1

Faculdade Anhanguera Educacional

lgebra Linear e Geometria Analtica
Professor: Antnio Csar



MATRIZES, DETERMINANTES,
SISTEMAS LINEARES E VETORES

Nome RA
Felipe Renato da Silva 8075868725
Gustavo Ferraz Herbella 9902003980
Renan Mac Alpine 8228971473
Wellington Carlos Rodrigues Santos 9902009038
Washington Dantas Gonalves 8205965574




Santa Brbara dOeste, 2014.
2

Faculdade Anhanguera Educacional

lgebra Linear e Geometria Analtica
Professor: Rogrio Pizzinatto



MATRIZES, DETERMINANTES,
SISTEMAS LINEARES E VETORES

Atividade Prtica Supervisionada para a
disciplina de lgebra Linear, como forma de
cumprir os requisitos desta disciplina, oferecido
pela Faculdade Anhanguera de Santa Brbara.





Santa Brbara dOeste, 2014.
3

Sumrio
Introduo ............................................................................................................... 4
1 Matrizes ............................................................................................................. 6
1.1. Adio e Subtrao de matrizes ............................................................ 7
1.2 Tipos de matizes..................................................................................... 8
1.3 Matriz identidade .................................................................................... 9
1.4 Matriz Nula ........................................................................................... 10
1.5 Matrizes transpostas e opostas ............................................................ 10
1.6 Igualdade de matrizes .......................................................................... 11
1.7 Matriz inversa ....................................................................................... 12
2 Determinantes ................................................................................................. 13
2.1 Regra de Sarrus ................................................................................... 14
2.2 Teorema de Laplace ............................................................................. 16
3 Sistemas Lineares .......................................................................................... 17
3.1 Tipos de sistemas lineares ................................................................... 17
3.2 Sistemas equivalentes ......................................................................... 18
3.3 Operaes com sistemas lineares ........................................................ 18
3.4 Mtodo da substituio ......................................................................... 18
3.5 Mtodo da adio ................................................................................. 19
3.6 Mtodo de Gauss-Jordan ..................................................................... 19
3.7 Mtodo de Cramer ................................................................................ 20
3.8 Sistemas Homogneos ......................................................................... 21
4 Vetores ............................................................................................................ 22
4.1 Tipos de vetores ................................................................................... 23
4.2 Operaes com vetores ........................................................................ 26
4.3 ngulos entre dois vetores ................................................................... 27
Concluso ............................................................................................................. 28
Referncias Bibliogrficas ..................................................................................... 30



4

Introduo
Matriz uma tabela de nmeros reais formadas por disposies horizontais
chamadas de linhas e disposies verticais chamadas de colunas, onde os nmeros
podem estar apresentados entre colchetes, parnteses ou barras duplas, sendo
mais utilizados os colchetes.
H diversas aplicaes de matrizes, elas podem ser usadas, por exemplo,
para resolvermos diversos problemas matemticos, tais como descobrir a
quantidades de peas (A, B e C) utilizadas em dois tipos de carros (x e y), em trs
verses diferentes (Stand, luxo e superluxo), onde usando os conceitos de
multiplicao de matriz, ao multiplicar o tipo de pea utilizada por carro pelo tipo de
carro e verso, possvel descobrir a quantidade de pea utilizada por verso. Onde
eu tenho uma matriz de ordem 3 x 2 (Pea por carro) multiplicada por uma matriz de
ordem 2 x 3 (Carro por verso), obtenho uma matriz de ordem 3 x 3 (Pea por
verso). No decorrer deste trabalho, abordaremos vrios tipos de matriz, podendo
ser classificada como: matriz linha, coluna, quadrada, retangular, diagonal,
triangular, escalar, oposta, identidade, inversa, transposta ou nula.
Determinante um nmero real associado a uma matriz quadrada, sendo
que est apresenta um nmero de linhas iguais ao nmero de colunas. Diferente das
matrizes que podem ser representadas em forma de colchetes, os Determinantes
so acompanhados de dois traos verticais. Dentro de uma determinante os
elementos so dispostos de forma que ao serem multiplicados entre si, deve-se
multiplicar a diagonal principal (+) e subtrair pela multiplicao da diagonal
secundria (-), descobrindo-se, portanto a determinante da matriz quadrada.
Entre os distintos meios de calcular um determinante, destacam-se o
teorema de Laplace e regra de Sarrus existente somente em matriz de ordem trs.
Ambas as formulas sero abordadas no desenvolvimento do trabalho.
Sistemas Lineares: Primeiramente para entender o conceito de sistemas
lineares devemos compreender o que so equaes lineares, que so equaes que
apresentam em suas estruturas apenas a soma das variveis (cada uma delas
multiplicada por uma constante) e cujo resultado um nmero real chamado de
termo independente.
5

