IST - 1o Semestre de 2011/12

LEGM, MEC
1

EXERCÍCIOS DE ÁLGEBRA LINEAR

FICHA 5 - Ortogonalidade

1 Produto interno e ortogonalidade

Dados u, v ∈ Rn , u = (u1 , ..., un ) , v = (v1 , ..., vn ) define-se o produto interno (usual)
de u por v, como sendo o valor real

u · v = u1 v1 + ... + un vn .

Considerando os vectores coluna

   
u1 v1
u =  ...  , v =  ...  ,
un vn
o produto interno pode descrever-se em termos de um produto matricial:

u · v = uT v.

O produto interno possui as seguintes propriedades:

i) u · v = v · u (comutatividade).
ii) u · (v + w) = u · v + u · w (distributividade).
iii) u · (αv) = α (u · v) , ∀α ∈ R.
iv) u · u
0 e u · u = 0 se e só se u = 0.

À custa do produto interno definimos a norma de um vector u ∈ Rn , u , através da

relação 
u = (u · u)1/2 = u21 + ... + u2n .
No caso de R3 (e R2 ) o valor real não negativo u , coincide com a habitual noção do
comprimento do vector u. Tem-se ainda que com u, v ∈ R3 (e R2 )

u · v = u v cos θ,

1
Coligidos por: João Ferreira Alves, Ricardo Coutinho e José M. Ferreira.

1
onde θ ∈ [0, π] é o (menor) ângulo entre u e v. A distância entre u e v é definida pelo valor
u − v .
São válidas as seguintes propriedades da norma:

i) u
0 e u = 0 se e só se u = 0.
ii) αu = |α| u , ∀α ∈ R.
iii) |u · v|  u v (desigualdade de Cauchy2 -Schwarz3 ).
iv) u + v  u + v (desigualdade triangular).

1.1 Vectores e subespaços ortogonais

Dois vectores u, v ∈ Rn são ditos ortogonais (u ⊥ v) se u · v = 0.
Dois subespaços U e V de Rn dizem-se ortogonais se
u · v = 0, ∀u ∈ U, ∀v ∈ V.

Dois vectores u e v são ortogonais se e só se u + v2 = u2 + v2 (Teorema de

Pitágoras).
Dado um subespaço U de Rn , toma o nome de complemento ortogonal de U, o
conjunto
U ⊥ = {w ∈ Rn : w · u = 0, ∀u ∈ U } .
A respeito deste conceito são válidas as seguintes afirmações:

• U ⊥ é um subespaço de Rn .
• U e U ⊥ são subespaços ortogonais.
• U ∩ U ⊥ = {0} .
• dim U + dim U ⊥ = n.
• U + U ⊥ = Rn
 ⊥
• U ⊥ = U.

• L ({u1 , ..., up })⊥ = {w ∈ Rn : w · u1 = 0, ..., w · up = 0} .

• Dada uma matriz real, S, n × p então:
i) (ColS)⊥ = NulS T . ii) (NulS)⊥ = ColS T .

2
Augustin Louis Cauchy, n. em Paris, França, a 21 de Agosto de 1789, m. em Sceaux, França, a 23 de
Maio de 1857.
3
Herman Amandus Schwarz, n. em Hermsdorf, Polónia, a 25 de Janeiro de 1843, m. em Berlim, Alema-
nha, a 30 de Novembro de 1921.

2
1.2 Exercícios

Exercício 1 Para os casos a seguir indicados calcule u · v e cos θ (θ = ∡ (u, v)) .

a) u = (−1, 1, 0) , v = (0, 0, 1) .
b) u = (1, 2, −1) , v = (3, 1, 0) .
c) u = (−2, −1, 1) , v = (3, 1, −2 ) .

Exercício 2 Os vectores u = (3, −2, 1) e v = (1, −3, 5) constituem os lados dum triângulo
rectângulo? Qual a área do triângulo?

Exercício 3 Mostre que

u + v2 − u − v2
u·v=
4

Exercício 4 Prove a identidade do paralelogramo:

u − v2 + u + v2 = 2 u2 + 2 v2 .

Exercício 5 Determine uma base do complemento ortogonal do subespaço U de R3 quando:

a) U = L {(1, 1, 1) , (1, 0, 1)} .
b) U = L {(1, 0, 2)} .
c) U = {(x, y, z) ∈ R3 : x + y − z = 0} .
d) U = {(x, y, z) ∈ R3 : x + z = 0, y + z = 0} .

