: De fato, basta mostrar que B é (L.I), posto que B possui 3 elementos.
Então
       
0 0 0 0 1 0 0 0 0 1 0 1
0 =  0 0 0  = α 0 1 0 +β 0 0 0 +γ 1 0 1 
0 0 0 0 0 0 1 0 1 0 1 0
donde α = β = γ = 0 e, portanto, B é (L.I), sendo então um conjunto gerador de V .
Exemplo 146. Seja V = R4 um espaço vetorial sobre R. Mostre que o conjunto
B = {(1, 0, 0, 0), (1, 0, 0, 1)}
não é uma base para V .

Resolução: Como a dimensão de V é 4, uma base para V teria que ter 4 elementos,
embora B seja (L.I), não pode gerar V .
Nos exemplos anteriores, acrescente vetores em B de modo que B 0 gere o

espaço todo, ou seja, [B 0 ] = M3×3 (R) ou [B 0 ] = R4 .
177
No exemplo 145 temos
           

 0 1 0 0 0 0 1 0 1 0 0 0 0 1 0 



  0 1 0 , 0 0 0 , 1 0 1 , 1 0 0 , 0 0 0  


 
0 0 0 1 0 1 0 1 0 0 −1 0 0 0 0

 

 
B0 =        
0 0 1 1 0 1 0 0 0 0 0 0

 


 



  0 0 0 , 1 0 1 , 0 0 0 , 0 0 1 



 
0 −1 0 0 0 0 0 0 1 0 −1 0
 
No exemplo 146 temos
B 0 = {(1, 0, 0, 0), (1, 0, 0, 1), (0, 1, 0, 0), (0, 0, 1, 0)}
formam uma base para os espaços. (Verifique!)
Teorema 8.19. (Completamento) Qualquer conjunto (L.I) de vetores em um espaço

vetorial V de dimensão finita pode ser completado de modo a formar uma base de V .
Demonstração: Seja dimV = n, então existe S um conjunto gerador de V digamos

com m elementos. Seja B = {v1 , v2 , · · · , vr } um conjunto (L.I) então r ≤ m pela
proposição 8.15. Se [B] = V , então B forma uma base de V . ( Note que neste caso
r = n)
Por outro lado se B não gera V existe vr+1 ∈ V tal que vr+1 não é escrito
como combinação linear dos elementos de B, assim B ∪ {vr+1 } é um conjunto (L.I). Se
[B ∪ {vr+1 }] = V , acabou e, neste caso r + 1 = n. Caso contrário existe vr+2 ∈ V
tal que vr+2 não é escrito como combinação linear dos elementos de B ∪ {vr+1 }, assim
B ∪ {vr+1 , vr+2 } é um conjunto (L.I). Se [B ∪ {vr+1 , vr+2 }] = V , acabou e, neste caso
r + 2 = n.
Prosseguindo com este raciocı́nio construı́mos uma base para V ou um con-

junto (L.I) em V arbitrariamente grande, mas esta última afirmação não pode ocorrer
posto que todo conjunto (L.I) em V tem no máximo m elementos. 2
Vejamos agora qual a relação existente entre a dimensão de espaço vetorial e

subespaços vetoriais.
178
Teorema 8.20. Se U e W são subespaços de um espaço vetorial V que tem dimensão
finita, então dimU ≤ dimV e dimW ≤ dimV . Além disso vale
dim(U + W ) = dim(U ) + dim(W ) − dim(U ∩ W )
Demonstração: Suponhamos inicialmente que U ∩ W 6= ∅, seja B = {v1 , v2 , · · · , vn }

uma base para U ∩ W . Como U ∩ W é um subespaço vetorial tanto de U como de W ,
podemos estender B a bases de U como também a base de W .
Seja, B1 = {v1 , v2 , · · · , vn , u1 , u2 , · · · , ur } uma base para U e

B2 = {v1 , v2 , · · · , vn , w1 , w2 , · · · , ws } uma base para W .
Vamos mostrar que B3 = {v1 , v2 , · · · , vn , u1 , u2 , · · · , ur , w1 , w2 , · · · , ws } é

uma base para U + W .
De fato, B3 gera U + W , sendo v ∈ U + W então v = u + w onde u ∈ U e

w ∈ W . Usando as bases B1 e B2 temos que
n
X r
X n
X r
X
u= λi vi + αj uj e w= γi vi + βk wk
i=1 j=1 i=1 k=1
Então,
n r
! n s
!
X X X X
v =u+w = λi vi + αj uj + γi vi + βk w k
i=1 j=1 i=1 k=1
n
X r
X s
X
= (λi + γi )vi + αj uj + βk wk
i=1 j=1 k=1
Segue daı́ que B3 gera U + W . Para mostrar que é (L.I), façamos

n
X r
X s
X
λi v i + αj uj + βk wk = 0 (?)
i=1 j=1 k=1
assim,
s
X n
X r
X
βk wk = (−λi )vi + (−αj )uj
k=1 i=1 j=1
Note que o primeiro membro da equação acima é um elemento de W e o

s
X
segundo membro é um elemento de U , segue então que βk w k ∈ U ∩ W .
k=1
179
Então existem escalares γi com i = 1, 2, · · · , n tal que
s
X n
X s
X n
X
βk wk = γi vi , isto é βk w k + (−γi )vi = 0
k=1 i=1 k=1 i=1
Como B2 é (L.I) temos que βk = 0 para todo k = 1, · · · , s e γi = 0 para todo

i = 1, · · · , n, e a equação (?) fica
n
X r
X
λi vi + αj uj = 0
i=1 j=1
e do fato que B1 é (L.I) temos que λi = 0 para todo i = 1, 2, · · · , n e αj = 0 para todo

j = 1, 2, · · · , r, segue dai que B3 é um conjunto (L.I).
Portanto,
dim(U + W ) = n + r + s = (n + r) + (n + s) − n = dim(U ) + dim(W ) − dim(U ∩ W )
Se U ∩ W = {0} tome B 1 e B 2 bases de U e W respectivamente e, de maneira

análoga mostra-se que B 1 ∪ B 2 é uma base para U + W e o resultado segue. 2
Exemplo 147. Seja V = Mn×n (R) um espaço vetorial sobre R. Consideremos U e

W os subespaços de V tal que U consiste das matrizes simétricas e W anti-simétricas.
Determine a dimensão de U e W .
Resolução: Consideremos uma matriz simétrca. Então
 
a11 a12 a13 · · · a1n
 a12 a22 a23 · · · a2n 
 
A =  a13 a23 a33 · · · a3n
 

 .. .. .. . . .
. ..

