Espa

cos Euclidianos
Espa
cos Rn
O conjunto Rn e definido como o conjunto de todas as n-uplas ordenadas de n
umeros reais:
Rn = {(x1 , ..., xn ) : x1 , ..., xn R}.
R1 e simplesmente o conjunto R dos n
umeros reais, que e visualizada como uma reta; R2 e o conjunto de
pares de n
umeros reais, que pode ser visualizado como um plano e R3 e o conjunto de triplas de n
umeros
reais, comumente visualizado como o espaco. Como vimos anteriormente uma tripla (x1 , x2 , x3 ) pode ser
visualizada geometricamente tanto como representando as coordenadas de um ponto ou as coordenadas de
um vetor com ponto inicial na origem. Do mesmo modo, n-uplas (x1 , ..., xn ) podem ser visualizadas como
pontos ou vetores.
Segue portanto que dois vetores V = (v1 , ..., vn ) e W = (w1 , ..., wn ) sao iguais se e somente se v1 =
w1 , ..., vn = wn .
Apesar da nossa intuic
ao geometrica ser limitada para espacos de dimensao 4 em diante, procedemos por
analogia definindo operac
oes e conceitos similares aos que vimos no plano e no espaco.
Defini
c
ao. A soma de dois vetores V = (v1 , ..., vn ) e W = (w1 , ..., wn ) de Rn e definida por
V + W = (v1 + w1 , ..., vn + wn ).
A multiplica
c
ao de um vetor V = (v1 , ..., vn ) de Rn por um escalar R e definida por
V = (v1 , ..., vn ).
Definimos 0 = (0, ..., 0), V = (v1 , ..., vn ) e V W = V + (W ).
Proposi
c
ao. Sejam U, V e W vetores de Rn e , R escalares. Entao
1. U + V = V + U ;
2. U + (V + W ) = (U + V ) + W ;
3. U + 0 = 0 + U ;
4. U + (U ) = 0;
5. (U ) = ()U ;
6. (U + V ) = U + V ;
7. ( + )U = U + U ;
8. 1U = U .
Os espacos Rn s
ao exemplos tpicos do que chamamos espacos vetoriais. Um espa
co vetorial e qualquer
conjunto V onde podemos definir operac
oes de soma e multiplicacao por escalar que satisfazem todas as
propriedades acima.
1

Exemplo 0. O conjunto das func

oes reais e um espaco vetorial, pois podemos definir a soma de duas funcoes
f + g e o produto de uma func
ao por um escalar f , e estas sao funcoes reais:
(f + g)(x) = f (x) + g(x),
(f )(x) = f (x).
Similarmente, o conjunto das func
oes reais contnuas tambem e um espaco vetorial, porque a soma
de func
oes contnuas e o produto de uma funcao contnua por um escalar sao funcoes contnuas. Da
mesma maneira, o conjunto das funcoes reais diferenciaveis e um espaco vetorial.

1. Combinac
oes Lineares
Se V e W sao vetores de Rn tais que W = V para algum escalar , dizemos que W e um m
ultiplo escalar
de V .
Defini
c
ao. Dizemos que V e uma combina
c
ao linear dos vetores V1 , ..., Vk se existem escalares x1 , ..., xk
tais que
V = x1 V1 + ... + xk Vk .
Ou seja, uma combinac
ao linear de vetores e simplesmente uma soma de m
ultiplos escalares destes vetores.
Exemplo 1. Sejam V1 = (4, 1, 3, 5) e V2 = (1, 0, 2, 3) vetores de R4 . O vetor V = (1, 0, 1, 6) nao e
combinac
ao linear de V1 e V2 porque nao podemos encontrar x1 , x2 tais que
(1, 0, 1, 6) = x1 (4, 1, 3, 5) + x2 (1, 0, 2, 3),
ou seja, o sistema

4x1 + x2

x1
3x1 2x2

5x1 + 3x2

=
1
=
0
= 1
=
6

nao possui soluc

ao. Por outro lado, V = (5, 2, 12, 1) e combinacao linear de V1 e V2 porque V =
2V1 3V2 , isto e,
(5, 2, 12, 1) = 2(4, 1, 3, 5) 3(1, 0, 2, 3).
Exemplo 2. Todo vetor V = (v1 , v2 , v3 ) de R3 e combinacao linear dos vetores i, j, k, pois
V = v1 i + v2 j + v3 k.
Exemplo 3. 0 e sempre combinac
ao linear de quaisquer vetores V1 , ..., Vk , pois
0 = 0V1 + ... + 0Vk .

