Tá bom então lá todos meu nome é Ricardo e hoje vai ser o penúltimo vídeo da álgebra linear otan então eu vou falar hoje do teorema espectral que é um dos temas mais importantes da álgebra linear e é claro né eu vou falar que do teorema espectral da dimensão finita tá então esse teorema tem outras versões e dimensão infinita não aconteça que se chama análise funcional sair daí um teorema muito mais complicado não é o Assunto daquele se for é bom mas já dando um spoiler aqui na qual que é o principal uso do teorema
espectral né Então você já deve ter visto num coisa geometria analítica o objeto estudado que você estuda principalmente lá são as cônicas e as quádricas né e de uma coisa que você talvez tenha visto lá no final é o que a gente chama de diagonalização de cônicas e quádricas é você achar dado uma equação né de uma crônica ou aquática pode ser uma equação complicada E aí você tenta achar um novo sistema de o que não é o eixo XY ou XY Z hoje nesse novo sistema de coordenadas a tua crônica fica com uma equação
bem mais bonitinho tá Então nesse processo Você tá fazendo o que a gente chama de diagonalizar a cônica né e eu que está por trás de poder fazer isso né é o chamado teorema espectral então é hoje a gente vai chegar e para chegar nesse teorema aí eu vou ter que falar de vários pré-requisitos antes de várias Propriedades anteriores que eu preciso fazer para finalmente chegar no teorema depois então vamos lá o primeiro contexto aqui né Eu só vou falar de um espaço ter ao longo desse vídeo inteiro eu vou chamar esse espaço vetorial te
ver eu vou supor que ele tem time ação ele né diversão infinita ele e se ele tem que ser maior igual um tá então vou jogar fora espaço vetorial Lula ele não interessa para nós hoje e eu vou supor que esse espaço já tem um produto Interno escolhido tá então já tá lá garantindo um Que é utilizado especial ele diz que esse feito a uma propriedade de operadores auto-adjuntos né então lembra que a gente definiu no vídeo anterior o que são operadores auto-adjuntos são operadores que coincidem com o seu adjunto né E aí uma outra
maneira de você escrever isso é uma equivalência né que te dizem termos de equação é o que significa ser alto de junto Que nada Mais é do que o produto interno de pediu com ver coincidente com o produto interno de o contente ver para todo o e para todos ver né então a equação assim e que a gente é escreveu no vídeo anterior tá então é só esses operadores auto-adjuntos só tem especiais e eles são é o os protagonistas aí do teorema espectral ou então o primeiro a propriedade que a gente vai verificar sobre esses
operadores auto-adjuntos é que se você toma o alto valor de um Operador auto-adjunto caso exista né o alto valor ele necessariamente ele é real então aqui eu preciso falar algumas coisinhas né que eu tô deixando debaixo do tapete mas vamos pensar o seguinte para encontrar autovalores de um operador você precisa achar as raízes de um certo polinômio que é o chamado polinômio característico para nós né esse contexto que ela brilhar que já está estudando é tudo tudo é real né então em particular Os coeficientes Desse polinômio característico vão ser reais acontece que tem uma coisa
que se chama Teorema Fundamental da álgebra e disse para nós né que todo polinômio de grau maior ou igual o por isso a retenção aqui sobre a dimensão do espaço vetorial ser pelo menos Sul todo polinômio de grau maior eagle com coeficientes complexos necessariamente tem raiz tá então no nosso caso o polinômio característico sempre vai ter coeficientes reais né porque todos os O que são sobre R então em particular eu posso pensar que se polinômio tem coisas simples complexos e portanto ele necessariamente tem raiz só que a princípio essa raiz vai ser complexo né então
o que essa proposição tá dizendo é que isso não ocorre com operadores auto-adjuntos as raízes do polinômio característico de um operador auto-adjunto necessariamente são reais então qualquer demonstração disso e o motivo é bem simples então A ideia é Você usar definição né Suponha que tem um alto valor suponha e lambida a princípio é o número complexo super e kilamba seja alto valor Tietê Oh e vamos pegar né ver diferente de zero um autovetor associado o autovetor associado o ou seja né ou seja varia que ela equação tem que ver igual a lâmina ver se é
tem que ver um múltiplo do próprio ver é aqui tem um outro detalhe que também tô deixando debaixo do tapete é Que esse ver ele não necessariamente é um vetor aqui por causa dessa coisa do alto valor Possivelmente ser Complex é na verdade esse vizinho Ele está num espaço que se chama de complexificação do ver então eu não vou falar desse espaço aqui mas entre as você como se você pensasse assim ó os elementos desse cara aqui eles não são vetores de ver mas são como se fosse vetores de ver mais e vezes um outro
vetor de ver ou seja são novos vetores que tem uma parte Real e uma parte imaginária e essa parte real e a parte imaginária ela sim são vetores do próprio espaço ver tá então a princípio e e ele é complexo mas isso não vai interessar para nós aqui tá Então é eu por isso que eu quero deixar por debaixo dos panos o que importa é que tem um vetor e satisfaz a igualdade agora Como que eu vou usar né a hipótese de ser autor de junto eu vou usar aquela continha com o produto interno então
o Truque aqui é você calcular o produto interno de te ver como o próprio ver e Osasco propriedade produto interno bom Por um lado ter te ver por definição de autovetor ela muda vezes o próprio ver é que agora eu uso uma das propriedades do produto interno que é tirar e se calasse para fora Ele é linear aí tem um cuidado que tem que tomar nessa nesse processo então aqui o lambda ele não é um número real a princípio eles algum número complexo eu já tinha comentado Anteriormente quando você define produto interno do mundo complexo
você não pede que ele seja como tá tiro você perde aqui quando você troca dois vetores de posição no produto interno você ganha um conjugado então isso implica que o produto interno não mundo complexo em uma das variáveis se retira escalados para fora de fato só que na outra variável escalar sai com o julgado por causa dessa conjugação então Digamos que aqui a gente definir o produto interno Complexo de forma que na primeira variável o escalar sai do jeito que tá mesmo tá sem o o conjugado estão aqui vai ser lambida vezes ver bom e
