Apontamentos de Algebra Linear e Geo Analítica

UNIVERSIDADE DA BEIRA INTERIOR
Apontamentos Teoricos
de
Algebra Linear e Geometria Analtica

Cristina Gama
Jorge Gama
Ano Lectivo 2001/2002
1 ESTRUTURAS ALG
EBRICAS
Os conceitos que se seguem servirao de suporte aos objectivos da disciplina. Esses conceitos
sao as estruturas de grupo, anel e corpo. No nal do captulo faremos um estudo mais
aprofundado do corpo dos n umeros complexos.
Denicao 1.1 Seja A um conjunto nao vazio. Chama-se operacao binaria ou lei de
composicao interna no conjunto A a qualquer aplicacao denida do conjunto AA (produto
cartesiano de A por A) em A, isto e, se representarmos por essa aplicacao, entao
: A A A
(a, b) (a, b)
No caso das operacoes binarias e usual escrever-se ab no lugar de (a, b). Passaremos
a usar essa notacao.
Exemplos:
1. No conjunto N, a adicao e a multiplicacao usuais sao operacoes binarias.
2. No conjunto Z a adicao e a multiplicacao usuais sao operacoes binarias.
3. Em Q ou R a adicao e a multiplicacao usuais sao operacoes binarias.
4. A subtraccao e uma operacao binaria em N? E em Z?
5. A divisao e uma operacao binaria em N, Z, Q, ou R? E em Q\ {0} ou R \ {0}?
6. Se em N
0
denirmos : N
0
N
0
N
0
tal que ab = a+b +1, e uma operacao binaria.
Denicao 1.2 Seja A um conjunto, nao vazio, e uma operacao binaria denida em A.
Diz-se que (A, ) e um grupo quando se vericam os seguintes axiomas:
G1. a, b, c A, (ab)c = a(bc) (Associatividade)
G2. u A : a A, au = ua = a (Existencia de elemento neutro)
G3. a A, a
A : aa
= a
a = u (Existencia de elemento oposto)

No caso em que a operacao e tambem comutativa, isto e,
G4. a, b A, ab = ba
o grupo (A, ) diz-se comutativo ou abeliano.
Observacoes:
1
1.

E usual designarem-se as operacoes binarias por adicao ou multiplicacao, representadas
respectivamente por + e (nao e necessario que tenham alguma coisa a ver com a adicao
e multiplicacao usuais).
2. No contexto da observacao anterior, o elemento neutro designa-se por zero (0), se a
operacao e uma adicao, e designa-se por identidade (1), se a operacao e uma multi-
plicacao. Analogamente, se a operacao e uma adicao, o oposto de um elemento a chama-se
simetrico (representa-se por a), se a operacao e uma multiplicacao, o oposto chama-se
inverso (representa-se por a
1
).
Exerccio: Seja A um conjunto e uma operacao binaria denida em A. Em (A, ), com
associativa, mostre que
a) quando existe elemento neutro, ele e unico.
b) quando um elemento tem oposto, este e unico.
Exemplos de Grupos:
(Z, +), (Q, +), (R, +), (R \ {0}, ), (F, ), com F o conjunto de todas as funcoes bijectivas
de um conjunto nele proprio (em particular, o conjunto S
3
das permutacoes de {1, 2, 3} com
a composicao), etc.
Observacao: No caso (S
3
, ), os elementos de S
3
sao
I =
_
1 2 3
1 2 3
_
T
1
=
_
1 2 3
1 3 2
_
T
2
=
_
1 2 3
2 1 3
_
T
3
=
_
1 2 3
2 3 1
_
T
4
=
_
1 2 3
3 1 2
_
T
5
=
_
1 2 3
3 2 1
_
e, por exemplo,
T
1
T
2
=
_
1 2 3
1 3 2
_
_
1 2 3
2 1 3
_
= T
4
.
Outro exemplo: (Z
2
, +), onde Z
2
= {0, 1} e + esta denida por
+ 0 1
0 0 1
1 1 0
Denicao 1.3 Seja (A, ) um grupo e B um subconjunto nao vazio de A. Diz-se que (B, )
e um subgrupo de (A, ) se (B, ) e um grupo em relacao à operacao binaria denida em
A.
Exerccio: Nos exemplos anteriores, verique quais os grupos que sao subgrupos de algum
dos outros grupos.
2
Homomorsmos de Grupos
Denicao 1.4 Sejam (A, ) e (A
, ) dois grupos. Uma aplicacao f : A A
diz-se um
homomorsmo se
a, b A, f(ab) = f(a)f(b).
Observacoes: Se f : A A
e um homomorsmo, entao
i) f(u) = u
(u elemento neutro de (A, ) e u
elemento neutro de (A
, ))
ii) (f(a))
1
= f(a
1
).
Exemplos:
1. Seja
f : R
+
R
x ln(x).
f e um homomorsmo do grupo (R
+
, ), no grupo (R, +), ja que ln(x y) = ln(x) +ln(y).
2. A aplicacao
g : R R
+
x e
x
e um homomorsmo de (R, +) no grupo (R
+
, ), ja que e
x+y
= e
x
e
y
.
Denicao 1.5 Um terno (A, +, ), com A um conjunto, nao vazio, e + e operacoes binarias
denidas em A, e um anel se:
A1. (A, +) e um grupo abeliano;
A2. A operacao e associativa;
A3. A operacao e distributiva relativamente à operacao +, isto e,
a, b, c A, a (b + c) = (a b) + (a c) (a + b) c = (a c) + (b c).
O elemento neutro da primeira operacao chama-se zero do anel.
Se a segunda operacao for comutativa, entao o anel diz-se comutativo.
Caso o anel A tenha elemento unidade, isto e, se (A, ) tiver elemento neutro, A diz-se anel
com elemento unidade ou anel unitario.
Exemplos de Aneis:
1. (Z, +, ) e um anel comutativo unitario.
2. O conjunto R
2
= {(a, b) : a, b R} com as operacoes denidas por
(a, b) + (c, d) = (a + c, b + d)
(a, b) (c, d) = (ac, bd)
e um anel.
3
Denicao 1.6 Um terno (K, +, ) diz-se um corpo se (K, +, ) e uma anel comutativo com
identidade e todos os elementos de K\{0} tem inverso, isto e, (K, +, ) e um corpo se (K, +)
e (K \ {0}, ) sao grupos comutativos e e distributiva relativamente a +.
Exemplos de Corpos: (Q, +, ), (R, +, ), com + e as operacoes usuais, e (Z
2
, +, ), com
+ 0 1
0 0 1
1 1 0
0 1
0 0 0
1 0 1
Propriedades 1.7 Num corpo sao validas as seguintes proposicoes:
1. a 0 = 0 a = 0 (0 e elemento absorvente da multiplicacao)
2. a b = 0 a = 0 b = 0 (lei do anulamento do produto)
Denicao 1.8 Sejam (K, +, ) e (K
, , ) dois corpos. A aplicacao f : K K
diz-se um
homomorsmo de corpos se, para todos x, y K,
f(x + y) = f(x)f(y) e f(x y) = f(x) f(y).
Se f e bijectiva, f diz-se um isomorsmo. Se K = K
, f diz-se um endomorsmo. E um
endomorsmo bijectivo diz-se um automorsmo.
Depois de denirmos todas estas estruturas, podemos estudar mais profundamente um
corpo muito importante: Corpo dos Complexos, isto e,
C = {(a, b) : a, b R}
munido com as operacoes:
(a, b) + (c, d) = (a + c, b + d)
(a, b) (c, d) = (ac bd, ad + bc)
Exerccio: Mostre que (C, +, ) e um corpo.
Observacoes:
1. Nao e difcil vericar que (0, 0) e o zero de C e (1, 0) e a unidade de C.
2. Seja S = {(a, 0) : a R}, subconjunto de C. (S, +, ) e um corpo para as operacoes
denidas em C. Dado que a aplicacao
f : (R, +, ) (S, +, )
a (a, 0)
e um isomorsmo de corpos, podemos simplicar a escrita identicando os complexos
(a, 0) com o correspondente n umero real a.
4
Da denicao dada para a multiplicacao em C, resulta
(0, 1)
2
= (0, 1) (0, 1) = (0 1, 0 + 0) = (1, 0).
Deste modo, o n umero complexo (0, 1) e solucao da equacao x
2
= 1.
O complexo (0, 1) denomina-se unidade imaginaria e representa-se pelo smbolo i.
Atendendo-se à identicacao de (a, 0) com a e (0, 1) com i, e consequencia das operacoes
denidas em C a seguinte representacao:
(a, b) C : (a, b) = (a, 0) + (0, b) = a + (0, 1) (b, 0) = a + ib,
em que a sera chamado parte real do complexo e b parte imaginaria do complexo. Em
smbolos, se z = a + bi, a = Re(z) e b = Im(z). Os n umeros complexos da forma ib, com
b = 0, chamam-se imaginarios puros.
Observe-se que
i
2
= 1, i
3
= i, i
4
= 1, i
5
= i, . . . ,
(a + bi) + (c + di) = (a + c) + (b + d)i,
(a + bi) (c + di) = (ac bd) + (ad + bc)i.
Denicao 1.9 Seja z = a+bi um n umero complexo. Chama-se conjugado de z ao n umero
complexo z = a bi. Chama-se modulo de z ao n umero real
|z| =
z z =
a
2
+ b
2
.
Propriedades 1.10 Para todo z, w C,
1. Re(z) =
z + z
2
, 2. Im(z) =
z z
2i
,
3. z + w = z + w, 4. z w = z w,
5. |z| = |z|, 6. z
1
=
z
|z|
2
=
a
a
2
+ b
2
i
b
a
2
+ b
2
, com z = 0,
7.
_
z
w
_
=
z
w
Exerccio: Calcule:
a) (1 i)(3 2i) (2 i)(3 + 4i);
b)
(2 i)
2
2
1 + 3i
.
5
Representacao Trigonometrica dos N umeros Complexos
Ja sabemos que dada uma recta orientada, existe uma correspondencia biunvoca entre
cada ponto da recta e o conjunto dos n umeros reais, R. Assim, como identicamos o n umero
complexo (a, 0) com o n umero real a, os complexos da forma a + i0 serao representados na
recta.
Como representar, por exemplo, os imaginarios puros? Repare-se que uma rotacao de
180
o
em torno da origem corresponde a uma multiplicacao por 1. Ora, uma rotacao de
90
o
devera corresponder a multiplicar por k de modo que k
2
= 1. Logo, k tera que ser
a unidade imaginaria i. Convencionaremos que o sentido positivo das rotacoes e o sentido
contrario ao dos ponteiros do relogio. Portanto, passaremos a representar os n umeros reais
num eixo horizontal (eixo real) e os imaginarios puros num eixo vertical (eixo imaginario).
Assim, um ponto P do plano de abcissa a e ordenada b sera a imagem do complexo z = a+bi.
-
6
r
O
P
a
b
Plano de Argand
Sabemos que o comprimento OP e o n umero real |z| =
a
2
+ b
2
(Teorema de Pitagoras).
Representemos este n umero por . Repare-se que o ponto P ca bem denido se consider-
armos e o angulo que o segmento [OP] faz com a parte positiva do eixo real.
Chama-se argumento principal ao angulo ] , ]. Assim, a imagem do complexo
z ca bem denida se conhecermos := |z| e := arg(z). Observe-se que se zermos
= arg(z) + 2k, k Z, obtemos sempre a mesma imagem. Portanto, a cada complexo
podemos associar uma innidade de argumentos. Alem do principal, o argumento positivo
mnimo de z = a + bi e tal que [0, 2[ e tg =
b
a
.
Observe a gura anterior para concluir que para todo o complexo z = a + bi,
_
a = cos
b = sen
Assim, a forma trigonometrica de z e
z = (cos() + i sen()).
Abreviadamente, z = cis().
Se z C e tal que z = a + bi = cis(), entao z = a bi = cis().
6
-
6
r
Z
Z
Z
Z
Z
Z
ZZr
O
z
z
Exerccio: Escreva na forma trigonometrica:

a) 3i;
b) 1 i;
c) 1 i
3;
d) 2 + 3i.
Operacoes com Complexos na Forma Trigonometrica
Adicao: Usa-se a regra do paralelogramo
-
6
r
O
z
1
+ z
2
= z
r
z
1
r
z
2

z = cis() = z
1
+z
2
=
1
cis(
1
)+
2
cis(
2
) =
1
cos(
1
)+
2
cos(
2
)+i(
1
sen(
1
)+
2
sen(
2
))
e
|z|
2
=
2
= (
1
cos(
1
) +
2
cos(
2
))
2
+(
1
sen(
1
) +
2
sen(
2
))
2
=
2
1
+
2
2
+2
1
2
cos(
1
2
).
Multiplicacao: Se z
1
=
1
cis(
1
) e z
2
=
2
cis(
2
), entao
z
1
z
2
= (
1
cis(
1
))(
2
cis(
2
)) =
1
2
cis(
1
+
2
).
7
|z
1
z
2
| = |z
1
| |z
2
| e arg(z
1
z
2
) = arg(z
1
) + arg(z
2
).
Divisao: Se z
2
= 0, entao
1
z
2
=
1
2
cis(
2
). Logo,
z
1
z
2
=

1
2
cis(
1

2
).
z
1
z
2
=
|z
1
|
|z
2
|
e arg
_
z
1
z
2
_
= arg(z
1
) arg(z
2
).
Potenciacao: Se z = cis() e n Z, entao
z
n
=
n
cis(n) (Formula de De Moivre).
|z
n
| = |z|
n
e arg (z
n
) = narg(z).
Radiciacao: Seja z = cis() e n N. Se w =
1
cis(
1
) e uma raiz de ndice n de z, entao
w
n
= z. Logo,
(
1
cis(
1
))
n
= cis()
n
1
cis(n
1
) = cis()
_
_
_
n
1
=
cos(n
1
) = cos()
sen(n
1
) = sen()
_

1
=
n
n
1
= + 2k,
com k Z, isto e,
1
=
n

1
=
+ 2k
n
, k Z.
Assim, e atendendo-se às repeticoes, w =
n
cis
_
+ 2k
n
_
, com k = 0, 1, . . . , n 1.
As razes de ndice n de um complexo z tem imagens que formam os vertices de um
polgono regular de n lados:
-
6
r
r
r
H
H
H
H
H
H
H
-
6
r r
r
r
@
@
@
@
@
@
No caso do expoente racional, isto e, do tipo

p
q
, com p, q N, tem-se, por denicao, para
z = cis(),
z
p/q
=
_
z
1/q
_
p
=
_
1/q
cis
_
+ 2k
q
__
p
=
p/q
cis
_
p
q
( + 2k)
_
.
8
Observe-se que
8
12
=
2
3
e assim z
8/12
= z
2/3
, tem 3 razes distintas, enquanto
12
z
8
tem
12 razes distintas. Em C, (z
p
)
1/q
pode ser diferente de
_
z
1/q
_
p
.
Exerccios:
1. Utilize a forma trigonometrica para calcular:
a)
i
55
3
(1 i)
6
;
b)
i
66
(
3 i)
4
(1 + i
3)
8
.
2. Resolva, em C, a equacao
z
3
(1 + i)z
2
+ iz = 0.
Lugares Geometricos
- Circunferencia de centro z
0
e raio r 0.
Por denicao, uma circunferencia de centro z
0
e raio r e o conjunto dos pontos z tais que
|z z
0
| = r
ou, equivalentemente,
(z z
0
) (z z
0
) = r
2
zz zz
0
z
0
z +|z
0
|
2
= r
2
.
Se |z
0
|
2
= r
2
, a circunferencia passa pela origem.
Se |z
0
|
2
= r
2
, a circunferencia nao passa pela origem.
- Equacao da recta.
A equacao geral de uma recta em R
2
e da forma
Ax + By + C = 0.
Tomando-se z
0
= A + iB e z = x + iy, obtem-se que
Re(z
0
)Re(z) + Im(z
0
)Im(z) + C = 0
z
0
+ z
0
2

z + z
2
+
z
0
z
0
2i

z z
2i
+ C = 0
(z
0
+ z
0
) (z + z) (z
0
z
0
) (z z) + 4C = 0
2z
0
z + 2z
0
z + 4C = 0
z
0
z + z
0
z + R = 0 (Equacao Geral da Recta)
Se R = 0, a recta passa pela origem.
Se R = 0, a recta nao passa pela origem.
9
2 MATRIZES. RESOLUC

AO DE SISTEMAS. INVERS
AO DE
MATRIZES.
Denicao 2.1 Sejam m, n N e K um corpo. Chama-se matriz do tipo m n (ou
de ordem (m, n)) sobre o corpo K, ou simplesmente, matriz do tipo m n, a uma
funcao A denida no conjunto {(i, j) N N : 1 i m, 1 j n} e com valores em K.
As componentes ou elementos ou entradas da matriz A designam-se por a
ij
= A(i, j).
E usual usar-se um quadro rectangular para dispor os elementos de K.

_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
a
m1
a
m2
a
mn
_
_
ou
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
a
m1
a
m2
a
mn
_
_
_
_
_
Abreviadamente, uma matriz representa-se por
[a
ij
]
(m,n)
(1 i m, 1 j n)
ou, apenas, por A.
Duas matrizes A = [a
ij
] e B = [b
ij
] dizem-se iguais se, e somente se, sao do mesmo tipo
e a
ij
= b
ij
, para todos os valores de i e j.
Designa-se por M
K
(m, n) o conjunto de todas as matrizes sobre o corpo K e de ordem
(m, n) (m linhas, n colunas).
Se K = R, a matriz diz-se real. Se K = C, a matriz diz-se complexa.
Matrizes Especiais
Seja A = [a
ij
] M
K
(m, n).
1. Se n = 1, a matriz A diz-se matriz coluna.
_
_
a
11
a
21
.
.
.
a
m1
_
_
2. Se m = 1, a matriz A diz-se matriz linha.
_
a
11
a
12
a
1n
10
3. Se m = n, a matriz A diz-se quadrada de ordem n.
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
a
n1
a
n2
a
nn
_
_
Numa matriz quadrada, os elementos a
11
, a
22
, . . . , a
nn
dizem-se elementos principais
ou diagonais e formam a primeira diagonal ou diagonal principal. Os elementos
a
1n
, a
2,n1
, . . . , a
n1
formam a segunda diagonal ou diagonal secundaria.
_
_
_
_
_
_
_
_
Diagonal Principal Diagonal Secundaria
3.1 Uma matriz quadrada A diz-se triangular superior se a
ij
= 0, para i > j.
Exemplo:
_
_
2 1 3
0 4 1
0 0 5
_
_
3.2 Uma matriz quadrada A diz-se triangular inferior se a
ij
= 0, para i < j.
Exemplo:
_
_
2 0 0
1 3 0
7 4 2
_
_
3.3 Uma matriz quadrada A diz-se diagonal se a
ij
= 0, para i = j.
Exemplo:
_
_
1 0 0 0
0 3 0 0
0 0 5 0
0 0 0 1
_
_
3.4 Uma matriz quadrada A diz-se escalar se e diagonal e a
ii
= a = 0, para todo o i.
Exemplo:
_
_
3 0 0 0
0 3 0 0
0 0 3 0
0 0 0 3
_
_
Utilizando-se o smbolo de Kronecker,
ij
, denido por
ij
=
_
0, se i = j,
1, se i = j,
uma matriz escalar pode representar-se apenas por [a
ij
].
11
Exemplo:
_
_
3 0 0 0
0 3 0 0
0 0 3 0
0 0 0 3
_
_
= [3
ij
]
A matriz identidade e a matriz escalar [
ij
]. Designa-se, em geral, por I
n
.
I
1
= [1] I
2
=
_
1 0
0 1
_
I
3
=
_
_
1 0 0
0 1 0
0 0 1
_
_
I
4
=
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
. . .
4. Uma matriz formada por r linhas (r m) e s colunas (s n) de uma matriz A diz-se
uma submatriz de A do tipo r s.
Exemplo:
A matriz
_
2 0
1 4
_
e submatriz de
_
_
2 0 4 1
1 4 3 0
5 6 8 1/2
_
_
.
5. A matriz A diz-se matriz nula se todos os elementos sao nulos (a
ij
= 0, para todos
os valores de i e j). Designa-se a matriz nula por 0
mn
, ou simplesmente por 0, se nao
houver ambiguidade quanto ao seu tipo.
Exemplo:
_
_
0 0 0
0 0 0
0 0 0
_
_
6. A matriz oposta da matriz A = [a
ij
]
(m,n)
e uma matriz do mesmo tipo denida por
A = [a
ij
] .
Exemplo:
A =
_
_
1 2
3 5
1/2
2
_
_
A =
_
_
1 2
3 5
1/2
2
_
_
7. Denomina-se matriz transposta de A a matriz A
T
que se obtem de A trocando orde-
nadamente as linhas por colunas e as colunas por linhas. Se A e do tipo mn, A
T
e do
tipo n m.
Exemplo:
A =
_
2 5 7
3 2 1
_
A
T
=
_
_
2 3
5 2
7 1
_
_
Propriedade 2.2
_
A
T
_
T
= A.
12
8. A matriz A diz-se simetrica se e igual à sua transposta, isto e, A = A
T
. Logo, os seus
elementos vericam a relacao
a
ij
= a
ji
,
para todos os valores de i e j.
Desta forma, uma matriz simetrica e necessariamente quadrada e os elementos colocados
simetricamente em relacao à diagonal principal sao iguais.
Exemplo:
_
_
3 4 1
4 2 7
1 7 5
_
_
9. A matriz A diz-se anti-simetrica ou hemi-simetrica se
A
T
= A ou A = A
T
.
Os elementos vericam a relacao a
ij
= a
ji
. Assim, para i = j, tem-se
a
ii
= a
ii
a
ii
= 0.
Desta forma, uma matriz anti-simetrica e uma matriz quadrada cujos elementos principais
sao nulos e os elementos colocados simetricamente em relacao à diagonal principal sao
simetricos.
Exemplo:
_
_
0 2 7
2 0 5
7 5 0
_
_
10. Se a matriz A e complexa, chama-se matriz conjugada de A à matriz A que se obtem
substituindo cada elemento de A pelo seu conjugado.
Exemplo:
A =
_
5 3 + 2i 2
i 7i 9 i
_
A =
_
5 3 2i 2
i 7i 9 + i
_
Propriedades 2.3
1. Se A = A, entao A e uma matriz real.
2. A = A.
11. Denomina-se matriz associada de A (complexa) a matriz A
que e igual à transposta

