Matemtica II

NOTAS DO CURSO
de
MATEMATICA II
2013/2014
Carlos Leal
Departamento de Matematica da F.C.T.U.C.

NOTA INTRODUTORIA
Estas notas foram escritas como apoio a disciplina de Matematica II da

Licenciatura em Bioqumica da F.C.T.U.C..
O nosso objectivo ao elaborar estas notas e orientar o estudo dos alunos
fornecendo-lhes um texto que, no essencial, corresponde ao que e leccionado
nas aulas desta disciplina.
A existencia deste texto nao substitui a consulta dos livros de texto que se
encontram referenciados na pagina da disciplina. A este proposito refira- se
que nos assuntos de analise, abordados nos dois primeiros captulos, seguimos
de muito perto o livro Calculo Vol II - James Stewartenquanto que para os
restantes quatro captulos, sobre algebra linear, usamos o livro Introducao
a Algebra Linear - Ana Paula Santana e Joao Queiro.
Tendo em conta os objectivos da disciplina, nao serao efectuadas demons-
tracoes de muitos dos resultados apresentados. Para alem dos conceitos, apre-
sentamos exemplos seguidos de exerccios cuja resolucao usa a mesma tecnica
desses exemplos. Desta forma os alunos poderao desenvolver competencias
para, duma forma autonoma, resolverem estes exerccios. Nas aulas praticas
poderao entao discutir e completar os exerccios sobre os quais ja refletiram.
Os assuntos abordados nesta disciplina sao os que constam da respectiva
Ficha de Unidade Curricular. Nos dois primeiros captulos sao estudadas
sucessoes e series numericas e series de funcoes.
Nos restantes quatro captulos estudamos matrizes e sua aplicacao a re-
solucao de sistemas de equacoes lineares, determinantes, o espaco vectorial
Rn , o produto interno em Rn e a diagonalizacao de matrizes usando valores
e vectores proprios
2
Captulo 1
Sucessoes e series numericas
Neste captulo iremos estudar sucessoes e series de numeros reais.

Comecaremos no primeiro paragrafo por definir sucessao, estudar as suas
propriedades, definir e calcular o limite duma sucessao.
No segundo paragrafo, definiremos serie numerica, estudaremos algumas
propriedades, validas para qualquer tipo de serie, e, a seguir, estudaremos
series de termos positivos. Finalmente estudaremos series de termos quais-
quer, usando os resultados anteriores.
1.1 Sucessoes:
Definicao: Define-se sucessao de numeros reais ou simplesmente sucessao

numerica como uma funcao
a: N R
n a(n)
A a(n) chamamos termo de ordem n e representa-lo-emos por an .
Ha varias maneiras de representar uma sucessao. E usual encontrarmos
na literatura as seguintes notacoes:
(an )nN
{an }
n=1
{a1 , a2 , a3 , . . . , an , . . . }
3
Exemplo 1.1
n
n 1 2 3 n

1. ( n+1 )nN ; n+1 n=1
; , ,
2 3 4
. . . , n+1
, . . .

2. ( n2 9)nN , n 3 ; n2 9 n=3 ; 0, 7, 4, 27 . . . , n2 9, . . .
n o
n n 3 1 n
3. (cos 6 )nN ; cos 6 n=1 ; 2 2
, , 0 . . . , cos 6 , . . .
Definicao: Uma sucessao (an )nN diz-se limitada se existirem a, b R tais

que
a an b, n N.
ou, duma forma equivalente, se existir C > 0 tal que
|an | C, n N.
Isto significa que todos os termos da sucessao se situam numa dada banda,
como se pode observar na figura abaixo.
Figura 1.1: Sucessao limitada.
Exemplo 1.2 Sobre a nocao de sucessao limitada.

1
1. A sucessao ( n+1 )nN e limitada.
2. A sucessao (cos n)nN e limitada.
3. A sucessao (n2 + 1)nN nao e limitada.
4
Exerccio 1.1 Verifique se as seguintes sucessoes sao limitadas:
n
( )nN ; ((1)n )nN ; ((1)n n)nN .
n2 +1
Definicao: Diremos que uma sucessao (an )nN tem limite L ou que converge
para L se
> 0, n0 N : n n0 |an L| <
Se isto acontecer escreveremos entao
lim an = L ou an L.
Se existir um L nestas condicoes diremos que a sucessao e convergente. Caso

contrario diremos que a sucessao e divergente.
Observemos ainda que, as nocoes de sucessao limitada e sucessao com
limite sao diferentes. Se uma sucessao tem limite e limitada mas pode ser
limitada e nao ter limite.
A figura abaixo pode ajudar a perceber melhor a nocao de limite.
Figura 1.2: Limite duma sucessao.
Observamos que os termos da sucessao se vao aproximando de L a medida

que n aumenta.
Recordando que para uma funcao real de variavel real f se tem
lim f (x) = L > 0, M >0 : x M |f (x) L| <

x+
podemos concluir que a diferenca entre estas duas definicoes de limite esta
unicamente no domnio onde as funcoes estao definidas. Como N esta contido
em R podemos facilmente estabelecer o seguinte resultado:
Teorema: Se lim f (x) = L entao lim f (n) = L.
x+
5
Este resultado pode ser usado para calcular limites de sucessoes efectu-
ando a sua extensao a uma funcao de R em R onde temos outros meios para
calcular limites. Isto e, dada uma sucessao (an )nN consideramos a funcao
f de R em R cuja restricao a N e justamente an , de seguida calculamos
lim f (x). Se este limite existir e for L entao o limite da sucessao (an )nN
x+
e igual a L.
Exemplo 1.3 Se quisermos calcular o limite da sucessao ( logn n )nN podemos

considerar a funcao f definida em R+ por f (x) = logx x e calcular o limite
desta funcao.
Como se trata dum limite indeterminado podemos usar a regra de LHopital
e concluir que este limite e zero. Assim sendo, o limite da sucessao tambem
sera zero
Observacao: A utilizacao da definicao de sucessao convergente para calcular

o seu limite revela-se, em muitos casos, algo de bastante complicado. Por
isso, sempre que possvel tentaremos usar outras estrategias para calcular o
limite duma sucessao. Um desses metodos, que recomendo, e o que referi
anteriormente.
Exerccio 1.2 Use o teorema anterior para calcular os seguintes limites:
ln(n2 ) n3
lim ; lim ; lim arctg(2n).
n 4 + 2n3
Uma sucessao que seja convergente tem os seus termos an , para n sufi-
cientemente grande, arbitrariamente proximos do seu limite L. Para uma
sucessao que nao seja convergente nao teremos esta informacao previa, sobre
os termos da sucessao. No entanto, ha sucessoes que embora sendo divergen-
tes tem um comportamento bem definido para n suficientemente grande.
Definicao: Diremos que
lim an = + M > 0, n0 N : n n0 an > M.

e
lim an = M > 0, n0 N : n n0 an < M.
Exemplo 1.4 Usando a definicao anterior, facilmente se conclui que

lim(n + 3) = +.
6
Com efeito, dado M > 0, arbitrario, podemos considerar n0 = [M ] e
facilmente se conclui que se n > n0 entao
n + 3 > n0 + 3 > M.
( [M ] representa o maior inteiro inferior ou igual a M )
Exerccio 1.3 Diga, sem justificar, qual o valor dos seguintes limites:
n2
lim n(n 1) ; lim n(1 n) ; lim .
1n
Definicao: Definimos subsucessao da sucessao (an )nN como uma restricao

da funcao a a um subconjunto infinito, N 0 , de N.
Exemplo 1.5 Os casos mais comuns de subsucessoes duma sucessao (an )nN
aparecem quando se considera N 0 igual ao conjunto dos numeros pares ou ao
conjunto dos numeros mpares ou ainda quando se considera igual ao con-
junto dos naturais maiores que um certo valor n0 . Temos nestes casos as
chamadas subsucessoes dos termos pares, ou dos termos mpares e a sub-
sucessao que se obtem da sucessao inicial eliminando os seus primeiros n0
termos.
Exemplo 1.6 Se considerarmos a sucessao definida por

1, n mpar
an =
n, n par
A subsucessao dos termos mpares sera entao
{1, 1, 1, . . . }
e a subsucessao dos termos pares sera
{2, 4, 6, 8, . . . }.
Observacao: Qualquer subsucessao duma sucessao convergente para L e
ainda uma sucessao convergente para L.
Se a partir duma dada sucessao for possvel obter duas subsucessoes con-
vergentes para limites diferentes entao a sucessao sera divergente.
Em particular, se a subsucessao dos termos pares e a subsucessao dos
termos mpares tiverem limites diferentes a sucessao sera divergente.
Podemos tambem mostrar que se a subsucessao dos termos pares e a
subsucessao dos termos mpares tiverem o mesmo limite entao a sucessao
sera, ela tambem, convergente para o mesmo limite.
7
Exemplo 1.7 Usando o resultado exposto, na parte final da observacao
anterior, podemos concluir que a sucessao (an )nN definida por

0, n mpar
an = 1
n
, n par
converge para zero.
Exerccio 1.4 Diga, justificando, se as seguintes sucessoes sao convergentes

e, em caso afirmativo, calcule os respectivos limites.
n+1 n+1
n
, n mpar , n mpar
a) an = n ; b) bn = n
n+1
, n par 0, n par
Como foi referido anteriormente, nao e facil calcular limites de sucessoes

usando a definicao. Ha regras para o calculo de limites de sucessoes, analogas
as regras que usamos para calcular limites de funcoes e que permitem deter-
minar o limite duma sucessao a partir do conhecimento do limite de algumas
sucessoes elementares.
Teorema: Se (an )nN e (bn )nN sao sucessoes convergentes entao:
1. lim(an bn ) = lim an lim bn
2. lim(c an ) = c lim an , c R
3. lim(an .bn ) = lim an . lim bn
4. lim abnn = lim an

lim bn
, se lim bn 6= 0.
1
Exemplo 1.8 Sabendo que lim = 0, podemos usar as regras anteriores
n
para concluir que:
1. lim(1 + n1 ) = lim 1 + lim n1 = 1 + 0 = 1
2. lim( n1 . n+1
n
) = lim n1 . lim n+1
n
=01=0
1 1
lim e n
3. lim en+1n = lim n+1
= 1
1
=1
n n
Exerccio 1.5 Calcule os seguintes limites:
1 + n1 1
a) lim ; b) lim 2( + en )
2 + en n+1
8
Teorema: ( Sucessoes enquadradas)
Se (an )nN , (bn )nN e (cn )nN sao sucessoes tais que
an bn cn e lim an = lim cn = L
entao
lim bn = L.
Exemplo 1.9 O uso imediato deste resultado permite concluir que

1
lim = 0.
n+1
Com efeito, uma vez que temos
1 1
0
n+1 n
1
e lim 0 = lim = 0 temos o resultado.
n
n
Xk
Exemplo 1.10 Se o objectivo e calcular o limite da sucessao
k=1
(n + 1)3
podemos pensar em arranjar uma sucessao que majore e outra que minore
esta sucessao e que convirjam para o mesmo valor. Temos
Xn
n k 1 2 n n
3
3
= 3
+ 3
+ . . .+ 3
n .
(n + 1) k=1
(n + 1) (n + 1) (n + 1) (n + 1) (n + 1)3
n n2
Como lim = lim = 0 concluimos que o limite da sucessao
(n + 1)3 (n + 1)3
dada, tambem e zero.
Exerccio 1.6 Usando o teorema das sucessoes enquadradas calcule

1
lim .
n n + 2n2 + 7
4
Definicao: Uma sucessao (an )nN diz-se
crescente se an an+1 , n N
decrescente se an an+1 , n N
Uma sucessao que seja crescente ou decrescente diz-se monotona.
9
Exemplo 1.11 As sucessoes ( n1 )nN e (2n (1)n )nN sao monotonas en-
quanto que a sucessao ((1 (1)n ).n)nN nao e monotona.
Vimos anteriormente que nem toda a sucessao limitada e convergente.

No entanto, temos o seguinte resultado:
Teorema: Toda a sucessao monotona e limitada e convergente.
Exemplo 1.12 Seja a um valor entre zero e um. Entao a sucessao (xn )nN ,
onde para cada n N
xn = 1 + a + a2 + a3 + . . . + an1
e convergente.
Com efeito esta sucessao e tal que
xn+1 = 1 + a + a2 + a3 + . . . + an = xn + an > xn
e portanto e crescente.
Por outro lado, como verifica
1 an+1 1 an+1 1
0 < xn = = <
1a 1a 1a 1a
sera limitada.
Do resultado anterior resulta que e convergente.
Exemplo 1.13 A sucessao (yn )nN , onde para cada n N

n
1
yn = 1 +
n
e convergente. Com efeito e possvel provar que esta sucessao e monotona e
limitada.
Usando o binomio de Newton

n n n n1 n
(a + b) = a + a .b + . . . + a.bn1 + bn
1 n1
onde
n n!
= , a, b R e 0! = 1
p (n p)!.p!
10
podemos concluir que
n n(n1) 1 n(n1) . . . 21 1
yn = 1 + n1 = 1 + n. n1 + 2!
. n2 +...+ n!
. nn
= 1 + 1 + 2!1 (1 n1 ) + 3!1 (1 n1 )(1 n2 ) + . . . + 1

n!
(1 n1 )(1 n2 ) . . . (1 n1
n
)
1 1 1
1+1+ 2!
+ 3!
+...+ n!
1 + 1 + 12 + 1
22
+...+ 1
2n1
3
Para estabelecermos esta desigualdade usamos o facto de
1 1
n1 , n N
n! 2
e o facto de
1 1 1
1+
+ 2 + . . . + n1 2 , n N
2 2 2
Assim, podemos concluir que
0 yn 3
e portanto (yn )nN e uma sucessao limitada.
Por outro lado, da expressao encontrada para yn podemos concluir que
yn+1 = 1 + 1 + 2!1 (1 1
n+1
) + 3!1 (1 1
n+1
)(1 2
n+1
) + . . .
1 1 2 n1
+ n!
(1 n+1
)(1 n+1
) . . . (1 n+1
)
1 1 2 n
+ (n+1)!
(1 n+1
)(1 n+1
) . . . (1 n+1
)
e observamos que yn+1 tem mais parcelas do que yn e as outras parcelas de
yn+1 sao maiores ou iguais do que as correspondentes parcelas de yn . Logo
yn+1 yn e portanto (yn )nN e uma sucessao crescente .
n
Definicao: Ao limite de 1 + n1 chamamos e (numero de Neper).
Exerccio 1.7 Verifique que as seguintes sucessoes sao monotonas e limita-
das e conclua que sao convergentes.
1 1
a) an = ; b) bn = .
n! 2n (1)n
11
Teorema: Se (xn )nN e uma sucessao limitada e (yn )nN e uma sucessao
convergente para zero entao
lim(xn yn ) = 0.
Exemplo 1.14 Facilmente se conclui que lim sin(n+3) n

= 0, pois
1
(sin(n + 3))nN e uma sucessao limitada e ( n )nN tem limite zero.
n n
Exerccio 1.8 Verifique que lim (1)
n2
= 0 e lim 5+e
n2
= 0.
Teorema: Se (xn )nN e (yn )nN sao sucessoes convergentes tais que
xn yn , n N
entao
lim xn lim yn .
Consequencia: Se (xn )nN e uma sucessao convergente e xn 0 para todo
o n em N entao
lim xn 0.
Outra forma de calcular limites de sucessoes:
Ha sucessoes em que os seus termos sao definidos a partir dos

anteriores. Sao as chamadas sucessoes definidas por recorrencia.
Por exemplo, na sucessao

a1 = 1
a2 = 1

an = an1 + an2 , n 3
a partir da ordem 3, cada termo da sucessao e definido a partir dos dois

anteriores. Notemos que, com esta lei podemos definir qualquer termo da
sucessao.
Para este tipo de sucessoes, a garantia de existencia de limite pode ser
suficiente para determinar esse limite sem recorrermos as regras de limites.
Poderemos ter essa garantia de existencia de limite quando, por exemplo, a
sucessao e monotona e limitada.
Vejamos um exemplo para percebermos como e que este metodo pode ser
implementado.
12
Exemplo 1.15 Considere-se a sucessao definida por recorrencia da seguinte
forma:
a1 =2
an+1 = 12 (an + 6) , n = 1, 2, 3, . . .
Se calcularmos os primeiros termos da sucessao obtemos
a1 = 2 ; a2 = 4 ; a3 = 5 ; a4 = 5.5 ; a6 = 5.75
Podemos entao conjecturar que se trata duma sucessao crescente e limi-
tada.
Provemos por inducao que a sucessao (an )nN e crescente, isto e,
an+1 an , n N
Prova para n = 1:
Devemos entao provar que a2 a1 . Como vimos anteriormente a2 = 4 e
a1 = 2 e portanto o resultado e verdadeiro.
Hipotese de inducao:
Vamos admitir que o resultado e verdadeiro para n = p, isto e
ap+1 ap .
Tese de inducao:
Provemos que o resultado e verdadeiro para n = p + 1, isto e
ap+2 ap+1 .
Como
1 1
ap+2 = (ap+1 + 6) (ap + 6) = ap+1
2 2
temos o resultado provado.
Vejamos agora que a sucessao (an )nN e limitada. Mais propriamente,
vejamos que
an 6 , n N
uma vez que ja sabemos que an 0.
Obviamente que a1 6. Admitindo que o resultado e verdadeiro para
n = p teremos
1 1
ap+1 = (ap + 6) (6 + 6) = 6
2 2
o que prova a afirmacao.
13
Como vimos que a sucessao (an )nN e limitada e monotona podemos con-
cluir que e convergente. Chamemos L ao seu limite. A questao que se coloca
agora e a de saber como determinar L.
Sendo (an+1 )nN uma subsucessao de (an )nN teremos lim an+1 = L. As-
sim, usando a definicao de an teremos
1 1 1
L = lim an+1 = lim (an + 6) = (lim an + 6) = (L + 6).
2 2 2
Daqui obtemos uma equacao em L que depois de resolvida nos dara o valor
do limite da sucessao.
1
L = (L + 6) 2L = L + 6 L = 6.
2
Exerccio 1.9 Usando o metodo exposto anteriormente calcule o limite das

seguintes sucessoes convergentes.

a1 = 1 b1 = 1
a) 1 b) 1
an+1 = 1+an , n 1 bn+1 = 1 + 1+b n
, n 1
Teorema: Sejam (xn )nN e (yn )nN duas sucessoes, entao:
1. Se lim Xn = + e (yn )nN e uma sucessao limitada inferiormente entao

lim(Xn + yn ) = +.
2. Se lim Xn = + e existe c > 0 tal que yn > c, para todo o n N ,

entao lim(Xn .yn ) = +.
3. Se xn > 0 entao
1
lim xn = 0 lim = +.
xn
Tal como ja acontecia no caso das funcoes reais de variavel real, tambem
aqui, no caso do limite de sucessoes, temos situacoes de limites indetermina-
dos.
14
INDETERMINACOES:

lim xn = +
1. lim(xn yn ) ( )
lim yn = +

lim xn =
2. lim xynn ( )
lim yn =
x
lim xn = 0 lim ynn ( 00 )
3.

lim yn = 0 lim xynn (xn > 0) (00 )

lim xn = 0 lim xn .yn (0 )
4.

lim yn = + lim ynxn (0 )

lim xn = 1
5. lim xynn (1 )
lim yn = +
15
Exerccios de controlo:
1. Calcule os limites das seguintes sucessoes:

3+5n2 2n
(a) an = n+n2
(b) bn = 3n+1
(c) cn = (1)n sin( n1 ).
2. Usando resultados conhecidos sobre limites de funcoes calcule:
(a) lim n1r , r > 0 (b) lim n sin( n1 ) (c) lim n2 en .
3. Use o teorema das sucessoes enquadradas para calcular

1
lim sin(n)n1 cos(n)en ; lim .
n!
4. Defina sucessao limitada e sucessao convergente.
5. Considere a sucessao (an )nN definida por

a1 = 4
1
an+1 = (a
2 n
+ 2)
(a) Mostre, por inducao, que a sucessao (an )nN e decrescente.

(b) Mostre que
an 2, n N.
(c) Mostre que a sucessao (an )nN e convergente e calcule o seu limite.
6. (a) Usando resultados conhecidos sobre limites de funcoes, mostre

que, se g : [0, +[ R e uma funcao positiva e derivavel tal
que
lim g(x) = +
x+
entao para todo o k R fixado, temos
k g(n)
lim(1 + ) = ek .
g(n)
n
(b) Mostre que lim(1 n+3 ) = e .
Sugestao: Use o resultado anterior depois de decompor a ex-
n
pressao (1 n+3 ) num produto onde apareca uma potencia com
a mesma base e com expoente (n + 3).
16
7. Considere a sucessao (an )nN definida por recorrencia da seguinte forma:

a = 2
1
an+1 = 2 1 ,

n1
an
(a) Mostre, por inducao, que para todo o n pertencente a N , an > 1.
(b) Mostre que a sucessao (an )nN e decrescente.
(c) Mostre que a sucessao (an )nN e convergente e determine o seu
limite.
8. Sem justificar, de exemplos de:
(a) uma sucessao de termos positivos que seja limitada e nao seja
convergente.
(b) uma sucessao de termos positivos que seja convergente e que nao
seja monotona.
(c) duas sucessoes, uma convergente e outra divergente, cujo produto
seja uma sucessao convergente.
9. Calcule os seguintes limites:
n ln n
(a) lim .
en
n
X k
(b) lim un , onde para cada n N , un = .
k=1
n3 + 1
Sugestao: Use o teorema das sucessoes enquadradas.
10. (a) De um exemplo duma sucessao monotona que nao seja conver-
gente.
(b) De um exemplo duma sucessao convergente que nao seja monotona.
11. Considere a sucessao (an )nN definida por recorrencia da seguinte forma:

a1 = 4
1
an+1 = (a
3 n
+ 6), n = 1, 2, 3, . . .
(a) Mostre que a sucessao (an )nN e decrescente e limitada.

(b) Mostre que existe limite da sucessao (an )nN e calcule-o.
17
12. Diga se sao verdadeiras ou falsas as seguintes afirmacoes, justificando
aquelas que considerar falsas.
(a) Toda a sucessao limitada e monotona e convergente.

(b) O produto duma sucessao convergente por uma sucessao diver-
gente e uma sucessao divergente.
esin n
(c) A sucessao Un = n
e divergente.
13. (a) De um exemplo duma sucessao que nao seja monotona e que tenha
limite 2.
(b) Diga, justificando, se a sucessao (Un ) = ((1)n sin n12 ) e conver-
gente e, em caso afirmativo, calcule o seu limite.
14. (a) Enuncie o teorema das sucessoes enquadradas.

(b) Enuncie um resultado que relacione o limite quando x tende para
+, duma funcao f definida em R, com o limite da sucessao
definida como a restricao de f a N .
Calcule os seguintes limites:
15. (a)
n
X k
lim 5
n
k=1 n +1
2
(b)
log n
lim (1)n
n n
(c)
1 1 1 1
lim ( + + ... + n ).
n 2 4 8 2
18
1.2 Series numericas:
Sabemos que e possvel generalizar a soma de dois numeros reais a um numero
finito de parcelas. Surge entao com naturalidade a seguinte questao:
Sera possvel generalizar a nocao de soma finita a um numero infinito de
parcelas?
Qual o sentido a dar, por exemplo, a
1 1 1 1 1
+ + + + ... + n+ ...?
2 4 8 16 2
Pode ser interpretado da seguinte forma. A medida que somamos mais

parcelas aproximamo-nos de 1. Surge entao a ideia de considerar esta somainfinita
como o limite duma sucessao.
Note-se que esta generalizacao nao deve ter as mesmas propriedades da
soma fimita de numeros reais. Por exemplo se considerarmos
11+11+11+ . . .
e agruparmos os termos da seguinte forma
(1 1) + (1 1) + (1 1) + . . .
seramos conduzidos a afirmar que esta soma seria nula. No entanto, se

agrupassemos os termos de outra forma
1 + (1 + 1) + (1 + 1) + (1 + 1) + . . .
diriamos que esta soma deveria ser 1.

Estas aparentes contradicoes nao sao recentes. Ja o filosofo Grego Zenao
que viveu 2000 anos antes de Cristo se interrogava sobre estas questoes e
formulava aquilo que foi designado por paradoxo de Zenao. Um corredor
desloca-se dum ponto A para um ponto B com velocidade constante. Con-
siderando A1 o ponto medio de AB, A2 o ponto medio de A1 B , e assim
sucessivamente, definimos uma sucessao de pontos. Se o corredor gastar um
tempo t para se deslocar de A ate A1 , gastar um tempo 2t para se deslocar
de A1 ate A2 , etc....
O tempo total para se deslocar de A ate B ser dado por
t t t
t+ + 2+ . . . + n+ . . .
2 2 2
Zenao conclua entao que tratando-se duma soma com um numero infinito
de parcelas o tempo necessario para chegar de A ate B seria forcosamente
19
infinito. Mas isto estava em contradicao com o facto do movimento ser
uniforme, de velocidade constante e, portanto, o tempo gasto para chegar
de A ate B ser 2t. Da tratar-se dum paradoxo. Esta questao so seria
resolvida com a teoria das series desenvolvida a partir do seculo XVIII. Ao
desenvolvimento da teoria das series nao foi alheio o matematico portugues
Jose Anastacio da Cunha.
1.2.1 Resultados gerais

Seja (an ) uma sucessao de numeros reais. A esta sucessao associamos uma
nova sucessao (Sn ) chamada sucessao das somas parciais, definida por
S1 = a1
S2 = a1 + a2
S3 = a1 + a2 + a3

Sn = a1 + a2 + . . . + an , n N
Facilmente se observa que, a medida que n aumenta, o numero de parcelas

de Sn tambem aumenta. Em vez de soma infinitausaremos a palavra serie
e representaremos essa soma infinita

X
a1 + a2 + . . . an + . . . por an
n=1
A an chamamos termo geral da serie.
Definicao: Se a sucessao (Sn ) for convergente ao seu limite S chamamos

X
soma da serie an .
n=1
Escreveremos neste caso

X
an = S.
n=1

X
Se (Sn ) for divergente a serie an diz-se divergente.
n=1
P
Dada uma serie n=1 an associamos-lhe a sucessao das somas parciais
(Sn ) e estudaremos esta sucessao quanto a convergencia. Chamamos a este
20
processo a determinacao da natureza da serie. Mais adiante, estudaremos
processos que permitem determinar a natureza da serie, isto e, verificar se a
serie e ou nao convergente, sem passar pela definicao da sucessao das somas
parciais associadas a serie.
Exemplo 1.16 Consideremos a serie geometrica

X
a.rn1
n=1
onde a 6= 0 e r R e estudemos a sua natureza.

