Académique Documents
Professionnel Documents
Culture Documents
Ortogonalidade
2015.2
Resumo
1
1 Produtos internos
Os axiomas de espao vetorial no so suficientes para abordar certas noes
geomtricas como ngulo, perpendicularismo, comprimento, distncia. Para
isso, precisamos introduzir a noo de produto interno.
Observamos aqui que, dependendo do espao vetorial em que estamos tra-
balhando, precisamos tomar cuidado na definio do produto interno. Por isso,
lembramos que no conjunto dos nmeros complexos C, definimos para cada
nmero x C, com x = a + bi , a, b R o conjugado de x como sendo o nmero
x = a bi .
Definio 1. Um produto interno num espao vetorial real E uma forma bi-
linear simtrica e positiva em E , ou seja, uma funo de E E em R que associa
a cada par de vetores u, v E um escalar u, v chamado o produto interno de
u por v de modo que sejam vlidas as seguintes propriedades, para quaisquer
u, u 0 , v, v 0 E e R:
Bilinearidade
u + u 0 , v = u, v + u 0 , v,
u, v = u, v,
u, v + v 0 = u, v + u, v 0 ,
u, v = u, v.
Comutatividade u, v = v, u
2
Da positividade resulta que se u, v = 0 para todo v E , ento u = 0. Com
efeito, se u 6= 0 teramos u, v 6= 0 pelo menos quando v = u.
Segue-se desta observao que se u, u 0 E so vetores tais que u, v =
u 0 , v para todo v E ento u = u 0 , pois isto implica que u u 0 , v = 0 para
todo v E , logo u u 0 = 0 e u = u 0 .
u + v, u + v = u, u + u, v + v, u + v, v
u, v = u T v.
Desta definio segue que uma matriz hermitiana M tem todas as suas en-
tradas diagonais reais.
3
Exemplo 1.2 (Lei dos Cossenos). Considere R2 com o sistema de coordenadas
cartesianas. Dados u = (1 , 2) e v = (1 , 2 ), os nmeros
q q
kuk = 21 + 22 kvk = 21 + 22
Logo, u, v = 0.
Agora, note que se kuk = kvk = 1, ento u, v = cos . Com efeito, tomando o
vetor unitrio u perpendicular a u temos, pela definio de seno e cosseno, que
v = (cos )u + (sin )u .
(pois u 0 , v 0 so unitrios.)
4
Exemplo 1.3. Seja E = C 0 ([a, b]) o espao vetorial cujos elementos so as fun-
es contnuas g , f : [a, b] R. Um produto interno em E pode ser definido por
Z b
f ,g = f (x)g (x) d x
a
Neste caso, a norma da funo f
s
Z b
f = f (x)2 d x.
a
basta definirmos u, v = i i .
P
5
Teorema 2. Suponha que {u 1 , . . . , u n } seja uma base ortonormal de V , um espao
vetorial com produto interno de dimenso finita. Ento, para todo v V , temos
que
v = u 1 , vu 1 + . . . + u n , vu n .
Demonstrao. Seja v V . Sabemos que existem escalares x 1 , . . . , x n tais que
v = x1 u1 + . . . + xn un .
u i , v = x 1 u i , u 1 + . . . + x n u i , u n = x i ,
para todo i = 1, . . . , n.
1.2 Adjunta
Teorema 3 (Representao de Riesz, dimenso finita). Seja V um espao ve-
torial de dimenso finita com produto interno com dim(V ) = n e f L (V, K).
Ento existe nico v V tal que
f (u) = v, u, u V.
u = x1 u1 + . . . + xn un .
f (u) = x 1 f (u 1 ) + . . . + x n f (u n ).
Assim, tome
def
v = f (u 1 )u 1 + . . . + f (u n )u n .
Ento
v, u = f (u 1 )u 1 + . . . + f (u n )u n , x 1 u 1 + . . . + u n x n
= x 1 f (u 1 )u 1 + . . . + f (u n )u n , u 1 + . . . + x n f (u 1 )u 1 + . . . + f (u n )u n , u n
= x 1 f (u 1 ) + . . . + x n f (u n )
= f (u).
