UNIVERSIDADE ESTADUAL DE FEIRA DE SANTANA
Departamento de Ciˆencias Exatas Colegiado de Matem´atica
Curso de Especializac¸˜ao em Matem´atica
Trabalho de Conclus˜
ao de Curso
O TEOREMA DA PROJEC
¸ ˜
AO EM ESPAC
¸ OS DE HILBERT
Edpaula Moitinho dos Anjos
Orientador: Prof. Msc. Cristiano Mascarenhas
Feira de Santana 2014
Agradecimentos
S˜ao tantos e t˜ao especiais...
A Deus, pela prote¸c˜ao e cuidado, o que seria de mim sem a f´e que tenho nEle.
A minha m˜ae, que torceu sempre orgulhosa para que eu chegasse at´e mais esta etapa de minha vida, meu amor eterno e gratid˜ao.
Ao meu esposo Jackson Feitosa, pela for¸ca, alegria e inspira¸c˜ao. Vocˆe ´e muito especial para mim. Te amo.
Aos amigos, Veral´ucia Carvalho, Isabel Marques, Rom´elia Ara´ujo, em especial Gildeane Duarte com quem pude contar em todos os momentos durante o curso e na realiza¸c˜ao desse trabalho, pela amizade, carinho que compartilhamos durante nosso caminhar. Ao orientador Cristiano Mascarenhas, pela simpatia e presteza no aux´ılio `as atividades e discuss˜oes sobre o andamento e normatiza¸c˜ao desta monografia.
Resumo
Palavras-chave: Espa¸cos de Hilbert.
Os espa¸cos de Hilbert s˜ao espa¸cos muito especiais, visto que que tˆem um forte apelo geom´etrico, muito similar aos espa¸cos euclidianos. Neles podemos falar em distˆancias (con-vergˆencia, topologia), ˆangulo e proje¸c˜oes. Com grande aplica¸c˜ao aos problemas pr´aticos em f´ısica-matem´atica, suas propriedades permiti-nos resolver problemas importantes e atuais; desde problemas de minimiza¸c˜ao at´e aqueles da mecˆanica quˆantica, onde um forte apelo `a teoria de operadores em espa¸cos de Hilbert s˜ao usados como pe¸ca fundamental. A no¸c˜ao de base em espa¸cos de Hilbert ( um dos mais belos resultados da teoria dos espa¸cos de Hilbert) capacita-nos a termos uma vis˜ao mais profunda do conceito de base para espa¸cos de dimens˜ao infinita. Tudo o que necessitamos ´e uma boa e abrangente defini¸c˜ao de produto interno e de uma norma advinda deste produto interno.
Abstract
Palavras-chave: Hilbert Spaces.
The Hilbert spaces are a very special kind of spaces, seen that have a Strong gemetric feeling, much similar to euclidian spaces. In that we can talk in distances(convergence, topology), angle and projection like euclidians spaces. With great application to prati-cal problems in mathemathiprati-cal-physics; your properties permit us solve importants and currents problems, since minimization problems until that envolving quantum mechanics, where a strong appeal to theory of operators in Hilbert spaces are used how a funda-mental piece. The notion of a base in Hilbert spaces (one of the most beautiful result in the Hilbert spaces theory) able us a have one vision more deep of the concept of base in infinite dimensional. All what we need is one good and large definition od a inner product and one of a norm came from it.
Sum´
ario
Agradecimentos 2
Resumo 3
Abstract 4
Introdu¸c˜ao 7
1 Breve Hist´orico de David Hilbert 8
2 Espa¸cos M´etricos 10
2.1 M´etrica . . . 10 2.2 Sequˆencia de Cauchy . . . 12 2.3 Espa¸cos M´etricos Completos . . . 15
3 Espa¸cos Normados Reais 17
3.1 Espa¸cos de Banach . . . 20
4 Espa¸cos de Produto Interno 22
4.1 Produtos Internos . . . 22 4.2 Norma e Distˆancia em Espa¸cos de produto Interno . . . 23 4.3 Angulo e ortogonalidade de espa¸cos com produto interno . . . .ˆ 26 4.4 Espa¸cos Vetoriais Complexos com Produto
Interno . . . 29 4.5 Conjunto Ortogonal de vetores . . . 30 4.6 Base de um Espa¸co vetorial . . . 31
6 SUM ´ARIO
4.7 Base Ortogonal . . . 31
4.8 Base Ortonormal . . . 31
4.9 Processo de Ortogonaliza¸c˜ao de Gram-Schmidt . . . 32
4.10 Componentes de um Vetor numa Base Ortogonal . . . 34
4.11 Conjuntos Ortogonais . . . 35
4.12 Complemento Ortogonal . . . 36
4.13 Propriedades complementares de Produto Interno . . . 37
5 Espa¸cos de Hilbert 42 5.1 Sequˆencias Ortonormais versus Espa¸cos de Dimens˜ao Infinta . . . 48
Conclus˜ao 57
Introdu¸
c˜
ao
Os espa¸cos de Hilbert s˜ao um t´opico da matem´atica moderna que ocupa um papel fundamental na an´alise matem´atica. Seu estudo tem se tornado abundante no meio cient´ıfico devido `as suas interpreta¸c˜oes geom´etricas de espa¸cos de dimens˜ao infinita; al´em de aplica¸c˜oes fortes no campo da f´ısica, como a mecˆanica quˆantica.
O conceito de ortogonalidade tem um papel central na constru¸c˜ao do conceito de base de dimens˜ao infinita. ´E por raz˜oes geom´etricas e aplicadas que o estudo dos espa¸cos de Hilbert nos fascina.
Dentro do estudo dos espa¸cos de Hilbert podemos entender conceitos matem´aticos importantes como convergˆencia, sequˆencias de Cauchy, completeza, propriedades lineares dos espa¸cos, e tamb´em suas propriedades m´etricas e geom´etricas, melhor que em outros espa¸cos.
O objetivo principal deste trabalho ´e apresentar, a defini¸c˜ao de espa¸cos de hilbert e algumas de suas propriedades.
No cap´ıtulo 1, ser´a apresentado um breve hist´orico da vida e obra do matem´atico David Hilbert.
O cap´ıtulo 2 e 3, ´e dedicado ao estudo geral de espa¸cos m´etricos e espa¸cos normados. veremos as defini¸c˜oes de m´etrica, norma, sequˆencia de cauchy, espa¸cos m´etricos completos e uma no¸c˜ao de espa¸co de Banach.
No cap´ıtulo 4, estudamos as propriedades b´asicas dos espa¸cos com produto interno. O tema central deste trabalho se encontra no cap´ıtulo 5, em que consiste em definir espa¸cos de Hilbert e mostrar algumas propriedades e aplica¸c˜oes destes espa¸cos. al´em disso, ser´a demostrado alguns teorems importantes, como o teorema da menos distˆancia e o teorema da proje¸c˜ao.
Cap´ıtulo 1
Breve Hist´
orico de David Hilbert
David Hilbert matem´atico alem˜ao, principal fil´osofo de sua gera¸c˜ao e representante mais ilustre da tendˆencia axiom´atica, nasceu em Konigsberg na Prussia Oriental, (atual Kaliningrado, na R´ussia) no dia 23 de janeiro de 1862. O seu pai era Otto Hilbert, um juiz da cidade, que gozava de uma posi¸c˜ao muito respeit´avel em uma cidade pequena e sua m˜ae uma apaixonada pelas ciˆencias, tanto que se interessou por filosofia e astronomia. David Hilbert foi um dos mais not´aveis matem´aticos, e os t´opicos de suas pesquisas s˜ao fundamentais em diversos ramos da matem´atica atual. Hilbert ´e frequentemente considerado como um dos maiores matem´aticos do s´eculo XX, no mesmo n´ıvel de Henri Poincar´e. Deve-se a ele, principalmente, a lista de 23 problemas, alguns dos quais n˜ao foram resolvidos at´e hoje, apresentada em 1900 no Congresso Internacional de Matem´atica em Paris.
A partir de 1900, Hilbert teve um destaque acadˆemico , tanto que v´arias institui¸c˜oes de diversos pa´ıses convidaram-no para trabalhar.
O nome de Hilbert ´e mais, atualmente, conhecido devido aos seus famosos espa¸cos de Hilbert, os quais fora introduzido entre 1909 e 1912 durante seus trabalhos em an´alise sobre equa¸c˜oes integrais. A teoria dos espa¸cos de Hilbert foi iniciada em seu trabalho de 1912 sobre formas quadr´aticas em infinitas vari´aveis; no qual ele publicou a teoria das equa¸c˜oes integrais. Ele publicou uma s´erie de artigos sobre o assunto durante os anos de 1904 `a 1910, e formulou a teoria dos espa¸cos l2 (Sequˆencias quadrados som´aveis), em
conex˜ao com equa¸c˜oes integr´aveis. A teoria do espa¸co l2 e a teoria espectral de formas
9 quadr´aticas limitadas foram publicadas em 1906. Todos esses artigos foram publicados na forma de um livro em 1912. O livro teve uma tremenda influˆencia sobre an´alise matem´atica e suas aplica¸c˜oes.
David Hilbert viveu o fim da ciˆencia e da investiga¸c˜ao matem´atica da Universidade de Gottingen, a partir do ano de 1933, quando o nazismo assumiu o poder na Alemanha. Este regime afastou uma parte substancial de cientistas renomados da Universidade. Envolvido sensivelmente, um ano ap´os este processo que dizimou o conhecimento, Hilbert participou de um banquete sentando-se ao lado do novo ministro da educa¸c˜ao nazista, Bernhart Rust. Rust ent˜ao pergunta-lhe: ”´E mesmo verdade, professor, que o seu instituto sofreu muito com a partida dos judeus e dos seus amigos? ”Hilbert respondeu: ”Sofreu? N˜ao, Herr Minister, n˜ao sofreu. Ele simplismente deixou de existir.”
Hilbert durante sua vida, recebeu muitos pr´emios. Em 1905, a Academia de Ciˆencias da Hungria fez-lhe uma cita¸c˜ao especial. Em 1930 aposentou-se, e a cidade de Konigsberg homenageou-o ao fazer dele um cidad˜ao honor´ario.
David Hilbert teve um final pouco feliz, o seu funeral foi presenciado por menos de uma d´uzia de pessoas, das quais apenas duas eram colegas da Universidade.
Hilbert dirigiu, na altura da sua aposentadoria `a sociedade de Cientistas e M´edicos da Alemanha, no seu discurso final em 1930, as seguintes palavras: ”Wir mussen Wissen. Wir werden wissen”(”N´os precisamos saber, e n´os iremos saber.”). Anos mais tarde, John von Neumann(1903-1957) foi o primeiro a formular uma teoria axiom´atica dos espa¸cos de Hilbert, e desenvolveu a moderna teoria dos operadores sobre os espa¸cos de Hilbert. Sua not´avel contribui¸c˜ao forneceu as bases matem´aticas da mecˆanica quˆantica. O trabalho de Von Neumann forneceu uma interpreta¸c˜ao f´ısica da mecˆanica quˆantica em termos de rela¸c˜ao abstratas em um espa¸co de Hilbert de dimens˜ao infinita.