Exercício 6 Encontre uma base do complemento ortogonal do subespaço U de R4 nos se-

guintes casos:
a) U = L {(1, 0, 1, 1)} .
b) U = {(x, y, z, w) ∈ R4 : x + 2y + z + 2w = 0, x + 2y − z = 0} .
c) U = L {(1, 0, 1, 1), (1, 0, 1, 0)} .
d) U = L {(1, 0, 1, 1), (1, 0, 1, 0), (1, 2, 2, 0)} .
e) U = {(x, y, z, w) ∈ R4 : x − y + z − w = 0, 2y − z = 0, x + y − w = 0} .
f) U = L {(1, 0, 1, 1), (1, 0, 1, 0), (1, 0, −1, 0), (0, 1, 0, 0)} .
g) U = {(x, y, z, w) ∈ R4 : x − y + z − w = 0, 2y − z = 0, z − w = 0, z + w = 0} .

3
2 Bases ortogonais
U = {u1 , ..., up } ⊂ Rn diz-se um conjunto ortogonal de Rn se os vectores de U forem
ortogonais dois a dois. Isto é, se

uj · uk = 0, ∀j = k.

Se além disso, se tiver

uj  = 1, ∀j,
diremos que U é um conjunto ortonormado.
Relativamente a estes conjuntos é possível obter as seguintes conclusões:

• São linearmente independentes os vectores de qualquer conjunto ortogonal que não

contenha o vector nulo.

• Qualquer conjunto ortogonal de n vectores diferentes do vector nulo é uma base de Rn .

2.1 Projecção ortogonal sobre um vector

Dados u, v ∈ Rn , chama-se projecção ortogonal de v sobre u, ao vector
v·u
proju v = u.
u·u
Tem-se que o vector w = v − proju v é tal que w ⊥ proju v e que

min {v − u′  : u′ ∈ L ({u})} = distância de v a L ({u}) = w = v − proju v .

2.2 Método de ortogonalização de Gram-Schmidt

As projecções ortogonais sobre um vector permitem-nos formular um algoritmo que, a
partir de uma qualquer base B = {u1 , ..., up } de um dado subespaço U de Rn , nos dê uma
base ortogonal de U , Ω = {v1 , ..., vp } , onde:

v1 = u 1
v2 = u2 − projv1 u2
v3 = u3 − projv1 u3 − projv2 u3
.................
vp = up − projv1 up − projv2 up − ... − projvp−1 up

Este algoritmo toma o nome de método de ortogonalização de Gram4 -Schmidt5 .

4
Jorgen Pederson Gram, n. em Nurstrup, Dinamarca, a 27 de Junho de 1850, m. em Copenhaga,
Dinamarca, a 29 de Abril de 1916.
5
Erhard Schmidt, n. em Tartu, Estónia, a 13 de Janeiro de 1876, m. em Berlim, Alemanha, a 6 de
Dezembro de 1959.

4
 A partir deste método podemos generalizar o noção de projecção de um vector sobre um
subespaço U de Rn . Se Ω = {u1 , ..., up } for uma base ortogonal de U, com v ∈ Rn chama-se
projecção ortogonal de v sobre U ao vector
projU v = proju1 v + ... + projup v.
Tem-se que o vector v − projU v = projU ⊥ v é ortogonal a U e que
distância de v a U = min {v − u : u ∈ U} = v − projU v = projU ⊥ v .
Em particular, a projecção de v sobre um vector u é tal que
proju v = projL({u}) v.

2.3 Matrizes ortogonais

Uma matriz A, real e n × n, diz-se uma matriz ortogonal se for invertível e se a sua
matriz inversa coincidir com a sua transposta, ou seja se
A AT = AT A = I.

A este propósito são equivalentes as seguintes afirmações:

• A é ortogonal.
• As colunas de A formam um conjunto ortonormado.
• (Ax) · (Ay) = x · y, ∀ x, y ∈ Rn .
• Ax = x , ∀ x ∈ Rn .

2.4 Matrizes ortogonalmente diagonalizáveis

Uma matriz A, real e n × n, diz-se uma matriz ortogonalmente diagonalizável se
for semelhante a uma matriz diagonal, D, cuja matriz de semelhança, P, seja ortogonal. Isto
é, se
A = P DP −1
com P −1 = P T .
Facilmente se verifica que uma matriz ortogonalmente diagonalizável, A é necessaria-
mente uma matriz simétrica, ou seja, AT = A. O inverso também sucede como se estabelece
no seguinte teorema:
Teorema espectral das matrizes simétricas. Seja A uma matriz real, n × n e simétrica.
Então:

• σ (A) ⊂ R.
• Os espaços próprios de A são ortogonais.
• A é ortogonalmente diagonalizável.

5
2.5 Exercícios
Exercício 7 Dos casos seguintes indique aqueles em que Ω = {u1 , u2 , u3 } é uma base orto-
gonal de R3 . Nos casos afirmativos transforme Ω numa base ortonormada.
a) u1 = (−1, 4, −3) , u2 = (5, 2, 1) , u3 = (3, −4, −7) .
b) u1 = (1, −2, 1) , u2 = (0, 1, 2) , u3 = (−5, −2, 1) .
c) u1 = (2, −5, −3) , u2 = (0, 0, 0) , u3 = (4, −2, 6) .

