Espa cos Euclidianos

Espacos R
n
O conjunto R
n
e denido como o conjunto de todas as n-uplas ordenadas de n umeros reais:
R
n
= {(x
1
, ..., x
n
) : x
1
, ..., x
n
R}.
R
1
e simplesmente o conjunto R dos n umeros reais, que e visualizada como uma reta; R
2
e o conjunto de
pares de n umeros reais, que pode ser visualizado como um plano e R
3
e o conjunto de triplas de n umeros
reais, comumente visualizado como o espaco. Como vimos anteriormente uma tripla (x
1
, x
2
, x
3
) pode ser
visualizada geometricamente tanto como representando as coordenadas de um ponto ou as coordenadas de
um vetor com ponto inicial na origem. Do mesmo modo, n-uplas (x
1
, ..., x
n
) podem ser visualizadas como
pontos ou vetores.
Segue portanto que dois vetores V = (v
1
, ..., v
n
) e W = (w
1
, ..., w
n
) sao iguais se e somente se v
1
=
w
1
, ..., v
n
= w
n
.
Apesar da nossa intuicao geometrica ser limitada para espacos de dimensao 4 em diante, procedemos por
analogia denindo operacoes e conceitos similares aos que vimos no plano e no espaco.
Denicao. A soma de dois vetores V = (v
1
, ..., v
n
) e W = (w
1
, ..., w
n
) de R
n
e denida por
V + W = (v
1
+ w
1
, ..., v
n
+ w
n
).
A multiplicacao de um vetor V = (v
1
, ..., v
n
) de R
n
por um escalar R e denida por
V = (v
1
, ..., v
n
).
Denimos 0 = (0, ..., 0), V = (v
1
, ..., v
n
) e V W = V + (W).
Proposicao. Sejam U, V e W vetores de R
n
e , R escalares. Entao
1. U + V = V + U;
2. U + (V + W) = (U + V ) + W;
3. U + 0 = 0 + U;
4. U + (U) = 0;
5. (U) = ()U;
6. (U + V ) = U + V ;
7. ( + )U = U + U;
8. 1U = U.
Os espacos R
n
sao exemplos tpicos do que chamamos espacos vetoriais. Um espaco vetorial e qualquer
conjunto V onde podemos denir operacoes de soma e multiplicacao por escalar que satisfazem todas as
propriedades acima.
1
Exemplo 0. O conjunto das funcoes reais e um espaco vetorial, pois podemos denir a soma de duas funcoes
f + g e o produto de uma funcao por um escalar f, e estas sao funcoes reais:
(f + g)(x) = f(x) + g(x),
(f)(x) = f(x).
Similarmente, o conjunto das funcoes reais contnuas tambem e um espaco vetorial, porque a soma
de funcoes contnuas e o produto de uma funcao contnua por um escalar sao funcoes contnuas. Da
mesma maneira, o conjunto das funcoes reais diferenciaveis e um espaco vetorial.
1. Combinacoes Lineares
Se V e W sao vetores de R
n
tais que W = V para algum escalar , dizemos que W e um m ultiplo escalar
de V .
Denicao. Dizemos que V e uma combinacao linear dos vetores V
1
, ..., V
k
se existem escalares x
1
, ..., x
k
tais que
V = x
1
V
1
+ ... + x
k
V
k
.
Ou seja, uma combinacao linear de vetores e simplesmente uma soma de m ultiplos escalares destes vetores.
Exemplo 1. Sejam V
1
= (4, 1, 3, 5) e V
2
= (1, 0, 2, 3) vetores de R
4
. O vetor V = (1, 0, 1, 6) nao e
combinacao linear de V
1
e V
2
porque nao podemos encontrar x
1
, x
2
tais que
(1, 0, 1, 6) = x
1
(4, 1, 3, 5) + x
2
(1, 0, 2, 3),
ou seja, o sistema
_