Caso |r| = 1:
Se r = 1 entao
Sn = a + a + . . . + a = n.a
Se r = 1 teremos

0 , n par
Sn =
a , n mpar
e portanto, em qualquer dos casos, a sucessao (Sn ) e divergente, pelo que a
serie dada e divergente.
Caso |r| 6= 1:
Neste caso teremos
a.(1 rn )
Sn = a + a.r + a.r2 . . . + a.rn1 =
1r
Obviamente que
a
| r |< 1 lim Sn = 1r
| r |> 1 lim Sn nao existe
Podemos entao concluir que a serie converge se e so se | r |< 1. Neste

a
caso a soma da serie e 1r .
21
Exemplo 1.17 Para a serie de Mengoli

X 1
n=1
n(n + 1)
podemos mostrar por inducao que

1
Sn = 1 , n N.
n+1
Conclumos entao que a serie e convergente e que a sua soma e 1.
Exemplo 1.18 A serie harmonica

X
1
n=1
n
e divergente.
Com efeito temos
S1 = 1
S2 = 1 + 21
S4 = 1 + 21 + 13 + 14 1 + 12 + ( 14 + 14 ) = 1 + 22
S8 = 1 + 21 + ( 13 + 14 ) + ( 15 + 16 + 71 + 18 ) >
> 1 + 21 + ( 14 + 14 ) + ( 18 + 18 + 81 + 18 ) = 1 + 21 + 12 + 12 = 1 + 32
S16 = 1 + 21 + ( 13 + 14 ) + ( 15 + 16 + 71 + 18 ) + ( 91 + 10
1
+ . . . + 161
)>
1 1 1 1 4
> 1+ 2 + 2 + 2 + 2 =1+ 2
.
.
.
S2n > 1 + n2
Pelo que a sucessao (Sn )nN nao e limitada e portanto nao e convergente.
Conclui-se entao que a serie harmonica e divergente.
Exerccio 1.10 Determine a natureza das seguintes series, indicando a sua

soma no caso da serie ser convergente.
X X
X
2 2 3n1
a) b) c)
n=1
3n1 n=1
3n n=1
2n+3
22
P
Teorema: Se a serie n=1 an e convergente entao lim an = 0.
Demonstracao: Seja (Sn ) a sucessao das somas parciais associada a serie.
Considerando Zn = Sn+1 , podemos afirmar que esta sucessao e uma subsu-
cessao de (Sn ) e como tal converge para o mesmo limite. Da definicao de
(Zn ) resulta que
lim an+1 = lim(Zn Sn ) = 0.
Daqui se conclui que tambem
lim an = 0.
Observacao:
P Deste resultado podemos concluir que se lim an 6= 0, entao a
serie a
n=1 n e divergente.
Importante: O facto do limite do termo geral da serie ser zero nao permite
P
concluir que a serie seja convergente. Vimos anteriormente que a serie 1
n=1 n
e divergente e no entanto o limite do seu termo geral e zero.
Exerccio 1.11 Use o resultado anterior para concluir que as seguintes series
sao divergentes

X
X 1
a) (1)n b) 3n sin( )
n=1 n=1
n
Observacao: A natureza duma serie nao depende do valor dos seus p pri-
meiros termos, onde p e um numero natural qualquer, mas fixo. Isto e, as
series
X X
ak e ak
k=1 k=p+1
sao da mesma natureza.

Definicao: A serie

X
ak
k=p+1
P
e usual chamar-se resto de ordem p da serie n=1 an .
Observacao: A convergencia duma serie nao depende dos primeiros termos
da serie. O mesmo nao acontece com a sua soma.
P P
Exemplo 1.19 As series 1 n1
n=1 ( 2 ) e 1 n
n=1 ( 2 ) sao duas series que dife-
rem apenas pelo primeiro termo, sao ambas convergentes, mas uma tem soma
2 e a outra 1.
23

X
Exerccio 1.12 Mostre que a serie xn onde
n=1

1 + en se n < 106
xn = ,
2 6
3n1
se n 10
e convergente.
P P
Teorema: (i) Se as series P n=1 an e n=1 bn sao convergentes de soma S e

T , respectivamente,Pentao n=1 (an + bn ) e convergente e tem soma S + T .

(ii) Se a serie
P n=1 an e convergente e tem soma S entao, para todo
b R, a serie n=1 b.an e convergente e tem soma b.S.
Demonstracao: (i) Sejam
Sn = a1 + . . . . + an
e
Tn = b1 + . . . . + bn
P P
as sucessoes das somas parciais associadas as series n=1 an e n=1 bn ,
respectivamente. Teremos entao
S + T = lim(Sn + Tn ) = lim((a1 + . . . + an ) + (b1 + . . . + bn ))
= lim((a1 + b1 ) + . . . + (an + bn ))
= lim Zn P
onde Zn e a sucessao das somas parciais associada a serie n=1 (an + bn ). Po-
demos entao afirmar que esta serie e convergente e que a sua soma e S + T .
(ii) Como
lim(b.a1 + . . . + b.an ) = b. lim(a1 + . . . + an ) = b.S

P
podemos concluir que a serie
n=1 b.an e convergente e tem soma b.S.
P
Exemplo 1.20 A serie 1 1 n
n=1 [ n(n+1) +10.( 2 ) ] e convergente ja que e a soma
de duas series convergentes. Podemos mesmo afirmar que a sua soma e 11.
Exerccio 1.13 Determine a natureza das seguintes series:

X
X
2 1 1 1
a) [ + n] b) [ + ]
n=1
n(n + 1) 2 n=1
3n+1 2n
24
P P
Teorema: SePa serie n=1 a n e convergente e a serie n=1 bn e divergente,
entao a serie (a
n=1 n + b n ) e divergente.
P
Demonstracao: Suponhamos por absurdo P que a serie n=1 (an + bn ) e con-
vergente. Como por hipotese a serie P n=1 an e convergente, podemos concluir
do teorema
P anterior, que a serie n=1 (an ) e convergente P e tambem que a
serie (a
n=1 n + bn ) a n converge. Ou seja, a serie n=1 bn e convergente,
o que e um absurdo.

X
X
1 1 1 1
a) [ + ] b) [ + n]
n=1
n(n + 1) n n=1
(n + 1) 2
Ja estudamos algumas series para as quais e possvel determinar a sua

soma. No entanto, na maior parte dos casos nao e muito simples determinar
a soma mas e facil determinar a sua natureza. No que se segue iremos
estabelecer alguns resultados, a que chamaremos criterios de convergencia
que permitirao concluir se uma dada serie e convergente.
1.2.2 Series de termos positivos

Iremos supor que
an 0, n N

X
e estabelecer resultados que permitem concluir se a serie an e ou nao
n=1
convergente. Estes resultados serao chamados criterios de convergencia para
series de termos positivos.
Note-se que estes resultados tambem podem ser usados para determinar
a natureza duma serie de termos negativos. Com efeito, vimos anteriormente

X X
que as series an e (an ) tem a mesma natureza.
n=1 n=1
Podemos ainda concluir que estes resultados podem ainda ser usados
para determinar a natureza duma serie cujos termos tenham sinal constante
a partir duma certa ordem, ja que como vimos anteriormente, a natureza
duma serie nao depende dos seus primeiros termos.
A estas series cujos termos tem sinal constante a partir duma certa ordem
chamamos series de termos de sinal bem definido.
25
Teorema(Criterio de comparacao): Suponhamos que
0 an bn , n N.
Nestas condicoes:
P P
(i) Se a serie n=1 bn converge, a serie n=1an tambem converge.
P P
(ii) Se a serie n=1 an diverge, entao a serie n=1 bn tambem diverge.
Demonstracao: P (i) Sejam (S

Pn) e (Tn ) as sucessoes das somas parciais as-

sociadas as series n=1 an e n=1 bn , respectivamente.
Teremos entao,
Sn = a1 + . . . an
Tn = b1 + . . . bn
e consequentemente,
Sn Tn , n N.

X
Da definicao de serie convergente podemos concluir que, se a serie bn
n=1
converge entao a sucessao (Tn ) e convergente e portanto limitada. Como
Sn Tn , para todo o n N , concluimos que a sucessao (Sn ) e majorada e,
consequentemente, convergente pois (Sn ) e crescente. (ii) Note-se que este
resultado e equivalente ao anterior.
X
1
Exemplo 1.21 Considere-se a serie . Como ja vimos anteriormente
n=1
n!
que
1 1
n1 , n N
n! 2

X 1
e a serie e uma serie geometrica convergente podemos concluir que
n=1
2n1
a serie dada tambem e convergente.
Exemplo 1.22 A serie

X
1

, 0<<1
n=1
n
e divergente.
26
Com efeito, basta ter presente que para 0 < < 1,
1 1

> , n N
n n
X
1
e que a serie e divergente.
n=1
n

X
X
Corolario: Se lim abnn = l, com l 6= 0 e l 6= + entao as series an e bn
n=1 n=1
sao da mesma natureza.
Prova: Consideremos ]0, l[. Como lim abnn = l podemos garantir a existencia
duma ordem n0 , a partir da qual se tenha
an
0<l< < l + .
bn
logo
0 < (l )bn < an < (l + )bn .

X
X
Assim, se a serie an for convergente a serie (l )bn tambem sera
n=1 n=1

X
convergente e portanto bn sera convergente.
n=1

X
X
Analogamente, concluimos que se bn e convergente entao an tambem
n=1 n=1
sera convergente.
Observacao 1.1 No caso de l = 0 ou l = + podemos concluir que :

X
X
an
- Se lim bn = + e bn diverge entao an tambem diverge.
n=1 n=1

X
X
- Se lim abnn = 0 e bn converge entao an tambem converge.
n=1 n=1

X 2n2 + 1
Exemplo 1.23 Considere-se a serie e usemos o Corolario an-
n3 + 3
n=1
terior para determinar a natureza desta serie. Este resultado fazendo uso da
nocao de limite, e sem duvida um resultado de simples aplicacao. A dificul-
dade reside em saber qual a serie com a qual se deve comparar esta serie.
27
Neste caso, porque se trata dum quociente de polinomios, paraPque se obtenha
um limite finito, iremos comparar a serie dada com a serie 1
n=1 n , sendo
a diferenca dos graus dos polinomios. Neste caso = 1. Teremos entao
1
n 1
lim 2n2 +1
= 6= 0, +.
n3 +3
2
Podemos entao concluir que as series sao da mesma natureza. Assim a

serie dada e divergente.

X X
1 n3 + 3n + 7
a) sin b) 4 2n3 + 5
.
n=1
n n=1
n
O resultado que se segue permite determinar a natureza duma serie

atraves do calculo dum limite com a vantagem de nao haver necessidade
de procurar outra serie para termo de comparacao.
Criterio de DAlembert
Se lim an+1
an
=le
P
l < 1, entao a serie n=1 an e convergente.
P
l > 1, entao a serie n=1 an e divergente.
Observacao: Se lim an+1an
= 1, e se esta convergencia se faz por valores
superiores ou iguais a 1, podemos concluir, pelo teorema anterior, que a serie
X
an e divergente.
n=1

X X
2n n!
a) b) .
n=1
n! n=1
nn
28
Calculo aproximado da soma duma serie:

X
Considere-se uma serie an convergente, cuja convergencia foi
n=1
demonstrada usando o criterio de DAlembert. Seja

X
Rn = ak
k=n+1

X
o resto de ordem n da serie an .
n=1
Cometendo um certo abuso de linguagem escreveremos
Rn = S Sn .
O que pretendemos fazer e controlar o erro Rn que se comete quando se

aproxima a soma da serie S por Sn .
Seja entao,
Rp = ap+1 + ap+2 + . . . + ap+n + . . . =

ap+2 ap+3 ap+2
= ap+1 (1 + ap+1
+ ap+2 ap+1
+ . . . )
Se Kp for um majorante do conjunto

ap+2 ap+3 ap+4
{ , , , . . . }
ap+1 ap+2 ap+3
teremos obviamente,
Rp ap+1 (1 + Kp + Kp2 + . . . ).
Como lim an+1

an
= l < 1, e possvel escolher kp < 1 e assim
1
Rp ap+1 . .
1 Kp
Daqui se conclui que e possvel determinar o numero de termos da serie que

devem ser somados para que o erro Rn seja inferior a um certo valor dado.
Basta considerar p tal que
1
ap+1 . < .
1 Kp
29
Na pratica este metodo nao e muito simples de implementar devido a dificul-
dade na determinacao de Kp . Ha, no entanto, alguns casos em que a escolha
de Kp e simples:
Se ( an+1
an
) e crescente toma-se Kp = lim ap+1
ap
ap+2
Se ( an+1
an
) e decrescente toma-se Kp = ap+1
X
1
Exemplo 1.24 Vejamos como se pode calcular a soma da serie com
n=1
n!
um erro inferior a 0.01.
Como
an+1 1
lim = lim =0
an n+1
X
1
podemos concluir, usando o criterio de DAlembert, que a serie e
n=1
n!
convergente. Notemos ainda que, sendo ( an+1
an
) = ( 1
n+1
) uma sucessao decres-
cente, podemos tomar
1
Kp =
p+2
teremos entao
ap+1 1 p+2
Rp =
1 Kp (p + 1)! p + 1
Para que Rp < 0.01, basta considerar p = 5. Conclumos entao que,

quando se aproxima a soma da serie pela soma dos seus 5 primeiros termos,
o erro que se comete e inferior a 0.01. Neste caso
1 1 1 1
S5 = 1 + + + +
2! 3! 4! 5!
Exerccio 1.17 Determine um valor aproximado da soma da serie do exerccio

1.16a) com um erro inferior a 0.01.
30
Criterio de Cauchy ou Criterio da Raz

Se lim n an = l e

X
l < 1, a serie an e convergente
n=1
X
l > 1, a serie an e divergente.
n=1
X

l = 1, mas n an 1, a serie an e divergente.
n=1
Exemplo 1.25 Usemos o criterio de Cauchy para determinar a natureza da

X
n + 1 n2
serie ( ) .
n=1
n
Como
n+1 n 1
lim n an = lim( ) = lim(1 + )n = e > 1
n n
podemos concluir que a serie e divergente.
Exerccio 1.18 Determine a natureza das series

X
X n n2
a) nn b) ( )
n=1 n=1
n+1

X
Observacao: Se a convergencia da serie an for provada utilizando o
n=1
criterio de Cauchy, podemos obter um valor aproximado da soma da serie
procedendo de forma analoga ao caso em que a convergencia e provada usando
o criterio de DAlembert. Assim, se Kp e um majorante do conjunto

{ p+1 ap+1 , p+2 ap+2 , p+3 ap+3 , . . . }
e Kp < 1, teremos,
1
Rp kpp+1 . 1k p
Como anteriormente, a determinacao de Kp e simples quando

- a sucessao ( n an ) e decrescente, e neste caso toma-se Kp = p+1 ap+1

- a sucessao ( n an ) e crescente, e neste caso toma-se Kp = lim n an
1.18a) , com um erro inferior a 0.01.
31
Criterio do integral
Seja f : [1, +[ R uma funcao contnua, positiva e decrescente. Considere-

-se an = f (n). Entao

X Z
an converge f (x)dx converge
n=1 1
i.e.,
Z +
X
(i) Se f (x)dx converge an converge
1 n=1
Z +
X
(ii) Se f (x)dx diverge an diverge
1 n=1
Prova: Considere-se a seguinte figura abaixo:
Figura 1.3: Criterio do integral.
Obviamente que
Z n
a2 + a3 + . . . + an f (x)dx. ()
1
Analogamente como se pode observar na figura que se segue
Figura 1.4: Criterio do integral.
32
temos Z n
f (x)dx a1 + a2 + . . . + an1 . ()
1
Entao:
(i) De () temos
n
X Z n Z +
ai f (x)dx f (x)dx
i=2 1 1
e portanto
n
X Z +
Sn = a1 + ai a1 + f (x)dx = M.
i=2 1
Concluimos assim que (Sn )nN e uma sucessao limitada e, uma vez que e
monotona sera convergente. (ii) De () temos
Z n
f (x)dx a1 + a2 + . . . + an1 = Sn1 .
1
Z +
Como estamos a supor que f (x)dx e divergente podemos concluir
1

X
que (Sn1 )nN converge para infinito e portanto an e divergente.
n=1
X
1
Consequencia: A serie de Dirichlet e convergente se > 1 e diver-
n=1
n
gente se 1 .
X
1
Vimos anteriormente que, se 1 entao a serie
e divergente.
n=1
n
Se > 1, a funcao
f : [1, +[ R
x x1
e contnua, decrescente e positiva. Por outro lado,
Z + Z + Z y
1 1 x1 y
f (x)dx = dx = lim dx = lim [ ]1
1 1 x y+ 1 x y+ 1

1 1 1
= lim 1
=
y+ (1 )y (1 ) 1
33
X
1
Como o integral improprio e convergente concluimos que a serie
n=1
n
tambem e convergente.

X
Exerccio 1.20 Determine a natureza da serie nen .
n=1
Estimativa de erro
Duma forma analoga ao que foi feito no caso em que a convergencia da
serie foi provada usando o criterio da raz ou o criterio do integral, iremos
estabelecer uma majoracao para o erro que se comete quando aproximamos
o valor da soma da serie pela soma dos seus n termos.
Consideremos entao
Rn = S Sn = an+1 + an+2 + . . .
Com a ajuda da figura abaixo
Figura 1.5: Estimativa de erro.
concluimos facilmente que

Z +
Rn = an+1 + an+2 + . . . f (x)dx
n
Z +
Rn = an+1 + an+2 + . . . f (x)dx.
n+1
Assim,
Z + Z +
f (x)dx Rn = an+1 + an+2 + . . . f (x)dx.
n+1 n
34
X
1
Exemplo 1.26 Se considerarmos a serie podemos concluir, pelo criterio
n=1
n3
do integral que esta serie e convergente.
Por outro lado,
Z +
1 1
3
dx = 2 .
n x 2n
Se o nosso objectivo for calcular um valor aproximado da soma da serie
cometendo um erro inferior a 0.0005 deveremos considerar n tal que
Rn 0.0005
Isto e conseguido se
Z +
1
dx 0.0005
n x3
ou seja,
1 5
2
< .
2n 10000
Basta entao considerar n = 32.

1.20, com um erro inferior a 0.01.
1.2.3 Series de termos de sinal nao definido
Vimos anteriormente como se determina a natureza duma serie de termos

positivos. Vimos tambem que os resultados estudados, podem ser utilizados
para determinar a natureza duma serie, cujos termos tenham sinal constante
a partir duma certa ordem.
Vamos agora considerar series que nao tem necessariamente os termos
com o mesmo sinal a partir duma certa ordem. Estas series serao chamadas
series de termos de sinal nao definido.
P
Definicao: Diremos que a serie n=1 an e absolutamente convergente se e
P
so se a serie n=1 | an | for convergente. E dita simplesmente convergente
se for convergente mas nao for absolutamente convergente.
35
Observacao: Para verificarP se uma serie e absolutamente convergente
teremos que estudar a serie
n=1 | an | que e de termos positivos, e portanto
pode ser estudada usando os resultados estabelecidos anteriormente.
P (1)n
Exemplo 1.27 A serie n=1 n2 +1 e absolutamente convergente ja que a
P (1)n
serie n=1 | n2 +1 | e uma serie convergente.
P
Teorema:
P Se a serie n=1 an e absolutamente convergente entao a serie
n=1 an e convegente e

X
X
| an | | an | .
n=1 n=1

X
X
sin n cos n
a) b)
n=1
n2 n=1
n!
Criterio de Leibnitz
Se (bn ) e uma sucessao decrescente tal que lim bn = 0, entao a serie
X
(1)n bn e convergente.
n=1

X (1)n
Exemplo 1.28 A serie e simplesmente convergente. Com efeito,
n=1
n

X (1)n
(bn ) = ( n1 ) esta nas condicoes do corolario anterior e portanto a serie
n=1
n

X (1)n
e convergente. Por outro lado, a serie | | e a serie harmonica,
n=1
n
que, como sabemos e divergente.

X
X
(1)n (1)n
a) b)
n=2
ln n n=1
n!
36
Estimativa de erro

X
E possvel demonstrar que, no caso em que a convergencia da serie (1)n bn
n=1
e garantida pelo criterio de Leibnitz temos a seguinte estimativa para o erro:
|Rn | bn+1 .
Exemplo 1.29 Para determinar um valor aproximado da soma da serie, do

exemplo anterior, com um erro inferior ou igual a 0.01 basta entao considerar
1 1
n tal que |Rn | n+1 = 100 . Ou seja n = 99.
Exerccio 1.24 Determine um valor aproximado das somas das series do

exerccio 1.23, com um erro inferior a 0.01.
Produto de series:
P P
PDadas duas series n=1 an e n=1 bn podemos considerar uma nova serie
n=1 un onde (un ) e definida por
u1 = a1 b1
u2 = a1 b2 + a2 b1
u3 = a1 b3 + a2 b2 + a3 b1

P
n
un = i=1 ai bn+1i
Nestas condicoes tem-se o seguinte resultado:
P P
Teorema: SePas series n=1 an e n=1 bn sao absolutamente convergentes
entao a serie
n=1 nu e absolutamente convergente e

X
X X
un = ( an )( bn )
n=1 n=1 n=1
Demonstracao:(Ver J. Campos Ferreira, Introducao a Analise Matematica)

X
n
Exemplo 1.30 Considere-se a serie n+1
. Como
n=1
3
1 1
= ,
3n+1 3n+1i 3i
37
teremos n
n X 1
= .
3n+1 i=1
3n+1i 3i
P 1
Uma vez que a serie n=1 3n e uma serie absolutamente convergente
conclui-se que a serie dada e convergente e que
X X
n 1 X 1 1
n+1
= ( n
)( n
) = .
n=1
3 n=1
3 n=1
3 4
Sobre o comportamento das series simplesmente convergentes, refira-se o

seguinte resultado:

X
Teorema:(Riemann) Seja an uma serie simplesmente convergente. Entao:
n=1

X
(i) Para todo R existem permutacoes da serie an , cuja soma e .
n=1

X
(ii) Existem permutacoes da serie an que sao divergentes.
n=1
Demonstracao:(Ver J. Campos Ferreira, Introducao a Analise Matematica)
Observacao: Este resultado coloca em evidencia a complexidade desta

nocao, aparentemente tao simples.
38
1. Determine a natureza das seguintes series:

X
X
X
2n1 3n+1 + (2)n 5n+1 + (2)n
a) b) c)
n=1
3n1 n=1
5n2 n=1
3n2

X X
X
1 n 1 1 2n + 1
d) (1 + ) e) ( ) f)
n=1
n n=1
n n + 1 n=1
n2 (n + 1)2

X
X
X
1 2 8n n! n
g) sin ( ) h) i) (n sin( ))
n=1
n n=1
nn n=1
3n

X (1)n n X n3 + 1 X
j) k) l) (1)n cos( )
n=2
n2 2 n=1
3n3 + 4n2 + 2 n=2
n

X X
X
(1)n (1)n 1 3n!
m) n) ( 2 ) o)
n=1
n2n n=1
n+3 n +3 n=1
(n + 1)n
2. Determine um valor aproximado para a soma da serie do exerccio 1.m)

com um erro inferior a 0.01.
3. Determine a natureza da serie
X
n2
(1 ) .
n=1
n+3
4. (a) Mostre , usando a definicao de serie convergente, que, se |d| < 1

entao a serie
X a0
a0 dn1 = .
n=1
1 d
n1
Sugestao: Use a expressao a(1r
1r
)
para a soma dos n primeiros
termos duma progressao geometrica.
(b) Mostre que a serie

X 1
(1)n
n=1
1000n+2
e convergente e, se possvel determine a sua soma.
39
5. (a) Considere uma sucessao (an )nN onde para cada n N
(2n)! 1 n
0 an ( ) .
(n!)2 5
Determine, justificando, a natureza da serie de termo geral an .
(b) Calcule lim an .

X
X
1 sin n
a) ((1)n + 2 ) ; b)
n=1
n n=1
5n
7. Considere a serie

X 1
(1)n .
n=1
4n2+4
(a) Mostre que a serie e convergente.

(b) Determine um valor aproximado para a soma da serie com um
erro inferior a 0.01
8. Defina serie numerica absolutamente convergente.

X
X
9. Mostre que se an e bn sao series numericas absolutamente con-
n=1 n=1
vergentes entao, para todo o x R,

X
(an cos nx + bn sin nx)
n=1
e uma serie convergente.
10. Determine a natureza e, no caso de serem convergentes, a soma das

seguintes series:
X X n2
3n+1 + (2)n 1
a) n2
b) 1+
n=1
4 n=1
n

X 1
11. (a) Mostre que a serie e convergente.
n=1
(n!)2
40
(b) Calcule um valor aproximado da soma da serie da alnea anterior,
com um erro inferior a 0.01 .
12. Calcule os seguintes limites:

X
(a) lim(bn . sin n), sabendo que bn e convergente.
n=1
10
(b) lim nen

X
13. Mostre que cn e convergente sabendo que (cn )nN verifica
n=1
n2 + 2 1
|cn | . , n N.
n4 + 3 en

X 2n
14. Verifique se, ao aproximarmos por
n=1
n!
22 23 24 25 26 27 28 29 210 211
2+ + + + + + + + + +
2! 3! 4! 5! 6! 7! 8! 9! 10! 11!
1
cometemos um erro inferior a 100
.