Exercício 8 Seja U = {(x, y, z) ∈ R3 : x − y − z = 0, x + y + z = 0} .

a) Determine a projecção ortogonal de (3, 0, −1) sobre U.
b) Qual a distância de (3, 0, −1) a U ?

Exercício 9 Seja U um subespaço de Rn e {b1 , b2 , .., bp } uma base ortogonal de U. Verifique

que para qualquer x ∈ U é válida a seguinte igualdade:

x = projb1 (x) + projb2 (x) + ... + projbp (x)

Exercício 10 Verifique que os vectores b1 = (1, 1, 0), b2 = (1, −1, −1), b3 = (1, −1, 2)
formam uma base ortogonal de R3 e determine as coordenadas do vector v = (3, 2, 1) nesta
base.

Exercício 11 Com u = 0, vector de R3 , considere a recta L = L (u) . Para cada x ∈ R3

designe por x∗ a reflexão de x relativamente a L.
a) Justifique que
x∗ = 2 projL (x) − x.

b) Justifique que transformação T : R3 → R3 dada por T (x) = x∗ é linear.

c) Para u = (1, 0, 1) , qual a matriz que representa T ?

Exercício 12 Considere o produto interno usual em R4 e os seguintes dois vectores ortogo-

nais e normalizados:
 
2 2 1 2 −2 1
u1 = , , ,0 e u2 = , , 0,
3 3 3 3 3 3

Considere ainda v = (1, 0, 0, 0). Determine um vector u3 de modo que u1 , u2 e u3 formem

uma base ortonormada do subespaço L (u1 , u2 , v).

Exercício 13 Em R3 , com o produto interno usual, considere o subespaço

U = L {(1, 1, 1) , (1, 0, 0)} .

a) Calcule a projecção ortogonal de (1, 0, 1) sobre U.

b) Qual é a distância de (1, 0, 1) a U ?

6
Exercício 14 Em R3 , com o produto interno usual, considere o subespaço


U = (x, y, z) ∈ R3 : x − y = 0 .

a) Calcule a projecção ortogonal de (1, 0, 0) sobre U.

b) Qual é a distância de (1, 0, 0) a U ?

Exercício 15 Considere o subespaço U = L {(1, 1, 1, 1) , (1, 0, 1, 0)} de R4 .

a) Obtenha uma base ortonormada para U.
b) Determine a projecção ortogonal de (0, 1, 0, 2) sobre U.
c) Qual a distância de (0, 1, 0, 2) a U ?

Exercício 16 Considere o subespaço U = {(x, y, z, w) ∈ R4 : x − y + z − w = 0} como su-

bespaço do espaço euclidiano usual R4 .
a) Determine uma base de U ⊥ que seja ortonormada.
b) Qual a projecção ortogonal de (1, 0, 1, 0) sobre U?
c) Calcule a distância de (1, 0, 1, 0) a U?

Exercício 17 Seja U = {(x, y, z, w) ∈ R4 : x − y + z = 0, y − z + w = 0} .

a) Obtenha uma base ortonormada de U.
b) Determine a projecção ortogonal de (0, 0, 1, 0) sobre U.
c) Indique a distância de (0, 0, 1, 0) a U.

Exercício 18 a) Verifique que


cos θ − sin θ
A=
sin θ cos θ
é uma matriz ortogonal.
b) Qual a inversa de  √ 
1 3
2
− 2
B= √ ?
3 1
2 2

Exercício 19 Determine a e b de modo que

 1 2 2

3 3 3
 2

A=
 3
a b 

2
3
b a

seja uma matriz ortogonal.

Exercício 20 Sejam A, B ∈ Mn×n (R) duas matrizes ortogonais. Verifique se AB ou A + B

são também ortogonais.

7
3 Formas quadráticas
Uma forma quadrática é uma função Q : Rn → R cuja expressão analítica do seguinte
tipo: 
Q (x1 , ..., xn ) = aij xi xj ,
i.j=1

onde aij ∈ R, i, j = 1, ..., n.

Com  
x1
x =  ... 
xn
qualquer forma quadrática pode assumir a forma

Q (x1 , ..., xn ) = xT A x,

com A matriz real, n × n e simétrica. Por exemplo, a forma quadrática Q : R2 → R,

Q (x1 , x2 ) = 2x21 − 3x1 x2 + 4x22

 
2 −3/2 x1
= [x1 x2 ] .
−3/2 4 x2

3.1 Classificação das formas quadráticas

Pondo x = (x1 , ..., xn ) , uma forma quadrática Q (x) e as matrizes simétricas que lhe
estão associadas são classificadas em:

1. Definidas positivas se Q (x) > 0, ∀x ∈ Rn \ {0} .

2. Definidas negativas se Q (x) < 0, ∀x ∈ Rn \ {0} .
3. Semidefinidas positivas se Q (x)
0, ∀x ∈ Rn .
4. Semidefinidas negativas se Q (x)  0, ∀x ∈ Rn .
5. Indefinidas se Q (x) tomar valores positivos e negativos.