Cap´ıtulo 2
Espa¸
cos M´
etricos
2.1
M´
etrica
Defini¸c˜ao 2.1. Uma m´etrica num conjunto M ´e uma fun¸c˜ao d : M × M −→ R, que associa a cada par ordenado de elementos x, y ∈ M um n´umero real d(x, y), chamado a distˆancia de x a y, de modo que sejam satisfeitas as seguintes condi¸c˜oes para quaisquer x, y, z ∈ M :
(d1) d(x,x)=0
(d2) Se x6=y ent˜ao d(x,y)> 0
(d3) d(x,y) = d(y,x) (Simetria)
(d4) d(x,z) ≤ d(x,y)+ d(y,z) (Desigualdade triangular)
A fun¸c˜ao d acima definida ´e chamada de m´etrica ou fun¸c˜ao distˆancia em M . As propriedades (d1) a (d4) s˜ao chamadas de axiomas de uma m´etrica.
Defini¸c˜ao 2.2. Um espa¸co m´etrico ´e um par (M, d), onde M ´e um conjunto e d ´e uma m´etrica em M .
Os elementos de um espa¸co m´etrico podem ser de natureza bastante arbitr´aria: n´umeros, vetores, matrizes, fun¸c˜oes, conjunto,etc.
Daremos alguns exemplos de espa¸cos m´etricos.
Exemplo 2.3. Seja X um conjunto n˜ao- vazio e d a fun¸c˜ao definida por: d(a, b) = 0 se a = b 1 se a 6= b 10
2.1. M ´ETRICA 11 Ent˜ao, d ´e uma m´etrica em x.
Demonstra¸c˜ao: (d1): d(a, a) = 0. Logo (d1) ´e satisfeita.
(d2): Se a 6= b ent˜ao d(a, b) = 1 > 0. Logo (d2) ´e satisfeita.
(d3): d(a, b) = 1 = d(b, a). Logo (d3) ´e satisfeita.
(d4) Neste caso devemos analisar as possibilidades.
d(a, b) = 0 se a = b ou d(a, b) = 1 se a 6= b, d(a, c) = 0 se a = c ou d(a, c) = 1 se a 6= c, d(c, b) = 0 se c = b ou d(c, b) = 1 se c 6= b. Temos que:
d(a, b) ≤ 0 caso d(a, c) = 0 e d(c, b) = 0
d(a, b) ≤ 1 caso d(a, c) = 0 e d(c, b) = 1 ou d(a, c) = 1 e d(c, b) = 0 d(a, b) ≤ 2 caso d(a, c) = 1 e d(c, b) = 1
Ent˜ao d(a, b) ≤ d(a, c) + d(c, b). Logo (d3) ´e satisfeita. Portanto d ´e m´etrica.
O espa¸co m´etrico (X, d), do exemplo 2.3, que se obt´em desta maneira ´e, naturalmente, bastante trivial, por´em ´util para contra-exemplos.
Exemplo 2.4. O conjunto R dos n´umeros reais, com a m´etrica definida por d(x, y) = |x − y| para x, y ∈ R; ´e um espa¸co m´etrico. Esta m´etrica ´e chamada ”m´etrica usual”da reta.
Demonstra¸c˜ao: d1: d(x, y) = 0 ⇔ x = y.
d2: Se x 6= y ent˜ao x − y 6= 0, logo d(x, y) = |x − y| > 0.
d3: d(x, y) = |x − y| = |y − x| = d(y, x)
d4: d(x, y) = |x − y| = |x − z + z − y| ≤ |x − z| + |z − y|)=d(x, z) + d(z, y).
Exemplo 2.5. O espa¸co euclidiano Rn. Este exemplo generaliza o anterior. Os pontos de Rn s˜ao as listas x = (x
1, ..., xn), onde cada uma das n coordenadas xi ´e um n´umero
real. Existem algumas formas de se definir a distˆancia entre dois pontos em Rn. Dados
12 CAP´ITULO 2. ESPAC¸ OS M ´ETRICOS M´etrica Euclidiana: d(x, y) = p(x1− y1)2+ ... + (xn− yn)2 = [ n X i=1 (xi− yi)2] 1 2 M´etrica da Soma: d0(x, y) = |x1− y1| + ... + |xn− yn| = n X i=1 |xi− yi| M´etrica do M´aximo:
d00(x, y) = max{|x1 − y1|, ..., |xn− yn|} = max1≤i≤n|xi− yi|
As fun¸c˜oes d, d0, d00 : Rn× Rn−→ R s˜ao m´etricas. Isto ser´a provado nos exemplos 3.3, 3.4
e 3.5.
2.2
Sequˆ
encia de Cauchy
Defini¸c˜ao 2.6. Uma sequˆencia {xn}n∈N em um espa¸co m´etrico (X, d) ´e dita convergente
em X, se existir um x ∈ X tal que lim
n7−→∞d(xn, x) = 0.
Assim, x ´e chamado de limite de {xn}n∈N e escreve-se
lim
n7−→∞xn= x.
Defini¸c˜ao 2.7. Uma sequˆencia {xn} num espa¸co m´etrico M chama-se uma sequˆencia
de Cauchy quando, para todo E > 0 , existe n0 ∈ N tal que, para todo m, n > n0 implica
d(xm, xn) < E .
Para que uma sequˆencia (xn) seja de Cauchy, ´e nescess´ario e suficiente que, para cada
E > 0 dado, exista n0 ∈ N tal que n > n0 =⇒ d(xn, xn+p) < E qualquer que seja
2.2. SEQU ˆENCIA DE CAUCHY 13 cada vez mais pr´oximos uns dos outros, `a medida que cresce o ´ındice n. Ser de Cauchy ´
e uma propriedade essencial de uma sequˆencia, depende apenas dos seus termos, mas n˜ao da existˆencia de outros pontos no espa¸co (em contraste com a propriedade de ser convergente). Assim, se M ⊂ X, uma sequˆencia de pontos {xn} ∈ M ´e de Cauchy em M
se, e somente se, ´e de Cauchy em X. Quando os termos de uma sequˆencia se aproximam de um ponto fixado, eles devem necessariamente aproximar-se uns dos outros, como ser´a demonstrado na proposi¸c˜ao 2.8.
Proposi¸c˜ao 2.8. Toda sequˆencia convergente ´e de Cauchy.
Demonstra¸c˜ao: Seja {xn} uma sequˆencia convergente para a ∈ X. Dado E > 0, existe
n0 ∈ N tal que d(xn, a) <
E
2, para todo natural n > n0. Assim, para quaisquer m, n > n0, temos, d(xn, xm) ≤ d(xn, a) + d(a, xm) <
E 2 +
E
2 = E . Logo, {xn} ´e de Cauchy. A rec´ıproca n˜ao ´e verdadeira, como se vˆe do exemplo a seguir:
Exemplo 2.9. Seja X = (0, 1) com a m´etrica usual. Ent˜ao, (1 2,
1 3,
1
4, ...) ´e uma sequˆencia em X que ´e de Cauchy, mas que n˜ao converge em X.
Proposi¸c˜ao 2.10. Toda sequˆencia de Cauchy ´e limitada.
Demonstra¸c˜ao: Seja {xn} uma sequˆencia de Cauchy no espa¸co m´etrico M . Para
E = 1, existe n0 ∈ N tal que d(xn, xm) < 1 para quaisquer n, m > n0. Em particular,
d(xn, xn0+1) < 1 para todo o n > n0. Assim, fazendo r=max {d(x1, xn0+1), ..., d(xn0, xn0+1), 1}
temos d(xn, xn0+1) ≤ r, para todo o n ∈ N. Logo {xn} ´e limitada.
Exemplo 2.11. Nem toda sequˆencia limitada ´e de Cauchy. Por exemplo: (1, 0, 1, 0, ...) na reta, embora limitada, n˜ao ´e de Cauchy pois d(xn, xn+1) = 1, ∀n.
Proposi¸c˜ao 2.12. Uma sequˆencia de Cauchy que possui uma subsequˆencia convergente ´
e convergente.
Demonstra¸c˜ao: Sejam {xn} uma sequˆencia de Cauchy no espa¸co m´etrico M e {xnk} uma
subsequˆencia que converge para o ponto a ∈ M . Dado E > 0 existe um p ∈ N tal que d(xnk, a) <
E
14 CAP´ITULO 2. ESPAC¸ OS M ´ETRICOS
tal que d(xn, xm) <
E
2 para quaisquer n´umeros naturais m, n > q. Fazendo n0=m´ax p, q e escolhendo nk > n0 tem-se d(xn, a) ≤ d(xn, xnk) + d(xnk, a) < E 2+ E 2 = E para qualquer n > n0. Logo xn−→ a.
2.3. ESPAC¸ OS M ´ETRICOS COMPLETOS 15 Observa¸c˜ao 2.13. Se uma sequˆencia possui duas subsequˆencias que convergem para limites distintos, ent˜ao ela n˜ao ´e de Cauchy. Em particular, uma sequˆencia que possui apenas um n´umero finito de termos distintos s´o pode ser de Cauchy quando, a partir de uma certa ordem, ela se torna constante.
2.3
Espa¸
cos M´
etricos Completos
Defini¸c˜ao 2.14. Um espa¸co m´etrico M ´e dito completo se toda sequˆencia de Cauchy em M converge para um elemento de M ; isto ´e, para todo {xn} ∈ M , implica xn −→ x
quando n −→ ∞; x ∈ M .
Exemplo 2.15. A reta real, com a m´etrica usual, ´e completa.
Exemplo 2.16. Seja d a m´etrica trivial num conjunto X. Ora uma sequˆencia (an) em
X ´e de Cauchy se, e somente se, ´e da forma (a1, a2, ..., an0, p, p, p, ...), que claramente
converge para p ∈ X . Assim, todo espa¸co m´etrico trivial ´e completo.
Exemplo 2.17. Rn e Cn com a m´etrica euclidiana
d(x, y) = [ n X i=1 (xi− yi)2] 1 2 onde x = (x1, ..., xn) e y = (y1, ..., yn), ´e completo.
Exemplo 2.18. O intervalo unit´ario aberto X = (0, 1) com a m´etrica usual, n˜ao ´e completo, pois a sequˆencia (n1)n∈N em X ´e de Cauchy, mas n˜ao converge para um ponto de X.
Exemplo 2.19. R \ I = Q com d = |x − y| n˜ao ´e completo.
Defini¸c˜ao 2.20. Um subconjunto F de um espa¸co m´etrico M ´e fechado se toda sequˆencia convergente formada por elementos de F convergir em M a um vetor que tamb´em ´e elemento de F .
Proposi¸c˜ao 2.21. Seja (X, d) um espa¸co m´etrico completo. Ent˜ao um subconjunto M ⊂ X ´e completo se, e somente se, M ´e fechado em X.
16 CAP´ITULO 2. ESPAC¸ OS M ´ETRICOS Demonstra¸c˜ao: (=⇒) Suponha que (M, d) ´e completo. Seja (xn) uma sequˆencia de
pon-tos de M que converge para a ∈ X. Como (xn) ´e convergente, (xn) ´e de Cauchy. Como
(M, d) ´e completo, a sequˆencia (xn) converge para um elemento de M . Pela unicidade do
limite temos que a ∈ M . Logo M ´e fechado.
(⇐=) Agora suponha M fechado. Seja (xn) uma sequˆencia de Cauchy de pontos de M .
Ent˜ao (xn) tamb´em ´e uma sucess˜ao de Cauchy em (X, d) e, como (X, d) ´e completo, (xn)
converge para algum a ∈ X. Sendo M um subconjunto fechado de X tem-se a ∈ M e, consequentemente, (xn) converge em (M, d). Logo (M, d) ´e completo.