 . . . 
a1n a2n a3n · · · ann
Para gerar a primeira linha de A são necessárias matrizes com o número 1

na entrada 1i com i = 1, 2, · · · , n e zero para as demais entradas. Para gerar a segunda
linha são necessárias matrizes com o número 1 na entrada 2i com i = 2, · · · , n. E assim
n(n + 1)
sucessivamente, contando todas essas matrizes obtemos que dimU = . Ainda
2
U ∩ W = {0} e U + W = V , portanto,
n(n + 1) n(n − 1)
dim(W ) = dim(U + W ) − dim(U ) + dim(U ∩ W ) = n2 − =
2 2
180
Exemplo 148. Sejam U e W subespaços de um espaço vetorial V de dimenão n.
n n
Suponha que dimU > e dimW > então U ∩ W 6= {0}.
2 2
Resolução: Suponha que U ∩ W = {0}, então dim(U ∩ W ) = 0. Assim,
n n
dim(U + W ) = dim(W ) + dim(U ) − dim(U ∩ W ) > + −0=n
2 2
Mas U + W é um subespaço de V , donde dim(U + W ) ≤ dim V = n. Supor

U ∩ W = {0} gera um absurdo, portanto, U ∩ W 6= {0}.
8.4 Coordenadas
Nesta seção consideramos B uma base ordenada, isto quer dizer que fixamos
em B quem é o primeiro vetor, o segundo vetor e assim sucessivamente.
Seja V um espaço vetorial de dimensão finita e B = {v1 , v2 , · · · , vn } uma

base ordenada de V , então todo vetor v ∈ V se escreve de modo único como uma
combinação linear dos elementos de B (B é (L.I)), ou seja,
v = α1 v1 + α2 v2 + α3 v3 + · · · + αn vn .
Definição 8.21. Os escalares α1 , α2 , α3 , · · · , αn que figuram na igualdade
v = α1 v1 + α2 v2 + α3 v3 + · · · + αn vn .
conforme a base ordenada B são chamados coordenadas do vetor v em relação a base B.
Note que
 
α1
 α2 
v = α1 v1 + α2 v2 + · · · + αn vn = v1 v2 · · · vn   .
 
..
 . 
αn B
Então em relação a base B, associamos uma matriz às coordenadas de v, ou

seja,    
α1 α1
 α2   α2 
[v]B =  ou, simplesmente [v] = 
   
..  .. 
 .   . 
αn B
αn
181
quando não houver confusão da base. A matriz é denominada matriz de coordenadas.
Note que o fato da base ser ordenada figura no sentido de sabermos que é
α1 , α 2 , α 3 , · · · , α n .
Exemplo 149. Seja V = P3 (R) um espaço vetorial sobre R e B = {1, 1 + t, t2 , 1 + t3 }

uma base ordenada para V . Determine as coordenadas de f (t) = 3 + 2t + t2 − 4t3 .
Resolução: Devemos encontrar α1 , α2 , α3 e α4 tais que
f (t) = 3 + 2t + t2 − 4t3 = α1 .1 + α2 (1 + t) + α3 .t2 + α4 (1 + t3 )
= (α1 + α2 + α4 ) + α2 .t + α3 .t2 + α4 .t3
Da igualdade de polinômios

α1 + α2 + α4 = 3 

α2 = 2

=⇒ α1 + 2 − 4 = 3 =⇒ α1 = 5
α3 = 1 

α4 = −4

 
5
 2 
Logo, 
 1  são as coordenadas de f (t) em relação a base ordenada B.

−4 B
Exemplo 150. Seja V = M2×2 (R) um espaço vetorial sobre R e

1 0 0 1 1 1 0 0
B= , , ,
0 1 1 0 0 0 1 1

3 6
determine as coordenadas de A = em relação a base B.
−2 1
Resolução: Sejam a0 , a1 , a2 e a3 as coordenadas a determinar, então

3 6 1 0 0 1 1 1 0 0 a0 + a2 a1 + a2
= a0 +a1 +a2 +a3 =
−2 1 0 1 1 0 0 0 1 1 a1 + a3 a0
da igualdade de matrizes

a0 + a2 = 3 
 a2 = 2
a1 + a2 = 6

=⇒ a1 = 4
a1 + a3 = −2 
a3 = −6

a0 = 1

 
1
 2 
Logo, 
 4  são as coordenadas de A em relação a base ordenada B.

−6 B
182
Sempre que dizermos B uma base para V fica subentendido que B é ordenada.
Seja V um espaço vetorial de dimensão finita n e consideremos duas bases

B = {u1 , u2 , · · · , un } e C = {v1 , v2 , · · · , vn }. Então existe uma única famı́lia de
escalares αij de modo que
v1 = α11 u1 + α21 u2 + α31 u3 + · · · + αn1 un
v2 = α12 u1 + α22 u2 + α32 u3 + · · · + αn2 un
.. .. .. ..
. . . .
vn = α1n u1 + α2n u2 + α3n u3 + · · · + αnn un
n
X
ou simplesmente, vj = αij ui com j = 1, 2, 3, · · · , n
i=1
Considere w ∈ V então existem escalares, de modo que w seja escrito como

combinação das bases de V , ou seja,
w = x1 v1 + x2 v2 + x3 v3 + · · · + xn vn
w = y1 u1 + y2 u2 + y3 u3 + · · · + yn un (?)
Logo,
n
X n
X n
X n
X
w = x1 αi1 ui + x2 αi2 ui + x3 αi3 ui + · · · + xn αin ui
i=1 i=1 i=1 i=1
n
! n
! n
!
X X X
= xi α1i u1 + xi α2i u2 + · · · + xi αni un (??)
i=1 i=1 i=1
Da unicidade de representação para w na base B de (?) e (??) devemos ter,

 n 
X
 xi α1i 
   i=1    
y1  n
 X

 α11 α12 · · · α1n x1
 y2   x α 
i 2i   α21
 α22 · · · α2n  x2 
 ..  =  i=1  =  ..
    
.. .. ..  .. 
 .   ..   . . . .  . 
yn B  n

 . 
 αn1 αn2 · · · αnn xn
 C
 X
xi αni

i=1 B
Definição 8.22. A matriz quadrada de orden n

 
α11 α12 · · · α1n
 α21 α22 · · · α2n 
 
 .. .. ... .. 
 . . . 
αn1 αn2 · · · αnn
183
que denotaremos por [P ]C
B chama-se matriz de mudança da base C para a base B. As
coordenadas de um vetor em relação a base C para a base B é.
[v]B = [P ]C
B .[v]C
Exemplo 151. Seja V = R3 um espaço vetorial sobre R. Considere as bases
B = {(1, 2, 1), (−1, 0, 1), (0, −1, 0)} e C = {(−1, 0, −1), (0, 1, 1), (1, 1, 0)}.
Determine a matriz de mudança de bases, [P ]C B

B e [Q]C .
Resolução: Primeiramente, [P ]C
B,
(−1, 0, −1) = α1 .(1, 2, 1)+β1 .(−1, 0, 1)+γ1 .(0, −1, 0) = (α1 −β1 , 2α1 −γ1 , α1 +β1 )
(0, 1, 1) = α2 .(1, 2, 1) + β2 .(−1, 0, 1) + γ2 .(0, −1, 0) = (α2 − β2 , 2α2 − γ2 , α2 + β2 )
(1, 1, 0) = α3 .(1, 2, 1) + β3 .(−1, 0, 1) + γ3 .(0, −1, 0) = (α3 − β3 , 2α3 − γ3 , α3 + β3 )
Então
α1 − β1 = −1 α2 − β2 = 0 α3 − β3 = 1
2α1 − γ1 = 0 2α2 − γ2 = 1 e 2α3 − γ3 = 1
α1 + β1 = −1, α2 + β2 = 1 α3 + β3 = 0
Resolvendo os três sistemas, temos
α1 = −1 α2 = 21 α3 = 1
2
β1 = 0 β2 = 12 e β3 = − 12
γ1 = −2, γ2 = 0 γ3 = 0
1 1
 