Ou seja, suponhamos que temos 2x+y=5, onde x e y so variveis (letras da
qual iremos calcular o valor), 2 e 1 so os coeficientes (so os nmeros que esto
multiplicando as letras x e y), e o 5 o termo independente, j que na est
multiplicado por nenhuma varivel.
Logo em um sistema de equaes lineares temos um conjunto limitado de
equaes lineares, ou seja, quando se tem um grupo de varias equaes lineares se
tem na verdade um sistema de equaes. (formado por suas ou mais equaes
lineares). H varias formas de se resolver um sistema de equaes, porm os
mtodos mais importantes so: comparao, substituio, adio, mtodo de
Cramer e escalonamento. Sendo que os trs primeiros mtodos (comparao,
substituio e adio) so recomendados para sistemas simples.
O sistema linear utilizado no nosso cotidiano, nas profisses, em tcnicas
para se resolver problemas. Como: clculo de estrutura de (pontes, torres, edifcios),
No Planejamento de produo (quando e o que produzir), na robtica, o
posicionamento das juntas de um rob feito atravs da resoluo de sistemas
lineares, na estatstica, na prtica redes eltricas com centenas ou milhares desses
elementos so resolvidos usando sistemas lineares, em computao grfica, na
gerao de imagem digital, entre outros.
No decorrer do trabalho abordaremos os mtodos de resoluo mais
utilizados de acordo com cada tipo de sistema.
Vetores: Primeiramente devemos entender o conceito de grandezas fsicas: isto
tudo que pode ser medido (altura, tempo, velocidade, quantidade de calor, massa,
fora, acelerao entre outros). Podendo ser escalares ou vetoriais, sendo que as
escalares se caracterizam apenas pelo mdulo, isto um nmero mais a unidade.
J vetores que so o foco do nosso estudo, necessitam mais do que o
mdulo, porm alm do mdulo elas precisam de direo e sentido. Sendo que a
direo uma reta (horizontal/vertical), o sentido uma orientao na reta
(esquerda/direita).
Quando a grandeza vetorial representada por: Sendo a grandeza
vetor fora, a flecha acima apenas a simbologia indicando que a grandeza
vetorial (cuidado para no confundir com sentido).
6

1 Matrizes
Aproximadamente no ano 100 a.C., foi escrito na china o livro cui-chang
suan-shu (em portugus, Os nove captulos da arte matemtica). Essa obra trata de
246 problemas sobre mensurao de terras, agricultura, impostos, equaes, entre
outros.
As matrizes so estruturas matemticas organizadas na forma de tabela
com linhas e colunas, so usadas para a organizao de dados e informaes. Tal
tabela deve ser representada entre parnteses (), entre colchetes [] ou entre barras
duplas || ||.
Chama- se matriz de m e n toda tabela de nmeros dispostos em m linhas e n
colunas. Onde m indica a quantidades de linhas da matriz e n a quantidade de
coluna. Sendo A= 2 x 3, ou seja, uma matriz composta por 2 linhas e 3 colunas.


Exemplo:
Matriz A do tipo 2 x 3


Um elemento (nmero) de uma matriz A que est na i-sima linha e na j-sima
coluna chamado de elemento rija ou (i, j)-simo elemento de A. Ele escrito como
Ai, j ou A [i, j], onde o i indica a linha que o elemento pertence e o j indica a coluna a
qual pertence o elemento.


