APONTAMENTOS DE ÁLGEBRA

Espaços Vectoriais

Sérgio Reis Cunha

Outubro de 2002

Faculdade de Engenharia da Universidade do Porto

Licenciatura em Engenharia Electrotécnica e de Computadores
Espaços Vectoriais Definição de Espaço Vectorial 2/22

Definição de Espaço Vectorial

Definição
Um espaço vectorial V sobre um corpo de escalares C é um conjunto não vazio de
elementos, aos quais se chamam vectores, que possui as seguintes propriedades:
• Está definida uma operação binária de soma de dois vectores de V , da qual resulta um
vector de V , tal que o conjunto V relativamente a esta operação é um conjunto
abeliano:
o ∀ u,v ∈V u + v ∈ V ,
o ∀ u,v ∈V u + v = v + u ,
o ∀ u,v,w ∈V (u + v ) + w = u + (v + w ) ,
o ∃1 : ∀ u ∈V u + 0 = 0 + u = u (z = 0) ,
0∈V
o ∀ u ∈V ∃1u ′∈V : u ′ + u = u + u ′ = 0 (u ′ −u ) .

• Está definida uma operação de multiplicação de um vector de V por um escalar do

corpo, da qual resulta um vector de V , com as seguinte propriedades:
o ∀ α ∈C ∀ v ∈V α ⋅ v ∈ V ,
o ∀ α, β ∈C ∀ v ∈V α ⋅ (β ⋅ v ) = (αβ ) ⋅ v ,
o ∀ α,β ∈C ∀ v ∈V (α + β ) ⋅ v = α ⋅ v + β ⋅ v ,
o ∀ α ∈C ∀ u +v ∈V α ⋅ (u + v ) = α ⋅ u + α ⋅ v .

• ∀ v ∈V 1 ⋅ v = v , onde 1 é o elemento neutro multiplicativo do corpo C .

Doravante apenas se consideram os espaços vectoriais sobre o corpo dos reais (C = ),

designados por espaços vectoriais reais, e sobre o corpo dos complexos (C = ), designados
por espaços vectoriais complexos.

Exemplos
• Espaço vectorial n sobre o corpo dos reais, onde os vectores são representados por
n-uplos ordenados:
 x1 
 
 x2 
v= 
 
 
 x n 

A soma de vectores é dada por:

 x1   u1   x1 + y1 
     
 x2   u2   x 2 + y2 
v=  u=  v +u =  
     
     
 x n   un   x n + yn 
 
A multiplicação de um escalar por um vector é dada por:
Espaços Vectoriais Definição de Espaço Vectorial 3/22

 x1   αx1 
   
 x2   αx 2 
v=  α⋅v =  
   
   
 x n   αx n 
3
A figura abaixo mostra os seguintes vectores em :
1 0 0 1 0
         
        1 2  
v1 =  0  v2 =  2  v3 =  0  v4 = v1 + v2 =  2  v 5 = v2 + v 3 =  1 
        2 3  
 0   0   3   0   3 
         

v3

v5

v2
v1
y
v4
x

• Espaço vectorial dos polinómios de grau menor ou igual a n e de coeficientes reais:

p(x ) = an x n + an −1x n −1 + + a1x + a 0
onde cada vector é descrito pelos seus coeficientes:
 an 
 
 an −1 
 
p= .
 
 a1 
 
 a 0 
 
A soma de vectores corresponde à soma de polinómios:
pa (x ) = an x n + an −1x n −1 + + a1x + a 0

pb (x ) = bn x n + bn −1x n −1 + + b1x + b0

pa (x ) + pb (x ) = (an + bn )x n + (an −1 + bn −1 )x n −1 + + (a1 + b1 )x + (a 0 + b0 )

Espaços Vectoriais Definição de Espaço Vectorial 4/22

 an   bn   an + bn 
     
 an −1  b  a + bn −1 
   n −1   n −1
   
pa =   pb =   pa + pb =  
     
 a1   b1   a1 + b1 
     
 a 0   b0   a0 + b0 
     
A operação de multiplicação por um escalar é definida através de:
p(x ) = an x n + an −1x n −1 + + a1x + a 0

α ⋅ p(x ) = (αan )x n + (αan −1 )x n −1 + + (αa1 )x + (αa 0 )

 an   αan 
   
 an −1   αan −1 
   
p=  α ⋅ pa =  
   
 a1   αa1 
   
 a 0   αa 0 
   

Teorema
Em qualquer espaço vectorial verifica-se que 0 ⋅ v = 0 ∀ v ∈V , onde 0 é o elemento neutro
aditivo do corpo e 0 é o vector nulo (elemento neutro aditivo do grupo constituído pelo
espaço vectorial relativamente à operação de soma de vectores).