−1 2 2
 
 1

Logo, [P ]C
B =
 0 2
− 12 

 
−2 0 0
Agora, [Q]B
C,
(1, 2, 1) = α1 .(−1, 0, −1) + β1 .(0, 1, 1) + γ1 .(1, 1, 0) = (γ1 − α1 , β1 + γ1 , β1 − α1 )
(−1, 0, 1) = α2 .(−1, 0, −1) + β2 .(0, 1, 1) + γ2 .(1, 1, 0) = (γ2 − α2 , β2 + γ2 , β2 − α2 )
184
(0, −1, 0) = α3 .(−1, 0, −1) + β3 .(0, 1, 1) + γ3 .(1, 1, 0) = (γ3 − α3 , β3 + γ3 , β3 − α3 )
Então
γ1 − α1 = 1 γ2 − α2 = −1 γ3 − α3 = 0
β1 + γ1 = 2 β2 + γ2 = 0 e β3 + γ3 = −1
β1 − α1 = 1, β2 − α2 = 1 β3 − α3 = 0
Resolvendo os três sistemas, temos

α1 = 0 α2 = 0 α3 = − 21
β1 = 1 β2 = 1 e β3 = − 12
γ1 = 1, γ2 = −1 γ3 = − 12
0 − 21
 
0
 
 
1 
Logo, [Q]B
C = 1
 1 −2 
 
1
1 −1 − 2
Considere o vetor,
v = (3, 8, 2) = 3.(−1, 0, −1) + 2.(0, 1, 1) + 6.(1, 1, 0)
Para encontrar as coordenadas de v na base B. Basta fazer

−1 12 1
 
  2    
x 


 3 1
 y  =  0 1 −1  .  2  =  −2 
 2 2 
z B   6 C −6 B
−2 0 0
Logo,
v = (3, 8, 2) = 1.(1, 2, 1) − 2.(−1, 0, 1) − 6.(0, −1, 0)
Note ainda que [Q]B C C B

C .[P ]B = In e [P ]B .[Q]C = In , este fato ocorre em geral
para matrizes de mudança de bases, ou seja, toda matriz de mudança de base é inversı́vel.
De fato, sejam B e C duas bases de um espaço vetorial V , [Q]B C

C e [P ]B as
matrizes de mudança de base B para C e de C para B respectivamente, então para todo

vetor v ∈ V temos
[v]C = [Q]B
C .[v]B e [v]B = [P ]C
B .[v]C
185
Logo, [v]B = [P ]C B C B
B .[Q]C .[v]B , então [P ]B .[Q]C .[v]B − [v]B = 0 se, e somente se,
([P ]C B C B C B
B .[Q]C − In )[v]B = 0 se, e somente se, [P ]B .[Q]C − In = 0, ou seja, [P ]B .[Q]C = In .
Se P = [P ]C B
B é a matriz de mudança de base C para B e Q = [Q]C é a matriz
de mudança de base B para C, então P é inversı́vel e, P −1 = ([P ]C

B)
−1
= Q = [Q]B
C.
Exemplo 152. Seja P3 (R) um espaço vetorial sobre R, e considere a base
B = {1 + t, 1 − t, 1 − t2 , 1 − t3 }
determine as coordenadas de f (t) = 2 + 2t + t2 − t3 .

2 3
 queas coordenadas de f (t) em relação a base canônica C = {1, t, t , t }
Resolução: Note
2
 2 
são [f (t)]C = 
 1 

−1
Ainda,
1 1
1 = .(1 + t) + .(1 − t) + 0.(1 − t2 ) + 0.(1 − t3 )
2 2
1 1
t = .(1 + t) − .(1 − t) + 0.(1 − t2 ) + 0.(1 − t3 )
2 2
1 1
t2 = .(1 + t) + .(1 − t) − 1.(1 − t2 ) + 0.(1 − t3 )
2 2
1 1
t3 = .(1 + t) + .(1 − t) + 0.(1 − t2 ) − 1.(1 − t3 )
2 2
Logo,
1 1 1 1
 
2 2 2 2
       
x  1 1 1 1
 2 2
 2 −2
 
 y  2 2   2   0 
 z  =
   .  = 
  1   −1 
 0 0 −1 0 
w B 

 −1 C 1 B
0 0 0 −1
Donde, f (t) = 2 + 2t + t2 − t3 = 2.(1 + t) + 0.(1 − t) − 1.(1 − t2 ) + 1.(1 − t3 )

na base B.
186
A vantagem em determinar uma matriz de mudança de base figura no sentido
de que não é mais necessário para cada vetor v ∈ V de um espaço vetorial resolver um
sistema linear, para determinar as coordenadas do vetor em relação a base dada. É
relativamente fácil calcular as coordenadas de um vetor na base canônica de um espaço
vetorial V .
Suponha f (t) = 6 − 8t + t3 calcule as coordenadas de f (t) em relação a base

B do exemplo 152.
8.5 Processo Prático Para Determinação de Base
Vamos determinar um processo prático para o completamento de base e

verificação de conjunto (L.I). Seja B = {v1 , v2 , · · · , vn } uma base de um espaço
vetorial V de dimensão n ≥ 1 e seja C = {u1 , u2 , · · · , ur } um conjunto de vetores em
V não necessariamente (L.I). Então cada vetor de C pode ser expresso em termos de
suas coordenadas em relação a base B, isto é, para cada i = 1, 2, · · · , r,
n
X
ui = αij vj ou ui = (αi1 , αi2 , αi3 , · · · , αin )B .
j=1
Consideremos a matriz A ∈ Mr×n (K), cujas linhas são formadas pelas coor-
0
denadas dos usi , isto é  
α11 α12 · · · α1n
 α21 α22 · · · α2n 
A=
 
.. .. ... .. 
 . . . 
αr1 αr2 · · · αrn
Após um número finito de operações elementares em A podemos determinar

uma matriz  
β11 β12 · · · β1n
 β21 β22 · · · β2n 
R=
 
.. .. . . .. 
 . . . . 
βr1 βr2 · · · βrn
na forma escada linha reduzida equivalente de A. Assim cada vetor
wi = (βi1 , βi2 , βi3 , · · · , βin )
187
são combinações lineares dos vetores {u1 , u2 , · · · , ur }.
Verifique que os espaços gerados por {u1 , u2 , · · · , ur } e {w1 , w2 , · · · , wr }

são os mesmos.
Note que no processo para obter a matriz R na forma escada algumas das
linhas e/ou vetores wi podem ser nulos. Vamos supor, reordenando se necessários,
que w1 , w2 , · · · , wl (l ≤ r) são não nulos. Então cada um desses vetores tem uma
posição onde aparece o valor 1 e todos os outros tem o valor 0 (zero) nessa posição. Mais
precissamente, existem 1 ≤ i1 < i2 < i3 < · · · < il ≤ n (os pivôs) tais que para cada j,
βij j 6= 0 e βsj = 0 se s > ij . Não é difı́cil ver que o conjunto {w1 , w2 , · · · , wl } é (L.I) e
forma uma base para o subespaço gerado por [C] = [u1 , u2 , · · · , ur ].
Supondo que C = {u1 , u2 , · · · , ur } seja um conjunto (L.I) e que r < n.

