UNIVERSIDADE ESTADUAL PAULISTA

“JÚLIO DE MESQUITA FILHO”

Faculdade de Engenharia de São João da Boa Vista

Curso de Graduação em Engenharia Eletrônica e de
Telecomunicações

Arthur Fernandes Bernardi (RA: 211490393)

ESPAÇOS VETORIAIS COM PRODUTO INTERNO

Disciplina de Álgebra Linear - Professor Vinicius

Tavares Azevedo

SÃO BERNARDO DO CAMPO, SP

2022
 SUMÁRIO

1.1 MOTIVAÇÃO GEOMÉTRICA DO PRODUTO INTERNO......................................... 4

1.2 DEFINIÇÃO DE PRODUTO INTERNO EM UM ESPAÇO VETORIAL V................ 5

• EXEMPLOS CLÁSSICOS ........................................................................................... 6

1.3 PROPRIEDADES NORMA E DISTÂNCIA.................................................................. 7

• EXEMPLOS ................................................................................................................. 8

1.4 DESIGUALDADE DE CAUCHY-SCHWARZ.............................................................. 9

• EXEMPLOS ................................................................................................................. 9

1.5 PROCESSOS DE ORTONORMALIZAÇÃO DE GRAM-SCHMIDT ..........................11

• EXEMPLOS ................................................................................................................. 11

1.6 REFERÊNCIAS BLIBLIOGRÁFICAS .......................................................................... 13

2
3
1.1 MOTIVAÇÃO GEOMÉTRICA DO PRODUTO INTERNO

A princípio, para iniciarmos nosso estudo de produto interno em um espaço vetorial, vamos
retomar da geometria analítica e da física os conceitos de Produto Escalar e Trabalho (w).
Desse modo, vamos considerar o seguinte plano cartesiano em ℝ2 .

Figura 1.0

Fonte: BOLDRINI, J.L. et alii. Álgebra Linear. São Paulo, Harper Row do Brasil, 1984.

A partir disso, vamos calcular a distância d da figura, do ponto P ao centro. Por conseguinte,

pelo teorema de Pitágoras temos que 𝑑 = √𝑥 2 + 𝑦² e expandindo o conceito para a Geometria

Analítica, a norma (podemos chamar de tamanho) do vetor (x, y) será dado respectivamente

também por ‖(𝑥, 𝑦)‖ = √𝑥 2 + 𝑦². E por fim, analisando dois pontos em ℝ2 queremos calcular
a distância d entre eles, tomando como por exemplo os pontos (𝑥1 , 𝑦1 ) e (𝑥2 , 𝑦2 ), temos que:

‖𝑑 ‖ = √(𝑥1 − 𝑥2 )2 + (𝑦1 − 𝑦2 )²

Agora, considerando uma situação hipotética de um corpo em ℝ2 que se desloca em linha

reta da origem até o ponto v, dado por (𝑥1 , 𝑦1 ) é empurrado por uma força constante F, dada pelo
vetor de coordenadas (𝑥2 , 𝑦2 ), como demonstrado na Figura 1.1, queremos determinar então o
trabalho realizado por esse corpo.

4
 Figura 1.1

Fonte: BOLDRINI, J.L. et alii. Álgebra Linear. São Paulo, Harper Row do Brasil, 1984.

Pelos princípios físicos, temos que o trabalho é dado por 𝑤 = ‖𝐹⃗ ‖. ‖𝑣⃗ ‖. cos 𝜃 sendo 𝜃 o

