Questionário de Prática de Projeções Ortogonais e Mínimos Quadrados com Aula Interativa Passo a Passo
Use a série de perguntas mais abaixo na página para praticar projeções ortogonais e mínimos quadrados: vetores mais próximos em subespaços, decomposições \(v=p+r\) com \(p\in S\) e \(r\perp S\), projeção sobre uma reta, matrizes de projeção com \(P^2=P\) e \(P^T=P\), fórmulas de espaço coluna como \(A(A^TA)^{-1}A^T\) quando \(A\) tem posto completo por colunas, equações normais \(A^TAx=A^Tb\), ortogonalidade do residual, melhores ajustes constantes e o que muda quando \(A^TA\) é singular. Abra a aula para exemplos resolvidos concisos e verificações rápidas.
Responda à série de perguntas e revise seus erros no final.
Como esta prática de projeções e mínimos quadrados funciona
1. Faça a série de prática: responda a perguntas sobre projeções, residuais, matrizes de projeção, equações normais e melhores ajustes.
2. Abra a aula: revise as fórmulas, testes de reconhecimento, exemplos resolvidos e verificações rápidas.
3. Tente novamente: volte à série de perguntas e primeiro decida se o problema pede um vetor mais próximo, uma matriz de projeção, uma condição residual ou um coeficiente de mínimos quadrados.
O que você vai aprender na aula de projeções ortogonais e mínimos quadrados
Geometria da projeção ortogonal
Vetor mais próximo: \(\operatorname{proj}_S(v)\) é o ponto único de \(S\) mais próximo de \(v\)
Objetivo: Construir um fluxo de trabalho confiável para projeções e mínimos quadrados: decompor um vetor em subespaço mais erro ortogonal, calcular projeções sobre retas e espaços coluna, reconhecer matrizes de projeção ortogonal, resolver equações normais e saber o que continua verdadeiro quando as colunas de \(A\) são dependentes.
Critérios de sucesso
Enunciar a decomposição ortogonal \(v=p+r\), com \(p\in S\) e \(r\perp S\).
Usar a fórmula da reta \(\operatorname{proj}_{\operatorname{span}(u)}(v)=\dfrac{v\cdot u}{u\cdot u}u\).
Reconhecer que uma matriz de projeção ortogonal satisfaz \(P^2=P\) e \(P^T=P\).
Usar \(QQ^T\) para um subespaço com colunas de base ortonormal \(Q\).
Usar \(A(A^TA)^{-1}A^T\) quando \(A\) tem posto completo por colunas.
Derivar mínimos quadrados a partir da ortogonalidade do residual \(A^T(b-A\hat{x})=0\).
Separar o vetor ajustado \(A\hat{x}\) do vetor de coeficientes \(\hat{x}\).
Lidar com casos de posto deficiente sem supor que \(A^TA\) é invertível.
Vocabulário-chave
Projeção: o vetor mais próximo em um subespaço.
Residual: o erro \(r=v-p\) ou \(r=b-A\hat{x}\).
Complemento ortogonal: \(S^\perp=\{w:w\cdot s=0\text{ para todo }s\in S\}\).
Matriz de projeção: uma aplicação linear \(P\) com \(P^2=P\); projeções ortogonais também satisfazem \(P^T=P\).
Espaço coluna: todos os vetores \(Ax\), as possíveis saídas ajustadas de \(A\).
Equações normais: \(A^TA\hat{x}=A^Tb\), equivalentes à ortogonalidade do residual.
Pré-verificação rápida
Pré-verificação: Se \(p=\operatorname{proj}_S(v)\), o que é verdadeiro sobre \(v-p\)?
Dica: A condição de ponto mais próximo é equivalente ao erro ser perpendicular a toda direção no subespaço.
Projeção significa parte no subespaço mais erro perpendicular
Objetivo de aprendizagem: Reconhecer a geometria por trás de todo cálculo de projeção e mínimos quadrados.
Ideia-chave
Para um subespaço \(S\) de um espaço com produto interno, todo vetor \(v\) pode ser separado como \[v=p+r,\qquad p\in S,\quad r\in S^\perp.\] O vetor \(p\) é \(\operatorname{proj}_S(v)\), e \(r\) é o residual. O teorema de Pitágoras dá \(\|v-s\|^2=\|r\|^2+\|p-s\|^2\) para todo \(s\in S\), então \(p\) é o vetor mais próximo em \(S\).
Lista de reconhecimento
Identifique o subespaço-alvo \(S\).
Encontre um candidato \(p\in S\).
Verifique \(v-p\perp S\), geralmente fazendo produto escalar com uma base de \(S\).
Se as duas condições valem, \(p\) é a projeção.
