Documente Academic
Documente Profesional
Documente Cultură
1.1
O que essa seo faz estender o conceito de vetor usando as propriedades bsicas de vetores
em Rn como axiomas. Se um conjunto de objetos satiszer esses axiomas teremos a garantia
de que eles se comportam como vetores conhecidos.
1.1.1
A prxima denio consiste de 10 axiomas, 8 dos quais foram enunciados no Cap 3 como
propriedades de vetores no Rn :
Denio 1 Seja V um conjunto no vazio qualquer de objetos no qual estejam
denidas duas operaes, a adio e a multiplicao por escalar. Por adio entendemos uma regra que associa a qualquer par de objetos !
u e !
v em V um objeto !
u +!
v
!
!
denominada soma de u com v ; por multiplicao por escalar entendemos uma regra que
associa a cada escalar a e cada objeto !
u em V, um objeto a!
u , denominado multiplo escalar
!
de u por a. Se os axiomas seguintes forem satisfeitos por todos os objetos !
u, !
v e!
w em
V e quaisquer escalares a e b diremos que V um espao vetorial e os objetos em V
so vetores.
1. Se !
u e!
v 2 V , ento, !
u +!
v 2V
!
!
!
!
2. u + v = v + u
3. !
u + (!
v +!
w ) = (!
u +!
v)+!
w
!
4. 9 0 2 V; Denominado Vetor nulo (ou zero) de V, tal que 0 + !
u = !
u + 0, para
!
qualquer u 2 V
5. Dado qualquer u 2 V existe algum objeto !
v 2 V , denominado negativo de u, tal
que u + ( !
v)=( !
v)+!
v =0
6. Se a 2 R e u 2 V; ento au 2 V
7. a(!
v +!
v ) = a!
v + a!
v
!
!
8. (a + b) v = a v + b!
v
9. a(b!
v ) = (ab)!
v
!
10. 1 v =!
v
Observao 2 Note que a denio de um espao vetorial no especica nem a natureza
dos objetos (vetores) nem das operaes (no precisam ser as operaes padres de soma e
multiplicao por escalar). A nica exigncia que os 10 axiomas sejam satisfeitos.Como
veremos existe o espao vetorial de funes reais, das matrizes e etc.
Passos para mostrar que um espao com duas operaes um espao vetorial
Passo 1.- Identique o conjunto de objetos que sero os vetores
Passo 2.- Identique as operaes de soma e multiplicao por escalar
Passo 3.- Verique a validade dos Axiomas 1 e 6, que podem tambm ser denominados,
fechamento na soma e na multiplicao por escalar, respectivamente.
Passo 4.- Conrme que valem os Axiomas 2, 3,4, 5, 7, 8, 9, 10.
Exemplos de Espas Vetoriais:
Exemplo 3 Espao vetorial nulo
Passo
Passo
Passo
Passo
1.2.3.4.-
u12
u22
Subespaos Vetoriais
possvel que um espao vetorial esteja contido em um outro espao vetorial. Assim, a esse
primeiro espao damos o nome de subespao vetorial.
Denio 11 Um subconjunto W de um espao vetorial V denominado subespao vetorial
de V se W for um espao vetorial com as operaes de soma e multiplicao por escalar
denidas em V .
Deveramos vericar os 10 axiomas para mostrar que W um espao vetorial. No entanto,
se W for parte de um espao vetorial V conhecido, ento certos axiomas no precisam ser
vericados pois eles so "herdados" de V . Por outro lado, necessrio vericar que W
fechado na soma e multiplicao por escalar, j que a soma de dois vetores em W ou a
multiplicao de um vetor em W pode produzir um vetor em V mas que no est em W,
conforme gura abaixo.
Ento, esses so os axiomas que devem ser vericados para mostrar que W um subespao
de V . No entanto, basta mostrar que valem os axiomas 1 e 6 j basta.
O teorema seguinte mostra que se os axiomas (1) e (6) valem para W , ento (4) e (5)
tambm valem e no precisam ser vericados.
Teorema 12 Se W for um subconjunto de um ou mais vetores num espao vetorial V , ento,
W um subespao de V se e s se, as condies abaixo forem verdadeiras:
a) Se u e v 2 W;ento u + v 2 W
b) Se a for um escalar qualquer e u 2 W , ento au 2 W:
Prova. Se W for um subespao de V ento, valem os 10 axiomas, inclusive o (1) e o (6),
que so exatamente as condies a) e b). Reciprocamente, suponha que valham a) e b)
como esses axiomas so os (1) e (6) e os axiomas 2,3,7,8,9 e 10 so herdados de V , basta
mostrar que valem os axiomas 4 e 5 para W . Seja u 2 W . Como por hiptese b) satisfeita,
ento au 2 W para qualquer escalar a. Logo, vale para a = 0 e a = 1, ento 0u 2 W e
( 1)u = u 2 W; mostrando que valem os axiomas 4 e 5 em W .