X (1)n
15. Considere a serie
n=1
n!
(a) Mostre que a serie e convergente.

(b) Determine o numero de termos que devera considerar para obter
um valor aproximado da soma da serie com um erro inferior a
0.0001.
16. De um exemplo duma serie simplesmente convergente.
17. Seja (an )nN uma sucessao de numeros reais tais que
1
an 0.
n2

X
Mostre que a serie an e convergente.
n=1
Sugestao: Verifique se a serie e absolutamente convergente.
41
X
X
2 1
a) ( )n+2 ; b) sin .
n=1
3 n=1
n+1
19. (a) Calcule lim enn2 .

(b) Mostre que lim en!n = +.
Sugestao: Use a teoria de series.
20. (a) Mostre que a serie

X
10n
n=1
(2n)!
e convergente.
(b) Diga, justificando, se
10 102 103
+ +
2! 4! 6!
difere da soma da serie anterior por um valor inferior a 13 .

X
21. Determine a natureza da serie (sin n)nen .
n=1
X
(1)n
22. Verifique se a serie e simplesmente convergente.
n=1
ln(n + 1)
X X
n+2 n n!
a) ( ) b) (cos n) n
n=1
n n=1
n
42
Captulo 2
Series de funcoes
Vimos anteriormente que a nocao de soma infinita esta associada a nocao de

limite. A soma duma serie numerica aparece como o limite da sucessao das
somas parciais.
Neste captulo iremos considerar series de funcoes. Em vez duma soma
infinita de numeros reais iremos definir uma soma infinita de funcoes.
Embora o nosso objectivo seja estudar somas infinitas de funcoes que tem
uma forma muito particular, iremos comecar por considerar alguns resultados
gerais, validos para qualquer tipo de funcoes.
2.1 Sucessoes de funcoes

De forma analoga ao que acontecia no caso das sucessoes de numeros reais,
uma sucessao de funcoes que representaremos por (fn )nN e uma funcao
definida em N , onde para cada n N , associa uma funcao fn
fn : X R
x fn (x).
Definicao: Diremos que a sucessao de funcoes (fn )nN converge para a
funcao f e escreveremos (fn f ou lim fn = f ) se
x X, fn (x) f (x).
A esta convergencia chamamos convergencia simples ou convergencia ponto
a ponto.
Exemplo 2.1 A sucessao de funcoes (fn )nN onde para cada n N ,

fn : [0, 1] R
x xn .
43
converge para a funcao f definida por
f : [0, 1] R

0, 0 x < 1
x
1, x=1
Com efeito,
se x = 0 lim fn (x) = lim 0 = 0

se x = 1 lim fn (x) = lim 1 = 0
se 0 < x < 1 lim fn (x) = lim xn = 0.
Observacao: Recorrendo a definicao de limite, podemos afirmar que fn f

se fixado x X,
> 0, n0 N : n > n0 |fn (x) f (x)| < .

Podemos entao concluir que, fixado x X e > 0 existe uma ordem
n0 = n0 (x, ) tal que, a partir dessa ordem se tem |fn (x) f (x)| < . A
ordem n0 depende de > 0 e de x.
Se esta ordem for independente de x diremos que temos convergencia
uniforme. Teremos entao a seguinte definicao:
Definicao: A sucessao de funcoes (fn )nN converge uniformemente para a
funcao f se
> 0, n0 N : n > n0 |fn (x) f (x)| < , x X.
Observacao: A importancia deste resultado resulta do facto de haver re-

sultados que sao validos quando temos convergencia uniforme e que nao se
verificam quando ha apenas convergencia simples.
Teorema: Se fn f uniformemente em X e fn sao funcoes contnuas, entao
f e uma funcao contnua.
Corolario: Se fn sao funcoes contnuas e f nao e contnua entao a con-
vergencia de fn para f nao e uniforme.
Exemplo 2.2 No exemplo estudado anteriormente nao temos convergencia

uniforme.
44
2.2 Series de funcoes
Seja entao (fn )nN , uma sucessao de funcoes, onde para cada n N , fn e
uma funcao de X em R. Consideremos a sucessao de funcoes (Sn )nN , onde
para cada n N ,
Sn : X R
x Sn (x) = f1 (x) + f2 (x) + . . . + fn (x)
Se a sucessao das somas parciais (Sn )nN for convergente, diremos que a
serie

X
fn
n=1
e convergente e ao seu limite chamamos soma da serie.

X
Definicao: Diremos que a serie de funcoes fn , converge uniformemente
n=1
em X, se e so se a sucessao das somas parciais (Sn )nN for uniformemente
convergente em X para uma funcao S.
A nocao de sucessao uniformemente convergente e delicada saindo, clara-
mente, dos objectivos tracados para este curso. Nao exploraremos portanto
esta nocao. Ha, no entanto, um resultado de facil utilizacao que, sob certas
condicoes, garante a convergencia uniforme duma serie de funcoes.
Criterio de Weierstrass:
Se existir uma sucessao numerica (an )nN tal que
1. n N, x X, |fn (x)| an .

X
2. an converge.
n=1

X
X
entao as series |fn | e fn sao uniformemente convergentes
n=1 n=1
45

X (1)n 1
Exemplo 2.3 A serie . e uniformemente convergente em
n=1
n2 1 + x2
[0, 1].
Com efeito,
n
1. n N, x [0, 1], | (1)
n2
1
. 1+x 2|
1
n2
.
P 1
2. n=1 n2 converge.
P log n
Exerccio 2.1 Mostre que a serie n=1 n2 . sin x e uniformemente conver-
gente em R.
P sin(n4 x)
Exerccio 2.2 Mostre que a serie n=1 n2
e uniformemente conver-
gente em R.
Teorema: Seja (fn )nN uma sucessao de funcoes onde, para cada n N ,
fn : [a, b] RPe uma funcao contnua.
Se a serie n=1 fn converge uniformemente, entao a soma da serie e uma
funcao contnua e
Z bX
Z
X b
fn (x)dx = fn (x)dx.
a n=1 n=1 a
Exerccio 2.3 Calcule

Z 1 X
! Z

X (1)n
!
1 1 2
a) dx b) sin x dx
0 n=1
2n 1 + x2 0 n=1
3n
Teorema: Seja (fn )nN uma sucessao de funcoes onde, para cada n N ,
fn : [a, b] R P e uma funcao derivavel. Admitamos que, para um certo

P n=10 fn (c) e convergente.
c [a, b], a serie
Se a serie P n=1 fn converge uniformemente, em [a, b], para a funcao T ,
entao a serie 0
n=1 fn converge uniformemente para S e S = T .
46
Exerccio 2.4 Calcule
!0 !0
X 1 1 X (1)n
a) x [1, 1] b) sin x x [0, ]
n=1
2n 1 + x2 n=1
3n
2.2.1 Series de potencias

As series de potencias sao um caso particular das series de funcoes que,
devido a sua importancia, merecem um tratamento diferenciado. Neste caso
as funcoes fn tem a forma
fn (x) = an (x x0 )n
onde x0 e um valor fixo de R e (an )nN e uma sucessao numerica.
As series tem entao a forma

X
an (x x0 )n
n=0
Exemplo 2.4 Serie de Taylor
Sejam I um intervalo aberto de R e f : I R uma funcao de classe C .

Considerem-se a I, h R tais que a + h I. Nestas condicoes, vimos
que a formula de Taylor garante que, para todo o n N ,
f 00 (a) 2 f (n1) (a) n1

f (a + h) = f (a) + f 0 (a)h + h + ... + h + rn (h)
2! (n 1)!
onde
f (n) (a + n h) n
rn (h) = h , com 0 < n < 1.
n!
A serie

X f (n) (a)
hn
n=0
n!
cuja sucessao das somas parciais coincide com o polinomio de Taylor cha-
mamos serie de Taylor de f em torno de a.
47
Observacao: Se f C (I), podemos considerar sempre a serie de Taylor
de f . No entanto, esta serie podera ser convergente ou divergente, e, mesmo
que seja convergente a sua soma podera, ou nao, ser igual a f (a + h).
Definicao: Uma funcao f : I R, de classe C , diz-se analtica se

X f (n) (a)
a I, > 0 : |h| < hn = f (a + h).
n=0
n!
Resulta entao que

X f (n) (a)
hn = f (a + h) lim rn (h) = 0.
n=0
n! n
Exemplo 2.5 Vejamos como determinar a serie de Taylor de ex em torno

da origem. Para todo n N , f (n) (0) = 1,e, portanto, a formula de Taylor
de f em torno de zero tem a forma
x2 xn eCn
ex = 1 + x + + ...+ + xn+1 ,
2! n! (n + 1)!
com |Cn | < |x|.
Como para todo o x R, fixo,
eCn
lim xn+1 = 0
(n + 1)!
concluimos que

X
x xn
e = .
n=0
n!
Exemplo 2.6 Serie de Taylor da funcao seno em torno da origem.

Podemos observar que as sucessivas derivadas da funcao seno sao
cos x, sin x, cos x, sin x, . . .

A formula de Taylor em torno da origem permite entao escrever
x3 x5 x2n+1
sin x = x + + . . . + (1)n + r2n+2 (x)
3! 5! (2n + 1)!
48
onde
(sin)(n) (cn ) n
rn (x) = x , |cn | < |x|.
n!
Tambem aqui teremos para todo x R
(sin)(2n+2) (cn ) 2n+2

lim x = 0.
(2n + 2)!
Podemos entao concluir que
X
x2n+1
sin x = (1)n .
n=0
(2n + 1)!
Exerccio 2.5 Mostre que a serie de Taylor da funcao cosseno em torno de

zero e dada por
X
x2n
cos x = (1)n .
n=0
(2n)!
Depois deste exemplo, voltemos as series de potencias. No que se segue,

consideraremos series de potencias em torno de x0 = 0. Teremos entao

X
an y n .
n=0
Notemos que esta serie pode ser obtida da anterior considerando

y = x x0 .
O estudo, que iremos fazer a seguir, tem por objectivo determinar os
pontos x R para os quais a serie

X
a n xn .
n=0
e convergente. Notemos que, por translacao, passamos facilmente dum domnio

de convergencia duma serie centrada em zero para o domnio de convergencia
duma serie centrada em x0 .
P xn
Exemplo 2.7 A serie n=0 n! e convergente para ex para todos os valores
de x R.
49
P
Exemplo 2.8 A serie n
n=0 x e convergente para
1
1x
para todos os valores
de x R tais que |x| < 1.
P n x2n+1
Exemplo 2.9 A serie n=0 (1) (2n+1)! e convergente para sin x para todos
os valores de x R.
P
Teorema: Dada uma serie de potencias n
n=0 an x , ela sera convergente
apenas em x = 0, ou existe r > 0 (ou +) tal que a serie converge absolu-
tamente em ] r, r[ e diverge fora de [r, r]. Em r e r a serie podera ser
convergente ou divergente.
Como determinar este valor r ?
an+1 1
Se existir lim | | = R, entao r =
n an R
ou,
p
n 1
Se existir lim |an | = R, entao r =
n R
A r chamamos raio de convergencia da serie de potencias.
Observacao: Para |x| = r, este resultado nao permite tirar qualquer con-
clusao. Se pretendemos determinar todos os valores de R para os quais a serie
converge deveremos considerar separadamente as duas series numericas.

X
X
n
an r e an (r)n .
n=0 n=0
Exemplo 2.10 Vejamos como determinar todos os valores de x R para

P (1)n+1 n
os quais a serie n=0 n+1 x e convergente.
Como

1 n+1

R = lim n+2
1 = lim =1
n+1 n+2
conclumos que a serie converge em ] 1, 1[. Teremos agora que analisar o
que se passa com a serie nos pontos x = 1 e x = 1.
X X
(1)n+1 1
Como a serie e convergente e a serie e divergente
n=0
n+1 n=0
n+1
concluimos que a serie dada e convergente em ] 1, 1].
50
Exerccio 2.6 Determine todos os valores de x para os quais as seguintes
series sao convergentes.
X
X
xn (1)n xn
a) b)
n=1
n n=1
n!

X
Teorema: Se an xn e uma serie de potencias com raio de convergencia r
n=0
entao as series de potencias
X X
an n+1
x e nan xn1
n=0
n + 1 n=1
tem raio de convergencia r e para todo x ] r, r[,

Z
xX X
n an n+1
an t dt = x
0 n=0 n=0
n + 1
e !0
X
X
n
an x = nan xn1
n=0 n=1
Temos ainda o seguinte resultado:

X
Teorema: Se para todo o x [, ], a serie an xn e convergente entao
n=0
Z X
X
n an
( an x )dx = ( n+1 n+1 )
n=0 n=0
(n + 1)

X
Consequencia: Seja f a funcao definida por f (x) = an xn . Entao f
n=0
possui derivadas de todas as ordens em qualquer ponto de ] r, r[ e essas
derivadas podem ser calculadas derivando a serie termo a termo.
Assim,

X
f (k) (x) = n(n 1) . . .(n k + 1)an xnk
n=k
e portanto,
f (k) (0)
ak = .
k!
51
Conclusao: Basta ter presente a definicao de serie de Taylor para conluir
que a serie de potencias cuja soma e f (x) nao e mais do que a serie de Taylor
de f em torno de zero.
Exerccio 2.7 Determine a serie de Taylor em torno do valor dado, a, das

seguintes funcoes bem como os valores de x para os quais as series sao con-
vergentes.
a) f (x) = 1 + x + x2 , a=2 b) f (x) = cos(x), a=0
Aplicacoes:
A partir do conhecimento do desenvolvimento em serie de potencias de
algumas funcoes e possvel, usando a definicao e as propriedades das series de
potencias, definir desenvolvimentos em serie de potencias de outras funcoes.
Exemplo 2.11 Vejamos como se pode determinar um desenvolvimento em

x3
serie de potencias de x da funcao f (x) = 2+x .
Temos
x3 1 3
2+x
= x3 . 2(1+ x
)
= x2 . 1(
1
x
)
=
2 2

X X
3 x n 3 (1)n n
= x ( ) = x n
x =
n=0
2 n=0
2

X (1)n
= xn+3
n=0
2n+1
Exemplo 2.12 Derivando a expressao

X
1
= xn
1 x n=0
obtemos
1 X
= (n)xn1 .
(1 x)2 n=1
Este processo de derivacao permite-nos determinar um desenvolvimento em

1
serie de potencias da funcao (1x)2 . Temos entao
X
1
2
= (n + 1)xn .
(1 x) n=0
52
Exemplo 2.13 Para determinar um desenvolvimento em serie da funcao
arctg podemos utilizar o seguinte processo:
Z x Z
xX X
1 n 2n x2n+1
arctgx = dt = (1) t dt = (1)n .
0 1 + t2 0 n=0 n=0
2n + 1
O raio de convergencia desta serie tambem e 1.
Podemos usar o desenvolvimento em serie de potencias duma funcao para

calcular a sua primitiva.
Este calculo revela-se importante quando as funcoes nao sao primitivaveis
atraves de funcoes simples.
Exemplo 2.14 A partir do desenvolvimento em serie de potencias da funcao

ex , obtemos
X
x2 x2n
e = (1)n
n=0
n!
pelo que
Z X
2 (1)n x2n+1
ex dx = + C.
n=0
n! 2n + 1
Exemplo 2.15 Em certos casos podemos usar o desenvolvimento em serie

de potencias duma funcao para calcular uma aproximacao do valor do inte-
gral. Do exemplo anterior, concluimos que
Z 1 " #1
2
X (1)n x2n+1 X (1)n
ex dx = = .
0 n=0
n! 2n + 1 n=0
(2n + 1)n!
0
O valor do integral aparece como a soma duma serie alternada. Vimos,
no captulo anterior, como e que podemos determinar um valor aproximado
para a soma desta serie alternada. Se, por exemplo, estivermos interessados
em determinar um valor aproximado da soma desta serie cometendo um erro
inferior a 0.001, deveremos considerar n tal que
1 1
< .
(n + 1)!(2n + 3) 1000
Basta entao considerar n = 4. O valor do integral e aproximadamente
igual a 1 31 + 10
1 1
42 .
53
Podemos ainda usar as series de potencias como uma ferramenta para
calcular limites.
Exemplo 2.16 Mais uma vez, partindo do desenvolvimento em serie de

potencias da funcao ex , concluimos que
2 3
ex 1x (1+x+ x2! + x3! + . . . )1x
x2
= x2
=
1 x x2
= 2
+ 3!
+ 4!
+ ...
pelo que, usando a continuidade das series de potencias temos
ex 1 x 1
lim 2
= .
x0 x 2
Exerccio 2.8 Determine uma representacao em serie de potencias de x das

seguintes funcoes e indique o intervalo de convergencia.
1 1
a) f (x) = b)f (x) = c) f (x) = ln(1 + x)
4 + x2 (1 + x)2
Exerccio 2.9 Determine uma representacao em serie de potencias para as

seguintes primitivas.
Z Z
1 arctgx
a) dx b) dx
1 + x4 x
Exerccio 2.10 Use series de potencias para determinar o valor dos seguin-
tes integrais com um erro inferior a 107 .
Z 0.5 Z 0.5
1
a) dx b) arctgx dx
0 1 + x7 0
Multiplicacao e divisao de series
Normalmente os primeiros termos duma serie de potencias sao os mais

significativos. Para determinar o produto e o quociente de series de potencias
podemos faze-lo como se de polinomios se tratasse.
54
Multiplicacao
Vejamos,por exemplo, como determinar os primeiros tres termos do de-

senvolvimento em serie de potencias da funcao ex sin x.
x2 x3 x3
ex sin x = (1 + x + 2!
+ 3!
+ . . . ).(x 3!
+ ...)
= x + x2 + ( 2!1 3!1 )x3 + . . .
= x + x2 + 13 x3 + . . .
Exerccio 2.11 Use a multiplicacao de series de potencias para determinar

os tres primeiros termos nao nulos da serie de Maclaurin da funcao definida
2
por f (x) = ex cos x.
Divisao de series
Podemos, de forma analoga, determinar os primeiros termos do desen-

volvimento em serie de potencias duma funcao quociente de duas funcoes,
das quais se conhece o desenvolvimento em serie de potencias. E fundamen-
tal que o termo independente do desenvolvimento em serie de potencias da
funcao que esta em denominador seja nao nulo.
Exemplo 2.17 Vejamos como determinar os primeiros tres termos do de-

sin x
senvolvimento em serie de potencias da funcao tgx = cos x
.
Usando os desenvolvimento em serie de potencias das funcoes seno e
cosseno, podemos escrever
x3 x5
x 3!
+ 5!
+ ...
tgx = x2 x4
.
1 2!
+ 4!
+ ...
De seguida dividimos os polinomios e obtemos

x3 x5
x + + ... 1 2
3!
x2
5!
x4
= x + x3 + x5 + . . . .
1 2!
+ 4!
+ ... 3 15
Exerccio 2.12 Use a divisao de series de potencias para determinar os

tres primeiros termos nao nulos da serie de Maclaurin da funcao definida
por f (x) = ln(1x)
ex
.
55
Serie binomial
Para certas aplicacoes pode ser importante conhecer a chamada serie
binomial.
Para k R e x tal que |x| < 1 temos
k(k1) 2 k(k1)(k2) 3
(1 + x)k = 1 + kx + 2!
x + 3!
x + ...

X
k
= xn
n
n=0
onde
k k(k1) . . . (kn+1)
=
n n!

k
= 1
0
Exerccio 2.13 Use a serie binomial de potencias para determinar o desen-

volvimento em serie de potencias da funcao definida por f (x) = 1 + x.
1. Use o criterio de Weierstrass para concluir que as seguintes series sao

uniformemente convergentes:
X X
ln n 1 x
a) cos x, x [0, 2] b) e , x [0, 100]
n=1
n2 + 1 n=1
n!
2. Determine o intervalo de convergencia das seguintes series

X
X X
n n (1)n xn xn
a) 3 x b) c)
n=1 n=1
n+1 n=2
lnn
3. Determine uma representacao em serie de potencias para as seguintes

funcoes e indique o respectivo raio de convergencia.

1 1 1+x
a) f (x) = b) f (x) = c) f (x) = ln
x5 (x + 1)3 1x
56
R 1
4. Determine uma representacao em serie de potencias da funcao 1+x6
dx.
5. Determine a serie de Taylor em torno do valor dado, a, das seguintes
funcoes:
1
a) f (x) = , a = 1 b) f (x) = x cos(2x), a = 0
x
6. Use a serie binomial para representar em serie de potencias as seguintes
funcoes:
1
a) f (x) = 3
b) f (x) = 1 + x2
(2 + x)
7. Determine f (10) (0) para cada uma das funcoes do exerccio anterior.
8. (a) Represente em serie de potencias a funcao definida por
x
f (x) = (1x)2.
X
n
(b) Use a alnea anterior para determinar a soma da serie .
n=1
2n
9. (a) Determine todos os valores de x para os quais a serie

X en n
(1)n x
n=1
n2
e convergente.
(b) Determine todos os valores de x para os quais a serie
X
en
(1)n 2 (x e)n
n=1
n
e convergente.
10. Determine um desenvolvimento em serie de potencias de x da funcao
f definida por
f (x) = log(e + x)
e o raio de convergencia dessa serie.
11. Sabendo que, se uma sucessao de funcoes contnuas (fn )nN , definidas
em X R, converge uniformemente para uma funcao f , entao f e uma
funcao contnua, prove o seguinte resultado:
P
Se a serie de funcoes n=1 gn converge uniformemente para S, em
X R e gn sao funcoes contnuas em X entao S e uma funcao contnua.
Sugestao: Use a definicao de serie de funcoes.
57
8 n
12. (a) Calcule o limite da sucessao ( 1+8n )nN e diga, justificando, se a
n
n 8
sucessao ((1) 1+8n )nN e convergente.

X 2n
(b) Determine o intervalo de convergencia da serie xn
n=1
1 + 8n
13. Para cada n N , considere fn : [0, 2] R definida por

ln n x
fn (x) = 3
(1 + sin ).
n n

X
Mostre que a serie de funcoes fn , e uniformemente convergente.
n=1

x
f definida por f (x) = .
(1 + x)2
15. Mostre que a serie de funcoes

X 1
, x [1, 100]
n=1
n(1 + nx)
e uniformemente convergente.

X 3n
16. Determine todos os valores de x para os quais a serie xn e con-
n=1
n
vergente.
f definida por
x
f (x) = .
(2 + x2 )2
18. Considere a funcao f definida por
x
f (x) = .
(2 + x)2
(a) Determine um desenvolvimento em potencias de x da funcao f .
X
n
(b) Use o resultado anterior para determinar a soma da serie .
n=1
2n
19. Determine um desenvolvimento em potencias de x da funcao f definida

por
f (x) = ln(e + x2 ).
58
Captulo 3
Matrizes e sistemas de
equacoes lineares
O problema central da Algebra Linear e o estudo dos sistemas de equacoes

lineares.
Quando resolvemos um sistema de tres equacoes com tres incognitas es-
tamos a determinar a interseccao de tres planos. Como e sabido, essa inter-
seccao pode ser um plano, uma recta, um ponto ou o conjunto vazio.
A resolucao do sistema devera permitir tirar estas conclusoes. Embora o
estudo que iremos fazer nao se limite apenas a sistemas de tres equacoes a
tres incognitas, poderemos considerar sempre este exemplo como referencia.
3.1 Motivacao
Consideremos o seguinte sistema de tres equacoes a tres incognitas

2x + 3y + z = 8
4x + y + z = 10

6x + 3y + 3z = 6
Como sabemos, resolver um sistema e determinar a sua solucao, ou seja,
determinar os valores de x, y e z tais que a sua substituicao no sistema
conduza a tres identidades.
Vejamos um metodo novo, chamado Metodo de eliminacao de Gauss, que
consiste em multiplicar a 1a equacao por um coeficiente de tal forma que ao
somarmos a 1a e a 2a equacoes desapareca o termo em x. De seguida faremos
o mesmo para a 3a equacao.
59
Multiplicamos entao a 1a equacao por 2 e adicionamos o resultado a 2a
equacao. De seguida multiplicamos a 1a equacao por 3 e adicionamos a 3a
equacao. Obtemos entao

2 x + 3y + z = 8
5y z = 6

12y + 6z = 18
Procedendo da mesma forma relativamente as 2a e 3a linhas, iremos mul-
tiplicar a 2a linha por 12
5
e adicionar a terceira, obtendo-se

2x + 3y + z = 8
+ 5 y z = 6

18
+ 5
z = 18 5
a
Percebemos facilmente que da 3 equacao obtemos z = 1 e que com esta
informacao obtemos a partir da 2a equacao y = 1 e da 1a equacao x = 2.
A solucao do sistema e entao x = 2, y = 1 e z = 1. Se quisermos pensar
em termos geometricos podemos afirmar que a interseccao dos tres planos e
um ponto.
Aos elementos assinalados 2 e 5 chamaremos pivots.
Vejamos agora outro exemplo onde a interseccao dos planos (solucao do
sistema) podera nao ser um unico ponto.
Exemplo 3.1 Consideremos entao o seguinte sistema de tres equacoes com

tres incognitas

5y + 6z = 0
y + 6z = 0

x + 7y + 8z = 1
Para usarmos a tecnica anterior iremos efectuar uma troca de linhas e
escrever o sistema na forma

x + 7y + 8z = 1
5 y + 6z = 0

y + 6z = 0
Multiplicando a 2a equacao por 5 e adicionando o resultado a 3a equacao
obtemos

x + 7y + 8z = 1

5 y + 6z = 0

6(1 5 )z = 0
60
E conclumos que se 6= 5 a solucao sera x = 1, y = 0 e z = 0. Diremos
que o sistema tem uma e uma so solucao. Em termos geometricos significa
que a interseccao dos tres planos e um ponto.
Por outro lado, se = 5, a ultima equacao tem a forma 0.z = 0.Esta
equacao sera verificada por qualquer elemento de R. O sistema tera entao,
nao uma mas sim uma infinidade de solucoes. Em termos geometricos a
interseccao dos tres planos e o conjunto dos pontos

2 6
( z + 1 , z , z ) : z R}
5 5
que, como se pode observar, define uma recta. Em termos de sistemas dire-
mos que se trata dum sistema indeterminado.
Observacao 3.1 Se, no exemplo anterior, tivessemos considerado a equacao

y+6z = 1 em vez da equacao y+6z = 0 teramos chegado a conclusao que,
no caso de = 5, deveramos ter na 3a equacao do ultimo sistema 0.z = 1
o que e impossvel. Diremos neste caso que o sistema e impossvel o que
equivale a afirmar que a interseccao dos tres planos e o conjunto vazio.
Exerccio 3.1 Determine e por forma que a interseccao dos planos de

equacao x + 2y + 3z = 1; 2x + 2y + 3z = 2 e x + y = 1, onde e sao
constamtes reais, seja vazia.
Voltando ao exemplo modelo, iremos associar a esse sistema o conjunto

dos 9 coeficientes das incognitas e o conjunto dos tres termos independentes
que iremos escrever preservando a posicao que tem no sistema

2 3 1 8
A= 4 1 1 b = 10
6 3 3 6
A estas novas entidades chamaremos matrizes. Diremos que a matriz A
tem 3 linhas e 3 colunas, A(33) e que b tem 3 linhas e 1 coluna, b(31) . A
matriz b tambem e usual chamar matriz coluna.
Embora haja uma relacao entre sistemas de equacoes lineares e matrizes
iremos abandonar a linguagem dos sistemas e concentrar-nos no estudo de
matrizes.
61
3.2 Operacoes com matrizes
Neste paragrafo iremos definir algumas operacoes elementares com matrizes
e estudar algumas das suas propriedades.
Para definir uma matriz necessitamos apenas de indicar o seu tipo, isto
e, o numero de linhas n e o numero de colunas m e o valor do elemento aij
que se encontra na linha i e na coluna j.
coluna j

. . . . .
. . . . .

linha i
. . aij . .