_
4x
1
+ x
2
= 1
x
1
= 0
3x
1
2x
2
= 1
5x
1
+ 3x
2
= 6
nao possui solucao. Por outro lado, V = (5, 2, 12, 1) e combinacao linear de V
1
e V
2
porque V =
2V
1
3V
2
, isto e,
(5, 2, 12, 1) = 2(4, 1, 3, 5) 3(1, 0, 2, 3).
Exemplo 2. Todo vetor V = (v
1
, v
2
, v
3
) de R
3
e combina cao linear dos vetores i, j, k, pois
V = v
1
i + v
2
j + v
3
k.
Exemplo 3. 0 e sempre combinacao linear de quaisquer vetores V
1
, ..., V
k
, pois
0 = 0V
1
+ ... + 0V
k
.
2. Independencia Linear
Denicao. Dizemos que um conjunto S = {V
1
, ..., V
k
} de vetores e linearmente independente (L. I.) se
os unicos escalares x
1
, ..., x
k
que satisfazem
x
1
V
1
+ ... + x
k
V
k
= 0
sao
x
1
= ... = x
k
= 0.
Caso contrario, dizemos que S e linearmente dependente (L. D.).
2
Ou seja, V
1
, ..., V
k
sao linearmente independentes se e somente se a unica solucao de x
1
V
1
+... +x
k
V
k
= 0
for a solucao trivial.
Exemplo 4. Os vetores V
1
= (1, 2, 3, 4), V
2
= (5, 6, 7, 8) e V
3
= (6, 8, 10, 12) sao L.D., pois x
1
V
1
+ x
2
V
2
+
x
3
V
3
= 0 tem a solu cao nao trivial x
1
= 1, x
2
= 1, x
3
= 1 (note que V
1
+ V
2
= V
3
).
Os vetores V
1
= (1, 2, 3, 4), V
2
= (5, 6, 7, 8), V
3
= (6, 8, 10, 12) e V
4
= (

2, e

,
2
, 10
9
) sao L.D., pois
x
1
V
1
+x
2
V
2
+x
3
V
3
+x
4
V
4
= 0 tem solucao nao trivial x
1
= 1, x
2
= 1, x
3
= 1, x
4
= 0. Se um conjunto
de vetores ja e L. D., acrescentar mais vetores ao conjunto nao alterara a situacao, pois podemos
sempre obter uma solucao nao trivial para o novo conjunto acrescentando escalares nulos `a solucao nao
trivial para o conjunto original.
Observe que na primeira parte do Exemplo 4, outra solucao nao trivial seria x
1
= 2, x
2
= 2, x
3
= 2; na
verdade qualquer solucao na forma x
1
= , x
2
= , x
3
= para algum escalar serviria. Quando existe
uma solucao nao trivial (x
1
, ..., x
k
), sempre existem innitas solucoes.
Exemplo 5. Os vetores i, j, k sao linearmente independentes. Mais geralmente, os vetores de R
n
E
1
=
(1, 0, ..., 0), E
2
= (0, 1, 0, ..., 0), ..., E
n
= (0, ..., 0, 1) sao linearmente independentes. De fato, x
1
E
1
+... +
x
n
E
n
= 0 implica (x
1
, ..., x
n
) = 0, isto e, x
1
= ... = x
n
= 0.
Exemplo 6. Um conjunto S = {V
1
} formado por um unico vetor nao-nulo e sempre L. I., pois neste caso
x
1
V
1
= 0 implica necessariamente que x
1
= 0. Por outro lado, qualquer conjunto S que contenha o
vetor nulo e L. D., pois x
1
0 + 0V
2
+ ... + 0V
k
= 0 para qualquer valor de x
1
.
Exemplo 7. Um conjunto S = {V
1
, V
2
} formado por dois vetores e L. D. se somente se um e m ultiplo
escalar do outro.
Prova: De fato, se V
1
= V
2
, por exemplo, entao
V
1
V
2
= 0,
ou seja, x
1
= 1, x
2
= e uma solucao nao-trivial para x
1
V
1
+ x
2
V
2
= 0.
Reciprocamente, se existir uma solucao nao-trivial {x
1
, x
2
} para x
1
V
1
+ x
2
V
2
= 0, entao pelo menos
ou x
1
= 0 ou x
2
= 0 (e e claro que podemos ter ambos os escalares diferentes de zero); no primeiro
caso podemos escrever
V
1
=
x
2
x
1
V
2
,
enquanto que no segundo caso podemos escrever
V
2
=
x
1
x
2
V
1
.
Assim, dois vetores nao-nulos sao linearmente dependentes, se e somente se eles sao colineares, isto e,
sao paralelos.
Exemplo 8. Generalizando, um conjunto S = {V
1
, V
2
, V
3
} formado por tres vetores e L. D. se somente se um
e combinacao linear dos outros dois. De fato, se x
1
V
1
+x
2
V
2
+x
3
V
3
= 0 possui uma solucao {x
1
, x
2
, x
3
}
nao identicamente nula, entao pelo menos algum destes escalares e diferente de zero, digamos x
1
= 0.
Entao podemos escrever
V
1
=
x
2
x
1
V
2