Exemplo 13 O subespao zero
Se V for um espao vetorial qualquer e se W = f0g for o subespao de V que consiste
somente no vetor nulo, ento W fechado na adio e multiplicao por escalar, pois
0 + 0 = 0 e a0 = 0 para qualquer escalar a. Dizemos que W o subespao zero ou nulo
de V .
Exemplo 14 Retas pela orgem so subespaos em R2 e R3
Se W for uma reta que passa pela orgem no R2 ou R3 ento tanto a soma de quaisquer
dois vetores na reta como a multiplicao por escalar de algum vetor na reta tambm estaro
na reta, logo W fechado na soma e multiplicao por escalar. Ver gura abaixo:
Exemplo 19 Subespao C( 1; 1)
Existe um teorema no Clculo que arma que a soma de funes contnuas contnua, e
que uma constante vezes uma funo contnua contnua. Enunciado na linguagem de espaos vetoriais, o conjunto das funes contnuas em ( 1; 1) um subespao de F ( 1; 1).
Denotaremos esse subespao por C( 1; 1).
Exemplo 20 Funes com derivada contnua
Dizemos que uma funo com derivada contnua continuamente derivvel. Existe um
teorema no Clculo que arma que a soma de duas funes continuamente derivveis
continuamente derivvel, e que uma constante vezes uma funo continuamente derivvel
continuamente derivvel. Assim, as funes que so continuamente derivveis em (-1; 1)
formam um subespao de F ( 1; 1). Denotamos esse espao por C 1 ( 1; 1), sendo que
o expoente 1 enfatiza que a primeira derivada contnua. Levando isso um passo adiante,
o conjunto das funes com derivadas at ordem m contnuas em ( 1; 1) um subespao
de F ( 1; 1), bem como um subespao o conjunto das funoes com derivadas de todas
as ordens contnuas em (-1; 1). Denotamos esses espaos por C m ( 1; 1) e C 1 ( 1; 1),
respectivamente.
Teorema 23 Se W1 ; W2 ; :::; Wr forem subespaos de um espao vetorial V , ento a interseo desses subespaos tambm ser um subespao de V.
Prova. Seja W a interseo dos subespaos W1 ; W2 ; :::; Wr . Esse conjunto no vazio por
que como cada um desses subespaos contm o vetor nulo de V, tambm sua interseo
tem o vetor nulo, falta mostrar que W fechado na adio e na multiplicao por escalar.
Adio: Sejam u e v 2 W , ento esto em cada um desses subespaos. Como esses
subespaos so fechados na adio ento, u + v tambm est em cada um deles e portanto,
estar na interseo W .
Multiplicao por escalar: Analogamente seja u 2 W . Como os subespaos so
fechados na multiplicao por escalar, au tambm est em cada um deles e portanto, estar
na interseo W.
Denio 24 Dizemos que um vetor w num espao vetorial V uma combinao linear
de v1 ; v2 ; :::; vr 2 V se w puder ser expresso na forma w = a1 v1 + a2 v2 + ::: + ar vr , em
que a1 ; a2 ; :::; ar so escalares. Esses escalares so denominados coecientes da combinao
linear.
Teorema 25 Seja S = fw1 ; w2 ; :::; wr g um conjunto no vazio de vetores num espao vetorial V.
Independencia Linear
p
p
(3; 2) = 4(1; 0) + 3(0; 1)
2 p12 ; p12 = 4e1 + 3e2
2w
Ento, ao introduzir um vetor "superuo" criamos a complicao de ter mltiplas maneiras
de associar qualquer vetor do plano a uma combinao linear de vetores do plano. O que
torna w supruo o ato de ele poder ser expresso como uma combinao linear dos vetores
e1 e e2 , pois w = p12 e1 + p12 e2 :
Como descobrir se um vetor de um conjunto S uma combinao linear dos
demais vetores em S???
Denio 40 Se S = fv1 ; v2 ; :::; vr g for um conjunto no vazio de vetores em um espao
!
vetorial V , ento, se a equao vetorial k1 v1 + k2 v2 + ::: + kr vr = 0 tem somente a soluo
trivial k1 = 0; k2 = 0 e kr = 0 dizemos que S um conjunto linearmente independente
(seus vetores so linearmente independentes, ou LI). Se existem outras solues alm da
trivial, dizemos que S um conjunto linearmente dependente (seus vetores so linearmente
dependentes, ou LD).
Exemplo 41 Independencia linear dos vetores cannicos no Rn
A independncia linear de vetores cannicos em qualquer espao vertorial em que estes
vetores estejam contidos o caso mais simples.
