Álgebra Linear I

Fuja do Nabo P1
Resumo e Lista de Exercícios
Resumo

1. Matrizes e Determinantes

a. Multiplicação de Matrizes
Dadas duas matrizes 𝐴 = 𝑚 × 𝑛 e 𝐵 = 𝑛 × 𝑝, desde que o número de
colunas da primeira matriz seja igual ao número de linhas da segunda
matriz, podemos fazer o produto dessas matrizes, 𝐶 = 𝑚 × 𝑝, onde:

𝐶 = 𝐴𝐵 (Linha x Coluna)

Basta, para cada elemento 𝑐+, da nova matriz, multiplicar os elementos da

linha 𝑖 da primeira matriz (𝐴) pelos elementos da coluna 𝑗 da segunda
matriz (𝐵 ), somando os produtos calculados.

Observe que o produto de matrizes não é comutativo, ou seja, na maior

parte dos casos:

𝐴𝐵 ≠ 𝐵𝐴

b. Propriedades de Determinantes
Algumas propriedades relativas aos determinantes de uma matriz devem
ser conhecidas, como:

I. det(A) = det (A6 )

II. det(𝐴𝐵 ) = det(𝐴) det(𝐵 )
III. 𝐴 ∈ 𝑀9 , det(𝛼𝐴) = 𝛼 9 det(𝐴)

1
Para calcular o determinante de uma matriz 3 × 3, use a regra de Sarrus,
e para matrizes de grau maior ou igual a 4, use a Regra de Laplace (método
dos cofatores) ou a Regra de Chió.

c. Escalonamento
Escalonar uma matriz significa torna-la triangular superior, ou seja, zerar
todos os elementos abaixo da diagonal principal.

Para fazer isso, podemos realizar operações com as linhas da matriz, que
podem consistir em somar ou subtrair linhas de múltiplos de outras
linhas.

Ou seja, basta pegar a matriz inicial e efetuar soma ou subtração de linhas

com múltiplos de outras linhas para zerar todos os valores abaixo da
diagonal principal (abaixo representada pelos elementos 𝑎, 𝑒 e 𝑖).

𝑎 𝑏 𝑐 𝑚 𝑛 𝑜
@𝑑 𝑒 𝑓 F → (𝑀𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎çã𝑜 𝑒 𝑠𝑜𝑚𝑎 𝑒𝑛𝑡𝑟𝑒 𝑙𝑖𝑛ℎ𝑎𝑠) → P 0 𝑝 𝑞S
𝑔 ℎ 𝑖 0 0 𝑟

d. Matriz Inversa
A matriz 𝐴TU é a matriz inversa de 𝐴, tal que 𝐴𝐴TU = 𝐼 (identidade).

Observe que uma matriz 𝐴 invertível se, e somente se, seu determinante
é não nulo. Ou seja:

𝐴 é invertível ⇔ det(𝐴) ≠ 0

A seguir, veja o método para encontrar a inversa:

2
 • Construir a matriz expandida, com 𝐴 e a identidade 𝐼:

𝑎 𝑏 𝑐 1 0 0
(A|I) = @𝑑 𝑒 𝑓 0 1 0F
𝑔 ℎ 𝑖 0 0 1

• Escalonar o lado esquerdo (mas realizando as operações em ambos

os lados da matriz expandida) para que o lado esquerdo da matriz
seja a identidade (como em (I|𝐵 ))

• Assim, teremos a matriz expandida:

1 0 0 𝑚 𝑛 𝑜
(𝐼|𝐴TU ) = @0 1 0 𝑝 𝑞 𝑟F
0 0 1 𝑠 𝑡 𝑢

𝑚 𝑛 𝑜
TU
• A matriz inversa é 𝐴 = P𝑝 𝑞 𝑟S
𝑠 𝑡 𝑢

2. Sistemas Lineares

a. Notação Matricial de Sistemas Lineares

Para pegar um sistema linear comum e escrever sua notação matricial,
basta transformar o sistema em um produto de matrizes do tipo:

𝐴𝑥 = 𝑏

3
Onde 𝐴 é a matriz dos coeficientes do sistema linear, 𝑥 é a matriz coluna
com as variáveis desse sistema e 𝑏 é a matriz com os resultados de cada
equação.
Dado o sistema abaixo:

𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 = 𝑚
\ 𝑑𝑥 + 𝑒𝑦 + 𝑓𝑧 = 𝑛
𝑔𝑥 + ℎ𝑦 + 𝑖𝑧 = 𝑜

Podemos montar as seguintes matrizes:

𝑎 𝑏 𝑐 𝑥 𝑚
𝐴 = @𝑑 𝑒 𝑓 F , 𝑥 = P𝑦S e 𝑏 = P 𝑛 S
𝑔 ℎ 𝑖 𝑧 𝑜

Além disso, para resolver o sistema, vamos usar muito a matriz

expandida, que contém a matriz 𝐴 e a 𝑏, na mesma equação:

𝑎 𝑏 𝑐 𝑚
@𝑑 𝑒 𝑓 𝑛F
𝑔 ℎ 𝑖 𝑜

b. Resolução de Sistema
Considere o seguinte sistema linear, representado pela matriz expandida:

𝑎 𝑏 𝑐 𝑚
@𝑑 𝑒 𝑓 𝑛F
𝑔 ℎ 𝑖 𝑜

4
Para resolver esse sistema, vamos escalonar a matriz acima, de forma que
a matriz 𝐴 (à esquerda) se torne uma matriz triangular superior.

Os seguintes casos podem ocorrer:

𝑎 𝑏 𝑐 𝑚
1. @0 𝛼 𝛽 𝛾 F → Sistema possível e determinado (SPD, 1 solução)
0 0 𝜖 𝜃

Ocorre quando há elementos não nulos na última linha da matriz 𝐴 e da

matriz 𝑏. Neste caso, basta voltar para as equações para achar as
soluções.

𝑎 𝑏 𝑐 𝑚
2. @0 𝛼 𝛽 𝛾 F → Sistema possível e indeterminado (SPI, infinitas
0 0 0 0
soluções)

Ocorre quando a última linha é nula. Neste caso, a última variável é livre,
e pode assumir qualquer valor.

𝑥 𝑦 𝑧 𝑤
3. P0 𝛼 𝛽 𝛾 S , 𝜃 ≠ 0 → Sistema impossível (SI, não tem solução)
0 0 0 𝜃

Ocorre quando alguma relação impossível aparece na última linha, como

0 = 2, por exemplo.

5
3. Vetores

a. Definição de Vetor
Um vetor 𝑣⃗ é uma entidade matemática definida por possuir módulo ‖𝑣⃗‖,
direção e sentido.

Um vetor qualquer 𝑣⃗ é livre no espaço, ou seja, dado seu tamanho

(módulo), sua direção e seu sentido, ele pode estar com seu “início”
posicionado em qualquer ponto do espaço.

Um segmento orientado é do tipo 𝑣⃗ = iiiii⃗

𝐴𝐵 (ou seja, um vetor que começa
no ponto 𝐴 e termina no ponto 𝐵). Vale que:

𝐵 = 𝐴 + 𝑣⃗

b. Soma de Vetores
Dados pontos 𝐴, 𝐵 e 𝐶, vale que:

iiiii⃗
𝐴𝐵 + iiiii⃗
𝐵𝐶 = iiiii⃗
𝐴𝐶

Note que o ponto 𝐵 é somente um ponto intermediário.

c. Combinação Linear
Um vetor 𝑣⃗ é uma combinação linear de outros vetores (𝑥⃗, 𝑦⃗, … , 𝑧⃗) se ele
pode ser dado como a soma desses vetores, multiplicados por constantes
(𝑎, 𝑏, … , 𝑐):

𝑣⃗ = 𝑎𝑥⃗ + 𝑏𝑦⃗ + ⋯ + 𝑐𝑧⃗, 𝑐𝑜𝑚 𝑎, 𝑏, … , 𝑐 ∈ ℝ

6
d. Dependência Linear
Um conjunto de vetores 𝑆 = {iiii⃗,
𝑣U iiii⃗, 𝑣9 } é Linearmente Dependente
𝑣o … , iiii⃗
(L.D.) se pelo menos um dos vetores do conjunto for uma combinação
linear dos outros vetores do conjunto.