Assim, a matriz R terá r linhas não nulas (com k pivôs). Seja agora R ∈ Mn (R), onde
as primeiras r linhas são as linhas de R e as (n − r) linhas restantes são definidas da
seguinte forma. Para cada coluna j dentre as n − r linhas restantes, coloque o valor 1
na coluna j e 0 na demais colunas, de modo que a linha Ln−r,j tem o valor 1 como pivô.
Desta maneira R será uma matriz quadrada de orden n × n sem linhas nu-
las. Portanto, os vetores cujas coordenadas (dadas em relação a base B) são as dadas
pelas linhas de R formarão um conjunto (L.I) de V e, ainda, uma base para V . Se
j1 , j2 , · · · , jn−r indicarem as (n − r) linhas da matriz R agregadas na matriz R, então
a base de V que querı́amos será, {u1 , u2 , · · · , ur , vj1 , vj2 , · · · , vjn−r }
Vamos agora fazer um exemplo exemplificando o que foi dito anteriormente,

nosso primeiro exemplo será feito detalhadamente, de modo que o que foi dito fique claro.
Exemplo 153. Considere o conjunto
C = {p1 (x), p2 (x), p3 (x), p4 (x)}.
Verifique se C forma uma base para P3 (R), o espaço dos polinômios de grau 3 sobre
R. Em caso negativo, determine uma base para P3 (R) contendo os vetores (L.I) de C.
Onde,
188
p1 (x) = 3x3 − x2 + 2x + 1, p2 (x) = 6x3 + x2 + 4x + 2,
p3 (x) = 3x3 + 2x2 + 2x + 1 e p4 (x) = −3x3 − 5x2 − 2x − 1.
Resolução: A base canônica para P3 (R) é dada por B = {1, x, x2 , x3 }. Assim,
    
p1 (x) 1 2 −1 3 1
 p2 (x)   2 4 1 6   x 
 =  
 p3 (x)   1 2 2 3  x2 
p4 (x) −1 −2 −5 −3 x3
 
1 2 −1 3
 2 4 1 6 
Onde, A = 
 1

2 2 3 
−1 −2 −5 −3
Vamos determinar a matriz R.
    
p1 (x) 1 2 −1 3 1
 p2 (x) − 2p1 (x)   0 0 3 0  x
  
 p3 (x) − p1 (x)  = 
   
0 0 3 0   x2 
p4 (x) + p1 (x) 0 0 −6 0 x3
    
p1 (x) 1 2 −1 3 1
 p 2 (x) − 2p 1 (x)   0 0 3 0   x 
 p3 (x) − p2 (x) + p1 (x)  =  0 0
    
0 0   x2 
p4 (x) + 2p2 (x) − 3p1 (x) 0 0 0 0 x3
 
1 2 −1 3
 0 0 3 0 
Então R = 
 0
.
0 0 0 
0 0 0 0
Como as duas últimas linhas de R são nulas, indicam que p3 (x) e p4 (x) são
combinações lineares de p1 (x) e p2 (x). Note que
p3 (x) = p2 (x) − p1 (x) e p4 (x) = 3p1 (x) − 2p2 (x).
Segue que o conjunto C é (L.D), por outro lado o conjunto C 0 = {p1 (x), p2 (x)}
é (L.I). Note ainda que em R a coluna 2 e a coluna 4 não tem pivô, assim
 
1 2 −1 3
 0 0 3 0 
R=  0 1

0 0 
0 0 0 1
189
donde,     
p1 (x) 1 2 −1 3 1
 p2 (x) − 2p1 (x)   0 0 3 0  x
  
 = 
 p03 (x)   0 1 0 0   x2 
0
p4 (x) 0 0 0 1 x3
onde, p03 (x) = x e p04 (x) = x3 .
Logo, o conjunto {p1 (x), p2 (x), x, x3 } forma uma base para P3 (R) contendo
os vetores (L.I) de C.
Exemplo 154. Considere o conjunto

1 2 −1 2 0 1 2 −6
C= , , ,
4 3 −3 2 −1 1 3 −7
verifique se C é (L.I). Determine o espaço gerado por C, como espaço sobre R.
Resolução: A base canônica para M2 (R) é

1 0 0 1 0 0 0 0
B= , , ,
0 0 0 0 1 0 0 1
Assim, para cada um dos vetores em C temos que suas coordenadas em relação
a B formam a matriz  
1 2 4 3
 −1 2 −3 2 
A= 
 0 1 −1 1 
2 −6 3 −7
Efetuando as operações elementares sobre A obtemos
 
1 2 4 3
 0 1 −1 1 
A∼  0 0
=R
5 1 
0 0 0 0
Como a quarta linha de R é nula, isso diz que o quarto vetor em C é com-
binação linear dos demais. Segue dai que C é um conjunto (L.D), contudo os três
primeiros vetores formam um conjunto (L.I) e,assim o gerado por C é o gerado por
esses vetores, ou seja,

1 2 −1 2 0 1 α−β 2α + 2β + γ
[C] = α +β +γ =
4 3 −3 2 −1 1 4α − 3β − γ 3α + 2β + γ
onde, α, β, γ são números reais. Note que o espaço gerado por C não pode ter as três
primeiras entradas nulas com a quarta entrada não nula e, reciprocamente.
190
Exemplo 155. Verifique se o conjunto
C = {(1, −2, 1, 3, −1), (−2, 1, 0, −1, 1), (3, 1, −1, 1, 0)}
é um conjunto (L.I) do R5 , como espaço vetorial sobre R.

Resolução: A base canônica do R5 é
B = {(1, 0, 0, 0, 0), (0, 1, 0, 0, 0), (0, 0, 1, 0, 0), (0, 0, 0, 1, 0), (0, 0, 0, 0, 1)}
Logo, as coordenadas dos vetores em C em relação a base B forma a matriz

 
1 −2 1 3 −1
A =  −2 1 0 −1 1 
3 1 −1 1 0
Que por um número finito de operações elementares é equivalente à
1 −2 −1
 
1 3
 0 −3 2 5 −1 
R=
 

22 49 14
 
0 0 − − −
3 3 3
Logo, os três vetores são (L.I), podemos ainda completar C a uma base do
R5 , agregando à C os vetores (0, 0, 0, 1, 0), (0, 0, 0, 0, 1)}.
191
Exercı́cios
v) W = {f ∈ F(R; R) | f (0) = f (1)} em