1
Veremos mais frente que sempre possvel obtermos tal base.
6
Agora, para mostrarmos que v nico, suponha que tenhamos v 1 e v 2 tais que
f (u) = v 1 , u = v 2 , u
0 = v 1 , u v 2 , u = v 1 v 2 , u
O teorema acima nos diz que, assim como usamos uma matriz para repre-
sentar uma transformao linear entre dois espaos vetoriais, podemos usar
uma representao para um funcional atravs do produto interno. Em particu-
lar, se f L (Cn , C), ento existe v Cn tal que
f (u) = v, u = v H u,
v (u) = v, T (u)
T ? (y + z), x = y + z, T (x)
= y, T (x) + z, T (x)
= T ? (y), x + T ? (z), x
= T ? (y) + T ? (z), x.
7
Por uma das propriedades do produto interno, concluimos que
T ? (y + z) = T ? (y) + T ? (z)
Av, w = (Av)T w = v T (A T w) = v, A T w.
Exemplo. Considere o espao das matrizes reais m n, Rmn . Defina para todo
A Rmn o funcional
tr(A) = a 11 + a 22 + . . . + a nn .
O produto interno no espao das matrizes reais m n dado por
A, B = tr(B T A).
Note que com esta definio estamos interpretando o espao das matrizes como
o espao Rmn isomorfo ao espao original, de forma que cada matriz A pode ser
vista como um vetor em que se colocam as colunas de A em sequncia e se aplica
o produto interno cannico em Rmn .
8
Definio 7. Seja E um espao vetorial com produto interno. O complemento
ortogonal de um conjunto no-vazio X E o conjunto X formado pelos ve-
tores v E que so ortogonais a todos os vetores x X . Portanto,
v X v, x = 0 para todo x X .
Note que:
x, y = 0, x X , y Y .
Logo, y X Y X .
O contrrio no vale. Basta ver para isso que (Y ) 6= Y .
Alm disso, x X X x = 0, e se v ortogonal aos vetores x 1 , . . . , x m
ento v ortogonal a qualquer combinao linear deles, pois
m m
i x i = i v, x i .
X X
v,
i =1 i =1
9
Teorema 4. Seja E um espao vetorial de dimenso finita, munido de produto
interno. Para todo subespao vetorial F E tem-se a decomposio em soma
direta E = F F .
10
N (T ? ) = I m(T )
I m(T ? ) = N (T )
1 3
Exemplo 3.1. Seja A = 2 6 .
3 9
A tem posto 1, e tanto seu espao linha quanto seu espao coluna so retas.
As linhas so mltiplos de (1, 3), e o espao nulo contm (3, 1), sendo orto-
gonal a todas as linhas. O espao linha e o espao nulo so retas perpendiculares
em R2 .
Em contraste, os outros dois subespaos esto em R3 . O espao coluna a
reta que passa por (1, 2, 3), e o espao nulo esquerda o plano perpendicular
y 1 + 2y 2 + 3y 3 = 0, que representa justamente y T A = 0.
y T A = 0,
ou seja, b T y = 0.
v = u, vu + w
u, w = u, v u, vu, u = u, v u, v = 0,
11
j que u, u = 1. (ou seja, w span{u} .)(figura em construo)
Quando u no unitrio mas no-nulo, o eixo que contm u o mesmo
que contm o vetor unitrio u 0 = u/ kuk. Portanto, a projeo ortogonal de v
sobre este eixo
u, v
Pru (v) = u.
u, u
Em particular, se estivermos trabalhando no Rn , podemos definir a partir
desta operao uma matriz de projeo ortogonal de v na reta contendo u como
sendo
uu T
P= T ,
u u
uu T uT v
de forma que P v = v = u. Esta matriz obviamente uma matriz qua-
uT u uT u
drada de posto 1. Analogamente, se estivermos trabalhando no Cn , a matriz de
projeo ortogonal de v na reta contendo u ser
uu H
P= H ,
u u
uu H uH v
de forma que P v = v = u.