da conjugada de A, ou, o que e o mesmo, à conjugada da transposta de A, isto e,
A
= A
T
= (A
T
).
Exemplo:
A =
_
5 3 + 2i 2
i 7i 9 + i
_
A
=
_
_
5 i
3 2i 7i
2 9 i
_
_
13
Propriedades 2.4
1. (A
)
T
= A.
2. (A
) = A
T
.
3. (A
= A.
12. Uma matriz A diz-se hermtica ou hermitiana se e igual à sua associada, isto e, se
A = A
.
Logo, os seus elementos vericam a relacao a
ij
= a
ji
e e uma matriz quadrada.
Em particular, para i = j, tem-se a
ii
= a
ii
= a R, isto e, a
ii
e um n umero real.
Exemplo:
_
_
5 5 + 2i 3i 0
5 2i 1 9 2 i
3i 9 7 7 + 2i
0 2 + i 7 2i 4
_
_
13. Uma matriz A diz-se hemi-hermtica ou hemi-hermitiana se satisfaz a relacao
A = A
.
Logo, os seus elementos vericam a relacao a
ij
= a
ji
e e uma matriz quadrada.
Em particular, para i = j, tem-se a
ii
= a
ii
, isto e, Re(a
ii
) = 0.
Exemplo:
_
_
5i 5 5 i 3 2i
5 2i 2 + i 9i
5 i 2 + i 7i 9
3 2i 9i 9 i
_
_
Operacoes com Matrizes
1. Adicao: Sejam A = [a
ij
], B = [b
ij
] M
K
(m, n). Dene-se adicao de A com B como
sendo a matriz S = A + B M
K
(m, n) cujos elementos sao obtidos pela relacao
s
ij
= a
ij
+ b
ij
.
Exemplo:
_
2 6 0
1 4 7
_
+
_
1 0 4
4 1 3
_
=
_
3 6 4
5 5 4
_
Propriedades 2.5 (Adicao de Matrizes)
a) A adicao de matrizes e comutativa, isto e,
A, B M
K
(m, n), A + B = B + A.
14
b) A adicao de matrizes e associativa, isto e,
A, B, C M
K
(m, n), (A + B) + C = A + (B + C).
c) A adicao de matrizes tem elemento neutro, a matriz nula
_
_
0 0
.
.
.
.
.
.
0 0
_
_
(m,n)
d) Todas as matrizes em M
K
(m, n) tem oposto. O elemento oposto de A M
K
(m, n) e
a matriz A M
K
(m, n).
(M
K
(m, n), +) e um grupo abeliano.
e) Sejam A
1
, A
2
, . . . , A
p
M
K
(m, n). Entao
(A
1
+ A
2
+ + A
p
)
T
= A
T
1
+ A
T
2
+ + A
T
p
.
f) Se A M
C
(n, n), entao A + A
e hermtica e A A
e hemi-hermtica.
g) Se A M
K
(n, n), entao A + A
T
e simetrica e A A
T
e anti-simetrica.
2. Multiplicacao de uma Matriz por um Escalar:
Sejam A = [a
ij
] M
K
(m, n) e K.

E usual denominar qualquer elemento de um
corpo por escalar. Dene-se produto do escalar pela matriz A como sendo a matriz
A = [a
ij
].
Exemplo:
Se A =
_
2 5 7
1 0 2
_
e = 2, entao A =
_
4 10 14
2 0 4
_
.
Propriedades 2.6 Sejam A, B M
K
(m, n) e , K.
i) 1 A = A;
ii) (A) = ()A = (A);
iii) ( + )A = A + A;
iv) (A + B) = A + B;
v) Se K = C e m = n, uma matriz A pode exprimir-se como soma de uma matriz
hermtica e uma hemi-hermtica, ou de uma matriz simetrica e outra anti-simetrica.
3. Multiplicacao de Matrizes:
Sejam A = [a
ik
] M
K
(m, p) e B = [b
lj
] M
K
(p, n). As matrizes A e B dizem-
-se encadeadas porque o n umero de colunas de A e igual ao n umero de linhas de B.
Dene-se multiplicacao da matriz A pela matriz B como sendo uma matriz C do tipo
mn, cujos elementos c
ij
satisfazem a igualdade
c
ij
=
p
k=1
a
ik
b
kj
,
15
com i = 1, . . . , m e j = 1, . . . , n.
Exemplo:
A =
_
2 1
0 3
_
B =
_
3 1 0
1 2 4
_
AB =
_
5 4 4
3 6 12
_
Observe que nao e possvel a multiplicacao BA. Desta forma, a multiplicacao nao e
comutativa. Mesmo que A seja do tipo mn e B do tipo n m, AB e diferente de BA,
para m = n, dado as matrizes AB e BA nao serem da mesma ordem. Observe o seguinte
exemplo:
_
0 1 2 3
3 2 1 0
_
_
_
0 3
1 2
2 1
3 0
_
_
=
_
14 4
4 14
_
_
_
0 3
1 2
2 1
3 0
_
_
_
0 1 2 3
3 2 1 0
_
=
_
_
9 6 3 0
6 5 4 3
3 4 5 6
0 3 6 9
_
_
No caso particular m = n, se AB = BA, entao as matrizes A e B dizem-se permutaveis.
Exemplo:
_
2 0
0 2
_ _
3 0
0 3
_
=
_
6 0
0 6
_
=
_
3 0
0 3
_ _
2 0
0 2
_
As matrizes
_
2 0
0 2
_
e
_
3 0
0 3
_
sao permutaveis.
Propriedades 2.7
i) Se A, B e C sao matrizes do tipo mp, p q e q n, respectivamente, entao
(A B) C = A (B C) (Associatividade).
ii) Se A, B e C sao matrizes do tipo mp, p n e p n, respectivamente, entao
A (B + C) = A B + A C (Distributividade à Esquerda).
Se D, E e F sao matrizes do tipo mp, mp e p n, respectivamente, entao
(D + E) F = D F + E F (Distributividade à Direita).
iii) O conjunto M
K
(n, n), das matrizes quadradas de ordem n com elementos no corpo
K, munido com as operacoes adicao e multiplicacao de matrizes e um anel nao
comutativo com elemento unidade (matriz identidade de ordem n).
16
Observacoes:
1. Um produto AB pode ser a matriz nula sem que A ou B sejam a matriz nula.
Por exemplo:
_
_
1 2 0
1 1 0
1 4 0
_
_
_
_
0 0 0
0 0 0
1 4 9
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
.
2. A igualdade AB = AC nao implica necessariamente B = C. Por exemplo:
AB =
_
_
1 2 0
1 1 0
1 4 0
_
_
_
_
1 2 3
1 1 1
2 2 2
_
_
=
_
_
3 4 1
2 3 2
3 2 7
_
_
AC =
_
_
1 2 0
1 1 0
1 4 0
_
_
_
_
1 2 3
1 1 1
1 1 1
_
_
=
_
_
3 4 1
2 3 2
3 2 7
_
_
iv) Se as matrizes A e B sao do tipo mp e p n, respectivamente, entao
1. (AB)
T
= B
T
A
T
;
2. AB = A B;
3. (AB)
= B
.
No caso das matrizes quadradas, A
n
, para todo n N, existe, ja que A e encadeada com
A, A
2
, A
3
, . . ..
Ainda no caso das matrizes quadradas de ordem n, se AB = BA = I
n
, B e a matriz
inversa de A em M
K
(n, n), isto e, B = A
1
e A = B
1
. Neste caso, as matrizes A e B
dizem-se regulares ou invertveis. Se A M
K
(n, n) nao e regular, diz-se singular.
Operacoes Elementares com as Filas de uma Matriz. Condensacao
Denicao 2.8 Numa matriz, duas las paralelas dizem-se dependentes se sao iguais ou se
uma e igual ao produto da outra por um escalar. Ainda, se uma la e igual à soma de outras
las paralelas ou à soma dos produtos de outras las paralelas por escalares, diremos que
essas las paralelas sao dependentes. Caso contrario, as las dizem-se independentes.
Denicao 2.9 Chama-se caracterstica de uma matriz A à ordem maxima da submatriz
de A constituda pelas las independentes.
Para se encontrar a caracterstica de uma matriz e necessario ter em conta o seguinte:
1.
Teorema 2.10 A dependencia ou independencia das linhas ou colunas de uma matriz
nao e alterada por alguma das seguintes operacoes ditas elementares:
O
1
Troca entre si de duas las paralelas.
17
O
2
Multiplicacao dos elementos de uma la por um escalar de K \ {0}.
O
3
Adicao, aos elementos de uma la, dos produtos dos elementos correspondentes de
uma la paralela por um mesmo escalar de K.
2. Uma matriz que tenha uma submatriz triangular (ou diagonal), com elementos principais
nao nulos, e as restantes las com elementos todos nulos tem caracterstica igual ao
n umero de las dessa submatriz.
Utilizando-se 1. e 2., podemos determinar a caracterstica de uma matriz. Efectua-se,
assim, a condensacao da matriz.
Exerccio: Determine a caracterstica da matriz
A =
_
_
0 3 2 1
2 2 2 0
1 2 4 3
_
_
.
Em geral, dada uma matriz
A =
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n

a
m1
a
m2
a
mn
_
_
,
podemos, por condensacao, obter
_
_
b
11
b
12
b
1r
b
1n
0 b
22
b
2r
b
2n

0 0 b
rr
b
rn

0 0 0
_
_
ou
_
_
c
11
0 0 0
c
21
c
22
0 0

c
r1
c
rr
0

0 0 0
_
_
ou
_
_
d
11
0 0
0 d
22
0 0

0 0 d
rr
0

0 0 0
_
_
.
18
Qualquer destas matrizes tem r las independentes e quaisquer r + 1 las passam a ser
dependentes. Logo, Car A = r.
Aplicacao à Resolucao de Sistemas de Equacoes Lineares
Considere-se um sistema de m equacoes com n incognitas:
_
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1

a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= b
m
Observe-se que fazendo
A =
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
a
m1
a
m2
a
mn
_
_
(Matriz dos Coecientes),
B =
_
_
b
1
b
2
.
.
.
b
m
_
_
(Matriz dos Termos Independentes) e X =
_
_
x
1
x
2
.
.
.
x
n
_
_
,
o sistema de equacoes e equivalente à equacao matricial AX = B.
Sabemos que as operacoes elementares transformam o sistema dado num sistema equiva-
lente. Assim, podemos encontrar a(s) solucao(oes), caso exista(m), aplicando o metodo de
condensacao à matriz ampliada ou completa:
[A|B] =
_
_
a
11
a
1n
| b
1
.
.
.
.
.
. |
.
.
.
a
m1
a
mn
| b
m
_
_
.
Atencao: A troca de duas colunas em A correspondem a uma troca de incognitas.
Condensando [A|B], ou melhor, condensando A, ate determinar a sua caracterstica r,
temos:
1
o
Caso: m = n = r
_
11

12

1n
|
1
0
22

2n
|
2

.
.
.
.
.
.
|
.
.
.
0 0
nn
|
n
_
_
19
ou, ate à forma diagonal,
_
11
0 0 |
1
0
22
0 |
2

.
.
.
|
.
.
.
0 0
nn
|
n
_
_
e ainda
_
_
1 0 0 |

1
11
0 1 0 |

2
22

.
.
.
|
.
.
.
0 0 1 |

n
nn
_
_
isto e,
_
_
x
1
=

1
11
x
2
=

2
22
.
.
.
x
n
=

n
nn
,
que e a solucao do sistema inicial. Diz-se entao que e um sistema possvel e determinado.
2
o
Caso: m = r < n
Neste caso temos,
_
11

12

1r
|
1n
|
1
0
22

2r
|
2n
|
2

.
.
.
.
.
.
| |
.
.
.
0 0
rr
|
rn
|
r
_
_

_
11
0 0 |
1n
|
1
0
22
0 |
2n
|
2

.
.
.
.
.
.
| |
.
.
.
0 0
rr
|
rn
|
r
_
_
1 0 0 |

1n
11
|

1
11
0 1 0 |

2n
22
|

2
22

.
.
.
| |
.
.
.
0 0 1 |

rn
rr
|

r
rr
_
_
,
isto e,
_
_
x
1
=

1
11
n
j=r+1
1j
11
x
j
.
.
.
x
r
=

r
rr
n
j=r+1
rj
rr
x
j
As r incognitas, ditas principais, dependem das restantes n r incognitas nao princi-
pais. Assim, o sistema diz-se possvel indeterminado, sendo n r o grau de indeter-
minacao.
20
3
o
Caso: Se r < m, temos que
_
11

12

1r
|
1n
|
1
0
22

2r
|
2n
|
2

.
.
.
.
.
.
| |
.
.
.
0 0
rr
|
rn
|
r
| |
0 0 | 0 0 |
r+1
| |
.
.
.
0 0 | 0 0 |
m
_
_
e duas possibilidades:
1.
r+1
= =
m
= 0;
2.
r+1
, . . . ,
m
nao todos nulos.
1. Se as ultimas mr linhas somente tem elementos nulos, as equacoes transformam-se em
0 = 0. Logo, ca
_
11

12

1r
|
1n
|
1
0
22

2r
|
2n
|
2

.
.
.
.
.
.
| |
.
.
.
0 0
rr
|
rn
|
r
_
_
e tal como antes,
sistema possvel
_
determinado, se r = n,
indeterminado, se r < n, com grau de indeterminacao n r.
2. Se nas ultimas equacoes algum
j
= 0, obtemos 0x
1
+ 0x
2
+ + 0x
n
=
j
. Logo, o
sistema e impossvel. Neste caso, a caracterstica de [A|B] e maior que r, isto e, maior
do que a caracterstica de A.
Em Resumo:
Sistema Possvel: Car A = Car[A|B]
Sistema Possvel
_
_
_
Determinado, se Car A = n,
Indeterminado, se Car A < n, com grau de indeterminacao
n Car A.
Sistema Impossvel: Car A < Car[A|B]
Exerccios:
1. Resolva e classique o seguinte sistema:
_
_
_
2x y z = 1
x + y z = 2
x + 2y + 2z = 4
21
2. Considere o sistema de equacoes lineares sobre R, nas incognitas x, y, z e t:
_
_
x = a b
5ax 2by + az + t = 1
bz = 1
3ax + 2by az + (b a)t = 2a 1
Utilizando o metodo de condensacao, discuta o sistema em funcao dos parametros a e b.
Calculo da Matriz Inversa de uma Matriz Regular
Seja A uma matriz quadrada de ordem n. Sabemos que A e regular (isto e, invertvel) se
existe uma matriz quadrada, com a mesma ordem, B tal que
AB = BA = I.
Vamos determinar a matriz B tal que
AB = I
e em seguida mostraremos que essa matriz B tambem e inversa à esquerda, isto e, BA = I.
Representemos B por X, e X
j
e I
j
, respectivamente, as j-esimas colunas de X e I. Assim,
a equacao matricial AX = I e equivalente a n sistemas de equacoes lineares:
_
AX
j
= I
j
j = 1, . . . , n
Pelo que vimos anteriormente, tais sistemas tem solucao unica se, e somente se, Car A = n.
Cada um dos sistemas e resolvido passando da matriz ampliada [A|I
j
] para a matriz [I|X
j
].
Isto e equivalente à passagem de [A|I] para [I|X] efectuando as operacoes elementares nos
n sistemas.
Exerccio: Determine a inversa à direita da matriz
A =
_
_
2 0 2
1 1 3
0 2 1
_
_
.
Mostremos agora que a existencia de uma inversa à direita garante a existencia de inversa
à esquerda e que elas sao iguais.
Sabemos que se A tem inversa X à direita se, e somente se, Car A = n (ordem de A).
Desta forma, A
T
tambem tem inversa à direita, digamos Y, isto e, A
T
Y = I. Logo,
_
A
T
Y
_
T
= I
T
Y
T
A = I,
isto e, a matriz A tem inversa à esquerda.
22
Agora basta mostrar que Y
T
= X. Ora, Y
T
A = I implica
Y
T
AX = IX Y
T
(AX) = X Y
T
I = X Y
T
= X.
Portanto, conclumos que a inversa à esquerda e igual à inversa à direita. Chamar-lhe-
-emos apenas inversa de A e representa-se por A
1
.
Sistemas Homogeneos
Seja A M
K
(m, n). Se no sistema AX = B, a matriz B e a matriz nula (B = 0), estamos
perante um sistema de equacoes lineares homogeneo (AX = 0) onde todas as equacoes sao
homogeneas de grau 1.
E evidente que todo o sistema homogeneo e um sistema possvel: admite sempre a

solucao nula (X = 0), pelo menos! Assim, sendo r a caracterstica de A,
se r = n, o sistema e possvel e determinado, tendo somente a solu cao nula, X = 0.
se r < n, o sistema e possvel indeterminado, admite solucoes nao nulas.
Suponhamos que Ae uma matriz quadrada de ordem n. Entao temos o seguinte resultado:
Teorema 2.11 A e regular se, e somente se, AX = 0 so tem a solucao X = 0.
Demonstracao: Exerccio.
Propriedades da Inversao de Matrizes
1. Se A e regular, tambem o e A
1
e (A
1
)
1
= A.
2. Um produto de matrizes quadradas e invertvel se, e somente se, cada factor e invertvel
e
(A
1
. . . A
k
)
1
= A
1
k
. . . A
1
1
.
3. Se A e regular,
_
A
k
_
1
= (A
1
)
k
.
4. Se A e regular, entao A
T
, A e A
tambem sao regulares e temos que

_
A
T
_
1
=
_
A
1
_
T
;
_
A
_
1
= A
1
; (A
)
1
=
_
A
1
_
.
Denicao 2.12 Uma matriz quadrada A e dita
i) ortogonal se A
1
= A
T
, isto e, A
T
A = I = AA
T
.
ii) unitaria se A
1
= A
, isto e, A
A = I = AA
.
Exemplo: A matriz
_
2
2

2
2
2
2
2
2
_
e ortogonal (e unitaria).
23

3 ESPAOS VECTORIAIS. APLICAES LINEARES.

Definio 3.1: Seja K um corpo. Diz-se que um conjunto E, no vazio, um espao vectorial
ou um espao linear sobre K se nele esto definidas duas leis de composio:
a) Uma lei de composio interna, dita adio, a respeito da qual E um grupo
abeliano.
b) Uma lei de composio externa, isto , uma aplicao de E K
( ,
em E,
denominada multiplicao escalar, que associa a todo par ordenado , com ) x
K e , E x um elemento , E x satisfazendo as propriedades:

i) ( ) y x y x , E y , x , K + = +
(Distributividade da multiplicao escalar relativamente adio em E).

ii) ( ) x x x , E x , K , + = +
(Distributividade da multiplicao escalar relativamente adio em K).

iii) ( ) ( ) x x , E x , K , =
(Associativadade da multiplicao escalar).

iv) x (1 o elemento unidade de K). x 1 , E x =

Os elementos de K denominam-se escalares e os elementos de E vectores.
No caso de K ser o corpo IR , dos nmeros reais, diz-se que E um espao vectorial
real. No caso de K ser o corpo C\ , dos nmeros complexos, diz-se que E um espao
vectorial complexo.
Por vezes, o elemento neutro E 0 designado por origem ou zero de E.

