Alberto Coimbra - Espaços Vetoriais (1994) PDF

Apoio:
Coordenação
dos Programas
de Pós-Graduação
de Engenharia
Universidade Federal
do Rio de Janeiro
Produção do Setor de Publicações e

Programação Visual da COPPE/UFRJ
Projeto Gráfico e Editoração Angela Jaconianni

Capa Fatima Jane Ribeiro
Auxiliar de Revisão Maria de Fátima Bacelar
Digitação Evanise Barbosa da Silva
Alberto Luiz Coimba
COPPE/UFRJ
Espaços Vetoriais
Lições e ex�mplos
EDITORA EDGARD BLÜCHER LTDA.

© Copyright Alberto Luiz Coimbra 1994
É proibida a reprodução total ou parcial

por quaisquer meios
sem autorização prévia da editora
EDITORA EDGARD BLÜCHER LTDA.

Fax: (011) 852-2707
Caixa Postal 5450
01061-970 S. Paulo - SP Brasil
-
Impresso no Brasil Printed in Brazil

Alberto Luiz Coimbra. 3
Apresentação
Esta obra pode ser considerada como Segunda Edição corrigida do

livro Álgebra Linear Aplicada - Vetores - Lições e Exemplos,
publicado em 1991 em co-edição do Núcleo de Publicações da COPPE
com a EDC - Editora Didática e Científica do Rio de Janeiro
Usamos neste livro os fundamentos vetoriais que relacionam tópicos

algébricos tais como a Solução de Sistemas de Equações Lineares a
Aproximação de Funções por Polinômios e a Melhor Representação de
Dados· Experimentais com as noções . geométricas de Comprimento,
Ângulo, Ortogonalidade, Triângulo e Volume.
A.L. C., Rio de Janeiro, Outubro,1994.

4 Espaços Vetoriais Lições e exemplos
Reconhecimentos
O autor agradece o apoio do CNPq (Processo 300120192-93) e do Setor de

Publicações e Programação Visual da COPPEIUFRJ por intem1edio da paciente
dedicação de Angela Jaconianni e Evanise Barbosa da Silva.
Alberto Luiz Coimbra 5
CONTEUDO
CAPÍTULO 1 - ESPAÇO VETORIAL 9
1.1 Espaço Vetorial Abstrato 9

1.2 Espaço Geométrico 10
1.3 Espaço Aritmético 10
1.4 Espaços Pontuais 11
1.5 Raio Vetor 12
1.6 Exemplos 13
CAPÍTULO 2 - DEPENDÊNCIA LINEAR 15
2.1 Combinação Linear 15

2.2 Dimensão e Base 16
2.3 Componentes 16
2.4 Isomorfismo 17
2.5 Apuração da Dependência Linear 17
2.6 Exemplos 19
CAPÍTULO 3 - SUBESPAÇO VETORIAL 23
3.1 Definição e Exemplos 23

3.2 Subespaços Gerados ' 23
3.3 Interseção e Soma 23
3.4 Soma Direta 24
3.5 Hiperplanos 25
3.6 Exemplos 26
CAPÍTULO 4 - ESPAÇOS VETORIAIS EUCLIDIANOS 31
4.1 Estrutura Métrica 31

4.2 Produto Escalar Real 31
4.3 Espaço Euclidiano Geométrico 32
4.4 Espaço Euclidiano Aritmético 32
4. 5 Espaço Euclidiano Generalizado 33
4.6 Critério de Sylvester 33

4. 7 Comprimento 34
4. 8 Distância 35
4.9 Ângulo 36
4.10 Desigualdade de Cauchy-Buniakowski-Schwartz 36
4.11 Desigualdade do Triângulo 37
4. 12 Expressões Componente do Produto Escalar 37
4.13 Espaço Cartesiano 39
4.14 Espaço Unitário 41
4. 15 Exemplos 42
CAPÍTULO 5 - ESPAÇO DAS FUNÇÕES 47
5.1 Conceituação 47
5.2 Dependência Linear 47
5. 3 Produto Escalar Real 48
5.4 Medidas 49
5.5 Produtos Escalares do Espaço dos Polinômios 50
5.6 Exemplos 50
CAPÍTULO 6 - ORTOGONALIZAÇÃO 54
6.1 Método de Gram-Schmidt 54

6.2 Exemplos 55
CAPÍTULO 7 - PROJEÇÃO ORTOGONAL 59
7.1 Definições 59
7.2 Desigualdade de Bessel 60
7.3 Aproximação 61
7.4 Cálculo da Projeção Ortogonal 61
7.5 Projeção e Ortogonalização 64
7.6 Exemplos 65
CAPÍTULO 8 - PRODUTO VETORIAL 69
8 .1 Definições 69
8.2 Relações E-Ô 69
8.3 Vetor Área 71
8.4 Propriedades do Produto Vetorial 71
8.5 Volume no 'E3 72
8.6 Exemplos 74
CAPÍTuLO 9 - VOLUME GENERALIZADO 81
9.1 Determinante de Gram 81

9.2 k-volume 83
9.3 Desigualdade de Hadamard 84
9. 4 Desvio Médio Quadrático 84
9. 5 Mínimos Quadrados 85
9.6 Exemplos 90
BIBLIOGRAFIA 93
ÍNDICE 94
CAPÍTULO 1
ESPAÇO VETORIAL
1.1 Espaço Vetorial Abstrato
Um conjunto o/de elementos a, b, c,..., u, v, w, chamados de vetores, é

um espaço vetorial (espaço linear) sobre uin corpo P de escalares
(números) a, b, e,..., A, B, C, ... ,a, (3, y, se possui uma estrutura
definida por duas operações fechadas em 'V:
(a) soma de vetores,
(b) multiplicação de vetor por escalar.
Axiomaticamente, essas duas operações devem obedecer as seguaintes

regras:
(al ) U+V= V+U,

(a2 ) (u+v)+w=u+(v+w),
(a3) existência do vetor zero, O, tal que O+v = v,
(a4) existência do aditivo inverso , -v, tal que v+(-v)=O�
(bi) lv=v(l E P),

(b2) a((3v) = (a(3)v,
(b3) (a+f3)v=av+f3v,
(b4) a(u+v)=au+av.
Escrevemos 'f{ '1) quando queremos especificar o corpo P sobre o qual

o espaço 'V é definido. Consideramos o corpo real P 1{, e o corpo
=
complexo P C e dizemos que 'f{ 1?) é um espaço real e 'f{ l) é um

=
espaço complexo.1
Em geral, 'V pode ter uma infinidade de elementos, contudo, existe um

espaço com um só elemento: é o espaço nulo 'V= {O} que consta do
vetor zero.
1.2 Espaço Geométrico
O espaço vetorial abstrato (generalizado) pode ser concretizado

(representado) pelo espaço geométrico tridimensional ç3(� dos
vetores geométricos (vetores espaciais) representados por segmentos
de reta orientados (setas). São os vetores livres cuja igualdade exige
que tenham o mesmo comprimento e a mesma orientação, podendo,
entretanto, diferirem por uma translação (deslocamento paralelo) em
Ç3.
A soma u + v de dois vetores geométricos é dada por uma diagonal do

paralelogramo que tem u e v como lados, enquanto a outra diagonal
representa u - v. Na multiplicação por escalar (real)av, o comprimento
da seta é multiplicado pelo valor absoluto jja il , a orientação da seta
sendo mantida se a :::- O ou invertida se a < O.
1.3 Espaço Aritmético
Além da concretização geométrica, . os vetores abstratos de 1{ q:)

podem ser representados numericamente por seqüências (conjuntos
ordenados) de n escalares do corpo P sobre o qual 'V é definido. A
soma de duas seqüências u=(a1'a2,... ,an) e v=(f31,f32, ... ,f3n),
dada por
(1.3.1)
1 Em geral, nas aplicações em Física, tf = � mas, o fato de t1lser um corpo algebricamente

aberto nos leva a considerar o espaço complexo o/(C).
e a multiplicação de uma seqüencia por escala À E 'F,
(1.3.2)
obedecem os axiomas que definem os vetores. Essas sequencias

formam um espaço aritmético (ou
numérico) simbolizado por Pn ( (}{,n
ou Cn) é definido sobre o próprio corpo P. 2
1.4 Espaços Pontuais
Ainda no intuito de tomar concreto um espaço vetorial abstrato,

introduzimos o espaço pontual geométrico (ou espaço afim
geométrico) simbolizado pelo par P.3 (x, ç3) cujos elementos são um
=
ponto de apoio x e um espaço geométrico ç3. Neste par existe um

isomorfismo 3 (relação bijetiva) entre os pontos de apoio (simbolizados
por x, y e z) e os vetores de ç3. Essa relação isomorfa é definida pela
diferença pontual
y-x=v (1.4.1)
que, de fato, tem as propriedades de um vetor expressas pelas

operações
{ �
(y-x)+ x-z) = y-z,
(1.4.2)
a(y-x) -av.
Os pontos de apoio não são vetores, pois, com eles não se define uma
soma nem uma multiplicação por escalar. Entretanto, da relação (1.4.1)
obtemos
y=x+v (1.4.3)
mostrando que a soma de um ponto de apoio com um vetor é um outro
2 Cf. Exemplo 1.6.5.

3 Cf. 2.4.
ponto. Dizemos que o ponto x apoia o vetor v (ou que x é o pé do

vetor v).
O espaço vetorial geométrico q3 do par <E3 = (x, q3) é chamado de

espaço subjacente ou de espaço das translações do espaço pontual
geométrico. Os vetores desse espaço estão ligados a pares de pontos e
a igualdade dos vetores ligados de <E3 exige que eles tenham o mesmo
pé além de terem o mesmo comprimento e a mesma orientação.
Um outro tipo de espaço pontual é o espaço pontual aritmético

simbolizado pelo par <E,, = (x, Pn), onde o espaço subjacente é o espaço
numérico. Pn 4
1. 5 Raio Vetor
No espaço pontual geométrico <E3, apoia-se num certo ponto fixo o

chamado de origem, um vetor ligado
r=x-o (1.5.1)
que assinala a posição de um ponto genérico x E <E3 e é chamado de

raio vetor do ponto.
No espaço pontual aritmético onde o espaço subjacente é o espaço Pn

das seqüências tipo v = (a.1'a.2, ...,a.n ), fazendo a coincidência da
origem o com o vetor O= (0,0,... ,0),obtemos a representação do raio
vetor pelo ponto que ele assinala,
r =X- O =X - 0 =X. (1.5.2)
Desse modo, simbolicamente, pontos comportam-se como vetores (de

espaço pontuais numéricos e geométricos) podendo ser somados e
multiplicados por escalares. Ficam então concretizadas num espaço
4 Um espaço pontual abstrato simbolizado pelo par 'E= (x, 'f) ('F )) generaliza os
espaços pontuais concretos 'E3 = (x, Ç3(<1t)) e 'E,,= (x, 'Fn)·
afim as noções de reta e de plano expressas como lugar geométrico

ocupado pelo respectivo conjunto de pontos. A noção de paralelismo
de retas e planos também pode ser vizualizada num espaço pontual.
1.6 Exemplos
Exemplo 1.6.l
Num espaço vetorial, o que realmente define as operações chamadas

de "soma" e "multiplicação por escalar" é a obediência as regras
(propriedades) (a1)-(a4) e (b1)-(b4) formuladas como axiomas.
Como um exemplo, consideremos o conjunto <1C" = { ..., r, s, t, ... } dos
números reais positivos onde o produto rs passa a funcionar como
"soma" e, para um escalar a e <J{., a potenciação ra. passa a funcionar
como "multiplicação por escalar". Verifique que, de fato, rs tem as
propriedades (a1)-(a4}, enquanto ra. tem as propriedades (b1)-(b4).
Veja que o número 1 comporta-se como "vetor zero".
Exemplo 1.6.2
Um espaço vetorial deve ser um conjunto fechado em relação as duas

operações e ao corpo de escalares que o define. Por exemplo, as setas
pertencentes ao primeiro quadrante de ç3 não formam um espaço
vetorial porque a multiplicação por -1 retira-as desse quadrante.
Exemplo 1.6.3
s
Além dos espaços ç3 e Pn que concretizam vi�al e numericamente um
espaço abstrato o/, tem importância o espaço dos polinômios de grau
� n cujos vetores são da forma
(1.6.1)
onde cn pode ser nulo. Esses polinômios podem ser considerados

como função (contínua) do. argumento (indeterminada) t, ou então,

algebricamente, como seqüência (c0, c1, c2 , ... , cn) de seus coeficientes
(reais ou complexos). Com qualquer dessas interpretações os
polinômios podem ser somados ,e multiplicados por escalares em
obediência as regras que definem um espaço vetorial.
Observe que os polinômios de um certo grau fixo n não formam um

2 2
espaço, pois, para � = 2, se p(t) = 1 + t e q(t) = 1 t , a soma desses -
polinômios tem grau zero e não pertence ao conjunto.
Exemplo 1.6. 4
Um vetor u = (a.i. a.2,..., a.n) e Pn pode ser representado pela matriz

coluna (de ordem nx 1)
(1.6.2)
a.li
A soma u + v com outro vetor v = ({31, {32, ... , '3n) e a multiplicação por
escalar ÀU, representadas por
(1.6.3)
obedecem os respectivos axiomas que definem um espaço vetorial.
Exemplo 1.6.5
O espaço numérico P11 só é definido sobre o próprio corpo P. Por

exemplo, G,( C) e c2n< <J{,)5 são espaços vetoriais, pois <J{,c C, mas, �( C)
não é.
5 Cf. Exemplo 2.6.9.

CAPÍTUL02
"
DEPENDENCIA LINEAR
2.1. Combinação Linear
O vetor
(2.1.1)
é chamado de combinação linear dos m vetores v1,v2 , ... , vm sobre o

corpo P dos m coeficientes escalares y;. 6 Dizemos que em (2.1.1) o
vetor u está representado como uma combinação linear dos m
vetores v;.
Na combinação linear (2.1.1), u = O quando todos os m coeficientes Y;

são nulos. Entretanto, é possível termos ·
(2.1.2)
quando nem todos os coeficientes são nulos. Dizemos neste caso que
os vetores V; são linearmente dependentes. No primeiro caso, quando
a combinação linear nula (2.1.1) só é verdadeira quando todos os
coeficientes são nulos, os m vetores V; são linearmente independentes.
Um conjunto de vetores é linearmente dependente se, e somente se,

um dos vetores for representado como uma combinação linear dos
outros. Por exemplo, no espaço geométrico q3, a implicação recíproca
6Frequentemente os índices (uma vez) repetidos (índices mudos) definem um

m
somatório: yi vi= L yi vi= y1vi + y2v2 + ... + ymvm.
i=l
'. ·
au+f3v =O (a,f3 :t: O)� u = -(f3/ a)v (2.1.3)

define { u, v} como um conjunto linearmente dependente. Dizemos que
u e v são vetores colineares.
2.2 Dimensão e Base
A dimensão de um espaço vetorial 'V é igual ao maior número de

vetores linearmente independentes que o espaço contém. Assim, num
espaço n-dimensional 'Vn, n é o maior número de vetores linearmente
independentes e quaisquer n+ 1 vetores podem ser representados como
combinação linear dos n vetores linearmente independentes. É
equivalente dizer que a dimensão n é o menor número de vetores
linearmente independentes que gera o espaço vetorial 'Vn-
O menor número n de vetores que geram � formam uma base do

espaço 'Vn pode
e, qualquer vetor de ser representado por uma
combinação linear desses n vetores-base.
Tem dimensão infinita um espaço vetorial que contém um número

arbitrário de vetores linearmente independentes. Por outro lado, por
convenção, o espaço nulo tem dimensão zero. De acordo com (2.1.1),
um vetor v gera um espaço unidimensional o/1 = p.v} e é um vetor
base desse espaço.
Todo espaço vetorial n-dimensional o/n admite uma base <Bn {b;} de n =
vetores-base b; . Num espaço pontual P,,, os vetores-base b; apoiam-se

numa origem o e uma base desse espaço é definida pelo par
<Bn = ( o, {b;}). Cada espaço de uma determinada dimensão admite um
número arbitrário de bases, pois, por exemplo, novos vetores-base
resultam da multiplicação por escalares arbitrários dos vetores de uma
base primitiva.
2.3 Componente
Em relação a uma base <Bn = {b;} de �( 1) qualquer vetor v sempre

admite a representação como combinação linear dos vetores-base,
(2.3.1)
onde os coeficientes V; E P são os componentes (coordenadas ou

projeções) de v em relação aos vetores-base. Essa representação de
fato existe porque v é o vetor n + 1 na combinação linear v - v;h; =O.
O uso de uma base em o/,, toma numéricas as operações abstratas u+v

e a v. A soma u; + V; e a multiplicação por escalar av; tomaram-se
operações do espaço aritmético Pn.
2.4 Isomorfismo
A escolha de uma base no espaço abstrato VnC <F) estabelece uma

relação bijetiva (injetiva e sobrejetiva) entre os vetores abstratos de 'V'n
e os seus componentes V; E P. Fica assim estabelecido um isomorfismo
(epimorfismo e monomorfismo) entre 'V'n e o espaço Pn das seqüências
de componentes de v.
São sempre isomorfos quaisquer espaços vetoriais de mesma

dimensão, pois, entre os seus vetores existe sempre uma relação
injetiva e sobrejetiva.
2.5 Apuração da Dependência Linear
Trata-se de apurar se um conjunto de m vetores v1 de um espaço
numérico n-dimensional Pn munido de uma base CBn = {bJ é ou não

linearmente dependente. O desdobramento (2.3 .1) de cada vetor v1 é
expresso por 7
v1 = vi;bi (i = 1, 2, .. ., n;j = 1, 2, ..., m) (2.5.1)
7m � n, pois m > n vetores são linearmente dependentes

onde os números vij são os componentes i dos vetores v1. Então,

levando em conta que h; "# O, a condição (2.1.2) pode ser expressa
pelas i = 1,2,... ,n combinações lineares nulas
y 1viJ = O(j = 1, 2, ... ,m). (2.5.2)
Essas n equações lineares homogêneas com m incógnitas podem ser

explicitadas, equivalentemente, pelo sistema
Y1V11 +Y2V12 +...+ymvlm = O,
Y1V21 +Y2 V22+... +ymv2m = 0,

