Produto interno em Rn - O espaço euclidiano Rn

Definição Sejam u = (u1 , u2 , . . . , un ) e v = (v1 , v2 , . . . , vn ) vectores de Rn . Ao

número real
u · v = u1 v1 + u2 v2 + . . . + un vn
chamamos produto interno (ou produto escalar) de u por v . O produto interno
de u por v pode também ser denotado por (u|v ).

Exemplo (2, −1) · (3, 4) = 2 × 3 + (−1) × 4 = 2.

(5, 3, −2, 0) · (0, 2, −3, 1) = 5 × 0 + 3 × 2 + (−2) × (−3) + 0 × 1 = 12.
Dizemos que Rn é um espaço Euclidiano por ser um espaço vectorial real, de
dimensão finita, onde está definido um produto interno .
Proposição Para quaisquer u = (u1 , u2 , . . . , un ), v = (v1 , v2 , . . . , vn ),
w = (w1 , w2 , . . . , wn ) ∈ Rn e λ ∈ R,
1. (u + w ) · v = u · v + w · v
2. (λu) · v = λ (u · v )
3. u · v = v · u
4. v · v ≥ 0
5. v · v = 0 se e só se v = 0.
Demonstração:
Note-se que, sendo v = (v1 , v2 , . . . , vn ),
4.
v · v = v1 v1 + v2 v2 + . . . + vn vn = v12 + v22 + . . . + vn2 ,
logo
v ·v ≥0
5.
v · v = 0 ⇔ v1 = v2 = · · · = vn = 0 ⇔ v = 0.

Corolário Para quaisquer u, v , w ∈ Rn e λ ∈ R

1. u · (v + w ) = u · v + u · w ;

2. u · (λv ) = λ (u · v );

3. 0n · u = u · 0n = 0.
Definição Sejam u = (u1 , u2 , . . . , un ), v = (v1 , v2 , . . . , vn ) ∈ Rn .
1. Chamamos norma ou comprimento de v , e denotamos ||v ||, ao número
real não negativo
√ q
||v || = v · v = v12 + v22 + . . . + vn2 .

2. Dizemos que u e v são ortogonais se u · v = 0.

Exemplo Para u = (2, −1), v = (2, 4) ∈ R2 ,

p √
||u|| = ||(2, −1)|| = 22 + (−1)2 = 5.
u · v = (2, −1) · (2, 4) = 2 · 2 + (−1) · 4 = 0, logo u e v são ortogonais.

Definição Se P é o ponto de coordenadas (p1 , . . . , pn ) e Q é o ponto de

coordenadas (q1 , . . . , qn ), chamamos distância entre P e Q, e denotamos
d(P, Q), ao número real não negativo
p
d(P, Q) = ||Q − P|| = (q1 − p1 )2 + . . . + (qn − pn )2 .

Exemplo Se P e Q são os pontos de coordenadas (3, 2) e (5, −1),

respectivamente,
p √
d(P, Q) = ||Q − P|| = ||(5, −1) − (3, 2)|| = ||(2, −3)|| = 22 + (−3)2 = 13.
Proposição Para qualquer λ ∈ R e qualquer v = (v1 , v2 , . . . , vn ) ∈ Rn , temos:

1. ||v || = 0 se e só se v = 0n .

2. ||λ v || = |λ| ||v ||.

Desigualdade de Cauchy-Schwarz Para quaisquer u, v ∈ Rn , temos:

1. |u · v | ≤ ||u|| · ||v ||.

2. |u · v | = ||u|| · ||v || se e só se os vectores u e v são linearmente

dependentes.

Desigualdade triangular
Para quaisquer u, v ∈ Rn , temos:

||u + v || ≤ ||u|| + ||v ||.

Teorema de Pitágoras
Sejam u, v ∈ Rn . Se u e v são ortogonais, então

||u + v ||2 = ||u||2 + ||v ||2

Sejam u e v vectores não nulos de Rn .
Atendendo à Desigualdade de Cauchy-Schwarz

|u · v | ≤ ||u|| · ||v ||.