Exemplos:
1. O conjunto dos vectores livres do espao ordinrio um espao vectorial real com as
operaes usuais:

- Adio: A soma , resultado da adio dos vectores v u
r r
+ u
r
e , definida pela
regra do paralelogramo.
v
r
- Multiplicao escalar: u
r
o vector com a direco de u
r
, sentido de se u
r

positivo e sentido oposto se negativo e cujo comprimento dado pelo produto
do mdulo do nmero real pelo comprimento de u
r
.

2. IR um espao vectorial real.
3. C\ um espao vectorial real.
4. C\ um espao vectorial complexo.
5. IR no um espao vectorial complexo.
6. Seja K um corpo. Para cada IN , o conjunto K n
n
( ) { =
i n 2 1
x : x , , x , x K K ,
um espao vectorial sobre K relativamente s operaes (ditas usuais):
} n , , 2 , 1 i K =
- Adio: definida pela relao
( ) ( ) ( )
n n 2 2 1 1 n 2 1 n 2 1
y x , , y x , y x y , , y , y x , , x , x + + + = + K K K ;
24

- Multiplicao escalar: definida por
( ) ( )
n 2 1 n 2 1
x , , x , x x , , x , x = K K ;
(em que as operaes que figuram nos n-uplos dos segundos membros das
igualdades anteriores so as operaes adio e multiplicao em k).
Nota: Dado um corpo K, sempre que seja feita referncia ao espao vectorial K
n
sobre o
corpo K, assumiremos que as operaes consideradas so as usuais, a menos que seja dito
o contrrio.
7. Para cada n IN , o conjunto IR
n
(respectivamente, C\
n
) um espao vectorial real
(respectivamente, complexo).
8. Para cada IN , o conjunto C\ n
n
um espao vectorial real.
9. O conjunto de todos os polinmios na varivel x, com coeficientes em K, de grau no
superior a n ( IN ) um espao vectorial sobre K (K = IR ou K = C\ ) com as operaes
definidas por:
n

( ) ( )
( ) ( ) ( ) ( )
n
n n
2
2 2 1 1 0 0
n
n
2
2 1 0
n
n
2
2 1 0
x b a x b a x b a b a
x b x b x b b x a x a x a a
+ + + + + + + + =
= + + + + + + + + +
L
L L

e
( ) ( ) ( ) ( ) (
n
n
2
2 1 0
n
n
2
2 1 0
x a x a x a a x a x a x a a + + + + = + + + + L L ) .

10. O conjunto de todos os polinmios na varivel x, com coeficientes em K, um espao
vectorial sobre K, com as operaes definidas de forma anloga s definidas em 9 (ditas
usuais).

Propriedades dos Espaos Vectoriais:

1. ( ) y x y x , E y , x , K =

De facto, tem-se
( ) ( ) | | x y y x y y x = + = + ,
atendendo-se propriedade i) da multiplicao escalar e a ( ) + , E ser um grupo.

2. 0 0 , K =

um caso particular de 1. para . y x =

3. ( ) ( ) y y , E y , K =

um caso particular de 1. para . 0 x =

4. ( ) x x x , E x , K , =

De facto, tem-se
( ) ( ) | | x x x x = + = +
25

atendendo-se propriedade ii) da multiplicao escalar e a K ser um corpo.

5. 0 x 0 , E x =

um caso particular de 4. para . =

6. ( ) ( ) x x , E x , K =

um caso particular de 4. para . 0 =

7. 0 x 0 0 x , E x , K = = =

Demonstrao: Exerccio.

Definio 3.2: Seja K um corpo e E um espao vectorial sobre K. Se S um subconjunto no
vazio de E e se um espao vectorial sobre K relativamente s mesmas operaes definidas
em E, ento diz-se que S um subespao vectorial de E.

Exemplos:
1. IR um subespao vectorial real do espao vectorial real C\ .
2. O espao vectorial dos polinmios reais de grau no superior a 3 subespao vectorial do
espao vectorial dos polinmios de grau no superior a 6, etc..
3. Qualquer que seja o espao vectorial E, o conjunto { } 0 e E so subespaos vectoriais de E.

Teorema 3.3: Um subconjunto S, no vazio, do espao vectorial E subespao vectorial se, e
somente se, S fechado relativamente s leis de composio definidas em E, isto , S
satisfazendo s condies:
E

a) , S
b) , S y x , S y , x +
c) , S x , S x , K

um subespao vectorial de E.


Exerccio: Considere os seguintes conjuntos
( ) { = z , y , x A IR
3
: z } 0 = e ( ) { = z , y , x B IR
3
: } 0 z y x + + .
Averige se so ou no subespaos vectoriais de IR
3
.

Teorema 3.4: Seja E um espao vectorial definido sobre um corpo K e seja { } um
conjunto de subespaos vectoriais de E. Ento
I i : S
i

I
I i
i
S S
=
26

tambm um subespao vectorial de E.


Seja E um espao vectorial sobre um corpo K e E x , , x , x
n 2 1
K . Todo o vector v que
se pode exprimir sob a forma
n n 2 2 1 1
x x x v + + + = L ,
com , i diz-se combinao linear dos vectores , K
i
n , , 1 K = . x , , x , x
n 2 1
K

Analogamente, se A um subconjunto de E, ento qualquer vector de E da forma
n n 2 2 1 1
x x x + + + L ,

com e K , , ,
n 2 1
K , A x , , x , x
n 2 1
K diz-se combinao linear (finita) de elementos
de A.

Obs.: bvio que qualquer elemento de A combinao linear de elementos de A. De facto,
se podemos escrever , A x
, x 0 x 0 x 1 x
n 2
+ + + = L
com . A x , , x , x
n 3 2
K

Exerccio: Dados os vectores, em IR
4
,
( b , a , 1 , 1 u = ) ( ) 3 , 1 , 1 , 3 v = ( ) 5 , 1 , 0 , 2 w = ,
determine o valor das constantes a e b por forma a ser possvel escrever o vector u
como combinao linear dos vectores v e w.

Teorema 3.5: Seja E um espao vectorial sobre um corpo K e A uma parte no vazia de E. O
conjunto F de todas as combinaes lineares de elementos de A o menor subespao
vectorial de E que contm A.


Sendo A uma parte no vazia do espao vectorial E definido sobre um corpo K, o
subespao F de E formado por todas as combinaes lineares de elementos de A diz-se
subespao gerado por A, ou, tambm, que A gera o subespao F.
No caso de F coincidir com o prprio E, diz-se que os vectores de A constituem um
sistema de geradores de E.

Notao: O subespao gerado por A representa-se por
A ou | | A ou ainda , x , , x , x
n 2 1
K
se . { }
n 2 1
x , , x , x A K =

Em resumo: se F for o subespao gerado pelo conjunto { }
n 2 1
x , , x , x K ,
27

, K : x x , , x , x F
i
n
1 i
i i n 2 1
)
`
= =

=
K
isto , todo o vector de F combinao linear dos vectores .
n 2 1
x , , x , x K

Exerccios:
1. Considere os vectores do espao vectorial real IR
3

( ) 3 , 2 , 1 x
1
= e ( ) 1 , 1 , 2 x
2
= .
Escreva uma condio que caracterize o subespao F de IR
3
gerado por . { }
2 1
x , x A =

2. No espao vectorial IR
4
, considere os conjuntos
( ) (
)
`

|
.
|
\
|
= 0 , 1 , 1 , 0 , 1 , 2 , 2 , 1 ,
2
1
, 1 , 1 ,
2
1
B ) e ( ) ( ) { } 0 , 1 , 1 , 0 , 2 , 0 , 0 , 2 C = .
Mostre que B e C geram o mesmo subespao vectorial de IR
4
.

Exemplos:
1. No espao dos vectores OP de um plano, dois vectores quaisquer desse plano no
colineares so geradores do espao.
2. Os vectores ( ) ( ) ( ) ( ) 1 , 1 , 1 e 1 , 0 , 0 , 0 , 1 , 0 , 0 , 0 , 1 so geradores de IR
3
.
3. Tambm geram IR ( ) ( ) ( 1 , 0 , 0 e 0 , 1 , 0 , 0 , 0 , 1 )
3
.
4. Em geral, o espao vectorial IR
n
gerado pelos n vectores
( )
( )
( ) 1 , 0 , , 0 , 0 , 0 e
0 , 0 , , 0 , 1 , 0 e
0 , 0 , , 0 , 0 , 1 e
n
2
1
K
K K K K K K K
K
K
=
=
=

5. IR gerado por qualquer nmero real no nulo.
6. O espao real C\ gerado por { } i 1 , i , 1 + e tambm por { } i , 1 , pois a i b 1 a bi + = + .
7. O espao complexo C\ gerado por qualquer nmero complexo no nulo.

Observem-se os exemplos 2. e 3.. Repare-se que o nmero de vectores no exemplo 3. o
menor nmero de vectores que geram o espao. O mesmo j no acontece no exemplo 2.
porque ( ) ( ) ( ) ( ) 1 , 0 , 0 1 0 , 1 , 0 1 0 , 0 , 1 1 1 , 1 , 1 + + = . Diremos por isso, como vamos ver, que os
quatro vectores so linearmente dependentes.

Definio 3.6: Os vectores x dizem-se linearmente dependentes se existem
escalares no todos nulos tais que
n 2 1
x , , x , K
n 2 1
, , , K
0 x x
n n 1 1
= + + L .
Esses vectores dizem-se linearmente independentes se a combinao linear nula s
acontece quando todos os escalares so nulos, isto ,
28

0 0 x x
n 2 1 n n 1 1
= = = = = + + L L .

Proposio 3.7: Os vectores so linearmente dependentes se, e somente se,
algum deles combinao linear dos restantes.
n 2 1
x , , x , x K


Exerccios:
1. Verifique se os vectores ( ) , 1 , 1 , 0 , 1 ( ) 0 , 1 , 3 , 2 , ( ) 1 , 1 , 1 , 2 e ( ) 0 , 0 , 0 , 1 so linearmente inde-
pendentes.
2. Verifique se os elementos do espao vectorial real P
3
(x) (conjunto dos polinmios reais de
grau menor ou igual a 3)
1, ,
2
x 2 x
3 2
x x + ,
3
x 2 x +
so linearmente independentes.

Propriedades:
1. Se os vectores so linearmente dependentes, ento qualquer conjunto finito
de vectores que os contenha um conjunto de vectores linearmente dependentes.
n 2 1
x , , x , x K
2. Dados n vectores, se um deles o vector nulo, ento os n vectores so linearmente
dependentes. Pois, 1 0 x 0 x 0 0
1 n 1
= + + +

L .
3. Qualquer subconjunto de um conjunto de n vectores linearmente
independentes, formado por vectores linearmente independentes.
n 2 1
x , , x , x K
4. A dependncia ou independncia linear de n vectores no se altera por
qualquer troca na ordem pela qual estes vectores so indicados.
n 2 1
x , , x , x K
5. A dependncia ou independncia linear de n vectores no se altera quando a um deles se
adiciona uma combinao linear de qualquer nmero dos restantes.

Depois destas consideraes, podemos afirmar que os geradores ( ) ( ) ( ) 1 , 0 , 0 , 0 , 1 , 0 , 0 , 0 , 1 de
IR
3
so linearmente independentes, mas os geradores ( ) ( ) ( ) ( ) 1,1,1 , 1 , 0 , 0 , 0 , 1 , 0 , 0 , 0 , 1 so
linearmente dependentes.

Definio 3.8: Chama-se base do espao vectorial E a um conjunto de geradores de E
linearmente independentes.

Obviamente, excluindo o caso em que { } 0 E = , os vectores de uma base so no nulos.

Definio 3.9: Um espao vectorial E sobre um corpo K diz-se finitamente gerado se admite
um conjunto de geradores finito.

Nota: Somente trabalharemos no contexto dos espaos vectoriais finitamente gerados.

29

Teorema 3.10: Todo o espao vectorial { } 0 E finitamente gerado admite uma base.

Teorema 3.11: Todas as bases de um espao vectorial E finitamente gerado tm o mesmo
nmero de elementos.

Definio 3.12: Seja E um espao vectorial finitamente gerado sobre um corpo K. O nmero
de elementos de qualquer base de E diz-se dimenso de E e designa-se por , ou
apenas . Por conveno,
( ) E dim
K
( ) E dim { } ( ) 0 0 dim = .

Definio 3.13: Dado um espao vectorial E sobre um corpo K e { }
n 2 1
x , , x , x K
E x
uma base de
E, chamam-se componentes ou coordenadas de um vector relativamente base
considerada aos escalares
n 2 1
, , , K que surgem na combinao linear
=
=
n
1 i
i i
x x .

Teorema 3.14: Um conjunto de vectores { }
n 2 1
x , , x , x K uma base de um espao vectorial E
se, e somente se, cada vector x se exprime de forma nica como combinao linear dos
vectores x , isto ,
E
n 2 1
x , , x , K
=
=
n
1 i
i i
x x ,
com nicos.
n 2 1
, , , K


Exemplos:

1. Em IR
2
so bases ( ) ( ) { } 1 , 0 , 0 , 1 , ( ) ( ) 1 , 1 , 0 , 1 { }, etc.
2. No espao K
n
sobre o corpo K, chama-se base cannica base
( ) ( ) ( ) { } 1 , 0 , , 0 , 0 , , 0 , 0 , , 1 , 0 , 0 , 0 , , 0 , 1 K K K K .
3. No espao real C\ , { uma base: tem dimenso 2. O espao complexo C\ tem dimenso
1.
}
}
}
}
}
i , 1

Teorema 3.15: Sejam E um espao vectorial sobre um corpo K de dimenso igual a n e
um conjunto de n vectores de E. Ento, as seguintes afirmaes so
equivalentes:
{
n 2 1
e , , e , e K
a) uma base de E; {
n 2 1
e , , e , e K
b) um conjunto de geradores de E; {
n 2 1
e , , e , e K
c) um conjunto de vectores linearmente independentes de E. {
n 2 1
e , , e , e K

30

Exerccios:
1. Indique a condio a que deve satisfazer de modo a que os vectores ( ), ( ) e
constituam uma base de IR
1 , 0 , 1 0 , , 0
( , 0 , 1 )
3
.
2. Considere o seguinte subespao vectorial do espao vectorial IR
4
:
( ) { = t , z , y , x A IR
4
: } 0 t z y x = + .
Determine uma base e a dimenso do subespao A.

Pelo que vimos anteriormente, fixada uma base { }
n 2 1
e , , e , e K no espao E, cada
vector de E fica bem definido pelas suas coordenadas, isto , pelos escalares que aparecem
em:

( )
n 2 1
, , , K ou | |
n 2 1
L ou em .
(
(
(
(
n
2
1
M

Exemplo: No espao dos polinmios de grau no superior a 3, { }
3 2
x , x , x , 1 uma base. Nesta
base, as coordenadas do polinmio so
3 2
x 5 x 4 x 2 + + | | 5 4 1 2 .

Aplicaes Lineares

Definio 3.16: Sejam E e F dois espaos vectoriais definidos sobre o mesmo corpo K e
uma aplicao de E em F. Se tal que
( ) ( ) ( ) y x y x , E y , x + = +
( ) ( ) x x , E x , K =
ento diz-se que uma aplicao linear, um homomorfismo ou uma transformao
linear de E em F.
Uma aplicao linear de E em E diz-se um endomorfismo.

Um aplicao linear bijectiva diz-se tambm um isomorfismo de E em F. Caso exista
esse isomorfismo diz-se que E e F so espaos isomorfos. Um isomorfismo de E em E
denomina-se automorfismo.

Observao: Pode mostrar-se que as duas proposies da definio de aplicao linear so
equivalentes proposio: ( ) ( ) (y x y x , E y , x , K , ) + = + .

Exemplos:
31

1. A aplicao f de IR
3
em IR
2
definida por ( ) ( ) z y x , x z , y , x f + + = .
2. Homotetia (em IR
3
): . ( ) ( z 2 , y 2 , x 2 z , y , x a )
3. Rotao (em IR
2
): ( ) ( x , y y , x a ) (rotao de
2
)
ou ( )
( ) ( )
|
|
.
|
\
|
+
2
y x 2
,
2
y x 2
y , x a (rotao de
4
)
Exerccio: Verifique se a seguinte aplicao linear:
: f IR
3
IR
2

( ) ( ) z y , y x z , y , x a .

Representaremos por L o conjunto de todas as aplicaes lineares de E em F,
com E e F espaos vectoriais sobre um mesmo corpo K.
( F , E )

Observao: Prova-se que o conjunto L ( ) F , E um espao vectorial sobre K, para as
operaes:
Adio: , L , ( ) F , E ( )( ) ( ) ( ) x x x + = + .
Multiplicao Escalar: , K L ( ) F , E , ( )( ) ( ) | | x x = .

Propriedades das Aplicaes Lineares:

Sejam L ( ) F , E e L ( ) G , F , com E, F e G espaos vectoriais sobre o mesmo
corpo K.

1. ( ) . 0 0 =
2. uma aplicao linear de E em G. o
3. um subespao vectorial de F. ( ) E
4. , denominado ncleo da aplicao linear , um
subespao vectorial de E.
{ } ( ) ( ) { 0 x : E x 0 N
1
= = =

}
5. ( ) ( ) ( ) ( ) E dim N dim E dim + =

.
6. A aplicao injectiva se, e somente se, { } 0 N =
.

Exerccio: Considere a aplicao linear
: f IR
3
IR
2

( ) ( ) z y , y x z , y , x a .
a) Determine . A aplicao f injectiva?
f
N
b) Determine dim (f (IR
3
)).

Teorema 3.17: Sejam E e F dois espaos vectoriais sobre o mesmo corpo K, { }
uma base de E e uma aplicao linear de E em F. Sejam f respectivamente, as
imagens por dos vectores da base de E, isto ,
n 2 1
e , , e , e K
, f , , f ,
n 2 1
K
n 2 1
e , , e , e K
32

( )
i i
f e = ( ) n , , 2 , 1 i K =
Ento podemos afirmar que:
a) injectiva se, e somente se, f so linearmente independentes.
n 2 1
f , , f , K
b) sobrejectiva se, e somente se, f geram F.
n 2 1
f , , f , K
c) bijectiva se, e somente se, f constituem uma base de F.
n 2 1
f , , f , K


Definio 3.18: Sejam E e F dois espaos vectoriais (de dimenso finita) sobre um mesmo
corpo K. Chama-se caracterstica de uma aplicao linear de E em F, dimenso do
subespao . ( ) E

Matriz de uma Aplicao Linear

Sejam E e F dois espaos vectoriais (de dimenso finita) sobre um mesmo corpo K,
uma base de E, { uma base de F e {
n 2 1
e , , e , e K } }
m 2 1
f , , f , f K L ( ) F , E .
Os vectores ( )
j
e , com pertencem ao espao F e como
uma base de F, ento os vectores
, n , , 2 , 1 j K = { }
m 2 1
f , , f , f K
( )
j
e podem representar-se de maneira nica como
combinao linear desses vectores,
( )

=
=
m
1 i
i ij j
f a e ( ), n , , 2 , 1 j K =
onde cada designa a coordenada do vector K a
ij
( )
j
e , relativamente ao vector da base
de F. Isto , tem-se
i
f
( )
( )
( )
m mn 2 n 2 1 n 1 n
m 2 m 2 22 1 12 2
m 1 m 2 21 1 11 1
f a f a f a e
f a f a f a e
f a f a f a e
+ + + =
+ + + =
+ + + =
L
K K K K K K K K K K K K K
L
L

Desta forma, podemos escrever as coordenadas de cada vector ( )
j
e na forma matricial
(
(
(
(
=
mn 2 m 1 m
n 2 22 21
n 1 12 11
a a a
a a a
a a a
A
K
K K K K
K
K

sendo A a matriz, em que cada coluna j ( ) n , , 2 , 1 j K = constituda pelas coordenadas do
vector ( )
j
e
1
e
relativamente base { , a matriz da aplicao linear em relao
s bases { } e{ . Designa-se, em geral, A por
}
m
f ,
}
2 1
, f , f K
m
f ,

n 2
e , , e , K
2 1
, f , f K ( ) } f { }, , M
i
e {
j
ou,
apenas, por . ( ) M

Observe-se agora o seguinte: seja E x e suponhamos que pretendemos determinar a
imagem de x pela aplicao linear . Como { }
n 2 1
e , , e , e K uma base de E, podemos
escrever
33

n n 2 2 1 1
e e e x + + + = L .
Logo, atendendo a que uma aplicao linear, podemos obter sucessivamente o seguinte:
( ) ( )
( ) ( ) ( )
, f a
f a
f a f a f a
e e e
e e e x
m
1 i
i
n
1 j
j ij
n
1 j
m
1 i
i ij j
m
1 i
i in n
m
1 i
i 2 i 2
m
1 i
i 1 i 1
n n 2 2 1 1
n n 2 2 1 1

= =
= =
= = =
|
|
.
|
\
|
=
=
+ + + =
+ + + =
= + + + =
L
L
L

Mas e, portanto, representa-se de maneira nica como combinao linear dos
vectores f da base de F,
( ) F x
2 1
, f ,
m
f , K
( )

=
= + + + =
m
1 i
i i m m 2 2 1 1
f f f f x L .
Consequentemente, tem-se
=
=
n
1 j
j ij i
a ( ) m , , 2 , 1 i K =
e podemos escrever
(
(
(
(
(
(
(
(
=
(
(
(
(
n
2
1
mn 2 m 1 m
n 2 22 21
n 1 12 11
m
2
1

a a a
a a a
a a a
M
K
K K K K
K
K
M

Observao: Pelo que vimos anteriormente, fixadas as bases em E e F, a aplicao linear
fica bem definida pela matriz . ( ) M

Teorema 3.19: Sejam E e F espaos vectoriais, de dimenses n e m, respectivamente, sobre
um corpo K. A aplicao que associa a toda a aplicao L a matriz
correspondente uma aplicao bijectiva do espao vectorial L no espao
vectorial , isto , L
( F , E
( ) F , E
)
( ) M
( ) n , m M
K
: ( ) F , E ( ) n , m M
K
, tal que ( ) ( ) = M , bijectiva.