(2.5.3)
representado matricialmente por
(2.5.4)
ou pela combinação linear
V11 V12 V1nm o
V21 V22 V2m o

Y1 +Y2 +...+ym = (2.5.5)
V ml Vm2 V nm o
cujos coeficientes y são as m incógnitas que multiplicam as m

J
matrizes-colunas cujos elementos são os n componentes dos m vetores
v .
i
O sistema (2.5.3) tem solução não-trivial se, e somente se, a matriz

n xm (n linhas em colunas) dos coeficientes 8 viJ,
8 Os coeficientes y1 são incógnitas enquanto os coeficientes vif são conhecidos.

(2.5.6)
tiver um posto 9 p menor que o número m de incógnitas (de colunas).

Então, m
vetores vj são linearmente independentes se, e somente se,
a matriz [vy·] dos seus componentes i em relação a uma base
arbitrária tiver um posto p m. Em particular, n vetores vj e Pn são
=
linearmente independentes se, e somente se det [vy·] 7' O, [vy·] sendo

uma matriz quadrada n x n.
2.6 Exemplos
Exemplo 2. 6.1
No espaço geométrico ç3(1{) um vetor gera uma reta Gl> dois vetores
não-colineares geram um plano ç2 , três vetores não-coplanares geram
o espaço ç3 e quatro ou mais vetores são linearmente dependentes. O
índice de ç é igual a dimensão do espaço e ao número de vetores-base
que geram o espaço. Qualquer vetor do espaço pode ser representado
por uma combinação linear dos vetores-base: v = v1b1 e Ç1' v = v1b1 +
+ V2b2 E Ç2 e V= V1b1 + V2b2 + V3b3 E Ç3.
Exemplo 2. 6. 2
O espaço vetorial '1C" do Exemplo 1.6.1 é unidimensional porque é

gerado por um único número real diferente de zero (diferente de um).
Associando com cada vetor r, s e '1C" o seu logarítmo, podemos
representar (concretizar) o isomorfismo existente entre <1é" e 1{,:
9 O posto da matriz é igual a ordem do seu maior menor não-nulo.

{ log(r s) = logr + logs ( soma),

(2.6.1)
logrª= a. logr ( multiplicacão por escalar ).
Exemplo 2 . 6. 3
Na� os vetores b1 = ( 1, 1, 1), b2 = (O, 1, 1), b 3 =(O, O� 1), formam

uma base porque
1 o o
det [h(;]= 1 1 O = 1 ( :;é O). (2.6.2)

1 1 1
Um vetor v =(a.1> a.2, a.3) E �pode ser representado pela combinação

linear
V= (ah ª2' a.3) = V1b1 + V2b2 + v3b3 = (2.6.3)

= (v1,vi> V1) +(O, V2, V2) +(O, O, V3) =(vi> V1 + V2 ' V1 + V2 + V3),
mostrando assim que os componentes devem relação a base�= {b;}

são dados por
(2.6.4)
Exemplo 2. 6. 4
Uma base especialmente simples do espaço aritmético Pn é a chamada

base padrão <Bn = {e;} formada pelas seqüências-base
e1 = ( 1, O,... ,O),e 2=(O,1,...,O),... ,en= (0,0, .. , 1 ).

. (2.6.5)
Esses vetores-base formam as colunas da matriz unidade (identidade)

cujos elementos são os valores do delta de Kronecker
(ô;1 1 (i =j); ôif = O (i :;éj)), ou seja,
=
1 o o
o 1 o
[eif ] = [ ]
= ô 1).
. ' (2.6.6)
o o 1
tal que det [ eif] =1.
A base padrão � = {e;} = {(1, O, O), (O, 1, O), (O, O, 1)} do � é

isomorfa a do espaço geométrico q3 , usualmente simbolizada por
� = {i,j, k}. Em relação a base-padrão um vetor v=(al> a2, a3)e �é
simplesmente representado por
(2.6.7)
em contraste com o Exemplo 2.6.3.
Exemplo 2.6.5
O conjunto e dos números complexos a + bi tanto pode ser um espaço

aritmético unidimensional c1 ( C) sobre o corpo dos complexos, como
um espaço aritmético bidimensional c2( q{) sobre o corpo dos reais. No
primeiro caso, de fato, um único vetor v = a + bi gera c1 ( C ) pois, ,
nesse espaço dois vetores v1 a1 + b1i e v2 = a2 + b2i são sempre

=
linearmente dependentes, ou seja, existem os coeficientes complexos

y1 e y2 tais que y1v1 + v2y2 =O, o que ocorre se y1 = -v2 e y2 =v1.
No segundo caso o espaço aritmético real dos números complexos é de
fato bidimensional e tem '132 = {l, i} como base de C2( q{).
Exemplo 2. 6. 6
Os vetores v1 = (-3, 1, 5) e v2 = (6, -2, 15) são linearmente

independentes no espaço q{ 3 porque a matriz retangular 3 x 2 cujas
colunas são v1 e v2, tem postos p 2 Aliás para qualquer matriz
= .
retangular n x m,
p� min(n,m). (2.6.8)
Exemplo 2. 6. 7
Consideremos uma base <Bn =(o, {b;} de um espaço pontual abstrato

P.,, = (x, Vn). O ponto x = o é o escolhido como origem de um sistema
de coordenadas gerado pelos vetores-base b1, b2, ... , bn . Dizemos
também que cada b; gera um eixo coordenado e que dois vetores b;
geram um plano coordenado.
Exemplo 2. 6. 8
O vetor u =a + bi e C (<}{, ) tem componentes u1 =a e u2 = b em

relação e a uma base <Bi = { 1, i} do espaço bidimensional c2 = ( <}{,).
Exemplo 2. 6. 9
Estendendo o Exemplo 2.6.5, veja que se <Bn = (b} é uma base do

espaço complexo n-dimensional G,( C) formado por n sequências de n
números complexos, então <Bin = {bj, i bj } é uma base do· espaço real
2n-dimensional C2nC<}{,).
CAPÍTUL03
SUBESPAÇO VETORIAL
3.1 Definição e Exemplos
De úm modo geral (abstrato) o espaço vetorial é um conjunto (de

vetores) estruturado pelas operações de soma e multiplicação por
escalar definidas na Seção 1.1. Um subconjunto L e 'V desse conjunto
estruturado 'Vé chamado de subespaço.
Todo subespaço deve conter o vetor zero. São considerados

subespaços triviais (ou impróprios) o subespaço nulo L ={O} e o
subespaço L ='V que coincide com todo o espaço. Por outro lado, são
subespaços próprios do espaço geométrico q3 o subespaço L1 = Ç1
dos vetores colineares e o subespaço Li Çi dos vetores coplanares,
=
considerados no Exemplo 2.6.1. Num espaço pontual esses subespaços

devem incluir a origem o onde a diferença pontual é o vetor zero.
3.2 Subespaços Gerados
Dados m vetores arbitrários de um espaço 'l{ P), o conjunto das

combinações lineares y ;V;, obtidas com diferentes valores dos
coeficientes Y; E P, constitui um subespaço L(v1, v2, ..., vm) e 'V
chamado de subespaço gerado pelos m vetores. Se os m vetores
geradores são linearmente independentes, então L,,, tem a dimensão m
e os vetores geradores são vetores-base.
3.3 Interseção e Soma
Com dois subespaços L', L" e 'V podemos efetuar as operações de

interseção e de soma (ou união) desses subespaços. O resultado da

interseção L' n L" é o conjunto
L' n L" = { v: v e L', v e L"}, (3.3.1)
enquanto a soma L' + L" (ou união L' u L") é o conjunto
' "
'
L' + L" = { v = v +
"
v : v e L', v e L"}. (3.3.2)
Essas definições podem ser estendidas a mais de dois subespaços e,

tanto a interseção como a soma devem conter o vetor zero.
Concretizando com o espaço pontual geométrico 'E3 , vemos que a

interseção de dois planos L' = L'2 = <E.'2 e L" = L"2 = <E."2 é uma reta
<E.1 =<E.� n <E.;. Quanto a soma de dois planos, temos <E.'2 + 'E"2 = <E.3
porque qualquer v e 'E3 pode ser representado pela combinação linear
V= V1b1 + V2b2 + V3b3 onde V1b1 + V2b2 E 'E'2 e V3b3 E <E."2·
O que é evidente no 'E3 pode ser generalizado no seguinte teorema: a

dimensão da soma de dois subespaços lineares é a soma das suas
dimensões menos a dimensão da sua interseção, ou seja,
dim (L' + L") = dim L' + dim L" - dim (L' n L"). (3.3.3)
Daí, levando em conta que dim (L' n L") � dim o/, obtemos o seguinte
limite inferior da dimensão da interseção de dois subespaços
L', L" e o/:
dim (L' n L") � dim L' + dim L" - dim o/. (3.3.4)
3.4 Soma Direta
' "
No subespaço L' + L" a soma v = v + v não é, em geral, única, pois,
conforme pode ser visto no espaço pontual 'E3, inúmeros vetores
' " ' "
v e <E.'2 e v e 'E"2 são, em geral parcelas de v = v + v e 'E3.
Entretanto, uma soma única v = v' + v" define um espaço 'V como a
soma direta 'V= L' E9 L" dos seus subespaços L' e L". Por exemplo,
'E3 = 'Ei E9 'E1 e 'E3 = 'E'1 E9 'E" 1 E9 'E" 1 são, respectivamente, a soma
direta de um plano com um eixo e a soma direta de três eixos. Também
temos, então, a seguinte definição de soma direta:
'V=L' E9 L" � L' n L" ={O}. (3.4.1)
3.5 Hiperplanos
Adotando ainda a nomenclatura sugerida pelo espaço pontual

geométrico 'E3 , vamos considerar agora as retas e os planos que, por
não passarem pela origem, não são propriamente subespaços. Essas
retas e planos são considerados como lugares geométricos resultantes
dos respectivos deslocamentos de retas e planos que por originalmente
passarem pela origem, são chamados de subespaços direcionais.
Na Figura 3.5.1 um certo vetor deslocamento d= x - ri leva o ponto

XJ = o + ,n do eixo gerado pelo vetor-base b1 (subespaço direcional
unidimencional L1) até o ponto x=o+ r na reta Jíi transladada por d.
A translação pontual
Figura 3.5.1 Hiperplano e Variedade Linear10.
x=d+XJ (3.5.1)
representa a translação de raios vetores
lO d= h é um deslocamento perpendicular; Cf. 7.1.

(3.5.2)
onde, para um deslocamento d fixo, a variação do coeficiente y1 da

representação IJ = y1b1 gera os pontos x = o + r da reta deslocada
paralelamente :Jlj .
Analogamente, somando um certo vetor deslocamento d aos pontos X°

de um plano coordenado (subespaço direcional bidimensional)
{ y1b1 +Y 2b2}. obtemos os raios vetores que assinalam os pontos x
Li.=
do plano transladado Jíi, expressos por
(3.5.3)
Generalizando, o deslocamento paralelo de um subespaço r.,,_1 e !E,, ,

efetuado por um vetor deslocamento d, leva os pontos desse subespaço
direcional até os pontos de um "plano" deslocado, assinalados pelos
raios vetores.
n-1
r=d+IJ=d+ I r;b;. (3.5.4)
i=l
Chamamos de hiperplano a um conjunto de pontos resultante do

deslocamento dos pontos de um subespaço direcional. Conferimos aos
hiperplanos a dimensão do subespaço direcional que lhe dá origem:
retas deslocadas são hiperplanos unidimensionais :Jlj, planos
deslocados são hiperplanos bidimensionais Jíi e, de um modo geral,
subespaços (n - 1 )-dimensionais deslocados são hiperplanos (n - 1)
-dimensionais 1(,,_1. Os raios vetores r que assinalam os pontos dos
hiperplanos geram um subespaço L(r) chamado de variedade linear.
3.6 Exemplos
Exemplo 3. 6.1
Consideremos um conjunto de m pontos

(3.6.1)
de um espaço pontual numérico <E,, = (x, Pn). Os números

x i = (i = 1, 2,..., n�j = 1, 2,..., m) são as coordenadas dos pontos xJ ,
iguais a�s componentes dos raios vetores rJ que os assinalam em
relação a origem o onde rJ =O. As soluções do sistema homogêneo,
(3.6.2)
expresso matricialmente por,
(3.6.3)
onde os coeficientes a;j são escalares .de P, continuam sendo soluções

do sistema mesmo depois de somadas ou de multiplicadas por
escalares. Então, o conjunto de m pontos (3.6.1) forma um subespaço
L e Pn chamado de subespaço das soluções do sistema (3.6.2) ou de
subespaço nulo da matriz [a!J.]. A dimensão de L é dada pelo defeito
d= n - p de [a!J], p sendo o posto da matriz.
Consideremos agora o conjunto '}{de m pontos xj cujas coordenadas

satisfazem ó seguinte sistema compatível não.,.homogêneo:
ª1 1X1 + al 2X2 + +a1mXm

· · · = C1'
ª21X1 + a22X2 +... +a2mXm = C2,
(3.6.4)
Se d=(di. d2,. .. , dn) é uma solução desse sistema, então o conjunto J{

é o conjunto de todas as soluções x = d+ xfJ do sistema (3.6.4), xfJ
variando por todo subespaço L. O conjunto J{ representa então um
hiperplano resultante da translação do subespaço L pelo vetor
d=x-xfJ. O hiperplano Jfherda a dimensão d=n -p do subespaço L.
O sistema não-homogêneo (3.6.4), a;1x1= e; , matricialmente dado por,
(3.6.5)
também tem a expressão vetorial equivalente
(3.6.6)
onde o vetor e; é uma combinação linear dos vetores-coluna da matriz

[aij] (i= 1, 2,... , n;j = 1, 2, ... , m) Então, o sistema (3.6.4) tem solução
se, e somente se, e; pertence ao espaço das colunas de [a9.] ou,
equivalentemente, se, e somente se, o posto da matriz [aij] for o
mesmo que o da matriz aumentada [aij, e;] que é de ordem n x (m + 1).
Exemplo 3.6.2
No espaço pontual cz:;3 = (x, �a) munido de uma base padrão