2. Independ
encia Linear
Defini
c
ao. Dizemos que um conjunto S = {V1 , ..., Vk } de vetores e linearmente independente (L. I.) se
os u
nicos escalares x1 , ..., xk que satisfazem
x1 V1 + ... + xk Vk = 0
sao
x1 = ... = xk = 0.
Caso contr
ario, dizemos que S e linearmente dependente (L. D.).
2

Ou seja, V1 , ..., Vk s
ao linearmente independentes se e somente se a u
nica solucao de x1 V1 + ... + xk Vk = 0
for a solucao trivial.
Exemplo 4. Os vetores V1 = (1, 2, 3, 4), V2 = (5, 6, 7, 8) e V3 = (6, 8, 10, 12) sao L.D., pois x1 V1 + x2 V2 +
x3 V3 = 0 tem a soluc
ao n
ao trivial x1 = 1, x2 = 1, x3 = 1 (note que V1 + V2 = V3 ).

Os vetores V1 = (1, 2, 3, 4), V2 = (5, 6, 7, 8), V3 = (6, 8, 10, 12) e V4 = ( 2, e , 2 , 109 ) sao L.D., pois
x1 V1 + x2 V2 + x3 V3 + x4 V4 = 0 tem solucao nao trivial x1 = 1, x2 = 1, x3 = 1, x4 = 0. Se um conjunto
de vetores j
a e L. D., acrescentar mais vetores ao conjunto nao alterara a situacao, pois podemos
sempre obter uma soluc
ao n
ao trivial para o novo conjunto acrescentando escalares nulos `a solucao nao
trivial para o conjunto original.
Observe que na primeira parte do Exemplo 4, outra solucao nao trivial seria x1 = 2, x2 = 2, x3 = 2; na
verdade qualquer soluc
ao na forma x1 = , x2 = , x3 = para algum escalar serviria. Quando existe
uma solucao n
ao trivial (x1 , ..., xk ), sempre existem infinitas solucoes.
Exemplo 5. Os vetores i, j, k s
ao linearmente independentes. Mais geralmente, os vetores de Rn E1 =
(1, 0, ..., 0), E2 = (0, 1, 0, ..., 0), ..., En = (0, ..., 0, 1) sao linearmente independentes. De fato, x1 E1 + ... +
xn En = 0 implica (x1 , ..., xn ) = 0, isto e, x1 = ... = xn = 0.
Exemplo 6. Um conjunto S = {V1 } formado por um u
nico vetor nao-nulo e sempre L. I., pois neste caso
x1 V1 = 0 implica necessariamente que x1 = 0. Por outro lado, qualquer conjunto S que contenha o
vetor nulo e L. D., pois x1 0 + 0V2 + ... + 0Vk = 0 para qualquer valor de x1 .
Exemplo 7. Um conjunto S = {V1 , V2 } formado por dois vetores e L. D. se somente se um e m
ultiplo
escalar do outro.
Prova: De fato, se V1 = V2 , por exemplo, entao
V1 V2 = 0,
ou seja, x1 = 1, x2 = e uma solucao nao-trivial para x1 V1 + x2 V2 = 0.
Reciprocamente, se existir uma solucao nao-trivial {x1 , x2 } para x1 V1 + x2 V2 = 0, entao pelo menos
ou x1 6= 0 ou x2 6= 0 (e e claro que podemos ter ambos os escalares diferentes de zero); no primeiro
caso podemos escrever
x2
V1 = V2 ,
x1
enquanto que no segundo caso podemos escrever
V2 =

x1
V1 .
x2

Assim, dois vetores n

ao-nulos s
ao linearmente dependentes, se e somente se eles sao colineares, isto e,
sao paralelos.
Exemplo 8. Generalizando, um conjunto S = {V1 , V2 , V3 } formado por tres vetores e L. D. se somente se um
e combinac
ao linear dos outros dois. De fato, se x1 V1 +x2 V2 +x3 V3 = 0 possui uma solucao {x1 , x2 , x3 }
nao identicamente nula, ent
ao pelo menos algum destes escalares e diferente de zero, digamos x1 6= 0.
Entao podemos escrever
x2
x3
V1 = V2 V3 .
x1
x1
Logo, tres vetores n
ao-nulos s
ao linearmente dependentes se e somente se eles forem colineares (se todos
os tres forem paralelos) ou se eles forem coplanares, isto e, se eles forem paralelos a um mesmo plano.

