Matematica II PDF

NOTAS DO CURSO
de
MATEMÁTICA II
2015/2016
Carlos Leal
Departamento de Matemática da F.C.T.U.C.

NOTA INTRODUTÓRIA
Estas notas foram escritas como apoio à disciplina de Matemática II da

Licenciatura em Bioquı́mica da F.C.T.U.C..
O nosso objectivo ao elaborar estas notas é orientar o estudo dos alunos
fornecendo-lhes um texto que, no essencial, corresponde ao que é leccionado
nas aulas desta disciplina.
A existência deste texto não substitui a consulta dos livros de texto que se
encontram referenciados na página da disciplina. A este propósito refira- se
que nos assuntos de análise, abordados nos dois primeiros capı́tulos, seguimos
de muito perto o livro ”Cálculo Vol II - James Stewart”enquanto que para os
restantes quatro capı́tulos, sobre álgebra linear, usámos o livro ”Introdução
à Álgebra Linear - Ana Paula Santana e João Queiró”.
Tendo em conta os objectivos da disciplina, não serão efectuadas demons-
trações de muitos dos resultados apresentados. Para além dos conceitos, apre-
sentamos exemplos seguidos de exercı́cios cuja resolução usa a mesma técnica
desses exemplos. Desta forma os alunos poderão desenvolver competências
para, duma forma autónoma, resolverem estes exercı́cios. Nas aulas práticas
poderão então discutir e completar os exercı́cios sobre os quais já refletiram.
Os assuntos abordados nesta disciplina são os que constam da respectiva
Ficha de Unidade Curricular. Nos dois primeiros capı́tulos são estudadas
sucessões e séries numéricas e séries de funções.
Nos restantes quatro capı́tulos estudamos matrizes e sua aplicação à re-
solução de sistemas de equações lineares, determinantes, o espaço vectorial
Rn , o produto interno em Rn e a diagonalização de matrizes usando valores
e vectores próprios
2
Capı́tulo 1
Sucessões e séries numéricas
Neste capı́tulo iremos estudar sucessões e séries de números reais.

Começaremos no primeiro parágrafo por definir sucessão, estudar as suas
propriedades, definir e calcular o limite duma sucessão.
No segundo parágrafo, definiremos série numérica, estudaremos algumas
propriedades, válidas para qualquer tipo de série, e, a seguir, estudaremos
séries de termos positivos. Finalmente estudaremos séries de termos quais-
quer, usando os resultados anteriores.
1.1 Sucessões:
Definição: Define-se sucessão de números reais ou simplesmente sucessão

numérica como uma função
a: N → R
n → a(n)
A a(n) chamamos termo de ordem n e representá-lo-emos por an .
Há várias maneiras de representar uma sucessão. É usual encontrarmos
na literatura as seguintes notações:
• (an )n∈N
• {an }∞
n=1
• {a1 , a2 , a3 , . . . , an , . . . }
3
Exemplo 1.1
n
{ n }∞ {1 2 3 n
}
1. ( n+1 )n∈N ; n+1 n=1
; , ,
2 3 4
. . . , n+1
, . . .
√ {√ }∞ { √ √ √ }
2. ( n2 − 9)n∈N , n ≥ 3 ; n2 − 9 n=3 ; 0, 7, 4, 27 . . . , n2 − 9, . . .
{ } {√ }
nπ nπ ∞ 3 1 nπ
3. (cos 6 )n∈N ; cos 6 n=1 ; 2 2
, , 0 . . . , cos 6 , . . .
Definição: Uma sucessão (an )n∈N 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 sucessão se situam numa dada banda,
como se pode observar na figura abaixo.
Figura 1.1: Sucessão limitada.
Exemplo 1.2 Sobre a noção de sucessão limitada.

1
1. A sucessão ( n+1 )n∈N é limitada.
2. A sucessão (cos n)n∈N é limitada.
3. A sucessão (n2 + 1)n∈N não é limitada.
4
Exercı́cio 1.1 Verifique se as seguintes sucessões são limitadas:
n
( )n∈N ; ((−1)n )n∈N ; ((−1)n n)n∈N .
n2 +1
Definição: Diremos que uma sucessão (an )n∈N tem limite L ou que converge
para L se
∀ϵ > 0, ∃n0 ∈N : n ≥ n0 ⇒ |an − L| < ϵ
Se isto acontecer escreveremos então
lim an = L ou an → L.
Se existir um L nestas condições diremos que a sucessão é convergente. Caso

contrário diremos que a sucessão é divergente.
Observemos ainda que, as noções de sucessão limitada e sucessão com
limite são diferentes. Se uma sucessão tem limite é limitada mas pode ser
limitada e não ter limite.
A figura abaixo pode ajudar a perceber melhor a noção de limite.
Figura 1.2: Limite duma sucessão.
Observamos que os termos da sucessão se vão aproximando de L à medida

que n aumenta.
Recordando que para uma função real de variável real f se tem
lim f (x) = L ⇔ ∀ϵ > 0, ∃M >0 : x ≥ M ⇒ |f (x) − L| < ϵ

x→+∞
podemos concluir que a diferença entre estas duas definições de limite está
unicamente no domı́nio onde as funções estão definidas. Como N está contido
em R podemos facilmente estabelecer o seguinte resultado:
Teorema: Se lim f (x) = L então lim f (n) = L.
x→+∞
5
Este resultado pode ser usado para calcular limites de sucessões efectu-
ando a sua extensão a uma função de R em R onde temos outros meios para
calcular limites. Isto é, dada uma sucessão (an )n∈N consideramos a função
f de R em R cuja restrição a N é justamente an , de seguida calculamos
lim f (x). Se este limite existir e for L então o limite da sucessão (an )n∈N
x→+∞
é igual a L.
Exemplo 1.3 Se quisermos calcular o limite da sucessão ( logn n )n∈N podemos

considerar a função f definida em R+ por f (x) = logx x e calcular o limite
desta função.
Como se trata dum limite indeterminado podemos usar a regra de L’Hôpital
e concluir que este limite é zero. Assim sendo, o limite da sucessão também
será zero
Observação: A utilização da definição de sucessão convergente para calcular

o seu limite revela-se, em muitos casos, algo de bastante complicado. Por
isso, sempre que possı́vel tentaremos usar outras estratégias para calcular o
limite duma sucessão. Um desses métodos, que recomendo, é o que referi
anteriormente.
Exercı́cio 1.2 Use o teorema anterior para calcular os seguintes limites:
ln(n2 ) n3
lim ; lim ; lim arctg(2n).
n 4 + 2n3
Uma sucessão que seja convergente tem os seus termos an , para n sufi-
cientemente grande, arbitrariamente próximos do seu limite L. Para uma
sucessão que não seja convergente não teremos esta informação prévia, sobre
os termos da sucessão. No entanto, há sucessões que embora sendo divergen-
tes têm um comportamento bem definido para n suficientemente grande.
Definição: 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 definição anterior, facilmente se conclui que

lim(n + 3) = +∞.
6
Com efeito, dado M > 0, arbitrário, podemos considerar n0 = [M ] e
facilmente se conclui que se n > n0 então
n + 3 > n0 + 3 > M.
( [M ] representa o maior inteiro inferior ou igual a M )
Exercı́cio 1.3 Diga, sem justificar, qual o valor dos seguintes limites:
n2
lim n(n − 1) ; lim n(1 − n) ; lim .
1−n
Definição: Definimos subsucessão da sucessão (an )n∈N como uma restrição

da função a a um subconjunto infinito, N ′ , de N.
Exemplo 1.5 Os casos mais comuns de subsucessões duma sucessão (an )n∈N
aparecem quando se considera N ′ igual ao conjunto dos números pares ou ao
conjunto dos números ı́mpares ou ainda quando se considera igual ao con-
junto dos naturais maiores que um certo valor n0 . Temos nestes casos as
chamadas subsucessões dos termos pares, ou dos termos ı́mpares e a sub-
sucessão que se obtém da sucessão inicial eliminando os seus primeiros n0
termos.
Exemplo 1.6 Se considerarmos a sucessão definida por

{
1, n ı́mpar
an =
−n, n par
A subsucessão dos termos ı́mpares será então
{1, 1, 1, . . . }
e a subsucessão dos termos pares será
{−2, −4, −6, −8, . . . }.
Observação: Qualquer subsucessão duma sucessão convergente para L é
ainda uma sucessão convergente para L.
Se a partir duma dada sucessão for possı́vel obter duas subsucessões con-
vergentes para limites diferentes então a sucessão será divergente.
Em particular, se a subsucessão dos termos pares e a subsucessão dos
termos ı́mpares tiverem limites diferentes a sucessão será divergente.
Podemos também mostrar que se a subsucessão dos termos pares e a
subsucessão dos termos ı́mpares tiverem o mesmo limite então a sucessão
será, ela também, convergente para o mesmo limite.
7
Exemplo 1.7 Usando o resultado exposto, na parte final da observação
anterior, podemos concluir que a sucessão (an )n∈N definida por
{
0, n ı́mpar
an = 1
n
, n par
converge para zero.
Exercı́cio 1.4 Diga, justificando, se as seguintes sucessões são convergentes

e, em caso afirmativo, calcule os respectivos limites.
{ n+1 { n+1
n
, n ı́mpar n
, n ı́mpar
a) an = n ; b) bn =
n+1
, n par 0, n par
Como foi referido anteriormente, não é fácil calcular limites de sucessões

usando a definição. Há regras para o cálculo de limites de sucessões, análogas
às regras que usámos para calcular limites de funções e que permitem deter-
minar o limite duma sucessão a partir do conhecimento do limite de algumas
sucessões elementares.
Teorema: Se (an )n∈N e (bn )n∈N são sucessões convergentes então:
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 ̸= 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
=0×1=0
−1 1
lim e− n
3. lim en+1n = lim n+1
= 1
1
=1
n n
Exercı́cio 1.5 Calcule os seguintes limites:
1 + n1 1
a) lim ; b) lim 2( + e−n )
2 + e−n n+1
8
Teorema: ( Sucessões enquadradas)
Se (an )n∈N , (bn )n∈N e (cn )n∈N são sucessões tais que
an ≤ bn ≤ cn e lim an = lim cn = L
então
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
k
Exemplo 1.10 Se o objectivo é calcular o limite da sucessão
k=1
(n + 1)3
podemos pensar em arranjar uma sucessão que majore e outra que minore
esta sucessão e que convirjam para o mesmo valor. Temos
n ∑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 sucessão
(n + 1)3 (n + 1)3
dada, também é zero.
Exercı́cio 1.6 Usando o teorema das sucessões enquadradas calcule

1
lim √ .
n n + 2n−2 + 7
−4
Definição: Uma sucessão (an )n∈N diz-se
• crescente se an ≤ an+1 , ∀n ∈ N
• decrescente se an ≥ an+1 , ∀n ∈ N
Uma sucessão que seja crescente ou decrescente diz-se monótona.
9
Exemplo 1.11 As sucessões ( n1 )n∈N e (2n − (−1)n )n∈N são monótonas en-
quanto que a sucessão ((1 − (−1)n ).n)n∈N não é monótona.
Vimos anteriormente que nem toda a sucessão limitada é convergente.

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

( )n
1
yn = 1 +
n
é convergente. Com efeito é possı́vel provar que esta sucessão é monótona e
limitada.
Usando o binómio de Newton
( ) ( )
n n n n−1 n
(a + b) = a + a .b + . . . + a.bn−1 + bn
1 n−1
onde ( )
n n!
= , a, b ∈ R e 0! = 1
p (n − p)!.p!
10
podemos concluir que
( )n n(n−1) 1 n(n−1)× . . . ×2×1 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 − n−1
n
)
≤ 1+1+ 1
2!
+ 1
3!
+...+ 1
n!
≤ 1 + 1 + 12 + 1
22
+...+ 1
2n−1
≤ 3
Para estabelecermos esta desigualdade usámos o facto de
1 1
≤ n−1 , ∀n ∈ N
n! 2
e o facto de
1 1 1
+ 2 + . . . + n−1 ≤ 2 ,
1+ ∀n ∈ N
2 2 2
Assim, podemos concluir que
0 ≤ yn ≤ 3
e portanto (yn )n∈N é uma sucessão limitada.
Por outro lado, da expressão 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
n!
(1 − 1
n+1
)(1 − 2
n+1
) . . . (1 − n−1
n+1
)
+ 1
(n+1)!
(1 − 1
n+1
)(1 − 2
n+1
) . . . (1 − n
n+1
)
e observamos que yn+1 tem mais parcelas do que yn e as outras parcelas de
yn+1 são maiores ou iguais do que as correspondentes parcelas de yn . Logo
yn+1 ≥ yn e portanto (yn )n∈N é uma sucessão crescente .
( )n
Definição: Ao limite de 1 + n1 chamamos e (número de Neper).
Exercı́cio 1.7 Verifique que as seguintes sucessões são monótonas e limita-
das e conclua que são convergentes.
1 1
a) an = ; b) bn = .
n! 2n − (−1)n
11
Teorema: Se (xn )n∈N é uma sucessão limitada e (yn )n∈N é uma sucessão
convergente para zero então
lim(xn × yn ) = 0.
Exemplo 1.14 Facilmente se conclui que lim sin(n+3) n

= 0, pois
1
(sin(n + 3))n∈N é uma sucessão limitada e ( n )n∈N tem limite zero.
n −n
Exercı́cio 1.8 Verifique que lim (−1)
n2
= 0 e lim 5+e
n2
= 0.
Teorema: Se (xn )n∈N e (yn )n∈N são sucessões convergentes tais que
x n ≤ yn , ∀n ∈ N
então
lim xn ≤ lim yn .
Consequência: Se (xn )n∈N é uma sucessão convergente e xn ≥ 0 para todo
o n em N então
lim xn ≥ 0.
Outra forma de calcular limites de sucessões:
Há sucessões em que os seus termos são definidos a partir dos

anteriores. São as chamadas sucessões definidas por recorrência.
Por exemplo, na sucessão

 a1 = 1
a2 = 1

an = an−1 + an−2 , ∀n ≥ 3
a partir da ordem 3, cada termo da sucessão é definido a partir dos dois

anteriores. Notemos que, com esta lei podemos definir qualquer termo da
sucessão.
Para este tipo de sucessões, a garantia de existência de limite pode ser
suficiente para determinar esse limite sem recorrermos às regras de limites.
Poderemos ter essa garantia de existência de limite quando, por exemplo, a
sucessão é monótona e limitada.
Vejamos um exemplo para percebermos como é que este método pode ser
implementado.
12
Exemplo 1.15 Considere-se a sucessão definida por recorrência da seguinte
forma: {
a1 =2
an+1 = 12 (an + 6) , n = 1, 2, 3, . . .
Se calcularmos os primeiros termos da sucessão obtemos
a1 = 2 ; a2 = 4 ; a3 = 5 ; a4 = 5.5 ; a6 = 5.75
Podemos então conjecturar que se trata duma sucessão crescente e limi-
tada.
Provemos por indução que a sucessão (an )n∈N é crescente, isto é,
an+1 ≥ an , ∀n ∈ N
Prova para n = 1:
Devemos então provar que a2 ≥ a1 . Como vimos anteriormente a2 = 4 e
a1 = 2 e portanto o resultado é verdadeiro.
Hipótese de indução:
Vamos admitir que o resultado é verdadeiro para n = p, isto é
ap+1 ≥ ap .
Tese de indução:
Provemos que o resultado é verdadeiro para n = p + 1, isto é
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 sucessão (an )n∈N é limitada. Mais propriamente,
vejamos que
an ≤ 6 , ∀n ∈ N
uma vez que já sabemos que an ≥ 0.
Obviamente que a1 ≤ 6. Admitindo que o resultado é verdadeiro para
n = p teremos
1 1
ap+1 = (ap + 6) ≤ (6 + 6) = 6
2 2
o que prova a afirmação.
13
Como vimos que a sucessão (an )n∈N é limitada e monótona podemos con-
cluir que é convergente. Chamemos L ao seu limite. A questão que se coloca
agora é a de saber como determinar L.
Sendo (an+1 )n∈N uma subsucessão de (an )n∈N teremos lim an+1 = L. As-
sim, usando a definição de an teremos
1 1 1
L = lim an+1 = lim (an + 6) = (lim an + 6) = (L + 6).
2 2 2
Daqui obtemos uma equação em L que depois de resolvida nos dará o valor
do limite da sucessão.
1
L = (L + 6) ⇔ 2L = L + 6 ⇔ L = 6.
2
Exercı́cio 1.9 Usando o método exposto anteriormente calcule o limite das

seguintes sucessões convergentes.
{ {
a1 = 1 b1 = 1
a) b)
an+1 = 1+an , ∀n ≥ 1
1
bn+1 = 1 + 1+b 1
n
, ∀n ≥ 1
Teorema: Sejam (xn )n∈N e (yn )n∈N duas sucessões, então:
1. Se lim Xn = +∞ e (yn )n∈N é uma sucessão limitada inferiormente então

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

então lim(Xn .yn ) = +∞.
3. Se xn > 0 então
1
lim xn = 0 ⇔ lim = +∞.
xn
Tal como já acontecia no caso das funções reais de variável real, também
aqui, no caso do limite de sucessões, temos situações de limites indetermina-
dos.
14
INDETERMINAÇÕES:
{
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
Exercı́cios de controlo:
1. Calcule os limites das seguintes sucessões:

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

1
lim sin(n)n−1 − cos(n)e−n ; lim .
n!
4. Defina sucessão limitada e sucessão convergente.
5. Considere a sucessão (an )n∈N definida por


 a1 = 4
 1
an+1 = (a
2 n
+ 2)
(a) Mostre, por indução, que a sucessão (an )n∈N é decrescente.

(b) Mostre que
an ≥ 2, ∀n ∈ N.
(c) Mostre que a sucessão (an )n∈N é convergente e calcule o seu limite.
6. (a) Usando resultados conhecidos sobre limites de funções, mostre

que, se g : [0, +∞[→ R é uma função positiva e derivável tal
que
lim g(x) = +∞
x→+∞
então para todo o k ∈ R fixado, temos
k g(n)
lim(1 + ) = ek .
g(n)
(b) Mostre que lim(1 − n+3 ) = e−π .
π n
Sugestão: Use o resultado anterior depois de decompôr a ex-

pressão (1 − n+3
π n
) num produto onde apareça uma potência com
a mesma base e com expoente (n + 3).
16
7. Considere a sucessão (an )n∈N definida por recorrência da seguinte forma:

 a
 1
= 2

 an+1 = 2 − 1 , n≥1
an
(a) Mostre, por indução, que para todo o n pertencente a N , an > 1.
(b) Mostre que a sucessão (an )n∈N é decrescente.
(c) Mostre que a sucessão (an )n∈N é convergente e determine o seu
limite.
8. Sem justificar, dê exemplos de:
(a) uma sucessão de termos positivos que seja limitada e não seja
convergente.
(b) uma sucessão de termos positivos que seja convergente e que não
seja monótona.
(c) duas sucessões, uma convergente e outra divergente, cujo produto
seja uma sucessão convergente.
9. Calcule os seguintes limites:
n ln n
(a) lim .
en
∑
n
k
(b) lim un , onde para cada n ∈ N , un = .
k=1
n3 + 1
Sugestão: Use o teorema das sucessões enquadradas.
10. (a) Dê um exemplo duma sucessão monótona que não seja conver-
gente.
(b) Dê um exemplo duma sucessão convergente que não seja monótona.
11. Considere a sucessão (an )n∈N definida por recorrência da seguinte forma:

 a1 = 4
 1
an+1 = (a
3 n
+ 6), n = 1, 2, 3, . . .
(a) Mostre que a sucessão (an )n∈N é decrescente e limitada.

(b) Mostre que existe limite da sucessão (an )n∈N e calcule-o.
17
12. Diga se são verdadeiras ou falsas as seguintes afirmações, justificando
aquelas que considerar falsas.
(a) Toda a sucessão limitada e monótona é convergente.

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

(b) Enuncie um resultado que relacione o limite quando x tende para
+∞, duma função f definida em R, com o limite da sucessão
definida como a restrição de f a N .
Calcule os seguintes limites:
15. (a)
∑
n
k
lim 5
n→∞ n +1
2
k=1
(b)
log n
lim (−1)n
n→∞ n
(c)
1 1 1 1
lim ( + + ... + n ).
n→∞ 2 4 8 2
18
1.2 Séries numéricas:
Sabemos que é possı́vel generalizar a soma de dois números reais a um número
finito de parcelas. Surge então com naturalidade a seguinte questão:
Será possı́vel generalizar a noção de soma finita a um número 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. À medida que somamos mais

parcelas aproximamo-nos de 1. Surge então a ideia de considerar esta ”soma”infinita
como o limite duma sucessão.
Note-se que esta generalização não deve ter as mesmas propriedades da
soma fimita de números reais. Por exemplo se considerarmos
1−1+1−1+1−1+ . . .
e agruparmos os termos da seguinte forma
(1 − 1) + (1 − 1) + (1 − 1) + . . .
serı́amos conduzidos a afirmar que esta soma seria nula. No entanto, se

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

Estas aparentes contradições não são recentes. Já o filósofo Grego Zenão
que viveu 2000 anos antes de Cristo se interrogava sobre estas questões e
formulava aquilo que foi designado por paradóxo de Zenão. Um corredor
desloca-se dum ponto A para um ponto B com velocidade constante. Con-
siderando A1 o ponto médio de AB, A2 o ponto médio de A1 B , e assim
sucessivamente, definimos uma sucessão de pontos. Se o corredor gastar um
tempo t para se deslocar de A até A1 , gastar um tempo 2t para se deslocar
de A1 até A2 , etc....
O tempo total para se deslocar de A até B ser dado por
t t t
t+ + 2+ . . . + n+ . . .
2 2 2
Zenão concluı́a então que tratando-se duma soma com um número infinito
de parcelas o tempo necessário para chegar de A até B seria forçosamente
19
infinito. Mas isto estava em contradição com o facto do movimento ser
uniforme, de velocidade constante e, portanto, o tempo gasto para chegar
de A até B ser 2t. Daı́ tratar-se dum paradoxo. Esta questão só seria
resolvida com a teoria das séries desenvolvida a partir do século XVIII. Ao
desenvolvimento da teoria das séries não foi alheio o matemático português
José Anastácio da Cunha.
1.2.1 Resultados gerais

Seja (an ) uma sucessão de números reais. A esta sucessão associamos uma
nova sucessão (Sn ) chamada sucessão das somas parciais, definida por
S1 = a 1
S2 = a1 + a2
S3 = a1 + a2 + a3
·
·
·
Sn = a1 + a2 + . . . + an , ∀n ∈ N
Facilmente se observa que, à medida que n aumenta, o número de parcelas

de Sn também aumenta. Em vez de ”soma infinita”usaremos a palavra série
e representaremos essa soma infinita
∑
∞
a1 + a2 + . . . an + . . . por an
n=1
A an chamamos termo geral da série.
Definição: Se a sucessão (Sn ) for convergente ao seu limite S chamamos

∑
∞
soma da série an .
n=1
Escreveremos neste caso
∑
∞
an = S.
n=1
∑
∞
Se (Sn ) for divergente a série an diz-se divergente.
n=1
∑∞
Dada uma série n=1 an associamos-lhe a sucessão das somas parciais
(Sn ) e estudaremos esta sucessão quanto à convergência. Chamamos a este
20
processo a determinação da natureza da série. Mais adiante, estudaremos
processos que permitem determinar a natureza da série, isto é, verificar se a
série é ou não convergente, sem passar pela definição da sucessão das somas
parciais associadas à série.
Exemplo 1.16 Consideremos a série geométrica

∑
∞
a.rn−1
n=1
onde a ̸= 0 e r ∈ R e estudemos a sua natureza.