<B]=(o, e;), o subespaço 'E '2 é o plano (e1, e2) gerado pelos vetores
base e1 e e2. Esse subespaço contém os raios vetores r =(x'i. x'2, O). O
subespaço 'E"2 e 'E3 contém os raios vetores r" =(O, x"2, x"3). A soma
'E'2 +'E"2 é o subespaço dos raios vetores r . + r" =(x'l• x'2 + x"2· x"3).
Quanto a interseção 'E'2 n 'E"2, é o eixo (e2) dos raios vetores(x'2+x"2)
(O, 1, O). Vemos que dim 'E 3= dim 'E'2 + dim 'E"2 - dim ('E'2 n 'E"2).
A soma r=r + r" não é única, pois, por exemplo, (1, 1, O) + (O, 1, 1) =
= (1, 2, 1) = (1, 3, O) + (O, -1, 1). Entretanto, existe a soma direta
<E 3 = � ffi <Ei se � = {X; : x3 =O} e <Ei {x; = x3}. Neste caso
� 11 <Ei ={O}.
Exemplo 3. 6. 3
Vamos representar o vetor u e P5 no subespaço .l4 ={v 1 =( 1, O, O, O, -1),

V2 = (0, 1, O, O, -1), V3 = (O, O, 1, O, -1), V4 = (O, O, O, 1, -1)} de
P5.
De acordo com (2.1.1), no subespaço .l o vetor u e P5 é representado

pela combinação linear u =(ai, a.2, a.3, a.4, a.5) = (Yi. Y2, Y3, Y 4, - Yi -
5
-y2, -y3, -y4), donde u deve estar sujeito a condição Lª; =O.
i=i
Exemplo 3. 6. 4
Consideramos os subespaços .l'(u.,u2,u3) e .l"(vi,v2,v3) gerados pelos

vetores ui = (2, 1, O), u2 = (1, 2, 3), u3 = (-5, -2, 1) e vi = (1, 1, 2),
v2 = (-1, 3, O), v3 = (2, O, 3). Vamos calcular bases para a soma .l' + .l"
e para interceção .l' 11 .l" .
Inicialmente verificamos que são nulos os determinantes das matrizes

cujas colunas são os vetores u e os vetores v. Verificamos também que
ambas as matrizes têm posto 2, o que significa que cada uma delas tem
duas colunas linearmente independentes, por exemplo, as
correspondentes aos vetores ui. u2 e vi, v2 . Então, CJ3 '2 = {ui. u2} é
uma base do plano L'2 = �2 e QJ"2 = {v., v2} é uma base de .l"2 = <K,'2.
Como base de <1{'.2 + <K,'2 = <1{3 podemos escolher QJ3 ={ui, u2,vi}.
Quanto a base da interseção �2 11 �·2, ela consiste de um único vetor

porque dim ( <1{'. 11 <K,') = dim <]{'. + dim
�· - dim ( � + �') = 2 + 2 - 3 =
=1. Esse vetor w por ser um vetor de <1{3 que pertence tanto ao plano <1{'.2
como ao plano <1{'2, deve ser representado pelas combinações lineares
w = Y;U; = Ô;V; (i = 1, 2) dadas por w = Yi(2, 1, O) + y2(1, 2, 3) =
= i(l, 1, 2) + ôi(-1, 3, O), equivalente ao sistema
ô
+r2 = 81 -8 2,
+2 y 2 =81 + 382,
3y 2 = 2 8i.
que fornece a solução y 1 = 2, y2= 14, o1 = 21, o2 = 3. Uma base de

interseção é então -�ada pelo vetor w = (wl> w2, w3) =
= (2Y1 + Y2, Y1+2y2,3y2) == (18, 30, 42) ou w= (3, 5, 7).
Exemplo 3. 6. 5
Os pontos xi= (1, 1, 1) e x2= (1, 2, 3) determinam juntamente com a

origem O= (O, O, O) um subespaço plano do '.E3, pois, o posto da matriz
3 x 2 [xu] é dois. Esse subespaço é também uma variedade linear
gerada pelos raios vetores r1 =Xi - o e r2=x2 - o.
Para verificar se um ponto x3 = (2, 3, 4) pertence ao subespaço gerado

por r1 e ri. montamos a matriz 3 x 3 [xu] cujas colunas representam as
coordenadas dos pontos xl> x2 e x3 e calculamos o seu posto p = 2
mostrando assim que r3 = x3 - o pode ser representado por uma
combinação linear de r1 e r2, pertencendo portanto ao plano. Por outro
lado, a matriz [xv] cujas colunas contém as coordenadas dos pontos x.,
x2 e x4 = (3, 1, 2) tem posto 3 mostrando que x4 não pertence ao
plano.
Exemplo 3. 6. 6
Um subespaço gerado L(v;) e 'V' é o menor subespaço que contém os

vetores geradores V;. Por exemplo, se 'V' = ç 3 , então uma reta e um
plano (incluindo a origem) contêm todos os vetores Y; V; co-lineares a
reta e coplanares ao plano, respectivamente.
CAPÍTUL04
ESPAÇOS VETORIAIS EUCLIDIANOS
4.1 Estrutura Métrica
Num espaço vetorial (abstrato) o/,,( P ), cuja estrutura é definida pelas

operações de soma de vetores e multiplicação de um vetor por escalar,
podemos introduzir as noções de ponto, reta, plano e paralelismo entre
retas e planos. Introduzimos agora uma terceira operação que,
conferindo ao espaço uma estrutura métrica, permite calcular
comprimentos de vetores e ângulos que dois vetores subentendem.
Essa nova operação, chamada de produto escalar ou produto interno,
para dois vetores u, v E 'VnC P), é simbolizada por u • v ou por < u, v >
e tem como resultado um número do corpo P(<l(ou C) sobre o qual é

definido o espaço vetorial. A estrutura métrica é chamada de estrutura
euclidiana e o espaço com um produto escalar é um espaço
euclidiano.
4.2 Produto Escalar Real
Vamos começar formulando os axiomas que definem um produto

escalar e metrificam (abstratamente) um espaço vetorial real (abstrato)
o/,,( <1().
Para u, v, w E o/,,( <1() e a E <1{,n, a operação u . v tem como resultado

um escalar u • v E <1( e deve (axiomaticamente )obedecer as seguintes
regras:
(a) U ·V= V·U,

(b) a.u v = a( u v ),
· ·
(4.2.1)
(e) (u+v)·w= u·w+v·w,
(d) v2 >O se v :;t: O.
Os axiomas (b) e (c) definem um produto escalar como uma forma

bilinear, isto é, como uma função de valor escalar
.f(u, v) = u . v, (4.2.2)
linear em relação aos seus dois argumentos u e v. O axioma (a) diz que
a forma bilinear é simétrica enquanto, o axioma (d) a define como
positiva porque gera uma forma quadrática
.f(v, v) = v. v = v2 ( v2) = (4.2.3)
que é positiva, sendo nula se, e somente se, v=O .
4.3 Espaço Euclidiano Geométrico
A estrutura euclidiana é usualmente introduzida no espaço geométrico

ç3 dos vetores-seta por intermédio do produto escalar
u. v = llu 11 l lvll cos (u -;- v) (4.3.1)
onde llull e llv ll são os comprimentos (módulos, normas ou

magnitudes) dos vetores, e (u -;- v) é o ângulo subentendido (entre O
e 180º) pelos dois vetores. Podemos verificar que a expressão (4.3.1)
satisfaz os axiomas (4.2.1).
4.4 Espaço Euclidiano Aritmético
Um outro exemplo de espaço euclidiano real concreto é o espaço

aritmético <J{,n dos vetores u = (a., a.2, ... , a.n) e v = (�., �2····· �n)
munido de um produto escalar definido por
(4.4.1)
Verificamos que, de fato, (4.4.1) é uma forma bilinear simétrica e

positiva que gera a forma quadrática positiva
f(u, u) =u. u =a.,.a.i = a.Í + a.�+.. +a.� · (4.4.2)
que só é nula quando u = {O, O, ..., O).
4.5 Espaço Euclidiano Generalizado
A forma bilinear (4. 4.1) pode ser considerada como um caso particular
(para Aii =ôii) da forma bilinear geral
f(u, v) =.f((a.l> a. 2, ... , a. n), (J3i. J31, ... , J3n)) =A ;ja.i J31 (4.5.1)
representada matricialmente por
An A12 A 1n J31
A21 A 22 A2n J31
[a.ar [Aii] [J31l = [a. 1, ª2····· a. n] (4.5.2)
AnI An2 Ànn J3n
onde os escalares reais A iJ (i, j = 1, 2, ...n) são os coeficientes da forma

bilinear e elementos da matriz dos coeficientes [A�i]. Para que essa
forma bilinear defina um produto escalar, a matriz [A �.;l precisa ser
simétrica (Aij =A 1;) e positiva (A;1 a.; a. 1 �O, A;1 a.; a.1 =O se, e somente
se a.; =O, i = 1, 2, ... , n) .
4.6 Critério de Sylvester
No (/{,n , os possíveis produtos escalares, isto é, as possíveis formas

bilineares simétricas e positivas são dadas pelo critério de Sylvester: a
matriz simétrica [Aij] dos coeficientes da forma bilinear Aij a.; J31 é
positiva se, e somente se, os menores principais
A12 A1 3
A22 A23 , .... , det [Aü] (4.6.1)
À32 À33
são todos positivos.11
Por exemplo, no (}{2 a forma bilinear
.f(u = (a1 , a 2), v = W1> f32)) =Au a; 131 = (4.6.2)
=A11 ª1 f31 +A12 ª1 f32 +A21 ª2 f31 +A22 ª2 f32,
representada por
(4.6.3)
é positiva se, e somente se, simultaneamente, a > O e ac > b2, pois, só

assim a forma quadrática correspondente,
(4.6.4)
é positiva, só sendo nula seu = (O, O).
4.7 Comprimento
Abstratamente, generalizando a definição no ç3 , o comprimento de

um vetor v E �( (}{) é definido por
li V li=+ Jv.V =+P =+V =V. (4.7.1)
11 Uma demonstração desse critério leva em conta que uma matriz simétrica é
diagonal.
Segundo essa definição,
li a.v li=+ .Ja. v·a. v =+ .Ja.2v 2 =li a. li li v li=li a. li v, (4.7.2)
onde li a. li é o módulo ou valor absoluto do escalar a. E <}{, Então,

para normalizar um vetor, isto é, para tomar o seu comprimento igual a
um, pomos li a.v li = li a. li li v li = 1 donde tiramos a. = li v 11-1 como o
fator que normaliza v: li v li li v 11-1 = vv-1 = 1.
O vetor com comprimento igual a um é chamado de versor. Qualquer

vetor v E Vn( 1t) pode ser representado pelo desdobramento
v=vn, (4.7.3)
onde o versor n orienta v no espaço vetorial e v = li v li mede o seu

comprimento.
4.8 Distância
A distância p(u, v) entre dois vetores u, v E 'fln( <R) é dada pelo módulo
p(u, v)=li v- u li= + �(v-u)2. (4.8.1)
Num espaço pontual euclidiano P.,,( 1t) onde a noção de distância é

melhor vizualizada,
p(x, y) = lly -x li= + �(y-x)2. (4.8.2)
Quaisquer que sejam os pontos x, y E P.,,( 10, a distância deve verificar

as seguintes propriedades:
p(x,y) = p(y,x) ( simetria ),

{
!(a)
(b) p(x,y)
>0 sex:t:y
( não negatividade), (4.8.3)
=0 sex=y
(e) p(x,y) � p(x, z)+ p(z,y),
a propriedade (c) expressando a desigualdade do triângulo (que se

toma igualdade se os pontos x, y e z situam-se na mesma reta).
Em suma, a metrificação de um espaço vetorial pelo produto escalar é

efetuada por intermédio da noção de distância que, abstratamente, deve
obedecer os axiomas (4.8.3 ). A noção de distância permite definir as
noções de vizinhança, convergência e limite usadas na· análise de
funções vetoriais.
4.9 Ângulo
Num espaço euclidiano real abstrato 'V'i<.7() adotamos a noção de

ângulo tirada da expressão (4.3.1) do produto escalar do espaço
geométrico ç3 :
U·V
cos(u v) . (4.9.1)
� = ll ullll vll
Dizemos que dois vetores u, v e 'V'i 1() são ortogonais quando

u.v=O.
4.10 Desigualdade de Cauchy-Buniakowski-Schwartz
Quaisquer que sejam u, v e V,,( CJ<,) essa desigualdade expressa por
(u. v)2 s (u. u)(v. v) (4.10.1)
pode ser verificada levando em conta a definição concreta (4.3.1) de

u . v e a definição abstrata (4.7.1) de comprimento de vetor.
4.11 Desigualdades do Triângulo
( 1) Inicialmente, sem a necessidade de uma estrutura métrica,

introduzimos a noção de triângulo gerado pelos vetores u, v e 'V'n( P)
definindo-o pelo conjunto ordenado { u, v, u - v}, dessa definição
resultando que o paralelogramo gerado por u e v tem u - v e u + v

como diagonais. Essas noções são visualmente concretizadas num
plano � =
(x, ç ) de raios vetores.
2
(2) As desigualdades do triângulo (gerado por vetores u, v E 'V,,(�))

expressas por
{ ll u + vlls;ll ull+ll vll,

(4.11.1)
llu +vll�ll ull-llvll ,
são evidentes no espaço � = (�). Vemos que (4.11.1)1 é representada

pontualmente por (4.8.3h
As desigualdades do triângulo podem ser demonstradas combinando a

desigualdade de Cauchy-Buniakowski -Schwartz (4.10.1) com a
identidade
llu + vll2 = (u + v)2 = u2 + v2 + 2u . v, (4.11.2)
resultado llu + vll2 s; llull2 + llvll2 + 2llull llvll (llull + llvl)2, ou llu + vll2�
=
� llull2 + llvll2 - 2llull llvll (llull - llvl)2. Se u e v são perpendiculares,

=
então
(4.11.3)
exprime o teorema de Pitágoras no espaço Vn = ( <Jô euclidiano.
4.12 Expressões Componente do Produto Escalar
(1) Em relação a uma base arbitrária <Bn {b;} = do espaço (abstrato)

V,1( �) o produto escalar dos vetores u = u; b; e v = v1 b1 é espresso pela
forma bilinear
(4.12.1)
representada matricialmente por

bi ·bi bi l>i
· b1 ·bn V1
1>i bi 1>i l>i f>i. bn V2
[u;]T[Gij][v1]=[u1, u2, ... , u n]
·
(4.12.2)
.
bn ·/Ji bn f>i ....