Exemplo resolvido
Exemplo: Projete \(v=(1,0)\) sobre a reta \(S=\operatorname{span}((1,1))\).
Um vetor na reta tem a forma \(p=t(1,1)\). O erro \(v-p=(1-t,-t)\) deve ser ortogonal a \((1,1)\), então \((1-t)+(-t)=0\). Logo \(1-2t=0\), portanto \(t=\tfrac12\) e \(p=(\tfrac12,\tfrac12)\).
Pratique
Pratique: Qual é a projeção de \((1,0)\) sobre \(\operatorname{span}((1,1))\)?
Dica: O coeficiente é \(\dfrac{(1,0)\cdot(1,1)}{(1,1)\cdot(1,1)}=\dfrac12\).
Use um coeficiente de produto escalar
Objetivo de aprendizagem: Calcular projeções sobre retas rapidamente sem supor por engano que o vetor diretor tem comprimento unitário.
Ideia-chave
Se \(u≠0\), a projeção de \(v\) sobre \(\operatorname{span}(u)\) é \[\operatorname{proj}_{u}(v)=\frac{v\cdot u}{u\cdot u}u.\] Se \(u\) é um vetor unitário, isso se simplifica para \((v\cdot u)u\).
Notas de fórmula
O denominador é \(u\cdot u=\|u\|^2\), não apenas \(\|u\|\).
Se \(v\) já está na reta, a projeção é \(v\).
Se \(v\perp u\), a projeção é \(0\).
O residual \(v-\operatorname{proj}_u(v)\) é perpendicular a \(u\).
Exemplo resolvido
Exemplo: Projete \(v=(2,0)\) sobre \(\operatorname{span}((1,1))\).
O coeficiente é \(\dfrac{(2,0)\cdot(1,1)}{(1,1)\cdot(1,1)}=\dfrac{2}{2}=1\). Portanto a projeção é \(1(1,1)=(1,1)\).
Pratique
Pratique: Qual é a projeção de \((2,0)\) sobre a reta gerada por \((1,1)\)?
Dica: O produto escalar com \((1,1)\) é \(2\), e \((1,1)\cdot(1,1)=2\).
Matrizes de projeção ortogonal são idempotentes e simétricas
Objetivo de aprendizagem: Reconhecer matrizes de projeção por testes algébricos e ler sua imagem, núcleo, posto e traço.
Ideia-chave
Uma projeção satisfaz \(P^2=P\): depois que um vetor é projetado, projetá-lo de novo não muda nada. Ela é uma projeção ortogonal exatamente quando o residual é perpendicular à imagem; em coordenadas padrão, isso significa \(P^T=P\).
Testes de matrizes
\(P^2=P\): projeção ou aplicação idempotente.
\(P^T=P\): projeção ortogonal no espaço euclidiano.
\(\operatorname{Range}(P)\) é o subespaço-alvo.
\(\ker P\) é o complemento ortogonal para uma projeção ortogonal.
Os autovalores são apenas \(0\) e \(1\), então \(\operatorname{tr}P=\operatorname{rank}P\).
Exemplo resolvido
Exemplo: A projeção sobre o eixo \(x\) envia \((x,y)\) para \((x,0)\). Quais propriedades sua matriz tem?
A matriz é \(\operatorname{diag}(1,0)\). Aplicá-la duas vezes dá a mesma matriz, então \(P^2=P\). Ela é igual à sua transposta, então \(P^T=P\). Sua imagem é o eixo \(x\) e seu núcleo é o eixo \(y\).
Pratique
Pratique: Quais identidades valem para toda matriz de projeção ortogonal \(P\)?
Dica: Projetar duas vezes não muda nada, e matrizes de projeção ortogonal são simétricas.
Projetando sobre \(\operatorname{Col}(A)\)
Objetivo de aprendizagem: Escolher a fórmula de projeção correta a partir das colunas que você tem.
Ideia-chave
Se \(Q\) tem colunas ortonormais que geram \(S\), então a matriz de projeção sobre \(S\) é \(P=QQ^T\). Se \(A\) tem posto completo por colunas, mas suas colunas não são necessariamente ortonormais, então \[P=A(A^TA)^{-1}A^T.\] As duas fórmulas produzem o vetor mais próximo em \(\operatorname{Col}(A)\).
Passos para espaço coluna
Se as colunas são ortonormais, use \(QQ^T\).
Se as colunas são independentes, mas não ortonormais, use \(A(A^TA)^{-1}A^T\).
Se as colunas são dependentes, reduza a uma base independente ou use a pseudoinversa.
Sempre verifique se a saída pertence ao espaço coluna e se o residual é ortogonal ao espaço coluna.
