Sebenta

Sebenta
de
Álgebra Linear e Geometria Analítica
Paulo Jorge Afonso Alves
_____________________________________________________________________________________________
Paulo Alves, 2006/07 Matemática I, EST-IPCB

_____________________________________________________________________________________________

Capítulo 1
Matrizes
Objectivo
Neste capítulo vamos introduzir um novo conceito, o de matriz; os diferentes tipos
de matrizes existentes; estudar algumas operações que se podem efectuar com
matrizes e as suas propriedades; dar o conceito de operação elementar; calcular a
característica de uma matriz, quer pela definição, quer utilizando operações
elementares, a que chamaremos método da condensação e, finalmente, calcular a
inversa de uma matriz.
_____________________________________________________________________________________________

2 Matrizes
Introdução
Exemplo: Considere a seguinte tabela de dupla entrada da multiplicação:
* 2 3 4 5
6 12 18 24 30
7 14 21 28 35
8 16 24 32 40
Esta a tabela dá-nos os resultados da multiplicação de 6, 7 e 8 por 2, 3, 4 e 5.

Por exemplo, na 3ª linha, 4ª coluna está o número 28, resultante da multiplicação de
7 por 4.
A entidade matemática que representa uma tabela deste género é uma matriz.
Definição: Uma matriz A = [aij]mxn, i = 1, 2, …, m, j = 1, 2, …, n, do tipo mxn é um
quadro com m linhas e n colunas cujos elementos aij são escalares,
representando-se por:
 a 11 a 12 L a 1n   a11 a12 L a1n 

a  
a 22 L a 2 n   a 21 a 22 L a 2n 
A =  21 ou A =  M
 M M O M  M O M 
   
a a m2 L a mn 
a m1 a m2 L a mn   m1
As matrizes são representadas, normalmente, por letras maiúsculas (A, B, C, …) e
os seus elementos pela respectiva letra minúscula com dois índices, o primeiro,
normalmente representado pela letra i, corresponde ao número da linha e o
segundo, normalmente representado pela letra j, corresponde ao número da coluna,
sendo então representado por aij. Excepcionalmente podem aparecer matrizes
representadas por letras minúsculas, por exemplo, na representação de um sistema
sob a forma de matriz, Ax = b, como iremos ver num outro capítulo.
A matriz, A, é delimitada por parênteses rectos ou por parênteses curvos. Daqui
para a frente vamos utilizar a notação de parênteses rectos.

_____________________________________________________________________________________________

Matrizes 3
Exemplo: O exemplo anterior pode ser convertido numa matriz B=[bij]4x5.

Substituindo o operando * pelo número 0 obtém-se a seguinte matriz
0 2 3 4 5 
6 12 18 24 30
B= 
7 14 21 28 35
 
8 16 24 32 40
O resultado da multiplicação de 7 por 4, que se encontra na 3ª linha, 4ª coluna,
matematicamente representa-se por b34 = 28.
Podemos então concluir que as matrizes são ferramentas que nos vão ajudar na vida
real, nomeadamente a programar, na resolução de sistemas (circuitos eléctricos), na
organização de informação, etc.
Matrizes do mesmo tipo são matrizes com o mesmo número de linhas e o mesmo
número de colunas, isto é, A = [aij]mxn e B = [bij]pxq são do mesmo tipo se e só se m=p
e n=q.
Exemplo: Dadas as 4 matrizes
são do mesmo tipo as matrizes C e D e a matrizes E e F.

(estas matrizes vão servir para exemplificar alguns conceitos)
Elementos homólogos, de matrizes do mesmo tipo, são os que têm índices iguais,
isto é, pertencem respectivamente à mesma linha e à mesma coluna, isto é, dadas
duas matrizes A = [aij]mxn e B = [bij]mxn diz-se que o elemento aij da matriz A é
homólogo do elemento bij da matriz B.
Exemplo: Nas matrizes C e D são elementos homólogos, os elementos

c23 = 6 e d23 = f; c12 = 2 e d12 = b; c33 = 9 e d33 = i; etc.
Exemplo: Nas matrizes E e F são elementos homólogos, os elementos
e13 = 33 e f13 = l; e12 = 22 e f12 = k; e23 = 66 e f23 = o; etc.
_____________________________________________________________________________________________

4 Matrizes
Diagonal principal, em matrizes com o mesmo número de linhas e colunas, são os
elementos cujo índice da linha é igual ao da coluna, isto é, dada a matriz A = [aij]nxn,
os elementos aij com i=j são os elementos da diagonal principal.
Nota: Só existem diagonais principais em matrizes quadradas.
Exemplo: As diagonais principais nas matrizes C e D são as seguintes

Na matriz C: c11 = 1 c22 = 5 c33 = 9
Na matriz D: d11 = a d22 = e d33 = i
Elementos opostos, ocupam posições simétricas relativamente à diagonal principal,
isto é, dada a matriz A = [aij]mxn, diz-se que o elemento aij é o oposto do elemento aji.
Exemplo: Na matriz C, os elementos c12 = 2 e c21 = 4 são elementos opostos.
Tipos de matrizes
Alguns tipos de matrizes Descrição

Matriz linha Matriz com uma só linha A = [a1j]1xn
A = [a 11 a 12 L a 1n ]
Matriz coluna Matriz com uma só coluna A = [ai1]mx1
 a 11 
a 
A =  21 
 M 
 
a m1 
Matriz rectangular Matriz com m linhas e n colunas A = [aij]mxn
 a 11 a 12 L a 1n 
a a 22 L a 2 n 
A =  21
 M M O M 
 
a m1 a m 2 L a mn 
Matriz quadrada Matriz cujo número de linhas é igual ao
número de colunas A = [aij]nxn
 a 11 a 12 L a 1m 
a a 22 L a 2 m 
A =  21
 M M O M 
 
a m1 a m 2 L a mm 
Matriz nula Matriz A = [aij]mxn com aij= 0 ∀i ∀j
_____________________________________________________________________________________________

Matrizes 5
Matriz diagonal Matriz quadrada, A = [aij]nxn, cujos elementos

acima e abaixo da diagonal são iguais a zero, e
pelo menos um elemento da diagonal principal
é diferente de zero
a 11 0 L 0 
0 a 0 
 22 L
A= ∃ aij≠0 i ∈{1,2, … n}
 M M O M 
 
0 0 L a nn 
Matriz triangular superior Matriz quadrada, A = [aij]nxn, cujos elementos
abaixo da diagonal são todos nulos
a 11 a 12 L a 1n 
0 a 
 22 L a 2 n 
A=
 M M O M 
 
0 0 L a nn 
Matriz triangular inferior Matriz quadrada, A = [aij]nxn, cujos elementos
acima da diagonal são todos nulos
 a 11 0 L 0 
a a 22 L 0 
A=  21
 M M O M 
 
a m1 a m 2 L a mm 
Matriz identidade Matriz diagonal, A = [aij]mxm, cujos elementos
(ou unidade) da diagonal são todos iguais a um
1 0 L 0 
0 1 L 0 
Imxm =  
M M O M
 
0 0 L 1 
Igualdade de matrizes
Duas matrizes, A = [aij]mxn e B = [bij]mxn, são iguais, se e só se, são do mesmo tipo e
todos os seus elementos homólogos são iguais, isto é, aij = bij, i = 1, 2, …,m, j = 1, 2
…, n.
_____________________________________________________________________________________________

6 Matrizes
Matriz transposta
Matriz que se obtém da matriz dada, A = [aij]mxn, trocando ordenadamente as suas
linhas pelas suas colunas, designa-se por AT = [aji]nxm.
Exemplo: As matrizes transpostas das matrizes C e F são:
Propriedades
Dadas as matrizes, A = [aij]mxn e B = [bij]mxn:
I – (AT)T = A
Exemplo:
II – (A + B)T = AT + BT
III – (AB)T = BT AT
Exercício: Encontre algumas matrizes que satisfaçam as propriedades anteriores.
Exercício: "Algumas propriedades acima nem sempre se verificam.", diga em que

casos é que isto acontece, para cada uma das propriedades.
Matriz simétrica: Matriz quadrada em que A = AT.
_____________________________________________________________________________________________

Matrizes 7
Operações com matrizes
Adição de matrizes
Só se podem adicionar matrizes do mesmo tipo.
Dadas duas matrizes A = [aij]mxn e B = [bij]mxn da soma destas matrizes resulta uma
outra matriz C = [cij]mxn (do mesmo tipo) cujos elementos são iguais à soma dos
elementos homólogos de A e B: cij = aij + bij (i = 1, 2, …,m; j = 1, 2 …, n).
Propriedades
Dadas as matrizes, A = [aij]mxn, B = [bij]mxn, C = [cij]mxn e D = [dij]mxn:
I - Comutatividade: A + B = B + A
Exemplo:
II – Associatividade: (A + B) + C = A + (B + C)
III – Existência de elemento neutro (matriz nula): A + 0 = 0 + A = A
IV – Existência de elemento oposto: A + (-A) = (-A) + A = 0
V – Se A = B e C = D, então A + C = B + D
Multiplicação de uma matriz por um escalar

Dada a matriz A = [aij]mxn, da multiplicação do escalar k pela matriz A resulta uma
outra matriz C = [cij]mxn, do mesmo tipo, cujos elementos são iguais ao produto do
escalar, k, por cada elemento da matriz A: cij = kaij, i = 1, 2, …, m, j = 1, 2 …, n.
_____________________________________________________________________________________________

8 Matrizes
Subtracção de matrizes
Dadas duas matrizes A = [aij]mxn e B = [bij]mxn a subtracção destas matrizes
corresponde à adição de uma outra matriz que resulta da segunda por
multiplicação desta pelo escalar -1, isto é, A - B = A + (-1)B.
Exemplo: C - D = C + (-1)D
Propriedades
Dadas as matrizes, A = [aij]mxn, B = [bij]mxn e k e t escalares reais:
I – k(A + B) = kA + kB
II – (k + t) A = kA + tA
III – (kt) A = k (tA) = t (kA)
IV – 1A = A
V – A = B ⇒ kA = kB
Multiplicação de matrizes
Dadas duas matrizes A = [aij]mxn e B = [bij]nxp , onde o número de colunas da
primeira é igual ao número de linhas da segunda, o produto destas matrizes é uma
n
outra matriz, C = [cij]mxp tal que cij = ∑ a ik b kj (i= 1, 2, …,m; j= 1, 2 …, p).
k =1
_____________________________________________________________________________________________

Matrizes 9
Exemplo:
1 2 3
 j k l 
FC =  4 5 6  =  j *1 + k * 4 + l * 7 j * 2 + k * 5 + l * 8 j * 3 + k * 6 + l * 9 
    m * 1 + n * 4 + 0 * 7 m * 2 + n * 5 + o * 8 m * 3 + n * 6 + o * 9
m n o    
7 8 9
Propriedades
Dadas as matrizes, A = [aij]mxn, B = [bij]mxn, C = [cij]mxn e D = [dij]mxn:
I – Associatividade (A B) C = A (B C)
II – Existência de elemento neutro A I = I A = A
III – Distributividade da multiplicação à direita e à esquerda em relação à
adição
(A + B) C = A C + B C A (B + C) = A B + A C
IV – A = B e C = D ⇒ A C = B D
Nota: Normalmente a multiplicação de matrizes NÃO É COMUTATIVA, mas
quando tal acontece as matrizes dizem-se permutáveis, isto é,
Matrizes permutáveis: Matrizes A e B tais que AB = BA.
Exercício: Encontre algumas matrizes permutáveis.
Exercício: Demonstre que a multiplicação de matrizes não é comutativa.
_____________________________________________________________________________________________

10 Matrizes
Combinação linear de linhas e colunas
 a 11   a 12   a 1n 
a  a  a 
Dadas as matrizes coluna A1 =  21 
, A2 =  22 
,..., A k =  2 n  , e dada uma
 M   M   M 
     
a m1  a m 2  a mn 
matriz C, diz-se que C é combinação linear de A 1 , A 2 , K , A n , se e só se
n
∃α 1 , α 2 , K, α n ∈ ℜ : C = α1 A1 + α 2 A 2 + K + α n A n = ∑ α i A i
i =1
Dependência e independência linear
Colunas linearmente dependentes

As matrizes coluna A 1 , A 2 , K , A n , dizem-se linearmente dependentes se e só se:
∃α1 , α 2 , K, α n ∈ ℜ \{0}: α1 A1 + α 2 A 2 + K + α n A n = 0
Colunas linearmente independentes

As matrizes coluna A 1 , A 2 , K , A n , dizem-se linearmente independentes se e só se:
α1A1 + α 2 A 2 + K + α n A n = 0 ⇒ α1 = α 2 = K = α n = 0
Analogamente para as linhas.
Exercício: Dê a definição de combinação linear, dependência e independência linear

para as linhas.
Nota: A dependência e independência linear das colunas (linhas) de uma matriz
não se altera quando se efectuam operações elementares.
_____________________________________________________________________________________________

Matrizes 11
Característica de uma matriz
Definição
A característica de uma matriz corresponde ao número máximo de colunas (linhas)
linearmente independentes.
Nota: O número máximo de linhas linearmente independentes é igual ao número
máximo de colunas linearmente independentes.
1 2 3 
Exemplo: Para a matriz A = 0 4 5 calcule
2 4 6
a) as linhas linearmente independentes;

b) as colunas linearmente independentes;
c) a característica da matriz A.
a)
α = −2δ
α (1,2,3)+ β(0, 4,5) + δ(2,4,6 ) = (0,0,0 ) ⇒ 
β = 0
L1, L2 e L3 são linearmente dependentes;
β = 0
β (0,4,5)+ δ(2,4,6 ) = (0,0,0 ) ⇒ 
δ = 0
L2 e L3 são linearmente independentes;
α (1, 2, 3) + δ (2, 4, 6) = (0, 0, 0) ⇒ α = −2δ

L1 e L3 são linearmente dependentes;
α = 0
α (1,2,3)+ β(0,4,5) = (0,0,0 ) ⇒ 
β = 0
L1 e L2 são linearmente independentes;
Concluindo, temos dois conjuntos de duas linhas linearmente independentes, {L2,L3}
e {L1,L2}.
b)
C1, C2 e C3 são linearmente dependentes, porque L1, L2 e L3 o são;
α = 0
α (1, 0, 2) + β (2, 4, 4) = (0, 0, 0) ⇒ 
β = 0
C1 e C2 são linearmente independentes;
_____________________________________________________________________________________________

12 Matrizes
β = 0
β (2, 4, 4) + δ (3, 5, 6) = (0, 0, 0) ⇒ 
δ = 0
α = 0
α (1, 0, 2) + δ (3, 5, 6) = (0, 0, 0) ⇒ 
δ = 0
Concluindo temos três conjuntos de duas colunas linearmente independentes,
{C2,C3}, {C1,C3} e {C1,C2}.
c) A característica de uma matriz é igual ao número máximo de linhas/colunas

linearmente independentes. Logo, das alíneas anteriores, podemos concluir que
a característica da matriz é igual a 2.
Operações elementares sobre matrizes
Existem três operações elementares:
I) Permuta de duas linhas (colunas);
II) Multiplicação de uma linha (coluna) por um número diferente de zero;
III) Adição aos elementos de uma linha (coluna) os elementos
correspondentes de uma outra linha (coluna) paralela multiplicada por
um número qualquer.
Exemplo: Aplicando a operação elementar tipo I) à matriz C vem:
Aplicando a operação elementar tipo II) à matriz C vem:
Aplicando a operação elementar tipo III) à matriz C vem:
_____________________________________________________________________________________________

Matrizes 13
Matrizes equivalentes
Duas matrizes dizem-se equivalentes, e escreve-se A ~ B, se uma delas puder ser
obtida da outra realizando um número finito de operações elementares.
Exemplo: As matrizes do exemplo anterior são matrizes equivalentes, isto é,
Método da condensação
Vamos apresentar o método da condensação. Veremos posteriormente como
utilizar este método no cálculo da característica, da inversa e do determinante de
uma matriz e na resolução de sistemas de equações lineares.
A condensação de uma matriz A = [aij]mxn consiste nas seguintes fases:
a) Tome-se a 11 ≠ 0 (se a 11 = 0 , troca-se a primeira linha com outra, de modo
a que a 11 seja não nulo, a esta operação chama-se pivotagem, se a primeira
linha for toda nula, troca-se com a última linha e repete-se o raciocínio),
designando-se este por elemento redutor ou pivot;
b) Fixado o elemento a 11 , procuram-se escalares λ i tais que λ i a 11 + a i1 = 0 ,
i = 2,..., m ; soma-se à linha i a primeira multiplicada por λ i , anulando-se,
assim, todos os elementos abaixo de a11 , diz-se então que se condensou a
primeira coluna;
c) Na matriz obtida procede-se do mesmo modo, desta vez tomando como
elemento redutor a 22 , e assim sucessivamente, até um determinado
elemento a rr . A condensação termina, obtendo-se a matriz condensada A',
quando já não existem:
_____________________________________________________________________________________________

14 Matrizes
i) mais colunas, ou seja, r = n
a '11 a '12 L a '1n 

 0 a ' 22 L a ' 2n 

 M M O M 
 
A'=  0 0 L a ' rn 
 0 0 L 0 
 
 M M O M 
 0 0 L 0 

ii) mais linhas, ou seja, r = m
a '11 a '12 L a '1m a '1,m +1 L a '1n 

 0 a ' 22 L a ' 2 m a ' 2,m +1 L a ' 2 n 
A' = 
 M M O M M O M 
 
 0 0 L a ' mm a ' m,m +1 L a ' mn 
iii) apenas linhas nulas, ou seja, r < m
a '11 a '12 L a '1r a '1,r +1 L a '1n 

 0 a ' 22 L a '2r a ' 2,r +1 L a ' 2n 

 
A' =  0 0 L a ' rr a ' r ,r +1 L a ' rn 
 0 0 L 0 0 L 0 
 
 0 0 L 0 0 L 0 

Note-se que todas as matrizes A' contêm uma submatriz triangular superior de
ordem máxima, r, de elementos diagonais não nulos.
A passagem da matriz inicial, A, para a matriz condensada, A', foi realizada
utilizando unicamente operações elementares, logo as matrizes A e A' são
equivalentes.
_____________________________________________________________________________________________

Matrizes 15
Exemplo: Vamos aplicar o método da condensação a várias matrizes
Característica de uma matriz utilizando o método da condensação

Como a independência linear não se altera quando se efectuam operações
elementares, a característica de uma matriz pode ser obtida por condensação, e
corresponde à ordem da submatriz triangular superior da matriz condensada, ou
seja, car(A) = r.
Exemplo: No exemplo dado para exemplificar as operações elementares vimos que

as matrizes C, CI, CII, CIII, CIV, CV e CVI são matrizes equivalentes, isto é,
foram obtidas umas das outras através de operações elementares, e pode
escrever-se
Logo, têm a mesma característica,

car(C) = car(CI) = car(CII) = car(CIII) = car(CIV) = car(CV) = car(CVI)
_____________________________________________________________________________________________

16 Matrizes
Exemplo: Dos exemplos da condensação de matrizes, temos:
A matriz condensada contém uma submatriz triangular superior de ordem 3, logo a

característica desta matriz é 3.