Deste teorema podemos concluir que a cada aplicao linear est associada uma matriz
e a cada matriz est associada uma aplicao linear. Assim, a caracterstica de uma aplicao
linear igual caracterstica da matriz que lhe est associada. Mais, a caracterstica de uma
matriz igual dimenso do subespao vectorial ( ) E , sendo a aplicao linear que lhe
est associada.

Exerccio: Seja f IR :
3
IR
2
tal que ( ) ( ) z y , y x z , y , x f = , uma aplicao linear.
a) Determine a matriz de f relativamente s bases cannicas de IR
3
e IR
2
.
34

b) A aplicao f tem inversa? Justifique.
c) Calcule , usando: ( 3 , 2 , 1 f )
i) a definio de f;
ii) a matriz de f.

Matrizes de Mudana de Base

Seja E um espao vectorial sobre um corpo K. Suponhamos que E de dimenso n e
sejam
{ }
n 2 1
e , , e , e K e { }
n 2 1
e , , e , e K
duas bases de E.
Como todo o vector de E se pode representar como combinao linear nica dos
vectores da base, podemos escrever

( ), n , 1,2, j e t
e t e t e t e
n
1 i
i ij
n nj 2 j 2 1 j 1 j
K
L
= =
+ + + =
=

e obter a matriz
(
(
(
(
=
nn 2 n 1 n
n 2 22 21
n 1 12 11
t t t
t t t
t t t
T
L
L L L L
L
L
,
cuja coluna j formada pelas coordenadas de e
j
em relao base { }
n 2 1
e , , e , e K . Esta matriz
denomina-se de matriz de transformao, matriz de mudana de base ou matriz de
passagem da base para a base {
n 2 1
e , , e , e K } { }
n 2
e , , e ,
1
e K .
Pode considerar-se T como a matriz da aplicao identidade em E relativamente s
bases e { }
n 2 1
e , , e , e K { }
n 2 1
e , , e , e K , isto ,
( ) } e { }, e { , id M T
i j E
= .

Seja x um vector de E. Ento podemos escrever

=
= + + + =
n
1 i
i i n n 2 2 1 1
e e e e x L
e
=
= + + + =
n
1 j
j j n n 2 2 1 1
e e e e x L .
Logo,

= = = = =
|
|
.
|
\
|
= = =
n
1 i
i
n
1 j
j ij
n
1 j
n
1 i
i ij j
n
1 j
j j
e t e t e x .
Consequentemente, devido unicidade das coordenadas do vector x relativamente base
, tem-se { }
n 2 1
e , , e , e K
35

=
=
n
1 j
j ij i
t
ou
= T ,
onde designa a matriz coluna e |
T
n 1
L | a matriz coluna | |
T
n 1
L .

Analogamente, se T designar a matriz quadrada de ordem n cuja coluna j formada
pelas coordenadas de e relativamente base
j
{ }
n 2 1
e , , e , e K , isto , se T a matriz de
passagem da base {

}
n 1
e , e
2
, e , K para a base { }
n 2
e , , e K
1
, e , tem-se
= T .
Combinando estas duas relaes, tem-se
(
(
(
(
=
(
(
(
(
=
(
(
(
(
n
2
1
n
2
1
n
2
1
T T T
M M M

e tambm
(
(
(
(
=
(
(
(
(
=
(
(
(
(
n
2
1
n
2
1
n
2
1
T T T
M M M
.
Ento , isto , a matriz inversa de T, ou seja T
n
I T T T T = = T
1
T
= .

Considere-se agora uma aplicao linear L ( ) F , E e vejamos que alteraes
ocorrem na matriz de quando se mudam as bases de E e F.

Teorema 3.20: Sejam e { }
n 2 1
e , , e , e K { }
n 2 1
e , , e , e K duas bases de E e T a matriz de
passagem da base { }
n 2 1
e , , e , K e para a base { }
n 2
e , , e
1
, e K . Sejam { } e
duas bases de F e S a matriz de passagem da base
m 2 1
f , , f , f K
{
m 2 1
f , , f , f K } { }
m
f ,
2 1
, f , f K para a base
. Seja A= { }
m 2 1
f , , f , f K ( ) } f { }, e { ,
i j
M e A = ( ) } f {
i
}, e { ,
j
M . Ento podemos afirmar que
T A S A
1
=

.

As matrizes A e , do tipo A n m , por satisfazerem relao ou
relao equivalente , com S e T matrizes regulares, de ordem m e n
respectivamente, dizem-se matrizes equivalentes.
T A S A
1
=

1
T A A

S =
bvio que A e tm a mesma caracterstica. No caso particular em que A , F E =
isto , no caso em que L , tem-se ( E , E )
T A T A
1
=

,
36

em que T a matriz de passagem da base { }
n 2 1
e , , e , e K para a base { }
n 2 1
e , , e , e K .
As matrizes A e satisfazendo relao A A T A T
1
=

ou equivalente
em que T regular, dizem-se matrizes semelhantes. , T A T A
1
=

Exerccio: Sejam E e F dois espaos vectoriais reais e { }
3 2 1 1
e , e , e B = e bases de
E e F, respectivamente. Seja a aplicao linear tal que
{
2 1 1
f , f B = }
)
F E : f
( )
(
=
0 1 1
1 0 1
B , B , f M
1 1
.
Determine (
2 2
B , B , f M , onde { }
3 2 1 2 1 2 1 2
e e e , e e , e e B + + + = e { }
2 2 1 2
f , f 2 f B + = so
bases em E e F, respectivamente.

Valores Prprios e Vectores Prprios

Definio 3.21: Seja E um espao vectorial sobre um corpo K e um endomorfismo de E.
Um escalar dito valor prprio de se existe algum vector em E tal que
. Chama-se vector prprio de
0 x
( ) x x = associado ao valor prprio a todo o vector no
nulo tal que . E x ( ) x x =

Definio 3.22: Seja A uma matriz quadrada de ordem n. Um escalar dito valor prprio
de A se existe alguma matriz coluna X 0 , ( ) 1 , n M X
K
, tal que . Chama-se
vector prprio de A associado ao valor prprio
X AX =
a toda a matriz no nula tal
que .
( 1 , n M
K
) X
X AX =

Evidentemente, a definio anterior um caso particular da definio 3.21. Pois, a
cada aplicao linear est associada uma matriz e basta designar ( ) 1 , n M
K
por E para que
seja linear. AX X a

Exemplos:
1. Se
(
=
2 1
0 2
A , 2 = e , temos
(
=
1
0
X X AX = .
2. Sejam ,
(
(
(
=
5 2 1
12 4 3
4 0 2
A 0
1
= , 1
2
= , 2
3
= ,
(
(
(
=
1
2 3
2
X
1
, e
, com . Ento
(
(
(

= 0
4
X
2
(
(
(
0
IR ,
=
2
X
3 i i
X
i
AX = , para i 3 , 2 , 1 = .

Teorema 3.23: O conjunto dos vectores prprios de L ( ) E , E
I
associado a um mesmo
valor prprio acrescido do vector nulo o subespao de E (chamado subespao K N
37

prprio de associado a e sua dimenso chama-se multiplicidade geomtrica do valor
prprio ).

1
,


Teorema 3.24: Se os vectores prprios de um endomorfismo esto associados a
distintos valores prprios , ento os vectores so linearmente independentes.
n 1
x , , x K
n
, K


Corolrio 3.25: Um endomorfismo de um espao vectorial de dimenso n tem, no mximo, n
valores prprios distintos.
38

4 DETERMINANTES

Antes de iniciarmos o estudo da teoria dos determinantes, estudaremos alguns
conceitos relacionados com permutaes, essenciais compreenso da dita teoria.

Definio 4.1: Sejam n um nmero natural e { } n , , 2 , 1 A K = . Chama-se permutao de A a
qualquer aplicao bijectiva de A em A.

Observaes:
1. O nmero de permutaes de n elementos igual a . ! n
2. Designaremos por o conjunto de todas as permutaes de n elementos. (Veja a
observao da pgina 2).
n
S

Exemplos:
1. As permutaes que pertencem a S so:
4
|
|
.
|
\
|
4 3 2 1
4 3 2 1
|
|
.
|
\
|
1 3 2 4
4 3 2 1
, , , , ,
, etc.
|
|
.
|
\
|
3 4 2 1
4 3 2 1
|
|
.
|
\
|
4 2 3 1
4 3 2 1
|
|
.
|
\
|
4 3 1 2
4 3 2 1
|
|
.
|
\
|
2 3 4 1
4 3 2 1
2. As permutaes
|
|
.
|
\
|
4 2 1 5 3 6
6 5 4 3 2 1
e
|

|
|
.
|
\
4 6 3 1 2 5
6 5 4 3 2 1
pertencem a S .
6

vulgar escrever-se ( em vez de , tornando a escrita mais
simplificada. Repare-se que a escrita simplificada de uma permutao no de forma alguma
ambgua.
)
)
)
1 , 3 , 2
|
|
.
|
\
|
1 3 2
3 2 1

Teorema 4.2: ( um grupo, onde o a operao binria composio de aplicaes. o , S
n

Obs.: O grupo no necessariamente comutativo. ( o , S
n

Exemplo: Em S ,
3
|
|
.
|
\
|
=
|
|
.
|
\
|
|
|
.
|
\
|
2 1 3
3 2 1
3 1 2
3 2 1
2 3 1
3 2 1
o
e
39

|
|
.
|
\
|
=
|
|
.
|
\
|
|
|
.
|
\
|
1 3 2
3 2 1
2 3 1
3 2 1
3 1 2
3 2 1
o

Definio 4.3: Uma transposio uma permutao de S tal que
n
( ) j i = e , para
, e ,
( ) i j =
j i ( ) k k = j , i k .

Exemplo:
1. A permutao
|
pode simplesmente escrever-se na forma , isto ,
|
|
.
|
\
2 4 3 5 1
5 4 3 2 1
( 5 , 2 )
)

( ) 5 , 2
2 4 3 5 1
5 4 3 2 1
=
|
|
.
|
\
|
.
2. Analogamente, podemos escrever
( ) ( ) ( ) ( ) ( 5 , 2 4 , 3 , 1
2 1 4 5 3
5 4 3 2 1
3 , 4 1 , 3 5 , 2 =
|
|
.
|
\
|
=

Nota: Uma transposio inversa de si prpria.

Teorema 4.4: Qualquer permutao de S ( ) composio de transposies, isto , se
um permutao, ento
n
2 n
k
2 1
= o o o L , com , k , , 1 i ,
i
K = transposies.

Exemplos:
1. Em S ,
2
( 2 , 1
1 2
2 1
=
|
|
.
|
\
|
) e ( ) ( ) 1 , 2 2 , 1
2 1
2 1
=
|
|
.
|
\
|
2. Em S ,
5
( ) ( ) ( ) ( ) 3 , 4 2 , 3 1 , 2 4 , 3 , 2 , 1
5 1 4 3 2
5 4 3 2 1
= =
|
|
.
|
\
|
.

Definio 4.5: Diz-se que uma permutao par se decomponvel num nmero par de
transposies e mpar se decomponvel num nmero mpar de transposies.

Observao: Embora a decomposio de uma permutao em composio de transposies
no seja nica, a paridade do nmero de transposies em cada decomposio sempre a
mesma. Isto , se uma permutao tal que
k 2 1
= o L o o e
m 2 1
= o L o o ,
ento ou k e m so nmeros pares ou k e m so nmeros mpares.

40

Exemplo: A permutao
|
par j que, por exemplo,
|
.
|
|
.
|
\
1 4 2 3
4 3 2 1
( )( 3 , 1 4 , 1
1 4 2 3
4 3 2 1
=
|
|
.
|
\
)

Teorema 4.6: Uma permutao no pode ser simultaneamente par e mpar.

Alm da definio, existe um outro mtodo, mais prtico, para a determinao da
paridade de uma permutao. Esse mtodo descrito no teorema que se segue. Antes, defina-
-se para uma permutao , tal que
n
S
r 2 1
= o L o o
1
, o seu sinal como . Se
par, ; se mpar,
( ) ( )
r
1 =
( ) 1 = ( ) = .

Teorema 4.7: Para qualquer permutao
n
S , tem-se ( ) ( )
( )
, em que o
nmero de pares ( tais que 1

= 1 ( )
) j , i n j i < e ( ) ( ) j i > .

Dizemos que o nmero (definido no teorema anterior) o nmero de inverses
de .
( )

Observao: bvio que uma permutao par ou mpar se o seu nmero de inverses ,
respectivamente, par ou mpar.

Exerccio: Determine a paridade das seguintes permutaes a partir do teorema anterior:
a) b)
|

|
|
.
|
\
|
3 1 2 4
4 3 2 1
|
|
.
|
\
5 6 2 1 4 3
6 5 4 3 2 1

Teorema 4.8: Para , tem-se: 2 n
1. Se uma transposio, ento
n
S ( ) 1 = ;
2. ( ) ( ) ( ) = o , S ,
n
.

Corolrio 4.9: Se , ento
n
S ( ) ( ) =
1
.

Exerccio: Determine a inversa da permutao
|
|
.
|
\
|
=
6 5 3 2 1 4
6 5 4 3 2 1

e verifique que ( ) ( ) =
1
.

41

Funes Multilineares

Definio 4.10: Seja K um corpo e
n n n
K K K L o espao vectorial constitudo pelo
produto cartesiano de n factores
n
K . Chama-se funo n-linear ( ou multilinear) sobre
n
K
a uma aplicao
K K K K : f
n n n
L
tal que
( ) ( ) ( )
n i 1 n i 1 n i i 1
x , , y , , x f x , , x , , x f x , , y x , , x f K K K K K K + = + ,
para , , isto , f linear em relao a cada um dos n
argumentos.
n i 1
n
n 1
K x , , x , K , K

Observao: A condio
( ) ( ) ( )
n i 1 n i 1 n i i 1
x , , y , , x f x , , x , , x f x , , y x , , x f K K K K K K + = +
equivalente a:
( ) ( ) ( )
n i 1 n i 1 n i i 1
x , , y , , x f x , , x , , x f x , , y x , , x f K K K K K K + = +
e
( ) ( )
n i 1 n i 1
x , , x , , x f x , , x , , x f K K K K = .

Exemplos:
1. IR : f
2
IR
2
IR , tal que, ( ) ( ) ( ) bd ac d , c , b , a f + = bilinear.
2. IR : f
2
IR
2
IR , tal que, ( ) ( ) ( ) bc ad d , c , b , a f = bilinear. Pode provar-se que
( ) ( ) ( ) , c , b f d , a a rea do paralelogramo definido pelos vectores ( ) b , a e . ( ) d , c

Pode facilmente verificar-se que aplicao bilinear do exemplo 2. satisfaz as
propriedades: ( ) ( ) ( ) 0 b , a , b , a f = e ( ) ( ) ( ) ( ) ( ) ( ) b , a , d , c f d , c , b , a f = , ao contrrio da aplicao
bilinear do exemplo 1.. Estas propriedades sugerem a seguinte definio:

Definio 4.11: Uma funo n-linear f diz-se alternada se para , x x
j i
= com , j i
( ) 0 x , , x , , x , , x f
n j i 1
= K K K ,
isto , anula-se sempre que dois dos vectores sejam iguais.
Uma funo n-linear f diz-se anti-simtrica se
( ) ( )
n i j 1 n j i 1
x , , x , , x , , x f x , , x , , x , , x f K K K K K K = ,
isto , uma troca de sinal corresponde a uma troca de posio de dois vectores.

Teorema 4.12: Sejam K um corpo de caracterstica diferente de 2 (isto , um corpo que
satisfaa a propriedade: 0 x 0 x x = = + ) e uma funo n-linear.
Ento as seguintes afirmaes so equivalentes:
K K K K : f
n n n
L
a) f anti-simtrica.
b) f alternada.
c) Se e so linearmente dependentes, ento
i
x
j
x ( ) 0 x , , x , , x , , x f
n j i 1
= K K K .
42

Observao: Se uma funo n-linear anti-simtrica e uma permutao de S , ento
n
( ) ( ) ( )
( ) ( ) ( )
n 2 1 n 2 1
x , , x , x f x , , x , x f K K =

.

A partir de agora consideraremos sempre um corpo K de caracterstica diferente 2. O
corpo dos reais ou dos complexos so considerados corpos de caracterstica zero (ou infinita).
Seja A uma matriz quadrada de ordem n sobre K, isto ,
(
(
(
(
=
nn 2 n 1 n
n 2 22 21
n 1 12 11
a a a
a a a
a a a
A
L
L L L L
L
L
.
evidente que uma matriz pode identificar-se com um elemento de
n n n
K K K L
n
,
bastando identificar cada uma das suas linhas, L como elementos de , L , , L ,
n 2 1
K K . Assim,
no contexto de podemos definir a seguinte funo n-linear: ( n , n M
K
)

Definio 4.13: Chama-se determinante de ( ) n , n M A
K
funo n-linear alternada das
linhas de A definida por:
| | ( )
( ) ( ) ( )

= = =
n
S
n n 2 2 1 1 ij
a a a A A det a A L a .

Observao: O determinante de uma matriz quadrada no mais do que a soma de todos os
produtos de n elementos da matriz, correspondentes a cada uma das permutaes de S ,
afectados pelo sinal da permutao correspondente. Assim, o nmero de parcelas igual a n .
n
!

|
A partir da definio, podemos facilmente constatar que:

- Se A , ento . |
11
a =
11
a A det =

- Se A , ento det
(
=
22 21
12 11
a a
a a
21 12 22 11
a a a a A = , j que S , sendo a
permutao par e a permutao mpar.
)
`
|
|
.
|
\
|
|
|
.
|
\
|
=
1 2
2 1
,
2 1
2 1
2
|
|
.
|
\
|
2 1
2 1
|
|
.
|
\
|
1 2
2 1
Assim, o determinante de uma matriz quadrada de ordem 2 igual diferena entre o
produto dos elementos principais e o produto dos elementos da diagonal secundria.
- Se A , ento
(
(
(
=
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
43

32 23 11 33 21 12 31 22 13 32 21 13 31 23 12 33 22 11
33 32 31
23 22 21
13 12 11
a a a a a a a a a a a a a a a a a a
a a a
a a a
a a a
+ + = ,
j que as permutaes de S so:
3
|
|
.
|
\
|
3 2 1
3 2 1
, , , , , .
|
|
.
|
\
|
1 3 2
3 2 1
|
|
.
|
\
|
2 1 3
3 2 1
|
|
.
|
\
|
1 2 3
3 2 1
|
|
.
|
\
|
3 1 2
3 2 1
|
|
.
|
\
|
2 3 1
3 2 1
Em termos prticos, o clculo do determinante de uma matriz quadrada de ordem 3
pode ser efectuado usando a Regra de Sarrus: as parcelas de sinal positivo do
determinante so referentes ao produto dos elementos principais e aos produtos dos
elementos que se dispem nos vrtices dos dois tringulos cuja base paralela diagonal
principal, e as parcelas de sinal negativo do determinante so referentes ao produto dos
elementos da diagonal secundria e aos produtos dos elementos que se dispem nos
vrtices dos dois tringulos cuja base paralela diagonal secundria. Observe o
esquema:
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a

Exerccio: Calcule o determinante das seguintes matrizes:
a) b) c)
(
1 3
5 2
(
(
(

3 3 1
1 2 1
4 0 2
(
(
(

1 2 3
2 4 2
1 2 1

No clculo do determinante de uma matriz de ordem superior ou igual a 4 no usual
aplicar-se a definio de determinante, pois torna-se um clculo fastidioso. No entanto,
iremos estudar propriedades que facilitam esses clculos. Antes dessas propriedades,
estudemos agora as propriedades bsicas dos determinantes.