. . . . .
. . . . .
Se n = m, isto e, o numero de linhas e igual ao numero de colunas entao

a matriz e dita quadrada.
Exerccio 3.2 Qual a matriz A com 3 linhas e 4 colunas em que o elemento

aij e definido por
aij = i + 2j ?
1 Transposta duma matriz

Seja A = (aij ) uma matriz (n m). Define-se a transposta de A que
denotaremos por AT = (bij ) do tipo (m n) por
bij = aji i = 1, 2, ..., m ; j = 1, 2, ..., n

A determinacao da matriz AT a partir de A e muito simples. Basta
colocar nas colunas de AT as linhas de A.
Exemplo 3.2 Se

1 4
1 2 3
A= entao AT = 2 5
4 5 6
3 6
62
Exerccio 3.3 Determine as transpostas das seguintes matrizes:

4
3 1 0
A= 1 2 3 4 ; B=
2 ; C= 0 1

2 1
1
2 Produto dum numero por uma matriz

Sejam k R e A uma matriz. Entao k.A e a matriz cujo elemento que
esta na posicao (i, j) e o produto de k pelo elemento de aij da matriz A.
Exemplo 3.3 Se k = 3 e A e a matriz definida por

2 3 4 6 9 12

A= 5 6 7 entao k.A = 15 18 21
8 9 0 24 27 0
Exerccio 3.4 Construa a matriz k.A onde k = 2 e A e a matriz definida

no exerccio 3.2.
Observacao 3.2 Podemos definir o produto dum numero por uma matriz
independentemente do tipo de matriz que temos.
3 Soma de matrizes
Dadas duas matrizes A = (aij ) e B = (bij ) do mesmo tipo definimos a
matriz A + B = (cij ) onde
cij = aij + bij
Exemplo 3.4 Da definicao anterior resulta

2 3 4 6 9 12 8 12 16
5 6 7 + 15 18 21 = 20 24 28
8 9 0 24 27 0 32 36 0
63
Exerccio 3.5 Determine a matriz A + B onde A = (aij ) e B = (bij ) sao
duas matrizes do tipo (4 3) definidas por
aij = i j e bij = i + j
4 Produto de matrizes
Dadas as matrizes A = (aij ) do tipo (m n) e B = (bij ) do tipo (n p)
podemos definir a matriz produto A.B = (cij ) do tipo (m p) onde
n
X
cij = aik .bkj
k=1
Observacao 3.3 So podemos definir o produto A.B de duas matrizes A e

B se o numero de colunas de A for igual ao numero de linhas de B. Se as
matrizes A e B forem quadradas e do mesmo tipo poderemos definir, tanto o
produto A.B como o produto B.A.
Exemplo 3.5 Da definicao anterior resulta

2 3 4 a b 2a + 3c + 4e 2b + 3d + 4f
5 6 7 c d = 5a + 6c + 7e 5b + 6d + 7f
8 9 0 33 e f 32 8a + 9c 8b + 9d 32
Exerccio 3.6 Diga quais os produtos de duas matrizes que se podem efec-
tuar usando as matrizes A,B e C abaixo definidas.

1 2 0 1 0
1 0 0
A= 0 1 0 e B= e C= 0 1
0 1 2
0 0 1 0 1
Exerccio 3.7 Calcule o produto AB das matrizes A e B definidas por:

1 2 3 1 0
A= 4 5 6 e B= 0 1
7 8 9 1 0
64
Observacao 3.4 O elemento da matriz produto AB que se encontra na
posicao (ij) e o produto da linha i de A com a coluna j de B.
Identificando uma matriz linha (1 n) com um vector de Rn ,

a1 a2 ... an = (a1 , a2 , ..., an )
podemos concluir que o elemento (ij) da matriz produto A.B e igual ao pro-
duto escalar ( interno) da linha i de A com a transposta da coluna j de B.
Isto e,
(ai1 , ai2 , ..., ain ).(b1j , b2j , ..., bnj )
Definicao: Seja A = (aij ) uma matriz quadrada do tipo (n n). Os ele-

mentos da forma aii com i = 1, 2, ..., n constituem aquilo a que chamaremos
diagonal principal.
Definicao: Chamaremos matriz identidade (n n) a matriz cujos elementos

da diagonal principal sao iguais a 1 e todos os outros sao nulos.
Exemplo 3.6 As matrizes identidade 3 3 e 4 4 sao definidas, respecti-

vamente, por
1 0 0 0
1 0 0 0
0 1 1 0 0

0 e 0 0 1 0
0 0 1
0 0 0 1
5 Inversa duma matriz

Seja A uma matriz quadrada (n n). A matriz inversa de A e a matriz
que representaremos por A1 que verifica
A.A1 = In ou A1 .A = In
Observacao 3.5 Nem sempre existe inversa duma matriz A. No caso de

existir, a matriz A dir-se-a invertvel.
Exemplo 3.7 Se

1 2 1 1 2
A= entao A =
1 1 1 1
65
Podemos mostrar que, se A e B sao duas matrizes invertveis entao A.B
e uma matriz invertvel e
(A.B)1 = B 1 .A1
Existem resultados que garantem a invertibilidade duma matriz e que

estabelecem um metodo para a determinacao da inversa. Este assunto sera
estudado mais adiante.
6 Matrizes elementares
Iremos agora definir um conjunto de matrizes quadradas n n que mul-

tiplicadas por uma dada matriz A trocam linhas ou colunas, multiplicam
linhas ou colunas por um numero, ou adicionam a uma linha ou uma coluna
uma outra linha ou coluna, previamente multiplicada por um numero.
Consideremos entao as seguintes matrizes
1. Eij () - Obtida de In colocando na posicao (ij) (para i 6= j)
2. Pij - Obtida de In trocando a linha i com a linha j.
3. Di () - Obtida de In multiplicando a linha i por .
Exerccio 3.8 No caso n = 3 determine P23 , E21 (2) e D3 (2).
Exerccio 3.9 Considere a matriz A definida por

a b c
A= d e f
g h l
1. Efectue o produto de A por P23 a esquerda e depois a direita.
2. Efectue o produto de A por E21 (2) a esquerda e depois a direita.
3. Efectue o produto de A por D3 (2) a esquerda e depois a direita.
4. Qual o efeito sobre A das operacoes anteriores ?
66
A resposta ao numero 4 do exerccio anterior, no que a multiplicacao a
esquerda diz respeito, pode ser generalizada da seguinte forma:
1. Ao multiplicarmos a esquerda uma matriz A por Eij () obtemos a

matriz que resulta de adicionarmos a linha i de A a linha j depois de
multiplicada por .
2. Ao multiplicarmos a esquerda uma matriz A por Pij obtemos a matriz

que resulta de trocarmos na matriz A a linha i com a linha j.
3. Ao multiplicarmos a esquerda uma matriz A por Di () obtemos a ma-

triz que resulta de multiplicarmos a linha i de A por ().
Observacao 3.6 A multiplicacao a direita duma matriz A por uma matriz

elementar tem o efeito nas colunas que as operacoes anteriores tem nas li-
nhas.
3.3 Sistemas de equacoes lineares
3.3.1 Sistemas em linguagem matricial
A definicao de produto de matrizes pode ser usada para representar um

sistema de equacoes lineares em termos de matrizes. Usando o exemplo
inicial

2x + 3y + z = 8
4x + y + z = 10

6x + 3y + 3z = 6
podemos escreve-lo na forma

2 3 1 x 8
4 1 1 . y = 10
6 3 3 z 6
A matriz
2 3 1
4 1 1
6 3 3
67
chamamos matriz do sistema ou matriz dos coeficientes e a matriz

8
10
6
chamamos matriz coluna dos termos independentes.
Se tivermos presente o que foi feito anteriormente para a resolucao de

sistemas, usando o metodo de eliminacao de Gauss, podemos traduzir essas
passagens em termos de matrizes usando as operacoes com matrizes e as
matrizes elementares definidas anteriormente.
Iremos apresentar o metodo de eliminacao de Gauss, com que introduzi-
mos este captulo, usando a formulacao matricial.
1o passo: Multiplicar a linha 1 por (2) e adicionar o resultado a linha

2. Como se viu isto e equivalente a multiplicar A a esquerda por E21 (2).
2o passo: Analogamente a segunda etapa e equivalente a multiplicar a

esquerda o resultado do passo 1, por E31 (3).
3o passo: Finalmente multiplicamos a esquerda o resultado do passo 2,

por E32 ( 12
5
).
Partimos do sistema
A.X = b
e transforma-mo-lo em
12 12
(E32 ( ).E31 (3).E21 (2)).A.X = (E32 ( ).E31 (3).E21 (2)).b
5 5
que podemos representar por
(M.A).X = c
ou ainda
U.X = c
com M = E32 ( 12
5
).E31 (3).E21 (2) e c = M.b onde a matriz U = M.A tem
uma forma particular a que chamaremos matriz em escada.
68
Definicao: Diremos que U e uma matriz em escada se
(i) o primeiro elemento nao nulo numa linha se encontra na posicao j
entao a linha seguinte comeca com pelo menos j elementos nulos.
(ii) se houver linhas totalmente constitudas por zeros, ela aparece depois
das outras.
Exemplo 3.8 Nas matrizes abaixo damos uma ideia do aspecto duma matriz
em escada

0 0 0

0 0 e 0 0 0

0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
Aos elementos assinalados com chamamos pivots.
Exerccio 3.10 Identifique, de entre as seguintes matrizes, aquelas que nao

sao em escada:

1 2 3 1 2 3 1 2 3 5
1 2 0
A= 0 0 4 B= C= 0 0 0 D= 0 0 0 2
0 0 3
0 5 0 0 0 4 0 0 0 0
Definicao: Dada uma matriz qualquer A do tipo (n m) definiremos

a sua caracteristica (car(A)), como sendo o numero de pivots que aparecem
quando se usa o metodo de eliminacao de Gauss. De outro modo, poderemos
definir caracterstica de A como o numero de linhas nao nulas da matriz U .
Exemplo 3.9 A matriz A definida abaixo, tem caracterstica 2

1 2 3 4
A= 2 4 6 8
1 1 2 4
Exerccio 3.11 Determine a caracteristica das matizes do exerccio ante-
rior.
Exerccio 3.12 Determine a caracteristica das matrizes A e B definidas

por:
1 2 3 1 2 3 1

A= 4 5 6 ; B = 4 8 12 4
3 6 9 3 4 5 0
69
Definicao: Se A e uma matriz quadrada do tipo (n n) entao:
Se car(A) < n A diz-se singular
Se car(A) = n A diz-se nao-singular
Exerccio 3.13 De um exemplo duma matriz do tipo (33) que seja singular
e de outra que seja nao-singular.
Voltemos ao sistema escrito na forma matricial
U.X = c
Sendo U uma matriz em escada este sistema e resolvido duma forma
simples de baixo para cima.
Observacao 3.7 A resolucao do sistema por este processo leva a que tenha-
mos necessidade de calcular a matriz M . No caso do exemplo modelo

1 0 0
12
M = E32 ( ).E31 (3).E21 (2) = 2 1 0
5
59 12
5
1
Para determinarmos a matriz M temos que efectuar o produto de todas

as matrizes elementares que aparecem na sua composicao. No entanto, se
usarmos a matriz inversa de M , que representaremos por L, que e definida
duma forma automatica por sobreposicao dos simetricos dos multiplicadores
colocados na respectiva posicao, poderemos tirar partido em termos de custo
de calculo. No caso do exemplo modelo

1 0 0
12
L = E21 (2).E31 (3).E32 ( ) = 2 1 0
5
3 12 5
1
Voltemos ao sistema
U.X = c
onde
L.c = b.
Multiplicando o primeiro sistema por L obtemos
(L.U ).X = L.c A.X = b
70
E neste princpio que assenta o metodo de eliminacao de Gauss que a
seguir apresentamos.
Definicao: A decomposicao de A no produto

A(mn) = L(mm) .U(mn)
onde L e uma matriz triangular inferior (que tem elementos nao nulos apenas
abaixo da diagonal principal) com 1 na diagonal e U uma matriz em escada,
chamamos factorizacao LU .
Observacao 3.8 O processo de determinacao desta decomposicao L.U foi ja

referido anteriormente. Em especial a determinacao de U que e feita usando
a eliminacao de Gauss. Quanto a matriz L, inversa de M ela e determinada
duma forma simples. Note-se que a matriz M e o produto de matrizes Eij ()
e que temos (Eij ())1 = Eij (). Consequentemente, a matriz L, sendo o
produto das inversas se Eij () por ordem inversa e facil de determinar. Basta
colocar na posicao ij da matriz os simetricos dos respectivos multiplicadores.
Se houver necessidade de efectuar trocas de linhas, quando se efectua a
eliminacao de Gauss, definidas por uma matriz de permutacao P iremos obter
a decomposicao L.U da matriz P A em vez da decomposicao de A. Existe
sempre uma permutacao P tal que e possvel factorizar P A nesta forma.
Exemplo 3.10 Vejamos num exemplo como se pode implementar o metodo

de factorizacao LU duma matriz A quando ha necessidade de efectuar trocas
de linhas. Consideremos entao a matriz A definida por

1 1 2 3
1 1 1 2
A=
2 2 1 6
3 1 0 1
Ao mesmo tempo consideramos a matriz L onde colocamos os elementos

que, a partida, sao conhecidos.

1 0 0 0
1 0 0
L=

1 0
1
71
Iniciamos entao processo de eliminacao de Gauss. Comecamos por mul-
tiplicar a primeira linha por (1) e adicionamos a segunda linha. Como
vimos isto e equivalente a multiplicar A por E21 (1) cuja inversa e E21 (1).
Voltamos a matriz L e colocamos 1 na posicao (21). Continuamos com o
metodo e vamos completando L.

1 1 2 3 1 1 2 3
1 1 1 2 0 2 1 1

2 2 1 6 0 0 3 0
3 1 0 1 0 4 6 8
Para L obtemos entao nesta altura

1 0 0 0
1 1 0 0
L=
2

1 0
3 1
Reparamos que, para continuar o metodo de eliminacao de Gauss po-

demos! efectuar a troca das linhas 3 e 4. As mesmas trocas deverao ser
efectuadas na matriz L na mesma altura, tendo o cuidado de trocar apenas
os valores que foram introduzidos. Neste exemplo passamos para

1 0 0 0
1 1 0 0
L=
3

1 0
2 1
e continuamos com o processo de eliminacao de Gauss

1 1 2 3 1 1 2 3 1 1 2 3
0 2 1 1 0 2 1 1
0 2 1 1
0 4 6 8 0 0 4 6 0 0 4 6
9
0 0 3 0 0 0 3 0 0 0 0 2
As operacoes efectuadas permitem definir novos elementos para L.

Obtemos entao
72

1 0 0 0
1 1 0 0
L=
3

2 1 0
2 0 34 1
e
1 1 2 3
0 2 1 1
U =
0 0 4 6
9
0 0 0 2
Temos entao a decomposicao LU da matriz P A dada por

1 1 2 3 1 0 0 0 1 1 2 3
1 1 1 2 1 1 0 0 0 2 1 1
PA
3 1 0 1 = 3 2 1 0 . 0 0 4 6

2 2 1 6 2 0 34 1 0 0 0 9
2
A analise de U permite concluiur que a caracterstica de A e 4.
Exerccio 3.14 Considere as matrizes A abaixo indicadas :

1 1 1 1 2 1 3

a) A = 1 1 2
b) A = 5 10 8 18
0 1 1 3 6 5 11

1 0 1 1 1 1 1
c) A = 3 2 0 d) A = 3 3 3 3
2 0 1 2 4 7 2
Para cada uma das matrizes definidas acima determine:
a) a factorizacao P.A = L.U .
b) a caracterstica de A (car(A)).
73
3.4 Algoritmo de eliminacao de Gauss para
resolucao de sistemas
A.X = b
Iremos considerar varios casos de acordo com a forma da matriz A.
3.4.1 Matrizes quadradas nao-singulares
Podemos considerar varios passos que levam a resolucao do sistema.
Passo 1: Factorizar P A = LU .
Passo 2: Resolver Lc = P b.
Passo 3: Resolver U X = c.
O aparecimento de P A tem a ver com a necessidade de efectuar troca de

linhas. Veremos mais adiante, num exemplo, o significado de P e a razao
do seu aparecimento. No caso se nao ser efectuada nenhuma troca de linhas
teremos no esquema acima (P = I).
Exemplo 3.11 Retomemos o exemplo inicial

2x + 3y + z = 8
4x + y + z = 10

6x + 3y + 3z = 6
Passo 1: Factorizacao de A.
Das expressoes encontradas para L e U teremos

1 0 0 2 3 1
A= 2 1 0 . 0 5 1
3 125
1 0 0 18
5
74
Passo 2: Resolver LC = b.
Isto e,
1 0 0 c1 8
2 1 0 . c2 = 10
3 12
5
1 c3 6
18
A solucao deste sistema e C1 = 8, C2 = 6 e C3 = 5
.
Neste caso teremos,

2 3 1 x1 8
0 5 1 . x2 = 6
18 18
0 0 5
x3 5
donde resulta, x1 = 2, x2 = 1 e x3 = 1.
Exerccio 3.15 Use o metodo anterior para determinar a solucao do sistema

x + z = 2
3x + 2y = 1

2x + z = 2
Exemplo 3.12 Consideremos agora o exemplo 3.1 com = 2.

5x2 + 6x3 = 0
2x2 + 6x3 = 0

x1 + 7x2 + 8x3 = 1
Em termos matriciais

0 5 6 x1 0
0 2 6 . x2 = 0
1 7 8 x3 1
Nesse exemplo comecamos por trocar as linhas do sistema. De acordo

com a nova linguagem das matrizes isso corresponde a multiplicar o sistema
por P = P21 .P23 . Isto significa que em vez do sistema inicial iremos resolver
o sistema
(P.A).X = P b
75
Neste caso

1 7 8 1
P.A = 0 5 6 e P.b = 0
0 2 6 0
Passo 1: Factorizacao de P.A.
Do processo de eliminacao de Gauss somos conduzidos a afirmar que se

multiplica a matriz P.A por E32 ( 25 ).
Obtemos assim

1 7 8 1 0 0
U = 0 5 6 e L= 0 1 0
18
0 0 5 0 25 1
Passo 2: Resolver Lc = P.b.
Isto e,
1 0 0 c1 1
0 1 0 . c2 = 0
0 25 1 c3 0
A solucao deste sistema e C1 = 1, C2 = 0 e C3 = 0.
Isto e,
1 7 8 x1 1
0 5 8 . x2 = 0
18
0 0 5
x3 0
cuja solucao e x1 = 1, x2 = 0 e x3 = 0.
Exerccio 3.16 Use o metodo anterior para determinar a solucao do sistema

x + y + z = 0
x + y + 2z = 0

y + z = 1
76
3.4.2 Caso geral
Iremos agora considerar o caso geral dum sistema qualquer comecando por
estudar os chamados sistemas homogeneos.
Chamamos sistema homogeneo a todo o sistema em que o segundo

membro, dos termos independentes e nulo, isto e b = 0.
Consideremos entao um sistema da forma
A.X = 0
onde A e uma matriz do tipo m n. Significa entao que temos um sistema
com m equacoes e n incognitas.
O metodo de resolucao dum sistema deste tipo pode ser descrito da se-
guinte forma:
10 Passo: Determinacao da matriz em escada U usando o metodo de

eliminacao de Gauss.
Admitamos que car(A) = r.
20 Passo: No sistema U.X = 0 separamos as incognitas basicas, cor-
respondentes as colunas com pivots, das outras a que chamaremos livres. Se
nao houver incognitas livres, a unica solucao do sistema e X = 0.
30 Passo: Para cada uma das (n r) incognitas livres deveremos
proceder da seguinte forma: damos o valor 1 a essa incognita e zero as
outras incognitas livres e resolve-se o sistema com r equacoes que da resulta.
Obtemos (n r) solucoes Wi destes sistema
40 Passo: O conjunto solucao que representamos por N (A) tem a
seguinte forma:
( nr )
X
N (A) = i .Wi , com i R e Wi determinados no 30 Passo
i=1
Exemplo 3.13 Consideremos o sistema homogeneo

x1 x2 + 2x3 + 3x5 5x6 = 0

3x1 + 4x2 2x3 + x4 7x5 + 15x6 = 0

2x1 2x2 + 4x3 + x4 + 5x5 9x6 = 0

x1 2x2 2x3 2x4 + 2x5 5x6 = 0
77
cuja matriz associada e

1 1 2 0 3 5
3 4 2 1 7 15

2 2 4 1 5 9
1 2 2 2 2 5
Iremos agora seguir todos os passos do algoritmo anterior.
10 Passo: Determinacao da matriz em escada U usando o metodo de

eliminacaode Gauss.

1 1 2 0 3 5 1 1 2 0 3 5
3 4 2 1 7 15 0
0 1 4 1 2
2 2 4 1 5 9 0 0 0 1 1 1
1 2 2 2 2 5 0 1 4 2 1 0

1 1 2 0 3 5 1 1 2 0 3 5
0 1 4 1 2 0 0
0 1 4 1 2
0 0 0 1 1 1 0 0 0 1 1 1
0 0 0 1 1 0 0 0 0 0 0 1
Conclumos daqui que car(A) = 4
20 Passo: No sistema U.X = 0 as incognitas livres sao as corres-
pondentes as colunas sem pivot. Neste caso, conclumos sem dificuldade que
essas incognitas sao x3 e x5 .
30 Passo: Para a incognita livre x3 deveremos proceder da seguinte
forma: no sistema U.X = 0 damos o valor 1 a essa incognita e zero a outra
incognita livre x5 e consideramos o seguinte sistema

x1 x2 5x6 = 2

x2 + x4 = 4

x4 + x6 = 0

x6 = 0
cuja solucao e

6
4

1
W1 = 0

0
0
78
Para a incognita livre x5 deveremos proceder da mesma forma: damos
o valor 1 a essa incognita e zero a outra incognita livre x3 e consideramos
respectivo sistema

x1 x2 x6 = 3

x2 + x4 = 2

x4 + x6 = 1

x6 = 0
cuja solucao e

6
3

0
W2 =

1
1
0
40 Passo: O conjunto solucao sera entao
N (A) = {1 .W1 + 2 .W2 , com i R e Wi determinados anteriormente}
Ou seja o conjunto solucao e definido pelos vectores coluna da forma

61 62
41 32

S=
1
2
2
0
Exerccio 3.17 Determine a solucao geral do sistema

x 2y + z + 3w = 0
5x 10y + 8z + 18w = 0

3x 6y + 5z + 11w = 0
79
Classificacao dos sistemas:
Possveis: - Determinados (quando tem uma unica solucao)
- Indeterminados (quando tem mais do que uma solucao)
Impossveis: - Quando nao tem solucao
Dos resultados que se seguem poderemos tirar informacao sobre a forma

como a classificacao anterior pode ser estabelecida.
Teorema 3.1 Seja A uma matriz do tipo (m n). Entao, sobre o sistema
A.X = b
podemos afirmar
1. A.X = b e possvel para todo o b sse car(A) = m.
2. Sendo A.X = b possvel ele sera determinado sse car(A) = n.
Teorema 3.2 Considere-se o sistema homogeneo
A.X = 0
onde A e uma matriz do tipo (m n) com n > m, isto e o sistema tem mais
incognitas do que equacoes. Nestas condicoes o sistema e indeterminado.
Teorema 3.3 Se
A.X = b
e um sistema possvel e y e uma sua solucao particular, entao o conjunto das
solucoes do sistema e dado por
{y + u : u N (A)}
onde, como vimos, N (A) representa o conjunto das solucoes do sistema ho-
mogeneo associado A.X = 0.
80
Exerccio 3.18 Classifique os seguintes sistemas:
a)
x + 5y + z + 2w = 0
x y + 2z + 3w = 0

2x + 6y + 4z + 4w = 0
b)
x + 5y + z + 2w = 1
x y + 2z + 3w = 0

2x + 6y + 4z + 4w = 0
c)
x + y = 0
x + z = 0

y + z = 0
d)
x + y = 0
x + z = 0

2x + 2y = 0
Algoritmo para resolucao de sistemas arbitrarios

Depois dos casos particulares considerados e das consideracoes gerais que
fizemos estamos em condicoes de estabelecer um algoritmo para resolver sis-
temas da forma
A.X = b
onde A e uma matriz qualquer do tipo m n.
10 Passo - Factorizar P.A, isto e, decompor
P A = LU
Se nao houver troca de linhas P = Im . Admitamos que car(A) = r.
20 Passo - Resolucao de Lc = P b.
Se os ultimos (m r) elementos de c nao forem todos nulos o sistema
inicial e impossvel.
30 Passo - No sistema U.X = c separam-se as incognitas em basicas e

livres.
81
40 Passo - Da-se o valor 0 as incognitas livres e resolve-se o sistema
com r equacoes da resultante. A solucao x deste sistema e tambem
solucao de A.X = b. Sera a solucao particular referida no Teorema 3.3
50 Passo - Consideramos o sistema homogeneo A.X = 0 e construmos

N (A).
60 Passo - O conjunto das solucoes de A.X = b e dado por
{x + u : u N (A)}
Exemplo 3.14 Consideremos o seguinte sistema:

x1 x2 + 2x3 + 3x5 5x6 = 1

3x1 + 4x2 2x3 + x4 7x5 + 15x6 = 5

2x1 2x2 + 4x3 + x4 + 5x5 9x6 = 2

x1 2x2 2x3 2x4 + 2x5 5x6 = 2
e utilizemos o algoritmo anterior para a sua resolucao.
10 Passo - Factorizar a matriz A definida por

1 1 2 0 3 5
3 4 2 1 7 15
A= 2 2

4 1 5 9
1 2 2 2 2 5
Note-se que esta matriz e a mesma que apareceu no exemplo anterior, e
a qual ja aplicamos o metodo de eliminacao de Gauss. O processo que foi
usado corresponde a multiplicacao da matriz A por M definida por

1 0 0 0
3 1 0 0
M = E43 (1).E42 (1).E41 (1).E31 (2).E21 (3) =
2

0 1 0
0 1 1 1
Para U e L teremos

1 0 0 0 1 1 2 0 3 5 1 1 2 0 3 5
3 1 0 0 3 4 2 1 7 15 0 1 4 1 2 0
U =
2
.