Como ||u|| > 0 e ||v || > 0,

 
|u · v |  u·v 
|u · v | ≤ ||u|| · ||v || ⇔ ≤ 1 ⇔  ≤1 ⇔
||u|| · ||v || ||u|| · ||v || 
u·v
⇔ −1 ≤ ≤ 1.
||u|| · ||v ||
Logo
u·v
∈ [−1, 1].
||u|| · ||v ||

Definição Sejam u e v vectores não nulos de Rn . Chamamos ângulo dos

vectores u e v ao ângulo θ ∈ [0, π] tal que
u·v
cos θ =
||u|| · ||v ||

Denotamos o ângulo dos vectores u e v por ^(u, v).

Exemplo Sejam u = (1, −1, 1, −1), v = (1, 0, 0, 0) ∈ R4 . Tem-se
||u|| = 2, ||v || = 1 e u · v = 1, logo
u·v 1
cos ∠(u, v ) = =
||u|| · ||v || 2
π
pelo que ∠(u, v ) = 3
.

Observações Se u e v são vectores não nulos de Rn tem-se:

1. u · v = ||u|| · ||v || cos ∠(u, v )

2. ∠(u, v ) = ∠(v , u).

3. sin ∠(u, v ) ≥ 0.
π
4. Os vectores u e v são ortogonais se e só se ∠(u, v ) = 2
.
Definição Sejam u e a vectores de Rn , sendo a 6= 0. A projeção ortogonal de u
sobre a é o vector  
u·a
proja u = a.
||a||2

Observe-se que, definindo w1 = proja u e w2 = u − proja u, tem-se:

I u = w1 + w2 ,
I w1 é um múltiplo de a
I w1 é ortogonal a w2 .
Exemplo Considere-se os vectores de R3 , a = (2, 1, 1) e u = (1, 0, 1). Tem-se

u · a = (1, 0, 1) · (2, 1, 1) = 3
e
||a||2 = a · a = 6.

Logo
u·a 3
proja u = ( ||a||2)a = 6
(2, 1, 1) = (1, 21 , 21 ).
e
u − proja u = (1, 0, 1) − (1, 12 , 21 ) = (0, − 21 , 12 )
Observe-se que
1 1 1 1
(1, , ) + (0, − , ) = (1, 0, 1) = u
2 2 2 2

e
1 1 1 1
(1, , ) . (0, − , ) = 0.
2 2 2 2
Bases ortogonais e bases ortonormadas
Um conjunto de vectores em que cada vector é ortogonal a cada um dos outros
diz-se um conjunto formado por vectores ortogonais dois a dois.
Proposição Se v1 , . . . , vp ∈ Rn são vectores não nulos e ortogonais dois a dois,
então (v1 , . . . , vp ) é linearmente independente.

Definição Seja F um subespaço de Rn .

1. Uma base de F constituı́da por vectores ortogonais dois a dois diz-se uma
base ortogonal de F .
2. Uma base ortogonal de F cujos vectores têm todos norma 1 diz-se uma
base ortonormada de F .

Exemplo A base canónica de R2 é uma base ortonormada de R2 :

(1, 0) · (0, 1) = 1 × 0 + 0 × 1 = 0
√ √
||(1, 0)|| = 12 + 02 = 1 ||(0, 1)|| = 02 + 12 = 1
Mais geralmente, a base canónica de Rn é uma base ortonormada de Rn .

Nota: 1) Uma base formada por um único vector é ortogonal.

2) Se multiplicarmos um vector não nulo pelo inverso da sua norma obtemos
um vector de norma 1. Assim:
Se (z1 , . . . , zt ) é base ortogonal de F , então ( ||z11 || z1 , . . . , ||z1t || zt ) é base
ortonormada de F .
Proposição - Processo de ortogonalização de Gram-Schmidt
Seja F um subespaço de Rn e seja (v1 , . . . , vp ) uma base de F . Defina-se

z1 = v1
z2 = v2 − projz1 v2
z3 = v3 − projz1 v3 − projz2 v3
..
.
zp = vp − projz1 vp − · · · − projzp−1 vp .