Propriedades dos Determinantes:
Seja A uma matriz quadrada de ordem n.
1. (n-linear) Se uma fila de A se decompuser numa soma de filas, o determinante de A
igual soma dos determinantes de duas matrizes em que nessa fila se usa uma parcela de
cada vez, mantendo-se as restantes. Isto ,
| | | | | |
n i 1 n i 1 n i i 1
F , , F , , F det F , , F , , F det F , , F F , , F det K K K K K K + = + .
2. (n-linear) Se multiplicarmos uma fila de A por um escalar , ento o determinante vem
multiplicado por , isto ,
| | | |
n i 1 n i 1
F , , F , , F det F , , F , , F det K K K K = .
44

Assim, tambm temos que A A
n
= .
3. (Anti-simetria) Ao trocarmos entre si duas filas paralelas de A, o determinante troca de
sinal, isto ,
| | | |
n i j 1 n j i 1
F , , F , , F , , F det F , , F , , F , , F det K K K K K K = .
4. (Funo alternada) Se as filas de A so linearmente dependentes, ento o determinante
de A igual a zero.
5. No se altera o determinante de A quando a uma fila se adiciona uma combinao linear
de outras filas paralelas. Basta observar que:
| | | | | |
n j j 1 n i 1 n j i 1
F , , F , , F , , F det F , , F , , F det F , , F F , , F det K K K K K K K + = + .
6. . Pois, representando a por a , cada parcela de det da forma A det A det
T
=
ji
T
ij
T
A
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( ) n n 1 1
1
n n 1 1
n n 1 1
T
n n
T
1 1
1 1 1 1
a a a a a a a a

= = = L L L L ,
isto , corresponde a outro termo de , com o mesmo sinal. A det
7.
= = A det A det A det .

8. Se A uma matriz triangular, ento
nn 22 11
a a a A det L = .
Em particular, . 1 I det =
9. A caracterstica da matriz A inferior ordem se, e somente se, , isto , A
uma matriz singular se, e somente se, det
0 A det =
0 A = . Evidentemente, A regular se, e somente
se, . 0 A det
10. B A B A = .
11. Se A regular, ento
A
1
A
1
=
.
12. A caracterstica da matriz A igual mais alta ordem das submatrizes quadradas de A
com determinante no nulo.

Exerccio: Sejam A e B duas matrizes quadradas de ordem 2 tais que .
Calcule
B det 2 A det = =
( ) ( ) | |
T
1
AB 2 det

.

Complementos Algbricos

Definio 4.14: Seja A uma matriz quadrada de ordem n. Chama-se menor de ordem m de A
ao determinante de qualquer submatriz de A de ordem m ( n m < ).
Dois menores dizem-se complementares se num deles esto representadas
exactamente as linhas e colunas de A que no figuram no outro.
Um menor diz-se principal se a sua diagonal tem somente elementos principais da
matriz inicial.
Um menor de A diz-se par ou mpar conforme par ou mpar a soma dos ndices das
linhas e das colunas de A nele representadas.
45

Dado um menor de A, o seu complemento algbrico o produto do seu menor
complementar pelo respectivo sinal ( )
1 , onde a soma dos ndices que determinam a

paridade do menor.
Notao: Sendo um elemento de A, representaremos por o complemento algbrico do
menor
ij
a
ij
A
ij
a .

Exemplo: Seja . Um seu menor
(
(
(
(
(
(

=
1 2 5 3 4
2 0 1 0 1
1 3 4 1 0
0 2 1 0 0
4 5 0 3 1
A
2 3 4
0 0 1
2 0 0
e par, porque
18 4 2 1 5 4 2 = + + + + + = . O seu menor complementar
1 4
4 0
e o complemento
algbrico ( )
1 4
4 0
1 4
4 0
1 .

Exerccio: Determine o complemento algbrico do menor
12
a , sendo a elemento da matriz
A do exemplo anterior.
12

Propriedades:
a) Um menor principal sempre par.
b) Um menor e o seu complementar tm a mesma paridade.

Depois destes conceitos, estamos em condies de estudar um teorema muito
importante que permite calcular mais facilmente o determinante de uma matriz de ordem
superior ou igual a quatro.

Teorema 4.15: (Teorema de Laplace) Um determinante de uma matriz igual soma dos
produtos dos elementos de uma fila pelos respectivos complementos algbricos.

Exerccio: Seja A . Utilize o teorema de Laplace para calcular
(
(
(
(

=
1 2 4 3
1 3 2 1
0 4 2 0
2 1 1 2
A .

Nota: Na aplicao do teorema de Laplace convm escolher uma das filas com mais zeros (se
existirem). No entanto, podemos sempre fazer surgir zeros atravs da utilizao de operaes
elementares que no alterem o valor do determinante.

46

Teorema 4.16: A soma dos produtos dos elementos de uma fila pelos complementos
algbricos dos elementos homlogos de outra fila paralela nula, isto ,
hn in 2 h 2 i 1 h 1 i
A a A a A a 0 + + + = L ( i h )
ou
nk nj k 2 j 2 k 1 j 1
A a A a A a 0 + + + = L ( k j ).

Demonstrao: Essa soma igual ao determinante da matriz obtida substituindo a linha i pela
linha h (ou coluna j pela coluna k). Desta forma, a matriz fica com duas filas iguais e portanto
o determinante nulo.

Este teorema e o teorema de Laplace permitem escrever:

= =
= =
n
1 i
ij ij
n
1 j
ij ij
A a A a A e 0 , ) h i e k j ( A a A a
n
1 i
ik ij
n
1 j
hj ij
= =

= =
isto , usando o smbolo de Kronecker,
A A a
ih
n
1 j
hj ij
=
=
ou A A a
jk
n
1 i
ik ij
=
=
.

Teorema 4.17: (Teorema de Laplace Generalizado) Um determinante de uma matriz
igual soma dos produtos dos menores de ordem m contidos em m filas paralelas pelos
respectivos complementos algbricos.

Exerccio: Seja . Utilize o teorema de Laplace generalizado para
calcular
(
(
(
(
(
(

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

Definio 4.18: Seja A uma matriz quadrada. Chama-se adjunta de A matriz que desta se
obtm substituindo cada elemento pelo seu complemento algbrico e transpondo a matriz
resultante.

Notao: A adjunta de uma matriz A representada por adj A ou . A

De acordo com a definio anterior, se | |
ij
a A = , ento a matriz adjunta de A tal
que adjA . | | |
ji
T
ij
A A = = |

Exerccio: Determine a matriz adjunta da matriz .
(
(
(
=
0 1 1
0 0 1
2 1 0
A

47

Teorema 4.19: Seja A uma matriz quadrada de ordem n regular. Ento I A adjA A = e
1 n
A adjA

= .

Demonstrao: Basta observar que multiplicando A e , obtemos: adjA
| | , b adjA A
ij
= com
= =
k
ij jk ik ij
A A a b e | | , c A
ij
= adjA com
= =
k
ij kj ki ij
A a A c .
Assim, podemos concluir que I A A = adjA adjA A = . E desta frmula, usando as
propriedades dos determinantes e o facto de A ser regular, temos que
1 n n
A adjA A adjA A I A adjA A

= = =

Corolrio 4.20: Se A uma matriz quadrada regular, ento
adjA
A
1
A
1
=
.

Demonstrao: Usando-se o teorema 4.19, resulta de imediato que
I A adjA
A
1
adjA
A
1
A =
|
|
.
|
\
|
=
|
|
.
|
\
|
.

Este corolrio d-nos assim um novo processo para calcular a inversa de uma matriz
regular.

Exerccio: Utilizando a ltima propriedade, determine, caso exista, a matriz inversa da matriz
(
(
(
=
0 1 1
0 0 1
2 1 0
A .

Resoluo de Sistemas de Equaes Lineares Usando a Teoria dos Determinantes

Seja
= + + +
= + + +
m n mn 2 2 m 1 1 m
1 n n 1 2 12 1 11
b x a x a x a

b x a x a x a
L
M
L
,
um sistema de m equaes lineares com n incgnitas, sobre um corpo K. J sabemos que este
sistema equivalente equao matricial AX B = , com
48

(
(
(
=
mn 1 m
n 1 11
a a
a a
A
L
L L L
L
, e .
(
(
(
=
n
1
x
x
X M
(
(
(
=
m
1
b
b
B M

1 Caso: Se , ento o sistema possvel e determinado e a matriz A
quadrada. Assim, a matriz A invertvel o que implica que o seu determinante no nulo.
Logo, pelo Corolrio 4.20,
(A car n m = = )
( ) B adjA
A
1
X B A X B A AX A B AX
1 1 1
= = = =

,
isto ,
(
(
(
(
(
(
=
(
(
(
n
1
nn n 1
1 n 11
n
1
b
b
A A
A A
A
1
x
x
M
L
L L L
L
M ,
e portanto,
( )
A
a b a
a b a
b A b A b A
A
1
x
nn n 1 n
n 1 1 11
n ni 2 i 2 1 i 1 i
L L
M L M L M
L L
L = + + + = ,
onde os termos independentes aparecem na coluna i, com n , , 2 , 1 i K = .

Regra de Cramer: Um sistema de n equaes com n incgnitas com o determinante da
matriz dos coeficientes no nulo possvel e determinado e o valor de cada incgnita o
inverso do determinante da matriz dos coeficientes multiplicado pelo determinante da matriz
que se obtm a partir da matriz dos coeficientes substituindo os coeficientes dessa incgnita
pelos correspondentes termos independentes.

Os sistemas deste primeiro caso so usualmente denominados por sistemas de
Cramer.

Exerccio: Resolva, se possvel, o seguinte sistema usando a regra de Cramer:
= +
=
= + +
0 y x
2 z x
1 z y x
.

2 Caso: Se , ento o sistema ( ) n m A car < =
= + + +
= + + +
m n mn 2 2 m 1 1 m
1 n n 1 2 12 1 11
b x a x a x a

b x a x a x a
L
M
L

possvel indeterminado e equivalente a
49

= + + +
= + +
+ +
+ +
n mn 1 m 1 m , m m m mm 2 2 m 1 1 m
n n 1 1 m 1 m 1 1 m m 1 1 11
x a x a b x a x a x a

x a x a b x a x a
L L
M
L L

Este ltimo sistema pode resolver-se pela regra de Cramer, pois, relativamente s incgnitas
principais, podemos considerar que estamos na presena de um sistema de Cramer.
Sendo o nmero de incgnitas principais igual a ( ) m A Car = (as no principais so
), chama-se determinante principal do sistema ao determinante dos coeficien-
tes das incgnitas (escolhidas para) principais. bvio que
( ) A car n
no nulo, de ordem ( ) A Car .

3 Caso: . Por condensao, a matriz ampliada do sistema transforma-se em ( ) m r A Car < =
(
(
(
(
(
(
(
(
(
(
(

+
m
1 r
r rn
2 n 2
1 n 1
rr
r 2 22
r 1 12 11
| 0 0 |
| |
| 0 0 |
| |
| |
| |
| |
| |
0 0
0 0
0 0
0
L L
M L L
L L
L
M L L
L
L
L L
L L L L
L L
L
L O O L
L
L

Assim, para este caso temos que considerar r incgnitas e equaes principais, que definem
um determinante principal, no nulo, e r n incgnitas no principais e r m equaes
no principais. Nestas circunstncias, sabemos que o sistema possvel se, e somente se,
. 0
m 2 r 1 r
= = = =
+ +
L
Seja o determinante da matriz obtida a partir da matriz de determinante
s

acrescentando-lhe uma ltima linha, constituda pelos coeficientes das incgnitas principais
da equao de ordem s no principal, e uma ltima coluna constituda pelos termos
independentes dessas 1 r + equaes, isto ,
s
r
1
sr 1 s
rr 1 r
r 1 11
s
b |
|
b |
|
b |

a a
a a
a a

=
M
L
L
L L L
L
.
Chama-se a determinante caracterstico.
s
Como as operaes elementares no alteram o determinante de uma matriz caso este

seja nulo, ento
0
|
|
|
|
|

0 0
0 0
b |
|
b |
|
b |

a a
a a
a a
s
r
1
rr
r 1 11
s
r
1
sr 1 s
rr 1 r
r 1 11
s
=

=

=
M
L
L O L
L
M
L
L
L L L
L

se, e somente se, , isto , se, e somente se, cada determinante caracterstico nulo. Em
concluso:
0
s
=
50

Teorema 4.21: (Teorema de Rouch) Um sistema de equaes lineares possvel se, e
somente se, ou no existem determinantes caractersticos ou, existindo, so todos nulos.

Exemplos:
1. Considere o seguinte sistema:
= + +
= + +
= +
3 z y 3 x 2
1 z 2 y x
2 z y 2 x 3
.
Verifique que
0
1 3 2
2 1 1
1 2 3
=

.
Um determinante principal , por exemplo, 0 5
1 1
2 3
=
= . Um outro , por exemplo,

0 5
2 1
1 2
=
. Neste caso, existe um determinante caracterstico:

3 3 2
1 1 1
2 2 3
3
=
e . Logo, o sistema possvel e indeterminado. 0
3
=
2. Considere o seguinte sistema:
= +
= +
= +
= +
2 z y x 3
1 z y 2 x
0 z 2 y 3 x 4
1 y x 2
.
A matriz dos coeficientes :
(
(
(
(
1 1 3
1 2 1
2 3 4
0 1 2
.

Observe, por exemplo, que:
1. 0 2 ;
2. 0 10
3 4
1 2
=
;
51

3. 0
1 2 1
2 3 4
0 1 2
=
.
4. 0
1 1 3
2 3 4
0 1 2
=

Logo, a caracterstica da matriz dos coeficientes 2 e um determinante principal
3 4
1 2
= . Como,

, 0 5
1 2 1
0 3 4
1 1 2
3
=

=
ento o sistema impossvel.

Neste ltimo exemplo foi usado o seguinte resultado:

Teorema 4.22: A caracterstica de uma matriz r se, e somente se, contm um menor de
ordem r no nulo e todos os de ordem 1 r + que dele se obtm juntando uma linha e uma
coluna da matriz so nulos.

Sistemas Homogneos

Dado que um sistema homogneo AX 0 = sempre possvel, tendo sempre a soluo
, ento, quando a matriz dos coeficientes quadrada, o sistema determinado se, e
somente se,
0 X =
0 A . Ser indeterminado se, e somente se, 0 A = .

Clculo de Valores Prprios

Recordemos que o escalar valor prprio de um endomorfismo de um espao
vectorial se existe um vector tal que
0

x ( ) x x = . Equivalentemente, se A a matriz da
aplicao linear , em relao a certa base previamente fixada no espao vectorial, temos a
equao matricial AX
X = ou ( ) 0 X I A = , isto , um sistema homogneo que deve ter

outras solues alm da nula, ou seja, deve ser indeterminado. Logo, a matriz I A
singular (no regular), o que equivalente a 0 I A = . equao 0 I A = , cujas razes
so os valores prprios de A, chama-se equao caracterstica. Chama-se polinmio
caracterstico ao polinmio I A em de grau igual ordem de A. Para este polinmio
vlido o seguinte teorema:
52

Teorema 4.23: Um polinmio caracterstico no depende da matriz que representa o
endomorfismo de um espao vectorial.

Demonstrao: Sejam e { } ( )
i
e , M A = { } ( )
i
e , M B = , com { }
i
e e { }
i
e bases do espao
vectorial. Sabemos que , em que P a matriz de passagem de { para { P A P B
1
=

}
i
e }
i
e .
Vamos mostrar que I A I B = . Ora,
I A P I A P P I P P A P I B
1
1 1
= = =

.

Exerccio: Determine os valores prprios da matriz
(
(
(
1 1 1
0 4 3
0 1 0

Teorema 4.24: Um endomorfismo de E, espao vectorial de dimenso n, pode ser
representado por uma matriz diagonal, isto , diagonalizvel, se, e somente se, E admite
uma base formada por vectores prprios de . Neste caso, os elementos principais dessa
matriz diagonal so os valores prprios de e cada matriz de semelhante a essa matriz.

Demonstrao: Basta observar que { }
n 1
e , , e K base de vectores prprios com ( )
i i i
e e = ,
, se, e somente se, n , , 1 i K =
(
(
(
(
n
2
1
0 0
0 0
0 0
L
L L L L
L
L

a matriz de em relao a essa base.

Corolrio 4.25: Se tem n valores prprios distintos, ento pode ser representada por
uma matriz diagonal.

Demonstrao: A n valores prprios distintos correspondem n vectores prprios linearmente
independentes. Logo, porque n vectores linearmente independentes formam uma base, E
admite uma base formada por vectores prprios de .

Exerccio: Seja o endomorfismo de IR
3
representado, em relao base { de IR }
3 2 1
e , e , e
3
,
pela matriz
(
(
(
=
1 2 0
0 0 1
0 2 1
A .
a) Determine os valores prprios de .
b) Determine o subespao prprio associado a um dos valores prprios de .
c) Diga, justificando, se a matriz A , ou no, semelhante a uma matriz diagonal, isto , se
A diagonalizvel.
53

5 Espaos Euclidianos e Espaos Unitrios

Neste captulo consideraremos sempre um espao vectorial E sobre K, com K = IR ou
K = C/ .

Definio 5.1: Uma aplicao do produto cartesiano E E em K tal que ( ) ( v u v , u a ) diz-se um
produto interno (ou escalar) em E se satisfaz as seguintes propriedades:
P
1
: ( ) . E 0 u u ( ) 0 u u = se, e somente se, 0 u = ;
P
2
: ( ) ( ) ( ) w v w u w v u + = + ;
P
3
: Se K = IR , ( ) ( v u u v = ); Se K = C/ , ( ) ( ) v u u v = .
Chama-se espao euclidiano (ou unitrio) a um espao vectorial real (ou complexo) de
dimenso finita com produto interno.

Observaes:
1. Independentemente do corpo ser o real ou o complexo, ( ) u u IR .
2. Se K = IR , ( ) ( ) ( ) v w u w v u w + = + , logo o produto interno bilinear.
3. Se K = C/ , ( ) ( ) ( ) v w u w v u w + = + .

Exemplos:
1. Em IR
n
(que um espao vectorial real), se y , x IR
n
, usando as coordenadas dos vectores na
base cannica, e ( )
n 1
x , , x x K = ( )
n
y , K
1
, y y = , podemos definir um produto interno do
seguinte modo:

( )

=
=
n
1 i
i i
y x y x .
Para , 3 n = ( )
3 3 2 2 1 1
y x y x y x y x + + = .
2. Em C/
n
podemos definir um produto interno do seguinte modo:
( )

=
=
n
1 i
i i
y x y x .

Propriedades do Produto Interno:
1. ( ) ( ) . 0 x 0 0 x = = Pois, basta observar que ( ) ( ) ( ) ( ) 0 x x x x x x x 0 x = = = .
2. Se ( ) , E y , 0 y x = ento . E, se 0 x = ( ) , E y , 0 x y = ento 0 x = .
3. (Desigualdade de Cauchy-Schwarz) Se E espao euclidiano e , E y , x ento
( ) ( )( ) y y x x y x
2
.
54

Definio 5.2: Num espao E com produto interno chama-se norma do vector ao escalar
real
E x
x definido por:
( ) x x x = .

Exemplo: Em IR
n
, ( )

=
= + + + =
n
1 i
2
i
2
n
2
2
2
1 n 2 1
x x x x x , , x , x L K uma norma denominada
euclidiana. Em C/
n
, ( )

=
= + + + = =
n
1 i
2
i
2
n
2
2
2
1 n 2 1
x x x x x , , x , x x L K .