=
0

0 1 0 2 2 4 1 5 9 0 0 1 1 1
0 1 1 1 1 2 2 2 2 5 0 0 0 0 0 1
82
e

1 0 0 0
3 1 0 0
L = (E43 (1).E42 (1).E41 (1).E31 (2).E21 (3))1 =
2

0 1 0
1 1 1 1
Neste caso car(A) = 4.
20 Passo - Resolucao de Lc = b.
Este sistema na forma matricial toma a forma

1 0 0 0 c1 1
3 1 0 0
. c2 = 5
2 0 1 0 c3 2
1 1 1 1 c4 2
e sua solucao e c1 = 1, c2 = 2, c3 = 0 e c4 = 1.
30 Passo - No sistema U.X = c separam-se as incognitas em basicas e livres.
Este sistema toma a forma

x1
1 1 2 0 3 5 x2 1

0 1 4 1 2 0 x3 2
. =
0 0 0 1 1 1 x4 0

0 0 0 0 0 1 x5 1
x6
Neste caso as incognitas livres sao x3 e x5 .
40 Passo - Da-se o valor 0 as incognitas livres e resolve-se o sistema com r

equacoes da resultante.
Considerando entao x3 = 0 e x5 = 0 teremos o seguinte sistema:

1 1 0 5 x1 1
0 1 1 0
. x2 = 2
0 0 1 1 x4 0
0 0 0 1 x6 1
A matriz deste sistema e obtida eliminando em U as colunas 3 e 5. No
vector das incognitas eliminamos as linhas 3 e 5.
83
A solucao deste sistema e x1 = 7, x2 = 3, x4 = 1 e x6 = 1.
50 Passo - O sistema homogeneo A.X = 0 associado ao sistema, foi consi-

derado no exemplo 3.13.
Chegamos a conclusao que
N (A) = {(61 62 , 41 32 , 1 , 2 , 2 , 0) : 1 , 2 R}
60 Passo - O conjunto das solucoes do sistema inicial e dado por
{(7 61 62 , 3 41 32 , 1 , 1 + 2 , 2 , 1) : 1 , 2 R}
Exerccio 3.19 Resolva os seguintes sistemas:

a)
x + y + z = 1
x + 2y + z = 0
b)

x + y + z = 1
x + 2z + w = 0

y + 2z + w = 1
3.5 Calculo da inversa duma matriz

Definimos anteriormente inversa duma matriz mas nao demos, na altura,
nenhum processo para a sua determinacao. O processo de eliminacao de
Gauss pode ser usado para determinar a inversa duma matriz desde que ela
seja invertvel.
O resultado que se segue garante a invertibilidade duma matriz quadrada
n n e sera usado no processo de inversao que iremos usar.
Teorema 3.4 Uma matriz quadrada A(nn) e invertivel sse car(A) = n.
Iremos apresentar o metodo para determinacao da inversa duma matriz

de Gauss-Jordan, recorrendo a um exemplo.
84
Exemplo 3.15 Seja

1 2 0
A = 3 1 2
2 3 2
Consideremos a matriz (n 2n) definida por [A(nn) |In ].

1 2 0 | 1 0 0
3 1 2 | 0 1 0
2 3 2 | 0 0 1
Usemos de seguida o processo de eliminacao de Gauss para esta nova
matriz.

1 2 0 | 1 0 0 1 2 0 | 1 0 0
3 1 2 | 0 1 0 0 7 2 | 3 1 0
2 3 2 | 0 0 1 0 7 2 | 2 0 1

1 2 0 | 1 0 0
0 7 2 | 3 1 0
0 0 4 | 1 1 1
Neste momento podemos afirmar que car(A) = 3 e portanto a matriz e

invertvel.
De seguida iremos usar o processo de eliminacao de Gauss ascendente
tentando obter zeros na parte superior de A. Para isso comecamos por mul-
tiplicar ultima linha desta matriz por 21 e adicionamos a linha acima e
continuamos o processo
2 1 1

1 2 0 | 1 0 0 1 0 0 | 7 7
7
0 7 0 | 52 12 12 0 7 0 | 52 12 21
0 0 4 | 1 1 1 0 0 4 | 1 1 1
Agora multiplicamos a segunda linha por 71 e a terceira por 14 para obter-

mos 1 na diagonal principal. Obtemos

1 0 0 | 27 1
7
1
7

0 1 0 | 5 1 1
14 14 14

1 1 1
0 0 1 | 4 4 4
85
A inversa de A sera entao a matriz
2 1

7 7
17

A 1
=

5
14
1
14 1
14

1
4
14 14
Algoritmo:(Calculo da inversa de Ann )
1o Passo: Construcao da matriz do tipo n 2n.
2o Passo: Eliminacao de Gauss descendente.
3o Passo: Eliminacao de Gauss ascendente.
4o Passo: Obtencao da matriz identidade no lugar da matriz A..
Exerccio 3.20 Determine a matriz inversa das seguintes matrizes:

2 0 0 2 3 1 2 0 0
A= 1 1 0 B= 0 1 1 C= 0 1 0
3 1 3 0 0 3 0 0 3
Exerccio 3.21 Seja A a matriz definida por

2 1 0

A= 1 1 0
3 1 3
determine a sua inversa e use-a para determinar a solucao do sistema

1

A.X = 1
2
86
3.6 Determinantes
Neste paragrafo iremos introduzir a nocao de determinante, associada a uma
matriz quadrada.
Daremos a definicao de determinante duma matriz quadrada (n n) com
n = 1, 2, 3, 4 e esperamos que se perceba o processo por forma a determinar
o determinante duma matriz (n n) com n > 4.
Dada uma matriz quadrada A(nn) teremos:
n = 1 detA = det[a11 ] = a11

a11 a12
n = 2 detA = det = a11 .a22 a12 .a21
a21 a22

a11 a12 a13
n = 3 detA = det a21 a22 a23 =
a31 a32 a33

a22 a23 a21 a23 a21 a22
= a11 .det a12 .det + a13 .det
a32 a33 a31 a33 a31 a32

a11 a12 a13 a14
a21 a22 a23 a24
n = 4 detA = det
a31
=
a32 a33 a34
a41 a42 a43 a44

a22 a23 a24 a21 a23 a24
= (1)1+1 a11 .det a32 a33 a34 + (1)1+2 a12 .det a31 a33 a34
a42 a43 a44 a41 a43 a44

a21 a22 a24 a21 a22 a23
= (1)1+3 a13 .det a31 a32 a34 + (1)1+4 a14 .det a31 a32 a33
a41 a42 a44 a41 a42 a43
n = 5 detA = . . . .
.
.
.
87
Iremos agora expor um conjunto de propriedades que poderao ser uteis
para o calculo de determinantes. Em alguns casos consideraremos o caso
particular de matrizes (3 3) mas os resultados continuam validos para um
valor de n qualquer.
Exerccio 3.22 Calcule os seguintes determinantes:

1 0 0 1
1 2 2 0 1 2 2
a) det 0 1 3 b) det
0

0 1 3
1 1 0
0 1 1 0
PROPRIEDADES
1.

a11 a12 a13 a11 a12 a13 a11 a12 a13
det a21 + b1 a22 + b2 a23 + b3 = det a21 a22 a23 +det b1 b2 b3
a31 a32 a33 a31 a32 a33 a31 a32 a33
2.

a11 a12 a13 a11 a12 a13
det .a21 .a22 .a23 = .det a21 a22 a23
a31 a32 a33 a31 a32 a33
3. Se uma matriz A tiver uma linha (coluna) multipla da outra, entao

detA = 0. Em particular se houver uma linha (coluna ) de zeros teremos
detA = 0.
4. Se numa matriz A trocarmos duas linhas (colunas) o determinante da

nova matriz e simetrico do determinante de A.
5. det(A.B) = detA detB
1
6. detA1 = detA
88
Consequencias
1. Seja A uma matriz quadrada e U a matriz que se obtem de A pelo

metodo de eliminacao de Gauss, entao,
detA = detU
2. Se A e uma matriz quadrada triangular superior ou triangular inferior

entao detA e igual ao produto dos elementos da diagonal principal.
3. Teremos o seguinte resultado:
Ann e invertvel car(A) = n detU 6= 0 detA 6= 0
Exerccio 3.23 Calcule os seguintes determinantes:

1 2 2 1 2 2
a) det 1 3 5 b) det 0 2 6
1 1 0 1 1 0

1 0 0 1 2 4
c) det 2 1 0 d) det 0 2 3
3 1 3 0 0 2

1 0 0 1 2 4
e) det 0 1 0 f ) det 0 0 3
0 0 3 0 0 2
Exerccio 3.24 Use determinantes para averiguar se as seguintes matrizes

sao invertveis:

1 1 1 1 1 0
a) A = 0 0 1 b) B = 1 1 1
0 1 0 2 2 1
89
Observacao 3.9 Para o calculo do determinante duma matriz (3 3) po-
demos usar a chamada Regra de Sarrus que a seguir se apresenta.

a11 a12 a13 a11 . . . a12 . . . a13
det a21 a22 a23 = . a22 . + . . a23 + a21 . .
a31 a32 a33 . . a33 a31 . . . a32 .

. . a13 a11 . . . a12 .
. a22 . + . . a23 + a21 . .
a31 . . . a32 . . . a33
= a11 .a22 .a33 + a12 .a23 .a31 + a21 .a32 .a13
(a13 .a22 .a31 + a11 .a23 .a32 + a12 .a21 .a33 )
Exerccio 3.25 Use a regra de Sarrus para calcular os seguintes determi-

nantes:

1 1 1 1 1 0

a) det 0 0 1 b) det 1 1 1
0 1 0 2 2 1
1. Efectue a decomposicao LU de P A em cada um dos seguintes casos:

1 1 2 1 1 2 3
(a) A = 0 2 1 (b) A = 1 1 2 1
1 1 3 1 2 1 2
2. Use o algoritmo de eliminacao de Gauss para resolver os seguintes sis-

temas:

x + y + 3z + 2t 1 = 0
y + 2z + x = 1

x + y + 2z + t = 2
(a) 2y + z = 2 (b)

y + 2x + z + 2t = 3
x + y + 3z = 3
x+z4 = 0
90
3. Determine a solucao geral dos seguintes sistemas:

x1 + x2 + x3 + x4 = 0

x+zy = 0 x2 + x3 + x4 = 0
(a) (b)
2x + y z + t = 0
x 1 + x2 + x3 + 2x4 = 0

2x1 + 2x2 + x3 + x4 + x5 = 0
4. Classifique os seguintes sistemas:

x+z+y = 2
x+y+z = 1
(a) (b) x + 3y + z = 0
x + 2y + 2z = 0
2x + y + z = 1

x+z+y = 1
(c) x + 3y + z + w = 0

2x + y + z + w = 0
5. Resolva o seguinte sistema:

x+zy = 0
x+y+z+w = 1

2x y + z + 2w = 0
6. Determine a inversa das seguintes matrizes:

1 0 1
2 1
(a) A = 0 1 0 (b) B =
2 0
0 0 1
7. Calcule os seguintes determinantes:

1 0 1
1 0
(a) A = 1 1 0 (b) B =
1 0
0 0 1

1 0 0 0 0
1 1 0 0 0

(c) C =
1 1 1 0 1

1 0 1 1 0
0 1 0 0 1
91
8. Calcule o determinante das seguintes matrizes usando, sempre que
possvel, propriedades que lhe permitam simplificar o calculo.

1 2 3 1 4 3
(a) A = 2 4 6 (b) B = 2 5 6
1 3 4 3 6 9

1 0 0 0 1 10 20 30
10 2 0
0 0 1 40 50
(c) C =
20 (d) D =

4 4 0 0 0 1 60
30 2 0 5 0 0 0 1
9. (a) Justifique o seguinte resultado:

Se A e uma matriz do tipo (n n) entao, para todo o R temos
det(A) = n detA
(b) Qual o valor de det(A)?
92
Captulo 4
Espaco vectorial Rn
Embora a nocao de espaco vectorial possa ser apresentada duma forma abs-
tractra iremos neste curso trabalhar apenas no espaco vectorial Rn
4.1 Espaco e subespaco vectorial e subespaco

gerado
O espaco vectorial Rn e o conjunto
Rn = {(x1 , x2 , ..., xn ) : xi R, para i = 1, 2, ..., n}

onde estao definidas as seguintes operacoes:
1- (x1 , x2 , ..., xn ), (y1 , y2 , ..., yn ) Rn
(x1 , x2 , ..., xn ) + (y1 , y2 , ..., yn ) = (x1 + y1 , x2 + y2 , ..., xn + yn )
2- (x1 , x2 , ..., xn ) Rn , R
.(x1 , x2 , ..., xn ) = (x1 , x2 , ..., xn )
Aos elementos de Rn chamamos vectores e podem ser representados por

um n-uplo, por uma matriz linha ou por uma matriz coluna

x1
x2

.
x1 x2 . . . x n ou
.

.
xn
93
Toda a teoria que iremos desenvolver neste captulo e valida para todo o
n N no entanto iremos efectuar a sua apresentacao recorrendo, na maior
parte dos casos a R2 e R3 onde a visualizacao geometrica e possvel.
Definicao: A um subconjunto F de Rn que verifique:
1. F 6=
2. u, v F u + v F
3. u F, R u F
chamamos subespaco vectorial de Rn .
Exemplo 4.1 Em R2 , as rectas que contem a origem sao subespacos

vectoriais de R2 .
Com efeito, uma recta r que passe pela origem (y = mx) e definida por
r = {(x, mx) : x R}
onde m e um valor fixo. Teremos entao
1. r 6= pois (0, 0) pertence a r.
2. Se (x1 , mx1 ) e (x2 , mx2 ) sao dois elementos de r entao
(x1 , mx1 ) + (x2 , mx2 ) = (x1 + x2 , m(x1 + x2 ))

ainda e um elemento de r.
3. Dados (x, mx) r e R entao
(x, mx) = (x, mx) = (x, m(x))

que e ainda um elemento de r.
Exerccio 4.1 Mostre que, em R3 , tanto as rectas como os planos que pas-
sam pela origem, sao subespacos de R3 .
Definicao: Se v1 , v2 , ..., vk sao k vectores de Rn entao a
v = 1 .v1 + 2 .v2 + ... + k .vk
94
com i R, chamamos combinacao linear de v1 , v2 , ..., vk .
O conjunto de todas as combinacoes lineares possveis de v1 , v2 , ..., vk ,
{1 .v1 + 2 .v2 + ... + k .vk : i R, i = 1, 2, ...k} ,
sera denotado por
L {v1 , v2 , ..., vk } .
Pode provar-se que este conjunto e um subespaco vectorial de Rn que sera
chamado subespaco gerado pelos vectores v1 , v2 , ..., vk .
Exemplo 4.2 Sejam v1 = (1, 0, 0) e v2 = (0, 1, 0) dois elementos de R3 .
Entao
L {v1 , v2 } = {1 .v1 + 2 .v2 : 1 , 2 R} =
= {1 .(1, 0, 0) + 2 .(0, 1, 0) : 1 , 2 R} =
= {(1 , 2 , 0) : 1 , 2 R} =
= {(x, y, z) R3 : z = 0}
Como sabemos este conjunto e o plano z = 0.
Exerccio 4.2 Identifique o subespaco L {v1 , v2 } de R3 onde
v1 = (1, 1, 0) ; v2 = (0, 0, 1)
Definicao: Seja A uma matriz do tipo (m n). Entao
(i) O subespaco de Rm gerado pelas colunas de A sera representado por

C(A).
(ii) O subespaco de Rn gerado pelas linhas de A sera representado por
R(A).
Exemplo 4.3 Seja
1 0 1
A=
0 1 2
entao

1 0 1
C(A) = L , , =L 1 0 , 0 1 , 1 2
0 1 2
e
R(A) = L 1, 0, 1 , 0, 1, 2
95
Teorema 4.1 O sistema Ax = b e possvel sse b C(A).
Observacao 4.1 Este resultado estabelece uma relacao entre sistemas e a

nocao de subespaco gerado por um conjunto de vectores.
4.2 Dependencia e independencia linear
Definicao: Os vectores v1 , v2 , ..., vk dizem-se linearmente independentes se

nenhum deles for combinacao linear dos outros. Caso contrario dizem-se
linearmente dependentes.
Duma forma equivalente, podemos afirmar que v1 , v2 , ..., vk sao linear-
mente independentes se
1 .v1 + 2 .v2 + . . . + k .vk = 0 1 = 2 = . . . = k = 0
Isto significa que so e possvel escrever o vector nulo como combinacao

linear dos vectores v1 , v2 , ..., vk com os escalares todos nulos.
Exemplo 4.4 Consideremos os vectores

2 1 1
0 1 1
1 0
onde e um numero real que sera fixado posteriormente. Vejamos se estes
vectores sao linearmente independentes.
Consideremos entao uma sua combinacao linear igual a zero

2 1 1 0
1 0 + 2 1 + 3 1 = 0
1 0 0
e vejamos se temos que ter necessariamente 1 = 2 = 3 = 0.
Em termos matriciais podemos escrever

2 1 1 1 0
0 1 1 . 2 = 0
1 0 3 0
96
Trata-se dum sistema que podemos resolver pelo metodo de eliminacao de
Gauss. Teremos entao

2 1 1 2 1 1 2 1 1
0 1 1 0 1 1 0 1 1 =U
1 1
1 0 0 2 2 + 0 0
Podemos entao concluir que, se 6= 0 entao car(A) = 3 e portanto, como

o sistema e homogeneo tera apenas a solucao nula, isto e,
(1 , 2 , 3 ) = (0, 0, 0). Se = 0 entao car(A) = 2 e o sistema e indetermi-
nado, existindo uma infinidade de solucoes. No primeiro caso, os vectores
dados sao linearmente inependentes enquanto que, no segundo caso, sao li-
nearmente dependentes.
Criterio: ( Independencia linear)
Os vectores v1 , v2 , . . . , vk sao linearmente independentes se e so se o

sistema Ax = 0, onde A e a matriz cujas colunas sao os vectores v1 , v2 , ..., vk ,
for determinado.
Consequencia: Se k > n entao quaisquer k vectores de Rn sao linearmente

dependentes
Exerccio 4.3 Verifique se os seguintes vectores de R2 sao linearmente in-

dependentes:
1 2
;
2 1
Exerccio 4.4 Verifique se os seguintes vectores de R3 sao linearmente in-

dependentes:
1 2
1 ; 2
0 0
Definicao: Seja F um subespaco de Rn . Um conjunto de vectores v1 , v2 , ..., vk

de F e dito uma base de F se forem linearmente independentes e
L {v1 , v2 , ..., vk } = F
97
Exemplo 4.5 Em R3 os vectores

1 0 0
0 1 0
0 0 1
constituem uma base de R3 . Para fundamentar esta afirmacao iremos comecar
por verificar que sao linearmente independentes. Basta construir a matriz A
cujas colunas sao os vectores dados e cuja caracteristica e 3

1 0 0
A= 0 1 0
0 0 1
concluir que o sistema AX = 0 e determinado e, portanto, os vectores sao
linearmente independentes.
Por outro lado,
L {(1, 0, 0), (0, 1, 0), (0, 0, 1)} = {x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1) : x, y, z R}
= {(x, y, z) : x, y, z R} = R3
Isto significa que os vectores geram R3 .
Observacao 4.2 A base {(1, 0, 0), (0, 1, 0), (0, 0, 1)} chamamos base canonica
de R3 .
Do mesmo modo {(1, 0), (0, 1)} e a base canonica de R2
Exemplo 4.6 Consideremos em, R2 , uma recta r que passe pela origem.
Vimos anteriormente que r e definida por
r = {(x, mx) : x R}
Podemos afirmar que
{(1, m)}
e uma base de r.
Obviamente que
(1, m) = (0, 0) (, m) = (0, 0) = 0
e portanto e linearmente independente.
Por outro lado, sendo
L {(1, m)} = {x(1, m) : x R} = {(x, xm) : x R} = r

concluimos que {(1, m)} e uma base de r.
98
Definicao: Seja F um subespaco vectorial de Rn . Ao numero de ele-
mentos duma base de F chamamos dimensao de F (dim F ).
Teorema 4.2 Se {v1 , v2 , . . . , vp } for um conjunto de vectores linearmente

independentes e w
/ L{v1 , v2 , . . . , vp } entao v1 , v2 , . . . , vp , w sao linear-
mente independentes.
Observacao 4.3 Se dim F = k e {v1 , v2 , . . . , vk } sao linearmente inde-

pendentes entao estes vectores constituem uma base de F .
Este resultado permite construir bases dum espaco ou dum subespaco

vectorial.
Exemplo 4.7 Consideremos os vectores

1 0
0 1
1 0
que sao linearmente independentes (verificar) e o subespaco

1 0
L 0 , 1 = : , R

1 0
Tendo em conta a forma dos elementos deste subespaco, em que as pri-
meira e terceira componentes sao iguais, para que um elemento nao pertenca
a este subespaco basta escolher um elemento que nao tenha esta propriedade.
Obviamente que

1 1 0
w= 0 /L 0 , 1

0 1 0
Do resultado anterior conclumos que

1 0 1
0 , 1 , 0

1 0 0
sao linearmente independentes.
99
Exerccio 4.5 Determine um vector w tal que os vectores

1
,w
1
constituam uma base de R2
Exerccio 4.6 Determine um vector w tal que os vectores

1 1
0 , 1 ,w

1 2
Exerccio 4.7 Determine vectores w e v tais que os vectores

1
1 , w, v

1
Observacao 4.4 Se {v1 , v2 , . . . , vk } e uma base de F e
w = w1 .v1 + w2 .v2 + . . . + wk .vk

entao a w1 , w2 , . . . wk chamamos componentes de w na base {v1 , v2 , . . . , vk }
Exerccio 4.8 Determine as componentes do vector (1, 2, 3) na base {v1 , v2 , v3 }

de R3 onde
v1 = (1, 0, 1) ; v2 = (0, 1, 0) ; v3 = (0, 0, 1)
Observacao 4.5 Se dimF = k , com k > 0 entao qualquer conjunto de k

vectores de F que gere F e uma base de F .
Exerccio 4.9 Determine uma base do subespaco vectorial F de R3 definido

por

F = (x, y, z) R3 : x + y + z = 0
Exerccio 4.10 Construa uma base dum qualquer plano de R3 que conte-
nha a origem.
Exerccio 4.11 Construa uma base duma recta r de R3 que contenha a ori-
gem.
100
4.3 Caracterstica duma matriz
Seja Amn uma matriz. Definimos
C(A) = Subespaco gerado pelas colunas de A
R(A) = Subespaco gerado pelas linhas de A
N (A) = Subespaco definido pelo conjunto das solucoes de Ax = 0

Nesta seccao iremos caracterizar a dimensao de cada um destes subespacos
e dar processos para a determinacao das suas bases.
Teorema 4.3 Denotando a dimensao de N (A) por nul(A), teremos
nul(A) = n car(A)
e uma base de N (A) pode ser determinada pelo metodo de eliminacao de

Gauss como se explicara no exemplo que se segue.
Exemplo 4.8 Consideremos entao a matriz A definida por

1 2 0 1 0
A= 1 2 1 1 1
1 2 0 3 1
e vejamos como se pode determinar uma base de N (A).

