índice aula 6 cônicas e o Teorema Espectral
CVGA 2018 20 A SVD & o Teorema Espectral; Polinômios
Enunciado do Teorema Espectral em forma matricial 0:02:15
A ideia da demonstração 0:07:30
A decomposição em valores singulares, forma matricial 0:12:30
Explicando, de novo, o que é a SVD 0:23:35
Algumas vantagens da SVD 0:38:20
Referência a Análise de Componebtes Principais 0:39:50
Dificuldades básicas para a implementação "ingênua" da SVD 0:40:40
Relação básica entre a SVD e o Teorema Espectral 0:42:45
Método numérico básico para cálculo dos autovalores 0:50:40
Aproximação de matrizes por matrizes de "dimensão menor" 0:55:30
Distância entre duas matrizes 0:57:10
Aproximação por matriz de posto k 1:00:45
Enunciado do teorema de Aproximação de Schmidt 1:02:20
Polinômios característicos podem ter raízes complexas 1:08:30
Rotações têm autovalores complexos 1:09:55
Interpretação pensando o plano como o conjunto dos complexos 1:13:00
Podemos trocar Rn por Cn 1:17:00
Podemos definir o determinante para matrizes complexas 1:17:30
Aos autovalores complexos correspondem autovetores em Cn 1:17:55
Já é hora de trocar Rn por Cn 1:19:05
Cisalhamentos em R2 têm um só autovalor (real,duplo) e não são diagonalizáveis 1:19:55
Exemplo, em Rn, de matriz com autovalor de multiplicidade n 1:21:50
Polinômios em que a variável é matriz (quadrada) 1:23:00
Se Av=kv, então p(A)v=p(k)v 1:25:00
Polinômios que anulam A 1:28:10
O polinômio mínimo de A 1:30:35
Enunciado do algoritmo da divisão 1:31:40
unicidade do polinômio mínimo 1:33:30
O Teorema de Cayley-Hamilton 1:37:20
Existência de polinômio, de grau no máximo n2, que anula A 1:38:40
Objetivo: demonstrar o Teorema de Cayley-Hamilton 1:43:10
Enunciado do Teorema de Schur (Forma de Schur)1:44:00