Reginaldosantos PDF

UM CURSO DE
GEOMETRIA ANALITICA E ALGEBRA

LINEAR
Reginaldo J. Santos
Departamento de Matematica-ICEx
Universidade Federal de Minas Gerais
http://www.mat.ufmg.br/regi
Julho 2009

Um Curso de Geometria Analtica e Algebra
Linear
c 2009 by Reginaldo de Jesus Santos (091118)
Copyright
desta publicacao,
ou parte dela, por qualquer meio, sem a previa
E proibida a reproducao
por escrito, do autor.
autorizacao,
Supervisor de Producao,
Capa e Ilustracoes:
Editor, Coordenador de Revisao,

Reginaldo J. Santos
ISBN 85-7470-006-1
Ficha Catalografica
S237u
Santos, Reginaldo J.

Linear / Reginaldo J. Santos
- Belo Horizonte: Imprensa Universitaria

da UFMG, 2009.
1. Algebra
Linear
2. Geometria Analtica
CDD:
I. Ttulo
512.5
516.3
Conteudo
Prefacio
vii
1 Matrizes e Sistemas Lineares

1.1 Matrizes . . . . . . . . . . . . . . . . . . . .
com Matrizes . . . . . . . .
1.1.1 Operacoes
1.1.2 Propriedades da Algebra

Matricial . . .
Cadeias de Markov . . . . .
1.1.3 Aplicacao:
de Somatorio
Apendice
I: Notacao
. . . . . . .
Lineares . . . . . . . .
1.2 Sistemas de Equacoes
1.2.1 Metodo
de Gauss-Jordan . . . . . . . .
1.2.2 Matrizes Equivalentes por Linhas . . .
1.2.3 Sistemas Lineares Homogeneos

. . . .
1.2.4 Matrizes Elementares (opcional) . . . .
1
1
3
9
15
32
34
38
49
51
55
iii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
iv
Conteudo
de Matrizes e Determinantes
2 Inversao
2.1 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . .
2.1.1 Propriedades da Inversa . . . . . . . . . . . . . .
(opcional) . . . .
2.1.2 Matrizes Elementares e Inversao
de Matrizes . . . . . . . . .
2.1.3 Metodo
para Inversao
Interpolacao
Polinomial . . . . . . . . .
2.1.4 Aplicacao:
Criptografia . . . . . . . . . . . . . . .
2.1.5 Aplicacao:
2.2 Determinantes . . . . . . . . . . . . . . . . . . . . . . .
2.2.1 Propriedades do Determinante . . . . . . . . . . .
2.2.2 Matrizes Elementares e o Determinante (opcional)
do Teorema 2.11 . . . . . . .
Apendice
II: Demonstracao
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
75
75
77
80
83
94
96
105
111
126
133
3 Vetores no Plano e no Espaco

por Escalar . . . . . .
3.1 Soma de Vetores e Multiplicacao
3.2 Produtos de Vetores . . . . . . . . . . . . . . . . . . .
3.2.1 Norma e Produto Escalar . . . . . . . . . . . . .
Ortogonal . . . . . . . . . . . . . . . .
3.2.2 Projecao
3.2.3 Produto Vetorial . . . . . . . . . . . . . . . . . .
3.2.4 Produto Misto . . . . . . . . . . . . . . . . . . .
do item (e) do Teorema 3.5

Apendice
III: Demonstracao
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
139
141
170
170
179
182
193
210
4 Retas e Planos
de Retas e Planos
4.1 Equacoes
do Plano . .
4.1.1 Equacoes
da Reta . .
4.1.2 Equacoes
4.2 Angulos
e Distancias
. . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
213
213
213
228
250
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

Linear
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Julho 2009
Conteudo
4.2.1 Angulos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.2 Distancias
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
250
256
5 Espacos
5.1 Independencia
Linear . . . . . . . . . . . . . . . . . . . . .
5.1.1 Os Espacos . . . . . . . . . . . . . . . . . . . . .
Linear . . . . . . . . . . . . . . . . . . .
5.1.2 Combinacao
5.1.3 Independencia
Linear . . . . . . . . . . . . . . . . . .
Relativas de Retas e Planos . . . . . . . . .
5.1.4 Posicoes
5.2 Subespacos, Base e Dimensao

. . . . . . . . . . . . . . . .
Apendice
IV: Outros Resultados . . . . . . . . . . . . . . . .
5.3 Produto Escalar em . . . . . . . . . . . . . . . . . . . .
5.3.1 Produto Interno . . . . . . . . . . . . . . . . . . . . .
5.3.2 Bases Ortogonais e Ortonormais . . . . . . . . . . .
5.4 Mudanca de Coordenadas . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
5.4.1 Rotacao
5.4.2 Translacao
. . . . . . . . . . . . . . . . . . . . . . .
Computacao
Grafica
Ortografica
5.4.3 Aplicacao:
- Projecao
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
278
278
278
283
289
299
308
333
341
341
351
359
365
367
370
6 Diagonalizacao
de Matrizes . . . . . .
6.1 Diagonalizacao
. . . . . . . . . . . .
6.1.1 Motivacao
6.1.2 Autovalores e Autovetores . . .
. . . . . . . . .
6.1.3 Diagonalizacao
de Matrizes Simetricas
6.2 Diagonalizacao
. . . . . . . . . . . .
6.2.1 Motivacao
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
382
382
382
385
394
414
414
Julho 2009
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Reginaldo J. Santos
vi
Conteudo
6.2.2 Matrizes Ortogonais . . . .
Apendice
V: Autovalores Complexos
Identificacao
de Conicas
6.3 Aplicacao:
6.3.1 Elipse . . . . . . . . . . . .
6.3.2 Hiperbole
. . . . . . . . . .
6.3.3 Parabola
. . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
417
428
432
432
439
446
Respostas dos Exerccios
474
Bibliografia
656
Indice Alfabetico
661

Linear
Julho 2009

Prefacio
Este texto cobre o material para um curso de um semestre de Geometria Analtica e Algebra
Linear
ministrado nos primeiros semestres para estudantes da area

de Ciencias
Exatas. O texto pode, mas
e necessario,
nao
ser acompanhado de um programa como o M ATLAB , SciLab ou o Maxima.
O conteudo
e dividido em seis captulos. O Captulo 1 trata das matrizes e sistemas lineares. Aqui
demonstradas. A resolucao
de sistemas lineares e
todas as propriedades da algebra
matricial sao
feita usando somente o metodo

de Gauss-Jordan (transformando a matriz ate que ela esteja na forma
escalonada reduzida). Este metodo

requer mais trabalho do que o metodo
de Gauss (transformando a
e usado
matriz, apenas, ate que ela esteja na forma escalonada). Ele foi o escolhido, por que tambem
de matrizes no Captulo 2. Neste Captulo e tambem
estudado o determinante,
no estudo da inversao
que e definido usando cofatores. As demonstracoes

dos resultados deste captulo podem ser, a
criterio
do leitor, feitas somente para matrizes 3 3.
definidos de forma geometrica,
O Captulo 3 trata de vetores no plano e no espaco. Os vetores sao

por escalar. Sao
provadas algumas propriedades geometricaassim como a soma e a multiplicacao
M ATLAB e marca registrada de The Mathworks, Inc.
vii
viii
Conteudo
introduzidos sistemas de coordenadas de forma natural sem a necessidade da

mente. Depois sao
de base. Os produtos escalar e vetorial sao
definidos tambem
geometricamente. O Captulo
definicao
estudados angulos
4 trata de retas e planos no espaco. Sao

e distancias
entre retas e planos.
O Captulo 5 cobre a teoria dos espacos euclidianos. O conceito de dependencia

e independencia
geometrica
linear e introduzido de forma algebrica,

acompanhado da interpretacao
para os casos de
estudadas as posicoes
relativas de retas e planos como uma aplicacao
do conceito
2 e 3 . Aqui sao
de dependencia linear. Sao tambem tratados os conceitos de geradores e de base de subespacos.

abordados tambem
o produto escalar e bases ortonormais. O Captulo e terminado com mudanca
Sao
de coordenadas preparando para o Captulo de diagonalizacao.

de matrizes em geral e diagonalizacao
de matrizes
O Captulo 6 traz um estudo da diagonalizacao
de um matriz ortogonal. E feita uma aplicacao

ao estudo das secoes
conicas.
simetricas
atraves
agrupados em tres
classes. Os Exerccios Numericos,
Os exerccios estao
que contem
resolvidos fazendo calculos,
exerccios que sao

que podem ser realizados sem a ajuda de um com
exerccios que requeputador ou de uma maquina

de calcular. Os Exerccios Teoricos,
que contem
simples, outros sao

mais complexos. Os mais difceis complemenrem demonstracoes.
Alguns sao
acompanhados de sugestoes.
tam a teoria e geralmente sao

Os Exerccios usando o M ATLAB ,
exerccios para serem resolvidos usando o M ATLAB ou outro software. Os comandos
que contem
destes exerccios sao

tambem
fornecidos juntamente com uma explicacao
necessarios
a resolucao
imprescindveis, enquanto a resolucao

dos outros, derapida
do uso. Os exerccios numericos
sao
pende do nvel e dos objetivos pretendidos para o curso.
com matrizes (M ATLAB = MATrix LABoO M ATLAB e um software destinado a fazer calculos
muito proximos
ratory). Os comandos do M ATLAB sao

da forma como escrevemos expressoes
` funcoes
algebricas,
tornando mais simples o seu uso. Podem ser incorporados as
pre-definidas,
que sao
direci para tarefas especficas. Um pacote chamado gaal com funcoes
pacotes de funcoes
onadas para o estudo de Geometria Analtica e Algebra

Linear pode ser obtido na web na pagina
do

Linear
Julho 2009

Prefacio
ix
ao M ATLAB e instrucoes
de como instalar o pacote
autor, assim como um texto com uma introducao
e um software gratuito, embora antes a versao

estudante vinha gratis
ao se
gaal. O M ATLAB nao
faz calculo
comprar o guia do usuario.

Atualmente o SciLab e uma alternativa gratuita, mas que nao
algebrica
simbolico.
O Maxima e um programa de computacao
gratuito. Ambos podem ser usados
como ferramenta auxiliar na aprendizagem de Geometria Analtica e Algebra

Linear. Na pagina
do
para estes programas alem
de links para as
autor na web podem ser encontrados pacotes de funcoes
paginas
do SciLab e do Maxima e varias
paginas
interativas que podem auxiliar na aprendizagem.
No fim de cada captulo temos um Teste do Captulo para que o aluno possa avaliar os seus
resolvidos apos
conhecimentos. Os Exerccios Numericos

e os Exerccios usando o M ATLAB estao
estiver interessado em usar o

o ultimo
captulo utilizando o M ATLAB . Desta forma o leitor que nao
software pode obter apenas as respostas dos exerccios, enquanto aquele que tiver algum interesse,
pode ficar sabendo como os exerccios poderiam ser resolvidos fazendo uso do M ATLAB e do pacote
gaal.
Gostaria de agradecer aos professores que colaboraram apresentando correcoes,

crticas e su
gestoes,
entre eles Joana Darc A. S. da Cruz, Francisco Dutenhefner, Jorge Sabatucci, Seme Gebara,
Alexandre Washington, Vivaldo R. Filho, Hamilton P. Bueno, Paulo A. F. Machado, Helder C. Rodrigues, Nikolai A. Goussevskii, Israel Vainsencher, Leopoldo G. Fernandes, Rodney J. Biezuner, Wilson
D. Barbosa, Flaviana A. Ribeiro, Cristina Marques, Rogerio

S. Mol, Denise Burgarelli, Paulo C. de
Lima, Jose Barbosa Gomes, Francisco Satuf, Viktor Beckkert, Moacir G. dos Anjos, Daniel C. de
Morais Filho, Michel Spira, Dan Avritzer, Maria Laura M. Gomes, Armando Neves, Maria Cristina C.
Ferreira e Kennedy Pedroso.
Historico
Julho 2009
Reginaldo J. Santos
Prefacio
Julho 2009 Algumas correcoes.

Varias
figuras foram refeitas.
Julho 2007 Algumas correcoes.

As respostas de alguns exerccios foram reescritas.
Marco 2007 Varias

figuras foram refeitas e outras acrescentadas. Foram reescritos o Exemplo 3.12 e
3.10. Na secao
5.2 um exemplo foi reescrito e acrescentado mais um. Os Exemplos
o Corolario
5.4 de
5.25 e 5.26 foram reescritos, saram do apendice
e voltaram ao texto normal. A secao
a` computacao
grafica.
Mudanca de Coordenadas foi reescrita e acrescentada uma aplicacao

de Matrizes, um na de Inversao
de Matrizes, um
Foram acrescentados dois exerccios na secao
de Determinantes, dois na de Produto de Vetores, um na de Subespacos, um na de
na secao
na de Mudanca de Coordenadas, quatro na de Diagonalizacao
e
Produto Escalar em , tres
de Matrizes Simetricas.
um na de Diagonalizacao
Foram corrigidos alguns erros.
3.2 Produtos de Vetores

122. A secao
Julho 2006 Foi acrescentado o Exemplo 2.16 na pagina
4.2. O Captulo 5 foi reescrito. Foram
foi reescrita. Foi acrescentado um exerccio na secao
corrigidos alguns erros.
1.1 de Matrizes e a Secao
2.2 de Determinantes foram reescritas. Na secao
1.2
Marco 2006 A Secao
o Teorema 1.4 voltou a ser que toda matriz e equivalente por linhas a uma unica
matriz na forma
escalonada reduzida. Foram acrescentados varios

exerccios aos Captulos 3 e 4. O Captulo
Aplicacao
a` Conicas.
5 foi reescrito. Foram acrescentados exerccios teoricos

a` secao
a` criptografia (Exemplo na pagina
Julho 2004 Foram acrescentadas aplicacoes

96) e a cadeias de
Markov (Exemplos 1.9 na pagina 16, 1.16 na pagina 53 e 6.8 na pagina 402). Foi acrescentado
1.1. O Teorema 1.4 agora contem
as propriedades da relacao
ser
um exerccio na secao
equivalente por linhas com a demonstracao.

O que antes era Exemplo 1.14 passou para o
lugar do Exemplo 1.10. O Exemplo 2.5 foi modificado. No Captulo 3 foram acrescentados 2

Linear
Julho 2009

Prefacio
xi
3.1, 1 exerccio na secao

3.2. No Captulo 4 a secao
4.1 foi reescrita e
exerccios na secao
foram acrescentados 2 exerccios. O Captulo 5 foi reescrito. Foi includa no Apendice

III da
5.2. a demonstracao
de que a forma escalonada reduzida de uma matriz e unica.
secao
A
Diagonalizacao
de Matrizes ganhou mais um exerccio teorico.
secao
Determinantes (Exemplo 2.20). A
Setembro 2003 Foi acrescentada a regra de Cramer na secao
Subespacos, Base e Dimensao
foi reescrita. Foi acrescentado um apendice
secao
a esta
com Outros resultados. A Proposicao

5.15 da secao
Produto Escalar em foi resecao
Diagonalizacao
de Matrizes ganhou mais dois exerccios teoricos.
escrita. A secao
A secao
Diagonalizacao
ganhou um apendice
sobre Autovalores Complexos.
Subespacos, Base
Novembro 2002 Varias
correcoes
incluindo respostas de exerccios. A secao
ganhou mais um exemplo e um exerccio. A secao
Diagonalizacao
de Matrizes
e Dimensao
Simetricas
ganhou mais um exemplo.
completa no texto. Novos exerccios nas secoes
Matrizes e Sistemas Lineares.
Julho 2001 Revisao
tornaram-se uma so.

A secao
Mudanca de
As secoes
Subespacos e Base e Dimensao
Coordenadas passou do Captulo 6 para o Captulo 5.
Julho 2000 Criado a partir do texto Geometria Analtica e Algebra

Linear para ser usado numa
disciplina de Geometria Analtica e Algebra

Linear.
de Cronograma
Sugestao
Julho 2009
Reginaldo J. Santos

Prefacio
xii
Captulo 1
8 aulas
Captulo 2
8 aulas
Captulo 3
8 aulas
Captulo 4
8 aulas
Captulo 5
16 (12) aulas
Captulo 6
12 aulas
Total

Linear
60 (56) aulas
Julho 2009
Captulo 1
Matrizes e Sistemas Lineares
1.1
Matrizes
Uma matriz , ( por ), e uma tabela de numeros

dispostos em linhas e colunas
A -esima
linha de e
11 12
21 22
= ..
.
1 2
[
1 2 . . .
1
1
2
.. .
.
...
...
...
...
para = 1, . . . , e a -esima
coluna de e
1
2
.. ,
.
a notacao
= ( ) . Dizemos que ou [] e o elemento
para = 1, . . . , . Usamos tambem
, da matriz .
ou a entrada de posicao
Se = , dizemos que e uma matriz quadrada de ordem e os elementos 11 , 22 , . . . ,
formam a diagonal (principal) de .
Exemplo 1.1. Considere as seguintes matrizes:
1 2
3 4
1 3 2
[
,
2 1
0 3
1 3
0
2 4 2
1
[ ]
= 4 e = 3 .
3
2 2. A matriz e 2 3, e 1 3, e 3 1 e e 1 1. De acordo
As matrizes e sao
que introduzimos, exemplos de elementos de algumas das matrizes dadas acima sao
com a notacao
12 = 2, 23 = 2, 21 = 4, []22 = 4, []12 = 3.
Uma matriz que so possui uma linha e chamada matriz linha, e uma matriz que so possui uma
coluna e chamada matriz coluna, No Exemplo 1.1 a matriz e uma matriz linha e a matriz e uma

Linear
Julho 2009
1.1
Matrizes
chamadas de vetores. O motivo ficara claro na

matriz coluna. Matrizes linha e matrizes coluna sao
5.1 na pagina
Secao
278.
iguais se elas tem
o mesmo tamanho e os elementos corresponDizemos que duas matrizes sao
iguais, ou seja, = ( ) e = ( ) sao
iguais se = , = e =
dentes sao
para = 1, . . . , e = 1, . . . , .
` operacoes
Vamos definir operacoes

matriciais analogas
as
com numeros
e provar propriedades
validas
lineares
que sao
para essas operacoes.
Veremos, mais tarde, que um sistema de equacoes
matricial.
pode ser escrito em termos de uma unica
equacao
matriciais.
Vamos, agora, introduzir as operacoes
1.1.1 Operacoes
com Matrizes
1.1. A soma de duas matrizes de mesmo tamanho = ( ) e = ( ) e

Definicao
definida como sendo a matriz
=+
obtida somando-se os elementos correspondentes de e , ou seja,
= + ,
[ + ] = + .
para = 1, . . . , e = 1, . . . , . Escrevemos tambem
Julho 2009
Reginaldo J. Santos
Exemplo 1.2. Considere as matrizes:
1
3
2 3
4
0
2
0
1
5
3 4
Se chamamos de a soma das duas matrizes e , entao
=+ =
1 + (2) 2 + 1 3 + 5
3+0
4 + 3 0 + (4)
1
3
3
2
7 4
1.2. A multiplicacao
de uma matriz = ( ) por um escalar (numero)
Definicao
e definida
pela matriz
obtida multiplicando-se cada elemento da matriz pelo escalar , ou seja,
= ,
[] = . Dizemos que a matriz e
um multiplo
escalar da matriz .

Linear
Julho 2009
1.1
Matrizes
2
1
3 pelo escalar 3 e dado por
Exemplo 1.3. O produto da matriz = 0
5 4

6 3
(3)(2) (3) 1
0 9 .
(3) 3 =
3 = (3) 0
15 12
(3) 5 (3)(4)
1.3. O produto de duas matrizes, tais que o numero

Definicao
de colunas da primeira matriz e

igual ao numero
de linhas da segunda, = ( ) e = ( ) e definido pela matriz
=
obtida da seguinte forma:
= 1 1 + 2 2 + . . . + ,
(1.1)
[] = 1 1 + 2 2 + . . . + .
(1.1) esta dizendo que o elemento , do produto e igual a` soma dos produtos dos
A equacao
elementos da -esima
linha de pelos elementos correspondentes da -esima
coluna de .
Julho 2009
Reginaldo J. Santos
11
...
...
..
.
1
..
.
11 12 . . .
..
.
1 2
..
.
1 2
1
..
.
...
...
..
.
...
...
11
21
.
..
...
...
...
...
1
2
..
.
1
2
..
.
...
...
...
...
(1.1) pode ser escrita de forma compacta usando a notacao

de somatorio.
A equacao
[] = 1 1 + 2 2 + . . . + =
=1
de variando de 1 a de . O smbolo
e dizemos somatorio
significa que estamos fazendo
=1
uma soma em que o ndice esta variando de = 1 ate = . Algumas propriedades da notacao
explicadas no Apendice
de somatorio
estao
I na pagina
32.
Exemplo 1.4. Considere as matrizes:
1
3
2 3
4
0
2
1
3
= 0
5 4

Linear
0
0 .
0
Julho 2009
1.1
Matrizes
Se chamamos de o produto das duas matrizes e , entao
= =
1 (2) + 2 0 + (3) 5 1 1 + 2 3 + (3) (4) 0

3 (2) + 4 0 + 0 5
3 1 + 4 3 + 0 (4)
0
17
6
19
15
0
0
esta definido (por que?). Entretanto, mesmo
Observacao.
No exemplo anterior o produto nao
ser igual a , ou seja, o produto de matrizes nao
e comuquando ele esta definido, pode nao
tativo, como mostra o exemplo seguinte.
Exemplo 1.5. Sejam =
1 2
3 4
e =
2 7
6 15
]
2 1
. Entao,
0 3
]
e =
1 0
9 12
Vamos ver no proximo

exemplo como as matrizes podem ser usadas para descrever quantitativa
mente um processo de producao.
produtos, X, Y e Z, utilizando dois tipos de insumo, A e B.

Exemplo 1.6. Uma industria
produz tres
utilizados 1 grama do insumo A e 2 gramas do insumo B;

Para a manufatura de cada kg de X sao
para cada kg de Y, 1 grama de insumo A e 1 grama de insumo B e, para cada kg de Z, 1 grama de
Julho 2009
Reginaldo J. Santos
A e 4 gramas de B. Usando matrizes podemos determinar quantos gramas dos insumos A e B sao
de kg do produto X, kg do produto Y e kg do produto Z.

necessarios
na producao
gramas de A/kg
gramas de B/kg
[X Y Z]
1 1 1
=
2 1 4
++
2 + + 4
kg de X produzidos
kg de Y produzidos
kg de Z produzidos
gramas de A usados
gramas de B usados
1.4. A transposta de uma matriz = ( ) e definida pela matriz

Definicao
=
obtida trocando-se as linhas com as colunas, ou seja,
= ,
[ ] = .

Linear
Julho 2009
1.1
Matrizes
Exemplo 1.7. As transpostas das matrizes
]
1 3
0
=
, =
e =
sao
2 4 2
[
]
[
]
1
2
1 3
2 0
4 .
=
, =
e = 3
2 4
1 3
0 2
1 2
3 4
2 1
0 3
validas
A seguir, mostraremos as propriedades que sao

para a algebra
matricial. Varias
proprie semelhantes aquelas
`
validas
dades sao
que sao
para os numeros
reais, mas deve-se tomar cuidado
e
com as diferencas. Uma propriedade importante que e valida
para os numeros
reais, mas nao
valida
para as matrizes e a comutatividade do produto, como foi mostrado no Exemplo 1.5. Por ser
de somatorio
de varias
compacta, usaremos a notacao

na demonstracao
propriedades. Algumas
estao
explicadas no Apendice
propriedades desta notacao

I na pagina
32.
1.1.2 Propriedades da Algebra

Matricial
validas
Teorema 1.1. Sejam , e matrizes com tamanhos apropriados, e escalares. Sao

as
matriciais:
seguintes propriedades para as operacoes
(a) (comutatividade) + = + ;
(b) (associatividade) + ( + ) = ( + ) + ;
Julho 2009
Reginaldo J. Santos
10
0, , definida por [0] = 0, para = 1, . . . , , = 1, . . . , e

(c) (elemento neutro) A matriz
tal que
+ 0 = ,
0 e chamada matriz nula .
para toda matriz , . A matriz
(d) (elemento simetrico)

Para cada matriz , existe uma unica
matriz , definida por [] =
tal que
+ () = 0.
(e) (associatividade) () = ();

(f) (distributividade) ( + ) = + ;
(g) (distributividade) ( + ) = + ;
(h) (associatividade) () = () ;
(i) (elemento neutro) Para cada inteiro positivo a matriz, ,
1 0 ...
0 1 ...
= ..
..
.
.
0 0 ...
chamada matriz identidade e tal que
= = ,
0
0
.. ,
.
1
para toda matriz = ( ) .

Linear
Julho 2009
1.1
Matrizes
11
(j) (distributividade) ( + ) = + e ( + ) = + ;
(k) () = () = ();
(l) ( ) = ;
(m) ( + ) = + ;
(n) () = ;
(o) () = ;
Demonstracao.
Para provar as igualdades acima, devemos mostrar que os elementos da matriz do
iguais aos elementos correspondentes da matriz do lado direito. Serao
usadas
lado esquerdo sao
varias
propriedades dos numeros
sem cita-las
explicitamente.
(a) [ + ] = + = + = [ + ] ;
(b) [ + ( + )] = + [ + ] = + ( + ) = ( + ) + = [ + ] + =
[( + ) + ] ;
(c) Seja uma matriz tal que
+ =
(1.2)
para qualquer matriz A, . Comparando os elementos correspondentes, temos que
+ = ,
ou seja, = 0, para = 1 . . . , e = 1 . . . , . Portanto, a unica
matriz que satisfaz (1.2) e
iguais a zero. Denotamos a matriz por

0.
a matriz em que todos os seus elementos sao
Julho 2009
Reginaldo J. Santos
12
(d) Dada uma matriz , , seja uma matriz , tal que
+ = 0 .
(1.3)
Comparando os elementos correspondentes, temos que
+ = 0 ,
ou seja, = , para = 1 . . . , e = 1 . . . , . Portanto, a unica
matriz que satisfaz
iguais aos simetricos
(1.3) e a matriz em que todos os seus elementos sao

dos elementos de
. Denotamos a matriz por .
(e) [()] = [] = ( ) = () = [()] .
(f) [( + )] = ( + ) = ( ) + ( ) = [] + [] = [ + ] .
(g)
[( + )] = [ + ] = ( + ) = + = [] + []
= [ + ] .
deste item e a mais trabalhosa. Sejam , e matrizes , e

(h) A demonstracao
de somatorio
respectivamente. A notacao
aqui pode ser muito util,
pelo fato de ser compacta.
[()] =
[] =
=1
=1
=1 =1
=1
) =
( ) =
=1 =1
( ) =
( ) =
(
) =
=1 =1
=1 =1
[] = [()] .
=1

Linear
Julho 2009
1.1
Matrizes
13
(i) Podemos escrever a matriz identidade em termos do delta de Kronecker que e definido por
1,
0,
se =
se =
como [ ] = . Assim,
[ ] =
[ ] =
=1
A outra igualdade e analoga.

(j)
[( + )] =
[ + ] =
=1
=1
= .
=1
( + ) =
=1
( + ) =
=1
= [] + [] = [ + ] .
=1
A outra igualdade e inteiramente analoga

a anterior e deixamos como exerccio.
(k) [()] =
=1
[()] =
( ) = [()] e
=1
=1
( ) = [()] .
=1
(l) [( ) ] = [ ] = .
(m) [( + ) ] = [ + ] = + = [ ] + [ ] .
Julho 2009
Reginaldo J. Santos
14
(n) [() ] = [] = = [ ] = [ ] .
(o) [() ] = [] =
=1
=1
[ ] [ ] = [ ] .
[ ] [ ] =
=1
A diferenca entre duas matrizes de mesmo tamanho e e definida por
= + (),
ou seja, e a soma da matriz com a simetrica

da matriz .
Sejam uma matriz e um inteiro positivo. Definimos a potencia

de , por =
. . }.
| .{z
vezes
E para = 0, definimos 0 = .
Exemplo 1.8. Vamos verificar se para matrizes e , quadradas, vale a igualdade
( + )( ) = 2 2 .
(1.4)
Usando a propriedade (i) do teorema anterior obtemos
( + )( ) = ( + ) + ( + )()
= + = 2 + 2
Assim, ( + )( ) = 2 2 se, e somente se, = 0, ou seja, se, e somente se,
e comutativo, a conclusao
e que a igualdade (1.4), nao
= . Como o produto de matrizes nao

Linear
Julho 2009
1.1
Matrizes
15
comutem
vale para matrizes em geral. Como contra-exemplo basta tomarmos duas matrizes que nao
entre si. Sejam
]
]
[
[
0 0
1 1
e =
1 0
1 0
Para estas matrizes
+ =
1 0
2 1
1 0
0 1
Assim,
( + )( ) =
1 0
2 1
==
1 0
0 1
0 0
1 1
]
==
1 0
1 0
= 2 2 .
Cadeias de Markov
1.1.3 Aplicacao:
e dividida em tres
estados (por exemplo: ricos, classe media
Vamos supor que uma populacao

e
pobres) e que em cada unidade de tempo a probabilidade de mudanca de um estado para outro seja
constante no tempo, so dependa dos estados. Este processo e chamado cadeia de Markov.
Seja a probabilidade de mudanca do estado para o estado em uma unidade de tempo
(geracao).
Tome cuidado com a ordem dos ndices. A matriz
1
2
3
1
11 12 13
2
= 21 22 23
3
31 32 33
Julho 2009
Reginaldo J. Santos
16
da populacao
inicial entre os tres
estados pode ser
e chamada matriz de transicao.

A distribuicao
descrita pela seguinte matriz:
1
0 = 2
3
esta no estado 1
esta no estado 2
esta no estado 3
inicial da populacao
entre os tres
estados e e chamada vetor de
A matriz 0 caracteriza a distribuicao
estados da seguinte
estado. Apos uma unidade de tempo a populacao estara dividida entre os tres
forma
11 1 + 12 2 + 13 3
estara no estado 1
21 1 + 22 2 + 23 3
estara no estado 2
1 =
31 1 + 32 2 + 33 3
estara no estado 3
Lembre-se que e a probabilidade de mudanca do estado para o estado . Assim o vetor de estado
uma unidade de tempo e dada pelo produto de matrizes:
apos
1 = 0 .
Exemplo 1.9. Vamos considerar a matriz de transicao
e o vetor de estados inicial
0 =
1
3
1
3
1
3
2
1
2
2
3
1
4
1
2
1
4
1
2
1
2
esta no estado 1
esta no estado 2
esta no estado 3

Linear
(1.5)
(1.6)
Julho 2009
1.1
Matrizes
17
dividida de forma que 1/3 da populacao

esta em cada estado.
que representa uma populacao
uma unidade de tempo a matriz de estado sera dada por
Apos
1 = 0 =
1
4
1
2
1
4
1
2
1
2
0
1
2
1
2
1
3
1
3
1
3
1
4
1
2
1
4
e a mesma,
Como estamos assumindo que em cada unidade de tempo a matriz de transicao
apos
unidades de tempo a populacao
estara dividida entre os tres
estados segundo a matriz
entao
de estado
= 1 = 2 2 = = 0
entre unidades de tempo.

Assim a matriz da a transicao
6.1 na pagina
Veremos na Secao
382 como calcular rapidamente potencias
de matrizes e assim
da populacao
apos
unidades de tempo para um inteiro positivo
como determinar a distribuicao
qualquer.
Exerccios Numericos
(respostas na pagina
475)
1.1.1. Considere as seguintes matrizes
=
Julho 2009
2 0
6 7
0
4
2 8
6
9 7
7 3 2
Reginaldo J. Santos
18
6 9 9
= 1 0 4
6 0 1
Se for possvel calcule:
6 4 0
= 1 1 4 ,
6 0 6
(a) ,
(b) 2 ,
(c) (2 3 ) ,
(d) 2 .
1.1.2. Conhecendo-se somente os produtos e , como podemos calcular ( + ), ,

e () ?
1.1.3. Considere as seguintes matrizes
2 1
3 2
1
0
, = 2
=
1 2 1
0
3
1 0 0
2 1 1
1 , = 0 2 0
= 0 1
0 0 3
1 0
1

0
0
1
1 = 0 , 2 = 1 , 3 = 0
1
0
0
[
Verifique que:

Linear
Julho 2009
1.1
Matrizes
19
(a) e diferente de .
(b) e a -esima
coluna de , para = 1, 2, 3 e e a -esima
linha de , para
= 1, 2, 3 (o caso geral esta no Exerccio 1.1.16 na pagina

25).
2
1
1
as
(c) = [ 1 1 2 2 3 3 ], em que 1 = 0 , 2 = 1 e 3 = 1 , sao
1
0
1
26).
colunas de (o caso geral esta no Exerccio 1.1.17 (a) na pagina
1 1
[
]
[
]
2 1 1 , 2 =
0 1 1
(d) = 2 2 , em que 1 =
e
3 3 ]
[
as linhas de (o caso geral esta no Exerccio 1.1.17 (b) na
1 0 1 sao
3 =
pagina
26).
2
(e) Escrevendo em termos das suas colunas, = [ 1 2 ], em que 1 = 2 e
0
1
2 = 0 , o produto pode ser escrito como = [ 1 2 ] = [ 1 2 ]
3
(o caso geral esta no Exerccio 1.1.18 (a) na pagina

27).
[
]
[
]
] 3 2[ 1 e]2 = 1 2 1 , o
1
1
=
(o caso geral esta no
2
2
(f) escrevendo em termos das suas linhas, 1 =

produto pode ser escrito como =
Exerccio 1.1.18 (b) na pagina

27).
Julho 2009
Reginaldo J. Santos
20
1.1.4. Sejam
1 3
0
0
4 2
e = .
Verifique que 1 + 2 + 3 = , em que e a -esima

coluna de , para = 1, 2, 3
(o caso geral esta no Exerccio 1.1.19 na pagina

28).
1.1.5. Encontre um valor de tal que = 0, em que
1.1.6. Mostre que as matrizes =

2 = 2 .
equacao
4 2
[
2 3 5
]
1 1
nulo, verificam a
, em que e uma numero
real nao
matrizes que comutam com a matriz =

1.1.7. Mostre que se e sao
.
1.1.8.
]
0 1
=
, entao
1 0
fora da diagonal
(a) Determine todas as matrizes , 22, diagonais (os elementos que estao
iguais a zero) que comutam com toda matriz , 2 2, ou seja, tais que = ,
sao
para toda matriz , 2 2.
(b) Determine todas as matrizes , 2 2, que comutam com toda matriz , 2 2, ou seja,
tais que = , para toda matriz , 2 2.

Linear
Julho 2009
1.1
Matrizes
1.1.9. Verifique que 3 =

0, para
21
0 1 0
= 0 0 1 .
0 0 0
O caso geral esta no Exerccio 1.1.29 na pagina

31.
Exerccios usando o M ATLAB

Uma vez inicializado o M ATLAB , aparecera na janela de comandos um prompt >> ou EDU>>.
O prompt significa que o M ATLAB esta esperando um comando. Todo comando deve ser
finalizado teclando-se Enter. Comandos que foram dados anteriormente podem ser obtidos
novamente usando as teclas e . Enquanto se estiver escrevendo um comando, este pode
ser corrigido usando as teclas , , Delete e Backspace. O M ATLAB faz diferenca entre
letras maiusculas
e minusculas.
O comando
No M ATLAB , pode-se obter ajuda sobre qualquer comando ou funcao.
>> help
(sem o prompt >>) mostra uma listagem de todos os pacotes disponveis. Ajuda sobre um
especfica pode ser obtida com o comando
pacote especfico ou sobre um comando ou funcao
>> help nome,
(sem a vrgula e sem o prompt >>) em que nome pode ser o nome de um pacote ou o nome de
um comando ou funcao.
Alem
dos comandos e funcoes
pre-definidas,
escrevemos um pacote chamado gaal
com funcoes
especficas para a aprendizagem de Geometria Analtica e Algebra
Li da internet no endereco
near.
Este pacote pode ser obtido gratuitamente atraves
Julho 2009
Reginaldo J. Santos
22

ao M ATLAB e
http://www.mat.ufmg.br/regi, assim como um texto com uma introducao
de como instalar o pacote gaal. Depois deste pacote ser devidamente instalado, o
instrucoes
sobre este pacote.
comando help gaal no prompt do M ATLAB da informacoes
sobre as capacidades do M ATLAB podem ser obtidas em [4, 28].
Mais informacoes
de matriVamos descrever aqui alguns comandos que podem ser usados para a manipulacao
introduzidos a medida que forem necessarios.
zes. Outros comandos serao
simbolicas.
>> syms x y z diz ao M ATLAB que as variaveis

x y e z sao
>> A=[a11,a12,...,a1n;a21,a22,...; ...,amn] cria uma matriz, por , usando os
elementos a11, a12, ..., amn e a[ armazena]numa variavel

de nome A. Por exemplo, >>
1 2 3
A=[1,2,3;4,5,6] cria a matriz =
;
4 5 6
>> I=eye(n) cria a matriz identidade por e a armazena numa variavel

I;
>> O=zeros(n) ou >> O=zeros(m,n) cria a matriz nula por ou por , respectivamente,
e a armazena numa variavel

O;
>> A+B e a soma de A e B,
>> A-B e a diferenca A menos B,
>> A*B e o produto de A por B,
>> num*A e o produto do escalar num por A,
>> A. e a transposta de A,
>> Ak e a potencia
A elevado a .
>> A(:,j) e a coluna da matriz A, >> A(i,:) e a linha da matriz A.
iguais aos
>> diag([d1,...,dn]) cria uma matriz diagonal, cujos elementos da diagonal sao
d1,...,dn.
elementos da matriz [d1,...,dn], ou seja, sao
armazenados no
>> A=sym(A) converte a matriz A numa matriz em que os elementos sao
numeric faz o processo inverso.

formato simbolico.
A funcao

Linear
Julho 2009
1.1
Matrizes
23
>> solve(expr) determina a solucao

da equacao
expr=0.
2
da equacao
4 = 0;
>> solve(x2-4) determina as solucoes
Por
exemplo,
Comando do pacote GAAL:
>> A=randi(n) ou >> A=randi(m,n) cria uma matriz n por n ou m por n, respectivamente,
com elementos inteiros aleatorios

entre 5 e 5.
1.1.10. Use o M ATLAB para calcular alguns membros da sequ encia

, 2 , . . . , , . . ., para
(a) =
1
0
1
2
1
3
(b) =
1
2
1
3
15
A sequ encia
parece estar convergindo para alguma matriz? Se estiver, para qual?
1.1.11. Calcule as potencias

das matrizes dadas a seguir e encontre experimentalmente (por tentativa!)
o menor inteiro > 1 tal que (use o comando >> A=sym(A) depois de armazenar a matriz na
variavel
A):
(a) = 3 , em que
(b) = 4 , em que
0 0 1
= 1 0 0 ;
0 1 0
0
1
=
0
0
Julho 2009
1
0
0
0
0
0
0
1
0
0
;
1
0
Reginaldo J. Santos
24

(c) =
0, em que
0
0
=
0
0
1
0
0
0
0
1
0
0
0
0
.
1
0
do quao
comum e encontrar
1.1.12. Vamos fazer um experimento no M ATLAB para tentar ter uma ideia
matrizes cujo produto comuta. No prompt do M ATLAB digite a seguinte linha:
>> c=0; for n=1:1000,A=randi(3);B=randi(3);if(A*B==B*A),c=c+1;end,end,c

esqueca das vrgulas e pontos e vrgulas!). O que esta linha esta mandando o M ATLAB
(nao
fazer e o seguinte:
Criar um contador c e atribuir a ele o valor zero.
` variaveis
Atribuir as
A e B, 1000 matrizes 3 3 com entradas inteiras e aleatorias
entre 5
e 5.
o contador c e acrescido de 1.
Se AB=BA, ou seja, A e B comutarem, entao
No final o valor existente na variavel

c e escrito.
que voce tira do valor obtido na variavel
Qual a conclusao
c?
1.1.13. Faca um experimento semelhante ao anterior, mas para o caso em que cada uma das matrizes
os elementos que estao
fora da diagonal sao
iguais a zero. Use a seta para
e diagonal, isto e,
cima para obter novamente a linha digitada e edite a linha no prompt do M ATLAB de forma a
obter algo semelhante a` linha:
>> c=0; for n=1:1000,A=diag(randi(1,3));B=diag(randi(1,3));if( ....

Linear
Julho 2009
1.1
Matrizes
25
Qual a conclusao
c?
1.1.14. Faca um experimento semelhante ao anterior, mas para o caso em que uma das matrizes e
diagonal. Use a seta para cima para obter novamente a linha digitada e edite a linha no
prompt do M ATLAB de forma a obter a seguinte linha:
>> c=0; for n=1:1000,A=diag(randi(1,3));B=randi(3);if(A*B==B*A),c=c+1;A,B,end,end,c
impressas as matrizes A e B quando elas comutarem. Qual a conclusao

que voce tira
Aqui sao
deste experimento? Qual a probabilidade de um tal par de matrizes comutarem?
1.1.15. Use o M ATLAB para resolver os Exerccios Numericos.
Exerccios Teoricos
1
0
0
0
1
0

1.1.16. Sejam 1 = , 2 =
..
..
.
.
0
0
(a) Mostre que se
.
,. . . , = .. matrizes 1.
0
1
11 12
21 22
= ..
.
1 2
...
...
...
...
1
2
..
.
e igual a` coluna da matriz .

e uma matriz , entao
Julho 2009
Reginaldo J. Santos
26

(b) Mostre que se
11 12
21 22
= ..
.
1 2
1
2
.. ,
.
...
...
...
...
e igual a` linha da matriz .

e uma matriz entao
1.1.17. Seja
1 0 . . . 0
0 2 . . . 0
= ..
.
..
.
. ..
0 . . . 0

iguais a zero.
uma matriz diagonal , isto e,
Seja
11 12 . . .
21 22 . . .
..
.
1 2
...
...
1
2
.. .
.
(a) Mostre que o produto e obtido da matriz multiplicando-se

cada coluna por , ou
1
..
seja, se = [ 1 2 . . . ], em que = . e a coluna de , entao
= [ 1 1 2 2 . . . ].

Linear
Julho 2009
1.1
Matrizes
27
(b) Mostre que oproduto

e obtido da matriz multiplicando-se cada linha por , ou
seja, se =
1
2
.. , em que = [ 1 . . . ] e a linha de , entao

.
1 1
2 2
= .. .
.

1.1.18. Sejam e matrizes e , respectivamente.
(a)
Mostreque a -esima
coluna do produto e igual ao produto , em que =
1
..
coluna de , ou seja, se = [ 1 . . . ], entao

. e a -esima
= [ 1 . . . ] = [ 1 . . . ];
(b) Mostre que a -esima

linha do produto e igual ao produto , em que =
Julho 2009
Reginaldo J. Santos
28
1
2
[ 1 . . . ] e a -esima
linha de , ou seja, se = . , entao
.
.
1
1
2
2
= .. = .. .
.
.
1
.
1.1.19. Seja uma matriz e = .. uma matriz 1.
Prove que
Desenvolva o lado direito e

, em que e a -esima
=
coluna de . (Sugestao:
=1
chegue ao lado esquerdo.)
1.1.20.
(a) Mostre que se e uma matriz tal que =

0, para toda matriz , 1, entao
use o Exerccio 16 na pagina
= 0. (Sugestao:
25.)
(b) Sejam e matrizes , tais = , para todo , 1. Mostre que = .
use o item anterior.)
(Sugestao:
matriz tal que = = para qualquer

1.1.21. Mostre que a matriz identidade e a unica
matriz , . (Sugestao:
Seja uma matriz tal que = = . Mostre que
= .)

Linear
Julho 2009
1.1
Matrizes
29
1.1.22. Se = e e um inteiro positivo, mostre que () = .

1.1.23. Sejam , e matrizes .
(a) ( + )2 = 2 + 2 + 2 ? E se = ? Justifique.
(b) () = ()? E se = e = ? Justifique.
Veja o Exemplo 1.8 na pagina

14.)
(Sugestao:
1.1.24.
duas matrizes tais que =

=
(a) Se e sao
0, entao
0 ou = 0? Justifique.
=
(b) Se =
0, entao
0? Justifique.
=
(c) Se e uma matriz tal que 2 =
0, entao
0? Justifique.
1.1.25. Dizemos que uma matriz , , e simetrica

se = e e anti-simetrica
se = .
= , para , = 1, . . . e que se e antientao

(a) Mostre que se e simetrica,
= , para , = 1, . . . . Portanto, os elementos da diagonal

simetrica,
entao
iguais a zero.
principal de uma matriz anti-simetrica
sao
simetricas,
+ e sao
simetricas,
(b) Mostre que se e sao

entao
para todo escalar
.
simetricas,
e simetrica
(c) Mostre que se e sao

entao
se, e somente se, = .
anti-simetricas,
+ e sao
anti-simetricas,
(d) Mostre que se e sao

entao
para todo
escalar .
e e anti-simetrica.
(e) Mostre que para toda matriz , , + e simetrica
Julho 2009
Reginaldo J. Santos
30
(f) Mostre que toda matriz quadrada pode ser escrita como a soma de uma matriz simetrica
Observe o resultado da soma de + com .)

e uma anti-simetrica.
(Sugestao:
1.1.26. Para matrizes quadradas = ( ) definimos o traco de como sendo a soma dos elementos da diagonal (principal) de , ou seja, tr() =
=1
(a) Mostre que tr( + ) = tr() + tr().

(b) Mostre que tr() = tr().
(c) Mostre que tr( ) = tr().
Prove inicialmente para matrizes 2 2.)
(d) Mostre que tr() = tr(). (Sugestao:
=
use o traco.) E se
1.1.27. Seja uma matriz . Mostre que se =
0, entao
0. (Sugestao:
a matriz for , com = ?
e comutativo. Entretanto, certos conjuntos de matrizes
1.1.28. Ja vimos que o produto de matrizes nao
comutativos. Mostre que:
sao
matrizes diagonais , entao
1 2 = 2 1 .
(a) Se 1 e 2 sao
(b) Se e uma matriz e
= 0 + 1 + 2 2 + . . . + ,
escalares, entao
= .
em que 0 , . . . , sao

Linear
Julho 2009
1.1
Matrizes
31
1.1.29. Uma matriz e chamada nilpotente se =

0, para algum inteiro positivo . Verifique que a
matriz
e nilpotente.
Julho 2009
0 1
0 0
0
1
..
.
..
0 0
0 0
0
0
..
.
..
0
0
..
,
.
1
0
Reginaldo J. Santos
32
de Somatorio
Apendice
I: Notacao
validas
de somatorio:
Sao
algumas propriedades para a notacao
(a) O ndice do somatorio

e uma variavel
muda que pode ser substituda por qualquer letra:
=1
=1
(b) O somatorio
de uma soma pode ser escrito como uma soma de dois somatorios:
.
+
( + ) =
Pois,
=1
=1
=1
( + ) = (1 + 1 ) + . . . + ( + ) = (1 + . . . + ) + (1 + . . . + ) =
=1
=1
=1
Aqui foram aplicadas as propriedades associativa e comutativa da soma de numeros.
depende do ndice
(c) Se no termo geral do somatorio
aparece um produto, em que um fator nao
este fator pode sair do somatorio:
do somatorio,
entao
=1
Pois,
=1
= 1 + . . . + = (1 + . . . + ) =
=1
. Aqui foram aplicadas as
=1
a soma de numeros.
propriedades distributiva e comutativa do produto em relacao

Linear
Julho 2009
1.1
Matrizes
33
(d) Num somatorio

duplo, a ordem dos somatorios
pode ser trocada:
=1 =1
Pois,
=1 =1
=1 =1
(1 + . . . + ) = (11 + . . . + 1 ) + . . . + (1 + . . . + ) = (11 + . . . +
=1
1 ) + . . . + (1 + . . . + ) =
=1
(1 + . . . + ) =
. Aqui foram aplicadas as
=1 =1
propriedades comutativa e associativa da soma de numeros.
Julho 2009
Reginaldo J. Santos
34
1.2
Sistemas de Equacoes
Lineares
de sistemas lineares. Vamos

Muitos problemas em varias
areas
da Ciencia
recaem na solucao
ver como a algebra

matricial pode simplificar o estudo dos sistemas lineares.
da forma
linear em variaveis
1 , 2 , . . . , e uma equacao
Uma equacao
1 1 + 2 2 + . . . + = ,
constantes reais;
em que 1 , 2 , . . . , e sao
Um sistema de equacoes
lineares ou simplesmente sistema linear e um conjunto de equacoes
da forma
lineares, ou seja, e um conjunto de equacoes
11 1 + 12 2 +
21 1 + 22 2 +
..
+ +
1 1
2 2
...
...
+ 1
+ 2
= 1
= 2
= ..
=
..
.
...
constantes reais, para , = 1, . . . , e = 1, . . . , .

em que e sao
anterior, o sistema linear acima pode ser
Usando o produto de matrizes que definimos na secao
matricial
escrito como uma equacao
= ,

Linear
Julho 2009
1.2
Lineares
em que
11 12
21 22
= ..
.
1 2
35
1
2
.. ,
.
...
...
...
...
1
2
= ..
.
1
2
e = . .
.
.
1
2
do sistema sao
de um sistema linear e uma matriz = . tal que as equacoes

Uma solucao
.
.
do
satisfeitas quando substitumos 1 = 1 , 2 = 2 , . . . , = . O conjunto de todas as solucoes
ou solucao
geral do sistema. A matriz e chamada matriz
sistema e chamado conjunto solucao
do sistema linear.
e duas incognitas
Exemplo 1.10. O sistema linear de duas equacoes
{
pode ser escrito como
+ 2 = 1
2 + = 0
1 2
2 1
][
1
0
(geral) do sistema acima e = 1/3 e = 2/3 (verifique!) ou

A solucao
Julho 2009
31
2
3
Reginaldo J. Santos
36
Uma forma de resolver um sistema linear e substituir o sistema inicial por outro que tenha o mesmo
do primeiro, mas que seja mais facil
de resolver. O outro sistema e obtido depois
conjunto solucao
alteram a solucao
do sistema, sobre as
de aplicar sucessivamente uma serie
de operacoes,
que nao
que sao
usadas sao:
equacoes.
As operacoes
de duas equacoes
do sistema;
Trocar a posicao
por um escalar diferente de zero;
Multiplicar uma equacao
outra equacao
multiplicada por um escalar.
Somar a uma equacao
sao
chamadas de operacoes
ele
Estas operacoes
elementares. Quando aplicamos operacoes
de um sistema linear somente os coeficientes do sistema sao
alterados,
mentares sobre as equacoes
assim podemos aplicar as operacoes

sobre a matriz de coeficientes do sistema, que chamamos de
matriz aumentada, ou seja, a matriz
11 12
21 22
[ ] = ..
.
1 2

Linear
...
...
...
...
1
2
..
.
1
2
.. .
.
Julho 2009
1.2
Lineares
37
1.5. Uma operacao

elementar sobre as linhas de uma matriz e uma das seguintes
Definicao
operacoes:
de duas linhas da matriz;
(a) Trocar a posicao
(b) Multiplicar uma linha da matriz por um escalar diferente de zero;
(c) Somar a uma linha da matriz um multiplo
escalar de outra linha.
` equacoes
O proximo
teorema garante que ao aplicarmos operacoes
elementares as
de um sis nao
e alterado.
tema o conjunto solucao
tais que a matriz aumentada

Teorema 1.2. Se dois sistemas lineares = e = , sao
elementar, entao
os dois sistemas possuem
[ ] e obtida de [ ] aplicando-se uma operacao
as mesmas solucoes.
deste teorema segue-se de duas observacoes:
Demonstracao.
A demonstracao
de um sistema, entao
tambem
e solucao
do sistema obtido aplicando-se
(a) Se e solucao
elementar sobre suas equacoes
(verifique!).
uma operacao
Julho 2009
Reginaldo J. Santos
38
elementar as
`
(b) Se o sistema = , e obtido de = aplicando-se uma operacao
` linhas da sua matriz aumentada), entao

o sistema
suas equacoes
(ou equivalentemente as
pode ser obtido de = aplicando-se uma operacao
elementar as
` suas
= tambem
elementar possui uma operacao

elementar inversa do mesmo
equacoes,
pois cada operacao
tipo, que desfaz o que a anterior fez (verifique!).
(b), = e = podem ser obtidos um do outro aplicando-se uma operacao
Pela observacao
(a), os dois possuem as mesmas solucoes.
elementar sobre as suas equacoes.

E pela observacao
sao
chamados sistemas equivalentes.
Dois sistemas que possuem o mesmo conjunto solucao
` equacoes
Portanto, segue-se do Teorema 1.2 que aplicando-se operacoes

elementares as
de um
sistema linear obtemos sistemas equivalentes.
1.2.1 Metodo
de Gauss-Jordan
de operacoes
O metodo
que vamos usar para resolver sistemas lineares consiste na aplicacao
`
elementares as linhas da matriz aumentada do sistema ate que obtenhamos uma matriz numa forma
resolucao.
em que o sistema associado a esta matriz seja de facil

nulas possuam como
Vamos procurar obter uma matriz numa forma em que todas as linhas nao
um pivo,
o numero
primeiro elemento nao nulo (chamado pivo)
1 . Alem disso, se uma coluna contem
todos os seus outros elementos terao

que ser iguais a zero. Vamos ver no exemplo seguinte
entao
como conseguimos isso. Neste exemplo veremos como a partir do faturamento e do gasto com
insumos podemos determinar quanto foi produzido de cada produto manufaturado em uma industria.

Linear
Julho 2009
1.2
Lineares
39

produz tres

A e 4 gramas de B. O preco de venda do kg de cada um dos produtos X, Y e Z e R$ 2,00, R$ 3,00
de X, Y e Z manufaturada com 1 kg
e R$ 5,00, respectivamente. Com a venda de toda a producao
de A e 2 kg de B, essa industria
arrecadou R$ 2500,00. Vamos determinar quantos kg de cada um
7, usando matrizes o
dos produtos X, Y e Z foram vendidos. Como vimos no Exemplo 1.6 na pagina
esquema de producao pode ser descrito da seguinte forma:
X
1
2
2
Y Z
1 1
1 4 =
=
3 5
1000
++
= 2 + + 4 = 2000
2500
2 + 3 + 5
gramas de A/kg
gramas de B/kg
preco/kg
kg de X produzidos
kg de Y produzidos
kg de Z produzidos
gramas de A usados
gramas de B usados
arrecadacao
Assim precisamos resolver o sistema linear
cuja matriz aumentada e
+ + = 1000
2 + + 4 = 2000
2 + 3 + 5 = 2500
1 1 1 1000
2
2
Julho 2009
1 4 2000
3 5 2500
Reginaldo J. Santos
40
1a. eliminacao:
nulo da primeira coluna nao
nula (se for o caso,
Vamos procurar para pivo da 1a. linha um elemento nao
podemos usar a troca de linhas para traze-lo

para a primeira linha). Como o primeiro elemento da
Agora, precisamos zerar os outros elementos da
primeira coluna e igual a 1 ele sera o primeiro pivo.
a.
para isto, adicionamos a` 2a. linha, 2 vezes a 1a. linha e adicionamos
1 coluna, que e a coluna do pivo,
a.
2 vezes a 1a. linha.

a` 3 linha, tambem,
21a. linha + 2a. linha 2a. linha

1 1 1 1000
1 2 0
0
0 1 3 500
2a. eliminacao:
Olhamos para a sub-matriz obtida eliminando-se a 1a. linha. Escolhemos para pivo um elemento
nula desta sub-matriz. Vamos escolher o elemento de posicao
2,2.
diferente de zero na 1a. coluna nao
a.
Como temos que fazer o pivo igual a um, vamosmultiplicar a 2 linhapor 1.
12a. linha 2a. linha
1 1
1 1000
0 1 2
0
0 1
3 500
para isto, somaAgora, precisamos zerar os outros elementos da 2a. coluna, que e a coluna do pivo,
a.
a.
a.
a.
mos a` 1 linha, 1 vezes a 2 e somamos a` 3 linha, tambem,

1 vezes a 2 .
2a.
1a.
1a.
1 linha + linha linha

3a. eliminacao:
1 0 3 1000
0 1 2
0
5
0 0
500

Linear
Julho 2009
1.2
Lineares
41
Olhamos para a sub-matriz obtida eliminando-se a 1a. e a 2a. linha. Escolhemos para pivo um elemento
nula desta sub-matriz. Temos de escolher o elemento de posicao

3,3 e como temos de fazer o pivo igual a 1, vamos multiplicar a 3a. linha por 1/5.
1
3a.
5
1 0
3 1000
0 1 2
0
0 0
1 100
linha 3a. linha
para isto, somaAgora, precisamos zerar os outros elementos da 3a. coluna, que e a coluna do pivo,
mos a` 1a. linha, 3 vezes a 3a. e somamos a` 2a. linha, 2 vezes a 2a. .
1 0 0 700
0 1 0 200
0 0 1 100

Portanto o sistema dado e equivalente ao sistema

geral dada por
que possui solucao
= 700
= 200
= 100

700
= = 200 .
100
Portanto, foram vendidos 700 kg do produto X, 200 kg do produto Y e 100 kg do produto Z.

Julho 2009
Reginaldo J. Santos
42
A ultima
matriz que obtivemos no exemplo anterior esta na forma que chamamos de escalonada
reduzida.
1.6. Uma matriz = ( ) esta na forma escalonada reduzida quando satisfaz as

Definicao
seguintes condicoes:
nulas;
(a) Todas as linhas nulas (formadas inteiramente por zeros) ocorrem abaixo das linhas nao
nulo de uma linha) de cada linha nao
nula e igual a 1;
(b) O pivo (1o. elemento nao
nula ocorre a` direita do pivo da linha anterior.
(c) O pivo de cada linha nao
um pivo,
entao
todos os seus outros elementos sao
iguais a zero.
(d) Se uma coluna contem
necessariamente (b) e (d), dizemos que

Se uma matriz satisfaz as propriedades (a) e (c), mas nao
ela esta na forma escalonada.
Exemplo 1.12. As matrizes
1 0 0
0 1 0
0 0 1
1
0
0

Linear
3
0
0
0
2
1 3
0
0
Julho 2009
1.2
Lineares
43
escalonadas reduzidas, enquanto

sao
1
1 1
0 1 2
0
0 5
1 3 1 5
0 0 5 15
0 0
0 0
escalonadas, mas nao

escalonadas reduzidas.
sao
sao
de sistemas, que consiste em aplicar operacoes

elementares as
` linhas
Este metodo
de resolucao
da matriz aumentada ate que a matriz do sistema esteja na forma escalonada reduzida, e conhecido
como metodo
de Gauss-Jordan.
Exemplo 1.13. Considere o seguinte sistema
+
A sua matriz aumentada e
3 + 13 =
9
+ 5 =
2
2 10 = 8
0
0
3
13
9
1
5
2
2 10 8
1a. eliminacao:
iguais a zero, nao
ha nada
Como o pivo da 1a. linha e igual a 1 e os outros elementos da 1a. coluna sao
o que fazer na 1a. eliminacao.
Julho 2009
1 3
13
1
0
5
0 2 10
9
2
8
Reginaldo J. Santos
44
2a. eliminacao:
Olhamos para submatriz obtida eliminando-se a 1a. linha. Escolhemos para pivo um elemento nao
nula da submatriz. Escolhemos o elemento de posicao
2,2. Como ele e igual a
nulo da 1a. coluna nao
Para isto somamos a` 1a. linha,
1, precisamos, agora, zerar os outros elementos da coluna do pivo.
3 vezes a 2a. e somamos a` 3a. linha, 2 vezes a 2a. .
1 0 2
3
0 1
5
2
0 0
0 4

Portanto o sistema dado e equivalente ao sistema
possui solucao.
que nao
2 =
3
+ 5 =
2
0 = 4
tem solucao
se, e somente se, a ultima
nula da forma
Em geral, um sistema linear nao
linha nao
escalonada reduzida da sua matriz aumentada for da forma [ 0 . . . 0 ], com = 0.

Exemplo 1.14. Considere o seguinte sistema
3 9 =
6
5 + 15 10 + 40 = 45
+ 3 + 5 = 7

Linear
Julho 2009
1.2
Lineares
45
A sua matriz aumentada e
6
0
0
3 9
5 15 10 40 45
1
3 1
5 7
1a. eliminacao:
3,1. PreciComo temos que fazer o pivo igual a um, escolhemos para pivo o elemento de posicao
a.
a.
samos coloca-lo
na primeira linha, para isto, trocamos a 3 linha com a 1 .
1a. linha 4a. linha
5
0
3 1
5 7
15 10 40 45
6
0
3 9
para isto, adiciAgora, precisamos zerar os outros elementos da 1a. coluna, que e a coluna do pivo,
a.
a.
onamos a` 2 linha, 5 vezes a 1 .
1 3 1 5 7
5 15 10
0 0
0 0 3 9
6
2a. eliminacao:
Olhamos para a sub-matriz obtida eliminando-se a 1a. linha. Escolhemos para pivo um elemento
nula desta sub-matriz. Escolhemos o elemento de posicao
2,3.
Como temos que fazer o pivo igual a 1, multiplicamos a 2a. linha por 1/5.
Julho 2009
Reginaldo J. Santos
46
(1/5)2a. linha 2a. linha
1 3 1
5 7
0 0
1 3
2
0 0 3 9
6
para isto, adiciAgora, precisamos zerar os outros elementos da 2a. coluna, que e a coluna do pivo,
a.
a.
a.
a.
onamos a` 1 linha a 2 e a` 3 linha, 3 vezes a 2
.
1
0
0

3
0
0
0
2 5
1 3
2
0
0
0
Esta matriz e escalonada reduzida. Portanto o sistema dado e equivalente ao sistema seguinte
+ 3
+ 2 = 5
3 =
2.
As variaveis
estao
associadas
A matriz deste sistema possui duas colunas sem pivos.
que nao
podem ser consideradas variaveis
podem assumir valores arbitrarios.
a pivos
livres, isto e,
Neste
estao
associadas a pivos
e podem ser consideradas variaveis
exemplo as variaveis
e nao
livres.
terao
os seus valores dependentes das
Sejam = e = . As variaveis
associadas aos pivos
geral do sistema e
variaveis
livres, = 2 + 3, = 5 2 3 . Assim, a solucao

5 2 3

=
=
2 + 3

Linear
para todos os valores de e reais.
Julho 2009
1.2
Lineares
47
e a forma escalonada reduzida da matriz aumentada

Em geral, se o sistema linear tiver solucao
as variaveis
associadas a pivos
podem ser consideradas
estao
possuir colunas sem pivos,
que nao
podem assumir valores arbitrarios.
terao
variaveis
livres, isto e,
As variaveis
associadas aos pivos
os seus valores dependentes das variaveis

livres.
tem solucao
se a ultima
nula da forma escalonada
Lembramos que o sistema linear nao
linha nao
reduzida da matriz aumentada do sistema for da forma [ 0 . . . 0 ], com = 0, como no Exemplo
1.13 na pagina
43.
de um sistema linear nao

e necessario
Observacao.
Para se encontrar a solucao
transformar a
matriz aumentada do sistema na sua forma escalonada reduzida, mas se a matriz esta nesta forma, o
sistema associado e o mais simples possvel. Um outro metodo

de resolver sistemas lineares consiste
da aplicacao
de operacoes
elementares a` matriz aumentada do sistema, se chegar a uma
em, atraves
uma matriz que satisfaz as condicoes
matriz que e somente escalonada (isto e,

(a) e (c), mas nao
necessariamente (b) e (d) da Definicao 1.6). Este metodo e conhecido como metodo de Gauss.
nao
pode ter
O proximo
resultado mostra que um sistema linear que tenha mais de uma solucao
um numero
finito de solucoes.
1.3. Sejam uma matriz e uma matriz 1. Se o sistema linear =

Proposicao
distintas 0 = 1 , entao
ele tem infinitas solucoes.
possui duas solucoes

Julho 2009
Reginaldo J. Santos
48
Demonstracao.
Seja
= (1 )0 + 1 ,
para .
do sistema = , para qualquer . Para isto vamos

Vamos mostrar que e solucao
mostrar que = .
matriciais (Teorema 1.1 na pagina
Aplicando as propriedades (i), (j) das operacoes

9) obtemos
= [(1 )0 + 1 ] = (1 )0 + 1 = (1 ) 0 + 1
solucoes
de = , entao
0 = e 1 = , portanto
Como 0 e 1 sao
= (1 ) + = [(1 ) + ] = ,
pela propriedade (f) do Teorema 1.1.
e
Assim o sistema = tem infinitas solucoes,

pois para todo valor de , e solucao
= ( )(1 0 ), ou seja, = , para = . Observe que para = 0, = 0 ,
para = 1, = 1 , para = 1/2, = 12 0 + 21 1 , para = 3, = 20 + 31 e para
= 2, = 30 21 .
geometrica
155 temos uma interpretacao

desta demonstracao.
No Exemplo 3.4 na pagina
elementares a` matriz aumentada do

Para resolver sistemas lineares vimos aplicando operacoes
sistema linear. Isto pode ser feito com quaisquer matrizes.

Linear
Julho 2009
1.2
Lineares
49
1.2.2 Matrizes Equivalentes por Linhas
1.7. Uma matriz = ( ) e equivalente por linhas a uma matriz = ( ) , se

Definicao
elementares sobre as suas linhas.

pode ser obtida de aplicando-se uma sequ encia
de operacoes
Exemplo 1.15. Observando os Exemplos 1.11, 1.14 e 1.13, vemos que as matrizes
1 1 1
2 1 4 ,
2 3 5
0 0
3 9
5 15 10 40 ,
1 3 1
5
equivalentes por linhas as

` matrizes
sao
1 0 0
0 1 0 ,
0 0 1
1
0
0
3
0
0
0
2
1 3 ,
0
0
1
3
13
0
1
5
0 2 10
1 0 2
0 1
5 ,
0 0
0
escalonadas reduzidas.
respectivamente. Matrizes estas que sao
equivalentes por linhas, nao
iguais!
sao
Cuidado: elas sao
ser equivalente por linhas satisfaz as seguintes propriedades, cuja verificacao

deixaA relacao
mos como exerccio para o leitor:
Toda matriz e equivalente por linhas a ela mesma (reflexividade);

Julho 2009
Reginaldo J. Santos
50

e equivalente por linhas a (simetria);
Se e equivalente por linhas a , entao
e equivalente por
Se e equivalente por linhas a e e equivalente por linhas a , entao
linhas a (transitividade).
Toda matriz e equivalente por linhas a uma matriz na forma escalonada reduzida e a
que omitiremos, pode ser feita da mesma maneira que fizemos no caso particular
demonstracao,
339 mostradas matrizes aumentadas dos Exemplos 1.11, 1.14 e 1.13. No Teorema 5.15 na pagina
mos que essa matriz escalonada reduzida e a unica
matriz na forma escalonada reduzida equivalente
a .
matriz escalonada
Teorema 1.4. Toda matriz = ( ) e equivalente por linhas a uma unica
reduzida = ( ) .
de matrizes.
O proximo
resultado sera usado para provar alguns resultados no captulo de inversao
tem
1.5. Seja uma matriz , na forma escalonada reduzida. Se = , entao
Proposicao
uma linha nula.
Demonstracao.
Observe que o pivo de uma linha esta sempre numa coluna com . Portanto,
, . Mas, neste caso todas as
ou a ultima
linha de e nula ou o pivo da linha esta na posicao
nao
nulas e os pivos
de cada linha esta na coluna , ou seja, = .
linhas anteriores sao

Linear
Julho 2009
1.2
Lineares
51
1.2.3 Sistemas Lineares Homogeneos

Um sistema linear da forma
11 1 + 12 2 +
21 1 + 22 2 +
..
+ +
1 1
2 2
...
...
+ 1
+ 2
..
.
...
= 0
= 0
.
= ..
= 0
(1.7)
e chamado sistema homogeneo.

O sistema (1.7)
como = 0. Todo sistema
pode ser escrito
=
homogeneo
admite pelo menos a solucao
0
1
2
0
.. = ..
.
.
trivial.
chamada de solucao
Alem
disso ou tem somente a solucao
trivial ou tem
Portanto, todo sistema homogeneo
tem solucao.
infinitas solucoes
Para resolver um sistema linear homogeneo

Observacao.
= 0, basta escalonarmos a matriz
de uma operacao
elementar a coluna de zeros nao
e alterada. Mas, e
do sistema, ja que sob a acao
preciso ficar atento quando se escreve o sistema linear associado a` matriz resultante das operacoes
esta coluna de zeros que nao
vimos escrevendo.
elementares, para se levar em consideracao
o sistema homogeneo
Teorema 1.6. Se = ( ) , e tal que < , entao

= 0 tem solucao
trivial, ou seja, todo sistema homogeneo
do que incognitas
diferente da solucao
com menos equacoes
tem infinitas solucoes.

Julho 2009
Reginaldo J. Santos
52
Demonstracao.
Como o sistema tem menos equacoes
do que incognitas
( < ), o numero
de
nulas da forma escalonada reduzida da matriz aumentada do sistema tambem

e tal que
linhas nao
e variaveis
< . Assim, temos pivos

(incognitas)
livres, que podem assumir todos os valores
nao
trivial e portanto infinitas solucoes.
reais. Logo, o sistema admite solucao
de um sistema linear homogeneo
O conjunto solucao
satisfaz duas propriedades interessantes.
um papel decisivo no estudo de subespacos de na Secao
5.2 na pagina
Estas propriedades terao

308.
1.7. Seja = ( ) .
Proposicao
solucoes
do sistema homogeneo,
+ tambem
o e.
(a) Se e sao
= 0, entao
do sistema homogeneo,
tambem
o e.
(b) Se e solucao
= 0, entao
solucoes
do sistema homogeneo
Demonstracao.
(a) Se e sao
= 0, entao
0e
e solucao
pois, ( + ) = + = 0 + 0 = 0;
= 0 e portanto + tambem
tambem
o e,
pois () =
(b) Se e solucao
= 0, entao
= 0 = 0.

Linear
Julho 2009
1.2
Lineares
53
sao
validas
Estas propriedades nao

para sistemas lineares em geral. Por exemplo, considere o
deste sistema e = [1]. Mas,
sistema linear = , em que = [1] e = [1]. A solucao
e solucao
do sistema.
+ = 2 = 2, nao
Exemplo 1.16. Vamos retomar a cadeia de Markov do Exemplo 1.9 na pagina

16. Vamos supor que
e dividida em tres
uma populacao
e pobres) e que em cada
unidade de tempo a probabilidade de mudanca de um estado para outro seja constante no tempo, so
dependa dos estados.
e dada por
(geracao).
A matriz de transicao
1
2
3
1
11 12 13
2
=
21 22 23
3
31 32 33
Vamos considerar a matriz de transicao
2
1
2
2
3
1
4
1
2
1
4
1
2
1
2
inicial da populacao
entre os tres
estados permanece inalterada,
Vamos descobrir qual distribuicao
apos
geracao.
Ou seja, vamos determinar um vetor de estado tal que
geracao
=
Julho 2009
ou = 3
ou ( 3 ) =
0.
Reginaldo J. Santos
54
Assim precisamos resolver o sistema linear homogeneo
( 3 ) = 0
cuja matriz aumentada e
2 +
1

2
1a. eliminacao:
12 1a. linha + 2a. linha 2a. linha
2a. eliminacao:
12
1
2
4
1
2
1
2
1
= 0
= 0
= 0
0 0
1
0
2
21 0
1
4
12
1
4
1 21
0
1
1
2 12
2
1
1
0
4
2
1
0
1 2
1
1
0 4
2
1
1
0
4
2
0
0
0
0
1 12
0 0
0
1 2 0
1
0
12 0
4

Linear
Julho 2009
1.2
Lineares
1
2a.
2
1
4 2a.
1a.
55
1 0 1 0
0 1 2 0
0 0
0 0
1a.
linha +
linha
linha
linha + 3a. linha 3a. linha
Portanto o sistema dado e equivalente ao sistema seguinte
= 0
2 = 0
= 2 e = . Assim, a solucao
geral do sistema e
Seja = . Entao
1
1
= 2 = 2 ,
1
3
para todo .
tal que 1 + 2 + 3 = 1 obtemos que se a populacao

inicial for distribuda de
Tomando a solucao
esteja no estado 1, 2 = 1/2 da populacao
esteja no estado 2 e
forma que 1 = 1/4 da populacao
esta distribuicao
permanecera constante geracao
apos
geracao.
3 = 1/4, esteja no estado 3, entao
1.2.4 Matrizes Elementares (opcional)
1.8. Uma matriz elementar e uma matriz obtida da matriz identidade aplicando-se
Definicao
elementar.
uma, e somente uma, operacao
Julho 2009
Reginaldo J. Santos
56
Vamos denotar por a matriz elementar obtida trocando-se a linha com a linha da matriz ,
() a matriz elementar obtida multiplicando-se a linha da matriz pelo escalar = 0 e , ()
a matriz elementar obtida da matriz , somando-se a` linha , vezes a linha .
, =
1
0
0
..
...
.
.
.
..
.
.
.
...
1
..
0
1
0
..
, () =
1
0
0
..
..
. 0
0 1
.. . .
.
.

... 1

..
. 0
0 0 1
as matrizes elementares 2 2:
Exemplo 1.17. As matrizes seguintes sao
]
]
[
]
[
[
1 0
0
0 1
, com = 0,
, 2 () =
, 1 () =
1,2 = 2,1 =
0
0 1
1 0
[
[
]
]
1 0
1
1,2 () =
e 2,1 () =
.
1
0 1
e , () =

Linear
Julho 2009
1.2
Lineares
0
1
1
0

Sejam 1 = . , 2 = .
.
..
.
0
0
57
0
0
,. . . , = .. matrizes 1.
.
As matrizes elementares podem ser escritas em termos das matrizes como
1
..
.
..
.
..
.
..
.
() =
.
..
..
..
e , () =
.
..
elementar em uma matriz, corresponde a multiplicar a matriz a` esquerda

Aplicar uma operacao
por uma matriz elementar, como mostra o resultado a seguir.
e
Teorema 1.8. Sejam uma matriz elementar e uma matriz qualquer . Entao,
elementar que originou .
igual a` matriz obtida aplicando-se na matriz a mesma operacao
Julho 2009
Reginaldo J. Santos
58
Demonstracao.
Como a -esima
linha de um produto de matrizes e igual a , em que e a
-esima
linha da matriz (Exerccio 1.1.18 (b) na pagina
27) e = , em que e a linha da
matriz (Exerccio 16 (b) na pagina

25), entao:
, =
() =
1
..
.
..
.
..
.
..
.
=
.
..
..
.

.
..

.
..
..
..

