Geometria Analítica e Álgebra Linear em

Geometria
Analítica e
Álgebra Linear
Dr. Ronni Geraldo Gomes de Amorim
Dr. Ricardo Ramos Fragelli
Dr. Vinícius de Carvalho Rispoli
DIREÇÃO UNICESUMAR
Reitor Wilson de Matos Silva, Vice-Reitor e
Pró-Reitor de Administração, Wilson de Matos
Silva Filho, Pró-Reitor de EAD William Victor Ken-
C397 CENTRO UNIVERSITÁRIO DE MARINGÁ. Núcleo de Educação a drick de Matos Silva, Presidente da Mantenedora
Distância; AMORIM, Ronni Geraldo Gomes de; FRAGELLI, Ricar- Cláudio Ferdinandi.
do Ramos; RISPOLI, Vinícius de Carvalho;

Geometria Analítica e Álgebra Linear. Ronni Geraldo Gomes de
Amorim; Ricardo Ramos Fragelli; Vinícius de Carvalho Rispoli.
NEAD - NÚCLEO DE EDUCAÇÃO A DISTÂNCIA
Maringá-PR.: Unicesumar, 2018. Diretoria Executiva de Ensino Janes Fidélis Tomelin,
296 p. Diretoria Operacional de Ensino Kátia Coelho,
“Graduação - EAD”.
Direção de Operações Chrystiano Mincoff, Direção
1. Geometria Analítica 2. Álgebra . 3. Linear 4. EaD. I. Título. de Polos Próprios James Prestes, Direção de
ISBN: 978-85-459-1194-4 Desenvolvimento Dayane Almeida, Direção de
CDD - 22 ed. 512 Relacionamento Alessandra Baron, Head de
CIP - NBR 12899 - AACR/2
Metodologias Ativas Thuinie Daros, Head de
Produção de Conteúdo Celso Luiz Braga de Souza
Impresso por: Filho, Gerência de Projetos Especiais Daniel F.
Hey, Gerência de Produção de Conteúdos Diogo
Ribeiro Garcia, Supervisão do Núcleo de Produção
de Materiais Nádila de Almeida Toledo, Projeto
Gráfico José Jhonny Coelho e Thayla Guimarães
Cripaldi, Fotos Shutterstock.
Coordenador de Conteúdo Fábio Augusto Gentilin e

Márcia Fernanda Pappa
Designer Educacional Janaína de Souza Pontes e
NEAD - Núcleo de Educação a Distância Yasminn Talyta Tavares Zagonel
Av. Guedner, 1610, Bloco 4 - Jardim Aclimação Revisão Textual Érica Ortega e Silvia Gonçalves
CEP 87050-900 - Maringá - Paraná Editoração Isabela Belido e Thayla Guimarães
Cripaldi
unicesumar.edu.br | 0800 600 6360
Ilustração Bruno Pardinho, Marta Kakitani e
Marcelo Goto
Realidade Aumentada Kleber Ribeiro, Leandro
Naldei e Thiago Surmani
PALAVRA DO REITOR
Em um mundo global e dinâmico, nós trabalha-

mos com princípios éticos e profissionalismo, não
somente para oferecer uma educação de qualida-
de, mas, acima de tudo, para gerar uma conversão
integral das pessoas ao conhecimento. Baseamo-
-nos em 4 pilares: intelectual, profissional, emo-
cional e espiritual.
Iniciamos a Unicesumar em 1990, com dois
cursos de graduação e 180 alunos. Hoje, temos
mais de 100 mil estudantes espalhados em todo
o Brasil: nos quatro campi presenciais (Maringá,
Curitiba, Ponta Grossa e Londrina) e em mais de
300 polos EAD no país, com dezenas de cursos de
graduação e pós-graduação. Produzimos e revi-
samos 500 livros e distribuímos mais de 500 mil
exemplares por ano. Somos reconhecidos pelo
MEC como uma instituição de excelência, com
IGC 4 em 7 anos consecutivos. Estamos entre os
10 maiores grupos educacionais do Brasil.
A rapidez do mundo moderno exige dos
educadores soluções inteligentes para as ne-
cessidades de todos. Para continuar relevante, a
instituição de educação precisa ter pelo menos
três virtudes: inovação, coragem e compromisso
com a qualidade. Por isso, desenvolvemos, para
os cursos de Engenharia, metodologias ativas, as
quais visam reunir o melhor do ensino presencial
e a distância.
Tudo isso para honrarmos a nossa missão que é
promover a educação de qualidade nas diferentes
áreas do conhecimento, formando profissionais
cidadãos que contribuam para o desenvolvimento
de uma sociedade justa e solidária.
Vamos juntos!
Prezado(a) Acadêmico(a), bem-vindo(a) à Co-
munidade do Conhecimento.
Essa é a característica principal pela qual a
Unicesumar tem sido conhecida pelos nossos alu-
nos, professores e pela nossa sociedade. Porém, é
importante destacar aqui que não estamos falando
mais daquele conhecimento estático, repetitivo,
local e elitizado, mas de um conhecimento dinâ-
mico, renovável em minutos, atemporal, global,
democratizado, transformado pelas tecnologias
digitais e virtuais.
De fato, as tecnologias de informação e comu-
nicação têm nos aproximado cada vez mais de
pessoas, lugares, informações, da educação por
meio da conectividade via internet, do acesso
wireless em diferentes lugares e da mobilidade
dos celulares.
As redes sociais, os sites, blogs e os tablets ace-
leraram a informação e a produção do conheci-
mento, que não reconhece mais fuso horário e
atravessa oceanos em segundos.
A apropriação dessa nova forma de conhecer
transformou-se hoje em um dos principais fatores de
agregação de valor, de superação das desigualdades,
propagação de trabalho qualificado e de bem-estar.
Logo, como agente social, convido você a saber
cada vez mais, a conhecer, entender, selecionar e
usar a tecnologia que temos e que está disponível.
Da mesma forma que a imprensa de Gutenberg
modificou toda uma cultura e forma de conhecer,
as tecnologias atuais e suas novas ferramentas,
equipamentos e aplicações estão mudando a nossa
cultura e transformando a todos nós. Então, prio-
rizar o conhecimento hoje, por meio da Educação
a Distância (EAD), significa possibilitar o contato
com ambientes cativantes, ricos em informações
e interatividade. É um processo desafiador, que
ao mesmo tempo abrirá as portas para melhores
oportunidades. Como já disse Sócrates, “a vida
sem desafios não vale a pena ser vivida”. É isso que
a EAD da Unicesumar se propõe a fazer.
Seja bem-vindo(a), caro(a) acadêmico(a)! Você
está iniciando um processo de transformação,
pois quando investimos em nossa formação, seja
ela pessoal ou profissional, nos transformamos e,
consequentemente, transformamos também a so-
ciedade na qual estamos inseridos. De que forma
o fazemos? Criando oportunidades e/ou estabe-
lecendo mudanças capazes de alcançar um nível
de desenvolvimento compatível com os desafios
que surgem no mundo contemporâneo.
O Centro Universitário Cesumar mediante o
Núcleo de Educação a Distância, o(a) acompa-
nhará durante todo este processo, pois conforme
Freire (1996): “Os homens se educam juntos, na
transformação do mundo”.
Os materiais produzidos oferecem linguagem
dialógica e encontram-se integrados à proposta
pedagógica, contribuindo no processo educa-
cional, complementando sua formação profis-
sional, desenvolvendo competências e habilida-
des, e aplicando conceitos teóricos em situação
de realidade, de maneira a inseri-lo no mercado
de trabalho. Ou seja, estes materiais têm como
principal objetivo “provocar uma aproximação
entre você e o conteúdo”, desta forma possibilita
o desenvolvimento da autonomia em busca dos
conhecimentos necessários para a sua formação
pessoal e profissional.
Portanto, nossa distância nesse processo de
crescimento e construção do conhecimento deve
ser apenas geográfica. Utilize os diversos recursos
pedagógicos que o Centro Universitário Cesumar
lhe possibilita. Ou seja, acesse regularmente o Stu-
deo, que é o seu Ambiente Virtual de Aprendiza-
gem, interaja nos fóruns e enquetes, assista às aulas
ao vivo e participe das discussões. Além disso,
lembre-se que existe uma equipe de professores e
tutores que se encontra disponível para sanar suas
dúvidas e auxiliá-lo(a) em seu processo de apren-
dizagem, possibilitando-lhe trilhar com tranquili-
dade e segurança sua trajetória acadêmica.
APRESENTAÇÃO
Prezado(a) aluno(a)!
No decorrer do estudo desta disciplina, você se deparará com um universo

novo e impressionante. Este novo mundo é repleto de aplicações, as quais
variam desde itens tecnológicos simples que fazem parte do seu cotidia-
no até grandes projetos científicos. Nesse sentido, para que você perceba
um pouco do alcance dos conteúdos de Geometria analítica e Álgebra
Linear, em cada unidade é apresentada pelo menos uma situação na qual
o conteúdo nela discutido pode ser utilizado. Além disso, devido ao cará-
ter prático do conteúdo abordado nesta disciplina, ela constitui uma das
bases que o auxiliará na compreensão de temas mais avançados das outras
disciplinas do curso de Engenharia. Ou seja, os conteúdos e técnicas que
serão estudados nesta disciplina aparecerão nas demais disciplinas como
importantes ferramentas.
Nesse arcabouço, os principais temas que serão abordados são os seguintes:
cálculo com matrizes, determinante e matriz inversa; vetores no plano e no
espaço tridimensional; geometria analítica no plano: estudo da reta e da
circunferência; geometria analítica em três dimensões; espaços vetoriais;
transformações lineares; autovalores e autovetores; diagonalização de ma-
trizes; estudo das cônicas.
Dessa forma, a orientação é que se dedique bastante ao estudo desta disci-
plina, tente assimilar bem todos os conceitos que serão apresentados, pois
essas atitudes farão a diferença no decorrer da sua graduação. Além disso,
aproveite bastante, pois os conteúdos apresentados serão demasiadamente
interessantes. Tenha um bom estudo e, porque não, uma boa diversão.
CURRÍCULO DOS PROFESSORES
Dr. Ronni Geraldo Gomes de Amorim

Possui Pós-doutorado pela International Centre of Condensed Matter Physics of University
of Brasilia (2012), Doutorado em Física pela Universidade de Brasília (2009), Mestrado em
Física pela Universidade de Brasília (2006), Graduação em Física pela Universidade de Brasília
(2003) e Graduação em Matemática pela Universidade Católica de Brasília (1999). Atualmente
é Professor Adjunto da Universidade de Brasília.
Para mais informações, acesse: <http://lattes.cnpq.br/4086384842130773>.
Dr. Ricardo Ramos Fragelli

Possui Doutorado em Ciências Mecânicas (2010) pela Universidade de Brasília (UnB), onde
também fez Mestrado (2003) e Graduação (2000) em Engenharia Mecânica. Professor Adjun-
to da UnB dos cursos de Engenharia da Faculdade UnB Gama e do Mestrado em Design do
Departamento de Design Industrial, onde orienta trabalhos na área de Design Educacional.
Desenvolve pesquisas em Sistemas Tutores Inteligentes e Adaptativos, técnicas, métodos e
tecnologias para Educação. Por meio de suas pesquisas, recebeu onze prêmios nacionais de
Instituições como MEC, MCT, CAPES, ABED, ABMES e Santander Universidades.
Dr. Vinícius de Carvalho Rispoli

Possui Doutorado (2014) em Engenharia de Sistemas Eletrônicos e Automação pela Universi-
dade de Brasília, com período sanduíche na University of Michigan (EUA). Graduação (2005)
e Mestrado (2007) em Matemática pela Universidade de Brasília. Tem experiência na área de
Matemática Aplicada, com ênfase em Equações Diferenciais, Métodos Numéricos e Otimiza-
ção. Atua na área da Engenharia Biomédica/Matemática Aplicada e é Professor Adjunto II de
Matemática Aplicada na Faculdade UnB Gama, Universidade de Brasília.
Matrizes
13
Determinante,
Matriz Inversa e
Sistemas Lineares
37
Fundamentos
de Geometria
Analítica no R2
69
Vetores no Plano Transformações
e no Espaço Lineares
101 199
Diagonalização
Retas e Planos do R3
de Matrizes
137 229
Espaços e
Subespaços As Cônicas
Vetoriais
163 257
74 Distância entre dois pontos
108 Vetor no R3
145 Reta no R3
187 As cores primárias podem ser vista como
uma base do espaço vetorial das cores
218 Rotação do quadrado
260 Elipse
266 Hipérbole
272 A parábola
Utilize o aplicativo
Unicesumar Experience
para visualizar a
Realidade Aumentada.
Dr. Ronni Amorim
Dr. Ricardo Fragelli
Dr. Vinícius Rispoli
Matrizes
PLANO DE ESTUDOS
Classificação das Matrizes
Definição de Matriz Cálculo Matricial
OBJETIVOS DE APRENDIZAGEM
• Definir matriz e identificar os critérios de igualdade matricial. • Estudar as operações de adição, subtração, multiplicação
• Reconhecer os principais tipos de matrizes: matriz quadra- e transposição de matrizes, identificando as propriedades
da; matriz diagonal, matriz identidade, matriz linha; matriz relativas a cada operação.
coluna; matriz triangular superior; matriz triangular inferior.
Definição de Matriz
Prezado(a) aluno(a)! Nesta unidade, você estuda-

rá o conceito de matriz e aprenderá os principais
tipos de matrizes. Conforme veremos, o cálculo
matricial é fundamental ao desenvolvimento de
diversas áreas do conhecimento, tendo aplicações
em física, engenharia, economia etc. Além disso, os
conceitos que serão desenvolvidos nesta unidade
servirão como base para a discussão dos outros
conteúdos que abordaremos ao longo da disciplina.
Como exemplo da importância da matriz em
nosso dia a dia, consideraremos uma pequena
aplicação na prática desportiva.
Praticar atividades físicas regularmente traz
grandes benefícios para a nossa saúde. Felizmente,
frequentar uma academia tem se tornado uma
“febre”. Tornou-se uma moda a busca por saúde,
corpo definido e qualidade de vida.
Nesse sentido, suponha que você tenha aderido
a um novo programa de treinamento físico, o qual
deve ser realizado durante a semana. Nesse treina-
mento, você deve praticar entre uma e duas horas
de atividade diária. Dentre as atividades, o seu per-
sonal trainning recomendou as seguintes: spinning,
natação, treinamento funcional e corrida na esteira.
O gasto calórico médio devido à prática de 1h de cada uma das atividades enumeradas
segue esboçado na Tabela 1 a seguir.
Tabela 1 - Gasto calórico por atividade
Treinamento
Atividade Corrida a 12 km/h Spinning Natação
Funcional
Gasto calórico em 1h 750 cal 600 cal 1000 cal 600 cal
Fonte: os autores.
Você está seguindo rigorosamente o programa de treinamento proposto e pratica

diariamente um conjunto de atividades. O tempo diário gasto por você em cada
atividade na primeira semana está descrito na Tabela 2.
Tabela 2 - Tempo diário gasto em cada atividade
Dia Corrida a 12 km/h Spinning Treinamento Natação

Funcional
segunda-feira 0 0,5h 0 0,5h
terça-feira 1h 0 0 0
quarta-feira 0 0,5h 0,5h 0,5h
quinta-feira 0,5h 0 0,5h 0
sexta-feira 0,5h 0,5h 0,5h 0,5h
Fonte: os autores.
Podemos sumarizar as informações contidas nas Tabelas 1 e 2 utilizando as matrizes.
Além disso, conhecendo as operações do cálculo matricial, podemos calcular de
forma prática o seu gasto calórico diário decorrente da prática das atividades físicas
elencadas. Para isso, antes estudaremos um pouco sobre as matrizes.
De uma forma simples, podemos dizer que uma matriz consiste em uma tabela
retangular de elementos dispostos em linhas e colunas. Organizar elementos no for-
mato de matriz pode repercutir na facilitação de cálculos e na tomada de decisões,
conforme notaremos em alguns exemplos.
Representamos uma matriz com m linhas e n colunas da seguinte forma
(ANTON; RORRES, 2012)
a11 a12 … a1n

a a22 … a2 n
Amn = 21 = (aij )mn ,

am1 am2 … amn
em que 1 < i < m e 1 < j < n .
UNIDADE I 15
Lemos Am×n como sendo a matriz A, m por n, ou seja, matriz A com m linhas e n co-
lunas. Note que o primeiro subíndice (m) é referente ao número de linhas da matriz,
enquanto o segundo índice (n) refere-se ao número de colunas. Dizemos que m × n
é a ordem da matriz A.
Quando representamos o elemento da matriz como aij , estamos nos referindo
ao elemento que ocupa a i-ésima linha e j-ésima coluna da matriz. Por exemplo, um
elemento a24ocupa a segunda linha e a quarta coluna da matriz. Como você deve ter
notado, os índices i e j são uma espécie de endereço dos elementos numa dada matriz.
Considere como exemplo a seguinte matriz
1 3 2

B = 5 2 7 .
3 0 1

A ordem da matriz B é 3 × 3 pois ela possui 3 linhas e 3 colunas. Em particular, b13 = 2

e b32 = 0. Você saberia identificar o elemento b21 da matriz acima? Se você respondeu
que b21 = 5, a sua resposta está correta!
Conforme foi mencionado antes, as matrizes são bastante úteis na representação
de dados em uma forma mais compacta. Por exemplo, considere uma situação na
qual o engenheiro mede o diâmetro e a massa de três esferas constituídas de materiais
distintos. Esse engenheiro colocou os valores encontrados na tabela a seguir:
Tabela 3 - Massa e diâmetro das esferas
Massa (kg) Diâmetro (cm)

Esfera 1 0,3 20
Esfera 2 0,5 27
Esfera 3 0,4 24
Fonte: os autores.
Perceba que as informações contidas na Tabela 1 podem ser colocadas na matriz C

apresentada a seguir
 0, 3 20 
 
C =  0, 5 27  .
 0, 4 24 

Conforme você pode notar, a ordem da matriz C é 3 × 2, pois ela possui 3 linhas e 2
colunas e, em particular, c21 = 0,5.
16 Matrizes
Outros exemplos que podem ser considerados são as matrizes correspondentes às
Tabelas 1 e 2. No caso da Tabela 1, temos uma matriz de apenas uma coluna dada por
750

600
A .
1000

600
Enquanto a Tabela 2 pode ser representada pela matriz B � 5 X 4 dada por
 
 
 
B= .
 
 
 
 
Igualdade de Matrizes
Dizemos que duas matrizes são iguais quando elas possuem a mesma ordem e seus
elementos correspondentes são iguais. Por exemplo, as matrizes Am×n = [aij ]m×n é
igual a Br×s = [bij ]r×s se m = r , n = s e aij = bij para todo i, j .
Para você compreender melhor o conceito de igualdade matricial, façamos o
exercício a seguir.
1 EXEMPLO Determine os valores de x e y de forma que as matrizes A e B sejam iguais.
x 2
A=
9 12
2 2
B= .
9 3y
Resolução: de acordo com o que aprendemos, para que as matrizes sejam iguais,
primeiramente elas devem ter a mesma ordem, e essa exigência é satisfeita, pois am-
bas são de ordem 2 × 2 . Em segundo lugar, seus elementos correspondentes devem
ser iguais; isso nos leva a concluir que x = −2 e 3 y = 12 , ou seja, x = −2 e y = 4 .
Agora que você já sabe como representar uma matriz, estudaremos algumas
matrizes especiais.
UNIDADE I 17
Classificação
das Matrizes
As matrizes podem ser classificadas de acordo

com algumas características que apresentam. A
seguir você estudará os principais tipos de matrizes
(FRANCO, 2016).
A) Matriz Quadrada
Uma matriz é quadrada quando o número de li-
nhas é igual ao número de colunas, isto é, Am×n é
quadrada quando m = n .
Alguns exemplos de matrizes quadradas são
1 −3 2
  5 −1 
B = 5 −2 7 A = 
3 0 −1  2 1

Note que a matriz B é de ordem 3 × 3 e a matriz A é

de ordem 2 × 2. Podemos dizer simplesmente que as
matrizes A e B são de ordem 3 e 2, respectivamente.
18 Matrizes
B) Matriz Nula
Uma matriz é nula quando todos os seus elementos são iguais a zero. Como exemplo,
as matrizes A e B abaixo são nulas.
0 0 0
  0 0
B = 0 0 0 A=  
0 0 0  0 0

C) Matriz Linha e Matriz Coluna

Outros tipos de matrizes especiais são as matrizes linha e coluna. A matriz linha
é aquela que possui apenas uma linha (A1×n). Como exemplos de matrizes linhas,
considere as matrizes abaixo
A = (1 − 1 4) B = (−2 3)
Já a matriz coluna é aquela que possui apenas uma coluna (Am×1). Você pode visualizar
exemplos de matrizes colunas a seguir
 −2 
 1  
   0
 −1   3
 4  
 
 −5 
As matrizes colunas serão importantes na representação de vetores, conforme você

perceberá na continuidade do nosso curso.
D) Matriz Diagonal
Uma matriz diagonal é uma matriz quadrada em que aij = 0 para todo i = j , ou seja,
os únicos elementos diferentes de zero são aqueles que se encontram na diagonal da
matriz. A seguir você pode visualizar dois exemplos de matrizes diagonais.
1 0 0
  5 0
A = 0 −2 0 B = 
0 0 5  0 3

As matrizes A e B dadas acima são diagonais.
UNIDADE I 19
E) Matriz Identidade
A matriz identidade é uma matriz diagonal na qual os elementos não-nulos são
iguais a 1. Se uma matriz A é diagonal, temos aij = 0 se i = j e aij = 1 se i = j. Repre-
sentaremos a matriz identidade de ordem n × n simplesmente por I n . São exemplos
de matrizes identidades as indicadas abaixo:
1 0 0
  1 0
I3 =  0 1 0 I2 =  
0 0 1  0 1

A matriz I 2 é a matriz identidade de ordem 2 e a matriz I 3 é a matriz identidade de ordem 3.
F) Matriz Triangular Superior

Uma matriz A é denominada triangular superior se aij = 0 se i > j . Isto é, na matriz
triangular superior, temos que os elementos abaixo da diagonal são todos nulos.
Alguns exemplos de matrizes triangulares superiores seguem abaixo:
3 1 −4 5
3 1 −4   
  − 3 5 0 2 7 3
0 2 7  
0 0 3 6
0 0 6   0 9
  
0 0 0 −4 
G) Matriz Triangular Inferior

Uma matriz A é denominada triangular inferior se aij = 0 se i < j. Isto é, na matriz
triangular inferior, temos que os elementos acima da diagonal são todos nulos. Alguns
exemplos de matrizes triangulares inferiores seguem abaixo:
3 0 0 0
3 0 0  
  2 0 0 2 0 0
3 −3 0  
3 1 4 9 3 0
1 5 6   
 −4 
1 π 2
Agora que você já sabe o que é uma matriz e conhece também os principais tipos de
matrizes, o nosso próximo passo será estudar as operações envolvendo as matrizes.
A partir deste momento, estudaremos as principais operações matriciais. O nosso enfo-
que será nas operações de adição, multiplicação, multiplicação por escalar e transposição.
Preste muita atenção, pois as operações que estudaremos acompanharão você
durante todo o nosso curso.
20 Matrizes
Cálculo Matricial
Nesta seção, você aprenderá as principais opera-

ções envolvendo as matrizes, quais sejam: a adição
e subtração; a multiplicação de um escalar por
uma matriz; a multiplicação entre matrizes e a
transposição de matrizes.
Adição de Matrizes
Você sabe em quais condições podemos somar

duas matrizes? A única condição exigida para que
duas matrizes sejam adicionadas é que ambas pos-
suam a mesma ordem. Ou seja, dadas a matriz
Am×n e a matriz Br×s, A e B podem ser adiciona-
das se, e somente se, m = r e n = s. Você obtém
o resultado da soma, adicionando os elementos
correspondentes de cada matriz.
Dessa forma, se temos A = (aij ) e B = (bij ), en-
tão a matriz C = (cij ) obtida pela soma C = A + B
possui os elementos dados por cij = aij + bij.
UNIDADE I 21
2 EXEMPLO Como exemplo, calculemos a soma das matrizes A e B dadas a seguir:
 3 0 1  5 3 −2 
   
A =  −2 5 7 B=  3 9 −11  .
 1 −1 3   13 7 −8 
 
Resolução: temos que

35 03 1 (2) 8 3 1

A B = 2 3 59 7 (11) = 1 14 4
1 13 1 7 3 (8) 14 6 5

Propriedades da Adição de Matrizes

Sejam A e B duas matrizes de mesma ordem. Em relação à adição matricial, as se-
guintes propriedades são satisfeitas:
1. Comutatividade: A + B = B + A .
2. Associatividade: A + ( B + C ) = ( A + B) + C .
3. Elemento Neutro: 0 + A = A + 0 , onde 0 é a matriz nula.
4. Elemento Oposto: existe a matriz (− A) tal que A ( A) = 0.
Verifique você mesmo as propriedades da adição para as matrizes A e B abaixo.
 3 0 1  5 3 −2 
   
A =  −2 5 7 B= 3 9 −11  .
 1 −1 3   13 7 −8 
 
1 DESAFIO Agora vai um desafio para você!

Dada a matriz
1 5 3

A = 4 2 0
3 4 9

Desafio você a encontrar a matriz B , tal que quando somada com a matriz A origine
a matriz nula.
22 Matrizes
Multiplicação por escalar
Outra importante operação no cálculo matricial é a multiplicação de uma matriz

por um número real, o qual denominaremos escalar (denominaremos por escalar
qualquer número real).
Para realizar a multiplicação de um número real por uma matriz, basta multiplicar
cada elemento da matriz por tal número (HOLT, 2016). Considere então uma matriz
A = (aij ) e um escalar a. Denotaremos o produto aA = B, onde B = (bij ) e bij = αaij .
Você perceberá o quanto é fácil realizar essa operação com a resolução do exemplo a seguir.
3 EXEMPLO Seja a matriz
3 0

A = 2 5 .
1 1

Calcule −2A .
Resolução: para realizar esse cálculo, basta multiplicar os elementos de A por −2.
Fazendo isso, encontramos:
2.3 0 6 0

2 A = (2).(2) 2.5 = 4 10
2.1 (2).(1) 2 2

Multiplicação de Matrizes
A multiplicação entre matrizes será a operação que você mais utilizará no decorrer
dessa disciplina. Apesar de sua definição formal não ser tão intuitiva, realizar o cálculo,
conforme você notará, não é tão difícil assim.
Antes de estudarmos a definição do produto matricial, é importante que você conheça
algumas observações importantes. A primeira delas é que a ordem em que as matrizes
são multiplicadas é importante, ou seja, caso você troque a ordem das matrizes, em geral,
o resultado do produto será diferente. A essa observação, denominamos não-comutati-
vidade. A segunda observação é que, conforme você notará na definição do produto, ele
só é possível de ser realizado quando a matriz da esquerda tiver o número de colunas
igual ao número de linhas da matriz da direita. E mais, a matriz obtida no produto possui
o número de linhas da matriz da esquerda e o número de colunas da matriz da direita.
UNIDADE I 23
Observe, então, a definição de tal produto.
DEFINIÇÃO 1
O produto de duas matrizes, tais que o número de colunas da primeira é igual ao
número de linhas da segunda, A = (aij )m×k e B = (bij )k ×n é definido pela matriz
C = AB = (ci j )m×n , calculado da seguinte forma
k
cij = ai1b1 j + ai 2b2 j + … + aik bkj = ∑
l =1
Observando a definição, percebemos que na multiplicação matricial, o elemento ij

da matriz resultante do produto AB é obtido da soma dos produtos dos elementos
i-ésima linha de A pela j-ésima coluna de B.
Você pode observar como isso é feito a partir do exemplo a seguir.
4 EXEMPLO Sejam as matrizes
 3 0  5 3 -2 
   
=  −2 5 B=  3 1 -4  .
1 −1  3 0 -1 
 
calcule o produto C = BA.

Antes de calcularmos o produto BA, precisamos verificar se ele é definido. Para esse
fim, basta verificar se o número de colunas de B é igual ao número de linhas de A.
Como B possui 3 colunas e A possui 3 linhas, o produto em questão é definido. Agora,
podemos efetuar o cálculo.
 5 3 -2   3 0
   
C = BA =  3 1 -4   −2 5
3 0 -1  1 −1 
 
7 17

C BA 3 9 .
8 1

24 Matrizes
Tenha sua dose extra de conhecimento assistindo ao vídeo.
Para acessar, use seu leitor de QR Code.
Observe que no resultado, por exemplo, c12 5.0 3.5 2 . 1 foi obtido pela
soma dos produtos dos elementos da primeira linha de B pela segunda coluna de A. É in-
teressante observar que o produto AB não é definido. Você saberia explicar o porquê?
Apresentamos a seguir as propriedades do produto matricial válidas para matrizes
quadradas. Para isso, sejam A, B e C três matrizes quadradas n × n (ordem n), e I n
uma número real e A a matriz identidade de ordem n. Temos então (LIMA, 2016):
1. Associatividade: A( BC ) = ( AB)C
2. Elemento neutro: AI n = I n A = A
3. Distributividade: A( B + C ) = AB + AC
4. a( AB) = (a A) B = A(a B)
5. Em geral, AB = BA.
Nas propriedades acima, note que a matriz identidade desempenha o papel de ele-
mento neutro do produto matricial.
Embora comentamos que as propriedades acima sejam válidas para matrizes
quadradas, podemos generalizá-las para matrizes de qualquer ordem, desde que as
matrizes tenham tamanho adequado.
Demonstraremos as duas primeiras propriedades. As outras demonstrações são
análogas e podem ser encontradas nas referências bibliográficas.
Demonstração da Propriedade 1.
Sejam A = (aij ), B = (bij ) e C = (cij ). Denominemos D = AB , sendo D = (dij ).
Assim,
n
dij = ∑ k =1bik ckj
Dessa forma, temos que

n n n
A( BC ) = AD = ail dlj = ail blk ckj

l =1 l =1 k =1
n n n n
A( BC ) = ail blk ckj = ail blk ckj .

l =1 k =1 k =1 l =1
UNIDADE I 25
n
Denominando F = AB , F = ( fij ) onde fij = ∑ k =1aik bkj
chegamos a
n
A( BC ) = ∑ fik ckj = FC = ( AB)C ,
k =1
como queríamos demonstrar.
2 DESAFIO Dada a matriz

2 3
A= ,
1 1
desafio você a encontrar uma matriz B tal que AB = I 2.
Agora já estamos em condições de retornar ao problema introdutório da unidade.

Vamos encontrar o seu gasto calórico diário devido às atividades físicas por meio
da multiplicação matricial. Para esse fim, multiplicaremos as matrizes B e A que
representam os dados contidos nas Tabelas 1 e 2,
 
   750 
   600 
BA =   .
   1000 
   600 
  
 
600
750
BA 1100 .
875
1475
Esse último resultado esboça o seu gasto calórico diário no decorrer da semana.
Ou seja, você gastou 600 calorias na segunda-feira, 750 calorias na terça-feira, 875
calorias na quarta-feira, 1100 calorias na quinta-feira e 1475 calorias na sexta-feira.
Como você percebeu, o estudo das matrizes pode nos ajudar em atividades sim-
ples do cotidiano. No decorrer da disciplina, você perceberá que tarefas muito mais
complexas serão facilitadas mediante o cálculo matricial.
26 Matrizes
Matriz Transposta
A matriz transposta é um ingrediente fundamental do cálculo matricial, conforme

você poderá constatar no decorrer do curso. Por exemplo, a transposição matricial é
utilizada na definição da matriz inversa, como também no cálculo do produto escalar.
Determinar a matriz transposta é muito simples, basta trocar as linhas de uma matriz
por suas colunas, ou seja, quem é linha passa a ser coluna e vice-versa. Dessa forma,
se uma matriz A tem ordem m × n, a sua transposta tem ordem n × m. Façamos então
uma definição mais formal.
DEFINIÇÃO 2
t
A transposta de uma matriz A = (aij )m×n é definida pela matriz A = B = (bij )n×m obtida
trocando-se as linhas com as colunas, ou seja, bij = a ji .
Você poderá entender melhor essa operação por meio do exemplo a seguir.
5.1 EXEMPLO Seja a matriz

3 0 2
A .
2 5 1
Determine a sua transposta.
Resolução: para determinarmos a transposta de A basta trocarmos as linhas com as
colunas. Assim, obtemos neste caso
3 2

At 0 5 .
2 1

5.2 EXEMPLO Determine a transposta da matriz coluna
3

v 2 .
1

Em seguida, calcule o produto vt v .

Resolução: a transposta da matriz coluna é uma matriz linha dada por
vt 3 2 1 .
UNIDADE I 27
O produto
3

v v 3
t
2 1 2 9 4 1 14.
1

Perceba que o resultado do produto vt v é um número real positivo.
Propriedades da Transposição de Matrizes

Algumas propriedades da transposição matricial são elencadas a seguir (ANTON;
RORRES, 2012):
1. ( At )t = A
2. ( AB)t = Bt At
3. I t = I
Terminamos o conteúdo dessa unidade. Agora é a sua vez de colocá-lo em prática.

Para esse fim, responda as Atividades de Estudo a seguir.
Aluno(a), antes de realizar cálculos envolvendo matrizes lembre-se sempre que só é

possível adicionarmos ou subtrairmos duas matrizes que tiverem a mesma ordem,
ou seja, as matrizes que serão somadas ou subtraídas devem ter o mesmo número
de linhas e colunas. A multiplicação de matrizes, porém, só é definida quando o
número de linhas da primeira matriz (matriz da esquerda) é igual ao número de
colunas da segunda matriz (matriz da direita). Além disso, o resultado do produto
será uma matriz com o mesmo número de linhas da primeira e o mesmo número
de colunas da segunda.
28 Matrizes

1. A matriz A aij de ordem 2X3 tal que 𝑎𝑖𝑗=2𝑖−3𝑗 é dada por:
(Você pode utilizar seu diário de bordo para a resolução.)
1 3 0
a) �
4 1 2
1 4 7
b)
1 2 5
1 1 2
c)
7 5 4
0 1 1
d)
1 2 0
e) 7 4 1

5 2 1
2. Dadas as matrizes

3y −1  15 1
A =   e B .
8 x2 + 2  8 38
Os valores de x e y tais que a matriz A seja igual à matriz B são:
a) y = 5 e x 6 .
b) y=3 e x=7.
c) y = 4 e x 6 .
d) y 3 e x = 6 .
e) y =1 e x = 2.
29
3. Dadas as matrizes
5 2 3 −2  1 0
A=  B=  e C .
3 4 5 1 2 3
O resultado da expressão AB − 3C t é:
28 29
a)
14 11
28 29
b)
14 11
c)
14 11

28 29
d)
14 11

28 29
e) 28 14

29 11
4. Denominamos de comutador das matrizes A e B a operação [ A, B] = AB − BA.

Dizemos que as matrizes A e B comutam quando [ A, B] = 0. Considere as matrizes
 1 0  0 1
S1 =   e S2 =  
 0 −1  1 0
Calcule[ S1 , S2 ]. As matrizes S1 e S2 comutam?
30
LIVRO
Álgebra Linear com aplicações

Autores: Howard Anton e Chris Rorres
Editora: Bookman
Sinopse: esta obra traz o conteúdo básico de álgebra linear para estudantes de
ciências exatas e engenharia. O conteúdo é permeado de interessantes aplicações.
Comentário: a leitura dos capítulo 1 e 2 desta obra é recomendada.
31
ANTON, H.; RORRES, C. Álgebra Linear com Aplicações. 10. ed. São Paulo: Editora Bookman, 2012.
FRANCO, N. M. B. Álgebra Linear. 1. ed. São Paulo: Editora Pearson, 2016.
HOLT, J. Álgebra Linear com Aplicações. 1. ed. São Paulo: Editora LTC, 2016.
LIMA, E. L. Álgebra Linear. 9. ed. Rio de Janeiro: Editora SBM, 2016.
32
1. Para construir a matriz A, observe a sua ordem para saber os valores que i e j podem assumir; os quais são
i = 1,2 e j = 1,2,3. Dessa forma, os elementos da matriz são construídos de acordo com a lei de formação
dada aij = 2i - 3j . Temos então: a11=2-3=-1, a12=2-6=-4,a13=2-9=-7, a21=4-3=1, a22=4-6=-2, e a23=4-9=-5. Assim, a
matriz A é dada por
-1 -4 -7
A= 1 -2 -5
A alternativa correta é a B.
2. Para resolver essa questão, basta igualar os elementos correspondentes das matrizes A e B. Fazendo isso,
encontramos 3y = 15 e x2 + 2 = 38, o que nos fornece y = 5 e y = 6. A alternativa correta é a letra A.
3. Iniciamos a resolução desta questão pelo cálculo do produto AB, o que nos fornece
25 -8
AB = 29 -2
Na sequência calculamos Ct e multiplicamos o resultado por 3, o que leva a
3 6
Ct .
0 9
Realizando a subtração AB − 3C t , obtemos
28 14
AB 3C t .
29 11
Portanto, a alternativa correta é a letra E.
4. Resolvemos esta questão fazendo separadamente os produtos S1S2 e S2 S1 e depois subtraímos os resul-
tados. Temos então:
0 1 0 1
S1S2 S1S2
1 0 1 0
e
Dessa forma, chegamos a
0 2
S1 , S2 .
2 0
Como S1 , S2 0 , ou seja, S1 S2 S2 1as matrizes dadas não comutam.
A seguir, apresentamos as respostas dos desafios.
33
Desafio 1. A resposta do desafio decorre da propriedade 4 da adição de matrizes. Ou seja, a matriz que
somada à matriz A leva à matriz nula é a matriz − A. Dessa forma, basta multiplicarmos cada elemento de
A por −1 , obtendo assim o resultado
1 5 3

A 4 2 0 .
3 4 9

Desafio 2. Esse desafio corresponde ao conteúdo que veremos na próxima unidade. Na oportunidade,
resolveremos tal problema.
34
35
36
Dr. Ronni Amorim
Determinante,
Matriz Inversa e
Sistemas Lineares
PLANO DE ESTUDOS
Cálculo de determinantes Matriz inversa

pelo método de Laplace
Definição de determinante Matriz adjunta Sistemas de Equações

Lineares
• Definir determinante de uma matriz e calcular o determi- • Definir e calcular a matriz inversa, bem como identificar
nante de matrizes de segunda e terceira ordem. as propriedades da matriz inversa.
• Definir e calcular a matriz dos cofatores, bem como utili- • Resolver sistemas de equações lineares usando o méto-
zar o método de Laplace no cálculo de determinantes de do de Cramer, bem como classificar os sistemas lineares
matrizes de ordem arbitrária. como possíveis e impossíveis.
• Definir e calcular a matriz adjunta.
Definição de
Determinante
Prezado(a) Aluno(a)! Nesta unidade, estudare-

mos sobre determinante e matriz inversa. No
primeiro momento introduziremos a definição
de determinante. Na sequência, calcularemos a
matriz inversa. Conforme veremos, o cálculo de
determinantes constitui um ingrediente essencial
para a obtenção da matriz inversa. Além disso,
diversos outros temas que serão estudados em
outras unidades utilizam a noção de determi-
nante, dentre os quais podemos citar: a resolução
de sistemas lineares pelo método de Cramer e o
cálculo dos autovalores.
Digamos que certo dia você esteja observando
o céu noturno com a ajuda de um telescópio e o
direciona para um planeta que orbita uma estrela
específica. No mesmo instante, há um suposto ha-
bitante desse planeta observando a Terra. Contu-
do, ele detém instrumentos melhores e consegue
ver pequenos detalhes da Terra. Um dos detalhes
visto por este ser extraterrestre foi você. Então, ele
decide enviar uma mensagem para você. Contudo,
a mensagem enviada está codificada. A mensagem
por ele enviada vem na forma da seguinte matriz:
15 18 18 17 4 0
M .
30 55 31 51 25 1
Além da matriz, ele enviou uma tabela contendo números e letras, na qual foi atri-
buída o espaço vazio para o número zero, a letra A para o número um, a letra B para
o número 2, a letra C para o número 3, e assim sucessivamente até associar a letra Z
ao número 23. Não foram utilizadas as letras K, Y e W. Além disso, o extraterrestre
enviou uma segunda matriz, a qual ele denominou chave. Essa matriz está logo abaixo:
1 1
C = .
2 3
Você conseguiria decifrar essa mensagem? Esse será um dos nossos objetivos nesta
unidade: desenvolver um método para ler o que o extraterrestre quis nos dizer.
O determinante de uma matriz quadrada n × n é uma função que associa um
número real à matriz. Perceba que o determinante é definido apenas para matrizes
quadradas. A seguir, apresentaremos uma definição formal para essa “função”. Antes
disso, definiremos o que é uma inversão (LIMA, 2016).
Dada uma sequência numérica, denominaremos de inversão quando um número
inteiro precede um menor que ele. Por exemplo, no conjunto [1 2] não temos inver-
são; contudo, no conjunto [2 1] temos uma inversão. Então, formalmente, podemos
definir inversão da seguinte forma: Dada uma permutação dos inteiros 1,2, , n,
existe uma inversão quando um número inteiro precede um número menor que ele.
Por exemplo, considerando o conjunto [3,2,1] percebemos nele três inversões, o dois
e o três precedem o um e o três precede do dois. Na Tabela 1, apresentamos algumas
permutações e o respectivo número de inversões.
Tabela 1 - Permutações e número de inversões
Permutação Número de Inversões
[1, 2, 3] 0
[1, 3, 2] 1
[2,1, 3] 1
[2, 3,1] 2
[3,1, 2] 2
[3, 2,1] 3
Fonte: os autores.
UNIDADE II 39
Observe que para os três números inteiros distintos, tivemos 3! = 6 inversões. Logo,
torna-se fácil deduzir que para n inteiros distintos teremos n! inversões.
DEFINIÇÃO 1
Dada uma matriz A n × n, definimos o determinante de A, denotado por detA como
n!
detA = (1) N a1 j a2 j  anj ,
1 2 n
n=1
onde N = N[ j1 , j2 ], , jn ] representa o número de inversões da permutação

[ j1 , j2 , , jn ] .
Algumas observações importantes acerca da definição são as seguintes:
N
•• o coeficiente (−1) define o sinal de cada parcela do somatório;
•• em cada parcela do somatório existe somente um elemento de cada linha e so-
mente um elemento de cada coluna da matriz;
•• por meio de reordenações, podemos definir de forma equivalente
n!
detA = n=1(1) N a j 1a j 2  a j n .
1 2 n
A partir da definição, podemos escrever uma fórmula que nos permite calcular o
determinante de matrizes de ordem 2 e de ordem 3.
Determinante de Matrizes 2x2
Em uma matriz quadrada
a a12
A = 11
a21 a22
de segunda ordem, temos que n = 2. Dessa forma, cada permutação terá dois ele-
mentos, o que totaliza duas (2!) permutações, as quais são [1 2] e [2 1]. Logo, o
somatório que define o determinante terá duas parcelas. Além disso, podemos escrever
explicitamente como:
detA = (1)0 a11a22 (1)1 a12 a21 = a11a22 a12 a21 .
40 Determinante, Matriz Inversa e Sistemas Lineares

Como exemplo, calculemos o determinante da matriz
1 1
A= .
2 3
Neste caso, teremos: detA = 1 (3) (1) 2 = 3 2 = 1
Determinante de Matrizes 3 X 3
Utilizando a definição de determinante e procedendo de forma análoga ao que fize-

mos para matrizes de ordem 2, podemos mostrar que o determinante de uma matriz
A 3 × 3 escrita na forma
a11 a12 a13

A = a21 a22 a23
a a32 a33
31
é dado por
detA = (a11a22 a33 a12 a23 a31 a13 a21a32 ) (a13 a22 a31 a11a23 a32 a12 a21a33 )
Você deve obter a fórmula acima como exercício.
Como exemplo, calculemos o determinante da matriz
1 3 2

B = 5 2 7 .
3 0 1

Utilizando o último resultado, temos
detB = (1 (2) (1) (3) 7 3 2 5 0) (2 (2) 3 1 7 0 (3) 5 (1)
detB = (2 63 0) (12 0 15) = 64.
UNIDADE II 41
Propriedades dos Determinantes
A seguir, apresentamos algumas propriedades dos determinantes.