Desta forma, o conjunto 𝑆 é Linearmente Independente (L.I,) se nenhum

vetor do conjunto possa ser dado como combinação linear dos outros.

Há duas importantes observações para conjuntos de 2 ou 3 vetores:

• Se {𝑢
i⃗, 𝑣⃗} é LD, então 𝑢
i⃗ e 𝑣⃗ são paralelos (múltiplos)

• Se {𝑢 ii⃗} é LD, então ou 𝑢

i⃗, 𝑣⃗, 𝑤 i⃗, 𝑣⃗ e 𝑤
ii⃗ são coplanares, ou existem dois
vetores paralelos (múltiplos) no conjunto.

Além disso, se um dos vetores for o nulo, o conjunto é LD

e. Regras Práticas para Verificar Dependência Linear

1ª Regra prática para saber se vetores são LD

1. Coloque as coordenadas dos vetores nas linhas de uma matriz;
2. Escalone essa matriz;
3. Se uma linha (ou mais) zerar, o conjunto é LD (caso seja possível
escalonar perfeitamente, é LI).

iiii⃗U
𝑣 𝑎 𝑏 𝑐
qiiii⃗
𝑣o s → @0 𝑑 𝑒F ⇔ {iiii⃗,
𝑣U iiii⃗, 𝑣r } é LD
𝑣o iiii⃗
𝑣r
iiii⃗ 0 0 0

7
2ª Regra prática para saber se vetores são LD
1. Coloque as coordenadas dos vetores nas linhas de uma matriz;
2. Calcule o determinante dessa matriz;
3. Se o determinante for zero, o conjunto é LD (caso não seja, é LI).

iiii⃗U
𝑣
𝑣o s = 0 ⇔ {iiii⃗,
det qiiii⃗ 𝑣U iiii⃗, 𝑣r } é LD
𝑣o iiii⃗
𝑣r
iiii⃗

4. Bases e Coordenadas

a. Base
Uma base de um espaço é um conjunto ordenado de vetores Linearmente
Independentes, tal que qualquer vetor do espaço pode ser obtido como
uma combinação linear desses vetores.

Então, se qualquer vetor de um espaço 𝑉 pode ser obtido como

combinação linear dos vetores iiii⃗, 𝑣o e iiii⃗,
𝑣U iiii⃗ 𝑣r dado que eles são L.I., então
uma base de 𝑉 é:

𝐵 = {iiii⃗,
𝑣U iiii⃗, 𝑣r }
𝑣o iiii⃗

Por exemplo, para o espaço ℝr , qualquer vetor pode ser escrito como
𝑒U = (1,0,0), iii⃗
uma combinação linear dos vetores iii⃗ 𝑒o = (0,1,0) e iii⃗
𝑒r =
(0,0,1), então uma base para ℝr é:

𝐵 = {iii⃗,
𝑒U iii⃗, 𝑒r }
𝑒o iii⃗

8
Dizemos que a base é um conjunto ordenado de vetores, pois os vetores
seguem uma ordem específica.

b. Base Ortogonal e Ortonormal

Uma base é ortogonal se os vetores da base são ortogonais entre si:

𝐵 = {iiii⃗,
𝑣U iiii⃗, 𝑣r }
𝑣o iiii⃗
𝑣U ⊥ iiii⃗,
iiii⃗ 𝑣o iiii⃗
𝑣U ⊥ iiii⃗,
𝑣r iiii⃗
𝑣o ⊥ iiii⃗
𝑣r

Por outro lado, uma base é ortonormal se os vetores da base, além de

ortogonais entre si, possuem norma 1:

𝐵 = {iiii⃗,
𝑣U iiii⃗, 𝑣r }
𝑣o iiii⃗
𝑣U ⊥ iiii⃗,
iiii⃗ 𝑣o iiii⃗
𝑣U ⊥ iiii⃗,
𝑣r iiii⃗
𝑣o ⊥ iiii⃗
𝑣r
||𝑣
iiii⃗||
U = ||𝑣 iiii⃗||
o = ||𝑣 iiii⃗||
r =1

c. Coordenadas
Em um espaço 𝑉, com base 𝐵 = {iiii⃗,
𝑣U iiii⃗, 𝑣r }, as coordenadas de um vetor
𝑣o iiii⃗
qualquer 𝑣⃗ são as constantes que, multiplicadas pelos vetores da base (na
ordem da base), resultam no vetor 𝑣⃗.