Caso |r| = 1:
Se r = 1 então
Sn = a + a + . . . + a = n.a
Se r = −1 teremos
{
0 , n par
Sn =
a , n ı́mpar
e portanto, em qualquer dos casos, a sucessão (Sn ) é divergente, pelo que a
série dada é divergente.
Caso |r| ̸= 1:
Neste caso teremos
a.(1 − rn )
Sn = a + a.r + a.r2 . . . + a.rn−1 =
1−r
Obviamente que
| r |< 1 ⇒ lim Sn = a
1−r
| r |> 1 ⇒ lim Sn não existe
Podemos então concluir que a série converge se e só se | r |< 1. Neste

a
caso a soma da série é 1−r .
21
Exemplo 1.17 Para a série de Mengoli
∑
∞
1
n=1
n(n + 1)
podemos mostrar por indução que

1
Sn = 1 − , ∀n ∈ N.
n+1
Concluı́mos então que a série é convergente e que a sua soma é 1.
Exemplo 1.18 A série harmónica

∑∞
1
n=1
n
é divergente.
Com efeito temos
S1 = 1
S2 = 1 + 12
S4 = 1 + 12 + 13 + 41 ≥ 1 + 12 + ( 14 + 14 ) = 1 + 22
S8 = 1 + 12 + ( 13 + 41 ) + ( 15 + 16 + 17 + 18 ) >
> 1 + 21 + ( 14 + 41 ) + ( 18 + 18 + 18 + 18 ) = 1 + 12 + 12 + 12 = 1 + 23
S16 = 1 + 12 + ( 13 + 41 ) + ( 15 + 16 + 17 + 18 ) + ( 19 + 10
1
+ . . . + 161
)>
1 1 1 1 4
> 1+ 2 + 2 + 2 + 2 =1+ 2
.
.
.
S2n > 1 + n2
Pelo que a sucessão (Sn )n∈N não é limitada e portanto não é convergente.
Conclui-se então que a série harmónica é divergente.
Exercı́cio 1.10 Determine a natureza das seguintes séries, indicando a sua

soma no caso da série ser convergente.
∑∞
2 ∑∞
2 ∑
∞
3n−1
a) b) c)
n=1
3n−1 n=1
3n n=1
2n+3
22
∑∞
Teorema: Se a série n=1 an é convergente então lim an = 0.
Demonstração: Seja (Sn ) a sucessão das somas parciais associada à série.
Considerando Zn = Sn+1 , podemos afirmar que esta sucessão é uma subsu-
cessão de (Sn ) e como tal converge para o mesmo limite. Da definição de
(Zn ) resulta que
lim an+1 = lim(Zn − Sn ) = 0.
Daqui se conclui que também
lim an = 0.
Observação:
∑ Deste resultado podemos concluir que se lim an ̸= 0, então a
série ∞ a
n=1 n é divergente.
Importante: O facto do limite do termo geral da série ser zero não permite
∑
concluir que a série seja convergente. Vimos anteriormente que a série ∞ 1
n=1 n
é divergente e no entanto o limite do seu termo geral é zero.
Exercı́cio 1.11 Use o resultado anterior para concluir que as seguintes séries
são divergentes
∑
∞ ∑
∞
1
a) (−1)n b) 3n sin( )
n=1 n=1
n
Observação: A natureza duma série não depende do valor dos seus p pri-
meiros termos, onde p é um número natural qualquer, mas fixo. Isto é, as
séries
∑∞ ∑∞
ak e ak
k=1 k=p+1
são da mesma natureza.

Definição: À série
∑
∞
ak
k=p+1
∑∞
é usual chamar-se resto de ordem p da série n=1 an .
Observação: A convergência duma série não depende dos primeiros termos
da série. O mesmo não acontece com a sua soma.
∑ ∑
Exemplo 1.19 As séries ∞ 1 n−1
n=1 ( 2 ) e ∞ 1 n
n=1 ( 2 ) são duas séries que dife-
rem apenas pelo primeiro termo, são ambas convergentes, mas uma tem soma
2 e a outra 1.
23
∑
∞
Exercı́cio 1.12 Mostre que a série xn onde
n=1

 1 + en se n < 106
xn = ,
 2
3n−1
se n ≥ 10 6
é convergente.
∑ ∑∞
Teorema: (i) Se as séries ∑ ∞ n=1 an e n=1 bn são convergentes de soma S e
T , respectivamente,∑então ∞ (a
n=1 n + b n ) é convergente e tem soma S + T .
∞
(ii) Se a série
∑ n=1 an é convergente e tem soma S então, para todo
b ∈ R, a série ∞ n=1 b.an é convergente e tem soma b.S.
Demonstração: (i) Sejam
Sn = a1 + . . . . + an
e
Tn = b1 + . . . . + bn
∑∞ ∑∞
as sucessões das somas parciais associadas às séries n=1 an e n=1 bn ,
respectivamente. Teremos então
S + T = lim(Sn + Tn ) = lim((a1 + . . . + an ) + (b1 + . . . + bn ))
= lim((a1 + b1 ) + . . . + (an + bn ))
= lim Zn ∑
onde Zn é a sucessão das somas parciais associada á série ∞n=1 (an + bn ). Po-
demos então afirmar que esta série é convergente e que a sua soma é S + T .
(ii) Como
lim(b.a1 + . . . + b.an ) = b. lim(a1 + . . . + an ) = b.S

∑
podemos concluir que a série ∞n=1 b.an é convergente e tem soma b.S.
∑
Exemplo 1.20 A série ∞ 1 1 n
n=1 [ n(n+1) +10.( 2 ) ] é convergente já que é a soma
de duas séries convergentes. Podemos mesmo afirmar que a sua soma é 11.
Exercı́cio 1.13 Determine a natureza das seguintes séries:

∑
∞
2 1 ∑
∞
1 1
a) [ + n] b) [ + ]
n=1
n(n + 1) 2 n=1
3n+1 2n
24
∑ ∑∞
Teorema: Se∑a série ∞ n=1 a n é convergente e a série n=1 bn é divergente,
então a série ∞ (a
n=1 n + bn ) é divergente.
∑∞
Demonstração: Suponhamos por absurdo ∑∞ que a série n=1 (an + bn ) é con-
vergente. Como por hipótese a série ∑∞ n=1 an é convergente, podemos concluir
do teorema
∑ anterior, que a série n=1 (−an ) é convergente ∑∞ e também que a
série ∞ (a
n=1 n + bn ) − an converge. Ou seja, a série n=1 bn é convergente,
o que é um absurdo.

∑
∞
1 1 ∑
∞
1 1
a) [ + ] b) [ + n]
n=1
n(n + 1) n n=1
(n + 1) 2
Já estudámos algumas séries para as quais é possı́vel determinar a sua

soma. No entanto, na maior parte dos casos não é muito simples determinar
a soma mas é fácil determinar a sua natureza. No que se segue iremos
estabelecer alguns resultados, a que chamaremos critérios de convergência
que permitirão concluir se uma dada série é convergente.
1.2.2 Séries de termos positivos

Iremos supor que
an ≥ 0, ∀n ∈ N
∑
∞
e estabelecer resultados que permitem concluir se a série an é ou não
n=1
convergente. Estes resultados serão chamados critérios de convergência para
séries de termos positivos.
Note-se que estes resultados também podem ser usados para determinar
a natureza duma série de termos negativos. Com efeito, vimos anteriormente
∑
∞ ∑∞
que as séries an e (−an ) têm a mesma natureza.
n=1 n=1
Podemos ainda concluir que estes resultados podem ainda ser usados
para determinar a natureza duma série cujos termos tenham sinal constante
a partir duma certa ordem, já que como vimos anteriormente, a natureza
duma série não depende dos seus primeiros termos.
A estas séries cujos termos têm sinal constante a partir duma certa ordem
chamamos séries de termos de sinal bem definido.
25
Teorema(Critério de comparação): Suponhamos que
0 ≤ an ≤ bn , ∀n ∈ N.
Nestas condições:
∑∞ ∑∞
(i) Se a série n=1 bn converge, a série n=1an também converge.
∑∞ ∑∞
(ii) Se a série n=1 an diverge, então a série n=1 bn também diverge.
Demonstração: ∑ (i) Sejam (S

∑n∞) e (Tn ) as sucessões das somas parciais as-
∞
sociadas às séries n=1 an e n=1 bn , respectivamente.
Teremos então,
Sn = a1 + . . . an
Tn = b1 + . . . bn
e consequentemente,
Sn ≤ Tn , ∀n ∈ N.
∑
∞
Da definição de série convergente podemos concluir que, se a série bn
n=1
converge então a sucessão (Tn ) é convergente e portanto limitada. Como
Sn ≤ Tn , para todo o n ∈ N , concluimos que a sucessão (Sn ) é majorada e,
consequentemente, convergente pois (Sn ) é crescente. (ii) Note-se que este
resultado é equivalente ao anterior.
∑∞
1
Exemplo 1.21 Considere-se a série . Como já vimos anteriormente
n=1
n!
que
1 1
≤ n−1 , ∀n ∈ N
n! 2
∑ 1
∞
e a série é uma série geométrica convergente podemos concluir que
n=1
2n−1
a série dada também é convergente.
Exemplo 1.22 A série

∑∞
1
α
, 0<α<1
n=1
n
é divergente.
26
Com efeito, basta ter presente que para 0 < α < 1,
1 1
> , ∀n ∈ N
nα n
∑∞
1
e que a série é divergente.
n=1
n
∑
∞ ∑
∞
Corolário: Se lim abnn = l, com l ̸= 0 e l ̸= +∞ então as séries an e bn
n=1 n=1
são da mesma natureza.
Prova: Consideremos ϵ ∈]0, l[. Como lim abnn = l podemos garantir a existência
duma ordem n0 , a partir da qual se tenha
an
0<l−ϵ< < l + ϵ.
bn
logo
0 < (l − ϵ)bn < an < (l + ϵ)bn .
∑
∞ ∑
∞
Assim, se a série an for convergente a série (l − ϵ)bn também será
n=1 n=1
∑
∞
convergente e portanto bn será convergente.
n=1
∑
∞ ∑
∞
Analogamente, concluimos que se bn é convergente então an também
n=1 n=1
será convergente.
Observação 1.1 No caso de l = 0 ou l = +∞ podemos concluir que :

∑∞ ∑
∞
an
- Se lim bn = +∞ e bn diverge então an também diverge.
n=1 n=1
∑
∞ ∑
∞
- Se lim abnn = 0 e bn converge então an também converge.
n=1 n=1
∑
∞
2n2 + 1
Exemplo 1.23 Considere-se a série e usemos o Corolário an-
n3 + 3
n=1
terior para determinar a natureza desta série. Este resultado fazendo uso da
noção de limite, é sem dúvida um resultado de simples aplicação. A dificul-
dade reside em saber qual a série com a qual se deve comparar esta série.
27
Neste caso, porque se trata dum quociente de polinómios, para∑que se obtenha
um limite finito, iremos comparar a série dada com a série ∞ 1
n=1 nα , sendo
α a diferença dos graus dos polinómios. Neste caso α = 1. Teremos então
1
1
lim n
2n2 +1
= ̸= 0, +∞.
n3 +3
2
Podemos então concluir que as séries são da mesma natureza. Assim a

série dada é divergente.

∑
∞
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 série

através do cálculo dum limite com a vantagem de não haver necessidade
de procurar outra série para termo de comparação.
Critério de D’Alembert
Se lim an+1
an
=le
∑∞
l < 1, então a série n=1 an é convergente.
∑∞
l > 1, então a série n=1 an é divergente.
Observação: Se lim an+1an
= 1, e se esta convergência se faz por valores
superiores ou iguais a 1, podemos concluir, pelo teorema anterior, que a série
∑∞
an é divergente.
n=1

∑
∞
2n ∑∞
n!
a) b) .
n=1
n! n=1
nn
28
Cálculo aproximado da soma duma série:
∑
∞
Considere-se uma série an convergente, cuja convergência foi
n=1
demonstrada usando o critério de D’Alembert. Seja
∑
∞
Rn = ak
k=n+1
∑
∞
o resto de ordem n da série an .
n=1
Cometendo um certo abuso de linguagem escreveremos
Rn = S − Sn .
O que pretendemos fazer é controlar o erro Rn que se comete quando se

aproxima a soma da série S por Sn .
Seja então,
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, é possı́vel escolher kp < 1 e assim
1
Rp ≤ ap+1 . .
1 − Kp
Daqui se conclui que é possı́vel determinar o número de termos da série que

devem ser somados para que o erro Rn seja inferior a um certo valor ϵ dado.
Basta considerar p tal que
1
ap+1 . < ϵ.
1 − Kp
29
Na prática este método não é muito simples de implementar devido à dificul-
dade na determinação de Kp . Há, no entanto, alguns casos em que a escolha
de Kp é simples:
Se ( an+1
an
) é crescente toma-se Kp = lim an+1
an
ap+2
Se ( an+1
an
) é decrescente toma-se Kp = ap+1
∑∞
1
Exemplo 1.24 Vejamos como se pode calcular a soma da série com
n=1
n!
um erro inferior a 0.01.
Como
an+1 1
lim = lim =0
an n+1
∑∞
1
podemos concluir, usando o critério de D’Alembert, que a série é
n=1
n!
convergente. Notemos ainda que, sendo ( an+1
an
1
) = ( n+1 ) uma sucessão decres-
cente, podemos tomar
1
Kp =
p+2
teremos então
ap+1 1 p+2
Rp ≤ =
1 − Kp (p + 1)! p + 1
Para que Rp < 0.01, basta considerar p = 5. Concluı́mos então que,

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

1.16a) com um erro inferior a 0.01.
30
Critério de Cauchy ou Critério da Raı́z
√
Se lim n an = l e
∑
∞
l < 1, a série an é convergente
n=1
∑∞
l > 1, a série an é divergente.
n=1
√ ∑∞
l = 1, mas n an ≥ 1, a série an é divergente.
n=1
Exemplo 1.25 Usemos o critério de Cauchy para determinar a natureza da

∑∞
n + 1 n2
série ( ) .
n=1
n
Como
√ n+1 n 1
lim n an = lim( ) = lim(1 + )n = e > 1
n n
podemos concluir que a série é divergente.
Exercı́cio 1.18 Determine a natureza das séries

∑
∞ ∑
∞
n n2
a) n−n b) ( )
n=1 n=1
n+1
∑
∞
Observação: Se a convergência da série an for provada utilizando o
n=1
critério de Cauchy, podemos obter um valor aproximado da soma da série
procedendo de forma análoga ao caso em que a convergência é provada usando
o critério de D’Alembert. Assim, se Kp é um majorante do conjunto
√ √ √
{ p+1 ap+1 , p+2 ap+2 , p+3 ap+3 , . . . }
e Kp < 1, teremos,
Rp ≤ kpp+1 . 1−k
1
p
Como anteriormente, a determinação de Kp é simples quando

√ √
- a sucessão ( n an ) é decrescente, e neste caso toma-se Kp = p+1 ap+1
√ √
- a sucessão ( n an ) é crescente, e neste caso toma-se Kp = lim n an
1.18a) , com um erro inferior a 0.01.
31
Critério do integral
Seja f : [1, +∞[→ R uma função contı́nua, positiva e decrescente. Considere-

-se an = f (n). Então
∑
∞ ∫ ∞
an converge ⇔ f (x)dx converge
n=1 1
i.e.,
∫ +∞ ∑
∞
(i) Se f (x)dx converge ⇒ an converge
1 n=1
∫ +∞ ∑
∞
(ii) Se f (x)dx diverge ⇒ an diverge
1 n=1
Prova: Considere-se a seguinte figura abaixo:
Figura 1.3: Critério do integral.
Obviamente que
∫ n
a2 + a3 + . . . + an ≤ f (x)dx. (∗)
1
Analogamente como se pode observar na figura que se segue
Figura 1.4: Critério do integral.
32
temos ∫ n
f (x)dx ≤ a1 + a2 + . . . + an−1 . (∗∗)
1
Então:
(i) De (∗) temos
∑
n ∫ n ∫ +∞
ai ≤ f (x)dx ≤ f (x)dx
i=2 1 1
e portanto
∑
n ∫ +∞
Sn = a1 + ai ≤ a1 + f (x)dx = M.
i=2 1
Concluimos assim que (Sn )n∈N é uma sucessão limitada e, uma vez que é
monótona será convergente. (ii) De (∗∗) temos
∫ n
f (x)dx ≤ a1 + a2 + . . . + an−1 = Sn−1 .
1
∫ +∞
Como estamos a supor que f (x)dx é divergente podemos concluir
1
∑
∞
que (Sn−1 )n∈N tem limite infinito e portanto an é divergente.
n=1
∑∞
1
Consequência: A série de Dirichlet α
é convergente se α > 1 e diver-
n=1
n
gente se α ≤ 1 .
∑∞
1
Vimos anteriormente que, se α ≤ 1 então a série α
é divergente.
n=1
n
Se α > 1, a função
f : [1, +∞[ → R
x → x1α
é contı́nua, decrescente e positiva. Por outro lado,
∫ +∞ ∫ +∞ ∫ y
1 1 x1−α y
f (x)dx = dx = lim dx = lim [ ]1
1 1 xα y→+∞ 1 xα y→+∞ 1 − α
[ ]
1 1 1
= lim − =
y→+∞ (1 − α)y α−1 (1 − α) α−1
33
∑∞
1
Como o integral impróprio é convergente concluimos que a série
n=1
nα
também é convergente.
∑
∞
Exercı́cio 1.20 Determine a natureza da série ne−n .
n=1
Estimativa de erro
Duma forma análoga ao que foi feito no caso em que a convergência da
série foi provada usando o critério da raı́z ou o critério do integral, iremos
estabelecer uma majoração para o erro que se comete quando aproximamos
o valor da soma da série pela soma dos seus n termos.
Consideremos então
Rn = S − Sn = an+1 + an+2 + . . .
Com a ajuda da figura abaixo
Figura 1.5: Estimativa de erro.
concluimos facilmente que

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

1.20, com um erro inferior a 0.01.
1.2.3 Séries de termos de sinal não definido
Vimos anteriormente como se determina a natureza duma série de termos

positivos. Vimos também que os resultados estudados, podem ser utilizados
para determinar a natureza duma série, cujos termos tenham sinal constante
a partir duma certa ordem.
Vamos agora considerar séries que não têm necessariamente os termos
com o mesmo sinal a partir duma certa ordem. Estas séries serão chamadas
séries de termos de sinal não definido.
∑
Definição: Diremos que a série ∞ n=1 an é absolutamente convergente se e
∑∞
só se a série n=1 | an | for convergente. É dita simplesmente convergente
se for convergente mas não for absolutamente convergente.
35
Observação: Para verificar∑ se uma série é absolutamente convergente
teremos que estudar a série ∞
n=1 | an | que é de termos positivos, e portanto
pode ser estudada usando os resultados estabelecidos anteriormente.
∑∞ (−1)n
Exemplo 1.27 A série n=1 n2 +1 é absolutamente convergente já que a
∑∞ (−1)n
série n=1 | n2 +1 | é uma série convergente.
∑∞
Teorema:
∑∞ Se a série n=1 an é absolutamente convergente então a série
n=1 an é convegente e
∑
∞ ∑
∞
| an |≤ | an | .
n=1 n=1

∑
∞
sin n ∑
∞
cos n
a) b)
n=1
n2 n=1
n!
Critério de Leibnitz
Se (bn ) é uma sucessão decrescente tal que lim bn = 0, então a série

∑
∞
(−1)n bn é convergente.
n=1
∑
∞
(−1)n
Exemplo 1.28 A série é simplesmente convergente. Com efeito,
n=1
n
∑
∞
(−1)n
(bn ) = ( n1 ) está nas condições do corolário anterior e portanto a série
n=1
n
∑
∞
(−1)n
é convergente. Por outro lado, a série | | é a série harmónica,
n=1
n
que, como sabemos é divergente.

