Prévia do material em texto
Produto Interno Dados V=( v1, ...,vn) e u= (u1,...,um) vetores de Rn definisse o produto interno, o produto escalar de v e u por <v|u>=Ʃ vi.ui Propriedades 1) simetria <v|w> = <w|v> 2)Linearidade < αu+v|w>= α <u|w> + <v|w> ɏ α ϵ R 3) Positividade <v|v> >0 ɏ v ≠0 4) <v|v> =0 se e só se u =0 Ortogonalidade/ Vetor Ortogonal O vetor u, v ϵ R n são perpendiculares entre si se e somente se <u|v>=0 Ortonormalidade/ Vetor Ortonormal O vetor u, v ϵ R n são ortonormais se são entre si ortogonais <u|v>=0 e ambos são unitários. ||u||=||v||=1 Conjunto Ortogonal/ Base Ortogonal Diz se que o conjunto β{v1,v2,...,vp} é ortogonal se os vetores são dois a dois <vi|vj>=0 ɏ i≠j (ortogonais). Conjunto Ortonornal/ Base Ortonormal Diz se que o conjunto {v1,v2,...,vp} é ortonormal, se além de ser ortogonal , todos os seus vetores são unitários. <vi|vj>=∂ij , onde ∂ij =0 se i≠j =1 se i=j Complemento Ortogonal Seja H um subespaço vetorial. O complemento ortogonal de H c Rn é o conjunto dos vetores ortogonais a todos os vetores de H H perp ={v ϵ Rn|<v|u>=0 ɏ u ϵ H Projeção Ortogonal Seja H c Rn um subespaço vetorial e PH:H +H perp →H dada por 1)PH(v)=v ɏ v ϵ H 2) PH(v)=0 ɏ v ϵ Hperp Reflexão Ortogonal Seja H c Rn um subespaço vetorial e RH:H +H perp →H linear dada por 1)RH(v)=v ɏ v ϵ H 2) RH(v)=-v ɏ v ϵ Hperp Determinante Seja Mmxn o conjunto das matrizes quadradas de ordem n, det(A) é uma função que associa a cada matriz desse conjunto um número real, satisfazendo três proposições fundamentais: 1)det(A)=0 → A possui colunas ou linhas LD’s 2)det(I)=1→ matriz identidade 3)det(A) é linear por linha Autovetores T:V→V, v ϵ V, não nulo é autovetor associado ao autovalor λ ϵ R, se T(v)= λ v. O conjunto de autovetores é chamado de espectro. Autoespaços T: U→U,VcU, subespaço é autoespaço associado ao autovalor λ, se T(v)= λv , ɏ v ϵ V. Teorema Nuc(T) – λI. Subespaço Invariante T: U→U,VcU, T(v) c V. Vé chamado de subespaço invariante de T. Diagonalização Té diagonalizável se T possui uma base de autovetores. Se a soma da dimensão dos autoespaços associados a cada autovalor λ é n. Se a matriz A de dimensão nxn tem n autovalores distintos Multiplicidade Algébrica É o numero de vezes em que λ é raiz do polinômio característico. Multiplicidade Geométrica É a dimensão dos autoespaços associados a cada autovalor λ. Polinomio Característico T: Rn → Rn, é dito polinômio característico p(λ)= det(T –λI) Teorema Espectral Seja Mmxn uma matriz simétrica. Então: 1)A é diagonalizável 2)Existe uma escolha de autovetores que formam uma base ortonormal de Rn Mínimos Quadrados Uma quase solução do sistema Ax=b chamada de solução de mínimos quadrados, é um vetor z tal que d(Az,b) ≤ d(Ax,b) para todo x no domínio de A AT A z= AT b