Ortogonalidade

Lembrem que produto escalar está relacionado com o ângulo entre dois vetores pela fórmula

~x · ~y
cos(θ) = .
||~x|| ||~y ||
Quando este ângulo θ é igual a π/2 (que é equivalente a 90o ), vale que cos(θ) = 0 e logo ~x ·~y = 0.
Dizemos que os dois vetores ~x e ~y são ortogonais quando satisfazem

~x · ~y = 0.

Projeção ortogonal de vetores: Dados dois vetores não nulos, ~v1 e ~v2 , queremos determinar
um vetor p~ que é projeção do vetor ~v2 sobre ~v1 . Note que p~ será um multiplo do vetor ~v1 , ou
seja, p~ = k~v1 e é denotada por proj~v1 ~v2 .

~v2

~v1

proj~v1 ~v2

A projeção ortogonal do vetor ~v2 sobre ~v1 é dada por

~v1 · ~v2
proj~v1 ~v2 = ~v1 .
~v1 · ~v1
Conjunto ortogonal de vetores

Um conjunto de vetores {~v1 , ~v2 , · · · , ~vn } é um conjunto ortogonal se todo par de ve-
tores do conjunto for ortogonal. Em outras palavras, um conjunto {~v1 , ~v2 , . . . , ~vk } é um
conjunto ortogonal se, para qualquer escolha de índices i 6= j, tivermos ~vi · ~vj = 0.

    
1 3 1
Exemplo: No R3 , o conjuntos dos vetores ~v1 =  2 , ~v2 =  0  e ~v3 =  −5  é
−3 1 −3
ortogonal em relação ao produto escalar, pois

• ~v1 · ~v2 = 0;

• ~v1 · ~v3 = 0;

• ~v2 · ~v3 = 0.
 Teorema: Um conjunto ortogonal de vetores não-nulos {~v1 , ~v2 , · · · , ~vn } é linearmente
independente (LI).

Prova: Lembre que para ser LI temos que

a1~v1 + a2~v2 + · · · + an~vn = ~0,

admite apenas a solução trivial a1 = a2 = · · · = an = 0. Para mostrar que isso acontece com
um conjunto ortogonal fazemos um produto interno em ambos os lados da equação a cima com
~vi para 1 ≤ i ≤ n, assim

(a1~v1 + a2~v2 + · · · + an~vn ) · ~vi = ~0 · ~vi ,

onde obtermos
a1 (~v1 · ~vi ) + a2 (~v2 · ~vi ) + · · · + an (~vn · ~vi ) = 0.
Como o conjunto é ortogonal obtemos

ai (~vi · ~vi ) = 0

onde ~vi · ~vi 6= 0, ou seja ai = 0 para 1 ≤ i ≤ n. Logo, o conjunto é LI.

Base ortogonal
Teorema: Seja um espaço vetorial V de dimensão n e um conjunto ortogonal de vetores
~v1 , ~v2 , · · · , ~vn ∈ V então esse conjunto é uma base ortogonal para V .

Exemplo: O conjunto apresentado no exemplo anterior

     
 1 3 1 
 2  ,  0  ,  −5 
−3 1 −3
 

é uma base ortogonal para R3 , pois são 3 vetores LI.

Bases ortogonais são especiais e boas de trabalhar. Com elas se torna fácil encontrar os coe-
ficientes que acompanham os vetores de uma base para a geração de um determinado vetor.
Vejamos o teorema.

Teorema: Seja B = {~v1 , ~v2 , · · · , ~vn } uma base ortogonal de Rn . Então qualquer vetor
~v ∈ Rn pode ser representado como

~v · ~v1 ~v · ~v2 ~v · ~vn

~v = ~v1 + ~v2 + · · · + ~vn .
~v1 · ~v1 ~v2 · ~v2 ~vn · ~vn
Podemos escrever, de outra maneira, que

~v = proj~v1 ~v + proj~v2 ~v + · · · + proj~vn ~v .

 Lembre que anteriormente, para encontrar os coeficientes de um vetor em uma base B,
tínhamos que encontrar c1 , c2 , · · · , cn resolvendo o sistema linear cuja forma vetorial é
c1~v1 + c2~v2 + · · · + cn~vn = ~v .
e forma matricial

~v = PB · [~v ]B .
onde [~v ]B = [c1 , c2 , · · · , cn ]T .
O teorema acima afirma, em outras palavras, quando a base é ortogonal, os coeficientes do
vetor ~v na base B são os números
~v · ~vj
cj = .
~vj · ~vj
   
