Você está na página 1de 3

P1

Produto escalar:

Sendo , , base ortogonal, .

Usuais:

,…, , ,…, , , .

Propriedades fundamentais:

1.

2.

3.

4. Se 0, . 0

Processo de ortogonalização de Gramschmidt: 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

Produto interno

 

Se é um espaço vetorial com produto interno, é subespaço de dimensão finita, então para

Propriedades fundamentais:

cada , a melhor aproximação de (vetor mais

 

1.

,

, ,

próximo de ) por um vetor de é a projeção da base

2.

,

,

ortogonal ,…, .

3. , ,

4. Se 0, , 0

Propriedade num espaço vetorial E c/ prod. int.

1. , 0〉 0 , 0

2. , 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 ‖.‖ ‖↔〈 , ‖.‖

0

, ,

〈∑

.

,∑ .

, ,

. ,

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

, ,

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.

, e espaços vetoriais, : ,

: e : transformações lineares, logo

também são transformações lineares

1. : , é

2. : , é .

Sejam ,

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

P2

Matriz de Transformação :

, , , ,

Relações entre matrizes

,

,

, , ,

,

. .

.

.

. .

.

Traço de T: soma dos elementos da diagonal principal de T

Bijetora / Inversível

0 →

0 → não é bijetora, não é inversível

é bijetora, é inversível, linhas das matrizes são L.I.

Polinômio característico

Se

det .

, o polinômio característico é:

0 0

0 0

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

.

e são sem elh a n tes

: número de linhas L.I.

dim

:

→ U dim V dim Ker T dim

, , 2

1

2 1

1

1 1

2

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 ,

Se é diagonalizável e inversível

: → V é inversível

é diagonalizável

o vetor é auto vetor de associado ao autovalor

P3

Tipos de cônicas:

Ax² + By² +Cxy + Dx +Ey +F = 0

Calcula se:

2

2

,

2

2

2

2

2

2

 

0

Elipse

0

0

(Vazio)

0

Um Ponto

0

0

Hipérbole

0

Duas Retas Concorrentes

 

0

Parábola

0

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

Encontra se: e com isso : ,

2

2

Logo temos:

0

Respeitando a relação: , com 0 0

0

0

0

Troca (Ax² + By² +Cz² + Dxy +Exz +Fyz) por ( u² + v² + w²);

Troca (Gx + Hy + Iz) respeitando a relação: , sendo com vetores normalizados;

Algebricamente encontrase 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 verificase 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 autovalores imaginários, calcula se apenas para um dos autovetores da seguinte maneira:

, , , , , , , , , ,

Com isso teremos a solução geral (exemplo):

, , , ,

Se é uma matriz complexa arbitrária e se λ∈ é um autovalor 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 autovalor 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"