ÁLGEBRA LINEAR (Gilbert Strang)

INTERPRETAÇÕES:

● Linhas:
Escreve o sistema por linhas mesmo, como costume. Na representação por
linhas vemos cada linha como um plano num sistema 3D(pois temos 3
variáveis:x, y, z).

● Colunas
Transforma-se o que antes por linhas, agora em vetores, tais quais colunas.
Para achar a resposta para as variáveis basta achar a combinação que satisfaça a
equação. Se houver.

● Matrizes
OUTRAS INTERPRETAÇÕES

Quando tem combinação linear entre as linhas ou colunas; Quando as equações

são iguais só diferem a variável/termo independente:

x+y+z=6 ; 2x+2y+2z=12 -> mesmo plano ; x+y+z= 15 -> paralelo.

● Note que nesta imagem a eq 1 e a 3 diferem apenas o lado direito após o

sinal de igualdade, sendo assim, em consequência observamos que os
planos são paralelos (azul \\ vermelho).

● Agora, entre as equações 1 e 2 vemos que há semelhança, a eq2 é duas

vezes a equação 1. Portanto as equações são iguais. Na imagem, por se
tratarem do mesmo plano a equação 2 (vermelha) cobriu a equação 1, um
está contido no outro.
Imagem 1.

Imagem 2.

Olhando para as duas imagens acima(1 e 2) é possível notar que a equação

3 é uma combinação entre 1 vez a eq. 4 - 1 vez a eq. 2 resultando na eq3, ou,
[1(eq4)-1(eq2) = eq3]. Na imagem 2 a combinação é respeitada, logo observamos
que há uma linha de infinitas respostas para esse sistema, isto é, há infinitos pontos,
formando uma linha infinita, que podem e são soluções para o sistema.

Voltando a atenção para a Imagem 1 pode-se observar a divergência para

com a Imagem 2. Nesta - Imagem 1 - não é bem uma combinação linear completa
pois o valor do termo independente na equação 3 foi alterado propositalmente. há,
de fato, entre os valores a esquerda do igual uma combinação, porém o termo a
direita não seguiu a proporção (cabe ressaltar que esse sistema poderia ser real
ainda que não seguisse as proporções, só não há solução que o satisfaça).
Concluindo, havendo uma combinação linear entre as equações, sendo por
linhas ou colunas, podem haver infinitas ou nenhuma solução para o problema.

CONSTATAÇÕES (ditas em sala):

● Se x+y+z=0, logo, estão no mesmo plano, então só podem atingir pontos
desse mesmo plano.
● Matriz Singular não possui inversa.
○ Matriz singular é a matriz formada pela combinação linear entre suas
linhas ou colunas.
● Se há, na matriz uma combinação linear, logo, a matriz é denominada matriz
singular.
○ Sendo o sistema singular não tem como obter os 3 pivôs.

● Se na interpretação por colunas houver uma combinação linear entre os

vetores isso pode significar que estão no mesmo plano. Em resumo, se um
vetor 3 é a combinação do vetor X .(1) + Y.(vetor 2) logo, tendo que duas
retas formam um plano, os vetore 1 e 2 estão, por definição, em um plano,
assim a combinação dos mesmo resulta um vetor no mesmo plano. Dando
continuidade, os vetores 1 e 2 estão no mesmo plano e sua combinação gera
o vetor 3 no mesmo plano. Concluindo, as 3 colunas só atingem pontos deste
plano, portanto não atingem o 3D, as soluções são infinitas, dentro deste
plano.
 Explicando pela imagem(a): sendo o vetor vermelho uma combinação do
verde e do preto ambos se encontram no mesmo plano, ainda que possam atingir
qualquer ponto daquele plano. Na imagem (b) temos uma peculiaridade, se o vetor
verde e preto são iguais( Preto = 2 vezes o Verde, por exemplo), logo a
combinação entre eles só pode estar na mesma reta. Vale ressaltar, infinito 3D >
infinito no plano > infinito na reta.

Fluxograma de operação para achar E e sua inversa, L.

muito cuidado na hora de organizar as modificações ao lado de A não se

deve errar a ordem.

*Gauss-Jordan

Gauss Jordan nos serve para achar a inversa de uma matriz. Para assim
fazer, temos que atribuir a matriz original (podendo ser A, E, L, etc) e ao lado direito,
separado pela linha, atribuir a matriz identidade. Então basta apenas escalonar
(eliminação de Gauss) para fazer o lado esquerdo virar a Identidade - então ao lado
direito surgirá sua inversa.
 Supondo que colocamos a matriz E no lado esquerdo e a identidade ao lado
direito, realizando o escalonamento(eliminação de Gauss) por linhas temos, ao
−1
final, uma matriz Identidade do lado esquerdo e a matriz L, ou, 𝐸 no lado direito.
Mas para que tudo isso?

Para determinar se a matriz tem soluções e, se assim determinado,

possamos resolver quais são os possíveis valores. Ux=c, pela eliminação de Gauss,
torna-se mais descomplicado que Ax=b para resolver e analisar soluções, assim por
diante. Logo, estamos desenvolvendo jeitos mais eficientes, para solucionar um
sistema. Se não me falha a memória o jeito mais rápido era L.U.x=b

Por fim,linha lógica:

ESPAÇOS VETORIAIS (P2 pode trazer uma folhinha de consulta com o

que quiser, frente e verso).
Constatações
● Se m > n logo não temos soluções, se tiver é por que ele é uma combinação
linear para “b”.
● Uma matriz não singular possui colunas e linhas independentes. Se esta
possui linhas e colunas independentes significa que a mesma pode atingir
0
qualquer ponto no espaço. Logo seu espaço nulo é apenas 𝑅
● Uma matriz que possui dois vetores, soluções, que resultam em 0, logo como
dois vetores formam um plano temos um plano inteiro de pontos/vetores que
nos permitem chegar ao 0,0,0.
0
● Quando uma matriz é invertível ela só tem como espaço nulo o 𝑅 . Fácil ver
pois pruma matriz ser invertível ela não deve possuir combinação linear. Por
não ter combinação linear ela atinge todos os pontos do espaço.
 𝑥
● Vetores independentes determinam o 𝑅 que eles mesmos podem acessar. 3
3
vetores independentes significa que eles podem acessar o espaço 𝑅 .
● Colunas Pivôs são as colunas onde se encontram os pivôs.