De modo geral, um conjunto S = {V1 , ..., Vk } de vetores e L. D. se e somente se um destes vetores pode
ser escrito como combinac
ao linear dos outros, pois se x1 V1 + ... + xk Vk = 0 possui uma solucao {x1 , ..., xk }
nao identicamente nula, ent
ao pelo menos algum destes escalares e diferente de zero, digamos xi 6= 0. Entao
podemos escrever
x1
xi1
xi+1
xk
Vi = V1 ...
Vi1 ...
Vi+1 ...
Vk .
xi
xi
xi
xi
Reciprocamente, se Vi = 1 V1 ... i1 Vi1 ... i+1 Vi+1 ... k Vk , podemos escrever
1 V1 + ... + i1 Vi1 1Vi + i+1 Vi+1 + ... + k Vk = 0
e {1 , ..., i1 , 1, i+1 , ..., k } evidentemente nao e a solucao trivial. Este resultado explica o nome vetores
linearmente dependentes.

Subespa
cos Vetoriais de Rn
Defini
c
ao. Um subconjunto n
ao vazio W Rn e um subespa
co vetorial de Rn se satisfaz as duas
condic
oes seguintes:
(i) Se v, w W, ent
ao v + w W tambem.
(ii)Se v W e e um escalar, ent
ao v W tambem.
Em outras palavras, um subespaco vetorial de Rn e um conjunto fechado em relacao `as operacoes de
soma de vetores e multiplicac
ao por escalar, isto e, fazendo qualquer uma destas operacoes com elementos do
conjunto nao samos dele. Note que um subespaco vetorial sempre contem o vetor nulo 0, pois por definicao
um subespaco e n
ao vazio, logo deve conter algum vetor v; mas da, de acordo com (ii), o vetor 0v tambem
deve pertencer ao subespaco.
Note tambem que se um subespaco contem o vetor v, entao ele contem o conjunto {v : R}, que e
exatamente a reta que passa pela origem com direcao v. [Uma reta que nao passa pela origem nao pode ser
nunca um subespaco vetorial de Rn , pois n
ao contem o vetor nulo, entre outros motivos.] Mais geralmente, se
v, w W, ent
ao W contem todas as combinacoes lineares de v e w; ainda mais geralmente, se v1 , ..., vk W,
entao W contem todas as combinac
oes lineares de v1 , ..., vk .
Exemplo 8. A esfera S 2 n
ao e um subespaco vetorial de R3 , pois se v S 2 , v
/ S 2 se 6= 1.
Exemplo 9. O subconjunto formado por duas retas que se encontram na origem nao e um subespaco vetorial
de Rn , pois embora a propriedade (ii) seja satisfeita, a propriedade (i) nao e satisfeita se v esta em
uma reta e w na outra.
Exemplo 10. O conjunto W = {(x, y, 0) : x, y R} e um subespaco de R3 . Com efeito, se v, w W entao
v e w se escrevem na forma v = (x1 , y1 , 0), w = (x2 , y2 , 0). Portanto, v + w = (x1 + x2 , y1 + y2 , 0)
e v = (x1 , y1 , 0), que s
ao vetores de W , por definicao de W. Note que W e exatamente o plano
z = 0, um plano que contem a origem. Na verdade, todas as retas que passam pela origem e todos os
planos que passam pela origem s
ao exemplos de subespacos de R3 .
De fato, um plano que passa pela origem e definido por
W = {(x, y, z) : ax + by + cz = 0},
onde a, b, c s
ao n
umeros reais especficos. Se v = (x1 , y1 , z1 ), w = (x2 , y2 , z2 ) W entao ax1 +by1 +cz1 =
0 e ax2 + by2 + cz2 = 0, donde
a(x1 + x2 ) + b(y1 + y2 ) + c(z1 + z2 ) = 0
e
a(x1 ) + b(y1 ) + c(z1 ) = 0,
isto e, v + w W e v W.
4

