Math ClubMath Club
v1 · padrão canônico

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

dimV=dimkerT+dimIm(T)\dim V = \dim \ker T + \dim \operatorname{Im}(T)
Choose your door

Rigorous notation, full derivation, hypotheses

Definições e teorema central

Núcleo e imagem

"The null space of TT, denoted N(T)\mathcal{N}(T), is the set N(T)={vV:T(v)=0}\mathcal{N}(T) = \{v \in V : T(v) = 0\}." — Beezer, A First Course in Linear Algebra, §KER

"The range of TT, denoted R(T)\mathcal{R}(T), is the set R(T)={T(v):vV}\mathcal{R}(T) = \{T(v) : v \in V\}." — Beezer, A First Course in Linear Algebra, §RNG

Os quatro subespaços fundamentais

Para ARm×nA \in \mathbb{R}^{m \times n} com posto rr:

Domínio: ℝⁿEspaço-linhadim rNúcleo ker Adim n−rAContradomínio: ℝᵐImagem Col(A)dim rNúcleo de Aᵀdim m−rEspaço-linha ⊥ ker(A)Col(A) ⊥ ker(Aᵀ)

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%)

Application 17Understanding 4Modeling 4Challenge 1Proof 8
  1. Ex. 113.1ApplicationAnswer key

    Determine o núcleo de T:R2R2T: \mathbb{R}^2 \to \mathbb{R}^2, T(x,y)=(x+y,  x+y)T(x, y) = (x + y, \; x + y).

  2. Ex. 113.2Application

    Determine a imagem de T(x,y)=(x+y,x+y)T(x,y) = (x+y, x+y) e sua dimensão.

  3. Ex. 113.3ApplicationAnswer key

    Verifique o teorema posto-nulidade para T(x,y)=(x+y,  x+y)T(x,y) = (x+y,\; x+y) usando os resultados dos dois exercícios anteriores.

  4. Ex. 113.4ApplicationAnswer key

    Para A=(1236)A = \begin{pmatrix} 1 & 2 \\ 3 & 6 \end{pmatrix}, determine núcleo, imagem, posto e nulidade.

  5. Ex. 113.5Application

    Para A=(101011)A = \begin{pmatrix} 1 & 0 & 1 \\ 0 & 1 & 1 \end{pmatrix}, determine núcleo e imagem.

  6. Ex. 113.6Application

    Determine o posto de A=(123456789)A = \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{pmatrix}. (Resp: 2.)

  7. Ex. 113.7Application

    Determine o núcleo do operador derivação D:P3P3D: \mathcal{P}_3 \to \mathcal{P}_3, D(p)=pD(p) = p'. (Resp: polinômios constantes.)

  8. Ex. 113.8Application

    Determine a imagem de D:P3P3D: \mathcal{P}_3 \to \mathcal{P}_3, D(p)=pD(p) = p'. (Resp: P2\mathcal{P}_2.)

  9. Ex. 113.9Application

    Verifique o teorema posto-nulidade para D:P3P3D: \mathcal{P}_3 \to \mathcal{P}_3.

  10. Ex. 113.10Application

    Para T:R3R2T: \mathbb{R}^3 \to \mathbb{R}^2, T(x,y,z)=(xy,  yz)T(x,y,z) = (x-y,\; y-z), determine núcleo e imagem.

  11. Ex. 113.11Application

    Determine o posto da matriz de Vandermonde (111124139)\begin{pmatrix} 1 & 1 & 1 \\ 1 & 2 & 4 \\ 1 & 3 & 9 \end{pmatrix}.

  12. Ex. 113.12ApplicationAnswer key

    Determine o núcleo e a imagem da projeção ortogonal de R2\mathbb{R}^2 sobre a reta y=xy = x.

  13. Ex. 113.13Application

    AA é uma matriz 3×53 \times 5 com posto 3. Qual é a dimensão do núcleo? (Resp: 2.)

  14. Ex. 113.14Understanding

    Sistema 4×44 \times 4 com detA=0\det A = 0. Pode ter solução única?

  15. Ex. 113.15ApplicationAnswer key

    Resolva (1224)x=(36)\begin{pmatrix} 1 & 2 \\ 2 & 4 \end{pmatrix} x = \begin{pmatrix} 3 \\ 6 \end{pmatrix} e descreva a família de soluções.