Por exemplo, se um vetor tem coordenadas 𝑣⃗ = (𝑥, 𝑦, 𝑧)v (coordenadas

na base 𝐵), então vale que 𝑣⃗ é a seguinte combinação linear dos vetores
da base:

𝑣⃗ = 𝑥𝑣
iiii⃗U + 𝑦𝑣
iiii⃗o + 𝑧𝑣
iiii⃗r

Valem as propriedades da soma e da multiplicação por constante com

coordenadas, ou seja:

9
I. iiii⃗
𝑣U + iiii⃗
𝑣o = (𝑥U + 𝑥o , 𝑦U + 𝑦o , 𝑧U + 𝑧o )v
II. 𝛼𝑣⃗ = (𝛼𝑥, 𝛼𝑦, 𝛼𝑧)v

4. Produto Escalar e Projeção Ortogonal

a. Produto Escalar
O Produto Escalar é um produto entre vetores que resulta em um número.
Ele é dado da seguinte forma:

i⃗ = i0⃗ 𝑜𝑢 𝑣⃗ = i0⃗
i⃗ ∙ 𝑣⃗ = x0, 𝑠𝑒 𝑢
𝑢
‖𝑢
i⃗‖‖𝑣⃗‖cos𝜃

Vale, assim, que a norma de um vetor é tal que:

i⃗‖ = |𝑢
‖𝑢 i⃗ ∙ 𝑢
i⃗

Apenas se estiver em uma base ortonormal, o produto escalar é dado da

seguinte forma:

𝑢
i⃗ ∙ 𝑣⃗ = 𝑥U 𝑥o + 𝑦U 𝑦o + 𝑧U 𝑧o

Onde 𝑢i⃗ = (𝑥U , 𝑦U , 𝑧U ) e 𝑣⃗ = (𝑥o , 𝑦o , 𝑧o ). Nesse caso, a norma de um vetor

i⃗ é:
𝑢

i⃗‖ = }𝑥Uo + 𝑦Uo + 𝑧Uo

‖𝑢

10
Se 𝑢
i⃗ e 𝑣⃗ são ortogonais, 𝑢
i⃗ ∙ 𝑣⃗ = 0.

b. Propriedades do Produto Escalar

Abaixo estão algumas propriedades do produto escalar:

I. (𝑢
i⃗ + 𝑤 ii⃗ ) ∙ 𝑣⃗ = 𝑢
i⃗ ∙ 𝑣⃗ + 𝑤ii⃗ ∙ 𝑣⃗
II.𝑢
i⃗ ∙ 𝑣⃗ = 𝑣⃗ ∙ 𝑢 i⃗
III.(∝ 𝑢 i⃗) ∙ 𝑣⃗ =∝ (𝑢 i⃗ ∙ 𝑣⃗)

c. Projeção Ortogonal
A projeção ortogonal de um vetor 𝑢 i⃗ na direção do vetor 𝑣⃗ é um vetor que
tem a direção de 𝑣⃗, e é dado por:

𝑢
i⃗ ∙ 𝑣⃗
proj ‚i⃗ 𝑢
𝑣⃗ i⃗ =
‖𝑣⃗‖o
Sendo 𝑥⃗ um vetor ortogonal a 𝑣⃗, forma-se um triangulo retângulo com a
projeção e 𝑢
i⃗:

i⃗ = projƒ‚ii⃗⃗ + 𝑥⃗
𝑢

5. Mudança de Base
Para mudar de base, temos que escrever os vetores da base que queremos
sair em função dos vetores da base que queremos chegar. Para isso,
usamos a matriz de mudança de base. Primeiro, colocamos os vetores
em notações matriciais:

𝑥v 𝑥ˆ
[𝑣⃗ ]v = †𝑦v ‡ , [𝑣⃗]ˆ = †𝑦ˆ ‡
𝑧v 𝑧ˆ

11
Então, podemos passar o vetor 𝑣⃗ da base 𝐹 para a base 𝐵 usando uma
matriz de mudança de base 𝑀, desse jeito:

[𝑣⃗]v = 𝑀[𝑣⃗]ˆ

Essa matriz de mudança de base é construída colocando as coordenadas

dos vetores da base de saída na base de chegada, em suas colunas:

iii⃗U Œ
𝑀 = Š‹𝑓 iii⃗o Œ
‹𝑓 iii⃗r Œ •
‹𝑓
v v v

Propriedades
Temos duas propriedades de matriz de mudança de base que costumam
ser cobradas em prova, que são:

• A matriz de mudança de base que leva de 𝐵 para 𝐹 é a inversa da matriz

de mudança de base que leva de 𝐹 para 𝐵;
• A multiplicação entre uma matriz 𝐴, à esquerda, que leva da base 𝐵 para
a 𝐶 por uma matriz 𝑋, à direita, que leva da base 𝐹 para a 𝐵, resultará
numa matriz 𝑀 que leva da base 𝐹 para a 𝐶.

[𝑣⃗]• = 𝐴 ∙ 𝑋[𝑣⃗]ˆ
[𝑣⃗]• = 𝐴[𝑣⃗]v

12
6. Orientação de 𝑽𝟑
Conseguimos dar uma orientação para o 𝑉 r a partir das bases existentes
nele. Podemos checar se duas bases têm a mesma orientação usando a
matriz de mudança de base 𝑀 entre elas:

• 𝐵 e 𝐹 têm mesma orientação ⇔ det(𝑀) > 0 (orientação positiva)

• 𝐵 e 𝐹 têm orientações opostas ⇔ det(𝑀) < 0 (orientação negativa)

7. Produto Vetorial
Esse é um tipo de produto que definimos entre vetores. Esse produto
entre dois vetores gera um outro vetor, o que é condizente com o seu
nome. Ele é definido como:

i⃗ i⃗ = i0⃗ ou 𝑣⃗ = i0⃗
i⃗ ∧ 𝑣⃗, tal que x 0, se 𝑢
𝑥⃗ = 𝑢
‖𝑥⃗‖ = ‖𝑢i⃗‖ ∙ ‖𝑣⃗‖ ∙ sen 𝜃

Esse produto gera um vetor ortogonal a ambos os vetores que estão

sendo multiplicados, ou seja:

𝑥⃗ ⊥ 𝑢
i⃗ 𝑒 𝑥⃗ ⊥ 𝑣⃗

A partir da definição, conseguimos concluir que:

i⃗ ∧ 𝑣⃗ = i0⃗ ⇔ {𝑢
𝑢 i⃗, 𝑣⃗ } é LD (vetores paralelos)

13
O produto vetorial possui uma aplicação importante, porque serve para
calcular a área de polígonos. A área do paralelogramo formado por 𝑢
i⃗ e 𝑣⃗
é:

𝐴 = ‖𝑢
i⃗ ∧ 𝑣⃗‖

Já a área do triângulo formado pelos mesmos vetores é:

‖𝑢
i⃗ ∧ 𝑣⃗‖
𝐴=
2

Agora, podemos usar essa definição também para descobrir a altura em

relação a alguma base do triângulo:

iiiii⃗∧™•
˜™v iiiii⃗ ˜
𝐴 = 𝑏. ℎ, ℎ = iiiii⃗˜
é a altura do triângulo 𝐴𝐵𝐶 em relação à base 𝐴𝐵
˜™v

Se os vetores envolvidos no produto vetorial estiverem em uma base

ortonormal positiva 𝑩, podemos calculá-lo da seguinte forma:

𝚤̂ 𝚥̂ 𝑘
𝑢
i⃗ ∧ 𝑣⃗ = det ›𝑥U 𝑦U 𝑧U ¡, onde 𝑢
i⃗ = (𝑥U , 𝑦U , 𝑧U )v e 𝑣⃗ = (𝑥o , 𝑦o , 𝑧o )v
𝑥o 𝑦o 𝑧o