Exemplo 11. Por outro lado, planos que nao passam pela origem nao sao subespacos vetoriais de Rn . De
fato, tais planos s
ao definidos por
S = {(x, y, z) : ax + by + cz + d = 0},
onde a, b, c, d s
ao n
umeros reais especficos e d 6= 0. Claramente, se v = (x1 , y1 , z1 ), w = (x2 , y2 , z2 ) S
temos que v + w
/ S, pois ax1 + by1 + cz1 + d = 0 e ax2 + by2 + cz2 + d = 0, donde
a(x1 + x2 ) + b(y1 + y2 ) + c(z1 + z2 ) + 2d = 0,
isto e, as coordenadas de v + w n
ao satisfazem a equacao do plano S, logo este ponto nao est
a neste
plano.
O exemplo anterior pode ser generalizado para Rn da seguinte forma:
Proposi
c
ao. O conjunto soluc
ao de um sistema linear homogeneo AX = 0 em n variaveis e um subespaco
vetorial de Rn .
O conjunto soluc
ao de um sistema linear nao homogeneo AX = B, B 6= 0 nao e um subespaco vetorial
de Rn .
Exemplo 0a. Dentro do espaco vetorial das funcoes reais, o subconjunto das funcoes contnuas e um subespaco vetorial. Dentro do espaco vetorial das funcoes contnuas, o subconjunto das funcoes diferenciaveis e um subespaco vetorial. Dentro do espaco vetorial das funcoes diferenciaveis, o subconjunto
das func
oes duas vezes diferenci
aveis (funcoes que possuem uma derivada segunda em todo ponto) e
um subespaco vetorial. Outro subespaco vetorial importante e o subespaco das funcoes polinomiais,
isto e, func
oes da forma
f (x) = an xn + an1 xn1 + ... + a1 x + a0 ,

para algum n N.

Dentro deste espaco, o conjunto das funcoes polinomiais de grau menor ou igual a n, para cada n
fixado, e um subespaco vetorial.

3. Vetores Geradores
Defini
c
ao. Dizemos que um conjunto S = {V1 , ..., Vk } de vetores de um subespaco W gera W se todo vetor
de W e uma combinac
ao linear dos vetores de S.
Quando isso ocorre, dizemos que W e o subespa
co gerado por V1 , ..., Vk .
Exemplo 12. O subespaco
W = {(a, b, a + b) : a, b R}
e gerado pelos vetores V1 = (1, 0, 1) e V2 = (0, 1, 1), pois todo vetor de W e dado por
(a, b, a + b) = a(1, 0, 1) + b(0, 1, 1).
Exemplo 13. Sabemos que os vetores i, j, k geram o espaco R3 . Os vetores V1 = (1, 1, 0), V2 = (0, 1, 1), V3 =
(1, 0, 1) e V4 = (1, 1, 2) tambem geram R3 . De fato,
x1 V1 + x2 V2 + x3 V3 + x4 V4 = (a, b, c)
e equivalente ao sistema linear

x1 + x3 + x4
x1 + x2 + x4

x2 + x3 + 2x4
5

= a
= b
= c

cuja matriz aumentada e

1
1
0

0
1
1

1
0
1

que por sua vez tem forma escalonada reduzida

1 0 0 0

0 1 0 1

0 0 1 1

1 a
1 b
2 c
a+bc
2
a + b + c
2
ab+c
2

ou seja, existe uma soluc

ao (x1 , x2 , x3 , x4 ). Note que na verdade existem infinitas solucoes, diferente
de
x1 i + x2 j + x3 k = (a, b, c)
que possui uma soluc
ao u
nica. Note que na verdade os vetores V1 , V2 e V3 por si so ja sao suficientes
para gerar R3 . Neste caso tambem o sistema equivalente possui solucao u
nica. Isso sugere que em R3
tomar mais que tres vetores para gerar o espaco e um desperdcio.
Exemplo 14. Por outro lado, os vetores V1 = (1, 1, 2), V2 = (0, 1, 1) e V3 = (1, 0, 1) nao geram R3 . De fato
o sistema equivalente a
x1 V1 + x2 V2 + x3 V3 = (a, b, c)
e