na outra variável ele saia Como conjugar bom Beleza então por um lado esse produto interno vale isso mas agora eu uso a hipótese de que ter é alta de junto e isso que vai ser igual então ao produto interno de quem com quem bolo a definição de adjunto né permite você tirar o ter daqui e passar para o outro Lado como atingiu um só que como eu tô supondo que alta de junto então isso aqui troca pelo produto interno TV com o próprio ter te ver lá então o adjunto coincide com o próprio tempo ele
pros uso de novo né a definição de produto de produto não de autovetor né então esse tente ver aqui eu posso trocar por lâmpada vez de ser e agora o detalhe é que esse lado aqui é uma escalar agora ele tá na segunda entrada do produto interno e na segunda entrada ele vai Sair para fora do produto interno só que cor a conjugar então aqui agora eu obtenho tudo aqui é igual né e particular esses dois últimos são iguais também então agora eu tenho lambidas vezes produto interno tiver com ver igual ao conjugado de Holanda
produto interno estiver com ver eu posso escrever aqui lambida menos o conjugado de lambada vez isso o produto interno estiver com V = 0 mais eu sei que o vetor é um ídolo né se o Vetor é um pulo a condição né de positividade do produto interno me disse o produto interno dele com ele mesmo é diferente de Zé Então eu tenho o produto de dois números dando sério um deles eu sei que não é zero Então esse implica que o outro é igual a zero bom então isso concluiu né que o número lembra É
igual o seu conjugado e portanto isso diz que ele é um número real né então é quando o número complexo é igual seu próprio conjugado a parte Imaginária dele tem que ser igual a menos a própria parte imaginária Então significa que a parte imaginária igual a zero Portanto o número na verdade real tá então é autovalores de operadores auto-adjuntos casos estão necessariamente são reais o que a gente vai fazer agora em seguida é risca isso aqui tá então o Caso existam não vai ser necessário todo operador linear na verdade em Alto valores necessariamente tem alto
valores e o motivo eu já Basicamente eu já falei tá então daqui a pouco a gente vai demonstrar que operadores auto-adjuntos de fato tem autovalores e por causa da dessa proposição todos eles necessariamente tem que ser reais E aí você vai conseguir risca esse caso esse estão aqui mas antes disso eu quero recuperar uma discussãozinha que eu já tinha feito parte dela em outro vídeo que é a seguinte imagina que você tem ter um operador linear entre o espaço Vetorial e ele mesmo e que Beta uma base dele é simplesmente uma base e é só
um operador não tô colocando mais hipótese nenhuma o problema pulo esse problema de encontrar autovalores e autovetores ele é qual o problema é o problema de encontrar números lambda e vetores não nulos Nos quais acontece esse tipo de igualdade aqui né tema nos lâmpada vezes a identidade calcular em ver seja idosa que é equivalente da dizer que tem que ver igual ao longo da ver a questão é Que quando você tem uma base escolhida no seu espaço vetorial você pode transformar esse problema né de encontrar autovalores e autovetores no problema de resolver um sistema linear
homogêneo como é que você faz E aí você lembra sim é bom eu quero encontrar lembro de ver tá esqueça equação aconteça né que isso aqui seja igual a Fera que é equivalente da mesma coisa que dizer que pedir ver menos lá para ver se ele goza esse cara aqui ele É um vetor né e eu tô dizendo que esse vetor e tem que ser igual retorno esse processo de você tomar as coordenadas de um vetor de uma certa base né eu tenho uma base escolhida eu posso pegar vetores e tomar as coordenadas deles naquela
base esse processo de tomar as coordenadas de vetores uma certa básica a gente havia anteriormente isso é um isomorfismo né então você tem uma função que pega vetores e leva vetores do teu espaço original e leva no RN né quer Pegar o vetorzinho e tomar as coordenadas dele numa certa horas é isso absorver fista em particular né dizer que esse vetor aqui é igual ao retorno Lu é equivalente a dizer que as coordenadas dele nessa base Berta que você escolheu sejam todas iguais a zero né então como é uma superfície Mané você o único correspondente
ao vetor nulo não é o único vetor que tem todas as coordenadas iguais a zero é o retorno né Por causa da injetividade dessa função Beleza agora a tomar as coordenadas na base perto desse vetor aqui né Você usa as propriedades que a gente já viu né desse processo de tomar as coordenadas isso daí é a mesma coisa que isso aqui né a matriz de ter na base Beta - lambda fez a matriz identidade vezes o vetor de coordenadas de v na base Beta E isso tem que ser igual essa então isso é uma coisa
que a gente já viu e vídeos anteriores só tô repetindo aqui mas a moral da história né Olá tudo aqui é equivalente né eu tô usando o símbolo de equivalente o tempo todo esse cara aqui é uma matriz e isso aqui é um vetor coluna né é o vetor de coordenadas de alguém da base Beta então um fator comum então para em controlando encontrar vetor v e faz isso acontecer vir equivalente o que a você resolver isso aqui e isso é um sistema linear homogêneo né então esse cara em vermelho é a matriz dos coeficientes
do sistema e esse coordenada tiver na base meta é Como se fosse o teu vetor de ícones então isso aqui é um sistema linear homogêneo então tem essa tradução né do problema de encontrar autovalores e autovetores de um operador ele tem uma versão matricial que é o que você faz para achar na mão né as coisas então você tem que resolver sistema linear homogêneo aqui bom isso é uma coisa agora é digamos que eu dei um nome para essa a transformação pena base dela então eu Vou chamar essa madeira aqui de razão samba lembra que
toda a matriz da origem a um operador linear né então aqui do casal a bater esse quadrado vai ser de fato operador linear domínio contradomínio você iguais bom então é qual que é esse operador linear é operador ligar que eu vou chamar de tio aqui só para simplificar a notação como a matriz aqui tem ordem ele né ela e ele por ele vai ser uma transformação linear do RN no próprio RN e ela é dada pela Multiplicação para essa matéria né eu pego vetores e multiplica o vetor por Matheus então é o tipo né de