x
3
x
1
V
3
.
Logo, tres vetores nao-nulos sao linearmente dependentes se e somente se eles forem colineares (se todos
os tres forem paralelos) ou se eles forem coplanares, isto e, se eles forem paralelos a um mesmo plano.
3
De modo geral, um conjunto S = {V
1
, ..., V
k
} de vetores e L. D. se e somente se um destes vetores pode
ser escrito como combinacao linear dos outros, pois se x
1
V
1
+... +x
k
V
k
= 0 possui uma solucao {x
1
, ..., x
k
}
nao identicamente nula, entao pelo menos algum destes escalares e diferente de zero, digamos x
i
= 0. Entao
podemos escrever
V
i
=
x
1
x
i
V
1
...
x
i1
x
i
V
i1
...
x
i+1
x
i
V
i+1
...
x
k
x
i
V
k
.
Reciprocamente, se V
i
=
1
V
1
...
i1
V
i1
...
i+1
V
i+1
...
k
V
k
, podemos escrever

1
V
1
+ ... +
i1
V
i1
1V
i
+
i+1
V
i+1
+ ... +
k
V
k
= 0
e {
1
, ...,
i1
, 1,
i+1
, ...,
k
} evidentemente nao e a solucao trivial. Este resultado explica o nome vetores
linearmente dependentes.
Subespacos Vetoriais de R
n
Denicao. Um subconjunto nao vazio W R
n
e um subespaco vetorial de R
n
se satisfaz as duas
condicoes seguintes:
(i) Se v, w W, entao v + w W tambem.
(ii)Se v W e e um escalar, entao v W tambem.
Em outras palavras, um subespaco vetorial de R
n
e um conjunto fechado em relacao `as opera coes de
soma de vetores e multiplicacao por escalar, isto e, fazendo qualquer uma destas operacoes com elementos do
conjunto nao samos dele. Note que um subespaco vetorial sempre contem o vetor nulo 0, pois por denicao
um subespaco e nao vazio, logo deve conter algum vetor v; mas da, de acordo com (ii), o vetor 0v tambem
deve pertencer ao subespaco.
Note tambem que se um subespaco contem o vetor v, entao ele contem o conjunto {v : R}, que e
exatamente a reta que passa pela origem com direcao v. [Uma reta que nao passa pela origem nao pode ser
nunca um subespaco vetorial de R
n
, pois nao contem o vetor nulo, entre outros motivos.] Mais geralmente, se
v, w W, entao W contem todas as combinacoes lineares de v e w; ainda mais geralmente, se v
1
, ..., v
k
W,
entao W contem todas as combinacoes lineares de v
1
, ..., v
k
.
Exemplo 8. A esfera S
2
nao e um subespaco vetorial de R
3
, pois se v S
2
, v / S
2
se = 1.
Exemplo 9. O subconjunto formado por duas retas que se encontram na origem nao e um subespaco vetorial
de R
n
, pois embora a propriedade (ii) seja satisfeita, a propriedade (i) nao e satisfeita se v esta em
uma reta e w na outra.
Exemplo 10. O conjunto W = {(x, y, 0) : x, y R} e um subespaco de R
3
. Com efeito, se v, w W entao
v e w se escrevem na forma v = (x
1
, y
1
, 0), w = (x
2
, y
2
, 0). Portanto, v + w = (x
1
+ x
2
, y
1
+ y
2
, 0)
e v = (x
1
, y
1
, 0), que sao vetores de W, por denicao de W. Note que W e exatamente o plano
z = 0, um plano que contem a origem. Na verdade, todas as retas que passam pela origem e todos os