3.2 Formas quadráticas e valores próprios

A partir da relação
Q (x1 , ..., xn ) = xT A x,
com A matriz real, n × n e simétrica, como A é ortogonalmente diagonalizável temos que

xT A x = xT P DP T x

em que
 D é uma matriz diagonal, n × n, e P uma matriz ortogonal também n × n. Com
y = y1 ... yn , fazendo então
T

y = PTx

8
temos que
xT A x = yT D y.
Isto significa que através da mudança de variável x = P y, a forma quadrática Q pode ser
descrita, na nova variável, através da expressão
Q (y1 , ..., yn ) = yT D y = λ1 y12 + ... + λn yn2 ,
onde λ1 , ..., λn , são os números reais que constituem o espectro de A, ou seja os seus valores
próprios.
Este facto permite-nos então concluir:

1. Q é uma forma definida positiva se e só se todos os valores próprios de A são positivos.

2. Q é uma forma definida negativa se e só se todos os valores próprios de A são negativos.
3. Q é uma forma semidefinida positiva se e só se todos os valores próprios de A são não
negativos.
4. Q é uma forma semidefinida negativa se e só se todos os valores próprios de A são não
positivos.
5. Q é uma forma indefinida se e só se A tiver valores próprios positivos e negativos.

3.3 Exercícios
Exercício 21 Classifique as seguintes matrizes simétricas.
  
1 1 2 1 −3 1
a) . b) . c) .
1 1 1 2 1 −2

   
 1 2 0 2 0 1
3 2
d) . e)  2 1 0  . f)  0 −2 0  .
2 0
0 0 3 1 0 2

Exercício 22 Com base no exercício anterior classifique as seguintes formas quadráticas.

a) Q(x1 , x2 ) = x21 + x22 + 2x1 x2 .
b) Q(x1 , x2 ) = 2x21 + 2x22 + 2x1 x2 .
c) Q(x1 , x2 ) = −3x21 + 2x2 x1 − 2x22 .
d) Q(x1 , x2 ) = 3x21 + 4x2 x1 .
e) Q(x1 , x2 , x3 ) = x21 + x22 + 3x23 + 4x2 x1 .
f) Q(x1 , x2 , x3 ) = 2x21 − 2x22 + 2x23 + 2x3 x1 .

Exercício 23 Para cada uma das formas quadráticas do exercício anterior, à excepção da
c), proceda a uma mudança de variável x = P y, indicando a respectiva matriz P, de modo a
obter Q sem termos com produtos cruzados.

9
4 Produto interno em espaços vectoriais gerais
Dado um espaço vectorial V sobre R, um produto interno definido em V é uma aplicação
., . : V × V → R que satisfaz as seguintes propriedades válidas para quaisquer u, v, w ∈ V
e α, β ∈ R:

i) u, v = v, u (simetria).

ii) (αu + βv) , w = α u, v + β v, w (linearidade).

iii) u, u
0 e u, u = 0 se e só se u = 0 (positividade).

Dado um espaço vectorial V sobre C, um produto interno definido em V é uma aplicação

., . : V × V → C que satisfaz as seguintes propriedades válidas para quaisquer u, v, w ∈ V
e α, β ∈ C:

i) u, v = v, u (simetria hermiteana).

ii) (αu + βv) , w = α u, v + β v, w (linearidade).

iii) u, u
0 e u, u = 0 se e só se u = 0 (positividade).

Note-se que u, (αv + βw) = α u, v + β u, w

À custa dum produto interno ., . definido em V definimos a correspondente norma

de um vector u ∈ V, u , através da relação

u = u, u.

São válidas as seguintes propriedades da norma:

i) u
0 e u = 0 se e só se u = 0.

ii) αu = |α| u , ∀α ∈ K.

iii) |u · v|  u v (desigualdade de Cauchy6 -Schwarz7 ).

iv) u + v  u + v (desigualdade triangular).

6
Augustin Louis Cauchy, n. em Paris, França, a 21 de Agosto de 1789, m. em Sceaux, França, a 23 de
Maio de 1857.
7
Herman Amandus Schwarz, n. em Hermsdorf, Polónia, a 25 de Janeiro de 1843, m. em Berlim, Alema-
nha, a 30 de Novembro de 1921.