· bn ·bn Vn
Nessa expressão, a matriz de Gram dos vetores-base,
(4.12.3)
é simétrica e, também positiva porque os seus menores pnnc1pa1s,

obedecendo o critério de Sylvester, são todos positivos. Esses
menores, do tipo (4.6.1), são determinantes de Gram G(b1) = b1 . b1 ,
G(b1, b2) ,..., G(b1, b2 , ..., bn)· Em particular, o critério de Sylvester de
segunda ordem,
(4.12.4)
exprime a desigualdade de Cauchy-Buniakowski-Schwartz e,

definindo a independência linear dos n vetores-base, temos
(4.12.5)
(2) Se a base Q3n = { b;} é ortogonal, então
{O se i:;; j,
G; = (4.12.6)
.i bl se i = j,
e o produto escalar (4.12.1) é expresso por
n
u . V = L bl U; V; . (4.12.7)
i-1
Neste caso a matriz de Gram é dada por
(4.12.8)
e o determinante de Gram por
n
det [b;, b ] = n bf. (4.12.9)
1
i=l
(3) No caso de base ortonormal <Bn = {e;} formada por versores-base

que obedecem as condições
(4.12.10)
e que num espaço aritmético <R,, é representada pela base padrão do

Exemplo 2.6.4, o produto escalar de dois vetores u, v e o/n(�) é
expresso por
(4.12.11)
A matriz de Gram [Gij] = [ôij] é dada por (2.6.6) do Exemplo 2.6.4

enquanto det [Gij] = 1.
O produto escalar (4.12.11) é da mesma forma que o produto escalar

(4.4.1) do espaço aritmético <R.,,,. É que em relação a base padrão do <R,,
(base ortogonal de �(�) euclidiano), conforme mostra o Exemplo
2.6.4 há a coincidência v =(a1, a2 ,... , an) = (vl> v2 , ..., vn) entre os
elementos a; do vetor aritmético v e � n com os componentes
correspondentes do vetor abstrato v do espaço �(�) euclidiano.
4.13 Espaço Cartesiano
Uma base <Bn = {e1} formada por versores mutuamente ortogonais é

chamada de base cartesiana. Um espaço vetorial euclidiano real ou
complexo munido de uma base cartesiana é chamado de espaço
vetorial cartesiano. Um exemplo concreto típico de espaço cartesiano
é o espaço pontual cartesiano real tridimensional <E3 = {x, q3} munido
de uma base � = (o, {e;}), cujo espaço das translações é o espaço
geométrico tridimensional q3 (isomorfo ao espaço aritmético �3).
Em relação a uma base cartesiana CBn = {e;} qualquer vetor v e �( �

pode ser representado pela combinação linear (da forma (2.3.1),
(4.13.1)
onde os n números V; e componentes (coordenadas ou

<F são os
projeções) devem relação a base {e;}, dados por
(4.13.2)
Esses componentes (ou coordenadas) são as projeções ortogonais
V; =v. e;= vn. e;= v cos (n -:- e;) = vn; (4.13.3)
de v =li v·lln = vn nos eixos orientados pelos versores-base e;.
As coordenadas cartesianas de um ponto x e � são os campos 12

escalares simbolizados por f � � <F e definidos por X;= fl.x) . Cada
uma dessas funções está associada a um eixo cartesiano e a seqüência
(x1, x2 , ..., xn) corresponde a um sistema (coordenado) cartesiano.
Exemplos de bases cartesianas concretas são � = {el> e2 , e3} =

= {i j
, , k} de q3 e � = {(1, O, O), (O, 1, O), (O, O, 1)} do espaço
cartesiano aritmético 'E3 .
4.14 Espaço Unitário
A estrutura euclidiana de um espaço vetorial complexo �( G) é dada

pelos axiomas (4.1.1) (b), (c) e (d), e, em vez de (a),
(a') U , V= V. U (4.14.1)
onde a barra indica a operação de conjugação complexa. Um espaço

euclidiano complexo é chamado de espaço unitário.
12 O campo é uma função que tem como argumentos os pontos x e 'En. Temos por
exemplo o campo escalar f 'En --+ � o campo vetorial f 'En --+ Vn, e o campo
pontual \jl: 'En --+ 'En esse último também chamado de deformação do espaço 'En.
No espaço euclidiano real, como consequência da simetria expressa

pelo axioma (a), a regra (b) tem as expressões equivalentes au • v =
= u. cx.v = cx.(u. v), entretanto, num espaço unitário é válida a regra (b)
mas, por causa de (a'),
U · CX.V= CX.V • U = ex.(U ·V) . (4.14.2)
Num espaço unitário aritmético G,(G,(C)), (Cf Exemplo 1.6.5) um

produto escalar de dois vetores dados pelas seqüências de números
complexos u = (cx.1> cx.2,..., cx.n) e v = ( J31> J32, . .., Pn) é definido por
U ·V= CX.;J3;. (4.14.3)
Embora não se defina o conceito de ângulo subentendido por dois

vetores complexos de um espaço unitário, o conceito de
·
ortogonalidade de vetores desse espaço, tal como no espaço
euclidiano real, é definido por u · v = O. Vetores complexos também
podem ser normalizados no espaço unitário de modo análogo ao da
normalização de vetores no espaço euclidiano real. A desigualdade de
Cauchy-Buniakowski-Schwartz e as do triângulo também são válidas
no espaço unitário. No G, o critério de Sylvester (4.6.1) define o
produto interno (4.6.2) onde AiJ é uma matriz hermitiana ([AiJ= A1; ]).
A mesma base padrão Q3n = {e;} (e;. e1 = ô;) do espaço <J{,n euclidiano é
usada no espaço unitário G,, pois, os números reais também são
números complexos. Em relação a base padrão, o produto escalar de
dois vetores u, v e G,(C) é definido por
U ·V= U; V;, (4.14.4)
expressão análoga a (4.14.3), onde U;, V; e C são os componentes (ou

coordenadas) do respectivo vetor na base padrão.
Munido de uma base cartesiana (padrão) Q3n = {e;}, G,(C) é um espaço

unitário cartesiano.
4.15 Exemplos
1?,xe111[Jlo 4.15.J
Existem inúmeros produtos escalares que obedecem o conjunto de

regras { (a'), (b), (c), (d)} que definem um espaço unitário Gi( C), e que,
portanto, também definem, em particular, um espaço euclidiano real
�(']{).
Por exemplo, no �( <1?) euclidiano, tanto < u, v >1 como < u, v >2 =
= a< u, v >1 , a real não-negativo, obedecem os axiomas que definem

um produto interno. Neste caso o fator a altera a métrica do espaço
euclidiano pela alteração da unidade de comprimento dos vetores do
produto escalar original < u, v >1. Também, dados dois produtos
< u, v >1 e < u, v >2 do espaço euclidiano, �(']{) a combinação linear
a< u, v > + 13< u, v >2 (a, 13 reais não-negativos) é também um
produto escalar do espaço.
l?,xe111[Jlo 4.15.2
Usando (4.5.1) podemos verificar que o ângulo subentendido por dois

vetores não se altera quando um deles é multiplicado por um número
positivo ou quando os dois são multiplicados por números positivos ou
por números negativos. Quando só um dos vetores é multiplicado por
um número negativo, então o ângulo que era a passa a ser 1t - a.
Podemos concluir que têm os mesmos ângulos correspondentes os
triangulos gerados pelos vetores u, v e 'A.u, Ã.v, qualquer que seja o
escalar não-negativo À.
l?,xe111[Jlo 4.15.3
A estrutura euclidiana de um espaço real é definida por um produto

escalar que deve obedecer os axiomas (4 .1.1 ). A obediência aos
axiomas significa que na forma bilinear (4.5.2) a matriz dos
coeficientes [Aij] deve ser simétrica e deve gerar uma forma quadrática
positiva. Por exemplo,
(4.15.1)
é simétrica mas não gera forma quadrática positiva AiJa a1,

, como
mostra a representação matricial [a;]T [AiJ.] [a1] dada por,
[a, <12] [� a::J � 2a, a,. (4.15.2)
(4.15.3)
é positiva e a matriz simétrica [M'iJ] está associada a forma bilinear

My· a; (31 que define um produto escalar no IJ{.2 .
Exemplo 4.15. 4
No IJ{.4 euclidiano vamos calcular os comprimentos dos lados e os

ângulos do triângulo gerado pelos vetores u = (2, -1, 3, -2) e
V= (3, 1, 5, l}.
Calculamos u - v = (-1, -2, -2, -3), os comprimentos llull = llu - vil =
= 3./2, llvll = 6 e os co-senos cos(u � u - v) = O, cos(v � u - v) =
= 1/ .J2 e cos(u � v) = -1/ .J2. Trata-se de um triângulo retângulo
isósceles com os ângulos internos (u � u - v) = rr./2 e (u � v) = rr./4,
ângulo externo (v � u- v) = 3rr./4 e terceiro ângulo interno (v � v- u) =
= rr./4 = (u � v). Convém traçar esse triângulo mostrando o sentido das
setas u, v e v - u.
Exemplo 4.15. 5
Em relação a uma base ortonormal (base padrão) do IJ{,n , um versor

n = vlllvll de um vetor v pode ser representado pela combinação linear
(4.15.4)
onde os componentes, ou coordenadas, de n são dados por
(4.15.5)
e onde usamos a definição de ângulo pela expressão (4.9.1) de seu co

seno.Obtemos então,
(4.15.6)
Exemplo 4.15. 6
No espaço linear aritmético <}{, 2 são produtos internos dos vetores

u = (a1, a2) e v = (�1> �2) as seguintes formas bilineares simétricas
positivas:
< u, v >1 = ª1�1 + ª2�2

.
= [a1a2] 0 [l ][ ]
º �l
1 �2 ,
< u, V >i � 2u1P1 + 5u2P2 � [«1U,] [� a::J.

< u, V >3 � «1P1 + «1P2 + «2P1 + 2u2P2 � [ «1«2] [: �I:: J
Dados dois vetores u = (1, 1) e v = (-3, 2) calculamos < u, v >1 = 1,
< u, v >2 = 4 e< u, v >3 = O (ortogonais).
J!,xemplo 4.15.7
Vamos calcular os ângulos e os comprimentos dos lados de um

triângulo cujos vértices são assinalados pelos raios vetores r1 = e1 +
+ e2 - e3, r2 = 2e1 - e2 + e3 e r3 = -e1 + e2 + e3 .

Vemos que as coordenadas dos vértices são 71=(1 , 1, -1),7 2=(2, -1, 1)
e 73 = (-1 , 1, 1), donde calculamos os lados 117 2 - 7111 = 3, 1173 - 7 211 =
= Jl3, 1171 - 7311=2J2. Quanto aos ângulos, eles têm como co-senos
cos(72 - 'i; 73 -r1) = (-1, -2,2)· (2,0,2)/6 J2 = 1/3J2,

cos(71 -72 ;73 - 72) = (-1,2,-2)· (-3,2,0)/3.J)j = 7/JD,
cos(71 -73;72 -73 ) = (2,0,-2)· (3,-2,0)/2-.fi.6 = 31 J26,
e valem, respectivamente, 76°, 50° e 54°.
Verificamos que o triângulo é gerado pelos vetores 72 - 73 e 72 - 71'

pois o terceiro lado é (72 -73) - (72 - 71)=71 - 73.
I!;xen1JJIO 4.15.8
Num espaço unitário c3 são dados os vetores
u=a+ bi=(2 + 3i , 4 - i, 2i),

V=C + di=(3 - 3i 5 4 - 6i)'
' '
onde a= (2, 4, O), b = (3, -1, 2), e = (3, 5, 4) e d = (-2, O, - 6) são

vetores de 1(3 .
Usamos (4.14.3) para calcular o produto escalar
U. V=(2 + 3i)( 3 + 2i) + (4 - i)5 + 2i(4 + 6i) = 8 + 16i.
Quanto ao módulo do vetor u temos
· u. u=(2 + 3i)(2+3i )+(4+i)(4+i) + 2i( 2i )=a2+b2=34,
2 2
donde llull= +Jli:U �a +b = J34.
=
.E;xen1JJl0 4.15.9
Numa dada base <B] {b; =(ail, ai2, a;3)}

= {b1 (1, -1, O),
=
=
b2 (1, O, O), b3 (O -1, 1)} os vetores-base de fato são linearmente

=
=
,
independentes porque det [b,:; ] * O, mas, não são ortonormais em

relação ao produto interno (4.4 .1) porque b; . bj * oij.
[
A dada base torna-se ortonormal em relação ao produto interno do
tipo (4.5.2),
1 1 l][ªjI]
b; . bj =
[a;I> a;2, ai3] 1 2 2 a j2 , (4.15.7)
1 2 3 a j3
onde os seis elementos independentes da matriz simétrica e positiva

dos coeficientes são determinados usando os três vetores-base dados
no sistema de seis equações independentes.
(4.15.8)
Esse sistema força a ortonormalidade da forma bilinear, Akl a;k ajl =
= f(b;, b).
CAPÍTULO 5
ESPAÇO DAS FUNÇÕES
5.1. Concretização
Vamos considerar o conjunto das funções escalares suaves

(diferenciáveis e com derivadas contínuas) j(t) , simbolizadas por
f: [a, b] � !}', cujo argumento escalar t varia num intervalo fechado
[a, b] e P. Essas funções são vetores de um espaço vetorial das
funções escalares suaves definidas no intervalo [a, b], q:(a, b],
porque, quaisquer que sejam as funções j(t) e g(t) , e escalar a, as
operações
{(j + g)(t) f(t) + g(t),

=
(5.1.1)
(af)(t) af(t),
=
resultam numa função suave e obedecem os axiomas que definem o

espaço vetorial.
Com os conceitos de isomorfismo e de subespaço podemos estender a

esse espaço das funções as noções geométricas e numéricas
propiciadas pelos espaços concretos q3, CE,, e Pn . Funções são vetores
tanto quanto são as setas, os pontos ligados a uma origem e as
seqüências de números.
5.2 Dependência Linear
Na combinação linear nula

m
L 'Y;f;(t) Y1/1 (t) + Y2Ji(t) + + Ymfm(t) O (5.2.1)
i-1
= · · · =
onde nem todos o& coeficientes Y; não nulos, as funções f;(t) são
linearmente dependentes, como por exemplo são as funções
f1(t) = sen2t ,fi(t) = cos2t eiJ = 1.
n
Por outro lado, as funções i, t, t2, ..., t são linearmente
independentes, pois, derivando sucessivamente n vezes a combinação
linear
n
L Yktk=yoI+y1t+y2 t2+ ... +yntn=O (5.2.2)
k=O
obtemos um sistema de equações que fornece a solução Yk = O

(k =O, 1, 2, ..., n).
Apesar de linearmente independente, o conjunto {l, t, 12, ... , tn} onde n

pode ter um va.lor (inteiro) tão grande quanto se queira, não pode ser
propriamente uma base do espaço <1[a, b] porque esse espaço tem
dimens<io infinita. Entretanto, paran finito, o conjunto {1, t, 12, ..., tn-1}
gera um espaço n-dimensional <Pn dos polinômios de grau não
superior a n 1 (Cf. Exemplo 1.6.3). Vemos que <Pn é um subespaço
-
(próprio) do espaço <F[a, b].
Na combinação linear (polinômio (1.6.1))
(5.2.3)
que representa o vetor p(t) E <Pn+1, os coeficientes c0, c1, ..., cn são os
n
seus componentes em relação a base t:B,,+1 {l, t, t2, ..., t }
= .
5.3 Produto Escalar Real
Em obediência as regras (4.2.1) a integral
</, g > = 1: f(t) g(t) dt (5.3.1)
define um produto escalar das funções f(t), g(t) de �a, b]. Essas
funções são ortogonais quando
<f, g > = 1: f(t) g(t)dt = O. (5.3.2)
Com isso podemos verificar que no sistema trigonométrico
{ 1, sen t, cos t, sen 21, cos 21, ..., sen nt, cos nt, . .. } (5.3.3)
cada par de vetores é ortogonal no espaço euclidiano (1{ n+ 1 [0, 27t]

2
estruturado com (5.3.1). [Veja o Exemplo 6.2.5].
5.4 Medidas
Quanto ao comprimento (norma ou módulo) de uma função fi/) do

espaço �a, b] euclidiano, segundo (4. 7.1) , temos
:
IJ/lt)JI = + 1 12 (t)dt. (5.4.1)
Usando essa fórmula e (5.3.1) podemos chegar a uma espressão,

equivalente a (4.9.1), do ângulo subentendido por duas funções.
No �a, b] euclidiano, as desigualdades de Cauchy-Buniakowski

Schwartz e do triângulo (desigualdade de Minkowski) são expressas,
respectivamente, por
<1: f(t) g(t) dt)2 � 1: /2(t) dt 1: g2(t) dt, (5.4.2)
(5.4.3)
Quando a distância entre duas funções, a fórmula equivalente a (4.8.1)

é
p(j, g) = 11.ftt) - g(t)ll = �1:(f(t)- g(t))2dt . (5.4.4)
5.5 Produtos Escalares do Espaço dos Polinômios
Conforme vimos no Exemplo 1.6.3, um polinômio (5.2.3) pode ser

considerado como vetor função do espaço q>n+l e P[a, b] ou como
vetor algébrico do espaço vetorial aritmético Pn+ 1 das seqüências
p(t) = (c0, c1, c2 ... , cn) cujos elementos são os coeficientes
,
(componentes ou coordenadas) do polinômio. Para P= �na primeira

interpretação, um produto escalar é dado pela integral definida (5.3.1),
enquanto na segunda o produto escalar pode ser definido por (4.4.1),
ou, de um modo geral, por (4.5.2).
5.6 Exemplos
Exemplo 5. 6.1
As funções linearmente independentesj1 (t) = 1 eJi(t) t formam uma