Veremos que em espa¸cos vetoriais lineares este conceito voltar´a `a tona e nos capacitar´a a enunciar teoremas similares.
Cap´ıtulo 3
Espa¸
cos Normados Reais
Defini¸c˜ao 3.1. Seja E um espa¸co vetorial sobre R. Uma norma em E ´e uma aplica¸c˜ao que associa a cada x ∈ E um n´umero real kxk n˜ao negativo,
k.k : E −→ R+ (3.1)
x 7−→ kxk (3.2)
de maneira que:
N 1.kxk > 0 e kxk = 0 ⇐⇒ x = 0; N 2.kαxk = |α|kxk, para todo α ∈ R;
N 3.kx + yk ≤ kxk + kyk , para todo x, y ∈ E.
Um espa¸co normado ´e um par (E, k.k) onde E ´e um espa¸co vetorial e k.k ´e uma norma em E.
A pr´oxima proposi¸c˜ao nos mostra que todo espa¸co normado ´e tamb´em um espa¸co m´etrico.
Proposi¸c˜ao 3.2. Seja k.k, uma norma sobre um espa¸co vetorial E. A fun¸c˜ao d : E×E −→ R definida por d(x, y) = kx − yk ´e uma m´etrica em E, isto ´e ,(E, d) ´e um espa¸co m´etrico. Demonstra¸c˜ao: (d1) d(x, x) = kx − xk = k0k = 0 da defini¸c˜ao 1 dado acima.
(d2) d(x, y) = kx − yk > 0 pela defini¸c˜ao de norma.
d(x, y) = kx − yk = 0 ⇐⇒ x − y = 0 ⇐⇒ x = y, pela condi¸c˜ao 1. Logo, se x 6= y ent˜ao d(x, y) > 0.
(d3) d(x, y) = kx − yk = k(−1)(y − x)k = | − 1|ky − xk = ky − xk = d(y, x), apropriando-se
18 CAP´ITULO 3. ESPAC¸ OS NORMADOS REAIS da condi¸c˜ao 2.
(d4) d(x, z) = kx − zk = kx − y + y − zk = k(x − y) + (y − z)k ≤ kx − yk + ky − zk
ou seja ,d(x.z) ≤ d(x, y) + d(y, z), usando a condi¸c˜ao 3.
Sendo assim, d ´e uma m´etrica em E.
Vejamos alguns exemplos de espa¸cos normados.
Exemplo 3.3. Tomemos o espa¸co euclidiano Rn. Mostraremos que, a aplica¸c˜ao
x ∈ Rn7−→ kxk = v u u t n X i=1 (xi)2 ∈ R ´
e uma norma em Rn para x = (x1, ..., xn) ∈ Rn.
Demonstra¸c˜ao: 1.kxk = 0 ⇐⇒ x = 0 kxk = v u u t n X i=1 (xi)2 = 0 ⇐⇒ n X i=1 (xi)2 = 0 ⇐⇒ (xi)2 = 0; ∀i ∈ {1, ..., n} ⇐⇒ xi = 0; ∀i ∈ {1, ..., n} ⇐⇒ x = 0 2.kαxk = |α|kxk, ∀x ∈ Rn e α ∈ R kαxk = v u u t n X i=1 (αxi)2 = v u u t n X i=1 α2(x i)2 = v u u tα2 n X i=1 (xi)2 = |α| v u u t n X i=1 (xi)2 = |α|kxk
Para provar o terceiro axioma da defini¸c˜ao de norma utilizamos a desigualdade de Cauchy Schwarz, que pode ser encontrado no pr´oximo cap´ıtulo na p´agina 27.
3.kx + yk ≤ kxk + kyk
kx+yk2 = hx+y, x+yi = hx, xi+hx, yi+hy, xi+hy, yi = kxk2+2hx, yi+kyk2 ≤ kxk2+2|hx, yi|+kyk2
pela desigualdade de Cauchy- Schawarz, obtemos |hx, yi| ≤ kxkkyk, assim,kx + yk2 ≤ kxk2+2kxkkyk+kyk2 ≤ (kxk+kyk)2. Extraindo a raiz em ambos os lados da desigualdade,
temos que kx + yk ≤ kxk + kyk. Logo (Rn, k.k) com kxk = v u u t n X i=1 (xi)2
19 ´
e um espa¸co normado.
Exemplo 3.4. Consideremos o espa¸co euclidiano Rn. Mostraremos que (Rn, k.k
a), onde kxka= n X i=1 |xi|
para x = (x1, ..., xn) ∈ Rn ´e uma norma em Rn.
De fato, k.ka: R −→ R ´e uma fun¸c˜ao e como |xi| > 0, n X i=1 |xi| > 0 isto ´e, kxka= 0. 1.kxka= 0 ⇐⇒ n X i=1 |xi| = 0 ⇐⇒ |xi| = 0; ∀i ∈ {1, ..., n} ⇐⇒ xi = 0; ∀i ∈ {1, ..., n} ⇐⇒ x = 0. 2.kαxka = |α|kxka, ∀x ∈ Rn e α ∈ R. kαxka= n X i=1 |αxi| = n X i=1 |α||xi| = |α| n X i=1 |xi| = |α|kxka 3.kx + yka≤ kxka+ kyka kx + yka= n X i=1 |xi+ yi| ≤ n X i=1 (|xi| + |yi|) ≤ n X i=1 |x| + n X i=1 |yi| = kxka+ kyka
Sendo assim, (R, k.ka) com
kxka= n X i=1 |xi| ´ e um espa¸co normado. Exemplo 3.5. (Rn, k.k∗) onde kxk∗ = max 1≤i≤n|xi|
para x = (x1, ..., xn) ∈ Rn, tamb´em ´e um espa¸co normado.
De fato, k.k∗ : R −→ R ´e uma fun¸c˜ao e como
|xi| > 0; ∀1 ≤ i ≤ n, kxk∗ = max
20 CAP´ITULO 3. ESPAC¸ OS NORMADOS REAIS 1.kxk∗ = max 1≤i≤n|xi| = 0 ⇐⇒ |xi| ≤ kxk∗ = 0, ∀ 1 ≤ i ≤ n ⇐⇒ |xi| = 0, ∀ 1 ≤ i ≤ n ⇐⇒ xi = 0, 1 ≤ i ≤ n ⇐⇒ x = 0. 2.kαxk∗ = |α|kxk∗, ∀x ∈ Rn e ∀α ∈ R. kαxk∗ = max
1≤i≤n|αxi| = max1≤i≤n|α||xi| = |α| max1≤i≤n|xi| = |α|kxk∗
3.kx + yk∗ ≤ kxk∗+ kyk∗
Temos que
kx + yk∗ = max
1≤i≤n|xi+ yi|
Pela desigualdade triangular em R, |xi + yi| ≤ |xi| + |yi|, 1 ≤ i ≤ n. Assim, temos
max
1≤i≤n|xi+ yi| ≤ max1≤i≤n|xi| + |yi|
De |xi| > 0 e |yi| > 0; ∀ 1 ≤ i ≤ n segue que,
max
1≤i≤n|xi| + |yi| = max1≤i≤n|xi| + max1≤i≤n|yi| = kxk∗+ kyk∗.
Sendo assim,(Rn, k.k ∗) com kxk∗ = max 1≤i≤n|xi| ´ e um espa¸co normado.
3.1
Espa¸
cos de Banach
Defini¸c˜ao 3.6. Um espa¸co normado E ´e chamado completo se toda sequˆencia de Cauchy em E converge para um elemento de E. Um espa¸co normado completo ´e chamado um espa¸co de Banach.
Exemplo 3.7. O espa¸co normado R ´e um espa¸co de Banach, pois sabemos que toda sequˆencia de Cauchy de n´umeros reais converge.
3.1. ESPAC¸ OS DE BANACH 21 Exemplo 3.8. Vamos mostrar que Rp ´e um espa¸co de Banach.
Seja (xn)n∈Numa sequˆencia de Cauchy em Rp. Note que aqui cada (xn) = (x (1)
n , x(2)n , ..., x(p)n ).
Como (xn)n∈N ´e uma sequˆencia de Cauchy , para todo E > 0, existe algum n0 ∈ N tal
que: n, m > n0 =⇒ kxn− xmk =
q
(x(1)n − x(1)m )2+ (x(2)n − x(2)m )2+ ... + (x(p)n − x(p)m )2 < E .
Em particular, para cada i = 1, 2, ..., p ,se n, m > n0 ent˜ao |x (i)
n − x(i)m| < E. Isso mostra
que cada sequˆencia (x(i)n )n ´e uma sequˆencia de Cauchy em R e portanto converge. Defina
ent˜ao x(i) = limnx (i)
n e considere x = (x(i), x(2), ..., x(p)).
Claro que x ∈ Rp e vamos mostrar que este ´e o limite da sequˆencia (x
n)n. Seja ent˜ao E > 0.
Como x(i)= lim nx
(i)
n , para cada i = 1, 2, ..., p, existe nital que |x (i) n −x(i)|2 < E2 p se n > ni. Se k0 = max{ni : 1, 2, ..., p} ent˜ao n > k0 =⇒ kxn−xk = q (x(1)n − x(1))2+ (x(2)n − x(2))2+ ... + (x(p)n − x(p))2
< E o que mostra que (xn)n converge para x em Rp.
Proposi¸c˜ao 3.9. Todo subespa¸co fechado de um espa¸co de Banach ´e Banach. Recipro-camente, todo subespa¸co de Banach de um espa¸co normado ´e fechado.
Demonstra¸c˜ao: Suponha que S seja fechado em X Banach.Tomamos uma sequˆencia de Cauchy (xn)n ⊂ S. Mas (xn)ntamb´em ´e uma sequˆencia de Cauchy em X que ´e completo.
Logo, (xn)n converge para algum x ∈ X. Isso implica que x ∈ ¯S. Sendo S fechado, temos
que x ∈ S. Mostramos que toda sequˆencia de Cauchy em S converge (em S). Logo, S ´e completo.
Reciprocamente, seja S completo no normado X. Considere x ∈ ¯S. Ent˜ao existe uma sequˆencia (xn)n⊂ S que converge para x. Ora, toda sequˆencia convergente ´e de Cauchy.
Assim, (xn)n´e uma sequˆencia de Cauchy em S, que ´e completo, e portanto converge para
algum y ∈ S ⊂ X. pela unicidade do limite em X, temos que x = y, e portanto x ∈ S,
Cap´ıtulo 4
Espa¸
cos de Produto Interno
4.1
Produtos Internos
Defini¸c˜ao 4.1. Um produto interno em um espa¸co vetorial real V ´e uma fun¸c˜ao que associa um n´umero real hu, vi a cada par de vetores u e v em V de tal maneira que os seguintes axiomas s˜ao satisfeitos para quaisquer u, v e w de V e qualquer escalar λ ∈ R. I1 hu, vi = hv, ui [Axioma da simetria]
I2 hu + v, wi = hu, wi + hv, wi [Linearidade na 1a componente]
I3 hλu, vi = λhu, vi [Axioma de homogeneidade]
I4 hv, vi > 0 [Axioma de positividade]
e hv, vi = 0 se, e somente se, v = 0.
Um espa¸co vetorial real com um produto interno ´e chamado espa¸co de produto interno real.
Exemplos de espa¸cos com produto interno: Exemplo 1: Produto Interno Euclidiano em Rn.