Propriedades da Norma:
1. 0 x = se, e somente se, e 0 x = 0 x , para todo E x .
2. x x = , para quaisquer e K E x .
3. (Desigualdade Triangular) y x y x + + , para quaisquer E y , x .

Observao: A desigualdade triangular consequncia da desigualdade de Cauchy-Schwarz:
( ) y x y x .

Definio 5.3: Dois vectores x e y, de um espao vectorial E, com produto interno, dizem-se
ortogonais se ( ) 0 y x = . Neste caso escreve-se y x .
Chama-se complemento ortogonal de um conjunto S ao conjunto E
{ } S x , x y : E y S =
.
Uma base dita ortonormada (o.n.) se os vectores so ortogonais dois a dois e tm
norma 1, isto , a base { ortonormada se }
n 2 1
e , , e , e K ( ) 0 e e
j i
= , para , e j i 1 e
i
= , para
. n , , 2 , 1 i K =

Exemplos:
1. e . { } E 0 =
{ } 0 E =
2. Em IR
3
, com o produto interno j referido, so ortonormadas as bases:
( ) ( ) ( ) { } 1 , 0 , 0 , 0 , 1 , 0 , 0 , 0 , 1
e
( )
|
|
.
|
\
|
|
|
.
|
\
|
01 , 0 , 0 ,
2
2
,
2
2
, 0 ,
2
2
,
2
2
.

55

Teorema 5.4: Um espao euclidiano (ou unitrio) admite sempre uma base ortonormada.

Demonstrao: Este teorema consequncia do facto de qualquer espao vectorial, de dimenso
finita, ter uma base e uma base poder transformar-se numa base o.n. usando-se o processo de
ortonormalizao de Gram-Schmidt. Vejamos em que consiste este processo num espao
vectorial de dimenso 3.
Seja E um espao euclidiano (ou unitrio) de dimenso 3 e { }
3 2 1
e , e , e uma sua base.
Definam-se os vectores e por:
2 1
u , u
3
u
1
1
1
e
e
u = ;
,
u
u
u
2
2
2
= com ( )
1 1 2 2 2
u u e e u = ;
,
u
u
u
3
3
3
= com ( ) ( )
1 1 3 2 2 3 3 3
u u e u u e e u = .
imediato verificar que estes vectores tm norma 1. Vejamos que u e so
ortogonais:
1 2
u
( ) ( ) ( ) ( )
( ) ( )( ) ( )
( ) ( ) ( )
. 0
u e u e
u
1

u u u e u e
u
1

u u u e e
u
1
u u
1 2 1 2
2
1 1 1 2 1 2
2
1 1 1 2 2
2
1 2
=
=

De modo semelhante pode mostrar-se que os restantes pares de vectores possveis so tambm
ortogonais.
Mostrando que { constituem uma base de E (exerccio!), conclui-se que
uma base o.n. de E.
}
}
3 2 1
u , u , u
{
3 2 1
u , u , u

Em geral, se E um espao vectorial de dimenso n e { }
n 2 1
e , , e , e K uma base de E,
ento constituem uma base ortonormada de E se: {
n 2 1
u , , u , u K }
1
1
1
e
e
u = ,
,
u
u
u
k
k
k
= com ( )
=
=
1 k
1 i
i i k k k
u u e e u , para k n , , 2 K = .

(Ortonormalizao de Gram-Schmidt)

56

Definio 5.5: Sejam E um espao euclidiano e { } 0 \ E y , x . Define-se ngulo formado pelos
vectores x e y por meio da igualdade
( )
y x
y x
cos
= , 0 .

Observaes:
1. Da definio anterior conclui-se que ( ) = cos y x y x .
2. O ngulo j que, pela desigualdade de Cauchy-Schwarz, | , 0 |
( )
( )
( )
1
y x
y x
1 1
y x
y x
y x y x

e a funo cos(x) uma bijeco de | | , 0 em | | 1 , 1 .

Clculo do Produto Interno de Dois Vectores

Sejam { uma base do espao unitrio E e }
n 2 1
e , , e , e K E y , x . Ento, existem , K ,
i i

tais que , n , , 1 i K =
n n 2 2 1 1
e e e x + + + = L
e
n n 2 2 1 1
e e e y + + + = L .
Assim, podemos escrever:

( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( )
= =
=
+ + + + +
+ + + =
+ + + + =
n
1 i
n
1 j
j i j i
n n n n 2 n 2 n 1 n 1 n
n 1 n 1 2 1 2 1 1 1 1 1
n n 1 1 n n 1 1
e e
e e e e e e
e e e e e e
e e e e y x
L L
L
L L
(1)
Se representarmos ( )
j i
e e por a , podemos obter a matriz
ij
| |
ij
a = A e deste modo, a expresso (1)
para o produto interno de x por y pode escrever-se na forma matricial:
( ) Y A X y x
T
= , (2)
em que
(
(
(
=
n
1
X M , e
(
(
(
=
n
1
Y M | |
ij
a A = .
57

Observe-se que a matriz A hermtica, pois ( ) ( )
i j j i
e e e e = , no caso complexo, ou simtrica no
caso real, j que ( ) ( )
i j j i
e e e e = .
Em particular, se a base { }
n 2 1
e , , e , e K o.n., ento ( )
ij j i
e e = , para quaisquer
ou seja, . Consequentemente, as frmulas (1) e (2) resumem-se a: , n , , 1 j , i K =
n
I A =
( ) Y X y x
T
n
1 i
i i
= =
=
(no caso complexo) ou ( ) Y X y x
T
n
1 i
i i
= =
=
(no caso real).
No caso dos espaos vectoriais IR
n
e C/
n
, temos as seguintes expresses para a norma de um
vector:
- No caso geral: X A X x
T
= ;
- Com bases o.n.:
=
= =
n
1 i
2
i
T
X X x .

Matriz de Passagem de uma Base O.N. para outra Base O.N.

Sejam { } e {
n 2 1
e , , e , e K }
n 2 1
e , , e , e K duas bases o.n. de E, espao vectorial real ou
complexo, e seja P a matriz de passagem da segunda base para a primeira base. Ento, para
, E y , x
PX X = e Y PY = ,
em que X e Y so matrizes coluna das coordenadas de x e y na primeira base e e X Y so as
matrizes coluna das coordenadas de x e y na segunda base.
Suponhamos que E um espao euclidiano. Ento, neste caso,
( ) , Y P P X Y X Y X y x
T T T T
= = =
isto , , que equivale a afirmar que P ortogonal. I P P
T
=
Suponhamos agora que E um espao unitrio. Ento, neste caso,
( ) , Y P P X Y X Y X y x
T T T T
= = =
isto , I P P
T
= , que equivale a afirmar que P unitria.
Em concluso, uma matriz de passagem de uma base o.n. para outra base o.n. ortogonal
(se o espao real) ou unitria (se o espao complexo).

Nota:
1. P ortogonal 1 P 1 P I P P
2
T
= = = .
2. P unitria = = = = cis P det 1 P det 1 P P I P P
T
, | | 2 , 0 .

58

Se E um espao real e det 1 P = , ento dizemos que as duas bases o.n. tm a mesma
orientao e obtm-se uma a partir da outra por uma rotao.

Exemplos: As bases { } e ( ) ( ) ( ) 1 , 0 , 0 , 0 , 1 , 0 , 0 , 0 , 1 ( ) ( ) ( ) { } 0 , 1 , 0 , 1 , 0 , 0 , 0 , 0 , 1 no tm a mesma orientao,
pois
1
0 1 0
1 0 0
0 0 1
P det = = .
Uma rotao em IR
2
uma aplicao linear que pode ser representada pela matriz ortogonal:
(

=
cos sen
sen cos
P .

Produto Vectorial e Misto em IR
3

Definio 5.14: Sejam x e y dois vectores de IR
3
(com o produto escalar usual). Define-se
produto vectorial (ou externo) de x por y, que denotamos por y x , do seguinte modo:
- Se x e y so linearmente dependentes, 0 y x = .
- Se x e y so linearmente independentes, y x tal que
1. ortogonal a x e a y. y x
2. uma base directa (ou positiva) (isto , a matriz de passagem da base
para esta base tem determinante positivo).
( y x , y , x
( ) ( , 1 , 0 , 0 , 0 , 1
)
)) ( ) ( 1 , 0 , 0 , 0
3. = sen y x y x , com | | , 0 , o ngulo formado pelos vectores x e y.

Observao: A partir de agora consideraremos sempre a base cannica de IR
3
, inclusiv na
Geometria Analtica, representada por trs segmentos de recta de origem O e tal que um
observador com a cabea no sentido de , v e sua direita e e sua esquerda (isto ,
rodando no sentido directo um ngulo de
3
e
1 2
1
e 2 obtm-se ). Fixando esta base como
positiva, diremos que a base com orientao contrria (isto , obtida por uma mudana de base
cuja matriz tem determinante negativo) inversa (ou negativa). Por isto, utiliza-se a notao
em lugar de { }
2
e
(
3 2 1
e , e , e )
)
3 2 1
e , e , e .

Clculo do produto vectorial:
Se ( uma base de IR
3 2 1
e , e , e
3
o.n. directa e
3 3 2 2 1 1
e x e x e x x + + = ,
3 3 2 2 1 1
e y e y e y y + + = ,
ento
( ) ( ) ( )
3 1 2 2 1 2 1 3 3 1 1 2 3 3 2
e y x y x e y x y x e y x y x y x + = .
59

No clculo do produto vectorial pode utilizar-se o determinante simblico (no tem valor como
determinante):
3
2 1
2 1
2
3 1
3 1
1
3 2
3 2
3 2 1
3 2 1
3 2 1
e
y y
x x
e
y y
x x
e
y y
x x
y y y
x x x
e e e
y x + = = .

Propriedades do Produto Vectorial

1. ; x y y x =
2. ( ) ( ) ( y x y x y x ) = = , IR ;
3. ( ) ( ) ( z y z x z y x ) + = + ;
4. ; ( ) ( ) ( z x y x z y x + = + )
5. ( ) ( ) ( )x z y y z x z y x = ;
6. y x a rea do paralelogramo definido pelos vectores x e y.

Exerccio: Mostre que ( ) ( ) ( ) 0 y x z x z y z y x = + + .

Definio 5.15: Sejam IR z , y , x
3
. Chama-se produto misto dos trs vectores x, y e z ao escalar
( ) z y x .

Ateno: bvio que no produto misto efectua-se primeiro o produto vectorial e depois o
produto escalar.

Propriedades do Produto Misto:

1. Se uma base de IR (
3 2 1
e , e , e )
3
o.n. directa e
3 3 2 2 1 1
e x e x e x x + + = ,
3 3 2 2 1 1
e y e y e y y + + = ,
3 3 2 2 1 1
e z e z e z z + + =
ento
( )
3 2 1
3 2 1
3 2 1
z z z
y y y
x x x
z y x = .
2. O produto misto troca de sinal sempre que se troquem entre si as posies de dois dos trs
vectores, isto ,
60

( ) ( ) ( ) ( ) y z x x y z z x y z y x = = = .
3. O produto misto no se altera por permutao circular dos trs vectores ou pela troca dos
sinais e , isto ,
( ) ( ) ( ) ( ) z y x y x z x z y z y x = = = .
4. ( ) z y x
( )
o volume do paraleleppedo definido pelos trs vectores. Observe-se ainda que
cos z y x z y x = , com | | , 0 , o ngulo formado pelos vectores e z. y x

x
z
y
y x

61

6 Geometria Analtica

Definio 6.1: Seja E um espao vectorial real. Chama-se espao afim associado ao espao E
a qualquer conjunto E, no vazio, cujos elementos so ditos pontos, tal que, a cada par
ordenado EE corresponde um vector de E (dito vector livre) designado por ( ) B , A AB ou
, de modo que A B
a) 0 CA BC AB = + + , para quaisquer pontos C , B , A E;
b) fixado em E um ponto qualquer O, a aplicao : E E definida por ( ) OP P = uma
aplicao biunvoca de E sobre E.

Observaes:
1. A condio em a) pode escrever-se na forma ( ) ( ) ( ) 0 C A B C A B = + + .
2. Em b), podemos escrever , para u O P = ( ) u P = .
3. Se E um espao euclidiano, E diz-se euclidiano.
4. Se E tem dimenso n, diz-se que E tem dimenso n.

Propriedades: Sejam E, com E um espao afim. D , C , B , A
1. 0 AA = ;
2. BA AB = ;
3. AC BC AB = + ;
4. C B AC AB = = ;
5. B A 0 AB = = ;
6. BD AC CD AB = = .

Definio 6.2: Se E um espao afim euclidiano, chama-se distncia entre A a B, com
E, a B , A ( ) ( ) AB AB AB B , A = = d .

Definio 6.3: Sejam E e . Chama-se soma de A com u, , ao ponto B tal
que .
A E u u A+
u A B =

Proposio 6.4: Para E e , A E u
1. u u AA = + ;
2. . 0 u A u A = = +

62

Definio 6.5: Sejam E um espao vectorial, ( )
n 2 1
e , , e , e K uma base de E e E, com E
espao afim associado a E. Chama-se referencial ou sistema de referncia do espao afim E
a . Ao ponto O chama-se origem do referencial. Se a base
o.n., o referencial dito ortonormado. Chamam-se coordenadas do ponto P no referencial
s coordenadas do vector
O
1
e , e (
n 2 1
e , , e , e ; O K
(
n 2 1
e , , e , e ; O K
)
)
( )
n 2
e , ,K
OP em relao base considerada.

De acordo com esta definio, podemos identificar um ponto P de E com o vector
OP de E. Por exemplo, no espao afim tridimensional R
3
associado a IR
3
, podemos
identificar
( c , b , a P ) com
3 2 1
ce be ae OP + + = .
Ainda em R
3
, se um referencial e Q um ponto, a translao do referencial
segundo
(
3 2 1
e , e , e ; O )
OQ o novo referencial . Assim, se (
3 2 1
e , e , e ; Q ) P R
3
, tal que ( ) z , y , x = OP e
(
0 0 0
z , y , x OQ = ), tem-se a mudana de coordenadas por translao
+ =
+ =
+ =
z z z
y y y
x x x
0
0
0

com ( z , y , x QP = ), j que QP OQ OP + = .

Definio 6.6: O conjunto dos pontos de R
3
que esto a uma distncia r de um ponto fixo C
dado denomina-se esfera de centro C e raio r, isto ,
( ) { } { } ( )
)
`
= = = = = r CP CP : P r CP : P r C , P d : P .

Num referencial o.n. e ( )
3 2 1
e , e , e ; O s ( ) z , y , x P e ( )
3 2 1
c , c , c C , ento
( ) { } ( ) ( ) ( ) ( ) { }
2 2
3
2
2
2
1
r c z c y c x : z , y , x P r C , P d : P = + + = = .

Definio 6.7: Chama-se subespao afim (ou variedade linear) de um espao afim E,
associado a um espao vectorial real E, a um subconjunto F no vazio de E tal que
F , em que um ponto fixado em F e F um subespao vectorial de E. { F P P : P
0
+ = }
0
P

Observaes:
1. { } F v : v P F P
0 0
+ = + .
2. A dimenso do subespao afim F a dimenso de F. Um subespao afim de dimenso 1
denomina-se recta e um subespao afim de dimenso 2 denomina-se plano. Assim,
, com e u P P
0
+ = { } 0 \ E u IR , uma equao que define uma recta e
, com v + u P P
0
+ = { } 0 \ E v , u (linearmente independentes) e IR , uma
equao que define um plano.
,
3. Se , F e se F = E, F = E. { } 0 F = { }
0
P =
4. De acordo com a definio e no caso de IR
3
, F a translao de um subespao vectorial
F de IR
3
.
63

Em R
3
, se ( um referencial o.n., )
3 2 1
e , e , e ; O
0
P R
3
e u IR
3
\ , o conjunto
IR uma recta que passa por P e tem a direco de u (paralela a u).
Se so as coordenadas de u na base
{ } 0
{ + = , u P P : P
0
( )
3 2 1
u , u , u
}
0
( )
3
e e (
2
, e
1
,
3 2 2 1
e e u u
3
u +
1
e u + = ) e , ,
so os ngulos formados por u com , respectivamente, ento
3 2 1
e , e , e
( )
2
3
2
2
2
1
1 1
1
1
u u u
u
u
u
e u
e u
cos
+ +
= =
= ,
( )
2
3
2
2
2
1
2 2
2
2
u u u
u
u
u
e u
e u
cos
+ +
= =
= ,
( )
2
3
2
2
2
1
3 3
3
3
u u u
u
u
u
e u
e u
cos
+ +
= =
= ,
denominados cosenos directores da recta.

Observaes:
1. . 1 cos cos cos
2 2 2
= + +
2. Dado um ponto O P em R
3
, tem-se que ( )
3 2 1
e cos e cos e cos OP OP + + = , em
que , , so os ngulos formados por OP com e , respectivamente.
3 2 1
e , e ,

No estudo das rectas e dos planos usaremos sempre o referencial cannico, isto , o
referencial onde a base cannica de IR ( )
3 2 1
e , e , e ; O (
3 2 1
e , e , e )
3
. Ficar assim subentendido
que as representaes cartesianas das rectas e dos planos so sempre relativas a este
referencial.

Estudo das Rectas e dos Planos em R
3

O Plano: Pelo que vimos anteriormente, um plano um subespao afim de dimenso 2 de
R
3
. Assim, definido por dois vectores linearmente independentes e por um ponto, isto , um
plano o conjunto dos pontos P de R
3
que satisfazem a equao (dita equao vectorial do
plano) , com IR , onde um ponto dado de R v u P P
0
+ + = ,
0
P
3
e u, v so vectores
linearmente independentes de IR
3
. Temos assim uma forma de definir um plano a partir de um
ponto e duas direces no colineares.

Casos particulares: Se o plano passa por ( )
0 0 0 0
z , y , x P e paralelo a
- YOZ, ento ;
0
x x =
- XOZ, ento ;
0
y y =
- XOY, ento .
0
z z =
Sejam ( ) P e dois pontos e
0 0 0 0
z , y , x ( z , y , x P )
3 3 2 2 1 1
e u e u e u u + + = ,
3 3 2 2 1 1
e v e v e v v + + = .
64

Se representarmos por P, P
0
, U, V as matrizes coluna das coordenadas de P, P , u, v,
respectivamente, ento, da equao vectorial de um plano, podemos escrever a equao
matricial
0
P = P
0
+ U + V, , IR ,
ou, equivalentemente,
+ + =
+ + =
+ + =
3 3 0
2 2 0
1 1 0
v u z z
v u y y
v u x x
, IR ,
ditas equaes paramtricas.

A equao vectorial do plano , evidentemente, equivalente equao
v u P P
0
+ = ,
isto , o vector P P
0
ortogonal ao produto vectorial de u e v. Logo, nulo o produto misto
( ) 0 v u P P
0
= ,
isto ,
0
v v v
u u u
z z y y x x
3 2 1
3 2 1
0 0 0
=

,
que uma nova equao sem os parmetros e . A partir desta equao ou das equaes
paramtricas, eliminando os parmetros e , podemos obter uma equao da forma
0 D Cz By Ax = + + + ,
dita equao cartesiana do plano, na forma geral, ou equao geral do plano.

Observao: O vector de coordenadas ( ) C , B , A perpendicular ao plano.

Agora, podemos facilmente compreender como podemos definir um plano a partir de
dois pontos , e uma direco , tal que
0
P
1
P u
1 0
P P e u sejam linearmente independentes, ou
trs pontos , , , no colineares. Basta, respectivamente, substituir nas equaes j
apresentadas v por
0
P
1
P
2
P
1 0
P P ou u e v por
1 0
P P e
2 0
P P . Pois, por exemplo, se
e so no colineares, ento
( )
0 0 0 0
z , y , x P ,
( )
1 1 1 1
z , y , x P (
2
y , x )
2 2
z ,
2
P
1 0
P P e
2 0
P P so linearmente
independentes e a equao vectorial do plano vem dada por
( ) ( )
0 2 0 1 0
P P P P P P + + = , , IR ,
e as equaes paramtricas por
65

( ) ( )
( ) (
( ) (
+ + =
+ + =
+ + =
0 2 0 1 0
0 2 0 1 0
0 2 0 1 0
z z z z z z
y y y y y y
x x x x x x
)
)
, , IR .
Como anteriormente, podemos tambm obter a equao geral do plano eliminando os
parmetros ou utilizando a equao
( ) ( ) ( ) ( ) 0 P P P P P P
0 2 0 1 0
= ,
que equivalente a
0
z z y y x x
z z y y x x
z z y y x x
0 2 0 2 0 2
0 1 0 1 0 1
0 0 0
=

ou 0
1 z y x
1 z y x
1 z y x
1 z y x
2 2 2
1 1 1
0 0 0
= .