uH u uH u
Exemplo 4.1. A matriz que projeta na reta que passa por a = (1, 1, 1)
1
1 /3 1
/3 1
/3
aa T 1
P= T = 1 (1 1 1) = 1/3 1
/3 1
/3 .
a a 3
1 1
/3 1
/3 1
/3
aa T aT v
P v = 0 T v = 0 T a = 0 a T v = 0.
a a a a
Teorema 7. Sejam x, y E ortonormais. Ento a projeo de b E no espao
gerado por x e y igual soma das projees de b no espao gerado por x e por
y.
12
Demonstrao. Queremos mostrar que
Prspan{x,y} = Prx + Pr y .
Se kxk = y = 1, ento
P (u + v) = Prx (u + v) + Pr y (u + v)
= x, u + vx + y, u + vy
= x, u + x, v + y, u + y, v
= Prx (u) + Pr y (u) + Prx (v) + Pr y (v)
= P (u) + P (v).
13
(iii) O ncleo de P formado por todos os vetores v E v que satisfazem
P (v) = 0. Assim, v N (P ) se e somente se
Prx (v) = Pr y (v).
No entanto, como x e y so ortogonais, isso s ocorre se v = 0; caso con-
trrio poderamos escrever um vetor de span{x} como mltiplo de um
vetor em span{y}.
Desta forma, P a projeo ortogonal sobre span{x, y}.
O resultado acima pode ser estendido para um conjunto com qualquer n-
mero finito de vetores. Assim, podemos descrever a projeo ortogonal no es-
pao gerado por um conjunto de vetores ortonormais facilmente. Precisamos
ento encontrar uma maneira de construir bases ortonormais para qualquer
espao vetorial.
= 0.
14
Para o terceiro vetor, vamos mais uma vez eliminar a componente de u 3 que
esteja no plano definido por q 1 e q 2 :
u 3 Prq1 (u 3 ) Prq2 (u 3 )
q3 = .
u 3 Prq (u 3 ) Prq (u 3 )
1 2
4.2 A fatorao QR
Suponha que A uma matriz m n, com m n. Se A tiver posto completo, en-
to isso significa que todas as suas colunas so l.i. Ento, atravs do processo
de Gram-Schmidt, podemos transformar o conjunto das colunas de A em um
conjunto ortonormal. Suponha que o conjunto ortonormal assim obtido seja
armazenado nas colunas de uma matriz Q. Qual a relao entre estas matri-
zes?
Se A m n, com m > n, ento Q deve ser uma matriz de mesma dimenso,
pois no mudamos o espao gerado nem a dimenso dos vetores ao aplicarmos
Gram-Schmidt. A ideia ento escrever os vetores coluna de A (que chamare-
mos de a i ) como combinaes dos vetores coluna de Q (que chamaremos de
q i ). No exemplo anterior, vimos que q 1 era simplesmente a 1 normalizado, en-
quanto que
q 20 = a 2 Prq1 (a 2 )
q 20
Ainda, como q 2 = , e pela definio de projeo, temos
kq20 k
a 2 = q 2 q 20 + q 1 , a 2 q 1 .
15
J para a 3 , teremos:
a 3 = q 3 q 30 + q 2 , a 3 q 2 + q 1 , a 3 q 1 .
q 1T
q T | | |
2
QT Q = q1 q2 qn
..
.
| | |
T
qn
T
q 1 q 1 q 1T q 2 q 1T q n
q T q 1 q T q 2 q T q n
2 2 2
= .
. . . ..
. . .
q nT q 1 q nT q 2 q nT q n
= In .
16
Se m = n, ento isso significa que Q inversvel e que Q T = Q 1 . Se m > n
podemos dizer que Q T uma inversa esquerda de Q.
Similarmente, se C Cmn , temos que
C H C = In .
Novamente, se m = n, ento isso significa que C inversvel e que C H = C 1 , e
se m > n ento C H uma inversa esquerda de C .