Exemplo:

Matriz A do tipo 3 x 2
7

O nmero 2 est posicionado na linha 1 e coluna 1; isso se indica esse elemento por
a11, ou seja, a11 = 2;
O 3 est posicionado na linha 1 e coluna 2; indica-se esse elemento por a12, ou seja,
a12 = 3;
O 3 est posicionado a linha 2 e coluna 1; indica-se esse elemento a21, ou seja,
a21= 3;
1.1 Adio e subtrao de matrizes
Adio
Para se usar uma adio em matrizes, precisamos nos certificar que ambas
sejam de mesma ordem, e o resultado dessa matriz tambm ser de mesma ordem.
Ou seja, se somarmos uma matriz A com uma matriz B de mesma ordem, teremos
como resultado uma matriz C (A + B = C) de mesma ordem, e somando os
elementos correspondentes de A e B teremos os elementos de C. assim: a11 + b11
= c11.

Dada a matriz A= e matriz B= , todas de mesma
ordem, e se somarmos a A + B, teremos como resultado C:

+ =
Observe os elementos destacados nas matrizes acima:
a13 = - 1 e b13 = - 5 ao somarmos esses elementos chegaremos a um terceiro
resultado na matriz C que o c13 = -6. Pois -1 + (-5) = -1 5 = - 6
O mesmo ocorre com os outros elementos, para chegarmos ao elemento c32,
tivemos que somar a32 + b32. Isto , 3 + (-5) = 3 5 = - 2
Ficando assim: A + B = C, onde C tem a mesma ordem de A e B.
8

Subtrao
Assim como na adio, as matrizes tambm devem possuir a mesma ordem
para realizar a subtrao, e a sua diferena tambm resultar em uma nova matriz
de mesma ordem, Ou seja, Se subtrairmos a matriz A da matriz B, (A B = C),
obteremos como resultado uma matriz C de mesma ordem. E para formarmos os
elementos de C, subtrairemos os elementos de A com os elementos de B, ficando
assim: a21 b21 = c21.

Dada a matriz A = e B = ambas de mesma ordem,
e se subtrairmos A B teremos:
- =
Observe os elementos destacados nas matrizes acima:

Quando subtramos a13 b13 = c13, -1 (-5) = -1 + 5 = 4
Quando subtramos a31 b31 = c31, - 4 (-1) = -4 + 1 = -3
Assim A B = C, ou seja, C uma matriz de mesma ordem de A e B.

1.2 Tipos de matrizes
Matriz quadrada
A matriz tem esse nome quando, seu numero de linhas igual ao numero de
colunas, Sendo A=3 x 3, ou seja, uma matriz composta por trs linhas e trs
colunas, simplificando, pode-se dizer que se trata de uma matriz quadrada de ordem
3.
9

uma matriz quadrada de ordem 3, ou seja, A=3x3.

Toda matriz quadrada possui duas diagonais: diagonal principal e secundaria. A
diagonal principal de uma matriz quadrada tem inicio em seu canto superior
esquerdo e termina em seu canto inferior direito, e a diagonal secundaria tem inicio
em seu canto superior direito ao canto inferior esquerdo.




Pode-se observar que na diagonal principal da matriz A os elementos aij possuem i
= j, ou seja, a11, a22 e s33, e na diagonal secundria, os elementos aij so tais que i
+ j = 3 + 1 (em que 3 a ordem da matriz A) sendo, a31, a22 e a13.

1.3 Matriz identidade
toda matriz quadrada onde os elementos da diagonal principal so iguais a 1 e os
demais elementos da matriz so iguais a 0.


Com o exemplo acima, podemos observar que se trata de uma matriz quadrada, ou
seja, a quantidade de linhas e colunas so iguais. Podemos observar tambm que, a
sua diagonal principal composta apenas pelo numero 1 , enquanto os
demais elementos da matriz M so todos 0. Assim, podemos dizer que M2x2

uma
matriz identidade de ordem 2 e indicamos I2, ou seja, a matriz de ordem 2.
Diagonal Principal Diagonal secundria
10



1.4 Matriz nula
Matriz nula, qualquer matriz que possui todos os elementos iguais a 0. A
definio de uma matriz nula amplamente usada para resolues de problemas em
que pedem para encontrar uma matriz que somada outra se resulte em uma matriz
nula.
Uma matriz nula O somada com outra matriz A, de mesma ordem, se resulta em A,
ou seja, A + O = A e O + A = A.