transformação não era mais simples de todos a gente já viu né que é essencialmente toda a transformação linear entre os passos geração ferida no fundo elas são Desse tipo aí a menos de uma mudança de variáveis que é justamente a seguir esse processo de tomar coordenadas uma certa mas a menos dessa mudança de Em toda a transformação linear né é do fundo é multiplicação de um vetor por mais então eu posso tomar esse operador que a multiplicação pela Matriz EA Matriz é uma triste ter essa base era uma coisa trivial aqui sobre essa transformação linear
né dado pela modificação coração a três aqui a matriz dessa transformação linear na base canônica do RN é a própria matriz A né então é nota e toma cuidado com a confusão dos hindus aqui né então eu Tenho esse operador de ar e tio ele vai do RN no RN eu posso perguntar qual é a matriz desse operador por exemplo na base canônica do RN E aí pô como operador é dado justamente pela multiplicação com essa matriz A Quando você encontrar uma triste esse cara na base canônica vai dar pela próxima terça Isso vai ser
bem Olha só pode ser deixado com exercícios Ah beleza isso é uma coisa né Então aí agora eu pergunto assim tá eu tenho dois Operadores lineares que é o teu original e esse Têxtil que vai do RN no RN eu pergunto para você agora qual é o polinômio característico de cada um desses dois operadores aí primeiro eu lembro o seguinte bom Como é que o encontro o polinômio característico de um operador linear qualquer aí o processo é Calcular o determinante de ter menos lá identidade né E daí depois você vai procurar as raízes disse mas
o polinômio é determinante DT - lamber Identidade Mas isso é um determinante de uma operadora abstrato Como que você calcula ele na prática você acha a matriz de ter uma base que você quiser por exemplo a base perto aqui já tá aí e aí você faz o determinante da matriz da transformação naquela base - lâmina avessa a identidade né então e no fundo o que você faz encontrar esse determinante aqui ó é o determinante da matriz de numa certa base Que É O Que Eu Já chamei de matriza né ou seja o Cálculo determinante de
ar tirando lâmpada da Diagonal principal Isso é o que calcule o polinômio característico do operador de fora agora mais Pensa como que você encontraria o polinômio característico do operador pectil agora mesmo processo encontra a matriz desse operador da base que você quiser tira lá da Diagonal principal e calcule o determinante ou eu posso usar por exemplo protetil posso usar base canônica então vou ter que falar Calcular o determinante da matriz do operador Têxtil na base canônica tirando lâmpada diagonal principal ué mas a matriz na base da de tio né na base canônica é matriza então
moral da história esse determinante da matriz a a identidade É igual ao polinômio característico do titio também então tanto tempo atrás textinho tem o mesmo polinômio característico né então o problema te encontrar alto valores tanto do ter quanto do Têxtil exatamente o Mesmo tá os problemas são equivalentes E aí como que você corresponde os autovetores bom você encontra os autovetores por exemplo usando Têxtil aí você volta para os vetores originais pensando que esses botões que você obter Na verdade são as coordenadas na base Beta de algum vetor TV né você agora volta com esse isomorfismo
daquela tomar as coordenadas você volta para trás com a inversa dele então isso é uma discussão que eu já tinha feito Anteriormente eu só queria fazer ela de novo com um pouco mais detalhes tá então é o problema de encontrar alto valores pode ser traduzido por um problema problema matricial né no fundo você pega é triste e superador na base que você quiser calcula esse determinante aqui né que é o determinante da matriz dessa transformação - a identidade igual a zero achas raízes resolve esse sistema linear homogêneo então isso aqui é tudo conta com vetores
e algum r e e aí Resolve sistema o que você vai encontrar são vetores em RN aí para encontrar os vetores originais do espaço vetorial original você volta né com essa operação inversa de tomar as coordenadas ou seja descobre quais eram os vetores cujas coordenadas na base Beta da os caras que você achou que resolvem sistema linear aí beleza essa discussão ela vai ser importante daqui a pouco eu vou voltar né então agora vamos lembrar um pouquinho de algo que a gente vê no Vídeo anterior também é pega até agora um operador linear e pesa
aberto agora uma base ortonormal e agora Beta não é só uma base perto uma base ortonormal lembra que a gente viu uma propriedade que diz qual que é a Matriz do Adjunto no parte bases se usa aquela propriedade quando a base é a mesma né então aqui no caso Beta Beta lembra que nada mais essa Matriz nada mais é do que a transposta da Matriz de trocando a ordem das bases Mas como as Duas bases são iguais eu não preciso trocar né então moral da história quando a base é a mesma a matriz né do
operador adjunto lá na Barra se Beta que eu tô usando a mesma base Então posso escrever uma só isso aqui nada mais é do que a transposta da Matriz Tietê na base reta usando aqui na propriedade que a gente viu no vídeo anterior e importante enfatizar que isso é verdade para bases ortonormais não vale essa relação aqui e Portanto né é um operador auto-adjunto sem só mentes e essa é uma tendência aqui do ter na base Beta na base ortonormal é uma matriz simétrica né porque que é verdade isso bom se ele é outro de
junto ele conhecido com o seu adjunto Então eu tenho aqui que esta Matriz do lado esquerdo ela vai coincidir com a matriz de tempo que o cara é igual o seu adjunto coincide com a bateria de ter na base Beta e do lado direito eu tenho transposta dela então Tô dizendo que era esse mesmo e vice-versa né E essa Matriz for simétrica então acontece se a igualdade aqui a mais esse cara aqui né e é uma triste do Oeste junto né então se a matriz do Adjunto na base Beta deu a matriz de Tebas ideia
é porque os dois são iguais de novo essa passagem de que é tomar a a matriz de ter uma certa base também é uma superfície se as matrizes dessas transformações coincidem uma Certa básica é porque os operadores lineares originais são mesmo tá então é isso que eu tô usando aqui na para poder dizer essa propriedade tá então moral da história é trás Você pode traduzir a condição de um operador ser alto de junto também numa propriedade matricial que basta você olhar uma triste de numa base ortonormal e verificasse aquela Matriz estiver isso não importa a