planos que passam pela origem sao exemplos de subespacos de R
3
.
De fato, um plano que passa pela origem e denido por
W = {(x, y, z) : ax + by + cz = 0},
onde a, b, c sao n umeros reais especcos. Se v = (x
1
, y
1
, z
1
), w = (x
2
, y
2
, z
2
) W entao ax
1
+by
1
+cz
1
=
0 e ax
2
+ by
2
+ cz
2
= 0, donde
a(x
1
+ x
2
) + b(y
1
+ y
2
) + c(z
1
+ z
2
) = 0
e
a(x
1
) + b(y
1
) + c(z
1
) = 0,
isto e, v + w W e v W.
4
Exemplo 11. Por outro lado, planos que nao passam pela origem nao sao subespacos vetoriais de R
n
. De
fato, tais planos sao denidos por
S = {(x, y, z) : ax + by + cz + d = 0},
onde a, b, c, d sao n umeros reais especcos e d = 0. Claramente, se v = (x
1
, y
1
, z
1
), w = (x
2
, y
2
, z
2
) S
temos que v + w / S, pois ax
1
+ by
1
+ cz
1
+ d = 0 e ax
2
+ by
2
+ cz
2
+ d = 0, donde
a(x
1
+ x
2
) + b(y
1
+ y
2
) + c(z
1
+ z
2
) + 2d = 0,
isto e, as coordenadas de v + w nao satisfazem a equacao do plano S, logo este ponto nao esta neste
plano.
O exemplo anterior pode ser generalizado para R
n
da seguinte forma:
Proposicao. O conjunto solucao de um sistema linear homogeneo AX = 0 em n variaveis e um subespaco
vetorial de R
n
.
O conjunto solu cao de um sistema linear nao homogeneo AX = B, B = 0 nao e um subespaco vetorial
de R
n
.
Exemplo 0a. Dentro do espaco vetorial das funcoes reais, o subconjunto das funcoes contnuas e um sube-
spaco vetorial. Dentro do espaco vetorial das funcoes contnuas, o subconjunto das funcoes difer-
enciaveis e um subespaco vetorial. Dentro do espaco vetorial das funcoes diferenciaveis, o subconjunto
das funcoes duas vezes diferenciaveis (funcoes que possuem uma derivada segunda em todo ponto) e
um subespaco vetorial. Outro subespaco vetorial importante e o subespaco das funcoes polinomiais,
isto e, funcoes da forma
f(x) = a
n
x
n
+ a
n1
x
n1
+ ... + a
1
x + a
0
, para algum n N.
Dentro deste espaco, o conjunto das funcoes polinomiais de grau menor ou igual a n, para cada n
xado, e um subespaco vetorial.
3. Vetores Geradores
Denicao. Dizemos que um conjunto S = {V
1
, ..., V
k
} de vetores de um subespaco W gera W se todo vetor
de W e uma combinacao linear dos vetores de S.
Quando isso ocorre, dizemos que W e o subespaco gerado por V
1
, ..., V
k
.
Exemplo 12. O subespaco
W = {(a, b, a + b) : a, b R}
e gerado pelos vetores V
1
= (1, 0, 1) e V
2
= (0, 1, 1), pois todo vetor de W e dado por
(a, b, a + b) = a(1, 0, 1) + b(0, 1, 1).
Exemplo 13. Sabemos que os vetores i, j, k geram o espaco R
3
. Os vetores V
1
= (1, 1, 0), V
2
= (0, 1, 1), V
3
=
(1, 0, 1) e V
4
= (1, 1, 2) tambem geram R
3
. De fato,
x
1
V
1
+ x
2
V
2
+ x
3
V
3
+ x
4
V
4
= (a, b, c)
e equivalente ao sistema linear
_
_
_
x
1
+ x
3
+ x
4
= a
x
1
+ x
2
+ x
4
= b
x
2
+ x
3
+ 2x
4
= c
5
cuja matriz aumentada e
_
_
1 0 1 1 a
1 1 0 1 b
0 1 1 2 c
_
_
que por sua vez tem forma escalonada reduzida
_