Nota: Da ltima equao podemos deduzir que quatro pontos ( ) 0,1,2,3 i , z , y , x P
i i i i
= , esto
no mesmo plano se, e somente se,
0
1 z y x
1 z y x
1 z y x
1 z y x
3 3 3
2 2 2
1 1 1
0 0 0
= .

Tambm podemos definir um plano a partir de um ponto ( )
0 0 0 0
z , y , x P e um vector
perpendicular ao plano: (
3 2 1
u , u , u u = )
( ) ( ) 0 u P P
0
= ,
que equivalente a
( ) ( ) ( ) 0 z z u y y u x x u
0 3 0 2 0 1
= + +
ou
( ) 0 z u y u x u z u y u x u
0 3 0 2 0 1 3 2 1
= + + + + ,
que a equao geral do plano.

Generalizao:

Seja By Ax + a equao geral de um plano. 0 D Cz = + +
Se , ento o plano paralelo a OX; 0 A =
Se , ento o plano paralelo a OY; 0 B =
Se , ento o plano paralelo a OZ; 0 C =
Se , ento o plano passa pela origem. 0 D =

66

Suponhamos agora que 0 D Cz By Ax : = + + + , com A, B, C e D no nulos (isto , o
plano no paralelo a qualquer dos eixos e no passa pela origem). Ento a equao geral
equivalente a
1
C D
z
B D
y
A D
x
=
,
ou seja
1
c
z
b
y
a
x
= + + ,
dita equao axial do plano. Observe-se que:
- se x = e , ento . O plano passa pelo ponto 0 0 y = c z = ( ) c , 0 , 0 ;
- se x = e , ento . O plano passa pelo ponto 0 0 z = b y = ( ) 0 , b , 0 ;
- se y = e , ento . O plano passa pelo ponto 0 0 z = a x = ( ) 0 , 0 , a .

Suponhamos que o ponto do plano
0
P o ponto de interseco com o plano da normal a
passando pela origem O do referencial.

(
0
OP perpendicular ao plano)
x
y
z
( ) 0 , 0 , a
( ) 0 , b , 0
( ) c , 0 , 0
0
OP

Sejam , , os ngulos que o vector ( )
0 0 0 0
z , y , x = OP forma com os eixos OX, OY, OZ,
respectivamente. Ento,
a
OP
cos
0
= ,
b
OP
cos
0
= ,
c
OP
cos
0
=
e p OP
0
= a distncia do plano origem. Logo, da equao axial obtemos
p cos z cos y cos x = + + ,
dita equao normal ou hessiana.

Seja By Ax 0 D Cz = + + + outra equao cartesiana do plano , nas mesmas
condies (no paralelo a qualquer dos eixos e no passa pela origem). Evidentemente, esta
equao equivalente equao normal. Logo, temos que
p
D
cos
C
cos
B
cos
A
=

67

donde
1
C B A
cos
C
cos
B
cos
A
p
D
2 2 2
2
2
2
2
2
2
2
2
+ +
=
=
implicando que
2 2 2
C B A
D
p
+ +
= ,
que a distncia da origem ao plano.
Agora, podemos determinar os cosenos directores. Para isso temos que ter ,
isto , com o mesmo sinal de p (caso seja necessrio, multiplica-se por os dois
membros da equao geral do plano). Ento,
0 D >
D 1
2 2 2
C B A
A
cos
+ +
= ,
2 2 2
C B A
B
cos
+ +
= ,
2 2 2
C B A
C
cos
+ +
=
so os cosenos directores da normal ao plano, que sero exactamente A, B, C se
e . Em geral, A, B, C so parmetros directores dessa normal, isto
, definem um vector com a mesma direco. Dito por outras palavras, o vector de
coordenadas perpendicular ao plano.
1 C B A
2 2 2
= + +
( , A
0 D >
) C , B

Estrela de Planos

Dado um ponto , a equao geral dos planos que passam pelo ponto
dada por
(
0 0 0 0
z , y , x P )
( ) ( ) ( ) 0 z z C y y B x x A
0 0 0
= + + ,
com , em que os coeficientes A, B, C so parmetros arbitrrios. A equao
anterior define uma estrela de planos cujo centro .
0 C B A
2 2 2
+ +
0
P

Posio Relativa de Planos

Posio relativa de dois planos:

Sejam 0 D z C y B x A :
1 1 1 1 1
= + + + e 0 D z C y B x A :
2 2 2 2 2
= + + + . Estas duas
equaes definem um sistema
= + + +
= + + +
0 D z C y B x A
0 D z C y B x A
2 2 2 2
1 1 1 1
.
Sabemos que este sistema somente pode ser possvel indeterminado ou impossvel.
Analisemos cada um dos casos.
Considerem-se a matriz dos coeficientes e a matriz ampliada do sistema:
(
=
2 2 2
1 1 1
C B A
C B A
M ,
(
=
2 2 2 2
1 1 1 1
D C B A
D C B A
M

68

1 Caso: Suponhamos que o sistema possvel indeterminado. Isto , Car ou
.
2 M Car M = =
1 M Car M Car = =
- Se Car 2 M Car M = =
1
, o sistema possvel simplesmente indeterminado, ento os

planos e so concorrentes, isto , a interseco deles uma recta:

1

- Se Car 1 M Car M = =
2
, o sistema possvel duplamente indeterminado, ento os planos
e so coincidentes (paralelos em sentido lato). Assim, temos que
1
2
1
2
1
2
1
D
D
C
C
B
B
= = =
2
1
A
A
:

2 1

2 Caso: Suponhamos que o sistema impossvel. Ento 2 M Car e 1 M Car = = . Neste
caso, os planos e so paralelos (em sentido estrito) e tem-se que
1
2
1
2
1
2
1
2
1
D
D
C
C
B
B
A
A
= = :

2

Posio relativa de trs planos:

Sejam
0 D z C y B x A :
1 1 1 1 1
= + + + , 0 D z C y B x A :
2 2 2 2 2
= + + + ,
e
0 D z C y B x A :
3 3 3 3 3
= + + + .

69

Estas equaes definem um sistema de 3 equaes a 3 incgnitas
= + + +
= + + +
= + + +
0 D z C y B x A
0 D z C y B x A
0 D z C y B x A
3 3 3 3
2 2 2 2
1 1 1 1
.

Considerem-se a matriz dos coeficientes e a matriz ampliada do sistema:
(
(
(
=
3 3 3
2 2 2
1 1 1
C B A
C B A
C B A
M , M
(
(
(
=
3 3 3 3
2 2 2 2
1 1 1 1
D C B A
D C B A
D C B A
1 Caso: Suponhamos que o sistema possvel determinado, isto , . Ento o
sistema tem uma nica soluo, um ponto. Logo, os trs planos tm um s ponto em comum
(fazem parte da estrela de planos centrada nesse ponto):
3 M Car =
2

2 Caso: Suponhamos que o sistema possvel indeterminado. Assim:
- se Car 2 M Car M = = , o sistema possvel simplesmente indeterminado, ento a
interseco dos trs planos uma recta:

3

- se Car 1 M Car M = = , o sistema possvel duplamente indeterminado, ento os trs
planos coincidem:

3 2 1

3 Caso: Suponhamos que o sistema impossvel. Assim:
70

71
- se Car (s duas equaes compatveis), ento um plano forma com
os outros dois um prisma triangular ou paralelo a algum deles, no havendo pontos
comuns aos trs planos:
3 M Car e 2 M = =

1

- se Car , ento os trs planos so paralelos ou dois so coincidentes e o
outro paralelo a estes:
2 M Car e 1 M = =
1
2 1

3

A Recta: Pelo que vimos anteriormente, uma recta um subespao afim de dimenso 1 de
R
3
. Assim, definida por um vector e um ponto, isto , uma recta o conjunto dos pontos P
de R
3
que satisfazem a equao (dita equao vectorial/equao matricial da recta)
, com IR , onde um ponto dado de R u P P
0
+ =
0
P
3
e u um vector, no nulo, de IR
3
.
Em resumo: podemos definir uma recta que passa por um ponto e tem a direco de um
vector.

Sejam ( P um ponto e )
0 0 0 0
z , y , x ( )
3 2 1
u , u , u u = um vector. Da equao vectorial da
recta podemos obter as equaes
+ =
+ =
+ =
3 0
2 0
1 0
u z z
u y y
u x x
, IR ,
ditas equaes paramtricas da recta (sendo ( ) z , y , x P um ponto qualquer da recta).

Suponhamos que as coordenadas do vector u so todas no nulas. Ento, eliminando o
parmetro nas equaes paramtricas obtemos as correspondentes equaes cartesianas
3
0
2
0
1
0
u
z z
u
y y
u
x x
=
,
denominadas equaes normais da recta e denominam-se parmetros directores
da recta. Observe-se que a recta tem a direco da normal ao plano de equao
.
3 2 1
u , u , u
0 z u y u x u
3 2 1
= + +
Suponhamos agora que somente uma das coordenadas do vector u nula, por exemplo
. Ento, as equaes paramtricas so dadas por
3
u
=
+ =
+ =
0
2 0
1 0
z z
u y y
u x x
, IR ,
e as equaes normais por
0
2
0
1
0
z z
u
y y
u
x x
=
.
Para os outros casos semelhante.

Se 0 u , podemos sucessivamente escrever
3
( )
( )

+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
q nz y
p mz x
z z
u
u
y y
z z
u
u
x x
u
z z
u y y
u x x
u z z
u y y
u x x
0
3
2
0
0
3
1
0
3
0
2 0
1 0
3 0
2 0
1 0

e obter as denominadas equaes reduzidas da recta, em que
0
3
2
0 0
3
1
0
3
2
3
1
z
u
u
y q e z
u
u
x p ,
u
u
n ,
u
u
m = = = = .
Como e , ento
3 1
mu u =
3 2
nu u = ( ) ( ) 1 , n , m u u , u , u
3 3 2 1
= (m, n e 1 so parmetros
directores da recta). Observe-se que a equao p mz x + = a equao de um plano paralelo
a OY (que o plano projectante da recta em XOZ) e a equao q nz y + = a equao de
um plano paralelo a OX (que o plano projectante da recta em YOZ). evidente que ambos
contm a recta. Para os outros casos semelhante.

Pelo que vimos antes e no estudo do plano, sabemos que uma recta pode ser definida
por dois planos no paralelos. Durante o estudo do plano conclumos que o sistema
= + + +
= + + +
0 D z C y B x A
0 D Cz By Ax

representa uma recta se, e somente se, possvel, simplesmente indeterminado. Deste modo,
pelo menos um dos menores de 2 ordem
72

B A
B A

,
C B
C B

,
A C
A C

no nulo. Como os vectores
3 2 1
Ce Be Ae u + + = e u
3 2 1
e C e B e A + + = do as direces
das normais queles planos, a recta (que a interseco dos planos) tem a direco de u u ,
isto , tem direco de
3 2 1
e
B A
B A
e
A C
A C
e
C B
C B

+

+

.
Assim, se um ponto da recta, podemos obter uma equao vectorial da recta
0
P
( ) u u P P
0
+ =
ou as equaes normais da recta
B A
B A
z z
A C
A C
y y
C B
C B
x x
0 0 0

.

Estudemos agora como definir uma recta a partir de dois pontos:
. Observe-se que a recta tem a direco do vector
( )
0 0 0 0
z , y , x P e
(
1 1 1 1
z , y , x P )
0
P
1 1 0
P P P = . Assim, a
equao vectorial/equao matricial vem dada por
( )
0 1 0
P P P P + = , IR ,
as equaes paramtricas por
( )
(
( )
+ =
+ =
+ =
0 1 0
0 1 0
0 1 0
z z z z
y y y y
x x x x
) , IR ,
e as equaes normais por
0 1
0
0 1
0
0 1
0
z z
z z
y y
y y
x x
x x
.

Observao: Trs pontos, ( )
0 0 0 0
z , y , x P , ( )
1 1 1 1
z , y , x P e ( )
2 2 2 2
z , y , x P , so colineares se, e
somente se,
0 1
0 2
0 1
0 2
0 1
0 2
z z
z z
y y
y y
x x
x x

ou, equivalentemente, se, e somente se, a matriz
(
(
(
1 z y x
1 z y x
1 z y x
2 2 2
1 1 1
0 0 0

tiver caracterstica igual a 2.

73

Equao Geral dos Planos que Passam por uma Recta

Considere-se a recta r definida por
= + + +
= + + +
0 D z C y B x A
0 D Cz By Ax
: r
bvio que a equao
( ) ( ) 0 D z C y B x A D Cz By Ax = + + + + + + + ,
representa uma famlia de planos que contm a recta r, desde que pelo menos um dos
parmetros reais e seja no nulo. Temos assim uma equao que define um feixe de
planos em que a recta a charneira do feixe.

Equao Geral das Rectas que Passam por um Ponto

Seja um ponto. A equao geral das rectas que passam por dada
por
(
0 0 0 0
z , y , x P )
0
P
c
z z
b
y y
a
x x
0 0 0

=
,
onde os parmetros directores so tais que a . Temos assim equaes que
definem uma estrela de rectas:
0 c b
2 2 2
+ +

Nota: Se algum dos denominadores nulo, tambm o numerador deve ser nulo.

Posies Relativas de Rectas e/ou Planos

Posio relativa de uma recta e um plano: Considere-se uma recta e um plano definidos por
= + + +
= + + +
0 D z C y B x A
0 D z C y B x A
: r
2 2 2 2
1 1 1 1
0 D z C y B x A :
3 3 3 3
= + + + .
74

Sabemos que a recta r definida por dois planos no paralelos. Logo, o estudo deste caso tem
partes em comum com o estudo da posio relativa de trs planos. semelhana do estudo
feito nesse caso, tomemos a matriz dos coeficientes e a matriz ampliada do sistema definido
pelas trs equaes:
(
(
(
=
3 3 3
2 2 2
1 1 1
C B A
C B A
C B A
M , .
(
(
(
=
3 3 3 3
2 2 2 2
1 1 1 1
D C B A
D C B A
D C B A
M
1. Se (sistema possvel e determinado), a recta e o plano tm um ponto em
comum:
3 M Car =

r

2. Se e Car (sistema impossvel), a recta e o plano so paralelos 2 M Car = 3 M =
r

3. Se (o sistema possvel indeterminado, isto , o sistema tem uma
infinidade de solues), a recta est contida no plano
M Car 2 M Car = =

r

Posio relativa de duas rectas: Considerem-se duas rectas definidas por:
1
1
1
1
1
1
1
c
z z
b
y y
a
x x
: r

=

2
2
2
2
2
2
2
c
z z
b
y y
a
x x
: r

=
.

Observe-se que um caso particular de posio relativa de quatro planos e que os vectores
e ( )
1 1 1 1
c , b , a u = ( )
2 2 2 2
c , b , a u = tm a direco das rectas e , respectivamente.
1
r
2
r

1. Se isto , , 0 u u
2 1
=
2
1
2
1
2
1
c
c
b
b
a
a
= = , as rectas tm a mesma direco e:
i) se ( )
2 1 1 1 1
r z , y , x P , as rectas so coincidentes.
75

ii) se ( )
2 1 1 1 1
r z , y , x P , as rectas so paralelas.
2. Se as rectas no tm a mesma direco. , 0 u u
2 1

i) Se ( ) ( as rectas so concorrentes. ) , 0 u u P P
2 1 2 1
=

1
r

1
P
2
P
2 1
u u
2 1
P P

ii) Se ( ) ( as rectas so enviesadas. , 0 u u P P
2 1 2 1

2 1
P P
2 1
u u
2
r
)

2
P
1
P
1
r
2
r

ngulos

ngulo de duas rectas: Sejam e duas rectas. Sabemos que o ngulo formado pelas
rectas e r o menor ngulo formado por duas rectas complanares, uma delas com a
direco de r e a outra com a direco de . Se
1
r
2
r
1
r
2
1 2
r esse ngulo, ento
(

2
, 0 e
. Assim, dados os vectores e , directores das rectas r e , respectivamente, o
ngulo das rectas o menor dos ngulos formados por u e ou u e (suplementar do
ngulo formado por e ). Portanto o ngulo
0 cos
1
u
2
u
1
1
2
r
1 2
u
2
u
1
u
2
u fica definido por meio da igualdade
( )
2 1
2 1
u u
u u
cos
= .

ngulo de dois planos: Sejam e
1 2
dois planos e e vectores perpendiculares a
e , respectivamente. O ngulo dos planos
1
w
2
w
1
1
e
2
o menor dos ngulos formados
pelos vectores e ou e
1
w
2
w
1
w
2
w (suplementar do ngulo formado por e ).
Assim, se esse ngulo (
1
w
2
w
(
cos
2
0 e 0 ), ento
( )
2 1
2 1
w w
w w
cos
= .
76

ngulo de uma recta com um plano: Sejam um plano, w um vector perpendicular ao
plano , r uma recta e u um vector director da recta r. O ngulo da recta com o plano o
complementar do ngulo formado por r com uma recta perpendicular ao plano. Assim, se

esse ngulo (
(

2
, 0 e ), ento 0 cos
( )
w u
w u
sen
= .

Observao: As frmulas anteriores so vlidas em qualquer referencial. No caso particular
em que o referencial o.n., as frmulas podem tomar outro aspecto. Por exemplo, para o
ngulo de dois planos, se
0 D z C y B x A : e 0 D z C y B x A :
2 2 2 2 2 1 1 1 1 1
= + + + = + + + ,
ento
(

+ + + +
+ +
=
2
0, ,
C B A C B A
C C B B A A
cos
2
2
2
2
2
2
2
1
2
1
2
1
2 1 2 1 2 1
.

Casos Particulares: Paralelismo e perpendicularidade.

Paralelismo Perpendicularidade
Dois Planos
0 D z C y B x A :
1 1 1 1 1
= + + +
0 D z C y B x A :
2 2 2 2 2
= + + +

2
1
2
1
2
1
C
C
B
B
A
A
= =
2 1
||
0 C C B B A A
2 1 2 1 2 1
= + +
2 1

Duas Rectas
1
1
1
1
1
1
1
c
z z
b
y y
a
x x
: r

=

2
2
2
2
2
2
2
c
z z
b
y y
a
x x
r

=

2
1
2
1
2
1
c
c
b
b
a
a
= =
2 1
r || r
0 c c b b a a
2 1 2 1 2 1
= + +
2 1
r r
Recta e Plano
c
z z
b
y y
a
x x
: r
0 0 0

=

0 D Cz By Ax : = + + +
0 Cc Bb Aa = + +
|| r
c
C
b
B
a
A
= =
r

Distncias

Seja ( um referencial o.n.. )
3 2 1
e , e , e ; O

Distncia entre dois pontos: Sejam ( )
1 1 1 1
z , y , x P e ( )
2 2 2 2
z , y , x P . Ento
( ) ( ) ( ) ( )
2
2 1
2
2 1
2
2 1 2 1 2 1
z z y y x x P P P , P d + + = = .
77

Distncia de um ponto a um plano: Sejam ( )
0 0 0 0
z , y , x P e 0 D Cz By Ax : = + + + .
1. Suponhamos que o plano est definido por um ponto ( )
1 1 1 1
z , y , x P e duas direces u e
v (ou pela direco da normal, w). Observe-se a seguinte figura:

0
P

M
1
P

P

e recorde-se que
( ) x proj y y proj x cos y x y x
y x
= = = ,
com ngulo formado pelos vectores x e y. Ento,
( )
( )
P P
P P P P
P P proj M P , P d
0
1 0 0
1 0
P P
0 0
0
= = = .
Podemos escolher para vector P P
0
, perpendicular ao plano, o vector ou w. Logo, v u
( )
( )
v u
P P v u
, P d
1 0
0
= ou ( )
( )
w
P P w
, P d
1 0
0
= .
2. Se definido por trs pontos podemos fazer , P , P , P
3 2 1 2 1
P P = u e
3 1
P P v = e temos que
( )
( )
3 1 2 1
1 0 3 1 2 1
0
P P P P
P P P P P P
, P d
= .

3. Se , j sabemos que se a origem O, 0 D Cz By Ax : = + + +
0
P
( )
2 2 2
0
C B A
D
, P d
+ +
= .
Agora, para um ponto qualquer , basta efectuar uma translao do referencial
escolhendo para origem do referencial:
0
P
0
P

P

O

0
P

78

+ =
+ =
+ =
+ =
z z z
y y y
x x x
P P OP OP
0
0
0
0 0

Logo, a nova equao de no novo referencial
( ) ( ) ( ) 0 D z z C y y B x x A
0 0 0
= + + + + + + ,
isto ,
( ) 0 D Cz By Ax z C y B x A
0 0 0
= + + + + + + .
Consequentemente,
( )
2 2 2
0 0 0
0
C B A
D Cz By Ax
, P d
+ +
+ + +
= .