1. detA = detAt
Dada uma matriz, o seu determinante é igual ao da sua transposta. Essa pro-
priedade decorre da definição, pois, conforme estabelecemos, o somatório pode
ser realizado em relação aos índices que representam as linhas ou as colunas.
2. Se multiplicarmos uma linha de uma matriz por um número real k, o deter-
minante fica multiplicado por k.
3. Se permutarmos duas linhas (ou duas colunas) de uma matriz, o determinante
dessa matriz muda de sinal.
4. Se multiplicarmos todos os elementos de uma matriz por um número real k,
o determinante da matriz fica multiplicado por k n.
5. O determinante de uma matriz que tem duas linhas (ou colunas) iguais é
igual a zero.
6. O determinante não se altera se somarmos aos elementos de uma linha, os
elementos correspondentes de outra linha multiplicados por uma constante.
7. det ( AB) = detAdetB.
Exercício: Utilizando a definição de determinante, justifique as propriedades acima.

Cálculo do determinante
pelo Método de Laplace
Você deve ter notado que calcular o determinante

pela definição pode ser bastante enfadonho. Por
isso, metodologias alternativas para o cálculo são
sempre bem-vindas. Um desses métodos alter-
nativos consiste no método de Laplace. Antes de
estudá-lo, precisamos definir alguns conceitos.
O primeiro conceito que introduziremos é o de
submatriz.
Submatriz
Seja uma matriz quadrada A n × n. Uma subma-

triz Aij de A é uma matriz obtida eliminando a
i-ésima linha e a j-ésima coluna de A (ANTON;
RORRES, 2012).
Como exemplo, considere a matriz

1 3 2

A = 5 2 7
3 0 1

UNIDADE II 43
As matrizes
 −3 2 1 2
A21 =   e A32 =  
 0 −1  5 7
são submatrizes de A.
Outro conceito que nos será útil no cálculo de determinantes pelo método de Laplace
é o conceito de cofator. A definição de cofatores também será importante na definição
de matriz adjunta.
Cofator
O cofator de um elemento aij de uma matriz quadrada A n × n é o número
Dij = (1)i j detAij .
O cofator é também denominado complemento algébrico.

Para exemplificar, tomemos a matriz
1 3 2

A = 5 2 7
3 0 1

Neste caso, temos que
1 2
D22 = (1)22 detA22 = (1)4 det
3 1
D22 = −7.
e
5 7
D12 = (1)12 detA12 = (1)3 det
3 1
D12 = (1) (26) = 26.
Exercício: Calcule os demais cofatores da matriz acima.

Método de Laplace
O cálculo de determinante de uma matriz A n × n via o desenvolvimento de Laplace

é realizado por meio da fórmula a seguir
n
detA = ∑aij ∆ij ,
j =1
para qualquer linha i. De forma análoga, podemos definir também

n
detA = ∑ aij ∆ij
i=1
para qualquer coluna j.
Para exemplificar, calculemos o determinante da matriz
1 3 2

A = 5 2 7
3 0 1

pelo método de Laplace.
Segundo a definição, para fazer o cálculo podemos escolher qualquer linha ou qual-
quer coluna, e então fazemos o somatório. Tomemos a linha 3.
Neste caso, podemos escrever:

n
detA = ∑a3 j ∆3 j
j =1
detA = a31D31 + a32D32 + a33D33
detA = 3 (17) 0 3 (1) 13 = 51 13 = 64
Como exercício, calcule o determinante da matriz A pelo método de Laplace utili-

zando outra linha ou coluna.
UNIDADE II 45
Matriz Adjunta
Nesta seção, introduziremos o conceito de matriz

adjunta. Antes disso, precisamos definir a matriz
dos cofatores.
Definição: Matriz dos Cofatores
Seja A = (aij ) uma matriz quadrada de ordem n.

Definimos a matriz dos cofatores de A, denotada
por D, a matriz que se obtém substituindo cada
elemento aij de A pelo seu respectivo cofator Dij .
Exemplificaremos essa definição com o cál-
culo da matriz dos cofatores associada à matriz
1 3 2

A = 5 2 7
3 0 1

Já conhecemos os cofatores D12 = 26 e D22 = −7.

Calculando os demais cofatores, obtemos:
2 7
D11 = (1)11 detA11 = (1)2 det
0 1
D11 = 2.

5 2
D13 = (1)13 detA13 = (1)4 det
3 0
D13 = 6.
3 2
D21 = (1)21 detA21 = (1)3 det
0 1
D21 = −3.
1 3
D23 = (1)23 detA23 = (1)5 det
3 0
D23 = −9.
3 2
D31 = (1)31 detA31 = (1)4 det
2 7
D31 = −17.
1 2
D32 = (1)32 detA32 = (1)5 det
5 7
D32 = 3.
1 3
D33 = (1)33 detA33 = (1)6 det
5 2
D33 = 13
Colocando os cofatores calculados nas posições devidas, obtemos a matriz
2 26 6

D = 3 7 9 ,
17 3 13

a qual é a matriz dos cofatores de A.

Agora, para praticar um pouco, determine a matriz dos cofatores da matriz
1 2
B= .
5 7
UNIDADE II 47
Definição: Matriz Adjunta
Seja A uma matriz quadrada de ordem n. Definimos a matriz adjunta de A , denotada

por adj( A), como a transposta da matriz dos cofatores de A, isto é (FRANCO, 2016),
adj( A) = Dt .
Para exemplificar, determinemos a matriz adjunta da matriz abaixo:
1 3 2

A = 5 2 7
3 0 1

Note que a matriz A é aquela que determinamos a sua matriz dos cofatores. Dessa
forma, basta calcular a transposta da matriz dos cofatores, que neste caso será dada por:
2 3 17
t
adj( A) = D = 26 7 3.
6 9 13

É a sua vez de praticar. Calcule a matriz adjunta da matriz
1 2
B=
5 7
Lembre-se que você já determinou a matriz dos cofatores de B.
Na sequência, estudaremos um importante teorema que envolve a matriz adjunta. Antes

disso, você está convidado a fazer alguns cálculos. Consideremos a mesma matriz A
utilizada no exemplo que acabamos de resolver. Já sabemos que detA = −64 . Agora,
calcule a multiplicação Aadj( A).
Você encontrará
64 0 0 1 0 0

Aadj( A) = 0 64 0 = 64 0 1 0 = detA I 3 .
0 0 64 0 0 1

Será que o resultado encontrado acima A adj( A) = detAI n é sempre válido? A resposta
é positiva. Neste caso, enunciaremos o seguinte teorema.

1 TEOREMA Seja A uma matriz quadrada de ordem n, tal que detA = 0. Então, Aadj( A) = detAI n.
Demonstração: faremos uma demonstração esquemática para matrizes de ordem
dois, que pode ser generalizada para matrizes de ordem n.
Seja a matriz
a a12
A = 11 .
a21 a22
Temos que a matriz adjunta associada à A é dada por:
a a12
adj( A) = 22
a21 a11
Dessa forma, o produto Aadj( A) é dado por:
 a a − a12a21 −a11a12 + a11 a12   det ( A) 0

Aadj( A) =  11 22 =  = det ( A)I 2 .
 a21a22 − a21a22 a11a22 − a12 a21   0 det ( A) 
Os resultados para matrizes de ordem superior podem ser obtidos de forma análoga.
A seguir apresentaremos o conceito de matriz inversa.
UNIDADE II 49
Matriz Inversa
Seja A uma matriz quadrada de ordem n. De-

nominamos matriz inversa de A, denotada por
A−1, a uma matriz, também de ordem n que
satisfaz a seguinte propriedade AB = BA = I n .
Se essa matriz A−1 existir, A será chamada de
matriz invertível (HOLT, 2016).

1 EXEMPLO Calcule a inversa da matriz
2 1
A=
4 3
Resolução: determinaremos a matriz inversa A−1 utilizando a definição.

Para isso, denominemos
a b
A1 = ,
c d
e determinemos os elementos a, b, c e d.
Assim, temos que:
2 1 a b 1 0
=
4 3 c d 0 1
O que nos leva a:
2a c 2b d 1 0
= .
4 a 3c 4b 3d 0 1
Dessa forma, temos dois sistemas de equações dados por:
2a + c = 1
4 a 3c = 0
e
2b + d = 0
4b 3d = 1.
O que nos leva a: a = 3 /10, b = −1/10, c = 4 /10 e d = 2 /10. Logo, concluímos que
3 / 10 1 / 10
A1 .
4 / 10 2 / 10
Como exercício, calcule o produto entre a matriz A−1 calculada e a matriz A original;
e então confirme se o resultado é realmente a matriz identidade.
Você deve ter notado que o cálculo da matriz inversa pela definição pode ser
uma tarefa enfadonha, sobretudo para matrizes de ordens superiores a dois. Para
isso, iremos desenvolver uma expressão que nos permitirá a realização deste cálculo
de forma mais direta, sem a necessidade de resolver sistemas de equações. Para esse
fim, considere o resultado já encontrado:
UNIDADE II 51
Aadj( A) = (detA)I n ,
podemos reescrevê-lo na seguinte forma:
adj( A)
A = In
det ( A)
Comparando esta expressão com a definição de matriz inversa, concluímos que
1
A−1 = adj( A)
detA
Essa expressão nos possibilita calcular matrizes inversas de forma mais direta.
Como exemplo, tomemos a matriz
1 3 2

A = 5 2 7
3 0 1

Já calculamos a sua adjunta, a qual é dada por:
2 3 17

adj( A) = 26 7 3
6 9 13

O seu determinante também já foi calculado, para o qual foi obtido detA = −64 .
Dessa forma, a inversa de A é dada por:
2 3 17
1 1
A = 26 7 3
(64)
6 9 13


Como exercício, verifique se o produto AA−1 para a matriz dada neste exemplo é
realmente igual à matriz identidade.
Com a definição de matriz inversa a partir da matriz adjunta, podemos inferir
que a condição para que uma matriz tenha inversa é:
detA = 0.
Algumas propriedades da matriz inversa serão apresentadas a seguir.
Propriedades
1. I n1 I n .
2. ( AB)−1 = B −1 A−1 .
At A1 .
1 t
3.
4. Se uma matriz A possui inversa, a inversa é única.
1
5. detA1 .
detA
Demonstrações: A primeira propriedade é imediata, pois a adjunta da matriz iden-

tidade é ela mesma, os únicos cofatores não-nulos de uma matriz identidade são
aqueles associados à diagonal principal. E ainda, o determinante da matriz identidade
é igual a 1. Neste caso, fica provada a propriedade 1.
Você pode verificar a segunda propriedade de forma bem fácil. Sabemos que
pela definição da matriz inversa, quando multiplicamos uma matriz por sua inversa
devemos obter a matriz identidade. Neste caso, temos
( AB)−1 AB = B −1 A−1 AB = B −1 I n B = B −1 B = I n .
Por outro lado, temos
AB( AB)−1 = ABB −1 A−1 = AI n A−1 = AA−1 = I n
E assim fica demonstrada a propriedade 2.

A propriedade 3 pode ser demonstrada de forma análoga à anterior. Conforme
está explicitado na expressão a seguir
UNIDADE II 53
A1 A
t t
At A1 I nt I n .
A propriedade 4 pode ser demonstrada por contradição. Para isso, supomos que as
matrizes B e C são inversas da matriz A. Então, AB
= BA
= I n e AC= CA = I n. Com
isso, podemos escrever
B BI n B AC BA C I nC C ,
logo, B = C.
A quinta propriedade é facilmente demonstrada se utilizarmos a definição de matriz
inversa AA1 I n e a propriedade do determinante do produto
det AB detAdetB.
Seja então, AA1 I n. Calculando o determinante de ambos os lados da equação, obtemos

det AA1 detAdetA1 detI n 1
detAdetA1 1
supondo detA = 0 , chegamos a
1
detA1 .
detA
Um exercício interessante do cálculo matricial está colocado a seguir.

Exercício: Isole a matriz X dada na equação AX = B.
Resolução: podemos isolar a matriz X multiplicando à esquerda dos dois lados
da equação por A−1. Como AA−1 = I n e I n é o elemento neutro da multiplicação
matricial, temos que
X = A−1 B.
desde que A−1 exista.
Agora que você já conhece o conceito de matriz inversa, podemos retornar ao

problema da mensagem por você recebida. O seu objetivo é decifrá-la. Para esse
fim, você deve entender como ela foi elaborada.

Primeiramente, o responsável pela escrita da mensagem trocou as letras por números,
da maneira que foi estabelecida no início desta unidade. Em seguida, ele colocou os
números em uma matriz, a qual foi multiplicada à esquerda pela matriz chave, e o resul-
tado obtido foi a matriz enviada. Denominemos a matriz segredo por S, a matriz chave
por C e a matriz mensagem (a que foi enviada a você) por M . Neste caso, temos que:
M = CS .
Neste caso, precisamos isolar a matriz S para então deciframos a mensagem. Para
esse fim, multipliquemos à esquerda dos dois lados por C −1. Dessa forma, temos
C − 1M = C −1CS .
Contudo, você sabe que C −1C = I 2. Assim sendo,
C −1M = I 2 S ,
ou seja,
S = C −1M .
Dessa forma, percebemos que para decifrar a mensagem você deve multiplicar a
matriz M recebida à esquerda pela inversa da matriz chave.
Como exercício é deixado para você mostrar que a inversa da matriz chave é:
3 1
C 1 = .
2 1
Sendo assim, a decodificação da mensagem nos fornece
3 1 15 18 18 17 4 0
S =
2 1 30 55 31 51 25 1
O que nos fornece
15 1 23 0 13 1
S = .
0 19 5 17 17 1
Associando os números da matriz a letras do alfabeto, chegamos a

PAZ NA TERRA.
E essa foi a mensagem enviada pelos extraterrestres.
UNIDADE II 55
Sistemas de
Equações Lineares
Os sistemas lineares são de extrema importância

nas mais variadas áreas do conhecimento. Sendo
assim, compreender como encontrar a solução
de um sistema de equações lineares é demasia-
damente necessário a qualquer profissional de
ciência e tecnologia, sobretudo a você que será
um futuro engenheiro. Existem diversos métodos
para encontrar a solução de um sistema linear.
Estudaremos nesta seção um desses métodos,
denominado Método de Cramer.
Método de Cramer
Nesta seção, veremos como se resolve um sistema

linear por meio da regra de Cramer. A regra de
Cramer é aplicável quando o número de equa-
ções é igual ao número de incógnitas. De forma
geral, é possível resolver um sistema de equações
quando o número de equações é maior ou igual
ao número de incógnitas.
Para esse fim, considere o sistema de equações
lineares com n equações e n incógnitas dado a
seguir (ANTON; RORRES, 2012).

a11 x1 a12 x2 … a1n xn = b1
a x a22 x2 … a2 n xn = b2
21 1

an1 x1 an2 x2 … ann xn = bn
Podemos escrevê-lo no formato matricial
x   b1 
 a11 a12 … a1n   1   
  x  b2 
 a21 a22 … a2 n   2 
. x  =  b3  ,
   3  
 
 an1 an2 … ann     
b 
 xn   n
o qual pode ser escrito como
AX = B,
onde A representa a matriz dos coeficientes, X representa a matriz das incógnitas (ou
matriz solução) e B representa a matriz dos termos independentes. Neste caso, temos
a11 a12 … a1n

a a22 … a2 n
A = 21

an1 an2 … ann
 x1 
 
 x2 
X =  x3  ,
 
 
x 
 n
e
 b1 
 
 b2 
B =  b3 
 
 
b 
 n
A regra de Cramer nos diz que a solução do sistema é dada por
detA1
x1 = ,
detA
UNIDADE II 57
detA2
x2 = ,
detA

detAn
xn = ,
detA
onde detA é o determinante da matriz dos coeficientes e detAi é o determinante da

matriz Ai . A matriz Ai é obtida de A pela substituição da i-ésima coluna de A pela
matriz dos termos independentes.
Faremos uma demonstração esquemática da regra de Cramer. Contudo, a demons-
tração pode ser generalizada para o caso com mais incógnitas e equações. Tomaremos
um sistema com três incógnitas e três equações dado por
a11 x1 + a12 x2 + a13 x3 = b1

a21 x1 + a22 x2 + a23 x3 = b2 ,
a31 x1 + a32 x2 + a33 x3 = b3
o qual pode ser escrito no formato matricial dado por
a11 a12 a13 x1 b1

a21 a22 a23 x2 = b2 .
a a32 a33 x3 b3
31
Escrevemos, então,
AX = B,
X = A−1 B.
Neste caso,
x1 D11 D12 D13 b1
1
x2 = detA D21 D22 D23 b2 .
x D D32 D33 b3
3 31
Efetuando a multiplicação de A−1 por B, obtemos

x1 ∆11b1 ∆21b2 ∆31b3
1
x2 = ∆12b1 ∆22b2 ∆32b3 .
detA
x3 ∆13b1 ∆23b2 ∆33b3
Note que, utilizando o método de Laplace, podemos mostrar que
D11b1 + D21b2 + D31b3 = detA1 ,

onde b1 a12 a13

A1 = b2 a22 a23 ,
b a32 a33
3
ou seja, é a matriz obtida pela substituição da primeira coluna da matriz A pela matriz B.
De forma análoga,
D12b1 + D22b2 + D32b3 = detA2 ,
onde

a11 b1 a13

A2 = a21 b2 a23 ,

a b3 a33
31
ou seja, é a matriz obtida pela substituição da segunda coluna da matriz A pela matriz B.
E também,
D13b1 + D23b2 + D33b3 = detA3 ,
em que
a11 a12 b1

A1 = a21 a22 b2 ,
a a32 b3
31
ou seja, é a matriz obtida pela substituição da terceira coluna da matriz A pela matriz B.
Com isso, mostramos a regra de Cramer.
2 EXEMPLO Utilizando a regra de Cramer, resolva o sistema de equações a seguir:
x 4 y z =6

4 x y 2 z = 1
2 x 2 y 3 z = 20

Resolução: o sistema quando escrito no formato matricial fica dado por
1 4 1 x 6
4 1 2 . y = 1 .
2 2 3 z 20
E as matrizes Ax , Ay e Az , obtidas pela substituição da matriz dos termos independen-

tes na primeira, segunda e terceira coluna da matriz A, respectivamente, são dadas por
UNIDADE II 59
6 4 1
Ax = 1 1 2 ,
20 2 3
1 6 1
Ay = 4 1 2 ,
2 20 3
1 4 6
e
Az = 4 1 1 .
2 2 20
Você deve verificar como exercício que detA = −55 , detAx = 144, detAy = 61 e
detAz = −230.
Dessa forma, encontramos a solução x = −144 / 55, y = −61/ 55 e z = 230 / 55 .
Classificação dos Sistemas
Utilizando a regra de Cramer, podemos classificar os sistemas de acordo com o valor

encontrados para os determinantes da matriz dos coeficientes e das demais matrizes.
1. detA = 0: Sistema Possível e Determinado: o sistema é possível e determinado
se o determinante da matriz dos coeficientes for diferente de zero. Neste caso,
a solução é única.
2. detA = 0 : quando o determinante da matriz dos coeficientes é igual a zero,
temos duas possibilidades:
a) detAi 0,� � i : quando os demais determinantes são todos nulos, temos um
sistema com infinitas soluções, ou seja, o sistema é possível e indeterminado.
b) detAi = 0: quando pelo menos um dos demais determinantes é diferente de
zero, temos um sistema impossível.
Por exemplo, o sistema que resolvemos é possível e determinado.
Você sabia que a inversa da transposta é igual a transposta da inversa? Ou seja, se

alguém pedir para que você inverta uma matriz e depois calcule a transposta, você
obteria o mesmo resultado se calculasse primeiro a transposta e depois a invertesse.

Você pode utilizar seu diário de bordo para a resolução.
1. O determinante da matriz A
1 2 3

A 1 1 2
0 1 2

é igual a:
a) -2.
b) 2.
c) -1.
d) 1.
e) 0.
2. A adjunta da matriz
1 2 3

A 1 1 2
0 1 2

é dada por
1 0 1 2 1 3
0 2 2 b) 2 c) 3
1 4 2 1
a) 1 1 3

1
1 2 1
2 1
1 1 3

0 1 1 0 2 1

d) 2 2 1 e) 1 2 1
1 1 1 1 1 1

61
3. Os valores de x para os quais a matriz
1 1 0

A �1 0 1
1 2 x

tem inversa são:
a) x = 1.
b) x 1.
c) x 2 .
d) x = 0.
e) x > 1.
4. Sobre o sistema linear

x yz 6

x y z 4
2x y z 1

podemos afirmar:
I) O sistema é possível e determinado.
II) O sistema é impossível.
III) O sistema é possível e indeterminado.
x
IV) A solução do sistema é dada por= 1,�=
y 3,� z = 2 .
V) O sistema admite infinitas soluções.
Está(ão) correta(s):
a) I e IV.
b) apenas a II.
c) apenas a III.
d) III e IV.
e) apenas a IV.
5. Mostre que a inversa da matriz
a b
A
c d
é dada por
1 d b
A .
ad bc c a
62
LIVRO
Álgebra Linear Contemporânea

Autor: Howard Anton e Robert C. Busby
Editora: Bookman
Sinopse: esta obra traz o conteúdo de álgebra linear para estudantes de ciências
exatas e engenharia com aplicações modernas. Neste livro há uma interface
entre álgebra linear e geometria.
Comentário: a leitura do capítulo 4 desta obra é recomendada.
63
ANTON, H.; BUSBY, R. C. Álgebra Linear Contemporânea. Porto Alegre: Editora Bookman, 2006.
ANTON, H.; RORRES, C. Álgebra Linear com Aplicações, 10 ed. São Paulo: Editora Bookman, 2012.
FRANCO, N. M. B. Álgebra Linear, 1. ed. São Paulo: Ed. Pearson, 2016.
HOLT, J. Álgebra Linear com Aplicações, 1. ed. São Paulo: Ed. LTC, 2016.
LIMA, E.L. Álgebra Linear, 9. ed. Rio de Janeiro: Ed. SBM, 2016.
64
1. A resolução desta atividade consiste em calcular o determinante da matriz dada. O cálculo pode ser reali-
zado por diversos métodos. Utilizaremos o resultado que encontramos no texto para matrizes de ordem
3 a partir da definição. Sendo assim, temos:
detA 2.1.1 2.2.0 3.1.1 0.1.3 1.1.1 2.1.2

detA 1.
Portanto, a alternativa correta é a letra C.
2. Nesta questão, devemos calcular a matriz adjunta associada à mesma matriz da questão anterior. Para
isso, precisamos calcular antes os seus cofatores, os quais são:
11 0,� 12 2,� 13 1,� 21 1,� 22 2,� 23 1,� 31 1,� 32 1,�� 33 1
Dessa forma, a matriz dos cofatores é dada por
0 2 1

1 2 1
1 1 1

Como a matriz adjunta é a transposta da matriz dos cofatores, chegamos ao resultado:
0 1 1

adjA 2 2 1
1 1 1

Portanto, a alternativa correta é a letra D.
3. A resolução desta questão consiste em aplicar a condição de existência da matriz inversa, a qual é: detA = 0.
O determinante da matriz dada é igual a: 1 2 x 0
o que nos fornece x 1. Portanto, a resposta correta é a letra B.
4. Resolveremos essa atividade utilizando o método de Cramer. Como primeiro passo, escrevemos o sistema
no formato matricial, o qual é dado por
1 1 1 x 6

1 1 1 y 4 .
2
1 1 z 1
O primeiro passo é calcular o determinante da matriz dos coeficientes, a qual denominamos por
1 1 1

A 1 1 1 .
2 1 1

65
Obtemos, então,detA 4. Como o determinante da matriz dos coeficientes é diferente de zero, o sistema
dado é possível e determinado. Concluímos assim, que os itens II, III e V estão incorretos e o item I está
correto. Resta-nos saber se o item IV está correto. Para esse fim, calcularemos a solução do sistema.
6 1 1

Ax 4 1 1 ,
1 1 1

1 6 1

Ay 1 4 1 ,
2 1 1

e
1 1 6

Az 1 1 4 .
2 1 1

Obtemos assim, detAx 4,� detAy 12,� detAz 8 .
Dessa forma, encontramos a solução x = 1 y = 3 z = 2.
O item 4 está correto. Assim, a alternativa correta é a letra A.
5. Há várias formas de se resolver esta questão. Resolveremos por meio do cálculo da adjunta. Antes, devemos
encontrar os cofatores da matriz A , os quais são dados por
∆11 = d ∆12 = −c ∆21 = −b ∆22 = a.

Assim, a matriz dos cofatores é dada por
d c
.
b a
Calculando a adjunta da matriz dos cofatores, obtemos a matriz adjunta, a qual é dada por
d b
adjA .
c a
Como o determinante de A é dado por detA ad bc , obtemos para a inversa de A o seguinte resultado
1 d b
A1 .
ad bc c a
Chegamos ao resultado esperado.
66
67
68
Dr. Ronni Amorim
Fundamentos de
Geometria Analítica no R2
PLANO DE ESTUDOS
A reta
O ponto A circunferência
• Calcular a distância entre dois pontos. • Identificar e construir equações de circunferências.

• Identificar e construir equações de retas.
O Ponto
Prezado(a) aluno(a), nesta unidade você estudará

os principais elementos da geometria analítica no
plano. Os conceitos estudados serão fundamentais
para a compreensão das demais unidades. Os tópi-
cos serão divididos basicamente em três: o ponto,
a reta e a circunferência. De um ponto de vista
histórico, pode-se dizer que a geometria analítica
teve início com a obra “La Geométrie” escrita por
René Descartes. Descartes (1596-1650), embora
fosse licenciado em Direito, realizou brilhantes
contribuições às áreas de Física e Matemática. Des-
cartes introduziu as bases da geometria analítica,
ao introduzir as ideias de eixos e de coordenadas
(o conhecido plano cartesiano), que permitiram
traduzir um problema geométrico para a lingua-
gem algébrica e, reciprocamente, dar uma inter-
pretação geométrica a determinadas equações.
Desde então, a geometria analítica tem evoluído
e se tornado um item de fundamental importância
em áreas como engenharia e computação.
Como um pequeno exemplo que traduz a importância da geometria analítica até
mesmo em nosso dia a dia, considere a situação a seguir. Suponha que você tenha
encontrado um mapa, confeccionado pelo seu falecido bisavô, o qual traz a locali-
zação de um tesouro enterrado no sítio da família. Contudo, a leitura do mapa não
é simples, e, além disso, o seu bisavô tinha estabelecido que apenas uma escavação
poderia ser feita para retirar o tesouro, a fim de conservar as características do sítio.
O mapa era baseado em um pé de goiaba e dois pés de manga, localizados próximos
à casa do sítio. As instruções do seu bisavô eram as seguintes:
1. Partindo do pé de goiaba, caminhe até o pé de manga a sua esquerda, contando
os passos. Chegando lá, gire à direita 90 graus e caminhe o mesmo número
de passos. Aonde chegar, faça uma marca.
2. Voltando novamente ao pé de goiaba, ande até chegar ao pé de manga a sua
direita, contando os passos. Chegando lá, gire à esquerda 90 graus, caminhe
o mesmo número de passos e faça uma marca nesta posição.
3. O tesouro está enterrado exatamente na reta que liga essas duas marcas e à
mesma distância das duas marcas.
A Figura 1 traz um esboço do problema proposto, incluindo as goiabeiras e a mangueira.
M2
M1
Figura 1 - Mapa do tesouro

Fonte: os autores.
UNIDADE III 71
E aí, como você resolverá o problema do tesouro?
Antes de solucionar este problema, você deve estudar os conteúdos de geometria
analítica, os quais serão de grande valia na solução desta tarefa. Iniciaremos com
o estudo do ponto.
Antes de introduzirmos a representação de um ponto na geometria analítica, é
importante definirmos o sistema de coordenadas no plano. A representação gráfica
de pontos no plano é feita por meio do plano cartesiano. Este nome é homenagem
a Renê Descartes, o qual foi um dos precursores da geometria analítica. O plano
cartesiano é constituído de dois eixos perpendiculares que se interceptam. Utili-
zando-o, torna-se possível realizar a representação da posição de qualquer objeto
no plano. Diversas atividades utilizam o plano cartesiano, como a cartografia, por
exemplo. Nesse sentido, a localização de um ponto no plano cartesiano é feita pelas
coordenadas do plano P (abcissa, ordenada)=P(x,y). A localização do ponto no eixo
x é denominada abcissa, enquanto no eixo y é denominada ordenada, as quais são
denominadas coordenadas do ponto. Tais valores correspondem a uma espécie de
endereço do ponto. É importante que você saiba que a ordem das coordenadas é
fundamental; caso você troque a ordem da abcissa com a ordenada, o ponto repre-
sentado se modifica. Vejamos alguns exemplos:
• O ponto A(5,-3) possui as coordenadas 5 e -3, sendo 5 sua abcissa e -3 sua
ordenada.
• O ponto B(6,5) possui as coordenadas 6 e 5, sendo 6 sua abcissa e 5 sua or-
denada.
• O ponto C(4,5, -3,5) possui as coordenadas 4,5 e -3,5, sendo 4,5 sua abcissa
e -3,5 sua ordenada.
• O ponto D(0,0) possui coordenadas 0 e 0, sendo 0 sua abcissa e 0 sua ordenada.
O ponto D é denominado origem.
72 Fundamentos de Geometria Analítica no R2

Os pontos exemplificados estão esboçados na Figura 2.
y
6
B (6,5)
5
4
A (-5,3)
3
2
1
-6 -5 -4 -3 -2 -1 D (0,0)
-1 1 2 3 4 5 6 x
-2
-3
-4 C (4,5;-3,5)
-5
-6
Figura 2 - Representação gráfica de pontos

Fonte: os autores.
Uma consideração importante sobre o plano cartesiano é a seguinte: os eixos

x e y dividem o plano em quatro regiões denominadas quadrantes (BOULOS;
CAMARGO, 2004).
• Os pontos pertencentes ao primeiro quadrante possuem abcissas e ordenadas
positivas.
• Os pontos pertencentes ao segundo quadrante possuem abcissas negativas
e ordenadas positivas.
• Os pontos pertencentes ao terceiro quadrante possuem abcissas e ordenadas
negativas.
• Os pontos pertencentes ao quarto quadrante possuem abcissas positivas
e ordenadas negativas.
UNIDADE III 73
Distância entre dois pontos
Agora que você já sabe representar um ponto no plano cartesiano, poderá imaginar
como determinar a distância entre dois pontos. A pergunta é simples: dados dois
pontos, como você pode calcular a distância entre eles? A resposta é bem simples,
e é baseada no Teorema de Pitágoras. Para você perceber isso, observe a Figura 3.
Figura 3 - Distância entre dois pontos

Fonte: os autores.
O seu objetivo é descobrir a distância entre os pontos A e B. Antes disso, note que as
coordenadas dos pontos são A x1 ,� y1 e B x2 ,� y2 . Note também que os pontos A, B
e C formam um triângulo retângulo, com o lado AB representando sua hipotenusa.
Os catetos AC e BC medem respectivamente x1 − x2 e y1 − y2. Denominado a medida
do lado AB por d, temos que a distância entre os pontos A e B é dada por:
d x1 x2 2 ( y1 y2 )2 . (1)
Para que você compreenda melhor, façamos um exemplo.

1 EXEMPLO Calcule a distância entre os pontos A(1,-1) e B(3,1).
Você pode calcular a distância entre os pontos A e B utilizando a Equação (1).
Fazendo isso, obtemos:
d 1 3 2 1 12
d 2 2 2 2
d= 8
d =2 2
2 EXEMPLO Ache o comprimento do segmento cujos extremos são dados pelos pontos (2,-1) e (-1,3).
O comprimento do segmento que possui os pontos dados como extremos nada
mais é que a distância entre tais pontos. Sendo assim, você pode calcular da mesma
forma que no exemplo anterior:
d 2 1 2 1 32
d 3 2 4 2
d = 25
d =5
Ponto Médio de um Segmento
A pergunta que você deve responder agora é outra: dados dois pontos no plano
cartesiano, como você faria para determinar as coordenadas do ponto médio do
segmento que liga esses dois pontos? Esse é um problema muito importante da
geometria analítica plana e você o utilizará para resolver o problema motivador do
início da unidade. Para isso, considere a Figura 4 a seguir.
UNIDADE III 75
Figura 4 - Ponto médio
Fonte: os autores.
Para determinar as coordenadas do ponto médio do segmento que une os pontos A

e B, você deve considerar que a distância entre A e M é a mesma entre B e M. Assim,
denominando d AM como a distância entre A e M; d BM como a distância entre B e
M; e xM ,� yM como as coordenadas do ponto M, temos:
d AM = d BM
xM x1 2 yM y1 2 x2 xM 2 y2 yM 2 ,
Elevando ambos os membros ao quadrado e desenvolvendo os produtos notáveis, obtemos:
2
xM 2 xM x1 x12 yM
2
2 yM y1 y12 x22 2 x2 xM xM
2
y22 2 y2 yM yM
2
Simplificando a última equação, podemos escrever:
2 xM x1 x2 2 yM y1 y2 x22 x12 y22 y12 ,
reconhecemos do membro direito da equação o produto da soma pela diferença.

Assim, temos:
2 xM ( x1 − x2 ) + 2 yM ( y1 − y2 ) = ( x1 + x2 ) ( x1 − x2 ) + ( y1 + y2 ) ( y1 − y2 )

Comparando os dois membros da equação acima, percebemos que para a igualdade
ser mantida devemos ter:
2 xM x1 x2 ,
2 yM y1 y2 .
O que nos leva às coordenadas do ponto médio de um segmento:
xM
x1 x2 ,
2
yM
y1 y2 .
2
Para que você fixe essa ideia, façamos um exemplo.
3 EXEMPLO Determine as coordenadas do ponto médio do segmento cujos extremos são os

pontos (2,-1) e (-1,3).
Para resolver este exemplo você deve utilizar as equações deduzidas anteriormente.
Dessa forma,
xM
2 1 ,
2
yM
1 3 .
2
Com isso, as coordenadas do ponto médio do segmento dado é:
1
xM = ,
2
yM = 1.
Ou seja, 1 ,�1
2
UNIDADE III 77
A Reta
Neste tópico, você estudará sobre retas no plano.

Dessa maneira, a seção está organizada com os
seguintes tópicos: coeficiente angular de uma reta;
equação da reta; retas paralelas e perpendiculares;
distância entre ponto e reta.
Como você notou, um ponto é representa-
do no plano como um par ordenado. Por outro
lado, uma reta é representada por um conjunto de
pontos que satisfazem à equação ax by c 0 .
No decorrer da seção, o estudo sistemático desta
equação será detalhado.
Coeficiente angular de uma reta
Um ingrediente fundamental na escrita da

equação de uma reta é o seu coeficiente angu-
lar, também conhecido como declividade da
reta. E o que seria o coeficiente angular de uma
reta? Para responder a essa questão, considere
a Figura 5 dada a seguir.

y
y2 B
y2 y1
A
y1
x2 x1
x1 x2 x
Figura 5 - Coeficiente angular

Fonte: os autores.
Considere a reta que passa pelos pontos A e B mostrados na Figura 5. O coeficiente
angular dessa reta, representado por m, é definido como a tangente do ângulo que a
reta forma com a horizontal, ou seja, é igual à tangente do ângulo oposto ao lado com
medida y2 − y1. Assim, utilizando as relações trigonométricas do triângulo retângulo,
temos que a declividade é dada por:
y y
m 2 1.
x2 x1
É importante destacar que a declividade deve ser sempre considerada do eixo x para
a reta no sentido anti-horário. Assim, se a reta for crescente, m > 0, pois o ângulo
será agudo. Se a reta for decrescente, m < 0, pois o ângulo é obtuso. Por outro lado,
se a reta for horizontal, m = 0.
Outra observação merecedora de destaque é a afirmação que dois pontos distintos
determinam uma única reta. Ou seja, dados dois pontos distintos no plano, há apenas
uma reta que passe simultaneamente por esses dois pontos.
A equação da reta
Nesta seção, o objetivo será o estudo da equação da reta. Você estudará como
determinar a equação da reta sob duas perspectivas: no primeiro momento, você
verá como escrever a equação de uma reta dados um ponto pelo qual ela passa e
a sua declividade. Em seguida, o foco será na obtenção da equação de uma reta
conhecendo-se dois pontos pelos quais ela passa.
UNIDADE III 79
Equação da reta quando são conhecidos um ponto
pelo qual ela passa e sua declividade
Suponha que você conheça um ponto P0 x0 ,� y0 pelo qual uma dada reta passe e o
seu coeficiente angular m, e queira encontrar uma equação, de incógnitas x e y , que
represente o conjunto de pontos P x, y pelos quais a reta passe. Neste caso, como
sabemos que a reta passa por P0 e também por P, temos que a sua declividade m pode
ser escrita como
y y0
m .
x x0
Rearranjando essa equação, você obtém
y y0 m x x0 . (2)
A Equação (2) representa a equação de uma reta no plano.