Linear
1
..
.
..
.
..
.
..
.
=
.
..
Julho 2009
1.2
Lineares
, () =
..
..
..
59
..
..
..
..
.
..
..
elementares em uma matriz, corresponde a multipliAssim, aplicar uma sequ encia

de operacoes
car a matriz a` esquerda por um produto de matrizes elementares.
Exemplo 1.18. Quando usamos o metodo

de Gauss-Jordan para resolver o sistema do Exemplo 1.11
elementares na matriz aumentada do sistema.

na pagina
39, aplicamos uma sequ encia
de operacoes
Isto corresponde a multiplicar a matriz aumentada
1 1 1 1000
[ ] = 2 1 4 2000
2 3 5 2500
a` esquerda pelas matrizes elementares
1 0 0
1,2 (2) = 2 1 0 ,
0 0 1
Julho 2009
1 0 0
1,3 (2) = 0 1 0 ,
2 0 1
Reginaldo J. Santos
60
1
1
0 0
2 (1) = 0 1 0 , 2,1 (1) = 0
0
0
0 1
1
1 0 0
1
3 ( 5 ) = 0 1 0 , 3,1 (3) = 0
0
0 0 51
ou seja,
1 0
1 0 , 2,3 (1) =
0 1
1
0 3
1
0 , 3,2 (2) = 0
0
0
1
1
0 0
0
1 0
0 1 1
0 0
1 2 ,
0 1
1 0 0 700
3,2 (2) 3,1 (3) 3 ( 51 ) 2,3 (1) 2,1 (1) 2 (1) 1,3 (2) 1,2 (2) [ ] = 0 1 0 200 .
0 0 1 100

Linear
Julho 2009
1.2
Lineares
61
Exerccios Numericos
484)
na forma escalonada reduzida:
1.2.1. Quais das seguintes matrizes estao
1
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
1
0
0
0
0
1
0
0
0
1
3
0
2
0
3
4 ,
2
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0 4
1
0
5 ,
0 1
2
0 0
0
1 2 4
.
0 1
0
0 0
0
1.2.2. Em cada item suponha que a matriz aumentada de um sistema foi transformada usando
operacoes
elementares na matriz escalonada reduzida dada. Resolva o sistema correspondente.
1 0 0 7
8
0 1 0
3
2 ;
(a)
0 0 1
1 5
1 6 0 0 3 2
0
0 1 0 4
7
;
(b)
0
0 0 1 5
8
0
0 0 0 0
0
1 0 0 0 6
0 1 0 0 3 ;
(c)
0 0 1 1 2
1 7 0 0 8 3
0 0 1 0
6
5
.
(d)
0 0 0 1
3
9
0 0 0 0
0
0
1.2.3. Resolva, usando o metodo

de Gauss-Jordan, os seguintes sistemas:
(a)
Julho 2009
1 + 2 + 23 = 8
1 22 + 33 = 1 ;
31 72 + 43 = 10
Reginaldo J. Santos
62
21 + 22 + 23 =
0
21 + 52 + 23 =
1 ;
81 + 2 + 43 = 1
22 + 33 =
1
31 + 62 33 = 2 .
(c)
61 + 62 + 33 =
5
(b)
1.2.4. Os sistemas lineares seguintes possuem a mesma matriz . Resolva-os usando o metodo
de
Gauss-Jordan. Observe que os dois sistemas podem ser resolvidos ao mesmo tempo escalonando a matriz aumentada [ 1 2 ].
1
1 22 + 3 =
21 52 + 3 = 2 ;
(a)
31 72 + 23 = 1
1 0
5
1 .
1.2.5. Seja = 1 1
0 1 4
2
1 22 + 3 =
21 52 + 3 = 1 .
(b)
31 72 + 23 =
2
geral do sistema ( + 43 ) =
(a) Encontre a solucao
0;
geral do sistema ( 23 ) =
(b) Encontre a solucao
0.
tem
1.2.6. Para cada sistema linear dado, encontre todos os valores de para os quais o sistema nao
tem solucao
unica
solucao,
e tem infinitas solucoes:
3 = 4
+ 2
3 +
5 = 2
(a)
;
2
4 + + ( 14) = + 2

Linear
Julho 2009
1.2
Lineares
63
= 2
+ +
2 + 3 +
2 = 5
(b)
.
2
2 + 3 + ( 1) = + 1
produtos, X, Y e Z, utilizando dois tipos de insumo, A e B. Para a

1.2.7. Uma industria
produz tres
utilizados 2 gramas do insumo A e 1 grama do insumo B; para

manufatura de cada kg de X sao
cada kg de Y, 1 grama de insumo A e 3 gramas de insumo B e, para cada kg de Z, 3 gramas de A
e 5 gramas de B. O preco de venda do kg de cada um dos produtos X, Y e Z e R$ 3,00, R$ 2,00
de X, Y e Z manufaturada com
e R$ 4,00, respectivamente. Com a venda de toda a producao
1,9 kg de A e 2,4 kg de B, essa industria
arrecadou R$ 2900,00. Determine quantos kg de cada
veja o Exemplo 1.11 na pagina
um dos produtos X, Y e Z foram vendidos. (Sugestao:

39.)
polinomial () = 3 + 2 + + , cujo
1.2.8. Determine os coeficientes , , e da funcao
grafico
passa pelos pontos 1 = (0, 10), 2 = (1, 7), 3 = (3, 11) e 4 = (4, 14).
Julho 2009
Reginaldo J. Santos
64
30
20
10
10
20
30
2

Linear
Julho 2009
1.2
Lineares
65
do crculo, 2 + 2 + + + = 0, que passa

1.2.9. Determine coeficientes , e da equacao
pelos pontos 1 = (2, 7), 2 = (4, 5) e 3 = (4, 3).
Julho 2009
Reginaldo J. Santos
66
y
8
x
2
4
6

Linear
Julho 2009
1.2
Lineares
67
1.2.10. Encontre condicoes

sobre os s para que cada um dos sistemas seja consistente (isto e,
tenha solucao):
1 22 + 53 = 1
41 52 + 83 = 2 ;
(a)
31 + 32 33 = 3
1.2.4) Considere a matriz

1.2.11. (Relativo a` sub-secao
0
1
1
3
=
2 5
1 22 3 = 1
41 + 52 + 23 = 2 .
(b)
41 + 72 + 43 = 3
7
8
3
8 .
1 8
Encontre matrizes elementares , , e tais que = e uma matriz escalonada

veja o Exemplo 1.18 na pagina
reduzida. (Sugestao:
59.)
1.2.12. Resolva, usando o metodo

de Gauss-Jordan, os seguintes sistemas:
1
(a)
31
21
(b)
21
Julho 2009
+
+
+
+
22
22 + 3
22
62 + 3
34
34
34
94
+ 5
+ 5 + 26
+ 25 + 6
+ 45 + 36
=
=
=
=
+ 32 23
+ 25
+ 62 53 24 + 45 36
53 + 104
+ 156
+ 62
+ 84 + 45 + 186
2
3
;
4
9
=
0
= 1
;
=
5
=
6
Reginaldo J. Santos
68
1
1
1
1
1
3
2
do
1.2.13. Considere a matriz =
2 2 2 2 3 1 . Determine o conjunto solucao
3 +2
3
2 + 1
sistema = , em que = [ 4 3 1 6 ] , para todos os valores de .
1.2.14. Resolva os sistemas lineares cujas matrizes aumentadas sao:
1 2 3 1
(a) 1 3 0 1
1 0 2 1
1 1 3
0 2 1
(b)
1 0 2
8
7 ;
3
3
0
3
3 ;
1 1
1
1
(c)
1
1
2
1
1
3
3
1
2
3
0
0
;
0
0

Comandos do M ATLAB :
>> A=[A1,...,An] cria uma matriz A formada pelas matrizes, definidas anteriormente, A1,
..., An colocadas uma ao lado da outra;
expr a variavel
>> expr=subs(expr,x,num) substitui na expressao

x por num.
>> p=poly2sym([an,...,a0],x) armazena na variavel

p o polinomio
+ . . . + 0 .
>> clf limpa a figura ativa.

Linear
Julho 2009
1.2
Lineares
69
Comandos do pacote GAAL:

elementar
>> B=opel(alpha,i,A) ou >> oe(alpha,i,A)faz a operacao
alphalinha i ==> linha i da matriz A e armazena a matriz resultante em B.
elementar
>> B=opel(alpha,i,j,A) ou >> oe(alpha,i,j,A) faz a operacao
alphalinha i + linha j ==> linha j da matriz A e armazena em B.
>> B=opel(A,i,j) ou >> oe(A,i,j) faz a troca da linha com a linha da matriz A e armazena a matriz resultante em B.
>> B=escalona(A) calcula passo a passo a forma escalonada reduzida da matriz A e arma
zena a matriz resultante na variavel
B.
a matriz de Vandermonde de ordem k, se P=[x1;...;xn] e a matriz
>> matvand(P,k) obtem
de Vandermonde generalizada no caso em que P=[x1,y1;...;xn,yn].
>> po([x1,y1;x2,y2;...xk,yk]) desenha os pontos (x1,y1),...,(xk,yk).
dada pela expressao

simbolica
>> plotf1(f,[a,b]) desenha o grafico

da funcao
f no intervalo [a,b].
>> plotci(f,[a,b],[c,d]) desenha o grafico

da curva dada implicitamente pela expressao
do plano [a,b]x[c,d].
f(x,y)=0 na regiao
>> p=poly2sym2([a,b,c,d,e,f],x,y) armazena na variavel

p o polinomio
em duas
variaveis
2 + + 2 + + + .
>> eixos desenha os eixos coordenados.

1.2.15.
(a) Use o comando P=randi(4,2), para gerar 4 pontos com entradas inteiras e aleatorias
armazenados nas linhas da matriz P.
entre 5 e 5. Os pontos estao
Julho 2009
Reginaldo J. Santos
70

polinomial
(b) Use o M ATLAB para tentar encontrar os coeficientes , , e da funcao
3
2
() = + + + cujo grafico
passa pelos pontos dados pelas linhas da matriz
deste problema, assim como
P. A matriz A=matvand(P(:,1),3) pode ser util
na solucao
conseguiu, repita o passo anterior. Por que pode nao
ser
a matriz B=P(:,2). Se nao
possvel?
(c) Desenhe os pontos e o grafico

do polinomio
com os comandos
clf, po(P), syms x, p=poly2sym(R(:,5),x), plotf1(p,[-5,5]), em que R e forma
escalonada reduzida da matriz [A,B].
(d) Desenhe os eixos coordenados com o comando eixos.
1.2.16.
(a) Use o comando P=randi(5,2), para gerar 5 pontos com entradas inteiras e aleatorias
armazenados nas linhas da matriz P.
entre 5 e 5. Os pontos estao
(b) Use o M ATLAB para tentar encontrar os coeficientes , , , , e da conica,

curva de
2
2
+ + + + + = 0, cujo grafico
equacao
passa pelos pontos cujas
dadas pelas linhas da matriz P. A matriz A=matvand(P,2) pode ser util
coordenadas sao
deste problema. Se nao

conseguiu, repita o passo anterior. Por que pode nao
na solucao
ser possvel?
(c) Desenhe os pontos e a conica

com os comandos
clf,
po(P),
syms x y,
p=poly2sym2([-R(:,6);1],x,y),
plotci(p,[-5,5],[-5,5]), em que R e a forma escalonada reduzida da matriz
A.
(d) Desenhe os eixos coordenados com o comando eixos.
1.2.17. Use o M ATLAB e resolva os Exerccios Numericos

a partir do Exerccio 1.2.3.

Linear
Julho 2009
1.2
Lineares
71
Exerccios Teoricos
elementar possui inversa, do mesmo tipo, ou seja, para cada
1.2.18. Mostre que toda operacao
elementar existe uma outra operacao
elementar do mesmo tipo que desfaz o que
operacao
anterior fez.
a operacao
1.2.19. Prove que:
(a) Toda matriz e equivalente por linhas a ela mesma (reflexividade);
e equivalente por linhas a (simetria);
(b) Se e equivalente por linhas a , entao
e equivalente
(c) Se e equivalente por linhas a e e equivalente por linhas a , entao
por linhas a (transitividade).
1.2.20.
(a) Sejam 1 e 2 solucoes

= 0. Mostre que 1 + 2 e
para quaisquer escalares e . (Sugestao:
veja o Exemplo 1.7.)
solucao,
(b) Sejam 1 e 2 solucoes

do sistema = . Mostre que se 1 + 2 e solucao,
= 0. (Sugestao:
faca = = 0.)
para quaisquer escalares e , entao
1.2.21. Sejam uma matriz e =

0 uma matriz 1.
do sistema = e 1 e uma solucao
do sistema
(a) Mostre que se 1 e uma solucao
de = .
1 + 1 e solucao
homogeneo
associado = 0, entao
particular do sistema = . Mostre que toda solucao
do sistema
(b) Seja 0 solucao
do sistema
= , pode ser escrita como = 0 + , em que e uma solucao
geral do sistema = e a soma

homogeneo
associado, = 0. Assim, a solucao
particular de = com a solucao
geral do sistema homogeneo
de uma solucao
Julho 2009
Reginaldo J. Santos
72

Escreva = 0 + ( 0 ) e mostre que 0 e
associado =
0. (Sugestao:
= 0.)
solucao

Linear
Julho 2009
1.2
Lineares
73
Teste do Captulo
tem
1. Para o sistema linear dado, encontre todos os valores de para os quais o sistema nao
tem solucao
unica
solucao,
e tem infinitas solucoes:
= 3
+ 2 +
+
= 2
2
+ + ( 5) =
2. Se possvel, encontre os valores de , e tais que:

1 0 0
1 2 3
40 16
2 5 3 13 5 = 0 1 0
0 0 1
1 0 8
5 2
3. Sejam
1
0
0 1
. e =
Sabendo-se que = , calcule 2 , e 2 .
cos sen
sen cos
4. Responda Verdadeiro ou Falso, justificando:

Julho 2009
Reginaldo J. Santos
74

( + 2 )( 22 ) = ;
(a) Se 2 = 24 , entao
= ;
(b) Se = , onde e uma matriz diagonal, entao
= , para toda matriz , ;
(c) Se e uma matriz diagonal, entao
= .
(d) Se = , entao
tais que = e = , entao

= , e tal que = .
(e) Se e sao

Linear
Julho 2009
Captulo 2
Inversao
2.1
Matriz Inversa
nulo, possui um inverso (multiplicativo), ou seja, existe um numero

Todo numero
real , nao
, tal
e unico
e o denotamos por . Apesar da algebra
matricial ser
que = = 1. Este numero
nulas possuem inversa, ou

semelhante a` algebra
dos numeros
reais, nem todas as matrizes nao
seja, nem sempre existe uma matriz tal que = = . De incio, para que os produtos
e estejam definidos e sejam iguais e preciso que as matrizes e sejam quadradas. Portanto,
somente as matrizes quadradas podem ter inversa, o que ja diferencia do caso dos numeros
reais,
nulo tem inverso. Mesmo entre as matrizes quadradas, muitas nao

possuem
pois todo numero
nao
tem inversa ser bem menor do que o conjunto das que tem
inversa, apesar do conjunto das que nao
(Exerccio 2.2.9 na pagina

130).
75
Inversao
76
singular, se existe uma

2.1. Uma matriz quadrada = ( ) e invertvel ou nao
Definicao
matriz = ( ) tal que
= = ,
(2.1)
tem inversa,
em que e a matriz identidade. A matriz e chamada de inversa de . Se nao
invertvel ou singular.
dizemos que e nao
Exemplo 2.1. Considere as matrizes
2 1
0 3
1/2 1/6
0
1/3
A matriz e a inversa da matriz , pois = = 2 .
a inversa e unica.
Teorema 2.1. Se uma matriz = ( ) possui inversa, entao
= = = =
Demonstracao.
Suponhamos que e sejam inversas de . Entao,
e assim,
= = () = () = = .

Linear
Julho 2009
2.1
A Inversa de uma Matriz
77
para o fato de
Denotamos a inversa de , quando ela existe, por 1 . Devemos chamar atencao
significa uma potencia,
pouco uma divisao.

Assim como no
tao
que o ndice superior 1, aqui, nao
caso da transposta, em que significa a transposta de , aqui, 1 significa a inversa de .
2.1.1 Propriedades da Inversa
Teorema 2.2.
1 tambem
o e e
(a) Se e invertvel, entao
(1 )1 = ;
matrizes invertveis, entao
e invertvel e
(b) Se = ( ) e = ( ) sao
()1 = 1 1 ;
tambem
e invertvel e
(c) Se = ( ) e invertvel, entao
( )1 = (1 ) .
Demonstracao.
Se queremos mostrar que uma matriz e a inversa de uma outra, temos que mostrar
iguais a` matriz identidade.
que os produtos das duas matrizes sao
Julho 2009
Reginaldo J. Santos
Inversao
78
(a) Uma matriz e a inversa de 1 se
1 = 1 = .
Mas, como 1 e a inversa de , entao
1 = 1 = .
= e a inversa de 1 , ou seja, (1 )1 = .
Como a inversa e unica,
entao
(b) Temos que mostrar que a inversa de e 1 1 , ou seja, mostrar que os produtos
iguais a` matriz identidade. Mas, pelas propriedades
()( 1 1 ) e ( 1 1 )() sao
(h) e (i) do Teorema 1.1 na pagina

9:
()( 1 1 ) = ( 1 )1 = 1 = 1 = ,
( 1 1 )() = 1 (1 ) = 1 = 1 = .
(c) Queremos mostrar que a inversa de e (1 ) . Pela propriedade (o) do Teorema 1.1 na
pagina
9:
(1 ) = (1 ) = = ,
(1 ) = (1 ) = = .
sera omitida no momento (Subsecao

2.1.2), garante que
O teorema seguinte, cuja demonstracao
basta verificarmos uma das duas igualdades em (2.1) para sabermos se uma matriz e a inversa de
outra.

Linear
Julho 2009
2.1
79
Teorema 2.3. Sejam e matrizes .

= ;
(a) Se = , entao
= ;
(b) Se = , entao
Assim, para verificar que uma matriz e invertvel, quando temos uma matriz que e candidata a
inversa de , basta fazer um dos produtos ou e verificar se um deles e igual a . O proximo

exemplo ilustra este fato.
ser a matriz nula!). Vamos

Exemplo 2.2. Seja = ( ) uma matriz tal que 3 =
0 ( pode nao
mostrar que a inversa de e + + 2 . Para provar isto, devemos multiplicar a matriz ,
pela matriz que possivelmente seja a inversa dela, aqui + + 2 , e verificar se o produto das duas
e igual a matriz identidade .
( )( + + 2 ) = ( + + 2 ) ( + + 2 ) = + + 2 2 3 = .
Aqui foram usadas as propriedades (i) e (j) do Teorema 1.1 na pagina

9.
Julho 2009
Reginaldo J. Santos
80
Inversao
(opcional)
2.1.2 Matrizes Elementares e Inversao
um papel importante no estudo da inversao
de matrizes e da solucao
As matrizes elementares tem

de sistemas lineares.
uma matriz elementar.
2.4. Toda matriz elementar e invertvel e sua inversa e tambem
Proposicao
introduzida na pagina
Usando a notacao
55, temos:
1
(a) ,
= , = , ;
(b) ()1 = (1/), para = 0;

(c) , ()1 = , ().
Demonstracao.
Seja uma matriz elementar. Esta matriz e obtida de aplicando-se uma operacao
que transforma de volta em .
elementar. Seja a matriz elementar correspondente a operacao
Agora, pelo Teorema 1.8 na pagina

57, temos que = = . Portanto, e a inversa de
.
sao
equivalentes:
Teorema 2.5. Seja uma matriz . As seguintes afirmacoes
(a) Existe uma matriz , , tal que = .
(b) A matriz e equivalente por linhas a` matriz identidade .

Linear
Julho 2009
2.1
81
(c) A matriz e invertvel.
o sistema =
trivial,
Demonstracao.
(a)(b) Se = , entao
0 tem somente a solucao
pois = = =
0 = 0. Isto implica que a matriz e equivalente por linhas a`
a forma escalonada reduzida de teria uma linha nula
matriz identidade , pois caso contrario
1.5 na pagina
(Proposicao
50).
(b)(c) A matriz ser equivalente por linhas a` significa, pelo Teorema 1.8 na pagina
57, que
existem matrizes elementares 1 , . . . , , tais que
(11
1
. . . )
. . . 1 =
. . . 1 = 11 . . . 1
= 11 . . . 1 .
(2.2)
(2.3)
invertveis (Proposicao
2.4). Portanto,
Aqui, usamos o fato de que as matrizes elementares sao
e invertvel como o produto de matrizes invertveis.

(c)(a) Claramente.
multiplicando-se ambos os membros de (2.2) a` direita por 1 obtemos

Se e invertvel, entao
. . . 1 = 1 .
elementares que transforma a matriz na matriz identidade

Assim, a mesma sequ encia
de operacoes
em 1 .
transforma tambem
Julho 2009
Reginaldo J. Santos
Inversao
82
do Teorema 2.3 na pagina
A demonstracao
79, agora, e uma simples consequ encia
do Teorema
anterior.
e invertvel e =
do Teorema 2.3. (a) Vamos mostrar que se = , entao
Demonstracao
1
pelo Teorema 2.5, e invertvel e = = 1 = 1 =
. Se = , entao
1
. Logo, = = .
pelo item anterior e invertvel e 1 = . Portanto = = .
(b) Se = , entao
do Teorema 2.5 (equacao

(2.3)) o resultado seguinte.
Segue da demonstracao,
Teorema 2.6. Uma matriz e invertvel se, e somente se, ela e um produto de matrizes elementares.
Exemplo 2.3. Vamos escrever a matriz do Exemplo 2.5 na pagina

87 como o produto de matrizes
elementares. Quando encontramos a inversa da matriz , aplicamos uma sequ encia

de operacoes
1
sao
por linha,
elementares em [ 3 ] ate que encontramos a matriz [ 3 ]. Como as operacoes
elementares transforma em . Isto corresponde a multiplicar

esta mesma seq
deoperacoes
u encia
1 1 1
2 1 4 a` esquerda pelas matrizes elementares

a matriz =
2 3 5
1 0 0
1 0 0
1,2 (2) = 2 1 0 , 1,3 (2) = 0 1 0 ,
2 0 1
0 0 1

Linear
Julho 2009
2.1
1
0 0
2 (1) = 0 1 0 ,
0
0 1
1 0 0
3 ( 15 ) = 0 1 0 ,
0 0 51
83
1 1 0
1 0 ,
2,1 (1) = 0
0
0 1
1 0 3
0 ,
3,1 (3) = 0 1
0 0
1
1
0 0
1 0
2,3 (1) = 0
0 1 1
1 0 0
3,2 (2) = 0 1 2 ,
0 0 1
ou seja,
3,2 (2) 3,1 (3) 3 ( 15 ) 2,3 (1) 2,1 (1) 2 (1) 1,3 (2) 1,2 (2) = 3 .
Multiplicando a` esquerda pelas inversas das matrizes elementares correspondentes obtemos
= 1,2 (2) 1,3 (2) 2 (1) 2,1 (1) 2,3 (1) 3 (5) 3,1 (3) 3,2 (2).
de Matrizes
2.1.3 Metodo
para Inversao
somente uma forma de descobrir se uma
O exemplo seguinte mostra, para matrizes 2 2, nao
matriz tem inversa mas tambem,

como encontrar a inversa, no caso em que ela exista. Ou seja,
escalonamos a matriz [ 2 ] e encontramos a sua forma escalonada reduzida [ ]. Se = 2 ,
a matriz e invertvel e a inversa 1 = . Caso contrario,
e invertvel.
entao
a matriz nao
Julho 2009
Reginaldo J. Santos
Inversao
84
Exemplo 2.4. Seja =

ou seja,
]
[
]

. Devemos procurar uma matriz =
tal que = 2 ,

+
= 1
+
= 0
=
0
+ = 1
Este sistema pode ser desacoplado em dois sistemas independentes que possuem a mesma matriz,
que e a matriz . Podemos resolve-los

simultaneamente. Para isto, basta escalonarmos a matriz
aumentada
[
]
1 0
0 1
= [ 2 ].
soluc
unica
Os dois sistemas tem
se,] e somente se, a forma escalonada reduzida da matriz [ 2 ]
[ ao
1 0
(verifique, observando o que acontece se a forma escalonada
0 1
for igual a [
reduzida da matriz nao
2 ). Neste
] caso, = , = e = , = , ou seja, a matriz

possuira inversa, 1 = = =
.

for da forma [ 2 ] =
2.1.2 o proximo
Para os leitores da Subsecao

teorema e uma simples consequ encia
do Teorema
que daremos a seguir fornece um metodo
2.5 na pagina
80. Entretanto a demonstracao
para encontrar
a inversa de uma matriz, se ela existir.
Teorema 2.7. Uma matriz , , e invertvel se, e somente se, e equivalente por linhas a` matriz
identidade .

Linear
Julho 2009
2.1
85
Demonstracao.
Pelo Teorema 2.3 na pagina
79, para verificarmos se uma matriz , , e invertvel, basta verificarmos se existe uma matriz , tal que
= .
(2.4)
Vamos denotar as colunas de por 1 , 2 , . . . , , ou seja, = [ 1 . . . ], em que
11
12
21
22
1 = .. , 2 = ..
.
.
1
2
1
2
. . . , = ..
.
e as colunas da matriz identidade , por 1 , 2 , . . . , , ou seja, = [ 1 . . . ], em que
1
0
0
1

1 = .. , 2 = ..
.
.
0
0
(2.4) pode ser escrita como

Assim a equacao
0
0

. . . , = .. .
.
1
[ 1 . . . ] = [ 1 . . . ] = [ 1 . . . ],
pois a -esima
coluna do produto e igual a vezes a -esima
coluna da matriz (Exerccio 18
anterior vemos que encontrar e equivalente

na pagina
27). Analisando coluna a coluna a equacao
a resolver sistemas lineares
= para = 1 . . . , .
Julho 2009
Reginaldo J. Santos
Inversao
86
Cada um dos sistemas pode ser resolvido usando o metodo

de Gauss-Jordan. Para isso, formaramos
as matrizes aumentadas [ 1 ], [ 2 ], . . . , [ ]. Entretanto, como as matrizes dos sistemas
todas iguais a` , podemos resolver todos os sistemas simultaneamente formando a matriz 2
sao
[ 1 2 . . . ] = [ ].
Transformando [ ] na sua forma escalonada reduzida, que vamos denotar por [ ], vamos
e.
possveis: ou a matriz e a matriz identidade, ou nao

chegar a duas situacoes
a forma escalonada reduzida da matriz [ ] e da forma [ ]. Se
Se = , entao
as solucoes
dos
escrevemos a matriz em termos das suas colunas = [ 1 2 . . . ], entao
= e assim = e tal que = e pelo Teorema 2.3 na
sistemas = sao
79 e invertvel.
pagina
a matriz nao
e equivalente por linhas a` matriz identidade . Entao,
pela
Se = , entao
1.5 na pagina
Proposicao
50 a matriz tem uma linha nula. O que implica que cada um dos
tem solucao
unica
tem solucao.
Isto implica que a matriz
sistemas = ou nao
ou nao
tem inversa, pois as colunas da (unica)

nao
inversa seriam , para = 1, . . . .
do Teorema 2.7 obtemos nao

somente uma forma de descobrir se
Observacao.
Da demonstracao
uma matriz tem inversa mas tambem,

como encontrar a inversa, no caso em que ela exista. Ou
seja, escalonamos a matriz [ ] e encontramos a sua forma escalonada reduzida [ ]. Se
a matriz e invertvel e a inversa 1 = . Caso contrario,
e invertvel.
= , entao
a matriz nao
Vejamos os exemplos seguintes.

Linear
Julho 2009
2.1
87
Exemplo 2.5. Vamos encontrar, se existir, a inversa de
1 1 1
= 2 1 4
2 3 5
1a. eliminacao:

2a. eliminacao:
2a.
linha
2a.
linha

3a. eliminacao:
1
3a.
5
Julho 2009
linha
3a.
linha
1
1
0 1
0
1
1
1 0 0
2 2 1 0
3 2 0 1
1
0
0
1
0 0
1
1
1 2
2 1 0
1
3 2
0 1
1 0
0
3 1
1 2
2 1 0
0
5 4
1 1
1
0
0
1
0
0
0
3 1
1 0
1 2
2 1 0
1
1
0
1 54
5
5
Reginaldo J. Santos
Inversao
88
7
2
1 0 0
35
5
5
2
2
35
0 1 0
5
5
4
1
1
0 0 1 5
5
5

Assim, a matriz [ 3 ] e equivalente por linhas a` matriz acima, que e da forma [3 ], portanto a
matriz e invertvel e a sua inversa e a matriz , ou seja,
7
5
2
5
45
1 =
2
5
53
1
5
35
2
5
1
5
Exemplo 2.6. Vamos determinar, se existir, a inversa da matriz
1 2 3
= 1 1 2 .
0 1 1
Para isso devemos escalonar a matriz aumentada
1 2 3 1 0 0
[ 3 ] = 1 1 2 0 1 0
0 1 1 0 0 1
1a. eliminacao:

Linear
Julho 2009
2.1
89
0 0
1 2 3 1
0 1 1 1 1 0
0 1 1 0
0 1
2a. eliminacao:

1 2 3 1
0 0
0 1 1 1 1 0
0 1 1 0
0 1
1 0 1 1
2 0
0 1 1
1 1 0
0 0 0 1
1 1
Assim, a matriz [ 3 ] e equivalente por linhas a` matriz acima, que e da forma [ ], com = 3 .
e equivalente por linhas a` matriz identidade e portanto nao
e invertvel.
Assim, a matriz nao
Se um sistema linear = tem o numero
de equacoes
igual ao numero
de incognitas,
1
o conhecimento da inversa da matriz do sistema , reduz o problema de resolver o sistema
entao
a simplesmente fazer um produto de matrizes, como esta enunciado no proximo

teorema.
Julho 2009
Reginaldo J. Santos
Inversao
90
Teorema 2.8. Seja uma matriz .

unica
(a) O sistema associado = tem solucao
se, e somente se, e invertvel. Neste caso
1
e = ;
a solucao
nao
trivial se, e somente se, e singular (nao
(b) O sistema homogeneo

= 0 tem solucao
invertvel).
multiplicando = por 1 a` esquerda
Demonstracao.
(a) Se a matriz e invertvel, entao
em ambos os membros obtemos
1 ( )
(1 )

=
=
=
=
1
1
1
1 .
Aqui foram usadas as propriedades (h) e (i) do Teorema 1.1 na pagina

9. Portanto, = 1
do sistema = . Por outro lado, se o sistema = possui solucao

e a unica
solucao
a forma escalonada reduzida da matriz aumentada do sistema [ ] e da forma

unica,
entao
[ ], em que = . Pois a matriz e quadrada e caso fosse diferente da identidade

1.5 na pagina
possuiria uma linha de zeros (Proposicao

50) o que levaria a que o sistema
tivesse solucao
ou tivesse infinitas solucoes.
= ou nao
Logo, a matriz e equivalente
por linhas a` matriz identidade o que pelo Teorema 2.7 na pagina

84 implica que e invertvel.

Linear
Julho 2009
2.1
91
trivial. Pelo item anterior, esta sera a

(b) Todo sistema homogeneo
possui pelo menos a solucao
se, e somente se, e invertvel.
unica
solucao
a producao
Vamos ver no proximo

exemplo que se conhecemos a inversa de uma matriz, entao
de uma industria
em varios
perodos pode ser obtida apenas multiplicando-se a inversa por matrizes
e as quantidades dos insumos utilizados em cada perodo.

colunas que contenham a arrecadacao
produz tres

A e 4 gramas de B. O preco de venda do kg de cada um dos produtos X, Y e Z e R$ 2,00, R$ 3,00 e
R$ 5,00, respectivamente. Como vimos no Exemplo 1.6 na pagina

7, usando matrizes o esquema de
pode ser descrito da seguinte forma:
producao
X
1
2
2
Y Z
1 1
1 4 =
3 5
++
= 2 + + 4
2 + 3 + 5
gramas de A/kg
gramas de B/kg
preco/kg
kg de X produzidos
kg de Y produzidos
kg de Z produzidos
gramas de A usados
gramas de B usados
arrecadacao
No Exemplo 2.5 na pagina

87 determinamos a inversa da matriz
1 1 1
= 2 1 4
2 3 5
Julho 2009
Reginaldo J. Santos
Inversao
92
que e
1 =
7
5
2
5
4
5
2
5
53
1
5
35
2
5
1
5
7
2 3
1
2 .
= 2 3
5
4
1
1
da industria
Sabendo-se a inversa da matriz podemos saber a producao
sempre que soubermos
quanto foi gasto do insumo A, do insumo B e a arrecadacao.

de X, Y e Z manufaturada com 1 kg de A
(a) Se em um perodo com a venda de toda a producao
para determinar quantos kg de cada
e 2 kg de B, essa industria
arrecadou R$ 2500, 00, entao
um dos produtos X, Y e Z foram vendidos simplesmente multiplicamos 1 pela matriz
1000
= 2000
2500
gramas de A usados
gramas de B usados
arrecadacao
ou seja,
kg de X produzidos
kg de Y produzidos
kg de Z produzidos

7
2 3
700
1000
= = 1 = 1
2 2000 = 200
2 3
5
100
2500
4
1
1
Portanto, foram produzidos 700 kg do produto X, 200 kg de Y e 100 kg de Z.
de X, Y e Z manufaturada com 1 kg de
(b) Se em outro perodo com a venda de toda a producao
para determinar quantos kg de
A e 2, 1 kg de B, essa industria
arrecadou R$ 2900, 00, entao

Linear
Julho 2009
2.1
93
cada um dos produtos X, Y e Z foram vendidos simplesmente multiplicamos 1 pela matriz
ou seja,
kg de X produzidos
kg de Y produzidos
kg de Z produzidos
1000
= 2100
2900
gramas de A usados
gramas de B usados
arrecadacao

7
2 3
500
1000
= = 1 = 1
2 2100 = 300
2 3
5
200
2900
4
1
1
Portanto, foram produzidos 500 kg do produto X, 300 kg de Y e 200 kg de Z.
Vamos mostrar a recproca do item (b) do Teorema 2.2 na pagina

77. Este resultado sera util
de que o determinante do produto de matrizes e o produto dos determinantes

na demonstracao
2.2.2 na pagina
(Subsecao
126).
matrizes , com invertvel, entao

e sao
invertveis.
2.9. Se e sao
Proposicao
existiria =
fosse invertvel, entao

Demonstracao.
Considere o sistema () =
0. Se nao
0,
0 (Teorema 2.8 na pagina

90). Multiplicando-se por , teramos =
0, o que,
tal que =
novamente pelo Teorema 2.8 na pagina

90, contradiz o fato de ser invertvel. Portanto, e
invertveis, entao
tambem
e invertvel, pois = () 1 , que
invertvel. Agora, se e sao
e o produto de duas matrizes invertveis.
Julho 2009
Reginaldo J. Santos
Inversao
94
Interpolacao
Polinomial
2.1.4 Aplicacao:
Sejam 1 = (1 , 1 ), . . . , = ( , ), com 1 , . . . , numeros

distintos. Considere o pro
blema de encontrar um polinomio

de grau 1
() = 1 1 + 2 2 + + 1 + 0 ,
que interpola os dados, no sentido de que ( ) = , para = 1, . . . , .

1 = (0, 10), 2 = (1, 7), 3 = (3, 11), 4 = (4, 14) entao
Por exemplo se os pontos sao
o problema consiste em encontrar um polinomio

de grau 3 que interpola os pontos dados (veja o
Exerccio 1.2.8 na pagina

63).

Linear
Julho 2009
2.1
30
95
20
10
10
20
30
2
Vamos mostrar que existe, um e somente um, polinomio

de grau no maximo
igual a 1, que
interpola pontos, com abscissas distintas. Substituindo os pontos no polinomio

(), obtemos um
Julho 2009
Reginaldo J. Santos
Inversao
96
sistema linear = , em que
1
2
= .. ,
.
0
1
2
= ..
.
1
2
. . . 1 1
1
1
1 2 . . . 2 1
2
2
e = .
.
..
..
..
.
.
1
2
. . . 1
A matriz e chamada matriz de Vandermonde.
Vamos mostrar que = tem somente uma solucao.

90, um
unica
sistema de equacoes
e incognitas
= tem solucao
se, e somente se, o sistema
do
trivial. = [ 1 0 ] e solucao
homogeneo
associado, =
0, tem somente a solucao
1
+ + 0 , se
sistema homogeneo
se, e somente se, o polinomio
de grau 1, () = 1
() e o polinomio
anula em pontos distintos. O que implica que o polinomio
com todos os seus
trivial.
= 0 tem somente a solucao

coeficientes iguais a zero. Portanto, o sistema homogeneo
Isto prova que existe, um e somente um, polinomio

de grau no maximo
igual a 1, que interpola
pontos, com abscissas distintas.
do sistema linear e = 1 . Como a matriz depende apenas das absAssim a solucao
cissas dos pontos, tendo calculado a matriz 1 podemos determinar rapidamente os polinomios
que interpolam varios

conjuntos de pontos, desde que os pontos de todos os conjuntos tenham as
mesmas abscissas dos pontos do conjunto inicial.
Criptografia
2.1.5 Aplicacao:
Vamos transformar uma mensagem em uma matriz da seguinte forma. Vamos quebrar a mensagem em pedacos de tamanho 3 e cada pedaco sera convertido em uma matriz coluna usando a
entre caracteres e numeros.
Tabela 2.1 de conversao

Linear
Julho 2009
2.1
97
Considere a seguinte mensagem criptografada
1ydobbr,?
(2.5)
Quebrando a mensagem criptografada em pedacos de tamanho 3 e convertendo cada pedaco para

uma coluna de numeros
usando a Tabela 2.1 obtemos a matriz
80 15 18
= 25 2 107
4 2 94
Sabendo-se que esta mensagem foi criptografada fazendo o produto da mensagem inicial pela matriz
1 1 0
= 0 1 1
0 0 1
entao
= 1
sera a mensagem inicial convertida para numeros,
ou seja,

1 1
1
59 15 5
80 15 18
1 1 25 2 107 = 21 0 13
= 1 = 0
0
0
1
4 2 94
4 2 94
Convertendo para texto usando novamente a Tabela 2.1 obtemos que a mensagem que foi criptografada e
Tudo bem?
(2.6)
Julho 2009
Reginaldo J. Santos
Inversao
98
Exerccios Numericos
510)
1
2.1.1. Seja uma matriz 3 3. Suponha que = 2 e solucao

3
Justifique.
= 0. A matriz e singular ou nao?
2.1.2. Se possvel, encontre as inversas das seguintes matrizes:
(a)
(b)
(c)
1
1
0
1
1
1
1
1
1
1
3
2 ;
2
2
1 ;
2
1
1
2 1
1
2
3
3
2
1
1
2
3
3
(d)
(e)
1
2
;
1
2
(f)
2.1.3. Encontre todos os valores de para os quais a matriz =

2.1.4. Se
3 2
1 3

Linear
3
3 ;
4
3
2 ;
1
1 1
1 2
;
1 1
1 6
1 1 0
1 0 0 tem inversa.
1 2
1
0
1
1
1
0
1
1
1
5
2
5
3 2
2
2
2
2
1
1
1
3
2
9
,
Julho 2009
2.1
99
encontre ( )1 .
2.1.5. Resolva o sistema = , se
2.1.6. Seja
2 3
4 1
[
e =
1 1
4
1
mostraremos no Exemplo 6.6 na pagina

401 que
1 1
2 2
e =
]
5
.
3
3
0
0 1
tais que
sao
= 1 .
Determine , para = 1, 2, 3, . . .
2.1.2) Encontre matrizes elementares 1 , . . . , tais que = 1 . . . ,
2.1.7. (Relativo a` Subsecao
para
1 2 3
= 2 1 2 .
0 1 2

Julho 2009
Reginaldo J. Santos
Inversao
100
>> M=[A,B] atribui a` matriz M a matriz obtida colocando lado a lado as matrizes A e B.
>> M=A(:,k:l) atribui a` matriz M a submatriz da matriz A obtida da coluna l a` coluna k da
matriz A.
elementar
>> B=opel(alpha,i,A) ou B=oe(alpha,i,A)faz a operacao
alpha*linha i ==> linha i da matriz A e armazena a matriz resultante em B.
elementar
>> B=opel(alpha,i,j,A) ou B=oe(alpha,i,j,A) faz a operacao
alpha*linha i + linha j ==> linha j da matriz A e armazena a matriz resultante na
variavel
B.
>> B=opel(A,i,j) ou B=oe(A,i,j) faz a troca da linha com a linha da matriz A e arma
B.
>> B=escalona(A) calcula passo a passo a forma escalonada reduzida da matriz A e arma
B.
alguns arquivos com mensagens criptografadas e uma chave para de2.1.8. O pacote GAAL contem
` variaveis
cifra-las.
Use os comandos a seguir para ler dos arquivos e atribuir as
corresponden
tes, uma mensagem criptografada e a uma chave para decifra-la.
>> menc=lerarq(c:/matlab/toolbox/gaal/menc1.txt)
>> key=lerarq(c:/matlab/toolbox/gaal/key.txt)
Com estes comandos foram lidos os arquivos menc1.txt e key.txt e atribudos os resultados
` variaveis
as
menc e key respectivamente. Para converter a mensagem criptografada e a chave

Linear
Julho 2009
2.1
101
para matrizes numericas

use os comandos do pacote gaal:
>> y=char2num(menc), M=char2num(key)

Sabendo-se que a mensagem criptografada (convertida para numeros),
y, foi originalmente
obtida multiplicando-se a matriz M pela mensagem original (convertida para numeros),

x, de
termine x. Descubra a mensagem usando o comando do pacote gaal, num2char(x), que
nos arquivos menc2.txt e
converte a matriz para texto. Decifre as mensagens que estao
menc3.txt. Como deve ser a matriz M para que ela possa ser uma matriz chave na criptografia?
2.1.9. Resolva os Exerccios Numericos

a partir do Exerccio 2.1.2 usando o M ATLAB .
Exerccios Teoricos
2.1.10.
(a) Mostre que a matriz =

caso a inversa e dada por
e invertvel se, e somente se, = 0 e neste
1
=

encontre a forma escalonada reduzida da matriz [ 2 ], para = 0 e para

(Sugestao:
= 0.)
o sistema linear
(b) Mostre que se = 0, entao
{
Julho 2009
+ =
+ =
Reginaldo J. Santos
Inversao
102
tem como solucao
para os proximos
Sugestao
4 exerccios: Para verificar que uma matriz e a inversa de uma
matriz , basta fazer um dos produtos ou e verificar que e igual a .
2.1.11. Se e uma matriz e =
0, para um inteiro positivo, mostre que
( )1 = + + 2 + . . . + 1 .
iguais a zero
2.1.12. Seja uma matriz diagonal, isto e,
( = 0, para = ). Se = 0, para = 1, . . . , , mostre que e invertvel e a sua inversa
uma matriz diagonal com elementos na diagonal dados por 1/11 , 1/22 , . . . , 1/ .
e tambem
2.1.13. Sejam e matrizes quadradas. Mostre que se + e forem invertveis, entao
( + )1 = 1 ( + 1 )1 .
iguais a 1. Mostre que se > 1, entao
2.1.14. Seja a matriz , cujas entradas sao
( )1 =
observe que 2 = .)
(Sugestao:
1
.
1
1 = 1 se, e somente se, = .

2.1.15. Mostre que se e uma matriz invertvel, entao
multiplique a equacao
= por 1 .)
(Sugestao:

Linear
Julho 2009
2.1
103
+ e + 1 sao
ambas invertveis ou
2.1.16. Mostre que se e uma matriz invertvel, entao
1
invertveis. (Sugestao:
multiplique + por .)
ambas nao
e invertvel, entao
tambem
nao
o e.
2.1.17. Sejam e matrizes . Mostre que se nao

matrizes , invertveis, entao
e sao
equivalentes por linhas.
e invertvel.
2.1.19. Sejam uma matriz e uma matriz , com < . Mostre que nao
Mostre que o sistema () = 0 tem solucao

nao
trivial.)
(Sugestao:
Julho 2009
Reginaldo J. Santos
Inversao
104
10
11
12
13
14
a
`
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
`
A
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
<
>
"
&
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
de caracteres em numeros
Tabela 2.1: Tabela de conversao

Linear
Julho 2009
2.2
2.2
Determinantes
105
Determinantes
Vamos inicialmente definir o determinante de matrizes 1 1. Para cada matriz = [] definimos

o determinante de , indicado por det(), por det() = . Vamos, agora, definir o determinante de
matrizes 2 2 e a partir da definir para matrizes de ordem maior. A cada matriz , 2 2, associamos
um numero
real, denominado determinante de , por:
det() = det
11 12
21 22
= 11 22 12 21 .
os
Para definir o determinante de matrizes quadradas maiores, precisamos definir o que sao
menores de uma matriz. Dada uma matriz = ( ) , o menor do elemento , denotado por
, e a submatriz ( 1) ( 1) de obtida eliminando-se a -esima

linha e a -esima
coluna
de , que tem o seguinte aspecto:
Julho 2009
11
..
.
..
.

. . . . . . 1

..

..

.

. . . . . .
Reginaldo J. Santos
Inversao
106
Exemplo 2.8. Para uma matriz = ( )33 ,
23 =

11 12 13

21 22 23

31 32 33
]
[
11 12
=
31 32
Agora, vamos definir os cofatores de uma matriz quadrada = ( )33 . O cofator do elemento
, denotado por
, e definido por
= (1)+ det( ),
ou seja, o cofator
, do elemento e igual a mais ou menos o determinante do menor , sendo
o mais e o menos determinados pela seguinte disposicao:
+ +
+
+ +
Exemplo 2.9. Para uma matriz = ( )33 ,
23
11 12
= (1)2+3 det(23 ) = det 21 22
31 32

13

23

33

Linear
]
[
11 12
= 31 12 11 32
= det
31 32
Julho 2009
2.2
Determinantes
107
Vamos, agora, definir o determinante de uma matriz 3 3. Se
11 12 13
21 22 23
31 32 33
o determinante de e igual a` soma dos produtos dos elementos da 1a. linha pelos seus cofaentao,
tores.
det() = 11
11 + 12
12 + 13
[
] 13
[
]
[
]
22 23
21 23
21 22
= 11 det
12 det
+ 13 det
32 33
31 33
31 32
= 11 (22 33 32 23 ) 12 (21 33 31 23 ) + 13 (21 32 31 22 ).
Da mesma forma que a partir do determinante de matrizes 2 2, definimos o determinante de
matrizes 3 3, podemos definir o determinante de matrizes quadradas de ordem maior. Supondo que
sabemos como calcular o determinante de matrizes ( 1) ( 1) vamos definir o determinante
de matrizes .
Vamos definir, agora, os cofatores de uma matriz quadrada = ( ) . O cofator do elemento
, denotado por
, e definido por
= (1)+ det( ),
ou seja, o cofator
, do elemento e igual a mais ou menos o determinante do menor , sendo
Julho 2009
Reginaldo J. Santos
Inversao
108
o mais e o menos determinados pela seguinte disposicao:
+ + ...
+ + ...
+ + ...
..
.
..
.
..
.
..
..
2.2. Seja = ( ) . O determinante de , denotado por det(), e definido por

Definicao
det() = 11
11 + 12
12 + . . . + 1
1 =
1
1 ,
(2.7)
=1
(2.8) e chamada desen1 = (1)1+ det(1 ) e o cofator do elemento 1 . A expressao

em que
volvimento em cofatores do determinante de em termos da 1a. linha.
Exemplo 2.10. Seja
0
1
1
2
0 0 3
2
3 4
3
2 5
1 2 0

Linear
Julho 2009
2.2
Determinantes
109
Desenvolvendo-se o determinante de em cofatores, obtemos
det() = 0
11 + 0
12 + 0
13 + (3)(1)1+4 det(),
pode ser calculado usando cofatores,
Mas o det() tambem
em que =
1 2
3
1 3
2 .
2 1 2
det() = 111 + 212 + 313

) + 2(1)1+2 det(
) + 3(1)1+3 det(
13 )
= 1(1)1+1 det(
[
] 11
[
] 12
[
]
3
2
1
2
1 3
= det
2 det
+ 3 det
1 2
2 2
2 1
= 8 2 (2) + 3 (7)
= 25
Portanto,
det() = 3 det() = 75.

de determinante, vamos mostrar que o determinante de uma maExemplo 2.11. Usando a definicao
os elementos situados acima da diagonal principal sao
iguais a zero) e
triz triangular inferior (isto e,
o produto dos elementos da diagonal principal. Vamos mostrar inicialmente para matrizes 3 3. Seja
=
Julho 2009
11 0 0
21 22 0
31 32 33
Reginaldo J. Santos
Inversao
110
det() = 11 det
22 0
32 33
= 11 22 33 .
Vamos supor termos provado que para qualquer matriz ( 1) ( 1) triangular inferior, o deter vamos provar que isto tambem
vale
minante e o produto dos elementos da diagonal principal. Entao
para matrizes . Seja
11
0 ... ...
21 22
..
.
...
..
.
0
..
22
... ...
0

det() = 11 det .32 33 .
.
..
.
2
...
0
..
.
= 11 22 . . . ,
0
pois o determinante acima e de uma matriz ( 1) ( 1) triangular inferior. Em particular, para

a matriz identidade, ,
det( ) = 1.

Linear
Julho 2009
2.2
Determinantes
111
2.2.1 Propriedades do Determinante
Vamos provar uma propriedade do determinante que e usada para provar varias
outras propriedades. Para isso vamos escrever a matriz = ( ) em termos das suas linhas
..
.
+1
.
..
em que e a linha da matriz , ou seja, = [ 1 2 . . . ]. Se a linha e escrita na forma

escalares, dizemos que
= + , em que = [ 1 . . . ], = [ 1 . . . ] e e sao
linear de e , entao
o
linear de e . Se a linha e combinacao
a linha e combinacao
determinante pode ser decomposto como no resultado seguinte.
Teorema 2.10. Seja = ( ) escrita em termos das suas linhas, denotadas por , ou seja,
= [ 1 2 . . . ]. Se para algum , a linha = + , em que = [ 1 . . . ],
Julho 2009
Reginaldo J. Santos
Inversao
112
escalares, entao:
= [ 1 . . . ] e e sao
..
det +
+1
..
..
= det
+1
..
..
+ det
+1
..
Aqui, = + = [ 1 + 1 . . . + ].
Demonstracao.
Vamos provar aqui somente para = 1. Para > 1 e demonstrado no Apendice
II
escalares,
na pagina
133. Se 1 = + , em que = [ 1 . . . ], = [ 1 . . . ] e e sao

Linear
Julho 2009
2.2
Determinantes
113
entao:
(1)1+ ( + ) det(1 )
det
=
..
.
=1
=
det(1 ) +
det(1 )
=1
=1
= det .. + det
..
.
Exemplo 2.12. O calculo

do determinante da matriz a seguir pode ser feito da seguinte forma:
det
cos
sen
2 cos 3 sen 2 sen + 3 cos
= 2 det
cos sen
cos sen
+ 3 det
cos sen
sen cos
=3
de determinante, o determinante deve ser calculado fazendo-se o desenvolvimento

Pela definicao
vamos provar neste momento

em cofatores segundo a 1a. linha. O proximo
resultado, que nao
Julho 2009
Reginaldo J. Santos
Inversao
114
(Apendice
II na pagina
133), afirma que o determinante pode ser calculado fazendo-se o desenvolvimento em cofatores segundo qualquer linha ou qualquer coluna.
Teorema 2.11. Seja uma matriz . O determinante de pode ser calculado fazendo-se o
desenvolvimento em cofatores segundo qualquer linha ou qualquer coluna.
det() = 1
1 + 2
2 + . . . +
=
=1
= 1
1 + 2
2 + . . . +
=
para = 1, . . . , ,
(2.8)
para = 1, . . . , ,
(2.9)
=1
(2.8) e chamada desenem que

= (1)+ det( ) e o cofator do elemento . A expressao
volvimento em cofatores do determinante de em termos da -esima

linha e (2.9) e chamada
coluna.
desenvolvimento em cofatores do determinante de em termos da -esima

Linear
Julho 2009
2.2
Determinantes
115
Temos a seguinte consequ encia

deste resultado.
det() = 0.
Corolario
2.12. Seja uma matriz . Se possui duas linhas iguais, entao
Demonstracao.
O resultado e claramente verdadeiro para matrizes 2 2. Supondo que o resultado
seja verdadeiro para matrizes ( 1) ( 1), vamos provar que ele e verdadeiro para matrizes
. Suponhamos que as linhas e sejam iguais, para = . Desenvolvendo o determinante de
em termos de uma linha , com = , , obtemos
det() =
(1)+ det( ).
=1
=1
e uma matriz ( 1) ( 1) com duas linhas iguais. Como estamos supondo que o
Mas, cada
) = 0. Isto implica que det() = 0.
det(
resultado seja verdadeiro para estas matrizes, entao
No proximo
resultado mostramos como varia o determinante de uma matriz quando aplicamos
elementares sobre suas linhas.
operacoes
(a) Se e obtida de multiplicando-se uma linha por um escalar , entao
det() = det() ;
Julho 2009
Reginaldo J. Santos
Inversao
116
de duas linhas = , entao
(b) Se resulta de pela troca da posicao
det() = det() ;
(c) Se e obtida de substituindo-se a linha por ela somada a um multiplo
escalar de uma linha
, = , entao
det() = det() .
Demonstracao.
(a) Segue diretamente do Teorema 2.10 na pagina

111.
(b) Sejam
..
.

..
.
..
.

Linear
e =
..
.

..
.
.

..
.
Julho 2009
2.2
Determinantes
117
Agora, pelo Teorema 2.10 na pagina

111 e o Corolario
2.12, temos que
..
.
= det
..
0 = det
.
..
= 0 + det() + det() + 0.
..
.
..
.
..
.
+ det
..
.
..
.
..
.
+ det
..
.
..
.
..
.
+ det
..
.

..
.
..
.
Portanto, det() = det().
(c) Novamente, pelo Teorema 2.10 na pagina

111, temos que
..
..
det
.
+

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

..
. .

..
.
Julho 2009
Reginaldo J. Santos
Inversao
118
Exemplo 2.13. Vamos calcular o determinante da matriz
0
1
= 3 6
2
6
5
9
1
elementares para transforma-la
usando operacoes
numa matriz triangular superior e aplicando o Teorema 2.13.
det() =
3 6 9
1 5
det 0
6 1
2
1 2 3
1 5
3 det 0
2
6 1
1 2
3
1
5
3 det 0
0
10
5
1 2
3
1
5
3 det 0
0
0 55
1a. linha 2a. linha
1/31a. linha 1a. linha
21a. linha+3a. linha 3a. linha
102a. linha+3a. linha 3a. linha
(3)(55) = 165
Quando multiplicamos uma linha de uma matriz por um escalar o determinante da nova matriz e
igual a multiplicado pelo determinante da matriz antiga. Mas o que estamos calculando aqui e o
determinante da matriz antiga, por isso ele e igual a 1/ multiplicado pelo determinante da matriz
nova.

Linear
Julho 2009
2.2
Determinantes
119
em cofatores, precisamos
Para se calcular o determinante de uma matriz pela expansao
fazer produtos e calcular determinantes de matrizes ( 1) ( 1), que por sua vez vai
necessarios
precisar de 1 produtos e assim por diante. Portanto, ao todo sao

da ordem de !
se realizar 20! 1018
produtos. Para se calcular o determinante de uma matriz 20 20, e necessario
produtos. Os computadores pessoais realizam da ordem de 108 produtos por segundo. Portanto, um
computador pessoal precisaria de cerca de 1010 segundos ou 103 anos para calcular o determinante
em cofatores. Entretanto usando o metodo
de uma matriz 2020 usando a expansao

apresentado no
exemplo anterior para o calculo do determinante, e necessario apenas da ordem de 3 produtos. Ou
seja, para calcular o determinante de uma matriz 20 20 usando o metodo

apresentado no exemplo
anterior um computador pessoal gasta muito menos de um segundo.
demonstradas somente
A seguir estabelecemos duas propriedades do determinante que serao
2.2.2 na pagina
na Subsecao
126.

(a) O determinante do produto de por e igual ao produto dos seus determinantes,
det() = det() det() .

iguais,
(b) Os determinantes de e de sua transposta sao
det() = det( ) ;
Julho 2009
Reginaldo J. Santos
Inversao
120
Como o determinante de uma matriz e igual ao determinante da sua transposta (TeoObservacao.

validas
rema 2.14 (b)), segue-se que todas as propriedades que se referem a linhas sao
com relacao
` colunas.
as
Exemplo 2.14. Seja = ( ) . Vamos mostrar que se e invertvel, entao
det(1 ) =
1
.
det()
Como 1 = , aplicando-se o determinante a ambos os membros desta igualdade e usando

o Teorema 2.14, obtemos
det() det(1 ) = det( ).
e triangular inferior!).
Mas, det( ) = 1 (Exemplo 2.11 na pagina
109, a matriz identidade tambem
Logo, det(1 ) =
1
.
det()
vamos mostrar que det() =

Exemplo 2.15. Se uma matriz quadrada e tal que 2 = 1 , entao
1. Aplicando-se o determinante a ambos os membros da igualdade acima, e usando novamente o
Teorema 2.14 e o resultado do exemplo anterior, obtemos
(det())2 =
1
.
det()
Logo, (det())3 = 1. Portanto, det() = 1.

Linear
Julho 2009
2.2
Determinantes
121
O resultado seguinte caracteriza em termos do determinante as matrizes invertveis e os sistemas
nao
trivial.
lineares homogeneos
que possuem solucao
Teorema 2.15. Seja uma matriz .

(a) A matriz e invertvel se, e somente se, det() = 0.
nao
trivial se, e somente se, det() = 0.
(b) O sistema homogeneo
= 0 tem solucao
Demonstracao.
(a) Seja a forma escalonada reduzida da matriz .
deste item segue-se de tres

observacoes:
A demonstracao

115, det() = 0 se, e somente se, det() = 0.
1.5 da pagina
Pela Proposicao
50, ou = ou a matriz tem uma linha nula. Assim,
det() = 0 se, e somente se, = .

84, = se, e somente se, e invertvel.
nao
trivial se, e
(b) Pelo Teorema 2.8 na pagina
90, o sistema homogeneo
= 0 tem solucao
invertvel se, e
e invertvel. E pelo item anterior, a matriz e nao
somente se, a matriz nao
somente se, det() = 0.
Julho 2009
Reginaldo J. Santos
Inversao
122
Exemplo 2.16. Considere a matriz
2 2 2
= 0 2 0 .
0 1 3
0 que satisfaz = .
(a) Determinar os valores de tais que existe = =
tais
(b) Para cada um dos valores de encontrados no item anterior determinar todos =
que = .
Solucao:
(a) Como a matriz identidade 3 e o elemento neutro do produto, entao
= 3 .
Subtraindo-se 3 obtemos
3 = 0
( 3 ) = 0.
nao
trivial ( =
Agora, este sistema homogeneo
tem solucao
0) se, e somente se,
det( 3 ) = 0.

Linear
Julho 2009
2.2
Determinantes
Mas
123
2
2
2
2
0 = ( 2)2 ( 3) = 0
det 0
0
1
3
se, e
somente
se, = 2 ou = 3. Assim, somente para = 2 e = 3 existem vetores
= = 0 tais que = .
(b) Para = 2:

{
0 2 2
0
2 + 2 = 0
( 23 ) = 0 0 0 0 = 0
+ = 0
0 1 1
o conjunto dos = = , para todos os valores de , .

que tem solucao
Para = 3:

0
1
2 2
( 33 ) = 0 0 1 0 = 0
0
0
1 0
2
o conjunto dos = = 0
que tem solucao
Julho 2009
2 + 2 = 0
= 0
= 0
, para todos os valores de .

Reginaldo J. Santos
Inversao
124
Exemplo 2.17. A matriz =
caso a inversa de e dada por
e invertvel se, e somente se, det() = = 0. Neste
1
=
det()
como pode ser verificado multiplicando-se a candidata a inversa pela matriz .

Observe que este exemplo fornece uma regra para se encontrar a inversa de uma matriz 2 2:
dos elementos da diagonal principal, troca-se o sinal dos outros elementos e
troca-se a posicao
divide-se todos os elementos pelo determinante de .
e 2 incognitas
Exemplo 2.18. Considere o sistema linear de 2 equacoes
+ =
+ =
A matriz deste sistema e
a solucao
do sistema e
Se det() = 0, entao
= 1 =
1
det()
][
1
det()

Linear
det
1
[
=
det()
det
Julho 2009
2.2
Determinantes
125
ou seja,
det
[
=
det
],
det
[
=
det
e 2 incognitas.
esta e a chamada Regra de Cramer para sistemas de 2 equacoes

e incognitas
Pode-se mostrar (ver por exemplo [32] ou [33]), que para sistemas de equacoes
e valida
a Regra de Cramer dada a seguir.
a solucao
do sistema
Se o sistema linear = e tal que a matriz e e invertvel, entao
e dada por
1 =
det(2 )
det( )
det(1 )
, 2 =
, . . . , =
,
det()
det()
det()
de substituindo-se a sua -esima
em que e a matriz que se obtem

coluna por , para =
1, . . . , .
e incognitas,
com > 2, em que det() =
Existem sistemas = de equacoes
tem solucao.
Por exemplo o sistema
det(1 ) = = det( ) = 0 e o sistema nao
e tal que
+ 2 + 3 = 1
2 + 4 + 6 = 3
3 + 6 + 9 = 2
det() = det(1 ) = det(2 ) = det(3 ) = 0,
tem solucao
(verifique!).
mas ele nao
Julho 2009
Reginaldo J. Santos
126
Inversao
2.2.2 Matrizes Elementares e o Determinante (opcional)

aplicando-se uma operacao
Relembramos que uma matriz elementar e uma matriz que se obtem
elementar na matriz identidade. Assim, aplicando-se o Teorema 2.13 na pagina

115 obtemos o resultado seguinte.
2.16. (a) Se , e a matriz elementar obtida trocando-se as linhas e da matriz

Proposicao
det(, ) = 1.
identidade, entao
(b) Se () e a matriz elementar obtida da matriz identidade, multiplicando-se a linha por ,
det( ()) = .
entao
(c) Se , () e a matriz elementar obtida da matriz identidade, somando-se a` linha , vezes a
det(, ()) = 1.
linha , entao
que uma matriz e invertvel se, e somente se, ela e o produto de matrizes
Lembramos tambem
disso, o resultado da aplicacao

de uma operacao
elementares (Teorema 2.6 na pagina

82). Alem
elementar em uma matriz e o mesmo que multiplicar a matriz a` esquerda pela matriz elementar
correspondente.
Usando matrizes elementares podemos provar o Teorema 2.14 na pagina

119.
do Teorema 2.14.
Demonstracao

Linear
Julho 2009
2.2
Determinantes
127
deste item em
(a) Queremos provar que det() = det() det(). Vamos dividir a demonstracao
casos:
tres
anterior
Caso 1: Se = e uma matriz elementar. Este caso segue-se diretamente da proposicao
e do Teorema 2.13 na pagina

115.
pelo Teorema 2.6 na pagina

Caso 2: Se e invertvel, entao
82 ela e o produto de matrizes elementares, = 1 . . . . Aplicando-se o caso anterior sucessivas vezes, obtemos
det() = det(1 ) . . . det( ) det() = det(1 . . . ) det() = det() det().

2.9 na pagina
e singular. Logo,
Caso 3: Se e singular, pela Proposicao
93, tambem
det() = 0 = 0 det() = det() det().

deste item em dois
(b) Queremos provar que det() = det( ). Vamos dividir a demonstracao
casos.
Caso 1: Se e uma matriz invertvel, pelo Teorema 2.6 na pagina

82 ela e o produto de matrizes
facil
det() = det( )
ver que se e uma matriz elementar, entao
elementares, = 1 . . . . E
(verifique!). Assim,
det( ) = det( ) . . . det(1 ) = det( ) . . . det(1 ) = det(1 . . . ) = det().

e invertvel, entao
tambem
nao
o e,
pois caso contrario,
Caso 2: Se nao
pelo Teorema 2.2 na

= ( ) seria invertvel. Assim neste caso, det( ) = 0 = det().

pagina
77, tambem
Julho 2009
Reginaldo J. Santos
Inversao
128
Exerccios Numericos
514)
2.2.1. Se det() = 3, encontre
(a) det(2 );
(b) det(3 );
(c) det(1 );
(d) det( );
matrizes tais que det() = 2 e det() = 3, calcule det( 1 ).

2.2.2. Se e sao
2.2.3. Seja = ( )33 tal que det() = 3. Calcule o determinante das matrizes a seguir:
11 12 13 + 12
(a) 21 22 23 + 22
31 32 33 + 32
11 + 12 11 12 13
(b) 21 + 22 21 22 23
31 + 32 31 32 33
2.2.4. Calcule o determinante das matrizes a seguir:

(a)
(1 + )
(b)
cos
sen
cos sen sen + cos
2.2.5. Calcule o determinante de cada uma das matrizes seguintes usando operacoes
elementares
para transforma-las em matrizes triangulares superiores.
1 2
3
1
5 9
6
3
(a)
1
2 6 2
2
8
6
1
2
1
(b)
0
0
1
0
2
1
3
1
1
2
1
1
.
0
3
2.2.6. Determine todos os valores de para os quais det( ) = 0, em que

Linear
Julho 2009
2.2
Determinantes
129
1 0
0
0
(b) = 1 3
3 2 2
2
2 3
2 1
(d) = 1
2 2 1
1
.
2.2.7. Determine os valores de tais que existe = .. =
0 que satisfaz = .
2
0 0
2 3 0
(a) = 3 1 0 ;
(b) = 0 1 0 ;
0
4 3
0 0 2
1
2 3 4
2 2 3 4
0 1 3 2
0 2 3 2
(c) =
(d)
=
0
0 0 1 1 .
0 3 3
0
0 0 2
0 0 0 1
0
(a) = 0
0
2
(c) = 0
0
1 2
0 3
0 0
2
3
3 2
1
2
geral
2.2.8. Para as matrizes do exerccio anterior, e os valores de encontrados, encontre a solucao
do sistema = , ou equivalentemente, do sistema homogeneo

( ) = 0.
Julho 2009
Reginaldo J. Santos
Inversao
130

>> det(A) calcula o determinante da matriz A.

Comando do pacote GAAL:
>> detopelp(A) calcula o determinante de A aplicando operacoes

elementares ate que a
matriz esteja na forma triangular superior.
do quao
comum e encontrar
2.2.9. Vamos fazer um experimento no M ATLAB para tentar ter uma ideia
matrizes invertveis. No prompt do M ATLAB digite a seguinte linha:
>> c=0; for n=1:1000,A=randi(2);if(det(A)=0),c=c+1;end,end,c

esqueca das vrgulas e pontos e vrgulas!). O que esta linha esta mandando o M ATLAB
(nao
fazer e o seguinte:
Criar um contador c e atribuir a ele o valor zero.
Atribuir a` variavel
A, 1000 matrizes 2 2 com entradas inteiras aleatorias
entre 5 e 5.
o contador c e acrescido de 1.
Se det(A) = 0, entao
No final o valor existente na variavel

c e escrito.
Qual a conclusao
c?
2.2.10. Resolva, com o M ATLAB , os Exerccios Numericos

a partir do Exerccio 4.
Exerccios Teoricos

Linear
Julho 2009
2.2
Determinantes
131
ou e singular ou e singular.
2.2.11. Mostre que se det() = 0, entao
2.2.12. O determinante de e igual ao determinante de ? Justifique.
det() = 1.
singular tal que 2 = , entao
2.2.13. Mostre que se e uma matriz nao
e singular.
2.2.14. Mostre que se =
0, para algum inteiro positivo, entao
det() = 1;
2.2.15. Mostre que se = 1 , entao
det() = det().
2.2.16. Mostre que se e um escalar e e uma matriz , entao
2.2.17. Mostre que , , e invertvel se, e somente se, e invertvel.
2.2.18. Sejam e matrizes , sendo invertvel. Mostre que det( 1 ) = det().
os elementos situados
2.2.19. Mostre que se uma matriz = ( ) e triangular superior, (isto e,
iguais a zero) entao
det() = 11 22 . . . .
abaixo da diagonal sao
2.2.20.
]

det() = 0 se, e somente se, uma linha e multiplo
(a) Mostre que se =
, entao

escalar da outra. E se for uma matriz ?
(b) Mostre que se uma linha de uma matriz = ( ) , e tal que = + , para
det() = 0.
e escalares e = , , entao
(c) Mostre que se uma linha de uma matriz = ( ) , e tal que =
, para
det() = 0.
1 , . . . , escalares, entao
Julho 2009
Reginaldo J. Santos
Inversao
132
2.2.21. Mostre que o determinante de Vandermonde e dado por
1 1 21 . . . 1
1
1 2 2 . . . 1
2
2
= det .. ..
..
. .
.
1 2 . . . 1
( ).
=
>
a` direita significa o produto de todos os termos tais que > e , =

A expressao
Mostre primeiro que 3 = (3 2 )(2 1 )(3 1 ). Suponha que o
1, . . . , . (Sugestao:
resultado e verdadeiro para matrizes de Vandermonde de ordem 1, mostre que o resultado
nas
e verdadeiro para matrizes de Vandermonde de ordem . Faca as seguintes operacoes
colunas da matriz, 1 1 + , para = , . . . , 2. Obtenha = ( 1 ) . . . (2
1 )1 .)
2.2.22. Sejam , e matrizes , ( ) e ( ) ( ), respectivamente. Mostre que
det
= det() det().
O resultado e claramente verdadeiro para = 2. Suponha que o resultado seja

(Sugestao:
verdadeiro para matrizes de ordem 1. Desenvolva o determinante da matriz em termos da
1a. coluna, escreva o resultado em termos de determinantes de ordem 1 e mostre que o
resultado e verdadeiro para matrizes de ordem .)
2.2.23. Dado um polinomio
() = (1) ( + 1 1 + + 0 )

Linear
Julho 2009
2.2
Determinantes
133
Verifique que a matriz
0
0
1
0
..
.
..
.
0
1
..
..
0
0
0
0 1 2
0
0
..
.
e tal que det( ) = (). Esta matriz e chamada matriz companheira do polinomio
(). (Sugestao:
verifique para = 2 e depois supondo que seja verdade para matrizes
( 1) ( 1) mostre que e verdade para matrizes expandindo em cofatores em
a primeira coluna)
relacao
Apendice
II: Demonstracao
114
Demonstracao
111 para > 1. Deixamos como exerccio para o leitor
de que para matrizes 2 2 o resultado e verdadeiro. Supondo que o resultado seja
a verificacao
verdadeiro para matrizes ( 1) ( 1), vamos provar para matrizes . Sejam
..
= +
+1
..
Julho 2009
..
.
+1
.
..
..
.
e =
+1
.
..
Reginaldo J. Santos
Inversao
134
1 ,
1 e 1 so diferem na ( 1)-esima
Suponha que = 2, . . . , . As matrizes

linha (lembre-se
disso, a ( 1)-esima
linha de 1 e igual a vezes a linha
que a primeira linha e retirada!). Alem
1 mais vezes a linha correspondente de 1 (esta e a relacao
que vale para a
correspondente de
-esima
linha de ). Como estamos supondo o resultado verdadeiro para matrizes ( 1) ( 1),
1 ) = det(
1 ) + det(1 ). Assim,
det(
entao
det() =
=
=1
(1)1+ 1 det(1 )
(1)
=1
1+
(1)
1+
1 ) + det(1 )
det(
1 ) +
1 det(
(1)1+ 1 det(1 )
=1
=1
= det() + det(),
pois 1 = 1 = 1 , para = 1, . . . , .
Lema 2.17. Sejam 1 = [ 1 0 . . . 0 ], 2 = [ 0 1 0 . . . 0 ], . . . , = [ 0 . . . 0 1 ]. Se e uma matriz
, cuja -esima
linha e igual a , para algum (1 ), entao
det() = (1)+ det( ).

Linear
Julho 2009
2.2
Determinantes
135
facil
ver que para matrizes 2 2 o lema e verdadeiro. Suponha que ele seja
E
Demonstracao.
verdadeiro para matrizes ( 1) ( 1) e vamos provar que ele e verdadeiro para matrizes .
Podemos supor que 1 < .
Seja a matriz ( 2) ( 2) obtida de eliminando-se as linhas 1 e e as colunas e ,
para 1 .
1 e uma matriz ( 1) ( 1) cuja ( 1)-esima
linha e igual a 1 .
Para < , a matriz
Para > , a matriz 1 e uma matriz ( 1) ( 1) cuja ( 1)-esima

linha e igual a . Como
estamos supondo o lema verdadeiro para estas matrizes e como pelo Teorema 2.10 na pagina
111 se
det(1 ) = 0, segue-se que

uma matriz tem uma linha nula o seu determinante e igual a zero, entao
(1)(1)+(1) det( ) se < ,

0
se = ,
det(1 ) =
(1)+
(1)
det( )
se > .
(2.10)
Usando (2.10), obtemos
det() =
=
=1
(1)1+ 1 det( )
(1)
1+
1 (1)
(1)+(1)
<
det( ) +
(1)1+ 1 (1)(1)+ det( )
>
Por outro lado, temos que
(1)
Julho 2009
det( ) = (1)
1+
(1)1+(1) 1 det( )
(1) 1 det( ) +
<
>
Reginaldo J. Santos
Inversao
136
de que as duas expressoes

acima sao
iguais.
E simples a verificacao
Demonstracao
114.

119 basta provarmos o resultado para o desenvolvimento em termos
das linhas de . Sejam 1 = [1 0 . . . 0], 2 = [0 1 0 . . . 0], . . . , = [0 . . . 0 1]. Observe que a
linha de pode ser escrita como = =1 . Seja a matriz obtida de substituindo-se a
linha por . Pelo Teorema 2.10 na pagina

111 e o Lema 2.17 segue-se que
det() =
det( ) =
=1
(1)+ det( ).
=1

Linear
Julho 2009
2.2
Determinantes
137
Teste do Captulo
1. Calcule o determinante da matriz seguinte usando operacoes

elementares para transforma-la
em uma matriz triangular superior.
1 3
2 3
0 3
4 6
9
2
4
9
7
5
1
1
2. Se possvel, encontre a inversa da seguinte matriz:
1
0
0
2
0
1
0
0
0
0
1
0
2
0
0
2
3. Encontre todos os valores de para os quais a matriz 4 tem inversa, em que
2
2
=
1
3
Julho 2009
0
0
0
0
2
1
2 1
0
0
0
2
Reginaldo J. Santos
Inversao
138
4. Responda Verdadeiro ou Falso, justificando:
( + 2 )1 = 22 ;
(a) Se 2 = 24 , entao
singular, entao
determinante de e -1;
(b) Se = 2 e e nao
det() = det().
(c) Se = 1 , entao
(d) det( + ) = det + det

Linear
Julho 2009
Captulo 3
Vetores no Plano e no Espaco
Muitas grandezas fsicas, como velocidade, forca, deslocamento e impulso, para serem comple da magnitude, da direcao
e do sentido. Estas grandezas sao
tamente identificadas, precisam, alem

chamadas grandezas vetoriais ou simplesmente vetores.
representados por segmentos (de retas) orientados (segmentos
Geometricamente, vetores sao
de retas com um sentido de percurso) no plano ou no espaco. A ponta da seta do segmento orientado
e chamada ponto final ou extremidade e o outro ponto extremo e chamado de ponto inicial ou
origem do segmento orientado.
mesmo sentido e mesmo comprimento representam
Segmentos orientados com mesma direcao,
o sentido e o comprimento do vetor sao
definidos como sendo a direcao,
o
o mesmo vetor. A direcao,
sentido e o comprimento de qualquer um dos segmentos orientados que o representam.
Este fato e analogo

ao que ocorre com os numeros
racionais e as fracoes.
Duas fracoes
repre
139
140
Figura 3.1: Segmentos orientados representando o mesmo vetor

Linear
Julho 2009
por Escalar
Soma de Vetores e Multiplicacao
3.1
141
sentam o mesmo numero

racional se o numerador e o denominador de cada uma delas estiverem
Por exemplo, as fracoes

1/2, 2/4 e 3/6 representam o mesmo numero
raciona mesma proporcao.
de igualdade de vetores tambem

e analoga
nal. A definicao
a igualdade de numeros
racionais. Dois
iguais, quando = . Dizemos que dois vetores sao

iguais se
numeros
racionais / e / sao
e o mesmo sentido.
eles possuem o mesmo comprimento, a mesma direcao
Na Figura 3.1 temos 4 segmentos orientados, com origens em pontos diferentes, que representam
considerados como vetores iguais, pois possuem a mesma direcao,
o mesmo vetor, ou seja, sao

mesmo sentido e o mesmo comprimento.
escrevemos
Se o ponto inicial de um representante de um vetor e e o ponto final e , entao

*

3.1
por Escalar
A soma, + , de dois vetores e e determinada da seguinte forma:

tome um segmento orientado que representa ;
tome um segmento orientado que representa , com origem na extremidade de ;

o vetor + e representado pelo segmento orientado que vai da origem de ate a extremidade de .
Da Figura 3.2, deduzimos que a soma de vetores e comutativa, ou seja,
+ = + ,
Julho 2009
(3.1)
Reginaldo J. Santos
142
Figura 3.2: + = +

Linear
+
)
)
( +
+
(
+
Figura 3.3: + ( + ) = ( + ) +
Julho 2009
3.1
por Escalar
143
que a soma + esta na diagonal do

para quaisquer vetores e . Observamos tambem
representados com a mesma origem.
paralelogramo determinado por e , quando estao
Da Figura 3.3, deduzimos que a soma de vetores e associativa, ou seja,
+ ( + ) = ( + ) + ,
(3.2)
para quaisquer vetores , e .