∑
∞
(−1)n ∑
∞
(−1)n
a) b)
n=2
ln n n=1
n!
36
Estimativa de erro
∑
∞
É possı́vel demonstrar que, no caso em que a convergência da série (−1)n bn
n=1
é garantida pelo critério de Leibnitz temos a seguinte estimativa para o erro:
|Rn | ≤ bn+1 .
Exemplo 1.29 Para determinar um valor aproximado da soma da série, do

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

exercı́cio 1.23, com um erro inferior a 0.01.
Produto de séries:
∑∞ ∑∞
∑∞Dadas duas séries n=1 an e n=1 bn podemos considerar uma nova série
n=1 un onde (un ) é definida por
u 1 = a 1 b1
u2 = a1 b2 + a2 b1
u3 = a1 b3 + a2 b2 + a3 b1
•
•
• ∑
n
un = i=1 ai bn+1−i
Nestas condições tem-se o seguinte resultado:
∑ ∑∞
Teorema: Se∑as séries ∞ n=1 an e n=1 bn são absolutamente convergentes
então a série ∞
n=1 nu é absolutamente convergente e
∑
∞ ∑
∞ ∑
∞
un = ( an )( bn )
n=1 n=1 n=1
Demonstração:(Ver J. Campos Ferreira, ”Introdução à Análise Matemática”)

∑∞
n
Exemplo 1.30 Considere-se a série n+1
. Como
n=1
3
1 1
= ,
3n+1 3n+1−i 3i
37
teremos
n ∑
n
1
= .
3n+1 i=1
3n+1−i 3i
∑∞ 1
Uma vez que a série n=1 3n é uma série absolutamente convergente
conclui-se que a série dada é convergente e que
∑∞
n ∑∞
1 ∑ 1
∞
1
n+1
= ( n
)( n
)= .
n=1
3 n=1
3 n=1 3 4
Sobre o comportamento das séries simplesmente convergentes, refira-se o

seguinte resultado:
∑
∞
Teorema:(Riemann) Seja an uma série simplesmente convergente. Então:
n=1
∑
∞
(i) Para todo α ∈ R existem permutações da série an , cuja soma é α.
n=1
∑
∞
(ii) Existem permutações da série an que são divergentes.
n=1
Demonstração:(Ver J. Campos Ferreira, ”Introdução à Análise Matemática”)
Observação: Este resultado coloca em evidência a complexidade desta

noção, aparentemente tão simples.
38
1. Determine a natureza das seguintes séries:
∑
∞
2n−1 ∑
∞
3n+1 + (−2)n ∑
∞
5n+1 + (−2)n
a) b) c)
n=1
3n−1 n=1
5n−2 n=1
3n−2
∑
∞
1 ∑∞
1 1 ∑
∞
2n + 1
d) (1 + )n e) ( − ) f)
n=1
n n=1
n n + 1 n=1
n2 (n + 1)2
∑
∞
1 ∑
∞
8n n! ∑
∞
π n
g) sin2 ( ) h) i) (n sin( ))
n=1
n n=1
nn n=1
3n
√
∑
∞
(−1)n n ∑
∞
n3 + 1 ∑
∞
π
j) k) l) (−1)n cos( )
n=2
n2 −2 n=1
3n3 + 4n2 + 2 n=2
n
∑
∞
(−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 série do exercı́cio 1.m)

com um erro inferior a 0.01.
3. Determine a natureza da série
∑∞
π n2
(1 − ) .
n=1
n+3
4. (a) Mostre , usando a definição de série convergente, que, se |d| < 1

então a série
∑∞
a0
a0 dn−1 = .
n=1
1 − d
n−1
Sugestão: Use a expressão a(1−r
1−r
)
para a soma dos n primeiros
termos duma progressão geométrica.
(b) Mostre que a série

∑
∞
1
(−1)n
n=1
1000n+2
é convergente e, se possı́vel determine a sua soma.
39
5. (a) Considere uma sucessão (an )n∈N onde para cada n ∈ N
(2n)! 1 n
0 ≤ an ≤ ( ) .
(n!)2 5
Determine, justificando, a natureza da série de termo geral an .
(b) Calcule lim an .

∑
∞
1 ∑
∞
sin n
n
a) ((−1) + 2 ) ; b)
n=1
n n=1
5n
7. Considere a série
∑
∞
1
(−1)n .
n=1
4n2+4
(a) Mostre que a série é convergente.

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

∑
∞ ∑
∞
9. Mostre que se an e bn são séries numéricas absolutamente con-
n=1 n=1
vergentes então, para todo o x ∈ R,
∑
∞
(an cos nx + bn sin nx)
n=1
é uma série convergente.
10. Determine a natureza e, no caso de serem convergentes, a soma das

seguintes séries:
∑ ∞ ∑ ∞ ( )n2
3n+1 + (−2)n 1
a) n−2
b) 1+
n=1
4 n=1
n
∑
∞
1
11. (a) Mostre que a série é convergente.
n=1
(n!)2
40
(b) Calcule um valor aproximado da soma da série da alı́nea anterior,
com um erro inferior a 0.01 .
12. Calcule os seguintes limites:

∑
∞
(a) lim(bn . sin n), sabendo que bn é convergente.
n=1
10
(b) lim nen
∑
∞
13. Mostre que cn é convergente sabendo que (cn )n∈N verifica
n=1
n2 + 2 1
|cn | ≤ . , ∀n ∈ N.
n4 + 3 e n
∑
∞
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
.
∑
∞
(−1)n
15. Considere a série
n=1
n!
(a) Mostre que a série é convergente.

(b) Determine o número de termos que deverá considerar para obter
um valor aproximado da soma da série com um erro inferior a
0.0001.
16. Dê um exemplo duma série simplesmente convergente.
17. Seja (an )n∈N uma sucessão de números reais tais que
1
− ≤ an ≤ 0.
n2
∑
∞
Mostre que a série an é convergente.
n=1
Sugestão: Verifique se a série é absolutamente convergente.
41
∑∞
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 = +∞.
Sugestão: Use a teoria de séries.
20. (a) Mostre que a série

∑∞
10n
n=1
(2n)!
é convergente.
(b) Diga, justificando, se
10 102 103
+ +
2! 4! 6!
difere da soma da série anterior por um valor inferior a 31 .
∑
∞
21. Determine a natureza da série (sin n)ne−n .
n=1
∑∞
(−1)n
22. Verifique se a série é simplesmente convergente.
n=1
ln(n + 1)
∑∞
n+2 n ∑
∞
n!
a) ( ) b) (cos n)
n=1
n n=1
nn
42
Capı́tulo 2
Séries de funções
Vimos anteriormente que a noção de soma infinita está associada à noção de

limite. A soma duma série numérica aparece como o limite da sucessão das
somas parciais.
Neste capı́tulo iremos considerar séries de funções. Em vez duma soma
infinita de números reais iremos definir uma soma infinita de funções.
Embora o nosso objectivo seja estudar somas infinitas de funções que têm
uma forma muito particular, iremos começar por considerar alguns resultados
gerais, válidos para qualquer tipo de funções.
2.1 Sucessões de funções

De forma análoga ao que acontecia no caso das sucessões de números reais,
uma sucessão de funções que representaremos por (fn )n∈N é uma função
definida em N , onde para cada n ∈ N , associa uma função fn
fn : X → R
x → fn (x).
Definição: Diremos que a sucessão de funções (fn )n∈N converge para a
função f e escreveremos (fn → f ou lim fn = f ) se
∀x ∈ X, fn (x) → f (x).
A esta convergência chamamos convergência simples ou convergência ponto
a ponto.
Exemplo 2.1 A sucessão de funções (fn )n∈N onde para cada n ∈ N ,

fn : [0, 1] → R
x → xn .
43
converge para a função 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 = 1
se 0 < x < 1 ⇒ lim fn (x) = lim xn = 0.
Observação: Recorrendo à definição de limite, podemos afirmar que fn → f

se fixado x ∈ X,
∀ϵ > 0, ∃n0 ∈ N : n > n0 ⇒ |fn (x) − f (x)| < ϵ.

Podemos então concluir que, fixado x ∈ X e ϵ > 0 existe uma ordem
n0 = n0 (x, ϵ) tal que, a partir dessa ordem se tem |fn (x) − f (x)| < ϵ. A
ordem n0 depende de ϵ > 0 e de x.
Se esta ordem for independente de x diremos que temos convergência
uniforme. Teremos então a seguinte definição:
Definição: A sucessão de funções (fn )n∈N converge uniformemente para a
função f se
∀ϵ > 0, ∃n0 ∈ N : n > n0 ⇒ |fn (x) − f (x)| < ϵ, ∀x ∈ X.
Observação: A importância deste resultado resulta do facto de haver re-

sultados que são válidos quando temos convergência uniforme e que não se
verificam quando há apenas convergência simples.
Teorema: Se fn → f uniformemente em X e fn são funções contı́nuas, então
f é uma função contı́nua.
Corolário: Se fn são funções contı́nuas e f não é contı́nua então a con-
vergência de fn para f não é uniforme.
Exemplo 2.2 No exemplo estudado anteriormente não temos convergência

uniforme.
44
2.2 Séries de funções
Seja então (fn )n∈N , uma sucessão de funções, onde para cada n ∈ N , fn é
uma função de X em R. Consideremos a sucessão de funções (Sn )n∈N , onde
para cada n ∈ N ,
Sn : X → R
x → Sn (x) = f1 (x) + f2 (x) + . . . + fn (x)
Se a sucessão das somas parciais (Sn )n∈N for convergente, diremos que a
série
∑
∞
fn
n=1
é convergente e ao seu limite chamamos soma da série.
∑
∞
Definição: Diremos que a série de funções fn , converge uniformemente
n=1
em X, se e só se a sucessão das somas parciais (Sn )n∈N for uniformemente
convergente em X para uma função S.
A noção de sucessão uniformemente convergente é delicada saindo, clara-
mente, dos objectivos traçados para este curso. Não exploraremos portanto
esta noção. Há, no entanto, um resultado de fácil utilização que, sob certas
condições, garante a convergência uniforme duma série de funções.
Critério de Weierstrass:
Se existir uma sucessão numérica (an )n∈N tal que
1. ∀n ∈ N, ∀x ∈ X, |fn (x)| ≤ an .
∑
∞
2. an converge.
n=1
∑
∞ ∑
∞
então as séries |fn | e fn são uniformemente convergentes
n=1 n=1
45
∑
∞
(−1)n 1
Exemplo 2.3 A série . é 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
.
∑∞ 1
2. n=1 n2 converge.
∑∞ log n
Exercı́cio 2.1 Mostre que a série n=1 n2 . sin(nx) é uniformemente con-
vergente em R.
∑∞ sin(n4 x)
Exercı́cio 2.2 Mostre que a série n=1 n2
é uniformemente conver-
gente em R.
Teorema: Seja (fn )n∈N uma sucessão de funções onde, para cada n ∈ N ,
fn : [a, b] → R∑é uma função contı́nua.
Se a série ∞ n=1 fn converge uniformemente, então a soma da série é uma
função contı́nua e
∫ b∑
∞ ∞ ∫
∑ b
fn (x)dx = fn (x)dx.
a n=1 n=1 a
Exercı́cio 2.3 Calcule

∫ 1 (∑∞
) ∫ π
(
∑
∞
)
1 1 2 (−1)n
a) dx b) sin x dx
0 n=1
2n 1 + x2 0 n=1
3n
Teorema: Seja (fn )n∈N uma sucessão de funções onde, para cada n ∈ N ,
fn : [a, b] → R ∑ é uma função derivável. Admitamos que, para um certo
∞
c ∈ [a, b], a série
∑∞ n=1′ fn (c) é convergente.
Se a série ∑ n=1 fn converge uniformemente, em [a, b], para a função T ,
então a série ∞ ′
n=1 fn converge uniformemente para S e S = T .
46
Exercı́cio 2.4 Calcule
( )′ ( )′
∑∞
1 1 ∑
∞
(−1)n
a) x ∈ [−1, 1] b) sin x x ∈ [0, π]
n=1
2 1 + x2
n
n=1
3n
2.2.1 Séries de potências

As séries de potências são um caso particular das séries de funções que,
devido à sua importância, merecem um tratamento diferenciado. Neste caso
as funções fn têm a forma
fn (x) = an (x − x0 )n
onde x0 é um valor fixo de R e (an )n∈N é uma sucessão numérica.
As séries têm então a forma
∑
∞
an (x − x0 )n
n=0
Exemplo 2.4 Série de Taylor
Sejam I um intervalo aberto de R e f : I → R uma função de classe C ∞ .

Considerem-se a ∈ I, h ∈ R tais que a + h ∈ I. Nestas condições, vimos
que a fórmula de Taylor garante que, para todo o n ∈ N ,
f ′′ (a) 2 f (n−1) (a) n−1

f (a + h) = f (a) + f ′ (a)h + h + ... + h + rn (h)
2! (n − 1)!
onde
f (n) (a + θn h) n
rn (h) = h , com 0 < θn < 1.
n!
À série
∑
∞
f (n) (a)
hn
n=0
n!
cuja sucessão das somas parciais coincide com o polinómio de Taylor cha-
mamos série de Taylor de f em torno de a.
47
Observação: Se f ∈ C ∞ (I), podemos considerar sempre a série de Taylor
de f . No entanto, esta série poderá ser convergente ou divergente, e, mesmo
que seja convergente a sua soma poderá, ou não, ser igual a f (a + h).
Definição: Uma função f : I → R, de classe C ∞ , diz-se analı́tica se

∑
∞
f (n) (a)
∀a ∈ I, ∃ϵ > 0 : |h| < ϵ ⇒ hn = f (a + h).
n=0
n!
Resulta então que
∑
∞
f (n) (a)
hn = f (a + h) ⇔ lim rn (h) = 0.
n=0
n! n
Exemplo 2.5 Vejamos como determinar a série de Taylor de ex em torno

da origem. Para todo n ∈ N , f (n) (0) = 1,e, portanto, a fórmula 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
∑
∞
xn
x
e = .
n=0
n!
Exemplo 2.6 Série de Taylor da função seno em torno da origem.

Podemos observar que as sucessivas derivadas da função seno são
cos x, − sin x, − cos x, sin x, . . .

A fórmula de Taylor em torno da origem permite então 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!
Também aqui teremos para todo x ∈ R
(sin)(2n+2) (cn ) 2n+2

lim x = 0.
(2n + 2)!
Podemos então concluir que
∑
∞
x2n+1
sin x = (−1)n .
n=0
(2n + 1)!
Exercı́cio 2.5 Mostre que a série de Taylor da função cosseno em torno de

zero é dada por
∑∞
x2n
cos x = (−1)n .
n=0
(2n)!
Depois deste exemplo, voltemos às séries de potências. No que se segue,

consideraremos séries de potências em torno de x0 = 0. Teremos então
∑
∞
an y n .
n=0
Notemos que esta série 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 série
∑
∞
an xn .
n=0
é convergente. Notemos que, por translação, passamos facilmente dum domı́nio

de convergência duma série centrada em zero para o domı́nio de convergência
duma série centrada em x0 .
∑∞ xn
Exemplo 2.7 A série n=0 n! é convergente para ex para todos os valores
de x ∈ R.
49
∑
Exemplo 2.8 A série ∞ n
n=0 x é convergente para
1
1−x
para todos os valores
de x ∈ R tais que |x| < 1.
∑∞ n x2n+1
Exemplo 2.9 A série n=0 (−1) (2n+1)! é convergente para sin x para todos
os valores de x ∈ R.
∑
Teorema: Dada uma série de potências ∞ n
n=0 an x , ela será convergente
apenas em x = 0, ou existe r > 0 (ou +∞) tal que a série converge absolu-
tamente em ] − r, r[ e diverge fora de [−r, r]. Em −r e r a série poderá ser
convergente ou divergente.
Como determinar este valor r ?
an+1 1
Se existir lim | | = R, então r =
n→∞ an R
ou,
√ 1
n
Se existir lim |an | = R, então r =
n→∞ R
A r chamamos raio de convergência da série de potências.
Observação: Para |x| = r, este resultado não permite tirar qualquer con-
clusão. Se pretendemos determinar todos os valores de R para os quais a série
converge deveremos considerar separadamente as duas séries numéricas.
∑
∞ ∑
∞
n
an r e an (−r)n .
n=0 n=0
Exemplo 2.10 Vejamos como determinar todos os valores de x ∈ R para

∑
os quais a série ∞ (−1)n+1 n
n=0 n+1 x é convergente.
Como

1
n+1
R = lim n+2 = lim =1
n+1
1
n+2
concluı́mos que a série converge em ] − 1, 1[. Teremos agora que analisar o
que se passa com a série nos pontos x = −1 e x = 1.
∑∞
(−1)n+1 ∑∞
−1
Como a série é convergente e a série é divergente
n=0
n+1 n=0
n+1
concluimos que a série dada é convergente em ] − 1, 1].
50
Exercı́cio 2.6 Determine todos os valores de x para os quais as seguintes
séries são convergentes.
∑∞
xn ∑
∞
(−1)n xn
a) √ b)
n=1
n n=1
n!
∑
∞
Teorema: Se an xn é uma série de potências com raio de convergência r
n=0
então as séries de potências
∑∞
an n+1 ∑
∞
x e nan xn−1
n=0
n+1 n=1
têm raio de convergência r e para todo x ∈] − r, r[,

∫ x∑
∞ ∑∞
n an n+1
an t dt = x
0 n=0 n=0
n + 1
e (∞ )′
∑ ∑
∞
n
an x = nan xn−1
n=0 n=1
Temos ainda o seguinte resultado:

∑
∞
Teorema: Se para todo o x ∈ [α, β], a série an xn é convergente então
n=0
∫ β ∑∞ ∑
∞
an
( n
an x )dx = (β n+1 − αn+1 )
α n=0 n=0
(n + 1)
∑
∞
Consequência: Seja f a função definida por f (x) = an xn . Então f
n=0
possui derivadas de todas as ordens em qualquer ponto de ] − r, r[ e essas
derivadas podem ser calculadas derivando a série termo a termo.
Assim,
∑
∞
f (k) (x) = n(n − 1) . . .(n − k + 1)an xn−k
n=k
e portanto,
f (k) (0)
ak = .
k!
51
Conclusão: Basta ter presente a definição de série de Taylor para conluir
que a série de potências cuja soma é f (x) não é mais do que a série de Taylor
de f em torno de zero.
Exercı́cio 2.7 Determine a série de Taylor em torno do valor dado, a, das

seguintes funções bem como os valores de x para os quais as séries são con-
vergentes.
a) f (x) = 1 + x + x2 , a=2 b) f (x) = cos(πx), a=0
Aplicações:
A partir do conhecimento do desenvolvimento em série de potências de
algumas funções é possı́vel, usando a definição e as propriedades das séries de
potências, definir desenvolvimentos em série de potências de outras funções.
Exemplo 2.11 Vejamos como se pode determinar um desenvolvimento em

x3
série de potências de x da função f (x) = 2+x .
Temos
x3 1 3
2+x
= x3 . 2(1+ x
)
= x2 . 1−(−
1
x
)
=
2 2
∑
∞
x n ∑∞
(−1)n n
3 3
= x (− ) = x x =
n=0
2 n=0
2n
∑
∞
(−1)n
= xn+3
n=0
2n+1
Exemplo 2.12 Derivando a expressão
1 ∑ ∞
= xn
1 − x n=0
obtemos
1 ∑ ∞
= (n)xn−1 .
(1 − x)2 n=1
Este processo de derivação permite-nos determinar um desenvolvimento em

1
série de potências da função (1−x) 2 . Temos então
1 ∑ ∞
= (n + 1)xn .
(1 − x)2 n=0
52
Exemplo 2.13 Para determinar um desenvolvimento em série da função
arctg podemos utilizar o seguinte processo:
∫ x ∫ 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 convergência desta série também é 1.
Podemos usar o desenvolvimento em série de potências duma função para

calcular a sua primitiva.
Este cálculo revela-se importante quando as funções não são primitiváveis
através de funções simples.
Exemplo 2.14 A partir do desenvolvimento em série de potências da função

ex , obtemos
∑∞
x2n
−x2
e = (−1)n
n=0
n!
pelo que
∫ ∑∞
−x2 (−1)n x2n+1
e dx = + C.
n=0
n! 2n + 1
Exemplo 2.15 Em certos casos podemos usar o desenvolvimento em série

de potências duma função para calcular uma aproximação do valor do inte-
gral. Do exemplo anterior, concluimos que
∫ 1 [∞ ]1
∑ (−1)n x2n+1 ∑∞
(−1)n
e−x dx =
2
= .
0 n=0
n! 2n + 1 n=0
(2n + 1)n!
0
O valor do integral aparece como a soma duma série alternada. Vimos,
no capı́tulo anterior, como é que podemos determinar um valor aproximado
para a soma desta série alternada. Se, por exemplo, estivermos interessados
em determinar um valor aproximado da soma desta série cometendo um erro
inferior a 0.001, deveremos considerar n tal que
1 1
< .
(n + 1)!(2n + 3) 1000
Basta então considerar n = 4. O valor do integral é aproximadamente
igual a 1 − 31 + 10
1
− 42
1
.
53
Podemos ainda usar as séries de potências como uma ferramenta para
calcular limites.
Exemplo 2.16 Mais uma vez, partindo do desenvolvimento em série de

potências da função ex , concluimos que
2 3
ex −1−x (1+x+ x2! + x3! + . . . )−1−x
x2
= x2
=
1 x x2
= 2
+ 3!
+ 4!
+ ...
pelo que, usando a continuidade das séries de potências temos
ex − 1 − x 1
lim 2
= .
x→0 x 2
Exercı́cio 2.8 Determine uma representação em série de potências de x das

seguintes funções e indique o intervalo de convergência.
1 1
a) f (x) = b)f (x) = c) f (x) = ln(1 + x)
4 + x2 (1 + x)2
Exercı́cio 2.9 Determine uma representação em série de potências para as

seguintes primitivas.
∫ ∫
1 arctgx
a) 4
dx b) dx
1+x x
Exercı́cio 2.10 Use séries de potências para determinar o valor dos seguin-
tes integrais com um erro inferior a 10−7 .
∫ 0.5 ∫ 0.5
1
a) dx b) arctgx dx
0 1 + x7 0
Multiplicação e divisão de séries
Normalmente os primeiros termos duma série de potências são os mais

significativos. Para determinar o produto e o quociente de séries de potências
podemos fazê-lo como se de polinómios se tratasse.
54
Multiplicação
Vejamos,por exemplo, como determinar os primeiros três termos do de-

senvolvimento em série de potências da função 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 + . . .
Exercı́cio 2.11 Use a multiplicação de séries de potências para determinar

os três primeiros termos não nulos da série de Maclaurin da função definida
por f (x) = e−x cos x.
2
Divisão de séries
Podemos, de forma análoga, determinar os primeiros termos do desen-

volvimento em série de potências duma função quociente de duas funções,
das quais se conhece o desenvolvimento em série de potências. É fundamen-
tal que o termo independente do desenvolvimento em série de potências da
função que está em denominador seja não nulo.
Exemplo 2.17 Vejamos como determinar os primeiros três termos do de-

sin x
senvolvimento em série de potências da função tgx = cos x
.
Usando os desenvolvimento em série de potências das funções seno e
cosseno, podemos escrever
x3 x5
x− 3!
+ 5!
+ ...
tgx = .
1− x2
2!
+ x4
4!
+ ...
De seguida dividimos os polinómios e obtemos

x3 x5
x− + + ... 1 2
3! 5!
= x + x3 + x5 + . . . .
1− x2
2!
+ x4
4!
+ ... 3 15
Exercı́cio 2.12 Use a divisão de séries de potências para determinar os

três primeiros termos não nulos da série de Maclaurin da função definida
por f (x) = ln(1−x)
ex
.
55
Série binomial
Para certas aplicações pode ser importante conhecer a chamada série
binomial.
Para k ∈ R e x tal que |x| < 1 temos
k(k−1) 2 k(k−1)(k−2) 3
(1 + x)k = 1 + kx + 2!
x + 3!
x + ...
∞ (
∑ )
k
= xn
n
n=0
onde ( )
k k(k−1) . . . (k−n+1)
= n!
n
( )
k
= 1
0
Exercı́cio 2.13 Use a série binomial de potências para determinar√ o desen-

volvimento em série de potências da função definida por f (x) = 1 + x.
2.3 Séries de potências / Equações diferen-

ciais
Nesta secção iremos ver como é que as séries de potências podem ser usadas
para determinar a solução duma equação diferencial.
Este método de resolução de equações diferenciais consiste em procurar
a solução na forma duma série de potências
∑
∞
y(x) = Cn xn .
n=0
Substituimos esta expressão na equação diferencial e identificam-se as potências

do mesmo grau. Estabelecemos assim relações que devem ser verificadas pe-
los coeficientes Cn . Determinados estes valores de Cn , substituimo-los na
expressão de y e obtemos a solução.
56
Exemplo 2.18 Consideremos a equação diferencial
y ′′ + y = 0
e procuremos a sua solução na forma
∑
∞
y(x) = Cn xn .
n=0
A expressão de y ′ será então