x1 + x3
x1 + x2

2x1 + x2 + x3

= a
= b
= c

que tem como matriz aumentada

1
1
2

0
1
1

1 a
0 b
1 c

cuja forma escalonada reduzida e

1 0 1
a
0 1 1
ba ,
0 0 0 cab
logo o sistema s
o possui soluc
ao se c a b 6= 0, o que implica que vetores (a, b, c) de R3 tais que
c a b = 0 n
ao podem ser escritos como combinacao linear de V1 , V2 e V3 .
Exemplo 0b. O conjunto infinito S = {1, x, x2 , x3 , ...} gera o subespaco P das funcoes polinomiais. Nao e
possvel encontrar um subconjunto finito de funcoes polinomiais capaz de gerar todo o subespaco das
funcoes polinomiais, pois qualquer combinacao linear de funcoes polinomiais de um subconjunto finito
vai ter grau no m
aximo igual ao maior grau entre todas as funcoes polinomiais neste conjunto, enquanto
que o subespaco das func
oes polinomiais sempre possui funcoes polinomiais com grau arbitrariamente
grande. J
a o subespaco de func
oes polinomiais de grau menor ou igual a n possui um conjunto finito
de geradores, por exemplo {1, x, x2 , ..., xn }.
Exemplo 15. (Geradores de um Subespaco definido por um Sistema Linear Homogeneo) Ja vimos que o
conjunto soluc
ao de um sistema linear homogeneo AX = 0 e um subespaco vetorial. Vamos encontrar
um conjunto de geradores para este subespaco. Por exemplo, considere o sistema homogeneo

x1 2x2 + 3x3 4x4 = 0

3x1 + 6x2 + 9x3 6x4 = 0

2x1 + 4x2 6x3 + 8x4 = 0

6

representado pela matriz aumentada

1 2
3 4 0
3
6
9 6 0 .
2
4 6
8 0
Ele tem como matriz escalonada reduzida

1 2
0 0
0 0
de modo que sua soluc
ao geral e da forma

x1
2 +
x2

=
x3 =

x4

0 1 0
1 1 0 ,
0 0 0

0

+
0
0

= 1 +

1
0
,
1
1

logo (2, 1, 0, 0) e (1, 0, 1, 1) s

ao geradores para este subespaco de R4 .

4. Bases e Dimens
ao
Dado um conjunto de geradores S = {V1 , ..., Vk } para um subespaco vetorial W, alguns deste geradores
podem ser redundantes. De fato, se o conjunto S for linearmente dependente, ja vimos que um dos vetores
pode ser escrito como combinac
ao linear dos outros. Este vetor e portanto desnecessario para gerar W: os
outros vetores de S j
a s
ao suficientes. Podemos entao retirar este vetor do conjunto e o conjunto resultante
S1 ainda ser
a um conjunto de geradores para W. Se o conjunto resultante S1 tambem for linearmente
dependente, podemos repetir este processo. Fazendo isso tantas vezes quanto necessario obteremos no final
um conjunto de geradores para W que e linearmente independente.
Defini
c
ao. Dizemos que um subconjunto B = {V1 , ..., Vk } e uma base para o subespaco W se
(i) B gera W, e
(ii) B e L.I.
Exemplo 16. Os vetores i, j, k formam uma base para R3 . Os vetores E1 , ..., En formam uma base para
Rn .
Exemplo 17. Os vetores (2, 1, 0, 0) e (1, 0, 1, 1), geradores do subespaco de R4 considerado no Exemplo 15
sao L. I., logo eles formam uma base para este subespaco.
Uma base para um subespaco contem o n
umero mnimo de vetores necessarios para gerar este subespaco.
Este n
umero mnimo e uma propriedade intrnseca do subespaco: como provamos a seguir, duas bases para
um subespaco sempre contem o mesmo n
umero de elementos.
Teorema 1. Se {V1 , ..., Vk } e {W1 , ..., Wl } sao duas bases de um subespaco W, entao k = l.
Prova: Para provar este resultado, basta provar o seguinte:
Lema. Se {U1 , ..., Um } e uma base de um subespaco W, entao qualquer subconjunto de W com mais de m
vetores e linearmente dependente.