base né desde que ela esteja ortonormal isso aqui tá dizendo uma coisa interessante ó E o operador é alto Tijuco seis somente ser a matriz dele em qualquer base ortonormal for simétrica e uma vez que aba triste ter na em alguma base alto normal e simétrica Então vai continuar sendo simétrica em qualquer um trabalho eu tô normal que você pegar tá então é essa isso aqui tá dizendo essa frase aqui então é um fato bem interessante sobre essa correspondência net passar uma propriedade do operador para uma propriedade correspondente nas matrizes Desse operador e certas bases
né tô aqui no caso tem que tomar cuidado base ortonormal Oi e aí Resumindo essa história agora é se Berto é uma base ortonormal Como eu posso traduzir a condição de ser alto de junto numa condição sobre a matriz de ter uma base ortonormal né E lembra que a gente pode dizer né que é um operador dado pela multiplicação por uma matriz erialdo de juntos em sua mente ser a matriz é simétrica a gente já fez isso No vídeo anterior também eu posso amarrar tudo isso e dizer que o operador ter é autant junto sem
somente se o operador dado pela multiplicação por essa Matriz aqui é alta de junto o que significa que essa Matriz aqui seja cima tá então é veja agora né que eu tô até aduzindo a condição do operador ao ser alto de junto e pela condição daquele operador Têxtil que é dado pela multiplicação por essa Matriz eles ser alta de junto e a Condição desse cara serão todos junto é simplesmente que é uma três de ter na base reta seja se ver aí que eu tô passando né condições sobre operador para operadores mais simples e São
simplesmente de RN RN são Dados pela multiplicação para uma matriz tá isso que a gente tá fazendo aqui e agora então agora vamos verificar aquilo que eu falei anteriormente né se operador ter é alta de junto então necessariamente ele possui algum alto Valor e por causa da primeira proposição eu sei que esse alto valor na verdade ele vai ser real Então por que que tem alto valores bom gente vai usar justamente toda essa discussão né então o problema e o problema encontrar autovalores os autovalores de pena GT e é equivalente ou seja são é o
mesmo né e procurar Oi hoje encontrar né alto valores e do operador e tio né o teu tio dado Pela multiplicação por Matriz né dá uma teste te na base Beta vezes x né onde essa base Beta aqui é uma base eu vou usar né já uma base ortonormal pega aqui pelo processo de gram-schmidt eu posso usar sempre bases ortonormais se eu quiser então a gente acabou de ver né Que problema de encontrar alto valores do operador abstrato é equivalente ao problema de encontrar alto valores desse operador mais concreto que é simplesmente dado pela multiplicação
por Matriz e no caso matricial Matriz de ter na base que eu quiser e essa base eu posso escolher a ortonormal passou né achar uma base ortonormal e usar Beleza então esse cara aqui né É só as raízes né eu tenho que estudar então as raízes desse polinômio característico né então p peptil de lâmpada é igual determinante e dessa Matriz aqui e a Patrícia tem na base da planta - lâmpada nesses a identidade Então esse cara aqui é um polinômio né isso aqui é um polinômio O e pela hipótese do nosso espaço o grau desse
polinômio sempre igual grau da dimensão espaço vetorial Então esse cara aqui tem grau maior igual a um porque a gente tá osso pondo lá desde o início na que nosso espaço vetorial tem diversão pelo menos um então isso aqui é um polinômio de grau maior igual e com coeficientes em Reais por que que ele tem coisas essenciais porque todo nosso contexto aqui é real a matriz de ter em qualquer Base vai ser uma matriz com números reais né e é importante essa aqui tem quase cem espécies e eu tô estudando as raízes desse carro tão
pelo Teorema Fundamental da álgebra esse polinômio tem que ter algo mais então pelo Eu Vou abreviar aqui tá eu vou dizer Teorema Fundamental da álgebra existe lambda raiz só que é princípio né esse Landa ele é um número complexo não existe raiz é desse Karen pt-tio Dylan Bom então é a princípio tem raízes né só que a princípio só complexas porque a gente pode pensar esse polinômio como um polinômio concorrência complexos e o teorema garante que esse polinômio tem raiz Complex mais a gente já viu que operador ter ele alta de junto sem somente ser
esse operador correspondente a ele no mundo matricial é alto de junto então essa raiz que eu acabei de encontrar aqui ela vai ser um alto valor do operador Têxtil Mas como te tio Elton De junto esse cara na verdade tem que ser real tá então isso vai unir o que a gente acabou de verificar que é como como Têxtil é alta te junto e isso implica que esse lâmina na verdade é um número real ou seja esse polinômio tem raiz ou seja existem alto valores né esse operador tem alto valores e por Celta de junto
esse alto valor é necessariamente real tá então como eu já sei que esse cara é real temos O que é sistema né o sistema a matriz de na base Beta - Lambada identidade vezes vetor de coordenadas né de ver na base pé tem qual vai ser esses rolo até se você quiser pensar assim só o sistema linear mesmo só que vcx achão igual a zero então isso aqui né é uma matriz com coeficientes em R é garantidamente agora porque eu sei que esse Landa é um número real Então esse sistema aqui é um sistema onde
a matriz de coeficientes é real portão e como eu Tô exigindo que o determinante seja igual a zero esse sistema tem que ter solução não trivial e como os coeficientes são reais a solução tem que ser real também então esse sistema tem solução é diferente de zero e real tá com coordenadas reais tá então Portanto tem alto valores né a gente descobriu que todo operador auto-adjunto tem autovalores e esses autovetores Associados são reais de fato só porque Eles nascem como solução de um sistema linear pode a matriz os percentis é real e por ser alto
valor esse sistema tem que ter solução não trivial é opcional determinante não ser idosa então isso garante então que operadores auto-adjuntos necessariamente tem alto valores e esses autovalores são reais né você consegue encontrar autovetores reais Tumblr Tão beleza isso é um passo na direção do teorema espectral Tá qual que é o próximo passo bom próximo passo É no entre "isso aqui já é bem parte do treinamento especial que é o seguinte é os operadores alto adige e também especiais porque se você pegar o salto espaços de autovalores distintos esses vetores né desses alto espaços de