Definio 8. Se T : E E uma transformao linear que satisfaz
T (T (u)) = T (T (u)) = u, u E ,
ento T 1 = T e dizemos que T unitria.
A matriz da transformao unitria tambm dita matriz unitria; no caso
real, dizemos que a matriz ortogonal.
Exemplo 5.1.
cos sin cos sin
T 1
Q= .Q = Q = .
sin cos sin cos
17
Demonstrao. Pela definio,
kT (u)k2 = T (u), T (u)
= u, T (T (u))
= u, u = kuk2 .
Ainda:
T (u), T (v) = u, T (T (u)) = u, u.
6 Desigualdade de Cauchy-Schwarz.
Se z = Pru (v), temos que v = z +w, com w z. Pelo Teorema de Pitgoras, tere-
mos que kvk2 = kzk2 + kwk2 . Em particular, kzk kvk, ou seja, o comprimento
da projeo menor ou igual ao comprimento de v.
Por outro lado, sabemos que
|u, v|
kPru (v)k = .
kuk
Segue-se ento que para quaisquer u, v E temos a Desigualdade de Schwarz:
|u, v| kuk kvk .
O argumento acima s serve para u 6= 0, mas no caso em que u = 0 esta prova
bvia e a desigualdade de Schwarz tambm vlida.
Um importante caso especial que |u, v| = kuk kvk somente quando u, v
forem mltiplos um do outro (ou seja, colineares). Pode-se ver isto pois, no
Teorema de Pitgoras, kvk2 = kzk2 +kwk2 , ento se kvk = kzk implica que w = 0,
ou seja, v mltiplo de u.
Da desigualdade de Schwarz, podemos ento provar a desigualdade trian-
gular. Para isto, basta mostrarmos que ku + vk2 (kuk + kvk)2 . Mas
ku + vk2 = u + v, u + v
= kuk2 + kvk2 + 2u, v
kuk2 + kvk2 + 2 kuk kvk
= (kuk + kvk)2 .
18
Logo, a desigualdade triangular vlida tambm em qualquer espao vetorial
com produto interno.
dE2
= 2[2(2x b 1 ) + 3(3x b 2 ) + 4(4x b 3 )] = 0
dx
ou seja, a soluo em mnimos quadrados para o sistema ax = b
2b 1 + 3b 2 + 4b 3 a T b
x= = T .
22 + 32 + 42 a a
19
No caso geral, em que a Rm , o resultado o mesmo. Vamos resolver o sistema
de m equaes ax = b atravs da minimizao do erro quadrtico definido por
(a 1 x b 1 )a 1 + . . . (a m x b m )a m = 0
aT b
x = .
aT a
T
= a T b aa T ba a T a = 0. Isto significa que o erro b a x orto-
Note que a T (b a x)
gonal ao espao gerado por a.
E 2 = kb A xk
2
p = A x I m(A)
A T (b A x)
= 0 A T b = A T A x.
Isso pode ser facilmente verificado se derivarmos E 2 (x) = (Ax b)T (Ax b), ou
seja, E 2 (x)
se e somente se
A T A x = A T b. (1)
20
Note ento que A T A quadrada e simtrica. Chamamos as equaes definidas
por (1) de equaes normais. Se A T A for inversvel, ento
x = (A T A)1 A T b.
A projeo de b na imagem de A
p = A x = A(A T A)1 A T b.
Observaes:
p = A(A T A)1 A T Ax = Ax = b.
p = A(A T A)1 A T b = A A 1 (A T )1 A T b = b.
A T A = (QR)T (QR) = R T Q T QR = R T R.
A T Ax = A T b R T R x = R T Q T b
R x = Q T b.
21
7.2 O produto A T A e as matrizes de projeo
A matriz A T A simtrica: (A T A)T = A T (A T )T = A T A.
Alm disso, temos o seguinte:
P = A(A T A)1 A T .
Exemplo. Sejam
1 2 4
A= 1 3 e b = 5
0 0 6
O sistema Ax = b no tem soluo. Vamos encontrar a soluo de A T A x = A T b.