O vetor que tem a sua origem coincidindo com a sua extremidade e chamado vetor nulo e deno que
tado por
0. Segue entao,
+ 0 = 0 + = ,
(3.3)
para todo vetor .
Para qualquer vetor , o simetrico

de , denotado por , e o vetor que tem mesmo compri e sentido contrario
que
mento, mesma direcao
ao de . Segue entao,
+ ( ) = 0.
(3.4)
Definimos a diferenca menos , por
= + ( ).
de (3.1), (3.2), (3.4) e de (3.3) que
Segue desta definicao,
+ ( ) = ( ) + = + ( + ) = + 0 = .
Assim, a diferenca e um vetor que somado a da , portanto ele vai da extremidade de
ate a extremidade de , desde que e estejam representados por segmentos orientados com a
mesma origem.
de um vetor por um escalar , , e determinada pelo vetor que possui as
A multiplicacao
seguintes caractersticas:
Julho 2009
Reginaldo J. Santos
144
(a) e o vetor nulo, se = 0 ou =

0,
(b) caso contrario,

i. tem comprimento vezes o comprimento de ,
e a mesma de (neste caso, dizemos que eles sao

paralelos),
ii. a direcao
iii. tem o mesmo sentido de , se > 0 e
tem o sentido contrario

ao de , se < 0.
por escalar serao
apresentadas mais a frente. Se = ,
As propriedades da multiplicacao
ver que dois vetores nao

nulos sao
paralelos
escalar de . E facil
dizemos que e um multiplo
(ou colineares) se, e somente se, um e um multiplo

escalar do outro.
com vetores podem ser definidas utilizando um sistema de coordenadas retanguAs operacoes
lares ou cartesianas. Em primeiro lugar, vamos considerar os vetores no plano.
Seja um vetor no plano. Definimos as componentes de como sendo as coordenadas (1 , 2 )
do ponto final do representante de que tem ponto inicial na origem. Vamos identificar o vetor com
as suas componentes e vamos escrever simplesmente
= (1 , 2 ).
iguais as componentes do vetor , que vai da

Assim, as coordenadas de um ponto sao
0 = (0, 0). Em termos
origem do sistema de coordenadas ao ponto . Em particular, o vetor nulo,
de
das componentes, podemos realizar facilmente as operacoes:
soma de vetores e multiplicacao
vetor por escalar.

Linear
Julho 2009
3.1
por Escalar
145
Figura 3.4: A diferenca
3
2
1
2
de vetor por escalar

Figura 3.5: Multiplicacao
Julho 2009
Reginaldo J. Santos
146
= (, )
= (1 , 2 )
Figura 3.6: As componentes do vetor no

plano

Linear
Figura 3.7: As coordenadas de sao
iguais as componentes de
Julho 2009
3.1
por Escalar
147
Como ilustrado na Figura 3.8, a soma de dois vetores = (1 , 2 ) e = (1 , 2 ) e dada por

+ = (1 + 1 , 2 + 2 );
de um vetor = (1 , 2 ) por um escalar e

Como ilustrado na Figura 3.9, a multiplicacao
dada por
= ( 1 , 2 ).
Definimos as componentes de um vetor no espaco de forma analoga

a que fizemos com vetores
no plano. Vamos inicialmente introduzir um sistema de coordenadas retangulares no espaco. Para
retas orientadas (com
isto, escolhemos um ponto como origem e como eixos coordenados, tres
sentido de percurso definido), passando pela origem, perpendiculares entre si, sendo uma delas
os eixos , e . O eixo e o eixo vertical. Os eixos
vertical orientada para cima. Estes serao
horizontais e satisfazem a seguinte propriedade. Suponha que giramos o eixo pelo menor
e sao
direita apontam na direcao

do semiangulo
ate que coincida com o eixo . Se os dedos da mao
entao
o polegar
eixo positivo de forma que o semi-eixo positivo esteja do lado da palma da mao,
aponta no sentido do semi-eixo positivo. Cada par de eixos determina um plano chamado de plano
planos coordenados sao:
, e .
coordenado. Portanto os tres
A cada ponto no espaco associamos um terno de numeros
(, , ), chamado de coordenadas
do ponto como segue.
Trace uma reta paralela ao eixo , passando por ;

da reta paralela ao eixo , passando por , com o plano e o ponto . As
A intersecao
as duas primeiras coordenadas
coordenadas de , (, ), no sistema de coordenadas sao
de .
Julho 2009
Reginaldo J. Santos
148
2+2
y
2
2
2
2
x
1
1 +1
Figura 3.8: A soma de dois vetores no

plano

Linear
de vetor por esFigura 3.9: A multiplicacao

calar no plano
Julho 2009
3.1
por Escalar
149
A terceira coordenada e igual ao comprimento do segmento , se estiver acima do plano

e ao comprimento do segmento com o sinal negativo, se estiver abaixo do plano .
determinadas tambem
da maneira dada a seguir.
As coordenadas de um ponto sao
planos por paralelos aos planos coordenados.
Passe tres
do plano paralelo ao plano , passando por , com o eixo determina a coorde A intersecao
nada .
nada
nada .
nas
Agora, estamos prontos para utilizarmos um sistema de coordenadas cartesianas tambem
operacoes
de vetores no espaco. Seja um vetor no espaco. Como no caso de vetores do plano,
definimos as componentes de como sendo as coordenadas (1 , 2 , 3 ) do ponto final do repre vamos identificar o vetor com as suas
sentante de que tem ponto inicial na origem. Tambem
componentes e vamos escrever simplesmente
= (1 , 2 , 3 ).
iguais as componentes do vetor que vai da

Assim, as coordenadas de um ponto sao
origem do sistema de coordenadas ao ponto . Em particular, o vetor nulo,
0 = (0, 0, 0). Assim como
de vetor
fizemos para vetores no plano, para vetores no espaco a soma de vetores e a multiplicacao
por escalar podem ser realizadas em termos das componentes.
Julho 2009
Reginaldo J. Santos
150
a adicao
de com e dada por
Se = (1 , 2 , 3 ) e = (1 , 2 , 3 ), entao
+ = (1 + 1 , 2 + 2 , 3 + 3 );
a multiplicacao
de por e dada por
Se = (1 , 2 , 3 ) e e um escalar, entao
= ( 1 , 2 , 3 ).
Exemplo 3.1. Se = (1, 2, 3), = (2, 4, 1), entao
+ = (1 + 2, 2 + 4, 3 + (1)) = (3, 2, 2),
3 = (3 1, 3 (2), 3 3) = (3, 6, 9).
Quando um vetor esta representado por um segmento orientado com ponto inicial fora da origem
as componentes
(Figura 3.13), digamos em = (1 , 1 , 1 ), e ponto final em = (2 , 2 , 2 ), entao
dadas por
do vetor sao
= = = (2 1 , 2 1 , 2 1 ).
obtidas subtraindo-se as coordenadas do ponto (extremiPortanto, as componentes de sao
dade) das do ponto (origem). O mesmo se aplica a vetores no plano.

Linear
Julho 2009
3.1
por Escalar
151
Exemplo 3.2. As componentes do vetor que tem um representante com ponto inicial =
dadas por
(5/2, 1, 2) e ponto final = (0, 5/2, 5/2) sao
= = (0 5/2, 5/2 1, 5/2 2) = (5/2, 3/2, 1/2).
tem posicao
fixa, ao contrario
O vetor e livre, ele nao

Observacao.
do ponto e do segmento orientado. Por exemplo, o vetor = (5/2, 3/2, 1/2), no exemplo acima, estava representado por um
segmento orientado com a origem no ponto = (5/2, 1, 2). Mas, poderia ser representado por um
segmento orientado cujo ponto inicial poderia estar em qualquer outro ponto.
ser escrito na notacao

matricial como uma
Um vetor no espaco = (1 , 2 , 3 ) pode tambem
matriz linha ou como uma matriz coluna:
1
= 2
3
ou =
1 2 3
podem ser justificadas pelo fato de que as operacoes

matriciais
Estas notacoes

1 + 1
1
1
+ = 2 + 2 = 2 + 2 ,
3 + 3
3
3
ou
+ =
Julho 2009
1 2 3
1 2 3

1
1
= 2 = 2
3
3
1 + 1 2 + 2 3 + 3
Reginaldo J. Santos
152
1 2 3
1 2 3
vetoriais
produzem os mesmos resultados que as operacoes
+ = (1 , 2 , 3 ) + (1 , 2 , 3 ) = (1 + 1 , 2 + 2 , 3 + 3 ),
= (1 , 2 , 3 ) = (1 , 2 , 3 ).
O mesmo vale, naturalmente, para vetores no plano.
No teorema seguinte enunciamos as propriedades mais importantes da soma de vetores e
de vetores por escalar.
multiplicacao
validas
Teorema 3.1. Sejam , e vetores e e escalares. Sao

as seguintes propriedades:
(a) + = + ;
(e) ( ) = () ;
(b) ( + ) + = + ( + );
(f) ( + ) = + ;
(c) +
0 = ;
(g) ( + ) = + ;
(d) + ( ) =
0;
(h) 1 = .
Demonstracao.
Segue diretamente das propriedades da algebra
matricial (Teorema 1.1 na pagina
9).

Linear
Julho 2009
3.1
por Escalar
153
Exemplo 3.3. Seja um triangulo

e sejam e os pontos medios
de e , respectivamente. Vamos provar que e paralelo a e tem comprimento igual a metade do comprimento
de .
Devemos provar que
=
Julho 2009
1
.
2
Reginaldo J. Santos
154
Agora, a partir da figura acima temos que
= + .

Linear
Julho 2009
3.1
por Escalar
155
de e e ponto medio
de , entao
Como e ponto medio
1
.
2
Logo,
1
1 1 1
+ = ( + ) = .
2
2
2
2
Exemplo 3.4. Dados quatro pontos , , e tais que = , vamos escrever como
como uma soma de multiplos

linear de e , isto e,
combinacao
escalares de e .
os vetores e sao
paralelos e portanto o ponto so pode estar
Como = , entao
vai representar nenhuma

na reta definida por e . Vamos desenha-lo
entre e , mas isto nao
restricao.
O vetor que vai de para , pode ser escrito como uma soma de um vetor que vai de para
com um vetor que vai de para ,
= + .
Julho 2009
Reginaldo J. Santos
156
X
C
A
Agora, por hipotese

= , o que implica que = + .
Mas, = , portanto = +( ). Logo,
= (1 ) + .

Linear
Julho 2009
por Escalar
3.1
157
Observe que:
=.
Se = 0, entao
= .
Se = 1, entao
=
Se = 1/2, entao
=
Se = 1/3, entao
1
2
+ 21 .
2
3
+ 31 .
Exemplo 3.5. Vamos mostrar, usando vetores, que o ponto medio

de um segmento que une os pontos
= (1 , 1 , 1 ) e = (2 , 2 , 2 ) e
1 + 2 1 + 2 1 + 2
,
,
2
2
2
.
2
1
+ 2 .
de se, e somente se, =

O ponto e o ponto medio
1
2
aplicando o exemplo
Entao,
anterior (com o ponto sendo a origem ), =

Como as coordenadas de
iguais as componentes do vetor que vai da origem ate aquele ponto, segue-se que
um ponto sao
= 12 (1 , 1 , 1 ) + 12 (2 , 2 , 2 ) e
=
Julho 2009
1 + 2 1 + 2 1 + 2
,
,
2
2
2
Reginaldo J. Santos
158
Exerccios Numericos
523)
3.1.1. Determine o ponto tal que = 2 sendo = (0, 2) e = (1, 0).

= 2 + 1. Determine um vetor paralelo a esta reta.
3.1.2. Uma reta no plano tem equacao
para a reta no plano que e paralela ao vetor = (2, 3) e passa pelo
3.1.3. Determine uma equacao
ponto 0 = (1, 2).
3.1.4. Determine o vetor , tal que 3 2 = 15( ).
3.1.5. Determine os vetores e tais que
6 2
3 +
=
= +
3.1.6. Determine as coordenadas da extremidade do segmento orientado que representa o vetor =

(3, 0, 3), sabendo-se que sua origem esta no ponto = (2, 3, 5).
as coordenadas do ponto , simetrico
ao ponto
3.1.7. Quais sao
do ponto = (1, 0, 3) em relacao
o ponto e tal que o vetor = )

= (1, 2, 1)? (Sugestao:
colineares, isto e,
pertencem a uma mesma reta:
3.1.8. Verifique se os pontos dados a seguir sao
(a) = (5, 1, 3), = (0, 3, 4) e = (0, 3, 5);
(b) = (1, 1, 3), = (4, 2, 3) e = (14, 4, 15);

3.1.9. Dados os pontos = (1, 2, 3), = (5, 2, 1) e = (4, 0, 1). Determine o ponto
tal que , , e sejam vertices

consecutivos de um paralelogramo.

Linear
Julho 2009
3.1
por Escalar
159
linear (soma de multiplos

escalares) de e :
3.1.10. Verifique se o vetor e combinacao
(a) = (9, 12, 6), = (1, 7, 1) e = (4, 6, 2);

(b) = (5, 4, 3), = (2, 1, 1) e = (3, 4, 1);
necessariamente consecutivos)
3.1.11. Verifique se e um paralelogramo o quadrilatero
de vertices
(nao
(a) = (4, 1, 1), = (9, 4, 2), = (4, 3, 4) e = (4, 21, 14)
(b) = (4, 1, 1), = (9, 4, 2), = (4, 3, 4) e = (9, 0, 5)
paralelos = (6, 4, 2),

3.1.12. Quais dos seguintes vetores sao
(15, 10, 5).
= (9, 6, 3), =
>> V=[v1,v2,v3] cria um vetor V, usando as componentes numericas

v1, v2, v3. Por
exemplo >> V=[1,2,3] cria o vetor = (1, 2, 3);
>> V+W e a soma de V e W; >> V-W e a diferenca V menos W; >> num*V e o produto do vetor V
pelo escalar num;
expr;
>> subs(expr,x,num) substitui x por num na expressao
da equacao
expr=0;
Comandos graficos
do pacote GAAL:
>> desvet(P,V) desenha o vetor V com origem no ponto P e >> desvet(V) desenha o vetor
V com origem no ponto = (0, 0, 0).
Julho 2009
Reginaldo J. Santos
160
>> po([P1;P2;...;Pn]) desenha os pontos P1, P2, ..., Pn.

>> lineseg(P1,P2,cor) desenha o segmento de reta P1P2. >> tex(P,texto) coloca o texto no ponto P.
>> axiss reescala os eixos com a mesma escala. >> eixos desenha os eixos coordenados.
em torno do eixo .
>> box desenha uma caixa em volta da figura. >> rota faz uma rotacao
>> zoom3(fator) amplifica a regiao pelo fator.
3.1.13. Coloque em duas variaveis

e dois vetores do plano ou do espaco a seu criterio
ilsvw(V,W) para visualizar a soma dos dois vetores.
(a) Use a funcao
ilav(a,V) para visualizar a

(b) Coloque em uma variavel
a um numero
e use a funcao
do vetor V pelo escalar a.

multiplicacao
3.1.14. Use o M ATLAB para resolver os Exerccios Numericos

a partir do Exerccio 1.3.
Exerccios Teoricos
paralelos de um trapezio
3.1.15. Demonstre que o segmento que une os pontos medios

dos lados nao
` bases, e sua medida e a media
e paralelo as
aritmetica
das medidas das bases. (Sugestao:
escalar de .
mostre que = 21 ( + ) e depois conclua que e um multiplo
Revise o Exemplo 3.3 na pagina

153)

Linear
Julho 2009
3.1
por Escalar
161
Sejam e
3.1.16. Demonstre que as diagonais de um paralelogramo se cortam ao meio. (Sugestao:
os pontos medios
das duas diagonais do paralelogramo. Mostre que o vetor =
0, entao
conclua que = .)
Julho 2009
Reginaldo J. Santos
162

Linear
Julho 2009
3.1
por Escalar
163
3.1.17. Considere o triangulo

e sejam o ponto medio
de , o ponto medio
de e o
ponto medio
de . Mostre que as medianas (os segmentos , e ) se cortam num
2/3 e 1/3. (Sugestao:
Sejam , e os
mesmo ponto que divide as medianas na proporcao
pontos definidos por =

conclua que = = .)
Julho 2009
2
3
, =
2
3
e =
2
3
. Mostre que = 0, = 0,
Reginaldo J. Santos
164
N
H
G
I
A
P
3.1.18. Sejam , e pontos quaisquer com = . Prove que:
(a) Um ponto pertence a reta determinada por e (= ) se, e somente se,
= + ,

Linear
com + = 1.
Julho 2009
3.1
por Escalar
165
(b) Um ponto pertence ao interior do segmento (= , com 0 < < 1) se, e

somente se,
= + ,
com > 0, > 0
e + = 1.
(c) Um ponto e um ponto interior ao triangulo

( = , com 0 < < 1,
em que e um ponto interior ao segmento e e interior ao segmento ) se, e

somente se,
= + ,
Julho 2009
com > 0, > 0
e + < 1.
Reginaldo J. Santos
166
C
A
= 0 ou =
3.1.19. Mostre que se =
0, entao
0.
= ? E se = 0 ?
3.1.20. Se = , entao
= ? E se =
3.1.21. Se = , entao
0?

Linear
Julho 2009
3.1
por Escalar
167
= (, , )
= (, , )
Figura 3.10: As coordenadas de um ponto no espaco
Julho 2009
Reginaldo J. Santos
168
= (, , )
= (1 , 2 , 3 )
Figura 3.11: As componentes de um vetor

no espaco

Linear
Figura 3.12: As coordenadas de sao
iguais as componentes de
Julho 2009
3.1
por Escalar
169
Figura 3.13: = =
Julho 2009
Reginaldo J. Santos
170
3.2
Produtos de Vetores
3.2.1 Norma e Produto Escalar

Ja vimos que o comprimento de um vetor e definido como sendo o comprimento de qualquer
e chamado
um dos segmentos orientados que o representam. O comprimento do vetor tambem
de norma de e e denotado(a) por . Segue do Teorema de Pitagoras

que a norma de um vetor
pode ser calculada usando as suas componentes, por
12 + 22 ,
no caso em que = (1 , 2 ) e um vetor no plano, e por
12 + 22 + 32 ,
no caso em que = (1 , 2 , 3 ) e um vetor no espaco (verifique usando as Figuras 3.14 e 3.15).
Um vetor de norma igual a 1 e chamado vetor unitario.
A distancia
entre dois pontos = (1 , 1 , 1 ) e = (2 , 2 , 2 ) e igual a` norma do vetor
a distancia
(Figura 3.13 na pagina

169). Como = = (2 1 , 2 1 , 2 1 ), entao
de a e dada por
dist(, ) = =
(2 1 )2 + (2 1 )2 + (2 1 )2 .
Analogamente, a distancia
entre dois pontos = (1 , 1 ) e = (2 , 2 ) no plano e igual a`
norma do vetor , que e dada por
dist(, ) = =
(2 1 )2 + (2 1 )2 .

Linear
Julho 2009
3.2
Produtos de Vetores
171
= (1 , 2 , 3 )
= (1 , 2 )
Figura 3.14: A norma de um vetor no

plano
Julho 2009
Figura 3.15: A norma de um vetor no

espaco
Reginaldo J. Santos
172
Exemplo 3.6. A norma do vetor = (1, 2, 3) e
12 + (2)2 + 32 =
14.
A distancia
entre os pontos = (2, 3, 1) e = (1, 4, 5) e
dist(, ) = = (1 2, 4 (3), 5 1) = (3, 7, 4) =
(3)2 + 72 + 42 =
74.
da definicao
da multiplicacao
de vetor por escalar e
Se = (1 , 2 , 3 ) e e um escalar, entao
da norma de um vetor segue-se que
= (1 , 2 , 3 ) =
ou seja,
(1 )2 + (2 )2 + (3 )2 =
= .
2 (12 + 22 + 32 ),
(3.5)
nulo, o vetor
Dado um vetor nao
de , pois por (3.5), temos que

e um vetor unitario
na direcao

1
= 1.
=


Linear
Julho 2009
3.2
Produtos de Vetores
173
do vetor = (1, 2, 3) e o vetor

Exemplo 3.7. Um vetor unitario
na direcao
14
1
2
3
(1, 2, 3) = ( , , ).
14 14 14
nulos, e , e definido pelo angulo
O angulo
entre dois vetores nao
determinado por e
representados com a mesma origem (Figura 3.16).
que satisfaz 0 , quando eles estao
Quando o angulo
entre dois vetores e e reto ( = 90o), ou um deles e o vetor nulo, dizemos
ortogonais ou perpendiculares entre si.
que os vetores e sao
Vamos definir, agora, um produto entre dois vetores, cujo resultado e um escalar. Por isso ele e
por exemplo, em Fsica: o trabalho realizado
chamado produto escalar. Este produto tem aplicacao,
por uma forca e o produto escalar do vetor forca pelo vetor deslocamento, quando a forca aplicada e
constante.
3.1. O produto escalar ou interno de dois vetores e e definido por

Definicao
0,
cos ,
se ou e o vetor nulo,
caso contrario,
entre eles.
em que e o angulo
dados em termos das suas componentes nao

sabemos diretamente o
Quando os vetores sao
necessite
angulo
entre eles. Por isso, precisamos de uma forma de calcular o produto escalar que nao
do angulo
entre os vetores.
Julho 2009
Reginaldo J. Santos
174
entre dois vetores, agudo (a` esquerda) e obtuso (a` direita)

Figura 3.16: Angulo
Figura 3.17: Triangulo

formado por representantes de , e . A` esquerda o angulo
entre
e e agudo e a` direita e obtuso.

Linear
Julho 2009
3.2
Produtos de Vetores
175
pela lei dos cossenos,

dois vetores nao
nulos e e o angulo
entre eles, entao
Se e sao
2 = 2 + 2 2 cos .
Assim,
= cos =
)
1(
2 + 2 2 .
2
(3.6)
uma formula
depende diretamente do angulo
Ja temos entao
para calcular o produto escalar que nao
mais simentre eles. Substituindo-se as coordenadas dos vetores em (3.6) obtemos uma expressao
ples para o calculo

do produto interno.
vetores no espaco, entao
substituindoPor exemplo, se = (1 , 2 , 3 ) e = (1 , 2 , 3 ) sao
2
2
2
2
2
2
2
2
2
2
se = 1 + 2 + 3 , = 1 + 2 + 3 e = (1 1 ) + (2 2 )2 + (3 3 )2
cancelados e obtemos
em (3.6) os termos 2 e 2 sao
= 1 1 + 2 2 + 3 3 .
Teorema 3.2. O produto escalar ou interno, , entre dois vetores e dado por
= 1 1 + 2 2 ,
vetores no plano e por
se = (1 , 2 ) e = (1 , 2 ) sao
= 1 1 + 2 2 + 3 3 ,
vetores no espaco.
se = (1 , 2 , 3 ) e = (1 , 2 , 3 ) sao
Julho 2009
Reginaldo J. Santos
176
Exemplo 3.8. Sejam = (0, 1, 0) e = (2, 2, 3). O produto escalar de por e dado por
= 1 1 + 2 2 + 3 3 = 0 2 + 1 2 + 0 3 = 2 .
nulos, e . O
Podemos usar o Teorema 3.2 para determinar o angulo
entao,
dado por
cosseno do angulo
entre e e,
cos =
vetores nao
nulos e e o angulo
Se e sao
entre eles, entao
(a) e agudo (0 < 90o ) se, e somente se, > 0,
(b) e reto ( = 90o ) se, e somente se, = 0 e
(c) e obtuso (90o < 180o ) se, e somente se, < 0.
Exemplo 3.9. Vamos determinar o angulo

entre uma diagonal de um cubo e uma de suas arestas.
Sejam 1 = (1, 0, 0), 2 = (0, 1, 0) e 3 = (0, 0, 1) (Figura 3.18). Uma diagonal do cubo e representada pelo vetor dado por
= 1 + 2 + 3 = (1, 1, 1) .
o angulo
Entao
entre e 1 satisfaz

Linear
Julho 2009
3.2
Produtos de Vetores
cos =
ou seja,
177
1
1
1.1 + 0.1 + 0.1
=
=
1
( 12 + 12 + 12 )( 12 + 02 + 02 )
3
1
= arccos( ) 54o .
3
validas
Teorema 3.3. Sejam , e vetores e um escalar. Sao

(a) (comutatividade) = ;
(b) (distributividade) ( + ) = + ;
(c) (associatividade) ( ) = ( ) = ( );
(d) = 2 0, para todo e = 0 se, e somente se, =
0.
Demonstracao.
Sejam = (1 , 2 , 3 ), = (1 , 2 , 3 ) e = (1 , 2 , 3 ).
(a) = 1 1 + 2 2 + 3 3 = 1 1 + 2 2 + 3 3 = ;
(b) ( + ) = (1 , 2 , 3 )(1 +1 , 2 +2 , 3 +3 ) = 1 (1 +1 )+2 (2 +2 )+3 (3 +3 ) =
(1 1 +1 1 )+(2 2 +2 2 )+(3 3 +3 3 ) = (1 1 +2 2 +3 3 )+(1 1 +2 2 +3 3 ) =

+ ;
Julho 2009
Reginaldo J. Santos
178
(0, 0, 1)
(1, 1, 1)
(1, 0, 0)
(0, 1, 0)
Figura 3.18: Angulo

entre a diagonal de um cubo e uma de suas arestas

Linear
Julho 2009
3.2
Produtos de Vetores
179
(c) ( ) = (1 1 + 2 2 + 3 3 ) = (1 )1 + (2 )2 + (3 )3 = ( ) ;
(d) = 2 e uma soma de quadrados, por isso e sempre maior ou igual a zero e e zero se,
iguais a zero.
e somente se, todas as parcelas sao
Ortogonal
3.2.2 Projecao
ortogonal de sobre denotada por
Dados dois vetores e a projecao
proj
e o vetor que e paralelo a tal que proj seja ortogonal a (Figura 3.19).
Julho 2009
Reginaldo J. Santos
proj
proj
proj
180
proj
ortogonal do vetor sobre o vetor

Figura 3.19: Projecao

Linear
Julho 2009
3.2
Produtos de Vetores
181
nulo. Entao,
a projecao
ortogonal de um vetor em e
3.4. Seja um vetor nao
Proposicao
dada por
(
)
proj =
Demonstracao.
Sejam 1 = proj e 2 = proj . Como 1 e paralelo a , entao
1 = .
(3.7)
Assim,
2 = .
Multiplicando-se escalarmente 2 por e usando o Teorema 3.3 (d) obtemos
2 = ( ) = 2 .
(3.8)
2 = 0. Portanto, de (3.8) obtemos

Mas, 2 e ortogonal a , entao

.
2
(3.7) segue-se o resultado.

Substituindo este valor de na equacao
Julho 2009
Reginaldo J. Santos
182
Exemplo 3.10. Sejam = (2, 1, 3) e = (4, 1, 2). Vamos encontrar dois vetores 1 e 2 tais
que = 1 + 2 , 1 e paralelo a e 2 e perpendicular a (Figura 3.19). Temos que
= 2 4 + (1)(1) + 3 2 = 15
2 = 42 + (1)2 + 22 = 21 .
(
)
( )
)
15
20 5 10
1 = proj =
(4, 1, 2) = ( , , )
=
2

21
7
7 7
6 2 11
20 5 10
2 = 1 = (2, 1, 3) ( , , ) = ( , , ) .
7
7 7
7 7 7
3.2.3 Produto Vetorial

Vamos, agora, definir um produto entre dois vetores, cujo resultado e um vetor. Por isso, ele e
por exemplo, em Fsica: a forca exercida
chamado produto vetorial. Este produto tem aplicacao,
sobre uma partcula com carga unitaria

mergulhada num campo magnetico
uniforme e o produto
vetorial do vetor velocidade da partcula pelo vetor campo magnetico.

3.2. Sejam e dois vetores no espaco. Definimos o produto vetorial, , como
Definicao
sendo o vetor com as seguintes caractersticas:
(a) Tem comprimento dado numericamente por
= sen ,
do paralelogramo determinado por

ou seja, a norma de e numericamente igual a` area
e .

Linear
Julho 2009
3.2
Produtos de Vetores
183
= sen
Figura 3.20: Area

de um paralelogramo determinado por dois vetores
Julho 2009
Reginaldo J. Santos
184
perpendicular a e a .
(b) Tem direcao
direita (Figura 3.21): Se o angulo
(c) Tem o sentido dado pela regra da mao

entre e e ,
giramos o vetor de um angulo

ate que coincida com e acompanhamos este movimento
direita, entao
o polegar vai apontar no sentido de .
com os dedos da mao

Linear
Julho 2009
3.2
Produtos de Vetores
185
VxW
V
W
V
W
WxV
direita
Figura 3.21: Regra da mao
Julho 2009
Reginaldo J. Santos
186
Da forma como definimos o produto vetorial e difcil o seu calculo,

mas as propriedades que
obter uma formula
apresentaremos a seguir possibilitarao

para o produto vetorial em termos das
componentes dos vetores.
validas
Teorema 3.5. Sejam , e vetores no espaco e um escalar. Sao

(a) = ( ) (anti-comutatividade).
(b) =
0 se, e somente se, = ou = .
(c) ( ) = ( ) = 0.
(d) ( ) = ( ) = ( ).
(e) ( + ) = + e ( + ) = + (Distributividade em
a soma de vetores).
relacao
do produto vetorial e tem

o mesmo comprimento
Demonstracao.
(a) Pela definicao
e a mesma direcao. Alem disso trocando-se por troca-se o sentido de (Figura

3.21).
(b) = 0 se, e somente se, um deles e o vetor nulo ou sen = 0, em que e o angulo
paralelos. Assim, = 0 se, e somente se, =

entre e , ou seja, e sao
ou = .

Linear
Julho 2009
3.2
Produtos de Vetores
187
do produto vetorial.
(c) Segue-se imediatamente da definicao
do produto vetorial, por isso deixamos como exerccio para o
(d) Segue-se facilmente da definicao
leitor.
(e) Este item sera demonstrado no Apendice

III na pagina
210.
Os vetores canonicos
= (1, 0, 0),
= (0, 1, 0) e = (0, 0, 1)
vetores unitarios
sao
(de norma igual a um) paralelos aos eixos coordenados. Todo vetor
= (1 , 2 , 3 )
linear), pois
pode ser escrito como uma soma de multiplos
escalares de , e (combinacao
= (1 , 2 , 3 ) = (1 , 0, 0) + (0, 2 , 0) + (0, 0, 3 ) =
= 1 (1, 0, 0) + 2 (0, 1, 0) + 3 (0, 0, 1) =
= 1 + 2 + 3 .
Julho 2009
(3.9)
Reginaldo J. Santos
188
= (1 , 2 , 3 )
Figura 3.22: Vetores , e

Linear
Figura 3.23: = 1 + 2 + 3
Julho 2009
3.2
Produtos de Vetores
189
de produto vetorial podemos obter facilmente as seguintes relacoes:
Da definicao
= 0, = 0,
= , = ,
= , = ,
= 0,
= ,
= .
Agora, estamos prontos para obter uma formula

que de o produto vetorial de dois vetores em
termos das suas componentes.
o produto
Teorema 3.6. Sejam = (1 , 2 , 3 ) e = (1 , 2 , 3 ) vetores no espaco. Entao
vetorial e dado por
det
2 3
2 3
, det
1 3
1 3
, det
1 2
1 2
])
(3.10)
Demonstracao.
De (3.9) segue-se que podemos escrever
= 1 + 2 + 3 e = 1 + 2 + 3 .
Julho 2009
Reginaldo J. Santos
190
a soma, temos que

Assim, pela distributividade do produto vetorial em relacao
= (1 + 2 + 3 ) (1 + 2 + 3 )
= 1 1 ( ) + 1 2 ( ) + 1 3 ( ) +
+ 2 1 ( ) + 2 2 ( ) + 2 3 ( ) +
+ 3 1 ( ) + 3 2 ( ) + 3 3 ( )
= (2 3 3 2 ) + (3 1 1 3 ) + (1 2 2 1 )
]
[
]
[
]
[
1 2
1 3
2 3
+ det
det
= det
1 2
1 3
2 3
])
]
[
]
[
(
[
1 2
1 3
2 3
, det
, det
=
det
1 2
1 3
2 3
Para obter as componentes do produto vetorial procedemos como segue:
Escreva a matriz:
1 2 3
1 2 3
Para calcular a primeira componente de , elimine a primeira coluna da matriz acima e cal-
cule o determinante da sub-matriz resultante. A segunda componente e obtida, eliminando-se

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

Linear
Julho 2009
3.2
Produtos de Vetores
191
Exemplo 3.11. Sejam = + 2 2 e = 3 + . Vamos determinar o produto vetorial .

Como
[
] [
]
entao
det
2 2
0
1
, det
1 2 2
3 0
1
1 2
3
1
, det
1 2
3 0
])
= (2, 7, 6) .
Usando os vetores , e o produto vetorial , pode ser escrito em termos do determinante
= det 1
1
Julho 2009
2
2
[
]
[
]
[
]
2
3
1
3
1
2
.
det
+ det
3 = det
2 3
1 3
1 2
3
Reginaldo J. Santos
192
do triangulo
Figura 3.24: Area


Linear
Julho 2009
3.2
Produtos de Vetores
193
Exemplo 3.12. Vamos calcular a area

do triangulo
em que (Figura 3.24)
= (3, 2, 0),
Sejam
= (0, 4, 3) e = (1, 0, 2).
= = (3 1, 2 0, 0 2) = (2, 2, 2)
Entao,
== (0 1, 4 0, 3 2) = (1, 4, 1) .
= (10, 0, 10) = 10(1, 0, 1).
do paralelogramo com lados determinados por e

A area
do triangulo
e a metade da area
. Assim,
Area
=
1
= 5 2.
2
3.2.4 Produto Misto

O produto ( ) e chamado de produto misto de , e . O resultado abaixo mostra
como calcular o produto misto usando as componentes dos vetores.
Teorema 3.7. Sejam = 1 + 2 + 3 , = 1 + 2 + 3 e = 1 + 2 + 3 . Entao,
1 2 3
( ) = det 1 2 3 .
1 2 3
Julho 2009
Reginaldo J. Santos
194
Demonstracao.
Segue do Teorema 3.2 na pagina
175, do Teorema 3.6 na pagina
189 e da definicao
de determinante de uma matriz que
2 3
2 3
1 3
1 3
1 2
( ) = (1 , 2 , 3 ) det
, det
, det
1 2
]
]
[
]
[
[
1 2
1 3
2 3
+ 3 det
2 det
= 1 det
1 2
1 3
2 3
1 2 3
= det 1 2 3 ;
1 2 3
])
Exemplo 3.13. O produto misto dos vetores = 2 + 3 , = + 4 + e = 5 + 2 e
1 2 3
1
4
1
1 2 = 84.
( ) = det 1 2 3 = det 5
1 2 3
2 1
3
vetores no espaco, , e ,
Teorema 3.8. Dados tres
( )
e numericamente igual ao volume do paraleleppedo determinado por , e .

Linear
Julho 2009
3.2
Produtos de Vetores
195
= cos
Figura 3.25: Volume do paraleleppedo determinado por , e
Julho 2009
Reginaldo J. Santos
196
Demonstracao.
O volume do paraleleppedo determinado por , e e igual ao produto da area
do produto vetorial, o volume e dado por
da base pela altura, ou seja, pela definicao
Volume = .
Mas, como vemos na Figura 3.25 a altura e = cos , o que implica que
Volume = cos = ( ) .
Exemplo 3.14. Sejam = 4, = 2 + 5 e = 3 + 3 + 4 . O volume do paraleleppedo com
um vertice
na origem e arestas determinadas por , e e dado por
4 0 0
volume = ( ) = det 2 5 0 = 80 = 80 .
3 3 4
para saber se tres
vetores sao
Segue imediatamente do Teorema 3.7 e do Teorema 3.8 um criterio

paralelos a um mesmo plano.

Linear
Julho 2009
3.2
Produtos de Vetores
197
Figura 3.26: Paraleleppedo determinado por , e do Exemplo 3.14
Julho 2009
Reginaldo J. Santos
198
Corolario
3.9. Sejam = 1 + 2 + 3 , = 1 + 2 + 3 e = 1 + 2 + 3 . Estes
coplanares (isto e,
sao
paralelos a um mesmo plano) se, e somente se,
vetores sao
1 2 3
( ) = det 1 2 3 = 0 .
1 2 3
Exemplo 3.15. Vamos verificar que os pontos = (0, 1, 1), = (1, 0, 2), = (1, 2, 0) e
coplanares, isto e,
pertencem a um mesmo plano. Com estes pontos podemos
= (2, 2, 2) sao
construir os vetores
= (1 0, 0 1, 2 1) = (1, 1, 1),
= (1 0, 2 1, 0 1) = (1, 3, 1) e
= (2 0, 2 1, 2 1) = (2, 1, 3)
Os pontos , , e pertencem a um mesmo plano se, e somente se, os vetores , e
coplanares. E isto acontece se, e somente se, o produto misto deles e igual zero.
sao
1
3
1
1 3 = 0.
( ) = det 2
1 1
1
coplanares.
Assim, , , e sao

Linear
Julho 2009
3.2
Produtos de Vetores
199
parametricas
O resultado a seguir sera usado no proximo

captulo para deduzir as equacoes
do
plano.
nulos no espaco.
Corolario
3.10. Sejam , e vetores coplanares nao
a equacao
vetorial
(a) Entao
+ + = 0
nao
trivial, em que , e sao
escalares.
tem solucao
linear (soma de multiplos
um dos vetores , ou e combinacao
escalares) dos outros
(b) Entao
dois.
linear de e .
nao
paralelos, entao
e combinacao
(c) Se e sao
, e escritos como vetores colunas. A
Demonstracao.
(a) Seja a matriz cujas colunas sao
+ + =
coplanares,
equacao
0 e equivalente ao sistema = 0. Se , e sao
entao
det() = det( ) = ( ) = 0.
tem solucao
nao
trivial.
Logo a equacao
+ + =
nao
trivial. Mas, se isto
(b) Pelo item anterior a equacao
0 possui solucao
acontece, entao um dos escalares ou ou pode ser diferente de zero. Se = 0, entao

linear de e . De forma
= (/) + (/) , ou seja, o vetor e combinacao
linear de e e se = 0, entao
e combinacao
e
semelhante, se = 0, entao
linear de e .
combinacao
Julho 2009
Reginaldo J. Santos
200
coplanares, entao
a equacao
+ + =
nao
(c) Como , e sao

0 possui solucao
simultaneamente nulos o
+ = 0 com ou nao
trivial com = 0. Pois, caso contrario
que implicaria que e seriam paralelos (por que?). Logo = (/) + (/) .
Exemplo 3.16. Considere os vetores
= = (1, 1, 1),
= = (1, 3, 1) e
= = (2, 1, 3)
do Exemplo 3.15 na pagina

198. A equacao
+ + = 0
e equivalente ao sistema
+ 2 = 0
3 + = 0
3 = 0
Escalonando a matriz do sistema obtemos

1
1 2
1
1 2
1
1 2
1 3
1 0 2 1 0 2 1
0
0
0
0 2 1
1 1 3

Linear
Julho 2009
3.2
Produtos de Vetores
201
A ultima
matriz corresponde ao sistema
{
Assim
+ 2 = 0
2 = 0
5
+ = 0.
2
2
Logo
5
1
= .
2
2
entre os vetores , e .
Verifique que realmente vale esta relacao
Julho 2009
Reginaldo J. Santos
202
Exerccios Numericos
526)
da reta no plano que e perpendicular ao vetor = (2, 3) e passa pelo
3.2.1. Determine a equacao
ponto 0 = (1, 1).
3.2.2. Seja = (0, 0, 0). Qual o lugar geometrico

dos pontos = (, , ) tais que 2 = 4?
2 + 2 = 4?
Qual figura e representada pela equacao
3.2.3. Sejam = + 2 3 e = 2 + 2 . Determine vetores unitarios

paralelos aos vetores
(a) + ; (b) ; (c) 2 3 .
3.2.4. Determine o valor de para o qual os vetores = + 3 + 4 e = 3 + + 2 sao

perpendiculares.
existe tal que os vetores = + 2 + 4 e = 2 + 3 sao
3.2.5. Demonstre que nao

perpendiculares.
3.2.6. Ache o angulo

entre os seguintes pares de vetores:
(a) 2 + e ;
(b) + + e 2 2 ;
(c) 3 + 3 e 2 + 2 .
3.2.7. Decomponha = 3 + 2 como a soma de dois vetores 1 e 2 , com 1 paralelo ao

revise o Exemplo 3.10 na pagina
vetor + 3 e 2 ortogonal a este ultimo.

(Sugestao:
182)
da bissetriz do angulo
3.2.8. Ache o vetor unitario

entre os vetores = 2+2 + e = 6+2 3 .
observe que a soma de dois vetores esta na direcao
da bissetriz se, e somente se,
(Sugestao:
os dois tiverem o mesmo comprimento. Portanto, tome multiplos
escalares de e de forma
da soma deles.)
que eles tenham o mesmo comprimento e tome o vetor unitario
na direcao

Linear
Julho 2009
3.2
Produtos de Vetores
203
3.2.9. Verifique se os seguintes pontos pertencem a um mesmo plano:

(a) = (2, 2, 1), = (3, 1, 2), = (2, 3, 0) e = (2, 3, 2);
(b) = (2, 0, 2), = (3, 2, 0), = (0, 2, 1) e = (10, 2, 1);
3.2.10. Calcule o volume do paraleleppedo que tem um dos vertices

no ponto = (2, 1, 6) e os tres
vertices
adjacentes nos pontos = (4, 1, 3), = (1, 3, 2) e = (1, 2, 1).
vertices
= (1, 0, 1), =
3.2.11. Calcule a area
do paralelogramo em que tres
consecutivos sao
(2, 1, 3) e = (3, 2, 4).
3.2.12. Calcule a area

do triangulo
com vertices
= (1, 2, 1), = (3, 0, 4) e = (5, 1, 3).
3.2.13. Ache tal que ( + ) = 2( + ) e =
6.
3.2.14. Sabe-se que o vetor e ortogonal a + e a + , tem norma

e , tem-se cos > 0. Ache .
3 e sendo o angulo
entre
vertices
3.2.15. Mostre que = (3, 0, 2), = (4, 3, 0) e = (8, 1, 1) sao

de um triangulo
retangulo.
Em qual dos vertices

esta o angulo
reto?
3.2.16. Considere dois vetores e tais que = 5, = 2 e o angulo

entre e e 60 .
linear de e ( + ):
Determine, como combinacao
(a) Um vetor tal que = 20 e = 5
(b) Um vetor tal que =

0 e = 12.
Julho 2009
Reginaldo J. Santos
204

v1, v2, v3. Por
expr;
>> subs(expr,x,num) substitui x por num na expressao
da equacao
expr=0;
Comandos numericos
do pacote GAAL:
>> V=randi(1,3) cria um vetor aleatorio

com componentes inteiras;
>> no(V) calcula a norma do vetor V.

>> pe(V,W) calcula o produto escalar do vetor V pelo vetor W.
>> pv(V,W) calcula o produto vetorial do vetor V pelo vetor W.
Comandos graficos
do pacote GAAL:
>> desvet(P,V) desenha o vetor V com origem no ponto P e >> desvet(V) desenha o vetor
V com origem no ponto = (0, 0, 0).
>> po([P1;P2;...;Pn]) desenha os pontos P1, P2, ..., Pn.
>> lineseg(P1,P2,cor) desenha o segmento de reta P1P2.
>> eixos desenha os eixos coordenados.
>> box desenha uma caixa em volta da figura.
>> axiss reescala os eixos com a mesma escala.

Linear
Julho 2009
3.2
Produtos de Vetores
205
em torno do eixo .
>> rota faz uma rotacao
pelo fator.
>> zoom3(fator) amplifica a regiao
>> tex(P,texto) coloca o texto no ponto P.

3.2.17. Digite no prompt
demog21,
demonstra as funcoes
graficas
(sem a vrgula!). Esta funcao

para vetores.
3.2.18. Coloque em duas variaveis

e dois vetores bi-dimensionais ou tri-dimensionais a seu
criterio.
ilvijk(V) para visualizar o vetor V como uma soma de multiplos
(a) Use a funcao
escalares
linear) dos vetores , e .

(combinacao
ilpv(V,W) para visualizar o produto vetorial .
(b) Use a funcao
ilproj(W,V) para visualizar a projecao

de em .
(c) Use a funcao
Exerccios Teoricos
3.2.20. Mostre que em um triangulo

isosceles
a mediana relativa a` base e perpendicular a` base.
3.2.21. Mostre que o angulo

inscrito em uma semicircunferencia
e reto.
para os proximos
Sugestao
2 exerccios: Considere o paralelogramo . Seja =
+ e .
e = . Observe que as diagonais do paralelogramo sao
Julho 2009
Reginaldo J. Santos
206
perpendiculares entao
ele e um losango.
3.2.22. Mostre que se as diagonais de um paralelogramo sao
o mesmo comprimento entao
ele e um
3.2.23. Mostre que se as diagonais de um paralelogramo tem
retangulo.
= ?
3.2.24. Se = e =
0, entao
e ortogonal a 1 1 + 2 2 .
3.2.25. Mostre que se e ortogonal a 1 e 2 , entao
perpendiculares. (Sugestao:
mostre que
3.2.26. Demonstre que as diagonais de um losango sao
= 0, usando o fato de que = e = .)

nulo no espaco e , e os angulos
3.2.27. Sejam um vetor nao

que forma com os vetores ,
e , respectivamente. Demonstre que
cos2 + cos2 + cos2 = 1 .

cos =
(Sugestao:
cos =
e cos =
vetores quaisquer, entao:
3.2.28. Demonstre que, se e sao
)
1(
+ 2 2 ;
4
)
1(
(b) 2 + 2 =
+ 2 + 2 .
2
(a) =
(Sugestao:
desenvolva os segundos membros das igualdades acima observando que
+ 2 = ( + ) ( + ) e 2 = ( ) ( ))

Linear
Julho 2009
3.2
Produtos de Vetores
207
vetores quaisquer, entao:
3.2.29. Demonstre que se e sao

(a) ;
(b) + + ;
mostre que + 2 = ( + ) ( + ) ( + )2 , usando o
(Sugestao:
item anterior)

(c) .
defina = e aplique o item anterior a e )
(Sugestao:
experimente com os
3.2.30. O produto vetorial e associativo? Justifique a sua resposta. (Sugestao:
vetores , , )
= ?
3.2.31. Se = e =
0, entao
vetores quaisquer no espaco, entao
.
vetores no espaco, prove que ( ) . (Sugestao:
3.2.33. Se , e sao
use o Teorema 3.2 na pagina

175 e o exerccio anterior)
use as propriedades do
3.2.34. Mostre que ( ) = ( ) = ( ). (Sugestao:
determinante)
3.2.35. Mostre que
(a) (1 + 2 ) ( ) = 1 ( ) + 2 ( );
Julho 2009
Reginaldo J. Santos
208

(b) [(1 + 2 ) ] = (1 ) + (2 );
(c) [ (1 + 2 )] = ( 1 ) + ( 2).
(d) ( ) = [( + + ) ].
use as propriedades dos produtos escalar e vetorial)

(Sugestao:
3.2.36. Prove a identidade de Lagrange
2 = 2 2 ( )2 .
3.2.37. Mostre que a area

do triangulo
com vertices
( , ), para = 1, 2, 3 e igual a det()/2, em
que
1 1 1
= 2 2 1 .
3 3 1
(Sugestao:
Marque os pontos 1 = (1 , 1 , 1), 2 = (2 , 2 , 1), 3 = (3 , 3 , 1) e
1 = (1 , 1 , 0). O volume do paraleleppedo determinado por 1 , 2 , 3 e 1 e dado por
1 1 1 2 1 3 . Mas, a altura deste paraleleppedo e igual a 1. Assim, o seu
volume e igual a` area

da base que e o paralelogramo determinado por 1 , 2 e 3 . Observe
paralelos ao plano .)
que 1 , 1 2 e 1 3 sao
vetores unitarios
3.2.38. Sejam 1 , 2 e 3 tres

mutuamente ortogonais. Se = [ 1 2 3 ] e
os vetores 1 , 2 e 3 , entao
e invertvel e 1 = .
uma matriz 3 3 cujas colunas sao
mostre que = 3 .)
(Sugestao:

Linear
Julho 2009
3.2
Produtos de Vetores
209
3.2.39. Sejam = (1 , 2 , 3 ), = (1 , 2 , 3 ) e = (1 , 2 , 3 ). Prove a formula

seguinte para o
produto vetorial duplo
( ) = ( ) ( ),
seguindo os seguintes passos:
(a) Prove que
( ) = (
( ) = (
( ) = (
) ( )
) ( )
) ( )
(b) Prove usando o item anterior e as propriedades do produto vetorial que
( ) = ( ) ( )
( ) = ( ) ( )
( ) = ( ) ( )
(c) Prove agora o caso geral usando o item anterior e as propriedades do produto vetorial.
3.2.40.
(a) Prove que
[ ( )] + [ ( )] + [ ( )] = 0
use o exerccio anterior).

(Sugestao:
(b) Mostre que se ( ) =

0, entao
( ) = ( ) ,
neste caso, associativo.

ou seja, o produto vetorial e,
Julho 2009
Reginaldo J. Santos
210
do item (e) do Teorema 3.5 na pagina
Apendice
III: Demonstracao
186
da distributividade do produto vetorial em relacao
a soma
Vamos dividir a demonstracao
( + ) = +
e ( + ) = +
da seguinte forma:
direita, isto e,
(a) ( ) > 0 se, e somente se, , e satisfazem a regra da mao
se o angulo
entre e e , giramos o vetor de um angulo
ate que coincida com e
direita, entao
o polegar vai apontar no
acompanhamos este movimento com os dedos da mao
sentido de .
(b) ( ) = ( ), ou seja, pode-se trocar os sinais e em ( ) .
(c) ( + ) = + e ( + ) = + .
itens acima.
Provemos, agora, os tres
direita se, e
(a) Como vemos na Figura 3.25 na pagina
195 , e satisfazem a regra da mao
entre e . Como,
somente se, 0 < < /2, ou seja, cos > 0, em que e o angulo
, e satisfazem a regra da mao
direita se, e
( ) = cos , entao
somente se, ( ) > 0.
(b) Como o produto escalar e comutativo, pelo Teorema 3.8 na pagina

194,
( ) = ( ).
Agora, pelo item (a), temos que
( )

Linear
( )
Julho 2009
3.2
Produtos de Vetores
211
o mesmo sinal, pois , e satisfazem a regra da mao

direita se, e somente se, , e
tem
satisfazem.
tambem
da
(c) Vamos provar a primeira igualdade e deixamos como exerccio para o leitor a demonstracao
segunda. Vamos mostrar que o vetor = ( + ) e o vetor nulo.
Para isso, vamos mostrar que para qualquer vetor no espaco = 0.
Pela distributividade do produto escalar, Teorema 3.3 item (b) na pagina

177, temos que
= ( + ) ( ) ( ).
Pelo item (b), temos que
= ( ) ( + ) ( ) ( )
= ( ) ( + ) ( ) ( + ) = 0
Assim, = 0, para todo vetor , em particular para = , temos que = 2 = 0.

Portanto =
0, ou seja, ( + ) = + .
Julho 2009
Reginaldo J. Santos
212
Teste do Captulo
vertices
1. Mostre que os pontos = (4, 0, 1), = (5, 1, 3), = (3, 2, 5), = (2, 1, 3) sao
de
um paralelogramo. Calcule a sua area.
2. Dado o triangulo
de vertices
= (0, 1, 1), = (2, 0, 1) e = (1, 2, 0), determine a
medida da altura relativa ao lado .
3. Sejam e vetores no espaco, com =

0.
(a) Determine o numero
, tal que seja ortogonal a .
(b) Mostre que ( + ) ( ) = 2 .
4. Determine para que = (, 1, 2), = (2, 2, 3), = (5, 1, 1) e = (3, 2, 2)

sejam coplanares.

Linear
Julho 2009
Captulo 4
Retas e Planos
4.1
Equacoes
de Retas e Planos
4.1.1 Equacoes
do Plano
Geral
Equacao
geral de uma reta e + + = 0. No espaco um plano e o conjunto dos
No plano a equacao
pontos = (, , ) que satisfazem a equacao
+ + + = 0,
para , , ,
geral do plano. Existe uma analogia entre uma reta no plano e um plano
que e chamada equacao
de uma reta e determinada se forem dados sua inclinacao
e um de
no espaco. No plano, a equacao
213
214
Retas e Planos
de um plano e caracterizada por um vetor perpendicular a ele,

seus pontos. No espaco, a inclinacao
de um plano e determinada se sao
dados um vetor
chamado vetor normal ao plano e a equacao
normal e um de seus pontos.

Linear
Julho 2009
4.1
Equacoes
de Retas e Planos
215
= (, , )
0 = (0 , 0 , 0 )
= (, , )
Figura 4.1: Plano perpendicular a = (, , ) e que passa por 0 = (0 , 0 , 0 )
Julho 2009
Reginaldo J. Santos
216
Retas e Planos
geral de um plano que passa por um ponto 0 = (0 , 0 , 0 ) e tem

4.1. A equacao
Proposicao
vetor normal = (, , ) e
+ + + = 0 ,
(4.1)
em que = (0 + 0 + 0 ).
Demonstracao.
Um ponto = (, , ) pertence ao plano se, e somente se, o vetor 0 for
perpendicular ao vetor , ou seja,
0 = 0 .
(4.2)
(4.2) pode ser reescrita como

Como, 0 = ( 0 , 0 , 0 ), a equacao
( 0 ) + ( 0 ) + ( 0 ) = 0,
ou seja,
+ + (0 + 0 + 0 ) = 0 .
do plano que passa pelo ponto 0 = (1, 2, 2) e e

Exemplo 4.1. Vamos encontrar a equacao
4.1, a equacao
do plano e da forma
perpendicular ao vetor = (2, 1, 2). Da Proposicao
+ + + = 0 ,

Linear
Julho 2009
4.1
Equacoes
de Retas e Planos
217
Figura 4.2: Planos = 0, + = 0 e + = 0

z
Figura 4.3: Planos + + = 0, + + = 0 e + + = 0
Julho 2009
Reginaldo J. Santos
218
Retas e Planos
0
=
Figura 4.4: Planos + + = 0

z
=
0,
+
Figura 4.5: Planos + + = 0 e + + + = 0

Linear
Julho 2009
4.1
Equacoes
de Retas e Planos
219
2
4
y
Figura 4.6: Plano 2 + 2 = 0
Julho 2009
Reginaldo J. Santos
220
Retas e Planos
as componentes do vetor normal, ou seja, = 2, = 1 e

em que os coeficientes de , e sao
de e da forma
= 2. Assim, a equacao
2 + 2 + = 0 .
de usarmos a Proposicao
4.1, vamos usar o fato de que
Para determinar o coeficiente , ao inves
0 = (1, 2, 2) pertence a . Mas, o ponto 0 pertence a se, e somente se, as suas coordenadas
de , ou seja,
satisfazem a equacao
2 1 1 (2) + 2 (2) + = 0 .
anterior do plano obtemos que a equacao
Logo, = 2+24 = 0. Substituindo-se = 0 na equacao

do plano e
2 + 2 = 0 .
de uma reta e determinada se forem dados dois pontos da reta. AnalogaNo plano, a equacao
de um plano e determinada se sao
dados tres
pontos 1 , 2 e 3 nao
mente, no espaco, a equacao

nao
pertencentes a uma mesma reta). Com os tres
pontos podemos formar os
colineares (isto e,
vetores 1 2 e 1 3 (Figura 4.7).

Linear
Julho 2009
4.1
Equacoes
de Retas e Planos
221
= 1 2 1 3
1 = (1 , 1 , 1 )
3 = (3 , 3 , 3 )
2 = (2 , 2 , 2 )
= (, , )
pontos
Figura 4.7: Plano que passa por tres
Julho 2009
Reginaldo J. Santos
222
Retas e Planos
1/4
1/2
1/2
Figura 4.8: Plano 2 + 2 + 4 1 = 0

Linear
Julho 2009

Equacoes
de Retas e Planos
4.1
223
do plano que passa pelos pontos 1

Exemplo 4.2. Vamos encontrar a equacao
= ( 21 , 0, 0),
pontos podemos formar os vetores 1 2 e 1 3 . O

2 = (0, 12 , 0) e 3 = (0, 12 , 21 ). Com os tres
vetor
1 1 1
1 1 1
1 1
=1 2 1 3 = ( , , 0) ( , , ) = ( , , )
2 2
2 2 2
4 4 2
do plano e da forma
e um vetor normal ao plano. Assim, a equacao
1
1
1
+ + + = 0,
4
4
2
as componentes do vetor . Para determinar o coeficiente ,
em que os coeficientes de , e sao
vamos usar o fato de que o ponto 1 = ( 12 , 0, 0) pertence ao plano . Mas, o ponto 1 pertence a
de , ou seja,
se, e somente se, as suas coordenadas satisfazem a equacao
1
1 1 1
+ 0 + 0 + = 0.
4 2 4
2
do plano e
Logo, = 81 . Finalmente, uma equacao
1
1
1
1
+ + =0
4
4
2
8
ou multiplicando por 8, obtemos
2 + 2 + 4 1 = 0.
do plano da seguinte forma. Como vimos anteriAlternativamente, podemos encontrar a equacao
3.9 na pagina
vetores, 1 1 2 e 1 3 , sao
coplanares se, e somente
ormente (Corolario
198), tres
se, o produto misto entre eles e zero. Assim, um ponto = (, , ) pertence a se, e somente se,
1 (1 2 1 3 ) = 0 .
Julho 2009
Reginaldo J. Santos
224
Retas e Planos
Mas,
1
1 = ( , , )
2
1 1
1 2 = ( , , 0)
2 2
1 1 1
1 3 = ( , , ).
2 2 2
Entao,
21
1
1
1
1
1
0 = ( ) + +
det 12
2
4
2
4
2
12 12 21
do plano e dada por

e assim a equacao
1
1
1
1
+ + = 0.
4
4
2
8
ou multiplicando por 8,
2 + 2 + 4 1 = 0
do plano tambem
e determinada se ao inves
de serem dados tres
pontos, forem dados
A equacao
um ponto 1 do plano e dois vetores paralelos ao plano, = (1 , 2 , 3 ) e = (1 , 2 , 3 ), desde
colineares. Ou ainda se forem dados dois pontos 1 e 2 do plano e um vetor paque eles sejam nao
ralelo ao plano = (1 , 2 , 3 ), ja que neste caso podemos formar o vetor = 1 2 = (1 , 2 , 3 )

paralelo ao plano.
que e tambem

Linear
Julho 2009
4.1
Equacoes
de Retas e Planos
225
do plano.
Nestes casos temos novamente pelo menos duas maneiras de encontrarmos a equacao
Uma delas e observando que o vetor = e um vetor normal ao plano. Desta forma temos um
vetores paralelos
ponto do plano e um vetor normal ao plano. A outra e observando que temos tres
3.9 na pagina
ao plano: 1 = ( 1 , 1 , 1 ), e . Como vimos anteriormente (Corolario

vetores sao
coplanares se, e somente se, o produto misto entre eles e zero, ou seja,
198), os tres
1 1 1
2
3 = 0 .
1 ( ) = det 1
1
2
3
(4.3)
Assim, um ponto = (, , ) pertence a um plano que passa pelo ponto 1 = (1 , 1 , 1 )

paralelos) se, e somente se, a
e e paralelo aos vetores = (1 , 2 , 3 ) e = (1 , 2 , 3 ) (nao
(4.3) e verdadeira.
equacao
faz sentido dizer que um vetor pertence a um plano. Pois, por um lado, um plano e
Nao
Observacao.
livres, podem ser colocados em qualquer ponto.
um conjunto de pontos e por outro, os vetores sao
O correto e dizer que um vetor e paralelo a um plano.
Equacoes
Parametricas
da equacao
geral do plano podemos tambem
caracterizar os pontos de um plano da seguinte
Alem
forma. Considere um plano , um ponto 0 = (0 , 0 , 0 ) pertencente a e dois vetores =
colineares, paralelos a . Um ponto = (, , ) pertence a
(1 , 2 , 3 ) e = (1 , 2 , 3 ) nao
Julho 2009
Reginaldo J. Santos
226
Retas e Planos
linear de e (Corolario
se, e somente se, o vetor 0 = (0 , 0 , 0 ) e uma combinacao
3.10 na pagina
199), ou seja, se existem escalares e tais que
0 = + .
(4.4)
Escrevendo em termos de componentes (4.4) pode ser escrito como
( 0 , 0 , 0 ) = (1 + 1 , 2 + 2 , 3 + 3 ).
Logo um ponto = (, , ) pertence a se, e somente se, satisfaz as equacoes
= 0 + 1 + 1
= 0 + 2 + 2
= 0 + 3 + 3
para , .
sao
chamadas equacoes
Estas equacoes
parametricas
do plano.
parametricas
Exemplo 4.3. Podemos obter equacoes

do plano do Exemplo 4.2 na pagina
223 usando
o fato de que ele passa pelo ponto 1 = (1/2, 0, 0) e e paralelo aos vetores 1 2 = (1/2, 1/2, 0),
1 3 = (1/2, 1/2, 1/2). Assim,
=
=
1
12 21
2
1
12
2
1

Linear
para , .
Julho 2009
4.1
Equacoes
de Retas e Planos
227
parametricas
Exemplo 4.4. Para encontrarmos as equacoes

do plano do Exemplo 4.1 na pagina
216
geral do plano 4 + 2 + 3 = 0. Podemos proceder como no caso de
podemos resolver a equacao
sistemas lineares e considerar as variaveis

e livres: = e = . Assim, = 43 12 e portanto
= 34 12
=
para , .
equacoes
sao
parametricas
do plano. Destas equacoes
obtemos que os vetores 1 = ( 43 , 0, 1) e
paralelos ao plano.
2 = ( 12 , 1, 0) sao
Julho 2009
Reginaldo J. Santos
228
Retas e Planos
4.1.2 Equacoes
da Reta
Equacoes
Parametricas
nulo e que passa por um
Vamos supor que uma reta e paralela a um vetor = (, , ) nao
ponto 0 = (0 , 0 , 0 ). Um ponto = (, , ) pertence a reta se, e somente se, o vetor 0 e
se o vetor 0 e um multiplo
escalar de , ou seja,
paralelo ao vetor , isto e,
0 = .
(4.5)

Em termos de componentes, a equacao
( 0 , 0 , 0 ) = (, , ).
Logo, 0 = , 0 = e 0 = .
Ou seja, a reta pode ser descrita como sendo o conjunto dos pontos = (, , ) tais que
= 0 +
= 0 + ,
= 0 +
para .
(4.6)
de uma reta que passa por um ponto 0 = (0 , 0 , 0 ) e e paralela ao vetor = (, , ). As

sao
(4.6) sao
chamadas equacoes
equacoes
parametricas
da reta . O vetor = (, , ) e chamado
vetor diretor da reta .
O parametro
nas equacoes
(4.6) pode ser interpretado como o instante de tempo, se o ponto
= (, , ) descreve o movimento de uma partcula em movimento retilneo uniforme com vetor

Linear
Julho 2009
4.1
Equacoes
de Retas e Planos
229
velocidade = (, , ). Observe que para = 1, = (, , ) = (0 + , 0 + , 0 + ), para

= 2, = (, , ) = (0 + 2, 0 + 2, 0 + 2) e assim por diante.
(4.6), podem ser reescritas como
As equacoes
(, , ) = (0 + , 0 + , 0 + ),
vetorial da reta .
que e chamada equacao
Julho 2009
Reginaldo J. Santos
230
Retas e Planos
= (, , )
= (, , )
0 = (0 , 0 , 0 )
x
Figura 4.9: Reta paralela ao vetor = (, , )
0
y
0
y
Figura 4.10: Retas (, , ) = (0 +, 0 , 0 ), (, , ) = (0 , 0 +, 0 ) e (, , ) = (0 , 0 , 0 +)

Linear
Julho 2009
4.1
Equacoes
de Retas e Planos
231
0
y
0
y
Figura 4.11: Retas (, , )=(0+, 0+, 0 ), (, , )=(0 , 0+, 0+) e (, , )=(0+, 0 , 0+)
Figura 4.12: Retas (, , ) = (, , ) e (, , ) = (0 + , 0 + , 0 + )
Julho 2009
Reginaldo J. Santos
232
Retas e Planos
faz sentido dizer que o vetor esta contido na reta. Por um lado, a reta e um conjunto
Nao
Observacao.
tem posicao
fixa.
de pontos e por outro um vetor nao
Exemplo 4.5. A reta que passa por 0 = (3, 3/2, 4) e e paralela ao vetor = (6, 1, 4) tem
parametricas
equacoes
= 3 6
= 23 +
:
para
= 4 + 4
da reta com os planos coordenados , e . A equacao
Podemos encontrar a intersecao
do plano e = 0, do plano e = 0 e do plano e = 0. Substituindo = 0 nas equacoes

de , obtemos = 2, = 3 e = 1/2, ou seja,
de com o plano e
o ponto de intersecao
1
(, , ) = (3, , 0).
2
De forma analoga
obtemos
de com o plano e
(, , ) = (0, 1, 2),
de com o plano
(, , ) = (6, 0, 2).

Linear
Julho 2009
4.1
Equacoes
de Retas e Planos
233
1/2
Figura 4.13: Reta que passa pelo ponto 0 = (3, 3/2, 4) paralela ao vetor = (6, 1, 4)
Julho 2009
Reginaldo J. Santos
234
Retas e Planos
Equacoes
na Forma Simetrica
nao
nulos, podemos resolver cada equacao
Se todas componentes do vetor diretor da reta sao
em (4.6) para e igualar os resultados obtendo o que chamamos de equacoes

na forma simetrica
de :
0
0
0
.
=
=
de na forma simetrica
No Exemplo 4.5 as equacoes

sao:
+3
3/2
4
=
=
.
6
1
4
Exemplo 4.6. Vamos encontrar as equacoes

parametricas
da reta que passa pelos pontos 1 =
(3, 0, 2) e 2 = (0, 3, 3). O vetor
1 2 = (0 3, 3 0, 3 2) = (3, 3, 1)
parametricas
e paralelo a e o ponto 1 = (3, 0, 2) pertence a . Portanto, as equacoes

de sao
= 3 3
= 3
para .
= 2+

Linear
Julho 2009
4.1
Equacoes
de Retas e Planos
235
2
2
Figura 4.14: Reta que passa pelos pontos 1 = (3, 0, 2) e 2 = (0, 3, 3)
Julho 2009
Reginaldo J. Santos
236
Retas e Planos
Figura 4.15: 1 : 2 + + 4 4 = 0

Linear
Julho 2009
4.1
Equacoes
de Retas e Planos
237
Figura 4.16: 2 : 2 + 2 = 0
Julho 2009
Reginaldo J. Santos
238
Retas e Planos
Figura 4.17: 1 , 2 e 1 2

Linear
Julho 2009
4.1
Equacoes
de Retas e Planos
239
parametricas
dos planos
Exemplo 4.7. Vamos encontrar as equacoes
da reta , intersecao
1 : 2 + + 4 4 = 0
2 : 2 + 2
= 0.
Vetores normais destes planos sao
1 = (2, 1, 4) e 2 = (2, 1, 2) .
A reta esta contida em ambos os planos, portanto e perpendicular a ambos os vetores normais.
Assim, a reta e paralela ao produto vetorial 1 2 (Teorema 3.5 (c) na pagina

186).
1 2 =
det
1 4
1 2
, det
2 4
2 2
, det
2
1
2 1
])
= (6, 4, 4) .
Assim, = 1 2 = (6, 4, 4) e um vetor diretor de . Agora, precisamos encontrar um ponto da

particular do sistema
reta . Este ponto e uma solucao
2 + + 4 4 = 0
2 + 2
=0
(4.7)
particular do sistema, atribumos um valor a uma das incognitas
Para encontrar uma solucao

(neste
exemplo podemos fazer = 0) e resolvemos o sistema obtido, que e de duas equacoes

e duas
incognitas
{
Julho 2009
+ 4 4 = 0
+ 2
=0
Reginaldo J. Santos
240
Retas e Planos
= 4/3 e = 2/3, ou seja, o ponto 0 = (0, 4/3, 2/3) e um ponto da reta , pois e
Obtemos entao,
parametricas
particular do sistema (4.7). Assim, as equacoes

de sao
uma solucao
6
=
= 4/3 + 4 para todo .
= 2/3 4
(4.8)
Alternativamente, podemos encontrar as equacoes

parametricas
de determinando a solucao
geral do sistema (4.7). Para isto devemos escalonar a matriz do sistema (4.7):
2
1 4 4
2 1 2 0
para isto, adicionamos a`

Precisamos zerar o outro elemento da 1a. coluna, que e a coluna do pivo,
a.
a.
2 linha, menos a 1 linha.
]
[
4
2
1
4
0 2 2 4
-1a. linha + 2a. linha 2a. linha
geral do sistema dado, ja que ele e equivalente ao

Agora, ja podemos obter facilmente a solucao
sistema
{
2 + + 4 =
4
2 2 = 4
livre. Podemos dar a ela um valor arbitrario,

digamos , para
A variavel
e uma variavel
geral do sistema dado e
qualquer. Assim, a solucao
= 1
= 2

Linear
para todo .
(4.9)
Julho 2009
4.1
Equacoes
de Retas e Planos
241
sao
diferentes das equacoes
(4.8), mas representam a mesma reta, pois os vetores
Estas equacoes
as
paralelos e o ponto 0 = (1, 2, 0) satisfaz tambem

diretores obtidos das duas equacoes
sao
(4.9). Poderamos dizer tambem
que (4.8) e (4.9) representam retas coincidentes.
equacoes
da reta que e perpendicular a duas retas.

O proximo
exemplo mostra como encontrar a equacao
da reta 3 que intercepta as retas

Exemplo 4.8. Achar as equacoes
= 1 + 2
= 1 + ,
1 :
para todo
= 0
2 : 2 =
4
2
=3
e e perpendicular a ambas.
Um ponto qualquer da reta 1 e descrito por 1 = (1 + 2, 1 + , 0) e um ponto qualquer da reta
o uso de um parametro
2 e da forma 2 = (2 + , 4 + 2, 3). Aqui e necessario

diferente para a reta
2 . O vetor 1 2 = (3 + 2, 3 + 2 , 3) liga um ponto qualquer de 1 a um ponto qualquer de
2 . Vamos determinar e tais que o vetor 1 2 seja perpendicular ao vetor diretor 1 = (2, 1, 0)
de 1 e ao vetor diretor 2 = (1, 2, 0) de 2 , ou seja, temos que resolver o sistema
{
Julho 2009
1 2 1 = 9 + 4 5 = 0
1 2 2 = 9 + 5 4 = 0
Reginaldo J. Santos
242
Retas e Planos
deste sistema e = 1, = 1. Logo 1 = (1, 2, 0), 2 = (1, 2, 3) e 3 =1 2 =

A solucao
parametricas
(0, 0, 3). Assim as equacoes

da reta procurada sao
= 1
= 2, para todo .
3 :
= 3
usou o fato de que as retas sao

reversas, isto e,
elas nao
sao
paralelas, mas tambem
Esta solucao
se interceptam. Como seria a solucao
se elas se interceptassem? Por exemplo se a reta 2 fosse
nao
dada por
2 : 2 =
4
2
e =0?
Exerccios Numericos
534)
4.1.1. Faca um esboco dos seguintes planos:
(a) 2 + 3 + 5 1 = 0
(b) 2 + 4 = 0
(c) 3 + 2 1 = 0
(d) 2 + 3 1 = 0
(e) 3 + 2 1 = 0
(f) 5 2 = 0
(g) 3 2 = 0
(h) 2 1 = 0
4.1.2. Faca um esboco das retas dadas a seguir:

Linear
Julho 2009
4.1
Equacoes
de Retas e Planos
(a) (, , ) = (3 + 3,
3 1
, 4 2)
2 2
3
2
(c) (, , ) = (1 + , 2, 3 + 2)
(d) (, , ) = (1, 2 + 2, 25 + 23 )
(b) (, , ) = (2, , )
243
(e) (, , ) = (2 + 2, 3 + , 3)
(f) (, , ) = (1, 2, 2 + 2)
(g) (, , ) = (1, 2 + 2, 3)
(h) (, , ) = (2 + 2, 2, 3)
do plano paralelo ao plano 2 +5 3 = 0 e que passa por = (1, 2, 1).

4.1.3. Ache a equacao
do plano que passa pelo ponto = (2, 1, 0) e e perpendicular aos planos
4.1.4. Encontre a equacao
+ 2 3 + 2 = 0 e 2 + 4 1 = 0.
do plano que passa pelos pontos = (1, 0, 0) e = (1, 0, 1) e e
4.1.5. Encontrar a equacao
perpendicular ao plano = .
da reta que passa pela origem e tem vetor diretor = + 2 + com
4.1.6. Determine a intersecao
o plano 2 + + = 5.
4.1.7. Verifique se as retas : (, , ) = (9, 1 + 6, 2 + 3) e : (, , ) = (1 + 2, 3 + , 1)
e se as
se interceptam e em caso afirmativo determine a intersecao.
(Sugestao:
a questao
se as partculas se chocam, ou seja, elas nao

precisam estar num
trajetorias
se cortam e nao
ponto no mesmo instante.)
4.1.8. Dadas as retas
2
= =
2
2
: 2 = = ,
geral para o plano determinado por e .

obtenha uma equacao
Julho 2009
Reginaldo J. Santos
244
Retas e Planos
4.1.9. Sejam = (4, 1, 1) e : (, , ) = (2 + , 4 , 1 + 2).

(a) Mostre que ;
geral do plano determinado por e .

(b) Obtenha uma equacao
4.1.10. Dados os planos 1 : + + 1 = 0 e 2 : + 1 = 0, determine o plano que
1 2 e e ortogonal ao vetor (1, 1, 1).
contem
4.1.11. Quais dos seguintes pares de planos se cortam segundo uma reta?
(a) + 2 3 4 = 0 e 4 + 2 + 1 = 0;
(b) 2 + 4 + 3 = 0 e 4 2 + 8 = 0;
(c) = 0 e + = 0.
da reta que passa pelo ponto = (1, 2, 1) e e perpendicular ao plano

4.1.12. Encontre as equacoes
+ 2 1 = 0.
da reta que passa pelo ponto = (1, 0, 1) e e paralela aos planos 2 + 3 +
4.1.13. Ache equacoes
+ 1 = 0 e + = 0.
dos planos + = 0 e 2 + 3 1 = 0.
4.1.14. Seja a reta determinada pela intersecao
do plano que passa por = (1, 0, 1) e contem
a reta .
Ache a equacao
4.1.15. Sejam e retas reversas passando por = (0, 1, 0) e = (1, 1, 0) e por = (3, 1, 4)
da reta concorrente com e e
e = (1, 2, 7), respectivamente. Obtenha uma equacao
paralela ao vetor = (1, 5, 1).

Linear
Julho 2009
4.1
4.1.16.
Equacoes
de Retas e Planos
245
(a) Mostre que os planos 2 + = 0 e + 2 = 1 se interceptam segundo uma reta

;
da reta que passa pelo ponto = (1, 0, 1) e intercepta a reta ortogo(b) Ache equacoes
nalmente.
4.1.17. Considere as retas (, , ) = (1, 2, 3) e (, , ) = (0, 1, 2) + (2, 4, 6). Encontre a

geral do plano que contem
estas duas retas.
equacao
parametricas
dos planos:
4.1.18. Determine as equacoes
da reta intersecao
(a) + 2 3 4 = 0 e 4 + 2 + 1 = 0;
(b) = 0 e + = 0.
4.1.19. Considere o plano : 2 + 2 = 0.

do plano com o plano yz, , intersecao
do plano com
(a) Determine as retas , intersecao
do plano com o plano = 2. Desenhe um esboco do plano
o plano xz e , intersecao
mostrando as retas , e .
(b) Determine o volume do tetraedro determinado pelo plano , os planos coordenados xz e
este volume e igual a 1/6 do volume do paraleleppedo
yz e o plano = 2. (Sugestao:
do eixo z
determinado por , e , em que = (0, 0, 0), e o ponto intersecao
das retas e e e a intersecao
das retas e .)
com o plano = 2, e a intersecao
(c) Determine a area

da face do tetraedro contida no plano .
(d) Determine a altura do tetraedro relativa a face contida no plano . (Sugestao:

a reta
ortogonal ao plano que passa pelo ponto intercepta o plano num ponto de forma
que a altura procurada e igual a )

Julho 2009
Reginaldo J. Santos
246
Retas e Planos
da reta que intercepta as retas 1 e 2 e e perpendicular a ambas.