Se u = (u1, u2, ..., un) e v = (v1, v2, ..., vn) s˜ao vetores no Rn ent˜ao a f´ormula hu, vi =
u1.v1+ u2.v2 + ... + un.vn define hu, vi como um produto interno em Rn,que ´e chamado
de produto interno euclidiano, tamb´em chamado produto interno padr˜ao ou canˆonico do Rn. Dos quatro axiomas da defini¸c˜ao acima decorrem as propriedades:
I1 0.u = u.0 = 0; ∀u ∈ V
I2 < w, u + v >=< u + v, w >=⇒< u + v, w >=< u, w > + < v, w >
4.2. NORMA E DIST ˆANCIA EM ESPAC¸ OS DE PRODUTO INTERNO 23 I3 < u, αv >=< αv, u >= α < v, u >= α < u, v >
I4 < u, v1+ v2+ ... + vn>=< u, v1 > +...+ < u, vn>
Exemplo 2: Produto Interno Euclidiano Ponderado.
Sejam u = (u1, u2) e v = (v1, v2) vetores do R2. Mostre que o produto interno euclidiano
ponderado hu, vi = 3u1v1+ 2u2v2 , satisfaz os quatro axiomas de produto interno.
Solu¸c˜ao:
(1) hu, vi = 3u1v1+ 2u2v2
hv, ui = 3v1u1+ 2v2u2
hu, vi = hv, ui
(2) Se w = (w1, w2), ent˜ao:
hu + v, wi = 3(u1 + v1).w1 + 2(u2 + v2).w2 = (3u1w1 + 2u2w2) + (3v1w1 + 2v2w2) =
hu, wi + hv, wi (3) hλu, vi = λhu, vi
hλu, vi = 3(λu1)v1+ 2(λu2)v2 = λ(3u1v1 + 2u2v2) = λhu, vi
(4) hv, vi > 0 e hv, vi = 0 se, e somente se, v = 0. hv, vi = 3v1v1+ 2v2v2 = 3v12+ 2v22
´
E ´obvio que hv, vi = 3v2
1 + 2v22 > 0. Al´em disto, hv, vi = 3v12+ 2v12 = 0 se, e somente se,
v1 = v2 = 0 ou seja, se, e somente se, v = (v1, v2) = 0
4.2
Norma e distˆ
ancia em espa¸
cos de produto interno
Defini¸c˜ao 4.2. Se V ´e um espa¸co com produto interno, ent˜ao a norma de um vetor u de V ´e denotada por kuk e ´e definida por kuk = hu, vi12.
A distˆancia entre dois pontos (vetores) u e v ´e denotado por d(u, v) e ´e definida por: d(u, v) = ku − vk.
Teorema 4.3. Propriedades da Norma
Se u e v s˜ao vetores em um espa¸co com produto interno V e λ ´e um escalar qualquer, ent˜ao:
24 CAP´ITULO 4. ESPAC¸ OS DE PRODUTO INTERNO (b) kuk = 0 ⇔ u = 0
(c) kλvk = |λ|kvk (Homogeneidade)
(d) ku + vk ≤ kuk + kvk (Desigualdade triˆangular) Provaremos a letra (d):
Demonstra¸c˜ao: d(u, v) ≤ d(u, w) + d(w, v) Por defini¸c˜ao,
ku + vk2 = hu + v, u + vi
= hu, ui + 2hu, vi + hv, vi
≤ hu, ui + 2|hu, vi| + hv, vi [Propriedade do valor absoluto] ≤ hu, ui + 2kukkvk + hv, vi [Por (4) de Schwarz ]
= kuk2+ 2kukkvk + kvk2
= (kuk + kvk)2
Extraindo a raiz quadrada obtemos ku + vk ≤ kuk + kvk .
Teorema 4.4. . Propriedades da distˆancia
Se u, v e w s˜ao vetores em um espa¸co com produto interno V , ent˜ao: (a) d(u, v) > 0(Positiva definida)
(b) d(u, v) = 0 ⇔ u = v (c) d(u, v) = d(v, u)(Simetria)
(d) d(u, v) ≤ d(u, w) + d(w, v) (Desigualdade triˆangular) Exemplo 3: Norma e distˆancia em Rn.
Se u = (u1, u2, ..., un) e v = (v1, v2, ..., vn) s˜ao vetores do Rn com o produto interno
eu-clidiano padr˜ao, logo: kuk = hu, ui12 = (u, u)
1
2 =pu2
1+ u22+ ... + u2n.
Por defini¸c˜ao
d(u, v) = ku − vk. Como u − v = (u1 − v1, ..., un − vn), temos d(u, v) = ku − vk =
(u − v, u − v)12 =p(u1− v1)2+ (u2− v2)2+ ... + (un− vn)2
Veja que estas s˜ao as f´ormulas padr˜ao para a norma e a distˆancia euclidianas. Exemplo 4: Usando o produto interno euclidiano ponderado.
4.2. NORMA E DIST ˆANCIA EM ESPAC¸ OS DE PRODUTO INTERNO 25 sendo usado. se o produto interno for mudado, ent˜ao as normas e distˆancias entre vetores tamb´em mudam. Por exemplo, para os vetores u = (1, 0) e v = (0, 1) do R2 com produto
interno euclidiano, n´os temos: kuk = √12+ 02 = 1 e d(u, v) = ku − vk = k(1, −1)k =
p12+ (−1)2 =√2
Por´em, se mudarmos para o produto interno euclidiano ponderado hu, vi = 3u1v1+ 2u2v2
ent˜ao obteremos kuk = hu, ui12 = [3u1u1 + 2u2v2] 1 2 = [3.(1).(1) + 2.(0).(0)] 1 2 = √ 3 e d(u, v) = ku − vk = hu − v, u − vi12 = h(1, −1), (1, −1)i 1 2 = [3.u1.u1 + 2.u2.u2] 1 2 = [3.(1).(1) + 2.(−1).(−1)]12 = √ 5
Exemplo 5: lp; 1 ≤ p ≤ ∞. Onde lp ´e o espa¸co de todas as sequˆencias infinitas de forma
{xn} = {x1, x2, ..., xk, ...} onde se define o produto interno por:
< x, y >=
∞
X
j=1
xjyj, ∀x, y ∈ lp
e sua norma ´e dada por:
kxkp = ( ∞ X j=1 |xj|p) 1 p < ∞ Em particular ∞ X j=1 |xj|2 < ∞ Um elemento pertence a lp se ∞ X j=1 |xj|p < ∞
isto ´e, as sequˆencias s˜ao p-absolutamente convergentes.
Exemplo 6: l2 ´e um exemplo de produto interno, e seus elementos satisfazem ∞
X
j=1
|xj|2 < ∞
e tem como norma
kxk = ( ∞ X j=1 |xj|2) 1 2
Exemplo 7: Os espa¸cos L2[a, b]. S˜ao os espa¸cos das fun¸c˜oes quadradas integr´aveis (`a
Lebesgue). Define-se o produto interno em L2[a, b] por: Seja f, g ∈ L2[a, b] =⇒< f, g >= Rb
a f gdx e tem como norma kf k = (
Rb
a |f | 2dx)12
26 CAP´ITULO 4. ESPAC¸ OS DE PRODUTO INTERNO para x(t)y(t) ∈ C[a, b] =⇒< x(t), y(t) >=Rabx(t)y(t)dt ; onde a norma ´e dada por: kxk = maxt∈[a,b]|x(t)|.
Proposi¸c˜ao 4.5. Propriedades do Produto Interno
Se u, v e w s˜ao vetores em um espa¸co com produto interno real e k ´e um escalar qualquer, ent˜ao:
(a) h0, vi = hv, 0i = 0
(b) hu, v + wi = hu, vi + hu, wi (c) hu, kvi = khu, vi
(d) hu − v, wi = hu, vi − hu, wi Provaremos a letra (b) :
hu, v + wi = hv + w, ui [por simetria] = hv, ui + hw, ui [Por linearidade] = hu, vi + hu, wi [Por simetria]
4.3
Angulo e ortogonalidade de espa¸
ˆ
cos de produto interno
Sabemos que se u e v s˜ao dois vetores n˜ao-nulos em R2 ou R3 e θ ´e o ˆangulo entre eles,
ent˜ao: u.v = kuk.kvk cos θ (1),
ou, equivalentemente, cos θ = u.v
kuk.kvk (2).
Nosso objetivo ´e definir o conceito de ˆangulo entre dois vetores de um espa¸co com produto interno arbitr´ario. Para que uma tal defini¸c˜ao seja razo´avel, queremos que seja consistente com a f´ormula (2) quando aplicada ao caso especial do R2 ou R3 com o
produto interno euclidiano. Assim, n´os desejamos que a nossa defini¸c˜ao de ˆangulo θ entre dois vetores n˜ao-nulos de um espa¸co com produto interno satisfa¸ca a rela¸c˜ao:
cos θ = hu, vi
kuk.kvk (3).
Contudo, com | cos θ| ≤ 1, haveria pouca esperan¸ca de satisfazer (3) a menos que nos seja assegurado que | hu, vi
kukkvk| ≤ 1 vale para qualquer par de vetores n˜ao nulos de um espa¸co com produto interno. Felizmente, seremos capazes de provar que isto realmente ocorre, usando a generaliza¸c˜ao da desigualdade de Cauchy-Schwarz a seguir.
4.3. ˆANGULO E ORTOGONALIDADE DE ESPAC¸ OS COM PRODUTO INTERNO27 Teorema 4.6. Lei do Paralelogramo
Sejam V um espa¸co com produto interno e k.k a norma proveniente do produto interno. Ent˜ao, para u, v ∈ V , tem-se que: kx + yk2+ kx − yk2 = 2(kxk2+ kyk2).
Demonstra¸c˜ao: Sejam u, v ∈ V . Ent˜ao,
kx + yk2 =< x + y, x + y >=< x, x > + < x, y > + < y, x > + < y, y > e
kx − yk2 =< x − y, x − y >=< x, x > − < x, y > − < y, x > + < y, y >. Somando estas
duas igualdades temos:
kx + yk2+ kx − yk2 = 2 < x, x > +2 < y, y >= 2(kxk2 + kyk2)
Observa¸c˜ao 4.5. Num espa¸co normado em que a norma n˜ao verifica a igualdade do paralelogramo, a norma n˜ao deriva de um produto interno e, por conseguinte, o espa¸co n˜ao ´e um espa¸co com produto interno.
Teorema 4.7. Desigualdade de Cauchy-Schwarz
Se u e v s˜ao vetores de um espa¸co de produto interno real, ent˜ao
|hu, vi| ≤ kukkvk (4).
Demonstra¸c˜ao: Se u = 0, ent˜ao hu, vi = hu, ui = 0, e ambos lados de (4) s˜ao iguais. Suponha agora que u 6= 0. Sejam a = hu, ui, b = 2hu, vi e c = hv, vi e seja t um n´umero real qualquer. Pelo axioma da positividade, o produto interno de qualquer vetor por ele mesmo ´e sempre n˜ao-negativo. Portanto 0 ≤ htu + v, tu + vi = htu + v, tui + htu + v, vi = htu, tui + hv, tui + htu, vi + hv, vi = t2hu, ui + htu, vi + htu, vi + hv, vi = t2hu, ui + thu, vi +
thu, vi + hv, vi = hu, uit2+ 2hu, vit + hv, vi = at2+ bt + c
Esta igualdade implica que o polinˆomio quadr´atico at2 + bt + c n˜ao tem raiz real ou
ent˜ao tem uma raiz real dupla. Portanto, seu discriminante deve satisfazer a desigual-dade b2− 4ac ≤ 0.