Exercı́cio 63. Dados os vetores u = (2, 1, −1), F(R; R) = (
V
v = (3, 1, 0) e w = (0, −1, 2). Ache α, β e γ n
X
)
números reais tais que vi) W = A ∈ Mn×n (R) | tr(A) = aii = 0
i=1
α.u + β.b + γ.w = (1, 1, 1). em Mn×n (R) = V . Onde tr(A) é traço de A, soma
dos elementos da diagonal principal da matriz A.
Exercı́cio 64. Em R2 , mantemos a definição do
produto α.v de um escalar por um vetor, mas mo- Exercı́cio 67. Seja V = F(R; R). Para X ⊂ R
dificamos a definição de soma de três formas dis- qualquer definamos
tintas, ou seja, u = (x1 , y1 ) e v = (x2 , y2 ) a soma
u + v é dada por: N (X) = {ϕ ∈ V | ϕ(x) = 0 ∀x ∈ X}.
i) u + v = (x1 + y2 , x2 + y1 )
ii) u + v = (x1 .x2 , y1 .y2 ) Mostre que:
iii) u + v = (2x1 + 2x2 , 3x1 + 3x2 ). i) Para todo X ⊂ R, N (X) é um subespaço de V .
Em cada uma das três tentativas, dizer quais axi- ii) X ⊂ Y então N (Y ) ⊂ N (X).
omas de espaço vetorial continuam válidos e quais iii) N (X ∪ Y ) = N (X) ∩ N (Y )
são violados. iv) N (X ∩ Y ) = N (X) + N (Y )
v) N (X) = {0} se, e somente se X = R
Exercı́cio 65. A média u ∗ v entre dois vetores u, vi) N (X)⊕N (Y ) = V se, e somente se Y = R\X.
v em um espaço vetorial V é dado por
Exercı́cio 68. Sejam U e W subespaços vetoriais
1 1 de V . Mostre que U ∪ W é um subespaço vetorial
u ∗ v = .u + .v.
2 2 de V se, e somente se U ⊂ W ou W ⊂ U .
Mostre que (u∗v)∗w = u∗(v∗w) se, e somente Exercı́cio 69. Sejam U e W espaços vetoriais.
se, u = w. Uma função f : U → W chama-se par quando
f (−u) = f (u) e ı́mpar quando f (−u) = −f (u)
Exercı́cio 66. Seja V um espaço vetorial real.
para todo u ∈ U .
Determine se o subconjunto abaixo é subespaço
i) O conjunto P das funções pares e o conjunto
vetorial de
V.
a b
I das funções ı́mpares são subespaço vetorial de
i) W = com a, b, c, d ∈ R e d = b F(U ; W ).
c d
em M2 (R) = V ii) Mostre que F(U ; W ) = P ⊕ I.

a b
ii) W = com a, b, c, d ∈ R e c = d − 1 Exercı́cio 70. Mostre que os seguintes subconjun-
c d
tos são subespaço do espaço V sobre R.
em M2 (R) = V
Z 1 i) W = {(x, y, z, t) ∈ R4 | x + y = 0 e z + t = 0}
iii) W = f ∈ C(R, R) | [f (x)]2 dx = 0 em em R4
0 ii) W = {(x, y, z, t) ∈ R4 | 2x−y+z = 0 e t = 0}
C(R, R) = V em R4
iv) W = {(a1 , a2 , · · · , an ) ∈ Rn | a1 .an = 0} em iii) W = {(x, y, z) ∈ R3 | 2x − y + z = 0} em R3
V = Rn iv) W = {(a + bi, c + di) ∈ C2 | a + c = 0 e b + d =
0} em C2
192
Exercı́cio 71. Dados os vetores u = (a, b) e v = Exercı́cio 75. Seja {u, v, w} um conjunto (L.I)
(c, d) no plano. Se ad − bc = 0, mostre que u e v de vetores em um espaço vetorial V . Mostre que
são (L.D). Se ad − bc 6= 0 eles são (L.I). i) A = {u + v − 3w, u + 3v − w, v + w} é (L.D)
Exercı́cio 72. Dê um exemplo com três subespa- ii) B = {u + v + w, u + v, w} é (L.I)

ços U , W e V em um mesmo espaço vetorial para
o qual valem as relações iii) C = {u − v + w, v − u + w, w + v} é
(L.I).
U ∩V =U ∩W e U +V =U +W
Exercı́cio 76. Suponha que {v1 , v2 , · · · , vn }
mas, não se tem V = W . seja um conjunto (L.I) de um espaço vetorial V .
Sejam α1 , α2 , · · · , αn escalares não nulos, mostre
Exercı́cio 73. Verifique se os conjuntos são
que {α1 .v1 , α2 .v2 , · · · , αn .vn } é também (L.I).
(L.I), como espaços vetoriais reais.
i) A = {(1, 0, 0), (0, 2, 1), (0, 0, 1), (2, 1, 2)} Exercı́cio 77. Sejam X1 , X2 , · · · , Xn , · · ·
em R3 subconjuntos (L.I) de um espaço vetorial V .
i) Se X1 ⊂
[X2 ⊂ · · · ⊂ Xn ⊂ Xn+1 ⊂ · · · mostre
ii) B = {1, x − 1, x2 + x − 1, x2 } em
que X = Xi é também (L.I).
P4 (R)
i∈N
x 2x
iii) C = {1, e , e } em C([0, 1], R) ii) Se cada Xn tem n elementos, mostre que
existe um conjunto linearmente independente
iv) D = {(1, 0, 1, 0), (0, 1, 1, 1), (−1, 0, 0, 1)} X ? = {x1 , x2 , x3 , · · · , xn , · · · } com xn ∈ Xn
em R4 para cada n ∈ N.
Exercı́cio 78. Se A = {v1 , v2 , · · · , vn } é um

v) E = {1, (x − a), (x − a)2 , · · · , (x − a)n−1 } em
conjunto (L.I) em um espaço vetorial V . Mostre
Pn (R) e a ∈ R
que o conjunto

1 0

0 1

1 0

0 1
i) B = {v1 , v2 − v1 , v3 − v1 , v4 − v1 , · · · , vn − v1 }
vi) F = 0 −1
,
1 0
,
1 −1
,
0 1
é (L.I)
em M2 (R)
ii) C = {v1 , v2 − v1 , v3 − v2 − v1 , v4 −
vii) G = {(1, 1, 1), (1, 2, 1), (3, 4, 3)} v3 − v2 − v1 , · · · , vn − vn−1 − · · · − v2 − v1 } é
em R3 (L.I)
viii) H = {ex . cos(x), ex sen(x), ex } em C([0, 2π)) Exercı́cio 79. Mostre que todo espaço vetorial
finitamente gerado sobre um corpo K é uma soma
1 0 1 0 1 −1 1 0 0
ix)F = 0 −1 0
,
1 0 1
,
0 1 0 direta de subespaços de dimensão 1.
em M2×3 (R)
Exercı́cio 80. Seja V = W1 ⊕ W2 ⊕ · · · ⊕ Wt
Exercı́cio 74. Verifique quais dos conjuntos e sejam Bi ⊂ Wi para cada i = 1, 2, · · · , t,
abaixo são (L.I), como espaço vetorial sobre C. considere B = B1 ∪ B2 ∪ · · · ∪ Bt .
i) A = {(i, 1, 0), (i + 1, 2, 1), (1, 0, i)} em C3 i) Mostre que se Bi for (L.I) para cada
i = 1, 2, · · · , t então B é também (L.I).
ii) B = {1 + i, x − 1, x2 + x − i, x2 + 2i} em P3 (C)
ii) Se Bi for uma base para Wi para cada
iii) C = {i, 1 − i + ex } em C([0, 1], C) i = 1, 2, · · · , t então B é uma base para V .
iv) D = {(i, 1, 0), (2 + i, 3i, 5 − i), (2, 2 + Exercı́cio 81. Sejam