Demonstração
0 ⋅ v + 0 ⋅ v + (−(0 ⋅ v )) = 0 ⋅ v + (−(0 ⋅ v )) , onde −(0 ⋅ v ) é o inverso (oposto) de 0 ⋅ v
relativamente à operação de adição de vectores. Visto que 0 ⋅ v + (−(0 ⋅ v )) = 0 (senão não
seriam inversos um do outro), obtém-se 0 ⋅ v + 0 = 0 , de onde se conclui finalmente que
0⋅v = 0.

Teorema
Em qualquer espaço vectorial, o inverso aditivo do elemento neutro multiplicativo do corpo
sobre o qual está definido o espaço vectorial, quando multiplicado por qualquer vector v do
espaço, resulta no inverso do vector v relativamente à operação de adição de vectores:
(−1) ⋅ v = −v ∀ v ∈V .

Demonstração
v + (−1) ⋅ v = 1 ⋅ v + (−1) ⋅ v = (1 + (−1)) ⋅ v = 0 ⋅ v = 0 . Como num grupo o inverso é
único e v + (−v ) = 0 , então (−1) ⋅ v = −v .
Espaços Vectoriais Subespaços Vectoriais 5/22

Definição de Subespaço Vectorial

Definição
Seja V um espaço vectorial e seja V ′ um subconjunto de V tal que V ′ seja também um
espaço vectorial relativamente às operações de adição de vectores e multiplicação por um
escalar que definem V como espaço vectorial. Então diz-se que V ′ é um subespaço vectorial
de V .

Teorema
Seja V um espaço vectorial e seja V ′ um subconjunto de V . Relativamente às operações de
adição de vectores e multiplicação por um escalar que definem V como espaço vectorial, V ′
é um supespaço vectorial de V se e só se:
• V ′ é não vazio;
• V ′ é fechado relativamente à operação de adição de vectores:
∀ u,v ∈V ′ u + v ∈ V ′ .

• V ′ é fechado relativamente à operação de multiplicação por um escalar:

∀ α ∈C ∀ v ∈V ′ α ⋅ v ∈ V ′ .

Demonstração
Visto que um subespaço é, ele próprio, um espaço vectorial e que as três condições pertencem
à axiomática dos espaços vectoriais, terão necessariamente que ser cumpridas. Resta apenas
verificar a suficiência das mesmas para que V ′ seja um espaço vectorial. Assim, verifica-se
de seguida que estas condições implicam os restantes axiomas dos espaços vectoriais:
• A comutatividade e a associatividade da soma de vectores são propriedades da
operação que, verificando-se no conjunto V , automaticamente se verificam em
qualquer subconjunto de V , como seja V ′ ;
• Sendo o conjunto V ′ não vazio, ∃v ∈V ′ . Sendo fechado relativamente à operação de
multiplicação por um escalar, o elemento neutro da adição de vectores pertence a V ′ ,
pois 0 ⋅ v = 0 ∈ V ′ porque α ⋅ v ∈ V ′ ∀ α∈C .

• O inverso de qualquer vector de V ′ também pertence a V ′ porque, como referido

num teorema anterior, (−1) ⋅ v = −v e (−1) ⋅ v ∈ V ′ se v ∈ V ′ .
• As propriedades da operação de multiplicação de um escalar por um vector,
verificando-se para o conjunto V , também se verificam para um subconjunto de V ,
como seja V ′ .
• Verificando-se que ∀ v ∈V 1 ⋅ v = v , também é verdade que ∀ v ∈V ′ 1 ⋅ v = v , visto que
V ′ ∈V .
Espaços Vectoriais Subespaços Vectoriais 6/22

Exemplo de um subespaço vectorial

3
Dado o espaço vectorial de vectores na forma:
x 
 
v =  y  ,
z 
 
as soluções da equação:
x +y +z = 0
geram um subespaço V ′ de 3
:
• V ′ ≠ ∅ , pois 0 ∈ V ′ ( 0 + 0 + 0 = 0 );
• ∀ v ,v v
′ 1
+ v2 ∈ V ′ :
1 2 ∈V

x  x  x + x 
 1  2  1 2
v1 =  y1  v2 =  y2  v1 + v2 =  y1 + y2 

z  z  z + z 
 1   2   1 2 

(x1 + x 2 ) + (y1 + y2 ) + (z1 + z 2 ) = (x1 + y1 + z1 ) + (x 2 + y2 + z 2 ) = 0 + 0 = 0 .

