Escolar Documentos
Profissional Documentos
Cultura Documentos
O TEOREMA DE PITGORAS
2. M N = {0}.
Teorema 1.20 Seja L um espao linear
om produto interno e M qualquer subespao de L. Ento,
L = M M .
Observao: Isto signi
a que qualquer ve
tor de L se pode sempre es
rever de forma ni
a
omo a soma de um ve
tor em M e de outro ve
tor de M , i.e., ortogonal a M.
Denio 1.18 Seja L = M N . Uma apli
ao P que asso
ia a
ada z L a sua
omponente ni
a
em M (i.e., tal que se z = x + y ,
om x M e y N , se tem Pz = x ) diz-se uma proje
o de L
sobre M, ao longo de N. Se N = M , diz-se que P a proje
o ortogonal de L sobre M.
f il de veri ar que as proje es so apli aes lineares. Veri a-se ento o seguinte resultado,
que permite falar sempre em o proje tor sobre um subespao, ao longo de outro.
Teorema 1.21 Dado um espao linear L e uma soma dire
ta L = M N , o proje
tor sobre M ao longo
de N ni
o.
Teorema 1.22 Seja P uma apli ao linear no espao linear L, e I a apli ao identidade. Ento:
2. Se P idempotente, P proje ta sobre o seu subespao imagem, C(P), ao longo do seu n leo, N (P).
Munindo o espao linear L dum produto interno, e sendo M um subespao de L, veri a-se ainda
Observaes:
Teorema 1.23 Seja L um espao linear
om produto interno e k k a norma induzida pelo produto
interno. Seja M um subespao de L, e P o proje
tor ortogonal sobre M. Dado qualquer ve
tor (no-
nulo) z L, veri
a-se:
1. (Teorema de Pitgoras.) O quadrado da norma de z a soma dos quadrados das normas
das suas
omponentes em M e em M , isto : kzk2 = kPzk2 + k(I P)zk2 .
2. O
osseno do ngulo entre um ve
tor z / M e a sua proje
o ortogonal sobre M dada por:
kPzk
cos(z, Pz) =
kzk
3. O ve
tor no subespao M (que designaremos por z ) mais prximo do ve
tor z (isto , o ve
tor
que minimiza a distn
ia kz yk, de entre todos os ve
tores y L), a proje
o ortogonal de
z sobre M, isto , z = Pz .
z
@
I @
@ kzk
@
@
k(I P)zk @
@
@
@
@
M
z = Pz
kPzk
@
@0
Consideremos agora os espaos reais, IRk , munidos do habitual produto interno Eu
lideano: < x, y >
= x y . As apli
aes lineares de IR em IR
orrespondem s matrizes do tipo nxm. As apli
aes
t m n
lineares em IR
orrespondem s matrizes de tipo kk . Assim, a
ada apli
ao linear (e admitindo que
k
k
se
onven
iona trabalhar apenas
om as bases
anni
as de IR )
orresponde uma matriz A Mkk .
Teorema 1.24 Seja IRk =MM , em que M um subespao de IRk . Considere o produto interno
usual em IR . Seja B uma matriz kr
ujas r
olunas formam uma qualquer base de M. A matriz P
k
P = B(Bt B)1 Bt
Teorema 1.25 Seja P uma matriz de dimenso nn. Ento, P uma matriz de proje
o ortogonal
sobre algum subespao de IRn se e s se P fr simtri
a e idempotente.
As matrizes de proje o ortogonal em subespaos de IRn tm uma ara terizao interessante dos seus
Resumo:
Seja y IRk um ve tor e M um subespao linear r-dimensional de IRk om uma base onstituda pelas
y = Py = B(Bt B)1 Bt y
o ve
tor dos r
oe
ientes da
ombinao linear que dene de forma ni
a o ve
tor proje
tado y M
em termos dos ve
tores da base B de M.
1. PM PN = PN PM = PN .
2. PM PN = PN PM = PM PN .
3. PN PM = PM PN = 0.
4. PM PN = PN PM = PM .
y
@
I@
@
@
@
@
@
@
@
x2P
iP
PP @
M
P
y = Py P
PP@
P@P
0
P
)P
x1
Figura 1.4: Proje
o do ve
tor y sobre o subespao M, gerado pelos ve
tores x1 e x2 . As
oordenadas
do ve
tor proje
tado nos eixos x1 e x2 so dadas pelos elementos do ve
tor (Bt B)1 Bt y , onde a matriz
B a matriz
ujas duas
olunas so os ve
tores da base, x1 e x2 .
Sabemos (dis
iplina de Complementos de lgebra e Anlise) que se A uma matriz np (ou seja, uma
p n
transformao linear de R em R , ento o
omplemento ortogonal do espao
oluna de qualquer matriz
Nesta Se o veremos alguns resultados adi ionais relativos a espaos imagem e n leos de matrizes.