Então (z1 , . . . , zp ) é uma base ortogonal de F .

Exemplo Considere-se F =< (2, 1, 1), (1, 0, 1) > e a sua base

((2, 1, 1), (1, 0, 1)). Note-se que a base anterior não é ortogonal. Sejam

z1 = (2, 1, 1)
1 1 1 1
z2 = (1, 0, 1) − proj(2,1,1) (1, 0, 1) = (1, 0, 1) − (1, , ) = (0, − , ).
2 2 2 2

A proposição anterior garante que ((2, 1, 1), (0, − 21 , 12 )) é base ortogonal de F .

Corolário Todo o subespaço de Rn possui uma base ortogonal.

Produto externo em R3
Sejam u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) ∈ R3 . Chamamos produto externo ou
produto vectorial de u e v ao vector, que denotamos por u × v ou u ∧ v ,
     
 u2 u3   u1 u3   u1 u2 
u×v =    ,−  ,   .
v2 v3  v1 v3   v1 v2 

Exemplo
(1, 0, 1) · (2, 1, −1) =2 + 0 − 1 = 1.
     
 0 1   1 1   1 0 
(1, 0, 1) × (2, 1, −1) =  , −  , = (−1, 3, 1).
1 −1   2 −1   2 1 
Observe-se que (−1, 3, 1) é ortogonal a (1, 0, 1) e a (2, 1, −1) pois
(−1, 3, 1) · (1, 0, 1) = 0 e (−1, 3, 1) · (2, 1, −1) = 0.
mnemónica:
Sendo e1 , e2 , e3 os vectores da base canónica de R3 , para calcular
(u1 , u2 , u3 ) × (v1 , v2 , v3 ) pode usar-se o seguinte ”determinante simbólico”
 
 e1 e2 e3 
 
 u1 u2 u3 
 
 v1 v2 v3 
calculado pelo Teorema de Laplace aplicado à primeira linha.
Recorde-se que:      
 u2 u3   u1 u3   u1 u2 
(u1 , u2 , u3 ) × (v1 , v2 , v3 ) =  , −  , .
v2 v3  v1 v3   v1 v2 

Proposição Sejam u, v , w ∈ R3 Tem-se:

1. u × u = (0, 0, 0).

2. u × (0, 0, 0) = (0, 0, 0).

3. v × u = −u × v .

4. u · (u × v ) = 0 e v · (u × v ) = 0.

5. Os vectores u e v são linearmente dependentes se e só se u × v = (0, 0, 0).

Proposição Se u e v são vectores de R3 , linearmente independentes e θ é o

ângulo entre u e v , então

||u × v || = ||u|| ||v || sen(θ)

Proposição Se u e v são vectores de R3 , linearmente independentes e θ é o

ângulo entre u e v , então a área do paralelogramo definido por u e v é
||u × v ||.
Produto misto em R3

Definição Sejam u, v , w ∈ R3 . Chamamos produto misto de u, v e w ao

número real (u × v ) · w .
Proposição Se u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ), w = (w1 , w2 , w3 ) ∈ R3 ,
então  
 u1 u2 u3 
 
(u × v ) · w =  v1 v2 v3  .
 w1 w2 w3 
Demonstração:
Aplicando o Teorema
 de Laplace (3a linha), temos
 u1 u2 u3       
 u u3   u1 u3 
v3  = w1  2  + w3  u1 u2 
  
 v1 v2 − w 2


 w1 w2 v 2 v3   v1 v3   v1 v2 
w3 
     
 u u3   u1 u3   u1 u2 
=  2 , −  v1 v3   v1 v2  · (w1 , w2 , w3 )
 , 
v2 v3 
= (u × v ) · w .