4.1.20. Achar as equacoes
(a)
= 1+
= 2 + 3, para
1 :
= 4
2 : + 1 =
(b)
1
+2
=
.
2
3
= 1 +
= 2 + 3, para
1 :
= 4
2 : =
3
4
=
.
2
3

v1, v2, v3. Por
>> V+W e a soma de V e W; >> V-W e a diferenca V menos W; >> num*V e o produto do vetor V
pelo escalar num;
expr;
>> subs(expr,x,num,) substitui x por num na expressao

Linear
Julho 2009
4.1
Equacoes
de Retas e Planos
247
da equacao
expr=0;
Comandos numericos
do pacote GAAL:
>> no(V) calcula a norma do vetor V.

>> pe(V,W) calcula o produto escalar do vetor V pelo vetor W.
>> pv(V,W) calcula o produto vetorial do vetor V pelo vetor W.
expr as variaveis
>> subst(expr,[x,y,z],[a,b,c]) substitui na expressao

x,y,z por
a,b,c, respectivamente.
Comandos graficos
do pacote GAAL:
V.
>> lin(P,V) desenha a reta que passa por P com direcao
V1, V2.
>> lin(P1,V1,P2,V2) desenha retas que passam por P1, P2, direcoes
>> plan(P,N) desenha o plano que passa por P com normal N.

>> plan(P1,N1,P2,N2) desenha planos que passam por P1, P2, normais N1, N2.
>> plan(P1,N1,P2,N2,P3,N3) desenha planos que passam por P1, P2 e P3 com normais
N1, N2 e N3.
>> poplan(P1,P2,N2) desenha ponto P1 e plano passando por P2 com normal N2.
V2.
>> poline(P1,P2,V2) desenha ponto P2 e reta passando por P2 com direcao
V1 e plano pas>> lineplan(P1,V1,P2,N2) desenha reta passando por P1 com direcao
sando por P2 com normal N2.
>> axiss reescala os eixos com a mesma escala.

Julho 2009
Reginaldo J. Santos
248
Retas e Planos
em torno do eixo .
>> rota faz uma rotacao
demonstra as funcoes
4.1.21. Digite no prompt demog22, (sem a vrgula!). Esta funcao

graficas
para
de retas e planos.
visualizacao
Exerccio Teorico
de um plano com = 0.
4.1.23. Seja + + + = 0 a equacao
de com os eixos;
(a) Determine a intersecao
as intersecoes
de com os eixos,
(b) Se 1 = (1 , 0, 0), 2 = (0, 2 , 0) e 3 = (0, 0, 3 ) sao
de pode ser posta sob a forma
a equacao
+
+
= 1.
1 2 3

Linear
Julho 2009
4.1
Equacoes
de Retas e Planos
249
3/2
3
3
6
3/2 2
3
6
Figura 4.18: Retas 1 , 2 e 3 do Exemplo 4.8
Julho 2009
Reginaldo J. Santos
250
4.2
Retas e Planos
Angulos
e Distancias
4.2.1 Angulos
Angulo
entre Retas
Com duas retas no espaco pode ocorrer um dos seguintes casos:
concorrentes;
(a) As retas se interceptam em um ponto, ou seja, sao
paralelas (ou coincidentes);
(b) As retas sao
reversas, isto e,
nao
sao
paralelas mas tambem
nao
se interceptam.
(c) As retas sao
elas determinam quatro angulos,
Se as retas se interceptam, entao

dois a dois opostos pelo
vertice. O angulo entre elas e definido como sendo o menor destes angulos.
reversas, entao
por um ponto de 1 passa um reta 2 que e paralela a
Se as retas 1 e 2 sao
entre 1 e 2 (Figura 4.19).

2 . O angulo
entre 1 e 2 e definido como sendo o angulo
paralelas o angulo
Se as retas sao
entre elas e igual a zero.
vetores paralelos a 1 e 2 respectivamente, entao
o
Em qualquer dos casos, se 1 e 2 sao
cosseno do angulo
entre elas e
cos(1 , 2 ) = cos ,
entre 1 e 2 .
em que e o angulo
de produto escalar (Definicao
3.1 na pagina
Lembrando que da definicao

173), podemos encontrar
o cosseno do angulo
entre dois vetores, ou seja,
cos =
1 2
.
1 2

Linear
Julho 2009
4.2
Angulos
e Distancias
251
z
2
1
1
Figura 4.19: O Angulo

entre duas retas reversas 1 e 2
Julho 2009
Reginaldo J. Santos
252
Retas e Planos
Isto prova o resultado seguinte.
4.2. Sejam duas retas

Proposicao
= 1 + 1
= 1 + 1
1 :
= 1 + 1
O cosseno do angulo
entre 1 e 2 e
= 2 + 2
= 2 + 2 para todo .
2 :
= 2 + 2
cos(1 , 2 ) = cos =
1 2
,
1 2
em que 1 = (1 , 1 , 1 ) e 2 = (2 , 2 , 2 ).
Exemplo 4.9. Encontrar o angulo

entre a reta
1 :
e a reta
+ + 1 = 0
2 +
= 0
= 2
= 1 para todo .
2 :
= 2 + 3

Linear
Julho 2009
4.2
Angulos
e Distancias
253
de pois
Vamos encontrar vetores paralelos a estas retas. A reta 1 e dada como a intersecao
planos, portanto o produto vetorial dos vetores normais dos dois planos e paralelo a 1 .
1 = (1, 1, 1),
1 = 1 2 =
det
2 = (2, 1, 1),
])
]
[
]
[
1
1
1 1
1 1
= (0, 3, 3)
, det
, det
2 1
2
1
1
1
e paralelo a 1 e 2 = (2, 1, 3) e paralelo a 2 . Assim,
1 2
0 2 + (3)(1) + (3) 3
=
1 2
02 + (3)2 + (3)2 22 + (1)2 + 32
1
6
= .
=
18 14
7
cos(1 , 2 ) =
Portanto, o angulo
entre 1 e 2 e
1
arccos ( ) 67o .
7
Angulo
entre Planos
Sejam 1 e 2 dois planos com vetores normais 1 = (1 , 1 , 1 ) e 2 = (2 , 2 , 2 ), respecti
entre duas retas perpendiculares a eles.

vamente. O angulo
entre 1 e 2 e definido como o angulo
Julho 2009
Reginaldo J. Santos
254
Retas e Planos
Como toda reta perpendicular a 1 tem 1 como vetor diretor e toda reta perpendicular a 2 tem 2
o cosseno do angulo
como vetor diretor, entao

entre eles e dado por
cos(1 , 2 ) = cos ,
entre os vetores normais 1 e 2 de 1 e 2 , respectivamente (Figura 4.20).

em que e o angulo
Portanto, o cosseno do angulo

entre 1 e 2 e cos(1 , 2 ) =
seguinte.
1 2
. O que prova o resultado
1 2
4.3. Sejam dois planos

Proposicao
1 :
2 :
1 + 1 + 1 + 1 = 0 ,
2 + 2 + 2 + 2 = 0 .
O cosseno do angulo
entre 1 e 2 e
cos(1 , 2 ) =
1 2
,
1 2
os vetores normais de 1 e 2 , respectivamente.

em que 1 = (1 , 1 , 1 ) e 2 = (2 , 2 , 2 ) sao
paralelos ou se cortam segundo um reta. Eles sao
paralelos se, e
Dois planos 1 e 2 ou sao
paralelos, ou seja, um vetor e um multiplo
somente se, os vetores normais de 1 e 2 , sao
escalar do
paralelos se, e somente se, o angulo
entre eles e igual a zero.

outro. Assim, e 2 sao

Linear
Julho 2009
4.2
Angulos
e Distancias
255
Figura 4.20: Angulo

entre dois planos
Julho 2009
Reginaldo J. Santos
256
Retas e Planos
sao
Exemplo 4.10. Determinar o angulo

entre os planos cujas equacoes
1 :
2 :
+ + = 0,
= 0.
os vetores cujas componentes sao

os coeficientes de ,
Os vetores normais a estes planos sao
dos planos, ou seja,
e nas equacoes
1 = (1, 1, 1) e 2 = (1, 1, 1) .
Assim, o cosseno do angulo

entre 1 e 2 e
cos(1 , 2 ) =
Portanto, o angulo
entre eles e
1
1
1 2
= = .
1 2
3
3 3
1
arccos ( ) 70o .
3
4.2.2 Distancias
Distancia
de Um Ponto a Um Plano
Sejam 0 = (0 , 0 , 0 ) um ponto qualquer e : + + + = 0 um plano. A distancia

de
de 0 ate o ponto de mais proximo

0 a e definida como sendo a distancia
de 0 .
Dado um ponto 1 = (1 , 1 , 1 ) de , podemos decompor o vetor 1 0 em duas parcelas, uma

do vetor normal de , = (, , ) e outra perpendicular a ele. A componente na direcao
na direcao

Linear
Julho 2009
4.2
Angulos
e Distancias
257
ortogonal de 1 0 em . Como vemos na Figura 4.21, a distancia
do vetor e a projecao
de 0 a
ou seja,
e igual a` norma da projecao,
dist(0 , ) = proj 1 0 .
3.4 na pagina
Mas, pela Proposicao

181, temos que
(
)

1 0
1 0
proj 1 0 =
=
.
2

O que prova o resultado seguinte.
4.4. Sejam 0 = (0 , 0 , 0 ) um ponto qualquer e : + + + = 0 um plano.

Proposicao
A distancia
de 0 a e dada por
1 0
dist(0 , ) = proj 1 0 =
,

um ponto que satisfaz a equacao
em que = (, , ) e 1 = (1 , 1 , 1 ) e um ponto de (isto e,

de ).
Julho 2009
Reginaldo J. Santos
258
Retas e Planos
proj 1 0
= (, , )
dist(0 , )
0 = (0 , 0 , 0 )
1 = (1 , 1 , 1 )
Figura 4.21: Distancia

de um ponto 0 = (0 , 0 , 0 ) a um plano

Linear
Julho 2009
4.2
Angulos
e Distancias
259
Exemplo 4.11. Calcular a distancia

entre o ponto 0 = (1, 2, 3) ao plano
: 2 + 1 = 0.
de , obtemos = 1. Assim, o ponto 1 = (1, 0, 0) pertence
Fazendo = 0 e = 0 na equacao
a .
1 0 = (1 1, 2 0, 3 0) = (0, 2, 3)
e
= (1, 2, 1) .
Assim,
1
1 0
0 1 + 2(2) + 3 1
1
dist(0 , ) = proj 1 0 =
=
= = .

6
6
12 + (2)2 + 12
Distancia
de Um Ponto a Uma Reta
Sejam 0 = (0 , 0 , 0 ) um ponto qualquer e uma reta. A distancia

de 0 a e definida como a
distancia
de 0 ao ponto de mais proximo
de 0 .
Dado um ponto qualquer 1 = (1 , 1 , 1 ) de podemos decompor o vetor 1 0 em duas parce do

do vetor diretor de e outra perpendicular a ele. A componente na direcao
las, uma na direcao
ortogonal de 1 0 em . Como vemos na Figura 4.22,

vetor e a projecao
(dist(0 , ))2 + proj 1 0 2 = 1 0 2 ,

Julho 2009
Reginaldo J. Santos
260
Retas e Planos
ou seja,
(dist(0 , ))2 = 1 0 2 proj 1 0 2 .
(4.10)
3.4 na pagina
Mas, pela Proposicao

181, temos que
(
) 2

(1 0 )2

1 0
2
proj 1 0 =
.
=
2

2
em (4.10) e usando a definicao

do produto escalar na pagina
Substituindo esta expressao

173 e da
norma do produto vetorial na pagina

182 obtemos
(dist(0 , ))2
(1 0 )2
1 0 2 2 (1 0 )2
= 1 0 2
=
2
2
1 0 2 2 1 0 2 2 cos2
=
2
1 0 2 2 sen2
1 0 2
=
=
.
2
2
Isto prova o resultado seguinte.
4.5. Sejam 0 = (0 , 0 , 0 ) um ponto qualquer e

Proposicao
= 1 +
= 1 + para todo
:
= 1 +

Linear
Julho 2009
4.2
Angulos
e Distancias
261
dist(0 , )
0 = (0 , 0 , 0 )
1 = (1 , 1 , 1 )
proj 1 0
= (, , )

de um ponto 0 = (0 , 0 , 0 ) a uma reta
Julho 2009
Reginaldo J. Santos
262
Retas e Planos
uma reta. A distancia

de 0 a e dada por
1 0
dist(0 , ) =
.

em que = (, , ) e um vetor diretor e 1 = (1 , 1 , 1 ) e um ponto da reta .
Exemplo 4.12. Calcular a distancia

do ponto 0 = (1, 1, 2) a` reta
= 1 + 2
=
:
para todo .
= 2 3
Um vetor diretor da reta e = (2, 1, 3) e um ponto de e 1 = (1, 0, 2). Assim,
1 0 = (1 1, 1 0, 2 2) = (0, 1, 0) ,
1 0 = (3, 0, 2) ,
1 0 = 13 e = 14 .
Portanto,
1 0
=
dist(0 , ) =


Linear
13
.
14
Julho 2009
4.2
Angulos
e Distancias
263
proj1 1 2
dist(1 , 2 )
1
1

entre dois planos
Julho 2009
Reginaldo J. Santos
264
Retas e Planos
Distancia
entre Dois Planos
Sejam dois planos 1 e 2 quaisquer. A distancia

entre 1 e 2 e definida como a menor distancia
entre dois pontos, um de 1 e outro de 2 .
paralelos, entao
os planos sao
concorrentes e neste caso a
sao
Se os seus vetores normais nao
paralelos, entao
os planos sao
distancia
entre eles e igual a zero. Se os seus vetores normais sao
entre um ponto de um deles,

paralelos (ou coincidentes) e a distancia
entre 1 e 2 e igual a` distancia
por exemplo 2 de 2 , e o ponto de 1 , mais proximo

de 2 (Figura 4.23). Mas, esta distancia
e igual
a` distancia
de 2 a 1 . Vamos ver isto em um exemplo.
paralelos, pois
Exemplo 4.13. Os planos 1 : + 2 2 3 = 0 e 2 : 2 + 4 4 7 = 0 sao
paralelos (um e multiplo
os seus vetores normais 1 = (1, 2, 2) e 2 = (2, 4, 4) sao
escalar do
outro). Vamos encontrar a distancia

entre eles.
Vamos encontrar dois pontos quaisquer de cada um deles. Fazendo = 0 e = 0 em ambas
as equacoes
obtemos 1 = 3 e 2 = 7/2. Assim, 1 = (3, 0, 0) pertence a 1 e 2 = (7/2, 0, 0)
4.4 temos que
pertence a 2 . Portanto, pela Proposicao
1 2 1
dist(1 , 2 ) = dist(1 , 2 ) = proj1 1 2 =
1
1
(7/2 3, 0 0, 0 0) (1, 2, 2)
(1/2) 1 + 0 2 + 0(2)
= .
=
=
2
2
2
6
9
1 + 2 + (2)
Distancia
entre Duas Retas
Sejam 1 e 2 duas retas quaisquer. A distancia

entre 1 e 2 e definida como a menor distancia

Linear
Julho 2009
4.2
Angulos
e Distancias
265
entre dois pontos, um de 1 e outro de 2 .
Para calcular a distancia

entre duas retas, vamos dividir em dois casos:
as retas 1 e 2 sao
paralelas (ou coincidentes).
paralelos, entao
(a) Se os vetores diretores sao
Neste caso, a distancia

entre elas e igual a` distancia
entre um ponto de 2 e a reta 1 , ou vice 4.5 na pagina
versa, entre um ponto de 1 e a reta 2 (Figura 4.24). Assim, pela Proposicao

260, temos que
1 2 2
,
dist(1 , 2 ) = dist(1 , 2 ) =
2
(4.11)
pontos de 1 e 2 e 1 e 2 sao
vetores diretores de 1 e 2 , respectivaem que 1 e 2 sao
mente.
elas sao
reversas ou concorrentes. Os dois
sao
paralelos, entao
(b) Se os vetores diretores nao
casos podem ser resolvidos da mesma forma. Estas retas definem dois planos paralelos (que
concorrentes). Um e o plano que contem
podem ser coincidentes, no caso em que elas sao
2 e e paralelo a 1 , 2 . O vetor
1 e e paralelo a 2 , vamos chama-lo
de 1 . O outro, contem
os vetores
= 1 2 , e normal (ou perpendicular) a ambos os planos, em que 1 e 2 sao
diretores de 1 e 2 respectivamente. Assim, a distancia

entre as retas e igual a` distancia
entre
estes dois planos (Figura 4.25), ou seja,
1 2 (1 2 )
1 2
=
dist(1 , 2 ) = dist(1 , 2 ) = dist(1 , 2 ) =

1 2
(4.12)
pontos de 1 e 2 e 1 e 2 sao
vetores diretores de 1 e 2 , respectivaem que 1 e 2 sao
concorrentes a distancia
mente. Observe que se as retas sao

entre elas e zero, pois os vetores
coplanares e 1 2 (1 2 ) = 0 (Corolario
1 2 , 1 e 2 sao
3.9 na pagina
198).
Julho 2009
Reginaldo J. Santos
266
Retas e Planos
Exemplo 4.14. Vamos determinar a distancia

entre as retas
1 :
e
1
+1
2
=
=
.
4
2
6
= 1 + 2
=
2 :
para todo .
= 2 3
paralelas, pois seus vetores diretores 1 = (4, 2, 6) e 2 = (2, 1, 3) (Exemplo

As retas sao
paralelos (um e um multiplo

4.5 na pagina
232) sao
escalar do outro, ou ainda as componentes
proporcionais). Alem
disso, o ponto 1 = (1, 1, 2) pertence a` reta 1 . Como
correspondentes sao
entre um ponto de 2 e a reta 1 (Figura

dissemos acima, a distancia
de 1 a 2 e igual a` distancia
4.5 na pagina
4.24). Assim, pela Proposicao

260, temos que
1 2 2
=
dist(1 , 2 ) = dist(1 , 2 ) =
2
13
.
14
as mesmas do Exemplo 4.12 na pagina
As contas sao
262.
Exemplo 4.15. Determinar a distancia

entre as retas
1 :
e
1
+1
=
= .
3
2
=
= 2
2 :
para todo .
= 1

Linear
Julho 2009
4.2
Angulos
e Distancias
267
paralelas aos vetores 1 = (3, 2, 1) e 2 = (1, 2, 1) e passam pelos pontos

As retas 1 e 2 sao
sao
paralelas, pois seus vetores
1 = (1, 1, 0) e 2 = (0, 0, 1), respectivamente. As retas nao
sao
paralelos (observe que a 1a. componente de 1 e 3 vezes a 1a. componente de 2 ,
diretores nao
iguais). Logo,
mas as 2a. s componentes sao
1 2 = (0 (1), 0 1, 1 0) = (1, 1, 1) .
Um vetor perpendicular a ambas as retas e
= 1 2 = (4, 4, 4) .
1 e e paralelo a 2 ) e 2 (que contem
2 e e paralelo
Este vetor e normal aos planos 1 (que contem
a 1 ) (veja a Figura 4.25). Assim,
1 2
dist(1 , 2 ) = dist(1 , 2 ) = dist(1 , 2 ) =

1
1(4) + (1) 4 + 1 4
4
=
= = .
2
2
2
4 3
3
(4) + 4 + 4
Julho 2009
Reginaldo J. Santos
268
Retas e Planos
dist(1 , 2 )
proj1 1 2

entre duas retas paralelas

Linear
Julho 2009
4.2
Angulos
e Distancias
269
dist(1 , 2 )
2
1 2

entre duas retas reversas
Julho 2009
Reginaldo J. Santos
270
Retas e Planos
Exerccios Numericos
553)
4.2.1. Considere os vetores = + 3 + 2 , = 2 + e = 2 . Seja um plano paralelo
ortogonal do vetor
aos vetores e e uma reta perpendicular ao plano . Ache a projecao
ortogonal de sobre o vetor diretor da reta .
sobre a reta , ou seja, a projecao
4.2.2. Encontrar o angulo

entre o plano 2 + = 0 e o plano que passa pelo ponto = (1, 2, 3)
e e perpendicular ao vetor 2 + .
4.2.3. Seja 1 o plano que passa pelos pontos = (1, 1, 1), = (1, 0, 1), = (1, 1, 0) e 2 o plano
que passa pelos pontos = (0, 0, 1) e = (0, 0, 0) e e paralelo ao vetor + . Ache o angulo
entre 1 e 2 .
4.2.4. Ache todas as retas que passam pelo ponto (1, 2, 3) e que formam angulos
de 45o e 60o com
os eixos x e y respectivamente.
4.2.5. Obtenha os vertices

e do triangulo
equilatero
, sendo = (1, 1, 0) e sabendo que o
Determine os pontos
lado esta contido na reta : (, , ) = (0, 1, 1). (Sugestao:
da reta tais que faz angulo

de 60o e 120o com o vetor diretor da reta )
4.2.6. Seja o plano que passa pela origem e e perpendicular a` reta que une os pontos = (1, 0, 0)
e = (0, 1, 0). Encontre a distancia

do ponto = (1, 0, 1) ao plano .
4.2.7. Seja 1 a reta que passa pelos pontos = (1, 0, 0) e = (0, 2, 0), e 2 a reta
2=
3
4
=
.
2
3

Linear
Julho 2009
4.2
Angulos
e Distancias
271
da reta perpendicular as
` retas 1 e 2 ;
(a) Encontre as equacoes
(b) Calcule a distancia

entre 1 e 2 .
4.2.8. Dados = (0, 2, 1), : = (0, 2, 2) + (1, 1, 2), ache
os pontos de que distam
. A distancia
do ponto a` reta e maior, menor ou igual a 3? Por que?
3 de
4.2.9. Dada a reta : = (1, 0, 0) + (1, 1, 1) e os pontos = (1, 1, 1) e = (0, 0, 1), ache o
ponto de equidistante
de e .
do lugar geometrico
4.2.10. Encontre a equacao

dos pontos equidistantes
de = (1, 1, 2) e =
(4, 3, 1). Este plano passa pelo ponto medio

de ? Ele e perpendicular ao segmento ?
dos planos que sao
perpendiculares ao vetor (2, 2, 2) e que distam
4.2.11. Ache as equacoes
ponto (1, 1, 1).
3 do
a reta
4.2.12. Determine os planos que contem
2 + 2 = 0
3 5 + 7 = 0
e formam com o plano 1 : + = 0 um angulo

de 60o .
4.2.13.
(a) Verifique que a reta : (, , ) = (1, 0, 1) + (1, 1, 0) e paralela ao plano
: + + = 0.
(b) Calcule a distancia

de a .
reversas a` reta e distam 2 desta?
(c) Existem retas contidas no plano , que sao
Julho 2009
Reginaldo J. Santos
272
4.2.14.
Retas e Planos
do plano 1 que passa por = (10/3, 1, 1), = (1, 9/2, 1) e
(a) Determine a equacao
= (1, 1, 5/6).
do plano 2 que passa por = (1, 4, 1), = (3/2, 1, 10) e

(b) Determine a equacao
e paralelo ao eixo z.
parametricas
dos planos 1 e 2 .
(c) Escreva equacoes
para a reta intersecao
(d) Faca um esboco dos planos 1 , 2 e da reta no primeiro octante.
(e) Qual o angulo

entre os planos 1 e 2 ?
este ponto e tal que

(f) Qual o ponto de 1 que esta mais proximo
da origem? (Sugestao:
e ortogonal ao plano 1 .)
(g) Qual a area

do triangulo
?
Exerccios Teoricos
4.2.16. Prove que o lugar geometrico

dos pontos do espaco que equidistam
de dois pontos distintos
= (1 , 1 , 1 ) e = (2 , 2 , 2 ) e um plano que passa pelo ponto medio

do segmento e
e perpendicular a ele. Esse plano e chamado plano mediador do segmento .
4.2.17. Mostre que a distancia

de um ponto 0 = (0 , 0 , 0 ) a um plano : + + + = 0 e
dist(0 , ) =
0 + 0 + 0 +
.
2 + 2 + 2

Linear
Julho 2009
4.2
Angulos
e Distancias
273

entre dois planos paralelos 1 : + + + 1 = 0 e 2 : + +
+ 2 = 0 e
dist(1 , 2 ) =
2 1
.
2 + 2 + 2
paralelas 1 : (, , ) = (1 +1 , 1 +1 , 1 +1 )
entre duas retas nao
e 2 : (, , ) = (2 + 2 , 2 + 2 , 2 + 2 ) e
det
1
2

2 1 2 1 2 1

det

1
1
1

2
2
2
])2 (
[
])2 (
[
])2
1
1 1
1 1
+ det
+ det
2
2 2
2 2
4.2.20. O angulo
entre uma reta que tem vetor diretor = ( , , ) e um plano que tem vetor
entre uma reta perpendicular

normal = ( , , ) e definido pelo complementar do angulo
ao plano e a reta . Mostre que
sen(, ) =
4.2.21. A distancia
entre uma reta que passa por um ponto 0 = (0 , 0 , 0 ) e tem vetor diretor
= ( , , ) e um plano : + + + = 0 e definida como a menor distancia

e
entre dois pontos um de e outro de . Se o vetor diretor da reta , = ( , , ), nao
a reta e o plano sao
concorrentes
ortogonal ao vetor normal do plano , = ( , , ), entao
Julho 2009
Reginaldo J. Santos
274
Retas e Planos
Figura 4.26: Reta e plano concorrentes

Linear
Julho 2009
4.2
Angulos
e Distancias
275
a distancia
e a distancia
entre eles e igual a zero, caso contrario
e igual a distancia
de uma ponto
da reta ao plano . Mostre que
0 + 0 + 0 +
, se = 0
2 + 2 + 2
dist(, ) =
caso contrario
0,
Julho 2009
Reginaldo J. Santos
276
Retas e Planos
Figura 4.27: Reta e plano paralelos

Linear
Julho 2009
4.2
Angulos
e Distancias
277
Teste do Captulo
1. Ache os pontos do plano : = que equidistam

dos pontos = (1, 1, 0) e = (0, 1, 1).
2. Determine , para que a reta (, , ) = (, 2, 0) + (2, , ) esteja contida no plano

: 3 + = 1.
3.
do plano que passa pelos pontos = (0, 0, 1), = (0, 1, 0) e

(a) Encontre a equacao
= (1, 0, 1).
(b) Encontre a distancia

da origem ao plano .
4.
(a) Mostre que os planos = 0 e = 1 se interceptam segundo uma reta .
do plano que passa pelo ponto = (1, 0, 1) e e perpendicular a` reta .

(b) Ache a equacao
Julho 2009
Reginaldo J. Santos
Captulo 5
Espacos
5.1
Independencia
Linear
identificados com pares ordenados de numeros

Ja vimos que os vetores no plano sao
reais e
identificados com ternos ordenados de numeros

que vetores no espaco sao
reais. Muito do que
estudamos sobre vetores no plano e no espaco pode ser estendido para -uplas
de numeros
reais,
em que pode ser um numero

inteiro positivo.
5.1.1 Os Espacos
278
5.1
Independencia
Linear
279
5.1. Para cada inteiro positivo , o espaco (vetorial) e definido pelo conjunto de todas
Definicao
ordenadas = (1 , . . . , ) de numeros
reais.
as -uplas
reais. O conjunto 2 e o conjunto dos

O conjunto 1 e simplesmente o conjunto dos numeros
reais.
pares de numeros
reais e o 3 e o conjunto dos ternos de numeros
3
No o terno de numeros
(1 , 2 , 3 ) pode ser interpretado geometricamente de duas maneiras:
as coordenadas do ponto (Figura 5.1),

pode ser visto como um ponto, neste caso 1 , 2 e 3 sao
as componentes do vetor (Figura 5.2). Tambem
ou como um vetor, neste caso 1 , 2 e 3 sao
pode ser pensada como um vetor ou como um ponto. Por exemplo, a quintupla
no uma -upla
= (1, 2, 3, 5, 4) pode ser pensada como um ponto no 5 , quando consideramos como um

com , como as que
elemento do conjunto 5 , ou como um vetor do 5 , quando fazemos operacoes
iremos definir adiante. Vamos chamar os elementos do de pontos ou de vetores dependendo da
situacao.
considerados iguais se
Dois vetores = (1 , . . . , ) e = (1 , . . . , ) no sao
de vetor por escalar

1 = 1 , . . . , = . As operacoes
de soma de vetores e multiplicacao
definidas de maneira analoga
no sao
ao que fizemos no plano e no espaco.
5.2.
Definicao
por
(a) A soma de dois vetores = (1 , . . . , ) e = (1 , . . . , ) de e definida
+ = (1 + 1 , . . . , + );
Julho 2009
(5.1)
Reginaldo J. Santos
Espacos
280
(, , )
(, , )
Figura 5.1: Ponto (, , ) 3

Linear
Figura 5.2: Vetor (, , ) 3
Julho 2009
5.1
Independencia
Linear
281
de um vetor = (1 , . . . , ) do por um escalar e definida por

(b) A multiplicacao
= ( 1 , . . . , ).
(5.2)
O vetor nulo de e denotado por

0 e e definido por 0 = (0, . . . , 0). Se = (1 , . . . , ) e um
o simetrico
vetor do , entao
de e denotado por e e definido por = (1 , . . . , ). A
vetores do
diferenca de dois vetores no e definida por = + ( ). Se e sao
dizemos que e um multiplo
escalar de .
tais que = , para algum escalar , entao
ser escrito na notacao

matricial como uma matriz
Um vetor = (1 , . . . , ) de pode tambem
linha ou como uma matriz coluna:
= ...
ou =
1 . . .
podem ser justificadas pelo fato de que as operacoes

matriciais
Estas notacoes
ou
+ = ... +
+ =
Julho 2009
..
. =
1 . . .
=
+
1
1 + 1
..
.
= ... = ...
]
] [
1 . . . = 1 + 1 . . . + ,
] [
]
. . . = 1 . . .
Reginaldo J. Santos
Espacos
282
vetoriais
produzem os mesmos resultados que as operacoes
+ = (1 , . . . , ) + (1 , . . . , ) = (1 + 1 , . . . , + )
= (1 , . . . , ) = (1 , . . . , ).

Linear
Julho 2009
5.1
Independencia
Linear
283
No teorema seguinte enunciamos as propriedades mais importantes da soma de vetores e

de vetores por escalar no .
multiplicacao
Teorema 5.1. Sejam = (1 , . . . , ), = (1 , . . . , ) e = (1 , . . . , ) vetores de e e

validas
escalares. Sao
(a) + = + ;
(e) ( ) = () ;
(b) ( + ) + = + ( + );
(f) ( + ) = + ;
(c) +
0 = ;
(g) ( + ) = + ;
(d) + ( ) =
0;
(h) 1 = .
Demonstracao.
Segue diretamente das propriedades da algebra
9).
vazio onde estao
O conceito de vetores pode ser generalizado ainda mais. Um conjunto nao

de soma e multiplicacao
por escalar e chamado espaco vetorial se satisfaz
definidas as operacoes
as oito propriedades do Teorema 5.1 (ver por exemplo [31]).
Linear
5.1.2 Combinacao
linear de vetores 1 , . . . , , e simplesmente uma soma de multiplos
Uma combinacao
escalares
de 1 , . . . , .
Julho 2009
Reginaldo J. Santos
Espacos
284
linear dos vetores 1 , . . . , , se existem

5.3. Um vetor e uma combinacao
Definicao
escalares 1 , . . . , que satisfazem a equacao
1 1 + 2 2 + . . . + =
(5.3)
Neste caso, dizemos tambem

que pode ser
vetorial (5.3) possui solucao.
ou seja, se a equacao
escrito como uma combinacao linear de 1 , . . . , .
linear de
a equacao
(5.3) se reduz a 1 1 = , ou seja, e uma combinacao
Se = 1, entao
escalar de 1 .
1 se, e somente se, e um multiplo
e uma
Exemplo 5.1. Sejam 1 = (1, 0, 0) e 2 = (1, 1, 0), vetores de 3 . O vetor = (2, 3, 2) nao
combinacao linear de 1 e 2 , pois a equacao
1 1 + 2 2 = ,
(5.4)
que pode ser escrita como
1 (1, 0, 0) + 2 (1, 1, 0) = (2, 3, 2),

ou ainda,
(1 + 2 , 2 , 0) = (2, 3, 2),
possui solucao.
que nao
1 + 2 = 2
2 = 3
0 = 2

Linear
Julho 2009

Independencia
Linear
5.1
285
= (2, 3, 2)
1 = (1, 0, 0)
1 = (1, 0, 0)
2 = (1, 1, 0)
2 = (1, 1, 0)
y
= (2, 3, 0)
e combinacao
Figura 5.3: O vetor nao
linear de 1 e 2
Julho 2009
linear
Figura 5.4: O vetor e combinacao
de 1 e 2
Reginaldo J. Santos
Espacos
286
linear de 1 = (1, 0, 0) e 2 = (1, 1, 0), pois

Exemplo 5.2. O vetor = (2, 3, 0) e uma combinacao
a equacao
1 1 + 2 2 =
(5.5)
ou
1 (1, 0, 0) + 2 (1, 1, 0) = (2, 3, 0)

ou ainda,
(1 + 2 , 2 , 0) = (2, 3, 0),
que possui solucao.
1 + 2 = 2
2 = 3
0 = 0
linear de quaisquer vetores 1 , . . . , , pois

0 e sempre combinacao
Exemplo 5.3. O vetor nulo
0 = 01 + . . . + 0 .
linear de
Exemplo 5.4. Todo vetor = (, , ) de 3 e uma combinacao
= (1, 0, 0), = (0, 1, 0) e = (0, 0, 1).

Pois,
(, , ) = (1, 0, 0) + (0, 1, 0) + (0, 0, 1) = + + .

Linear
Julho 2009

Independencia
Linear
5.1
287
= (, , )
Figura 5.5: Vetores , e
Julho 2009
Figura 5.6: = (, , ) = + +
Reginaldo J. Santos
Espacos
288
linear de um conjunto de vetores {1 , . . . , },

Para verificarmos se um vetor e combinacao
vetorial
escrevemos a equacao
1 1 + 2 2 + . . . + = ,
(5.6)
vetores de , a equacao
(5.6), pode ser escrita
Se 1 , . . . , sao
e verificamos se ela tem solucao.
como
11
..
.
que e equivalente ao sistema linear
+ . . . +
..
.
1
..
= .
= ,
os vetores escritos como matrizes colunas, ou seja, = [1 . . . ]
em queas colunas
de sao
1
..
e = . . Isto prova o seguinte resultado.
linear
5.2. Sejam uma matriz e uma matriz 1. O vetor e combinacao
Proposicao
das colunas de se, e somente se, o sistema = tem solucao.

Linear
Julho 2009
5.1
Independencia
Linear
289
5.1.3 Independencia
Linear
5.4. Dizemos que um conjunto = {1 , . . . , } de vetores de e linearmente indeDefinicao
vetorial
pendente (L.I.) se a equacao
1 1 + 2 2 + . . . + = 0
(5.7)
trivial, ou seja, se a unica

linear
so possui a solucao
forma de escrever o vetor nulo como combinacao
iguais a zero. Caso contrario,
isto e,
dos vetores 1 , . . . , e aquela em que todos os escalares sao
nao
trivial, dizemos que o conjunto e linearmente dependente (L.D.).
se (5.7) possui solucao
Exemplo 5.5. Um conjunto finito de vetores de que contem

o vetor nulo e L.D., pois se
01 + . . . + 01 + 1 + 0+1 + . . . + 0 =
{1 , . . . , } e tal que = 0, para algum , entao
0.
nulo e L.I., pois 1 1 =
Exemplo 5.6. Um conjunto formado por um unico
vetor, {1 }, nao
0 e
equivalente a 1 = 0 ou 1 =
0. Mas, 1 = 0; portanto 1 = 0.
qualquer conjunto finito de vetoExemplo 5.7. Se {1 , . . . , } e um conjunto de vetores L.D., entao
L.D., pois a equacao
res que contenha 1 , . . . , e tambem
1 1 + . . . + + 0 1 + . . . + 0 = 0
nao
trivial.
admite solucao
Julho 2009
Reginaldo J. Santos
290
Espacos
Exemplo 5.8. Um conjunto formado por dois vetores de , {1 , 2 } e L.D. se, e somente se, a
nao
trivial. Mas se isto acontece, entao
um dos escalares
1 1 + 2 2 =
0 possui solucao
equacao
1 = (2 /1 )2 e se 2 = 0, entao
1 ou 2 pode ser diferente de zero. Se 1 = 0, entao

um dos vetores e multiplo
2 = (1 /2 )1 . Ou seja, se {1 , 2 } e L.D., entao
escalar do outro.
1 1
Reciprocamente, se um vetor e multiplo
escalar do outro, digamos se 1 = 2 , entao
L.D. Portanto, podemos dizer que dois vetores sao

L.D. se, e somente se,
2 = 0 e assim eles sao
um e um multiplo
escalar do outro.
Por exemplo, o conjunto = {1 , 2 }, em que 1 = (1, 0, 1) e 2 = (0, 1, 1), e L.I., pois um vetor
e multiplo
nao
escalar do outro.
vetores de , {1 , 2 , 3 } e L.D. se, e somente se,

Exemplo 5.9. Um conjunto formado por tres
1 1 + 2 2 + 3 3 =
nao
trivial. Mas se isto acontece, entao
um
a equacao
0 possui solucao
1 = (2 /1 )2 +
dos escalares 1 ou 2 ou 3 pode ser diferente de zero. Se 1 = 0, entao
linear de 2 e 3 . De forma semelhante, se 2 = 0,
(3 /1 )3 , ou seja, o vetor 1 e combinacao
linear de 1 e 3 e se 3 = 0, entao
linear de 1 e 2 . Assim,
2 e combinacao
3 e combinacao
entao
vetores 1 , 2 e 3 do sao
L.D., entao
um deles e uma combinacao
linear dos outros dois,
se tres
ou seja, em deles e uma soma de multiplos

escalares dos outros dois. No 3 temos que se tres
vetores nao nulos sao L.D., entao ou os tres sao paralelos (Figura 5.9), ou dois deles sao paralelos
sao
coplanares, isto e,
sao
paralelos a um mesmo plano (Figura 5.11).
(Figura 5.10) ou os tres
linear dos outros dois, digamos se 1 = 2 +
Reciprocamente, se um vetor e uma combinacao
1 1 2 3 =
L.D. Portanto, podemos dizer que tres
vetores sao
0 e assim eles sao

3 , entao
3
linear dos outros dois. No , se tres
vetores sao
L.D. se, e somente se, um deles e uma combinacao

eles nao
sao
coplanares (Figura 5.12).
L.I., entao

Linear
Julho 2009
5.1
Independencia
Linear
291
2
1
1
2
Figura 5.7: Dois vetores linearmente dependentes
Julho 2009
Figura 5.8: Dois vetores linearmente independentes
Reginaldo J. Santos
Espacos
292
2
1
3
3
vetores linearmente depenFigura 5.9: Tres

dentes (paralelos)

Linear
vetores linearmente deFigura 5.10: Tres

pendentes (dois paralelos)
Julho 2009
5.1
Independencia
Linear
293
3
3
1
2
vetores linearmente deFigura 5.11: Tres

pendentes (coplanares)
Julho 2009
vetores linearmente indeFigura 5.12: Tres

pendentes
Reginaldo J. Santos
Espacos
294
Exemplo 5.10. Vamos mostrar que os vetores 1 = (1, 0, . . . , 0), 2 = (0, 1, 0, . . . , 0), . . . , =
L.I. em particular os vetores = (1, 0, 0), = (0, 1, 0) e = (0, 0, 1) sao
L.I. A
(0, . . . , 0, 1) sao
equacao
1 1 + . . . + = 0
pode ser escrita como
1 (1, 0, . . . , 0) + . . . + (0, . . . , 0, 1) = (0, . . . , 0) .

Logo, (1 , . . . , ) = (0, . . . , 0), que e equivalente ao sistema
1 = 0, . . . , = 0 .
Para descobrir se um conjunto de vetores {1 , . . . , } e L.I. precisamos saber se a equacao

vetorial
1 1 + 2 2 + . . . + = 0
(5.8)
vetores de , a equacao
(5.8), pode ser escrita
trivial. Se 1 , . . . , sao
tem somente a solucao
como
11
..
.
+ . . . +
1
..
.
..
= .
0
os vetores
que e equivalente ao sistema linear homogeneo
= 0, em que ascolunas
de sao
1
escritos como matrizes colunas, ou seja, = [1 . . . ] e = ... . Isto prova o seguinte
resultado.

Linear
Julho 2009
5.1
Independencia
Linear
295
5.3. Seja uma matriz .

Proposicao
linearmente independentes se, e somente se, o sistema =
(a) As colunas de sao
0 tem
trivial.
somente a solucao
as colunas de sao
linearmente independentes se, e somente se,
(b) Se = , entao
det() = 0.
ou mais vetores no 2 , assim como quatro ou mais vetores no 3 e mais de vetores no

Tres
sempre L.D. Pois, nestes casos, o problema de verificar se eles sao
ou nao
L.I. leva a um sistema
sao
linear homogeneo
com mais incognitas
do que equacoes,
que pelo Teorema 1.6 na pagina
51 tem
nao
trivial.
sempre solucao
Corolario
5.4. Em um conjunto com mais de vetores e L.D.
Julho 2009
Reginaldo J. Santos
Espacos
296
Exemplo 5.11. Considere os vetores 1 = (1, 0, 1), 2 = (0, 1, 1) e 3 = (1, 1, 1) de 3 . Para

L.I. ou L.D. escrevemos a equacao
sabermos se eles sao
1 1 + 2 2 + 3 3 = 0.
vetorial e equivalente ao sistema linear =
Esta equacao
0, em que
1 0 1
= [ 1 2 3 ] = 0 1 1 .
1 1 1
Escalonando a matriz [
0 ] podemos obter a sua forma escalonada reduzida
1 0 0 0
[ 0 ] = 0 1 0 0 .
0 0 1 0
que o sistema =
trivial 1 = 2 = 3 = 0.
Conclumos, entao
0 possui somente a solucao
L.I.
Portanto os vetores 1 , 2 e 3 sao
Exemplo 5.12. Sejam 1 = (1, 2, 5), 2 = (7, 1, 5) e 3 = (1, 1, 1) vetores de 3 . Para
L.I. ou L.D. escrevemos a equacao
sabermos se eles sao
1 1 + 2 2 + 3 3 = 0.
(5.9)
vetorial e equivalente ao sistema linear =

0, em que
Esta equacao
1
7
1
= [ 1 2 3 ] = 2 1 1 .
5
5 1

Linear
Julho 2009
5.1
Independencia
Linear
297
A matriz [
0 ] e equivalente por linhas a` matriz escalonada reduzida
[0] = 0
0
0 2/5 0
1
1/5 0 .
0
0 0
(5.10)
Assim a variavel
3 pode ser uma variavel
livre que pode, portanto, assumir qualquer valor. Con vetorial (5.9) tem
solucao
nao
trivial. Portanto, 1 , 2 e
clumos que o sistema =
0 e a equacao
L.D.
3 sao
linearmente dependente sugere que os vetores dependem uns dos outros em algum
A expressao
sentido. O teorema seguinte mostra que este realmente e o caso.
Teorema 5.5. Um conjunto = {1 , . . . , } ( > 1) de vetores e linearmente dependente (L.D.) se,

linear dos outros vetores de .
e somente se, pelo menos um dos vetores, , for combinacao
em duas partes:
Demonstracao.
Vamos dividir a demonstracao
linear dos demais vetores do conjunto , isto e,
se existem escalares
(a) Se e uma combinacao
1 , . . . , 1 , +1 , . . . , tais que
1 1 + . . . + 1 1 + +1 +1 + . . . + = ,
Julho 2009
Reginaldo J. Santos
Espacos
298
somando-se a ambos os membros ficamos com
entao
1 1 + . . . + 1 1 + +1 +1 + . . . + = 0.
(5.11)
nao
trivial, pois o coeficiente
1 1 + . . . + =
0 admite solucao
Isto implica que a equacao
de em (5.11) e 1. Portanto, e L.D.
a equacao
(b) Se e L.D., entao
1 1 + 2 2 + . . . + = 0
(5.12)
nao
trivial, o que significa que pelo menos um e diferente de zero. Entao,
admite solucao
1
(5.12) por 1/ e subtraindo-se ( )1 + . . . + ( ) obtemos
multiplicando-se a equacao
1 . . .
+1
+1 . . .
linear dos outros vetores de .

Portanto, um vetor e combinacao
da segunda parte, vemos que o vetor, cujo escalar na combinacao
Observacao.
Na demonstracao
linear dos outros.
linear, puder ser diferente de zero, pode ser escrito como combinacao

Linear
Julho 2009
5.1
Independencia
Linear
299
Exemplo 5.13. Sejam 1 = (1, 2, 5), 2 = (7, 1, 5) e 3 = (1, 1, 1) vetores do 3 . Vamos

linear dos outros dois. Vimos no Exemplo 5.12 que estes
escrever um dos vetores como combinacao
L.D. De (5.10) segue-se que
vetores sao
1 1 + 2 2 + 3 3 = 0
se, e somente se, 1 = (2/5), 2 = (1/5) e 3 = , para todo . Substituindo-se os
acima, ficamos com
valores de 1 , 2 e 3 na equacao
(2/5)1 (1/5)2 + 3 = 0
Tomando-se = 1, obtemos
(2/5)1 (1/5)2 + 3 = 0
multiplicando-se por 5 e somando-se 21 + 53 , temos que 2 = 21 + 53 . Observe que, neste
linear dos outros. O proximo
exemplo, qualquer dos vetores pode ser escrito como combinacao

exemplo mostra que isto nem sempre acontece.
Exemplo 5.14. Sejam 1 = (2, 2, 2), 2 = (3, 3/2, 0) e 3 = (2, 1, 0). {1 , 2 , 3 } e L.D.,
e combinacao
linear de 2 e 3 (Figura 5.10 na pagina
mas 1 nao
292).
5.1.4 Posicoes
Relativas de Retas e Planos
Posicoes
Relativas de Duas Retas
Julho 2009
Reginaldo J. Santos
Espacos
300
relativa de duas retas, usando a dependencia
Vamos estudar a posicao

linear de vetores. Sejam
1 : (, , ) = (1 + 1 , 1 + 1 , 1 + 1 ) e 2 : (, , ) = (2 + 2 , 2 + 2 , 2 + 2 ) as
de duas retas.
equacoes
as retas sao
L.D., entao
(a) Se os vetores diretores 1 = (1 , 1 , 1 ) e 2 = (2 , 2 , 2 ) sao
de paralelas, elas sao
coincidentes, se um ponto de uma
paralelas ou coincidentes. Alem
delas pertence a outra, por exemplo se 1 = (1 , 1 , 1 ) pertence a 2 ou se 2 = (2 , 2 , 2 )
pertence a 1 . Ou ainda,
L.D. (com 1 e 2 L.D.), entao

elas sao
coincidentes.
(i) Se 1 e 1 2 ou 2 e 1 2 sao
L.I. (com 1 e 2 L.D.), entao
elas sao
paralelas distintas.
(ii) Se 1 e 1 2 ou 2 e 1 2 sao
as retas sao
L.I. entao
(b) Se os vetores diretores 1 = (1 , 1 , 1 ) e 2 = (2 , 2 , 2 ) sao
reversas ou concorrentes.
L.D. (com 1 e 2 L.I.), entao

as retas sao
concorrentes.
(i) Se 1 2 , 1 e 2 sao
L.I., entao
as retas sao
reversas (Figura 5.13).
(ii) Se 1 2 , 1 e 2 sao
Posicoes
Relativas de Dois Planos
relativa dos dois planos usando a dependencia

linear de vetores. Sejam
1 : 1 + 1 + 1 + 1 = 0 e 2 : 2 + 2 + 2 + 2 = 0 as equacoes de dois planos.

os planos sao
L.D., entao
(a) Se os vetores normais 1 = (1 , 1 , 1 ) e 2 = (2 , 2 , 2 ) sao
de paralelos, eles sao
coincidentes se, e somente se,
paralelos distintos ou coincidentes. Alem
de um deles, satisfaz tambem
a equacao
do outro. Ou ainda,
todo ponto que satisfaz a equacao

Linear
Julho 2009
5.1
Independencia
Linear
301
L.D., entao
as equacoes
sao
proporcio(i) Se os vetores (1 , 1 , 1 , 1 ) e (2 , 2 , 2 , 2 ) sao
coincidentes.
nais e os planos sao
L.I. (com 1 e 2 L.D.), entao
os planos
(ii) Se os vetores (1 , 1 , 1 , 1 ) e (2 , 2 , 2 , 2 ) sao
paralelos distintos (Figura 5.15).
sao
os planos sao
L.I., entao
(b) Se os vetores normais 1 = (1 , 1 , 1 ) e 2 = (2 , 2 , 2 ) sao
concorrentes (Figura 5.14).
Posicoes
Relativas de Reta e Plano
relativa de uma reta e um plano usando a dependencia

linear de vetores.
de uma reta e um plano que passa
Sejam : (, , ) = (1 + 1 , 1 + 1 , 1 + 1 ) a equacao
pelo ponto 2 = (2 , 2 , 2 ) e e paralelo aos vetores 2 = (2 , 2 , 2 ) e 3 = (3 , 3 , 3 ).
(a) Se o vetor diretor da reta , 1 = (1 , 1 , 1 ), os vetores paralelos ao plano , 2 = (2 , 2 , 2 )
L.D., entao
a reta e o plano sao
paralelos ou a reta esta contida no
e 3 = (3 , 3 , 3 ) sao
dos vetores 1 , 2 e 3 forem L.D., um ponto da
plano. A reta esta contida no plano se alem
reta pertence ao plano, por exemplo, se 1 = (1 , 1 , 1 ) pertence a . Ou ainda,
L.D. e 2 = (2 , 2 , 2 ),
(i) Se 1 = (1 , 1 , 1 ), 2 = (2 , 2 , 2 ) e 3 = (3 , 3 , 3 ) sao
sao
L.D., entao
a reta esta contida no plano.
3 = (3 , 3 , 3 ) e 1 2 tambem
L.D., mas 2 = (2 , 2 , 2 ),
(ii) Se 1 = (1 , 1 , 1 ), 2 = (2 , 2 , 2 ), 3 = (3 , 3 , 3 ) sao
L.I., entao
a reta e paralela ao plano, mas nao
esta contida
3 = (3 , 3 , 3 ) e 1 2 sao
nele.
Julho 2009
Reginaldo J. Santos
302
Espacos
L.I., entao
a reta e concorrente ao
(b) Se 1 = (1 , 1 , 1 ), 2 = (2 , 2 , 2 ), 3 = (3 , 3 , 3 ) sao
plano.

Linear
Julho 2009
5.1
Independencia
Linear
303
Exerccios Numericos
562)
combinacao
linear de 1 = (5, 3, 1), 2
5.1.1. Quais dos seguintes vetores sao
3 = (10, 18, 7)?
(a) (10, 2, 5);
(c) (2, 1, 1);
(b) (10, 2, 8);
= (0, 4, 3) e
(d) (1, 2, 3).
L.D.
5.1.2. Os vetores 1 = (5, 3, 1), 2 = (0, 4, 3) e 3 = (10, 18, 7) do exerccio anterior sao
linear dos outros.
ou L.I.? Caso sejam L.D. escreva um deles como combinacao
linearmente dependentes?
5.1.3. Quais dos seguintes conjuntos de vetores sao
(a) {(1, 1, 2), (1, 0, 0), (4, 6, 12)};
(c) {(1, 1, 1), (2, 3, 1), (3, 1, 2)};
(b) {(1, 2, 3), (2, 4, 6)};
(d) {(4, 2, 1), (6, 5, 5), (2, 1, 3)}.
5.1.4. Para quais valores de o conjunto de vetores {(3, 1, 0), (2 + 2, 2, 0)} e L.D.?
5.1.5. Suponha que {1 , 2 , 3 } e um conjunto linearmente independente de vetores de . Responda se {1 , 2 , 3 } e linearmente dependente ou independente nos seguintes casos:
(a) 1 = 1 + 2 , 2 = 1 + 3 e 3 = 2 + 3 ;
(b) 1 = 1 , 2 = 1 + 3 e 3 = 1 + 2 + 3 .
5.1.6. Sejam 1 : (, , ) = (1 + 2, , 2 + 3) e 2 : (, , ) = (, 1 + , 1 + 2) duas retas.
sejam reversas).
(a) Determine para que as retas sejam coplanares (nao
relativa entre 1 e 2 .
(b) Para o valor de encontrado, determine a posicao
do plano determinado por 1 e 2 .
(c) Determine a equacao
Julho 2009
Reginaldo J. Santos
Espacos
304
5.1.7. Sejam a reta : (, , ) = (1, 1, 1) + (2, , ) e o plano paralelo aos vetores 1 = (1, 2, 0)
e 2 = (1, 0, 1) passando pela origem. Determine o valor de para que a reta seja paralela
ao plano. Para o valor de encontrado a reta esta contida no plano?
Exerccio usando o M ATLAB

5.1.8.
(a) Defina os vetores V1=[1;2;3], V2=[3;4;5] e V3=[5;6;7]. Defina o vetor aleatorio

linear de V1, V2 e V3.
V=randi(3,1). Verifique se V e combinacao
(b) Defina a matriz aleatoria

M=randi(3,5). Verifique se os vetores definidos pelas colunas
combinacao
linear de V1, V2 e V3. Tente explicar o resultado.
de M sao
linearmente independentes. Se eles forem linearmente de(c) Verifique se V1, V2 e V3 sao
linear dos outros e verifique o resultado.
pendentes, escreva um deles como combinacao
Exerccios Teoricos
5.1.9. Seja uma matriz . Mostre que det() = 0 se, e somente se, uma de suas colunas e
linear das outras.
combinacao
5.1.10. Suponha que {1 , 2 , . . . , } e um conjunto de vetores de linearmente independente. Mos singular, entao
{1 , 2 , . . . , } tambem
e um
tre que se e uma matriz nao
conjunto linearmente independente.
linear de e ?
nulos , e sao
L.D., entao
e uma combinacao
5.1.11. Se os vetores nao

Linear
Julho 2009
5.1
Independencia
Linear
305
2
2
1 2
1
Figura 5.13: Duas retas reversas
Julho 2009
Reginaldo J. Santos
Espacos
306
Figura 5.14: Dois planos que se interceptam

segundo uma reta

Linear
Figura 5.15: Dois planos paralelos
Julho 2009
5.1
Independencia
Linear
307
Figura 5.16: Reta e plano concorrentes
Julho 2009
Figura 5.17: Reta e plano paralelos
Reginaldo J. Santos
Espacos
308
5.2
Subespacos, Base e Dimensao
do sistema linear homogeneo
Sejam uma matriz e o conjunto solucao

= 0.
1.7 na pagina
Ja vimos na Proposicao
52 que o conjunto satisfaz as seguintes propriedades:
+ tambem
pertence a .
(a) Se e pertencem a , entao
tambem
pertence a para todo escalar .
(b) Se pertence a , entao
dos itens (a) e (b) acima na Proposicao
1.7 na pagina
Revise como foi feita a demonstracao

52.
solucoes
+ e tambem
o sao.
Assim, se e sao
de um sistema homogeneo,
entao
lineares de solucoes
de = 0 sao
tambem
solucoes
de = 0.
Portanto, combinacoes
de um sistema homogeneo
do
O conjunto solucao
= 0 e chamado de espaco solucao
= 0. Ele se comporta como se fosse um espaco, no sentido de que

sistema homogeneo
samos
fazendo soma de vetores do conjunto ou multiplicando vetores do conjunto por escalar nao
dele.
vazio de que satisfaz as propriedades (a) e (b) acima e chamado de
Um subconjunto nao
as operacoes
de soma e multiplicacao
por escalar podemos viver
subespaco de . Com relacao
nele sem termos que sair. Assim o espaco solucao

= 0 e um subespaco
a recproca, todo subespaco e o espaco solucao

de um sistema homogeneo
de . Vale tambem
(Exerccio 5.2.18 na pagina 331).

o subespaco formado somente
Exemplo 5.15. Os exemplos mais triviais de subespacos de sao
e subespaco de 3 , pois o 2 (conjunto

pelo vetor nulo, = {0} e = . Mas cuidado, o nao
3
e um subconjunto do (conjunto de ternos de numeros
de pares de numeros
reais) nao
reais). O
3
3
2
e o .
plano = {(, , ) = 0} e um subespaco de mas ele nao

Linear
Julho 2009

Subespacos Base e Dimensao
5.2
309
1 +2
Figura 5.18: Soma de vetores do plano
+ + = 0
Julho 2009
de vetor por esFigura 5.19: Multiplicacao

calar do plano + + = 0
Reginaldo J. Santos
Espacos
310
1 +2
2
Figura 5.20:
Soma de vetores da reta
(, , ) = (, , )

Linear
de vetor por esFigura 5.21: Multiplicacao

calar da reta (, , ) = (, , )
Julho 2009
5.2
311
Exemplo 5.16. Considere o sistema linear
1 + 1 + 1 = 0
2 + 2 + 2 = 0
3 + 3 + 3 = 0
deste sistema e representada por um plano que passa pela origem. O conjunto solucao
Cada equacao
dos planos definidos pelas equacoes,
e um subespaco de 3 e e a intersecao
podendo ser:
(a) Somente um ponto que e a origem.
(b) Uma reta que passa pela origem.
(c) Um plano que passa pela origem.
= 0 como uma combinacao

Vamos escrever toda solucao
tambem
solucao
do sistema.
linear de um numero
finito de vetores 1 , . . . , que sao
Exemplo 5.17. Considere o sistema linear homogeneo

= 0, em que
1
1
0
0
1
1 1 1 .
= 2 2
1
1 1
1
0
Escalonando a matriz aumentada do sistema acima, obtemos a matriz escalonada reduzida
1 1 0
0 1 0
0 0 1 1 1 0 .
0 0 0
0 0 0
Julho 2009
Reginaldo J. Santos
Espacos
312
geral do sistema pode ser escrita como
E assim a solucao
1 = , 2 = , 3 = + , 4 = 5 =
do sistema =
para todos os valores de , , , ou seja, o conjunto solucao
0 e
= {(1 , 2 , 3 , 4 , 5 ) = ( , , + , , ) , , } .
linear de vetores de :
Agora, um elemento qualquer de pode ser escrito como uma combinacao
( , , + , , ) = (, 0, , 0, ) + (0, 0, , , 0) + (, , 0, 0, 0)
= (1, 0, 1, 0, 1) + (0, 0, 1, 1, 0) + (1, 1, 0, 0, 0)
linear dos vetores 1 = (1, 0, 1, 0, 1),
Assim, todo vetor de pode ser escrito como combinacao
2 = (0, 0, 1, 1, 0) e 3 = (1, 1, 0, 0, 0) pertencentes a (1 e obtido fazendo-se = 1 e = =
0, 2 fazendo-se = = 0 e = 1 e 3 fazendo-se = = 0 e = 1).
Neste caso dizemos que 1 = (1, 0, 1, 0, 1), 2 = (0, 0, 1, 1, 0) e 3 = (1, 1, 0, 0, 0) geram
o subespaco . Em geral temos a seguinte definicao.
de um sistema linear
5.5. Seja um subespaco de (por exemplo, o espaco solucao
Definicao
homogeneo
= 0). Dizemos que os vetores 1 , . . . , pertencentes a , geram ou que
linear de
{1 , . . . , } e um conjunto de geradores de , se qualquer vetor de e combinacao
que e o subespaco gerado por 1 , . . . , .
1 , . . . , . Dizemos tambem

Linear
Julho 2009
5.2
313
importante e encontrar o maior numero

Uma questao
possvel de vetores linearmente indepen
dentes em um subespaco. O resultado a seguir responde a esta questao.
de um sistema linear hoTeorema 5.6. Seja subespaco de (por exemplo, o espaco solucao
mogeneo
= 0). Seja {1 , . . . , } um conjunto de vetores de
(a) linearmente independente (L.I.),
linear de 1 , . . . , ).
(b) que gera (ou seja, todo vetor de e combinacao
um conjunto com mais de vetores em e linearmente dependente (L.D.).
Entao,
Demonstracao.
Seja {1 , . . . , } um subconjunto de , com > . Vamos mostrar que
linear nula de 1 , . . . ,
{1 , . . . , } e L.D. Vamos considerar a combinacao
1 1 + 2 2 + . . . + = 0.
(5.13)
linear de 1 , . . . , , em particular,
Como qualquer elemento de pode ser escrito como combinacao
= 1 1 + 2 2 + . . . + =
para = 1, . . . , .
(5.14)
=1
Julho 2009
Reginaldo J. Santos
Espacos
314
, para = 1, . . . , ,
Assim, substituindo (5.14) em (5.13) e agrupando os termos que contem
obtemos
(11 1 + . . . + 1 )1 + . . . + (1 1 + . . . + ) = 0.
(5.15)
os escalares na equacao
(5.15) sao
iguais a zero. Isto leva ao
Como {1 , . . . , } e L.I., entao
sistema linear
= 0,
em que = ( ) . Mas, este e um sistema homogeneo

que tem mais incognitas
do que equacoes,
nao
trivial, (Teorema 1.6 na pagina
portanto possui solucao

51), como queramos provar.
O resultado anterior mostra que se podemos escrever todo elemento do subespaco como uma
linear de vetores 1 , . . . , L.I. pertencentes a , entao
e o maior numero
possvel
combinacao
de vetores L.I. em .
No Exemplo 5.17 os vetores 1 = (1, 0, 1, 0, 1), 2 = (0, 0, 1, 1, 0) e 3 = (1, 1, 0, 0, 0)
disso de
geram . Alem
(1, 0, 1, 0, 1) + (0, 0, 1, 1, 0) + (1, 1, 0, 0, 0) = ( , , + , , )

L.I. (por que?)
segue-se que 1 , 2 e 3 sao
podemos obter um numero
Assim pelo Teorema 5.6 nao
maior de vetores em L.I. Neste caso
dizemos que {1 , 2 , 3 } e uma base de . Em geral temos a seguinte definicao.
de um sistema linear
5.6. Seja um subespaco de (por exemplo, o espaco solucao
Definicao
homogeneo
= 0). Dizemos que um subconjunto {1 , . . . , } de e uma base de , se

Linear
Julho 2009
5.2
315
linear
(a) {1 , . . . , } e um conjunto de geradores de (ou seja, todo vetor de e combinacao
de 1 , . . . , ) e
(b) {1 , . . . , } e L.I.
Exemplo 5.18. Os vetores 1 = (1, 0, . . . , 0), 2 = (0, 1, 0, . . . , 0), . . . , = (0, . . . , 0, 1) formam

uma base do . Pois, um vetor qualquer do e da forma = (1 , . . . , ) e pode ser escrito
como uma soma de vetores, sendo um vetor para cada parametro

e cada vetor dependendo apenas
de um parametro,
obtendo
= (1 , . . . , ) = (1 , 0, . . . , 0) + (0, 2 , 0, . . . , 0) + . . . + (0, . . . , 0, )
= 1 (1, 0, . . . , 0) + 2 (0, 1, 0, . . . , 0) + . . . + (0, . . . , 0, 1).
Assim, os vetores 1 = (1, 0, . . . , 0), 2 = (0, 1, 0, . . . , 0), . . . , = (0, . . . , 0, 1) geram o .
L.I. Esses vetores formam a chamada

Vimos no Exemplo 5.10 na pagina
294 que 1 , 2 , . . . sao
base canonica
de . No caso do , 1 = , 2 = e 3 = .
Exemplo 5.19. Seja = {(, , ) = (, , ) } uma reta que passa pela origem. Como o
nulo e gera a reta, entao
{ } e uma base de .
vetor diretor = (, , ) e nao
Julho 2009
Reginaldo J. Santos
Espacos
316
1
= (, , )
2
Figura 5.22: 1 e 2 que formam uma base

para o plano

Linear
Figura 5.23: Vetor = (, , ) que e base

para a reta (, , ) = (, , )
Julho 2009
5.2
317
Exemplo 5.20. Seja = {(, , ) 3 + + = 0} um plano que passa pela origem.

+ + = 0 se, e somente se,
Vamos supor que = 0. Um ponto (, , ) satisfaz a equacao
1
= , = , = ( + ),
para todos , .
Assim, o plano pode ser descrito como = {(
, , ) , }. Assim, todo vetor
obtendo
de pode ser escrito como uma soma de vetores, sendo um para cada parametro,
( , , ) = ( , 0, ) + ( , , 0) = ( , 0, 1) + ( , 1, 0).
linear dos vetores 1 = ( , 0, 1) e

Assim, todo vetor de pode ser escrito como uma combinacao
2 = ( , 1, 0) pertencentes a (1 e obtido fazendo-se = 1 e = 0 e 2 , fazendo-se = 0
L.I.,
e = 1). Portanto, 1 = ( , 0, 1) e 2 = ( , 1, 0) geram o plano . Como 1 e 2 sao
e multiplo
{1 , 2 } e uma base do plano . Deixamos como
pois um nao
escalar do outro, entao
para o caso em
exerccio para o leitor encontrar uma base de para o caso em que = 0 e tambem
que = 0.
qualquer base de
313 que se = {
0} e um subespaco, entao
Segue do Teorema 5.6 na pagina
tem o mesmo numero
de elementos e este e o maior numero
de vetores L.I. que podemos ter em
de . Se
. O numero
de elementos de qualquer uma das bases de e chamado de dimensao
igual a 0.
= {0} dizemos que tem dimensao
do e , pois como foi mostrado no Exemplo 5.18 na pagina
Exemplo 5.21. A dimensao

315,
1 = (1, 0, . . . , 0), 2 = (0, 1, 0, . . . , 0), . . . , = (0, . . . , 0, 1) formam uma base do .
Julho 2009
Reginaldo J. Santos
318
Espacos
1e
Exemplo 5.22. Pelo Exemplo 5.19 na pagina
315 uma reta que passa pela origem tem dimensao
2.
317 um plano que passa pela origem tem dimensao
pelo Exemplo 5.20 na pagina
de um subespaco e > 0, entao
basta conseVamos mostrar a seguir que se a dimensao
guirmos vetores L.I. em , que teremos uma base.

Linear
Julho 2009
5.2
319
> 0. Se vetores, 1 , . . . , , sao

L.I.,
Teorema 5.7. Seja um subespaco de dimensao
eles geram o subespaco e portanto formam uma base de .
entao
Demonstracao.
Sejam 1 , . . . , vetores L.I. e seja um vetor qualquer do subespaco . Vamos
linear de 1 , . . . , . Considere a equacao
vetorial
mostrar que e combinacao
1 1 + 2 2 + . . . + + +1 = 0
(5.16)
L.D., pois sao

+ 1 vetores em um subespaco
313, 1 , . . . , , sao
a equacao
(5.16) admite solucao
nao
trivial, ou seja, pelo menos um = 0.
. Entao
de dimensao
multiplicando-se a equacao
(5.16)
Mas, +1 = 0, pois caso contrario, 1 , . . . , seriam L.D. Entao,
por 1/+1 e subtraindo (1 /+1 )1 + (2 /+1 )2 + . . . + ( /+1 ) , obtemos
1
+1
1 . . .
+1
de um subespaco, , e > 0, entao

basta
Dos resultados anteriores, vemos que se a dimensao
podemos conseguir
conseguirmos vetores L.I. em , que teremos uma base (Teorema 5.7) e nao
313).
mais do que vetores L.I. (Teorema 5.6 na pagina
Exemplo 5.23. Do Teorema 5.7 segue-se que vetores L.I. do formam uma base de . Por
exemplo, 3 vetores L.I. do 3 formam uma base de 3 .
Julho 2009
Reginaldo J. Santos
Espacos
320
Figura 5.24: O subespaco do Exemplo 5.24

Linear
Julho 2009
5.2
321
Figura 5.25: O subespaco do Exemplo 5.24
Julho 2009
Reginaldo J. Santos
Espacos
322
Figura 5.26: Os subespacos , e do Exemplo 5.24

Linear
Julho 2009
5.2
323
Exemplo 5.24. Sejam o plano + + = 0 e o plano 4 2 + = 0. Assim, o plano tem

e a
vetor normal 1 = (1, 1, 1) e o plano tem vetor normal 2 = (4, 2, 1). A intersecao
239) e que passa

reta cujo vetor diretor e = 1 2 = (3, 3, 6) (revise o Exemplo 4.7 na pagina
, tem equacao
(, , ) = (3, 3, 6), para todo
pela origem. Assim, a reta que e a intersecao,
. Como um vetor nao
nulo e L.I. o
. Portanto, o vetor = (3, 3, 6) gera a intersecao
.
conjunto { = (3, 3, 6)} e uma base da reta que e a intersecao
parametricas
dos
Alternativamente, podemos encontrar as equacoes
da reta , intersecao
geral do sistema (5.17)
planos determinando a solucao
:
:
+ + = 0,
4 2 + = 0 .
(5.17)
Para isto devemos escalonar a matriz do sistema (5.17):
1 1 1 0
4 2 1 0
para isto, adicionamos a`

Precisamos zerar o outro elemento da 1a. coluna, que e a coluna do pivo,
a.
a.
2 linha, 4 vezes a 1 linha.
]
[
1
1
1 0
0 6 3 0
geral do sistema dado, ja que ele e equivalente ao

Agora, ja podemos obter facilmente a solucao
sistema
{
+ = 0
6 3 = 0
livre. Podemos dar a ela um valor arbitrario,

digamos , para
A variavel
e uma variavel
Julho 2009
Reginaldo J. Santos
Espacos
324
geral do sistema (5.17) e
qualquer. Assim, a solucao
= 12
= 12
para todo .
, tem equacao
(, , ) = (1/2, 1/2, 1), para todo (revise
A reta que e a intersecao,
.
o Exemplo 4.7 na pagina
239). Portanto, o vetor = (1/2, 1/2, 1) gera a intersecao
nulo e L.I. o conjunto { = (1/2, 1/2, 1)} e uma base do subespaco que e a
Como um vetor nao
de com .
reta intersecao
de um sistema linear ho
Observacao.
Como no exemplo anterior, em geral, o espaco solucao
as solucoes
mogeneo pode ser visto como uma intersecao de subespacos que sao
de sistemas
do sistema inicial.
formados por subconjuntos de equacoes
Exemplo 5.25. Considere o subespaco = {( + , + , + + 2) , , } de 3 . Vamos
encontrar um conjunto de geradores e uma base para .
Qualquer elemento de pode ser escrito como uma soma de vetores, sendo um vetor para
cada parametro
e cada vetor dependendo apenas de um parametro,
obtendo
= ( + , + , + + 2) = (, 0, ) + (0, , ) + (, , 2)
= (1, 0, 1) + (0, 1, 1) + (1, 1, 2).
Logo, definindo 1 = (1, 0, 1), 2 = (0, 1, 1) e 3 = (1, 1, 2), temos que {1 , 2 , 3 } gera . Para
L.I. Para isto temos
sabermos se {1 , 2 , 3 } e base de , precisamos verificar se 1 , 2 e 3 sao
vetorial
que saber se a equacao
1 + 2 + 3 = 0
(5.18)

Linear
Julho 2009
5.2
325
ou equivalentemente,
= 0,
em que = [ 1 2 3 ]
trivial. Escalonando a matriz , obtemos

so possui a solucao
1 0 1
= 0 1 1 .
0 0 0
nao
trivial. Assim os vetores 1 , 2 e 3 sao
L.D. A solucao
de (5.18) e dada
Logo 5.18 tem solucao
em (5.18) obtemos
por = , = e = , para todo . Substituindo-se esta solucao
1 2 + 3 = 0
de
Tomando-se = 1 obtemos 3 = 2 + 1 . Assim o vetor 3 pode ser descartado na geracao
linear dos outros dois. Logo, apenas 1 e 2 sao
suficientes para gerar .
, pois ele e combinacao
eles sao
Como alem disso, os vetores 1 e 2 sao tais que um nao e multiplo

que vale entre as colunas

L.I. e portanto {1 , 2 } e uma base de . Observe que a mesma relacao
de vale entre as colunas de (por que?).
Exemplo 5.26. Considere os vetores 1 = (1, 1, 0, 3) e 2 = (3, 3, 2, 1) linearmente independentes de 4 . Vamos encontrar vetores 3 e 4 tais que {1 , 2 , 3 , 4 } formam uma base de 4 .
os vetores 1 e 2 ,
Escalonando a matriz cujas linhas sao
1 1 0 3
3 3 2 1
obtemos =
1 1 0 3
0
0 1 4
vetores da base canonica
Vamos inserir linhas que sao

na matriz ate conseguir uma matriz 4 4
triangular superior com os elementos da diagonal diferentes de zero. Neste caso acrescentando as
Julho 2009
Reginaldo J. Santos
Espacos
326
adequadas obtemos a matriz
linhas 3 = [ 0 1 0 0 ] e 4 = [ 0 0 0 1 ] em posicoes
1 1 0 3
1 0 0
= 0
0
0 1 4
0
0 0 1
L.I.
Vamos verificar que 1 , 2 , 3 e 4 sao
1 1 + 2 2 + 3 3 + 4 4 = 0
e equivalente ao sistema linear
= 0,
em que = [ 1 2 3 4 ].
= 0, entao
pode ser obtida
det() = 0, pelo Teorema 2.13 na pagina
115, pois
Mas como det()
do 4 e
de aplicando-se operacoes
elementares. Logo {1 , 2 , 3 , 4 } e L.I. Como a dimensao
4
igual a 4 , entao
319, {1 , 2 , 3 , 4 } e uma base de .

Linear
Julho 2009
5.2
327
Exerccios Numericos
570)
5.2.1. Encontre um conjunto de geradores para o espaco solucao

= 0,
em que
1 0 1 0
(a) = 1 2 3 1 ;
2 1 3 1
1 1 2 1
(b) = 2 3 6 2 .
2 1 2
2
nao
5.2.2. Encontre os valores de tais que o sistema homogeneo

( ) = 0 tem solucao
para as matrizes
trivial e para estes valores de , encontre uma base para o espaco solucao,
dadas:
0
1
0 3 ;
0 1
3
2 2 3 4
0 2 3 2
;
0 0 1 1
0 0 0 1
1 1 2
1 2
1 ;
0 1 1
(a) = 1
(b) =
(c) =
1 2 2 0
1 2 1 0
(d) =
1 1 2 0 .
0 0 0 1
2 3 0
(e) = 0 1 0 ;
0 0 2
2 3 0
(f) = 0 2 0 ;
0 0 2
dos planos 7 + 5 = 0 e 3 + = 0.
5.2.3. Determine uma base para a reta intersecao
5.2.4. Sejam 1 = (4, 2, 3), 2 = (2, 1, 2) e 3 = (2, 1, 0).
L.D.
(a) Mostre que 1 , 2 e 3 sao
Julho 2009
Reginaldo J. Santos
Espacos
328
L.I.
(b) Mostre que 1 e 2 sao
do subespaco gerado por 1 , 2 e 3 , ou seja, do conjunto das

(c) Qual a dimensao
lineares de 1 , 2 e 3 .
combinacoes
(d) Descreva geometricamente o subespaco gerado por 1 , 2 e 3
5.2.5. Dados 1 = (2, 1, 3) e 2 = (2, 6, 4):
(a) Os vetores 1 e 2 geram o 3 ? Justifique.
sobre 3 , para que {1 , 2 , 3 } seja
(b) Seja 3 um terceiro vetor do 3 . Quais as condicoes
3
uma base de ?
(c) Encontre um vetor 3 que complete junto com 1 e 2 uma base do 3 .
5.2.6. Seja o plano + 2 + 4 = 0. Obtenha uma base {1 , 2 , 3 } de 3 tal que 1 e 2
pertencam a .
5.2.7. Considere os seguintes subespacos de 3 :
= [(1, 2, 3), (1, 3, 4)] e = [(1, 2, 1), (0, 1, 1)].
Encontre as equacoes
parametricas
da reta e uma base para o subespaco .
[1 , 2 ] significa o subespaco gerado por 1 e 2 , ou seja, o conjunto de todas as
A notacao
lineares de 1 e 2 .
combinacoes
5.2.8. Seja = {(3 + 4 4, 2 4 6, 2 4 + 2) , , } um subespaco de 3 .
(a) Determine um conjunto de geradores para .