4 −1
Exemplo 1: Seja B = {~v1 , ~v2 } uma base ortogonal para R , onde ~v1 =
2
e ~v2 = .
  2 2
2
Escrever o vetor ~x = nessa base.
−7
 
c1
Resposta: Note que o exercício que saber [~x]B = , onde os valores dos coeficientes c1 e c2
c2
são tais que

~x = c1~v1 + c2~v2 .
Ou podemos resolver a partir de um sistema linear ou podemos calcular as projeções nos
elementos da base por ela ser ortogonal. Faremos por essa segunda forma
~x · ~v1 ~x · ~v2
~x = ~v1 + ~v2 ⇒
~v1 · ~v1 ~v2 · ~v2

Note que mesmo o exemplo acima ser 2 × 2 ainda assim é menos trabalhoso do que resolver um
sistemas lineares. Para sistemas maiores essa vantagem será ainda maior.
     
 3 −1 −1/2 
Exemplo 2: Seja B =  1  ,  2  ,  −2  uma base ortogonal para R3 . Expresse
1 1 7/2
 
o vetor ~x = [6, 1, −8]T na base B.
Resposta:

Base ortonormal
As bases ortogonais que tem por elementos vetores unitários (comprimento igual a 1) são
conhecidas como bases ortonormais. Mais explicitamente, uma base ortonormal é uma base
{~v1 , ~v2 , · · · , ~vn } de um espaço vetorial que satisfaz
 • ~vi · ~vj = 0 para i 6= j;

• ~vi · ~vj = ||~vi ||2 = 1 para i = j.

Assim, se {~v1 , ~v2 , · · · , ~vn } é uma base ortonormal do Rn , a representação de vetores que tínha-
mos para as bases ortogonais podem ser simplificadas para




~v = ~v · ~v1 ~v1 + ~v · ~v2 ~v2 + · · · + ~v · ~vn ~vn .

 √ √ T  √ √ T
Exemplo 1: Seja os vetores ~v1 = [1, 0, 0]T , ~v2 = 0, 2/2, 2/2 e ~v3 = 0, 2/2, − 2/2
uma base ortonormal do R3 . Qual é a representação do vetor ~x = [2, −1, 1]T do R3 na base
dada?
Resposta:


~x = ~v · ~v1 ~v1 + ~v · ~v2 ~v2 =

Processo de normalização de vetores

O processo de normalização de um vetor é tornar ele unitário, ou seja, de comprimento igual
a 1. Um vetor unitário também é chamado de versor. O processo é bastante simples, basta
dividir o vetor por seu comprimento original

~v
~u = .
||~v ||
 
3
Exemplo: Torne o vetor ~v = em um vetor unitário.
4
Resposta:
     
~v 1 3 1 3 3/5
~u = =√ = = .
||~v || 3 + 42
2 4 5 4 4/5

Processo de ortogonalização de Gram-Schmidt

O Processo de Gram-Schmidt é um algoritmo para obter uma base ortogonal (ou orto-
normal) a partir de uma base qualquer. De maneira mais geral, o método permite transformar
um conjunto de vetores linearmente independentes em um conjunto ortogonal que gera o mesmo
espaço vetorial.
Mostraremos
  esse
 algoritmo
 a partir
  de um exemplo. Seja {~v1 , ~v2 , ~v3 } uma base do R , onde
3

1 1 0
~v1 = 0 , ~v2 = 1 e ~v3 = 1 .
    
1 0 1
 O primeiro passo do algoritmo é tomar qualquer um dos vetores dessa base, sendo esse o
primeiro dos vetores da nova base que será ortogonal. Tomemos ~v1 .
 
1
~u1 = ~v1 =  0 
1

Em seguida, tomemos um segundo vetor v2 e fazemos a projeção de ~v2 sobre ~v1 . Ao subtrair
esse projeção do vetor v2 , obtemos um novo vetor que é é ortogonal a ~v1 , como ilustra a figura.

~v2 ~v1

~v2 − proj~v1 ~v2

proj~v1 ~v2

Assim sendo, definimos o segundo vetor do nosso conjunto que será ortogonal como o vetor
     
1 1 1/2
~v2 · ~u1 1
~u2 = ~v2 − proj~u1 ~v2 = ~v2 − ~u1 =  1  −  0  =  1 .
~u1 · ~u1 2
0 1 −1/2

Temos que ~u1 e ~u2 são ortogonais e que estão no mesmo plano, de modo que também temos

Span{~u1 , ~u2 } = Span{~v1 , ~v2 }.

Vamos escrever momentariamente W = Span{~u1 , ~u2 }.