2i, 3 − 6i)} em C3
a b
W1 = |a=deb=c
v) E = i+1 1
,
i −i
,
1 0 c d
0 1 1 0 i −1
em M2 (C)

a b
W2 = |a=ceb=d
c d
vi) F = {i + 1, i, 1 − 2i} em C
onde a, b, c, d ∈ R e W1 e W2 são subespaços rea-
193
is de M2 (R). bre R.
i) Determine W1 ∩ W2 e exiba uma base. a) Ache as matrizes de mudança de base
ii) Determine W1 + W2 e exiba uma base. É soma i) [P ]C
B ii) [P ]B
C iii) [P ]B
D iv) [P ]B
E
direta? b) Quais√as coordenadas do vetor u = (2, −3) e
v = (1, 2) em relação as base:
Exercı́cio 82. Seja i) B ii) C iii) D iv) E
c) As coordenadas de um vetor v em relação a base
W1 = {(x, y, z) ∈ R3 | x + 2z + y = 0}
2

D são dadas por [v]D = . Quais as
−1
um subespaço de R3 sobre R. Determine W2 tal
coordenadas de v em relação à base:
que R3 = W1 ⊕ W2 .
i) B ii) C iii) E
Exercı́cio 83. Sejam U e V espaços vetoriais so-
Exercı́cio 88. Determine as coordenadas de 1 −
bre R de dimensão m e n respectivamente. Con-
3i ∈ C em relação a seguinte base de C sobre R
sidere o espaço vetorial U × V cuja adição é dada
{1 − 2i, i + 1}.
por
Exercı́cio 89. Considere as bases
(u1 , v1 ) + (u2 , v2 ) = (u1 ⊕ u2 , v1 ] v2 )
B = {e1 , e2 , e3 } e C = {f1 , f2 , f3 }
e a multiplicação por escalar
de R3 sobre R, assim relacionadas
α.(u1 , v1 ) = (α u1 , α ⊗ v1 ).
f1 = e1 + e2 − e3
Suponha que {u1 , u2 , ··· , um } e f2 = 0e1 + 2e2 + 3e3
{v1 , v2 , · · · , vn } sejam bases de U e V , f3 = 2e1 − e2 − 2e3
respectivamente, mostre que
i) Determine a matriz de mudança de base de B
{(u1 , 0), · · · , (um , 0), (0, v1 ), · · · , (0, vn )} para C e de C para B.
ii) Se um vetor u de R3 apresenta as coordenadas
é uma base para U × V . Note que ⊕ e denota a
2, 1, 3 em relação a base C, quais as coordenadas
soma e o produto em U e ] e ⊗ denota a soma e
de u em relação a base B.
o produto em V , respectivamente.
Exercı́cio 90. Considere o seguinte subespaço ve-
Exercı́cio 84. Dar uma base e a dimensão do torial M3×3 (R) sobre R
subespaço W de R4 sobre R onde   
 a b c 
4 U =  d e f |a−b−h=0 e c+e+g−i=0 .
W = {(x, y, z, t) ∈ R | x−t = z e x−3z+y = 0} 
g h i
 
Exercı́cio 85. Seja W e U subespaços de R4 sobre

R de dimensão 3, que dimensão pode ter W + U se Determine uma base para U .
{(1, 2, 1, 0), ; (−1, 1, 0, 1), (1, 5, 2, 1)} é um
sistema de geradores para W ∩ U . Exercı́cio 91. Seja B = {u1 , · · · , un } uma base
do espaço vetorial V e seja C = {v1 , · · · , vn }
Exercı́cio 86. No espaço vetorial R3 sobre aR onde vi = un−i+1 para cada i = 1, 2, · · · , n.
consideramos U = {(x, y, y) ∈ R3 | x = 0} Mostre que C é uma base para V e calcular a ma-
e V = {(x, y, z) ∈ R3 | x − 2y = 0} e triz de mudança de base de B para C.
W = [(1, 0, 1), (0, 2, 0)]. Determine uma base e
a dimensão de cada um dos seguintes subespaços. Exercı́cio 92. Sejam
i) U ii) V iii) W iv) U ∩ W v) V + W B =

1 0

,

1 −1

,

0 0

,

0 0

0 1 0 0 1 1 1 0
vi) U + V + W vii) U ∩ V viii) V ∩ W ix) W + U

2 3

−5 1

0 1

1 2

C = , , , .
1 0 0 0 1 2 0 −1
Exercı́cio 87. Sejam
Determine a matriz de mudança
 de base
 de B para
B = {(1, 0), (0, 1)}, C = {(−1, 1), (1, 1)}, 2
√ √  1 
D = {( 2, 1), ( 2, −1)} e E = {(π, 1), (1, e)}. C e de C para B. Se [v]B = 
 3  qual é [v]C .

Bases ordenadas em R2 como espaço vetorial so- −1

194
Exercı́cio 93. Use o processo prático para verificar se os conjuntos são ou não (L.I). Quando possı́vel
complete o conjunto à uma base do espaço vetorial em questão e/ou determine uma base do espaço
contendo os vetores (L.I) do conjunto.
i) A = {(1, 2, −1), (0, 1, 2), (−1, 2, 3)} em R3 sobre R
ii) A = {(1, 0, −1), (1, 1, 2)} em R3 sobre R
iii) A = {(1, 0, −1), (−1, 1, 2), (−1, 0, 1), (−1, 1, 1)} em R3 sobre R
     
 1 2 2 1 0 0 3 −1 1 
iv) A =  −1 3 1  ,  1 −1 0  ,  2 −1 2  em M3 (R) sobre R
4 −1 −1 0 0 −1 0 2 1
 
v) A = {1 + 2i, 3 + 2i, i − 1, 2i − 3} em C sobre R e sobre C.

   
 i 2 1−i 1 0 0 
vi) A =  0 0 1  ,  0 i 0  em M3 (C) sobre R e sobre C
0 1 i 0 0 1
 
vii) A = {1 + x, x2 + x − 1, x2 − 3, x − x2 , x3 + x − 1} em P3 (R) sobre R
viii) A = {(1, 2, −1, 0), (1, 0, 1, 2), (−1, 0, 2, 3)} em R4 sobre R
ix) A = {(0, 1, 0, −1), (1, 1, −1, 0)} em R4 sobre R
x) A = {(−1, 1, 0, −1), (−1, 0, 1, 2), (0, −1, 0, 1), (1, 1, 0, 1)} em R4 sobre R