autovalores distintos automaticamente são ortogonais se você pegou lá dois alto valores pegou outro vetor de um em um autovetor do outro o óculos entre eles sempre 90 graus da Então isso é uma coisa super especial de operadores Auto-adjuntos motivo para verificar isso também é bem simples tá Então imagina que você tem Olá sejam é lambida diferente de mim alto valores de tá então já tô pegando dois altos valores de ter que eu já sei que são reais né porque esse operador el tá de junto e aí eu vou pegar um autovetor de cada um deles
está em sejam eu vou tomar ver no alto espaço do lambda e w no alto espaço do me irmão autovetores tá então vamos supor aqui Que esses dois caras são diferente dizer qual que é a conta para verificar que esses caras são ortogonais né então é um truque muito parecido com aquele primeiro lá então vou pegar o produto interno depende ver só que com o vetor w eu vou calcular esse cara de duas maneiras diferentes uma delas é que é usar definição de autovetor e dizer que te ver é igual a lambida vezes ver isso
aqui é o produto interno contar bom agora eu posso tirar o escalar para fora Eu já sei que os escalas são reais eu não vou ter a preocupação de tirar escalar para fora com conjugado pensa que sai como lambda mesmo ver e da produto interno fecundado agora eu uso é muito parecido com aquele raciocínio e eu uso que tem alta de juntos isso aqui é igual ao produto interno de tv com o tente da eu vou querer alta te junto eu posso trocar o tejo posição ali uso de novo a definição de autovetor and W
vai ser igual a mim vezes w né porque O Davi tá nosso espaço do mim agora minha ou escalar real eu posso tirar ele para fora multiplicando e agora veio o produto interno de ver com W de novo então todos esses caras são iguais portanto esses dois caras são iguais Então faz a diferença dos dois você vai ter lambida menos me vezes mais ou menos aqui ver se o produto interno estiver com o w = 0 só que como estou supondo que os dois altos valores são distintos essa diferença que é igual a zero então
De novo eu tenho um produto de dois números que tá dando zero eu já sei que esse aqui não é zero Então esse emprego aqui quem é zero o cara aqui então isso tá dizendo para nós que eu ver é ortogonal ao da Então eu peguei ver um alto ver tortinho alto valor da abrir um alto valor de um autovetor de outro alto valor de tinto e a gente eu que o ângulo entre eles é sempre zero eu posso de notar isso né com o símbolo que é assim ó eu posso Dizer que o alto
espaço do lambda ele é ortogonal ao alto espaço dormir ciúme por diferente do Messi Holanda for diferente domingo bom então é essa é a anotação você pode usar essa votação aqui em geral para qualquer parte subconjunto você disse que um subconjunto é ortogonal a outro e todos os produtos internos e tem um cara de um com o cara do outro sempre daí grossa então é o caso aqui né então eu tenho essa relação entre alto espaços de Autovalores distintos e agora é finalmente a primeira parte do teorema espectral tá então isso daqui no fundo é
o que eu lembro mas eu vou falar um pouquinho mais sobre ele ainda que dá para falar algumas coisas mais então primeira parte do teorema espectral e se operador ter é alto de junto então o espaço vetorial V possui uma base ortonormal e consiste apenas de autovetores de ter tá então todo operador auto-adjunto dá origem a uma Base ortonormal que só possui autovetores de ter em particular e você tem uma base de autovetores e particular T é diagonalizável tá então e todo operador auto-adjunto é diagonalizável tá então e são teorema super Force tá dizendo que
método operador auto-adjunto ele é equivalente na certa forma a um operador diagonal tá então você consegue encontrar uma base hoje naquela base a matriz de ter naquela base vai ser uma matriz de água Não como que a gente vai demonstrar este teorema vou usar tudo que a gente fez anteriormente tá E vai ser uma demonstração bem especial porque ela vai ser feita por indução na dimensão do espaço vetorial então uma demonstração bem diferente de todas as que a gente fez anteriormente nesse curso mais o argumento que eu vou usar aqui é um argumento típico e
ele é usado em outros contextos não sonham trabalhar como em outros momentos em álgebra em geral Então a gente vai fazer uma demonstração é usado indução e na dimensão do espaço vetorial V tá então eu vou provar um caso base bolso por uma certa hipótese de indução e provar que vale o passo embutido né Toda vez que o ter é uma vale para espaços vetoriais desperta dimensão eu vou provar que ele vale para espaços naturais de diversão uma mais do que é que então vai ser uma prova na dimensão do espaço vetorial indução né bom
então Indução tem que provar um caso base então o caso base para nós vai ser o caso onde a dimensão do ver igual né porque lembra que todos os espaços vetoriais para nós Vou ter dimensão pelo menos um então o caso base é o caso onde a dimensão de ver é exatamente igual o Ué o que que é um espaço vetorial de dimensão um ele é um espaço no fundo né Ele é o espaço de todos os múltiplos de algum retornou logo né esse é um jeito de você ter dimensão um né então existe E
aí e como ele tem diversão né existe um vetor não nulo em ver e como eu estou supondo que ele não é dedicação cerne que eu tenho algum de tornando lê e como a dimensão dele é exatamente igual a um então o conjunto aqui só tem esse único vetor não nulo vai ser uma base né então e o ver todo é o espaço gerado pelo conjunto que você tencione corretor né Então atende na São todos os elementos desse espaço vetorial são múltiplos de Ficar né e bom se você tem agora é de dever e o
seu ver tem diversão qo então o tente ver e ele vai ser um retorno ver só que todo o vetor em ver é múltiplo do vizinho Então tem que ver tem que ser múltiplo do próprio Z olha vai se está dizendo então né que o ver é um autovetor de ter ou seja se você tem o espaço vetorial de dimensão e uma transformação de ganhar dele nele mesmo qualquer vetor não nulo já vai ser um autovetor é porque eu sei De vendo que ser múltiplo dele próprio né então tente ver é ser vezes ver para
alguns e né para algum Aí sim que é real né porque eu tô te junto portanto ver É autovetor então ver um autovetor E aí você tem ir o seu próprio veneno ele é o Sport então o nosso vetor o nosso espaço vetorial V tem base e autovetores né é o conjunto que só tem o único vetor ver no coloca o único vetor né não nulo dentro desse espacinho E então isso é uma base de Autovetores e eu posso supor que essa base é o normal porque basta você trocar o Vítor vir aqui pelo normalizado