∑
∞
′′
y (x) = n(n − 1)Cn xn−2 .
n=2
Para que possamos efectuar a identificação das potências do mesmo grau é

conveniente ter as várias séries envlovidas com a mesma variação. Sendo
assim escreveremos
∑∞
′′
y (x) = (n + 2)(n + 1)Cn+2 xn .
n=0
Substituindo na equação diferencial as expressões de y e y ′′ obtemos

∑
∞
[(n + 2)(n + 1)Cn+2 + Cn ]xn = 0
n=0
o que nos permite obter as seguintes relações:

(n + 2)(n + 1)Cn+2 + Cn = 0, n = 0, 1, 2, 3, . . .
ou seja
Cn
Cn+2 = − , n = 0, 1, 2, 3, . . .
(n + 2)(n + 1)
Se C0 e C1 são duas constantes arbitrárias então temos
C2 = − C20
C3 = − C61
C0
C4 = 4!
C1
C5 = 5!
C6 = − C6!0
.
.
.
C0
C2n = (−1)n (2n)!
C1
C2n+1 = (−1)n (2n+1)!
57
e para y obtemos
x2 x4 x6 2n
y = C0 [1 − 2
+ 4!
− 6!
x
+ . . . + (−1)n (2n)! + . . .]
x3 x5 x7 2n+1
+ C1 [x − 3!
+ 5!
− 7!
x
+ . . . + (−1)n (2n+1)! + . . .]
∑
∞
x2n ∑∞
x2n+1
= C0 (−1)n + C1 (−1)n
n=0
(2n)! n=0
(2n + 1)!
= C0 cos x + C1 sin x
Dum modo geral, a aplicação desta técnica não conduz a uma expressão
tão simples como aquela que obtivemos neste exemplo. Obteremos apenas o
desenvolvimento em série de potências da função solução.
A solução deste problema encontrada por esta via também poderá ser
obtida através da resolução analı́tica da equação diferencial.
Exemplo 2.19 Considere-se agora a equação diferencial de 1a ordem
y′ + y = 0
da qual também é conhecida a solução (y = Ae−x ).
Procurando uma solução desta equação sob a forma duma série de potências
∑
∞
y= Cn xn
n=0
após a substituição desta expressão de y na equação diferencial obtemos

∑
∞
((n + 1)Cn+1 + Cn )xn = 0.
n=0
Para que esta série seja nula teremos que ter

Cn
Cn+1 = − , n = 0, 1, 2, 3, ...
n+1
Daquı́ resulta
58
C0 = C0
C1 = −C0
C2 = − C20
C3 = − C60
C0
C4 = 4!
.
.
.
Cn = (−1)n Cn!0
Assim teremos
∑
∞
(−1)n C0 ∑
∞
(−1)n
y= xn = C0 xn = C0 e−x
n=0
n! n=0
n!
Que é justamente o resultados esperado.
Exercı́cio 2.14 Determine a solução das seguintes equações diferenciais,

usando séries de potências:
a) y ′′ − y ′ = 0 ; b) y ′ = x2 y
Exercı́cio 2.15 Usando séries de potências determine a solução dos seguin-

tes problemas de valor inicial:
a) y ′′ − xy ′ − y = 0 , y(0) = 1 ; y ′ (0) = 0
c) y ′′ = x2 y ; y(0) = −1 ; y ′ (0) = 0.
Exercı́cio 2.16
Usando séries de poências determine a solução das seguintes equações dife-
renciais:
a) y ′′ + xy ′ + y = 0 ; b) (x2 + 1)y ′′ + xy ′ − y = 0
59
1. Use o critério de Weierstrass para concluir que as seguintes séries são

uniformemente convergentes:
∑∞
ln n ∑∞
1 x
a) cos x, x ∈ [0, 2π] b) e , x ∈ [0, 100]
n=1
n2 + 1 n=1
n!
2. Determine o intervalo de convergência das seguintes séries
∑
∞ ∑
∞
(−1)n xn ∑∞
xn
n n
a) 3 x b) c)
n=1 n=1
n+1 n=2
lnn
3. Determine uma representação em série de potências para as seguintes

funções e indique o respectivo raio de convergência.
( )
1 1 1+x
a) f (x) = b) f (x) = c) f (x) = ln
x−5 (x + 1)3 1−x
∫ 1
4. Determine uma representação em série de potências da função 1+x6
dx.
5. Determine a série de Taylor em torno do valor dado, a, das seguintes

funções:
1
a) f (x) = , a=1 b) f (x) = x cos(2x), a = 0
x
6. Use a série binomial para representar em série de potências as seguintes

funções:
1 √
a) f (x) = b) f (x) = 1 + x2
(2 + x)3
7. Determine f (10) (0) para cada uma das funções do exercı́cio anterior.
8. (a) Represente em série de potências a função definida por

x
f (x) = (1−x)2.
∑∞
n
(b) Use a alı́nea anterior para determinar a soma da série .
n=1
2n
60
9. (a) Determine todos os valores de x para os quais a série
∑
∞
en n
(−1)n x
n=1
n2
é convergente.
(b) Determine todos os valores de x para os quais a série
∑
∞
en
(−1)n (x − e)n
n=1
n2
é convergente.
10. Determine um desenvolvimento em série de potências de x da função

f definida por
f (x) = log(e + x)
e o raio de convergência dessa série.
11. Sabendo que, se uma sucessão de funções contı́nuas (fn )n∈N , definidas
em X ⊂ R, converge uniformemente para uma função f , então f é uma
função contı́nua, prove o seguinte resultado:
∑∞
Se a série de funções n=1 gn converge uniformemente para S, em
X ⊂ R e gn são funções contı́nuas em X então S é uma função contı́nua.
Sugestão: Use a definição de série de funções.
8 n
12. (a) Calcule o limite da sucessão ( 1+8n )n∈N e diga, justificando, se a
n
n 8
sucessão ((−1) 1+8n )n∈N é convergente.
∑
∞
2n
(b) Determine o intervalo de convergência da série xn
n=1
1 + 8n
13. Para cada n ∈ N , considere fn : [0, 2π] → R definida por

ln n x
fn (x) = 3
(1 + sin ).
n n
∑
∞
Mostre que a série de funções fn , é uniformemente convergente.
n=1

x
f definida por f (x) = .
(1 + x)2
61
15. Mostre que a série de funções
∑
∞
1
, x ∈ [1, 100]
n=1
n(1 + nx)
é uniformemente convergente.
∑
∞
3n
16. Determine todos os valores de x para os quais a série xn é con-
n=1
n
vergente.

f definida por
x
f (x) = .
(2 + x2 )2
18. Considere a função f definida por
x
f (x) = .
(2 + x)2
(a) Determine um desenvolvimento em potências de x da função f .

∑∞
n
(b) Use o resultado anterior para determinar a soma da série .
n=1
2n
19. Determine um desenvolvimento em potências de x da função f definida

por
f (x) = ln(e + x2 ).
62
Capı́tulo 3
Matrizes e sistemas de
equações lineares
O problema central da Álgebra Linear é o estudo dos sistemas de equações

lineares.
Quando resolvemos um sistema de três equações com três incógnitas es-
tamos a determinar a intersecção de três planos. Como é sabido, essa inter-
secção pode ser um plano, uma recta, um ponto ou o conjunto vazio.
A resolução do sistema deverá permitir tirar estas conclusões. Embora o
estudo que iremos fazer não se limite apenas a sistemas de três equações a
três incógnitas, poderemos considerar sempre este exemplo como referência.
3.1 Motivação
Consideremos o seguinte sistema de três equações a três incógnitas

 2x + 3y + z = 8
4x + y + z = 10

−6x + 3y + 3z = −6
Como sabemos, resolver um sistema é determinar a sua solução, ou seja,
determinar os valores de x, y e z tais que a sua substituição no sistema
conduza a três identidades.
Vejamos um método novo, chamado Método de eliminação de Gauss, que
consiste em multiplicar a 1a equação por um coeficiente de tal forma que ao
somarmos a 1a e a 2a equações desapareça o termo em x. De seguida faremos
o mesmo para a 3a equação.
63
Multiplicamos então a 1a equação por −2 e adicionamos o resultado à 2a
equação. De seguida multiplicamos a 1a equação por 3 e adicionamos à 3a

equação. Obtemos então


 2 x + 3y + z = 8
− 5y − z = −6

12y + 6z = 18
Procedendo da mesma forma relativamente às 2a e 3a linhas, iremos mul-
tiplicar a 2a linha por 12 e adicionar à terceira, obtendo-se

5


 2x + 3y + z = 8


+ −5 y −
+ 18
5
z = −6
z = 18 5
Percebemos facilmente que da 3a equação obtemos z = 1 e que com esta

informação obtemos a partir da 2a equação y = 1 e da 1a equação x = 2.
A solução do sistema é então x = 2, y = 1 e z = 1. Se quisermos pensar
em termos geométricos podemos afirmar que a intersecção dos três planos é
um ponto.
Aos elementos assinalados 2 e −5 chamaremos pivots.
Vejamos agora outro exemplo onde a intersecção dos planos (solução do
sistema) poderá não ser um único ponto.
Exemplo 3.1 Consideremos então o seguinte sistema de três equações com

três incógnitas

 5y + 6z = 0
αy + 6z = 0

x + 7y + 8z = 1
Para usarmos a técnica anterior iremos efectuar uma troca de linhas e
escrever o sistema na forma


 x + 7y + 8z = 1
5 y + 6z = 0

αy + 6z = 0
Multiplicando a 2a equação por − α5 e adicionando o resultado à 3a equação
obtemos


 x + 7y + 8z = 1
5 y + 6z = 0

6(1 − 5 )z = 0
α
64
E concluı́mos que se α ̸= 5 a solução será x = 1, y = 0 e z = 0. Diremos
que o sistema tem uma e uma só solução. Em termos geométricos significa
que a interseccão dos três planos é um ponto.
Por outro lado, se α = 5, a última equação tem a forma 0.z = 0.Esta
equação será verificada por qualquer elemento de R. O sistema terá então,
não uma mas sim uma infinidade de soluções. Em termos geométricos a
intersecção dos três planos é 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.
Observação 3.1 Se, no exemplo anterior, tivessemos considerado a equação

αy+6z = 1 em vez da equação αy+6z = 0 terı́amos chegado à conclusão que,
no caso de α = 5, deverı́amos ter na 3a equação do último sistema 0.z = 1
o que é impossı́vel. Diremos neste caso que o sistema é impossı́vel o que
equivale a afirmar que a intersecção dos três planos é o conjunto vazio.
Exercı́cio 3.1 Determine α e β por forma que a intersecção dos planos de

equação x + 2y + 3z = 1; 2x + 2y + 3z = 2 e αx + βy = 1, onde α e β são
constantes reais, seja vazia.
Voltando ao exemplo modelo, iremos associar a esse sistema o conjunto

dos 9 coeficientes das incógnitas e o conjunto dos três termos independentes
que iremos escrever preservando a posição que têm 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(3×3) e que b tem 3 linhas e 1 coluna, b(3×1) . À
matriz b também é usual chamar matriz coluna.
Embora haja uma relação entre sistemas de equações lineares e matrizes
iremos abandonar a linguagem dos sistemas e concentrar-nos no estudo de
matrizes.
65
3.2 Operações com matrizes
Neste parágrafo iremos definir algumas operações elementares com matrizes
e estudar algumas das suas propriedades.
Para definir uma matriz necessitamos apenas de indicar o seu tipo, isto
é, o número de linhas n e o número 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 é, o número de linhas é igual ao número de colunas então

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

aij é 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 determinação da matriz AT a partir de A é muito simples. Basta
colocar nas colunas de AT as linhas de A.
Exemplo 3.2 Se

[ ] 1 4
1 2 3
A= então AT =  2 5 
4 5 6
3 6
66
Exercı́cio 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 número por uma matriz

Sejam k ∈ R e A uma matriz. Então k.A é a matriz cujo elemento que
está na posição (i, j) é o produto de k pelo elemento de aij da matriz A.
Exemplo 3.3 Se k = 3 e A é a matriz definida por

   
2 3 4 6 9 12
A= 5 6 7  então k.A =  15 18 21 
8 9 0 24 27 0
Exercı́cio 3.4 Construa a matriz k.A onde k = −2 e A é a matriz definida

no exercı́cio 3.2.
Observação 3.2 Podemos definir o produto dum número 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 definição 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
Exercı́cio 3.5 Determine a matriz A + B onde A = (aij ) e B = (bij ) são
duas matrizes do tipo (4 × 3) definidas por
aij = i − j e bij = i + j
67
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
cij = aik .bkj
k=1
Observação 3.3 Só podemos definir o produto A.B de duas matrizes A e

B se o número de colunas de A for igual ao número 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 definição 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 3×3 e f 3×2 8a + 9c 8b + 9d 3×2
Exercı́cio 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
Exercı́cio 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
Observação 3.4 O elemento da matriz produto AB que se encontra na

posição (ij) é 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 )
68
podemos concluir que o elemento (ij) da matriz produto A.B é igual ao pro-
duto escalar ( interno) da linha i de A com a transposta da coluna j de B.
Isto é,
(ai1 , ai2 , ..., ain ).(b1j , b2j , ..., bnj )
Definição: 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.
Definição: Chamaremos matriz identidade (n × n) à matriz cujos elementos

da diagonal principal são iguais a 1 e todos os outros são nulos.
Exemplo 3.6 As matrizes identidade 3 × 3 e 4 × 4 são 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 é a matriz
que representaremos por A−1 que verifica
A.A−1 = In ou A−1 .A = In
Observação 3.5 Nem sempre existe inversa duma matriz A. No caso de

existir, a matriz A dir-se-á invertı́vel.
Exemplo 3.7 Se
[ ] [ ]
1 2 −1 −1 2
A= então A =
1 1 1 −1
Podemos mostrar que, se A e B são duas matrizes invertı́veis então A.B

é uma matriz invertı́vel e
(A.B)−1 = B −1 .A−1
69
Existem resultados que garantem a invertibilidade duma matriz e que
estabelecem um método para a determinação da inversa. Este assunto será
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 número, ou adicionam a uma linha ou uma coluna
uma outra linha ou coluna, previamente multiplicada por um número.
Consideremos então as seguintes matrizes
1. Eij (α) - Obtida de In colocando α na posição (ij) (para i ̸= j)
2. Pij - Obtida de In trocando a linha i com a linha j.
3. Di (α) - Obtida de In multiplicando a linha i por α.
Exercı́cio 3.8 No caso n = 3 determine P23 , E21 (2) e D3 (2).
Exercı́cio 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 à esquerda e depois à direita.
2. Efectue o produto de A por E21 (2) à esquerda e depois à direita.
3. Efectue o produto de A por D3 (2) à esquerda e depois à direita.
4. Qual o efeito sobre A das operações anteriores ?
A resposta ao número 4 do exercı́cio anterior, no que à multiplicação à

esquerda diz respeito, pode ser generalizada da seguinte forma:
1. Ao multiplicarmos à esquerda uma matriz A por Eij (α) obtemos a

matriz que resulta de adicionarmos à linha i de A a linha j depois de
multiplicada por α.
70
2. Ao multiplicarmos à 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 à esquerda uma matriz A por Di (α) obtemos a ma-

triz que resulta de multiplicarmos a linha i de A por (α).
Observação 3.6 A multiplicação à direita duma matriz A por uma matriz

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

sistema de equações lineares em termos de matrizes. Usando o exemplo
inicial

 2x + 3y + z = 8
4x + y + z = 10

−6x + 3y + 3z = −6
podemos escrevê-lo na forma
     
2 3 1 x 8
 4 1 1  .  y  =  10 
−6 3 3 z −6
À matriz  
2 3 1
 4 1 1 
−6 3 3
chamamos matriz do sistema ou matriz dos coeficientes e à matriz
 
8
 10 
−6
71
chamamos matriz coluna dos termos independentes.
Se tivermos presente o que foi feito anteriormente para a resolução de

sistemas, usando o método de eliminação de Gauss, podemos traduzir essas
passagens em termos de matrizes usando as operações com matrizes e as
matrizes elementares definidas anteriormente.
Iremos apresentar o método de eliminação de Gauss, com que introduzi-
mos este capı́tulo, usando a formulação matricial.
1o passo: Multiplicar a linha 1 por (−2) e adicionar o resultado à linha

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

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

por E32 ( 12
5
).
Partimos do sistema
A.X = b
e transformá-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.
72
Definição: Diremos que U é uma matriz em escada se
(i) o primeiro elemento não nulo numa linha se encontra na posição j
então a linha seguinte começa com pelo menos j elementos nulos.
(ii) se houver linhas totalmente constituı́das 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.
Exercı́cio 3.10 Identifique, de entre as seguintes matrizes, aquelas que não

são 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
Definição: Dada uma matriz qualquer A do tipo (n × m) definiremos

a sua caracteristica (car(A)), como sendo o número de pivots que aparecem
quando se usa o método de eliminação de Gauss. De outro modo, poderemos
definir caracterı́stica de A como o número de linhas não nulas da matriz U .
Exemplo 3.9 A matriz A definida abaixo, tem caracterı́stica 2

 
1 2 3 4
A=  2 4 6 8 
1 1 2 4
Exercı́cio 3.11 Determine a caracteristica das matizes do exercı́cio ante-

rior.
73
Exercı́cio 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
Definição: Se A é uma matriz quadrada do tipo (n × n) então:

Se car(A) < n ⇒ A diz-se singular
Se car(A) = n ⇒ A diz-se não-singular
Exercı́cio 3.13 Dê um exemplo duma matriz do tipo (3×3) que seja singular
e de outra que seja não-singular.
Voltemos ao sistema escrito na forma matricial
U.X = c
Sendo U uma matriz em escada este sistema é resolvido duma forma
simples ”de baixo para cima”.
Observação 3.7 A resolução 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 composição. No entanto, se
usarmos a matriz inversa de M , que representaremos por L, que é definida
duma forma automática por sobreposição dos simétricos dos multiplicadores
colocados na respectiva posição, poderemos tirar partido em termos de custo
de cálculo. No caso do exemplo modelo
 
1 0 0
12
L = E21 (2).E31 (−3).E32 (− ) =  2 1 0 
5
−3 − 12 5
1
74
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

É neste princı́pio que assenta o método de eliminação de Gauss que a
seguir apresentamos.
Definição: À decomposição de A no produto
A(m×n) = L(m×m) .U(m×n)
onde L é uma matriz triangular inferior (que tem elementos não nulos apenas
abaixo da diagonal principal) com 1 na diagonal e U uma matriz em escada,
chamamos factorização LU .
Observação 3.8 O processo de determinação desta decomposição L.U foi já

referido anteriormente. Em especial a determinação de U que é feita usando
a eliminação de Gauss. Quanto à matriz L, inversa de M ela é determinada
duma forma simples. Note-se que a matriz M é o produto de matrizes Eij (α)
e que temos (Eij (α))−1 = Eij (−α). Consequentemente, a matriz L, sendo o
produto das inversas se Eij (α) por ordem inversa é fácil de determinar. Basta
colocar na posição ij da matriz os simétricos dos respectivos multiplicadores.
Se houver necessidade de efectuar trocas de linhas, quando se efectua a
eliminação de Gauss, definidas por uma matriz de permutação P iremos obter
a decomposição L.U da matriz P A em vez da decomposição de A. Existe
sempre uma permutação P tal que é possı́vel factorizar P A nesta forma.
Exemplo 3.10 Vejamos num exemplo como se pode implementar o método

de factorização LU duma matriz A quando não há necessidade de efectuar
trocas de linhas. Consideremos então a matriz A definida por
75
 
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, à partida, são conhecidos.
 
1 0 0 0
 1 0 0 
L= 

1 0 
1
Iniciamos então processo de eliminação de Gauss. Começamos por mul-

tiplicar a primeira linha por (−1) e adicionamos à segunda linha. Como
vimos isto é equivalente a multiplicar A por E21 (−1) cuja inversa é E21 (1).
Voltamos à matriz L e colocamos 1 na posição (21). Continuamos com o
método 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 então nesta altura
 
1 0 0 0
 1 1 0 0 
L=
 2

1 0 
3 1
De seguida passamos para a segunda linha e multiplicamos o seu primeiro

elemento não nulo (2) por (−2) e adicionamos à linha 4. De seguida atu-
alizamos a matriz L. Continuamos o processo e de eliminação de Gauss e
obteremos
76
     
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 0 −3 0  →  0 0 −3 0   0 0 −3 0 
0 4 −6 −8 0 0 −4 −6 0 0 0 −6
As operações efectuadas permitem definir novos elementos para L.