Pelo metodo de eliminacao de Gauss somos conduzidos a matriz U defi-
nida por

1 2 0 1 0
U = 0 0 1 2 1
0 0 0 2 1
As incognitas livres sao x2 e x5 . Consideramos entao, por um lado x2 = 1 e
x5 = 0 e, por outro, x2 = 0 e x5 = 1 e, em cada caso, resolvemos o sistema
U x = 0.
No primeiro caso, seremos conduzidos ao sistema

x1
1 2 0 1 0 1 0

0 0 1 2 1 . x3 = 0

0 0 0 2 1 x4 0
0
101
cuja solucao e w1 = (2, 1, 0, 0, 0).
No segundo caso, teremos

x1
1 2 0 1 0 0 0

0 0 1 2 1 . x3 = 0

0 0 0 2 1 x4 0
1
cuja solucao e w2 = ( 12 , 0, 0, 12 , 1). Entao {w1 , w2 } e uma base de N (A) .
Exerccio 4.12 Determine N (A) e nul(A) onde A e a matriz definida por

1 2 3 4
A= 2 4 0 1
1 2 1 0
Teorema 4.4 Sobre C(A) podemos afirmar que
dim C(A) = dim C(U ) = car(A)

e uma base de C(A) e constituda pelas colunas de A correspondentes as
colunas de U com pivots.
No caso do exemplo anterior

1 0 1
1 , 1 , 1

1 0 3
e uma base de C(A).
Observacao 4.6 Embora tenhamos dim C(A) = dim C(U ) nao e verdade
que C(A) = C(U ).
Teorema 4.5 Sobre R(A) podemos afirmar que
dim R(A) = dim R(U )
e uma base de R(A) e constituda pelas linhas nao nulas de U . Teremos

dim R(A) = car(A).
102
Considerando, mais uma vez, a matriz do exemplo anterior podemos entao
concluir que

1 0 0

0
2 0

0 , 1 , 0

1 2 2

0 1 1
e uma base de R(A).
Conclusao: Teremos
dim R(A) = dim C(A) = car(A).
4.4 Transformacoes lineares

Uma transformacao linear ou operador linear T e uma aplicacao
T : Rn Rm
que verifica
1. T (u + v) = T (u) + T (v), u, v Rn
2. T (u) = T (u), u Rn , R
Exemplo 4.9 As aplicacoes abaixo definidas sao transformacoes lineares:
1.
T : R R
x 2x
2.
T : R2 R2
u u
3.
T : R3 R
(u, v, z) u
4.
T : R3 R3
(u, v, z) (u, 0, 0)
103
5.
T : R3 R3
(u, v, z) (u, v, 0)
Dado um operador linear
T : Rn Rm
e considerando as bases canonicas {e1 , e2 , . . .en } e {e1 , e2 , . . .em } de Rn e

Rm , respectivamente, a imagem dum elemento ej e um elemento de Rm que
se escrevera como combinacao linear de elementos da base Rm . Assim,
T (ej ) = 1 .e1 + 2 .e2 + . . . + m .em .

Com as componentes 1 , 2 , . . . , m construimos a seguinte matriz A:
coluna j

. . 1 . .
. . 2 . .

A=
. . . . .

. . . . .
. . m . .
Pode-se provar que
T (u) = [A] .[u], u Rn ()

A matriz assim definida chamamos matriz associada ao operador linear
T.
Reciprocamente, dada uma matriz A, podemos associar-lhe um operador
linear a partir da relacao ().
Do que foi exposto anteriormente podemos afirmar que o conhecimento

da imagem dos vectores da base permite definir completamente o operador
T.
Com efeito, se por exemplo afirmarmos que o operador linear T : R2 R2
e tal que

1 2
T =
0 1
e
0 4
T =
1 1
104
podemos construir a matriz A associada ao operador linear T

2 4
A=
1 1
e teremos

2 4 x
T ((x, y)) = . = (2x + 4y, x + y) , (x, y) R2
1 1 y
Exemplo 4.10 Seja [0, 2] um valor fixo, entao o operador linear

T : R2 R2 definido por

1 cos 0 sin
T = ; T =
0 sin 1 cos
Define uma rotacao em torno da origem.
Exerccio 4.13 Seja [0, 2] e considere o operador linear T : R3 R3

tal que

1 cos 0 sin 0 0
T 0 = sin ; T 1 = cos ; T 0 = 0
0 0 0 0 1 1
a) Caracterize a forma como o operador T actua sobre um vector

v = (v1 , v2 , v3 ) de R3 .
b) Defina a matriz A associada ao operador T .
Exerccio 4.14 Seja [0, 2] e considere o operador linear S : R3 R3

tal que

1 1 0 0 0 0
S 0 = 0 ; S 1 = cos ; S 0 = sin
0 0 0 sin 1 cos
a) Caracterize a forma como o operador S actua sobre um vector

v = (v1 , v2 , v3 ) de R3 .
b) Defina a matriz B associada ao operador S.
105
1. Verifique se
F = {(x, x, 0, 0) : x R}
e um subespaco de R4
2. Mostre que uma recta r em R2 que nao contenha a origem nao e um

subespaco vectorial de R2 .
3. Em R3 identifique, analitica e geometricamente, o subespaco
L{(1, 1, 1), (0, 0, 1)}.
4. Determine uma base dos seguintes subespacos de R4 :

a) F = {(x, x, 0, 0) : x R}
b) F = {(x, y, 0, 0) : x, y R}
5. Determine uma base de C(A) em cada um dos seguintes casos:

1 2 3 4
1 1 2 3 4
1 3 4
a) A=
2
b) A = 1 2 1 2
4 6 8
0 1 0 1
1 2 3 4
6. a) Construa a matriz associada ao operador linear T que nos elemen-

tos da base canonica de R4 toma os seguintes valores:

1 0 0 2
0 0 1 0
T
0 = 0 ; T 0 = 0
0 4 0 0

0 0 0 3
0 0 0 0
T
1 = 1 ; T 0 = 0
0 0 1 0
b) Calcule T ((1, 2, 3, 4))
106
Captulo 5
Produto interno em Rn
Neste captulo iremos introduzir a nocao de produto interno de dois vec-

tores de Rn , que nos possibilitara a introducao, neste espaco, de nocoes
geometricas.
As nocoes de norma dum vector e de vector ortogonal a outro sera usada
para a definicao de base ortonormada. Por fim daremos o metodo dos
mnimos quadrados para aproximarmos da melhor formaa solucao dum
sistema impossvel. Daremos algumas aplicacoes deste metodo.
Definicao: Dados dois elementos x = (x1 , x2 , ..., xn ) e y = (y1 , y2 , ..., yn )

de Rn define-se o seu produto interno ou produto escalar < x, y > por
< x, y >= x1 .y1 + x2 .y2 + ... + xn .yn
Exemplo 5.1 O produto escalar de dois elementos de Rn pode ser nulo sem
que nenhum dos elementos o seja. Com efeito, considerando os elementos
nao nulos de R2 (1, 0) e (0, 1), facilmente conclumos que o seu produto
escalar e nulo.
Exerccio 5.1 Calcule os seguintes produtos escalares:
a) < (1, 1, 0, 1), (2, 0, 1, 2) >
b) < (1, 1, 1), (2, 0, 2) >
c) < (1, 1), (2, 0) >
d) < (1, 1, 1, 1), (1, 1, 1, 1) >
107
Definicao: Sejam x = (x1 , x2 , ..., xn ) e y = (y1 , y2 , ..., yn ) dois elementos
de Rn . Entao:
a) Definimos norma de x por

||x|| = < x, x >
b) Definimos distancia de x a y por
||x y||
c) Diremos que x e y sao ortogonais ( perpendiculares) se
< x, y >= 0
Exemplo 5.2 Em R3 , se x = (x1 , x2 , x3 ) entao

p q
||x|| = < (x1 , x2 , x3 ), (x1 , x2 , x3 ) = x21 + x22 + x23
Exerccio 5.2 a) Qual a norma de (1, 1, 1)?

b) Qual a distancia de (1, 0) a (0,1)?
c) Determine y em R2 que seja perpendicular a (1, 1).
d) Determine y em R3 que seja perpendicular a (1, 1, 1).
e) Diga, justificando, se os valores de y encontrados nas alneas c) e d)
sao unicos?
Algumas propriedades do produto escalar:

Para todo o x e y em Rn teremos:
1. < x, y >=< y, x >.

2. < x + u, y >=< x, y > + < u, y >.
3. < x, y >= < x, y >, R.
4. < 0, y >= 0.
5. x 6= 0 ||x|| > 0.
6. ||x|| = ||.||x||, R.
7. Desigualdde de Cauchy-Schwarz
| < x, y > | ||x||.||y||

havendo igualdade sse x e y forem linearmente dependentes.
108
Definicao: Para x e y em Rn define-se o angulo entre x e y como o valor
entre 0 e tal que
< x, y >
](x, y) = arcos
||x||.||y||
Daqui resulta que
< x, y >= ||x||.||y|| cos(](x, y))

Definicao: Para x 6= 0 define-se a projeccao ortogonal de y sobre x como
sendo o vector
< x, y >
projx y = .x
||x||2
Da definicao anterior resulta que
< x, y > x x
projx y = .||y||. = ||y||. cos(](x, y))
||x||||y|| ||x|| ||x||
o que permite dar uma interpretacao geometrica a projeccao dum vector
sobre outro.
Figura 5.1: Projeccao ortogonal.
Exemplo 5.3 Sejam x = (1, 0) e y = (1, 1) dois elementos de R2 . O angulo

entre eles e entao dado por
< (1, 0), (1, 1) > 1

arcos = arcos =
12 + 02 12 + 12 2 4
Por outro lado,
< (1, 0), (1, 1) >

projx y = .(1, 0) = (1, 0)
( 12 + 02 )2
109
Exemplo 5.4 Teremos
proj(1,0) (0, 2) = (0, 0)

e
proj(1,0) (3, 0) = (3, 0)
Exerccio 5.3 Determine:

a) proj(1,1,0) (1, 1, 1)?
b) Angulo entre (1, 1, 1) e (1,1,0)?
Teorema 5.1 Para x e y em Rn teremos:
1.
||x + y|| ||x|| + ||y||
2. Se x e y forem ortogonais entao
||x y||2 = ||x||2 + ||y||2 (Teorema de Pitagoras)
Exemplo 5.5 Geometricamente em R2 temos o conhecido teorema de Pitagoras
Figura 5.2: Teorema de Pitagoras.
110
Definicao: Uma base {v1 , v2 , ..., vk } dum subespaco vectorial F de Rn
diz-se ortogonal se os vectores vi forem dois a dois ortogonais, isto e, se
< vi , vj >= 0, i 6= j
Diremos que a base e ortonormada se, para alem de ser ortogonal, os seus
elementos tiverem norma 1.
Exemplo 5.6 As bases canonicas de Rn sao ortonormadas. No caso parti-

cular de R3 teremos a base
{(1, 0, 0), (0, 1, 0), (0, 0, 1)}

que e obviamente ortonormada.
Exemplo 5.7 A base {(1, 0), (0, 2)} de R2 e uma base ortogonal mas nao e
ortonormada.
Exerccio 5.4 a) De um exemplo duma base ortogonal de R3 que nao seja

ortonormada.
b) De um exemplo duma base ortonormada de R3 diferente da base
canonica.
O resultado que se segue mostra-nos uma das vantagens de ter uma base
ortonormada.
Teorema 5.2 Seja {v1 , v2 , ..., vk } uma base ortogonal dum subespaco vecto-
rial F de Rn . Entao, para todo o v F teremos
k
X Xk
< v, vi >
v= projvi v = .vi
i=1 i=1
||vi ||2
Se a base for ortonormada entao ||vi || = 1 e teremos
k
X
v= < v, vi > .vi
i=1
Daqui se conclui que as componentes de v nesta base sao precisamente

< v, vi >, i = 1, 2, ..., k.
111
Consequencia: Se {v1 , v2 , ..., vk } e uma base ortonormada dum su-
bespaco vectorial F de Rn entao para todo o v F ,
k
X
2
||v|| = < v, vi >2
i=1
Definicao: Sejam F um subespaco vectorial de Rn e v um elemento qual-

quer de Rn . Define-se a projeccao ortogonal de v sobre F , (vF projF (v)),
como sendo o vector de F que verifica
< v vF , w >= 0, w F
Isto significa que v vF e ortogonal a todos os vectores de F .
Figura 5.3: Projeccao sobre um subespaco.
Teorema 5.3 Sejam F um subespaco vectorial de Rn , v um elemento qual-

quer de Rn e {v1 , v2 , ..., vk } uma base ortogonal de F .
Entao a projF (v) tem as seguintes propriedades:
1. E o elemento de F mais proximo de v.
(||v projF (v)|| = min{||v u|| : u F })
2. E dado por
< v, v1 > < v, v2 > < v, vk >

projF (v) = 2
.v1 + 2
.v2 + . . . + .vk
||v1 || ||v2 || ||vk ||2
112
Observacao 5.1 Se a base for ortonormada entao
projF (v) =< v, v1 > .v1 + < v, v2 > .v2 + . . .+ < v, vk > .vk
Usando este resultado podemos determinar o elemento da recta ou plano

de R3 que contenha a origem, que esta mais proximo dum dado elemento
v R3 . Analogamente para uma recta em R2
Exemplo 5.8 Consideremos, por exemplo, a recta y = 2x em R2 e determi-

nemos o elemento da recta que esta mais proximo do ponto (0, 2).
A recta pode ser definida por
r = {(x, 2x) : x R}
Como vimos anteriormente, trata-se dum subespaco vectorial de R2 de
dimensao 1. Qualquer elemento nao nulo de r constitui uma base de r.
Considere-se entao a base de r constituda pelo elemento (1, 2). Teremos
entao
< (0, 2), (1, 2) > 4 8

projr (0, 2) = 2
.(1, 2) = ( , ).
||(1, 2)|| 5 5
A distancia mnima e entao
r
4 8 20
||(0, 2) ( , )|| =
5 5 25
Exerccio 5.5 Considere o subespaco vectorial F de R3 , gerado pelos vecto-

res (1, 1, 0) e (0, 0, 1).
a) Determine a projeccao ortogonal de (1, 1, 1) sobre F .
b) Determine a projeccao ortogonal de (0, 1, 0) sobre F .
c) Determine o ponto de F mais proximo de (0, 1, 0) .
Do que foi referido anteriormente, fica claro que o conhecimento duma

base ortonormada simplifica o calculo da projeccao dum vector sobre um
subespaco.
O resultado que iremos dar de seguida da um processo de construcao
duma base dum subespaco a partir duma qualquer base de F .
113
Teorema 5.4 ( Processo de ortogonalizacao de Gram-Schmidt)
Seja F um subespaco vectorial de Rn e {v1 , v2 , ..., vk } uma sua base.
Entao os vectores
{u1 , u2 , ..., uk }
definidos por
u1 = v 1
u2 = v2 proju1 v2
u3 = v3 proju1 v3 proju2 v3
.
.
.
uk = vk proju1 vk proju2 vk ... projuk1 vk
Constituem uma base ortogonal de F .
Observacao 5.2 A partir duma base ortogonal {u1 , u2 , ..., uk } de F e facil

obter uma base ortonormada. Basta considerar
u1 u2 uk
{ , , ..., }
||u1 || ||u2 || ||uk ||
que constitui uma base ortonormada de F .
Exemplo 5.9 Consideremos, em R3 , o subespaco vectorial F = L{v1 , v2 }

gerado pelos vectores v1 = (1, 1, 0) e v2 = (1, 0, 1).
Podemos facilmente concluir que estes vectores sao linearmente indepen-
dentes. Consequentemente constituem uma base de F .
O metodo de ortogonalizacao de Gram-Schmidt permite definir uma base
ortogonal da seguinte forma:
u1 = v1 = (1, 1, 0)
u2 = v2 proju1 v2
<u1 ,v2 >
= (1, 0, 1) ||u1 ||2
.u1
<(1,1,0),(1,0,1)>
= (1, 0, 1) 2
.(1, 1, 0)
= ( 21 , 12 , 1)
Os vectores {(1, 1, 0), ( 12 , 21 , 1)} constituem uma base ortogonal de F .
114
A partir desta base podemos construir uma base ortonormada basta para
isso multiplicar cada vector pelo inverso da sua norma.
Teremos entao a seguinte base ortonormada de F :

2 2 6 6 6
{( , , 0), ( , , )}
2 2 6 6 3
Exerccio 5.6 Determine uma base ortonormada de cada um dos seguintes
subespacos vectorias F1 e F2 de R4 .
F1 = L{(1, 0, 0, 0), (1, 1, 0, 0)}

e
F2 = L{(1, 0, 0, 0), (1, 1, 0, 0), (1, 1, 1, 0)}
5.1 Metodo dos mnimos quadrados

Nesta seccao iremos definir duma forma precisa qual a melhorsolucao dum
sistema impossvel AX = b.
Vimos anteriormente que um sistema AX = b e possvel se e so se

b C(A) ( subespaco gerado pelas colunas de A).
Se b
/ C(A) entao o sistema AX = b nao tem solucao, isto e, nao existe
X Rn tal que
AX b = 0
Iremos entao procurar X Rn que torne mnima a distancia de AX a b,
isto e,
||AX b|| = min {||AX b|| : X Rn }

Diremos que X e a solucao do sistema AX = b no sentido dos mnimos
quadrados.
Teorema 5.5 As solucoes de AX = b no sentido dos mnimos quadrados

sao as solucoes do sistema
AX = bc
onde
bc = projC(A) b
(bc e o vector de C(A) que esta mais proximo de b).
115
Algoritmo para a determinacao das solucoes dum sistema no
sentido dos mnimos quadrados
1o P asso- Determinar uma base de C(A)
2o P asso- Determinar uma base ortogonal de C(A)
3o P asso- Calcular bc = projC(A) b
4o P asso- Resolver o sistema AX = bc .
Exemplo 5.10 Consideremos o sistema

x + 2y + 3z = 1
y = 0

x + 3z = 2
Este sistema e impossvel (verificar).

Vamos entao usar o algoritmo anterior para determinar a sua solucao no
sentido dos mnimos quadrados.
1o P asso- Determinar uma base de C(A)
A matriz do sistema e a matriz A definida por

1 2 3
A= 0 1 0
1 0 3
Vimos anteriormente que para determinarmos uma base de C(A) podamos

usar a matriz U obtida pelo metodo de eliminacao de Gauss.
Neste caso a matriz U que se obtem e definida por

1 2 3
U = 0 1 0
0 0 0
Podemos entao concluir que

1 2
0 , 1

1 0
116
e uma base de C(A).
2o P asso- Determinar uma base ortogonal de C(A)
Para determinar uma base ortogonal de C(A) usaremos o metodo de or-

togonalizacao de Gram-Schmidt. Teremos entao
u1 = (1, 0, 1)
u2 = (2, 1, 0) proj(1,0,1) (2, 1, 0) = (1, 1, 1)

O conjunto {(1, 0, 1), (1, 1, 1)} constitui uma base ortogonal de C(A).
3o P asso- Calcular bc = projC(A) b
Usando a base ortogonal definida no passo anterior e facil determinar a

projeccao de b sobre C(A).
Com efeito teremos
bc = projC(A) (1, 0, 2)
<(1,0,2),(1,0,1)> <(1,0,2),(1,1,1)>
= 2
.(1, 0, 1) + 3
.(1, 1, 1)
= ( 76 , 13 , 11
6
)
4o P asso- Resolver o sistema AX = bc .
Iremos agora resolver o sistema

7
1 2 3 x1 6
0 1 0 . x2 = 13
11
1 0 3 x3 6
Usando os calculos efectuados no primeiro passo do algoritmo podemos

afirmar que as matrizes U e L sao definidas da seguinte forma:

1 2 3 1 0 0
U = 0 1 0 ; L= 0 1 0
0 0 0 1 2 1
117
A solucao do sistema
7
1 0 0 c1 6
0 1 0 . c2 = 1
3
11
1 2 1 c3 6
sera
7
c1 = 6
c2 = 13
c3 = 0
O sistema U X = c tem entao a forma
7
1 2 3 x1 6
0 1 0 . x2 = 1
3
0 0 0 x3 0
cuja solucao e ( 11
6
3x, 13 , x).
A solucao do sistema no sentido dos mnimos quadrados sera entao dada
pelo conjunto
11 1
{( 3x, , x) : x R}
6 3
Exerccio 5.7 Determine a solucao, no sentido dos mnimos quadrados, do
seguinte sistema:

x + 2y + 3z = 0
2x + 2y + 4z = 0

x + z = 1
Outro processo:
Iremos de seguida apresentar outro metodo para determinar a solucao

dum sistema AX = b no sentido dos mnimos quadrados.
Se X for solucao de
AT AX = AT b
entao X e solucao de AX = b no sentido dos mnimos quadrados.
118
Exemplo 5.11 Consideremos o sistema do exemplo anterior. O sistema
AT AX = AT b tem a forma

1 0 1 1 2 3 x1 1 0 1 1
2 1 0 . 0 1 0 x2 = 2 1 0 . 0
3 0 3 1 0 3 x3 3 0 3 2
ou seja,

2 2 6 x1 3
2 5 6 x2 = 2
6 6 18 x3 9
Para resolver este sistema iremos usar o algoritmo de eliminacao de Gauss
comecando por efectuar a decomposicao LU da matriz deste ultimo sistema.
Teremos

2 2 6 1 0 0 2 2 6
2 5 6 = 1 1 0 0 3 0
6 6 18 3 0 1 0 0 0
O sistema Lc = (3, 2, 9) tem entao a forma

1 0 0 c1 3
1 1 0 c2 = 2
3 0 1 c3 9
cuja solucao e (3, 1, 0).
No sistema U X = c damos o valor zero as incognitas livres e obtemos o
sistema

2 2 6 x1 3
0 3 0 x2 = 1
0 0 0 0 0
cuja solucao e x = ( 11
6
, 31 , 0).
Para a construcao de N (A) consideramos o sistema

2 2 6 x1 0
0 3 0 x2 = 0
0 0 0 1 0
cuja solucao e (3, 0, 1). Para N (A) teremos entao:
N (A) = {(3, 0, ) : R}
119
A solucao no sentido dos mnimos quadrados sera entao
11 1
{( , , 0) + (3, 0, ) : R}
6 3
Exerccio 5.8 Determine a solucao, no sentido dos mnimos quadrados,
pelo processo alternativo, do seguinte sistema:

x + 2y + 3z = 0
2x + 2y + 4z = 0

x + z = 1
Aplicacao:
Determinacao duma recta que melhoraproxime um conjunto de pontos

de R2 . Este tipo de problemas aparece, por exemplo, quando se efectuam
algumas medicoes dum certo fenomeno que sao registadas numa tabela e sao
depois representadas em R2 .
Figura 5.4: Aproximacao usando mnimos quadrados.
O objectivo e tracar uma recta que contenha os pontos assinalados. Percebe-

-se facilmente que na figura anterior nao existe nenhuma recta nessas condicoes.
Procuramos entao uma recta que melhor satisfaca este nosso objectivo. Essa
recta sera definida usando mnimos quadrados obrigando a que a soma dos
quadrados das distancias (erros) assinalados a vermelho seja mnima.
Consideremos entao n pontos de R2
(1 , 1 ) , (2 , 2 ), . . . , (n , n )
e procuremos uma recta de equacao
y = mx + b
120
que melhor se aproxime destes pontos.
Se os pontos estivessem sobre a recta entao as suas coordenadas de cada
um dos pontos satisfariam a equacao da recta. Teramos entao o seguinte
sistema:

m1 + b = 1 1 1 1

2 1

m2 + b = 2 2

. . . m .
. . = .

. b

. . .