Inversa de uma matriz
Inversa esquerda e inversa direita de uma matriz

Seja A = [aij]mxn. Chama-se inversa esquerda da matriz A, a qualquer matriz M do
tipo nxm tal que M A = I, onde I é a matriz identidade de ordem n. Chama-se
inversa direita da matriz A, a qualquer matriz N do tipo nxm tal que A N = I, onde
I é a matriz identidade de ordem m.
Definição de inversa de uma matriz

Chama-se inversa da matriz A a uma matriz, que se representa por A-1, tal que
A-1 A = A A-1 = I
Nota: Uma condição necessária para uma matriz ter inversa, é que seja quadrada.
_____________________________________________________________________________________________
No entanto, nem todas as matrizes quadradas têm inversa.
Matrizes 17
Exercício: Dê um exemplo de uma matriz quadrada que não tenha inversa.
Propriedades
Dadas as matrizes, A = [aij]mxn, B = [bij]mxn e k escalar inteiro:
I – (A B)-1 = B-1 A-1
II – Se A é quadrada e invertível então (A-1)-1 = A
III – I-1 = I
IV– A-1 (A B) = 0 ⇒ B = 0
V – Se A é quadrada e invertível então (Ak) -1 = (A-1) k
VI - (AT)-1 = (A-1)T
Exercício: Encontre algumas matrizes que satisfaçam as propriedades.
Cálculo da inversa de uma matriz por condensação

A inversa de uma matriz A pode ser calculada através da realização de um número
finito de operações elementares sobre linhas (colunas), a este método chama-se
método da condensação. Neste método o objectivo é, aplicando operações
elementares às linhas:
~ I A I A ~ A I
-1 ou -1
A I operações
elementares
sobre
operações
elementares
sobre
linhas
linhas
ou, aplicando operações elementares às colunas:
A ~ I I ~ A
-1
operações operações
elementares elementares
A I
-1
I A
sobre sobre
colunas
ou colunas
_____________________________________________________________________________________________

18 Matrizes
1 2
Exemplo: A= 
3 4 
1 2 1 0 1 2 1 0
 3 4 0 1 L2=L~2-3L1 0 − 2 − 3 ~
1 L1=L1 + L2
  
 1 0 − 2 1 1 0 −2 1  −2 1 
~  ~ A−1 =  
 L2=L2/-2 0 3 1  3/ 2 − 1 / 2
 0 − 2 − 3 1  1 2 − 2
Exercícios
1 - Considere as seguintes matrizes sobre ℜ:
1 0  3 − 1 3
 1 2 3  
A=   B = 2 1  C =  4 1 5
 2 1 4  2 1 3
3 2
2 − 4 5
 3 − 2    − 4 5
D=   E = 0 1 4 F=  
2 4   3  2 3
2 1
a) Para as matrizes A, B e C, identifique:

i) a12, a22, a23
ii) b11, b21, b32
iii) c13, c31, c33
b) Para as matrizes A, B, C, D, E, F, se possível calcule:

i) C+E
ii) AB e BA
iii) 2D - 3F
iv) CB+D
v) (3)(2A) e 6A
vi) A(BD) e (AB)D
vii) A(C+E) e AC+AE
viii) 3A+2A e 5A
ix) DF+2A
x) (-4A)(3C) e (-12)(AC)
T T T
xi) A e (A )
T T T
xii) (C+E) e C +E
T T T
xiii) (AB) e B A
T T T
xiv) (BC) e C B
_____________________________________________________________________________________________

Matrizes 19
2 - Dadas as seguintes matrizes sobre ℜ:
 1 2 0 1 2 1 1 0 − 2 
 
A = − 1 2 3 B = 0 − 1 2  C = 2 − 3 1 
 0 1 2  0 − 1 − 3 1 2 5 
Determine a matriz X tal que:

T T
a) A+X =B +C
b) (A+B)T+X=B-CT
T
c) X+AB=C A
2
d) X+B -A=2I+C
T 2
e) (A+X) =BC+A
 1 −1
3 - Dada a matriz A =   , verifique se 3A+A2=A(3I+A).
− 1 2 
 a a − b  c c − d
4 - Dadas a matriz A =   eB=  sobre ℜ, mostre que são
a − b b  c − d d 
permutáveis.
5 - Sejam i,j ∈ ℵ e A=[aij] uma matriz nxn.

Diga, justificando, se são verdadeiras ou falsas as seguintes afirmações:
2 2
a) (A+I) =A +2A+I
2 2 2
b) (A+B) =A +2AB+B
2 2
c) se AB=BA, então (A+B)(A-B)=A -B
1 2  3
6 - Seja A =   , encontre f(A) onde f(X)=2X -4X+3.
 4 − 3
7 - Encontre todas as matrizes B que permutam com a matriz A dada em 6.
2
8 - Determine uma matriz B de 2ª ordem, sem elementos nulos, tal que B =0.
− 1 2 0  − 1 3 4  1 0 1 − 2
   2 − 2 0 e C =  
9 - Para A =  2 5 − 3 , B =   3 − 1 0 1 
 0 − 3 0   0 2 1   2 − 1 0 2 
a) simplifique a expressão AB+5B+BTB-M=0

b) determine o valor de M da expressão anterior
c) verifique se A e B são permutáveis
d) verifique se A e C são permutáveis
_____________________________________________________________________________________________

20 Matrizes
− 1 0 2 1 
1 2 − 1 3 
10 - Para M =  , calcule MMT e classifique a matriz produto.
 2 −1 2 0
 
 1 − 3 3 − 2
 − 1 2 3
11 - Para a matriz A=  1 3 5 calcule
 0 4 6
a) as linhas linearmente independentes

b) as colunas linearmente independentes
c) a característica de A
12 - Calcule a característica das seguintes matrizes:
1 0 0
1 2 3 1 1 1 1  0 0 1  1 1 1
A= 0 1 1 B= 1 1 0 1  C= 0 1 0 D= 
0 0 0
1 2 3 1 0 0 2 1 0 0  
0 0 1
13 - Dadas as matrizes A, B e C determine as matrizes X que verifiquem as

condições:
1 − 1 2 3 1 0 
A=   B=   C=  
0 1  1 5 0 8 
a) AX=B2+C
T
b) BX=A +BC
2
c) XC=(AB)
d) XC=(A-B)2
a 1 b 2  2a 1 − 2 − 2b
3 4 2 
a  −1 1 1 − 1 
14 - Dadas as matrizes A=  e B= 
5 0 a 1 − 10 − 1 b 7 
   
a 2 3 b  0 −1 −1 2 
a) Calcule AB
b) Determine a e b, tal que A=B-1
1 2 3 1 2 3  1 2 3  1 2 3 
15 - Para A= 2 5 3 B= 0 4 5 C= 2 4 6 D= 0 4 5
1 0 8 5 3 2 3 6 9 2 4 6
-1 -1 -1
a) Verifique que (AB) =B A
b) Utilizando o método da condensação calcule car(A), car(B), car(C) e car(D)
_____________________________________________________________________________________________

Matrizes 21
16 - Calcule a característica das seguintes matrizes:
 − 2 2a −1 a − 2   − 2 2a − 1 a − 2 1
A= a − 2 a −1 a − 2  B=  a − 2 a − 1 a − 2 a
 a −1 2a −1 2a − 1  a − 1 2 a − 1 2 a − 1 1
 π   π 
 2cis 4 2   2cis 4 5 
 π  cis0 cisπ 1   3π 
17 - Dadas as matrizes  1 cis  ,  π e  3 cis 
 2  0 2 cis   2
 2
 cis 3π 0   cis
π
0 
 2 
 
 2 
a) Identifique cada uma das matrizes acima indicadas com as letras A, B e C tal
L L
que D=AB=  .
L 2i 
b) Calcule a matriz D.
c) Simplifique a expressão X = (BTATC)T+AB
d) Determine o valor da matriz X.
  π   4 − 10i  1 2
18 - Dadas as matrizes A = 2 + i 2cis  , B =   eC=  
  2  2cis(π ) 3 4
a) Determine C-1, utilizando o método da condensação.
b) Simplifique a expressão AB+ACB+X = 0.
c) Determine o valor da matriz X.
 1 0
0 1 2   
19 - Dadas as matrizes A =  2  B =  2 1
1 a 1  − 1 1
T T T
a) Verifique se (AB) = B A .
T T T
b) Determine o valor da matriz X tal que X = (AB) xA+ B A xA.
  3π   3π 
 2cis  cis 
1 + 2i i 
20 - Dadas as matrizes A=  , B=   2   2  e C= 1 2
 1 3
 3 − i 1  cis π  cis0   
 2 

a) Simplifique a expressão AX+BX+X-C=0.
b) Determine a matriz X que verifica a condição AX+BX+X-C=0.
Soluções
1 - a) i) 2;1;4 ii) 1;2;2 iii) 3;2;3
5 − 5 8  1 2 3 
 
b) i) 4 2 9  ii) 
14 8
; 4 5 10 iii)  18 − 19
   − 2 − 1 
16 9   
5 3 4 7 8 17 
_____________________________________________________________________________________________

22 Matrizes
 6 12 18   58 4 28 8 38
iv) IMP v)   vi)   vii)  
12 6 24  66 4 34 4 41
 1 2
 5 10 15   − 204 − 48 − 264  
viii)   ix) IMP x)   xi)  2 1 ; A
10 5 20  − 216 − 36 − 276  3 4
 5 4 5
14 16
xii) − 5 2 3 xiii)   xiv) IMP; IMP
 8 9 4 8 9
1 5 2 − 2 1 0 − 2 7 3 
 
2 - a) − 2 − 6 3 b)  − 4 1 0 c)  4 3 1 
− 2 − 3 0  1 − 7 − 7  − 3 6 17 
3 3 − 4 4 −5 −6
 
d) 1 2 12  e)  3 10 − 2 
 1 − 1 2  11 20 − 11
3 - Verdadeira
5 - a) Verdadeira b) Falsa c) Verdadeira
− 15 52 
6-  
 104 − 119
2 y + w y
7- 
 2y w 
 1 1
8 - Por exemplo:  
 − 1 − 1
 5 1 12 
b) M =  11 − 3 19 
T
9 - a) (A+5I+B )B-M=0
− 10 30 22
c) Não Permutáveis d) Não Permutáveis
6 0 2 3 
0 15 − 2 − 14
10 -   Matriz Simétrica
2 − 2 9 11 
 
3 − 14 11 23 
11 - a) as 3 linhas
b) as 3 colunas
c) 3
_____________________________________________________________________________________________
12 - Car(A)=2 Car(B)=3 Car(C)=3 Car(D)=3
Matrizes 23
 15 3  3  20 
 −  −1 − 2  5
15 57
13 - a)  b)  7 7 c)  d)  8

 7 36 3 58  23  20 
−  6  5 
 7 7   8   8
2a 2 − 1 −10b a − b −1 − 2a + b 2 −1 − 2ab + 7 b + 3 

 
 6a − 24 5−a − a + 2b − 2 2a − 6b + 10 
14 - a)
 0 4−a ab −11 7a −10b + 2 
 2

 2a − 32 a − b −1 − 2a + 2b + 2 − 2ab + 2b + 19
b) Por exemplo a=4 ∧ b=3
15 - a) Verdadeira
b) Car(A)=3; Car(B)=3; Car(C)=1; Car(D)=2
16 - Se a ≠ -1 ∧ a ≠ 1 ∧ a ≠ 0 Car(A) = 3
Se a = -1 ∨ a = 1 ∨ a = 0 Car(A) = 2
Se a ≠ -1 ∧ a ≠ 1 ∧ a ≠ 0 Car(B) = 3
Se a = 0 Car(B) = 3
Se a = 1 Car(B) = 3
Se a = -1 Car(B) = 2
Resumo: Se a ≠ -1 Car(B) = 3
Se a = -1 Car(B) = 2
0 2 − i 
17 - a) B, A, C b)   c) X = (CT + I)(AB) d) IMP
3 2i 
− 2 1   96 − 8i 
18 - a)  3 1 b) X = - A(I + C)B c)  
 2 − 2  − 8 − 24i 
 4a 2 4a 4 4a 2 
19 - a) Verdadeiro b) X = 2 (AB)TA =  2 2 4 2
2 + 2a 6 + 2a + 2a 14 + 2a 
 1 
 1
20 - a) X = (A + B + I)-1 C b)  2 
1
− 0
 6 
_____________________________________________________________________________________________

24 Matrizes
_____________________________________________________________________________________________

Capítulo 2
Determinantes
Objectivo
O objectivo deste capítulo é introduzir o conceito de determinante de uma matriz,
ver algumas regras práticas para o calcular, a redução da ordem de um
determinante utilizando o teorema de Laplace e as suas propriedades. Além disso,
veremos como calcular a inversa de uma matriz utilizando determinantes, bem
como a definição e o cálculo dos valores próprios e vectores próprios de uma
matriz.
_____________________________________________________________________________________________

26 Determinantes
Introdução
Permutação de n elementos
Permutação
Seja S = {1, 2, ..., n} o conjunto dos inteiros de 1 a n, dispostos em ordem crescente.
Um rearranjo j1 j2 ... jn dos elementos de S é chamado uma permutação de S.
Exemplo: 4231 é uma permutação de S = {1, 2, 3, 4}.
Inversão
Uma permutação j1 j2 ... jn de S = {1, 2, ..., n} tem uma inversão se um inteiro maior jr
precede um inteiro menor js.
Exemplo: 4231 é uma permutação de S = {1, 2, 3, 4} e temos

4 > 2 uma inversão
4 > 3 uma inversão
4 > 1 uma inversão
2 > 1 uma inversão
3 > 1 uma inversão
Concluindo em 4231 temos cinco inversões.
Permutação principal
Permutação por ordem crescente, isto é, sem inversões.
Exemplo: 1234 é a permutação principal de S = {1, 2, 3, 4}.
Classes
Uma permutação é de classe par se o número total de inversões for par.
Uma permutação é de classe ímpar se o número total de inversões for ímpar.
Nota: As permutações principais são consideradas de classe par.
Exemplo: Em 4132 temos

4 > 1 uma inversão
4 > 3 uma inversão
4 > 2 uma inversão
3 > 2 uma inversão
Temos quatro inversões, logo a permutação é de classe par.
_____________________________________________________________________________________________

Determinantes 27
Exemplo: Na permutação do exemplo anterior temos cinco inversões, logo 4231 é

de classe ímpar.
Para construir uma permutação do conjunto S = {1, 2, ..., n} , podemos colocar
qualquer um dos n elementos de S na primeira posição, qualquer um dos restantes
n-1 elementos na segunda posição, qualquer um dos restantes n-2 elementos na
terceira posição, e assim sucessivamente, até que a n-ésima posição só pode ser
preenchida pelo elemento que falta. Donde, podemos concluir que existem
n ⋅ (n - 1) ⋅ (n - 2) ⋅...⋅ 3 ⋅ 2 ⋅ 1 permutações em S, ou seja, n! permutações.
Exemplo:
Conjunto Número de Permutações Inversões Classes
permutações
S = {1} 1! = 1 1 - par
S = {1, 2} 2! = 2*1 = 1 12 - par
21 2>1 ímpar
S = {1, 2, 3} 3! = 3*2*1 = 6 123 - par
231 2>1, 3>1 par
312 3>1, 2>1 par
132 3>2 ímpar
213 2>1 ímpar
321 3>2, 3>1, 2>1 ímpar
Na tabela acima podemos verificar que o número de permutações pares e ímpares
n!
para cada conjunto S é igual. Generalizando, para n > 1, S = {1, 2, ..., n} tem
2
n!
permutações pares e permutações ímpares.
2
Teorema de Bezout: Se numa permutação trocarmos entre si dois elementos a
permutação muda de classe.
_____________________________________________________________________________________________

28 Determinantes
Determinante
Dada a matriz A = [aij]nxn, definimos o determinante da matriz A, e escrevemos
|A|, det(A) ou simplesmente ∆, como
|A| = ∑± a 1j1 a 2 j2 Ka njn (1)
onde o somatório é realizado para todas as permutações, j1 j2 ... jn, do conjunto
S = {1, 2, ..., n} . O sinal é escolhido positivo ou negativo consoante a permutação j1 j2
... jn seja par ou ímpar, respectivamente.
Em cada termo, ± a 1j1 a 2 j2 Ka njn , do determinante da matriz A, os subíndices relativos
às linhas estão na sua ordem natural, enquanto que os subíndices relativos às
colunas estão na ordem j1 j2 ... jn. Como a permutação j1 j2 ...jn é simplesmente um
rearranjo dos números de 1 a n, não contém repetições. Assim, cada termo do
determinante da matriz A é o produto de n elementos de A com sinal apropriado,
com exactamente um elemento de cada linha e um elemento de cada coluna. Como
estamos a somar todas as permutações do conjunto S = {1, 2, ..., n} , o determinante
da matriz A tem n! termos na equação (1).
Exemplo: A = [a11] n=1 1! = 1 permutação

Só tem a permutação principal, de classe par, logo |A| = a11.
 a11 a12 
Exemplo: A = n=2 2! = 2*1 = 2 permutações
 a 21 a 22 
Pela equação (1) vem
a11a22 (permutação de classe par)
a12a21 (permutação de classe ímpar)
Logo, |A| = ? a11a22 ? a12a21
ou seja, |A| = +a11a22 - a12a21
Nota: Só é possível calcular determinantes de matrizes quadradas. A ordem de um
determinante é igual ao número de linhas (colunas).