=
base do espaço 1(2[-1, 1]. Dizemos que esses dois vetores geram um
triângulo de lados /1 (t) = 1, Ji(t) t e j3(t) = /1 (t) -Ji(t) = 1 - t, e
=
calculamos os ângulos de 90°, 60° e 30° do triângulo usando o produto

escalar (5.3.1).
Por outro lado, considerando a interpretação algébrica dos polinômios,

os lados do triângulo são dados pelos vetores /1 = (1, O), Ji (O, 1) e =
Í3 = (1, -1), e, usando o produto interno (4.4.1) calculamos os ângulos

de 90º, 45º e 45° no triângulo gerado por /1 eJi.
A mudança de métrica (produto escalar) é análoga a mudança de

unidade de medida. Por exemplo, os ângulos são expressos por
diferentes valores quando medidos por graus ou por radianos.
Exemplo 5. 6. 2
Vamos verificar se o triângulo gerado pelos polinômios
/(1) =31+12,
{ (5.6.1)
g(t) =1+21+212,
é agudo ou obtuso usando como produto escalar as formas bilineares
{(a) <f ,g > 1 =fogo+f1g1 + fig2 ,

(5.6.2)
(b) <f,g>2= fogo+2fg 1 1 + fig2 .
No caso (a) calculamos llfll2 = 10, llgll2 = 9 e llf-gl12=3, dondellfll2 <

< li g 112 + li/ - g 112 e o triângulo é agudo. No caso (b), 11/112 = 10
,
llgll2 = 13 e llf- gll2 = 4, donde llfll2 > llgll2 + llf- gi12 e o triângulo é
obtuso.
Exemplo 5. 6. 3
Vamos determinar o polinômio p0(1) de grau � 2 equidistante dos

polinômios
p1 (t) = 1+21+3t2,
P (1)=1+21-t2,
2 (5 6.3)
.
p3(t) = 5+21 +3t2,

p4 (t) = 2 +5t+31 2'
e calcular essa distância p(p0, P;) = llPo - P;ll (i = 1, 2, 3, 4).
Algebricamente, os polinômios (pontos do espaço <P3) são

representados pelas trincasp0=(c0, cl> c ),p1 =(1, 2, 3),p =(1, 2, -1),
2
p3 = (5, 2, 3) ep4 = (2, 5, 3), donde obtemos 2
2 2 2 2
p =(co-1) +(c1 -2) +(c2 -3) ,
2 2 2 2
p =(co-1) +(c1 - 2 ) +(c2 +1) ,
2 (5.6.4)
2 2 2
p =(c0-5) +(c1 - 2 ) +(c2 - 3) ,
2 2 2 2
p =(c0-2) +(c1 -5) +(c2 -3) .
Da primeira e terceira equações tiramos c0 = 3; da segunda e primeira

=
c 2 = 1, e finalmente c 1 3. Então p0 = (3, 3, 1) e o polinômio p0(t ) = 3 +
+ 3t + t2, de grau � 2, é o que equidista dos polinômios dados. A
distância é p = 3 .
Podemos verificar que polinômios de maior grau p'0 = p0 + c3t3 + ... +

+ cnf' representados pelos pontos p'0 = (3, 3, 1, c3 , .. ., cn) também são
equidistantes dos quatro polinômios dados, as distâncias sendo
espressas por p = (3 + c i + ... + c; ) 112 .
Exemplo 5. 6. 4
No espaço Pn+l dos polinômios de grau� n, o conjunto
CBn = {b;} = {l, (1/2!)t2, .. . , ( l/n!) f'} (5.6.5)
é uma base. Vamos determinar o produto interno em relação ao qual

{b;} torna-se ortonormal, isto é ({b;} ={e;}).
Algebricamente, os polinômios-base são dados por
b0=1= (l,0,0,0, .. .,0),
b 1= t=(O, 1, O, . . ., O) ,
b2= t2 / 2!=(O, O, 1/ 2!, .. ., O), (5.6.6)
bn= 1nln!=(O, O, O , .. ., 1 / n!).
A ortonormalidade da base CBn = {b;} é definida por

h;. h1 =e;. e1 =
ô;/i,j =
O 1, 2,
, ..., n) (5.6.7)
e, para que isso aconteça com a base dada (5.6.5), é preciso que
quaisquer que sejam os pares de vetores-base da forma
(5.6.8)
o produto escalar seja definido por 13
(5.6.9)
Exemplo 5. 6. 5
Podemos verificar que no espaço q>n dos polinômios de grau � n - 1

um produto escalar de dois polinômios.f(t) e g(t) é definido por
n-1
<J, g > = :L .flk) g(k). (5.6.8)
k=O
13 Cf. Exemplo4.15.9.
CAPÍTULO 6
ORTOGONALIZAÇÃO
6.1. Método de Gram-Schmidt
Em geral, enquanto num espaço vetorial qualquer não há razão para .

preferir uma base em comparação com outra, num espaço vetorial
euclidiano a preferência recai sobre uma base ortogonal ou, mais ainda,
sobre uma base ortonormal.
Para expor o método de ortogonalização de Gram-Schmidt, vamos

vizualizar no espaço geométrico ç3 a transformação de uma base não
ortogonal de vetores (linearmente independentes) '13J = {b1, b2, b3}
numa base ortogonal CJ13 = {b'1, b'2, b'3}. Começamos por escolher
(6.1.1)
para em seguida transformar b2 pondo b'2 = b2 + ah'1 exigindo a

ortogonalidade expressa por b'2 • b'1 O = b'2 • b'1 + ab' 1 • b'1 que
=
permite determinar o escalar a. = b'2 • b' if b' 1 • b'1 com o qual obtemos
o novo vetor-base b'2 perpendicular a b'1,
(6.1.2)
Geometricamente esse resultado mostra que b'2 e ab'1 geram um

triângulo retângulo cuja hipotenusa é b2. Continuando o processo,
modificamos b3 pondo b'3 = b3 + j3b'2 + yb'1 exigindo que o novo vetor
b'3 seja ortogonal a b'1 e b'2 por intermédio das relações b'3 b'1 =O=
•
= b3• b'1 + yb'1 • b'1 e b'3• b'2 =O= b'3• b'2 + j3b'2• b'2 que fornecem,
respectivamente, y = b3 • b'1/b'1 • b'1 e 13 = b3 b'2/b'2 b'2. Então o
• •
novo vetor ortogonal a b'1 e b'2 é

(6.1.3 )
mostrando que o vetor b'3 e o vetor resultante da combinação linear

J3b'2 + yb'1 geram um triângulo retângulo cuja hipotenusa é b3.
Obtida a base ortogonal <J13 podemos chegar a base ortonormal

{e;}= {e1' e2, e3} calculando e;= b';fllb';ll
Esse processo pode ser estendido para ortonormalizar um conjunto

finito com mais de três vetores linearmente independentes, mostrando
assim a existência de uma base cartesiana em qualquer espaço
euclidiano n-dimensional.
Embora esse processo seja especialmente útil no espaço das funções,

vamos considerar um exemplo de ortogonalização de vetores do �3
onde quaisquer três vetores mutuamente ortogonais (necessariamente
linearmente independentes) quando normalizados fornecem a base
padrão (cartesiana) {e;}= {(1, O, O), (O, 1, O), (O, O, l)}. De fato,
quando partimos dos vetores linearmente independentes b1 = (2, O, O),
b2= (1, 2, O) e b3 = (1, 2, 3), usamos as fórmulas (6.1.1), (6.1.2) e
(6.1.3 ) ·para determinar <113 = { (2, O, O), (O, 2, O), (O, O, 3) que
normalizada transforma-se na base {e;}.
6.1 Exemplos
Exemplo 6.2.1
No espaço euclidiano P3= � [-1, l] munido do produto interno dado

pela integral definida, os vetores 1, t e t2 formam uma base não
ortogonal. Entretanto, algebricamente, 1 = (1, O, O), t = (O, 1, O) e t2 =
= (O, O, 1 ), e a base é ortonornal.
Exemplo 6.2.2
Vamos ortogonalizar a base � = { 1, t, t2 } do espaço P3 = �3-[ 1, 1]

munido do produto interno expresso pela integral definida (5.3.1),

usando o processo de Gram-Schmidt.
Inicialmente pomos b'1 = 1 e, em seguida, de b'2 = t + a obtemos a

partir da condição de ortogonalidade
b'2• b'1 = O = J�1 (t + a)dt = 2a. (6.2.1)
Ficamos então com b'2 = t.
Finalmente pomos b'3 = b3 + f3b'2 + yb'1 e impomos as condições

b'3 • b'1 = b'3 • b'2 = O para obtermos f3 = O e y = 1/3 e, com isso
chegarmos a b ; = t2 - (1/3). Então, a nova base ortogonal de P3 é CJ13 =
= {l, t, t2 - (1/3)}. Cada um desses vetores-base pode ser normalizado

dividindo-o pelo seu módulo (5.4.1).
Exemplo 6.2.3
Estendendo o exemplo 6.2.2 ao espaço Pn dos polinômios de grau

::;; n - 1 chegamos aos polinômios ortogonais
2
1, t, t - (1/3), t3 - (3/5)t, t4 - (6/7)t2 - (3/35), ... (6.2.2)
que, a menos de fatores numéricos, coincidem com os polinômios de

Legendre dados pelafórmula de Rodriguez,
(6. 2. 3)
Outros polinômios ortogonais tais como os de Hermite e os de

Chebyshev resultam da ortogonalização do sistema linearmente
independente { 1, t, t2, ... }. Diferentes sistemas de polinômios ortogonais
podem ser obtidos introduzindo alterações· na métrica expressa pela
integral definida (5.3.1) inclusive alterando os limites da integração.
Exemplo 6. 2. 4
Normalizados, os polinômios de Legendre (6.2.2) formam uma base

padrão CJ3 = { e; P;(t): i O, 1, ..., n - 1} do espaço <Pn dos
n = =
polinômios de grau� n 1. Nesse espaço um polinômio qualquer p(t)

-
pode ser expresso pela combinação linear.
(6.2.4)
onde os coeficientes e; são componentes (ou coordenadas) de p(t) em

relação a base {p,{t)}. Esses componentes são calculados por
C; = J�1 p(t) P;(t)dt. (6.2.5)
Exemplo 6.2.5
O sistema trigonométrico [Cf (5.3.3)],
{p;}={ 1, sen t, cos t, sen 2t, cos 2t, ..., sen nt, cos nt} (6.2.6)
forma uma base ortogonal do espaço (2n + 1) - dimensional
{
<P2 +1(0, 27t]. De fato, são obedecidas as condições de ortogonalidade
n
2x ro2x senkt senmt dt
Jro coskt cosmt dt =
J
= O(k:;:. m),
(6.2.7)
J� x coskt senmt dt = O(para quaisquer k e m).
Por outro lado, calculamos os comprimentos
�X �X �X
Jo cos2 kt dt =
Jo sen2 kt dt = 7t, Jo ldt = 27t (6.2.8)
e com isso determinamos o sistema ortonormal de 2n + 1 vetores

trigonométricos
Chamamos de polinômio trigonométrico de grau n a combinação

linear
ª0
p(t) = + a1 cos t + h1 sen t + ... + an cos nt + bn sen nt =
2
n
a
= _Q_ + L (ak cos kt + bk sen kt ). (6.2.10)
2 R=I
Esses polinômios são vetores (ou pontos) de um espaço das funções

contínuas no intervalo [O, 27t]. Os coeficientes a0, ª1> bl> ..., an, bn são
os componentes do vetor p(t) em relação a base ortonormal (6.2.9).
CAPÍTULO 7
PROJEÇÃO ORTOGONAL
7.1. Definições
Conforme ilustrado na Figura 3. 5. 1, consideremos o traçado de uma

perpendicular h que assinala um ponto x do espaço pontual euclidiano
(de dimensão finita ou infinita) P. em relação a um ponto xf.J de um
subespaço (de dimensão finita) L e P.. Em relação a uma origem o o
ponto x é assinalado pelo raio vetor r= x - o e o (novo) ponto xf.J
(agora apoiando a perpendicular h = x xf.J
- ) é assinalado pelo raio
vetor fJ = xf.J - o. O raio vetor (pertencente a uma variedade linear)
r = fJ +h, (7.1.1)
é representado pontualmente por
(7.1.2)
Dizemos que fJ (ou xf.J)é a projeção ortogonal de O r no subespaço L.

..L
vetor h sendo ortogonal a L pertence ao subespaço L , chamado de
complemento ortogonal de L. A unicidade do desdobramento (7.1.1) e
(7.1.2) implica a soma direta
(7.1.3)
Todos esses conceitos podem ser vizualizados no espaço cartesiano

pontual P.3 = (x, �13)
munido de uma base�= (o, {ei}), onde L = �
(plano coordenado) e Ll. = P.1 (eixo coordenado).
Aplicando o teorema de Pitágoras ao triângulo {/J, h, r} gerado pelos

vetores fJ eh (cf 4.11(1)) temos, tal como em (4.11.3),
llrll2 = iir0ii2 + llhll2. (7.1.4)

Dessa relação resultam as desigualdades que limitam o comprimento da
perpendicular que liga x E P, a x0 E L,
(7.1.5)
Vemos que llhll=O ser(= ,.O) E L, e llhll = llrll ser é perpendicular a L.
7.2 Desigualdade de Bessel
Em relação a uma base ortonormal { e1} do subespaço m-dimensional

Lm , a projeção ortogonal ,.O pode ser representada por
m
,.O= L Yfef, (7.2.1)
J=l
onde os coeficientes y1, são as componentes da projeção em relação a

base escolhida. Então, obtemos a expressão do quadrado do
comprimento da projeção ortogonal,
m
11r0112 = I (7.2.2)
J=l
donde, comparando com (7.1.4) , chegamos a chamada desigualdade

de Bessel,
m
llrll2 � L YJ· (7.2.3)

J=l
Segundo essa desigualdade, o quadrado do comprimento de um vetor

do espaço euclidiano P, não é menor que a soma dos quadrados de
suas projeções ortogonais num subespaço L e P..
7.3 Aproximação
O traçado de perpendiculares entre pontos de 'E e pontos do subespaço

(ou hiper-plano) L e 'E tem uma importante aplicação no estudo da
aproximação de uma funçãof(t) - ponto de um espaço (de dimensão
finita ou infinita) �[a, b] por um polinômio - ponto do subespaço
-
<Pn = 'Fn e �a, b]. A melltor aproximação é expressa pelo polinômio

representado pelo ponto xfJ correspondente a projeção ortogonal. Se
{ e1 = P;(t)} é uma base ortonormal desse subespaço dos polinômios,
então a melhor aproximação da função,f(t) é o polinômio
p(t) = c1e/J = 1, 2, . .., m) (7.3.1)
cujos coeficientes (componentes cartesianos) são os números reais
C; = <f(t), P;(t) > = s: f(t) P;(t)dt. (7.3.2)
A proximidade def(t) de p(t) é medida pelo desvio quadrático médio
p2 = llf(t) - p(t)112 = s: (j(t) - p(t))2dt (7.3.3)
igual ao quadrado da distância entre f(t) e p(t), representada pelo

quadrado do comprimento da perpendicular, li h 112 = li x xfJ 112 =
-
= ll r ll2 - llxfJll2.
É importante ter em mente os isomorfismos que existem, de um lado,
entre a função f(t) E �a, b], o ponto x e 'E que a representa e o raio
vetor r = x - o, e, do outro, entre o polinômiop(t) e <Pm = L,,, e �a, b],
o ponto xfJ E L,,, e 'E que o representa e o raio vetor IJ = xfJ - o. Com
isso podemos relacionar as aproximações de funções por polinômios
com as dos pontos x e xfJ ou com as dos raios vetores r e IJ.
7.4 Cálculo da Projeção Ortogonal
São dados um vetor r de um espaço euclidiano (de dimensão finita ou

infinita) <E e um subespaço de dimensão finita 4n e <E. Esse subespaço

é gerado por uma base (não necessariamente ortogonal) de m vetores
bi. Vamos expor um procedimento para calcular a projeção ortogonal
-,IJ e a perpendicular h, ao mesmo tempo provando a existência e a
unicidade do desdobramento r + -,IJ h.
=
O vetor -,IJ E Lm é representado pela combinação linear -,IJ Y; b; onde