Proposição Sejam u, v , w ∈ R3 . Se u, v e w são linearmente independentes,

então |(u × v ) · w | é o volume do paralelepı́pedo definido por u, v e w .
Matrizes ortogonais

Definição Uma matriz A ∈ Mn é ortogonal se é invertı́vel e A−1 = AT .

Nota: A é ortogonal ⇐⇒ A AT = In e AT A = In .

Exemplos
1. A matriz In é ortogonal.
" √ √ #
2
√2
− √22
2. A matriz B = 2 2
é ortogonal.
2 2
 
cos θ −sin θ
3. Toda a matriz da forma Aθ = é ortogonal. Observe-se
sin θ cos θ
que Aθ é a matriz da aplicação linear Tθ , de R em R2 , definida
2

geometricamente como a rotação de um ângulo θ em torno da origem.

Quando θ = π4 obtemos a matriz B do exemplo anterior.
Proposição
1. A inversa de uma matriz ortogonal é ortogonal.

2. A transposta de uma matriz ortogonal é ortogonal.

3. O produto de duas matrizes ortogonais é uma matriz ortogonal.

4. Se Q é ortogonal, então det (Q) = 1 ou det (Q) = −1 .

Proposição Seja Q ∈ Mn . As afirmações seguintes são equivalentes:

1. Q é ortogonal.

2. As linhas de Q formam uma base ortonormada de Rn .

3. As colunas de Q formam uma base ortonormada de Rn .

Proposição Se A é simétrica, então é diagonalizável e existe uma matriz

diagonalizante de A que é ortogonal, isto é, existe Q ortogonal tal que Q T AQ
é diagonal.
Formas Quadráticas

Uma função f em duas variáveis reais x e y é uma forma quadrática se

existem a, b, c ∈ R tais que

f (x, y ) = ax 2 + 2bxy + cy 2 .

Exemplo Considere-se a forma quadrática

f (x, y ) = x 2 + 2xy + 3y 2 .

É claro que
f (0, 0) = 0

e, para qualquer (x, y ) ∈ R2 \ {(0, 0)}, f (x, y ) > 0, pois

f (x, y ) = x 2 + 2xy + 3y 2 = x 2 + 2xy + y 2 + 2y 2 = (x + y )2 + 2y 2 > 0.

Dizemos que esta forma quadrática é definida positiva.

Classificação de formas quadráticas:

Dizemos que a forma quadrática f é:

I semidefinida positiva se f (x, y ) ≥ 0, ∀(x, y ) ∈ R2 ;

I definida positiva se f (x, y ) > 0, ∀(x, y ) ∈ R2 \ {(0, 0)};

I semidefinida negativa se f (x, y ) ≤ 0, ∀(x, y ) ∈ R2 ;

I definida negativa se f (x, y ) < 0, ∀(x, y ) ∈ R2 \ {(0, 0)};

I indefinida se não está em qualquer das situações anteriores.

Dada uma forma quadrática f (x, y ) = ax 2 + 2bxy + cy 2 , se considerarmos
   
x a b
X = e a matriz simétrica A = , temos
y b c
    
  a b x   ax + by
x y = x y =
b c y bx + cy
= ax 2 + 2bxy + cy 2
 

isto é,

X T AX =
 
f (x, y ) .

Escrevemos, simplesmente,

f (x, y ) = X T AX .

Dizemos que f é a forma quadrática associada à matriz simétrica A.

Proposição A forma quadrática associada à matriz simétrica A é:

I semidefinida positiva se e só se todos os valores próprios de A são não

negativos;

I definida positiva se e só se todos os valores próprios de A são positivos;

I semidefinida negativa se e só se todos os valores próprios de A são

negativos ou nulos;

I definida negativa se e só se todos os valores próprios de A são negativos;

I indefinida se e só se A tem valores próprios positivos e negativos.