_
1 0 0 0
a + b c
2
0 1 0 1
a + b + c
2
0 0 1 1
a b + c
2
_

_
,
ou seja, existe uma solucao (x
1
, x
2
, x
3
, x
4
). Note que na verdade existem innitas solucoes, diferente
de
x
1
i + x
2
j + x
3
k = (a, b, c)
que possui uma solucao unica. Note que na verdade os vetores V
1
, V
2
e V
3
por si so ja sao sucientes
para gerar R
3
. Neste caso tambem o sistema equivalente possui solucao unica. Isso sugere que em R
3
tomar mais que tres vetores para gerar o espaco e um desperdcio.
Exemplo 14. Por outro lado, os vetores V
1
= (1, 1, 2), V
2
= (0, 1, 1) e V
3
= (1, 0, 1) nao geram R
3
. De fato
o sistema equivalente a
x
1
V
1
+ x
2
V
2
+ x
3
V
3
= (a, b, c)
e _
_
_
x
1
+ x
3
= a
x
1
+ x
2
= b
2x
1
+ x
2
+ x
3
= c
que tem como matriz aumentada
_
_
1 0 1 a
1 1 0 b
2 1 1 c
_
_
cuja forma escalonada reduzida e
1 0 1 a
0 1 1 b a
0 0 0 c a b
,
logo o sistema so possui solu cao se c a b = 0, o que implica que vetores (a, b, c) de R
3
tais que
c a b = 0 nao podem ser escritos como combinacao linear de V
1
, V
2
e V
3
.
Exemplo 0b. O conjunto innito S = {1, x, x
2
, x
3
, ...} gera o subespaco P das funcoes polinomiais. Nao e
possvel encontrar um subconjunto nito de funcoes polinomiais capaz de gerar todo o subespaco das
funcoes polinomiais, pois qualquer combinacao linear de funcoes polinomiais de um subconjunto nito
vai ter grau no maximo igual ao maior grau entre todas as funcoes polinomiais neste conjunto, enquanto
que o subespaco das funcoes polinomiais sempre possui funcoes polinomiais com grau arbitrariamente
grande. Ja o subespaco de funcoes polinomiais de grau menor ou igual a n possui um conjunto nito
de geradores, por exemplo {1, x, x
2
, ..., x
n
}.
Exemplo 15. (Geradores de um Subespaco denido por um Sistema Linear Homogeneo) Ja vimos que o
conjunto solucao de um sistema linear homogeneo AX = 0 e um subespaco vetorial. Vamos encontrar
um conjunto de geradores para este subespaco. Por exemplo, considere o sistema homogeneo
_
_
_
x
1
2x
2
+ 3x
3
4x
4
= 0
3x
1
+ 6x
2
+ 9x
3
6x
4
= 0
2x
1
+ 4x
2
6x
3
+ 8x
4
= 0
6
representado pela matriz aumentada
_
_
1 2 3 4 0
3 6 9 6 0
2 4 6 8 0
_
_
.
Ele tem como matriz escalonada reduzida
_
_
1 2 0 1 0
0 0 1 1 0
0 0 0 0 0
_
_
,
de modo que sua solu cao geral e da forma
_