Exemplo resolvido
Exemplo: Seja \(Q\) com a única coluna unitária \(q=(1/\sqrt2,1/\sqrt2)\). O que \(QQ^T\) faz?
Ele projeta qualquer vetor \((a,b)\) sobre a reta \(y=x\), dando \(\left(\dfrac{a+b}{2},\dfrac{a+b}{2}\right)\). Por exemplo, \((2,0)\) é enviado para \((1,1)\).
Pratique
Pratique: Se \(Q\) tem colunas ortonormais, qual é a matriz de projeção sobre \(\operatorname{Col}(Q)\)?
Dica: Colunas ortonormais fazem \(Q^TQ=I\), então a fórmula completa se reduz.
Mínimos quadrados equivalem a projetar sobre um espaço coluna
Objetivo de aprendizagem: Traduzir um sistema inconsistente \(Ax\approx b\) em um problema de projeção.
Ideia-chave
Uma solução de mínimos quadrados minimiza \(\|b-Ax\|\). O vetor ajustado \(A\hat{x}\) é a projeção de \(b\) sobre \(\operatorname{Col}(A)\), então o residual \(r=b-A\hat{x}\) é ortogonal a toda coluna de \(A\). Isso é exatamente \(A^Tr=0\), ou \(A^TA\hat{x}=A^Tb\).
Fatos sobre equações normais
As equações normais são \(A^TA\hat{x}=A^Tb\).
Se \(A\) tem posto completo por colunas, \(A^TA\) é invertível.
O vetor ajustado \(A\hat{x}\) é a projeção de \(b\) sobre \(\operatorname{Col}(A)\).
O residual é perpendicular a toda coluna de \(A\).
Exemplo resolvido
Exemplo: Encontre o melhor ajuste constante para os dados \(1,3,5\).
Ajustar uma constante \(c\) significa projetar \((1,3,5)\) sobre a reta gerada por \((1,1,1)\). O coeficiente é a média \(c=(1+3+5)/3=3\). O residual é \((-2,0,2)\), cujas entradas somam \(0\), portanto ele é ortogonal à direção constante.
Pratique
Pratique: Em mínimos quadrados, o residual \(b-A\hat{x}\) é ortogonal a qual espaço?
Dica: As equações normais dizem que \(A^T(b-A\hat{x})=0\), então cada coluna tem produto escalar zero com o residual.
Quando os coeficientes não são únicos, o vetor ajustado ainda é
Objetivo de aprendizagem: Evitar usar fórmulas com inversa além do permitido quando as colunas de \(A\) são dependentes.
Ideia-chave
Se \(A\) não tem posto completo por colunas, então \(A^TA\) é singular. Pode haver muitos vetores de coeficientes de mínimos quadrados \(\hat{x}\), porque coeficientes diferentes podem dar o mesmo vetor ajustado. A geometria ainda tem um vetor mais próximo único \(p\in\operatorname{Col}(A)\), então \(A\hat{x}=p\) é único.
Fatos sobre posto deficiente
\(A^TA\) é invertível exatamente quando as colunas de \(A\) são independentes.
As equações normais ainda caracterizam minimizadores de mínimos quadrados, mas podem ter várias soluções.
A projeção \(p=A\hat{x}\) é única.
A pseudoinversa \(A^+b\) dá a solução de mínimos quadrados com a menor norma dos coeficientes.
Exemplo resolvido
Exemplo: Suponha que as duas colunas de \(A\) sejam \((1,0)\), e que \(b=(2,1)\). O que acontece?
O espaço coluna é o eixo \(x\), então o vetor ajustado é a projeção \(p=(2,0)\). Quaisquer coeficientes com \(x_1+x_2=2\) dão o mesmo vetor ajustado, então os coeficientes não são únicos. O residual é \(b-p=(0,1)\), perpendicular ao eixo \(x\).
Pratique
Pratique: Se \(A\) tem posto deficiente, o que ainda pode ser verdadeiro em mínimos quadrados?
Dica: O ponto mais próximo em um subespaço é único mesmo quando vários vetores de coeficientes o produzem.
A maioria dos erros confunde o vetor de coeficientes com a projeção
Objetivo de aprendizagem: Terminar com uma lista compacta de erros comuns em projeções e mínimos quadrados.
Armadilhas comuns
Direção não unitária: divida por \(u\cdot u\) ao projetar sobre \(\operatorname{span}(u)\).
Projeção e residual: \(p\in S\), enquanto \(v-p\in S^\perp\).
Matriz de projeção: \(P^2=P\) sozinho não basta para projeção ortogonal; verifique também a simetria.
Fórmula de posto completo: \(A(A^TA)^{-1}A^T\) exige colunas independentes.