Para que você fixe este conceito, faremos um exemplo.
4 EXEMPLO Determine a equação da reta que passa pelo ponto (-1,5) e tem coeficiente angular 3.
Você pode resolver este exemplo utilizando a Equação (2), pois foi fornecido um
ponto pelo qual a reta passa e a declividade. Dessa forma, obtém-se:
y 5 3 x 1 .
Desenvolvendo a última expressão, tem-se
y 5 3 x 3,
a qual pode ser escrita na forma reduzida (isolando o y)
y 3 x + 8,
ou na forma geral (colocando todos os fatores no primeiro membro)
3x y 8 0.

Equação da reta quando são conhecidos dois pontos
pelos quais ela passa
Digamos que são fornecidos dois pontos pelos quais passa determinada reta e seja
solicitado que você escreva a equação da reta. Como você resolveria este problema?
A solução é simples. Como você conhece dois pontos que pertencem à reta, tais
pontos podem ser usados no cálculo do coeficiente angular. Após a determinação
do coeficiente angular, basta você utilizar a Equação (2) e escrever a equação da reta.
Para que você compreenda este método, o exemplo abaixo é apresentado.
5 EXEMPLO Escreva a equação da reta que passa pelos pontos (-1, 3) e (5,-3).
Primeiramente, você deve calcular o coeficiente angular da reta que passe por
esses pontos. Assim, temos:
3 3
m ,
1 5
m 1.
Agora, de posse da declividade da reta, podemos utilizar a Equação (2). Um obser-

vação importante é que qualquer um dos dois pontos dados poderão ser utilizados
na obtenção da equação da reta.
y 3 1 x 1 .
y 3 x 1,
a qual pode ser escrita na forma reduzida
y x 2,
ou na forma geral
x y 2 0.
UNIDADE III 81
Retas Paralelas e Perpendiculares
Considere a seguinte situação: a você foram apresentadas as equações de duas retas

e foi perguntado se elas são paralelas. O que você faria para responder a essa ques-
tão? Nessa seção, identificaremos quando duas retas são paralelas, concorrentes e
perpendiculares observando as suas equações.
Sabemos da geometria plana que retas paralelas não se interceptam. Nesse sentido,
para que duas retas não se interceptem, elas devem formar o mesmo ângulo com a
horizontal. No linguajar da geometria analítica plana, as retas paralelas devem pos-
suir o mesmo coeficiente angular, ou seja, a mesma declividade. Uma forma simples
de encontrar o coeficiente angular de uma reta é observar o fator que multiplica a
incógnita x quando a equação da reta estiver na forma reduzida (tente justificar essa
última frase). De forma simples, duas retas r e s, com coeficientes angulares iguais a
mr e ms, respectivamente, são paralelas se, e somente se:
mr = ms
Por exemplo, as retas y 3 x 2 e y 3 x 5 são paralelas, pois ambas possuem

o mesmo coeficiente angular, neste caso igual a -3.
Caso os coeficientes angulares sejam diferentes, as retas são concorrentes. Retas
concorrentes especiais são as retas perpendiculares. Duas retas r e s, com coeficientes
angulares iguais a mr e ms , respectivamente, são perpendiculares se, e somente se:
1
mr .
ms
1
Por exemplo, as retas y 2 x 1 e y x 2 são perpendiculares.
2
A demonstração dessa propriedade será realizada a seguir.

Para estabelecermos a condição de perpendicularismo entre duas retas, tomemos
inicialmente uma reta oblíqua r que forme ângulo qr , com o eixo das abscissas. Seja
s ⊥ r tal que a reta s forme ângulo qs com o eixo das abscissas, também no seu sentido
positivo, conforme apresentado na Figura 6.

y
Temos então, qs 90o qr, e

ms tan qs tan 90o qr . Contudo,
r
tan 90o qr cot qr
1
tan qr
,
1
o que nos dá ms .
mr
Assim mr .ms 1é a condição de perpendi-

θs cularismo entre duas retas oblíquas ao eixo x.
θr
x
S
Figura 6 - Retas perpendiculares

Fonte: os autores.
É importante observar que a aplicação de mr .ms 1 é condicionada ao fato de r e

s serem oblíquas ao eixo dos x, pois não é definida no caso de uma delas ser vertical.
Entretanto, se uma reta é vertical, independentemente da condição estabelecida, uma
perpendicular a ela é horizontal e vice-versa.
No propósito de fixar esses conceitos, são apresentados três exemplos.
6 EXEMPLO Escreva a equação da reta que é paralela à reta y 5 x 2 e que passe pelo ponto (-1,1).
A resolução deste exemplo é bem simples. A reta procurada é paralela à reta
y 5 x 2, portanto possui coeficiente angular igual a 5. Além disso, como ela passa
pelo ponto (-1,1), a sua equação pode ser determinada usando a Equação (2), ou seja,
y 1 5 x 1 .

UNIDADE III 83
y 1 5 x 5,
y 5 x 6.
7 EXEMPLO Escreva a equação da reta que é perpendicular à reta 2 y 4 x 3 0 e que passe

pelo ponto (2,-3).
Como a reta r procurada é perpendicular à reta s: 2 y 4 x 3 0 , a relação entre
os seus coeficientes angulares é dada por mr 1 . Assim, no primeiro momento,
ms
devemos encontrar o coeficiente angular de s. Para esse fim, isolemos y na equação
2 y 4 x 3 0. Assim, obtemos:
3
y 2x ,
2
e o coeficiente angular de s é ms = 2. Assim, o coeficiente angular da reta procurada é

1
igual a mr . Com isso, estamos procurando uma reta de coeficiente angular igual
2
a − 1 e que passa pelo ponto (2,-3). Utilizando a Equação (2), obtemos:
2
1
x 2.
y3
2
1
y 3 x 1,
2
1
y x 2.
2
8 EXEMPLO Determine as coordenadas do ponto P de intercessão das retas de equações

y 3 x 1 0 e 2 y 5 x 2 0.
Para encontrar a interseção entre as retas, você deve resolver o sistema de equações
gerado pelas equações das retas dadas, pois no ponto de intercessão, as retas possuem
mesmas coordenadas. Fazendo isso, você pode obter:
Multiplicando a primeira equação por 2, obtém-se:
2 y 6 x 2 0.

Isolando o 2 y,
2 y 6 x 2.
Isolando o 2 y na segunda equação, obtém-se:
2 y 5 x 2.
Igualando-se ambos os 2 y, tem-se:
5 x 2 6 x 2,
ou seja,
4.
x
11
Com tal resultado, conclui-se que
1
y .
11
Logo as coordenadas de intercessão das retas são: x = 4 e y = 1 .
11 11
Distância entre ponto e reta
Nesta seção, você determinará a distância entre um ponto e uma reta. Conhecer a
distância entre reta e ponto será utilizado quando for introduzida a posição relativa
entre retas e circunferências.
A distância entre um ponto P0 x0 ,� y0 a uma reta de equação y mx n, supondo
que o ponto não pertença à reta, pode ser encontrado por meio da equação
n y0 mx0
d . (3)
m2 1
Para fixar este conceito, um exemplo é apresentado a seguir.
9 EXEMPLO Calcule a distância entre o ponto P(1,-1) à reta de equação y 5 x 1.

Reconhecendo os parâmetros m = 5, n = 1, x0 = 1 e y0 1 e utilizando a Equação
(3), obtém-se:
1 1 5.1
d ,
52 1
7
d= .
26
UNIDADE III 85
A Circunferência
Neste tópico, você estudará sobre outro elemen-

to geométrico muito relevante para a geometria
analítica: a circunferência. Da geometria euclidia-
na plana, sabemos que a definição formal de cir-
cunferência é: o lugar geométrico constituído de
pontos equidistantes de um ponto fixo. Ao ponto
fixo denominamos centro da circunferência e a
distância fixa citada denominamos de raio da cir-
cunferência. Essa definição é bastante intuitiva,
pois, em algum dia, muitas pessoas já necessita-
ram desenhar uma circunferência.
Suponha, por exemplo, que você necessite
desenhar a circunferência central do campo de
futebol. Como você faria isso? Primeiramente,
você necessitaria de uma corda cujo comprimento
fosse do tamanho do raio da circunferência que
você deseja plotar. A partir de então, um procedi-
mento simples seria amarrar em uma extremida-
de da corda um objeto que você fixaria no ponto
central do campo e na outra extremidade o objeto
contendo a tinta. Com a corda esticada e presa na
extremidade fixa, basta dar uma volta completa
marcando o percurso com a tinta. Pronto, você
fez a circunferência desejada.

Equação da Circunferência
Agora, a meta é utilizar os conhecimentos adquiridos sobre geometria analítica até o

momento para escrever uma equação que descreva todos os pontos que pertençam
a uma dada circunferência. O procedimento será análogo ao que foi feito no estudo
da reta (WINTERLE, 2014).
Considere que o ponto C x0 ,� y0 represente o centro da circunferência. O con-
junto de pontos de coordenadas P x, y representam a circunferência de raio R se a
distância desses pontos ao centro forem iguais ao raio. Dessa forma, podemos escrever
x x0 2 y y0 2 R
Elevando ao quadrado ambos os membros da equação acima, obtém-se
x x0 2 y y0 2 R2 . (4)
Essa última equação representa uma equação de uma circunferência de centro

C x0 ,� y0 e raio R.
10 EXEMPLO Obtenha a equação da circunferência de centro em (1,-2) e raio igual a 3.

A resolução deste exemplo é bem simples, basta substituir na Equação (4) o ponto
e o raio dados no enunciado. Fazendo isso, obtém-se:
x 12 y 2
2
32 ,
x 12 y 2 2 9
Caso seja de interesse, os quadrados da expressão acima podem ser desenvolvidos,

obtendo-se a equação
x2 y 2 2 x 4 y 4 0
a qual também corresponde à mesma circunferência.
11 EXEMPLO Determine o centro, o raio e o comprimento da circunferência de equação

x2 y 2 6 x 4 y 9 0 .
O reconhecimento do centro e do raio de uma circunferência quando é fornecida a
equação é facilmente realizado se a equação estiver na forma da Equação (4).
UNIDADE III 87
Então, coloquemos a equação neste formato.
x2 y 2 6 x 4 y 9 0
x2 6 x y 2 4 y 9 0
O próximo passo é completar os quadrados da equação acima. Antes disso, lembre-

2 2
mos que a b a2 2ab b2 e a b a2 2ab b2 . Utilizando essas duas
expressões, verificamos que x 3 2 x2 6 x 9 e y 2 2 y 2 4 y 4 . Logo, a
equação da circunferência dada neste problema pode ser escrita como
x 3 2 y 2 2 4 0
ou ainda
x 3 2 y 2 2 4
x 3 2 y 2 2 22
Com isso, reconhecemos que a circunferência tem raio igual a 2 e centro (-3,2).
Conhecendo o raio, podemos calcular o seu comprimento por meio da conhecida
equação l = 2pr , o que nos fornece l = 4p unidades de comprimento.
Posição relativa entre ponto e circunferência
Considere agora que lhe seja fornecido um ponto e a equação de uma circunferência: o
que você faria para saber se o ponto é externo, interno ou está sobre a circunferência?
A resposta é bem intuitiva! Basta você determinar a distância do ponto considerado
até o centro da circunferência, caso essa distância seja maior que o raio da circun-
ferência, o ponto é exterior à circunferência. Caso a distância calculada seja menor
que o raio, o ponto é interior. E caso a distância seja igual ao raio, o ponto pertence
à circunferência. Fácil, não é mesmo?
Façamos um exemplo para fixar bem o conceito.
2 2
12 EXEMPLO Seja a circunferência de equação x 3 y 2 4 , verifique a posição dos
pontos A(-2,3), B(5,3) em relação à circunferência dada.
A resolução desta questão é bem simples. Primeiramente, verifique que a cir-
cunferência dada tem cento no ponto (-3,2) e raio igual a 2. Agora basta calcular as
distâncias dos pontos A e B até o centro da circunferência.

A distância deste ponto A ao centro da circunferência é dada por:
2 2
d 2 3 3 2 2
Como 2 < 2 , segue que o ponto A está no interior da circunferência.
Por sua vez, a distância do ponto B ao centro da circunferência é dada por
2 2 2 2
d 5 3 3 2 8 1 65
Como 8 > 2, segue que o ponto B está do lado de fora da circunferência.

Agora deixaremos uma pergunta a você: como você faria para determinar a posição
relativa entre uma reta e uma circunferência? Ou melhor, como você descobriria se uma
reta é secante, tangente ou se está no exterior de uma circunferência? A resposta é bem
simples, basta você calcular a distância da reta até o centro da circunferência, se a distân-
cia encontrada for inferior ao raio da circunferência, a reta é secante; por outro lado, se
a distância for igual ao raio da circunferência ; e, por fim, se a distância for maior que o
raio da circunferência, a reta é externa. Para fixar esse conceito, veja o seguinte exemplo.
13 EXEMPLO Qual é a posição relativa entre a reta y 3 x 2 e a circunferência

2
x 3 y 2 1 ?
2
4
Observando as equações, você nota que a reta possui coeficiente angular igual a 3
1
e a circunferência possui centro em 3 , 2 e raio igual a 2 . Utilizando a Equação
(3) para determinar a distância da reta à circunferência dadas, temos
2 2 3. 3
d ,
3
2
1
1
d= .
2
Como a distância encontrada foi igual ao raio da circunferência, concluímos que a
reta dada é tangente à circunferência.
Tendo em vista que você já se tornou um perito em Geometria Analítica no Plano,
podemos retornar ao desafio do tesouro, proposto no início da unidade. Para resol-
vê-lo de forma eficiente, vamos definir o eixo x passando pelas mangueiras, com a
origem do sistema de coordenadas localizado na mangueira 1, conforme mostrado
UNIDADE III 89
na forma apresentada na Figura 7. A partir daí, definamos as coordenadas de cada
ponto importante.
• Mangueira 1: M 1 0, 0 ;
• Mangueira 2: M 2 d , 0 ;
• Goiabeira: G a, b ;
• Ponto A: A d b,� a d (distância até M 2 possui a mesma medida do
segmento M 2G );
• Ponto B: B b,� a (distância até M 1 possui a mesma medida do segmento M 1G ).
M2
M1
x
B
Figura 7 - Mapa do Tesouro
Fonte: os autores.
Tente você mesmo explicar porque as coordenadas dos pontos A e B são essas esta-
belecidas (lembre-se da geometria do problema).
Agora, você sabe que o tesouro, ao qual denominaremos de ponto T xT , yT , está lo-

calizado no ponto médio do segmento com extremos nos pontos A e B. Neste caso, temos
xT
b d b d ,
2 2
yT
a a d d .
2 2
d d
Com isso, as coordenadas do Tesouro são T 2 , 2 . Você deve ter percebido que

as coordenadas do tesouro dependem exclusivamente das coordenadas das man-
gueiras, mais especificamente, dependem da distância entre as mangueiras. Dessa
forma, não dependíamos da localização da goiabeira para localizar o tesouro, ou
seja, caso a goiabeira tivesse sido arrancada, teríamos encontrado o tesouro. Viu
como o seu bisavô foi esperto?
Você sabia que o estudo da geometria teve início no século XVII com René Descartes?
Em seus trabalhos preliminares ele buscou relacionar a álgebra com a geometria, o
que proporcionou a criação de princípios matemáticos capazes de analisar, por meio
da geometria, as propriedades do ponto, da reta e da circunferência, determinando
distâncias entre eles, localização e pontos de coordenadas. Após a realização desse
estudo, a matemática passou a ser considerada uma disciplina moderna visto que
era capaz de explicar e demonstrar situações relacionadas ao espaço.
UNIDADE III 91
1. A equação da reta que passa pelo ponto (1,-1) e que é paralela à reta de equação
y 3 x 1 é dado por:
a) y 3 x 1 .
b) y 3 x 2 .
c) y 3 x 5 .
d) y 3x 2 .
e) y 3x 1 .
2. As coordenadas do ponto médio do segmento com extremidades nos pontos

A(-2,3) e B(4,7) são:
a) (1, 5).
b) (-1,10).
c) (-2,5).
d) (2,10).
e) (-1,2).
3. A equação da reta que passa pelo ponto (2,-3) e é perpendicular à reta de equa-
1
ção y x 3 é dada por:
2
a) y 3 x 1.
b) y 3x 2 .
c) y 2 x 7.
d) y 2 x 1 .
e) y 2 x 1.
92
4. O comprimento da circunferência de equação x2 y 2 2 x 6 y 15 0 é igual a:
a) 5p.
b) 25p.
c) 50p.
d) 15p.
e) 10p .
5. A distância do ponto (-2,3) ao centro da circunferência de equação

x2 y 2 2 x 6 y 15 0 é:
a) 3.
b) 5.
c) 5.
d) 3 5 .
e) 3.
93
LIVRO
Fundamentos da Matemática Elementar: Geometria Analítica, v. 7

Autor: Gelson Iezzi
Editora: Atual
Sinopse: um livro recomendado aos estudantes que desejam aprofundar no
estudo da geometria analítica no plano.
Comentário: excelente livro, repleto de exemplos, aplicações e exercícios.
Recomenda-se a leitura minuciosa dos cinco primeiros capítulos.
94
BOULOS, P.; CAMARGO, I. Geometria Analítica - Um Tratamento Vetorial. 3. ed. São Paulo: Editora Pearson,
2004.
WINTERLE, P. Vetores e Geometria Analítica. 2. ed. São Paulo: Editora Pearson, 2014.
95
1. Você pode resolver esta questão utilizando a Equação (2), pois foi fornecido um ponto pelo qual a reta
passa e a declividade. Dessa forma, obtém-se:
y 1 3 x 1 .
y 1 3 x 3,
a qual pode ser escrita na forma reduzida (isolando o y)
y 3 x 2,
portanto, a resposta correta é a alternativa B.
2. Para resolver este exemplo você deve utilizar as equações deduzidas anteriormente. Dessa forma,
2 4 ,e yM
3 7 .
xM
2 2
Com isso, as coordenadas do ponto médio do segmento dado é:
xM = 1, e yM = 5.
Ou seja, 1,� 5 . Portanto, a alternativa correta é a letra A.
1
3. Como a reta r procurada é perpendicular à reta s:� y x 3, a relação entre os seus coeficientes angu-
2
1 1
lares é dada por mr . O coeficiente angular de s é ms . Assim, o coeficiente angular da reta
ms 2
procurada é igual a mr = 2 . Com isso, estamos procurando uma reta de coeficiente angular igual a 2 e
que passa pelo ponto (2,-3). Utilizando a Equação (2), obtemos:
y 3 2 x 2.
y 3 2 x 4,
A qual pode ser escrita na forma reduzida
y 2x 7
Portanto, a alternativa correta é a C.
96
4. Para resolver a esta questão, primeiramente devemos encontrar o centro e o raio da circunferência. O
reconhecimento do centro e do raio de uma circunferência quando é fornecida a equação é facilmente
realizado se a equação estive na forma da Equação (4). Então, coloquemos a equação neste formato.
x2 y 2 2 x 6 y 15 0
2
O próximo passo é completar os quadrados da equação acima. Antes disso, lembremos que a b a2 2ab b2
e a b 2 a2 2ab b2 . Utilizando essas duas expressões, verificamos que x 12 x2 2 x 1 e y 3 2 y 2 6 y 9.
Logo, a equação da circunferência dada neste problema pode ser escrita como
x 12 y 3 2 25 0
ou ainda
x 12 y 3 2 25
x 12 y 3 2 52
Com isso, reconhecemos que a circunferência tem raio igual a 5 e centro (1,-3). Conhecendo o raio, podemos
calcular os seu comprimento por meio da conhecida equação l = 2pr , o que nos fornece l = 10p unidades
de comprimento. Portanto, a alternativa correta é a E.
5. A circunferência dada nessa questão é a mesma da questão 4, cujo centro possui coordenadas (1,-3). Assim,
a distância do ponto (-2,3) ao centro da circunferência é dada por
d 2 12 3 3 2
d = 45,
d = 3 5.
97
98
99
100
Dr. Ronni Amorim
Vetores no Plano
e no Espaço
PLANO DE ESTUDOS
Produto Escalar Produto Misto
Soma de vetores e
Produto Vetorial
multiplicação por escalar
• Definir vetor e calcular a soma de vetores e multiplicação • Definir e calcular o produto escalar entre vetores, utilizan-
de vetores por um número real, identificando as proprie- do-o para identificar o ângulo entre dois vetores.
dades dessas operações. • Definir e calcular o produto vetorial.
• Definir e calcular o produto misto.
Soma de Vetores e
Multiplicação por Escalar
Prezado(a) aluno(a), nesta unidade você será

introduzido no universo dos vetores. Os vetores
são entidades matemáticas muito genéricas e ex-
tremamente relevantes nas mais diversas áreas,
sobretudo na engenharia. Apesar da natureza ge-
nérica dos vetores, nesta unidade o foco será no
estudo dos vetores no plano e no espaço, ou seja,
em espaços mais concretos e de fácil visualização.
A generalização dos vetores será realizada na uni-
dade denominada espaços vetoriais, a qual será
estudada em outro momento.
De um ponto de vista concreto, você sabe que
quando queremos falar de algumas grandezas fí-
sicas, apenas um valor numérico não é suficiente
para representá-las. Por exemplo, se alguém deseja
conhecer o movimento de um carro em uma dada
estrada, não é suficiente que você forneça a essa
pessoa apenas o valor da velocidade do carro, 80
quilômetros por hora, por exemplo. Para saber
de fato o que se passa com o carro, ou seja, para
descrever de forma completa o seu movimento,
essa pessoa precisaria saber se o carro está indo
da esquerda para a direita ou de baixo para cima.
Nesses casos, surge o conceito de vetores. Outras grandezas físicas como força, acele-
ração, as quais são imprescindíveis na engenharia, também são caracterizadas como
vetores. Nesse sentido, aproveite esta unidade e aprenda muito sobre os vetores, pois
eles lhe serão muito úteis no decorrer de toda a graduação!
Vetores no Plano e no Espaço
Antes de iniciarmos o estudo dos vetores, considere a seguinte situação:

Suponha que você esteja participando de um treinamento para sobrevivência na
selva e a seguinte instrução lhe foi dada: caminhe 3 km para Oeste e depois 6 km para
o Sul. Em seguida, caminhe 11 km para o Leste. Após esta instrução, o comandante
do treinamento lhe faz a seguinte pergunta: em relação ao ponto de partida, qual a
distância você andou e qual é a sua orientação? Contudo, outro comandante passou a
você a instrução, mas em ordem diferente, ele lhe disse: caminhe 11 km para o Leste e
depois 6 km para o Sul; e em seguida 3 km para o Oeste. Essa nova instrução deixou
você bastante confuso. Seriam as duas instruções diferentes? Essa pergunta é crucial
para a sua aprovação na instrução de sobrevivência na selva. O que você responderia?
No decorrer da unidade aprenderemos como responder a esta e a outras situações
igualmente interessantes.
Nesta seção, o nosso objetivo é definir vetores no plano e no espaço, estudando
as suas principais características. Iniciaremos a nossa discussão com o estudo de
vetores no plano.
Vetores no Plano
De um ponto de vista prático, um vetor pode ser definido como um segmento orienta-
do, que é caracterizado por um módulo, uma direção e um sentido. O módulo, também
denominado como norma, é o comprimento do vetor. Dados dois pontos no plano
cartesiano, podemos definir dois vetores que tenham a origem e a extremidade nesses
pontos. Considerando os pontos A x1 ,� y1 e B x2 ,� y2 , podemos definir os vetores

AB, com origem em A e extremidade em B, e BA, com origem em B e extremidade
em A. Uma maneira eficiente de se representar um vetor é por meio de suas coorde-

nadas; por exemplo, o vetor AB possui coordenadas x2 x1 ,� y2 y1 e o vetor BA
possui coordenadas x1 x2 ,� y1 y2 . Note que dados os dois pontos que definem a
origem e a extremidade de um dado vetor, para determinarmos as coordenadas do
vetor basta subtrairmos as coordenadas da origem das coordenadas da extremidade.
UNIDADE IV 103

1 EXEMPLO Dados os pontos P 1, 2 e Q 3, 1, obtenha as coordenadas do vetor PQ.

Note que o vetor PQ solicitado possui origem em P e extremidade em Q, portanto
as suas coordenadas são obtidas mediante a subtração das coordenadas de Q das
coordenadas de P. Dessa forma, temos:

PQ 3 1,�1 2 4, 3

Portanto, o vetor PQ possui coordenadas iguais a (-4,3).
Contudo, o que significam as coordenadas encontradas no Exemplo 1? Elas re-
presentam as coordenadas de um vetor com a origem na origem do sistema de

coordenadas cartesianas. Você não achou estranho esse resultado, já que o vetor PQ
possui a origem no ponto (1,-2)? Isso ocorre porque quando representamos o vetor

PQ, utilizamos as coordenadas dos pontos que representam a sua origem e a sua
extremidade em relação à origem do sistema de coordenadas cartesiano. Neste caso,
quando estabelecemos a diferença entre tais pontos, obtemos o resultado também

em relação à origem do sistema cartesiano. Dessa forma, o vetor PQ obtido ficou
dado tendo sua origem na origem do sistema cartesiano.
Na verdade, quando temos vetores que possuem o mesmo tamanho, a mesma
direção e o mesmo sentido, dizemos que eles são equivalentes, ou em um linguajar
mais apropriado, dizemos que são equipolentes. Na essência, todos vetores nessas
condições representam o mesmo vetor.
Por exemplo, todos os vetores representados na Figura 1 são equipolentes ao vetor

v com coordenadas x, y .
v v
y P
v v
v 0 x X
v
Figura 1 - Vetores equipolentes

Fonte: os autores.
104 Vetores no Plano e no Espaço

Façamos um outro exemplo para fixar bem esse tema.

2 EXEMPLO (a) Dada a Figura A, escreva as coordenadas dos vetores AB e CD.

(b) Considerando que os vetores AB e CD sejam paralelos ao vetor v, podemos dizer

que eles são equipolentes a v?
y y
4
B D
3
2 vy v
A C
1
x θ x
1 2 3 4 5 6 vx
Figura A Figura B

Conforme você aprendeu no exemplo 1, as coordenadas dos vetores AB e CD são
facilmente encontradas subtraindo-se as coordenadas da origem das coordenadas
das extremidades. Sendo assim, temos:

As coordenadas do vetor AB 1, 2 e do vetor CD 1, 2 .

A letra b é facilmente respondida, pois os vetores AB e CD são paralelos ao vetor
 
v, e, além disso, possuem as mesmas coordenadas de v. Portanto, são AB e CD de

fato equipolentes a AB e CD.
Dando continuidade à discussão, é importante que você conheça uma outra forma
de se representar vetores. Você já sabe que um vetor pode ser representado por um
par ordenado; contudo, também é possível representá-lo por meio de uma matriz


coluna. Por exemplo, o vetor v vx , v y pode ser representado da seguinte forma
 vx
v .
vy
Essa representação dos vetores é interessante para realizar as operações com vetores,
pois já conhecemos o cálculo matricial.
Outro ponto importante no estudo dos vetores no plano é a determinação do
comprimento e da orientação do vetor quando nos são fornecidas suas coordenadas.
Essa é uma tarefa muito fácil, conforme será mostrado a seguir.
O comprimento do vetor, também denominado módulo ou norma do vetor, pode
ser encontrado por meio da aplicação do Teorema de Pitágoras. Note na Figura B que

o comprimento do vetor v representa a hipotenusa do triângulo retângulo destacado,
enquanto as medidas dos catetos são dadas por suas coordenadas (também denomi-
UNIDADE IV 105


nadas componentes do vetor). Assim, dado v vx , v y , temos que o comprimento

de v , representado por v ou simplesmente v é dado por
v vx2 v y 2 . (1)

A orientação do vetor v � é definida como o ângulo que o vetor forma com o eixo x no
sentido anti-horário. Conforme você pode ver na Figura B, podemos utilizar a trigo-
nometria no triângulo retângulo para determinar o ângulo q. Fazendo isso, obtém-se
vx = v cos θ
(2)
v y = vsenθ
Se a equação de baixo for dividida pela de cima, obtemos
v y senq
= = tg q,
vx cosq
com isso, tem-se
vy
q acrtg . (3)
vx
Você entenderá como aplicar essas últimas equações no exemplo a seguir.

3 EXEMPLO Dado o vetor a 1, 1, determine o seu comprimento e a sua orientação.

O comprimento do vetor a é facilmente encontrado,

a a 12 12 2 .
A orientação também pode ser encontrada de forma simples,
1
q arctg arctg 1 45o.
1
Logo, o vetor dado tem o comprimento igual à raiz de 2 e forma um ângulo de 45

graus com a horizontal no sentido positivo.
Outra forma interessante de se representar um vetor é por meio da utilização de
vetores unitários. E o que são esses vetores unitários? São vetores de comprimento
igual a um e que tem a direção dos eixos coordenados. Assim, no plano definimos dois
 
vetores unitários, i e j, os quais são, respectivamente, os vetores unitários nas direções

dos eixos x e y. Dessa forma, podemos definir os vetores vx = vx i e v y = v y j . Com

esses vetores, o vetor v pode ser escrito como
  
v vx i v y j

Assim, um mesmo vetor v pode ser representado nas três formas:
 vx  

v vx , v y vx i v y j
vy
Por exemplo, o vetor apresentado no Exemplo 3 pode ser escrito alternativamente como
a = 1i + 1 j = i + j
Agora você já sabe representar vetores no plano. As operações relativas aos vetores
no plano serão estudadas em conjunto com os vetores no espaço, pois a forma de
realizá-las é equivalente.
Vetores no Espaço
Enquanto no plano necessitamos de duas componentes para representar um vetor, no

espaço tridimensional, também denominado R3, são necessárias três componentes, as
quais são denominadas coordenadas do vetor. Isso se deve pelo fato de um ponto no
R3 possuir três coordenadas. Nesse sentido, o sistema de coordenadas tridimensional
possui três eixos, os quais usualmente são tomados como ortogonais (perpendiculares).
z
zp
P(xp ,yp ,zp )
yp
y
xp
Figura 2 - Representação de um ponto no R3

Fonte: os autores.
UNIDADE IV 107
Conforme você vê na Figura 2, as coordenadas do ponto P são P x p ,� y p ,� z p . Na

Figura 5, você pode observar a representação de um vetor v vx , v y , vz no espaço
tridimensional. Como é esperado, para que você represente um vetor no R3 utilizando
vetores unitários, é necessário definir o vetor unitário na direção do eixo z, o qual será
     
denominado k . Nesse sentido, o vetor v pode ser escrito como v vx i v y j vz k .
Figura 3 - Vetor no R3
Fonte: os autores.
Outra forma bastante usual de se representar os vetores no espaço tridimensional

(R3) é por meio de uma matriz coluna, de forma análoga ao que fazemos no plano.
Dessa forma, um mesmo vetor pode ser escrito das seguintes maneiras:
vx
   

v vx i v y j vz k vx , v y , vz v y .
v
z
O comprimento (ou norma) de um vetor no espaço tridimensional é calculado de
forma análoga ao caso bidimensional. Para esse fim, utiliza-se o Teorema de Pitágoras

duas vezes. Primeiramente, calculamos o comprimento da projeção do vetor no plano
xy. Conforme fica evidente na Figura 5, tal comprimento é a hipotenusa do triângulo
retângulo cujos catetos são vx e v y. Denominando essa hipotenusa por h, temos
h vx2 v y 2 .

Por fim, identificamos que o comprimento do vetor v nada mais é que a medida
da hipotenusa do triângulo retângulo cujos catetos são vz e h. Neste caso, obtemos

v v vx2 v y 2 vz 2 . (4)
Agora, para que você fixe bem este último conceito, façamos o exemplo proposto.

4 EXEMPLO Calcule o comprimento do vetor a 1,� 1,� 5 .
Para determinarmos o comprimento do vetor dado, basta utilizarmos a Equação
(4). Dessa forma, temos
 2
a a 12 1 52 27 .
Soma de Vetores
Neste tópico, você aprenderá a adicionar vetores, bem como todas as propriedades
desta operação vetorial. Quando adicionamos dois vetores, obtemos um novo vetor, ou
seja, se a adição for realizada no plano, por exemplo, ao operar dois vetores pertencen-
tes ao plano, obtém-se um novo vetor também pertencente ao plano. Conforme você
estudará na sequência deste curso o plano (R2) é um exemplo de um espaço vetorial.
Portanto, todas as vezes que adicionamos dois vetores pertencentes a um dado espaço
vetorial, obtemos como resultado outro vetor que pertence ao mesmo espaço vetorial.
A soma de vetores será introduzida da maneira mais intuitiva possível. Para isso,
   
considere dois vetores no R2, u e v , por exemplo. Se quisermos fazer a soma u + v , trans-
   
ladamos v de forma que sua origem coincida com a extremidade de u. A soma u + v é o
 
vetor que sai da origem de u e vai até a extremidade de v, conforme mostra a Figura 4.
UNIDADE IV 109
C
v
u+v
u B
A
Figura 4 - Soma de vetores
Fonte: os autores.
 
Caso u e v sejam transladados paralelamente a eles mesmos e colocados sob uma
mesma origem, obtemos um paralelogramo, conforme aparece na Figura 5. A diagonal
 
deste paralelogramo representa o vetor u + v .
C
u+v
v
u B
Figura 5 - Paralelogramo
Fonte: os autores.
Esse procedimento geométrico utilizado para somar vetores é denominado regra do

paralelogramo. É instrutivo dizer que tal regra é válida para realizar a soma de uma
quantidade qualquer de vetores. A regra é muito clara: para você realizar a soma,
basta desenhar o primeiro vetor da soma e na extremidade dele colocar a origem
do segundo, na extremidade do segundo colocar a origem do terceiro, e assim su-
cessivamente, até completar a quantidade de vetores que você esteja somando. Por
fim, o vetor soma corresponde ao vetor que sai da origem do primeiro vetor e possui
extremidade na extremidade do último vetor.

Outra curiosidade sobre a soma dos vetores é a comutatividade. Quando somamos
   
vetores, não importa a ordem em que eles aparecem. Ou seja, u + v é o mesmo que v + u.
A verificação geométrica desta propriedade será deixado para você. Para esse fim, con-
 
sidere os vetores u 1, 1 e v 2, 3 . Utilizando um papel milimetrado, desenhe
   
o vetor soma u + v e depois u + v . Você notará que ambos se tratam do mesmo vetor.
Você deve estar imaginando a dificuldade de somar vetores caso em todas as
ocasiões for necessário fazer a representação geométrica da soma. Você pode ficar
tranquilo, pois introduziremos a seguir o método algébrico para se realizar a soma, o
que simplificará bastante o cálculo. A Figura 6 nos fornece uma ideia de como realizar
essa soma. Apesar desta figura representar a soma de vetores no plano, o resultado
pode ser extrapolado para o R3, bem como para espaços de dimensão qualquer.
v+w
v2+w2
w2
v2 v
w2
w
v1
v1 w1 v1+w1 X
Figura 6 - Soma de vetores no plano

Fonte: os autores.
 
Observando a Figura 6, notamos que o vetor resultado da soma v + w é obtido a partir
 
dos vetores v v1 ,� v2 e w w1 ,� w2 pela soma das componentes correspondentes de
 
ambos vetores, ou seja, v w v1 w1 ,� v2 w2 . Esse resultado já era esperado, pois
você já sabe que um vetor pode ser representado por uma matriz coluna, e por isso a
soma de vetores deveria seguir a mesma regra da soma de matrizes. Portanto, agora você
já sabe: para adicionar dois vetores, basta adicionar as componentes correspondentes.
UNIDADE IV 111
Algumas propriedades da adição de vetores são apresentadas a seguir:
   
1. Comutatividade: v w w v ;
     
2. Associatividade: u v w u v w;
    
3. Elemento Neutro: v 0 0 v � v ;

onde 0 0, 0 representa o vetor nulo. Mais uma vez, essas propriedades da adição
de vetores já eram esperadas, pois são as mesmas propriedades da adição de matrizes
já estudadas na Unidade 1.
  
5 EXEMPLO Dados os vetores u 1, 1, 3 , v 2, 0, 5 e w 0, 0, 1, calcule:
 
a) u + v ;
 
b) v + w;
   
c) verifique que v u u v ;
     
d) verifique que u v w u v w .
Resolução
 
a) A soma u + v é obtida adicionando-se as componentes correspondentes de cada
   
vetor. Dessa forma, u v 1 2,� 1 0,� 3 5 , o que fornece u v 3, 1, 2 .
   
b) A soma v + w é calculada de forma análoga, ou seja, v w 2, 0, 4 .
     
c) Para verificar que v u u v , basta calcularmos v + u , pois já sabemos o
   
resultado de u + v . Fazendo isso, obtemos v u 3, 1, 2 , confirmando a
comutatividade da soma.
  
d) Temos que u v w 1, 1, 3 2, 0, 4 3, 1, 1 . Por outro lado,
  
u v w 3, 1, 2 0, 0,1 3, 1, 1. Esse resultado confirma a asso-
ciatividade da soma dos vetores dados.
Multiplicação por Escalar
Nesta seção, você entenderá como calcular a multiplicação de um vetor por um

número real (ao qual denominaremos escalar) e verificar as principais propriedades
dessa operação.
A multiplicação de um número real por um vetor é realizada da mesma forma
que a multiplicação de um número real por uma matriz, ou seja, basta multiplicar
o número real por cada elemento do vetor. Dessa forma, seja k um número real e
 
v v1 ,� v2 ,� v3 um vetor. O produto kv nos fornece

kv = ( kv1 kv2 kv3 ) .


Algumas consequências do produto de um escalar por um vetor, kv , são as seguintes:

• será igual ao vetor nulo se k = 0 ou v 0, 0 ;

• terá comprimento (norma) k vezes o comprimento de v;
 
• terá o mesmo sentido de v se k > 0, e sentido contrário ao de v se k < 0.
Ou seja, você pode perceber que quando multiplicamos um escalar k por um vetor
 
v, não alteramos a direção de v, apenas podemos aumentar ou diminuir o seu ta-
manho, além de modificar o seu sentido. A Figura 7 traz exemplos da representação
geométrica desta operação.
v v v
2 .v -2 . v
1.
v
3
Figura 7 - Multiplicação de vetor por escalar

Fonte: os autores.

Tendo em vista essa discussão, dado um vetor v, podemos definir o vetor simétrico
   
de v por −v, ou seja, o simétrico de v é simplesmente a multiplicação do vetor v por

−1. Dessa forma, −v possui o mesmo comprimento e a mesma direção, mas o sentido

contrário ao de v. Com tal definição, você pode imaginar como é realizada a subtração
 
entre vetores. Considere que desejemos fazer o cálculo u − v . Para realizá-lo, basta
   
tomar u v , ou seja, basta somar o vetor u ao simétrico de v. A Figura 8 fornece
a visualização geométrica desta operação.
-v
u+v
u
u-v
u
B
v
A
Figura 8 - Diferença entre vetores
Fonte: os autores.
UNIDADE IV 113
 
Observe a Figura 8 e note que estando os vetores u e v na mesma origem, o resultado da
   
diferença u − v possui origem na extremidade de v e extremidade na extremidade de u.
Algumas propriedades da multiplicação de vetores por escalares que podem ser
facilmente demonstradas e verificadas estão explicitadas a seguir:
 
1. k1 k2 v k2 k1v ,
   
2. k u v ku kv ,
  
3. k1 k2 u k1u k2u ,
em que k1, k2 e k são escalares. Para que você fixe os conceitos desta seção, apresen-
taremos o seguinte exemplo.
   