Linear
Julho 2009
5.2
329
(b) Determine uma base para .

5.2.9. Dados 1 = (3, 5, 2, 1) e 2 = (1, 2, 1, 2):
(a) Os vetores 1 e 2 geram o 4 ? Justifique.
sobre 3 e 4 para que {1 , 2 , 3 , 4 }
(b) Sejam 3 e 4 vetores do 4 . Quais as condicoes
4
seja uma base de ?
(c) Encontre vetores 3 e 4 que complete junto com 1 e 2 uma base do 4 .
5.2.10. De exemplo de:
vetores: 1 , 2 e 3 , sendo {1 } L.I., {2 , 3 } L.I., 2 e 3 nao
sao
multiplos
(a) Tres
de 1 e
{1 , 2 , 3 } L.D.
sao
(b) Quatro vetores: 1 , 2 , 3 e 4 , sendo {1 , 2 } L.I., {3 , 4 } L.I., 3 e 4 nao

linear de 1 e 2 e {1 , 2 , 3 , 4 } L.D.
combinacao
Exerccio usando o M ATLAB

A=triu(randi(4,4,3)). Encontre os valores de tais que o sistema
5.2.11. Defina a matriz aleatoria
nao
trivial e para estes valores de , encontre uma
homogeneo
( 4 ) = 0 tem solucao
base para o espaco solucao.
Exerccios Teoricos
do sistema linear = e um
5.2.12. Seja uma matriz . Mostre que se o conjunto solucao
= 0, ou seja, o sistema linear e homogeneo.
se e solucao
subespaco, entao
(Sugestao:
= 0 tambem
o e.)
de = , entao
Julho 2009
Reginaldo J. Santos
Espacos
330
5.2.13. Determine uma base para o plano + + = 0 no caso em que = 0 e no caso em que
= 0.
5.2.14. Sejam e vetores do . Mostre que o conjunto dos vetores da forma + e um
subespaco do .
passa pela origem, entao
ela nao
e um subespaco.
5.2.15. Mostre que se uma reta em 2 ou em 3 nao
se ela fosse um subespaco, entao
...)
(Sugestao:
1
2
5.2.16. Sejam uma matriz e uma matriz 1. Mostre que o conjunto dos vetores para
e um subespaco de . Ou seja, mostre que o
os quais o sistema = tem solucao
conjunto
() = { = , para algum }
e um subespaco de .

Linear
Julho 2009
5.2
331
5.2.17. Sejam 1 e 2 dois subespacos.

(a) Mostre que 1 2 e um subespaco.
(b) Mostre que 1 2 e um subespaco se, e somente se, 1 2 ou 2 1 .

(c) Definimos a soma dos subespacos 1 e 2 por
1 + 2 = {1 + 2 1 1 e 2 2 }.
1 e 2 .
Mostre que 1 + 2 e um subespaco que contem
5.2.18. Sejam um subespaco de e {1 , . . . , } uma base de . Defina a matriz =
[ 1 . . . ] , com 1 , . . . , escritos como matrizes colunas. Sejam o espaco
solucao
= 0 e {1 , . . . , } uma base de . Defina a matriz = [ 1 . . . ] , com 1 , . . . , escritos como matrizes colunas. Mostre que e o
espaco solucao
= 0, ou seja,
= { = 0}.
(particular) do sistema
5.2.19. Sejam uma matriz e uma matriz 1. Seja 0 uma solucao
do sistema
linear = . Mostre que se {1 , . . . , } e uma base para o espaco solucao
toda solucao
de = pode ser escrita na forma
homogeneo
= 0, entao
= 0 + 1 1 + . . . + ,
escalares. (Sugestao:
use o Exerccio 1.2.21 na pagina
em que 1 , . . . , sao
71)
do subespaco gerado pelas linhas de uma matriz escalonada reduzida
5.2.20. Mostre que a dimensao
do subespaco gerado pelas suas colunas.
e igual a dimensao
Julho 2009
Reginaldo J. Santos
332
Espacos
do subespaco gerado pelas linhas de uma matriz e igual a dimensao
5.2.21. Mostre que a dimensao

Considere a forma escalonada reduzida
do subespaco gerado pelas suas colunas. (Sugestao:
da matriz e use o exerccio anterior.)

Linear
Julho 2009
5.2
333
Apendice
IV: Outros Resultados
Teorema 5.8. Um subconjunto {1 , 2 , . . . , } de um subespaco e uma base para se, e

linear de 1 , 2 , . . . , .
somente se, todo vetor de e escrito de maneira unica
como combinacao
Demonstracao.
Em primeiro lugar, suponha que todo vetor de e escrito de maneira unica
linear de 1 , . . . , . Vamos mostrar que {1 , 2 , . . . , } e uma base de .

como combinacao
linear de 1 , . . . , , basta mostrarmos que 1 , . . . ,
Como todo vetor e escrito como combinacao
L.I. Considere a equacao
sao
1 1 + . . . + = 0.
linear de 1 , . . . , , em particular
Como todo vetor e escrito de maneira unica
como combinacao
temos que para = 0,
1 1 + . . . + = 0 = 01 + . . . + 0 ,
linearmente independentes. Portanto,
o que implica que 1 = 0, . . . , = 0, ou seja, 1 , . . . , sao
{1 , 2 , . . . , } e base de .
Suponha, agora, que {1 , 2 , . . . , } e base de . Seja um vetor qualquer de . Se
1 1 + . . . + = = 1 1 + . . . + ,
entao
(1 1 )1 + . . . + ( ) = 0.
Julho 2009
Reginaldo J. Santos
334
Espacos
eles sao
L.I., o que implica que 1 = 1 , . . . , =
Como 1 , . . . , formam uma base de , entao
linear de 1 , . . . , .
como combinacao
. Portanto, todo vetor de e escrito de maneira unica
Teorema 5.9. Se = {1 , . . . , } e um conjunto de vetores que gera um subespaco , ou seja,

existe um subconjunto de que e base de .
= [] = [1 , . . . , ], entao
e uma base de . Caso contrario,
Demonstracao.
Se e L.I., entao
e L.D. e pelo Teorema
linear dos outros. Assim, o subconjunto de

5.5 na pagina
297, um dos vetores de e combinacao
obtido retirando-se este vetor continua gerando . Se esse subconjunto for L.I., temos uma base
para , caso contrario,

continuamos retirando vetores do subconjunto ate obtermos um subconjunto
L.I. e a neste caso temos uma base para .
de um subespaco e , entao
vetores que geram o
Vamos mostrar que se a dimensao
podemos ter menos que vetores

subespaco, , formam uma base (Corolario
5.10) e que nao
gerando o subespaco (Corolario

5.11).
simples as demonstracoes
dos seguintes corolarios,
Sao
as quais deixamos como exerccio.
> 0, vetores que geram o subespaco, sao
Corolario
5.10. Em um subespaco, , de dimensao
L.I. e portanto formam uma base.

Linear
Julho 2009
5.2
335
> 0, um conjunto com menos de vetores
Corolario
5.11. Em um subespaco, , de dimensao
gera o subespaco.
nao
Teorema 5.12. Se = {1 , . . . , } e um conjunto de vetores L.I. em um subespaco de ,

o conjunto pode ser completado ate formar uma base de , ou seja, existe um conjunto
entao
= {1 , . . . , , +1 . . . , } ( ), que e uma base de .
{1 , . . . , } e uma base de . Caso contrario,
Demonstracao.
Se {1 , . . . , } gera , entao
seja
pertence ao subespaco gerado por {1 , . . . , }. Entao,
+1 um vetor que pertence a , mas nao
o conjunto {1 , . . . , , +1 } e L.I., pois caso contrario

1 1 + . . . + +1 +1 = 0, implicaria que
linear de 1 , . . . , , ou seja, +1 pertenceria
+1 = 0 (por que?) e assim, +1 seria combinacao
{1 , . . . , +1 } e uma base de . Caso
ao subespaco . Se {1 , . . . , +1 } gera , entao
contrario,
o mesmo argumento e repetido para o subespaco gerado por {1 , . . . , , +1 }.
Pelo Corolario
5.4 na pagina
295 este processo tem que parar, ou seja, existe um inteiro positivo
tal que {1 , . . . , , +1 , . . . , } e L.I., mas {1 , . . . , , +1 , . . . , , } e L.D. para
linear de {1 , . . . , , +1 , . . . , } (por
qualquer vetor de . O que implica que e combinacao
que?). Portanto, {1 , . . . , , +1 , . . . , } e uma base de .
Julho 2009
Reginaldo J. Santos
Espacos
336
Corolario
5.13. Todo subespaco de diferente do subespaco trivial {
0} tem uma base e a sua
e menor ou igual a .
dimensao
aplicacoes
as
` matrizes.
Os proximos
resultados sao
5.14. Sejam e matrizes equivalentes por linhas. Sejam 1 , . . . , as colunas

Proposicao
1, . . . , , respectivamente, da matriz e 1 , . . . , as colunas 1, . . . , , respectivamente, da matriz
.
L.I. se, e somente se, 1 , . . . , tambem
o sao.
(a) 1 , . . . , sao
(b) Se existem escalares 1 , . . . , tais que
= 1 1 + + ,
entao
= 1 1 + + ,
(c) O subespaco gerado pelas linhas de e igual ao subespaco gerado pelas linhas de .

Linear
Julho 2009
5.2
337
pode ser obtida de aplicando-se uma
Demonstracao.
Se e equivalente por linhas a , entao
elementar a uma matriz corresponde

sequ encia
de operacoes
elementares. Aplicar uma operacao
57). Seja o
a multiplicar a matriz a` esquerda por uma matriz invertvel (Teorema 1.8 na pagina
` operacoes
produto das matrizes invertveis correspondentes as

elementares aplicadas na matriz
e invertvel e = .
para se obter a matriz . Entao
L.I. e vamos mostrar que 1 , . . . , tambem
o sao.
Se
(a) Vamos supor que 1 , . . . , sao
1 1 + + = 0,
multiplicando-se a` esquerda pela matriz obtemos
entao
1 1 + + = 0.
Como = , para = 1, . . . , (Exerccio 1.1.18 (a) na pagina

27), entao
1 1 + + = 0.
L.I., entao
1 = . . . = = 0. O que implica que 1 , . . . ,
Assim, se 1 , . . . , sao
sao
L.I.
tambem
L.I., entao
Trocando-se por o argumento acima mostra que se 1 , . . . , sao

o sao.
1 , . . . , tambem
(b) Sejam 1 , . . . , escalares tais que
= 1 1 + + ,
multiplicando-se a` esquerda pela matriz obtemos
entao
= 1 1 + + .
Julho 2009
Reginaldo J. Santos
Espacos
338
Como = , para = 1, . . . , (Exerccio 1.1.18 (a) na pagina

27), entao
= 1 1 + + .
elementares as
` linhas de
(c) A matriz e obtida de aplicando-se uma sequ encia
de operacoes
linear das linhas de . Logo, o espaco gerado
. Assim, toda linha de e uma combinacao
pelas linhas de esta contido no espaco gerado pelas linhas de . Como toda operacao
elementar tem uma operacao elementar inversa, o argumento anterior tambem mostra que o
espaco gerado pelas linhas de esta contido no espaco gerado pelas linhas de . Portanto,
iguais.
eles sao

Linear
Julho 2009
5.2
339
Somente agora podemos provar a unicidade da forma escalonada reduzida.
matrizes escalonadas reduzidas equivalentes

Teorema 5.15. Se = ( ) e = ( ) sao
= .
por linhas a uma matriz = ( ) , entao
Demonstracao.
Sejam e matrizes escalonadas reduzidas equivalentes a . Sejam 1 , . . . ,
nulas de . Sejam
as colunas de e 1 , . . . , as colunas de . Seja o numero
de linhas nao
das linhas 1, . . . , , respectivamente, da matriz . Entao
1 , . . . , as colunas onde ocorrem os pivos

equivalentes por linha, ou seja, existe uma sequ encia
elementares que po e sao

de operacoes
elementares que podemos

demos aplicar em para chegar a e uma outra sequ encia
de operacoes
aplicar a e chegar a .
nulas o mesmo vale para as colunas 1, . . . , 1 1
Assim, como as colunas 1, . . . , 1 1 de sao
a.
de . Logo o pivo da 1 linha de ocorre numa coluna maior ou igual a 1 . Trocando-se por e
que 1 = 1 e assim 1 = 1 , . . . , 1 = 1 .
usando este argumento chegamos a conclusao
Vamos supor que 1 = 1 , . . . , = e vamos mostrar que
+1 = +1 , . . . , +1 = +1 ,
+1 = +1 , . . . , = ,
se < ou
se = .
Observe que para = + 1, . . . , +1 1, se < , ou para = + 1, . . . , , se = , temos

que
= (1 , . . . , , 0, . . . , 0) = 1 1 + . . . + ,
Julho 2009
Reginaldo J. Santos
Espacos
340
5.14 (b) na pagina
o que implica pela Proposicao

336 que
= 1 1 + . . . + .
Mas por hipotese

1 = 1 , . . . , = , entao,
= 1 1 + . . . + = ,
para = + 1, . . . , +1 1, se < ou para = + 1, . . . , , se = .
Logo, se < , o pivo da ( + 1)-esima

linha de ocorre numa coluna maior ou igual a +1 .
que +1 = +1 e
Trocando-se por e usando o argumento anterior chegamos a conclusao
1 = 1 , . . . , = .
assim 1 = 1 , . . . , = . E se = , entao
Portanto = .

Linear
Julho 2009
Produto Escalar em
5.3
5.3
341
Produto Escalar em
5.3.1 Produto Interno

de vetores por escalar para o . PodeVimos que podemos estender a soma e a multiplicacao
os conceitos de produto escalar e ortogonalidade.
mos estender tambem
(a) Definimos o produto escalar ou interno de dois vetores = (1 , . . . , ) e

= (1 , . . . , ) por
5.7.
Definicao
= 1 1 + 2 2 + . . . + =
=1
(b) Definimos a norma de um vetor = (1 , . . . , ) por
v
u
u
2
2
= 1 + . . . + =
2 .
=1
Escrevendo os vetores como matrizes colunas, o produto interno de dois vetores
= ...
Julho 2009
.
e = ..
Reginaldo J. Santos
Espacos
342
pode ser escrito em termos do produto de matrizes como
= .
Exemplo 5.27. Sejam = (1, 2, 4, 3, 5) e = (5, 3, 1, 2, 1) vetores do 5 . O produto escalar
entre e e dado por
= (1)(5) + (2)(3) + (4)(1) + (3)(2) + (5)(1) = 6.

dadas por
As normas de e sao
= 12 + (2)2 + 42 + 32 + 52 = 55,
= 52 + 32 + (1)2 + (2)2 + 12 = 40.

validas
Sao
as seguintes propriedades para o produto escalar e a norma de vetores de .
vetores de e e um escalar, entao
5.16. Se , e sao
Proposicao
(a) = (comutatividade);
a` soma);
(b) ( + ) = + (distributividade em relacao
(c) () = ( ) = ( );

Linear
Julho 2009
5.3
Produto Escalar em
343
(d) = 2 0 e = 0 se, e somente se, =

0;
(e) = ;
(f) (desigualdade de Cauchy-Schwarz);
(g) + + (desigualdade triangular).
escritos como
Demonstracao.
Sejam , , e . Usando o fato de que se os vetores sao
o produto escalar pode ser escrito como o produto de matrizes, = ,
matrizes colunas, entao
e as propriedades da algebra
9), temos que
(a) = 1 1 + + = 1 1 + + = .
(b) ( + ) = ( + ) = + = + .
(c) ( ) = ( ) = ( ) = () = () . A outra igualdade e inteiramente
analoga.
(d) e uma soma de quadrados, por isso e sempre maior ou igual a zero e e zero se, e somente
iguais a zero.
se, todas as parcelas sao
(e) 2 = (1 )2 + + ( )2 = 2 (21 + + 2 ) = 2 2 . Tomando a raiz quadrada,
segue-se o resultado.
Julho 2009
Reginaldo J. Santos
Espacos
344
(f) A norma de + e maior ou igual a zero, para qualquer real. Assim,
0 + 2 = ( + ) ( + ) = (2 )2 + (2 ) + 2 ,
para qualquer real. Logo, o discriminante deste trinomio

tem que ser menor ou igual a zero.
2
2
2
Ou seja, = 4( ) 4 0. Logo, .
(g) Pelo item anterior temos que
+ 2 = ( + ) ( + ) = 2 + 2 + 2
2 + 2 + 2
2 + 2 + 2 = ( + )2 .
Tomando a raiz quadrada, segue-se o resultado.
ortogonais se = 0. As propriedades do produto

Dizemos que dois vetores e sao
escalar permitem introduzir o conceito de bases ortogonais no . Antes temos o seguinte resultado.
vetores nao
= 0, para
5.17. Se 1 , . . . , sao
nulos de ortogonais, isto e,
Proposicao
= , entao
(a) O conjunto {1 , . . . , } e L.I.
(b) Se =
=1
=
, entao

.
2

Linear
Julho 2009
5.3
Produto Escalar em
Demonstracao.
345
vetorial
(a) Considere a equacao
1 1 + . . . + = 0 .
(5.19)
Fazendo o produto escalar de ambos os membros de (5.19) com , = 1, . . . , e aplicando

as propriedades do produto escalar, obtemos
1 (1 ) + . . . + ( ) + . . . + ( ) = 0 .
(5.20)
Mas, = 0, se = . Assim, de (5.20) obtemos que
2 = 0 .
= 0 e = 0, para = 1 . . . , .
Mas, como =
0, entao
(b) Seja
(5.21)
=1
Fazendo o produto escalar de com , para = 1, . . . , , obtemos que
=
Assim,
=1
Julho 2009

,
2
=1
( ) = 2 .
para = 1, . . . , .
Reginaldo J. Santos
Espacos
346
Observe que o item (a) e uma consequ encia

imediata do item (b).
nulo , por
ortogonal de um vetor sobre um vetor nao
Definimos a projecao
proj =
ortogonal de um vetor sobre um vetor nao

nulo e um multiplo
escalar
Observe que a projecao
disso temos o seguinte resultado.

do vetor . Alem

Linear
Julho 2009
Produto Escalar em
5.3
347
nulo. Entao,
proj e ortogonal a , para
5.18. Seja um vetor nao
Proposicao
qualquer vetor .
Demonstracao.
Precisamos calcular o produto escalar de com proj :
( proj ) =
Portanto, proj e ortogonal a .
= 0.
da Proposicao
5.18.
O proximo
resultado e uma generalizacao
nulos de , ortogonais entre si, entao

para
5.19. Sejam 1 , 2 , . . . , vetores nao
Proposicao
qualquer vetor , proj1 . . . proj e ortogonal a , para = 1, . . . , .
Demonstracao.
Vamos calcular o produto interno de proj1 . . . proj com , para
= 1, . . . , .
=1
proj
)
(
)
(

=
=
= 0,
2
2
=1
pois = 0, se = e = 2 .
Julho 2009
Reginaldo J. Santos
Espacos
proj
proj
proj
348
proj
proj2
proj1 proj2
ortogonal do vetor sobre o vetor

proj1
proj1 +proj2
Figura 5.28: proj1 proj2 e ortogonal a 1 e a 2

Linear
Julho 2009
5.3
Produto Escalar em
349
do sistema linear hoVamos mostrar no proximo

exemplo como encontrar no conjunto solucao
= 0 um conjunto com o maior numero

possvel de vetores unitarios
(com norma igual
mogeneo
a 1) ortogonais.
Exemplo 5.28. Considere o sistema linear homogeneo

= 0, em que
1
1
0
0
1
1 1 1 .
= 2 2
1
1 1
1
0
Escalonando a matriz aumentada do sistema acima, obtemos a matriz escalonada reduzida
1 1 0
0 1 0
0 0 1 1 1 0 .
0 0 0
0 0 0
geral do sistema pode ser escrita como

E assim a solucao
1 = , 2 = , 3 = + , 4 = 5 =
do sistema =
para todos os valores de , , , ou seja, o conjunto solucao
0 e
= {(1 , 2 , 3 , 4 , 5 ) = ( , , + , , ) , , } .
linear de vetores de :
Agora, um elemento qualquer de pode ser escrito como uma combinacao
( , , + , , ) = (, 0, , 0, ) + (0, 0, , , 0) + (, , 0, 0, 0)
= (1, 0, 1, 0, 1) + (0, 0, 1, 1, 0) + (1, 1, 0, 0, 0)
Julho 2009
Reginaldo J. Santos
Espacos
350
linear dos vetores 1 = (1, 0, 1, 0, 1),

Assim, todo vetor de pode ser escrito como combinacao
2 = (0, 0, 1, 1, 0) e 3 = (1, 1, 0, 0, 0) pertencentes a (1 e obtido fazendo-se = 1 e =
disso segue da
= 0, 2 fazendo-se = = 0 e = 1 e 3 fazendo-se = = 0 e = 1). Alem
anterior que 1 , 2 e 3 sao
L.I. Logo {1 , 2 , 3 } e uma base de .
equacao
Vamos, agora, encontrar uma base ortonormal para . Para isso vamos aplicar a Proposicao
5.18 na pagina
347.
1 = 1 = (1, 0, 1, 0, 1);
1
1
2 = 2 proj1 2 = (0, 0, 1, 1, 0) + (1, 0, 1, 0, 1) = (1, 0, 2, 3, 1)
3
3
1
1
3 = 3 proj1 3 proj2 3 = (1, 1, 0, 0, 0) (1, 0, 1, 0, 1) (1, 0, 2, 3, 1)
3
15
1
(3, 5, 1, 1, 2)
=
5
Agora, vamos dividir cada vetor pela sua norma para obtermos vetores de norma igual a 1
(unitarios).
1
2
3
)
1
1
1
1
1 = ( , 0, , 0, )
=
1
3
3
3
)
(
1
2
3
1
1
2 = ( , 0, , , )
=
2
15
15 15 15
)
(
1
3
5
1
1
1
3 = ( , , , , )
=
3
2 10 2 10 2 10 2 10
10
(

Linear
Julho 2009
5.3
Produto Escalar em
351
5.3.2 Bases Ortogonais e Ortonormais
5.8. Seja {1 , . . . , } uma base de um subespaco de .

Definicao
(a) Dizemos que {1 , . . . , } e uma base ortogonal, se = 0, para = , ou seja, se
ortogonais;
quaisquer dois vetores da base sao
de ser uma base ortogonal,
(b) Dizemos que {1 , . . . , } e uma base ortonormal, se alem
= 1, ou seja, o vetor e unitario,

para = 1, . . . .
Exemplo 5.29. A base canonica

de , que e formada pelos vetores
1 = (1, 0, . . . , 0),
2 = (0, 1, 0, . . . , 0),
...
= (0, . . . , 0, 1)
e uma base ortonormal de .

Exemplo 5.30. No Exemplo 5.28, {1 , 2 , 3 } e uma base ortogonal de e {1 , 2 , 3 } e uma
base ortonormal de .
O resultado a seguir mostra que o procedimento usado no Exemplo 5.28 conhecido como pro de Gram-Schmidt pode ser aplicado a qualquer subespaco de . Nas
cesso de ortogonalizacao
Figuras 5.29 e 5.30 vemos como isto e possvel no caso em que o subespaco e o 3 , ja que o 3 e
subespaco dele mesmo.
Julho 2009
Reginaldo J. Santos
Espacos
352
3 =
3 proj13
proj23
3
1 = 1
proj12
2 =
2 proj12
1
proj13
2
proj23
proj13 +proj23
Figura 5.29: 1 = 1 e 2 = 2
proj1 2

Linear
Figura 5.30:
proj2 3
3 = 3 proj1 3
Julho 2009
5.3
Produto Escalar em
353
existe uma base

Teorema 5.20. Seja {1 , . . . , } uma base de um subespaco de . Entao,
{1 , . . . , } de que e ortonormal e tal que o subespaco gerado por 1 , . . . , e igual ao

subespaco gerado por 1 , . . . , para = 1, . . . , .
Demonstracao.
(a) Sejam
1
2
3
=
=
=
...
=
1 ,
2 proj1 2 ,
3 proj1 3 proj2 3 ,
proj1 proj2 . . . proj1 .
5.18, segue-se que 2 e ortogonal a 1 e 2 =

L.I. Assim,
Pela Proposicao
0, pois 1 e 2 sao
1 e 2 formam uma base ortogonal do subespaco gerado por 1 e 2 . Agora, supondo
que 1 , . . . , 1 seja uma base ortogonal do subespaco gerado por 1 , . . . , 1 , segue 5.19, que e ortogonal a 1 , . . . , 1 . =
se da Proposicao
0, pois caso contrario,
pertenceria ao subespaco gerado por 1 , . . . , 1 que e igual ao subespaco gerado por
ortogonais nao
nulos, pela
1 , . . . , 1 e assim 1 , . . . , seriam L.D. Como 1 , . . . , sao
5.17 na pagina
L.I. e portanto formam uma base do subespaco .

Proposicao
344, eles sao
(b) Sejam, agora
1 =
Julho 2009
1
1
1 ,
2 =
1
2
2 ,
...,
Reginaldo J. Santos
Espacos
354
Assim, {1 , . . . , } e uma base ortonormal para o subespaco .

Linear
Julho 2009
5.3
Produto Escalar em
355
Exerccios Numericos
591)
ortogonais?
5.3.1. Sejam = (1, 1, 2) e = (, 1, 2). Para quais valores de , e sao
5.3.2. Sejam = (1/ 2, 0, 1/ 2) e = (, 1/ 2, ). Para quais valores de e , o conjunto

{, } e ortonormal?
5.3.3. Encontre uma base ortonormal para o plano + + = 0.
5.3.4. Encontre um subconjunto com o maior numero
possvel de vetores ortonormais no subespaco
4
dos vetores (, , , ) tais que 2 + = 0.
5.3.5. Encontre um subconjunto com o maior numero
possvel de vetores ortonormais no conjunto
solucao
+ = 0
2 + + 2 = 0.
5.3.6. Considere as retas (, , ) = (1, 2, 3) e (, , ) = (0, 1, 2) + (2, 4, 6) em 3 . Encontre

geral do plano que contem
estas duas retas e ache um subconjunto com o maior
a equacao
numero
possvel de vetores ortonormais neste plano.
de Gram-Schmidt para encontrar uma base ortonormal para

5.3.7. Use o processo de ortogonalizacao
o subespaco de 4 que tem como base {(1, 1, 1, 0), (0, 2, 0, 1), (1, 0, 0, 1)}.
de Gram-Schmidt para obter uma base ortonormal de
5.3.8. Aplique o processo de ortogonalizacao
3 a partir da base {(1, 1, 1), (0, 1, 1), (1, 2, 3)}.
Julho 2009
Reginaldo J. Santos
Espacos
356
5.3.9. Ache as equacoes

dos planos em 3 ortogonais ao vetor (2, 2, 2), que distam 3 do ponto
subespacos de 3 ? Caso afirmativo, encontre base(s) ortonormal(is)
(1, 1, 1). Estes planos sao
para ele(s).
Exerccios Teoricos
e ortogonal a , para todo escalar .
5.3.10. Mostre que se e ortogonal a , entao
linear
e ortogonal a qualquer combinacao
5.3.11. Mostre que se e ortogonal a 1 , . . . , , entao
de 1 , . . . , .
e ortogonal a .
5.3.12. Sejam , e vetores de . Prove que se = , entao
vetores nao
nulos ortogonais entre si e = 1 1 +. . .+ ,
5.3.13. Mostre que se 1 , . . . , sao
= proj1 + . . . + proj .
entao
5.3.14. Sejam 1 , . . . , vetores linearmente dependentes. Mostre que, aplicando-se o processo de
de Gram-Schmidt aos vetores 1 , . . . , , se obtem
um vetor que e nulo,
ortogonalizacao
Seja o primeiro vetor tal que [1 , . . . , 1 ] =
para algum = 1, . . . , . (Sugestao:
[1 , . . . , 1 ] e use o exerccio anterior.)
5.3.15. Seja = {1 , . . . , } uma base ortogonal de um subespaco de . Mostre que um todo
vetor de pode ser escrito como
2

1
1 +
2 + . . . +
.
2
2
1
2
2
escreva = 1 1 + . . . + , faca o produto escalar de com e conclua

(Sugestao:

que =
2 , para = 1, . . . , .)


Linear
Julho 2009
5.3
Produto Escalar em
357
5.3.16. Mostre que o conjunto de todos os vetores do ortogonais a um dado vetor = (1 , . . . , ),
= { = (1 , . . . , ) = 0} e um subespaco de .
vetores quaisquer de , entao:
5.3.17. Demonstre que, se e sao

(a) = 41 [ + 2 2 ] (identidade polar);
(b) + 2 + 2 = 2( 2 + 2 ) (lei do paralelogramo).
(Sugestao:
desenvolva os segundos membros das igualdades acima observando que

+ = ( + ) ( + ) e 2 = ( ) ( ))
2
5.3.18. Seja {1 , . . . , } uma base ortonormal de . Se = [ 1 . . . ] e uma matriz

os vetores 1 , . . . , , entao
e invertvel e 1 = . (Sugestao:
mostre
cujas colunas sao
que = .)
nulos = (1 , . . . , ) e = (1 , . . . , ) de ,
5.3.19. Mostre que o angulo
que e definido como sendo o numero
real entre 0 e tal que
cos =
esta bem definido, ou seja, que existe um tal numero

real e e unico.
(Sugestao:
mostre,
usando a desigualdade de Cauchy-Schwarz, que
1
Julho 2009

1.)

Reginaldo J. Santos
Espacos
358
5.3.20. Seja um subespaco de . Mostre que o conjunto de todos os vetores ortogonais a todos os
vetores de e um subespaco de . Este subespaco e chamado de complemento ortogonal
de e denotado por , ou seja,
= { = 0, para todo }.
de um sistema linear homogeneo.
5.3.21. Mostre que todo subespaco de e o espaco solucao
(Sugestao: seja {1 , . . . , } uma base de tome = [ 1 . . . ] .)

exista o produto vetorial de dois vetores em , para > 3, podemos definir o
5.3.22. Embora nao
produto vetorial de 1 vetores, 1 = (11 , . . . , 1 ), . . . , 1 = ((1)1 , . . . , (1) )
como
(
)
1 2 1 = (1)+1 det( )=1 , (1)+2 det( )=2 , . . . , (1)2 det( )= .
Mostre que:
(a) 1 2 1 e ortogonal a 1 , . . . , 1 .
(b) (1 2 1 ) = 1 1

Linear
Julho 2009
5.4
5.4
Mudanca de Coordenadas
359
(, , ), entao
as componentes do vetor
Se as coordenadas de um ponto no espaco sao
sao
(, , ) e entao
podemos escrever
tambem
= (, , ) = (, 0, 0) + (0, , 0) + (0, 0, )
= (1, 0, 0) + (0, , 0) + (0, 0, 1) = + + ,
em que = (1, 0, 0), = (0, 1, 0) e = (0, 0, 1). Ou seja, as coordenadas de um ponto sao
linear dos vetores

iguais aos escalares que aparecem ao escrevermos como uma combinacao
canonicos.
Assim, o ponto = (0, 0, 0) e os vetores , e determinam um sistema de coor
denadas ortogonal, {,, , }. Para resolver alguns problemas geometricos

e necessario
usarmos
um segundo sistema de coordenadas ortogonal determinado por uma origem
e por 3 vetores 1 , 2 e 3 ortonormais de 3 . Por exemplo, se = (2, 3/2, 3/2), 1 = ( 3/2, 1/2, 0),
{ , 1 , 2 , 3 } determina um novo sistema de

2 = (1/2, 3/2, 0) e 3 = (0, 0, 1) = , entao
retas que passam por

coordenadas: aquele com origem no ponto , cujos eixos , e sao
de 1 , 2 e 3 , respectivamente (Figura 5.32).
orientadas com os sentidos e direcoes
As coordenadas de um ponto no sistema de coordenadas { , 1 , 2 , 3 } e definido como
linear dos vetores 1 , 2

sendo os escalares que aparecem ao escrevermos como combinacao
e 3 , ou seja, se
= 1 + 2 + 3 ,
vetores
necessariamente ortogonal) e definido por um ponto e tres
Em geral, um sistema de coordenadas (nao
3
necessariamente ortonormais) (veja o Exerccio 5.4.9 na pagina

379).
1 , 2 e 3 L.I. de (nao
Julho 2009
Reginaldo J. Santos
Espacos
360
z
z
= (, , )
x
y
Figura 5.31: = + +

Linear
Figura 5.32: Dois sistemas de coordenadas

ortogonais {,, , } e { , 1 , 2 , 3 }
Julho 2009
5.4
361
as coordenadas de no sistema { , 1 , 2 , 3 } sao

dadas por
entao
[ ]{ ,1 ,2 ,3 }
= .
1 +
Vamos considerar inicialmente o caso em que = . Assim, se = (, , ), entao
2 + 3 = e equivalente ao sistema linear

= ,
em que = [ 1 2 3 ], =
, = .
e dada por
Como a matriz e invertvel (por que?) a solucao
= 1 .
Mas, como 1 , 2 e 3 formam uma base ortonormal de 3 , entao
1 1 1 2 1 3
1 1 1 2 1 3
1
= 2 [ 1 2 3 ] = 2 1 2 2 2 3 = 2 1 2 2 2 3 = 3
3 1 3 2 3 3
3 1 3 2 3 3
3
Assim, a matriz = [ 1 2 3 ] e invertvel e 1 = . Desta forma as coordenadas de um ponto

ao sistema {, 1 , 2 , 3 }, , e estao
unicamente determinados e
no espaco em relacao
[ ]{,1 ,2 ,3 } = [ ]{,,,} ou
Julho 2009
= .
Reginaldo J. Santos
Espacos
362
no plano temos o mesmo tipo de situacao

que e tratada de forma inteiramente analoga.
Tambem
a um sistema de coordenadas { , 1 , 2 },
As coordenadas de um ponto no plano em relacao
vetores que formam uma base ortonormal do 2 , e definido como sendo os
em que 1 e 2 sao
linear de 1 e 2 , ou seja, se
escalares que aparecem ao escrevermos como combinacao
= 1 + 2 ,
as coordenadas de no sistema { , 1 , 2 } sao
dadas por
entao
[ ]{ ,1 ,2 } =
ao sistema {, 1 , 2 , 3 } estao
bem
As coordenadas de um ponto no plano em relacao
unicamente determinados e sao

dados por
definidas, ou seja, e estao
[ ]{,1 ,2 } = [ ]{,1 ,2 } ou
em que 1 = (1, 0) e 2 = (0, 1). Observe que, tanto no caso do plano quanto no caso do espaco, a
matriz satisfaz, 1 = . Uma matriz que satisfaz esta propriedade e chamada matriz ortogonal.
Exemplo 5.31. Considere

o sistema de coordenadas no plano em que = e 1 = ( 3/2, 1/2)
ao novo
e 2 = (1/2, 3/2). Se = (2, 4), vamos determinar as coordenadas de em relacao
sistema de coordenadas.
= [ 1 2 ] =

Linear
3/2
1/2
1/2
3/2
.
Julho 2009
5.4
363
ao novo sistema de coordenadas sao

dadas por
Assim as coordenadas de em relacao
[ ]{,1 , 2} =
2
4
][
1
2
2
4
3/2 1/2
1/2
3/2
][
2
4
]
2+ 3
.
2 31
Exemplo 5.32. Considere o mesmo sistema de coordenadas do exemplo anterior, mas agora seja
ao
= (, ) um ponto qualquer do plano. Vamos determinar as coordenadas de em relacao
novo sistema de coordenadas.
dadas por
As coordenadas de em relacao
[ ]{,1 , 2} =
1
2
][
3/2 1/2
3/2
1/2
][
]
( 3
+ )/2
.
( + 3 )/2
`
Exemplo 5.33. Vamos agora considerar um problema inverso aqueles
apresentados nos exemplos
anteriores. Suponha que sejam validas

as seguintes equacoes
=
=
ou equivalentemente
[
Julho 2009
1
5
2
5
1
5
2
5
2
5
15
2
5
1
5
][
]
Reginaldo J. Santos
Espacos
364
Figura 5.33: Coordenadas de um ponto em dois sistemas

Linear
Julho 2009
5.4
entre as coordenadas
e as coordenadas de ,
365
a um sistema de coordenadas {, 1 , 2 }
de um ponto em relacao
ao sistema de coordenadas original

, em relacao
{, 1 = (1, 0), 2 = (0, 1)}.
os vetores 1 e 2 .
Queremos determinar quais sao
] [ ]
1
0
Os vetores 1 e 2 da nova base possuem coordenadas
e
, respectivamente, em
0
1
ao novo sistema de coordenadas, {, 1 , 2 }. Pois, 1 = 1 1 + 0 2 e 2 = 0 1 +
relacao
ao sistema de coordenadas
1 2 . Queremos saber quais as coordenadas destes vetores em relacao
original, {, 1 = (1, 0), 2 = (0, 1)}. Logo,
][ ] [
]
[
1
2
1
1
5
5
= 25
1 =
2
1
0
5
5
5
[
][ ] [
]
1
2
2
0
5
5
5
2 =
=
2
1
1
5
5
5
as colunas da matriz =
Ou seja, 1 e 2 sao
1
5
2
5
2
5
15
5.4.1 Rotacao
Suponha que o novo sistema de coordenadas {, 1 , 2 } seja obtido do sistema original
Julho 2009
Reginaldo J. Santos
Espacos
366
cos
sen
sen
cos
de um angulo
Figura 5.34: Rotacao

Linear
Julho 2009
5.4
367
de um angulo
{, 1 = (1, 0), 2 = (0, 1)} por uma rotacao

. Observando a Figura 5.34, ob-
temos
1 =
(cos , sen )
2 = (sen , cos )
seja = (, ) um ponto qualquer do plano. Vamos determinar as coordenadas de em relacao

ao novo sistema de coordenadas.
A matriz
[
]
cos sen
sen
cos
= [ 1 2 ] =
e chamada matriz de rotacao.

dadas por
As coordenadas de em relacao
cos sen
sen cos
][
podem ser
O sistema de coordenadas que aparece nos dois primeiros exemplos desta secao
ao sistema original.
de um angulo
= /6 em relacao
obtidos por uma rotacao
5.4.2 Translacao
dos
Vamos considerar, agora, o caso em que = , ou seja, em que ocorre uma translacao
eixos coordenados.
Observando a Figura 5.35, obtemos
= .
(5.22)
Assim, se = (, ), entao
= ( , ) = (, ) (, ) = ( , )
Julho 2009
Reginaldo J. Santos
Espacos
368
Figura 5.35: Coordenadas de um ponto em dois sistemas (translacao)

Linear
Julho 2009
5.4
369
ao novo sistema sao

dadas por
Logo, as coordenadas de em relacao
[ ]{ ,1 ,2 } =
(5.23)
= 0, ou seja, = e o eixo y , = 0, ou seja, = .

O eixo x tem equacao
Julho 2009
Reginaldo J. Santos
Espacos
370
Computacao
Grafica
Ortografica
5.4.3 Aplicacao:
- Projecao
e usada para fazer desenhos de objetos tridimensionais no papel ou na tela do
Esta projecao
os pontos no espaco sao
projetados ortogonalmente ao plano do
computador. Com esta projecao
desenho.
de um ponto podemos encontrar as coordenadas de em relacao
Para encontrar a projecao

ao sistema = { , 1 , 2 , 3 } e tomar as duas primeiras coordenadas.
em qualquer plano paralelo ao plano do desenho fornece as mesmas coordenaComo a projecao
a mesma origem.
das podemos supor que = , ou seja, que os dois sistemas tem
entre as coordenadas de um ponto nos dois sistemas
A relacao
= {, 1 , 2 , 3 } e = {,, , }
e dada por
= ,
em que = [ 1 2 3 ]
dos angulos
Vamos encontrar os vetores 1 , 2 e 3 em funcao

e . O vetor 1 e paralelo ao plano
xy e e perpendicular ao vetor (cos , sen , 0), ou seja,
1 = ( sen , cos , 0).

no plano definido por e (cos , sen , 0).
Os vetores 2 e 3 estao
2 = cos (cos , sen , 0) + sen = ( cos cos , cos sen , sen )

3 = cos + sen (cos , sen , 0) = (sen cos , sen sen , cos )
entre as coordenadas de um ponto nos dois sistemas
Assim a relacao
= {, 1 , 2 , 3 } e = {,, , }

Linear
Julho 2009
5.4
371
ortografica

de um cubo
Julho 2009
Reginaldo J. Santos
Espacos
372
ortografica
Figura 5.37: sistemas de coordenadas relacionados a` projecao

Linear
Julho 2009
5.4
373
(cos , sen , 0)
ortografica
Figura 5.38: Bases relacionadas a` projecao
Julho 2009
Reginaldo J. Santos
Espacos
374
(cos , sen , 0)
(cos , sen , 0)
entre os vetores das bases {1 , 2 , 3 } e {, , }

Figura 5.39: Relacao

Linear
Julho 2009
5.4
e dada por
375
sen
cos
0
= cos cos cos sen sen
sen cos
sen sen cos
e dada por
e a projecao
sen
cos
0
cos cos cos sen sen
Por exemplo para = 30 e = 60 temos que
12
43
3
2
41

] [
]
0.50
0.87
0
0

.
3
0.43 0.25 0.87
2
os vetores , e sao
desenhados como na figura abaixo.
Usando esta projecao
Experimente desenhar o cubo que tem a origem = (0, 0, 0) como um dos vertices
e como
e necessario
vertices
adjacentes a` origem (1, 0, 0), (0, 1, 0) e (0, 0, 1). Observe que nao
calcular a
dos outros pontos (por que?)
projecao
Julho 2009
Reginaldo J. Santos
Espacos
376
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
1
1
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
ortografica
Figura 5.40: Vetores , e desenhados usando projecao

Linear
Julho 2009
5.4
377
Exerccios Numericos
597)
ao sistema de coordenadas , nos seguintes
5.4.1. Encontre as coordenadas do ponto com relacao
casos:
(a) = {, (1/ 2, 1/ 2), (1/ 2, 1/ 2)} e = (1, 3);
(b) = {, (1/ 2, 1/ 2, 0), (0, 0, 1), (1/ 2, 1/ 2, 0)} e = (2, 1, 2);

ao sistema de coordenadas , [ ] ,
5.4.2. Encontre o ponto , se as coordenadas de em relacao
sao:
]
1
1 , em
(a) [ ] =
, em que = {, (1/ 2, 1/ 2), (1/ 2, 1/ 2)}. (b) [ ] =
1
2
que = {, (0, 1/ 2, 1/ 2), (1, 0, 0), (0, 1/ 2, 1/ 2)};

ao sistema de coordenadas
as coordenadas de um ponto em relacao
5.4.3. Sejam [ ] =
ao sistema de coordenadas = {, 1 , 2 , 3 }.
= {, , , } e [ ] = , em relacao
Suponha que temos a seguinte relacao:

1
0
0
= 0
.
1/2
3/2
0
3/2
1/2
os vetores 1 , 2 e 3 ?
Quais sao
Julho 2009
Reginaldo J. Santos
Espacos
378
[ ]
3
do plano em que as coordenadas do ponto = ( 3, 1) sao

5.4.4. Determine qual a rotacao
.
1
5.4.5. Considere o plano : 3 3 + 2 = 0.
(a) Determine uma base ortonormal para o plano em que o primeiro vetor esteja no plano xy.
(b) Complete a base encontrada para se obter uma base ortonormal {1 , 2 , 3 } de 3 .
(c) Determine as coordenadas dos vetores , e no sistema {, 1 , 2 , 3 }.
5.4.6. Considere dois sistemas de coordenadas = {,, , } e = {,, 2 , 3 }, em que o

do angulo
sistema e obtido do sistema por uma rotacao

em torno do eixo x. Determine

entre as coordenadas, ( , , ), em relacao
ao sistema e (, , ), em relacao
ao
a relacao
sistema

Linear
Julho 2009
5.4
379
Exerccios Teoricos
5.4.7. Mostre que
(a) 1 2 = 1 +2 .
(b) 1 = .
5.4.8. Seja uma matriz quadrada 2 2.
(a) Verifique que e a matriz obtida girando as colunas de de .
(b) Verifique que e a matriz obtida girando as linhas de de .
sobre e para que = . De um exemplo.

(c) Quais as condicoes
a um sistema de coordenadas deter5.4.9. Definimos coordenadas de pontos no espaco em relacao
vetores 1 , 2 e 3 L.I. nao

necessariamente ortonormais do
minado por um ponto e tres
3
da mesma forma como fizemos quando os vetores formam uma base ortonormal. As coordenadas de um ponto no sistema de coordenadas { , 1 , 2 , 3 } e definido como sendo
linear dos vetores 1 , 2 e

os escalares que aparecem ao escrevermos como combinacao
3 , ou seja, se
= 1 + 2 + 3 ,
as coordenadas de no sistema { , 1 , 2 , 3 } sao
dadas por
entao
[ ]{ ,1 ,2 ,3 }
Julho 2009
= .
Reginaldo J. Santos
Espacos
380
1 + 2 + 3 = pode ser escrito como

Assim, se = (, , ), entao
[ 1 2 3 ] =
(a) Mostre que a matriz = [ 1 2 3 ] e invertvel.
ao sistema
(b) Mostre que as coordenadas de um ponto no espaco em relacao
bem definidas, ou seja, , e estao

unicamente determinados
{ , 1 , 2 , 3 } estao
dados por
e sao
[ ]{ ,1 ,2 ,3 }
= = 1 = 1 [ ]{ ,,,} .

Linear
Julho 2009
5.4
381
Teste do Captulo
1. Sejam 1 e 2 subconjuntos finitos do tais que 1 seja um subconjunto de 2 (1 = 2 ). Se
2 e linearmente dependente, entao:

(a) 1 pode ser linearmente dependente? Em caso afirmativo de um exemplo.
(b) 1 pode ser linearmente independente? Em caso afirmativo de um exemplo.
nao
2. Encontre os valores de tais que o sistema homogeneo

( 3 ) = 0 tem solucao
trivial e para estes valores de , encontre um subconjunto de vetores ortonormais no conjunto
para a matriz
solucao,
0 0 0
= 0 2 2
0 2 2
3. Considere o vetor 1 = ( 12 ,
3
).
2
(a) Escolha 2 de forma que = {1 , 2 } seja base ortonormal do 2 . Mostre que e base.
linear dos elementos de .

(b) Considere = ( 3, 3). Escreva como combinacao
ao sistema de coordenadas deter(c) Determine [ ]{,} , as coordenadas de em relacao

minado pela origem e pela base .
Julho 2009
Reginaldo J. Santos
Captulo 6
Diagonalizacao
6.1
de Matrizes
Diagonalizacao
6.1.1 Motivacao
descritos em cada estagio
Certos processos sao

por uma matriz quadrada e em estagios
pela
inteiro positivo. Suponha que desejamos saber a

potencia
da matriz , , em que e um numero
382
6.1
de Matrizes
Diagonalizacao
383
matriz que corresponde a estagios,

para um inteiro positivo qualquer. Se a matriz e diagonal,
1 0 . . . 0
0 2 . . . 0
= ..
.
..
.
. ..
0 . . . 0
1 0 . . . 0
0 . . . 0
2
entao
= ..
.
..
.
. ..
0 . . . 0
e diagonal, mas existe uma matriz tal que

Se a matriz nao
= 1 ,
1 0 . . . 0
0 2 . . . 0
em que = .
.
..
..
. ..
0 . . . 0
entao
2 = ( 1 )( 1 ) = ( 1 ) 1 = 2 1 .
Agora, supondo que 1 = 1 1 , temos que
= 1 = ( 1 )1 ( 1 )
= ( 1 1 )( 1 ) = 1 ( 1 ) 1
1 0 . . . 0
0 . . . 0
2
1
1
= = ..
.. .
..
.
. .
0 . . . 0
Julho 2009
Reginaldo J. Santos

Diagonalizacao
384
Assim, podemos facilmente encontrar a -esima

potencia
de .
Exemplo 6.1. Seja
]
[
1 1
4
1
mostraremos no Exemplo 6.6 na pagina

401 que
1 1
2 2
e =
3
0
0 1
tais que
sao
= 1 .
Assim,
]1
][
][
1 1
3
0
1 1
= =
2 2
0 (1)
2 2
]
[
[
]
3 (1) 1 2 1
=
1
2 3 2(1) 4 2
[
]
1 2(3 + (1) )
(1) 3
=
4 4((1) 3 ) 2(3 + (1) )
Vamos descobrir, a seguir, como podemos determinar matrizes e , quando elas existem, tais
que = 1 , ou multiplicando a` esquerda por 1 e a` direita por , = 1 , com
ao processo de encontrar as matrizes e
sendo uma matriz diagonal. Chamamos diagonalizacao
.

Linear
Julho 2009
6.1
de Matrizes
Diagonalizacao
385
6.1.2 Autovalores e Autovetores
6.1. Dizemos que uma matriz , , e diagonalizavel,
Definicao
se existem matrizes e tais
que = 1 , ou equivalentemente, = 1 , em que e uma matriz diagonal.
Exemplo 6.2. Toda matriz diagonal
e diagonalizavel,
pois
1 0 . . . 0
0 2 . . . 0
= ..
.
..
.
. ..
0 . . . 0
= ( )1 .
existe uma matriz tal que

Vamos supor inicialmente que a matriz seja diagonalizavel.
Entao
1 = ,
(6.1)
sobre as matrizes e .
em que e uma matriz diagonal. Vamos procurar tirar conclusoes
anterior, obtemos
Multiplicando a` esquerda por ambos os membros da equacao
= .
Julho 2009
(6.2)
Reginaldo J. Santos

Diagonalizacao
386
Sejam
1 0 . . . 0
0 2 . . . 0
= ..
.
..
.
. ..
0 . . . 0
em que e a coluna de . Por um lado
[
]
e = 1 2 . . . ,
]
] [
[
= 1 2 . . . = 1 2 . . .

27) e por outro lado
1 2
1 0 . . . 0
] 0 2 . . . 0
. . . ..
.
..
.
. ..
0 . . . 0
[
]
= 1 1 2 2 . . .

27) Assim, (6.2) pode ser reescrita como,
Logo,
1 2 . . .
1 1 2 2 . . .
= ,
para = 1, . . . . Ou seja, as colunas de , , e os elementos da diagonal de , , satisfazem a
equacao
= ,

Linear
Julho 2009
6.1
de Matrizes
Diagonalizacao
387
incognitas.
em que e sao
Isto motiva a seguinte definicao.
6.2. Seja uma matriz

Definicao
real e chamado autovalor (real) de , se
. Um numero
1
..
nulo = . de , tal que
existe um vetor nao
= .
(6.3)
nulo que satisfaca (6.3), e chamado de autovetor de .

Um vetor nao

*

*

*

*

*

>1
0<<1
<0
Observe que, usando o fato de que a matriz identidade
1 0 ... 0
0 1 ... 0
= ..
.
..
.
. ..
0 ... 0 1
Julho 2009
Reginaldo J. Santos

Diagonalizacao
388
e tal que = , a equacao
=
ou
( ) = 0 .
(6.4)
vetores nao
nulos, os autovalores sao
os valores de , para os quais o
Como os autovetores sao
nao
trivial. Mas, este sistema homogeneo
nao
sistema ( ) =
0 tem solucao
tem solucao
trivial se, e somente se, det( ) = 0 (Teorema 2.15 na pagina

121). Assim temos um metodo
para encontrar os autovalores e os autovetores de uma matriz .
6.1. Seja uma matriz .

Proposicao
as razes reais do polinomio
(a) Os autovalores (reais) de sao
() = det( )
(6.5)
os vetores nao
nulos da solucao
do
(b) Para cada autovalor , os autovetores associados a sao
sistema
( ) = 0 .
(6.6)

Linear
Julho 2009
6.1
de Matrizes
Diagonalizacao
389
6.3. Seja uma matriz . O polinomio

Definicao
() = det( )
(6.7)
e chamado polinomio
caracterstico de .
Exemplo 6.3. Vamos determinar os autovalores e autovetores da matriz
1 1
4
1
Para esta matriz o polinomio

caracterstico e
() = det( 2 ) = det
1 1
4 1
= (1 )2 4 = 2 2 3 .
as razes de (), entao

os autovalores de sao
1 = 3 e 2 = 1.
Como os autovalores de sao
Agora, vamos determinar os autovetores associados aos autovalores 1 = 3 e 2 = 1. Para
isto vamos resolver os sistemas ( 1 2 ) =
0 e ( 2 2 ) = 0.
( 1 2 ) = 0
e
Julho 2009
2 1
4 2
][
0
0
ou
2 = 0
4 2 = 0
Reginaldo J. Santos

Diagonalizacao
390
geral e
cuja solucao
1 = {(, 2) }.
que e o conjunto de todos os autovetores associados a 1 = 3 acrescentado o vetor nulo. Agora,
( 2 2 ) = 0
e
geral e
cuja solucao
2 1
4
2
][
0
0
2 = {(, 2) },
que e o conjunto de todos os autovetores associados a 2 = 1 acrescentado o vetor nulo.

Para determinarmos os autovalores de uma matriz precisamos determinar as razes reais do
seu polinomio
caracterstico, que tem a forma () = (1) + 1 1 + . . . + 1 + 0 . (por que?)
Um resultado sobre polinomios

que muitas vezes e util,
e o seguinte
inteiros, entao
as razes racionais (se existirem) de
6.2. Se 0 , 1 , . . . , 1 sao
Proposicao
() = (1) + 1 1 + . . . + 1 + 0 .
numeros
sao
inteiros e divisores do coeficiente do termo de grau zero 0 .

Linear
Julho 2009
6.1
de Matrizes
Diagonalizacao
Demonstracao.
Seja
391
raiz de (), com e primos entre si, entao
(1)
+ + 1 + 0 = 0
1
(6.8)
multiplicando-se por obtemos
(1) = 1 1 1 1 0 = (1 1 + + 1 2 + 0 1 ).
primos entre si, entao
= 1. Substituindo-se = 1 na equacao
(6.8) obtemos
Como e sao
(1) + 1 1 + + 1 = 0
colocando-se em evidencia
obtemos
[(1) 1 + 1 2 + + 1 ] = 0 ,
o que prova o que queramos.
as possveis razes racionais sao

1, 2, 3
Por exemplo, se () = 3 + 62 11 + 6, entao
e 6. Substituindo estes valores de em (), vemos que (1) = 0, ou seja, 1 e uma raz de ().
Dividindo () por 1, obtemos
()
= 2 + 5 6,
1
2 e 3, entao
as razes de
ou seja, () = ( 1)(2 + 5 6). Como as razes de 2 + 5 6 sao
1, 2 e 3.
(), sao
Julho 2009
Reginaldo J. Santos

Diagonalizacao
392
Exemplo 6.4. Vamos determinar os autovalores e autovetores da matriz
4 2 2
= 2 4 2
2 2 4
Para esta matriz o polinomio

caracterstico e
4
2
2
4
2
() = det( 3 ) = det 2
2
2
4
]
]
[
]
[
[
2 4
2
2
4
2
+ 2 det
2 det
= (4 ) det
2
2
2 4
2
4
]
]
[
[
2
2
4
2
4 det
= (4 ) det
2 4
2
4
= (4 )[(4 )2 4] 8(2 ) = 3 + 122 36 + 32
fatoramos o polinomio
Como nao
caracterstico (neste caso ate e possvel!), sabemos que se ele
elas sao
numeros
divisores de 32, ou seja, podem ser
tem razes racionais, entao
inteiros e sao
1, 2, 4, 8, 16, 32. Substituindo-se = 1 obtemos
(1) = 1 + 12 36 + 32 > 0,
(1) = 1 + 12 + 36 + 32 > 0.
Substituindo-se = 2 obtemos (2) = 0. Dividindo-se () por 2 obtemos
()
= 2 + 10 16
2

Linear
Julho 2009
6.1
de Matrizes
Diagonalizacao
393
1 = 2
ou seja, () = ( 2)(2 + 10 16) = ( 2)2 (8 ). Portanto os autovalores de sao
e 2 = 8. Agora, vamos determinar os autovetores associados aos autovalores 1 e 2 . Para isto
vamos resolver os sistemas ( 1 3 ) =
0 e ( 2 3 ) = 0. Como
( 1 3 ) = 0 e

0
2 2 2
2 2 2 = 0
0
2 2 2
A forma escalonada reduzida da matriz aumentada do sistema e
1 1 1 0
0 0 0 0
0 0 0 0
geral do sistema ( 1 3 ) =
Assim, a solucao
0 e
1 = {( , , ) , } ,
que e o conjunto de todos os autovetores associados a 1 = 2 acrescentado o vetor nulo.
ao autovalor 2 = 8, o sistema ( 2 3 ) =
Com relacao
0 e

4
2
2
0
2 4
2 = 0
2
2 4
1 0 1 0
0 1 1 0
0 0
0 0
Julho 2009
Reginaldo J. Santos

Diagonalizacao
394
Assim, a solucao
0 e
2 = {(, , ) }.
Para cada autovalor , o conjunto dos autovetores associados a ele acrescentado o vetor nulo
e o conjunto solucao
( ) = 0 e e chamado de autoespaco
associado ao autovalor .
6.1.3 Diagonalizacao
Vamos enunciar e demonstrar o resultado principal deste captulo. Ja vimos que se uma matriz
sao
autovetores associados
as colunas da matriz , que faz a diagonalizacao,

e diagonalizavel,
entao
elementos da matriz diagonal . Como a matriz e invertvel,
a autovalores, que por sua vez sao
L.I. Vamos mostrar, a seguir, que se a matriz tem autovetores L.I., entao
estes autovetores sao
ela e diagonalizavel.
Teorema 6.3. Seja uma matriz que tem autovetores L.I. 1 , . . . , associados a 1 , . . . , ,
as matrizes
respectivamente. Entao
tais que
sao
1 2 . . .
1 0 . . . 0
0 2 . . . 0
e = .
.
..
..
. ..
0 . . . 0
= 1 ,

Linear
Julho 2009
6.1
de Matrizes
Diagonalizacao
395
2
4
= (1, 2)
= (1, 2)
1
6
6
6
6
Figura 6.1: Autovetores associados a 1 = 3 e a 2 =

1
2 da matriz do Exemplo 6.3
z
y
4
4
-4
Figura 6.2: Autoespacos do Exemplo 6.4

Julho 2009
Reginaldo J. Santos

Diagonalizacao
396
ela possui autovetores

Reciprocamente, se e diagonalizavel,
entao
ou seja e diagonalizavel.
linearmente independentes.
autovetores linearmente independentes associados
Demonstracao.
Suponha que 1 , . . . , sao
a 1 , . . . , , respectivamente. Vamos definir as matrizes
1 2 . . .
Como = , para = 1, . . . , , entao
1 2 . . .
1 1 2 2 . . .
[
]
1 0 . . . 0
0 2 . . . 0
e = .
.
..
..
. ..
0 . . . 0
1 2 . . .
1 2
1 0 . . . 0
]
0 2 . . . 0
. . . ..
.
..
.
. ..
0 . . . 0
= .
anterior por 1 a`
L.I., a matriz e invertvel. Assim, multiplicando a equacao
Como 1 , . . . , sao
direita obtemos
= 1 .
Ou seja, a matriz e diagonalizavel.

Linear
Julho 2009
6.1
de Matrizes
Diagonalizacao
397
ela possui autovetores L.I. Se a matriz

entao
Vamos, agora, provar que se e diagonalizavel,
existe uma matriz tal que

e diagonalizavel,
entao
= 1 ,
(6.9)
em que e uma matriz diagonal. Multiplicando a` direita por ambos os membros da equacao
anterior, obtemos
= .
(6.10)
Sejam
1 0 . . . 0
0 2 . . . 0
= ..
.
..
.
. ..
0 . . . 0
]
[
e = 1 2 . . . ,
de e temos que
em que e a coluna de . Usando as definicoes
[
= 1 2 . . .
[
] 0
= 1 2 . . . ..
.
0
Assim, de (6.10) segue-se que
]
1 2 . . .
0 ... 0
2 . . . 0
]
[
.. = 1 1 2 2 . . .
..
. .
. . . 0
= ,
5.3 na pagina
para = 1, . . . . Como a matriz e invertvel, pela Proposicao

295, os autovetores
L.I.
1 , . . . , sao
Julho 2009
Reginaldo J. Santos

Diagonalizacao
398
os autovalores de formam a
e = 1 , entao
Assim, se uma matriz e diagonalizavel
diagonal de e autovetores linearmente independentes associados aos autovalores formam as
colunas de .
O resultado que vem a seguir, garante que se conseguirmos para cada autovalor, autovetores L.I.,
ao juntarmos todos os autovetores obtidos, eles continuarao
sendo L.I.
entao
(1)
(1)
autovetores L.I. associados a 1 ,

6.4. Seja uma matriz . Se 1 , . . . , 1 sao
Proposicao
(2)
(2)
()
()
autovetores L.I. associados a 2 , . . ., 1 , . . . , sao
autovetores L.I. associa1 , . . . , 2 sao
(1)
(1)
()
()
{1 , . . . , 1 , . . . , 1 , . . . , } e um conjunto L.I.
dos a , com 1 . . . distintos, entao
Demonstracao.
Vamos demonstrar apenas para o caso em que temos dois autovalores diferen(1)
(1)
tes. O caso geral e inteiramente analogo.

Sejam 1 , . . . , 1 autovetores L.I. associados a 1 e
(2)
(2)
da equacao
1 , . . . , 2 autovetores L.I. associados a 2 . Precisamos mostrar que a unica

solucao
(1)
(1)
1 1
(1)
(2)
(2)
(2)
+ . . . + 2 (2)
= 0
2
+ . . . + 1 (1)
+ 1 1
1
(6.11)
()
trivial. Multiplicando a equacao

(6.11) por e usando o fato de que os
e a solucao
tores, obtemos
(1)
(1)
1 1 1
(2)
(2)
(1)
+ . . . + (1)
1 1 1 + 1 2 1

Linear
(2)
+ . . . + (2)
2 2 2 = 0
autovesao
(6.12)
Julho 2009
6.1
de Matrizes
Diagonalizacao
399
(6.11) por 1 , obtemos

Multiplicando a equacao
(1)
(1)
1 1 1
(2)
(2)
(1)
+ . . . + (1)
1 1 1 + 1 1 1
(2)
+ . . . + (2)
2 1 2 = 0 .
(6.13)
(6.13), obtemos
(6.12) da equacao
Subtraindo a equacao
(2)
(2)
1 (2 1 )1
(2)
(2)
(2)
+ . . . + (2)
2 (2 1 )2 = 0 .
(2)
(2)
L.I., temos que 1 = . . . = 2 = 0. Agora, multiplicando a equacao
Como 1 , . . . , 2 sao
(6.13) obtemos
(6.11) por 2 e subtraindo da equacao
(1)
(1)
1 (2 1 )1
(1)
(1)
(1)
+ . . . + (1)
1 (2 1 )1 = 0 .
(1)
(1)
L.I., temos que 1 = . . . = 1 = 0. O que prova que todos os autovetores

Como 1 , . . . , 1 sao
L.I.
juntos sao
4 2 2
= 2 4 2
2 2 4
Ja vimos no Exemplo 6.4 na pagina

392 que seu polinomio
caracterstico e () = ( 2)(2 + 10
1 = 2 e 2 = 8 e os autoespacos correspondentes
16) = ( 2)2 (8 ), os seus autovalores sao
sao
1 = {( , , ) , },
2 = {(, , ) },
Julho 2009
Reginaldo J. Santos

Diagonalizacao
400
respectivamente. Vamos encontrar, para cada autoespaco, o maior numero

possvel de autovetores
L.I., ou seja, vamos encontrar uma base para cada autoespaco. E o teorema anterior garante que se
continuar sendo L.I.
juntarmos todos estes autovetores eles vao
Para 1 , temos que
( , , ) = (1, 0, 1) + (1, 1, 0).

disso, eles sao
L.I. (um
Assim, os vetores 1 = (1, 0, 1) e 2 = (1, 1, 0) geram 1 . Como alem
e multiplo
eles formam uma base para 1 . Assim, nao
podemos ter um
nao
escalar do outro), entao
numero
maior de autovetores L.I. associados a 1 = 2 (Teorema 5.6 na pagina
313).
Para 2 , temos que o conjunto {3 = (1, 1, 1)} e uma base para 2 , pois como
(, , ) = (1, 1, 1),
nulo e L.I. Assim, nao
podemos ter um numero
maior de autovetores L.I.
3 gera 2 e um vetor nao
associados a 2 = 8 (Teorema 5.6 na pagina

313).
autovetores L.I. associados a 1 e 3 e um autovetor L.I. associado a 2 , entao
Como 1 e 2 sao
6.4 na pagina
L.I. Assim, a matriz e

pela Proposicao
398 os autovetores juntos 1 , 2 e 3 sao
diagonalizavel
e as matrizes

2 0 0
1 0 0
= 0 1 0 = 0 2 0
0 0 8
0 0 2
1 1
0
1
e = [ 1 2 3 ] =
1
0
1
1
1
tais que
sao
= 1 .

Linear
Julho 2009
6.1
de Matrizes
Diagonalizacao
401
1 1
4
1
Ja vimos no Exemplo 6.3 na pagina

389 que o seu polinomio
caracterstico e () = det( 2 ) =
2
1 = 3 e 2 = 1 e que os autoespacos correspondentes
2 3, que os seus autovalores sao
sao
1 = {(, 2) } e 2 = {(, 2) },
respectivamente.
podemos ter mais
Para 1 = 3, temos que {1 = (1, 2)} e uma base de 1 . Assim, nao
autovetores L.I. associados a 1 . De forma analoga para 2 = 1, {2 = (1, 2)} e um conjunto com
o maior numero
possvel de autovetores L.I. associados a 2 . Assim, a matriz e diagonalizavel
e as
matrizes
]
[
[
]
] [
= [ 1 2 ] =
tais que = 1 .
sao
1 1
2 2
e =
0 1
0 0
1 0
0 2
3
0
0 1
O seu polinomio
caracterstico e () = det( 2 ) = 2 , assim possui um unico
autovalor:
1 = 0. Agora, vamos determinar os autovetores associados ao autovalor 1 = 0. Para isto vamos

resolver o sistema ( 1 2 ) =
0. Como
1 2 = =
Julho 2009
0 1
0 0
,
Reginaldo J. Santos

Diagonalizacao
402
( 1 2 ) =
entao
0 e
ou
0 1
0 0
{
][
0
0
= 0
0 = 0
geral e
cuja solucao
1 = {(, 0) } = {(1, 0) } .
que e o autoespaco correspondente a 1 = 0. Assim, para 1 = 0, temos que {1 = (1, 0)} e
podemos ter um numero

313 nao
maior de
um subconjunto L.I. de 1 . Pelo Teorema 5.6 na pagina
podemos ter mais autovetores

autovetores L.I. associados a 1 e como so temos um autovalor nao
existem
e diagonalizavel,
L.I. Portanto, pelo Teorema 6.3 na pagina
394, a matriz nao
ou seja, nao
1
matrizes e tais que = .
Exemplo 6.8. Vamos retomar a cadeia de Markov do Exemplo 1.9 na pagina

16. Vamos supor que
e dividida em tres
uma populacao
e pobres) e que em cada
unidade de tempo a probabilidade de mudanca de um estado para outro seja constante no tempo, so
dependa dos estados.
e dada por
(geracao).
A matriz de transicao
1
2
3
1
11 12 13
2
= 21 22 23
3
31 32 33

Linear
Julho 2009
6.1
de Matrizes
Diagonalizacao
403
Vamos considerar a matriz de transicao
2
1
2
2
3
1
0
4
1
2
1
4
1
2
1
2
2
3
Vamos calcular potencias

de , para um inteiro positivo qualquer. Para isto vamos diagonalizar
a matriz . Para isso precisamos determinar seus os autovalores e autovetores. Para esta matriz o
polinomio
caracterstico e
() = det( 3 ) = det
1
2
1
2
1
2
1
4
[2
]
1
1
1
1
det 2 1 2
= ( ) det
1
1
0 2
2
4
4
2
]
[
1 1
1
1
1
( )
= ( ) ( )2
2
2
8
8 2
3
1
3
1
1
= 3 + 2 = (2 + ) = ( 1)( )
2
2
2
2
2
[
1
2
1
2
1
2
1
4
1 = 0, 2 = 1/2 e 3 = 1. Agora, vamos determinar

Portanto os autovalores de sao
os autovetores associados aos autovalores 1 , 2 e 3 . Para isto vamos resolver os sistemas
Julho 2009
Reginaldo J. Santos

Diagonalizacao
404
( 1 3 ) = 0, ( 2 3 ) = 0 e ( 3 3 ) = 0. Como
1 1

0
0
2
4
1 1 1
( 1 3 ) = = 0 e 2 2 2 = 0
0
0 41 12
0 1 0
1
2 0
0
0 0
1
0
0
Assim, a solucao
0 e
1 = {(, 2, ) } ,
que e o conjunto de todos os autovetores associados a 1 = 0 acrescentado o vetor nulo. O conjunto
{1 = (1, 2, 1)} e uma base para 1 , pois como (, 2, ) = (1, 2, 1), 1 gera 1 e um
nulo e L.I.
vetor nao
ao autovalor 2 = 1/2, o sistema ( 2 3 ) =
0 e
Com relacao
1
4
1
1
0
=
2
2
0
0 41 0
0
1 0 1 0
0 1 0 0
0 0 0 0

Linear
Julho 2009
6.1
de Matrizes
Diagonalizacao
405
Assim, a solucao
0 e
2 = {(, 0, ) }.
O conjunto {2 = (1, 0, 1)} e uma base para 2 , pois como (, 0, ) = (1, 0, 1), 3 gera 2 e um
nulo e L.I.
vetor nao
ao autovalor 3 = 1, o sistema ( 3 3 ) =
Com relacao
0 e
12
1
2
1
4
12
1
4
=
2
0
12
0
1 0 1 0
0 1 2 0
0 0
0 0
Assim, a solucao
0 e
3 = {(, 2, ) } ,
que e o conjunto de todos os autovetores associados a 3 = 1 acrescentado o vetor nulo. O conjunto
{1 = (1, 2, 1)} e uma base para 1 , pois como (, 2, ) = (1, 2, 1), 1 gera 1 e um vetor nao
nulo e L.I.
Julho 2009
Reginaldo J. Santos

Diagonalizacao
406
autovetores associados a 1 , 2 e 3 , respectivamente, entao

pela
Como 1 , 2 e 3 sao
6.4 na pagina
L.I. Assim, a matriz e diaProposicao

398 os autovetores juntos 1 , 2 e 3 sao
gonalizavel
e as matrizes

1 0 0
0 0 0
= 0 2 0 = 0 12 0
0 0 1
0 0 3
tais que
sao
1
2
1
1 1
0
e = [ 1 2 3 ] = 2
1
1
= 1 ou = 1 .
Assim,
= 1
1
4
+ ( 12 )+1
1
4
1
2
( 21 )+1
1
1
14
0 0 0
4
2 0 ( 21 ) 0 21
0
1
1
1
0 0 1
4
4
1 +1
(2)
2
1 +1
+ (2)
1 1
0
= 2
1
1
1
4
1
2
1
4
1
4
1
4
1
4
1
2
1
4
entre unidades de tempo (geracoes).
Esta e a matriz que da a transicao

Linear
Julho 2009
6.1
de Matrizes
Diagonalizacao
407
Exerccios Numericos
601)
6.1.1. Ache o polinomio

caracterstico, os autovalores e os autovetores de cada matriz:
1
(a)
1
0
(c) 0
0
2
(e) 0
0
]
1
1
1 2
0 3
0 0
2
3
3 2
1
2
1 1
(b)
4
2
1 0
(d) 1 3
3 2
2
2
2
(f) 1
2 2
6.1.2. Ache bases para os auto-espacos associados a cada autovalor
(a)
(c)
2
0 0
3 1 0
0
4 3
1
2 3
0 1 3
0
0 3
0
0 0
4
2
3
2
diagonalizaveis:
6.1.3. Verifique quais das matrizes sao
]
1
4
(a)
1 2
1
1 2
0
4
(c) 4
1 1
4
Julho 2009
(b)
(d)
2
0
0
2
0
0
0
3
1
0
2
2
0
0
0
0
2
3
3
1
0
0
0
2
3
1
1
4
2
1
1
]
1 0
(b)
2 1
1
2 3
(d) 0 1 2
0
0 2
Reginaldo J. Santos

Diagonalizacao
408
6.1.4. Ache para cada matriz , se possvel, uma matriz nao-singular

tal que 1 seja diagonal:
0
(a)
0
1
0
(c)
2
1
1
1
2
1
1
2
0
3
3
0
2
4
2
2
1
(b)
1
2
3 2 1
0
2 0
(d)
0
0 0
3
2
0
autovetores da matriz
6.1.5. Sabendo-se que 1 = (4, 4, 1), 2 = (5, 4, 1) e 3 = (5, 3, 1) sao
31 65
= 23 61
16 61
20
3
16
3
11
6
(a) Sem obter o polinomio

caracterstico determine os autovalores correspondentes a estes
autovetores.
(b) A matriz e diagonalizavel?

Justifique?
6.1.6. De exemplo de:
tem autovalor (real) (Sugestao:
use o Exerccio 27 na pagina
(a) Uma matriz que nao

412).
e diagonalizavel
(b) Uma matriz que tem um autovalor e nao

(em ).
e diagonalizavel
(c) Uma matriz que tem dois autovalores e nao

(em ).

Linear
Julho 2009
6.1
de Matrizes
Diagonalizacao
409
simbolicas;
>> syms x y z diz ao M ATLAB que as variaveis

x, y e z sao
>> A=[a11,a12,...,a1n;a21,a22,...; ...,amn] cria uma matriz, por , usando os
elementos a11, a12, ..., amn e a armazena numa variavel

A;

da equacao
expr=0.
2
>> solve(x2-4) determina as solucoes da equacao 4 = 0;
Por
exemplo,
expr a variavel
>> subs(expr,x,num) substitui na expressao

x por num.
>> [P,D]=eig(A) determina matrizes P e D (diagonal) tais que AP=PD.

inv(A) calcula a inversa da matriz A.
armazenados no formato
A=sym(A) converte a matriz A numa matriz em que os elementos sao
numeric faz o processo inverso.

simbolico.
A funcao
>> A=randi(n) ou >> A=randi(m,n) cria uma matriz n por n ou m por n, respectivamente,
com elementos inteiros aleatorios.
>> escalona(A) calcula passo a passo a forma reduzida escalonada da matriz A.