1.5 Matrizes transpostas e opostas.
Considerando uma matriz A de ordem m x n, a matriz transposta dessa
matriz ser representada At, de ordem invertida de n x m. Essa inverso significa
que para transformarmos uma matriz em uma matriz transporta, basta trocar os
elementos das linhas pelo das colunas, ou seja, o que era linha se tornara coluna, e
o que era coluna se tornara linha. Segue um exemplo da inverso para matrizes
transportas abaixo:
Dada a matriz A = 3 x 2, a matriz transposta representada por A
t
, ser:

Pode-se observar que a ordem da matriz A e da sua transposta At foi invertida. Isto
, o que era linha passa a ser coluna, e o que era coluna passa a ser linha.
Opostas
O oposto de um nmero o seu simtrico, isto , o oposto de 7 -7, o
oposto de -3 3. Desse mesmo modo encontraremos o oposto de uma matriz.
Abaixo apontaremos exemplos de matrizes opostas para melhor entendimento do
leitor.
11

Dada a matriz C de ordem 3x2. A matriz oposta a C ser:


1.6 Igualdade de matrizes
Quando as matrizes A e B possuem a mesma ordem e seus elementos da
mesma posio tambm so iguais (A = B). Da mesma maneira, se essas duas
matrizes A e B no tiver a mesma ordem ou os seus elementos iguais, dizemos que
elas so matrizes diferentes (A B).
Exemplo:

As posies (1 linha, 2 coluna) e (2 linha, 1 coluna), nas duas matrizes,
apresentam elementos correspondentes iguais: 4 = 4 e 0 = 0. Portanto, para que
ocorra a igualdade entre essas matrizes, devemos ter ainda:
X = 9 >> x = 3
x + 2 = -1 >> x = -3
Como o nmero -3 a nica soluo comum s duas equaes, conclumos que as
matrizes so iguais somente se, x = -3.

12

1.7 Matriz inversa
Uma matriz admite inversa se a mesma for quadrada e, seu produto pela
provvel inversa igual a uma matriz identidade quadrada de mesma ordem das
outras. O conceito de matriz inversa o mesmo de se calcular o inverso de um
nmero real. Por exemplo, temos dois nmeros reais (x e n) x somente ser o
inverso de n se, x. n ou n. x for igual a 1. Quando um nmero real inverso de outro,
indicamos o nmero inverso como um expoente -1:

1 / 4 = 4-1, dizemos que 1 /4 o inverso de 4, pois se multiplicarmos 1 / 4. 4 = 1.

Abaixo apontaremos um exemplo de matrizes que admitem inversa:
.
Dadas as matrizes A= e B= .



Portanto, pode se afirmar que as matrizes A e B so inversas entre si.




13

2 DETERMINANTES
Determinantes um estudo de uma matriz quadrada, onde existem os
mesmo nmeros de linhas e colunas (NxN), onde ela um pouco diferente, onde
calculamos o seu valor numrico, onde no acontece na matriz. Para se obter o
determinante de uma matriz necessrio fazer uma subtrao e somar em
diagonal, a soma realizada entre os produtos da diagonal principal e os produtos
da diagonal secundria. Nas matrizes quadrada de ordem 3x3, realizado com uma
formula que chamado de Sarrus, onde se repete a 1 e 2 coluna da matriz, e em
seguida se aplica a regra de Sarrus.
Quando uma matriz possui um elemento, ou contm uma linha e uma coluna,
conclumos que a matriz de 1 ordem.
Uma matriz quadrada de 1 ordem, M=[11], o seu determinante o nmero real 11.
OBS: Identificamos o determinante de uma matriz entre duas barras verticais.
EX:
M= [5] det M = 5 ou I 5 I = 5 M = [-3] det M = -3 ou I -3 I = -3

Determinante de 2 ordem, 2x2.
A matriz , de ordem 2, sobre o determinante M, dado:

O determinante de 2 ordem dado pela diferena entre os produtos dos elementos
da linha diagonal principal, e dos produtos da linha diagonal secundria.