Expressando os coeficientes a, b e c em termos dos vetores u e v resulta 4hu, vi2 −
4hu, uihv, vi ≤ 0, ou, equivalente, hu, vi2 ≤ hu, uihv, vi.
Extraindo a raiz quadrada em ambos os lados e usando o fato que hu, ui e hv, vi s˜ao n˜ao-negativos, resulta |hu, vi| ≤ hu, ui12hv, vi
1
2 ou, equivalentemente |hu, vi| ≤ kukkvk
completando a demonstra¸c˜ao.
Observamos, para referˆencia, que a desigualdade de Cauchy-Schwarz pode ser escrita na seguinte forma alternativa: hu, vi2 ≤ hu, uihv, vi = kuk2.kvk2
28 CAP´ITULO 4. ESPAC¸ OS DE PRODUTO INTERNO Exemplo 4.8. A desigualdade de Cauchy-Schwarz em Rn
A desigualdade de Cauchy-Schwarz em Rn decorre como caso especial do Teorema acima
tomando hu, vi como o produto interno euclidiano u.v
Lema 4.9. Seja V um espa¸co de produto interno real. Ent˜ao ´e v´alida a identidade de polariza¸c˜ao: < u, v >= 1 4ku + vk 2− 1 4ku − vk 2
Prova: Basta desenvolver o lado direito da igualdade. ˆ
Angulo entre Vetores.
A desigualdade de Schwarz nos d´a a possibilidade de definir ˆangulo entre dois vetores n˜ao nulos em um espa¸co vetorial V munido de um produto interno. Sejam u, v ∈ V n˜ao nulos. Ent˜ao |hu, vi| ≤ kukkvk (Desigualdade de Schwarz) pode ser escrito como
|hu, vi|
kukkvk ≤ 1 ou seja | hu, vi
kukkvk| ≤ 1, e portanto existe um ˆangulo θ entre 0 e π radianos tal que cos θ = hu, vi
kukkvk. Este ˆangulo θ ´e chamado ˆangulo entre u, v. Exemplo 4.10. Cosseno de um ˆangulo entre dois vetores em R4.
Tomando o produto interno euclidiano em R4 encontre o cosseno do ˆangulo θ entre os vetores u = (4, 3, 1, −2) e v = (−2, 1, 2, 3). Solu¸c˜ao: kuk =p42+ 32+ 12+ (−2)2 =√16 + 9 + 1 + 4 = √30 kvk =p(−2)2+ 12+ 22+ 32 =√4 + 1 + 4 + 9 =√18 hu, vi = 4.(−2) + 3.1 + 1.2 + (−2).3 = −8 + 3 + 2 − 6 = −5 − 4 = −9 de modo que, cos θ = hu, vi kukkvk = −9 √ 30.√18 = −9 √ 30.3√2 = − 3 2√15
Defini¸c˜ao 4.11. Dois vetores u e v n˜ao-nulos de um espa¸co com produto interno s˜ao chamados ortogonais se e somente se hu, vi = 0.
Exemplo 4.12. Vetores ortogonais em P2.
Tomando em P2 o produto interno hp, qi =
R1 −1p(x)q(x)dx. Sejam p = x e q = x 2. Ent˜ao: hp, qi =R1 −1xx 2dx =R1 −1x 3dx = 0.
Como hp, qi = 0, os vetores p = x e q = x2 s˜ao ortogonais relativamente ao produto
4.4. ESPAC¸ OS VETORIAIS COMPLEXOS COM PRODUTO INTERNO 29 Observa¸c˜ao 4.13. 1) O vetor 0 ∈ V ´e ortogonal a qualquer v ∈ V .
2) Se u ⊥ v, ent˜ao αu ⊥ v; ∀α ∈ R
3) Se u1 ⊥ v e u2 ⊥ v, ent˜ao (α1u1+ α2u2) ⊥ v, ∀α1, α2 ∈ R
Teorema 4.14. Teorema de Pit´agoras Generalizado
Se u e v s˜ao vetores ortogonais em um espa¸co de produto interno, ent˜ao: ku + vk2 = kuk2+ kvk2
Demonstra¸c˜ao: A ortogonalidade de u e v implica que hu, vi = 0, e portanto, ku + vk2 = hu + v, u + vi = kuk2+ 2hu, vi + kvk2 = kuk2+ kvk2
4.4
Espa¸
cos Vetoriais Complexos com Produto
Interno
Defini¸c˜ao 4.15. Um produto interno num espa¸co vetorial complexo V ´e uma fun¸c˜ao que associa um n´umero complexo hu, vi a cada par u e v de vetores em V de tal maneira que os seguintes axiomas s˜ao satisfeitos por quaisquer vetores u, v e w em V e qualquer escalar λ ∈ C.
(1) hu, vi = hv, ui
(2) hu + v, wi = hu, wi + hv, wi (3) hλu, vi = λhu, vi
(4) hv, vi > 0 e hv, vi = 0 ⇔ v = 0
Um espa¸co vetorial complexo de produto interno ´e chamado um espa¸co de produto interno complexo ou um espa¸co Hermitiano. As seguintes propriedades adicionais seguem imediatamente dos quatro axiomas de produto interno, com k ∈ C:
. (i) h0, vi = hv, 0i = 0
(ii) hu, v + wi = hu, vi + hu, vi (iii) hu, kvi = ¯khu, vi
30 CAP´ITULO 4. ESPAC¸ OS DE PRODUTO INTERNO reais.
hu, kvi = hkv, ui [Axioma(1)] = khv, ui [Axioma (3)]
= khv, ui [ Produtos de Conjugados] = khu, vi [Axioma (1)]
Exemplo 4.16. O produto interno em Cn
Sejam u = (u1, u2, ..., un) e v = (v1, v2, ..., vn) vetores em Cn. O produto interno euclidiano
hu, vi = u.v = u1. ¯v1+ u2. ¯v2+ ... + un. ¯vn , satisfaz todos os axiomas do produto interno.
Observa¸c˜ao 4.17. A norma e a distˆancia em espa¸cos de produto interno complexos ser˜ao definidas de forma an´aloga as do produto interno reais.
kuk = hu, ui12
d(u, v) = ku − vk
Lema 4.18. Seja V um espa¸co de produto interno complexo. Ent˜ao ´e v´alida a identidade de polariza¸c˜ao: < u, v >= 1 4ku + vk 2− 1 4ku − vk 2+ i 4ku + ivk 2− i 4ku − ivk 2
Prova: Basta desenvolver o lado direito da igualdade.
4.5
Conjunto Ortogonal de vetores
Seja V um espa¸co vetorial euclidiano. Diz-se que um conjunto de vetores {v1, v2, ..., vn} ⊂
V ´e ortogonal se dois vetores quaisquer, distintos, s˜ao ortogonais, isto ´e, vj.vi = 0 para
i 6= j.
Exemplo 4.19. No R3, o conjunto {(1, 2, −3), (3, 0, 1), (1, −5, −3)} ´e ortogonal, em rela¸c˜ao ao produto interno usual, pois:
(1, 2, −3).(3, 0, 1) = 0 (1, 2, −3).(1, −5, −3) = 0 (3, 0, 1).(1, −5, −3) = 0
Teorema 4.20. Um conjunto ortogonal de vetores n˜ao-nulos A = {v1, v2, ..., vn} ´e
4.6. BASE DE UM ESPAC¸ O VETORIAL 31 .
Demonstra¸c˜ao:
Consideremos a igualdade av1 + a2v2 + ... + anvn = 0 e fa¸camos o produto interno de
ambos os membros da igualdade por vi:
(a1v1+ a2v2 + ... + anvn).vi = 0.vi
ou
a1.(v1.vi) + a2(v2vi) + ... + an(vi.vi) + ... + an(vn.vi) = 0
Como o conjunto A ´e ortogonal, vj.vi = 0 para j 6= i e vi.vi 6= 0 , pois vi 6= 0 . Ent˜ao
ai(vi.vi) = 0 implica que ai = 0 para i = 1, 2, ..., n. Logo, A = {v1, v2, ..., vn} ´e (L.I)
4.6
Base de um Espa¸
co vetorial
Um conjunto de vetores A ⊂ V ´e chamado uma base de V se A ´e L.I e gera V , isto ´
e, A = V
4.7
Base Ortogonal
Diz-se que uma base {v1, ..., vn} de V ´e ortogonal se os seus vetores s˜ao dois a dois
ortogonais.
Assim, de acordo com o teorema anterior, se dim V = n, qualquer conjunto de n vetores n˜ao-nulos e dois a dois ortogonais, constitue uma base ortogonal. Por exemplo, o conjunto apresentado no exemplo anterior: {(1, 2, −3), (3, 0, 1), (1, −5, −3)} ´e uma base ortogonal do R3.
4.8
Base Ortonormal
Uma base B = {v1, v2, ..., vn} de um espa¸co vetorial euclidiano V ´e ortonormal se B ´e
32 CAP´ITULO 4. ESPAC¸ OS DE PRODUTO INTERNO vi.vj = 0, para i 6= j; 1, para i = j.
Exemplo 4.21. Em rela¸c˜ao ao produto interno usual, o conjunto 1) B = {(1, 0), (0, 1)} ´e uma base ortonormal do R2. (Base canˆonica)
2) B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} ´e uma base ortonormal do R3. (´e a base canˆonica)
3) B = {u1, u2, u3}, sendo u1 = ( 1 √ 3, 1 √ 3, 1 √ 3), u2 = ( −2 √ 6, 1 √ 6, 1 √ 6) e u3 = (0, − 1 √ 2, 1 √ 2), ´
e tamb´em base ortonormal do R3, pois:
u1.u2 = u1.u3 = u2.u3 = 0 e ku1k = ku2k = ku3k = 1
Observa¸c˜ao 4.22. Vimos que se v ´e um vetor n˜ao-nulo, o vetor v
kvk ´e unit´ario. Diz-se, nesse caso, que o vetor v est´a normalizado. O processo que transforma v em v
kvk chama-se normaliza¸c˜ao de v. Assim, uma base ortonormal sempre pode ser obtida de uma base ortogonal normalizando cada vetor.
Exemplo 4.23. A base B = {v1, v2, v3} sendo v1 = (1, 1, 1), v2 = (−2, 1, 1) e v − 3 =
(0, −1, 1), ´e ortogonal em rela¸c˜ao ao produto interno usual. Normalizando cada vetor, obtemos: u1 = v1 kv1k = √(1, 1, 1) 1 + 1 + 1 = ( 1 √ 3, 1 √ 3, 1 √ 3) u2 = v2 kv2k = (−2, 1, 1) p(−22) + 1 + 1 = (−2, 1, 1) √ 6 = ( −2 √ 6, 1 √ 6, 1 √ 6) u3 = v3 kv3k = (0, −1, 1)√ 2 = (0, −1, 1) √ 2 = (0, − 1 √ 2, 1 √ 2)
e B0 = {u1, u2, u3} ´e uma base ortonormal do R3
4.9
Processo de Ortogonaliza¸
c˜
ao de Gram-Schmidt
Teorema 4.24. Em todo espa¸co vetorial euclidiano V , de dimens˜ao finita com uma base qualquer B = {v1, v2, ..., vn} desse espa¸co, ´e poss´ıvel, a partir dessa base, extrair uma base
ortogonal de V .