Logo v1 + v2 ∈ V ′ se v1 ∈ V ′ e v2 ∈ V ′ ;

• ∀ α ∈ ∀ v ∈V ′ α ⋅ v ∈ V ′ :

x   αx 
   
v =  y  α ⋅ v =  αy 
z   αz 
   
αx + αy + αz = α(x + y + z ) = α 0 = 0 .
Logo v ∈ V ′ ⇒ α ⋅ v ∈ V ′ .

x
V′
Espaços Vectoriais Dependência e Independência Linear 7/22

Dependência e Independência Linear

Definição
Sendo V um espaço vectorial e S = { v1, v2, …, vn } um conjunto de vectores de V , uma
combinação linear dos vectores de S é qualquer vector representável na forma
u = α1v1 + α2v2 + + αn vn onde α1, α2 , …, αn são quaisquer escalares do corpo sobre o
qual está definido V . Pela axiomática dos espaços vectoriais, u ∈ V .

Definição
Um vector u de um espaço vectorial V diz-se linearmente dependente do conjunto de n
vectores também de V , S = { v1, v2, …, vn } , se e só se existirem n escalares α1, α2 , …, αn
tais que u = α1v1 + α2v2 + + αn vn . Se não existirem escalares que satisfaçam esta
igualdade, então diz-se que u é linearmente independente de S .
Uma forma alternativa de definir independência linear é:

Definição
Um conjunto S = { v1, v2, …, vn } de um espaço vectorial V diz-se linearmente independente
(ou que os seus vectores são linearmente independentes) se e só se a igualdade
α1v1 + α2v2 + + αn vn = 0 implicar necessariamente que α1 = α2 = = αn = 0 .

Teorema
Seja S = { v1, v2, …, vn } um conjunto de vectores do espaço vectorial V . O conjunto de
vectores da forma:

{
U = u : u = α1v1 + α2v2 + + αn vn , ∀ α ,α ,…,αn ∈C
1 1
}
é um subespaço vectorial de V .

Demonstração
De acordo com um teorema anterior, basta provar que U é não vazio e que é fechado
relativamente às operações de adição de vectores e multiplicação por um escalar:
• U é não vazio, porque, por exemplo, v1 ∈ U (este vector é obtido seleccionando
α1 = 1 e α2 = = αn = 0 ).

• Sejam u, w ∈ U quaisquer. Então:

∃α ,α ,…,αn ∈C : u = α1v1 + α2v2 + + αn vn
1 2

e ∃β , β ,…,βn ∈C : w = β1v1 + β2v2 + + βn vn

1 2

u + w = ( α1v1 + α2v2 + + αn vn ) + ( β1v1 + β2v2 + + βn vn ) =

= ( α1 + β1 ) v1 + ( α2 + β2 ) v2 + + ( αn + βn ) vn .
Espaços Vectoriais Dependência e Independência Linear 8/22

Conclui-se que u + w ∈ U porque α1 + β1, α2 + β2 , …, αn + βn ∈ C .

• Sejam u ∈ U e β ∈ C quaisquer. Então:

∃α ,α ,…,αn ∈C : u = α1v1 + α2v2 + + αn vn e
1 2

βu = β ( α1v1 + α2v2 + + αn vn ) =
= ( βα1 ) v1 + ( βα2 ) v2 + + ( βαn ) vn .

Conclui-se que βu ∈ U porque βα1, βα2 , …, βαn ∈ C .

Definição
Ao conjunto de vectores na forma U = { u : u = α1v1 + α2v2 + + αn vn } de um espaço
vectorial ao qual pertencem os vectores do conjunto S = { v1, v2, …, vn } chama-se espaço
(subespaço) gerado pelo conjunto S (ou pelos vectores v1, v2 , …, vn ). Diz-se ainda que S é
um conjunto gerador do espaço U .
Espaços Vectoriais Bases de Espaços Vectoriais 9/22

Bases, Dimensões e Coordenadas

Teorema
Sejam v1, v2 ,..., vn vectores que geram V . Se vi for linearmente dependente dos restantes,
então v1,..., vi −1, vi +1,..., vn também gera V .