22
T 2 5 T 9
A A= ;A b =
5 13 23
Soluo: x = (2, 1).
Se calcularmos a projeo de b na imagem de A, temos p = A x = (4, 5, 0), o
que faz sentido j que a imagem de A o plano em R3 . Note ainda que o erro
e = b Ax = (0, 0, 6) ortogonal imagem de A.
A T A x = A T b R T Q T QR x = R T Q T b x = (R T R)1 R T Q T b = R 1Q T b.
C + D t1 = b1
C + D t2 = b2
..
.
C + D tm = bm
23
o que equivalente ao sistema
1 t1 b1
1 t2 C b2
.. D = .. ou Ax = b.
..
. . .
1 tm bm
v w v T w = v 1 w 1 + . . . + v n w n + . . . = 0.
24
7.4.2 Espao de funes
e a norma
2
Z b
f = f (x)2 d x.
a
Por exemplo, se f (x) = sin x no intervalo [0, 2], ento
Z 2
2
ksin xk = sin2 x d x = .
0
O espao E contm todas as funes cuja norma finita, exceto por exemplo
f (x) = x1 , j que a integral de x12 infinita. Perceba que o valor da norma de-
pende da escolha do intervalo de definio da funo; se tivssemos escolhido
calcular a norma de sin x no intervalo [0, ], teramos
Z
2
ksin xk = sin2 x d x = .
0 2
Definimos igualmente a ortogonalidade entre duas funes f e g do espao
quando f , g = 0, e ainda obtemos a desigualdade de Schwarz. Note que as
funes podem inclusive ser normalizadas, se dividirmos pela sua norma. Alm
disso, observe que o seno e o cosseno so ortogonais neste espao entre [0, 2]:
Z 2
sin x, cos x = sin x cos x d x
0
1 2
Z
= sin 2x d x
2 0
1 2
Z
= sin u d u
4 0
1
= (cos 2 cos 0)
4
= 0.
25
Mostra-se que
Assim como fizemos antes para vetores em dimenso finita, se quisermos es-
crever f numa base definida pelos senos e cossenos acima, para descobrirmos
cada coeficiente a i ou b i basta tomarmos o produto interno nos dois lados da
igualdade pela funo correspondente a este coeficiente. Por exemplo, para
calcularmos b 1 basta multiplicarmos por sin x em ambos os lados, obtendo
Z 2 Z 2 Z 2 Z 2
f (x) sin x d x = a 0 sin x d x + a 1 cos x sin x d x + b 2 sin2 x d x + . . .
0 0 0 0
Do lado direito, todas as integrais so nulas exceto aquela em que o seno mul-
tiplicado por ele mesmo,
R 2 visto que as funes so todas ortogonais umas s
outras (notando que 0 sin x sin nx d x = 0 para todo n N exceto n = 1). Por-
tanto, R 2
f (x) sin x d x f , sin x f , sin x
b 1 = 0R 2 = = .
2
sin x d x sin x, sin x
0
Assim, fcil ver que a srie de Fourier projeta f (x) no sin x. Nessa direo,
seu componente exatamente b 1 sin x. Ao mesmo tempo, o coeficiente b 1 a
soluo em mnimos quadrados da equao inconsistente b 1 sin x = f (x), o que
aproxima f (x). Assim, a srie de Fourier fornece as coordenatas do vetor f (x)
em relao ao conjunto infinito de eixos perpendiculares dos senos e cossenos.
Vamos supor agora que temos um conjunto de funes simples que gosta-
ramos de usar como base do espao de funes, mas que estas funes no
so ortogonais entre si. Por exemplo, gostaramos de escrever uma funo
qualquer definida no intervalo [0, 1] como combinao linear dos monmios
26
1, x, x 2 , . . . Se usarmos para isso o processo de quadrados mnimos, veremos
que a matriz A T A ser dada por
1, 1 1, x 1, x 2
a1
2 a 2 = f (x) A T A = x, 1 x, x x, x 2 .
1x x
a3 x 2 , 1 x 2 , x x 2 , x 2
27