Demonstra¸c˜ao: Suponha que v1, v2, ..., vn n˜ao s˜ao ortogonais, considera-se
4.9. PROCESSO DE ORTOGONALIZAC¸ ˜AO DE GRAM-SCHMIDT 33 w2 = v2− αw1
Para ser ortogonal < w1, w2 >= 0 < v2 − α.w1, w1 >= 0 < v2, w1 > + < −αw1, w1 >= 0 < v2, w1 > −α < w1, w1 >= 0 α = < v2, w1 > < w1, w1 > w2 = v2− < v2, w1 > < w1, w1 > .w1 Assim w1 e w2 s˜ao ortogonais
Considere o vetor w3 = v3− a2w2 − a1w1 e determina-se a2 e a1 de maneira que o vetor
w3 seja ortogonal aos vetores w1 e w2:
< w3w1 >= 0 ⇒< v3− a2.w2− a1.w1, w1 >= 0
< w3, w2 >= 0 ⇒< v3− a2.w2− a1.w1, w2 >= 0
< v3, w1 > −a2. < w2, w1 > −a1 < w1, w1 >= 0
< v3, w2 > −a2. < w2, w2 > −a1. < w1, w2 >= 0
Tendo que < w1, w2 >= 0, vem:
< v3, w1 > −a1 < w1, w1 >= 0 < v3, w2 > −a2. < w2, w2 >= 0 a1 = < v3, w1 > < w1, w1 > a2 = < v3, w2 > < w2, w2 > E portanto, w3 = v3− ( < v3, w2 > < w2, w2 > .w2− < v3, w1 > < w1, w1 > .w1
Pode-se concluir a demonstra¸c˜ao do teorema por indu¸c˜ao, admitindo que, por esse pro-cesso, tenham sido obtidos (n − 1) vetores w1, w2, ..., wn−1 e considerar o vetor:
wn= vn− an−1wn−1− ... − a2w2− a1w1, sendo a1, a2, ..., an−1 tais que o referido vetor wn
seja ortogonal aos vetores w1, w2, ..., wn−1.
Os valores de a1, a2, ..., an−1 que aparecem em wn s˜ao:
a1 = < vn, w1 > < w1, w1 > ,a2 = < vn, w2 > < w2., w2 > , a3 = < vn, w3 > < w3, w3 > , ..., an−1 = < vn, wn−1 > < wn−1, wn−1>
Assim a partir de B = {v1, v2, ..., vn}, obtivemos a base ortogonal {w1, w2, ..., wn}. O
34 CAP´ITULO 4. ESPAC¸ OS DE PRODUTO INTERNO chama-se processo de ortogonaliza¸c˜ao de Gram-Schmidt.
Para se obter uma base ortonormal, basta normalizar cada wi. Fazendo ui =
wi
kwik
obte-mos a base B0 = {u1, u2, ..., un} que ´e uma base ortonormal obtida a partir da base
B = {v1, v2, ..., vn}
Exemplo 4.25. Sejam v1 = (1, 1, 1) e v2 = (0, 1, 1) e v3 = (0, 0, 1) vetores do R3. Esses
vetores constituem uma base B = {v1, v2, v3} n˜ao ortogonal em rela¸c˜ao ao produto interno
usual. Pretendemos obter, a partir de B, uma base B0 = {u1, u2, u3} que seja ortonormal.
Solu¸c˜ao: w1 = v1 = (1, 1, 1) w2 = v2− < v2, w1 > < w1, w1 > .w1 = ( −2 3 , 1 3, 1 3) w3 = v3− < v3, w2 > < w2, w2 > .w2− < v3, w1 > < w1, w1 > .w1 = (0, −1 2 , 1 2) Os vetores normalizados s˜ao:
u1 = w1 kw1k = (√1 3, 1 √ 3, 1 √ 3), u2 = w2 kw2k = (−2√ 6, 1 √ 6, 1 √ 6), u3 = w3 kw3k = (0,√−1 2, 1 √ 2) A base B0 = {u1, u2, u3} ´e uma base ortonormal, pois u1.u2 = u1.u3 = u2.u3 = 0 e
ku1k = ku2k = ku3k = 0
4.10
Componentes de um Vetor numa Base Ortogonal
Seja V um espa¸co vetorial euclidiano e B = {v1, ..., vn} uma base ortogonal de V .
Para cada vetor w ∈ V , podemos escrever w de modo ´unico da forma: w = a1v1+ ... + aivi+ ... + anvn
Efetuando o produto interno de ambos os membros da igualdade por vi, vem:
< w, vi >= a1 < v1, vi > +... + ai < vi, vi > +... + an< vn, vi > ou < w, vi >= ai < vi, vi > pois < vj, vi >= 0 para j 6= i. Logo: ai = < w, vi > < vi, vi > = < w, vi > kvik2 ´
e a express˜ao da i-´esima coordenada de w em rela¸c˜ao `a base B.
4.11. CONJUNTOS ORTOGONAIS 35 Fourier de w em rela¸c˜ao `a base ortogonal B.
Observa¸c˜ao 4.22. No caso particular de B = {v1, ..., vn} ser uma base ortonormal de
V , os coeficientes ai do vetor w = a1v1+ ... + anvn, s˜ao dados por:
ai =< w, vi > pois < vi, vi >= 1. Assim, w =< w, v1 > v1+ < w, v2 > v2+ ...+ < w, vn>
vn,onde os termos < w, vi > s˜ao as proje¸c˜oes de w sobre as dire¸c˜oes vi.
Defini¸c˜ao 4.26. Sejam V um espa¸co vetorial sobre o corpo F munido de produto interno e B = {v1, ..., vn} um conjunto ortogonal em V com elementos vj 6= 0 para j = 1, ..., n.
Os coeficientes de Fourier do elemento u ∈ V relativos ao conjunto ortogonal B s˜ao definidos como: αi = < u, vi > < vi, vi > para i = 1, ..., n
4.11
Conjuntos Ortogonais
Se S1 e S2 s˜ao subconjuntos n˜ao-vazios de um espa¸co vetorial euclidiano V , diz-se que
S1 ´e ortogonal a S2, S1 ⊥ S2, se qualquer v1 ∈ S1 ´e ortogonal a qualquer vetor v2 ∈2.
Teorema 4.27. Seja V um espa¸co vetorial euclidiano e B = {v1, ..., vp} uma base de um
subespa¸co S de V , gerado por B. Se um vetor u ∈ V ´e ortogonal a todos os vetores da base B, ent˜ao u, ´e ortogonal a qualquer vetor do subespa¸co S e se representa por u ⊥ S.
Demonstra¸c˜ao: Qualquer vetor v ∈ S pode ser expresso por: v = a1v1+ a2v2+ ... + apvp
e
u.v = u.(a1v1 + a2v2+ ... + apvp)
u.v = a1(u.v1) + a2(u.v2) + ... + ap(u.vp)
Mas por hip´otese que, u.vi = 0, i = 1, ..., p
Portanto: u.v = 0
36 CAP´ITULO 4. ESPAC¸ OS DE PRODUTO INTERNO
4.12
Complemento ortogonal
Seja V um espa¸co vetorial euclidiano e S um subespa¸co vetorial de V . Consideremos o subconjunto de V formado pelos vetores que s˜ao ortogonais a S definidos por:
S⊥ = {v ∈ V /v ⊥ S} = {v ∈ V : (v, s) = 0, ∀s ∈ S}
Esse subconjunto S⊥ de V ´e chamado complemento ortogonal de S . vamos considerar duas propriedades:
(I) S⊥ ´e subespa¸co de V De fato:
a) Se v1, v2 ∈ S⊥, para qualquer u ∈ S, tem-se: u ⊥ v1 e u ⊥ v2, isto ´e:
v1.u = 0 e v2.u = 0. Ent˜ao: v1.u + v2.u = 0 =⇒ (v1+ v2).u = 0 =⇒ v1+ v2 ∈ S⊥
b) Analogamente, se verifica que para qualquer α ∈ R, α.v1 ∈ S⊥.
(II) Se S ´e subespa¸co vetorial de V , ent˜ao V = S ⊕ S⊥ V ´e a soma direita de S e S⊥.
De fato:
Se S = {0}, ent˜ao S⊥= V e a demonstra¸c˜ao seria imediata.
S 6= {0}, para qualquer v ∈ S ∩ S⊥ tem-se: v.v = 0, isto ´e, v=0; o que mostra que S ∩ S⊥ = {0}. Como S ´e um subespa¸co vetorial de V , S pode ser considerado um espa¸co vetorial euclidiano tal como V . Nessas condi¸c˜oes, sejam B = {e1, e2, ..., ep} uma base
ortonormal de S e v um vetor qualquer de V .
Tendo em vista que v.e1, v.e2, ..., v.ep s˜ao n´umeros reais o vetor v1 = (v.e1)e1+ (v.e2)e2+
... + (v.ep)ep
pertence a S, e o vetor v2 = v − v1´e ortogonal a S, isto ´e, pertence a S⊥ por ser ortogonal
a todos os vetores da base B = {e1, e2, ..., ep}
v2.e1 = (v − v1).e1 = v.e1− v1.e1
v2.e1 = v.e1− [(v.e1).e1+ (v.e2).e2+ ... + (v.ep).ep].e1
v2.e1 = v.e1− [(v.e1).e1].e1+ 0 + ... + 0
v2.e1 = v.e1− v.e1
v2.e1 = 0
Do mesmo modo:
4.13. PROPRIEDADES COMPLEMENTARES DE PRODUTO INTERNO 37 Assim,
v = v1+ v2, com v1 ∈ S e v2 ∈ S⊥
Logo:
V = S ⊕ S⊥
4.13
Propriedades Complementares de Produto Interno.
Desde que um espa¸co de produto interno X ´e um espa¸co normado (com a norma induzida pelo produto interno), j´a que, ele ´e tamb´em um espa¸co m´etrico com a m´etrica induzida de uma norma , isto ´e, d(x, y) = kx − yk =phx − y, x − yi.
Assim quaisquer conceitos de espa¸cos m´etricos que usamos sobre X ser´a definido atrav´es dessa m´etrica.
Continuidade do Produto Interno
Definimos a m´etrica via produto interno e definimos este via propriedades alg´ebricas. No entanto podemos mostrar que o produto interno ´e uma fun¸c˜ao cont´ınua.
Lema 4.28. Seja X um espa¸co com produto interno e suponha que {xn} e {yn} sejam
sequˆencias convergentes em X, com lim xn = x e lim yn= y, ent˜ao:
lim
n→∞(xn, yn) = (x, y).
Demonstra¸c˜ao: Desejamos mostrar que |(xn, yn) − (x, y)| < E para n suficientemente
grande.
|(xn, yn) − (x, y)| = |(xn, yn) − (xn, y) + (xn, y) − (x, y)
= |(xn, yn− y) + (xn− x, y)| ≤ |(xn, yn− y) + |xn− x, y| ≤
≤ kxnkkyn− yk + kxn− xkkyk.
Como {xn} ´e convergente =⇒ kxnk ´e limitada e como {yn} ´e convergente =⇒ {yn} ´e
limitada ent˜ao |(xn, yn) − (x, y)| ≤ kxnkkyn− yk + kxn− xkkyk −→ 0
|(xn, yn) − (x, y)| −→ 0 para n −→ ∞, isto ´e,
lim
n−→∞(xn, yn) = (x, y).