Obtemos então
 
1 0 0 0
 1 1 0 0 
L=  2 0 1 0 

3 2 43 1
e  
1 −1 2 3
 0 2 −1 −1 
U =  0 0 −3 0 

0 0 0 −6
Temos então a decomposição LU da matriz 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 
A≡    
 2 −2 1 6  =  3 2 1 0  .  0 0 −3 0


3 1 0 1 2 0 34 1 0 0 0 −6
A análise de U permite concluiur que a caracterı́stica de A é 4.
Exercı́cio 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 factorização P.A = L.U .
b) a caracterı́stica de A (car(A)).
77
3.4 Algoritmo de eliminação de Gauss para
resolução de sistemas
A.X = b
Iremos considerar vários casos de acordo com a forma da matriz A.
3.4.1 Matrizes quadradas não-singulares
Podemos considerar vários passos que levam à resolução 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 razão
do seu aparecimento. No caso se não 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: Factorização de A.
Das expressões 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
78
Passo 2: Resolver LC = b.
Isto é,      
1 0 0 c1 8
 2 1 0  .  c2  =  10 
−3 − 12
5
1 c3 −6
A solução deste sistema é C1 = 8, C2 = −6 e C3 = 18
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.
Exercı́cio 3.15 Use o método anterior para determinar a solução do sistema


 x + z = 2
3x + 2y = 1

−2x + z = 2
Exemplo 3.12 Consideremos agora o exemplo 3.1 com α = 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 começámos 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
79
Neste caso
   
1 7 8 1
P.A =  0 5 6  e P.b =  0 
0 2 6 0
Passo 1: Factorização de P.A.
Do processo de eliminação 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 é,      
1 0 0 c1 1
 0 1 0  .  c2  =  0 
0 25 1 c3 0
A solução deste sistema é C1 = 1, C2 = 0 e C3 = 0.
Isto é,      
1 7 8 x1 1
 0 5 8  .  x2  =  0 
18
0 0 5
x3 0
cuja solução é x1 = 1, x2 = 0 e x3 = 0.
Exercı́cio 3.16 Use o método anterior para determinar a solução do sistema


 x + y + z = 0
x + y + 2z = 0

y + z = 1
80
3.4.2 Caso geral
Iremos agora considerar o caso geral dum sistema qualquer começando por
estudar os chamados sistemas homogéneos.
Chamamos sistema homogéneo a todo o sistema em que o segundo

membro, dos termos independentes é nulo, isto é b = 0.
Consideremos então um sistema da forma
A.X = 0
onde A é uma matriz do tipo m × n. Significa então que temos um sistema
com m equações e n incógnitas.
O método de resolução dum sistema deste tipo pode ser descrito da se-
guinte forma:
10 Passo: Determinação da matriz em escada U usando o método de

eliminação de Gauss.
Admitamos que car(A) = r.
20 Passo: No sistema U.X = 0 separamos as incógnitas básicas, cor-
respondentes às colunas com pivots, das outras a que chamaremos livres. Se
não houver incógnitas livres, a única solução do sistema é X = 0.
30 Passo: Para cada uma das (n − r) incógnitas livres deveremos
proceder da seguinte forma: damos o valor 1 a essa incógnita e zero às
outras incógnitas livres e resolve-se o sistema com r equações que daı́ resulta.
Obtemos (n − r) soluções Wi destes sistema
40 Passo: O conjunto solução que representamos por N (A) tem a
seguinte forma:
{ n−r }
∑
N (A) = αi .Wi , com αi ∈ R e Wi determinados no 30 Passo
i=1
Exemplo 3.13 Consideremos o sistema homogéneo


 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
81
cuja matriz associada é
 
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: Determinação da matriz em escada U usando o método de

eliminaçãode 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
Concluı́mos daqui que car(A) = 4
20 Passo: No sistema U.X = 0 as incógnitas livres são as corres-
pondentes às colunas sem pivot. Neste caso, concluı́mos sem dificuldade que
essas incógnitas são x3 e x5 .
30 Passo: Para a incógnita livre x3 deveremos proceder da seguinte
forma: no sistema U.X = 0 damos o valor 1 a essa incógnita e zero à outra
incógnita livre x5 e consideramos o seguinte sistema


 x1 − x2 − 5x6 = −2

x2 + x4 = −4

 x4 + x6 = 0

x6 = 0
cuja solução é
 
−6
 −4 
 
 1 
W1 =  0 

 
 0 
0
82
Para a incógnita livre x5 deveremos proceder da mesma forma: damos
o valor 1 a essa incógnita e zero à outra incógnita livre x3 e consideramos
respectivo sistema 

 x1 − x2 − x6 = −3

x2 + x4 = −2

 x4 + x6 = 1

x6 = 0
cuja solução é
 
−6
 −3 
 
 0 
W2 = 



 1 
 1 
0
40 Passo: O conjunto solução será então
N (A) = {α1 .W1 + α2 .W2 , com αi ∈ R e Wi determinados anteriormente}
Ou seja o conjunto solução é definido pelos vectores coluna da forma

 
−6α1 − 6α2
 −4α1 − 3α2 
 
 α 
S= 
1 
 α2 
 α2 
0
Exercı́cio 3.17 Determine a solução geral do sistema


 x − 2y + z + 3w = 0
5x − 10y + 8z + 18w = 0

3x − 6y + 5z + 11w = 0
83
Classificação dos sistemas:
Possı́veis: - Determinados (quando têm uma única solução)
- Indeterminados (quando têm mais do que uma solução)
Impossı́veis: - Quando não têm solução
Dos resultados que se seguem poderemos tirar informação sobre a forma

como a classificação anterior pode ser estabelecida.
Teorema 3.1 Seja A uma matriz do tipo (m × n). Então, sobre o sistema
A.X = b
podemos afirmar
1. A.X = b é possı́vel para todo o b sse car(A) = m.
2. Sendo A.X = b possı́vel ele será determinado sse car(A) = n.
Teorema 3.2 Considere-se o sistema homogéneo
A.X = 0
onde A é uma matriz do tipo (m × n) com n > m, isto é o sistema tem mais
incógnitas do que equações. Nestas condições o sistema é indeterminado.
Teorema 3.3 Se
A.X = b
é um sistema possı́vel e y é uma sua solução particular, então o conjunto das
soluções do sistema é dado por
{y + u : u ∈ N (A)}
onde, como vimos, N (A) representa o conjunto das soluções do sistema ho-
mogéneo associado A.X = 0.
84
Exercı́cio 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 resolução de sistemas arbitrários

Depois dos casos particulares considerados e das considerações gerais que
fizemos estamos em condições de estabelecer um algoritmo para resolver sis-
temas da forma
A.X = b
onde A é uma matriz qualquer do tipo m × n.
• 10 Passo - Factorizar P.A, isto é, decompôr
P A = LU
Se não houver troca de linhas P = Im . Admitamos que car(A) = r.
• 20 Passo - Resolução de Lc = P b.
Se os últimos (m − r) elementos de c não forem todos nulos o sistema
inicial é impossı́vel.
• 30 Passo - No sistema U.X = c separam-se as incógnitas em básicas e

livres.
85
• 40 Passo - Dá-se o valor 0 às incógnitas livres e resolve-se o sistema
com r equações daı́ resultante. A solução x∗ deste sistema é também
solução de A.X = b. Será a solução particular referida no Teorema 3.3
• 50 Passo - Consideramos o sistema homogéneo A.X = 0 e construı́mos

N (A).
• 60 Passo - O conjunto das soluções de A.X = b é 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 resolução.
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 é a mesma que apareceu no exemplo anterior, e
à qual já aplicámos o método de eliminação de Gauss. O processo que foi
usado corresponde à multiplicação 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
86
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 - Resolução 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 solução é c1 = −1, c2 = 2, c3 = 0 e c4 = 1.
30 Passo - No sistema U.X = c separam-se as incógnitas em básicas 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 incógnitas livres são x3 e x5 .
40 Passo - Dá-se o valor 0 às incógnitas livres e resolve-se o sistema com r

equações daı́ resultante.
Considerando então 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 é obtida eliminando em U as colunas 3 e 5. No
vector das incógnitas eliminamos as linhas 3 e 5.
87
A solução deste sistema é x1 = 7, x2 = 3, x4 = −1 e x6 = 1.
50 Passo - O sistema homogéneo A.X = 0 associado ao sistema, foi consi-

derado no exemplo 3.13.
Chegámos à conclusão que
N (A) = {(−6α1 − 6α2 , −4α1 − 3α2 , α1 , α2 , α2 , 0) : α1 , α2 ∈ R}
60 Passo - O conjunto das soluções do sistema inicial é dado por
{(7 − 6α1 − 6α2 , 3 − 4α1 − 3α2 , α1 , −1 + α2 , α2 , 1) : α1 , α2 ∈ R}
Exercı́cio 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 Cálculo da inversa duma matriz

Definimos anteriormente inversa duma matriz mas não demos, na altura,
nenhum processo para a sua determinação. O processo de eliminação de
Gauss pode ser usado para determinar a inversa duma matriz desde que ela
seja invertı́vel.
O resultado que se segue garante a invertibilidade duma matriz quadrada
n × n e será usado no processo de inversão que iremos usar.
Teorema 3.4 Uma matriz quadrada A(n×n) é invertivel sse car(A) = n.
Iremos apresentar o método para determinação da inversa duma matriz

de Gauss-Jordan, recorrendo a um exemplo.
88
Exemplo 3.15 Seja
 
1 2 0
A =  3 −1 −2 
−2 3 −2
Consideremos a matriz (n × 2n) definida por [A(n×n) |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 eliminação 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 é

invertı́vel.
De seguida iremos usar o processo de eliminação de Gauss ascendente
tentando obter zeros na parte superior de A. Para isso começamos por mul-
tiplicar última linha desta matriz por − 21 e adicionamos à linha acima e
continuamos o processo
   
1 2 0 | 1 0 0 1 0 0 | 2
7
1
7
− 1
7
 0 −7 0 | − 52 12 − 12  →  0 −7 0 | − 52 12 − 12 
0 0 −4 | −1 1 1 0 0 −4 | −1 1 1
Agora multiplicamos a segunda linha por − 17 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 
 
0 0 1 | 4 −4 −4
1 1 1
89
A inversa de A será então a matriz
 2 
7
1
7
− 17
 
 
A −1
=

5
14
− 14
1 1
14


 
1
4
− 14 − 14
Algoritmo:(Cálculo da inversa de An×n )
1o Passo: Construção da matriz do tipo n × 2n.
2o Passo: Eliminação de Gauss descendente.
3o Passo: Eliminação de Gauss ascendente.
4o Passo: Obtenção da matriz identidade no lugar da matriz A..
Exercı́cio 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
Exercı́cio 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 solução do sistema
 
1

A.X = 1 
2
90
3.6 Determinantes
Neste parágrafo iremos introduzir a noção de determinante, associada a uma
matriz quadrada.
Daremos a definição 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(n×n) 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 = . . . .
.
.
.
91
Iremos agora expor um conjunto de propriedades que poderão ser úteis
para o cálculo de determinantes. Em alguns casos consideraremos o caso
particular de matrizes (3 × 3) mas os resultados continuam válidos para um
valor de n qualquer.
Exercı́cio 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  α.a21 α.a22 α.a23  = α.det  a21 a22 a23 
a31 a32 a33 a31 a32 a33
3. Se uma matriz A tiver uma linha (coluna) múltipla da outra, então

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 é simétrico do determinante de A.
5. det(A.B) = detA × detB
6. detA−1 = 1
detA
92
Consequências
1. Seja A uma matriz quadrada e U a matriz que se obtém de A pelo

método de eliminação de Gauss, então,
detA = ±detU
2. Se A é uma matriz quadrada triangular superior ou triangular inferior

então detA é igual ao produto dos elementos da diagonal principal.
3. Teremos o seguinte resultado:
An×n é invertı́vel ⇔ car(A) = n ⇔ detU ̸= 0 ⇔ detA ̸= 0
Exercı́cio 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
Exercı́cio 3.24 Use determinantes para averiguar se as seguintes matrizes

são invertı́veis:
   
1 1 1 1 1 0
a) A =  0 0 1  b) B =  −1 1 −1 
0 1 0 2 2 1
93
Observação 3.9 Para o cálculo 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 )
Exercı́cio 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 decomposição 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 eliminação 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+z−4 = 0
94
3. Determine a solução geral dos seguintes sistemas:

{ 
 x1 + x2 + x3 + x4 = 0

x+z−y = 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+z−y = 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
95
8. Calcule o determinante das seguintes matrizes usando, sempre que
possı́vel, propriedades que lhe permitam simplificar o cálculo.
   
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 é uma matriz do tipo (n × n) então, para todo o α ∈ R temos
det(αA) = αn detA
(b) Qual o valor de det(−A)?
96
Capı́tulo 4
Espaço vectorial Rn
Embora a noção de espaço vectorial possa ser apresentada duma forma abs-
tractra iremos neste curso trabalhar apenas no espaço vectorial Rn
4.1 Espaço e subespaço vectorial e subespaço

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

onde estão definidas as seguintes operações:
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 , ∀α ∈ R
α.(x1 , x2 , ..., xn ) = (αx1 , αx2 , ..., αxn )
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 . . . xn ou  
 . 
 
 . 
xn
97
Toda a teoria que iremos desenvolver neste capı́tulo é válida para todo o
n ∈ N no entanto iremos efectuar a sua apresentação recorrendo, na maior
parte dos casos a R2 e R3 onde a visualização geométrica é possı́vel.
Definição: A um subconjunto F de Rn que verifique:
1. F ̸= ∅
2. ∀u, v ∈ F ⇒ u + v ∈ F
3. ∀u ∈ F, ∀α ∈ R ⇒ αu ∈ F
chamamos subespaço vectorial de Rn .
Exemplo 4.1 Em R2 , as rectas que contém a origem são subespaços

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

ainda é um elemento de r.
3. Dados (x, mx) ∈ r e α ∈ R então
α(x, mx) = (αx, αmx) = (αx, m(αx))

que é ainda um elemento de r.
Exercı́cio 4.1 Mostre que, em R3 , tanto as rectas como os planos que pas-
sam pela origem, são subespaços de R3 .
Definição: Se v1 , v2 , ..., vk são k vectores de Rn então a
v = α1 .v1 + α2 .v2 + ... + αk .vk
98
com αi ∈ R, chamamos combinação linear de v1 , v2 , ..., vk .
O conjunto de todas as combinações lineares possı́veis de v1 , v2 , ..., vk ,
{α1 .v1 + α2 .v2 + ... + αk .vk : αi ∈ R, i = 1, 2, ...k} ,
será denotado por
L {v1 , v2 , ..., vk } .
Pode provar-se que este conjunto é um subespaço vectorial de Rn que será
chamado subespaço gerado pelos vectores v1 , v2 , ..., vk .
Exemplo 4.2 Sejam v1 = (1, 0, 0) e v2 = (0, 1, 0) dois elementos de R3 .
Então
L {v1 , v2 } = {α1 .v1 + α2 .v2 : α1 , α2 ∈ R} =
= {α1 .(1, 0, 0) + α2 .(0, 1, 0) : α1 , α2 ∈ R} =
= {(α1 , α2 , 0) : α1 , α2 ∈ R} =
= {(x, y, z) ∈ R3 : z = 0}
Como sabemos este conjunto é o plano z = 0.
Exercı́cio 4.2 Identifique o subespaço L {v1 , v2 } de R3 onde
v1 = (1, 1, 0) ; v2 = (0, 0, 1)
Definição: Seja A uma matriz do tipo (m × n). Então
(i) O subespaço de Rm gerado pelas colunas de A será representado por

C(A).
(ii) O subespaço de Rn gerado pelas linhas de A será representado por
R(A).
Exemplo 4.3 Seja [ ]
1 0 1
A=
0 1 2
então
{( ) ( ) ( )}
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
99
Teorema 4.1 O sistema Ax = b é possı́vel sse b ∈ C(A).
Observação 4.1 Este resultado estabelece uma relação entre sistemas e a

noção de subespaço gerado por um conjunto de vectores.
4.2 Dependência e independência linear
Definição: Os vectores v1 , v2 , ..., vk dizem-se linearmente independentes se

nenhum deles for combinação linear dos outros. Caso contrário dizem-se
linearmente dependentes.
Duma forma equivalente, podemos afirmar que v1 , v2 , ..., vk são linear-
mente independentes se
α1 .v1 + α2 .v2 + . . . + αk .vk = 0 ⇒ α1 = α2 = . . . = αk = 0
Isto significa que só é possı́vel escrever o vector nulo como combinação
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 β
onde β é um número real que será fixado posteriormente. Vejamos se estes
vectores são linearmente independentes.
Consideremos então uma sua combinação linear igual a zero
       
2 1 1 0
α1  0  
+ α2 1  + α3  1  =  0 
1 0 β 0
e vejamos se temos que ter necessariamente α1 = α2 = α3 = 0.
Em termos matriciais podemos escrever
     
2 1 1 α1 0
 0 1 1  .  α2  =  0 
1 0 β α3 0
100
Trata-se dum sistema que podemos resolver pelo método de eliminação de
Gauss. Teremos então
     
2 1 1 2 1 1 2 1 1
 0 1 1 → 0 1 1 → 0 1 1 =U
1 0 β 0 −2 −2 + β
1 1
0 0 β
Podemos então concluir que, se β ̸= 0 então car(A) = 3 e portanto, como
o sistema é homogéneo terá apenas a solução nula, isto é,
(α1 , α2 , α3 ) = (0, 0, 0). Se β = 0 então car(A) = 2 e o sistema é indetermi-
nado, existindo uma infinidade de soluções. No primeiro caso, os vectores
dados são linearmente independentes enquanto que, no segundo caso, são
linearmente dependentes.
Critério: ( Independência linear)
Os vectores v1 , v2 , . . . , vk são linearmente independentes se e só se o

sistema Ax = 0, onde A é a matriz cujas colunas são os vectores v1 , v2 , ..., vk ,
for determinado.
Consequência: Se k > n então quaisquer k vectores de Rn são linearmente

dependentes
Exercı́cio 4.3 Verifique se os seguintes vectores de R2 são linearmente in-

dependentes:
(1 , 2) ; (2 , 1)
Exercı́cio 4.4 Verifique se os seguintes vectores de R3 são linearmente in-
dependentes:
(1 , −1 , 0) ; (2 , −2 , 0)
Definição: Seja F um subespaço de Rn . Um conjunto de vectores v1 , v2 , ..., vk

de F é dito uma base de F se forem linearmente independentes e
L {v1 , v2 , ..., vk } = F
Exemplo 4.5 Em R3 os vectores
     
1 0 0
 0   1   0 
0 0 1
101
constituem uma base de R3 . Para fundamentar esta afirmação iremos começar
por verificar que são linearmente independentes. Basta construir a matriz A
cujas colunas são os vectores dados e cuja caracteristica é 3
 
1 0 0
A= 0 1 0 
0 0 1
concluir que o sistema AX = 0 é determinado e, portanto, os vectores são
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 .
Observação 4.2 À base {(1, 0, 0), (0, 1, 0), (0, 0, 1)} chamamos base canónica
de R3 .
Do mesmo modo {(1, 0), (0, 1)} é a base canónica de R2
Exemplo 4.6 Consideremos em, R2 , uma recta r que passe pela origem.
Vimos anteriormente que r é definida por
r = {(x, mx) : x ∈ R}
Podemos afirmar que

{(1, m)}
é uma base de r.
Obviamente que
α(1, m) = (0, 0) ⇔ (α, αm) = (0, 0) ⇔ α = 0
e portanto é linearmente independente.

Por outro lado, sendo
L {(1, m)} = {x(1, m) : x ∈ R} = {(x, xm) : x ∈ R} = r

concluimos que {(1, m)} é uma base de r.
Definição: Seja F um subespaço vectorial de Rn . Ao número de ele-

mentos duma base de F chamamos dimensão de F (dim F ).
102
Teorema 4.2 Se {v1 , v2 , . . . , vp } for um conjunto de vectores linearmente
independentes e w ∈
/ L{v1 , v2 , . . . , vp } então v1 , v2 , . . . , vp , w são linear-
mente independentes.
Observação 4.3 Se dim F = k e {v1 , v2 , . . . , vk } são linearmente inde-

pendentes então estes vectores constituem uma base de F .
Este resultado permite construir bases dum espaço ou dum subespaço

vectorial.
Exemplo 4.7 Consideremos os vectores

   
1 0
 0   1 
1 0
que são linearmente independentes (verificar) e o subespaço
      
 1 0   α 
L  0  ,  1  =  β  : α, β ∈ R
   
1 0 α
Tendo em conta a forma dos elementos deste subespaço, em que as pri-
meira e terceira componentes são iguais, para que um elemento não pertença
a este subespaço basta escolher um elemento que não tenha esta propriedade.
Obviamente que
     
1  1 0 
w=  0  ∈
/L  0  ,  1 
 
0 1 0
Do resultado anterior concluı́mos que
     
 1 0 1 
 0  ,  1  ,  0 
 
1 0 0
são linearmente independentes.
Exercı́cio 4.5 Determine um vector w tal que os vectores

{( ) }
1
,w
1
constituam uma base de R2
103
Exercı́cio 4.6 Determine um vector w tal que os vectores
    
 1 1 
 0 , 1 ,w
 
1 2
Exercı́cio 4.7 Determine vectores w e v tais que os vectores

  
 1 
 1  , w, v
 
1
Observação 4.4 Se {v1 , v2 , . . . , vk } é uma base de F e
w = w1 .v1 + w2 .v2 + . . . + wk .vk

então a w1 , w2 , . . . wk chamamos componentes de w na base {v1 , v2 , . . . , vk }
Exercı́cio 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)
Observação 4.5 Se dimF = k , com k > 0 então qualquer conjunto de k

vectores de F que gere F é uma base de F .
Exercı́cio 4.9 Determine uma base do subespaço vectorial F de R3 definido

por
{ }
F = (x, y, z) ∈ R3 : x + y + z = 0
Exercı́cio 4.10 Construa uma base dum qualquer plano π de R3 que conte-
nha a origem.
Exercı́cio 4.11 Construa uma base duma recta r de R3 que contenha a ori-
gem.
104
4.3 Caracterı́stica duma matriz
Seja Am×n uma matriz. Definimos
C(A) = Subespaço gerado pelas colunas de A
R(A) = Subespaço gerado pelas linhas de A
N (A) = Subespaço definido pelo conjunto das soluções de Ax = 0

Nesta secção iremos caracterizar a dimensão de cada um destes subespaços
e dar processos para a determinação das suas bases.
Teorema 4.3 Denotando a dimensão de N (A) por nul(A), teremos
nul(A) = n − car(A)
e uma base de N (A) pode ser determinada pelo método de eliminação de

Gauss como se explicará no exemplo que se segue.
Exemplo 4.8 Consideremos então 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 método de eliminação de Gauss somos conduzidos à matriz U defi-
nida por
 
1 2 0 1 0
U = 0 0 1 2 1 
0 0 0 2 1
As incógnitas livres são x2 e x5 . Consideramos então, 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
105
cuja solução é 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 solução é w2 = ( 12 , 0, 0, − 12 , 1). Então {w1 , w2 } é uma base de N (A) .
Exercı́cio 4.12 Determine N (A) e nul(A) onde A é 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) é constituı́da pelas colunas de A correspondentes às
colunas de U com pivots.
No caso do exemplo anterior

     
 1 0 1 
 −1  ,  1  ,  1 
 
1 0 3
é uma base de C(A).
Observação 4.6 Embora tenhamos dim C(A) = dim C(U ) não é 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) é constituı́da pelas linhas não nulas de U . Teremos

dim R(A) = car(A).
106
Considerando, mais uma vez, a matriz do exemplo anterior podemos então
concluir que
     

 1 0 0 

 2   0   0  
      
 0 , 1 , 0 
      

    2   2  
 1
 

0 1 1
é uma base de R(A).
Conclusão: Teremos
dim R(A) = dim C(A) = car(A).
4.4 Transformações lineares

Uma transformação linear ou operador linear T é uma aplicação
T : Rn → Rm
que verifica
1. T (u + v) = T (u) + T (v), ∀u, v ∈ Rn
2. T (αu) = αT (u), ∀u ∈ Rn , ∀α ∈ R
Exemplo 4.9 As aplicações abaixo definidas são transformações 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)
107
5.
T : R3 → R3
(u, v, z) → (u, v, 0)
Dado um operador linear
T : Rn → Rm
e considerando as bases canónicas {e1 , e2 , . . .en } e {e∗1 , e∗2 , . . .e∗m } de Rn e

Rm , respectivamente, a imagem dum elemento ej é um elemento de Rm que
se escreverá como combinação linear de elementos da base Rm . Assim,
T (ej ) = α1 .e∗1 + α2 .e∗2 + . . . + αm .e∗m .

