mat2458 algebra linear ii resumo
TRANSCRIPT
![Page 1: MAT2458 Algebra Linear II Resumo](https://reader035.vdocuments.pub/reader035/viewer/2022081908/5537379855034650678b4d69/html5/thumbnails/1.jpg)
P1 ‐ Produto escalar:
Sendo , , base ortogonal, ‖ ‖ ⟨ . ⟩
Usuais: ⟨ , … , , , … , ⟩ ⋯
⟨ , ⟩ . . ⟨ , ⟩ .
Propriedades fundamentais: 1. . . . 2. . . . 3. . . 4. Se 0, . ‖ ‖ 0
‐ Produto interno
Propriedades fundamentais: 1. ⟨ , ⟩ ⟨ , ⟩ ⟨ , ⟩ 2. ⟨ , ⟩ ⟨ , ⟩ 3. ⟨ , ⟩ ⟨ , ⟩ 4. Se 0, ⟨ , ⟩ 0
Propriedade num espaço vetorial E c/ prod. int. 1. ⟨ , 0⟩ ⟨0, ⟩ 0 2. ‖ ‖ ⟨ , ⟩ 0 ↔ 0 3. ⟨ , ⟩ ⟨ , ⟩ ⟨ , ⟩ 4. ⟨ , ⟩ ⟨ , ⟩ 5. ⟨∑ . , ∑ . ⟩ ∑ ,
, . ⟨ , ⟩ 6. Se ⊂ é um subespaço, então o produto
interno de E induz um produto interno em S 7. ‖ ‖ | |. ‖ ‖ 8. ‖ ‖ ‖ ‖ ‖ ‖ ↔ ⟨ , ⟩ 0 9. ⟨ , ⟩ ‖ ‖ ‖ ‖ 10.
|⟨ , ⟩| ‖ ‖. ‖ ‖ 11. Desigualdade triagular
‖ ‖ ‖ ‖. ‖ ‖ ↔ ⟨ , ⟩ ‖ ‖. ‖ ‖ Norma de : ‖ ‖ ⟨ , ⟩ Distância entre e : , ‖ ‖
‐ Ortogonalidade
e são ortogonais se ⟨ , ⟩ 0 ‖ ‖ ‖ ‖ ‖ ‖ ↔ ⟨ , ⟩ 0
Se é um espaço vetorial com produto interno e , ∈ , é ortogonal a : ⟶ ⟨ , ⟩ 0
Processo de ortogonalização de Gram‐schmidt: dado o subconjunto finito , , NÃO ortogonal. É possível construir , , ⊂ ortogonal.
⟨ , ⟩‖ ‖
.⟨ , ⟩‖ ‖
. ⟨ , ⟩‖ ‖
.
Se , , é base ortogonal de , , , é base ortonormal, onde:
‖ ‖ ( 1,2,3
é base ortogonal se:
⟨ , ⟩ ↔ 1, 0,
‐ Projeção ortogonal
Se é um espaço vetorial com produto interno, ⊂ é subespaço de dimensão finita, então para
cada ⊂ , a melhor aproximação de (vetor mais próximo de ) por um vetor de é a projeção da base ortogonal , … , ⊂ .
⟨ , ⟩‖ ‖ ⋯
⟨ , ⟩‖ ‖
Se é um espaço vetorial de dimensão finita com produto interno e ⊂ um subespaço: 1. ∈ é , com ⊂ e ⊂ 2. Se , … , é base ortogonal de ,
, … , é base ortogonal de , ∪ é base ortogonal de , onde:
dim dim é um espaço vetorial, e subespaços de :
dim dim dim dim ∩ ) e subespaços de , base de e base de
, então ∪ é conjunto de geradores de ( é L.I. apenas se )
‐ Transformações lineares
Sendo e espaços vetoriais sobre . A função : → é chamada transformação linear se:
1. 2.
Sejam ∈ , , e espaços vetoriais, : → , : → e : → transformações lineares, logo
também são transformações lineares 1. : → , é 2. : → , é .
3. : → , é Núcleo de / e imagem de
∈ | 0 | ∈
Sejam e espaços vetoriais, com de dimensão finita e : → uma transformação linear: dim dim dim
0 0 Transformação : → é INJETORA se: ⟶ 0
Transformação : → é SOBREJETORA se: tal que
Transformação : → é BIJETORA se: é injetora e sobrejetora também denominada ISOMORFISMO isomorfismo linear: : → é operador linear ( : → )
: → é chamado OPERADOR LINEAR Isomorfismo de operador linear é chamado
AUTOMORFISMO de Se : → , com dim finita: dim dim → NÃO existe sobrejetora dim dim → NÃO existe injetora dim dim → pode ser bijetora
Para resolução de exercícios:
Base canônica para é 1, , , … , ex: : → , , , 1 , , , 0
. 1 . . . Base canônica para é 1,0 , 0,1
ex: 1,0 , 1,0 1,0 , 0,1 0,0 , . 1,0 . 0,1
Seja um espaço vetorialde dimensão finita com produto interno e ⊂ um subespaço de : Pode ocorrer e
⟨ , ⟩ 1 1 ⋯ 1 1 , , ∈ não é um produto interno de
um espaço vetorial não nulo munido de produto interno ⟨ , ⟩ e ∈ , ⟨ , ⟩ ⟨ , ⟩, se 0
![Page 2: MAT2458 Algebra Linear II Resumo](https://reader035.vdocuments.pub/reader035/viewer/2022081908/5537379855034650678b4d69/html5/thumbnails/2.jpg)
P2
Matriz de Transformação : →
, , , ,
Relações entre matrizes
. → .