ângulo entre os vetores 𝐹⃗ e 𝑣⃗ que será dado por 𝑐𝑜𝑠(𝜃1 − 𝜃2 ) = cos 𝜃2 cos 𝜃1 +
𝑥2 𝑥 1 𝑦2 𝑦 1 𝑥2 . 𝑥1 + 𝑦2 .𝑦1
𝑠𝑒𝑛 𝜃2 𝑠𝑒𝑛 𝜃1 =
‖𝐹‖
. ‖𝑣‖ + ‖𝐹‖
. ‖𝑣‖ = ‖𝐹‖ .‖𝑣‖
ou seja, o trabalho será dado

por 𝒘 = 𝒙𝟐 . 𝒙𝟏 + 𝒚𝟐 . 𝒚𝟏 mostrando que o trabalho é um “produto” das coordenadas dos

vetores 𝐹⃗ e 𝑣⃗. Concluindo, o Trabalho é nada menos que o produto escalar das coordenadas dos
vetores Força e Deslocamento, denotado matematicamente por 〈 𝐹⃗ , 𝑣⃗ 〉 = 〈(𝑥1 , 𝑦1 ), (𝑥2 , 𝑦2 )〉.
Conceito que irá auxiliar posteriormente auxiliar a entender de maneira mais clara o produto
interno.

1.2 DEFINIÇÃO DE UM PRODUTO INTERNO EM UM ESPAÇO VETORIAL V

O que será feito a partir dessas definições é generalizar produto interno para mais tipos de
espaços vetoriais da Álgebra Linear como por exemplo o espaço vetorial ℝ𝑛 . E assim partimos
para a Definição 1.0, de um produto interno.

Definição 1.0: Seja V um espaço vetorial ℝ. Uma aplicação 〈∙ ; ∙〉 ∶ 𝑉, 𝑉 → ℝ que associa um

par de vetores à um ℝ que deve satisfazer as seguintes condições:
a) 〈𝑢, 𝑢〉 ≥ 0, ∀ 𝑢 ∈ 𝑉
b) 〈𝑢, 𝑢〉 = 0 ⇔ 𝑢 = 0, ∀ 𝑢 ∈ 𝑉
c) 〈𝛼. 𝑢, 𝑣 〉 = 𝛼. 〈𝑢, 𝑣 〉, ∀ 𝛼 ∈ ℝ ; ∀ 𝑢, 𝑣 ∈ 𝑉
d) 〈𝑢 + 𝑣, 𝑤〉 = 〈𝑢, 𝑤〉 + 〈𝑣, 𝑤〉 ; ∀ 𝑢, 𝑣 ∈ 𝑉
5
e) 〈𝑢, 𝑣 〉 = 〈𝑣, 𝑢〉 ; ∀ 𝑢, 𝑣 ∈ 𝑉

Observação: Denominação matemática do produto interno: sendo 𝑢, 𝑣 ∈ 𝑉, 𝑉 o produto interno de 𝑢, 𝑣

é denominado por 〈𝑢, 𝑣〉.

Para um Produto Interno Euclidiano em ℝ𝒏 teremos a Definição 1.1 abaixo:

Definição 1.1: Tomando 𝑢 = (𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 ) e 𝑣 = (𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 ) pertencentes à

ℝ𝒏 , o produto interno desses vetores será dado por:
〈𝑢, 𝑣 〉 = (𝑢1 𝑣1 + 𝑢2 𝑣2 + 𝑢3 𝑣3 + ⋯ + 𝑢𝑛 𝑣𝑛 )

• EXEMPLOS CLÁSSICOS

Exemplo 1: Considerando o Espaço Euclidiano ℝ3 , calcular 〈𝑢, 𝑣 〉 sendo 𝑢 = (1, 0, 1) e

𝑣 = (2, 1, 2 )
Resolução:
〈𝑢, 𝑣 〉 = 1.2 + 0.1 + 1.2 = 2 + 0 + 2 = 4

Exemplo 2: Considerando o espaço P3 (ℝ) , e tomando o produto interno 〈𝑓(𝑥), 𝑔(𝑥)〉 =