Resolvendo esse determinante pelo Método de Laplace, pegando os

cofatores da primeira linha, temos:

𝑦U 𝑧U 𝑥U 𝑧U 𝑥U 𝑦U
𝑢
i⃗ ∧ 𝑣⃗ = det ¢𝑦 𝑧o £ 𝚤̂ − 𝑑𝑒𝑡 ¢ 𝑥o 𝑧o £ 𝚥̂ + 𝑑𝑒𝑡 ¢ 𝑥o 𝑦o £ 𝑘
o

14
Propriedades
O produto vetorial possui algumas propriedades muito importantes:

• 𝑢
i⃗ ∧ 𝑣⃗ = −𝑣⃗ ∧ 𝑢i⃗
• ¥𝑎⃗ + 𝑏i⃗¦ ∧ 𝑣⃗ = 𝑎⃗ ∧ 𝑣⃗ + 𝑏i⃗ ∧ 𝑣⃗
• 𝛼𝑎⃗ ∧ 𝛽𝑣⃗ = 𝛼𝛽(𝑎⃗ ∧ 𝑣⃗)

15
Exercícios de Fixação

1. Matriz Inversa
P1 2016 Álgebra Linear I

Se 𝑎, 𝑏, 𝑐, 𝑑, 𝑒, 𝑓, 𝑔, ℎ, 𝑖 ∈ ℝ, são tais que:

1 2 0 𝑎 𝑏 𝑐 1 0 0
@0 2 1F @𝑑 𝑒 𝑓 F = @0 1 0F
1 1 0 𝑔 ℎ 𝑖 0 0 1

então 𝑎𝑏𝑐 + 𝑑𝑒𝑓 + 𝑔ℎ𝑖 é igual a:

A. 2
B. −4
C. 0
D. −2
E. 4

2. Propriedades de Determinante
P1 2016 Álgebra Linear I

Seja 𝑛 um inteiro positivo e sejam 𝐴 e 𝐵 matrizes reais 𝑛 𝑥 𝑛. Considere as

seguintes afirmações:

I. Se a transposta da matriz 𝐴 é igual a −𝐴, então det(𝐴) = −1;

II. det(𝐴 + 𝐵) = det(𝐴) + det(𝐵);
III. det(𝐴𝐵) = det(𝐵𝐴).

Assinale a alternativa correta:

A. Todas as afirmações são necessariamente verdadeiras;

16
B. Apenas a afirmação III. é necessariamente verdadeira;
C. Apenas a afirmação I. é necessariamente verdadeira;
D. Apenas as afirmações I. e III. são necessariamente verdadeiras;
E. Apenas as afirmações I. e II. são necessariamente verdadeiras.

3. Propriedades de Determinante
P1 2016 Álgebra Linear para Engenharia I

Considere a matriz:
2 1 0 −1
1 1 0 1
𝐴 = § ¨
−1 1 1 0
1 2 0 1

e denote por 𝐴© a sua transposta. Temos que det(𝐴r ) − det [3(𝐴© )TU ]é
igual a:

A. −26
B. 55
C. 0
D. 26
E. 81

4. Sistemas Lineares
P1 2014 Álgebra Linear I

Sejam 𝑚, 𝑛 ∈ ℝ. Considere as afirmações abaixo acerca do sistema

𝑥U + 𝑥o + 𝑚𝑥r = 0
\ 𝑥U + 𝑥o + 𝑛𝑥r = 0
𝑚𝑥U + 𝑛𝑥o + 𝑥r = 0

17
 I. Se 𝑛 ≠ 𝑚, então o sistema tem uma única solução.
II. Se 𝑛 = 𝑚 e 𝑚 ≠ 1, então o número de variáveis livres do sistema é
1.
III. Se 𝑛 = 𝑚 e 𝑚 ≠ −1, então o número de variáveis livres do sistema
é 2.