dele né Isso aqui vai produzir o mesmo espaço vetorial com a vantagem de que esse novo Vetor aqui ele é unitário deve tá enorme igual e é uma base ortonormal do seu espaço vai ter é porque não tem com quem você testar né para ele ser ortogonal é só ele mesmo então isso já é uma base e a ortonormal Então esse é o caso de dimensão base A notificação igual o teu espaço vetorial tem base de alta ao horto normal né de autovetores de boi agora qual que é a hipótese de indução que que a
gente vai Assumir tá então a hipótese de indução e vai ser o seguinte bom então vamos supor e vamos supor né que o teorema É verdade o teorema é verdadeiro Oi para todo o espaço vetorial e se você aí pode ser útil para todo espaço Vetorial a continuação é estritamente menor o que a diversão de inverno Ah tá então agora bom uma hoje é aprovado pela direção de ver igual a um eu posso supor que dimensão do ver é maior do que daí Pelo menos dois agora então né Outra colocar esse detalhe aqui então suponha
agora o que ativação de ver é estritamente maior do que porque já tá provado pela Dimensão igual então não tem o que fazer nesse caso Então essa vai ser a hipótese de indução eu vou suporte inteiro é verdadeiro para todo espaço vetorial que tem a direção estritamente menor do que a dimensão de ver ota E aí agora A ideia é provável o termo Vale pro espaço vetorial V Então como que a gente vai fazer isso então é a ideia é você usar o resultado anterior que todo operador auto-adjunto em um espaço vetorial depressão maior igua
u Ele tem alto Valor então se ele tem alto valor e a real né eu posso tomar um autovetor associado aí tá então a gente vai começar exatamente dessa forma então suponha e eu vou chamar terrível ver um o vetor in ver seja suponha queda ver um seja autovetor Oi gente tá então eu sei que existe né Eu já provei anteriormente que todo operador auto-adjunto tem alto valores e portanto tem autovetores Associados Então vamos pegar ver um um autovetor de ter Beleza não precisa dizer qual que é o alto valor associado a ele que importa
é que eles sejam autovetor que que eu vou fazer com esse cara eu vou pegar agora o espaço gerado por ele tá então seja o s igual ao espaço gerado por esse vetor veu bom então isso aqui é um espaço vetorial de dimensão 11 né então é gerado por um retângulo autovetor necessariamente não Uma né ver um é diferente de zero porque ele é um autovetor Então esse cara que tem diversão igual beleza isso é uma coisa agora Como que eu vou tentar fazer essa como que eu vou tentar usar essa hipótese de indução pode
ideia aqui uma vez que você tem um sub espaço do teu espaço vetorial se você somar esse sub espaço como seu complemento ortogonal você tem tudo né então lembra agora e como a ver É igual a s mais seu complemento ortogonal eu posso quebrar seu espaço vetor é um duas partes e essa parte aqui tem direção um essa parte aqui bom como é só uma direta soma das dimensões de cada um deles tem que dar dimensão do espaço inteiro que é ele então o complemento ortogonal tem indicação ele menos um né então esse cara aqui
ele é um espaço vetorial de dimensão ele menos um que é estritamente menor do que a dimensão dos ver original Né Então logo e a dimensão do complemento ortogonal que é de fato ele menos um é estritamente menor do que a dimensão de ver aí outro cuidado né que tem que tomar cuidado é que esse cara aqui essa dimensão ela é maior igual a um porque eu estou supondo né que a diversão do ver maior do que a = 2 eu tô supondo isso não é porque o caso igual ou já tá aprovado Então eu
estou supondo que a dimensão do ver pelo menos dois Oeste Tem que ir na sua exatamente igual então ortogonal do Oeste tem dimensão pelo menos um e Menor estrito do que vê tá então é o que que é a hipótese de indução de espadas ela disse que se eu pegar um operador linear definido no complemento ortogonal em particular na hipótese de indução disso e são espaço vetorial de dimensão menor escrita que é o dever e maior igual então se eu pego um operador linear definido no complemento ortogonal Esse cara tem uma Base e autovetores mas
se daí qual que é o operador de embarque interessa Olha eu só tenho 11 né eu tenho ver a desculpa o ter né o ter ele vai de vem ver é mas para eu poder usar e Posses dedução esse mesmo de teria que definir um operador linear do S ortogonal né então aqui a afirmação que eu vou fazer agora é que eu posso restringir esse operador ter ao complemento ortogonal e essa restrição da ti fato um operador Linear no essa ortogonal tá então a restrição é simplesmente calcular te só que no domínio menor afirmação no
fundo é eu poder dizer que o compra domínio continua sendo esse cara aqui tá ou seja o operador linear mesmo o domínio contradomínio são iguais e por que que vários né então eu tô fazendo afirmação Por quê que isso aí a verdadeira o que que eu tenho que verificar Então eu tenho que verificar e para todos ver no complemento ortogonal do S eu temos que Ver né temos que ver o x eu calcular o que nesse cara o resultado ainda cai no complemento ortogonal do S Então essa é a verificação que eu tenho que fazer
olha vê se eu tô querendo testar quando que um vetor está em um complemento ortogonal então basta fazer o quê calcular o produto interno de tente ver com o elemento genérico do S Então se w é um elemento genérico do S eu vou calcular o produto interno de tv com Esse cara w e a gente vai querer ver que isso é igual a zero e agora vamos lembrar o que que é o s então o s e ele nada mais é do que o conjunto dos múltiplos do vetor viu né o essa gerado pelo viu
então esse vetor w que eu acabei de pegar ele tem que ser um múltiplo do setor viu um qual é o valor ser né vezes o verão e daí bom E daí que agora eu posso usar e ter el te junto mesmo aquilo que quiser Eu posso tirar esses calar por fora aqui o saquitel te junto e pensa que o produto interno de ver com o dente viu a e agora agora eu vou sair hipótese né é o tente ver um ele é um cara que está aonde ver um autovetor então o tente V1 e
ele tem que ser um múltiplo né do próprio viu e nem como ver um autovetor isso aqui é um novo escalar eu vou tirar ele para fora também e é isso aqui vai virar vou escrever na linha de baixo foi ficar Meio apertado aqui se aqui vai ser igual a uma escalar ser vezes um instalar lâmpada vezes o produto interna de ver com o Z1 bom então agora recupera As definições é só voltar né então o ver ele está onde o ver por hipótese está no complemento ortogonal do s e o ferro está no é