Demonstração
Seja v ∈ V .
n
Então ∃α ,α ,...,αn ∈ : v =
1 2
∑ αj v j (∗)
j =1
No entanto vi é dependente dos restantes. Então:
n
∃β ,...., β
1 i −1 , βi +1 ,..., βn ∈
: vi = ∑ βjv j
j =1
j ≠i

Substituindo vi em (∗) obtém-se:

n n
v= ∑ αj v j + αi ∑ βj v j
j =1 j =1
j ≠i j ≠i
n
= ∑ (αj + αi βj ) v j
j =1
j ≠i

Logo v é combinação linear de v1,..., vi −1, vi +1,..., vn . Sendo v ∈ V qualquer, então

v1,..., vi −1, vi +1,..., vn gera V .

Definição
Base de um espaço vectorial é qualquer conjunto de vectores linearmente independentes que
gera o espaço vectorial.

Exemplo:
1  1  0 z
     
      v3
Base de 3 : v1 =  1  v2 =  0  v3 =  1  1
     
 0   0   1 
     
1
1 1  v2
y
Base de 2
: v1 =   v2 =   1
 1   0  x v1
Espaços Vectoriais Bases de Espaços Vectoriais 10/22

Teorema
A representação de qualquer vector de V numa sua base é única.
n n
Seja v = ∑ αj v j ev= ∑ βjv j
j =1 j =1

então α j = β j ∀ j ∈{1,....,n }

Demonstração
v − v = v + (−v ) = v + (−1)v = 0
n n

∑ αj v j + (−1)∑ β j v j =0
j =1 j =1
n n

∑ αj v j + ∑ ( −βj )v j = 0
j =1 j =1
n

∑ ( αj − β j )v j =0
j =1

Como v1,..., vn é uma base, então são linearmente independentes. Então verifica-se que
αj − β j = 0 ∀ j ∈{1,...,n }
Logo αj = β j ∀ j ∈{1,...,n }

Teorema
Seja {v1, v2 ,..., vn } uma base de V . Sejam u1, u2 ,..., um vectores de V linearmente
independentes. Então m ≤ n .

Demonstração
Suponhamos que m > n .
Sendo {v1, v2 , …, vnn} uma base de V e porque u1 ∈ V , u1 é uma combinação linear de
v1, v2 ,..., vn : u1 = ∑ α j v j .
j =1
Como u1 ≠ 0 (senão o conjunto u1, u2 ,..., um seria linearmente dependente), então α j ≠ 0
para algum j ∈ {1,..., n } .
Suponhamos αi ≠ 0 .
n
1  αj 
Então pode-se dizer que vi = u1 + ∑  − v .
αi 
j =1  αi  j
j ≠i

O conjunto {u1, v1,..., vi −1, vi +1,..., vn } gera V , porque tem v j , j ≠i e também gera vi .
u1 é linearmente independente de v j , j ≠i , senão vi seria linearmente dependente de v j , j ≠i
Logo {u1, v1,..., vi −1, vi +1,..., vn } é uma base de V .
Espaços Vectoriais Bases de Espaços Vectoriais 11/22

O procedimento pode ser repetido com u2 , e assim sucessivamente. Em cada iteração

acrescenta-se um dos vectores ui e retira-se um dos vectores vi . Os vectores que saem da
base podem não ser os u1, u2 ,... e sim os vi , porque os ui são linearmente independentes dos
que entram. Por outras palavras, a representação de ui como combinação dos vectores
u1, …, ui −1 e dos vi ainda no conjunto tem garantidamente um dos coeficientes de um dos
vectores vi não nulo.
Consegue-se por este processo construir uma base constituída por {u1, u2,..., un } , o que é o
mesmo que dizer que os n primeiros vectores do conjunto u1, u2 ,..., um constituem uma base
de V .
Ainda sobram m − n vectores u .
Como os n primeiros são uma base, então os que sobram são dependentes dos primeiros.
Logo, se u1, u2 ,..., um são linearmente independentes, não é possível que m > n ,
verificando-se antes que m ≤ n .

Corolário
Duas bases de V têm o mesmo número de elementos.

Demonstração
Se são bases, são conjuntos linearmente independentes. Pelo teorema anterior, se o conjunto
com menor número de elementos é uma base, o de maior não poderá ser linearmente
independente, não podendo então ser uma base. Assim, ou o primeiro não é base, ou o
segundo não é base.

Definição
Ao número de elementos de qualquer base de um espaço vectorial chama-se dimensão do
espaço vectorial.