Prova: Seja {Z1 , ..., Zp } um subconjunto de W com p > m. Mostraremos que {Z1 , ..., Zp } e L. D., isto e,
que o sistema
x1 Z1 + ... + xp Zp = 0
(1)
possui uma soluc
ao n
ao trivial.
Como {U1 , ..., Um } e uma base para W, cada vetor Zj pode ser escrito como combinacao linear dos
vetores U1 , ..., Um . Podemos ent
ao escrever, para cada j,
Zj = a1j U1 + ... + amj Um
para alguns escalares a1j , ..., amj .
Substituindo estas express
oes para Zj na equacao (1), obtemos
(a11 x1 + ... + a1p xp )U1 + ... + (am1 x1 + ... + amp xp )Um = 0.
Mas como {U1 , ..., Um } e uma base para W, os vetores U1 , ..., Um sao linearmente independentes, portanto
a11 x1 + ... + a1p xp
..
.

=
..
.

0,
..
.

am1 x1 + ... + amp xp

0.

Ou seja, obtemos um sistema homogeneo de m equacoes a p incognitas. Como o n

umero de incognitas e
maior que o n
umero de equac
oes, o sistema possui solucao nao trivial.
Voltando `
a demonstrac
ao do Teorema, suponha por contradicao que l > k. Entao {W1 , ..., Wl } e um
conjunto com mais de k vetores, e pelo lema {W1 , ..., Wl } e L.D., contrariando a hipotese de que {W1 , ..., Wl }
e uma base de W. Analogamente obtemos uma contradicao se supormos que k > l.
Defini
c
ao. A dimens
ao de um subespaco W e o n
umero de vetores de qualquer uma de suas bases,
denotada dimW.
Definimos tambem dim{0} = 0. Segue do Exemplo 16 que dim Rn = n.
Exemplo 18. Uma reta que passa pela origem tem dimensao 1, pois ela e gerada pelo seu vetor direcao
e ja vimos que um conjunto que contem um u
nico vetor nao nulo e L. I. Um plano que passa pela
origem tem dimens
ao 2. De fato, se ax + by + cz = 0 e uma equacao geral para um tal plano, fazendo
1
x = t, y = s obtemos z = (at + bs), ou seja, uma equacao parametrica para este plano e
c

x = t
y = s

z = at bs
c
c
a
b
donde (1, 0, ) e (0, 1, ) s
ao vetores geradores para este plano. Como estes vetores sao L. I., eles
c
c
formam uma base para este subespaco.
Exemplo 0c. Como n
ao podemos encontrar um subconjunto finito de geradores para o subespaco vetorial
P das func
oes polinomiais, decorre que sua dimensao e infinita. Para sermos mais precisos, o conjunto
infinito S = {1, x, x2 , x3 , ...}, alem de gerar P, e tambem L. I., logo e uma base para P. Da conclumos
possvel provar que para o espaco vetorial F das funcoes reais (ou mesmo o das
que dim P = 0 . E
funcoes contnuas, ou o das func
oes diferenciaveis) temos dim F > 0 .
Teorema 2. Seja W um subespaco de dimensao m. Se {V1 , ..., Vm } e L.I., entao {V1 , ..., Vm } e uma base
para W.
8

Prova: Basta provar que {V1 , ..., Vm } gera W. Dado V W, precisamos provar que V e uma combinacao
linear de V1 , ..., Vm . E, de fato, como dim W = m, o conjunto {V1 , ..., Vm , V } e L.D., pelo lema anterior.
Logo
x1 V1 + ... + xm Vm + xm+1 V = 0
possui uma soluc
ao n
ao trivial (x1 , ..., xm , xm+1 ). Por outro lado, nao podemos ter xm+1 = 0, pois isso
implicaria que (x1 , ..., xm ) e uma soluc
ao nao trivial para x1 V1 + ... + xm Vm = 0, contrariando o fato de que
estes vetores s
ao L. I. Conclumos, pois, que xm+1 6= 0 e portanto podemos dividir por xm+1 , obtendo
V =

x1
xm
V1 ...
Vm ,
xm+1
xm+1

como queramos.
Exemplo 19. Os vetores (1, 0, 1), (2, 1, 3) e (0, 1, 2) sao L. I., porque

1 0
1
3 = 3 6= 0,
det 2 1
0 1 2
logo eles formam uma base para R3 .