_____________________________________________________________________________________________

Determinantes 29
Para simplificar, "porque quando as coisas se complicam, vêm os Matemáticos e
simplificam", surgiram algumas regras práticas.
Regras práticas
Para matrizes 2x2

a11 a12
A= = + a11a22 − a12 a21
a21 a22
Para matrizes 3X3, temos a regra de Sarrus:
a11 a12 a13

A = a21 a22 a23 = + a11 a 22 a33 + a21 a32 a13 + a31 a12 a 23 − a13 a 22 a31 − a23 a32 a11 − a33 a12 a21
a31 a32 a33
a11 a12 a13
a21 a 22 a23
ou ainda, a11 a12 a13
A = a 21 a 22 a 23 termos positivos
a 31 a 32 a 33
a11 a12 a13

A = a 21 a 22 a 23 termos negativos
a 31 a 32 a 33
NOTA: Estas regras práticas para o cálculo de determinantes só podem ser
aplicadas a matrizes de ordem inferior ou igual a três.
Como se poderá calcular o determinante de uma matriz de ordem superior a três?
Podemos utilizar a definição, mas tem a desvantagem de ser pouco eficiente. Por
exemplo, para o cálculo do determinante de uma matriz de ordem 4, vamos ter 4! =
4*3*2*1 = 24 parcelas, correspondentes às respectivas permutações de um conjunto
de quatro elementos.
Novamente para simplificar o cálculo do determinante de uma matriz, surgiu o
_____________________________________________________________________________________________
teorema de Laplace.
30 Determinantes
Antes de vermos o teorema de Laplace vamos aprender dois novos conceitos.
Menor complementar de um elemento, aij, de uma matriz A, é o determinante da
matriz que se obtém da matriz A, suprimindo-lhe a linha i e a coluna j, ou seja, a
linha e a coluna que cruzam nesse elemento.
Complemento algébrico de um elemento, aij, de uma matriz A, é o produto do
menor complementar desse elemento por (-1)i+j, onde i e j são as ordens da linha e
da coluna, respectivamente, que se cruzam nesse elemento, e representa-se por Aij.
1 2 4
3
− 1 0 2 − 2
Exemplo: Seja A =  .
1 2 1 − 1
 
3 1 −1 5 
1 2 3
O menor complementar do elemento a44 é − 1 0 2 e o respectivo complemento
1 2 1
1 2 3
algébrico é A44 = (-1)4+4 − 1 0 2 .
1 2 1
Teorema de Laplace
O determinante de uma matriz A é igual à soma dos produtos que se obtêm
multiplicando cada um dos elementos de uma das suas linhas (ou colunas) pelo
respectivo complemento algébrico.
Exemplo: Vamos desenvolver o determinante da matriz A, do exemplo anterior,

segundo a 4ª linha:
det(A) = a41A41 + a42A42 + a43A43 + a44A44
2 3 4 1 3 4 1 2 4
1+ 4 2+ 4 3+ 4
= 3 ⋅ (-1) ⋅ 0 2 − 2 + 1 ⋅ (-1) ⋅ − 1 2 − 2 + (−1) ⋅ (-1) ⋅ −1 0 − 2 +
2 1 −1 1 1 −1 1 2 −1
1 2 3
+ 5 ⋅ (-1) 4 + 4 ⋅ − 1 0 2
1 2 1
= (-3)(-28) + (-21) + (-10) + 5(-4) = 33

_____________________________________________________________________________________________

Determinantes 31
Propriedades
• O valor do determinante de uma matriz não se altera quando se trocam,
ordenadamente, as suas colunas com as suas linhas, isto é,
|A| = |AT|
Demonstração:
Sejam A = [aij] e AT = [bij] onde bij = aji, 1 ≤ i ≤ n, 1 ≤ j ≤ n). Então, por (1), temos
|AT| = ∑± b 1j1 b 2 j2 Kb njn = ∑ ± a j11a j2 2 Ka jn n (2)
Reordenando os factores do termo a j11a j2 2 Ka jn n , de forma a que os índices de linha
estejam ordenados, vem
b1j1 b 2 j2 Kb njn = a j11a j2 2 Ka jn n = a 1k1 a 2 k 2 Ka nk n
Supondo que as permutações, k1 k2 ... kn, que determina o sinal associado a
a 1k1 a 2 k 2 Ka nk n , e j1 j2 ... jn, que determina o sinal associado a b1j1 b 2 j2 Kb njn , são ambas
pares ou ambas ímpares.
Exemplo: b13b24b35b41b52 = a31a42 a53a14 a25 = a14 a25 a31a42 a53
O número de inversões na permutação 45123 é seis e em 34512, também é seis.
E como os termos e o sinal correspondentes em (1) e (2) coincidem, conclui-se que
|A| = |AT|.
Nota: Desta propriedade conclui-se que podemos aplicar as propriedades tanto às

linhas como às colunas.
1 2 4
Exemplo: |A| = − 1 0 − 2 = 0 − 8 − 4 − (0 − 4 + 2) = −10
1 2 −1
1 −1 1
|AT| = 2 0 2 = 0 − 4 − 8 − (0 − 4 + 2) = −10
4 − 2 −1
_____________________________________________________________________________________________

32 Determinantes
• Se os elementos de uma linha (coluna) da matriz A forem todos nulos, então
|A| = 0.
Demonstração:
Suponhamos que a r-ésima linha da matriz A é formada por zeros. Cada termo da
definição de determinante da matriz A, em (1), contém um factor da r-ésima linha,
então cada termo do determinante da matriz A será nulo, logo |A| = 0, isto é,
|A|= ∑± a 1j1 a 2 j2 Ka r −1jr −1 ⋅ 0 ⋅ a r+1jr +1 Ka njn = ∑ ± 0 = 0
1 2 4
Exemplo: 0 0 0 = 0 + 0 + 0 − ( 0 + 0 + 0) = 0
1 2 −1
• Se uma matriz B resulta da matriz A pela troca da posição relativa de duas
linhas (colunas) de A, então |B| = - |A|.
Demonstração:
(linhas)
Suponhamos que a matriz B provém da matriz A devido à troca da posição relativa
das linhas r e s da matriz A, com r < s. Temos então que
bij = aij, i ≠ r; i ≠ s, brj = asj, bsj = arj
Logo, por (1),
B = ∑ ± b1j1 b 2 j2 Kb rjr Kb sjs Kb njn =

= ∑ ± a 1j1 a 2 j2 Ka sjr Ka rjs Ka njn =
= −∑ ± a 1j1 a 2 j2 Ka rjs Ka sjr Ka njn =
=− A
_____________________________________________________________________________________________

Determinantes 33
A permutação j1 j2...js ...jr ... jn resulta da permutação j1 j2...jr ...js ... jn devido à troca da
posição de dois números. Logo, pelo teorema de Bezout, há uma mudança na classe
da permutação, isto é, o número de inversões na primeira difere do número de
inversões da segunda por uma "quantidade" ímpar. Isto significa que o sinal de
cada termo em |B| é simétrico do sinal do termo correspondente em |A|. Assim,
|B| = -|A|.
(colunas)
Aplicando a primeira propriedade à matriz A e à matriz B estamos perante o caso
de troca de duas linhas, já demonstrado.
1 2 4
Exemplo: − 1 0 − 2 = −10
1 2 −1
Trocando a primeira linha com a segunda, obtemos o determinante

−1 0 − 2
1 2 4 = 2 − 4 + 0 − (−4 − 8 + 0) = 10
1 2 −1
• Se uma matriz B é obtida de uma matriz A, multiplicando uma linha (coluna)
da matriz A por um número real k, então |B| = k*|A|.
Demonstração:
Suponhamos que a r-ésima linha da matriz A=[aij] é multiplicada por k para se
obter a matriz B = [bij]. Então, bij=aij se i ≠ r e brj = k*arj. De (1), obtemos
B = ∑ ± b1j1 b 2 j2 Kb rjr Kb njn =

= ∑ ± a 1j1 a 2 j2 Kk ⋅ a rjs Ka njn =
= k ⋅ ∑ ± a 1j1 a 2 j2 Ka rjs Ka njn =
= k⋅ | A |
_____________________________________________________________________________________________

34 Determinantes
Nota: Podemos simplificar o cálculo de |A|, encontrando o máximo divisor
comum de cada linha e coluna de A.
1 2 4
Exemplo: − 1 0 − 2 = −10
1 2 −1
Multiplicando a 1ª linha por 2, obtemos o determinante
2 4 8
− 1 0 − 2 = 0 − 16 − 8 − (0 − 8 + 4) = −20
1 2 −1
• Se duas linhas (colunas) da matriz A forem iguais, então |A|= 0.
Demonstração
Suponhamos que as linhas r e s da matriz A são iguais. Se trocarmos as posições
relativas das linhas r e s da matriz A obtemos uma nova matriz, B. Por um lado,
|B| = -|A| (por uma propriedade anterior). Por outro lado, como B = A então |B|
= |A|. Logo
|A| = -|A| ⇒ 2*|A|= 0 ⇒ |A| = 0
1 2 4
Exemplo: 1 2 4 = − 2 + 8 + 8 − ( − 2 + 8 + 8) = 0
1 2 −1
• Um determinante de uma matriz com duas linhas (colunas) paralelas
proporcionais é nulo.
Demonstração:
a 11 a 12 L ka 1i L a 1i L a 1n
a 21 a 22 L ka 2i L a 2i L a 2n
| A |=
M M O M O M O M
a n1 a n 2 L ka ni L a ni L a nn
_____________________________________________________________________________________________

Determinantes 35
Por uma propriedade anterior
a 11 a 12 L a 1i L a 1i L a 11nn
a 21 a 22 L a 2i L a 2i L a 2n
| A |= k
M M O M O M O M
a n1 a n2 L a ni L a ni L a nn
Este determinante tem duas colunas iguais, logo, por uma propriedade anterior,
concluímos que |A| = 0.
Exemplo:
1 2 4
3 6 12 = −6 + 24 + 24 − (24 + 24 − 6) = 0
1 2 −1
• Se cada elemento de uma linha (coluna) do determinante de uma matriz é
igual à soma de duas parcelas, ele poder-se-á decompor na soma de dois
determinantes, que se obtêm daquele substituindo os elementos dessa linha
(coluna) sucessivamente pelas primeiras e pelas segundas parcelas dessa
somas, mantendo inalteradas as restantes linhas (colunas).
Demonstração:
Pela definição (1)
|A|= ∑ ± a 1j1 a 2 j2 Ka iji Ka njn
Se a iji = b ij(1)i + b ij(2)i + K + b ij(m)

i
(m parcelas), então
|A|= ∑ ± a 1j1 a 2 j2 K(b ij(1)i + b ij(2)i + K + b ij(m)

i
)Ka njn
Aplicando a propriedade distributiva da multiplicação em relação à adição obtemos
|A | = ∑±a 1 j1 a 2 j 2 K b ij(1i ) K a nj n +
+ ∑ ± a 1 j1 a 2 j 2 K b (ij2i ) K a nj n +
+K
+ ∑±a 1 j1 a 2 j 2 K b (ijmi ) K a nj n
_____________________________________________________________________________________________
ou seja, |A|=|A1|+|A2|+ ... + |Am|
36 Determinantes
1 + 1 2 + 2 4 + (− 1) 1 2 4 1 2 −1
Exemplo: −1 0 − 2 = 1 0 − 2 + − 1 0 − 2 = − 10 + 0 = −10
1 2 −1 1 2 −1 1 2 −1
• Se uma matriz B for obtida de uma matriz A adicionando a cada elemento da
r-ésima linha (coluna) da matriz A, o elemento correspondente da s-ésima
linha (coluna) da matriz A, r ≠ s, multiplicado por k, então |B| = |A|.
Demonstração:
Temos bij = aij para i ≠ r e brj = arj + k*asj e r ≠ j, por exemplo, para r < s, por (1) vem
B = ∑ ± b1j1 b 2 j 2 Kb rj r Kb nj n =
= ∑ ± a 1j1 a 2 j 2 K(a rj r + k ⋅ a sj r )Ka sjs Ka nj n
Aplicando a propriedade distributiva da multiplicação em relação à adição
B = ∑ ± a 1j1 a 2 j2 Ka rjr Ka sjs Ka njn + ∑ ± a 1j1 a 2 j2 Kk ⋅ a sjr Ka sjs Ka njn

= | A | + k ⋅ ∑ ± a 1j1 a 2 j2 Ka sjr Ka sjs Ka njn
mas,
a 11 a 12 L a 1n
a 21 a 22 L a 2n
M M O M
a ss11 a s2 L a sn
∑±a j1 1 a j 2 2 K a sj r K a sj s K a jn n =
M M O M
= 0
a ss11 a s2 L a sn
M M O M
a n1
n1 a n2 L a nn
Logo, |B| = |A|+ 0 = |A|.
1 2 4
Exemplo: − 1 0 − 2 = −10
1 2 −1
_____________________________________________________________________________________________

Determinantes 37
Somando à 2ª linha a 1ª multiplicada por 1, obtemos o determinante

1 2 4
0 2 2 = −2 + 0 + 4 − (8 + 4 + 0) = −10
1 2 −1
• O determinante de uma matriz triangular superior ou triangular inferior é
igual ao produto dos elementos da diagonal principal.
Demonstração:
Recordando a definição de determinante de uma matriz
|A|= ∑± a 1j1 a 2 j2 Ka iji Ka njn
onde o somatório é realizado para todas as permutações, j1 j2 … jn, do conjunto
S = {1, 2, ..., n} e o sinal é escolhido positivo ou negativo consoante a permutação j1j2
... jn seja par ou ímpar, respectivamente.
Com efeito, se para um dos lados da diagonal principal todos os elementos da
matriz são nulos, então todos os termos diferentes do termo principal têm pelo
menos um factor nulo, logo,
|A|= a 11a 22 Ka nn
1 2 4 1 2 4 1 2 4
Exemplo: − 1 0 − 2 = −10 −1 0 − 2 = 0 2 2 = 1 ⋅ 2 ⋅ (−5) = −10
L 2 = L 2 + L1
1 2 −1 1 2 −1 L 3 = L 3 − L1
0 0 −5
Inversa de uma matriz utilizando determinantes
Para o cálculo da inversa de uma matriz utilizando determinantes necessitamos de
aprender mais uma definição, a de matriz adjunta, que vamos representar por
Adj(A).
_____________________________________________________________________________________________

38 Determinantes
Matriz Adjunta
Matriz adjunta de uma matriz quadrada, A, é a matriz que se obtém da matriz A da
seguinte forma:
a) Calculam-se os complementos algébricos de todos os elementos de A;
b) Constrói-se, a partir de A, a matriz Adj(A), substituindo cada elemento de
A pelo seu complemento algébrico.
Inversa da matriz A
1 1
A −1 = (Adj( A)) T = Adj( A T )
| A| | A|
1 2 1 2
Exemplo: A=   A = = 4 − 6 = −2
3 4 3 4
A11 = (-1)1+1|4|=4 A12 = (-1)1+2|3|=-3  4 − 3

Adj( A) =  
A21 = (-1)2+1|2|=-2 A22 = (-1)2+2|1|=1 − 2 1 
T
−1 1  4 − 3 1  4 − 2  − 2 1 
A = ⋅  = ⋅  = 
− 2 − 2 1  − 2 − 3 1  3/ 2 − 1/ 2
Valores próprios e vectores próprios
Definição: Dada uma matriz quadrada A, diz-se que um número real λ é um
valor próprio de A se existir uma matriz coluna, não nula, X, com
elementos pertencentes a ℜ , tal que
AX = λX
Qualquer matriz coluna, não nula, X, que verifique a relação anterior, é chamada
um vector próprio de A associado a λ .
Seja A = [ a ij ] uma matriz quadrada de ordem n, então
_____________________________________________________________________________________________

Determinantes 39
 a11 a12 L a1n   x1   x1 

a a 22 L a 2n   x 2  x 
AX = λX ⇔   2
21
=λ
 M M O M  M M
     
 a n1 an2 L a nn   x n   xn 
Aplicando multiplicação de matrizes, temos
a11 x1 + a12 x 2 + ... + a1n x n = λx1 (a11 − λ ) x1 + a12 x 2 + ... + a1n x n = 0

a x + a x + ... + a x = λx a x + (a − λ ) x + ... + a x = 0
 21 1 22 2 2n n 2  21 1 22 2 2n n
 ⇔
................................................ ................................................
a n1 x1 + a n 2 x 2 + ... + a nn x n = λx n a n1 x1 + a n 2 x 2 + ... + (a nn − λ ) x n = 0
Que é equivalente, na forma matricial, a
a 11 − λ a 12 L a 1n   x 1  0 
 a a 22 − λ L a 2 n   x  0 
 21  2 =  
 M M O M   M  M 
     
 a n1 a n2 L a nn − λ   x n  0 
ou seja, ( A − λI ) X = 0 , sendo 0 a matriz coluna nula de tipo n ×1 .
Definição: Seja A uma matriz quadrada de tipo n × n . O determinante
a 11 − λ a 12 L a 1n
a 21 a 22 − λ L a 2n
f (λ) = A − λI =
M M O M
a n1 a n2 L a nn − λ
é designado por polinómio característico de A.
A equação f (λ) = A − λI = 0 é designada por equação característica de A.
Teorema: Os valores próprios da matriz A são as raízes reais do polinómio
característico de A.
Depois de obter todos os valores próprios de A, resolvendo a equação A − λI = 0 ,
substituindo na igualdade (A − λI)X = 0 , λ por cada um dos valores próprios e

_____________________________________________________________________________________________

40 Determinantes
resolvendo o sistema daí resultante, obtém-se o conjunto dos vectores próprios de A
associados a cada valor próprio.
Exemplo: Seja, A = 5 3 para encontrar os valores próprios de A, resolvemos a

 1 3
 
equação |A - λI|=0
5−λ 3
= 0 ⇔ λ 2 − 8λ + 12 = 0 ⇔ λ = 2 ∨ λ = 6
1 3− λ
Temos então como valores próprios para a matriz A, λ1 = 2 e λ2 = 6. Vamos então
calcular os vectores próprios associados a cada um deles.
Para λ1 = 2, substituímos λ na igualdade (A-λI)X=0, obtendo

5 − λ1 3   x1  0 3 3  x1  0 3x1 + 3x 2 = 0  x = − x2
 1    = ⇔    = ⇔ ⇔ 1
 3 − λ1   x 2  0 1 1  x 2  0  x1 + x 2 = 0  0=0
Então, o conjunto dos vectores próprios associados a λ1, que vamos designar
por Vλ , é
1
 − x2  
Vλ1 =    : x 2 ≠ 0
 x2  
Para λ2 = 6, substituímos λ na igualdade (A-λI)X=0, obtendo