O seguinte resultado auxiliar, rela ionando o espao imagem de um produto de matrizes om o espao
imagem do primeiro fa tor nesse produto, ser de utilidade para obter resultados na Se o seguinte.
Teorema 1.28 Seja A Mnp e B Mpm . Ento, veri am-se as seguintes relaes:
Demonstrao:
1. Tem-se
2. Tem-se
x N (B) Bx = 0p
= ABx = A0p = 0n
x N (AB)
No seguinte Teorema, toma-se A = Bt (ou, o que a mesma oisa, At = B) no Teorema anterior, para
1. N (XXt ) = N (Xt ).
2. N (Xt X) = N (X).
3. C(XXt ) = C(X).
4. C(Xt X) = C(Xt ).
Demonstrao:
1. Que N (Xt ) N (XXt ) imediato a partir do Teorema 1.28, tomando A=X e B = Xt . Falta
t t
N (XX ) N (X ). Provar esta in
luso signi
a provar que se y
provar a in
luso
ontrria:
N (XXt ), ento y N (Xt ). Por outras palavras, signi
a provar que se XXt y = 0n , ento
Xt y = 0p . Mas
3. Sabemos (equao 1.17) que N (Xt ) = C(X) e N (XXt ) = C(XXt ) (XXt simtri
a). Logo,
t
a partir do primeiro resultado, tem-se C(XX ) = C(X) . Como o
omplemento ortogonal dum
t
omplemento ortogonal o subespao ini
ial, tem-se C(XX ) = C(X).
4. Anlogo.
Algumas propriedades relevantes asso iadas ara tersti a de matrizes, estudadas na dis iplina de Com-
Teorema 1.30 Se A e B so matrizes
ompatveis, a
ara
tersti
a do seu produto no pode ex
eder a
ara
tersti
a de qualquer das matrizes:
dim (C(AB)) dim (C(A)). Por outro lado, e tendo em
onta a alnea 2 das observaes a
ima,
car(AB) = car ((AB)t ) = car(Bt At ). Por um ra
io
nio anlogo ao utilizado a
ima, tem-se car(Bt At )
car(Bt ) = car(B). Logo, car(AB) car(B). Se car(AB) majorada quer por car(A), quer por car(B),
majorada pela menor destas quantidades,
.q.d.
O seguinte Teorema que arma que se A = Bt no teorema anterior, possvel garantir a igualdade das
4 Ou por r(A) da palavra inglesa para ara tersti a de uma matriz, que rank.
Denio 1.21 Considere-se uma matriz quadrada Apxp . Um ve
tor x Cp (x 6= 0) tal que:
Ax = x
para algum es
alar C diz-se um ve
tor prprio da matriz A. O es
alar diz-se o valor prprio
asso
iado ao ve
tor prprio x .
Os valores prprios duma matriz de dimenso p p, A, so as razes do seu polinmio
ara
tersti
o:
det(Ip A)=0. Este polinmio
ara
tersti
o um polinmio de ordem p em . Por isso, uma matriz
Apxp tem p valores prprios (reais ou omplexos), embora alguns possam ser iguais ( i.e., o polinmio
Se App fr uma matriz real simtri a, os seus valores/ve tores prprios so bem omportados:
Teorema 1.32 (Teorema da De
omposio Espe
tral). Seja A Mpp . Ento A simtri
a se e
s se existir uma matriz ortogonal V Mpp (
om
olunas vi ) e uma matriz diagonal Mpp (
om
elementos diagonais i ), tal que:
A = V Vt (1.21)
Xp
A = i vi vit (1.22)
i=1
Observaes:
1. Para uma dis usso mais pormenorizada deste, e de anteriores resultados relativos a matrizes,
vejam-se os apontamentos da dis iplina de Complementos de lgebra e Anlise, ou, por exemplo,
3. Se todos os valores prprios forem diferentes, os ve tores prprios vi so ni os, a menos de tro a
de sinal (isto , tanto se pode usar vi omo vi ). Nesse aso, uma ordenao dos valores prprios
anterior. De fa to, seja xi um ve tor prprio asso iado ao valor prprio , e seja xj outro ve tor
Ou seja, qualquer
ombinao linear de xi e xj tambm ser ve
tor prprio de A asso
iado ao valor
prprio . Nesse
aso, as
olunas de V asso
iadas a um mesmo valor prprio podem ser qualquer
base ortonormada dum espao
uja dimenso dada pelo nmero de elementos diagonais de
(valores prprios) iguais.
5. Com base na De
omposio Espe
tral, f
il demonstrar que o trao duma matriz simtri
a A,
alm de ser, por denio, a soma dos elementos diagonais de A, tambm a soma dos valores
prprios de A. (Demonstre!).
Na dis iplina de Complementos de lgebra e Anlise foi j visto que existe uma forma alternativa de
ara terizar as matrizes (semi-)denidas positivas, (semi-)denidas negativas e indenidas em termos dos