Plano Bissector de um Diedro: Sejam
0 D z C y B x A :
1 1 1 1 1
= + + + e 0 D z C y B x A :
2 2 2 2 2
= + + +
dois planos concorrentes. Os planos bissectores dos diedros formados por e o lugar
geomtrico dos pontos P equidistantes de
1 2
( z , y , x )
1
e
2
, isto , os pontos tais que
. Ou seja,
( z , y )
)
, x P
( ) (
2 1
, P d , P d =
2
2
2
2
2
2
2 2 2 2
2
1
2
1
2
1
1 1 1 1
C B A
D z C y B x A
C B A
D z C y B x A
+ +
+ + +
=
+ +
+ + +
.
Temos assim dois planos, definidos pelos sinais + e :

2

Distncia de uma recta a um plano (paralelos): Basta calcular a distncia de um ponto da
recta ao plano. Assim, se
c
z z
b
y y
a
x x
: r
0 0 0

=
e 0 D Cz By Ax : = + + + ,
ento
79

( ) ( )
2 2 2
0 0 0
0
C B A
D Cz By Ax
, P d , r d
+ +
+ + +
= ,
com . r P
0

Distncia entre dois planos (paralelos): Basta calcular a distncia de um ponto de um dos
planos ao outro plano. Assim, se
0 D z C y B x A :
1 1 1 1 1
= + + + , 0 D z C y B x A :
2 2 2 2 2
= + + +
e , ento ( )
2 0 0 0 0
z , y , x P
( ) ( )
2
1
2
1
2
1
1 0 1 0 1 0 1
0 1 2 1
C B A
D z C y B x A
P , d , d
+ +
+ + +
= .
Esta frmula pode ainda tomar outro aspecto. Como os planos so paralelos, ento
2
1
2
1
2
1
C
C
B
B
A
A
= = .
Multiplicando a equao que define
2
por
2
1
A
A
e fazendo
0
2
1
2
D
A
A
D = , obtemos uma nova
equao para :
2
0 z C y B x A
1 1 1
D
0
= + + + . Como ( )
2 0 0
z ,
0 0
y , x P , ento
0 0 1 0 1 0 1
D z C y B x A = + + ,
e substituindo na frmula da distncia antes obtida, resulta
( )
2
1
2
1
2
1
0 1
2 1
C B A
D D
, d
+ +
= , com
2
2
1
0
D
A
A
D = .

Distncia de um ponto a uma recta : Sejam
( )
0 0 0 0
z , y , x P e
c
z z
b
y y
a
x x
: r
1 1 1

=
.
Observando-se a figura seguinte,

0
P

r

M
1
P

conclumos que ( ) = = sen P P MP r , P d
0 1 0 0
. No entanto, no necessrio conhecer o ngulo
, pois sabemos que
( ) r , P d u sen P P u P P u
0 0 1 0 1
= = ,
com e consequentemente, ( c , b , a u = )
80

( )
u
P P u
r , P d
0 1
0
= .

Exerccio: Verifique que tambm verdadeira a frmula seguinte:
( )
( )
u
u P P u P P
r , P d
2
0 1
2
2
0 1
0
=

Distncia entre duas rectas (paralelas ou enviesadas): Sejam
1
1
1
1
1
1
1
c
z z
b
y y
a
x x
: r

=
e
2
2
2
2
2
2
2
c
z z
b
y y
a
x x
: r

=
,
sendo e os vectores directores e ( )
1 1 1 1
c , b , a u = (
2 2 2 2
c , b , a u = ) ( )
1 1 1 1
z , y , x P e
pontos de e , respectivamente.
( )
2 2 2 2
z , y , x P
1
r
2
r

1. Se , ento as rectas so paralelas e temos de imediato que 0 u u
2 1
=
( ) ( ) ( )
1
2 1 1
2 1 2 1 2 1
u
P P u
P , r d r , P d r , r d

= = = .

2. Se , as rectas no so paralelas e 0 u u
2 1

2 1
u u d a direco perpendicular a ambas
as rectas. Se as rectas so enviesadas, a distncia entre as rectas e a norma da
projeco de
1
r
2
r
2
P
1
P sobre u , isto ,
2 1
u
( )
( )
2 1
2 1 2 1
2 1 u u 2 1
u u
P P u u
P P proj r , r d
2 1
= =

.

Observao: Se as rectas so concorrentes, ento definem um plano perpendicular a
2 1
u u
e 0 P P proj
2 1 u u
2 1
=
. Consequentemente, ( ) 0 r , r d
2 1
= .
81

Estudo das Qudricas com as Equaes na Forma Cannica

Definio 6.8: Uma qudrica um conjunto de pontos de R
3
cujas coordenadas cartesianas
satisfazem uma equao algbrica inteira do 2 grau.

A equao de uma qudrica ento da forma:
0 a z a 2 z a y a 2 yz a 2 y a x a 2 xz a 2 xy a 2 x a
44 34
2
33 24 23
2
22 14 13 12
2
11
= + + + + + + + + +
Se designarmos por A a matriz simtrica tal que | |
ij
a = A e por X a matriz coluna tal que
, ento a equao de uma qudrica pode escrever-se na forma matricial: |
T
1 z y x X = |
0 AX X
T
= .
Por meio de uma apropriada mudana de referencial (translao da origem e mudana
de base), possvel, para o referencial o.n. escolhido, obter uma equao simplificada da
qudrica, chamada equao cannica (ou equao reduzida).

Equaes das qudricas na forma reduzida:

1. Considere-se a equao
1
c
z
b
y
a
x
2
2
2
2
2
2
= + + .
A qudrica representada por esta equao denomina-se elipside. Estudemos as
particularidades desta qudrica observando as projeces (ou trao) sobre os planos
coordenados:
- Trao em XOY ( 0 z = ): 1
b
y
a
x
2
2
2
2
= + (elipse);
- Trao em YOZ ( 0 x = ): 1
c
z
b
y
2
2
2
2
= + (elipse);
- Trao em XOZ ( 0 y = ): 1
c
z
a
x
2
2
2
2
= + (elipse).
Assim, obtemos a figura seguinte para um elipside:

Os parmetros a, b e c so os semi-eixos.

82

Se a , o elipside de revoluo em torno do eixo OZ; b =
Se , o elipside de revoluo em torno do eixo OY; c a =
Se , o elipside de revoluo em torno do eixo OX. c b =
Se b a = = , obtemos a equao , que a equao de uma esfera
de raio r e centro na origem.
r c =
2 2 2 2
r z y x = + +

Nota: Em geral, a equao de uma esfera de centro ( )
0 0 0
z , y , x e raio r dada por
( ) ( ) ( )
2 2
0
2
0
2
0
r z z y y x x = + +

1
c
z
b
y
a
x
2
2
2
2
2
2
= + .
A qudrica representada por esta equao denomina-se hiperbolide de uma folha.

- Trao em XOY : 1
b
y
a
x
2
2
2
2
= + (elipse);
- Trao em YOZ : 1
c
z
b
y
2
2
2
2
= (hiprbole);
- Trao em XOZ: 1
c
z
a
x
2
2
2
2
= (hiprbole);
- Num plano horizontal, isto , fazendo-se k z = , obtemos
2
2
2
2
2
2
c
k
1
b
y
a
x
+ = + (elipse).

Assim, obtemos a figura seguinte para um hiperbolide de uma folha:

a e b so ditos semi-eixos reais e c semi-eixo imaginrio.

Se b a = o hiperbolide de revoluo em torno do eixo OZ (eixo do hiperbolide).

83

Outros hiperbolides de uma folha:
1
c
z
b
y
a
x
2
2
2
2
2
2
= + e 1
c
z
b
y
a
x
2
2
2
2
2
2
= + + .
A equao de um hiperbolide pode escrever-se de outra forma. Por exemplo,
considere-se a equao
1
c
z
b
y
a
x
2
2
2
2
2
2
= +
e observe a seguinte sequncia de equivalncias:
,
b
y
1
c
z
a
x
b
y
1
c
z
a
x
b
y
1
b
y
1
c
z
a
x
c
z
a
x
b
y
1
c
z
a
x
1
c
z
b
y
a
x
2
2
2
2
2
2
2
2
2
2
2
2
=
|
.
|
\
|

|
.
|
\
|
+ = +
|
.
|
\
|

|
.
|
\
|
+ =
|
.
|
\
|

|
.
|
\
|
+ = = +
com arbitrrio.
O sistema obtido representa, para cada valor de , uma recta que pertence qudrica,
isto , a superfcie formada por este conjunto de rectas!
Analogamente, tambm equivalente ao sistema:
,
b
y
1
c
z
a
x
b
y
1
c
z
a
x
+ = |
.
|
\
|

|
.
|
\
|
= +
com arbitrrio.
Assim, esta superfcie diz-se duplamente regrada: por cada um dos seus pontos passam duas
rectas (geratrizes) que esto sobre a superfcie.

Nota: Duas diferentes geratrizes do mesmo sistema so enviesadas.

1
c
z
b
y
a
x
2
2
2
2
2
2
= .
A qudrica que definida por esta equao denomina-se hiperbolide de duas folhas.
- Trao em XOY : 1
b
y
a
x
2
2
2
2
= (hiprbole);
84

- Trao em YOZ : 1
c
z
b
y
2
2
2
2
= (conjunto vazio);
- Trao em XOZ : 1
c
z
a
x
2
2
2
2
= (hiprbole);
- Trao num plano k x = , onde a k > , obtemos 1
a
k
c
z
b
y
2
2
2
2
2
2
= + (elipse).
Assim, obtemos a figura seguinte para um hiperbolide de duas folhas:
a o semi-eixo real e b, c os semi-eixos imaginrios.
Se , o hiperbolide de duas folhas de revoluo em torno do eixo OX. c b =

Outros hiperbolides de duas folhas:
1
c
z
b
y
a
x
2
2
2
2
2
2
= + e 1
c
z
b
y
a
x
2
2
2
2
2
2
= + .

1
c
z
b
y
a
x
2
2
2
2
2
2
= .
evidente que esta equao representa o conjunto vazio.

5. Dada a equao
0
c
z
b
y
a
x
2
2
2
2
2
2
= + + ,
o nico ponto pertencente ao conjunto definido por ela a origem de R
3
({ ). } O

6. Considere-se agora a equao
0
c
z
b
y
a
x
2
2
2
2
2
2
= + .
A qudrica representada por esta equao denomina-se cone (ou superfcie cnica).
- Trao em XOY : ( ) 0 , 0 , 0 { (origem); }
- Trao em YOZ :
c
z
b
y
= (duas rectas concorrentes);
85

- Trao em XOZ :
c
z
a
x
= (duas rectas concorrentes);
- Trao num plano k z = :
2
2
2
2
2
2
c
k
b
y
a
x
= + (elipse).
Assim, obtemos a figura seguinte para uma superfcie cnica:

Se , o cone de revoluo em torno do eixo OZ. b a =
uma superfcie simplesmente regrada, pois
+ =
|
.
|
\
|
=
= = +
b
y
c
z
a
x
b
y
c
z
a
x
b
y
c
z
a
x
0
c
z
b
y
a
x
2
2
2
2
2
2
2
2
2
2
2
2
, com arbitrrio.
Outras superfcies cnicas:
0
c
z
b
y
a
x
2
2
2
2
2
2
= + e 0
c
z
b
y
a
x
2
2
2
2
2
2
= .

7. Se agora a equao for
pz 2
b
y
a
x
2
2
2
2
= + , com 0 p ,
ela representa uma qudrica denominada parabolide elptico.
- Trao em XOY : ( ) 0 , 0 , 0 { (origem); }
- Trao em YOZ : pz 2
b
y
2
2
= (parbola);
- Trao em XOZ : pz 2
a
x
2
2
= (parbola);
- Trao num plano 0 k z < = :
< = +
>
0. p se (elipse), pk 2
b
y
a
x
0; p se ), ( vazio conjunto
2
2
2
2

86

Trao num plano z : 0 k > =
> = +
<
0. p se (elipse), pk 2
b
y
a
x
0; p se ), ( vazio conjunto
2
2
2
2

Assim, obtemos as figuras seguintes para parabolides elpticos:
Outros parabolides elpticos:
py 2
c
z
a
x
2
2
2
2
= + , com (eixo OY) e 0 p px 2
c
z
b
y
2
2
2
2
= + , com (eixo OX). 0 p

8. Seja a equao
pz 2
b
y
a
x
2
2
2
2
= , com 0 p .
A superfcie com esta equao denomina-se parabolide hiperblico (ou sela).
- Trao em XOY :
2
2
2
2
b
y
a
x
= (duas rectas);
- Trao em YOZ : pz 2
b
y
2
2
= (parbola);
- Trao em XOZ : pz 2
a
x
2
2
= (parbola);
- Trao num plano k z = : pk 2
b
y
a
x
2
2
2
2
= (hiprbole).
Assim, obtemos a figura seguinte para um parabolide hiperblico:

z

y

x
Esta superfcie duplamente regrada, pois
87

pz 2
b
y
a
x
b
y
a
x
pz 2
b
y
a
x
2
2
2
2
=
|
.
|
\
|

|
.
|
\
|
+ =
equivalente a
=
|
.
|
\
|

= +
pz 2
b
y
a
x
b
y
a
x
e a
=
|
.
|
\
|
+
=
pz 2
b
y
a
x
b
y
a
x
,
cujas geratrizes so paralelas aos planos 0
b
y
a
x
:
1
= + e 0
b
y
a
x
:
2
= , respectivamente.
Estes planos so ditos planos directores.

Outros parabolides hiperblicos:
py 2
c
z
a
x
2
2
2
2
= e px 2
c
z
b
y
2
2
2
2
= , com p 0 .

9. Se a equao for dada por
1
b
y
a
x
2
2
2
2
= + ,
temos uma qudrica denominada cilindro elptico.
- Trao em XOY : 1
b
y
a
x
2
2
2
2
= + (elipse);
- Trao em YOZ : b y = (duas rectas paralelas);
- Trao em XOZ : a x = (duas rectas paralelas);
Assim, obtemos a figura seguinte para um cilindro elptico:

88

+ =
|
.
|
\
|
=
= = +
b
y
1
a
x
b
y
1
a
x
b
y
1
a
x
1
b
y
a
x
2
2
2
2
2
2
2
2
, com arbitrrio,
sendo as geratrizes perpendiculares ao plano XOY.
Outros cilindros elpticos:
1
c
z
a
x
2
2
2
2
= + e 1
c
z
b
y
2
2
2
2
= + .

10. A equao
1
b
y
a
x
2
2
2
2
=
representa a qudrica denominada cilindro hiperblico.
- Trao em XOY : 1
b
y
a
x
2
2
2
2
= (hiprbole);
- Trao em YOZ : conjunto vazio ( );
- Trao em XOZ : a x = (duas rectas paralelas);
Assim, obtemos a figura seguinte para um cilindro hiperblico:

=
|
.
|
\
|
+
=
=
1
b
y
a
x
b
y
a
x
1
b
y
a
x
2
2
2
2
.
Outros cilindros hiperblicos:
1
a
x
b
y
2
2
2
2
= , 1
c
z
a
x
2
2
2
2
= , 1
a
x
c
z
2
2
2
2
= , 1
c
z
b
y
2
2
2
2
= e 1
b
y
c
z
2
2
2
2
= .
11. Se a equao dada por
0
b
y
a
x
2
2
2
2
= + ,
89

obtemos uma recta, pois , que o eixo OZ. Analogamente, tambm so rectas 0 y x = =
0
c
z
b
y
e 0
c
z
a
x
2
2
2
2
2
2
2
2
= + = + .

12. Se a equao dada por
0
b
y
a
x
2
2
2
2
= ,
obtemos um par de planos (
b
y
a
x
= ) concorrentes em OZ. Analogamente, tambm obtemos
pares de planos se
0
c
z
a
x
2
2
2
2
= e 0
c
z
b
y
2
2
2
2
= .

13. As equaes
1
b
y
a
x
2
2
2
2
= , 1
c
z
a
x
2
2
2
2
= e 1
c
z
b
y
2
2
2
2
= ,
representam o conjunto vazio.

py 2 x
2
= , com 0 p .
A qudrica representada por esta equao denomina-se cilindro parablico.
- Trao em XOY : (parbola); py 2 x
2
=
- Trao em YOZ : eixo OZ;
- Trao em XOZ : eixo OZ.
Assim, obtemos a figura seguinte para um cilindro parablico:

uma superfcie regrada, pois
=
=
=
py 2 x
x
py 2 x
2
.
90

Outros cilindros parablicos:
pz 2 x
2
= , , , e z , com . px 2 y
2
= pz 2 y
2
= px 2 z
2
= py 2
2
= 0 p

15. A qudrica com a equao
1
a
x
2
2
= ,
reduz-se a dois planos paralelos, pois a x 1
a
x
2
2
= = . Analogamente, obtemos planos
paralelos se a equao dada por 1
b
y
2
2
= ou dada por 1
c
z
2
2
= .

16. No caso da equao
1
a
x
2
2
= ,
temos o conjunto vazio. Analogamente para 1
b
y
2
2
= e 1
c
z
2
2
= .

17. No caso da equao , temos pares de planos coincidentes. Analogamente para 0 x
2
=
0 y
2
= e . 0 z
2
=

No caso geral de uma equao de uma qudrica, pode mostrar-se que se fizermos uma
translao que leve a origem para um centro da qudrica (caso exista), a nova equao tem os
mesmos termos do 2 grau, no tem termos do 1 grau e o termo independente obtm-se
substituindo as coordenadas do centro no primeiro membro da equao inicial.
Para se reduzir s direces principais necessrio uma mudana de base apropriada.
Esta mudana de base existe j que a matriz A (ver incio do estudo da qudricas)
diagonalizvel, isto , a mudana feita para uma base o.n. constituda pelos vectores
prprios associados aos valores prprios de A. Por exemplo, 9
a equao de um elipside de centro na origem, cujos eixos no so os eixos coordenados.
No entanto, os valores prprios da matriz
0 32 z 32 xy 14 y 9 x
2 2 2
= + + +
(
(
(
(
=
32 0 0 0
0 32 0 0
0 0 9 7
0 0 7 9
A
so 2, 16, 32 e 32, e deste modo, da mudana da base cannica para uma base o.n. de
vectores prprios associados a estes valores prprios, obtm-se uma nova equao para o
elipside que dada por , isto , 0 32 z 32 y 16 x 2
2 2 2
= + +
1 z
2
y
16
x
2
2 2
= + + .
91
7 BIBLIOGRAFIA

Dias Agudo, F.R. (1989). Introduo lgebra Linear e Geometria Analtica.
Livraria Escolar Editora.
Fernandes de Carvalho, J. A. (1977). lgebra e Geometria I. Instituto Politcnico
da Covilh
Giraldes, E. e outros (1995). lgebra Linear e Geometria Analtica. Editora
McGraw-Hill.
Gregrio, L. e Ribeiro, C.S. (1985). lgebra Linear. Editora McGraw-Hill.
Lispchutz, S.. lgebra Linear. Coleco Schaum. Editora McGraw-Hill.
Magalhes, L.T. (1993). lgebra Linear como Introduo Matemtica Aplicada.
Texto Editora.
Sampaio Martins, J.. Transparncias de lgebra Linear e Geometria Analtica.
Universidade da Beira Interior.

92

Apontamentos de Algebra Linear e Geo Analítica

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Apontamentos de Algebra Linear e Geo Analítica

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDADE DA BEIRA INTERIOR

Algebra Linear e Geometria Analtica

a = u (Existencia de elemento oposto)

, ) dois grupos. Uma aplicacao f : A A

(u elemento neutro de (A, ) e u

, , ) dois corpos. A aplicacao f : K K

Exerccio: Escreva na forma trigonometrica:

No caso do expoente racional, isto e, do tipo

E usual usar-se um quadro rectangular para dispor os elementos de K.

que e igual `a transposta

E evidente que todo o sistema homogeneo e um sistema possvel: admite sempre a

tambem sao regulares e temos que

Uma aplicao linear de E em E diz-se um endomorfismo.

= = A det A det A det .

1 , onde a soma dos ndices que determinam a

Como as operaes elementares no alteram o determinante de uma matriz caso este

= . Um outro , por exemplo,

. Neste caso, existe um determinante caracterstico:

X = ou ( ) 0 X I A = , isto , um sistema homogneo que deve ter

, o sistema possvel simplesmente indeterminado, ento os

Anda mungkin juga menyukai