=
os m coeficientes Y; são os componentes (coordenadas) de -,IJ em

relação a base <Bm {b;} e 4n. Levando em conta que h b1 O os
=
•
=
,
coeficientes Y; são dados univocamente r..elo sistema de m equações

lineares
(7.4.1)
ficando assim determinadas a projeção ortogonal -,IJ e a perpendicular

h=r--,IJ .
O sistema (7.4 .1) é representad� matricialmente por
b1. b1 b1 ·b2 bi ·bm Y1 r ·b 1

b2 ·b1 b2 ·b2 b2 ·bm Y2 r ·b 2
(7.4.2)
bm·b1 bm ·b2 b m·bm Ym r·bm
onde a matriz de Gram [Gu] [b;. b1] de ordem m tem posto m. Os

=
coeficientes são dados pela regra de Gramer expressa por
(7.4.3)
onde G = G(bl> bi, ..., b m) é o determinante de Gram e G(J) é o

determinante G cuja coluna) ( 1, 2, ... , m) é substituída pela coluna
=
r. b1 do segundo membro de (7.4.2). Calculados os coeficientes y1, a

projeção ortogonal -,IJ é calculada por
(7.4.4)
donde obtemos a perpendicular h = r - IJ·
O conjunto de equações lineares formado pelo sistema (7.4.2) e pela

equação (7. 4. 4) é representado pelo determiante
h1 bi·
h1 ·h2 h1 ·hm h1 ·T
h2 ·h 1 h2 ·h2 h2·hm h2·r
=
bm ·h1 bm ·h2 bm·bm bm·T

,o
h1 h2 bm
/Ji ·T
h2 ·T
=
[ G] =O (7.4.5)
bm ·T
,o
h1 h2 bm
onde [G] é a matriz de Gram [G] (bl> h2, ..., bm) = [h; . h1] = [Gij].
Dessa equação obtemos diretamente
h1 ·T h1 ·T
h2·r h2·T
[G] [G ]
bm ·T bm·T
h1 h2 bm o h1 h2 bm r
rº = ' h= . ( 7 4 6)
. .
G G
Se 4n e <E é gerado por uma base cartesiana <Bm {e;}, então =
[Gul = [õü], G 1 e a projeção ortogonal é dada pela combinação

=
linear
IJ = r·e· ,,
(7.4.7)
1
pois, Y; = r;0 = r;. A perpendicular é calculada por h = r - IJ

Devemos observar que, como vetores de um espaço n-dimensional

<En, r, IJ, h e cada um dos m vetores-base e; têm n componentes. Por
exemplo, e 1 = (1, O, ...,O) tem n - 1 zeros no <En·
7.5 Projeção e Ortogonalização
A fórmula (7.4.6) da perpendicular h =x - J!J pode ser usada para dar

uma nova forma a rotina de Gram-Schmidt de ortogonalização de
vetores. De acordo com essa fórmula, cada vetor h ; de uma dada base
não-ortogonal é projetada ortogonalmente no subespaço
L;_1(b" b 2, ..., h ;_1) pela perpendicular h = h'; dada por
[G]
b1-
- l "h·1
' = b1 bi b;-1 b;
h 1· (i = 1,2, ... ,G0=1). (7.5.1)
G;-1
Daí obtemos a seguinte sequência de vetores-base ortogonalizados:
h1. h1 h1. h 2
h1 h2 b'1 ·h2 '

=
b2 - b 1
h1 ·h1 b' 1. b' 1 •
(7.5.2)
h1. h1 h1 · h2 h1 ·h3
h2 ·h1 h2 ·h2 h2 ·h3
h1 h2 b3
-
b ' 3-
h1. h1 h1 ·h2
h2 ·h1 h2 ·h2
que são as expressões da Seção 6.1. Geometricamente vemos que b'2 é

a projeção ortogonal de b2 num eixo perpendicular a b'1; b'3 é a
projeção ortogonal de b3 num eixo perpendicular ao plano gerado por
b'1 e b'2; b'4 é a projeção ortogonal de b4 num eixo perpendicular ao
subespaço tridimensional gerado por b' h b'2, b'3; e assim por diante.
7.6 Exemplos
Exemplo 7. 6.1 .
No � são dados o vetor r = (5, 2, -2, 2) e o subespaço Li_ gerado

pelos vetores b. =
(2, 1, 1, -1) e b2 (1, 1, 3,0).
=
(1) Usando a regra de Cramer no sistema
(7.6.1)
obtemos
b1 ·r b1 ·b2
b2 ·r b 2 · b2
Y1 = =
2
G
(7.6 2)
.
b1·b1 b1·r
b2 ·b1 b2·r
r 2=�---�=-1
G
e com isso, IJ = y1b 1 + y2b2 = (3, 1, -1, 2) eh= r- IJ =

(2, 1, -1, 4).
(2) Usando fórmulas (7.4.6.1)1, 2 confirmamos os resultados

h1. h1 h1. h2
rº = b2 -b1 b2 ·h2
h1 h2
b1 ·r
h= [G] b2·r =rº-r=(2, l,-l, 4).
r
(7.6.3)
(3) Se Li_ é gerado por uma base ortonormal {e1 = (1, O, O, O), e2 =
°
= (O, 1, O, O)}, então r1 = ,1J. e1 =(5, O, O, O) e r; = ,lJ . e2 =(0, 2,0, 0),
donde ,1J =r ; e;= (5, 2, O, O) eh =r ,lJ= (O, O, -2, 2).
-
(4) Qualquer que seja a base de Li_, podemos verificar a soma direta
(7.6.4)
Exemplos 7. 6. 2
Num espaço euclidiano aritmético �4 vamos determinar uma base do

complemento ortogonal do subespaço L gerado pelos vetores
ul = (1, 3, O, 2), U2 = (3, 7, -1, 2) e U3= (2, 4, -1, 0).
Inicialmente verificamos que L=Li_ é bidimensional porque u 1 = u2 - u3.

Uma base do complemento ortogonal L1- (u., u3) é formada por dois
vetores da forma v = (a1, a2, a3, a4) que por serem normais a Li_
devem ter componentes que satisfaçam o sistema interdeterminado
{ a1 +3a 2 +2a4 : O,
(7.6.5)
2 a 1 +4a2 -a3 - O.
Duas soluções arbitrárias desse sistema são os vetores v1=(- 3, 1, -2, O)

J_
e v2 = (1, -1, -2, 1), formadores de uma base de L2.
Podemos verificar que os vetores-base u = (P 1, P2, P3, P4) devem

satisfazer o sistema
{ 3P1-P2+2p3 =O,
(7.6.6)
P1 -P2 -2P3 +P4 =O.
Exemplo 7. 6. 3
No subespaço dos polinômios trigométricos (6.2.10), o polinômio

mais próximo de uma função .f(t), contínua no intervalo [O, 27t], é
expresso por
n
a
p(t) = -º- + L (ak cos kt + bk sen kt), (7.6.7)
2 k=l
onde os chamados coeficientes de Fourier são dados por

rix
a =(li 7t)Jo f(t)dt,
0
k
r27t f(t)coskt dt,
a = (1/ 7t) Jo (7.6.8)
bk =(117t)Jor27t f(t)senkt dt.
Exemplo 7. 6. 4
(1) Num espaço pontual euclidiano <E,, dados um subespaço L e um

ponto x, a distância entre o ponto e o subespaço é
p(x, L) = inf p(x, y). (7.6.9)

yEL
Essa distância é igual ao módulo llhll da perpendicular baixada de x a L

(ou levantada de La x). No exemplo 7.6.1, a distância entre x e Li é
llhll = Jf'i.
(2)São dados num espaço euclidiano Pí...CR.) um vetor e um subespaço L.

O ângulo subentendido pelo vetor e o subespaço é o menor ângulo
subentendido pelo vetor r e qualquer vetor de L, sendo então o ângulo
correspondente a
o
,.. ...fl llrll llr li
cos(r r ) (7.6.10)
_
, -
0 ,
r·r
onde TJ é a projeção ortogonal de r em L. No exemplo 7.6.1,

cos (r � TJ) 0 6 3 7 e (r � TJ) 50º.
= , =
Exemplo 7. 6. 5
Um subespaço Lé a.
definido por vetores ortogonais a um dado vetor
Nesse caso a distância de um vetor arbitrário v ao subespaço L é
determinada por
V·ll
p(v, L)= llhll = -. (7.6.11)
ll a ll
De fato, os vetores ortogonais u

L e h = llhll (a/llall)
E geram um
triângulo retângulo cuja hipotenusa é v, isto é,
v = u + (llh ll/ llall) a, (7.6.12)
donde, efetuando o produto escalar com dado vetor a obtemos a

fórmula (7.6.11), pois, u. a= O.
CAPÍTULO 8
PRODUTO VETORIAL
8.1. Definições
Damos uma nova estrutura ao espaço cartesiano real <E3 incluindo, no

seu espaço de translação, a operação chamada de produto vetorial
Essa operação coloca em correspondência com dois vetores não ·
colineares, u, v e <E3, um terceiro vetor desse espaço, simbolizado por

u x v e definido geometricamente pelas três propriedades:
(a) ú x v é normal tanto a u como a v;

(b) { u, v, u x v } é uma trinca positiva;
(c) l!u x vil é a área do paralelogramo gerado por u e v.
Em relação a uma base cartesiana <BJ = { ej} (também orientada

positivamente), o produto vetorial é definido algebricamente
(numericamente) por
u X V= 8;j/, U; vjek (i,j, k = 1, 2, 3) (8.1.1)
onde 8ijk simboliza um permutador cujos valores podem ser + 1, -1, ou

O: 8;jk +1 se na trinca {i, j, k}os valores dos índices formam uma
=
permutação cíclica (par ou positiva), 8;jk -1 se essa permutação é

=
acíclica (ímpar ou negativa) e 8;jk = O se dois dos índices são iguais.

Por exemplo, 8312 = 8321 8231 = + 1 e 8132 8213 = 8321 = -1.
= =
8.1.2 Relações 8-Ô
Substituindo no primeiro membro de (8.1.1) as combinações lineares

(8.2.1)
donde obtemos o produto misto e o determinante de Gram,
el ·ei e1 · e 1 el ·ek ô li ºIJ º•k
f.ifk = ei x ei. ek= e2 ·ei e 2·e1 e2·ek = Õ 2i 021 02k . (8.2.2)
e3 ·ei e3 ·e1 e3 ·ek Ô3j Ô 3j Ô3k
Resultam do desenvolvimento 27 determinantes dos quais seis não são

nulos; três iguais a + 1 e três iguais a -1.
Usando a regra de multiplicação de determinantes, obtemos
f.ifk f.pq r = (ei x e1• ek) = (ep x eq. er) =
ei·eP ei·eq ei·e r ôip ôiq Ôir
= e1 ·e p e1·eq e1 ·er = º p ºJq Ô jr. (8.2.3)

J
ek · e P e k ·e q ek · er ôk p ô kq Õ kr
Pondo sucessivamente k = r; k = r e j = q; k = r, j = q e i = p, obtemos,

respectivamente,
f.ifk f.pqk = (e i x e1• ek) (ep x eq. ek) =
= Õ ip Ôjq - Õ iq ÔÍP' (8.2.4)
(8.2.5)
(8.2.6)
8.3 Vetor Área
Em 9.1 as propriedades (a), (b) e (c) definem geometricamente o

produto vetorial dos vetores u, v E 'E3 como a área a = u x v do
paralelogramo gerado pelos dois vetores. Esse vetor área é
perpendicular ao plano (u, v) e a trinca { u, v, a} tem uma orientação
positiva. De acordo com (8.1. 1) as expressões geométricas e algébricas
da área vetorial são dadas, respectivamente, por
(8.3.1)
O módulo da área vetorial é dado por
llall =a= llu x vil = l l ull llvll llsen (u ; v)ll = llull llhll, (8.3.2)
onde llhll = llvll llsen (u ; v)ll é a altura do paralelogramo gerado por

U e V.
8.4 Propriedades do Produto Vetorial
As fórmulas (8.1.1) e as relações e-o decorrentes dessas fórmulas

permitem demonstrar diretamente várias propriedades do produto
vetorial:
(1) U X V = -V X U, (8.4.1)
(2)(au + pv) x w = a(u x w) + P(v x w), (8.4.2)
(3) (u x v)2 = u2v2 - (u v)2, • (8.4.3)
(4) u (u • x v) = Q, (8.4.4)
(5) u x au =O (a :t: O), (8.4.5)
(6) u x (v x w) = (u. w)v - (u. v)w, (8.4.6)

(7)(u x v) x w = (w. u)v - (w. v)u. (8.4.7)
As propriedades (2) e (1) dizem, respectivamente, que o produto

vetorial é uma função bilinear e anti-simétrica. A propriedade (4)
mostra que u x v é normal ao plano (u, v). A propriedade (5) mostra
que é nulo o produto vetorial de dois vetores linearmente dependentes
(colineares). Essa condição é necessária e suficiente para a nulidade do
produto vetorial, e pode ser provada pondo vi = a.ui em (8.1.1) e
levando em conta que u;ui e E;j/c são, respectivamente, simétrico e anti
simétrico em relação aos índices i e j.
Para demonstrar (3) (e ao mesmo tempo (8.3.2)) levamos em conta

que (u x v); = 8;Jlcui vk e usamos(8.2.4) para obtermos.
(u x v)2 =
eijkui vk E;qruq vr = Eijk 8;qrui Uq vk vr =
=
(Õiq Õkr - Õir Õkq) uiuq vk vr u� v; - uq vqur vr
= =
= u2 v2 - (u . v)2 =
llull2 llvll2 (1 - cos2(u � v)).
As relações (6) e (7) definem o duplo produto vetorial e mostram que

o produto vetorial não é uma operação associativa. Para demonstrar
(6), temos .
u x (v x w) = E;ikui Ekqr vq wrei =
=
(Õ;q Õir - Õ;r Õiq) ui vq wr ei =
= ur V;Wrei - Uq vq W; e; = (u. w)v- (u. v)w .
8.5 Volume no 'E3
Num espaço cartesiano 'E3 três vetores não-coplanares u, v e w que se

apoiam num ponto arbitrário (origem o) geram um paralelepípedo de
arestasu, v e w tendo o como um dos vértices. O volume do
paralelepípedo,V(u, v, w), toma-se um volume orientado quando
levamos em conta a ordem dos vetores na trinca (u, v, w). O volume é
positivo quando os vetores da trinca estão numa ordem cíclica,
negativo quando numa ordem acíclica e nulo se, e somente se u, v e w

estão num mesmo plano. O volume orientado é dado pelo produto
misto (escalar).
U V W
I I l
V(u,v,w)=uxv.w=e;1ku;v1wk=u2 v2 w2 (8.5.1)
U3 V3 W3
que, é uma função trilinear anti-simétrica.
O paralelepípedo de volume orientado V(u, v, w) tem como base o

paralelogramo de áreaa=u xv e como altura o vetor h normal a base.
O comprimento h = llhll = llu x v.wll é a projeção ortogonal de w em
a = u x v. O sinal de V(u, v, w) depende do ângulo (a � w) que,
dependendo da orientação da trinca (u,v, w),pode variar de 180°.
Se w=u xv é a própria altura do paralelepípedo, então
ul V
1 wl
V(u,v,u xv)= (u xv)2 = u2 v2 w2 . (8.5.2)
De acordo com (8.2.2), a não-nulidade da função trilinear
(8 5 . 3 )
.
prova a existência do volume orientado no espaço 'E3. O volume

orientado (volume algébrico) pode ser simbolizado por V± (u, v, w)
para distingui-lo do volume geométrico V(u,v, w) llV± (u, v, w)ll.
=
A definição do volume (algébrico) por um determinante permite

demonstrar diretamente que a independência linear dos vetores u, v e w
é condição necessária e suficiente para que V(u, v, w) não seja nulo.
8.6 Exemplos
Exemplo 8. 6.1
A solu ção de u ma equação algébrica vetorial pode ser obtida usando

os produtos escalar e vetorial para "abrir" a equação, isto é, para
explicitar a incógnita. Consideremos alguns exemplos.
(1) Vamos calcular os coeficientes a, j3 e y da combinação linear que

representa um dado vetor d em relação a dados vetores constantes a, b
e c:
d = aa + j3b + yc. (8.6.1)
Para isso construímos o produto misto (bx c). d=(bxc). (aa + j3b +yc) ,
donde, levando em conta que (b x c). b =(b x c). c=O, obtemos
d·(bxc)
a= --- (8.6.2)
a·(bxc)
De modo análogo obtemos
d·(axc) d·(axb)
j3= ,y= . (8.6.3)
b·(axc) c·(axb)
Nessas fórmulas o denominador não pode ser nulo.
(2) Dados os vetores a, b e c, vamos calcular o vetor v que satisfaz as

condições
{V X b= C X b,
(8.6.4)
v xa= O.
Construimos o duplo produto vetorial a x (v x b) = a x (c x b) que,

segundo (8.4.6) implica (a. b)v - (a. v )b =(a. b)c - (a. c)b, donde
obtemos a resposta
a·c
v=c--b. (8.6.5)
a·b
(3) Vamos calcular u e v no sistema
{ a1u+Pi (v· b)a = c 1,