Ortogonalidade
38 CAP´ITULO 4. ESPAC¸ OS DE PRODUTO INTERNO se < x, y >= 0.
Observa¸c˜ao 4.30. Da ´algebra linear estamos familiarizados com o conceito de conjunto de vetores ortogonais em espa¸cos de dimens˜ao finita. O conceito pode ser estendido para espa¸cos de produto interno arbitr´arios.
Defini¸c˜ao 4.31. Seja X um espa¸co de produto interno, o conjunto {e1, e2, ..., ek} ⊂ X ´e
dito ortonormal se :
(i) kenk = 1 para 1 ≤ n ≤ k, e
(ii) (em, en) = 0 para 1 ≤ m, n ≤ k com m 6= n
δm,n = 1, se m = n; 0, se m 6= n.
Lema 4.32. Um conjunto ortonormal { ~e1, ~e2, ..., ~ek} num espa¸co de produto interno ´e
L.I. Em particular se k = dimX < ∞ ent˜ao { ~e1, ~e2, ..., ~ek} ´e uma base para X e al´em do
mais ∀x ∈ X podemos escrever:
x =
k
X
n=1
(x, en)en
onde os n´umeros (x, en) s˜ao as componentes de x com rela¸c˜ao a esta base, (x, en)en as
proje¸c˜oes de x nas dire¸c˜oes en.
Prova: Suponha k X n=1 αnen = 0 algum αn ∈ F, n = 1, 2, ..., k ( k X n=1 αnen, em) = k X n=1 αn(en, em) = k X n=1 αnδmn= 0 k X m=1 αmδmn= 0 =⇒ αm = 0, ∀m ∈ N.
Logo {e1, ..., ek} ´e L.I. Se {e1, e2, ..., ek} ´e uma base =⇒ ∃γn∈ F tal que
x = k X n=1 γnen=⇒ (x, em) = ( k X n=1 γnen, em) = k X n=1 γn(en, em) = k X n=1 γnδmn= γm
4.13. PROPRIEDADES COMPLEMENTARES DE PRODUTO INTERNO 39 isto ´e, x = k X n=1 (x, en)en
Lema 4.33. Seja {v1, v2, ..., vk} um subconjunto L.I de um espa¸co de produto interno X
e seja S = span{v1, v2, ..., vk} ent˜ao existe uma base ortonormal {e1, e2, ..., ek} para S.
Prova: Gram-Schmitd
Teorema 4.34. Seja um k- dimensional espa¸co de produto interno e seja {e1, e2, ..., ek}
uma base ortonormal para X. Ent˜ao, para todo αn∈ F, n = 1, 2, ..., k
k k X n=1 αnenk2 = k X n=1 |αn|2 Prova: k k X n=1 αnenk2 = ( k X n=1 αnen, k X m=1 αmem) = k X n=1 k X m=1 αn. ¯αm(en, em) = k X n=1 k X m=1 αn. ¯αm.δm,n = k k X n=1 αn.enk2 = k X n=1 αn. ¯αn= k X n=1 |αn|2
Defini¸c˜ao 4.35. Seja X um espa¸co de produto interno e A ⊂ X. O complemento ortogonal de A ´e o conjunto:
A⊥ = {x ∈ X : (x, a) = 0; ∀a ∈ A}
Lema 4.36. Se X ´e um espa¸co de produto interno e A ⊂ X ent˜ao: (a) ~0 ∈ A⊥
(b) Se ~0 ∈ A =⇒ A ∩ A⊥= {0}, caso contr´ario A ∩ A⊥= ∅ (c) {0}⊥= X, X⊥= {0}
(d) Se B ⊂ A =⇒ A⊥ ⊂ B⊥
(e) Se A⊥ ´e um subespa¸co linear fechado de X, ent˜ao A⊥ ´e um subespa¸co linear. Mostraremos a letra (e):
Suponha que y e z ∈ A⊥ e α, β ∈ F e seja x ∈ A. (i) (y, x) = 0
(ii) (z, x) = 0
40 CAP´ITULO 4. ESPAC¸ OS DE PRODUTO INTERNO =⇒ αy + βz ∈ A⊥. Mostraremos agora que A⊥ ´e fechado: Suponha que {xn} ∈ A⊥
convergindo para x ∈ X. 0 = (0, a) = lim n→∞(xn− x, a) = limn→∞[(xn, a) − (x, a)] = −(x, a) = 0 (x, a) = 0 =⇒ como x ∈ A⊥=⇒ A⊥ ´e fechado. (f) A ⊂ (A⊥)⊥ tomemos a ∈ A =⇒ ∀x ∈ A⊥ (a, x) = 0 =⇒ (x, a) = 0 portanto a ∈ (A⊥)⊥
Lema 4.37. Seja Y um subespa¸co linear de um espa¸co de produto interno X . Ent˜ao x ∈ Y⊥ ⇐⇒ kx − yk > kxk.
Prova:
(=⇒)Suponha que x ∈ Y⊥ =⇒ (x, y) = (y, x) = 0 kx − αyk2 = (x − αy, x − αy)
kx − αyk2 = (x, x) − (x, αy) − (αy, x) + (αy, αy)
kx − αyk2 = kxk2− ¯α(x, y) − α(y, x) + |α|2kyk2
kx − αyk2 = kxk2+ |α|2kyk2, particularmente seja α = 1
kx − yk2 = kxk2+ kyk2 > kxk2 =⇒ kx − yk > kxk
(⇐=) kx − yk > kxk =⇒ x ∈ Y⊥, ∀y ∈ Y . Seja y ∈ Y , ent˜ao αy ∈ Y ,pois Y ´e um subespa¸co linear de X. Agora,
kx − αyk2 = kxk2− ¯α(x, y) − α(y, x) + |α|2kyk2
0 ≤ kx − αyk2− kxk2 = − ¯α(x, y) − α(y, x) + |α|2kyk2
¯ α(x, y) + α(y, x) ≤ |α|2kyk2 Escolhendo: β = |(x, y)| (y, x) se (y, x) 6= 0 1 se (y, x) = 0 α = tβ ; t ∈ R+ ∗.
Portanto, tβ(x, y) + tβ(y, x) ≤ |tβ|2kyk2 =⇒ ¯t ¯β(x, y) + tβ(y, x) ≤ |t2β2|kyk2.
Substituindo-se o valor de β, temos: t.|(x, y)|
(x, y) .(x, y) + t.|(x, y)| ≤ t
2|β|2kyk2 ≤ t2(|(x, y)|
(x, y) )
2.kyk2 =⇒ t.|(x, y)| + t|(x, y| ≤
t2.kyk2 =⇒ 2t.|(x, y)| ≤ t2.kyk2 =⇒ |(x, y)| ≤ t
2.kyk
2; ∀t ∈ R+ ∗.
4.13. PROPRIEDADES COMPLEMENTARES DE PRODUTO INTERNO 41 lim t→0+|(x, y)| ≤ limt→0+ t 2kyk 2 = 0 =⇒ lim t→0+|(x, y)| ≤ 0 =⇒ |(x, y)| ≤ 0 ⇐⇒ (x, y) = 0 =⇒ x ⊥ y, ou seja, x ∈ y⊥.
Defini¸c˜ao 4.38. Conjunto Convexo: Seja A um subconjunto n˜ao-vazio de um espa¸co vetorial X .Sejam x, y ∈ A e λ ∈ [0, 1]. Dizemos que A ´e convexo se λx + (1 − λ)y ∈ A; ∀x, y ∈ A.
Cap´ıtulo 5
Espa¸
cos de Hilbert
Defini¸c˜ao 5.1. Seja X um espa¸co de produto interno. Dizemos que X ´e um espa¸co de Hilbert se X ´e completo na norma induzida pelo produto interno. Neste caso usamos H para representar X como um espa¸co de produto interno completo.
Vejamos alguns exemplos de espa¸cos de Hilbert: Exemplo 5.2. : (1) Rn e Cn s˜ao espa¸cos de Hilbert. (2) l2 ´e um espa¸cos de Hilbert. ∞ X n=1 |xn|2 < ∞ (3) L2[a, b] ´e de Hilbert =⇒Rb a |f 2|dx < ∞
Lema 5.3. Se H ´e um espa¸co de Hilbert e Y ⊂ H ´e um subespa¸co linear, ent˜ao Y ´e Hilbert, se somente se Y ´e fechado.
Demonstra¸c˜ao: :
(=⇒) Y ´e de Hilbert =⇒ Y ´e completo =⇒ (xn) ∈ Y −→ x ∈ Y =⇒ y = Y
(⇐=) Y ´e fechado =⇒ Y = Y =⇒ ∀xn ∈ Y → x ∈ Y = Y
xn → x ∈ Y =⇒ Y completo =⇒ Y ´e Hilbert.
Lema 5.4. Seja X um espa¸co vetorial de dimens˜ao finita sobre F(R ou C) e seja {e1, ..., en}
uma base para X;
43 Se k · k1 : X −→ R ´e a norma sobre X, e em particular
kxk1 = v u u t n X j=1 |λj|2
ent˜ao X ´e um espa¸co m´etrico completo. Demonstra¸c˜ao:
Para mostrar que X ´e completo ´e suficiente mostrar que toda sequˆencia de Cauchy em X converge para elementos de X. Inicialmente suponhamos que {xn} seja uma sequˆencia
de Cauchy em X : {xm} ∈ X. xm =P λ (m) j ej kxm− xnk2 = n X j−1 |λ(m)j − λ(n)j |2 < E2 |λ(m)j − λ(n)j |2 < E2; ∀i ≤ j ≤ n |λ(m)j − λ(n)j | < E
{λ(m)j } ´e de Cauchy. Como R ou C s˜ao completos {λ(m)j } −→ λj. Ent˜ao ∃ x ∈ X : x = n X j=1 λjej
Ent˜ao, existe Nj ∈ N : m > Nj =⇒ |λ (m) j −λj|2 ≤ E2 n (n ∈ N). Seja N0 = max{N1, N2, ..., Nn} xm = (λ (m) 1 , λ (m) 2 , ..., λ (m) n ) x = (λ1, λ2, ..., λn) kxm− xk2 = n X j=1 |λ(m)j − λi|2 ≤ n X j=1 E2 n kxm− xk2 ≤ E2 kxm − xk < E; m > N0 ⇐⇒ lim
m→+∞xm → x,ou seja, xm → x ∈ X. Como {xm} foi
arbitr´ario =⇒ X ´e completo.
Teorema 5.5. Desigualdade de Minikowski. Seja p > 1. Se (an)(bn) sequˆencias de
n´umeros reais n˜ao negativos tal que
∞ X n=1 apn< ∞, ∞ X n=1 bpn < ∞,
44 CAP´ITULO 5. ESPAC¸ OS DE HILBERT ent˜ao ( ∞ X n=1 (an+ bn)p) 1 p ≤ ( ∞ X n=1 (apn)1p) + ( ∞ X n=1 bpn)1p
Demonstra¸c˜ao: Se p = 1 a desigualdade se verifica. Consideremos p > 1. Fixando m ∈ N observe que m X n=1 (an+ bn)p = m X n=1 (an+ bn)(an+ bn)p−1= m X n=1 an(an+ bn)p− 1 + m X n=1 bn(an+ bn)p−1
Aplicando a desigualdade de Holder, com p e q = p/(p − 1) ´as duas ultimas somat´orias temos que m X n=1 (an+ bn)p ≤ {( m X n=1 (apn)1p + ( m X n=1 (bpn)1p}( m X n=1 (an+ bn)p)1− 1 p
de onde segue que
( m X n=1 (an+ bn)p) 1 p ≤ ( ∞ X n=1 (apn)p1) + ( ∞ X n=1 bpn)1p; ∀m ∈ N
Elevando `a potˆencia p segue que a s´erie do lado esquerdo converge e temos a
desigual-dade desejada.