1
∫0 𝑓 (𝑥 )𝑔(𝑥 )𝑑𝑥 calcule o produto escalar quando 𝑓 (𝑥 ) = 𝑥 − 1 e 𝑔(𝑥 ) = 𝑥³ .
Resolução:
1 1
1 1 1
〈𝑓(𝑥), 𝑔(𝑥)〉 = ∫ (𝑥 − 1). 𝑥³ 𝑑𝑥 = ∫ (𝑥 4 − 𝑥 3 ) 𝑑𝑥 = ( − ) = −
0 0 5 4 20

Exemplo 3: Seja V um espaço vetorial Euclidiano, ℝ2 sendo 𝑢 = (3,1) e 𝑣 = (1, −1) para
todo u, v pertencente à ℝ2 , determine um vetor 𝑤 , tal que 〈𝑢, 𝑤〉 = −1 e 〈𝑣, 𝑤〉 = 3 .
Resolução:
Vamos inicialmente supor que 𝑤 = (𝑥, 𝑦) e posteriormente resolver os produtos internos
dados no exemplo, assim teremos:
〈𝑢, 𝑤〉 = 3𝑥 − 𝑦
〈𝑣, 𝑤〉 = 𝑥 + 𝑦
Como temos que: 〈𝑢, 𝑤〉 = −1 e 〈𝑣, 𝑤〉 = 3, então basta igualar os resultados com as
equações acima, e iremos obter então que:

6
 3𝑥 − 𝑦 = −1
{
𝑥+𝑦 = 3
1 5 1 5
Resolvendo o sistema acima, temos que 𝑥 = 2 e 𝑦 = 2 , assim 𝑤 = (2 , 2)

1.3 PROPRIEDADES NORMA E DISTÂNCIA

A princípio, e “grosso modo”” podemos definir a norma de um vetor como o seu

comprimento ou “tamanho”. O que será feito, é generalizar esse conceito para um espaço vetorial
qualquer. Formalmente iremos definir esse conceito através da Definição 2.0 abaixo:

Definição 2.0: Sendo V um espaço vetorial com produto interno. A norma de um vetor 𝑣 em
relação a este produto interno será dada por:

‖𝑣 ‖ = √〈𝑣, 𝑣 〉

Observação: Se tivermos ‖𝑣 ‖ = 1 isso significa que 〈𝑣, 𝑣 〉 = 1 , 𝑣 é um vetor unitário e pode-

se dizer que neste caso em específico 𝑣 está normalizado. Mas também, podemos normalizar
qualquer vetor não nulo, pertencente à ℝ𝑛 e a um espaço vetorial V, através da seguinte equação
abaixo:
𝑣
𝑢=
‖𝑣 ‖

Definição 2.1: Tomando dois vetores 𝑢 e 𝑣 , a distância entre dois vetores 𝑢, 𝑣 que é
matematicamente denominada por 𝑑 (𝑢, 𝑣 ) é dada por:

𝑑(𝑢, 𝑣 ) = ‖𝑢 − 𝑣 ‖

Mas também podemos definir o conceito de Norma e Distância para coordenadas Euclidianas,
definidas abaixo:

Definição 2.2: Considere um espaço vetorial ℝ𝑛 com produto interno, e tomando 𝑣 =

(𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 ) um vetor também pertencente à ℝ𝑛 vamos definir a Norma Euclidiana do
ℝ𝑛 de 𝒗 como:

7
 ‖𝑣 ‖ = √〈𝑣, 𝑣 〉 = √𝑣12 + 𝑣22 + 𝑣32 + ⋯ + 𝑣𝑛 ²

Definição 2.3: Considere novamente um espaço vetorial ℝ𝑛 com produto interno, e tomando
𝑢 = (𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 ) e 𝑣 = (𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 ) vetores também pertencentes à ℝ𝑛 vamos
definir a Distância Euclidiana do ℝ𝒏 entre os vetores 𝒖 𝐞 𝒗, dada abaixo:

𝑑 (𝑢, 𝑣 ) = ‖𝑢 − 𝑣 ‖ = √(𝑢1 − 𝑣1 )2 + (𝑢2 − 𝑣2 )2 + (𝑢3 − 𝑣3 )2 + ⋯ + (𝑢𝑛 − 𝑣𝑛 )²

• EXEMPLOS

Exemplo 1: Considere o espaço vetorial ℝ3 e o vetor 𝑢 = (2, 1, 7) sendo 𝑢 ∈ ℝ3 Determine

a Norma Euclidiana de 𝑣.
Resolução:
Através da Definição 2.2, vamos calcular a norma Euclidiana de 𝑢 :

‖𝑢‖ = √𝑢12 + 𝑢22 + 𝑢32

‖𝑢‖ = √2² + 1² + 7² = √54 = 3√6

Exemplo 2: Considere novamente o espaço vetorial ℝ3 e os vetores 𝑢 = (2, 1, 7) 𝑒 𝑣 =

(5, 2, 1) ∀ 𝑢, 𝑣 ∈ ℝ3 calcule Distância Euclidiana do ℝ𝑛 entre os vetores 𝑢 e 𝑣.
Resolução:
Através da Definição 2.3 vamos obter a Distância entre os vetores 𝑢 e 𝑣.

𝑑 (𝑢, 𝑣 ) = √(𝑢1 − 𝑣1 )2 + (𝑢2 − 𝑣2 )2 + (𝑢3 − 𝑣3 )2

𝑑 (𝑢, 𝑣 ) = √(2 − 5)2 + (1 − 2)2 + (7 − 1)2 = √46

Exemplo 3: Dado o vetor não nulo 𝑣 = (2, 1, 4) ∈ ℝ³ determine as coordenadas do vetor

𝑣 normalizado.
Resolução:
Como mostrado na observação da Definição 2.0 basta substituirmos os valores na fórmula
para normalizarmos o vetor 𝑣:
8
 𝑣 (2, 1, 4) (2, 1, 4) 2 1 4
𝑢= = = = ( , , )
‖𝑣 ‖ √22 + 12 + 4² √21 √21 √21 √21

Exemplo 4: Dado o produto interno pertencente à P3 (ℝ) dado por 〈𝑓(𝑥), 𝑔(𝑥)〉 =
1
∫0 𝑓 (𝑥 )𝑔(𝑥 )𝑑𝑥 calcular a norma de 𝑓 (𝑥 ) quando 𝑥 3 .
Resolução:
1
1 1
‖𝑓(𝑥)‖ = √〈𝑓(𝑥), 𝑔(𝑥)〉 = √∫ (𝑥³)𝑑𝑥 = √ =
0 4 2

1.4 TEOREMA DA DESIGUALDADE DE CAUCHY-SCHWARZ

A princípio, a desigualdade de Cauchy-Schwarz é uma ferramenta fundamental para o estudo

de espaços vetoriais com produto interno, pois nos possibilita definir e calcular ângulos entre
dois vetores. Esse conceito será introduzido melhor adiante. Por fim, iremos definir formalmente
a desigualdade de Cauchy-Schwarz abaixo:

Definição 3.0: Considere dois vetores 𝑢 e 𝑣 dois vetores não nulos e pertencentes ao espaço
vetorial V, temos que:
〈𝑢, 𝑣 〉
| | ≤1
‖𝑢 ‖ . ‖𝑣 ‖
Desse modo, existe um ângulo entre 0 e 𝜋 radianos que cumprem com a seguinte expressão
abaixo e definem a aplicação da desigualdade de Cauchy-Schwarz.

〈𝑢, 𝑣 〉
cos 𝜃 =
‖𝑢 ‖ . ‖𝑣 ‖
Sendo 𝜃 o ângulo entre os vetores 𝑢 e 𝑣.

• EXEMPLOS

Exemplo 1: Encontre os ângulos entre os vetores no ℝ3 𝑢 = (−9, 5, 3) e 𝑣 = (2,3,1).

