Seja V um espaço vetorial de dimensão finita sobre mathbb{R}.
O que é Complemento Ortogonal?
Passo 1
O enunciado pergunta: “O que é Complemento Ortogonal?” e dá a informação de que V é um espaço vetorial de dimensão finita sobre \mathbb{R}.
Informações relevantes que o enunciado fornece ou omite e que importam para a definição:
Foi dito apenas que V é um espaço vetorial real de dimensão finita.
O enunciado não especifica explicitamente um produto interno (produto escalar). Para falar de “ortogonal” precisamos de um produto interno; portanto a definição de complemento ortogonal exige que assumamos um produto interno em V. Normalmente assume-se um produto interno fixo (por exemplo, o produto escalar padrão se V=\mathbb{R}^n), ou qualquer produto interno não degenerado.
A pergunta é conceitual: quer a definição e, implicitamente, propriedades e como calcular na prática.
Passo 2
O que é um produto interno e por que ele é necessário? (mini-aula)
Produto interno é uma função que associa a cada par de vetores u,v\in V um número real \langle u,v\rangle e satisfaz algumas propriedades: linearidade em uma componente, simetria \langle u,v\rangle=\langle v,u\rangle e positividade \langle v,v\rangle\ge 0 com igualdade só para v=0.
Sem produto interno não faz sentido falar que “dois vetores são ortogonais” (isto é, que o produto entre eles é zero). Portanto, ao definir complemento ortogonal, devo primeiro fixar um produto interno \langle\cdot,\cdot\rangle em V.
Exemplo concreto: se V=\mathbb{R}^n usamos o produto interno padrão \langle x,y\rangle = x_1y_1+\cdots+x_ny_n.
Passo 3
Definição formal (a parte central)
Seja V um espaço vetorial real de dimensão finita equipado com um produto interno \langle\cdot,\cdot\rangle. Seja S\subseteq V (geralmente um subespaço W). O complemento ortogonal de S, denotado S^{\perp}, é o conjunto
S^{\perp}=\{v\in V \mid \langle v,s\rangle = 0\text{ para todo }s\in S\}.
Expliquei cada símbolo: S^{\perp} é o "ortogonal de S"; o símbolo \langle v,s\rangle = 0 significa que v é ortogonal a cada vetor s de S.
Passo 4
Propriedade básica: S^{\perp} é um subespaço de V — prova passo a passo (coisa que cai em prova)
Quero mostrar que S^{\perp} é fechado por soma e por produto por escalar e contém o vetor zero.
0\in S^{\perp} porque \langle 0,s\rangle=0 para todo s\in S.
Fechamento por soma: tome u,v\in S^{\perp}. Para qualquer s\in S,
então \alpha u\in S^{\perp}.
Portanto S^{\perp} é um subespaço.
Passo 5
Propriedades importantes e úteis em provas (com explicação intuitiva)
Interseção trivial: se W é um subespaço de V então
W\cap W^{\perp}=\{0\}.
Prova rápida: se x\in W\cap W^{\perp} então x\in W e \langle x,x\rangle=0 (porque x\in W^{\perp}), então x=0 pela positividade do produto interno. Intuição: o único vetor ortogonal a si mesmo é o zero.
2. Teorema da dimensão (muito útil em provas): se W é subespaço de V e \dim V = n, então
\dim W + \dim W^{\perp} = \dim V.
Explicação didática: faça Gram–Schmidt em uma base de W para obter uma base ortonormal \{w_1,\dots,w_k\} de W. Como V é finito, estenda essa base para uma base ortonormal de V: \{w_1,\dots,w_k,u_1,\dots,u_m\} com k+m=n. Então qualquer vetor ortogonal a todos os w_i tem que ser combinação linear dos u_j; logo W^{\perp}=\operatorname{span}\{u_1,\dots,u_m\} e \dim W^{\perp}=m. Assim k+m=n.
3. Duplo ortogonal: em espaço de dimensão finita, para subespaço W temos
(W^{\perp})^{\perp} = W.
Isto segue da dimensão e de inclusão W\subseteq (W^{\perp})^{\perp}; em espaços finitos e com produto interno não degenerado não há perda de dimensão ao aplicar duas vezes. Intuição: pegar vetores ortogonais a tudo que é ortogonal a W te traz de volta W.
Passo 6
Como calcular na prática (método que cai em prova) — caso V=\mathbb{R}^n com produto interno padrão
Seja W=\operatorname{span}\{v_1,\dots,v_k\} onde cada v_i\in\mathbb{R}^n. Monte a matriz A cujas colunas são v_1,\dots,v_k: isto é,
Então W^{\perp}=\{x\in\mathbb{R}^n \mid A^{T}x = 0\}. Ou seja, é o núcleo (nullspace) da matriz A^{T}. Raciocínio: x é ortogonal a cada v_i se e somente se \langle x,v_i\rangle = 0 para todo i, que é exatamente as equações lineares A^{T}x=0.
Portanto calculamos W^{\perp} resolvendo o sistema linear homogêneo A^{T}x=0 por eliminação de Gauss (ou parametricamente).
Passo 7
Exemplo prático passo a passo (faça igual na prova)
Considere V=\mathbb{R}^3 com produto interno padrão e W=\operatorname{span}\{(1,1,0)\}. Quero W^{\perp}.
Escrevo v_1=(1,1,0). A condição \langle x,v_1\rangle=0 para x=(x_1,x_2,x_3) é
x_1 + x_2 + 0\cdot x_3 = 0,
ou seja x_1 + x_2 = 0.
2. Resolvo: x_2 = -x_1, x_3 livre. Então posso parametrizar
Verifique: \dim W=1, \dim W^{\perp}=2, soma =3=\dim V — conferindo o teorema da dimensão.
Dica prática: montar A^T e resolver o sistema dá o mesmo resultado.
Passo 8
Observações finais e dicas de prova (estilo amigo e motivador)
Sempre confirme qual produto interno está sendo usado. Se não for dito, use o produto interno padrão em \mathbb{R}^n ou peça para assumir um produto interno qualquer (mas deixe explícito).
Na prova, comece escrevendo a definição S^{\perp}=\{v\in V\mid \langle v,s\rangle=0\\ \forall s\in S\}. Isso já garante pontos. Em seguida mostre propriedades pedidas usando linearidade e positividade.
Para calcular, transforme em sistema linear A^{T}x=0. Use Gauss para encontrar uma base do complemento.
Se ficar nervoso: respire, escreva a definição e traduza “ortogonal” como “produto interno igual a zero” — daí os passos mecânicos seguem. Você consegue!
Resposta
O complemento ortogonal de um subconjunto S\subseteq V, dado um produto interno \langle\cdot,\cdot\rangle em V, é
S^{\perp}=\{v\in V \mid \langle v,s\rangle = 0\text{ para todo }s\in S\}.