Produto Escalar em Rn
Defini
c
ao. O produto escalar de dois vetores V = (v1 , ..., vn ), W = (w1 , ..., wn ) de Rn e definido por
V W = v1 w1 + ... + vn wn .
A norma de um vetor V = (v1 , ..., vn ) de Rn e definida por
q

kV k = V V = v12 + ... + vn2 .

Assim, dizemos que V e um vetor unit
ario de Rn se kV k = 1.
Proposi
c
ao. (Propriedades do Produto Escalar) Se U, V, W sao vetores de Rn , e e um escalar, entao
1. V W = W V
2. U (V + W ) = U V + U W
3. (V W ) = (V ) W = V (W )
2

4. V V = kV k 0 e kV k = 0 se e somente se V = 0.
5. Desigualdade de Cauchy-Shwartz:
|V W | kV k kW k
6. Desigualdade Triangular:
kV + W k kV k + kW k
2

Prova: Para provar (4), note que kxV + W k 0 para qualquer n

umero real x. Como
2

kxV + W k = (xV + W ) (xV + W ) = x2 kV k + 2(V W )x + kW k ,

segue que temos um polin
omio do segundo grau em x que satisfaz
2

kV k x2 + 2(V W )x + kW k 0,
9

isto e, a par
abola com concavidade para cima que ele representa (pois o coeficiente de x2 e kV k 0) nunca
assume valores negativos, logo seu discriminante nao pode ser positivo (se fosse, teramos duas razes reais
distintas e portanto o vertice da par
abola teria valor negativo):
2

4|V W |2 4 kV k kW k 0
donde segue o resultado desejado.
Para provar (5), use (4) e escreva
2

kV + W k = (V + W ) (V + W ) = kV k + 2(V W ) + kW k
2

kV k + 2|V W | + kW k
2

2
2

kV k + 2 kV k kW k + kW k
2

= (kV k + kW k) .
Tomando a raiz quadrada de ambos os lados, segue o resultado.
Defini
c
ao. O
angulo entre dois vetores nao nulos V, W de Rn e definido como o valor de entre 0 e 180
tal que
V W
cos =
.
kV k kW k
Observa
c
ao: Esta definic
ao faz sentido porque pela desigualdade de Cauchy-Schwartz temos que
1

V W
1.
kV k kW k

5. Bases Ortonormais
O proximo resultado prova o fato intuitivamente sugerido que vetores mutuamente ortogonais em Rn definem
direcoes independentes em Rn .
Proposi
c
ao. Sejam V1 , ..., Vk vetores n
ao nulos de Rn ortogonais dois a dois, isto e, Vi Vj = 0 para i 6= j.
Entao V1 , ..., Vk s
ao L. I.
Prova: Temos que provar que se
x1 V1 + ... + xk Vk = 0,
entao x1 = ... = xk = 0. Fazendo o produto escalar de ambos os lados desta equacao com Vi , para cada i,
obtemos (usando o fato de que Vi Vj = 0 se i 6= j)
2

xi kVi k = 0.
Como por hip
otese os vetores s
ao n
ao nulos, isso necessariamente implica xi = 0.
Defini
c
ao. Dado um subespaco vetorial W de Rn , dizemos que {V1 , ..., Vk } e uma base ortogonal para
W se este conjunto de vetores for uma base para W e eles forem ortogonais dois a dois. Se alem disso
eles forem unit
arios, dizemos que {V1 , ..., Vk } e uma base ortonormal para W.
Exemplo 21. {i, j, k} e uma base ortonormal para R3 . Mais geralmente, os vetores E1 , ..., En definidos
anteriormente, formam uma base ortonormal para Rn .
Podemos encontrar uma base ortonormal para qualquer subespaco vetorial de Rn atraves de um algoritmo
chamado processo de ortogonaliza
c
ao de Gram-Schmidt. Ele e baseado no seguinte resultado:
10

Lema. Seja W um vetor n

ao nulo de Rn . Entao, para qualquer vetor V de Rn , o vetor
V projW V
e ortogonal a W .
Em geral, sejam W1 , ..., Wk vetores nao nulos de Rn , ortogonais dois a dois. Entao, para qualquer
vetor V de Rn , o vetor
V projW1 V ... projWk V
e ortogonal a cada um dos vetores Wi .
Prova: Temos
(V projW V ) W =

V W
kW k

!
W =V W

2W

V W
kW k

2W

W = 0.