Prova da independencia linear de vetores cannicos e1 = (1; 0; 0); e2 = (0; 1; 0) e e3 =
!
(0; 0; 1) em R3 : Monte a equao k1 e1 + k2 e2 + k3 e3 = 0 ! (k1 ; k2 ; k3 ) = (0; 0; 0) ou
k1 = k2 = k3 = 0. Portanto, e1 ; e2 e e3 so LI.
Exemplo 42 Independncia Linear no R3
v1 = (1; 2; 3); v2 = (5; 6; 1) e v3 = (3; 2; 1) so LI ou LD???
!
Monte a equao k1 v1 + k2 v2 + k3 v3 = 0 ! k1 (1; 2; 3) + k2 (5; 6; 1) + k3 (3; 2; 1) =
!
0 ! (k1 + 5k2 + 3k3; 2k1 + 6k2 + 2k3 ; 3k1 1k2 + k3 ) = (0; 0; 0) igualando as componentes
correspondentes dos dois lados, obtemos o sistema linear homogneo
k1 + 5k2 + 3k3 = 0
2k1 + 6k2 + 2k3 = 0
3k1 k2 + k3 = 0
Resolvendo o sistema obtemos
k1 = 21 t; k2 = 12 t e k3 = t (ou seja, respostas diferentes das triviais, logo, so LD)
Outra forma de descobrir se os vetores so LI ou LD calcular o determinante
da matriz
3
2 de coecientes
1
5 3
A=4 2 6 2 5
3
1 1
1 4
A=4 2 9
2 9
como obtida
3
5
8 5 ; cujo detA = 1 6= 0; portanto a soluo do sistema ser a soluo trivial,
9
antes.
x2 formam um
13
3.1
14
W (x) =
f1 (x)
0
f1 (x)
..
.
f2 (x)
f20 (x)
..
.
:::
:::
..
.
fn (x)
fn0 (x)
..
.
cos
sen 2 =
1 6= 0: Assim as
ex e2x
ex 2e2x = 2e3x
ex 4e2x
no zero em ( 1; 1) portanto as funes formam um conjunto LI.
3.2
Coordenadas e Bases
0
1
1
0
0
0
; M2 =
0
0
1
0
; M3 =
0
1
0
0
e M4 =
e
1 0
0 1
+ c2
+ c3
0 0
0 0
que podem ser rescritas como
c1
c1
c3
c2
c4
0
0
0
0
c1
c3
0
1
c2
c4
0
0
+ c4
0
0
0
1
a b
c d
a b
c d
18
Prova. Como S gera V , segue da denio de conjunto gerador que cada vetor de V pode
ser expresso como uma combinao linear dos vetores em S. Para ver que s existe uma
maneira de expressar um vetor como uma combinao linear dos vetores em S, Suponha que
um certo vetor v possa ser escrito como
v = c1 v1 + c2 v2 + ::: + cn vn
e
v = k1 v1 + k2 v2 + ::: + kn vn
Subtraindo a segunda equao da primeira obtemos
!
0 = (c1 k1 )v1 + (c2 k2 )v2 + ::: + (cn kn )vn
Como os vetores v1 ; v2 ; :::; vn formam uma base eles so linearmente independentes. Isso
implica que c1 k1 = 0; c2 k2 = 0; :::; cn kn = 0, ou seja, c1 = k1 ; c2 = k2 ; :::; cn = kn .
Ento as duas expresses para v so as mesmas.
Agora dispomos de todos os ingredientes necessrios para denir a noo de coordenadas num espao vetorial arbitrrio. Para motivar o conceito, observe que em R3 , por
exemplo, as coordenadas (a; b; c) de um vetor v so precisamente os coecientes na frmula
v = ae1 + be2 + ce3
que expressa v como uma combinaao linear dos vetores canonicos de R3 ver gura abaixo
19
Exemplo 82 Coordenadas em R3
(a) Mostramos num Exemplo anterior que os vetores v1 = (1; 2; 1); v2 = (2; 9; 0); v3 =
(3; 3; 4) formam uma base de R3 . Encontre o vetor de coordenadas de v = (5; 1; 9) em
relao base S = fv1 ; v2 ; v3 g.
