Escolar Documentos
Profissional Documentos
Cultura Documentos
Começamos por justificar, de forma breve, que os quatro conjuntos apresentados são,
de facto, subespaços (dos espaços onde estão inseridos). Na aula mostrámos que N (A) 6= ∅
e que neste conjunto a soma e multiplicação por um escalar são operações fechadas. Por
isso, N (A) é um subespaço de Rn . O mesmo é verdade para C(A), pelo que C(A) é um
subespaço de Rm . Por outro lado, N esq (A) = N (AT ) e L(A) = C(AT ), pelo que ambos os
conjuntos N esq (A) e L(A) também são subespaços, de Rm e Rn , respetivamente.
Por isso, podemos chamar (sub)espaços vetoriais a esses conjuntos e vetores aos
seus elementos.
Neste texto de apoio veremos que é possível identificar uma base de cada um dos
subespaços fundamentais associadas a uma matriz A no final da eliminação de Gauss.
Importa não confundir espaço das linhas de A com as linhas propriamente ditas. Bem
como não confundir espaço das colunas de A com as colunas de A. Por exemplo, para a
matriz
1 1 2 2 1 1
2 2 4 4 3 1
A≡
2
(1)
2 4 4 2 2
3 5 8 6 5 3
2 Álgebra Linear e Geometria Analítica
Estes quatro vetores de R6 são, simplesmente, um conjunto gerador do espaço das linhas de
A, que tem muito mais elementos pois contém todas as combinações lineares que é possível
efectuar com esses quatro vetores.
Por isso, as linhas da matriz em escada U que se obtêm no final da eliminação de Gauss
sobre a matriz A geram o mesmo subespaço que as linhas da matriz A. Matematicamente,
L(U ) = L(A).
Portanto, como as linhas não nulas de U são as três primeiras concluímos que
1 0 0
1 2
0
2 2 0
, ,
2 0 0
1 2 1
1 0 −1
Note-se que as primeiras r linhas da matriz P A permitem obter sem trocas as linhas
não nulas da matriz U . Por isso as linhas dessa submatriz de A também formam uma base
1
Numa implementação adequada da eliminação de Gauss em computador não é necessária uma refato-
rização de P A com o propósito de identificar L.
4 Álgebra Linear e Geometria Analítica
de L(A). No exemplo,
1 0 0 0 1 1 2 2 1 1 1 1 2 2 1 1
0 0 0 1 2 2
4 4 3 1 3
5 8 6 5 3
PA =
0 = ,
1 0 0 2 2 4 4 2 2 2 2 4 4 3 1
0 0 1 0 3 5 8 6 5 3 2 2 4 4 2 2
pelo que,
1 3 2
1 5 2
2
,
8
,
4
2
6
4
1 5 3
1 3 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 C(A).
Contudo, as colunas de U e as colunas de A estão relacionadas. Atendendo a que
existe uma matriz invertível E, resultado do produto de matrizes elementares associadas
às operações elementares da eliminação de Gauss, tal que
E A = U,
|{z}
=L−1 P
Consideramos a matriz A em (1) cuja matriz U foi encontrada em (2). Uma vez que os
Texto de apoio 5
Acabámos de mostrar que dim C(A) = dim L(A) = car(A). Mas, então, atendendo a
que C(A) = L(AT ),
pelo que o número de pivots obtidos após a eliminação de Gauss à matriz A e à matriz AT
é o mesmo. Um resultado lateral que ainda não tinha sido observado antes.
Sobre o espaço nulo ou núcleo de uma matriz. 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. Matematicamente,
N (A) = N (U ).
Como U é uma matriz em escada, então U é uma matriz que, a menos de uma permutação
das colunas, tem o seguinte aspeto:
UCB UCN
U= (3)
0DB 0DN
onde C denota o conjunto de índices das primeiras r ≡ car(A) linhas, D denota os restantes
índices de linha; B denota o conjunto dos índices das variáveis básicas, e N denota o
conjunto dos índices das variáveis não básicas (ou livres) - atente-se a distribuição de cores
em (2).
Note-se que [UCB UCN ] denota a submatriz de U que contém apenas as linhas não
nulas, e que UCB é uma matriz triangular superior contendo as colunas com os pivots - em
particular, invertível. Por isso,
UCB UCN xB 0C
Ux = 0 ⇐⇒ =
0DB 0DB xN 0D
⇐⇒ UCB xB + UCN xN = 0C
−1
⇐⇒ xB = −UCB UCN xN ,
6 Álgebra Linear e Geometria Analítica
−1
−UCB UCN xN
N (A) = : xN q.q.
xN
−1
−UCB UCN
= xN : xN q.q.