6 EXEMPLO Dados os vetores u 1, 1, 3 e v 2, 0, 5 , calcule 2u − 3v .
Essa tarefa é fácil de realizar. Primeiramente, reescreva a expressão na forma
   
2u 3v . Depois disso, calcule os produtos 2u e −3v e por último adicione os
resultados. Assim, você obterá
 
2u 3v 2, 2, 6 6, 0, 15 4, 2, 21 .
Você já viu como se soma vetores e como se multiplica vetores por números reais.
Neste ponto, você deve estar se perguntando: como fazemos para multiplicar dois
vetores? Não há apenas uma maneira de se multiplicar vetores. Nas duas próximas
seções, você estudará duas formas: o produto escalar e o produto vetorial. Cada uma
dessas maneiras de se realizar o produto entre vetores tem suas peculiaridades e suas
aplicações, conforme você perceberá.

Produto
Escalar
Nesta seção, você estudará uma importante forma

de se multiplicar vetores: o produto escalar. Esse
produto recebe este nome porque o resultado da
operação entre os dois vetores é um número real.
Conforme você verá na sequência da unidade, o
produto escalar proporciona inúmeras aplicações.
Por exemplo, na Geometria tal produto permite
o cálculo do ângulo entre dois vetores; enquanto
que na Física o produto escalar é usado no cálculo
do trabalho realizado por uma força constante.
UNIDADE IV 115
DEFINIÇÃO 1
 
O produto escalar ou interno entre dois vetores u e v é definido por
   
u v u v cos q , (5)
em que q é o ângulo entre eles (WINTERLE, 2014).

Por definição, o ângulo q é o ângulo convexo formado pelos vetores quando eles estão
na mesma origem. Ou seja, tal ângulo deve satisfazer 0 < θ < π . A Figura 9 evidencia
a definição do ângulo� � q .
u
u
θ v
θ v
Figura 9 - Ângulo entre vetores
Fonte: os autores.
Ao observar a Equação (5) apresentada, você deve ter imaginado que para calcular
o produto escalar entre dois vetores seja imprescindível que se conheça o ângulo for-
mado entre eles. Se você utilizar necessariamente a Equação (5), a resposta é positiva.
Contudo, caso sejam fornecidas apenas as componentes dos vetores, como você pode
calcular o produto escalar entre eles? Para esse fim, desenvolveremos uma equação
que nos permitirá realizar tal cálculo e generalizar a definição do produto escalar.
   
Note na Figura 9 que no triângulo definido por u, v e u − v , o lado oposto ao
   
ângulo entre os vetores u e v é justamente a diferença u − v . Neste caso, podemos
 
utilizar a conhecida lei dos cossenos para determinarmos o comprimento de u − v
 
em termos de u e v . Dessa forma, temos:
  2 2 2  
u v u v 2 u v cos q.
Podemos isolar o cosseno, obtendo
2 2
1 u −v + u + v 
2
cos θ =  
2 u v 
 

Dessa forma, podemos escrever
2 2
1 u −v + u + v 
2

u ⋅ v = u v cos θ = u v  .
2 u v 
 
Isso nos fornece
2 2 2
u ⋅v = u − v + u + v (6)
 
Se considerarmos u u1 ,� u2 , u3 e v v1 ,� v2 , v3 , temos que

u − v = ( u1 − v1 , u2 − v2 , u3 − v3 )
 2 2 2 2 2
Assim, u v u1 v1 u2 v2 u3 v3 , u u12 u22 u32 e
2
v v12 v22 v32 . Substituindo esses resultados na Equação (6), obtemos:
 
u v u1v1 u2 v2 u3v3 . (7)
A Equação (7) deduzida permite que você calcule o produto escalar entre dois vetores
sem a necessidade de conhecimento do ângulo formado pelos vetores.
 
Para vetores no R2, a Equação (7) fica escrita como u v u1v1 u2 v2, em que
 
u u1 ,� u2 e v v1 ,� v2 .
Um fato interessante é que podemos utilizar os resultados dados nas Equações
(5) e (7) para determinar o ângulo entre dois vetores. Neste caso, obtemos:
 
u v
cos q   (8)
u v
Com isso, podemos concluir que

 
• 0 θ 90o se, e somente se, � u v 0 ;
 
• q = 90o se, e somente se, u v 0 (essa propriedade fornece a condição para
que dois vetores sejam perpendiculares);
 
• 90o θ 180o se, e somente se, � u v 0.
Outro ponto bastante interessante no estudo do produto escalar é a sua relação com
a norma (comprimento) de um vetor. Para esse fim, considere o produto escalar de
um vetor com ele mesmo calculado mediante a Equação (7),
 
v v v1v1 v2 v2 v3v3 v12 v22 v32 .
UNIDADE IV 117

Contudo, da Equação (4), sabemos que v vx2 v y 2 vz 2 . Com isso, concluí-
mos que

v ⋅ v = v 2.
Ou seja, a norma de um vetor elevada ao quadrado é igual ao produto escalar do

vetor por ele mesmo.
Algumas propriedades do produto escalar são destacadas a seguir (BOULOS, 2004).
  
Sejam u, v e w vetores e k um escalar. As seguintes propriedades são válidas:
   
1. u v v u (comutatividade)
     
2. u v w u v w (associatividade)
     
3. k v w kv w v kw (associatividade)
Para que você fixe os conceitos desenvolvidos nessa seção, faremos dois exemplos.

7 EXEMPLO



Sejam u 3 ,�1,� 0 e v 2, 2 3 , 0 , calcule:
 
a) u ⋅ v

b) u

c) v
 
d) O ângulo entre u e v .

Resolução
a) Para resolvermos essa alternativa, basta utilizarmos a Equação (7). Dessa
forma, temos:
 
u v 2 3 2 3 0 4 3.
 
3
2
b) A norma de u é dada por u 12 02 4 2.
2 2 2
  2
c) A norma de v é dada por v 3 02 16 4.
d) O ângulo entre os vetores pode ser encontrado com o uso da Equação (8).
Fazendo isso, obtemos:
4 3 3
=
cos q = .
8 2
3
Dessa forma,q cos 1 30o.
2
  
8 EXEMPLO Verifique que os vetores i 1, 0, 0 , j 0, 1, 0 e k 0, 0, 1 são mutuamente per-
pendiculares.
Primeiramente você deve encontrar o comprimento de cada um dos vetores da-
dos. Fica para você mostrar que o comprimento de cada um deles é igual a 1. Por esse
motivo, tais vetores são denominados vetores unitários. Utilizando a Equação (7),
também é fácil verificar que
     
i j i k � j k 0
Dessa forma, fica claro que cos θ = , o que fornece θ = . Isso nos mostra que de
fato os vetores dados são perpendiculares entre si. Você deve lembrar que os vetores
considerados nesse exemplo são os vetores utilizados para se representar qualquer
vetor do R3.
UNIDADE IV 119
Produto
Vetorial
Nesta seção, você estudará o outro tipo de produ-

to envolvendo vetores, o qual será denominado
produto vetorial. O resultado do produto vetorial
é um outro vetor, que é perpendicular aos dois
vetores que foram multiplicados. O produto veto-
rial possui muitas aplicações geométricas, dentre
as quais destaca-se o cálculo da área da região
delimitada por dois vetores. Além disso, também
é aplicado na Física; na mecânica pode-se calcular
o torque devido uma força; e no eletromagnetis-
mo, pode-se determinar a força magnética sobre
uma carga elétrica em movimento por meio do
produto vetorial entre o vetor indução magnética
e a velocidade da carga.

DEFINIÇÃO 2
   
Dados dois vetores u e v , definimos o produto vetorial, u × v , entre eles como sendo
o vetor com as seguintes características:
   
• a norma do produto vetorial é dada por u v u v senq ;
 
• tem direção perpendicular a u e a v ;
• tem o sentido dado pela regra da mão direita: considerando que o ângulo entre
   
u e v é θ, giramos o vetor u de um ângulo θ até que coincida com o vetor v e
acompanhamos este movimento com os dedos da mão direita, então o polegar
 
vai apontar no sentido de u × v .
Podemos observar esquematicamente a regra da mão direita a partir da Figura 10.
Figura 10 - Regra da mão direita

Fonte: os autores.
Como consequência da definição do produto vetorial, deduzimos mediante a regra

da mão direita que (BOULOS, 2004)
u × v = −v × u
 
Isso decorre do fato que apenas o sentido do vetor u × v é trocado quando trocamos
a ordem do produto vetorial. Nesse sentido, podemos dizer que o produto vetorial
não é comutativo.
Assim como fizemos quando estudamos o produto escalar, partiremos da definição
e procuraremos uma expressão que nos permita calcular mais facilmente o produto
vetorial. Desenvolveremos tal expressão a partir do que foi estabelecido na definição:
    
o resultado de u × v é um vetor perpendicular a u e a v. Sejam, então u u1 ,� u2 , u3
UNIDADE IV 121
   
e v v1 ,� v2 , v3 . Seja também u v x, y, z . Como u deve ser perpendicular a
 
u × v , o produto escalar entre eles deve ser nulo, ou seja,
  
u u v 0
O que fornece:
u1 x u2 y u3 z 0
 
Da mesma forma, v deve ser perpendicular a u × v , o produto escalar entre eles deve
ser nulo, ou seja,
  
v u v 0
O que fornece:
u1 x u2 y u3 z 0
Temos então o sistema de equações
u1 x u2 y u3 z 0

v1 x v2 y v3 z 0
o qual admite infinitas soluções. Você pode verificar que uma dessas soluções é dada por:
x u2 v3 u3v2 ,
y u1v3 u3v1 ,
z u1v2 u2 v1.
Qualquer múltiplo dessa solução também é solução do sistema. Com tal solução,
podemos escrever o resultado
 
u v u2 v3 u3v2 ,� u1v3 u3v1 ,� u1v2 u2 v1 (9)
Utilizando a Equação (9), podemos calcular o produto vetorial entre os vetores

  
unitários i 1, 0, 0 , j 0, 1, 0 e k 0, 0, 1. Já sabemos que eles são unitários e
mutuamente perpendiculares. Assim sendo, obtemos

i × j = ( 0.1 − 0.0 1.1 − 0.0, 1.0 − 1.0 ) = ( 0,1 0 ) = j .

Fica como tarefa para você mostrar que

k × j = −i

j ×k =i

i ×k =− j

k ×i = j

j × i = −k
E ainda,
     
i i j j k k 0.
 
Se representarmos os vetores uu×e×vv em termos dos vetores unitários,
u = u1i + u2 j + u3 k
v = v1i + v2 j + v3 k
 
podemos escrever uma fórmula mnemônica para o cálculo de u × v , qual seja:
  
i j k
 
u v det u1 u2 u3
v
1 v2 v3
Note que essa fórmula mnemônica realmente reflete a definição de produto vetorial,
pois as seguintes considerações podem ser feitas:
1. Se trocarmos a posição de duas linhas em uma matriz, o sinal do determinante
muda. Essa propriedade do determinante reflete a antissimetria do produto
   
vetorial, ou seja, u v v u .
2. Se uma matriz tem duas linhas (ou duas colunas) idênticas, o seu determinante
 
é nulo. Isso reflete a propriedade u u 0, ou seja, o produto vetorial de dois
vetores paralelos é sempre nulo.
Para que você fixe os conceitos desenvolvidos até aqui, segue um exemplo.
UNIDADE IV 123
   
9 EXEMPLO Dados os vetores u 1, 1, 3 e v 2, 0, 5 , calcule u × v .
Você pode calcular o produto vetorial por duas formas distintas: usando a Equação
(9) ou utilizando a fórmula mnemônica. Calcularemos utilizando a segunda opção.
Neste caso, temos
  
i j k
 
u v det 1 1 3
2 0 5

Esse cálculo nos fornece:
          

u v 5i 6 j 0k 0i 5 j 2k 5i 11 j 2k .
Algumas propriedades do produto vetorial são elencadas a seguir.

   
1. Antissimetria: u v v u .
     
2. u v 0 se, e somente se, u = kv ou v = ku .
      
3. u w v u w u v .
Essas propriedades são facilmente demonstradas. Você deve fazê-las como exercício.
Interpretação Geométrica do Produto Vetorial
Para que você entenda geometricamente o significado do produto vetorial, considere a

 
Figura 11. Nela você pode observar que os vetores u e v delimitam um paralelogramo,
cuja área é dada pelo produto da base pela altura do quadrilátero (WINTERLE, 2014).
Figura 11 - Área do paralelogramo

Fonte: os autores.
 
A base do paralelogramo é dada pela norma do vetor u, ou seja, � u . A altura, porém,

pode ser encontrada com o uso de trigonometria básica, ou seja, h = v senq. Dessa
forma, a área do paralelogramo fica dada por:

 
Área = u v senq.
Compare a última equação com a definição do produto vetorial. Você chegará a

 
conclusão que Área u v .
Ou seja, a área do paralelogramo definido por dois vetores é igual ao módulo do
produto vetorial entre tais vetores. Essa á a interpretação geométrica do produto vetorial.
Para que você treine este último resultado, apresentamos o exemplo a seguir.
10 EXEMPLO Calcule a área do triângulo de vértices A 1, 1, 2 , B 0, 1, 2 e C 1, 0, 3 .

Antes de calcular a área deste triângulo, precisamos determinar os vetores que o

delimitam. Para isso, vamos considerar os vetores AB e BC , os quais ligam os pontos
A a B e B a C, respectivamente. Construímos esses vetores de maneira similar ao que

fizemos no início da unidade, ou seja, AB 1, 2, 4 e BC 1,� 1,� 5 . Um esboço
do triângulo é mostrado na Figura 12.
B D
A C
Figura 12 - Exemplo 10
Fonte: os autores.
É fácil perceber que a área deste triângulo é igual à metade da área do paralelogramo

definido pelos vetores AB e BC . Neste caso, temos:
1
Área AB BC
2
Por outro lado,
i j k
uuur uuur
AB BC det 1 2 4 6i j k
1 1 5

Assim, AB BC 38. Por isso,
38
Área =
2
UNIDADE IV 125
Produto
Misto
Nesta seção, você estudará o produto de três ve-

tores no espaço. A esse produto damos o nome
de produto misto. A aplicação geométrica mais
conhecida que envolve o produto misto é o cál-
culo de volumes. O nome desse produto não é por
acaso, pois na mesma expressão temos produto
escalar e produto vetorial. Nesse sentido, segue a
definição do produto misto.

DEFINIÇÃO 3
     
Sejam u u1 ,� u2 , u3 , v v1 ,� v2 , v3 e w w1 ,� w2 , w3 , o produto misto u v w
é definido por
u1 u2 u3
  
u v w det v1 v2 v3 .
w w2 w3
1
A interpretação geométrica do produto misto é tal que o volume do paralelepípedo

     
definido pelos vetores u, v e w é dado por w u v . Esse resultado pode ser visua-
lizado por meio da Figura 13.
u X v
Altura = ||w|| |cos θ| θ Área da

v base
Figura 13 - Volume do paralelepípedo

Fonte: os autores.
Sabemos que o volume de um paralelepípedo é dado pelo produto entre a área da

base e sua altura. A base do paralelepípedo representado na Figura 12 é delimitada
 
pelos vetores u e v . Dessa forma, a sua área é encontrada por:

área da base = u × v .

Por outro lado, a altura do paralelepípedo pode ser encontrada por meio do vetor w
e do ângulo q e pelo uso de trigonometria básica. Neste caso, obtemos:

altura = w cosq.
UNIDADE IV 127
Dessa forma, temos:
volume área � da
� base altura
  
volume w u v cosq
  
O que coincide com a definição do produto escalar entre w e u × v . Por fim, po-
demos escrever:
  
volume w u v .
A seguir são apresentadas algumas propriedades do produto misto.
     
1. u u v v u v 0.
     
2. w u v w u v.
Na sequência, será apresentado um exemplo para que você fixe o conceito estudado.
 
11 EXEMPLO Calcule o volume do paralelepípedo definido pelos vetores u 1, 1, 2 , v 0, 1, 2

e w 1, 0, 3 .
Primeiramente, você deve calcular o produto misto entre os três vetores dados.
Isso nos fornece
1 1 2
  
u v w det 0 1 2 3 2 0 2 0 0 3.
1
0 3
Como
  
volume u v w ,
temos que
volume= 3= 3.

Agora você já está apto a responder ao desafio proposto no início da unidade, pois
você já se tornou um expert quando o assunto é vetores. Bem, como você deve estar
imaginando, a instrução dada pelos dois comandantes é a mesma, pois para você
encontrar o deslocamento resultante, basta adicionar os vetores e, conforme você já
sabe, a soma vetorial é comutativa (a ordem não importa). Para descobrir o seu des-
locamento resultante em relação à posição inicial, bem como a orientação, primeira-
mente considere os deslocamentos verticais separadamente dos horizontais. Vamos
considerar aqui a direção Norte-Sul como vertical e a Leste-Oeste como horizontal.
Bem, na horizontal você percorreu 11 km para Leste e 3 km para Oeste. Ou seja, ho-
rizontalmente, você percorreu uma distância líquida de 8 km para Leste. Já na vertical,
você percorreu uma distância de 6 km para Sul. Agora que temos dois vetores per-
pendiculares, para calcularmos o vetor resultante, basta utilizarmos o Teorema de
Pitágoras. Dessa forma, a distância total por você percorrida foi de d 62 82 10.
O seu deslocamento resultante foi de 10 km. Para encontrar a direção, basta determi-
( −6 ) = 323,13o .
narmos o ângulo, mas isso você já sabe fazer muito bem. Então, θ = an −1
8
Ou seja, a orientação do deslocamento resultante foi de 36,87 graus a Sudoeste (tente

justificar esses últimos cálculos).
É importante que você observe as diferenças entre os produtos escalar e vetorial. No

produto escalar, temos como resultado um número real. Além disso, este produto
nos fornece o cosseno do ângulo entre os dois vetores operados. Se o produto es-
calar for nulo, isso indica que os vetores são ortogonais. Enquanto isso, o produto
vetorial nos fornece como resultado um novo vetor, o qual é perpendicular aos dois
vetores operados. O módulo do produto vetorial é igual à área do paralelogramo
definido pelos dois vetores operados.
Agora que você já sabe tudo acerca dos vetores no espaço, que tal praticar o que
aprendeu por meio das atividades de estudo? Chegou a sua vez!
UNIDADE IV 129
1. O comprimento e a orientação do vetor a



1, 3 são, respectivamente:
a) 2 e 60o.
b) 2 e 300o.
c) 2 e 150o.
d) 2 e 240o.
e) 2 e 330o.
2. Dados u


 
2 , 0,�1 e v 1, 1, 2 , o cosseno do ângulo entre u e v é:
6 b)
3
a)
3 2
5 3
c) d)
3 6
e)
3
3
 
3. Dados os vetores u 0, 2, 1 e v 1, 2, 3 , o vetor perpendicular ao plano

que contém u e v é:
a) 2, 2, 2 .
b) 1, 2, 3 .
c) 4, 1, 1.
d) 4, 1, 2 .
e) 4, 2, 2 .
130
 
4. A área do paralelogramo delimitado pelos vetores u 0, 2, 1 e v 1, 2, 3 é:
a) 3 unidades de área.
b) 7 unidades de área.
c) √21 unidades de área.
d) √30 unidades de área.
e) 5 unidades de área.
 
5. O volume do paralelepípedo definido pelos vetores u 2, 0, 1, v 1, 1, 1

e w 2, 3, 0 é igual a:
a) 5 unidades de volume.
b) 13 unidades de volume.
c) 9 unidades de volume.
d) 11 unidades de volume.
e) 7 unidades de volume.
131
LIVRO
Álgebra Linear e suas aplicações

Autor: Gilbert Strang
Editora: Cengage Learning
Sinopse: esta obra traz o conteúdo básico de álgebra linear para estudantes
de ciências exatas e engenharia. O conteúdo é apresentado de uma maneira
alternativa em relação a outros livros.
Comentário: recomendo a leitura dos quatro primeiros capítulos deste livro.
132
BOULOS, P.; CAMARGO, I. Geometria Analítica - Um Tratamento Vetorial. 3. ed. São Paulo: Editora Pearson, 2004.
133

1. O comprimento do vetor a� é facilmente encontrado,


2
a a 12 3 4 2.
A orientação também pode ser encontrada de forma simples,
3
q arctg
1

o
arctg 3 300 .

Logo, o vetor dado tem o comprimento igual a 2 e forma um ângulo de 300 graus com a horizontal no
sentido positivo. Portanto, a alternativa correta é a letra B.
2. Para encontrarmos o cosseno do ângulo entre os vetores dados, antes devemos calcular o produto escalar
entre eles, bem como determinar a norma de cada um.
Para calcularmos o produto escalar, basta utilizarmos a Equação (7). Dessa forma, temos:

u ⋅v = 2 + 0 + 2 = 2 2

( 2)
2
A norma de u é dada por u = + 02 + 12 = 3.

(1)2 + ( −1)2 + ( )
2
A norma de v é dada por v = 2 = 4 = 2.
O cosseno do ângulo entre os vetores pode ser encontrado com o uso da Equação (8). Fazendo isso, obtemos:
2 2 6
=
cos q = .
2 3 3
Portanto, a alternativa correta é a letra A.
3. Para determinarmos o vetor perpendicular ao plano contendo os vetores dados, basta calcular o produto
vetorial entre eles, pois o resultado de tal produto nos fornece um novo vetor que é perpendicular a ambos
vetores multiplicados.
  
i j k
    
u v det 0 2 1 4i j 2k .
1 2 3

134
4. A área do paralelogramo definido por dois vetores nada mais é que a norma do produto vetorial entre
eles. Como os vetores dados são os mesmos da questão anterior, basta calcularmos a norma do vetor
encontrado na questão anterior. Fazendo isso, temos:
 
u v 16 1 4 21.
Portanto, a alternativa correta é a letra C.
5. O volume do paralelepípedo definido pelos vetores dados é igual ao módulo do produto misto entre eles.
Dessa forma:
2 0 1
  
u v w det 1 1 1 7,
2 3 0

Como 7 7 , a alternativa correta é a letra E.
135
136
Dr. Ronni Amorim
Retas e Planos do R3
PLANO DE ESTUDOS
Equação da reta no R3
Equação do plano no Posições relativas entre

espaço retas e planos
• Identificar e escrever a equação do plano. • Identificar as posições relativas entre retas e planos.
• Identificar e escrever a equação da reta no R3.
Equação do Plano
no Espaço
Prezado(a) aluno(a)! Nesta unidade iniciaremos

o estudo de geometria analítica no R3, ou seja, no
espaço tridimensional. Estudaremos especifica-
mente sobre planos e retas. Sendo assim, o nosso
objetivo é compreender como são equacionados
os plano e as retas, além de identificar as posições
relativas entre planos e retas no R3.
Antes de iniciar o estudo da unidade, consi-
dere a seguinte situação: suponha que você vá
com quatro amigos a um bar. Chegando lá, vocês
observam cinco banquinhos, dos quais um tem
apenas três pernas. O seu amigo que é mais peri-
to em matemática avança logo no banco de três
pernas e o pega para sentar. Vocês não entendem
todo aquele desejo do seu colega por aquele ban-
co, daí ele diz:
“
“
Prefiro o banco de três pernas, pois eles
nunca mancam.
Você saberia explicar de um ponto de vista ma-

temático o porquê da afirmação do seu colega?
Então, estude bem esta unidade, pois no final dela
você saberá responder a essa misteriosa situação.
Você saberia representar um plano na forma de uma equação? Essa pergunta,
embora pareça complicada, é na verdade muito simples e intuitiva. Para compreender
a resposta, basta aprofundar um pouco no estudo sobre geometria analítica. Nesta
unidade, você iniciará o estudo da geometria analítica no espaço. Por esse motivo,
expandirá os horizontes matemáticos e desenvolverá habilidades para tratar proble-
mas mais complexos. Nesta seção, o objetivo será compreender o que é um plano e,
dadas algumas características de um plano particular, você deverá escrever a equação
que o representa. Então, vamos encarar mais esta jornada do conhecimento.
Assim como foi feito no estudo da reta no plano, você estudará como escrever a
equação de um plano no espaço em diferentes circunstâncias. Para início de conversa,
considere um plano p que passe pelo ponto P x0 ,� y0 ,� z0 e seja ortogonal ao vetor

n a, b, c . Considere o ponto A x, y, z como um ponto qualquer que pertença

ao plano p . Neste caso, podemos admitir vetores PA x x0 ,� y y0 ,� z z0 que

também pertencem ao plano p . Como o vetor n é ortogonal ao plano, então os

vetores PA são ortogonais a n . Logo, o plano consistirá do conjunto de vetores

com coordenadas x x0 ,� y y0 ,� z z0 que são ortogonais a n , ou seja, o produto

escalar entre n e PA deve ser nulo,

n ⋅ PA =0
a, b, c x x0 ,� y y0 ,� z z0
a x x0 b � y y0 c z z0 (1)
A Equação (1) representa um plano no espaço (BOULOS; CAMARGO, 2004). Contu-

do, observe que, para escrevê-la, você necessita conhecer um ponto pelo qual o plano
passa e um vetor ortogonal (ou normal) ao plano. Para amadurecer este conceito,
observe o exemplo a seguir.
1 EXEMPLO Escreva a equação do plano que passe pelo ponto P 1, 2,� 4 e seja ortogonal ao
   
vetor n 3i 2 j k .
A resolução deste exemplo é muito simples, basta utilizar as coordenadas do ponto P
(que pertence ao plano) e do vetor normal ao plano na Equação (1). Fazendo isso, temos:
3 x 1 2 y 2 1 z 4 0
UNIDADE V 139
Desenvolvendo esta última equação, temos:
3 x 3 2 y 4 z 4 0,
3 x 2 y z 3 0.
E esta última é a equação do plano com as características dadas no exemplo.

Com a finalidade de exemplificar, a Figura 1 mostra o plano p com o seu vetor

normal n e dois pontos que podem ser utilizados para a construção da sua equação.
X
A
π
Figura 1 - Plano
Fonte: os autores.
Agora que você já compreendeu como escrever a equação de um plano se for fornecido
um ponto pelo qual o plano passa e o vetor normal ao plano, consideraremos o caso
em que são dados apenas três pontos que pertençam ao plano. Você sabia que, assim
como por dois pontos passa apenas uma reta, por três pontos passa apenas um plano?
Podemos utilizar esse postulado da geometria para escrever a equação do plano. Con-
sidere então os pontos P x0 ,� y0 ,� z0 � , Q x1 ,� y1 ,� z1 � e R x2 ,� y2 ,� z2 � pertencentes ao um

plano a . A partir desses pontos, podemos construir os vetores v = QP e w = RP , os
  
quais pertencem ao plano a . Se calcularmos o produto vetorial v w a, b, c n ,
 
obtemos um vetor perpendicular a v e w simultaneamente e, por isso, perpendicular
ao plano a . Pronto, agora já temos o vetor normal ao plano, bem como um ponto
pelo qual o plano passa (podemos utilizar qualquer um dos três pontos dados). Sendo
assim, podemos utilizar a Equação (1) e finalmente escrever a equação do plano a
(WINTERLE, 2014). Tudo isso ficará mais claro no exemplo a seguir.
140 Retas e Planos do R3

2 EXEMPLO Determine a equação do plano que passe pelos pontos A 1, 0, 3 , B 0, 2, 1 e
C 0, 0, 1 .
Para resolver este exemplo, primeiramente, você deve construir dois vetores per-
tencentes ao plano a partir dos pontos dados. É importante você notar que você
pode construir diversos vetores e qualquer um desses levará para a solução correta;
por isso, não se preocupe com a maneira que você construiu os vetores. Sejam então,
AB = ( 0 − 1 −2 − 0 1 − ( −3) ) = ( −1, −2,4 )
AC = ( 0 − 1 0 − 0 −1 − ( −3) ) = ( −1, 0, 2 )
os vetores pertencentes ao plano. Dessa forma, o vetor normal é dado por

r r r
i j k
r uuur uuur
n AB x AC det 1 2 4 ,
1 0 2

n = ( −4 −2 −2 ) .
E assim, temos que a equação do plano é dada por
4 x 1 2 y 0 2 z 3 0,
– 4x + 4 –2y –2z – 6 = 0
4 x 2 y 2 z 2 0.
Viu como foi fácil! Uma curiosidade muito importante que talvez você já tenha notado
é a seguinte: se você já conhecer a equação do plano e quiser saber qual é o vetor nor-
mal ao plano, basta observar os coeficientes das variáveis x , y e z . Esses coeficientes
são justamente as coordenadas do vetor normal ao plano. Observe o exemplo a seguir.
3 EXEMPLO Encontre um vetor normal ao plano de equação 2 x y 3 z 5 0 .

Esse exemplo é muito simples. Conforme foi colocado anteriormente, os coefi-
cientes das variáveis x , y e z são as coordenadas do vetor normal ao plano. Neste
 
caso, temos que n 2, 1, 3 . É instrutivo lembrar que qualquer vetor paralelo a n
também é normal ao plano. Assim, por exemplo, os vetores 4, 2, 6 , 2, 1, 3 e
1 3 são também normais ao plano.
1, ,� � � �
2 2
Planos que passam pela origem terão um interesse teórico muito relevante a partir
da próxima unidade. Para escrever um plano que passa pela origem, você já conhece
um ponto que passa pelo plano, o qual é a própria origem P 0, 0, 0 . Suponha que o
UNIDADE V 141

vetor n a, b, c seja normal ao plano. Neste caso, temos:
a x 0 b y 0 c z 0 0,
ax by cz 0
a qual representa a equação de um plano que passa pela origem. A diferença entre
a equação de um plano que passa pela origem e a equação de outro que não pas-
sa pela origem está na ausência do termo independente no primeiro tipo, ou seja,
equações de planos que passam pela origem não possuem termo independente.
Assim, enquanto ax by cz 0 é a forma geral de um plano que passa pela ori-
gem, ax by cz d 0 é a forma geral de um plano que não passa pela origem.
Por exemplo, o plano 2 x y 3 z 5 0 não passa pela origem, enquanto o plano
3 x y 2 z 0 passa.
Agora que você já sabe identificar e escrever equações de planos no espaço, o
próximo passo será estudar as retas no espaço.
Note a semelhança com o conteúdo estudado na última unidade. Lá, quando o

objetivo era escrever a equação de uma reta no plano, era necessário conhecer
dois pontos pelos quais a reta passa, ou então, conhecer um ponto pelo qual a reta
passa e a inclinação da reta. Por outro lado, para escrever a equação de um plano no
espaço tridimensional, é necessário conhecer três pontos pelos quais o plano passa,
ou então, conhecer um ponto pelo qual o plano passa e um vetor normal ao plano.

Equação da
Reta no R3
Para obter a equação de uma reta no espaço, você

precisa de dois ingredientes: um ponto pelo qual
a reta passa e a direção da reta. A direção da reta
é obtida por meio do vetor diretor da reta, o qual
é um vetor paralelo à reta considerada. Suponha-
mos que você queira escrever a equação de uma
reta r que passa pelo ponto P x0 ,� y0 ,� z0 e que

seja paralela ao vetor v a, b, c . Sabemos que
uma reta nada mais é que um conjunto de pontos.
Neste caso, para um ponto Q x, y, z perten-

cer à reta r , o vetor PQ� deve ser paralelo a v ,

� PQ� = lv , o que neste caso nos fornece

PQ x x0 ,� y y0 ,� z z0 l a, b, c lv
UNIDADE V 143
Isso nos fornece:
x x0 la

y y0 lb
z z lc
0
ou ainda
 x = x0 + λa

 y = y0 + λb . (2)
 z = z + λc
 0
As equações dadas em (2) são denominadas equações paramétricas da reta r .

Se isolarmos o parâmetro l , obtemos as equações da reta na forma simétrica:
x x0 y y0 z z0
.
a b c
Você percebeu como é fácil representar uma reta no espaço tridimensional? De

forma a fixar os conceitos desenvolvidos nesta seção, considere o exemplo a seguir.
4 EXEMPLO Considere a reta que passe pelo ponto P 1, 1, 3 e que seja paralela ao vetor

v 1, 0, 2 , obtenha sua equação na forma paramétrica e também na forma simétrica.
Esse exemplo é facilmente solucionado, pois já conhecemos um ponto pelo qual
a reta passa, bem como o seu vetor diretor. Neste caso, temos:
Equações paramétricas:
x = 1+λ
y = −1
z = 3 − 2λ
Equações simétricas:
3 z
x 1
2
Observe que a forma simétrica não contém a variável y ; isso indica que a reta dada

é paralela ao plano xz. Isso já era esperado, pois ela é paralela ao vetor v 1, 0, 2 ,
o qual está no plano xz, pois tem componente y igual a zero.

Para exemplificar, a Figura 2 apresenta uma reta no espaço tridimensional.
Figura 2 - Reta no R3
Fonte: os autores.
Suponha que você não conheça o vetor diretor de uma reta, mas conhece dois pontos
pelos quais ela passa. Seria possível obter as equações que representam essa reta? A
resposta é positiva, pois, a partir dos pontos conhecidos, você pode encontrar o vetor
diretor. Veja o exemplo a seguir.
5 EXEMPLO Encontre as equações paramétricas da reta que passa pelos pontos P 2, 1, 0
e Q 1, 0, 1 .
Como a reta passa pelos dois pontos dados, então o vetor

PQ 1 2 ,� 0 1,� 1 0 3, 1, 1 é o vetor diretor da reta, pois este vetor é
paralelo à reta. Neste caso, podemos usar tanto P como Q para escrever a equação
da reta. Usando P , temos:
x = −2 + 3λ
y = 1−λ
z = −λ
Essas são as equações paramétricas da reta.
UNIDADE V 145
Um item interessante neste estudo é a caracterização do alinhamento de três pontos.
Suponha que fosse a você solicitado que descobrisse se três pontos dados estão ali-
nhados: o que você faria? A resposta é bem simples e é amparada no que já estudamos
sobre retas. Sejam os pontos P x0 ,� y0 ,� z0 , Q x1 ,� y2 ,� z3 e R x2 ,� y2 ,� z2 . Para que

P , Q e R sejam alinhados, é necessário que os vetores PQ� � e PR sejam paralelos,

isto é, PR = k PQ . Isso leva a:
x2 x1 ,� y2 y1 ,� z2 z1 k x3 x1 ,� y3 y1 ,� z3 z1
O que induz a
x2 x1 y2 y1 z2 z1
,
x3 x1 y3 y1 z3 z1
que é a condição de alinhamento de três pontos. Para fixar esse conceito, considere
o exemplo a seguir.
6 EXEMPLO Verifique se os pontos A 5, 2, 6 , B 1, 4, 3 e C 7, 4, 7 estão alinhados.

Para resolver este exemplo, basta verificar se a condição de alinhamento é satis-
feita. Assim, temos:
x2 x1 1 5 6
3,
x3 x1 7 5 2
y2 y1 4 2 6
3,
y3 y1 4 2 2
z2 z1 3 6 3
3.
z3 z1 7 6 1
Como
x2 x1 y2 y1 z2 z1
,
x3 x1 y3 y1 z3 z1
Segue que os pontos dados estão alinhados.

Posições Relativas
Entre Retas e Planos
Agora que você já sabe como identificar as re-

tas e os planos no espaço tridimensional e, além
disso, sabe como escrever suas equações, chegou
o momento de estudar as posições relativas en-
tre tais constructos. Nesta seção, você verá como
identificar retas paralelas e concorrentes, planos
paralelos e concorrentes, bem como identificar a
interseção entre retas e planos.
Iniciemos o estudo pelos planos. Quando ana-
lisamos dois planos, podemos encontrar duas si-
tuações: eles podem ser paralelos ou se cortam
segundo uma reta. Sendo assim, dois planos a1
e a2 são paralelos se, e somente se, os seus ve-
tores normais são paralelos, ou seja, se o vetor
normal de um for um múltiplo do outro (SAN-
TOS; FERREIRA, 2009). Nesse caso, os planos
são ditos paralelos. Caso contrário, se os vetores
normais não forem paralelos, o ângulo formado
pelos planos é o mesmo ângulo definido pelos
vetores normais. Para calcular esse ângulo, você
pode utilizar o produto escalar, estudado na Uni-
dade 4. Para ilustrar essas situações, consideremos
os exemplos a seguir.
UNIDADE V 147
7 EXEMPLO Determine o ângulo entre os planos
a1 : 3 x 2 y 6 z 5 0
a2 : 5 x 3 y 2 z 1 0
Já sabemos identificar os vetores normais aos planos a partir das equações. Neste
 

caso, temos que n1 3, 2, 6 e n2 5, 3, 2 . De imediato, já percebemos que
os planos dados não são paralelos, pois os seus vetores normais não são múltiplos.
Assim, o ângulo entre os planos é calculado por
 
n1 n2
cos q   .
n1 n2
 2
n1 32 2 62 49 7.


2
n2 52 32 2 36 6.
 

n1 n2 3.5 2 .3 6. 2 15 6 6 2 9 6 2 3 3 2 2 .
Assim,
cos q

3 32 2 32 2
.
7 .6 14
Utilizando uma calculadora científica, podemos determinar o ângulo:
32 2 o
q cos 1 89, 3 .
14


O exemplo a seguir também trata da interseção de planos.
8 EXEMPLO Encontre as equações paramétricas da reta r , intersecção dos planos
a1 : 3 x y z 0
a2 : x 2 y z 1 0
Já sabemos que, para escrever a equação de uma reta, precisamos dos seguintes itens:
conhecer um ponto pelo qual a reta passa e o seu vetor diretor, ou conhecer dois
pontos pelos quais a reta passa. Como a reta de intersecção dos planos dados pertence
a ambos, então o seu vetor diretor é perpendicular aos vetores normais de ambos
os planos, pois o vetor diretor da reta é paralelo à reta e, assim, paralelo também aos
planos; logo ele deve ser perpendicular aos vetores normais. Os vetores normais aos
 
planos são dados por n1 3, 1, 1 e n2 1, 2, 1. Dessa forma, o vetor diretor
pode ser encontrado tomando-se
  
i j k
 
n1 n2 det 3 1 1 1, 4, 7 .
1 2 1

Agora que já temos o vetor diretor, precisamos de um ponto que pertença à reta, para
isso voltemos às equações dos planos
 3x − y + z = 0

x + 2 y − z −1 = 0 .
Note que temos apenas duas equações e três incógnitas, por isso não conseguiríamos
encontrar a solução. Para resolver isso, tomemos x = 0 . Ficamos então com
 −y + z = 0

2 y − z − 1 = 0 .
Resolvendo este sistema, encontramos z = 1 e y = 1 . Assim, a reta r passa pelo ponto

0,1,1 . A equação da reta de interseção dos planos na forma paramétrica é dada por
x l
y 1 4l.
z 1 7l
UNIDADE V 149
Analisar posição relativa entre duas retas já é um pouco mais complicado, pois duas
retas no espaço pode ocorrer uma das seguintes situações:
• as retas se interceptam em um ponto, ou seja, são concorrentes;
• as retas são paralelas;
• as retas são reversas, isto é, não são paralelas nem se interceptam.
E como fazer para identificar cada situação? Fazer isso é bem simples! Primeiramente,
para saber se as retas se interceptam, basta substituir os valores das variáveis x , y e
z de uma na outra. Se as equações resultantes forem satisfeitas e não for obtido ne-
nhuma contradição, dizemos que as retas são concorrentes. Vejamos alguns exemplos.
9 EXEMPLO Verifique se as retas r e s são concorrentes. Em caso afirmativo, encontre o ponto

de interseção.
x 1 2l x 1 g

r :� y 2 4l s :� y g
z l z 1 g

Para resolver este problema, vamos substituir os valores de x , y e z da reta r na

reta s. Assim, temos:
1 − 2 λ = 1 + γ → γ = −2λ .
2 + 4 λ = γ → γ = 2 − 4λ .
− λ = 1 − γ → γ = λ + 1.
Substituindo a primeira equação em qualquer uma das duas outras, obtemos:

1
λ + 1 = −2λ → λ = −
3
2
E também, γ = .
3
Com isso, concluímos que as retas são concorrentes. Para determinar o ponto no qual
elas se encontram, basta substituir l ou g nas equações paramétricas. Fazendo isso,
obtemos que  5 2 1  é o ponto de interseção.
 