(b) Encontre o vetor em R3 cujo vetor de coordenadas em relao base S (v)S =
( 1; 3; 2):
Soluo 83 (a) Para encontrar (v)S precisamos primeiro expressar v como uma combinao
linear dos Vetores em S, ou seja, precisamos encontrar valores de c1 , c2 e c3 tais que
v = c1 v1 + c2 v2 + c3 v3
ou, em termos de componentes,
(5; 1; 9) = c1 (1; 2; 1) + c2 (2; 9; 0) + c3 (3; 3; 4)
igualando as componentes correspondentes, obtemos
c1 + 2c2 + 3c3 = 5
2c1 + 9c2 + 3c3 = 1
c1 +
4c3 = 9
Resolvendo esse sistema obtemos c1 = 1; c2 1 e c3 = 2
Soluo 84 (b) Usando a denio de (v)S = ( 1; 3; 2) obtemos
v = ( 1)v1 + 3v2 + 2v3 = ( 1)(1; 2; 1) + 3(2; 9; 0) + 2(3; 3; 4) = (11; 31; 7)
20
3.3
Dimenso
Na seo anterior, mostramos que a base cannica de Rn tem n vetores e que, portanto,
a base cannica de R3 tem trs vetores, a base cannica de R2 tem dois vetores, e a base
cannica de R1 (= R) tem um vetor. Como pensamos no espao como sendo tridimensional,
um plano como bidimensional e uma reta como unidimensional, parece haver uma relao
entre o nmero de vetores em uma base e a dimenso do espao vetorial. Nesta seo,
desenvolvemos essa ideia.
Teorema 85 Todas as bases de um espao vetorial de dimenso nita tm o mesmo nmero
de vetores.
Para provar esse teorema, vamos precisar do resultado preliminar seguinte, cuja prova
deixada para o nal desta seo.
Teorema 86 Sejam V um espao vetorial de dimenso nita e fv1 ; v2 ; :::; vn g uma base
qualquer de V
(a) um conjunto com mais de n vetores LD
(b) um conjunto com menos de n vetores no gera V.
Agora no difcil ver por que vale o Teorema anterior, pois, se S = fv1 ; v2 ; :::; vn g for
uma base arbitrria de V , ento a independncia linear de S implica que qualquer conjunto
em V com mais de n vetores linearmente dependente, e qualquer conjunto em V com menos
de n vetores no gera V . Assim, vemos que um conjunto em V no pode ser base a
menos que tenha exatamente n vetores.
Notamos, na introduao desta seo, que para certos espaos vetoriais familiares, a noo
intuitiva de dimenso coincide com o nmero de vetores numa base. A denio seguinte
torna precisa essa idia.
Denio 87 A dimenso de um espao vetorial de dimenso nita V denotada por
dim(V ) e denida como o nmero de vetores numa base de V . Alm disso, denimos
o espao vetorial nulo como tendo dimenso zero.
21
22
23
24
3.4
Mudana de bases
Uma base conveniente para um problema pode no ser conveniente para um outro, de forma
que um procedimento comum no estudo de espaos vetoriais a mudana de uma base
para uma outra. Como a base a generalizao de coordenadas para um espao vetorial, a
mudana de bases relacionada mudana de eixos coordenados em R2 e R3 . Nesta seo
estudamos problemas relativos mudana de bases.
Se S = fv1 ; v2 ; :::; vn g for uma base de um espao vetorial V de dimenso nita e se
a aplicao de coordenadas e se (v)S = (c1 ; c2 ; :::; cn ) for o vetor de coordenadas de v em
relao a S, ento, como observamos na Seo 4.4, a aplicao
v ! (v)S
cria uma conexo (uma bijeo) entre os vetores do espao vetorial arbitrria V e os
vetores do espao vetorial familiar Rn .
Existem muitas aplicaes em que necessrio trabalhar com mais de um sistema de mudana de bases coordenadas. Nesses casos, acaba sendo importante saber como se relacionam
as coordenadas de um vetor xado em relao a cada um desses sistemas de coordenadas.
Isso nos leva ao problema seguinte.
Problema da mudana de base Se v for um vetor num espao vetorial V de dimenso
nita e se mudarmos a base de V de uma base B (velha) para uma base B0 (nova)
qual a relao entre os vetores de coordenadas [v]B e [v]B 0 ???.
Para simplicar, resolvemos esse problema em espaos bidimensionais. A soluo para
0
0
espaos de dimenso n analoga. Sejam B = fu1 ; u2 g e B 0 = fu1 ; u2 g as bases velha e nova,
respectivamente. Precisamos dos vetores de coordenadas dos vetores da base nova (B 0 ) em
relao a base velha (B). Suponha que sejam
0
0
a
c
[u1 ]B =
e [u2 ]B =
b
d
isto ,
0
u1 = au1 + bu2
0
u2 = cu1 + du2
Seja, agora, v um vetor qualquer em V e seja
k1
[v]B 0 =
k2
O novo vetor de coordenadas, de modo que
0
0
v = k1 u1 + k2 u2
Para conseguir encontrar as coordenadas velhas de v, devemos expressar v em termos da
base velha B.