Resolução: Pelo Teorema da Desigualdade de Cauchy-Schwarz, temos que:

9
 〈𝑢, 𝑣 〉 (−9.2 + 5.3 + 3.1) 0
cos 𝜃 = = = =0
‖𝑢 ‖ . ‖𝑣 ‖ √12 + 52 + 32 + √22 + 32 + 12 √35 + √14

𝜋
∴𝜃=
2
1 −1
Exemplo 2: Dado o espaço vetorial V das matrizes 𝑀2×2 e as matrizes 𝑀1 = [ ] e
0 1
2 1
𝑀2 = [ ] , determine o ângulo 𝜃 entre as matrizes.
−1 1
Resolução: Pelo teorema da desigualdade de Cauchy-Schwarz, temos que:

〈[1 −1] , [ 2 1]〉

cos 𝜃 = 0 1 −1 1 = 1
1 −1 2 1 2√10
‖[ ].[ ]‖
0 1 −1 1

1
∴ 𝜃 = 𝑎𝑟𝑐𝑜𝑠
2√10

Observação: A demonstração da Definição 3.0 se encontra abaixo na Figura 1.3.

Figura 1.3

Fonte: Norma e Distância, Material de apoio IME-UNICAMP.

10
1.5 PROCESSOS DE ORTONORMALIZAÇÃO DE GRAM-SCHMIDT

Inicialmente, o processo de Ortonormalização de Gram-Schmidt, nada mais é que um

processo de ortogonalização de vetores que se encontrem dentro de um espaço vetorial com
produto interno V. Ou seja, de maneira geral o método nos permite transformar qualquer
conjunto de vetores Linearmente Independentes (LI), em um conjunto ortogonal, que gera o
mesmo espaço vetorial inicial.

Definição 3.1: Seja V um espaço vetorial de dim 𝑉 = 𝑛 e seja {𝑢1 , 𝑢2 , … , 𝑢𝑛 } uma base de 𝑉 ,
𝑢𝑛
tomaremos 𝑔𝑛 = o conjunto formado por {𝑔1 , 𝑔2 , … , 𝑔𝑛 } é um conjunto ortonormal a 𝑉
‖𝑢𝑛 ‖

com 𝑛 vetores. E é Linearmente Independente com relação à base de 𝑉.

Observação: A Definição 3.1 é generalizada para o espaço vetorial ℝ𝑛 de dim ℝ𝑛 = 𝑛.

• EXEMPLOS

Exemplo 1: Considerando a base de ℝ3 dada pelas bases 𝐵 = {𝑢1 = (0, 0, 1); 𝑢2 =

(0, 1, 1); 𝑢3 = (0, 1, 2)} determine uma base ortonormal de ℝ3 através da base dada B.
Resolução:
Pelo processo de ortonormalização de Gram-Schmidt vamos determinar componente a
componente dessa base ortonormal.
𝑢1 (0, 0, 1) (0, 0, 1)
𝑔1 = = = = (0, 0, 1)
‖𝑢1 ‖ √02 + 02 + 12 1

𝑢2 (0, 1, 1) (0, 1, 1) 0 1 1 1 1
𝑔2 = = = =( , , ) = (0, , )
‖𝑢2 ‖ √02 + 12 + 12 √2 √2 √2 √2 √2 √2

𝑢3 (0, 1, 2) (0, 1, 2) 0 1 2 1 2
𝑔3 = = = =( , , ) = (0, , )
‖𝑢3 ‖ √0 + 1 + 2
2 2 2 √5 √5 √5 √5 √5 √5
Logo:
1 1 1 2
{(0, 0,1 ); (0, , ) ; (0, , )}
√2 √2 √5 √5

É uma base ortonormal à ℝ3 construída a partir da base B.