10
 Dois vectores u, v ∈ V são ditos ortogonais (u ⊥ v) se u, v = 0.
Se dois vectores u e v são ortogonais, então u + v2 = u2 + v2 (Teorema de
Pitágoras).
Define-se o ângulo θ entre dois vectores u, v do espaço vectorial V sobre R munido
do produto interno ., . de forma a que seja válida a fórmula
u, v
u, v = u v cos θ, ou seja θ = arccos .
u v

Dois subespaços U e W de V dizem-se ortogonais se

u, v = 0, ∀u ∈ U, ∀v ∈ W.

Dado um subespaço U de V, toma o nome de complemento ortogonal de U, o subes-

paço de V definido por

U ⊥ = {w ∈ V : u, w = 0, ∀u ∈ U } .

4.1 Projecções em subespaços de dimensão finita

U = {u1 , ..., up } ⊂ V , diz-se um conjunto ortogonal do espaço vectorial V munido de
um produto interno ., . se os vectores de U forem ortogonais dois a dois. Isto é, se

uj , uk  = 0, ∀j = k.

Se além disso, se tiver

uj  = 1, ∀j,
diremos que U é um conjunto ortonormado.
Dados u, v ∈ V, chama-se projecção ortogonal de v sobre u, ao vector
v, u
proju v = u.
u, u
Tem-se que o vector w = v − proju v é tal que w ⊥ proju v e que

min {v − u′  : u′ ∈ L ({u})} = distância de v a L ({u}) = w = v − proju v .

O método de ortogonalização de Gram-Schmidt mantém a mesma forma e per-

mite a partir de uma qualquer base B = {u1 , ..., up } de um dado subespaço U (de dimensão
finita) de V obter uma base ortogonal Ω = {v1 , ..., vp } de U :

v1 = u 1
v2 = u2 − projv1 u2
v3 = u3 − projv1 u3 − projv2 u3
.................
vp = up − projv1 up − projv2 up − ... − projvp−1 up

11
 Dado U um subespaço de V de dimensão finita e {u1 , u2 , .., up } uma base ortogonal de
U, então para qualquer u ∈ U é válida a seguinte igualdade:

u = proju1 (u) + proju2 (u) + ... + projup (u)

Se Ω = {u1 , ..., up } for uma base ortogonal de U, com v ∈ V chama-se projecção

ortogonal de v sobre U ao vector

projU v = proju1 v + ... + projup v.

Tem-se que o vector v − projU v é ortogonal a U e que

distância de v a U = min {v − u : u ∈ U } = v − projU v .

Em particular, a projecção de v sobre um vector u é tal que proju v = projL({u}) v.

4.2 Produtos internos em espaços de dimensão finita

A espaço vectorial de dimensão finita V munido de um produto interno ., . dá-se o
nome de espaço euclidiano.
Dada uma base B = {u1 , ..., un } do espaço vectorial V sobre R (resp. sobre C) a cada
produto interno ., . corresponde uma matriz M simétrica (resp. hermítica ie MT = M ) e
definida positiva que o representa: se [v]B = xT = [x1 , ..., xn ] e [w]B = yT = [y1 , ..., yn ] são
as coordenadas de v e w ∈ V na base B, então

v, w = xT My (resp. v, w = xT My),

onde
M = [ui , uj ]1i,jn

4.3 Exercícios
Exercício 24 Identifique as aplicações ., . : R2 × R2 → R que definem em R2 um produto
interno:
a) (x1 , x2 ) , (y1 , y2 ) = x1 y1 + x2 y2
b) (x1 , x2 ) , (y1 , y2 ) = x1 y1 + x1 y2 + x2 y2
c) (x1 , x2 ) , (y1 , y2 ) = −2x1 y1 + 3x2 y2
d) (x1 , x2 ) , (y1 , y2 ) = 3x1 y1 + 2x2 y1 + 2x1 y2 + 3x2 y2

Exercício 25 Identifique as aplicações ., . : R3 × R3 → R que definem um produto interno

em R3 :
a) (x1 , x2 , x3 ) , (y1 , y2 , y3 ) = x1 y1 + x2 y2 + x3 y3
b) (x1 , x2 , x3 ) , (y1 , y2 , y3 ) = x1 y1 + 2x1 y2 + x2 y2 + 3x1 y3 + x2 y3 + x3 y3
c) (x1 , x2 , x3 ) , (y1 , y2 , y3 ) = 2x1 y1 + x2 y1 + x1 y2 + 2x2 y2 + 2x3 y3

12
Exercício 26 Considere em R2 o produto interno definido por
x, y = x1 y1 − x2 y1 − x1 y2 + 2x2 y2 .
a) Calcule x, para um qualquer vector x = (x1 , x2 ) ∈ R2 ;
b) Calcule o ângulo determinado pelos vectores (1, 0) e (1, 1);
c) Conclua pelas alíneas anteriores que os vectores v1 = (1, 0) e v2 = (1, 1) constituem uma
base ortonormada de R2 . Calcule as componentes de um vector x = (x1 , x2 ) ∈ R2 em relação
a esta base.