14

EX:


2.1 Regra de Sarrus
Determinante de 3 ordem, pode ser calculado com a regra de Sarrus, repetindo a 1 e
2 coluna.
Exemplo1:











15


OBS: Se desenvolvermos esse determinante de 3 ordem aplicando o Teorema de Laplace,
encontraremos o mesmo nmero real.


Exemplo2:
Dado a matriz de 3 ordem, 3x3 M= , dado por:
OBS: Primeira feita a matriz em forma de determinante, e depois feita a
repetio da 1 e 2 coluna.
Det M=
Em seguida calculada a diagonal principal e diagonal secundria.
Det M=
Deve se somar os oposto dos produtos da diagonal secundrias com os
Det M= 0 40 + 0 15 + 0 4 = -59


16

2.2 Teorema de Laplace
Para o clculo de determinantes de matrizes quadradas de ordem menor ou
igual a 3 (n3), temos algumas regras prticas para realizar estes clculos.
Entretanto, quando a ordem superior a 3 (n>3), muitas destas regras no so
aplicveis. O teorema de Laplace consiste em escolher uma das filas (linha ou
coluna) da matriz e somar os produtos dos elementos dessa fila pelos seus
respectivos cofatores.
Ex:

De acordo com o teorema de Laplace, devemos escolher uma fila (linha ou
coluna) para calcular o determinante. Vamos utilizar a primeira coluna:

Agora achamos os cofatores:

Sendo assim, o Det C dado pela seguinte expresso:



17

3 Sistemas Lineares
Para entender o conceito de Sistemas de Equaes lineares, primeiro
precisamos entender o que Equao Linear. toda equao que possui variveis
e apresenta na seguinte forma a1x1 + a2x2 + a3x3 ++...+ anxn = b, em que a1, a2,
a3,..., so os coeficientes reais e o termo independente e representado pelo nmero
real b.
Exemplos:
x + y + z = 10
2x 3y + 5z = 6
4x + 5y 10z = 3
x 4y z = 0

Portanto, Sistema Linear por definio um conjunto de p equaes
lineares com variveis x1, x2, x3,....,xn formam um sistema linear com p equaes e
n incgnitas.

3.1 Tipos de sistemas lineares
Conforme as solues os sistemas lineares podem ser definidos como:
- Uma nica soluo: Pode ser chamado de sistema linear determinado.
- Vrias solues: Pode ser chamado de sistema linear indeterminado.
Obs. Se ao buscar o valor de uma das variveis, chegarmos a uma expresso do
tipo:
3 = 3 ou 0 = 0
Ou qualquer outra expresso que tenha uma sentena que seja sempre verdadeira,
o sistema ter infinitas solues e poderemos cham-lo de possvel, mas
indeterminado.
- No tem soluo: Pode ser chamado de sistema linear impossvel
18

Obs. Se ao buscar o valor de uma das variveis, chegarmos a uma expresso do
tipo:
0 = 3 ou 2 = 5
Ou qualquer outra expresso que tenha uma sentena que seja sempre falsa, o
sistema no ter qualquer soluo e poderemos cham-lo de impossvel.
O conjunto soluo de um sistema chamado de impossvel vazio.
3.2 Sistemas Equivalentes

Dois sistemas so equivalentes se admitem a mesma soluo.
Exemplo:

Os sistemas de equaes acima so equivalentes porque a soluo de ambos o
par ordenado:


3.3 Operaes com Sistemas Lineares

Existem trs tipos de operaes elementares que podem ser realizadas
sobre um sistema linear de equaes de forma a transform-lo em outro sistema
equivalente mais simples que o anterior. Na sequncia trabalharemos com um
exemplo para mostrar como funcionam essas operaes elementares sobre linhas.
O segundo sistema (o que aparece direita) j mostra o resultado da ao da
operao elementar. Nas linhas iniciais de cada tabela, voc encontra a operao
que foi realizada.

3.4 Mtodo da Substituio na resoluo de sistemas:

Consiste em isolar x ou y em qualquer uma das equaes do sistema, e substituir o
valor isolado na outra equao.
19

Exemplo:

3.5 Mtodo da Adio na resoluo de sistemas:

Consiste em somarmos as variveis semelhantes das duas equaes no
intuito de obter resultado igual zero.