.

mn + b = n n 1 n
Como duma forma geral nao existe solucao para este sistema, o nosso
objectivo sera determinar a solucao no sentido dos mnimos quadrados.
De acordo com o que foi exposto anteriormente a solucao deste sistema
minimizara
p
(m1 + b 1 )2 + (m2 + b 2 )2 + . . . + (mn + b n )2
onde cada uma das parcelas (m1 + b 1 )2 e o quadrado do comprimento

dos segmentos a vermelho. Sera esta a razao pela qual e denominado por
metodo dos mnimos quadrados.
O processo de resolucao dum sistema usando mnimos quadrados leva,
neste caso, as seguintes expressoes para m e b.
P P P
n ( ni=1 i i ) ( ni=1 i ) ( ni=1 i )
m= P P 2
n ( ni=1 i2 ) ( ni=1 i )
Pn Pn 2
Pn Pn
( i=1 i ) ( i=1 i ) ( i=1 i ) ( i=1 i i )
b= P P 2
n ( ni=1 i2 ) ( ni=1 i )
Exerccio 5.9 Considere os seguintes pontos no plano:
(1, 1) , (2, 3) , (3, 4) , (4, 6) , (5, 5)
a) Represente-os num sistema de coordenadas cartesianas.
b) Tente desenhar a recta que minimize a distancia entre os pontos e a

recta.
c) Use o metodo anterior para determinar a equacao da recta qua me-

lhoraproxime estes pontos
121
Exerccio 5.10 Para um certo oleo foi calculada a viscosidade em funcao
da temperatura.
T 20 40 60 80 100 120
220 200 180 70 150 135
a) Determine a aproximacao por um recta, no sentido dos mnimos

quadrados .
b) Use a recta anterior para estimar a viscosidade para T = 160o .
1. Determine o angulo formado pelos vectores

a) (1, 1, 1) e (0, 0, 1).
b) (1, 1, 1) e (1, 0, 0).
2. Mostre que o conjunto dos pontos de R3 que sao perpendiculares a

(a, b, c) e definido por
{(x, y, z) R3 : ax + by + cz = 0}
3. Determine uma base ortonormada do plano perpendicular ao vector

(1, 2, 1), que contem a origem.
4. Determine por dois processos diferentes a solucao do seguinte sistema,

no sentido dos mnimos quadrados.

x + z = 0
y + 2z = 0

y 2z = 1
122
Captulo 6
Diagonalizacao de matrizes
Neste captulo iremos dar um processo de decomposicao duma matriz

A na forma
A = V DV 1
onde V e uma matriz invertvel e D e uma matriz diagonal. A este
processo chamaremos diagonalizacao duma matriz.
6.1 Vectores proprios e valores proprios

Neste paragrafo iremos definir algumas nocoes fundamentais para o
processo de diagonalizacao duma matriz.
Como vimos anteriormente, fixadas bases em Rn e Rm podemos estabe-
lecer uma relacao entre um operador linear T : Rn Rm e uma matriz
A(mn) .
Consideremos agora um operador linear T : Rn Rn e a correspon-
dente matriz Ann que lhe esta associada.
Diremos que e um valor proprio de A se existir um vector nao nulo
x Rn tal que
Ax = x ()
A um elemento x 6= 0 que verifique esta relacao chamamos vector
proprio associado ao valor proprio .
Da relacao entre matrizes e operadores lineares podemos definir valor
proprio do operador linear T : Rn Rn como o escalar que verifica a
relacao
T (x) = (x)
123
para algum x 6= 0.
No que se segue iremos usar a linguagem matricial embora tudo possa
ser formulado em termos de operadores lineares.
Podemos escrever () na forma
Ax x = 0 (A I)x = 0
Trata-se dum sistema homogeneo com n equacoes e n incognitas. Sa-

bemos que se a matriz do sistema for nao-singular o sistema tera uma
unica solucao, x = 0. Como estamos interessados em este sistema nao
tenha apenas a solucao nula iremos impor que a matriz do sistema
(A I)
seja singular. Esta condicao sera formulada em termos de determinan-

tes exigindo que
det(A I) = 0
A esta expressao chamamos equacao caracterstica e, como podemos
facilmente constactar, trata-se duma equacao polinomial de grau n em
.
Ao polinomio
det(A I)
chamamos polinomio caracterstico.
Sendo um polinomio de grau n tera no maximo n razes reais, podendo
haver repeticoes. Usamos a nocao de multiplicidade algebrica dum
valor proprio para traduzir o facto de poder haver repeticoes.
Exemplo 6.1 Os polinomios caractersticos associados as matrizes

1 2 1 2
;
0 1 0 2
sao
2 2 + 1 e 2 3 + 2
respectivamente. No primeiro caso temos a raz 1 de multiplicidade
algebrica dois enquanto que no segundo temos as razes 1 e 2, cada
uma com multiplicidade algebrica um.
124
Quanto aos vectores proprios associados ao valor proprio , definidos
como os vectores nao nulos que verificam (), podem entao ser carac-
terizados, usando a linguagem matricial anterior, por
N (A I) {0}
A N (A I) chamamos subespaco proprio associado ao valor proprio
. A dimensao de N (A I) chamamos multiplicidade geometrica
do valor proprio .
Exemplo 6.2 Consideremos a matriz A definida por

1 1 0
1 1 0
0 0 2
e calculemos os seus valores proprios. Para isso iremos considerar a
equacao caracterstica

1 1 0 1 0 0
det 1 1 0 0 1 0 = 0
0 0 2 0 0 1
ou seja
1 1 0
det 1 1 0 =0
0 0 2
O calculo do determinante conduz entao a seguinte equacao carac-
terstica:
( 2)2 = 0
cujas solucoes sao 0 e 2, esta com multiplicidade algebrica igual a
2. Calculemos agora os subespacos proprios associados aos valores
proprios de A.
Valor proprio = 0:
Para determinar N (A I), com = 0, iremos comecar por determi-

nar a matriz U associada a matriz (A I):

1 1 0
U = 0 0 2
0 0 0
125
A incognita livre e x2 . Fazemos entao x2 = 1 e resolvemos o sistema

1 1 0 x1 0
0 0 2 1 = 0
0 0 0 x3 0
A solucao deste sistema e w = (1, 1, 0) e portanto
N (A 0I) = {x(1, 1, 0) : x R}
Valor proprio = 2:
Para determinar N (A 2I), iremos determinar a matriz U associada

a matriz (A 2I). Neste caso teremos

1 1 0
(A 2I) = 1 1 0
0 0 0
e, consequentemente,

1 1 0
U = 0 0 0
0 0 0
As incognitas livres sao neste caso x2 e x3 . Fazemos entao x2 = 1 e

x3 = 0 e consideramos o sistema

1 1 0 x1 0
0 0 0 1 = 0
0 0 0 0 0
De seguida fazemos x2 = 0 e x3 = 1 e consideramos o sistema

1 1 0 x1 0
0 0 0 0 = 0
0 0 0 1 0
Conclumos que {(1, 1, 0), (0, 0, 1)} e uma base de N (A 2I). Assim
sendo, o valor proprio = 2 tem multiplicidade geometrica 2.
126
Exerccio 6.1 Determine os valores proprios e os respectivos subespacos
proprios associados a cada uma das seguintes matrizes:

1 1
a) A=
0 1

1 1 0
b) B= 0 1 0
0 0 1

1 1 0
c) C= 0 1 0
1 0 1

1 1 1
d) D= 0 1 0
0 0 2

2 0 0 0
0 1 0 0
e) E=
0 1 1 0
0 1 0 2
6.2 Matrizes diagonalizaveis
Seja Ann uma matriz com n valores proprios reais, 1 , 2 , . . . n .

Suponhamos que existe uma base {v1 , v2 , . . . vn } de Rn constituda
por vectores proprios, isto e, tal que
Avi = i vi , i = 1, 2, . . . n
Considerando a matriz V cujas colunas sao os vectores proprios v1 , v2 , . . . vn
e a matriz diagonal D, cujos elementos da diagonal principal sao os va-
lores proprios 1 , 2 , . . . n , teremos
AV = V D
como se pode facilmente verificar. Uma vez que as colunas da matriz V
sao linearmente independentes podemos garantir que existe a inversa
de V e consequentemente teremos
A = V DV 1
127
Definicao: Uma matriz Ann diz-se diagonalizavel se existirem uma
matriz invertvel Vnn e uma matriz diagonal Dnn tais que
A = V DV 1
Exemplo 6.3 Consideremos a matriz A definida no Exemplo 6.2 por

1 1 0
1 1 0
0 0 2
Vimos que esta matriz possua dois valores proprios, 1 = 0 de multi-

plicidade 1 e 2 = 2 de multiplicidade 2. Podemos facilmente concluiur
que os vectores proprios correspondentes{(1, 1, 0), (1, 1, 0), (0, 0, 1)} cons-
tituem uma base de R3 .
Do que foi referido anteriormente podemos garantir que A e diagona-
lizavel e que
1 1
1 1 0 1 1 0 0 0 0 2 2 0
1 1 0 = 1 1 0 . 0 2 0 . 1 1 0
2 2
0 0 2 0 0 1 0 0 2 0 0 1
Temos o seguinte resultado que, sob certas condicoes, garante que uma
dada matriz A e diagonalizavel.
Teorema 6.1 : Uma matriz Ann e diagonalizavel sse tiver n valores

proprios reais e n vectores proprios linearmente independentes.
Verificada a existencia de n valores proprios reais e de n vectores

proprios linearmente independentes podemos garantir que a matriz e
diagonalizavel. A sua diagonalizacao faz-se usando o metodo exposto
no incio desta seccao.
Ha alguns resultados que ajudam a construir uma base de vectores
proprios.
Teorema 6.2 : Sejam Ann uma matriz e 1 , 2 , . . . r , valores proprios

de Ann distintos. Para j = 1, 2, ..., r consideremos um conjunto Xj de
vectores proprios de A, linearmente independentes, associados ao valor
proprio a j . Nestas condicoes X1 X2 ... Xr e um conjunto de
vectores linearmente independentes.
128
Consequencia 1: Se uma matriz Ann tiver n valores proprios dis-
tintos entao tera n vectores proprios linearmente independentes e, por
conseguinte sera diagonalizavel.
Exerccio 6.2 Diga, justificando, quais das seguintes matrizes sao di-
agonalizaveis:

4 1 0 1 0 0
1 1
A = 1 1 0 ; B = 0 1 1 ; C=
1 1
0 0 2 0 1 1
Observacao 6.1 O facto duma matriz Ann nao ter n valores proprios
distintos nao permite inferir que nao seja diagonalizavel. O Exemplo
6.2 que foi dado no incio desta seccao mostra isso mesmo.
Consequencia 2: Para cada valor proprio j , j = 1, 2, ..., r pode-

mos determinar uma base de N (A j I) e, por fim, juntar todos estes
vectores. O conjunto dos vectores assim definido constitui um conjunto
de vectores linearmente independentes.
Teorema 6.3 : Se Ann e uma matriz simetrica entao tem n valores

proprios reais.
Exemplo 6.4 Considere-se a matriz A definida por

1 1 0
A = 1 1 1
0 1 1
Como se pode observar trata-se duma matriz simetrica. Tera portanto
3 valores proprios reais.
Como foi referido anteriormente os valores vproprios de A determinam-
se a partir de

1 1 0
det 1 1 1 = 0
0 1 1

Neste caso, as razes deste polinomio sao 1, 3 e 3. Como temos
tres valores proprios distintos podemos garantir que A e diagonalizavel.
129
Exemplo 6.5 Consideremos agora a matriz A definida por

3 2 1
A= 2 0 0
0 0 1
cujo polinomio caracterstico e
( 1)(2 + 3 + 4)
As razes deste polinomio sao
1 = 4 ; 2 = 1 ; 3 = 1
Uma vez que temos tres valores proprios distintos podemos garantir que
o conjunto dos tres vectores proprios associados constitui uma base de
R3 .
Para construirmos a matriz diagonalizante V iremos calcular os vecto-
res proprios associados a cada um dos valores proprios.
Valor proprio 1 = 4
O processo de eliminacao de Gauss usado na matriz A 4I leva a

1 2 1 1 2 1
2 4 0 0 0 2
0 0 3 0 0 0
Conclumos facilmente que x2 e a incognita livre e que a solucao de

1 2 1 x1 0
0 0 2 1 = 0
0 0 0 x3 0
e W1 = (2, 1, 0).
Considerando os outros valores proprios e procedendo da mesma forma
obteremos os seguintes vectores proprios:
1
W2 = ( , 1, 0) associado ao valor proprio 2 = 1
2
e
1 1
W3 = ( , , 1) associado ao valor proprio 3 = 1
6 3
130
A matriz diagonalizante V sera entao definida por

2 12 1
6
V = 1 1 13
0 0 1
Depois de efectuado o calculo da matriz inversa de V podemos concluir

que
2 1
3 2 1 2 12 16 4 0 0 5 5
2
15
2 0 0 = 1 1 13 0 1 0 25 45 1
5
0 0 1 0 0 1 0 0 1 0 0 1
Exerccio 6.3 Diga, justificando, se e possvel diagonalizar as seguin-

tes matrizes e, em caso afirmativo, determine a matriz diagonalizante
V.

3 1 1
2 1 0 2 0
a) ; b)
1 2
0 0 2
1- Verifique se as seguintes matrizes sao diagonalizaveis e, em caso

afirmativo, efectue a sua diagonalizacao.

1 1 1 1 1 1
a) 0 1 1 b) 0 1 0
0 0 1 1 1 1

5 8 16 3 0 6
c) 4 1 8 d) 0 3 0
4 4 11 5 0 2
131
Provas de avaliacao:
1. Considere a sucessao (an )nN definida por recorrencia por

a1 =1
1
an+1 = 2
+ (an 12 )2 , n N
(a) Sabendo que para todo o n N , 12 an 1, mostre, por inducao,

que (an )nN e uma sucessao decrescente.
(b) Conclua que existe limite de (an )nN e calcule-o.

a1 =0
1 2
an+1 = (a
2 n
+ 1), n N
(a) Mostre, por inducao, que para todo o n N , an 1.
(b) Mostre, por inducao, que (an )nN e uma sucessao crescente.
(c) Conclua que existe limite de (an )nN e calcule-o.

1
a1 = 5
a 1
n+1 = 1 1+4a2n
, nN
(a) Mostre que 0 an 15 , n N

(b) Mostre que (an )nN e monotona
4. Calcule o limite das seguintes sucessoes:

n
X 2
(a) un =
k=1
n3 + k2
1
(b) vn = cos( ).(arctg n2 )
ln(n + 1)
1
(c) zn = n.(1 cos )
n
132
n
X 2k 1 n2 + 1
a) un = ; b) v n = n(e n 1) ; c) z = (
n )(1)n
k=1
(2n + 1)n2 n3 + 3

X2n
n+1 1
a) un = 2
; b) vn = [1(1)n ].[esin n 1] ; c) zn = (1+en )n
k=1
k + 2n
7. Determine, em cada alnea, a natureza da serie e, se for convergente,

determine a soma dos 5 primeiros termos indicando o erro maximo que
comete ao aproximar a soma da serie por esse valor.
X
X
X
(1)n 1 2n+3 + n 1
a) ( n+3 + n sin ) ; b) ; c)
n=1
6 n n=1
n2 n=1
n2n+3
X X
X
4 n1 1 (1)n
a) ( n+ 2 ) ; b) n
; c)
n=1
3 n + 1 n=1
2 n! n=1
n3 + 2n2 + 3
9. Determine, nas alnea a) e b), a natureza da serie e, no caso da alnea

c), mostre que a serie e convergente e determine a soma dos 5 primeiros
termos indicando o erro maximo que comete ao aproximar a soma da
serie por esse valor.

X (1)n+1 n+1 X (1)n X 1
a) ( n+2 + ) ; b) ; c) n.( )n1
n=1
4 n+2 n=1
n+1 n=1
5
10. Para uma das series convergentes do exerccio anterior, a sua escolha,
diga, justificando, se ao considerar S4 como valor aproximado da soma
1
da serie comete um erro inferior a 100 .
133
11. Diga, justificando, se sao verdadeiras ou falsas as seguintes afirmacoes:

X
(a) Se a serie an converge entao o limite da sucessao das somas
n=1
parciais e sempre igual a zero.
X
X
(b) Se a serie an converge entao a serie a2n tambem converge.
n=1 n=1

X sin n
(c) A serie e uma serie simplesmente convergente.
n=1
n2
(a) Se (xn )nN e (yn )nN sao duas sucessoes divergentes entao a su-
cessao (xn .yn )nN tambem e divergente.
(b) Se (xn )nN e uma sucessao convergente e (yn )nN e uma sucessao
divergente entao a sucessao (xn .yn )nN tambem e divergente.

X
(a) Se a serie an converge entao lim(a1 + a2 + . . . + an ) = 0.
n=1
(b) A soma duma serie nao depende dos seus primeiros p termos.
an+1
(c) Se (an )nN e uma sucessao de numeros positivos tal que lim =
an
, com < 1, entao lim an = 0.
2
14. Diga, justificando devidamente, se ( 3 ) e o valor do seguinte integral.
Z 1 X
(1)n
( n
sin(x)) dx
0 n=1
2
15. Calcule, justificando devidamente

Z 1 X
!
(1)n x
n1
.e dx
0 n=1
2
134
16. Diga, justificando devidamente, se
Z " #
2 X (1)n1 nx 8
n sin dx =
0 n=1
4n 15

X (1)n en
17. Determine o intervalo de convergencia da serie (x 1)n .
n=1
n
18. Determine todos os pontos x R para os quais as seguintes series sao

convergentes:

X
X
(1)n n (1)n
a) x ; b) (x + 3)n
n=0
n+2 n=0
n+2
19. Determine um desenvolvimento em serie de potencias de x das seguintes

funcoes:
2 2
a) f (x) = ; b) g(x) =
x2 (x 2)2
x3
f (x) =
(2 + 3x)2
Determine um desenvolvimento em serie de potencias de x, indicando

o seu raio de convergencia.
21. Considere as funcoes f e g definidas por

3
f (x) = e g(x) = ln(2 3x)
(3x 2)
a) Determine os desenvolvimentos em serie de potencias de x destas

funcoes, indicando o respectivo intervalo de convergencia.
b) Use o desenvolvimento em serie de potencias da funcao g para
verificar se
X 1
n+1
= ln 2
n=0
2 (n + 1)
135
Frequencia de Matematica II
2 de Junho de 2008
Duracao: 1 hora 30 minutos
1. Considere a matriz A definida por

1 1 2 1
A = 2 2 4 2
1 1 1 1
(a) Determine uma factorizacao P A = LU .

(b) Determine o subespaco gerado pelas colunas de A e indique a sua
dimensao.
(c) Resolva, usando eliminacao de Gauss, o sistema

0
A.X = 0
2
(d) Determine b em R3 tal que o sistema A.X = b seja impossvel.
2. Considere a matriz B definida por

1 2 0
B = 1 2 1
1 1 1
(a) Calcule detB.

(b) Conclua da alnea anterior que B e invertvel.
(c) Determine a inversa de B.
3. Considere o subespaco vectorial F de R3 , de dimensao 2, definido por
F = {(x, y, z) R3 : 2x + y + z = 0}
(a) Verifique que w1 = (0, 1, 1) e w2 = (1, 0, 2) sao dois elementos

de F linearmente independentes.
(b) Conclua que {w1 , w2 } constituem uma base de F .
(c) Determine uma base ortogonal de F .
(d) Determine o ponto de F mais proximo do ponto (0, 1, 0)
136
(e) Resolva, no sentido dos mnimos quadrados, o sistema

1 0 0
0 1 . x = 1
y
2 1 0
8 de Junho de 2009

i. A. Classifique e resolva o seguinte sistema, usando o algo-
ritmo de eliminacao de Gauss.

2x1 + 2x4 = 0
x1 + x4 = 0

x2 + 2x1 + x3 + x4 = 1
B. De um exemplo dum sistema com tres equacoes e tres
incognitas que seja impossvel.
ii. A. Defina dimensao dum subespaco vectorial de Rn .
B. Determine uma base do subespaco vectorial F de R3 de-
finido por
F = L{(1, 0, 0), (0, 1, 0), (1, 2, 0)}

iii. Em R3 considere o plano definido por
F = {(x, y, z) R3 : x + y + 2z = 0}
A. Determine projF (1, 0, 1)

B. Determine a distancia de (1, 0, 1) a F.
iv. Considere a matriz A definida por

1 0 0
A= 1 2 0
0 0 2
Determine os valores proprios e os vectores proprios desta

matriz. Diga, justificando, qual a multiplicidade geometrica
dos valores proprios.
137
31 de Maio de 2010
1. (a) Resolva , usando o algoritmo de eliminacao de Gauss, o sistema
A.X = b onde

1 0 1 1 1
A= 2 0 2 2 e b= 2
1 1 1 0 0
(b) Determine uma base de L{(1, 0, 1, 1), (2, 0, 2, 2), (1, 1, 1, 0)}.
2. (a) Determine uma base do subespaco vectorial F de R3 definido por

F = {(1, 1, 0) + (0, 1, 1) : , R}
(b) Determine uma base de R3 da qual facam parte os vectores deter-
minados na alnea anterior.
(c) Determine o elemento de F mais proximo de (1, 1, 1).
3. Determine para que valores reais de a matriz B e invertvel e, para

esses valores, determine a sua inversa

1 1 0
B= 0 0
1 1 0
4. Determine os valores proprios da matriz C definida por

1 0 0
C= 0 0 2
0 1 1
Exame de Matematica II
17 de Junho de 2008

a1 =1
1 2
an+1 = (a
3 n
+ 1), n N
138
(a) Mostre, por inducao, que (an )nN e uma sucessao decrescente.
(b) Mostre que (an )nN e uma sucessao limitada.

2n 1
a) un = sin n ; b) vn = n2 (e n2 1)
n!
Sugestao: Para a alnea a) use a teoria de series.
X
2
3. (a) Determine a natureza da serie ( n + 1).
n=1
4

X 2n
(b) Verifique que a serie e convergente.
n=1
(n + 1)!
(c) Verifique se, ao aproximar o valor da soma da serie da alnea
anterior por 1 + 23 + 13 + 15
2
, tem a garantia de que comete um erro
1 1
inferior a 10 .( )
4. Mostre que a serie de funcoes

X e3x+n
, x [0, 1]
n=1
3n
e uniformemente convergente em [0, 1].

g definida por
1
g(x) = .
(3x + 2)2
1
Formulario:
1
Criterio de DAlembert: Rp ap+1 . 1k p
1
Criterio de Cauchy: Rp Kpp+1 . 1kp
R +
Criterio do Integral: Rp p f (x)dx
Criterio de Leibnitz: |Rp | bn+1
139

1 1 1 1 1
0 0 1 1 0
A=
1 1 0 0 0
2 2 2 2 1
(b) Resolva, usando eliminacao de Gauss, o sistema

0
1
A.X = 1

0
7. Considere a matriz B definida por

1 1 1 1
0 0 1 1
B= 0 1

0 0
2 2 2
Determine todos os valores de para os quais a matriz B e invertvel.
8. Considere o subespaco vectorial F de R3 definido por
F = {(x, y, z) R3 : x + 2y + 2z = 0}
Determine uma base ortonormada de F .

9. Considere o seguinte sistema:

1 1 x 1
. =
1 1 y 1
(a) Verifique que o sistema e impossvel.
(b) Estabeleca um sistema cuja solucao seja a solucao no sentido dos
mnimos quadrados do sistema dado.
10. Efectue a diagonalizacao da seguinte matriz:

1 1 0
0 2 0
0 0 1
140
Exame de Matematica II (RECURSO)
10 de Julho de 2008
1. Diga, justificando devidamente, se sao verdadeiras ou falsas as seguintes

afirmacoes:
(a) Sendo (an )nN a sucessao definida de forma recorrente por

a1 = 2
1 2
an+1 = (a
4 n
+ 1), n N

teremos lim an = 2 + 3.
(b) lim n elnn n = 0

Xn
1 1
(c) lim k
=
n
k=1
3 2
(d) Se (un )nN e (vn )nN sao duas sucessoes divergentes entao a su-
cessao (un .vn )nN e tambem divergente.
X
1
(e) A serie (1)n n e divergente.
n=1
2

X 3n 1 3 9
(f) Ao aproximarmos a soma da serie por 2
+ 8
+ 40
,
n=1
(n + 2)!
cometemos um erro inferior a 15 .
2. Determine todos os valores de x para os quais a serie

X
xn
n=2
ln n
e convergente.
Sugestao: Recorde que ln n < n para todo o n N

f definida por
1
f (x) =
(x 2)2
141

1 1 1 1 1
0 0 1 1 0
A=
1 1 1 1 1
2 2 2 2 1
(b) Resolva, usando a eliminacao de Gauss, o sistema

0
1
A.X = 0

1
5. Determine a matriz inversa da matriz B definida por

1 1 1
B= 0 1 0
2 0 1

F = {(x, y, z) R3 : 2x + y + 2z = 0}
(a) Determine uma base ortogonal de F .
(b) Determine o ponto de F que esta mais proximo do ponto (1, 0, 0).
7. Considere o seguinte sistema:

1 0 1 x 1
0 1 0 . y = 1
1 1 1 z 0
(a) Verifique que o sistema e impossvel.
(b) Estabeleca um sistema cuja solucao seja a solucao no sentido dos
mnimos quadrados do sistema dado.
8. Efectue a diagonalizacao da seguinte matriz:

2 0 0
0 1 1
0 1 1
Observacao: Determine apenas as matrizes V e D. Nao e necessario
determinar V 1 .
142
24 de Junho de 2009

n!
a) un = 10n
; b) vn = nen ln n
2

n 3 +2
3 , se n par
2n 2 +3
c) wn =

1
n(1+sin2 n)
, se n mpar

afirmacoes:
(a) Toda a sucessao de termos positivos decrescente e convergente.

(b) Toda a sucessao que possua duas subsucessoes convergentes e con-
vergente.
(c) Toda a sucessao limitada nao monotona e divergente.
(d) Uma serie numerica cuja sucessao das somas parciais tenha limite
diferente de zero e divergente.
3. Determine a natureza das seguintes serie:

X
X
sin n 2n 1
a) b) ( + )
n=1
n2 + 1 n=1
(n + 1)! n
4. Calcule, justificando devidamente,

Z 1 X
sin(nx)
[ n ]dx.
0 n=1
2n

g definida por
g(x) = ln(3x + 2).
143

1 2 1
A= 2 4 2 .
1 2 1
(a) Determine uma base ortogonal de C(A).

(b) Calcule projC(A) (1, 1, 2).
(c) Resolva, usando eliminacao de Gauss, o sistema

0
A.X = 0 .
2
(d) Determine b tal que o sistema A.X = b seja impossvel.
7. Diga, justificando, se = 2 e um valor proprio da matriz

1 1 0 0 0 0
1 1 0 0 0 0

0 0 1 0 0 0
B=

.

0 0 0 1 0 0
0 0 0 0 1 0
0 0 0 0 0 1
8. Efectue, caso seja possvel, a diagonalizacao da matriz

1 3 0
2 2 0 .
2 3 1
144
13 de Julho de 2009
1. Considere a sucessao de termos positivos (an )nN definida de forma

recorrente por

a1 =3
1 2
an+1 = (a
4 n
+ 2), n N
Mostre que se trata duma sucessao convergente e calcule o seu limite.

Xn
1 4
a) un = n sin b) vn = 2
n k=0
n +k

X
3. Seja an uma serie numerica cuja sucessao das somas parciais tem
n=1
limite 1. Diga, justificando, qual a natureza desta serie.

X X
(1)n+1 1 1 2
a) ( 2 ) b) (1 + )n
n=1
n+3 n +1 n=1
n
5. Mostre que a seguinte serie de funcoes e uniformemente convergente

em [0, 1].

X 1 x
( + ) , x [0, 1]
n=1
3n + x n!

f definida por
x
f (x) = 2
4x + 2
bem como os valores de x para os quais a serie e convergente.
145
F = L{(1, 2, 1), (1, 2, 1), (1, 2, 0), (0, 0, 1)}
(a) Determine uma base de F .

