Você está na página 1de 5

"O temor do Senhor é o princípio sabedoria; e o conhecimento do Santo é o

entendimento."
Provérbios 9:10 A Bíblia Sagrada

autoespaço O autoespaço associado ao autovalor c de uma matriz A é o núcleo da matriz


A-cI. O autoespaço é um subespaço vetorial de Rn.

Autovalor Um autovalor de uma matriz quadrada A é um escalar c tal que Av=cv é


verdadeiro para algum vetor v não nulo.

autovetor Um autovetor de uma matriz quadrada A é um vetor não nulo V tal que Av=cv é
verdadeiro para algum escalar c.

Base Um conjunto de vetores {v1,...,vk} contido em um subespaço W é uma base para W,


se:

{v1,...,vk} é linearmente independente

{v1,...,vk} gera W.

Combinação linear Um vetor v é uma combinação linear dos vetores v1, ..., vk se existem
escalares a1, ..., ak tal que

v = a1v1 +...+ akvk

Complemento ortogonal O complemento ortogonal de um subespaço S de Rn é o


conjunto de todos os vetores v Rn que são ortogonais a todos os vetores de S.

Conjunto ortogonal Um conjunto de vetores em Rn é ortogonal se o produto escalar de


quaisquer dois vetores deste conjunto é zero.

Conjunto ortonormal Um conjunto de vetores em Rn é ortonormal se é um conjunto


ortogonal de vetores e cada vetor tem comprimento 1.

Consistente Um sistema de equações lineares é consistente se tem pelo menos uma


solução. Ver: inconsistente.

Coordenadas relativas a uma base Se u Rn pode ser escrito como uma combinação
linear dos vetores de uma base {v1,...,vn} de Rn

u = a1v1 +...+ anvn

os coeficientes a1,...,an são as coordenadas do vetor u relativo a esta base {v1,...,vn}.

Dependência linear Uma relação de dependência linear para um conjunto de vetores


{v1,...,vk} é uma equação da forma

a1v1 +...+ akvk = Ö

em que nem todos os escalares a1,..., ak são nulos.

diagonalizável Uma matriz é diagonalizável se ela é semelhante a uma matriz diagonal.

Dimensão A dimensão de um subespaço W é o número de vetores em qualquer base de


W. Se W é o subespaço nulo, dizemos que a sua dimensão é 0.
Espaço coluna O espaço coluna de uma matriz é o subespaço gerado pelas colunas da
matriz considerada como um conjunto de vetores.

Espaço linha o espaço linha de uma matriz é o subespaço gerado pelas linhas da matriz
considerada como um conjunto de vetores.

Espaço vetorial Espaço vetorial sobre um corpo K é um conjunto V de objetos


(denominados vetores), munido de duas operações binárias: adição e multiplicação por
escalar, satisfazendo às seguintes propriedades:

Associativa Quaisquer que sejam u V, v V e w V, tem-se que

(u + v) + w = u + (v + w)

Comutativa Quaisquer que sejam u V, v V e w V, tem-se que

u+v=v+u

Elemento neutro Existe um elemento Ö V tal que para todo v V

Ö+v=v

Elemento oposto Para cada v V, existe -v V tal que

v + (-v) = Ö

Produto pelo escalar 1 Para todo v V, tem-se que

1.v = v

Distributiva da adição pelo escalar Para todo escalar c K e para todos v V e w V,


vale:

c.(v+w) = c.v + c.w

Distributiva dos escalares pelo vetor Para todos os escalares c K e d K e para todo v
V, vale:

(c+d).v = c.v + d.v

Associatividade mista Para todos os escalares c K e d K e para todo v V, vale:

(c.d).v = (d.c).v = c.(dv)

Forma escalonada por linhas Uma matriz está na forma escalonada por linhas, se:

Linhas nulas: Todas as linhas que são totalmente nulas são colocadas juntas na parte de
baixo da matriz;

Pivot: O primeiro elemento não nulo (contado da esquerda para a direita) em cada linha
não nula aparece em uma coluna à direita do primeiro elemento não nulo da linha anterior
(se existir algum na linha anterior).

Forma reduzida escalonada por linhas Uma matriz está na forma reduzida escalonada
por linhas se:

Forma da matriz: escalonada por linhas;


Unitário: o primeiro elemento não nulo em cada linha não nula é o número 1, isto é, o
pivot é , e

Unicidade do pivot: o primeiro elemento não nulo em cada linha não nula é o único
elemento não nulo nesta coluna.

Gera Um conjunto de vetores {v1,...,vk} gera um subespaço S se todo vetor de S pode ser
escrito como combinação linear de v1,...,vk.

Gerado O subespaço gerado por um conjunto de vetores {v1,...,vk} é o subespaço S de


todas as combinações lineares de v1, ..., vk. Afirmamos que este subespaço S é gerado pelo
conjunto de vetores {v1,...,vk} e que este conjunto de vetores gera S.

Homogêneo Um sistema de equações lineares Ax=b é homogêneo se b=Ö. Se b é


diferente de Ö, o sistema é denominado não-homogêneo.