25
1
0
0
1
k1
k2
1
1
k1
k2
1
0
0
1
c1
c2
2
1
c1
c2
) u1 = u1 + u2
0
e portanto, PB 0 !B =
[v]B =
1
1
2
1
2
1
1
1
2
1
[v]B 0
Para vericar que deu certo, pegue um vetor qualquer v dentro do espao gerado pelo
0
0
0
5
u1 e u2 , por exemplo, v = (3; 4), logo v = 5u1 u2 e portanto [v]B 0 =
na base
1
1 2
5
3
B. Substitua na equao anterior [v]B =
=
. Consequentemente,
1 1
1
4
v = 3u1 + 4u2 = 3(1; 0) + 4(0; 1) = (3; 4) s que agora na base B 0 :
0
26
Soluo 105 (b) Aqui, queremos encontrar a matriz que nos faz expressar as cordenadas
0
de um vetor qualquer v na base B em termos das cordenadas desse mesmo vetor na base B
Queremos encontrar os vetores de coordenadas dos vetores u1 e u2 da base B em relao aos
0
0
0
vetores u1 e u2 da base B . Para isso, observamos que
0
k1
k2
1
1
) u1 =
1
1
2
1
k1
k2
1
0
u1 + u2
1
1
2
1
c1
c2
0
1
k1 + 2k2 = 0
)
k1 + k2 = 1
c1
2
) u2 = 2u1 u2
=
c2
1
do que segue que
h 0i
h 0i
1
2
u1 =
e u2 =
1
1
1 2
e portanto, PB!B 0 =
1
1
1 2
[v]B 0 =
[v]B
1
1
Para vericar que deu certo, pegue um vetor qualquer v dentro do espao gerado pelo u1
5
e u2 , por exemplo, v = ( 5; 3), logo v = 5u1 + 3u2 e portanto [v]B =
. Substitua na
3
0
1 2
5
11
equao anterior [v]B 0 =
=
. Consequentemente, v = 11u1
1
1
3
8
0
8u2 = 11(1; 1) 8(2; 1) = ( 5; 3)
Suponha, agora, que B e B 0 sejam as bases de um espao vetorial V de dimenso nita.
Como a multiplicao por PB 0 !B transforma vetores de coordenadas em relao base B 0
em vetores de coordenadas em relao base B, e PB!B 0 , transforma vetores de coordenadas
em relao base B em vetores de coordenadas em relao base B 0 , segue que para cada
vetor v de V temos
[v]B = PB 0 !B [v]B 0
[v]B 0 = PB!B 0 [v]B
Exemplo 106 Calculando vetores de coordenadas
Sejam B e B 0 as bases no Exemplo anterior. Use uma frmula apropriada para encontrar
3
[v]B , sabendo que [v]B 0 =
5
Soluo 107 Para encontrar [v]B precisamos fazer a transio de B 0 para B. Das matrizes
de transies anteriores, segue que
[v]B = PB 0 !B [v]B 0 =
3.4.1
1
1
2
1
3
5
7
2
ou seja, [v]B =
7
2
27
1 2
1 2
1 0
=
=I
1
1
1 1
0 1
Segue que (PB 0 !B ) invertvel e que sua inversa (PB!B 0 ),. Assim, obtemos o teorema
a seguir.
(PB 0 !B )(PB!B 0 ) =
Teorema 108 Se P for uma matriz de transio de uma base B para uma base B de um
espao vetorial V de dimenso nita, ento P invertvel e P 1 a matriz de transio de
0
B para B
Nosso prximo objetivo desenvolver um procedimento eciente para calcular matrizes matrizes de transio de transio entre bases de Rn . Conforme ilustrado no
Exemplo anterior, no primeiro passo no clculo de uma matriz de transio expressar cada
vetor da base nova como uma combinao linear dos vetores da base antiga. Em Rn , isso envolve resolver n sistemas lineares em n incgnitas, todos com a mesma matriz de coecientes
(por qu?).
Um procedimento para calcular PB!B 0
Passo 1. Montamos a matriz [B 0 jB].
Passo 2. Reduzimos a matriz do Passo 1 forma escalonada reduzida usando operaes
elementares com as linhas (Gauss Jordan).
Passo 3. A matriz resultante [IjPB!B 0 ].
Passo 4. Extramos a matriz PB!B 0 , do lado direito da matriz do Passo 3.
Esse procedimento capturado no diagrama seguinte.
[B 0 jB]Gauss Jordan[IjPB!B 0 ]
!
Exemplo 109 Relembrando o exemplo anterior
Relembrando a parte (a) do exemplo anterior temos
1 0
k1
1
1 0
c1
2
=
e
=
0 1
k2
1
0 1
c2
1
Como as duas matrizes de coecientes so as mesmas, podemos agrupar os dois
da seguinte forma
1 0
k1 c1
1 2
=
note que a matriz aumentada desse sistema
0 1
k2 c2
1 1
1 0
no preciso fazer nenhuma manipulao para obter I PB 0 !B =
0 1
1 2
O sistema j est resolvido e a soluo PB 0 !B =
.