Está correto o que se afirma em:

A. (I), apenas
B. (II), apenas
C. (I) e (II), apenas
D. (I), (II) e (III)
E. (I) e (III), apenas

5. Vetores
P1 2018 Álgebra Linear I

Dado um tetraedro de vértices 𝐴, 𝐵, 𝐶 e 𝑂, considere o ponto 𝑋 no

iiiii⃗ = 3𝑋𝐶
segmento 𝐵𝐶, tal que 2𝐵𝑋 iiiii⃗ e seja 𝑀 o ponto médio do segmento
𝐴𝐵.

Se iiiii⃗ iiiiii⃗ + 𝛽𝑂𝐵

𝐴𝑋 = 𝛼𝑂𝑀 iiiii⃗ + 𝛾𝑂𝐶
iiiii⃗ , sendo 𝛼, 𝛽, 𝛾 escalares, então 𝛽 + 𝛾 é igual
a:

18
A. 1
B. 3
C. 2
D. 4
E. 0

6. Dependência Linear
P1 2017 Álgebra Linear I

ii⃗, 𝑧⃗ ∈ 𝑉 r vetores linearmente dependentes. Considere as

Sejam 𝑣⃗, 𝑤
seguintes afirmações:

I. Os vetores 𝑣⃗ − 𝑤 ii⃗ − 2𝑧⃗ são linearmente dependentes;

ii⃗, 𝑣⃗ + 3𝑧⃗ e 𝑤
II. O vetor 𝑣⃗ é combinação linear de 𝑤 ii⃗ e 𝑧⃗;
III. Se 𝑣⃗ e 𝑧⃗ forem não nulos e não paralelos, então 𝑤 ii⃗ será combinação
linear de 𝑣⃗ e 𝑧⃗.

Assinale a alternativa correta:

A. apenas as afirmações (I) e (III) são necessariamente verdadeiras

B. apenas a afirmação (I) é necessariamente verdadeira
C. apenas as afirmações (II) e (III) são necessariamente verdadeiras
D. apenas as afirmações (I) e (II) são necessariamente verdadeiras
E. apenas a afirmação (III) é necessariamente verdadeira

7. Definição de Base
P1 2018 Álgebra Linear I

Seja 𝐸 = {𝑣
iiii⃗,
U iiii⃗,
𝑣o iiii⃗, 𝑣¯ vetores de 𝑉 r contendo uma base. Considere as
𝑣r iii⃗ }
seguintes afirmações:

19
I. Existe ao menos um subconjunto de 𝐸, formado por 3 vetores, que é LI;
II. Qualquer subconjunto de 𝐸, formado por 2 vetores, é LI;
III. Pode existir um subconjunto de 𝐸, formado por 3 vetores, que não gera
𝑉 r.

Nestas condições, podemos afirmar:

A. Só (II) e (III) são verdadeiras.

B. Só (I) e (III) são verdadeiras.
C. Só (II) é verdadeira.
D. Só (I) é verdadeira.
E. Só (III) é verdadeira.

8. Produto Escalar
P1 2018 Álgebra Linear I

Seja 𝐴𝐵𝐶𝐷 um tetraedro regular de aresta unitária.

Se 𝑋 é o ponto médio do segmento 𝐴𝐵 e 𝛼 = iiiii⃗

𝐵𝐶 ∙ iiiii⃗
𝐷𝑋, então:

A. 𝛼 = 0
U
B. 𝛼 < −
o

20
 U
C. 0 < 𝛼 <
o
U
D. ≤ 𝛼
o
U
E. − ≤ 𝛼 < 0
o

9. Produto Escalar
P1 2015 Álgebra Linear I

Sejam 𝑎, 𝑏, 𝑐 ∈ ℝ e ℰ uma base ortonormal de 𝑉 r . Considere os vetores

𝑧⃗ = (1, 0, 1)ℰ , 𝑣⃗ = (−2, 1, 0)ℰ , 𝑤
ii⃗ = (0, −1, 1)ℰ e 𝑥⃗ = (𝑎, 𝑏, 𝑐)ℰ . Se ‖𝑥⃗‖ =
3, 𝑥⃗ é ortogonal a 𝑧⃗ e {𝑣⃗, 𝑤 ii⃗, 𝑥⃗} é linearmente dependente, então
||𝑎 + 𝑏 + 𝑐|| é igual a:

A. 2
B. 3
C. 1
D. 7
E. 5

10. Projeção Ortogonal

P1 2015 Álgebra Linear para Engenharia I

Seja 𝐵 uma base ortonormal de 𝑉 r e considere os vetores:

𝑣⃗ = (1, −2,3)v e 𝑤
ii⃗ = (3,1, −2)v

Sejam 𝑥⃗, 𝑦⃗ ∈ 𝑉 r tais que 𝑤

ii⃗ = 𝑥⃗ + 𝑦⃗, 𝑥⃗ é paralelo a 𝑣⃗ e 𝑦⃗ é ortogonal a 𝑣⃗.
Se 𝑦⃗ = (𝑎, 𝑏, 𝑐)v , então 𝑎 + 𝑏 + 𝑐 é igual a:

A. −2

21
 ³
B.
´
C. 2
U³
D.
´
Uµ
E.
´

11. Matriz de Mudança de Base

P2 2016 Álgebra Linear I, exercício 14 (Adaptado)

Considere no espaço 𝐸 r um cubo cujos vértices são A, B, C, D, E, F, G, H em

que ABCD, ADHE e ABFE são faces desse cubo, como ilustrado na figura
abaixo:
H G

F
E

D C

A B

Sejam𝐵 e 𝐶 as bases de 𝑉 r dadas por:

iiiii⃗, iiiii⃗
𝐵 = {𝐷𝐴 𝐷𝐶 , iiiiii⃗ iiiii⃗ , iiiiii⃗
𝐷𝐻 } e 𝐶 = {𝐷𝐸 𝐵𝐷, iiiii⃗
𝐷𝐺 }.

Se 𝑀 é a matriz real 3𝑥3 tal que

𝑀[𝑣⃗]• = [𝑣⃗]v ,

22
para todo 𝑣⃗ ∈ 𝑉 r ,então o determinante de 𝑀 é igual a:

A.1
B.−1
C.3
D.2
E.−2

12. Matriz de Mudança de Base

P2 2017 Álgebra Linear I, exercício 10 (Adaptado)

Sejam 𝐵 = {𝑏 iii⃗U , iiii⃗

𝑏o , iiii⃗ iii⃗U , 𝑓
𝑏r } e 𝐹 = {𝑓 iii⃗o , iii⃗
𝑓r } bases de 𝑉 r e considere o vetor
𝑣⃗ = (2, −1,3)v . Denote por 𝑀 a matriz cujas colunas são
iii⃗U Œ , ‹𝑓
‹𝑓 iii⃗o Œ , ‹𝑓
iii⃗r Œ . Se
v v v

1 −1 1
@ 2 −3 1 F
−1 1 −2

Então as coordenadas de 𝑣⃗ na base 𝐹 serão:

A. (6,10, −9)
B. (17,10, −5)
C. (4,10, −9)
D. (6,4, −9)
E. (15,10, −5)

23
13. Produto Vetorial
P2 2015 Álgebra Linear I, exercício 5

Considere os pontos 𝐴 = (1,2, −1), 𝐵 = (−1,0, −1) e 𝐶 = (2,1,2). A

altura do triângulo 𝐴𝐵𝐶 relativa à base 𝐵𝐶 é igual a:

oo
A.2}
Uµ

oo
B.}
Uµ
√oo
C.
Uµ
√oo
D.2
Uµ
Uµ
E.}
oo

14. Produto Vetorial

P2 2018 Álgebra Linear I, exercício 2

Seja 𝐵 = {𝑢 ii⃗} uma base ortonormal positiva de 𝑉 r . Se 𝑥⃗ = (𝑎, 𝑏, 𝑐)v

i⃗, 𝑣⃗, 𝑤
é a solução da equação (𝑥⃗ ∧ 𝑢 i⃗) ∧ (𝑥⃗ ∧ 𝑣⃗) = 36𝑤
ii⃗, então a soma |𝑎| +
|𝑏| + |𝑐| é igual a:

A.9
B.12
C.6
D.4
E.36

24
Gabarito

1. B
2. B
3. C
4. A
5. C
6. A
7. B
8. E
9. C
10. E
11. E
12. B
13. A
14. C

25