Exemplo:

Multiplicamos a equao II por 3 e a adicionamos,
membro a membro, com a equao I.



Fazendo x = 1 na equao (I), por exemplo, obtemos:

2 1 + 3y = 8 y = 2

3.6 Mtodo de Gauss-Jordan

O mtodo de Gauss-Jordan um mtodo de escalonamento que consiste
em aplicar operaes elementares a matriz aumentada de um sistema, at que ela
esteja na forma escalonada reduzida. A vantagem deste processo que um sistema
cuja matriz aumentada uma matriz na forma escalonada reduzida tem soluo
imediata, enquanto que para resolver um sistema que est apenas na forma
escalonada ainda necessrio fazer uma srie de substituies para obter a
soluo final.
20

Exemplo:


3.7 Mtodo de Cramer

A regra de Cramer foi desenvolvida pelo matemtico suo Gabriel Cramer
(1704 -1752). Ela consiste num mtodo para resoluo de sistemas lineares n x
n (nmero de equaes igual ao nmero de incgnitas) com o auxlio de
determinantes.




21

Exemplo:



Calculamos inicialmente D, D
x
e D
y
:






Como D = 13 0, o sistema possvel e determinado e:

Assim: S = {(1,2)} e o sistema possvel e determinado.
3.8 Sistemas homogneos
Um sistema linear homogneo quando os termos independentes de todas
as equaes so nulos. Todo sistema linear homogneo admite pelo menos a
soluo trivial, que a soluo identicamente nula. Assim, todo sistema linear
homogneo possvel. Este tipo de sistema poder ser determinado se admitir
somente a soluo trivial ou indeterminado se admitir outras solues alm da trivial.
Exemplo:

O sistema acima possui uma nica soluo, a soluo nula x = y = z = 0.


22

4 Vetores
Algumas grandezas ficam completamente determinadas por apenas um
nmero real, como comprimento, rea, volume e temperatura, sendo chamadas
de escalares. Outras no ficaro bem determinadas se alm da magnitude no
forem apresentados uma direo e um sentido, so chamadas de vetoriais e sua
representao, de vetores. Como exemplo temos a velocidade, a acelerao, a
fora
Podemos representar geometricamente os vetores por segmentos de reta
orientados (ou flechas). Sendo que a direo e o sentido da flecha especificam a
direo e o sentido do vetor e o comprimento da flecha a sua magnitude.
B ponto final do vetor
A ponto inicial do vetor
Se chamarmos o vetor de temos que .
Podemos levar como exemplo um vo de Porto Alegre ao Rio de Janeiro. O
tempo que leva o vo uma grandeza escalar pois basta um nmero real para
determina-la. O deslocamento uma grandeza vetorial pois se precisa saber a
distncia a ser percorrida (de modo que se tenha combustvel suficiente) e em que
direo ir (para no se errar o destino). As duas quantidades apresentadas
especificam o deslocamento ou vetor de deslocamento entre as duas cidades.
Em vrios pares de cidades podemos ter vetores deslocamento que tm o
mesmo comprimento e a mesma direo, sendo que os vetores de deslocamento
entre as cidades so os mesmos, embora no coincidam.
Os segmentos orientados de mesmo comprimento, mesma direo e mesmo sentido
so ditos segmentos equipolentes e representam um mesmo vetor.
23

Assim sendo, o vetor determinado por um segmento orientado o
conjunto de todos os segmentos orientados de mesma direo, mesmo sentido e
mesmo comprimento de e costuma ser representado por uma das seguintes
formas: v , ou .
4.1Tipos de vetores
Mdulo de um Vetor
O mdulo de um vetor ser representado por ou .
Vetor Nulo
Se os pontos inicial e final de um vetor coincidem, ento o vetor tem comprimento
zero e chamado de vetor nulo ou vetor zero e denotado por .
Vetor Unitrio
Se ento chamado vetor unitrio.
Vetores Opostos
, chamado de oposto de um vetor que tem mesmo mdulo e mesma
direo de mas sentido contrrio.