Exercício 27 Considere em R3 o produto interno definido por

x, y = x1 y1 + 4x2 y2 + 2x3 y2 + 2x2 y3 + 5x3 y3 .

a) Calcule x, para um qualquer vector x = (x1 , x2 , x3 ) ∈ R3 ;

b) Considere os vectores v1 = (1, 0, 0), v2 = (0, 1/2, 0) e v3 = (0, −1/4, 1/2). Calcule os
ângulos determinados pelos vectores: v1 e v2 ; v1 e v3 ; v2 e v3 .
c) Conclua pelas alíneas anteriores que {v1 , v2 , v3 } é uma base ortonormada de R3 . Calcule
as componentes de um vector x = (x1 , x2 , x3 ) ∈ R3 em relação a esta base.

Exercício 28 Considere em P2 o produto interno definido por:

p (t) , q (t) = p(−1)q(−1) + p(0)q(0) + p(1)q(1).
a) Calcule p (t) para um qualquer polinómio p (t) ∈ P2 .
b) Mostre que os polinómios
1 1 1 1
p1 (t) = 1 − t2 , p2 (t) = t + t2 e p3 (t) = − t + t2
2 2 2 2
constituem uma base ortonormada de P2 . Calcule as componentes do polinómio p (t) = 1
nesta base.

Exercício 29 Considere em P2 o produto interno definido por:

p (t) , q (t) = p (0) q (0) + p′ (0) q ′ (0) + p′ (1) q ′ (1) .
a) Calcule p (t) para um qualquer polinómio p (t) ∈ P2 .
b) Calcule o ângulo determinado pelos polinómios p(t) = 1 e q(t) = 2 + t2 .

Exercício 30 Considere o espaço linear P2 com o seguinte produto interno:

p (t) , q (t) = p(−1)q(−1) + p(0)q(0) + p(1)q(1).
Considere ainda o subespaço de P2
U = {p(t) ∈ P2 : p(0) = 0 } .
a) Calcule a projecção ortogonal do polinómio 1 + t sobre U .
b) Qual é a distância de 1 + t a U ?

13
5 Geometria dos k-planos
Num espaço euclidiano V , um k-plano é um conjunto da forma

Pk = {p0 } + U,

onde p0 ∈ V e U é um subespaço de V com dim U = k.

Um 0-plano é um ponto, um 1-plano é uma recta e um 2-plano é um plano. Se dim V = n,
então um n-plano é o próprio espaço V e não existem k-planos com k > n.
Se Pk = {p0 } + U e p1 ∈ Pk , então Pk também admite a representação Pk = {p1 } + U .
Sejam p0 , p1 , ..., pk ∈ V , k + 1 pontos distintos do espaço euclidiano V , então existe o
menor k ′ -plano que passa nesses pontos definido por

Pk′ = {p0 } + L {p1 − p0 , ..., pk − p0 }

e se {p1 − p0 , ..., pk − p0 } é linearmente independente k ′ = k.

5.1 Representações paramétricas e cartesianas de k-planos

Se Pk = {p0 } + L {u1 , ..., uk }, então p ∈ Pk é equivalente a

p = p0 + x1 u1 + · · · + xk uk , com x1 , ..., xk escalares,

que constituem equações paramétricas do k-plano Pk .

Se {w1 , ..., w´n−k } é uma base de U ⊥ então p ∈ Pk = {p0 } + U se e só se

p − p0 , wj  = 0, para j = 1, ..., n − k,

que constituem equações cartesianas do k-plano Pk .

5.2 Distância entre k-planos

Seja Pk = {p0 } + U um k-plano e Qs = {q0 } + W um s-plano de um espaço euclidiano V , a

distância entre estes conjuntos é dada por
 
 
min {p − q : p ∈ Pk , q ∈ Qs } = proj(U +W )⊥ (p0 − q0 ) .

Em particular a distância de um ponto q ∈ V a Pk = {p0 } + U é dada por

min {p − q : p ∈ Pk } = projU ⊥ (p0 − q) .

Note-se que por definição proj{0} v = 0.

14
5.3 Exercícios

Exercício 31 Para cada uma das rectas de R3 , calcule um ponto P e um subespaço S tais
que r = {P } + S :
a) r é a recta de R3 que passa pelos pontos (1, 1, 1) e (1, 0, 1) ;
b) r é a recta de R3 que passa pelo ponto (1, 0, 2) e tem a direcção do vector (1, 1, 0) ;
c) r é a recta de R3 que passa pelo ponto (1, 3, −1) e é ortogonal aos vectores (1, 2, 1) e
(1, 0, 1).