(8.6.6)
a2 (u·b)a+p2 v = c2 .
Começamos multiplicando o sistema escalarmente por b, resultando o

novo sistema
{ a1 (u·b)+f31 ( v·b)(a · b)
a2 (u·b)(a·b)+f32 ( v·b)
=
=
c1 · b,
c2·b,
(8.6.7)
donde tiramos
(8.6.8)
que substituído no sistema proposto (8.6.6) permite calcular u e v
sujeitos a condição
(8.6.9)
(4) Vamos explicitar v na equação
av+v x a =b. (8 .6 .10)
Começamos multiplicando vetorialmente por a ambos os membros

para em seguida usar (8.4. 7) e obter
v x a +(a v)a - a2v =b x a,

• (8.6.11)
onde, de acordo com a equação dada, a. v =a. b/a, portanto,
vx a= b x a+ a2v - (1/a)(a. b)a. (8.6.12)
Substituindo esse valor de v x a na equação dada (8.6.10), obtemos
a(b-bxa)+(a·b)a
v= ------- (8.6.13)
a(a+a 2)
Exemplo 8. 6. 2
O uso da álgebra vetorial toma conciso o estudo da geometria sólida

num espaço pontual cartesiano tridimensional �3. Consideremos alguns
exemplos.
( 1) A área de um triângulo cujos vértices são os pontos x, y e z é
a= ll((y-x) x (z-x))ll, (8.6.14)
que, é a metade da área do paralelogramo gerado pelos vetores (y-x)

e (z-x).
(2) O volume de um tetraedro cujos vértices são x, y, z e w é
1
V= - ll((y-x). (z-x) x (w-x)) ll, (8.6.15)
6
já que o paralelepípedo comporta seis tetraedros iguas.
(3) A perpendicular baixada de um ponto x até uma reta que passa

pelos pontos y e z é dada pela altura h do paralelogramo gerado pelos
vetores (x - y) e (z - y) que, por sua vez, é dada pela área do
paralelogramo dividida pela sua base:
h= ll(x-y)x(z-y )ll
. (8.6.16)
lly-zll
(4) A menor distância de um ponto h

x até um plano que passa pelos
pontos y, z e w é dada pela altura de um paralelepípedo, ou seja, pelo
quociente do volume do paralelepípedo pela área de sua base:
h = ll( x-y).(z -y)x(w-y)ll .

(8.6.17)
11( Z- Y) X ( W-Y)11
(5) Vamos determinar a menor distância entre duas retas sabendo que
uma delas passa pelos pontos x e y enquanto a outra passa pelos
pontos z e w. Essa distância é
(y-x) x(w-y)
p= (x -z). , (8.6.18)
ll(y-x) x(z -w)ll
projeção ortogonal do vetor (x - z) na normal as duas retas, (V - x) x

x (z - w).
Exemplo 8. 6. 3
Podemos verificar que quaisquer que sejam o versor n e o vetor/, a

identidade
f (/. n)n - (/ x n)
= x n (8.6.19)
desdobra f em dois componentes mutuamente ortogonais situados num

plano P que contém n e f Supondo que n orienta a normal a uma
superficie S num ponto onde está aplicado o vetor/, vemos que fx n
está contido no plano que tangencia S no ponto de aplicação de /,
donde (fx n) x n situa-se na interseção desse plano tangente a S com
o plano P que contém n e f
Mostramos que (8.6.19) é de fato uma identidade, usando os

componentes cartesianos:
Exemplo 8. 6. 4
Vamos mostrar que a reflexão de um raio vetor r em relação a um eixo

orientado por um versor n (Figura 8.6.1) é dada por
r 2(r n) n
= • - r. (8.6.20)
o n
Figura 8.6.1: Reflexão der em relação ao eixo (n).
De fato, simbolizando por h a perpendicular baixada do ponto x

assinalado por r até o eixo (n), temos
{� = (r n )n
· - h,
(8.6.21)
r = (r· n)n+ h,
donde obtemos a equação proposta.
Exemplo 8. 6. 5
Vamos provar a identidade

a·c a·d
(a x b). (ex d)= (8.6.22)
b·c b·d
Para isso usamos a definição (8.1.1) e a fórmula (8.2.4): (axb).(cxd)=

= Eijk al bk Eiqr Cq dr = (Olq Okr - Olr Okq) al bk Cq dr = (aq Cq)(bk dk) -
- (ardr)(bq cq).
Exemplo 8. 6. 6
(1) Os pontosy de uma reta que passa por um dado ponto x e é

orientada por um versor n, são dados por
y=x+kn (8.6.23)
onde k = (y - x) llv - xll é um parâmetro escalar variável que

• n =
mede o comprimento da reta. Em relação a uma origem o, os pontos y

e x são assinalados pelos raios vetores r = o - v e a = x o e a -
expressão equivalente a (8.6.23) é
r= a+kn. (8.6.24)
(2) Vamos mostrar que as duas retas
{ r= a+k n,
(8.6.25)
s=b+hm,
se interceptam se
m. b x n =m. a x n. (8.6.26)
De fato, no ponto de interseção, r= s e
a+k n=b+hm (8.6.27)
donde, multiplicando vetorialmente por n obtemos a x n =b x n+ h m x

x nque, multiplicada escalarmente por m fornece a condição (8.6.26).

Trocando npor m obtemos a condição equivalente
n. b x m = n. a x m. (8.6.28)
Comparando as combinações lineares (8.6.27) e (8.6.1) vemos que os

parâmetros k e h das retas que se interceptam são dados por
a·bxm
k= --- ,
m·bxn
(8.6.29)
h=a·bxn.
m·bxn
Usando esses coeficientes em (8.6.27) obtemos o raio vetor que

assinala o ponto de interseção,
a·bxm a·bxn
r=a+ n= b + m. (8.6.30)
m·bxn m·bxn
CAPÍTUL09
VOLUME GENERALIZADO
9.1. Determinante de Gram
(1) O determinante de Gram de um conjunto arbitrário 14 de k vetores

vl> vi, ..., vk de um espaço vetorial euclidiano (de dimensão finita ou
infinita) é definido e simbolizado por
Vi ·Vi Vi ·Vi
Vi ·Vi Vi ·Vi
G = G(vi, vi, ..., vk) =
(2) Vamos provar que os vetores vi> Vi, ... , vk silo linearmente
dependentes se, e somente se, G O. Começamos admitindo que esses
=
k vetores são dependentes e, tal como em (2.1.1 ), construimos a

k
combinação linear nula I Y;V; = O, onde nem todos os coeficientes Y;
i=i
são nulos. Em seguida essa combinação é escalarmente multiplicada
por cada um dos vetores V;, donde concluímos que as colunas de G
também são linearmente dependentes e G O Reciprocamente, se o
= .
G = O, então as colunas do determinante são linearmente dependentes e

na combinação linear nula nem todos os escalares Y; são nulos; q. e. d..
Por outro lado, k vetores linearmente independentes vi, v2 , ..., vk,

formam uma matriz de Gram cujo determinante (de Gram) satisfaz o
14 Em 4.12, 7.4 e 8.2 consideramos o determinante de Gram de vetores-base
(linearmente independentes).
critério de Sylvester (4.6.1), G(vh v2 , ... , vk) >O.
(3) Para facilitar o cálculo do valor do determinante de Gram

G(vh v2 , ..., vk) podemos ortogonalizar os vetores vh v2 , ..., vk>
transformando-os em vetores mutuamente ortogonais uh u2 , ..., uk que
definem um determinante de Gram de mesmo valor G(ul> u2 , ..., uk) =
= G(vh v2 , ..., l'k). De fato, o processo de ortogonalização de Gram

Schmidt (exposto em 6.1 e 7.5) não altera o valor de G(v;, vi) porque
só utiliza a operação elementar (linear) da �dição ao vetor V; do vetor
vi multiplicado por um escalar. Resultam então as relações
o o
o o
=
o o
= (u1. u1)(u2. u2) ... (uk. uk) =
k
2 2 2 2
=
llu111 llu21l liukll L llu;ll -
· · ·
(9.1.2)
i=l
(4) Como em 7.5, interpretando o processo de ortogonalização dos

vetores como uma sucessão de projeções ortogonais em eixos
perpendiculares a subespaços, podemos ver que as desigualdades
(7.1.5) são equivalentes a
(9.1.3)
Combinando esse resultado com (9.1.2) podemos enquadrar os valores

de G(vl> v2, .. ., vk) de acordo com as desigualdades
k
2
O� G(v1, v2,..., vk) � fI llv;ll . (9.1.4)
i=l
Os limites de G são, então, G = O se os vetores vh v2, ..., vk são

linearmente dependentes (e os vetores ui> u2, ..., uk são nulos) e

k
2
G = TI llv;ll se os k vetores V; já são mutuamente ortogonais
i=l
(e linearmente independentes).
9.2 k - Volume
No capítulo 8 consideramos as noções algébrica e geométrica do

volume representado no espaço pontual cartesiano tridimensional real
<E3 = (x, q3) pelo volume de um paralelepípedo. Agora, por intermédio
do determinante de Gram, vamos generalizar algebricamente o
conceito de volume em outros espaços vetoriais tais como no espaço
aritimético <ltn e no espaço das funções <]{[a, b].
No <E3 euclidiano, a área de um paralelogramo gerado por dois raios

vetores não colineares r1 e r2 é a= llr111 llh111 onde escolhemos r1 como
base e onde h1 é a perpendicular baixada do ponto assinalado por r2
até r1 . Analogamente, o volume de um paralelepípedo gerado por três
raios vetores não-coplanares ri> r2 e r3 pode ser expresso por V =
=a llh21l = llr1ll llh1ll llh21l, onde h2 é a perpendicular baixada do ponto
assinalado por r3 até o plano gerado por r1 e r2 escolhico para base.
Generalizamos essas considerações geométricas , concretas no <E3

exprimindo ok-volume (volume do paralelepípedo k-dimensional ou
volume de um k-paralelepípedo) por
(9.2.1)
onde hk-l é a perpendicular baixada do ponto assinalado pelo raio

vetor rk ao subespaço Lk_1(rl>, r2, ..., rk_1). Em particular o 1-volume
Vi= llr1ll é o comprimento do raio vetor r1, o 2-volume V2 =a é a área
do paralelogramo gerado por r1 e r2 e o 3-volume V3 = V é o volume
do paralelepípedo gerado por r1, r2 e r3 .
Usando (9.1.2) podemos expressar o k-volume Vk = V(r1> r2, ..., rk) por
r1 ·r1 r1 r
· 2 r1 r
· k
v,2k - r2 ·r1 r2 ·r2 r2 r

· k
= ( i.r 2,..., r k),
Gr (9.2.2)
rk ·r1 rk r
· 2 rk ·rk
mostrando que o determinante de Gram dos vetoresr 1, r 2 ,..., r k é

igual ao quadrado do k-volume gerado por esses vetores.
9.3 Desigualdade de Hadamard
De acordo com (9.1.3), (9.1.4) e (9.2.2), temos
(9.3.1)
i=l
que exprime a desigualdade de Hadamard, segundo a qual o k

volume não excede o produto de suas k arestas. O k-volume é igual
ao produto das k-arestas se elas são mutuamente ortogonais.
9.4 Desvio Médio-Quadrático
A altura li h li de um (k + 1) -paralelepípedo de volume Vk+ 1 =
= V(r 1, r 2 ,..., r k , r) é dada pela perpendicular baixada do ponto

assinalado por r até um ponto do subespaço, Lk (r 1, r 2 ,..., r k) que é =
um k-paralelepípedo de volume Vk Vr
( ,1 r 2 ,..., r k)· De acordo com
=
(9.2.1), essa altura que é igual a distância entre os dois pontos é

expressa por 15
Vk+l V(r1 ,r2 ,.-.,rk,r)

p =
llhll = = . (9.4.1)
Vk V(r1 r1,. rk )
• · .,
IS Cf. Exemplos 8.6.2 (4) e (5).

De acordo com (9.2.2), o chamado desvio quadrático médio na

aproximação entre o ponto x assinalado pelo raio vetor r e o ponto XJ
(cf (7.1.2) e Figura 3.5.1) do subespaço Lk, é dado por
[G]
2 G( r1,r2,...,rk,r) = r ·r1 r·r2 r ·rk r ·r

p= (9.4.2)
G(r1,r2,...,rk) G
Para ilustrar, voltamos aos Exemplos 7.6.1 e 7.6.4 e usamos (9.4.2)

para calcular no � a distância entre o ponto assinalado pelo raio vetor
r=(5,2, -2, 2) e o subespaço gerado pelos vetores-base b1 =(2,1,1, -1)
e b 2=(1,1,3,O):
7 6 8
h1. bi bi ·bi bi ·r
6 11 1
bi ·bi bi ·bi bi ·r
r·bi r·b2 r·r 8 1 27
p 2= = =22. (9.4.3)
bi ·bi bi ·bi 7 6
bi ·bi bi ·bi 6 11
9.5 Mínimos Quadrados
Consideremos a função linear homogênea
y=y;X;(i=1,2, . .,k) . (9.5.1)
de k argumentos X; , onde os k coeficientes Y; são determinados

experimentalmente por n(> k) medidas da variável dependente y e de
cada uma das variáveis independentes X;. O sistema de n equações e k
incógnitas
Yj =
YiXiJ (i = 1, 2, . . ., k; j = 1, 2, ..., n), (9.5.2)
explicitado por
Y1 = Y 1Xn +Y 2X21+... +ykxk1'
Y2 = Y 1X12 +Y 2X22+. +ykxk2' · ·
(9.5.3)
relaciona os n valores medidos de y com os n valores medidos de cada

um dos k argumentos x i . Esses valores medidos podem ser
considerados como coordenadas dos pontos y e X; de um espaço
pontual euclidiano � e o sistema (9.5.3) pode ser representado
matricialmente por
= (9.5.4)
Yn Xkn Yn
isto é, obedecendo a regra de multiplicação de matrizes, por
(9.5.5)
O sistema (9.5.2) também pode ser representado pela combinação

linear
y =
YiXi (i = 1, 2, ..., k) (9.5.6)
cujas coordenadas são explicitadas por

Y1
(9.5.7)
Yn
Comumente, por causa de imprecisões das medidas experimentais, o

sistema (9.5.2) é incompatível, o que significa que os valores medidos
de y e X; não levam a igualdade expressa pela ·relação linear e
homogênea proposta. Então, a determinação dos coeficientes Y; pela
relação (9.5.2) (ou (9.5.6)) só pode ser efetuada por aproximações.
A combinação linear Y; X; gera o subespaço Lk =(xi> x2, ... , xk) e <J{,n e,

a melhor aproximação do ponto y E � em relação ao subespaço Lk é
dada pelo ponto ;i-J E Lk, tal que y - ;i-J = h é a perpendicular baixada
de y ao subespaço. Essa melhor aproximação implica um desvio
médio quadrático expresso por
n
p2 = h2 = llv - ;i-Jll2 = L (yj - Y; xif)2 (i = 1, 2, . , k).
. . (9.5.8)
j=l
Usando para um raio vetor o símbolo do ponto que ele assinala, o

determinante equivalente a (7.4.5) e com o qual podemos determinar
os coeficientes Y; da combinação linear (9.5.6), é expresso por
XI ·X1 XI ·X2 X1 ·Xk X1·Y
X2 ·X1 X2 ·X2 X2·Xk X2·Y

=O. (9.5.9)
Xk·Xk Xk·Y
xk xº
De fato, o desenvolvimento de Laplace em relação aos elementos da

última linha fornece
G(1)x1 + G(2)x2 + ... + G(k)xk = G�. (9.5.10)
donde, tal como em (7.4.3),
Y; = GufG (9.5.11)
exprime a regra de Cramer que resolve o sistema (9.5.3). Calculados

os coeficientesY; , a projeção ortogonal � e a perpendicular h são
calculadas por�= Y;X; eh= y-�.
Por outro lado, � e h também podem ser calculados diretamente pelos

determinantes equivalentes aos de (7.4.6), isto é,
[G]
[G]
y
(9.5.12)
G
O desvio médio quadrático
G(x1,X2, . ,xk,y)
llhll2 = p2 (9.5.13)
- . .
pode ser calculado por fórmula equivalente a (9.4.2).