Identidade Matriz quadrada em que os elementos da diagonal principal são iguais a 1 e


todos os outros elementos da matriz são iguais a zero. Ver matriz identidade.

Imagem de uma transformação linear A imagem da transformação linear T é o


conjunto de todos os vetores T(v), onde v dom(T) = domínio de T.

Inconsistente Um sistema de equações lineares é inconsistente se ele não possui


qualquer solução. Ver: consistente.

Inversa Uma matriz B é uma inversa para uma matriz A se

AB=BA=I

Inversível Uma matriz é inversível se ela tem uma inversa. Uma palavra sinônima é não-
singular.

Linearmente dependente Um conjunto de vetores {v1,...,vk} é linearmente dependente


se a equação

a1v1 +...+ akvk = Ö

tem uma solução, sendo que nem todos os escalares a1,...,ak podem ser nulos, isto é, se
{v1,...,vk} satisfaz uma relação de dependência linear.

Linearmente independente Um conjunto de vetores {v1,...,vk} é linearmente


independente se, a única solução para a equação

a1v1 +...+ akvk = Ö

É a solução onde todos os escalares a1,...,ak são nulos, isto é, se {v1,..., vk} não satisfaz
qualquer relação de dependência linear.

Matriz elementar É uma matriz que pode ser obtida por operações elementares por
linhas sobre a matriz identidade.

Matriz identidade Matriz quadrada em que os elementos da diagonal principal são iguais
a 1 e todos os outros escalares são nulos.
Matriz ortogonal Uma matriz A é ortogonal se A é inversível e sua inversa é igual à sua
transposta, isto é:

A-1 = At

Matriz simétrica Uma matriz A é simétrica se ela é igual à sua transposta, isto é:

A = At

Matrizes linha equivalentes Duas matrizes são linha equivalentes se uma pode ser
obtida da outra por uma sequência de operações elementares por linhas.

Multiplicidade algébrica A multiplicidade algébrica do autovalor c de uma matriz A é o


número de vezes que o fator (t-c) ocorre no polinômio característico de A.

Multiplicidade geométrica A multiplicidade geométrica de um autovalor c de uma matriz


A é a dimensão do autoespaço de c.

Não-singular Uma matriz quadrada A é não-singular se a única solução para a equação


Ax=Ö é x=Ö. Uma palavra sinônima é inversível. Ver: singular.

Núcleo de uma matriz O núcleo de uma matriz A de ordem m×n é o conjunto de todos os
vetores x Rn tal que Ax=Ö.

Núcleo de uma transformação linear O núcleo de uma transformação linear T é o


conjunto de todos os vetores v do domínio de T tal que T(v) = Ö.

Nulidade de uma matriz Nulidade de uma matriz é a dimensão do núcleo dessa matriz.

Nulidade de uma transformação linear Nulidade de uma transformação linear é a


dimensão do núcleo dessa transformação.

Operações elementares por linhas Operações elementares por linhas realizadas sobre
uma matriz são:

Trocar duas linhas;

Multiplicar linha por escalar não nulo;

Somar múltiplo de linha com outra linha.

Polinômio característico Polinômio característico de uma matriz quadrada A de ordem n


é o polinômio na variável t definido por

p(t) = det(A - t In)

Posto de uma matriz É o número de linhas não nulas quando a mesma está escrita na
forma reduzida escalonada por linhas. O posto de uma matriz coincide com a dimensão do
espaço linha da matriz.

Posto de uma transformação linear O posto de uma transformação linear (e também de


uma matriz pensada como uma transformação linear) é a dimensão da imagem da
transformação linear. Observação: Há um teorema que afirma que as duas definições de
posto de uma matriz são equivalentes.
Semelhante As matrizes A e B são semelhantes se existe uma matriz quadrada inversível
P tal que

P-1A P = B

Solução por mínimos quadrados Uma solução por mínimos quadrados para um sistema
de equações lineares Ax=b é um vetor x que minimiza o comprimento do vetor Ax-b.

Singular Uma matriz quadrada A é singular se a equação Ax=Ö tem uma solução não nula
para x. Ver: não-singular.

Sistemas equivalentes Dois sistemas de equações lineares em n incógnitas são


equivalentes se, eles têm o mesmo conjunto de soluções.

Subespaço vetorial Um subconjunto W de Rn é um subespaço de Rn:

se x W e y W implica que x+y W e

se x W e k K (corpo de escalares), implica que kx W.

O vetor nulo (Ö) sempre pertence a todo subespaço vetorial.

Transformação linear Uma transformação linear T:V W é uma aplicação T que associa a
cada vetor de V um vetor no espaço vetorial W, tal que:

para todos os vetores u V e v V

T(u+v) = T(u) + T(v)

para todo vetor v V e todo k no corpo K

T(kv) = k T(v)

Transformação linear ortogonal Uma transformação linear T:V W é ortogonal se T(v)


têm o mesmo comprimento que v, para todo v V, isto é:

|T(v)|=|v|

Vetor nulo Vetor nulo ou vetor zero de um espaço vetorial, denotado neste trabalho por Ö.

Você também pode gostar