6.1.7. Defina as matrizes B=sym(randi(2)) e A=[B-B,zeros(2,1);zeros(1,2),randi]. A ma
triz A e diagonalizavel?
Por que?
6.1.8. Defina as matrizes L=[eye(2),zeros(2,1);randi(1,2),0] e A=sym(L*L). Determine o
polinomio
caracterstico de A, os autovalores e um conjunto de autovetores linearmente independentes com o maior numero
possvel de vetores. Encontre matrizes P e D (diagonal) tais que
Julho 2009
Reginaldo J. Santos

Diagonalizacao
410
inv(P)*A*P=D, se possvel. Verifique o resultado. Use o comando [P,D]=eig(A) e compare

com as matrizes que voce encontrou.
6.1.9. Defina a=randi,b=randi e A=sym([2*a,a-b,a-b;0,a+b,b-a;0,b-a,a+b]). Determine o
polinomio
inv(P)*A*P=D, se possvel. Verifique o resultado. Use o comando [P,D]=eig(A) e compare

6.1.10. Defina a=randi,b=randi e A=sym([a,0,b;2*b,a-b,2*b;b,0,a]). Determine o polinomio

A=P*D*inv(P), se possvel. Verifique o resultado. Use o comando [P,D]=eig(A) e compare

Exerccios Teoricos
6.1.11. Dizemos que uma matriz , , e semelhante a uma matriz , , se existir uma matriz
singular tal que = 1 . Demonstre:
nao
(a) e semelhante a ;
e semelhante a ;
(b) Se e semelhante a , entao
e semelhante a .
(c) Se e semelhante a e e semelhante a , entao
6.1.12. Seja um autovalor (fixo) de . Demonstre que o conjunto formado por todos os autovetores de
associados a , juntamente com o vetor nulo, e um subespaco de . Este subespaco e cha
Linear
Julho 2009
6.1
de Matrizes
Diagonalizacao
411
linear de autovetores
mado de autoespaco associado a . Em outras palavras, combinacao
associados a um mesmo autovalor e um autovetor associado a esse mesmo autovalor.
semelhantes, entao
possuem os mesmos polinomios

caractersticos e portanto os mesmos autovalores.
os autovalores de sao
os ele6.1.14. Demonstre que se e uma matriz triangular superior, entao
mentos da diagonal principal de .
6.1.15. Demonstre que e possuem os mesmos autovalores. O que podemos dizer sobre os
autovetores de e ?
6.1.16. Seja um autovalor de com autovetor associado . Demonstre que e um autovalor de
= . . . associado a , em que e um inteiro positivo.
6.1.17. Uma matriz e chamada nilpotente se =
0, para algum inteiro positivo . Reveja o
o unico
autovalor de
31. Demonstre que se e nilpotente, entao
use o exerccio anterior)

e 0. (Sugestao:
6.1.18. Seja uma matriz .
(a) Mostre que o determinante de e o produto de todas as razes do polinomio

caracterstico
() = det( ) = (1) ( 1 ) . . . ( ).)
de ; (Sugestao:
(b) Mostre que e singular se, e somente se, 0 for um autovalor de .
6.1.19. Seja um autovalor da matriz nao-singular

com autovetor associado . Mostre que 1/ e
um autovalor de 1 com autovetor associado .
Julho 2009
Reginaldo J. Santos

Diagonalizacao
412
6.1.20. Seja =
]

necessarias
. Ache condicoes
e suficientes para que seja diagonalizavel.

um
autovetores associados a um autovalor , entao
proj e tambem
6.1.21. Se e sao
autovetor associado a ? E se e forem autovetores associados a autovalores diferentes?
6.1.22. Sejam e matrizes . Mostre que e possuem os mesmos autovalores. (Su Separe em dois casos: = 0 e = 0. No segundo caso, mostre que se e autovetor
gestao:
e autovetor de .)
de , entao
6.1.23. Seja uma matriz diagonalizavel.

Mostre que o traco de e igual a soma das razes
do seu polinomio
caracterstico, incluindo as multiplicidades. (Sugestao:
use o fato de que
tr() = tr().)
tais que = , para um escalar = 0. Mostre
6.1.24. Suponha que duas matrizes e sao
e autovalor de .
que se e autovalor de uma matriz , entao
6.1.25. Seja uma matriz com autovalores diferentes. Mostre que e diagonalizavel.
6.1.26.
e autovetor de . Com qual autovalor?

(a) Mostre que se e autovetor de , entao
e autovetor de ? (Sugestao:
veja o que acontece
(b) E se e autovetor de , entao
com uma matriz nilpotente)
6.1.27. Dado um polinomio
() = (1) ( + 1 1 + + 0 )

Linear
Julho 2009
6.1
de Matrizes
Diagonalizacao
413
Verifique que a matriz
0
0
1
0
..
.
..
.
0
1
..
..
0
0
0
0 1 2
0
0
..
.
e tal que o seu polinomio

caracterstico e (). Esta matriz e chamada matriz companheira
verifique para = 2 e depois supondo que seja verdade para

do polinomio
(). (Sugestao:
matrizes ( 1) ( 1) mostre que e verdade para matrizes expandindo em cofatores
a primeira coluna)
em relacao
Julho 2009
Reginaldo J. Santos

Diagonalizacao
414
6.2
Diagonalizacao
6.2.1 Motivacao
de uma conica
de 2o. grau
O problema da identificacao
(curva no plano descrita por uma equacao
da sua equacao
e facilmente resolvido se a equacao
nao
possui um termo em que
em e ) atraves
aparece o produto . Mas, ao contrario,

se aparece este termo misto, temos que fazer uma mudanca
apareca. Vejamos o exemplo seguinte.
de coordenadas de forma que nas novas coordenadas ele nao
Exemplo 6.9. Considere o problema de identificar uma conica

representada pela equacao
32 + 2 + 3 2 = 4 .
(6.14)

Usando matrizes, esta equacao
][
[3 + + 3]
ou
[ ]
3 1
1 3
=4
=4
ou ainda,
= 4 ,
em que
3 1
1 3
e =

Linear
(6.15)
.
Julho 2009
6.2
Diagonalizacao
415
Como veremos adiante (Exemplo 6.11 na pagina

423), podemos escrever
=
em que
1
2
12
1
2
1
2
e=
2 0
0 4

Assim, a equacao
( )( ) = ( ) ( ) = 4 .
como = 2 , a
Se fazemos a mudanca de variaveis
(ou de coordenadas) = , entao
(6.15) se transforma em
equacao
= 4
ou
2 0
0 4
][
=4
que pode ser reescrita como,
22 + 4 2 = 4 ,
ou dividindo por 4, como
2 2
+
=1
2
1
da elipse mostrada na Figura 6.3. Veremos na proxima
como tracar esta

que e a equacao
secao
elipse.
Julho 2009
Reginaldo J. Santos

Diagonalizacao
416
y
y
2
1
x
1
Figura 6.3: Elipse do Exemplo 6.9

Linear
Julho 2009
6.2
Diagonalizacao
417
A matriz , tem a propriedade de que a sua inversa e simplesmente a sua transposta, 1 = .

Uma matriz que satisfaz esta propriedade e chamada de matriz ortogonal. O que possibilitou a
de
da conica,
atraves
identificacao
no exemplo anterior, foi o fato de que a matriz e diagonalizavel
1
1
= .
uma matriz ortogonal . Ou seja, existe uma matriz tal que = e
Ja vimos que nem toda matriz e diagonalizavel

(Exemplo 6.7 na pagina
401). Vamos ver que se
ela e diagonalizavel,
existe uma matriz diagonal e uma

uma matriz e simetrica,
entao
isto e,
disso, para matrizes simetricas,
matriz invertvel tal que = 1 . Alem

existe uma matriz
ou seja,
tal que = . Isto porque existe uma matriz ortogonal que faz a diagonalizacao,
com uma tal matriz e

que tem a propriedade 1 = . Em algumas aplicacoes
a diagonalizacao
de conicas.
necessaria,
como por exemplo na identificacao
Vamos em primeiro lugar, caracterizar as matrizes ortogonais.
6.2.2 Matrizes Ortogonais

Uma matriz tal que 1 = e chamada de matriz ortogonal.
6.5. Uma matriz e ortogonal se, e somente se, as suas colunas formam um conjunto
Proposicao
ortonormal de vetores.
as colunas de . A
Demonstracao.
Vamos escrever = [1 . . . ]. Ou seja, 1 , . . . , sao
Julho 2009
Reginaldo J. Santos

Diagonalizacao
418
inversa de e se, e somente se, = . Mas,
= ...
1 1 1 2
1 2
2
2
[1 . . . ] = ..
.
1 2
. . . 1
. . . 2
..
..
.
.
. . .
Logo, = se, e somente se, = = 0 para = e = = 1 para

ortonormais.
= 1, . . . . Ou seja, = se, e somente se, 1 , . . . , sao
de uma matriz ortogonal, ou seja, que

atraves
Vamos supor que uma matriz e diagonalizavel
existe uma matriz tal que = e uma matriz diagonal. Como a matriz e uma matriz cujas
autovetores de , deduzimos da proposicao
anterior que uma matriz e diagonalizavel

colunas sao
de uma matriz ortogonal se, e somente se, ela possui um conjunto ortonormal de autovetores.
atraves
Como veremos, as matrizes simetricas

possuem esta caracterstica.
6.6. Para uma matriz simetrica,

Proposicao
os autovetores associados a autovalores diferentes
ortogonais.
sao
Demonstracao.
Sejam 1 e 2 autovetores de associados aos autovalores 1 e 2 , respectiva 1 = 1 1 e 2 = 2 2 .
mente, com 1 = 2 . Entao,

Linear
Julho 2009
6.2
Diagonalizacao
419
Agora, se escrevemos os vetores como matrizes colunas, o produto escalar e simplesmente o

produto matricial da transposta da primeira matriz pela segunda. Assim,
1 2 = (1 ) 2 = 1 2 = 1 2 .
(6.16)
autovetores de , temos de (6.16) que
= e como 1 e 2 sao
Como e simetrica
1 1 2 = 2 1 2
ou
(1 2 )1 2 = 0 .
ortogonais.
Como 1 = 2 , conclumos que 1 2 = 0, ou seja, 1 , 2 sao
ortogonais, para diagonalizarmos

Como autovetores associados a autovalores diferentes ja sao
de uma matriz ortogonal, precisamos encontrar, para cada auuma matriz simetrica
atraves
5.18
tovalor, autovetores ortonormais associados a eles. Para isso, podemos aplicar a Proposicao
5.19 na pagina
ou a Proposicao
347 a cada conjunto de autovetores L.I. associados a cada um dos
autovalores.
4 2 2
= 2 4 2
2 2 4
Esta e a matriz do Exemplo 6.5 na pagina

399. Para esta matriz o polinomio
caracterstico e
() = det( 3 ) = ( 2)2 (8 )
Julho 2009
Reginaldo J. Santos

Diagonalizacao
420
Figura 6.4: Autoespacos do Exemplo 6.10

Linear
Julho 2009
6.2
Diagonalizacao
421
1 = 2 e 2 = 8.
Portanto os autovalores de (razes reais do polinomio
caracterstico) sao
as solucoes
de (1 3 ) =
0
Os autovetores associados aos autovalores 1 = 2 e 2 = 8 sao
e ( 2 3 ) = 0 respectivamente.
A forma escalonada reduzida de
2 2 2
23 = 2 2 2
2 2 2
1 1 1
0 0 0 .
0 0 0
Portanto o autoespaco associado a 1 = 2 e
1 = {( , , ) , } ,
Agora, ( , , ) = (1, 0, 1) + (1, 1, 0). Assim, os vetores 1 = (1, 0, 1) e 2 =
disso, eles sao
L.I. (um nao
e multiplo
eles
escalar do outro), entao
(1, 1, 0) geram 1 . Como alem
formam uma base para 1 .

Vamos encontrar dois autovetores ortonormais associados a 1 = 2. Para isso vamos usar a
5.18 na pagina
Proposicao
347.
1 = 1 = (1, 0, 1);
2 = 2 proj1 2 = (1/2, 1, 1/2)
1
1 =
1 = (1/ 2, 0, 1/ 2)
1
(
)
1
2 =
2 = (1/ 6, 2/ 6, 1/ 6)
2
Julho 2009
Reginaldo J. Santos

Diagonalizacao
422
ao autovalor 2 = 8, temos que a forma escalonada reduzida da matriz

Com relacao
4
2
2
2
83 = 2 4
2
2 4
Assim, o autoespaco associado a 2 = 8 e
1
0
0
0 1
1 1 .
0
0
2 = {(, , ) }.
O conjunto {3 = (1, 1, 1)} e uma base para 2 , pois como (, , ) = (1, 1, 1), 3 gera 2 e
nulo e L.I. Assim, o vetor
um vetor nao
3 =
1
3
3 = (1/ 3, 1/ 3, 1/ 3)
forma uma base ortonormal para 2 .
ortogonais.
Como a matriz e simetrica,
autovetores associados a autovalores diferentes sao
ortonormais e assim a matriz
Portanto, 1 , 2 e 3 sao
satisfaz = , em que
12 16
2
0
= [1 2 3 ] =
6
1
1
2
6
1
3
1
3
1
3
2 0 0
= 0 2 0
0 0 8

Linear
Julho 2009
6.2
Diagonalizacao
O seu polinomio
caracterstico e
423
3 1
1 3
() = det( 2 ) = 2 6 + 8 = ( 2)( 4).

1 = 2 e 2 = 4. Os autovetores associados aos autovalores
Portanto os autovalores de sao
as solucoes
de ( 1 2 ) =
1 = 2 e 2 = 4 sao
0 e ( 2 2 ) = 0 respectivamente.
geral do sistema ( 22 ) = 0 e o autoespaco

A solucao
1 = {(, ) }.
1 = (1, 1) gera 1 e como um vetor nao
nulo e L.I., {1 } e
Como (, ) = (1, 1), entao
uma base de 1 . Assim,
)
(
) (
1 =
1
1
1
1
,
2
2
e uma base ortonormal de 1 .

precisamos resolver outro sisPara determinar os autovetores associados a autovalor 2 = 4 nao
6.6 na pagina
tema linear. Como a matriz e simetrica,

418, autovetores associados
pela Proposicao
ortogonais. Logo o autoespaco associado a 2 = 4 e dado por
a autovalores distintos sao
2 = {(1, 1) }.
nulo e L.I., {2 } e uma base de 2 .
O vetor 2 = (1, 1) gera 2 e como um vetor nao
2 =
Julho 2009
1
2
1 1
,
2 2
Reginaldo J. Santos

Diagonalizacao
424
e uma base ortonormal de 2 .
ortogonais.
Portanto
[
]
]
[
1
2
12
1
2
1
2
e=
2 0
0 4
tais que = .
sao
com uma matriz ortogonal, ou seja, se = ,

Observe que se uma matriz e diagonalizavel
com diagonal e ortogonal, entao
= ( ) = ( ) = = ,
ou seja, a matriz tem que ser simetrica.
V na pagina
428, garante que toda matriz
O proximo
resultado, que esta demonstrado no Apendice
de uma matriz ortogonal, ou seja, o procedimento seguido nos dois

simetrica
e diagonalizavel
atraves
exemplos anteriores sempre funciona para matrizes simetricas

e somente para elas.
ela e diagonalizavel
entao
com uma matriz ortogonal, ou
Teorema 6.7. Se e uma matriz simetrica,
seja, existe uma matriz ortogonal e uma matriz diagonal tal que
= .

Linear
Julho 2009
6.2
Diagonalizacao
425
Exerccios Numericos
621)
6.2.1. Diagonalize cada matriz dada por meio de uma matriz ortogonal, ou seja, ache uma matriz
ortogonal tal que seja diagonal:
(a)
(c)
(e)
(g)
2
2
0
0
1
1
1
0
1
2
0
0
2
2
0
0
0
1
1
0
2
1
0
0
(b)
1
0
0
0
0
1
0
0
1
2
(d)
(f)
0
0
2
1
(h)
6.2.2. Seja uma matriz simetrica.

Sabendo-se que
2
1
0
0
0
2
1
1
0
0
0
0
1
2
0
2
2
1
2
1
0
0
0
0
0
2
2
1
1
2
0
0
0
1
0
0
1
0
1 = (0, 2, 2, 1) e 2 = (2, 1, 2, 3)
autovetores de associados a 1 = 2 e
sao
3 = (2, 0, 1, 2) e 4 = (3, 2, 1, 2)
autovetores associados a 2 = 4 determine, se possvel, uma matriz e uma matriz
sao
diagonal tais que = .
Julho 2009
Reginaldo J. Santos

Diagonalizacao
426
Exerccios Teoricos
det() = 1.
6.2.3. Mostre que se e uma matriz ortogonal, entao
matrizes ortogonais, entao
e ortogonal.
6.2.5.
(a) Verifique se a matriz
cos sen
sen
cos
e ortogonal;
(b) Mostre que = (, ) e ortogonal a = (, ) =

0 com = se, e somente se,
= (, ) ou = (, ).
existe um numero
(c) Mostre que se e uma matriz ortogonal 2 2, entao
real tal que
cos sen
sen
cos
ou
cos
sen
sen cos
(veja a Subsecao
A primeira matriz, tem determinante igual a 1, e a matriz de rotacao
de ortogonal e simetrica.
5.4.1 na pagina
365). Observe que a segunda matriz alem
Comece com uma matriz ( )22 e use o fato de que as colunas sao
ortonor(Sugestao:
2
2
sera 11 + 21 = 1. Faca 11 = cos e 21 = sen . Use o item
mais. Uma das equacoes
anterior.)
existem e ,
por uma matriz ortogonal (isto e,
6.2.6. Mostre que se uma matriz e diagonalizavel
1
e uma matriz simetrica.
com
= e diagonal, tais que = ), entao
6.2.7. Dizemos que uma matriz simetrica

, , e (definida) positiva se > 0, para todo
equivalentes as seguintes
, = 0, escrito como matriz coluna. Mostre que sao
afirmacoes:

Linear
Julho 2009
6.2
Diagonalizacao
427
(a) A matriz e definida positiva.
positivos.
e todos os autovalores de sao
(b) e simetrica
(c) Existe uma matriz definida positiva tal que = 2 . A matriz e chamada a raiz
quadrada de .
Mostre que (a)(b)(c)(a). Na parte (b)(c) faca primeiro o caso em que e
(Sugestao:
uma matriz diagonal)
6.2.8. Seja uma matriz invertvel . Mostre que existe uma matriz simetrica
definida positiva
e unica
e uma matriz ortogonal , tal que = . Esta decomposicao
chamada de
1/2
1
polar de . (Sugestao:
decomposicao
Sejam = ( )
e = . Mostre que
= .)
6.2.9. Seja uma matriz . Para = 1, . . . , , seja a submatriz obtida de eliminando-se as
linhas e colunas. e chamada submatriz principal de de ordem . Mostre
ultimas
definida positiva , entao

que se e uma matriz simetrica
singular;
(a) e nao
(b) det() > 0;
todas definidas positivas. (Sugestao:
considere
(c) as submatrizes principais 1 , . . . , sao
nulos.)
vetores tais que os ultimos
elementos sao
Julho 2009
Reginaldo J. Santos

Diagonalizacao
428
Apendice
V: Autovalores Complexos
de uma matriz ortogonal. Para

Vamos provar que toda matriz simetrica
e diagonalizavel
atraves
numeros
isto, precisamos trabalhar com matrizes cujas entradas sao
complexos. Vamos chamar o
numeros
conjunto das matrizes cujas entradas sao
complexos de ().
Para uma matriz = ( ) (), definimos o conjugado da matriz , denotado por
como sendo a matriz = ( ) () dada por =

, em que, se = + , entao
= .
das propriedades que ja foram demonstradas no Teorema 1.1
Para as matrizes de () alem
validas
deixamos a cargo do leitor:

na pagina
9 sao
as seguintes propriedades, cuja demonstracao
(p) Se () e (), entao
= .
(q) Se () e , entao
=
.
6.8. Seja uma matriz com entradas reais. Se 1 (), e um autovetor de

Proposicao
tambem
associado a um autovalor complexo = + com = 0, ou seja, se = , entao

e um autovetor de associado a = .

Linear
Julho 2009
6.2
Diagonalizacao
429
Demonstracao.
.
= = () = =
numeros
Teorema 6.9. Toda matriz simetrica,
cujas entradas sao
reais, possui autovalor real.
numeros
Demonstracao.
Seja uma matriz simetrica,
cujas entradas sao
reais. Vamos mostrar que
reais. Seja uma raiz do polinomio
as razes do seu polinomio

caracterstico sao
caracterstico de .
o sistema linear ( ) = 0 tem solucao

nao
trivial 1 (). O que implica que
Entao
= .
.
6.8 temos que =
numeros
Como e uma matriz cujas entradas sao
reais, pela Proposicao
Por um lado,
= = =
=1
Por outro lado
2 .
= = () =
=1
real.
Logo, = , ou seja, e um numero
Julho 2009
2 .
Reginaldo J. Santos

Diagonalizacao
430
Demonstracao
424. O resultado e obvio se = 1. Vamos supor que
o resultado seja verdadeiro para matrizes ( 1) ( 1) e vamos provar que ele e verdadeiro
para matrizes . Pelo Teorema 6.9 a matriz tem um autovalor 1 . Isto significa que existe
autovetores associados a 1 . Seja 1 um autovetor de norma igual a 1 associado a 1 . Sejam
2 , . . . , vetores tais que {1 , . . . , } e uma base ortonormal de (isto pode ser conseguido
de Gram-Schmidt a uma base de que contenha 1 .)
aplicando-se o processo de ortogonalizacao
combinacoes
lineares de 1 , . . . , ,
Seja 1 = [ 1 . . . ]. Como 1 = 1 1 e 2 , . . . , sao
temos que
1 = [ 1 . . . ] = [ 1 . . . ] = 1 ,
(6.17)

1 . . .

0
em que = .
. Multiplicando-se a` esquerda (6.17) por 1 obtemos =
.
Portanto,
1 1 . Mas, = (1 1 ) = 1 = 1 1 = , ou seja, a matriz e simetrica.

1 0 . . .

0
..
.

0
com uma matriz simetrica

( 1) ( 1). Como estamos supondo o resultado verdadeiro para
existe uma matriz ortogonal 2 , (1)(1), tal que 2 = 2 2
matrizes (1)(1), entao

Linear
Julho 2009
6.2
Diagonalizacao
e diagonal. Seja 2 =

0 ...

2

1
0.
..
(6.17)
equacao
431
. Seja = 1 2 . e ortogonal (verifique!) e pela
= (1 )2 = 1 2 = 1
Mas, 2 = 2 2 e assim,
em que =
Julho 2009
= 1 2

1 0 . . .

0.
..
2

0

1 0 . . .

0
..
.
2

0

1 0 . . .

0
..
.
2

0
= ,
. Multiplicando-se a` esquerda por obtemos o resultado.
Reginaldo J. Santos

Diagonalizacao
432
6.3
Identificacao
de Conicas
Aplicacao:
Uma conica
no plano e definida como o conjunto dos pontos = (, ) que satisfazem a equacao
2 + + 2 + + + = 0,
numeros
simultaneamente nulos. Vamos estudar
em que , , , , e sao
reais, com , e nao
chamadas conicas
degeneradas. As outras que

a elipse, a hiperbole
e a parabola,
que sao
nao
chamadas conicas
incluem um unico
ponto e um par de retas sao
degeneradas. Como veremos
degeneradas podem ser obtidas da intersecao

de um cone circular com um
adiante as conicas
nao
plano.
de uma conica
degenerada esta na forma padrao

se ela tem uma
Dizemos que a equacao
nao
das formas dadas na Figura 6.19 na pagina

453.
veremos como a diagonalizacao
de matrizes simetricas
Nesta secao
pode ser usada na
das conicas
nao
estao
na forma padrao.
Antes, porem, vamos definir as
identificacao
cujas equacoes
na
conicas
como conjunto de pontos que satisfazem certas propriedades e determinar as equacoes
forma padrao.
6.3.1 Elipse
6.4. A elipse e o conjunto dos pontos no plano tais que a soma das distancias
Definicao
de
a elipse e o
a dois pontos fixos 1 e 2 (focos) e constante, ou seja, se dist(1 , 2 ) = 2, entao
conjunto dos pontos tais que
dist(, 1 ) + dist(, 2 ) = 2,
em que > .

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
433
Figura 6.5: Elipse que e o conjunto dos pontos tais que dist(, 1 ) + dist(, 2 ) = 2
Julho 2009
Reginaldo J. Santos
434
Diagonalizacao
Uma elipse pode ser desenhada se fixarmos as extremidades de um barbante de comprimento

2 nos focos e esticarmos o barbante com uma caneta. Movimentando-se a caneta, mantendo o
barbante esticado, a elipse sera tracada (Figura 6.5).

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
6.10.
Proposicao
435
da elipse cujos focos sao

1 = (, 0) e 2 = (, 0) e
(a) A equacao
2 2
+ 2 = 1,
2
(6.18)
da elipse cujos focos sao

1 = (0, ) e 2 = (0, ) e
(b) A equacao
2 2
+ 2 = 1.
2
Em ambos os casos =
(6.19)
2 2 .
ele satisfaz (6.18) e
Demonstracao.
(a) Vamos provar que se = (, ) pertence a elipse, entao
da recproca. A elipse e o conjunto dos
deixamos para o leitor, como exerccio, a demonstracao
pontos = (, ) tais que
dist(, 1 ) + dist(, 2 ) = 2,
ou seja,
1 + 1 = 2,
que neste caso e
ou
Julho 2009
( + )2 + 2 +
( )2 + 2 = 2
( + )2 + 2 = 2 ( )2 + 2 .
Reginaldo J. Santos

Diagonalizacao
436
y
2
2
1
1 = (, 0)
1 = (, 0)
1 = (, 0)
2 = (, 0)
2 = (, 0)
2 = (, 0)
1 = (0, )
1 = (, 0)
1 = (0, )
1
1
2 = (0, )
2 = (, 0)
2 = (0, )
Figura 6.6: Elipse com focos nos pontos 1 =
Figura 6.7: Elipse com focos nos pontos 1 =
(, 0) e 2 = (, 0)
(0, ) e 2 = (0, )

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
437
Elevando ao quadrado e simplificando, temos
( )2 + 2 = 2 .
Elevando novamente ao quadrado e simplificando, temos
(2 2 )2 + 2 2 = 2 (2 2 )
2 2 > 0. Assim, podemos definir =
Como > , entao
2 2
acima por = 2 (2 2 ), obtendo (6.18).
2 2 e dividir e equacao
(b) Trocando-se por no item anterior obtemos o resultado.
chamados vertices
Nas Figuras 6.6 e 6.7, os pontos 1 , 2 , 1 e 2 sao

da elipse. Os segmen chamados eixos da elipse.
tos 1 2 e 1 2 sao
. Como, < , a excentricidade de uma elipse e um
negativo menor que 1. Observe que se 1 = 2 , entao

a elipse reduz-se ao crculo
numero
real nao
de raio . Alem disso, como = 0, entao = 0. Assim, um crculo e uma elipse de excentricidade
=
A excentricidade da elipse e o numero
nula.
seccionando-se um cone com um plano que nao
passa pelo
A elipse e a curva que se obtem
e paralelo a uma reta geratriz (reta que gira em torno do eixo do cone de forma a gera
vertice,
nao
466).
lo) e que corta apenas uma das folhas da superfcie (ver Exerccio 6.3.16 na pagina
Julho 2009
Reginaldo J. Santos

Diagonalizacao
438
Figura 6.8: Elipse obtida seccionando-se um cone com um plano

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
439
6.3.2 Hiperbole
6.5. A hiperbole
Definicao
e o conjunto dos pontos no plano tais que o modulo
da diferenca entre
as distancias
de a dois pontos fixos 1 e 2 (focos) e constante, ou seja, se dist(1 , 2 ) = 2,
a hiperbole
entao
e o conjunto dos pontos tais que
dist(, 1 ) dist(, 2 ) = 2,
em que < .
Podemos desenhar uma parte de um ramo de uma hiperbole

da seguinte forma. Fixamos uma
extremidade de uma regua

em um dos focos, fixamos uma extremidade de um barbante (de compri
mento igual ao comprimento da regua

menos 2) na outra ponta da regua
e a outra extremidade do
barbante no outro foco. Esticamos o barbante com uma caneta de forma que ela fique encostada na
regua.
Girando-se a regua
em torno do foco no qual ela foi fixada, mantendo o barbante esticado com
a caneta encostada na regua,

uma parte de um ramo da hiperbole
sera tracada (Figura 6.9).
6.11.
Proposicao
da hiperbole
1 = (, 0) e 2 = (, 0) e
(a) A equacao
cujos focos sao
2 2
2 =1
2
Julho 2009
(6.20)
Reginaldo J. Santos

Diagonalizacao
440
Figura 6.9: Hiperbole

que e o conjunto dos pontos = (, ) tais que dist(, 1 ) dist(, 2 ) =

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
441
2
2
1
1
x
1
1
1 = (, 0)
2 = (, 0)
1 = (, 0)
2 = (, 0)

com focos nos pontos
1 = (, 0) e 2 = (, 0)
Julho 2009
1 = (0, )
1 = (0, )
2 = (0, )
2 = (0, )

com focos nos pontos
1 = (0, ) e 2 = (0, )
Reginaldo J. Santos

Diagonalizacao
442
e das assntotas (retas para onde a curva se aproxima, quando ) sao
= ,
da hiperbole
1 = (0, ) e 2 = (0, ) e
(b) A equacao
cujos focos sao
2 2
2 =1
2
e das assntotas sao
Em ambos os casos =
(6.21)
= .
2 2 .
ele satisfaz
entao
Demonstracao.
(a) Vamos provar que se = (, ) e uma ponto da hiperbole
da recproca. A hiperbole
(6.20) e deixamos para o leitor, como exerccio, a demonstracao

e o
conjunto dos pontos = (, ) tais que
dist(, 1 ) dist(, 2 ) = 2,
ou seja,
1 2 = 2,
que neste caso e
( + )2 + 2 ( )2 + 2 = 2

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
ou
443
( + )2 + 2 = 2 + ( )2 + 2 .
Elevando ao quadrado e simplificando, temos
( )2 + 2 = 2 .
Elevando novamente ao quadrado e simplificando, temos
(2 2 )2 + 2 2 = 2 (2 2 )
2 2 > 0. Assim, podemos definir =
Como < , entao
acima por 2 2 = 2 (2 2 ), obtendo (6.20).
2 2 e dividir e equacao
(6.20) pode ser reescrita como

A equacao
2
Para muito grande,
2
1
2
)
(
2 2
2
= 2 1 2 .
2
se aproxima de
e proximo
de 0 e a equacao
2
2 =
2 2
= .
Julho 2009
Reginaldo J. Santos

Diagonalizacao
444
chamados vertices
Nas Figuras 6.10 e 6.11, os pontos 1 e 2 sao

da hiperbole.
A excentrici
=
dade da hiperbole
e o numero
. Como, > , a excentricidade de uma hiperbole

e um numero
real maior que 1.
seccionando-se um cone com um plano que nao

passa pelo
A hiperbole
e a curva que se obtem
e paralelo a uma reta geratriz e que corta as duas folhas da superfcie (ver Exerccio
vertice,
nao
6.3.16 na pagina
466).

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
445

obtida seccionando-se um cone com um plano
Julho 2009
Reginaldo J. Santos

Diagonalizacao
446
6.3.3 Parabola
6.6. Uma parabola
Definicao
e o conjunto dos pontos no plano equidistantes de uma reta
pertencente a , ou seja, a parabola
(diretriz) e de um ponto (foco), nao

e o conjunto dos pontos
tais que
dist(, ) = dist(, ).
Podemos desenhar uma parte da parabola

da seguinte forma. Colocamos um esquadro com um
lado cateto encostado na reta diretriz, fixamos uma extremidade de um barbante (de comprimento
igual ao lado cateto do esquadro perpendicular a` reta diretriz) no foco, a outra extremidade na ponta
do esquadro oposta ao lado que esta encostado na reta diretriz. Esticamos o barbante com a caneta
de forma que ela fique encostada no lado do esquadro perpendicular a` reta diretriz. Deslizando-se o
da reta diretriz mantendo o lado encostado nela uma parte da parabola
esquadro na direcao
e tracada
(Figura 6.13).
6.12.
Proposicao
da parabola
(a) A equacao
com foco = (, 0) e reta diretriz : = e
2 = 4,
(6.22)
da parabola
(b) A equacao
com foco = (0, ) e reta diretriz : = e
2 = 4.

Linear
(6.23)
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
447
Figura 6.13: Parabola

que e o conjunto dos pontos = (, ) tais que dist(, ) = dist(, )
Julho 2009
Reginaldo J. Santos

Diagonalizacao
448
: =
x
= (0, )
0 = (0, 0)
= (, 0)
0 = (0, 0)

com foco no ponto =
(, 0) e > 0

Linear
: =

com foco no ponto =
(0, ) e > 0
Julho 2009
Identificacao
de Conicas
Aplicacao:
449
: =
6.3
: =
= (, 0)
0 = (0, 0)

com foco no ponto =
(, 0) e < 0
Julho 2009
= (0, )
0 = (0, 0)

com foco no ponto =
(0, ) e < 0
Reginaldo J. Santos

Diagonalizacao
450
ele satisfaz (6.22) e
Demonstracao.
(a) Vamos provar que se (, ) pertence a parabola,
entao
da recproca. A parabola
deixamos para o leitor, como exerccio, a demonstracao

e o conjunto
dos pontos = (, ) tais que
dist(, ) = dist(, ),
que neste caso e
( )2 + 2 = + ,
Elevando ao quadrado e simplificando, obtemos (6.22).
Nas Figuras 6.14, 6.15, 6.16 e 6.17, o ponto 0 e o ponto da parabola

mais proximo
da reta
seccionando-se um
diretriz e e chamado de vertice

da parabola.
A parabola
e a curva que se obtem
451 (ver
cone por um plano paralelo a uma reta geratriz do cone conforme a Figura 6.18 na pagina

466).
degeneradas e suas equacoes

na forma padrao.
Vamos resumir numa tabela as conicas

nao

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
451

obtida seccionando-se um cone com um plano
Julho 2009
Reginaldo J. Santos

Diagonalizacao
452
2 2
+ 2 = 1, >
2
2 2
+ 2 = 1, >
2
Elipse
(0, )
(, 0)
(, 0)
(, 0)
(, 0)
(, 0)
(, 0)
(0, )
2 2
2 =1
2
2 2
2 =1
2
Hiperbole
(0, )
(,0) (, 0)
x
(0, )

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
: =
2 = 4, > 0
Parabola
453
2 = 4, > 0
: =
2 = 4, < 0
: =
2 = 4, < 0
: =
degeneradas com equacoes

na forma padrao
Figura 6.19: Conicas

nao
Julho 2009
Reginaldo J. Santos

Diagonalizacao
454
de matrizes simetricas
Vamos ver, agora, como a diagonalizacao

pode ser usada na identificacao
nao
estao
na forma padrao.
Vamos estudar alguns exemplos.
das conicas
cujas equacoes
e
Exemplo 6.12. Considere a conica
cuja equacao
52 4 + 8 2 36 = 0.
Esta equacao
36 = 0 ,
em que
O polinomio
caracterstico de e
5 2
2
8
() = det( 2 ) = det
(6.24)
e =
5 2
2 8
= 2 13 + 36 .
1 = 4 e 2 = 9. Os autovetores associados a 1 = 4 sao

as solucoes
Logo, os autovalores de sao

nulas do sistema
nao
( 42 ) = 0
ou
1 2
2
4
][
0
0
e
cuja solucao
1 = {(2, ) } .

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
455
Assim, 1 = (2, 1) e uma base para 1 , pois gera 1 e e L.I. E 1 = 11 = ( 25 , 15 ) e uma base
ortonormal para 1 .
precisamos resolver outro sistema linear para encontrar os autovetores associados a 2 = 9.
Nao
6.6 na pagina

418, autovetores associados a autovalopela Proposicao
ortogonais. Assim o autoespaco associado a 2 = 9 e dado por
res distintos sao
2 = {(1, 2) }.
Logo 2 = (1, 2) e uma base para 2 , pois gera 2 e e L.I. E 2 =
ortonormal para 2 . Portanto,
2
2
= ( 15 , 25 ) e uma base
em que,
=
e
4 0
0 9
= [1 2 ] =
]
2
5
1
5
5
2
5
Pelo Exerccio 6.2.5 na pagina

426 a matriz e uma matriz de rotacao.
(6.24) obtemos
Substituindo-se = na equacao
36 = 0.
Substituindo-se = , ou equivalentemente, = , em que =
(6.24), obtemos
na equacao
36 = 0,
Julho 2009
Reginaldo J. Santos

Diagonalizacao
456
ou
42 + 9 2 36 = 0,
ou ainda
2 2
+
=1
9
4
(6.25)
de uma elipse cujo esboco e mostrado na Figura 6.20. Para fazer o esboco do
que e a equacao
grafico,
em primeiro lugar temos que tracar os eixos x e y . O eixo x e obtido fazendo = 0 na
equacao
]
[
ou
2
5
1
5
5
2
5
e o eixo y e obtido fazendo = 0. Assim eixo

[ x] passa pela origem, e paralelo e possui o mesmo
sentido do vetor 1 , que tem coordenadas
1
0
ao sistema de coordenadas x y . Ou
em relacao
]
1
, que e a primeira coluna de . O eixo y passa pela origem, e paralelo e possui o
seja, 1 =
0
[ ]
0
ao sistema de coordenadas x y . Ou
mesmo sentido de 2 que tem coordenadas
em relacao
1
[ ]
0
(6.25), verificamos
seja, 2 =
, que e a segunda coluna de . Depois, a partir da equacao
1
aos eixos x e y .
na Figura 6.19 na pagina
453 a forma da curva em relacao
[
e dada por
Exemplo 6.13. Considere a conica
cuja equacao
20
80
52 4 + 8 2 + + 4 = 0 .
5
5

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
457
y
y
2
x
1
x
1
4
4
Julho 2009
Reginaldo J. Santos

Diagonalizacao
458
Esta equacao
+ + 4 = 0 ,
em que
5 2
2
8
e =
(6.26)
805
20
A matriz e a mesma do exemplo anterior. Assim, temos que
=
em que,
4 0
0 9
, e = [1 2 ] =
2
5
1
5
5
2
5
(6.26) obtemos
Substituindo-se = na equacao
+ + 4 = 0.
[ ]
Substituindo-se = ou = , em que =
.
+ + 4 = 0,
ou
42 + 9 2 8 36 + 4 = 0 .
ou ainda,
4(2 2 ) + 9( 2 4 ) + 4 = 0

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
459
Completando-se os quadrados, obtemos
4[(2 2 + 1) 1] + 9[( 2 4 + 4) 4] + 4 = 0
ou
4( 1)2 + 9( 2)2 36 = 0.
Fazendo-se mais uma mudanca de variaveis
= 1 e
= 2
(6.27)
(6.28)
obtemos
42 + 9 2 36 = 0
ou
2 2
+
=1
9
4
(6.29)
de uma elipse cujo esboco e mostrado na Figura 6.21. Antes de fazer o esboco do
que e a equacao
translacoes
dos eixos x e y . O eixo x
grafico
temos que tracar os eixos x e y , que
[ por
] sua vez sao
e o sentido do vetor 1 =
tem a direcao
1
0
e
(a primeira coluna de ). O eixo y tem a direcao
]
0
= 0. Usando
o sentido do vetor 2 =
(a segunda coluna de ). O eixo x tem equacao
1
(6.27) obtemos = 2. O eixo y tem equacao
= 0. Usando a equacao
(6.28) obtemos
a equacao
(6.29), verificamos na Figura 6.19 na pagina
= 1. Depois, a partir da equacao

453 a forma da
aos eixos x e y .
curva em relacao
Julho 2009
Reginaldo J. Santos

Diagonalizacao
460
6
y"
5
x"
y
2
x
1
x
1
4

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
461
casos particulares do proximo
e feita da
Os exemplos anteriores sao
teorema, cuja demonstracao
mesma forma que fizemos com os exemplos e por isso deixamos para o leitor a tarefa de escreve-la.
Teorema 6.13. Considere a equacao
2 + + 2 + + + = 0,
(6.30)
simultaneamente nulos. Entao

existe um sistema de
com , , , , , , sendo , e nao

(6.30) tem a forma
coordenadas ortogonal x y , em que a equacao
1 2 + 2 2 + + + = 0 ,
os autovalores de
em que 1 , 2 sao
/2
/2
Mais ainda,
= ,
em que =
Julho 2009
, =
e e uma matriz ortogonal ( 1 = ).
Reginaldo J. Santos

Diagonalizacao
462
Exerccios Numericos
632)
no ultimo
Identificar a conica,
achar a equacao
sistema de coordenadas utilizado e fazer um esboco
do grafico.
6.3.1. 92 4 + 6 2 = 30;
6.3.2. 32 8 12 2 + 81 = 0;
6.3.3. 22 4 2 = 24;
6.3.4. 212 + 6 + 13 2 132 = 0;
6.3.5. 42 20 + 25 2 15 6 = 0;
6.3.6. 92 + 2 + 6 10 10 + 10 10 + 90 = 0;
6.3.7. 52 + 5 2 6 30 2 + 18 2 + 82 = 0;
6.3.8. 52 + 12 12 13 = 36;
6.3.9. 62 + 9 2 4 4 5 18 5 = 5;
6.3.10. 2 2 + 2 3 + 6 = 0;
6.3.11. 82 + 8 2 16 + 33 2 31 2 + 70 = 0;

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
463
6.3.12. 2 6 7 2 + 10 + 2 + 9 = 0;

>> [P,D]=diagonal(A) diagonaliza a matriz A, de forma que AP=PD, em que D e uma matriz
diagonal e P e uma matriz ortogonal.
expr as variaveis
>> subst(expr,[x;y],[a;b]) substitui na expressao

x,y por a,b, respectivamente.
>> elipse(a,b) desenha a elipse
2
2
2
2
= 1.
>> elipse(a,b,[U1 U2]) desenha a elipse

a` base ortonormal U1 e U2.
em relacao
2
2
as coordenadas
+ 2 = 1, em que e sao
2
2
2
2
as coor= 1, em que e sao

ao sistema de coordenadas determinado pela base ortonormal U1 e U2 e
denadas em relacao
pelo ponto X0.
>> elipse(a,b,[U1 U2],X0) desenha a elipse
>> hiperbx(a,b) desenha a hiperbole
2
2
2
2
= 1.
>> hiperbx(a,b,[U1 U2]) desenha a hiperbole

denadas em relacao
2
2
2
2
2
2

2
2
as
= 1, em que e sao
ao sistema de coordenadas determinado pela base ortonormal U1 e
coordenadas em relacao
U2 e pelo ponto X0.
>> hiperbx(a,b,[U1 U2],X0) desenha a hiperbole
>> hiperby(a,b) desenha a hiperbole

Julho 2009
2
2
2
2
= 1.
Reginaldo J. Santos

Diagonalizacao
464
>> hiperby(a,b,[U1 U2]) desenha a hiperbole

denadas em relacao
2
2
2
2
2
2

2
2
as
= 1, em que e sao
ao sistema de coordenadas determinado pela base ortonormal U1 e
coordenadas em relacao
U2 e pelo ponto X0.
>> hiperby(a,b,[U1 U2],X0) desenha a hiperbole
>> parabx(p) desenha a parabola

2 = 4.
as coordenadas
>> parabx(p,[U1 U2]) desenha a parabola
2 = 4 , em que e sao
em relacao
as coorde>> parabx(p,[U1 U2],X0) desenha a parabola

ao sistema de coordenadas determinado pela base ortonormal U1 e U2 e por
nadas em relacao
X0.
>> paraby(p) desenha a parabola

2 = 4 .
as coordenadas
>> paraby(p,[U1 U2]) desenha a parabola
em relacao
as coorde>> paraby(p,[U1 U2],X0) desenha a parabola

ao sistema de coordenadas determinado pela base ortonormal U1 e U2 e por
nadas em relacao
X0.
Exerccios Teoricos

Linear
Julho 2009
6.3
6.3.14.
Identificacao
de Conicas
Aplicacao:
465
(a) Verifique que com o procedimento abaixo realmente desenhamos uma parte de um ramo
de uma hiperbole.
Fixamos uma extremidade de uma regua
em um dos focos, fixamos
uma extremidade de um barbante (de comprimento igual ao comprimento da regua

menos
2) na outra ponta da regua

e a outra extremidade do barbante no outro foco. Esticamos
o barbante com uma caneta de forma que ela fique encostada na regua.
Girando-se a
regua
em torno do foco no qual ela foi fixada, mantendo o barbante esticado com a caneta
encostada na regua,
uma parte de um ramo da hiperbole
sera tracada (Figura 6.9 na
pagina 440).
(b) Verifique que com o procedimento abaixo realmente desenhamos uma parte de um ramo
de uma parabola.
Colocamos um esquadro com um lado cateto encostado na reta diretriz, fixamos uma extremidade de um barbante (de comprimento igual ao lado cateto
do esquadro perpendicular a` reta diretriz) no foco, a outra extremidade na ponta do esquadro oposta ao lado que esta encostado na reta diretriz. Esticamos o barbante com a
caneta de forma que ela fique encostada no lado do esquadro perpendicular a` reta dire da reta diretriz mantendo o lado encostado nela
triz. Deslizando-se o esquadro na direcao
uma parte da parabola

e tracada (Figura 6.13 na pagina
447).
do foco os raios que incidem paralelos ao

6.3.15. Mostre que um espelho parabolico
reflete na direcao
seu eixo de simetria seguindo os seguintes passos:
da reta tangente a`
(a) Considere a parabola
2 = 4. Usando o fato de que a inclinacao
02
2
parabola no ponto = ( 4 , 0 ) e tan() = = . Mostre que se o raio incidente tem
0
= 0 , entao
a equacao
do raio refletido que passa por = ( 40 , 0 ) e
equacao
0 =
Julho 2009
02
40
(
).
02 42
4
Reginaldo J. Santos

Diagonalizacao
466
Use o fato de que tan(2) =
2 tan
.
1tan2
(b) Mostre que o raio refletido intercepta o eixo x em = .

de um cone circular com plano que nao
passa pelo seu vertice
6.3.16. Mostre que a intersecao

e uma
conica
seguindo os seguintes passos:
(a) Considere dois sistemas de coordenadas = {,, , } e = {,, 2 , 3 }, em que o
de angulo
em torno do eixo x. Mostre

sistema e obtido do sistema por uma rotacao

entre as coordenadas, ( , , ), em relacao

ao sistema
que e valida
a seguinte relacao
ao sistema
e (, , ), em relacao
1
0
0
= 0
cos sen = (cos ) + (sen ) .
(sen ) + (cos )
0 sen cos
(b) Mostre que o cone circular de equacao
+ =
no sistema , tem equacao
2 + (cos 2) 2 + (2 sen 2) (cos 2) 2 = 0

no sistema .
do cone com o plano = 1 e a conica
(c) Mostre que a intersecao

no plano de equacao
2 + (cos 2) 2 + (2 sen 2) = cos 2

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
do
refletindo na direcao
foco os raios paralelos ao seu eixo de simetria.
Julho 2009
467
do
seu eixo de simetria os raios originarios

do foco.
Reginaldo J. Santos

Diagonalizacao
468
do foco os raios paralelos ao seu eixo de simetria.


Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
469
a conica
(d) Mostre que se = 4 , entao

e a parabola
no plano de equacao
2 2 = 0.
a conica
(e) Mostre que se = 4 , entao

no plano tem equacao
2
( + tan 2)2
+
= 1,
sec 2
sec2 2
que e uma elipse se <
e uma hiperbole
se
< 2 .
6.3.17. Demonstre o Teorema 6.13 na pagina

461.
6.3.18. Seja o conjunto dos pontos do plano que satisfazem a equacao
2 + + 2 + + + = 0,
simultaneamente nulos. Consideremos a matriz
com [
, , , , , ] , sendo , e nao
/2
. Sejam e os autovalores de .
/2
(a) Mostre que = 2 /4.
e uma elipse, um ponto ou o conjunto vazio.

(b) Mostre que se 2 4 < 0, entao
e uma hiperbole,
ou um par de retas concorrentes.
(c) Mostre que se 2 4 > 0, entao
e uma parabola,
(d) Mostre que se 2 4 = 0, entao

um par de retas paralelas, uma reta
ou o conjunto vazio.
Julho 2009
Reginaldo J. Santos

Diagonalizacao
470
2
3
2
y
1
x=
do cone circular
Figura 6.25: Elipse intersecao
com um plano

Linear
x=
do cone circuFigura 6.26: Parabola

intersecao
lar com um plano
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
471
y=
x=
do cone circular com um plano

intersecao
Julho 2009
Reginaldo J. Santos

Diagonalizacao
472
Teste do Captulo
1.
(a) Encontre matrizes e tais que
= ,
em que
8 8
8
8
no ultimo
(b) Identificar a conica,
achar a equacao
sistema de coordenadas utilizado e fazer
um esboco do grafico.
82 + 8 2 16 + 33 2 31 2 + 70 = 0
diagonalizaveis:
2. Verifique quais das matrizes seguintes sao

(a)
3.
(a) Seja =
(b)
1
0
0 1
. Calcule 10 .
(b) Sabendo-se que = 1 , calcule 10 .

Linear
Julho 2009
6.3
Identificacao
de Conicas
Aplicacao:
473
4. Diga se e verdadeiro ou falso cada item abaixo, justificando.

nao
e diagonalizavel;
(a) Se e uma matriz 2 2 com somente 1 autovalor, entao
autovetores associados a um autovalor , entao

proj e tambem
(b) Se e sao
um autovetor associado a .
e singular, entao
0 nao
e autovalor de ;
(c) Se nao
(d) As matrizes e 2 possuem os mesmos autovetores;
Julho 2009
Reginaldo J. Santos
1.1. Matrizes (pagina

17)
1.1.1. >> A=[2,0;6,7]; B=[0,4;2,-8]; C=[-6,9,-7;7,-3,-2];
>> D=[-6,4,0;1,1,4;-6,0,6]; E=[6,9,-9;-1,0,-4;-6,0,-1];

>> A*B-B*A
-24
-20
58
24
>> 2*C-D
??? Error using ==> - Matrix dimensions must agree.
>> 2*D-3*E
-30
-19
27
5
2
20
6
0
15
>> D*(D-E)
474
Captulo 1. Matrizes e Sistemas Lineares
80
-10
72
34
-4
30
475
-22
45
-12
No item (c) foram usadas as propriedades (l) e (n) do Teorema 1.1 na pagina
9 e no item (d) foi
usada a propriedade (i).
1.1.2. ( + ) = + , = () , = () , () = ()().
1.1.3.
(a) >> A=[-3,2,1;1,2,-1];B=[2,-1;2,0;0,3];
>>
>>
>>
>>
>>
C=[-2,1,-1;0,1,1;-1,0,1];
syms d1 d2 d3
D=diag([d1,d2,d3]);
E1=[1;0;0];E2=[0;1;0];E3=[0;0;1];
B*A
-7
2
3
-6
4
2
3
6
-3
>> A*B
-2
6
6
-4
(b) >> [A*E1-A(:,1),A*E2-A(:,2),A*E3-A(:,3)]
0
0
0
0
0
0
>> E1.*B-B(1,:)
0
0
Julho 2009
Reginaldo J. Santos
476
>> E2.*B-B(2,:)
0
0
>> E3.*B-B(3,:)
0
0
(c) >> C1=C(:,1);C2=C(:,2);C3=C(:,3);
>> C*D-[d1*C1,d2*C2,d3*C3]
[ 0, 0, 0]
[ 0, 0, 0]
[ 0, 0, 0]
(d) >> C1=C(1,:);C2=C(2,:);C3=C(3,:);
>> D*C-[d1*C1;d2*C2;d3*C3]
[ 0, 0, 0]
[ 0, 0, 0]
[ 0, 0, 0]
(e) >> B1=B(:,1);B2=B(:,2);
>> A*B-A*[B1,B2]
0
0
0
0
(f) >> A1=A(1,:);A2=A(2,:);
>> A*B-[A1;A2]*B
0
0
0
0
1.1.4. >> syms x y z
>> A=[1,-3,0;0,4,-2]; X=[x;y;z];

Linear
Julho 2009
477
>> A*X
[
x-3*y]
[ 4*y-2*z]
>> x*A(:,1)+y*A(:,2)+z*A(:,3)
[
x-3*y]
[ 4*y-2*z]
1.1.5. >> syms x
>> A=[x,4,-2]; B=[2,-3,5];

>> solve(A*B.)
11
1.1.6. >> syms y
>> A=[1,1/y;y,1];
>> A2-2*A
[ 0, 0]
[ 0, 0]
1.1.7. >> syms x y z w
>> X=[x,y;z,w]; M=[0,1;-1,0];

>> X*M-M*X
[ -y-z, x-w]
[ x-w, z+y]
>> syms a b c d
>> A=[x,y;-y,x]; B=[a,b;-b,a];
>> A*B-B*A
Julho 2009
Reginaldo J. Santos
478
[ 0, 0]
[ 0, 0]
1.1.8.
(a) Sejam =
0
0
e =
]

.

>> syms x y z w
>> syms a b c d
>> A=[x,0;0,y];B=[a,b;c,d];
>> A*B
[ x*a, x*b]
[ y*c, y*d]
>> B*A
[ x*a, b*y]
[ c*x, y*d]
Como = , para todo , em particular para = 1, obtemos que = . Assim, a

de ser diagonal tem os elementos da diagonal iguais.
matriz que alem
(b) Sejam =
e =
]

.

>> A=[x,y;z,w];B=[a,b;c,d];
>> A*B
[ x*a+y*c, x*b+y*d]
[ z*a+w*c, z*b+w*d]
>> B*A
[ x*a+z*b, a*y+b*w]
[ c*x+d*z, y*c+w*d]

Linear
Julho 2009
479
1,1 obtemos que = , para todos os valores

Comparando os elementos de posicao
de e . Em particular para = 0 e = 1, obtemos que = 0 e para = 1 e = 0,
obtemos que = 0. Ou seja, a matriz tem que ser diagonal. Assim, pelo item anterior
temos que a matriz tem que ser diagonal com os elementos da diagonal iguais.
1.1.9. >> A=[0,1,0;0,0,1;0,0,0];
>> A2,A3
ans=0
0
0
0
0
0
ans =0
0
0
0
0
0
1.1.10.
1
0
0
0
0
0
(a) >> A=[1,1/2;0,1/3]
A =
1.0000
0.5000
0
0.3333
>> A2,A3,A4,A5
ans =
1.0000
0.6667
0
0.1111
ans =
1.0000
0.7222
0
0.0370
ans =
Julho 2009
Reginaldo J. Santos
480
1.0000
0.7407
0
0.0123
ans =
1.0000
0.7469
0
0.0041
>> A6,A7,A8,A9
ans =
1.0000
0.7490
0
0.0014
ans =
1.0000
0.7497
0
0.0005
ans =
1.0000
0.7499
0
0.0002
ans =
1.0000
0.7500
0
0.0001
A sequ encia
parece estar convergindo para a matriz
]
1 0.75
.
0
0
(b) >> A=[1/2,1/3;0,-1/5]
A =
0.5000
0.3333
0
-0.2000
>> A2,A3,A4,A5

Linear
Julho 2009
481
ans =
0.2500
0.1000
0
0.0400
ans =
0.1250
0.0633
0
-0.0080
ans =
0.0625
0.0290
0
0.0016
ans =
0.0312
0.0150
0
-0.0003
>> A6,A7,A8,A9
ans =
0.0156
0.0074
0
0.0001
ans =
0.0078
0.0037
0
0.0000
ans =
0.0039
0.0019
0
0.0000
ans =
0.0020
0.0009
0
0.0000
Julho 2009
Reginaldo J. Santos
482
A sequ encia
parece estar convergindo para a matriz nula
1.1.11.
]
0 0
.
0 0
(a) >> A=[0,0,1;1,0,0;0,1,0];
>> A=sym(A)
[ 0, 0, 1]
[ 1, 0, 0]
[ 0, 1, 0]
>> A2
[ 0, 1, 0]
[ 0, 0, 1]
[ 1, 0, 0]
>> A3
[ 1, 0, 0]
[ 0, 1, 0]
[ 0, 0, 1]
Para = 3, = 3 .
(b) >> A=[0,1,0,0;-1,0,0,0;0,0,0,1;...
0,0,1,0];
>> A=sym(A)
[ 0, 1, 0, 0]
[ -1, 0, 0, 0]
[ 0, 0, 0, 1]
[ 0, 0, 1, 0]
>> A2
[ -1, 0, 0, 0]

Linear
Julho 2009
483
[ 0, -1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
>> A3
[ 0, -1, 0, 0]
[ 1, 0, 0, 0]
[ 0, 0, 0, 1]
[ 0, 0, 1, 0]
>> A4
[ 1, 0, 0, 0]
[ 0, 1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
Para = 4, = 4 .
(c) >> A=[0,1,0,0;0,0,1,0;0,0,0,1;0,0,0,0];
>> A=sym(A)
[ 0, 1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
>> A2
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
Julho 2009
Reginaldo J. Santos
484
>> A3
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
>> A4
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
Para = 4, =
0.
1.1.12. Conclumos que e muito raro encontrar matrizes cujo produto comute.
1.1.13. Conclumos que matrizes diagonais em geral comutam. Pode-se mostrar que elas sempre
comutam (Exerccio 28 na pagina

30).
o produto comuta, se os elementos da diagonal de A sao
1.1.14. Se a matriz A for diagonal, entao
iguais. (ver Exerccio 17 na pagina

26). A probabilidade de um tal par de matrizes comute e
aproximadamente igual a probabilidade de que a primeira matriz tenha os elementos da sua
diagonal iguais, ou seja, 11/113 = 1/112 1%.
1.2. Sistemas Lineares (pagina

61)
na forma reduzida escalonada sao
e .
1.2.1. As matrizes que estao

Linear
Julho 2009
1.2.2.
(a)
(b)
(c)
(d)
1.2.3.
485

8 + 7
2 3

=
= 5 , .
1
2 3 + 6
2
, , .
7 4
= 3 =
8 5
5

=
= 2 , .
3 + 8 7
1
, , .

5 6
=
3 =
4
9 3
(a) >> A=[1,1,2,8;-1,-2,3,1;3,-7,4,10];
>> escalona(A)
elimina
c
ao 1:
1*linha 1 + linha 2 ==> linha 2
-3*linha 1 + linha 3 ==> linha 3
[
1,
1,
2,
8]
Julho 2009
Reginaldo J. Santos
486
[
0, -1,
5,
9]
[
0, -10, -2, -14]
elimina
c
ao 2:
-1*linha 2 ==> linha 2
[
1,
1,
2,
8]
[
0,
1, -5, -9]
[
0, -10, -2, -14]
[
1,
0,
7,
17]
[
0,
1,
-5,
-9]
[
0,
0, -52, -104]
elimina
c
ao 3:
-1/52*linha 3 ==> linha 3
[ 1, 0, 7, 17]
[ 0, 1, -5, -9]
[ 0, 0, 1, 2]
[ 1, 0, 0, 3]
[ 0, 1, 0, 1]
[ 0, 0, 1, 2]

3
1
= 2 = 1 .
2
3

Linear
Julho 2009
487
(b) >> A=[2,2,2,0;-2,5,2,1;8,1,4,-1];
>> escalona(A)
elimina
c
ao 1:
1/2*linha 1 ==> linha 1
[ 1, 1, 1, 0]
[ -2, 5, 2, 1]
[ 8, 1, 4, -1]
[ 1, 1, 1, 0]
[ 0, 7, 4, 1]
[ 0, -7, -4, -1]
elimina
c
ao 2:
[
1,
1,
1,
0]
[
0,
1, 4/7, 1/7]
[
0, -7, -4, -1]
[
1,
0, 3/7, -1/7]
[
0,
1, 4/7, 1/7]
[
0,
0,
0,
0]
1 3
7 7
1
= 2 = 71 74 , .
3
Julho 2009
Reginaldo J. Santos
488

(c) >> A=[0,-2,3,1;3,6,-3,-2;6,6,3,5]
>> escalona(A)
elimina
c
ao 1:
linha 2 <==> linha 1
[ 3, 6, -3, -2]
[ 0, -2, 3, 1]
[ 6, 6, 3, 5]
[
1,
2,
-1, -2/3]
[
0,
-2,
3,
1]
[
6,
6,
3,
5]
[
1,
2,
-1, -2/3]
[
0,
-2,
3,
1]
[
0,
-6,
9,
9]
elimina
c
ao 2:
[
1,
2,
-1, -2/3]
[
0,
1, -3/2, -1/2]
[
0,
-6,
9,
9]
[
1,
0,
2, 1/3]
[
0,
1, -3/2, -1/2]
[
0,
0,
0,
6]

Linear
Julho 2009
489
tem solucao!
O sistema nao
1.2.4. >> A=[1,-2,1;2,-5,1;3,-7,2];
>> B1=[1;-2;-1];B2=[2;-1;2];
>> escalona([A,B1,B2])
elimina
c
ao 1:
[ 1, -2, 1, 1, 2]
[ 0, -1, -1, -4, -5]
[ 0, -1, -1, -4, -4]
elimina
c
ao 2:
[ 1, -2, 1, 1, 2]
[ 0, 1, 1, 4, 5]
[ 0, -1, -1, -4, -4]
[ 1, 0, 3, 9, 12]
[ 0, 1, 1, 4, 5]
[ 0, 0, 0, 0, 1]
9 3
1
(a) = 2 = 4 , .
tem solucao!
(b) O sistema nao
Julho 2009
Reginaldo J. Santos
490
1.2.5.

(a) >> A=[1,0,5;1,1,1;0,1,-4];
>> B=A+4*eye(3);
>> escalona([B,zeros(3,1)])
elimina
c
ao 1:
[ 1, 5, 1, 0]
[ 5, 0, 5, 0]
[ 0, 1, 0, 0]
(-5)*linha 1 + linha 2 ==> linha 2
[
1,
5,
1,
0]
[
0, -25,
0,
0]
[
0,
1,
0,
0]
elimina
c
ao 2:
[
1,
5,
1,
0]
[
0,
1,
0,
0]
[
0, -25,
0,
0]
(25)*linha 2 + linha 3 ==> linha 3
[ 1, 0, 1, 0]
[ 0, 1, 0, 0]
[ 0, 0, 0, 0]
= = 0 , .

Linear
Julho 2009
491
(b) >> B=A-2*eye(3);
1.2.6.
>> escalona([B,zeros(3,1)])
elimina
c
ao 1:
(-1)*linha 1 ==> linha 1
[ 1, 0, -5, 0]
[ 1, -1, 1, 0]
[ 0, 1, -6, 0]
[ 1, 0, -5, 0]
[ 0, -1, 6, 0]
[ 0, 1, -6, 0]
elimina
c
ao 2:
[ 1, 0, -5, 0]
[ 0, 1, -6, 0]
[ 0, 1, -6, 0]
[ 1, 0, -5, 0]
[ 0, 1, -6, 0]
[ 0, 0, 0, 0]
5
= = 6 , .
(a) >> syms a
>> A=[1,2,-3,4;3,-1,5,2;4,1,a2-14,a+2];
Julho 2009
Reginaldo J. Santos
492
>> escalona(A)
elimina
c
ao 1:
[
1,
2,
-3,
4]
[
0,
-7,
14,
-10]
[
0,
-7, a2-2, a-14]
elimina
c
ao 2:
[
1,
2,
-3,
4]
[
0,
1,
-2, 10/7]
[
0,
-7, a2-2, a-14]
7*linha
2 + linha 3 ==>
linha 3
1 0
1
8/7
0 1
2
10/7
0 0 2 16 4
o sistema tem infinitas solucoes.
i. Se 2 16 = 0 e 4 = 0, entao
Neste caso,
= 4;
o sistema nao
tem solucao.
Neste caso, = 4;
ii. Se 2 16 = 0 e 4 = 0, entao
o sistema tem solucao

unica.
iii. Se 2 16 = 0, entao
Neste caso, = 4;
(b) >> A=[1,1,1,2;2,3,2,5;2,3,a2-1,a+1];
>> escalona(A)
elimina
c
ao 1:

Linear
Julho 2009
-2*linha 1 + linha 3 ==>

[
1,
1,
1,
[
0,
1,
0,
[
0,
1, a2-3,
elimina
c
ao 2:
-1*linha 2 + linha 1 ==>
-1*linha
2 + linha 3 ==>
1 0
1
1
0 1
0
1
2
0 0 3 4
493
linha 3
2]
1]
a-3]
linha 1
linha 3
o sistema tem infinitas solucoes.
i. Se 2 3 = 0 e 4 = 0, entao
Este caso nao
pode ocorrer;
o sistema nao
tem solucao.
Neste caso, = 3;
ii. Se 2 3 = 0 e 4 = 0, entao
o sistema tem solucao

unica.
Neste caso, = 3;
iii. Se 2 3 = 0, entao
1.2.7.
gramas de A/kg
gramas de B/kg
preco/kg
Julho 2009
kg de X
kg de Y
kg de Z
X
2
1
3
1900
2400
2900
Y Z
1 3
3 5
2 4
gramas de A
gramas de B
arrecadacao
Reginaldo J. Santos
494

1900
2 1 3
1 3 5 = 2400
2900
3 2 4
>> A=[2,1,3,1900;1,3,5,2400;3,2,4,2900];
>> escalona(A)
elimina
c
ao 1:
[
1,
3,
5, 2400]
[
2,
1,
3, 1900]
[
3,
2,
4, 2900]
[
1,
3,
5, 2400]
[
0,
-5,
-7, -2900]
[
0,
-7,
-11, -4300]
elimina
c
ao 2:
(-1/5)*linha 2 ==> linha 2
[
1,
3,
5, 2400]
[
0,
1,
7/5,
580]
[
0,
-7,
-11, -4300]
[
1,
0, 4/5, 660]
[
0,
1, 7/5, 580]
[
0,
0, -6/5, -240]

Linear
Julho 2009
495
elimina
c
ao 3:
(-5/6)*linha 3 ==> linha 3
[
1,
0, 4/5, 660]
[
0,
1, 7/5, 580]
[
0,
0,
1, 200]
(-4/5)*linha 3 + linha 1 ==> linha 1
[
1,
0,
0, 500]
[
0,
1,
0, 300]
[
0,
0,
1, 200]
Foram vendidos 500 kg do produto X, 300 kg do produto Y e 200 kg do produto Z.
obtemos:
1.2.8. Substituindo
os pontos na funcao
27 + 9
64 + 16
Substituindo =
=
10
+ + =
7
.
+ 3 + = 11
+ 4 + = 14
e escalonando a matriz aumentada do sistema cor10 nas outras equacoes
respondente:
>> escalona([1,1,1,-3;27,9,3,-21;64,16,4,-24])
elimina
c
ao 1:
[
1,
1,
1, -3]
Julho 2009
Reginaldo J. Santos
496
[
0, -18, -24, 60]
[
0, -48, -60, 168]
elimina
c
ao 2:
[
1,
1,
1,
-3]
[
0,
1,
4/3, -10/3]
[
0,
-48,
-60,
168]
[
1,
0, -1/3,
1/3]
[
0,
1,
4/3, -10/3]
[
0,
0,
4,
8]
elimina
c
ao 3:
[
1,
0, -1/3,
1/3]
[
0,
1,
4/3, -10/3]
[
0,
0,
1,
2]
1/3*linha 3 + linha 1 ==> linha 1
-4/3*linha 3 + linha 2 ==> linha 2
[ 1, 0, 0, 1]
[ 0, 1, 0, -6]
[ 0, 0, 1, 2]
= 1, = 6, = 2 e = 10 e o polinomio
Assim, os coeficientes sao

() = 3 62 +
2 + 10.

Linear
Julho 2009
497
do crculo obtemos:
1.2.9. Substituindo
os pontos na equacao
2 + 7 + = [(2)2 + 72 ] = 53
4 + 5 + = [(4)2 + 52 ] = 41 .
4 3 + =
[42 + 32 ] = 25
>> A=[-2,7,1,-53;-4,5,1,-41;4,-3,1,-25];
>> escalona(A)
elimina
c
ao 1:
[
1, -7/2, -1/2, 53/2]
[
-4,
5,
1, -41]
[
4,
-3,
1, -25]
[
1, -7/2, -1/2, 53/2]
[
0,
-9,
-1,
65]
[
0,
11,
3, -131]
elimina
c
ao 2:
[
1, -7/2, -1/2, 53/2]
[
0,
1,
1/9, -65/9]
[
0,
11,
3, -131]
[
1,
0,
-1/9,
11/9]
Julho 2009
Reginaldo J. Santos
498
[
0,
1,
1/9, -65/9]
[
0,
0,
16/9, -464/9]
elimina
c
ao 3:
[
1,
0, -1/9, 11/9]
[
0,
1,
1/9, -65/9]
[
0,
0,
1,
-29]
-1/9*linha 3 + linha 2 ==> linha 2
[
1,
0,
0, -2]
[
0,
1,
0, -4]
[
0,
0,
1, -29]
= 2, = 4 e = 29 e a equacao
do crculo e 2 + 2 2429 =
Os coeficientes sao
0.
1.2.10.
(a) >> syms b1 b2 b3
>> A=[1,-2,5,b1;4,-5,8,b2;-3,3,-3,b3];
>> escalona(A)
elimina
c
ao 1:
[ 1, -2,
5,
b1]
[ 0, 3, -12, b2-4*b1]
[ 0, -3, 12, b3+3*b1]
elimina
c
ao 2:

Linear
Julho 2009
499

[ 1, -2, 5,
b1]
[ 0, 1, -4, 1/3*b2-4/3*b1]
[ 0, -3, 12,
b3+3*b1]
[ 1, 0, -3, -5/3*b1+2/3*b2]
[ 0, 1, -4, 1/3*b2-4/3*b1]
[ 0, 0, 0,
b3-b1+b2]
O sistema e consistente se, e somente se, 3 1 + 2 = 0.
(b) >> syms b1 b2 b3
>> A=[1,-2,-1,b1;-4,5,2,b2;-4,7,4,b3];
>> escalona(A)
elimina
c
ao 1:
[ 1, -2, -1,
b1]
[ 0, -3, -2, b2+4*b1]
[ 0, -1, 0, b3+4*b1]
elimina
c
ao 2:
[ 1, -2, -1,
b1]
[ 0, -1, 0, b3+4*b1]
[ 0, -3, -2, b2+4*b1]
Julho 2009
Reginaldo J. Santos
500
[ 1, -2, -1,
b1]
[ 0, 1, 0, -b3-4*b1]
[ 0, -3, -2, b2+4*b1]
[ 1, 0, -1,
-7*b1-2*b3]
[ 0, 1, 0,
-b3-4*b1]
[ 0, 0, -2, b2-8*b1-3*b3]
O sistema e consistente para todos os valores reais de 1 , 2 e 3 .
1.2.11. >> A=[0,1,7,8;1,3,3,8;-2,-5,1,-8];
>> escalona(A)
elimina
c
ao 1:
[ 1, 3, 3, 8]
[ 0, 1, 7, 8]
[ -2, -5, 1, -8]
[ 1, 3, 3, 8]
[ 0, 1, 7, 8]
[ 0, 1, 7, 8]
elimina
c
ao 2:
[
1,
0, -18, -16]
[
0,
1,
7,
8]

Linear
Julho 2009
501
[
0,
0,
0,
0]
>> I=eye(3);E=oe(-1,2,3,I),...
F=oe(-3,2,1,I),G=oe(2,1,3,I),H=oe(I,1,2)
E =[ 1, 0, 0]F =[ 1, -3, 0]
[ 0, 1, 0]
[ 0, 1, 0]
[ 0, -1, 1]
[ 0, 0, 1]
G =[ 1, 0, 0]H =[ 0, 1, 0]
[ 0, 1, 0]
[ 1, 0, 0]
[ 2, 0, 1]
[ 0, 0, 1]
>> E*F*G*H*A
[
1,
0, -18, -16]
[
0,
1,
7,
8]
[
0,
0,
0,
0]
1.2.12.
(a) >> A=[1,2,0,-3,1,0,2;1,2,1,-3,1,2,3;...
1,2,0,-3,2,1,4;3,6,1,-9,4,3,9]
>> escalona(A)
[ 1, 2, 0, -3, 0, -1, 0]
[ 0, 0, 1, 0, 0, 2, 1]
[ 0, 0, 0, 0, 1, 1, 2]
[
0, 0, 0, 0, 0, 0, 0]
34
6 = 0
1 + 22
3
+ 26 = 1
5 + 6 = 2
= [ + 3 2 1 2 2 ] ,
, ,
Julho 2009
Reginaldo J. Santos
502

(b) >> A=[1,3,-2,0,2,0,0;2,6,-5,-2,4,-3,-1;...
0,0,5,10,0,15,5;2,6,0,8,4,18,6]
>> escalona(A)
[
1,
3,
0,
4,
2,
0,
0]
[
0,
0,
1,
2,
0,
0,
0]
[
0,
0,
0,
0,
0,
1, 1/3]
[
0,
0,
0,
0,
0,
0]
0,
+ 44 + 25
=0
1 + 32
3 + 24
=0
6 = 13
= [2 4 3 2 1/3] ,
, ,
1.2.13. >> syms a, B=[4,3,1,6];
>> A=[1,1,1,1;1,3,-2,a;
2,2*a-2,-a-2,3*a-1;3,a+2,-3,2*a+1]
>> escalona([A,B])
[ 1, 0, 0, 0, (4*a-11)/(a-5)]
[ 0, 1, 0, 0,
-4/(a-5)]
[ 0, 0, 1, 0,
-4/(a-5)]
[ 0, 0, 0, 1,
-1/(a-5)]
>> solve(-3/2*a+5/4+1/4*a2,a)
ans = [ 1][ 5]
= [ 411
Se = 1 e = 5, entao
5
4 4 1
].
5 5 5
>> C=subs(A,a,1)

Linear
Julho 2009
503
>> escalona([C,B])
[ 1, 0, 0, 1, 2]
[ 0, 1, 0, 0, 1]
[ 0, 0, 1, 0, 1]
[ 0, 0, 0, 0, 0]
= [2 , 1, 1, ] .
Se = 1, entao
>> D=subs(A,a,5)
>> escalona([D,B])
[
1,
0, 5/2,
[
0,
1, -3/2,
[
0,
0,
0,
[
0,
0,
0,
-1,
2,
0,
0,
0]
0]
1]
0]
o sistema nao
tem solucao.
Se = 5, entao
1.2.14.
(a) >> A=[1,2,3,1,8;1,3,0,1,7;1,0,2,1,3];
>> escalona(A)
[ 1, 0, 0, 1, 1]
[ 0, 1, 0, 0, 2]
[ 0, 0, 1, 0, 1]
{(1 , 2, 1, ) }
Julho 2009
Reginaldo J. Santos
504

(b) >> A=[1,1,3,-3,0;0,2,1,-3,3;1,0,2,-1,-1];
>>
[
[
[
escalona(A)
1, 0, 0, 1, 1]
0, 1, 0, -1, 2]
0, 0, 1, -1, -1]
{(1 , 2 + , 1 + , ) }
(c) >> A=[1,2,3,0;1,1,1,0;1,1,2,0;1,3,3,0];
>> escalona(A)
[ 1, 0, 0, 0]
[ 0, 1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 0]
{(0, 0, 0)}
1.2.15. >> P=randi(4,2)
P =
5
4
-3
3
1
0
0
-5
>> A=matvand(P(:,1),3),B=P(:,2)
A =125
25
5
1
-27
9
-3
1
1
1
1
1

Linear
Julho 2009
505
0
0
0
1
B = 4
3
0
-5
>> R=escalona([A,B])
R = [ 1, 0, 0, 0, -163/480]
[ 0, 1, 0, 0,
99/80]
[ 0, 0, 1, 0, 1969/480]
[ 0, 0, 0, 1,
-5]
>> p=poly2sym(R(:,5),x)
p = -163/480*x3+99/80*x2+1969/480*x-5
>> clf,po(P),syms x,plotf1(p,[-5,5])
>> eixos
ser possvel encontrar o polinomio,
Pode nao
se mais de um ponto tiver a mesma abscissa .
Julho 2009
Reginaldo J. Santos
506
50
40
30
20
10
10
5
A sua resposta pode ser diferente da que esta aqui.

Observacao.
1.2.16. >> P=randi(5,2)
P =
3
-1
2
-3

Linear
Julho 2009
1
-1
3
4
4
4
>> A=matvand(P,2)
A = 9
6
4
3
2
1
3
9
-1
-3
1
-1
1
1
-1
9
12
16
3
4
16
16
16
4
4
>> R=escalona([A,zeros(5,1)])
R = [1,
0,
0,
0,
[0,
1,
0,
0,
[0,
0,
1,
0,
[0,
0,
0,
1,
[0,
0,
0,
0,
507
1
1
1
1
1
0, -35/8,
0, 45/8,
0,
-2,
0, 65/8,
1, -39/8,
0]
0]
0]
0]
0]
>> p=poly2sym2([-R(:,6);1],x,y)
p =35/8*x2-45/8*x*y-65/8*x+1+2*y2+39/8*y
>> clf,po(P),syms x y,
>> plotci(p,[-5,5],[-5,5])
>> eixos
Julho 2009
Reginaldo J. Santos
508
x
1
3
2
A sua resposta pode ser diferente da que esta aqui.

Observacao.
1.2.17.
elementar de trocar duas linhas e ela mesma.