_
x
1
x
2
x
3
x
4
_

_
=
_

_
2 +

_
=
_

_
2

0
0
_

_
+
_

_
=
_

_
2
1
0
0
_

_
+
_

_
1
0
1
1
_

_
,
logo (2, 1, 0, 0) e (1, 0, 1, 1) sao geradores para este subespaco de R
4
.
4. Bases e Dimensao
Dado um conjunto de geradores S = {V
1
, ..., V
k
} para um subespaco vetorial W, alguns deste geradores
podem ser redundantes. De fato, se o conjunto S for linearmente dependente, ja vimos que um dos vetores
pode ser escrito como combinacao linear dos outros. Este vetor e portanto desnecessario para gerar W: os
outros vetores de S ja sao sucientes. Podemos entao retirar este vetor do conjunto e o conjunto resultante
S
1
ainda sera um conjunto de geradores para W. Se o conjunto resultante S
1
tambem for linearmente
dependente, podemos repetir este processo. Fazendo isso tantas vezes quanto necessario obteremos no nal
um conjunto de geradores para W que e linearmente independente.
Denicao. Dizemos que um subconjunto B = {V
1
, ..., V
k
} e uma base para o subespaco W se
(i) B gera W, e
(ii) B e L.I.
Exemplo 16. Os vetores i, j, k formam uma base para R
3
. Os vetores E
1
, ..., E
n
formam uma base para
R
n
.
Exemplo 17. Os vetores (2, 1, 0, 0) e (1, 0, 1, 1), geradores do subespaco de R
4
considerado no Exemplo 15
sao L. I., logo eles formam uma base para este subespaco.
Uma base para um subespaco contem o n umero mnimo de vetores necessarios para gerar este subespaco.
Este n umero mnimo e uma propriedade intrnseca do subespaco: como provamos a seguir, duas bases para
um subespaco sempre contem o mesmo n umero de elementos.
Teorema 1. Se {V
1
, ..., V
k
} e {W
1
, ..., W
l
} sao duas bases de um subespaco W, entao k = l.
Prova: Para provar este resultado, basta provar o seguinte:
Lema. Se {U
1
, ..., U
m
} e uma base de um subespaco W, entao qualquer subconjunto de W com mais de m
vetores e linearmente dependente.
7
Prova: Seja {Z
1
, ..., Z
p
} um subconjunto de W com p > m. Mostraremos que {Z
1
, ..., Z
p
} e L. D., isto e,
que o sistema
x
1
Z
1
+ ... + x
p
Z
p
= 0 (1)
possui uma solu cao nao trivial.
Como {U
1
, ..., U
m
} e uma base para W, cada vetor Z
j
pode ser escrito como combinacao linear dos
vetores U
1
, ..., U
m
. Podemos entao escrever, para cada j,
Z
j
= a
1j
U
1
+ ... + a
mj
U
m
para alguns escalares a
1j
, ..., a
mj
.
Substituindo estas expressoes para Z
j
na equacao (1), obtemos
(a
11
x
1
+ ... + a
1p
x
p
)U
1
+ ... + (a
m1
x
1
+ ... + a
mp
x
p
)U
m
= 0.
Mas como {U
1
, ..., U
m
} e uma base para W, os vetores U
1
, ..., U
m
sao linearmente independentes, portanto
a
11
x
1
+ ... + a
1p
x
p
= 0,
.
.
.
.
.
.
.
.
.
a
m1
x
1
+ ... + a
mp
x
p
= 0.
Ou seja, obtemos um sistema homogeneo de m equacoes a p incognitas. Como o n umero de incognitas e
maior que o n umero de equacoes, o sistema possui solucao nao trivial.
Voltando `a demonstracao do Teorema, suponha por contradicao que l > k. Entao {W
1
, ..., W
l
} e um
conjunto com mais de k vetores, e pelo lema {W
1
, ..., W
l
} e L.D., contrariando a hipotese de que {W
1
, ..., W
l
}
e uma base de W. Analogamente obtemos uma contradicao se supormos que k > l.
Denicao. A dimensao de um subespaco W e o n umero de vetores de qualquer uma de suas bases,
denotada dimW.
Denimos tambem dim{0} = 0. Segue do Exemplo 16 que dimR
n
= n.
Exemplo 18. Uma reta que passa pela origem tem dimensao 1, pois ela e gerada pelo seu vetor direcao
e ja vimos que um conjunto que contem um unico vetor nao nulo e L. I. Um plano que passa pela
origem tem dimensao 2. De fato, se ax + by + cz = 0 e uma equacao geral para um tal plano, fazendo
x = t, y = s obtemos z =
1
c
(at + bs), ou seja, uma equacao parametrica para este plano e
_

_
x = t
y = s
z =
a
c
t
b
c
s
donde (1, 0,
a
c
) e (0, 1,
b
c
) sao vetores geradores para este plano. Como estes vetores sao L. I., eles
formam uma base para este subespaco.
Exemplo 0c. Como nao podemos encontrar um subconjunto nito de geradores para o subespaco vetorial
P das funcoes polinomiais, decorre que sua dimensao e innita. Para sermos mais precisos, o conjunto
innito S = {1, x, x
2
, x
3
, ...}, alem de gerar P, e tambem L. I., logo e uma base para P. Da conclumos
que dimP =
0
.

E possvel provar que para o espaco vetorial F das funcoes reais (ou mesmo o das
funcoes contnuas, ou o das funcoes diferenciaveis) temos dim F >
0
.
Teorema 2. Seja W um subespaco de dimensao m. Se {V
1
, ..., V
m
} e L.I., entao {V
1
, ..., V
m
} e uma base
para W.
8
Prova: Basta provar que {V
1
, ..., V
m
} gera W. Dado V W, precisamos provar que V e uma combinacao
linear de V
1
, ..., V
m
. E, de fato, como dimW = m, o conjunto {V
1
, ..., V
m
, V } e L.D., pelo lema anterior.
Logo
x
1
V
1
+ ... + x
m
V
m
+ x
m+1
V = 0
possui uma solu cao nao trivial (x
1
, ..., x
m
, x
m+1
). Por outro lado, nao podemos ter x
m+1
= 0, pois isso
implicaria que (x
1
, ..., x
m
) e uma solucao nao trivial para x
1
V
1
+... +x
m
V
m
= 0, contrariando o fato de que
estes vetores sao L. I. Conclumos, pois, que x
m+1
= 0 e portanto podemos dividir por x
m+1
, obtendo
V =
x
1
x
m+1
V
1
...
x
m
x
m+1
V
m
,
como queramos.
Exemplo 19. Os vetores (1, 0, 1), (2, 1, 3) e (0, 1, 2) sao L. I., porque
det
_
_
1 0 1
2 1 3
0 1 2
_
_
= 3 = 0,
logo eles formam uma base para R
3
.
Produto Escalar em R
n
Denicao. O produto escalar de dois vetores V = (v
1
, ..., v
n
), W = (w
1
, ..., w
n
) de R
n
e denido por
V W = v
1
w
1
+ ... + v
n
w
n
.
A norma de um vetor V = (v
1
, ..., v
n
) de R
n
e denida por
V =