porque ele é um gerador de S bom então aqui eu tenho produto interno tinha um cara que está no s com um cara que está no complemento ortogonal dos Bom então isso aqui é sério né esses dois carros são ortogonais estou esse produto interno é Zé não está dizendo para nós que o produto interno de tv com qualquer coisa que está no s = 0 e portanto o vetor tem que ver pertence ao complemento ortogonal do S então eu posso fazer essa restrição EA restrição da de fato um operador linear no complemento ortogonal do do
S Então agora eu posso usar e posse de indução aqui eu tenho operador linear Em alta de junto né porque bom se o operador original já era alto de junto esse cara que é só uma restrição de ele continua sendo outro de junto esse cara é alto de junto só que está definido no espaço vetorial de dimensão estritamente menor do que a dimensão do ver e maior igual então eu posso usar em pó assistindo são e portanto o espaço vetorial desse cara né esse cara aqui ele tem uma base ortonormal de autovetores para este operador
aqui e Claro autovalores e autovetores deste operador aqui também são autovalores e autovetores do operador tem original porque é o mesmo operador e só tá restrito né então pela hipótese de indução o pela e posse a indução e o s ortogonal que é o espaço vetorial desse operador linear tem uma base o porto normal é de autovetores e E eu a Rigor e da restrição mais claro é o mesmo do fundo ao mesmo operador só tá escrito Então os autovalores e autovetores são né o que for autovalor e autovetor da recessão necessariamente autovalor e autovetor
do original de oval então é uma base e outra na morte autovetores de ter que eu vou escrever como Beta e é bom a gente sabe qual é a dimensão do complemento ortogonal né É exatamente ele menos um Então são ele menos um vetores eu vou chamar esses Vetores de p2v 3 etc até veio né porque a dimensão do espaço vetorial vem então esse cara que é uma base ortonormal de autovetores de E aí o que que você faz agora para provar o caso geral bom isso aqui já deu uma base do complemento ortogonal o
ver um sozinho dá uma base do s e eles estão em soma direta então se eu juntar uma base do s com uma base do complemento e eu tenho uma base do espaço inteiro né então se eu chamar agora de Beta tio Digamos assim o conjunto que tem desde o ver um até o V2 até o ver ele Isso aqui é uma base e é uma base de autovetores né autovetores porque todos esses caras são autovetores de ter o ver um também era a gente começou com ver um sinal do Victor então isso aqui é
uma base de autovetores esses caras aqui são ortonormais Oi e esse ver um pode não ser mas a gente faz ele ser a gente troca ele pelo vetor V organizado Então esse cara que Passa a ter normal e ele é ortogonal a todas as restantes por quê Porque ele mora em S e todos os outros moram no complemento eu tô não né então esse cara aqui não só é uma base de autovetores Mas é uma base Horto normal provêm ter tá então a base de autovetores de ter dois passo inteiro vê tá tem os eretores
ali e eles são todos autovetores ortonormais então isso é a demonstração deste teorema que a primeira parte do hospital Tão todo operador auto-adjunto É diagonalizável tá em particular é diagonalizável e mais do que isso você não só acha uma base de autovetores Mas como você pode achar uma base ortonormal de autovetores e para concluir a discussão sobre esse tema vou fazer mais algumas considerações que são as seguintes é bom pega pega tem um operador auto-adjunto e chegamos que Lambadão Até logo daquela são os autovalores distintos ter que a gente sabe que são comerciais bom Afirmação
que eu faço é que o espaço vetorial V ele pode ser decomposto como uma soma Direta do salto espaços desses autovalores de times daqui é uma soma direta ativar o sub espaço Como que o Verifica o que o esse sub espaços estão em soma direta ou preciso verificar né uma das equivalências para verificar que esses caras formam a soma direta é verificar que se o vetor nulo se escreve como uma soma né de vetores onde cada um deles tem um desses subir espaços aí Então o único jeito de fazer isso é quando todos esses vetores
são iguais a zero tá então suponha se supõe aqui Esse é o vetor nulo se inscreva como uma soma de vetores onde cada um desses vetores está em cada um desses subir espaços correspondentes aí tá com VJ dentro desse alto espaço do alto valor planta da para cada jogos e para J de 1 até cá mãe daí o quê que eu faço eu quero concluir que na verdade Todos os Escritores São Luís mas o motivo é muito simples é só você tomar o produto interno dos dois lados com cada um deles né então se você
fizer o produto interno t0 com o vetor v j Isso aqui vai ser produto interno da soma desses vetores e como vetor VJ mais o Santa linearidade né Isso aqui é a soma dos produtos internos de cada um desses vetores cobertor BJ até VK BJ e esses setores estão em alta espaços de autovalores Distintos com exceção do único cara que é justamente o produto interno do VJ com próprio VJ todos os outros são produtos internos entre vetores de Alto espaços como a gente já sabe que eles são ortogonais todos esses caras vão ser iguais a
sério exceto quando você tiver o produto interno do VJ com o próprio vejam tá então vai sobrar essa única parcela esse cara aqui é o produto interno do vetor nulo como qualquer coisa isso aqui é sempre igual a zero Portanto isso aqui é igual a zero e de novo pela positividade do produto interno produto interno de um carro por ele mesmo só de zero quando esse vetor é um retorno tá então o zero o escrito de maneira única como soma de cargas cada um deles nesse subir espaços portanto eles formam uma soma direta né e
bom eu já sei que é diagonalizável então se eu somar todos esses alto espaços eu tenho espaço vetorial inteiro e a lente isso a gente acabou de ver que Essa soma é uma soma direta tá então conclusão é todo o vetor desse espaço vetorial V pode ser escrito como uma de maneira única como uma soma de vetores onde cada um desses vetores está no mundo salto espaços correspondentes E além disso como a gente já sabia né alto espaços de autovalores distintos são ortogonais então isso te dá uma estrutura né para dizer sim qual que é