5 − λ 2 3   x1  0  − 1 3   x1  0 − x1 + 3 x 2 = 0  x = 3x 2
 1    = ⇔    = ⇔ ⇔ 1
 3 − λ 2   x 2   0  1 − 3  x 2   0   x1 − 3 x2 = 0  0=0
Então, o conjunto dos vectores próprios associados a λ2, que vamos designar
por Vλ2 , é
 3x 2  
Vλ2 =    : x 2 ≠ 0
 x2  
_____________________________________________________________________________________________

Determinantes 41
Exercícios
1. Encontre o número de inversões para cada uma das seguintes permutações de
S = {1,2,3,4,5}.
a) 52134 b) 45213 c) 42135 d) 13542 e) 35241 f) 12345
2. Determine se cada uma das seguintes permutações de S = {1,2,3,4} é par ou
ímpar.
a) 4213 b) 1243 c) 1234 d) 3214 e) 1423 f) 2431
3. Verifique para o conjunto S = {1, 2, 3} o teorema de Bezout.
4. Dadas as seguintes matrizes sobre R:
1 2 3
 3 − 2 b − a a 
A=   B=  C = 4 − 2 3 

4 5   a b + a 
2 5 − 1
a) Calcule os determinantes das matrizes A e C utilizando a definição.
b) Calcule os determinantes das matrizes A, B e C utilizando as regras práticas.
k k
5. Determine os valores de k, para os quais: = 0.
4 2k
6. Calcule os determinantes:
1 0 2 1 0 4
1 8
a) b) 3 1 4 c) 2 2 −1
7 4
2 5 7 2 1 5
_____________________________________________________________________________________________

42 Determinantes
7. Aplicando propriedades e os resultados do exercício anterior, calcule os
determinantes:
1 2 2 4 0 1 1 20 30 −2 −2 −2
a) 0 2 1 b) − 1 2 2 c) 0 0 0 d) − 6 − 2 − 6
4 −1 5 5 1 2 7 56 32 3 2 3
1 0 2 1 0 2 1 −1 3
e) 3 3 4 f) 6 6 8 g) 0 1 0
2 15 7 2 15 7 2 3 6
1 0 0 2 4
0 1 2 2 0
8. Calcule o valor do determinante 2 2 0 0 −1
0 1 0 3 0
2 1 0 0 5
a) Aplicando o Teorema de Laplace à 1ª linha;
b) Aplicando o Teorema de Laplace à 3ª linha;
c) Aplicando propriedades.
9. Sejam i,j ∈ N e A=[aij] e B=[bij] uma matriz nxn. Diga, justificando, se são
verdadeiras ou falsas as seguintes afirmações:
a) |A| ≥ 0
b) |A|= 0 se e só se A = 0
c) |-A|= -|A|
d) |AB|=|BA|
_____________________________________________________________________________________________

Determinantes 43
10. Utilizando apenas as propriedades dos determinantes, prove que:
1 2 3 4 a+b b+c c+d d+a

3 5 9 10 b+c c+d d+a a+b
a) =0 b) =0
101 202 305 408 c+d d+a a+b b+c
0 0 1 2 d+a a+b b+c c+d
a b c d
a −b d−e g−h
a a+b a+b+c a+b+c+d
c) b − c e − f h − i =0 d) = a4
a 2a + b 3a + 2b + c 4a + 3b + 2c + d
c−a f −d i−g
a 3a + b 6a + 3b + c 10a + 6b + 3c + d
11. Utilizando apenas as propriedades dos determinantes, calcule:
a a a a
1 bc bc 2 + b 2 c x+z y x
a b b b
a) b) 1 ca ca + c a
2 2
c) x + y y x
a b c c
1 ab ab 2 + a 2 b 2x x x
a b c d
a+b −1 0 2a 3a − b a
d) a 2a + b a e) b − a 2b − 2a −a
a + 3b − 1 − 2a − b 2b 3a − b 5a − 3b 2a − b
2 1 3
f) 2α + 1 α + 2 3α + 1 , para α ≠ 0 e β ≠ 0 (sol: -9)
2 + β 1 + 2β β
12. Calcule:
1 1 1 ... 1 1
1 1 1 ... 1
2 3 2 ... 2 2
1 2 1 ... 1
3 3 5 ... 3 3
a) 1 1 3 ... 1 b)
... ... ... ... ... ...
... ... ... ... ...
n −1 n −1 n −1 ... 2n − 3 n − 1
1 1 1 ... n
n n n ... n 2n − 1
_____________________________________________________________________________________________

44 Determinantes
1 2 2 ... 2 2
1 1 1 ... 1
2 2 2 ... 2 2
−1 0 1 ... 1
2 2 3 ... 2 2
c) − 1 − 1 0 ... 1 d)
... ... ... ... ... ...
... ... ... ... ...
2 2 2 ... n −1 2
−1 −1 −1 ... 0
2 2 2 ... 2 n
1 2 3 ... n 1 1 1 ... 1
2 6 6 ... 2n 1 1+ a 1 ... 1
e) 3 6 12 ... 3n h) 1 1 1+ b ... 1
... ... ... ... ... ... ... ... ... ...
n 2n 3n ... n + n
2
1 1 1 ... 1 + n
1 1 1 ... 1 1 + x a 12 a 13 ... a 1n
3 3−k 3 ... 3 x 1 0 ... 0
i) 4 4 4−k ... 4 j) x 1 1 ... 0
... ... ... ... ... ... ... ... ... ...
n n n ... n − k x 1 1 ... 1
1− x 2 2 ... 2 2
1+ x 2 3 ... n
2 1− x 2 ... 2 2
1 2+x 3 ... n
2 2 1− x ... 2 2
k) i) 1 2 3+ x ... n
... ... ... ... ... ...
... ... ... ... ...
2 2 2 ... 1 − x 2
1 2 3 ... n + x
2 2 2 ... 2 1− x
13. Determine as raízes das equações:
1+ x 2 3 4
2 0 x 1 x 1
1 2+x 3 4 2
a) =0 b) 0 x 2 = 0 c) x x 2 =0
1 2 3+ x 4
x 2 0 2 x3 4
1 2 3 4+x
a a a a−x x a b c
b b b−x b x x d e
d) =0 e) =0
c c−x c c x x x f
d−x d d d x x x x
_____________________________________________________________________________________________

Determinantes 45
1 1 1 − x − 2 − 13x − 6 7 x −10
f) x + 1 a +1 b +1 = 0 g) 3x − 5 − 8 − 6x 4x − 6 = 0
x + x a + a b2 + b
2 2
3x + 2 14x + 19 11 − 6 x
−x a b c
a −x c b
h) =0
b c −x a
c b a −x
14. Mostre que
a b c d
b c d a
a) = 0 se a+b+c+d = 0
c d a b
d a b c
b2 + c2 a2 a2 0 − c2 − b2
b) b2 a 2 + c2 b2 = 2 b2 a2 0
c2 c2 a 2 + b2 c2 0 a2
x+z y+z 2z w+z 1 x x2 x3

k + x2 k + y2 k + z2 k+w 2
1 y y2 y3
c) =
yzw xzw xyw xyz 1 z z2 z3
1 1 1 1 1 w w2 w3
15. Das matrizes que se seguem , inverta as que forem invertíveis:
2 0 2  1 −1 1 
1 1  2 6
A=   B=  

C= 1 − 1 0  D= −1 1 0
0 1  3 9
0 0 − 1  2 1 2
16. Determine a e b de forma a que as matrizes A e B sejam invertíveis:
 1 1 −1 0
1 1 1 1 2 b 1 
A= 1 a a  B= 
 1 −1 3 b
0 1 2  
−1 2 −1 b
_____________________________________________________________________________________________

46 Determinantes
2 0 2 1
1 1 1 −1
17. Sendo A= 
0 2 −1 1 
 
2 1 2 −1
a) Calcule A-1 utilizando o método da adjunta;
b) Represente uma matriz de 5ª ordem cujo determinante seja igual ao det(A).
18. Sejam A=[aij]nxn e B=[bij]nxn matrizes regulares:
a) Sabendo que det(AB) = det(A)*det(B) mostre que det(A)*det(A-1) = 1
b) Mostre que det(A+B) ≠ det(A) + det(B)
c) Mostre que (A*B)-1 = B-1 * A-1
1+ i 1+ i 1+ i
19. Sabendo que 2 3 3 = −1 − 2i e utilizando somente as propriedades,
1+ i 2 + i i
x + xi 2 i + 1
resolva a equação x + xi 3 i + 2 = 2 + 2i , apresentando o resultado na forma
x + xi 3 i
mais simples.
x y z
20. Sabendo que x2 y2 z 2 = 2 e utilizando somente propriedades, calcule
1 2 3
x 2x 3x
x +1 y+2 z+3 .
x +x
2
y +y
2
z2 + z
_____________________________________________________________________________________________

Determinantes 47
21. Determine o valor do determinante da matriz A, utilizando somente

propriedades
 1 i
 1+ i 1− i − − 
3 3
 1 i 
A =  − i −1 2i + 
 3 3 
3 2cis π +4− −4 0 
 4 
22. Determine os valores e vectores próprios das matrizes
 −2 1 2   5 −6 −8 
1 1  6 3 14 9     
a)   b)   c)  6 11 d)  −5 3 3 e)  12 −13 −16
0 2  −2 1  
 −3 1 3  −4 4 5 
(Obs: Em d) e e) os valores próprios são inteiros.)
Soluções
1. a) 5 b) 7 c) 4 d) 4 e) 7 f) 0
2. a) + b) - c) + d) - e) + f) +
4. a) 23; 79 b) 23; b2-2a2; 79
5. k=0 ∨ k=2
6. a) -52 b) 13 c) 3
7. a) 3 b) -3 c) 0 d) 0
e) 39 f) 78 g) 0
8. -66
9. a) Falsa b) Falsa c) Falsa d) Verdadeira
11. a) a(b-a)(c-b)(d-c) b) 0 c) x(y-x)(z-y) d) (a+b)(2a+b)(a+2b)
e) b(a+b)(a-b) f) -9
12. a) (n-1)! b) (n-1)! c) 1 d) -2(n-2)! e) n!

_____________________________________________________________________________________________
f) (n+x)xn-1
48 Determinantes
g) (x-1)(x-2) ... (x+1-n) h) abc ... n i) (-k)n-2 j) 1+x(1-a12)
h) (2n-1-x)(-1-x)n-1
13. a) (10+x)x3 -10; 0 (raíz tripla) b) -(x+2)(x2-2x+4) -2; 1 ± 3i
c) -x(2-x)(x2-2) 0; 2; ± 2 d) -x3(a+b+c+d-x) a+b+c+d; 0 (raíz tripla)
e) x(x-a)(x-d)(x-f) 0; d; f; a f) (a-x)(b-x)(a-b) a; b sse b≠a
48
g) (5x-5)(x-1)(10x+96) − ; 1(raíz dupla)
5
h) (-x+a+b+c)(-x+a-b-c)(-x-a+b-c)(x+a+b-c) a+b+c; a-b-c; -a+b-c; -a-b+c
1   2 1
2 0 1 − 3 −1
3
1 − 1 1   2 1
15.   ; IMP;  −1 1  ; − 0 
0 1  2   3 3
0 0 − 1  1 1 0
   
−11 ± 281
16. a ≠ 1 b≠
10
− 3 −11 1 9 
1 0 − 3
4 1 0 
17. a)  b)  
3 10 − 1 − 8 0 A 
 
1 2 0 − 2
19. -6/5+2/5i
20. 2x
21. -2+2i
22. a) λ=1 [x 0]T; λ=2 [x x]T b) λ=4 [x -2x/3]T; λ=3 [x -x]T
c) λ=20 [x 2x/3]T; λ=5 [x -x]T d) λ=1 [x x x]T; λ=2 [x 2x x]T
e) λ=1 [x 2x -x]T; λ=-1 [x x 0]T; λ=-3 [-2z -4z z]T

_____________________________________________________________________________________________

Capítulo 3
Sistemas de Equações Lineares
Objectivo
Neste capítulo vamos introduzir um novo processo de resolver sistemas de
equações lineares, utilizando os conhecimentos adquiridos sobre matrizes e a sua
característica. Veremos como discutir um sistema de equações lineares, em função
de um, ou mais, parâmetros. Finalmente, iremos ver dois casos particulares de
sistemas, sistemas de Cramer, resolvidos utilizando determinantes, e sistemas
homogéneos, resolvidos utilizando a matriz inversa.
_____________________________________________________________________________________________

50 Sistemas de Equações Lineares
Introdução
Vamos considerar um sistema de equações lineares, ou seja,
a11 x1 + a12 x2 + ... + a1n xn = b1

a x + a x + ... + a x = b
 21 1 22 2 2n n 2
................................................

ai1 x1 + ai2 x2 + ... + ain xn = bi
................................................

a m1 x1 + a m 2 x2 + ... + a mn xn = bm
onde aij , i = 1,...,m , j = 1,...,n e bi , i = 1,...,m são escalares conhecidos pertencentes a
ℜ e x j , j = 1,...,n são escalares a determinar, também pertencentes a ℜ . Teremos
então um sistema de m equações lineares a n incógnitas, x j , j = 1,...,n , com
coeficientes aij , i = 1,...,m , j = 1,...,n e com termos independentes bi , i = 1,...,m .
Definindo as matrizes:
 a11 a12 L a1n   x1   b1 

a a 22 L a 2 n  x  b 
 21  2  2
 M M O M  M M 
A=  x=  b= 
 ai1 ai 2 L ain   xi   bi 
 M M O M  M M 
     
a m1 am2 L a mn   x n  bm 
onde A é designada como matriz do sistema ou matriz dos coeficientes, x como
matriz das incógnitas e b como matriz dos termos independentes, este sistema
pode ser representado sob forma matricial como Ax = b . Vamos, além disso, definir
uma nova matriz A , que designaremos por matriz completa do sistema, como
_____________________________________________________________________________________________

Sistemas de Equações Lineares 51
 a11 a12 L a1n b1 

a a 22 L a2n b2 
 21
 M M O M M 
A= 
 ai1 ai 2 L ain bi 
 M M O M M 
 
a m1 a m 2 L a mn bm 
Chamamos solução do sistema a qualquer ponto (c1 , c2 ,..., c n ) ∈ ℜ n tal que, fazendo
( x1 , x2 ,..., xn ) = (c1 , c2 ,..., cn ) as m equações do sistema se verificam.
Se o sistema não tiver soluções diz-se impossível, e no caso de ter, pelo menos, uma
solução diz-se possível. Se existir apenas uma solução o sistema diz-se
determinado e se existir mais do que uma solução indeterminado.
Resolução de sistemas
Resolver um sistema é determinar todas as suas soluções ou concluir que estas não
existem. Dois sistemas dizem-se equivalentes se e só se têm as mesmas soluções. A
equivalência entre sistemas permite resolver um sistema, resolvendo outro,
equivalente ao sistema dado. Os métodos de resolução de sistemas consistem
precisamente em passar do sistema inicial para outros, em passagens sucessivas,
todos equivalentes entre si, de modo que o último seja um sistema muito simples,
do qual seja imediato determinar as suas soluções, que serão, também, as do
problema inicial.
Vamos ver um método de resolução de sistemas de equações lineares: o método da
condensação, baseado na condensação da matriz completa do sistema.
_____________________________________________________________________________________________

Método da condensação
Seja o sistema definido anteriormente, Ax = b , de m equações a n incógnitas.
Consideremos a matriz completa do sistema A , de tipo m × (n +1) , e vamos
proceder à sua condensação utilizando operações elementares sobre linhas e
colunas até obtermos uma matriz que contenha uma submatriz triangular inferior,
de ordem r, de elementos diagonais não nulos.
a '11 a'12 L a '1r a '1,r +1 L a '1n b'1 

 0 a' 22 L a' 2r a ' 2,r +1 L a ' 2 n b' 2 

 M M O M M O M M 
 
 0 0 L a ' rr a ' r ,r +1 L a ' rn b' r 
 0 0 L 0 0 L 0 b' r +1 
 
 M M O M M O M M 
 0 0 L 0 0 L 0 b' m 

Note-se que, durante a condensação da matriz A , nunca podemos realizar
nenhuma operação elementar sobre a coluna dos termos independentes, nem todas
as operações elementares sobre linhas e colunas. Vejamos a que corresponde cada
operação elementar na equivalência de sistemas:
Operações elementares sobre linhas:

I) corresponde à troca de ordem de duas equações;
II) corresponde à multiplicação de ambos os membros de uma equação por um
escalar qualquer;
III) corresponde à soma de uma equação com o produto de outra equação por
um escalar qualquer.
_____________________________________________________________________________________________

Operações elementares sobre colunas:

I) corresponde à troca dos coeficientes de duas incógnitas, ou seja, à troca da
ordem das incógnitas;
II) corresponde à multiplicação dos coeficientes de uma incógnita por um
escalar qualquer;
III) corresponde à soma dos coeficientes de uma incógnita com o produto dos
coeficientes de outra incógnita por um escalar qualquer.
Então, poderemos realizar todas as operações elementares sobre linhas, pois para
todas elas se obtém uma matriz que representa um sistema equivalente ao anterior,
mas apenas operações elementares de tipo I sobre colunas, o que corresponde à
troca de ordem das incógnitas, devendo por isso ser anotada e tida em conta no
final da resolução do problema.
Obtivemos assim uma nova matriz que representa um sistema equivalente ao
primeiro, como vimos a partir da correspondência entre operações elementares
sobre linhas e colunas de uma matriz e as operações elementares possíveis de
realizar sobre um sistema de modo a obter um sistema equivalente.
É evidente, a partir da observação da nova matriz, que o novo sistema só será
possível se as últimas r equações forem satisfeitas, ou seja, se e só se b'i = 0 ,
i = r + 1,..., m , o que nos leva ao seguinte teorema:
Teorema: É condição necessária e suficiente para que uma sistema de equações
lineares seja possível que a matriz dos coeficientes e a matriz completa
tenham a mesma característica, isto é,
car( A) = car( A )
_____________________________________________________________________________________________

Temos então, como consequência imediata do teorema, que se car( A) ≠ car( A) o
sistema é impossível.
 x1 − x 2 = 1
Exemplo: Consideremos o sistema − x1 + 2x 2 + 3x3 = −1
 x + 3x = 2
 1 3
 1 −1 0 1   1 − 1 0 1 1 − 1 0 1 
A = − 1 2 3 − 1 ~ 0 1 3 0 ~ 0 1 3 0
    