3 3 3

10 EXEMPLO Verifique se as retas r e s são concorrentes. Em caso afirmativo, encontre o ponto
de interseção.
x 2l
y −2 z .
r :� y 1 s x −1 = =
z 4 l 4 6

Note que enquanto a equação da reta r está na forma paramétrica, a da reta s encon-
tra-se na forma simétrica. O método de resolução é o mesmo do exemplo anterior:
substituir a equação de uma reta na outra. Substituindo as variáveis x , y e z da
reta r na reta s , obtemos:
1 2 4 l
2l 1
4 6
3 4 l
2l 1 ,
4 6
 3 1
 2λ − 1 = − 4 → λ = 8
O que nos leva ao sistema: 
 4 + λ = − 3 → λ = − 17 .
 6 4 2
Note que chegamos a uma contradição, pois encontramos dois valores para l . Con-
cluímos assim que as retas r e s não são concorrentes.
Muito bom! Você já sabe verificar se duas retas são concorrentes ou não. Agora
resta descobrir qual o ângulo que elas formam. Para fazer isso, basta descobrir o ângulo
formado pelos vetores diretores das retas. Achou fácil? Realmente é, pois você já sabe
fazer tudo isso. Dada a equação de uma reta, seja na forma simétrica ou paramétrica,
você já sabe como identificar o seu vetor diretor. Além disso, você também já sabe
como determinar o ângulo entre vetores por meio do produto escalar. Então, vamos
colocar as mãos no trabalho. Antes de analisar os exemplos, lembremos que duas
retas concorrentes definem quatro ângulos (vide Figura 3), congruentes dois a dois
(os dois opostos pelo vértice). O ângulo entre as retas é definido como o menor dos
ângulos. Para isso, consideraremos sempre o valor absoluto do cosseno encontrado.
UNIDADE V 151
r
u
θ
v s
r
v π-θ u
θ
s
Figura 3 - Retas concorrentes

Fonte: os autores.
Observações importantes:
• Se o ângulo calculado for nulo, dizemos que as retas são paralelas;
• Se o ângulo calculado for reto, dizemos que as retas são ortogonais. Retas
ortogonais podem ser concorrentes ou não, caso sejam concorrentes são ditas
perpendiculares.
Para fixar esses conceitos, vamos analisar o exemplo que segue.
11 EXEMPLO Calcule o ângulo formado pelas r e s dadas a seguir:
x 1 2l x 1 g

r :� y 2 4l s :� y g
z l z 1 g

A resolução desta questão é bastante simples. A primeira coisa que devemos fazer é
encontrar os vetores diretores de ambas as retas. Já sabemos que, estando a equação de
uma reta na forma paramétrica, as componentes do vetor diretor são os coeficientes
do parâmetro. Neste caso, temos:
 
vr 2, 4, 1 e vs 1, 1, 1

Dessa forma,

vr (2)2 42 (1)2 21.
 2
vs 12 1 12 3.
 
vr vs 2 .1 4.1 1 . 1 3.
Assim,
3 1
=
cos q = .
21. 3 7
1 o
q cos 1 67, 8 .
7
12 EXEMPLO Dadas as retas r e s, verifique se elas são ortogonais.
x l
2x −1
r :� y 3 s = 3 − y = 2 − z.
z 1 l 2

Duas retas são ortogonais se o produto escalar entre os vetores diretores for igual
a zero. Então, antes de determinarmos o produto escalar, necessitamos descobrir
quem são os vetores diretores. A reta r está na forma paramétrica, logo, as compo-

nentes do seu vetor diretor são os coeficientes do parâmetro, isto é, vr 1, 0, 1.
Enquanto isso, a reta s está na forma simétrica, logo, as componentes do seu vetor
diretor são os denominadores, estando os coeficientes das variáveis x, y e z iguais
a 1. Para facilitar a compreensão, podemos escrever a equação da reta s na forma
1 y 3 z 2
x
2 1 1

o que nos dá vs 1, 1, 1 . Calculando o produto escalar entre vr e v , obtemos
s
 
vr vs 1 .1 0. 1 1 . 1 0.
Como o produto escalar entre os vetores diretores é nulo, segue que as retas
dadas são ortogonais.
UNIDADE V 153
Agora que você já sabe como identificar a posição relativa entre dois planos e a
posição relativa entre duas retas, só resta entender como determinar a interseção
entre um plano e uma reta. Conforme você constatará, essa é uma tarefa bem fácil,
basta substituir a equação da reta na equação do plano e descobrir, quando houver
interseção, em que ponto ela ocorre. Vejamos o exemplo a seguir.
13 EXEMPLO Ache a interseção entre a reta r e o plano a , sendo:

x 2 2l
a : 2 x 4 y z 6 0.
r :� y 3 l e
z l

Resolvemos este problema substituindo os valores de x , y e z dados na equação da

reta na equação do plano. Fazendo isso, obtemos:
2 2 2l 4 3 l l 6 0,
4 4l 12 4l l 6 0,
7l 14,
l 2.
Substituindo l 2 na equação da reta, obtemos x = 6 , y = 1 e z 2 . Logo, a reta

r e o plano a se interceptam no ponto 6, 1, 2 .
Antes que você encare as atividades propostas para esta unidade, voltemos ao
problema inicial da unidade. O seu amigo que sempre escolhe o banco com três
pernas baseia-se na ideia que dados três pontos há apenas um plano que os contém.
Assim, eles estarão contidos em um mesmo plano e o banco ficará estável, sem man-
car. Bancos que possuem quatro pernas podem mancar, pois pode haver inúmeros
planos que contenham quatro pontos.

1. A equação do plano que passa pelo ponto P 1, 0, 2 e é ortogonal ao vetor
   
n i j 2k é dada por:
a) 3x 2 y 6 z 5 0
b) x 2y z 5 0
c) x y 4z 3 0
d) x y 3z 4 0
e) 3x y z 3 0
2. As equações paramétricas da reta que passa pelos pontos P 1, 0, 1 e Q 1, 2, 0 são:
 x =1

a)  y = 2λ
z = 1 − λ

 x =λ

b)  y = 3
z = 1 − λ

 x =λ

c)  y = 1 + λ
 z = 1−λ

 x =1

d)  y = 3λ
z = 1 − λ

 x = −λ

e)  y = 3
z = 1 − λ

155
3. Um vetor normal ao plano de equação x 2 y z 5 0 é:

a) n 1, 2, 1

b) n 1,� 2,� 5

c) n 1,� 2,� 5

d) n 1,� 2,� 1

e) n 1,� 2,�1
4. O valor de m tal que as retas r e s sejam ortogonais é
x 5 m 1 l
x 1 z 1
r :� y l s :�
z 2ml 2 3

a) 1
3.
b) −1
3
c) −1 .
2
d) 1
2.
e) 1
5. O ângulo entre os planos a e b cujas equações são

α :x+ y+z =0
β:x− y−z =0
é aproximadamente:
a) 60°
b) 70°
c) 90°
d) 45°
e) 30°
156
LIVRO
Álgebra Linear
Autor: David Poole
Editora: Thomson Pioneira
Sinopse: esta obra traz o conteúdo de álgebra linear em uma linguagem simples
e direta. Há muitos problemas resolvidos ao longo do texto.
Comentário: a leitura do Capítulo 3 desta obra é recomendada.
157
BOULOS, P.; CAMARGO, I. Geometria Analítica - Um Tratamento Vetorial. 3. ed. São Paulo: Ed. Pearson, 2004.
SANTOS, F. J.; FERREIRA, S. F. Geometria Analítica. 1. ed. São Paulo: Ed. Bookman, 2009.
WINTERLE, P. Vetores e Geometria Analítica. 2. ed. São Paulo: Ed. Pearson, 2014.
158
1. A resolução deste problema é muito simples, basta utilizar as coordenadas do ponto P (que pertence ao
plano) e do vetor normal ao plano na Equação (1). Fazendo isso, temos:
( x + 1) − 1( y − 0 ) + 2 ( z − 2 ) = 0
Desenvolvendo esta equação, temos:
x 1 y 2 z 4 0,
x y 2 z 3 0.
E esta última é a equação do plano com as características dadas no problema. Portanto, a alternativa
correta é a c.

2. Como a reta passa pelos dois pontos dados, então o vetor PQ 1 1,� 2 0,� 0 1 0, 2, 1 é o vetor dire-
tor da reta, pois este vetor é paralelo à reta. Neste caso, podemos usar tanto P como Q para escrever a
equação da reta. Usando P , temos:
x =1
y = 2λ
z = 1−λ
Essas são as equações paramétricas da reta. Portanto, a alternativa correta é a a.
3. Este problema é muito simples. Conforme foi colocado no texto, os coeficientes das variáveis x , y e z são

as coordenadas do vetor normal ao plano. Neste caso, temos que n 1, 2, 1 . Portanto, a alternativa
correta é a e.
4. Para as retas serem ortogonais, o produto escalar entre seus vetores diretores deve ser igual a zero. O
vetor normal da reta r é m 1,� 1,� 2m e da reta s é 2, 0, 3 . Calculando o produto escalar, temos:
2. m 1 1 .0 2m .3 0.
Como o produto escalar deve ser nulo, devemos ter m = 1 2 . A alternativa correta é a d.
159
5. Primeiramente, devemos encontrar os vetores normais aos planos, os quais são:
 
na 1, 1, 1 e nb 1, 1, 1 .
Calculando o módulo e o produto escalar entre eles, obtemos:


na = 3.
 2 2
nb 12 1 1 3.
nα . nβ = 1.1 + 1. ( −1) + 1. ( −1) = −1.
Assim,
1 1
cos q .
3. 3 3
1
cos q = .
3
1
q cos 1 70, 5o.
3
Logo, a alternativa correta é a letra b.
160
161
162
Dr. Ronni Amorim
Espaços e Subespaços
Vetoriais
PLANO DE ESTUDOS
Combinação linear Base e dimensão
Espaços e Independência Linear Mudança de base

subespaços
vetoriais
• Reconhecer os postulados que definem espaços e subes- • Identificar os conceitos de combinação linear, base e di-
paços vetoriais. Identificar se um dado conjunto corres- mensão de um espaço vetorial.
ponde a um espaço vetorial. • Construir a matriz mudança entre bases de um espaço
• Identificar a condição para um conjunto de vetores ser vetorial.
linearmente independente.
Espaços e
Subespaços Vetoriais
Prezado(a) aluno(a), na Unidade IV, você estudou

sobre vetores no plano e no espaço. Você percebeu
que os vetores satisfaziam algumas propriedades
interessantes e peculiares. Nesta unidade, as ideias
apresentadas na Unidade IV serão generalizadas
por meio do conceito de espaços vetoriais. Você
perceberá, ainda, que a noção que você possui
acerca dos vetores também ficará mais abrangente.
Sendo assim, aproveite o conteúdo desta unidade,
pois ele lhe será útil no decorrer de todo o curso.
Antes de ingressar definitivamente no assunto
da unidade, considere a seguinte história. Supo-
nha que você tenha comentado que estudaria sobre
espaços vetoriais nas próximas semanas com um
amigo que, além de entender de matemática, tam-
bém gosta bastante de pintar. Nessa conversa, o
seu amigo diz que o assunto espaços vetoriais tem
muito a ver com a obtenção das cores utilizando
cores primárias. Seu amigo comenta ainda sobre
situações envolvendo combinações lineares e bases
de espaços vetoriais. Você, mesmo confiando na
competência do seu amigo, fica com um pé atrás,
desconfiando da suposta relação entre cores e este
assunto tão abstrato da álgebra linear. Conforme você verá no fim da unidade, o seu
amigo tem razão neste aspecto da relação entre a obtenção de cores e os espaços vetoriais.
Nesta seção, serão introduzidos os conceitos de espaço e subespaço vetorial. Con-
forme você notará, a apresentação será bem mais abstrata que nas unidades anteriores.
Contudo, à medida que a apresentação do conteúdo for sendo realizada, estabelece-
remos a conexão com os conteúdos já estudados.
Até a unidade 5, representávamos vetores usando uma seta sobre a letra. Contu-
do, nesta unidade, estes objetos matemáticos serão representados por uma letra em
negrito. A razão desta mudança é que o conceito de vetores é algo muito mais geral
do que aquele já estudado, conforme você perceberá ao longo da unidade. No entan-
to, quando tratarmos de vetores nos espaços bi ou tridimensional, continuaremos
usando a seta sobre a letra. Ou seja, representaremos vetores com setas sobre as letras
somente nos casos específicos dos espaços bi e tridimensional.
DEFINIÇÃO 1
Seja um conjunto V , não vazio, sobre o qual são definidas duas operações chamadas
de adição e multiplicação por escalar, as quais são fechadas em V , isto é:
•• Adição: ∀ u v ∈V u + v ∈V .
Lembre-se que o símbolo ∀ significa para todo. Assim, o enunciado anterior quer
dizer que, na adição, a soma de quaisquer dois vetores que pertençam ao conjunto
V , também pertence a V . Isso significa que a operação é fechada no conjunto.
•• Multiplicação por escalar: ∀ λ ∈ R e u ∈ V λ u∈ V .
Este enunciado diz que, se multiplicarmos um número real por qualquer ele-
mento do conjunto V , obtemos como resultado um elemento de V .
O conjunto V com essas duas operações é denominado de Espaço Vetorial Real se

forem verificados os seguintes axiomas:
Considere u,� v ,� w ∈
� V e λ,� µ∈
� R.
1. u v w u v w
2. u v v u
3. Existe 0�∈ V , tal que 0 v v 0 v
4. Existe v
� V , tal que v v 0
UNIDADE VI 165
5. l u v lu lv
6. λ µ v λv µv
7. λµ v λ µv
8. 1v = v
Estes axiomas são denominados axiomas de espaço vetorial (HOLT, 2016).

Qualquer conjunto que satisfaz a esses axiomas é denominado espaço vetorial. Se
qualquer um dos axiomas não for satisfeito, não temos um espaço vetorial. Os dois
conjuntos já estudados no curso, o R2 e o R3 , são exemplos de espaços vetoriais. Os
elementos de um espaço vetorial são denominados vetores. Vejamos o exemplo a seguir.
1 EXEMPLO Mostre que o R3, munido da adição e multiplicação por escalar apresentadas na
Unidade 4, é um espaço vetorial.
Para resolver este exemplo, recordemo-nos que um vetor no R3 pode ser re-

presentado por uma tripla ordenada na forma u u1 ,� u2 , u3 . Lembremos ain-
 
da que a soma de dois vetores u u1 ,� u2 , u3 e v v1 ,� v2 , v3 é definida como
 
u v u1 v1 ,� u2 v2 , u3 v3 e o produto por um escalar l é definido por
  
lu lu1 ,�lu2 , lu3 . Assim, dados os vetores u u1 ,� u2 , u3 , v v1 ,� v2 , v3 e

w w1 ,� w2 , w3 pertencentes ao R3 e λ,� µ � pertencentes a R , devemos mostrar que
os oito axiomas são satisfeitos. Então faremos isso.

(1) u + ( v + w ) = ( u1 u2 , u3 ) + ( ( v1 , v2 v3 ) + ( w1 w2 , w3 ) )
= ( u1 u2 , u3 ) + ( v1 + w1 , v2 + w2 v3 + w3 )
= ( u1 + v1 + w1 u2 + v2 + w2 , u3 + v3 + w3 ) .
Como os componentes dos vetores são números reais, e a adição de números

reais é associativa, podemos escrever:

u + ( v + w ) = ( u1 + v1 u2 + v2 , u3 + v3 ) + ( w1 , w2 w3 )

= ( ( u1 u2 , u3 ) + ( v1 , v2 v3 ) ) + ( w1 w2 , w3 ) = ( u + v ) + w.
166 Espaços e Subespaços Vetoriais

(2) u + v = ( u1 u2 , u3 ) + ( v1 , v2 v3 ) = u1 v1 ,� u2 v2 , u3 v3
Contudo, as componentes dos vetores são números reais e, por isso, podemos
inverter a ordem das parcelas sem alterar a soma. Assim:
   
u v u1 v1 ,� u2 v2 , u3 v3 � v1 u1 ,� v2 u2 , v3 u3 � v u

(3) Sabemos que o vetor nulo do R3 é o vetor 0 0, 0, 0 , e ele claramente satisfaz
as condições dadas no axioma 3.
 
(4) Sabemos que o vetor oposto a v é v v1 , � v2 , v3 e que este vetor
claramente satisfaz a condição dada no axioma 4.

(5) λ ( u + v ) = λ ( ( u1 + v1 u2 + v2 , u3 + v3 ) ) = (λ (u1 + v1 ),λ ( u2 + v2 ) λ ( u3 + v3 ) ) = (λu1 + λv1

λ ( u + v ) = λ ( ( u1 + v1 u2 + v2 , u3 + v3 ) ) = (λ (u1 + v1 ),λ ( u2 + v2 ) λ ( u3 + v3 ) ) = (λu1 + λv1 λu2 + λv2 , λu3 + λv3 ) = (λu1 ,λu2 λu3 ) +
v3 ) ) = (λ (u1 + v1 ),λ ( u2 + v2 ) λ ( u3 + v3 ) ) = (λu1 + λv1 λu2 + λv2 , λu3 + λv3 ) = (λu1 ,λu2 λu3 ) + (λv1 λv2 , λv3 )
u3 + v3 ) ) = (λu1 + λv1 λu2 + λv2 , λu3 + λv3 ) = (λu1 ,λu2 λu3 ) + (λv1 λv2 , λv3 )

λ ( u + v ) = λ ( u1 u2 , u3 ) + λ ( v1 , v2 v3 ) = λu + λv .
Na demonstração deste axioma, utilizamos a propriedade distributiva da multipli-

cação de números reais.

(6) (λλ∝ ,� µ)� ( v1 v2 , v3 ) = λ
,� µ)� v = (λλ∝ (λ∝
,� µv� 1 ,λλ∝ ,� µv� 3 ) ,
,� µv� 2λλ∝
Usando a comutatividade da multiplicação de números reais, temos:

λ ,� µ)� v = λ(λ∝
(λ∝ ,� µv� 1λλ∝ ,� µv� 3 ) = λλ(,�∝
,� µv� 2λ, λ∝ � 1,�,∝
µvλ µv� 3 ) = λλ(,�∝
µ � vλ2 ,�∝ µv� ) .

(7) 1v = 1 ( v1 v2 , v3 ) = (1v1 , 1 v2 1v3 ) = ( v1 v2 , v3 ) = v
O 1 é o elemento neutro da multiplicação de números reais.
UNIDADE VI 167
Com isso, verificamos que o R3 é de fato um espaço vetorial, pois satisfez os oito axiomas.
Outros exemplos de espaços vetoriais:
• O R n , ou seja, o conjunto dos vetores representado por n-uplas, v v1 ,� v2 , , vn .
• O conjunto constituído pelas matrizes M n×m com as operações usuais de
multiplicação de matrizes e multiplicação de matriz por número real.
• O espaço constituído pelo conjunto das funções reais com as operações de
soma e produto por escalar definidos por f g x f x g x e
l f x l f x .
Você deve verificar, como exercício, que os conjuntos acima são de fato espaços vetoriais.
Agora você observará um exemplo de um conjunto que não é um espaço vetorial.
2 EXEMPLO Considere o conjunto W de todos os pares ordenados de números reais com as

seguintes operações definidas
• Adição: x1 ,� y1 x2 ,� y2 x1 x1 ,� y1 y2
• Multiplicação por escalar: l x1 ,� y1 x1 ,�l y1
Verifique se W é um espaço vetorial.

Note que a multiplicação por escalar definida neste exemplo não é a usual. Você
poderá verificar que quase todos os axiomas são satisfeitos, exceto o sexto. Observe:
λ µ x1 ,� y1 x1 ,� λ µ y1 ,
note que não podemos colocar os coeficientes λ,� µ em evidência, descaracterizando

assim o axioma 6. Portanto W , com as operações assim definidas, não é um espaço
vetorial.
A seguir são apresentadas algumas propriedades dos espaços vetoriais.
• O vetor nulo de um dado espaço vetorial é único.
• O vetor simétrico de u representado por −u é único.
Iremos provar a primeira propriedade dada acima. A demonstração da segunda é

similar. Antes, para você ir se acostumando com a nomenclatura matemática, enun-
ciaremo-na mediante um teorema.

1 TEOREMA O vetor nulo de um dado espaço vetorial é único.
Demonstração: a prova será feita por contradição. Suponha que um espaço vetorial
V possua dois vetores nulos 01 e 02 . Então, ambos devem satisfazer:
v � 01 01 v v
v + 02 = 02 + v = v
Assim, v � 01 v � 02 , donde concluímos que 01 = 02 . Ou seja, se houver dois vetores

nulos, eles devem ser iguais. Portanto, o vetor nulo é único (ANTON; RORRES, 2012).
Agora que você já sabe o que é um espaço vetorial, podemos apresentar a definição
de uma estrutura matemática tão importante quanto. A essa estrutura denominamos
subespaço vetorial. Um subespaço vetorial é um subconjunto de um espaço vetorial que
por si só satisfaz os axiomas de um espaço vetorial. Sendo assim, podemos classificar os
subespaços vetoriais como sendo espaços vetoriais contidos em espaços vetoriais mais
amplos. Formalmente, podemos apresentar a definição de subespaço vetorial como:
DEFINIÇÃO 2
Um subconjunto W de um espaço vetorial V é denominado subespaço vetorial de
V se W for um espaço vetorial por si só com as operações de adição e multiplicação
por escalar definidas em V .
Em outras palavras, dado um espaço vetorial V , um subconjunto W , não vazio, será
um subespaço vetorial de V se:
I. Para quaisquer u e v pertencentes a W tivermos u + v pertencente a W .
II. Para quaisquer l� pertencente aos reais e u pertencente a W tivermos lu
também pertencente a W .
Perceba que para verificar se um dado conjunto é subespaço de outro, basta verificar
se os seus elementos satisfazem as duas condições dadas acima. Dessa forma, você
terá mostrado que tal conjunto é, por si só, um espaço vetorial.
Algumas observações consequentes da definição (LIMA, 2016):
• Devido ao fato do vetor nulo de um dado espaço vetorial V ser único, qualquer
subespaço W de V conterá o vetor nulo de V .
• Todo espaço vetorial admite pelo menos dois subespaços, quais sejam: o con-
junto formado somente pelo vetor nulo e o próprio espaço vetorial. Tais su-
bespaços são denominados subespaços triviais.
UNIDADE VI 169
Para exemplificar a noção de subespaço vetorial, tomemos o caso do R2. Já sabemos
que o R2 é um espaço vetorial, pois seus elementos satisfazem todos os oito axiomas.
Considere então o exemplo a seguir.
3 EXEMPLO Mostre que o subconjunto W = {( x, y ) / y = 2 x} é um subespaço do R2 .

Antes de resolvermos este problema, perceba que W nada mais é que o con-
junto de pares ordenados que pertencem à reta y = 2 x . Assim, podemos escre-
ver W simplesmente como W x,2 x . Um vetor para pertencer a W deve
possuir a forma v x,2 x . Por exemplo, 0, 0 , (1, 2 ) , (−3 −6 ) pertencem a W
, enquanto 2, 3 , 1, 2 não pertencem. Agora, para mostrar que W é um su-
bespaço de R2, devemos verificar as duas condições estabelecidas na Definição 2.
Para isso, considere v1 x1 , 2 x1 e v2 x2 , 2 x2 . Assim, temos:
I. v1 v2 x1 , 2 x1 x2 , 2 x2 x1 x2 ,� 2 x1 2 x2 ,
v1 v2 x1 x2 ,� 2 x1 x2
Note que em v1 + v2 , a segunda coordenada é o dobro da primeira, satisfazendo

assim a condição para pertencer a W .
II. lv1 l x1 , 2 x1 l x1 , 2l x1 .
Observe que em lv1, a segunda coordenada é o dobro da primeira, satisfazendo assim

a condição para pertencer a W .
Como as duas condições foram satisfeitas, o conjunto W é um subespaço do R2 .
De uma forma geral, pode-se mostrar que qualquer reta que passa pela origem é
um subespaço de R2 .
4 EXEMPLO Mostre que o subconjunto W = {( x, y, z ) x − 2 y + z = 0} é um subespaço do R3.

Antes de mostrarmos que W é um subespaço do R3, note que a equação
x 2 y z 0 representa um plano que passa pela origem.
Podemos isolar qualquer uma das variáveis na equação dada, de forma a obtermos
o vetor genérico que pertença a W . Assim temos: x 2 y z e um vetor de W possui
a forma v 2 y z , y, z . Note que em um vetor qualquer de W , a primeira coor-
denada é igual a duas vezes a segunda menos a terceira. Devemos então demonstrar
as duas condições dadas na Definição 2. Para isso, considere v1 2 y1 z1 , y1 , z1
e v2 2 y2 z2 , y2 , z2 . Assim, temos:

v1 v2 2 y1 z1 , y1 , z1 2 y2 z2 , y2 , z2
v1 v2 2 y1 z1 2 y2 z2 ,� y1 y2 ,� z1 z2
v1 + v2 = ( 2( y1 + y2 ) − ( z1 + z2 ) , y1 + y2 z1 + z2 .
Note que em v1 + v2 , a primeira coordenada é igual a duas vezes a segunda menos

a terceira, satisfazendo assim a condição para pertencer a W .
lv1 l 2 y1 z1 , y1 , z1 2l y1 l z1 , l y1 , l z1 .
Observe que em lv1 , a segunda coordenada é igual a duas vezes a segunda menos
a terceira, satisfazendo assim a condição para pertencer a W .
Como as duas condições foram satisfeitas, o conjunto W é um subespaço do R3.
Da forma geral, podemos mostrar que as retas e os planos que passam pela origem
são subespaços de R3.
Outro exemplo que podemos considerar é que os polinômios constituem um
subespaço vetorial do espaço das funções contínuas. Lembre-se que um polinômio
é uma expressão da forma p x a0 a1 x an x n . E todo polinômio é uma
função contínua. É de conhecimento que a soma de dois polinômios também é
um polinômio e que um produto de um escalar por um polinômio também é um
polinômio. Assim sendo, o conjunto de todos os polinômios é fechado em relação à
soma e multiplicação por escalar. Assim, o conjunto dos polinômios é um subespaço
vetorial do espaço vetorial das funções contínuas.
Outros exemplos de subespaços vetoriais serão apresentados nos exercícios
desta unidade.
Um item relevante no estudo de subespaços vetoriais é a operação de interseção
de subespaços. A noção de interseção é a mesma quando tratamos da interseção de
conjuntos, ou seja, na interseção de dois conjuntos sempre admitimos os elementos
que aparecem simultaneamente em ambos. Com subespaços vetoriais, a ideia é a
mesma, na interseção de dois subespaços consideramos aqueles elementos (vetores)
que estão simultaneamente em ambos. A pergunta colocada passa a ser: o conjunto
formado pela interseção de dois subespaços vetoriais seria por si só um subespaço
vetorial? Essa pergunta será respondida mediante um teorema (FRANCO, 2016).
UNIDADE VI 171
2 TEOREMA Dados W1 e W2 subespaços de um espaço vetorial V , a interseção W1 ∩�W2 também
é um subespaço de V .
Demonstração: já sabemos que qualquer subespaço de V possui o vetor nulo de V , dessa
forma, a interseção W1 ∩�W2 nunca será um conjunto vazio. Além disso, para caracterizar
W1 ∩�W2 como um subespaço de V , devemos mostrar que os elementos da interseção
satisfazem as duas condições dadas na Definição 2.
I. Sejam v e w vetores pertencentes a W1 ∩�W2 . Então, v e w pertencem a W1 e
também a W2 . Como W1 e W2 são subespaços vetoriais de V , v + w pertence
a W1 e W2 e, portanto, pertence a W1 ∩�W2 . Satisfazendo, assim, a primeira
condição.
II. Seja v um vetor pertencente a W1 ∩�W2 . Então, lv pertence a W1 e também
a W2 . Como W1 e W2 são subespaços vetoriais de V , lv pertence a W1 e
W2 , e portanto, pertence a W1 ∩�W2 . Satisfazendo assim, a segunda condição.
Como as duas condições dadas na Definição 2 foram satisfeitas, segue que W1 ∩�W2
também é um subespaço vetorial de V .
5 EXEMPLO Considere dois subespaços vetoriais de R2 dados por
W1 = {( x, y ) / y = 2 x}
W2 = {( x, y ) / y = −5 x}
Vemos que W1 e W2 são duas retas que passam pela origem. A interseção desses con-

juntos é justamente o vetor (ou ponto) v 0, 0 (para verificar isso, basta resolver

as duas equações, y = 2 x e y 5 x , simultaneamente). Sabemos que v 0, 0 é o
vetor nulo de V e, portanto, o conjunto por ele formado, W1 ∩W2 = {( 0 0 )} , é um dos
subespaços triviais de V .
Conforme você pode verificar, se tivermos dois planos que passam pela origem,
os quais são subespaços de R3, a sua interseção é uma reta que passa pela origem,
sendo também um subespaço de R3.
Na sequência, você estudará alguns conceitos fundamentais ao arcabouço teórico
do espaço vetorial, os quais são: combinação linear; independência linear; e base.

Combinação
Linear
Neste tópico, você estudará o conceito de combi-

nação linear, bem como alguns teoremas associa-
dos. Na essência, uma combinação linear é uma
forma de se obter novos vetores de um espaço
vetorial a partir de um conjunto de vetores dados.
UNIDADE VI 173
DEFINIÇÃO 3
Dizemos que um vetor u pertencente a um espaço vetorial V é uma combinação li-
a1v1 va12 vv22
u vetores
near dos , ⊃ , vannpertencentes
vn , a V se u puder ser escrito na forma
u a1v1 a2 v2 an vn ,
u
em v1 aa21v,� 2a2
a1que n , números reais (escalares) denominados coeficientes da
, …,� aan n vsão
combinação linear.
Veja um exemplo prático de combinação linear.
 
6 EXEMPLO Escreva o vetor u 8, 13, 3 como combinação linear os vetores v1 1, 4, 1 e

v2 2, 1, 1 .
  
Resolução: Devemos escrever u a1v1 a2 v2 . Ou seja, devemos descobrir quais
são os coeficientes a1 ,� a2 . Para isso, escrevamos:
8,13, 3 a1 1, 4, 1 a2 2,1,1 .
Obtemos o sistema
a1 2a2 8

4 a1 a2 13 ,
a a 3
1 2
o qual possui como solução a1 = 2 e a2 = 5 . Portanto, podemos escrever
8,13, 3 2 1, 4, 1 5 2,1,1 .

  
7 EXEMPLO Escreva o vetor u 2, 3 como combinação linear os vetores i 1, 0 e j 0, 1 .
Resolução: Procedendo da mesma forma que no exemplo anterior, obtemos
2, 3 2 1, 0 3 0,1 .
 
Perceba que sempre que utilizarmos i 1, 0 e j 0, 1 para escrever outro vetor
pertencente ao R2 , obtemos, como coeficientes, as componentes do vetor.

Uma propriedade bastante importante às combinações lineares é a noção do subes-
paço gerado. Notaremos este fato observando a definição a seguir.
DEFINIÇÃO 4
Uma vez definidos u a1v1 av21vv2 2
osvetores , ⊃ , vannpertencentes
vn , ao espaço vetorial V , o con-
junto W � de todos os vetores de V que são combinações lineares destes é um subes-
paço vetorial. O conjunto W �é denominado subespaço gerado
u a1vpor
1a v21vv2 2
, ⊃ , vann, vené,
denotado por ger W .
Para fixar as ideias advindas da Definição 4, considere o exemplo a seguir.
  
8 EXEMPLO Determine se v1 1, 0, 1 , v2 0, 1, 2 e v3 1, 1, 1 geram o R3 .
Resolução: para que os vetores dados gerem o R3 , é necessário que qualquer vetor
do R3 possa ser escrito como combinação linear deles. Assim, considere o vetor
genérico pertencente ao R3 dado por x, y, z . Devemos ter:
  
x, y, z a1v1 a2v2 a3v3
x, y, z a1 1, 0, 1 a2 0,1, 2 a3 1, 1,1 .
O que nos fornece os sistema de equações
a1 a3 x
a2 a3 y
2
Para que esse sistema seja consistente para quaisquer valores de x , y e z , o deter-
minante da matriz dos coeficientes deve ser diferente de zero, conforme você estudou
na Unidade 2. Isso nos fornece
1 0 1
det 0 1 1 4.
1 2 1
Dessa forma, podemos garantir que os vetores dados geram o R3 .
UNIDADE VI 175
Independência
Linear
Neste tópico, você estudará outro ingrediente fun-

damental no arcabouço de espaços vetoriais. O
conceito de independência linear, conforme será
visto, é fundamental na definição de base de um
espaço vetorial. A definição deste conceito será
fornecido a seguir.

DEFINIÇÃO 5
a1v1 e av21vv2 2
Sejam V um espaço vetorial , ⊃ , vannvetores
vn 0, a ele pertencentes. Dizemos que
a1v1 av21vv2 2
o conjunto formado pelos vetores , ⊃ , vannévnlinearmente
0, independente, ou que
a1v1 av21vv2 2
os vetores , ⊃ , vannsão 0,
vn linearmente independentes, se a equação
a1v1 a2 v2 an vn 0,
Implica que a1 a2 an 0 . Se algum dos coeficientes ai for diferente de zero,

a1v1 av21vv2 2
dizemos que os vetores , ⊃ , vannsão 0,
vn linearmente dependentes.
a1v1 av21vv2 2

Observação: uma observação importante é que se os vetores , ⊃ , vannsão
vn li-0,
nearmente independentes, nenhum deles pode ser escrito como combinação linear
dos outros.
Para fixar o último conceito, vejamos o exemplo a seguir.
 
9 EXEMPLO Determine se os vetores v1 1, 1 e v2 1, 0 são linearmente independentes.
Resolução: usando a Definição 5, escrevemos a equação:
a1 1, 1 a2 1, 0 0, 0 .
Esta equação induz o sistema
a1 a2 0
,
a1 0
o qual possui a solução a1 = 0 e a2 = 0 . Portanto, os vetores dados são linearmente

independentes.
Podemos utilizar o último exemplo para enfatizar a importância de se conhecer se
um conjunto de vetores é linearmente independente ou não. Por exemplo, o conjunto
de vetores W = {(1, −1) , (1,0 ) (1,1)} geram o R2, conforme você pode confirmar. Con-
tudo, você pode verificar também que o conjunto W não é linearmente independente.
Dessa forma, um dos vetores é supérfluo para gerar o R2 e descrever este espaço.
UNIDADE VI 177
Base e
Dimensão
Nesta seção, você aprenderá como determinar se

em um dado conjunto de vetores que geram um
espaço vetorial, todos os vetores a ele pertencentes
são realmente necessários para construir outros
vetores que pertencem a este espaço. Em outras
palavras, você aprenderá se um dado conjunto de
vetores constitui uma base de um espaço vetorial.
No R2 , um exemplo de base são os vetores uni-
 
tários i e j , pois conforme você viu em unida-
des anteriores, por meio deles podemos escrever
qualquer outro vetor pertencente ao plano. Nesta
seção, você confirmará que tais vetores unitários
de fato satisfazem os requisitos para ser base.

DEFINIÇÃO 6
a1v1 {av21v,2v2
Um conjunto de vetores n 0,
⊃ , vann}vpertencente a um espaço vetorial V é uma
base de V se os dois requisitos seguintes forem satisfeitos:
v1 {av21v,2v2
a1I. ⊃ , vann}vdeve , linearmente independente;
n 0ser
v1 {av21v,2v2
a1II. ⊃ , vann}vdeve ,
n 0gerar V.
Vejamos alguns exemplos para que você fixe bem o último conceito apresentado.
10 EXEMPLO Determine se o conjunto W = {(1, −1) , (1 0 )} é uma base de R2.

Resolução: precisamos verificar se o conjunto dado satisfaz os dois requisitos esta-
belecidos na Definição 6. No exemplo 8 já foi mostrado que os vetores pertencentes
ao conjunto W são linearmente independentes. Neste caso, resta-nos verificar se eles
geram o R2. Dessa forma, precisamos verificar se o vetor genérico do R2 , dado por

v x, y , pode ser escrito como combinação linear dos elementos de W . Assim, temos:
( x, y ) = a1 (1, −1) + a2 (1 0 ) .
Isso nos leva a
a1 a2 x
.
a1 y
O determinante da matriz dos coeficientes deste sistema é igual a 1, ou seja, é diferente

de zero. Portanto, W gera o R2. Assim, concluímos que W é base do R2.
11 EXEMPLO Conforme você pode verificar, o conjunto {( 3, 0 ) , (1 0 )} não é uma base de R2. Perceba
que os vetores são múltiplos (linearmente dependentes), ou seja, são paralelos. Ou
melhor, estão sobre uma mesma reta. E sabemos que vetores que estão sobre uma
mesma reta não podem ser usados para escrever qualquer outro vetor do plano, pois
a reta tem apenas uma dimensão. Para representar um vetor no R2, são necessários
pelo menos dois vetores linearmente independentes.
12 EXEMPLO O conjunto 1, 2, 1 ,� 2, 9, 0 é linearmente independente, mas não gera o R3. Dessa
forma, o conjunto dado não é uma base do R3 . De fato, conforme vimos na Unidade
5, dois vetores definem um plano. Como o conjunto dado possui apenas dois veto-
UNIDADE VI 179
res, eles podem ser usados para construir apenas vetores que estejam contidos no
mesmo plano definido por eles. Para representar um vetor no R3, são necessários
pelo menos três vetores.
13 EXEMPLO O conjunto {(1, 0 ) , ( 0 1)} é denominado base canônica do R2. E o conjunto

1, 0, 0 ,� 0,1, 0 ,� 0, 0,1 é denominado base canônica do R3. Repare que tais con-
juntos correspondem aos vetores unitários relativos aos espaços vetoriais citados,
conforme foi visto na Unidade 4. Fica com você a tarefa de verificar que os conjuntos
dados são realmente bases dos respectivos espaços vetoriais mencionados.
Agora que você já sabe o que é uma base, surge a questão: duas bases distintas de
um mesmo espaço vetorial podem possuir quantidades diferentes de elementos? A
resposta é não. A justificativa aparece no teorema apresentado a seguir.
3 TEOREMA Qualquer base de um espaço vetorial tem sempre o mesmo número de elementos.
Como consequência do Teorema 3, decorre a definição de dimensão de um es-
paço vetorial.
DEFINIÇÃO 7
O número de vetores que constituem uma base, o qual é constante para todas as ba-
ses de um mesmo espaço vetorial V , é denominado dimensão de V e representado
por dimV .
Como exemplo, podemos inferir que a dimensão do plano é 2, ou seja, dim R2.. E a
dimensão do R3 é 3, ou seja, dim R3 .
De forma a fixar os conceitos apresentados até aqui, considere o exemplo a seguir.
14 EXEMPLO Considere o espaço vetorial D constituído das matrizes diagonais de ordem 2. Qual
é a dimensão de D? Escreva uma base para D. (Como tarefa, mostre que D é um
subespaço das matrizes quadradas de ordem dois.)
Resolução: um elemento genérico de D pode ser escrito como:
a 0
v .
0 b
Perceba que v possui apenas duas varáveis independentes, a e b. Portanto, a dimensão

de D é 2, ou seja, dim D = 2.