(a) A inversa da operacao
elementar de multiplicar uma linha por um escalar, = 0, e a
(b) A inversa da operacao
de multiplicar a mesma linha pelo escalar 1/.
operacao

Linear
Julho 2009
509
(c) A inversa de somar a` linha , vezes a linha , e somar a` linha , vezes a linha .
1.2.18.
(a) Basta multiplicar qualquer linha da matriz pelo escalar 1.

elementar, , tem uma operacao
elementar inversa,
(b) Pelo exerccio anterior cada operacao
1
fez. Se aplicando as operacoes
ele , do mesmo tipo que desfaz o que a operacao
aplicando-se as operacoes
mentares 1 , . . . , na matriz chegamos na matriz , entao

1
1
elementares , . . . , 1 na matriz chegamos na matriz .
(c) Se aplicando as operacoes

elementares 1 , . . . , na matriz chegamos na matriz
e aplicando as operacoes elementares +1 , . . . , na matriz chegamos na matriz ,

aplicando-se as operacoes
elementares 1 , . . . , na matriz chegamos na matriz
entao
.
Julho 2009
Reginaldo J. Santos
510
2.1. Matriz Inversa (pagina

98)
nao
trivial (Teorema 2.8 na pagina
tem solucao
2.1.1. A matriz e singular, pois o sistema homogeneo
90).
2.1.2.
(a) >> A=[1,2,3;1,1,2;0,1,2];
>> B=[A,eye(3)];
>> escalona(B)
[1, 0, 0, 0, 1,-1]
[0, 1, 0, 2,-2,-1]
[0, 0, 1,-1, 1, 1]
(b) [1, 0, 0, 3, 2,-4]
[0, 1, 0,-1, 0, 1]
[0, 0, 1, 0,-1, 1]
(c) [1,
[0,
[0,
[0,
0,
1,
0,
0,
(d) [1, 0,
[0, 1,
[0, 0,
0,
0,
1,
0,
0, 7/3,-1/3,-1/3,-2/3]
0, 4/9,-1/9,-4/9, 1/9]
0,-1/9,-2/9, 1/9, 2/9]
1,-5/3, 2/3, 2/3, 1/3]
0, 1, -1,
0]
0,3/2,1/2,-3/2]
1, -1, 0,
1]
(e) [ 1
0 1
1 0 -2 ]
[ 0 1 1
0 0
1 ]
[ 0 0 0 -1 1
1 ]
Continua ? (s/n) n

Linear
Julho 2009
Captulo 2. Inversao
(f) [1, 0,
0,1/4, 5/4,-3/4, 1/2,

[0, 1, 0,1/2,-1/2, 1/2,
0,
[0, 0, 1,1/4, 1/4, 1/4,-1/2,
[0, 0, 0, 0, -2, -1, -2,
Continua ? (s/n) n
511
0]
0]
0]
1]
2.1.3. >> syms a
>> A=[1,1,0;1,0,0;1,2,a];
>> escalona(A)
1 0 0
0 1 0 Continua ? (s/n) n
0 0
Para valores de diferentes de zero a matriz tem inversa.
2.1.4. >> invA=[3,2;1,3]; invB=[2,5;3,-2];
>> invAB=invB*invA
invAB =
11
7
19
0
2.1.5. >> invA=[2,3;4,1]; B=[5;3];
>> X=invA*B
X =
19
23
Julho 2009
Reginaldo J. Santos
512
2.1.6.
= 1
][
]1
][
[
3
0
1 1
1 1
=
0 (1)
2 2
2 2
[
] [
]
1 2 1
3
(1)
=
2 3 2(1) 4 2
1
]
[
1 2(3 + (1) )
(1) 3
=
4 4((1) 3 ) 2(3 + (1) )
2.1.7. >> A=[1,2,3;2,1,2;0,1,2];
>> escalona([A,eye(3)])
elimina
c
ao 1:
[ 1, 2, 3, 1, 0, 0]
[ 0, -3, -4, -2, 1, 0]
[ 0, 1, 2, 0, 0, 1]
elimina
c
ao 2:
[ 1, 2, 3, 1, 0, 0]
[ 0, 1, 2, 0, 0, 1]
[ 0, -3, -4, -2, 1, 0]
[ 1, 0, -1, 1, 0, -2]

Linear
Julho 2009
Captulo 2. Inversao
513
[ 0, 1, 2, 0, 0, 1]
[ 0, 0, 2, -2, 1, 3]
elimina
c
ao 3:
(1/2)*linha 3 ==> linha 3
[
1,
0, -1,
1,
0, -2]
[
0,
1,
2,
0,
0,
1]
[
0,
0,
1, -1, 1/2, 3/2]
[
1,
0,
0,
0, 1/2, -1/2]
[
0,
1,
0,
2,
-1,
-2]
[
0,
0,
1,
-1, 1/2, 3/2]
>> I=eye(3);E1=oe(2,1,2,I);E2=oe(I,2,3);...
E3=oe(2,2,1,I);E4=oe(-3,2,3,I);...
E5=oe(2,3,I);E6=oe(-1,3,1,I);E7=oe(2,3,2,I);
>> E1*E2*E3*E4*E5*E6*E7
1
2
3
2
1
2
0
1
2
2.1.8. >> menc=lerarq(menc1.txt); key=lerarq(key.txt);
>>
>>
>>
>>
>>
y=char2num(menc); M=char2num(key);
N=escalona([M,eye(3)])
N=N(:,6:10)
x=N*y;
num2char(x)
Julho 2009
Reginaldo J. Santos
514
ans =
Desejo boa sorte a todos que estudam
Algebra Linear !
>> menc=lerarq(menc2.txt);
>> y=char2num(menc);
>> x=N*y;
>> num2char(x)
ans = Buda tinha este nome por que vivia setado!
Deve ser uma matriz com entradas entre 0 e 118 invertvel de forma que a sua inversa seja uma
matriz com entradas inteiras.
2.2. Determinantes (pagina

128)
2.2.1. det(2 ) = 9; det(3 ) = 27; det(1 ) = 1/3; det( ) = 3.
2.2.2. det( 1 ) = det()/ det() = 2/3.
2.2.3.
(a) det
det
det
11
21
31
11
21
31
11
21
31
12
22
32
12
22
32
12
22
32
13 + 12
23 + 22 =
33 +
32
13
23 +
33
12
22 = det() + 0 = 3
32

Linear
Julho 2009
Captulo 2. Inversao
515
2.2.4.
2.2.5.
11 + 12 11 12 13
(b) det 21 + 22 21 22 23 =
31 + 32 31 32 33
11 11 13
det 21 21 23 +
31 31 33
11 12 13
det 21 22 23 +
31 32 33
12 11 13
det 22 21 23 +
32 31 33
12 12 13
det 22 22 23 = 2 det() = 6
32 32 33
]
[
=
(a) det
[ (1 + )]
1
= 2
2 det
(1 + )
[
]
[
]
cos
sen
cos sen
(b) det
= det
+
cos sen
[ cos sen ] sen + cos
cos sen
det
=
sen cos
(a) >> A=[1,-2,3,1;5,-9,6,3;-1,2,-6,-2;2,8,6,1];
Julho 2009
Reginaldo J. Santos
516
>> detopelp(A)
elimina
c
ao 1:
[ 1, -2, 3, 1]
[ 0, 1, -9, -2]
[ 0, 0, -3, -1]
[ 0, 12, 0, -1]
elimina
c
ao 2:
[
1, -2,
3,
1]
[
0,
1, -9, -2]
[
0,
0, -3, -1]
[
0,
0, 108, 23]
elimina
c
ao 3:
[
1, -2,
3,
1]
[
0,
1, -9, -2]
[
0,
0,
1, 1/3]
[
0,
0, 108, 23]
det(A) = -3*det(A)
[
1, -2,
3,
1]
[
0,
1, -9, -2]

Linear
Julho 2009
Captulo 2. Inversao
[
0,
0,
[
0,
0,
ans = 39
517
1, 1/3]
0, -13]
(b) >> A=[2,1,3,1;1,0,1,1;0,2,1,0;0,1,2,3];
>> detopelp(A)
elimina
c
ao 1:
[ 1, 0, 1, 1]
[ 2, 1, 3, 1]
[ 0, 2, 1, 0]
[ 0, 1, 2, 3]
det(A) = (-1)*det(A)
[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 2, 1, 0]
[ 0, 1, 2, 3]
elimina
c
ao 2:
[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 0, -1, 2]
[ 0, 0, 1, 4]
elimina
c
ao 3:
Julho 2009
Reginaldo J. Santos
518

[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 0, 1, -2]
[ 0, 0, 1, 4]
det(A) = (-1)*(-1)*det(A)
[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 0, 1, -2]
[ 0, 0, 0, 6]
ans = 6
2.2.6.
(a) >> A=[0,1,2;0,0,3;0,0,0];
>> p=det(A-x*eye(3))
p =-x3
>> solve(p)
[0][0][0]
(b) p =(1-x)*(3-x)*(-2-x)
[ 1][ 3][-2]
(c) p =(2-x)*(4-5*x+x2)
[2][4][1]
(d) p =-8-2*x+5*x2-x3
[ 2][ 4][-1]

Linear
Julho 2009
Captulo 2. Inversao
2.2.7.
519
(a) >> A=[2,0,0;3,-1,0;0,4,3];
>> B=A-x*eye(3);
>> p=det(B)
p =(2-x)*(-1-x)*(3-x)
>> solve(p)
[ 2][-1][ 3]
(b) p =(2-x)2*(1-x)
[2][2][1]
(c) p =(1-x)*(2-x)*(-1-x)*(3-x)
[ 1][ 2][-1][ 3]
(d) p =(2-x)2*(1-x)2
[2][2][1][1]
2.2.8.
(a) >> Bm1=subs(B,x,-1);
>> escalona(Bm1)
[1, 0, 0]
[0, 1, 1]
[0, 0, 0]
0
1 = { }.
>> B2=subs(B,x,2);
>> escalona(B2)
[1, 0, 1/4]
Julho 2009
Reginaldo J. Santos
520
[0, 1, 1/4]
[0, 0,
0]
2 = { }.
4
>> B3=subs(B,x,3);
>> escalona(B3)
[1, 0, 0]
[0, 1, 0]
[0, 0, 0]

0
3 = { 0 }.
(b) [1, 3, 0]
[0, 0, 1]
[0, 0, 0]
3
1 = { }.
0
[0, 1, 0]
[0, 0, 0]
[0, 0, 0]

Linear
Julho 2009
Captulo 2. Inversao
521
2 = { 0 , }.
(c) [1, 1, 0, 0]
[0, 0, 1, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
[
]
1 = { 0 0
}.
[0,
[0,
[0,
[0,
1,
0,
0,
0,
0,
1,
0,
0,
[
1 = {
0]
0]
1]
0]
0 0 0
0,
1,
0,
0,
[1,
[0,
[0,
[0,
0, -9/4, 0]
1, -3/4, 0]
0,
0, 1]
0,
0, 0]
}.
0, 29/3]
0, 7/3]
1,
3]
0,
0]
[
]
2 = { 29 7 9 3
}.
Julho 2009
[1,
[0,
[0,
[0,
Reginaldo J. Santos
522
[
]
}.
3 = { 9 3 4 0
(d) [1, 0, -3, 0]
[0, 1,
[0, 0,
[0, 0,
[
1 = {
[0,
[0,
[0,
[0,
1,
0,
0,
0,
3,
0,
0,
3
0,
1,
0,
0,
[
2 = {
0]
1]
0]
]
3 0
}.
0]
0]
1]
0]
0 0 0
}.
2.2.9. Conclumos que e muito raro encontrar matrizes invertveis.

Linear
Julho 2009
Captulo 3. Vetores no Plano e no Espaco
523
por Escalar (pagina
3.1. Soma de Vetores e Multiplicacao

158)
3.1.1. >> OA=[0,-2];OB=[1,0];
>>
AB
>>
AC
>>
OC
AB=OB-OA
= 1
2
AC=2*AB
= 2
4
OC=OA+AC
= 2
2
= (2, 2).
pontos da reta. Assim o vetor =1 2 = (1, 2) e

3.1.2. Os pontos 1 = (0, 1) e 2 = (1, 3) sao
paralelo a reta.
da reta e = 2 = 23 . Assim uma equacao
da reta tem a forma = 23 + .
3.1.3. A inclinacao
1
para a reta e = 23 + 12 .
Substituindo-se = 1 e = 2 obtemos = 21 . Uma equacao
3 2 = 15( ) e equivalente a 3 2 = 15 15 . Somando-se
3.1.4. A equacao
15 + 2 obtemos 15 + 3 = 2 15 ou 12 = 2 15 multiplicando-se por
1
12
obtemos = 54 61 .
por 2 e somando-se a primeira, obtemos 12 = 3 + 2
3.1.5. Multiplicando-se a segunda equacao
1
1
obtemos, 32 + 2 = ou
ou = 4 + 6 . Substituindo-se na primeira equacao
2 = 21 + ou = 14 + 21 .
3.1.6. >> OP=[
Julho 2009
2,
3, -5]; V=[
3,
0, -3];
Reginaldo J. Santos
524
>> OQ=OP+V
OQ =
5
= (5, 3, 8).
-8
3.1.7. >> OP=[1,0,3]; OM=[1,2,-1];
>> MP=OP-OM; OPlinha=OM-MP

OPlinha =
1
4
-5
= (1, 4, 5).
3.1.8.
(a) >> OA=[5,1,-3];OB=[0,3,4];OC=[0,3,-5];
>> AB=OB-OA, AC=OC-OA,

AB =
-5
2
7
AC =
-5
2
-2
sao
colineares, pois = .
Os pontos nao
(b) >> OA=[-1,1,3];OB=[4,2,-3];OC=[14,4,-15];
>> AB=OB-OA, AC=OC-OA,

AB =
5
1
-6
AC =
15
3
-18
colineares, pois = 3 .
Os pontos sao
3.1.9. >> OA=[1,-2,-3];OB=[-5,2,-1];OC=[4,0,-1];
>> DC=OB-OA, OD=OC-DC

DC =
-6
4
2
OD =
10
-4
-3
O ponto e = (10, 4, 3).

Linear
Julho 2009
3.1.10.
525
9 = 4
12 + 7 = 6 , cuja
6 + =
2
matriz aumentada e a matriz que tem colunas , e .
+ = e equivalente ao sistema
(a) A equacao
>> V=[9,-12,-6];W=[-1,7,1];U=[-4,-6,2];
>> escalona([V;W;U])
[
1,
0, -2/3]
[
0,
1,
-2]
[
0,
0,
0]
Assim, = 2/3 2 .
(b) >> V=[5,4,-3];W=[2,1,1];U=[-3,-4,1];
>> escalona([V;W;U])
[
1,
0, -5/3]
[
0,
1,
8/3]
[
0,
0, -20/3]
e combinacao
linear de e .
Assim, nao
3.1.11. Para ser um paralelogramo um dos vetores , e tem que ser igual a soma dos outros
dois.
(a) >> OA=[4,-1,1];OB=[9,-4,2];
>>
>>
AC
>>
Julho 2009
OC=[4,3,4];OD=[4,-21,-14];
AC=OC-OA
= 0
4
3
AB=OB-OA
Reginaldo J. Santos
526
AB = 5
-3
>> AD=OD-OA
AD = 0
-20
1
-15
e um paralelogramo.
Nao
(b) Somente o vertice

e diferente.
>> OD=[9,0,5];
>> AD=OD-OA
AD = 5
1
E um paralelogramo de vertices
consecutivos , , e .
vetorial = obtemos que
3.1.12. Resolvendo a equacao
2
2
= (6, 4, 2) = (9, 6, 3) = .
3
3
Fazendo o mesmo para = obtemos que nao existe solucao, logo somente os vetores
paralelos.
e sao
3.2. Produtos de Vetores (pagina

202)
3.2.1. Um ponto = (, ) pertence a reta se, e somente se,
0 = 0.
ou seja, se, e somente se,
ou
( + 1, 1) (2, 3) = 0
2 + 3 1 = 0

Linear
Julho 2009
527
3.2.2. Uma esfera de raio igual a 2. Se for no espaco e um cilindro de raio igual a 2, se for no plano e
uma circunferencia
de raio igual a 2.
3.2.3. >> V=[1,2,-3]; W=[2,1,-2];
>> Va=(V+W)/no(V+W), Vb=(V-W)/no(V-W),...

>> Vc=(2*V-3*W)/no(2*V-3*W)
]
[
3
5
3
,
=
43
43
]
[ 43
= 13 13 13 ,
]
[
= 417 117 0
3.2.4. >> syms x
>> V=[x,3,4];W=[3,1,2];
>> solve(pe(V,W))
-11/3
perpendiculares.
Para = 11/3, e sao
3.2.5. >> V=[x,2,4];W=[x,-2,3];
>> pe(V,W)
x2+8
2 + 8 nao
tem solucao
real.
A equacao
3.2.6. >> Va=[2,1,0];Wa=[0,1,-1];Vb=[1,1,1];
>> Wb=[0,-2,-2];Vc=[3,3,0];Wc=[2,1,-2];
>> cosVaWa=pe(Va,Wa)/(no(Va)*no(Wa)),...
>> cosVbWb=pe(Vb,Wb)/(no(Vb)*no(Wb)),...
Julho 2009
Reginaldo J. Santos
528
>> cosVcWc=pe(Vc,Wc)/(no(Vc)*no(Wc))

5 2, cosVbWb= 31 3 2, cosVcWc= 21 2. O angulo

entre e e
cosVaWa= 10
arccos( 10/10) entre e e arccos( 6/3) e entre e e arccos( 2/2) = /4.

3.2.7. >> W=[-1,-3,2]; V=[0,1,3];
>> W1=(pe(W,V)/pe(V,V))*V, W2=W-W1

W1 =
0
3/10
9/10
W2 =
-1
-33/10
11/10
3.2.8. >> V=[2,2,1]; W=[6,2,-3];
>> X=V/no(V)+W/no(W), U=X/no(X)

X=[32/21, 20/21, -2/21]
[ 16

]
10
1
= 357
17 21 357
17 21 357
17 21
3.2.9. >> A=[2,2,1];B=[3,1,2];C=[2,3,0];D=[2,3,2];
>> M=[B-A;C-A;D-A], detM=det(M)

M =
1
-1
1
0
1
-1
0
1
1
detM=2
>> A=[2,0,2];B=[3,2,0];C=[0,2,1];D=[10,-2,1];
M =
1
2
-2
-2
2
-1
8
-2
-1
detM=0
coplanares e no item (b) eles sao
coplanares.
sao
No item (a) os pontos nao

Linear
Julho 2009
529
3.2.10. >> A=[2,1,6];B=[4,1,3];C=[1,3,2];D=[1,2,1];

M =
2
0
-3
-1
2
-4
-1
1
-5 detM=-15
O volume do paraleleppedo e 15 unidades de vol.
3.2.11. >> A=[1,0,1];B=[2,1,3];C=[3,2,4];
>> V=pv(A-B,C-B), norma=no(V)

AD =
1
-1
0
norma= 2
A area
do paralelogramo e 2 unidades de area.
3.2.12. >> A=[1,2,1];B=[3,0,4];C=[5,1,3];
>> V=pv(B-A,C-A), norma=no(V)

AD =
-1
8
6
norma= 101
A area
do triangulo
e 101/2 unidades de area.
3.2.13. >> syms x y z
>> X=[x,y,z]; V=[1,0,1]; W=[2,2,-2];

>> expr1=pv(X,V)-W, expr2=pe(X,X)-6
expr1 = [
y-2, z-x-2, -y+2]
expr2 = x2+y2+z2-6
>> S=solve(expr1(1),expr1(2),expr1(3),expr2)
S = x: [2x1 sym] y: [2x1 sym] z: [2x1 sym]
Julho 2009
Reginaldo J. Santos
530
>> S.x, S.y, S.z

ans =[ -1][ -1] ans =[ 2][ 2] ans =[ 1][ 1]
Logo, = (1, 2, 1).
3.2.14. >> X=[x,y,z]; V=[1,1,0]; W=[-1,0,1]; U=[0,1,0];
>> expr1=pe(X,V), expr2=pe(X,W),...

>> expr3=pe(X,X)-3, expr4=pe(X,U)
expr1=x+y,expr2=z-x,expr3=x2+y2+z2-3,expr4=y
>> solve(expr1,expr2,expr3)
S = x: [2x1 sym] y: [2x1 sym] z: [2x1 sym]
>> S.x, S.y, S.z
ans =[ -1][ 1] ans =[ 1][ -1] ans =[ -1][ 1]
Como tem que ser maior que zero, = (1, 1, 1).
3.2.15. >> A=[3,0,2];B=[4,3,0];C=[8,1,-1];
>> pe(B-A,C-A), pe(A-B,C-B), pe(A-C,B-C)

14,0,21
Portanto o angulo
reto esta no vertice
.
3.2.16.
(a)
( + ) = 2 + = 20
( + ) = + 2 = 5
25 + 5 = 20
5 + 4 = 5

Linear
Julho 2009
531
Resolvendo o sistema acima obtemos = 11/15 e = 1/3. Assim
11
1
+ .
15
3
(b)
( + ) =
( + ) = + 2
= = 0
+ 2 = 5 + 4 = 12
Resolvendo o sistema acima obtemos = 12/5 e = 0. Assim
12
.
5
3.2.17.
3.2.18.
3.2.19.
isosceles e o seu ponto medio.

Vamos mostrar que
3.2.20. Seja a base do triangulo
Julho 2009
Reginaldo J. Santos
532
= 0.
1
( + )
2
1
( + ) ( )
=
2
1
=
( 2 +
2
+ 2 ) = 0
3.2.21. Seja o lado situado no diametro

da circunferencia
e seu centro. Vamos mostrar que
= 0.
= ( + ) ( + )
= 2 + +
+ 2 = 0
perpendiculares, entao
( + ) ( ) = 0. Mas,
3.2.22. Se as diagonais sao
( + ) ( ) = 2 2 .
os lados adjacentes tem
o mesmo comprimento e como ele e um paralelogramos todos
Entao,
o mesmo comprimento.
os lados tem
3.2.23. Vamos mostrar que = 0.
+ 2 = 2 + 2 + 2

Linear
Julho 2009
533
2 = 2 2 + 2
Assim + = implica que = 0.
Julho 2009
Reginaldo J. Santos
534
4.1. Equacoes
de Retas e Planos (pagina
242)
4.1.1.
1/5
1/3
1/2
(a)
(b)

Linear
Julho 2009
Captulo 4. Retas e Planos
535
z
1/2
1/3
(c)
1/3
1/2
(d)
1/3
(e)
Julho 2009
1/2
y
Reginaldo J. Santos
536

z
2/5
(f)
x
z
2/3
(g)
1/2
(h)
4.1.2.

Linear
Julho 2009
537
z
(a)
= (3, 1/2, 2)
z
= (2, 1, 3/2)
(b)
= (1, 0, 2)
(c)
Julho 2009
Reginaldo J. Santos
538

z
= (0, 2, 3/2)
(d)
= (2, 1, 0)
(e)
= (0, 0, 2)
(f)

Linear
Julho 2009
539
z
= (0, 2, 0)
(g)
x
z
= (2, 0, 0)
(h)
o vetor = (2, 1, 5) e
4.1.3. Como o novo plano e paralelo ao plano 2 + 5 3 = 0, entao
tambem vetor normal do plano procurado. Assim, a equacao dele e 2 + 5 + = 0. Para

do plano:
determinar substitumos o ponto = (1, 2, 1) na equacao
>> syms x y z d
>> expr=2*x-y+5*z+d
expr = 2*x-y+5*z+d
>> subst(expr,[x,y,z],[1,-2,1])
ans = 9+d
Julho 2009
Reginaldo J. Santos
540

do plano e 2 + 5 9 = 0.
Assim a equacao
paralelos a ao
4.1.4. Os vetores normais dos outros planos, 1 = (1, 2, 3) e 2 = (2, 1, 4), sao
plano procurado . Assim o produto vetorial 1 2 e um vetor normal a .
>> N1=[1,2,-3];N2=[2,-1,4];
>> N=pv(N1,N2)
N = 5
-10
-5
de e 5 10 5 + = 0. Para determinar substitumos o ponto
Assim, a equacao
do plano:
= (2, 1, 0) na equacao
>> expr=5*x-10*y-5*z+d
expr = 5*x-10*y-5*z+d
>> subst(expr,[x,y,z],[2,1,0])
ans = d
do plano e 5 10 5 = 0.
Assim, a equacao
4.1.5. Como o plano procurado passa pelos pontos = (1, 0, 0) e = (1, 0, 1) e e perpendicular
os vetores = (0, 0, 1) e o vetor normal do plano = 0,

ao plano = 0, entao
paralelos ao plano procurado . Assim o produto vetorial 1 e um

1 = (0, 1, 1) sao
vetor normal a .
>> PQ=[0,0,1];N1=[0,1,-1];
>> N=pv(PQ,N1)
N = -1
0
0

Linear
Julho 2009
541
de e + = 0. Para determinar substitumos o ponto = (1, 0, 0) na

Assim, a equacao
do plano, obtendo que a equacao
de e + 1 = 0.
equacao
da reta e (, , ) = (, 2, ). Substituindo-se o ponto da reta na equacao
do plano
4.1.6. A equacao
obtemos o valor de
>> V=[1,2,1];
>> syms t
>> t=solve(2*t+2*t+t-5)
t = 1
Substituindo-se este valor de nas equacoes

parametricas
da reta obtemos o ponto =
(1, 2, 1).
4.1.7. Um ponto da reta e da forma = (9, 1 + 6, 2 + 3) e um ponto da reta e da forma
= (1 + 2, 3 + , 1). As retas se cortam se existem e tais que = , ou seja, se o
sistema seguinte tem solucao
9
= 1 + 2
1 + 6 = 3 +
2 + 3 =
1
>> escalona([9,-2,1;6,-1,2;3,0,3])
[ 9, -2, 1]
[ 6, -1, 2]
[ 3, 0, 3]
elimina
c
ao 1:
Julho 2009
Reginaldo J. Santos
542

[
1, -2/9, 1/9]
[
6,
-1,
2]
[
3,
0,
3]
[
1, -2/9, 1/9]
[
0, 1/3, 4/3]
[
0, 2/3, 8/3]
elimina
c
ao 2:
(3)*linha 2 ==> linha 2
[
1, -2/9, 1/9]
[
0,
1,
4]
[
0, 2/3, 8/3]
(2/9)*linha 2 + linha 1 ==> linha 1
[ 1, 0, 1]
[ 0, 1, 4]
[ 0, 0, 0]
do sistema e = 1 e = 4. Substituindo-se ou = 1 na equacao
da reta ou = 4
A solucao
na equacao da reta obtemos o ponto da intersecao = (9, 7, 1).

paralelos ao plano procurado
4.1.8. Os vetores diretores das retas, 1 = (2, 2, 1) e 2 = (1, 1, 1), sao
. Assim, o produto vetorial 1 2 e um vetor normal a .
>> V1=[2,2,1]; V2=[1,1,1]; P1=[2,0,0];

Linear
Julho 2009
>> N=pv(V1,V2)
N = 1
-1
543
de e + = 0. Para determinar substitumos o ponto 1 = (2, 2, 1)

Assim, a equacao
do plano:
da reta na equacao
>> expr=x-y+d
expr =x-y+d
>> subst(expr,[x,y,z],P1)
ans =2+d
do plano e 2 = 0.
Assim, a equacao
4.1.9.
da reta obtemos valores diferentes

(a) Substituindo-se o ponto = (4, 1, 1) nas equacoes
de :
>> solve(4=2+t), solve(1=4-t),...

>> solve(-1=1+2*t)
ans = 2 ans = 3 ans = -1
existe um valor de tal que = (2 + , 4 , 1 + 2).
Logo nao
(b) O ponto = (2, 4, 1) e um ponto do plano procurado. Assim, e paralelo aos vetores
= (2, 3, 2) e o vetor diretor da reta , = (1, 1, 2). Logo, o produto vetorial
e um vetor normal ao plano :
>> P=[4,1,-1]; Q=[2,4,1]; V=[1,-1,2];

Julho 2009
Reginaldo J. Santos
544
>> PQ=Q-P
PQ = [-2, 3, 2]
>> N=pv(PQ,V)
N = 8
6
-1
expr = 8*x-39+6*y-z
de obtemos que a equacao
do
Substituindo-se o ponto ou o ponto na equacao
plano e 8 + 6 39 = 0.
do plano e entao
+ + = 0.
4.1.10. O vetor = (1, 1, 1) e normal ao plano. A equacao
dos planos 1 e 2 e resolvendo o sistema resultante, obtemos
Fazendo = 0 nas equacoes
= 0 e = 1. Portanto, o ponto = (0, 1, 0) pertence a 1 e a 2 . Substituindo-se o ponto
do plano + + = 0 obtemos que a equacao
procurada e
= (0, 1, 0) na equacao
+ + 1 = 0.
4.1.11.
(a) >> N1=[1,2,-3]; N2=[1,-4,2]; V=pv(N1,N2)
V =
-8
-5
-6
Os planos se interceptam segundo uma reta cujo vetor diretor e = (8, 5, 6).
(b) >>
V =
N1=[2,-1,4]; N2=[4,-2,8]; V=pv(N1,N2)

0
0
0
paralelos.
Os planos sao
(c) >>
N1=[1,-1,0]; N2=[1,0,1]; V=pv(N1,N2)

V =
-1
-1
1
Os planos se interceptam segundo uma reta cujo vetor diretor e = (1, 1, 1).

Linear
Julho 2009
545
parametricas
4.1.12. O vetor normal ao plano e um vetor diretor da reta procurada. Assim as equacoes
(, , ) = (1 + , 2 , 1 + 2).
de sao
4.1.13. O vetor diretor da reta procurada e ortogonal ao mesmo tempo aos vetores normais dos dois
planos, portanto o produto vetorial deles e um vetor diretor da reta procurada.
>> pv([2,3,1],[1,-1,1])
4
-1
-5
(, , ) = (1 + 4, , 1 5).
4.1.14. >> escalona([1,1,-1,0;2,-1,3,1])
1
0
0
1
2/3
-5/3
1/3
-1/3
dos planos e (, , ) = (1/3 2/3, 1/3 + 5/3, ). O vetor diretor =

A reta intersecao
(2/3, 5/3, 1) desta reta e paralelo ao plano procurado. O ponto = (1/3, 1/3, 0) e um
um
portanto um ponto do plano procurado . O vetor e tambem
ponto da reta e e tambem
vetor paralelo a . Assim o produto vetorial e um vetor normal a .
>> A=[1,0,-1]; P=[1/3,-1/3,0];

>> V=[-2/3,5/3,1];
>> AP=P-A
AP = [-2/3, -1/3, 1]
>> N=pv(AP,V)
N = [
-2,
0, -4/3]
Julho 2009
Reginaldo J. Santos
546

2 4/3 + = 0 obtemos a equacao
Substituindo-se o ponto ou o ponto na equacao

do plano 6 + 4 2 = 0.
4.1.15. >> syms t s
>>
>>
BA
CD
A=[0,1,0];B=[1,1,0];C=[-3,1,-4];D=[-1,2,-7];
BA=B-A, CD=D-C,
= 1
0
0
= 2
1
-3
= (, 1, 0) e um ponto qualquer da reta e = (3 + 2, 1 + , 4 3) e um ponto qual
quer da reta . Precisamos encontrar pontos e tais que = , ou seja, precisamos

encontrar e tais que ( 2 + 3, , 3 + 4) = (, 5, ).
>> escalona([1,-2,-1,-3;0,-1,5,0;0,3,1,-4])
[ 1, -2, -1, -3]
[ 0, -1, 5, 0]
[ 0, 3, 1, -4]
elimina
c
ao 2:
[ 1, -2, -1, -3]
[ 0, 1, -5, 0]
[ 0, 3, 1, -4]
[
1,
0, -11, -3]
[
0,
1, -5,
0]

Linear
Julho 2009
547
[
0,
0, 16, -4]
elimina
c
ao 3:
(1/16)*linha 3 ==> linha 3
[
1,
0, -11,
-3]
[
0,
1,
-5,
0]
[
0,
0,
1, -1/4]
[
1,
0,
0, -23/4]
[
0,
1,
0, -5/4]
[
0,
0,
1, -1/4]
Pr0 = [-23/4, 1, 0]
Ps0 = [-11/2, -1/4, -1/4]
V = [1/4, -5/4, -1/4]
Encontramos que = 23/4, = 5/4 e = 1/4. Substituindo-se ou = 23/4 em
da reta e (, , ) = (23/4 + , 1 5, ).
= (, 1, 0) obtemos que a equacao
4.1.16.
(a) >> N1=[2,-1,1]; N2=[1,2,-1]; V=pv(N1,N2)
V = -1
Os planos se interceptam segundo uma reta que tem vetor diretor = (1, 3, 5).
(b) >> escalona([2,-1,1,0;1,2,-1,1])
[ 2, -1, 1,
[ 1, 2, -1,
elimina
c
ao 1:
Julho 2009
0]
1]
Reginaldo J. Santos
548

[ 1, 2, -1, 1]
[ 2, -1, 1, 0]
[ 1, 2, -1, 1]
[ 0, -5, 3, -2]
elimina
c
ao 2:
(-1/5)*linha 2 ==> linha 2
[
1,
2,
-1,
1]
[
0,
1, -3/5, 2/5]
[
1,
0, 1/5, 1/5]
[
0,
1, -3/5, 2/5]
Um ponto qualquer da reta e = (1/5 , 2/5 + 3, 5). Vamos determinar o valor de
tal que seja perpendicular ao vetor diretor da reta .

>> syms t
>> Pr=[1/5-t,2/5+3*t,5*t];A=[1,0,1];
>> APr=Pr-A
APr = [ -4/5-t, 2/5+3*t,
5*t-1]
>> expr=pe(APr,[-1,3,5])
expr = -3+35*t
>> t=solve(expr)
t = 3/35
Substituindo-se = 3/35 em = (4/5 , 2/5 + 3, 5 1), obtemos o vetor diretor

Linear
Julho 2009
549
da reta e (, , ) = (1 (31/35), (23/35), 1

da reta procurada e assim a equacao
(4/7)).
4.1.17. >> V1=[1,2,-3]; P1=[0,0,0];
>> V2=[2,4,-6]; P2=[0,1,2];

>> pv(V1,V2)
ans =
0
0
0
>> syms x y z; X=[x,y,z];
>> M=[X-P1;V1;P2-P1], expr=det(M)
M =[ x, y, z]
[ 1, 2, -3]
[ 0, 1, 2] expr = 7*x-2*y+z
Como o produto vetorial de 1 e 2 (os dois vetores diretores das retas) e igual ao vetor nulo,
as retas sao
paralelas. Neste caso, os vetores 1 e 1 2 sao
nao
colineares e paralelos
entao
do plano.
ao plano procurado. Assim, 7 2 + = 0 e a equacao
4.1.18.
(a) >> N1=[1,2,-3]; N2=[1,-4,2]; V=pv(N1,N2)
V =
-8
-5
-6
Os planos se interceptam segundo uma reta cujo vetor diretor e = (8, 5, 6). Fa
zendo = 0 nas equacoes

obtemos um sistema de duas equacoes
e duas incognitas
e = 3, = 1. Assim, 0 = (3, 0, 1) e um ponto da reta e as equacoes

cuja solucao
parametricas
da reta sao
Julho 2009
= 3 8
= 5,
para
= 1 6
Reginaldo J. Santos
550

(b) >>
N1=[1,-1,0]; N2=[1,0,1]; V=pv(N1,N2)

V =
-1
-1
1
Os planos se interceptam segundo uma reta cujo vetor diretor e = (1, 1, 1). Clara parametricas
mente 0 = (0, 0, 0) e um ponto da reta e as equacoes

da reta sao
=
= , para
=
4.1.19.
(a)
: (, , ) = (0, 1, 2)
: (, , ) = (1, 0, 2)
: (, , ) = (0, 1, 2) + (1, 1, 0)

Linear
Julho 2009
551
(b) = (0, 0, 2), = (0, 1, 2) e = (1, 0, 2).
vol = 16
( )
0 0 2
= det 0 1 2 = 26 = 13 .
1 0 2
(c) area = 12 = 12 (2, 2, 1) =
3
2
(d)
= dist(, ) =
Julho 2009
2
2
= .
3
3
Reginaldo J. Santos
552
4.1.20.

(a) Um ponto qualquer da reta 1 e descrito por 1 = (1+, 2+3, 4) e um ponto qualquer
o uso de um
da reta 2 e da forma 2 = (1 + , 1 + 2, 2 + 3). Aqui e necessario
parametro
diferente para a reta 2 . O vetor
1 2 = (2 + , 1 + 2 3, 2 + 3 4)
liga um ponto qualquer de 1 a um ponto qualquer de 2 . Vamos determinar e tais que
o vetor 1 2 seja perpendicular ao vetor diretor 1 = (1, 3, 4) de 1 e ao vetor diretor

2 = (1, 2, 3) de 2 , ou seja, temos que resolver o sistema
1 2 1 = 13 + 19 26 = 0
1 2 2 = 10 + 14 19 = 0
deste sistema e = 8/3, = 13/3. Logo 1 = (11/3, 10, 32/3), 2 =

A solucao
parametricas
da reta
(10/3, 29/3, 11) e 3 =1 2 = (1, 1, 1). Assim as equacoes
procurada sao
= 11/3
= 10 ,
3 :
para .
= 32/3 +
(b) Um ponto qualquer da reta 1 e descrito por 1 = (1+, 2+3, 4) e um ponto qualquer
da reta 2 e da forma 2 = (, 4 + 2, 3 + 3). Aqui e necessario

o uso de um parametro
diferente para a reta 2 . O vetor
1 2 = (1 + , 2 + 2 3, 3 + 3 4)

Linear
Julho 2009
553
liga um ponto qualquer de 1 a um ponto qualquer de 2 . Vamos determinar e tais que
o vetor 1 2 seja perpendicular ao vetor diretor 1 = (1, 3, 4) de 1 e ao vetor diretor

2 = (1, 2, 3) de 2 , ou seja, temos que resolver o sistema
1 2 1 = 19 + 19 26 = 0
1 2 2 = 14 + 14 19 = 0
deste sistema e = 0, = 1. Logo 1 = (1, 2, 0), 2 = (1, 2, 0) e

A solucao
pode ser o vetor diretor da reta procu1 2 = (0, 0, 0). Neste caso o vetor 1 2 nao
rada. Vamos tomar como vetor diretor da reta procurada o vetor 3 = 1 2 = (1, 1, 1).
parametricas
Assim as equacoes
da reta procurada sao
= 1 +
= 2 + , para .
3 :
4.2. Angulos
e Distancias
(pagina
270)
4.2.1. >> V=[1,3,2];W=[2,-1,1];U=[1,-2,0];
>> N=pv(W,U), projecao=(pe(V,N)/pe(N,N))*N

N = 2
1
-3 projecao = -1/7 -1/14
3/14
4.2.2. >> N1=[2,-1,1]; N2=[1,-2,1];
>> costh=pe(N1,N2)/(no(N1)*no(N2))
costh = 5/6
Julho 2009
Reginaldo J. Santos
554
>> acos(5/6)*180/pi
ans = 33.5573
O angulo
e arccos(5/6) 33, 5o .
4.2.3. >> A=[1,1,1];B=[1,0,1];C=[1,1,0];
>> P=[0,0,1];Q=[0,0,0];V=[1,1,0];
>> N1=pv(B-A,C-A), N2=pv(Q-P,V),...
>> costh=pe(N1,N2)/(no(N1)*no(N2))
N1 = 1
0
0, N2 = 1
-1
costh = 1/2*2(1/2)
O angulo
e arccos( 2/2) = 45o .
0,
4.2.4. O vetor diretor da reta procurada = (, , ) faz angulo

de 45o com o vetor e 60o com o vetor
. Podemos fixar arbitrariamente a norma do vetor . Por exemplo, podemos tomar o vetor
com norma igual a 2.
= (, , )
2 = 2 + 2 + 2 = 4

2
= cos 45 =
, = 1

2
1

= cos 60 = ,

2
= 1
Substituindo-se estes valores em 2 + 2 + 2 = 4:
2 + 1 + 2 = 4,

Linear
= 1
Julho 2009
555
Assim, existem aparentemente, oito retas que passam pelo ponto = (1, 2, 3) e fa (, , ) = (1, 2, 3) +
zemangulo
de 45o com o eixo x e 60o com o eixo y. Elas sao
( 2, 1, 1). Na verdade existem quatro retas (distintas), pois umvetor diretor e o seu
(, , ) = (1, 2, 3) + ( 2, 1, 1).
simetrico
determinam a mesma reta. Elas sao
4.2.5. >> syms t, A=[1,1,0]; V=[0,1,-1]; Pr=[0,t,-t];
>> PrA=A-Pr, expr1=pe(PrA,V)

PrA = [1, 1-t, t] expr1 = 1-2*t
expr2 = 2*(1-t+t2)(1/2)
>> expr2=no(PrA)*no(V)
>> solve((expr1/expr2)2-1/4)
[0][1]
>> B=subs(Pr,t,0), C=subs(Pr,t,1)
B = [0, 0, 0] C = [0, 1, -1]
4.2.6. >> A=[1,0,0]; B=[0,1,0]; C=[1,0,1]; O=[0,0,0];
>> N=B-A
-1
2
0
>> dist=abs(pe(N,C-O))/no(N)
dist =1/2(1/2)
A distancia
e igual a 1/ 2.
4.2.7.
(a) >> syms t s
>> A=[1,0,0]; B=[0,2,0]; V2=[1,2,3]; P2=[2,3,4];

>> Pr1=A+t*(B-A), Pr2=P2+s*V2
Pr1 = [1-t, 2*t, 0] Pr2 = [2+s, 3+2*s, 4+3*s]
Julho 2009
Reginaldo J. Santos
556
2 = (1 , 2, 0) e um ponto qualquer da reta 1 e 2 = (2 + , 3 + 2, 4 + 3) e
um ponto qualquer da reta 2 . Devemos determinar e tais que o vetor 1 2 seja

perpendicular aos vetores diretores de 1 e de 2 .
>> Pr1Pr2=Pr2-Pr1
Pr1Pr2 = [1+s+t, 3+2*s-2*t, 4+3*s]
>> expr1=pe(Pr1Pr2,B-A), expr2=pe(Pr1Pr2,V2)
expr1 = 5+3*s-5*t expr2 = 19+14*s-3*t
>> S=solve(5+3*s-5*t,19+14*s-3*t)
>> S.t, S.s
t = 13/61, s = -80/61
>> Pr10=subs(Pr1,t,13/61),
Pr10 = [48/61, 26/61, 0]
>> Pr20=subs(Pr2,s,-80/61)
Pr20 = [42/61, 23/61, 4/61]
>> V=Pr20-Pr10, expr=Pr10+t*V
V = [-6/61, -3/61, 4/61]
expr = [48/61-6/61*t, 26/61-3/61*t, 4/61*t]
da reta e (, , ) = (48/61 (6/61), 26/61 (3/61), (4/61)).
A equacao
entre 1 e 2 e igual a norma do vetor 1 2 = (6/61, 3/61, 4/61) que e

(b) A distancia
igual a 1/ 61.
4.2.8. >> A=[0,2,1]; Pr=[t,2-t,-2+2*t];
>> APr=Pr-A, dist=no(APr)

APr = [t, -t, -3+2*t]
dist = 3(1/2)*(2*t2+3-4*t)(1/2)

Linear
Julho 2009
557
>> solve(dist2-3)
[1][1]
>> P=subs(Pr,t,1)
P = [1, 1, 0]
A distancia
de ate a reta e igual a 3.
4.2.9. >> syms t
>> A=[1,1,1]; B=[0,0,1]; Pr=[1+t,t,t];

>> APr=Pr-A, BPr=Pr-B
APr = [t, -1+t, -1+t] BPr = [1+t, t, -1+t]
>> dist1q=pe(APr,APr), dist2q=pe(BPr,BPr)
dist1q = 3*t2+2-4*t dist2q = 2+3*t2
>> solve(dist1q-dist2q)
t=0
>> subs(Pr,t,0)
[1, 0, 0]
O ponto = (1, 0, 0) e equidistante
de e .
4.2.10. >> A=[1,-1,2]; B=[4,3,1]; X=[x,y,z];
>> AX=X-A, BX=X-B,

AX = [x-1, y+1, z-2] BX = [x-4, y-3, z-1]
>> dist1q=pe(AX,AX), dist2q=pe(BX,BX)
dist1q = x2-2*x+6+y2+2*y+z2-4*z
dist2q = x2-8*x+26+y2-6*y+z2-2*z
>> expr=dist1q-dist2q
expr = 6*x-20+8*y-2*z
Julho 2009
Reginaldo J. Santos
558

do lugar geometrico
A equacao
e 6 + 8 2 20 = 0. Este plano passa pelo ponto medio
de
, pois o ponto medio

de e = = 1/2( + ) (Exerccio 1.18 na pagina
164)
do plano. O plano e perpendicular ao segmento , pois = (6, 8, 2) e
satisfaz a equacao
paralelo a = (3, 4, 1).
4.2.11. >> syms x y z d
>> expr1=2*x+2*y+2*z+d;
>> P1=[0,0,-d/2]; N=[2,2,2]; P=[1,1,1];
>> expr2=abs(pe(P-P1,N))/no(N)
expr2 = 1/6 6 + 3
>> solve(expr2-sqrt(3),d)
ans = [
0][ -12]
do exerccio.
Os planos 2 + 2 + 2 = 0 e 2 + 2 + 2 12 = 0 satisfazem as condicoes
4.2.12. >> N2=[1,-2,2];N3=[3,-5,7];
>> V=pv(N2,N3)
V =
-4
-1
1
1
2
= (, , ), 1 = (1, 0, 1)
+
= cos(/3)
= 12
2 +2 +2
2 + 2 + 2 = 2
=
2
4 + = 0
=
0

Linear
Julho 2009
559
(usando a 2a. equacao)

segue que
Da 1a. equacao
+ = 1 = 1 .
Da 3a. equacao
= 4 = 1 5,
Substituindo-se os valores de e encontrados na 2a. equacao:
2 + (1 5)2 + (1 )2 = 2,
272 = 12, = 0 ou = 4/9.
= (0, 1, 1) ou = (4/9, 11/9, 5/9)
do exerccio
Os planos + = 0 e 4 11 + 5 = 0 satisfazem as condicoes
4.2.13.
(a) = (1, 1, 1) (1, 1, 0) = 0
(b) Tomando = (0, 0, 0) e = (1, 0, 1):
2

(1, 0, 1) (1, 1, 1)
=
d(, ) =
=

3
3
Pois se e uma reta reversa a` contida em , entao
(c) Nao.
2
d(, ) = d(, ) = < 2.
3
Julho 2009
Reginaldo J. Santos
560
4.2.14.
(a) = (7/3, 7/2, 0)
= (7/3, 2, 11/6)
= (77/12, 77/18, 77/6)
1 = (36/77) = (3, 2, 6)
do plano e 3 + 2 + 6 6 = 0
A equacao
(b) = (5/2, 5, 11)
= (5, 5/2, 0)
2 = (2/5) = (2, 1, 0)
do plano e 2 + 2 = 0
A equacao
]
]
[
1 2/3 2 2
3 2 6 6
(c)
2
1 0 ]2
[ 2 1 0 2
] [
1 2/3 2 2
1 0 6 2
0
1 12 6
0 1 12
6
[
1
2/3
2
2
0 1/3 4 2
parametricas
(, , ) = (2 + 6, 6 12, ).
As equacoes
da reta sao
(d)

Linear
Julho 2009
561
(e) cos(1 , 2 ) =
1 2
1 2
7 5
(f) = proj1 =
1
1
1 2
6
(3, 2, 6)
49
(g) area = /2 = (77/12, 77/18, 77/6)/2 =
Julho 2009
77
(3, 2, 6)
72
539
72
Reginaldo J. Santos
562
5.1. Independencia
Linear (pagina
303)
vez.
5.1.1. Podemos resolver os quatro sistemas de uma unica
>> v1=[5,-3,1];v2=[0,4,3];v3=[-10,18,7];
>> va=[10,-2,5];vb=[10,2,8];vc=[-2,-1,1];
>> vd=[-1,2,3];
>> A=[v1;v2;v3;va;vb;vc;vd];
>> escalona(A)
[
5,
0, -10, 10, 10, -2, -1]
[ -3,
4, 18, -2,
2, -1,
2]
[
1,
3,
7,
5,
8,
1,
3]
elimina
c
ao 1:
[
1,
3,
7,
5,
8,
1,
3]
[ -3,
4, 18, -2,
2, -1,
2]
[
5,
0, -10, 10, 10, -2, -1]
Continua ? (s/n) s
[
1,
3,
7,
5,
8,
1,
3]
[
0, 13, 39, 13, 26,
2, 11]
[
0, -15, -45, -15, -30, -7, -16]
Continua ? (s/n) s
elimina
c
ao 2:

Linear
Julho 2009
Captulo 5. Espacos
(1/13)*linha 2 ==> linha 2

[
1,
3,
7,
5,
8,
[
0,
1,
3,
1,
2,
[
0,
-15,
-45,
-15,
-30,
Continua ? (s/n) s
[
1,
0,
-2,
2,
[
0,
1,
3,
1,
[
0,
0,
0,
0,
Continua ? (s/n) n
563
1,
3]
2/13, 11/13]
-7,
-16]
2,
7/13,
6/13]
2,
2/13, 11/13]
0, -61/13, -43/13]
combinacao
linear de 1 , 2 e 3 , pois os sistemas
Assim, os vetores dos itens (a) e (b) sao
solucao,
enquanto para os vetores
[ 1 2 3 ] = , para os vetores dos itens (a) e (b) tem
tem
solucao.
dos itens (c) e (d) nao

5.1.2. Do escalonamento realizado no item anterior deduzimos que o sistema [ 1 2 3 ] =
0
nao
trivial. Logo, os vetores 1 , 2 e 3 sao
L.D. A solucao
e = 2, = 3 e
tem solucao
1 +2 +3 =
= . Escolhendo = 1 e substituindo os valores de , e na equacao
0
obtemos que 3 = 21 + 32 .
5.1.3.
(a) >> v1=[1,1,2];v2=[1,0,0];
>> v3=[4,6,12]
>> A=[v1;v2;v3;zeros(1,3)].
1
1
4
0
1
0
6
0
Julho 2009
Reginaldo J. Santos
564
2
0
12
0
>> R=escalona(A)
1
0
6
0
0
1
-2
0
0
0
0
0
(1, 1, 2) + (1, 0, 0) + (4, 6, 12) =
nao
trivial. Isto
Logo, a equacao
0 admite solucao
L.D.
implica que os vetores do item (a) sao
(b) >> v1=[1,-2,3];v2=[-2,4,-6];
>> A=[v1;v2;zeros(1,3)].
1
-2
0
-2
4
0
3
-6
0
>> R=escalona(A)
1
-2
0
0
0
0
0
0
0
(1, 2, 3) + (2, 4, 6) =
nao
trivial. Isto implica
Logo, a equacao
0 admite solucao
L.D. Observe que o segundo vetor e 2 vezes o primeiro.
que os vetores da item (b) sao
(c) >> v1=[1,1,1];v2=[2,3,1];
>> v3=[3,1,2];
>> A=[v1;v2;v3;zeros(1,3)].
1
2
3
0
1
3
1
0
1
1
2
0
>> R=escalona(A)

Linear
Julho 2009
Captulo 5. Espacos
1
0
0
565
0
1
0
0
0
0
0
1
0
(1, 1, 1) + (2, 3, 1) + (3, 1, 2) =
trivial. Isto
Logo, a equacao
0 so admite a solucao
L.I.
implica que os vetores do item (c) sao
(d) >> v1=[4,2,-1];v2=[6,5,-5];v3=[2,-1,3];
>> A=[v1;v2;v3;zeros(1,3)].
4
6
2
0
2
5
-1
0
-1
-5
3
0
>> R=escalona(A)
1
0
2
0
0
1
-1
0
0
0
0
0
nao
trivial. Isto
Logo, o sistema (4, 2, 1) + (2, 3, 1) + (2, 1, 3) =
0 admite solucao
L.D.
implica que os vetores do item (d) sao
5.1.4. >> syms a
>> A=[3,1,0;a2+2,2,0;0,0,0]
A =
[3, a2+2, 0]
[1,
2, 0]
[0,
0, 0]
>> escalona(A)
elimina
c
ao 1:
Julho 2009
Reginaldo J. Santos
566

[ 1
2
0 ]
[
]
[
2
]
[ 3 a + 2 0 ]
[
]
[ 0
0
0 ]
Continua ? (s/n) s
-(3)*linha 1 + linha 2 ==> linha 2
[ 1
2
0 ]
[
]
[
2
]
[ 0 a - 4 0 ]
[
]
[ 0
0
0 ]
Continua ? (s/n) n
>> solve(a2-4)
ans = [ 2][-2]
Para = 2 o conjunto de vetores e L.D.
5.1.5.
(a) 1 1 + 2 2 + 3 3 = 1 (1 + 2 ) + 2 (1 + 3 ) + 3 (2 + 3 ) = (1 + 2 )1 +
por hipotese
L.I., os esca(1 + 3 )2 + (2 + 3 )3 = 0. Como 1 , 2 e 3 sao
lares
que
os
est
ao
multiplicando
t
em
que
ser
iguais
a
zero.
O
que
leva
ao sistema
= 0
1 + 2
1
+ 3 = 0
2 + 3 = 0

Linear
Julho 2009
Captulo 5. Espacos
567
>> A=[1,1,0;1,0,1;0,1,1]
>> escalona(A)
[ 1, 1, 0]
[ 1, 0, 1]
[ 0, 1, 1]
[ 1, 0, 0]
[ 0, 1, 0]
[ 0, 0, 1]
vetorial inicial tem
somente a solucao
trivial 1 = 2 =
Assim, o sistema e a equacao
3 = 0. Portanto os vetores 1 , 2 e 3 sao L.I.

(b) 1 1 + 2 2 + 3 3 = 1 1 + 2 (1 + 3 ) + 3 (1 + 2 + 3 ) = (1 + 2 +
por hipotese
L.I., os esca3 )1 + 3 2 + (2 + 3 )3 = 0 Como 1 , 2 e 3 sao

multiplicando tem
que ser iguais a zero. O que leva ao sistema
lares que os estao
1 + 2 + 3 = 0
vetorial inicial tem
somente
3 = 0 Assim, o sistema e a equacao
2 + 3 = 0
trivial 1 = 2 = 3 = 0. Portanto os vetores 1 , 2 e 3 sao
L.I.
a solucao
5.1.6.
(a) >> syms m,P1=[1,0,2];V1=[2,1,3];
>> P2=[0,1,-1];V2=[1,m,2*m];
>> expr=det([V1;V2;P2-P1])
expr = -9*m+6
>> solve(expr)
ans = 2/3
Julho 2009
Reginaldo J. Santos
568

coplanares.
Para = 2/3 as retas sao
L.I., pois um
(b) Para = 2/3, os vetores diretores 1 = (2, 1, 3) e 2 = (1, 2/3, 4/3) sao
e multiplo
concorrentes.
nao
escalar do outro. Portanto, as retas sao
(c) >> syms x y z; P=[x,y,z];
>>
V2
>>
N=
V2=subs(V2,m,2/3)
= [
1, 2/3, 4/3]
N=pv(V1,V2)
[ -2/3, 1/3, 1/3]
do plano e 2+ = 0.
Tomando como vetor normal 3 = (2, 1, 1) a equacao
do plano:
Para determinar substitumos o ponto 1 = (1, 0, 2) na equacao
>> subst(2*x-y-z+d,[x,y,z],[1,0,2])
>> ans= d
do plano e 2 = 0.
Assim, a equacao
5.1.7. Precisamos determinar para que os vetores = (2, , 1), 1 = (1, 2, 0) e 2 = (1, 0, 1)
sejam L.D.
>> syms m
>> W=[2,m,1];V1=[1,2,0];V2=[1,0,1];
>> solve(det([W;V1;V2]))
ans = 2
Para = 2 a reta e paralela ao plano. A reta esta contida no plano se, e somente se, os
vetores 1 , 1 , 2 forem L.D., em que 1 = (1, 1, 1) e um ponto da reta.

Linear
Julho 2009
Captulo 5. Espacos
569
>> P1=[1,1,1];
>> det([P1;V1;V2])
ans = -1
esta contida no plano.
A reta nao
5.1.8.
(a) >> V1=[1;2;3]; V2=[3;4;5]; V3=[5;6;7];
>> V=randi(3,1)
V =
0
4
3
>> escalona([V1,V2,V3,V])
ans = 1
0
-1
0
0
1
2
0
0
0
0
1
linear de V1, V2 e V3.
e combinacao
Assim, V nao
(b) >> M=randi(3,5)
M =
-2
-4
1
-5
5
3
-3
-3
3
0
-5
-3
-3
-1
-1
>> escalona([V1,V2,V3,M])
1 0 -1 0 37/13 -101/26 173/26 -96/13
0 1 2 0 -29/13
37/26 -85/26
51/13
0 0 0 1
1/13
-4/13 12/13
-4/13
linear de V1, V2 e V3. Como as colunas
Assim, nenhuma das colunas de M e combinacao
Julho 2009
Reginaldo J. Santos
570
pertencam ao plano
de M foram geradas aleatoriamente, o mais provavel
e que elas nao
gerado por V1, V2 e V3.
que e valida
(c) V3=-V1+2V2, que e a mesma relacao

entre as colunas de forma escalonada
reduzida da matriz [V1,V2,V3,M].
(pagina
5.2. Subespacos Base e Dimensao

327)
5.2.1.
(a) >> A=[1,0,1,0,0;1,2,3,1,0;2,1,3,1,0]
1
0
1
2
2
1
>> R=escalona(A)
1
0
0
1
0
0
1
3
3
0
1
1
0
0
0
1
1
0
0
0
1
0
0
0
Encontramos a forma reduzida escalonada da matriz [

0], que corresponde ao sistema
+ 3
2 + 3
= 0
= 0
= 0
geral
Este sistema tem como solucao
= {(, , , 0) } .
Agora, para qualquer elemento de temos:
(, , , 0) = (1, 1, 1, 0) .
Logo, { = (1, 1, 1, 0)} gera .

Linear
Julho 2009
Captulo 5. Espacos
571
(b) >> A=[1,1,2,-1,0;2,3,6,-2,0;-2,1,2,2,0]
1
1
2
3
-2
1
>> R=escalona(A)
1
0
0
1
0
0
2
6
2
-1
-2
2
0
0
0
0
2
0
-1
0
0
0
0
0
Encontramos a forma reduzida escalonada da matriz [

0], que corresponde ao sistema
1
2
+
4 = 0
+ 23
= 0
geral
= {(, 2, , ) , } .
(, 2, , ) =
= (, 0, 0, ) + (0, 2, , 0)
= (1, 0, 0, 1) + (0, 2, 1, 0) .
Logo, = {1 = (1, 0, 0, 1), 2 = (0, 2, 1, 0)} gera .
5.2.2.
(a) >> syms x
>> A=[0,0,1;1,0,-3;0,1,3];
Julho 2009
Reginaldo J. Santos
572
>> B=A-x*eye(3)
[-x, 0,
1]
[ 1, -x, -3]
[ 0, 1, 3-x]
>> solve(det(B))
ans = [1][1][1]
>> B1=subs(B,x,1)
-1
0
1
1
-1
-3
0
1
2
>> escalona([B1,zeros(3,1)])
1
0
-1
0
0
1
2
0
0
0
0
0
{
1
2
3
+ 23
= 0
= 0
geral
= {(, 2, ) } .
(, 2, ) = (1, 2, 1) .
Logo, = { = (1, 2, 1)} gera . Como um conjunto formado por um unico

vetor nao
e base para .
nulo e sempre L.I., entao

Linear
Julho 2009
Captulo 5. Espacos
573
(b) >> A=[2,2,3,4;0,2,3,2;0,0,1,1;0,0,0,1]
>> B=A-x*eye(4)
[2-x,
2,
3,
4]
[ 0, 2-x,
3,
2]
[ 0,
0, 1-x,
1]
[ 0,
0,
0, 1-x]
>> solve(det(B))
ans = [2][2][1][1]
>> B1=subs(B,x,1)
1
2
3
4
0
1
3
2
0
0
0
1
0
0
0
0
1
0
-3
0
0
1
3
0
0
0
0
1
0
0
0
0
0
0
0
0
33
+ 33
4
= 0
= 0
= 0
geral
= {(3, 3, , 0) } .
Julho 2009
Reginaldo J. Santos
574

(3, 3, , 0) = (3, 3, 1, 0) .
Logo, = { = (3, 3, 1, 0)} gera . Como um conjunto formado por um unico
vetor

e base para .
nao
>> B2=subs(B,x,2)
0
2
3
4
0
0
3
2
0
0
-1
1
0
0
0
-1
0
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
0
0
0
0
2
3
= 0
= 0
= 0
geral
= {(, 0, 0, 0) } .
(, 0, 0, 0) = (1, 0, 0, 0) .

Linear
Julho 2009
Captulo 5. Espacos
575

vetor

e base para .
nao
(c) >> A=[1,1,-2;-1,2,1;0,1,-1]
>> B=A-x*eye(3)
[1-x,
1,
-2]
[ -1, 2-x,
1]
[ 0,
1, -1-x]
>> solve(det(B))
ans = [ 1][ 2][-1]
>> Bm1=subs(B,x,-1)
2
1
-2
-1
3
1
0
1
0
>> escalona([Bm1,zeros(3,1)])
1
0
-1
0
0
1
0
0
0
0
0
0
{
1
33
2
= 0
= 0
geral
= {(, 0, ) } .
(, 0, ) = (1, 0, 1) .
Julho 2009
Reginaldo J. Santos
576

vetor nao
e base para .
>> B1=subs(B,x,1)
0
1
-2
-1
1
1
0
1
-2
1
0
-3
0
0
1
-2
0
0
0
0
0
{
1
2
33
23
= 0
= 0
geral
= {(3, 2, ) } .
(3, 2, ) = (3, 2, 1) .

vetor nao
e base para .
>> B2=subs(B,x,2)

Linear
Julho 2009
Captulo 5. Espacos
577
-1
1
-2
-1
0
1
0
1
-3
1
0
-1
0
0
1
-3
0
0
0
0
0
{
1
2
3
33
= 0
= 0
geral
= {(, 3, ) } .
(, 3, ) = (1, 3, 1) .

vetor nao
e base para .
(d) >> A=[-1,2,2,0;-1,2,1,0;-1,1,2,0;0,0,0,1];
>> B=A-x*eye(4)
B =
[ -1-x,
2,
[
-1, 2-x,
Julho 2009
2,
1,
0]
0]
Reginaldo J. Santos
578
[
-1,
1, 2-x,
0]
[
0,
0,
0, 1-x]
>> solve(det(B))
ans = [ 1][ 1][ 1][ 1]
>> B1=subs(B,x,1);
>> escalona(B1)
[ -2, 2, 2, 0]
[ -1, 1, 1, 0]
[ -1, 1, 1, 0]
[ 0, 0, 0, 0]
elimina
c
ao 1:
[ -1, 1, 1, 0]
[ -2, 2, 2, 0]
[ -1, 1, 1, 0]
[ 0, 0, 0, 0]
[ 1, -1, -1, 0]
[ -2, 2, 2, 0]
[ -1, 1, 1, 0]
[ 0, 0, 0, 0]
[ 1, -1, -1, 0]
[ 0, 0, 0, 0]

Linear
Julho 2009
Captulo 5. Espacos
[
[
0,
0,
0,
0,
579
0,
0,
0]
0]
{
1 2 3
= 0
geral
= {( + , , , ) , , } .
( + , , , ) = (0, 0, 0, 1) + (1, 0, 1, 0) + (1, 1, 0, 0).

Logo, = {1 = (0, 0, 0, 1), 2 = (1, 0, 1, 0), 3 = ((1, 1, 0, 0)} gera . Como
(0, 0, 0, 0) = ( + , , , )
= (0, 0, 0, 1) + (1, 0, 1, 0) + (1, 1, 0, 0)
e base para .
implica que = = = 0, entao
(e) >> A=[2,3,0;0,1,0;0,0,2]
>> B=A-x*eye(3)
B = [ 2-x,
3,
0]
[
0, 1-x,
0]
[
0,
0, 2-x]
>> solve(det(B))
[ 2] [ 2] [ 1]
>> B1=subs(B,x,1)
Julho 2009
Reginaldo J. Santos
580
B1 = [ 1, 3 ,0]
[ 0, 0, 0]
[ 0, 0, 1]
{
1 + 32
3
= 0
= 0
geral
= {(3, , 0) } .
(3, , 0) = (3, 1, 0) .

vetor nao
e base para .
>> B2=subs(B,x,2)
B2 =[ 0, 3, 0]
[ 0, -1, 0]
[ 0, 0, 0]
{
geral
32
2
= 0
= 0
= {(, 0, ) , } .

Linear
Julho 2009
Captulo 5. Espacos
581
(, 0, ) = (1, 0, 0) + (0, 0, 1) .
e multiplo
Logo, = {1 = (1, 0, 0), 2 = (0, 0, 1)} gera . Como um vetor nao
escalar
do outro, o conjunto e L.I. Assim, e base para .

(f) >> A=[2,3,0;0,2,0;0,0,2]
>> B=A-x*eye(3)
B =[ 2-x,
3,
0]
[
0, 2-x,
0]
[
0,
0, 2-x]
>> solve(det(B))
[ 2][ 2][ 2]
>> B2=subs(B,x,2)
B2 =[ 0, 3, 0]
[ 0, 0, 0]
[ 0, 0, 0]
{
32
= 0
geral
= {(, 0, ) , } .
(, 0, ) = (1, 0, 0) + (0, 0, 1) .
Julho 2009
Reginaldo J. Santos
582

e multiplo
Logo, = {1 = (1, 0, 0), 2 = (0, 0, 1)} gera . Como um vetor nao
escalar
do outro, o conjunto e L.I. Assim, e base para .
5.2.3. >> N1=[1,-7,5];
>> N2=[3,-1,1];
>> V=pv(N1,N2)
V =
-2
14
20
parametrica
dos dois subespacos e (, , ) = (2, 14, 20),

A equacao
da reta intersecao
para todo . Assim, { = (2, 14, 20)} e uma base para a reta.
5.2.4.
(a) >> v1=[4,2,-3];v2=[2,1,-2];v3=[-2,-1,0];
>> escalona([v1;v2;v3;zeros(1,3)])
[ 4, 2, -2, 0]
[ 2, 1, -1, 0]
[ -3, -2, 0, 0]
elimina
c
ao 1:
[
1, 1/2, -1/2,
0]
[
2,
1,
-1,
0]
[
-3,
-2,
0,
0]
[
1, 1/2, -1/2,
0]
[
0,
0,
0,
0]
[
0, -1/2, -3/2,
0]
elimina
c
ao 2:

Linear
Julho 2009
Captulo 5. Espacos
583

[
1, 1/2, -1/2,
[
0, -1/2, -3/2,
[
0,
0,
0,
(-2)*linha 2 ==> linha
[
1, 1/2, -1/2,
[
0,
1,
3,
[
0,
0,
0,
(-1/2)*linha 2 + linha
[ 1, 0, -2, 0]
[ 0, 1, 3, 0]
[ 0, 0, 0, 0]
0]
0]
0]
2
0]
0]
0]
1 ==> linha 1
L.D., pois a equacao

1 + 2 + 3 =
nao
Os vetores 1 , 2 e 3 sao
0 admite solucao
trivial.
L.I. pois um vetor nao
e multiplo
(b) Os vetores 1 e 2 sao
escalar do outro.
de 1 + 2 + 3 =
(c) Do item (a) obtemos que a solucao
0 e (, , ) = (2, 3, ).
e
Tomando = 1 obtemos 21 32 + 3 = 0, ou seja, 3 = 21 + 32 . Logo, 3 nao
necessario
para gerar o subespaco gerado por 1 , 2 e 3 . Como pelo item anterior 1 e
L.I., entao
1 e 2 formam uma base para o subespaco gerado por 1 , 2 e 3 e a
2 sao
e 2.
dimensao
(d) E o plano que passa pela origem paralelo aos vetores 1 e 2 ou
>> pv(v1,v2)
-1
2
Julho 2009
0
Reginaldo J. Santos
584

Este subespaco e um plano que passa pela origem com vetor normal = 1 2 =
(1, 2, 0), ou seja, e o plano 2 = 0.
5.2.5.
pois basta tomarmos um vetor que nao

esta no subespaco gerado por 1 e 2 (que
(a) Nao,
sera combinacao
linear de 1 e 2 .
e um plano que passa pela origem), que ele nao
(b) Para que 1 , 2 e 3 formem uma base de 3 basta que 1 , 2 e 3 sejam L.I. Para isso
seja combinacao
linear de 1 e 2 .
3 = (, , ) deve ser um vetor que nao
seja combinacao
linear de 1 e 2 . Por exemplo
(c) Devemos acrescentar um vetor 3 que nao
3
do e igual a 3, entao
3 = (0, 0, 1). Como a dimensao

319 3 = (0, 0, 1), e tal que 1 , 2 e 3 formam uma base de 3 .
do plano obtemos que

5.2.6. Fazendo = e = na equacao
= 2 4.
da forma
Assim, os pontos do plano + 2 + 4 = 0 sao
(, , ) = (2 4, , ), , ,
da forma
ou seja, sao
(, , ) = (4, 0, 1) + (2, 1, 0) = 1 + 2 , ,
em que 1 = (4, 0, 1) e 2 = (2, 1, 0).
L.I. (um nao
e multiplo
Assim, 1 e 2 formam uma base do plano , pois sao
escalar do outro)
linear deles).
e geram (todo vetor de e combinacao

Linear
Julho 2009
Captulo 5. Espacos
585
seja
Para estender 1 e 2 a uma base de 3 , precisamos acrescentar um vetor que nao
linear de 1 e 2 . Uma maneira de se conseguir isso e tomar um vetor que nao

combinacao
pertenca ao plano, ou seja, um vetor (, , ) tal que +2+4 = 0. Por exemplo 3 = (1, 0, 0).
5.2.7. >> V1=[-1,2,3];V2=[1,3,4];
>> N1=pv(V1,V2)
N1 =
-1
7
-5
>> V3=[1,2,-1];V4=[0,1,1];
>> N2=pv(V3,V4)
N2 =
3
-1
1
>> V=pv(N1,N2)
V =
2
-14
-20
dos dois subespacos e (, , ) = (2, 14, 20), para qualquer . Uma
A reta intersecao
base para a reta e { = (2, 14, 20)}.
5.2.8.
(a)
= (3 + 4 4, 2 4 6, 2 4 + 2)
= (3, 2, 2) + (4, 4, 4) + (4, 6, 2)
= (3, 2, 2) + (4, 4, 4) + (4, 6, 2).
{1 , 2 , 3 }
Logo, definindo 1 = (3, 2, 2), 2 = (4, 4, 4) e 3 = (4, 6, 2), entao
gera .
(b) >> V1=[3,2,-2];V2=[4,-4,-4];V3=[-4,-6,2];
>> escalona([V1;V2;V3])
Julho 2009
Reginaldo J. Santos
586
[ 3, 4, -4]
[ 2, -4, -6]
[ -2, -4, 2]
elimina
c
ao 1:
[
1, 4/3, -4/3]
[
2,
-4,
-6]
[
-2,
-4,
2]
[
1,
4/3, -4/3]
[
0, -20/3, -10/3]
[
0, -4/3, -2/3]
elimina
c
ao 2:
(-3/20)*linha 2 ==> linha 2
[
1, 4/3, -4/3]
[
0,
1, 1/2]
[
0, -4/3, -2/3]
(4/3)*linha 2 + linha 3 ==> linha 3
[
1,
0, -2]
[
0,
1, 1/2]
[
0,
0,
0]
de 1 + 2 + 3 =
A solucao
0 e (, , ) = (2, /2, ). Tomando = 2 obtemos

Linear
Julho 2009
Captulo 5. Espacos
587
41 + 2 + 23 = 0. Ou seja, 2 = 23 41 .
de , pois ele e combinacao
linear dos
Assim o vetor 2 pode ser descartado na geracao
suficientes para gerar . Como alem
disso, os
outros dois. Logo, apenas 1 e 3 sao
tais que um nao
e multiplo
eles sao
L.I. e
vetores 1 e 3 sao
{1 , 2 } ou {2 , 3 } sao
bases.
portanto {1 , 3 } e uma base de . Tambem
5.2.9.
pois sao
necessarios
(a) Nao
4 vetores L.I. para se obter uma base de 4 (Teorema 5.7 na
pagina
319).
pertencerem ao subespaco gerado por 1 e 2 .
(b) 3 e 4 devem ser L.I. e nao
1 e 2 ,
(c) Escalonando a matriz cujas linhas sao
obtemos
3
5
2 1
1 2 1 2
[
1 0 1 12
0 1 1 7
Acrescentando as linhas 3 = [ 0 0 1 0 ] e 4 = [ 0 0 0 1 ]:
1
0
=
0
0
L.I.
Vamos verificar que 1 , 2 , 3 e 4 sao
0
1
0
0
1 12
1 7
1
0
0
1
1 1 + 2 2 + 3 3 + 4 4 = 0
Julho 2009
Reginaldo J. Santos
588
= 0
e equivalente ao sistema =
0, em que = [ 1 2 3 4 ]. Mas como det()
pode ser obtida de
det() = 0, pelo Teorema 2.13 na pagina
entao
115, pois
do
aplicando-se operacoes
elementares. Logo {1 , 2 , 3 , 4 } e L.I. Como a dimensao
4
e igual a 4 , entao
319 1 , 2 , 3 , 4 formam uma base de
4
.
5.2.10. >> A=triu(randi(4,4,3))
A = -1
-2
1
0
2
-2
0
0
-1
0
0
0
>> B=A-x*eye(4)
B =
[ -1-x,
-2,
1,
[
0, 2-x,
-2,
[
0,
0, -1-x,
[
0,
0,
0,
>> solve(det(B))
[ -1][ -1][ 2][ 0]
>> Bm1=subs(B,x,-1)
Bm1 =
[ 0, -2, 1, 1]
[ 0, 3, -2, -2]
[ 0, 0, 0, 2]
[ 0, 0, 0, 1]
>> escalona(Bm1)
1
-2
2
0
1]
-2]
2]
-x]

Linear
Julho 2009
Captulo 5. Espacos
[
[
[
[
0,
0,
0,
0,
1,
0,
0,
0,
0,
1,
0,
0,
589
0]
0]
1]
0]
3
4
= 0
= 0
= 0
geral
= {(, 0, 0, 0) } .
(, 0, 0, 0) = (1, 0, 0, 0) .
nulo
vetor nao
e base para .
e sempre L.I., entao
>> B2=subs(B,x,2)
B2 =
[ -3, -2, 1, 1]
[ 0, 0, -2, -2]
[ 0, 0, -3, 2]
[ 0, 0, 0, -2]
>> escalona(B2)
Julho 2009
Reginaldo J. Santos
590
[
[
[
[
1, 2/3,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0]
0]
1]
0]
1 + 2/32
3
4
= 0
= 0
= 0
geral
= {(2, 3, 0, 0) } .
(2, 3, 0, 0) = (2, 3, 0, 0) .

vetor nao
e base para .
>> B0=subs(B,x,0)
B0 =
[ -1, -2, 1, 1]
[ 0, 2, -2, -2]
[ 0, 0, -1, 2]
[ 0, 0, 0, 0]

Linear
Julho 2009
Captulo 5. Espacos
>>
[
[
[
[
591
escalona(B0)
1, 0, 0, 3]
0, 1, 0, -3]
0, 0, 1, -2]
0, 0, 0, 0]
geral
34 = 0
34 = 0
24 = 0
= {(3, 3, 2, ) } .
(3, 3, 2, ) =
(3, 3, 2, 1) .

vetor nao
e base para .
5.3. Produto Escalar em (pagina

355)
5.3.1. >> syms a
>> x=[1,1,-2];y=[a,-1,2];
>> solve(pe(x,y))
ans = 5
Julho 2009
Reginaldo J. Santos
592
5.3.2. >> syms a b
>> x=[1/2(1/2),0,1/2(1/2)];y=[a,1/2(1/2),-b];
>> sol=solve(pe(x,y),no(y)-1)
sol =
a: [2x1 sym]
b: [2x1 sym]
>> sol.a, sol.b
ans = [ 1/2] [ -1/2] ans = [ 1/2] [ -1/2]
5.3.3. O conjunto dado consiste dos vetores da forma:
( , , ) = (, 0, ) + (, , 0)
= (1, 0, 1) + (1, 1, 0)
>> v1=[-1,0,1];v2=[-1,1,0];
>> w1=v1; w2=v2-proj(w1,v2);
>> u1=w1/no(w1), u2=w2/no(w2)
[
]
1 = 12 2 0 12 2
[

]
2 = 61 3 2 13 3 2 61 3 2
5.3.4. O conjunto dado consiste dos vetores da forma:
( + 2 + , , , ) =
(, 0, 0, ) + (2, 0, , 0) + (, , 0, 0) =
(1, 0, 0, 1) + (2, 0, 1, 0) + (1, 1, 0, 0)

Linear
Julho 2009
Captulo 5. Espacos
>>
>>
>>
>>
593
v1=[-1,0,0,1];v2=[2,0,1,0];v3=[1,1,0,0];
w1=v1; w2=v2-proj(w1,v2);
w3=v3-proj(w1,v3)-proj(w2,v3);
u1=w1/no(w1), u2=w2/no(w2), u3=w3/no(w3)
[
]
1 = 12 2 0 0 12 2
[
]
2 = 13 3 0 31 3 13 3
[ 1
]
1
1
3 = 42
42 71 42 21
42 42
42
5.3.5. >> A=[1,1,-1,0;2,1,2,0];
>> escalona(A)
1
0
3
0
1
-4
0
0
{
geral
+ 33
2 43
= 0
= 0
= {(3, 4, ) } .
(3, 4, ) = (3, 4, 1) .
nulo e sempre L.I.
Um conjunto formado por um unico
vetor nao
Julho 2009
Reginaldo J. Santos
594
>> v=[-3,4,1];
>> u=v/no(v)
[ 3
2
= 26
26 13
26
1
26
26
5.3.6. >> V1=[1,2,-3]; P1=[0,0,0];
>> V2=[2,4,-6]; P2=[0,1,2];

>> pv(V1,V2)
ans =
0
0
0
>> syms x y z; X=[x,y,z];
>> M=[X-P1;V1;P2-P1], expr=det(M)
M =[ x, y, z]
[ 1, 2, -3]
[ 0, 1, 2] expr = 7*x-2*y+z
Como o produto vetorial de 1 e 2 (os dois vetores diretores das retas) e igual ao vetor nulo,
nao
colineares e paralelos
as retas sao
paralelas. Neste caso, os vetores 1 e 1 2 sao
entao
do plano, que passa pela origem,
ao plano procurado. Assim, 7 2 + = 0 e a equacao
logo e um subespaco. Este subespaco consiste dos vetores da forma:
(, , 7 + 2) = (, 0, 7) + (0, , 2)
= (1, 0, 7) + (0, 1, 2)
>>
>>
W2
>>
V1=[1,0,-7];V2=[0,1,2];
W1=V1; W2=V2-proj(W1,V2)
=[ 7/25,
1, 1/25]
U1=W1/no(W1), U2=W2/no(W2)

Linear
Julho 2009
Captulo 5. Espacos
595
[
]
7
1 = 1/10 2 0 10
2
[ 7
]
2 = 45 3 5/9 3 1/45 3
5.3.7. >> v1=[1,1,-1,0];v2=[0,2,0,1];v3=[-1,0,0,1];
>>
w2
>>
w3
>>
w1=v1; w2=v2-proj(w1,v2)
= [-2/3, 4/3, 2/3, 1]
w3=v3-proj(w1,v3)-proj(w2,v3)
= [-4/11, -3/11, -7/11, 6/11]
u1=w1/no(w1),u2=w2/no(w2),u3=w3/no(w3)
]
[
1 = 13 3 13 3 31 3 0
[ 2

]
4
2
1
2 = 33
11 3 33
11 3 33
11 3 11
11 3
]
[ 2
3
7
3
3 = 55 110 110
110 110
110 55
110
5.3.8. >> v1=[1,1,1];v2=[0,1,1];v3=[1,2,3];
>>
w2
>>
w3
>>
w1=v1; w2=v2-proj(w1,v2)
= [-2/3, 1/3, 1/3]
w3=v3-proj(w1,v3)-proj(w2,v3)
= [0, -1/2, 1/2]
u1=w1/no(w1),u2=w2/no(w2),u3=w3/no(w3)
Julho 2009
[
1 = 13 3
[

2 = 31 2 3
1
3
3 31

1
2 3
6
]
3
]
1
2 3
6
Reginaldo J. Santos
596
3 =
5.3.9. >> syms x y z d
0 12
1
2
]
2
>> expr1=2*x+2*y+2*z+d;
>> P1=[0,0,-d/2]; N=[2,2,2]; P=[1,1,1];
>> expr2=abs(pe(P-P1,N))/no(N)
expr2 = 1/6 6 +
>> solve(expr2-sqrt(3),d)
ans = [
0][ -12]
do exerccio.
Os planos 2 + 2 + 2 = 0 e 2 + 2 + 2 12 = 0 satisfazem as condicoes
Apenas o primeiro plano e um subespaco. Este subespaco consiste dos vetores da forma:
(, , ) = (, 0, ) + (0, , )
= (1, 0, 1) + (0, 1, 1)
>>
>>
W2
>>
1
2
V1=[1,0,-1];V2=[0,1,-1];
W1=V1; W2=V2-proj(W1,V2)
= [ -1/2,
1, -1/2]
U1=W1/no(W1), U2=W2/no(W2)
[
]
= 1/2 2 0 1/2 2
[

]
= 1/6 3 2 1/3 3 2 1/6 3 2 .
5.4. Mudanca de Coordenadas (pagina

377)

Linear
Julho 2009
Captulo 5. Espacos
5.4.1.
597
(a) >> v1=sym([1/sqrt(2),-1/sqrt(2)]);
>> v2=sym([1/sqrt(2),1/sqrt(2)]);
>> p=[1,3];
>> A=[v1;v2;p].
>> escalona(A)
[1,
0, -2(1/2)]
[0,
1, 2*2(1/2)]
ao sistema sao:
Assim, as coordenadas de em relacao

[ ]
2
2 2
(b) >> v1=sym([1/sqrt(2),-1/sqrt(2),0]);
>> v2=sym([0,0,1]);
>> v3=sym([1/sqrt(2),1/sqrt(2),0]);
>> p=[2,-1,2]; A=[v1;v2;v3;p].;
>> escalona(A)
[ 1,
0,
0, 3/2*2(1/2)]
[ 0,
1,
0,
2]
[ 0,
0,
1, 1/2*2(1/2)]
ao sistema sao:
Assim, as coordenadas de em relacao

3 2/2
2
2/2
Julho 2009
Reginaldo J. Santos
598
5.4.2.