Definição
n
Seja v = ∑ αivi a única representação de v ∈ V na base v1,..., vn de V, de dimensão n .
i =1
Aos coeficientes α1, α2,..., αn chamam-se coordenadas de v nessa base.

Exemplo
3
Provar que as soluções da equação x + y + z = 0 formam um subespaço de . Dar
exemplos de soluções. Construir uma base para as soluções.
Espaços Vectoriais Norma e Produto Interno 12/22

Norma e Produto Interno

Definição
A norma de vectores num espaço vectorial V é uma função que associa a cada vector
v ∈ V um número real não negativo. É representada por v (ou ainda v ) e satisfaz os
V
seguintes axiomas:
• v >0∀ e 0 = 0;
v ≠0
• α⋅v = α v ∀ α∈ / ,v ∈V
;
• v1 + v2 ≤ v1 + v2 ∀ v ,v (desigualdade triangular).
1 2 ∈V

Normais usuais
As três normas mais usuais em n
e n
:  x1 
 
 x2 
• Norma 1: v = x1 + x 2 + ... + x n onde v =  ... 
1  
2 ½  
= ( x1 + x 2 + ... + x n )
2 2
• Norma 2 ou euclidiana: v  x n 
2
• Norma ∞ : v = max { x1 , x 2 ,..., x n }
∞

Generalização: norma p ∈ [ 1, ∞ [ 1
 n  /p
=  ∑ x i
p
v 
p  i =1 

Exemplo
 2   1+i 
   
  3   3
v1 =  −3  ∈ v2 =  −i  ∈
   
 1   1 − 2i 
 

v1 =6
1 v2 1
= 2 +1+ 5
v1 = 14
2 v2 2
=2 2
v1 =3
∞ v2 ∞
= 5

Verifica-se que lim v = v

p →+∞ p ∞

1 1
/p /p
v
∞
(
= max { xi
i
p
}) ≤ v
p
(
≤ n ⋅ max { xi
i
p
}) =n
1
/p
⋅ v → 1× v
∞ p→∞ ∞
= v
∞
Espaços Vectoriais Norma e Produto Interno 13/22

Definição
Seja ⋅ uma norma em V . Uma sucessão de vectores {vi } em V diz-se convergir para
v ∈ V se e só se a sucessão de números reais vi − v converge para 0 .

Teorema da equivalência de normas

Se uma sucessão converge para v numa determinada norma de um espaço vectorial, converge
para todas as normas desse espaço vectorial (e sempre para o mesmo valor v ).

Definição de produto interno

Seja V um espaço vectorial real. Um produto interno em V é uma função que associa a cada
par ordenado de vectores de V um número real, representa-se por u, v e satisfaz os
seguintes axiomas:
• u, v = v, u ∀ u,v ∈V
• αu + βv, w = α u, w + β v, w e
w, αu + βv = α w, u + β w, v ∀ u,v,w ∈V , α,β ∈
• u, u > 0 ∀ e u, u = 0 se e só se u = 0 .
u ≠0
Seja V um espaço vectorial complexo. Um produto interno em V é uma função que associa a
cada par ordenado de vectores u, v ∈ V um número complexo, representado por u, v , e
satisfaz:
• u, v = v, u
• αu + βv, w = α u, w + β v, w e
w, αu + βv = α w, u + β w, v ∀ u,v,w ∈V , α,β ∈
• u, u ∈ e u, u > 0 ∀ e u, u = 0 se e só se u = 0 .
u ≠0

Exemplos
1) Produto interno usual em n :
 x1   y1 
   
 x2   y2 
u =  ...  v =  ...  u, v = x1y1 + x 2y2 + ... + x n yn
   
   
 x n   yn 
2   0 
   
   
u = 1  v =  −2  u, v = 2 × 0 + 1 × (−2) + 3 × 1 = 1
   
 3   1 
   
2) Produto interno entre polinómios:
Considerando o espaço de polinómios p(x ) de grau inferior ou igual a 2 no intervalo [ 0,1 ] ,
um produto interno pode ser definido por:
Espaços Vectoriais Norma e Produto Interno 14/22

1
p1(x ), p2 (x ) = ∫0 p1(x )p2 (x )dx
Teorema
Para qualquer produto interno u, v em V (real ou complexo) verifica-se que
u, v ≤ u, u ½ v, v ½ ∀ u,v ∈V

Demonstração
Se u, v = 0 , então a desigualdade é trivialmente satisfeita, porque u, u ≥ 0 e v, v ≥ 0
Se u, v ≠ 0 :
0 ≤ u + αv, u + αv = u + αv, u + α u + αv, v
= u, u + α v, u + α u, v + αα v, v ∀ α∈ ( )

u, u
Escolhendo α = − (note-se que u, v ≠ 0 ):
u, v
u, u u, u u, u 2
0 ≤ u, u − v, u − u, v + v, v
v, u u, v u, v u, v
2
u, u
0 ≤ − u, u + 2 v, v
u, v
u, u v, v
0 ≤ −1 +
u, v 2
1 1
/2 /2
Logo u, v ≤ u, u v, v c.q.d.