1 1
sistemas
B
1 2
1 1
Teorema 110 Sejam B 0 = fu1 ; u2 ; :::; un g uma base qualquer do espao vetorial Rn e S =
fe1 ; e2 ; :::; en g.a base cannica do Rn . Se os vetores dessas bases forem escritos em forma de
colunas, ento
PB 0 !S = [u1 ju2 j:::jun ]
Segue desse teorema que se
A = [u1 ju2 j:::jun ] uma matriz n x n invertvel qualquer, ento A pode ser vista como a
matriz de transio da base fu1 ; u2 ; :::; un g de Rn para a base cannica de Rn . Assim, por
exemplo,2a matriz 3
1 2 3
A = 4 2 5 3 5 invertvel (det A 6= 0) e portanto, uma matriz de transio da base
1 0 8
u1 = (1; 2; 1) : u2 = (2; 5; 0); u3 = (3; 3; 8) para a base e1 = (1; 0; 0); e2 = (0; 1; 0); e3 =
(0; 0; 1)
3.5
Nesta seo, estudamos alguns espaos vetoriais importantes associados com matrizes. Aprofundaremos o entendimento das relaes entre as solues de um sistema linear e as
propriedades de sua matriz de coecientes.
Para 2uma matriz n x n
3
a11 a12 ::: a1n
6 a21 a22 ::: a2n 7
6
7
A=6 .
..
.. 7
..
4 ..
.
.
. 5
am1 am2 ::: amn
Os vetores
r1 = a11 a12 ::: a1n
r2 = a21 a22 ::: a2n
..
.
rm = am1 am2 ::: amn
em Rn formados pelas linhas de A so denominados vetores linha de A, e os vetores
2
6
6
c1 = 6
4
a11
a21
..
.
6
7
6
7
7 ; c2 = 6
4
5
a12
a22
..
.
6
7
6
7
7 ; :::; cn = 6
4
5
a1n
a2n
..
.
3
7
7
7
5
am1
am2
amn
em Rn formados pelas colunas de A so denorninados vetores coluna de A.
Denio 111 Se A for uma matriz m x n, ento o subespao de Rn gerado pelos vetores
linha de A denominado espao linha de A, e o subespao de Rm gerado pelos vetores coluna
de A denominado espao coluna de A. O espao soluo do sistema homogneo de equaes
Ax = 0, que um subespao de Rn , denominado espao nulo de A.
Nesta seo e na prxima, iremos nos ocupar de duas questes gerais.
Questo 1. Quais relaes existem entre as solues de um sistema linear Ax = b e o
espao linha, o espao coluna e o espao nulo da matriz de coecientes A?
Questo 2. Quais relaes existem entre o espao linha, o espao coluna e o espao nulo
de uma matriz?
Comeando
com a primeira questo,
2
3
2suponha
3 que
a11 a12 ::: a1n
x1
6 a21 a22 ::: a2n 7
6 x2 7
6
7
6
7
A=6 .
e=6 . 7
7
.
.
.
..
..
.. 5
4 ..
4 .. 5
am1 am2 ::: amn
xn
29
30
2
2
1 3
6 2 6
6
4 0 0
2 6
2
5
5
0
0 2
2 4
10 0
8 4
6
0
6
7
3 76
6
15 5 6
6
18 4
x1
x2
x3
x4
x5
x6
7
7
7 6
7=6
7 4
7
5
3 2
0
1
6 2
0 7
7e6
0 5 4 0
0
2
3
6
0
6
2
5
5
0
0 2
2 4
10 0
8 4
6
0
6
7
3 76
6
15 5 6
6
18 4
x1
x2
x3
x4
x5
x6
7
7
7
7=
7
7
5
3
0
6 1 7
6
7
4 5 5
6
deduzimos que a soluo geral x do sistema no homogneo e a soluo geral xh do sistema homogneo
correspondente (quando
vetor
por
2 relacionadas
3
2
3 2
2
3esto
2
3 coluna)
3 2 escrita
3 como
3r 4s 2t
0
2
x1
4
3
6 x2 7 6
7 6 0 7 6 1 7 6 0 7 6 0 7
r
7
6
7 6
7 6
7 6
7 6
7 6
6 x3 7 6
7 6 0 7 6 0 7 6 2 7 6 0 7
2s
7
7=6
7+t 6
7+s 6
7=6
7+r 6
x=6
6 x4 7 6
7 6 0 7 6 0 7 6 1 7 6 0 7 = x0 +xh
s
7
6
7 6
7 6
7 6
7 6
7 6
4 x5 5 4
5 4 0 5 4 0 5 4 0 5 4 1 5
t
1
1
0
x6
0
0
3
3
Sabemos que os vetores em xh formam uma base do espao soluo de Ax = 0.