Com as componentes α1 , α2 , . . . , αm construimos a seguinte matriz A:
coluna j
 ↓ 
. . α1 . .
 . . α2 . . 
 
A= 
 . . . . . 

 . . . . . 
. . αm . .
Pode-se provar que
T (u) = [A] .[u], ∀u ∈ Rn (∗)

À matriz assim definida chamamos matriz associada ao operador linear
T.
Reciprocamente, dada uma matriz A, podemos associar-lhe um operador
linear a partir da relação (∗).
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
é tal que
(( )) ( )
1 2
T =
0 −1
e (( )) ( )
0 4
T =
1 1
108
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 θ ∈ [0, 2π] um valor fixo, então o operador linear
T : R2 → R2 definido por
(( )) ( ) (( )) ( )
1 cos θ 0 − sin θ
T = ; T =
0 sin θ 1 cos θ
Define uma rotação em torno da origem.
Exercı́cio 4.13 Seja θ ∈ [0, 2π] e considere o operador linear T : R3 → R3

tal que
           
1 cos θ 0 − sin θ 0 0
T  0  =  sin θ  ; T  1  =  cos θ  ; 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 .
Exercı́cio 4.14 Seja ϕ ∈ [0, 2π] e considere o operador linear S : R3 → R3

tal que
           
1 1 0 0 0 0
S  0  =  0  ; S  1  =  cos ϕ  ; S  0  =  − sin ϕ 
0 0 0 sin ϕ 1 cos ϕ
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.
109
1. Verifique se
F = {(x, x, 0, 0) : x ∈ R}
é um subespaço de R4
2. Mostre que uma recta r em R2 que não contenha a origem não é um

subespaço vectorial de R2 .
3. Em R3 identifique, analitica e geometricamente, o subespaço
L{(1, 1, 1), (0, 0, −1)}.
4. Determine uma base dos seguintes subespaços 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 canónica 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))
110
Capı́tulo 5
Produto interno em Rn
Neste capı́tulo iremos introduzir a noção de produto interno de dois vec-

tores de Rn , que nos possibilitará a introdução, neste espaço, de noções
geométricas.
As noções de norma dum vector e de vector ortogonal a outro será usada
para a definição de base ortonormada. Por fim daremos o método dos
mı́nimos quadrados para ”aproximarmos da melhor forma”a solução dum
sistema impossı́vel. Daremos algumas aplicações deste método.
Definição: 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
não nulos de R2 (1, 0) e (0, 1), facilmente concluı́mos que o seu produto
escalar é nulo.
Exercı́cio 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) >
111
Definição: Sejam x = (x1 , x2 , ..., xn ) e y = (y1 , y2 , ..., yn ) dois elementos
de Rn . Então:
a) Definimos norma de x por
√
||x|| = < x, x >
b) Definimos distância de x a y por
||x − y||
c) Diremos que x e y são ortogonais ( perpendiculares) se
< x, y >= 0
Exemplo 5.2 Em R3 , se x = (x1 , x2 , x3 ) então

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

b) Qual a distância 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 alı́neas c) e d)
são únicos?
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. < αx, y >= α < x, y >, ∀α ∈ R.
4. < 0, y >= 0.
5. x ̸= 0 ⇒ ||x|| > 0.
6. ||αx|| = |α|.||x||, ∀α ∈ R.
7. Desigualdde de Cauchy-Schwarz
| < x, y > | ≤ ||x||.||y||

havendo igualdade sse x e y forem linearmente dependentes.
112
Definição: Para x e y em Rn define-se o ângulo entre x e y como o valor
entre 0 e π tal que
< x, y >
](x, y) = arcos
||x||.||y||
Daqui resulta que
< x, y >= ||x||.||y|| cos(](x, y))

Definição: Para x ̸= 0 define-se a projecção ortogonal de y sobre x como
sendo o vector
< x, y >
projx y = .x
||x||2
Da definição anterior resulta que
< x, y > x x
projx y = .||y||. = ||y||. cos(](x, y))
||x||||y|| ||x|| ||x||
o que permite dar uma interpretação geométrica à projecção dum vector
sobre outro.
Figura 5.1: Projecção ortogonal.
Exemplo 5.3 Sejam x = (1, 0) e y = (1, 1) dois elementos de R2 . O ângulo

entre eles é então dado por
< (1, 0), (1, 1) > 1 π

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

projx y = √ .(1, 0) = (1, 0)
( 12 + 02 )2
113
Exemplo 5.4 Teremos
proj(1,0) (0, 2) = (0, 0)

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

a) proj(1,1,0) (1, 1, 1)?
b) Ângulo 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 então
||x − y||2 = ||x||2 + ||y||2 (Teorema de Pitágoras)
Exemplo 5.5 Geometricamente em R2 temos o conhecido teorema de Pitágoras
Figura 5.2: Teorema de Pitágoras.
114
Definição: Uma base {v1 , v2 , ..., vk } dum subespaço vectorial F de Rn
diz-se ortogonal se os vectores vi forem dois a dois ortogonais, isto é, se
< vi , vj >= 0, ∀i ̸= j
Diremos que a base é ortonormada se, para além de ser ortogonal, os seus
elementos tiverem norma 1.
Exemplo 5.6 As bases canónicas de Rn são ortonormadas. No caso parti-

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

que é obviamente ortonormada.
Exemplo 5.7 A base {(1, 0), (0, 2)} de R2 é uma base ortogonal mas não é
ortonormada.
Exercı́cio 5.4 a) Dê um exemplo duma base ortogonal de R3 que não seja
ortonormada.
b) Dê um exemplo duma base ortonormada de R3 diferente da base
canónica.
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 subespaço vecto-
rial F de Rn . Então, para todo o v ∈ F teremos
∑
k ∑k
< v, vi >
v= projvi v = .vi
i=1 i=1
||v i || 2
Se a base for ortonormada então ||vi || = 1 e teremos
∑
k
v= < v, vi > .vi
i=1
Daqui se conclui que as componentes de v nesta base são precisamente

< v, vi >, i = 1, 2, ..., k.
115
Consequência: Se {v1 , v2 , ..., vk } é uma base ortonormada dum su-
bespaço vectorial F de Rn então para todo o v ∈ F ,
∑
k
||v|| =
2
< v, vi >2
i=1
Definição: Sejam F um subespaço vectorial de Rn e v um elemento qual-

quer de Rn . Define-se a projecção 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 é ortogonal a todos os vectores de F .
Figura 5.3: Projecção sobre um subespaço.
Teorema 5.3 Sejam F um subespaço vectorial de Rn , v um elemento qual-

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

projF (v) = .v1 + .v2 + . . . + .vk
||v1 ||2 ||v2 || 2 ||vk ||2
116
Observação 5.1 Se a base for ortonormada então
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 está mais próximo 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 está mais próximo do ponto (0, 2).
A recta pode ser definida por
r = {(x, 2x) : x ∈ R}
Como vimos anteriormente, trata-se dum subespaço vectorial de R2 de
dimensão 1. Qualquer elemento não nulo de r constitui uma base de r.
Considere-se então a base de r constituı́da pelo elemento (1, 2). Teremos
então
< (0, 2), (1, 2) > 4 8

projr (0, 2) = .(1, 2) = ( , ).
||(1, 2)|| 2 5 5
A distância mı́nima é então
√
4 8 20
||(0, 2) − ( , )|| =
5 5 25
Exercı́cio 5.5 Considere o subespaço vectorial F de R3 , gerado pelos vecto-

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

base ortonormada simplifica o cálculo da projecção dum vector sobre um
subespaço.
O resultado que iremos dar de seguida dá um processo de construção
duma base dum subespaço a partir duma qualquer base de F .
117
Teorema 5.4 ( Processo de ortogonalização de Gram-Schmidt)
Seja F um subespaço vectorial de Rn e {v1 , v2 , ..., vk } uma sua base.
Então os vectores
{u1 , u2 , ..., uk }
definidos por
u1 = v1
u2 = v2 − proju1 v2
u3 = v3 − proju1 v3 − proju2 v3
.
.
.
uk = vk − proju1 vk − proju2 vk − ... − projuk−1 vk
Constituem uma base ortogonal de F .
Observação 5.2 A partir duma base ortogonal {u1 , u2 , ..., uk } de F é fácil

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 subespaço vectorial F = L{v1 , v2 }

gerado pelos vectores v1 = (−1, 1, 0) e v2 = (1, 0, 1).
Podemos facilmente concluir que estes vectores são linearmente indepen-
dentes. Consequentemente constituem uma base de F .
O método de ortogonalização de Gram-Schmidt permite definir uma base
ortogonal da seguinte forma:
u1 = v1 = (−1, 1, 0)
u2 = v2 − proju1 v2
= (1, 0, 1) − <u1 ,v2 >

||u1 ||2
.u1
= (1, 0, 1) − <(−1,1,0),(1,0,1)>
2
.(−1, 1, 0)
= ( 21 , 12 , 1)
Os vectores {(−1, 1, 0), ( 12 , 12 , 1)} constituem uma base ortogonal de F .
118
A partir desta base podemos construir uma base ortonormada basta para
isso multiplicar cada vector pelo inverso da sua norma.
Teremos então a seguinte base ortonormada de F :
√ √ √ √ √
2 2 6 6 6
{(− , , 0), ( , , )}
2 2 6 6 3
Exercı́cio 5.6 Determine uma base ortonormada de cada um dos seguintes
subespaços 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 Método dos mı́nimos quadrados

Nesta secção iremos definir duma forma precisa qual a ”melhor”solução dum
sistema impossı́vel AX = b.
Vimos anteriormente que um sistema AX = b é possı́vel se e só se

b ∈ C(A) ( subespaço gerado pelas colunas de A).
Se b ∈
/ C(A) então o sistema AX = b não tem solução, isto é, não existe
X ∈ Rn tal que
AX − b = 0
Iremos então procurar X ∈ Rn que torne mı́nima a distância de AX a b,
isto é,
||AX − b|| = min {||AX − b|| : X ∈ Rn }

Diremos que X é a solução do sistema AX = b no sentido dos mı́nimos
quadrados.
Teorema 5.5 As soluções de AX = b no sentido dos mı́nimos quadrados

são as soluções do sistema
AX = bc
onde
bc = projC(A) b
(bc é o vector de C(A) que está mais próximo de b).
119
Algoritmo para a determinação das soluções dum sistema no
sentido dos mı́nimos 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 é impossı́vel (verificar).

Vamos então usar o algoritmo anterior para determinar a sua solução no
sentido dos mı́nimos quadrados.
1o P asso- Determinar uma base de C(A)
A matriz do sistema é 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) podı́amos

usar a matriz U obtida pelo método de eliminação de Gauss.
Neste caso a matriz U que se obtém é definida por
 
1 2 3
U = 0 1 0 
0 0 0
Podemos então concluir que
   
 1 2 
 0 , 1 
 
1 0
120
é 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 método de or-

togonalização de Gram-Schmidt. Teremos então
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 é fácil determinar a

projecção de b sobre C(A).
Com efeito teremos
bc = projC(A) (1, 0, 2)
= <(1,0,2),(1,0,1)>
2
.(1, 0, 1) + <(1,0,2),(1,1,−1)>
3
.(1, 1, −1)
= ( 67 , − 31 , 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 cálculos efectuados no primeiro passo do algoritmo podemos

afirmar que as matrizes U e L são definidas da seguinte forma:
   
1 2 3 1 0 0
U = 0 1 0  ; L= 0 1 0 
0 0 0 1 −2 1
121
A solução do sistema
     7 
1 0 0 c1 6
 0 1 0  .  c2  =  − 1 
3
1 −2 1 c3 11
6
será
7
c1 = 6
c2 = − 13
c3 = 0
O sistema U X = c tem então a forma
     7 
1 2 3 x1 6
 0 1 0  .  x2  =  − 1 
3
0 0 0 x3 0
cuja solução é ( 11
6
− 3x, − 13 , x).
A solução do sistema no sentido dos mı́nimos quadrados será então dada
pelo conjunto
11 1
{( − 3x, − , x) : x ∈ R}
6 3
Exercı́cio 5.7 Determine a solução, no sentido dos mı́nimos quadrados, do
seguinte sistema:

 x + 2y + 3z = 0
2x + 2y + 4z = 0

x + z = 1
Outro processo:
Iremos de seguida apresentar outro método para determinar a solução

dum sistema AX = b no sentido dos mı́nimos quadrados.
Se X for solução de
AT AX = AT b
então X é solução de AX = b no sentido dos mı́nimos quadrados.
122
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 eliminação de Gauss
começando por efectuar a decomposição LU da matriz deste último 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 então a forma
    
1 0 0 c1 3
 1 1 0  c2  =  2 
3 0 1 c3 9
cuja solução é (3, −1, 0).
No sistema U X = c damos o valor zero às incógnitas livres e obtemos o
sistema
    
2 2 6 x1 3
 0 3 0   x2  =  −1 
0 0 0 0 0
cuja solução é x = ( 11
6
, − 13 , 0).
Para a construção de N (A) consideramos o sistema
    
2 2 6 x1 0
 0 3 0   x2  =  0 
0 0 0 1 0
cuja solução é (−3, 0, 1). Para N (A) teremos então:
N (A) = {(−3α, 0, α) : α ∈ R}
123
A solução no sentido dos mı́nimos quadrados será então
11 1
{( , − , 0) + (−3α, 0, α) : α ∈ R}
6 3
Exercı́cio 5.8 Determine a solução, no sentido dos mı́nimos quadrados,
pelo processo alternativo, do seguinte sistema:

 x + 2y + 3z = 0
2x + 2y + 4z = 0

x + z = 1
Aplicação:
Determinação duma recta que ”melhor”aproxime um conjunto de pontos

de R2 . Este tipo de problemas aparece, por exemplo, quando se efectuam
algumas medições dum certo fenómeno que são registadas numa tabela e são
depois representadas em R2 .
Figura 5.4: Aproximação usando mı́nimos quadrados.
O objectivo é traçar uma recta que contenha os pontos assinalados. Percebe-

-se facilmente que na figura anterior não existe nenhuma recta nessas condições.
Procuramos então uma recta que melhor satisfaça este nosso objectivo. Essa
recta será definida usando mı́nimos quadrados obrigando a que a soma dos
quadrados das distâncias (erros) assinalados a vermelho seja mı́nima.
Consideremos então n pontos de R2
(α1 , β1 ) , (α2 , β2 ), . . . , (αn , βn )
e procuremos uma recta de equação
y = mx + b
124
que melhor se aproxime destes pontos.
Se os pontos estivessem sobre a recta então as suas coordenadas de cada
um dos pontos satisfariam a equação da recta. Terı́amos então o seguinte
sistema:
    

 mα1 + b = β1 α1 1 β1

  α2 1   

 mα2 + b = β2  ( )  β2 
    
. . .  m  . 
⇐⇒   . .  =  . 

 .   b  

  . .   . 

 .

mαn + b = βn αn 1 βn
Como duma forma geral não existe solução para este sistema, o nosso
objectivo será determinar a solução no sentido dos mı́nimos quadrados.
De acordo com o que foi exposto anteriormente a solução deste sistema
minimizará
√
(mα1 + b − β1 )2 + (mα2 + b − β2 )2 + . . . + (mαn + b − βn )2
onde cada uma das parcelas (mα1 + b − β1 )2 é o quadrado do comprimento

dos segmentos a vermelho. Será esta a razão pela qual é denominado por
método dos mı́nimos quadrados.
O processo de resolução dum sistema usando mı́nimos quadrados leva,
neste caso, às seguintes expressões para m e b.
∑ ∑ ∑
n ( ni=1 αi βi ) − ( ni=1 αi ) ( ni=1 βi )
m= ∑ ∑ 2
n ( ni=1 αi2 ) − ( ni=1 αi )
∑ ∑ ∑ ∑
( ni=1 βi ) ( ni=1 αi2 ) − ( ni=1 αi ) ( ni=1 αi βi )
b= ∑ ∑ 2
n ( ni=1 αi2 ) − ( ni=1 αi )
Exercı́cio 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 distância entre os pontos e a

recta.
c) Use o método anterior para determinar a equação da recta qua ”me-

lhor”aproxime estes pontos
125
Exercı́cio 5.10 Para um certo óleo foi calculada a viscosidade em função
da temperatura.
T 20 40 60 80 100 120
ν 220 200 180 70 150 135
a) Determine a aproximação por um recta, no sentido dos mı́nimos

quadrados .
b) Use a recta anterior para estimar a viscosidade ν para T = 160o .
1. Determine o ângulo 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 são perpendiculares a

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

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

no sentido dos mı́nimos quadrados.

 x + z = 0
y + 2z = 0

−y − 2z = 1
126
Capı́tulo 6
Diagonalização de matrizes
Neste capı́tulo iremos dar um processo de decomposição duma matriz

A na forma
A = V DV −1
onde V é uma matriz invertı́vel e D é uma matriz diagonal. A este
processo chamaremos diagonalização duma matriz.
6.1 Vectores próprios e valores próprios

Neste parágrafo iremos definir algumas noções fundamentais para o
processo de diagonalização duma matriz.
Como vimos anteriormente, fixadas bases em Rn e Rm podemos estabe-
lecer uma relação entre um operador linear T : Rn → Rm e uma matriz
A(m×n) .
Consideremos agora um operador linear T : Rn → Rn e a correspon-
dente matriz An×n que lhe está associada.
Diremos que λ é um valor próprio de A se existir um vector não nulo
x ∈ Rn tal que
Ax = λx (∗)
A um elemento x ̸= 0 que verifique esta relação chamamos vector
próprio associado ao valor próprio λ.
Da relação entre matrizes e operadores lineares podemos definir valor
próprio do operador linear T : Rn → Rn como o escalar que verifica a
relação
T (x) = λ(x)
127
para algum x ̸= 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 − λx = 0 ⇔ (A − λI)x = 0
Trata-se dum sistema homogéneo com n equações e n incógnitas. Sa-

bemos que se a matriz do sistema for não-singular o sistema terá uma
única solução, x = 0. Como estamos interessados em este sistema não
tenha apenas a solução nula iremos impor que a matriz do sistema
(A − λI)
seja singular. Esta condição será formulada em termos de determinan-

tes exigindo que
det(A − λI) = 0
A esta expressão chamamos equação caracterı́stica e, como podemos
facilmente constactar, trata-se duma equação polinomial de grau n em
λ.
Ao polinómio
det(A − λI)
chamamos polinómio caracterı́stico.
Sendo um polinómio de grau n terá no máximo n raı́zes reais, podendo
haver repetições. Usamos a noção de multiplicidade algébrica dum
valor próprio λ para traduzir o facto de poder haver repetições.
Exemplo 6.1 Os polinómios caracterı́sticos associados às matrizes

( ) ( )
1 2 1 2
;
0 1 0 2
são
λ2 − 2λ + 1 e λ2 − 3λ + 2
respectivamente. No primeiro caso temos a raı́z 1 de multiplicidade
algébrica dois enquanto que no segundo temos as raı́zes 1 e 2, cada
uma com multiplicidade algébrica um.
128
Quanto aos vectores próprios associados ao valor próprio λ, definidos
como os vectores não nulos que verificam (∗), podem então ser carac-
terizados, usando a linguagem matricial anterior, por
N (A − λI) − {0}
A N (A − λI) chamamos subespaço próprio associado ao valor próprio
λ. À dimensão de N (A − λI) chamamos multiplicidade geométrica
do valor próprio λ.
Exemplo 6.2 Consideremos a matriz A definida por

 
1 1 0
 1 1 0 
0 0 2
e calculemos os seus valores próprios. Para isso iremos considerar a
equação caracterı́stica
   
1 1 0 1 0 0
det  1 1 0  − λ  0 1 0  = 0
0 0 2 0 0 1
ou seja  
1−λ 1 0
det  1 1−λ 0 =0
0 0 2−λ
O cálculo do determinante conduz então à seguinte equação carac-
terı́stica:
λ(λ − 2)2 = 0
cujas soluções são 0 e 2, esta com multiplicidade algébrica igual a
2. Calculemos agora os subespaços próprios associados aos valores
próprios de A.
Valor próprio λ = 0:
Para determinar N (A − λI), com λ = 0, iremos começar por determi-

nar a matriz U associada à matriz (A − λI):
 
1 1 0
U = 0 0 2 
0 0 0
129
A incógnita livre é x2 . Fazemos então x2 = 1 e resolvemos o sistema
    
1 1 0 x1 0
 0 0 2  1  =  0 
0 0 0 x3 0
A solução deste sistema é w = (−1, 1, 0) e portanto
N (A − 0I) = {x(−1, 1, 0) : x ∈ R}
Valor próprio λ = 2:
Para determinar N (A − 2I), iremos determinar a matriz U associada

à 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 incógnitas livres são neste caso x2 e x3 . Fazemos então x2 = 1 e

x3 = 0 e consideramos o sistema
    
−1 1 0 x1 0
 0 0 0  1  =  0 
0 0 0 0 0
cuja solução é (1, 1, 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
cuja solução é (0, 0, 1).
Concluı́mos que {(1, 1, 0), (0, 0, 1)} é uma base de N (A − 2I). Assim
sendo, o valor próprio λ = 2 tem multiplicidade geométrica 2.
130
Exercı́cio 6.1 Determine os valores próprios e os respectivos subespaços
próprios 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 diagonalizáveis
Seja An×n uma matriz com n valores próprios reais, λ1 , λ2 , . . . λn .