L2 = L2 + L1 L3 = L3 − L2
 1 0 3 2  L3 = L3 − L1 0 1 3 1 0 0 0 1
Temos, então, car(A) = 2 ≠ car( A ) = 3, logo o sistema é impossível (SI).
No caso de o sistema ser possível, obtemos o sistema equivalente ao primeiro:
a'11 x1 + a'12 x2 + ... + a'1r x r + a'1,r+1 x r+1 + ... + a'1n x n = b'1

 a' 22 x2 + ... + a' 2r x r + a' 2,r+1 x r+1 + ... + a' 2n x n = b' 2


 ....................................................................
 a' rr x r + a' r ,r +1 xr+1 + ... + a' rn x n = b' r
Este novo sistema contém apenas r equações, a que chamaremos equações
principais, designando as restantes por equações não principais ou redundantes.
As incógnitas correspondentes à matriz triangular superior são designadas por
incógnitas principais e as restantes por incógnitas não principais. Teremos, assim,
r incógnitas principais e n-r incógnitas não principais.
Note-se que, se r=n, não existem incógnitas não principais e, portanto, o sistema
será reduzido a:
a'11 x1 + a'12 x 2 + ... + a'1n xn = b'1

 a' 22 x 2 + ... + a' 2n xn = b' 2


 .............................
 a' nn x n = b' n
_____________________________________________________________________________________________
sendo, portanto, um sistema possível e determinado, bastando apenas para
encontrar a sua solução realizar a substituição sucessiva dos valores das incógnitas
xn , xn−1 ,..., x2 , x1 .
 x1 − x3 = −1
2x + x = 2
 1 2
Exemplo: Consideremos o sistema 
−
 1 x + 2x 2 + x3 = 1
2x1 + 3x2 = 2
1 0 − 1 − 1 1 0 − 1 − 1 1 0 −1
− 1
2 1 0 2 0 1 2 4  0 1 2 4
A= ~  ~  ~
− 1 2 1 1  L2 = L2 − 2 L1 0 2 0 0  L3 = L3 − 2 L2 0 0 − 4 − 8
  L3 = L3 + L1   L4 = L4 −3 L2  
2 3 0 2  L4 = L4 − 2 L1 0 3 2 4 0 0 − 4 − 8
 1 0 − 1 − 1
0 1 2 4 
~ 
L4 = L4 − L3 0 0 − 4 − 8
 
0 0 0 0
Temos, então, car(A) = car( A ) = r = 3, n = 3, n – r = 0, logo o sistema é possível e

determinado (SPD). Além disso, contém uma equação não principal, que é, por
coincidência, a última. Passemos ao sistema condensado equivalente, e a partir
deste à solução do sistema:
 x1 − x3 = −1  x1 − 2 = −1  x1 = 1
  
 x 2 + 2x3 = 4 ⇔  x2 + 2 × 2 = 4 ⇔  x2 = 0 S = (1,0,2)
− 4x = −8 x = 2 x = 2
 3  3  3
Se r<n, para resolver o sistema bastará passar para o segundo membro as incógnitas
não principais, obtendo-se:
a '11 x1 + a '12 x 2 + ... + a '1r x r = b'1 − a '1,r +1 x r +1 − ... − a '1n x n

 a ' 22 x 2 + ... + a ' 2 r x r = b' 2 − a' 2,r +1 x r +1 − ... − a ' 2 n x n


 .....................................................................
 a ' rr x r = b' r − a ' r ,r +1 x r +1 − ... − a ' rn x n
_____________________________________________________________________________________________
Neste caso, o sistema terá várias soluções, dizendo-se, portanto, indeterminado. O
número de incógnitas não determinadas é igual ao de incógnitas não principais, n-r,
designando-se este número por grau de indeterminação do sistema, e o sistema
diz-se possível e n-r vezes indeterminado. As soluções do sistema inicial são
encontradas do mesmo modo que no caso anterior, ou seja, por substituição
sucessiva dos valores das incógnitas xr , xr −1 ,..., x2 , x1 .
 x1 + 2x 2 − x3 + 3x4 = 2
2x − x + 3x − x = 1
 1 2 3 4
Exemplo: Consideremos o sistema  x1 − 3x 2 + 4x3 − 4x4 = −1
 x + 7x − 6x + 10x = 5
 1 2 3 4
4x
 1 − 2x 2 + 6x3 − 2x 4 = 2
1 2 −1 3 2 1 2 −1 3 2
2 −1 3 −1 1   0 − 5 5 − 7 − 3
   
A = 1 − 3 4 − 4 −1 ~ 0 − 5 5 − 7 − 3 ~
  LL32 =L
=L 2 - 2L1
 
1 7 − 6 10 5  L4 =L 4 -L1 0 5 −5 7 3
3 - L1
4 − 2 6 − 2 2  L5 =L5 -4L1 0 −10 10 −14 − 6

1 2 −1 3 2
0 − 5 5 − 7 − 3
 
~ 0 0 0 0 0
L4 =L 4 +L 2  
L3 =L3 −L 2
L5 =L5 - 2L 2  0 0 0 0 0
0 0 0 0 0 
Temos então car(A) = car( A ) = r = 2, n = 4, n – r = 2, logo o sistema é possível e

duplamente indeterminado (SP2D). Além disso, contém três equações não
principais, por coincidência as três últimas e duas incógnitas não principais, x3 e x4.
Obtemos o sistema condensado equivalente:
x 1 + 2 x 2 − x 3 + 3x 4 = 2 x 1 + 2 x 2 = 2 + x 3 − 3x 4
 ⇔  ⇔
 − 5x 2 + 5 x 3 − 7 x 4 = − 3  − 5 x 2 = − 3 − 5x 3 + 7 x 4
x 1 + 2 (3 / 5 + x 3 − 7 / 5x 4 ) = 2 + x 3 − 3x 4  x 1 = 4 / 5 − x 3 − 1 / 5x 4
⇔ ⇔
 x 2 = 3 / 5 + x 3 − 7 / 5x 4 x 2 = 3 / 5 + x 3 − 7 / 5x 4
4 1 3 7 
S =  − x3 − x4 , + x3 − x4 , x3 , x4 
5 5 5 5 
_____________________________________________________________________________________________
Discussão de sistemas
Por vezes surgem casos em que não necessitamos de resolver um sistema de
equações lineares, mas apenas de o classificar. Normalmente, nesse tipo de sistemas
os coeficientes das incógnitas dependem de um ou mais parâmetros e o que se
pretende é simplesmente determinar se o sistema é impossível, possível e
determinado ou possível e indeterminado, e, neste último caso, qual o grau de
indeterminação, em função dos ditos parâmetros, sem nunca chegar a resolver
realmente o sistema. Assim, a matriz obtida por condensação a partir da matriz
completa, não necessita de representar um sistema equivalente ao inicial, podendo,
portanto, realizar-se todas as operações elementares sobre colunas, excluindo,
unicamente, a última, sobre a qual continua a não se poder realizar qualquer
operação.
 x1 + x 2 − ax3 = 3a − 1

Exemplo: Consideremos o sistema (a − 2) x1 − x 2 − 4x3 = 2a + 1
 x + ax + (a + 3)x = −3a
 1 2 3
 1 1 − a 3a −1 1 1 −a 3a −1 
 
A = a − 2 −1 − 4 2a +1 2 =L2 + ( − a +2) L1 0 1 − a a − 2a − 4 − 3a + 9a −1 ~
~  2 2
L =L −L
 1 a a + 3 − 3a  L3 3 1 0 a −1 2a + 3 − 6a + 1 
1 1 −a 3a −1 
~ 0 1 − a a − 2a − 4 − 3a + 9a −1
 2 2
L3 = L3 +L2
0 0 a 2 −1 − 3a 2 + 3a 
Observando os elementos da diagonal principal, verificamos que estes se anulam

quando 1− a = 0 ⇔ a = 1
a 2 −1 = 0 ⇔ a = ±1
Logo, teremos
car( A) = car( A) = 3
a ≠ 1 ∧ a ≠ −1
n=3 sistema possível e determinado (SPD)
 1 1 − 1 2 1 1 − 1 2
 0 0 − 5 5 ~  0 − 5 0 5 car( A) = car( A) = 2
a =1   C2 ↔C3   n=3
 0 0 0 0 0 0 0 0
sistema possível e simplesmente indeterminado(SP1D)
_____________________________________________________________________________________________

1 1 1 − 4 
car( A) = 2
a = −1  0 2 − 1 − 13
car( A) = 3
 0 0 0 − 6 
sistema impossível (SI)
 − 4x 1 − 2x 2 + bx 3 = −1
Exemplo: Consideremos o sistema 
 ax 1 + x 2 + 3x 3 = a
 4x + 2x + bx = b
 1 2 3
 − 4 − 2 b − 1  − 4 − 2 b − 1 − 4 −2 b −1 

A= a  
1 3 a  ~  4a 4 12 4a   ~  0 4 − 2a 12 + ab 3a 
L2 = 4L2 L 2 =L2 +aL1 
 4 2 b b   4 2 b b  L 3 =L3 +L1  0 0 2b b − 1
Observando os elementos da diagonal principal, verificamos que estes se anulam

quando 4 − 2a = 0 ⇔ a = 2
2b = 0 ⇔ b = 0
Logo, teremos
a ≠ 2 ∧ b ≠0 car( A) = car( A) = 3 SPD
n=3
− 4 − 2 b −1  − 4 −2 b −1 
a=2  0 12 + 2b  
6  ~  0 12 + 2b 0 6  ~
0 C2 ↔C3
 0 0 2b b − 1  0 2b 0 b − 1
− 4 − 2 b −1  − 4 − 2 b −1 
 0 12 0 7 − b    7 − b 
~ ~ 0 12 0 A) = 2
car( A)
L2 = L2 − L3  L3 = L3 −bL2 
L3 =6 L3  0 12b 0 6b − 6
  0 0 0 b 2 − b − 6
Vamos ver, para a=2, quando se anula o último elemento da coluna dos termos
independentes
b 2 − b − 6 = 0 ⇔ b = −2 ∨ b = 3
car( A) = car( A) = 2
a = 2 ∧ (b = −2 ∨ b = 3) SP1I
n=3
car( A) = 2
a = 2 ∧ b ≠ −2 ∧ b ≠ 3 SI
car( A) = 3
_____________________________________________________________________________________________

Sistemas de Cramer
Vamos agora ver um caso particular dos sistemas possíveis e determinados, que
pode ocorrer quando o número de equações é igual ao número de incógnitas, ou
seja, quando m = n .
Definição: Um sistema de equações lineares diz-se um sistema de Cramer se
forem satifeitas as condições seguintes:
a) O número de incógnitas é igual ao número de equações;
b) O determinante da matriz do sistema é não nulo.
Consideremos então o sistema:
a11 x1 + a12 x2 + ... + a1n xn = b1

a x + a x + ... + a x = b
 21 1 22 2 2n n 2

................................................
a n1 x1 + a n 2 x 2 + ... + a nn xn = bn
ou, na forma matricial,
Ax = b , com
 a11 a12 L a1n   x1   b1 

a a22 
L a2 n   
x2  b 
A =  21 , x=  e b =  2.
 M M O M  M M
     
 an1 an 2 L ann   xn  bn 
_____________________________________________________________________________________________

O número de equações e de incógnitas é o mesmo, e, portanto, se A ≠ 0 então
estamos perante um sistema de Cramer, cuja solução pode ser obtida utilizando as
chamadas fórmulas de Cramer:
O valor de cada incógnita, xi , i = 1,..., n , pode ser obtido a partir do quociente
∆i
xi = , i = 1,..., n
∆
onde o denominador é o determinante da matriz dos coeficientes, ∆ = A , e o
numerador, ∆ i , é o determinante da matriz que se obtém da matriz dos
coeficientes, A, substituindo a coluna de ordem i, isto é, a coluna dos coeficientes da
incógnita xi , pela coluna dos termos independentes, b.
 x1 + x2 − x3 = −1
Exemplo: Seja o sistema de equações lineares 
2x1 − x2 + 2x3 = 3
 3x + x + x = 4
 1 2 3
1 1 − 1
então A =  2 − 1 2  e |A| = -4. Calculemos os determinantes ∆i, i = 1,2,3.
 
 3 1 1 
−1 1 −1 1 −1 −1 1 1 1
∆1 = 3 − 1 2 = 1 ∆ 2 = 2 3 2 = −8 ∆ 3 = 2 − 1 3 = − 11
4 1 1 3 4 1 3 1 4
1 1 −8 − 11 11
x1 = =− x2 = =2 x3 = =
−4 4 −4 −4 4
Vejamos outro método de resolução de um sistema de Cramer, Ax = b , utilizando a
inversa da matriz do sistema, A −1 , que existe sempre, pois A ≠ 0 . Multiplicando à
esquerda ambos os membros de Ax = b por A −1 , tem-se A −1 Ax = A −1b , e, como
A −1 A = I , teremos Ix = A −1b , ou seja, x = A −1b .
_____________________________________________________________________________________________

 1 1 − 1
Exemplo: Utilizando o exemplo anterior, temos A =  2 − 1 2 
 
 3 1 1 
 3/ 4 1/ 2 − 1 / 4   − 1/ 4
  2 .
Logo A-1 =
 −1 −1 1  , e portanto, x = A-1b =  
 − 5 / 4 − 1/ 2 3 / 4   11 / 4 
Sistemas homogéneos
Definição: Um sistema de m equações lineares a n incógnitas diz-se um sistema
homogéneo se todos os termos independentes das equações do sistema
forem nulos, ou seja, se tivermos
a11 x1 + a12 x 2 + ... + a1n x n = 0

a x + a x + ... + a x = 0
 21 1 22 2 2n n

................................................
a m1 x1 + a m 2 x2 + ... + a mn x n = 0
ou, na forma matricial, Ax = 0 , com 0 a matriz coluna nula com m
elementos.
Este sistema é sempre possível, pois admite, pelo menos a solução nula, x j = 0 ,
j = 1,...,n . Vejamos em que condições ele admite soluções não nulas.
Teorema: Um sistema homogéneo, Ax = 0 , admite soluções não nulas se e só se
car( A) = r < n .
Neste caso, o sistema será indeterminado, com grau de indeterminação n-r.
Do teorema anterior, conclui-se que o sistema tem soluções não nulas se e só se
|A|= 0, ou seja, se a matriz do sistema, A, for singular. No caso de |A|≠ 0, ou seja,
se a matriz A for regular, o sistema admite apenas a solução nula, sendo, portanto,
possível e determinado.
_____________________________________________________________________________________________

_____________________________________________________________________________________________

 x1 + 2x2 − x3 = 0

Exemplo: 2x1 − x2 + 3x3 = 0
 x − 3x + 2x = 0
 1 2 3
1 2 − 1 0   1 2 − 1 0  1 2 − 1 0
 2 − 1 3 0    
  L2 = L~2 −2L1 0 − 5 5 0 L3 = L~3 − L2  0 − 5 5 0
1 − 3 2 0 L3 = L3 − L1 0 − 5 3 0  0 0 − 2 0
car( A) = car( A) = 3
n=3 SPD
x + 2 y − z = 0 x + 2 y = 0 x = 0
  
− 5 y + 5 z = 0 ⇔ − 5 y = 0 ⇔  y = 0 S = (0,0,0)
− 2z = 0 z = 0 z = 0
  
 x1 + 2 x2 − x3 = 0

Exemplo: 2 x1 − x2 + 3x3 = 0
 x − 3x + 4 x = 0
 1 2 3
1 2 − 1 1 2 − 1 1 2 − 1
2 − 1 3     
  L2 = L~2 −2 L1 0 − 5 5  L3 = L~3 − L2 0 − 5 5 
1 − 3 4  L3 = L3 − L1 0 − 5 5  0 0 0 
car( A) = car( A) = 2
SP1I
n=3
x + 2 y − z = 0  x + 2 z − z = 0  x = −z
 ⇔  ⇔ S = (−z , z , z )
− 5 y + 5 z = 0 y = z y = z
_____________________________________________________________________________________________

Exercícios:
1. Dados os seguintes sistemas:
2 x + y = 5
x + z = 4
x − 2 y + z + w = 1  2 x − y + z + t = 1
 
a)  x − 2 y + z − w = −1 b)  x + y − z = 1 c)  x + 2 y − z + 4t = 2
 x − 2 y + z + 5w = 5 2 x − z = 2  x + 7 y − 4 z + 4t = 4
  
 y + z = 3
x + y + z + t = 4
2 x − y − z + t = 1 x − y − z = 1  y − z + w = −1
  
d)  e) 2x = 1 f)  x − y + z = 0
3x + 2t = 5 − x + 2z = 1 x + y + 2z − w = 1
4 x − 2 y − 2 z + 2t = 3  
x + y + w = 1 6 x + 3 y + 3t = −3
 y + 2z + w = 0 2 x + 2 y − 4 z + 3t = 2
 
g)  h) 
 x − y − 5 z + 3w = 1 3x + y − 2 z + t = 1
− 3 y − 7 z + w = 2 − x + z = 0
i) Resolva, quando possível, os sistemas, utilizando o método da condensação e
classifique-os;
ii) Verifique se algum dos sistemas é de Cramer e, caso afirmativo, resolva-o,
utilizando as fórmulas de Cramer.
2. Que valores deverá tomar o parâmetro a para o sistema seguinte seja de Cramer?
 x + ay − (a + 1)z = 1

2 x − y + 3z = −1
− x + 3y + 4z = 2

_____________________________________________________________________________________________

3. Faça a discussão dos sistemas:
 x + 2 y + 3z − t = 1
3x + 2 y + z − t = 1 − 2x + (2a −1) y + (a − 2)z = 1
 
a)  b) (a − 2)x + (a −1) y + (a − 2) z = a
2 x + 3 y + z + at = 1 (a −1)x + (2a −1) y + (2a −1)z = 1
2 x + 2 y + 2 z − t = a 
x + y − z = 2
3x + 2 y − z + 4t = −1 (a + 1)x + (a + 1) y + 2z = 1
 
c)  d) (a + 1)x + 2 y + (a + 1)z = 2
3x + 3 y − mz − 2t = p −1 (2a + 1)x + 3y + (a + 2) z = a
2 x + 2 y − 2 z + t = p 
 x + 2 y − z + 2t = 3
2x + 2z = 4 my + z + 3t = 0
 
e) 2x + ay + 2z = 5 f) 
 x − ay − az = 3 − b − 2my + (m − 3) z − 6t = 2 p
 3my + 3z + 9t = p
4. Determine uma relação entre os parâmetros a, b, c e d, de modo que o sistema
 x + y + az = 1

4 y + bz = 0 seja:
 x + 2 y + cz = d

a) Possível e determinado;
b) Possível e indeterminado;
c) Impossível.
x − y + z = 4
5. Dado o sistema 
x − y − z = 6
a) “O sistema é indeterminado”. Justifique a afirmação.
b) Acrescente uma 3ª equação de modo que o sistema seja
i) Possível e determinado;
ii) Impossível;
iii) Possível e indeterminado.

