Lição 113 — Núcleo e imagem
Núcleo (kernel), imagem (range), posto e nulidade. Teorema posto-nulidade. As duas estruturas associadas a toda transformação linear que respondem 'quem morre?' e 'até onde chega?'
Used in: 3.º ano do EM avançado · Equiv. Lineare Algebra Leistungskurs alemão · Equiv. H2 Mathematics Singapura · Equiv. Linear Algebra MIT 18.06
O teorema posto-nulidade (rank-nullity theorem) diz que a dimensão do domínio é exatamente a soma da dimensão do que "morre" com (o núcleo) e a dimensão do que é atingível (a imagem). É o resultado mais central da álgebra linear aplicada.
Rigorous notation, full derivation, hypotheses
Definições e teorema central
Núcleo e imagem
"The null space of , denoted , is the set ." — Beezer, A First Course in Linear Algebra, §KER
"The range of , denoted , is the set ." — Beezer, A First Course in Linear Algebra, §RNG
Os quatro subespaços fundamentais
Para com posto :
Os quatro subespaços fundamentais de Strang. O posto r aparece em dois lugares; a nulidade n-r e m-r preenchem o complemento ortogonal.
Caracterizações de injetividade e sobrejetividade
Exemplos resolvidos
Exercise list
34 exercises · 8 with worked solution (25%)
- Ex. 113.1ApplicationAnswer key
Determine o núcleo de , .
Show solution
Para : . Logo , de dimensão 1.Show step-by-step (with the why)
- Escreva a condição , que dá . Por quê: o núcleo é exatamente o conjunto de entradas levadas ao vetor zero.
- Parametrize: faça , então . Vetor gerador: .
- Conclusão: , dimensão 1.
Macete: núcleo de transformação tem dimensão . Aqui (a imagem é a reta ), logo nulidade .
- Ex. 113.2Application
Determine a imagem de e sua dimensão.
Show solution
. A imagem é a reta , dimensão 1. - Ex. 113.3ApplicationAnswer key
Verifique o teorema posto-nulidade para usando os resultados dos dois exercícios anteriores.
Show solution
Nulidade , posto . Soma: . Teorema posto-nulidade verificado. - Ex. 113.4ApplicationAnswer key
Para , determine núcleo, imagem, posto e nulidade.
Show solution
Escalonando: . Posto . Nulidade . . .Show step-by-step (with the why)
- Escalone : anula a segunda linha. Pivô apenas na coluna 1.
- Posto . Nulidade .
- Núcleo: variável livre , então . Gerador: .
- Imagem: 1ª coluna de original: .
Observação: a 2ª linha ser múltipla da 1ª é o sinal de posto reduzido antes de calcular.
- Ex. 113.5Application
Para , determine núcleo e imagem.
Show solution
Escalonando : duas linhas, dois pivôs, posto . Variável livre: . . Imagem = (sobrejetiva). - Ex. 113.6Application
Determine o posto de . (Resp: 2.)
Show solution
Escalonando pelo método de Gauss, a 2ª linha vira após eliminação e a 3ª linha zera. Posto . - Ex. 113.7Application
Determine o núcleo do operador derivação , . (Resp: polinômios constantes.)
Show solution
é constante. Portanto , dimensão 1. - Ex. 113.8Application
Determine a imagem de , . (Resp: .)
Show solution
. Dimensão 3. - Ex. 113.9Application
Verifique o teorema posto-nulidade para .
Show solution
Nulidade (constantes), posto (). Soma . ✓ - Ex. 113.10Application
Para , , determine núcleo e imagem.
Show solution
e . Núcleo: , dim 1. Imagem: (posto 2). - Ex. 113.11Application
Determine o posto da matriz de Vandermonde .
Show solution
A matriz de Vandermonde com nós distintos é sempre invertível. Posto . - Ex. 113.12ApplicationAnswer key
Determine o núcleo e a imagem da projeção ortogonal de sobre a reta .
Show solution
Projeção em : . Núcleo: vetores ortogonais a , i.e., . Imagem: . - Ex. 113.13Application
é uma matriz com posto 3. Qual é a dimensão do núcleo? (Resp: 2.)
Show solution
Pelo teorema posto-nulidade: nulidade . - Ex. 113.14Understanding
Sistema com . Pode ter solução única?
Show solution
Se , então é singular, logo . Qualquer solução gera infinitas soluções com . Solução única é impossível. - Ex. 113.15ApplicationAnswer key
Resolva e descreva a família de soluções.
Show solution
Escalonando: . Solução particular . Família: , .Show step-by-step (with the why)
- Verifique consistência: e , que é coluna de . Sistema consistente.
- Escalone: zera a 2ª linha. Variável livre .
- Solução particular: , .
- Base do núcleo: . Solução geral: .
Macete: solução geral = solução particular + vetor qualquer do núcleo.
- Ex. 113.16Understanding
Para , o vetor está na imagem de ? Justifique.
Show solution
. Para precisaria de , impossível. Logo — sistema inconsistente. - Ex. 113.17Understanding
Sistema com mais equações que incógnitas: tem mais soluções únicas ou soluções infinitas? Discuta os casos.