Analogamente, temos
(V projW1 V ... projWk V ) W =

V W1

V Wn

2 W1 ...
2 Wn
kW1 k
kWn k
V Wi
= V Wi
2 Wi Wi = 0.
kWi k

!
Wi

Processo de Ortogonaliza
c
ao de Gram-Schmidt. Se {V1 , ..., Vk } e uma base qualquer de um subespaco
W de Rn , podemos a partir desta base construir uma base para W que tambem e ortonormal. Primeiro
construmos uma base ortogonal usando o lema anterior, tomando
W 1 = V1
W2 = V2 projW1 V2
W3 = V3 projW1 V3 projW2 V3
..
.
Wk = Vk projW1 Vk ... projWk1 Vk .
De fato, usando o lema, vemos que W2 e ortogonal a W1 ; alem disso, W2 e tambem nao nulo (W1 claramente
e nao nulo, pois W1 = V1 ) porque se tivessemos V2 = projW1 V2 , entao em particular V2 seria um m
ultiplo
escalar de W1 = V1 , violando a hip
otese de que {V1 , V2 } sao L. I. Note que W2 e uma combinacao linear de
V1 , V 2 .
Em seguida, vemos que segue do lema que W3 e ortogonal a W1 , W2 . Igualmente nao podemos ter W3 = 0,
pois V3 = projW1 V3 + projW2 V3 implicaria que V3 e uma combinacao linear de V1 , V2 (pois projW1 V3 e um
m
ultiplo escalar de W1 = V1 e projW2 V3 e um m
ultiplo escalar de W2 que, como vimos acima, e uma
combinacao linear de V1 , V2 . Mas, por hipotese, {V1 , V2 , V3 } sao L. I. Note que W3 e uma combinacao linear
de V1 , V2 , V3 .
E assim por diante, ate o vetor Wk , que pelo lema e ortogonal a W1 , ..., Wk e e nao nulo porque Vk =
projW1 Vk + ... + projWk1 Vk implicaria que Vk e uma combinacao linear de V1 , ..., Vk1 , contradizendo a
hipotese de que {V1 , ..., Vk } e L. I.
A partir da base ortogonal {W1 , ..., Wk } e facil obter uma base ortonormal {U1 , ..., Uk }. Basta tomar
U1 =

Wk
W1
, .., Uk =
kW1 k
kWk k

11

Exemplo 21. Aplique o processo de ortogonalizacao de Gram-Schmidt `a base {(1, 1, 0), (1, 0, 1), (0, 1, 1)}
de R3 para encontrar uma base ortonormal para R3 cujo primeiro vetor seja um m
ultiplo escalar de
(1, 1, 0).
Resposta: Faca
W1 = (1, 1, 0).
Em seguida, faca
W2 = V2 projW1 V2 = (1, 0, 1)

(1, 0, 1) (1, 1, 0)
k(1, 1, 0)k

1 1
1 1
(1, 1, 0) = (1, 0, 1) ( , , 0) = ( , , 1),
2 2
2 2

e
W3 = V3 projW1 V3 projW2 V3 = (0, 1, 1)


k(1, 1, 0)k

2 2 2
, ,
.
3 3 3

1 1
1 1 1
= (0, 1, 1) ( , , 0) ( , , ) =
2 2
6 6 3
q

Da, como kW1 k = 2, kW2 k = 32 , kW3 k =

!

2
2
, 0 , U2 =
,
2
2

U1 =

(0, 1, 1) (1, 1, 0)

2 ,
3

(1, 1, 0)

12

segue que

!
6
6
6
, U3 =
,
,
6
6
6

(0, 1, 1) ( 12 , 12 , 1) 1 1
1 1 2 ( , , 1)
2 2
( , , 1)

!
3
3
3
.
,
,

3
3
3