Exercício 32 Determine uma equação cartesiana para cada uma das rectas do exercício
anterior.

Exercício 33 Para cada um dos planos de R3 , calcule um ponto P e um subespaço S tais

que α = {P } + S :
a) α é o plano de R3 que passa pelos pontos (1, 1, 1) , (1, 0, 1) e (1, 0, 0) .
b) α é o plano de R3 que passa pelo ponto (1, 0, 2) e é paralelo ao plano que passa pelos
pontos (0, 0, 0), (1, 1, 0) e (1, −1, 0) .
c) α é o plano de R3 que passa pelo ponto (1, 3, −1) e é ortogonal ao vector (1, 0, −2).

Exercício 34 Determine uma equação cartesiana para cada um dos planos do exercício
anterior.

Exercício 35 Seja r1 a recta de R3 que passa pelos pontos (1, 1, 1) e (1, 0, 1), e r2 a recta
de R3 que passa pelos pontos (2, 5, 1) e (0, 5, 1). Determine a intersecção destas rectas.

Exercício 36 Seja r a recta de R3 que passa pelos pontos (2, −1, 3) e (4, −5, 5), e α o plano
de R3 que passa pelos pontos (1, 0, 0), (2, 1, 1) e (1, 1, 2) . Determine a intersecção da recta
r com o plano α.

Exercício 37 Seja β o plano R3 que passa pelo ponto (0, 1, 0) e é ortogonal ao vector (1, 1, 1).
Determine uma equação cartesiana para a intersecção do plano β com o plano α do exercício
anterior.

Exercício 38 Considere o plano α de R3 que passa pelos pontos (1, 0, 0), (1, 1, 0) e (2, 0, −5).
a) Escreva a equação cartesiana do plano α.
b) Calcule a distância entre o ponto (1, 6, 7) e o plano α.

Exercício 39 Mostre que se r1 e r2 são rectas não paralelas de R3 , então existe um único
par de planos paralelos α1 e α2 tais que r1 ⊂ α1 e r2 ⊂ α2 .

15
Exercício 40 Considere a recta r1 ⊂ R3 que passa pelos pontos (1, 0, 0) e (2, −4, 3), e a
recta r2 definida por

r2 = (x, y, z) ∈ R3 : x = 0 e y = 1 .
a) Escreva estas rectas na forma {p} + S, onde p ∈ R3 e S é um subespaço de R3 .
b) Calcule a distância entre r1 e r2 .

Exercício 41 Mostre que a distância de um ponto (x0 , y0 , z0 ) a um plano de R3 com equação

cartesiana ax + by + cz = d é
|ax0 + by0 + cz0 − d|
√ .
a2 + b2 + c2

Exercício 42 Sejam r1 e r2 duas rectas não paralelas de R3 , e (a, b, c) ∈ R3 um vector

ortogonal a r1 e r2 . Mostre que se (x1 , y1 , z1 ) é um ponto de r1 e (x2 , y2 , z2 ) é um ponto de
r2 , então a distância de r1 a r2 é dada por

|a (x2 − x1 ) + b (y2 − y1 ) + c (z2 − z1 )|

√ .
a2 + b2 + c2

6 Soluções
√ √
1) a) u · v = 0, cos θ = 0. b) u · v = 5, cos θ = 15/6. c) u · v = −9, cos θ = −3 21/14.
√
2) Sim. Área = 7 6/2.
5) a) {(−1, 0, 1)} . b) {(0, 1, 0) , (−2, 0, 1)} . c) {(1, 1, −1)} . d) {(1, 0, 1) , (0, 1, 1)} .
6) a) {(0, 1, 0, 0) , (−1, 0, 1, 0) , (−1, 0, 0, 1)} . b) {(1, 2, 1, 2) , (1, 2, −1, 0)} .
c) {(0, 1, 0, 0) , (−1, 0, 1, 0)} . d) {(2, 1, −2, 0)} . e) {(1, −1, 1, −1) , (0, 2, −1, 0)} . f) Conjunto
vazio (porque U ⊥ = {(0, 0, 0, 0)}). g) {(1, 0, 0, 0) , (0, 1, 0, 0) , (0, 0, 1, 0) , (0, 0, 0, 1)} (porque
U ⊥ = R4 ).
7) a) Ω não é conjunto ortogonal. b) Ω é uma base ortogonal de R3 . A respectiva base
ortonormada é
 √ √ √   √ √   √ √ √ 
1/ 6, −2/ 6, 1/ 6 , 0, 1/ 5, 2/ 5 , −5/ 30, −2/ 30, 1/ 30 .

c) Ω é um conjunto ortogonal, mas não constitui uma base.

√
8) a) (0, 1/2, −1/2) . b) 38/2.
10) (5/2, 0, 1/2) .