(a) >> v1=sym([-1/sqrt(2),1/sqrt(2)]);
>> v2=sym([1/sqrt(2),1/sqrt(2)]);
>> v=2*v1+v2
]
[
2/2 3 2/2
(b) >> v1=sym([0,1/sqrt(2),-1/sqrt(2)]);
>> v2=sym([1,0,0]);
>> v3=sym([0,1/sqrt(2),1/sqrt(2)]);
>> v=-v1+v2+2*v3
v =
3
1
3
[
]
2/2 3 2/2
1
5.4.3. As coordenadas de
ao sistema
1 ,
2 e 3 em

relac
ao
sao
dadas
1
0
0
1/2
0
3/2
0
e 3 =
0
0
1
0 , 1
0
0

1
0
3/2
0 =
0
1/2
0
0
0
0
1/2 3/2
1
3/2
1/2
por
0
0 , respectivamente.
1
1
0
1
0
0 , 2 = 0 1/2 3/2
0
0
3/2
1/2

0
= 3/2
1/2
e
{, 1 , 2 , 3 }
Assim,

0
0
1 = 1/2
0
3/2
5.4.4. >> p=sym([sqrt(3),1]).; pr=sym([sqrt(3),-1]).;
>> A=[cos(th),-sin(th);sin(th),cos(th)];
>> expr=A*pr-p

Linear
Julho 2009
Captulo 5. Espacos
599
expr = [ cos(th)*3(1/2)+sin(th)-3(1/2)]
[
sin(th)*3(1/2)-cos(th)-1]
>> solve(expr(1,1),expr(2,1),th)
ans = 1/3*pi
e de /3.
A rotacao
5.4.5.
(a) Fazendo = 0 obtemos 3 3 = 0. Tomando =

podemos tomar como primeiro vetor da base do plano.
3, obtemos = 3. Assim
1 = ( 3, 3, 0).
Fazendo = 0 obtemos 3 + 2 = 0. Tomando = 2, obtemos = 3. Assim podemos
tomar como segundo vetor da base do plano
2 = (2, 0, 3).
Agora vamos encontrar uma base ortogonal do plano
1 = 1 = ( 3, 3, 0)
2 = 2 proj1 2
2 3
= (2, 0, 3)
( 3, 3, 0)
12
1
3 3
, 3) = (3, 3, 6)
= ( ,
2 2
2
Julho 2009
Reginaldo J. Santos
600

3
(b) Para completar a uma
com o vetor normal do
base ortogonal de basta completarmos
3
plano 3 = (3, 3, 2). Assim a base ortonormal do e
1 3
1
, 0)
1 = ( 3, 3, 0) = ( ,
2 2
2 3
1
3 1 3
2 = (3, 3, 6) = (
, ,
)
4 4 2
4 3
3 1
1
3
, )
3 = (3, 3, 2) = ( ,
4
4
4 2
(c) Seja
= [ 1 2 3 ]
= =
1
3 3
[]{,1 ,2 ,3 } = [ 1 0 0 ] = ( ,
, )
2
4 4
3
1
3
, ,
)
[]{,1 ,2 ,3 } = [ 0 1 0 ] = (
2 4
4
3 1
[]{,1 ,2 ,3 } = [ 0 0 1 ] = (0,
, )
2 2
5.4.6.

1
0
0
= 0
cos sen
0 sen cos

Linear
Julho 2009

Captulo 6. Diagonalizacao
601
de Matrizes (pagina
6.1. Diagonalizacao
407)
6.1.1.
(a) >> A=[1,1;1,1];
>> B=A-x*eye(2)
[1-x,
1]
[ 1, 1-x]
>> p=det(B)
p =-2*x+x2
>> solve(p)
[0][2]
>> B0=subs(B,x,0)
[1, 1]
[1, 1]
>> escalona(B0)
1
1
0
0
>> B2=subs(B,x,2)
[-1, 1]
[ 1, -1]
>> escalona(B2)
1
-1
0
0
Julho 2009
(b) >> A=[1,-1;2,4];
>> B=A-x*eye(2)
[1-x, -1]
[ 2, 4-x]
>> p=det(B)
p =6-5*x+x2
>> solve(p)
[3][2]
>> B2=subs(B,x,2)
[-1, -1]
[ 2, 2]
>> escalona(B2)
1
1
0
0
>> B3=subs(B,x,3)
[-2, -1]
[ 2, 1]
>> escalona(B3)
1
1/2
0
0
0 = {(, ) }
2 = {(, ) }
2 = {(, ) }
3 = {(, 2) }
Reginaldo J. Santos
602

(c)
>> A=[0,1,2;0,0,3;0,0,0];
>> B=A-x*eye(3)
[-x, 1, 2]
[ 0, -x, 3]
[ 0, 0, -x]
>> p=det(B)
p=-x3
>> solve(p)
[0][0][0]
>> B0=subs(B,x,0)
[0, 1, 2]
[0, 0, 3]
[0, 0, 0]
>> escalona(B0)
[0, 1, 0]
[0, 0, 1]
[0, 0, 0]
0 = {(, 0, 0) }
(d)
>> A=[1,0,0;-1,3,0;3,2,-2];
>> B=A-x*eye(3)
[1-x,
0,
0]
[ -1, 3-x,
0]
[ 3,
2, -2-x]
>> p=det(B)
p =(1-x)*(3-x)*(-2-x)
>> solve(p)
[ 1][ 3][-2]

Linear
>> Bm2=subs(B,x,-2)
[ 3, 0, 0]
[-1, 5, 0]
[ 3, 2, 0]
>> escalona(Bm2)
[1, 0, 0]
[0, 1, 0]
[0, 0, 0]
Julho 2009

>> B1=subst(B,x,1)
[ 0, 0, 0]
[-1, 2, 0]
[ 3, 2, -3]
>> escalona(B1)
[1, 0, -3/4]
[0, 1, -3/8]
[0, 0,
0]
603
>> B3=subs(B,x,3)
[-2, 0, 0]
[-1, 0, 0]
[ 3, 2, -5]
>> escalona(B3)
[1, 0,
0]
[0, 1, -5/2]
[0, 0,
0]
2 = {(0, 0, ) }
1 = {(6, 3, 8) }
3 = {(0, 5, 2) }
(e)
Julho 2009
Reginaldo J. Santos
604
>> A=[2,-2,3;0,3,-2;0,-1,2];
>> B=A-x*eye(3)
[2-x, -2,
3]
[ 0, 3-x, -2]
[ 0, -1, 2-x]
>> p=det(B)
p =(2-x)*(4-5*x+x2)
>> solve(p)
[2][4][1]
>> B1=subs(B,x,1)
[1, -2, 3]
[0, 2, -2]
[0, -1, 1]
>> escalona(B1)
[1, 0, 1]
[0, 1, -1]
[0, 0, 0]
>> B2=subs(B,x,2)
[0, -2, 3]
[0, 1, -2]
[0, -1, 0]
>> escalona(B2)
[0, 1, 0]
[0, 0, 1]
[0, 0, 0]
>> B4=subs(B,x,4)
[-2, -2, 3]
[ 0, -1, -2]
[ 0, -1, -2]
>> escalona(B4)
[1, 0, -7/2]
[0, 1,
2]
[0, 0,
0]
1 = {(, , ) }
2 = {(, 0, 0) }
4 = {(7, 4, 2) }
(f)

Linear
Julho 2009

>> A=[2,2,3;1,2,1;2,-2,1];
>> B=A-x*eye(3)
[2-x,
2,
3]
[ 1, 2-x,
1]
[ 2, -2, 1-x]
>> p=det(B)
p =-8-2*x+5*x2-x3
>> solve(p)
[ 2][ 4][-1]
>> Bm1=subs(B,x,-1)
[3, 2, 3]
[1, 3, 1]
[2, -2, 2]
>> escalona(Bm1)
[1, 0, 1]
[0, 1, 0]
[0, 0, 0]
605
>> B2=subs(B,x,2)
[0, 2, 3]
[1, 0, 1]
[2, -2, -1]
>> escalona(B2)
[1, 0,
1]
[0, 1, 3/2]
[0, 0,
0]
>> B4=subs(B,x,4)
[-2, 2, 3]
[ 1, -2, 1]
[ 2, -2, -3]
>> escalona(B4)
[1, 0,
-4]
[0, 1, -5/2]
[0, 0,
0]
1 = {(, 0, ) }, 2 = {(2, 3, 2) } e 4 =
{(8, 5, 2) }
6.1.2.
(a)
Julho 2009
Reginaldo J. Santos
606
>> A=[2,0,0;3,-1,0;0,4,3];
>> B2=subs(B,x,2)
>> B=A-x*eye(3)
[0, 0, 0]
[2-x,
0,
0]
[3, -3, 0]
[ 3, -1-x,
0]
[0, 4, 1]
[ 0,
4, 3-x]
>> escalona(B2)
>> p=det(B)
[1, 0, 1/4]
p =(2-x)*(-1-x)*(3-x)
[0, 1, 1/4]
>> solve(p)
[0, 0,
0]
[ 2][-1][ 3]
>> B3=subst(B,x,3)
>> Bm1=subs(B,x,-1)
[-1, 0, 0]
[3, 0, 0]
[ 3, -4, 0]
[3, 0, 0]
[ 0, 4, 0]
[0, 4, 4]
>> escalona(B3)
>> escalona(Bm1)
[1, 0, 0]
[1, 0, 0]
[0, 1, 0]
[0, 1, 1]
[0, 0, 0]
[0, 0, 0]
1 = {(0, , ) }. {(0, 1, 1)} e base para 1 , pois gera 1 ((0, , ) =
nulo e L.I.
(0, 1, 1)) e um vetor nao
2 = {(, , 4) }. {(1, 1, 4)} e base para 2 , pois gera 2
nulo e L.I.
((, , 4) = (1, 1, 4)) e um vetor nao
3 = {(0, 0, ) }. {(0, 0, 1)} e base para 3 , pois gera 3 ((0, 0, ) = (0, 0, 1))
nulo e L.I.
e um vetor nao
(b)

Linear
Julho 2009

>> A=[2,3,0;0,1,0;0,0,2];
>> B=A-x*eye(3)
[2-x,
3,
0]
[ 0, 1-x,
0]
[ 0,
0, 2-x]
>> p=det(B)
p =(2-x)2*(1-x)
>> solve(p)
[2][2][1]
>> B1=subs(B,x,1)
[1, 3, 0]
[0, 0, 0]
[0, 0, 1]
607
>> escalona(B1)
[1, 3, 0]
[0, 0, 1]
[0, 0, 0]
>> B2=subs(B,x,2)
[0, 3, 0]
[0, -1, 0]
[0, 0, 0]
>> escalona(B2)
[0, 1, 0]
[0, 0, 0]
[0, 0, 0]
1 = {(3, , 0) }. {(3, 1, 0)} e base para 1 , pois gera 1 ((3, , 0) =

nulo e L.I.
2 = {(, 0, ) , }. {1 = (1, 0, 0), 2 = (0, 0, 1)} e base para 2 , pois
gera 2 ((, 0, ) = (1, 0, 0) + (0, 0, 1)) e e L.I. (1 + 2 =
0 se, e somente se,
(, 0, ) = (0, 0, 0) ou = 0 e = 0).
(c)
Julho 2009
Reginaldo J. Santos
608
>> A=[1,2,3,4;0,-1,3,2;0,0,3,3;0,0,0,2];
>> B=A-x*eye(4)
[1-x,
2,
3,
4]
[ 0, -1-x,
3,
2]
[ 0,
0, 3-x,
3]
[ 0,
0,
0, 2-x]
>> p=det(B)
p =(1-x)*(2-x)*(-1-x)*(3-x)
>> solve(p)
[ 1][ 2][-1][ 3]
>> Bm1=subs(B,x,-1)
[2, 2, 3, 4]
[0, 0, 3, 2]
[0, 0, 4, 3]
[0, 0, 0, 3]
>> escalona(Bm1)
[1, 1, 0, 0]
[0, 0, 1, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]

Linear
>> B1=subs(B,x,1)
[0, 2, 3, 4]
[0, -2, 3, 2]
[0, 0, 2, 3]
[0, 0, 0, 1]
>> escalona(B1)
[0, 1, 0, 0]
[0, 0, 1, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
Julho 2009

>> B2=subs(B,x,2)
[-1, 2, 3, 4]
[ 0, -3, 3, 2]
[ 0, 0, 1, 3]
[ 0, 0, 0, 0]
>> escalona(B2)
[1, 0, 0, 29/3]
[0, 1, 0, 7/3]
[0, 0, 1,
3]
[0, 0, 0,
0]
609
>> B3=subst(B,x,3)
[-2, 2, 3, 4]
[ 0, -4, 3, 2]
[ 0, 0, 0, 3]
[ 0, 0, 0, -1]
>> escalona(B3)
[1, 0, -9/4, 0]
[0, 1, -3/4, 0]
[0, 0,
0, 1]
[0, 0,
0, 0]
1 = {(, , 0, 0) }. {(1, 1, 0, 0)} e base para 1 , pois gera 1

nulo e L.I.
((, , 0, 0) = (1, 1, 0, 0)) e um vetor nao
1 = {(, 0, 0, 0) }. {(1, 0, 0, 0)} e base para 1 , pois gera 1 ((, 0, 0, 0) =
nulo e L.I.
(1, 0, 0, 0)) e um vetor nao
2 = {(29, 7, 9, 3) }. {(29, 7, 9, 3)} e base para 2 , pois gera
nulo e L.I.
2 ((29, 7, 9, 3) = (29, 7, 9, 3)) e um vetor nao
3 = {(9, 3, 4, 0) }. {(9, 3, 4, 0)} e base para 3 , pois gera 3
nulo e L.I.
((9, 3, 4, 0) = (9, 3, 4, 0)) e um vetor nao
(d)
Julho 2009
Reginaldo J. Santos
610
>> A=[2,2,3,4;0,2,3,2;0,0,1,1;0,0,0,1];
>> B=A-x*eye(4)
[2-x,
2,
3,
4]
[ 0, 2-x,
3,
2]
[ 0,
0, 1-x,
1]
[ 0,
0,
0, 1-x]
>> p=det(B)
p =(2-x)2*(1-x)2
>> solve(p)
[2][2][1][1]
>> B2=subs(B,x,2)
>> B1=subs(B,x,1)
[0, 2, 3, 4]
[1, 2, 3, 4]
[0, 0, 3, 2]
[0, 1, 3, 2]
[0, 0, -1, 1]
[0, 0, 0, 1]
[0, 0, 0, -1]
[0, 0, 0, 0]
>> escalona(B2)
>> escalona(B1)
[0, 1, 0, 0]
[1, 0, -3, 0]
[0, 0, 1, 0]
[0, 1, 3, 0]
[0, 0, 0, 1]
[0, 0, 0, 1]
[0, 0, 0, 0]
[0, 0, 0, 0]
1 = {(3, 3, , 0) }. {(3, 3, 1, 0)} e base para 1 , pois gera 1
nulo e L.I.
((3, 3, , 0) = (3, 3, 1, 0)) e um vetor nao
2 = {(, 0, 0, 0) }. {(1, 0, 0, 0)} e base para 2 , pois gera 2 ((, 0, 0, 0) =
nulo e L.I.
(1, 0, 0, 0)) e um vetor nao
6.1.3.

Linear
Julho 2009

611
(a) >> A=[1,4;1,-2];
>> p=det(B)
p =-6+x+x2
>> solve(p)
[ 2][-3]
>> B=A-x*eye(2)
[1-x,
4]
[ 1, -2-x]
A matriz possui dois autovalores diferentes, logo possui dois autovetores L.I.
6.4 na pagina
pois, e 2 2 e possui dois

(Proposicao
398). A matriz e diagonalizavel
autovetores L.I. (Teorema 6.3 na pagina

394).
(b) >> A=[1,0;-2,1];
>> B1=subs(B,x,1)
[ 0, 0]
[-2, 0]
>> escalona(numeric(B1))
[1, 0]
[0, 0]
>> B=A-x*eye(2)
[1-x,
0]
[ -2, 1-x]
>> p=det(B)
p =(1-x)2
>> solve(p)
[1][1]
1 = {(, 0) }
e diagonalizavel
possui dois autovetores L.I. (Teorema 6.3 na

A matriz nao
pois, nao
pagina
394).
(c) >> A=[1,1,-2;4,0,4;1,-1,4]
A =
1
1
4
0
1
-1
>> B=A-x*eye(3); p=det(B)
p =5*x2-6*x-x3
Julho 2009
-2
4
4
Reginaldo J. Santos
612
>> solve(p)
ans =[0][2][3]
autovalores diferentes, logo possui tres
autovetores L.I. (Proposicao
A matriz possui tres
autovetores L.I.
6.4 na pagina
pois, e 3 3 e possui tres
394).
(Teorema 6.3 na pagina
(d) >> A=[1,2,3;0,-1,2;0,0,2];
>> p=det(B)
>> B=A-x*eye(3)
p =(1-x)*(-1-x)*(2-x)
A
[1-x,
2,
3]
>> solve(p)
[ 0, -1-x,
2]
[ 1][-1][ 2]
[ 0,
0, 2-x]
autovalores diferentes, logo possui tres
autovetores L.I. (Proposicao
matriz possui tres
autovetores L.I.
6.4 na pagina
pois, e 3 3 e possui tres
(Teorema 6.3 na pagina

394).
6.1.4.
(a) >> A=[1,1,2;0,1,0;0,1,3];
>> B=A-x*eye(3)
[1-x,
1,
2]
[ 0, 1-x,
0]
[ 0,
1, 3-x]
>> p=det(B)
p =(1-x)2*(3-x)
>> solve(p)
[1][1][3]

Linear
>> B1=subs(B,x,1)
[0, 1, 2]
[0, 0, 0]
[1, 1, 2]
>> escalona(B1)
[ 0, 1, 2]
[ 0, 0, 0]
[ 0, 0, 0]
Julho 2009

613
>> B3=subs(B,x,3)
[ -2, 1, 2]
[ 0, -2, 0]
[ 0, 1, 0]
>> escalona(B3)
[ 1, 0, -1]
[ 0, 1, 0]
[ 0, 0, 0]
1 = {(, 2, ) , }. {(1, 0, 0), (0, 2, 1)} e base para 1 , pois gera 1
L.I. (um vetor nao
e multiplo
((, 2, ) = (0, 2, 1) + (1, 0, 0)) e sao
escalar do
outro)
3 = {((, 0, ) }. {(1, 0, 1)} e base para 3 , pois gera 3 ((, 0, ) =

nulo e L.I.
1
0 1
= 0 2 0
0
1 1
(b) >> A=[4,2,3;2,1,2;-1,-2,0];
1 0 0
= 0 1 0
0 0 3
>> B=A-x*eye(3)
[4-x,
2, 3]
[ 2, 1-x, 2]
[ -1, -2, -x]
>> p=det(B)
p =-7*x+5*x2+3-x3
>> solve(p)
Julho 2009
Reginaldo J. Santos
614
[3][1][1]
>> B1=subs(B,x,1)
[ 3, 2, 3]
[ 2, 0, 2]
[-1, -2, -1]
>> escalona(B1)
[1, 0, 1]
[0, 1, 0]
[0, 0, 0]
>> B3=subs(B,x,3)
[ 1, 2, 3]
[ 2, -2, 2]
[-1, -2, -3]
>> escalona(B3)
[1, 0, 5/3]
[0, 1, 2/3]
[0, 0,
0]
1 = {(, 0, ) }. {(1, 0, 1)} e base para 1 , pois gera 1 ((, 0, ) =

nulo e L.I.
2 = {(5, 2, 3) }. {(5, 2, 3)} e base para 2 , pois gera 2
nulo e L.I.
((5, 2, 3) = (5, 2, 3)) e um vetor nao
e diagonalizavel
A matriz nao
pois so possui dois autovalores e cada um deles so possui
um autovetor L.I. associado (Teorema 6.3 na pagina

394).
(c) >> A=[1,2,3;0,1,0;2,1,2];
>> B=A-x*eye(3)
[1-x,
2,
3]
[ 0, 1-x,
0]
[ 2,
1, 2-x]
>> p=det(B)
p =-4+x+4*x2-x3
>> solve(p)
[ 1][ 4][-1]

Linear
>> Bm1=subs(B,x,-1)
[2, 2, 3]
[0, 2, 0]
[2, 1, 3]
>> escalona(Bm1)
[1, 0, 3/2]
[0, 1,
0]
[0, 0,
0]
Julho 2009

615
>> B1=subst(B,x,1)
>> B4=subs(B,x,4)
[0, 2, 3]
[-3, 2, 3]
[0, 0, 0]
[ 0, -3, 0]
[2, 1, 1]
[ 2, 1, -2]
1 =
>> escalona(B1)
>> escalona(B4)
[1, 0, -1/4]
[1, 0, -1]
[0, 1, 3/2]
[0, 1, 0]
[0, 0,
0]
[0, 0, 0]
{(3, 0, 2) }. {(3, 0, 2)} e base para 1 , pois gera 1 ((3, 0, 2) =
nulo e L.I.
1 = {(, 6, 4) }. {(1, 6, 4)} e base para 1 , pois gera 1
nulo e L.I.
((, 6, 4) = (1, 6, 4)) e um vetor nao
4 = {(, 0, ) }. {(1, 0, 1)} e base para 4 , pois gera 4 ((, 0, ) = (1, 0, 1))
nulo e L.I.
e um vetor nao
3
1 1
= 0 6 0
2
4 1
Julho 2009
1 0 0
= 0 1 0
0 0 4
Reginaldo J. Santos
616

(d) >> A=[3,-2,1;0,2,0;0,0,0];
>> B0=subs(B,x,0)
>> B=A-x*eye(3)
[3, -2, 1]
[3-x, -2, 1]
[0, 2, 0]
[ 0, 2-x, 0]
[0, 0, 0]
[ 0,
0, -x]
>> escalona(B0)
>> p=det(B)
[1, 0, 1/3]
p =-(3-x)*(2-x)*x
[0, 1,
0]
>> solve(p)
[0, 0,
0]
[3][2][0]
>> B3=subs(B,x,3)
>> B2=subs(B,x,2)
[0, -2, 1]
[1, -2, 1]
[0, -1, 0]
[0, 0, 0]
[0, 0, -3]
[0, 0, -2]
>> escalona(B3)
>> escalona(B2)
[0, 1, 0]
[1, -2, 0]
[0, 0, 1]
[0, 0, 1]
[0, 0, 0]
[0, 0, 0]
0 = {(, 0, 3) }. {(1, 0, 3)} e base para 0 , pois gera 0 ((, 0, 3) =
nulo e L.I.
2 = {(2, , 0) }. {(2, 1, 0)} e base para 2 , pois gera 2 ((2, , 0) =
nulo e L.I.
3 = {(, 0, 0) }. {(1, 0, 0)} e base para 3 , pois gera 3 ((, 0, 0) = (1, 0, 0))
nulo e L.I.
e um vetor nao

Linear
Julho 2009

617
1 2 1
= 0 1 0
3 0 0
6.1.5.
0 0 0
= 0 2 0
0 0 3
(a) >> V1=[-4,-4,-1];
>> V2=[5,4,1];
>> V3=[5,3,1];
>> A=sym([-1/3,-5/6,20/3;-2/3,-1/6,16/3;-1/6,-1/6,11/6]);
>> [A*V1,A*V2,A*V3]
[
-2, 5/3, 5/2]
[
-2, 4/3, 3/2]
[ -1/2, 1/3, 1/2]
= , ou seja, e um multiplo
Se e autovetor de entao
escalar de .
Assim, conclumos que 1 e autovetor associado a 1 = 1/2, 2 e autovetor associado a

2 = 1/3 e 3 e autovetor associado a 3 = 1/2.
autovetores associados a 1/2 e 2 associado a 1/3. Como {1 , 3 } e L.I. (um
(b) 1 e 3 sao
e multiplo
nao
escalar do outro) e ao juntarmos autovetores L.I. associados a diferentes
a matriz tem 3 autovetores L.I. Como ela e 3 3,

autovalores eles continuam L.I., entao
e portanto diagonalizavel.
6.1.6.
6.1.7. >> B=randi(2), A=[B-B,zeros(2,1);zeros(1,2),randi]
B =
Julho 2009
5
3
-1
0
Reginaldo J. Santos
618
A =
0
-4
0
4
0
0
0
0
-3
>> syms x, p=det(A-x*eye(3)), solve(p)
p = -3*x2-x3-48-16*x
ans = [
-3][ 4*i][ -4*i]
>> escalona(A+3*eye(3))
ans =[ 1, 0, 0]
[ 0, 1, 0]
[ 0, 0, 0]
e diagonalizavel
A matriz nao
pois ela so tem um autovalor e auto espaco associado a este
e possvel encontrar 3 autovetores L.I.
2. Assim, nao
autovalor tem dimensao
6.1.8. >> L=[eye(2),zeros(2,1);randi(1,2),0]; A=L*L
A =
1
0
2
0
1
-2
2
-2
8
>> syms x, p=det(A-x*eye(3)), solve(p)
p = -9*x+10*x2-x3
ans = [ 0][ 1][ 9]
>> escalona(A)
ans =[ 1, 0, 2]
[ 0, 1, -2]
[ 0, 0, 0]

Linear
Julho 2009

619
O autoespaco associado ao autovalor = 0 e
0 = {(2, 2, ) }.
possvel de autovetores L.I.
Assim, {1 = (2, 2, 1)} e um conjunto com o maior numero
associado a = 0.
>> escalona(A-eye(3))
ans =[ 1, -1, 0]
[ 0, 0, 1]
[ 0, 0, 0]
1 = {(, , 0) }.
possvel de autovetores L.I. associAssim, {2 = (1, 1, 0)} e um conjunto com o maior numero
ado a = 1.
>> escalona(A-9*eye(3))
ans =[
1,
0, -1/4]
[
0,
1, 1/4]
[
0,
0,
0]
9 = {(, , 4) }.
possvel de autovetores L.I.
Assim, {3 = (1, 1, 4)} e um conjunto com o maior numero
associado a = 9.
Julho 2009
Reginaldo J. Santos
620
>> V1=[-2,2,1];V2=[1,1,0];V3=[1,-1,4];
>> P=[V1,V2,V3], D=diag([0,1,9])
P = -2
1
1
2
1
-1
1
0
4
D = 0
0
0
0
1
0
0
0
9
>> inv(P)*A*P
ans =
0
0
0
0
1
0
0
0
9
>> [P,D]=eig(sym(A))
P =[ -1, -2, 1]
[ 1, 2, 1]
[ -4, 1, 0]
D =[ 9, 0, 0]
[ 0, 0, 0]
[ 0, 0, 1]
que ser os autovalores de . As matrizes
Os elementos da diagonal da matriz tem
autovetores
podem diferir na ordem com que os autovalores aparecem. As colunas de sao
associados aos autovalores que aparecem nas colunas correspondentes de . Assim, fazendo
das colunas das matrizes e de forma que as matrizes sejam iguais, as
uma reordenacao
multiplos
colunas de uma matriz sao
escalares das colunas correspondentes da outra matriz

Linear
Julho 2009

621
6.2. Diagonalizacao
(pagina
425)
6.2.1.
(a) >> A=[2,2;2,2];
>> B=A-x*eye(2)
[2-x,
2]
[ 2, 2-x]
>> p=det(B)
p =-4*x+x2
>> solve(p)
[0][4]
>> B4=subs(B,x,4)
>> B0=subs(B,x,0)
[-2, 2]
[2, 2]
[ 2, -2]
[2, 2]
>> escalona(B4)
>> escalona(B0)
[1, -1]
[1, 1]
[0, 0]
[0, 0]
0 = {(, ) }. {1 = (1, 1)} e base para 0 , pois gera
0((, )
nulo e L.I. Seja 1 = (1/1 )1 = (1/ 2, 1/ 2). {1
um vetor nao
(1,1)) e
(1/ 2, 1/ 2)} e base ortonormal de 0 .
4 = {(, ) }. {2 = (1, 1)} e base para 4 , poisgera
4 ((, )
nulo e L.I. Seja 2 = (1/2 )2 = (1/ 2, 1/ 2). {2
(1,1)) e
um vetor nao
=
Julho 2009
]
1/2 1/2
1/ 2 1/ 2
0 0
0 4
=
=
=
=
]
Reginaldo J. Santos
622

(b) >> A=[2,1;1,2];
>> B=A-x*eye(2)
[2-x,
1]
[ 1, 2-x]
>> p=det(B)
p =3-4*x+x2
>> solve(p)
[3][1]
>> B3=subs(B,x,3)
>> B1=subs(B,x,1)
[1, 1]
[-1, 1]
[ 1, -1]
[1, 1]
>> escalona(B3)
>> escalona(numeric(B1))
[1, -1]
[1, 1]
[0, 0]
[0, 0]
1 = {(, ) }. {1 = (1, 1)} e base para 1 , pois gera
1((, ) =
nulo e L.I. Seja 1 = (1/1 )1 = (1/ 2, 1/ 2). {1 =
(1,1)) e
um vetor nao
3 = {(, ) }. {2 = (1, 1)} e base para 3 , poisgera
3 ((, ) =
nulo e L.I. Seja 2 = (1/2 )2 = (1/ 2, 1/ 2). {2 =
um vetor nao
(1,1)) e
]
1/2 1/2
1/ 2 1/ 2

Linear
1 0
0 3
]
Julho 2009

623
(c) >> A=[0,0,1;0,0,0;1,0,0];
>> B0=subs(B,x,0)
>> B=A-x*eye(3)
[0, 0, 1]
[-x, 0, 1]
[0, 0, 0]
[ 0, -x, 0]
[1, 0, 0]
[ 1, 0, -x]
>> escalona(B0)
>> p=det(B)
[1, 0, 0]
p =-x3+x
[0, 0, 1]
>> solve(p)
[0, 0, 0]
[ 0][-1][ 1]
>> B1=subs(B,x,1)
>> Bm1=subs(B,x,-1)
[-1, 0, 1]
[1, 0, 1]
[ 0, -1, 0]
[0, 1, 0]
[ 1, 0, -1]
[1, 0, 1]
0 =
>> escalona(B1)
>> escalona(Bm1)
[1, 0, -1]
[1, 0, 1]
[0, 1, 0]
[0, 1, 0]
[0, 0, 0]
[0, 0, 0]
{(0, , 0) }. {1 = (0, 1, 0)} e base para 0 , pois gera 0 ((0, , 0) = (0, 1, 0))
nulo e L.I. {1 = (0, 1, 0)} e base ortonormal de 0 , pois 1 = 1.
e um vetor nao
1 = {(, 0, ) }. {2 = (1, 0, 1)} e base para 1 , pois gera 1
nulo e L.I. Seja 2 = (1/2 )2 =
((,0, ) =(1, 0, 1)) e um
vetor nao
(1/ 2, 0, 1/ 2). {2 = (1/ 2, 0, 1/ 2)} e base ortonormal de 1 .
1 = {(, 0, ) }. {3 = (1, 0, 1)} e base para 1 , poisgera 1
((, 0, ) =
nulo e L.I. Seja 3 = (1/3 )3 = (1/ 2, 0, 1/ 2). {3 =
(1,0, 1)) e
um vetor nao
(1/ 2, 0, 1/ 2)} e base ortonormal de 1 .
ortoautovetores associados a autovalores diferentes sao

Julho 2009
Reginaldo J. Santos
624

6.6 na pagina
gonais (Proposicao
418). Portanto, {1 , 2 , 3 } e uma base ortonormal
de autovetores de .
0 1/ 2 1/ 2
= 1
0
0
0
1/ 2 1/ 2
(d) >> A=[0,0,0;0,2,2;0,2,2];
0
0 0
= 0 1 0
0
0 1
>> escalona(B0)
>> B=A-x*eye(3)
[0, 1, 1]
[-x,
0,
0]
[0, 0, 0]
[ 0, 2-x,
2]
[0, 0, 0]
[ 0,
2, 2-x]
>> B4=subs(B,x,4)
>> p=det(B)
[-4, 0, 0]
p =-x*(-4*x+x2)
[ 0, -2, 2]
>> solve(p)
[ 0, 2, -2]
[0][0][4]
>> escalona(B4)
>> B0=subs(B,x,0)
[1, 0, 0]
[0, 0, 0]
[0, 1, -1]
[0, 2, 2]
[0, 0, 0]
[0, 2, 2]
0 = {(, , ) , }. {1 = (1, 0, 0), 2 = (0, 1, 1)} e base para 0 , pois
gera 0 ((, , ) = (1, 0, 0) + (0, 1, 1)) e e L.I. (1 + 2 =
0 se, e somente
se, (, , ) = (0, 0, 0) ou = 0 e = 0). Sejam 1 = 1 , 2 = 2 proj1 2 =
2 0 =
1 = (1/1 )1 = 1 =
2 . Sejam
1 = (1,
0, 0) e 2 = (1/2 )2 =
(0, 1/ 2, 1/ 2). {1 = (1, 0, 0), 2 = ((0, 1/ 2, 1/ 2)} e base ortonormal de 0 .
4 = {(0, , ) }. {3 = (0, 1, 1)} e base para 4 , pois gera 4 ((0, , ) =

Linear
Julho 2009

625
nulo e L.I. Seja 3 = (1/3 )3 = (0, 1/ 2, 1/ 2).

(0, 1, 1)) e um
vetor
nao
{3 = (0, 1/ 2, 1/ 2)} e base ortonormal de 4 . Como a matriz e simetrica,

au-
6.6 na pagina
ortogonais (Proposicao
tovetores associados a autovalores diferentes sao
418). Portanto, {1 , 2 , 3 } e uma base ortonormal de autovetores de .
1
0
0
= 0 1/2 1/2
0
1/ 2 1/ 2
(e) >> A=[1,1,0;1,1,0;0,0,1];
>> B=A-x*eye(3)
[1-x,
1,
0]
[ 1, 1-x,
0]
[ 0,
0, 1-x]
>> p=det(B)
p =-2*x+3*x2-x3
>> solve(p)
[0][1][2]
>> B1=subs(B,x,1)
[0, 1, 0]
[1, 0, 0]
[0, 0, 0]
>> escalona(B1)
[1, 0, 0]
[0, 1, 0]
[0, 0, 0]
Julho 2009
0 0 0
= 0 0 0
0 0 4
>> B0=subs(B,x,0)
[1, 1, 0]
[1, 1, 0]
[0, 0, 1]
>> escalona(B0)
[1, 1, 0]
[0, 0, 1]
[0, 0, 0]
>> B2=subs(B,x,2)
[-1, 1, 0]
[ 1, -1, 0]
[ 0, 0, -1]
>> escalona(B2)
[1, -1, 0]
[0, 0, 1]
[0, 0, 0]
Reginaldo J. Santos
626
0 = {(, , 0) }. {1 = (1, 1, 0)} e base para 0 , pois gera 0

nulo e L.I. Seja 1 = (1/1 )1 =
((,, 0)
= (1, 1, 0)) e um
vetor
nao
(1/ 2, 1/ 2, 0). {1 = (1/ 2, 1/ 2, 0)} e base ortonormal de 0 .
1 = {(0, 0, ) }. {2 = (0, 0, 1)} e base para 1 , pois gera 1 ((0, 0, ) =
nulo e L.I. Seja 2 = (1/2 )2 = (0, 0, 1). {2 = (0, 0, 1)}
e base ortonormal de 1 .
2 = {(, , 0) }. {3 = (1, 1, 0)} e base para 1 , poisgera
1 ((, , 0) =
nulo e L.I. Seja 3 = (1/3 )3 = (1/ 2, 1/ 2, 0). {3 =
(1,1, 0))
e um vetor nao
(1/ 2, 1/ 2, 0)} e base ortonormal de 1 .
ortoautovetores associados a autovalores diferentes sao

6.6 na pagina
gonais (Proposicao
418). Portanto, {1 , 2 , 3 } e uma base ortonormal
de autovetores de .

1/2 0 1/2
= 1/ 2 0 1/ 2
0 1
0

Linear
0 0 0
= 0 1 0
0 0 2
Julho 2009

(f) >> A=[2,1,1;1,2,1;1,1,2];
>> B=A-x*eye(3)
[2-x,
1,
1]
[ 1, 2-x,
1]
[ 1,
1, 2-x]
>> p=det(B)
p =4-9*x+6*x2-x3
>> solve(p)
[4][1][1]
>> B1=subs(B,x,1)
[1, 1, 1]
[1, 1, 1]
[1, 1, 1]
627
>> escalona(B1)
[1, 1, 1]
[0, 0, 0]
[0, 0, 0]
>> B4=subst(B,x,4)
[-2, 1, 1]
[ 1, -2, 1]
[ 1, 1, -2]
>> escalona(B4)
[1, 0, -1]
[0, 1, -1]
[0, 0, 0]
1 = {( , , ) , }. {1 = (1, 1, 0), 2 = (1, 0, 1)} e base

para 1 , pois gera 0 (( , , ) = (1, 1, 0) + (1, 0, 1)) e e L.I.(um ve e multiplo
tor nao
escalar do outro). Sejam 1 = 1 , 2 = 2 proj1 2 =
.
Sejam
=
(1/
)
=
(1/
2,
1/
2, 0)
2 (1/2, 1/2, 0) = (1/2, 1/2, 1)
1
1
1
6
1
1
e 2 = (1/2 )2 = ( 6 , 6 , 3 ). {1 , 2 } e base ortonormal de 1 .

4 = {(, , ) }. {3 = (1, 1, 1)} e base para 4 , pois gera
(, , )
4 (
=
(1, 1, 1)) eum vetor

n
ao
nulo
e
L.I.
Seja
=
(1/
)
=
(1/
3,
1/
3,
1/
3).
3
3
3
{3 = (1/ 3, 1/ 3, 1/ 3)} e base ortonormal de 4 . Como a matriz e simetrica,
6.6 na pagina
Julho 2009
Reginaldo J. Santos
628

418). Portanto, {1 , 2 , 3 } e uma base ortonormal de autovetores de .
2/2 6/6 3/3

=
2/2 6/6 3/3
0
6/3
3/3
1 0 0
= 0 1 0
0 0 4
(g) >> A=[1,2,0,0;2,1,0,0;0,0,1,2;0,0,2,1];
>> B=A-x*eye(4)
[1-x,
2,
0,
0]
[ 2, 1-x,
0,
0]
[ 0,
0, 1-x,
2]
[ 0,
0,
2, 1-x]
>> p=det(B)
p =9+12*x-2*x2-4*x3+x4
>> solve(p)
[-1][-1][ 3][ 3]
>> Bm1=subs(B,x,-1)
[2, 2, 0, 0]
[2, 2, 0, 0]
[0, 0, 2, 2]
[0, 0, 2, 2]
>> escalona(Bm1)
[1, 1, 0, 0]
[0, 0, 1, 1]
[0, 0, 0, 0]
[0, 0, 0, 0]

Linear
>> B3=subs(B,x,3)
[-2, 2, 0, 0]
[ 2, -2, 0, 0]
[ 0, 0, -2, 2]
[ 0, 0, 2, -2]
>> escalona(B3)
[1, -1, 0, 0]
[0, 0, 1, -1]
[0, 0, 0, 0]
[0, 0, 0, 0]
Julho 2009

629
1 = {(, , , ) , }. {1 = (1, 1, 0, 0), 2 = (0, 0, 1, 1)} e base

para 1 , pois gera 1 ((, , , ) = (1, 1, 0, 0) + (0, 0, 1, 1)) e e L.I.(um
e multiplo
vetor nao
escalar do outro). Sejam 1 = 1 , 2 = 2 proj1 2 = 2
0 = 2 . Sejam 1 = (1/1 )1 = (1/ 2, 1/ 2, 0, 0) e 2 = (1/2 )2 =
(0, 0, 1/ 2, 1/ 2). {1 , 2 } e base ortonormal de 1 .

3 = {(, , , ) , }. {3 = (1, 1, 0, 0), 4 = (0, 0, 1, 1)} e base para 3 ,
e multiplo
pois gera 1 ((, , , ) = (1, 1, 0, 0) + (0, 0, 1, 1)) e e L.I.(um vetor nao
escalar do outro). Sejam 3 = 3 , 4 = 4 proj3 4 = 4 0 = 4 . Sejam
3 = (1/3 )3 = (1/ 2, 1/ 2, 0, 0) e 4 = (1/4 )4 = (0, 0, 1/ 2, 1/ 2).
{1 , 2 } e base ortonormal de 3 . Como a matriz e simetrica,

autovetores associa 6.6 na pagina
418). Portanto,
dos a autovalores diferentes sao
{1 , 2 , 3 , 4 } e uma base ortonormal de autovetores de .
0 1/2
0
1/2
1/ 2
0 1/ 2
0
=
0 1/2
0 1/2
0
1/ 2
0 1/ 2
Julho 2009
1
0 0 0
0 1 0 0
=
0
0 3 0
0
0 0 3
Reginaldo J. Santos
630
>> B0=subs(B,x,0)
[0, 0, 0, 0]
>> B=A-x*eye(4)
[0, 0, 0, 0]
[-x, 0, 0, 0]
[0, 0, 0, 1]
[ 0, -x, 0, 0]
[0, 0, 1, 0]
[ 0, 0, -x, 1]
>> escalona(B0)
[ 0, 0, 1, -x]
[0, 0, 1, 0]
>> p=det(B)
[0, 0, 0, 1]
p =x2*(x2-1)
[0, 0, 0, 0]
>> solve(p)
[0, 0, 0, 0]
[ 0][ 0][ 1][-1]
>> B1=subs(B,x,1)
>> Bm1=subs(B,x,-1)
B1 =
[1, 0, 0, 0]
[-1, 0, 0, 0]
[0, 1, 0, 0]
[ 0, -1, 0, 0]
[0, 0, 1, 1]
[ 0, 0, -1, 1]
[0, 0, 1, 1]
[ 0, 0, 1, -1]
>> escalona(Bm1)
>> escalona(B1)
[1, 0, 0, 0]
[1, 0, 0, 0]
[0, 1, 0, 0]
[0, 1, 0, 0]
[0, 0, 1, 1]
[0, 0, 1, -1]
[0, 0, 0, 0]
[0, 0, 0, 0]
0 = {(, , 0, 0) , }. {1 = (1, 0, 0, 0), 2 = (0, 1, 0, 0)} e base para 0 ,
e multiplo
pois gera 1 ((, , 0, 0) = (1, 0, 0, 0) + (0, 1, 0, 0)) e e L.I.(um vetor nao
escalar do outro). Claramente 1 2 = 0 e possuem norma igual a 1. Sejam 1 = 1 e

2 = 2 . {1 , 2 } e base ortonormal de 0 .
1 = {(0, 0, , ) }. {3 = (0, 0, 1, 1)} e base para 1 , pois gera 1
(h) >> A=[0,0,0,0;0,0,0,0;0,0,0,1;0,0,1,0];

Linear
Julho 2009

631
nulo e L.I. Seja 3 = (1/3 )3 =

((0, 0, ,) = (0, 0, 1, 1)) e um vetor
ao
n
(0, 0, 1/ 2, 1/ 2). {3 = (0, 0, 1/ 2, 1/ 2)} e base ortonormal de 1 .
1 = {(0, 0, , ) }. {4 = (0, 0, 1, 1)} e base para 1 , pois gera

nulo e L.I. Seja 4 = (1/4 )4 =
1 ((0,0, , )
= (0, 0, 1, 1)) e um
vetornao
(0, 0, 1/ 2, 1/ 2). {4 = (0, 0, 1/ 2, 1/ 2)} e base ortonormal de 1 . Como a
ortogonais
matriz e simetrica,
(Proposicao 6.6 na pagina 418). Portanto, {1 , 2 , 3 , 4 } e uma base ortonormal de

autovetores de .
1 0
0
0
0 0 0
0
0 1
0 0 0
0
0
0
=
e
=
0 0 1/ 2 1/ 2
0 0 1
0
0 0 0 1
0 0
1/ 2 1/ 2
disso, tambem
por ser simetrica,
6.2.2. Como a matriz e simetrica

ela e diagonalizavel.
Alem
autove ortogonais. Assim basta ortogonalizar dentro de
tores associados a autovalores diferentes sao
cada autoespaco.
>>
>>
W2
>>
>>
W4
>>
U1
W1=V1;
W2=V2-proj(W1,V2)
= [ 2, -1, 0, 2]
W3=V3;
W4=V4-proj(W3,V4)
= [ -1, -2, -2, 0]
U1=W1/no(W1)
= [
0, 2/3, -2/3,
Julho 2009
1/3]
Reginaldo J. Santos
632
>>
U2
>>
U3
U2=W2/no(W2)
= [ 2/3, -1/3,
U3=W3/no(W3)
= [ -2/3,
0,
0,
2/3]
1/3,
2/3]
0
2/3 2/3 1/3
2/3 1/3
0 2/3
,
= [ 1 2 3 4 ] =
2/3
0
1/3 2/3
1/3
2/3
2/3
0
ao Estudo de Conicas
6.3. Aplicacao
(pagina
462)
2
0
=
0
0
0
2
0
0
0
0
2
0
0
0
0
4
6.3.1. >> A=[9,-2;-2,6];
>> syms x y; X=[x;y];

>> expr=simplify(X.*A*X-30)
9 2 4 + 6 2 30
>> [P,D]=diagonal(A)
]
[
5/5
2
5/5
=
2 5/5
5/5
D=[5, 0]
[0,10]
>> syms x1 y1; X1=[x1;y1];
>> expr=subst(expr,X,P*X1)

Linear
Julho 2009

633
5 1 2 + 10 1 2 30
>> expr=expr/30
1 2 /6 + 1 2 /3 1
>> elipse(sqrt(6),sqrt(3),P)
6.3.2. >> A=[3,-4;-4,-12];
>> expr=simplify(X.*A*X+81)
3 2 8 12 2 + 81
[
]
17/17
4
17/17
=
4 17/17
17/17
D=[-13,0]
[ 0,4]
13 1 2 + 4 1 2 + 81
>> expr=expr/81
Julho 2009
Reginaldo J. Santos
634
y
x
2
y
1
x
1
3
4

Linear
Julho 2009

635
x
2
8
8
Julho 2009
Reginaldo J. Santos
636
2+
13
81 1
4
81
1 2 + 1
>> hiperbx(9/sqrt(13),9/2,P)
6.3.3. >> A=[2,-2;-2,-1];
>> expr=simplify(X.*A*X+K*X+24)
2 2 4 2 + 24
]
[
5/5
2
5/5
=
2 5/5 1 5/5
D =[-2, 0]
[ 0, 3]
2 1 2 + 3 1 2 + 24
>> expr=expr/24
1 2 /12 + 1 2 /8 + 1
>> hiperbx(sqrt(12),sqrt(8),P)

Linear
Julho 2009

637
6
x
4
x
2
8
8
Julho 2009
Reginaldo J. Santos
638
6.3.4. >> A=[21,3;3,13];
>> expr=simplify(X.*A*X-132)
21 2 + 6 + 13 2 132
]
[
10/10
3
10/10
=
3 10/10
10/10
D=[12, 0]
[ 0,22]
12 1 2 + 22 1 2 132
>> expr=expr/132
1 2 /11 + 1 2 /6 1
>> elipse(sqrt(11),sqrt(6),P)
6.3.5. >> A=[4,-10;-10,25];
>> K=[-15,-6];
>> expr=simplify(X.*A*X+K*X)
4 2 20 + 25 2 15 6

Linear
Julho 2009

639
2
y
x
1
5
4
Julho 2009
x2
Reginaldo J. Santos
640
=
5
29
2
29
]
2
29
29
29
5
29 29 29
D =[0, 0]
[0, 29]
29 1 2 3
291
>> expr=expr/29
1 2
3
29
291
>> parabx(3/(4*sqrt(29)),P)
6.3.6. >> A=[9,3;3,1]; K=[-10*10(1/2),10*10(1/2)];
9 2 + 6 + 2 10 10 + 10 10 + 90
=
]
10/10 3 10/10
3 10/10
10/10

Linear
Julho 2009

641
1.5
0.5
x
0.5
1.5
2
1
Julho 2009
0.5
0.5
1.5
2.5
Reginaldo J. Santos
642
D =[0, 0]
[0, 10]
10 1 2 20 1 40 1 + 90
>> expr=subst(expr,y1,y2+1)
10 2 2 + 80 40 1
>> expr=subst(expr,x1,x2+2)
10 2 2 40 2
>> expr=expr/10
2 2 4 2
>> paraby(1,P,[2;1])
6.3.7. >> A=[5,-3;-3,5];
>> K=[-30*(2)(1/2),18*(2)(1/2)];
5 2 6 + 5 2 30 2 + 18 2 + 82

Linear
Julho 2009

643
y"
x
2
x"
10
6
Julho 2009
Reginaldo J. Santos
644
]
[
2/2 2/2
=
2/2
2/2
D =[2, 0]
[0, 8]
2 1 2 + 8 1 2 12 1 + 48 1 + 82
>> X0=[3;-3];
>> expr=subst(expr,X1,X2+X0)
2 2 2 8 + 8 2 2
>> expr=expr/8
2 2 /4 1 + 2 2
>> elipse(2,1,P,X0)
6.3.8. >> A=[5,6;6,0];
>> K=[-12*(13)(1/2),0];
>> expr=simplify(X.*A*X+K*X-36)
5 2 + 12 12 13 36

Linear
Julho 2009

645
3
x
x"
y"
x
1
5
2
Julho 2009
Reginaldo J. Santos
646
]
[
2/ 13 3/13
=
3/ 13 2/ 13
D =[-4, 0]
[ 0, 9]
4 1 2 + 9 1 2 24 1 36 1 36
>> X0=[-3;2];
4 2 2 36 + 9 2 2
>> expr=expr/36
2 2 /9 1 + 2 2 /4
>> hiperby(2,3,P,X0)
6.3.9. >> A=[6,-2;-2,9];
>> K=[-4*5(1/2),-18*5(1/2)];
>> expr=simplify(X.*A*X+K*X-5)
6 2 4 + 9 2 4 5 18 5 5

Linear
Julho 2009

647
10
6
y"
x"
Julho 2009
Reginaldo J. Santos
648
]
[
2/5 1/ 5
=
1/ 5 2/ 5
D =[5, 0]
[0, 10]
5 1 2 + 10 1 2 26 1 32 1 5
>> X0=[26/10;32/20];
5 2 2
322
5
+ 10 2 2
>> expr=expr*5/322
25
322
2 2 1 +
25
161
2 2
>> elipse(sqrt(322)/5,sqrt(161)/5,P,X0)
6.3.10. >> A=[1,3(1/2);3(1/2),-1];
>> K=[6,0];
>> expr=simplify(X.*A*X+K*X)
2 + 2 3 2 + 6

Linear
Julho 2009

649
y
7
y"
6
x"
3
x
2
x
1
2
2
Julho 2009
Reginaldo J. Santos
650
]
[
3/2
1/2
=
3/2
1/2
D =[ 2, 0]
[ 0,-2]
2 1 2 2 1 2 + 3 31 3 1
>> X0=[-3*3(1/2)/4;-3/4];
2 2 2 9/4 2 2 2
>> expr=expr*4/9
8
9
2 2 1 89 2 2
>> hiperbx(3/sqrt(8),3/sqrt(8),P,X0)
6.3.11. >> A=[8,-8;-8,8];
>> K=[33*2(1/2),-31*2(1/2)];
8 2 16 + 8 2 + 33 2 31 2 + 70

Linear
Julho 2009

651
y
y
1
x
y"
0
x
x"
1
4
4
Julho 2009
Reginaldo J. Santos
652
=
2/2 2/2
2/2
2/2
D =[0, 0]
[0, 16]
16 1 2 + 2 1 64 1 + 70
>> expr=subst(expr,y1,y2+2)
16 2 2 + 6 + 2 1
>> expr=subst(expr,x1,x2-3)
16 2 2 + 2 2
>> expr=expr/16
2 2 + 2 /8
>> parabx(-1/32,P,[-3;2])

Linear
Julho 2009

653
y
4
x
x"
2
y
y"
x
2
8
10
Julho 2009
Reginaldo J. Santos
654
6.3.12. >> A=[1,-3;-3,-7];
>> K=[10,2];
2 6 7 2 + 10 + 2 + 9
[
]
1/ 10 3/ 10
=
3/ 10 1/ 10
D =[-8, 0]
[ 0, 2]
101 + 9
8 1 2 + 2 1 2 + 58 101 14
5
>> X0=[1/10(1/2);7/10(1/2)];
8 2 2 + 2 2 2
>> hiperby(4,1,P,X0,d)
representa as duas retas 2 = 42 , ou =

Esta e uma conica
degenerada. A equacao
2 .

Linear
Julho 2009

655
y
6
4
y"
x"
2
y
x
Julho 2009
Reginaldo J. Santos
Bibliografia
Paulo, 8a. edicao,
[1] Howard Anton e Chris Rorres. Algebra

Linear com Aplicacoes.
Bookman, Sao
2000.
[2] Jose L. Boldrini, Sueli I. R. Costa, Vera L. Figueiredo, e Henry G. Wetzler. Algebra
Linear. Ed.
Paulo, 3a. edicao,
1986.
Harbra Ltda., Sao
[3] Paulo Boulos e Ivan de C. e Oliveira. Geometria Analtica - um tratamento vetorial. Makron
Paulo, 2a. edicao,
1987.
Books, Sao
ao MATLAB. Departamento de Ciencia
- UFMG,
[4] Frederico F. C., filho. Introducao
da Computacao
Belo Horizonte, Fevereiro de 2000.
[5] Carlos A. Callioli, Hygino H. Domingues, e Roberto C. F. Costa. Algebra

Linear e Aplicacoes.
Paulo, 6a. edicao,
1995.
Atual Editora, Sao
656

657
a` Algebra
[6] Adilson Goncalves e Rita M. L. de Souza. Introducao
Linear. Edgard Blucher,
Rio de
Janeiro, 1977.
[7] Alesio
de Caroli, Carlos A. Callioli, e Miguel O. Feitosa. Matrizes, Vetores, Geometria Analtica.
Paulo, 1976.
Nobel, Sao
Pitombeira de Carvalho. Algebra

Livros Tecnicos
[8] Joao
Linear - Introducao.
e Cientficos Editora
1977.
S.A., Rio de Janeiro, 2a. edicao,
[9] Nathan M. dos Santos. Vetores e Matrizes. Livros Tecnicos

e Cientficos Ed. S.A., Rio de Janeiro,
1988.
3a. edicao,
[10] John B. Fraleigh e Raymond A. Beauregard. Linear Algebra. Addison Wesley, Reading, Massa 1995.
chusetts, 3a. edicao,
[11] Stephen H. Friedberg, Arnold J. Insel, e Lawrence E. Spence. Linear Algebra. Prentice Hall,
1997.
Upper Saddle River, New Jersey, 3a. edicao,
[12] G. H. Golub e C. F. Van Loan. Matrix Computations. Johns Hopkins U.P., Baltimore, 3a. edicao,
1996.
[13] Stanley I. Grossman. Elementary Linear Algebra. Saunders College Publishing, New York, 5a.
1994.
edicao,
[14] David R. Hill e David E. Zitarelli. Linear Algebra Labs with MATLAB. Macmillan Publishing Company, New York, 1994.
[15] Morris W. Hirsch e Stephen Smale. Differential Equations, Dynamical Systems and Linear Algebra. Academic Press, Inc., New York, 1974.
Julho 2009
Reginaldo J. Santos
658
[16] Kenneth Hoffman e Ray Kunze. Algebra

Linear. Livros Tecnicos
e Cientficos Ed. S.A., Rio de
1979.
Janeiro, 3a. edicao,
a` Algebra
[17] Bernard Kolman. Introducao

Prentice Hall do Brasil, Rio de
1998.
Janeiro, 6a. edicao,
1986.
[18] Serge Lang. Introduction to Linear Algebra. Springer, New York, 2a. edicao,
1987.
[19] Serge Lang. Linear Algebra. Springer Verlag, New York, 3a. edicao,
[20] David C. Lay. Algebra

Linear e suas Aplicacoes.
Livros Tecnicos
e Cientficos Editora S.A., Rio
de Janeiro, 2a. edicao, 1999.

[21] Steven Leon, Eugene Herman, e Richard Faulkenberry. ATLAST Computer Exercises for Linear
Algebra. Prentice Hall, Upper Saddle River, New Jersey, 1996.
[22] Steven J. Leon. Algebra

Livros Tecnicos
e Cientficos Editora S.A., Rio
1998.
de Janeiro, 5a. edicao,
[23] Emlia Giraldes, Vitor H. Fernandes, e Maria P. M Smith. Curso de Algebra

Linear e Geometria
Analtica. Mc Graw Hill, Lisboa, 1995.
[24] Elon L. Lima. Coordenadas no Espaco. SBM, Rio de Janeiro, 1993.
1996.
[25] Elon L. Lima. Algebra
Linear. IMPA, Rio de Janeiro, 2a. edicao,
[26] Elon L. Lima. Geometria Analtica e Algebra

Linear. IMPA, Rio de Janeiro, 2001.
Paulo, 3a. edicao,

1994.
[27] Seymour Lipschutz. Algebra
Linear. McGraw-Hill, Sao

Linear
Julho 2009

659
[28] Mathworks Inc. Student Edition of MATLAB Version 5 for Windows. Prentice Hall, Upper Saddle
River, New Jersey, 1997.
[29] Carl D. Meyer. Matrix Analysis and Applied Linear Algebra. SIAM, Philadelphia, 2000.
[30] Ben Noble e James W. Daniel. Applied Linear Algebra. Prentice Hall, Upper Saddle River, New
1988.
Jersey, 3a. edicao,
[31] Reginaldo J. Santos. Algebra

Linear e Aplicacoes.
Imprensa Universitaria
da UFMG, Belo Horizonte, 2004.
a` Algebra
[32] Reginaldo J. Santos. Introducao

Linear. Imprensa Universitaria
da UFMG, Belo Horizonte, 2004.
[33] Reginaldo J. Santos. Matrizes Vetores e Geometria Analtica. Imprensa Universitaria

da UFMG,
Belo Horizonte, 2004.
[34] Shayle R. Searle. Matrix Algebra Useful for Statistics. John Wiley and Sons, New York, 1982.
[35] Georgi E. Shilov. Linear Algebra. Dover Publications Inc., New York, 1977.
[36] Carl P. Simon e Lawrence Blume. Mathematics for Economists. W. W. Norton and Co. Inc., New
York, 1994.
Paulo, 2a. edicao,

1987.
[37] Alfredo Steinbruch e Paulo Winterle. Algebra
Linear. Makron Books, Sao
Paulo, 2a. edicao,
[38] Alfredo Steinbruch e Paulo Winterle. Geometria Analtica. Makron Books, Sao
1987.
Julho 2009
Reginaldo J. Santos
660
Bibliografia
[39] Gilbert Strang. Linear Algebra and its Applications. Harcourt Brace Jovanovich, Inc., Orlando,
1988.
3a. edicao,
[40] Gilbert Strang. Introduction to Linear Algebra. Wellesley-Cambridge Press, Wellesley, 1993.

Linear
Julho 2009
Indice Alfabetico
Angulo
entre planos, 253
entre reta e plano, 273
entre retas, 250
entre vetores, 173
Assntota, 439
Autoespaco, 394
Autovalor(es), 387
Autovetor(es), 387
axiss, 160, 204
ortonormal, 351
box, 160, 204
Cadeia de Markov, 15
Crculo, 437
clf, 68
Cofator de um elemento, 106, 107
linear, 111, 155, 199, 284
Combinacao
Complemento ortogonal, 358
Conicas,
414, 432
degeneradas, 432
(nao)
de, 432, 454
identificacao
Conjugado de uma matriz, 428
Base
canonica,
315, 351
de subespaco, 314
ortogonal, 351
polar de uma matriz, 427

Decomposicao
661
Indice Alfabetico
662
Dependencia
linear, 289
Desigualdade de Cauchy-Schwarz, 343
Desigualdade triangular, 343
desvet, 159, 204
det, 130
Determinante, 105
de Vandermonde, 132
desenvolvimento em cofatores do, 108,
114
propriedades do, 111
detopelp, 130
diag, 22
diagonal, 463
Diagonalizacao
de matrizes, 384
de matrizes simetricas,
414
317
Dimensao,
Distancia
de um ponto a um plano, 256
de um ponto a uma reta, 259
de uma reta a um plano, 273
entre dois planos, 264
entre dois pontos, 170
entre duas retas, 264
da elipse, 437
eixos, 69, 160, 204
Elipse, 432
excentricidade da, 437
elipse, 463
(equacoes)
Equacao
da reta, 228
geral do plano, 213
linear, 34
na forma simetrica
da reta, 234
parametricas
da reta, 228
parametricas
do plano, 225
Equacao(equac
oes)
vetorial da reta, 229
Escalar, 4
escalona, 69
Espaco (espacos)
, 278
308
solucao,
vetoriais, 283
Excentricidade
da elipse, 437
da hiperbole,
444
eye, 22
eig, 409
Foco(s)
da elipse, 432
Eixo(s)

Linear
Julho 2009
Indice Alfabetico
da Hiperbole,
439
da parabola,
446
Geradores, 312
Gerar, 312
Gram-Schmidt (processo de ortogonalizacao),

351
Grandezas vetoriais, 139
Hiperbole,
439
hiperbx, 463
hiperby, 463
Identidade de Lagrange, 208
Identidade polar, 357
de conicas,
Identificacao
432, 454
Independencia
linear, 289
polinomial, 94
Interpolacao
inv, 409
Lei do paralelogramo, 357
lin, 247
lineplan, 247
lineseg, 160, 204
Matriz (matrizes), 1
(definida) positiva, 426
escalonada, 42
Julho 2009
663
escalonada reduzida, 42
anti-simetrica,
29
aumentada, 36
coluna, 2, 151, 281
coluna de, 1
companheira, 132, 412
conjugado de, 428
367, 426
de rotacao,
16
de transicao,
de Vandermonde, 96
polar de, 427
decomposicao
determinante de, 105
diagonal, 25, 102
diagonal (principal) de, 2
diagonalizavel,
385
diferenca entre, 14
do sistema linear, 35
elementar, 55
elemento de, 2
entrada de, 2
equivalente por linhas, 49
identidade, 10
iguais, 3
inversa de, 76
invertvel, 76
linha, 2, 151, 281
Reginaldo J. Santos
Indice Alfabetico
664
linha de, 1
multiplo
escalar de, 4
por escalar, 4
multiplicacao
invertvel, 76
nao
nilpotente, 31, 411
nula, 10
ortogonal, 362, 417
potencia,
14
produto de, 5
propriedades de, 9
quadrada, 2
raiz quadrada de, 427
semelhantes, 410
simetrica,
29
singular, 76
soma de, 3
submatriz principal de, 427
traco de, 30
transposta de, 8
triangular inferior, 109
triangular superior, 131
matvand, 69
Menor de um elemento, 105
Metodo
de Gauss, 47
Metodo
de Gauss-Jordan, 43
Mudanca de coordenadas, 359

Linear
Multiplo
escalar, 4, 144, 281
no, 204
Norma de um vetor, 170, 341
de somatorio,
Notacao
6, 9, 32
numeric, 22, 409
oe, 69
opel, 69
elementar, 36
Operacao
Parabola,
446
parabx, 464
paraby, 464
pe, 204
38
Pivo,
plan, 247
Plano (planos), 213
vetor normal do, 213
concorrentes, 300
geral do, 213
equacao
parametricas
equacoes
do, 225
mediador, 272
paralelos, 300
plotci, 69
plotf1, 69
po, 159, 204
Julho 2009
Indice Alfabetico
Polinomio
caracterstico, 389
poline, 247
poly2sym, 68
poly2sym2, 69
Pontos
colineares, 158
coplanares, 198
poplan, 247
relativas
Posicoes
de dois planos, 300
de duas retas, 299
de plano e reta, 301
Processo de ortogonalizacao
Schmidt, 351
Produto
vetorial em , 358
escalar ou interno, 173, 341
misto, 193
vetorial, 182
vetorial duplo, 209
Produto vetorial duplo, 209
ortogonal, 179, 346
Projecao
Ortografica,
Projecao
370
pv, 204
Julho 2009
665
de
Gram-
Raiz quadrada de uma matriz, 427

randi, 23, 409
direita, 184
Regra da mao
Regra de Cramer, 124
Reta (retas), 228
concorrentes, 250
diretriz da parabola,
446
vetorial da, 229
equacao
na forma simetrica
equacoes
da, 234
parametricas
equacoes
da, 228
geratriz do cone, 437
paralelas, 250
reversas, 250
vetor diretor da, 228
rota, 160, 204
365
Rotacao,
Segmento (de reta) orientado, 139
Sistema de coordenadas, 359
cartesianas, 144
retangulares, 144
retangulares no espaco, 147
lineares, 34
Sistema de equacoes
Sistema homogeneo,
51
trivial de, 51
solucao
Sistema(s) linear(es), 34
de, 35
conjunto solucao
Reginaldo J. Santos
666
consistente, 67
equivalentes, 38
homogeneo,
51
(geral) de, 35
solucao
Solucao
geral de sistema linear, 35
trivial de sistema homogeneo,

51
solve, 22
Soma de subespacos, 331
Subespaco(s), 308
de, 317
dimensao
gerado por, 312
soma de, 331
Submatriz principal, 427
subs, 68, 409
subst, 247, 463
sym, 22, 409
syms, 22
tex, 160, 205

367
Translacao,
Variaveis
livres, 46
Vertice(s)
da elipse, 437
da hiperbole,
444
da parabola,
450

Linear
Indice Alfabetico
Vetor (vetores), 2, 139, 279
angulo
entre, 173
canonicos,
187
colineares, 144
linear de, 284
combinacao
componentes de, 144, 147, 149, 150
comprimento de, 170
coplanares, 198
de estado, 16
diferenca de, 143, 281
geradores, 312
iguais, 279
independencia
linear de, 289
linearmente (in)dependentes, 289
por escalar, 143, 147, 150,
multiplicacao
279
multiplo
escalar, 144, 281
norma de, 170, 341

normal ao plano, 213
nulo, 143, 281
ortogonais, 173, 344
paralelos, 143
produto escalar ou interno de, 173, 341
produto misto de, 193
produto vetorial de, 182
simetrico,
143, 281
Julho 2009
Indice Alfabetico
667
soma de, 141, 144, 149, 279
unitario,
170, 351
unitarios,
350
zeros, 22
zoom3, 160, 205
Julho 2009
Reginaldo J. Santos

Reginaldosantos PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Reginaldosantos PDF

Transféré par

Droits d'auteur :

Formats disponibles

UM CURSO DE

GEOMETRIA ANALITICA E ALGEBRA

Editor, Coordenador de Revisao,

Um Curso de Geometria Analtica e Algebra

- Belo Horizonte: Imprensa Universitaria

1 Matrizes e Sistemas Lineares

1.1.2 Propriedades da Algebra

1.2.3 Sistemas Lineares Homogeneos

3 Vetores no Plano e no Espaco

do item (e) do Teorema 3.5

Um Curso de Geometria Analtica e Algebra

5.2 Subespacos, Base e Dimensao

6.2.2 Matrizes Ortogonais . . . .

Respostas dos Exerccios

Um Curso de Geometria Analtica e Algebra

ministrado nos primeiros semestres para estudantes da area

feita usando somente o metodo

escalonada reduzida). Este metodo

que e definido usando cofatores. As demonstracoes

O Captulo 3 trata de vetores no plano e no espaco. Os vetores sao

M ATLAB e marca registrada de The Mathworks, Inc.

introduzidos sistemas de coordenadas de forma natural sem a necessidade da

4 trata de retas e planos no espaco. Sao

O Captulo 5 cobre a teoria dos espacos euclidianos. O conceito de dependencia

linear e introduzido de forma algebrica,

de dependencia linear. Sao tambem tratados os conceitos de geradores e de base de subespacos.

de coordenadas preparando para o Captulo de diagonalizacao.

de um matriz ortogonal. E feita uma aplicacao

exerccios que sao

exerccios que requeputador ou de uma maquina

simples, outros sao

tam a teoria e geralmente sao

destes exerccios sao

imprescindveis, enquanto a resolucao

ratory). Os comandos do M ATLAB sao

onadas para o estudo de Geometria Analtica e Algebra

Um Curso de Geometria Analtica e Algebra

e um software gratuito, embora antes a versao

comprar o guia do usuario.

como ferramenta auxiliar na aprendizagem de Geometria Analtica e Algebra

conhecimentos. Os Exerccios Numericos

estiver interessado em usar o

Gostaria de agradecer aos professores que colaboraram apresentando correcoes,

D. Barbosa, Flaviana A. Ribeiro, Cristina Marques, Rogerio

Julho 2009 Algumas correcoes.

Julho 2007 Algumas correcoes.

Marco 2007 Varias

Mudanca de Coordenadas foi reescrita e acrescentada uma aplicacao

3.2 Produtos de Vetores

escalonada reduzida. Foram acrescentados varios

5 foi reescrito. Foram acrescentados exerccios teoricos

Julho 2004 Foram acrescentadas aplicacoes

equivalente por linhas com a demonstracao.

Um Curso de Geometria Analtica e Algebra

3.1, 1 exerccio na secao

foram acrescentados 2 exerccios. O Captulo 5 foi reescrito. Foi includa no Apendice

com Outros resultados. A Proposicao

tornaram-se uma so.

Julho 2000 Criado a partir do texto Geometria Analtica e Algebra

disciplina de Geometria Analtica e Algebra

Um Curso de Geometria Analtica e Algebra

Matrizes e Sistemas Lineares

Uma matriz , ( por ), e uma tabela de numeros