  16. Ex. 113.16Understanding

    Para A=(1224)A = \begin{pmatrix} 1 & 2 \\ 2 & 4 \end{pmatrix}, o vetor b=(1,0)Tb = (1, 0)^T está na imagem de AA? Justifique.

  17. Ex. 113.17Understanding

    Sistema 5×35 \times 3 com mais equações que incógnitas: tem mais soluções únicas ou soluções infinitas? Discuta os casos.

  18. Ex. 113.18ProofAnswer key

    Mostre que se Ax=bAx = b tem solução particular xpx_p, então o conjunto completo de soluções é {xp+h:hkerA}\{x_p + h : h \in \ker A\}.

  19. Ex. 113.19Application

    Em R4\mathbb{R}^4, encontre um vetor vv que não pertence à imagem de A=(11111111)A = \begin{pmatrix} 1 & 1 \\ 1 & 1 \\ 1 & 1 \\ 1 & 1 \end{pmatrix}.

  20. Ex. 113.20Understanding

    Quando ATAA^T A é invertível?

  21. Ex. 113.21Proof

    Demonstre: AA quadrada n×nn \times n é invertível     \iff posto(A)=n\operatorname{posto}(A) = n     \iff kerA={0}\ker A = \{0\}.

  22. Ex. 113.22ApplicationAnswer key

    Mostre que o sistema {x+y=12x+2y=3\begin{cases} x + y = 1 \\ 2x + 2y = 3 \end{cases} não tem solução, verificando que b=(1,3)TIm(A)b = (1,3)^T \notin \operatorname{Im}(A).

  23. Ex. 113.23Application

    Para T:R4R3T: \mathbb{R}^4 \to \mathbb{R}^3 com A=(101201211111)A = \begin{pmatrix} 1 & 0 & -1 & 2 \\ 0 & 1 & 2 & -1 \\ 1 & 1 & 1 & 1 \end{pmatrix}, determine posto, nulidade e classifique a injetividade e sobrejetividade de TT.

  24. Ex. 113.24Modeling

    Em ML, regressão com 50 features e 5 amostras: XX é 5×505 \times 50. Qual o posto máximo de XX? Discuta a consequência para XTXX^T X e a solução de mínimos quadrados.

  25. Ex. 113.25Modeling

    Em computação gráfica, a projeção perspectiva R3R2\mathbb{R}^3 \to \mathbb{R}^2 descarta a coordenada de profundidade. Qual é o núcleo? Por que isso está relacionado ao problema de z-fighting?

  26. Ex. 113.26ModelingAnswer key

    Em controle, o sistema x˙=Ax+Bu\dot{x} = Ax + Bu é controlável se e somente se a matriz de controlabilidade C=[B,AB,,An1B]\mathcal{C} = [B, AB, \ldots, A^{n-1}B] tem posto nn. Interprete isso em termos de núcleo e imagem.

  27. 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?

  28. Ex. 113.28Proof

    Demonstre que autovetores correspondentes a autovalores distintos de T:VVT: V \to V são linearmente independentes. (Pré-visualização de Lição 114.)

  29. Ex. 113.29Proof

    Demonstre: posto(A)=posto(AT)\operatorname{posto}(A) = \operatorname{posto}(A^T).

  30. Ex. 113.30Challenge

    Construa uma matriz AA de tamanho 3×33 \times 3 com posto exatamente 2 e um vetor bb tal que Ax=bAx = b tenha infinitas soluções.

  31. Ex. 113.31Proof

    Demonstre que kerT\ker T é um subespaço do domínio VV.

  32. Ex. 113.32Proof

    Demonstre que Im(T)\operatorname{Im}(T) é um subespaço do contradomínio WW.

  33. Ex. 113.33Proof

    Mostre que posto(AB)min(posto(A),posto(B))\operatorname{posto}(AB) \leq \min(\operatorname{posto}(A), \operatorname{posto}(B)).

  34. Ex. 113.34Proof

    Demonstre: Col(A)ker(AT)\operatorname{Col}(A) \perp \ker(A^T).

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.

Updated on 2026-05-06 · Author(s): Clube da Matemática

Found an error? Open an issue on GitHub or submit a PR — open source forever.