Show solution
Sistema : nulidade . Se posto : nulidade , solução única (quando existe). Se posto : infinitas soluções quando consistente. A existência de solução depende se . - Ex. 113.18ProofAnswer key
Mostre que se tem solução particular , então o conjunto completo de soluções é .
Show solution
Seja solução particular de . Se é qualquer solução: , logo , i.e., . Reciprocamente, se : . Logo o conjunto de soluções é exatamente . - Ex. 113.19Application
Em , encontre um vetor que não pertence à imagem de .
Show solution
A matriz tem todas as linhas iguais a , logo . Qualquer vetor com componentes não todas iguais, como , não está na imagem. - Ex. 113.20Understanding
Quando é invertível?
Show solution
é invertível (pois ). Logo condição: posto (colunas LI). - Ex. 113.21Proof
Demonstre: quadrada é invertível .
Show solution
( invertível posto ): invertível tem solução única (multiplique por ), logo , nulidade , posto . (Posto ): posto-nulidade dá nulidade , logo , logo injetiva e sobrejetiva (dim iguais), logo bijetiva, logo tem inversa. - Ex. 113.22ApplicationAnswer key
Mostre que o sistema não tem solução, verificando que .
Show solution
, . . Para precisaria , impossível. Logo e o sistema é inconsistente. - Ex. 113.23Application
Para com , determine posto, nulidade e classifique a injetividade e sobrejetividade de .
Show solution
Escalonando: pivôs nas colunas 1 e 3. Posto . Nulidade . Imagem tem dim 2. não é injetiva nem sobrejetiva. - Ex. 113.24Modeling
Em ML, regressão com 50 features e 5 amostras: é . Qual o posto máximo de ? Discuta a consequência para e a solução de mínimos quadrados.
Show solution
Posto máximo de () é . () tem posto — singular. Multicolinearidade: muitas features correlacionadas causam nulidade alta. Regularização (Ridge, Lasso) ou PCA pré-processam para reduzir o núcleo. - Ex. 113.25Modeling
Em computação gráfica, a projeção perspectiva descarta a coordenada de profundidade. Qual é o núcleo? Por que isso está relacionado ao problema de z-fighting?
Show solution
Projeção : núcleo é o eixo (dim 1). Objetos em profundidades diferentes mapeiam para o mesmo ponto na tela — z-fighting ocorre quando dois objetos têm profundidade muito próxima e o rasterizador não decide qual está na frente. - Ex. 113.26ModelingAnswer key
Em controle, o sistema é controlável se e somente se a matriz de controlabilidade tem posto . Interprete isso em termos de núcleo e imagem.
Show solution
Matriz de controlabilidade : sistema é controlável . Quando posto : existem estados não alcançáveis a partir da origem. Núcleo de indica as direções não controláveis. - Ex. 113.27Modeling
Em finanças, portfólio de ativos perfeitamente correlacionados leva a matriz de covariância de posto reduzido. Quais são as consequências práticas para a análise de risco?
Show solution
Portfólio com ativos perfeitamente correlacionados: matriz de covariância tem colunas linearmente dependentes. Posto — singular. Risco: a decomposição de risco via fica mal-condicionada; o VaR (Value at Risk) depende de direções no núcleo que não têm volatilidade, criando falsa sensação de diversificação. - Ex. 113.28Proof
Demonstre que autovetores correspondentes a autovalores distintos de são linearmente independentes. (Pré-visualização de Lição 114.)
Show solution
Suponha autovetores de autovalores distintos e dependentes: . Aplique : . Subtraindo vezes a primeira: . Por indução, todos — contradição. - Ex. 113.29Proof
Demonstre: .
Show solution
: operações elementares de linha não alteram o espaço-linha; transposta troca espaço-linha por espaço-coluna. Formalmente: (SVD) — o posto é o número de singulares não-nulos, invariante por transposição (). - Ex. 113.30Challenge
Construa uma matriz de tamanho com posto exatamente 2 e um vetor tal que tenha infinitas soluções.
Show solution
Tome : as colunas 1 e 2 formam base de (dim 2), coluna 3 está no span das demais. Escolha . Sistema : , , livre. Infinitas soluções pois nulidade . - Ex. 113.31Proof
Demonstre que é um subespaço do domínio .
Show solution
Se e : . Logo . Fechamento + (pois ) provam subespaço. - Ex. 113.32Proof
Demonstre que é um subespaço do contradomínio .
Show solution
Se , existem com . Então . Logo é fechado sob combinações lineares; pois . - Ex. 113.33Proof
Mostre que .
Show solution
: . Logo . Analogamente via espaço-linha. - Ex. 113.34Proof
Demonstre: .
Show solution
: tome (i.e., ) e (i.e., ). Então . Logo .
Fontes desta aula
- A First Course in Linear Algebra — Robert A. Beezer · 3ª ed. · EN · GNU FDL · §ILT, §KER, §RNG, §SLT, §RNNM, §NME. Fonte primária dos exercícios.
- Linear Algebra — Jim Hefferon · 4ª ed. · EN · CC-BY-SA · cap. 3, §II. Fonte dos exemplos resolvidos e exercícios de modelagem.
- Linear Algebra Done Right — Sheldon Axler · 4ª ed. · EN · CC-BY-NC · §3D. Perspectiva abstrata sem determinantes.