_____________________________________________________________________________________________

Soluções:
 22 − 7z 2 + 3z 1
1. ii) a) (2y-z,y,z,1) SP2I b) (2,1,2) SPD c)  , , z,  SP1I
 35 5 7
d) SI e) (1/2,-5/4,3/4) SPD f) (1-w,0,1+w,w) SP1I g) SI
h) (-2,11,-2,-8) SPD
ii) e),h)
2. a ≠3
3. a) a≠1 SI a=1 SPD
b) m≠3 SPD m=3 ∧ p=5 SP1I m=3 ∧ p≠5 SI
c) a≠1 ∧ a≠-2 SPD a=1 ∨ a=-2 SI
d) a≠0 ∧ a≠1 ∧ a≠3 SPD a=0 ∨ a=1 SP1I a=3 SI
e) a≠0 ∧ a≠-1 SPD a=0 SI a=-1 ∧ b=2 SP1I a=-1 ∧ b≠2 SI
f) p≠0 SI m≠1 ∧ p=0 SP1I m=1 ∧ p=0 SP2I
4. a) b-4c+4a≠0 b) b=4c-4a ∧ d=1 c) b=4c-4a ∧ d≠1
_____________________________________________________________________________________________

Capítulo 4
Geometria Analítica
Objectivo
Neste capítulo vamos começar por fazer uma breve revisão sobre geometria
analítica no espaço, e tentar dar uma perspectiva diferente desta. Irão ser dados
novos conceitos, nomeadamente, o produto vectorial, o produto misto e o cálculo
da distância entre um ponto e uma recta e entre um ponto e um plano.
_____________________________________________________________________________________________

68 Geometria Analítica
Introdução
Comecemos por rever alguns conceitos de geometria no espaço, adquiridos no
secundário.
Colineariedade
Dois vectores são colineares quando têm a mesma direcção, isto é, quando podem
ser representados sobre a mesma recta.
Teorema: Se dois vectores não nulos, v1 , v 2 , pertencentes ℜ 3 , são colineares, é
possível determinar um e um só número real k, tal que v1 = k v2 , isto é,
v1 = k v2 k ∈ ℜ, v1 , v 2 ∈ ℜ 3
Exemplo: Se, v1 = (1, 2, 3) e v 2 = (2, 4, 6), então v1 e v2 são colineares, isto é,

1
v1 = v 2
2
Complanaridade
Três ou mais vectores são complanares quando são representados por segmentos
orientados de um mesmo plano.
Teorema: Se três vectores, v1 , v 2 e v3 , são complanares e os dois primeiros são não
colineares, então o terceiro é combinação linear dos dois primeiros e esta
combinação linear é única.
v3 = α v1 + β v 2 α, β ∈ ℜ, v1 , v 2 , v3 ∈ ℜ 3
Exemplo: Se v1 = (1, 2, 3) , v 2 = (3, 2, 5) , v3 = (4 , 4, 8) e v1 e v2 são não

_____________________________________________________________________________________________
colineares, então, v3 = 1 v1 + 1 v 2 .
Geometria Analítica 69
Teorema: Dados três vectores v1 , v 2 e v3 não complanares, qualquer vector, v , do
espaço é combinação linear dos três primeiros e esta combinação linear é
única.
v = α v1 + β v 2 + λ v3 α, β, λ ∈ ℜ, v1 , v 2 , v3 ∈ ℜ 3
Exercício: Encontre um conjunto de três vectores não complanares.
Referenciais em ℜ 2
O par de vectores v1 , v 2 de ℜ 2 , não colineares, é chamado base do plano, pois a
partir deles é possível obter qualquer vector do plano, isto é, um terceiro vector, v ,
de ℜ 2 , é combinação linear dos dois primeiros e esta combinação linear é única, isto
v = β v1 + α v 2 α, β ∈ ℜ, v1 , v 2 , v ∈ ℜ 2
Os escalares β e α são as coordenadas de v em relação à base { v1 , v 2 } e o vector v
representa-se como o par ordenado (β,α).
Ao vector β v1 chama-se projecção de v sobre v1 segundo a direcção de v 2 ,
Q
α v2
v2
P v=Q-P
v1 β v1
analogamente o vector α v 2 é a projecção de v sobre v 2 segundo a direcção de v1 .
Ao comprimento do vector v , chamamos módulo do vector e representamos por
| v |.
_____________________________________________________________________________________________

As bases mais utilizadas são as bases ortonormadas. A base { i, j } chama-se base
ortonormada se os seus vectores forem unitários (comprimento igual à unidade) e
forem perpendiculares, isto é
i ⊥ j ∧ | i | = | j |= 1
2
Exemplo: Referencial em ℜ {(1, 0), (0, 1)}
(0, 1)
j x
O i (1, 0)
Referenciais em ℜ 3
O estudo feito para ℜ 2 , pode ser generalizado para ℜ 3 .
Dados três vectores v1 , v 2 e v3 não complanares, { v1 , v 2 , v3 } é uma base de ℜ 3 , se
qualquer vector, v , do espaço é combinação linear dos três vectores da base, isto é,
v = α v1 + β v 2 + λ v3 α, β, λ ∈ ℜ, v1 , v 2 , v3 ∈ ℜ 3
Os escalares α, β e λ são as coordenadas de v em relação à base { v1 , v 2 , v3 } e o
vector v representa-se como o terno ordenado (α, β, λ).
_____________________________________________________________________________________________

Uma base no espaço, ℜ 3 , { i, j, k } chama-se base ortonormada se os seus vectores
forem unitários (comprimento igual à unidade) e ortogonais (perpendiculares) dois
a dois, isto é
i⊥ j ∧ j⊥k ∧ k ⊥ i ∧ |i| = | j | = | k |= 1
y
1º octante
(0, 1, 0)
j O x
i (1, 0, 0)
(0, 0, 1) k
Exemplo: Referencial em ℜ 3 {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
Produto escalar ou produto interno
Dado o triângulo OAB e aplicando a lei dos cosenos1 ao triângulo temos:
v2 θ − π /2
θ π−θ
O v1 A
| v 2 − v1 | 2 = | v1 | 2 + | v 2 | 2 −2 | v1 | | v 2 |cos θ (1)
Por outro lado, pelas propriedades dos módulos
1Fazendo c = | v | , b = | v1 | e a = | v 2 | , então, c = b - a, e, pelo teorema de Pitágoras e pela definição

de coseno e seno, obtemos a lei dos cosenos no triângulo OAB:
2
 π 
c = (a + b cos(π − θ ) )
2 2
+  b cos(θ − )  =
 2 
= (a − b cos θ )2 + (− b sen θ )2 = a 2 − 2ab cos θ + b 2 cos 2 θ + b 2 sen 2 θ =
_____________________________________________________________________________________________
2 2
= a − 2ab cos θ + b
(v 2 − v1 )
2
=|v 2 − v 1|2 = |v 1 |2 +|v 2 |2 −2 v 1 v 2 (2)
Donde, de (1) e (2), vem:
| v1 | 2 + | v 2 | 2 −2 | v1 | | v 2 | cos θ = | v1 | 2 + | v 2 | 2 −2 v1 v 2
ou seja,
v1 v 2 = | v1 | | v 2 | cos θ
ao qual chamamos produto escalar, que representamos por v1 v 2 , v1 ⋅ v 2 ou v1 | v 2 .
Módulo de um vector
Dado um vector v = (a, b, c)
v v = | v || v |cos 0 =| v | 2 ⇒| v |= v v
ao qual chamamos módulo de um vector.
Propriedades do produto escalar
Para todo v1 = (a, b, c ) , v 2 = (a ' , b' , c') e v3 = (a ' ' , b' ' , c' ') e k ∈ ℜ , é fácil verificar que:
i) v1 v1 ≥ 0 e v1 v1 =0 se e só se v1 = (0,0,0 )
ii) Anulamento do produto v1 v 2 = 0 ⇒ v1 ⊥ v 2 ∨ v1 = 0 ∨ v 2 = 0
iii) Comutatividade v1 v 2 = v 2 v1
iv) Distributividade da multiplicação em relação à adição
v1 ( v 2 + v3 )= v1 v 2 + v1 v3
_____________________________________________________________________________________________

v) (k v1 ) v 2 = k( v1 v 2 ) = v1 (k v 2 )
Exercício: A partir da definição de produto escalar demonstre as propriedades

anteriores.
Expressão cartesiana do produto escalar
Fixado um referencial cartesiano ( O, i, j, k ) se u = (a, b, c) e v = (a', b', c') neste
referencial temos
u= ai + b j+ ck e v = a ' i + b' j + c'k
u v = ( a i + b j + c k ) ( a ' i + b ' j + c' k ) (3)
Aplicando a (3) as propriedades do produto escalar obtemos:
u v = ( a i + b j + c k ) ( a ' i + b' j + c ' k ) =
= aa ' ii + ab' i j + ac' i k + ba ' ji + bb' j j + bc' j k + ca' k i + cb' k j + cc' k k =
= aa ' ii + bb' j j + cc' k k + (ab'+ba ')i j + (ac'+ca')i k + (bc'+cb')k j (4)
Em particular, se os três vectores da base forem unitários e perpendiculares entre si,
o referencial diz-se ortonormado e tem-se
ii = j j = k k = 1 ∧ i j = j k = k i = 0 (5)
substituindo (5) em (4) vem
u v = aa '+bb'+cc'
que é a expressão cartesiana do produto interno num referencial ortonormado ou
em coordenadas cartesianas.
_____________________________________________________________________________________________

Num referencial ortonormado, podemos escrever | u | = u u = a 2 + b 2 + c 2 .
Exemplo: Dado um referencial ortonormado determine |(-1, -4, -2)|.
|(-1, -4, -2)|= (−1) 2 + (− 4) 2 + (−2) 2 = 21
Exemplo: Dado um referencial tal que

r r
( )
r r π r r π
ângulo i , j = ângulo (i , k ) = ; ângulo j , k = ;
2 3
( ) r
j = 2;
r r
i = k =1
determine |(-1, -4, -2)|.
2
|(-1, -4, -2)| = ( − 1i − 4 j − 2 k ) ( − 1i − 4 j − 2 k ) =
= ii + 4i j + 2i k + 4 j i + 16 j j + 8 j k + 2 k i + 8k j + 4k k
Mas,
i i = | i |2 = 1 j j = | j |2 = 4 k k = | k |2 = 1
π
i j = j i = | i || j | cos =0
2
π 1
j k = k j = | j || k | cos = 2 *1 * = 1
3 2
π
k i = i k = | i || k | cos = 0
2
Então, fazendo as respectivas substituições, obtemos: |(-1, -4, -2)|= 85
Exercício: Compare os resultados obtidos nos dois exemplos anteriores.
Ângulo entre dois vectores
O ângulo θ entre dois vectores v1 , v 2 , não nulos, varia entre 0 e π. Vejamos como
determiná-lo. Da definição de produto escalar de dois vectores v1 v 2 vem:
v1 v 2 = | v1 || v 2 | cos θ
onde θ é o ângulo formado pelos dois vectores, v1 v 2 . Resolvendo em ordem a θ
obtém-se:
_____________________________________________________________________________________________

 v v 
θ = arccos 1 2 
 |v || v | 
 1 2
ou seja o ângulo formado pelos vectores v1 e v 2 .
Exemplo: Calcular o ângulo entre os vectores v1 =(1,1,-2) e v 2 =(-2,1,1)
(1,1,-2)( 2,1,1) − 2 +1− 2 −3 3 1

cos θ = = = =− =−
| (1,1,-2) | ⋅ | (-2,1,1) | 1+1+ 4 4 +1+1 6 6 6 2
 1  2π
θ = arccos −  =
 2 3
Condição de ortogonalidade de dois vectores

Da propriedade ii) do produto escalar podemos concluir que: dois vectores não
nulos, v1 e v 2 , são ortogonais se e só se o produto escalar entre eles for nulo, isto é,
se:
v1 v 2 = 0
Exemplo: Os vectores v1 = (1, 2, 3) e v 2 = (-1, - 1, 1) são ortogonais, porque
v1 v 2 = 1*(-1)+2*(-1)+3*1=0
Ângulos directores e cosenos directores de um vector
Dado o vector u = a i + b j + c k . Os ângulos directores de u são os ângulos α, β e γ
que u forma com os vectores da base i, j e k , respectivamente.
y
1º octante
j u
O x
i
k
_____________________________________________________________________________________________
z
Os cossenos dos ângulos directores são os seus cossenos directores, isto é, cosα,
cosβ, e cosγ, ou seja,
cos α =
ui
=
(a, b, c )(1,0,0 ) =
a
| u || i | a 2 + b 2 + c 2 ⋅1 a2 + b2 + c2
cos β =
uj
=
(a, b, c )(0,1,0 ) =
b
| u || j | a 2 + b 2 + c 2 ⋅1 a2 + b2 + c2
cos γ =
uk
=
(a, b, c )(0,0,1) =
c
|u||k | a 2 + b 2 + c 2 ⋅1 a2 + b2 + c2
Produto vectorial
Considerem-se dois vectores u e v , que podemos supor representados por
segmentos orientados com origem num mesmo ponto, P. Chama-se produto
vectorial ou externo, e representa-se por u × v ou u ∧ v , ao vector, w , assim
C
B
uX v v
θ
P u A
caracterizado:
a) w é perpendicular ao plano PAB
b) o triedro u , v , w é directo, isto é, um observador orientado segundo w verá
u realizar uma rotação, de ângulo inferior a π, da sua direita para a sua
esquerda, se pretender que u rode de modo a ficar assente sobre a linha de
acção de v ;
_____________________________________________________________________________________________

c) | w | = | u × v | = | u | | v | sen θ
Interpretação geométrica
Geometricamente, o módulo do produto vectorial dos vectores u e v é igual à área
do paralelogramo ABCD:
C D
v
h
θ
A u B
Demonstração:
A área do paralelogramo é igual à base vezes a altura, isto é:
A ABCD =|u | h , onde, h = | v | sen θ , ou seja, A ABCD =|u | | v | sen θ
Como | u× v |= | u | | v | sen θ então | u× v | = A ABCD .
Propriedades
Para todo v1 = (a, b, c ) , v 2 = (a ' , b' , c') e v3 = (a ' ' , b' ' , c' ') e k ∈ ℜ , é fácil verificar que:
i) v1 × v1 = 0, qualquer que seja v1
ii) O produto vectorial não é comutativo, é antissimétrico
v1 × v 2 = − v 2 × v1
iii) Distributividade da multiplicação em relação à adição
v1 × (v 2 + v3 ) = v1 × v 2 + v1 × v3
iv) v1 × v 2 = 0 se e só se um dos vectores é nulo ou v1 e v 2 são colineares.
v) ( k v ) × v = k (v × v ) = v × ( k v )
1 2 1 2 1 2
_____________________________________________________________________________________________

Expressão cartesiana do produto vectorial
Fixado um referencial cartesiano ( O, i, j , k ) se u = (a,b,c) e v = (a',b',c'), neste
referencial temos u = a i + b j + c k e v = a ' i + b' j + c' k .
Num referencial ortonormado temos:
i×i = j × j = k × k = 0
i× j = − j ×i = k
(6)
j×k = − k × j = i
k ×i = − i× k = j
Por (6) e pelas propriedades do produto escalar obtemos:
u × v = ( a i + b j + c k ) × ( a ' i + b' j + c ' k ) =
= (bc'−cb') i + (ca'− ac') j + (ab'−ba ') k =
b c a c a b
= i− j+ k
b' c ' a' c' a ' b'
ou seja,
i j k
u×v = a b c = ( a ' ' , b' ' , c ' ' )
a ' b' c '
onde (a'', b'', c'') ⊥ u e (a'', b'', c'') ⊥ v .
_____________________________________________________________________________________________

Exemplo: Determine a área do paralelogramo em que os vectores u = (1, 2, 3)

e v = (3, 2, 5) são os lados desse paralelogramo.
i j k
u × v = 1 2 3 = (4,4,− 4)
3 2 5
2 2 2
Área = (4,4,−4) = 4 1 + 1 + (−1) = 4 3
Condição de paralelismo
a b c
u × v = (0,0,0) se e só se u // v , ou seja, = =
a' b' c'
Produto misto
Dados três vectores v1 = (a, b, c ) , v 2 = (a ' , b' , c') e v3 = (a' ' , b' ' , c' ') , chama-se produto
misto ao número real que se obtém da expressão v1 (v 2 × v3 ) , e representa-se por
( v1 , v 2 , v3 ).
Interpretação geométrica
Geometricamente, o produto misto de três vectores v1 , v 2 e v3 , é igual, em módulo,
v2 X v3
D
v1
h
θ C
h
v3
A v2 B
ao volume do paralelepípedo:
_____________________________________________________________________________________________