No próximo passo do processo, o terceiro vetor pode ser obtido como

~u3 = ~v3 − projW ~v3 ,

pois, desta forma, ~u3 é ortogonal a todos os vetores de W ; em particular, é ortogonal a ambos
~u1 e ~u2 . Além disso, como ~u1 e ~u2 já são vetores ortogonais

~u3 = ~v3 − projW ~v3 = ~v3 − proj~u1 ~v3 − proj~u2 ~v3

Calculando, temos
             
0 1 1/2 0 1/2 1/6 −2/3
1 1
~u3 =  1  −  0  −  1  =  1  −  0  −  1/3  =  2/3  .
2 3
1 1 −1/2 1 1/2 −1/6 2/3

Concluimos assim que o conjunto

     
 1 1/2 −2/3 
{~u1 , ~u2 , ~u3 } =  0  ,  1  ,  2/3 
1 −1/2 2/3
 
é ortogonal e gera o mesmo espaço que {~v1 , ~v2 , ~v3 }. Na realidade, se tivéssemos considerado
múltiplos dos vetores acima, não perderíamos a propriedade de ortogonalidade, e temos
     
 1 1 −1 
{~u1 , ~u2 , ~u3 } =  0  ,  2  ,  1 
1 −1 1
 

OBS: Note que fazendo a normalização dos vetores, podemos obter uma base ortonormal.

Generalizando o processo para n vetores linearmente independentes ~v1 , ~v2 , · · · , ~vn .

1º) ~u1 = ~v1
2º) ~u2 = ~v2 − proj~u1 ~v2
3º) ~u3 = ~v3 − proj~u1 ~v3 − proj~u2 ~v3
..
.
nº) ~un = ~vn − proj~u1 ~vn − proj~u2 ~vn − · · · − proj~un−1 ~vn

Exercícios
1) Determine
 quais
  dos conjuntos
 de vetores são ortogonais.
 −1 5 3 
a)  4  ,  2  ,  −4 
−3 1 −7
 
     
 1 0 −5 
b)  −2  ,  1  ,  −2 
1 2 1
 
     
 2 −6 3 
c)  −7  ,  −3  ,  1 
−1 9 −1
 
     

 3 −1 3 
−2  3   8 
 
d) 
  
, , 


 1   −3   7  
3 4 0
 

2) Mostre que as bases a seguir são ortogonais e expresse ~x como uma combinação linear dessa
base.      
2 6 9
a) B = , e ~x = .
−3 4 −7
     
3 −2 −6
b) B = , e ~x = .
1 6 3
       
 1 −1 2  8
c) B =  0  ,  4  ,  1  e ~x =  −4 .
1 1 −2 −3
 
 
1
3) Calcule a projeção ortogonal de ~x = sobre a reta que passa pelo ponto (-4,2) e a
7
origem.
     
 −2 0 1 
4) Seja B =  1  ,  −1  ,  1  uma base ortogonal para R3 . Expresse o vetor
1 1 1
 
~v = [1, 2, 3]T na base B.
5) Obtenha uma base ortonormal para o espaço coluna Col A da matriz
 
1 0 0
A =  1 1 0 .
1 1 1
   
2 4
6) Sejam ~v = e ~u = . Escreve ~v como a soma de dois vetores ortogonais, um
3 −7
pertencente a Span{~u} e outro ortogonal a ~u.
7) Determine quais dos conjuntos de vetores são ortonormais. Se um conjunto for apenas
ortogonal,
 normalize
  os vetores
 para obter um conjunto ortonormal.
 1/3 −1/2 
a)  1/3  ,  0 
1/3 1/2
 
   
 0 0 
b)  1  ,  −1 
0 0
 
   
−0, 6 0, 8
c) ,
0, 8 0, 6
   
 −2/3 1/3 
d)  1/3  ,  2/3 
2/3 0
 
 √   √   
 1/√10 3//√10 √ 0 
e)  3/√20  ,  −1//√20  ,  −1/√2 
3/ 20 −1// 20 1/ 2
 

Resposta:
1)a)Não é ortogonal. b)Ortogonal. c)Não é ortogonal. d)Ortogonal.
2)a) c1 = 3 e c2 = 1/2 b)c1 = −3/2 e c2 = 3/4 c) c1 = 5/2, c2 = −3/2 e c3 = 2
3) [−2, 1]T
4) ~v √
= 1/2~v1 + 1/2~
√v2 + 2~v3 √
5)1/ 3[1, 1, 1], 1/ 6[−2, 1, 1], 1/ 2[0, −1, 1]
6) ~v =
[−4/5,
√ 7/5]
T
 + [14/5,√ 8/5]

T

 1/√3 −1/ 2 
7)a)  1/√3 ,  
√0  b) Não é Ortonormal. c) Ortonormal.

1/ 3 1/ 2

   √ 
 −2/3 1/√5 
d)  1/3 , 2/ 5  e) Ortonormal.
 
2/3 0
 