Agora, perceba que v pode ser escrito como
a 0 1 0 0 0
v a b ,
0 b 0 0 0 1
1 0 0 0
logo, o conjunto a , gera D e é linearmente independente (confira
0 0 0 1
essa última afirmação). Então a é uma base de D (a é a base mais simples de D, co-
nhecida como base canônica).
Considere agora a seguinte questão: dado um espaço vetorial V , você acha que
seria possível utilizar uma base deste espaço para escrever um vetor de duas ou mais
maneiras distintas? A resposta é não. O porquê você entenderá no teorema a seguir.
4 TEOREMA Dada uma base α = {v1 , v2 …, vn } de V , então cada vetor v pertencente a V pode
ser escrito de maneira única como combinação linear dos vetores de a .
Demonstração: a prova deste Teorema pode ser realizada por absurdo. Suponha que
o vetor v possa ser representado de duas formas distintas utilizando a, as quais são:
v a1v1 a2 v2 an vn
v b1v1 b2 v2 bn vn .
Assim, podemos escrever
a1v1 a2 v2 an vn b1v1 b2 v2 bn vn ,
(a1 − b1 )v1 + (a2 − b2 )v2 +…+ (an − bn ) n = 0.
O que nos fornece: a1 = b1 , a2 = b2 , ..., an = bn . Ou seja, se houver mais de uma

representação, elas devem ser iguais.
E aí, você entendeu o Teorema 4? Então agora podemos introduzir a importante
definição de coordenadas de um vetor. Você já sabe o significado de coordenadas de
um vetor, pois isso foi introduzido na Unidade 4, mas o enfoque apresentado aqui
será diferente, pois permitirá uma generalização do conceito, conforme você poderá
ver na próxima seção.
UNIDADE VI 181
DEFINIÇÃO 8
Seja V um espaço vetorial e α = {v1 , v2 …, vn } uma base ordenada de V . Se o vetor v
pertencente a V for escrito na forma v a1v1 a2 v2 an v n , escrevemos

a
1
v a a2


an
e dizemos que v a representa as coordenadas de v na base a.
Observação: uma base ordenada é uma base em que a ordem dos vetores é fundamental.
Para que você compreenda melhor essa última definição, segue o exemplo.
15 EXEMPLO Perceba que o vetor v 2, 3 pode ser escrito como v 2 1, 0 3 0, 1 na base
α = {(1, 0 ) , ( 0 1)}. Portanto [ v ] =  2 .
α  −3 
O mesmo vetor v 2, 3 quando escrito na base β = {(1, −1) , (1 0 )} é dado por

v 3 1, 1 1 1, 0 . Portanto [ v ]β = −31 .
 
 

Mudança
de Base
No decorrer do curso de engenharia, você perce-

berá que alguns problemas se tornam mais fáceis
de resolver quando os vetores estão representados
em uma base específica. Sendo assim, é indispen-
sável conhecer um método de se mudar os vetores
de uma base para outra, e que seja válido para
todos os vetores da base de origem. Este método é
denominado mudança de base. Nesta seção, você
aprenderá a construir a matriz mudança de base.
Considere então as bases α = {v1 , v2 …, vn }
e β = {u1 , u2 …, un } de uma espaço vetorial V .
Dado um vetor v pertencente a V , podemos es-
crevê-lo utilizando qualquer uma das bases dadas,
ou seja:
v a1v1 a2 v2 an vn ,
v b1u1 b2 u2 bn un .
UNIDADE VI 183
Dessa forma, podemos escrever

a b
1 1
v a a2 , v b b2 .
 

an bn
Também podemos escrever os vetores u1 da base b utilizando os vetores da base a.

Façamos isso:
u1 c11v1 c21v2 cn1vn
u1 c11v1 c21v2 cn1vn

u2 c12 v1 c22 v2 cn2 vn .
u c v c v c v
n 1n 1 2 n 2 nn n
Substituindo essas equações em v b1u1 b2 u2 bn un , obtemos:
v b1 c11v1 c21v2 cn1vn b2 c12 v1 c22 v2 cn2 vn bn c1n v1 c2 n v2 cnn vn .
Tal expressão pode ser escrita como
v = ( b1c11 + b2 c12 +…+ bn c1n ) v1 + ( b1c21 + b2 c22 +…+ bn c2 n ) 2 +…+ ( b1cn1 + b2 cn2 +…+ bn cnn ) vn
Por outro lado,

v a1v1 a2 v2 an vn .
Assim, podemos escrever:
a1 c11b1 c12b2 � c1nbn
a2 c21b1 c22b2 � c2 nbn
� � � � � � � � � � � � � � � � � �
an = cn1b1 + cn2b2 +…+ cnnbn

Essas últimas equações podem ser escritas no formato matricial como:

a c c1n b1
1 11
a2 b2 .
c
n1 cnn
b
an n
Ou seja,
v α Cαβ v β .
c11 c1n

A matriz Cαβ é denominada matriz mudança da base b para a base a.
c cnn
n1
Observação: Se conhecermos Cαβ e quisermos Cβα , basta tomarmos a inversa de Cαβ ,

1
pois Cβα Cαβ .
Dessa forma, fica estabelecido como construir a matriz mudança de base. Basta
escrevermos os vetores da base antiga em termos dos vetores da nova base; dessa forma,
a transposta da matriz dos coeficientes dessa equação matricial será a matriz mudança
de base. Para ficar mais claro o conceito apresentado, façamos o exemplo a seguir.

16 EXEMPLO Sejam α = {(1, 0 ) , ( 0 1)} e β = {(1, −1) , (1 1)} bases de R2 . Encontre: (a) a matriz

mudança da base a para a base b; (b) escreva o vetor v 3, 2 na base b usando
a matriz encontrada no item anterior.
Resolução: resolver este problema é simples, basta que você tenha atenção.
Primeiramente, você deve escrever cada vetor da base antiga, que neste caso é a
a, utilizando a base nova, que neste caso é a b. Assim, temos:
UNIDADE VI 185
1 1
1, 0 1, 1 1,1 ,
2 2
1 1
0,1 1, 1 1,1 .
2 2
Agora, basta colocar os elementos, transpondo-os, para constituir a matriz mu-

dança de base, ou seja,
1 1
2
2
Cβα .
1 1

2 2
E essa é a matriz mudança da base a para a base b . Podemos utilizá-la para mu-
dar qualquer vetor da base a para a base b. Em particular, vamos mudar o vetor

v 3, 2 , o qual já está representado na base canônica a para a base b. Assim, temos:
v β Cβα v α ,
1 1 5

2 2 3 2
v b .
1 1 2 1

2 2 2
 5 1
Assim, o vetor dado quando escrito na base b é dado por v v b , .
2 2
Viu como foi fácil? Nas atividades de estudo, você terá a oportunidade de praticar o
que foi estudado nesta seção.
Agora, voltemos à história do início da unidade. As cores podem de fato serem
relacionadas com os conceitos que você estudou nesta unidade. Aquele seu amigo
relatado no início da unidade, lembra? Pois é, ele tem razão. Você com certeza já ouviu
falar das cores primárias. As cores primárias são: azul, amarelo e vermelho. Misturando
essas cores em diferentes proporções, podemos obter outras cores. Por exemplo, se
misturarmos o azul com o amarelo obtemos o verde; e se misturamos o amarelo com
o vermelho obtemos o laranja. Nesse sentido, podemos dizer que as cores, em geral,
podem ser classificadas como elementos de um espaço vetorial, sendo os vetores.

No espaço vetorial das cores, a base é constituída pelas cores azul (z), amarelo (a) e
vermelho (v), pois qualquer outra cor pode ser construída por meio de uma com-
binação linear desses três vetores. Seja c um vetor (uma cor) qualquer deste espaço,
tal vetor pode ser representado por
c = b1 z + b2a + b3v
Os coeficientes b1, b2 e b3 representam a proporção de cada cor primária que

constituirá a mistura.
Figura 1: As cores primárias podem ser vista como uma base do espaço vetorial das cores.
UNIDADE VI 187
A representação por cores primárias é só uma forma de se fazer a representação de
vetores neste espaço. Outra forma, muito usual em computação gráfica, é o sistema
de cores-luz, no qual a base é constituída pelas cores verde, vermelha e azul. Com isso,
você pode perceber que para algo tão abstrato como um espaço vetorial podemos
encontrar aplicações, mesmo as mais básicas como no sistema de cores. A matemática
é realmente aplicável em tudo.
A noção de vetor não se restringe apenas a aquelas semirretas orientadas que são
utilizadas para representar força, deslocamento, etc. Os vetores são estruturas
matemáticas bem mais genéricas. Podemos dizer que um vetor é qualquer objeto
que satisfaz as condições de um espaço vetorial. Nesse sentido, polinômios podem
ser denominados de vetores.
Para finalizar, vamos considerar então o conjunto formado por todos os polinômios
de grau menor ou igual a 2, representando-o por P2. Pode ser facilmente mostrado
que o conjunto P2 satisfaz todos os axiomas de um espaço vetorial. Por exemplo, se
você somar dois polinômios quaisquer, ambos de grau menor ou igual a 2, obtemos
como resultado outro polinômio com mesma característica. Por outro lado, se mul-
tiplicarmos um polinômio de grau menor ou igual a 2 por um número real, obtemos
como resultado um novo polinômio de mesmo grau que o original. Como P2 é um
espaço vetorial, podemos definir uma infinidade de bases, sendo uma delas o conjunto

a 1, x, x2 . Perceba que a dimensão do espaço vetorial P2 é três, pois três vetores
constituem qualquer base de P2. É também útil destacar que qualquer polinômio
de grau menor ou igual a 2 (qualquer vetor pertencente a P2 ) pode ser escrito como
combinação linear dos elementos de a. Então, quando você ler algo sobre espaços
vetoriais, não fique imaginando apenas aquelas setinhas!

1. Considere o conjunto W = {( x, y, z ) 3 x − y + 2 z = 0} para responder os itens a

seguir.
a) Mostre que W é um subespaço vetorial de R3.
b) Encontre uma base para W .
c) Qual é a dimensão de W ?
2. Seja a 1, 0, 1 ,� 0, 2, 0 ,� 0, 0, 1 uma base de R3. Se escrevermos o vetor


v 2, 1, 3 como combinação linear dos vetores de a, ou seja,

v a 1, 0, 1 b 0, 2, 0 c 0, 0, 1 ,
os coeficientes a , b e c valem, respectivamente:

a) 1, 2 e 3
b) -1, 1 e 2
c) 2, 1 e 5
2
d) 1 , -2 e 5
2
e) 2, 1 e -1
3. Mostre que o conjunto α = {( 2, −1) , ( 0 −3 )} é uma base de R 2.
189
4. Sejam α = {( −2, 0 ) , ( 0 −1)} e β = {( 3, −1) , (1 −3)} bases de R2. A matriz mudança
da base a para a base b é:
a) 3
2 1

1 3

2
b) 3 1
4
8

1 3

4 8
c)
3 1
4 8

1 3

4 8
d) 3 1
4
8

1 3

4 8
e)
3 1
4 8

1 3

4 8
190

5. Se escrevermos o vetor v 3, 5 na base β = {( 3, −1) , (1 −3 )} , obtemos

v a 3, 1 b 1, 3 . Os coeficientes a e c valem, respectivamente:
a. 1� � e 2
b. 2 � e − 2
c. −1� � e 5
d.
3 1
� �e
2 2
e. 1� � e 3
2 2
191
LIVRO
Álgebra Linear
Autor: Elon Lages Lima
Editora: IMPA
Sinopse: o presente livro apresenta uma exposição introdutória de Álgebra Li-
near. Ele não pressupõe conhecimentos anteriores sobre o assunto. Entretanto,
convém lembrar que a posição natural de um tal curso no currículo universitário
vem após um semestre (pelo menos) de Geometria Analítica a duas e três dimen-
sões, durante o qual o estudante deve adquirir alguma familiaridade, em nível
elementar, com a representação algébrica de ideias geométricas e vice-versa.
Comentário: livro recomendado ao estudante que deseja aprofundar os co-
nhecimentos sobre espaços vetoriais.
192
193
1.
3
a. Antes de mostrarmos que W é um subespaço do R , note que a equação 3 x y 2 z 0 representa um
plano que passa pela origem.
Podemos isolar qualquer uma das variáveis na equação dada, de forma a obtermos o vetor genérico que

pertença a W . Assim temos: y 3 x 2 z e um vetor de W possui a forma v x, 3 x 2 z , z . Note que
em um vetor qualquer de W , a segunda coordenada é igual a três vezes a primeira mais duas vezes a
terceira. Devemos então demonstrar as duas condições dadas na Definição 2. Para isso, considere

v1 x1 , 3 x1 2 z1 , z1 e v2 x2 , 3 x2 2 z2 , z2 . Assim, temos:
v1 v2 x1 , 3 x1 2 z1 , z1 x2 , 3 x2 2 z2 , z2
v1 + v2 = ( ( x1 + x2 ) , 3( x1 + x2 ) + 2 ( z1 + z2 ) ( z1 + z2 )).
Note que em v1 + v2 , a segunda coordenada é igual a três vezes a primeira mais duas vezes a terceira,
satisfazendo assim a condição para pertencer a W .
lv1 l x1 , 3 x1 2 z1 , z1 l x1 , 3l x1 2l z1 , l z1 .
Observe que em lv1, a segunda coordenada é igual a três vezes a primeira mais duas vezes a terceira,
satisfazendo assim a condição para pertencer a W .
Como as duas condições foram satisfeitas, o conjunto W é um subespaço do R 3.

b. A base para W pode ser encontrada considerando v x, 3 x 2 z , z e isolando as variáveis indepen-
dentes da seguinte forma:
v = ( x, 3 x + 2 z , z ) = ( x 3 x 0 ) + ( 0 2 z , z ) = x (1, 3, 0 ) + ( 0, 2, 1) .
Note que o vetor genérico v de W pode ser representado com o uso dos vetores 1, 3, 0 e 0, 2,1. Logo,

uma base para W é dada por 1, 3, 0 , 0, 2, 1 .
A resposta do item (c) é nítida. Como a base de W tem dois vetores, então dimW = 2 . Também podería-
mos ter dado essa resposta considerando o número de variáveis independentes do vetor genérico de W
que também é igual a 2. Esse resultado já era esperado, pois W é o conjunto de vetores que pertencem
ao plano 3 x y 2 z 0, e qualquer plano tem dimensão igual a dois.
194
2. Essa questão é muito simples, basta fazermos:
1
( 2, −1, 3 ) = 2 (1 0, −1) − ( 0, 2, 0 ) + 5 ( 0, 0,1) .
2
Assim, a resposta correta é a alternativa c.
3. Precisamos verificar se o conjunto dado satisfaz os dois requisitos estabelecidos na Definição 6. Primeiro,
devemos verificar se os vetores dados são linearmente independentes. Assim, temos:
a 2, 1 b 0, 3 0, 0
2a 0
.
a 3b 0
Esse sistema nos leva a a=0 e b = 0 . Portanto, os vetores dados são linearmente independentes.
2 2
Agora, resta-nos
 verificar se eles geram o R . Dessa forma, precisamos verificar se o vetor genérico do R ,

dado por v x, y , pode ser escrito como combinação linear dos elementos da base dada. Assim, temos:
( x, y ) = a1 ( 2, −1) + a2 ( 0 −3 ) ,
Isso nos leva a
2a1 x
.
a1 3a2 y
O determinante da matriz dos coeficientes deste sistema é igual a -6, ou seja, é diferente de zero. Portanto,
2 2
os vetores dados geram o R . Assim, concluímos que o conjunto dado de fato é base do R .
195
4. Verificamos que
3 1
2, 0 3, 1 1, 3
4 4
1 3
0, 1 3, 1 1, 3
8 8
3 1

Portanto, a matriz mudança de base é 4 8 . A alternativa correta é a letra b.

1 3

4 8
5. Claramente, vemos que 3, 5 1 3, 1 3 1, 3 . Logo, a alternativa correta é a e.

2 2
196
197
198
Dr. Ronni Amorim
Transformações Lineares
PLANO DE ESTUDOS
Núcleo e Imagem de uma Matrizes e Transformações

Transformação Linear Lineares
Transformações Lineares Transformações Lineares

Injetoras e Sobrejetoras
• Definir e identificar transformações lineares. • Identificar o núcleo e a imagem de uma transformação linear.
• Reconhecer transformações lineares injetoras e sobrejetoras. • Construir a matriz que representa uma transformação linear.
Prezado(a) aluno(a), nesta seção estudaremos as

transformações lineares. Essas transformações es-
tabelecem uma correspondência entre dois espaços
vetoriais, ou seja, leva vetores de um dado espaço a
vetores de outro espaço vetorial. Elas possuem di-
versas aplicações práticas, dentre as quais merecem
destaque as suas aplicações em computação gráfica.
Antes de iniciar a discussão do conteúdo propria-
mente dito, considere a interessante situação a seguir.
Suponha que você esteja jogando videogame
com os seus amigos, alternando entre o jogo do
Sonic e do Super-Mario. Em um determinado mo-
mento, o seu primo mais novo, sabendo que você é
uma pessoa culta, lhe pergunta como o Sonic gira
e como o Super Mario muda de tamanho quan-
do engole o cogumelo. Coincidentemente, você
está estudando sobre transformações lineares na
faculdade. Assim, você responde ao seu primo:
“
“
Espere aí, apresentarei alguns requisitos bá-
sicos e mostrarei a essência do que faz esses
personagens possuírem tais características.
Então, para entender essas e outras aplicações das

transformações lineares, acompanhe o que será
discutido nesta unidade.
Nesta seção, será apresentada a definição de transformações lineares. Preste muita
atenção, pois entender a definição é fundamental para prosseguir na discussão dessa
importante ferramenta da álgebra linear.
DEFINIÇÃO 1
Seja T : V → W uma função do espaço vetorial V no espaço vetorial W . T é denomi-
nada transformação linear ou aplicação linear se as duas condições seguintes forem
satisfeitas (LIMA, 2016):
( I ) Quaisquer que sejam os vetores u e v pertencentes a V , tem-se

T u v T u T v .
( II ) Quaisquer que sejam o número real a e o vetor u pertencente a V , tem-se:
T ( αu ) = αT ( u ) .
Talvez você tenha achado a Definição 1 um pouco abstrata. Contudo, tudo ficará
mais claro com os exemplos a seguir.
1 EXEMPLO Mostre que a aplicação T :� R2 → R2 dada por T x, y x y, x y é uma

transformação linear.
Para resolver este exemplo, precisamos mostrar que T satisfaz as duas condições
dadas na Definição 1. Assim, sejam os vetores v1 x1 , y1 e v2 x2 , y2 perten-
centes ao R2 . Observe que T v1 x1 y1 ,� x1 y1 e T v2 x2 y2 ,� x2 y2 .
Dessa forma, temos:
v1 v2 x1 x2 , y1 y2 .
Assim,
T v1 v2 T x1 x2 , y1 y2 x1 x2 y1 y2 , x1 x2 y1 y2 ,
T v1 v2 ( x1 y1 ( x2 y2 ), x1 y1 ( x2 y2 )),
T v1 v2 ( x1 y1 , x1 y1 ) ( x2 y2 , ( x2 y2 )),
T v1 v2 T v1 T v2 .
A condição ( I ) está satisfeita.
UNIDADE VII 201

Agora, resta-nos verificar a condição ( II ). Assim, seja o número real a, temos então
av1 a x1 , y1 a x1 , a y1 .
Assim,
T ( αv1 ) = T ( α x1 , α y1 ) = ( α x1 − α y1 , α x1 + α y1 ) = α ( x1 − y1 x1 + y1 ) = αT ( v1 ) .
Percebemos que a condição ( II ) também foi satisfeita. Com isso, concluímos que a
aplicação dada é, de fato, uma transformação linear.

2 EXEMPLO Verifique se a aplicação T :� R2 → R dada por T x, y 2 xy é uma transformação linear.

Para resolver este exemplo, devemos verificar se as duas condições dadas na Defi-
nição 1 são satisfeitas. Sejam, então, os vetores v1 x1 , y1 e v2 x2 , y2 perten-
centes ao R2 . Observe que T v1 2 x1 y1 e T v2 2 x2 y2 . Perceba também que
v1 v2 x1 x2 , y1 y2 .
Assim, temos
T v1 v2 T x1 x2 , y1 y2 2 x1 x2 y1 y2 ,
T v1 v2 2 x1 y1 2 x1 y2 2 x2 y1 2 x2 y2 ,
Ou seja
T v1 v2 T v1 T v2 2 x1 y2 2 x2 y1.
Percebe-se assim que a condição ( I ) não é satisfeita. Assim, a aplicação dada no

exemplo não é uma transformação linear.
Agora que você já sabe o que é uma transformação linear, mostraremos um teo-
rema muito importante envolvendo o vetor nulo dos espaços vetoriais associados a
uma transformação linear.
202 Transformações Lineares

1 TEOREMA Seja a transformação linear T : V → W , e sejam 0V e 0W os vetores nulos dos espaços
vetoriais V e W , respectivamente; então:
T 0V 0W .
Demonstração: seja u um vetor pertencente ao espaço vetorial V . Neste caso, T u

pertence ao espaço vetorial W . Temos que:
0u = 0V .
Assim,
T 0V T 0u 0T u 0W .
E o teorema está mostrado.

Como exemplo, considere a transformação linear T :� R2 → R3 dada por
 x− y x+ y 
T ( x, y ) =  , , 2x + y  .
 2 2 
O vetor nulo do R2 é 0 R2 0, 0 . Calculando a transformação deste vetor de acordo

com a regra estabelecida, temos:
cujo resultado é o vetor nulo do R3 .
Conforme você verá no decorrer desta unidade, as transformações lineares são intrin-
sicamente relacionadas com a física e a computação gráfica, por exemplo. Contudo,
antes de estudar essas aplicações, você deve entender um pouco mais das formali-
dades das transformações lineares. Para esse fim, seguem alguns teoremas e algumas
definições importantes (FRANCO, 2016).
UNIDADE VII 203

2 TEOREMA Considere dois espaços vetoriais reais V e W . Seja o conjunto u1 , � u2 , , � un � uma
base de V e sejam 1 , 2 ,… , wn elementos quaisquer de W .
Existe uma única transformação linear T : V → W tal que T u1 w1, �T u2 w2 ,...,
�T un wn . Tal transformação linear é dada por,
Se u a1u1 a2 u2 an un ,
T ( u ) = a1T ( u1 ) +…+ anT ( un )
T ( u ) = a1w1 +…+ an wn
Para que você perceba a relevância do Teorema 2, veja o exemplo a seguir.
3 EXEMPLO Descubra qual é a transformação linear T :� R2 → R3 tal que T 1, 0 1, 1, 2 e

T 0, 1 1, 1, 0 .
Resolução: primeiramente, note que 1, 0 , 0, 1 é uma base do R2 , coincidente-

mente é a base canônica. Você deve escrever o vetor genérico u x, y nesta base.
Como é a base canônica, está tarefa é bastante simples (note que se não fosse a base
canônica, você teria um pouco mais de trabalho),
x, y x 1, 0 y 0,1 .
Agora você deve tomar a transformação linear de ambos os lados da equação, obtendo:
T x, y T x 1, 0 y 0, 1 .
Como T é linear, você pode escrever
T x, y xT 1, 0 yT 0, 1 .
Usando o comando da questão, você obtém:
T x, y x 1, 1, 2 y 1, 1, 0 ,
T x, y x, x, 2 x y , y , 0 ,
T x, y x y , x y , 2 x .
Perceba como esse exemplo foi instrutivo. Você conhecia apenas duas transformações
específicas, mas como eram transformações de elementos da base do domínio da
transformação, você foi capaz de escrever a lei geral da transformação!

Núcleo e Imagem de
uma Transformação Linear
Serão apresentadas agora duas definições mui-

to relevantes no contexto das transformações
lineares; são elas: o núcleo e a imagem da trans-
formação linear.
UNIDADE VII 205

DEFINIÇÃO 2
T : V → W uma transformação linear. O conjunto dos vetores em V que trans-
Seja
forma em 0 w é denominado núcleo de T e representado por Ker T , ou kernel de
T (ANTON; RORRES, 2012).
Para que você entenda melhor essa definição, veja o exemplo a seguir.
4 EXEMPLO Seja a transformação linear T :� R2 → R3 dada por T ( x, y ) = ( x + y, x − y 2 x ) .

Determine o núcleo de T .
Resolução: a resolução deste exemplo é bastante simples, conforme você notará. A De-
finição 2 estabelece que o núcleo de uma transformação linear é um conjunto de vetores
que são levados ao vetor nulo do contradomínio mediante a transformação. Assim, para
descobrirmos quem é o núcleo da transformação dada, devemos resolver a equação:
T x, y 0, 0, 0 ,
(x + y x − y 2 x ) = ( 0, 0, 0 ) .
x y 0

x y 0
2x 0

Este sistema nos fornece x = 0� e y = 0. Portanto, ker T 0, 0 . Observe que o
núcleo dessa transformação é apenas um ponto, e um ponto tem dimensão nula.
Portanto, a dimensão do núcleo dessa transformação é zero, ou seja, di Ker (T ) = 0.
Algumas observações sobre o núcleo de uma transformação linear T : V → W
(HOLT, 2016):
( I ) ker T é um subespaço vetorial de V .
( II ) ker T nunca será uma conjunto vazio, pois conterá pelo menos o vetor nulo de V.
O conceito de núcleo ficará cada vez mais claro, quando você estudar algumas trans-
formações lineares específicas no decorrer desta unidade.
DEFINIÇÃO 3
Seja T : V → W uma transformação linear. O conjunto de todos os vetores em W
que são imagem de T de pelo menos um vetor em V é denominado imagem de T e
representado por Im T .

Com a finalidade de o conceito tornar-se mais claro, acompanhe o exemplo a seguir:
5 EXEMPLO Seja a transformação linear T :� R2 → R3 dada por T ( x, y ) = ( x + y, x − y 2 x ) .

Determine a imagem de T .
Resolução: conforme você aprendeu na Definição 3, a imagem de uma transformação
linear nada mais é que o conjunto de vetores que pertencem a W que se relacionam,
por meio da transformação linear, a pelo menos um vetor pertencente a V . Neste caso,
para determinarmos a imagem da transformação, devemos fazer:
Im (T ) = {( x + y, x − y, 2 x ) ; x, y ∈ R}
Separando as variáveis, temos:
Im (T ) = {( x, x, 2 x ) + ( y, − y, 0 ) ; x, y ∈ R}
Colocando x e y em evidência, chegamos a
Im (T ) = { x (1, 1, 2 ) + y (1, −1, 0 ) ; x, y ∈ R}
Portanto, a imagem dessa transformação linear possui dois vetores (ou duas variáveis
independentes), logo, a sua dimensão é igual a dois, ou seja, dim Im T 2 .
Observando os exemplos 4 e 5, você deve ter notado que a soma das dimensões do
núcleo e da imagem de T é igual a dois, que coincide com a dimensão do domínio da
transformação, ou seja, dim Im T dim Ker T 2 dim R2. Isso sempre ocorre,
constituindo uma propriedade das transformações lineares.
Logo, em geral, podemos considerar a propriedade:
Seja T : V → W , então dim Im T dim Ker T dim V .
Uma observação importante sobre a imagem de uma transformação linear é a
seguinte: Im T é subespaço vetorial de W .
UNIDADE VII 207

Injetoras e Sobrejetoras
Neste tópico, você estudará dois importantes

conceitos: as transformações lineares injetoras
e as sobrejetoras. Em particular, você verá que as
transformações lineares injetoras são essenciais
para se definir transformações inversas.

DEFINIÇÃO 4
Dada uma transformação linear T : V → W , dizemos que T é injetora se dados quais-
quer dois vetores u e v pertencentes a V , com ≠ v , então T u T v .
Ou seja, uma transformação linear é denominada injetora se as imagens de vetores
distintos forem distintas.
3 TEOREMA Uma forma prática de verificar se a transformação linear é injetora é identificar o seu
núcleo, pois se kerT = 0V , a transformação é injetora. Essa afirmação é um Teorema,
cuja demonstração pode ser encontrada na referência Anton e Rorres (2012, p. 445).
DEFINIÇÃO 5
Dada uma transformação linear T : V → W , dizemos que T é sobrejetora se a imagem
de T coincidir com W .
DEFINIÇÃO 6
Dada uma transformação linear T : V → W , dizemos que T é bijetora se T é injetora e
sobrejetora. Neste caso, podemos dizer que T é um isomorfismo. Assim, se T : V → W
é um isomorfismo, dizemos que V e W são isomorfos.
6 EXEMPLO Verifique se as transformações lineares abaixo são injetoras e sobrejetoras.

a) T :� R2 → R3 dada por T ( x, y ) = ( x + y, x − y 2 x ) .
b) T :� R2 → R2 dada por T x, y y, x .
Resolução:
a) Podemos verificar se a transformação linear é injetora, descobrindo o seu
núcleo. Caso o núcleo da transformação seja constituído apenas do vetor nulo
do domínio da transformação, temos que a transformação é injetora. Assim,
já mostramos no Exemplo 4 que para esta transformação ker T 0, 0 .
Dessa forma, podemos dizer que a transformação dada é injetora.
Apesar de ser injetora, a transformação dada nesta alternativa não é sobrejeto-
ra, pois conforme constatamos no Exemplo 5, a sua imagem possui dimensão
2, diferindo do seu contradomínio, o qual tem dimensão 3.
UNIDADE VII 209

Como a transformação dada é injetora, mas não é sobrejetora, também não
pode ser classificada como um isomorfismo.
b) Para verificar se a transformação dada nesta alternativa é injetora, descubra-

mos o seu núcleo:
T x, y 0, 0 ,
y, x 0, 0 ,
o que implica x = 0 e y = 0. Assim, ker T 0, 0 e a transformação

dada é injetora.
Para verificar se ela é sobrejetora, descubramos a sua imagem.
Im (T ) = {( y, x ) ; x y ∈ R} ,
separando as variáveis, temos:
Im (T ) = {( y, 0 ) + ( 0, x ) ; x, y ∈ R}
colocando x e y em evidência, chegamos a
Im (T ) = { y (1, 0 ) + x ( 0, 1) ; x, y ∈ R}
Perceba que a imagem é constituída de dois vetores (ou duas variáveis in-
dependentes), portanto a sua dimensão é igual a 2. Como o contradomínio
da transformação linear dada é o R2, temos que a imagem é igual ao contra-
domínio. Assim, podemos concluir que a transformação dada é sobrejetora.
Como ela é injetora e sobrejetora, também é um isomorfismo.
DEFINIÇÃO 7
Uma transformação linear em que o domínio e o contradomínio são o mesmo conjunto,
T : V → V , é denominada de operador linear.
Por exemplo, a transformação linear dada na alternativa b do Exemplo 6 é um operador

linear, pois nela temos que o domínio e a imagem são o mesmo conjunto, ou seja, o R2.

Matrizes e
Trabalhar com as transformações lineares escritas

em fórmulas é muitas vezes muito complicado.
Uma alternativa é utilizar matrizes para repre-
sentar as transformações lineares. E isso sempre
é possível, pois, uma vez definidas as bases, a
uma dada transformação linear está associada
apenas uma matriz! Isso é muito vantajoso para
você, pois, ao longo das unidades precedentes, a
ferramenta matemática mais utilizada foram as
matrizes. Reduzindo o estudo das transformações
lineares ao cálculo matricial, você poderá utilizar
toda experiência adquirida até aqui para enten-
der mais esse conceito matemático. Nesta seção,
você aprenderá como representar transformações
lineares por meio de matrizes.
Aí você pergunta: como posso encontrar a
matriz que representa uma dada transforma-
ção linear? Essa resposta é dada pelo Teorema 4
enunciado a seguir.
UNIDADE VII 211

4 TEOREMA Sejam V e W dois espaços vetoriais. Seja a uma base de V , b uma base de W e
T : V → W uma transformação linear. Se v for um vetor que pertença a V e w for
um vetor pertencente a W , vale (ANTON; RORRES, 2012):
w β T v β Tβα [v ]α ,
em que T v representa a transformação linear do vetor v, e Tβα representa a matriz

transformação linear em relação às bases a e b.
Demonstração: para demonstrar este teorema, consideraremos sem perda de ge-
neralidade, apenas para reduzir o espaço da demonstração, que a v1 ,� v2 ,� v3 e
b w1 ,� w2 . Ou seja, a dimensão de V é 3 e de W é 2.
Sabemos que T v1 , T v2 e T v3 pertencem a W e por isso podem ser escritos
como combinação linear dos elementos de b . Assim, temos:
T v1 a11w1 a21w2 ,
T v2 a12 w1 a22 w2 ,
T v3 a13 w1 a23 w2 .
Considere agora um vetor v pertencente a V escrito como v x1v1 x2 v2 x3v3 .

Calculando a transformação linear de v, temos:
T v x1T v1 x2T v2 x3T v3 ,
T v x1 a11w1 a21w2 x2 a12 w1 a22 w2 x3 a13 w1 a23 w2 ;
aplicando a distributiva e colocando w1 e w2em evidência, temos:
T v (a11 x1 + a12 x2 + a13 x3 w1 + a21 x1 + a22 x2 + a23 x3 w2 .
Contudo, sendo T v pertencente a W , pode ser escrito como combinação linear

dos elementos de b da seguinte forma:
T v y1w1 y2 w2 .
Igualando as duas últimas equações, temos:
 y1 = a11 x1 + a12 x2 + a13 x3

 ,
 y2 = a21 x1 + a22 x2 + a23 x3

ou matricialmente,
x
y1 a11 a12 a13 1
x .
y2 a21 a22 a23 2
x3
A matriz
a a12 a13
Tβα 11
a21 a22 a23
é a matriz transformação linear em relação às bases a e b .

Observe que a matriz Tβα o� btida é de ordem 2 por 3, enquanto a transformação
linear era de um espaço de dimensão 3 para outro de dimensão 2. Em geral, a uma
transformação linear T :� R n → R m podemos associar uma matriz de ordem m por
n. Sendo assim, a matriz que representa um operador linear é quadrada.
Então, para você recapitular como obter a matriz transformação linear, basta
seguir as etapas a seguir.
Dada a transformação linear T : V → W . Caso você queira descobrir a matriz que
representa essa transformação em relação às bases a v1 ,� v2 ,� v3 de V e b w1 ,� w2
de W , basta fazer:
( I ) Calcule as transformações lineares nos vetores v1 ,� v2 ,� v3 e em seguida escreva
essas transformações em função da base b :
T v1 a11w1 a21w2 ,
T v2 a12 w1 a22 w2 ,
T v3 a13 w1 a23 w2 .
( II ) Escreva a transposta da matriz dos coeficientes deste sistema. Essa matriz será
a matriz que representa a transformação linear Tβα .
a a12 a13
Tβα 11
a21 a22 a23
Viu como foi fácil? Agora você vai exercitar um pouco por meio dos exemplos a seguir.
UNIDADE VII 213

7 EXEMPLO Seja a transformação linear T :� R2 → R3 dada por T ( x, y ) = ( x + y, x − y 2 x ) e as
bases a 1, 1 , 0, 1 e β = {(1, 1, 0 ) , ( 0, −1, 0 ) , ( 0 0, 1)}, escreva a matriz Tβα
que representa T .
Resolução: então faça o primeiro passo. Primeiro calcule as transformações dos
vetores da base do domínio da transformação:
T 1, 1 1 1, 1 1, 2 0, 2, 2 .
T ( 0, −1) = ( 0 − 1, 0 + 1 0 ) = ( −1, 1, 0 ) .
Agora, escreva os resultados obtidos na base b :
0, 2, 2 0 1,1, 0 2 0, 1, 0 2 0, 0,1
1,1, 0 11,1, 0 1 0, 1, 0 0 0, 0,1
Agora, basta escrever a transposta da matriz dos coeficientes desse sistema:
0 1

Tβα 2 1 .
2 0

Observe que a transformação era T :� R2 → R3 e a matriz obtida foi de ordem três por dois.
Perceba que apesar de ser simples, resolver o exemplo acima ainda deu um pouco
de trabalho. Isso porque as bases utilizadas não foram as bases canônicas. Contudo,
na maioria das aplicações, as bases usadas são bases canônicas. Isso possibilita uma
economia de tempo, conforme veremos no próximo exemplo. Quando as bases en-
volvidas forem as canônicas, denotaremos Tβα simplesmente por T .
8 EXEMPLO Seja a transformação linear T R3 → R2 dada por T x, y, z 2 x y z ,� x y 3 z

escreva a matriz que representa T em relação às bases canônicas.
Como você já sabe, as bases canônicas do R2 e do R3 são, respectivamente,
{(1,0 ) ,( 0 1)} e 1, 0, 0 ,� 0,1, 0 ,� 0, 0,1 .

3
Então, você deve calcular as transformações dos vetores da base do R :
T 1, 0, 0 2 0 0,�1 0 0 2, 1 ,
T 0, 1, 0 0 1 0,� 0 1 0 1, 1 ,
T ( 0, 0, 1) = ( 0 + 0 − 1 0 − 0 + 3 ) = ( −1, 3 ) .
Agora, você tem que escrever os resultados da transformação como combinação

2
linear dos vetores da base canônica do R , mas isso é uma tarefa muito fácil, pois
neste caso os coeficientes são as próprias coordenadas dos vetores:
2,1 2 1, 0 1 0,1 ,
1, 1 11, 0 1 0,1 ,
1, 3 11, 0 3 0,1 .

Por último, basta escrever a transposta da matriz dos coeficientes desse sistema
2 1 1
T .
1 1 3
Observe que a transformação era T :� R3 → R2 e a matriz obtida foi de ordem dois por três.
Agora, vamos focar a discussão nos operadores lineares, pois eles são representa-
dos por matrizes quadradas. Suponha que você tenha aplicado um operador linear
em um dado vetor e se indague: é possível fazer o caminho reverso, ou seja, reobter
o vetor original? A resposta é positiva, desde que o operador linear seja injetor. E
mais: se uma matriz T representa um dado operador linear, a operação linear inversa
é representada simplesmente pela inversa da matriz T , ou seja, por T −1.
Você visualizará este procedimento pela situação a seguir. Considere a transforma-
ção linear T :� R2 → R2 dada por T x, y y, 2 x . Ou seja, trata-se de um operador
linear, pois o domínio é o mesmo do contradomínio. Essa transformação é injetora,
conforme você pode verificar. Veja que o resultado da aplicação da transformação
no vetor 2, 3 :
T 2, 3 3, 4 .
UNIDADE VII 215

Agora, perceba que a matriz que representa T em relação à base canônica é dada por
0 1
T .
2 0
Se você aplicar (multiplicar) a matriz no vetor 2, 3 � obterá:
0 1 2 3
3, 4 .
2 0 3 4
Ou seja, você obtém o mesmo resultado da aplicação da transformação linear. Isso já

era mais que esperado, pois a matriz dada representa a transformação linear. Suponha
que agora você queira voltar, ou seja, reobter o vetor 2, 3 a partir do vetor 3, 4 .
Para isso, você pode utilizar a transformação inversa, a qual pode ser encontrada pela
matriz inversa de T :
0 1
T 1 2 .
1 0

Aplicando T −1 no vetor 3, 4 , obtém-se:
0 1 3 2
2 2, 3 .
1 0 4 3

Isso evidencia que T −1 é realmente a transformação inversa.
Neste momento, podemos retornar à discussão inicial desta unidade. Tendo em
vista que você já tenha explicado todo o conteúdo desta unidade ao seu pequeno
primo, você já pode explicá-lo um pouco do funcionamento da computação gráfica,
inclusive como o Super Mario aumenta de tamanho ao engolir o cogumelo.
Para esse fim, considere a transformação linear T :� R2 → R2 dada por
T x, y 2 x, 2 y . É fácil notar que essa transformação duplica o tamanho do ve-
tor. A matriz que representa essa transformação é dada por:
2 0
T .
0 2

Assim, se você quiser dobrar o tamanho de uma figura plana, o primeiro passo é
discretizar o contorno da figura no maior número de pontos possível, depois repre-
sentar esses pontos por meio de vetores e, em seguida, multiplicar cada um desses
vetores pela matriz T dada acima. No fim, você terá o resultado esperado. A Figura
1 mostra o resultado da aplicação da transformação linear T x, y 2 x, 2 y no
quadrado indicado. Isso pode ser feito representando os vértices do quadrado por
vetores e aplicando a transformação dada nesses quatro vetores. Em geral, quando
queremos dilatar ou contrair uma figura, basta multiplicar os vetores pela matriz
a 0
T ,
0 a
se o valor absoluto de a for maior que um ( a > 1 ), temos uma dilatação (expansão).
Contudo, se o valor absoluto de a for um número entre zero e um ( 0 < a < 1 ), temos
uma contração do vetor.
Programas de computadores que necessitam transformar figuras, por exemplo
na área da computação gráfica, executam essa tarefa, muitas vezes, utilizando trans-
formações lineares.
y y
2a
a
a x 2a x
Figura 1 - Dilatação do quadrado

Fonte: os autores.
E aí, você notou a grande importância prática de mais um conteúdo de álgebra linear?
9 EXEMPLO Considere a transformação linear T :� R2 → R2 dada por

T x, y x cos q y sin q , x sin q y cos q . Essa transformação rotaciona (gira)
um vetor de um ângulo q no sentido anti-horário a partir do eixo x . A Figura 2
mostra um quadrado no qual essa transformação foi aplicada. Escreva a matriz
que representa essa transformação linear em relação às bases canônicas.
UNIDADE VII 217

Figura 2 - Rotação do quadrado
Fonte: os autores.
Resolução: o primeiro passo é calcular a transformação dos vetores da base ca-

nônica do R2 :
T 1, 0 cos q ,sin q ,
T ( 0, 1) = ( − sin θ , cos θ ).
Agora, você deve escrever os resultados encontrados como combinação linear dos
vetores da base canônica do R2 :
cos q,sin q cos q 1, 0 sin q 0,1 ,

( − sin θ , cos θ ) = − sin θ (1, 0 ) + cos θ ( 0, 1) .
Por último, basta escrever a transposta da matriz dos coeficientes desse sistema:
cos q sin q
T .
sin q cos q
E essa é a matriz que gira um vetor de um ângulo q no sentido anti-horário a partir

do eixo x .
Agora que você já aprendeu bastante sobre as transformações lineares, tente re-
solver as atividades a seguir.