1 0 1 0 1 −1 1 0
xi) A = , , , em M2 (R) sobre R
−1 1 1 −1 0 −1 0 −1

i 0 1 1+i −1 −1
xii) A = , , em M2 (C) sobre R e sobre C
0 −1 1 −1 i −i
xiii) A = {1, x2 + x − 1, x3 − x, x − x4 , x − 1} em P4 (R) sobre R
xiv) A = {1 + i, x2 + x − 1 + 2i, x2 + x + i − 1, x − x2 , x3 + i} em P3 (C) sobre R e sobre C.
Considere a base canônica de C sobre R como C = {1, i}. Ou procure

estabelecer uma melhor base.
195
Capı́tulo 9
Transformações Lineares
Vamos estudar funções e/ou aplicações entre espaços vetoriais que levam em
considerações as operações dos espaços envolvidos, tais funções descrevem o tipo mais
simples de dependência entre as variáveis.
Dados dois espaços vetoriais U e V ambos não vazios uma aplicação de U

em V é uma “lei” que a cada elemento de U está associado a um único elemento de V ,
sendo T está lei denotamos por
T : U → V
u 7→ T (u).
Desta forma dizemos que U é o domı́nio de T e denotamos por DT = U , V é

o contra-domı́nio. O conjunto dos v ∈ V para o qual existe u ∈ U tal que T (u) = v é
denominado imagem de T , ou seja,
Im(T ) := {T (u) | u ∈ U }
Definição 9.1. Uma aplicação T : U → V se diz injetora se, e somente se para todo
u1 , u2 ∈ U tal que T (u1 ) = T (u2 ) implica em u1 = u2 ,
ou ainda, se e somente se para todo
u1 , u2 ∈ U tal que u1 6= u2 implica em T (u1 ) 6= T (u2 ) .
Os espaços vetoriais nos exemplos a seguir são espaços vetoriais reais, a menos
que se diga em contrário.
196
Exemplo 156. (Expansão ou contração) Seja T : R2 → R2 dada por T ((x, y)) = k(x, y)
onde k ∈ R∗ . Mostre que T é injetora.
Resolução: Sejam (x1 , y1 ) e (x2 , y2 ) dois vetores do R2 (no domı́nio de T ) tal que
T ((x1 , y1 )) = T ((x2 , y2 )), devemos mostrar que (x1 , y1 ) = (x2 , y2 ).
Com efeito, k(x1 , y1 ) = T ((x1 , y1 )) = T ((x2 , y2 )) = k(x2 , y2 ), ou seja,

(x1 , y1 ) = (x2 , y2 ).
Definição 9.2. Uma aplicação T : U → V se diz sobrejetora se, e somente se, para todo
elemento v ∈ V existe um elemento u ∈ U tal que T (u) = v, ou ainda, se, e somente se
Im(T ) = V .
Exemplo 157. (Reflexão na origem) Seja T : R2 → R2 dada por T ((x, y)) = (−x, −y).
Mostre que T é sobrejetora.
Resolução: Dado (x1 , y1 ) um vetor do R2 (no contra-domı́nio de T ) devemos mostrar
que existe (x, y) em R2 (no domı́nio de T ) tal que T ((x, y)) = (x1 , y1 ).
Com efeito, tome (x, y) = (−x1 , −y1 ) então
T (x, y) = T ((−x1 , −y1 )) = (−(−x1 ), −(−y1 )) = (x1 , y1 ).
Exemplo 158. Seja T : R2 → R3 dada por T ((x, y)) = (x, x − y, y). Mostre que T é
injetora, mas não é sobrejetora.
Resolução: Sejam (x1 , y1 ) e (x2 , y2 ) vetores do R2 tal que T ((x1 , y1 )) = T ((x2 , y2 )).
Então (x1 , x1 − y1 , y1 ) = T ((x1 , y1 )) = T ((x2 , y2 )) = (x2 , x2 − y2 , y2 ),

assim x1 = x2 e y1 = y2 e, portanto, (x1 , y1 ) = (x2 , y2 ).
Para mostrar que T não é sobrejetora, basta mostrar que existe um vetor em
R3 que não é imagem de nenhum vetor de R2 .
De fato, seja k 6= 1 e v = (3, k, 2) ∈ R3 , então v não é imagem de T , pois se

fosse deverı́amos ter x = 3, y = 2 e, ainda x − y = k, mas isso não pode ocorrer posto
que x − y = 3 − 2 = 1 6= k e, portanto T não é sobrejetora.
Exemplo 159. Seja T : R3 → R2 dada por T ((x, y, z)) = (x + y, y + z). Mostre que
T é sobrejetora e que T não é injetora.
197
Resolução: Para mostrar que T é sobrejetora, devemos mostrar que para todo (a, b) ∈
R2 existe (x, y, z) ∈ R3 tal que T ((x, y, z)) = (a, b).
De fato, tome (x, a − x, b − a + x) ∈ R3 , para qualquer x real, então
T ((x, a − x, b − a + x)) = (x + (a − x), (a − x) + (b − a + x)) = (a, b).
Tome dois valores distintos de x no vetor (x, a − x, b − a + x) ∈ R3 com

(a, b) ∈ R2 , disso segue a não injetividade de T .
Definição 9.3. Uma aplicação T : U → V se diz bijetora se, e somente se T é injetora

e sobrejetora.
Os exemplos 156 e 157 são bijeções. (Conclua o que falta)
Exemplo 160. (Reflexão em torno do eixo y) Seja T : R2 → R2 dada por
T ((x, y)) = (−x, y).
Mostre que T é uma bijeção.

Resolução: Exercı́cio.
Em todos os exemplos anteriores temos ainda a seguinte caracteristica para

cada uma das aplicações T
T (u + v) = T (u) + T (v) e T (α.u) = α.T (u)
para todo u, v ∈ U e α ∈ R. Quando isso é verificado definimos.
Definição 9.4. Sejam U e V espaços vetoriais sobre um corpo K. Uma aplicação T :

U → V é uma transformação linear se
T (u1 + u2 ) = T (u1 ) + T (u2 ) para todos u1 , u2 ∈ U e
T (α.u) = α.T (u) para todo u ∈ U e α ∈ K.
198
Exemplo 161. Verifique que são transformações lineares as aplicações dos exemplos
156 - 160.
Resolução: Vamos mostrar o exemplo 158, os demais ficam a cargo do leitor.
Sejam u1 = (x1 , y1 ) e u2 = (x2 , y2 ) vetores do R2 e α um escalar real. Então
T (u1 + u2 ) = T ((x1 , y1 ) + (x2 , y2 )) = T ((x1 + x2 , y1 + y2 ))
= (x1 + x2 , x1 + x2 − (y1 + y2 ), y1 + y2 )
= (x1 + x2 , x1 − y1 + x2 − y2 , y1 + y2 )
= (x1 , x1 − y1 , y1 ) + (x2 , x2 − y2 , y2 ) = T (u1 ) + T (u2 )

e
T (α.u1 ) = T (α.(x1 , y1 )) = T ((α.x1 , α.y1 ))
= (α.x1 , α.x1 − α.y1 , α.y1 ) = α.(x1 , x1 − y1 , y1 ) = α.T (u1 )
Exemplo 162. Seja C([a, b], R) o conjunto das funções contı́nuas f : [a, b] → R.
Defina
T : C([a, b], R) → R
Z b
f 7→ T (f (x)) = f (x)dx.
a
Mostre que T é sobrejetiva, não é injetiva e ainda, que T é uma transformação

linear.
Resolução : Vamos mostrar que T é uma transformação linear.
De fato, sejam f e g duas funções em C([a, b], R) e α ∈ R. Então α.f (x) +

g(x) é uma função contı́nua e, ainda
Z b Z b Z b
T ((α.f (x) + g(x))) = (α.f (x) + g(x))dx = (α.f (x))dx + g(x)dx
a a a
Z b Z b
= α. f (x)dx + g(x)dx = α.T (f (x)) + T (g(x))
a a
segue daı́ a linearidade de T .
T é sobrejetiva, para isso devemos mostrar que dado k ∈ R existe uma função
f em C([a, b], R) tal que T (f (x)) = k.
199
k
De fato, tome f (x) = , assim
b−a
Z b Z b b
k k
T (f (x)) = f (x)dx = dx = x = k.
a a b−a b−a
a
T não é injetiva, consideramos o caso em que a2 6= b2 e, definamos para β 6= 0