24

Versor de um Vetor
O versor de um vetor no nulo o vetor unitrio de mesma direo e sentido
de .
Exemplo:
1. | | = 4


Vetores paralelos
Dois vetores e so paralelos, e indica-se // , se tiverem a mesma
direo.


Vetores colineares
Dois vetores u e v so chamados de colineares se tiverem a mesma direo,
ou seja, u e v so colineares se tiverem representantes AB e CD pertencentes a uma
mesma reta ou a retas paralelas.

Se dois vetores so paralelos ento possuem representantes numa mesma reta e
so ditos colineares.
25

Vetores ortogonais
Dois vetores e so ortogonais, e indica-se , se algum representante
de formar um ngulo reto com algum representante de .



Vetores Coplanares
Vetores coplanares so vetores que possuem representantes num mesmo
plano.
Exemplo: Quando vetores no nulos u e v possuem representantes AB e CD
pertencentes a um plano , diz se que so coplanares.

Observao
Dois vetores so sempre coplanares. Trs ou mais vetores podem ou no ser
coplanares.


26


4.2 Operaes com vetores
Adio
Dados dois vetores u e v, define-se o vetor soma u+v.

Retngulo triangulo Regra de paralelogramo

Subtrao
A existncia do vetor oposto -v, podemos definir a diferena u-v, como sendo
igual soma u+ (-v)

Produto escalar
Dados os vetores u=(a,b) e v=(c,d) definimos o produtos escalar como.
u.v = a.c + b.d
Exemplos:
O produto escalar entre u=(3,4) e v=(-2,5) :
u.v = 3.(-2)+4.(5) = -6+20= 14
27

O produto escalar entre u=(1,7) e v=(2,-3) :
u.v = 1.(2)+7.(-3) = 2-21= -19
Propriedades de um produto escalar.
Podem ser quaisquer os vetores, u, v, e w, e k escalar:
v.w = w.v
v.v = |v|.|v| = |v|
u.(v+w) = u.v = u.w
(kv).w = v.(kw) = k(v.w)
|kv| = |k|.|v|
|u.v| <=|u|.|v| (Desigualdade de Schwarz)
|u+v| = <=|u|+|v| (Desigualdade triangular)

4.3 ngulos entre dois vetores.
O produto escalar entre os dois vetores u e v, pode ser escrito:
u.v = |u|.|v| cos(x)
Onde x o ngulo formando entre u e v.


Atravs de essa definio escalar, podemos obter o ngulo x entre dois
vetores genricos u e v.




28

Concluso
Os conceitos sobre lgebra Linear so divididos em trs pontos principais
(matrizes, determinantes e sistemas lineares) que se constituem de ferramentas
muito utilizadas tanto nas reas da Matemtica, quanto fora dela. A principal meta
deste trabalho estudar e apresentar alguns conceitos fundamentais da lgebra
Linear. So contedos estudados dentro de matemtica, mas abordados em outros
ramos, como na informtica, engenharia.
O estudo dos determinantes depende do conhecimento prvio sobre
matrizes. De um modo geral podemos dizer que matriz um conjunto de elementos
organizados em linhas e colunas. O nmero de linhas representado por m e o
nmero de colunas representado por n, essas quantidades devem ser maiores ou
iguais a um. A quantidade de linhas de colunas e os elementos que pertencem
matriz so identificados atravs de uma frmula.
Determinante uma matriz quadrada representada de uma forma diferente,
pois calculamos o seu valor numrico, o que no acontece com a matriz. Nela
aplicamos as quatro operaes, ou seja, somamos, multiplicamos, dividimos,
subtramos obtendo outra matriz.
A teoria das equaes lineares desempenha papel importante e motivador
no campo da lgebra Linear, onde muitos problemas so equivalentes ao estudo de
um sistema de equaes lineares. Os mtodos diretos que aprendemos no ensino
mdio como por substituio s prtico para duas equaes a duas incgnitas.
Para outros casos destaca-se a regra de Cramer. Esse mtodo, se aplicado a um
sistema de n x n envolve um clculo de (n + 1) determinantes de ordem n. Se n = 20,
por exemplo, o total de operaes efetuadas ser de 21 x 20! x 19 multiplicaes
mais um nmero semelhante de adies. Assim, se um computador que efetue
cerca de cem milhes de multiplicaes por segundo, levaria 3 x 10
5
anos para
efetuar as operaes necessrias. O mtodo de eliminao de Gauss consiste em
transformar o sistema linear original num sistema linear equivalente com a matriz
dos coeficientes triangular superior, pois estes so de resoluo imediata.
Os vetores desempenham um papel importante
na fsica: velocidade e acelerao de um objeto e as foras que agem sobre ele so
descritas por vetores. importante ressaltar, no entanto, que os componentes de um
vetor fsico dependem do sistema de coordenadas usado para descrev-lo. Outros
objetos usados para descrever quantidades fsicas so os pseudo-vetores
29