3.6
31
6
6
6
v1 = 6
6
6
4
3
1
0
0
0
0
6
7
6
7
6
7
7 ; v2 = 6
6
7
6
7
4
5
4
0
2
1
0
0
6
7
6
7
6
7
7 ; v3 = 6
6
7
6
7
4
5
2
0
0
0
1
0
3
7
7
7
7
7
7
5
O prximo teorema toma possvel encontrar, apenas por inspeo, bases para os espaos
linha e coluna de uma matriz em forma escalonada.
Teorema 118 Se uma matriz R est em forma escalonada por linhas, ento os vetores linha
com os pivs (ou seja, os vetores linha no nulos) formam uma base do espao linha de R,
e os vetores coluna com os pivs formam uma base do espao coluna de R.
Exemplo 119 Bases dos espaos linha e coluna
A matriz
3
2
1
2 5 0 3
6 0 1 3 0 0 7
7
R=6
4 0 0 0 1 0 5
0 0 0 0 0
est em forma escalonada por linhas. Pelo Teorema anterior, os vetores
r1 = [1; 2; 5; 0; 3]
r2 = [0; 1; 3; 0; 0]
r3 = [0; 0; 0; 1; 0]
e os vetores
3
2 3
2
2 3
0
2
1
6 0 7
6 1 7
6 0 7
7
6 7
7
6
c1 = 6
4 0 5 ; c2 = 4 0 5 ; c3 = 4 1 5
0
0
0
formam uma base do espao coluna de R:
Exemplo 120 Bases de um espao linha com reduo por linhas
Encontre
uma base do espao linha da3 matriz
2
1
3 4
2 5
4
6 2
6
9
1
8
2 7
7
A=6
4 2
6 9
1 9
7 5
1 3
4 2
5
4
Soluo 121 Como operaes elementares com linhas no alteram o espao linha de uma
matriz, podemos encontrar uma base do espao linha deA encontrando uma base do espao
linha de qualquer forma escalonada por linhas de A. Reduzindo A forma escalonada reduzida
por linhas, obtemos (verique)
2
3
1
3 4
2 5
4
6 0 0 1 3
2
6 7
7
R=6
4 0 0 0 0
1
5 5
0 0 0 0
0
0
Pelo Teorema anterior, os vetores linha no nulos de R formam uma base do espao linha
de R e, portanto, formam uma base do espao linha de A. Esses vetores de base so
r1 = [1; 3; 4; 2; 5; 4]
r1 = [0; 0; 1; 3; 2; 6]
r1 = [0; 0; 0; 0; 1; 5]
O problema de encontrar uma base do espao coluna da matriz A no exemplo anterior
complicado pelo fato de que uma operao elementar com linhas pode alterar o espao
32
coluna. Contudo, a boa notcia que as operaes elementares com linhas no alteram
as relaes de dependncia linear entre os vetores coluna. Para tomar isso mais preciso,
suponha que w1 ; w2 ; :::; wk sejam vetores coluna linearmente dependentes de A, de modo
que existam escalares c1 ; c2 ; :::; ck no todos nulos e tais que
Efetuando uma operao elementar com as linhas de A, esses vetores sero alterados
0
0
0
em novos vetores coluna w1 ; w2 ; :::; wk . A primeira vista, poderia parecer possvel que os
vetores transformados poderiam ser linearmente independentes. Contudo, isso no ocorre,
pois pode ser provado que esses novos vetores colrma sero linearmente dependentes e, de
fato, relacionados por uma equao
0
0
0
c1 w1 + c2 w2 + ::: + ck wk = 0
que tem exatamente os mesmos coecientes da equao anterior. O fato de as operaes
elementares preservarem a independncia linear entre vetores coluna decorre do fato de essas
operaes serem reversveis (por qu?). O prximo teorema resume todos esses resultados.
Teorema 122 Sejam A e B matrizes equivalentes por linhas
(a) Um conjunto qualquer de vetores coluna de A LI se, e s se, o conjunto de vetores
colunas de B LI.
(b) Um conjunto qualquer de vetores coluna de A forma uma base do espao coluna de
A se, e s se, o conjunto de vetores colunas correspondentes de B forma uma base do espao
coluna de B.
Exemplo 123 Base de um espao coluna com reduo por linhas
Encontre
uma base do espao coluna 3
da matriz
2
1
3 4
2 5
4
6 2
6 9
1 8
2 7
7
A=6
4 2
6 9
1 9
7 5
1 3
4 2
5
4
No exemplo
anterior
vimos
que
3
2
1
3 4
2 5
4
6 0 0 1 3
2
6 7
7
R=6
4 0 0 0 0
1
5 5
0 0 0 0
0
0
uma forma escalonada reduzida por linhas de A. Lembrando que A e R podem
ter espaos coluna distintos, no podemos encontrar uma base do espao coluna de A
diretamente a partir dos vetores coluna de R. Contudo, segue do Teorema anterior que se
encontrarmos um conjunto de vetores coluna de R que formem uma base do espao coluna
de R, ento os vetores coluna de A correspondentes formaro uma base do espao coluna de
A.