a cara do teu espaço vetorial na presença de um operador linear alto de juntos Cartão o seu espaço vetorial ele se decompõe como uma soma Direta do salto espaços dos autovalores distintos e esse operador tensão teorema estrutural então eu que a gente chama de um teorema estrutural está te dando formato para o seu espaço vetorial V da presença de simplesmente um operador auto-adjunto tá ó aí como eu falei né todo o vetor em particular né todo o vetor V e é dado né dado ver invasão existem Únicos bom e é únicos porque a soma direta
né esse sim únicos ver um até VK saltar esquina tais que um BJ pertence ao alto espaço do alto valor da mulher J para cada J né para cada J de 1 até cá sóis que é E aí além da Taís que VJ está aqui e né E ouve ele é igual a V1 + C2 etc BK ou seja todo o Victor em ver pode ser escrito de maneira única né como soma de autovetores o v1 V2 até ficar é isso Tudo bem que pode ser alguns treinos aqui podem ser iguais a zero né dependendo
de quem é o vetor ver mas eles estão do alto espaço né E aí sim Algum deles se alguma das componentes ele for não Lula você tem de fato um autovetor né algumas até podem ser iguais a zero não tem problema nele o fato é que essa escrita é única é só tem um monte de um jeito de fazer isso então não é Resumindo essa discussão todo vetor em ver pode ser escrito de maneira Única com a soma desse tipo E aí agora para finalizar então eu posso pegar os operadores de projeção ortogonal em cada
um desses desse subir espaços aí então eu tenho salto espaços de cada um desses alto valores Então eu tenho um operador de projeção ortogonal sobre cada um deles né E aí o fato é um exercício simples de verificar que esses vetores que aparecem cada uma das componentes de cada uma dessas somas eles coincidem te falado com a projeção Ortogonal do seu vetor V naquele subir espaço correspondente motivo para isso é muito simples é porque esses caras todas esse salto espaços de ação é ortogonais até os ângulos entre vetores deles sempre fórmula de 90 Então essas
componente cov2 até PK coincidem com a sombra né que o vetor V faz ortogonalmente em cada um desses alto espaços tá então são exercícios simples de verificar ou seja o vetor V pode ser escrito de uma outra maneira E a projeção ortogonal desse vetor V sobre o alto espaço do primeiro autovalor mais a projeção ortogonal desse vetor ver sobre o alto espaço do segundo alto valor e assim por diante até a projeção ortogonal do ver no alto espaço do alto valor da Bacana Então para todo fez socorre você pode pensar Então o que a soma
desses operadores P1 P2 até pegar te dar o operador identidade né porque para todos ver a soma desses caras calcularem vedar o Próprio ver isso é operador identidade então tô podendo escrever o operador identidade como uma soma né de operadores de projeção é eles são projeções ortogonais bom e ali Além disso né é se você calcular composta do teu operador T com cada uma dessas projeções deixa o que que acontece né então calcula-se a composta ter bola PJ por definição decomposta esse e calcular em PJ de ver mais você pode afirmar daqui como eu Falei
na cima né o PJ de ver ele cai no alto espaço associado ao alto valor da PJ portanto seu calcular o ter esse retorno isso vai dar um múltiplo dele próprio e qual é o múltiplo o múltiplo é justamente Holambra lá então isso dá uma lambida da PJ vezes o próprio setor E isso acontece para tudo ver né Ou seja a composta de ter como o projeção PJ calculare ver isso dá o próprio nome da J vezes a própria projeção né então eu posso dizer que é composta de ter com Com PJ Qual é o
múltiplo do próprio PJ né e o múltiplo é holandés bem razoável isso então você tá usando justamente os altos valores então se eu pegar essa igualdade aqui da identidade e calcular a composta dos dois lados com de né fazer e composta com a identidade igual a t composta com essa toma eu uso essa relação aqui né que eu acabei de verificar que tenha bola PJ igual a lâmpida JVC PJ passa distributiva aqui Né composição é distributiva então eu obtém Tem bola identidade né com o corpo identidade não altera a própria transformação Então finalmente eu obtenho
essa igualdade aqui ó bom então o nosso operador de ele pode ser escrito como uma combinação linear de projeções ortogonais cartão isso que a gente chama de resolução espectral do operador de você tá escrevendo ele um formato muito específico que é exatamente lambida um vezes a projeção Ortogonal sobre o alto espaço desse alto valor mais etc até o alto valor lambda Ka vezes a projeção ortogonal sobre o alto espaço do alto valor da capa Ah é então isso aqui é uma decoração super especial e esse você pegar uma base ortonormal de cada um desses altos
passos de juntar todas elas com base passo inteiro se você calcular é uma triste ter nessa base vai dar bonitinho aqui se você calcular a matriz de cada uma dessas projeções usando essas bases De cada um desses altos Passos Então vai dar uma matriz em blocos né ontem Holanda Holambra 293 certa vai aparecer na diagonal e a quantidade de vezes que cada um deles vai se repetir é justamente adivinhação de cada um desses alto espaços correspondentes tá então isso aqui é uma decomposição bem especial e ela aparece em outros contextos também você tá decompondo a
identidade como uma soma de operadores de projeção e você pode verificar Propriedades bem parecidas com aquelas que eu tinha feito sobre projeções sobre substâncias que esses caras aqui eles são idem potentes e quem quiser composta de hibisco esse mês vai dar eles meses porque eles são projeções a soma deles da identidade e a composição de dois distintos deles sempre dá igual as é sempre que Leo ia é diferente DJ tá então isso aqui é uma decomposição da identidade e de potência e esse tem potentes são ortogonais Então Isso é uma uma propriedade super especial que
ocorre em outros contextos também não só em aos brilhar tão operadores auto-adjuntos o bem especiais né na álgebra linear dimensão infinita por causa desse tipo de resolução especial acontece que internação infinita em certos contextos você tem coisas muito parecidas com essa E essas de composições aqui no caso viram séries viram somas infinitas porque daí né você não precisa ter uma quantidade infinita De alto valor você pode até Infinity bom então é isso é isso é o teorema super não é complicado eu tô usando tudo que a gente viu no curso para demonstrar ele mas autorama
super poderoso E aí no próximo vídeo para finalizar a gente vai ver alguns usos dele que envolvem essa esse processo que eu falei de diagonalização de coisas tá então é isso espero que vocês tenham gostado a gente se vê na próxima e até