(b) Determine uma base ortogonal de F .
(c) Calcule projF (1, 0, 1).
8. Resolva o sistema

x1
1 1 1 0 0
2 2 2 0 . x2 = 0
x3
1 1 0 1 1
x4
9. Mostre que o sistema

x1
1 1 1 0 1
2 2 2 0 . x2 = 0 .
x3
1 1 0 1 1
x4
e impossvel.
10. Estabeleca um sistema que lhe da a solucao do sistema da alnea ante-

rior no sentido dos mnimos quadrados.
11. Efectue a diagonalizacao da matriz

1 0 0
1 2 0
0 0 1
146
21 de Junho de 2010
1. Considere a sucessao (an )nN definida de forma recorrente por

a1 =2
1
an+1 = 2
+ 14 (a2n + 1), n N
(a) Mostre que an 1, n N .

(b) Mostre que (an )nN e uma sucessao decrescente.
(c) Conclua que (an )nN e convergente e calcule o seu limite.

X n Xn
2 1 1 1
a) un = n sin 2 b) vn = 4
c) zn =
n k=1
n + kn k=1
2k

X X
(1)n+2 1 ln n
a) ( + ) b)
n=1
n+2 n+1 n=1
n!

Z
1X
(1)n 3x
e dx
0 n=1
3n

f definida por
1
f (x) =
(3 + 2x)2
147
6. Mostre, usando a definicao, que
F = {(x, y, z) R3 : 2x + 2y + z = 0}
e um subespaco vectorial de R3 .
7. Considere o subespaco vectorial F de R3 definido na pergunta anterior.

(c) Calcule projF (1, 0, 0).
(d) Considere a matriz A definida por

1 0 0
A= 0 1 1
2 2 2
i. Mostre que o sistema

1
AX = 0
0
e impossvel.
ii. Resolva o sistema anterior usando mnimos quadrados.
8. Verifique se a matriz B definida abaixo e diagonalizavel e, em caso


0 0 0
B= 1 1 1
1 1 1
148
9 de Julho de 2010
Duracao: 2 horas 30 minutos

afirmacoes:
n
X n
(a) A sucessao un = 5 e convergente.
k=1 n +k
2

X xn
(b) A serie de potencias tem intervalo de convergencia ] 1, 1[.
n=1
n

X sin n2
(c) Se an e convergente entao a sucessao vn = an . e con-
n=1
3n2 + n
vergente.
(d) Podemos garantir que 21 + 16 + 241
difere do valor exacto da soma
+
X 1 1
da serie por um valor inferior a 50 . (2 )
n=1
(n + 1)!
(e) A serie
+
X sin nx x
2
n cos( 2 )
n=1
n n
converge uniformemente em R.
(f) Nem toda a serie numerica convergente e absolutamente conver-
gente.

X 1 4n
2. Determine a natureza da serie . No caso de ser convergente
n=1
23n
calcule a sua soma.
2
Formulario:
1
1
Criterio de Cauchy: Rp Kpp+1 . 1kp
R +
149
1
g(x) = .
(x 4)2

1 3 0
4. Considere a matriz A = 1 3 1 .
0 2 1
(a) Determine a factorizacao P A = LU .

(b) Resolva o seguinte sistema usando eliminacao de Gauss

0
AX = 1
0
5. Considere o subespaco F = L{(0, 1, 1), (1, 1, 1), (1, 2, 2)}.
(a) Determine uma base de F e indique a dimensao de F .

(c) Determine a menor distancia dum elemento de F a (0, 0, 1).
(d) Resolva, no sentido dos mnimos quadrados, o sistema

0 1 1 x 0
1 1 2 . y = 0 .
1 1 2 z 1
6. Defina matriz invertvel e enuncie um resultado que lhe garanta a in-

vertibilidade duma matriz.
7. Efectue a diagonalizacao da seguinte matriz A definida por

2 0 2
A = 0 0 0 .
2 0 2
150
Departamento de Matematica da Universidade de Coimbra
1a Frequencia de Matematica II
4 de Abril de 2011
ATENCAO: Deve justificar as suas respostas e apresentar os calculos
que efectuar.

a1 = 1
1
an+1 = 1an
1, n N

(b) Mostre que (an )nN e uma sucessao crescente.
2. (a) Calcule lim( n1 )n .

X n 3
n +1
(b) Calcule lim( )
k=1
n + k2
3
3. Determine a natureza das seguintes series e, no caso de ser convergente,

indique uma estimativa para o erro que comete ao aproximar a soma
da serie pela soma dos seus primeiros tres termos.
X X
en+1 sin2 n + 1
a) b)
n=1
(n + 2)! n=1
n

Z 1 X
( ne(x2)n )dx
0 n=0

f definida por
f (x) = ln(e + x2 )
e indique o seu raio de convergencia.
151
1a Frequencia de Matematica II
30 de Marco de 2011
que efectuar.

a1 =3

an+1 = a1n + 3, n N

(b) Mostre que (an )nN e uma sucessao decrescente.
2. Calcule lim n.(cos( n1 ) 1).
3. Determine a natureza das seguintes series e, no caso de ser convergente,

indique uma estimativa para o erro que comete ao aproximar a soma
da serie pela soma dos seus primeiros tres termos.
X X
(1)n 1 n+1 n
a) ( n + ) b) e
n=1
3 3 n=1
n!

Z 1 X
n nx
( e )dx
0 n=0
3n

f definida por
x2
f (x) =
3 + 2x2
152
27 de Maio de 2011
que efectuar.
1. Resolva, usando o algoritmo de eliminacao de Gauss, o sistema A.X = b

onde

1 0 2 0 1 1
0 1 0 0 1 2
A=
1
e b=
0 2 0 1 1
1 0 2 1 1 0
2. Determine a inversa da matriz

1 2 1
B = 1 2 1
0 1 0
3. Considere o subespaco vectorial de R4 definido por
F = {(x, y, x, z x) : x, y, z R}

(b) Determine o ponto de F mais proximo de (2, 2, 0, 0).
4. Determine a matriz associada ao operador linear T : R2 R3 definido

por T (x, y) = (2x, y, x + y).
5. Classifique o sistema

2
2
A.X =
0
0
onde A e a matriz da pergunta 1.
153
20 de Junho de 2011
que efectuar.
1a PARTE
n
X
ln(n2 + 1) sin(n2 + 1)
a) un = ; b) vn = ; c) wn = ek
1 + ln(3n3 + 2) en k=1

3
a1 = 4
1
an+1 = 2
+ (an 21 )2 , n N
Mostre que a sucessao e convergente e calcule o seu limite.
3. Determine a natureza das seguintes series e, no caso de serem conver-
gentes verifique se ao aproximar a soma da serie pela soma dos seus dois
primeiros termos pode garantir que comete um erro inferior a 0.01.
X
X
(1)n n 2n
a) ( n + ) ; b)
n=1
2 n + 1 n=1
(2n + 1)!
Z
1X
ex+n e1
4. Verifique se n
dx = .
0 n=1
3 3e

2x
f (x) = .
(2 + x)2
(a) Determine um desenvolvimento em serie de potencias de x da
funcao f .
X
n
(b) Use o resultado anterior para determinar a soma da serie .
n=1
2n
154
2a PARTE
1. Resolva, usando o algoritmo de eliminacao de Gauss, o sistema A.X = b

onde

1 1 0 1 1 3
1 1 0 0 0 1
A=
0 1 1 1 1
e b=
0
0 0 0 1 1 2
2. Considere o subespaco vectorial F de R4 gerado pelos vectores
{(1, 1, 0, 0), (1, 1, 1, 0), (1, 0, 1, 1), (0, 0, 1, 0)}.
Calcule projF (4, 0, 0, 1).
3. Determine b por forma que o sistema A.X = b, onde A e a matriz da

pergunta 1, seja impossvel.
4. Efectue a diagonalizacao da matriz B definida por

1 0 1
B= 0 2 0
1 0 1
5. Determine uma base do subespaco vectorial E de R4 definido por
E = {(x, y, z, w) R4 :< (x, y, z, w), (1, 1, 0, 1) >= 0}
155
8 de Julho de 2011
que efectuar.
1a PARTE

1 1 1
a) un = ( ) n ; b) vn = (1 + (1)n ) n sin
n n
2. Sejam (an )nN o termo geral duma serie convergente e (bn )nN uma
sucessao que verifica
0 bn an , n N
Calcule lim bn .

afirmacoes:
(a) Uma sucessao e convergente se e so se for monotona e limitada.

(b) Se (xn )nN e (yn )nN sao duas sucessoes divergentes entao a su-
cessao (xn .yn )nN tambem e divergente.

gentes, calcule a sua soma.

X
X
n+1 1 nen 1
a) ((1) + (1) n+1 ) ; b) ( + (1)n )
n=1
3n+2 3 n=1
(2 + n)n

X 2 +2x+10)nn2
5. Verifique se a serie de funcoes e(x e uniformemente
n=1
convergente em [0, 10].
156
f (x) = x ln(2 4x).

funcao f .
X
(1)n
(b) Use a alnea anterior para calcular a soma da serie .
n=0
n+1
2a PARTE
1. Considere as matrizes A e b definidas por

1 1 1 1 1 1
A= 1 1 3 2 1 e b= 2
3 5 7 3 1 0
(a) Resolva, usando o algoritmo de eliminacao de Gauss, o sistema

A.X = b.
(b) Diga, justificando, se e possvel definir c tal que o sistema AX = c
seja impossvel.
2. Seja T : R3 R2 o operador linear tal que
T (1, 0, 0) = (1, 0) ; T (0, 1, 0) = (2, 1) ; T (0, 0, 1) = (3, 1).
Determine T (2, 1, 1).
3. Seja o subespaco vectorial de R3 constituido pelos vectores de R3

perpendiculares ao vector (2, 1, 1).
Determine o ponto de mais proximo de (1, 2, 1).
4. Determine W R3 tal que {(1, 0, 0), (0, 1, 1), W } constituam uma base
R3

1 1 3
B = 0 3 6
0 1 2
157
30 de Marco de 2012
que efectuar.

n2
1 (1)n n2 cos n X 1
a) un = (cos )n ; b) vn = ; c) wn =
n (2 + sin n)(n3 + 2) k=1
(n2 + k 4 )(n + k)
2. Determine a natureza das seguintes series.

X 3 X
n +1 1 2 (1)n sin n
a) [ 3 + (1 + ) ] ; b)
n=1
n +2 n n=1
2n+1
3. Seja (an )n N uma sucessao que verifica

1 1
an
n! (n + 1)!
(a) Calcule que lim an .

X
(b) Determine a natureza da serie an .
n=1
Z
X
(1)n +1 1
4. Diga, justificando, se n
(1 + n sin nx)dx = + .
0 n=1
3 4 2

x2
f (x) = .
(x 2)2
funcao f e indique todos os valores de x R para os quais a serie
e convergente.
(b) Use o resultado da alnea anterior para determinar a soma da serie
X
(1)n n
.
n=1
4n+1
158
04 de Junho de 2012
que efectuar.

1 0 1 0 0
A = 1 0 1 1 ; b= 1
0 1 0 1 0
(a) Resolva o sistema A.X = b usando o algoritmo de eliminacao de

Gauss.
(b) Diga, justificando, se e possvel determinar b tal que o sistema
AX = b seja impossvel.
2. Verifique se a matriz B, definida abaixo, e invertvel e, em caso afirma-

tivo, calcule a sua inversa.

2 1 0
B = 0 1 0
0 1 1
3. Considere o subespaco vectorial de R4 , de dimensao 3, definido por
F = {(x, y, z, w) : y z + w = 0}
(a) Mostre que {(1, 0, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1)} e uma base de F .
(b) Determine o elemento de F mais proximo de (0, 0, 0, 3).
4. Caracterize o operador linear T cuja matriz associada e a matriz A da

primeira questao.
5. Determine as multiplicidades algebrica e geometrica dos valores proprios
da matriz

2 0 1
1 1 0
1 0 2
159
25 de Junho de 2012
que efectuar.
1a PARTE
1 n2
a) un = n(1 cos ) ; b) vn =
n (n + 1)!

a1 =2
1 2
an+1 = (a
4 n
1) + 1, n N
(a) Mostre que an 1, para todo o n N

(b) Mostre que a sucessao (an )nN e monotona.
(c) Conclua que existe limite da sucessao (an ) e determine o seu valor.

gentes verifique se ao aproximar a soma da serie pelo primeiro termo
1
pode garantir que comete um erro inferior a 20 . (3 )
X
X
(1)n n 2n
a) ( n + ) ; b)
n=1
2 n+1 n=1
(2n + 1)!
Z
X
nx sin(nx2 ) 4
4. Diga, justificando, se dx = .
0 n=1
2n 3
3
Formulario:
1
1
Criterio de Cauchy: Rp Kpp+1 . 1k
R + p

160
x
f (x) = .
4 + 2x2
Determine um desenvolvimento em serie de potencias de x da funcao
f e indique todos os valores de x para os quais a serie converge.
2a PARTE
F = L{(1, 0, 0, 1), (0, 1, 0, 1), (1, 1, 0, 2), (0, 0, 0, 1)}.

(b) Determine o ponto de F mais proximo de (0, 3, 1, 0).
2. (a) Resolva, usando o algoritmo de eliminacao de Gauss, o sistema

A.X = b onde

1 0 1 0 0
0 1 1 0 3
A=
0
e b=
0 0 0 0
1 1 2 1 0
(b) Classifique o sistema AX = cT onde A e a matriz da alnea anterior
e c = (0, 3, 1, 0).

1 0 1
B = 1 2 1
1 0 1
4. Calcule o determinante da matriz D onde

1 0 0 0 0 0
0 0 a 0 0 0

0 0 0 0 0 b
D=

0 1 0 0 0 0
0 0 0 c 0 0
0 0 0 0 1 0
com a, b, c R.
161
13 de Julho de 2012
que efectuar.
1a PARTE
1. Calcule o limite das seguintes sucessoes, caso esse limite exista. No

caso de nao existencia de limite, justifique devidamente.
n2
1 1 X 1
a) un = (1)n (1+ ) ; b) vn = (1+sin )n ; c) zn = (1)n 5
n n k=1 n +k
2
2. Determine a natureza das seguintes series :
X
X
n! (2)n + 32n
a) (1)n n ; b)
n=1
n n=1
4n

X
3. Verifique se a serie de funcoes nenx e uniformemente convergente
n=1
em [2, 4].
X
en n
4. Determine todos os valores de x para os quais a serie (1)n x
n=1
n
e convergente.
f (x) = x ln(e2 + x).
Determine um desenvolvimento de f , em serie de potencias de x.
162
2a PARTE

1 0 2 1 1
2 0 4 2 2
A=
1
e b=
0 1 1 0
0 0 1 0 1
Resolva o sistema A.X = b, usando o algoritmo de eliminacao de Gauss.
2. Seja T : R2 R3 o operador linear tal que
T (1, 2) = (1, 0, 0) ; T (0, 1) = (2, 1, 3).
Determine T (2, 1).
3. (a) Defina base e dimensao dum subespaco vectorial de Rn .

(b) Seja E o subespaco vectorial de R3 definido por
E = {(1, 1, 0) + (1, 1, 1) + (0, 0, 1) : , , R}

Determine a projeccao ortogonal de (1, 0, 1) sobre E.
4. Verifique, por dois processos diferentes, que a matriz D definida abaixo

e invertvel e calcule a sua inversa.

1 0 1
D= 0 2 0
1 1 0
5. Determine os valores proprios e respectivas multiplicidades algebrica e

geometrica da matriz G definida por

1 0 2 0
0 1 0 3
G=
0

0 2 0
0 1 1 3
163
10 de Abril de 2013
1. Calcule:
1
(a) lim n2 (e n2 1).

X
(b) lim(an . sin(en )) , sabendo que an , e convergente.
n=1
2n+1
X 1
(c) lim .
k=1
(2n2 + 1)2k
2. Determine a natureza das seguintes series.
X
X
(2)n n 1 n+1
a) [ + (1 + )n ] ; b)
n=1
(2n)! n n=1
2n
3. Diga, justificando, se ao aproximar a serie da alnea b) do exerccio

anterior por
3 1 5 6
1+ + + +
4 2 16 32
pode garantir que o erro cometido e inferior a 13 .
Z X
!
2 1 + n cos nx 2
4. Diga, justificando, se n
dx = + .
0 n=1
2 2 5

x2
f (x) = .
(2x2 + 2)2
funcao f e indique todos os valores de x R para os quais a serie
e convergente.
(b) Use o resultado da alnea anterior para determinar a soma da serie
X
(1)n n
.
n=1
4n
164
29 de Maio de 2013

1 1 2 1
2 2 4 2
A=
0 1 1 ; b=
1
0 1 1 1
(a) Resolva o sistema A.X = b usando o algoritmo de eliminacao de

Gauss.
(b) Determine b tal que o sistema AX = b seja impossvel.
2. Seja F = {x(1, 2, 0, 0) + y(1, 2, 1, 1) + z(2, 4, 1, 1) : x, y, z R}.

Mostre que F e um subespaco de R4 e determine o elemento de F mais
proximo de (1, 0, 0, 0).
3. Verifique que a matriz B, definida abaixo, e invertvel, e calcule a sua
inversa.

2 1 0
B= 0 0 1
1 1 1
4. Calcule o determinante da seguinte matriz

1 0 0 0 0 0
0 1 0 0 0 0

0 0 1 0 0 0
C=

0 0 0 1 0 0
1 1 1 1 1 1
2 2 2 2 2 2
5. Determine as multiplicidades algebrica e geometrica dos valores proprios
da matriz D e diga, justificando, se (0, 2, 0) e um vector proprio de D.

1 0 2
D= 0 3 1
1 0 2
165
17 de Junho de 2013
que efectuar.
1a PARTE
sin(n2 + 1) ln(n3 + 1)
a) un = ; b) vn =
n2 + 1 10 + ln(n3 + n2 )

a1 =0
1 2
an+1 = (a
2 n
+ 1), n N.
Mostre que se trata duma sucessao convergente e calcule o seu limite.

afirmacoes:

X 1 1 1
(a) Ao aproximarmos a soma da serie por 6
+ 24
come-
n=1
(n + 2)!
1
temos um erro inferior a 99
. (4 )
(b) A serie

X 1 + cos nx x
n3 cos( )
n=1
n3 n3
e uniformemente convergente em R
X
3n 2
(c) A serie 2n
e convergente e tem soma 72 .
n=1
2
4
Formulario:
1
1
Criterio de Cauchy: Rp Kpp+1 . 1k
R + p

2x
f (x) = .
(2 + x)2
X
n
f e use o resultado obtido para determinar a soma da serie .
n=1
2n
2a PARTE
1. Considere as matrizes A, b e c definidas por

1 0 2 1 3 2
A= 0 1 1 1 ; b= 0 ; c = 1
1 1 3 0 0 1
(a) Determine projC(A) (3, 0, 0).

(b) Classifique os seguintes sistemas:
i. AX = b.
ii. AX = c.
(c) Resolva, o sistema A.X = c , usando o algoritmo de eliminacao
de Gauss.
2. Seja T : R3 R3 um operador linear tal que

T ((2, 0, 0)) = (4, 6, 0) ; T ((1, 3, 0)) = (2, 0, 3) ; T ((0, 0, 1)) = (0, 1, 0)
Determine T ((1, 2, 3)).
3. Determine os valores reais de para os quais a matriz D e invertvel.
Par esses valores determine a sua inversa.

1 1 1
D= 0 0
1 1 0
4. Verifique se a matriz B definida abaixo e diagonalizavel e, em caso
afirmativo, efectue a sua diagonalizacao.(Nao e necessario efectuar o
calculo da inversa)

1 2 2
B= 3 2 3
0 0 1
8 de Julho de 2013
que efectuar.
1a PARTE
n
X
1 n2
a) un = (1 ) ; b) vn = 3k
n k=1

afirmacoes:
(a) lim nn!n = +
Xn
n+1
(b) A sucessao wn = 2 2 + 1)
e divergente
k=1
n (k
(c) Se (un )nN e uma sucessao convergente e (vn )nN e uma sucessao
divergente entao a sucessao (zn )nN definida por zn = un .vn e
divergente.
X X
(1)n 3n 1 1
a) ( n + 2 2n ) ; ( + sin( ))
n=1
2 2 n=1
n! n
X
2
4. Determine todos os valores de x para os quais a serie (2x)n e
n=1
n
convergente.
2x
f (x) = .
(2 + 4x)2

X
n
f e use o resultado obtido para determinar a soma da serie .
n=1
2n
2a PARTE
1. Seja F o subespaco de R4 definido por
F = {(x, y, z, w) R4 : x + y + z = 0}
(a) Mostre que {(1, 0, 1, 0), (0, 1, 1, 0), (0, 0, 0, 1)} constitui uma base
de F .
(b) Determine projF (0, 3, 3, 3).
(c) Classifique o sistema

1 0 0 0
0 x1
1 0 = 3
1 1 0 . x 2 3
x3
0 0 1 3
(d) Resolva o sistema abaixo, usando o algoritmo de eliminacao de
Gauss.
1 0 0 2
0 x1
1 0
. x2 = 1

1 1 0 1
x3
0 0 1 3
2. Seja T : R3 R2 um operador linear tal que

T ((1, 0, 0)) = (0, 1) ; T ((1, 1, 0)) = (1, 2) ; T ((0, 1, 1)) = (0, 2)
Para (x, y, z) R3 , determine T ((x, y, z)).
3. Determine uma relacao entre , e por forma que a matriz D, abaixo
definida, seja invertvel.

1 1 1 1
2 0 0 0

D=
0 1 1 1 1

0 0 0 2
0 1 0 1 3
4. Verifique se a matriz B, abaixo definida, e diagonalizavel e, em caso

1 1 3
B = 0 3 6
0 2 4
FIM

Matemtica II

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Matemtica II

Transféré par

Droits d'auteur :

Formats disponibles

NOTAS DO CURSO

Departamento de Matematica da F.C.T.U.C.

Estas notas foram escritas como apoio a disciplina de Matematica II da

Sucessoes e series numericas

Neste captulo iremos estudar sucessoes e series de numeros reais.

Definicao: Define-se sucessao de numeros reais ou simplesmente sucessao

Definicao: Uma sucessao (an )nN diz-se limitada se existirem a, b R tais

Figura 1.1: Sucessao limitada.

Exemplo 1.2 Sobre a nocao de sucessao limitada.

2. A sucessao (cos n)nN e limitada.

3. A sucessao (n2 + 1)nN nao e limitada.

Se existir um L nestas condicoes diremos que a sucessao e convergente. Caso

Figura 1.2: Limite duma sucessao.

Observamos que os termos da sucessao se vao aproximando de L a medida

lim f (x) = L > 0, M >0 : x M |f (x) L| <

Exemplo 1.3 Se quisermos calcular o limite da sucessao ( logn n )nN podemos

Observacao: A utilizacao da definicao de sucessao convergente para calcular

Exerccio 1.2 Use o teorema anterior para calcular os seguintes limites:

lim an = + M > 0, n0 N : n n0 an > M.

lim an = M > 0, n0 N : n n0 an < M.

Exemplo 1.4 Usando a definicao anterior, facilmente se conclui que

Definicao: Definimos subsucessao da sucessao (an )nN como uma restricao

Exemplo 1.6 Se considerarmos a sucessao definida por

Exerccio 1.4 Diga, justificando, se as seguintes sucessoes sao convergentes

Como foi referido anteriormente, nao e facil calcular limites de sucessoes

1. lim(an bn ) = lim an lim bn

3. lim(an .bn ) = lim an . lim bn

4. lim abnn = lim an

1. lim(1 + n1 ) = lim 1 + lim n1 = 1 + 0 = 1

Exerccio 1.5 Calcule os seguintes limites:

Exemplo 1.9 O uso imediato deste resultado permite concluir que

Exerccio 1.6 Usando o teorema das sucessoes enquadradas calcule

Definicao: Uma sucessao (an )nN diz-se

Uma sucessao que seja crescente ou decrescente diz-se monotona.

Vimos anteriormente que nem toda a sucessao limitada e convergente.

Exemplo 1.13 A sucessao (yn )nN , onde para cada n N

= 1 + 1 + 2!1 (1 n1 ) + 3!1 (1 n1 )(1 n2 ) + . . . + 1

Exemplo 1.14 Facilmente se conclui que lim sin(n+3) n

Outra forma de calcular limites de sucessoes:

Ha sucessoes em que os seus termos sao definidos a partir dos

a partir da ordem 3, cada termo da sucessao e definido a partir dos dois

Exerccio 1.9 Usando o metodo exposto anteriormente calcule o limite das

Teorema: Sejam (xn )nN e (yn )nN duas sucessoes, entao:

1. Se lim Xn = + e (yn )nN e uma sucessao limitada inferiormente entao

2. Se lim Xn = + e existe c > 0 tal que yn > c, para todo o n N ,

1. Calcule os limites das seguintes sucessoes:

3. Use o teorema das sucessoes enquadradas para calcular

4. Defina sucessao limitada e sucessao convergente.

5. Considere a sucessao (an )nN definida por

(a) Mostre, por inducao, que a sucessao (an )nN e decrescente.

6. (a) Usando resultados conhecidos sobre limites de funcoes, mostre

entao para todo o k R fixado, temos

8. Sem justificar, de exemplos de:

9. Calcule os seguintes limites:

(a) Mostre que a sucessao (an )nN e decrescente e limitada.

(a) Toda a sucessao limitada e monotona e convergente.

14. (a) Enuncie o teorema das sucessoes enquadradas.

Pode ser interpretado da seguinte forma. A medida que somamos mais

e agruparmos os termos da seguinte forma

seramos conduzidos a afirmar que esta soma seria nula. No entanto, se

diriamos que esta soma deveria ser 1.

1.2.1 Resultados gerais

Facilmente se observa que, a medida que n aumenta, o numero de parcelas