Este método de resolver o sistema linear homogêneo (9.5.3)

determinado y E <R.,n pela sua melhor aproximação dada pela projeção
ortogonal Ji!J no plano Lk dos pontos X; , é chamado de método dos
mínimos quadrados.
Para ilustrar esse método, consideremos o caso simples da

determinação experimental do coeficiente angular y de uma reta y = yx
que passa pela origem. Uma série de medidas de y e x fornecem os
resultados
(9.5.14)
que podem ser expressos vetorialmente por
y=yx, (9.5.15)
onde y = Ú't> y2 ,... , Yn) e x = (xl> x2, xn) são vetores do <R.,n. No
subespaço Lk = L1 = <}{, 1 (reta que passa pela origem) a projeção
ortogonal pode ser obtida por intermédio de (9.5.9),
X·X x· y
0 = (x. x)xO - (x. y)x = GJl!J - G(l:f = O, (9.5.16)
X X
mostrando que a "melhor" reta que passa pelos pontos experimentais,

{(x;,Y;): i= 1, ..., n},
y=Ji!J = (G/G(l))x =yx, (9.5.17)
tem um coeficiente angular
(9.5.18)
Com esse "melhor" coeficiente angular podemos calcular a projeção

ortogonal xfJ= yx, a perpendicular h = y - xfJ e o desvio quadrático
p2= h. y. Essas grandezas também podem ser calculadas diretamente
pelas fórmulas (9.5.12)1 , (9.5.12) e (9.4.2):
2
X·X X·y � ·X X·y X·X X·Y
X·X o ·X y x·y y·y

xfJ= h= ' p2= (9.5.19)
X·X X·X X·X
{
Como um exemplo temos o sitema incompatível
3= 2y,
4=3y, (9.5.20)
5=4y,
expresso por y= yx, onde y= (3, 4, 5) e x= (2, 3, 4). Calculamos y =

=y-x.
1 1
/ X·X·
J J= 38/29' xfJ = y.x= (38/39)(2 3' 4) h =y -xfJ = (3 4 5) -
' ' ' '
- (38/29)(2, 3, 4) e p2 = h . y= 0,207.
9.6 Exemplos
Exemplo 9. 6.1
O determinante de Gram dos vetores u e v é, de fato, igual ao

quadrado da área do paralelograma gerado por u e v:
U·U U·V
G(u. v)= = (u. u)(v. v) - (u. v)2 =
V·U V·V
= llull2 + llvll2 - llull2 llvll2 cos2(u � v) = llull2 llvll2 (1-cos2(u � v))=
(9.6.1)
Essa área pode ser considerada como um 2-volume

G(u, v) = llall2 = V22 (u, v . ) (9.6.2)
Exemplo 9. 6. 2
No espaço cartesiano <E3, vamos partir da expressão V3 (u, v, )

w =
= u x vf.iik ui vi wk do volume orientado do paralelepípedo

• w =
gerado pelos vetores u, v e w, e chegar a relação
2
� (u, v, w)= G(u, v, w ) (9.6.3)
entre o volume V(u, v, w) e o determinante de Gram G(u, v, w) .
De fato, para i, j, k = 1, 2, 3 o desenvolvimento de V= f.ifk ui vi wk

fornece o determinante que mede o volume do paralelepípedo de
arestas u, v e w,
UI U2 U3
V3 = VI V2 V3 (9.6.4)
Usando então a regra da multiplicação de determinantes e a definição

do produto escalar no �. obtemos o resultado
u[ +ui +u� UI VI +U2V2 +U3V3 U1W1+U2W2 +U3 W3

2 2 2
V3 = V1U1 + V2U2 + V3 U3 Vi +v2 +v3 V1Wl +V2W2 +V3W3 =
2 2 2
W1U1 +WzUz +W 3U3 WlVl +W2V2 +W3V3 W1 +w2 +w3
U·U U·V U·W
= V·U V·V V·W (9.6.5)

W·U W·V W·W
E,xemplo 9. 6. 3
No espaço <.l{[a, b] das funções reais contínuas no intervalo [a, b], o k

volume gerado pelas k funções /;(t) pode ser calculado por
vff G(fi,Ji, .. , fk)

= . = det [<f;,.fj>] (i,J = 1, 2, ..., k}, (9.6.6)
onde [</;, �· >] é a matriz k x k dos produtos escalares que podem ser
calculados por (5.3.1):
<f;(t},.fj(t) > = 1: f;(t).fj(t)dt. (9.6.7)

BIBLIOGRAFIA
GANT'MACHER, E.R.; The Theory ofMatrices, Chelsea (1959) vol. 1.
GEL'FAND, L.M.; Lectures on Linear Algebra, Interscience (1961).
IKRAMOV, H.D., Linear Algebra (Problems Book) Mir (1983).
NICKERSON, H.K., SPENCER, D.C., and STEENROD, N.F., Advanced

Calculus (Capítulo 4) Van Nostrand (1959).
SHILOV, G.E., Linear Algebra, Prentice-Hall (1971).
STEPHENSON, G., Mathematical Methods for Science Students (Capítulo

19) Longman (1975).
VOYEVODIN, V.V., Linear Algebra, Mir (1985).

ÍNDICE
ângulo 32,36,43,49,68
aproximação 51,85,87
área 69, 71
base 16,46,52,66
base cartesiana 39, 55
base de polinômios 55, 62
base padrão 20,39
campo 40
coeficientes de Fourier 67
combinação linear 15,17, 40,44,47,62,64, 80
complemento ortogonal 59,66
componentes 16, 41,45,57
componentes cartesianos 40
comprimento 32,34,49
coordenadas 17,22,41,57
coordenadas cartesianas 42
critério de Sylvester 33,38,82
delta de Kronecker 20,69

dependência linear 15, 47,81
desigualdade de Bessel 50
desigualdade de Cauchy-Buniakowski-Schwartz 38,41,49
desigualdade de Hadamard 84
desigualdade de Minkowski 49
desigualdade do triângulo 36, 41,49
deslocamento 1O, 25
desvio quadrático médio 61,84,88
determinante de Gram 38,70,81,83,90
diferença pontual 11
dimensão 16,24
dimensão infinita 16, 48
distância 35, 49, 51, 67,77
eixo cartesiano 22
equações vetoriais 74
espaço afim 11
espaço aritimético 1O
espaço cartesiano 39, 42
espaço complexo 10, 14, 21, 22
espaços das funções 47
espaços das translações 12
espaços dos polinômios 13, 48
espaço euclidiano aritimético 31
espaço euclidiano complexo 40, 45
espaço euclidiano generalizado 33
espaço euclidiano geométrico 31
espaço euclidiano real 31
espaço geométrico 1O, 16
espaço linear 9, 14
espaço nulo 1O
espaço numérico 11
espaço pontual aritimético 12
espaço pontual geométrico 11
espaço real 9, 14
espaços pontuais 11, 12
espaços subjacentes 12
espaço vetorial abstrato 9
espaço unitário 40, 45
estruturas 9, 31, 43
forma anti-simétrica 72
forma bilinear 32, 37, 43, 72
forma positiva 32
forma quadrática 32
forma trilinear 43, 51, 73
fórmula de Rodriguez 53
funções ortogonais 49
funções suaves 47
hiperplano 23, 28
independência linear 19, 46, 48

índices mudos 15
interseção de subespaços 23
isomorfismo 17
k-paralelepípedo 83
k-volume 84
magnitude 32
matriz coluna 14
matriz de Gram 33,62,81
melhor aproximação 87
menor distância 78, 84
método de Gram-Schmidt 54,64,82
métrica 31, 50
mínimos quadrados 85,88
módulo 10,35,46
norma 10,35,46,49
normalização 25,41,46,49
origem 12,16,22,23
ortogonalidade 41
ortogonalização 54,64
paralelogramo 10,37,69,71
permutador 69
perpendicular 25,59,62,66,76, 78,88,90
plano coordenado 22
polinômio 13,48,50,61
polinômios de Chebyshev 56
polinômios e Hermite 56
polinômios de Legendre 56
polinômio trigonométrico 58, 67
ponto 12,31
posto 19,21
produto escalar 31,37,48,50,53
produto interno 31
produto misto 73
produto vetorial 69, 77

projeção ortogonal 59, 89
projeções 17, 64
raio vetor 12, 59

reflexão 78
regra Cramer 62, 65, 88
sequências 10, 14, 59, 66

sequências de base 20
setas 10
sistema linear homogêneo 18, 27
sistema linear não-homogêneo 27, 86, 89
sistema trigonométrico 49, 57
soma de subespaços 23
soma direta 24
subespaço 23, 62, 83
subespaço das soluções 25
subespaço direcional 25
subespaços gerados 23, 30, 87
subespaço nulo 23
teorema de Pitágoras 37, 59

translação 10, 28
triângulo 36, 43, 45, 50, 54, 59, 68, 76
variedade linear 26, 30, 59

vetor 9
vetor área 71
vetores-base 16
vetores espaciais 1 O
vetores co lineares 16, 23, 30
vetores coplanares 23, 30
vetores deslocamento 25
vetores geométricos 1 O
vetores geradores 23, 30
vetores ligados 12
vetores livres 11
vetores-seta 1 O
volume 72, 83
volume algébrico 73
volume generalizado 81
volume orientado 72, 85
Neste livro usamos o fundamento vetorial que relaciona tópicos da Algebra
tais como a Solução de Sistemas de Equações Lineares, a Aproximação de funções
por Polinômios e a Melhor Representação de Dados Experimentais com as noções
da Geometria de Comprimento, Ângulos, Ortogonalidade, Triângulo e Volume. A
unifícação desses assuntos algébricos e geométricos é efetuada por intermédio do
conceito generalizado (abstrato) de Espaço Vetorial. Logo em seguida o Espaço
Vetorial Abstrato é concretizado (representado) pelo Espaço Numérico que tem
como vetores os conjuntos ordenados de escalares e pelo Espaço Geométrico
Tridimensional cujos vetores são as setas ligadas a pontos (raio vetores).
Sem demonstrações fomrnis, este livro de Matemática Aplicada contém 61

Exemplos destinados a ilustrar e estender em pouco a teoria exposta. O nível dos
assuntos é o do ciclo básico dos Cursos de Engenharia, Física e Matemática, podendo
ser útil também numa disciplina de Métodos Matemáticos introdutória ao mestrado
cm Engenharia.
Os assuntos considerados neste livro incluem, principalmente, a Concretiz.ação

Geométrica e Numérica de Espaço� e Sub-espaços Vetoriais Abstratos. A
concretização (representação) do Espaço das Funções - em particular do Espaço
dos Polimônios - é a principal aplicação.
Os tópicos estão expostos no nível do período básico dos cursos universitários

mas será de grande ajuda um conhecimento introdutório da Solução de Sistemas de
Equações Lineares (Algoritmo de Gauss).
Alberto Luiz Galvão Coimbra
1949), D.Se. (Universidade do Brasil, 1953),

M Se (Vandcrbilt,
Dr. Honoris Causa (Universidade Federal de Pernambuco, 1970),
Prof Honoris Causa (Universidade Federal de Santa Catarina, 1979),
Grã-Cruz da Ordem do Mérito Científico ( 1994 ), Autor de
"/,ições e l:xercícios de Mecânica do Contínuo", publicado pela
Editora Edgard Blüchcr (1981).
É professor titular no Programa de Engenharia Química da COPPE,
Universidade Federal do Rio de Janeiro.
EDITOR/\ EDGARD BLÜCH ER LTDA.

Alberto Coimbra - Espaços Vetoriais (1994) PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Alberto Coimbra - Espaços Vetoriais (1994) PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Apoio:

Produção do Setor de Publicações e

Projeto Gráfico e Editoração Angela Jaconianni

EDITORA EDGARD BLÜCHER LTDA.

É proibida a reprodução total ou parcial

sem autorização prévia da editora

EDITORA EDGARD BLÜCHER LTDA.

Impresso no Brasil Printed in Brazil

Esta obra pode ser considerada como Segunda Edição corrigida do

Usamos neste livro os fundamentos vetoriais que relacionam tópicos

A.L. C., Rio de Janeiro, Outubro,1994.

O autor agradece o apoio do CNPq (Processo 300120192-93) e do Setor de

CAPÍTULO 1 - ESPAÇO VETORIAL 9

1.1 Espaço Vetorial Abstrato 9

CAPÍTULO 2 - DEPENDÊNCIA LINEAR 15

2.1 Combinação Linear 15

CAPÍTULO 3 - SUBESPAÇO VETORIAL 23

3.1 Definição e Exemplos 23

CAPÍTULO 4 - ESPAÇOS VETORIAIS EUCLIDIANOS 31

4.1 Estrutura Métrica 31

4.6 Critério de Sylvester 33

CAPÍTULO 5 - ESPAÇO DAS FUNÇÕES 47

6.1 Método de Gram-Schmidt 54

CAPÍTULO 7 - PROJEÇÃO ORTOGONAL 59

CAPÍTULO 8 - PRODUTO VETORIAL 69

CAPÍTuLO 9 - VOLUME GENERALIZADO 81

9.1 Determinante de Gram 81

1.1 Espaço Vetorial Abstrato

Um conjunto o/de elementos a, b, c,..., u, v, w, chamados de vetores, é

Axiomaticamente, essas duas operações devem obedecer as seguaintes

(al ) U+V= V+U,

(bi) lv=v(l E P),

Escrevemos 'f{ '1) quando queremos especificar o corpo P sobre o qual

complexo P C e dizemos que 'f{ 1?) é um espaço real e 'f{ l) é um

Em geral, 'V pode ter uma infinidade de elementos, contudo, existe um

1.2 Espaço Geométrico

O espaço vetorial abstrato (generalizado) pode ser concretizado

A soma u + v de dois vetores geométricos é dada por uma diagonal do

1.3 Espaço Aritmético

Além da concretização geométrica, . os vetores abstratos de 1{ q:)

1 Em geral, nas aplicações em Física, tf = � mas, o fato de t1lser um corpo algebricamente

e a multiplicação de uma seqüencia por escala À E 'F,

obedecem os axiomas que definem os vetores. Essas sequencias

1.4 Espaços Pontuais

Ainda no intuito de tomar concreto um espaço vetorial abstrato,

ponto de apoio x e um espaço geométrico ç3. Neste par existe um

que, de fato, tem as propriedades de um vetor expressas pelas

mostrando que a soma de um ponto de apoio com um vetor é um outro

2 Cf. Exemplo 1.6.5.

ponto. Dizemos que o ponto x apoia o vetor v (ou que x é o pé do

O espaço vetorial geométrico q3 do par <E3 = (x, q3) é chamado de

Um outro tipo de espaço pontual é o espaço pontual aritmético

No espaço pontual geométrico <E3, apoia-se num certo ponto fixo o

que assinala a posição de um ponto genérico x E <E3 e é chamado de

No espaço pontual aritmético onde o espaço subjacente é o espaço Pn

r =X- O =X - 0 =X. (1.5.2)

Desse modo, simbolicamente, pontos comportam-se como vetores (de

afim as noções de reta e de plano expressas como lugar geométrico

Num espaço vetorial, o que realmente define as operações chamadas

Um espaço vetorial deve ser um conjunto fechado em relação as duas

onde cn pode ser nulo. Esses polinômios podem ser considerados

como função (contínua) do. argumento (indeterminada) t, ou então,

Observe que os polinômios de um certo grau fixo n não formam um