. . .
∘ . → ∘ . ∘ . → ∘ .
∘ ∘ ∘ . . . → . . → . .
∘
Traço de T: soma dos elementos da diagonal principal de T
Bijetora / Inversível 0 → é bijetora, é inversível, linhas das matrizes são L.I. 0 → não é bijetora, não é inversível
Polinômio característico
Se , o polinômio característico é:
det . →→
00 →
00 →
Se , é diagonalizável. Base ,
0
0 e | |
Relembrando: D b 4ac e
Dimensões : → V 1 2 3
1 1/ 2 3/ 3 4 1 3 4
1 3 4 4
Matrizes semelhantes: e . . → . . .
: número de linhas L.I. → dim
: → U dim V dim KerT dim
, , 2 → 1 12 1
1 12 1 → , , 2
: → V , e →
é auto‐vetor de se = = e 0 Se é diagonalizável e não tem raízes multiplas
→ é diagonalizável se zero NÃO for auto‐valor de → não é inversível se um dos auto‐valores for ZERO
: → V, → 0 : é injetor, é bijetor, é inversível → 0 : não é injetor, não é bijetor, não é inversível
0 0 , : → V é inversível Se é diagonalizável e inversível → é diagonalizável
. . → o vetor é auto‐vetor de associado ao auto‐valor
. . . , ,
. . . , ,
. . . , ,
e são semelhantes
![Page 3: MAT2458 Algebra Linear II Resumo](https://reader035.vdocuments.pub/reader035/viewer/2022081908/5537379855034650678b4d69/html5/thumbnails/3.jpg)
P3 Tipos de cônicas: Ax² + By² +Cxy + Dx +Ey +F = 0
Calcula‐se:
2
2 , ∆
2 2
2 2
2 2
0 ∆ 0 Elipse∆ 0 (Vazio)∆ 0 Um Ponto
0 ∆ 0 Hipérbole∆ 0 Duas Retas Concorrentes
0 ∆ 0 Parábola
∆ 0 Duas Retas Paralelas ou Concorrentes
Simplificação de quádricas:
Ax² + By² +Cz² + Dxy +Exz +Fyz + Gx + Hy + Iz + J = 0
2 2
2 2
2 2
, 2 2
2 2
2 2
Encontra‐se: e com isso : ,
Logo temos:
Respeitando a relação: , com 0 0
0 00 0
1º ‐ Troca (Ax² + By² +Cz² + Dxy +Exz +Fyz) por ( u² + v² + w²);
2º ‐ Troca (Gx + Hy + Iz) respeitando a relação: ,
sendo com vetores normalizados;
3º ‐ Algebricamente encontra‐se a equação reduzida em função de u', v' e w';
Para: , , , , , usa‐se a base canônica 1,0 , 0,1 para gerar a matriz 1,0 , 0,1 . Com isso verifica‐se se é diagonalizável à partir do cálculo de
e das multiplicidades algébrica e geométrica dos aulto‐valores;
Para , a partir de encontra‐se os auto‐valores , e , e os auto‐vetores , e .
A equação geral é:
Em caso de auto‐valores imaginários, calcula‐se apenas para um dos auto‐vetores da seguinte maneira:
, , , , , , , , , ,
Com isso teremos a solução geral (exemplo): , , , ,
Se ∈ é uma matriz complexa arbitrária e se λ ∈ é um auto‐valor de , o conjugado λ é necessariamente auto‐valor de . Caso ∈ , nem sempre isso é verdade.
Se : → é operador linear. é uma base em tal que seja real. Conclui‐se que para λ auto‐valor de , o conjugado λ também é auto‐valor de , e λ λ
Num espaço vetorial real com produto interno U, seja : → operador linear, e , ∈ . é simétrico se ⟨T u , v⟩ ⟨T v , u⟩.
Num espaço vetorial real com produto interno U, seja : → operador linear simétrico, , auto‐vetores de , associados aos auto‐valores α e β respectivamente, com , temos que é ortogonal a .
Num espaço vetorial real com produto interno U, seja : → operador linear simétrico, é diagonalizável. Se , , é base ORTONORMAL de , é matriz simétrica
Se é matriz simétrica e , , é base ortogonal, é operador linear simétrico.
Se : → é um operador linear, é um subespaço de , e auto‐vetor de ( ). O subespaço (gerado por ) é invariante por se, e somente se (
), é simétrico. O ortogonal ˔ não necessariamente é invariante por . Se o subespaço for invariante por e gerado por ( ), é auto‐vetor de .
Se : → é um operador linear, é um subespaço de , então: " é um subespaço invariante por é simétrico"