1. Dadas as funções abaixo, marque a que não representa uma transformação linear.
a) T :� R2 → R2 , T x, y x y, 3 y
b) T :� R2 → R2 , T x, y y 3 x, 2 x 3 y
c) T :� R2 → R , T x, y 2 x 3 y
d) T :� R2 → R2 , T x, y x 2, 2 y
e) T :� R3 → R2 , T x, y, z x y 2 z , 2 x 3 y z
2. Dadas as transformações lineares abaixo, assinale a que não é injetora:
a) T :� R2 → R2 , T x, y x y, 3 y
b) T :� R2 → R , T x, y x y
c) T :� R2 → R2 , T x, y 2 x, y
d) T :� R2 → R3 , T x, y x y,� x , y � y
e) T :� R3 → R3 , T x, y, z x 2 y,� 2 z ,� x y
3. A transformação linear tal que T 1, 0 1, 2 e T 0, 1 2, 1 é dada por:

a) T x, y x 2 y , 2 x y
b) T x, y 2 x y , x 2 y
c) T x, y 2 x, 2 y
d) T x, y 2 x y , y 2 x
e) T x, y x y , x y
219
4. A matriz que representa a transformação linear T :� R2 → R3 ,
T ( x, y ) = ( x + y, x − y y ) em relação às bases canônicas é dada por:
1 1
 
 −1 1
a)
a) .
1 0 

1 1
 
b)
b)
2 −1  .
1 2 

1 1
c)  
c)
1 −1  .
0 1 

d)
1 1 0
.
d)  
1 −1 1
1 −1 1
e)
e) .
 
1 1 0
220
5. O cisalhamento horizontal é uma transformação sobre vetores que produz o efeito mos-
trado na Figura 3. Tal transformação é dada por T :� R2 → R2, T x, y x a y, y .
A matriz que representa essa transformação linear é dada por:
y y
a a
a x a x
Figura 1 - Cisalhamento
Fonte: os autores.
1 0
a) T
a 1
1 a
b) T
0 1
1 a
c) T
0 1
1 a
d) T
0 1
1 a
e) T
0 1
221
LIVRO
Álgebra Linear: uma introdução moderna

Autor: David Poole
Editora: Cengage Learning
Sinopse: esta obra traz o conteúdo básico de álgebra linear apresentado de
forma flexível. O conteúdo é permeado de interessantes aplicações.
Comentário: a leitura do capítulo 6 desta obra é recomendada.
222
223
1.
I) T (v1 v2 ) T (v1) T (v2 )
II) T (au ) = aT (u )
a) T :  2 →  2 , T ( x; y ) ( x y; 3 y )
v1 = ( x1; y1) v2 = ( x2 ; y2 )
I) T (v1) ( x1 y1; 3 y1)
T (v2 ) ( x2 y2 ; 3 y2 )
T (v1 v2 ) ( x1 x2 y1 y2 ) (3 y1 3 y2 )
T (v1 v2 ) ( x1 y1; 3 y1) ( x2 y2 ; 3 y2 )
Assim, T (v1) T (v2 ) T (v1 v2 ) .
II) T (av1) (a x1 a y1; 3a y1)
aT (v1) a ( x1 y1; 3 y1)

aT (v1) (a x1 a y1; 3a y1)
Assim, T (av1) = aT (v1) .
b) T : 2 → 2 , T ( x; y ) ( y 3x; 2 x 3 y )
I) T (v1) ( y1 3x1; 2 x1 3 y1)
T (v2 ) ( y2 3x2 ; 2 x2 3 y2 )
T (v1 v2 ) ( y1 y2 3x1 3x2 ; 2 x1 2 x2 3 y1 3 y2 )
T (v1 v2 ) ( y1 3x1; 2 x1 3 y1) ( y2 3x2 ; 2 x2 3 y2 )
Assim, T (v1) T (v2 ) T (v1 v2 ) .
224
II) T (av1) (a y1 3a x1; 2a x1 3a y1)
aT (v1) a ( y1 3x1; 2 x1 3 y1)

aT (v1) (a y1 3a x1; 2a x1 3a y1)
c) T : 2 → 2 , T ( x; y ) 2 x 3 y
I) T (v1) 2 x1 3 y1
T (v2 ) 2 x2 3 y2
T (v1 v2 ) 2 x1 2 x2 3 y1 3 y2
T (v1 v2 ) (2 x1 3 y1) (2 x2 3 y2 )
Assim, T (v1) T (v2 ) T (v1 v2 ) .
II) T (av1) 2a x1 3a y1
aT (v1) a (2 x1 3 y1)
aT (v1) 2a x1 3a y1
d) T : 2 → 2 , T ( x; y ) ( x 2; 2 y )
I) T (v1) ( x1 2; 2 y1)
T (v2 ) ( x2 2; 2 y2 )
T (v1 v2 ) ( x1 x2 2; 2 y1 2 y2 )
T (v1 v2 ) ( x1 1; 2 y1) ( x2 1; 2 y2 )
Assim, T (v1) T (v2 ) T (v1 v2 ) .
A condição (i) não está satisfeita. Logo, a transformação dada não é linear. Portanto, não se faz necessário
verificar a segunda condição. Assinale a alternativa d.
225
e) T : 3 → 2 , T ( x; y; z ) ( x y 2 z; 2 x 3 y z )
I) T (v1) ( x1 y1 2 z1; 2 x1 3 y1 z1)
T (v2 ) ( x2 y2 2 z2 ; 2 x2 3 y2 z2 )
T (v1 v2 ) ( x1 x2 y1 y2 2 z1 2 z2 ; 2 x1 2 x2 3 y1 3 y2 z1 z2 )
T (v1 v2 ) ( x1 y1 2 z1; 2 x1 3 y1 z1) ( x2 y2 2 z2 ; 2 x2 3 y2 z2 )
Assim, T (v1) T (v2 ) T (v1 v2 ) .
II) T (av1) (a x1 a y1 2a z1; 2a x1 3a y1 a z1)
aT (v1) a ( x1 y1 2 z1; 2 x1 3 y1 z1)

aT (v1) (a x1 a y1 2a z1; 2a x1 3a y1 a z1)
2. Basta verificar qual das alternativas não satisfaz a condição kerT = 0V . Você notará facilmente que na
alternativa b, T :� R2 → R , T x, y x y , o núcleo é dado por T x, y x y 0 . Dessa forma, tem-se
y x . Assim, qualquer vetor que possua a forma v x, x , pertence ao núcleo. Por exemplo, os vetores
( 0, 0 ) , (1, −1) , ( 2, −2 ) pertencem ao núcleo. Para a transformação dada ser injetora, o único vetor que deveria
pertencer ao núcleo seria 0, 0 . Logo, de fato, a transformação dada na alternativa b não é injetora.
2
3. Primeiramente, note que 1, 0 , 0,1 é uma base do R , coincidentemente é a base canônica. Você deve
escrever o vetor genérico u x, y nesta base. Como é a base canônica esta tarefa é bastante simples,
x, y x 1, 0 y 0,1 .
Agora você deve tomar a transformação linear de ambos os lados da equação, obtendo:
T x, y T x 1, 0 y 0, 1 .
Como T é linear, você pode escrever
T x, y xT 1, 0 yT 0, 1 .
Usando o comando da questão, você obtém:
T x, y x 1, 2 y 2, 1 ,
T x, y x, 2 x 2 y , y ,
226
T x, y x 2 y , 2 x y .
Logo, a resposta correta é a alternativa a.
4. Temos que a transformação linear T :� R2 → R3 , T ( x, y ) = ( x + y, x − y y ). Como queremos a matriz em relação

às bases canônicas, a tarefa é um pouco simplificada.
T 1, 0 1 0,�1 , 0 0 1, 1, 0 ,
T ( 0, 1) = ( 0 + 1, 0 − 1 1) = (1, −1, 1) .
Agora, você tem que escrever os resultados da transformação como combinação linear dos vetores da
base canônica do R3, mas isso é uma tarefa muito fácil, pois neste caso os coeficientes são as próprias
coordenadas dos vetores:
1,1, 0 11, 0, 0 1 0,1, 0 0 0, 0,1 ,
(1, −1,1) = 1(1, 0, 0 ) − 1( 0,1, 0 ) + 1( 0, 0,1)

1 1

T 1 1 .
0 1

Portanto, você deve assinalar a alternativa c.
5. A resolução desta questão é análoga à anterior. Entretanto, neste caso você encontrará uma matriz qua-
drada, pois a transformação dada é um operador linear. Fazendo os cálculos, obtém-se:
T 1, 0 1, 0 ,
T ( 0, 1) = ( α,1)
Agora, você tem que escrever os resultados da transformação como combinação linear dos vetores da
base canônica do R2 , mas isso é uma tarefa muito fácil, pois neste caso os coeficientes são as próprias
coordenadas dos vetores:
(1, 0 ) = 1(1, 0 ) + 0 ( 0,1) ,
( α 1) = α (1, 0 ) + 1( 0,1) .
1 a
T .
0 1
Portanto, você deve assinalar a alternativa c.
227
228
Dr. Ronni Amorim
Diagonalização
de Matrizes
PLANO DE ESTUDOS
Diagonalização
Autovalores
e autovetores
• Calcular os autovalores e os autovetores de uma matriz. • Reconhecer as condições de diagonalização de uma matriz
e aplicá-las na solução de problemas.
Autovalores
e Autovetores
Prezado(a) estudante! Nesta unidade, você estu-

dará sobre a diagonalização de matrizes. Escrever
uma matriz na forma diagonal possui diversas
aplicações práticas, conforme você notará no de-
senvolvimento desta unidade. No entanto, algu-
mas questões surgem: será que todas as matrizes
podem ser colocadas na forma diagonal? Se uma
dada matriz admite a forma diagonal, como pro-
ceder para obtê-la? As respostas a essas perguntas
serão dadas ao longo da unidade. Contudo, um
comentário é certo, esta unidade talvez seja a que
você mais utilizará em aplicações desta disciplina
no seu curso de engenharia. Portanto, aproveite e
estude bastante para aprender os conceitos!
Antes de começar a apresentação do conteúdo,
considere a seguinte situação. Suponha que você
esteja conversando com os seus amigos sobre as
aplicações desta disciplina. Você está muito mo-
tivado na conversa, pois ao longo das unidades
percebe a vasta quantidade de aplicações práticas
que a disciplina possui. Um de seus amigos, escu-
tando o que você está dizendo, se lembra de um
problema muito difícil e demorado que teve que resolver quando estudou matrizes,
e em tom desafiador o propõe a você. O problema era o seguinte:
1 0 10
Dada a matriz A , calcule A .
1 2
O seu amigo esperava que você fizesse pelo procedimento padrão, ou seja, que
multiplicasse a matriz dada por ela mesma dez vezes consecutivas. Contudo, para a
surpresa dele, você resolveu por um método muito mais simples, economizando tempo e
papel. Ele ficou surpreso e pediu que você explicasse como fez aquilo. Você calmamente
disse que antes teria que explicar-lhe sobre os conceitos que virão nas seções a seguir.
Nesta seção, você estudará a definição de autovalores e autovetores. Os autovalores
e os autovetores de uma matriz são também denominados valores próprios e vetores
próprios, respectivamente. Além de definir tais conceitos, você aprenderá também
como calculá-los.
Para esse fim, considere A como uma matriz quadrada de ordem n e v como um
vetor que pertença ao R n . Conforme vimos nas unidades anteriores, quando calcu-
lamos o produto Av, obtemos em geral, outro vetor u que possui módulo, direção
e sentido diferentes de v. Contudo, há casos especiais em que o produto Av fornece
como resultado um vetor múltiplo de v, ou seja, um vetor que possui a mesma dire-
ção de v. Neste último caso, podemos escrever que Av = lv , em que l é um número
real. Aos vetores que satisfazem a essa condição, damos o nome de autovetores da
matriz A; e aos números reais l denominamos autovalores de A. Nessa perspectiva,
a definição a seguir formaliza esses conceitos.
DEFINIÇÃO 1
n
Seja A uma matriz quadrada de ordem n, então um vetor não nulo v pertencente ao R é
denominado autovetor de A se Av for múltiplo escalar de v , isto é, (ANTON; RORRES, 2016)
Av = lv ,
em que l é um número real (escalar). O escalar l é denominado autovalor de A, e
denominamos v autovetor associado a l .
UNIDADE VIII 231

3 4
Para ilustrar a definição, considere a matriz A e os vetores v1 1, 1 e
1 2
v2 4, 1 . Calcule os produtos Av1 e Av2:
3 4 1 1 1

Av1 1 1v1 ,
1 2 1 1 1
3 4 4 8 4
Av2 2 2v2 .
1 2 1 2 1
Observando os resultados obtidos, você percebe que l1 = 1 é autovalor de A. Em
outras palavras, você pode dizer que v1 1, 1 é autovalor de associado ao autovalor
l1 = 1. De forma análoga, você pode dizer que v2 4, 1 é autovalor de associado
ao autovalor l2 2.
A seguir, são apresentadas algumas observações importantes acerca dos autova-
lores e autovetores (FRANCO, 2016).
Observações:
• Conforme você estudou na unidade anterior, toda matriz pode ser associada a
alguma transformação linear. Portanto, os autovalores e os autovetores de uma
dada matriz são autovalores e autovetores da transformação linear associada
a tal matriz.
• Se v é autovetor de uma matriz, qualquer múltiplo escalar de v , kv, também
é autovetor dessa matriz.
A partir daí você diz: tudo bem, já sei o que são os autovalores e os autovetores asso-
ciados a uma dada matriz, mas dada uma matriz, como posso calculá-los? A resposta
será dada nos cálculos explicitados a seguir (HOLT, 2016).
Considere a equação de autovalores e autovetores dada por
Av = lv ,
em que A é uma matriz quadrada de ordem n, e v um vetor não nulo pertencente ao R n.

Você pode escrevê-la como
Av = l Iv ,
232 Diagonalização de Matrizes

em que I representa a matriz identidade de ordem � n . Você pode reescrever a última
equação na forma
A l I v 0.
Escrevendo
a11 a1n

A ,
a ann
n1
1 0

I ,
0 1

x1

v  ,
x
n
0

0  ,
0

a equação A l I v 0 pode ser escrita como
a11 a1n 1 0 x1 0

l ,
an1 ann 0 1 xn 0

ou seja,
a11 l a1n x1 0

.
an1 ann l xn 0
UNIDADE VIII 233

A última equação pode ser escrita na forma de um sistema
a11 l x1 a12 x2 a1n xn 0

 .
a x a x a l x 0
11 1 12 2 1n n
Conforme você estudou na Unidade 2 deste curso, mais especificamente na Regra de

Cramer, este sistema só terá solução diferente da trivial se o determinante da matriz dos
coeficientes for igual a zero, já que os demais determinantes correspondentes às incógni-
tas serão nulos (pois os termos independentes do sistema são nulos). Assim, devemos ter:
a11 l a1n

det 0,
a ann l
n1
det ( A − λ I ) = 0.
Esta última equação é denominada equação característica. Ela origina o denominado

polinômio característico associado à matriz A. As raízes do polinômio característico são
os autovalores de A. O grau do polinômio característico é igual à ordem da matriz A.
DEFINIÇÃO 2
Seja A uma matriz quadrada de ordem n, l é um autovalor de A se, e somente se, l
satisfaz a equação característica de A, a qual é dada por
det ( A − λ I ) = 0.
Uma vez calculados os autovalores da matriz A, seus autovetores podem ser en-
contrados resolvendo o sistema de equações A l I v 0 para cada autovalor
encontrado. O conjunto formado pelos autovetores de A é denominado autoespaço
de A (LIMA, 2016).

Você entenderá melhor os últimos conceitos por meio da resolução dos exemplos a seguir.
1 0
1 EXEMPLO Encontre os autovalores de A .
1 2
Resolução: para determinar os autovalores de A, você deve resolver a equação ca-

racterística det ( A − λ I ) = 0 . Ou seja,
1 0 1 0
det l 0,
1 2 0 1
1 0 l 0
det 0,
1 2 0 l
1 l 0
det 0.
1 2 l
Essa última equação fornece o polinômio característico associado à matriz A:
1 l 2 l 0,
l 2 3l 2 0.
Perceba que a matriz dada é de ordem dois e o grau do polinômio característico

também é dois. As raízes desta equação são l1 = 1 e l2 = 2, os quais são os autova-
lores da matriz A.
UNIDADE VIII 235

1 0
2 EXEMPLO Encontre bases dos autoespaços da matriz A .
1 2
Resolução: encontrar a base dos autoestados de uma matriz corresponde a encontrar

os autovetores da matriz. Neste caso, o primeiro passo é determinar os autovalores
de A. Essa tarefa já foi feita no exemplo anterior, no qual encontramos os autovalores
l1 = 1 e l2 = 2. O próximo passo será resolver a equação A l I v 0 para cada
autovalor encontrado, ou seja, você deve encontrar um autovetor v1 correspondente
a l1 e um autovetor v2 correspondente a l2.
III. Seja o autovetor v1 x1 ,� y1 associado a l1 = 1. A equação A l I v 0

fica escrita como
1 0 1 0 x1 0
,
1 2 0 1 y1 0
0 0 x1 0
,
1 1 y1 0
x1 y1 0,
x1 = y1.
Ou seja, o autovetor v1 é qualquer vetor cuja ordenada seja igual à abcissa, ou seja,
v1 x1 ,� x1 . Tomando x1 = k , você encontra que v1 k 1,�1.
IV. Seja o autovetor v2 x2 ,� y2 associado a l2 = 2. A equação A l I v 0

fica escrita como
1 0 2 0 x2 0
,
1 2 0 2 y2 0
1 0 x2 0
,
1 0 y2 0
x2 0,
x2 = 0.

Ou seja, o autovetor v2 é qualquer vetor cuja abcissa seja nula, ou seja, v2 0,� y2 .
Tomando y2 = t , você encontra que v2 t 0,�1.
Assim, os vetores v1 1,�1 e v2 0,�1 são autovetores da matriz dada. Você pode
verificar que os autovetores encontrados são linearmente independentes e podem
servir como uma base do R2.
3 EXEMPLO Determine os autovalores da matriz
1 0 2

A 1 0 1 .
1 1 2

Para determinar os autovalores de A, você deve resolver a equação característica
det ( A − λ I ) = 0. Ou seja
1 0 2 1 0 0

det 1 0 1 l 0 1 0 0,
1 1 2 0
0 1
1 0 2 l 0 0

det 1 0 1 0 l 0 0,
1 1 2 0 0 l
1 l 0 2

det 1 l 1 0.
1 1 2 l
Calculando o determinante acima, obtemos a equação característica
λ 3 3λ 2 λ 3 0.
UNIDADE VIII 237

As raízes dessa equação são os autovalores da matriz dada. Você se lembra como
calcular as raízes de um polinômio de terceiro grau? Primeiramente, você deve des-
cobrir uma das raízes. Para isso, observe o termo independente e o coeficiente do
termo de maior grau do polinômio. O termo independente é igual a 1, bem como o
coeficiente do termo de maior grau (o l 3) que também é igual a 1. Divida o termo
independente do polinômio pelo coeficiente do termo de maior grau, o que neste
caso vai ser 1 dividido por 1, o que é igual a 1. Os divisores inteiros desse resultado
são as prováveis raízes da equação. Os divisores inteiros de 1 são 1, 1. Agora você
deve testar se algum deles é raiz. Substitua cada um deles na equação:
13 3 12 1 1 4 0,
portanto, −1 não é raiz.
13 3 12 1 1 0,
Logo, 1 é raiz.
Tendo descoberto uma das raízes, calcular as outras é tarefa fácil. Para isso, divida o
polinômio característico por l 3 3l 2 l 1 por l −1 . Você obterá l 2 − 2l − 1 .
Calculando as raízes deste polinômio do segundo grau por meio da forma de Bháska-
ra, obtém-se as raízes l1 1 2 e l2 1 2 . Dessa forma, os autovalores da
matriz dada são l1 1 2 , l2 1 2 e l3 = 1 .

Diagonalização
Nesta seção, você aprenderá sobre a diagonali-

zação de matrizes. Em um primeiro momento,
o estudo focará em teoremas que garantirão as
condições para que uma matriz seja diagonalizá-
vel. Por fim, será discutida a metodologia utilizada
para diagonalizar matrizes.
UNIDADE VIII 239

1 TEOREMA Autovetores associados a autovalores distintos são linearmente independentes.
Demonstração: A demonstração que será esboçada contemplará apenas dois au-
tovetores associados a autovalores distintos. Contudo, a generalização é válida. Su-
ponha que v1 e v2 são autovetores da matriz A associados aos autovalores l1 e l2,
respectivamente. Suponha ainda que λ1 λ2. Podemos então, escrever as equações
Av1 = l1v1 e Av2 = l2 v2. Para mostrarmos que os autovetores v1 e v2 são linearmente
independentes, devemos considerar a combinação linear a1v1 a2 v2 0 e concluir-
mos que a=1 a= 2 0.
I. Apliquemos a matriz (A − l2 I ), em que I representa a matriz identidade, na
combinação linear a1v1 a2 v2 0 ; obtém-se,
a1 Av1 a1l2 Iv1 a2 Av2 a2l2 Iv2 0.
Usando Av1 = l1v1 e Av2 = l2 v2 , temos
a1l1v1 a1l2 v1 a2l2 v2 a2l2 Iv2 0,
ou seja
a1 (l1 l2 )v1 0.
Como λ1 λ2 , segue que a1 = 0.

II. Apliquemos a matriz ( A − l1 I ) , em que I representa a matriz identidade, na
combinação linear a1v1 a2 v2 0 ; obtém-se,
a1 Av1 a1l1 Iv1 a2 Av2 a2l1 Iv2 0.
Usando Av1 = l1v1 e Av2 = l2 v2 , temos
a1l1v1 a1l1v1 a2l2 v2 a2l1 Iv2 0,

ou seja
a2 (l2 l1 )v2 0.
Como λ1 λ2 , segue que a2 = 0.

Então, percebemos que na combinação linear a1v1 a2 v2 0 tem-se a=1 a= 2 0.
Com isso, conclui-se que v1 e v2 são linearmente independentes.
Assim, se a matriz quadrada A de ordem n possui n autovalores distintos, seus
autovetores são linearmente independentes. Essa última propriedade induz à defi-
nição de matriz diagonalizável.
DEFINIÇÃO 3
Uma matriz A de ordem n que possui autovetores linearmente independentes é
diagonalizável.
Observando a Definição 3, você percebe que se uma matriz ordem n que possui n
autovalores distintos, ela é diagonalizável, já que os autovetores associados a auto-
valores distintos são linearmente independentes são linearmente independentes,
como nos garante o Teorema 1. Como exemplo, é garantido que as matrizes dos
exemplos 1 e 3 são diagonalizáveis, já que a matriz do exemplo 1 é de ordem 2 e pos-
sui 2 autovalores distintos, enquanto a matriz do exemplo 3 é de ordem 3 e possui 3
autovalores distintos.
Aí você diz: ‘tudo bem, já sei quando uma matriz A pode ser diagonalizada, mas como
posso encontrar a forma diagonal de A’? Essa resposta será dada na definição a seguir.
UNIDADE VIII 241

DEFINIÇÃO 4
Suponha que uma matriz A de ordem n que possui n autovetores linearmente inde-
pendentes. A forma diagonal de A é uma matriz diagonal D que possui na diagonal
principal os autovalores de A,ou seja,
l1 0

D .
0 ln

A matriz D pode ser calculada a partir da matriz A por meio da matriz diagonalizadora
P mediante a relação de semelhança
D P 1 AP.
A matriz P é formada pelos autovetores da matriz A, ou seja, as colunas da matriz P

são os autovetores de A, ou seja,
P = ( v1 v2 …vn )
Agora, vamos colocar um passo a passo do processo de diagonalização de matrizes

para que você entenda melhor o conceito apresentado.
Passo a passo da diagonalização de uma matriz A de ordem n:
• Passo 1: calcule os autovalores e autovetores da matriz dada.
• Passo 2: se a matriz dada possui n autovetores linearmente independentes, a
forma diagonal de A é calculada a partir da equação D P 1 AP .
• Passo 3: a matriz diagonalizadora P é dada por P v1 � � v2
� vn � , em que
v1 v2 ⊃ vn são autovetores de A. l1 0
• Passo 4: a forma diagonal de A é simplesmente D .
0 l
n
Entendeu? Tudo ficará mais claro nos exemplos a seguir.
1 0
4 EXEMPLO Dada a matriz A , responda:
1 2
a) A é diagonalizável? Em caso afirmativo, escreva a matriz D, ou seja, a forma

diagonal de A.

b) Escreva a matriz P que diagonaliza A.
c) Verifique que D P 1 AP .
Resolução:
a) Primeiramente, devemos calcular os autovalores de A, mas isso já foi feito
no Exemplo 1, no qual foram encontrados l1 = 1 e l2 = 2 . Assim, como a
matriz A é de ordem 2 e possui dois autovalores distintos, terá também dois
autovetores linearmente independentes. Logo, A é diagonalizável, e sua forma
diagonal é a matriz diagonal que possui os autovalores de A na diagonal, ou seja,
1 0
D .
0 2
b) Para escrevermos a matriz diagonalizadora P, precisamos dos autovetores de

A, os quais já foram encontrados no exemplo 2 e são v1 1,�1 e v2 0,�1,
associados a l1 = 1 e l2 = 2 , respectivamente. Logo, para obter a matriz dia-
gonalizadora, basta escrever os autovetores nas colunas da matriz P, obtendo
1 0
P .
1 1
c) Vamos verificar agora se de fato D P 1 AP . Para isso, tomemos
1 0
P 1 .
1 1
Assim:
1 0 1 0 1 0 1 0 1 0 1 0
P 1 AP D.
1 1 1 2 1 1 2 2 1 1 0 2
1 0 2
5 EXEMPLO A matriz A 1 0

1 é diagonalizável? Em caso afirmativo, escreva a sua forma
1 1 2

diagonal.
UNIDADE VIII 243

Resolução: primeiramente, devemos encontrar os autovalores de A , porém isso já
foi feito no Exemplo 3. Assim, os autovalores de A são l1 1 2 , l2 1 2 e
l3 = 1 . Como os três autovalores são distintos, é garantido que a matriz dada possui
três autovetores linearmente independentes. Assim sendo, a forma diagonal de A é:
1 0 0

0 1 2 0 .

0 0 1 2
O próximo exemplo mostrará que mesmo que uma matriz de ordem não possua to-
dos os autovalores distintos, ainda assim ela pode possuir n autovetores linearmente
independentes.
1 3 3
6 EXEMPLO Verifique se a matriz A 0 4 0 é diagonalizável.
3 3 1

Resolução: primeiramente, você deve encontrar os autovalores de A. Para esse fim,

você deve resolver a equação característica det ( A − λ I ) = 0. Ou seja
1 3 3 1 0 0

det 0 4 0 l0 1 0 0,
3 3 1 0
0 1
1 3 3 l 0 0

det 0 4 0 0 l 0 0,
3 3 1 0 0 l
1 λ 3 3
det 0 4 λ 0 0.
3 3 1 λ
λ 3 6λ 2 32 0.

Resolvendo essa equação cúbica, você encontrará as raízes l1 2, l2 = 4 e l3 = 4.
Ou seja, a matriz A de ordem 3 possui apenas 2 autovalores diferentes. Porém, mesmo
assim, ela pode possuir três autovetores linearmente independentes. Sendo assim,
agora você deve calcular os seus autovetores. Para isso, você precisa resolver a equação
A l I v 0 para cada autovalor encontrado.
• Autovalor l1 2: seja o autovetor v1 x1 ,� y1 , z1 associado a l1 2 . A
equação A l I v 0 fica escrita como
1 3 3 2 0 0 x1 0

0 4 0 0 2 0 y1 0 ,
3 3 1 0 0 2 z1 0
3 3 3 x1 0

0 6 0 y1 0 ,
3 3 3 z1 0
o que fornece o sistema
3 x1 3 y1 3 z1 0

6 y1 0 ,
3 x 3 y 3 z 0
1 1 1
o qual possui como solução: x1 = z1 e y1 = 0. E o vetor v1 fica escrito como

v1 x1 , 0, x1 x1 1, 0, 1. Ou seja, v1 possui apenas uma variável independente.
• Autovalor l= 2 l= 3 4: seja o autovetor v2 x2 ,� y2 , z2 associado a l2 = 4. A
equação A l I v 0 fica escrita como
1 3 3 4 0 0 x2 0

0 4 0 0 4 0 y2 0 ,
3 3 1 0 0 4 z2 0
3 3 3 x2 0

0 0 0 y2 0 ,
3 3 3 z2 0
UNIDADE VIII 245

o que fornece o sistema
3 x2 3 y2 3 z2 0

0 y2 0 ,
3 x 3 y 3 z 0
2 2 2
o qual possui como solução: x2 y2 z2 . E o vetor v2 fica escrito como

v2 y2 z2 ,� y2 , z2 y2 1, 1, 0 z2 1, 0, 1 . Ou seja, v2 possui duas variáveis
independentes e origina dois outros vetores linearmente independentes.
Dessa forma, os autovetores da matriz dada são: 1, 0, 1 associado a l1 2 ;
1,1, 0 e 1, 0,1 associados a l1 = 4. Como a matriz dada é de ordem 3 e possui 3
autovetores linearmente independentes, ela é diagonalizável!
A sua forma diagonal é dada por
2 0 0

D 0 4 0,
0 0 4

E sua matriz diagonalizadora é dada por
1 1 1

P 0 1 0 .
1 0 1

Neste momento, você já está apto a retornar ao problema proposto pelo seu amigo
no início da unidade. Ou seja, como calcular a décima potência de uma matriz sem
a necessidade de multiplicá-la por ela mesma dez vezes consecutivas? Para isso,
veja o exemplo a seguir.
1 0 10
7 EXEMPLO Dada a matriz A , calcule A .
1 2
Resolução: Considere que A seja diagonalizável, ou seja, existe uma matriz dia-
gonalizadora P tal que D P 1 AP , em que D seja a forma diagonal de A. Se você
multiplicar a equação D P 1 AP à esquerda por P e à direita por P −1, encontrará

PDP 1 PP 1 APP 1 IAI A.
Assim, A2 AA PDP 1PDP 1 PDIDP 1 PDDP 1 PD2 P 1.
Da mesma forma,
A3 AAA PDP 1 PDP 1 PDP 1 PDIDIPP 1 PDDDP 1 PD3 P 1.
Entendeu a lógica? Então, você pode escrever em geral
An = PD n P −1
Calcular PD n P −1 é bem mais simples que calcular An diretamente, pois D n é a po-

tência de uma matriz diagonal.
Então, para calcular A10 necessitamos da forma diagonal de A, a qual representare-
mos por D, bem como da matriz diagonalizadora de P, a qual será representada por P.
No entanto, você já tem esses dados do Exemplo 4, ou seja,
1 0
D ,
0 2
1 0
P ,
1 1
1 0
P 1 .
1 1
Como D é diagonal, logo
10
110 0 1 0
D
0
.
210 0 1024
E, por fim,
A10 = PD10 P −1
1 01 0 1 0 1 0
A10 .
1 10 1024 1 1 1023 1024
UNIDADE VIII 247

3 0 4

1. Os autovalores da matriz A 0

3 5 são:
0 0 1

a) l1 2 , l2 = 1 e l3 = 4 .
b) l1 1 , l2 3 e l3 = 3 .
c) l1 1 , l2 = 3 e l3 = 3 .
d) l1 2 , l2 = 3 e l3 = 3 .
e) l1 1 , l2 3 e l3 3 .
5 3
2. A forma diagonal da matriz A é dada por:
8 3
a) 1 0

0 2
c) 5 0

0 2 b) 1 0

0 9
e) 1 0

0 3 d) 1 0

0 5
248
5 3
3. A matriz diagonalizadora associada a A é dada por:
8 3
a) 1 1 b) 1 1

4 3 4
2
3 3
c) 1 1 d) 1 2

4 1 4
4
3 3
e) 3 1

1 4

3
5 3 20
4. Dada a matriz A , det( A ) é igual a:
8 3
a) 920
b) 1
c) −920
d) 0
e) 35
1 4
5. Os autovalores da matriz A são:
2 3
a) l1 1 e l2 = 2 .
b) l1 1 e l2 = 5 .
c) l1 = 1 e l2 5 .
d) l1 2 e l2 = 1 .
e) l1 1 e l2 5 .
249
LIVRO
Álgebra Linear - Desde o Início

Autor: Érica A. Carlen e Maria C. Carvalho
Editora: LTC
Sinopse: este livro é voltado à formação de estudantes de ciências e engenharia.
A sua maior vantagem é a sua metodologia baseada na resolução de problemas.
Além disso, a linguagem é extremamente simples.
Comentário: a leitura do capítulo sobre autovalores é altamente recomendada.
250
251
1. Para resolver a esta questão, você deve resolver a equação característica det ( A − λ I ) = 0 . Ou seja,
3 0 4 1 0 0

det 0 3 5 l0 1 0 0,
0 0 1 0
0 1
3 0 4 l 0 0

det 0 3 5 0 l 0 0,
0 0 1 0 0 l
3 l 0 4

det 0 3 l 5 0.
0 0 1 l
λ 3 5λ 2 3λ 9 0.
Resolvendo essa equação cúbica, você encontrará as raízes l1 1 , l2 = 3 e l3 = 3 , as quais são os
autovalores da matriz dada. Com isso, a resposta correta para esta questão é a alternativa c.
2. O primeiro passo é determinar os autovalores da matriz dada. Para determinar os autovalores de A, você
( )
deve resolver a equação característica det A − λ I = 0 . Ou seja,
5 3 1 0
det l 0,
8 3 0 1
5 3 l 0
det 0,
8 3 0 l
5 l 3
det 0.
8 3 l
252
5 l 3 l 24 0,
l 2 4l 9 0.
As raízes desta equação são l1 1 e l2 = 9, os quais são os autovalores da matriz A. Dessa maneira, a
forma diagonal da matriz dada é

1 0 . Assim, a resposta correta é a alternativa b.

0 9
3. A matriz desta questão é a mesma da anterior. Assim, para encontrar a matriz diagonalizadora da matriz
dada, você deve determinar os autovetores de A. Os autovalores de A são l1 1 e l2 = 9 . O próximo
passo será resolver a equação A l I v 0 para cada autovalor encontrado, ou seja, você deve encontrar
um autovetor v1 correspondente a l1 e um autovetor v2 correspondente a l2 .
Seja o autovetor v1 x1 ,� y1 associado a l1 1. A equação A l I v 0 fica escrita como
5 3 1 0 x1 0
,
8 3 0 1 y1 0
6 3 x1 0
,
8 4 y1 0
6 x1 3 y1 0,
y = 2 x1.
Ou seja, o autovetor v1 é qualquer vetor cuja ordenada seja igual ao dobro da abcissa, ou seja, v1 x1 ,� 2 x1 .
Tomando x1 = k , você encontra que v1 k 1,� 2 .
253
Seja o autovetor v2 x2 ,� y2 associado à l2 = 9. A equação A l I v 0 fica escrita como
5 3 9 0 x2 0
,
8 3 0 9 y2 0
4 3 x2 0
,
8 6 y2 0
4
y2 x2 .
3
4 4
Ou seja, o autovetor v2 é qualquer vetor cuja ordenada − da abcissa, ou seja, v2 x2 ,� x2 .
3 3
4
Tomando x2 = t , você encontra que v2 t 1, � .
3
4
Assim, os vetores v1 1,� 2 e v2 1, � são autovetores da matriz dada.
3
1 1
Com isso, a matriz que diagonaliza A é dada por 4
. Assim, a resposta correta é alternativa a.
2
3
n n 1
4. Já sabemos do Exemplo 7 desta unidade que A � PD P . Assim, calculando o determinante de ambos
os lados deste equação e utilizando as propriedades dos determinantes, temos:
( ) ( ( ) )
det ( An ) = det PD n P −1 = det P) det D n det ( P −1 = det D n . ( )
1 0 120 0
20
Como D , então D . Dessa forma,
0 9 0 920

det ( A20 ) det D20 920.
A resposta correta é a alternativa a.
254
5. Para determinar os autovalores de A , você deve resolver a equação característica det ( A − λ I ) = 0. Ou seja,
1 4 1 0
det l 0,
2 3 0 1
1 4 l 0
det 0,
2 3 0 l
1 l 4
det 0.
2 3 l
1 l 3 l 8 0,
l 2 4l 5 0.
As raízes desta equação são l1 1 e l2 = 5, os quais são os autovalores da matriz A. A resposta correta é
a alternativa b.
255
256
Dr. Ronni Amorim
As Cônicas
PLANO DE ESTUDOS
Identificação
das cônicas
Cônicas: elipse,
hipérbole e parábola
• Reconhecer e construir as equações das cônicas. • Identificar as cônicas a partir das equações bilineares gerais.
Cônicas: Elipse,
Hipérbole e Parábola
Prezado(a) aluno(a)! Nesta unidade você apren-

derá a classificar importantes lugares geométricos:
as cônicas. Para se ter uma ideia da importância
das cônicas, quando os planetas do sistema solar
se movem em torno do Sol, descrevem uma tra-
jetória elíptica, na qual o Sol ocupa um dos focos.
A elipse juntamente com a parábola e a hipérbole
constituem as denominadas cônicas. Sendo assim,
o objetivo desta unidade é identificar as cônicas
a partir de uma forma bilinear dada. Entretanto,
antes de iniciarmos o nosso estudo acerca de tais
objetos, considere a situação a seguir.
Quando Raul Garcia tinha 6 anos, um grande
evento ocorreu nas proximidades da Terra e foi
muito anunciado pela mídia. Tratava-se da pas-
sagem do Cometa Halley. Raul mobilizou toda a
família e os amigos para observar o cometa, pois
sabia que aquele seria um evento singular que se
repetiria somente após 76 anos. Raul observou o
cometa a partir de uma luneta e ficou realmente
impressionado. A partir de então, o garoto tornou-
-se um fã de astronomia e estudou algumas características do cometa. Raul leu que,
assim como os planetas do sistema solar, o cometa descrevia uma trajetória elíptica
em torno do Sol, na qual o nosso astro-rei ocupava um dos focos. Raul também leu
que a excentricidade de tal órbita era 0,967 e o seu semieixo maior correspondia a 18
UA (unidades astronômicas). Raul até sabia o que é uma elipse, mas não compreendeu
o que significava os termos semieixo e excentricidade. O objetivo de Raul era utilizar
esses dados para descobrir a distância mais próxima que o cometa passava do Sol (o
periélio), bem como a maior distância possível entre o cometa e o Sol (o afélio). Você
poderia ajudar o Raul a compreender esses dados? Se ainda não souber, certamente no
final desta unidade esses termos astronômicos se tornarão mais claros. Bom estudo!
Você sabe o porquê das cônicas receberem este nome? Nesta seção, você entenderá
a razão desta denominação, bem como aprenderá a classificar as cônicas a partir de
uma equação bilinear geral.
As cônicas recebem esta denominação por que são obtidas a partir da intersecção
de um plano com um cone de revolução. De acordo com a forma que o plano inter-
cepta o cone, obtém-se uma cônica distinta (SANTOS, 2009). Veja a Figura 1 abaixo.
Circunferência Elipse
Parábola Hipérbole
Figura 1 - As cônicas
Fonte: o autor.
Você estudará a construção da equação de cada cônica detalhadamente. A circunfe-

rência já foi estudada na Unidade 3. A análise será iniciada pela elipse.
UNIDADE IX 259
A elipse
Nesta subseção, você aprenderá o que é uma elipse e quais são as principais proprieda-
des desta cônica. Para esse fim, considere a definição dada a seguir (WINTERLE, 2014).
DEFINIÇÃO 1
Sejam dois pontos distintos F1 e F2 pertencentes a um mesmo plano b e seja 2c a
distância entre eles. Elipse é o conjunto de pontos P pertencentes a b tais que a soma
das distâncias dos pontos P a F1 e F2 é constante e igual a 2a.
Essa definição pode ser escrita formalmente como:
Elipse = { P ∈ β | PF1 + PF2 = 2a
Assim, como a reta, a circunferência e o plano, as cônicas também possuem equações

que as representam. A partir de agora será construída a equação da elipse. Para esse
fim, a Figura 2 será utilizada como referência.
Figura 2 - Elipse
Fonte: o autor.
260 As Cônicas
Observe a Figura 2 para definirmos os elementos fundamentais de uma elipse, quais sejam:
• F1e F2 são os focos;
• O é o centro;
• O segmento A1 A2 é denominado eixo real e mede 2a;
• O segmento B1 B2 é denominado eixo imaginário e mede 2b;
• A distância entre F1e F2 é denominada distância focal e mede 2c;
• A relação notável a2 b2 c2 pode ser obtida via teorema de Pitágoras.
Note que a elipse dada na Figura 2 tem os eixos sobre os eixos x e y e possui os fo-
cos F1 e F2 sobre o eixo x. Dessa forma, as coordenadas dos focos são F1 c, 0
e F2 c, 0 . Como as coordenadas do ponto genérico são P x, y , utilizando a
equação da distância entre dois pontos (ou da norma de um vetor) temos que:
PF1 = ( x + c )2 + ( y − 0 )2 e PF2 = ( x − c )2 + ( y − 0 )2
Agora, partindo da definição de elipse, podemos escrever
PF1 + PF2 = 2a,
o que nos fornece
( x + c )2 + ( y − 0 )2 + ( x − c )2 + ( y − 0 )2 = 2a
Podemos reescrever a equação anterior como
( x + c )2 + y2 = 2a − ( x − c )2 + y2
Elevando ambos os membros ao quadrado e desenvolvendo o produto do lado di-

reito, chegamos a
x c 2 y2 4a2 4a x c 2 y2 x c 2 y2 ,
O que dá ainda
x2 2 xc c2 y 2 4 a2 4 a x c 2 y2 x2 2 xc c2 y2 .
UNIDADE IX 261
Simplificando a última equação, obtemos
4 xc 4 a2 4 a x c 2 y2 ,
a qual pode ser escrita como
a ( x − c )2 + y2 = a2 − xc
Elevando novamente ambos os membros ao quadrado, chegamos a

a2 x2 2 xc c2 y 2 a 4 2a2 xc x2 c2 ,
depois de simplificada, temos
a2 x2 2a2 xc a2 c2 a2 y 2 a 4 2a2 xc x2 c2 ,
a 2 x2 a 2 c2 a 2 y 2 a 4 x2 c2 ,
a 2 x2 x2 c2 a 2 y 2 a 4 a 2 c2 .
Colocando em evidência x2 no membro esquerdo e a2 no membro direito da equação

anterior, obtemos

x2 a 2 c2 a 2 y 2 a 2 a 2 c2
Observando a Figura 2, percebemos que b2 a2 c2; assim, chegamos a
x 2b2 a 2 y 2 a 2b2 .
Dividindo ambos os membros da equação anterior por a2b2, temos finalmente
x2 y2
1.
a2 b2
Essa é a equação reduzida de uma elipse centrada na origem, com o eixo maior sobre
o eixo x que possui o eixo maior medindo a e o eixo menor medindo b.
262 As Cônicas
Se o centro da elipse (o ponto C da Figura 2) não estiver na origem, mas for dado pela
coordenadas C p, q , com o eixo maior paralelo, o eixo x e o eixo maior paralelo
o eixo y; e ainda que possui o eixo maior medindo a e o eixo menor medindo b, a
equação reduzida da elipse é escrita como
x p 2 y q 2 1,
a2 b2
em que o eixo maior é paralelo ao eixo x. Se o eixo maior estivesse paralelo ao eixo
y, a equação da elipse seria dada por
x p 2 y q 2 1.
b2 a2
Para encontrar a equação geral da elipse, basta desenvolver a expressão acima.
Observações:
c
• Definimos a excentricidade da elipse como a razão e = .
a
• Note que se a = b a elipse é uma circunferência.