Mínimos quadrados: \(A\hat{x}\) é a projeção de \(b\), não necessariamente o próprio \(b\).
Posto deficiente: \(\hat{x}\) pode não ser único, mas \(A\hat{x}\) é único.
Exemplo resolvido
Exemplo: Se \(v=(2,2)\) já está na reta \(y=x\), qual é sua projeção sobre essa reta?
A projeção é o próprio \(v\): \((2,2)\). Um vetor que já está no subespaço tem residual zero, e zero é ortogonal a todo subespaço.
Pratique
Pratique: Qual é o melhor ajuste constante de mínimos quadrados para os dados \(1,3,5\)?
Dica: Um melhor ajuste constante é a média dos valores dos dados.
Recapitulação final
Projeção significa \(v=p+r\) com \(p\in S\) e \(r\perp S\).
Para uma reta, use \(\dfrac{v\cdot u}{u\cdot u}u\).
Matrizes de projeção ortogonal satisfazem \(P^2=P\) e \(P^T=P\).
Para colunas ortonormais \(Q\), a matriz de projeção é \(QQ^T\).
Para \(A\) com posto completo por colunas, a matriz de projeção no espaço coluna é \(A(A^TA)^{-1}A^T\).
Mínimos quadrados torna \(b-A\hat{x}\) ortogonal a \(\operatorname{Col}(A)\).
As equações normais são \(A^TA\hat{x}=A^Tb\).
Posto deficiente pode tornar \(\hat{x}\) não único, enquanto \(A\hat{x}\) continua sendo a projeção única.
Próximo passo: Feche esta aula e tente o questionário novamente. Em cada problema, identifique primeiro o subespaço-alvo; depois decida se você precisa de uma projeção vetorial, uma matriz de projeção ou uma condição residual de mínimos quadrados.
Série de prática
Perguntas de prática de Orthogonal Projections & Least Squares com pontuação instantânea
Responda às 10 perguntas abaixo e receba sua pontuação final com uma revisão de erros para saber exatamente o que melhorar.
0/10respondidas
Pergunta 1Não respondida
Qual é a projeção ortogonal de \((1,2)\) sobre o eixo \(x\)?
Resposta correta: A. \((1,0)\)
Explicação: A projeção sobre o eixo \(x\) mantém a primeira coordenada e zera a segunda.
Pergunta 2Não respondida
Se \(u\) é um vetor unitário, a projeção de \(v\) sobre \(\operatorname{span}(u)\) é:
Resposta correta: A. \((v\cdot u)u\)
Explicação: Para um vetor unitário, o componente escalar é \(v\cdot u\).
Pergunta 3Não respondida
Qual é a projeção de \((1,0)\) sobre a reta gerada por \((1,1)\)?
Resposta correta: C. \((1/2,1/2)\)
Explicação: O coeficiente da projeção é \(\frac{(1,0)\cdot(1,1)}{(1,1)\cdot(1,1)}=1/2\).
Pergunta 4Não respondida
Para uma projeção ortogonal \(P\), que identidade sempre vale?
Resposta correta: C. \(P^2=P\)
Explicação: Projetar duas vezes é o mesmo que projetar uma vez.
Pergunta 5Não respondida
Para uma matriz de projeção ortogonal \(P\), que propriedade de simetria vale?
Resposta correta: D. \(P^T=P\)
Explicação: Matrizes de projeção ortogonal são simétricas.
Pergunta 6Não respondida
A solução de mínimos quadrados para \(Ax\approx b\) satisfaz:
Resposta correta: C. \(A^TAx=A^Tb\)
Explicação: As equações normais são \(A^TAx=A^Tb\).
Pergunta 7Não respondida
Em mínimos quadrados, o resíduo \(b-Ax\) é ortogonal a:
Resposta correta: C. O espaço das colunas de \(A\)
Explicação: As equações normais significam que o resíduo é ortogonal ao espaço das colunas de \(A\).
Pergunta 8Não respondida
O vetor mais próximo de um vetor \(v\) em um subespaço \(S\) é:
Resposta correta: D. A projeção ortogonal de \(v\) sobre \(S\)
Explicação: A projeção ortogonal é a melhor aproximação dentro do subespaço.
Pergunta 9Não respondida
Qual é a projeção de \((2,2)\) sobre a reta \(y=x\)?
Resposta correta: A. \((2,2)\)
Explicação: O vetor já está na reta \(y=x\), então sua projeção é ele mesmo.
Pergunta 10Não respondida
Se \(v=p+r\), em que \(p\in S\) e \(r\perp S\), o que é \(p\)?
Resposta correta: D. A projeção de \(v\) sobre \(S\)
Explicação: Essa é a decomposição ortogonal, então \(p\) é a projeção sobre \(S\).
