Escolar Documentos
Profissional Documentos
Cultura Documentos
Quatro PDF
Quatro PDF
N (A) ≡ {x : Ax = 0} ⊆ Rn .
C(A) ≡ {Ax : x ∈ Rn } ⊆ Rm .
L(A) ≡ {yA : x ∈ Rn } ⊆ Rn .
N left (A) = {y : yA = 0} ⊆ Rm .
No texto de apoio de João Queiró e Ana Paula Santana, que temos vindo a acompanhar
nas aulas teóricas, o espaço das linhas de A é denotado por C(AT ). Portanto, esses autores,
e outros, optaram por definir espaço das linhas como sendo o espaço das colunas da matriz
transposta. Ainda que ambos os conjuntos, C(AT ) e L(A), sejam essencialmente o mesmo
conjunto, a distinção reside no facto de que os elementos de C(AT ) são vectores-coluna
enquanto que os elementos de L(A) são vectores-linha. Essa distinção não é importante
para o desenvolvimento que se segue.
2 Álgebra Linear e Geometria Analítica
A explicação do parágrafo anterior aplica-se também, e quase sem mudar uma vírgula,
ao espaço nulo à esquerda de A, que alguns autores optaram por denotar N (AT ) - o espaço
nulo da matriz transposta.
Vejamos uma justificação breve para o facto dos quatro conjuntos apresentados serem
subespaços vectoriais, de Rn ou Rm consoante o espaço (vectorial) onde estão inseridos.
Os conjuntos N (A) e N left (A) são núcleos de alguma matriz nomeadamente, A e AT ,
respectivamente. Provámos na aula teórica que o núcleo de uma matriz é (sempre) um
subespaço vectorial. Também, os conjuntos C(A) e L(A) são espaço das colunas de alguma
matriz nomeadamente, A e AT , respectivamente. Provámos na aula teórica que o espaço
das colunas de uma matriz é (sempre) um subespaço vectorial.
Como proceder para obter uma base e, portanto identificar a dimensão, de cada um
destes subespaços vectoriais? A resposta decorre de uma cuidada interpretação do procedi-
mento de eliminação de Gauss que explicámos durante a primeira parte do curso, momento
em que se falava exclusivamente de matrizes e operações com matrizes.
Começamos com o espaço das linhas de A. Não confundir espaço das linhas de A com
as linhas de A propriamente ditas. Por exemplo, para a matriz
0 0 0
A≡ 1 2
3 (1)
1 1 1
as linhas são os vectores-linha
[ 0 0 0 ],
[ 1 2 3 ],
[ 1 1 1 ].
Estes três vectores de R3 são, simplesmente, um conjunto gerador de L(A). O conjunto
L(A) é muito maior pois contém todas as combinações lineares que é possível efectuar com
eles. Por exemplo,
[ 3 4 5 ] , [ 2 2 2 ] ∈ L(A).
ser obtida excluindo sequencialmente, um a um, os vectores do conjunto gerador que são
combinação linear dos restantes.
O que pode dar algum trabalho mas nós vamos fazê-lo através da eliminação de Gauss
sobre a matriz A. Usaremos o seguinte resultado que será demonstrado nas aulas práticas:
L(U ) = L(A).
Mais, as linhas de U que forem não nulas definem uma base de L(U ) e, portanto, de L(A).
Isto é verdade porque a matriz U é uma matriz em escada de modo que se ignorarmos
as linhas nulas o sistema de equações lineares homogéneo yU = 0 tem solução única.
Portanto, as linhas não nulas de U (em número igual à característica de A, denotada car(A))
não só constituem um conjunto gerador de L(U ) como formam um conjunto linearmente
independente. Formam uma base.
Mas não é a única base de L(A) que ficamos a conhecer. Se conseguirmos identificar a
submatriz da matriz A que após eliminação de Gauss origina apenas as linhas não nulas
da U então essas linhas da matriz A também constituem uma base de L(A). (Porquê?)