• A circunferência é uma elipse de excentricidade nula.
Você entenderá melhor o conteúdo apresentado resolvendo exemplos que serão

apresentados a seguir.
1 EXEMPLO Escreva a equação da elipse que possui centro no ponto C 2, 3 e eixos com medida
6 e 10, estando o eixo maior paralelo ao eixo y.
Resolução: este problema é muito simples. Para resolvê-lo, basta utilizar a equação
2 2
x p y q
1.
b2 a2
Como as medidas dos eixos são 6 e 10, temos que a = 53 e b =3.5 Assim, a equação da
elipse procurada é
x 2 2 y 3 2 1,
32 52
x 2 2 y 3 2 1.
9 25
UNIDADE IX 263
2 EXEMPLO Dada a elipse de equação x2 4 y 2 4 x 32 y 32 0 , determine:

a) o centro;
b) os focos;
c) a excentricidade.
Resolução: a equação dada não está na forma reduzida. Sendo assim, como primeiro
passo, você deve completar os quadrados para escrevê-la na forma reduzida. Assim,
x2 4 x 4 y 2 32 y 32 0,
adicionando ( 4 + 64) e subtraindo 4 64 , não alteramos o resultado da equação,

mas obtemos os quadrados perfeitos desejados. Veja:
x2 4 x 4 4 4 y 2 32 y 64 64 32 0,
x 2 2 4 y 4 2 4 64 32 0,
x 2 2 4 y 4 2 36.
Dividindo ambos os lados por 36, obtém-se:
x 2 2 4 y 4 2 1,
36 36
x 2 2 y 4 2 1,
36 9
x 2 2 y 4 2 1.
62 32
264 As Cônicas
Com isso, fica fácil reconhecer o centro C 2, 4 e as medidas dos semieixos como
a = 6 e b = 3.
As respostas às alternativas ficam dadas por:
a) C 2, 4 .
b) Para determinarmos os focos, antes precisamos calcular o valor do parâmetro
c. Sabemos que c2 a2 b2, assim, c = 3 3. Dessa forma, observando a Fi-
gura 2, percebemos que, para obtermos os focos, como eles estão sobre o eixo
principal da elipse, basta somarmos e subtrairmos o valor encontrado para c

da abcissa do centro. Com isso, temos: F1 2 3 3 ,� 4 e F2 2 3 3 ,� 4 .
c
c) A excentricidade é dada por e = , dessa forma, para este problema temos
a
3 3 3
=e =
6 2
Agora que você já conhece a elipse e suas propriedades, o estudo focará a hipérbole.
A hipérbole
A hipérbole é outra cônica que é muito utilizada em aplicações práticas. Por exem-
plo, em telescópios de reflexão, o espelho menor é hiperbólico. O telescópio Hubble,
em órbita a 600 km da Terra desde 1990, utiliza o sistema com espelho secundário
hiperbólico. Nesta subseção, você estudará a definição de hipérbole, bem como suas
propriedades.
DEFINIÇÃO 2
Sejam dois pontos distintos F1e F2 pertencentes a um mesmo plano b e seja 2c a
distância entre eles. Hipérbole é o conjunto de pontos P pertencentes a b tais que o
valor absoluto da diferença das distâncias dos pontos P a F1 e F2 é constante e igual
a 2a (0 < 2a < 2c).
Essa definição pode ser escrita formalmente como:
Hipérbole = { P ∈ β | PF1 − PF2 = 2a
UNIDADE IX 265
O nosso objetivo agora é encontrar uma equação que descreva a hipérbole. Para esse
fim, considere a hipérbole dada na Figura 3.
Figura 3 - Hipérbole
Fonte: o autor.
Observe a Figura 3 para definirmos os elementos fundamentais de uma hipérbole,

quais sejam:
• F1 e F2 são os focos;
• O é o centro;
• O segmento A1 A2 é denominado eixo real e mede 2a;
• O segmento B1 B2 é denominado eixo imaginário e mede 2b;
• A distância entre F1 e F2 é denominada distância focal e mede 2c ;
• A relação notável c 2 a2 b2 pode ser obtida via teorema de Pitágoras.
Note que a hipérbole dada na Figura 3 tem os eixos sobre os eixos x e y e possui os
focos F1 e F2 sobre o eixo x. Dessa forma, as coordenadas dos focos são F1 c, 0
e F2 c, 0 . Como as coordenadas do ponto genérico são P x, y , utilizando a
equação da distância entre dois pontos (ou da norma de um vetor) temos que:
PF1 = ( x + c )2 + ( y − 0 )2 e PF2 = ( x − c )2 + ( y − 0 )2
Agora, partindo da definição de hipérbole, podemos escrever
PF1 − PF2 = 2a,
266 As Cônicas
o que nos fornece
( x + c )2 + ( y − 0 )2 − ( x − c )2 + ( y − 0 )2 = 2a
( x + c )2 + ( y − 0 )2 − ( x − c )2 + ( y − 0 )2 = ±2a
Podemos reescrever a equação anterior como
( x + c )2 + y2 = ±2a + ( x − c )2 + y2
Elevando ambos os membros ao quadrado e desenvolvendo o produto do lado di-

reito, chegamos a
x c 2 y2 4a2 4a x c 2 y2 x c 2 y2 ,
o que dá ainda
x2 2 xc c2 y 2 4 a2 4 a x c 2 y2 x2 2 xc c2 y2 .
Simplificando a última equação, obtemos
4 xc 4 a2 4 a x c 2 y2 ,
a qual pode ser escrita como
a x 2
Elevando novamente ambos os membros ao quadrado, chegamos a

a2 x2 2 xc c2 y 2 a 4 2a2 xc x2 c2 ,
depois de simplificada, temos
a2 x2 2a2 xc a2 c2 a2 y 2 a 4 2a2 xc x2 c2 ,
a 2 x2 a 2 c2 a 2 y 2 a 4 x2 c2 ,
UNIDADE IX 267
c2 x2 x2 a 2 a2 y 2 a 4 a2 c2 .
Colocando em evidência x2 no membro esquerdo e a2 no membro direito da equação

anterior, obtemos
x 2 c2 a2 a2 y 2 a2 c2 a2
Observando a Figura 2, percebemos que b c 2 a2; assim, chegamos a

2
x 2b2 a 2 y 2 a 2b2 .
Dividindo ambos os membros da equação anterior por a2b2, temos finalmente
x2 y2
1.
a2 b2
Essa é a equação reduzida de uma hipérbole centrada na origem, com o eixo maior
sobre o eixo x que possui o eixo maior medindo a e o eixo menor medindo b.
Se o centro da hipérbole (o ponto O da Figura 3) não estiver na origem, mas for
dado pela coordenadas O p, q , com o eixo maior paralelo o eixo x e o eixo maior
paralelo o eixo y; e ainda que possui o eixo maior medindo a e o eixo menor medindo
b, a equação reduzida da hipérbole é escrita como
x p 2 y q 2 1.
a2 b2
Se o eixo maior estivesse paralelo ao eixo y, a equação da hipérbole seria dada por
2 2
x p y q
1.
b2 a2
Para encontrar a equação geral da hipérbole, basta desenvolver a expressão acima.
3 EXEMPLO Dada a hipérbole de equação 9 x2 5 y 2 18 x 30 y 9 0 , determine:

a) O seu centro;
b) As medidas dos eixos real e imaginário.
268 As Cônicas
Resolução: para resolver este exemplo, você deve escrever a equação da elipse no formato
x p 2 y q 2 1
a2 b2
Para esse fim, complete os quadrados perfeitos da equação dada.
9 x2 5 y 2 18 x 30 y 9 0,
9 x2 18 x 5 y 2 30 y 9 0,

9( x 2 2 x ) 5 y 2 6 y 9 0.
Note que no primeiro parêntese falta o número 1 para termos um quadrado perfeito,
enquanto que no segundo falta o número 9 para termos um quadrado perfeito. Sen-
do assim, adicionaremos e subtrairemos 1 e 9 no interior do primeiro e do segundo
parêntese, respectivamente.

9( x2 2 x 1 1) 5 y 2 6 y 9 9 9 0.
A última equação pode ser escrita ainda na forma:

9( x2 2 x 1) 9 5 y 2 6 y 9 45 9 0,

9( x2 2 x 1) 5 y 2 6 y 9 45 0,

9( x2 2 x 1) 5 y 2 6 y 9 45.
Invertendo a ordem da subtração, obtém-se:

5 y 2 6 y 9 9( x2 2 x 1) 45.
UNIDADE IX 269
Dividindo ambos os lados por 45, chega-se a
y2 6 y 9 ( x2 2 x 1) 1,
9 5
2 2
y 3 x 1
1.
32 5
2
Ou seja, é uma hipérbole que possui o eixo real paralelo ao eixo y.
Com a equação dada, reconhecemos que:

a) O centro desta hipérbole é o ponto O 1, 3 .
b) A medida do eixo real é 2.3 = 6 . E a medida do eixo imaginário é 2. 5 .
Agora que você já sabe o que é uma elipse e conhece as propriedades desta cônica, o
foco será dado ao estudo da terceiro cônica: a parábola.
A parábola
Nesta subseção, você estudará sobre a parábola. A parábola é uma cônica muito espe-
cial, pois percebemos diversas aplicações dela no cotidiano, basta para isso observar
o formato de grande parte das antenas e dos radares. Essas aplicações são possíveis
porque a parábola possui a importante propriedade de reflexão. Conforme você verá,
a parábola é uma curva com um foco. Nesse sentido, se a partir de um ponto qualquer
você traçar um segmento de reta paralelo ao eixo da parábola e este segmento encon-
trar a parábola em um ponto; e se a partir deste ponto você traçar outro segmento que
faça com a parábola um ângulo igual ao do primeiro segmento, o segundo segmento
passa pelo foco. Devido a esta propriedade, também notamos a aplicação da parábola
no formato dado aos faróis dos automóveis, os quais são espelhados por dentro, com
a lâmpada ocupando a posição do foco. Dessa forma, todos os raios luminosos que
emergirem da lâmpada refletirão na parábola e sairão do farol em uma mesma direção,
potencializando a iluminação, como pode ser observado na Figura 4.
270 As Cônicas
Figura 4 - Aplicação da parábola
Fonte: o autor.
A seguir você verá a definição da parábola e a utilizará para construir a equação

desta cônica.
DEFINIÇÃO 3
Considere uma reta R e um ponto F pertencentes a um plano b , com F não perten-
cente a R . Seja p a distância entre F e R. O conjunto de pontos P pertencentes a b
equidistante de F e R é denominado parábola. Ou seja,
Parábola = { P ∈ β | PF = Pd
UNIDADE IX 271
A construção da equação da parábola será baseada na Figura 5.
Figura 5 - A parábola
Fonte: o autor.
Observe a Figura 5 para definirmos os elementos fundamentais de uma parábola,
quais sejam:
• F é denominado foco;
• V é o vértice;
•  é a reta diretriz;
• p é o parâmetro;
• A distância entre V e F é igual à p : d V , F p .
Note que o eixo da parábola dada na Figura 5 está sobre o eixo x, enquanto o seu
vértice está na origem. Dessa forma, o foco e o vértice são representados pelos pontos
F p,0 e V 0, 0 , respectivamente. Como as coordenadas do ponto genérico são
P x, y , a distância entre o foco e a parábola é dada por:
d F, P p x 2 0 y 2 p x 2 y2 .
E, ainda, a distância entre o ponto P x, y da parábola e a reta diretriz é dada por.
d P,  p x 2 y y 2 p x 2 .
Utilizando a definição de parábola, temos que
d P,  d P, F ,
272 As Cônicas
ou seja,
p x 2 p x 2 y2 .
Elevando ambos os membros ao quadrado, obtém-se:
p x 2 p x 2 y2 .
Desenvolvendo o produto notável do lado esquerdo e simplificando a equação,

tem-se: y 2 4 px,
y2
x ,
4p
a qual representa a equação de uma parábola com vértice na origem, eixo sobre
o eixo x e reta diretriz paralela ao eixo y. No caso em que o vértice da parábola
esteja em um ponto genérico V xo ,� yo , a equação da parábola com reta diretriz
paralela ao eixo y fica dada por
2
x xo
y yo
.
4p
O sinal será positivo se o vértice estiver à esquerda do foco e negativo no caso contrário.
Se a parábola tivesse o vértice na origem, mas o seu eixo estivesse sobre o eixo y,
e reta diretriz paralela ao eixo x, a sua equação seria
x2 4 py,
x2
y .
4p
No caso em que o vértice da parábola esteja em um ponto genérico V xo ,� yo , a
equação da parábola com reta diretriz paralela ao eixo x fica dada por
2
y yo
x xo
.
4p
UNIDADE IX 273
O sinal será positivo se o vértice estiver abaixo do foco e negativo caso contrário.
Você pode perceber que para determinar a equação de uma parábola é necessário
conhecer o seu vértice e o seu parâmetro.
Os conceitos apresentados nessa subseção ficarão mais claros com a resolução
do exemplo a seguir.
4 EXEMPLO Determine a equação da parábola com vértice em V 3, 4 , e foco F 3, 2 .

Resolução: note que o enunciado já nos forneceu o vértice, sendo necessário deter-
minar apenas o parâmetro. Contudo, o parâmetro pode ser facilmente obtido, pois p
é igual a distância do vértice ao foco. E, ainda, como a abcissa do foco coincide com
a abcissa do vértice, conclui-se que a reta diretriz da parábola seja paralela ao eixo x.
Note que a ordenada do vértice é igual a 4 e a do foco é igual a 2; neste caso, como o
vértice está acima do foco, o sinal escolhido será o negativo. Assim,
p 3 3 2 4 2 2 2.
Dessa forma, a equação da parábola é dada por:
y−4 = −
( x − 3 )2 ,
4.2
2
y4
x 3
.
8
5 EXEMPLO Dada a parábola de equação 2 y 2 5 x 8 y 7 0 , determine:
a) O seu vértice;
b) O seu parâmetro;
c) O seu foco.
Resolução: o primeiro passo é organizar os termos da equação dada e em seguida
completar o quadrado.
2 y 2 5 x 8 y 7 0,
2 y 2 8 y 5 x 7 0,

2 y 2 4 y 5 x 7 0.
274 As Cônicas
Observe nos parênteses da última equação. Para que seja obtido um quadrado perfeito,
basta somar e subtrair 4. Fazendo isso, obtém-se

2 y 2 4 y 4 4 5 x 7 0.
Retirando o menos quatro do interior dos parênteses, tem-se

2 y 2 4 y 4 8 5 x 7 0,
2
2 y 2 5 x 15 0,
2
5 x 3 2 y 2 ,
2
x 3 y 2 2 ,
5
2
y 2
x 3 .
5
2
2
y yo
Comparando a última equação com x xo , conclui-se que a parábola
4p
dada possui a reta diretriz paralela ao eixo y e possui o vértice no ponto V 3, 2 .

5 5
Além disso, percebe-se que 4 p = , ou seja, p = . Como o sinal é negativo, tem-se
2 8
que o foco esteja à esquerda do vértice. Assim, para determinar as coordenadas do

vértice, utiliza-se o fato de que a reta diretriz é paralela ao eixo y, neste caso o vértice
e o foco possuem a mesma ordenada. Além disso, como o foco está à esquerda do
vértice e a distância entre eles é 5 , a abcissa do foco é dada por 3 5 19 . Assim, o
8 8 8
foco é dado por F 19 , 2 . As respostas a esta questão são:

8
a) V 3, 2
b) p = 5
8
c) F 19 , 2

8
UNIDADE IX 275
Identificação
das Cônicas
Identificar uma cônica por meio de uma equação

quadrática fornecida muitas vezes não é uma ta-
refa fácil, principalmente quando há termos cru-
zados xy. Nesta seção, você verá como identificar
uma cônica quando for fornecida uma equação
quadrática geral. O procedimento que será apre-
sentado utilizará como subsídio a técnica de dia-
gonalização estudada na Unidade 8.
A equação geral de uma cônica, quando
os quadrados são desenvolvidos, é dada por
Ax2 Bxy C y 2 D x Ey F 0, em que
A B C , D, E F são números reais.
A dificuldade encontrada na identificação de
uma cônica ocorre principalmente devido ao ter-
mo Cxy, mas essa tarefa pode ser simplificada se
utilizarmos as técnicas de diagonalização (AN-
TON; RORRES, 2012).
Note que a equação geral de uma cônica pode
ser escrita utilizando matrizes na forma
A B
y 2 x D x
x B E F 0.
C y y
2
276 As Cônicas
A B
Para facilitar a identificação da cônica, podemos diagonalizar a matriz M 2 .
B C
2
Recordando o conteúdo da Unidade 8, no processo de diagonalização obtemos os
a b
autovalores l1 e l2 e os autovetores v1 1 e v2 1 . Com os autovetores, construí-
a2 b2
A B
2
mos a matriz que diagonaliza a matriz M . A matriz diagonalizadora é dada
B C
2
a1 b1 −1 −1
por P . Se fizermos P MP , em que P é a inversa da matriz diagonaliza-
a2 b2
l1 0
dora, obtemos a matriz D que é a forma diagonal de M . Por outro lado, se
0 l2
x a b1 x
fizermos o produto, v* = Pv , ou seja, * 1 obtemos um novo vetor que
y* a2 b2 y
x*
. E ainda, se multiplicarmos o vetor v x y pela
t
denominaremos por v*
y*
inversa P −1, ou seja, vP −1 obtemos v*t x* y* . Por fim, a equação da cônica sem
os termos cruzados é dada por
A B
2 PP 1 x D x
x y PP 1 E PP 1 F 0,
B C y y
2
o que leva a
l 0 x* a b1 x*
x* y* 1 D E 1 F 0.
0 l2 y* a2 b2 y*
E a equação da cônica escrita nesse novo referencial torna mais fácil a sua identifi-
cação. A cônica representada por esta equação representa a mesma cônica dada pela
equação original, não houve deformações de nenhuma natureza e elas diferem apenas
por uma rotação ou reflexão. Ou seja, o que ocorre quando utilizamos a metodologia
dada é, na essência, uma mudança de base na qual a base original é girada ou refletida.
Você compreenderá bem melhor a partir do exemplo a seguir.
UNIDADE IX 277
6 EXEMPLO Identifique a cônica a seguir.
x2 xy y 2 3 0.
Resolução: primeiramente, escreva a equação dada no formado matricial. Fazendo

isso, você obterá
1 1
y 2 x 3 0.
x 1
1 y
2
O próximo passo é diagonalizar a matriz
1 1
M 2 .
1 1
2
3
Os autovalores dessa matriz são (você deve calculá-los como exercício!): l1 = e
1 2
l2 = . Com isso, a matriz diagonal é dada por:
2
3 0
2
D 1 .
0
2
Na equação da cônica dada neste exemplo não há termos lineares, sendo assim, não
há necessidade de se calcular a matriz diagonalizadora. Assim, a equação da cônica é:
3 2 1 2
x* y* 3 0,
2 2
x*2 y*2
3,
2 2
3
x*2 y*2
1.
2 2
3
Por essa equação, percebe-se que a cônica dada é uma elipse com semieixo maior
2 e semieixo menor 2 3 .
Entendeu? Tudo ficará ainda mais claro com o próximo exemplo.
278 As Cônicas
7 EXEMPLO Identifique a cônica dada pela equação xy = 1.
Resolução: assim como o exemplo anterior, o seu primeiro passo deve ser a realização
da escrita da equação dada na forma matricial. Fazendo isso, você obtém:
0 1
2 x
x y 1.
1 0 y
2
0 1
M 2 .
1 0
2
Os autovalores dessa matriz são (você deve calculá-los como exercício!):
1 1
l1 = e l2
2 2
Com isso, a matriz diagonal é dada por:
1 0
2
D 1 .
0
2
Na equação da cônica dada neste exemplo, não há termos lineares, sendo assim, não
há necessidade de se calcular a matriz diagonalizadora. Assim, a equação da cônica é:
1 2 1 2
x* y* 1,
2 2
x*2 y*2
1.
2 2
Por essa equação, percebe-se que a cônica dada é uma hipérbole com ambos se-
mieixos iguais 2 .
Agora que você já é um especialista nas cônicas, podemos retornar ao problema
introdutório da unidade, ou seja, no enigma proposto a Raul Garcia. Conforme foi
apresentado, a órbita do cometa Halley em torno do Sol era um elipse de excentrici-
dade 0,967 e o seu semieixo maior mede 18 UA.
UNIDADE IX 279
Com tais informações torna-se evidente que 2a = 36UA � . Como e = c / a, tem-se
que c = 17, 406UA
� . Sabendo que o Sol ocupa um dos focos da elipse e observando
a Figura 2, podemos dizer que o afélio é dado por a c 35, 406UA � e o periélio é
dado por a c 0, 594 UA
� . Para se ter uma ideia, uma unidade astronômica (UA)
é a distância média entre a Terra e o Sol, e vale aproximadamente 150 milhões de
quilômetros! Raul Garcia ficou muito impressionado, pois o cometa Halley passou,
guardadas as proporções astronômicas, bem próximo ao Sol. O próximo objetivo
de Raul é observar a nova passagem do cometa; na ocasião ele estará com 82 anos.
Podemos resumir as ideias apresentadas na última seção por meio do seguinte teorema.
1 TEOREMA Dada uma cônica definida pela equação
Ax2 B xy C y 2 D x Ey F 0
a qual, após a realização do procedimento de identificação pode ser escrita como
l1 x*2 l1 y*2 ax* by* F 0.
Ou ainda,
l1 x12 l2 y12 f 0,
a b 2 2
em que x1 x* , y1 y* e f F a b . l1 e l2 são os autovalores asso-
2l1 2l2 4l1 4l2
ciados à sua forma quadrática; neste caso, tem-se:

a) Se o produto l1 ⋅ l2 for positivo, ou seja, maior do que zero, a equação repre-
senta uma elipse ou suas degenerações (um ponto ou o vazio).
b) Se o produto l1 ⋅ l2 for negativo, ou seja, menor do que zero, a equação
representa uma hipérbole ou sua degeneração (par de retas concorrentes).
c) Se o produto l1 ⋅ l2 for nulo, ou seja, igual a zero, a equação representa uma
parábola ou suas degenerações (par de retas paralelas, uma reta ou o vazio).
280 As Cônicas
Você já sabe que a trajetória dos planetas do sistema solar em torno do sol é fechada e tem a forma
de uma elipse. Você também já entendeu o porquê de os faróis dos automóveis serem construídos
no formato parabólico. Agora, você sabe qual é o formato da sombra que a cúpula de um abajur
em formato de tronco de cone faz na parede? Se você chutou que a sombra tem o formato de uma
hipérbole, você acertou. Utilizando um pouco de álgebra, é possível demonstrar que a equação que
representa a sombra é da forma da equação de uma hipérbole. Essa é só mais uma curiosidade sobre
as cônicas. Quanto mais você ler, mais aplicações dessas curvas tão especiais serão encontradas.
UNIDADE IX 281
2
1. A equação 25 x 9 y 2 72 y 81 0 representa:
a) Uma elipse de equação

x 2 2 y 2 1.
52 32
b) Uma elipse de equação

x 2 y 4 2 1.
32 52
c) Uma hipérbole de equação

x 2 y 4 2 1.
32 52
d) Uma hipérbole de equação

x 2 y 4 2 1.
32 52
e) Um parábola de equação y4

x 2 ..
5
2. O eixo maior e o eixo menor da elipse 9 x2 4 y 2 18 x 16 y 11 0 valem,

respectivamente:
a) 6 e 4.
b) 5 e 4.
c) 9 e 4.
d) 2 e 1.
e) 25 e 9.
282
2
3. A equação 9 x 18 y 2 54 x 9 0 representa:
2 2
a) Uma elipse de equação
x 3 y
1.
10 5
b) Uma elipse de equação

x 2 y 3 2 1.
10 5
c) Uma hipérbole de equação

x 2 y 3 2 1.
10 5
d) Uma hipérbole de equação

x 3 2 y 2 1.
10 5
2
e) Um parábola de equação y3
x
..
10
4. O foco da parábola x 4 y 2 16 y 16 é:
a) F (1, - 2)
b) F 0, 2
1
c) F , 2
16
3 1
d) F ,
16 16
e) 1
F ,2
16
5. A equação 2 x2 y 2 4 xy 4 x 8 y 14 0 representa:
a) Uma circunferência.
b) Uma reta.
c) Uma hipérbole.
d) Uma parábola.
e) Uma elipse.
283
LIVRO
Geometria Analítica
Autor: Alfredo Steinbruch e Paulo Winterle
Editora: Pearson
Sinopse: um livro adequado a estudantes de engenharia que almejam adquirir
as competências sobre cálculo vetorial e geometria analítica.
Comentário: excelente livro, repleto de exemplos e aplicações. Recomenda-se
a leitura do capítulo sobre as cônicas.
284
SANTOS, F. J. dos; FERREIRA, S. F. Geometria Analítica. 1. ed. Porto Alegre: Editora Bookman, 2009.
285
1. A equação dada não está na forma reduzida. Sendo assim, como primeiro passo, você deve completar os
quadrados para escrevê-la na forma reduzida. Assim,
25 x2 9 y 2 72 y 81 0,
25 x2 9( y 2 8 y ) 81 0
Adicionando e subtraindo 16 no interior do parêntese, não alteramos o resultado da equação, mas obtemos
os quadrados perfeitos desejados. Veja:

25 x2 9 y 2 8 y 16 16 81 0,
25 x2 9 y 2

8 y 16 144 81 0,
2
25 x2 9 y 4 225.
Dividindo ambos os lados por 225 , obtém-se:
2
25 x2 9 y 4
1,
225 225
2
x2 y 4
1,
9 25
Com isso, fica fácil reconhecer o centro C 0, 4 e as medidas dos semieixos como a = 3 e b = 5.
Portanto, a alternativa correta é a B.
9 x2 4 y 2 18 x 16 y 11 0
9( x2 2 x) 4( y 2 4 y ) 11 0
Adicionando e subtraindo 1 no interior do primeiro parêntese e adicionando e subtraindo 4 no interior do se-
gundo parêntese, não alteramos o resultado da equação, mas obtemos os quadrados perfeitos desejados. Veja:

9( x2 2 x 1) 4 y 2 4 y 4 9 16 11 0,
2 2
9 x 1 4 y 2 36.
286
x 12 y 2 2 1,
4 9
Com isso, fica fácil reconhecer o centro C 1, 2 e as medidas dos semieixos como a = 2 e b = 3 .
Portanto, os eixos medem 4 e 6, respectivamente. A alternativa A é a correta.
9 x2 18 y 2 54 x 9 0,

9 x2 6 x 18 y 2 9 0
Adicionando e subtraindo 9 no interior do parêntese, não alteramos o resultado da equação, mas obtemos
os quadrados perfeitos desejados. Veja:

9 x2 6 x 9 9 18 y 2 9 81 0,
2
9 x 3 18 y 2 90 0
x 3 2 y2 1.
10 5
Portanto, a resposta correta é a alternativa D.
4. O primeiro passo é organizar os termos da equação dada e em seguida completar o quadrado.
x 4 y 2 16 y 16,
x 4( y 2 4 y 4),
2
x 4 y 2 ,
x
y 2 2 .
1/ 4
Comparando a última equação com x xo

y yo 2 , conclui-se que a parábola dada possui a reta diretriz
4p
paralela ao eixo x e possui o vértice no ponto V 0, 2 . Além disso, percebe-se que 4 p = 1 , ou seja, p = 1
. Como
4 16
287
o sinal é positivo, tem-se que o foco está à direita do vértice. Assim, para determinar as coordenadas do
vértice, utiliza-se o fato de que a reta diretriz é paralela ao eixo x , neste caso o vértice e o foco possuem a
mesma ordenada. Além disso, como o foco está à direita do vértice e a distância entre eles é 1 , a abcissa
16
1 1 1
do foco é dada por 0 . Assim, o foco é dado por F , 2 . A alternativa correta é a E.
16 16 16
5. Perceba que a equação dada nesta questão possui o termo cruzado xy . Neste caso, a resolução é mais sim-
ples se utilizarmos o processo de diagonalização da equação. Utilizaremos a metodologia dada na seção 2.
2 x2 4 xy y 2 4 x 8 y 14 0.
Resolução: primeiramente, escreva a equação dada no formado matricial. Fazendo isso, você obterá
2 2 x x
x y 4 8 14 0.
2 1 y y
2 2
M .
2 1
2 1
Os autovalores e os autovetores dessa matriz são l1 = 3 , l2 2 e v1 , v2 2 . Com isso, a matriz
diagonal e a matriz diagonalizadora são dadas por: 1
3 0 2 1
D � � e P
0 2 1 2
Assim, a equação da cônica é:
3 x*2 2 y*2 20 y* 14 0.
Completando os quadrado obtém-se:
2
3 x*2 2 y* 5
1,
36 36
2
x2 y 5
* * 1.
12 18
Por essa equação, percebe-se que a cônica dada é uma hipérbole. A alternativa correta é a letra C.
288
289
290
291
292
293
294
CONCLUSÃO
Com a finalização do conteúdo programático da disciplina Geometria

Analítica e Álgebra Linear, esperamos que você tenha aprendido bastante
e assimilado da melhor forma os conteúdos apresentados. Certamente,
o seu alicerce matemático foi aprimorado, de forma que você se tornou
apto a conhecer novas aplicações. Vamos fazer uma breve recapitulação
do conteúdo que foi estudado. Na Unidade 1, você estudou sobre matrizes
e com isso percebeu a infinidade de assuntos em que o cálculo matricial é
fundamental, inclusive no restante dos conteúdos da disciplina. Na Uni-
dade 2, o objetivo foi o estudo de determinantes, matriz inversa e sistemas
lineares. Você notou que o determinante é a atribuição de um número real
a uma dada matriz quadrada. O determinante tem diversas aplicações,
dentre eles a resolução de sistemas lineares e o cálculo da matriz inversa.
Como exemplo da matriz inversa, você estudou o interessante exemplo
de criptografia. Nas Unidades 3 e 4, o objeto de estudo foi geometria ana-
lítica no plano e no espaço, sendo na Unidade 4 discutidos os dois tipos
de produtos entre vetores e suas aplicações. Na Unidade 5, você estudou
as retas e os planos no espaço. A Unidade 6 foi a mais abstrata de todas,
porém de extrema relevância, pois nela foi estudado sobre espaços vetoriais
e teoremas muito importantes da álgebra linear. Na Unidade 7, o assunto
CONCLUSÃO
discutido foram as transformações lineares, no qual além de importantes

definições e teoremas, você estudou as aplicações de tais transformações na
computação gráfica. A Unidade 8 foi destinada aos autovalores e autove-
tores, bem como às duas aplicações. Por fim, na Unidade 9 você aprendeu
a identificar as cônicas e suas propriedades. Gostaríamos de recordá-lo
que os conteúdos apresentados nesta disciplina são fundamentais para a
compreensão das diversas disciplinas do curso de Engenharia, por isso é
sempre recomendado revisá-los sempre que possível. Além disso, lembre-se
que o fechamento da disciplina não encerra o aprendizado sobre ela; sendo
assim, recomendamos que sempre que possível você procure pesquise em
outras fontes bibliográficas, por exemplo, nas referências citadas ao longo
das unidades, os aprofundamentos dos temas abordados na disciplina.
Por fim, esperamos que o material tenha o auxiliado no aprendizado dos
conteúdos apresentados.

Geometria Analítica e Álgebra Linear em

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Geometria Analítica e Álgebra Linear em

Caricato da

Copyright:

Formati disponibili

Geometria

Coordenador de Conteúdo Fábio Augusto Gentilin e

Em um mundo global e dinâmico, nós trabalha-

No decorrer do estudo desta disciplina, você se deparará com um universo

Dr. Ronni Geraldo Gomes de Amorim

Dr. Ricardo Ramos Fragelli

Dr. Vinícius de Carvalho Rispoli

Classificação das Matrizes

Definição de Matriz Cálculo Matricial

Prezado(a) aluno(a)! Nesta unidade, você estuda-

Você está seguindo rigorosamente o programa de treinamento proposto e pratica

Tabela 2 - Tempo diário gasto em cada atividade

Dia Corrida a 12 km/h Spinning Treinamento Natação

 a11 a12 … a1n 

em que 1 < i < m e 1 < j < n .

A ordem da matriz B é 3 × 3 pois ela possui 3 linhas e 3 colunas. Em particular, b13 = 2

Tabela 3 - Massa e diâmetro das esferas

Massa (kg) Diâmetro (cm)

Perceba que as informações contidas na Tabela 1 podem ser colocadas na matriz C

Enquanto a Tabela 2 pode ser representada pela matriz B � 5 X 4 dada por

1 EXEMPLO Determine os valores de x e y de forma que as matrizes A e B sejam iguais.

As matrizes podem ser classificadas de acordo

Note que a matriz B é de ordem 3 × 3 e a matriz A é

C) Matriz Linha e Matriz Coluna

As matrizes colunas serão importantes na representação de vetores, conforme você

A matriz I 2 é a matriz identidade de ordem 2 e a matriz I 3 é a matriz identidade de ordem 3.

F) Matriz Triangular Superior

G) Matriz Triangular Inferior

Nesta seção, você aprenderá as principais opera-

Você sabe em quais condições podemos somar

Resolução: temos que

Propriedades da Adição de Matrizes

Verifique você mesmo as propriedades da adição para as matrizes A e B abaixo.

1 DESAFIO Agora vai um desafio para você!

Outra importante operação no cálculo matricial é a multiplicação de uma matriz

3 EXEMPLO Seja a matriz

Observando a definição, percebemos que na multiplicação matricial, o elemento ij

4 EXEMPLO Sejam as matrizes

calcule o produto C = BA.

Dessa forma, temos que

como queríamos demonstrar.

2 DESAFIO Dada a matriz

desafio você a encontrar uma matriz B tal que AB = I 2.

Agora já estamos em condições de retornar ao problema introdutório da unidade.

A matriz transposta é um ingrediente fundamental do cálculo matricial, conforme

5.1 EXEMPLO Seja a matriz

5.2 EXEMPLO Determine a transposta da matriz coluna

Em seguida, calcule o produto vt v .

Perceba que o resultado do produto vt v é um número real positivo.

Propriedades da Transposição de Matrizes

Terminamos o conteúdo dessa unidade. Agora é a sua vez de colocá-lo em prática.

Aluno(a), antes de realizar cálculos envolvendo matrizes lembre-se sempre que só é

(Você pode utilizar seu diário de bordo para a resolução.)

Os valores de x e y tais que a matriz A seja igual à matriz B são:

4. Denominamos de comutador das matrizes A e B a operação [ A, B] = AB − BA.

Calcule[ S1 , S2 ]. As matrizes S1 e S2 comutam?

Álgebra Linear com aplicações

FRANCO, N. M. B. Álgebra Linear. 1. ed. São Paulo: Editora Pearson, 2016.

LIMA, E. L. Álgebra Linear. 9. ed. Rio de Janeiro: Editora SBM, 2016.

Na sequência calculamos Ct e multiplicamos o resultado por 3, o que leva a

Portanto, a alternativa correta é a letra E.

Dessa forma, chegamos a

A seguir, apresentamos as respostas dos desafios.

a11 a12 … a1n

detA = (1)0 a11a22 (1)1 a12 a21 = a11a22 a12 a21 .

Neste caso, teremos: detA = 1 (3) (1) 2 = 3 2 = 1

a11 a12 a13

detB = (1 (2) (1) (3) 7 3 2 5 0) (2 (2) 3 1 7 0 (3) 5 (1)

detB = (2 63 0) (12 0 15) = 64.

Dij = (1)i j detAij .

D12 = (1) (26) = 26.

detA = 3 (17) 0 3 (1) 13 = 51 13 = 64

Seja então, AA1 I n. Calculando o determinante de ambos os lados da equação, obtemos