Aula 11 – 1o de Setembro de 2023

Prof. Antonio Caminha M. Neto

O teorema da melhor aproximação

Em um espaço euclidiano V , dados u, v ∈ V , com v 6= 0, definimos a
projeção ortogonal de u na direção de hvi (ou em hvi) como o vetor
Projv (u) := αv tal que (u − αv)⊥v. Como

hu, vi
hu − αv, vi = 0 ⇒ α = ,
||v||2

temos que
hu, vi
Projv (u) = v.
||v||2
Assim, para 1 ≤ k < n, o algoritmo de ortonormalização de Gram-Schmidt
troca uk+1 por
Xk
uk+1 − Projei (uk+1 ).
i=1

O próximo resultado é conhecido como o teorema da decomposição

ortogonal.

Teorema 1 (da decomposição ortogonal). Sejam V um espaço euclidiano e

W um subespaço de dimensão finita de V . Para todo u ∈ V , existem únicos
v ∈ W e v ⊥ ∈ W ⊥ tais que u = v + v ⊥ . Ademais:
Pn
(a) Se {e1 , . . . , en } for uma base ortonormal para W , então v = i=1 hu, ei iei .

(b) ||u||2 = ||v||2 + ||v ⊥ ||2 .

2 Aula 11 – 1o de Setembro de 2023

Pn
Prova. Se {e1 , . . . , en } for uma base ortonormal para W e v = i=1 hu, ei iei ,
então é claro que v ∈ W e, para 1 ≤ j ≤ n,
n
X n
X n
X
hv, ej i = h hu, ei iei , ej i = hu, ei ihei , ej i = hu, ei iδij = hu, ej i.
i=1 i=1 i=1

Portanto, pondo v ⊥ = u − v, temos u = v + v ⊥ e, para 1 ≤ j ≤ n,

hv ⊥ , ej i = hu − v, ej i = hu, ej i − hv, ej i = 0.

Assim, o lema anterior garante que v ⊥ ∈ W ⊥ . Mas aı́,

||u||2 = hu, ui = hv + v ⊥ , v + v ⊥ i
= hv, vi + hv, v ⊥ i + hv ⊥ , vi + hv ⊥ , v ⊥ i
= ||v||2 + ||v ⊥ ||2 .

Para a unicidade, suponha que u = w + w⊥ , com w ∈ W , w⊥ ∈ W ⊥ .

Então,
v + v ⊥ = w + w⊥ ⇒ v − w = w⊥ − v ⊥ ∈ W ∩ W ⊥ ,
de sorte que

||v − w||2 = hv − w, v − wi = hv − w, w⊥ − v ⊥ i = 0.
| {z } | {z }
∈W ∈W ⊥

Assim, v − w = 0, logo, v = w; daı́, v + v ⊥ = w + w⊥ ⇒ v ⊥ = w⊥ .

Nas notações do enunciado do teorema anterior, dizemos que v e v ⊥ são as
projeções ortogonais de u sobre W e W ⊥ , respectivamente, e denotamos

v = ProjW (u) e v ⊥ = ProjW ⊥ (u).

Se V é um espaço euclidiano, W é um subespaço de dimensão finita de V

e u ∈ V , o próximo resultado garante que ProjW (u) é o elemento de W mais
próximo de u. Por conta disso, tal resultado ćonhecido como o teorema da
melhor aproximação.
Teorema 2 (da melhor aproximação). Sejam V um espaço euclidiano e W
um subespaço de dimensão finita de V . Para todo u ∈ V , temos que

||u − ProjW (u)|| ≤ ||u − w||, ∀ w ∈ W.

Antonio Caminha M. Neto 3

Prova. Sendo u = v + v ⊥ , com v ∈ W , v ⊥ ∈ W ⊥ , temos ProjW (u) = v.

Para w ∈ W qualquer, segue que

||u − w||2 = ||v + v ⊥ − w||2 = || v − w +v ⊥ ||2

| {z }
∈W
⊥ 2
= ||v − w|| + ||v || ≥ ||v − w||2 ,
2

com

||u − w||2 = ||v − w||2 ⇔ ||v ⊥ ||2 = 0 ⇔ v ⊥ = 0 ⇔ u = v ∈ W.