Processos

Para se obter um resultado ideal para um sistema retangular que tenha

combinação linear precisamos obter o espaço nulo e uma resposta em particular.
Iniciamos então o mecanismo para que possamos, primeiro, achar a matriz
reduzida R dessa matriz retiraremos tudo o que precisamos.Começamos do básico.
Dada uma matriz A, obtenha R.

Aqui é necessário um rápido esclarecimento. Podemos ver que a Matriz A

não é singular, notamos isso pois, suas duas colunas do centro são combinações
lineares. para achar os pivôs escalonamos a matriz A transformando-a na U. As
colunas que possuem pivôs são as colunas dependentes.
Assim, essas colunas chamaremos de colunas dependentes, pois sua
formação depende de outra coluna. Logo, também podemos chamá-las de colunas
pivôs, sobrando como colunas independentes as respectivas colunas 2 e 4.
Dando continuidade ao processo.

Pelo método já conhecido, escalonamento por linhas, obtemos a matriz U

da matriz U encontramos a Reduzida. Para formular a reduzida precisamos apenas
obter zeros acima dos pivôs e torná-los igual a 1.

Seguiremos agora para descobrir quais são as variáveis livres e as variáveis

pivô. Os pivôs das colunas pivôs nos dizem quem são as variáveis pivôs, por
exclusão as que não são pivôs são as livres.
 Variáveis pivôs//Variáveis livres

Retornemos as variáveis livres na forma de equação para acharmos Rx=0 -

espaço nulo.

Agora iremos atribuir valores 1 e 0 para as variáveis livres para assim

acharmos as dependentes.
 Um jeito simples de se ter a resposta é, igualando as variáveis livres a 0.
SEM IGUALAR O SISTEMA A 0

Assim temos como resposta. A solução geral:

Constatações:
● Espaços linhas e nulos da matriz A serão os mesmos da U e da R.
● As soluções especiais de A serão as mesmas da U e da R.

ADENDO
Dentro da matriz quando se faz A → U consegue-se identificar os pivôs. O
número de pivôs chamamos de rank(r). Portanto:
● r é igual ao número de linhas independentes que por sua vez é igual ao
número de colunas independentes.
● r define as dimensões do espaço coluna de A
● Se r = n (número de colunas) → significa que temos um pivô em cada coluna
0
logo a matriz não é singular portanto o espaço nulo = 𝑅 .
● Se r = m → toda linha tem um pivô, logo existe solução para cada b.
 Temos que em uma matriz existem 4 subespaços fundamentais, vamos
citá-los e explicar como achá-los:

● Espaço Coluna: é o subespaço que forma todos os vetores colunas

da matriz analisada. Para encontrá-lo basta achar a matriz U de A →
então você acha os pivôs. As colunas onde os pivôs estão localizados
formam a base do espaço coluna. Dimensão = r.

● Espaço Linha: antes de tudo para obter o espaço linha precisamos

fazer a transposta de A, ou seja, trocar linha por coluna. Assim
prosseguimos. Após realizar a transposição zera-se o que der,
eliminação de gauss → acha os pivôs. Volta e analisa a mesma
coluna na A transposta Cabe ressaltar, mais uma vez, que as linhas
pivôs de A são as mesmas de U e R. Dimensão = r.

● Espaço Nulo: toda explicação de como encontrá-lo está acima,

basicamente consiste em achar as variáveis livres e atribuir 0s e 1s.
Dimensão = n-r (também chamada de nulidade).

● Espaço Nulo a Esquerda: Basicamente consiste no espaço nulo da

𝑇 𝑇
matriz 𝐴 . Logo faz-se a 𝐴 , após utiliza do mesmo conceito já
explicado, atribuem-se 0s e 1s para as variáveis livres e pronto
acha-se o espaço nulo a esquerda. Dimensão = m-r
COMO FAZER A ANÁLISE DAS DIMENSÕES

Sempre analisamos as coordenadas do vetor, por exemplo se ele tem 3

3
coordenadas porém possui algum zero é o mesmo que dizer que ele está num 𝑅
2
porém ele é um 𝑅 . Importante atentar que cada subespaço possui suas dimensões
em função de r, m e n.
DICIONÁRIO
● A x = b → Matriz normal com coluna de variáveis e variáveis independentes.
● U x = c → Matriz depois de estar escalonada e com as variáveis
independentes já escalonados também.
● E = Matrizes que multiplicam ‘A’ e obtemos ‘U’.
● P = Matriz permutação, realiza a troca de linhas.
𝑇
● 𝐴 = Transposta de A. Para A ij temos Aji. Linha vira coluna vice e versa.
−1 −1
● L = 𝐸 → para obter 𝐸 basta aplicar *Gauss-Jordan em ‘E’.
● Pivôs → Quando uma matriz está em forma de escalonada, o primeiro
elemento não nulo de cada linha chama-se pivô.
○ (numa linha nula não há pivô).
○ (só existe um pivô por coluna).
0
● 𝑅 - Espaço nulo onde só existe - para x,y,z, … - o ponto (0,0,0, …)