V V =
_
v
2
1
+ ... + v
2
n
.
Assim, dizemos que V e um vetor unitario de R
n
se V = 1.
Proposicao. (Propriedades do Produto Escalar) Se U, V, W sao vetores de R
n
, e e um escalar, entao
1. V W = W V
2. U (V + W) = U V + U W
3. (V W) = (V ) W = V (W)
4. V V = V
2
0 e V = 0 se e somente se V = 0.
5. Desigualdade de Cauchy-Shwartz:
|V W| V W
6. Desigualdade Triangular:
V + W V +W
Prova: Para provar (4), note que xV + W
2
0 para qualquer n umero real x. Como
xV + W
2
= (xV + W) (xV + W) = x
2
V
2
+ 2(V W)x +W
2
,
segue que temos um polinomio do segundo grau em x que satisfaz
V
2
x
2
+ 2(V W)x +W
2
0,
9
isto e, a parabola com concavidade para cima que ele representa (pois o coeciente de x
2
e V
2
0) nunca
assume valores negativos, logo seu discriminante nao pode ser positivo (se fosse, teramos duas razes reais
distintas e portanto o vertice da parabola teria valor negativo):
4|V W|
2
4 V
2
W
2
0
donde segue o resultado desejado.
Para provar (5), use (4) e escreva
V + W
2
= (V + W) (V + W) = V
2
+ 2(V W) +W
2
V
2
+ 2|V W| +W
2
V
2
+ 2 V W +W
2
= (V +W)
2
.
Tomando a raiz quadrada de ambos os lados, segue o resultado.
Denicao. O angulo entre dois vetores nao nulos V, W de R
n
e denido como o valor de entre 0 e 180

tal que
cos =
V W
V W
.
Observacao: Esta denicao faz sentido porque pela desigualdade de Cauchy-Schwartz temos que
1
V W
V W
1.
5. Bases Ortonormais
O proximo resultado prova o fato intuitivamente sugerido que vetores mutuamente ortogonais em R
n
denem
direcoes independentes em R
n
.
Proposicao. Sejam V
1
, ..., V
k
vetores nao nulos de R
n
ortogonais dois a dois, isto e, V
i
V
j
= 0 para i = j.
Entao V
1
, ..., V
k
sao L. I.
Prova: Temos que provar que se
x
1
V
1
+ ... + x
k
V
k
= 0,
entao x
1
= ... = x
k
= 0. Fazendo o produto escalar de ambos os lados desta equacao com V
i
, para cada i,
obtemos (usando o fato de que V
i
V
j
= 0 se i = j)
x
i
V
i

2
= 0.
Como por hipotese os vetores sao nao nulos, isso necessariamente implica x
i
= 0.
Denicao. Dado um subespaco vetorial W de R
n
, dizemos que {V
1
, ..., V
k
} e uma base ortogonal para
W se este conjunto de vetores for uma base para W e eles forem ortogonais dois a dois. Se alem disso
eles forem unitarios, dizemos que {V
1
, ..., V
k
} e uma base ortonormal para W.
Exemplo 21. {i, j, k} e uma base ortonormal para R
3
. Mais geralmente, os vetores E
1
, ..., E
n
denidos
anteriormente, formam uma base ortonormal para R
n
.
Podemos encontrar uma base ortonormal para qualquer subespaco vetorial de R
n
atraves de um algoritmo
chamado processo de ortogonalizacao de Gram-Schmidt. Ele e baseado no seguinte resultado:
10
Lema. Seja W um vetor nao nulo de R
n
. Entao, para qualquer vetor V de R
n
, o vetor
V proj
W
V
e ortogonal a W.
Em geral, sejam W
1
, ..., W
k
vetores nao nulos de R
n
, ortogonais dois a dois. Entao, para qualquer
vetor V de R
n
, o vetor
V proj
W1
V ... proj
W
k
V
e ortogonal a cada um dos vetores W
i
.
Prova: Temos
(V proj
W
V ) W =
_
V
V W
W
2
W
_
W = V W
V W
W
2
W W = 0.
Analogamente, temos
(V proj
W1
V ... proj
W
k
V ) W =
_
V
V W
1
W
1