Notas:
u, u u, u
• α=− =−
u, v v, u

• u, u é real
2
• u, v u, v = u, v

Teorema
Seja ⋅, ⋅ um produto interno definido em V . A função que a cada vector v ∈ V associa um
valor real não negativo através de v = v, v ½ é uma norma em V . Designa-se por norma
induzida pelo produto interno.

Demonstração
1
• v = v, v ½ > 0 se v ≠ 0 e v = v, v /2
= 0 se v = 0 (trivialmente satisfeito
pela axiomática do produto interno)
½
• αv = αv, αv = ( α v, αv )½ = ( αα v, v )½
Espaços Vectoriais Norma e Produto Interno 15/22
1

( )
2 /2
= α v, v = α v, v = α ⋅ v
½
• v1 + v2 = v1 + v2, v1 + v2
½
= ( v1, v1 + v2 , v1 + v1, v2 + v2 , v2 ) ≤
½
≤ ( v1, v1 + v2, v1 + v1, v2 + v2 , v2 ) ≤
½
≤ ( v1, v1 + v2, v2 )
½ ½ ½ ½
v1, v1 + v1, v1 v 2 , v2 + v2 , v 2 =
½
= ( v1, v1 + 2 v1, v1 )
½ ½
v2 , v2 + v2 , v 2 =
½
=  ( v1, v1
½ 2

½
+ v2 , v2 ) 

=
½ ½
= v1, v1 + v2 , v 2

= v1 + v2

Logo v1 + v2 ≤ v1 + v2 c.q.d.

n n
O produto interno usual em induz a norma euclidiana em .
 x1 
 
 x2 
u =  ... 
 
 
 x n 
½
 n 2

u, u =  ∑ x i
½
 = u
 i =1  2

Exemplo de outro produto interno, não usual:

 x1   y1 
u = x  v = y 
 2   2 

u, v = 3x1y1 + 2x 2y2
Norma induzida por este produto:
½
u = u, u ½
= ( 3x12 + 2x 22 )
Espaços Vectoriais Norma e Produto Interno 16/22

n
Ângulo entre vectores em relativamente ao produto interno usual

2 2 2
u −v = u + v −2 u v cos(θ)
2 2 2 2 2

θ
u

Substituindo pela norma induizda pelo produto interno obtém-se:

½ ½
u − v, u − v = u, u + v, v − 2 u, u v, v cos(θ)
1 1
/2 /2
u, u − v, u − u, v + v, v = u, u + v, v − 2 u, u v, v cos(θ)
1
( u, v + v, u ) = u v cos(θ)
2 2 2
u, v u, v
cos(θ) = =
u v u, u ½ v, v ½
2 2
Espaços Vectoriais Ortogonalidade e Projecções 17/22

Ortogonalidade e Projecções

Definição: ortogonalidade
• Dois vectores dizem-se ortogonais num espaço vectorial com norma definida por um
produto interno se e só se u, v = 0 .
• Um conjunto de vectores no mesmo espaço diz-se ortogonal se e só se quaisquer dois
vectores distintos do conjunto forem ortogonais entre si.

Definição: versor
• O vector v ∈ V , onde V é um espaço vectorial normado, obtido a partir de outro vector
u
u ∈ V tal que u ≠ 0 através de v = tem norma 1 e designa-se por “versor” da
direcção e sentido definidos por u . u

Definição: conjunto ortonormado

• Um conjunto de vectores ortogonais num espaço vectorial com produto interno definido e
norma induzida pelo produto interno em que todos têm norma unitária (são versores) diz-
-se um conjunto ortonormado.

Teorema
Um conjunto de vectores não nulos e ortogonal é necessariamente linearmente independente.