Suponhamos que existe uma base {v1 , v2 , . . . vn } de Rn constituı́da
por vectores próprios, isto é, tal que
Avi = λi vi , i = 1, 2, . . . n
Considerando a matriz V cujas colunas são os vectores próprios v1 , v2 , . . . vn
e a matriz diagonal D, cujos elementos da diagonal principal são os va-
lores próprios λ1 , λ2 , . . . λn , teremos
AV = V D
como se pode facilmente verificar. Uma vez que as colunas da matriz V
são linearmente independentes podemos garantir que existe a inversa
de V e consequentemente teremos
A = V DV −1
131
Definição: Uma matriz An×n diz-se diagonalizável se existirem uma
matriz invertı́vel Vn×n e uma matriz diagonal Dn×n 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 possuı́a dois valores próprios, λ1 = 0 de multi-

plicidade 1 e λ2 = 2 de multiplicidade 2. Podemos facilmente concluiur
que os vectores próprios 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 é diagona-
lizável 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 condições, garante que uma
dada matriz A é diagonalizável.
Teorema 6.1 : Uma matriz An×n é diagonalizável sse tiver n valores

próprios reais e n vectores próprios linearmente independentes.
Verificada a existência de n valores próprios reais e de n vectores

próprios linearmente independentes podemos garantir que a matriz é
diagonalizável. A sua diagonalização faz-se usando o método exposto
no inı́cio desta secção.
Há alguns resultados que ajudam a construir uma base de vectores
próprios.
Teorema 6.2 : Sejam An×n uma matriz e λ1 , λ2 , . . . λr , valores próprios

de An×n distintos. Para j = 1, 2, ..., r consideremos um conjunto Xj de
vectores próprios de A, linearmente independentes, associados ao valor
próprio a λj . Nestas condições X1 ∪ X2 ∪ ... ∪ Xr é um conjunto de
vectores linearmente independentes.
132
Consequência 1: Se uma matriz An×n tiver n valores próprios dis-
tintos então terá n vectores próprios linearmente independentes e, por
conseguinte será diagonalizável.
Exercı́cio 6.2 Diga, justificando, quais das seguintes matrizes são di-
agonalizáveis:
   
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
Observação 6.1 O facto duma matriz An×n não ter n valores próprios
distintos não permite inferir que não seja diagonalizável. O Exemplo
6.2 que foi dado no inı́cio desta secção mostra isso mesmo.
Consequência 2: Para cada valor próprio λj , j = 1, 2, ..., r pode-

mos determinar uma base de N (A − λj 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 An×n é uma matriz simétrica então tem n valores

próprios 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 simétrica. Terá portanto
3 valores próprios reais.
Como foi referido anteriormente os valores próprios de A determinam-
se a partir de
 
1−λ 1 0
det  1 −1 − λ −1  = 0
0 −1 1−λ
√ √
Neste caso, as raı́zes deste polinómio são 1, 3 e − 3. Como temos
três valores próprios distintos podemos garantir que A é diagonalizável.
133
Exemplo 6.5 Consideremos agora a matriz A definida por
 
3 2 1
A= 2 0 0 
0 0 1
cujo polinómio caracterı́stico é
(λ − 1)(−λ2 + 3λ + 4)
As raı́zes deste polinómio são
λ1 = 4 ; λ2 = −1 ; λ3 = 1
Uma vez que temos três valores próprios distintos podemos garantir que
o conjunto dos três vectores próprios associados constitui uma base de
R3 .
Para construirmos a matriz diagonalizante V iremos calcular os vecto-
res próprios associados a cada um dos valores próprios.
Valor próprio λ1 = 4
O processo de eliminação 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
Concluı́mos facilmente que x2 é a incógnita livre e que a solução de

    
−1 2 1 x1 0
 0 0 2  1  =  0 
0 0 0 x3 0
é W1 = (2, 1, 0).
Considerando os outros valores próprios e procedendo da mesma forma
obteremos os seguintes vectores próprios:
1
W2 = (− , 1, 0) associado ao valor próprio λ2 = −1
2
e
−1 1
W3 = ( , − , 1) associado ao valor próprio λ3 = 1
6 3
134
A matriz diagonalizante V será então definida por
 
2 − 12 −1
6
V = 1 1 − 13 
0 0 1
Depois de efectuado o cálculo da matriz inversa de V podemos concluir

que
     2 1 
3 2 1 2 − 12 − 61 4 0 0 5 5
2
15
 2 0 0 = 1 1 − 31   0 −1 0   − 25 45 1 
5
0 0 1 0 0 1 0 0 1 0 0 1
Exercı́cio 6.3 Diga, justificando, se é possı́vel 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 são diagonalizáveis e, em caso

afirmativo, efectue a sua diagonalização.
   
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
135
Provas de avaliação:
1. Considere a sucessão (an )n∈N definida por recorrência por


 a1 =1

an+1 = 1
2
+ (an − 21 )2 , n ∈ N
(a) Sabendo que para todo o n ∈ N , 12 ≤ an ≤ 1, mostre, por indução,

que (an )n∈N é uma sucessão decrescente.
(b) Conclua que existe limite de (an )n∈N e calcule-o.


 a1 =0

an+1 = 1 2
(a
2 n
+ 1), n ∈ N
(a) Mostre, por indução, que para todo o n ∈ N , an ≤ 1.
(b) Mostre, por indução, que (an )n∈N é uma sucessão crescente.
(c) Conclua que existe limite de (an )n∈N e calcule-o.

 1
 a1 = 5
 a
n+1 = 1 − n∈N
1
1+4a2n
,
(a) Mostre que 0 ≤ an ≤ 15 , ∀n ∈ N

(b) Mostre que (an )n∈N é monótona
4. Calcule o limite das seguintes sucessões:

∑
n
2
(a) un =
k=1
n3 + k2
1
(b) vn = cos( ).(arctg n2 )
ln(n + 1)
1
(c) zn = n.(1 − cos )
n
136
∑
n
2k 1 n2 + 1
a) un = ; b) v = n(e n − 1) ; c) z = ( )(−1)n
n n
k=1
(2n + 1)n2 n3 + 3

∑2n
n+1
; b) vn = [1−(−1)n ].[esin n −1] ; c) zn = (1+e−n )n
1
a) un = 2
k=1
k + 2n
7. Determine, em cada alı́nea, a natureza da série e, se for convergente,

determine a soma dos 5 primeiros termos indicando o erro máximo que
comete ao aproximar a soma da série por esse valor.
∑∞ ∑
∞ √ ∑
∞
(−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
∑∞
4 n−1 ∑∞
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 alı́nea a) e b), a natureza da série e, no caso da alı́nea

c), mostre que a série é convergente e determine a soma dos 5 primeiros
termos indicando o erro máximo que comete ao aproximar a soma da
série por esse valor.
√
∑∞
(−1)n+1 n+1 ∑∞
(−1)n ∑∞
1
a) ( n+2 + ) ; b) √ ; c) n.( )n−1
n=1
4 n+2 n=1
n+1 n=1
5
10. Para uma das séries convergentes do exercı́cio anterior, à sua escolha,
diga, justificando, se ao considerar S4 como valor aproximado da soma
1
da série comete um erro inferior a 100 .
137
11. Diga, justificando, se são verdadeiras ou falsas as seguintes afirmações:
∑
∞
(a) Se a série an converge então o limite da sucessão das somas
n=1
parciais é sempre igual a zero.
∑∞ ∑
∞
(b) Se a série an converge então a série a2n também converge.
n=1 n=1
∑
∞
sin n
(c) A série é uma série simplesmente convergente.
n=1
n2
(a) Se (xn )n∈N e (yn )n∈N são duas sucessões divergentes então a su-
cessão (xn .yn )n∈N também é divergente.
(b) Se (xn )n∈N é uma sucessão convergente e (yn )n∈N é uma sucessão
divergente então a sucessão (xn .yn )n∈N também é divergente.

∑
∞
(a) Se a série an converge então lim(a1 + a2 + . . . + an ) = 0.
n=1
(b) A soma duma série não depende dos seus primeiros p termos.
an+1
(c) Se (an )n∈N é uma sucessão de números positivos tal que lim =
an
λ, com λ < 1, então lim an = 0.
2
14. Diga, justificando devidamente, se (− 3π ) é o valor do seguinte integral.
∫ 1 ∑ ∞
(−1)n
( n
sin(πx)) dx
0 n=1
2
15. Calcule, justificando devidamente

∫ 1 (∑∞
)
(−1)n −x
n−1
.e dx
0 n=1
2
138
16. Diga, justificando devidamente, se
∫ [∞ ]
π2 ∑ (−1)n−1 nx 8π
n sin dx =
0 n=1
4n π 15
∑
∞
(−1)n en
17. Determine o intervalo de convergência da série (x − 1)n .
n=1
n
18. Determine todos os pontos x ∈ R para os quais as seguintes séries são

convergentes:
∑
∞
(−1)n ∑
∞
(−1)n
n
a) x ; b) (x + 3)n
n=0
n+2 n=0
n+2
19. Determine um desenvolvimento em série de potências de x das seguintes

funções:
2 −2
a) f (x) = ; b) g(x) =
x−2 (x − 2)2
x3
f (x) =
(2 + 3x)2
Determine um desenvolvimento em série de potências de x, indicando

o seu raio de convergência.
21. Considere as funções f e g definidas por

3
f (x) = e g(x) = ln(2 − 3x)
(3x − 2)
a) Determine os desenvolvimentos em série de potências de x destas

funções, indicando o respectivo intervalo de convergência.
b) Use o desenvolvimento em série de potências da função g para
verificar se
∑ ∞
1
n+1
= ln 2
n=0
2 (n + 1)
139
Frequência de Matemática II
2 de Junho de 2008
Duração: 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 factorização P A = LU .

(b) Determine o subespaço gerado pelas colunas de A e indique a sua
dimensão.
(c) Resolva, usando eliminação de Gauss, o sistema
 
0
A.X =  0 
2
(d) Determine b em R3 tal que o sistema A.X = b seja impossı́vel.
2. Considere a matriz B definida por

 
1 2 0
B =  −1 −2 1 
1 1 −1
(a) Calcule detB.

(b) Conclua da alı́nea anterior que B é invertı́vel.
(c) Determine a inversa de B.
3. Considere o subespaço vectorial F de R3 , de dimensão 2, definido por
F = {(x, y, z) ∈ R3 : 2x + y + z = 0}
(a) Verifique que w1 = (0, −1, 1) e w2 = (1, 0, −2) são 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 próximo do ponto (0, 1, 0)
140
(e) Resolva, no sentido dos mı́nimos 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 eliminação de Gauss.

 2x1 + 2x4 = 0
x1 + x4 = 0

x2 + 2x1 + x3 + x4 = 1
B. Dê um exemplo dum sistema com três equações e três
incógnitas que seja impossı́vel.
ii. A. Defina dimensão dum subespaço vectorial de Rn .
B. Determine uma base do subespaço 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 distância 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 próprios e os vectores próprios desta

matriz. Diga, justificando, qual a multiplicidade geométrica
dos valores próprios.
141
31 de Maio de 2010
1. (a) Resolva , usando o algoritmo de eliminação 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 subespaço vectorial F de R3 definido por

F = {α(1, −1, 0) + β(0, 1, 1) : α, β ∈ R}
(b) Determine uma base de R3 da qual façam parte os vectores deter-

minados na alı́nea anterior.
(c) Determine o elemento de F mais próximo de (1, 1, 1).
3. Determine para que valores reais de α a matriz B é invertı́vel e, para

esses valores, determine a sua inversa
 
1 1 0
B= 0 0 α 
−1 1 0
4. Determine os valores próprios da matriz C definida por

 
1 0 0
C= 0 0 2 
0 1 1
Exame de Matemática II
17 de Junho de 2008

 a1 =1

an+1 = 1 2
(a
3 n
+ 1), n ∈ N
142
(a) Mostre, por indução, que (an )n∈N é uma sucessão decrescente.
(b) Mostre que (an )n∈N é uma sucessão limitada.

2n 1
a) un = sin n ; b) vn = n2 (e n2 − 1)
n!
Sugestão: Para a alı́nea a) use a teoria de séries.
∑∞
2
3. (a) Determine a natureza da série ( n + 1).
n=1
4
∑
∞
2n
(b) Verifique que a série é convergente.
n=1
(n + 1)!
(c) Verifique se, ao aproximar o valor da soma da série da alı́nea
anterior por 1 + 23 + 13 + 15
2
, tem a garantia de que comete um erro
1 1
inferior a 10 .( )
4. Mostre que a série de funções

∑
∞
e−3x+n
, x ∈ [0, 1]
n=1
3n
é uniformemente convergente em [0, 1].

g definida por
1
g(x) = .
(3x + 2)2
1
Formulário:
Critério de D’Alembert: Rp ≤ ap+1 . 1−k
1
p
Critério de Cauchy: Rp ≤ Kpp+1 . 1−kp

1
∫ +∞
Critério do Integral: Rp ≤ p f (x)dx
Critério de Leibnitz: |Rp | ≤ bn+1
143
 
1 −1 1 1 1
 0 0 1 1 0 
A= 
 −1 −1 0 0 0 
2 −2 2 2 1
(b) Resolva, usando eliminação 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 α
Determine todos os valores de α para os quais a matriz B é invertı́vel.
8. Considere o subespaço 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 é impossı́vel.
(b) Estabeleça um sistema cuja solução seja a solução no sentido dos
mı́nimos quadrados do sistema dado.
10. Efectue a diagonalização da seguinte matriz:

 
1 1 0
 0 2 0 
0 0 1
144
Exame de Matemática II (RECURSO)
10 de Julho de 2008
1. Diga, justificando devidamente, se são verdadeiras ou falsas as seguintes

afirmações:
(a) Sendo (an )n∈N a sucessão definida de forma recorrente por

 √
 a1 = 2

an+1 = 1 2
(a
4 n
+ 1), n ∈ N
√
teremos lim an = 2 + 3.
(b) lim n elnn n = 0

∑n
1 1
(c) lim k
=
n→∞
k=1
3 2
(d) Se (un )n∈N e (vn )n∈N são duas sucessões divergentes então a su-
cessão (un .vn )n∈N é também divergente.
∑∞
1
(e) A série (−1)n n é divergente.
n=1
2
∑
∞
3n 1 3 9
(f) Ao aproximarmos a soma da série 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 série

∑∞
xn
n=2
ln n
é convergente.
Sugestão: Recorde que ln n < n para todo o n ∈ N

f definida por
1
f (x) =
(x − 2)2
145
 
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 eliminação 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 está mais próximo 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 é impossı́vel.
(b) Estabeleça um sistema cuja solução seja a solução no sentido dos
mı́nimos quadrados do sistema dado.
8. Efectue a diagonalização da seguinte matriz:
 
2 0 0
 0 1 1 
0 1 1
Observação: Determine apenas as matrizes V e D. Não é necessário
determinar V −1 .
146
24 de Junho de 2009
a) un = n!
10n
; b) vn = ne−n ln n
 2


n 3 +2
3 , se n par
2n 2 +3
c) wn =

 −1
n(1+sin2 n)
, se n ı́mpar

afirmações:
(a) Toda a sucessão de termos positivos decrescente é convergente.

(b) Toda a sucessão que possua duas subsucessões convergentes é con-
vergente.
(c) Toda a sucessão limitada não monótona é divergente.
(d) Uma série numérica cuja sucessão das somas parciais tenha limite
diferente de zero é divergente.
3. Determine a natureza das seguintes série:

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

∫ 1 ∑∞
sin(nπx)
[ n ]dx.
0 n=1
2n

g definida por
g(x) = ln(3x + 2).
147
 
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 eliminação de Gauss, o sistema
 
0
A.X =  0 .
2
(d) Determine b tal que o sistema A.X = b seja impossı́vel.
7. Diga, justificando, se λ = 2 é um valor próprio 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 possı́vel, a diagonalização da matriz

 
1 3 0
 2 2 0 .
2 3 −1
148
13 de Julho de 2009
1. Considere a sucessão de termos positivos (an )n∈N definida de forma

recorrente por

 a1 =3

an+1 = 1 2
(a
4 n
+ 2), n ∈ N
Mostre que se trata duma sucessão convergente e calcule o seu limite.

1 ∑n
4
a) un = n sin b) vn = 2
n k=0
n +k
∑
∞
3. Seja an uma série numérica cuja sucessão das somas parciais tem
n=1
limite 1. Diga, justificando, qual a natureza desta série.

∑∞
(−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 série de funções é uniformemente convergente

em [0, 1].
∑
∞
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 série é convergente.
149
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  x2  0
 2 −2 2 0  .  = 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
é impossı́vel.
10. Estabeleça um sistema que lhe dá a solução do sistema da alı́nea ante-
rior no sentido dos mı́nimos quadrados.
11. Efectue a diagonalização da matriz

 
1 0 0
 1 2 0 
0 0 1
150
21 de Junho de 2010
1. Considere a sucessão (an )n∈N definida de forma recorrente por


 a1 =2

an+1 = 1
2
+ 14 (a2n + 1), n ∈ N
(a) Mostre que an ≥ 1, ∀n ∈ N .

(b) Mostre que (an )n∈N é uma sucessão decrescente.
(c) Conclua que (an )n∈N é convergente e calcule o seu limite.

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

∑∞
(−1)n+2 1 ∑∞
ln n
a) ( + ) b)
n=1
n+2 n+1 n=1
n!

∫ 1∑
∞
(−1)n 3x
e dx
0 n=1
3n

f definida por
1
f (x) =
(3 + 2x)2
151
6. Mostre, usando a definição, que
F = {(x, y, z) ∈ R3 : 2x + 2y + z = 0}
é um subespaço vectorial de R3 .
7. Considere o subespaço 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
é impossı́vel.
ii. Resolva o sistema anterior usando mı́nimos quadrados.
8. Verifique se a matriz B definida abaixo é diagonalizável e, em caso

 
0 0 0
B= 1 1 1 
1 1 1
152
9 de Julho de 2010
Duração: 2 horas 30 minutos

afirmações:
∑
n
n
(a) A sucessão un = 5 é convergente.
k=1 n +k
2
∑
∞
xn
(b) A série de potências tem intervalo de convergência ] − 1, 1[.
n=1
n
∑
∞
sin n2
(c) Se an é convergente então a sucessão vn = an . é con-
n=1
3n2 + n
vergente.
(d) Podemos garantir que 21 + 61 + 241
difere do valor exacto da soma
∑
+∞
1 1
da série por um valor inferior a 50 . (2 )
n=1
(n + 1)!
(e) A série
∑
+∞
sin nx √ x
2
n cos( 2 )
n=1
n n
converge uniformemente em R.
(f) Nem toda a série numérica convergente é absolutamente conver-
gente.
∑
∞
1 − 4n
2. Determine a natureza da série . No caso de ser convergente
n=1
23n
calcule a sua soma.
2
Formulário:
Critério de D’Alembert: Rp ≤ ap+1 . 1−k
1
p
Critério de Cauchy: Rp ≤ Kpp+1 . 1−kp

1
∫ +∞
153
1
g(x) = .
(x − 4)2
 
1 3 0
4. Considere a matriz A =  1 3 1  .
0 2 1
(a) Determine a factorização P A = LU .

(b) Resolva o seguinte sistema usando eliminação de Gauss


0
AX =  1 
0
5. Considere o subespaço F = L{(0, 1, 1), (−1, 1, 1), (−1, 2, 2)}.
(a) Determine uma base de F e indique a dimensão de F .

(c) Determine a menor distância dum elemento de F a (0, 0, 1).
(d) Resolva, no sentido dos mı́nimos quadrados, o sistema
     
0 −1 −1 x 0
 1 1 2 . y  =  0 .
1 1 2 z 1
6. Defina matriz invertı́vel e enuncie um resultado que lhe garanta a in-

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

 
2 0 2
A =  0 0 0 .
2 0 2
154
Departamento de Matemática da Universidade de Coimbra
1a Frequência de Matemática II
4 de Abril de 2011
ATENÇÃO: Deve justificar as suas respostas e apresentar os cálculos
que efectuar.


 a1 = −1

an+1 = 1
1−an
− 1, n ∈ N
(a) Mostre que an ≤ 0, ∀n ∈ N .

(b) Mostre que (an )n∈N é uma sucessão crescente.
2. (a) Calcule lim( n1 )n .

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

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

∫ 1 ∑∞
( ne(x−2)n )dx
0 n=0

f definida por
f (x) = ln(e + x2 )
e indique o seu raio de convergência.
155
1a Frequência de Matemática II
30 de Março de 2011
que efectuar.


 a1 =3

an+1 = − a1n + 3, n ∈ N
(a) Mostre que an ≥ 2, ∀n ∈ N .

(b) Mostre que (an )n∈N é uma sucessão decrescente.
2. Calcule lim n.(cos( n1 ) − 1).
3. Determine a natureza das seguintes séries e, no caso de ser convergente,

indique uma estimativa para o erro que comete ao aproximar a soma
da série pela soma dos seus primeiros três termos.
∑∞
(−1)n 1 ∑ ∞
n+1 n
a) ( n + ) b) e
n=1
3 3 n=1
n!