Demonstração
O volume do paralelepípedo é igual à área da base vezes a altura, isto é:
V = Ab ⋅ h
mas A b = | v 2 × v3 | e h = | v1 | cos θ , logo,
V = | v 2 × v3 || v1 | cos θ = | v1 || v 2 × v3 | cos θ = (v1 , v 2 , v3 )
Propriedades
Para todo v1 = (a, b, c ) , v 2 = (a ' , b' , c') , v3 = (a' ' , b' ' , c' ') e v 4 = (a ' ' ' , b' ' ' , c' ' ') e k ∈ ℜ , é
fácil verificar que:
i) ( v1 , v 2 , v3 ) = 0 se um dos vectores é nulo, se dois deles são colineares, ou se
os três são complanares.
ii) O produto misto é independente da ordem circular dos vectores, isto é,
( v1 , v 2 , v3 ) = ( v 2 , v3 , v1 ) = ( v3 , v1 , v 2 )
Nota: Se trocarmos de posição dois vectores consecutivos o produto misto
muda de sinal, isto é, ( v1 , v2 , v3 ) = -( v 2 , v1 , v3 ).
iii) ( v1 , v 2 , v3 + v 4 ) = ( v1 , v 2 , v3 ) + ( v1 , v 2 , v 4 )
( v1 + v 2 , v3 , v 4 ) = ( v1 , v3 v 4 ) + ( v 2 , v3 , v 4 )
( v1 , v 2 + v3 , v 4 ) = ( v1 , v 2 v 4 ) + ( v1 , v3 , v 4 )
_____________________________________________________________________________________________

iv) ( v1 , v 2 ,k v3 ) = ( v1 ,k v 2 , v3 ) = (k v1 , v 2 , v3 ) = k ( v1 , v 2 , v3 )
Expressão cartesiana do produto misto
Fixado um referencial cartesiano (O, i, j , k ) , v1 = (a, b, c ) , v 2 = (a ' , b' , c') e
v3 = (a' ' , b' ' , c' ') , neste referencial temos v1 = a i + b j + c k , v 2 = a ' i + b' j + c' k , v3 =
a ' ' i + b' ' j + c' ' k . Num referencial ortonormado temos:
b' c ' a' c' a ' b'

v 2 × v3 = i− j+ k
b' ' c ' ' a ' ' c' ' a ' ' b' '
logo,
a b c
b' c' a' c' a' b'
( v1 , v 2 , v3 ) = v1 ( v 2 × v3 ) = a −b +c = a ' b' c'
b' ' c' ' a ' ' c' ' a ' ' b' '
a ' ' b' ' c ' '
Observação: Atendendo à expressão cartesiana do produto misto é fácil verificar as

suas propriedades.
Exemplo: Verifique se os vectores v1 = (1, 2, 3) , v 2 = (3, 2, 5) e v3 = (4 , 4, 8) são

complanares.
1 2 3
( v1 ,v 2 , v3 ) = 3 2 5 = 16 + 36 + 40 − (24 + 20 + 48) = 0
4 4 8
Logo, são complanares.
_____________________________________________________________________________________________

Recta
Recta definida por um ponto e um vector

Seja r uma recta que passa pelo ponto A = (x0, y0, z0) e tem a direcção do vector não
nulo u = (a, b, c). Para que um ponto P = (x, y, z), pertencente a ℜ3, pertença à recta
r, é necessário e suficiente que os vectores AP e u sejam colineares, isto é:
AP = λ u , λ∈ℜ
ou seja,
P-A=λ u
Equação vectorial da recta

Resolvendo em ordem a P vem:
P=A+λ u (7)
ou
(x, y, z) = (x0, y0, z0) + λ (a, b, c) (8)
A qualquer uma das equações (7) e (8) chamamos equação vectorial da recta r.
O vector u = (a, b, c) é chamado vector director da recta r, e representa-se por dr, e
λ o parâmetro.
_____________________________________________________________________________________________

Equações paramétricas da recta

Sabemos, por (8), que
(x, y, z) = (x0+aλ, y0+bλ, z0+cλ)
x = x 0 + aλ

então  y = y 0 + bλ
z = z + cλ
 0
a que chamamos equações paramétricas da recta r.
Equações cartesianas da recta

No sistema anterior podemos resolver a primeira equação em ordem a λ, e
substituir nas outras duas, obtendo
  x − x0 
 y = y 0 + b a 
  (9)

 z = z 0 + c x − x 0 
  a 
ou
x − x 0 y − y0 z − z0
= = (10)
a b c
A qualquer uma das equações (9) e (10) chamamos equações cartesianas da recta r.
_____________________________________________________________________________________________

Exemplo: Determine as equações vectorial, paramétricas e cartesianas da
recta, r, que passa pelo ponto A = (1, 2, 3) e tem a direcção do
vector u = (2, 5, 7).
r: (x, y, z) = (1, 2, 3) + λ (2, 5, 7) equação vectorial
x = 1 + 2λ

r :  y = 2 + 5λ equações paramétricas
z = 3 + 7λ

x−1 y−2 z−3
r: = = equações cartesianas
2 5 7
Recta definida por dois pontos

A recta definida pelos pontos A = (x0, y0, z0) e B = (x1, y1, z1) é a recta que passa por
um dos pontos A ou B e tem a direcção do vector u = AB = (x1-x0, y1-y0, z1-z0).
Rectas paralelas aos eixos coordenados

Os eixos Ox, Oy e Oz são rectas particulares
y = 0 x = 0 x = 0
Ox:  Oy:  Oz: 
z = 0 z = 0 y = 0
Uma recta r é paralela ao eixo Ox se e só se o seu vector director for paralelo ao
vector director da recta Ox, ou seja, i = (1, 0, 0). Dado um ponto A = (x', y', z')
pertencente à recta r,
 y = y'
r // Ox ⇒ 
 z = z'
Analogamente para r // Oy e r // Oz.
x = x' x = x'
r // Oy ⇒  r // Oz ⇒ 
 z = z'  y = y'
Nota: Duas rectas são paralelas se e só se os seus vectores forem colineares.

_____________________________________________________________________________________________

Plano
Plano definido por um ponto e dois vectores

Seja π um plano que contém o ponto A = (x0, y0, z0) e é paralelo aos vectores, não
nulos e não colineares, u = (a, b, c) e v = (a', b', c'). Para que um ponto P = (x, y, z),
pertencente a ℜ3, pertença ao plano π, é necessário e suficiente que AP se possa
escrever como combinação linear de u e v , isto é
AP = λ0 u +λ1 v , λ0,λ1∈ℜ
ou seja
P - A = λ0 u +λ1 v
Equação vectorial do plano

Resolvendo em ordem a P vem:
P = A + λ0 u + λ1 v (11)
ou
(x, y, z) = (x0, y0, z0) + λ0(a, b, c) + λ1(a', b', c') (12)
A qualquer uma das equações (11) e (12) chamamos equação vectorial do plano π.
Equações paramétricas do plano

Sabemos, de (12), que
(x, y, z) = (x0+aλ0+a'λ1, y0+bλ0+b'λ1, z0+cλ0+c'λ1)
então
x = x 0 + aλ 0 + a'λ1

 y = y 0 + bλ 0 + b' λ1
z = z + cλ + c' λ
 0 0 1
_____________________________________________________________________________________________
a que chamamos equações paramétricas do plano π.
Equação cartesiana do plano

Do sistema anterior, podemos tirar λ0 e λ1 e obtemos
A(x-x0) + B(y-y0) + C(z-z0) = 0 (13)
ou
Ax + By + Cz + D = 0 (14)
com A = bc' - b'c, B = -ac' + a'c, C = ab' - a'b e D = -(Ax0 + By0 + Cz0).
A qualquer uma das equações (13) e (14) chamamos equação cartesiana do plano π.
Ao vector formado pelos coeficientes das incógnitas x, y, z da equação (14), (A,B,C),
chamamos vector normal do plano, e designa-se por Nπ, este vector é perpendicular
ao plano. Logo, Nπ pode ser obtido a partir do produto vectorial de dois vectores
quaisquer, não colineares, do plano, isto é
i j k
Nπ = u × v = a b c
a' b' c'
Plano definido por um ponto e pelo seu vector normal

A equação cartesiana do plano pode ser obtida por:
x − x0 y − y0 z − z0
a b c = 0 ⇔ A(x-x0) + B(y-y0) + C(z-z0) = 0
a' b' c'
_____________________________________________________________________________________________

Plano definido por três pontos

O plano definido pelos pontos A = (x0, y0, z0), B = (x1, y1, z1) e C = (x2, y2, z2), é o
plano que passa por um dos pontos A, B ou C e é paralelo aos vectores, não nulos e
não colineares, u e v , definidos pelos três pontos, por exemplo. u =B - A e v =C - A.
Exemplo: Determine as equações vectorial, paramétricas e cartesiana do

plano, π, que passa pelo ponto A = (1, 2, 3) e contém as direcções
dos vectores u = (2, 5, 7) e v = (0, 1, 1).
π: (x, y, z) = (1, 2, 3) + λ0(2, 5, 7) + λ 1= (0, 1, 1) equação vectorial
x = 1 + 2λ 0

π :  y = 2 + 5λ 0 + λ 1 equações paramétricas
z = 3 + 7λ + λ
 0 1
x -1 y - 2 z - 3
π: 2 5 7 =0 equação cartesiana
0 1 1
Planos paralelos aos planos coordenados

Os planos coordenados, xOy, yOz e xOz, são planos particulares, de equações
cartesianas
xOy: z = 0 yOz: x = 0 xOz: y = 0
Um plano π é paralelo ao plano xOy se e só se o seu vector normal for paralelo ao
vector normal ao plano xOy, ou seja, k = (1, 0, 0). Dado um ponto A = (x', y', z')
pertencente ao plano π,
π // xOy ⇒ z = z'
Analogamente para π // yOz e π // xOz
π // yOz ⇒ x = x' π // xOz ⇒ y = y'

_____________________________________________________________________________________________

Intersecção de dois planos

Dados dois planos α : Ax + By + Cz + D = 0 e β : A' x + B' y + C' z + D' = 0 , podemos
saber a sua posição relativa e qual a sua intersecção, a partir da resolução do
α
sistema 
β
Se o sistema for possível e simplesmente indeterminado, então a sua intersecção é
uma recta.
Se o sistema for possível e duplamente indeterminado, então os planos são
coincidentes.
α=β
Se o sistema for impossível, então estamos perante dois planos paralelos, ou seja,
A B C
= = = constante
A' B' C'
_____________________________________________________________________________________________

Intersecção de três planos

Dados três planos α : Ax + By + Cz + D = 0 , β : A'x + B' y + C' z + D' = 0 e
γ : A' ' x + B' ' y + C' ' z + D'' = 0 , sabemos a sua posição relativa a partir da resolução do
α

sistema β .
γ

Se o sistema for possível e determinado, então a sua intersecção é um ponto.
γ
β
Ι
α
uma recta.
γ
β
_____________________________________________________________________________________________

Se o sistema for possível e duplamente indeterminado, então os planos são
coincidentes.
α=β=γ
Se o sistema for impossível, então podem acontecer quatro situações:
α // β // γ α
β
γ
(α ≡ β ) // γ
α=
=β
α // γ, α ∩ β = recta e α ∩ γ = recta
γ
β
_____________________________________________________________________________________________

α ∩ β = recta e β ∩ γ = recta e α ∩ γ = recta
β γ
Intersecção de uma recta com um plano

Dados uma recta r: (x, y, z) = (x0, y0, z0) + λ (a, b, c) e um plano
α : Ax + By + Cz + D = 0 ,sabemos a sua posição relativa a partir da resolução do
r
sistema  .
α
Se o sistema for possível e determinado, então a sua intersecção é um ponto.
Ι
α
_____________________________________________________________________________________________

uma recta.
r α
Se o sistema for impossível então a recta é paralela ao plano, ou seja, dr ⊥ Nα.
Ângulos
Ângulo entre duas rectas

Dadas duas rectas r: (x, y, z) = (x0, y0, z0) + λ0 (a, b, c) e s: (x, y, z) = (x1, y1, z1) + λ1 (a',
b', c'), o ângulo, θ, formado pelas duas rectas é igual ao menor ângulo formado
pelos vectores directores de r e s. Da definição de ângulo entre dois vectores, dr e
ds, vem
 drds 
θ = arccos 
 |d r || d s | 
π
e como 0 ≤ θ ≤ , 0 ≤ cos θ ≤ 1 , temos
2
_____________________________________________________________________________________________
drds
θ = arccos
|d r || d s |
ou seja o ângulo formado pelas rectas r e s.
Se estivermos perante um referencial ortonormado, temos:
drds aa' + bb' + cc'

θ = arccos = arccos
|d r || d s | a 2 + b 2 + c 2 a' 2 + b' 2 + c' 2
x = 3 + λ
 x+2 y−3 z
Exemplo: Calcular o ângulo entre as rectas r :  y = λ e s: = =
 z = −1 − 2λ −2 1 1

dr=(1,1,-2) ds=(-2,1,1)
(1,1,-2) (-2,1,1) − 2 +1− 2 −3 −3 1
cos θ = = = = = −
| (1,1,-2) | ⋅ | (-2,1,1) | 1+1+ 4 4 +1+1 6 6 6 2
1 π
θ = arccos  =
 2 3
Rectas ortogonais
Num referencial ortonormado as rectas r e s são ortogonais se e só se
aa' + bb' + cc' = 0
Ângulo entre dois planos

Dados dois planos α : Ax + By + Cz + D = 0 e β : A' x + B' y + C' z + D' = 0 , o ângulo, θ,
formado pelos dois planos é igual ao menor ângulo que formam os vectores
normais de α e β. Da definição de ângulo entre dois vectores, Nα e Nβ, vem:
 Nα Nβ 
θ = arccos 
 | N α || N β | 

π
e, como 0 ≤ θ ≤ , 0 ≤ cos θ ≤ 1 , temos
2
_____________________________________________________________________________________________

N α Nβ
θ = arccos
| N α || N β |
ou seja o ângulo formado pelos planos α e β.
N α Nβ AA' + BB' + CC'

θ = arccos = arccos
| N α || N β | A + B 2 + C 2 A'2 + B'2 +C' 2
2
Exemplo: Calcular o ângulo entre os planos α: 2x-3y+5z-8=0 e β : 3x+2y+5z-4=0

Nα=(2,-3,5) Nβ=(3,2,5)
(2,-3,5)(3,2,5) 6 − 6 + 25 25 25 25
cos θ = = = = =
| (2,-3,5) | ⋅ | (3,2,5) | 4 + 9 + 25 9 + 4 + 25 38 38 38 38
 25 
θ = arccos 
 38 
Planos ortogonais
Num referencial ortonormado os planos α : Ax + By + Cz + D = 0 e
β : A' x + B' y + C' z + D' = 0 são ortogonais se e só se
AA' + BB' + CC' = 0
Ângulo entre uma recta e um plano

Dados uma recta r: (x, y, z) = (x0, y0, z0) + λ0 (a, b, c) e um plano
α : Ax + By + Cz + D = 0 , o ângulo, φ, formado pela recta e pelo plano, é igual ao
complementar do ângulo θ, que a recta r forma com o vector normal ao plano α, ou
seja, o ângulo formado pelo vector director da recta, dr, e o vector normal ao plano,
π
Nα. Como θ + φ = , então cos θ = sen φ e da definição de ângulo entre dois vectores,
2
dr e Nα, vem
_____________________________________________________________________________________________

 dr Nα 
φ = arcsen 
 |d r || N α | 
π
e, como 0 ≤ θ ≤ , 0 ≤ cos θ ≤ 1 , temos
2
dr Nα
φ = arcsen
|d r || N α |
ou seja o ângulo formado pela recta r e pelo plano α.
drNα aA + bB + cC
φ = arcsen = arcsen
|d r | N α | a2 + b2 + c2 A2 + B2 + C2
 x = 1 − 2λ

Exemplo: Calcular o ângulo entre a recta r :  y = −λ e o plano α: x+y-5=0
z = 3 + λ

dr=(-2,-1,1) Nα=(1,1,0)
(-2,-1,1) 1,1,0) − 2 −1+ 0 −3 −3 3 3
sen θ = = = = = − =
| (-2,-1,1) | ⋅ | (1,1,0) | 4 + 1+ 1 1+1+ 0 6 2 2 3 2 2
 3 π
θ = arcsen =

 2  3
Ortogonalidade entre uma recta e um plano

Num referencial ortonormado uma recta, r, e um plano, α, são ortogonais se e só se
o vector director da recta r for paralelo ao vector normal do plano α.
a b c
= = = constante
A B C
_____________________________________________________________________________________________

Distâncias
Distância de um ponto a um plano

Dado um ponto P (x0, y0, z0) e um plano α: Ax + By+ Cz +D = 0, para calcularmos a
distância de P a α temos três passos:
1º Determinar a recta, r, que contém o ponto P e é perpendicular a α.
x = x 0 + λA

r:  y = y 0 + λB
 z = z + λC
 0
2º Determinar o ponto I, de intersecção de r com α
r
I: 
α
3º Determinar a distância entre os pontos P e I
d(P, α) = d(P, I) = | P - I |
Exemplo: Calcular a distância do ponto P(-4,2,5) ao plano α: 2x+y+2z+8=0
 x = −4 + 2λ

1º  y = 2 + λ
z = 5 + 2λ

 x = −4 + 2λ  ___  x = −20 / 3
  ___ y = 2 / 3
y = 2 + λ  
2º I:  ⇔  ⇔ 
 z = 5 + 2λ  ___ z = 7 / 3
2x + y + 2z + 8 = 0 2(−4 + 2λ ) + (2 + λ ) + 2(5 + 2λ ) + 8 = 0 λ = −4 / 3
I (-20/3,2/3,7/3)
2 2 2
3º d(P,α) = d(P,I) =  − 4 +  +  2 −
20 2  7 64 16 64 144 12
 + 5 −  = + + = = =4
 3   3  3 9 9 9 9 3
_____________________________________________________________________________________________

Distância de um ponto a um recta

Dado o ponto P de coordenadas (x0, y0, z0) e a recta r: (x, y, z) = (x1, y1, z1) + λ0 (a, b,
c), para calcularmos a distância de P a r temos três passos:
1º Determinar o plano, α, que contém o ponto P e é perpendicular a r
α: a(x-x0) + b(y-y0) + c(z-z0) = 0
2º Determinar o ponto, I, de intersecção de r com α.
r
I: 
α
3º Determinar a distância entre os pontos P e I.
d(P, r) = d(P, I) = | P - I |
x y−2 z+3
Exemplo: Calcular a distância do ponto P(2,0,-3) à recta s : = =
2 2 1
1º α: 2(x-2)+2(y-0)+(z+3)=0
α: 2x+2y+z-1=0
 x = 0 + 2λ  ___ x = 0
  ___ y = 2
 y = 2 + 2λ   I(0,2,-3)
2º I:  ⇔  ⇔ 
 z = -3 + λ  ___  z = −3
2x + 2y + z - 1 = 0 2(2λ ) + 2(2 + 2λ ) + (-3 + λ ) − 1 = 0 λ = 0

2 2 2
3º d(P,α)=d(P,I) = (2 − 0) + (0 − 2) + (−3 + 3) = 4 + 4 = 8 = 2 2
_____________________________________________________________________________________________