Demonstração
Suponhamos que {v1,..., vn } é ortogonal, mas que vi é combinação linear dos restantes:
n
∃αj : vi = ∑ αj v j
j =1
j ≠i

Como vi ≠ 0 , então pelo menos um dos αj é necessariamente não nulo.

Suponhamos αk ≠ 0 , k ∈ {1,..., i − 1, i + 1,..., n }
n n n
Então vi , vk = ∑ αj v j , vk = ∑ αj v j , vk = ∑ αj v j , vk + αk vk , vk
j =1 j =1 j =1
j ≠i j ≠i j ≠ i ,k

Como os vectores são ortogonais, v j , vk = 0 se j ≠ k

No entanto, como vk ≠ 0 , vk , vk > 0
Então vi , vk = αk vk , vk ≠ 0 , o que contraria a hipótese de vi e vk serem ortogonais.
Logo {v1,..., vn } tem que ser um conjunto linearmente independente.
Espaços Vectoriais Ortogonalidade e Projecções 18/22

Corolário
Um conjunto de vectores {v1,..., vn } não nulos e ortogonais num espaço vectorial com
produto interno definido é uma base do subespaço vectorial gerado por eles.

Teorema
Seja B = {v1, v2,..., vn } uma base ortogonal de um espaço vectorial V com produto interno
e seja u ∈ V qualquer. As coordenadas de u nessa base são dadas pelo produto interno de
cada elemento da base com u , dividido pelo produto interno do elemento da base por ele
próprio:
n
v ,u
u = ∑ αi vi , onde αi = i
i =1 vi , vi

Demonstração
N n
vi , u = vi , ∑ α j v j = ∑ αj vi , v j =
j =1 j =1
n
= ∑ αj vi , v j + αi vi , vi = αi vi , vi
j =1
j ≠i

vi , u
Logo αi =
vi , vi

Corolário
Seja B = { v1,..., vn } uma base ortonormada de um espaço V normado e cuja norma é
induzida por um produto interno. Seja u ∈ V qualquer. Então as coordenadas de u nessa
base são dadas pelo produto interno de cada elemento da base com u :
n
u= ∑αv
i =1
i i
, onde αi = vi , u

Demonstração
Decorre imediatamente do teorema anterior, notando-se que vi , vi = 1 .

Definição: Projecção em subespaço definido por base ortogonal

Seja V um espaço vectorial com produto interno. Seja V ' um subespaço gerado pelo
conjunto ortogonal B = { v1,..., vn } . À função que a cada vector u ∈ V associa um vector de
V ' através de:
m
vi , u
u ' = PV ' (u ) = ∑αv
i =1
i i
onde αi =
vi , vi
chama-se projecção sobre o subespaço V ' : u ' = PV ' (u ) .
Espaços Vectoriais Ortogonalidade e Projecções 19/22

v1

u′
v2 V’

Propriedades
• Se u ∈ V ' então PV ' ( u ) = u
Demonstração: Verifique-se que, se u ∈ V ' , então u é combinação linear dos vectores
v ,u
de B , sendo as coordenadas definidas da mesma forma: αi = i
vi , vi
• u − PV ' ( u ) é ortogonal a qualquer vector de V ' .
Demonstração:
u − PV ' ( u ) é ortogonal a cada um dos vectores de B:

vi , u − PV ' ( u ) = vi , u − vi , PV ' ( u ) =
m
= vi , u − ∑ αj vi , v j
j =1

= vi , u − αi vi , vi
vi , u
= vi , u − vi , vi = vi , u − vi , u = 0
vi , vi
Uma vez que qualquer vector v ' ∈ V ' é combinação linear dos vectores de B:
m
v' = ∑β v
j =1
j j
, obtém-se:

m
v ', u − PV ' ( u ) = ∑β
j =1
j
v j , u − PV ' ( u ) = 0

Logo, diz-se que u − PV ' ( u ) é ortogonal ao subespaço V ' .

• A função PV ' ( u ) é linear:

ƒ PV ' ( u1 + u2 ) = PV ' ( u1 ) + PV ' ( u2 )

ƒ PV ' ( αu ) = αPV ' ( u )
Demonstração:
Espaços Vectoriais Ortogonalidade e Projecções 20/22

vi , u
Notando que a expressão αi = é linear relativamente ao produto interno
vi , vi
vi , u e que o produto interno é linear relativamente a u , então PV ' ( u ) também é
linear relativamente a u .