α.b2 + 2β.b α.a2 + 2β.a
f (x) = α.x + β e g(x) = x + .
b 2 − a2 2(a − b)
Então,
b b 2
#b
b2 a2
Z Z
x
T (f (x)) = f (x)dx = (α.x + β)dx = α. + β.x = α. + β.b − α. − β.a
a a 2 2 2
a
e
b Z b
α.b2 + 2β.b α.a2 + 2β.a
Z
T (g(x)) = f (x)dx = x + dx
a a b 2 − a2 2(a − b)
#b
α.b2 + 2β.b 2 α.a2 + 2β.a b2 a2

= x + x = α. + β.b − α. − β.a
2(b2 − a2 ) 2(a − b) 2 2
a
Pense no caso em que a2 = b2 .
Em ambos os caso teremos f (x) 6= g(x) implicando em T (f (x)) = T (g(x)),

ou seja, T não é injetiva.
Exercı́cio 94. Seja D(R, R) o espaço vetorial das funções diferenciáveis sobre R. De-
finamos
T : D(R, R) → F(R, R)
f 7 → T (f (x)) = f 0 (x)
Mostre que T não é sobrejetiva, não é injetiva e ainda, que T é uma trans-
formação linear.
Idéia: Considere f (x) = a.x + b e g(x) = a.x + c, onde a, b, c ∈ R∗ com b 6= c, então
T (f (x)) = T (g(x)).
Não existe uma função diferenciável em D(R, R) para a função

1 se x ≥ 0
h(x) =
0 se x < 0
200
Bibliografia
[1] STEINBRUCH, ALFREDE; WINTERLE, PAULO.: Geometria Analı́tica. 2a edição, volume 1,

Editora Pearson Makron Books, São Paulo, 2006.
[2] BOULOS, PAULO; CAMARGO, IVAN de.: Geometria Analı́tica - Um Tratamento Vetorial.
2a edição, volume 1, Editora Pearson Education do Brasil, São Paulo, 2003.
201

Geometria Algebra

Încărcat de

Informații document

Descriere originală:

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

Geometria Algebra

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ

CENTRO DE CIÊCIAS EXATAS

CLEVERSON GONÇALVES DOS SANTOS

Geometria Analı́tica e Álgebra Linear

Geometria Analı́tica e Álgebra Linear

Geometria Analı́tica e Álgebra Linear

1.1 Operações com Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.2 Dependência e Independência Linear de Vetores . . . . . . . . . . . . . . 5

2.1 Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2.1.1 Ângulo entre dois Vetores . . . . . . . . . . . . . . . . . . . . . . 17

2.1.2 Projeção de Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . 19

2.1.3 Ângulos Diretores e Co-senos Diretores de um Vetor . . . . . . . . 20

2.2 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.3 Produto Misto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2.4 Duplo Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

3 Retas, Planos e Distâncias 33

3.1 Equações da Reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

3.1.1 Equações Paramétricas da Reta . . . . . . . . . . . . . . . . . . . 34

3.1.3 Equações Reduzidas da Reta . . . . . . . . . . . . . . . . . . . . . 37

3.2 Estudo da Reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

3.2.1 Ângulos de duas Retas . . . . . . . . . . . . . . . . . . . . . . . . 39

3.2.2 Condição de Coplanaridade de Duas Retas . . . . . . . . . . . . . 41

3.2.3 Posição Relativa de Duas Retas . . . . . . . . . . . . . . . . . . . 42

3.3 Equação do Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3.4 Estudo do Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

3.4.1 Planos Paralelos aos Eixos e/ou Planos Coordenados . . . . . . . 48

3.4.2 Equações Paramétricas do Plano . . . . . . . . . . . . . . . . . . 49

3.4.3 Ângulo de Dois Planos . . . . . . . . . . . . . . . . . . . . . . . . 50

3.4.4 Ângulo de uma Reta com um Plano . . . . . . . . . . . . . . . . . 51

3.5.1 Distância de um Ponto e uma Reta . . . . . . . . . . . . . . . . . 51

3.5.2 Distância Entre Duas Retas . . . . . . . . . . . . . . . . . . . . . 52

3.5.3 Distância de um Ponto a um Plano . . . . . . . . . . . . . . . . . 54

3.5.4 Distância Entre dois Planos . . . . . . . . . . . . . . . . . . . . . 56

3.5.5 Distância de uma Reta a um Plano . . . . . . . . . . . . . . . . . 57

4.1.1 Equação da Parábola . . . . . . . . . . . . . . . . . . . . . . . . . 59

4.2.1 Equação da Elipse . . . . . . . . . . . . . . . . . . . . . . . . . . 65

4.3.1 Equação da Hipérbole . . . . . . . . . . . . . . . . . . . . . . . . 69

4.4 Rotação e Roto-translação dos eixos Coordenados . . . . . . . . . . . . . . . 75

4.5.1 Classificação das Cônicas . . . . . . . . . . . . . . . . . . . . . . . 86

5.2 Hiperbolóide de Uma Folha . . . . . . . . . . . . . . . . . . . . . . . . . 94

5.3 Hiperbolóide de Duas Folhas . . . . . . . . . . . . . . . . . . . . . . . . . 95

5.4 Parabolóide Elı́ptico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96

5.5 Parabolóide Hiperbólico . . . . . . . . . . . . . . . . . . . . . . . . . . . 97

6.1 Operações com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . 100

6.2 Operações Elementares entre Matrizes . . . . . . . . . . . . . . . . . . . 107

6.3 Inversa de uma Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110

6.4 Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117

6.4.1 Propriedades do Determinante . . . . . . . . . . . . . . . . . . . . 121

6.5 Posto de uma Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134

7 Sistemas de Equações Lineares 142

7.1 Sistemas de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148

8 Espaços Vetoriais 155

8.1 Subespaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160

8.2 Combinação Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165

8.3 Base e Dimensão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168

8.4 Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181

8.5 Processo Prático Para Determinação de Base . . . . . . . . . . . . . . . . 187

9 Transformações Lineares 196

Seja r uma reta, dizemos que a reta é orientada quando fixamos em r um

Um segmento é dito nulo quando a origem e a extremidade coincidem.

Definição 1.3. Dizemos que dois segmentos orientados AB e CD são equipolentes

Representamos a equipolência dos segmentos AB e CD por AB ∼ CD.

Proposição 1.4. Propriedades de equipolência. Sejam AB, CD e EF segmentos ori-