2
W
1
...
V W
n
W
n

2
W
n
_
W
i
= V W
i

V W
i
W
i

2
W
i
W
i
= 0.
Processo de Ortogonalizacao de Gram-Schmidt. Se {V
1
, ..., V
k
} e uma base qualquer de um subespaco
W de R
n
, podemos a partir desta base construir uma base para W que tambem e ortonormal. Primeiro
construmos uma base ortogonal usando o lema anterior, tomando
W
1
= V
1
W
2
= V
2
proj
W1
V
2
W
3
= V
3
proj
W1
V
3
proj
W2
V
3
.
.
.
W
k
= V
k
proj
W1
V
k
... proj
W
k1
V
k
.
De fato, usando o lema, vemos que W
2
e ortogonal a W
1
; alem disso, W
2
e tambem nao nulo (W
1
claramente
e nao nulo, pois W
1
= V
1
) porque se tivessemos V
2
= proj
W1
V
2
, entao em particular V
2
seria um m ultiplo
escalar de W
1
= V
1
, violando a hipotese de que {V
1
, V
2
} sao L. I. Note que W
2
e uma combinacao linear de
V
1
, V
2
.
Em seguida, vemos que segue do lema que W
3
e ortogonal a W
1
, W
2
. Igualmente nao podemos ter W
3
= 0,
pois V
3
= proj
W1
V
3
+ proj
W2
V
3
implicaria que V
3
e uma combinacao linear de V
1
, V
2
(pois proj
W1
V
3
e um
m ultiplo escalar de W
1
= V
1
e proj
W2
V
3
e um m ultiplo escalar de W
2
que, como vimos acima, e uma
combinacao linear de V
1
, V
2
. Mas, por hipotese, {V
1
, V
2
, V
3
} sao L. I. Note que W
3
e uma combinacao linear
de V
1
, V
2
, V
3
.
E assim por diante, ate o vetor W
k
, que pelo lema e ortogonal a W
1
, ..., W
k
e e nao nulo porque V
k
=
proj
W1
V
k
+ ... + proj
W
k1
V
k
implicaria que V
k
e uma combinacao linear de V
1
, ..., V
k1
, contradizendo a
hipotese de que {V
1
, ..., V
k
} e L. I.
A partir da base ortogonal {W
1
, ..., W
k
} e facil obter uma base ortonormal {U
1
, ..., U
k
}. Basta tomar
U
1
=
W
1
W
1

, .., U
k
=
W
k
W
k

11
Exemplo 21. Aplique o processo de ortogonalizacao de Gram-Schmidt `a base {(1, 1, 0), (1, 0, 1), (0, 1, 1)}
de R
3
para encontrar uma base ortonormal para R
3
cujo primeiro vetor seja um m ultiplo escalar de
(1, 1, 0).
Resposta: Faca
W
1
= (1, 1, 0).
Em seguida, faca
W
2
= V
2
proj
W1
V
2
= (1, 0, 1)
(1, 0, 1) (1, 1, 0)
(1, 1, 0)
2
(1, 1, 0) = (1, 0, 1) (
1
2
,
1
2
, 0) = (
1
2
,
1
2
, 1),
e
W
3
= V
3
proj
W1
V
3
proj
W2
V
3
= (0, 1, 1)
(0, 1, 1) (1, 1, 0)
(1, 1, 0)
2
(1, 1, 0)
(0, 1, 1) (
1
2
,
1
2
, 1)
_
_
(
1
2
,
1
2
, 1)
_
_
2
(
1
2
,
1
2
, 1)
= (0, 1, 1) (
1
2
,
1
2
, 0) (
1
6
,
1
6
,
1
3
) =
_

2
3
,
2
3
,
2
3
_
.
Da, como W
1
=

2, W
2
=
_
3
2
, W
3
=
2

3
, segue que
U
1
=
_

2
2
,

2
2
, 0
_
, U
2
=
_

6
6
,

6
6
,

6
6
_
, U
3
=
_

3
3
,

3
3
,

3
3
_
.
12