Como as primeira, terceira e quinta colunas de R contm os pivs dos vetores linha, temos
que os vetores
2 3
2 3
2
3
1
4
5
6 0 7 0
6 1 7 0
6 2 7
0
7
6 7
6
7
c1 = 6
4 0 5 ; c2 = 4 0 5 ; c3 = 4 1 5
0
0
0
formam uma base do espao coluna de R. Assim, os vetores coluna de A correspondentes,
a saber, 2
3
2
3
2
3
1
4
5
6 2 7
6 9 7
6 8 7
7
6
7
6
7
c1 = 6
4 2 5 ; c2 = 4 9 5 ; c3 = 4 9 5
1
4
5
formam uma base do espao coluna de A.
Ate aqui, focamos nosso estudo em mtodos para encontrar bases associadas a matrizes.
Esses mtodos podem ser facilnente adaptados ao problema mais geral de encontraruma base
do espao gerado por um conjunto de vetores em Rn .
33
As primeira, segunda e quarta colunas contm pivs, de modo que os vetores coluna de
AT correspondentes formam uma base do espao coluna de AT , a saber,
34
6
6
c1 = 6
6
4
1
2
0
0
3
6
7
6
7
7 ; c2 = 6
6
7
4
5
2
5
3
2
6
6
7
6
7
7 ; c4 = 6
6
7
4
5
2
6
18
8
6
3
7
7
7
7
5
3.7
Denio 130 A dimenso comum do espao linha e do espao coluna de uma matriz A
denominada posto de A de denotada por pos(A). A dimenso do espao nulo de A
denominada nulidade de A e denotada por nul(A)
Exemplo 131 Encontre o posto e a nulidade de A
3
2
1 2 0 4
5
3
6 3
7 2 0
1
4 7
7
A=6
4 2
5 2 4
6
1 5
4
9 2
4
4 7
x3 = r
x4 = s
x5 = t
x6 = u
Ou em formato paramtrico
x1 = 4r + 28s + 37t 13u
x2 = 2r + 12s + 16t 5u
x3 = r
x4 = s
x5 = t
x
2
3
2
3
2
3
2 3
26 = u3
13
37
28
4
x1
6
6 16 7
6 12 7
6 2 7
6 x2 7
5 7
6
7
6
7
6
7
6 7
6
7
6 0 7
6 0 7
6 0 7
6 1 7
6 x3 7
7
7 + u6
7 + t6
6
7 = r6 7 + s6
6 0 7
6 0 7
6 1 7
6 0 7
6 x4 7
6
7
6
7
6
7
6 7
6
7
4 0 5
4 1 5
4 0 5
4 0 5
4 x5 5
1
0
0
0
x6
Como os 4 vetores do lado direito de fomam uma base do espao soluo, temos nul(A)=4.
Exemplo 133 Valor mximo do posto
Qual o valor mximo possvel para o posto de uma matriz A de tamanho m x n que
no quadrada?
Soluo 134 Como os vetores linha de A esto em Rn e os vetores coluna, em Rm , o espao
linha de A tem, no mximo, dimenso n, e o espao coluna de A tem, no mximo, dimenso
m. Como o posto de A a dimenso comum dos espaos linha ecoluna, segue que o posto ,
no mximo, o menor dos dois nmeros m e n. Isso pode ser denotado por
pos(A) min(m; n)
em que min(m; n) o mnimo entre m e n.
O teorema seguinte estabelece uma relao importante entre o posto e a nulidade de uma
matriz.
Teorema 135 Se A for uma matriz com n colunas, ento
pos(A) + nul(A) = n
Como A tem n colunas, o sistema linear homogneo Ax = 0 tem n incgnitas (variveis).
Essas variveis entram em duas categorias: as lderes e as livres. Assim,
[nmero de variveis lderes] + [nmero de variveis livres] = n
Ocorre que o nmero de variveis lderes igual ao nmero de pivs na forma escalonada
reduzida por linhas de A, que o posto de A, e o nmero de variveis livres igual ao nmero
de parmetros na soluo geral de Ax = 0
Exemplo 136 A soma do posto e a nulidade
2
3
1 2 0 4
5
3
6 3
7 2 0
1
4 7
7
A=6
4 2
5 2 4
6
1 5
4
9 2
4
4 7
tem 6 colunas, portanto, pos(A) + nul(A) = 6
Isto consistente com o exemplo onde pos(A) = 2 e N ul(A) = 4
37