∫ 1 ∑ ∞
n nx
( n
e )dx
0 n=0
3

f definida por
x2
f (x) =
3 + 2x2
156
27 de Maio de 2011
que efectuar.
1. Resolva, usando o algoritmo de eliminação 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 subespaço vectorial de R4 definido por
F = {(x, y, x, z − x) : x, y, z ∈ R}

(b) Determine o ponto de F mais próximo 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 é a matriz da pergunta 1.
157
20 de Junho de 2011
que efectuar.
1a PARTE
ln(n2 + 1) sin(n2 + 1) ∑
n
a) un = ; b) vn = ; c) wn = e−k
1 + ln(3n3 + 2) en k=1


 a1 = 3
4

an+1 = 1
2
+ (an − 12 )2 , n ∈ N
Mostre que a sucessão é convergente e calcule o seu limite.
3. Determine a natureza das seguintes séries e, no caso de serem conver-
gentes verifique se ao aproximar a soma da série pela soma dos seus dois
primeiros termos pode garantir que comete um erro inferior a 0.01.
∑∞ √ ∑
∞
(−1)n n 2n
a) ( n + ) ; b)
n=1
2 n + 1 n=1
(2n + 1)!
∫ 1∑
∞
e−x+n e−1
4. Verifique se dx = .
0 n=1
3n 3−e

2x
f (x) = .
(2 + x)2
(a) Determine um desenvolvimento em série de potências de x da
função f .
∑∞
n
(b) Use o resultado anterior para determinar a soma da série .
n=1
2n
158
2a PARTE
1. Resolva, usando o algoritmo de eliminação 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 subespaço 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 é a matriz da

pergunta 1, seja impossı́vel.
4. Efectue a diagonalização da matriz B definida por

 
1 0 1
B= 0 2 0 
1 0 1
5. Determine uma base do subespaço vectorial E de R4 definido por
E = {(x, y, z, w) ∈ R4 :< (x, y, z, w), (1, −1, 0, 1) >= 0}
159
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 )n∈N o termo geral duma série convergente e (bn )n∈N uma
sucessão que verifica
0 ≤ bn ≤ an , ∀n ∈ N
Calcule lim bn .

afirmações:
(a) Uma sucessão é convergente se e só se for monótona e limitada.

(b) Se (xn )n∈N e (yn )n∈N são duas sucessões divergentes então a su-
cessão (xn .yn )n∈N também é divergente.

gentes, calcule a sua soma.
∑
∞
1 en ∑
∞
1
n+1 n
a) ((−1) + (−1) n+1 ) ; b) ( + (−1)n )
n=1
3n+2 3 n=1
(2 + n)n
∑
∞
2 +2x+10)n−n2
5. Verifique se a série de funções e(−x é uniformemente
n=1
convergente em [0, 10].
160
f (x) = x ln(2 − 4x).

função f .
∑∞
(−1)n
(b) Use a alı́nea anterior para calcular a soma da série .
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 eliminação de Gauss, o sistema

A.X = b.
(b) Diga, justificando, se é possı́vel definir c tal que o sistema AX = c
seja impossı́vel.
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 π o subespaço vectorial de R3 constituido pelos vectores de R3

perpendiculares ao vector (2, 1, 1).
Determine o ponto de π mais próximo 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
161
30 de Março de 2012
que efectuar.
∑
n2
1 (−1)n n2 cos n 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 séries.

∑∞ √ 3 ∑∞
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 sucessão que verifica

1 1
− ≤ an ≤
n! (n + 1)!
(a) Calcule que lim an .
∑
∞
(b) Determine a natureza da série an .
n=1
∫ π∑
∞
(−1)n π+1 1
4. Diga, justificando, se n
(1 + n sin nx)dx = − + .
0 n=1
3 4 2

x2
f (x) = .
(x − 2)2
função f e indique todos os valores de x ∈ R para os quais a série
é convergente.
(b) Use o resultado da alı́nea anterior para determinar a soma da série
∑∞
(−1)n n
.
n=1
4n+1
162
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 eliminação de

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

tivo, calcule a sua inversa.
 
2 1 0
B =  0 −1 0 
0 1 1
3. Considere o subespaço vectorial de R4 , de dimensão 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)} é uma base de F .
(b) Determine o elemento de F mais próximo de (0, 0, 0, 3).
4. Caracterize o operador linear T cuja matriz associada é a matriz A da

primeira questão.
5. Determine as multiplicidades algébrica e geométrica dos valores próprios

da matriz
 
2 0 1
 1 1 0 
1 0 2
163
25 de Junho de 2012
que efectuar.
1a PARTE
1 n2
a) un = n(1 − cos ) ; b) vn =
n (n + 1)!


 a1 =2

an+1 = 1 2
(a
4 n
− 1) + 1, n ∈ N
(a) Mostre que an ≥ 1, para todo o n ∈ N

(b) Mostre que a sucessão (an )n∈N é monótona.
(c) Conclua que existe limite da sucessão (an ) e determine o seu valor.

gentes verifique se ao aproximar a soma da série pelo primeiro termo
1
pode garantir que comete um erro inferior a 20 . (3 )
∑∞ √ ∑
∞
(−1)n n 2n
a) ( n + ) ; b)
n=1
2 n+1 n=1
(2n + 1)!
∫ √
π∑
∞
nx sin(nx2 ) 4
4. Diga, justificando, se dx = .
0 n=1
2n 3
3
Formulário:
Critério de D’Alembert: Rp ≤ ap+1 . 1−k1
p
Critério de Cauchy: Rp ≤ Kpp+1 . 1−k

1
∫ +∞ p

164
x
f (x) = .
4 + 2x2
Determine um desenvolvimento em série de potências de x da função
f e indique todos os valores de x para os quais a série 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 próximo de (0, 3, 1, 0).
2. (a) Resolva, usando o algoritmo de eliminação 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 é a matriz da alı́nea 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.
165
13 de Julho de 2012
que efectuar.
1a PARTE
1. Calcule o limite das seguintes sucessões, caso esse limite exista. No

caso de não existência de limite, justifique devidamente.
∑
n2
n1 1 1
a) un = (−1) (1+ ) ; b) vn = (1+sin )n ; c) zn = (−1) n
5
n n k=1 n +k
2
2. Determine a natureza das seguintes séries :
∑
∞
n! ∑
∞
(−2)n + 32n
n
a) (−1) n ; b)
n=1
n n=1
4n
∑
∞
3. Verifique se a série de funções ne−nx é uniformemente convergente
n=1
em [2, 4].
∑
∞
en n
4. Determine todos os valores de x para os quais a série (−1)n x
n=1
n
é convergente.
f (x) = x ln(e2 + x).
Determine um desenvolvimento de f , em série de potências de x.
166
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 eliminação 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 dimensão dum subespaço vectorial de Rn .

(b) Seja E o subespaço vectorial de R3 definido por
E = {α(1, 1, 0) + β(1, 1, 1) + γ(0, 0, 1) : α, β, γ ∈ R}

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

é invertı́vel e calcule a sua inversa.
 
1 0 1
D= 0 2 0 
1 1 0
5. Determine os valores próprios e respectivas multiplicidades algébrica e

geométrica da matriz G definida por
 
1 0 2 0
 0 1 0 3 
G=
 0

0 2 0 
0 1 1 3
167
10 de Abril de 2013
1. Calcule:
1
(a) lim n2 (e n2 − 1).
∑
∞
n
(b) lim(an . sin(e )) , sabendo que an , é convergente.
n=1
∑
2n+1
1
(c) lim .
k=1
(2n2 + 1)2k
2. Determine a natureza das seguintes séries.
∑∞
(−2)n n 1 ∑
∞
n+1
a) [ + (1 + )n ] ; b)
n=1
(2n)! n n=1
2n
3. Diga, justificando, se ao aproximar a série da alı́nea b) do exercı́cio

anterior por
3 1 5 6
1+ + + +
4 2 16 32
pode garantir que o erro cometido é inferior a 13 .
∫ π (∑∞
)
2 1 + n cos nx π 2
4. Diga, justificando, se n
dx = + .
0 n=1
2 2 5

x2
f (x) = .
(2x2 + 2)2
é convergente.
∑∞
(−1)n n
.
n=1
4n
168
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 eliminação de

Gauss.
(b) Determine b tal que o sistema AX = b seja impossı́vel.
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 é um subespaço de R4 e determine o elemento de F mais
próximo de (1, 0, 0, 0).
3. Verifique que a matriz B, definida abaixo, é invertı́vel, 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 algébrica e geométrica dos valores próprios

da matriz D e diga, justificando, se (0, 2, 0) é um vector próprio de D.
 
1 0 2
D= 0 3 1 
1 0 2
169
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

an+1 = 1 2
(a
2 n
+ 1), n ∈ N.
Mostre que se trata duma sucessão convergente e calcule o seu limite.

afirmações:
∑
∞
1 1 1
(a) Ao aproximarmos a soma da série por 6
+ 24
come-
n=1
(n + 2)!
1
temos um erro inferior a 99
. (4 )
(b) A série
∑∞
1 + cos nx √ 3 x
3
n cos( 3
)
n=1
n n
é uniformemente convergente em R
∑∞
3n − 2
(c) A série 2n
é convergente e tem soma 72 .
n=1
2
4
Formulário:
p

1
∫ +∞ p

170
2x
f (x) = .
(2 + x)2

∑∞
n
f e use o resultado obtido para determinar a soma da série n
.
n=1
2
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 eliminação
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 α para os quais a matriz D é invertı́vel.
Par esses valores determine a sua inversa.
 
1 1 1
D= 0 α 0 
1 1 0
afirmativo, efectue a sua diagonalização.(Não é necessário efectuar o
cálculo da inversa)
 
1 2 2
B= 3 2 3 
0 0 −1
171
8 de Julho de 2013
que efectuar.
1a PARTE
1 n2 ∑
n
a) un = (1 − ) ; b) vn = 3−k
n k=1

afirmações:
(a) lim nn!n = +∞
∑n √
n+1
(b) A sucessão wn = 2 2 + 1)
é divergente
k=1
n (k
(c) Se (un )n∈N é uma sucessão convergente e (vn )n∈N é uma sucessão
divergente então a sucessão (zn )n∈N definida por zn = un .vn é
divergente.
∑∞
(−1)n 3n ∑∞
1 1
a) ( n + 2 2n ) ; ( + sin( ))
n=1
2 2 n=1
n! n
∑∞
2
4. Determine todos os valores de x para os quais a série (2x)n é
n=1
n
convergente.
2x
f (x) = .
(2 + 4x)2

∑∞
n
f e use o resultado obtido para determinar a soma da série .
n=1
2n
172
2a PARTE
1. Seja F o subespaço 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  3 
 1 0     
 −1 −1 0  . x2 =  3 
x3
0 0 1 3
(d) Resolva o sistema abaixo, usando o algoritmo de eliminação de
Gauss.    
1 0 0   −2
 0 x1
 1 0  
 .  x2  =  1 

 −1 −1 0   1 
x3
0 0 1 3

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 relação entre α, β e γ por forma que a matriz D, abaixo
definida, seja invertı́vel.
 
α 1 1 1 1
 2 0 0 0 γ 
 
D=
 0 1 1 1 1 

 0 β 0 0 2 
0 1 0 1 3
4. Verifique se a matriz B, abaixo definida, é diagonalizável e, em caso

 
−1 1 3
B =  0 −3 −6 
0 2 4
173
4 de Abril de 2014
que efectuar.
1. Calcule:
√
(a) lim n sin n1 .
(b) lim nn!n .
∑
n 2
1
(c) lim(un . ).
k=1
n4 + k2
Onde (un )n∈N é uma sucessão convergente.
2. Determine a natureza das seguintes séries e, no caso da série ser con-
vergente, verifique se ao aproximar a soma da série pela soma dos seus
dois primeiros termos pode garantir que comete um erro (5 )
inferior a 0, 1.
∑∞
√ 1 ∑
∞
n ∑
∞
n
a) n sin ; b) ; c) (−1)n
n=1
n n=1
(n + 1)! 2n n=1
n+1

f (x) = ln(2 + x).
é convergente.
(b) Use o resultado da alı́nea anterior para mostrar que
∑∞
(−1)m 3 ∑∞
1
m
= −ln ( ) e = ln (2)
m=1
m2 2 m=1
m2m
∫ 1∑
∞
1 1
4. Verifique, justificando, se n
(1 + sin nπx)dx = 1 + ln 3.
0 n=1
2 π
5
Formulário:
p

1
p
174
23 de Junho de 2014
que efectuar.
1. Seja E = {(x, y, x + y, z + t) : x, y, z, t ∈ R}.
(a) Mostre que E é um subespaço vectorial de R4 .

(b) Determine uma base de E.
(c) Determine o elemento de E mais próximo de (0, 0, 3, 3)
2. Sejam
   
1 0 0 0 0
 0 1 0 0   0 
A=
 1
 ; b= 
1 0 0   3 
0 0 1 1 3
(a) Mostre que o sistema AX = b é impossı́vel.

(b) Determine a solução do sistema AX = b no sentido dos mı́nimos
quadrados.
3. Seja α um número real e B a matriz definida por

 
1 0 0 0
 0 1 0 0 
B=
 1

1 0 α 
0 0 1 1
(a) Determine todos os valores de α para os quais a matriz B é in-

vertı́vel.
(b) Determine a inversa de B para α = 1.
4. Diga, justificando, se a matriz A, definida acima na pergunta 2, é dia-

gonalizável.
175
Exame de Matemática II (11 de Julho de 2014)
1a PARTE
nn ∑n
1
2 −n n
a) un = n e ; b) vn = (−1) ; c) wn =
(2n)! k=1
3k

afirmações:
(a) Se (un )n∈N é uma sucessão crescente e un > 0 para todo o n ∈ N ,
∑∞
então un diverge.
n=1
(b) Se (un )n∈N é uma sucessão decrescente e un > 0 para todo o
∑
∞
n ∈ N , então un converge.
n=1
(c) Se (un )n∈N é uma sucessão tal que un > 0 para todo o n ∈ N
então
1
lim un sin = 0
n
3. Determine a natureza das seguintes séries
∑
∞ ∑
∞ √
(−1)n n n 2n
a) ; b) ( 2 + )
n=1
2n n=1
n + 1 n!
∑
∞
2n xn
4. Determine todos os valores de x para os quais a série é con-
n=1
n
vergente
x
f (x) = .
(2x + 1)2
função f e indique os valores de x para os quais a série é conver-
gente.
(b) Use o resultado obtido na alı́nea anterior para determinar a soma
∑∞
n
da série (−1)n n+1 .
n=1
2
176
2a PARTE

   
1 0 1 0 1 1
 0 1 1 1 2   0 
A=  1
 ; b= 
0 1 0 1   1 
0 −1 −1 0 −1 2
(a) Resolva, o sistema A.X = b , usando o algoritmo de eliminação
de Gauss.
(b) Defina base e dimensão dum subespaço vectorial de Rn .
(c) Seja F o subespaço de R4 gerado pelos vectores (1, 0, 1, 0), (0, 1, 0, −1),
(1, 1, 1, −1), (0, 1, 0, 0), (1, 2, 1, −1). Determine o elemento de F
mais próximo de (2, 0, 0, 2).
(d) Tendo em conta o resultado obtido na alı́nea c) interprete o resul-
tado obtido na alı́nea a).
2. T : R2 → R2 um operador linear tal que
T ((1, 1)) = (1, 2) ; T ((1, 0)) = (0, 1)
Determine a expressão de T ((x, y)) para um elemento qualquer (x, y)
de R2
3. Calcule o determinante da matriz C(100×100) definida por
 
α β 0 0 . . . 0
 α+1 β+1 0 0 . . . 0 
 
 0 0 1 0 . . . 0 
 
 0 0 0 1 0 . . 0 
 
 . . . . . . . 
 
 . . . . . . . . 
 
 0 . . . . 0 1 0 
0 . . . . . 0 1
onde α e β são dois números reais.
 
1 0 1
B =  −1 0 −1 
2 0 2
177
14 de Abril de 2015
1. Calcule:
(a) lim(1 − sin n1 )n .
(b) O limite da sucessão (an ) definida por

 a1 = 12
an =
 2
an+1 = 12 ( a2n + 1), n ∈ N,
sabendo que 0 ≤ an ≤ 1, ∀n ∈ N .
nen
(c) O limite da sucessão (bn ), sabendo que 0 ≤ bn ≤ n!
, ∀n ∈ N.
2. Determine a natureza das seguintes séries e, no caso da série ser con-
vergente, determine o valor aproximado da sua soma com um erro (6 )
inferior a 1.
∑∞
(−1)n 2n+1 n2 ∑
∞
n+1
a) ( 2n
+ 2+1
) ; b)
n=1
2 n n=1
n!

f (x) = x ln(2x + 4).
função f e indique o seu raio de convergência.
∑∞
1
n+1
.
n=1
2 (n + 1)
∫ 1 ∑
∞
(−1)n nenx
4. Calcule, justificando, ( ) dx.
0 n=1
4n+1
6
Formulário:
p

1
p
178
5. Usando séries de potências, determine e identifique a solução do se-
guinte problema de valor inicial:
 ′
 y − xy = 0

y(0) = 1

Licenciatura em Bioquı́mica
2 de Junho de 2015
   
1 1 0 1 0 −1
 −1 −1 0 −1 2   −1 
A=
 0 −1 1
 ; b= 
0 −2   0 
0 0 0 0 −2 2
Resolva o sistema A.X = b usando o algoritmo de eliminação de Gauss.
2. Considere o subconjunto F de R4 definido por
F = {(x + y + t, −x − y − t + 2w, −y + z − 2w, −2w) : x, y, z, t, w ∈ R}.
(a) Mostre que F é um subespaço vectorial de R4 .

(b) Determine o elemento C de F mais próximo de d = (−3, −3, 0, 0).
(c) Relacione a solução do sistema AX = d com a solução do sistema
da pergunta 1.
3. Determine a inversa da matriz

 
1 1 −1
E= 1 0 0 
0 1 1
 
1 1 1
B= 0 2 0 
1 −1 1
Nota: Não é necessário determinar V −1 .
179
10 de Julho de 2015

1a PARTE

1 1 1 2n
a) un = (1 + 3
+....+ 3n−1
) ; b) vn = (cos 2n )
n+1 n
c) wn = n!
e cos(n2 + 1)
2. Determine a natureza de cada uma das seguintes séries e, no caso de

ser convergente, determine um valor aproximado da sua soma com um
erro (7 ) inferior a 12 .
∑∞
sin n 22n ∑∞
2 1
a) ( 2 + n) ; b) ( + n) .
n=1
n +1 3 n=1
n! 2
3. Calcule, justificando devidamente,

∫
(∑∞
x + n cos(nx) )
π
2
dx .
0 n=1
2n

x
f (x) = .
(3x2 + 2)2

f e indique os valores de x para os quais a série é convergente.
2a PARTE
7
Formulário:
p

1
p
180
   
1 2 0 0 1 1
 0 0 0 1 1   −1 
A=
 −1
 ; b= 
0 1 0 0   1 
0 2 1 0 1 2
(a) Determine a fatorização P A = LU .

(b) Determine uma solução particular de AX = b .
(c) Determine o conjunto de todas as soluções de AX = 0.
2. Considere o subespaço vectorial F de R4 gerado pelos vetores (1, 1, 0, 1), (0, 0, 1, 1),
(0, 1, 0, 0), (2, 0, 0, 2) e (1, 0, −1, 0).

(b) Determine a distância de (3, −1, 3, 0) ao ponto de F mais próximo
deste ponto.
(c) Diga, justificando, se a seguinte afirmação é verdadeira ou falsa:
”O elemento (3, −1, 3, 0) pertence a F ”.
3. Seja A uma matriz (4 × 4) tal que dim C(A) = 3. Conclua que nestas
condições det A = 0.
T ((1, 1, 0)) = (0, 1) ; T ((0, 1, 0)) = (1, 2) ; T ((1, 1, 1)) = (1, 0) .
Determine T ((2, 3, 4)).

afirmativo, efetue a sua diagonalização.
 
1 0 1 0
 0 1 1 0 
B=
 0

2 0 0 
1 2 −1 −1
FIM
181

Matematica II PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Matematica II PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Matematica II PDF

Enviado por

Direitos autorais:

Formatos disponíveis

NOTAS DO CURSO

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

Estas notas foram escritas como apoio à disciplina de Matemática II da

Sucessões e séries numéricas

Neste capı́tulo iremos estudar sucessões e séries de números reais.

Definição: Define-se sucessão de números reais ou simplesmente sucessão

Definição: Uma sucessão (an )n∈N diz-se limitada se existirem a, b ∈ R tais

Figura 1.1: Sucessão limitada.

Exemplo 1.2 Sobre a noção de sucessão limitada.

2. A sucessão (cos n)n∈N é limitada.

3. A sucessão (n2 + 1)n∈N não é limitada.

Se existir um L nestas condições diremos que a sucessão é convergente. Caso

Figura 1.2: Limite duma sucessão.

Observamos que os termos da sucessão se vão aproximando de L à medida

lim f (x) = L ⇔ ∀ϵ > 0, ∃M >0 : x ≥ M ⇒ |f (x) − L| < ϵ

Exemplo 1.3 Se quisermos calcular o limite da sucessão ( logn n )n∈N podemos

Observação: A utilização da definição de sucessão convergente para calcular

Exercı́cio 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 definição anterior, facilmente se conclui que

Definição: Definimos subsucessão da sucessão (an )n∈N como uma restrição

Exemplo 1.6 Se considerarmos a sucessão definida por

Exercı́cio 1.4 Diga, justificando, se as seguintes sucessões são convergentes

Como foi referido anteriormente, não é fácil calcular limites de sucessões

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

Exercı́cio 1.5 Calcule os seguintes limites:

Exemplo 1.9 O uso imediato deste resultado permite concluir que

Exercı́cio 1.6 Usando o teorema das sucessões enquadradas calcule

Definição: Uma sucessão (an )n∈N diz-se

Uma sucessão que seja crescente ou decrescente diz-se monótona.

Vimos anteriormente que nem toda a sucessão limitada é convergente.

Exemplo 1.13 A sucessão (yn )n∈N , 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 sucessões:

Há sucessões em que os seus termos são definidos a partir dos

a partir da ordem 3, cada termo da sucessão é definido a partir dos dois

Exercı́cio 1.9 Usando o método exposto anteriormente calcule o limite das

Teorema: Sejam (xn )n∈N e (yn )n∈N duas sucessões, então:

1. Se lim Xn = +∞ e (yn )n∈N é uma sucessão limitada inferiormente então

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

1. Calcule os limites das seguintes sucessões:

3. Use o teorema das sucessões enquadradas para calcular

4. Defina sucessão limitada e sucessão convergente.

5. Considere a sucessão (an )n∈N definida por

(a) Mostre, por indução, que a sucessão (an )n∈N é decrescente.

6. (a) Usando resultados conhecidos sobre limites de funções, mostre

então para todo o k ∈ R fixado, temos

Sugestão: Use o resultado anterior depois de decompôr a ex-

8. Sem justificar, dê exemplos de:

9. Calcule os seguintes limites:

(a) Mostre que a sucessão (an )n∈N é decrescente e limitada.

(a) Toda a sucessão limitada e monótona é convergente.

14. (a) Enuncie o teorema das sucessões enquadradas.

Pode ser interpretado da seguinte forma. À medida que somamos mais