e tensores. Os vetores tm aplicao em vrias reas do conhecimento, tanto
tcnico quanto cientfico, como fsica, engenharia e economia, por exemplo, sendo
os elementos a partir dos quais se constri o Clculo Vetorial.





















30

Referncias Bibliogrficas
S, Robinson. Matrizes. Disponvel em:
<http://www.infoescola.com/matematica/matrizes/> Acesso em 10 de mar de 2014.
ESCOLA, Brasil. Matriz transposta. Disponvel em:
<http://www.brasilescola.com/matematica/matriz-transposta.htm> Acesso em: 15 de
mar de 2014.
ONLINE, Alunos. Matriz Oposta. Disponvel em:
<http://www.alunosonline.com.br/matematica/matriz-oposta.html> Acesso em 15 de
mar de 2014.
PAIVA, MANOEL. Matrizes: um pouco de histria. In: MANOEL PAIVA. Matemtica.
So Paulo: Editora Moderna,1 edio. Pgs 299-313.
MATEMTICA, s. Determinantes. Disponvel em:
<http://www.somatematica.com.br/emedio/determinantes/determinantes> Acesso em
29 de mar de 2014.
WEB, Colgio. O que Determinante?. Disponvel em:
<http://www.colegioweb.com.br/trabalhos-escolares/matematica/determinantes/o-
que-e-determinante.html> Acesso em 29 de mar de 2014.
EDUCAO, Mundo. Matrizes e Determinantes. Disponvel em:
<http://www.mundoeducacao.com/matematica/matriz-determinantes> Acesso em 29
de mar de 2014.
Escola, Brasil. Equivalncia em Sistemas lineares. Disponvel em: <
http://www.brasilescola.com/matematica/equivalencia-entre-sistemas-lineares.htm>
Acesso em 30 de maio de 2014.
Battisti, Jlio. Matemtica para concursos. Disponvel em: <
http://juliobattisti.com.br/tutoriais/jorgeasantos/matematicaconcursos017.asp>
Acesso em 30 de maio de 2014.
Escola, Brasil. Sistemas Lineares. Disponvel em: <
http://www.brasilescola.com/matematica/sistemas-lineares.htm> Acesso em: 06 de
junho de 2014.
31

O Baricentro da mente. Escalonamento ou o Mtodo da Eliminao de Gauss.
Disponvel em: < http://obaricentrodamente.blogspot.com.br/2012/10/escalonamento-
ou-o-metodo-da-eliminacao.html> Acesso em 06 de junho de 2014.
Biezuner, Rodney Josu. Sistemas Lineares. Disponvel em: <
http://www.mat.ufmg.br/~rodney/notas_de_aula/sistemas_lineares.pdf> Acesso em
06 de junho de 2014.
EBAH. Mtodo de Gauss-Jordan para Escalonamento. Disponvel em: <
http://www.ebah.com.br/content/ABAAABQLMAC/metodo-gauss-jordan-
escalonamento> Acesso em: 12 de junho de 2014.
COC, educao. Cap.5 Sistemas Lineares. Disponvel em: <
http://interna.coceducacao.com.br/ebook/pages/1799.htm> Acesso em: 12 de junho
de 2014
Matemtica Essencial. Introduo aos sistemas lineares. Disponvel em: <
http://pessoal.sercomtel.com.br/matematica/medio/matrizes/sistemas.htm> Acesso
em 12 de junho de 2014.