0 0 1
11) c) A matriz que representa T é  0 −1 0  .
1 0 0
12) u3 = (1/3, 0, −2/3, −2/3)
  √
13) a) 1, 12 , 12 ; b) 22 .

16
 √
14) a) (1/2, 1/2, 0); b) 2
2
.
√
15) a) {(1/2, 1/2, 1/2, 1/2) , (1/2, −1/2, 1/2, −1/2)} . b) (0, 3/2, 0, 3/2). c) 2/2.
16) a) {(1/2, −1/2, 1/2, −1/2)} . b) (1/2, 1/2, 1/2, 1/2). c) 1.

 √ √   √ √ √ √ 
17) a) 0, 2/2, 2/2, 0 , − 10/5, − 10/10, 10/10, 10/5 .
√
b) (−1/5, 2/5, 3/5, 1/5). c) 10/5.
 1 √ 
3
2 2
18) b) B T = √ .
− 23 1
2

19) a = −2/3 e b = 1/3 ou a = 1/3 e b = −2/3.

20) AB é ortogonal, A + B pode não ser.
21) a) Os valores próprios da matriz são 0 e 2, logo é semidefinida positiva.
b) Os valores próprios da matriz são 1 e 3, logo é definida positiva.
√ √
c) Os valores próprios da matriz são − 12 5− 52 e 12 5− 52 (ambos negativos), logo é definida
negativa.
d) Os valores próprios da matriz são −1 e 4, logo é indefinida.
e) Os valores próprios da matriz são −1 e 3, logo é indefinida.
f) Os valores próprios da matriz são −2, 1 e 3, logo é indefinida.
22) a) Semidefinida positiva. b) Definida positiva. c) Definida negativa. d) Indefinida.
e) Indefinida. f) Indefinida.
 √ √
−1/√ 2 1/ √2 .
23) a) Q(y1 , y2 ) = 2y22 , P =
1/ 2 1/ 2
 √ √
−1/√ 2 1/√2
b) Q(y1 , y2 ) = y1 + 3y2 , P =
2 2
.
1/ 2 1/ 2
 √ √
2/√5 1/ √5
d) Q(y1 , y2 ) = 4y1 − y2 , P =
2 2
.
1/ 5 −2/ 5
 √ √ 
1/√2 0 −1/√ 2
e) Q(y1 , y2 , y3 ) = 3y1 + 3y2 − y3 , P = 1/ 2
2 2 2  0 1/ 2  .
0 1 0
 √ √ 
0 −1/ 2 1/ 2
f) Q(y1 , y2 , y3 ) = −2y12 + y22 + 3y32 , P =  1 0√ 0√  .
0 1/ 2 1/ 2
24) a) Define um produto interno; b) Não define um produto interno; c) Não define um
produto interno; d) Define um produto interno.
25) a) Define um produto interno; b) Não define um produto interno; c) Define um produto
interno.

17
 
26) a) (x1 , x2 ) = x21 − 2x1 x2 + 2x22 ; b) α = π2 ; c) (x1 − x2 , x2 ).

27) a) (x1 , x2 , x3 ) = x21 + 4x22 + 5x23 + 4x2 x3 ; b) α = β = γ = π2 ; c) (x1 , 2x2 + x3 , 2x3 ).

28) a) p (t) = p(−1)2 + p(0)2 + p(1)2 ; c) (1, 1, 1).

29) a) p (t) = p (0)2 + p′ (0)2 + p′ (1)2 ; b) α = π4 .
30) a) t + t2 ; b) 1.
31) a) P = (1, 1, 1) e S = L {(0, 1, 0)}; b) P = (1, 0, 2) e S = L {(1, 1, 0)}; c) P = (1, 3, −1)
e S = L {(1, 0, −1)}.
  
x=1 −x + y = −1 y=3
32) a) ; b) ; c) .
z=1 z=2 x+z =0
33) a) P = (1, 1, 1) e S = L {(0, 1, 0) , (0, 1, 1)}; b) P = (1, 0, 2) e S = L {(1, 1, 0) , (1, −1, 0)};
c) P = (1, 3, −1) e S = L {(2, 0, 1) , (0, 1, 0)}.
34) a) x = 1; b) z = 2; c) −x + 2z = −3.
35) r1 ∩ r2 = {(1, 5, 1)}.
36) r ∩ α = {(1, 1, 2)} .

x+y+z = 1
37) .
x − 2y + z = 1
√
38) a) 5x + z = 5; b) d ((1, 6, 7) , α) = 7
26
26.
√
40) a) r1 = {(1, 0, 0)} + L {(1, −4, 3)} e r2 = {(0, 1, 0)} + L {(0, 0, 1)}; b) d (r1 , r2 ) = 3
17
17.

18