Exercícios
1. Verifique se são colineares os pontos:
a) A = (1,2,3), B = (1,3,5), C = (2,-1,4)
b) A = (1,2,-1), B = (0,1,-2), C = (-2,-1,-4)
2. Determine a área do triângulo formado pelos pontos A = (1,0,-2), B = (5,1,0) e
C = (3,-1,4).
r r r
3. Um paralelipípedo é gerado pelos vectores a = (1,1,1) , b = (2,1,0) e c = δ (1,−1,1) .
Calcule δ de modo que o volume do paralelipípedo seja igual a 6 unidades.
4. Sendo P0 = (5,-5,6) e P1 = (4,-1,12) pontos da recta r, determine as suas equações:
a) Vectorial;
b) Paramétricas;
c) Cartesianas.
5. Determine um sistema de equações cartesianas da recta r que passa pelos
pontos A = (2,4,0) e B = (3,7,1).
6. Determine as equações paramétricas das seguintes rectas:
x y−1  x = 5z + 6
r1 : = = −z− 1 r2 : 
5 6  y = − 2z − 5
7. Determine a ordenada e a cota do ponto P, cuja abcissa é 2, e que pertence à
recta que passa pelo ponto A = (3,-1,4) e tem a direcção do vector
r r r r
v = i − 2 j − 5k .
8. Citar um ponto e um vector director de cada uma das seguintes rectas:
x +1 z − 3  x = 2t
 = 
r1 :  3 4 r2 :  y = −1 r3 : x = y = z
 y = 1 z = 2 − t

4 y − x − 3 = 0 x = 0
r4 :  r5 : 
2 z − 4 x = −10 y = 0
_____________________________________________________________________________________________

9. Determine as equações cartesianas das rectas:
a) r1: passa pelo ponto A = (1,-2,4) e é paralela ao eixo Ox;
b) r2: passa pelo ponto B = (3,2,1) e é perpendicular ao plano xOz.
10. Verifique se os pontos P = (3,2,-1) e Q = (1,1,-1) pertencem à recta de equação
vectorial P = (2,4,1) + k(-1,2,2).
11. Determine uma equação da recta que:
a) Passa pelo ponto P0 = (-1,2,3) e é paralela à recta definida pelo ponto

r
M = (1,0,-1) e pelo vector v = (−2,1,−3) ;
b) Passa pelo ponto P0 = (1,3,-2) e é paralela à recta que passa pelos pontos
A = (-1,2,1) e B = (5,-4,1).
12. Determine a recta r representada pelo seguinte sistema de equações cartesianas
e determine uma equação vectorial desta recta
x + y + z = 0

x − y − z − 2 = 0
13. Determine uma equação vectorial e uma representação cartesiana dos eixos Ox,
Oy e Oz.
14. Determine m e n, de modo que sejam paralelas as seguintes rectas:
 x = −3 + 8λ
 x +1 y − 2
r1 : y = 4 − 6λ r2 : = = −z − 3
 z = 2 + 2λ n m

15. Determine m de modo que sejam ortogonais as seguintes rectas:
 x = − 1 + 2λ
  y = mx − 3
r1 : y = 3 − λ r2 :
 z = 5λ  z = −2 x

_____________________________________________________________________________________________

x = 3 + λ
 x+2
16. Considere as rectas r1 : y = λ e r2 : = y − 4 = z . Determine:
 z = − 1 − 2λ − 2

a) a posição relativa das rectas;
b) o ângulo formado pelas rectas;
c) o ponto de intersecção das rectas.
17. Estudar a posição relativa das rectas:
 x = 1 − 3λ
 y+3
a) r1 : y = 4 − 6λ r2 :x = = −z
 z = 3λ 2

z = 2x
b) r1 : r2 :x = y = z
y = 3
x+5 y−7 z+2 x − 3 y + 5 7 z − 14

c) r1 : = = r2 : = =
5 4 2 6 −5 − 35
x − 2 y − 3 z −1 x − 5 y − 2 z −1
d) r1 : = = r2 : = =
1 2 1 2 4 2
x − 2 y − 3 z −1 x +1 y − 2 z + 3
e) r1 : = = r2 : = =
1 2 2 2 −1 2
18. Comente a afirmação: “Duas rectas complanares são sempre concorrentes”.
19. Verifique as posições relativa das rectas r e s:
 x = 2α + 7
 x−3 y +4 z +3
r : y = α − 2 s: = =
 z = 3α + 3 4 2 6

20. Calcule a equação vectorial do plano que passa nos pontos P1 = (1,0,3), P2 =
(1,3,-1) e P3 = (1,3,1).
21. Calcule a equação cartesiana do plano que passa em A = (1,2,3) e contém as

r r
direcções dos vectores u = (2,3,4) e v = (1,2,3) .
_____________________________________________________________________________________________

22. Sejam os pontos não colineares, A = (2,-3,1), B = (4,9,-4) e C=(2,6,-2). Determine
as equações do plano que passa por eles:
a) vectorial;
b) paramétricas;
c) cartesianas.
23. Determine a equação cartesiana do plano:
 x = −4 + 3α

a) que passa pelo ponto P0 = (2,1,-2) e é perpendicular à recta r : y = 1 + 2α ;
z = α

x = 4

b) que passa pelo ponto P1 = (-3,2,1) e contém a recta r : y = 3 ;
z = α

 x = −1 + 3β x −3 y − 4
  =
c) contém as rectas r1 : y = 2 − 4 β e r2 : 6 −8 .
 z=3  z = 3

24. Verifique se as seguintes rectas estão no mesmo plano e, se estiverem, calcule a
equação desse plano.
a) P=(1,2,3)+k(-1,2,3) e Q=(0,1,1)+t(1,1,-2);
b) P=(1,-1,1)+k(2,1,1) e Q=(1,0,1)+t(2,1,1).
25. Determine as equações paramétricas dos planos xOy, xOz, yOz.
26. Considere os planos
α: kx + ky + z - 1 = 0
β: x + y - z + k = 0
π: x + ky + z = 0
e determine, se existirem, os valores de k tais que:
a) Os 3 planos se intersectam num ponto;
b) Os 3 planos se intersectam segundo uma recta;
c) Os planos α e β são perpendiculares.

_____________________________________________________________________________________________

x −1 y − 2
27. Considere a recta r : = =z
2 3
a) Determine uma equação vectorial do plano α que passa pelo ponto P = (1,2,0)
e é perpendicular à recta r;
b) Verifique se a recta s, que passa pelo ponto A = (0,0,8) e tem a direcção do

r
vector u = (1,−1,1) , está contida no plano α.
28. Determine a posição relativa dos planos:
a) x + 2y + z = 0 x - 2y - 8z = 0 x + y + z - 3 = 0;
b) x + 3y + 4z + 1 = 0 2x + y - z + 2 = 0 3x + 4y + 3z + 3 = 0;
c) P = (1,-2,0) + t(2,1,3) + k(5,4,0) P = (4,0,2) + t(7,5,3) + k(1,1,-1).
29. Determine as equações paramétricas da recta de intersecção dos planos:
a) 3x + 3y - z + 7 = 0 x + 6y + 2z - 6 = 0;
b) 2x - 3y + z - 1 = 0 2x + 3y - z - 2 = 0.
30. Quais os ângulos entre os vectores?

r r
a) u = (2,−5,3) e v = (−1,5,−2) ;
r r
b) u = (2,−3,4) e v = (1,1,1) .
r r
31. Mostre que os vectores u = (1,−3,4) e v = (−8,−4,−1) são perpendiculares.
32. Dadas as equações cartesianas dos planos π :x + 2 y − z = 0 e
1 x −1 y + 2
α :3 x − y + 2 z − 1 = 0 e a recta r : = = z determine:
2 2 4
a) o ângulo entre os planos;
b) o ângulo entre o plano π e a recta r;
c) a intersecção dos planos;
d) a intersecção do plano π com a recta r.
_____________________________________________________________________________________________

33. Determine o ângulo entre os planos:
a) x + y - z = 2 y - z = 8;
b) x - 3y + 4z = 8 2x - 6y + 8z = 8;
c) P = (1,0,3) + t(-2,3,5) + k(0,1,1) P = (0,0,3) + t(5,2,3) + k(7,2,3).
34. Determine o ângulo entre as seguintes rectas e planos:
a) x + y - z = 2 P = (0,3,1) + α(3,0,5);
b) 2x - 6y + 8z = 8 P = (5,4,1) + α(3,0,2).
35. Determine os valores de m e n, para que o plano π : (2m − 1) x − 2 y + nz − 3 = 0
seja paralelo ao plano α : 4 x + 4 y − z = 0 .
36. Determine o valor de m, de modo que os planos π : 2mx + 2 y − z = 0 e
α : 3x − my + 2 z − 1 = 0 sejam perpendiculares.
37. Determine a distância entre os pontos P = (7,3,4) e Q = (1,0,6).
x y−2
38. Determine a distância do ponto P = (2,0,7) à recta r : = = z + 3.
2 2
39. Determine a distância do ponto P = (-4,-7,-5) ao plano π: 2x + 4y + 2z + 8 = 0.
 x = −1 − 2γ
 y = −2 x + 3 
40. Determine a distância entre as rectas r :  e s :  y = 1 + 4γ
z = 2x  z = −3 − 4γ

41. Determine a distância entre os planos π : 2x − 2 y + z = 5 e
α : 4 x − 4 y + 2 z + 14 = 0 .
x = 3
42. Determine a distância da recta r :  ao plano π: x + y - 12 = 0.
y = 4
_____________________________________________________________________________________________

43. Considere o plano π definido por (x,y,z) = (1,2,3)+k(1,0,1)+t(0,2,1), k,t ∈ ℜ e o
plano β definido pelos pontos A = (1,2,3), B = (2,0,1) e C = (0,0,0). Determine
justificando:
a) a intersecção dos planos dados;
b) o ângulo formado pelos planos;
c) a recta r que passa pelo ponto P = (1,1,1) e não intersecta nenhum dos dois
planos;
d) a distância entre a recta r e cada um dos planos.
44. Determine t tal que o ponto T = (t, -1, 5) diste 5 unidades do plano α que contém
o ponto A = (1, -1, -2) e é paralelo aos vectores u = (0, 1, 1) e v = (2, 1, 0).
45. Determine as equações cartesianas da recta t, que passa pelo ponto A = (-2,1,3) e
é perpendicular às rectas r e s
1 − x x = 2 − γ
 = −z 
r: 3 s :  y = 1 + 2γ
 y = 2  z = −3γ

46. Dado um prisma ortogonal tal que
A = (1, 1, 0), B = (0, 2, 0), C = (-1, 1, 0)
a) Determine o plano β definido pelos pontos A, B e C;
b) Determine a recta que passa por A e é perpendicular a β;
c) Determine a projecção ortogonal dos pontos A, B, C na outra base do
prisma, sabendo que a altura deste é uma unidade (sem utilizar a fórmula
da distância);
d) Calcule o volume do prisma utilizando a interpretação geométrica de
produto misto.
_____________________________________________________________________________________________

47. Considere os pontos A = (1,1,0), B = (1,3,-1), C = (1,2,1) e o plano
β : ( x, y, z ) = (1,0,0) + k (2,1,1) + λ(1,−1,2)
a) Determine a equação cartesiana do plano α que contém o ponto A e é
paralelo ao plano π, sabendo que π é perpendicular ao vector de coordenadas
(2,2,6) e contém o ponto B.
b) Determine a recta que contém o ponto C e é perpendicular ao plano β.
c) Determine a distância do ponto C ao plano β.
d) Determine o ponto C’, simétrico de C em relação ao plano β.
48. Dado um referencial tal que
r r π r r r r π
( )
ângulo(i , j ) = , i ⊥k , ângulo j , k = ,
3 3
r
j = 1,
r r
i = k =2
Verifique se são perpendiculares as rectas
 x − 1 x = 3 + y
= −y
r:  2 s: 
 z = 2  z = 2y
49. Dado um referencial tal que
r r r r π
( )
r r π π r r r
ângulo (i , j ) = ; ângulo(i , k ) = ; ângulo j , k = ; j = 4; i = 2; k =1
4 3 2
 x= y
Determine o ângulo que a recta r:  faz com o plano α: z = 4 .
z = 4 + 2 y
_____________________________________________________________________________________________

Soluções:
1. a) Não b) Sim
2. 5 5
3
3. δ= ±
2
7. y=1, z=9
14. n = -4; m = 3
15. m = -8
16. a) Complanares, concorrentes, não perpendiculares
b) θ = π/3 c) I = (4, 1, -3)
17. a) Paralelas (não coincidentes) b) Não complanares
c) Perpendiculares, reversas (não complanares) d) Paralelas (não coincidentes)
e) Complanares, concorrentes, não perpendiculares
18. Falsa
19. Coincidentes
24. a) Não b) Sim
26. a) k ≠ ± 1 b) Impossível c) k = 1/2
27. b) Sim
28. a) Intersectam-se num ponto b) Intersectam-se numa recta
c) Planos coincidentes
11 285 6 87
30. a) arccos b) arccos
190 87
3 14 5 2 1
32. a) π/2 b) arcsen c) recta d)  ,− , 
14  3 3 3
6 5 39
33. a) arccos b) 0 c) arccos
3 39
_____________________________________________________________________________________________

102 11 338
34. a) arcsen b) arcsen
51 338
35. m = -1/2, n = 1/2
36. m = 1/2
37. 7
2 218
38.
3
19 6
39.
6
40. 13
41. 4
5 2
42.
2
17 5 5
43. a) recta b) arccos d) d(r,π) = 1, d(r,β) =
45 5
44. -28
46. a) z=0 b) x=1;y=1 c) d) 2
47. a) x+y+3z=2 b) x-1=2-y=1-z c) 3 d) (3,0,-1)
48. Não
 2 
49. arcsen  
 44 + 12 2 
 
_____________________________________________________________________________________________

Sebenta

Diunggah oleh

Informasi Dokumen

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

Sebenta

Diunggah oleh

Hak Cipta:

Format Tersedia

Sebenta

Paulo Jorge Afonso Alves

Paulo Alves, 2006/07 Matemática I, EST-IPCB

Paulo Alves, 2006/07 Matemática I, EST-IPCB

Neste capítulo vamos introduzir um novo conceito, o de matriz; os diferentes tipos

de matrizes existentes; estudar algumas operações que se podem efectuar com

matrizes e as suas propriedades; dar o conceito de operação elementar; calcular a

característica de uma matriz, quer pela definição, quer utilizando operações

elementares, a que chamaremos método da condensação e, finalmente, calcular a

inversa de uma matriz.

Paulo Alves, 2006/07 Matemática I, EST-IPCB

Exemplo: Considere a seguinte tabela de dupla entrada da multiplicação:

Esta a tabela dá-nos os resultados da multiplicação de 6, 7 e 8 por 2, 3, 4 e 5.

Definição: Uma matriz A = [aij]mxn, i = 1, 2, …, m, j = 1, 2, …, n, do tipo mxn é um

quadro com m linhas e n colunas cujos elementos aij são escalares,

 a 11 a 12 L a 1n   a11 a12 L a1n 

As matrizes são representadas, normalmente, por letras maiúsculas (A, B, C, …) e

normalmente representado pela letra i, corresponde ao número da linha e o

segundo, normalmente representado pela letra j, corresponde ao número da coluna,

sendo então representado por aij. Excepcionalmente podem aparecer matrizes

representadas por letras minúsculas, por exemplo, na representação de um sistema

sob a forma de matriz, Ax = b, como iremos ver num outro capítulo.

A matriz, A, é delimitada por parênteses rectos ou por parênteses curvos. Daqui

para a frente vamos utilizar a notação de parênteses rectos.

Paulo Alves, 2006/07 Matemática I, EST-IPCB

Exemplo: O exemplo anterior pode ser convertido numa matriz B=[bij]4x5.

real, nomeadamente a programar, na resolução de sistemas (circuitos eléctricos), na

organização de informação, etc.

número de colunas, isto é, A = [aij]mxn e B = [bij]pxq são do mesmo tipo se e só se m=p

Exemplo: Dadas as 4 matrizes

são do mesmo tipo as matrizes C e D e a matrizes E e F.

isto é, pertencem respectivamente à mesma linha e à mesma coluna, isto é, dadas

duas matrizes A = [aij]mxn e B = [bij]mxn diz-se que o elemento aij da matriz A é

homólogo do elemento bij da matriz B.

Exemplo: Nas matrizes C e D são elementos homólogos, os elementos

Paulo Alves, 2006/07 Matemática I, EST-IPCB

Diagonal principal, em matrizes com o mesmo número de linhas e colunas, são os

os elementos aij com i=j são os elementos da diagonal principal.

Nota: Só existem diagonais principais em matrizes quadradas.

Exemplo: As diagonais principais nas matrizes C e D são as seguintes

Elementos opostos, ocupam posições simétricas relativamente à diagonal principal,

Exemplo: Na matriz C, os elementos c12 = 2 e c21 = 4 são elementos opostos.

Alguns tipos de matrizes Descrição

Paulo Alves, 2006/07 Matemática I, EST-IPCB

Matriz diagonal Matriz quadrada, A = [aij]nxn, cujos elementos

Paulo Alves, 2006/07 Matemática I, EST-IPCB

linhas pelas suas colunas, designa-se por AT = [aji]nxm.

Exemplo: As matrizes transpostas das matrizes C e F são:

Exercício: Encontre algumas matrizes que satisfaçam as propriedades anteriores.

Exercício: "Algumas propriedades acima nem sempre se verificam.", diga em que

Matriz simétrica: Matriz quadrada em que A = AT.

Paulo Alves, 2006/07 Matemática I, EST-IPCB

Operações com matrizes

elementos homólogos de A e B: cij = aij + bij (i = 1, 2, …,m; j = 1, 2 …, n).

III – Existência de elemento neutro (matriz nula): A + 0 = 0 + A = A

IV – Existência de elemento oposto: A + (-A) = (-A) + A = 0

Exercício: Encontre algumas matrizes que satisfaçam as propriedades anteriores.

Multiplicação de uma matriz por um escalar

escalar, k, por cada elemento da matriz A: cij = kaij, i = 1, 2, …, m, j = 1, 2 …, n.

Paulo Alves, 2006/07 Matemática I, EST-IPCB

corresponde à adição de uma outra matriz que resulta da segunda por

multiplicação desta pelo escalar -1, isto é, A - B = A + (-1)B.

III – (kt) A = k (tA) = t (kA)