Escolar Documentos
Profissional Documentos
Cultura Documentos
Assim, sendo l = dimK (N(T ) + Im(T )), temos dimK (N(T ) ∩ Im(T )) = 2k − l.
Como dimK (N(T )) − dimK (N(T ) ∩ Im(T )) = k − (2k − l) = l − k (e
analogamente para dimK (Im(T )) − dimK (N(T ) ∩ Im(T ))), podemos tomar
vetores e1 , . . . , el−k ∈ N(T ), f1 , . . . , fl−k ∈ Im(T ) tais que
⇒ βj = 0, ∀ 1 ≤ j ≤ l − k
⇒ T (u) = 0,
em que utilizamos (1) na antepenúltima linha. Portanto,
Por fim, para mostrar que os vetores em W são LI, temos de tomar uma
combinação linear da forma
2k−l
X l−k
X
α i gi + βj (ej + fj ) = 0
i=1 j=1
4 Aula 20 – 27 de Setembro de 2023
Sistemas lineares
Sejam V e W espaços vetoriais de dimensão finita sobre K e T : V → W um
operador linear. Fixadas bases BV = {e1 , . . . , en } de V e BW = {e′1 , . . . , e′m }
de W , seja [T ]BBW
V
= (aij )m×n .
Dado v ∈ W , consideremos o problema de encontrar,
se houver,
os vetores
b1 x1
u ∈ V tais que T (u) = v. Se [v]BW = ... e [u]BV = ... , sabemos
bm xn
BW
que T (u) = v se, e só se, [T ]BV [u]BV = [v]BW ou, ainda, se, e só se,
x1 b1
a11 a12 . . . a1n
a21 a22 x2 b2
. . . a2n
= . (4)
. . . . . . ... ..
... ...
.
am1 am2 . . . amn xn bm
Por outro lado, se dim(V ) = dim(W ) (isto é, se n = m), sabemos que T
é um isomorfismo se, e só se, T é injetivo, ou, o que é o mesmo, se, e só se,
N (T ) = {0}. Ademais, nesse caso, temos que [T −1 ]BBVW = (aij )−1 , a inversa
da matriz (aij ).
O que fizemos até aqui evidencia a importância de desenvolvermos métodos
computacionalmente eficientes para:
(ii) Multiplicar uma das equações do sistema por um escalar não nulo.
(iii) Trocar uma das equações do sistema pela soma da mesma com um
múltiplo de outra equação.
xn que tem as mesmas equações que (5), exceto pela i−ésima equação, que
agora é
(αai1 )x1 + (αai2 )x2 + . . . + (αain )xn = αbi . (7)
Como toda solução de ai1 x1 + ai2 x2 + . . . + ain xn = bi também é solução de
(7) e vice-versa (pois α ̸= 0), concluı́mos que a troca da equação ai1 x1 +
ai2 x2 + . . . + ain xn = bi por (7) não afeta o conjunto de soluções do sistema.
Por fim, suponha que troquemos a i−ésima equação de (5) pela soma da
mesma com α vezes a j−ésima equação, para algum j ̸= i. Então, em (5), a
equação ai1 x1 + ai2 x2 + . . . + ain xn = bi será trocada pela equação
(ai1 + αaj1 )x1 + (ai2 + αaj2 )x2 + . . . + (ain + αajn )xn = bi + αbj ,
(1) Cada linha não nula venha antes de todas as linhas nulas.
(3) A coluna da primeira entrada de cada linha não nula tenha 0 em todas
as demais posições.
Uma vez feito isso, diremos que a matriz assim obtida estará em forma
escalonada ou reduzida à forma-escada.
Por exemplo, a matriz
1 0 3 0 0 5
0 1 4 0 0 2
0 0 0 1 0 −2 .
0 0 0 0 1 3
está em forma escalonada, e podemos utilizá-la para ver porque colocar uma
matriz em forma escalonada é tão útil para resolver sistemas lineares de
equações.
De fato, supondo que chegamos à matriz acima escalonando a matriz
aumentada do sistema linear (5), com m = 4 e n = 5, concluı́mos, a partir
do Lema 2, que tal sistema é equivalente ao sistema linear
x1
1 0 3 0 0 5
0 1 4 0 0 x2 2
0 0 0 1 0 x3 = −2 .
x4
0 0 0 0 1 3
x5
Antonio Caminha M. Neto 9
para todo x3 ∈ K.
Assim, em palavras, podemos dizer que a vantagem imediata de colocar
matrizes em forma escalonada reside no fato de que sistemas lineares (4)
com matrizes aumentadas em forma escalonada podem ser resolvidos por
uma simples inspeção.