Teorema
Sendo V um espaço normado com norma definida pelo produto interno e V ' o subespaço
gerado pelo conjunto ortogonal B = { v1,..., vm } , então para qualquer u ∈ V , a projecção
PV ' ( u ) resulta no vector de V ' que é mais próximo de u no sentido em que:

∀ v '∈V ' u − v ' ≥ u − PV ' ( u )

Demonstração
2
u −v' = u − v ', u − v '
= u − PV ' ( u ) + PV ' ( u ) − v ', u − PV ' ( u ) + PV ' ( u ) − v '
= ( u − PV ' ( u ) ) + ( PV ' ( u ) − v ' ), ( u − PV ' ( u ) ) + ( PV ' ( u ) − v ' )
= u − PV ' ( u ), u − PV ' ( u ) + u − PV ' ( u ), PV ' ( u ) − v ' +
+ PV ' ( u ) − v ', u − PV ' ( u ) + PV ' ( u ) − v ', PV ' ( u ) − v '
= u − PV ' ( u ), u − PV ' ( u ) + PV ' ( u ) − v ', PV ' ( u ) − v '
Esta última igualdade decorre do facto de PV ' ( u ) − v ' ∈ V ′ , o que, pela segunda propriedade
apresentada, implica que u − PV ' ( u ), PV ' ( u ) − v ' = PV ' ( u ) − v ', u − PV ' ( u ) = 0 .
Sendo também um facto que PV ' ( u ) − v ', PV ' ( u ) − v ' ≥ 0 ∀ v ′ ∈V ′ , obtém-se finalmente:
2 2
u −v' ≥ u − PV ' ( u ), u − PV ' ( u ) = u − PV ' (u )

u − v ' ≥ u − PV ' ( u ) c.q.d.

Teorema de Gram-Schmidt
“Obtenção de uma base ortogonal (ortonormada)”.
Seja V um espaço vectorial com produto interno (e norma por ele induzida) gerado pelo
conjunto de vectores A = {v1,..., vn } .
Pode-se construir uma base ortogonal (ortonormada) de V pelo procedimento seguinte:
• Escolha-se o primeiro vector de A , v1 , e coloque-se na base B1 = {v1 } . (Para uma base
 1 
ortonormada usa-se B1 =  v1  ).
 v1 
• Para cada um dos restantes vectores vi , i = 2,..., n , calcula-se ui = vi − PVi ( vi ) onde
Vi é o subespaço gerado pela base até então construída, Bi .
Espaços Vectoriais Ortogonalidade e Projecções 21/22

Se ui for nulo, então vi é dependente dos vectores anteriores e é descartado.

Se ui é não nulo, acrescenta-se ui a base pretendida:

Bi = Bi −1 ∪ { ui }
ui
(Para uma base ortonormada, acrescenta-se :
ui

 u 
Bi = Bi −1 ∪  i  )
 ui 

Exemplo / Exercício  1   −2  1

     
     
Construir uma base ortogonal para o (sub)espaço gerado por v1 =  0  , v2 =  0  , v 3 =  1 
     
 1   −1 
  2 
  0 
       
 
• u1 = v1 =  0 
 
 −1 
 
  1  
   
 
• B1 =    0   , que gera V1
   
  −1  
   
   1   −2   1  0
 −2         
u1, v2   − 4        
• v2 − PV ( v2 ) = v2 − u1 =  0  − 0
  = 0
  + 2  0 = 0
1 u1, u1   2        
 2   −1   2   −1  0
 
Logo, v2 é descartado.
  1  
   
• B2 = {u1 } =    0   , que gera V2 ( = V1 )
   
  −1  
   
1  1   
    ½
u ,v   1   
• u 3 = v 3 − PV ( v3 ) = − 1 3 u1 =  1  −  0  =  1  ≠ 0
2 u1, u1   2   
 0   −1  ½
     
  1   ½  
     
   
• B3 = {u1, u 3 } =    0  ,  1  
     
  −1   ½  
     
  1   ½  
     
• Esgotados todos os vectores, obtém-se B = B3 =    0  ,  1   .
     
  −1   ½  
     
Verifica-se que são ortogonais:
Espaços Vectoriais Ortogonalidade e Projecções 22/22

 1  ½
   
    1 1
 0 ,  1  = − =0
    2 2
 −1   ½ 
   
Obtenção de uma base ortonormada:
  1   ½  
    
 u1 u 3   1   1   
B = , = 0 ,  1 
 u1 u 3   2   ½ 6   
  −1  ½
     
  2   6   
  2   4  

=   0  ,  6 2   .

 

   
  − 2   6  

  2   4  