Álgebra Linear e Geometria Analítica Texto de apoio

Professor João Soares 7 páginas

Universidade de Coimbra 26 de Novembro de 2009

Os Quatro Subespaços Fundamentais

Seja A uma matriz m × n de elementos reais. Os quatro subespaços (vectoriais) funda-
mentais associados a esta matriz são:

espaço nulo de A: o conjunto das soluções do sistema de equações lineares homogéneo

Ax = 0. Em linguagem matemática,

N (A) ≡ {x : Ax = 0} ⊆ Rn .

espaço das colunas de A: o conjunto de todas as combinações lineares de colunas da

matriz A. Em linguagem matemática,

C(A) ≡ {Ax : x ∈ Rn } ⊆ Rm .

espaço das linhas de A: o conjunto de todas as combinações lineares de linhas da matriz

A. Em linguagem matemática,

L(A) ≡ {yA : x ∈ Rn } ⊆ Rn .

espaço nulo à esquerda de A: o conjunto das soluções do sistema de equações lineares

homogéneo yA = 0. Em linguagem matemática,

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).

Na verdade, o espaço das linhas de A é um conjunto com uma infinidade de elementos

porque, como vimos antes, é um subespaço vectorial distinto do vector nulo.
Portanto, conhecemos um conjunto gerador para L(A) e como sabemos, pois foi expli-
cado nas aulas teóricas, todo o conjunto gerador contém uma base. Base essa que pode
Texto de apoio 3

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:

Dado um conjunto de vectores, se a um dos seus elementos adicionarmos um

múltiplo escalar de um outro elemento então o subespaço gerado pelo conjunto
de vectores permanece o mesmo, bem como a dependência ou independência
linear dum e doutro.

Deste resultado decorre imediatamente que as linhas da matriz U , obtida no final da

eliminação de Gauss, geram o mesmo subespaço que as linhas da matriz A pois as linhas
de U são obtidas por operações elementares desse tipo. Por outras palavras,

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

Portanto, dim L(A) = 2 e

B = {[ 1 2 3 ] , [ 0 − 1 − 2 ]}
4 Álgebra Linear e Geometria Analítica

é uma base de L(A). E conseguimos identificar outra base, nomeadamente,

B = {[ 1 2 3 ] , [ 1 1 1 ]}

porque se aplicarmos eliminação de Gauss à submatriz da matriz A constituída pelas duas

últimas linhas, a matriz U que obterímos seria precisamente definida pelas linhas não nulas
da matriz em (2).

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

dim L(A) = dim C(A) = car(A).

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 ).

Como U é uma matriz em escada, o conjunto solução do sistema de equações lineares

U x = 0 pode ser completamente caracterizado por substituição ascendente, eventualmente
em função das varíáveis não básicas (ou livres) se as houver. Dessa caracterização (ou
solução geral) imediatamente se destaca um conjunto gerador, conjunto esse que tem que
ser linearmente independente uma vez que cada um dos seus elementos tem unicamente
uma componente distinta não nula (em que posição?). Como há n − car(A) variáveis não
básicas então concluímos que

dim N (A) = n − car(A).

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
   

de onde se conclui que dim N (A) = 1 e

 
 1 
B =  −2 
1
 

é uma base de N (A).

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


Vejamos qual é a solução geral do sistema

vU = 0.

Como U é uma matriz em escada, as primeiras linhas definem um conjunto de linhas

linearmente independente (em número igual a car(A)) e as restantes são linhas de tudo-
zeros. Por isso, para os seguintes conjuntos de índices

B = {1, 2, . . . , car(A)}, N = {car(A) + 1, car(A) + 2, . . . m},

temos
 
UB
vU = 0 ⇐⇒ [vB vN ] =0
0
⇐⇒ vB UB = 0, vN q.q.
⇐⇒ vB = 0B , vN q.q.

Quer isto dizer que a solução geral do sistema vU = 0 é simplesmente

 
v = [0B vN ] ≡ 0 0 . . . 0 vcar(A)+1 . . . vm , vcar(A)+1 , . . . , vm ∈ R.

Portanto,
N left (A) = y : y P T L = [0B vN ] , vN ∈ Rm−car(A) ,


ou, melhor ainda,

N left (A) = wP : wL = [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]) .

de onde se conclui que dim N left (A) = 1 e

B = {[1 0 0]}

é uma base de N left (A).