Exemplo 3. Considere novamente C 0 ([−π, π]), munido com o produto in-

terno h·, ·i e a norma || · || usuais, e seja Vn o subespaço gerado por
 
1 cos x sen x cos(2x) sen(2x) cos(nx) sen(nx)
Sn = √ , √ , √ , √ , √ ,..., √ , √ .
2π π π π π π π

Como Sn é ortonormal, o teorema da melhor aproximação garante que, para

f ∈ C 0 ([−π, π]), o polinômio trigonométrico em Vn que melhor aproxima f
em relação a || · || é

n  
1 X cos(kx) sen(kx)
g(x) = α0 √ + αk √ + βk √ ,
2π k=1 π π

com Z π
1 1
α0 = hf, √ i = f (x) √ dx
2π −π 2π
e, para 1 ≤ k ≤ n,
Z π
cos(kx) cos(kx)
αk = hf, √ i= f (x) √ dx,
π −π π

Z π
sen(kx) sen(kx)
βk = hf, √ i= f (x) √ dx.
π −π π
4 Aula 11 – 1o de Setembro de 2023

Portanto,
Z π  n Z π 
1 1 X cos(kx) cos(kx)
g(x) = f (x) √ dx √ + f (x) √ dx √ dx
−π 2π 2π k=1 −π π π
n Z π 
X sen(kx) sen(kx)
+ f (x) √ dx √ dx
k=1 −π π π
Z π n Z π 
1 X 1
= f (x)dx + f (x) cos(kx)dx cos(kx)
2π −π k=1
π −π
n Z π 
X 1
+ f (x) sen(kx)dx sen(kx).
k=1
π −π

Exercı́cios
1. Um algoritmo mais simples que o de ortonormalização gera, a partir de
uma base (u1 , . . . , un ) de um espaço euclidiano V , uma base ortogonal
{e01 , . . . , e0n }, da seguinte forma:

• Faça e01 = u1 .
• Uma vez calculados e01 , . . . , e0k , para um certo inteiro k tal que
1 ≤ k < n, faça
k
X huk+1 , e0 i
e0k+1 = uk+1 − i
e0i .
i=1
||e0i ||2

Prove que esse é, de fato, o caso.

2. Em C 0 ([−1, 1]), com o produto interno e a norma usuais, seja P o

subespaço gerado pelos polinômios p0 (x) = 1 e pk (x) = xk , para k ≥ 1.
Os polinômios de Legendre não normalizados são os polinômios
L0 , L1 , L2 , . . . , tais que (L0 , L1 , L2 , . . .) é obtida de (p0 , p1 , p2 , . . .)
pela aplicação do algoritmo de ortogonalização descrito no problema
anterior. Calcule
1
L0 (x) = 1, L1 (x) = x, L2 (x) = x2 − .
3
Antonio Caminha M. Neto 5

3. Dados n ∈ N e inteiros 1 ≤ i ≤ j ≤ n, sejam:

(i) Eii a matriz com entrada (i, i) igual a 1 e todas as demais entradas
iguais a 0;
(ii) Eij , para i < j, a matriz com entradas (i, j) e (j, i) ambas iguais
a √12 e todas as demais entradas iguais a 0.
Prove que em relação ao produto interno induzido a partir do produto
interno canônico em M (n; R), o conjunto {Eij ; 1 ≤ i ≤ j ≤ n} é uma
base ortonormal de Sym(n; R).
4. Dada A ∈ M (n; R), mostre que a projeção ortogonal de A sobre
Sym(n; R) é 12 (A + A> ).
5. Dado n ∈ N, prove que M (n; R) é a soma direta ortogonal de Sym(n; R)
e ASym(n; R), em relação ao produto interno canônico de M (n; R).
6. No espaço vetorial real C 0 ([−1, 1]), munido com o produto interno
usual, sejam f (x) = 1, g(x) = x e h(x) = x2 , para todo x ∈ [−1, 1].
(a) Calcule ||f ||2 , ||g||2 , ||h||2 , hf, gi, hf, hi e hg, hi.
(b) Encontre todos os a, b ∈ R para os quais ||h − af − bg||2 seja a
menor possı́vel, e calcule tal valor mı́nimo.
7. Seja V o espaço vetorial
R +∞das funções contı́nuas f : [0, +∞) → R tais que
a integral imprópria 0 e−t f (t)2 dt converge. Para f, g ∈ V , defina
Z +∞
(f, g) = e−t f (t)g(t)dt.
0

(a) Prove que (·, ·) : V × V → R está bem definido e é um produto

interno em V .
(b) Se fn (t) = tn , para n ≥ 0, mostre que fn ∈ V , para todo n ≥ 0.
(c) Sejam (g0 , g1 , g2 , . . .) a sequência de funções em V obtidas após
aplicarmos o processo de ortogonalização de Gram-Schmidt à se-
quência (f0 , f1 , f2 , . . .). Calcule g0 , g1 , g2 , g3 .
(d) Seja f (t) = e−t , e denote por || · || a norma em V proveniente do
produto interno (·, ·). Calcule o polinômio quadrático p tal que
||f − p|| é mı́nimo.