IN
−1
−UCB UCN
= C ,
IN
Portanto, N (A) é o espaço das colunas de uma matriz com n linhas e n − car(A)
colunas. Todas estas colunas formam um conjunto linearmente independente, devido à
presença da matriz identidade IN , e, por isso, constituem uma base de N (A). Concluímos
que dim N (A) = n − car(A).
Ilustramos com a matriz A definida em (1) cuja matriz U foi encontrada em (2):
x1
x2
1 1 1 x1 2 2 1 x3 0
x3
N (A) = ∈ R6 : 0 2 2 x2 + 2 0 0 x4 = 0
x4
0 0 1 x5 0 0 −1 x6 0
x5
| {z }| {z } | {z }| {z }
x6 UCB xB UCN xN
Deste modo, temos as variáveis básicas (x1 , x2 e x5 ) descritas implicitamente, mas de forma
única, em função das variáveis não básicas (x3 , x4 e x6 ). Resolvendo esse sistema triangular
superior por substituição ascendente concluímos que
x1 −x3 − 2x4 − x6 −1 −2 −1 x3
x2 = −x3 − x6 = −1 0 −1 x4 .
x5 x6 0 0 1 x6
| {z } | {z } | {z }| {z }
xB −1 −1 xN
−UCB UCN xN −UCB UCN
Texto de apoio 7
Por isso,
−1 −2 −1
−1 0 −1
x x
3 3
1 0 0
3
N (A) =
0
x4 : x4 ∈ R
1 0
x x6
6
0 0 1
0 0 1
−1 −2 −1
−1 0 −1
1 0 0
= x3 + x4 + x6 : x3 , x4 , x6 ∈ R
0
1
0
0 0 1
0 0 1
−1 −2 −1
−1 0 −1
1 0 0
= C .
0 1 0
0 0 1
0 0 1
Naturalmente, as três colunas definem um conjunto linearmente independente, tal como
foi explicado atrás. Portanto,
−1 −2 −1
−1 0 −1
1 0 0
, ,
0 1 0
0 0 1
0 0 1
Agora, explicamos como obter uma base do espaço nulo à esquerda N esq (A). Uma
possibilidade é obter uma base de N (AT ) através do processo que descrevemos para o
espaço nulo de uma matriz. Mas como isso obrigaria a uma nova eliminação de Gauss,
desde vez sobre AT , aqui descrevemos um processo alternativo que não obriga a uma nova
eliminação de Gauss.
Primeiro, mostramos o seguinte resultado que relaciona o espaço nulo à esquerda de A
com o espaço nulo à esquerda de U .
8 Álgebra Linear e Geometria Analítica
pelo que
y = (LT P )−1 v = (L−1 P )T v.
⇐⇒ vC = 0C ,
Texto de apoio 9
Portanto, N esq (U ) é o espaço das colunas de uma matriz com m linhas e m − car(A)
colunas. Todas estas colunas formam um conjunto linearmente independente, devido à
presença da matriz identidade IDD .
Mas,
−T
L−T L−T
T 0CD LCC 0CD
−1
L P =P T CD
=P T CD
= P T L−T
·D ,
IDD 0DC L−T
DC IDD −T
IDD
Portanto, N esq (A) é o espaço das colunas de uma matriz com m linhas e m − car(A)
colunas. Todas estas colunas formam um conjunto linearmente independente (porquê?), e,
por isso, constituem uma base de N esq (A). Concluímos que dim N esq (A) = m − car(A).
Vamos agora ilustrar com a matriz A definida em (1). Pelo Teorema 1, sabemos que
y1 1 3 2 2 1 0 0 0 y1 0
y2 0 1 0 0 0 0 0 1 y2 0
N esq (A) = ∈ R4 : = ,v ∈ R ,
0 4
y 3
0 0 1 0 0 1 0 0 y3
y4 0 0 0 1 0 0 1 0 y4 v4
| {z }| {z } | {z }
LT P v∈N esq (U )
10 Álgebra Linear e Geometria Analítica
porque a quarta linha de U é a única linha nula desta matriz. O sistema triangular superior
é equivalente a
1 3 2 2 y1 0
0 1 0 0 y4
0
=
0 0 1 0 y2 0
0 0 0 1 y3 v4
| {z }
Py
y4 0
Por isso,
−2
0
esq
N (A) = [v ] : v ∈ R
1 4 4
0
| {z }
T −T
P L·D
Concluímos que
−2
0
1
0