O Espaço Euclidiano {\mathbb{R}^n}

Nesta aula, exploramos o espaço euclidiano \mathbb{R}^n, sua estrutura algébrica e propriedades métricas. Você aprenderá sobre operações vetoriais, o produto escalar, a norma e a distância euclidiana, conceitos essenciais em geometria e análise. Com explicações claras e exemplos intuitivos, este material permitirá que você compreenda como o espaço é modelado matematicamente em múltiplas dimensões.

Objetivos de Aprendizagem:
Ao finalizar esta aula, o estudante será capaz de:

1. Definir o espaço euclidiano \mathbb{R}^n e suas propriedades fundamentais.
2. Explicar a estrutura vetorial de \mathbb{R}^n por meio de suas operações básicas.
3. Aplicar o produto escalar para calcular ângulos e projeções entre vetores.
4. Demonstrar propriedades algébricas e métricas do produto escalar em \mathbb{R}^n.
5. Utilizar a norma euclidiana para determinar a magnitude de um vetor.
6. Calcular a distância euclidiana entre dois pontos em \mathbb{R}^n e analisar seu significado geométrico.
7. Verificar a validade de desigualdades fundamentais como a de Cauchy-Schwarz e a desigualdade triangular.

ÍNDICE
O Espaço \mathbb{R}^n
O Produto Escalar
A Norma e a Distância Euclidiana
Conclusão

O Espaço Vetorial \mathbb{R}^n

Provavelmente, antes de chegar a este ponto, você já estava familiarizado com as propriedades de \mathbb{R}, do plano \mathbb{R}^2, ou do espaço \mathbb{R}^3. Todas essas ideias são úteis para entender o espaço \mathbb{R}^n. Antes de tudo, o conjunto \mathbb{R}^n = \{\vec{x} = (x_1, \cdots, x_n) | x_1, \cdots, x_n \in \mathbb{R}\}, munido das operações usuais de soma vetorial e multiplicação por escalar, é um espaço vetorial. Vamos aprofundar isso revisando as operações básicas de \mathbb{R}^n.

Operações básicas de \mathbb{R}^n

Se \vec{x}=(x_1, \cdots, x_n), \vec{y}=(y_1, \cdots, y_n) são vetores de \mathbb{R}^n e \alpha é um escalar real qualquer, então as operações de soma de vetores e multiplicação por escalar são descritas a seguir:

Soma de vetores: A soma de vetores é descrita pela função:

\begin{array}{rcrl} +:& \mathbb{R}^n \times \mathbb{R}^n & \longrightarrow & \mathbb{R}^n \\ & (\vec{x},\vec{y}) & \longmapsto & \vec{x}+\vec{y} = (x_1+y_1, \cdots, x_n + y_n) \end{array}

Multiplicação por escalar: A multiplicação por escalar é descrita pela função:

\begin{array}{rcrl} ():& \mathbb{R} \times \mathbb{R}^n & \longrightarrow & \mathbb{R}^n \\ & (\alpha,\vec{x}) & \longmapsto & (\alpha\vec{x}) = (\alpha x_1, \cdots, \alpha x_n) \end{array}

Propriedades do espaço vetorial \mathbb{R}^n

O espaço \mathbb{R}^n munido das operações descritas acima é um espaço vetorial, pois suas operações de soma e multiplicação por escalar satisfazem as propriedades mostradas a seguir:

Primeiro, temos as propriedades comutativa e associativa.

\vec{x} + \vec{y} = \vec{y} + \vec{x} \\ \vec{x} + (\vec{y} + \vec{z}) = (\vec{x} + \vec{y}) + \vec{z} \\ (\alpha \beta) \vec{x} = \alpha (\beta \vec{x}) = \beta (\alpha \vec{x}) = (\beta\alpha) \vec{x}

A soma de escalares se distribui em relação ao produto por escalar, e a soma vetorial se distribui em relação ao produto escalar; ou seja, as seguintes igualdades são satisfeitas:

(\alpha + \beta) \vec{x} = \alpha\vec{x} + \beta\vec{x} \\ \alpha(\vec{x} + \vec{y}) = \alpha\vec{x} + \alpha\vec{y}

Existe um neutro aditivo \vec{0}=(0,\cdots, 0) que satisfaz a propriedade

\vec{x} + \vec{0} = \vec{x}

Existe o elemento neutro multiplicativo para o produto por escalar

1 \vec{x} = \vec{x}

Além disso, todo vetor \vec{x}\in\mathbb{R}^n possui um inverso aditivo -\vec{x}, que satisfaz a propriedade:

\vec{x} + -\vec{x} = \vec{0}

O Produto Escalar

Se analisarmos a construção de \mathbb{R}^n como um espaço vetorial, veremos que ele não possui, a princípio, um produto entre vetores; inicialmente, não podemos “multiplicar” vetores entre si como normalmente fazemos com dois números reais. No entanto, é possível definir essa operação entre vetores, e uma das formas de fazê-lo é por meio do que se conhece como produto escalar.

Não se deve confundir o produto escalar com o produto por escalar, o primeiro é um produto entre dois vetores que resulta em um escalar, enquanto o segundo é o produto de um escalar por um vetor, resultando em outro vetor. Consideremos dois vetores de \mathbb{R}^n: \vec{x}=(x_1, \cdots, x_n) e \vec{y}=(y_1, \cdots, y_n). A partir desses vetores, define-se o produto escalar de \vec{x} com \vec{y}, \vec{x}\cdot\vec{y}, como o número real dado pela fórmula:

\vec{x}\cdot\vec{y} =\displaystyle \sum_{i=1}^n x_i y_i = x_1y_1 + \cdots x_ny_n

Existem muitas formas de representar o produto escalar entre vetores de \mathbb{R}^n, uma delas é a que acabamos de revisar. Outra forma se obtém considerando uma base de \mathbb{R}^n e o convenção de soma de Einstein: Se \{\hat{e}_i\}_{i=\overline{1,n}} é uma base de \mathbb{R}^n (geralmente a base canônica), então os vetores \vec{x} e \vec{y} podem ser escritos da seguinte forma:

\vec{x}=\displaystyle\sum_{i=1}^n x_i\hat{e}_i = x_1\hat{e}_1 + \cdots x_n\hat{e}_n

\vec{y}=\displaystyle\sum_{i=1}^n y_i\hat{e}_i = y_1\hat{e}_1 + \cdots y_n\hat{e}_n

Aqui, fica explicitamente indicado que os coeficientes x_i e y_i dos vetores são relativos à base do espaço.

A convenção de soma de Einstein

A convenção de soma de Einstein nos permite simplificar a representação dos vetores em geral e do produto escalar em particular. Se analisarmos as duas expressões anteriores, veremos que o índice i se repete tanto no coeficiente do vetor quanto no elemento da base vetorial. Para Einstein, o fato de haver índices repetidos é suficiente para assumir a existência da soma que aparece na expressão, de modo que podemos escrever:

\vec{x}= x_i\hat{e}_i

\vec{y}= y_i\hat{e}_i

Utilizando essa convenção de notação, o produto escalar fica na forma

\vec{x}\cdot\vec{y} = x_i\hat{e}_i \cdot y_i\hat{e}_i = x_iy_i \underbrace{(\hat{e}_i \cdot \hat{e}_i)}_{=1} = x_iy_i

Nesta última igualdade, assumimos que estamos trabalhando com a base canônica.

Outras Notações para o Produto Escalar

A notação para vetores e suas operações nem sempre é a mesma em todos os contextos, a notação utilizada nos primeiros parágrafos deste material é a mais comum em cálculo. No entanto, em álgebra linear, às vezes se faz uma distinção entre vetores e covetores:

Quando falamos de vetores, nos referimos ao que se entende por “vetor coluna”, representado matricialmente da seguinte forma:

\alpha^i = \left( \begin{array}{c}\alpha_1 \\ \vdots \\ \alpha_n \end{array} \right)

Por outro lado, quando falamos de covetores, nos referimos ao que chamamos de “vetor linha”, representado matricialmente como:

\beta_i = \left( \beta_1 \; \cdots \; \beta_n \right)

Assim, o produto escalar de dois vetores \vec{x}=(x_1,\cdots,x_n) e \vec{y}=(y_1,\cdots,y_n) pode ser interpretado como o produto matricial do “covetor” x_i com o vetor y^i, resultando no seguinte número real:

\left( x_1 \; \cdots \; x_n \right) \left( \begin{array}{c}y_1 \\ \vdots \\ y_n \end{array} \right) = x_iy^i

Observe que, nesta última igualdade, a convenção de soma de Einstein reaparece, onde os índices repetidos indicam que o resultado final é uma soma.

A notação que distingue vetores e covetores por meio de sub e super índices é conhecida como “notação covariante” ou “notação tensorial”, sendo amplamente utilizada no estudo da teoria da relatividade especial e geral. Além disso, essa notação facilita o trabalho com tensores, um conceito que generaliza as ideias que acabamos de revisar e que exploraremos em detalhes em outro momento. Em disciplinas como a mecânica quântica, prefere-se a notação Bra-Ket, onde:

\left< x \right| =\left( x_1 \; \cdots \; x_n \right) \\ \\ \left|y\right> = \left( \begin{array}{c}y_1 \\ \vdots \\ y_n \end{array} \right)

Assim, o produto escalar pode ser representado da seguinte forma: \left<x|y\right>.

Propriedades do Produto Escalar

A partir da definição do produto escalar, podemos extrair uma série de propriedades que serão altamente relevantes no futuro.

Se utilizarmos o produto escalar para definir a função \tilde{\omega}(\vec{x})=\vec{\omega} \cdot \vec{x} = \omega_i x^i, veremos que a função \tilde{\omega} definida dessa maneira possui todas as propriedades das funções lineares. De fato, será fácil demonstrar que:

\begin{array}{rl} \tilde{\omega}(\alpha \vec{x} + \beta\vec{y}) = \alpha \tilde{\omega}(\vec{x}) + \beta\tilde{\omega}(\vec{y}) \end{array}

Por essa razão, objetos como \tilde{\omega}, definidos a partir do produto escalar, são chamados de funcionais lineares. Como já sabemos, \vec{x} é um vetor pertencente ao espaço vetorial \mathbb{R}^n, e, como veremos em outras situações, \tilde{\omega} pertence ao espaço dual de \mathbb{R}^n.

A partir disso, percebemos que existe uma relação estreita entre o produto escalar e as funções lineares. De fato, uma afirmação que resume todas as propriedades essenciais do produto escalar é: “o produto escalar é uma forma bilinear, simétrica, positiva e não degenerada”. Vamos analisar o significado de cada uma dessas características:

Quando afirmamos que o produto escalar é uma forma bilinear, queremos dizer que, se \vec{x},\vec{y} e \vec{z} são vetores de \mathbb{R}^n e \alpha,\beta \in \mathbb{R}, então as seguintes igualdades são satisfeitas:

\begin{array}{rl} \vec{x}\cdot(\alpha \vec{y} + \beta\vec{z}) = \alpha (\vec{x}\cdot\vec{y}) + \beta(\vec{x}\cdot\vec{z}) \\ \\ (\alpha \vec{x} + \beta\vec{y})\cdot\vec{z} = \alpha (\vec{x} \cdot \vec{z}) + \beta(\vec{y}\cdot\vec{z}) \end{array}

O produto escalar é simétrico porque:

\forall(\vec{x},\vec{y}\in\mathbb{R}^n)(\vec{x}\cdot\vec{y} = \vec{y}\cdot\vec{x})

é definido positivo porque:

(\forall\vec{x}\in\mathbb{R}^n)(\vec{x}\cdot\vec{x} \geq 0)

e finalmente, é não degenerado porque:

\vec{x}\cdot\vec{x} = 0 \leftrightarrow \vec{x}=\vec{0}

A Norma e a Distância Euclidiana

Uma norma é uma forma de medir a magnitude de um vetor, quando um espaço vetorial possui uma norma, dizemos que ele é um Espaço Vetorial Normado. Se \vec{x},\vec{y}\in\mathbb{R}^n e \lambda\in\mathbb{R}, então a função Norm( . ) é uma norma se satisfaz as seguintes propriedades:

1. Norm(\vec{x})\geq 0
2. Norm(\vec{x}) = 0 \leftrightarrow \vec{x}=\vec{0}
3. Norm(\lambda\vec{x}) = |\lambda| Norm(\vec{x})
4. Norm(\vec{x} + \vec{y}) \leq Norm(\vec{x}) + Norm(\vec{y})

Um aspecto importante do produto escalar é que ele é especialmente útil para definir matematicamente um conceito de distância que corresponde intuitivamente à nossa maneira natural de entender as distâncias entre dois pontos. Para cada \vec{x}\in\mathbb{R}^n, define-se sua Norma Euclidiana, \|\vec{x}\| através da equação:

\|\vec{x}\| = \sqrt{\vec{x}\cdot\vec{x}}

A partir disso, dizemos que a norma euclidiana é a norma induzida pelo produto escalar.

Uma distância, ou métrica, é uma função que nos informa sobre “a separação entre dois elementos de um conjunto”. Se \vec{x}, \vec{y}, \vec{z}\in\mathbb{R}^n e \lambda\in\mathbb{R},, então a função Dist( . ) é uma distância se satisfaz as seguintes propriedades:

1. Dist(\vec{x},\vec{y})=0 \leftrightarrow \vec{x}=\vec{y}
2. Dist(\vec{x},\vec{y})=Dist(\vec{y},\vec{x})\geq 0
3. Dist(\vec{x},\vec{z})\leq Dist(\vec{x},\vec{y}) + Dist(\vec{y},\vec{z})

A última expressão é conhecida como Desigualdade Triangular, e caso não fosse satisfeita, a função Dist(.) seria o que chamamos de “pseudo distância” ou “pseudo métrica”. Um Espaço Vetorial equipado com uma distância é denominado Espaço Métrico.

A partir da Norma Euclidiana, define-se a Distância Euclidiana entre dois vetores. Se temos dois vetores \vec{x},\vec{y}\in\mathbb{R}^n, então a distância euclidiana entre esses dois vetores, dist_e(\vec{x},\vec{y}), é dada por:

dist_e(\vec{x},\vec{y}) = \|\vec{x} - \vec{y}\|

Se \vec{x}=(x_1,\cdots,x_n) e \vec{y}=(y_1,\cdots, y_n), então é fácil demonstrar, a partir das propriedades do produto escalar e da norma, que:

dist_e(\vec{x},\vec{y}) = \sqrt{\displaystyle \sum_{i=1}^n (x_i - y_i)^2}

Se equiparmos o espaço vetorial \mathbb{R}^n com a distância euclidiana, obtemos um Espaço Euclidiano.

A partir disso, dizemos que a métrica do espaço euclidiano é a métrica induzida pela norma euclidiana.

Propriedades da Norma Euclidiana

Dado que nosso estudo se concentra especificamente no Espaço Euclidiano, será conveniente revisar as propriedades da norma euclidiana.

Desigualdade de Cauchy-Schwarz

Se \vec{x},\vec{y}\in\mathbb{R}^n, então a seguinte propriedade é satisfeita:

|\vec{x}\cdot\vec{y}|\leq \|\vec{x}\|\|\vec{y}\|

DEMONSTRAÇÃO:

Seja \lambda = (\vec{x}\cdot\vec{y})/\|\vec{y}\|^2, então temos que:

\begin{array}{rl} 0\leq \|\vec{x} - \lambda \vec{y}\|^2 &= (\vec{x} - \lambda\vec{y}) \cdot (\vec{x} - \lambda\vec{y}) \\ \\ \displaystyle &= \vec{x}\cdot\vec{x} - \lambda\vec{x}\cdot\vec{y} + \lambda\vec{y}\cdot\vec{x} + \lambda^2(\vec{y}\cdot\vec{y})\\ \\ &= \|\vec{x}\|^2 - 2\lambda(\vec{x}\cdot\vec{y}) + \lambda^2 \|\vec{y}\|^2 \\ \\ \displaystyle &= \|\vec{x}\|^2 - 2\left(\frac{\vec{x}\cdot\vec{y}}{\|\vec{y}\|^2}\right)(\vec{x}\cdot\vec{y}) + \left(\frac{\vec{x}\cdot\vec{y}}{{\|\vec{y}\|^2}}\right)^2 {\|\vec{y}\|^2}\\ \\ \displaystyle &= \|\vec{x}\|^2 - 2\left(\frac{(\vec{x}\cdot\vec{y})^2}{\|\vec{y}\|^2}\right) + \frac{\left(\vec{x}\cdot\vec{y}\right)^2}{\|\vec{y}\|^2}\\ \\ &= \|\vec{x}\|^2 - \frac{\left(\vec{x}\cdot\vec{y}\right)^2}{\|\vec{y}\|^2} \end{array}

De modo que podemos afirmar:

\displaystyle 0 \leq \|\vec{x}\|^2 - \frac{\left(\vec{x}\cdot\vec{y}\right)^2}{\|\vec{y}\|^2}

E, portanto:

\left(\vec{x}\cdot\vec{y}\right)^2 \leq \|\vec{x}\|^2 \|\vec{y}\|^2

E, finalmente, tomando raízes, chegamos ao que queríamos demonstrar:

|\vec{x}\cdot\vec{y}| \leq \|\vec{x}\| \|\vec{y}\| ⬛

Desigualdade Triangular

Sejam \vec{x},\vec{y}\in\mathbb{R}^n, esses vetores satisfazem a relação:

\|\vec{x} + \vec{y}\| \leq \|\vec{x}\| + \|\vec{y}\|

DEMONSTRAÇÃO:

Primeiro, notemos que:

\begin{array}{rl} \|\vec{x} + \vec{y}\|^2 &= (\vec{x} + \vec{y})\cdot(\vec{x} + \vec{y}) \\ \\ &=\|\vec{x}\|^2 + 2(\vec{x}\cdot\vec{y}) + \|\vec{y}\|^2 \end{array}

Como valem as relações:

\vec{x}\cdot\vec{y}\leq |\vec{x}\cdot\vec{y}| \leq \|\vec{x}\|\vec{y}\|

Podemos escrever o seguinte:

\begin{array}{rl} \|\vec{x} + \vec{y}\|^2 &\leq \|x\|^2 + 2\|\vec{x}\|\vec{y}\| + \|\vec{y}\|^2 \\ \\ &\leq \left(\|\vec{x}\| + \|\vec{y}\| \right)^2 \end{array}

Finalmente, tomando raízes, chegamos ao que queríamos demonstrar:

\|\vec{x} + \vec{y}\|\leq \|\vec{x}\| + \|\vec{y}\| ⬛

Conclusão

Ao longo desta aula, exploramos as propriedades fundamentais do espaço euclidiano \mathbb{R}^n, abordando suas estruturas algébricas e métricas. Começamos definindo suas operações básicas, como a soma de vetores e o produto por escalar, estabelecendo assim seu caráter de espaço vetorial. Em seguida, aprofundamos o conceito de produto escalar e sua relevância para a geometria de \mathbb{R}^n, destacando sua interpretação matricial e sua relação com as funções lineares.

Posteriormente, analisamos a norma euclidiana e a distância induzida por ela, ressaltando como essas ferramentas nos permitem quantificar comprimentos e distâncias neste espaço. Além disso, revisamos propriedades fundamentais como a desigualdade de Cauchy-Schwarz:

|\vec{x}\cdot\vec{y}| \leq \|\vec{x}\| \|\vec{y}\|

e a desigualdade triangular:

\|\vec{x} + \vec{y}\|\leq \|\vec{x}\| + \|\vec{y}\|

que são essenciais para o desenvolvimento de teorias mais avançadas em análise e geometria.