Um dos exemplos mais importantes de espa¸co de Hilbert ´e o espa¸co das sequˆencias quadrados som´aveis, ou espa¸co l2. Ou seja, l2 ´e um espa¸co m´etrico, na distˆancia induzida
do produto interno, completo.
Demonstra¸c˜ao: Seja {xm} uma sequˆencia de Cauchy em l2.
Definamos: xm ∈ l2 =⇒ xm = (ε(m)1 , ε (m) 2 , ..., ε (m) j , ...) xn ∈ l2 =⇒ xn= (ε (n) 1 , ε (n) 2 , ..., ε (n) j , ...) d(xm, xn) = ( ∞ X j=1 |ε(m)j − ε(n)j |2)12 < E
45 d(xm, xn) −→ 0, quando n, m −→ ∞. Em particular, a soma ´e valida para cada
coorde-nada Ej, as quais s˜ao sequˆencias, assim temos: ∞
X
j=1
|ε(m)j − ε(n)j |2 < E2
o que implica que |ε(m)j − ε(n)j |2 < E2; m, n −→ ∞ para E dado. Assim {ε(m)
j } ´e uma
sequˆencia de Cauchy.
Como R ou C s˜ao completos =⇒ {ε(m)j } −→ εj para cada j ∈ N.
Definamos o vetor x com estas coordenadas: x = (ε1, ε2, ..., εn, ...). Mostraremos que
x ∈ l2 e xm −→ x para m, n > N . ´E verdade que k X j=1 |ε(m)j − εj| < E2; k ∈ N; m, n > N Fa¸camos n −→ ∞, m > n ∈ N k X j=1 |ε(m)j − εj|2 ≤ E2. Agora fa¸camos k −→ ∞, m > N lim k−→∞ k X j=1 |ε(m)j − εj|2 = ∞ X j=1 |ε(m)j − εj|2 ≤ E2
Assim para cada j temos a equivalˆencia: d(xm, x) = kxm − xk2 ≤ E2ou seja kxm− xk ≤
E =⇒ xm −→ x.
Da desigualdade de Minkowski temos:
( ∞ X j=1 |εj+ ηj|2) 1 2 ≤ ( ∞ X j=1 |εj|2) 1 2 + ( ∞ X j=1 |ηj|2) 1 2 ( ∞ X j=1 |εj|2) 1 2 = ( ∞ X j=1 |ε(m)j |2) + |ε j− ε (m) j | 2)12 ≤ ( ∞ X j=1 |ε(m)j |2)12 + ( ∞ X j=1 |εj− ε (m) j | 2)12 < ∞ isto ´e, x ∈ l2. Como x
m −→ x ∈ l2, e como {xm} foi uma sequˆencia arbitr´aria temos que
l2 ´e Hilbert.
Teorema 5.6. (Menor distˆancia ou Melhor aproxima¸c˜ao): Seja H um espa¸co de Hilbert e A um subespa¸co linear n˜ao vazio convexo e fechado em H. Ent˜ao, dado p ∈ H, existe um ´unico q ∈ A tal que kp − qk = inf {kp − ak : a ∈ A}.
46 CAP´ITULO 5. ESPAC¸ OS DE HILBERT Demonstra¸c˜ao: A id´eia da demonstra¸c˜ao ´e construir um vetor q com a propriedade mencionada, a partir de uma sequˆencia de Cauchy de vetores de A, mostrar que essa sequˆencia converge a um vetor de A, mostrar que esse vetor satisfaz a propriedade de m´ınima distˆancia mencionada e, por fim, mostrar sua unicidade.
Seja γ > 0 definido como γ = inf {kp − ak : a ∈ A}. Para cada n ∈ N seja qn ∈ A um
vetor com a propriedade que kp − qnk2 ≤ γ2+
1 n.
Vamos agora provar que toda sequˆencia qn como acima ´e uma sequˆencia de Cauchy em
H. Para tal, usaremos a lei do paralelogramo e o fato de A ser convexo. A lei do paralelogramo diz que para todos u e v ∈ H tem-se que
ku + vk2+ ku − vk2 = 2(kuk2+ kvk2).
Adotemos, ent˜ao, u = p − qm e v = p − qn. Teremos que:
k(p − qm) + (p − qn)k2+ k(p − qm) − (p − qn)k2 = 2(kp − qmk2) + kp − qnk2) k2p − (qm+ qn)k2+ kqn− qmk2 = 2(kp − qmk2+ kp − qnk2) 4kp − (qm+ qn) 2 k 2+ kq n− qmk2 = 2(kp − qmk2+ kp − qnk2)
Isso pode ser reescrito como:
kqn− qmk2 = 2(kp − qmk2+ kp − qnk2) − 4kp −
(qm+ qn)
2 k
2
Usando agora o fato que kp − qnk2 6 γ2+
1
n para todo n, ficamos com kqn− qmk2 6 2((γ2+ 1 m) + (γ 2+ 1 n)) − 4kp − (qm+ qn) 2 k 2 kqn− qmk2 6 4γ2+ 2( 1 n + 1 m) − 4kp − (qm+ qn) 2 k 2
Notemos agora que (qm+ qn)
2 ∈ A pois o lado esquerdo ´e uma combina¸c˜ao linear convexa de elementos de A e A ´e um conjunto convexo. Assim, pela defini¸c˜ao de γ,
kp − (qm+ qn)
2 k
2 ≥ γ2. Portanto, temos que
kqn− qmk2 6 4γ2+ 2( 1 n + 1 m) − 4γ 2 = 2(1 n + 1 m) kqn− qmk2 6 2( 1 n + 1 m)
O lado direito pode ser feito arbitrariamente pequeno, tomando-se m e n ambos grandes o suficiente. Ora, isso diz-no precisamente que {qn}n∈N ´e uma sequˆencia de Cauchy.
n, m −→ ∞ =⇒ kqn− qmk −→ 0 =⇒ {qn} ´e de Cauchy.
H ´e completo =⇒ {qn} −→ q ∈ H
Como A ´e fechado =⇒ q ∈ A qn −→ q ∈ A
47 Uma vez encontrado esse q ∈ A, vamos mostrar que kp − qk = γ. De fato, para todo n vale que:
kp − qk = k(p − qn) − (q − qnk ≤ kp − qnk + kq − qnk <
r
γ2 + 1
n + kq − qnk.
Tomando-se n −→ ∞, e usando o fato que qn converge a q, conclu´ımos que kp − qk ≤ γ.
Por outro lado, ´e evidente pela defini¸c˜ao de γ que kp − qk > γ pois q ∈ A. Da´ı, segue que kp − qk = γ.
Mostrando a unicidade:
Suponhamos que exista outro ponto w ∈ A : kp − wk = inf {kp − ak : a ∈ A}. Pelo fato de A ser convexo n´os temos que w + q
2 ∈ A
kp − (w + q)
2 k > kp − wk = kp − qk = γ Aplicando a Lei do Paralelogramo nos vetores: p − w e p − q temos: |2p − (w + q)k2+ kp − w − p + qk2 = 2kp − wk2+ 2kp − qk2 4kp − (w + q) 2 k 2+ kq − wk2 = 2kp − wk2+ 2kp − qk2 kq − wk2 = 2γ2+ 2γ2− 4kp − (w + q) 2 k 2 kq − wk2 = 4γ2− 4kp − (w + q) 2 k 2 kq − wk2 ≤ 4γ2 − 4γ2 = 0 0 ≤ kq − wk2 ≤ 0 ⇐⇒ kq − wk = 0 =⇒ q = w.
Proposi¸c˜ao 5.7. O fecho E de um subespa¸co E de um espa¸co de Hilbert H ´e E = (E⊥)⊥. Em particular, se E ´e um subespa¸co fechado de H, ent˜ao E = (E⊥)⊥.
Prova: Notemos primeiramente que E ⊂ (E⊥)⊥, pois (E⊥)⊥ ´e o conjunto de todos os vetores perpendiculares a cada elemento de E⊥e todo elemento de E tem essa propriedade. Como (E⊥)⊥ ´e um conjunto fechado, segue que E ⊂ (E⊥)⊥.
Vamos agora provar a rela¸c˜ao oposta, ou seja, que E ⊃ (E⊥)⊥. Para isso vamos mostrar que todo elemento de (E⊥)⊥ est´a no fecho de E.
Seja x ∈ (E⊥)⊥. Como E ´e um subespa¸co linear fechado, a ele se aplica o Teorema de Decomposi¸c˜ao Ortogonal e podemos afirmar que x pode ser escrito como x = y + z com y ∈ E e z ∈ (E)⊥. Se provarmos que z = 0, teremos estabelecido que x = y ∈ E que ´e o
48 CAP´ITULO 5. ESPAC¸ OS DE HILBERT queremos. Para isso, notemos que:
< x, z >=< y + z, z >=< y, z > + < z, z >=< y, z > +kzk2
Como < y, z >= 0 pois (y ∈ E e z ∈ (E)⊥), segue que kzk2 =< x, z >. Queremos
agora provar que esse produto interno ´e nulo, o que implica z = 0.Como E ⊂ E segue que (E)⊥ ⊂ E⊥. Logo, z ∈ E⊥. Como x ∈ (E⊥)⊥, segue imediatamente que x e z s˜ao
perpendiculares, completando a prova.
5.1
Sequˆ
encias Ortonormais versus Espa¸
cos de Dimens˜
ao
Infinita
Defini¸c˜ao 5.8. Seja X um espa¸co de produto interno. Uma sequˆencia {en : n ∈ N} ´e
dita ortonormal se (en, em) = 0; ∀n, m ∈ N e kenk = 1; ∀n ∈ N.
Exemplo 5.9. e1 = (1, 0, 0, ...), e2 = (0, 1, 0, ...), ..., en= (0, 0, ..., 1, 0, ...) ∈ l2
=⇒ (en, em) = 0 e kenk = 1; ∀n ∈ N ´e uma sequˆencia ortonormal.
Lema 5.10. (Desigualdade de Bessel): Seja X um espa¸co de Produto Interno e {en} uma
sequˆencia ortonormal em X. Ent˜ao, para qualquer x ∈ H, a s´erie P |(x, en)|2 converge.
Demonstra¸c˜ao: kx − ykk2 = (x − yk, x − yk) = kxk2− (x, yk) − (yk, x) + (yk, yk) = = kxk2+ kyk2− (x, y k) − (yk, x). Temos: (x, yk) = (x, k X n=1 (x, en)en) = k X n=1 (x, en)(x, en) = k X n=1 |(x, en)|2 (yk, x) = ( k X n=1 (x, en)en, x) = k X n=1 (x, en)(en, x) = k X n=1 (x, en)(x, en) = k X n=1 |(x, en)|2 (yk, yk) = ( k X n=1 (x, en)en, k X m=1 (x, em)em) = k X n,m=1 (x, en)(x, em)(en, em) = k X n,m=1 (x, en)(x, em).δm,n = k X m=1 |(x, en)|2 Sendo assim, kx − ykk2 = kxk2+ kykk2− (x, yk) − (yk, x) kx − ykk2 = kxk2+ k X n=1 |(x, en)|2− 2 k X n=1 |(x, en)|2 = kxk2− k X n=1 |(x, en)|2 > 0