11
Exemplo 2: Considere o espaço vetorial ℝ² e a base B, dada por 𝐵 = {(3, −1), (2, 5)}
Determinar uma base ortonormal ao espaço vetorial mencionado.
Resolução:
𝑢1 (3, −1) (3, −1) 3 1
𝑔1 = = = =( ,− )
‖𝑢1 ‖ √32 + (−1)² √10 √10 √10

𝑢2 (2, 5) (2, 5) 2 5
𝑔2 = = = =( ,− )
‖𝑢2 ‖ √22 + 5² √29 √29 √29
Assim:
3 1 2 5
{( ,− ),( ,− )}
√10 √10 √29 √29

É uma base ortonormal à ℝ2 construída a partir da base dada B.

Exemplo 2: Considere o espaço vetorial ℝ3 o produto interno (não habitual) dado por
〈𝑢, 𝑣 〉 = (𝑥1 . 𝑦1 . 𝑧1 + 2𝑥2 . 𝑦2 . 𝑧2 ) para todo conjunto de vetores 𝑢 = (𝑥1 , 𝑦1 , 𝑧1 ) e 𝑣 =
(𝑥2 , 𝑦2 , 𝑧2 ) verificar se 𝑢 e 𝑣 são ortogonais, em relação ao produto, nos casos:

a) 𝑢 = (1, 0, 0) e 𝑣 = (0, 1, 0)
b) 𝑢 = (1, 3, 2) e 𝑣 = (2, 4, 1)
Resolução:
Para o item a), temos que:
〈𝑢, 𝑣〉 = 1. 0. 0 + 2(0. 1. 0) = 0
Logo, podemos concluir que 𝑢 e 𝑣 são ortogonais, pela análise do processo de
ortonormalização de Gram-Schmidt.

Para o item b), temos que:

〈𝑢, 𝑣 〉 = 1. 3. 5 + 2(2. 4. 1) = 15 + 16 = 31
Logo, podemos concluir que 𝑢 e 𝑣 não são ortogonais, pela análise do processo de
ortonormalização de Gram-Schmidt.

12
1.6 REFERÊNCIAS BLIBLIOGRÁFICAS
[1] BOLDRINI, J.L. et alii. Álgebra Linear. São Paulo, Harper Row do Brasil, 1984.
[2] ANTON, H. RORRES, C., Álgebra Linear com Aplicações. 8ª edição. Porto Alegre: Bookman,
2001.
[3] DOMINGUES, H.H. et alii. Álgebra linear e aplicações. São Paulo. McGraw-Hill, 1987.
[4] STEINBRUCH e P. WINTERLE, Álgebra Linear. McGraw-Hill, São Paulo, 1987.
[5] STEINBRUCH, Matrizes, Determinantes e Sistemas de Equações Lineares. McGraw- Hill, São
Paulo, 1987.
[6] Curso de Álgebra Linear da Universidade Virtual do Estado de São Paulo (UNIVESP).
Disponível em:
https://www.youtube.com/playlist?list=PLxI8Can9yAHdUtWDKtTA9AmuICNyX9EIr
[7] Espaços com Produto interno. Universidade Federal de Juiz de Fora (UFJF). Disponível em:
https://www.ufjf.br/luis_crocco/files/2011/09/produto_interno_notas.pdf
[8] Espaços com Produto Interno. Instituto de Matemática, Estatística e Computação Científica da
Universidade Estadual de Campinas (IME-UNICAMP). Disponível em:
https://www.ime.unicamp.br/~marcia/AlgebraLinear/produto_interno.html
[9] PULINO, PETRONIO, Álgebra Linear e suas Aplicações. Notas de Aula. Campinas, Pulinus,
2012. Disponível em: https://www.ime.unicamp.br/~pulino/ALESA/Texto/cap05.pdf
[10] Resultados dados em sala de Aula. Instituto de Matemática e Estatística da Universidade de
São Paulo (IME-USP). Disponível em: https://www.ime.usp.br/~pplopes/resultados2.pdf

13