Vamos agora ilustrar com a matriz A definida em (1). A matriz U que se obtém no
final de aplicar a eliminação de Gauss à matriz A é a matriz
1 2 3
U ≡ 0 −1 −2 (2)
0 0 0
B = {[ 1 2 3 ] , [ 0 − 1 − 2 ]}
4 Álgebra Linear e Geometria Analítica
B = {[ 1 2 3 ] , [ 1 1 1 ]}
Agora, consideramos o espaço das colunas C(A). Em geral, C(A) 6= C(U ) pois basta
ver no exemplo anterior que a última componente de qualquer elemento de C(U ) é zero
enquanto que o mesmo não é verdade com alguns elementos de C(A). O que se verifica em
geral é uma igualdade entre as dimensões de C(A) e de C(U ), conforme o Teorema 4.12
na página 87 do texto de apoio de Ana Paula Santana e João Queiró. Nomeadamente,
Teorema 4.12 (. . .) dim C(A) = dim C(U ) = car(A) e, uma base de C(A) é
constituída pelas colunas de A correspondentes às colunas de U que contêm os
pivots.
Vamos agora ilustrar com a matriz A definida em (1) cuja matriz U está definida em
(2). Portanto, dim C(A) = 2 e
1 1
B = 1 , 2
1 1
é uma base de C(A) uma vez que os pivots estão na primeira e segunda colunas de U .
Portanto, acabámos de ver como identificar uma base para cada um dos subespaços
L(A) e C(A). Em particular, vimos que
Como L(A) é essencialmente C(AT ) assim como C(A) é essencialmente L(AT ) então con-
cluímos que
car(A) = car(AT ),
um resultado sobre matrizes que ainda não tinha sido demonstrado antes.
Texto de apoio 5
Agora, explicamos como obter uma base para o espaço nulo N (A).
Claramente, o espaço nulo de A coincide com o espaço nulo de U pois os sistemas de
equações lineares Ax = 0 e U x = 0 são equivalentes. Portanto,
N (A) = N (U ).
Vamos agora ilustrar com a matriz A definida em (1) cuja matriz U está definida em
(2). Claramente,
N (U ) =
x1 x1 + x2 = −3x3 , x3 1
= x2 : −x2 = 2x3 , = −2x3 : x3 ∈ R = L −2
x3 x3 ∈ R x3 1
Agora, explicamos como obter uma base do espaço nulo à esquerda N left (A). Após a
eliminação de Gauss fica conhecida a decomposição
P A = LU,
6 Álgebra Linear e Geometria Analítica
Então,
N left (A) = {y : yA = 0}
= y : yP T (P A) = 0
= y: y PTL U = 0
= y : vU = 0, y P T L = v
vU = 0.
temos
UB
vU = 0 ⇐⇒ [vB vN ] =0
0
⇐⇒ vB UB = 0, vN q.q.
⇐⇒ vB = 0B , vN q.q.
Portanto,
N left (A) = y : y P T L = [0B vN ] , vN ∈ Rm−car(A) ,
cuja base pode ser encontrada de modo análogo ao que se fez para o subespaço N (A).
Texto de apoio 7
Vamos agora ilustrar com a matriz A definida em (1). Para esta matriz a decomposição
P A = LU é igual a
0 1 0 0 0 0 1 0 0 1 2 3
0 0 1 1 2 3 = 1 1 0 0 −1 −2 .
1 0 0 1 1 1 0 0 1 0 0 0
| {z }| {z } | {z }| {z }
P A L U
Para caracterizar N left (A), precisamos, primeiro, resolver o seguinte sistema de equações
lineares nas variáveis w, onde v3 denota um número real qualquer,
1 0 0
[w1 w2 w3 ] 1 1
0 = [0 0 v3 ] ⇐⇒ [w1 w2 w3 ] = [0 0 v3 ] ,
0 0 1
| {z }
L
Finalmente,
0 1 0
left
N (A) = [0 0 v3 ] 0 0 1 : v3 ∈ R
1 0 0
= {v3 [1 0 0] : v3 ∈ R}
= L ([1 0 0]) .
B = {[1 0 0]}